library(knitr)
library(lmtest)

1 Introducción

El presente trabajo tiene como objetivo analizar la relación entre el consumo de combustible y algunas características de los automóviles mediante un modelo de regresión lineal múltiple.

Para desarrollar este análisis se utilizará la base de datos mtcars, incluida en R, que contiene información de 32 automóviles. Se estudiará el rendimiento de combustible en función del peso, la potencia y la cilindrada de los vehículos.

Durante el desarrollo del trabajo se realizará un análisis exploratorio de los datos, se estimará el modelo de regresión lineal múltiple y se evaluará su capacidad explicativa. Asimismo, se verificarán los principales supuestos del modelo y se calcularán intervalos de confianza, coeficientes de correlación y determinación y el análisis de varianza (ANOVA).

2 Descripción de la base de datos

Para el desarrollo del presente análisis se utilizó la base de datos mtcars, incluida en el programa R. Esta contiene información de 32 automóviles y diferentes características relacionadas con su funcionamiento y rendimiento.

Para realizar el modelo de regresión lineal múltiple se seleccionaron cuatro variables cuantitativas:

La variable dependiente será mpg, mientras que las variables independientes serán wt, hp y disp.

El propósito es analizar cómo estas características se relacionan con el rendimiento de combustible de los automóviles.

datos <- mtcars

datos_modelo <- datos[, c("mpg", "wt", "hp", "disp")]

head(datos_modelo)
##                    mpg    wt  hp disp
## Mazda RX4         21.0 2.620 110  160
## Mazda RX4 Wag     21.0 2.875 110  160
## Datsun 710        22.8 2.320  93  108
## Hornet 4 Drive    21.4 3.215 110  258
## Hornet Sportabout 18.7 3.440 175  360
## Valiant           18.1 3.460 105  225

3 Análisis estadístico descriptivo

En esta sección se presentan las principales medidas estadísticas de las variables seleccionadas. Se analizarán la media, mediana, desviación estándar, mínimo y máximo, con el propósito de conocer el comportamiento general de los datos.

estadisticas <- data.frame(
  Media = sapply(datos_modelo, mean),
  Mediana = sapply(datos_modelo, median),
  Desviacion = sapply(datos_modelo, sd),
  Minimo = sapply(datos_modelo, min),
  Maximo = sapply(datos_modelo, max)
)

kable(estadisticas, digits = 2,
      caption = "Estadísticas descriptivas de las variables")
Estadísticas descriptivas de las variables
Media Mediana Desviacion Minimo Maximo
mpg 20.09 19.20 6.03 10.40 33.90
wt 3.22 3.33 0.98 1.51 5.42
hp 146.69 123.00 68.56 52.00 335.00
disp 230.72 196.30 123.94 71.10 472.00

4 Modelo de regresión lineal múltiple

Se estimó un modelo de regresión lineal múltiple con el propósito de analizar la relación entre el rendimiento de combustible de los automóviles y tres variables explicativas: peso, potencia y cilindrada.

La variable dependiente es el rendimiento de combustible (mpg), mientras que las variables independientes son el peso (wt), la potencia (hp) y la cilindrada (disp).

modelo <- lm(mpg ~ wt + hp + disp, data = datos_modelo)

summary(modelo)
## 
## Call:
## lm(formula = mpg ~ wt + hp + disp, data = datos_modelo)
## 
## Residuals:
##    Min     1Q Median     3Q    Max 
## -3.891 -1.640 -0.172  1.061  5.861 
## 
## Coefficients:
##              Estimate Std. Error t value Pr(>|t|)    
## (Intercept) 37.105505   2.110815  17.579  < 2e-16 ***
## wt          -3.800891   1.066191  -3.565  0.00133 ** 
## hp          -0.031157   0.011436  -2.724  0.01097 *  
## disp        -0.000937   0.010350  -0.091  0.92851    
## ---
## Signif. codes:  0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
## 
## Residual standard error: 2.639 on 28 degrees of freedom
## Multiple R-squared:  0.8268, Adjusted R-squared:  0.8083 
## F-statistic: 44.57 on 3 and 28 DF,  p-value: 8.65e-11

5 Interpretación de los resultados

El modelo de regresión lineal múltiple permite analizar cómo se relacionan el peso, la potencia y la cilindrada de los automóviles con su rendimiento de combustible.

El coeficiente de determinación (R²) obtenido fue de 0.8268, lo que indica que el modelo explica aproximadamente el 82.68 % de la variabilidad del rendimiento de combustible.

El R² ajustado fue de 0.8083, lo que representa la capacidad explicativa del modelo considerando el número de variables independientes.

Además, el modelo presentó un valor p global de 8.65e-11, inferior al nivel de significancia de 0.05, por lo que se considera estadísticamente significativo.

6 Intervalos de confianza

Los intervalos de confianza permiten establecer un rango de valores dentro del cual se espera que se encuentren los verdaderos coeficientes del modelo, con un nivel de confianza del 95 %.

