Regresión con Variables Categóricas en Rstudio | Regresión Múltiple

[@alexandertorres6518]

Excelente video. Muchas sentencias que no conocía.

[@marcelalopezcardenas7350]

Hola profe, si tengo dos variables categóricas que contienen más de 2 niveles, cómo se interpretaría el intercepto en este caso?

Me pareció útil su vídeo!

[@eliassantiz9817]

Excelente como siempre

[@davidguzman6529]

Hola, buen vídeo, y en el caso en el que mis variables categóricas sean números?, es decir 0 si presenta tal característica, 1 si presenta otra característica, 2 para otra, y 3 para otras. Porque ahí los terminaría tomando como números tal cual no?

[@orlandosuarezvides]

hola, podrías explicar un poco mas por que el la suma del coeficiente sexmale mas el intercepto dal el salario de los hombres?? lo pregunto pro que al hacer el relevel en el intercepto no te da un valor equivalente a la suma de esos dos coeficientes como indicas

[@eliassantiz9817]

Que Hermosa voz

[@surgical7709]

muy buen video, te quiero mucho

[@LicLourdesCuellar]

Te quiero !

[@octaviodelsueldo8118]

Hola Lourdes, para cuando el video de función de transferencia en modelos arimax? Un saludo desde España!

[@LicLourdesCuellar]

Saludos!!! Espero pronto !

[@ysaironquillo1334]

y los supuestos del modelo (?)

[@jesusbarriga5937]

Hola Licenciada, muy buena explicación, hay algo que no entendí bien, Cómo sé que "x" o "y" variable es significativa, en R nos maneja las siguientes estrellitas para indicarlo "***" pero no entiendo exactamente el razonamiento. Otra pregunta el hecho que en un modelo una variable resulte significativa y en otro no, esto hace que le reste valor a la regresión Múltiple? Qué pasaría con R2, si tuviera que predecir algún valor tendría que desarrollar sólo el modelo que me diera un R2 muy cercana a 1?. Finalmente si yo quisiera predecir el salario como me quedaría la formula? Intercepto inicial + Betas multiplicadas por las variables categóricas y numéricas respectivamente?

[@antt5602]

Como aporte, para identificar que variables son o no, estadísticamente significativas, puedes utilizar el p-valor. Ho, se rechaza, si: p-valor < 0.05 (es estadísticamente significativa); Ho, se acepta si: p-valor >= 0.05. (no es estadísticamente significativa).