EcuaciĆ³n oferta y demanda

A continuacion se presenta el codigo usado para la presente actividad. Se siguio la siguiente lĆ³gica para construir el codigo:

encuesta

haga click aqui

  1. Se importaron los datos desde excel
library(readxl)
Encuesta_Coca_cola<- read_excel("Encuesta Coca-cola  .xlsx")
attach(Encuesta_Coca_cola)
  1. se renombraron las columnas para poder cambiar el formato de los datos. Se redujo las preguntas a el precio que estas mismas mencionaban, es decir, si se preguntaba: ā€œSi el precio de la Coca cola en el supermercado es de 2500 por unidad de 0 a 100 ĀæcuĆ”ntas unidades compras? (consumo al mes)ā€ entonces el nombre de la columna es 2500
colnames(Encuesta_Coca_cola)= c("fecha","sexo","Edad","0","1000","1500","2000","2500","3000","3500","4000","5000")
attach(Encuesta_Coca_cola)
## The following object is masked from Encuesta_Coca_cola (pos = 3):
## 
##     Edad
  1. Se instala y ejecuta la libreria tidyr que nos permitira pasar los datos al formato long. Es decir, que se pasara de que los precios sean los encabezados de las columnas a constituir una columna.
library(tidyr)
long_coca=gather(Encuesta_Coca_cola, key="Precio", value="Cantidad", "0","1000","1500","2000","2500","3000","3500","4000","5000")
attach(long_coca)
## The following objects are masked from Encuesta_Coca_cola (pos = 4):
## 
##     Edad, fecha, sexo
## The following object is masked from Encuesta_Coca_cola (pos = 5):
## 
##     Edad
  1. Se cambian los valores a nĆŗmericos para que r no los tome como nombres o caracteres.
long_coca$Precio=as.numeric(long_coca$Precio)
long_coca$Cantidad=as.numeric(long_coca$Cantidad)
attach(long_coca)
## The following objects are masked from long_coca (pos = 3):
## 
##     Cantidad, Edad, fecha, Precio, sexo
## The following objects are masked from Encuesta_Coca_cola (pos = 5):
## 
##     Edad, fecha, sexo
## The following object is masked from Encuesta_Coca_cola (pos = 6):
## 
##     Edad
  1. Usando el comando lm se hace la regresiĆ³n lineal con tres variables: el precio, sexo y edad. Adicionalmente se aƱade la correlaciĆ³n
reg_cocacola= lm(Cantidad~ Precio+sexo+Edad, data=long_coca)

cor(long_coca$Precio,long_coca$Cantidad)
## [1] -0.3016711

RegresiĆ³n Lineal Simple

Al correr el codigo observamos los coeficientes de la funciĆ³n

reg_cocacola
## 
## Call:
## lm(formula = Cantidad ~ Precio + sexo + Edad, data = long_coca)
## 
## Coefficients:
## (Intercept)       Precio    sexoMujer         Edad  
##   30.997507    -0.005245    -3.453866    -0.029576

Se puede organizar la formula para que se vea como:

Cantidad= 30.997 - 0.005(Precio) - 3.453(Si es mujer es 1 si es hombre es 0) - 0.029 (Edad)

InterpretaciĆ³n de los ā€œĪ²ā€ y elasticidad-precio de la demanda

Partimos de la formmula anterior para la interpretaciĆ³n:

Cantidad= 30.997 - 0.005(Precio) - 3.453(Si es mujer es 1 si es hombre es 0) - 0.029 (Edad)

AcĆ” se puede decir lo siguiente:

  1. El intercepto es 30.997507 que significa que para las condiciones dadas, si las variables son 0 entonces una persona se toma 30.997507 coca colas en un mes. Esto quiere decir que la Edad es 0 y el sexo es masculino.

  2. El ā€œĪ²ā€ de la variable ā€œPrecioā€ es -0.005245, se puede denotar en el signo que tienen una relacion inversa, es decir, que cuando el precio aumenta la cantidad disminuye y viceversa, en este caso, por cada peso adicional en el precio la cantidad que se toma el individuo disminuye en 0.005245. En un escenario mĆ”s realista se puede decir que si se aumenta el precio en 1000 pesos la cantidad de cocacolas que toma el individuo disminuye en 5.245.

  3. El ā€œĪ²ā€ de la variable ā€œsexoā€ es -3.453866 lo que indica igualmente una relaciĆ³n inversa entre la variable dependiente y el sexo. En este caso el modelo toma en la variable dicotomica al hombre como 0 y la mujer como 1 lo cual se puede traducir a que si el cliente es una mujer la cantidad de cocacolas que se tomaria, manteniendo las demas variables constantes, diminuye en 3.453866 coca colas.

  4. El ā€œĪ²ā€ de la variable ā€œEdadā€ es -0.029576 que al igual que las anteriores tiene una relaciĆ³n inversa con la cantidad. Esto se interpreta teniendo que por cada aƱo adicional que tenga la persona la cantidad de cocacolas que toma, teniendo las demas variables constantes, diminuye en 0.029576.

Con respecto a la elasticidad nos da -3.401911e-05 lo cual indica que es menor a 1 lo que significa que es inelastica. Interpretandolo se puede decir que es necesario una gran variacion del precio para poder cambiar 1 de cantidad.

Elasticidad= -0.005245 * (mean(long_coca$Cantidad)/mean(long_coca$Precio))
Elasticidad
## [1] -3.401911e-05

CorrelaciĆ³n

La correlaciĆ³n nos indica que direccion tiene la relaciĆ³n entre dos o mĆ”s variables, si el

cor(long_coca$Precio,long_coca$Cantidad)
## [1] -0.3016711
library(ggplot2)
library(corrplot)
## corrplot 0.95 loaded
library(dplyr)
## 
## Attaching package: 'dplyr'
## The following objects are masked from 'package:stats':
## 
##     filter, lag
## The following objects are masked from 'package:base':
## 
##     intersect, setdiff, setequal, union
# Seleccionar solo variables numƩricas
num_vars <- long_coca %>% 
  select_if(is.numeric)

# Calcular la matriz de correlaciones
cor_matrix <- cor(num_vars, use = "complete.obs")

# Visualizar con corrplot
corrplot(cor_matrix, method = "color", type = "upper",
         addCoef.col = "black",  # mostrar valores
         tl.col = "black", tl.srt = 45, # etiquetas
         col = colorRampPalette(c("blue", "white", "red"))(200),
         title = "Matriz de CorrelaciĆ³n (variables numĆ©ricas)",
         mar = c(0,0,2,0))

corrplot::corrplot(cor(long_coca[,-c(1,2)]))

plot(long_coca$Cantidad~long_coca$Precio)
abline(reg_cocacola)
## Warning in abline(reg_cocacola): only using the first two of 4 regression
## coefficients

Evidencia

knitr::include_graphics("encuesta imagen.jpeg")