tibble [150 × 11] (S3: tbl_df/tbl/data.frame)
$ Pais : chr [1:150] "Afganistán" "Albania" "Alemania" "Angola" ...
$ Inmigrantes: chr [1:150] "144098" "48810" "15762457" "656434" ...
$ Poblacion : chr [1:150] "34263000" "2761785" "83445000" "34504000" ...
$ Industrial : num [1:150] -1.9 6.8 3.3 2.5 6.8 0.6 2.7 5.4 1.4 6.5 ...
$ PBI : chr [1:150] "13 772 " "21 255 " "4 185 550 " "82 929 " ...
$ IDH : chr [1:150] "0.462" "0.789" "0.950" "0.591" ...
$ Gobierno : num [1:150] 5 1 1 2 4 2 2 4 4 1 ...
$ Desempleo : num [1:150] 5.6 11.5 3.1 15.8 8.4 12 6.8 10 3.7 5 ...
$ Conflictos : num [1:150] 1 0 0 1 0 1 0 1 0 0 ...
$ inmigr : num [1:150] 144098 48810 15762457 656434 29386 ...
$ pobla : num [1:150] 34263000 2761785 83445000 34504000 101000 ... num [1:150] 0.462 0.789 0.95 0.591 0.826 0.745 0.849 0.786 0.946 0.926 ...ANÁLISIS DE VARIABLES
Modelo de regresión:
Call:
lm(formula = modelo1, data = dregre)
Residuals:
Min 1Q Median 3Q Max
-2972987 -1304716 -645501 2313 47656825
Coefficients:
Estimate Std. Error t value Pr(>|t|)
(Intercept) -156148 805805 -0.194 0.8466
Gobierno 626432 275956 2.270 0.0246 *
---
Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
Residual standard error: 4536000 on 148 degrees of freedom
Multiple R-squared: 0.03365, Adjusted R-squared: 0.02712
F-statistic: 5.153 on 1 and 148 DF, p-value: 0.02465Existe significancia porque el p-value es menor a 0.05.
{data-width=400}
Histograma
Column
REGRESIÓN Y MODELOS
{data-width=500}
MODELO 1
| Regresión (I) | |
|---|---|
| (Intercept) | 1104617.009* |
| (436132.532) | |
| Conflictos | 1364180.216 |
| (844567.016) | |
| Num.Obs. | 150 |
| R2 | 0.017 |
| R2 Adj. | 0.011 |
| AIC | 5030.5 |
| BIC | 5039.5 |
| Log.Lik. | −2512.225 |
| RMSE | 4543599.60 |
| + p < 0.1, * p < 0.05, ** p < 0.01, *** p < 0.001 |
MODELO 2
| Regresión (II) | |
|---|---|
| (Intercept) | −7201763.454*** |
| (1902172.905) | |
| Conflictos | 2755238.044** |
| (853748.841) | |
| idh | 10922523.412*** |
| (2442312.896) | |
| Num.Obs. | 150 |
| R2 | 0.135 |
| R2 Adj. | 0.123 |
| AIC | 5013.3 |
| BIC | 5025.4 |
| Log.Lik. | −2502.658 |
| RMSE | 4262846.40 |
| + p < 0.1, * p < 0.05, ** p < 0.01, *** p < 0.001 |
MODELO 3
| Regresión (III) | |
|---|---|
| (Intercept) | −7254302.385*** |
| (1936959.178) | |
| Conflictos | 2761152.402** |
| (857402.437) | |
| idh | 10953703.035*** |
| (2458299.883) | |
| Industrial | 8097.583 |
| (50977.067) | |
| Num.Obs. | 150 |
| R2 | 0.135 |
| R2 Adj. | 0.117 |
| AIC | 5015.3 |
| BIC | 5030.3 |
| Log.Lik. | −2502.645 |
| RMSE | 4262478.08 |
| + p < 0.1, * p < 0.05, ** p < 0.01, *** p < 0.001 |
SELECCIÓN DE MODELOS
| apropiacion (I) | apropiacion (II) | apropiacion (III) | |
|---|---|---|---|
| (Intercept) | 1104617.009* | −7201763.454*** | −7254302.385*** |
| [242765.703, 1966468.315] | [−10960900.909, −3442625.999] | [−11082403.240, −3426201.531] | |
| Conflictos | 1364180.216 | 2755238.044** | 2761152.402** |
| [−304787.661, 3033148.093] | [1068031.147, 4442444.941] | [1066628.820, 4455675.983] | |
| idh | 10922523.412*** | 10953703.035*** | |
| [6095943.316, 15749103.508] | [6095252.745, 15812153.326] | ||
| Industrial | 8097.583 | ||
| [−92650.722, 108845.887] | |||
| Num.Obs. | 150 | 150 | 150 |
| R2 | 0.017 | 0.135 | 0.135 |
| R2 Adj. | 0.011 | 0.123 | 0.117 |
| AIC | 5030.5 | 5013.3 | 5015.3 |
| BIC | 5039.5 | 5025.4 | 5030.3 |
| Log.Lik. | −2512.225 | −2502.658 | −2502.645 |
| RMSE | 4543599.60 | 4262846.40 | 4262478.08 |
