library(rio)
## Warning: package 'rio' was built under R version 4.2.2
data=import("Etr.csv")
str(data)
## 'data.frame': 310 obs. of 49 variables:
## $ Country : chr "Burundi" "Central African Republic" "Republic of the Congo" "Kenya" ...
## $ Food Risk Score : int 5 5 5 5 5 5 5 5 5 5 ...
## $ Natural Disasters Score : int 5 5 5 5 5 5 5 5 5 5 ...
## $ Rapid Population Growth Score: int 5 5 5 5 5 5 5 5 5 5 ...
## $ Water Risk Score : int 5 5 5 5 5 5 5 5 5 5 ...
## $ V6 : logi NA NA NA NA NA NA ...
## $ V7 : logi NA NA NA NA NA NA ...
## $ V8 : logi NA NA NA NA NA NA ...
## $ V9 : logi NA NA NA NA NA NA ...
## $ V10 : logi NA NA NA NA NA NA ...
## $ V11 : logi NA NA NA NA NA NA ...
## $ V12 : logi NA NA NA NA NA NA ...
## $ V13 : logi NA NA NA NA NA NA ...
## $ V14 : logi NA NA NA NA NA NA ...
## $ V15 : logi NA NA NA NA NA NA ...
## $ V16 : logi NA NA NA NA NA NA ...
## $ V17 : logi NA NA NA NA NA NA ...
## $ V18 : logi NA NA NA NA NA NA ...
## $ V19 : logi NA NA NA NA NA NA ...
## $ V20 : logi NA NA NA NA NA NA ...
## $ V21 : logi NA NA NA NA NA NA ...
## $ V22 : logi NA NA NA NA NA NA ...
## $ V23 : logi NA NA NA NA NA NA ...
## $ V24 : logi NA NA NA NA NA NA ...
## $ V25 : logi NA NA NA NA NA NA ...
## $ V26 : logi NA NA NA NA NA NA ...
## $ V27 : logi NA NA NA NA NA NA ...
## $ V28 : logi NA NA NA NA NA NA ...
## $ V29 : logi NA NA NA NA NA NA ...
## $ V30 : logi NA NA NA NA NA NA ...
## $ V31 : logi NA NA NA NA NA NA ...
## $ V32 : logi NA NA NA NA NA NA ...
## $ V33 : logi NA NA NA NA NA NA ...
## $ V34 : logi NA NA NA NA NA NA ...
## $ V35 : logi NA NA NA NA NA NA ...
## $ V36 : logi NA NA NA NA NA NA ...
## $ V37 : logi NA NA NA NA NA NA ...
## $ V38 : logi NA NA NA NA NA NA ...
## $ V39 : logi NA NA NA NA NA NA ...
## $ V40 : logi NA NA NA NA NA NA ...
## $ V41 : logi NA NA NA NA NA NA ...
## $ V42 : logi NA NA NA NA NA NA ...
## $ V43 : logi NA NA NA NA NA NA ...
## $ V44 : logi NA NA NA NA NA NA ...
## $ V45 : logi NA NA NA NA NA NA ...
## $ V46 : logi NA NA NA NA NA NA ...
## $ V47 : logi NA NA NA NA NA NA ...
## $ V48 : logi NA NA NA NA NA NA ...
## $ V49 : logi NA NA NA NA NA NA ...
Borramos columnas
data[,c(6:49)]=NULL
str(data)
