setwd("C:/Users/USUARIO/Documents/2024-1/Estadística 2 teoría/PARCIAL")
library(rio)
## Warning: package 'rio' was built under R version 4.3.3
data=import("dataPeru.xlsx")
modelo1 <- formula(buenEstado ~ contribuyentesSunat + peaOcupada)
modelo2 <- formula(buenEstado ~ contribuyentesSunat + peaOcupada)
regre1 <- lm(modelo1, data = data)
regre2 <- lm(modelo2, data = data)
summary(regre1)
## 
## 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
summary(regre2)
## 
## Call:
## lm(formula = modelo2, 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

En el modelo global, el modelo no aporta pues es mayor a 0.05 y al 95 %. En el caso de contribuyentes no aporta al modelo y el caso de pea ocupada tampoco. Por otro lado, el modelo explica un 7 %, esto demuestra que no aporta como tal al modelo. Ahora, la cantidad de contribuyentes es directa y la de pea ocupada inversa.

data$buenEstado_porcentaje <- (data$buenEstado / sum(data$buenEstado)) * 100
modelo3c <- formula(peaOcupada ~ contribuyentesSunat + buenEstado_porcentaje)
regre3<- lm(modelo3c, data = data)
summary(regre3)
## 
## Call:
## lm(formula = modelo3c, 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_porcentaje -6.568e+03  9.225e+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

En el modelo global, el modelo sí aporta pues es menor a 0.05 y al 95 %. En el caso de contribuyentes, hay una influencia en el modelo y en el de buen estado no existe una influencia en el modelo, ya que es mayor a 0.05. Por otro lado, el modelo explica un 99 %. Ahora, la cantidad de contribuyentes es directa y la de buen estado es inversa.