Assignment 2 - Measurement and Descriptive Statistics
Setup
Load any other packages you’ll use in the chunk below:
library(tidyverse)
library(ggplot2)Working with Data and Codebooks
Download a publicly available dataset related to some concept (or concepts) in political science. Be sure to download the codebook associated with the dataset as well. Below are some suggested sources for datasets, but feel free to choose any dataset with at least 1 categorical and 1 continuous (or ordinal) variable.
- American National Elections Studies
- Latin American Public Opinion Project
- Varieties of Democracy Datasets
- Correlates of War Project
- Comparative Political Dataset
- Database of Political Institutions
I highly recommend working with cross-sectional data. If you download choose time-series cross sectional data you can easily make it a cross section by keeping only one time period (e.g., year).
Take a look at the codebook and load your dataset into R. Print out the first 5 rows and first 5 variables (i.e., columns) of your dataset below:
# Instalar y cargar el paquete haven si no está instalado
if (!requireNamespace("haven", quietly = TRUE)) {
install.packages("haven")
}
# Cargar la librería haven
library(haven)
# Definir la ruta del archivo
ruta_archivo <- "~/Desktop/MEX_2023_LAPOP_AmericasBarometer_v1.0_w.dta"
# Verificar si el archivo existe antes de intentar leerlo
if (file.exists(ruta_archivo)) {
# Leer el archivo .dta
datos <- read_dta(ruta_archivo)
print("Archivo cargado correctamente.")
} else {
print("Error: El archivo no se encuentra en la ruta especificada.")
print("Usa el siguiente código para seleccionar el archivo manualmente:")
# Permitir seleccionar el archivo manualmente si la ruta es incorrecta
ruta_archivo <- file.choose()
datos <- read_dta(ruta_archivo)
print("Archivo cargado correctamente.")
}## [1] "Archivo cargado correctamente."ruta_archivo <- "~/Desktop/MEX_2023_LAPOP_AmericasBarometer_v1.0_w.dta"
datos <- read_dta(ruta_archivo)library(dplyr)
# Mostrar las primeras 5 filas y 5 primeras variables
datos %>%
select(1:5) %>% # Seleccionar las primeras 5 columnas
head(5) # Mostrar las primeras 5 filasDescribe the dataset. Who collected or assembled the data, and for what purpose? ## Descripción del conjunto de datos: La base de datos proviene del Latin American Public Opinion Project (LAPOP), un programa de la Universidad de Vanderbilt. LAPOP realiza encuestas en países de América Latina y el Caribe para medir opiniones públicas sobre temas políticos, económicos y sociales. El propósito del estudio es analizar actitudes democráticas, confianza en instituciones, percepciones sobre corrupción, participación ciudadana, entre otros temas clave para la gobernabilidad.
What are the time and space dimensions of the dataset? What are the units? ## Dimensiones de tiempo y espacio: Tiempo: Los datos corresponden al año 2023. Espacio: El estudio se enfoca en México. Unidades de análisis: Cada fila representa un encuestado, es decir, una persona que participó en la encuesta.
How many variables are in your dataset?
length(colnames(datos)) ## [1] 195- Choose one variable that is of interest to you. (Do not choose an id variable such as “country name,” “respondent id” or “year.”) What concept does that variable measure? How is that concept operationalized?
CONFIANZA EN EL GOBIERNO
Descriptive Statistics
Esta variable mide el nivel de confianza que las personas tienen en el gobierno. Es categórica con 4 niveles (Ninguna, Poca, Algo, Mucha confianza).
