Tipos de bases de datos

Introducción

En el análisis de políticas públicas y desarrollo internacional, se utilizan diversas bases de datos que abarcan desde información macroeconómica hasta datos específicos sobre programas y proyectos.

A partir de cómo se presenten los datos, las bases de datos pueden tener diferentes tipologías

En ciencia de datos y econometría, se utilizan diversos tipos de bases de datos para analizar y modelar fenómenos económicos. Algunos de los tipos de bases de datos comunes en este campo incluyen:

Bases de Datos de Series Temporales: Contienen observaciones a lo largo del tiempo sobre variables económicas, como tasas de interés, inflación, PIB, tasas de empleo, entre otras. Estos conjuntos de datos son fundamentales para el análisis de series temporales y la modelización de tendencias económicas.

Bases de Datos de Corte Transversal: Las bases de datos de corte transversal contienen observaciones recopiladas en un solo punto en el tiempo o a lo largo de un período específico para diferentes entidades (como países, empresas, individuos) sin seguirlas en el tiempo.Son esenciales para analizar relaciones y variaciones en un momento específico, como la comparación de indicadores económicos entre diferentes países en un año determinado.

Bases de Datos Longitudinales: Recopilan información sobre un grupo específico de individuos, empresas o regiones a lo largo del tiempo. Estas bases de datos permiten analizar el cambio en el tiempo y realizar estudios sobre trayectorias individuales o evolución de ciertos indicadores económicos.

Bases de Datos Transaccionales: Contienen información sobre transacciones económicas individuales. Estos datos son fundamentales para el análisis de microeconomía y pueden incluir transacciones comerciales, datos financieros o registros de operaciones.

Bases de Datos Espaciales: Contienen información geográfica relacionada con fenómenos económicos. Estos datos son esenciales para el análisis espacial y la modelización de patrones económicos en diferentes regiones geográficas.

Encuestas Económicas: Bases de datos derivadas de encuestas realizadas a individuos, empresas o hogares. Estas encuestas pueden incluir información sobre ingresos, gastos, preferencias de consumo y otros aspectos socioeconómicos.

Bases de Datos de Mercados Financieros: Contienen información sobre activos financieros, transacciones bursátiles, precios de acciones, tasas de interés y otros indicadores relacionados con los mercados financieros.

Bases de Datos Macroeconómicas: Recopilan datos agregados a nivel de país o región sobre variables económicas clave, como el PIB, la inflación, el desempleo, la deuda pública, entre otros.

Bases de Datos Experimentales: Contienen datos derivados de experimentos económicos, como ensayos clínicos, estudios de campo o investigaciones controladas que buscan analizar el comportamiento humano en contextos económicos específicos.

Revisemos en R algunas de estas tipologías de bases de datos

Bases de datos de Corte Transversal

Instalemos algunas bases de datos para trabajar con ellas

install.packages("wooldridge")

## Installing package into '/cloud/lib/x86_64-pc-linux-gnu-library/4.2'
## (as 'lib' is unspecified)

install.packages('gapminder')

## Installing package into '/cloud/lib/x86_64-pc-linux-gnu-library/4.2'
## (as 'lib' is unspecified)

install.packages("ggplot2")

## Installing package into '/cloud/lib/x86_64-pc-linux-gnu-library/4.2'
## (as 'lib' is unspecified)

library(wooldridge)
library(gapminder)
library(ggplot2)

Navegemos primero las bases de datos que nos ofrece el paquete Wooldrige,. Comencemos con la base de datos “affairs”

help(wooldridge)

## No documentation for 'wooldridge' in specified packages and libraries:
## you could try '??wooldridge'

??wooldridge

## No vignettes or demos or help files found with alias or concept or
## title matching 'wooldridge' using fuzzy matching.

data()
data("affairs")
head(affairs)

tail(affairs)

length(affairs)

## [1] 19

affairs[1:10,]

summary(affairs)

