Aca se analiza si los valores promedios de conteo de n
Como se trata de variables de conteo la forma d ever si las diferencias de superficies erosionadas promedio por variables independientes son significativas, no es adecuado hacer prueba t ajustadas por diseño muestral, ya que existe mucha asimetría. Para eso se propone hacer modelos de regresion POisson usando como variables explicativas las usadas para evaluar promedios y la variable de respuesta, logaritmo de la cantidad media de erosiones
library(survey)
## Attaching package: 'survey'
## The following object(s) are masked from 'package:graphics':
##
## dotchart
options(OutDec = ",")
library(car)
## Loading required package: MASS
## Loading required package: nnet
# load('C:/Users/usuario/Dropbox/odontologia/maestria licet/octubre
# 2013/datos_licet_03112013.RData')
load("C:/Users/usuario/Dropbox/odontologia/maestria licet/octubre 2013/datos_licet_03112013.RData")
Severas.poi6 <- svyglm(Severas ~ Sexo.rec, diseniopost1, family = quasipoisson())
summary(Severas.poi6)
##
## Call:
## svyglm(formula = Severas ~ Sexo.rec, diseniopost1, family = quasipoisson())
##
## Survey design:
## postStratify(disenio1, ~categor.rec + Sexo, tabla.pob)
##
## Coefficients:
## Estimate Std. Error t value Pr(>|t|)
## (Intercept) -3,457 0,359 -9,64 9,4e-12 ***
## Sexo.rec2-M 1,430 0,450 3,17 0,003 **
## ---
## Signif. codes: 0 '***' 0,001 '**' 0,01 '*' 0,05 '.' 0,1 ' ' 1
##
## (Dispersion parameter for quasipoisson family taken to be 2,023)
##
## Number of Fisher Scoring iterations: 6
regTermTest(Severas.poi6, ~Sexo.rec)
## Wald test for Sexo.rec
## in svyglm(formula = Severas ~ Sexo.rec, diseniopost1, family = quasipoisson())
## F = 10,08 on 1 and 38 df: p= 0,003
round(confint(Severas.poi6) * 1, 2)
## 2,5 % 97,5 %
## (Intercept) -4,16 -2,75
## Sexo.rec2-M 0,55 2,31
Severas.poi7 <- svyglm(Severas ~ Nivel.Socieconomico.rec, diseniopost1, family = quasipoisson())
summary(Severas.poi7)
##
## Call:
## svyglm(formula = Severas ~ Nivel.Socieconomico.rec, diseniopost1,
## family = quasipoisson())
##
## Survey design:
## postStratify(disenio1, ~categor.rec + Sexo, tabla.pob)
##
## Coefficients:
## Estimate Std. Error t value Pr(>|t|)
## (Intercept) -2,7314 0,3677 -7,43 7,7e-09 ***
## Nivel.Socieconomico.rec2-MEDIO 0,0662 0,5751 0,12 0,909
## Nivel.Socieconomico.rec3-ALTO 0,6680 0,3160 2,11 0,041 *
## ---
## Signif. codes: 0 '***' 0,001 '**' 0,01 '*' 0,05 '.' 0,1 ' ' 1
##
## (Dispersion parameter for quasipoisson family taken to be 2,199)
##
## Number of Fisher Scoring iterations: 6
regTermTest(Severas.poi7, ~Nivel.Socieconomico.rec)
## Wald test for Nivel.Socieconomico.rec
## in svyglm(formula = Severas ~ Nivel.Socieconomico.rec, diseniopost1,
## family = quasipoisson())
## F = 2,278 on 2 and 37 df: p= 0,12
round(confint(Severas.poi7) * 1, 2)
