Análisis de Regresión en R
| ||
Regresión en R. El análisis de regresión se formula como el problema de encontrar la función que relaciona la(s) variables de entrada y salida a partir de conjuntos de valores experimentales de esas variables. Por lo cual, es necesario tener resultados experimentales donde para cada conjunto de variables de entrada se haya medido el valor de las variables de salida objeto de análisis.
Análisis de regresión simple
La variable dependiente debe ser dicotómica. Las variables independientes pueden estar a nivel de intervalo o ser categóricas; si son categóricas, deben ser variables dummy o estar codificadas como indicadores (existe una opción en el procedimiento para recodificar automáticamente las variables categóricas). El análisis de regresión simple se usa para explicar la relación entre una variable continua Y, llamada variable respuesta o variable dependiente, y una variable continua X, llamada variable explicativas o independiente. El modelo estadístico lineal simple se puede escribir como: Y = a + b*X + e, a: intercepto, corte en el eje de las ordenadas. b: pendiente, tasa de cambio de la variable Y por unidad de la variable X. e: errores del modelo.
Modelo linea en R
La función lm() descrita en el paquete stats nos permite ajustar el modelo especificado, lm() Xdevuelve el valor de la variable Y para X=0 (intersección) junto con la pendiente de la recta. Para ver la información del modelo se requiere la funciónsummary() implementada en el paquete base. Ejemplo Se toma como ejemplo una base de datos que contiene dos variables dosis y altura. Dosis=c(0,0,0,0,0,10,10,10,10,10,20,20,20,20,20,30,30,30,30,30,40,40,40,40,40) Altura=c(3.10,3.12,3.11,3.10,3.14,2.53,2.47,2.38,2.55,2.45,2.11,2.16,2.12,2.17,2.13,2.21,2.17,2.15,2.14,2.19,1.47,1.51,1.50,1.46,1.52) midataset= data.frame(Dosis,Altura) attach(midataset)
