EVIDENCIA CIENCIA DE DATOS 1
Camila Morales Peralta
2025-06-08
1. Carga de librerías y datos
2. Limpieza y exploración inicial de datos
Problemática
La confianza en el gobierno es frágil y depende de cómo la ciudadanía percibe su funcionamiento. En el Área Metropolitana de Monterrey, medir y entender esa confianza en 2024 es fundamental para fortalecer la rendición de cuentas.
Pregunta de investigación
¿Cómo se relaciona el nivel de desconfianza en los gobiernos municipal y estatal con las percepciones ciudadanas de los habitantes del Área Metropolitana de Monterrey, según la encuesta Así Vamos 2024?
Para resolver nuestra pregunta de investigación, se realizó una limpieza de datos, con variables seleccionadas de la encuesta en relación con el nivel de desconfianza en el gobierno, como se observa a continuación:
#SELECCIÓN DE VARIABLES DE LA BASE ORIGINAL QUE SE EMPLEARÁN EN EL ANÁLISIS
variables <- c("p120", "p125", "p126", "p127", "p128", "p131_1", "p132_2", "p139", "p140_1", "p141_2", "p145", "p154", "p155", "p156", "p138",
"num_acciones_participacion_ciudadana", "p161", "p162", "p163",
"p164", "nom_mun_mv", "mun_amm_y_periferia", "cp4_1", "sexo_num", "Factor_CVNL", "cp7_1", "cp8_1", "cp9_1",
"p100", "p114",
"p52_1", "p52_2", "p52_3", "p52_4", "p52_5",
"p59", "p64",
"p73", "p74", "p75",
"num_discriminaciones")
#CREACIÓN DE DATAFRAME CON VARIABLES SELECCIONADAS
eav2024_selected <- eav2024[, variables]
#CREACIÓN DE DATAFRAME CON DATOS ÚNICAMENTE DE AMM (EL ANÁLISIS SE CENTRARÁ EN ESTA ÁREA)
amm <- subset(eav2024_selected, nom_mun_mv %in% c("San Nicolás de los Garza", "Guadalupe", "Apodaca", "San Pedro Garza García", "Santa Catarina", "General Escobedo", "Juárez", "García", "Santiago", "Pesquería", "Cadereyta Jiménez", "Monterrey"))
#OBSERVACIÓN DE 8888 Y 9999 PARA DETERMINAR QUÉ HACER CON ELLOS
m=sapply(amm, function(col) sum(col== 8888, na.rm = TRUE))
total1 <- sum(m) #SON EN TOTAL 2889, POR LO QUE NO SE VAN A ELIMINAR
m2=sapply(amm, function(col) sum(col== 9999, na.rm = TRUE))
total2 <- sum(m2) #SON EN TOTAL 557, POR LO QUE SÍ SE VAN A ELIMINAR
#ELIMINACIÓN DE 9999
numericas <- c("p120", "p125", "p126", "p127", "p128", "p131_1", "p132_2", "p139", "p140_1", "p141_2", "p145", "p154", "p155", "p156", "p138",
"num_acciones_participacion_ciudadana", "p161", "p162", "p163",
"p164",
"p100", "p114",
"p52_1", "p52_2", "p52_3", "p52_4", "p52_5",
"p59", "p64",
"p73", "p74", "p75",
"num_discriminaciones") #IDENTIFICACIÓN DE VARIABLES CON 9999
fillas_99 <- rowSums(amm[, numericas] == 9999, na.rm = TRUE) == 0 #IDENTIFICACIÓN DE FILAS SIN 9999
eav2024_limpio <- amm[fillas_99,] #DATAGRAME SÓLO CON FILAS SIN 9999
#TRANSFORMACIÓN DE VARIABLES CATEGÓRICAS A FACTOR
eav2024_categoricas <- eav2024_limpio %>%
mutate(
sexo = case_when(
sexo_num == 0 ~ "Hombre",
sexo_num == 1 ~ "Mujer"
),
sexo = as.factor(sexo), #CREACIÓN DE VARIABLE FACTOR PARA SEXO (CON HOMBRE Y MUJER COMO TEXTO)
Municipio = as.factor(nom_mun_mv), #CREACIÓN DE VARIABLE FACTOR PARA MUNICIPIO
) %>%
mutate(across(
.cols = c(
p120, p126,p125, p126,p131_1, p132_2,p140_1,p141_2,p154, p161, p162, p163, p164, mun_amm_y_periferia, cp7_1, p64
),
.fns = as.factor
)) %>% #CONVERTIR VARIABLES QUE SE LEYERON COMO NUMÉRICAS PERO QUE EN REALIDAD SON CATEGÓRICAS A FACTOR
select(-sexo_num, -nom_mun_mv) #ELIMINACIÓN DE COLUMNAS NUMÉRICAS QUE YA NO SON NECESARIAS PORQUE YA SE CREARON LAS ADECUADAS
