Proyecto Final
Fernando Arevalo y Ennio Alonzo
10 de mayo de 2016
Introduccion
Revision de Literatura
El primer articulo que leimos fue: “Que 10 pasos para comprar un buen auto usado” El articulo trata de explicar que son las cuestiones que se tienen que buscar en el momento de compra de un carro usado. Dan consejos sobre que cosas revisar y tambien sobre que cosas hay que chequear que no sean del auto sino del vendedor. Aqui comentan cosas que son relevantes para el consumidor como la condicion del auto y los beneficios que tiene este.
El segundo articulo que revisamos fue “??Que necesito saber antes de comprar un coche?” Este articulo lo encontramos en una revista muy prestigiosa de automoviles, llamada ??Motorpasion??. Esta guia va enfocada en los compradores que buscan un auto medio alto que es exactamente en donde nuestro negocio se enfocara. Aqui mencionan que hay que analizar varias opciones. El articulo menciona que va a depender mucho del nivel socioeconomico el rendimiento del auto. Esto quiere decir que las personas que estaran buscando los autos buscaran tambien un rendimiento acorde a su capacidad economica. Sin embargo hay excepciones donde mencionan que los apasoinados a los carros algunas veces hacen gastos excesivos para su economia.
El tercer articulo leido trataba sobre cuales son los factores que motivan a la decision de compra. Aqui se mencionaron diferentes factores que afectan la decision de compra. Se mencionan varios factores relevantes para nuestra investigacion. Entre estos factores se vieron como las personas externas que afectan la compra como por ejemplo las esposas y la cantidad de hijos. Se vieron tambien factores sobre el rendimiento del auto como gasolina y seguros. Esta investigacion ayudo mucho a poder agregar variables significativas al estudio a realizar.
Este articulo se titula ???Los 10 Principales motivos por los que un Latinoamericano compra un Auto??? hecho por la revista Atracci??n 360. Se habla de que adquirir un veh??culo se ha convertido en el sue??o de muchos ciudadanos siempre y cuando este base su decisi??n en ciertos aspectos de su vida. En el art??culo se enumera las principales variable que afectan la decisi??n de comprar un auto como Desempe??o, seguridad del veh??culo y consumo de combustible entre otras.
El ultimo articulo se titula ???Piensa comprar un auto usado??? por Prensa Libre. Este articulo habla que para muchas personas, tener carro es sin??nimo de comodidad, ahorro de tiempo y distancia, y seguridad, y a??n mejor si este es nuevo; pero, no siempre es posible comprarlo as??, raz??n por la que se opta por adquirir uno usado.
Datos que definiran las variables.
library("gdata")## gdata: read.xls support for 'XLS' (Excel 97-2004) files ENABLED.## ## gdata: read.xls support for 'XLSX' (Excel 2007+) files ENABLED.##
## Attaching package: 'gdata'## The following object is masked from 'package:stats':
##
## nobs## The following object is masked from 'package:utils':
##
## object.sizepc = read.xls("/Users/ferarevalo1/Documents/Econometria 1 /PFP.xlsx")
pc## Estado.civil. Cant..Carro Seguro. Gasolina Distancia.Casa.Trabajo.
