Objetivo

Aplicar e interpretar modelo de regresión múltiple

Descripción

Aplicar rgresión lineal en los datos de FIFA con la variable dependiene Value y varias variables independientes

Proceso

1. Cargar librerías

library(readr)
library(dplyr)
library(ggplot2)
library(caret)  # Para particionar datos

library(knitr) # # install.packages ("knitr")

2. Cargar los datos

  • Value: es el valor económico
  • Age: es la edad del jugador
  • Overall: en términos cuantitativos en lo general que tanto se valora al jugador conforme a todas sus características
  • Potential: Que tan fuerte es en recorrer distancias cortas
  • Wage: es el salario (Podría SER VARIABLE DEPENDIENTE ?)
  • Special: elegancia y trato al balón
  • International.Reputation: indicador de como lo valoran internacionalmente (1-5)
  • Weak.Foot: que tanto usa su pierna que no es la natural de 1-5
  • Skill.Moves: Que tan hábil es el jugador de (1-5) Jersey.Number: número que porta en espalda
  • Height: altura del jugador en pies pulgadas
  • Weight: peso del jugador en libras
  • Crossing: Que tanta habilidad tiene para lanzar pases largos a lo ancho y largo de la cancha o centros.(0-99).
  • Finishin: Que es definidor a la hora conclur jugadas (0-99).
  • HeadingAccuracy: Ofensiva, precisión con la cabeza (0-99)
  • ShortPassing: Ofensiva, habilidad en pases cortos (0-99).
  • Volleys: Ofensiva, habilidad en voleas (0-99).
  • Dribbling: Técnica, habilidad en regates (0-99).
  • Curve: Técnica, habilidad en balones con efecto (0-99).
  • FKAccuracy: Técnica, habilidad en precisión faltas (0-99).
  • LongPassing: Técnica, habilidad en pases largos (0-99).
  • BallControl: Técnica, habilidad en control del balón (0-99).
  • Acceleration: Movimiento, aceleración (0-99).
  • SprintSpeed: Movimiento, velocidad (0-99).
  • Agility: Movimiento, agilidad (0-99).
  • Reactions: Movimiento, reflejos (0-99).
  • Balance: Movimiento, equilibrio (0-99).
  • ShotPower: Potencia, potencia (0-99).
  • Jumping: Potencia, salto (0-99).
  • Stamina: Potencia, resistencia (0-99).
  • Strength: Potencia, fuerza (0-99).
  • LongShots: Potencia, tiros lejanos (0-99).
  • Aggression: Mentalidad, agresividad (0-99).
  • Interceptions: Mentalidad, intercepción (0-99).
  • Positioning: Mentalidad, colocación (0-99).
  • Vision: Mentalidad, visión (0-99).
  • Penalties: Mentalidad, penales (0-99).
  • Composure: Mentalidad, compostura (0-99).
  • Marking: Defensa, marcaje (0-99)
  • StandingTackle: Defensa, robos (0-99)
  • SlidingTackle: Defensa, entrada agresiva (0-99)

Características extraídas de los enlaces: https://rpubs.com/desareca/Prediccion-Sueldos-Futbolistas) y (https://www.kaggle.com/karangadiya/fifa19/discussion/133113)

Los datos fueron descargados de: (https://www.kaggle.com/karangadiya/fifa19)

  • Se extraen las variables de interés citadas
  • Se muestran los primeros diez y últimos diez registros
datos.FIFA <- read.csv("../datos/data FIFA.csv/data.csv", encoding = "UTF-8")


datos <- select(datos.FIFA, Value, Age, Overall, Potential, 
        Wage, Special, International.Reputation,Weak.Foot,
        Skill.Moves, Jersey.Number, Height,
        Weight, Crossing, Finishing, HeadingAccuracy,
        ShortPassing, Volleys, Dribbling, Curve,
        FKAccuracy, LongPassing, BallControl, Acceleration,
        SprintSpeed, Agility, Reactions, Balance, ShotPower,
        Jumping, Stamina, Strength,LongShots, Aggression,
        Interceptions, Positioning, Vision,
        Penalties, Composure, Marking, StandingTackle,
        SlidingTackle)


