library(htmltab)
link="https://es.wikipedia.org/wiki/%C3%8Dndice_global_de_felicidad"
path='//*/div/table'
susti=htmltab(doc = link,which = path)str(susti)## 'data.frame': 156 obs. of 9 variables:
## $ № : chr "1" "2" "3" "4" ...
## $ País : chr "Finlandia" "Noruega" "Dinamarca" "Islandia" ...
## $ Puntuación : chr "7.633" "7.560" "7.555" "7.495" ...
## $ PIB per cápita : chr "1.305" "1.372" "1.351" "1.343" ...
## $ Apoyo social : chr "1.592" "1.595" "1.590" "1.644" ...
## $ Esperanza de años de vida saludable : chr "0.874" "0.870" "0.868" "0.914" ...
## $ Libertad para tomar decisiones vitales: chr "0.681" "0.685" "0.683" "0.677" ...
## $ Generosidad : chr "0.192" "0.285" "0.284" "0.353" ...
## $ Percepción de la corrupción : chr "0.393" "0.410" "0.408" "0.138" ...susti[,c(3:9)]=lapply(susti[,c(3:9)], as.numeric) veo
str(susti)## 'data.frame': 156 obs. of 9 variables:
## $ № : chr "1" "2" "3" "4" ...
## $ País : chr "Finlandia" "Noruega" "Dinamarca" "Islandia" ...
## $ Puntuación : num 7.63 7.56 7.55 7.5 7.49 ...
## $ PIB per cápita : num 1.3 1.37 1.35 1.34 1.42 ...
## $ Apoyo social : num 1.59 1.59 1.59 1.64 1.55 ...
## $ Esperanza de años de vida saludable : num 0.874 0.87 0.868 0.914 0.927 0.878 0.896 0.876 0.913 0.91 ...
## $ Libertad para tomar decisiones vitales: num 0.681 0.685 0.683 0.677 0.66 0.638 0.653 0.669 0.659 0.647 ...
## $ Generosidad : num 0.192 0.285 0.284 0.353 0.256 0.333 0.321 0.365 0.285 0.361 ...
## $ Percepción de la corrupción : num 0.393 0.41 0.408 0.138 0.357 0.295 0.291 0.389 0.383 0.302 ...ESPACIOS ELIMINO
nuevonom=c("numero", "pais","puntuacion","pbiperca", "apoyo",
"esperanzadevida","libertad","generosidad","percepcion")
names(susti)= nuevonomnames(susti)## [1] "numero" "pais" "puntuacion" "pbiperca"
## [5] "apoyo" "esperanzadevida" "libertad" "generosidad"
## [9] "percepcion"PREGUNTA 1:PERCEPCION DE CORRUPCIÒN DEPENDIENTE
hip1=lm(percepcion~puntuacion+pbiperca+apoyo+esperanzadevida+libertad+generosidad, data=susti)
