Está en la página 1de 5

Nivel de correlación entre dos Variables

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]).

INF PIB INPC INV MM X M
INF 1.000000000 0.04297177 0.1088062 0.0538008 0.006180615 -0.4048106 0.005187309
PIB 0.042971765 1.000000000 0.7937789 0.9822240 0.793240721 -0.5828835 0.974142143
INPC 0.108806213 0.79377886 1.000000000 0.7384644 0.972413200 -0.8600476 0.741873371
INV 0.053800804 0.98222405 0.7384644 1.000000000 0.769264576 -0.5179825 0.987404691
MM 0.006180615 0.79324072 0.9724132 0.7692646 1.000000000 -0.7602524 0.784542391
X -0.404810592 -0.58288351 -0.8600476 -0.5179825 -0.760252401 1.000000000 -0.495002522
M 0.005187309 0.97414214 0.7418734 0.9874047 0.784542391 -0.4950025 1.000000000

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.

Asimismo se observa que a diferencia de la inflación, la mayoría de las variables
responden a una correlación moderada ya que unas tienen efectos sobre otras y varían de
la misma forma por razones económicas reflejadas en una actualidad, de estos resultados
resaltan aquellos que por sus cifras altas indican una correlación totalmente positiva en
las que cuanto mayores son las puntuaciones en una variable, mayores son las
puntuaciones en la otra, como en el caso del PIB con la INV (98,22%) y las M (97,41%) ya
que estas son componentes del mismo, el INPC con la MM y por último la INV con las M
(98,74%) ya que es por allí en donde se está destinando el dinero para la compra de
bienes y servicios.

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.

(INPC+MM). (INV+M).2:8]).5e+07 PIB 300 INPC 50 1. para graficar utilizamos el siguiente código plot(econometria[.0e+07 M 15 30 50 300 0e+00 1.0e+06 X 1. 3.5e+07 1. 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).0e+07 INV MM 0e+00 8.0e+07 8. 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.0e+06 30 INF 15 3.0e+07 .

614e-06 -0.732e-06 1.775e-06 -1.392 0. dando datos totalmente altos entre estos valores destacan las importaciones 0.343 X -1. por otra parte a través del p valor lo confirma.047 0.Value Pr(>|t|) Intercept 1.5824 En el siguiente modelo se observa que tiene una potencia de -8.031e-06 0.650e-07 2.808e-06 4.715 M 8.164e-06 2.830 0.715.140 0.021 0.22 en 4 grados de libertad Multiple R-squared: 0.453 INV 3. BOXPLOT En este grafico de caja podemos observar el comportamiento de las variables de acuerdo a la correlación de variables expuestas en el cuadro anterior.198e+02 5.907e-06 3.075 0. .08475 F-statistic: 0.8698 on 6 and 4 DF p-value: 0. Adjusted R-squared: -0.2:8]).data=econometria). Modelo 1 Estimate Std.692 Residual standard error 6.692 y exportaciones 0.4% siendo esta muy baja y negativa lo cual indica que está muy lejos del modelo esperado.113 PIB -3.415e-01 2.426 0.137e-07 1.5661.318 INPC 2. entre la más resaltante esta la masa monetaria porque presenta menos dispersión entre las otras variables. 6e+08 4e+08 2e+08 0e+00 INF PIB INPC INV MM X M Modelo T STUDENT El modelo t student nos va a mostrar una distribución de probabilidades de acuerdo al comportamiento de las variables y el modelo creado para ver estos datos usamos este código: econometria<-lm(INF~PIB+INPC+INV+MM+X+M. también se observa un sesgo hacia la derecha en MM para visualizar este grafico introducimos >boxplot(econometría[.911e-01 0.Error T.057e-07 -1.926e+01 2. estas variables muestran poca eficiencia con la inflación.354 MM -1.

0470 * PIB -3.5233. Residual standard error 5. Adjusted R-squared: 0.2108 0.09235 Residual 170. INPC 2.0534 .0881 . 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.04358 INV 117.2784 Luego de hacer la evaluación del modelo 1 ( INF ~ INPC + INV + M + MM + PIB + X).218e-07 4.035 0.2784 por lo que muestra un grado débil de relación entre las variables independientes de la muestra.99 1 6. Modelo 2 Estímate Std.0924 .647 on 4 and 6 DF p-value: 0.398 0.001 0.4947 0.553e-06 2.195e-06 2.891e+01 4.35 1 4. Prueba Anova Sum Sq Df F value Pr(>F) INPC 184.492 0.0023 0. MM -1.41 1 4.886e-08 -2. 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. Error t value Pr(>|t|) (Intercept) 9.621e-06 -2.323 on 6 degrees of freedom Multiple R-squared: 0.124e+01 2.1413 0.03 1 6.129e-01 2.2055 F-statistic: 1.04703 PIB 113.548 0. En cuanto a el coeficiente Adjusted R-squared nos dio un valor de 0.878e-01 1.243e-06 1.02 6 .08805 MM 175.0436 * INV 5.

Se concluye como base en la prueba anova aplicado al modelo 2 que existe suficiente evidencia estadística para incluir la variable INPC con 4.358 % y la variable MM con 4. .703% ya que son menores al 5%.