{"id":2374,"date":"2017-08-10T17:28:14","date_gmt":"2017-08-10T17:28:14","guid":{"rendered":"https:\/\/www.kolabtree.com\/blog\/?p=2374"},"modified":"2017-08-14T10:11:42","modified_gmt":"2017-08-14T10:11:42","slug":"correct-outliers-regression-trumps-vote","status":"publish","type":"post","link":"https:\/\/www.kolabtree.com\/blog\/es\/corregir-los-valores-atipicos-la-regresion-y-el-voto\/","title":{"rendered":"C\u00f3mo corregir los valores at\u00edpicos en los modelos de regresi\u00f3n: Un ejemplo con la raza, la educaci\u00f3n y los no asegurados en el voto de Trump"},"content":{"rendered":"

Este art\u00edculo apareci\u00f3 originalmente en mi columna en el sitio periodismo basado en datos<\/a>.<\/em><\/p>\n

En mi En el \u00faltimo post habl\u00e9 de c\u00f3mo la regresi\u00f3n<\/a> puede ser una herramienta \u00fatil para separar las diferentes relaciones entre las variables correlacionales. Tambi\u00e9n habl\u00e9 de c\u00f3mo los valores at\u00edpicos pueden ser problem\u00e1ticos. Una forma de tratar un valor at\u00edpico es simplemente eliminarlo del an\u00e1lisis. Hacerlo disminuye la potencia estad\u00edstica (la probabilidad de encontrar un predictor significativo cuando existe) y elimina informaci\u00f3n potencialmente valiosa del modelo. Podr\u00eda ser un esfuerzo m\u00e1s fruct\u00edfero, ya que se puede obtener informaci\u00f3n valiosa. Hice esto en mi post sobre c\u00f3mo Washington, DC se diferencia de los otros estados y me dio una idea para otra covariable que deber\u00eda ser considerada adem\u00e1s de las ya consideradas: concentraci\u00f3n de grupos de odio, % sin seguro, % con licenciatura o superior y % en la pobreza.<\/p>\n

En mi post sobre las caracter\u00edsticas de Washington, DC como ciudad at\u00edpica<\/a> Descubr\u00ed que es el menos blanco en comparaci\u00f3n con cualquiera de los estados considerados. S\u00f3lo el 40,2% de la poblaci\u00f3n de los distritos se identifica como blanca o cauc\u00e1sica all\u00ed. S\u00f3lo Haw\u00e1i tiene un % de blancos menor, con un 25,4%. En la encuesta a pie de urna de las elecciones del a\u00f1o pasado, 60% de las mujeres blancas sin estudios universitarios votaron por Trump, mientras que 71% de los hombres blancos sin estudios universitarios lo hicieron. 74% de los no blancos votaron por Clinton.<\/p>\n

A\u00f1adir esto al modelo mejor\u00f3 significativamente la precisi\u00f3n del modelo con DC incluido con el 78,5% de la variabilidad del voto de Trump contabilizado. Las variables de grupos de odio y % pobreza no fueron significativas y se excluyeron ya que tenerlas en el modelo disminuye la potencia estad\u00edstica. Las variables % licenciatura, % blanco y % sin seguro fueron significativas (lo que significa que el valor p es inferior a 0,05 lo explicar\u00e9 en un futuro post), las dem\u00e1s no lo fueron. El resultado de la mayor\u00eda de los paquetes estad\u00edsticos:<\/p>\n\n\n\n\n\n\n\n
\n