summary(hip1)##
## Call:
## lm(formula = percepcion ~ puntuacion + pbiperca + apoyo + esperanzadevida +
## libertad + generosidad, data = susti)
##
## Residuals:
## Min 1Q Median 3Q Max
## -0.17247 -0.05901 -0.01474 0.04397 0.33498
##
## Coefficients:
## Estimate Std. Error t value Pr(>|t|)
## (Intercept) -0.08207 0.03828 -2.144 0.03364 *
## puntuacion 0.02049 0.01267 1.617 0.10801
## pbiperca 0.01869 0.03542 0.528 0.59848
## apoyo -0.05800 0.03362 -1.725 0.08655 .
## esperanzadevida 0.03145 0.05250 0.599 0.54998
## libertad 0.16812 0.05078 3.311 0.00117 **
## generosidad 0.23753 0.07113 3.339 0.00106 **
## ---
## Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
##
## Residual standard error: 0.08168 on 149 degrees of freedom
## Multiple R-squared: 0.3217, Adjusted R-squared: 0.2944
## F-statistic: 11.78 on 6 and 149 DF, p-value: 8.687e-11PREGUNTA 2: Si tomamos de nuestras variable de interes a esperanza de años de vida saludable como la dependiente, y a las demas como las independientes, puede concluir que:
hip2=lm(esperanzadevida~puntuacion+pbiperca+apoyo+libertad+generosidad+percepcion, data=susti)
summary(hip2)##
## Call:
## lm(formula = esperanzadevida ~ puntuacion + pbiperca + apoyo +
## libertad + generosidad + percepcion, data = susti)
##
## Residuals:
## Min 1Q Median 3Q Max
## -0.45271 -0.05889 0.00928 0.07845 0.25994
##
## Coefficients:
## Estimate Std. Error t value Pr(>|t|)
## (Intercept) -0.09737 0.06004 -1.622 0.1070
## puntuacion 0.04902 0.01952 2.512 0.0131 *
## pbiperca 0.37513 0.04592 8.168 1.23e-13 ***
## apoyo 0.08534 0.05246 1.627 0.1059
## libertad -0.02142 0.08199 -0.261 0.7943
## generosidad -0.02816 0.11493 -0.245 0.8068
## percepcion 0.07642 0.12754 0.599 0.5500
## ---
## Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
##
## Residual standard error: 0.1273 on 149 degrees of freedom
## Multiple R-squared: 0.7479, Adjusted R-squared: 0.7378
## F-statistic: 73.68 on 6 and 149 DF, p-value: < 2.2e-16PREGUNTA 3 CORRELACION DE PIB Y GENEROSIDAD
NUMERICA- NUMERICA
library(ggpubr)## Loading required package: ggplot2## Loading required package: magrittrpregun3=ggscatter(susti,
x = "pbiperca", y = "generosidad",
cor.coef = TRUE,
cor.method = "spearman")
pregun3
2da parte
link="https://docs.google.com/spreadsheets/d/e/2PACX-1vQ91JZkU1x4kSYl-PAGuZKQAcXApVDf4e8Dx10BwQhrfyter5PZ2RcNSpyyI-Ri4hLcq1kBR30DMfdk/pub?gid=305809466&single=true&output=csv"
susti2=read.csv(link, stringsAsFactors = F)str(susti2)## 'data.frame': 195 obs. of 13 variables:
## $ regionUbigeo : int 10000 10000 10000 10000 10000 10000 10000 20000 20000 20000 ...
## $ provinciaUbigeo: int 10100 10200 10300 10400 10500 10600 10700 20100 20200 20300 ...
## $ PROVINCIA : chr "CHACHAPOYAS" "BAGUA" "BONGARA" "CONDORCANQUI" ...
## $ IDE : num 0.774 0.662 0.632 0.46 0.605 ...
## $ identidad : num 98.6 94.6 97.5 86.2 96.2 ...
## $ salud : num 25.45 14.61 9.01 8.56 12.42 ...
## $ educacion : num 91.5 79.8 76.4 52.2 74.7 ...
## $ saneamiento : num 70.3 64.5 54.8 37.7 43.3 ...
## $ electrificacion: num 84 67.9 72.2 39.5 67.4 ...
## $ poblacion : int 54783 77438 32317 51802 52185 30236 118747 161003 7974 16879 ...
## $ costa : chr "NO" "NO" "NO" "NO" ...
## $ capital : chr "SI" "NO" "NO" "NO" ...
## $ tamano : chr "Pequena" "Pequena" "Muy pequena" "Pequena" ...PREGUNTA 4 Sin hacer regresion, que podriamos concluir de la relacion entre saneamiento y costa (ser provincia en la costa) ?
shapiro.test(susti2$saneamiento)##
## Shapiro-Wilk normality test
##
## data: susti2$saneamiento
## W = 0.98626, p-value = 0.05485p-value = 0.05485
f1=formula(saneamiento~costa)
aggregate(f1, susti2, mean)## costa saneamiento
## 1 NO 50.97556
## 2 SI 83.20243library(ggpubr)
ggqqplot(data=susti2,x="saneamiento") + facet_grid(. ~ costa)
normalidadTest=function(x) {y =shapiro.test(x);
c(y$statistic, y$p.value)}
resultado= aggregate(f1, susti2,
FUN = normalidadTest)
library(knitr)
shapiroTest=as.data.frame(resultado[,2])
names(shapiroTest)=c("Statistic","Probabilidad")
kable(cbind(resultado[1],shapiroTest))| costa | Statistic | Probabilidad |
|---|---|---|
| NO | 0.9949525 | 0.8529651 |
| SI | 0.9580179 | 0.2422331 |
t.test(f1,susti2)##
## Welch Two Sample t-test
##
## data: saneamiento by costa
## t = -14.131, df = 73.273, p-value < 2.2e-16
## alternative hypothesis: true difference in means is not equal to 0
## 95 percent confidence interval:
## -36.77164 -27.68210
## sample estimates:
## mean in group NO mean in group SI
## 50.97556 83.20243Si tomamos de nuestras variable de interés a salud como la dependiente, y a las demás como las independientes, puede concluir que:
str(susti2)## 'data.frame': 195 obs. of 13 variables:
