Sustitutorio
Valentina Nauchi
2024-06-15
library(rio)
sust= import("V-Dem-2024 - V-Dem-2024.csv")
sust## country_name v2x_polyarchy v2x_liberal v2x_partip
## 1 Mexico 0.53 0.48 0.65
## 2 Suriname 0.75 0.84 0.57
## 3 Sweden 0.88 0.98 0.65
## 4 Switzerland 0.89 0.96 0.88
## 5 Ghana 0.66 0.86 0.38
## 6 South Africa 0.69 0.85 0.56
## 7 Japan 0.82 0.90 0.57
## 8 Burma/Myanmar 0.08 0.04 0.31
## 9 Russia 0.19 0.15 0.38
## 10 Albania 0.51 0.75 0.56
## 11 Egypt 0.19 0.39 0.21
## 12 Yemen 0.13 0.14 0.22
## 13 Colombia 0.70 0.79 0.65
## 14 Poland 0.59 0.73 0.56
## 15 Brazil 0.78 0.89 0.64
## 16 United States of America 0.85 0.92 0.66
## 17 Portugal 0.85 0.89 0.61
## 18 El Salvador 0.39 0.15 0.47
## 19 Bangladesh 0.25 0.22 0.30
## 20 Bolivia 0.59 0.53 0.63
## 21 Haiti 0.21 0.15 0.26
## 22 Honduras 0.53 0.70 0.54
## 23 Mali 0.23 0.41 0.58
## 24 Pakistan 0.34 0.48 0.55
## 25 Peru 0.70 0.82 0.62
## 26 Senegal 0.62 0.72 0.58
## 27 South Sudan 0.14 0.19 0.23
## 28 Sudan 0.14 0.13 0.28
## 29 Vietnam 0.15 0.37 0.56
## 30 Afghanistan 0.08 0.10 0.03
## 31 Argentina 0.84 0.80 0.62
## 32 Ethiopia 0.28 0.24 0.39
## 33 India 0.38 0.62 0.51
## 34 Kenya 0.56 0.79 0.60
## 35 North Korea 0.08 0.04 0.15
## 36 South Korea 0.70 0.86 0.61
## 37 Kosovo 0.67 0.70 0.52
## 38 Lebanon 0.36 0.53 0.47
## 39 Nigeria 0.49 0.60 0.61
## 40 Philippines 0.43 0.58 0.57
## 41 Tanzania 0.44 0.84 0.53
## 42 Taiwan 0.82 0.88 0.75
## 43 Thailand 0.29 0.60 0.39
## 44 Uganda 0.28 0.58 0.39
## 45 Venezuela 0.21 0.12 0.48
## 46 Benin 0.50 0.58 0.49
## 47 Bhutan 0.53 0.82 0.56
## 48 Burkina Faso 0.21 0.56 0.42
## 49 Cambodia 0.20 0.13 0.37
## 50 Indonesia 0.54 0.60 0.60
## 51 Mozambique 0.35 0.50 0.54
## 52 Nepal 0.68 0.74 0.61
## 53 Nicaragua 0.17 0.04 0.28
## 54 Niger 0.39 0.60 0.60
## 55 Zambia 0.53 0.77 0.65
## 56 Zimbabwe 0.29 0.44 0.53
## 57 Guinea 0.18 0.25 0.42
## 58 Ivory Coast 0.45 0.46 0.61
## 59 Mauritania 0.36 0.37 0.52
## 60 Canada 0.86 0.88 0.65
## 61 Australia 0.85 0.96 0.70
## 62 Botswana 0.56 0.75 0.43
## 63 Burundi 0.19 0.15 0.18
## 64 Cape Verde 0.75 0.86 0.54
## 65 Central African Republic 0.30 0.19 0.31
## 66 Chile 0.84 0.96 0.66
## 67 Costa Rica 0.87 0.95 0.65
## 68 Timor-Leste 0.70 0.69 0.55
## 69 Ecuador 0.65 0.69 0.76
## 70 France 0.88 0.93 0.63
## 71 Germany 0.86 0.97 0.66
## 72 Guatemala 0.51 0.54 0.49
## 73 Iran 0.16 0.25 0.08
## 74 Iraq 0.37 0.45 0.46
## 75 Ireland 0.90 0.93 0.63
## 76 Italy 0.84 0.91 0.75
## 77 Jordan 0.26 0.73 0.28
## 78 Latvia 0.85 0.91 0.67
## 79 Lesotho 0.64 0.76 0.53
## 80 Liberia 0.64 0.64 0.47
## 81 Malawi 0.58 0.83 0.57
## 82 Maldives 0.60 0.73 0.49
## 83 Mongolia 0.53 0.73 0.40
## 84 Morocco 0.26 0.71 0.41
## 85 Netherlands 0.85 0.95 0.62
## 86 Panama 0.73 0.76 0.52
## 87 Papua New Guinea 0.48 0.76 0.53
## 88 Qatar 0.09 0.31 0.04
## 89 Sierra Leone 0.50 0.73 0.59
## 90 Spain 0.84 0.90 0.65
## 91 Syria 0.15 0.15 0.14
## 92 Tunisia 0.47 0.56 0.55
## 93 Türkiye 0.29 0.25 0.42
## 94 Ukraine 0.42 0.50 0.58
## 95 United Kingdom 0.85 0.91 0.66
## 