¡Hola Estudiante, espero que estés bien!
Parece que estás trabajando en un proyecto interesante sobre regresión lineal en el sector de energía. Aquí van algunas sugerencias que podrían ayudarte a avanzar en tu tarea.
Para la primera etapa, donde necesitas verificar la multicolinealidad, puedes utilizar el Factor de Inflación de la Varianza (VIF). Un VIF superior a 5 o 10 puede indicar problemas de multicolinealidad. Para calcular el VIF, puedes usar la biblioteca statsmodels en Python de la siguiente manera:
import pandas as pd
import statsmodels.api as sm
from statsmodels.stats.outliers_influence import variance_inflation_factor
# Carga tus datos
data = pd.read_csv('ruta/del/dataset/usina.csv')
# Asumiendo que 'PE' es la variable dependiente
X = data.drop(columns=['PE'])
X = sm.add_constant(X)
# Calcula el VIF para cada variable
vif_data = pd.DataFrame()
vif_data['Variable'] = X.columns
vif_data['VIF'] = [variance_inflation_factor(X.values, i) for i in range(X.shape[1])]
print(vif_data)
Si encuentras multicolinealidad, podrías considerar eliminar una de las variables correlacionadas o usar técnicas como la regresión por componentes principales.
Para la segunda etapa, donde necesitas realizar un análisis de residuos para identificar heterocedasticidad, puedes graficar los residuos del modelo de regresión y buscar patrones. Un gráfico común es el de residuos vs valores ajustados. Si ves un patrón claro (como un cono), podría indicar heterocedasticidad. Aquí tienes un ejemplo de cómo hacerlo:
import matplotlib.pyplot as plt
# Ajusta el modelo de regresión
modelo = sm.OLS(data['PE'], X).fit()
# Calcula los residuos
residuos = modelo.resid
# Gráfico de residuos vs valores ajustados
plt.scatter(modelo.fittedvalues, residuos)
plt.xlabel('Valores ajustados')
plt.ylabel('Residuos')
plt.title('Gráfico de residuos vs valores ajustados')
plt.axhline(0, color='red', linestyle='--')
plt.show()
Espero que estas sugerencias te sean útiles para completar tu tarea. ¡Espero haber ayudado y buenos estudios!