## 1 1 3 16809 1943 7
## 2 0 6 4375 646 9
## 3 1 2 16182 1951 10
## 4 1 5 21566 1585 6
## 5 0 4 10875 1040 11
## 6 1 5 4500 303 7
## 7 1 5 8533 1988 9
## 8 0 4 19684 1266 8
## 9 0 2 18377 2174 10
## 10 0 5 21029 476 11
## 11 1 4 4301 316 10
## 12 0 4 23719 327 4
## 13 0 4 16024 2073 5
## 14 1 3 10085 2062 5
## 15 1 4 11235 977 5
## 16 0 5 20015 1488 8
## 17 1 6 10449 1526 8
## 18 1 2 21772 222 3
## 19 1 5 14504 1412 4
## 20 1 5 14708 802 7
## 21 1 4 14191 1282 7
## 22 0 2 10693 1162 8
## 23 1 5 10015 885 3
## 24 1 3 19274 1327 3
## 25 1 5 22646 839 5
## 26 1 2 17001 1796 5
## 27 1 4 23959 1403 7
## 28 0 3 14591 1284 11
## 29 1 2 19501 2133 7
## 30 0 4 22075 1347 8
## 31 0 2 11535 1042 7
## 32 0 3 10929 1351 5
## 33 0 3 3277 383 7
## 34 1 4 8694 574 5
## 35 1 3 13301 1143 3
## 36 0 4 6046 565 10
## 37 1 5 5202 516 4
## 38 0 6 11058 2095 8
## 39 0 4 21124 1672 5
## 40 1 5 11787 1513 9
## 41 1 6 23327 2054 11
## 42 1 6 12301 1909 3
## 43 1 2 10989 1167 5
## 44 0 4 13128 268 10
## 45 1 3 19788 1040 4
## 46 0 3 13259 1697 8
## 47 1 2 23992 1962 11
## 48 0 3 22858 1615 11
## 49 1 2 9161 1380 4
## 50 0 5 23375 1994 6
## 51 1 4 10882 1524 4
## 52 0 5 11528 1929 6
## 53 1 4 22995 559 4
## 54 0 3 16764 1117 7
## 55 1 4 22547 389 11
## 56 0 4 3767 457 4
## 57 1 2 20044 2158 10
## 58 1 2 14853 1339 7
## 59 0 2 10058 1302 7
## 60 1 2 18792 343 8
## 61 1 5 10728 1036 4
## 62 1 6 13092 1789 3
## 63 0 2 3732 716 5
## 64 1 5 13503 1654 11
## 65 1 4 8561 1772 11
## 66 0 6 6361 452 4
## 67 1 6 11158 904 9
## 68 1 2 10341 1961 5
## 69 0 5 14747 1124 7
## 70 0 4 20825 1783 7
## 71 0 3 23645 1786 4
## 72 1 6 20886 1592 3
## 73 1 5 22924 890 11
## 74 0 4 15001 1004 6
## 75 0 3 5964 563 6
## 76 0 3 12512 1924 8
## 77 1 4 22035 1270 7
## 78 1 3 12977 894 6
## 79 1 4 10424 205 5
## 80 0 6 16986 1856 3
## 81 1 2 9516 1805 9
## 82 0 6 12505 1255 7
## 83 0 4 8708 997 9
## 84 0 6 18867 1555 9
## 85 1 5 23640 815 11
## 86 1 4 19845 1943 8
## 87 1 4 3887 660 7
## 88 1 6 15581 885 8
## 89 1 4 20308 2076 7
## 90 1 2 19729 1686 11
## 91 1 4 15960 874 11
## 92 1 3 10779 976 10
## 93 0 3 21919 1751 5
## 94 1 5 22007 1596 8
## 95 1 2 22890 1163 10
## 96 0 6 12229 1824 9
## 97 1 5 9379 1414 7
## 98 0 6 6274 669 11
## 99 1 5 16154 1843 3
## 100 0 3 15867 2183 3
## 101 1 6 14250 2023 4
## 102 1 5 18905 1422 4
## 103 0 2 3750 448 5
## 104 0 4 11554 1655 5
## 105 1 2 19761 1417 8
## 106 1 3 18180 2094 3
## 107 1 4 8343 1142 5
## 108 0 2 19085 535 6
## 109 1 2 18671 1463 7
## 110 0 6 20937 553 10
## 111 1 3 22723 1436 11
## 112 0 5 10728 1341 9
## 113 1 2 16194 1550 9
## 114 1 5 17895 528 5
## 115 0 3 13381 1612 10
## 116 1 3 9950 1516 11
## 117 1 6 11713 1927 7
## 118 1 3 21385 2024 8
## 119 1 2 11292 1353 9
## 120 0 3 15910 1673 8
## Personas.en.casa Preferencias.de.marca Sector.Laboral Ingresos.
