RECONOCIMIENTO DE LA BASE DE DATOS

datos<-read.csv(file.choose(),dec=",",sep=";")
head(datos)
datos
attach(datos)
ESTRÉS
EMPRESA
AÑOS
SALARIO
EDAD
DATOS ATIPICOS
plot(datos,col="blue",main="Grafica de Dispersión")
X11()
plot(EMPRESA,ESTRÉS,col="blue",main="Grafica de Dispersión Y VS X1")
GRAFICA DE CAJAS
X11()
boxplot(datos[,1:5],xlab="Variables",col=c("orangered","royalblue4","seagreen","Purple4","red"
),main="DATOS A TIPICOS")
X11()
boxplot(datos[,1],xlab="ESTRES",col=c("orangered"))
boxplot(datos[,4],xlab="SALARIO",col=c("seagreen"))
IDENTIFICACIÓN DE LOS DATOS ATIPICOS
boxplot.stats(datos$SALARIO)
datos
Datos1<-datos[-c(12),]
Datos1
REGRESIÓN LINEAL MULTIPLE
rlm<-lm(ESTRÉS~EMPRESA+AÑOS+SALARIO+EDAD,data=Datos1)
summary(rlm)
rlm1<-lm(ESTRÉS~EMPRESA,data=Datos1)
summary(rlm1)
rlm2<-lm(ESTRÉS~AÑOS,data=Datos1)
summary(rlm2)
SELECCIÓN DEL MEJOR MODELO
install.packages("MASS")
library(MASS)
stepAIC(rlm,method=c("both"))
modelo<-lm(ESTRÉS~EMPRESA+SALARIO+EDAD,data=Datos1)
summary(modelo)
NORMALIDAD SHAPIRO WILKS
install.packages("fitdistrplus")
library(fitdistrplus)
normalidad<-fitdist(data=modelo$residuals,distr="norm")
x11()
plot(normalidad)
shapiro.test(modelo$residuals)
INDEPENDENCIA DURBIN WATSON
install.packages("car")
library(car)
durbinWatsonTest(modelo)
install.packages("lmtest")
library(lmtest)
dwtest(modelo)
HOMOCEDASTICIDAD BREUSCH PAGAN
bptest(modelo)
LINEALIDAD
mean(residuals(modelo))