# Cargar la base de datos (ajusta la ruta del archivo)
library(haven)
data <- read_dta("Data1_R.dta")
View(data)AA2 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/JHON/Desktop/AA2 Practica”)
# Ver las primeras filas del dataset
head(data)# A tibble: 6 × 6
year GDP EXPO FINAL IMPO MANUF
<dbl> <dbl> <dbl> <dbl> <dbl> <dbl>
1 1995 348389357874. 33146105665. 267825034566. 27376556730. 55107442936.
2 1996 367643757075. 35680720379. 281178649162. 32175418246. 58662907786.
3 1997 397463514161. 40025718989. 303850402358. 40821452847. 64031404789.
4 1998 412766570326. 44277808444. 314355009306. 44256140758. 65215189237.
5 1999 398792535409. 43719784992. 310272627208. 39269903518. 60044363410.
6 2000 395646066536. 44901264662. 308829967825. 39208026467. 57748736303.# Comprobar si hay valores perdidos en las variables de interés
sum(is.na(data$EXPO))[1] 1sum(is.na(data$GDP))[1] 1######## Análisis de Correlación #####################
# Calcular la correlación de Pearson entre ingreso y edad
correlacion <- cor(data$EXPO, data$GDP, use = "complete.obs")# Mostrar el coeficiente de correlación
cat("El coeficiente de correlación de Pearson entre exportaciones y el crecimiento economico es:", correlacion)El coeficiente de correlación de Pearson entre exportaciones y el crecimiento economico es: 0.893642# Interpretación:
# - Si el valor está cerca de 1, hay una relación positiva fuerte.
# - Si está cerca de -1, hay una relación negativa fuerte.
# - Si está cerca de 0, no hay relación lineal entre las variables.La ecuación de Mincer sugiere que cada año adicional de estudios produce un índice de rendimiento privado (es decir, individual) del 5-8 % anual.
Es una correlación positiva, es decir a medida que aumentan l las importaciones, el ingreso también aumenta.
library(ggplot2)Crear un gráfico de dispersión con una línea de regresión
ggplot(data, aes(x = EXPO, y = GDP)) +
geom_point(color = "blue", alpha = 0.5) + # Puntos del gráfico
geom_smooth(method = "lm", color = "red", se = FALSE) + # Línea de regresión lineal
labs(title = "Relación entre Exportaciones y el crecimiento economico",
x = "Exportaciones",
y = "Crecimiento Economico") +
theme_minimal()`geom_smooth()` using formula = 'y ~ x'Warning: Removed 1 row containing non-finite outside the scale range
(`stat_smooth()`).Warning: Removed 1 row containing missing values or values outside the scale range
(`geom_point()`).
Seleccionar solo las variables numéricas
library(dplyr)
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, GDP, EXPO, FINAL, IMPO, MANUF) # Agrega más variables si es necesarioCalcular la matriz de correlaciones
matriz_cor <- cor(datos_numericos, use = "complete.obs"); matriz_cor GDP EXPO FINAL IMPO MANUF
GDP 1.0000000 0.8936420 0.9885622 0.9621912 0.9452046
EXPO 0.8936420 1.0000000 0.8382727 0.7835177 0.8569310
FINAL 0.9885622 0.8382727 1.0000000 0.9779906 0.9036193
IMPO 0.9621912 0.7835177 0.9779906 1.0000000 0.8975723
MANUF 0.9452046 0.8569310 0.9036193 0.8975723 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) GDP EXPO FINAL IMPO MANUF
GDP 0.000000e+00 6.796593e-11 1.011031e-23 8.857341e-17 1.199564e-14
EXPO 6.796593e-11 0.000000e+00 1.383017e-08 5.007840e-07 2.969136e-09
FINAL 1.011031e-23 1.383017e-08 0.000000e+00 6.538307e-20 1.910473e-11
IMPO 8.857341e-17 5.007840e-07 6.538307e-20 0.000000e+00 4.187288e-11
MANUF 1.199564e-14 2.969136e-09 1.910473e-11 4.187288e-11 0.000000e+00Graficar la matriz de correlaciones con ggcorrplot