kable(head(datos, 10), caption = "Datos de FIFA con variables numéricas  (primeros diez)", row.names = 1:nrow(datos))
Datos de FIFA con variables numéricas (primeros diez)
Value Age Overall Potential Wage Special International.Reputation Weak.Foot Skill.Moves Jersey.Number Height Weight Crossing Finishing HeadingAccuracy ShortPassing Volleys Dribbling Curve FKAccuracy LongPassing BallControl Acceleration SprintSpeed Agility Reactions Balance ShotPower Jumping Stamina Strength LongShots Aggression Interceptions Positioning Vision Penalties Composure Marking StandingTackle SlidingTackle
1 €110.5M 31 94 94 €565K 2202 5 4 4 10 5’7 159lbs 84 95 70 90 86 97 93 94 87 96 91 86 91 95 95 85 68 72 59 94 48 22 94 94 75 96 33 28 26
2 €77M 33 94 94 €405K 2228 5 4 5 7 6’2 183lbs 84 94 89 81 87 88 81 76 77 94 89 91 87 96 70 95 95 88 79 93 63 29 95 82 85 95 28 31 23
3 €118.5M 26 92 93 €290K 2143 5 5 5 10 5’9 150lbs 79 87 62 84 84 96 88 87 78 95 94 90 96 94 84 80 61 81 49 82 56 36 89 87 81 94 27 24 33
4 €72M 27 91 93 €260K 1471 4 3 1 1 6’4 168lbs 17 13 21 50 13 18 21 19 51 42 57 58 60 90 43 31 67 43 64 12 38 30 12 68 40 68 15 21 13
5 €102M 27 91 92 €355K 2281 4 5 4 7 5’11 154lbs 93 82 55 92 82 86 85 83 91 91 78 76 79 91 77 91 63 90 75 91 76 61 87 94 79 88 68 58 51
6 €93M 27 91 91 €340K 2142 4 4 4 10 5’8 163lbs 81 84 61 89 80 95 83 79 83 94 94 88 95 90 94 82 56 83 66 80 54 41 87 89 86 91 34 27 22
7 €67M 32 91 91 €420K 2280 4 4 4 10 5’8 146lbs 86 72 55 93 76 90 85 78 88 93 80 72 93 90 94 79 68 89 58 82 62 83 79 92 82 84 60 76 73
8 €80M 31 91 91 €455K 2346 5 4 3 9 6’0 190lbs 77 93 77 82 88 87 86 84 64 90 86 75 82 92 83 86 69 90 83 85 87 41 92 84 85 85 62 45 38
9 €51M 32 91 91 €380K 2201 4 3 3 15 6’0 181lbs 66 60 91 78 66 63 74 72 77 84 76 75 78 85 66 79 93 84 83 59 88 90 60 63 75 82 87 92 91
10 €68M 25 90 93 €94K 1331 3 3 1 1 6’2 192lbs 13 11 15 29 13 12 13 14 26 16 43 60 67 86 49 22 76 41 78 12 34 19 11 70 11 70 27 12 18 
kable(tail(datos, 10), caption = "Datos de FIFA con variables numéricas sólamente (últimos diez)")
Datos de FIFA con variables numéricas sólamente (últimos diez)
Value Age Overall Potential Wage Special International.Reputation Weak.Foot Skill.Moves Jersey.Number Height Weight Crossing Finishing HeadingAccuracy ShortPassing Volleys Dribbling Curve FKAccuracy LongPassing BallControl Acceleration SprintSpeed Agility Reactions Balance ShotPower Jumping Stamina Strength LongShots Aggression Interceptions Positioning Vision Penalties Composure Marking StandingTackle SlidingTackle
18198 €60K 18 47 61 €1K 1362 1 3 2 14 5’10 141lbs 44 44 36 53 43 50 48 46 52 51 68 62 58 41 62 50 55 50 38 37 37 28 39 48 49 52 41 47 38
18199 €60K 18 47 70 €1K 792 1 2 1 22 5’11 154lbs 14 8 14 19 8 10 13 10 21 11 18 24 22 36 47 26 56 20 38 5 25 6 5 37 14 34 15 11 13
18200 €70K 18 47 69 €1K 1303 1 3 2 65 5’6 150lbs 31 31 41 51 26 46 35 31 55 47 60 63 53 46 55 49 57 42 43 30 53 49 35 40 36 40 48 49 49
18201 €60K 18 47 62 €1K 1203 1 2 2 21 5’9 157lbs 28 47 47 42 37 39 32 25 30 41 65 48 64 54 80 44 77 31 31 51 26 16 46 37 58 50 15 17 14
18202 €60K 18 47 68 €1K 1098 1 3 2 29 6’1 168lbs 22 23 45 25 27 21 21 27 27 32 52 52 39 43 48 39 74 39 52 16 44 45 20 31 38 43 44 47 53
18203 €60K 19 47 65 €1K 1307 1 2 2 22 5’9 134lbs 34 38 40 49 25 42 30 34 45 43 54 57 60 49 76 43 55 40 47 38 46 46 39 52 43 45 40 48 47
18204 €60K 19 47 63 €1K 1098 1 2 2 21 6’3 170lbs 23 52 52 43 36 39 32 20 25 40 41 39 38 40 52 41 47 43 67 42 47 16 46 33 43 42 22 15 19
18205 €60K 16 47 67 €1K 1189 1 3 2 33 5’8 148lbs 25 40 46 38 38 45 38 27 28 44 70 69 50 47 58 45 60 55 32 45 32 15 48 43 55 41 32 13 11
18206 €60K 17 47 66 €1K 1228 1 3 2 34 5’10 154lbs 44 50 39 42 40 51 34 32 32 52 61 60 52 21 71 64 42 40 48 34 33 22 44 47 50 46 20 25 27
18207 €60K 16 46 66 €1K 1321 1 3 2 33 5’10 176lbs 41 34 46 48 30 43 40 34 44 51 57 55 55 51 63 43 62 47 60 32 56 42 34 49 33 43 40 43 50