## 1 4 1 2 31391
## 2 1 2 1 21318
## 3 3 2 1 37688
## 4 4 1 1 36288
## 5 3 1 2 33120
## 6 3 1 1 23052
## 7 2 2 2 28829
## 8 3 1 1 39765
## 9 4 1 1 28900
## 10 5 1 1 28992
## 11 5 1 2 37517
## 12 2 1 2 31844
## 13 3 2 1 36524
## 14 3 1 1 34584
## 15 2 2 1 35481
## 16 2 2 2 34660
## 17 3 2 1 35747
## 18 2 2 1 37991
## 19 3 2 1 33225
## 20 5 1 2 34940
## 21 3 2 1 36608
## 22 1 2 1 32642
## 23 5 2 2 39842
## 24 5 1 2 37009
## 25 3 2 2 41482
## 26 4 1 2 37522
## 27 3 2 1 39390
## 28 2 2 2 28274
## 29 3 1 1 35680
## 30 3 2 1 36332
## 31 1 1 1 29421
## 32 4 2 2 38245
## 33 1 1 2 23739
## 34 3 1 1 41908
## 35 4 1 2 33668
## 36 2 2 2 21821
## 37 1 2 1 22812
## 38 1 1 2 35771
## 39 4 2 1 42477
## 40 2 1 2 37149
## 41 5 2 1 39103
## 42 4 1 1 40026
## 43 2 1 2 40801
## 44 4 2 2 37393
## 45 4 1 2 39757
## 46 2 2 2 32027
## 47 1 2 1 34304
## 48 2 1 1 28157
## 49 3 2 1 31466
## 50 3 2 2 32752
## 51 1 1 2 35953
## 52 4 2 1 30579
## 53 3 2 1 39080
## 54 3 2 2 39308
## 55 5 2 2 31667
## 56 3 2 1 21164
## 57 2 2 1 34568
## 58 1 2 2 42501
## 59 3 2 1 29895
## 60 2 1 1 42960
## 61 5 1 2 35291
## 62 2 2 1 31471
## 63 2 2 2 22632
## 64 1 2 1 36724
## 65 3 1 1 34149
## 66 2 1 1 23334
## 67 1 1 2 29471
## 68 2 2 1 32058
## 69 2 2 1 36260
## 70 1 2 1 37697
## 71 2 2 2 38661
## 72 4 2 1 41361
## 73 3 2 2 36970
## 74 1 2 2 30752
## 75 1 1 2 23187
## 76 2 1 2 31060
## 77 5 2 1 29175
## 78 2 1 1 38032
## 79 2 1 2 33646
## 80 5 1 1 41546
## 81 3 1 2 30514
## 82 4 1 1 29929
## 83 5 1 2 39532
## 84 2 2 2 32320
## 85 3 2 1 32031
## 86 5 2 1 42209
## 87 3 2 1 22856
## 88 1 2 1 29072
## 89 3 2 1 29102
## 90 4 1 1 40087
## 91 4 2 2 39436
## 92 1 1 1 29715
## 93 5 1 1 28675
## 94 2 1 1 29521
## 95 5 1 2 39535
## 96 3 1 2 29012
## 97 1 1 1 28307
## 98 1 1 1 24844
## 99 1 1 2 33242
## 100 3 1 1 38522
## 101 4 1 1 32974
## 102 3 1 2 32526
## 103 1 1 1 33115
## 104 4 2 2 30700
## 105 1 2 2 41360
## 106 3 1 2 31610
## 107 3 1 2 32242
## 108 2 1 2 40495
## 109 4 2 1 39757
## 110 1 1 1 33429
## 111 2 2 2 41621
## 112 3 2 2 28003
## 113 4 1 2 36406
## 114 4 1 2 39275
## 115 3 2 2 31033
## 116 5 1 1 38226
## 117 5 1 1 31198
## 118 4 2 2 29526
## 119 4 2 1 30412
## 120 4 1 1 41500
## Costo.Tot Gasto.
## 1 15841 28066
## 2 2944 20399
## 3 12935 61029
## 4 16096 56638
## 5 15516 41341
## 6 16546 22301
## 7 13671 49088
## 8 12491 67637
## 9 16869 58623
## 10 13464 29755
## 11 17198 25660
## 12 15689 27692
## 13 14832 32335
## 14 16784 45797
## 15 12117 40298
## 16 12883 44031
## 17 17104 48461
## 18 15617 27764
## 19 12910 39597
## 20 17226 57479
## 21 15667 57076
## 22 15003 60526
## 23 15939 33293
## 24 15826 64859
## 25 16504 51272
## 26 12731 44397
## 27 