Tema: Educación en México
Acerca de este documento
Datos obtenidos de: https://inegi.org.mx/temas/educacion/
Importación de datos
setwd("~/Estadistica")
library(readxl)
library(tidyverse)## -- Attaching packages --------------------------------------- tidyverse 1.3.0 --## v ggplot2 3.3.3 v purrr 0.3.4
## v tibble 3.1.0 v dplyr 1.0.5
## v tidyr 1.1.3 v stringr 1.4.0
## v readr 1.4.0 v forcats 0.5.1## -- Conflicts ------------------------------------------ tidyverse_conflicts() --
## x dplyr::filter() masks stats::filter()
## x dplyr::lag() masks stats::lag()library(prettydoc)
library(readr)
library(DT)
library(pacman)
p_load("base64enc","htmltools","mime","xfun","prettydoc","readr","knitr","DT","dplyr","ggplot2","plotly","gganimate","gifski","scales", "MASS", "class")tasa <- read.csv("EducacionTasa.csv") Tabla de datos
datatable(tasa)Hipótesis
Podemos decir que la tasa de educación aumenta año con año, ya que, cada vez hay más acceso a la educación.
En base a un analisis de correlacion, significancia, normalidad y regresion lineal, determinaremos si la hipótesis es correcta o no.
Análisis de correlación
pairs(x = tasa, lower.panel = NULL)
cor(x = tasa, method = "pearson")## periodo preescolar primaria secundaria
## periodo 1.0000000 0.9692545 0.4297579 0.9786243
## preescolar 0.9692545 1.0000000 0.3423277 0.9575203
## primaria 0.4297579 0.3423277 1.0000000 0.3965081
## secundaria 0.9786243 0.9575203 0.3965081 1.0000000Como se puede observar, los datos tienen una correlación alta, a excepción de la primeria, que es la que más varía.
Diagrama de dispersión para preescolar
data("tasa")## Warning in data("tasa"): data set 'tasa' not found#Se emplea el log del precio porque mejora la linealidad
ggplot(data = tasa, aes(x = periodo, y = preescolar)) +
geom_point(colour = "red4") +
ggtitle("Diagrama de dispersión") +
theme_bw() +
theme(plot.title = element_text(hjust = 0.5))
En este gráfico podemos observar que la tasa de preescolar, mayormente aumenta conforme aumenta el período
Diagrama de dispersión para primaria
data("tasa")## Warning in data("tasa"): data set 'tasa' not found#Se emplea el log del precio porque mejora la linealidad
ggplot(data = tasa, aes(x = periodo, y = primaria)) +
geom_point(colour = "red4") +
ggtitle("Diagrama de dispersión") +
theme_bw() +
theme(plot.title = element_text(hjust = 0.5))
En este caso, la tasa de educación en primaria, es muy cambiante conforme pasan los años, y los datos se encuentran más dispersos
Diagrama de dispersión para secundaria
data("tasa")## Warning in data("tasa"): data set 'tasa' not found#Se emplea el log del precio porque mejora la linealidad
ggplot(data = tasa, aes(x = periodo, y = secundaria)) +
geom_point(colour = "red4") +
ggtitle("Diagrama de dispersión") +
theme_bw() +
theme(plot.title = element_text(hjust = 0.5))
Hablando de secundaria, los datos están un poco más uniformes, y van aumentando conforme pasan los años
Regresión lineal simple
Para preescolar
modelo_lineal <- lm(periodo ~ preescolar, tasa)
summary(modelo_lineal)##
## Call:
## lm(formula = periodo ~ preescolar, data = tasa)
##
## Residuals:
## Min 1Q Median 3Q Max
## -4.6066 -0.8491 -0.1697 1.6563 3.3913
##
## Coefficients:
## Estimate Std. Error t value Pr(>|t|)
## (Intercept) 1966.4766 1.8841 1043.75 <2e-16 ***
## preescolar 0.6408 0.0319 20.09 <2e-16 ***
## ---
## Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
##
## Residual standard error: 2.063 on 26 degrees of freedom
## Multiple R-squared: 0.9395, Adjusted R-squared: 0.9371
## F-statistic: 403.4 on 1 and 26 DF, p-value: < 2.2e-16ggplot(data = tasa, mapping = aes(x = periodo, y = preescolar)) +
geom_point(color = "firebrick", size = 2) +
labs(title = 'Periodo ~ Preescolar', x = 'Periodo') +
geom_smooth(method = "lm", se = FALSE, color = "black") +
theme_bw() +
theme(plot.title = element_text(hjust = 0.5))## `geom_smooth()` using formula 'y ~ x'
Para primaria
modelo_lineal <- lm(periodo ~ primaria, tasa)
summary(modelo_lineal)##
## Call:
## lm(formula = periodo ~ primaria, data = tasa)
##
## Residuals:
## Min 1Q Median 3Q Max
## -9.5512 -6.1197 -0.6804 6.5138 14.1202
##
## Coefficients:
## Estimate Std. Error t value Pr(>|t|)
## (Intercept) 1622.952 156.811 10.350 1.03e-10 ***
## primaria 3.854 1.588 2.427 0.0225 *
## ---
## Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
##
## Residual standard error: 7.569 on 26 degrees of freedom
## Multiple R-squared: 0.1847, Adjusted R-squared: 0.1533
## F-statistic: 5.89 on 1 and 26 DF, p-value: 0.02246ggplot(data = tasa, mapping = aes(x = periodo, y = primaria)) +
geom_point(color = "firebrick", size = 2) +
labs(title = 'Periodo ~ Primaria', x = 'Periodo') +
geom_smooth(method = "lm", se = FALSE, color = "black") +
theme_bw() +
theme(plot.title = element_text(hjust = 0.5))## `geom_smooth()` using formula 'y ~ x'
Para secundaria
modelo_lineal <- lm(periodo ~ secundaria, tasa)
summary(modelo_lineal)##
## Call:
## lm(formula = periodo ~ secundaria, data = tasa)
##
## Residuals:
## Min 1Q Median 3Q Max
## -2.586 -1.415 0.039 1.036 4.669
##
## Coefficients:
## Estimate Std. Error t value Pr(>|t|)
## (Intercept) 1.958e+03 1.899e+00 1031.21 <2e-16 ***
## secundaria 6.422e-01 2.647e-02 24.26 <2e-16 ***
## ---
## Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
##
## Residual standard error: 1.724 on 26 degrees of freedom
## Multiple R-squared: 0.9577, Adjusted R-squared: 0.9561
## F-statistic: 588.7 on 1 and 26 DF, p-value: < 2.2e-16ggplot(data = tasa, mapping = aes(x = periodo, y = secundaria)) +
geom_point(color = "firebrick", size = 2) +
labs(title = 'Periodo ~ Secundaria', x = 'Periodo') +
geom_smooth(method = "lm", se = FALSE, color = "black") +
theme_bw() +
theme(plot.title = element_text(hjust = 0.5))## `geom_smooth()` using formula 'y ~ x'