Introducción

El PIB es un indicador económico el cual se caracteriza por cuantificar y representar el valor total de los bienes y servicios de cada país durante períodos específicos de tiempo, lo ideal es que se realice anualmente para observar su evolución. Con lo anterior se puede inferir que el PIB guarda una relación estrecha con la capacidad productiva dentro de un país. Además, para lograr un desarrollo económico sostenible es necesario tener en cuenta diversos elementos que hacen parte de dicha capacidad, tales como los recursos naturales, el capital, la tecnología, los mercados internacionales y la educación, entre otros.

En este contexto, para lograr una capacidad productiva eficiente con la ayuda de los elementos mencionados, es fundamental la intervención de las personas que componen un país, ya que son responsables de la producción de bienes y servicios. Por lo tanto, es esencial destacar un factor importante que influye en el crecimiento de dicha producción: el empleo.

El empleo y el PIB están estrechamente relacionados, ya que no pueden existir el uno sin el otro. Según los economistas, el crecimiento económico tiende a reducir la tasa de desempleo. Por lo tanto, se busca aumentar tanto el empleo como la productividad laboral, ya que si el desempleo aumenta, su disminución se complica. Es importante destacar que, aunque un crecimiento económico favorable es esencial, no garantiza necesariamente una mejor calidad de vida, especialmente para la población más vulnerable en los sectores económicos.

Con base en lo anterior, este estudio tiene como objetivo analizar la relación existente entre el PIB y la distribución del empleo en cada país durante el año 2018, clasificándolos según su desarrollo económico y social. Se utilizarán indicadores de empleo para observar su comportamiento en la economía y comprender cómo influyen en el desarrollo económico.

Metodología

La metodología tiene como fin proveer de forma automática información estadística sobre métricas del trabajo en el desarrollo y el PIB de un país, usando una base de datos proporcionada. Está compuesta por cuatro macroprocesos con un orden lógico: 1. Planificación del estudio, 2. Preparación de datos, 3. Análisis automático y 4. Visualización de datos. Los macroprocesos 2-4 fueron integrados secuencialmente y automatizados en lenguaje R, bajo el entorno RStudio. A continuación, se describe cada uno de los macroprocesos.

  1. Planificación del estudio

El objetivo de este macroproceso es definir las preguntas de analítica, considerando las necesidades de los usuarios, del analista, etc., así como tomando en cuenta los datos abiertos disponibles. Asimismo, precisar los detalles técnico-metodológicos del estudio. A continuación, se exponen las preguntas de analítica resultantes:

  • ¿Cuál es el propósito de mi análisis de datos?
  • ¿Las variables tienen relación entre ellas?
  • ¿En que influyen las variables elegidas en el PIB?
  • ¿Existen valores atípicos o datos faltantes que deba abordar?
  • ¿Cómo comunicar los hallazgos y conclusiones de manera efectiva?
  1. Preparación de datos

En este macroproceso se diseñan y desarrollan algoritmos que ponen a punto los datos objeto de estudio. Esto comprende una sola etapa, con el mismo nombre del macroproceso en cuestión, e incluye subetapas, las cuales se describen en la Tabla 1 (ítem 2-4).

  1. Análisis automático

El objetivo de este macroproceso es someter los datos (ya preparados) a una serie de pruebas estadísticas y consta de tres etapas. La primera toma como unidad de análisis estadístico. Su finalidad es comprender y cuantificar la relación entre una variable dependiente y una o más variables independientes. En la Tabla 1 se describen las subetapas que conforman esta etapa descriptiva (ítem 5-6).

  1. Visualización de datos

Este macroproceso se encarga de transmitir al usuario los resultados de los análisis previos, de modo que este pueda encontrar en ellos significados e interpretaciones, convirtiéndolos en información de utilidad para la toma de decisiones. Para ello, se recurre a tecnologías de visualización de datos, usando R Markdown. Esto se explica en la Tabla 1 (ítem 7).