3. Definir variables dependiente Value e independientes varias

paste ("La variable dependiente y es :  Value")
## [1] "La variable dependiente y es :  Value"
paste ("Las variables independientes X1, X2, X3 ... Xn, son todas las demás: ")
## [1] "Las variables independientes X1, X2, X3 ... Xn, son todas las demás: "

4. Limpiar conjuntos datos

  • ¿Cuáles variables es necesario limpiar? que puede ser: transformar, quitar, modificar, homogeneizar, ajustar, escalar, entre otras cosas.
  • Transformar y agregar nuevas variables:
    • Value a valor numérico y poner valor
    • Wage a valor numérico y poner salario
    • Height a metros y dejar en altura
    • Weight a kilogramos y dejar en peso
    • Dejar todos los nombres en minúsculas para su mejor trato
    • Verificar y observar los datos limpios
    • Se utiliza las funciones preparadas para realizar limpieza en los datos festatura(), flbskgs(), fcleanValue(), y la nueva fnames.minusculas() del archivo misfunciones.r
    • La función se puede llamar localmente o del servicio github
# source ("../funciones/misfunciones.r")

# o bien 
source("https://raw.githubusercontent.com/rpizarrog/FundamentosMachineLearning/master/scripts/misfunciones.r")
Value a valor numérico y poner valor
datos <- datos %>%
  mutate(valor = ifelse (substr(Value, nchar(Value), nchar(Value)) == 'M', fcleanValue(Value) * 1000000, fcleanValue(Value) * 1000)) %>%
  filter(valor > 0)
Wage a valor numérico y poner salario
datos <- datos %>%
  mutate(salario = ifelse (substr(Wage, nchar(Wage), nchar(Wage)) == 'M', fcleanValue(Wage) * 1000000, fcleanValue(Wage) * 1000)) %>%
  filter(salario > 0)
Height a kilogramos y dejar en altura
datos <- mutate(datos, estatura = festatura(Height))
Weight a metros y dejar en peso
datos <- mutate(datos, pesokgs = flbskgs(Weight))
Dejar todos los nombres en minúsculas para su mejor trato
datos <- fnames.minusculas(datos)

