R Notebook

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

Adquiriendo los datos

Análisis inferencial

Modelo de regresión lineal múltiple

Construimos el modelo

Revisamos el modelo

summary(yazmin_LM)

Call:
lm(formula = desemp_acade ~ consistencia_1 + consistencia_2 + 
    consistencia_3 + consistencia_4, data = yazmin_tidyed)

Residuals:
     Min       1Q   Median       3Q      Max 
-0.93007 -0.30254  0.05054  0.31384  0.79195 

Coefficients:
               Estimate Std. Error t value Pr(>|t|)    
(Intercept)    -1.10388    0.09154 -12.059  < 2e-16 ***
consistencia_1  0.15322    0.02934   5.222 2.45e-07 ***
consistencia_2  0.15822    0.02845   5.561 4.05e-08 ***
consistencia_3  0.13891    0.02996   4.637 4.36e-06 ***
consistencia_4  0.13116    0.02922   4.488 8.62e-06 ***
---
Signif. codes:  0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1

Residual standard error: 0.3856 on 595 degrees of freedom
Multiple R-squared:  0.3791,    Adjusted R-squared:  0.375 
F-statistic: 90.83 on 4 and 595 DF,  p-value: < 2.2e-16

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