Categorical Variable
library(dplyr)
# Reemplaza "b21_a" con el nombre exacto de la variable
datos %>%
count(b21a) %>%
arrange(desc(n))Choose a categorical variable from the dataset you’ve just loaded. You can use a variable with ordered categories if needed, but avoid id variables such as “country”.
colnames(datos)## [1] "idnum" "pais" "nationality" "estratopri" "estratosec"
## [6] "strata" "prov" "municipio" "upm" "ur"
## [11] "cluster" "year" "wave" "wt" "q1tc_r"
## [16] "q2" "a4n" "soct2" "idio2" "mesfut1"
## [21] "np1" "np1new" "sgl1" "cp8" "cp13"
## [26] "cp20" "it1" "l1n" "jc10" "jc13"
## [31] "jc15a" "jc16a" "vic1ext" "aoj11" "aoj12"
## [36] "countfair1" "countfair3" "chm1bn" "chm2bn" "b0"
## [41] "b1" "b2" "b3" "b4" "b6"
## [46] "b12" "b13" "b18" "b21" "b21a"
## [51] "b31" "b32" "b37" "b47a" "b10a"
## [56] "b11" "b15" "b19" "m1" "sd2new2"
## [61] "sd3new2" "sd6new2" "sd5new2" "pop101" "pop107"
## [66] "ros4" "ing4" "eff1" "eff2" "vb21n"
## [71] "crg1" "crg2" "drr1n" "env1c" "env2b"
## [76] "anestg" "pn4" "dem30" "e5" "e17a"
## [81] "e17b" "d3" "d4" "d5" "d6"
## [86] "d5newa" "d7a" "d5newb" "d7b" "exc2"
## [91] "exc6" "exc20" "exc11a" "exc11" "exc14a"
## [96] "exc14" "exc18" "exc7" "exc7new" "lib2c"
## [101] "immig1xb" "meximmig10" "vb2" "vb3n" "vb10"
## [106] "vb11" "pol1" "vb20" "vb30mex" "vb50"
## [111] "vb51" "vb52" "vb58" "vb58exp" "w14a"
## [116] "dvw1" "dvw2" "mil10a" "mil10b" "mil10e"
## [121] "dis11" "dis12" "childm6" "childm7" "childm8"
## [126] "childm9" "childm10" "childm11" "childm12" "childm13"
## [131] "mexwf1_19" "edre" "q3cn" "q5b" "ocup4a"
## [136] "formal" "q10c" "q10a" "q10b" "q10inc"
## [141] "q10e" "q14" "q14dnew" "q14f" "q14motan"
## [146] "q14pan_1" "q14pan_2" "q14pan_3" "q14pan_4" "q14pan_5"
## [151] "q14pan_0" "q14pan_7" "q14docn" "q14int1" "fs2"
## [156] "fs212" "ws1" "ws2" "q11n" "q12cn"
## [161] "q12bn" "q12bnf" "q12p" "etid" "leng1"
## [166] "leng4" "gi0n" "smedia1n" "smedia3n" "smedia3b"
## [171] "smedia11" "smedia12" "smedia13" "smedia14n" "smedia15"
## [176] "smedia16" "smedia10m" "r3" "r4a" "r6"
## [181] "r7" "r12" "r15" "r18n" "r18"
## [186] "r16" "r27" "colorr" "noise1" "conocim"
## [191] "sexin" "colori" "fecha" "formatq" "idiomaq"library(haven) # Librería para leer datos de Stata
# Ver etiquetas asociadas a la variable b21a
as_factor(datos$b21a)## [1] Mucho 5 4 5 Nada Mucho
