En el presente modelo econométrico se propone como variable dependiente La variable “Mortality rate, under-5 (per 1,000 live births)” se refiere a la tasa de mortalidad infantil en menores de cinco años. Es un indicador demográfico y de salud que expresa el número de niños que mueren antes de cumplir los cinco años por cada 1.000 nacidos vivos en un año determinado.Para explicar esta variable, se seleccionan cinco variables independientes. En primer lugar, el GDP growth (annual %), ya que el crecimiento económico sostenido puede contribuir a la reducción de la pobreza mediante la generación de empleo e ingresos. En segundo lugar, la Inflation, GDP deflator (annual %), debido a que niveles elevados de inflación tienden a erosionar el poder adquisitivo, afectando negativamente a los hogares más vulnerables. Como tercera variable, se considera una aproximación al desempleo mediante Industry (including construction), value added (% of GDP), bajo el supuesto de que una mayor participación del sector industrial en la economía podría estar asociada con mayor generación de empleo formal. La cuarta variable es School enrollment, primary and secondary (gross), gender parity index (GPI), que actúa como indicador de inclusión educativa; un sistema educativo más equitativo e inclusivo puede estar vinculado con una reducción estructural de la pobreza. Finalmente, se incluye Personal remittances, paid (current US$), ya que en el caso argentino los flujos de remesas pueden tener un efecto indirecto en el ingreso de los hogares receptores, contribuyendo así a la disminución de la pobreza.
Adjuntando el paquete: 'dplyr'The following objects are masked from 'package:stats':
filter, lagThe following objects are masked from 'package:base':
intersect, setdiff, setequal, unioncorrplot 0.95 loadedCargando paquete requerido: carData
Adjuntando el paquete: 'car'The following object is masked from 'package:dplyr':
recode# A tibble: 6 × 7
Anio Mortalidad Porcentaje_crecimiento Porcentaje_inflacion Industria
<dbl> <dbl> <dbl> <dbl> <dbl>
1 1996 23.1 5.53 -0.0524 26.6
2 1997 21.9 8.11 -0.464 27.2
3 1998 20.9 3.85 -1.71 26.7
4 1999 20.1 -3.39 -1.84 26.2
5 2000 19.4 -0.789 1.04 26.0
6 2001 18.8 -4.41 -1.10 25.2
# ℹ 2 more variables: Educacion <dbl>, Remesas <dbl> Porcentaje_crecimiento Porcentaje_inflacion Industria
Porcentaje_crecimiento 1.00000000 -0.1385476 0.2991223
Porcentaje_inflacion -0.13854756 1.0000000 -0.5071020
Industria 0.29912230 -0.5071020 1.0000000
Educacion -0.26320224 0.8444670 -0.6179309
Remesas -0.02699391 0.4801855 -0.6761912
Mortalidad 0.13740429 -0.8739089 0.6708585
Educacion Remesas Mortalidad
Porcentaje_crecimiento -0.2632022 -0.02699391 0.1374043
Porcentaje_inflacion 0.8444670 0.48018546 -0.8739089
Industria -0.6179309 -0.67619116 0.6708585
Educacion 1.0000000 0.57303616 -0.9285782
Remesas 0.5730362 1.00000000 -0.7266205
Mortalidad -0.9285782 -0.72662047 1.0000000 Porcentaje_crecimiento Porcentaje_inflacion Industria
Porcentaje_crecimiento 1.958872e-193 4.907074e-01 0.1295989568
Porcentaje_inflacion 4.907074e-01 3.381669e-197 0.0069410218
Industria 1.295990e-01 6.941022e-03 0.0000000000
Educacion 1.846892e-01 3.068674e-08 0.0005933597
Remesas 8.936783e-01 1.124597e-02 0.0001080824
Mortalidad 4.943275e-01 2.631621e-09 0.0001282622
Educacion Remesas Mortalidad
Porcentaje_crecimiento 1.846892e-01 8.936783e-01 4.943275e-01
Porcentaje_inflacion 3.068674e-08 1.124597e-02 2.631621e-09
Industria 5.933597e-04 1.080824e-04 1.282622e-04
Educacion 0.000000e+00 1.782727e-03 2.928376e-12
Remesas 1.782727e-03 3.381669e-197 1.771899e-05
Mortalidad 2.928376e-12 1.771899e-05 0.000000e+00
El gráfico de correlación y las matrices, muestran que la variable más fuertemente asociada con una menor mortalidad infantil en Argentina es la educación secundaria, con una correlación negativa muy alta (-0.93), seguida de las remesas (-0.73), lo que sugiere que mayores niveles educativos y flujos de ingresos desde el exterior se vinculan con mejores condiciones de salud infantil. También se observa una relación negativa con la inflación (-0.87), aunque este resultado puede requerir mayor análisis. En contraste, la industrialización muestra una correlación positiva (0.67) con la mortalidad, lo que podría reflejar desigualdades estructurales. La correlación con el crecimiento económico es débil (0.14), y se evidencian posibles problemas de multicolinealidad entre algunas variables independientes.