Quitar variables que no nos interesan porque son character

datos <- select(datos, -value, -wage, -height, -weight)
Verificar y observar los datos limpios
  • Los primeros y últimos 10 registros
  • Están las variabes creadas a final
  • Los nombres de las variables están en minúsculas
kable(head(datos, 10), caption = "Datos de FIFA con variables numéricas  (primeros diez)", row.names = 1:nrow(datos))
Datos de FIFA con variables numéricas (primeros diez)
age overall potential special international.reputation weak.foot skill.moves jersey.number crossing finishing headingaccuracy shortpassing volleys dribbling curve fkaccuracy longpassing ballcontrol acceleration sprintspeed agility reactions balance shotpower jumping stamina strength longshots aggression interceptions positioning vision penalties composure marking standingtackle slidingtackle valor salario estatura pesokgs
1 31 94 94 2202 5 4 4 10 84 95 70 90 86 97 93 94 87 96 91 86 91 95 95 85 68 72 59 94 48 22 94 94 75 96 33 28 26 110500000 565000 1.70 72.12
2 33 94 94 2228 5 4 5 7 84 94 89 81 87 88 81 76 77 94 89 91 87 96 70 95 95 88 79 93 63 29 95 82 85 95 28 31 23 77000000 405000 1.88 83.01
3 26 92 93 2143 5 5 5 10 79 87 62 84 84 96 88 87 78 95 94 90 96 94 84 80 61 81 49 82 56 36 89 87 81 94 27 24 33 118500000 290000 1.75 68.04
4 27 91 93 1471 4 3 1 1 17 13 21 50 13 18 21 19 51 42 57 58 60 90 43 31 67 43 64 12 38 30 12 68 40 68 15 21 13 72000000 260000 1.93 76.20
5 27 91 92 2281 4 5 4 7 93 82 55 92 82 86 85 83 91 91 78 76 79 91 77 91 63 90 75 91 76 61 87 94 79 88 68 58 51 102000000 355000 1.80 69.85
6 27 91 91 2142 4 4 4 10 81 84 61 89 80 95 83 79 83 94 94 88 95 90 94 82 56 83 66 80 54 41 87 89 86 91 34 27 22 93000000 340000 1.73 73.94
7 32 91 91 2280 4 4 4 10 86 72 55 93 76 90 85 78 88 93 80 72 93 90 94 79 68 89 58 82 62 83 79 92 82 84 60 76 73 67000000 420000 1.73 66.22
8 31 91 91 2346 5 4 3 9 77 93 77 82 88 87 86 84 64 90 86 75 82 92 83 86 69 90 83 85 87 41 92 84 85 85 62 45 38 80000000 455000 1.83 86.18
9 32 91 91 2201 4 3 3 15 66 60 91 78 66 63 74 72 77 84 76 75 78 85 66 79 93 84 83 59 88 90 60 63 75 82 87 92 91 51000000 380000 1.83 82.10
10 25 90 93 1331 3 3 1 1 13 11 15 29 13 12 13 14 26 16 43 60 67 86 49 22 76 41 78 12 34 19 11 70 11 70 27 12 18 68000000 94000 1.88 87.09 
kable(tail(datos, 10), caption = "Datos de FIFA con variables numéricas sólamente (últimos diez)", row.names = 1:nrow(datos))
Datos de FIFA con variables numéricas sólamente (últimos diez)
age overall potential special international.reputation weak.foot skill.moves jersey.number crossing finishing headingaccuracy shortpassing volleys dribbling curve fkaccuracy longpassing ballcontrol acceleration sprintspeed agility reactions balance shotpower jumping stamina strength longshots aggression interceptions positioning vision penalties composure marking standingtackle slidingtackle valor salario estatura pesokgs
17946 18 47 61 1362 1 3 2 14 44 44 36 53 43 50 48 46 52 51 68 62 58 41 62 50 55 50 38 37 37 28 39 48 49 52 41 47 38 60000 1000 1.78 63.96
17947 18 47 70 792 1 2 1 22 14 8 14 19 8 10 13 10 21 11 18 24 22 36 47 26 56 20 38 5 25 6 5 37 14 34 15 11 13 60000 1000 1.80 69.85
17948 18 47 69 1303 1 3 2 65 31 31 41 51 26 46 35 31 55 47 60 63 53 46 55 49 57 42 43 30 53 49 35 40 36 40 48 49 49 70000 1000 1.68 68.04
17949 18 47 62 1203 1 2 2 21 28 47 47 42 37 39 32 25 30 41 65 48 64 54 80 44 77 31 31 51 26 16 46 37 58 50 15 17 14 60000 1000 1.75 71.21
17950 18 47 68 1098 1 3 2 29 22 23 45 25 27 21 21 27 27 32 52 52 39 43 48 39 74 39 52 16 44 45 20 31 38 43 44 47 53 60000 1000 1.85 76.20
17951 19 47 65 1307 1 2 2 22 34 38 40 49 25 42 30 34 45 43 54 57 60 49 76 43 55 40 47 38 46 46 39 52 43 45 40 48 47 60000 1000 1.75 60.78
17952 19 47 63 1098 1 2 2 21 23 52 52 43 36 39 32 20 25 40 41 39 38 40 52 41 47 43 67 42 47 16 46 33 43 42 22 15 19 60000 1000 1.91 77.11
17953 16 47 67 1189 1 3 2 33 25 40 46 38 38 45 38 27 28 44 70 69 50 47 58 45 60 55 32 45 32 15 48 43 55 41 32 13 11 60000 1000 1.73 67.13
17954 17 47 66 1228 1 3 2 34 44 50 39 42 40 51 34 32 32 52 61 60 52 21 71 64 42 40 48 34 33 22 44 47 50 46 20 25 27 60000 1000 1.78 69.85
17955 16 46 66 1321 1 3 2 33 41 34 46 48 30 43 40 34 44 51 57 55 55 51 63 43 62 47 60 32 56 42 34 49 33 43 40 43 50 60000 1000 1.78 79.83

5. Crear datos entrenamiento y validación

  • 70 % datos de entrenamiento
  • 30 % datos de validación
set.seed(2020)
entrena <- createDataPartition(y = datos$overall, p = 0.7, list = FALSE, times = 1)

