library(readxl)
library(ggplot2)
library(knitr)Calidad de la democracia: un modelo de regresión lineal múltiple
Trabajo final de Estadística
Punto 1. Descripción y exploración de los datos
1.1 Carga de datos
dem1 <- read_excel("Dataset_3.xlsx",
sheet = "3_Calidad_Democracia",
range = cell_cols("A:E"))
dem1 <- as.data.frame(dem1)
str(dem1)'data.frame': 90 obs. of 5 variables:
$ indice_democracia: num 4.61 5.37 6.41 8.33 5.49 4.26 7.55 5.62 7.65 7.27 ...
$ pib_per_capita : num 28.91 13.81 13.41 26.34 6.19 ...
$ escolaridad : num 10.67 7.12 7.61 11.51 8.13 ...
$ libertad_prensa : num 23.8 16.9 43.5 37.6 44.4 ...
$ gasto_militar : num 2.04 0.61 1.59 1.83 1.36 1.23 0.32 2.05 1.53 2.86 ...
head(dem1) indice_democracia pib_per_capita escolaridad libertad_prensa gasto_militar
1 4.61 28.91 10.67 23.83 2.04
2 5.37 13.81 7.12 16.89 0.61
3 6.41 13.41 7.61 43.51 1.59
4 8.33 26.34 11.51 37.57 1.83
5 5.49 6.19 8.13 44.41 1.36
6 4.26 14.24 9.36 18.98 1.23
1.2 Descripción de las variables
| Variable | Rol | Qué representa | Unidad |
|---|---|---|---|
indice_democracia |
Y (dependiente) | Calidad de la democracia del país | Escala 0 a 10 (10 = democracia plena) |
pib_per_capita |
X1 | Riqueza promedio por habitante | Miles de dólares (USD) |
escolaridad |
X2 | Escolaridad de la población adulta | Años promedio de estudio |
libertad_prensa |
X3 | Libertad de prensa | Índice 0 a 100 (más alto = más libertad) |
gasto_militar |
X4 | Peso del gasto militar | % del PIB |
1.3 Número de observaciones y variables
cat("Observaciones (países):", nrow(dem1), "\n")Observaciones (países): 90
cat("Variables:", ncol(dem1), "(1 dependiente y", ncol(dem1) - 1, "independientes)\n")Variables: 5 (1 dependiente y 4 independientes)
1.4 Variable dependiente e independientes
- Variable dependiente (Y):
indice_democracia. - Variables independientes (X):
pib_per_capita,escolaridad,libertad_prensaygasto_militar.
1.5 Datos faltantes
kable(data.frame(variable = names(dem1),
NA_encontrados = colSums(is.na(dem1))),
row.names = FALSE)| variable | NA_encontrados |
|---|---|
| indice_democracia | 0 |
| pib_per_capita | 0 |
| escolaridad | 0 |
| libertad_prensa | 0 |
| gasto_militar | 0 |
cat("Total de NA en la base:", sum(is.na(dem1)))Total de NA en la base: 0
No se encontraron valores perdidos en ninguna variable, por lo que no fue necesario eliminar ni imputar observaciones: los 90 países se usan completos.