78,5% de la variabilidad <\/i><\/p>\n

contabilizado<\/i><\/p>\n<\/td>\n

\n

Coeficientes<\/i><\/p>\n<\/td>\n

\n

Error est\u00e1ndar<\/i><\/p>\n<\/td>\n

\n

t Declaraci\u00f3n<\/i><\/p>\n<\/td>\n

\n

Valor P<\/i><\/p>\n<\/td>\n

\n

Baja <\/i><\/p>\n

95%<\/i><\/p>\n<\/td>\n

\n

Arriba <\/i><\/p>\n

95%<\/i><\/p>\n<\/td>\n<\/tr>\n

\n

Interceptar<\/p>\n<\/td>\n

\n

51.55<\/p>\n<\/td>\n

\n

8.92<\/p>\n<\/td>\n

\n

5.78<\/p>\n<\/td>\n

\n

5.75E-07<\/p>\n<\/td>\n

\n

33.61<\/p>\n<\/td>\n

\n

69.48<\/p>\n<\/td>\n<\/tr>\n

\n

% licenciatura<\/p>\n

o superior<\/p>\n<\/td>\n

\n

-1.11<\/p>\n<\/td>\n

\n

0.15<\/p>\n<\/td>\n

\n

-7.55<\/p>\n<\/td>\n

\n

1.2E-09<\/p>\n<\/td>\n

\n

-1.41<\/p>\n<\/td>\n

\n

-0.82<\/p>\n<\/td>\n<\/tr>\n

\n

% Blanco<\/p>\n<\/td>\n

\n

0.31<\/p>\n<\/td>\n

\n

0.06<\/p>\n<\/td>\n

\n

4.95<\/p>\n<\/td>\n

\n

1.01E-05<\/p>\n<\/td>\n

\n

0.18<\/p>\n<\/td>\n

\n

0.43<\/p>\n<\/td>\n<\/tr>\n

\n

% no asegurado<\/p>\n<\/td>\n

\n

0.74<\/p>\n<\/td>\n

\n

0.26<\/p>\n<\/td>\n

\n

2.86<\/p>\n<\/td>\n

\n

0.006319<\/p>\n<\/td>\n

\n

0.22<\/p>\n<\/td>\n

\n

1.26<\/p>\n<\/td>\n<\/tr>\n<\/tbody>\n<\/table>\n

La columna titulada \"coeficientes\" da los valores estimados para la ecuaci\u00f3n de regresi\u00f3n que expliqu\u00e9 en entradas anteriores. La ecuaci\u00f3n actual se lee:<\/p>\n

Trump % de los votos = 51,55 - 1,11*(% licenciados) + 0,31*(% blancos) + 0,74*(% no asegurados)<\/p>\n

Esto dice que cuando todas las covariables son iguales a cero, se predice que Trump tendr\u00e1 51,55% de los votos. Por cada aumento de 1% en la poblaci\u00f3n blanca de % se estima una disminuci\u00f3n de 1,11% en el voto de Trump. Por cada aumento de 1% en la poblaci\u00f3n blanca de % en el estado hay un aumento estimado de 0,31% y por cada aumento de 1% en la poblaci\u00f3n sin seguro en el estado.<\/p>\n

La columna denominada \"error est\u00e1ndar\" es una estimaci\u00f3n de la incertidumbre de los coeficientes. La columna denominada \"t stat\" es el estad\u00edstico de prueba para determinar si los coeficientes son significativamente diferentes de cero. El \"valor p\" es la probabilidad estimada de observar este coeficiente estimado cuando el coeficiente verdadero es cero. Por convenci\u00f3n, cuando el valor p es inferior a 0,05 se concluye que el coeficiente verdadero es diferente de cero. Las dos \u00faltimas columnas muestran los l\u00edmites superior e inferior de un intervalo de confianza de 95% para un coeficiente. El intervalo de confianza dice que el 95% de las veces que se hacen las estimaciones, el coeficiente verdadero estar\u00e1 entre los l\u00edmites superior e inferior. En este caso, si los l\u00edmites superior e inferior no est\u00e1n a caballo entre el n\u00famero cero, eso equivale a que el coeficiente es significativamente diferente de cero.<\/p>\n

