Exploración

Row {data-height = 500}

ENTREGA 3: Introducción del dashboard

La confianza en las instituciones es esencial para una sociedad próspera y una gobernanza efectiva, impulsando el desarrollo económico. Sin embargo, según el OCDE (2022), la confianza en las instituciones públicas es alarmantemente baja, con valores por debajo del 30%. Este dashboard se centra en identificar y analizar las variables que explican el aumento de la desconfianza institucional en América Latina y el Caribe, prestando especial atención a la desigualdad, los límites al poder gubernamental, la justicia penal y la corrupción.

Estructura

'data.frame':   17 obs. of  9 variables:
 $ país           : Factor w/ 17 levels "Argentina","Bolivia",..: 6 11 13 14 8 9 12 1 15 16 ...
 $ porc_confi     : num  60 53 34 22 34 31 31 28 52 52 ...
 $ demo           : Factor w/ 2 levels "No","Sì": 2 2 2 2 2 1 2 2 2 2 ...
 $ indice_corrup  : num  54 31 28 36 24 23 36 38 32 74 ...
 $ desigualdad    : num  0.47 0.44 0.45 0.4 0.48 0.48 0.51 0.41 0.37 0.41 ...
 $ lim_legislativo: num  0.76 0.46 0.63 0.6 0.52 0.34 0.54 0.61 0.23 0.76 ...
 $ lim_judicial   : num  0.69 0.44 0.45 0.71 0.51 0.33 0.44 0.46 0.31 0.72 ...
 $ investiga      : num  0.41 0.19 0.32 0.5 0.21 0.21 0.32 0.27 0.52 0.39 ...
 $ poblacion      : num  5.18e+06 1.28e+08 6.78e+06 3.40e+07 1.74e+07 ...

Resumen

         país      porc_confi    demo    indice_corrup    desigualdad    
 Argentina : 1   Min.   :21.00   No: 3   Min.   :14.00   Min.   :0.3700  
 Bolivia   : 1   1st Qu.:29.00   Sì:14   1st Qu.:31.00   1st Qu.:0.4100  
 Brasil    : 1   Median :32.00           Median :36.00   Median :0.4500  
 Chile     : 1   Mean   :35.41           Mean   :37.94   Mean   :0.4494  
 Colombia  : 1   3rd Qu.:39.00           3rd Qu.:39.00   3rd Qu.:0.4800  
 Costa Rica: 1   Max.   :60.00           Max.   :74.00   Max.   :0.5500  
 (Other)   :11                                                           
 lim_legislativo   lim_judicial      investiga        poblacion        
 Min.   :0.1700   Min.   :0.1200   Min.   :0.1200   Min.   :  2827377  
 1st Qu.:0.4600   1st Qu.:0.4200   1st Qu.:0.2100   1st Qu.:  6780744  
 Median :0.5300   Median :0.4600   Median :0.2800   Median : 17357886  
 Mean   :0.5224   Mean   :0.4871   Mean   :0.3053   Mean   : 36161559  
 3rd Qu.:0.6300   3rd Qu.:0.6300   3rd Qu.:0.3900   3rd Qu.: 34049588  
 Max.   :0.7600   Max.   :0.7200   Max.   :0.5200   Max.   :215313498

Row {data-height = 500}

Presentando la base

Esta investigaciòn gira alrededor de una variable dependiente: porc_confi, que representa al nivel de confianza en las instituciones. La poblaciòn tomada para realizar el estudio son los ciudadanos de Amèrica Latina y El Caribe, que concentra una de las secciones màs bajas de las estadìsticas realizadas por la OCDE. La variable paìs describe cada una de estas 17 regiones.

