Contexto
Column {data-width=500}
Introducción
En las elecciones presidenciales de Perú en 2021, el triunfo de Pedro Castillo en la segunda vuelta reflejó un respaldo significativo de sectores históricamente marginados. Su electorado se caracterizó por incluir mayoritariamente a mujeres, jóvenes, y poblaciones de regiones con bajo Índice de Desarrollo Humano (IDH). Estos votantes, motivados por demandas de justicia social, igualdad y representatividad, encontraron en Castillo una alternativa al statu quo político y económico. Este análisis explora las características socioeconómicas y demográficas que contribuyeron a consolidar su victoria frente a Keiko Fujimori. Pregunta: ¿Cuáles fueron las características de un votante por Pedro Castillo en Segunda vuelta 2021?
Column
Análisis Univariado
Column
Comentarios V. Dependiente
Histograma: Se puede apreciar desde el valor mínimo al máximo, la media y la desviación típica.
- Min.: 25.93000
- 1st Q: 52.4075000
- Median: 68.11500
- Mean: 67.04954
- 3st Q: 83.8175000
- Max.: 96.46000
- SD.: 18.45752
- CV: 0.2752819
La curva roja es una estimación suavizada de la densidad de los datos y resalta una concentración en torno a los rangos de 60%-80%, con una caída a medida que el porcentaje de votos disminuye.
Column
Histograma V. Dependiente
Análisis Bivariado
Column
Comentarios
Después de realizar la correlación Spearman, se conluyó que las variables:
El “porcentaje_mujeres”, sí tiene correlación con la variable dependiente mientras que,
El “porcentaje_jovenes”, tiene una correlación baja e,
“IDH”, sí existe correlación.
Column {data-width=600}
Bivariado 1
Spearman$estimate
rho
0.2728297
$p.value
[1] 0.0001093545Bivariado 2
Spearman$estimate
rho
0.1441227
$p.value
[1] 0.04386842Bivariado 3
Spearman$estimate
rho
-0.4647144
$p.value
[1] 6.814326e-12Regresión Lineal
Column
Comentarios
Interpretación RL1:
El porcentaje de mujeres votantes SÍ tiene efecto y es significativo, por lo que, tiene una relación directa controlado por el porcentaje de pobreza extrema.
Interpretación RL2:
El porcentaje de jovenes no es significativo en los votos por Castillo.
Interpretación RL3:
Añadimos la variable IDH y todas las variables son significativas con el porcentaje de votos por Castillo pero solo el porcentaje de mujeres y el IDH tienen efecto. Para saber cuál regresión es mejor, las compararemos.
Interpretación Anova:
El modelo3 es el mejor.
Linealidad: Línea roja debe tender a horizontal
Homocedasticidad: Línea roja debe tender a horizontal
Normalidad de los residuos: ¿Puntos cerca a la diagonal?
No multicolinealidad: > 5 es problematico
Valores influyentes: Si no aparece ningún número, no afecta
Column {data-width=600}
Regresión 1
| VotosCastillo (I) | |
|---|---|
| (Intercept) | -15.142 |
| (27.213) | |
| porcentaje_mujeres | 1.496** |
| (0.554) | |
| Porc_PE | 0.613*** |
| (0.110) | |
| Num.Obs. | 196 |
| R2 | 0.186 |
| R2 Adj. | 0.178 |
| AIC | 1665.7 |
| BIC | 1678.8 |
| Log.Lik. | -828.839 |
| F | 22.095 |
| RMSE | 16.61 |
| + p < 0.1, * p < 0.05, ** p < 0.01, *** p < 0.001 |
Regresión 2
| VotosCastillo (II) | |
|---|---|
| (Intercept) | -17.057 |
| (29.924) | |
| porcentaje_mujeres | 1.507** |
| (0.560) | |
| porcentaje_jovenes | 0.046 |
| (0.293) | |
| Porc_PE | 0.607*** |
| (0.117) | |
| Num.Obs. | 196 |
| R2 | 0.186 |
| R2 Adj. | 0.174 |
| AIC | 1667.7 |
