-
En esta actividad trabajaremos con un registro de clientes de un banco e información sobre su salud financiera. La base contenida en el csv
Creditcontiene 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.
- Importe las librerías básicas para el análisis de datos.
- Incluya los import base de
statsmodels. - Importe la base de datos
Credit.csvy elimine la columnaUnnamed: 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 paraAfricanAmericanyAsian.- tip: Utilice
value_counts()para revisar la cantidad de casos en las variables categóricas.
- tip: Utilice
- Genere una función llamada
plot_histque 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,CardsyRating?
- 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
Balanceentre aquellos que son y no son estudiantes?
- ¿Qué pasa si aplicamos una prueba de hipótesis para muestras independientes de
- ¿Qué variable presenta un mayor poder explicativo de la variabilidad de
- Comente brevemente sobre el poder explicativo en la varianza de
$y$ y las principales características de los predictores.
- 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?
- Utilizando
lmplotdeseaborn, inspeccione el comportamiento de los tres principales determinantes.