Anatomía de una Regresión

Fórmula regresión lineal

Fórmula regresión múltiple

implementación en R

importamos nuestros datos y “llamamos” a las librerías que necesitamos.

library(tidyverse)
library(haven)

e3207 <- read_sav("3207.sav")

Resolvemos los datos perdidos de las preguntas que nos interesan con na_if

e3207$P26 <- na_if(e3207$P26, 98)
e3207$P26 <- na_if(e3207$P26, 99)

e3207$P27 <- na_if(e3207$P27, 98)
e3207$P27 <- na_if(e3207$P27, 99)

e3207$P29 <- na_if(e3207$P29, 98)
e3207$P29 <- na_if(e3207$P29, 99)

e3207$P32 <- na_if(e3207$P32, 98)
e3207$P32 <- na_if(e3207$P32, 99)

e3207$P38 <- na_if(e3207$P38, 8)
e3207$P38 <- na_if(e3207$P38, 9)

Finalmente implementamos un modelo de regresión lineal múltiple:

feliz <- lm(P29 ~ P26 + P27 + P32 + P38, data = e3207)

summary(feliz)

Call:
lm(formula = P29 ~ P26 + P27 + P32 + P38, data = e3207)

Residuals:
    Min      1Q  Median      3Q     Max 
-7.9721 -0.9098  0.0598  0.9403  3.7041 

Coefficients:
             Estimate Std. Error t value Pr(>|t|)    
(Intercept)  8.239803   0.196548  41.923  < 2e-16 ***
P26          0.087666   0.018263   4.800 1.71e-06 ***
P27         -0.001063   0.018505  -0.057  0.95421    
P32          0.059780   0.018849   3.171  0.00154 ** 
P38         -0.499292   0.046656 -10.701  < 2e-16 ***
---
Signif. codes:  0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1

Residual standard error: 1.525 on 1870 degrees of freedom
  (591 observations deleted due to missingness)
Multiple R-squared:  0.08539,   Adjusted R-squared:  0.08343 
F-statistic: 43.65 on 4 and 1870 DF,  p-value: < 2.2e-16