\"\"<\/p>\n

El diagrama de dispersi\u00f3n anterior muestra los valores reales (en el rombo azul) y los previstos (en los cuadrados rojos) para % blanco y % Trump para el modelo que se ajusta por % soltero y % sin seguro. Los valores reales y predichos para el Distrito de Columbia (DC) y Haw\u00e1i est\u00e1n muy pr\u00f3ximos entre s\u00ed, lo que sugiere un buen ajuste. Un estado que se ajusta mal es Vermont, donde el voto real a Trump es 10% inferior al voto previsto, lo que puede verse directamente encima del diamante azul de Vermont.<\/p>\n

\"\"<\/p>\n

El gr\u00e1fico de dispersi\u00f3n para % licenciatura o superior sugiere que el ajuste no es tan bueno como el de % blanco como predictor. Esto se refleja en el mayor error est\u00e1ndar de este predictor (0,15) que el de % blanco (0,06). La predicci\u00f3n para DC no es tan buena para este predictor, ya que tiene el m\u00e1s alto. La tendencia sigue siendo significativa en la direcci\u00f3n negativa.<\/p>\n

\"\"<\/p>\n

El diagrama de dispersi\u00f3n para el % de no asegurados como predictor muestra un ajuste a\u00fan menor para el % de votos de Trump. DC y Alaska son puntos de mal ajuste para este predictor entre muchos otros estados. El error est\u00e1ndar de este predictor muestra un ajuste a\u00fan menor (0,26) que el de los otros predictores, aunque sigue siendo estad\u00edsticamente significativo.<\/p>\n

La regresi\u00f3n m\u00faltiple es una herramienta potencialmente poderosa para desentra\u00f1ar las relaciones entre las variables predictoras de un resultado espec\u00edfico cuando se realiza correctamente. A\u00f1adir las covariables adecuadas, como la raza, puede ayudar a paliar los efectos de un valor at\u00edpico como el de Washington DC. Siempre es mejor incluir todos los datos para obtener la imagen m\u00e1s completa posible.<\/p>\n

Ahora vemos que a medida que aumenta el % de la poblaci\u00f3n de un estado con una licenciatura o superior disminuye el % del voto a Trump. Al mismo tiempo, a medida que aumentan los porcentajes de blancos y de no asegurados en un estado, aumenta el % del voto a Trump. En presencia de estas variables la concentraci\u00f3n de grupos de odio y el % del estado en pobreza dejan de ser predictores significativos del voto a Trump.<\/p>\n

Mientras Trump y el congreso controlado por los republicanos se preparan para derogar la Ley de Cuidado de Salud Asequible (ACA o como dice el GOP Obamacare), la Oficina de Presupuesto del Congreso estima que 23 millones de estadounidenses perder\u00e1n su seguro de salud en la versi\u00f3n de la C\u00e1mara de Representantes y se estima que 22 millones lo perder\u00e1n en la versi\u00f3n del Senado. En este modelo, la tasa de no asegurados en cada estado est\u00e1 positivamente correlacionada con el voto de Trump. \u00bfCree Trump que el aumento de la tasa de no asegurados aumentar\u00e1 su porcentaje de votos en 2020?<\/p>\n

La pobreza no se asoci\u00f3 al voto de Trump en 2016. La disminuci\u00f3n de las estimaciones de no asegurados desde que la ACA entr\u00f3 en vigor en 2014 se debe principalmente a la expansi\u00f3n de Medicaid para las personas m\u00e1s pobres y a los subsidios que permiten a las personas de menores ingresos adquirir un seguro m\u00e9dico. El aumento del n\u00famero de no asegurados puede no disminuir el voto de Trump, pero es poco probable que lo aumente.<\/p>","protected":false},"excerpt":{"rendered":"

Este art\u00edculo apareci\u00f3 originalmente en mi columna del sitio data driven journalism. En mi \u00faltimo art\u00edculo habl\u00e9 de c\u00f3mo la regresi\u00f3n puede ser una herramienta \u00fatil para desentra\u00f1ar las diferentes relaciones entre las variables correlacionales. Tambi\u00e9n habl\u00e9 de c\u00f3mo los valores at\u00edpicos pueden ser problem\u00e1ticos. Una forma de tratar un valor at\u00edpico es simplemente<\/p>\n