## [7] 5 5 5 5 6 5
## [13] 5 6 6 6 5 4
## [19] Mucho 5 Mucho Nada 6 4
## [25] Mucho 6 Nada Nada Mucho Mucho
## [31] 5 Mucho Nada Mucho Mucho 5
## [37] Mucho 5 Mucho 6 Mucho 4
## [43] Mucho Mucho 4 3 3 2
## [49] 4 Mucho 4 Mucho Mucho 6
## [55] 4 Mucho 6 Nada Mucho Mucho
## [61] 2 4 Mucho Mucho Mucho 6
## [67] 4 5 3 3 6 3
## [73] 2 Mucho Nada Mucho Mucho 4
## [79] Mucho Nada 5 5 Nada 5
## [85] 3 5 6 2 3 Nada
## [91] 6 5 Nada 6 4 Mucho
## [97] 6 Mucho 3 6 Mucho 4
## [103] 5 5 Nada 4 Mucho 6
## [109] 3 5 6 Nada 5 5
## [115] 3 4 Nada Mucho 6 3
## [121] Nada Mucho 4 Mucho 5 4
## [127] Nada 5 5 Mucho Mucho 5
## [133] 5 Mucho Mucho 4 3 4
## [139] Mucho 5 Mucho Mucho 6 Mucho
## [145] 5 Mucho Nada 6 Mucho 5
## [151] Mucho Mucho 6 6 5 4
## [157] Mucho Mucho 6 5 6 Mucho
## [163] Mucho 5 Mucho Mucho Mucho Mucho
## [169] 6 Mucho Mucho 6 Mucho 5
## [175] Mucho Mucho 5 Mucho Mucho Mucho
## [181] Mucho Mucho 5 Mucho Mucho 2
## [187] 4 4 Mucho Mucho 5 5
## [193] Mucho 5 Mucho Nada 2 Mucho
## [199] 2 5 Mucho 3 3 Mucho
## [205] 5 5 5 Mucho 4 5
## [211] Mucho 5 2 4 Nada Mucho
## [217] Mucho Mucho 3 Mucho 6 Mucho
## [223] Mucho 6 Mucho 6 Mucho 6
## [229] 6 6 5 Mucho 5 Mucho
## [235] 5 Mucho Mucho Mucho Nada 4
## [241] Mucho 5 Mucho Mucho Mucho 2
## [247] 4 4 5 Mucho Mucho Mucho
## [253] Nada 3 3 2 6 Nada
## [259] 6 Mucho 4 Mucho Nada 6
## [265] Mucho Mucho Nada 4 2 6
## [271] Mucho 2 4 Mucho 6 3
## [277] 5 Mucho 2 6 4 Mucho
## [283] Mucho Mucho 5 5 Mucho 6
## [289] 6 Mucho Mucho 5 5 4
## [295] 3 Mucho 2 Mucho Mucho 6
## [301] Mucho 6 6 4 3 Nada
## [307] 5 6 Mucho Mucho Mucho 2
## [313] 4 Mucho 5 Mucho 5 Nada
## [319] 3 6 Nada Mucho 2 6
## [325] 5 Mucho No sabe 3 3 Nada
## [331] 4 Mucho Mucho Nada Mucho 4
## [337] Mucho 6 4 Mucho Mucho 3
## [343] 5 6 Mucho 4 6 6
## [349] Mucho 6 Mucho Nada 5 Mucho
## [355] 5 Mucho 6 5 Mucho Mucho
## [361] 4 Mucho 6 Mucho Mucho Mucho
## [367] Nada 5 6 Mucho 2 6
## [373] 5 6 6 Mucho Nada Mucho
## [379] Mucho Mucho Mucho Nada 6 5
## [385] Mucho Nada 6 Mucho 4 Mucho
## [391] 6 5 3 Mucho 6 5
## [397] 6 Mucho 6 6 5 6
## [403] Mucho 2 6 Mucho 5 4
## [409] 6 Mucho 6 Nada Mucho 6
## [415] 3 Nada 6 5 Mucho Mucho
## [421] Mucho 5 Nada 4 6 4
## [427] Mucho Mucho No sabe 5 5 4
## [433] Mucho 6 6 6 Mucho Mucho
## [439] Nada 6 Mucho Mucho 4 Mucho
## [445] 6 Mucho 6 4 5 Mucho
## [451] 6 Mucho Mucho Nada 6 6
## [457] Mucho Mucho Mucho 5 Mucho 5
## [463] 5 Mucho 6 6 6 2