1.6 Estadísticos descriptivos
desc <- data.frame(
Media = sapply(dem1, mean),
Desv_est = sapply(dem1, sd),
Min = sapply(dem1, min),
Mediana = sapply(dem1, median),
Max = sapply(dem1, max)
)
kable(round(desc, 2))| Media | Desv_est | Min | Mediana | Max | |
|---|---|---|---|---|---|
| indice_democracia | 6.13 | 1.46 | 2.71 | 5.96 | 9.72 |
| pib_per_capita | 14.29 | 12.32 | 1.05 | 11.73 | 80.00 |
| escolaridad | 9.10 | 2.17 | 3.53 | 8.96 | 14.00 |
| libertad_prensa | 42.03 | 18.09 | 5.00 | 41.88 | 80.36 |
| gasto_militar | 1.95 | 0.91 | 0.30 | 1.96 | 3.67 |
1.7 Gráficas exploratorias
Distribución de la variable dependiente
ggplot(dem1, aes(x = indice_democracia)) +
geom_histogram(bins = 15, fill = "#2C7FB8", color = "white") +
labs(title = "Distribución del índice de calidad de la democracia",
x = "Índice de democracia (0-10)", y = "Número de países") +
theme_minimal()Relación de cada variable independiente con Y
largo <- rbind(
data.frame(x = dem1$pib_per_capita, variable = "PIB per cápita (miles USD)", y = dem1$indice_democracia),
data.frame(x = dem1$escolaridad, variable = "Escolaridad (años)", y = dem1$indice_democracia),
data.frame(x = dem1$libertad_prensa, variable = "Libertad de prensa (0-100)", y = dem1$indice_democracia),
data.frame(x = dem1$gasto_militar, variable = "Gasto militar (% PIB)", y = dem1$indice_democracia)
)
ggplot(largo, aes(x = x, y = y)) +
geom_point(alpha = 0.6, color = "#2C7FB8") +
geom_smooth(method = "lm", se = TRUE, color = "#D95F0E") +
facet_wrap(~ variable, scales = "free_x") +
labs(title = "Índice de democracia frente a cada variable independiente",
x = NULL, y = "Índice de democracia") +
theme_minimal()Matriz de correlaciones
kable(round(cor(dem1), 3))| indice_democracia | pib_per_capita | escolaridad | libertad_prensa | gasto_militar | |
|---|---|---|---|---|---|
| indice_democracia | 1.000 | 0.450 | 0.629 | 0.531 | -0.034 |
| pib_per_capita | 0.450 | 1.000 | 0.623 | 0.196 | 0.116 |
| escolaridad | 0.629 | 0.623 | 1.000 | 0.142 | -0.084 |
| libertad_prensa | 0.531 | 0.196 | 0.142 | 1.000 | 0.158 |
| gasto_militar | -0.034 | 0.116 | -0.084 | 0.158 | 1.000 |
cor_largo <- as.data.frame(as.table(cor(dem1)))
names(cor_largo) <- c("V1", "V2", "r")
ggplot(cor_largo, aes(V1, V2, fill = r)) +
geom_tile(color = "white") +
geom_text(aes(label = round(r, 2))) +
scale_fill_gradient2(low = "#D73027", mid = "white", high = "#2C7FB8", limits = c(-1, 1)) +
labs(title = "Correlaciones entre variables", x = NULL, y = NULL, fill = "r") +
theme_minimal() +
theme(axis.text.x = element_text(angle = 30, hjust = 1))Lectura: la escolaridad (r ≈ 0,63) y la libertad de prensa (r ≈ 0,53) son las que más se asocian con la calidad democrática; el PIB per cápita tiene una asociación moderada (r ≈ 0,45) y el gasto militar prácticamente no se relaciona con Y (r ≈ -0,03). Además, el PIB per cápita tiene valores muy extremos (hay un país con 80 mil USD), algo a tener en cuenta en las limitaciones.
Punto 2. Estimación del modelo inicial
Se estima el modelo con todas las variables independientes:
\[\widehat{Democracia} = \beta_0 + \beta_1\,PIB + \beta_2\,Escolaridad + \beta_3\,LibertadPrensa + \beta_4\,GastoMilitar\]
modelo <- lm(indice_democracia ~ ., data = dem1)
summary(modelo)
Call:
lm(formula = indice_democracia ~ ., data = dem1)
Residuals:
Min 1Q Median 3Q Max
-1.8680 -0.5253 -0.1040 0.5379 2.6875
Coefficients:
Estimate Std. Error t value Pr(>|t|)
(Intercept) 1.44450 0.57815 2.499 0.0144 *
pib_per_capita 0.00367 0.01069 0.343 0.7323
escolaridad 0.36087 0.06013 6.001 4.66e-08 ***
libertad_prensa 0.03693 0.00570 6.479 5.74e-09 ***
gasto_militar -0.10451 0.11471 -0.911 0.3648
---
Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
Residual standard error: 0.9434 on 85 degrees of freedom
Multiple R-squared: 0.5989, Adjusted R-squared: 0.58
F-statistic: 31.73 on 4 and 85 DF, p-value: 3.644e-16
Ecuación estimada (modelo inicial):
\[\widehat{Democracia} = 1{,}4445 + 0{,}0037\,PIB + 0{,}3609\,Escolaridad + 0{,}0369\,LibertadPrensa - 0{,}1045\,GastoMilitar\]
Significancia al 5 %:
- Significativas:
escolaridad(p < 0,001) ylibertad_prensa(p < 0,001). El intercepto también (p ≈ 0,014). - No significativas:
pib_per_capita(p ≈ 0,732) ygasto_militar(p ≈ 0,365).