Leer m\u00e1s<\/a><\/div>","protected":false},"author":31,"featured_media":2400,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":[],"categories":[247],"tags":[360,175,361,246,362],"acf":[],"yoast_head":"\nHow to Correct Outliers in Regression Models: An analysis of Trump's vote<\/title>\n<meta name=\"description\" content=\"Using Trump's vote as an example, Paul Ricci writes about how introducing the right covariate can correct for outliers in regression models\" \/>\n<meta name=\"robots\" content=\"index, follow, max-snippet:-1, max-image-preview:large, max-video-preview:-1\" \/>\n<link rel=\"canonical\" href=\"https:\/\/www.kolabtree.com\/blog\/es\/correct-outliers-regression-trumps-vote\/\" \/>\n<meta property=\"og:locale\" content=\"es_ES\" \/>\n<meta property=\"og:type\" content=\"article\" \/>\n<meta property=\"og:title\" content=\"How to Correct Outliers in Regression Models: An example with race, education, and the uninsured on Trump\u2019s vote\" \/>\n<meta property=\"og:description\" content=\"Using Trump's vote as an example, Paul Ricci writes about how introducing the right covariate can correct for outliers in regression models\" \/>\n<meta property=\"og:url\" content=\"https:\/\/www.kolabtree.com\/blog\/es\/correct-outliers-regression-trumps-vote\/\" \/>\n<meta property=\"og:site_name\" content=\"The Kolabtree Blog\" \/>\n<meta property=\"article:publisher\" content=\"https:\/\/www.facebook.com\/kolabtree\" \/>\n<meta property=\"article:published_time\" content=\"2017-08-10T17:28:14+00:00\" \/>\n<meta property=\"article:modified_time\" content=\"2017-08-14T10:11:42+00:00\" \/>\n<meta property=\"og:image\" content=\"https:\/\/www.kolabtree.com\/blog\/wp-content\/uploads\/2017\/08\/donald-2147250_1280-1.jpg\" \/>\n\t<meta property=\"og:image:width\" content=\"1280\" \/>\n\t<meta property=\"og:image:height\" content=\"853\" \/>\n\t<meta property=\"og:image:type\" content=\"image\/jpeg\" \/>\n<meta name=\"author\" content=\"Paul Ricci\" \/>\n<meta name=\"twitter:card\" content=\"summary_large_image\" \/>\n<meta name=\"twitter:creator\" content=\"@CSIwoDB\" \/>\n<meta name=\"twitter:site\" content=\"@kolabtree\" \/>\n<meta name=\"twitter:label1\" content=\"Escrito por\" \/>\n\t<meta name=\"twitter:data1\" content=\"Paul Ricci\" \/>\n\t<meta name=\"twitter:label2\" content=\"Tiempo de lectura\" \/>\n\t<meta name=\"twitter:data2\" content=\"5 minutos\" \/>\n<!-- \/ Yoast SEO Premium plugin. -->","yoast_head_json":{"title":"How to Correct Outliers in Regression Models: An analysis of Trump's vote","description":"Using Trump's vote as an example, Paul Ricci writes about how introducing the right covariate can correct for outliers in regression models","robots":{"index":"index","follow":"follow","max-snippet":"max-snippet:-1","max-image-preview":"max-image-preview:large","max-video-preview":"max-video-preview:-1"},"canonical":"https:\/\/www.kolabtree.com\/blog\/es\/correct-outliers-regression-trumps-vote\/","og_locale":"es_ES","og_type":"article","og_title":"How to Correct Outliers in Regression Models: An example with race, education, and the uninsured on Trump\u2019s vote","og_description":"Using Trump's vote as an example, Paul