Marco metodológico

Planteamiento de la teoría o hipótesis

Ajustamos los datos del gasto total en salud de los países como porcentaje de su PIB (x)

y la tasa de mortalidad por covid-19 (Y) a un modelo de regresión lineal ya que después

de analizar los datos este modelo es el que mejor se ajustaba a los datos.

Una vez obtenido el modelo de regresión lineal queremos probar si la tasa de mortalidad

por covid-19 depende en parte del gasto en salud realizado por los países.

Especificación del modelo matemático

Definiremos a los datos del gasto total en salud de los países como porcentaje de su PIB

como la variable independiente “X” y a la tasa de mortalidad por covid-19 como la

variable dependiente “Y”.

De esto o resulta un MCO de la siguiente manera:

Tasa de mortalidad= B1 + B2 * Gasto en salud + ui

Donde u representa las variaciones en los datos.

Obtención de Información

El coronavirus a paralizado al mundo y ha cambiado nuestro estilo de vida, por este

motivo decidimos realizar esta investigación para probar si es gasto que los países han

tenido en salud pública tiene un efecto en la tasa de mortalidad por covid-19 en estos

países.
Para esto recogimos información de fuentes secundarias en el internet, obtuvimos los

datos en dos páginas; datosmacro.com y news.google.com de donde obtuvimos los

datos para la investigación y la elaboración del modelo de regresión lineal, estos se

detallan adelante en la tabla 1.

Grafica 1
Distribución de los datos
Tabla 1
Gasto en salud y mortalidad por covid-19
Columna1 Paises Gasto de salud como % del PIB (X) Tasa de mortalidad (Y)
1 Estados Unidos 14.38 1.79
2 India 0.99 1.38
3 Brasil 3.95 2.33
4 Rusia 3.06 2.04
5 Reino Unido 7.98 2.93
6 Francia 9.37 2.18
7 España 6.37 2.25
8 Italia 6.42 3.09
9 Turquía 3.41 0.69
10 Alemania 9.91 2.80
11 Colombia 5.37 2.63
12 Argentina 6.61 2.41
13 México 2.77 8.87
14 Polonia 4.33 2.38
15 Irán 4.44 3.46
16 Sudafrica 3.47 3.33
17 Ucrania 3.08 1.89
18 Indonesia 1.47 2.65
19 Perú 3.16 3.39
20 Canadá 7.60 2.44
21 Chile 5.40 2.35
22 Portugal 5.86 2.04
23 Irak 1.74 1.78
24 Suecia 9.27 1.80
25 Suiza 7.83 1.75
26 Japón 9.32 1.87
27 Panamá 4.39 1.71
28 Paraguay 3.03 1.85
29 Ecuador 4.36 5.32
30 Costa Rica 5.54 1.35
31 Egipto 1.71 5.79
32 Guatemala 2.08 3.54
33 Honduras 3.15 2.40
34 Venezuela 0.19 0.95
35 El Salvador 4.61 3.08
36 Cuba 10.47 0.57
37 Afganistán 0.6 4.38
38 Tailandia 2.85 0.31
39 Siria 1.61 6.48
40 Haiti 0.95 1.98
41 Nicaragua 5.02 2.66
42 Islandia 7.29 0.48
43 Nueva Zelanda 7.41 1.07
44 Australia 6.29 3.12
45 Jamaica 3.87 1.45
46 Sudán 1.14 6.18
47 Senegal 0.87 2.52
48 Singapur 2.14 0.05
49 Argelia 4.20 2.62
50 Corea del Sur 4.89 1.70
Estimación del modelo econométrico y Pruebas de Hipótesis
Regresión lineal de dos variables por MCO
Utilizando el modelo anteriormente mencionado se obtuvo una regresión de los datos

del gasto público en salud (% del PIB) y la tasa de mortalidad por covid-1 9.

Después de los cálculos correspondientes se obtuvo la ecuación:

Y = 3.24879245034 - 0.145307085396*X

Utilizando el software de Eviews es posible graficar la línea de regresión y obtener otros

importantes estimadores.

Figura 1
Estimation output
Grafica 2
Datos y línea de tendencia
9
8
7
Tasa de mortalidad (Y)
6
5
4
3
2
1
0
0 2 4 6 8 10 12 14 16

Gasto de salud como % del PIB (X)

Según el grafico al observarlo se puede notar que la línea de regresión no se ajusta muy

bien a los puntos de la gráfica, de hecho, se alejan bastante de la línea. Ahora esto puede

sugerir que el modelo por regresión simple no es el más apropiado para predecir el

comportamiento de la tasa de mortalidad.

Otro punto para considerar es el R2 aquí tiene un valor de 0.0708 este valor se vuelve

clave a la hora de compararlo con otros modelos.

Sobre la normalidad de los datos se puede determinar a través de los residuos para lo

cual se establecerán hipótesis de normalidad:

H0: la prueba de Jarque-Bera es igual a cero (J-B = 0)

H1: la prueba de Jarque-Bera es diferente a cero (J-B ≠ 0)

Grafica 3
Prueba de normalidad de los datos

En el histograma podemos observar muchos datos importantes entre ellos podemos

observar que la media de los datos es menor a 0, la prueba de Skewness tiene un valor

de 1.318 un valor bastante alejado del valor para normalidad (0), tenemos una Kurtosis

de 6.1449 un valor alejado del valor idóneo de 3. La prueba de Jarque-Bera siguiendo la

misma línea está lejos de 0 con un valor de 34.99. Por lo que H0 no es aceptada ya que

J-B es diferente de cero, y podemos concluir que los datos no están normalmente

distribuidos esto es respaldado por el hecho que p es menor al Alpha 0.05 que hemos

establecido para el proyecto.

En cuanto a los parámetros usamos la herramienta de Excel de análisis de datos para

obtener los siguientes resultados:

Tabla 3
Estadísticas de la regresión ,
Coeficiente de correlación múltiple 0.266235198
Coeficiente de determinación R^2 0.07088118
R^2 ajustado 0.051524538
Error típico 1.601405645
Observaciones 50
 Tabla 4
ANÁLISIS DE VARIANZA
Grados de libertad Suma de cuadrados Promedio de los cuadrados F Valor crítico de F
Regresión 1 9.390822517 9.390822517 3.661853136 0.061645399
Residuos 48 123.096002 2.564500041
Total 49 132.4868245

Tabla 5

. Coeficientes Error típico Estadístico t

Intercepción 3.24879245 0.424247896 7.657769144
X -0.145307085 0.075934009 -1.91359691

Estadístico t Probabilidad Inferior 95% Superior 95%

7.657769144 7.27167E-10 2.395784884 4.101800017
-1.91359691 0.061645399 -0.297982644 0.007368473

Al observar los datos vemos que B1 tiene un valor muy bajo y mucho menor al alfa

establecido, y tiene un valor t de 7.6557 valor que esta fuera de los intervalos de

(2.3957; 4.1018) por lo cual podemos concluir que no es estadísticamente significativo,

por esta razón podría ser que un modelo atreves del origen se ajuste mejor a los datos ya

B1 no es significativo para el modelo. Por esta razón se realizarán otros modelos más

adelante.

En cuanto a B2 tiene un valor p de 0.0616 mayor al alfa establecido de 0.05 por lo que

podemos concluir que si es un parámetro significativo para el modelo de regresión.