14904 67001
## 28 14862 40656
## 29 14441 53745
## 30 17096 66298
## 31 13995 47333
## 32 17121 33809
## 33 3468 18725
## 34 14135 26326
## 35 13735 63913
## 36 4452 21537
## 37 2515 20929
## 38 12253 71168
## 39 16249 50058
## 40 12927 32890
## 41 13722 52354
## 42 13690 69314
## 43 14352 55716
## 44 16578 26909
## 45 13202 46532
## 46 12795 39740
## 47 14510 67624
## 48 15043 63563
## 49 12778 52266
## 50 16996 60885
## 51 14058 43807
## 52 16709 63843
## 53 13606 29253
## 54 15314 33460
## 55 13466 27988
## 56 17129 23628
## 57 12795 46921
## 58 12585 61232
## 59 13325 34412
## 60 12070 31730
## 61 15969 66352
## 62 15449 33089
## 63 13438 23351
## 64 17257 53849
## 65 12368 49379
## 66 5827 18199
## 67 15554 41201
## 68 17132 39077
## 69 14795 68518
## 70 12206 43404
## 71 14144 56182
## 72 16978 57849
## 73 14093 35414
## 74 17000 48597
## 75 16173 23386
## 76 13088 54098
## 77 16574 55022
## 78 16750 32180
## 79 13128 29221
## 80 14564 66679
## 81 12918 34156
## 82 16455 58929
## 83 13674 54882
## 84 17254 50242
## 85 17029 69489
## 86 16897 58191
## 87 16270 22055
## 88 16547 47775
## 89 15286 41458
## 90 13399 58119
## 91 12971 36314
## 92 15033 42694
## 93 17101 62072
## 94 12821 51184
## 95 15475 55539
## 96 13012 37199
## 97 15842 36455
## 98 14616 23724
## 99 13929 33728
## 100 15382 59199
## 101 14463 46605
## 102 13350 40528
## 103 16702 25383
## 104 16839 49988
## 105 14985 34011
## 106 14859 44597
## 107 15392 39052
## 108 12685 27307
## 109 15162 56809
## 110 13528 26755
## 111 13722 34284
## 112 14181 54499
## 113 13554 57149
## 114 13420 30749
## 115 15940 43915
## 116 16413 53943
## 117 12786 52778
## 118 16284 46126
## 119 12959 49338
## 120 15278 68727Los datos se recopilaron por medio de encuesta ya que en este tipo de caso a estudiar, los datos pueden variar de manera significativa entre cada usuario. Este estudio se baso en gustos, preferencias y situaciones eco-profesionales en la que se sit??an los encuestados. Para ello nuestra entre vista se bas?? en 11 preguntas que los encuestados consideraron que es lo que m??s los influye en su toma de decisiones. Contamos con el Estado Civil que es una variable ???Dummy??? (variable cualitativa) representado por 0 como soltero y 1 como casado como variable dicot??mica tambi??n tenemos Sector Laboral con 1 como servicios y 2 Productos Finales, Preferencia de Marcas (1 Americano, 2 Europeo), personas en casa es una variable num??rica al igual que la cantidad de carros disponible, Costo de Seguro, Gasto promedio de Gasolina, Salario, Costo Mantenimiento(Costo Tot), Distancia (ruta diaria recorrida). Basado en la siguiente baso de datos nuestra variable num??rica Y es el ultimo gasto realizado en la compra de su veh??culo.
