Econometría | 📊 Introducción a R

Conceptos Fundamentales

📦 data.frame y tibble

Un data.frame es una tabla donde cada columna es una variable y cada fila una observación. La función head() muestra las primeras filas, str() muestra la estructura, y names() los nombres. Con $ accedes a columnas: datos$ingreso. R distingue mayúsculas y minúsculas.

# Cargar datos datos <- read.csv("encuesta.csv") head(datos) str(datos) summary(datos)

📐 lm() (Linear Model)

lm(y ~ x1 + x2, data = df) es la función principal para estimar MCO. La fórmula y ~ x1 + x2 especifica el modelo. R automáticamente incluye el intercepto (constante). Para omitirlo: y ~ x1 - 1. Guarda el resultado en un objeto (modelo <- lm(...)).

# Modelo MCO simple modelo <- lm(ingreso ~ educacion + experiencia, data = encuesta) modelo # solo coeficientes

📊 summary()

summary(modelo) muestra: coeficientes estimados, errores estándar, t-estadísticos, p-valores, R², R² ajustado, F-test global, y sigma (raíz del ECM). Los códigos de significancia: *** p<0.001, ** p<0.01, * p<0.05, . p<0.1.

# Resultados completos summary(modelo) # Extraer componentes coef(modelo) confint(modelo) vcov(modelo)

🎨 Gráficos básicos

R tiene gráficos integrados potentes: plot(y ~ x) para dispersión, hist() para histogramas, boxplot() para diagramas de caja. Para diagnóstico: plot(modelo) genera 4 gráficos: residuos vs ajustados, Q-Q, Scale-Location, y Residuals vs Leverage.

# Gráfico de diagnóstico plot(modelo) # Dispersión con recta plot(ingreso ~ educacion, data = encuesta) abline(modelo, col = "blue")

🔧 lm() object internals

Un objeto lm guarda: $coefficients, $residuals, $fitted.values, $model (datos usados), $call, $terms. Con names(modelo) ves todo. La función residuals() extrae residuos, fitted() extrae ajustados. predict(modelo, newdata) predice en nuevos datos.

# Explorar el objeto lm names(modelo) resid <- residuals(modelo) ajust <- fitted(modelo) pred <- predict(modelo, nuevo)

📈 tidyverse y más allá

El paquete tidyverse (dplyr, ggplot2, tidyr) ofrece una gramática para manipulación de datos y gráficos modernos. Ejemplo: datos %>% filter(ingreso > 1000) %>% ggplot(aes(x=educacion, y=ingreso)) + geom_point() + geom_smooth(method="lm"). broom::tidy(modelo) extrae coeficientes como data.frame.

library(tidyverse) library(broom) tidy(modelo) # tabla de coeficientes glance(modelo) # estadísticos globales

Ejemplo paso a paso: Primer modelo en R

Usamos datos simulados de ingreso (en miles USD) y educación (años). n=100.

Paso 1: Cargar y explorar

encuesta <- data.frame(educ=sample(8:20,100,replace=T), ingreso=rnorm(100,25+2.5*educ,5)) → head(encuesta) muestra educ=12,ingreso=52.3...

Paso 2: Estimar modelo

m <- lm(ingreso ~ educ, data=encuesta). R estima por MCO los coeficientes. Podemos verlos simplemente escribiendo "m".

Paso 3: Interpretar summary

summary(m): Coeficientes: (Intercept) 24.82***, educ 2.51***. R²=0.78. F-statistic=348.5 on 1 and 98 DF. Interpretación: cada año adicional de educación incrementa el ingreso en $2,510 USD en promedio.

Paso 4: Diagnóstico rápido

plot(m) → mira los 4 gráficos. El gráfico Residuos vs Ajustados no debe mostrar patrón (banda horizontal). El Q-Q plot debe seguir la diagonal. Si hay puntos fuera de las bandas, investiga.

Simulación: lm() en acción

Simulamos datos y mostramos el resultado como si fuera la consola de R.

Intercepto

—

Pendiente (β₁)

—

R²

—

F-estadístico

—

# R Console Output > summary(modelo)

Mini Quiz: Introducción a R

Resumen del módulo

lm(y ~ x, data=df) estima MCO. summary(modelo) muestra resultados completos.

Los objetos lm almacenan coeficientes, residuos, ajustados, y más.

plot(modelo) genera 4 gráficos de diagnóstico esenciales.

Manipulación de datos: tidyverse (dplyr, ggplot2) para análisis moderno.

📊 Introducción a R