#RENOMBRADO DE VARIABLES PARA QUE LAS IDENTIFIQUEMOS MÁS FÁCILMENTE
eav2024_renombre <- eav2024_categoricas %>%
rename(
voto_pasado = p120,
alcalde_uso_recursos = p125,
gob_uso_recursos = p126,
transparencia_estado = p127,
transparencia_municipio = p128,
alcalde_honesto = p131_1,
alcalde_capaz = p132_2,
ineficiencia_gobierno_alcalde = p139,
samuel_honesto = p140_1,
samuel_capaz = p141_2,
ineficiencia_gobierno_samuel = p145,
aprueba_congreso = p154,
percep_no_influencia_ciud_est = p155,
percep_no_influencia_ciud_mun = p156,
acciones_participacion = num_acciones_participacion_ciudadana,
problema_confianza = p161,
ambito_problema = p162,
orgullo_nl = p163,
ingreso_hogar = p164,
zona_geografica = mun_amm_y_periferia,
factor_expansion = Factor_CVNL,
estudia_actualmente = cp7_1,
nivel_educativo_max = cp8_1,
nivel_educativo_actual = cp9_1,
edad = cp4_1,
percepcion_seguridad = p100,
violencia_mujeres = p114,
satisfaccion_alumbrado = p52_1,
satisfaccion_calles = p52_2,
satisfaccion_parques = p52_3,
satisfaccion_drenaje = p52_4,
satisfaccion_basura = p52_5,
preocupacion_agua = p59,
acciones_contaminacion = p64,
situacion_economica_actual = p73,
situacion_economica_futura = p74,
suficiencia_ingreso = p75,
num_discriminaciones = num_discriminaciones,
percepcion_municipio = p138
)3. Preprocesamiento y creación de variables nuevas
Debido a que la pregunta de investigación se centra alrededor de los gobiernos tanto municipal como estatal, para este paso, se decidió crear variables nuevas, tanto para la dependiente, nivel de desconfianza, como para las independientes, con el objetivo de centrar los datos de las variables municipal y estatal en una sola. Se crearon en total, una variable dependiente, 6 independientes y la variable educación (como valor sociodemográfico).
#CREACIÓN DE VARIABLE EDUCACIÓN
niveles_educativos <- c(
"Ninguno", "Preescolar", "Primaria", "Secundaria",
"Preparatoria o bachillerato general", "Bachillerato tecnológico",
"Técnicos con primaria", "Técnicos con secundaria",
"Técnicos con preparatoria", "Normal con primaria o secundaria",
"Normal de licenciatura", "Licenciatura",
"Especialidad", "Maestría", "Doctorado", "No sabe"
) #ESPECIFICACIÓN DE NIVELES DE EDUCACIÓN EN LA ENCUESTA
eav2024_edu <- eav2024_renombre %>%
mutate(
nivel_educativo = case_when(
estudia_actualmente == 1 ~ nivel_educativo_actual,
estudia_actualmente == 0 ~ nivel_educativo_max,
TRUE ~ NA_integer_
), #SI LA PERSONA ESTUDIA ACTUALMENTE SE TOMA SU NIVEL ACTUAL, SINO SE TOMA SU NIVEL MÁXIMO (ESTO PARA JUNTAR LAS DOS VARIABLES Y EVITAR NA)
nivel_educativo = ifelse(nivel_educativo %in% 8888:9999, NA, nivel_educativo), #REEMPLAZAR 888 Y 9999 POR NA
nivel_educativo = factor(nivel_educativo,
levels = 0:15,
labels = niveles_educativos) #CONVERTIR NIVEL_EDUCATIVO A FACTOR CON LAS ETIQUETAS CREADAS ANTES
) %>%
select(-estudia_actualmente, -nivel_educativo_max, -nivel_educativo_actual) #ELIMINAR LAS VARIABLES QUE YA NO SIRVEN EN NUESTRA BASE
#CREACIÓN DE VARIABLE INDEPENDIENTE: USO DE RECURSOS PÚBLICOS
eav2024_na1 <- eav2024_edu %>%
mutate(
alcalde_uso_recursos = ifelse(alcalde_uso_recursos == 8888, NA, alcalde_uso_recursos),
gob_uso_recursos = ifelse(gob_uso_recursos == 8888, NA, gob_uso_recursos), #REEMPLAZO DE 8888 POR NA DE AMBAS VARIABLES QUE VAN A FORMAR A USO DE RECURSOS
