CAPÍTULO 7. AJUSTE CON MODELOS ESTADÍSTICOS
174
El modelo encontrado contiene mucha información interesante desde el
punto de vista estadístico y del proceso que se ha llevado a cabo para realizar el
ajuste; pero, de momento, nuestro interés está en los coeficientes encontrados y
que se han mostrado en la última parte del código anterior, y en la manera que
se puede emplear el modelo para predecir algunos valores de la variable de
respuesta
y
. Los coeficientes encontrados, en acuerdo con la ecuación 7.1, son
β
0
=
34.2813 y
β
1
=
0.3879, y con éstos, la ecuación de la línea recta encontrada
sería:
y
=
34.2813
+
0.3879
x
(7.2)
En R, esta ecuación se puede implementar por medio de una función, ex-
trayendo directamente los valores de los coeficientes del modelo como sigue:
mi.y
<-
function
(
x
) {
y
<-
mi.modelo
$
coefficients[
1
]
+
mi.modelo
$
coefficients[
2
]
*
x
attributes
(y)
<-
NULL
return
(y)
}
# Otra forma para extraer los coeficientes:
coef
(mi.modelo)
## (Intercept)
x
## 34.2813
0.3879
# Para saber el valor que "predice" esta ecuación para una
# x = 3, correspondiente al 3er trimestre de 2011, se puede
# hacer con:
mi.y
(
3
)
## [1] 35.45
# También se le puede pasar un vector con valores de x, así:
mi.y
(
9
:
11
)
## [1] 37.77 38.16 38.55
Lo anterior, sin embargo, no es necesario, ya que el modelo se puede usar
directamente para producir las predicciones por medio de la función
predict()
,
como se muestra a continuación.
predict
(mi.modelo,
newdata
=
data.frame
(
x
=
3
),
type
=
"response"
)
## 1
## 35.45
predict
(mi.modelo,
newdata
=
data.frame
(
x
=
9
:
11
),
type
=
"response"
)
