Los datos fueron obtenidos atraves de una encuesta realizada a los estudiantes de la Universidad Santo Tomas, donde se realizaban preguntas acerca de las posibles elecciones que tomarian teniendo en cuenta la variación de los precios. La encuesta fue realizadas a travez de un google forms.
obleas=read.csv("https://docs.google.com/spreadsheets/d/e/2PACX-1vRKcXarTzTPWk_PR65d3Xo4vz7-ee26rud0JLeeHK1QiThEZ0oU8kRLl_U68DYhRd-Cx6oCqWG9L09v/pub?output=csv")
names(obleas)## [1] "Marca.temporal"
## [2] "Genero"
## [3] "Edad..ejemplo..18.."
## [4] "X.Cuantas.obleas.te.comerías.si.el.precio.fuera.2000."
## [5] "X.Cuantas.obleas.te.comerías.si.el.precio.fuera.4000."
## [6] "X.Cuantas.obleas.te.comerías.si.el.precio.fuera.6000."
## [7] "X.Cuantas.obleas.te.comerías.si.el.precio.fuera.8000."
## [8] "X.Cuantas.obleas.te.comerías.si.el.precio.fuera.10000."
## [9] "X.Cuantas.obleas.te.comerías.si.el.precio.fuera.15000."colnames(obleas)=c("Fecha", "Genero", "Edad", "2000", "4000", "6000", "8000", "10000", "15000")
library(tidyverse)## ── Attaching core tidyverse packages ──────────────────────── tidyverse 2.0.0 ──
## ✔ dplyr 1.1.2 ✔ readr 2.1.4
## ✔ forcats 1.0.0 ✔ stringr 1.5.0
## ✔ ggplot2 3.4.3 ✔ tibble 3.2.1
## ✔ lubridate 1.9.2 ✔ tidyr 1.3.0
## ✔ purrr 1.0.2
## ── Conflicts ────────────────────────────────────────── tidyverse_conflicts() ──
## ✖ dplyr::filter() masks stats::filter()
## ✖ dplyr::lag() masks stats::lag()
## ℹ Use the conflicted package (<http://conflicted.r-lib.org/>) to force all conflicts to become errorsdf=obleas %>% gather("Precio", "Cantidades", c(4:9))
attach(df)
names(df)## [1] "Fecha" "Genero" "Edad" "Precio" "Cantidades"df$Precio=as.numeric(df$Precio)
attach(df)## The following objects are masked from df (pos = 3):
##
## Cantidades, Edad, Fecha, Genero, Precioregresion=lm(Cantidades~Precio, data=df)
predict(regresion)## 1 2 3 4 5 6
## 4.81977476 4.81977476 4.81977476 4.81977476 4.81977476 4.81977476
## 7 8 9 10 11 12
## 4.81977476 4.81977476 4.81977476 4.81977476 4.81977476 4.81977476
## 13 14 15 16 17 18
## 4.81977476 4.81977476 4.81977476 4.81977476 4.81977476 4.81977476
## 19 20 21 22 23 24
## 4.81977476 4.81977476 4.81977476 4.81977476 4.81977476 4.81977476
## 25 26 27 28 29 30
## 4.81977476 4.81977476 4.81977476 4.81977476 4.81977476 4.81977476
## 31 32 33 34 35 36
## 4.81977476 4.81977476 4.81977476 4.81977476 4.81977476 4.81977476
## 37 38 39 40 41 42
## 4.81977476 4.81977476 4.81977476 4.81977476 4.81977476 4.81977476
## 43 44 45 46 47 48
## 4.81977476 4.81977476 4.81977476 4.81977476 4.81977476 4.81977476
## 49 50 51 52 53 54
## 4.81977476 4.81977476 4.81977476 4.81977476 4.81977476 4.06312710
## 55 56 57 58 59 60
## 4.06312710 4.06312710 4.06312710 4.06312710 4.06312710 4.06312710
## 61 62 63 64 65 66
## 4.06312710 4.06312710 4.06312710 4.06312710 4.06312710 4.06312710
## 67 68 69 70 71 72
## 4.06312710 4.06312710 4.06312710 4.06312710 4.06312710 4.06312710
## 73 74 75 76 77 78
## 4.06312710 4.06312710 4.06312710 4.06312710 4.06312710 4.06312710
## 79 80 81 82 83 84
## 4.06312710 4.06312710 4.06312710 4.06312710 4.06312710 4.06312710
## 85 86 87 88 89 90
## 4.06312710 4.06312710 4.06312710 4.06312710 4.06312710 4.06312710
## 91 92 93 94 95 96
## 4.06312710 4.06312710 4.06312710 4.06312710 4.06312710 4.06312710
## 97 98 99 100 101 102
## 4.06312710 4.06312710 4.06312710 4.06312710 4.06312710 4.06312710
## 103 104 105 106 107 108
## 4.06312710 4.06312710 4.06312710 4.06312710 3.30647945 3.30647945
## 109 110 111 112 113 114
## 3.30647945 3.30647945 3.30647945 3.30647945 3.30647945 3.30647945
## 115 116 117 118 119 120
## 3.30647945 3.30647945 3.30647945 3.30647945 3.30647945 3.30647945
## 121 122 123 124 125 126
## 3.30647945 3.30647945 3.30647945 3.30647945 3.30647945 3.30647945
## 127 128 129 130 131 132
## 3.30647945 3.30647945 3.30647945 3.30647945 3.30647945 3.30647945
## 133 134 135 136 137 138
## 3.30647945 3.30647945 3.30647945 3.30647945 3.30647945 3.30647945
## 139 140 141 142 143 144
## 3.30647945 3.30647945 3.30647945 3.30647945 3.30647945 3.30647945
## 145 146 147 148 149 150
## 3.30647945 3.30647945 3.30647945 3.30647945 3.30647945 3.30647945
## 151 152 153 154 155 156
## 3.30647945 3.30647945 3.30647945 3.30647945 3.30647945 