library(ggcorrplot)
ggcorrplot(matriz_cor, lab = TRUE, hc.order = F, type = "lower",
lab_size = 2,tl.cex = 8)
# Generar la matriz de correlaciones con corrplot
library(corrplot)corrplot 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)
Análisis de regresión lineal
Ajustar un modelo de regresión lineal bivariado
#(simple): Exportaciones ~ Desarrollo Economico
modelo <- lm(EXPO ~ GDP, data = data)Mostrar el resumen del modelo
summary(modelo)
Call:
lm(formula = EXPO ~ GDP, data = data)
Residuals:
Min 1Q Median 3Q Max
-8.990e+09 -4.598e+09 -1.089e+09 5.930e+09 8.729e+09
Coefficients:
Estimate Std. Error t value Pr(>|t|)
(Intercept) -5.934e+08 5.966e+09 -0.099 0.922
GDP 1.226e-01 1.185e-02 10.347 6.8e-11 ***
---
Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
Residual standard error: 5.881e+09 on 27 degrees of freedom
(1 observation deleted due to missingness)
Multiple R-squared: 0.7986, Adjusted R-squared: 0.7911
F-statistic: 107.1 on 1 and 27 DF, p-value: 6.797e-11#Modelo de regresión lineal multivariado
#(más complejo): GDP ~ EXPO, FINAL, IMPO, MANUF
modelo2 <- lm(GDP ~ EXPO+FINAL+IMPO+MANUF+year, data = data)
summary(modelo2)
Call:
lm(formula = GDP ~ EXPO + FINAL + IMPO + MANUF + year, data = data)
Residuals:
Min 1Q Median 3Q Max
-7.644e+09 -3.148e+09 5.204e+08 2.449e+09 7.153e+09
Coefficients:
Estimate Std. Error t value Pr(>|t|)
(Intercept) -1.792e+12 7.967e+11 -2.250 0.034329 *
EXPO 7.805e-01 1.856e-01 4.205 0.000338 ***
FINAL 6.040e-01 8.435e-02 7.161 2.72e-07 ***
IMPO -5.397e-02 2.502e-01 -0.216 0.831095
MANUF 2.132e+00 2.875e-01 7.415 1.54e-07 ***
year 9.211e+08 4.026e+08 2.288 0.031674 *
---
Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
Residual standard error: 4.554e+09 on 23 degrees of freedom
(1 observation deleted due to missingness)
Multiple R-squared: 0.9981, Adjusted R-squared: 0.9976
F-statistic: 2369 on 5 and 23 DF, p-value: < 2.2e-16Análisis: Exportaciones A medida que aumenta las exportaciones en n año el desarrollo economico aumenta un $7,80 dado que es estadisticamente significativo
Precio Final de consumidor a medida que aumenta en una unidad el desarrollo economico aumenta en $6.04
Importaciones cuando aumenta las importaciones en una unidad es decir hay mas importacion al pais el desarrollo economico se reduce en $5.39
Manufactura esta variable nos indica que si se encuentra en produccion nacional va a aumentar el desarrollo economico en $2.13
el modelo de desarrollo argentino pos convertibilidad dentro del actual proceso de transformación del capitalismo y superación de la fase neoliberal como estrategia de desarrollo. Presentamos la teoría de la regulación como el marco teórico sobre el cual se sostiene nuestro estudio y conceptualización del modelo de desarrollo. A partir de allí avanzamos en la caracterización de los principales elementos de la estrategia de desarrollo que derivaron en la crisis del 2001, abriendo espacio para la reconversión de las estructuras sociales y económicas que contiene el capitalismo en Argentina. En este contexto, abordamos el análisis de la configuración del modelo de desarrollo para el período 2003-2010 con el objetivo de determinar el alcance transformador en relación al ciclo neoliberal.
References
Angelis, Ignacio de, Mariana Calvento, and Mariano Roark. 2013. “¿Hacia un nuevo modelo de desarrollo? Desde la teoría de la regulación. Argentina 2003- 2010.” Problemas del Desarrollo 44 (173): 31–56. https://doi.org/10.1016/s0301-7036(13)71874-1.