Variables

VARIABLES NUMERICAS E INDICADORES:
Un modelo de regresión lineal tiene el aspecto:
Y=bo+b1X1+…+bn+Xn
* Y es variable dependiente.
* Los términos X1 representan las variablesindependientes o explicativas.
* Los coeficientes del modelo bi son calculados por el programa estadístico, de modo que se minimicen los residuos.
Esencialmente cuando obtengamos para los coeficientesvalores ‘’compatibles’’ con cero (no significativos) , la variable asociada se elimina del modelo, y en otro caso se considera a la variable asociada de interés. Esta regla no hay que aplicarlaciegamente. Si por ejemplo la variable con coeficiente no significativo se observa que es confusora, debemos considerarla como parte del modelo, bien explícitamente o estratificando la muestra según losdiferentes valores de la misma.
Está claro que para ajustar el modelo la variable respuesta debe ser numérica. Sin embargo aunque pueda parecer extraño no tienen porque serlo las variables explicativas.Aunque requiere un artificio, podemos utilizar predictores categóricas mediante la introducción de variables indicadoras.
Si una variable es dicotómica, puede ser codificada como 0 o 1. Asi siestudiamos la explicación del peso de una persona como función de su altura y su sexo, un modelo como:
Peso=-100+ 1. Altura – 5. Sexo
Donde se ha codificado con Sexo = 0 a los hombres y Sexo = 1 a lasmujeres, puede ser interpretado como que las mujeres, a igualdad de altura, pesan de media 5Kg menos que los hombres. El coeficiente 1 de la altura, se interpreta como que por cada diferencia de altura de 1cm en personas que tienen el resto de variables independientes iguales (mismo sexo) , el peso aumenta, por término medio, en un Kg.
Si creemos que la dieta puede influir en la respuesta, y tenemos 3dietas posibles ( es decir, hay un factor llamado dieta, que es variable categórica con 3 modalidades) como por ejemplo, dieta normal, alta en proteínas y vegetariana, podemos introducirlo usando...