Ricci writes about how introducing the right covariate can correct for outliers in regression models","og_url":"https:\/\/www.kolabtree.com\/blog\/es\/correct-outliers-regression-trumps-vote\/","og_site_name":"The Kolabtree Blog","article_publisher":"https:\/\/www.facebook.com\/kolabtree","article_published_time":"2017-08-10T17:28:14+00:00","article_modified_time":"2017-08-14T10:11:42+00:00","og_image":[{"width":1280,"height":853,"url":"https:\/\/www.kolabtree.com\/blog\/wp-content\/uploads\/2017\/08\/donald-2147250_1280-1.jpg","type":"image\/jpeg"}],"author":"Paul Ricci","twitter_card":"summary_large_image","twitter_creator":"@CSIwoDB","twitter_site":"@kolabtree","twitter_misc":{"Escrito por":"Paul Ricci","Tiempo de lectura":"5 minutos"},"schema":{"@context":"https:\/\/schema.org","@graph":[{"@type":"Article","@id":"https:\/\/www.kolabtree.com\/blog\/pt\/correct-outliers-regression-trumps-vote\/#article","isPartOf":{"@id":"https:\/\/www.kolabtree.com\/blog\/pt\/correct-outliers-regression-trumps-vote\/"},"author":{"name":"Paul Ricci","@id":"https:\/\/www.kolabtree.com\/blog\/#\/schema\/person\/d3ae828656a4c84a3a1b7cdba371820f"},"headline":"How to Correct Outliers in Regression Models: An example with race, education, and the uninsured on Trump\u2019s vote","datePublished":"2017-08-10T17:28:14+00:00","dateModified":"2017-08-14T10:11:42+00:00","mainEntityOfPage":{"@id":"https:\/\/www.kolabtree.com\/blog\/pt\/correct-outliers-regression-trumps-vote\/"},"wordCount":1063,"commentCount":0,"publisher":{"@id":"https:\/\/www.kolabtree.com\/blog\/#organization"},"keywords":["analytics","Data Science","statistics","trump","US elections"],"articleSection":["Guest posts"],"inLanguage":"es","potentialAction":[{"@type":"CommentAction","name":"Comment","target":["https:\/\/www.kolabtree.com\/blog\/pt\/correct-outliers-regression-trumps-vote\/#respond"]}]},{"@type":"WebPage","@id":"https:\/\/www.kolabtree.com\/blog\/pt\/correct-outliers-regression-trumps-vote\/","url":"https:\/\/www.kolabtree.com\/blog\/pt\/correct-outliers-regression-trumps-vote\/","name":"How to Correct Outliers in Regression Models: An analysis of Trump's vote","isPartOf":{"@id":"https:\/\/www.kolabtree.com\/blog\/#website"},"datePublished":"2017-08-10T17:28:14+00:00","dateModified":"2017-08-14T10:11:42+00:00","description":"Using Trump's vote as an example, Paul Ricci writes about how introducing the right covariate can correct for outliers in regression models","breadcrumb":{"@id":"https:\/\/www.kolabtree.com\/blog\/pt\/correct-outliers-regression-trumps-vote\/#breadcrumb"},"inLanguage":"es","potentialAction":[{"@type":"ReadAction","target":["https:\/\/www.kolabtree.com\/blog\/pt\/correct-outliers-regression-trumps-vote\/"]}]},{"@type":"BreadcrumbList","@id":"https:\/\/www.kolabtree.com\/blog\/pt\/correct-outliers-regression-trumps-vote\/#breadcrumb","itemListElement":[{"@type":"ListItem","position":1,"name":"Home","item":"https:\/\/www.kolabtree.com\/blog\/"},{"@type":"ListItem","position":2,"name":"How to Correct Outliers in Regression Models: An example with race, education, and the uninsured on Trump\u2019s vote"}]},{"@type":"WebSite","@id":"https:\/\/www.kolabtree.com\/blog\/#website","url":"https:\/\/www.kolabtree.com\/blog\/","name":"The