##        id            male             age           yrsmarr      
##  Min.   :   4   Min.   :0.0000   Min.   :17.50   Min.   : 0.125  
##  1st Qu.: 528   1st Qu.:0.0000   1st Qu.:27.00   1st Qu.: 4.000  
##  Median :1009   Median :0.0000   Median :32.00   Median : 7.000  
##  Mean   :1060   Mean   :0.4759   Mean   :32.49   Mean   : 8.178  
##  3rd Qu.:1453   3rd Qu.:1.0000   3rd Qu.:37.00   3rd Qu.:15.000  
##  Max.   :9029   Max.   :1.0000   Max.   :57.00   Max.   :15.000  
##       kids            relig            educ           occup      
##  Min.   :0.0000   Min.   :1.000   Min.   : 9.00   Min.   :1.000  
##  1st Qu.:0.0000   1st Qu.:2.000   1st Qu.:14.00   1st Qu.:3.000  
##  Median :1.0000   Median :3.000   Median :16.00   Median :5.000  
##  Mean   :0.7155   Mean   :3.116   Mean   :16.17   Mean   :4.195  
##  3rd Qu.:1.0000   3rd Qu.:4.000   3rd Qu.:18.00   3rd Qu.:6.000  
##  Max.   :1.0000   Max.   :5.000   Max.   :20.00   Max.   :7.000  
##     ratemarr        naffairs          affair           vryhap     
##  Min.   :1.000   Min.   : 0.000   Min.   :0.0000   Min.   :0.000  
##  1st Qu.:3.000   1st Qu.: 0.000   1st Qu.:0.0000   1st Qu.:0.000  
##  Median :4.000   Median : 0.000   Median :0.0000   Median :0.000  
##  Mean   :3.932   Mean   : 1.456   Mean   :0.2496   Mean   :0.386  
##  3rd Qu.:5.000   3rd Qu.: 0.000   3rd Qu.:0.0000   3rd Qu.:1.000  
##  Max.   :5.000   Max.   :12.000   Max.   :1.0000   Max.   :1.000  
##      hapavg          avgmarr           unhap            vryrel      
##  Min.   :0.0000   Min.   :0.0000   Min.   :0.0000   Min.   :0.0000  
##  1st Qu.:0.0000   1st Qu.:0.0000   1st Qu.:0.0000   1st Qu.:0.0000  
##  Median :0.0000   Median :0.0000   Median :0.0000   Median :0.0000  
##  Mean   :0.3228   Mean   :0.1547   Mean   :0.1098   Mean   :0.1165  
##  3rd Qu.:1.0000   3rd Qu.:0.0000   3rd Qu.:0.0000   3rd Qu.:0.0000  
##  Max.   :1.0000   Max.   :1.0000   Max.   :1.0000   Max.   :1.0000  
##      smerel          slghtrel          notrel      
##  Min.   :0.0000   Min.   :0.0000   Min.   :0.0000  
##  1st Qu.:0.0000   1st Qu.:0.0000   1st Qu.:0.0000  
##  Median :0.0000   Median :0.0000   Median :0.0000  
##  Mean   :0.3161   Mean   :0.2146   Mean   :0.2729  
##  3rd Qu.:1.0000   3rd Qu.:0.0000   3rd Qu.:1.0000  
##  Max.   :1.0000   Max.   :1.0000   Max.   :1.0000

summary(affairs$educ)

##    Min. 1st Qu.  Median    Mean 3rd Qu.    Max. 
##    9.00   14.00   16.00   16.17   18.00   20.00

attach(affairs)
summary(educ)

##    Min. 1st Qu.  Median    Mean 3rd Qu.    Max. 
##    9.00   14.00   16.00   16.17   18.00   20.00

detach(affairs)
# summary(educ)

¿Cuáles son los metadatos de este dataset? Los metadatos pueden encontrarlos en: https://cran.r-project.org/web/packages/wooldridge/wooldridge.pdf

Recordar que en r las variables character (nominal), factor (categoricas), integer (discretas), y numeric (numericas)

Veamos ahora la base de datos de corte transversal wage1

Cargar la base de datos

Carga la base de datos “wage1” y explórala:

data("wage1")
head(wage1)

attach(wage1)
str(wage1)

