N° 1
Informe De Resultados De Aplicación De La Guía De Prácticas
Datos Generales
Modelo Econométrico Con Variables Cualitativa
Nombre De La Práctica
Facultad De
Ciencias
Sociales Economía Econometría
Facultad Educación Carrera Asignatura
Comercial Y En Línea Aplicada
Derecho
Econ. Roberto William Ambiente o Ambiente
Profesor De Práctica Cascante Yarleque, Laboratorio Virtual
Msc.
Tiempo Asignado 2 Horas Tipo Ape
Estimación De Vi Del Modelo De
Unidad: 2 Temas:
Regresión Múltiple
Fecha De Inicio 29-04-2024 Fecha Fin 19-05-2024
Individual
Tipo De Práctica Cantidad De
5
(Marque La Opción) Estudiantes
Grupal X
Nombre Del O Los Estudiantes:
1. Rosario Angélica Cevallos Romero 2. Jean Carlos Cruz Baque
3. Jenny Josefina Morán Lliguipuma 4. Diana Carolina Ruiz Piguave
5. Dayanna Raquel Cabezas Maquilón (No trabajó)
Desarrollo
1. El presente trabajo práctico experimental consiste en aplicar R para determinar los
parámetros correspondientes del modelo de regresión lineal múltiple con variables
cualitativas para algún conjunto de datos.
2. Diríjase al enlace del fichero: [Link]
3. Descargue la base de datos correspondientes a: hostel
4. Construya el siguiente modelo utilizando R:
a) Paso 1
Se descarga la base de datos hostel en formato txt.
Gráfica 1: Descarga de la Base de Datos
Fuente: Elaboración Propia
b) Paso 2
Seleccionar la base de datos [Link]
Gráfica 2: Descarga de la Base de Datos en Txt.
Fuente: Elaboración Propia
c) Paso 3
Guardar la base de datos
Gráfica 3: Descarga de la Base de Datos
Fuente: Elaboración Propia
d) Paso 4
Guardar en la carpeta DATOS
Gráfica 4: Guardar la Base de Datos
Fuente: Elaboración Propia
e) Paso 5
Abrir R Studio y en el cuadrante Environment, seleccionar Import Dataset
Gráfica 5: Descargar la Base de Datos en R Studio
Fuente: Elaboración Propia
f) Paso 6
Buscar la dirección de la base de datos y en delimitar seleccionar TAB, copiar los
datos sin importar y cerrar.
Gráfica 6: Importacion de Datos a R Studio
Fuente: Elaboración Propia
g) Paso 7
Copiar en el cuadrante Script y correr cada línea
Gráfica 7: Correr lineas en R Studio
Fuente: Elaboración Propia
Paso 8
Se abre una pestaña nueva para visualizar la base de datos importada, Y observamos que la
base de datos tiene 10 variables a analizar.
Gráfica 8: Visualización de Base de Datos en R Studio
Fuente: Elaboración Propia
h) Paso 9
Se ingresa el modelo; su variable dependiente y las independiente. Y se corre el
resumen del modelo.
Gráfica 9: Ingreso del Modelo Hostel1
Fuente: Elaboración Propia
i) Paso 10
Las estimaciones generadas al correr el modelo.
Gráfica 10: Estimacion de Modelo
Fuente: Elaboración Propia
5. Calcular los parámetros del modelo.
Una vez ejecutado el comando encontramos que los parámetros del modelo para
nuestras variables independientes están dados por:
6. Calcular los coeficientes del modelo
A su vez encontramos que para hallar el coeficiente en este caso lo nombraremos con
la letra B para el reconocimiento del vector en el programa y el comando a utilizar fue
el siguiente:
7. La tasa de Variación porcentual
La tasa de variación para encontrarla usaremos los coeficientes antes encontrados y a
este se le restara 1, y para conseguir el valor de manera porcentual al resultado se lo
multiplicara por 100, en el programa esto se representaría de la siguiente manera:
Indicándonos que en la tasa de variación para estas dos variables independientes
(Urban y Resab) y esta tasa está dada por los siguientes resultados:
Gráfica 11: Resumen del Modelo en R Studio
Fuente: Elaboración Propia
Conclusión
De acuerdo a la construcción del modelo Hostel en R Studio se intenta predecir que el
logaritmo natural (ln) de la variable "hostel1" basándose en dos variables predictores
"URBAN" y "RESAB" incluye varias estadísticas que dio como resultado, los siguientes
coeficientes, errores estándar, valores t, valores p y medidas de ajuste del modelo. El vector
"j1" contiene los coeficientes exponenciados. Por ejemplo, el coeficiente de "URBAN" de
aproximadamente 0.981 significa que, para un aumento de una unidad en la variable
"URBAN," se espera que la variable de respuesta (ln_hostel1) disminuya en un factor de
0.981.
Para el cambio porcentual (tasa de variación) para cada coeficiente en comparación
con el valor original de 1 es decir estos valores representan el cambio porcentual en la
variable de respuesta para un cambio de una unidad en la variable predictora correspondiente,
asumiendo que todas las demás variables permanecen constantes. Por ejemplo, "URBAN" se
asocia con una disminución de aproximadamente 1.85% en "ln_hostel1."
En resumen, después de correr el modelo de regresión lineal se observa en los
parámetros proporcionados que cuando tienen 2 variables independientes, el modelo indica
una relación negativa en las variable Urban, mientras que en la variable Resab tiene una
relación positiva, es decir, que la variable dependiente estará afectada directamente con las
relaciones proporcionadas.
Anexos