## [469] 2 6 Mucho 4 2 Nada
## [475] Nada 5 5 6 Nada Mucho
## [481] 4 5 Nada Mucho Nada Mucho
## [487] Mucho 6 Mucho Nada 3 6
## [493] Mucho 5 6 3 5 5
## [499] 6 Mucho 4 4 Mucho 4
## [505] Mucho Mucho 3 5 2 2
## [511] 5 Mucho 5 Nada 3 6
## [517] 4 5 Mucho Mucho 4 Nada
## [523] Nada Mucho Mucho Mucho 3 6
## [529] 2 Mucho Mucho Mucho 3 4
## [535] Nada Mucho 6 5 4 2
## [541] Mucho 5 Mucho Mucho 5 Mucho
## [547] Nada 4 Mucho 6 Mucho 5
## [553] 2 5 Mucho 4 Mucho Nada
## [559] Nada 6 6 Mucho 3 6
## [565] 4 Nada 5 4 2 5
## [571] Mucho Nada 3 6 6 Mucho
## [577] 6 2 5 5 3 5
## [583] 6 Mucho 3 4 6 6
## [589] 3 Mucho 5 6 Mucho Mucho
## [595] Nada Mucho 6 Nada Mucho 6
## [601] 2 6 Nada 2 Nada 5
## [607] Mucho 6 Nada Mucho Mucho 5
## [613] Mucho Mucho 5 Mucho Mucho 5
## [619] Mucho 5 6 4 Mucho 6
## [625] 2 Nada 6 4 Mucho Nada
## [631] 5 4 Mucho 5 5 5
## [637] 3 Mucho 4 Mucho 2 5
## [643] 5 Mucho Mucho 5 Mucho 3
## [649] Nada 5 5 5 6 Nada
## [655] 5 2 6 Nada 5 Mucho
## [661] Mucho Mucho Mucho 4 4 6
## [667] Mucho Mucho Mucho Mucho 6 Mucho
## [673] 6 Mucho 3 4 Mucho Mucho
## [679] 3 5 5 5 Nada 2
## [685] Nada 5 6 5 3 Nada
## [691] Mucho Mucho Nada 4 Mucho 4
## [697] 3 Mucho 4 5 6 5
## [703] Mucho 6 6 Mucho Mucho Mucho
## [709] 5 6 Nada Mucho 5 2
## [715] 5 Mucho 4 5 Mucho Mucho
## [721] Mucho Mucho 4 Mucho 3 4
## [727] 6 Mucho 5 6 Mucho Mucho
## [733] 5 4 4 5 4 Mucho
## [739] Mucho Mucho 5 5 Mucho Nada
## [745] 5 Mucho 6 6 Nada 5
## [751] 3 Mucho 4 5 Nada 4
## [757] 5 4 Nada 3 3 5
## [763] 4 Mucho 4 5 Mucho 4
## [769] Mucho 6 5 5 Mucho Mucho
## [775] 5 Mucho Mucho Mucho Mucho Mucho
## [781] Mucho 6 2 4 Mucho 6
## [787] Mucho Mucho Mucho Mucho 5 Mucho
## [793] Nada 3 Mucho Mucho 6 4
## [799] 5 Mucho 5 Mucho Mucho 5
## [805] 4 5 5 5 Mucho Mucho
## [811] Mucho Mucho Mucho Mucho Mucho 3
## [817] 6 6 Mucho Mucho 5 Mucho
## [823] Mucho 5 Mucho 2 2 5
## [829] 2 5 5 Mucho Mucho Mucho
## [835] Mucho 6 Mucho 2 6 Mucho
## [841] Mucho 6 5 5 Nada Mucho
## [847] Nada 3 Mucho 4 4 6
## [853] 2 Nada 6 Mucho 5 3
## [859] 6 5 No sabe 5 5 6
## [865] 5 Mucho 6 5 6 6
## [871] 5 2 4 5 6 Mucho
## [877] Mucho 6 Mucho 6 Nada Nada
## [883] Mucho Mucho Nada 2 5 3
## [889] 4 Mucho Mucho 6 6 Mucho
## [895] Mucho 5 Mucho Mucho Mucho 6
## [901] Mucho 4 3 6 Mucho Mucho
## [907] Mucho 5 5 Mucho Mucho 5
## [913] Mucho Nada Mucho Mucho Nada 5
## [919] 6 Mucho 6 Nada Mucho Mucho
## [925] 4 5 6 