## 'data.frame':    526 obs. of  24 variables:
##  $ wage    : num  3.1 3.24 3 6 5.3 ...
##  $ educ    : int  11 12 11 8 12 16 18 12 12 17 ...
##  $ exper   : int  2 22 2 44 7 9 15 5 26 22 ...
##  $ tenure  : int  0 2 0 28 2 8 7 3 4 21 ...
##  $ nonwhite: int  0 0 0 0 0 0 0 0 0 0 ...
##  $ female  : int  1 1 0 0 0 0 0 1 1 0 ...
##  $ married : int  0 1 0 1 1 1 0 0 0 1 ...
##  $ numdep  : int  2 3 2 0 1 0 0 0 2 0 ...
##  $ smsa    : int  1 1 0 1 0 1 1 1 1 1 ...
##  $ northcen: int  0 0 0 0 0 0 0 0 0 0 ...
##  $ south   : int  0 0 0 0 0 0 0 0 0 0 ...
##  $ west    : int  1 1 1 1 1 1 1 1 1 1 ...
##  $ construc: int  0 0 0 0 0 0 0 0 0 0 ...
##  $ ndurman : int  0 0 0 0 0 0 0 0 0 0 ...
##  $ trcommpu: int  0 0 0 0 0 0 0 0 0 0 ...
##  $ trade   : int  0 0 1 0 0 0 1 0 1 0 ...
##  $ services: int  0 1 0 0 0 0 0 0 0 0 ...
##  $ profserv: int  0 0 0 0 0 1 0 0 0 0 ...
##  $ profocc : int  0 0 0 0 0 1 1 1 1 1 ...
##  $ clerocc : int  0 0 0 1 0 0 0 0 0 0 ...
##  $ servocc : int  0 1 0 0 0 0 0 0 0 0 ...
##  $ lwage   : num  1.13 1.18 1.1 1.79 1.67 ...
##  $ expersq : int  4 484 4 1936 49 81 225 25 676 484 ...
##  $ tenursq : int  0 4 0 784 4 64 49 9 16 441 ...
##  - attr(*, "time.stamp")= chr "25 Jun 2011 23:03"

Explorar la estructura de la base de datos

str(wage1)

## 'data.frame':    526 obs. of  24 variables:
##  $ wage    : num  3.1 3.24 3 6 5.3 ...
##  $ educ    : int  11 12 11 8 12 16 18 12 12 17 ...
##  $ exper   : int  2 22 2 44 7 9 15 5 26 22 ...
##  $ tenure  : int  0 2 0 28 2 8 7 3 4 21 ...
##  $ nonwhite: int  0 0 0 0 0 0 0 0 0 0 ...
##  $ female  : int  1 1 0 0 0 0 0 1 1 0 ...
##  $ married : int  0 1 0 1 1 1 0 0 0 1 ...
##  $ numdep  : int  2 3 2 0 1 0 0 0 2 0 ...
##  $ smsa    : int  1 1 0 1 0 1 1 1 1 1 ...
##  $ northcen: int  0 0 0 0 0 0 0 0 0 0 ...
##  $ south   : int  0 0 0 0 0 0 0 0 0 0 ...
##  $ west    : int  1 1 1 1 1 1 1 1 1 1 ...
##  $ construc: int  0 0 0 0 0 0 0 0 0 0 ...
##  $ ndurman : int  0 0 0 0 0 0 0 0 0 0 ...
##  $ trcommpu: int  0 0 0 0 0 0 0 0 0 0 ...
##  $ trade   : int  0 0 1 0 0 0 1 0 1 0 ...
##  $ services: int  0 1 0 0 0 0 0 0 0 0 ...
##  $ profserv: int  0 0 0 0 0 1 0 0 0 0 ...
##  $ profocc : int  0 0 0 0 0 1 1 1 1 1 ...
##  $ clerocc : int  0 0 0 1 0 0 0 0 0 0 ...
##  $ servocc : int  0 1 0 0 0 0 0 0 0 0 ...
##  $ lwage   : num  1.13 1.18 1.1 1.79 1.67 ...
##  $ expersq : int  4 484 4 1936 49 81 225 25 676 484 ...
##  $ tenursq : int  0 4 0 784 4 64 49 9 16 441 ...
##  - attr(*, "time.stamp")= chr "25 Jun 2011 23:03"

# Según visto en la clase, ¿qué tipo de base de dato es?

Puedes utilizar la función summary para obtener estadísticas descriptivas básicas: ## Estadísticas descriptivas

summary(wage1)

