Práctica Dirigida: Regresión Lineal Simple

Objetivos de la práctica
• Elaborar e interpretar modelos de regresión simple
• Comparar modelos de regresión simple
• Elaborar e interpretar modelos de regresión múltiple

Datos
Se trabajará R Project y su interfaz gráfica “Rcommander”: Para cargar la interfaz del programa utilice el
siguiente comando en la consola del programa:

library("Rcmdr")

Para la realización de estos ejercicios, utilizaremos las bases de datos de indicadores sociodemográficos
de países del mundo 1998 y 2005. Los datos pueden descargarse desde:

https://sites.google.com/a/pucp.pe/data_est/archivos/BD_Mundo.zip?attredirects=0&d=1

Revise el libro de códigos que viene con las bases de datos. Descomprima y guarde los archivos en su
directorio de trabajo de R y proceda a cargarlos.

load("mundo98.rda") o Data -> Load data set -> buscar archivo

load("mundo2005.rda")

OJO: Observen que en el caso de mundo2005, tenemos la variable “alfab_f” que es % de alfabetismo
femenino, mientras que en mundo98 tenemos la variable “illiteracyFemale” que es % de analfabetismo
femenino. Tomen en cuenta estas diferencias al momento de interpretar los resultados de los modelos
de regresión. Verifique los nombres de las variables en las bases de datos con el libro de códigos. Se
puede visualizar la data cargada en la pestaña “View data set”.

1. Factores asociados a la fertilidad

Análisis con los datos de 1998
Vamos a calcular 3 modelos de regresión lineal múltiple considerando a la tasa global de fecundidad
(nacimientos por mujer, variable “trf”) como variable dependiente y a las siguientes variables como
variables independientes:

• illiteracyFemale: % de Mujeres de 15 años o más que son analfabetos

• contraception: Tasa de prevalencia anticonceptiva (% de mujeres en edad fértil que utilizan (o cuya
pareja utiliza) un método anticonceptivo en un determinado momento)
• economicActivityFemale: PEA Femenina (% de Mujeres económicamente activas)
• GDPperCapita: PBI per cápita en US$

Para este modelo:

• Elaborar y analizar el diagrama de dispersión correspondiente (Graph->Scatter plot).

• Calcular e interpretar los coeficientes de regresión (b0, b1, R2) (Statistics->Fit Models->Linear
regression).
• Evaluar la significancia de los coeficientes de regresión y analizar el error estándar del modelo

Luego de realizar los cálculos vamos a comparar los resultados de los modelos, tratando de responder a
las preguntas, ¿cuál de las variables independientes tiene un efecto más importante en la fecundidad?;
¿qué tan bien representa la línea calculada por el modelo de regresión a la relación entre las variables el
diagrama de dispersión?