Mucho 5 6
## [931] 6 3 5 Nada Mucho Nada
## [937] 6 Nada Mucho Mucho Mucho 4
## [943] 6 Nada Mucho 4 6 Mucho
## [949] Mucho Nada 5 5 3 4
## [955] 2 2 Nada 6 Nada Nada
## [961] Mucho Nada 5 Mucho 4 3
## [967] 5 5 Mucho Nada 6 6
## [973] 6 6 5 Mucho 4 6
## [979] Mucho 6 Mucho Nada 5 5
## [985] 3 Mucho Mucho 4 Nada Mucho
## [991] Nada Mucho Mucho 6 Mucho Mucho
## [997] Mucho 4 Nada Mucho 5 Mucho
## [1003] 4 Mucho 2 Mucho Nada 5
## [1009] Mucho 6 Nada Mucho 6 Mucho
## [1015] 2 Nada 4 Mucho Nada Mucho
## [1021] 5 Mucho 6 5 5 5
## [1027] 6 Mucho 2 Mucho 3 5
## [1033] 4 Mucho 3 5 Mucho 6
## [1039] 6 5 5 Mucho 4 Mucho
## [1045] Mucho Nada 6 6 Mucho Nada
## [1051] 5 2 Mucho Mucho 6 Mucho
## [1057] 3 6 6 4 2 6
## [1063] Mucho 5 Mucho 5 6 3
## [1069] 3 5 Mucho 5 Nada 5
## [1075] Mucho 6 Mucho Mucho Mucho 6
## [1081] 2 3 Mucho Mucho 2 Mucho
## [1087] Mucho 6 Mucho Nada Nada 5
## [1093] 3 3 Nada Nada Mucho Mucho
## [1099] 5 4 5 Mucho Mucho Mucho
## [1105] 5 5 5 2 Mucho 5
## [1111] 6 6 5 5 4 Mucho
## [1117] Mucho Nada Mucho Nada Nada 3
## [1123] Nada 4 5 Mucho 6 Mucho
## [1129] Mucho Nada Mucho 3 4 Nada
## [1135] 6 6 Nada Mucho 4 Mucho
## [1141] 6 Mucho 6 Mucho 5 4
## [1147] 5 Mucho 5 6 6 5
## [1153] Mucho 4 Nada 4 Mucho 3
## [1159] 4 5 5 Mucho 6 5
## [1165] Nada Mucho 6 5 4 5
## [1171] 5 5 6 4 3 6
## [1177] Mucho 3 Mucho 3 5 6
## [1183] 3 Nada Mucho 4 6 2
## [1189] 4 5 5 Mucho Mucho Mucho
## [1195] 4 6 2 5 5 6
## [1201] 6 Mucho 4 6 6 Mucho
## [1207] Mucho 5 Mucho 6 Mucho Nada
## [1213] Mucho 6 Nada 6 4 5
## [1219] 4 2 5 4 6 4
## [1225] 3 4 3 Mucho Nada 4
## [1231] Mucho 5 Mucho 5 Mucho 5
## [1237] Mucho Mucho 6 Mucho 5 Mucho
## [1243] 3 Mucho 3 4 Mucho Mucho
## [1249] Mucho 6 2 Mucho Mucho Mucho
## [1255] Mucho 6 2 6 Mucho 2
## [1261] Mucho 4 Mucho Mucho 4 Nada
## [1267] 5 5 2 6 4 3
## [1273] Mucho 3 6 5 5 5
## [1279] 6 Mucho 6 6 6 4
## [1285] 6 4 3 6 Nada 6
## [1291] 4 5 Nada 3 Mucho 5
## [1297] 6 Mucho 6 6 Mucho Mucho
## [1303] 6 Mucho Mucho 4 Nada Mucho
## [1309] Mucho Mucho 6 Mucho Mucho Mucho
## [1315] 5 6 6 Mucho Nada 2
## [1321] Mucho Mucho Mucho 6 6 4
## [1327] 6 4 6 5 5 4
## [1333] 5 Mucho 5 5 6 Mucho
## [1339] Mucho Mucho Mucho 5 6 6
## [1345] Mucho 6 Mucho Mucho 6 6
## [1351] Mucho 5 3 Mucho 3 4
## [1357] Mucho Mucho 6 Mucho 6 Mucho
## [1363] 6 6 Mucho 5 5 Nada
## [1369] Mucho 5 5 6 6 Mucho
## [1375] 4 Mucho 6 Mucho 6 Mucho
## [1381] 6 6 Mucho