Caso Replica Aplicado

Regresión Estadística

Se cargan los datos

library(readxl)
caso<-  read_excel("C:/Users/pocho/Desktop/caso_aplicado.xlsx")
caso_aplicado=data.frame(caso)
names(caso_aplicado)[2:3]=c("Porc_Desempleo","Tasa_Hom")
head(caso_aplicado)
##   Mes Porc_Desempleo Tasa_Hom
## 1   1          10.06    52.37
## 2   2          10.32    52.85
## 3   3          10.33    51.61
## 4   4          10.66    66.65
## 5   5          10.86    69.39
## 6   6          10.86    72.67

Se plantea la hipótesis:

A mayor desempleo mayor será la tasa de homicidios

Punto a

Grafico de dispersión

plot(x=caso_aplicado$Porc_Desempleo, y=caso_aplicado$Tasa_Hom,main="Gráfico dispersión", xlab = "Desempleo", ylab = "Tasa Homicidios", pch=16)

Punto b

Coeficiente de correlación de Pearson

cor(caso_aplicado$Porc_Desempleo,caso_aplicado$Tasa_Hom)
## [1] 0.9608183

Punto c

Modelo de regresión lineal.

mod=lm(log(caso_aplicado$Tasa_Hom)~caso_aplicado$Porc_Desempleo)
summary(mod)
## 
## Call:
## lm(formula = log(caso_aplicado$Tasa_Hom) ~ caso_aplicado$Porc_Desempleo)
## 
## Residuals:
##      Min       1Q   Median       3Q      Max 
## -0.08538 -0.02273  0.00001  0.02223  0.09549 
## 
## Coefficients:
##                               Estimate Std. Error t value Pr(>|t|)    
## (Intercept)                  -1.027556   0.075235  -13.66 3.08e-16 ***
## caso_aplicado$Porc_Desempleo  0.486124   0.006262   77.64  < 2e-16 ***
## ---
## Signif. codes:  0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
## 
## Residual standard error: 0.03791 on 38 degrees of freedom
## Multiple R-squared:  0.9937, Adjusted R-squared:  0.9936 
## F-statistic:  6027 on 1 and 38 DF,  p-value: < 2.2e-16

Punto d

Supuestos del modelo

par(mfrow=c(2,2))

plot(mod)

Punto e

Estimar tasa homicidios si se logra disminuir el desempleo al 11%

exp(predict(mod,newdata = list(caso_aplicado$Porc_Desempleo==11)))
##         1         2         3         4         5         6         7         8 
##  47.60071  54.01382  54.27703  63.72149  70.22797  70.22797  70.91409  71.95586 
##         9        10        11        12        13        14        15        16 
##  77.02347  80.46813  82.84974  89.11674  92.20145 102.60873 109.83512 109.83512 
##        17        18        19        20        21        22        23        24 
## 112.53750 115.30637 121.05017 121.05017 122.23281 127.69935 128.32164 133.41036 
##        25        26        27        28        29        30        31        32 
## 136.69278 155.86486 156.62440 158.15460 166.84190 166.84190 171.77991 180.33683 
##        33        34        35        36        37        38        39        40 
## 180.33683 199.71920 200.69244 204.63308 214.82654 260.93735 268.66030 326.32610