## 2,5 % 97,5 %
## (Intercept) -3,45 -2,01
## Nivel.Socieconomico.rec2-MEDIO -1,06 1,19
## Nivel.Socieconomico.rec3-ALTO 0,05 1,29
Severas.poi8 <- svyglm(Severas ~ Nivel.Educativo.de.la.Madre1.rec, diseniopost1,
family = quasipoisson())
summary(Severas.poi8)
##
## Call:
## svyglm(formula = Severas ~ Nivel.Educativo.de.la.Madre1.rec,
## diseniopost1, family = quasipoisson())
##
## Survey design:
## postStratify(disenio1, ~categor.rec + Sexo, tabla.pob)
##
## Coefficients:
## Estimate Std. Error t value
## (Intercept) -1,347 0,458 -2,94
## Nivel.Educativo.de.la.Madre1.rec2-Basic -1,354 0,375 -3,61
## Nivel.Educativo.de.la.Madre1.rec3-Medium -1,516 0,588 -2,58
## Nivel.Educativo.de.la.Madre1.rec4-High -0,904 0,688 -1,31
## Pr(>|t|)
## (Intercept) 0,00569 **
## Nivel.Educativo.de.la.Madre1.rec2-Basic 0,00093 ***
## Nivel.Educativo.de.la.Madre1.rec3-Medium 0,01416 *
## Nivel.Educativo.de.la.Madre1.rec4-High 0,19721
## ---
## Signif. codes: 0 '***' 0,001 '**' 0,01 '*' 0,05 '.' 0,1 ' ' 1
##
## (Dispersion parameter for quasipoisson family taken to be 2,352)
##
## Number of Fisher Scoring iterations: 6
regTermTest(Severas.poi8, ~Nivel.Educativo.de.la.Madre1.rec)
## Wald test for Nivel.Educativo.de.la.Madre1.rec
## in svyglm(formula = Severas ~ Nivel.Educativo.de.la.Madre1.rec,
## diseniopost1, family = quasipoisson())
## F = 4,606 on 3 and 36 df: p= 0,0079
round(confint(Severas.poi8) * 1, 2)
## 2,5 % 97,5 %
## (Intercept) -2,25 -0,45
## Nivel.Educativo.de.la.Madre1.rec2-Basic -2,09 -0,62
## Nivel.Educativo.de.la.Madre1.rec3-Medium -2,67 -0,36
## Nivel.Educativo.de.la.Madre1.rec4-High -2,25 0,44
Severas.poi8a <- svyglm(Severas ~ Nive.Educativo.de.la.Madre2.rec, diseniopost1,
family = quasipoisson())
summary(Severas.poi8a)
##
## Call:
## svyglm(formula = Severas ~ Nive.Educativo.de.la.Madre2.rec, diseniopost1,
## family = quasipoisson())
##
## Survey design:
## postStratify(disenio1, ~categor.rec + Sexo, tabla.pob)
##
## Coefficients:
## Estimate Std. Error
## (Intercept) -2,2368 0,3500
## Nive.Educativo.de.la.Madre2.rec2-HIGH SCHOOL -0,4786 0,2887
## Nive.Educativo.de.la.Madre2.rec3-COLLEGE-UNIVERSITY -0,0786 0,5521
## t value Pr(>|t|)
## (Intercept) -6,39 1,9e-07 ***
## Nive.Educativo.de.la.Madre2.rec2-HIGH SCHOOL -1,66 0,11
## Nive.Educativo.de.la.Madre2.rec3-COLLEGE-UNIVERSITY -0,14 0,89
## ---
## Signif. codes: 0 '***' 0,001 '**' 0,01 '*' 0,05 '.' 0,1 ' ' 1
##
## (Dispersion parameter for quasipoisson family taken to be 2,377)
##
## Number of Fisher Scoring iterations: 6
regTermTest(Severas.poi8a, ~Nive.Educativo.de.la.Madre2.rec)
## Wald test for Nive.Educativo.de.la.Madre2.rec
## in svyglm(formula = Severas ~ Nive.Educativo.de.la.Madre2.rec, diseniopost1,
## family = quasipoisson())
## F = 1,376 on 2 and 37 df: p= 0,27
round(confint(Severas.poi8a) * 1, 2)
