Satisfacción de la carrera universitaria

Como variable dependiente tenemos la satisfacción que sienten las personas cursando su carrera y como variables independientes tenemos tales como: edad, sexo, gustos sobre actividades extracurriculares, comodidad con las instalaciones, carrera que estudia, tiempo independiente de estudio y el nivel academico de los temas tratados durante la misma, utilizando en repetidas ocasiones una escala del 1 al 100.

Estas variables se utilizaron a través de una encuesta en google forms en la cual solo aplicaron estudiantes de la Universidad Santo Tómas, obteniendo un mínimo de 100 participantes.

Tabla estadística


Variable		 Promedio Desviasión Varianza
Edad 20.650485 2.889157 8.34723
Estuddio independiente a la semana 8.582524 11.658981 135.93185
Temas que generan interes 73.611650 20.569935 423.12222

Limpieza de datos

La limpieza realizada fue la eliminación de la columna temporal de las respuestas a la encuesta.

Modelo saturado

library(readxl) datos1=Satisfaccion <- read_excel(“D:/User/Downloads/Satisfaccion.xlsx”)

library(dplyr)

attach(datos1)

names(datos1)

datos2 <- datos1[,-1]

names(datos2)

colnames(datos2)=c(“edad”,“sexo”,“carrera”,“x1”,“y”,“x2”,“x3”,“x4”,“x5”,“x6”)

attach(datos2)

model_sat=lm(y~edad+sexo+carrera+x1+x2+x3+x4+x5+x6)

model_sat

summary(model_sat)

Transformaciones

logx6=x6*log(2) logx6

tf1=lm(y~x3+logx6)

expx1=x1^2

tf2=lm(y~expx1+x4)

Transformación1

Resultados

Call:

lm(formula = y ~ edad + sexo + carrera + x1 + x2 + x3 + x4 + x5 + x6)

Residuals: Min 1Q Median 3Q Max -52.440 -7.918 1.803 9.426 24.850

Coefficients: Estimate Std. Error (Intercept) 8.91538 13.88385 edad 0.39476 0.54415 sexoMasculino 1.44033 3.11567 sexoOtro 0.13424 16.93779 carreraDivisión de ciencias económicas, administrativas y contables -0.28325 4.07635 carreraDivisión de ciencias jurídicas y políticas 4.00833 5.55395 carreradivisión de ingenierías y arquitectura 3.23973 4.90160 x1 -0.11584 0.14416 x2 0.56815 0.08745 x3Si 2.04785 4.58143 x4 0.11172 0.08239 x5Nada cómodo 1.07818 6.29056 x5Neutral -4.44368 3.37829 x6 0.11373 0.06115 t value Pr(>|t|)
(Intercept) 0.642 0.5224
edad 0.725 0.4701
sexoMasculino 0.462 0.6450
sexoOtro 0.008 0.9937
carreraDivisión de ciencias económicas, administrativas y contables -0.069 0.9448
carreraDivisión de ciencias jurídicas y políticas 0.722 0.4724
carreradivisión de ingenierías y arquitectura 0.661 0.5103
x1 -0.804 0.4238
x2 6.497 4.59e-09 *** x3Si 0.447 0.6560
x4 1.356 0.1786
x5Nada cómodo 0.171 0.8643
x5Neutral -1.315 0.1918
x6 1.860 0.0662 .
— Signif. codes: 0 ‘’ 0.001 ’’ 0.01 ’’ 0.05 ‘.’ 0.1 ’ ’ 1

Residual standard error: 14.72 on 89 degrees of freedom Multiple R-squared: 0.5387, Adjusted R-squared: 0.4713 F-statistic: 7.994 on 13 and 89 DF, p-value: 2.459e-10

AIC

stepAIC(model_sat,scale = 0, derection=c(“both”)) Start: AIC=566.86 y ~ edad + sexo + carrera + x1 + x2 + x3 + x4 + x5 + x6

      Df Sum of Sq   RSS    AIC

Step: AIC=562.33 y ~ edad + sexo + x1 + x2 + x3 + x4 + x5 + x6

   Df Sum of Sq   RSS    AIC

Step: AIC=558.5 y ~ edad + x1 + x2 + x3 + x4 + x5 + x6

   Df Sum of Sq   RSS    AIC

Step: AIC=556.58 y ~ edad + x1 + x2 + x4 + x5 + x6

   Df Sum of Sq   RSS    AIC

Step: AIC=555.25 y ~ edad + x2 + x4 + x5 + x6

   Df Sum of Sq   RSS    AIC

Step: AIC=553.83 y ~ x2 + x4 + x5 + x6

   Df Sum of Sq   RSS    AIC

19835 553.83 - x5 2 926.6 20761 554.53 - x4 1 687.6 20522 555.34 - x6 1 898.3 20733 556.39 - x2 1 10725.2 30560 596.35

Call: lm(formula = y ~ x2 + x4 + x5 + x6)

Coefficients: (Intercept) x2 x4 x5Nada cómodo x5Neutral x6
18.4300 0.5610 0.1378 3.0905 -5.6040 0.1113
`