## $ regionUbigeo : int 10000 10000 10000 10000 10000 10000 10000 20000 20000 20000 ...
## $ provinciaUbigeo: int 10100 10200 10300 10400 10500 10600 10700 20100 20200 20300 ...
## $ PROVINCIA : chr "CHACHAPOYAS" "BAGUA" "BONGARA" "CONDORCANQUI" ...
## $ IDE : num 0.774 0.662 0.632 0.46 0.605 ...
## $ identidad : num 98.6 94.6 97.5 86.2 96.2 ...
## $ salud : num 25.45 14.61 9.01 8.56 12.42 ...
## $ educacion : num 91.5 79.8 76.4 52.2 74.7 ...
## $ saneamiento : num 70.3 64.5 54.8 37.7 43.3 ...
## $ electrificacion: num 84 67.9 72.2 39.5 67.4 ...
## $ poblacion : int 54783 77438 32317 51802 52185 30236 118747 161003 7974 16879 ...
## $ costa : chr "NO" "NO" "NO" "NO" ...
## $ capital : chr "SI" "NO" "NO" "NO" ...
## $ tamano : chr "Pequena" "Pequena" "Muy pequena" "Pequena" ...ja1=lm(salud~IDE+identidad+educacion+saneamiento+electrificacion+poblacion+costa+capital+tamano, data=susti2)
summary(ja1)##
## Call:
## lm(formula = salud ~ IDE + identidad + educacion + saneamiento +
## electrificacion + poblacion + costa + capital + tamano, data = susti2)
##
## Residuals:
## Min 1Q Median 3Q Max
## -0.0188775 -0.0074398 0.0006328 0.0075417 0.0143921
##
## Coefficients:
## Estimate Std. Error t value Pr(>|t|)
## (Intercept) 9.362e-04 3.046e-02 0.031 0.976
## IDE 3.000e+02 4.062e-02 7384.174 <2e-16 ***
## identidad -5.998e-01 3.542e-04 -1693.213 <2e-16 ***
## educacion -5.999e-01 1.216e-04 -4935.618 <2e-16 ***
## saneamiento -5.998e-01 1.103e-04 -5438.806 <2e-16 ***
## electrificacion -5.999e-01 1.091e-04 -5500.310 <2e-16 ***
## poblacion -1.264e-08 9.062e-09 -1.395 0.165
## costaSI -8.621e-04 2.250e-03 -0.383 0.702
## capitalSI 1.296e-03 2.989e-03 0.434 0.665
## tamanoMediana -3.901e-03 4.617e-03 -0.845 0.399
## tamanoMuy grande 9.632e-02 7.217e-02 1.335 0.184
## tamanoMuy pequena -8.177e-03 5.574e-03 -1.467 0.144
## tamanoPequena -6.747e-03 5.248e-03 -1.285 0.200
## ---
## Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
##
## Residual standard error: 0.008904 on 182 degrees of freedom
## Multiple R-squared: 1, Adjusted R-squared: 1
## F-statistic: 1.091e+07 on 12 and 182 DF, p-value: < 2.2e-16Si tomamos de nuestras variable de interés a identidad como la dependiente, y a las demás como las independientes, puede concluir que:
ja2=lm(identidad~IDE+salud+educacion+saneamiento+electrificacion+poblacion+costa+capital+tamano, data=susti2)
summary(ja2)##
## Call:
## lm(formula = identidad ~ IDE + salud + educacion + saneamiento +
## electrificacion + poblacion + costa + capital + tamano, data = susti2)
##
## Residuals:
## Min 1Q Median 3Q Max
## -0.031454 -0.012457 0.001169 0.012581 0.023947
##
## Coefficients:
## Estimate Std. Error t value Pr(>|t|)
## (Intercept) 6.690e-03 5.078e-02 0.132 0.895
## IDE 5.000e+02 2.881e-01 1735.734 <2e-16 ***
## salud -1.667e+00 9.846e-04 -1693.213 <2e-16 ***
## educacion -1.000e+00 6.580e-04 -1519.858 <2e-16 ***
## saneamiento -1.000e+00 5.990e-04 -1669.340 <2e-16 ***
## electrificacion -1.000e+00 5.827e-04 -1716.268 <2e-16 ***
## poblacion -2.102e-08 1.511e-08 -1.391 0.166
## costaSI -1.437e-03 3.752e-03 -0.383 0.702
## capitalSI 2.138e-03 4.983e-03 0.429 0.668
## tamanoMediana -6.413e-03 7.698e-03 -0.833 0.406
## tamanoMuy grande 1.602e-01 1.203e-01 1.331 0.185
## tamanoMuy pequena -1.352e-02 9.294e-03 -1.455 0.147
## tamanoPequena -1.117e-02 8.750e-03 -1.277 0.203
## ---
## Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
##
## Residual standard error: 0.01484 on 182 degrees of freedom
## Multiple R-squared: 1, Adjusted R-squared: 1
## F-statistic: 4.438e+05 on 12 and 182 DF, p-value: < 2.2e-16