Tasa de alfabetismo vs tasa de desempleo.
En este caso se analizarà la relaciòn que tienen la tasa de alfabetizaciòn en mujeres con la tasa de desempleo de las mismas en Europa central desde el año 1991 hasta el 2016.
library(readxl)
DATOS <- read_excel("DATOS.xlsx")
View(DATOS)
head(DATOS)
## # A tibble: 6 x 3
## AÑO `TASA DE ALFABETIZACIÒN EN MUJERES` `TASA DE DESEMPLEO EN MUJERES`
## <dbl> <dbl> <dbl>
## 1 1991 97.4 9.24
## 2 1992 97.5 10.1
## 3 1993 97.5 11.6
## 4 1994 97.6 11.9
## 5 1995 97.7 11.5
## 6 1996 97.8 10.9
attach(DATOS)
plot(`TASA DE ALFABETIZACIÒN EN MUJERES`,`TASA DE DESEMPLEO EN MUJERES`)
cor(`TASA DE DESEMPLEO EN MUJERES`,`TASA DE ALFABETIZACIÒN EN MUJERES`)
## [1] -0.4176147
Este resultado negativo nos indica que hay una relaciòn inversa entre estas dos variables, lo que significa que a medida que la tasa de alfabetismo en mujeres aumenta, la tasa de desempleo disminuye.
modelo=lm(`TASA DE DESEMPLEO EN MUJERES`~`TASA DE ALFABETIZACIÒN EN MUJERES`)
summary(modelo)
##
## Call:
## lm(formula = `TASA DE DESEMPLEO EN MUJERES` ~ `TASA DE ALFABETIZACIÒN EN MUJERES`)
##
## Residuals:
## Min 1Q Median 3Q Max
## -3.2092 -1.2496 0.0055 0.7791 3.3897
##
## Coefficients:
## Estimate Std. Error t value Pr(>|t|)
## (Intercept) 215.1273 90.8798 2.367 0.0263 *
## `TASA DE ALFABETIZACIÒN EN MUJERES` -2.0853 0.9261 -2.252 0.0338 *
## ---
## Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
##
## Residual standard error: 1.886 on 24 degrees of freedom
## Multiple R-squared: 0.1744, Adjusted R-squared: 0.14
## F-statistic: 5.07 on 1 and 24 DF, p-value: 0.03377
Por un aumento de una unidad porcentual en la tasa de alfabetismo de las mujeres, la tasa de desempleo en estas, disminuye en 2,0853 unidades porcentuales.
De acuerdo con el R2 podemos afirmar que la tasa de desempleo no es explicada por la tasa de alfabetismo, ya que solo explica de 17%.
```