Crear un modelo de regresión lineal múltiple en que explique la variable “dinero que le queda al grupo más rico”* (p73npn_5), con por lo menos dos variables independientes (V. independiente (X1): Autoubicación en la escala de pobreza (Variable dicotómica) (p8st_a) V. Independiente (X2): Satisfacción con el funcionamiento de la economía en el país) (P11STGBS.B ) (Variable dicotómica) Recuerda practicar la recodificación de variables.

Determinar si el modelo es valido, el poder explicativo del modelo.

Analizar el modelo de regresión lineal múltiple.

Estima los resultados de la ecuación del modelo y coloca un ejemplo.

Realiza el gráfico de los coeficientes. “dinero que le queda al grupo más rico”* (p73npn_5) (X1): Autoubicación en la escala de pobreza (Variable dicotómica) (p8st_a) V. Independiente (X2): Satisfacción con el funcionamiento de la economía en el país) (P11STGBS.B ) (Variable dicotómica)

library(rio)
library(car)
## Loading required package: carData
latino=import("Latinobarometro_2020_Esp_Stata_v1_0.dta")
data= subset(latino, idenpa=="604")
class(data$p73npn_5)
## [1] "numeric"
class(data$p8st_a)
## [1] "numeric"
class(data$P11STGBS_B)
## [1] "numeric"
summary(data$P11STGBS_B)
##    Min. 1st Qu.  Median    Mean 3rd Qu.    Max. 
##  -2.000   3.000   3.000   3.127   4.000   4.000
table(data$P11STGBS_B)
## 
##  -2  -1   1   2   3   4 
##   5  27  42  69 618 439
data$pobreza=as.numeric(data$p8st_a)
table(data$pobreza)
## 
##  -2  -1   1   2   3   4   5   6   7   8   9  10 
##   3   4 189 113 180 212 320  96  46  27   3   7
data$pobreza =recode(data$pobreza, "1:5 = 'Pobre'; 6:10 = 'Rico'; else=NA")
data$pobre=factor(ifelse(data$pobreza=="Pobre",1,0))
table(data$pobre)
## 
##    0    1 
##  179 1014
data$ricos=factor(ifelse(data$pobreza=="Rico",1,0))
table(data$ricos)
## 
##    0    1 
## 1014  179
## *satisfacción
data$sat=as.numeric(data$P11STGBS_B)
data$sat = recode(data$sat, "1:2 = 'Satisfecho'; 3:4 = 'Insatisfecho'; else=NA")
table(data$sat)
## 
## Insatisfecho   Satisfecho 
##         1057          111
data$sati=factor(ifelse(data$sat=="Satisfecho",1,0))
table(data$sati)
## 
##    0    1 
## 1057  111
modelo1 = lm(data$p73npn_5 ~ sati + ricos, data=data)
summary(modelo1)
## 
## Call:
## lm(formula = data$p73npn_5 ~ sati + ricos, data = data)
## 
## Residuals:
##     Min      1Q  Median      3Q     Max 
## -41.124 -17.918  -2.918  12.082  66.797 
## 
## Coefficients:
##             Estimate Std. Error t value Pr(>|t|)    
## (Intercept)  37.9176     0.8461  44.817   <2e-16 ***
## sati1        -4.7150     2.5544  -1.846   0.0652 .  
## ricos1        1.2059     2.0810   0.580   0.5624    
## ---
## Signif. codes:  0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
## 
## Residual standard error: 25.49 on 1160 degrees of freedom
##   (37 observations deleted due to missingness)
## Multiple R-squared:  0.003198,   Adjusted R-squared:  0.001479 
## F-statistic: 1.861 on 2 and 1160 DF,  p-value: 0.156