El R² ajustado es de aproximadamente 0,580.
Punto 3. Selección del modelo: exclusión progresiva
Se excluye una variable a la vez: en cada paso se saca la variable no significativa con mayor valor p.
Paso 0: modelo inicial
El mayor valor p entre las no significativas es el de pib_per_capita (p ≈ 0,732). Se excluye.
Paso 1: sin pib_per_capita
modelo2 <- lm(indice_democracia ~ escolaridad + libertad_prensa + gasto_militar,
data = dem1)
summary(modelo2)
Call:
lm(formula = indice_democracia ~ escolaridad + libertad_prensa +
gasto_militar, data = dem1)
Residuals:
Min 1Q Median 3Q Max
-1.8610 -0.5491 -0.1130 0.5715 2.6711
Coefficients:
Estimate Std. Error t value Pr(>|t|)
(Intercept) 1.354925 0.513227 2.640 0.00984 **
escolaridad 0.373852 0.046500 8.040 4.39e-12 ***
libertad_prensa 0.037137 0.005638 6.587 3.42e-09 ***
gasto_militar -0.096798 0.111910 -0.865 0.38947
---
Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
Residual standard error: 0.9385 on 86 degrees of freedom
Multiple R-squared: 0.5983, Adjusted R-squared: 0.5843
F-statistic: 42.7 on 3 and 86 DF, p-value: < 2.2e-16
gasto_militar sigue siendo no significativo (p ≈ 0,389). Se excluye.
Paso 2: sin pib_per_capita ni gasto_militar
modelo3 <- lm(indice_democracia ~ escolaridad + libertad_prensa, data = dem1)
summary(modelo3)
Call:
lm(formula = indice_democracia ~ escolaridad + libertad_prensa,
data = dem1)
Residuals:
Min 1Q Median 3Q Max
-1.9818 -0.5714 -0.1030 0.5403 2.6743
Coefficients:
Estimate Std. Error t value Pr(>|t|)
(Intercept) 1.161701 0.461389 2.518 0.0136 *
escolaridad 0.378207 0.046159 8.193 2.00e-12 ***
libertad_prensa 0.036300 0.005546 6.545 3.97e-09 ***
---
Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
Residual standard error: 0.9372 on 87 degrees of freedom
Multiple R-squared: 0.5948, Adjusted R-squared: 0.5855
F-statistic: 63.86 on 2 and 87 DF, p-value: < 2.2e-16
Todas las variables independientes restantes son significativas al 5 %, por lo que el proceso se detiene.
Resumen del proceso
resumen <- data.frame(
Modelo = c("Inicial (4 variables)", "Paso 1 (sin PIB)", "Paso 2 (sin PIB ni gasto militar)"),
Variable_excluida = c("-", "pib_per_capita", "gasto_militar"),
p_excluida = c("-",
round(summary(modelo)$coefficients["pib_per_capita", 4], 4),
round(summary(modelo2)$coefficients["gasto_militar", 4], 4)),
R2_ajustado = round(c(summary(modelo)$adj.r.squared,
summary(modelo2)$adj.r.squared,
summary(modelo3)$adj.r.squared), 4),
AIC = round(c(AIC(modelo), AIC(modelo2), AIC(modelo3)), 2)
)
kable(resumen, col.names = c("Modelo", "Variable excluida",
"Valor p de la excluida", "R² ajustado", "AIC"))| Modelo | Variable excluida | Valor p de la excluida | R² ajustado | AIC |
|---|---|---|---|---|
| Inicial (4 variables) | - | - | 0.5800 | 251.77 |
| Paso 1 (sin PIB) | pib_per_capita | 0.7323 | 0.5843 | 249.90 |
| Paso 2 (sin PIB ni gasto militar) | gasto_militar | 0.3895 | 0.5855 | 248.68 |
Al quitar las variables no significativas el R² ajustado no baja, sino que sube ligeramente (≈ 0,580 → 0,584 → 0,586) y el AIC disminuye: las variables eliminadas no aportaban información útil.
