WFKWER

knitr::opts_chunk$set(
    echo = TRUE,
    message = FALSE,
    warning = FALSE
)
datos_tesis <- read_excel("C:/Users/Isabella/Desktop/datos tesis.xlsx", 
                          col_types = c("numeric", "text", "text", 
                                        "text", "numeric", "text", "numeric", 
                                        "text", "text", "numeric", "text", 
                                        "text", "text", "text", "text", "text", 
                                        "text", "text", "text", "text", "text", 
                                        "text", "numeric", "numeric", "numeric", 
                                        "numeric", "numeric", "numeric", 
                                        "numeric", "numeric", "numeric", 
                                        "numeric", "numeric", "numeric", 
                                        "numeric", "numeric", "numeric", 
                                        "numeric", "numeric", "numeric", 
                                        "numeric", "numeric", "numeric", 
                                        "numeric", "numeric", "numeric", 
                                        "numeric", "numeric", "numeric", 
                                        "numeric", "numeric", "numeric", 
                                        "numeric", "numeric", "numeric", 
                                        "numeric", "numeric", "numeric", 
                                        "numeric", "numeric", "numeric", 
                                        "numeric", "numeric", "numeric", 
                                        "numeric", "numeric", "numeric", 
                                        "numeric", "numeric", "numeric", 
                                        "numeric", "numeric", "numeric", 
                                        "numeric", "numeric", "numeric", 
                                        "numeric", "numeric", "numeric", 
                                        "numeric", "numeric", "numeric", 
                                        "numeric", "numeric", "numeric", 
                                        "numeric", "numeric", "numeric", 
                                        "numeric", "numeric", "numeric", 
                                        "numeric", "numeric", "numeric", 
                                        "numeric", "numeric", "numeric", 
                                        "numeric", "numeric", "numeric", 
                                        "numeric", "numeric", "numeric", 
                                        "numeric", "numeric", "numeric", 
                                        "numeric", "numeric", "numeric", 
                                        "numeric", "numeric", "numeric", 
                                        "numeric", "numeric", "numeric"))

##Edad

modelo1=glm(formula =Y ~EDAD, family = "binomial", data=datos_tesis)
summary(modelo1)

##EDAD

 Deviance Residuals: 
 Min       1Q   Median       3Q      Max  
-2.2837  -1.2624   0.7913   1.0403   1.1535  

 Coefficients:
              Estimate Std. Error z value Pr(>|z|)    
 (Intercept) -0.04836    0.12917  -0.374    0.708    
  EDAD         0.06233    0.01233   5.053 4.34e-07 ***

Signif. codes:  0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1

(Dispersion parameter for binomial family taken to be 1)

 Null deviance: 947.87  on 715  degrees of freedom
 Residual deviance: 917.58  on 714  degrees of freedom
AIC: 921.58

Number of Fisher Scoring iterations: 4