## 'data.frame': 310 obs. of 5 variables:
## $ Country : chr "Burundi" "Central African Republic" "Republic of the Congo" "Kenya" ...
## $ Food Risk Score : int 5 5 5 5 5 5 5 5 5 5 ...
## $ Natural Disasters Score : int 5 5 5 5 5 5 5 5 5 5 ...
## $ Rapid Population Growth Score: int 5 5 5 5 5 5 5 5 5 5 ...
## $ Water Risk Score : int 5 5 5 5 5 5 5 5 5 5 ...
Cambiamos nombre
names(data)
## [1] "Country" "Food Risk Score"
## [3] "Natural Disasters Score" "Rapid Population Growth Score"
## [5] "Water Risk Score"
names1=c('Pais','FRS','NDS','RPGS','WRS')
names(data)=names1
modelo1=formula(WRS~RPGS+FRS)
modelo2=formula(WRS~RPGS+FRS+NDS)
reg1=lm(modelo1,data=data)
summary(reg1)
##
## Call:
## lm(formula = modelo1, data = data)
##
## Residuals:
## Min 1Q Median 3Q Max
## -3.300 -0.559 0.014 0.508 2.418
##
## Coefficients:
## Estimate Std. Error t value Pr(>|t|)
## (Intercept) 1.10678 0.15552 7.116 1.47e-11 ***
## RPGS 0.20196 0.05611 3.599 0.000392 ***
## FRS 0.63665 0.06647 9.578 < 2e-16 ***
## ---
## Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
##
## Residual standard error: 1.016 on 225 degrees of freedom
## (82 observations deleted due to missingness)
## Multiple R-squared: 0.5429, Adjusted R-squared: 0.5388
## F-statistic: 133.6 on 2 and 225 DF, p-value: < 2.2e-16
library(modelsummary)
model1=list('a(I)'=reg1)
modelsummary(model1, title = "Regresion: modelo 1",
stars = TRUE,
output = "kableExtra")
Regresion: modelo 1
|
|
a(I)
|
|
(Intercept)
|
1.107***
|
|
|
(0.156)
|
|
RPGS
|
0.202***
|
|
|
(0.056)
|
|
FRS
|
0.637***
|
|
|
(0.066)
|
|
Num.Obs.
|
228
|
|
R2
|
0.543
|
|
R2 Adj.
|
0.539
|
|
AIC
|
659.2
|
|
BIC
|
672.9
|
|
Log.Lik.
|
−325.613
|
|
F
|
133.611
|
|
RMSE
|
1.01
|
|
+ p < 0.1, * p < 0.05, ** p < 0.01, *** p <
0.001
|
reg2=lm(modelo2,data=data)
model2=list('a (II)'=reg2)
modelsummary(model2, title = "Regresion: modelo 2",
stars = TRUE,
output = "kableExtra")
Regresion: modelo 2
|
|
a (II)
|
|
(Intercept)
|
0.556**
|
|
|
(0.186)
|
|
RPGS
|
0.159**
|
|
|
(0.054)
|
|
FRS
|
0.620***
|
|
|
(0.063)
|
|
NDS
|
0.209***
|
|
|
(0.043)
|
|
Num.Obs.
|
228
|
|
R2
|
0.587
|
|
R2 Adj.
|
0.581
|
|
AIC
|
638.2
|
|
BIC
|
655.3
|
|
Log.Lik.
|
−314.086
|
|
F
|
106.057
|
|
RMSE
|
0.96
|
|
+ p < 0.1, * p < 0.05, ** p < 0.01, *** p <
0.001
|
library(stargazer)
##
## Please cite as:
## Hlavac, Marek (2022). stargazer: Well-Formatted Regression and Summary Statistics Tables.
## R package version 5.2.3. https://CRAN.R-project.org/package=stargazer
library(magrittr)
library(knitr)
tanova=anova(reg1,reg2)
# modelsummary(tanova,)
kable(tanova,
caption = "Tabla ANOVA para comparar modelos")%>%kableExtra::kable_styling(full_width = FALSE)
Tabla ANOVA para comparar modelos
|
Res.Df
|
RSS
|
Df
|
Sum of Sq
|
F
|
Pr(>F)
|
|
225
|
232.2282
|
NA
|
NA
|
NA
|
NA
|
|
224
|
209.8962
|
1
|
22.33202
|
23.83261
|
2e-06
|