Mucho 2 6
## [1387] 4 6 Mucho Mucho 6 Mucho
## [1393] Mucho Mucho Nada 5 Mucho 3
## [1399] Mucho Nada 4 Nada Mucho 4
## [1405] Mucho Mucho 5 6 6 Mucho
## [1411] Mucho Mucho 6 Mucho 4 Mucho
## [1417] Mucho 4 5 4 6 5
## [1423] Mucho 6 6 Nada 6 6
## [1429] Nada 2 3 2 Mucho 4
## [1435] 6 3 Mucho 6 4 Mucho
## [1441] 6 5 Nada Mucho 5 4
## [1447] Mucho Mucho 2 4 4 6
## [1453] 6 Mucho 2 6 2 3
## [1459] 4 No responde 3 Nada Mucho Nada
## [1465] Mucho 5 6 6 Nada 6
## [1471] 3 Mucho Nada Mucho 4 Mucho
## [1477] 6 4 Mucho 2 Mucho 6
## [1483] 6 Mucho 6 Mucho 6 Nada
## [1489] Nada 4 6 Mucho Mucho 5
## [1495] 5 Mucho Mucho Mucho 5 6
## [1501] Nada 5 Nada Nada 6 4
## [1507] 2 5 Nada 4 Mucho 5
## [1513] 3 Mucho 3 6 4 Nada
## [1519] 4 5 5 Mucho Nada 6
## [1525] 3 Nada Nada Mucho Mucho 2
## [1531] 6 Nada 5 6 6 5
## [1537] 6 6 6 6 5 3
## [1543] Mucho 5 6 6 5 5
## [1549] 5 Mucho 6 6 6 6
## [1555] Nada 5 Mucho 4 5 5
## [1561] Mucho 4 5 5 5 Mucho
## [1567] 5 4 Mucho 5 6 4
## [1573] 4 5 Nada Mucho 4 Mucho
## [1579] Mucho Mucho 6 4 Mucho 5
## [1585] 4 Mucho Mucho Mucho Nada Nada
## [1591] 6 5 Mucho Nada Mucho 2
## [1597] 2 4 Mucho 2 Nada Mucho
## [1603] 5 Mucho Mucho 2 5 Nada
## [1609] Nada Mucho 4 4 6 4
## [1615] 3 Nada 4 5 6 5
## [1621] 5 5
## attr(,"label")
## [1] Confianza en el presidente
## Levels: Nada 2 3 4 5 6 Mucho No sabe No respondelibrary(dplyr)
# Contar la frecuencia de cada categoría en b21a
datos %>%
count(b21a) %>%
arrange(desc(n)) %>%
print()## # A tibble: 8 × 2
## b21a n
## <dbl+lbl> <int>
## 1 7 [Mucho] 544
## 2 6 292
## 3 5 289
## 4 4 169
## 5 1 [Nada] 157
## 6 3 93
## 7 2 74
## 8 NA(a) [No sabe] 4library(ggplot2)
# Convertir b21a en factor para que se muestre con etiquetas
datos %>%
mutate(b21a = as_factor(b21a)) %>%
ggplot(aes(x = b21a)) +
geom_bar(fill = "steelblue", color = "black") +
theme_minimal() +
labs(title = "Confianza en el Presidente",
x = "Nivel de Confianza",
y = "Cantidad de Respuestas")
Briefly describe the categorical variable you’ve chosen. How many categories are there and what do they indicate? ## La variable categórica que he elegido es “b21a”. Esta variable tiene 8 categorías, incluyendo una categoría NA (valor perdido). Los valores van del 1 al 7, además del NA. Cada número representa un grupo o clasificación diferente, pero su significado exacto dependerá del diccionario de datos o la documentación del conjunto de datos.
