Análisis bivariado I: dos variables cualitativas 1
Preguntas:
De acuerdo con las lecturas qué tipos de análisis descriptivos se implementan cuanto se tienen dos variables cualitativas?.
Es relevante el nivel de medida en la comparación de las dos variables?.
Por qué se dice en el libro online R4Epi lo siguiente?: “Generally speaking, there is no good way to describe the relationship between a continuous predictor and a categorical outcome… So, when your outcome is categorical, the predictor must also be categorical. Therefore, any continuous predictor variables must be collapsed into categories before conducting bivariate analysis when your outcome is categorical. The best categories are those that have scientific or clinical meaning”.
Ejemplo (Continuación): Análisis descriptivos bivariados Calidad de vida
Con el conjunto datos2 obtenga la distribución de frecuencias entre las siguientes variables:
Eps vs Sexo
Ocupacion vs Sexo
Ocupacion vs Eps
Preguntas:
Cuáles son los análisis descriptivos básicos para este tipo de análisis bivariados?.
Qué librerías sugiere el sitio web R4Epi para este tipo de análisis?.
A parte de las distribuciones de frecuencias, que otros análisis estadísticos son de uso frecuente en el ámbito epidemiológico?.
Que infuencia tiene la presencia de datos faltantes en estos análisis?. Cómo es el manejo que se da en el ejemplo 1 del capítulo 24?.
Librerías recomendadas en R para tablas descriptivas
Aunque existen muchas librerías en R para realizar tablas, las siguientes son algunas de las recomendadas (Fuente: perplexity IA):
janitor::tabyl es ideal para quienes buscan simplicidad y un formato limpio.
gmodels::CrossTable es útil para usuarios que prefieren un enfoque más tradicional.
gtsummary::tbl_cross es la mejor opción para aquellos que desean integrar sus análisis en informes más complejos o utilizar características avanzadas.
Comparación librerías
Característica
janitor::tabyl
gmodels::CrossTable
gtsummary::tbl_cross
Formato de Salida
Genera un dataframe “tidy” que es fácil de manipular y exportar.
Muestra resultados en un formato más tradicional, similar a la tabla base de R.
Produce tablas que se integran bien con RMarkdown y pueden ser convertidas a objetos gt para personalización avanzada.
Cálculo de Porcentajes
Muestra automáticamente conteos y porcentajes, pero no incluye porcentajes acumulativos.
Presenta proporciones claramente, pero sin opción de acumulación.
Permite agregar estadísticas descriptivas y resúmenes, aunque no se centra exclusivamente en porcentajes.
Manejo de Datos Faltantes
Indica el porcentaje de datos no faltantes.
No destaca explícitamente los valores faltantes.
Puede incluir estadísticas sobre datos faltantes si se configura adecuadamente.
Opciones Avanzadas
Limitado en términos de configuraciones avanzadas para análisis complejos.
Proporciona opciones básicas sin personalización extensiva.
Ofrece funciones adicionales como add_overall para incluir estadísticas generales y soporte para modelos estadísticos.
Ejemplos y ejercicios análisis descriptivos bivariados
Vaya al tutorial estudiantes y resuelva la tercera sección del tutorial
Gráficos descriptivos: ggplot2
Razones para utilizar ggplot2
Flexibilidad: Permite crear una gran variedad de gráficos, desde diagramas de dispersión hasta gráficos de líneas y boxplots, adaptándose a diferentes tipos de datos y análisis.
Facilidad de Personalización: ggplot2 permite personalizar casi todos los aspectos del gráfico, incluyendo colores, temas, etiquetas y escalas, lo que facilita la creación de visualizaciones atractivas y informativas.
Integración con Otros Paquetes: Funciona bien con otros paquetes del tidyverse, como dplyr para manipulación de datos y tidyr para el manejo de datos en formato largo o ancho.
Fundamentos de ggplot2
Características de la sintaxis en ggplot2:
Comienza con el comando ggplot() como punto de partida - esto “abre” el ggplot y permite agregar las funciones subsecuentes con +.
Añade capas “geom” - estas funciones visualizan los datos como geometrías (formas). Todas estas funciones comienzan con geom_ como prefijo.
Añade elementos de diseño al gráfico: etiquetas de ejes, título, fuentes, tamaños, esquemas de color, leyendas.
Geometrías principales:
Histogramas - geom_histogram()
Gráficos de barras - geom_bar() o geom_col()
Gráficos de caja - geom_boxplot()
Puntos (por ejemplo, gráficos de dispersión) - geom_point()
Gráficos de líneas - geom_line() o geom_path()
Líneas de tendencia - geom_smooth()
Preparación de los datos
Estructura de datos
El estado de sus datos afectará a la función de trazado que utilice:
Si tus datos son observaciones en bruto con una fila por observación, es probable que utilices geom_bar().
Si sus datos ya están agregados en recuentos o proporciones, es probable que utilices geom_col().
Ejemplo: Primeros pasos con ggplot2
Use los datos del data frame trial (gtsummary) para representar gráficamente la distribución de frecuencias entre la respuesta al tratamiento y los dos tipos de drogas.
Paso 1: Estructura de los datos
apply(trial,2,class)
trt age marker stage grade response
"character" "character" "character" "character" "character" "character"
death ttdeath
"character" "character"
### Consultar el tipo de variables
### Cargar paquetespacman::p_load( dplyr, ## sintaxis pipe y mutate forcats, ## Convertir a factor con fct_relevel ggplot2 ## Para gráficos)### Convertir las variables trt y response en factortrial2 <-trial %>%mutate(trt_cat=fct_relevel(trt),response_cat=case_when( response==0~"No", response==1~"Sí",is.na(response) ~NA_character_ ),response_cat=fct_relevel(response_cat) )
Paso 2: Gráfico de barras
trial2 %>%ggplot() +geom_bar(aes(x = trt_cat, fill =response_cat), width =0.7) +theme_minimal()+theme(legend.position ="right") +labs(title ="Gráfico de barras apiladas",x ="Tratamiento")
Ejercicio
Usar las funciones anteriores para el análisis bivariado descriptivo entre las variables Sexo, Eps y Ocupacion mediante:
Tablas de frecuencias cruzadas.
Gráficos descriptivos bivariados.
Análisis bivariado II: dos variables cuantitativas
Ejemplo motivación: existe una relación entre la frecuencia cardíaca y el ejercicio?.
Fuente: R4epi
Variable predictora vs respuesta?
Fuente: R4Epi
Coeficiente de correlación de Pearson
La ecuación del coeficiente de correlación de Pearson es:
- \(r\) es el coeficiente de correlación de Pearson.
- \(x_i\) y \(y_i\) son los valores de las variables x e y , respectivamente.
- \(\bar{x}\) y \(\bar{y}\) son las medias de las variables x e y , respectivamente.
- n es el número de pares de datos.
Este coeficiente mide la fuerza y dirección de la relación lineal entre dos variables.
Valores del coeficiente de correlación (Fuente: R4Epi)
Gráfico de dispersión y tipos de relaciones
Fuente: Madariaga, D. F. C., Rodríguez, J. L. G., Lozano, M. R., & Vallejo, E. H. C. (2013). Aplicación de la regresión lineal en un problema de pobreza. Interacción, 12, 73-84.
