Interacción. Ejemplo con tres variables categóricas. Video.

La base adjunta tiene información sobre presos liberados que reciben o no ayuda del Patronato del Liberado.

Se advierte en un primer momento una asociación entre recibir ayuda y no reincidir: quienes son ayudados reinciden menos.

Pero surge una segunda hipótesis que se desea verificar: que la acción del Patronato es más importante en el subgrupo de quienes no tienen capital social (amigos, conocidos, etc.) que en el de quienes sí tienen.

En los datos que nos ocupan sucede eso: el Patronato es importante para quienes no tienen apoyos y no lo es para quienes los tienen.

Este es un caso típico de interacción: para contestar sobre la eficacia del Patronato, debemos decir que depende de una tercera variable: en este caso el capital social del ex preso.




Base

Video

Regresión lineal. Ejercicio sobre supresión (sin solución)

 Una compañia de préstamos desea investigar la relación entre ingresos y deuda entre pagadores atrasados. Desea además saber si el sexo influye.

Genere la base (hipotética), corriendo la sintaxis que sigue:

*****************************************

cls

clear all

set seed 185966

set obs 500

gen sexo = trunc(runiform() * 2)

label define sexo 0 "Hombre" 1 "Mujer"

label value sexo sexo

gen ingresos = 3500 + runiform() * 2000 - 500 * sexo

gen deuda = -0.5 * ingresos - 1500 * sexo + rnormal(8000, 500)

lowess deuda ingresos

regress deuda ingresos

regress deuda ingresos i.sexo

*****************************************

Se pide al estudiante:

1. Grafique la relación entre deuda (variable dependiente) e ingresos.

2. Efectúe una regresión lineal solo con deuda e ingresos.

3. La regresión anterior, ¿da un modelo significativo?

4. ¿Cuál es su R cuadrado ajustado?

5. ¿Cuál es su Root MSE?

6. Ahora genere un nuevo modelo  incorporando además la variable categórica sexo.

7. ¿Este modelo es ahora significativo?

8. ¿Cómo cambió el R cuadrado ajustado?

9. ¿Cómo cambió el Root MSE?

10. ¿Cómo cambió el coeficiente de ingresos?

11. Explique los cambios anteriores.

12. ¿Cuál es la ecuación de regresión del nuevo modelo?

13. Según este último modelo, si se aumentan los ingresos en una unidad, ¿es cuánto varía la estimación de la deuda?

Confusión. Ejemplo de relación suprimida. Video.

La base que utilizaremos simula sueldos de docentes de idiomas con distintos niveles de solvencia.

Primero se analizará la relación entre sueldo y sexo, y no se verá ninguna relación. Hombres y mujeres ganan lo mismo.

Pero las mujeres tienen en esta base mayores niveles de solvencia, y a igual nivel de solvencia los hombres ganan bastante más que las mujeres.

Esta relación sexo sueldo estaba suprimida, no era visible. Solo se hizo visible cuando se incorporó al modelo la solvencia. La solvencia es una variable confusora en la relación sexo-sueldo.

Base

Video

Regresión lineal. Ejercicio sobre confusión (sin solución)

 

Base de datos

Letra del problema