Ficha de aspectos técnicos, metodológicos del caso de estudio

Aspecto técnico/Metodológico Descripción
1. Instalación de R y RStudio Tener R y RStudio instalados en el sistema. RStudio es un entorno de desarrollo integrado que facilita el análisis de datos en R.
2. Importación de datos Uso de la función read.xlsx, para importar datos desde archivos o bases de datos.
3. Exploración de datos Análisis exploratorio inicial para comprender la estructura de los datos, utilizando la función summary en R para obtener los coeficientes del modelo (resumen del modelo). Los coeficientes representan la relación entre las variables independientes y el PIB.
4. Limpieza de datos Identifica y trata los valores faltantes, valores atípicos y errores en los datos utilizando funciones como filter, na.omit y técnicas de imputación de datos.
5. Análisis estadístico Realizar análisis estadísticos apropiados para la pregunta de investigación, como análisis de regresión, correlaciones, modelo de regresión lineal múltiple con la función lm() en R para construir el modelo. La fórmula debe tener la forma lm(PIB ~ Variable1 + Variable2 + … + VariableN, data = datos) para crear un modelo que predice el PIB por persona en función del total de trabajadores y el empleo a tiempo parcial, shapiro.test(summary_modelo$residuals) etc. Adicionalmente, paquetes como tidyverse, lmtest y ggplot2.
6. Visualización de datos Gráficos informativos y visuales para representar resultados utilizando paquetes como ggplot, y ggplotly, con la forma ggplot(modelo1, aes(x = Variable1, y=PIB)) + geom_point().
7. Interpretación de datos y documentación Comprender y comunicar los resultados de manera clara y concisa, utilizando visualizaciones y estadísticas descriptivas para respaldar hallazgos; respondiendo a las preguntas ¿Qué significa en términos prácticos? ¿Cuál es la dirección de la relación entre cada variable independiente y el PIB? ¿Cuál es la magnitud de la influencia de cada variable en el PIB?. Finalmente, documentación del código, incluyendo comentarios explicativos, y herramientas como R Markdown para la creación del informe reproducible.

Analisis

Correlación general

Con el interés de conocer la asociación de las variables independientes respecto a la variable dependiente, se hace un análisis de correlación basado en el coeficiente de Pearson el cual permite establecer la magnitud y el signo de la tendencia de las variables a estudiar, en donde el signo indica la dirección de la relación mientras que la magnitud indica la fuerza de la relación. La siguiente imagen ilustra la interpretación de dicho coeficiente

A continuación se muestran los gráficos correspondientes a cada variable con respecto al PIB por persona empleada

Por total empleados

En la gráfica 1, se puede observar una correlación positiva débil entre el PIB por persona empleada y el porcentaje de trabajadores con respecto al porcentaje de empleos totales. Además, se denotan valores atípicos tanto en el eje x como en el eje y, los cuales afectan la variabilidad de los datos.

En un contexto más amplio, la gráfica nos muestra que existe una ligera tendencia al aumento del PIB cuando el porcentaje de trabajadores con respecto al porcentaje de empleos totales aumenta. Sin embargo, este gráfico no arroja una conclusión definitiva debido a la baja correlación entre ambas variables

Por proporción empleo población +15

En la gráfica 2 se puede observar una correlación negativa débil entre el PIB por persona empleada y la proporción del empleo con la población mayor de 15 años. Se encuentran valores atípicos, principalmente con respecto al PIB por persona. Por su parte, la confianza es representada de color gris y vemos que entre más se alejen los datos del promedio, menor es la confianza.

En un contexto más amplio, la gráfica nos muestra que existe una ligera tendencia a la disminución del PIB cuando la proporción de empleo de la población mayor de 15 años aumenta. Sin embargo, el gráfico no es claro debido a la gran dispersión de los datos.

Por trabajo medio tiempo

En la gráfica 3 se observa una correlación positiva moderada entre el PIB por persona empleada y el trabajo a medio tiempo. A pesar de que existen algunos valores atípicos, estos aumentan la correlación positiva de las dos variables.

En un contexto más amplio, la gráfica nos muestra que existe una tendencia al aumento del PIB por persona a medida que aumenta el trabajo a medio tiempo. Esto se debe a que en países desarrollados (generalmente aquellos con un PIB por persona mayor), el trabajo a medio tiempo es común debido al alto nivel de desarrollo de la sociedad y la demanda de empleo que esto genera.

Por trabajadores independientes

En la gráfica 4 se observa una correlación negativa fuerte entre el PIB por persona empleada y trabajadores de forma independiente. Por otro lado, la confianza es mucho mayor en comparación con las anteriores gráficas debido a la alta correlación entre ambas variables.