alcalde_uso_recursos = as.numeric(as.character(alcalde_uso_recursos)),
gob_uso_recursos = as.numeric(as.character(gob_uso_recursos)), #CONVERTIR A NUMÉRICAS LAS VARIABLES
alcalde_uso_recursos = ifelse(alcalde_uso_recursos == 2, 1,
ifelse(alcalde_uso_recursos == 1, 0, alcalde_uso_recursos)),
gob_uso_recursos = ifelse(gob_uso_recursos == 2, 1,
ifelse(gob_uso_recursos == 1, 0, gob_uso_recursos))
) %>% #COMO LAS VARIABLES SE LEÍAN COMO 2 Y 1 Y NO COMO 0 Y 1, SE RECONFIGURARON PARA LEERSE ADECUADAMENTE
mutate(
uso_recursos_num = round(alcalde_uso_recursos * 0.7 + gob_uso_recursos * 0.3), #CREACIÓN DE NUEVA VARIABLE, DANDO MAYOR PESO A VARIABLE MUNICIPAL, SE REDONDEA EL RESULTADO PARA QUE SIGA SIENDO SOLO 0 Y 1
uso_recursos_num = ifelse(is.na(alcalde_uso_recursos) & is.na(gob_uso_recursos), NA, uso_recursos_num), #SI AMBOS FACTORES SON NA ENTONCES SE DEJA COMO NA EN EL PONDERADO
uso_recursos = factor(
uso_recursos_num,
levels = c(0, 1),
labels = c("Sí", "No")
)
) #CONVERTIR NUEVAMENTE A FACTOR, CON TEXTO SÍ Y NO EN LUGAR DE 0 Y 1
#CREACIÓN DE VARIABLE INDEPENDIENTE: PERCEPCIÓN DE TRANSPARENCIA
eav2024_na2 <- eav2024_na1 %>%
mutate(
transparencia_municipio = ifelse(transparencia_municipio== 8888, NA, transparencia_municipio),
transparencia_estado = ifelse(transparencia_estado == 8888, NA, transparencia_estado)
) #CONVERTIR 8888 EN AMBAS VARIABLES POR NA
eav2024_na3 <- eav2024_na2 %>%
mutate(
transparencia= transparencia_municipio * 0.7 + transparencia_estado * 0.3
) #COMO ES NUMÉRICA, SÓLO SE NECESITA PONDERAR LAS RESPUESTAS, DÁNDOLE MAYOR PESO A MUNICIPAL
#CREACIÓN DE VARIABLE INDEPENDIENTE: PERCEPCIÓN DE HONESTIDAD GUBERNAMENTAL
eav2024_na4 <- eav2024_na3 %>%
mutate(
alcalde_honesto = ifelse(alcalde_honesto == 8888, NA, alcalde_honesto),
samuel_honesto = ifelse(samuel_honesto == 8888, NA, samuel_honesto),#REEMPLAZO DE 8888 POR NA DE AMBAS VARIABLES QUE VAN A FORMAR HONESTIDAD
alcalde_honesto = as.numeric(as.character(alcalde_honesto)),
samuel_honesto = as.numeric(as.character(samuel_honesto)), #CONVERTIR A NUMÉRICAS LAS VARIABLES
alcalde_honesto = ifelse(alcalde_honesto == 2, 1,
ifelse(alcalde_honesto == 1, 0, alcalde_honesto)),
samuel_honesto = ifelse(samuel_honesto == 2, 1,
ifelse(samuel_honesto == 1, 0, samuel_honesto))
) %>% #COMO LAS VARIABLES SE LEÍAN COMO 2 Y 1 Y NO COMO 0 Y 1, SE RECONFIGURARON PARA LEERSE ADECUADAMENTE
mutate(
honestidad_num = round(alcalde_honesto * 0.7 + samuel_honesto * 0.3), #CREACIÓN DE NUEVA VARIABLE, DANDO MAYOR PESO A VARIABLE MUNICIPAL, SE REDONDEA EL RESULTADO PARA QUE SIGA SIENDO SOLO 0 Y 1
honestidad_num = ifelse(is.na(alcalde_honesto) & is.na(samuel_honesto), NA, honestidad_num), #SI AMBOS FACTORES SON NA ENTONCES SE DEJA COMO NA EN EL PONDERADO
honestidad = factor(
honestidad_num,
levels = c(0, 1),
labels = c("Sí", "No") #CONVERTIR NUEVAMENTE A FACTOR, CON TEXTO SÍ Y NO EN LUGAR DE 0 Y 1
)
)
#CREACIÓN DE VARIABLE INDEPENDIENTE: PERCEPCIÓN DE CAPACIDAD DE RESOLUCIÓN DE PROBLEMAS
eav2024_na5 <- eav2024_na4 %>%
mutate(
alcalde_capaz = ifelse(alcalde_capaz == 8888, NA, alcalde_capaz),
samuel_capaz = ifelse(samuel_capaz == 8888, NA, samuel_capaz), #REEMPLAZO DE 8888 POR NA DE AMBAS VARIABLES QUE VAN A FORMAR CAPACIDAD DE RESOLUCIÓN DE PROBLEMAS
alcalde_capaz = as.numeric(as.character(alcalde_capaz)),
samuel_capaz = as.numeric(as.character(samuel_capaz)), #CONVERTIR A NUMÉRICAS LAS VARIABLES