``
Regresion
reg = lm(formula = pc$Gasto.~pc$Estado.civil.+pc$Cant..Carro+pc$Seguro.+pc$Gasolina+pc$Distancia.Casa.Trabajo.+pc$Personas.en.casa+pc$Preferencias.de.marca+pc$Sector.Laboral+pc$Ingresos.+pc$Costo.Tot, data = pc)summary(reg)##
## Call:
## lm(formula = pc$Gasto. ~ pc$Estado.civil. + pc$Cant..Carro +
## pc$Seguro. + pc$Gasolina + pc$Distancia.Casa.Trabajo. + pc$Personas.en.casa +
## pc$Preferencias.de.marca + pc$Sector.Laboral + pc$Ingresos. +
## pc$Costo.Tot, data = pc)
##
## Residuals:
## Min 1Q Median 3Q Max
## -25874.4 -7399.5 -807.7 6788.3 25164.4
##
## Coefficients:
## Estimate Std. Error t value Pr(>|t|)
## (Intercept) -1157.2596 10118.8740 -0.114 0.9092
## pc$Estado.civil. -2859.3495 2086.1278 -1.371 0.1733
## pc$Cant..Carro 387.5096 740.1737 0.524 0.6017
## pc$Seguro. 0.3248 0.2061 1.576 0.1180
## pc$Gasolina 11.7949 1.8699 6.308 6.22e-09 ***
## pc$Distancia.Casa.Trabajo. 336.3630 392.6278 0.857 0.3935
## pc$Personas.en.casa 1260.9856 830.4503 1.518 0.1318
## pc$Preferencias.de.marca -1701.3854 2006.4147 -0.848 0.3983
## pc$Sector.Laboral -3543.1235 1996.3142 -1.775 0.0787 .
## pc$Ingresos. 0.5511 0.2248 2.452 0.0158 *
## pc$Costo.Tot 0.6415 0.3944 1.626 0.1068
## ---
## Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
##
## Residual standard error: 10670 on 109 degrees of freedom
## Multiple R-squared: 0.4907, Adjusted R-squared: 0.444
## F-statistic: 10.5 on 10 and 109 DF, p-value: 2.952e-12Aqui se trato la primera regresion, teniendo en cuenta todas las variables que teniamos en el estudio. Como se puede ver el R cuadrado es de aproximadamente 0.5 Esto quiere decir que las variables que se tienen dentro de la regresion son muy poco explicativas en relacion al gasto de las personas en vehiculos. Se podria decir que solo explican el 50% del gasto.
En las regresiones siguientes se fueron quitando las variables que no fueron significativas en ese mismo orden.
reg1 = lm(formula = pc$Gasto.~0+pc$Estado.civil.+pc$Cant..Carro+pc$Seguro.+pc$Gasolina+pc$Distancia.Casa.Trabajo.+pc$Personas.en.casa+pc$Preferencias.de.marca+pc$Sector.Laboral+pc$Ingresos.+pc$Costo.Tot, data = pc)summary(reg1)##