Esto significa que existe una tendencia fuerte a la disminución del PIB por persona empleada a medida que aumentan los trabajadores de forma independiente. Esto puede deberse a la existencia de trabajadores independientes que realizan actividades informales, lo cual repercute en una mayor tasa de desempleabilidad, debido a la inestabilidad laboral y por ende, volatilidad de sus ingresos, además , de manera general, repercute en un menor avance tecnológico del país

Por trabajo vulnerable

Al igual que la anterior, en la gráfica 5 se observa una correlación negativa fuerte entre el PIB por persona empleada y trabajo de forma vulnerable. Esto significa que entre más trabajo vulnerable haya en un país, menor será el PIB por persona

El trabajo de forma vulnerable hace referencia a aquel que no posee las condiciones óptimas para su realización, por ende puede incluirse el tipo de trabajo independiente que abordamos en la anterior gráfica, por eso la gran similitud entre ambas gráficas, esto debido a que muchos trabajadores independiente que realizan actividades informales no cuentan con prestaciones sociales que los cobije

Correlación según estado del país

Con el interés de conocer más acerca de las variables y como se relacionan entre ellas, haremos una clasificación según el estado del país para observar como varian la regresión lineal de los paises desarrollados y emergentes

Por total empleados

En la gráfica 6, se observan dos lineas de tendencia dependiendo el estado del país: desarrollado o emergente. Ambas lineas siguen una tendencia positiva con una correlación directa débil.

Sin embargo, la tendencia de los paises desarrollados es mayor a la de los emergentes. Además, podemos observar que la mayoría de paises desarrollados estan en un rango de PIB mayor y la mayoría de emergentes estan en un rango PIB menor,pero existen paises fuera de este rango que afectan la tendencia de su estado del país

Por proporción empleo población +15

En la gráfica 7, los países desarrollados tienen una correlación positiva debil y los paises emergentes tienen una correlación negativa moderada entre ambas variables de estudio. También observamos que la dispersión de los datos de los paises desarrollados es mucho mayor a la de los emergentes.

Podemos realizar un analisis con significancia en el caso de los países emergentes, mas no de los desarrollados. En los paises emergentes, entre más empleo haya en una proporción de la población mayor de 15 años, menor será el PIB por persona. Esto puede deberse a la poca oferta de empleo en estas naciones debido al menor desarrollo económico y tecnológico.

Por trabajo medio tiempo

En la gráfica 8 , los países desarrollados tienen una correlación positiva moderada y los países emergentes poseen una correlación negativa debil entre ambas variables de estudio. También observamos que la dispersión de los datos de los paises desarrollados es mucho mayor a la de los emergentes. Sin embargo, a pesar de la dispersión de los datos de los países desarrollados logran tener una tendencia positiva bastante definida.

Podemos realizar un analisis con significancia en el caso de los países desarrollados, más no de los emergentes. En los países desarrollados, entre mas trabajo a medio tiempo exista, mayor será el PIB por persona. Esto puede deberse a la flexibilidad que gozan los trabajadores influyendo positivamente en sus ingresos y optando por realizar más de un trabajo a la vez.

Por trabajadores independientes

En la gráfica 9, tanto los países desarrollados como los emergentes tienen una correlación negativa, fuerte y moderada, especificamente. También observamos que la dispersión de los datos de los paises desarrollados es mucho mayor a la de los emergentes. Algo importante a destacar es que en el eje x, el valor mayor de los países desarrollados es alrededor de 35, en cambio, en el caso de los países emergentes, es el doble de la anterior cifra. Esto puede deberse a que la mayoría de trabajadores de los países desarrollados tienen un contrato laboralfijo y por ende sus ingresos no son tan volatiles a comparación de los trabajadores de países emergentes. Podemos realizar un analisis con significancia para ambos tipos de países, en donde entre más trabajadores independientes existan, menor será el PIB por persona.

Por trabajo vulnerable

Al igual que la anterior, en la gráfica 10 tanto los países desarrollados como los emergentes tienen una correlación negativa, fuerte y moderada, especificamente. También observamos que la dispersión de los datos de los paises desarrollados es mucho mayor a la de los emergentes. Algo importante a destacar es que en el eje x, el valor mayor de los países desarrollados es alrededor de 35, en cambio, en el caso de los países emergentes, es el doble de la anterior cifra. Esto puede deberse a la gran cantidad de trabajo vulnerable en países emergentes causado por la escasez de empleo digno. Por su parte, la correlación negativa se debe a que al haber mas empleos en condiciones no óptimas, genera que el PIB disminuya porque no puede generarse un avance tecnológico, económico y social en la nación.

trabajadores de los países desarrollados tienen un contrato laboralfijo y por ende sus ingresos no son tan volatiles a comparación de los trabajadores de países emergentes. Podemos realizar un analisis con significancia para ambos tipos de países, en donde entre más trabajadores independientes existan, menor será el PIB por persona.

