https://github.com/juanparias29/academic_performance_regression

https://github.com/juanparias29/academic_performance_regression

Last synced: 28 days ago
JSON representation

• Host: GitHub
• URL: https://github.com/juanparias29/academic_performance_regression
• Owner: JuanParias29
• Created: 2025-09-10T17:34:26.000Z (about 1 month ago)
• Default Branch: main
• Last Pushed: 2025-09-10T21:00:46.000Z (about 1 month ago)
• Last Synced: 2025-09-10T23:37:34.672Z (about 1 month ago)
• Language: R
• Size: 1.95 MB
• Stars: 0
• Watchers: 0
• Forks: 0
• Open Issues: 0
• Metadata Files:
  • Readme: README.md

Awesome Lists containing this project

README

          
# 📊 Academic Performance Regression

Este proyecto consiste en un análisis de regresión lineal realizado en **RStudio**, con el objetivo de encontrar el mejor modelo posible para explicar el rendimiento académico de los estudiantes, cumpliendo con todos los supuestos estadísticos del modelo.

---

## 🎯 Objetivo

Estimar el mejor modelo de **regresión lineal** posible para predecir el rendimiento académico, asegurando el cumplimiento de los supuestos del modelo, la validez estadística de los parámetros y la calidad del ajuste.

---

## Estructura del análisis

El análisis se divide en dos partes principales:

### Parte 1: Análisis previo de los datos (20%)

- Análisis exploratorio de datos (EDA)

- Gráficos de dispersión entre:

  - La variable dependiente y las variables explicativas

  - Las variables explicativas entre sí

- Interpretación de relaciones observadas:

  - Identificación de relaciones lineales y no lineales

  - Evaluación de transformaciones de las variables

### Parte 2: Estimación de modelos, ajuste y validación (80%)

- Estimación del modelo completo con todas las variables

- Pruebas de hipótesis:

  - Significancia global del modelo

  - Significancia individual de los coeficientes

- Validación de supuestos del modelo:

  - Linealidad

  - Homocedasticidad

  - Independencia

  - Normalidad de residuos

- Reestimación del modelo:

  - Eliminación de variables no significativas

  - Comparación de bondad de ajuste (R², AIC, BIC, etc.)

- Interpretación detallada de los parámetros del modelo final

---

## 🧰 Herramientas utilizadas

- **Lenguaje:** R

- **IDE:** RStudio

- **Librerías principales:**

  - `ggplot2` – visualización

  - `car`, `lmtest` – pruebas estadísticas

  - `dplyr`, `tidyr` – manipulación de datos

  - `broom`, `performance` – validación de modelos

---

## 📁 Estructura del repositorio

```bash

academic-performance-regression/

│

├── data/

│   └── student_habits_performance.xlsx    # Conjunto de datos original

│   └── data_dictionary.xlsx               # Diccionario de datos

│

├── eda/

│   └── 01_eda_analysis.R                  # Análisis exploratorio de datos

│

├── model/

│   ├── full_model.R                       # Modelo completo

│   └── reduced_model.R                    # Modelo reducido

│

├── reports/

│   ├── reporte_1_AR.pdf                   # Primer informe del proyecto

│   └── ...                                # Informes adicionales

│

└── README.md                              # Documentación general del proyecto

```

## 👥 Data Scientists

- [Juan Pablo Arias](https://github.com/JuanParias29)

- Sergio Pardo Hurtado

---

## 📚 Análisis de Regresión

**Docente:** Gabriel Camilo Pérez