Índice de Progresso Social

Uma análise dos indicadores de construção do índice de progresso social

Análise Descritiva de Dados

Importando Pacotes

require(dplyr)
require(GGally)
library(ggplot2)
library(reshape2)
library(caret)

Importando Bases

ips_componentes = read.csv(file = "https://raw.githubusercontent.com/Claudionor20/MultivariateAnalysis/main/bases/ips_componentes1620.csv")
ips_componentes = ips_componentes[,-1]

ips_indicadores = read.csv(file = "https://raw.githubusercontent.com/Claudionor20/MultivariateAnalysis/main/bases/ips_indicadores1620.csv")
ips_indicadores = ips_indicadores[,-1]

Left Join

ips <- ips_componentes|>
  dplyr::left_join(ips_indicadores, by = c("ano", "regiao_administrativa"))

Plotando Gráficos

Média de IPS ao longo dos anos por região administrativa

ips |>
  group_by(regiao_administrativa) %>%
  summarise(media_ips = mean(ips_geral)) %>%
  arrange(desc(media_ips)) %>%
  ggplot(aes(x = reorder(regiao_administrativa, media_ips), y = media_ips)) +
  geom_bar(stat = "identity", fill = "blue") +
  theme_minimal() +
  coord_flip() +
  labs(title = "Média de IPS por Região Administrativa",
       x = "Região Administrativa",
       y = "Média de IPS")

Evolução anual do IPS de cada regisão administrativa

ips |>
  ggplot(aes(x = factor(ano), y = ips_geral)) +
  geom_bar(stat = "identity", position = "dodge", aes(fill = regiao_administrativa), width = 0.7) +
  scale_fill_viridis_d() +  
  theme_minimal() +
  theme(
    text = element_text(size = 14),  
    axis.text.x = element_text(size = 12),  
    axis.text.y = element_text(size = 12),  
    legend.title = element_text(size = 12), 
    legend.text = element_text(size = 10),  
    panel.grid.major = element_line(color = "gray", linetype = "dotted"),  
    panel.grid.minor = element_blank()  
  ) +
  labs(
    title = "Evolução do IPS por Região Administrativa",
    x = "Ano",
    y = "IPS",
    fill = "Região Administrativa"
  ) +
  facet_wrap(~ regiao_administrativa, scales = "free_y", ncol = 6)  

Boxplot dos indicadores de IPS por ano

ips_geral <- ips|>
  select(ano,ips_geral)

ips_geral|>
  ggplot(aes(x = as.factor(ano), y = ips_geral)) +
  geom_boxplot(aes(fill = "Ano"), color = "gray50", outlier.color = "red", outlier.shape = 16, outlier.size = 3) +
  scale_fill_manual(values = "#66C2A5") + 
  theme_minimal(base_size = 14) +
  theme(
    axis.text.x = element_text(angle = 45, hjust = 1),
    panel.grid.major.x = element_blank(),  
    panel.grid.minor = element_blank(),  
    legend.position = "none"  
  ) +
  labs(
    title = "Distribuição do IPS por Ano",
    x = "Ano",
    y = "IPS"
  )

Histogramas

data_long <- melt(ips, id.vars = c("ano", "regiao_administrativa"))


ggplot(data_long, aes(x = value)) +
  geom_histogram(bins = 30, fill = "blue", alpha = 0.7) +
  theme_minimal() +
  facet_wrap(~ variable, scales = "free_x") +
  labs(title = "Histogramas Dos Indicadores do IPS",
       x = "Valor",
       y = "Frequência")

Análise de Correlação

Matriz de Correlação

correlacao <- cor(ips[,-c(1,2)])
corrplot(correlacao, method = "circle", tl.cex = 0.6)

Variáveis de alta correlação com IPS

correlacao_ips <- as.data.frame(correlacao)
correlacao_ips <- correlacao_ips[1,]

variaveis_correlacionadas_ips <- which(correlacao_ips > 0.7)
nomes_variaveis_correlacionadas_ips <- colnames(correlacao_ips)[variaveis_correlacionadas_ips]
print(nomes_variaveis_correlacionadas_ips)

 [1] "ips_geral"                                  "necessidades_humanas_basicas_nota_dimensao"
 [3] "moradia"                                    "fundamentos_bem_estar_nota_dimensao"       
 [5] "acesso_conhecimento_basico"                 "acesso_informacao"                         
 [7] "oportunidades_nota_dimensao"                "liberdades_individuais"                    
 [9] "tolerancia_inclusao"                        "acesso_educacao_superior"                  
[11] "prop_acesso_telefone_celular_fixo"          "prop_acesso_internet"                      
[13] "prop_coleta_seletiva_lixo"                  "prop_pessoas_ensino_superior"              
[15] "prop_negros_indigenas_ensino_superior"      "prop_frequencia_ensino_superior"           

# É possível perceber que a maioria dos indicadores de IPS possuem correlação alta com o próprio IPS