###################################################################################

# UNIVERSIDAD: UCSM #
# CURSO: ECONOMETRIA #
# APLICACION: MACROECONOMETRIA #
# DOCENTE: MG.MANUEL HILLPA #
###################################################################################

# PAQUETES Y/O LIBRERIAS A UTILIZAR (SE DEBEN INSTALAR PRIMERO)

install.packages("ggplot2")
library("ggplot2")
install.packages("psych")
library(psych)

# SUBIR LA BASE DE DATOS

DATA_PBI_GASTO

# CAMBIAR DE NOMBRE A LA BASE DE DATOS

BASE1 <- DATA_PBI_GASTO

# VER NOMBRES DE LAS VARIABLES DE LA BASE

ls(BASE1)
names(BASE1)

# ESTADISTICOS DE LA DATA
summary(BASE1)
mean(BASE1$PBI)
sd(BASE1$PBI)
hist(BASE1$PBI)

# CREAR SUB BASES DE DATOS

data1 <- BASE1[,c("PBI","InvPri")]
data2 <- BASE1[,c("PBI","InvPub")]
data3 <- BASE1[,c("PBI","Expor")]
data4 <- BASE1[,c("PBI","Impor")]
data5<-BASE1[,c("PBI","InvPri","ConPri","Expor")]

# GRAFICAS
install.packages("ggplot2")
library("ggplot2")

plot(BASE1)
plot(data3)

grafica1 <- ggplot(BASE1,aes(PBI,InvPri)) + geom_point() + geom_smooth(method = "lm", color = "red")

grafica2 <- ggplot(BASE1,aes(PBI,EXP)) + geom_point() + geom_smooth(method = "lm", color = "blue")
grafica3 <- ggplot(BASE1,aes(PBI,InvPu)) + geom_point() + geom_smooth(method = "lm", color = "green")
 # MODELO - REGRESION - ECUACION

# MODELO UNIVARIADO
regresion1 <- lm(PBI~InvPri, data = data1)
summary(regresion1)

PBI^ = 4.730e+04 + 3.037e+00 *InvPri + u

# MODELO MULTIVARIADO
regresion2 <- lm(PBI~InvPri+ConPri, data = BASE1)
summary(regresion2)

PBI^ = 2.415e+03 + 1.011e+00 *InvPri + 1.217e+00*ConPri + u

# COEFICIENTE DE CORRELACION
cor(data1)
R = 0.7034439

pairs(data1)

# CORRELACION EN GRAFICA
pairs.panels(data1)

# COEFICIENTE DE DETERMINACION
R2 <- cor(data1)^2
R^2 = 0.4948334

# INTERVALOS DE CONFIANZA
confint(regresion1)

confint(regresion1, level = 0.90)

confint(regresion1, level = 0.95)
confint(regresion1, level = 0.99)

# ANOVA
anova1 <- aov(regresion1)
summary(anova1)

# PRONOSTICO
pronostico_PBI <- data.frame(InvPri = 6)
predict(regresion1, pronostico_PBI)

# A MANO
...
Error estarndar mide la desviación