Regresión Lineal Múltiple

Daniel Andres Delgado Ordoñez - 16229601

Christian Camilo Cadena Lemos - 16306532

I. INTRODUCCI ÓN A. Gráfica 1. Salario VS Sexo (Hombres y Mu-

jeres)
El siguiente Informe contiene la información Ingreso

mas relevante de los datos contenidos en la base

40

de datos proporcionada por el docente, con el fin

hombre
de mejorar el tratamiento y comprensión de los 20

mismos hemos realizado un análisis descriptivo 0

utilizando el paquete estadı́stico R-Studio, donde 40

a continuación traeremos los hallazgos que para

mujer
20

el grupo han sido mas importantes tanto para el 0

Análisis exploratorio de los datos como para el 0 10 20 30 40

Modelo de Regresión Lineal Múltiple. como observamos en la gráfica anterior muestra

Debemos mencionar que un punto relevante
de estos datos pueden ser las desigualdades que
se presentan en los salarios de los hombres con
respecto a las mujeres, como lo menciona ”El
Institute for Women’s Policy Research, con sede
en Washington en un estudio realizado entre 2001
y 2015 en los Estados Unidos, donde concluyen
que los ingresos salariales de las mujeres son un
51% menores que el de los hombres”; lo que nos
un comportamiento favorable de los salarios del
sexo masculino ”Hombres” con respecto al salario
del sexo femenino ”Mujeres”, en las mujeres solo
hay un solo dato que alcanza un salario de 40, lo
que por el contrario en los hombres hay muchos
datos que se aproximan a ese valor.
B. Gráfica 2. Salario VS Zona (Sur Y No-Sur
Salario según la zona
60

pode a pensar que los que la brecha salarial es muy

amplia y esta en aumento. 40

no−sur
II. A N ÁLISIS E XPLORATORIO DE DATOS 20

La Base de datos con la que se va a trabajar se

llama Datos Salarios, este archivo proporciona 535 0

60

datos por variable, tiene 11 variables entre ellas

siete variables son categóricas ( empleo, sector,
asociado, sexo, estado civil, raza, zona) y las otras 40

cuatro son numéricas (estudios, experiencia, edad,

sur

id). 20

A continuación presentaremos gráficas rele-

vantes que nos brindan una mejor interpretación de
0

las variables categóricas y numéricas, y la relación 0 10 20 30 40

de estas con la variable Salarios:

1
Daniel Andres Delgado O, 1622960, Escuela de Estadistica En la anterior gráfica se puede observar según
2
Christian Camilo Cadena L, 1630653, Escuela de Estadistica el comportamiento de los datos que en la zona sur
se presenta una mayor tendencia a salarios mas
altos, por el contrario en la zona no-sur tenemos
un comportamiento a presentar salarios medio-
bajo lo que nos indica que según el lugar de
donde fue tomada esta muestra podes afirmar que
se presentan una desigualdad económica en dicha
zona, ya que la zona sur tiene un salario mayor
por persona.
C. Gráfica 3. Salario VS Sexo y Empleo
En esta gráfica se ratifica un poco mas lo que
nos muestra la gráfica 1, donde hemos dicho
que el sexo masculino tiene salarios mucho
mas altos al sexo Femenino, pero es con esta
gráfica podemos generalizar que los hombres
sin importar el sector al que pertenezcan (Clero,
Administrativo, Profesional, Servicios, Ventas u
Otro-empleo) sus respectivos salarios son mucho
mayor a las mujeres.
D. Gráfica 4. Salario VS Años de experiencia
En la gráfica 4 podemos observar que los valores
del salario tienen una tendencia a incrementar
en los rangos medios de años de experiencia,
esto puede indicar que dicho comportamiento
se puede presentar porque en esos rangos de
años de experiencia se encuentran personas
con estudios mas avanzados como maestrı́as o
doctorados que les permiten tener mejores salarios.
E. Gráfica 5. Salario VS Edad
En la gráfica 5 podemos observar que los val-
ores de los salarios tienden a ser un poco mas
altos que en las edades menores y mayores esto
puede deberse a que en esos rangos de edades
las personas (Hombre y Mujeres) ya cuenten con
algunos estudios de posgrados y pueden tener
alguna jerarquı́a en la empresa que laboran, lo cual
les hace devengar un poco mas.
F. Tabla 1. Empleo Vs Sexo
como se observa en la tabla 1 llaman varias
cosas la atención, una de ellas es que tanto
hombres como mujeres tiene la misma cantidad
de profesionales, en el sector administrativo si
hay una diferencia marcada entre los dos sexos al
igual que en otro tipo de empleo.
G. Tabla 2. Salario VS Sexo-Estado Civil-Estudios
Podemos observar que que el salario medio
y los años de estudios medios son mayores en
los hombres casados con respecto a las mujeres
casadas, pero este comportamiento no indica que
sean mejores ya que si observamos la desviación
estándar con respecto a dichas variables en los
hombres casados es mayor, lo que puede indicar
que los valores están un poco mas dispersos en
relación al salario medio y los años de estudios
medios.
Por otra se presenta una situación totalmente
contraria en las mujeres solteras ya que su salario
medio es prácticamente igual al de los hombres
pero los años de estudios son superiores al de los
hombres, pero su desviación estándar en el salario
medio es mayor a la de los hombres, lo que nos
puede indicar que los datos están mas dispersos
en relación a dicha variable.
H. Tabla 3. Salario VS Zona (sur y No-sur)
Observemos que la tabla anterior nos da una
información un poco mas completa que la gráfica
dos, ya que en dicha gráfica hemos dicho que
los salarios son mas altos en la zona sur, pero
analizando esta tabla nos damos cuenta que no
solo el salario medio es mas alto en la zona sur,
sino que también su desviación.
Lo anterior nos hace pensar que dichos valores
están mas dispersos que en la zona norte y que
dicho valor del salario medio en la zona sur puede
presentarse porque hay valores mas extremos.
I. Tabla 4. Sindicato y Empleo
Ahora observemos la tabla No. 4, en esta
tabla lo que se muestra es la distribución del
salario dependiendo de si el individuo estaba
asociado o no a algún grupo sindical. Casos
particulares se muestra en el tipo de empleo
administrativo, donde los que ganan mas son
aquellos individuos que no están asociados a un
sindicato. Por otra parte, las edades medias de
los individuos que están asociados son mayores
a comparación con la de los individuos no
asociados, es un fenómeno donde se podrı́a
intuir, que aquellas personas que tienen mas años
laborando ven la necesidad de afiliarse a algún
grupo sindical para poder proteger sus derechos
como trabajador.
III. R EGRESI ÓN L INEAL M ÚLTIPLE
Para esta parte de regresión lineal múltiple
hemos utilizado el paquete estadı́stico R-Studio
para el tratamiento y visualización de la respectiva
base de datos suministrada por el docente.
A continuación se muestra el modelo completo
usando el Salario como variable de respuesta y las
variables empleo, zona, sector, asociado, estudios,
experiencia, raza, estado civil, edad y sexo como
predictoras, debemos aclara que la variable id no
se tuvo en cuenta ya que dicha variable solo es
una codificación o registro de las personas en la
muestra.
A. Modelo Completo como podemos observar este método nos arroja
un modelo totalmente nuevo con solo 6 variables
predictoras que son empleo, asociado, estudios,
experiencia, sexo y zona lo que nos puede indicar
que en el modelos completo habı́an variables
que no estaban o no explicaban mucho sobre la
variable de respuesta.

