PCIAL

library(rio)
library (stats)
library(knitr)
library(modelsummary)

## `modelsummary` 2.0.0 now uses `tinytable` as its default table-drawing
##   backend. Learn more at: https://vincentarelbundock.github.io/tinytable/
## 
## Revert to `kableExtra` for one session:
## 
##   options(modelsummary_factory_default = 'kableExtra')
## 
## Change the default backend persistently:
## 
##   config_modelsummary(factory_default = 'gt')
## 
## Silence this message forever:
## 
##   config_modelsummary(startup_message = FALSE)

dataPeru=import("dataPeru.xlsx")

##variables##

“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)

Hipótesis 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):

Nuestra hipotesis es

H1: Los locales escolares en buen estado dependen del porcentaje de la población que contribuye a la SUNAT y del porcentaje de la PEA que trabaja

Código

h11 = formula(buenEstado ~ contribuyentesSunat + peaOcupada)

rl11 =lm(h11, data = dataPeru)

model11 = list ("colegios en buen estado" = rl11)
modelsummary(model11, title = "Resumen de Regresion Lineal",
             stars = TRUE,
             output = "kableExtra")

Resumen de Regresion Lineal

	colegios en buen estado
(Intercept)	18.646***
	(2.694)
contribuyentesSunat	0.000
	(0.000)
peaOcupada	0.000
	(0.000)
Num.Obs.	25
R2	0.156
R2 Adj.	0.079
AIC	179.3
BIC	184.1
Log.Lik.	-85.626
F	2.035
RMSE	7.43
+ p < 0.1, * p < 0.05, ** p < 0.01, *** p < 0.001

h22 = formula(peaOcupada ~ contribuyentesSunat + buenEstado)

rl22 =lm(h22, data = dataPeru)

model22 = list ("peaOcupada" = rl22)
modelsummary(model11, title = "Resumen de Regresion Lineal",
             stars = TRUE,
             output = "kableExtra")

Resumen de Regresion Lineal

	colegios en buen estado
(Intercept)	18.646***
	(2.694)
contribuyentesSunat	0.000
	(0.000)
peaOcupada	0.000
	(0.000)
Num.Obs.	25
R2	0.156
R2 Adj.	0.079
AIC	179.3
BIC	184.1
Log.Lik.	-85.626
F	2.035
RMSE	7.43
+ p < 0.1, * p < 0.05, ** p < 0.01, *** p < 0.001