#Leer el archivo

library(readxl)

casas <- read_xlsx("C:/Users/User/OneDrive/Desktop/Nicole/LTP/Semestre 4/Econometría/Evidencia/Datos.xlsx")
names(casas)
## [1] "Columna 1"       "Precio"          "Terreno"         "Construcción"   
## [5] "Baños"           "Recámaras"       "Estacionamiento" "Edad"           
## [9] "Privada"

#Regresiones

regresion = lm(Precio ~ Terreno + Construcción + Baños + Recámaras + Estacionamiento + Edad + Privada  , data = casas)

summary(regresion)
## 
## Call:
## lm(formula = Precio ~ Terreno + Construcción + Baños + Recámaras + 
##     Estacionamiento + Edad + Privada, data = casas)
## 
## Residuals:
##       Min        1Q    Median        3Q       Max 
## -18442953  -3568532     -5940   2338386  34281656 
## 
## Coefficients:
##                 Estimate Std. Error t value Pr(>|t|)    
## (Intercept)     -4570126    2575283  -1.775 0.078563 .  
## Terreno            11538       5076   2.273 0.024866 *  
## Construcción       40263       5942   6.777 5.26e-10 ***
## Baños           -1400625     625678  -2.239 0.027075 *  
## Recámaras         690281     765648   0.902 0.369140    
## Estacionamiento   509547     772868   0.659 0.511002    
## Edad             -124378      60620  -2.052 0.042426 *  
## Privada          5599129    1503797   3.723 0.000304 ***
## ---
## Signif. codes:  0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
## 
## Residual standard error: 7033000 on 117 degrees of freedom
## Multiple R-squared:  0.8598, Adjusted R-squared:  0.8514 
## F-statistic: 102.5 on 7 and 117 DF,  p-value: < 2.2e-16

Gráficas

casas <- read_xlsx("C:/Users/User/OneDrive/Desktop/Nicole/LTP/Semestre 4/Econometría/Evidencia/Datos.xlsx")
attach(casas)
plot(Terreno, Precio)

plot(Construcción, Precio)

plot(Baños, Precio)

plot(Recámaras, Precio)

plot(Estacionamiento, Precio)

plot(Edad, Precio)

plot(Privada, Precio)

# Correlaciones

cor(Precio, Terreno) 
## [1] 0.8574874
cor(Precio, Construcción)
## [1] 0.9085217
cor(Precio, Baños)
## [1] 0.516519
cor(Precio, Recámaras)
## [1] 0.2563773
cor(Precio, Estacionamiento)
## [1] 0.7065584
cor(Precio, Edad)
## [1] -0.1595029
cor(Precio, Privada)
## [1] 0.4121894

Residual

residual = resid(regresion)
hist(residual)

# Modelo Propio ##Leer archivo nuevo

library(readxl)
nueva <- read_xlsx("C:/Users/User/OneDrive/Desktop/Nicole/LTP/Semestre 4/Econometría/Evidencia/Nueva.xlsx")

Prueba de Regresiones

#lin-lin
regresion_lin_lin <- lm(Precio ~ Terreno + Construcción + Baños + Recámaras + Estacionamiento + Edad + Privada, data = nueva)

#Una unidad de cambio en X produce un cambio fijo en Precio.
#log-lin
regresion_log_lin <- lm(log(Precio) ~ Terreno + Construcción + Baños + Recámaras + Estacionamiento + Edad + Privada, data = nueva)

