Practica Calificada 3

Marcelo Quiquia, Vcitoria Chicmana, Claudia Araujo

load("Mexico.Rda")

EJERCICIO 1 (ANOVA)
Trabaje con un subset de la ltima oleada, escoja 2 variables cuantitativas que sean de
su inters. Para cada una usted deber
Mexico$waves<-as.numeric(Mexico$S002)
Mexico$waves[Mexico$waves<0]<-NA
Mexico$waves<-as.factor(Mexico$waves)
levels(Mexico$waves)<-c("1981-1984", "1989-1993", "1994-1998","1999-2004"
,"2005-2009","2010-2014")
Multima<- subset(Mexico,waves=="2010-2014")
save(Multima,file="Multima.Rda")

-Percepcin de democracia en el pas E236 -Aborto justificado F120

Elabore una relacin de las variables numricas que est utilizado, considerando
Nombre de la variable, cdigo, Media y Rango de la variable
Multima$demo<- as.numeric(Multima$E236)
Multima$demo[Multima$demo<0]<-NA
summary(Multima$demo)

## Min. 1st Qu. Median Mean 3rd Qu. Max. NA's

## 1.000 4.000 7.000 6.189 9.000 10.000 27

Multima$aborto<- as.numeric(Multima$F120)
Multima$aborto[Multima$aborto<0]<-NA
summary(Multima$aborto)

## Min. 1st Qu. Median Mean 3rd Qu. Max. NA's

## 1.00 1.00 1.00 2.88 5.00 10.00 8

Presentar un grfico de puntos con las barras de error de los intervalos de confianza
al 95% segn clase socia subjetiva, grupo de edad y nivel educativo (3) #Clase social
Multima$soclass<-as.numeric(Multima$X045)
Multima$soclass[Multima$soclass<0]<-NA
Multima$soclass<-factor(recode(Multima$X045, "1:2=1; 3=2; 4=3; 5=4; else=
NA"))
levels(Multima$soclass) <- c("Clase alta", "Clase media", "Clase trabajad
ora", "Clase baja")
Nivel educativo
Multima$X025<-as.numeric(Multima$X025)
Multima$nivedu <- factor(recode(Multima$X025, "1:3=1; 4:5=2; 6=3; 7=4; 8=
5; else=NA"))
levels(Multima$nivedu) <- c("Secundaria incompleta o menos", "Secundaria
completa", "Tcnica completa", "Univ. incompleta", "Univ. completa")
table(Multima$nivedu)

##
## Secundaria incompleta o menos Secundaria completa
## 620 636
## Tcnica completa Univ. incompleta
## 293 112
## Univ. completa
## 265

Grupo de edad
Multima$edad<-as.factor(Multima$X003R2)
levels(Multima$edad)<-c("15-29", "30-49", "50 a ms")
table(Multima$edad)

##
## 15-29 30-49 50 a ms
## 783 806 411

tabla1<-summarySE(na.omit(Multima),measurevar="demo", groupvars="soclass"
, na.rm=T)
tabla1

## soclass N demo sd se ci
## 1 Clase alta 407 5.727273 3.050772 0.1512212 0.2972742
## 2 Clase media 736 6.296196 2.796847 0.1030931 0.2023921
## 3 Clase trabajadora 373 6.361930 2.974868 0.1540328 0.3028842
## 4 Clase baja 274 6.416058 3.138190 0.1895850 0.3732344

ggplot(tabla1,aes(x=soclass, y=demo))+geom_point()+ylim(1,10)+ geom_error

bar(aes(ymin=demo-ci, ymax=demo+ci), width=0.2)
tabla2<-summarySE(na.omit(Multima),measurevar="demo", groupvars="nivedu",
na.rm=T)
tabla2

## nivedu N demo sd se
ci
## 1 Secundaria incompleta o menos 572 6.718531 3.108568 0.1299757 0.2552
889
## 2 Secundaria completa 589 6.113752 2.978774 0.1227382 0.2410
587
## 3 Tcnica completa 278 5.978417 2.772916 0.1663085 0.3273
890
## 4 Univ. incompleta 103 5.456311 2.789254 0.2748333 0.5451
306
## 5 Univ. completa 248 5.758065 2.618437 0.1662709 0.3274
896

ggplot(tabla2,aes(x=nivedu, y=demo))+geom_point()+ylim(1,10)+ geom_errorb

ar(aes(ymin=demo-ci, ymax=demo+ci), width=0.2)
tabla3<-summarySE(Multima,measurevar="demo", groupvars="edad", na.rm=T)
tabla3

## edad N demo sd se ci
## 1 15-29 777 5.976834 2.897204 0.1039366 0.2040303
## 2 30-49 799 6.250313 2.950285 0.1043736 0.2048792
## 3 50 a ms 397 6.478589 3.132216 0.1572014 0.3090537

ggplot(tabla3,aes(x=edad, y=demo))+geom_point()+ylim(1,10)+ geom_errorbar

(aes(ymin=demo-ci, ymax=demo+ci), width=0.2)
tabla4<-summarySE(na.omit(Multima),measurevar="aborto", groupvars="soclas
s", na.rm=T)
tabla4