alcalde_capaz = ifelse(alcalde_capaz == 2, 1,
ifelse(alcalde_capaz == 1, 0, alcalde_capaz)),
samuel_capaz = ifelse(samuel_capaz == 2, 1,
ifelse(samuel_capaz == 1, 0, samuel_capaz))
) %>% #COMO LAS VARIABLES SE LEÍAN COMO 2 Y 1 Y NO COMO 0 Y 1, SE RECONFIGURARON PARA LEERSE ADECUADAMENTE
mutate(
cap_solucion_num = round(alcalde_capaz * 0.7 + samuel_capaz * 0.3), #CREACIÓN DE NUEVA VARIABLE, DANDO MAYOR PESO A VARIABLE MUNICIPAL, SE REDONDEA EL RESULTADO PARA QUE SIGA SIENDO SOLO 0 Y 1
cap_solucion_num = ifelse(is.na(alcalde_capaz) & is.na(samuel_capaz), NA, cap_solucion_num), #SI AMBOS FACTORES SON NA ENTONCES SE DEJA COMO NA EN EL PONDERADO
cap_solucion_problemas = factor(
cap_solucion_num,
levels = c(0, 1),
labels = c("Sí", "No")
)
) #CONVERTIR NUEVAMENTE A FACTOR, CON TEXTO SÍ Y NO EN LUGAR DE 0 Y 1
#CREACIÓN DE VARIABLE INDEPENDIENTE: PERCEPCIÓN DE LA CAPACIDAD DE INFLUENCIA CIUDADANA
eav2024_na6 <- eav2024_na5 %>%
mutate(
percep_no_influencia_ciud_mun = ifelse(percep_no_influencia_ciud_mun== 8888, NA, percep_no_influencia_ciud_mun),
percep_no_influencia_ciud_est = ifelse(percep_no_influencia_ciud_est == 8888, NA, percep_no_influencia_ciud_est)
) #CONVERTIR 8888 EN AMBAS VARIABLES POR NA
eav2024_na7 <- eav2024_na6 %>%
mutate(
percep_no_influenci_ciudadana= percep_no_influencia_ciud_mun * 0.7 + percep_no_influencia_ciud_est * 0.3
) #COMO ES NUMÉRICA, SÓLO SE NECESITA PONDERAR LAS RESPUESTAS, DÁNDOLE MAYOR PESO A MUNICIPAL
#CREACIÓN DE VARIABLE INDEPENDIENTE: SATISFACCIÓN DE SERVICIOS PÚBLICOS
eav2024_na8 <- eav2024_na7 %>%
mutate(
satisfaccion_alumbrado = ifelse(satisfaccion_alumbrado== 8888, NA, satisfaccion_alumbrado),
satisfaccion_calles = ifelse(satisfaccion_calles == 8888, NA, satisfaccion_calles),
satisfaccion_parques = ifelse(satisfaccion_parques == 8888, NA, satisfaccion_parques),
satisfaccion_drenaje = ifelse(satisfaccion_drenaje == 8888, NA, satisfaccion_drenaje),
satisfaccion_basura = ifelse(satisfaccion_basura == 8888, NA, satisfaccion_basura)
) #REEMPLAZO DE 8888 POR NA DE TODAS LAS VARIABLES QUE VAN A FORMAR SATISFACCIÓN DE SERVICIOS PÚBLICOS
eav2024_na9 <- eav2024_na8 %>%
mutate(
satisfaccion_serv_publicos= satisfaccion_alumbrado * 0.2 + satisfaccion_calles * 0.2 + satisfaccion_parques * 0.2 + satisfaccion_drenaje * 0.2 + satisfaccion_basura * 0.2
) #COMO ES NUMÉRICA, SE HACE UN PONDERADO EQUITATIVO ENTRE TODAS LAS VARIABLES
#CREACIÓN DE VARIABLE DEPENDIENTE: NIVEL DE DESCONFIANZA
eav2024_na10 <- eav2024_na9 %>%
mutate(
ineficiencia_gobierno_alcalde = ifelse(ineficiencia_gobierno_alcalde== 8888, NA, ineficiencia_gobierno_alcalde),
ineficiencia_gobierno_samuel = ifelse(ineficiencia_gobierno_samuel == 8888, NA, ineficiencia_gobierno_samuel)
) #REEMPLAZO DE 8888 POR NA EN AMBAS VARIABLES
eav2024_na11 <- eav2024_na10 %>%
mutate(
nivel_desconfianza = ineficiencia_gobierno_alcalde * 0.7 + ineficiencia_gobierno_samuel * 0.3
) #COMO ES NUMÉRICA SÓLO ES NECESARIO EL PONDERADO, DÁNDOLE MÁS PESO A MUNICIPAL
#BASE DE DATOS CON SÓLO VARIABLES CREADAS