# Datos entrenamiento
datos.entrenamiento <- datos[entrena, ]  # [renglones, columna]

# Datos validación
datos.validacion <- datos[-entrena, ]

kable(head(datos.entrenamiento, 10), caption = "Datos de entrenamiento  (primeros diez)", row.names = 1:nrow(datos.entrenamiento))
Datos de entrenamiento (primeros diez)
age overall potential special international.reputation weak.foot skill.moves jersey.number crossing finishing headingaccuracy shortpassing volleys dribbling curve fkaccuracy longpassing ballcontrol acceleration sprintspeed agility reactions balance shotpower jumping stamina strength longshots aggression interceptions positioning vision penalties composure marking standingtackle slidingtackle valor salario estatura pesokgs
1 31 94 94 2202 5 4 4 10 84 95 70 90 86 97 93 94 87 96 91 86 91 95 95 85 68 72 59 94 48 22 94 94 75 96 33 28 26 110500000 565000 1.70 72.12
2 33 94 94 2228 5 4 5 7 84 94 89 81 87 88 81 76 77 94 89 91 87 96 70 95 95 88 79 93 63 29 95 82 85 95 28 31 23 77000000 405000 1.88 83.01
3 26 92 93 2143 5 5 5 10 79 87 62 84 84 96 88 87 78 95 94 90 96 94 84 80 61 81 49 82 56 36 89 87 81 94 27 24 33 118500000 290000 1.75 68.04
5 27 91 92 2281 4 5 4 7 93 82 55 92 82 86 85 83 91 91 78 76 79 91 77 91 63 90 75 91 76 61 87 94 79 88 68 58 51 102000000 355000 1.80 69.85
6 27 91 91 2142 4 4 4 10 81 84 61 89 80 95 83 79 83 94 94 88 95 90 94 82 56 83 66 80 54 41 87 89 86 91 34 27 22 93000000 340000 1.73 73.94
7 32 91 91 2280 4 4 4 10 86 72 55 93 76 90 85 78 88 93 80 72 93 90 94 79 68 89 58 82 62 83 79 92 82 84 60 76 73 67000000 420000 1.73 66.22
8 31 91 91 2346 5 4 3 9 77 93 77 82 88 87 86 84 64 90 86 75 82 92 83 86 69 90 83 85 87 41 92 84 85 85 62 45 38 80000000 455000 1.83 86.18
11 29 90 90 2152 4 4 4 9 62 91 85 83 89 85 77 86 65 89 77 78 78 90 78 88 84 78 84 84 80 39 91 77 88 86 34 42 19 77000000 205000 1.83 79.83
12 28 90 90 2190 4 5 3 8 88 76 54 92 82 81 86 84 93 90 64 62 70 89 71 87 30 75 73 92 60 82 79 86 73 85 72 79 69 76500000 355000 1.83 76.20
14 32 90 90 2115 4 2 4 21 84 76 54 93 82 89 82 77 87 94 70 64 92 90 90 72 64 78 52 75 57 50 89 92 75 93 59 53 29 60000000 285000 1.73 67.13 
kable(head(datos.validacion, 10), caption = "Datos de validación  (primeros diez)", row.names = 1:nrow(datos.entrenamiento))
Datos de validación (primeros diez)
age overall potential special international.reputation weak.foot skill.moves jersey.number crossing finishing headingaccuracy shortpassing volleys dribbling curve fkaccuracy longpassing ballcontrol acceleration sprintspeed agility reactions balance shotpower jumping stamina strength longshots aggression interceptions positioning vision penalties composure marking standingtackle slidingtackle valor salario estatura pesokgs
4 27 91 93 1471 4 3 1 1 17 13 21 50 13 18 21 19 51 42 57 58 60 90 43 31 67 43 64 12 38 30 12 68 40 68 15 21 13 72000000 260000 1.93 76.20
9 32 91 91 2201 4 3 3 15 66 60 91 78 66 63 74 72 77 84 76 75 78 85 66 79 93 84 83 59 88 90 60 63 75 82 87 92 91 51000000 380000 1.83 82.10
10 25 90 93 1331 3 3 1 1 13 11 15 29 13 12 13 14 26 16 43 60 67 86 49 22 76 41 78 12 34 19 11 70 11 70 27 12 18 68000000 94000 1.88 87.09
13 32 90 90 1946 3 3 2 10 55 42 92 79 47 53 49 51 70 76 68 68 58 85 54 67 91 66 88 43 89 88 48 52 50 82 90 89 89 44000000 125000 1.88 78.02
16 24 89 94 2092 3 3 4 21 82 84 68 87 88 92 88 88 75 92 87 83 91 86 85 82 75 80 65 88 48 32 84 87 86 84 23 20 20 89000000 205000 1.78 74.84
22 31 89 89 2161 4 4 3 21 70 89 89 78 90 80 77 76 52 82 75 76 77 91 59 87 88 92 78 79 84 48 93 77 85 82 52 45 39 60000000 200000 1.85 77.11
23 32 89 89 1473 5 4 1 1 15 13 25 55 11 30 14 11 59 48 54 60 51 84 35 25 77 43 80 16 29 30 12 70 47 70 17 10 11 38000000 130000 1.93 92.08
25 33 89 89 1841 4 3 2 3 58 33 83 59 45 58 60 31 59 57 63 75 54 82 55 78 89 65 89 49 92 88 28 50 50 84 93 93 90 27000000 215000 1.88 84.82
30 27 88 88 2017 3 3 4 10 86 77 56 85 74 90 87 77 78 93 94 86 94 83 93 75 53 75 44 84 34 26 83 87 61 83 51 24 22 62000000 165000 1.63 58.97
31 26 88 91 2137 3 3 4 22 75 79 55 89 65 94 88 76 83 95 75 69 87 77 90 69 64 70 59 87 58 64 78 89 76 86 60 64 51 73500000 315000 1.75 78.93

6. Crear el modelo de regresión múltiple

\[y = b0 + b1{x1} + b2{x2} + b3{x3}+ .....bk{xk}\]

# modelo <- lm(formula = valor ~ age + overall + potential + special + international.reputation + weak.foot + skill.moves + jersey.number + crossing + finishing + headingaccuracy + shortpassing + volleys + dribbling + curve + fkaccuracy + longpassing + ballcontrol + acceleration + sprintspeed + agility + reactions + balance + shotpower + jumping + stamina + strength + longshots + aggression + interceptions + positioning + vision + penalties + composure + marking + standingtackle + slidingtackle + salario + estatura + pesokgs, datos.entrenamiento)

