regresion.simple: Regresión lineal simple.

Description

Calcula la regresión lineal simple.

Lee el código QR para video-tutorial sobre el uso de la función con un ejemplo.

Figure: qrmuestra1.png

Usage

regresion.simple(x,
                 var_depen = NULL,
                 var_indepen = NULL,
                 introducir = FALSE,
                 inferencia = FALSE,
                 confianza = 0.95,
                 grafico = FALSE,
                 exportar = FALSE)

Value

Si inferencia = FALSE, la función devuelve los principales resultados de la regresión lineal simple que se estudian en estadística descriptiva en un objeto de la clase data.frame. Si inferencia = TRUE, la función devuelve los resultados de inferenciales de la regresión. Estos contenidos son estudiados en cursos de inferencia estadística y en temas introductorios de econometría.

Arguments

x: Conjunto de datos. Es un dataframe con al menos 2 variables (2 columnas).
var_depen: Es un vector (numérico o carácter) que indica la variable dependiente.
var_indepen: Es un vector (numérico o carácter) que indica la variable independiente.
introducir: Valor lógico. Si introducir = FALSE (por defecto), el usuario debe indicar el conjunto de datos que desea analizar usando los argumentos x y/o variable. Si introducir = TRUE, se le solicitará al ususario que introduzca la información relevante de las variables: vector de medias y matriz de varianzas-covarianzas.
inferencia: Si inferencia = FALSE, valor por defecto, se obtienen los resultados de la regresión simple que se estudian en un curso básico de estadística descriptiva (ver referencias de la función). Si inferencia = TRUE, se obtienen los resultas inferenciales de la regresión.
confianza: Es un valor numérico entre 0 y 1. Indica el nivel de confianza. Por defecto, confianza = 0.95 (95 por ciento)
grafico: Si grafico = TRUE, se muestran algunos de los principales resultados gráficos de la regresión lineal.
exportar: Para exportar los resultados a una hoja de cálculo Excel (exportar = TRUE).

Author

Vicente Coll-Serrano. Métodos Cuantitativos para la Medición de la Cultura (MC2). Economía Aplicada.

Rosario Martínez Verdú. Economía Aplicada.

Facultad de Economía. Universidad de Valencia (España)

Details

Se obtiene la recta de regresión minimocuadrática de Y (variable dependiente) en función de X (variable independiente). La recta de regresión puede expresarse como:

Figure: regresion1.png

o alternativamente:

Figure: regresion2

En las representaciones gráficas las observaciones anómals se detectan a partir del punto leverage:

Figure: influyente.png

de forma que una observación tendrá efecto de apalancamiento si:

Figure: obsinfluyente.png

donde p=2 (en el caso de la regresión simple). En general, p es igual al número de variables independientes más la constante.

Por otra parte, las observaciones atípicas se identifican a partir de los errores estandarizados (se). Estos errores se obtienen a partir de:

Figure: errorstandarizado.png

Una observación será atípica si:

Figure: obsatipica.png

@seealso matriz.covar, matriz.correlacion

References

Esteban García, J. y otros. (2005). Estadística descriptiva y nociones de probabilidad. Paraninfo. ISBN: 9788497323741

Newbold, P, Carlson, W. y Thorne, B. (2019). Statistics for Business and Economics, Global Edition. Pearson. ISBN: 9781292315034

Murgui, J.S. y otros. (2002). Ejercicios de estadística Economía y Ciencias sociales. tirant lo blanch. ISBN: 9788484424673

Examples

Run this code


## Not run:
ejemplo_regresion <- regresion.simple(turistas,
var_depen=2,var_indepen=3,grafico=TRUE)
## End(Not run)

Run the code above in your browser using DataLab