96 Uruguay 0.85 0.92 0.77
## 97 Algeria 0.27 0.29 0.23
## 98 Angola 0.35 0.36 0.18
## 99 Armenia 0.63 0.61 0.44
## 100 Azerbaijan 0.19 0.16 0.12
## 101 Belarus 0.16 0.08 0.16
## 102 Cameroon 0.30 0.29 0.25
## 103 Chad 0.15 0.13 0.34
## 104 China 0.07 0.13 0.12
## 105 Democratic Republic of the Congo 0.32 0.24 0.40
## 106 Republic of the Congo 0.25 0.31 0.55
## 107 Djibouti 0.25 0.30 0.40
## 108 Dominican Republic 0.69 0.58 0.60
## 109 Eritrea 0.07 0.03 0.03
## 110 Gabon 0.29 0.43 0.56
## 111 The Gambia 0.64 0.80 0.59
## 112 Georgia 0.60 0.76 0.54
## 113 Guinea-Bissau 0.42 0.43 0.35
## 114 Jamaica 0.80 0.85 0.59
## 115 Kazakhstan 0.28 0.35 0.30
## 116 Kyrgyzstan 0.36 0.43 0.39
## 117 Laos 0.13 0.31 0.39
## 118 Libya 0.19 0.30 0.45
## 119 Madagascar 0.47 0.40 0.50
## 120 Moldova 0.71 0.86 0.67
## 121 Namibia 0.65 0.79 0.49
## 122 Palestine/West Bank 0.25 0.36 0.42
## 123 Rwanda 0.21 0.25 0.42
## 124 Somalia 0.17 0.43 0.25
## 125 Sri Lanka 0.58 0.69 0.55
## 126 Eswatini 0.12 0.32 0.25
## 127 Tajikistan 0.17 0.09 0.16
## 128 Togo 0.42 0.41 0.48
## 129 Trinidad and Tobago 0.75 0.84 0.58
## 130 Turkmenistan 0.15 0.08 0.07
## 131 Palestine/Gaza 0.14 0.22 0.36
## 132 Somaliland 0.40 0.51 0.51
## 133 Uzbekistan 0.22 0.20 0.17
## 134 Austria 0.84 0.93 0.65
## 135 Bahrain 0.13 0.17 0.12
## 136 Barbados 0.80 0.85 0.30
## 137 Belgium 0.90 0.91 0.65
## 138 Bosnia and Herzegovina 0.51 0.62 0.53
## 139 Bulgaria 0.67 0.90 0.66
## 140 Comoros 0.28 0.23 0.53
## 141 Croatia 0.73 0.88 0.63
## 142 Cuba 0.18 0.15 0.24
## 143 Cyprus 0.77 0.82 0.57
## 144 Czechia 0.87 0.93 0.59
## 145 Denmark 0.92 0.98 0.72
## 146 Equatorial Guinea 0.18 0.14 0.11
## 147 Estonia 0.90 0.96 0.64
## 148 Fiji 0.50 0.78 0.43
## 149 Finland 0.86 0.97 0.64
## 150 Greece 0.75 0.75 0.64
## 151 Guyana 0.51 0.58 0.51
## 152 Hong Kong 0.15 0.40 0.13
## 153 Iceland 0.83 0.90 0.66
## 154 Israel 0.72 0.89 0.60
## 155 Kuwait 0.33 0.80 0.19
## 156 Lithuania 0.80 0.94 0.69
## 157 Luxembourg 0.88 0.91 0.58
## 158 North Macedonia 0.56 0.58 0.61
## 159 Malaysia 0.51 0.66 0.53
## 160 Malta 0.78 0.81 0.65
## 161 Mauritius 0.48 0.70 0.57
## 162 Montenegro 0.58 0.79 0.56
## 163 New Zealand 0.89 0.95 0.70
## 164 Norway 0.89 0.96 0.66
## 165 Oman 0.17 0.44 0.39
## 166 Paraguay 0.58 0.70 0.54
## 167 Romania 0.67 0.72 0.66
## 168 Sao Tome and Principe 0.68 0.84 0.56
## 169 Saudi Arabia 0.02 0.18 0.09
## 170 Serbia 0.36 0.58 0.55
## 171 Seychelles 0.74 0.89 0.29
## 172 Singapore 0.40 0.74 0.13
## 173 Slovakia 0.82 0.91 0.69
## 174 Slovenia 0.76 0.86 0.71
## 175 Solomon Islands 0.62 0.76 0.51
## 176 Vanuatu 0.80 0.87 0.56
## 177 United Arab Emirates 0.10 0.27 0.10
## 178 Hungary 0.44 0.67 0.57
## 179 Zanzibar 0.29 0.61 0.46
## v2xdl_delib v2x_egal
## 1 0.55 0.45
## 2 0.77 0.71
## 3 0.91 0.90
## 4 0.98 0.93
## 5 0.85 0.68
## 6 0.87 0.63
## 7 0.90 0.93
## 8 0.22 0.21
## 9 0.20 0.40
## 10 0.44 0.71
## 11 0.30 0.32
## 12 0.18 0.11
## 13 0.70 0.53
## 14 0.72 0.88
## 15 0.93 0.59
## 16 0.84 0.65
## 17 0.87 0.80
## 18 