variables_finales <- c("voto_pasado", "aprueba_congreso", "percepcion_municipio", "acciones_participacion", "problema_confianza", "ambito_problema", "orgullo_nl", "ingreso_hogar", "zona_geografica", "edad", "factor_expansion", "percepcion_seguridad", "violencia_mujeres", "preocupacion_agua", "acciones_contaminacion", "situacion_economica_actual", "situacion_economica_futura", "suficiencia_ingreso", "num_discriminaciones", "sexo", "Municipio", "nivel_educativo", "uso_recursos", "transparencia", "honestidad", "cap_solucion_problemas", "percep_no_influenci_ciudadana", "satisfaccion_serv_publicos", "nivel_desconfianza") #SELECCIÓN SÓLO DE VARIABLES NECESARIAS EN EL ANÁLISIS
eav2024_semifinal <- eav2024_na11[, variables_finales] #CREACIÓN DEL DATAFRAME
#OBSERVACIÓN DE NAs
sum(is.na(eav2024_semifinal)) #OBSERVAR TOTAL DE NA## [1] 1256colSums(is.na(eav2024_semifinal)) #OBSERVAR CUÁNTOS NA HAY POR CADA VARIABLE## voto_pasado aprueba_congreso
## 0 0
## percepcion_municipio acciones_participacion
## 0 0
## problema_confianza ambito_problema
## 0 0
## orgullo_nl ingreso_hogar
## 0 0
## zona_geografica edad
## 0 0
## factor_expansion percepcion_seguridad
## 0 0
## violencia_mujeres preocupacion_agua
## 0 0
## acciones_contaminacion situacion_economica_actual
## 0 0
## situacion_economica_futura suficiencia_ingreso
## 0 0
## num_discriminaciones sexo
## 220 0
## Municipio nivel_educativo
## 0 0
## uso_recursos transparencia
## 169 186
## honestidad cap_solucion_problemas
## 297 145
## percep_no_influenci_ciudadana satisfaccion_serv_publicos
## 87 10
## nivel_desconfianza
## 142#IMPUTACIÓN
vars_imputacion <- eav2024_semifinal %>%
select(uso_recursos, honestidad, percep_no_influenci_ciudadana, nivel_desconfianza, transparencia,
cap_solucion_problemas, num_discriminaciones, satisfaccion_serv_publicos,
sexo, edad) #SELECCIÓN DE VARIABLES QUE DEBEN SER IMPUTADAS PORQUE TIENEN NA Y SEXO Y EDAD PORQUE VAN A SER LA BASE DE LA IMPUTACION
vars_imputacion$sexo <- as.factor(vars_imputacion$sexo) #GARANTIZAR LECTURA DE SEXO COMO FACTOR
vars_imputacion$edad <- as.numeric(vars_imputacion$edad) #GARANTIZAR LECTURA DE EDAD COMO NUMERIC
#LECTURA DE LAS 3 CATEGÓRICAS COMO TAL
vars_imputacion$uso_recursos <- as.factor(vars_imputacion$uso_recursos)
vars_imputacion$honestidad <- as.factor(vars_imputacion$honestidad)
vars_imputacion$cap_solucion_problemas <- as.factor(vars_imputacion$cap_solucion_problemas)
# INICIO DE IMPUTACIÓN
ini <- mice(vars_imputacion, maxit = 0)
predMatrix <- ini$predictorMatrix
meth <- ini$method
#SELECCIÓN DE SÓLO EDAD Y SEXO COMO LAS VARIABLES PREDICTORAS
predMatrix[,] <- 0
predMatrix[c("uso_recursos", "honestidad", "percep_no_influenci_ciudadana", "nivel_desconfianza",
"transparencia", "cap_solucion_problemas", "num_discriminaciones", "satisfaccion_serv_publicos"),
c("edad", "sexo")] <- 1
#DEFINICIÓN DE MÉTODO DE IMPUTACIÓN PARA CATEGÓRICAS
meth["uso_recursos"] <- "logreg"
meth["honestidad"] <- "logreg"
meth["cap_solucion_problemas"] <- "logreg"
#REALIZAR IMPUTACIÓN
imputacion <- mice(vars_imputacion, m = 1, method = meth, predictorMatrix = predMatrix, seed = 123)##
## iter imp variable
## 1 1 uso_recursos honestidad percep_no_influenci_ciudadana nivel_desconfianza transparencia cap_solucion_problemas num_discriminaciones satisfaccion_serv_publicos
## 2 1 uso_recursos honestidad percep_no_influenci_ciudadana nivel_desconfianza transparencia cap_solucion_problemas num_discriminaciones satisfaccion_serv_publicos
## 3 1 uso_recursos honestidad percep_no_influenci_ciudadana nivel_desconfianza transparencia cap_solucion_problemas num_discriminaciones satisfaccion_serv_publicos
## 4 1 uso_recursos honestidad percep_no_influenci_ciudadana nivel_desconfianza transparencia cap_solucion_problemas num_discriminaciones satisfaccion_serv_publicos
## 5 1 uso_recursos honestidad percep_no_influenci_ciudadana nivel_desconfianza transparencia cap_solucion_problemas num_discriminaciones satisfaccion_serv_publicosdatos_imputados <- complete(imputacion)
#REINTEGRACIÓN DE VARIABLES IMPUTADAS A BASE