Kolabtree Blog","description":"Expert Views on Science, Innovation and Product Development","publisher":{"@id":"https:\/\/www.kolabtree.com\/blog\/#organization"},"potentialAction":[{"@type":"SearchAction","target":{"@type":"EntryPoint","urlTemplate":"https:\/\/www.kolabtree.com\/blog\/?s={search_term_string}"},"query-input":"required name=search_term_string"}],"inLanguage":"es"},{"@type":"Organization","@id":"https:\/\/www.kolabtree.com\/blog\/#organization","name":"Kolabtree","url":"https:\/\/www.kolabtree.com\/blog\/","logo":{"@type":"ImageObject","inLanguage":"es","@id":"https:\/\/www.kolabtree.com\/blog\/#\/schema\/logo\/image\/","url":"","contentUrl":"","caption":"Kolabtree"},"image":{"@id":"https:\/\/www.kolabtree.com\/blog\/#\/schema\/logo\/image\/"},"sameAs":["https:\/\/www.facebook.com\/kolabtree","https:\/\/twitter.com\/kolabtree","https:\/\/instagram.com\/kolabtree","https:\/\/www.linkedin.com\/company\/kolabtree","https:\/\/en.m.wikipedia.org\/wiki\/Kolabtree"]},{"@type":"Person","@id":"https:\/\/www.kolabtree.com\/blog\/#\/schema\/person\/d3ae828656a4c84a3a1b7cdba371820f","name":"Paul Ricci","image":{"@type":"ImageObject","inLanguage":"es","@id":"https:\/\/www.kolabtree.com\/blog\/#\/schema\/person\/image\/","url":"https:\/\/www.kolabtree.com\/blog\/wp-content\/uploads\/2017\/08\/Race-4-the-Cure-006-96x96.jpg","contentUrl":"https:\/\/www.kolabtree.com\/blog\/wp-content\/uploads\/2017\/08\/Race-4-the-Cure-006-96x96.jpg","caption":"Paul Ricci"},"description":"Paul Ricci is a statistician, neuropsychologist and data analyst based in the USA. He writes a regular column for the website Data Driven Journalism and has an MA in Research Methodology and Neuroscience, and an MS in Biostatistics.","sameAs":["https:\/\/csiwodeadbodies.blogspot.com\/","https:\/\/twitter.com\/@CSIwoDB"],"url":"https:\/\/www.kolabtree.com\/blog\/es\/author\/paul-ricci\/"}]}},"amp_enabled":true,"_links":{"self":[{"href":"https:\/\/www.kolabtree.com\/blog\/es\/wp-json\/wp\/v2\/posts\/2374"}],"collection":[{"href":"https:\/\/www.kolabtree.com\/blog\/es\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/www.kolabtree.com\/blog\/es\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/www.kolabtree.com\/blog\/es\/wp-json\/wp\/v2\/users\/31"}],"replies":[{"embeddable":true,"href":"https:\/\/www.kolabtree.com\/blog\/es\/wp-json\/wp\/v2\/comments?post=2374"}],"version-history":[{"count":7,"href":"https:\/\/www.kolabtree.com\/blog\/es\/wp-json\/wp\/v2\/posts\/2374\/revisions"}],"predecessor-version":[{"id":2401,"href":"https:\/\/www.kolabtree.com\/blog\/es\/wp-json\/wp\/v2\/posts\/2374\/revisions\/2401"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/www.kolabtree.com\/blog\/es\/wp-json\/wp\/v2\/media\/2400"}],"wp:attachment":[{"href":"https:\/\/www.kolabtree.com\/blog\/es\/wp-json\/wp\/v2\/media?parent=2374"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/www.kolabtree.com\/blog\/es\/wp-json\/wp\/v2\/categories?post=2374"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/www.kolabtree.com\/blog\/es\/wp-json\/wp\/v2\/tags?post=2374"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}