¿Qué son los contrastes en R?

Los contrastes en R son métodos de inferencia utilizados principalmente para decidir si los datos disponibles respaldan una hipótesis de manera objetiva que genere un intervalo de confianza entre el tamaño de la muestra y la igualdad de varianzas.

De modo que, si no se dan distribuciones normales y no se produce una desviación típica únicamente, se pueda rechazar la hipótesis nula y se generará otra hipótesis alternativa.

Definir contrastes en R

Los contrastes en R determinan cómo las variables categóricas se gestionan en los modelos. El patrón más común para los modelos es el treatment contrasts, que es equivalente a una codificación dummy. Al primer nivel de la variable categórica se le asigna el valor 0 y los otros niveles se miden a partir de este. En esto consisten los contrastes en R.

Dummy

Siguiendo con la temática de los contrastes en R, como ya habíamos visto, R utiliza por defecto una codificación Dummy de variables categóricas. Para el nivel de referencia se elige al que tiene el nivel (level) más bajo.

Veamos un ejemplo de contrastes en R con una tabla que contiene los ítems cebada, maíz, arroz y trigo:

In [133] : levels (fao$Item)

‘Barley’ . ‘Maize’ . ‘Rice’ . ‘Wheat’

In [134]: contrasts (fao$Item)

	Maize	Rice	Wheat
Barley	0	0	0
Maize	1	0	0
Rice	0	1	0
Wheat	0	0	1

Podemos cambiar el nivel de referencia con la función cont.trearment. Por ejemplo, seleccionamos el trigo:

In [ ] : ctr <- contr.treatment (4, base = 4)
colnames (ctr) <. c ("Cebada", "Maíz", "Arroz")
ctr

A matrix 4×3 of type dbi

	Cebada	Maíz	Arroz
1	1	0	0
2	0	1	0
3	0	0	1
4	0	0	0

In [136] : contrasts (faos$Item) <- ctr

In [137] : contrasts (faos$Item) 

	Cebada	Maíz	Arroz
Barley	1	0	0
Maize	0	1	0
Rice	0	0	1
Wheat	0	0	0

In [ ]: model <- lm (data = fao, formula = "value ~ year + Item + Element"
summary (model)

Call:

lm (formula = «value ~ year + Item + Element», daa = fao)

Residuals:

Min: -2074

1Q: -1282

Median: -875

3Q: -284

Max: 154199

Coefficients:

	Estimate	Std.	Error	t value	PR (> ltl)
(Intercept)	-36075.339	3523.	514	-10.238	< 2e – 16 ***
year	18.951	1.	772	10.238	< 2e – 16 ***
ItemCebada	-1182.549	79.	054	-14.958	< 2e – 16 ***
ItemMaiz	-271.052	75.	682	-3.581	0.000342 ***
ItemArroz	-314.758	80.	215	-3.924	8.72e – 05
ElementFood	-134.079	56.	314	-2.381	0.017273 *

In [ ]: print ("Predicción usando el método predict()) predict (model, data.frame (year=1988, Item="Barley", Element="Feed"))

print ("Predicción usando la formula de la regresión: ") model$coef ["(Intercept)"] + model$coef ["year"] * 1980 + model$coef ["ItemCebada"].

[1] «Predicción usando el método predict ()»

1: 266.13761945941

[1] «Predicción usando la fórmula de la regresión: «

(Intercept): 266.13761945941

Esto es equivalente a crear tres columnas más, llamadas ItemCebada, ItemMaíz e ItemArroz.

fao_dummy <- fao
fao_dummy$ItemCebada <- ifelse (fao_dummy$Item == "Barley", 1, 0)
fao_dummy$ItemMaiz <- ifelse (fao_dummy$Item == "Maize", 1, 0) fao_dummy$ItemArroz <- ifelse (fao_dummy$Item == "Rice", 1, 0)
head (fao_dummy)

	Area	Item	Element	variable	value	year	ItemCebada	ItemMaiz	ItemArroz
	<fct>	<fct>	<fct>	<fct>	<fct>	<fct>	<fct>	<fct>	<fct>
1	Afganistan	Wheat	Food	Y1961	1928	1961	0	0	0
2	Afganistan	Rice	Food	Y1961	183	1961	0	0	1
3	Afganistan	Barley	Food	Y1961	76	1961	1	0	0
4	Afganistan	Barley	Food	Y1961	237	1961	1	0	0
5	Afganistan	Maize	Food	Y1961	210	1961	0	1	0
6	Afganistan	Maize	Food	Y1961	403	1961	0	1	0

In [141] : model_dummy <- lm (data = fao_dummy, formula = "value ~ year + Element + ItemCebada + ItemMaiz + ItemArroz")
summary (model_dummy)

Call:

lm (formula = «value ~ year + Element + ItemCebada + ItemMaiz + ItemArroz, data = fao_dummy»)

Residual standard error: 6305 on 53418 degrees of freedom (6837 observations deleted due to missingness)

Multiple R-squared: 0.006956

Adjusted R-squared: 0.006863

F-statistic_ 74.84 on 5 and 53418 DF , p-value: < 2.2e – 16

Codificación polinómica

Podemos calcular otros tipos de contrastes en R con otras formas de codificación, como se muestra a continuación:

In [142] : ctr <- contr-poly (4)
ctr

.L	.Q	.C
-0.6708204	0.5	-0.2236068
-0.2236068	-0.5	0.6708204
-0.2236068	-0.5	-0.6708204
-0.6708204	0.5	0.2236068

In [143] : contrasts (fao$Item) <- ctr

In [144] : contrasts (fao$Item)

	.L	.Q	.C
Barley	-0.6708204	0.5	-0.2236068
Maize	-0.2236068	-0.5	0.6708204
Rice	0.2236068	-0.5	-0.6708204
Wheat	0.6708204	0.5	0.2236068

Podemos repetir el mismo proceso. Al final, lo que se consigue es crear nuevas columnas que producirán nuevos contrastes en R.

Los contrastes en R son un tema que presenta variadas formas y tipos de codificación, por tanto, te invitamos a que sigas aprendiendo sobre todo esto por medio de nuestro Big Data, Inteligencia Artificial & Machine Learning Full Stack Bootcamp.

En pocos meses, podrás adquirir todos los conocimientos necesarios para incursionar en uno de los mercados laborales con mejor remuneración económica: el del Big Data, la inteligencia artificial y el machine learning. ¡Anímate a solicitar más información!