Por otro lado, la variable demo es del tipo categòrica y evalùa si determinado paìs obedece a un règimen democràtico o no, por lo que està subdividida en esos dos niveles. “indice_corrup” representa el ìndice de corrupciòn percibida, que parece ser en una primera hipòtesis la variable con una mayor correlaciòn a la dependiente. “investiga” mide el nivel de investigaciones efectivas en la justicia penal, mientras que “desigualdad” corresponde a la divergencia entre lo urbano y lo rural de cada regiòn. Finalmente, tanto lim_legislativo como lim_judicial representan los lìmites al poder gubernamental desde distintos ejes en forma de ìndice.

La variable dependiente

Row

Anàlisis univariado de la variable dependiente

Notamos que la distribuciòn de los valores en la variable dependiente puede estar sesgada, dado la posiciòn de la mediana en el boxplot. Ademàs, existe la presencia de algùn valor atìpico, que puede explicarse en la diferencia de densidad poblacional entre la regiòn de Amèrica Latina y los paìses del Caribe.

Nivel de confianza en las instituciones

Row

Descripción de las correlaciones

De primera, podrìamos decir que la correlaciòn con las variables no es muy fuerte. Sin embargo, determinadas variables como el ìndice de corrupciòn y las investigaciones efectivas muestran una tendencia màs fuerte y positiva, tal vez comprobando nuestra primera hipòtesis.

Matriz de correlaciones

Modelos de regresión

Row

Modelo de regresión lineal múltiple (Gauss)

Se elige este modelo porque la variable que estamos analizando, porc_confi, es numérica y continua. En consecuencia, se desarrollarán dos modelos que luego serán evaluados en comparación entre sí.

Row

MODELO 1

Regresiòn: modelo 1
	apropiacion (I)
(Intercept)	22.323*
	(8.213)
indice_corrup	0.309
	(0.192)
poblacion	0.000
	(0.000)
Num.Obs.	17
R2	0.171
R2 Adj.	0.053
AIC	136.2
BIC	139.5
Log.Lik.	-64.084
F	1.445
RMSE	10.49
+ p < 0.1, * p < 0.05, p < 0.01, * p < 0.001

Interpretación del modelo 1

Hipótesis: El nivel de confianza en las instituciones es afectado por el indice de corrupciòn percibida en cada paìs, controlado por la población total.

Al probar la hipòtesis comprobamos que:

Un cambio de una unidad en indice_corrup se asocia con un cambio promedio de 0.309 unidades en apropiacion.
Pese a lo anterior, la variable indice_corrup no es significativa.
El R² y R² Ajustado indican que el modelo explica aproximadamente el 17.1% de la variabilidad en apropiacion, con una ligera mejora sobre un modelo sin variables independientes.

Row

MODELO 2

Regresion: modelo 2
	apropiacion (I)
(Intercept)	17.910
	(10.119)
indice_corrup	0.225
	(0.224)
investiga	23.794
	(30.937)
poblacion	0.000
	(0.000)
Num.Obs.	17
R2	0.207
R2 Adj.	0.024
AIC	137.4
BIC	141.6
Log.Lik.	-63.705
RMSE	10.26
+ p < 0.1, * p < 0.05, p < 0.01, * p < 0.001

Interpretación del modelo 2

Hipotesis: El nivel de confianza en las instituciones es afectado por el indice de corrupciòn percibida y el nivel de investigaciones efectivas en cada paìs, controlado por la población total.

Observamos:

Un cambio de una unidad en investiga se asocia con un cambio promedio de 23.794 unidades en apropiacion.
La variable investiga no es significativa.
El R² y R² Ajustado indican que el modelo explica aproximadamente el 20.7% de la variabilidad en apropiacion, aunque con un ajuste muy limitado.
La variable dependiente deja de ser significativa cuando se le agrega esta variable, por lo que no es el mejor modelo.

