Unidad: Regresíon - Sesión 1

Regresión (desde la econometría)

Sobre la base de datos

• En esta actividad trabajaremos con un registro de clientes de un banco e información sobre su salud financiera. La base contenida en el csv Credit contiene las siguientes variables:

• Income: Ingreso anual disponible en miles de dólares.

• Limit: Límite del crédito.

• Rating: Ranking del crédito.

• Cards: Cantidad de tarjetas de credito.

• Age: Edad del usuario.

• Education: Años de educación del usuario.

• Gender: ¿Hombre o mujer?

• Student: ¿Es estudiante?

• Married: ¿Está casado?

• Ethnicity: Etnicidad del usuario (Caucásico, Afroamericano, Asiático)

• Balance: Promedio de deuda en tarjeta de crédito de usuario.

• Para efectos prácticos del ejercicio, nos interesa saber sobre los determinantes de la variación en el promedio de deuda en tarjeta de crédito. A lo largo del ejercicio generaremos modelos econométricos para inspeccionar los efectos de distintos atributos.

Ejercicio 1: Prepare el ambiente de trabajo

• Importe las librerías básicas para el análisis de datos.
• Incluya los import base de statsmodels.
• Importe la base de datos Credit.csv y elimine la columna Unnamed: 0.
• Siguiendo las buenas prácticas, genere variables binarias para capturar el efecto del grupo minoritario en cada variable. Para el caso de Ethnicity, genere binarias para AfricanAmerican y Asian.
  • tip: Utilice value_counts() para revisar la cantidad de casos en las variables categóricas.

Ejercicio 2: Genere gráficos descriptivos para las variables contínuas

• Genere una función llamada plot_hist que genere un histograma de la variable e indique la media y mediana de la misma. Agrege una leyenda para indicar qué representa cada línea.
• ¿Cuál es el comportamiento de Balance, Income, Cards y Rating?

Ejercicio 3: Regresión Lineal Simple

• A continuación generaremos una serie de modelos simples:

• Utilizando statsmodels, comente brevemente los siguientes puntos:
  • ¿Qué variable presenta un mayor poder explicativo de la variabilidad de Balance?
  • ¿Qué podemos decir sobre el comportamiento de Student?
    • ¿Qué pasa si aplicamos una prueba de hipótesis para muestras independientes de Balance entre aquellos que son y no son estudiantes?

Ejercicio 4: Genere un modelo que incluya todos los regresores

• Comente brevemente sobre el poder explicativo en la varianza de $y$ y las principales características de los predictores.

Ejercicio 5: Depure el modelo e incluya sólo los predictores significativo

• En base al modelo anterior, refactorize e incluya sólo las variables con un nivel de significancia $p-value\leq.025$. Comente brevemente sobre el poder explicativo en la varianza de $y$ y las principales características de los predictores.
• ¿Mejoró o empeoró el modelo con la reducción de regresores?

Ejercicio 6:

• Utilizando lmplot de seaborn, inspeccione el comportamiento de los tres principales determinantes.