| BIC | 1684.0 |
| Log.Lik. | -828.826 |
| F | 14.663 |
| RMSE | 16.61 |
| + p < 0.1, * p < 0.05, ** p < 0.01, *** p < 0.001 |
Regresión 3
| VotosCastillo (III) | |
|---|---|
| (Intercept) | 26.881 |
| (30.687) | |
| porcentaje_mujeres | 1.632** |
| (0.539) | |
| porcentaje_jovenes | -0.411 |
| (0.303) | |
| IDH | -66.330*** |
| (16.159) | |
| Porc_PE | 0.139 |
| (0.160) | |
| Num.Obs. | 196 |
| R2 | 0.252 |
| R2 Adj. | 0.237 |
| AIC | 1653.1 |
| BIC | 1672.8 |
| Log.Lik. | -820.541 |
| F | 16.118 |
| RMSE | 15.92 |
| + p < 0.1, * p < 0.05, ** p < 0.01, *** p < 0.001 |
Comparando modelos
| Res.Df | RSS | Df | Sum of Sq | F | Pr(>F) |
|---|---|---|---|---|---|
| 193 | 54055.94 | NA | NA | NA | NA |
| 192 | 54049.10 | 1 | 6.83466 | 0.0262833 | 0.8713818 |
| 191 | 49667.36 | 1 | 4381.74440 | 16.8503664 | 0.0000599 |
Linealidad
Interpretación: La falta de linearidad provocaría que el modelo no sirva para explicar las mismas variables con datos diferentes en otros estudios.
Homocedasticidad
Interpretación: Se rechaza que el modelo muestre homocedasticidad.
Normalidad de los residuos
Interpretación: Se rechaza la normalidad de los residuos. Por lo tanto, porcentaje de votos se distribuye de manera normal y se puede realizar inferencias a partir de lo encontrado como interpretaciones sólidas y confiables en base a resultados.
No multicolinealidad
| VIF | |
|---|---|
| porcentaje_mujeres | 1.046401 |
| porcentaje_jovenes | 1.298750 |
| IDH | 2.627061 |
| Porc_PE | 2.330429 |
Interpretación: no existe multiconealidad alta entre los predictores y permite calcular bien el efecto de cada regresor.
Valores influyentes
Cuadro V.I
| cook.d | hat |
|---|---|
| NA | NA |
| :—— | :— |
Interpretación: Ningún número afecta el cálculo de la regresión.
Clusterización
Column
Comentarios
PAM:
Gráfico C: Nos recomienda dos clusters.
Clusterización: Provincias mal clusterizadas: “BONGARA”, “CAJATAMBO”, “HUAMANGA”, “JAÉN”, “LAMPA”, “SANDIA”, “UTCUBAMBA”.
Agnes:
Gráfico D: Recomienda un cluster.
No se puede continuar con el análisis porque no permite un operador unitario. Por lo tanto, el análisis concluye allí.
Diana:
Gráfico E: Nos recomienda dos clusters.
Clusterización: Sin provincias mal clusterizadas.
Gráfico DIANA - Dos subconjuntos sin provincias mal clusterizadas.
Conclusión:
Nos quedamos con los resultados de Diana, pues, tiene un mejor Silhouettes y no cuenta con provincias mal clusterizadas.
Column {data-width=600}
Grafico A
Datos seleccionados
Grafico B
Las variables están estandarizadas.
Grafico C - PAM
Silhouettes PAM
Grafico D - AGNES
Grafico E - DIANA
Silhouettes Diana
Grafico PAM - Mal clusterizados
Grafico DIANA - Mal clusterizados
Conclusiones
Column
Conclusiones
En conclusión, el análisis confirmó la hipótesis de que el triunfo de Pedro Castillo en la segunda vuelta de las elecciones presidenciales de 2021 estuvo impulsado por un electorado compuesto mayoritariamente por mujeres, jóvenes y personas de regiones con bajo Índice de Desarrollo Humano (IDH). Este segmento poblacional encontró en su candidatura una oportunidad para expresar demandas de cambio estructural y mayor inclusión social, consolidando su victoria frente a una contrincante asociada con el continuismo. Esto resalta la importancia de entender las dinámicas socioeconómicas en los procesos electorales peruanos.
Column