## 2,5 % 97,5 %
## (Intercept) -2,92 -1,55
## Nive.Educativo.de.la.Madre2.rec2-HIGH SCHOOL -1,04 0,09
## Nive.Educativo.de.la.Madre2.rec3-COLLEGE-UNIVERSITY -1,16 1,00
Severas.poi9 <- svyglm(Severas ~ Tipo.de.Escuela.rec, diseniopost1, family = quasipoisson())
summary(Severas.poi9)
##
## Call:
## svyglm(formula = Severas ~ Tipo.de.Escuela.rec, diseniopost1,
## family = quasipoisson())
##
## Survey design:
## postStratify(disenio1, ~categor.rec + Sexo, tabla.pob)
##
## Coefficients:
## Estimate Std. Error t value Pr(>|t|)
## (Intercept) -2,781 0,605 -4,60 4,6e-05 ***
## Tipo.de.Escuela.rec2-Private 0,377 0,687 0,55 0,59
## ---
## Signif. codes: 0 '***' 0,001 '**' 0,01 '*' 0,05 '.' 0,1 ' ' 1
##
## (Dispersion parameter for quasipoisson family taken to be 2,428)
##
## Number of Fisher Scoring iterations: 6
regTermTest(Severas.poi9, ~Tipo.de.Escuela.rec)
## Wald test for Tipo.de.Escuela.rec
## in svyglm(formula = Severas ~ Tipo.de.Escuela.rec, diseniopost1,
## family = quasipoisson())
## F = 0,3022 on 1 and 38 df: p= 0,59
round(confint(Severas.poi9) * 1, 2)
## 2,5 % 97,5 %
## (Intercept) -3,97 -1,60
## Tipo.de.Escuela.rec2-Private -0,97 1,72
Severas.poi10 <- svyglm(Severas ~ FrCepDenti.rec, diseniopost1, family = quasipoisson())
summary(Severas.poi10)
##
## Call:
## svyglm(formula = Severas ~ FrCepDenti.rec, diseniopost1, family = quasipoisson())
##
## Survey design:
## postStratify(disenio1, ~categor.rec + Sexo, tabla.pob)
##
## Coefficients:
## Estimate Std. Error t value Pr(>|t|)
## (Intercept) -2,6504 0,4458 -5,95 7,5e-07
## FrCepDenti.rec2- 2 veces al dia 0,4185 0,7171 0,58 0,56
## FrCepDenti.rec3-3 o mas veces al dia 0,0654 0,5134 0,13 0,90
##
## (Intercept) ***
## FrCepDenti.rec2- 2 veces al dia
## FrCepDenti.rec3-3 o mas veces al dia
## ---
## Signif. codes: 0 '***' 0,001 '**' 0,01 '*' 0,05 '.' 0,1 ' ' 1
##
## (Dispersion parameter for quasipoisson family taken to be 2,237)
##
## Number of Fisher Scoring iterations: 6
regTermTest(Severas.poi10, ~FrCepDenti.rec)
## Wald test for FrCepDenti.rec
## in svyglm(formula = Severas ~ FrCepDenti.rec, diseniopost1, family = quasipoisson())
## F = 0,2126 on 2 and 37 df: p= 0,81
round(confint(Severas.poi10) * 1, 2)
## 2,5 % 97,5 %
## (Intercept) -3,52 -1,78
## FrCepDenti.rec2- 2 veces al dia -0,99 1,82
## FrCepDenti.rec3-3 o mas veces al dia -0,94 1,07
Severas.poi11 <- svyglm(Severas ~ UsoDentifrico3.rec, diseniopost1, family = quasipoisson())
summary(Severas.poi11)
##
## Call:
## svyglm(formula = Severas ~ UsoDentifrico3.rec, diseniopost1,
## family = quasipoisson())
##
## Survey design:
## postStratify(disenio1, ~categor.rec + Sexo, tabla.pob)
##
## Coefficients:
## Estimate Std. Error t value Pr(>|t|)
## (Intercept) -2,505 0,299 -8,38 3,7e-10 ***
## UsoDentifrico3.rec2-No 0,762 0,943 0,81 0,42
## ---
## Signif. codes: 0 '***' 0,001 '**' 0,01 '*' 0,05 '.' 0,1 ' ' 1
##
## (Dispersion parameter for quasipoisson family taken to be 2,356)
##
## Number of Fisher Scoring iterations: 6
regTermTest(Severas.poi11, ~UsoDentifrico3.rec)
