SciELO - Scientific Electronic Library Online

 
vol.15 issue2Benthic invertebrates as indicators of water quality in urban rivers (Paraná-Entre Ríos, Argentina)Ecological suitability and tree seedling survival in the Bolivian altiplano author indexsubject indexarticles search
Home Pagealphabetic serial listing  

Services on Demand

Journal

Article

Indicators

  • Have no cited articlesCited by SciELO

Related links

Share


Ecología austral

On-line version ISSN 1667-782X

Abstract

MANGEAUD, Arnaldo  and  VIDELA, Martín. En busca de la independencia perdida: la utilización de Modelos Lineales Generalizados Mixtos en pruebas de preferencia. Ecol. austral [online]. 2005, vol.15, n.2, pp.199-206. ISSN 1667-782X.

La preferencia de organismos por ciertos recursos es frecuentemente evaluada mediante pruebas de elección múltiple, sin tener en cuenta en los análisis la dependencia entre las observaciones. Este trabajo presenta distintos modelos estadísticos que permiten contemplar la falta de independencia de los datos y compara la ´performance´ de cada uno de ellos empleando datos reales no simulados. Se utilizaron cuatro tipos de modelos: Análisis de Devianza (Modelo Lineal Generalizado Mixto), Análisis de la Varianza a un factor, ANOVA a un factor con bloque al azar (ambos Modelos Lineales Generales Mixtos), y ANOVA no paramétrico con bloques (Test de Friedman). También se utilizaron una covariable y una variable compensadora (´offset´). Los resultados obtenidos sugieren que para la variable de tipo conteo (con distribución Poisson), el Modelo Lineal Generalizado Mixto fue el más potente, mientras que si se considera la medida relativizada (conteos/superficie), la mayor potencia la obtuvo el MLG con una variable compensadora.

Keywords : Pruebas de elección múltiple; Preferencia alimentaria; Modelos estadísticos; Devianza.

        · abstract in English     · text in Spanish     · Spanish ( pdf )

 

Creative Commons License All the contents of this journal, except where otherwise noted, is licensed under a Creative Commons Attribution License