0.26 0.32
## 19 0.30 0.24
## 20 0.54 0.60
## 21 0.60 0.13
## 22 0.68 0.39
## 23 0.72 0.61
## 24 0.53 0.24
## 25 0.51 0.52
## 26 0.84 0.69
## 27 0.08 0.08
## 28 0.16 0.21
## 29 0.61 0.66
## 30 0.09 0.11
## 31 0.70 0.77
## 32 0.61 0.52
## 33 0.61 0.43
## 34 0.83 0.59
## 35 0.04 0.32
## 36 0.84 0.86
## 37 0.60 0.69
## 38 0.67 0.50
## 39 0.61 0.49
## 40 0.75 0.33
## 41 0.78 0.71
## 42 0.90 0.91
## 43 0.34 0.47
## 44 0.69 0.42
## 45 0.07 0.29
## 46 0.52 0.73
## 47 0.92 0.83
## 48 0.70 0.62
## 49 0.19 0.22
## 50 0.82 0.45
## 51 0.56 0.51
## 52 0.56 0.59
## 53 0.03 0.31
## 54 0.79 0.61
## 55 0.88 0.58
## 56 0.54 0.36
## 57 0.22 0.39
## 58 0.82 0.52
## 59 0.55 0.34
## 60 0.82 0.78
## 61 0.92 0.83
## 62 0.59 0.66
## 63 0.20 0.31
## 64 0.70 0.73
## 65 0.37 0.28
## 66 0.94 0.72
## 67 0.95 0.89
## 68 0.72 0.56
## 69 0.54 0.49
## 70 0.94 0.81
## 71 0.98 0.94
## 72 0.46 0.29
## 73 0.19 0.50
## 74 0.59 0.45
## 75 0.91 0.88
## 76 0.91 0.90
## 77 0.69 0.57
## 78 0.83 0.86
## 79 0.69 0.73
## 80 0.84 0.56
## 81 0.75 0.48
## 82 0.78 0.61
## 83 0.77 0.61
## 84 0.73 0.57
## 85 0.94 0.89
## 86 0.74 0.54
## 87 0.52 0.49
## 88 0.39 0.38
## 89 0.91 0.64
## 90 0.83 0.84
## 91 0.06 0.17
## 92 0.77 0.81
## 93 0.20 0.53
## 94 0.76 0.65
## 95 0.84 0.81
## 96 0.85 0.82
## 97 0.43 0.72
## 98 0.37 0.29
## 99 0.69 0.81
## 100 0.12 0.37
## 101 0.04 0.73
## 102 0.23 0.50
## 103 0.33 0.22
## 104 0.38 0.32
## 105 0.63 0.35
## 106 0.56 0.34
## 107 0.39 0.53
## 108 0.84 0.46
## 109 0.11 0.44
## 110 0.53 0.63
## 111 0.73 0.66
## 112 0.80 0.78
## 113 0.40 0.45
## 114 0.81 0.83
## 115 0.45 0.60
## 116 0.37 0.58
## 117 0.18 0.44
## 118 0.70 0.45
## 119 0.44 0.31
## 120 0.93 0.80
## 121 0.71 0.43
## 122 0.39 0.62
## 123 0.59 0.55
## 124 0.73 0.29
## 125 0.61 0.63
## 126 0.16 0.22
## 127 0.15 0.20
## 128 0.74 0.63
## 129 0.93 0.79
## 130 0.04 0.29
## 131 0.20 0.58
## 132 0.51 0.28
## 133 0.45 0.45
## 134 0.83 0.89
## 135 0.21 0.39
## 136 0.89 0.83
## 137 0.91 0.93
## 138 0.68 0.66
## 139 0.91 0.76
## 140 0.48 0.59
## 141 0.68 0.77
## 142 0.30 0.77
## 143 0.84 0.87
## 144 0.88 0.91
## 145 0.97 0.97
## 146 0.10 0.33
## 147 0.85 0.89
## 148 0.78 0.64
## 149 0.94 0.90
## 150 0.87 0.84
## 151 0.38 0.69
## 152 0.17 0.72
## 153 0.85 0.87
## 154 0.76 0.76
## 155 0.66 0.58
## 156 0.82 0.87
## 157 0.98 0.94
## 158 0.64 0.60
## 159 0.66 0.73
## 160 0.80 0.89
## 161 0.81 0.73
## 162 0.76 0.77
## 163 0.83 0.87
## 164 0.99 0.96
## 165 0.20 0.58
## 166 0.49 0.32
## 167 0.35 0.67
## 168 0.68 0.67
## 169 0.25 0.45
## 170 0.49 0.75
## 171 0.94 0.83
## 172 0.74 0.81
## 173 0.58 0.79
## 174 0.87 0.88
## 175 0.50 0.52
## 176 0.75 0.76
## 177 0.29 0.49
## 178 0.36 0.63
## 179 0.70 0.70total_na <- sum(is.na(sust))
print(paste("Total de valores NA:", total_na))## [1] "Total de valores NA: 0"#Se proponen la siguiente hipótesis: El componente participativo, (v2x_partip), el deliberativo (v2xdl_delib), el igualitario (v2x_egal) y elliberal (v2x_liberal) explican el índice de democracia electoral (v2x_polyarchy).