## Wald test for UsoDentifrico3.rec
## in svyglm(formula = Severas ~ UsoDentifrico3.rec, diseniopost1,
## family = quasipoisson())
## F = 0,654 on 1 and 38 df: p= 0,42
round(confint(Severas.poi11) * 1, 2)
## 2,5 % 97,5 %
## (Intercept) -3,09 -1,92
## UsoDentifrico3.rec2-No -1,09 2,61
Severas.poi12 <- svyglm(Severas ~ Consitencia_Cepillo.rec, diseniopost1, family = quasipoisson())
summary(Severas.poi12)
##
## Call:
## svyglm(formula = Severas ~ Consitencia_Cepillo.rec, diseniopost1,
## family = quasipoisson())
##
## Survey design:
## postStratify(disenio1, ~categor.rec + Sexo, tabla.pob)
##
## Coefficients:
## Estimate Std. Error t value Pr(>|t|)
## (Intercept) -2,228 0,282 -7,91 5e-09 ***
## Consitencia_Cepillo.rec2-Medium -0,834 0,287 -2,91 0,0066 **
## Consitencia_Cepillo.rec3-Hard 0,505 0,810 0,62 0,5373
## ---
## Signif. codes: 0 '***' 0,001 '**' 0,01 '*' 0,05 '.' 0,1 ' ' 1
##
## (Dispersion parameter for quasipoisson family taken to be 1,593)
##
## Number of Fisher Scoring iterations: 6
regTermTest(Severas.poi12, ~Consitencia_Cepillo.rec)
## Wald test for Consitencia_Cepillo.rec
## in svyglm(formula = Severas ~ Consitencia_Cepillo.rec, diseniopost1,
## family = quasipoisson())
## F = 7,383 on 2 and 32 df: p= 0,0023
round(confint(Severas.poi12) * 1, 2)
## 2,5 % 97,5 %
## (Intercept) -2,78 -1,68
## Consitencia_Cepillo.rec2-Medium -1,40 -0,27
## Consitencia_Cepillo.rec3-Hard -1,08 2,09
Severas.poi13 <- svyglm(Severas ~ IGS.rec, diseniopost1, family = quasipoisson())
summary(Severas.poi13)
##
## Call:
## svyglm(formula = Severas ~ IGS.rec, diseniopost1, family = quasipoisson())
##
## Survey design:
## postStratify(disenio1, ~categor.rec + Sexo, tabla.pob)
##
## Coefficients:
## Estimate Std. Error t value Pr(>|t|)
## (Intercept) -4,81 1,05 -4,58 5,1e-05 ***
## IGS.rec2-De 45 a 60 2,34 1,13 2,07 0,045 *
## IGS.rec3 -Menos o igual a 45 2,40 1,04 2,30 0,027 *
## ---
## Signif. codes: 0 '***' 0,001 '**' 0,01 '*' 0,05 '.' 0,1 ' ' 1
##
## (Dispersion parameter for quasipoisson family taken to be 2,286)
##
## Number of Fisher Scoring iterations: 6
regTermTest(Severas.poi13, ~IGS.rec)
## Wald test for IGS.rec
## in svyglm(formula = Severas ~ IGS.rec, diseniopost1, family = quasipoisson())
## F = 2,672 on 2 and 37 df: p= 0,082
round(confint(Severas.poi13) * 1, 2)
## 2,5 % 97,5 %
## (Intercept) -6,87 -2,75
## IGS.rec2-De 45 a 60 0,13 4,56
## IGS.rec3 -Menos o igual a 45 0,35 4,44
Severas.poi14 <- svyglm(Severas ~ RefrCola.rec, diseniopost1, family = quasipoisson())
summary(Severas.poi14)