## soclass N aborto sd se ci
## 1 Clase alta 407 3.127764 2.976656 0.1475474 0.2900522
## 2 Clase media 736 2.854620 2.830217 0.1043232 0.2048069
## 3 Clase trabajadora 373 2.831099 2.887850 0.1495272 0.2940245
## 4 Clase baja 274 2.689781 2.919325 0.1763629 0.3472041

ggplot(tabla4,aes(x=soclass, y=aborto))+geom_point()+ylim(1,10)+ geom_err

orbar(aes(ymin=aborto-ci, ymax=aborto+ci), width=0.2)
tabla5<-summarySE(na.omit(Multima),measurevar="aborto", groupvars="nivedu
", na.rm=T)
tabla5

## nivedu N aborto sd se
ci
## 1 Secundaria incompleta o menos 572 2.545455 2.806615 0.1173505 0.2304
913
## 2 Secundaria completa 589 2.877759 2.919905 0.1203126 0.2362
948
## 3 Tcnica completa 278 3.000000 2.801495 0.1680225 0.3307
633
## 4 Univ. incompleta 103 3.048544 2.716611 0.2676756 0.5309
333
## 5 Univ. completa 248 3.500000 3.081879 0.1956995 0.3854
526

ggplot(tabla5,aes(x=nivedu, y=aborto))+geom_point()+ylim(1,10)+ geom_erro

rbar(aes(ymin=aborto-ci, ymax=aborto+ci), width=0.2)
tabla6<-summarySE(Multima,measurevar="aborto", groupvars="edad", na.rm=T)
tabla6

## edad N aborto sd se ci
## 1 15-29 783 3.178799 3.019749 0.1079170 0.2118414
## 2 30-49 799 2.750939 2.860025 0.1011804 0.1986112
## 3 50 a ms 410 2.560976 2.797561 0.1381617 0.2715956

ggplot(tabla6,aes(x=edad, y=aborto))+geom_point()+ylim(1,10)+ geom_errorb

ar(aes(ymin=aborto-ci, ymax=aborto+ci), width=0.2)
Realizar un anlisis de ANOVA segn clase social subjetiva, grupo de edad y nivel
educativo (4)

Clase social subjetiva y percpecin de la democracia en el pas

summary(aov(Multima$demo~Multima$soclass))

## Df Sum Sq Mean Sq F value Pr(>F)

## Multima$soclass 3 97 32.35 3.683 0.0116 *
## Residuals 1958 17198 8.78
## ---
## Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
## 38 observations deleted due to missingness

El f-value es pequeo(0.0116), menor que nuestro alfa (0.05),entonces aceptamos

nuestra hiptesis alternativa : existe una asociacin entre la percpecin de
democracia en el pas y la clase social Eso significa que existen diferencias
estadsticamente significativas entre los puntajes de percepcin de democracia en el
pas segn la clase social

Clase social subjetiva y justificain del aborto

summary(aov(Multima$aborto~Multima$soclass))

## Df Sum Sq Mean Sq F value Pr(>F)

## Multima$soclass 3 52 17.206 2.014 0.11
## Residuals 1977 16892 8.544
## 19 observations deleted due to missingness

El f-value (0.11) es mayor que alfa (0.05),cuando pasa esto aceptamos la hiptesis
nula: las diferencias de la justificacin al aborto entre las diferentes clases sociales se
debe a la aleatoriedad No existe una asociacin estadsticamente significativa entre la
justificacin al aborto

Grupo de edad y y percpecin de la democracia en el pas

summary(aov(Multima$demo~Multima$edad))

## Df Sum Sq Mean Sq F value Pr(>F)

## Multima$edad 2 71 35.64 4.048 0.0176 *
## Residuals 1970 17345 8.80
## ---
## Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
## 27 observations deleted due to missingness

El f-value (0.0176) es menor que alfa (0.05), por ello aceptamos nuestra hiptesis
alternativa Los puntajes de percepcin de la democracia varan de forma
estadsticamente significativa segn grupo de edad

Grupo de edad y justificain del aborto

summary(aov(Multima$aborto~Multima$edad))

## Df Sum Sq Mean Sq F value Pr(>F)

## Multima$edad 2 125 62.47 7.37 0.000647 ***
## Residuals 1989 16859 8.48
## ---
## Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
## 8 observations deleted due to missingness

El f-value es pequeo(0.000647), menor que nuestro alfa (0.05),entonces se acepta la

hiptesis alternativa: existe una asociacin entre la justificacin al aborto y el grupo
de edad Eso significa que existen diferencias estadsticamente significativas entre los
puntajes de la justificacin al aborto segn el grupo de edad

Nivel educativo y percepcin de la democracia en el pas

summary(aov(Multima$demo~Multima$nivedu))

## Df Sum Sq Mean Sq F value Pr(>F)

## Multima$nivedu 4 307 76.85 8.871 4.28e-07 ***
## Residuals 1897 16434 8.66
## ---
## Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
## 98 observations deleted due to missingness
El f-value es pequeo(4.28e-07)que es menor que nuestro alfa (0.05),por ello
aceptamos nuestra hiptesis alternativa Los puntajes de percepcin de la democracia
varan de forma estadsticamente significativa segn nivel educativo

Nivel educativo y justificain del aborto

summary(aov(Multima$aborto~Multima$nivedu))

## Df Sum Sq Mean Sq F value Pr(>F)

## Multima$nivedu 4 188 47.00 5.541 0.000196 ***
## Residuals 1914 16236 8.48
## ---
## Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
## 81 observations deleted due to missingness

El f-value es pequeo(0.000196)que es menor que nuestro alfa (0.05),cuando pasa

esto aceptamos la hiptesis alternativa: existe una asociacin entre la justificacin al
aborto y nivel educativo Eso significa que existen diferencias estadsticamente
significativas entre justificain del aborto segn el nivel educativo
Segn corresponda, pida los resultados de las pruebas de comparaciones mltiples de
Tukey segn clase socia subjetiva, grupo de edad y nivel educativo (3).