H1=formula(v2x_polyarchy ~ v2x_partip + v2xdl_delib + v2x_egal + v2x_liberal)
regre1=lm(H1,data = sust)
summary(regre1)##
## Call:
## lm(formula = H1, data = sust)
##
## Residuals:
## Min 1Q Median 3Q Max
## -0.27888 -0.06142 0.01883 0.06897 0.19187
##
## Coefficients:
## Estimate Std. Error t value Pr(>|t|)
## (Intercept) -0.09343 0.02400 -3.893 0.000141 ***
## v2x_partip 0.34928 0.06361 5.491 1.39e-07 ***
## v2xdl_delib -0.01623 0.05634 -0.288 0.773587
## v2x_egal 0.12920 0.05385 2.399 0.017474 *
## v2x_liberal 0.60183 0.06025 9.989 < 2e-16 ***
## ---
## Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
##
## Residual standard error: 0.09657 on 174 degrees of freedom
## Multiple R-squared: 0.8663, Adjusted R-squared: 0.8632
## F-statistic: 281.9 on 4 and 174 DF, p-value: < 2.2e-16#VIF
library(car)## Loading required package: carData# Calcular los VIF
vif(regre1)## v2x_partip v2xdl_delib v2x_egal v2x_liberal
## 2.559903 4.307858 2.646367 5.652958library(lm.beta)
modelo_estandarizado <- lm.beta(regre1)
summary(modelo_estandarizado)##
## Call:
## lm(formula = H1, data = sust)
##
## Residuals:
## Min 1Q Median 3Q Max
## -0.27888 -0.06142 0.01883 0.06897 0.19187
##
## Coefficients:
## Estimate Standardized Std. Error t value Pr(>|t|)
## (Intercept) -0.09343 NA 0.02400 -3.893 0.000141 ***
## v2x_partip 0.34928 0.24355 0.06361 5.491 1.39e-07 ***
## v2xdl_delib -0.01623 -0.01658 0.05634 -0.288 0.773587
## v2x_egal 0.12920 0.10820 0.05385 2.399 0.017474 *
## v2x_liberal 0.60183 0.65838 0.06025 9.989 < 2e-16 ***
## ---
## Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
##
## Residual standard error: 0.09657 on 174 degrees of freedom
## Multiple R-squared: 0.8663, Adjusted R-squared: 0.8632
## F-statistic: 281.9 on 4 and 174 DF, p-value: < 2.2e-16#LINEALIDAD
# linea roja debe tender a horizontal
plot(regre1, 1)
#HOMOCEDASTICIDAD
# linea roja debe tender a horizontal
plot(regre1, 3)
library(lmtest)## Loading required package: zoo##
## Attaching package: 'zoo'## The following objects are masked from 'package:base':
##
## as.Date, as.Date.numericlibrary(kableExtra)
# null: modelo homocedastico
resBP=bptest(regre1)
data.frame(list('BP'=resBP$statistic,
'df'=resBP$parameter,
"p-value"=resBP$p.value))%>%
kable(caption = resBP$method)%>%kable_styling(full_width = F)| BP | df | p.value | |
