Descarga R project, es gratuito: DESCARGAR.
Vamos a realizar una regresión lineal en R (R es un software de cálculos estadísticos y econométricos). R es un completo software que compite a las par con los softwares comerciales como stata, eviews, s-plus, spss.
Nota: Esto es una programación en R, puede copiar todo lo siguiente en una nota de texto, modificarla y luego abrirla en R. Las palabras entre <- y ( son los comandos. Las oraciones despues de # son explicaciones. Las lineas rojas son programación específica de R project.
#1. Introducción de base de datos:
datos<-read.table("",header=T)
# En comillas va la dirección en que se encuentra la base de datos.
# read.table lee base de datos
#2. Graficar una dispersión.
#plot nos permite correr un gráfico de dispersión con las variables a utilizar.
plot(x,y)
#3. Correlación de pearson
Para saber más sobre R, unirse a:
https://www.facebook.com/groups/usuariosrnicaragua/
Vamos a realizar una regresión lineal en R (R es un software de cálculos estadísticos y econométricos). R es un completo software que compite a las par con los softwares comerciales como stata, eviews, s-plus, spss.
Nota: Esto es una programación en R, puede copiar todo lo siguiente en una nota de texto, modificarla y luego abrirla en R. Las palabras entre <- y ( son los comandos. Las oraciones despues de # son explicaciones. Las lineas rojas son programación específica de R project.
#1. Introducción de base de datos:
datos<-read.table("",header=T)
# En comillas va la dirección en que se encuentra la base de datos.
# read.table lee base de datos
attach(datos)
# attach establece el conjunto de datos a utilizar.#2. Graficar una dispersión.
#plot nos permite correr un gráfico de dispersión con las variables a utilizar.
plot(x,y)
#3. Correlación de pearson
cor(x,y)
#con prueba de hipótesis.
cor.test(x,y)
#4. Regresión con intercepto
r1<-lm(y~x)
r1
#5. Regresión sin intercepto
r2<-lm(y~0+x)
r2
#6. Comparar salidas
r2
#6. Comparar salidas
summary(r1) #para la primera regresión
summary(r2) #para la segunda regresión
#7. Obtener los residuos
anova(r1)
En la próxima sección traeremos la aplicación de esta programación: "Regresión en R project parte 2"
No se vaya sin antes dejar un comentario.
Lic. Deybi Morales León
Economista.
morales.economia@gmail.com
summary(r2) #para la segunda regresión
plot(x,y)
abline(r1) #añade las linea de la regresión a la dispersión.#7. Obtener los residuos
resid(r1)
#8. Obtener los coeficientes
coef(r1)
#9. Valores estimados de y según la regresión 1.
fitted(r1)
#10. Obtención del cuadro ANOVA de la regresión 1.anova(r1)
En la próxima sección traeremos la aplicación de esta programación: "Regresión en R project parte 2"
No se vaya sin antes dejar un comentario.
Lic. Deybi Morales León
Economista.
morales.economia@gmail.com
Para saber más sobre R, unirse a:
https://www.facebook.com/groups/usuariosrnicaragua/
Hola Deybi, muy buena iniciativa la de promocionar el uso de aplicaciones como R. Estaré pendiente de nuevas entradas. Saludes y ánimos, sigue adelante con este interesante blog.
ResponderEliminar#4. Regresión con intercepto
ResponderEliminarr1<lm(y~x)
r1
#5. Regresión sin intercepto
r2<lm(y~0+x)
faltan los guiones de la flecha maestro?
<- o bien si va al revés ->
Le agradezco su oportuna observación..
ResponderEliminarSaludos
Este comentario ha sido eliminado por el autor.
ResponderEliminarHola, muy buen post, soy agrónomo, no estadístico y estoy aprendiendo a usar R de modo autodidacta, y me surgió el siguiente problema.
ResponderEliminarIngreso las isguientes lineas de código
x<-c(18.26,25.37,16.13,18.96,18.91,19.91)
y<-c(9.11,13.58,9.03,11.48,10.00,9.57)
Reg<-lm(formula=y~x)
anova(Reg)
summary(Reg)
Reg<-lm(formula=y~x-1)
anova(Reg)
summary(Reg)
No obstante, el R^2 y el p-value de la salidas del modelo sin intercepto no convence, aún más cuando lo comparo con la salida de la regresión con intercepto.
Si pudera ayudarme, yo le agradecería mucho.
Saludos!