Estos intervalos permiten evaluar la significancia estadística de cada variable independiente.

intervalos <- confint(modelo, level = 0.95)

kable(intervalos, digits = 4,
      caption = "Intervalos de confianza del 95 % para los coeficientes")
Intervalos de confianza del 95 % para los coeficientes
2.5 % 97.5 %
(Intercept) 32.7817 41.4293
wt -5.9849 -1.6169
hp -0.0546 -0.0077
disp -0.0221 0.0203

7 Validación de los supuestos del modelo

Para comprobar la validez del modelo de regresión lineal múltiple, se analizarán gráficamente los principales supuestos estadísticos. Se evaluarán la linealidad, la normalidad de los residuos, la homocedasticidad y la presencia de observaciones influyentes.

par(mfrow = c(2, 2))
plot(modelo)

par(mfrow = c(1, 1))

8 Análisis de correlación

El análisis de correlación permite identificar la intensidad y la dirección de la relación lineal entre las variables del estudio. Para este procedimiento se utilizará el coeficiente de correlación de Pearson, cuyos valores se encuentran entre -1 y 1.

Los valores positivos indican una relación directa, mientras que los negativos representan una relación inversa. Los valores cercanos a cero indican una relación lineal débil.

correlaciones <- cor(datos_modelo)

kable(correlaciones, digits = 3,
      caption = "Matriz de correlación de Pearson")
Matriz de correlación de Pearson
mpg wt hp disp
mpg 1.000 -0.868 -0.776 -0.848
wt -0.868 1.000 0.659 0.888
hp -0.776 0.659 1.000 0.791
disp -0.848 0.888 0.791 1.000

9 Análisis de varianza (ANOVA)

El análisis de varianza (ANOVA) permite evaluar si el modelo de regresión lineal múltiple es estadísticamente significativo en conjunto. Mediante este procedimiento se analiza la variabilidad explicada por el modelo y la variabilidad que no logra explicar.

Se utilizará un nivel de significancia del 5 % para evaluar los resultados obtenidos.

anova_modelo <- anova(modelo)

kable(anova_modelo, digits = 4,
      caption = "Tabla ANOVA del modelo de regresión")
Tabla ANOVA del modelo de regresión
Df Sum Sq Mean Sq F value Pr(>F)
wt 1 847.7252 847.7252 121.7305 0.0000
hp 1 83.2742 83.2742 11.9579 0.0018
disp 1 0.0571 0.0571 0.0082 0.9285
Residuals 28 194.9907 6.9640 NA NA

10 Intervalos de confianza para las predicciones

En esta sección se calcularán dos tipos de intervalos para el rendimiento de combustible: el intervalo de confianza para la respuesta media y el intervalo de predicción para una observación individual. Ambos se calcularán con un nivel de confianza del 95 %.

Se utilizarán las características del primer automóvil de la base de datos como referencia para realizar las predicciones.

nuevo_auto <- datos_modelo[1, c("wt", "hp", "disp"), drop = FALSE]

pred_media <- predict(modelo, newdata = nuevo_auto,
                      interval = "confidence", level = 0.95)

pred_individual <- predict(modelo, newdata = nuevo_auto,
                           interval = "prediction", level = 0.95)

kable(as.data.frame(pred_media), digits = 3,
      caption = "Intervalo de confianza del 95 % para la respuesta media")
Intervalo de confianza del 95 % para la respuesta media
fit lwr upr
Mazda RX4 23.57 22.431 24.709
kable(as.data.frame(pred_individual), digits = 3,
      caption = "Intervalo de predicción del 95 % para una observación individual")
Intervalo de predicción del 95 % para una observación individual
fit lwr upr
Mazda RX4 23.57 18.046 29.094

11 Pruebas estadísticas de los supuestos

Además del análisis gráfico, se realizarán pruebas estadísticas para evaluar algunos de los principales supuestos del modelo de regresión lineal múltiple.

11.1 Prueba de normalidad

Se utilizará la prueba de Shapiro-Wilk para evaluar si los residuos del modelo siguen una distribución normal. Se considerará un nivel de significancia del 5 %.

shapiro.test(residuals(modelo))
## 
##  Shapiro-Wilk normality test
## 
## data:  residuals(modelo)
## W = 0.92734, p-value = 0.03305

11.2 Prueba de homocedasticidad

Se utilizará la prueba de Breusch-Pagan para evaluar si la varianza de los residuos es constante.

bptest(modelo)
## 
##  studentized Breusch-Pagan test
## 
## data:  modelo
## BP = 0.9459, df = 3, p-value = 0.8143

12 Conclusiones

El análisis realizado permitió estudiar la relación entre el rendimiento de combustible de los automóviles y sus características, teniendo en cuenta el peso, la potencia y la cilindrada del motor.

Los resultados del modelo de regresión lineal múltiple muestran que las variables seleccionadas permiten explicar una parte importante de la variabilidad del rendimiento de combustible. El coeficiente de determinación obtenido fue de 0.8268, lo que indica que el modelo explica aproximadamente el 82.68 % de dicha variabilidad.

Asimismo, se identificó que el peso y la potencia presentan una relación estadísticamente significativa con el rendimiento de combustible, mientras que la cilindrada no mostró significancia individual al considerar las demás variables del modelo.

Finalmente, la evaluación gráfica y las pruebas estadísticas permiten revisar el cumplimiento de los supuestos del modelo. Sin embargo, es importante tener en cuenta que el estudio se realizó con una base de datos de 32 automóviles, por lo que sus resultados deben interpretarse con precaución y no generalizarse a todos los vehículos.