Seleccionar un año específico de la base de datos y mínimo seis (6) variables, entre ellas la variable Status, para realizar un análisis descriptivo según el contexto.
La base de datos permite analizar el comportamiento de los países en vía de desarrollo y desarrollados frente al consumo de alcohol, por otra parte, en este contexto es interesante revisar cómo puede influir en cuanto a la fertilidad.
Consecuente al anterior punto, se hace necesario incluir las siguientes variables para el análisis:
library(readr)
library(tidyverse)
library(dplyr)
library(gapminder)
library(choroplethr)
library(choroplethrMaps)
library(patchwork)
# Cargue BD ---------------------------------------------------------------
WHO1 <- read_csv("Datos/WHO.csv")
min(WHO1$Year)
## [1] 2010
max(WHO1$Year)
## [1] 2018
WHO2010 <- filter (WHO1, Year==2010)
WHO2018 <- filter (WHO1, Year==2018)
Como punto de partida para el análisis de la base de datos, podemos encontrar que la base se encuentra en el periodo comprendido entre los años 2010 y 2018.
#Grafico participación países en desarrollo vs Desarrollados
##2010
# Grafico de circulo o pastel
#2010
plotdata <- WHO2010 %>%
count(Status) %>%
arrange(desc(Status)) %>%
mutate(prop = round(n*100/sum(n), 1),
lab.ypos = cumsum(prop) - 0.5*prop)
plotdata$label <- paste0(plotdata$Status, "\n",
round(plotdata$prop), "%")
# create plot
graph1<-ggplot(plotdata,
aes(x = "",
y = prop,
fill = Status)) +
geom_bar(width = 1,
stat = "identity",
color = "black") +
geom_text(aes(y = lab.ypos, label = label),
color = "black") +
coord_polar("y",
start = 0,
direction = -1) +
theme_void() +
theme(legend.position = "FALSE") +
labs(title = "Participacion por Status 2010")
##
#2018
plotdata <- WHO2018 %>%
count(Status) %>%
arrange(desc(Status)) %>%
mutate(prop = round(n*100/sum(n), 1),
lab.ypos = cumsum(prop) - 0.5*prop)
plotdata$label <- paste0(plotdata$Status, "\n",
round(plotdata$prop), "%")
# create plot
graph2<-ggplot(plotdata,
aes(x = "",
y = prop,
fill = Status)) +
geom_bar(width = 1,
stat = "identity",
color = "black") +
geom_text(aes(y = lab.ypos, label = label),
color = "black") +
coord_polar("y",
start = 0,
direction = -1) +
theme_void() +
theme(legend.position = "FALSE") +
labs(title = "Participacion por status 2018")
graph1+graph2
El análisis lo podemos iniciar comparando el porcentaje de paises de en desarrollo vs los paises desarrollados, en el primer y último año de la base de datos. Es interesante concluir que no existe una variación y que los porcentajes son practicamente iguales, más allá del crecimiento económico, desarrollo tecnológico que se haya presentado.
#Consumo promedio todos los años menos 2018
WHOAÑOS <- filter(WHO1, Year!=2018)
group_by(WHOAÑOS , Status)%>%
summarise(Promedio=mean(Alcohol,na.rm = T))
## # A tibble: 2 × 2
## Status Promedio
## <chr> <dbl>
## 1 Developed 9.23
## 2 Developing 3.58
#Consumo año 2018
group_by(WHO2018 , Status)%>%
summarise(Promedio=mean(Alcohol,na.rm = T))
## # A tibble: 2 × 2
## Status Promedio
## <chr> <dbl>
## 1 Developed 9.04
## 2 Developing 3.53
Se puede comparar el consumo de alcohol en un promedio histórico y se logra observar una leve disminución así:
-Una disminución de 0.19 per cápita, pasando de un promedio de consumo de alcohol de 9.23 en el periodo comprendido entre los años 2010 y 2017 a 9.04 en el 2018, para el segmento de paises desarrollados.
-Por otra parte, aunque con una disminución en el consumo más leve, se logra observar una diferencia de 0.05 per cápita, pasando de un promedio de consumo de alcohol de 3.58 en el periodo comprendido entre los años 2010 y 2017 a 3.53 en el 2018, para el segmento de paises en vía de desarrollo.
#Nivel de PIB
group_by(WHO1 , Status)%>%
summarise(Promedio=mean(GDP,na.rm = T), Desvstand=sd(GDP,na.rm=T))
## # A tibble: 2 × 3
## Status Promedio Desvstand
## <chr> <dbl> <dbl>
## 1 Developed 37762. 23014.
## 2 Developing 6242. 9228.
Como se puede inferir, el PIB promedio de los países desarrollados es superior a los países en vía de desarrollo.