eav2024_semifinal$uso_recursos <- datos_imputados$uso_recursos
eav2024_semifinal$honestidad <- datos_imputados$honestidad
eav2024_semifinal$cap_solucion_problemas <- datos_imputados$cap_solucion_problemas
eav2024_semifinal$percep_no_influenci_ciudadana <- datos_imputados$percep_no_influenci_ciudadana
eav2024_semifinal$nivel_desconfianza <- datos_imputados$nivel_desconfianza
eav2024_semifinal$transparencia <- datos_imputados$transparencia
eav2024_semifinal$num_discriminaciones <- datos_imputados$num_discriminaciones
eav2024_semifinal$satisfaccion_serv_publicos <- datos_imputados$satisfaccion_serv_publicos
# VERIFICAR NA PARA GARANTIZAR QUE YA NO HAY MÁS
sum(is.na(eav2024_semifinal))## [1] 0# GUARDAR BASE FINAL
eav2024_final <- eav2024_semifinalDe esta manera, las variables agregadas/creadas para la base final son:
- Uso de recursos públicos: Percepción sobre si el gobierno hace un uso adecuado del dinero público.
- Transparencia: Basada en la percepción de corrupción. A mayor valor, menor corrupción percibida.
- Honestidad: Opinión sobre si los gobernantes han sido honestos.
- Capacidad para resolver problemas: Evaluación sobre si el gobierno puede solucionar los problemas en donde habitan los usuarios.
- Satisfacción con servicios públicos: Nivel de satisfacción con servicios como alumbrado, parques, calles y recolección de basura.
- Influencia ciudadana: Mide la percepción de la capacidad de influencia ciudadana en el proceso de toma de decisiones.
- Educaciön: Centraliza los datos de las preguntas de educación realizadas en la encuesta.
- Nivel de desconfianza: La variable dependiente que evalúa cómo califican los encuestados a qué tan bien han hecho su trabajo los gobernantes.
NOTA: Las variables compuestas, tomaron un peso de 0.7 para municipal y 0.3 para estatal porque a nivel municipal es donde los ciudadanos más perciben la eficiencia del gobierno. Esto basándose en la siguiente consulta: Keefer, P., & Scartascini, C. (Eds.). (2020). Confianza: La clave de la cohesión social y el crecimiento en América Latina y el Caribe. Banco Interamericano de Desarrollo.
4. División de datos en entrenamiento y prueba
# PARA EL ENTRENAMIENTO DE MODELOS SE REALIZÓ DIVISÓN EN DATOS DE ENTRENAMIENTO Y PRUEBA
set.seed(123) #PARA GARANTIZAR RESULTADOS QUE SE REPITAN
n <- nrow(eav2024_final)
aleatorios <- sample(1:n, size=0.7*n)
#CREACIÓN DE MODELO DE ENTRENAMIENTO CON PESO 0.7 (EQUIVALENTE A 2459 OBSERVACIONES)
entrenamiento <- eav2024_final[aleatorios,]
#CREACIÓN DE MODELO DE PRUEBA (EQUIVALENTE A 1054)
prueba <- eav2024_final[-aleatorios,]5. Modelo inicial
Para la creación del modelo inicial, se decidió hacerlo con las variables independientes creadas, pues se consideró que estas son las que tienen mayor incidencia en la confianza en el gobierno, esto desde una perspectiva individual, y se fue ajustando el modelo, pues ni educación ni percepción de influencia ciudadana resultaron significativas.