Modelo de regresión lineal

En base al contexto inicial de este proyecto, se establece que el PIB por persona empleada de un país representa una función lineal de los indicadores de empleo anteriormente mencionados, por lo cual se establece el siguiente modelo de estimación:

PIB por persona empleada = \(\beta_0 + \beta_1 + \beta_2 + \beta_3 + \beta_4 + \beta_5\)

Donde \(\beta_1\) hace referencia al porcentaje de trabajadores con respecto al porcentaje de empleos totales, \(\beta_2\) a la proporción del empleo con respecto a la población mayor de 15 años, \(\beta_3\) al trabajo a medio tiempo, \(\beta_4\) a los trabajadores independiente y \(\beta_5\) al trabajo de forma vulnerable

Una vez establecido el modelo a estimar se puede iniciar con el análisis de regresión lineal múltiple, el cual arroja los resultados que se muestran a continuación

## 
## Call:
## lm(formula = `GDP per person employed` ~ `Total employers` + 
##     `Employment to population ratio` + `Part time employment` + 
##     `Self-employed` + `Vulnerable employment` + as.factor(Status), 
##     data = BaseTaller_1)
## 
## Residuals:
##    Min     1Q Median     3Q    Max 
## -43728 -11998  -2721   8564 120569 
## 
## Coefficients:
##                                    Estimate Std. Error t value Pr(>|t|)    
## (Intercept)                        108593.6    28946.9   3.751 0.000444 ***
## `Total employers`                -1281811.7   570695.4  -2.246 0.028975 *  
## `Employment to population ratio`     -481.6      505.0  -0.954 0.344688    
## `Part time employment`                944.0      430.1   2.195 0.032664 *  
## `Self-employed`                   1282771.1   570916.6   2.247 0.028920 *  
## `Vulnerable employment`          -1283767.0   570884.1  -2.249 0.028793 *  
## as.factor(Status)E                 -35965.2    10403.4  -3.457 0.001097 ** 
## ---
## Signif. codes:  0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
## 
## Residual standard error: 25830 on 52 degrees of freedom
##   (25 observations deleted due to missingness)
## Multiple R-squared:  0.6606, Adjusted R-squared:  0.6215 
## F-statistic: 16.87 on 6 and 52 DF,  p-value: 1.076e-10

El modelo de regresión lineal arroja un R2 ajustado de 0.6215, lo cual indica que el 62,15% de la variabilidad del PIB por persona empleada es explicada por su relación lineal con las variables de empleo vulnerable, trabajadores independientes, empleados a tiempo parcial, empleo población mayores de 15 años y el total de empleadores. Para continuar el análisis del modelo, se puede inferir sobre el intercepto y los coeficientes estudiados lo siguiente:

  • Intercepto: el modelo plantea que el valor base del PIB por persona empleada es de 108593.6 cuando las variables independientes de empleo sean iguales a cero, cabe resaltar que esta interpretación se da en un caso hipotético ya que por lo general las variables independientes si influyen en el PIB por persona empleada para cada cada país, además se puede corroborar en el nivel de significancia, el cual presenta un valor p asociado al intercepto de 0.000444 y siguiendo las pruebas de hipótesis se puede rechazar H0 debido a que el valor p es muy pequeño y aceptar Hi la cual indica que el valor base del PIB por persona empleada es diferente de cero y presenta gran importancia en el modelo.

  • Coeficiente del total de empleadores: este coeficiente presenta signo negativo (-) por lo que se puede inferir que por cada vez que aumente el porcentaje de empleadores se presentará una disminución de -1281811.7 en el valor del PIB por persona empleada. Con respecto a la prueba de hipótesis se presenta una significancia de 0.05 con un valor p asociado de 0.028975 lo cual indica que se rechaza H0 y se acepta Hi debido a que los porcentajes de empleo si presentan una influencia respecto al PIB por persona empleada.

  • Coeficiente de población - empleados mayor a 15 años: se presenta un coeficiente con signo negativo (-) en donde se podría inferir que cada vez que la relación población-empleo mayor a 15 años aumente habrá una disminución de -481.6 en el PIB por persona empleada. Sin embargo esta variable no presenta ningún nivel de significancia en el modelo, además presenta un valor p asociado de 0.344688 indicando que no hay evidencia suficiente para rechazar H0, es decir, no influye en el aumento o disminución del PIB por persona empleada.

