14  Regresión lineal simple/múltiple

source('C:/Users/rober/Documents/R/ts.brb.test/Rprofile.site')

==========================
  Motor Barbwin8 cargado 
==========================

source('C:/Users/rober/Documents/R/ts.brb.test/functions.R')

data <- expss::read_spss('C:/Users/rober/Documents/R/ts.brb.test/data/datos_para_linreg1.sav')

bw8linreg(df = data, # dataframe de trabajo
     weight_var = "Weight",# variable de pnderación, peso
     dep_var = "Satisfaccion", # dep_var, variable dependiente, debe ser numérica
     indep_vars = c("Precio", "Calidad", "Excelencia", "Color_Local"), # indept vars, variables independientes, deben ser numéricas o categoría binarizadas (debería hacerlo el usuario)
     id_var = "ID",  # variable identificación, obligatoria y con valores únicos
     method = "enter", # modos de regresion, uno de ellos (enter, stepwise, forward, backward)
    std_outlier = 3, # Umbral para residuos de deviación típica para calificar como outlier (entero entre 1 y 5)
     json_path = "linear_regression_diagnostics1.json",
    publish = TRUE
)

Regresión lineal MCO

Análisis de dependiente: Satisfaccion

Resumen de modelos

Coeficientes del modelo final

Diagnóstico de outliers (Residuo Est. > 3 )

Diagnóstico de independientes (finales)

Diagnóstico por caso exportado a: linear_regression_diagnostics1.json

data <- expss::read_spss('C:/Users/rober/Documents/R/ts.brb.test/data/datos_para_linreg2.sav')

# Running linear regression stepwise
bw8linreg(df = data, 
          dep_var = "Y", 
          indep_vars = c("V1_Fuerte", "V2_Media", "V3_Debil", "V4_Ruido", "V5_Redundante"),
          id_var = "ID_C",
          std_outlier = 2.5,
          json_path = "linear_regression_diagnostics3.json",
          method = "stepwise")

Regresión lineal MCO

Análisis de dependiente: Y

Resumen de modelos

Coeficientes del modelo final

Diagnóstico de outliers (Residuo Est. > 2.5 )

Diagnóstico de independientes (finales)

Diagnóstico por caso exportado a: linear_regression_diagnostics3.json