Beruflich Dokumente
Kultur Dokumente
En este punto vamos a realizar un análisis de correlación que busca demostrar la fuerza o el
grado de asociación lineal entre dos variables mediante la fórmula Y=a+bX , para obtener estos
datos ingresamos este código: corr<-cor(econometria[,2:8]).
Estos datos describen la correlación entre las variables planteadas, para empezar
se nota una correlación débil entre la inflación y las variables descriptivas, excepto en el
caso de la masa monetaria (0,62%) e importaciones (0,52%) ya que estas se relacionan
directamente con ella, siendo estas moderadas ya que los puntos no demuestran en su
totalidad una línea recta.
Por otro lado se muestra una relación lineal negativa que significa que los valores
de las dos variables varían justamente al revés como en el caso X con respecto al resto de
las variables.
Grafico de Interacciones
De esta forma podemos observar todas las variables que se están estudiando en el modelo cabe
destacar que la masa monetaria y importaciones fueron las más resaltantes en el análisis de
correlación de variables, en esta oportunidad podemos observar la dispersión de los datos
conjunto al análisis anterior donde podemos ver que algunas variables muestran una forma lineal
con mayor precisión, como lo son (PIB + INV), (INPC+MM), (INV+M), para graficar utilizamos el
siguiente código plot(econometria[,2:8]).
30
INF
15
3.5e+07
PIB
300
INPC
50
1.0e+07
INV
MM
0e+00
8.0e+06
X
1.0e+07
Modelo T STUDENT
Modelo 1
En el siguiente modelo se observa que tiene una potencia de -8,4% siendo esta muy baja y
negativa lo cual indica que está muy lejos del modelo esperado, por otra parte a través del p valor
lo confirma, dando datos totalmente altos entre estos valores destacan las importaciones 0.692 y
exportaciones 0.715, estas variables muestran poca eficiencia con la inflación.
Modelo 2
Luego de hacer la evaluación del modelo 1 ( INF ~ INPC + INV + M + MM + PIB + X), se decidió
eliminar las variables independientes x y m ya que dichos valor obtenidos en la prueba t student
dichos valores por ser muy elevados se entiende que posee mayor posibilidad de certeza por lo
cual se decide eliminarlas, luego se crea el modelo 2 (INF ~ INPC + INV + MM + PIB) quedando de la
siguiente manera : las variables independientes INPC Y MM poseen un margen de probabilidad
inferior al 5% sobre entendiendo que son variables nulas.
En cuanto a el coeficiente Adjusted R-squared nos dio un valor de 0,2784 por lo que muestra un
grado débil de relación entre las variables independientes de la muestra.
Prueba Anova