# Se pudo haber hecho así limpiando las variables que no son numéricas # y quiarlas del conjunto de datos, en este caso de entrenamiento

modelo <- lm(formula = valor ~ ., datos.entrenamiento)


summary(modelo)
## 
## Call:
## lm(formula = valor ~ ., data = datos.entrenamiento)
## 
## Residuals:
##       Min        1Q    Median        3Q       Max 
## -19161476   -832836    -60785    700651  56366387 
## 
## Coefficients:
##                              Estimate   Std. Error t value             Pr(>|t|)
## (Intercept)              -6237527.444  1293049.221  -4.824  0.00000142445759378
## age                       -260441.896    10830.032 -24.048 < 0.0000000000000002
## overall                    263151.521    12324.511  21.352 < 0.0000000000000002
## potential                  -45061.430     9216.102  -4.889  0.00000102388538355
## special                     -4971.156     1050.494  -4.732  0.00000224521357859
## international.reputation  2096975.406    80512.189  26.045 < 0.0000000000000002
## weak.foot                   64861.448    37182.465   1.744             0.081112
## skill.moves                227777.379    60540.118   3.762             0.000169
## jersey.number               -5180.184     1478.922  -3.503             0.000462
## crossing                    -4564.702     3279.621  -1.392             0.163996
## finishing                   19777.935     3898.800   5.073  0.00000039756985080
## headingaccuracy             -3149.386     2946.924  -1.069             0.285224
## shortpassing                 -403.627     5483.003  -0.074             0.941319
## volleys                     10266.460     3483.094   2.948             0.003209
## dribbling                   -4145.766     4894.856  -0.847             0.397031
## curve                        -914.425     3441.961  -0.266             0.790498
## fkaccuracy                  19978.179     3058.942   6.531  0.00000000006782730
## longpassing                 17968.651     4230.417   4.247  0.00002177436178140
## ballcontrol                -23414.482     5821.108  -4.022  0.00005796128114699
## acceleration                 7772.372     4605.084   1.688             0.091478
## sprintspeed                 -1521.284     4289.824  -0.355             0.722876
## agility                     -1031.663     3552.756  -0.290             0.771528
## reactions                   34476.184     5330.003   6.468  0.00000000010278779
## balance                      5856.472     3586.184   1.633             0.102480
## shotpower                   -9906.667     3540.906  -2.798             0.005153
## jumping                       549.760     2690.688   0.204             0.838107
## stamina                     22668.921     2876.934   7.880  0.00000000000000356
## strength                     3944.760     3414.156   1.155             0.247943
## longshots                     771.132     3840.908   0.201             0.840883
## aggression                   3220.423     2690.702   1.197             0.231379
## interceptions               -4011.602     3769.712  -1.064             0.287274
## positioning                  9072.650     3724.818   2.436             0.014876
## vision                      10036.751     3659.156   2.743             0.006098
## penalties                   -7407.033     3273.003  -2.263             0.023648
## composure                     896.362     3767.794   0.238             0.811962
## marking                      9743.854     2960.754   3.291             0.001001
## standingtackle              21022.779     5464.713   3.847             0.000120
## slidingtackle              -19840.500     5183.721  -3.827             0.000130
## salario                       160.301        1.456 110.081 < 0.0000000000000002
## estatura                 -1159502.240   664549.743  -1.745             0.081045
## pesokgs                      1722.922     5678.866   0.303             0.761596
##                             
## (Intercept)              ***
## age                      ***
## overall                  ***
## potential                ***
## special                  ***
## international.reputation ***
## weak.foot                .  
## skill.moves              ***
## jersey.number            ***
## crossing                    
## finishing                ***
## headingaccuracy             
## shortpassing                
## volleys                  ** 
## dribbling                   
## curve                       
## fkaccuracy               ***
## longpassing              ***
## ballcontrol              ***
## acceleration             .  
## sprintspeed                 
## agility                     
## reactions                ***
## balance                     
## shotpower                ** 
## jumping                     
## stamina                  ***
## strength                    
## longshots                   
## aggression                  
## interceptions               
## positioning              *  
## vision                   ** 
## penalties                *  
## composure                   
## marking                  ** 
## standingtackle           ***
## slidingtackle            ***
## salario                  ***
## estatura                 .  
## pesokgs                     
## ---
## Signif. codes:  0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
## 
## Residual standard error: 2527000 on 12504 degrees of freedom
##   (25 observations deleted due to missingness)
## Multiple R-squared:  0.8088, Adjusted R-squared:  0.8082 
## F-statistic:  1323 on 40 and 12504 DF,  p-value: < 0.00000000000000022
Optimizar el modelo
  • Elegir variables que el primer modelo no identifica como variables estadísticamente significativas (las que no tienen ***) para el valor económico del jugador
modelo2 <- lm(formula = valor ~ age + overall + potential + special + international.reputation + jersey.number + finishing +  fkaccuracy + longpassing + ballcontrol + reactions +  stamina + salario , datos.entrenamiento)

