Lab3

#Questão

Estamos interessados na relação entre quanto as pessoas de diferentes países comentam em questões dos outros. A proporção das pessoas do país que comentou nas questões de outros está medido na variável comentaram_prop.

Considerando essa variável, queremos examinar a relação entre ela e o quão hierárquicas são as relações em um país (PDI). Queremos também levar em conta o quanto as pessoas daquele país têm acesso à Internet (Internet) e qual o tamanho da base de dados que detectamos daquele país (usuarios).

Faça uma visualização que usa os princípios de eficácia no projeto de visualizações para facilitar as comparações que você acha que são as mais importantes para entendermos esse contexto.

Análise 1 – Internet x Comentários

ggplot(data = dados) +
geom_point(mapping = aes(x = Internet, y = comentaram_prop))

## Warning: Removed 4 rows containing missing values (`geom_point()`).

dados %>% summarise(
    spearman = cor(Internet,comentaram_prop,method ="spearman", use = "complete.obs"),  
  
    pearson = cor(Internet,comentaram_prop,method ="pearson", use = "complete.obs"),
    
    kendall = cor(Internet,comentaram_prop, method = "kendall", use = "complete.obs"))

##    spearman   pearson   kendall
## 1 0.5834536 0.5492399 0.4329312

Essa correlação representa que os comentários são maiores onde o acesso a internet também é maior. Isso demonstra uma relação moderada e positiva devido ao citado anteriormente.

Análise 2 – PDI x Comentários

ggplot(data = dados) +
geom_point(mapping = aes(x = comentaram_prop, y = PDI))

A partir da observação dos dados referentes ao PDI e os comentários, foi entendido que os comentários seguem a proporção do PDI, quanto menor o primeiro indicar, menor a quantidade de comentários e o contrário também é observado. Através disso, é percebido que existe uma concentração maior na taxa de comentários entre 0.2 e um pouco além de 0.3 e por outro lado, essa concentração representa o valor do PDI entre 50 e 70.

Análise 3 – Comentários por país x Usuários

ggplot(data = dados) +
geom_point(mapping = aes(x = comentaram_prop, y = usuarios))

Ambas as variáveis apresentadas são representadas por valores muito baixo, não sendo possível identificar a correlação entre elas, porém, são representados outliers em alguns casos, o que cabe uma melhor análise para identificar os países e entender melhor esses dados fora do comum, se considerarmos todos os outros dados.

Outras formas de visualizar os dados

ggplot(data = dados) +
geom_point(mapping = aes(x = Internet, y = comentaram_prop, color = country))

## Warning: Removed 4 rows containing missing values (`geom_point()`).

Os dados são representados por cores e cada cor um país. Devido quantidade enorme de países e escalas de cores utilizadas, sendo que elas possuem diferenças imperceptíveis, a visualização e a consequente relação dos pontos com países são difíceis de serem realizadas.

ggplot(na.omit(dados), aes(
    x=PDI , 
    y=comentaram_prop,
    shape = log10(usuarios),
    color = Internet)) +
    scale_color_gradient(low = "red", high = "orange") +
    geom_point(alpha=4) +
      labs(title = "comentarios X  Internet X PDI X usuarios",
           y = "comentarios",
           x = "PDI",
           shape = "Quantidade usuarios") +
    scale_shape_binned()

Apresentar os dados por formas e sem uma variedade compatível a enorme quantidade de dados, dificulta a visualização e o consequente entendimentos dos dados

Bônus

dados  %>% 
    filter(!is.na(six_regions)) %>%
    ggplot(aes(
        x=PDI , 
        y=comentaram_prop,
        size = log10(usuarios),
        color = Internet)) +
    scale_color_gradient(low = "blue", high = "orange") +
    geom_point(alpha=6.0) +
    facet_wrap(~ six_regions)