ggplot(resumen, aes(x = factor(Modelo, levels = Modelo), y = R2_ajustado, group = 1)) +
geom_line(color = "#2C7FB8") +
geom_point(size = 3, color = "#D95F0E") +
geom_text(aes(label = R2_ajustado), vjust = -1) +
ylim(0.55, 0.62) +
labs(title = "R² ajustado a lo largo de la selección de variables",
x = NULL, y = "R² ajustado") +
theme_minimal() +
theme(axis.text.x = element_text(angle = 15, hjust = 1))Punto 4. Presentación e interpretación del modelo final
tabla_final <- cbind(summary(modelo3)$coefficients, confint(modelo3))
colnames(tabla_final) <- c("Coeficiente", "Error est.", "t", "Valor p",
"IC 95 % inf.", "IC 95 % sup.")
kable(tabla_final, digits = 4)| Coeficiente | Error est. | t | Valor p | IC 95 % inf. | IC 95 % sup. | |
|---|---|---|---|---|---|---|
| (Intercept) | 1.1617 | 0.4614 | 2.5178 | 0.0136 | 0.2446 | 2.0788 |
| escolaridad | 0.3782 | 0.0462 | 8.1935 | 0.0000 | 0.2865 | 0.4700 |
| libertad_prensa | 0.0363 | 0.0055 | 6.5448 | 0.0000 | 0.0253 | 0.0473 |
a. Ecuación del modelo final
\[\widehat{Democracia} = 1{,}1617 + 0{,}3782\,Escolaridad + 0{,}0363\,LibertadPrensa\]
b. Interpretación de los coeficientes
- Intercepto (1,16): índice de democracia esperado en un país hipotético con 0 años de escolaridad y 0 de libertad de prensa. Es una extrapolación fuera del rango observado (la escolaridad mínima es de 3,5 años y la libertad de prensa mínima, 5), por lo que no tiene interpretación sustantiva real; sirve para ubicar la recta.
- Escolaridad (0,378): signo positivo. Por cada año adicional de escolaridad promedio de la población adulta, el índice de democracia aumenta en promedio 0,38 puntos (en la escala de 0 a 10), manteniendo constante la libertad de prensa. En términos políticos: entre países con el mismo nivel de libertad de prensa, aquellos con una población más educada tienen democracias de mayor calidad, lo que es coherente con la idea de que una ciudadanía más educada participa, fiscaliza y exige más a sus instituciones.
- Libertad de prensa (0,0363): signo positivo. Por cada punto adicional en el índice de libertad de prensa (0-100), el índice de democracia aumenta en promedio 0,036 puntos, manteniendo constante la escolaridad. Es decir, un país con 10 puntos más de libertad de prensa tiene en promedio 0,36 puntos más de calidad democrática. Esto refleja que la prensa libre permite informar, controlar al poder y sostener el debate público, condiciones centrales de una democracia de calidad.
c. R² ajustado
s3 <- summary(modelo3)
cat("R²:", round(s3$r.squared, 4), "\n")R²: 0.5948
cat("R² ajustado:", round(s3$adj.r.squared, 4), "\n")R² ajustado: 0.5855
cat("Estadístico F:", round(s3$fstatistic[1], 2), "(p < 0,001)\n")Estadístico F: 63.86 (p < 0,001)
El R² ajustado es de aproximadamente 0,586: el modelo, con solo dos variables, explica cerca del 58,6 % de la variabilidad de la calidad de la democracia entre los 90 países, una vez penalizado el número de variables incluidas. Alrededor del 41 % restante depende de factores que no están en el modelo (historia, instituciones, cultura política, conflicto, etc.). El modelo es globalmente significativo (prueba F, p < 0,001).
