Terry Madariaga

setwd("C:/Users/n422/Desktop/parcial")

“DEPARTAMENTO” : Departamento del Peru “UBIGEO”: Ubigeo del departamento “buenEstado”: Porcentaje de locales escolares en buen estado “contribuyentesSunat”: Cantidad de contribuyentes a la SUNAT (PEA) “peaOcupada”: Cantidad de PEA ocupada “pobUrbana”: poblacion urbana (PEA) “PobRural”: poblacion rural (PEA) “pobTotal” Poblacion total (PEA)

library(rio)
data=import("dataPeru.xlsx")

str(data)

## 'data.frame':    25 obs. of  8 variables:
##  $ DEPARTAMENTO       : chr  "AMAZONAS" "ÁNCASH" "APURÍMAC" "AREQUIPA" ...
##  $ UBIGEO             : chr  "010000" "020000" "030000" "040000" ...
##  $ buenEstado         : num  18.6 13.9 8.7 27.4 17 18 33.8 11.9 10.1 15.6 ...
##  $ contribuyentesSunat: num  75035 302906 103981 585628 151191 ...
##  $ peaOcupada         : num  130019 387976 140341 645001 235857 ...
##  $ pobUrbana          : num  205976 806065 243354 1383694 444473 ...
##  $ PobRural           : num  211389 333050 180905 76739 206467 ...
##  $ pobTotal           : num  417365 1139115 424259 1460433 650940 ...

library(knitr)
library(magrittr)
library(kableExtra)
library(DescTools)

1. Al querer probar la hipotesis que los locales escolares en buen estado dependen del porcentaje de la poblacion que contribuye a la SUNAT; y del porcentaje de la PEA que está laborando; se llega a comprobar que (con una significancia del 0.05):

library(dplyr)

## 
## Attaching package: 'dplyr'

## The following object is masked from 'package:kableExtra':
## 
##     group_rows

## The following objects are masked from 'package:stats':
## 
##     filter, lag

## The following objects are masked from 'package:base':
## 
##     intersect, setdiff, setequal, union

modelo1=formula(buenEstado~contribuyentesSunat+peaOcupada )
modelo1

## buenEstado ~ contribuyentesSunat + peaOcupada

regr1=lm(modelo1, data=data)
summary(regr1)

## 
## Call:
## lm(formula = modelo1, data = data)
## 
## Residuals:
##     Min      1Q  Median      3Q     Max 
## -10.589  -3.966  -1.347   1.907  21.518 
## 
## Coefficients:
##                       Estimate Std. Error t value Pr(>|t|)    
## (Intercept)          1.865e+01  2.694e+00   6.922 5.98e-07 ***
## contribuyentesSunat  1.786e-05  2.060e-05   0.867    0.395    
## peaOcupada          -1.596e-05  2.241e-05  -0.712    0.484    
## ---
## Signif. codes:  0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
## 
## Residual standard error: 7.925 on 22 degrees of freedom
## Multiple R-squared:  0.1561, Adjusted R-squared:  0.07939 
## F-statistic: 2.035 on 2 and 22 DF,  p-value: 0.1546

#porcentaje de la pea que labora

data$peaOcu_pct=data$peaOcupada/data$pobTotal

modelo1.2=formula(buenEstado~peaOcu_pct + contribuyentesSunat)
regre1.2=lm(modelo1.2,data = data)
summary(regre1.2)

## 
## Call:
## lm(formula = modelo1.2, data = data)
## 
## Residuals:
##      Min       1Q   Median       3Q      Max 
## -10.4595  -3.6279  -0.2737   4.2711  12.1148 
## 
## Coefficients:
##                       Estimate Std. Error t value Pr(>|t|)    
## (Intercept)         -2.367e+01  1.078e+01  -2.196 0.038936 *  
## peaOcu_pct           1.118e+02  2.925e+01   3.822 0.000931 ***
## contribuyentesSunat  1.222e-06  1.449e-06   0.843 0.408093    
## ---
## Signif. codes:  0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
## 
## Residual standard error: 6.214 on 22 degrees of freedom
## Multiple R-squared:  0.4811, Adjusted R-squared:  0.434 
## F-statistic:  10.2 on 2 and 22 DF,  p-value: 0.0007338

2. Al querer probar la hipotesis que la cantidad de PEA ocupada dependen de la cantidad de contribuyentes a la SUNAT ; y del porcentaje de locales escolares en buen estado; se llega a comprobar que (con una significancia del 0.05):

#buenEstado sí esta en porcentaje aquí
modelo2=formula(peaOcupada~contribuyentesSunat+buenEstado)
modelo2

## peaOcupada ~ contribuyentesSunat + buenEstado

regre2=lm(modelo2,data = data)
summary(regre2)

## 
## Call:
## lm(formula = modelo2, data = data)
## 
## Residuals:
##    Min     1Q Median     3Q    Max 
## -91867 -58573 -11166  46174 155851 
## 
## Coefficients:
##                       Estimate Std. Error t value Pr(>|t|)    
## (Intercept)          1.155e+05  3.787e+04   3.049  0.00588 ** 
## contribuyentesSunat  9.206e-01  1.741e-02  52.872  < 2e-16 ***
## buenEstado          -1.412e+03  1.983e+03  -0.712  0.48395    
## ---
## Signif. codes:  0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
## 
## Residual standard error: 74540 on 22 degrees of freedom
## Multiple R-squared:  0.9932, Adjusted R-squared:  0.9926 
## F-statistic:  1603 on 2 and 22 DF,  p-value: < 2.2e-16