Clase 13 resumen

library(rio)
data <- import("datos2016_v3.sav")

VD: Voto a KF en primera vuelta VI: Dummy: departamentos que son de la Costa

mean(data$Voto_KF_2016_1[data$costa==0], na.rm=T)

## [1] 36.39375

mean(data$Voto_KF_2016_1[data$costa==1], na.rm=T)

## [1] 42.8

Resultados No Costa: 36.39 Si Costa: 42.8 A continuación, se analiza si la diferencia entre 36.39 y 42.8 es estadísticamente significativa

library(DescTools)
LeveneTest(data$Voto_KF_2016_1, data$costa)

## Warning in LeveneTest.default(data$Voto_KF_2016_1, data$costa): data$costa
## coerced to factor.

## Levene's Test for Homogeneity of Variance (center = median)
##       Df F value Pr(>F)
## group  1  1.3468 0.2577
##       23

#Por qué aquí no se convierte en factor?

Vemos que el p-value es 0.2577 así que rechazamos la HO y comprobamos la H1 que nos indica que no hay igualdad de varianzas Luego del test de igualdad de varianzas, se puede correr la prueba t.

t.test(Voto_KF_2016_1 ~ costa, data=data, var.equal=F)

## 
##  Welch Two Sample t-test
## 
## data:  Voto_KF_2016_1 by costa
## t = -1.215, df = 12.031, p-value = 0.2477
## alternative hypothesis: true difference in means between group 0 and group 1 is not equal to 0
## 95 percent confidence interval:
##  -17.890818   5.078318
## sample estimates:
## mean in group 0 mean in group 1 
##        36.39375        42.80000

El P-value es 0.2477. Por lo tanto, compruebo compruebo mi H0 que me indica que no hay diferencias estadísticamente significativa respecto al voto a Keiko Fujimori en primera vuelta en los departamentos de la costa y los que no lo son.

plot(data$costa, data$Voto_KF_2016_1,
     xlab="Departamento de la costa",
     ylab="Voto a Keiko Fujimori (1era vuelta)")
abline(lm(data$Voto_KF_2016_1 ~ data$costa))

library(gplots)

## Registered S3 method overwritten by 'gplots':
##   method         from     
##   reorder.factor DescTools

## 
## Attaching package: 'gplots'

## The following object is masked from 'package:DescTools':
## 
##     reorder.factor

## The following object is masked from 'package:stats':
## 
##     lowess

plotmeans(data$Voto_KF_2016_1 ~ data$costa,
          connect=F, barwidth=3, 
          xlab="Departamento de la costa",
          ylab="Voto a Keiko Fujimori (1era vuelta",
          main="No sé qué poner")

modelo1 <- lm(data$Voto_KF_2016_1 ~ data$costa)
summary(modelo1)

## 
## Call:
## lm(formula = data$Voto_KF_2016_1 ~ data$costa)
## 
## Residuals:
##     Min      1Q  Median      3Q     Max 
## -21.760  -7.604   1.940   7.046  21.720 
## 
## Coefficients:
##             Estimate Std. Error t value Pr(>|t|)    
## (Intercept)   36.394      2.819  12.912 5.05e-12 ***
## data$costa     6.406      4.698   1.364    0.186    
## ---
## Signif. codes:  0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
## 
## Residual standard error: 11.27 on 23 degrees of freedom
## Multiple R-squared:  0.07481,    Adjusted R-squared:  0.03459 
## F-statistic:  1.86 on 1 and 23 DF,  p-value: 0.1858

Los resultados indican que la recta es \(\hat{Y} = 36.394 + 6.4*X\). Esta recta tiene el valor de 36.39 cuando X=0. Es decir, para los departamentos que no son de la costa, el promedio de voto a KF es 36.39. Cuando X=1, el promedio de voto a KF es 36.39+6.4 = 42.79.

Regresión lineal como ANOVA

Evaluar las diferencias en el voto a PPK en 2016 entre las 3 regiones: costa, sierra y selva

##Primero vemos diferencia de medias

mean(data$Voto_PPK_2016_1[data$region==1], na.rm=T)

## [1] 19.09556

mean(data$Voto_PPK_2016_1[data$region==2], na.rm=T)

## [1] 13.45

mean(data$Voto_PPK_2016_1[data$region==3], na.rm=T)

## [1] 14.52833

costa: 19.09 sierra: 13.45 selva: 14.53

anova <- aov(data$Voto_PPK_2016_1 ~ as.factor(data$region))
summary(anova)

##                        Df Sum Sq Mean Sq F value Pr(>F)
## as.factor(data$region)  2  162.6   81.29   1.642  0.216
## Residuals              22 1089.0   49.50

TukeyHSD(anova)

##   Tukey multiple comparisons of means
##     95% family-wise confidence level
## 
## Fit: aov(formula = data$Voto_PPK_2016_1 ~ as.factor(data$region))
## 
## $`as.factor(data$region)`
##          diff       lwr       upr     p adj
## 2-1 -5.645556 -13.76633  2.475220 0.2109445
## 3-1 -4.567222 -13.88239  4.747946 0.4477063
## 3-2  1.078333  -8.04863 10.205297 0.9527063

De acuerdo al p-value (0.216) de ANOVA se concluye que no hay diferencia estádisticamente significativa Confirmamos ello en la prueba de Tukey

modelo2 <- lm(data$Voto_PPK_2016_1 ~  data$costa + data$sierra)
summary(modelo2)

## 
## Call:
## lm(formula = data$Voto_PPK_2016_1 ~ data$costa + data$sierra)
## 
## Residuals:
##    Min     1Q Median     3Q    Max 
## -7.830 -4.940 -3.186  7.750 13.880 
## 
## Coefficients:
##             Estimate Std. Error t value Pr(>|t|)    
## (Intercept)   14.528      2.872   5.058 4.58e-05 ***
## data$costa     4.567      3.708   1.232    0.231    
## data$sierra   -1.078      3.633  -0.297    0.769    
## ---
## Signif. codes:  0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
## 
## Residual standard error: 7.036 on 22 degrees of freedom
## Multiple R-squared:  0.1299, Adjusted R-squared:  0.0508 
## F-statistic: 1.642 on 2 and 22 DF,  p-value: 0.2164

Estimate Std. Error t value (Intercept) 14.528 2.872 5.058 data\(costa 4.567 3.708 1.232 data\)sierra -1.078 y= 14.53+ 4.5 x X1 -1.08 x X2 costa: 19.09 sierra: 13.45 selva: 14.53 Cuando x=1 y x2=0 –> Y= 19.01 –> promedio de la costa Cuando x1=0 y x2= 1 –> y= 13.45 –> promedio de la sierra Cuando x1=0 y x2= 0 –> y= 14,53 –> promedio de la selva ##Coeficientes de variables dummy son las diferencias entre los grupos 4.5= costa (19.09) - selva (14.54) -1.08= sierra (13.45) - selva (14.53)

plotmeans(data$Voto_PPK_2016_1 ~ data$region,
          connect=F, barwidth=3, 
          xlab="Región",
          ylab="Voto a PPK (1era vuelta",
          main="jeje")