Introducción

Vamos a trabajar con dos set de datos. El primero, es un dataset (.wb_bank_data_2019.csv) con información construida por el Banco Mundial acerca de la distribución de la población ocupada según grandes sectores de actividad y categoría ocupacional:

  • SL.AGR.EMPL.ZS: % total el empleo en agricultura: consistente en las actividades de agricultura, silvicultura, caza y pesca
  • SL.IND.EMPL.ZS: % total de empleo en industria: en actividades de minas y canteras, manufacturas, construcción y energía, gas y agua.
  • SL.SERV.EMPL.ZS % total de empleo el servicios comprende comercio al por mayor y menor y restaurantes y hoteles, transporte, almacenamiento y comunicaciones, finanzas, seguros, servicios inmobiliarios y a las empresas y servicios personales, sociales y comunales.
  • SL.FAM.WORK.ZS: % total de trabajadores familiares
  • SL.EMP.MPYR.ZS: % total de empleadores
  • SL.EMP.SELF.ZS: % total de independientes (cuenta propias)
  • SL.EMP.WORK.ZS: % total de trabajadores asalariados

El segundo (HDI_HDR2020_040722.csv) son las componentes del Human Development Index (HDI) elaborado por UNDP para el período 1992-2019. El HDI es un promedio a nivel país de cuatro variables fundamentales:

En el dataset va a encontrarlas llamadas de la siguiente forma:

  • le_2019: expectativa de vida al nacer de la población
  • eys_2019: años “esperados” de escolaridad de la población
  • mys_2019: años promedios de escolaridad
  • gnipc_2019: producto bruto interno per cápita
  • hdi_2019: HDI para el país

En ambos datasets van a encontrar los códigos de país (iso3c) y las etiquetas de país (country) y algunas otras menos útiles.

Preprocesamiento

Consigna 1. Importación de datos

Cargue los dos datasets. ¿Cuál es la estructura de los datos? ¿Qué formato tienen? ¿Cuál es la unidad de análisis y cuáles las variables? ¿Cuál es el alcance temporal y geográfico?

> ###

Consigna 2. Limpieza 1

Seleccione del dataset del HDI solamente las columnas que corresponden al año 2019.

> ###

Consigna 3. Limpieza 2

Con el dataset recortado, realice un join para tener todas las variables en una sola tabla. ¿Qué variable debería usar para vincular ambas tablas?

> ###

Análisis descriptivo

Consigna 4. Correlaciones

¿Qué relacion existe (si es que existe) entre el HDI y la proporción de población asalariada? ¿Y entre el HDI y la proporción de población que trabaja en el sector agrario?

> ###

Modelo de regresión lineal múltiple

Consigna 5. Entrenamiento de modelo

Queremos construir información sobre la relación entre el PBI per cápita (gnipc_2019) y variables relativas a la educación, a la salud y al grado de desarrollo capitalista del país. Entrenar una regresión lineal múltiple con las variables que considere relevantes.

> ###

Análisis de supuestos del modelo

Consigna 6. Residuos

Chequeen los residuos del modelo. ¿Qué herramienta gráfica pueden usar para eso? ¿Son aleatorios?

> ###

Consigna 7. Normalidad de residuos

Realicen un histograma de los residuos. ¿Qué forma tienen?

> ###

Consigna 8. Varianza constante de residuos

¿Parece que la condición de variabilidad constante del modelo es respectada? ¿Por qué?

> ###

Consigna 9. Colinealdad

¿Hay multicolinealidad en el modelo? ¿De qué grado? ¿Es un problema?

> ###

Análisis de resultados

Consigna 10. Bondad de ajuste

¿Cuál es el ajuste del modelo?

> ###

Consigna 11. Interpretación

¿Cómo interpreta los resultados del modelo? ¿Cuál es, en su opinion, la variable más importante?

> ###