|---|---|---|---|
| BP | 6.27892 | 4 | 0.1792642 |
#NORMALIDAD DE RESIDUOS
# puntos cerca a la diagonal?
plot(regre1, 2)
#NULL: Datos se distribuyen de manera normal
resSW=shapiro.test(regre1$residuals)
data.frame(list('SW'=resSW$statistic,
"p-value"=resSW$p.value))%>%
kable(caption = resSW$method)%>%kable_styling(full_width = F)| SW | p.value | |
|---|---|---|
| W | 0.9622271 | 9.37e-05 |
#COX
library(rio)
sust2= import("cancer.xlsx - Sheet1.csv")
sust2## cod_institucion tiempo_dias estado edad sexo rendimiento puntuacion_medico
## 1 3 306 2 74 1 1 90
## 2 3 455 2 68 1 0 90
## 3 3 1010 1 56 1 0 90
## 4 5 210 2 57 1 1 90
## 5 1 883 2 60 1 0 100
## 6 12 1022 1 74 1 1 50
## 7 7 310 2 68 2 2 70
## 8 11 361 2 71 2 2 60
## 9 1 218 2 53 1 1 70
## 10 7 166 2 61 1 2 70
## 11 6 170 2 57 1 1 80
## 12 16 654 2 68 2 2 70
## 13 11 728 2 68 2 1 90
## 14 21 71 2 60 1 NA 60
## 15 12 567 2 57 1 1 80
## 16 1 144 2 67 1 1 80
## 17 22 613 2 70 1 1 90
## 18 16 707 2 63 1 2 50
## 19 1 61 2 56 2 2 60
## 20 21 88 2 57 1 1 90
## 21 11 301 2 67 1 1 80
## 22 6 81 2 49 2 0 100
## 23 11 624 2 50 1 1 70
## 24 15 371 2 58 1 0 90
## 25 12 394 2 72 1 0 90
## 26 12 520 2 70 2 1 90
## 27 4 574 2 60 1 0 100
## 28 13 118 2 70 1 3 60
## 29 13 390 2 53 1 1 80
## 30 1 12 2 74 1 2 70
## 31 12 473 2 69 2 1 90
## 32 1 26 2 73 1 2 60
## 33 7 533 2 48 1 2 60
## 34 16 107 2 60 2 2 50
## 35 12 53 2 61 1 2 70
## 36 1 122 2 62 2 2 50
## 37 22 814 2 65 1 2 70
## 38 15 965 1 66 2 1 70
## 39 1 93 2 74 1 2 50
## 40 1 731 2 64 2 1 80
## 41 5 460 2 70 1 1 80
## 42 11 153 2 73 2 2 60
## 43 10 433 2 59 2 0 90
## 44 12 145 2 60 2 2 70
## 45 7 583 2 68 1 1 60
## 46 7 95 2 76 2 2 60
## 47 1 303 2 74 1 0 90
## 48 3 519 2 63 1 1 80
## 49 13 643 2 74 1 0 90
## 50 22 765 2 50 2 1 90
## 51 3 735 2 72 2 1 90
## 52 12 189 2 63 1 0 80
## 53 21 53 2 68 1 0 90
## 54 1 246 2 58 1 0 100
## 55 6 689 2 59 1 1 90
## 56 1 65 2 62 1 0 90
## 57 5 5 2 65 2 0 100
## 58 22 132 2 57 1 2 70
## 59 3 687 2 58 2 1 80
## 60 1 345 2 64 2 1 90
## 61 22 444 2 75 2 2 70
## 62 12 223 2 48 1 1 90
## 63 21 175 2 73 1 1 80
## 64 11 60 2 65 2 1 90
## 65 3 163 2 69 1 1 80
## 66 3 65 2 68 1 2 70
## 67 16 208 2 67 2 2 70
## 68 5 821 1 64 2 0 90
## 69 22 428 2 68 1 0 100
## 70 6 230 2 67 1 1 80
## 71 13 840 1 63 1 0 90
## 72 3 305 2 48 2 1 80
## 73 5 11 2 74 1 2 70
## 74 2 132 2 40 1 1 80
## 75 21 226 2 53 2 1 90
## 76 12 426 2 71 2 1 90
## 77 1 705 2 51 2 0 100
## 78 6 363 2 56 2 1 80
## 79 3 11 2 81 1 0 90
## 80 1 176 2 73 1 0 90
## 81 4 791 2 59 1 0 100
## 82 13 95 2 55 1 1 70
## 83 11 196 1 42 1 1 80
## 84 21 167 2 44 2 1 80
## 85 16 806 1 44 1 1 80
## 86 6 284 2 71 1 1 80
## 87 22 641 2 62 2 1 80
## 88 21 147 2 61 1 0 100
## 89 13 740 1 44 2 1 90
## 90 1 163 2 72 1 2 70
## 91 11 655 2 63 1 0 100
## 92 22 239 2 70 1 1 80
## 93 5 88 2 66 1 1 90
## 94 10 245 2 57 2 1 80
## 95 1 588 1 69 2 0 100
## 96 12 30 2 72 1 2 80
## 97 3 179 2 69 1 1 80
## 98 12 310 2 71 1 1 90
## 99 11 477 2 64 1 1 90
## 100 3 166 2 70 2 0 90
## 101 1 559 1 58 2 0 100
## 102 6 450 2 69 2 1 80
## 103 13 364 2 56 1 1 70
## 104 6 107 2 63 1 1 90
## 105 13 177 2 59 1 2 50
## 