En este reporte se realiza un análisis visual de los datos del ENIGH 2024
y de los datos COVID-19
para el caso de México. Se utilizan los paquetes tidyverse
y plotly.
Los datos del ENIGH provienen de la encuesta de los hogares. Los datos del COVID-19 provienen de la Dirección General de Epidemiología.
Se crearon dos vectores de 80 observaciones, un vector de sexo y otro
de edad con datos simulados con la función rnorm(). Despues
se unieron a un dataframe.
Descripción de la gráfica y tabla de contingencia.
## Prueba de independencia chi-cuadrado
##
## Pearson's Chi-squared test
##
## data: edu_socio2
## X-squared = 23063, df = 27, p-value < 2.2e-16
Descripción de la gráfica……
Descripción de la gráfica ….
Descripción de la gráfica…..
Descripción de la gráfica ……
Fuente: elabotación propia con datos de la Dirección general de epidemiología
Descripción del modelo
\[ \begin{equation} \text{modelo_1:} \quad \log(\text{wage}_i) = \beta_0 + \beta_1 \cdot \text{educ}_i + \varepsilon_i \end{equation} \]
Fuente: elaboración propia cop datos de Wooldridge
| Estimate | Std. Error | t value | Pr(>|t|) | |
|---|---|---|---|---|
| (Intercept) | 0.5837727 | 0.0973358 | 5.99751 | 0 |
| educ | 0.0827444 | 0.0075667 | 10.93534 | 0 |
Descripción…..
Descripción del modelo…
Descripción…..
$$ \[\begin{equation} \text{modelo_2:} \quad \log(\text{wage}_i) = \beta_0 + \beta_1 \cdot \text{educ}_i + \beta_2 \cdot \text{exper}_i + \beta_3 \cdot \text{antiguedad}_i + \varepsilon_i \end{equation}\]
$$
| Estimate | Std. Error | t value | Pr(>|t|) | |
|---|---|---|---|---|
| (Intercept) | 0.2843595 | 0.1041904 | 2.729230 | 0.0065625 |
| educ | 0.0920290 | 0.0073299 | 12.555246 | 0.0000000 |
| exper | 0.0041211 | 0.0017233 | 2.391437 | 0.0171356 |
| tenure | 0.0220672 | 0.0030936 | 7.133070 | 0.0000000 |