Para el año 2018, el ranking de los 10 países con mayor consumo de alcohol es el siguiente:
#Ranking
Ranking <-select(WHO2018, Country,Status,Fertility, Alcohol) %>%
arrange(-Alcohol) %>%
filter(Alcohol >=11.2 & Alcohol <20)
Ranking
## # A tibble: 9 × 4
## Country Status Fertility Alcohol
## <chr> <chr> <dbl> <dbl>
## 1 Czech Republic Developed 1.57 12.9
## 2 Latvia Developed 1.57 12.6
## 3 Uganda Developing 5.41 12.2
## 4 Austria Developed 1.52 11.8
## 5 Lithuania Developed 1.67 11.5
## 6 Bulgaria Developed 1.59 11.4
## 7 France Developed 1.97 11.2
## 8 Estonia Developed 1.66 11.2
## 9 Ireland Developed 1.98 11.2
group_by(WHO2018 , Status)%>%
summarise(Promedio=mean(Fertility,na.rm = T))
## # A tibble: 2 × 2
## Status Promedio
## <chr> <dbl>
## 1 Developed 1.66
## 2 Developing 3.03
En esta tabla lo que dimensiona es la relación entre consumo de alcohol frente al Status del país, que en primera instancia en los países desarrollado es consecuente. Por otra parte, uno de los países con mayor consumo de alcohol es Uganda el cual se encuentra en vía de desarrolla y resalta por su alto grado de fertilidad.
plotdata <- WHO1 %>%
filter(Year==2018) %>%
rename(region=Country, value=Alcohol) %>%
mutate(region = tolower(region))
country_choropleth(plotdata)+
scale_fill_brewer(palette="YlOrRd") +
labs(title = "Paises clasificados por consumo de alcohol",
subtitle = "Año 2018",
fill = "Escala de consumo")
En el anterior gráfico se logra apreciar una escala de los países con mayor y menor consumo de alcohol.
#Media de PIB, Expectativa de Vida, Consumo de Acohol, Fertilidad para países en desarrollo y desarrollados
group_by(WHO1 , Status)%>%
summarise(PromPIB=mean(GDP,na.rm = T),
PromEV=mean(Life.expectancy,na.rm=T),
PromCA=mean(Alcohol,na.rm=T),
PromFert=mean(Fertility,na.rm=T))
## # A tibble: 2 × 5
## Status PromPIB PromEV PromCA PromFert
## <chr> <dbl> <dbl> <dbl> <dbl>
## 1 Developed 37762. 80.0 9.21 1.66
## 2 Developing 6242. 68.5 3.57 3.19
library(readxl)
library(tidyverse)
library(dplyr)
library(ggcorrplot)
library(ggplot2)
library(visreg)
library(nortest)
library(lmtest)
library(gapminder)
library(tidyverse)
library(car)
WHO2 <- read_csv("Datos/WHO.csv")
WHO2018 <- filter (WHO2, Year==2018)
ggplot(WHO2018, aes(x=WHO2018$Alcohol, y=WHO2018$Life.expectancy))+
geom_point()+
labs(x = "Consumo de alcohol",
y = "Expectativa de vida",
title = "Análisis de correlación")
cor(WHO2018$Alcohol, WHO2018$Life.expectancy, use='complete.obs')
## [1] 0.4130172
ggplot(WHO2018, aes(x=WHO2018$Alcohol, y=WHO2018$GDP))+
geom_point()+
labs(x = "Consumo de alcohol",
y = "PIB",
title = "Análisis de correlación")
cor(WHO2018$Alcohol, WHO2018$Life.expectancy, use='complete.obs')
## [1] 0.4130172
ggplot(WHO2018, aes(x=WHO2018$Alcohol, y=WHO2018$Fertility))+
geom_point()+
labs(x = "Consumo de alcohol",
y = "Fertilidad",
title = "Análisis de correlación")
cor(WHO2018$Alcohol, WHO2018$Life.expectancy, use='complete.obs')
## [1] 0.4130172
Se elabora un modelo con Expectativa de vida como variable dependiente, y Alcohol, PIB, Fertilidad y Homicidios como variables independientes.
modelo <- lm(WHO2018$Life.expectancy ~ WHO2018$Alcohol +
WHO2018$GDP + WHO2018$Fertility + WHO2018$Homicides , WHO2018 )
summary(modelo)
##
## Call:
## lm(formula = WHO2018$Life.expectancy ~ WHO2018$Alcohol + WHO2018$GDP +
## WHO2018$Fertility + WHO2018$Homicides, data = WHO2018)
##
## Residuals:
## Min 1Q Median 3Q Max
## -13.6305 -1.7116 0.2498 2.2741 9.3309
##
## Coefficients:
## Estimate Std. Error t value Pr(>|t|)
## (Intercept) 8.239e+01 9.802e-01 84.059 < 2e-16 ***
## WHO2018$Alcohol -4.093e-02 8.147e-02 -0.502 0.61603
## WHO2018$GDP 1.178e-04 1.626e-05 7.244 1.5e-11 ***
## WHO2018$Fertility -4.084e+00 2.475e-01 -16.501 < 2e-16 ***
## WHO2018$Homicides -6.507e-02 2.379e-02 -2.735 0.00691 **
## ---
## Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
##
## Residual standard error: 3.5 on 168 degrees of freedom
## (10 observations deleted due to missingness)
## Multiple R-squared: 0.7877, Adjusted R-squared: 0.7826
## F-statistic: 155.8 on 4 and 168 DF, p-value: < 2.2e-16
B0<-modelo$coefficients[1]
B1<-modelo$coefficients[2]
B2<-modelo$coefficients[3]
B3<-modelo$coefficients[4]
B4<-modelo$coefficients[5]
La ecuación del modelo es:
EV = 82.3910275 + -0.0409331X + 1.1775487^{-4}Y + -4.0844834Z + -0.0650699W
Donde:
EV: Expectativa de vida
X : Alcohol
Y : PIB
Z : Fertilidad
W : Homicidios
Del modelo podemos inferir que la variable Alcohol no es significativa para la determinación de la Expectativa de vida.