##       wage             educ           exper           tenure      
##  Min.   : 0.530   Min.   : 0.00   Min.   : 1.00   Min.   : 0.000  
##  1st Qu.: 3.330   1st Qu.:12.00   1st Qu.: 5.00   1st Qu.: 0.000  
##  Median : 4.650   Median :12.00   Median :13.50   Median : 2.000  
##  Mean   : 5.896   Mean   :12.56   Mean   :17.02   Mean   : 5.105  
##  3rd Qu.: 6.880   3rd Qu.:14.00   3rd Qu.:26.00   3rd Qu.: 7.000  
##  Max.   :24.980   Max.   :18.00   Max.   :51.00   Max.   :44.000  
##     nonwhite          female          married           numdep     
##  Min.   :0.0000   Min.   :0.0000   Min.   :0.0000   Min.   :0.000  
##  1st Qu.:0.0000   1st Qu.:0.0000   1st Qu.:0.0000   1st Qu.:0.000  
##  Median :0.0000   Median :0.0000   Median :1.0000   Median :1.000  
##  Mean   :0.1027   Mean   :0.4791   Mean   :0.6084   Mean   :1.044  
##  3rd Qu.:0.0000   3rd Qu.:1.0000   3rd Qu.:1.0000   3rd Qu.:2.000  
##  Max.   :1.0000   Max.   :1.0000   Max.   :1.0000   Max.   :6.000  
##       smsa           northcen         south             west       
##  Min.   :0.0000   Min.   :0.000   Min.   :0.0000   Min.   :0.0000  
##  1st Qu.:0.0000   1st Qu.:0.000   1st Qu.:0.0000   1st Qu.:0.0000  
##  Median :1.0000   Median :0.000   Median :0.0000   Median :0.0000  
##  Mean   :0.7224   Mean   :0.251   Mean   :0.3555   Mean   :0.1692  
##  3rd Qu.:1.0000   3rd Qu.:0.750   3rd Qu.:1.0000   3rd Qu.:0.0000  
##  Max.   :1.0000   Max.   :1.000   Max.   :1.0000   Max.   :1.0000  
##     construc          ndurman          trcommpu           trade       
##  Min.   :0.00000   Min.   :0.0000   Min.   :0.00000   Min.   :0.0000  
##  1st Qu.:0.00000   1st Qu.:0.0000   1st Qu.:0.00000   1st Qu.:0.0000  
##  Median :0.00000   Median :0.0000   Median :0.00000   Median :0.0000  
##  Mean   :0.04563   Mean   :0.1141   Mean   :0.04373   Mean   :0.2871  
##  3rd Qu.:0.00000   3rd Qu.:0.0000   3rd Qu.:0.00000   3rd Qu.:1.0000  
##  Max.   :1.00000   Max.   :1.0000   Max.   :1.00000   Max.   :1.0000  
##     services         profserv         profocc          clerocc      
##  Min.   :0.0000   Min.   :0.0000   Min.   :0.0000   Min.   :0.0000  
##  1st Qu.:0.0000   1st Qu.:0.0000   1st Qu.:0.0000   1st Qu.:0.0000  
##  Median :0.0000   Median :0.0000   Median :0.0000   Median :0.0000  
##  Mean   :0.1008   Mean   :0.2586   Mean   :0.3669   Mean   :0.1673  
##  3rd Qu.:0.0000   3rd Qu.:1.0000   3rd Qu.:1.0000   3rd Qu.:0.0000  
##  Max.   :1.0000   Max.   :1.0000   Max.   :1.0000   Max.   :1.0000  
##     servocc           lwage            expersq          tenursq       
##  Min.   :0.0000   Min.   :-0.6349   Min.   :   1.0   Min.   :   0.00  
##  1st Qu.:0.0000   1st Qu.: 1.2030   1st Qu.:  25.0   1st Qu.:   0.00  
##  Median :0.0000   Median : 1.5369   Median : 182.5   Median :   4.00  
##  Mean   :0.1407   Mean   : 1.6233   Mean   : 473.4   Mean   :  78.15  
##  3rd Qu.:0.0000   3rd Qu.: 1.9286   3rd Qu.: 676.0   3rd Qu.:  49.00  
##  Max.   :1.0000   Max.   : 3.2181   Max.   :2601.0   Max.   :1936.00

Esto te proporcionará un resumen estadístico de todas las variables en la base de datos “wage1”. Además, puedes utilizar funciones específicas como mean, sd, quantile, etc., para obtener estadísticas más detalladas.