## Call:
## lm(formula = pc$Gasto. ~ 0 + pc$Estado.civil. + pc$Cant..Carro +
## pc$Seguro. + pc$Gasolina + pc$Distancia.Casa.Trabajo. + pc$Personas.en.casa +
## pc$Preferencias.de.marca + pc$Sector.Laboral + pc$Ingresos. +
## pc$Costo.Tot, data = pc)
##
## Residuals:
## Min 1Q Median 3Q Max
## -25853 -7412 -910 6768 25215
##
## Coefficients:
## Estimate Std. Error t value Pr(>|t|)
## pc$Estado.civil. -2859.9981 2076.7406 -1.377 0.17126
## pc$Cant..Carro 350.6636 663.3825 0.529 0.59815
## pc$Seguro. 0.3300 0.2001 1.649 0.10204
## pc$Gasolina 11.7660 1.8445 6.379 4.33e-09 ***
## pc$Distancia.Casa.Trabajo. 320.3390 365.1281 0.877 0.38222
## pc$Personas.en.casa 1265.4353 825.8087 1.532 0.12830
## pc$Preferencias.de.marca -1767.9904 1911.4013 -0.925 0.35701
## pc$Sector.Laboral -3617.5930 1878.6495 -1.926 0.05673 .
## pc$Ingresos. 0.5366 0.1849 2.903 0.00447 **
## pc$Costo.Tot 0.6246 0.3640 1.716 0.08902 .
## ---
## Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
##
## Residual standard error: 10620 on 110 degrees of freedom
## Multiple R-squared: 0.9534, Adjusted R-squared: 0.9492
## F-statistic: 225.3 on 10 and 110 DF, p-value: < 2.2e-16reg2 = lm(formula = pc$Gasto.~0+pc$Estado.civil.+pc$Seguro.+pc$Gasolina+pc$Distancia.Casa.Trabajo.+pc$Personas.en.casa+pc$Preferencias.de.marca+pc$Sector.Laboral+pc$Ingresos.+pc$Costo.Tot, data = pc)summary(reg2)##
## Call:
## lm(formula = pc$Gasto. ~ 0 + pc$Estado.civil. + pc$Seguro. +
## pc$Gasolina + pc$Distancia.Casa.Trabajo. + pc$Personas.en.casa +
## pc$Preferencias.de.marca + pc$Sector.Laboral + pc$Ingresos. +
## pc$Costo.Tot, data = pc)
##
## Residuals:
## Min 1Q Median 3Q Max
## -25844.2 -7336.5 -714.6 6214.0 25517.1
##
## Coefficients:
## Estimate Std. Error t value Pr(>|t|)
## pc$Estado.civil. -2868.1197 2069.9322 -1.386 0.1686
## pc$Seguro. 0.3214 0.1988 1.617 0.1088
## pc$Gasolina 11.7760 1.8384 6.406 3.72e-09 ***
## pc$Distancia.Casa.Trabajo. 340.7200 361.9062 0.941 0.3485
## pc$Personas.en.casa 1304.2549 819.8626 1.591 0.1145
## pc$Preferencias.de.marca -1610.9340 1882.0286 -0.856 0.3939
## pc$Sector.Laboral -3544.7087 1867.4915 -1.898 0.0603 .
## pc$Ingresos. 0.5480 0.1830 2.994 0.0034 **
## pc$Costo.Tot 0.6576 0.3574 1.840 0.0685 .
## ---
## Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
##
## Residual standard error: 10590 on 111 degrees of freedom
## Multiple R-squared: 0.9533, Adjusted R-squared: 0.9495
## F-statistic: 251.9 on 9 and 111 DF, p-value: < 2.2e-16reg3 = lm(formula = pc$Gasto.~0+pc$Estado.civil.+pc$Seguro.+pc$Gasolina+pc$Distancia.Casa.Trabajo.+pc$Personas.en.casa+pc$Sector.Laboral+pc$Ingresos.+pc$Costo.Tot, data = pc)summary(reg3)##