Create a table showing the number of observations in each category. If there are more than, say, 10 categories, just show the categories with the most observations. (See the descriptive statistics lab for an example of this.)
# Cargar la librería dplyr si no lo has hecho
library(dplyr)
# Suponiendo que tienes un tibble llamado "datos" y la variable "b21a"
tabla_categorias <- datos %>%
count(b21a) %>%
arrange(desc(n)) # Ordena de mayor a menor por el número de observaciones
# Mostrar la tabla
print(tabla_categorias)## # A tibble: 8 × 2
## b21a n
## <dbl+lbl> <int>
## 1 7 [Mucho] 544
## 2 6 292
## 3 5 289
## 4 4 169
## 5 1 [Nada] 157
## 6 3 93
## 7 2 74
## 8 NA(a) [No sabe] 4# Mostrar solo las primeras 10 categorías más frecuentes
tabla_categorias %>%
top_n(10, n) # Muestra las 10 categorías con más observaciones- Choose another categorical variable of interest. Present a cross tabulation of the two variables, what does this tell you?
# Crear la tabla cruzada entre b21a y b21
tabla_cruzada <- table(datos$b21a, datos$b21)
# Mostrar la tabla cruzada
print(tabla_cruzada)##
## 1 2 3 4 5 6 7
## 1 113 23 9 4 4 3 0
## 2 27 25 13 7 1 1 0
## 3 26 20 23 14 6 1 3
## 4 40 28 51 34 9 4 1
## 5 62 46 59 75 34 9 3
## 6 39 40 61 65 62 21 4
## 7 99 48 51 98 114 69 61# Cargar la librería ggplot2 si no la has cargado
library(ggplot2)
# Crear una tabla de frecuencia de las dos variables
tabla_cruzada <- table(datos$b21a, datos$b21)
# Convertir la tabla cruzada en un dataframe para ggplot
tabla_df <- as.data.frame(tabla_cruzada)
# Crear el gráfico de barras
ggplot(tabla_df, aes(x = Var1, y = Freq, fill = Var2)) +
geom_bar(stat = "identity", position = "dodge") + # Barras separadas por categoría
labs(x = "Categorías de b21a", y = "Frecuencia", fill = "Confianza en partidos políticos") +
theme_minimal() +
theme(axis.text.x = element_text(angle = 45, hjust = 1)) # Rotar etiquetas del eje X si es necesario
Continuous Variable
- Choose a continuous variable from your dataset. For the purposes of this assignment, its fine if you pick an ordinal variable with more than 4 categories (you are likley to find these in survey data.) Briefly describe your variable: What does it measure? What are its minimum and maximum values?
Descripción de la variable:
Variable seleccionada: “b21” (confianza en los partidos políticos). ¿Qué mide?: La variable “b21” mide el nivel de confianza de los individuos en los partidos políticos o políticos en general. Va de 1 menos a 7 Mucha confianza 9) Report the mean and standard deviation of the continuous variable you’ve selected.
