Este taller está basado en los ejemplos del libro Data Analysis Using Regression and Multilevel/Hierarchical Models. Visite el repositorio del curso en github https://github.com/fhernanb/Modelos_Jerarquicos para descargar los datos del taller.

Instrucciones generales

Para realizar este taller usted debe:

library(haven)
datos <- read_dta("nes5200_processed_voters_realideo.dta")

# Tomar el subconjunto de los datos siguiente y cambiar una variable
yr <- 1992
ok <- year == yr & presvote < 3
vote <- presvote[ok] - 1
income <- income[ok]

Preguntas

  1. ¿Qué representa el valor de 0 y 1 en la variable vote?
  2. Construya un diagrama de barras de frecuencia relativa para mostrar la preferencia de los encuentados por los candidatos Bush y Clinton. Edite la figura para que aparezcan los nombres de los candidatos en lugar del número uno y cero. ¿Quién tiene mayor porcentaje de intención de voto?
  3. Construya un diagrama de barras (no histograma) de frecuencia relativa para la variable ingreso. ¿Cuál es el nivel de ingresos que menos presencia tiene entre los encuestados?
  4. Ajuste el modelo fit.1 de la sección 5.1 y obtenga el resumen del modelo usando la función display del paquete arm creado por los autores del libro (https://cran.r-project.org/web/packages/arm/index.html). ¿Por qué no coinciden sus resultados con los del libro?
  5. Replique la figura 5.1.a del libro.
  6. Prediga manualmente \(P(Y=1 | X=x)\) para tres votantes con nivel de ingresos \(x=1\), \(x=3\) y \(x=5\).
  7. Consulte la ayuda de la función predit.glm, lea con cuidado y comprenda todos los argumentos de la función. ¿Para qué se usa el argumento type?
  8. Use predit para predecir \(P(Y=1 | X=x)\) para tres votantes con nivel de ingresos \(x=1\), \(x=3\) y \(x=5\). ¿Qué argumento debe modificar para obtener los resultados obtenidos de forma manual?