##
## Call:
## svyglm(formula = Severas ~ RefrCola.rec, diseniopost1, family = quasipoisson())
##
## Survey design:
## postStratify(disenio1, ~categor.rec + Sexo, tabla.pob)
##
## Coefficients:
## Estimate Std. Error t value Pr(>|t|)
## (Intercept) -3,440 0,837 -4,11 0,00021
## RefrCola.rec2-Todos los dias 0,934 0,826 1,13 0,26548
## RefrCola.rec3-Mas de 3 veces al dia 1,225 0,909 1,35 0,18614
##
## (Intercept) ***
## RefrCola.rec2-Todos los dias
## RefrCola.rec3-Mas de 3 veces al dia
## ---
## Signif. codes: 0 '***' 0,001 '**' 0,01 '*' 0,05 '.' 0,1 ' ' 1
##
## (Dispersion parameter for quasipoisson family taken to be 2,441)
##
## Number of Fisher Scoring iterations: 6
regTermTest(Severas.poi14, ~RefrCola.rec)
## Wald test for RefrCola.rec
## in svyglm(formula = Severas ~ RefrCola.rec, diseniopost1, family = quasipoisson())
## F = 0,9407 on 2 and 37 df: p= 0,4
round(confint(Severas.poi14) * 1, 2)
## 2,5 % 97,5 %
## (Intercept) -5,08 -1,80
## RefrCola.rec2-Todos los dias -0,68 2,55
## RefrCola.rec3-Mas de 3 veces al dia -0,56 3,01
Severas.poi15 <- svyglm(Severas ~ JugFrutas.rec, diseniopost1, family = quasipoisson())
summary(Severas.poi15)
##
## Call:
## svyglm(formula = Severas ~ JugFrutas.rec, diseniopost1, family = quasipoisson())
##
## Survey design:
## postStratify(disenio1, ~categor.rec + Sexo, tabla.pob)
##
## Coefficients:
## Estimate Std. Error t value Pr(>|t|)
## (Intercept) -3,741 0,932 -4,01 0,00028
## JugFrutas.rec2-Todos los dias 1,211 0,916 1,32 0,19427
## JugFrutas.rec3-Mas de 3 veces al dia 1,569 0,982 1,60 0,11845
##
## (Intercept) ***
## JugFrutas.rec2-Todos los dias
## JugFrutas.rec3-Mas de 3 veces al dia
## ---
## Signif. codes: 0 '***' 0,001 '**' 0,01 '*' 0,05 '.' 0,1 ' ' 1
##
## (Dispersion parameter for quasipoisson family taken to be 2,366)
##
## Number of Fisher Scoring iterations: 6
regTermTest(Severas.poi15, ~JugFrutas.rec)
## Wald test for JugFrutas.rec
## in svyglm(formula = Severas ~ JugFrutas.rec, diseniopost1, family = quasipoisson())
## F = 1,351 on 2 and 37 df: p= 0,27
round(confint(Severas.poi15) * 1, 2)
## 2,5 % 97,5 %
## (Intercept) -5,57 -1,91
## JugFrutas.rec2-Todos los dias -0,58 3,01
## JugFrutas.rec3-Mas de 3 veces al dia -0,35 3,49
Severas.poi16 <- svyglm(Severas ~ Bebidas_energizantes.rec, diseniopost1, family = quasipoisson())
summary(Severas.poi16)
##
## Call:
## svyglm(formula = Severas ~ Bebidas_energizantes.rec, diseniopost1,
## family = quasipoisson())
##
## Survey design:
## postStratify(disenio1, ~categor.rec + Sexo, tabla.pob)
##
## Coefficients:
## Estimate Std. Error t value
## (Intercept) -2,891 0,414 -6,99
## Bebidas_energizantes.rec2-Todos los dias 0,497 0,333 1,49
## Bebidas_energizantes.recMas de 3 veces al dia 2,217 0,622 3,56
## Pr(>|t|)
## (Intercept) 2,9e-08 ***
## Bebidas_energizantes.rec2-Todos los dias 0,144
## Bebidas_energizantes.recMas de 3 veces al dia 0,001 **
## ---
## Signif. codes: 0 '***' 0,001 '**' 0,01 '*' 0,05 '.' 0,1 ' ' 1
##
## (Dispersion parameter for quasipoisson family taken to be 2,223)
##
## Number of Fisher Scoring iterations: 6
regTermTest(Severas.poi16, ~Bebidas_energizantes.rec)