# DEFINICIÓN DE MODELO LINEAL INICIAL CON VARIABLES PREDICTORAS YA AJUSTADAS (ES DECIR, YA SE ELIMINARON AQUELLAS QUE NO ERAN SIGNIFICATIVAS)
modelo_desconfianza <- lm(nivel_desconfianza ~ uso_recursos + transparencia + honestidad +
cap_solucion_problemas + satisfaccion_serv_publicos,
data = eav2024_final, weights =
factor_expansion)
summary(modelo_desconfianza) #VISUALIZAR EL MODELO##
## Call:
## lm(formula = nivel_desconfianza ~ uso_recursos + transparencia +
## honestidad + cap_solucion_problemas + satisfaccion_serv_publicos,
## data = eav2024_final, weights = factor_expansion)
##
## Weighted Residuals:
## Min 1Q Median 3Q Max
## -82.358 -8.847 -0.302 9.621 71.714
##
## Coefficients:
## Estimate Std. Error t value Pr(>|t|)
## (Intercept) 3.462482 0.046080 75.140 < 2e-16 ***
## uso_recursosNo -0.267093 0.027539 -9.699 < 2e-16 ***
## transparencia -0.086830 0.013457 -6.453 1.25e-10 ***
## honestidadNo -0.412826 0.031871 -12.953 < 2e-16 ***
## cap_solucion_problemasNo -0.649199 0.033070 -19.631 < 2e-16 ***
## satisfaccion_serv_publicos -0.033708 0.006005 -5.613 2.14e-08 ***
## ---
## Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
##
## Residual standard error: 16.56 on 3507 degrees of freedom
## Multiple R-squared: 0.5985, Adjusted R-squared: 0.5979
## F-statistic: 1046 on 5 and 3507 DF, p-value: < 2.2e-16vif(modelo_desconfianza) #COMPROBAR QUE NO HAY MULTICOLINEALIDAD (NO LA HAY)## uso_recursos transparencia
## 2.305303 1.107723
## honestidad cap_solucion_problemas
## 3.077697 3.324686
## satisfaccion_serv_publicos
## 1.168736#plot(modelo_desconfianza$residuals)
bptest(modelo_desconfianza) #HAY HETEROCEDASTICIDAD, PERO NO ES UN PROBLEMA##
## studentized Breusch-Pagan test
##
## data: modelo_desconfianza
## BP = 3336671, df = 5, p-value < 2.2e-16coeftest(modelo_desconfianza, vcov = vcovHC(modelo_desconfianza, type = "HC1")) #PARA CORREGIR HETEROCEDASTICIDADES EN EVALUACIÓN DEL MODELO##
## t test of coefficients:
##
## Estimate Std. Error t value Pr(>|t|)
## (Intercept) 3.4624825 0.0621566 55.7058 < 2.2e-16 ***
## uso_recursosNo -0.2670926 0.0388537 -6.8743 7.342e-12 ***
## transparencia -0.0868298 0.0173229 -5.0124 5.641e-07 ***
## honestidadNo -0.4128260 0.0489963 -8.4257 < 2.2e-16 ***
## cap_solucion_problemasNo -0.6491987 0.0522022 -12.4362 < 2.2e-16 ***
## satisfaccion_serv_publicos -0.0337083 0.0077378 -4.3563 1.361e-05 ***
## ---
## Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1# MODELO CON CONJUNTO DE ENTRENAMIENTO
modelo_desconfianza_train <- lm(nivel_desconfianza ~ uso_recursos + transparencia + honestidad +
cap_solucion_problemas + satisfaccion_serv_publicos,
data = entrenamiento, weights =
factor_expansion)
summary(modelo_desconfianza_train)##
## Call:
## lm(formula = nivel_desconfianza ~ uso_recursos + transparencia +
## honestidad + cap_solucion_problemas + satisfaccion_serv_publicos,
## data = entrenamiento, weights = factor_expansion)
##
## Weighted Residuals:
## Min 1Q Median 3Q Max
## -80.344 -8.917 0.017 9.705 72.921
##
## Coefficients:
## Estimate Std. Error t value Pr(>|t|)
## (Intercept) 3.445935 0.054894 62.774 < 2e-16 ***
## uso_recursosNo -0.303279 0.032854 -9.231 < 2e-16 ***
## transparencia -0.066972 0.016103 -4.159 3.31e-05 ***
## honestidadNo -0.393495 0.037741 -10.426 < 2e-16 ***
## cap_solucion_problemasNo -0.625437 0.038952 -16.057 < 2e-16 ***
## satisfaccion_serv_publicos -0.039531 0.007229 -5.468 5.01e-08 ***
## ---
## Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
##
## Residual standard error: 16.66 on 2453 degrees of freedom
## Multiple R-squared: 0.5911, Adjusted R-squared: 0.5903
## F-statistic: 709.3 on 5 and 2453 DF, p-value: < 2.2e-166. Evaluación del modelo inicial
prediccion_INICIAL <- predict(modelo_desconfianza_train, newdata = prueba) #GENERAR PREDICCIONES SEGÚN EL MODELO DE DESCONFIANZA
rmse_desconfianza <- sqrt(mean((prueba$nivel_desconfianza - prediccion_INICIAL)^2)) #CÁLCULO DEL PROMEDIO DEL ERROR CUADRÁTICO
mae_desconfianza <- mean(abs(prueba$nivel_desconfianza - prediccion_INICIAL)) #CÁLCULO DEL PROMEDIO DEL ERROR ABSOLUTO
r2_desconfianza <- cor(prueba$nivel_desconfianza, prediccion_INICIAL)^2 #CÁLCULO DE LA R2
#CÁLCULO DE RESIDUALES
residuales <- resid(modelo_desconfianza)
#GRÁFICO DE AJUSTE DE RESIDUALES
qqnorm(residuales)
qqline(residuales)
En conclusión, el modelo inicial resultó ser muy certero, con una R
cuadrada ajustadas muy alta para una evaluación de ciencias sociales
basada en percepciones. Los términos de error también fueron adecuados
para el modelo. En general, este primer modelo es de gran calidad
predictiva.