106 12 156 2 66 1 1 80
## 107 26 529 1 54 2 1 80
## 108 1 11 2 67 1 1 90
## 109 21 429 2 55 1 1 100
## 110 3 351 2 75 2 2 60
## 111 13 15 2 69 1 0 90
## 112 1 181 2 44 1 1 80
## 113 10 283 2 80 1 1 80
## 114 3 201 2 75 2 0 90
## 115 6 524 2 54 2 1 80
## 116 1 13 2 76 1 2 70
## 117 3 212 2 49 1 2 70
## 118 1 524 2 68 1 2 60
## 119 16 288 2 66 1 2 70
## 120 15 363 2 80 1 1 80
## 121 22 442 2 75 1 0 90
## 122 26 199 2 60 2 2 70
## 123 3 550 2 69 2 1 70
## 124 11 54 2 72 1 2 60
## 125 1 558 2 70 1 0 90
## 126 22 207 2 66 1 1 80
## 127 7 92 2 50 1 1 80
## 128 12 60 2 64 1 1 80
## 129 16 551 1 77 2 2 80
## 130 12 543 1 48 2 0 90
## 131 4 293 2 59 2 1 80
## 132 16 202 2 53 1 1 80
## 133 6 353 2 47 1 0 100
## 134 13 511 1 55 2 1 80
## 135 1 267 2 67 1 0 90
## 136 22 511 1 74 2 2 60
## 137 12 371 2 58 2 1 80
## 138 13 387 2 56 1 2 80
## 139 1 457 2 54 1 1 90
## 140 5 337 2 56 1 0 100
## 141 21 201 2 73 2 2 70
## 142 3 404 1 74 1 1 80
## 143 26 222 2 76 1 2 70
## 144 1 62 2 65 2 1 80
## 145 11 458 1 57 1 1 80
## 146 26 356 1 53 2 1 90
## 147 16 353 2 71 1 0 100
## 148 16 163 2 54 1 1 90
## 149 12 31 2 82 1 0 100
## 150 13 340 2 59 2 0 100
## 151 13 229 2 70 1 1 70
## 152 22 444 1 60 1 0 90
## 153 5 315 1 62 2 0 90
## 154 16 182 2 53 2 1 80
## 155 32 156 2 55 1 2 70
## 156 NA 329 2 69 1 2 70
## 157 26 364 1 68 2 1 90
## 158 4 291 2 62 1 2 70
## 159 12 179 2 63 1 1 80
## 160 1 376 1 56 2 1 80
## 161 32 384 1 62 2 0 90
## 162 10 268 2 44 2 1 90
## 163 11 292 1 69 1 2 60
## 164 6 142 2 63 1 1 90
## 165 7 413 1 64 1 1 80
## 166 16 266 1 57 2 0 90
## 167 11 194 2 60 2 1 80
## 168 21 320 2 46 1 0 100
## 169 6 181 2 61 1 1 90
## 170 12 285 2 65 1 0 100
## 171 13 301 1 61 1 1 90
## 172 2 348 2 58 2 0 90
## 173 2 197 2 56 1 1 90
## 174 16 382 1 43 2 0 100
## 175 1 303 1 53 1 1 90
## 176 13 296 1 59 2 1 80
## 177 1 180 2 56 1 2 60
## 178 13 186 2 55 2 1 80
## 179 1 145 2 53 2 1 80
## 180 7 269 1 74 2 0 100
## 181 13 300 1 60 1 0 100
## 182 1 284 1 39 1 0 100
## 183 16 350 2 66 2 0 90
## 184 32 272 1 65 2 1 80
## 185 12 292 1 51 2 0 90
## 186 12 332 1 45 2 0 90
## 187 2 285 2 72 2 2 70
## 188 3 259 1 58 1 0 90
## 189 15 110 2 64 1 1 80
## 190 22 286 2 53 1 0 90
## 191 16 270 2 72 1 1 80
## 192 16 81 2 52 1 2 60
## 193 12 131 2 50 1 1 90
## 194 1 225 1 64 1 1 90
## 195 22 269 2 71 1 1 90
## 196 12 225 1 70 1 0 100
## 197 32 243 1 63 2 1 80
## 198 21 279 1 64 1 1 90
## 199 1 276 1 52 2 0 100
## 200 32 135 2 60 1 1 90
## 201 15 79 2 64 2 1 90
## 202 22 59 2 73 1 1 60
## 203 32 240 1 63 2 0 90
## 204 3 202 1 50 2 0 100
## 205 26 235 1 63 2 0 100
## 206 33 105 2 62 1 2 NA
## 207 5 224 1 55 2 0 80
## 208 13 239 2 50 2 2 60
## 209 21 237 1 69 1 1 80
## 210 33 173 1 59 2 1 90
## 211 1 252 1 60 2 0 100
## 212 6 221 1 67 1 1 80
## 213 15 185 1 69 1 1 90
## 214 11 92 1 64 2 2 70
## 215 11 13 2 65 1 1 80
## 216 11 222 1 65 1 1 90
## 217 13 192 1 41 2 1 90
## 218 21 183 2 76 1 2 80
## 219 11 211 1 70 2 2 70
## 220 2 175 1 57 2 0 80
## 221 22 197 1 67 1 1 80
## 222 11 203 1 71 2 1 80
## 223 1 116 2 76 1 1 80
## 224 1 188 1 77 1 1 80
## 225 13 191 1 39 1 0 90
## 226 32 105 1 75 2 2 60
## 