Interpretación de Resultados en Regresión Lineal Múltiple

Una vez que hemos ajustado un modelo de regresión lineal múltiple, el siguiente paso es interpretar los resultados obtenidos. La interpretación correcta es esencial para comprender cómo las variables independientes se relacionan con la variable dependiente y para tomar decisiones informadas basadas en el modelo. En esta clase, exploraremos cómo interpretar los coeficientes, evaluar la calidad del ajuste y verificar los supuestos en un modelo de regresión lineal múltiple.

Interpretación de Coeficientes

En un modelo de regresión lineal múltiple, los coeficientes estimados para las variables independientes indican cómo un cambio en una unidad en una variable independiente se relaciona con el cambio en la variable dependiente, manteniendo constantes las otras variables independientes. Veamos cómo interpretar los coeficientes:

  • Intercepto (Coeficiente Constante): El intercepto representa el valor estimado de la variable dependiente cuando todas las variables independientes son iguales a cero. Sin embargo, en muchos contextos, esta interpretación puede carecer de sentido práctico, ya que las variables independientes rara vez serán cero en la realidad.

  • Coeficientes de Variables Independientes: Los coeficientes estimados para las variables independientes indican cómo un cambio en una unidad en la variable independiente se relaciona con el cambio en la variable dependiente, manteniendo constantes las otras variables independientes. Por ejemplo, si el coeficiente para la variable X1 es 0.75, significa que un aumento de una unidad en X1 se asocia con un aumento estimado de 0.75 unidades en la variable dependiente.

Es importante considerar los errores estándar y los valores p asociados con los coeficientes. Los errores estándar indican la variabilidad en las estimaciones de los coeficientes, y los valores p indican si los coeficientes son estadísticamente significativos. Un valor p bajo (generalmente menos de 0.05) sugiere que la variable independiente tiene un efecto significativo en la variable dependiente.

Evaluación de la Calidad del Ajuste

La calidad del ajuste de un modelo de regresión lineal múltiple se puede evaluar utilizando diversas métricas. Algunas de las métricas comunes incluyen:

  • R-cuadrado (R2): Este valor indica la proporción de la variabilidad total en la variable dependiente que es explicada por el modelo. Un R2 más alto sugiere un mejor ajuste del modelo a los datos. Sin embargo, R2 no considera el número de variables independientes y puede aumentar incluso cuando se agrega una variable independiente sin relevancia.

  • Error Estándar de la Estimación (SEE): Este valor indica la dispersión promedio de los valores observados respecto a los valores predichos por el modelo. Un SEE más bajo indica que el modelo ajusta los datos de manera más cercana.

Verificación de Supuestos

Es fundamental verificar los supuestos detrás del modelo de regresión lineal múltiple. Algunos de los supuestos clave incluyen:

  • Linealidad: Se asume que la relación entre las variables independientes y la variable dependiente es lineal. Esto se puede verificar trazando gráficos de dispersión de las variables independientes contra los residuos y verificando si hay patrones no lineales.

  • Normalidad de Residuos: Se asume que los residuos (diferencia entre los valores observados y predichos) siguen una distribución normal. Esto se puede verificar mediante gráficos de Q-Q y pruebas estadísticas de normalidad.

  • Homocedasticidad: Se asume que la varianza de los residuos es constante en todos los niveles de las variables independientes. Esto se puede verificar mediante gráficos de residuos y pruebas estadísticas.

  • Independencia de Residuos: Se asume que los residuos no están correlacionados entre sí. Esto se puede verificar mediante gráficos de residuos y análisis de autocorrelación.

Ejercicios

require(datarium)

Ejercicio 1: Análisis de Marketing

Contexto: Imagina que eres un analista de marketing y estás trabajando en una empresa que vende productos electrónicos. Tienes datos de ventas recopilados a lo largo de varios meses, así como información sobre la inversión en publicidad en diferentes canales, como YouTube, Facebook y periódicos. Tu objetivo es determinar cómo estas inversiones en publicidad influyen en las ventas y qué canal tiene el mayor impacto.

Explicación: En este ejercicio, usarás datos de ventas y gastos en publicidad para ajustar un modelo de regresión lineal. Deberás interpretar los coeficientes del modelo para entender cómo cada canal publicitario afecta a las ventas. Además, examinarás las estadísticas de ajuste para evaluar la calidad del modelo.

# Cargar la librería
library(dplyr)

# Crear el dataframe para el ejercicio
marketing <- data.frame(
  sales = c(200, 300, 400, 450, 500, 550, 600, 700, 750, 800),
  youtube = c(20, 30, 25, 35, 40, 50, 45, 60, 70, 55),
  facebook = c(10, 15, 12, 18, 25, 30, 28, 35, 40, 32),
  newspaper = c(5, 8, 10, 12, 15, 18, 20, 22, 25, 28)
)

# Ajustar el modelo de regresión lineal
model <- lm(sales ~ youtube + facebook + newspaper, data = marketing)

# Mostrar el resumen del modelo
summary(model)

Call:
lm(formula = sales ~ youtube + facebook + newspaper, data = marketing)

Residuals:
    Min      1Q  Median      3Q     Max 
-35.061 -18.619  -7.719  24.549  31.885 