Media y desviación estándar de la variable ‘wage’

mean(wage1$wage)

## [1] 5.896103

sd(wage1$wage)

## [1] 3.693086

Cuantiles de la variable ‘wage’

quantile(wage1$wage)

##    0%   25%   50%   75%  100% 
##  0.53  3.33  4.65  6.88 24.98

Realicemos ahora algunas graficas con el paquete ggplot2

Histograma de la variable ‘wage’

ggplot(wage1, aes(x = wage)) +
  geom_histogram(binwidth = 2, fill = "blue", color = "black") +
  labs(title = "Histograma de Salarios", x = "Salario", y = "Frecuencia") +
  theme_minimal()

Diagrama de dispersión entre Experiencia (educ) y Salario (wage):

# Diagrama de dispersión educación vs. salario
ggplot(wage1, aes(x = educ, y = wage)) +
  geom_point(color = "green") +
  labs(title = "Diagrama de Dispersión entre Educación y Salario", x = "Educación", y = "Salario") +
  theme_minimal()

##Gráfico de Barras para Categorías (female):

ggplot(wage1, aes(x = factor(female), fill = factor(female))) +
  geom_bar() +
  labs(title = "Gráfico de Barras para Género", x = "Género", y = "Frecuencia") +
  scale_fill_manual(values = c("blue", "pink")) +
  theme_minimal()

Diagrama de caja comparando salarios entre hombres y mujeres

Este código utiliza geom_boxplot para crear un diagrama de caja que compara los salarios entre hombres (0) y mujeres (1). Los colores de llenado se ajustan para representar a hombres en azul y mujeres en rosado.

ggplot(wage1, aes(x = factor(female), y = wage, fill = factor(female))) +
  geom_boxplot() +
  labs(title = "Diagrama de Caja de Salarios por Género", x = "Género", y = "Salario") +
  scale_fill_manual(values = c("blue", "pink")) +
  theme_minimal()

Regresión lineal simple

Corramos una regresion lineal simple entre el logaritmo del salario como variable resultado y la variable predictor de educación

log_wage_model <- lm(lwage ~ educ, data = wage1)
summary(log_wage_model)

## 
## Call:
## lm(formula = lwage ~ educ, data = wage1)
## 
## Residuals:
##      Min       1Q   Median       3Q      Max 
## -2.21158 -0.36393 -0.07263  0.29712  1.52339 
## 
## Coefficients:
##             Estimate Std. Error t value Pr(>|t|)    
## (Intercept) 0.583773   0.097336   5.998 3.74e-09 ***
## educ        0.082744   0.007567  10.935  < 2e-16 ***
## ---
## Signif. codes:  0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
## 
## Residual standard error: 0.4801 on 524 degrees of freedom
## Multiple R-squared:  0.1858, Adjusted R-squared:  0.1843 
## F-statistic: 119.6 on 1 and 524 DF,  p-value: < 2.2e-16

plot(log_wage_model)

Bases de datos de series de tiempo

veamos la base de datos tipo serie de tiempo en Wooldridge (‘prminwge’)

data("prminwge")

# Gráfico de líneas para la variable salarios
ggplot(prminwge, aes(x = year, y = avgmin)) +
  geom_line(color = "blue") +
  labs(title = "Gráfico crecimiento salarios",
       x = "Años",
       y = "Salario minimo") +
  theme_minimal()

Ahora grafiquemos el crecimiento del desempleo

# Gráfico de líneas para la variable desempleo
ggplot(prminwge, aes(x = year, y = prunemp)) +
  geom_line(color = "red") +
  labs(title = "Gráfico desempleo",
       x = "Años",
       y = "Desempleo") +
  theme_minimal()

Base de datos de serie de tiempo DTF

Utilicemos en este caso la tasa DTF efectiva anual y las tasas de interes ofrecidas por los CDT a 180 dias

Carguemos la base de datos

datos <- read.csv("DTF.csv")
# Según lo visto en la clase, ¿qué tipo de base de datos es DTF.csv?

Asegúrate de que la variable ‘Vigencia_desde’ sea de tipo Date

datos$Vigencia <- as.Date(datos$Vigencia, format = "%d/%m/%Y")

##Crear el gráfico usando ggplot2

ggplot(datos, aes(x = Vigencia, y = DTF)) +
  geom_line() +
  labs(title = "Variación de DTF a lo largo del tiempo",
       x = "Vigencia desde (dd/mm/aaaa)",
       y = "DTF %") +
  theme_minimal()

##Crear el gráfico con dos variables: DTF y CDT 180%

ggplot(datos, aes(x = Vigencia)) +
  geom_line(aes(y = DTF, color = "DTF"), size = 1) +
  geom_line(aes(y = CDT_180, color = "CDT 180%"), linetype = "dashed", size = 0.5) +
  labs(title = "Variación de DTF y CDT 180% a lo largo del tiempo",
       x = "Vigencia desde (dd/mm/aaaa)",
       y = "Porcentaje") +
  scale_color_manual(values = c("DTF" = "blue", "CDT 180%" = "red")) +
  theme_minimal()

## Warning: Using `size` aesthetic for lines was deprecated in ggplot2 3.4.0.
## ℹ Please use `linewidth` instead.
## This warning is displayed once every 8 hours.
## Call `lifecycle::last_lifecycle_warnings()` to see where this warning was
## generated.

