R Notebook

library(tidyverse)
library(here)
library(performance)
library(lme4)
library(glmmTMB)
library(see)
library(ggrepel)
library(qqplotr)

Modelo

JesusModel <- 
  "acc_estud =~ i1 + i2 + i3
   liderazgo =~ i4 + i5 + i6 
   comp_ciudad =~ i7 + i8 + i9
   comp_ciudad =~ acc_estud
   comp_ciudad =~ liderazgo
   "

Cargando los datos

jesus_raw <- 
  read_csv(here("SEM lavaan/data_sem", 
                "Jesus.csv"))

Organizando los datos

Pruebas paramétricas

Datos

Quienes tienen más liderazgo? hombres o mujeres?

Revisamos el promedio

El promedio de habilidades de liderazgo (liderazgo percibido) es mayor en las niñas que en los niños.

Revisamos la distribución es normalidad

Si hay diferencias con boxplot

Prueba de normalidad

ks.test(femenino_lider, "pnorm", 1, 2)

ties should not be present for the Kolmogorov-Smirnov test

    One-sample Kolmogorov-Smirnov test

data:  femenino_lider
D = 0.76552, p-value < 2.2e-16
alternative hypothesis: two-sided

p-valor es menor a 0.05 entonces se tiene una distribución normal.

ks.test(masculino_lider, "pnorm", 1, 2)

ties should not be present for the Kolmogorov-Smirnov test

    One-sample Kolmogorov-Smirnov test

data:  masculino_lider
D = 0.73418, p-value < 2.2e-16
alternative hypothesis: two-sided

Los datos tienen una distribución normal (p-valor < 0.05)

Anova: determinar si hay diferencias significativas

summary(aov(jesus_LM$liderazgo ~ jesus_LM$genero))

                 Df Sum Sq Mean Sq F value Pr(>F)
jesus_LM$genero   1    0.1  0.0962   0.126  0.722
Residuals       998  759.7  0.7612               

El p-valor es 0.722 (mayor a 0.05) por lo tanto no hay diferencias significativas.

Regresión Lineal

Análisis descriptivo

Análisis inferencial

Modelo de regresión lineal múltiple

Construimos el modelo

Revisamos el modelo

summary(jesus_model_LM)

Call:
lm(formula = comp_ciudad ~ liderazgo + acc_estud, data = jesus_LM)

Residuals:
     Min       1Q   Median       3Q      Max 
-2.11230 -0.52789  0.00253  0.45129  2.62972 

Coefficients:
            Estimate Std. Error t value Pr(>|t|)    
(Intercept)  0.94118    0.12376   7.605 6.57e-14 ***
liderazgo    0.46292    0.02818  16.425  < 2e-16 ***
acc_estud    0.31102    0.02579  12.058  < 2e-16 ***
---
Signif. codes:  0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1

Residual standard error: 0.7257 on 997 degrees of freedom
Multiple R-squared:  0.3901,    Adjusted R-squared:  0.3889 
F-statistic: 318.9 on 2 and 997 DF,  p-value: < 2.2e-16

Que por cada unidad incrementada en asimilador el desempeño aumentará en un 2.40 unidades.