Clase social subjetiva y justificacin de la democracia

TukeyHSD(aov(Multima$demo~Multima$soclass))

## Tukey multiple comparisons of means

## 95% family-wise confidence level
##
## Fit: aov(formula = Multima$demo ~ Multima$soclass)
##
## $`Multima$soclass`
## diff lwr upr p a
dj
## Clase media-Clase alta 0.47547279 0.02010290 0.9308427 0.03675
69
## Clase trabajadora-Clase alta 0.53315548 0.00413941 1.0621716 0.04739
57
## Clase baja-Clase alta 0.62553885 0.06689089 1.1841868 0.02099
83
## Clase trabajadora-Clase media 0.05768269 -0.40828741 0.5236528 0.98884
41
## Clase baja-Clase media 0.15006606 -0.34929121 0.6494233 0.86680
68
## Clase baja-Clase trabajadora 0.09238337 -0.47493837 0.6597051 0.97529
41
Cuando el p adj es menor que nuestro alfa,hay diferencias significativas entre el par
comparado ( se acepta H1) Existen diferencias estadsticamente significativas para lo
siguientes pares:
Clase media-Clase alta 0.47547279 0.02010290 0.9308427 0.0367569 Clase
trabajadora-Clase alta 0.53315548 0.00413941 1.0621716 0.0473957 Clase baja-
Clase alta 0.62553885 0.06689089 1.1841868 0.0209983

Grupo de edad y justificacin del aborto

TukeyHSD(aov(Multima$aborto~Multima$edad))

## Tukey multiple comparisons of means

## 95% family-wise confidence level
##
## Fit: aov(formula = Multima$aborto ~ Multima$edad)
##
## $`Multima$edad`
## diff lwr upr p adj
## 30-49-15-29 -0.4278608 -0.7712451 -0.08447655 0.0098265
## 50 a ms-15-29 -0.6178239 -1.0340974 -0.20155031 0.0014798
## 50 a ms-30-49 -0.1899631 -0.6048018 0.22487563 0.5303311

Existen diferencias estadsticamente significativas en las medias de justificacin del

aborto para todos los pares de grupos de edad excepto para el siguiente: 50 a ms-30-
49 -0.1899631 -0.6048018 0.22487563 0.5303311

Nivel educativo y percepcin de la democracia

TukeyHSD(aov(Multima$demo~Multima$nivedu))

## Tukey multiple comparisons of means

## 95% family-wise confidence level
##
## Fit: aov(formula = Multima$demo ~ Multima$nivedu)
##
## $`Multima$nivedu`
## diff lw
r
## Secundaria completa-Secundaria incompleta o menos -0.5964963 -1.053926
7
## Tcnica completa-Secundaria incompleta o menos -0.7845695 -1.357580
6
## Univ. incompleta-Secundaria incompleta o menos -1.2398653 -2.066334
7
## Univ. completa-Secundaria incompleta o menos -1.0020406 -1.594527
1
## Tcnica completa-Secundaria completa -0.1880732 -0.757971
2
## Univ. incompleta-Secundaria completa -0.6433690 -1.467683
1
## Univ. completa-Secundaria completa -0.4055443 -0.995020
6
## Univ. incompleta-Tcnica completa -0.4552958 -1.348936
1
## Univ. completa-Tcnica completa -0.2174711 -0.900538
8
## Univ. completa-Univ. incompleta 0.2378247 -0.668426
7
## upr p adj
## Secundaria completa-Secundaria incompleta o menos -0.1390659 0.0034809
## Tcnica completa-Secundaria incompleta o menos -0.2115583 0.0017826
## Univ. incompleta-Secundaria incompleta o menos -0.4133958 0.0004207
## Univ. completa-Secundaria incompleta o menos -0.4095540 0.0000407
## Tcnica completa-Secundaria completa 0.3818249 0.8965519
## Univ. incompleta-Secundaria completa 0.1809452 0.2072719
## Univ. completa-Secundaria completa 0.1839320 0.3293149
## Univ. incompleta-Tcnica completa 0.4383445 0.6334835
## Univ. completa-Tcnica completa 0.4655966 0.9081419
## Univ. completa-Univ. incompleta 1.1440761 0.9527622

Existen diferencias estadsticamente significativas en la percepcin de la democracia

para todos los pares de nivel educativo excepto los siguientes:
Tcnica completa-Secundaria completa -0.1880732 -0.7579712 0.3818249 0.8965519
Univ. incompleta-Secundaria completa -0.6433690 -1.4676831 0.1809452 0.2072719
Univ. completa-Secundaria completa -0.4055443 -0.9950206 0.1839320 0.3293149
Univ. incompleta-Tcnica completa -0.4552958 -1.3489361 0.4383445 0.6334835
Univ. completa-Tcnica completa -0.2174711 -0.9005388 0.4655966 0.9081419 Univ.
completa-Univ. incompleta 0.2378247 -0.6684267 1.1440761 0.9527622