Ahora veamos una base de datos pool cross sections

data("hprice3")
attach(hprice3)
table(year)

## year
## 1978 1981 
##  179  142

Uso de la base de datos gapminder

# install.packages("gapminder")
library(gapminder)

##Mostrar las variables en el conjunto de datos

variables_gapminder <- names(gapminder)
print(variables_gapminder)

## [1] "country"   "continent" "year"      "lifeExp"   "pop"       "gdpPercap"

##Mostrar los primeros 100 datos del conjunto de datos gapminder

primeros_100_datos <- head(gapminder, 100)
print(primeros_100_datos)

## # A tibble: 100 × 6
##    country     continent  year lifeExp      pop gdpPercap
##    <fct>       <fct>     <int>   <dbl>    <int>     <dbl>
##  1 Afghanistan Asia       1952    28.8  8425333      779.
##  2 Afghanistan Asia       1957    30.3  9240934      821.
##  3 Afghanistan Asia       1962    32.0 10267083      853.
##  4 Afghanistan Asia       1967    34.0 11537966      836.
##  5 Afghanistan Asia       1972    36.1 13079460      740.
##  6 Afghanistan Asia       1977    38.4 14880372      786.
##  7 Afghanistan Asia       1982    39.9 12881816      978.
##  8 Afghanistan Asia       1987    40.8 13867957      852.
##  9 Afghanistan Asia       1992    41.7 16317921      649.
## 10 Afghanistan Asia       1997    41.8 22227415      635.
## # ℹ 90 more rows

##Mostrar más filas del conjunto de datos gapminder

print(gapminder, n = 100)