d. Predicción
Se predice el índice de democracia de un país con 12 años de escolaridad promedio y un índice de libertad de prensa de 60:
nuevo <- data.frame(escolaridad = 12, libertad_prensa = 60)
predict(modelo3, nuevo) 1
7.878174
predict(modelo3, nuevo, interval = "prediction", level = 0.95) fit lwr upr
1 7.878174 5.979957 9.776392
\[\widehat{Democracia} = 1{,}1617 + 0{,}3782(12) + 0{,}0363(60) \approx 7{,}88\]
Interpretación: un país con población adulta de 12 años de escolaridad y buena libertad de prensa (60/100) tendría, en promedio, un índice de calidad democrática de unos 7,9 sobre 10, es decir, una democracia de calidad alta, cercana a la plena. Como es una predicción individual, tiene un intervalo de 95 % amplio (ver salida), por lo que es una estimación de referencia y no un valor exacto.
Gráficas del modelo final
Valores observados frente a valores ajustados
graf <- data.frame(observado = dem1$indice_democracia,
ajustado = fitted(modelo3))
ggplot(graf, aes(x = ajustado, y = observado)) +
geom_point(alpha = 0.6, color = "#2C7FB8") +
geom_abline(slope = 1, intercept = 0, color = "#D95F0E", linewidth = 1) +
labs(title = "Índice observado vs. índice ajustado por el modelo",
x = "Valor ajustado", y = "Valor observado") +
theme_minimal()Coeficientes del modelo final con IC 95 %
ci <- as.data.frame(confint(modelo3))
names(ci) <- c("inf", "sup")
ci$estimado <- coef(modelo3)
ci$variable <- rownames(ci)
ci <- ci[ci$variable != "(Intercept)", ]
ggplot(ci, aes(x = estimado, y = variable)) +
geom_vline(xintercept = 0, linetype = "dashed") +
geom_pointrange(aes(xmin = inf, xmax = sup), color = "#2C7FB8") +
labs(title = "Coeficientes del modelo final (IC 95 %)",
x = "Coeficiente estimado", y = NULL) +
theme_minimal()Diagnóstico de los residuos
par(mfrow = c(1, 2))
plot(modelo3, which = 1)
plot(modelo3, which = 2)par(mfrow = c(1, 1))Punto 5. Conclusiones
- Variables que explican significativamente la calidad democrática: los años de escolaridad y la libertad de prensa (ambas con p < 0,001). Las dos se relacionan positivamente con el índice de democracia.
- Variables excluidas y por qué:
pib_per_capita(p ≈ 0,73) ygasto_militar(p ≈ 0,39 en el segundo paso) no resultaron significativas al 5 %: una vez que se controla por escolaridad y libertad de prensa, no aportan información adicional. En el caso del PIB, su correlación simple con la democracia (≈ 0,45) parece deberse a que va de la mano con la escolaridad (países más ricos tienen poblaciones más educadas); por eso, al controlar por escolaridad, su efecto propio desaparece. - Qué tan bien explica el modelo: el R² ajustado es ≈ 0,586, es decir, explica algo más de la mitad de la variabilidad de la calidad democrática entre los 90 países. Es un ajuste razonable, pero deja sin explicar cerca del 41 %.
- Utilidad: el modelo sugiere que invertir en educación y garantizar una prensa libre se asocia con democracias de mayor calidad, lo que puede orientar el análisis de política pública y permitir anticipar la calidad democrática de países para los que se conocen estas dos variables.
- Limitaciones:
- Es un análisis de asociación, no de causalidad: la relación podría ser inversa (las democracias de calidad invierten más en educación y protegen más la prensa).
- Son datos de un solo corte, sin dimensión temporal.
- Hay posibles variables omitidas (instituciones, historia, desigualdad, conflicto).
- El PIB per cápita tiene valores extremos (hasta 80 mil USD) que pueden afectar los resultados.
- El índice de democracia está acotado entre 0 y 10, por lo que el modelo lineal puede predecir fuera de ese rango en casos extremos.
- Las conclusiones dependen de que se cumplan los supuestos del modelo (linealidad, homocedasticidad, normalidad de los residuos).