Modelo lineal
Leslye Ds
2024-10-26
#1 Cargar los paquetes necesarios
#2 Leer base de datos
#3 Construcción de variables
# Nota, la predicción que vamos a hacer es de ventas en valores corrientes
df_reg <- df %>% #llamar la base de datos
filter(State=="New York") %>%
select(Order.Date, Sales) %>%
mutate(Order.Date = mdy(Order.Date)) %>%
mutate(Fecha = floor_date(Order.Date, unit="month")) %>%
group_by(Fecha) %>%
summarise(Ventas = sum(Sales)) %>%
mutate(Mes = seq_along(Fecha)) # Crear variable x
head (df_reg)## # A tibble: 6 × 3
## Fecha Ventas Mes
## <date> <dbl> <int>
## 1 2014-01-01 3.93 1
## 2 2014-02-01 65.0 2
## 3 2014-03-01 4936. 3
## 4 2014-04-01 491. 4
## 5 2014-05-01 1169. 5
## 6 2014-06-01 5743. 6#4 Visualización
df_reg %>%
ggplot(., aes(x=Mes, y=Ventas)) +
geom_point() +
geom_line() +
geom_smooth(method = "lm", formula = "y ~ x" )
#Gráficas de caja y bigotes
# Esta gáfica sirve para encontrar valores atípicos
df_reg %>%
ggplot(., aes(x=Ventas)) +
geom_boxplot()
#6 Revisar si la variable y tienes una dsitribución aprox normal
df_reg %>%
ggplot(., aes(x=Ventas)) +
geom_histogram(bins=30, aes(y=after_stat(density))) +
geom_density()
#7 Análisis de correlación
# Calculamos coeficiente de correlación de Pearson, con Mes como x
with(df_reg, cor.test(Mes, Ventas))##
## Pearson's product-moment correlation
##
## data: Mes and Ventas
## t = 1.9685, df = 46, p-value = 0.05505
## alternative hypothesis: true correlation is not equal to 0
## 95 percent confidence interval:
## -0.005857389 0.521567723
## sample estimates:
## cor
## 0.2787412#La correlación va de -1 a 1
#Valores extremos inidcan correlación más fuerte
#Puede ser positiva (suben o bajan juntas), o negativa (si una sube la otra baja)#8 Modelo de regresión
modelo_lineal <- lm(Ventas ~ Mes, data = df_reg)
stargazer(modelo_lineal, type = "text")##
## ===============================================
## Dependent variable:
## ---------------------------
## Ventas
## -----------------------------------------------
## Mes 123.003*
## (62.485)
##
## Constant 3,463.011*
## (1,758.658)
##
## -----------------------------------------------
## Observations 48
## R2 0.078
## Adjusted R2 0.058
## Residual Std. Error 5,997.222 (df = 46)
## F Statistic 3.875* (df = 1; 46)
## ===============================================
## Note: *p<0.1; **p<0.05; ***p<0.01#9 Obtener los coeficientes del modelo
coeficientes <- coef(modelo_lineal)
intercepto <- coeficientes["(Intercept)"]
pendiente <- coeficientes["Mes"]
coeficientes## (Intercept) Mes
## 3463.0108 123.003210 Datos predicción
#Extender la serie temporal para 6 meses
df_futuro <- data.frame(Fecha = seq.Date(from = max(df_reg$Fecha) + month(1),
by = "month",
length.out = 6),
Mes = seq(49, 54, 1))
#Generar predicciones
predicciones <- predict(modelo_lineal, newdata = df_futuro, interval = "confidence")
#Convertir las predicciones a un DataFrame
df_predicciones <- as.data.frame(predicciones)
colnames(df_predicciones) <- c("Ventas", "Bajo", "Alto") #Nombrar las columnas
#Unir las predicciones y los intervalos de confianza al Dataframe futuro
df_futuro <- cbind(df_futuro, df_predicciones)
df_futuro## Fecha Mes Ventas Bajo Alto
## 1 2017-12-02 49 9490.167 5950.172 13030.16
## 2 2018-01-02 50 9613.170 5963.166 13263.18
## 3 2018-02-02 51 9736.174 5975.171 13497.18
## 4 2018-03-02 52 9859.177 5986.273 13732.08
## 5 2018-04-02 53 9982.180 5996.547 13967.81
## 6 2018-05-02 54 10105.183 6006.062 14204.30#11 Combinar data frames
#Combinar datos actuales con las predicciones futuras
df_total <- bind_rows(df_reg, df_futuro)
#Mostrar las ultimas filas con las predicciones y los intervalos
tail(df_total, 6)## # A tibble: 6 × 5
## Fecha Ventas Mes Bajo Alto
## <date> <dbl> <dbl> <dbl> <dbl>
## 1 2017-12-02 9490. 49 5950. 13030.
## 2 2018-01-02 9613. 50 5963. 13263.
## 3 2018-02-02 9736. 51 5975. 13497.
## 4 2018-03-02 9859. 52 5986. 13732.
## 5 2018-04-02 9982. 53 5997. 13968.
## 6 2018-05-02 10105. 54 6006. 14204.#12 Grafica con predicción
# Graficar los valores pasados y predicciones con intervalos de confianza
ggplot(df_total, aes(x = Fecha, y = Ventas)) +
geom_point(data = df_reg) + # Valores históricos
geom_line(data = df_reg) + # Linea de valores históricos
geom_smooth(method = "lm", formula = y ~ x, color = "blue", data = df_reg) +
geom_ribbon(data = df_futuro, aes(ymin = Bajo, ymax =Alto), fill = "lightblue") +
geom_point(data = df_futuro, aes(y = Ventas), color = "red") + #Valores predichos
geom_line(data = df_futuro, aes(y = Ventas), color = "red", linetype = "dashed") +
labs(tittle = "Predicción de ventas enero-junio 2018",
x="Mes",
y="Ventas")