IV. C ONCLUSI ÓN

La realización de un análisis exploratorio de
datos previa, nos da un panorama mas amplio de
como se comportan los datos que vamos a trabajar,
que información sera mas relevante para explicar
el estudio y que métodos estadı́sticos se podrı́an
aplicar para un resultado óptimo y certero del
estudio. Luego, al hacer el modelo de regresión, se
La tabla del modelo completo nos arroja varios
pueden observar las diferentes correlaciones que
resultado importantes para saber si dicho modelo
hay entre las variables y que variables son mas
es significativo o no, entre estos esta R2 que
significativas que otras, esto es útil para realizar
nos indica que el modelos con sus 10 variables
predicciones del estudio y ası́ tomar las medidas
predictores solo es capaz de explicar el 32% de
pertinentes para contra-restar o mejorar dichos
la variabilidad observada en la variable Salarios,
fenómenos sociales.
el valor-p del modelo completo es significativo
por lo que podemos afirmar que al menos una de R EFERENCES
las variables predictoras esta relacionada con la Análisis exploratorio de datos en R. Felipe Jose Bravo Marquez.
variable Salarios. 13 de Noviembre del 2013.

Análisis exploratorio de datos con R. Palomino Morales

por ultimo podemos ver que hay variables que
no aportan al modelo completo o son redundantes
para esto vamos a utilizar un método que nos
permita ver cual es el mejor modelo ajustado y
descartar variables que no aporten nada.
B. Selección de predictores empleando stepwise
selection (hybrid/doble)
Este método nos arroja como mejor modelo
de regresión lineal múltiple ajustado el siguiente:
Edwin. 26 de febrero del 2018- Blog Rpubs
Análisis exploratorio de datos con R. Camila Salazar-
Blog Rpubs.
Libro en Pdf Análisis exploratorio de datos y visualización con
R. Francisco Charte Ojeda. Versión 20 de agosto del 2014.
Modelo de regresión Lineal Múltiple. Rene Diaz Florez.
Blog Rpubs.
Análisis de regresión lineal múltiple en R. Diego Calvo.
21 de septiembre de 2016- blog personal.

Introducción a la Regresión Lineal Múltiple. Joaquı́n Amat

Rodrigo. Julio 2016. blog Rpubs.

Brecha salarial, peor de lo que creı́amos: Mujeres en EEUU

ganan la mitad que los hombres-29 de Noviembre de 2018,
nstitute for Women’s Policy Research, con sede en Washington.

INFORME SOBRE LA BRECHA SALARIAL,Articulo

Actualidad Internacional Sociolaboral no 166 Pdf.