🥑REGRESION LINEAL MULTIPLE

Note

Important

Un modelo de regresion lineal multiple es un modelo versatil para evaluar las relaciones entre un destino continuo y los predictores.
Los predictores pueden ser campos continuos, categoricos o derivados de modo que las relaciones no lineales tambien esten soportadas.
Es decir, procedimiento mediante el cual se trata de determinar si existe o no relacion de dependencia entre dos o mas variables.
Permite generar un modelo lineal en el que el valor de la variable dependiente o respuesta ( Y ) se determina a partir de un conjunto de variables independientes llamadas predictores ( X1, X2, X3, … , Xn ) .

library(readxl)
Caso_Aguacate_xls<-read_excel("avocado.csv..xlsx")

1) 🥑FORMAS DE HALLAR LAS VARIABLES MULTIPLES(X1,X2)

modelo2 <-lm(`Total Volume      (NUMERO TOTAL DE AGUACATES VENDIDOS)` ~ `Small Bags (BOLSAS PEQUEÑAS)`+`Large Bags  (BOLSAS GRANDES)` ,data=Caso_Aguacate_xls)

modelo2


Call:
lm(formula = `Total Volume      (NUMERO TOTAL DE AGUACATES VENDIDOS)` ~ 
    `Small Bags (BOLSAS PEQUEÑAS)` + `Large Bags  (BOLSAS GRANDES)`, 
    data = Caso_Aguacate_xls)

Coefficients:
                   (Intercept)  `Small Bags (BOLSAS PEQUEÑAS)`  
                     3.468e+04                       4.305e+00  
`Large Bags  (BOLSAS GRANDES)`  
                     5.821e-01

RESUMEN

summary(modelo2)


Call:
lm(formula = `Total Volume      (NUMERO TOTAL DE AGUACATES VENDIDOS)` ~ 
    `Small Bags (BOLSAS PEQUEÑAS)` + `Large Bags  (BOLSAS GRANDES)`, 
    data = Caso_Aguacate_xls)

Residuals:
      Min        1Q    Median        3Q       Max 
-12673058    -78023    -36561     -3746  25816806 

Coefficients:
                                Estimate Std. Error t value Pr(>|t|)    
(Intercept)                    3.468e+04  6.665e+03   5.204 1.97e-07 ***
`Small Bags (BOLSAS PEQUEÑAS)` 4.305e+00  2.016e-02 213.573  < 2e-16 ***
`Large Bags  (BOLSAS GRANDES)` 5.821e-01  6.165e-02   9.442  < 2e-16 ***
---
Signif. codes:  0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1

Residual standard error: 874700 on 18246 degrees of freedom
Multiple R-squared:  0.9359,    Adjusted R-squared:  0.9359 
F-statistic: 1.331e+05 on 2 and 18246 DF,  p-value: < 2.2e-16

2) 🥑FORMAS DE HALLAR LAS VARIABLES MULTIPLES(X1,X2,X3)

modelo3<-lm(`Total Volume      (NUMERO TOTAL DE AGUACATES VENDIDOS)` ~ `Small Bags (BOLSAS PEQUEÑAS)`+`Large Bags  (BOLSAS GRANDES)`+`XLarge Bags (BOLSAS EXTRAGRANDES)` ,data=Caso_Aguacate_xls)

RESUMEN

summary(modelo3)


Call:
lm(formula = `Total Volume      (NUMERO TOTAL DE AGUACATES VENDIDOS)` ~ 
    `Small Bags (BOLSAS PEQUEÑAS)` + `Large Bags  (BOLSAS GRANDES)` + 
        `XLarge Bags (BOLSAS EXTRAGRANDES)`, data = Caso_Aguacate_xls)

Residuals:
      Min        1Q    Median        3Q       Max 
-11413880    -79822    -30489      4596  25190934 

Coefficients:
                                      Estimate Std. Error t value Pr(>|t|)    
(Intercept)                          2.782e+04  6.509e+03   4.274 1.93e-05 ***
`Small Bags (BOLSAS PEQUEÑAS)`       4.691e+00  2.348e-02 199.840  < 2e-16 ***
`Large Bags  (BOLSAS GRANDES)`       4.577e-01  6.031e-02   7.589 3.38e-14 ***
`XLarge Bags (BOLSAS EXTRAGRANDES)` -1.828e+01  6.060e-01 -30.171  < 2e-16 ***
---
Signif. codes:  0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1

Residual standard error: 853700 on 18245 degrees of freedom
Multiple R-squared:  0.9389,    Adjusted R-squared:  0.9389 
F-statistic: 9.347e+04 on 3 and 18245 DF,  p-value: < 2.2e-16