#Un cambio absoluto en X genera un cambio porcentual en Precio.
summary(regresion_lin_lin)
## 
## Call:
## lm(formula = Precio ~ Terreno + Construcción + Baños + Recámaras + 
##     Estacionamiento + Edad + Privada, data = nueva)
## 
## Residuals:
##       Min        1Q    Median        3Q       Max 
## -18533894  -3058330   -266797   2445589  34253052 
## 
## Coefficients:
##                 Estimate Std. Error t value Pr(>|t|)    
## (Intercept)     -1933367    2596980  -0.744 0.458139    
## Terreno            19232       5764   3.336 0.001149 ** 
## Construcción       35632       6352   5.610 1.46e-07 ***
## Baños            -684029     705214  -0.970 0.334138    
## Recámaras        -267132     772594  -0.346 0.730166    
## Estacionamiento  -495814     695295  -0.713 0.477255    
## Edad             -131263      57573  -2.280 0.024488 *  
## Privada          5639484    1519582   3.711 0.000322 ***
## ---
## Signif. codes:  0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
## 
## Residual standard error: 6671000 on 113 degrees of freedom
## Multiple R-squared:  0.7313, Adjusted R-squared:  0.7147 
## F-statistic: 43.94 on 7 and 113 DF,  p-value: < 2.2e-16
summary(regresion_log_lin)
## 
## Call:
## lm(formula = log(Precio) ~ Terreno + Construcción + Baños + 
##     Recámaras + Estacionamiento + Edad + Privada, data = nueva)
## 
## Residuals:
##      Min       1Q   Median       3Q      Max 
## -1.00387 -0.27910 -0.00251  0.27056  1.19507 
## 
## Coefficients:
##                   Estimate Std. Error t value Pr(>|t|)    
## (Intercept)     14.3091014  0.1552933  92.142  < 2e-16 ***
## Terreno          0.0008833  0.0003447   2.563   0.0117 *  
## Construcción     0.0026027  0.0003798   6.853 4.02e-10 ***
## Baños            0.0738512  0.0421701   1.751   0.0826 .  
## Recámaras        0.0080636  0.0461993   0.175   0.8618    
## Estacionamiento  0.0461724  0.0415770   1.111   0.2691    
## Edad            -0.0074097  0.0034427  -2.152   0.0335 *  
## Privada          0.3899078  0.0908674   4.291 3.77e-05 ***
## ---
## Signif. codes:  0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
## 
## Residual standard error: 0.3989 on 113 degrees of freedom
## Multiple R-squared:  0.8282, Adjusted R-squared:  0.8175 
## F-statistic:  77.8 on 7 and 113 DF,  p-value: < 2.2e-16

#Residual nuevo

library(tseries)
## Registered S3 method overwritten by 'quantmod':
##   method            from
##   as.zoo.data.frame zoo
residual = resid(regresion_log_lin)
hist(residual)

jarque.bera.test(residual)
## 
##  Jarque Bera Test
## 
## data:  residual
## X-squared = 0.28439, df = 2, p-value = 0.8675

#Jarque Bera

library(tseries)

jarque.bera.test(nueva$Terreno)
## 
##  Jarque Bera Test
## 
## data:  nueva$Terreno
## X-squared = 76.22, df = 2, p-value < 2.2e-16
jarque.bera.test(nueva$Construcción)
## 
##  Jarque Bera Test
## 
## data:  nueva$Construcción
## X-squared = 27.297, df = 2, p-value = 1.182e-06
jarque.bera.test(nueva$Baños+1)
## 
##  Jarque Bera Test
## 
## data:  nueva$Baños + 1
## X-squared = 4.3052, df = 2, p-value = 0.1162
jarque.bera.test(nueva$Recámaras)
## 
##  Jarque Bera Test
## 
## data:  nueva$Recámaras
## X-squared = 236.86, df = 2, p-value < 2.2e-16
jarque.bera.test(nueva$Estacionamiento)
## 
##  Jarque Bera Test
## 
## data:  nueva$Estacionamiento
## X-squared = 30.795, df = 2, p-value = 2.055e-07
jarque.bera.test(nueva$Edad)
## 
##  Jarque Bera Test
## 
## data:  nueva$Edad
## X-squared = 62.788, df = 2, p-value = 2.32e-14
jarque.bera.test(nueva$Privada)
## 
##  Jarque Bera Test
## 
## data:  nueva$Privada
## X-squared = 20.327, df = 2, p-value = 3.855e-05