summary(modelo2)
## 
## Call:
## lm(formula = valor ~ age + overall + potential + special + international.reputation + 
##     jersey.number + finishing + fkaccuracy + longpassing + ballcontrol + 
##     reactions + stamina + salario, data = datos.entrenamiento)
## 
## Residuals:
##       Min        1Q    Median        3Q       Max 
## -18997420   -824040    -75785    697276  56424654 
## 
## Coefficients:
##                             Estimate  Std. Error t value             Pr(>|t|)
## (Intercept)              -7857348.39   452119.77 -17.379 < 0.0000000000000002
## age                       -266566.73    10213.53 -26.099 < 0.0000000000000002
## overall                    254603.39    10507.57  24.230 < 0.0000000000000002
## potential                  -44787.95     9087.82  -4.928   0.0000008398819053
## special                     -3549.32      372.39  -9.531 < 0.0000000000000002
## international.reputation  2102462.29    80084.70  26.253 < 0.0000000000000002
## jersey.number               -5350.31     1478.81  -3.618             0.000298
## finishing                   22222.02     2169.52  10.243 < 0.0000000000000002
## fkaccuracy                  18559.56     2463.89   7.533   0.0000000000000531
## longpassing                 16414.29     3085.71   5.319   0.0000001058745305
## ballcontrol                -19753.30     4063.23  -4.861   0.0000011792807544
## reactions                   36293.34     5005.88   7.250   0.0000000000004408
## stamina                     22403.91     2712.00   8.261 < 0.0000000000000002
## salario                       160.60        1.46 110.037 < 0.0000000000000002
##                             
## (Intercept)              ***
## age                      ***
## overall                  ***
## potential                ***
## special                  ***
## international.reputation ***
## jersey.number            ***
## finishing                ***
## fkaccuracy               ***
## longpassing              ***
## ballcontrol              ***
## reactions                ***
## stamina                  ***
## salario                  ***
## ---
## Signif. codes:  0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
## 
## Residual standard error: 2538000 on 12531 degrees of freedom
##   (25 observations deleted due to missingness)
## Multiple R-squared:  0.8068, Adjusted R-squared:  0.8066 
## F-statistic:  4026 on 13 and 12531 DF,  p-value: < 0.00000000000000022

7. Interpretar el modelo

  • El valor de Multiple R-square de aproximadamente 80% y Adjusted R-square de aproximadamente 80% representan que tanto representan todas las variables al valor económico del jugador.

  • Los tres *** de las variables significan que estas variables son estadísticamente significativas para el valor económico del jugador.

8. Predecir con el conjunto de datos de validación

  • modelo2
  • usar la funcion predict()
prediccion <- predict(object = modelo2, newdata =  datos.validacion)

# prediccion
  • Crear un nuevo conjunto de datos con las predicciones para comparar con los datos de validación
new.datos.validacion <- mutate(datos.validacion, predicho = prediccion)