Base <- WHO2018 %>% select(Life.expectancy,
Alcohol: Measles, Polio:Population,
Homicides:Fertility)
Base1 <- cor(Base, use='complete.obs')
ggcorrplot(Base1)
ggcorrplot(Base1,
hc.order = TRUE,
type = "lower",
lab = TRUE)
En este apartado se elabora un modelo con Alcohol como variable dependiente, y Expectativa de vida, PIB, Población, Homicidios y Fertilidad como variables independientes.
data <- data.frame(Base)
WHO_lm <- lm( Alcohol ~ Life.expectancy + GDP + Population +
Homicides + Fertility, data = data)
summary(WHO_lm)
##
## Call:
## lm(formula = Alcohol ~ Life.expectancy + GDP + Population + Homicides +
## Fertility, data = data)
##
## Residuals:
## Min 1Q Median 3Q Max
## -7.7873 -2.0989 -0.2951 1.8867 14.5396
##
## Coefficients:
## Estimate Std. Error t value Pr(>|t|)
## (Intercept) 9.145e+00 6.080e+00 1.504 0.13443
## Life.expectancy -3.806e-02 7.323e-02 -0.520 0.60395
## GDP 6.873e-05 1.687e-05 4.075 7.09e-05 ***
## Population -6.320e-10 1.679e-09 -0.376 0.70707
## Homicides 1.411e-02 2.311e-02 0.611 0.54235
## Fertility -9.759e-01 3.745e-01 -2.606 0.00999 **
## ---
## Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
##
## Residual standard error: 3.32 on 167 degrees of freedom
## (10 observations deleted due to missingness)
## Multiple R-squared: 0.2653, Adjusted R-squared: 0.2433
## F-statistic: 12.06 on 5 and 167 DF, p-value: 5.55e-10
A continuación, se grafican las lineas del modelo para PIB y Fertilidad, dado que son las variables mas significativas
visreg(WHO_lm, "GDP", gg = TRUE)
visreg(WHO_lm, "Fertility", gg = TRUE)
plot(WHO_lm)
H0 : La distribución es normal
H1 : La distribución no es normal
El valor-P es menor a 0.05 por lo que podemos decir que nuestros datos no siguen una distribución normal.
# Normalidad
shapiro.test(WHO_lm$residuals )
##
## Shapiro-Wilk normality test
##
## data: WHO_lm$residuals
## W = 0.97369, p-value = 0.002286
H0:los errores tienen varianza constante.
H1:los errores no tienen varianza constante.
Se observa que el valor-P es mayor a 0.05, por lo tanto, hay evidencias para decir que n se cumple la homocedasticidad de los errores
# Varianza constante
bptest(WHO_lm)
##
## studentized Breusch-Pagan test
##
## data: WHO_lm
## BP = 2.0819, df = 5, p-value = 0.8377
Vemos que los VIF de todas las variables, son muy pequeños, eso indica que no hay un problema de colinealidad entre las variables.
# Multicolinealidad
vif(WHO_lm)
## Life.expectancy GDP Population Homicides Fertility
## 4.714634 1.796677 1.017322 1.128673 3.464510
# Variable categórica
modelo3 <- lm(WHO2018$Life.expectancy ~ WHO2018$Alcohol +
WHO2018$GDP + as.factor(WHO2018$Status), WHO2018)
summary(modelo3)
##
## Call:
## lm(formula = WHO2018$Life.expectancy ~ WHO2018$Alcohol + WHO2018$GDP +
## as.factor(WHO2018$Status), data = WHO2018)
##
## Residuals:
## Min 1Q Median 3Q Max
## -15.771 -2.720 1.085 3.842 9.271
##
## Coefficients:
## Estimate Std. Error t value Pr(>|t|)
## (Intercept) 7.294e+01 1.924e+00 37.908 < 2e-16 ***
## WHO2018$Alcohol 1.352e-01 1.370e-01 0.987 0.32496
## WHO2018$GDP 1.594e-04 3.025e-05 5.269 4.07e-07 ***
## as.factor(WHO2018$Status)Developing -4.560e+00 1.598e+00 -2.853 0.00486 **
## ---
## Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
##
## Residual standard error: 5.515 on 172 degrees of freedom
## (7 observations deleted due to missingness)
## Multiple R-squared: 0.4632, Adjusted R-squared: 0.4538
## F-statistic: 49.47 on 3 and 172 DF, p-value: < 2.2e-16