## Call:
## lm(formula = pc$Gasto. ~ 0 + pc$Estado.civil. + pc$Seguro. +
## pc$Gasolina + pc$Distancia.Casa.Trabajo. + pc$Personas.en.casa +
## pc$Sector.Laboral + pc$Ingresos. + pc$Costo.Tot, data = pc)
##
## Residuals:
## Min 1Q Median 3Q Max
## -26634.5 -8021.5 -853.1 5907.3 25085.9
##
## Coefficients:
## Estimate Std. Error t value Pr(>|t|)
## pc$Estado.civil. -2825.9461 2066.8745 -1.367 0.17428
## pc$Seguro. 0.3058 0.1978 1.546 0.12483
## pc$Gasolina 11.6805 1.8328 6.373 4.25e-09 ***
## pc$Distancia.Casa.Trabajo. 277.2953 353.8164 0.784 0.43485
## pc$Personas.en.casa 1395.3266 811.9587 1.718 0.08847 .
## pc$Sector.Laboral -3606.6744 1863.8593 -1.935 0.05550 .
## pc$Ingresos. 0.5221 0.1803 2.896 0.00455 **
## pc$Costo.Tot 0.5947 0.3494 1.702 0.09152 .
## ---
## Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
##
## Residual standard error: 10580 on 112 degrees of freedom
## Multiple R-squared: 0.953, Adjusted R-squared: 0.9497
## F-statistic: 284 on 8 and 112 DF, p-value: < 2.2e-16reg4 = lm(formula = pc$Gasto.~0+pc$Estado.civil.+pc$Seguro.+pc$Gasolina+pc$Personas.en.casa+pc$Sector.Laboral+pc$Ingresos.+pc$Costo.Tot, data = pc)summary(reg4)##
## Call:
## lm(formula = pc$Gasto. ~ 0 + pc$Estado.civil. + pc$Seguro. +
## pc$Gasolina + pc$Personas.en.casa + pc$Sector.Laboral + pc$Ingresos. +
## pc$Costo.Tot, data = pc)
##
## Residuals:
## Min 1Q Median 3Q Max
## -27267.5 -7867.5 -32.1 6386.0 26190.0
##
## Coefficients:
## Estimate Std. Error t value Pr(>|t|)
## pc$Estado.civil. -2917.5487 2060.0417 -1.416 0.15945
## pc$Seguro. 0.3192 0.1967 1.623 0.10733
## pc$Gasolina 11.7591 1.8269 6.436 3.06e-09 ***
## pc$Personas.en.casa 1369.3360 809.8951 1.691 0.09364 .
## pc$Sector.Laboral -3374.8528 1837.0946 -1.837 0.06883 .
## pc$Ingresos. 0.5428 0.1780 3.049 0.00286 **
## pc$Costo.Tot 0.6439 0.3431 1.877 0.06315 .
## ---
## Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
##
## Residual standard error: 10560 on 113 degrees of freedom
## Multiple R-squared: 0.9528, Adjusted R-squared: 0.9498
## F-statistic: 325.6 on 7 and 113 DF, p-value: < 2.2e-16reg5 = lm(formula = pc$Gasto.~0+pc$Seguro.+pc$Gasolina+pc$Personas.en.casa+pc$Sector.Laboral+pc$Ingresos.+pc$Costo.Tot, data = pc)summary(reg5)##