## # A tibble: 1,704 × 6
##     country     continent  year lifeExp      pop gdpPercap
##     <fct>       <fct>     <int>   <dbl>    <int>     <dbl>
##   1 Afghanistan Asia       1952    28.8  8425333      779.
##   2 Afghanistan Asia       1957    30.3  9240934      821.
##   3 Afghanistan Asia       1962    32.0 10267083      853.
##   4 Afghanistan Asia       1967    34.0 11537966      836.
##   5 Afghanistan Asia       1972    36.1 13079460      740.
##   6 Afghanistan Asia       1977    38.4 14880372      786.
##   7 Afghanistan Asia       1982    39.9 12881816      978.
##   8 Afghanistan Asia       1987    40.8 13867957      852.
##   9 Afghanistan Asia       1992    41.7 16317921      649.
##  10 Afghanistan Asia       1997    41.8 22227415      635.
##  11 Afghanistan Asia       2002    42.1 25268405      727.
##  12 Afghanistan Asia       2007    43.8 31889923      975.
##  13 Albania     Europe     1952    55.2  1282697     1601.
##  14 Albania     Europe     1957    59.3  1476505     1942.
##  15 Albania     Europe     1962    64.8  1728137     2313.
##  16 Albania     Europe     1967    66.2  1984060     2760.
##  17 Albania     Europe     1972    67.7  2263554     3313.
##  18 Albania     Europe     1977    68.9  2509048     3533.
##  19 Albania     Europe     1982    70.4  2780097     3631.
##  20 Albania     Europe     1987    72    3075321     3739.
##  21 Albania     Europe     1992    71.6  3326498     2497.
##  22 Albania     Europe     1997    73.0  3428038     3193.
##  23 Albania     Europe     2002    75.7  3508512     4604.
##  24 Albania     Europe     2007    76.4  3600523     5937.
##  25 Algeria     Africa     1952    43.1  9279525     2449.
##  26 Algeria     Africa     1957    45.7 10270856     3014.
##  27 Algeria     Africa     1962    48.3 11000948     2551.
##  28 Algeria     Africa     1967    51.4 12760499     3247.
##  29 Algeria     Africa     1972    54.5 14760787     4183.
##  30 Algeria     Africa     1977    58.0 17152804     4910.
##  31 Algeria     Africa     1982    61.4 20033753     5745.
##  32 Algeria     Africa     1987    65.8 23254956     5681.
##  33 Algeria     Africa     1992    67.7 26298373     5023.
##  34 Algeria     Africa     1997    69.2 29072015     4797.
##  35 Algeria     Africa     2002    71.0 31287142     5288.
##  36 Algeria     Africa     2007    72.3 33333216     6223.
##  37 Angola      Africa     1952    30.0  4232095     3521.
##  38 Angola      Africa     1957    32.0  4561361     3828.
##  39 Angola      Africa     1962    34    4826015     4269.
##  40 Angola      Africa     1967    36.0  5247469     5523.
##  41 Angola      Africa     1972    37.9  5894858     5473.
##  42 Angola      Africa     1977    39.5  6162675     3009.
##  43 Angola      Africa     1982    39.9  7016384     2757.
##  44 Angola      Africa     1987    39.9  7874230     2430.
##  45 Angola      Africa     1992    40.6  8735988     2628.
##  46 Angola      Africa     1997    41.0  9875024     2277.
##  47 Angola      Africa     2002    41.0 10866106     2773.
##  48 Angola      Africa     2007    42.7 12420476     4797.
##  49 Argentina   Americas   1952    62.5 17876956     5911.
##  50 Argentina   Americas   1957    64.4 19610538     6857.
##  51 Argentina   Americas   1962    65.1 21283783     7133.
##  52 Argentina   Americas   1967    65.6 22934225     8053.
##  53 Argentina   Americas   1972    67.1 24779799     9443.
##  54 Argentina   Americas   1977    68.5 26983828    10079.
##  55 Argentina   Americas   1982    69.9 29341374     8998.
##  56 Argentina   Americas   1987    70.8 31620918     9140.
##  57 Argentina   Americas   1992    71.9 33958947     9308.
##  58 Argentina   Americas   1997    73.3 36203463    10967.
##  59 Argentina   Americas   2002    74.3 38331121     8798.
##  60 Argentina   Americas   2007    75.3 40301927    12779.
##  61 Australia   Oceania    1952    69.1  8691212    10040.
##  62 Australia   Oceania    1957    70.3  9712569    10950.
##  63 Australia   Oceania    1962    70.9 10794968    12217.
##  64 Australia   Oceania    1967    71.1 11872264    14526.
##  65 Australia   Oceania    1972    71.9 13177000    16789.
##  66 Australia   Oceania    1977    73.5 14074100    18334.
##  67 Australia   Oceania    1982    74.7 15184200    19477.
##  68 Australia   Oceania    1987    76.3 16257249    21889.
##  69 Australia   Oceania    1992    77.6 17481977    23425.
##  70 Australia   Oceania    1997    78.8 18565243    26998.
##  71 Australia   Oceania    2002    80.4 19546792    30688.
##  72 Australia   Oceania    2007    81.2 20434176    34435.
##  73 Austria     Europe     1952    66.8  6927772     6137.
##  74 Austria     Europe     1957    67.5  6965860     8843.
##  75 Austria     Europe     1962    69.5  7129864    10751.
##  76 Austria     Europe     1967    70.1  7376998    12835.
##  77 Austria     Europe     1972    70.6  7544201    16662.
##  78 Austria     Europe     1977    72.2  7568430    19749.
##  79 Austria     Europe     1982    73.2  7574613    21597.
##  80 Austria     Europe     1987    74.9  7578903    23688.
##  81 Austria     Europe     1992    76.0  7914969    27042.
##  82 Austria     Europe     1997    77.5  8069876    29096.
##  83 Austria     Europe     2002    79.0  8148312    32418.
##  84 Austria     Europe     2007    79.8  8199783    36126.
##  85 Bahrain     Asia       1952    50.9   120447     9867.
##  86 Bahrain     Asia       1957    53.8   138655    11636.
##  87 Bahrain     Asia       1962    56.9   171863    12753.
##  88 Bahrain     Asia       1967    59.9   202182    14805.
##  89 Bahrain     Asia       1972    63.3   230800    18269.
##  90 Bahrain     Asia       1977    65.6   297410    19340.
##  91 Bahrain     Asia       1982    69.1   377967    19211.
##  92 Bahrain     Asia       1987    70.8   454612    18524.
##  93 Bahrain     Asia       1992    72.6   529491    19036.
##  94 Bahrain     Asia       1997    73.9   598561    20292.
##  95 Bahrain     Asia       2002    74.8   656397    23404.
##  96 Bahrain     Asia       2007    75.6   708573    29796.
##  97 Bangladesh  Asia       1952    37.5 46886859      684.
##  98 Bangladesh  Asia       1957    39.3 51365468      662.
##  99 Bangladesh  Asia       1962    41.2 56839289      686.
## 100 Bangladesh  Asia       1967    43.5 62821884      721.
## # ℹ 1,604 more rows