Comparación de modelos

Row

Resumen de modelos

Resultados de todos los modelos
	apropiacion (I)	apropiacion (II)
(Intercept)	22.323*	17.910
	(8.213)	(10.119)
indice_corrup	0.309	0.225
	(0.192)	(0.224)
poblacion	0.000	0.000
	(0.000)	(0.000)
investiga		23.794
		(30.937)
Num.Obs.	17	17
R2	0.171	0.207
R2 Adj.	0.053	0.024
AIC	136.2	137.4
BIC	139.5	141.6
Log.Lik.	-64.084	-63.705
F	1.445
RMSE	10.49	10.26
+ p < 0.1, * p < 0.05, p < 0.01, * p < 0.001

Comparación de efectos

Row

Comparación modelos

Tabla ANOVA para comparar modelos
Res.Df	RSS	Df	Sum of Sq	F	Pr(>F)
14	1871.651	NA	NA	NA	NA
13	1790.193	1	81.4577	0.5915284	0.4555758

Anàlisis

Basado en los resultados de la prueba ANOVA, no hay diferencia significativa entre los dos modelos en términos de ajuste y capacidad para explicar la varianza en la variable dependiente. Ambos modelos tienen un desempeño similar según el estadístico F y el valor p asociado. Teniendo esto en cuenta, si notamos que el primer modelo tiene un AIC menor que el del segundo modelo, podemos considerarlo como mejor.

Aùn asì, ningùn modelo resultò significativo por lo que no se puede argumentar que el ìndice de corrupciòn percibida ni el nivel de investigaciones tengan un efecto proporcionalmente directo a la caìda de la confianza en las instituciones en ALC.

Clusters: PAM

Row

PAM: Número de clusters

	país	porc_confi	pam
6	6	60	1
11	11	53	1
13	13	34	2
14	14	22	2
8	8	34	2
9	9	31	2
12	12	31	2
1	1	28	2
15	15	52	1
16	16	52	1
2	2	33	2
3	3	39	2
4	4	29	2
7	7	21	2
5	5	30	2

PAM: Clusterizaciòn

Paìses mal clusterizados

NULL

Row

Se recomendó utilizar un único clúster para el análisis, pero debido a los objetivos de la investigación, se optó por utilizar dos. Posteriormente, no se identificó ningún país que estuviera agrupado incorrectamente.

Clusters: AGNES

Row

AGNES: Número de clusters

AGNES: Clusterización

Paìses mal clusterizados

NULL

Row

Esta vez, AGNES sugiere 2 clusters para el anàlisis. En la bùsqueda de agrupaciones mal clusterizadas, nuevamente, no se encuentra ninguna.

Clusters: DIANA

Row

DIANA: Número de clusters

DIANA: Clusterización

Provincias mal clusterizadas

NULL

Row

El nùmero de clusters sugeridos por Diana es 2. Nuevamente, no encuentra valores perdidos pero la clusterizaciòn es buena y empata con Agnes.

Row

Sìntesis: Ya que la mejor clusterizaciòn se encuentra entre Agnes y Diana, cualquiera de estos modelos serà el mejor. Ambos tienen nulos valores perdidos y ademàs, no hay diferencia sus Silhouette width.

	país	porc_confi	pam
6	6	60	1
11	11	53	1
13	13	34	2
14	14	22	2
8	8	34	2
9	9	31	2
12	12	31	2
1	1	28	2
15	15	52	1
16	16	52	1
2	2	33	2
3	3	39	2
4	4	29	2
7	7	21	2
5	5	30	2

	país	porc_confi	pam
6	6	60	1
11	11	53	1
13	13	34	2
14	14	22	2
8	8	34	2
9	9	31	2
12	12	31	2
1	1	28	2
15	15	52	1
16	16	52	1
2	2	33	2
3	3	39	2
4	4	29	2
7	7	21	2
5	5	30	2

	país	porc_confi	pam
6	6	60	1
11	11	53	1
13	13	34	2
14	14	22	2
8	8	34	2
9	9	31	2
12	12	31	2
1	1	28	2
15	15	52	1
16	16	52	1
2	2	33	2
3	3	39	2
4	4	29	2
7	7	21	2
5	5	30	2