227 6 174 1 66 1 1 90
## 228 22 177 1 58 2 1 80
## puntuacion_paciente calorias perdida_peso
## 1 100 1175 NA
## 2 90 1225 15
## 3 90 NA 15
## 4 60 1150 11
## 5 90 NA 0
## 6 80 513 0
## 7 60 384 10
## 8 80 538 1
## 9 80 825 16
## 10 70 271 34
## 11 80 1025 27
## 12 70 NA 23
## 13 90 NA 5
## 14 70 1225 32
## 15 70 2600 60
## 16 90 NA 15
## 17 100 1150 -5
## 18 70 1025 22
## 19 60 238 10
## 20 80 1175 NA
## 21 80 1025 17
## 22 70 1175 -8
## 23 80 NA 16
## 24 100 975 13
## 25 80 NA 0
## 26 80 825 6
## 27 100 1025 -13
## 28 70 1075 20
## 29 70 875 -7
## 30 50 305 20
## 31 90 1025 -1
## 32 70 388 20
## 33 80 NA -11
## 34 60 925 -15
## 35 100 1075 10
## 36 50 1025 NA
## 37 60 513 28
## 38 90 875 4
## 39 40 1225 24
## 40 100 1175 15
## 41 60 975 10
## 42 70 1075 11
## 43 90 363 27
## 44 60 NA NA
## 45 70 1025 7
## 46 60 625 -24
## 47 70 463 30
## 48 70 1025 10
## 49 90 1425 2
## 50 100 1175 4
## 51 90 NA 9
## 52 70 NA 0
## 53 100 1025 0
## 54 90 1175 7
## 55 80 1300 15
## 56 80 725 NA
## 57 80 338 5
## 58 60 NA 18
## 59 80 1225 10
## 60 80 1075 -3
## 61 70 438 8
## 62 80 1300 68
## 63 100 1025 NA
## 64 80 1025 0
## 65 60 1125 0
## 66 50 825 8
## 67 NA 538 2
## 68 70 1025 3
## 69 80 1039 0
## 70 100 488 23
## 71 90 1175 -1
## 72 90 538 29
## 73 100 1175 0
## 74 80 NA 3
## 75 80 825 3
## 76 90 1075 19
## 77 80 1300 0
## 78 70 1225 -2
## 79 NA 731 15
## 80 70 169 30
## 81 80 768 5
## 82 90 1500 15
## 83 80 1425 8
## 84 90 588 -1
## 85 80 1025 1
## 86 90 1100 14
## 87 80 1150 1
## 88 90 1175 4
## 89 80 588 39
## 90 70 910 2
## 91 90 975 -1
## 92 100 NA 23
## 93 80 875 8
## 94 60 280 14
## 95 90 NA 13
## 96 60 288 7
## 97 80 NA 25
## 98 100 NA 0
## 99 100 910 0
## 100 70 NA 10
## 101 100 710 15
## 102 90 1175 3
## 103 80 NA 4
## 104 70 NA 0
## 105 NA NA 32
## 106 90 875 14
## 107 100 975 -3
## 108 90 925 NA
## 109 80 975 5
## 110 50 925 11
## 111 70 575 10
## 112 90 1175 5
## 113 100 1030 6
## 114 100 NA 1
## 115 100 NA 15
## 116 70 413 20
## 117 60 675 20
## 118 70 1300 30
## 119 60 613 24
## 120 90 346 11
## 121 90 NA 0
## 122 80 675 10
## 123 80 910 0
## 124 60 768 -3
## 125 90 1025 17
## 126 80 925 20
## 127 60 1075 13
## 128 90 993 0
## 129 60 750 28
## 130 60 NA 4
## 131 80 925 52
## 132 80 NA 20
## 133 90 1225 5
## 134 70 NA 49
## 135 70 313 6
## 136 40 96 37
## 137 70 NA 0
## 138 60 1075 NA
## 139 90 975 -5
## 140 100 1500 15
## 141 60 1225 -16
## 142 70 413 38
## 143 70 1500 8
## 144 90 1075 0
## 145 100 513 30
## 146 90 NA 2
## 147 80 775 2
## 148 80 1225 13
## 149 90 413 27
## 150 90 NA 0
## 151 60 1175 -2
## 152 100 NA 7
## 153 90 NA 0
## 154 60 NA 4
## 155 30 1025 10
## 156 80 713 20
## 157 90 NA 7
## 158 60 475 27
## 159 70 538 -2
## 160 90 825 17
## 161 90 588 8
## 162 100 2450 2
## 163 70 2450 36
## 164 80 875 2
## 165 70 413 16
## 166 90 1075 3
## 167 60 NA 33
## 168 100 860 4
## 169 90 730 0
## 170 90 1025 0
## 171 100 825 2
## 172 80 1225 10
## 173 60 768 37
## 174 90 338 6
## 175 80 1225 12
## 176 100 1025 0
## 177 80 1225 -2
## 178 70 NA NA
## 179 90 588 13
## 180 100 588 0
## 181 100 975 5
## 182 90 1225 -5
## 183 100 1025 NA
## 184 90 NA -1
## 185 80 1225 0
## 186 100 975 5
## 187 90 463 20
## 188 80 1300 8
## 189 60 1025 12
## 190 90 1225 8
## 191 90 488 14
## 192 70 1075 NA
## 193 80 513 NA
## 194 80 825 33
## 195 90 1300 -2
## 196 100 1175 6
## 197 90 825 0
## 198 90 NA 4
## 199 80 975 0
## 200 70 1275 0
## 201 90 488 37
## 202 60 2200 5
## 203 100 1025 0
## 204 100 635 1
## 205 90 413 0
## 206 70 NA NA
## 207 90 NA 23
## 208 60 1025 -3
## 209 70 NA NA
## 210 80 NA 10
## 211 90 488 -2
## 212 70 413 23
## 213 70 1075 0
## 214 100 NA 31
## 215 90 NA 10
## 216 70 1025 18
## 217 80 NA -10
## 218 60 825 7
## 219 30 131 3
## 220 80 725 11
## 221 90 1500 2
## 222 90 1025 0
## 223 80 NA 0
## 224 60 NA 3
## 225 90 2350 -5
## 226 70 1025 5
## 227 100 1075 1
## 228 90 1060 0#H1: El sexo influye en la probabilidad de sobrevivir. #H2: Además del sexo, ser más joven y perder menos peso durante el tratamiento aumenta las probabilidades de sobrevivir.
library(survival)
# note que necesito el factor como numérico
sust2$survival=with(sust2,Surv(time = tiempo_dias,event = as.numeric(estado)))
# que es:
library(magrittr) # needed for pipe %>%
sust2%>%
rmarkdown::paged_table()COX_H1 = formula(survival ~ sexo)
COX_H2 = formula(survival ~ sexo + edad + perdida_peso )library(survival)
#regression
rcox1 <- coxph(COX_H1,data=sust2)
modelcox=list('Riesgo - morir'=rcox1,'Riesgo- morir (exponenciado)'=rcox1)
#f <- function(x) format(x, digits = 4, scientific = FALSE)
library(modelsummary)## `modelsummary` 2.0.0 now uses `tinytable` as its default table-drawing
## backend. Learn more at: https://vincentarelbundock.github.io/tinytable/
##
## Revert to `kableExtra` for one session:
##
## options(modelsummary_factory_default = 'kableExtra')
##
## Change the default backend persistently:
##
## config_modelsummary(factory_default = 'gt')
##
## Silence this message forever:
##
## config_modelsummary(startup_message = FALSE)modelsummary(modelcox,
#fmt=f,
exponentiate = c(F,T),
statistic = 'conf.int',
title = "Regresión Cox",
stars = TRUE,
output = "kableExtra")| Riesgo - morir | Riesgo- morir (exponenciado) | |
|---|---|---|
| sexo | -0.531** | 0.588** |
| [-0.859, -0.203] | [0.424, 0.816] | |
| Num.Obs. | 228 | 228 |
| AIC | 1491.2 | 1491.2 |
| BIC | 1494.6 | 1494.6 |
| RMSE | 0.86 | 0.86 |
| + p < 0.1, * p < 0.05, ** p < 0.01, *** p < 0.001 |
library(survival)
#regression
rcox1 <- coxph(COX_H2,data=sust2)
modelcox=list('Riesgo - morir'=rcox1,'Riesgo- morir (exponenciado)'=rcox1)
#f <- function(x) format(x, digits = 4, scientific = FALSE)
library(modelsummary)
modelsummary(modelcox,
#fmt=f,
exponentiate = c(F,T),
statistic = 'conf.int',
title = "Regresión Cox",
stars = TRUE,
output = "kableExtra")| Riesgo - morir | Riesgo- morir (exponenciado) | |
|---|---|---|
| sexo | -0.521** | 0.594** |
| [-0.863, -0.179] | [0.422, 0.836] | |
| edad | 0.020* | 1.020* |
| [0.001, 0.039] | [1.001, 1.040] | |
| perdida_peso | 0.001 | 1.001 |
| [-0.011, 0.013] | [0.989, 1.013] | |
| Num.Obs. | 214 | 214 |
| AIC | 1352.1 | 1352.1 |
| BIC | 1362.2 | 1362.2 |
| RMSE | 0.85 | 0.85 |
| + p < 0.1, * p < 0.05, ** p < 0.01, *** p < 0.001 |