## Wald test for Bebidas_energizantes.rec
## in svyglm(formula = Severas ~ Bebidas_energizantes.rec, diseniopost1,
## family = quasipoisson())
## F = 6,818 on 2 and 37 df: p= 0,003
round(confint(Severas.poi16) * 1, 2)
## 2,5 % 97,5 %
## (Intercept) -3,70 -2,08
## Bebidas_energizantes.rec2-Todos los dias -0,16 1,15
## Bebidas_energizantes.recMas de 3 veces al dia 1,00 3,44
Severas.poi17 <- svyglm(Severas ~ Yogurt.rec, diseniopost1, family = quasipoisson())
summary(Severas.poi17)
##
## Call:
## svyglm(formula = Severas ~ Yogurt.rec, diseniopost1, family = quasipoisson())
##
## Survey design:
## postStratify(disenio1, ~categor.rec + Sexo, tabla.pob)
##
## Coefficients:
## Estimate Std. Error t value Pr(>|t|)
## (Intercept) -1,768 0,512 -3,46 0,0014 **
## Yogurt.rec2-Todos los dias -0,769 0,446 -1,72 0,0931 .
## Yogurt.rec3-Nunca o raramente -0,742 0,529 -1,40 0,1689
## ---
## Signif. codes: 0 '***' 0,001 '**' 0,01 '*' 0,05 '.' 0,1 ' ' 1
##
## (Dispersion parameter for quasipoisson family taken to be 2,381)
##
## Number of Fisher Scoring iterations: 6
regTermTest(Severas.poi17, ~Yogurt.rec)
## Wald test for Yogurt.rec
## in svyglm(formula = Severas ~ Yogurt.rec, diseniopost1, family = quasipoisson())
## F = 1,49 on 2 and 37 df: p= 0,24
round(confint(Severas.poi17) * 1, 2)
## 2,5 % 97,5 %
## (Intercept) -2,77 -0,77
## Yogurt.rec2-Todos los dias -1,64 0,11
## Yogurt.rec3-Nunca o raramente -1,78 0,29
Severas.poi18 <- svyglm(Severas ~ Bruxismo.rec, diseniopost1, family = quasipoisson())
summary(Severas.poi18)
##
## Call:
## svyglm(formula = Severas ~ Bruxismo.rec, diseniopost1, family = quasipoisson())
##
## Survey design:
## postStratify(disenio1, ~categor.rec + Sexo, tabla.pob)
##
## Coefficients:
## Estimate Std. Error t value Pr(>|t|)
## (Intercept) -2,425 0,304 -7,97 1,2e-09 ***
## Bruxismo.rec2-Yes -0,412 0,437 -0,94 0,35
## ---
## Signif. codes: 0 '***' 0,001 '**' 0,01 '*' 0,05 '.' 0,1 ' ' 1
##
## (Dispersion parameter for quasipoisson family taken to be 2,304)
##
## Number of Fisher Scoring iterations: 6
regTermTest(Severas.poi18, ~Bruxismo.rec)
## Wald test for Bruxismo.rec
## in svyglm(formula = Severas ~ Bruxismo.rec, diseniopost1, family = quasipoisson())
## F = 0,8914 on 1 and 38 df: p= 0,35
round(confint(Severas.poi18) * 1, 2)
## 2,5 % 97,5 %
## (Intercept) -3,02 -1,83
## Bruxismo.rec2-Yes -1,27 0,44
Severas.poi19 <- svyglm(Severas ~ bedeportediario.rec, diseniopost1, family = quasipoisson())
summary(Severas.poi19)
