Reporte con R markdown - Ejemplo Regresión Múltiple

Con la siguiente información, explique las actitudes hacia la ciudad de residencia (ciudad de La Paz-Bolivia) de una muestra de 12 personas extranjeras que se encuentran en Bolivia, en términos del tiempo de residencia, y la importancia dada al clima.

y x1 x2
6 10 3
9 12 11
8 12 4
3 4 1
10 12 11
4 6 1
5 8 7
2 2 4
11 18 8
9 9 10
10 17 8
2 2 5 
Fuente de datos: Naresh Malhotra, Investigacion de mercados

a) Realice un modelo de regresion multiple

\[y=\beta_0+\beta_1x_1+\beta_2x_2+\epsilon\]

a.1) Importe los datos y muestre los mismos
#Datos 
library(readxl)#libreria para cargar datos
datos1 <- read_excel("datos1.xlsx")#cargando datos
head(datos1)#visualizacion de datos
## # A tibble: 6 x 3
##       y    x1    x2
##   <dbl> <dbl> <dbl>
## 1     6    10     3
## 2     9    12    11
## 3     8    12     4
## 4     3     4     1
## 5    10    12    11
## 6     4     6     1
a.2) Realice un gráfico de dispersión para ver las correlaciones
#Grafico
pairs(datos1)#grafico de correlaciones

a.3) Estime el modelo
#Modelo
attach(datos1)#separando datos por variables (columnas)
m1=lm(y~x1+x2)#modelo1 (modelo de regresion)
summary(m1)#Resumen del modelo m1
## 
## Call:
## lm(formula = y ~ x1 + x2)
## 
## Residuals:
##     Min      1Q  Median      3Q     Max 
## -1.2065 -0.5262 -0.1497  0.5443  1.4465 
## 
## Coefficients:
##             Estimate Std. Error t value Pr(>|t|)    
## (Intercept)  0.33732    0.56736   0.595  0.56679    
## x1           0.48108    0.05895   8.160 1.89e-05 ***
## x2           0.28865    0.08608   3.353  0.00848 ** 
## ---
## Signif. codes:  0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
## 
## Residual standard error: 0.8597 on 9 degrees of freedom
## Multiple R-squared:  0.945,  Adjusted R-squared:  0.9328 
## F-statistic: 77.29 on 2 and 9 DF,  p-value: 2.149e-06

b) Interprete el gráfico y los coeficientes estimados de (Intercept, x1, x2)