Coefficients:
            Estimate Std. Error t value Pr(>|t|)    
(Intercept)   86.346     33.978   2.541 0.044009 *  
youtube        4.321      4.330   0.998 0.356843    
facebook      -6.144      7.134  -0.861 0.422162    
newspaper     24.748      3.613   6.850 0.000476 ***
---
Signif. codes:  0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1

Residual standard error: 29.75 on 6 degrees of freedom
Multiple R-squared:  0.9844,    Adjusted R-squared:  0.9767 
F-statistic: 126.5 on 3 and 6 DF,  p-value: 8.192e-06

Ejercicio 2: Análisis Económico

Contexto: Eres un economista que trabaja en una firma de consultoría y estás interesado en analizar cómo las tasas de interés y las tasas de desempleo influyen en los precios de mercado en el último par de años. Tienes datos mensuales de tasas de interés, tasas de desempleo y precios de mercado.

Explicación: En este ejercicio, usarás datos económicos para ajustar un modelo de regresión lineal y determinar cómo las tasas de interés y las tasas de desempleo afectan los precios de mercado. Deberás interpretar los coeficientes del modelo para entender la relación entre estas variables.

# Crear el dataframe para el ejercicio
economic_data <- data.frame(
  year = c(2017, 2017, 2017, 2017, 2017, 2017, 2017, 2017, 2017, 2017, 2017,
           2017, 2016, 2016, 2016, 2016, 2016, 2016, 2016, 2016, 2016, 2016, 
           2016, 2016),
  month = c(12, 11, 10, 9, 8, 7, 6, 5, 4, 3, 2, 1, 12, 11, 10, 9, 8, 7, 6, 5,
            4, 3, 2, 1),
  interest_rate = c(2.75, 2.5, 2.5, 2.5, 2.5, 2.5, 2.5, 2.25, 2.25, 2.25, 2,
                    2, 2, 1.75, 1.75, 1.75, 1.75, 1.75, 1.75, 1.75, 1.75, 1.75,
                    1.75, 1.75),
  unemployment_rate = c(5.3, 5.3, 5.3, 5.3, 5.4, 5.6, 5.5, 5.5, 5.5, 5.6, 5.7,
                        5.9, 6, 5.9, 5.8, 6.1, 6.2, 6.1, 6.1, 6.1, 5.9, 6.2,
                        6.2, 6.1),
  index_price = c(1464, 1394, 1357, 1293, 1256, 1254, 1234, 1195, 1159,
                  1167, 1130, 1075, 1047, 965, 943, 958, 971, 949, 884,
                  866, 876, 822, 704, 719)
)

# Ajustar el modelo de regresión lineal
model <- lm(index_price ~ interest_rate + unemployment_rate, data = economic_data)

# Mostrar el resumen del modelo
summary(model)

Call:
lm(formula = index_price ~ interest_rate + unemployment_rate, 
    data = economic_data)

Residuals:
     Min       1Q   Median       3Q      Max 
-158.205  -41.667   -6.248   57.741  118.810 

Coefficients:
                  Estimate Std. Error t value Pr(>|t|)   
(Intercept)         1798.4      899.2   2.000  0.05861 . 
interest_rate        345.5      111.4   3.103  0.00539 **
unemployment_rate   -250.1      117.9  -2.121  0.04601 * 
---
Signif. codes:  0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1

Residual standard error: 70.56 on 21 degrees of freedom
Multiple R-squared:  0.8976,    Adjusted R-squared:  0.8879 
F-statistic: 92.07 on 2 and 21 DF,  p-value: 4.043e-11

Ejercicio 3: Análisis del Dataset Freeny

Contexto: Trabajas en una agencia de investigación de mercado y estás explorando el dataset Freeny, que contiene información sobre precios y niveles de ingresos. Tu objetivo es entender cómo el precio y el nivel de ingresos están relacionados con el potencial de mercado.

Explicación: En este ejercicio, usarás el dataset Freeny para ajustar un modelo de regresión lineal y analizar cómo el precio y el nivel de ingresos están asociados con el potencial de mercado. Deberás interpretar los coeficientes del modelo para entender estas relaciones.

# Cargar la librería
library(carData)

# Ajustar el modelo de regresión lineal
model <- lm(market.potential ~ price.index + income.level, data = freeny)

# Mostrar el resumen del modelo
summary(model)

Call:
lm(formula = market.potential ~ price.index + income.level, data = freeny)

Residuals:
       Min         1Q     Median         3Q        Max 
-0.0101512 -0.0054213 -0.0005416  0.0036681  0.0119975 

Coefficients:
             Estimate Std. Error t value Pr(>|t|)    
(Intercept)  13.27199    0.29086  45.631  < 2e-16 ***
price.index  -0.30929    0.02630 -11.758 6.92e-14 ***
income.level  0.19631    0.02912   6.741 7.20e-08 ***
---
Signif. codes:  0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1

Residual standard error: 0.006491 on 36 degrees of freedom
Multiple R-squared:  0.9904,    Adjusted R-squared:  0.9899 
F-statistic:  1858 on 2 and 36 DF,  p-value: < 2.2e-16