## Call:
## lm(formula = pc$Gasto. ~ 0 + pc$Seguro. + pc$Gasolina + pc$Personas.en.casa +
## pc$Sector.Laboral + pc$Ingresos. + pc$Costo.Tot, data = pc)
##
## Residuals:
## Min 1Q Median 3Q Max
## -25208.4 -8285.3 -19.8 6276.6 24927.1
##
## Coefficients:
## Estimate Std. Error t value Pr(>|t|)
## pc$Seguro. 0.3265 0.1975 1.654 0.10097
## pc$Gasolina 11.7407 1.8349 6.398 3.6e-09 ***
## pc$Personas.en.casa 1245.6630 808.7178 1.540 0.12626
## pc$Sector.Laboral -3106.1813 1835.3165 -1.692 0.09329 .
## pc$Ingresos. 0.4795 0.1731 2.770 0.00654 **
## pc$Costo.Tot 0.6626 0.3444 1.924 0.05682 .
## ---
## Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
##
## Residual standard error: 10600 on 114 degrees of freedom
## Multiple R-squared: 0.9519, Adjusted R-squared: 0.9494
## F-statistic: 376.2 on 6 and 114 DF, p-value: < 2.2e-16reg6 = lm(formula = pc$Gasto.~0+pc$Seguro.+pc$Gasolina+pc$Sector.Laboral+pc$Ingresos.+pc$Costo.Tot, data = pc)summary(reg6)##
## Call:
## lm(formula = pc$Gasto. ~ 0 + pc$Seguro. + pc$Gasolina + pc$Sector.Laboral +
## pc$Ingresos. + pc$Costo.Tot, data = pc)
##
## Residuals:
## Min 1Q Median 3Q Max
## -25361.8 -7629.3 -23.9 7009.3 25657.3
##
## Coefficients:
## Estimate Std. Error t value Pr(>|t|)
## pc$Seguro. 0.3427 0.1984 1.728 0.08673 .
## pc$Gasolina 11.8683 1.8440 6.436 2.93e-09 ***
## pc$Sector.Laboral -3115.6336 1846.2258 -1.688 0.09420 .
## pc$Ingresos. 0.5254 0.1715 3.063 0.00273 **
## pc$Costo.Tot 0.7773 0.3382 2.298 0.02336 *
## ---
## Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
##
## Residual standard error: 10670 on 115 degrees of freedom
## Multiple R-squared: 0.9509, Adjusted R-squared: 0.9488
## F-statistic: 445.6 on 5 and 115 DF, p-value: < 2.2e-16Esta regresion llamada reg 6 se tomo como la definitiva pues tenia todas las variables significativas. Se decidio tomar las variables como seguro y sector laboral como significativas a pesar que no cumplian con el nivel de confianza de 95%. Estas variables estan fuera de este nivel, sin embargo se consideran significativas y en la practica se decidio tomar en cuenta el nivel de confianza de 90%. Se puede ver que el R cuadrado subio muchisimo, a un punto en donde se puede confiar bastante del estudio realizado.
En el estudio realizado no se tomaron en cuenta variables de tiempo. Esto fue esencial en la decision de no tomar como relevantes las pruebas de autocorrelacion y multicolinealidad. Ya que estas prubas tienen como base que los datos esten en un determinado tiempo. Nuestro estudio se basaba en usuarios pero todos en un solo tiempo.
Graficas relevantes para la regresion final
plot(pc$Gasolina ~ pc$Gasto.)
abline(lm(pc$Gasolina~pc$Gasto.), col = "blue")
En esta grafica se puede ver muy claramente como el desempe??o de la gasolina esta relacionado en positivo con el gasto. Esto explica bien el hecho que al momento en que el gasto en gasolina la persona compra vehiculos con mayor precio. Lo que significa es que las personas no estan preocupadas por gastar dinero en sus carros.
plot(pc$Seguro.~pc$Gasto.)
abline(lm(pc$Seguro.~pc$Gasto.), col = "green")
En esta grafica podemos ver que mientras el seguro es mas caro igual aumenta el gasto en el vehiculo. Lo que nos quiere decir que las personas al gastar mas en el seguro mas caro es el auto.
plot(pc$Sector.Laboral, pc$Gasto.)
Aqui podemos ver como se relaciona el sector en donde trabaja con lo que gastan en sus vehiculos. Como se puede ver en el sector de servicios es en donde la compra de vehiculos mas caros. Sin embargo hay personas en el sector de productos que gastan en autos caros.
plot(pc$Ingresos.~pc$Gasto.)
abline(lm(pc$Ingresos.~pc$Gasto.), col = "red")
Aqui se puede ver reflejado muy facilmente que el nivel socioeconomico de las personas afecta directamente en la compra del vehiculo. Es decir entre mayor ingreso mas caro son los vehiculos.
plot(pc$Costo.Tot~pc$Gasto.)
abline(lm(pc$Costo.Tot~pc$Gasto.))