Nivel educativo y justificacin del aborto

TukeyHSD(aov(Multima$aborto~Multima$nivedu))

## Tukey multiple comparisons of means

## 95% family-wise confidence level
##
## Fit: aov(formula = Multima$aborto ~ Multima$nivedu)
##
## $`Multima$nivedu`
## diff
lwr
## Secundaria completa-Secundaria incompleta o menos 0.282809872 -0.1669
0006
## Tcnica completa-Secundaria incompleta o menos 0.487716747 -0.0771
4084
## Univ. incompleta-Secundaria incompleta o menos 0.483551623 -0.3363
3283
## Univ. completa-Secundaria incompleta o menos 0.972893795 0.3888
3065
## Tcnica completa-Secundaria completa 0.204906875 -0.3575
1275
## Univ. incompleta-Secundaria completa 0.200741751 -0.6174
6498
## Univ. completa-Secundaria completa 0.690083924 0.1083
7823
## Univ. incompleta-Tcnica completa -0.004165124 -0.8908
9357
## Univ. completa-Tcnica completa 0.485177048 -0.1895
1294
## Univ. completa-Univ. incompleta 0.489342172 -0.4097
4236
## upr p adj
## Secundaria completa-Secundaria incompleta o menos 0.7325198 0.4235903
## Tcnica completa-Secundaria incompleta o menos 1.0525743 0.1276239
## Univ. incompleta-Secundaria incompleta o menos 1.3034361 0.4908701
## Univ. completa-Secundaria incompleta o menos 1.5569569 0.0000564
## Tcnica completa-Secundaria completa 0.7673265 0.8578007
## Univ. incompleta-Secundaria completa 1.0189485 0.9628460
## Univ. completa-Secundaria completa 1.2717896 0.0106964
## Univ. incompleta-Tcnica completa 0.8825633 1.0000000
## Univ. completa-Tcnica completa 1.1598670 0.2844423
## Univ. completa-Univ. incompleta 1.3884267 0.5716991

Existen diferencias estadsticamente significativas entre la justificacin del aborto

solo entre los que tiene universitaria completa y los que tiene secundaria incompleta o
menos Univ. completa-Secundaria incompleta o menos 0.972893795 0.38883065
1.5569569 0.0000564

Grupo de edad y percepcin de la democracia

TukeyHSD(aov(Multima$demo~Multima$edad))

## Tukey multiple comparisons of means

## 95% family-wise confidence level
##
## Fit: aov(formula = Multima$demo ~ Multima$edad)
##
## $`Multima$edad`
## diff lwr upr p adj
## 30-49-15-29 0.2734789 -0.07717141 0.6241292 0.1602992
## 50 a ms-15-29 0.5017554 0.07240855 0.9311023 0.0169987
## 50 a ms-30-49 0.2282765 -0.19906686 0.6556199 0.4222081

Solo existen diferencias estadsticamente significativas en la percepcin de la

democracia entre el grupo de edad de 50 a ms y el grupo de edad 15-29: 50 a ms-
15-29 0.5017554 0.07240855 0.9311023 0.0169987
EJERCICIO 2
load ("wvs_pc3.Rdata")

Mis dos variables dependientes sern: ens_solidar (% personas que considera que es
importante ensearle a los nios: Solidaridad) y ens_ahorro (% de personas que
considera que es importante ensearle a los nios: Sentido del ahorro) Mis variables
independientes sern confia (% de personas que opinan que puede confiarse en los
dems) y sateco (Media del nivel de satisfaccin con la situacin financiera del hogar)
1. El nivel de satisfacin con la situacin finaciera del hogar puede estar relacionada
con ensear a los nios a ahorrar porque si existen problemas econmicos en el
hogar, es ms probable que se enfatice en los valores de ahorro que si no hay
dificultades econmicas
2. El nivel de satisfacin con la situacin finaciera del hogar puede estar relacionada
con ensear a los nios la solidaridad porque en un hogar que est satisfecho en
el aspecto econmico puede ser ms fcil dar apoyo a los dems que en un hogar
con problemas econmicos
3. El porcentaje de personas que confian en los dems puede estar relacionada con
ensear a los nios la solidaridad porque si confian ms en los otros, es ms
probable que los ayuden
4. El porcentaje de personas que confian en los dems puede estar relacionada con
ensear a los nios a ahorrar porque tal vez, si se confia ms en los dems, existe
la seguridad de que se contar con apoyo en caso de dificultades econmicas, por
lo que no es tan necesario el ahorro
Estimar los modelos de regresin que permitiran poner a prueba las hiptesis
propuestas. Reportar: coeficientes de regresin (b0 y b1); el R2; significancia de los
coeficientes de regresin.