  • Coeficiente empleo a tiempo parcial: en este caso a medida que aumente el porcentaje de empleo a tiempo parcial por persona el PIB por persona empleada también aumenta en un 944.0, además presenta un nivel de significancia de 0.05 con un valor p asociado de 0.032664 lo que conlleva a rechazar H0 y aceptar Hi, por ende la variable de empleo a tiempo parcial si presenta influencia en el PIB por persona empleada.

  • Coeficiente de trabajadores por cuenta propia: para este coeficiente a medida que aumenta el porcentaje por persona de trabajadores de cuenta propia se presentará un aumento de 1282771.1 en el PIB por persona empleada. Por otra parte se presenta un nivel de significancia de 0.01 con un valor p asociado de 0.028920, por ende se rechaza H0 y se acepta Hi, debido a que las dos variables si presentan una relación entre ellas.

  • Coeficiente de empleo vulnerable: se presenta un coeficiente con signo negativo (-) lo cual indica que se presenta una disminución de -1283767 en el PIB por persona empleada cada que aumenta el porcentaje de empleo vulnerable por persona. Se observa un nivel de significancia de 0.01 con un valor p asociado de 0.028793, por lo cual se se rechaza H0 y se acepta Hi, ya que si se presenta una influencia de ambas variables con una relación inversa.

  • Coeficiente Status: se presenta un valor con signo negativo (-) para esta variable categórica, en donde se puede inferir que si un país presenta un nivel de economía emergente el PIB por persona empleada disminuye -35965.2 respecto a los países desarrollados.

Supuestos

Los supuestos en el contexto de un modelo de regresión lineal son las condiciones y restricciones que deben cumplirse para que el modelo sea válido y las estimaciones de los coeficientes sean precisas y confiables. Estos supuestos son esenciales para interpretar correctamente los resultados de un modelo de regresión lineal y garantizar que las inferencias basadas en el modelo sean válidas. Las inferencias presentadas anteriormente en el modelo son válidas si cumplen los supuestos que sustentan al término de error y son los siguientes:

Linealidad

Se presenta un comportamiento lineal para la relación entre las variables independientes y la variable dependiente como se observa en la gráfica. Se podría concluir que existe linealidad en el modelo.

Varianza constante

Para este supuesto se busca que los errores presenten una varianza constante con el fin de que las estimaciones de los coeficientes sean confiables y precisas. Además que no existan sesgos en los residuos y que los datos no se desvíen presentando una dispersión irregular en el modelo. El modelo arroja la siguiente gráfica:

En la gráfica se presenta una línea levemente recta y los datos siguen una dispersión uniforme lo cual indica homocedástica

Sin embargo para corroborar el resultado obtenido en la gráfica se emplea el Test Breusch-Pagan aplicado al modelo y se plantea la siguiente hipótesis

\(H_0\) = Varianza constante (homocedástica) \(H_1\) = Varianza no constante

En la siguiente tabla se presentan los resultados obtenidos

De la figura 14 se presenta un estadístico de prueba de 10.66 con 6 grados de libertad y un valor p asociado de 0.1179. Tomando como referencia el nivel de significancia comúnmente usado con un valor de 0.05 se puede inferir que no es posible rechazar la hipótesis nula debido a que el valor p es mayor que este nivel de significancia, por ende se puede concluir que el modelo presenta una varianza constante o también denominada homocedástica.

Independencia

Para el supuesto de independencia se hace un análisis gráfico, buscando que la dispersión entre los valores residuales no siga un patrón específico, en este caso se puede inferir que se presenta independencia por parte de dichos valores, como se muestra en la siguiente gráfica:

Normalidad

Con este supuesto se busca que los datos presenten semejanza significativamente con una distribución normal. A continuación se muestra la gráfica correspondiente al modelo.

En la gráfica, se puede observar que se presenta normalidad en los datos, sin embargo en la parte inicial y final de la recta se observa una ligera dispersión de los datos. Para corroborar el supuesto se hace uso del test Shapiro-Wilk normality aplicado al modelo y se plantea la siguiente hipótesis:

\(H_0\) = Distribución normal \(H_1\) = No hay distribución normal

En este caso se presenta un estadístico \(w\) de 0.79689 con un valor \(p\) asociado de 1.355e-07, lo cual indica que este valor p obtenido es menor que el nivel de significancia 0.05, por ende se puede inferir que se rechaza \(H_0\) y se concluye que los datos no siguen una distribución normal como se mostraba anteriormente en la gráfica.