# Cargar librería necesaria (si no la has cargado aún)
library(dplyr)
# Calcular la media y la desviación estándar de la variable 'b21'
estadisticas <- datos %>%
summarise(
media = mean(b21, na.rm = TRUE), # Calcula la media, ignorando valores NA
desviacion_estandar = sd(b21, na.rm = TRUE) # Calcula la desviación estándar, ignorando valores NA
)
# Mostrar los resultados
print(estadisticas)## # A tibble: 1 × 2
## media desviacion_estandar
## <dbl> <dbl>
## 1 3.20 1.78Media: 3.204588. Esto indica que el valor promedio de la variable “b21” (confianza en los partidos políticos) es aproximadamente 3.20 en la escala utilizada, este valor sugiere que, en promedio, las personas tienen una confianza media en los partidos políticos.
Desviación estándar: 1.784355. Esto indica que hay una gran variabilidad en las respuestas. Cuanto mayor es la desviación estándar, más dispersos están los valores de la variable respecto a la media. En este caso, una desviación estándar de 1.78 muestra que las opiniones sobre la confianza en los partidos políticos varían considerablemente.
Data Visualization
- Create an informative visualization for one of the variables you discussed above. Be sure to title your plot and label its axes.
# Cargar librería necesaria
library(ggplot2)
# Crear un gráfico de barras para la variable 'b21'
ggplot(datos, aes(x = factor(b21))) +
geom_bar(fill = "skyblue", color = "black") + # Color de las barras
labs(
title = "Distribución de la Confianza en los Partidos Políticos", # Título del gráfico
x = "Nivel de Confianza (b21)", # Etiqueta para el eje X
y = "Número de Respuestas" # Etiqueta para el eje Y
) +
theme_minimal() # Estilo limpio y sencillo
Bonus: Bivariate Data Visualation
Create a plot showing the relationship between two or more variables.
# Crear un gráfico de dispersión para ver la relación entre 'b21' y 'b21a' (confianza en los partidos vs presidente)
ggplot(datos, aes(x = b21, y = b21a)) +
geom_point(color = "purple") + # Color de los puntos
labs(
title = "Relación entre Confianza en los Partidos Políticos y Confianza en el Presidente",
x = "Confianza en los Partidos Políticos (b21)",
y = "Confianza en el Presidente (b21a)"
) +
theme_minimal()## Warning: Removed 12 rows containing missing values or values outside the scale range
## (`geom_point()`).
# Instalar y cargar los paquetes necesarios
if (!requireNamespace("ggplot2", quietly = TRUE)) install.packages("ggplot2")
if (!requireNamespace("dplyr", quietly = TRUE)) install.packages("dplyr")
# Cargar las librerías
library(ggplot2)
library(dplyr)
# Filtrar los datos eliminando valores faltantes
datos_filtrados <- datos %>%
filter(!is.na(b21))
# Crear el gráfico de barras
ggplot(datos_filtrados, aes(x = factor(b21), fill = factor(b21))) +
geom_bar() +
scale_fill_viridis_d(option = "plasma") + # Colores atractivos
labs(
title = "Nivel de Confianza en los Partidos Políticos",
x = "Nivel de Confianza",
y = "Frecuencia",
fill = "Confianza"
) +
theme_minimal() +
theme(
text = element_text(size = 14),
plot.title = element_text(hjust = 0.5, face = "bold"),
legend.position = "none"
)
# Crear un boxplot para comparar la confianza en los partidos políticos según los niveles de confianza en el presidente
ggplot(datos, aes(x = factor(b21a), y = b21)) +
geom_boxplot(fill = "lightblue", color = "darkblue") + # Boxplot con colores
labs(
title = "Distribución de la Confianza en los Partidos Políticos según Confianza en el Presidente",
x = "Confianza en el Presidente (b21a)",
y = "Confianza en los Partidos Políticos (b21)"
) +
theme_minimal()## Warning: Removed 9 rows containing non-finite outside the scale range
## (`stat_boxplot()`).