Confianza en los dems y ensear la solidaridad

PC3P2G1 <- ggplot(wvs_pc3, aes(x=confia, y=ens_solidar)) +
geom_point() +
ggtitle("Encuesta mundial de valores: Porcentaje de personas que consid
era que es importante ensearle a los nios solidaridad \n segn porcenta
je de personas que opinan que puede confiarse en los dems") +
xlab("Porcentaje de personas que opinan que puede confiarse en los dem
s") +
ylab("Porcentaje de personas que considera que es importante ensearle
a los nios solidaridad") +
theme_bw()
PC3P2G1
 #Pedir
modelo de regresin
PC3P2Modelo1 <- lm(ens_solidar~confia, data=wvs_pc3)
summary(PC3P2Modelo1)

##
## Call:
## lm(formula = ens_solidar ~ confia, data = wvs_pc3)
##
## Residuals:
## Min 1Q Median 3Q Max
## -24.7044 -7.5031 -0.1745 6.4554 25.3277
##
## Coefficients:
## Estimate Std. Error t value Pr(>|t|)
## (Intercept) 33.62938 2.72061 12.361 <2e-16 ***
## confia -0.06605 0.09497 -0.695 0.49
## ---
## Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
##
## Residual standard error: 11.5 on 57 degrees of freedom
## Multiple R-squared: 0.008414, Adjusted R-squared: -0.008982
## F-statistic: 0.4837 on 1 and 57 DF, p-value: 0.4896

Y = 33.63 -0.07X Si el porcentaje de personas que piensan que se debera confiar en

los dems fuera cero, se esperara que el porcentaje de personas que considera
importante ensear a los nios la solidaridad sera 33.63% Cuando la confianza en los
dems aumenta en 1%, la importancia de ensearle a los nios la solidaridad
disminuye en 0.07%

Diagrama de dispersin con recta de regresin e intervalo de

confianza al 95%
PC3P2G1 + geom_smooth(method=lm)

El ajuste de
nuestra recta es de 0.008414, entonces, el porcentaje de personas que piensan que se
debera confiar en los dems NO es un buen predictor del porcentaje de personas que
considera importante ensear a los nios la solidaridad
PC3P2G2 <- ggplot(wvs_pc3, aes(x=confia, y=ens_ahorro)) +
geom_point() +
ggtitle("Encuesta mundial de valores: Porcentaje de personas que consid
era que es importante ensearle a los nios solidaridad \n segn porcenta
je de personas que opinan que puede confiarse en los dems") +
xlab("Porcentaje de personas que opinan que puede confiarse en los dem
s") +
ylab("Porcentaje de personas que considera que es importante ensearle
a los nios solidaridad") +
theme_bw()
PC3P2G2
 #Pedir
modelo de regresin
PC3P2Modelo2 <- lm(ens_ahorro~confia, data=wvs_pc3)
summary(PC3P2Modelo2)

##
## Call:
## lm(formula = ens_ahorro ~ confia, data = wvs_pc3)
##
## Residuals:
## Min 1Q Median 3Q Max
## -18.007 -10.347 -2.977 7.035 47.457
##
## Coefficients:
## Estimate Std. Error t value Pr(>|t|)
## (Intercept) 32.7556 3.1128 10.523 5.62e-15 ***
## confia 0.2676 0.1087 2.462 0.0168 *
## ---
## Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
##
## Residual standard error: 13.16 on 57 degrees of freedom
## Multiple R-squared: 0.09615, Adjusted R-squared: 0.08029
## F-statistic: 6.063 on 1 and 57 DF, p-value: 0.01685

Y = 33.63 -0.07X Si la variable x fuera cero (si la tasa de analfabetismo femenino fuera
cero), se esperara que la tasa de fecundidad sea 33.63 *** La tasa de analfabetismo
NO es un buen predictor de la tasa de fecundidad Multiple R-squared: 0.008414
Diagrama de dispersin con recta de regresin e intervalo de
confianza al 95%
PC3P2G2 + geom_smooth(method=lm)

PC3P2G3 <- ggplot(wvs_pc3, aes(x=sateco, y=ens_solidar)) +

geom_point() +
ggtitle("Encuesta mundial de valores: Porcentaje de personas que consid
era que es importante ensearle a los nios solidaridad \n segn porcenta
je de personas que opinan que puede confiarse en los dems") +
xlab("Porcentaje de personas que opinan que puede confiarse en los dem
s") +
ylab("Porcentaje de personas que considera que es importante ensearle
a los nios solidaridad") +
theme_bw()
PC3P2G3
Pedir modelo de regresin
PC3P2Modelo3 <- lm(ens_solidar~sateco, data=wvs_pc3)
summary(PC3P2Modelo3)

##
## Call:
## lm(formula = ens_solidar ~ sateco, data = wvs_pc3)
##
## Residuals:
## Min 1Q Median 3Q Max
## -27.8872 -5.6508 -0.9187 6.6951 26.3081
##
## Coefficients:
## Estimate Std. Error t value Pr(>|t|)
## (Intercept) 12.314 11.167 1.103 0.275
## sateco 3.316 1.860 1.783 0.080 .
## ---
## Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
##
## Residual standard error: 11.24 on 57 degrees of freedom
## Multiple R-squared: 0.05281, Adjusted R-squared: 0.03619
## F-statistic: 3.178 on 1 and 57 DF, p-value: 0.07997
Y = 33.63 -0.07X Si la variable x fuera cero (si la tasa de analfabetismo femenino fuera
cero), se esperara que la tasa de fecundidad sea 33.63 *** La tasa de analfabetismo
NO es un buen predictor de la tasa de fecundidad Multiple R-squared: 0.008414