kable(head(new.datos.validacion, 10), caption = "Primeros diez registros con predicciones")
Primeros diez registros con predicciones
age overall potential special international.reputation weak.foot skill.moves jersey.number crossing finishing headingaccuracy shortpassing volleys dribbling curve fkaccuracy longpassing ballcontrol acceleration sprintspeed agility reactions balance shotpower jumping stamina strength longshots aggression interceptions positioning vision penalties composure marking standingtackle slidingtackle valor salario estatura pesokgs predicho
27 91 93 1471 4 3 1 1 17 13 21 50 13 18 21 19 51 42 57 58 60 90 43 31 67 43 64 12 38 30 12 68 40 68 15 21 13 72000000 260000 1.93 76.20 53767689
32 91 91 2201 4 3 3 15 66 60 91 78 66 63 74 72 77 84 76 75 78 85 66 79 93 84 83 59 88 90 60 63 75 82 87 92 91 51000000 380000 1.83 82.10 71493065
25 90 93 1331 3 3 1 1 13 11 15 29 13 12 13 14 26 16 43 60 67 86 49 22 76 41 78 12 34 19 11 70 11 70 27 12 18 68000000 94000 1.88 87.09 25556761
32 90 90 1946 3 3 2 10 55 42 92 79 47 53 49 51 70 76 68 68 58 85 54 67 91 66 88 43 89 88 48 52 50 82 90 89 89 44000000 125000 1.88 78.02 28009254
24 89 94 2092 3 3 4 21 82 84 68 87 88 92 88 88 75 92 87 83 91 86 85 82 75 80 65 88 48 32 84 87 86 84 23 20 20 89000000 205000 1.78 74.84 43715121
31 89 89 2161 4 4 3 21 70 89 89 78 90 80 77 76 52 82 75 76 77 91 59 87 88 92 78 79 84 48 93 77 85 82 52 45 39 60000000 200000 1.85 77.11 43286358
32 89 89 1473 5 4 1 1 15 13 25 55 11 30 14 11 59 48 54 60 51 84 35 25 77 43 80 16 29 30 12 70 47 70 17 10 11 38000000 130000 1.93 92.08 32968482
33 89 89 1841 4 3 2 3 58 33 83 59 45 58 60 31 59 57 63 75 54 82 55 78 89 65 89 49 92 88 28 50 50 84 93 93 90 27000000 215000 1.88 84.82 43991912
27 88 88 2017 3 3 4 10 86 77 56 85 74 90 87 77 78 93 94 86 94 83 93 75 53 75 44 84 34 26 83 87 61 83 51 24 22 62000000 165000 1.63 58.97 36279405
26 88 91 2137 3 3 4 22 75 79 55 89 65 94 88 76 83 95 75 69 87 77 90 69 64 70 59 87 58 64 78 89 76 86 60 64 51 73500000 315000 1.75 78.93 59750432 
kable(tail(new.datos.validacion, 10), caption = "Ultimos diez registros con predicciones")
Ultimos diez registros con predicciones
age overall potential special international.reputation weak.foot skill.moves jersey.number crossing finishing headingaccuracy shortpassing volleys dribbling curve fkaccuracy longpassing ballcontrol acceleration sprintspeed agility reactions balance shotpower jumping stamina strength longshots aggression interceptions positioning vision penalties composure marking standingtackle slidingtackle valor salario estatura pesokgs predicho
5376 19 48 59 1152 1 3 2 28 28 23 45 27 24 25 21 26 29 28 63 50 47 42 76 35 65 49 49 21 45 46 25 29 37 43 42 54 54 40000 1000 1.73 72.12 -1780511
5377 18 48 63 1370 1 3 3 24 38 34 49 54 34 49 33 37 50 41 67 61 61 46 59 50 56 64 55 35 52 39 46 45 36 44 44 40 41 60000 1000 1.85 73.03 -1427709
5378 17 48 66 1296 1 2 2 32 45 46 46 38 27 46 28 24 34 38 61 57 56 47 66 39 59 60 48 33 53 46 43 37 33 38 43 49 45 50000 1000 1.80 60.78 -1306960
5379 18 48 55 1368 1 3 2 33 33 24 42 54 33 44 34 36 50 47 61 57 57 44 58 47 64 59 66 31 53 49 35 46 37 42 47 49 53 40000 1000 1.85 81.19 -1654365
5380 18 47 67 1285 1 3 2 32 32 32 45 48 31 41 32 43 47 37 53 55 31 47 61 41 54 61 55 34 44 44 51 54 34 46 35 44 47 60000 1000 1.75 79.83 -1536809
5381 18 47 64 1191 1 2 2 4 36 25 40 27 27 46 31 25 23 29 64 58 55 54 81 22 56 54 40 22 48 49 35 30 32 32 41 48 48 50000 1000 1.73 66.22 -1547318
5382 19 47 61 1333 1 3 2 26 31 28 40 53 31 46 39 37 48 48 58 58 60 48 79 42 63 35 51 30 55 44 28 51 44 35 41 44 54 60000 1000 1.70 66.22 -2620240
5383 18 47 69 1303 1 3 2 65 31 31 41 51 26 46 35 31 55 47 60 63 53 46 55 49 57 42 43 30 53 49 35 40 36 40 48 49 49 70000 1000 1.68 68.04 -2639956
5384 19 47 65 1307 1 2 2 22 34 38 40 49 25 42 30 34 45 43 54 57 60 49 76 43 55 40 47 38 46 46 39 52 43 45 40 48 47 60000 1000 1.75 60.78 -2321330
5385 16 46 66 1321 1 3 2 33 41 34 46 48 30 43 40 34 44 51 57 55 55 51 63 43 62 47 60 32 56 42 34 49 33 43 40 43 50 60000 1000 1.78 79.83 -1963480
  • ¿Qué sucede si un jugador llamado ‘Ruben Pizarro’ tiene los siguientes atributos en tperminos de características y condiciones de fútbol:
    • age = 25
    • overall = 70
    • potential = 70
    • special = 1500
    • international.reputation = 3
    • jersey.number = 7
    • finishing = 80
    • fkaccuracy = 70
    • longpassing = 60
    • ballcontrol = 70
    • reactions = 70
    • stamina = 80
    • salario = 205000
  • ¿Cuánto vale en el mercado según el modelo de regresión lineal múltiple?
nombre <- "Rubén Pizarro"
jugador <- data.frame(age = 25, overall = 70, potential = 70, special = 1500, international.reputation = 3, jersey.number = 7, finishing = 80, fkaccuracy = 70, longpassing = 60, ballcontrol  = 70, reactions  = 70, stamina  = 80, salario = 205000)

nueva.prediccion <- predict(object = modelo2, newdata =  jugador)

paste ("El jugador ", nombre, " debe tener un valor en el mercado de $", round(nueva.prediccion,2))
## [1] "El jugador  Rubén Pizarro  debe tener un valor en el mercado de $ 41046805.41"

10. Interpretar el caso. 180-200 palabras