Conclusiones

El valor base del PIB por persona empleada es de 108593.6, lo que significa que en un escenario hipotético donde todas las variables independientes sean nulas, este sería el PIB por persona empleada esperado. Además, el valor p asociado al intercepto es muy pequeño (0.000444), lo que indica que el intercepto es estadísticamente significativo en el modelo, lo que respalda la importancia del valor base del PIB

  • Intercepto:

El valor base del PIB por persona empleada es de 108593.6, lo que significa que en un escenario hipotético donde todas las variables independientes sean nulas, este sería el PIB por persona empleada esperado. Además, el valor p asociado al intercepto es muy pequeño (0.000444), lo que indica que el intercepto es estadísticamente significativo en el modelo, lo que respalda la importancia del valor base del PIB.

  • Total de trabajadores con respecto al porcentaje de empleos totales:

Se observa una compensación negativa significativa entre el porcentaje de trabajadores y el PIB por persona empleada. Esto significa que, a medida que aumenta el porcentaje de trabajadores, el PIB por persona empleada disminuye en -1281811,7. El valor p asociado a este coeficiente es 0.028975, lo que indica que es estadísticamente significativo y respalda la influencia de los trabajadores en el PIB por persona empleada.

  • Proporción del empleo con la población mayor de 15 años:

Aunque el coeficiente es negativo, no se encuentra una relación significativa entre la población de empleados mayores de 15 años y el PIB por persona empleada, ya que el valor p asociado es 0.344688. Esto sugiere que esta variable no influye significativamente en el PIB por persona empleada.

  • Trabajo medio tiempo:

Se encuentra una evaluación positiva significativa entre el porcentaje de empleo a tiempo parcial y el PIB por persona empleada. Un aumento en el porcentaje de empleo a tiempo parcial se asocia con un aumento de 944.0 en el PIB por persona empleada. El valor p asociado a este coeficiente es 0.032664, respaldando la influencia de este tipo de empleo en el PIB por persona empleada

  • Trabajadores independientes:

Se observa una compensación positiva significativa entre el porcentaje de trabajadores por cuenta propia y el PIB por persona empleada. Cada aumento en el porcentaje de trabajadores por cuenta propia se asocia con un aumento de 1282771.1 en el PIB por persona empleada. El valor p asociado a este coeficiente es 0.028920, lo que indica que esta variable es estadísticamente significativa.

  • Empleo vulnerable:

Existe una evaluación negativa significativa entre el porcentaje de empleo vulnerable y el PIB por persona empleada. Cada aumento en el porcentaje de empleo vulnerable se relaciona con una disminución de -1283767 en el PIB por persona empleada. El valor p asociado a este coeficiente es 0.028793, lo que respalda la influencia de esta variable en el PIB por persona empleada.

  • Correlación:

Las correlaciones positivas entre el PIB por persona empleada y el porcentaje de trabajadores, la relación empleo-población y el porcentaje de trabajadores por cuenta propia sugieren que un mayor grado de emprendimiento y empleo activo en la población puede contribuir al crecimiento económico. Estas relaciones pueden ser indicativas de una economía vibrante y productiva. Por otro lado, las correlaciones negativas entre el PIB por persona empleada y el porcentaje de empleo vulnerable resaltan la importancia de mejorar la seguridad laboral y las condiciones de empleo para impulsar la productividad económica.

  • Estado del país:

La variable categórica “Status” muestra que los países con un nivel de economía emergente tienen un PIB por persona empleada más bajo en comparación con los países desarrollados.

Además de los resultados de los coeficientes, se realizaron pruebas de supuestos del modelo, que incluyen la linealidad, en la cual se observa que las gráficas muestran un comportamiento lineal en general, lo que sugiere que el supuesto de linealidad es razonablemente válido, además de la varianza constante en la que no se encontró evidencia de heterocedasticidad, lo que respalda el supuesto de varianza constante, la normalidad, en la que gracias a la prueba Shapiro-Wilk encontró que los residuos no siguen una distribución normal, lo que indica una desviación de este supuesto. Sin embargo, es importante tener en cuenta que los modelos de regresión lineal son bastante robustos, y pequeñas desviaciones de la normalidad pueden ser tolerables, por último el modelo si presenta independencia lo que indica que los errores no siguen un patrón especifico por ende la independencia proporciona que el modelo de regresión sea más confiable en cuanto a sus hipótesis planteadas.

Bibliografía