Diagrama de dispersin con recta de regresin e intervalo de

confianza al 95%
PC3P2G3 + geom_smooth(method=lm)

PC3P2G4 <- ggplot(wvs_pc3, aes(x=sateco, y=ens_ahorro)) +

geom_point() +
ggtitle("Encuesta mundial de valores: Porcentaje de personas que consid
era que es importante ensearle a los nios solidaridad \n segn porcenta
je de personas que opinan que puede confiarse en los dems") +
xlab("Porcentaje de personas que opinan que puede confiarse en los dem
s") +
ylab("Porcentaje de personas que considera que es importante ensearle
a los nios solidaridad") +
theme_bw()
PC3P2G4
 #Pedir
modelo de regresin
PC3P2Modelo4 <- lm(ens_ahorro~sateco, data=wvs_pc3)
summary(PC3P2Modelo4)

##
## Call:
## lm(formula = ens_ahorro ~ sateco, data = wvs_pc3)
##
## Residuals:
## Min 1Q Median 3Q Max
## -20.327 -9.621 -2.713 8.256 46.859
##
## Coefficients:
## Estimate Std. Error t value Pr(>|t|)
## (Intercept) 36.7622 13.7473 2.674 0.00976 **
## sateco 0.4021 2.2901 0.176 0.86123
## ---
## Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
##
## Residual standard error: 13.84 on 57 degrees of freedom
## Multiple R-squared: 0.0005407, Adjusted R-squared: -0.01699
## F-statistic: 0.03084 on 1 and 57 DF, p-value: 0.8612

Y = 33.63 -0.07X Si la variable x fuera cero (si la tasa de analfabetismo femenino fuera
cero), se esperara que la tasa de fecundidad sea 33.63 *** La tasa de analfabetismo
NO es un buen predictor de la tasa de fecundidad Multiple R-squared: 0.008414
Diagrama de dispersin con recta de regresin e intervalo de
confianza al 95%
PC3P2G4 + geom_smooth(method=lm)

Elaborar los grficos de dispersin entre sus variables dependientes e independientes

(cuatro grficos), con la recta de regresin correspondiente.
Interpretar los resultados de los modelos (cmo se espera que cambie la variable
dependiente cuando la variable independiente aumenta en una unidad?), evaluando si
el modelo muestra o no una asociacin o efecto estadsticamente significativo.

Bonus Track

1 Armamos una lista de variables

ListaMex1<-c("F001","F118","F025")
ListaMex2<-c("F001","F025","F028","F034","F050","F053","F063","F114","F11
5","F116","F117","F118","F119","F120","F121","F122","F123")

2 Separamos un subconjunto de las variables seleccionadas

MatriMex1<-na.omit(Multima[ListaMex1])
MatriMex2<-na.omit(Multima[ListaMex2])
3 Pedimos las variables
cor(MatriMex1)

## F001 F118 F025

## F001 1.00000000 -0.028347724 -0.010114738
## F118 -0.02834772 1.000000000 -0.003858162
## F025 -0.01011474 -0.003858162 1.000000000

cor(MatriMex2)