##
## Call:
## svyglm(formula = Severas ~ bedeportediario.rec, diseniopost1,
## family = quasipoisson())
##
## Survey design:
## postStratify(disenio1, ~categor.rec + Sexo, tabla.pob)
##
## Coefficients:
## Estimate Std. Error t value Pr(>|t|)
## (Intercept) -2,471 0,390 -6,33 4,1e-07 ***
## bedeportediario.rec2-Gatorade 0,373 0,685 0,54 0,59
## bedeportediario.rec3-other -1,322 1,119 -1,18 0,25
## ---
## Signif. codes: 0 '***' 0,001 '**' 0,01 '*' 0,05 '.' 0,1 ' ' 1
##
## (Dispersion parameter for quasipoisson family taken to be 1,928)
##
## Number of Fisher Scoring iterations: 6
regTermTest(Severas.poi19, ~bedeportediario.rec)
## Wald test for bedeportediario.rec
## in svyglm(formula = Severas ~ bedeportediario.rec, diseniopost1,
## family = quasipoisson())
## F = 1,056 on 2 and 32 df: p= 0,36
round(confint(Severas.poi19) * 1, 2)
## 2,5 % 97,5 %
## (Intercept) -3,24 -1,71
## bedeportediario.rec2-Gatorade -0,97 1,72
## bedeportediario.rec3-other -3,52 0,87
Severas.poi21 <- svyglm(Severas ~ BuchTragar.rec, diseniopost1, family = quasipoisson())
summary(Severas.poi21)
##
## Call:
## svyglm(formula = Severas ~ BuchTragar.rec, diseniopost1, family = quasipoisson())
##
## Survey design:
## postStratify(disenio1, ~categor.rec + Sexo, tabla.pob)
##
## Coefficients:
## Estimate Std. Error t value Pr(>|t|)
## (Intercept) -2,471 0,376 -6,57 1,8e-07 ***
## BuchTragar.rec2-Yes 0,226 0,485 0,47 0,64
## ---
## Signif. codes: 0 '***' 0,001 '**' 0,01 '*' 0,05 '.' 0,1 ' ' 1
##
## (Dispersion parameter for quasipoisson family taken to be 1,896)
##
## Number of Fisher Scoring iterations: 6
regTermTest(Severas.poi21, ~BuchTragar.rec)
## Wald test for BuchTragar.rec
## in svyglm(formula = Severas ~ BuchTragar.rec, diseniopost1, family = quasipoisson())
## F = 0,2168 on 1 and 33 df: p= 0,64
round(confint(Severas.poi21) * 1, 2)
## 2,5 % 97,5 %
## (Intercept) -3,21 -1,73
## BuchTragar.rec2-Yes -0,72 1,18
Severas.poi22 <- svyglm(Severas ~ FormBeber.rec, diseniopost1, family = quasipoisson())
regTermTest(Severas.poi22, ~FormBeber.rec)
## Wald test for FormBeber.rec
## in svyglm(formula = Severas ~ FormBeber.rec, diseniopost1, family = quasipoisson())
## F = 0,939 on 2 and 37 df: p= 0,4
summary(Severas.poi22)
##
## Call:
## svyglm(formula = Severas ~ FormBeber.rec, diseniopost1, family = quasipoisson())
##
## Survey design:
## postStratify(disenio1, ~categor.rec + Sexo, tabla.pob)
##
## Coefficients:
## Estimate Std. Error t value Pr(>|t|)
## (Intercept) -2,734 0,596 -4,59 5e-05 ***
## FormBeber.rec2-Por el pico -0,483 0,773 -0,62 0,54
## FormBeber.rec3-Con vaso 0,367 0,635 0,58 0,57
## ---
## Signif. codes: 0 '***' 0,001 '**' 0,01 '*' 0,05 '.' 0,1 ' ' 1
##
## (Dispersion parameter for quasipoisson family taken to be 2,35)
##
## Number of Fisher Scoring iterations: 6
round(confint(Severas.poi22) * 1, 2)
## 2,5 % 97,5 %
## (Intercept) -3,90 -1,57
## FormBeber.rec2-Por el pico -2,00 1,03
## FormBeber.rec3-Con vaso -0,88 1,61
Severas.poi23 <- svyglm(Severas ~ Natac2vec.rec, diseniopost1, family = quasipoisson())
