Modelos de Poisson para BEWES (8 de agosto 2013)

aca esta la interpretacion de la RP en como impacta en la variable de respuesta

# jueves 8 deAGOSTO de 2013
library(survey)

## Attaching package: 'survey'

## The following object(s) are masked from 'package:graphics':
## 
## dotchart

options(OutDec = ",")

library(survey)
load("~/Dropbox/odontologia/maestria licet/julio_2013/datos_licet_25072013.RData")



modelo6.poi <- svyglm(bewes ~ Sexo.rec, diseniopost1, family = quasipoisson())
summary(modelo6.poi)

## 
## Call:
## svyglm(formula = bewes ~ Sexo.rec, diseniopost1, family = quasipoisson())
## 
## Survey design:
## postStratify(disenio1, ~categor.rec + Sexo, tabla.pob)
## 
## Coefficients:
##             Estimate Std. Error t value Pr(>|t|)    
## (Intercept)   2,1484     0,1306   16,44   <2e-16 ***
## Sexo.rec2-M   0,0598     0,0429    1,39     0,17    
## ---
## Signif. codes:  0 '***' 0,001 '**' 0,01 '*' 0,05 '.' 0,1 ' ' 1 
## 
## (Dispersion parameter for quasipoisson family taken to be 12)
## 
## Number of Fisher Scoring iterations: 6

svyboxplot(bewes ~ Sexo.rec, diseniopost1, horizontal = TRUE, main = "Sexo")

confint(modelo6.poi)

##                2,5 % 97,5 %
## (Intercept)  1,89233 2,4044
## Sexo.rec2-M -0,02434 0,1439

modelo6.poi$coefficients

## (Intercept) Sexo.rec2-M 
##     2,14839     0,05976

modelo6.poi$coefficients[1]

## (Intercept) 
##       2,148

exp(modelo6.poi$coefficients[1])

## (Intercept) 
##       8,571

exp(modelo6.poi$coefficients[1] + modelo6.poi$coefficients[2])

## (Intercept) 
##       9,099

alfa0 <- exp(modelo6.poi$coefficients[1])
alfa1 <- exp(modelo6.poi$coefficients[1] + modelo6.poi$coefficients[2])
alfa1/alfa0

## (Intercept) 
##       1,062

exp(modelo6.poi$coefficients[2])

## Sexo.rec2-M 
##       1,062

svyby(~bewes, ~Sexo.rec, diseniopost1, svymean)

##     Sexo.rec bewes    se
## 1-F      1-F 8,571 1,120
## 2-M      2-M 9,099 1,092

# esto quere decir que el hecho de ser varon (M) incrementa en un 6,158029
# el promedio de lesiones