## F001 F025 F028 F034 F050

## F001 1.000000000 -0.010114738 0.034187253 0.041529375 -0.048043791
## F025 -0.010114738 1.000000000 -0.385472524 -0.272953721 0.174585332
## F028 0.034187253 -0.385472524 1.000000000 0.286223201 -0.170342165
## F034 0.041529375 -0.272953721 0.286223201 1.000000000 -0.226498336
## F050 -0.048043791 0.174585332 -0.170342165 -0.226498336 1.000000000
## F053 -0.063971774 0.079913069 -0.091334417 -0.140541472 0.285785496
## F063 -0.058646296 0.273580164 -0.293149433 -0.371575228 0.456026512
## F114 -0.001212457 -0.003915641 0.004332677 0.002350264 0.013149914
## F115 0.050291222 0.006597243 0.002385246 -0.010113319 0.048040119
## F116 0.038012698 0.021367465 0.025694493 -0.003991502 0.041379996
## F117 0.075656353 0.024542958 0.016156934 0.021085849 0.009434257
## F118 -0.028347724 -0.003858162 0.096442138 0.073286409 -0.056766738
## F119 0.012384044 -0.016807536 0.071843504 0.062097225 -0.035427339
## F120 0.030859394 -0.049990358 0.085997932 0.098515339 -0.051956800
## F121 0.019566048 -0.033164380 0.125174880 0.073242981 -0.024631902
## F122 -0.009912610 -0.061527473 0.079107394 0.092867464 -0.022581124
## F123 0.031975437 -0.060677753 0.053615922 0.056704676 -0.038978746
## F053 F063 F114 F115 F116
## F001 -0.063971774 -0.05864630 -0.001212457 0.050291222 0.038012698
## F025 0.079913069 0.27358016 -0.003915641 0.006597243 0.021367465
## F028 -0.091334417 -0.29314943 0.004332677 0.002385246 0.025694493
## F034 -0.140541472 -0.37157523 0.002350264 -0.010113319 -0.003991502
## F050 0.285785496 0.45602651 0.013149914 0.048040119 0.041379996
## F053 1.000000000 0.21920659 -0.008161753 0.027125162 -0.008067901
## F063 0.219206591 1.00000000 0.020697439 0.028786396 -0.060095400
## F114 -0.008161753 0.02069744 1.000000000 0.344041264 0.127809332
## F115 0.027125162 0.02878640 0.344041264 1.000000000 0.184595181
## F116 -0.008067901 -0.06009540 0.127809332 0.184595181 1.000000000
## F117 -0.013719352 -0.05933174 0.145970194 0.144861198 0.617944657
## F118 -0.016031512 -0.15347209 0.098727098 0.068257623 0.156299055
## F119 -0.022678319 -0.14381823 0.117370885 0.072166489 0.252135367
## F120 -0.057708295 -0.13869540 0.115702539 0.093111496 0.283948510
## F121 -0.021890235 -0.11850858 0.110405782 0.058121195 0.137627397
## F122 -0.035366404 -0.15241313 0.093825275 0.077185627 0.167676710
## F123 -0.051378477 -0.11831158 0.089790341 0.087802154 0.310531493
## F117 F118 F119 F120 F121
## F001 0.075656353 -0.028347724 0.01238404 0.03085939 0.01956605
## F025 0.024542958 -0.003858162 -0.01680754 -0.04999036 -0.03316438
## F028 0.016156934 0.096442138 0.07184350 0.08599793 0.12517488
## F034 0.021085849 0.073286409 0.06209722 0.09851534 0.07324298
## F050 0.009434257 -0.056766738 -0.03542734 -0.05195680 -0.02463190
## F053 -0.013719352 -0.016031512 -0.02267832 -0.05770829 -0.02189023
## F063 -0.059331744 -0.153472088 -0.14381823 -0.13869540 -0.11850858
## F114 0.145970194 0.098727098 0.11737088 0.11570254 0.11040578
## F115 0.144861198 0.068257623 0.07216649 0.09311150 0.05812120
## F116 0.617944657 0.156299055 0.25213537 0.28394851 0.13762740
## F117 1.000000000 0.209793672 0.30715655 0.30842677 0.18882480
## F118 0.209793672 1.000000000 0.52902652 0.31402632 0.41010981
## F119 0.307156554 0.529026525 1.00000000 0.47814285 0.42020389
## F120 0.308426774 0.314026321 0.47814285 1.00000000 0.42569111
## F121 0.188824799 0.410109808 0.42020389 0.42569111 1.00000000
## F122 0.192548253 0.326163742 0.35624657 0.37659485 0.37131878
## F123 0.325480030 0.243057221 0.38066895 0.42274536 0.28769317
## F122 F123
## F001 -0.00991261 0.03197544
## F025 -0.06152747 -0.06067775
## F028 0.07910739 0.05361592
## F034 0.09286746 0.05670468
## F050 -0.02258112 -0.03897875
## F053 -0.03536640 -0.05137848
## F063 -0.15241313 -0.11831158
## F114 0.09382528 0.08979034
## F115 0.07718563 0.08780215
## F116 0.16767671 0.31053149
## F117 0.19254825 0.32548003
## F118 0.32616374 0.24305722
## F119 0.35624657 0.38066895
## F120 0.37659485 0.42274536
## F121 0.37131878 0.28769317
## F122 1.00000000 0.39390448
## F123 0.39390448 1.00000000

4 Pedimos las matrices

rcorr(as.matrix(MatriMex1))

## F001 F118 F025

## F001 1.00 -0.03 -0.01
## F118 -0.03 1.00 0.00
## F025 -0.01 0.00 1.00
##
## n= 2000
##
##
## P
## F001 F118 F025
## F001 0.2051 0.6512
## F118 0.2051 0.8631
## F025 0.6512 0.8631
rcorr(as.matrix(MatriMex2))