3.30647945
## 157 158 159 160 161 162
## 3.30647945 3.30647945 3.30647945 2.54983180 2.54983180 2.54983180
## 163 164 165 166 167 168
## 2.54983180 2.54983180 2.54983180 2.54983180 2.54983180 2.54983180
## 169 170 171 172 173 174
## 2.54983180 2.54983180 2.54983180 2.54983180 2.54983180 2.54983180
## 175 176 177 178 179 180
## 2.54983180 2.54983180 2.54983180 2.54983180 2.54983180 2.54983180
## 181 182 183 184 185 186
## 2.54983180 2.54983180 2.54983180 2.54983180 2.54983180 2.54983180
## 187 188 189 190 191 192
## 2.54983180 2.54983180 2.54983180 2.54983180 2.54983180 2.54983180
## 193 194 195 196 197 198
## 2.54983180 2.54983180 2.54983180 2.54983180 2.54983180 2.54983180
## 199 200 201 202 203 204
## 2.54983180 2.54983180 2.54983180 2.54983180 2.54983180 2.54983180
## 205 206 207 208 209 210
## 2.54983180 2.54983180 2.54983180 2.54983180 2.54983180 2.54983180
## 211 212 213 214 215 216
## 2.54983180 2.54983180 1.79318415 1.79318415 1.79318415 1.79318415
## 217 218 219 220 221 222
## 1.79318415 1.79318415 1.79318415 1.79318415 1.79318415 1.79318415
## 223 224 225 226 227 228
## 1.79318415 1.79318415 1.79318415 1.79318415 1.79318415 1.79318415
## 229 230 231 232 233 234
## 1.79318415 1.79318415 1.79318415 1.79318415 1.79318415 1.79318415
## 235 236 237 238 239 240
## 1.79318415 1.79318415 1.79318415 1.79318415 1.79318415 1.79318415
## 241 242 243 244 245 246
## 1.79318415 1.79318415 1.79318415 1.79318415 1.79318415 1.79318415
## 247 248 249 250 251 252
## 1.79318415 1.79318415 1.79318415 1.79318415 1.79318415 1.79318415
## 253 254 255 256 257 258
## 1.79318415 1.79318415 1.79318415 1.79318415 1.79318415 1.79318415
## 259 260 261 262 263 264
## 1.79318415 1.79318415 1.79318415 1.79318415 1.79318415 1.79318415
## 265 266 267 268 269 270
## 1.79318415 -0.09843499 -0.09843499 -0.09843499 -0.09843499 -0.09843499
## 271 272 273 274 275 276
## -0.09843499 -0.09843499 -0.09843499 -0.09843499 -0.09843499 -0.09843499
## 277 278 279 280 281 282
## -0.09843499 -0.09843499 -0.09843499 -0.09843499 -0.09843499 -0.09843499
## 283 284 285 286 287 288
## -0.09843499 -0.09843499 -0.09843499 -0.09843499 -0.09843499 -0.09843499
## 289 290 291 292 293 294
## -0.09843499 -0.09843499 -0.09843499 -0.09843499 -0.09843499 -0.09843499
## 295 296 297 298 299 300
## -0.09843499 -0.09843499 -0.09843499 -0.09843499 -0.09843499 -0.09843499
## 301 302 303 304 305 306
## -0.09843499 -0.09843499 -0.09843499 -0.09843499 -0.09843499 -0.09843499
## 307 308 309 310 311 312
## -0.09843499 -0.09843499 -0.09843499 -0.09843499 -0.09843499 -0.09843499
## 313 314 315 316 317 318
## -0.09843499 -0.09843499 -0.09843499 -0.09843499 -0.09843499 -0.09843499###Interpretation the beta
-0.0002739*500## [1] -0.13695-0.0002739*1000## [1] -0.2739#prediction
datos.nuevos=data.frame(Precio=c(2500, 4600, 7100))
predict(regresion, datos.nuevos )## 1 2 3
## 4.630613 3.836133 2.890323####Elasticity
abs(-0.0002739*(mean(Precio)/mean(Cantidades)))## [1] 0.7500017####Correlation de pearson -1< coo<1
cor(Cantidades, Precio)## [1] -0.493431La estimacion de el Beta se hace para poder tener una estimacion de la relacion entre el precio y las cantidades y como estas pueden variar en funcion de movimientos en el precio, el indice unitario equivale a -0.0002739, en base a esto se realizan las estimaciones con los posibles cambios en el precio, a un aumento de $10000 la cantidad comprada va a disminuir en 2.74 obleas.
La elasticidad demuestra que impacto tiene el movimiento de el precio de un producto sobre las cantidades consumidas.
Se calcula con la multiplicacion del Beta con la division de los promedios de precios y cantidades, el resultado es de 0.75, en este caso es inelastica, lo cual indica que a un cambio en el precio, el impacto de este en las cantidades no sera proporcional, es decir que respondera a menor medida.
abs(-0.0002739\*(mean(Precio)/mean(Cantidades)))La elasticidad expresa de forma porcentual el impacto que tiene el cambio de una variable sobre otra
La correlacion expresa la manera en la que estan relacionadas ambas variables, para nuestra regresion, el valor es de -0.493, cuando esta es negativa, significa que la relacion entre ambas es inversa, asi que, a un aumento en el precio disminuyen las cantidades