Scribd Logo
Cargar

¡Te damos la bienvenida a Scribd!

  • 20 vistas

    Clase Codigo

    Cargado por

    Dante Palacios Valdiviezo
    Este documento presenta un análisis de regresión lineal simple para explorar la relación entre la tasa de interés y el precio de venta de viviendas. Se identifican observaciones influyentes utilizando residuos estandarizados, valores de leverage, distancia de Cook y DFFITS. Se encuentran dos observaciones (casos 13 y 35) que son influyentes y se eliminan, mejorando el modelo de regresión.

    Copyright:

    © All Rights Reserved
    Descargue como TXT, PDF, TXT o lea en línea desde Scribd

    Clase Codigo

    Cargado por

    Dante Palacios Valdiviezo
    20 vistas2 páginas
    Este documento presenta un análisis de regresión lineal simple para explorar la relación entre la tasa de interés y el precio de venta de viviendas. Se identifican observaciones influyentes utilizando residuos estandarizados, valores de leverage, distancia de Cook y DFFITS. Se encuentran dos observaciones (casos 13 y 35) que son influyentes y se eliminan, mejorando el modelo de regresión.

    Título original

    clase codigo

    Derechos de autor

    © © All Rights Reserved

    Formatos disponibles

    TXT, PDF, TXT o lea en línea desde Scribd

    ¿Le pareció útil este documento?

    ¿Este contenido es inapropiado?

    Este documento presenta un análisis de regresión lineal simple para explorar la relación entre la tasa de interés y el precio de venta de viviendas. Se identifican observaciones influyentes utilizando residuos estandarizados, valores de leverage, distancia de Cook y DFFITS. Se encuentran dos observaciones (casos 13 y 35) que son influyentes y se eliminan, mejorando el modelo de regresión.

    Copyright:

    © All Rights Reserved
    Descargue como TXT, PDF, TXT o lea en línea desde Scribd
    Descargar como txt, pdf o txt
    20 vistas2 páginas

    Clase Codigo

    Cargado por

    Dante Palacios Valdiviezo
    Este documento presenta un análisis de regresión lineal simple para explorar la relación entre la tasa de interés y el precio de venta de viviendas. Se identifican observaciones influyentes utilizando residuos estandarizados, valores de leverage, distancia de Cook y DFFITS. Se encuentran dos observaciones (casos 13 y 35) que son influyentes y se eliminan, mejorando el modelo de regresión.

    Copyright:

    © All Rights Reserved
    Descargue como TXT, PDF, TXT o lea en línea desde Scribd
    Descargar como txt, pdf o txt
    de 2

    installed.

    packages("MPV")
    library(MPV)
    data(table.b11)
    table.b11
    attach(data)
    ###############
    ##Definir nuestra carpeta de trabajo
    setwd("C:/Users/Dante/Desktop/clase 24-05-18")
    data <- read.table("casas.txt",header = T,dec = ".")
    data
    head(data)
    ##ultimas 6 observaciones
    tail(data)
    ###grafico de dispersion
    plot(TasaInteres,PrecioVenta,main = "grafico de dispersion",xlab = "tasa de
    interes",ylab = "precio de venta")
    ##identificar
    identify(TasaInteres,PrecioVenta,labels=Caso)
    ##1ro haremos un modelo de regresion
    m<-lm(PrecioVenta~TasaInteres,data=data)
    summary(m)
    ##residuos
    residuo=rstandard(m)
    residuo
    ##valores atipicos
    plot(Caso,residuo,xlab="Caso",ylab="Residuo
    estandarizado",cex.lab=1.4,pch=23,bg="red")
    abline(a=2,b=0,lty=2)
    abline(a=-2,b=0,lty=2)
    identify(Caso,residuo,labels=Caso)
    ##puntos de balanceo
    ##ELEMENTOS DE LA DIAGONAL DE LA MATRIZ H(leverages)
    h=hatvalues(m)
    p=2
    n=nrow(data)
    ##punto de corte
    id.h=(2*p)/n
    plot(Caso,h,xlab="Caso",ylab="Leverage",cex.lab=1.4,pch=23,bg="blue")
    abline(a=id.h,b=0,lty=2)
    identify(Caso,h,labels=Caso)
    ###########distancia de cook
    ###DISTANCIA COOK
    dc=cooks.distance(m)
    dc
    ##IDENTIFICACION DE OBSERVACIONES INFLUYENTES
    plot(Caso,dc,xlab="Caso",ylab="Distancia de cook",cex.lab=1.4,pch=23,bg="gold")
    abline(a=1,b=0,,lty=2)
    identify(Caso,dc,labels=Caso)
    ####dffits
    ##IDENTIFICACION DE OBSERVACIONES INFLUYENTES
    dffit=dffits(m)
    plot(Caso,dffit,xlab="Caso",ylab="DFFITS",cex.lab=1.4,pch=23,bg="blue")
    abline(a=2*sqrt(p/n),b=0,lty=2)
    abline(a=-2*sqrt(p/n),b=0,lty=2)
    identify(Caso,dffit,labels=Caso)
    ##########################
    ##DFBETAS
    dfbeta=dfbetas(m)
    dfbeta
    ##DFBETAS de la pendiente
    dfbeta[,2]

    ##IDENTIFICACION DE OBSERVACIONES INFLUYENTES


    plot(Caso,dfbeta[,2],xlab="Caso",ylab="expression(DFBETA[1])",cex.lab=1.4,pch=23,bg
    ="blue")
    abline(a=2/sqrt(n),b=0,lty=2)
    abline(a=-2/sqrt(n),b=0,lty=2)
    identify(Caso,dfbeta[,2],labels=Caso)
    ##
    m.1<-lm(PrecioVenta~TasaInteres,data=data,subset=-c(13,35))
    summary(m.1)

    También podría gustarte