## F001 F025 F028 F034 F050 F053 F063 F114 F115 F116 F117
## F001 1.00 -0.01 0.03 0.04 -0.05 -0.06 -0.06 0.00 0.05 0.04 0.08
## F025 -0.01 1.00 -0.39 -0.27 0.17 0.08 0.27 0.00 0.01 0.02 0.02
## F028 0.03 -0.39 1.00 0.29 -0.17 -0.09 -0.29 0.00 0.00 0.03 0.02
## F034 0.04 -0.27 0.29 1.00 -0.23 -0.14 -0.37 0.00 -0.01 0.00 0.02
## F050 -0.05 0.17 -0.17 -0.23 1.00 0.29 0.46 0.01 0.05 0.04 0.01
## F053 -0.06 0.08 -0.09 -0.14 0.29 1.00 0.22 -0.01 0.03 -0.01 -0.01
## F063 -0.06 0.27 -0.29 -0.37 0.46 0.22 1.00 0.02 0.03 -0.06 -0.06
## F114 0.00 0.00 0.00 0.00 0.01 -0.01 0.02 1.00 0.34 0.13 0.15
## F115 0.05 0.01 0.00 -0.01 0.05 0.03 0.03 0.34 1.00 0.18 0.14
## F116 0.04 0.02 0.03 0.00 0.04 -0.01 -0.06 0.13 0.18 1.00 0.62
## F117 0.08 0.02 0.02 0.02 0.01 -0.01 -0.06 0.15 0.14 0.62 1.00
## F118 -0.03 0.00 0.10 0.07 -0.06 -0.02 -0.15 0.10 0.07 0.16 0.21
## F119 0.01 -0.02 0.07 0.06 -0.04 -0.02 -0.14 0.12 0.07 0.25 0.31
## F120 0.03 -0.05 0.09 0.10 -0.05 -0.06 -0.14 0.12 0.09 0.28 0.31
## F121 0.02 -0.03 0.13 0.07 -0.02 -0.02 -0.12 0.11 0.06 0.14 0.19
## F122 -0.01 -0.06 0.08 0.09 -0.02 -0.04 -0.15 0.09 0.08 0.17 0.19
## F123 0.03 -0.06 0.05 0.06 -0.04 -0.05 -0.12 0.09 0.09 0.31 0.33
## F118 F119 F120 F121 F122 F123
## F001 -0.03 0.01 0.03 0.02 -0.01 0.03
## F025 0.00 -0.02 -0.05 -0.03 -0.06 -0.06
## F028 0.10 0.07 0.09 0.13 0.08 0.05
## F034 0.07 0.06 0.10 0.07 0.09 0.06
## F050 -0.06 -0.04 -0.05 -0.02 -0.02 -0.04
## F053 -0.02 -0.02 -0.06 -0.02 -0.04 -0.05
## F063 -0.15 -0.14 -0.14 -0.12 -0.15 -0.12
## F114 0.10 0.12 0.12 0.11 0.09 0.09
## F115 0.07 0.07 0.09 0.06 0.08 0.09
## F116 0.16 0.25 0.28 0.14 0.17 0.31
## F117 0.21 0.31 0.31 0.19 0.19 0.33
## F118 1.00 0.53 0.31 0.41 0.33 0.24
## F119 0.53 1.00 0.48 0.42 0.36 0.38
## F120 0.31 0.48 1.00 0.43 0.38 0.42
## F121 0.41 0.42 0.43 1.00 0.37 0.29
## F122 0.33 0.36 0.38 0.37 1.00 0.39
## F123 0.24 0.38 0.42 0.29 0.39 1.00
##
## n= 2000
##
##
## P
## F001 F025 F028 F034 F050 F053 F063 F114 F115 F1
16
## F001 0.6512 0.1264 0.0633 0.0317 0.0042 0.0087 0.9568 0.0245 0.
0892
## F025 0.6512 0.0000 0.0000 0.0000 0.0003 0.0000 0.8611 0.7681 0.
3395
## F028 0.1264 0.0000 0.0000 0.0000 0.0000 0.0000 0.8465 0.9151 0.
2507
## F034 0.0633 0.0000 0.0000 0.0000 0.0000 0.0000 0.9163 0.6513 0.
8584
## F050 0.0317 0.0000 0.0000 0.0000 0.0000 0.0000 0.5567 0.0317 0.
0643
## F053 0.0042 0.0003 0.0000 0.0000 0.0000 0.0000 0.7153 0.2253 0.
7184
## F063 0.0087 0.0000 0.0000 0.0000 0.0000 0.0000 0.3549 0.1982 0.
0072
## F114 0.9568 0.8611 0.8465 0.9163 0.5567 0.7153 0.3549 0.0000 0.
0000
## F115 0.0245 0.7681 0.9151 0.6513 0.0317 0.2253 0.1982 0.0000 0.
0000
## F116 0.0892 0.3395 0.2507 0.8584 0.0643 0.7184 0.0072 0.0000 0.0000
## F117 0.0007 0.2726 0.4702 0.3459 0.6733 0.5397 0.0080 0.0000 0.0000 0.
0000
## F118 0.2051 0.8631 0.0000 0.0010 0.0111 0.4737 0.0000 0.0000 0.0023 0.
0000
## F119 0.5799 0.4525 0.0013 0.0055 0.1132 0.3107 0.0000 0.0000 0.0012 0.
0000
## F120 0.1677 0.0254 0.0001 0.0000 0.0201 0.0098 0.0000 0.0000 0.0000 0.
0000
## F121 0.3818 0.1382 0.0000 0.0010 0.2709 0.3278 0.0000 0.0000 0.0093 0.
0000
## F122 0.6577 0.0059 0.0004 0.0000 0.3128 0.1138 0.0000 0.0000 0.0006 0.
0000
## F123 0.1529 0.0066 0.0165 0.0112 0.0814 0.0216 0.0000 0.0000 0.0000 0.
0000
## F117 F118 F119 F120 F121 F122 F123
## F001 0.0007 0.2051 0.5799 0.1677 0.3818 0.6577 0.1529
## F025 0.2726 0.8631 0.4525 0.0254 0.1382 0.0059 0.0066
## F028 0.4702 0.0000 0.0013 0.0001 0.0000 0.0004 0.0165
## F034 0.3459 0.0010 0.0055 0.0000 0.0010 0.0000 0.0112
## F050 0.6733 0.0111 0.1132 0.0201 0.2709 0.3128 0.0814
## F053 0.5397 0.4737 0.3107 0.0098 0.3278 0.1138 0.0216
## F063 0.0080 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000
## F114 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000
## F115 0.0000 0.0023 0.0012 0.0000 0.0093 0.0006 0.0000
## F116 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000
## F117 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000
## F118 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000
## F119 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000
## F120 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000
## F121 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000
## F122 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000
## F123 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000