Descripción
Datos que relacionan el recuento de espermatozoides con el tiempo transcurrido desde la última cópula entre parejas y la proporción de ese tiempo que pasaron juntos para 15 parejas que viven en Manchester, Reino Unido.
- Matriz de gráficos de dispersión para explorar las relaciones entre las variables count, time.ipc y prop.partner del conjunto de datos sperm.comp1.
pairs(count ~ time.ipc + prop.partner, data = sperm.comp1,
lower.panel = NULL)
Supuestos del modelo
sperm.m3 <- lm(count ~ time.ipc + prop.partner,
data = sperm.comp1)
summary(sperm.m3)##
## Call:
## lm(formula = count ~ time.ipc + prop.partner, data = sperm.comp1)
##
## Residuals:
## Min 1Q Median 3Q Max
## -239.740 -96.772 2.171 96.837 163.997
##
## Coefficients:
## Estimate Std. Error t value Pr(>|t|)
## (Intercept) 357.4184 88.0822 4.058 0.00159 **
## time.ipc 1.9416 0.9067 2.141 0.05346 .
## prop.partner -339.5602 126.2535 -2.690 0.01969 *
## ---
## Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
##
## Residual standard error: 136.6 on 12 degrees of freedom
## Multiple R-squared: 0.4573, Adjusted R-squared: 0.3669
## F-statistic: 5.056 on 2 and 12 DF, p-value: 0.02554#M1 = Y= 357.4184 + 1.9416(X1i)- -339.5602X2
plot(sperm.m3)
- Estos gráficos son importantes para verificar los supuestos del modelo de regresión lineal múltiple y evaluar su validez. Si los gráficos muestran patrones o comportamientos inesperados, podría ser necesario realizar ajustes al modelo o considerar un enfoque diferente.
Diagrama de dispersion
- Modelo de regresion lineal sin intercepto (y ~ x - 1) o (y ~ 0 + x)
plot(count ~ time.ipc , data = sperm.comp1, xlab = "Tiempo transcurrido desde la última cópula (HORAS)",
ylab = "Recuento de espermatozoides", main = "Relación entre tiempo y recuento de espermatozoides")
sperm.m2 <- lm(count ~ time.ipc - 1 + prop.partner - 1 , data = sperm.comp1)
summary(sperm.m2)##
## Call:
## lm(formula = count ~ time.ipc - 1 + prop.partner - 1, data = sperm.comp1)
##
## Residuals:
## Min 1Q Median 3Q Max
## -347.10 -80.89 82.94 195.50 342.70
##
## Coefficients:
## Estimate Std. Error t value Pr(>|t|)
## time.ipc 3.777 1.163 3.248 0.00635 **
## prop.partner 3.412 138.781 0.025 0.98076
## ---
## Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
##
## Residual standard error: 202.1 on 13 degrees of freedom
## Multiple R-squared: 0.6865, Adjusted R-squared: 0.6383
## F-statistic: 14.23 on 2 and 13 DF, p-value: 0.0005314# el modelo de regresion estimado: y = 3.777x1 + 3.412X3
# B1 B3
abline(sperm.m2, col = "red")