| + p < 0.1, * p < 0.05, ** p < 0.01, *** p < 0.001 |
ANÁLISIS DE MODELOS DE REGRESIÓN (ANOVA)
COMPARACIÓN DE MODELOS
{data-width=250}
Normalidad
Linealidad
Homocedasticidad
Valores influyentes:
Mejor gráfico
{data-width=250}
ANÁLISIS FACTORIAL EXPLORATORIO (EFA)
{data-width=250}
MATRIZ DE CORRELACIONES
RESULTADO DE LA MATRIZ
Industrial Gobierno Desempleo Conflictos inmigr pobla idh
Industrial 1.00 0.04 0.01 -0.02 -0.02 0.04 -0.07
Gobierno 0.04 1.00 -0.02 -0.01 0.18 0.05 0.07
Desempleo 0.01 -0.02 1.00 -0.11 -0.11 -0.09 -0.10
Conflictos -0.02 -0.01 -0.11 1.00 0.13 0.32 -0.36
inmigr -0.02 0.18 -0.11 0.13 1.00 0.20 0.27
pobla 0.04 0.05 -0.09 0.32 0.20 1.00 -0.01
idh -0.07 0.07 -0.10 -0.36 0.27 -0.01 1.00Column
PRUEBA KMO
Kaiser-Meyer-Olkin factor adequacy
Call: psych::KMO(r = corMatrix)
Overall MSA = 0.47
MSA for each item =
Industrial Gobierno Desempleo Conflictos inmigr pobla idh
0.36 0.58 0.56 0.44 0.49 0.58 0.42 RESULTADOS DEL EFA
ANÁLISIS DE CONGLOMERADOS (CLUSTERS)
{data-width=250}
PAM
Silhouette PAM
{data-width=250}
AGNES
Dendograma AGNES
Silhouette AGNES
{data-width=250}
DIANA
Dendograma DIANA
Silhouette DIANA
CONCLUSIONES
### Conclusiones finales
En primer lugar, podemos concluir que los factores que comprenden la inmigración, con toda la información expuesta, comprenden un análisis multidimensional, siendo que los movimientos migratorios son una combinación de causas económicas, conflictos políticos y causas sociales. En nuestro análisis, consideramos los factores de nivel de desarrollo humano (IDH) por el impacto que tiene en la decisión al momento de migrar. Además, las características económicas de un país, como lo es el PBI per cápita y la tasa de desarrollo industrial, comprenden una causa significativa al momento de la inmigración.
En este sentido, las herramientas de análisis usadas para el análisis de las variables en el trabajo evidencia las complejas dinámicas del proceso migratorio. Con el análisis factorial se puede evidenciar la correlación entre las variables, que comprende desafíos para los inmigrantes. Además, las regresiones y el análisis factorial permiten identificar los factores con mayor influencia y las características de los países a los que se migra y de los países de los cuales se inmigra. Asimismo, podemos evidenciar y corroborar ambas de nuestras hipótesis planteadas. El índice de desarrollo humano sí es factor de atracción de migrantes por la búsqueda de un mejor ambiente de desarrollo social y económico. En la misma línea, los conflictos sociales evidencian un mayor número de población que migra. Se evidencia que una pronta acción en la creación y aplicación de políticas en cada país para mejorar el desarrollo económico y social de su población para que el proceso de inmigración sea crucial para que no comprenda un “escape” de la situación política, económica o social de la población en búsqueda de mejores oportunidades.
Para concluir, debemos de evidenciar que existen limitaciones en el estudio de la inmigración, siendo que los modelos de análisis o evidencias no comprenden un estudio completo del proceso migratorio por variables como las de tiempo o información de algunos países. Adicionalmente, en futuros estudios podría ser pertinente el uso de variables como las de políticas de cambio climático, tipos de aplicación de políticas económicas o aplicación de recursos tecnológicos que puede que tengan impacto en los impulsos que causan los movimientos migratorios en el mundo.