Crear gráficos

Crear el gráfico de dispersión cruzando Población con PIB per cápita. No es una buena grafica porque es una serie de tiempo.

ggplot(gapminder, aes(x = pop, y = gdpPercap)) +
  geom_point(size = 3, color = "blue") +
  labs(title = "Gráfico de dispersión de Población y PIB per cápita",
       x = "Población",
       y = "PIB per cápita") +
  theme_minimal()

Debemos entonces pensar en solo un año para entender mejor la serie. Analicemos que paso en el año 97 con relación al PIB percapita y la esperanza de vida

# Filtrar datos para el año 1997
datos_1997 <- gapminder[gapminder$year == 1997, ]

# Crear el gráfico de dispersión cruzando PIB per cápita con Esperanza de Vida
ggplot(datos_1997, aes(x = gdpPercap, y = lifeExp)) +
  geom_point(size = 3, color = "green") +
  labs(title = "Gráfico de dispersión de PIB per cápita y Esperanza de Vida (1997)",
       x = "PIB per cápita",
       y = "Esperanza de Vida") +
  theme_minimal()

Serie 1952 a 2007

Veamos ahora la serie desde 1952 a 2007 con respecto a esta relacion, esperanza de vida y PIB per capita

# Filtrar datos para el año 1952 y 2007
datos_1952 <- gapminder[gapminder$year == 1952, ]
datos_2007 <- gapminder[gapminder$year == 2007, ]

# Crear el gráfico de dispersión comparando PIB per cápita y Esperanza de Vida
ggplot() +
  geom_point(data = datos_1952, aes(x = gdpPercap, y = lifeExp, color = "1952"), size = 3) +
  geom_point(data = datos_2007, aes(x = gdpPercap, y = lifeExp, color = "2007"), size = 3) +
  labs(title = "Comparación de PIB per cápita y Esperanza de Vida (1952 vs. 2007)",
       x = "PIB per cápita",
       y = "Esperanza de Vida") +
  scale_color_manual(values = c("1952" = "blue", "2007" = "red")) +
  theme_minimal()

¿Y qué pasa en Colombia?

# Filtrar datos para Colombia desde 1952 a 2007
datos_colombia <- gapminder[gapminder$country == "Colombia" & gapminder$year >= 1952 & gapminder$year <= 2007, ]

# Crear el gráfico de serie de tiempo para PIB per cápita de Colombia
ggplot(datos_colombia, aes(x = year, y = gdpPercap)) +
  geom_line(color = "blue", size = 1.5) +
  labs(title = "Serie de Tiempo: PIB per cápita en Colombia (1952-2007)",
       x = "Año",
       y = "PIB per cápita") +
  theme_minimal()

Comparemos países

Por último, veamos el caso de Colombia, Venezuela y dos países similares en la decada de los 50 (Corea del Sur e Irlanda)

# Filtrar datos para Colombia, Venezuela, Corea del Sur e Irlanda desde 1957 a 2007
datos_paises <- gapminder[gapminder$country %in% c("Colombia", "Venezuela", "Korea, Rep.", "Ireland") & gapminder$year >= 1957 & gapminder$year <= 2007, ]

# Crear el gráfico de serie de tiempo para PIB per cápita de los países seleccionados
ggplot(datos_paises, aes(x = year, y = gdpPercap, color = country)) +
  geom_line(size = 1.5) +
  labs(title = "Serie de Tiempo: PIB per cápita (1957-2007)",
       x = "Año",
       y = "PIB per cápita") +
  theme_minimal()

Base de datos: pooled cross section panel data (pool en dos anos)

Esta es una combinación independiente de cortes transversales en el tiempo datos de 1978 y 1985. Son independientes cada muestra.

library(wooldridge)
data("cps78_85")
head(cps78_85)

tail(cps78_85)

Bases de datos experimentales

Carguemos la base de datos de canasta

datos <- read.csv("experimentos_aleatorios_base copy.csv")
attach(datos)

hist(ha_nchs)