library(readxl)Warning: package 'readxl' was built under R version 4.4.3data <- read_excel("DATOS_ARGENTINA.xlsx")
View(data)ARGENTINA
Introducción al Análisis de Correlación y de Regresión Lineal
Cargar librerías necesarias library(dplyr) # Para manipulación de datos library(ggplot2) # Para visualización de datos library(haven) # Para leer archivos .dta de Stata install.packages(“ggcorrplot”)(Ofrece una solución para reordenar la matriz de correlación y muestra el nivel de significancia en el correlograma) library(ggcorrplot) install.packages(“corrplot”)(es una herramienta para visualizar matrices de correlación de forma clara e intuitiva) library(corrplot) install.packages(“car”) library(car)
#Setear directorio de trabajo setwd(“C:/Users/LENOVO/Desktop/ARGENTINA”)
#Cargar la base de datos
Ver las primeras filas del dataset
head(data)# A tibble: 6 × 4
ANIOS EXPORTACIONES AGRICULTORES_VARONES OBREROS_VARONES
<dbl> <dbl> <dbl> <dbl>
1 1991 11978000000 1.78 40.6
2 1992 12235000000 1.76 40.5
3 1993 13118000000 1.70 37.9
4 1994 15659000000 1.67 37.4
5 1995 20967000000 1.65 34.5
6 1996 23811000000 1.63 33.2Comprobar si hay valores perdidos en las variables de interés
sum(is.na(data$EXPORTACIONES))[1] 0sum(is.na(data$AGRICULTORES_VARONES))[1] 0sum(is.na(data$OBREROS_VARONES))[1] 0#Ejemplo1: Análisis de Correlación # Calcular la correlación de Pearson entre Agricultores varones y obreros varones
correlacion <- cor(data$AGRICULTORES_VARONES, data$OBREROS_VARONES, use = "complete.obs")Mostrar el coeficiente de correlación
cat("El coeficiente de correlación de Pearson entre años de escolaridad e ingreso es:", correlacion)El coeficiente de correlación de Pearson entre años de escolaridad e ingreso es: 0.4204968library(ggplot2)Warning: package 'ggplot2' was built under R version 4.4.3Crear un gráfico de dispersión con una línea de regresión
ggplot(data, aes(x = ANIOS, y = EXPORTACIONES)) +
geom_point(color = "blue", alpha = 0.5) + # Puntos del gráfico
geom_smooth(method = "lm", color = "red", se = FALSE) + # Línea de regresión lineal
labs(title = "Variacion de las exportaciones",
x = "Años",
y = "Total de exportaciones") +
theme_minimal()`geom_smooth()` using formula = 'y ~ x'
Seleccionar solo las variables numéricas
library(dplyr)Warning: package 'dplyr' was built under R version 4.4.3
Adjuntando el paquete: 'dplyr'The following objects are masked from 'package:stats':
filter, lagThe following objects are masked from 'package:base':
intersect, setdiff, setequal, uniondatos_numericos <- select(data, ANIOS, EXPORTACIONES, AGRICULTORES_VARONES, OBREROS_VARONES)Calcular la matriz de correlaciones
matriz_cor <- cor(datos_numericos, use = "complete.obs")Mostrar la matriz de correlaciones
print(matriz_cor) ANIOS EXPORTACIONES AGRICULTORES_VARONES
ANIOS 1.0000000 0.8871995 -0.9841811
EXPORTACIONES 0.8871995 1.0000000 -0.9230163
AGRICULTORES_VARONES -0.9841811 -0.9230163 1.0000000
OBREROS_VARONES -0.4784961 -0.3168828 0.4204968
OBREROS_VARONES
ANIOS -0.4784961
EXPORTACIONES -0.3168828
AGRICULTORES_VARONES 0.4204968
OBREROS_VARONES 1.0000000Función para calcular correlaciones y p-valores
cor_matriz_pval <- function(data) {
n <- ncol(data)
matriz_pval <- matrix(NA, n, n)
rownames(matriz_pval) <- colnames(data)
colnames(matriz_pval) <- colnames(data)
for (i in 1:n) {
for (j in 1:n) {
matriz_pval[i, j] <- cor.test(data[[i]], data[[j]], use = "complete.obs")$p.value
}
}
return(matriz_pval)
}Aplicar a las variables numéricas
p_values <- cor_matriz_pval(datos_numericos)Mostrar la matriz de p-valores
print(p_values) ANIOS EXPORTACIONES AGRICULTORES_VARONES
ANIOS 0.000000e+00 6.126893e-12 7.227935e-25
EXPORTACIONES 6.126893e-12 3.331048e-244 2.119353e-14
AGRICULTORES_VARONES 7.227935e-25 2.119353e-14 0.000000e+00
OBREROS_VARONES 4.850704e-03 7.236901e-02 1.482638e-02
OBREROS_VARONES
ANIOS 0.004850704
EXPORTACIONES 0.072369010
AGRICULTORES_VARONES 0.014826376
OBREROS_VARONES 0.000000000Graficar la matriz de correlaciones con ggcorrplot
library(ggcorrplot)Warning: package 'ggcorrplot' was built under R version 4.4.3ggcorrplot(matriz_cor, lab = TRUE, hc.order = F, type = "lower",
lab_size = 2,tl.cex = 8)
Generar la matriz de correlaciones con corrplot
library(corrplot)Warning: package 'corrplot' was built under R version 4.4.3corrplot 0.95 loadedcorrplot(matriz_cor, method = "color", type = "lower",
addCoef.col = "black", tl.col = "blue",number.cex = 0.5,
tl.cex = 0.4, cl.cex = 0.4)
++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++ ####### Ejemplo 2: Análisis de regresión lineal ############## ++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++
modelo <- lm(EXPORTACIONES ~OBREROS_VARONES + AGRICULTORES_VARONES, data = data)Mostrar el resumen del modelo
summary(modelo)
Call:
lm(formula = EXPORTACIONES ~ OBREROS_VARONES + AGRICULTORES_VARONES,
data = data)
Residuals:
Min 1Q Median 3Q Max
-1.728e+10 -4.593e+09 -5.395e+08 3.914e+09 2.157e+10
Coefficients:
Estimate Std. Error t value Pr(>|t|)
(Intercept) 1.058e+11 1.977e+10 5.350 8.66e-06 ***
OBREROS_VARONES 7.396e+08 6.477e+08 1.142 0.263
AGRICULTORES_VARONES -6.772e+10 5.350e+09 -12.658 1.45e-13 ***
---
Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
Residual standard error: 9.202e+09 on 30 degrees of freedom
Multiple R-squared: 0.8581, Adjusted R-squared: 0.8487
F-statistic: 90.73 on 2 and 30 DF, p-value: 1.899e-13Usar el modelo para predecir el ingreso en estas edades
predicciones <- predict(modelo)Mostrar predicciones
data.frame(predicciones) predicciones
1 15275473067
2 16827631201
3 18568771244
4 20031527818
5 19496723338
6 19730461299
7 23628109420
8 25483511543
9 25574213657
10 26880508184
11 27155120631
12 25174726813
13 30628457333
14 36666568821
15 42428592299
16 47070531543
17 51395488813
18 54725775559
19 55548928274
20 59530340827
21 62476208658
22 63911272794
23 66405037238
24 68048965403
25 71220093834
26 71612728352
27 69679151941
28 69443842295
29 70504595474
30 72166791166
31 74020405237
32 72223100061
33 76296345864#Modelo de regresión lineal multivariado