Call:
lm(formula = Mortalidad ~ Educacion, data = argentina)
Residuals:
Min 1Q Median 3Q Max
-1.8337 -0.8403 -0.6345 0.7965 3.2486
Coefficients:
Estimate Std. Error t value Pr(>|t|)
(Intercept) 49.68966 2.77760 17.89 9.22e-16 ***
Educacion -0.34711 0.02775 -12.51 2.93e-12 ***
---
Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
Residual standard error: 1.497 on 25 degrees of freedom
Multiple R-squared: 0.8623, Adjusted R-squared: 0.8567
F-statistic: 156.5 on 1 and 25 DF, p-value: 2.928e-12El modelo de regresión lineal simple indica que existe una relación negativa y significativa entre el nivel de educación secundaria (Educacion) y la tasa de mortalidad infantil (Mortalidad) en Argentina. El coeficiente de la variable educación es -0.347, lo que implica que por cada punto porcentual adicional en la matrícula secundaria, la mortalidad infantil disminuye en aproximadamente 0.35 muertes por cada mil nacidos vivos. Este efecto es altamente significativo (p < 0.001). El modelo explica un 86.2% de la variabilidad en la mortalidad (R² = 0.8623), lo que sugiere un ajuste excelente. Además, la prueba F es significativa (p < 0.001), confirmando que el modelo global es estadísticamente válido.
`geom_smooth()` using formula = 'y ~ x'
El gráfico de dispersión con línea de regresión confirma una relación lineal negativa clara entre el porcentaje de matrícula en educación secundaria y la mortalidad infantil en Argentina. A medida que aumenta la cobertura educativa (eje X), la tasa de mortalidad de menores de cinco años (eje Y) disminuye de forma consistente. La línea roja, que representa la predicción del modelo, muestra una pendiente descendente pronunciada, coherente con el coeficiente negativo obtenido en la regresión. Visualmente, los puntos están bien alineados alrededor de la línea, lo que respalda el alto poder explicativo (R² ≈ 86%) del modelo. En resumen, el gráfico ilustra que mayores niveles de educación están fuertemente asociados con menores tasas de mortalidad infantil.
Call:
lm(formula = Mortalidad ~ Porcentaje_crecimiento + Porcentaje_inflacion +
Industria + Educacion + Remesas, data = argentina)
Residuals:
Min 1Q Median 3Q Max
-1.64491 -0.55313 0.05221 0.76756 1.47281
Coefficients:
Estimate Std. Error t value Pr(>|t|)
(Intercept) 3.606e+01 5.084e+00 7.092 5.37e-07 ***
Porcentaje_crecimiento -3.819e-02 3.492e-02 -1.094 0.28655
Porcentaje_inflacion -6.361e-02 1.946e-02 -3.269 0.00366 **
Industria 6.233e-02 1.122e-01 0.555 0.58453
Educacion -1.925e-01 3.887e-02 -4.952 6.71e-05 ***
Remesas -3.251e-09 8.944e-10 -3.634 0.00155 **
---
Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
Residual standard error: 0.9811 on 21 degrees of freedom
Multiple R-squared: 0.9503, Adjusted R-squared: 0.9385
F-statistic: 80.33 on 5 and 21 DF, p-value: 5.77e-13El modelo de regresión múltiple revela que la mortalidad infantil en Argentina está fuertemente influenciada por el nivel de educación secundaria, las remesas y la inflación. La educación muestra el efecto más importante: a mayor matrícula secundaria, menor es la mortalidad infantil (coef. = -1.925, p < 0.001). Las remesas también contribuyen significativamente a reducir la mortalidad (p < 0.01), al igual que la inflación, aunque este último resultado es menos intuitivo y requiere mayor análisis. En cambio, el crecimiento económico y la participación de la industria no resultaron significativos. El modelo tiene un excelente ajuste (R² ajustado = 0.9385), lo que indica que casi el 94% de la variabilidad en la mortalidad es explicada por las variables seleccionadas. En conjunto, los resultados subrayan la importancia de políticas enfocadas en educación y apoyo directo a los hogares para mejorar la salud infantil.
Porcentaje_crecimiento Porcentaje_inflacion Industria
1.244700 3.584976 2.373389
Educacion Remesas
4.571194 2.169416 El análisis de multicolinealidad mediante el índice VIF (Variance Inflation Factor) indica que no existen problemas graves en el modelo. Todos los valores están por debajo del umbral crítico de 5, aunque la variable Educación presenta el VIF más alto (4.57), lo que sugiere cierta colinealidad moderada, pero aún aceptable. Las demás variables —como inflación (3.58), industria (2.37), remesas (2.17) y crecimiento (1.24)— muestran niveles bajos de colinealidad. En resumen, el modelo no presenta evidencia significativa de multicolinealidad que invalide sus resultados.