Trabajo final econometría

Relación entre el PIB y el coeficente de GINI

Para este trabajo tomaremos datos desde 1990 hasta 2021, la idea es probar si el crecimiento económico génera que haya más igualdad.

Cargamos el documento

#install.packages("readxl")#
#install.packages("tidyverse")#
library(readxl)
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   3.4.2     ✔ tibble    3.2.1
## ✔ lubridate 1.9.3     ✔ tidyr     1.3.0
## ✔ purrr     1.0.1     
## ── 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 errors

library(lubridate)
library(stats)
data <- read_excel("C:\\Users\\david\\Desktop\\UNAL\\Octavo Semestre\\Eco II\\Base de datos trabajo de econometría.xlsx")

Ahora, vamos a ajustar la variable tiempo

data$Año <- NULL
# Cambiar los nombres de las columnas en un marco de datos data
colnames(data) <- c("gini", "pib")
gini.ts = ts(data$gini, start = 1990, frequency = 1)
pib.ts = ts(data$pib, start = 1990, frequency = 1)
data$Año <- NULL
class(data$pib)

## [1] "numeric"

class(data$gini)

## [1] "numeric"

#Convierto PIB a variable en Log
data <- data %>%
  mutate(lpib = log(pib.ts))

siguiente, vamos a ver el autocorrelograma

autocorrelograma_pib <- acf(data$pib)

autocorrelograma_lpib <- acf(data$lpib)

autocorrelograma_gini <- acf(data$gini)

Pasamos al autocorrelograma parcial

autocorrelograma_parcial_pib <- pacf(data$pib)

autocorrelograma_parcial_lpib <- pacf(data$lpib)

autocorrelograma_parcial_gini <- pacf(data$gini)

plot(gini.ts)

plot(pib.ts)