summary(Severas.poi23)
##
## Call:
## svyglm(formula = Severas ~ Natac2vec.rec, diseniopost1, family = quasipoisson())
##
## Survey design:
## postStratify(disenio1, ~categor.rec + Sexo, tabla.pob)
##
## Coefficients:
## Estimate Std. Error t value Pr(>|t|)
## (Intercept) -2,444 0,366 -6,67 1,4e-07 ***
## Natac2vec.rec2-Yes -0,260 0,491 -0,53 0,6
## ---
## Signif. codes: 0 '***' 0,001 '**' 0,01 '*' 0,05 '.' 0,1 ' ' 1
##
## (Dispersion parameter for quasipoisson family taken to be 1,884)
##
## Number of Fisher Scoring iterations: 6
regTermTest(Severas.poi23, ~Natac2vec.rec)
## Wald test for Natac2vec.rec
## in svyglm(formula = Severas ~ Natac2vec.rec, diseniopost1, family = quasipoisson())
## F = 0,2788 on 1 and 33 df: p= 0,6
round(confint(Severas.poi23) * 1, 2)
## 2,5 % 97,5 %
## (Intercept) -3,16 -1,73
## Natac2vec.rec2-Yes -1,22 0,70
Severas.poi24 <- svyglm(Severas ~ MedResp.rec, diseniopost1, family = quasipoisson())
summary(Severas.poi24)
##
## Call:
## svyglm(formula = Severas ~ MedResp.rec, diseniopost1, family = quasipoisson())
##
## Survey design:
## postStratify(disenio1, ~categor.rec + Sexo, tabla.pob)
##
## Coefficients:
## Estimate Std. Error t value Pr(>|t|)
## (Intercept) -2,399 0,297 -8,07 9,1e-10 ***
## MedResp.rec2-Yes -0,730 0,611 -1,20 0,24
## ---
## Signif. codes: 0 '***' 0,001 '**' 0,01 '*' 0,05 '.' 0,1 ' ' 1
##
## (Dispersion parameter for quasipoisson family taken to be 2,284)
##
## Number of Fisher Scoring iterations: 6
regTermTest(Severas.poi24, ~MedResp.rec)
## Wald test for MedResp.rec
## in svyglm(formula = Severas ~ MedResp.rec, diseniopost1, family = quasipoisson())
## F = 1,43 on 1 and 38 df: p= 0,24
round(confint(Severas.poi24) * 1, 2)
## 2,5 % 97,5 %
## (Intercept) -2,98 -1,82
## MedResp.rec2-Yes -1,93 0,47
Severas.poi25 <- svyglm(Severas ~ AlterGastrica.rec, diseniopost1, family = quasipoisson())
summary(Severas.poi25)
##
## Call:
## svyglm(formula = Severas ~ AlterGastrica.rec, diseniopost1, family = quasipoisson())
##
## Survey design:
## postStratify(disenio1, ~categor.rec + Sexo, tabla.pob)
##
## Coefficients:
## Estimate Std. Error t value Pr(>|t|)
## (Intercept) -2,422 0,286 -8,48 2,7e-10 ***
## AlterGastrica.rec2-Yes -15,880 0,272 -58,32 < 2e-16 ***
## ---
## Signif. codes: 0 '***' 0,001 '**' 0,01 '*' 0,05 '.' 0,1 ' ' 1
##
## (Dispersion parameter for quasipoisson family taken to be 2,221)
##
## Number of Fisher Scoring iterations: 16
regTermTest(Severas.poi25, ~AlterGastrica.rec)
## Wald test for AlterGastrica.rec
## in svyglm(formula = Severas ~ AlterGastrica.rec, diseniopost1, family = quasipoisson())
## F = 3401 on 1 and 38 df: p= <2e-16
round(confint(Severas.poi25) * 1, 2)
## 2,5 % 97,5 %
## (Intercept) -2,98 -1,86
## AlterGastrica.rec2-Yes -16,41 -15,35