7. Selección de modelos lineales y reducción de dimensiones
PLS
#MÉTODO PLS
modelo_pls <- plsr(
nivel_desconfianza ~ uso_recursos + transparencia + honestidad +
cap_solucion_problemas + satisfaccion_serv_publicos,
data = eav2024_final,
weights = factor_expansion,
scale = TRUE,
validation = "CV"
) #AJUSTE DE MODELO INICIAL PLS
summary(modelo_pls) #VISUALIZACIÓN DEL MODELO ## Data: X dimension: 3513 5
## Y dimension: 3513 1
## Fit method: kernelpls
## Number of components considered: 5
##
## VALIDATION: RMSEP
## Cross-validated using 10 random segments.
## (Intercept) 1 comps 2 comps 3 comps 4 comps 5 comps
## CV 0.8397 0.5383 0.5327 0.5311 0.531 0.5310
## adjCV 0.8397 0.5383 0.5327 0.5310 0.531 0.5309
##
## TRAINING: % variance explained
## 1 comps 2 comps 3 comps 4 comps 5 comps
## X 56.35 71.61 78.89 90.97 100.00
## nivel_desconfianza 58.95 59.84 60.11 60.12 60.13plot(RMSEP(modelo_pls), legendpos = "topright") #GRÁFICA DEL RMSE DEL MODELO SEGÚN EL NÚMERO DE COMPONENTES
#AJUSTE DEL MODELO CON DATOS DE ENTRENAMIENTO
modelo_pls_TRAIN <- plsr(
nivel_desconfianza ~ uso_recursos + transparencia + honestidad +
cap_solucion_problemas + satisfaccion_serv_publicos,
data = entrenamiento,
weights = factor_expansion,
scale = TRUE,
validation = "CV"
)
#PREDICCIÓN SOBRE CONJUNTO DE PRUEBA
pred_pls <- predict(modelo_pls_TRAIN, newdata = prueba, ncomp = 2) #PREDICCIÓN CON DOS COMPONENTES PORQUE DE AHÍ EN ADELANTE LA MEJOR ES MUY POCO SIGNIFICATIVA
rmse_pls <- sqrt(mean((prueba$nivel_desconfianza - pred_pls)^2)) #CÁLCULO DE RMSE
mae_pls <- mean(abs(prueba$nivel_desconfianza - pred_pls)) #CÁLCULO DE MAE
r2_pls <- cor(prueba$nivel_desconfianza, pred_pls)^2 #CÁLCULO DE R2RIDGE
#MÉTODO RIDGE
#PREPARACIÓN DE DATOS X Y Y SEGÚN MIS VARIABLES
x <- model.matrix(nivel_desconfianza ~ uso_recursos + transparencia + honestidad +
cap_solucion_problemas + satisfaccion_serv_publicos, eav2024_final)[ ,-1]
y <- eav2024_final$nivel_desconfianza
#ASIGNACIÓN DEL FACTOR DE EXPANSIÓN COMO FACTOR, PARA PODER USAR WEIGHTS
factor <- eav2024_final$factor_expansion
#ENTRENAMIENTO CON VALIDACIÓN CRUZADA
seq(10,-2,length=10)## [1] 10.0000000 8.6666667 7.3333333 6.0000000 4.6666667 3.3333333
## [7] 2.0000000 0.6666667 -0.6666667 -2.0000000grid <- 10^seq(10,-2,length=10)
ridge.mod <- glmnet(x,y,alpha=0,lambda=grid, weights = factor)
set.seed(123) #PARA GARANTIZAR MISMOS RESULTADOS
cv.ridge <- cv.glmnet(x, y, alpha = 0, weights = factor)
lamba_optimo <- cv.ridge$lambda.min
#REETRENAMENTO CON LA MABDA ÓPTIMA
ridge <- glmnet(x, y, alpha = 0, lambda = lamba_optimo, weights = factor)
coef(ridge) #OBSERVAR LOS COEFICIENTES## 6 x 1 sparse Matrix of class "dgCMatrix"
## s0
## (Intercept) 3.45694764
## uso_recursosNo -0.28570745
## transparencia -0.08817803
## honestidadNo -0.41669211
## cap_solucion_problemasNo -0.58705130
## satisfaccion_serv_publicos -0.03536184# AJUSTE DEL MODELO A DATOS DE ETRENAMIENTO
x_train <- model.matrix(nivel_desconfianza ~ uso_recursos + transparencia + honestidad +
cap_solucion_problemas + satisfaccion_serv_publicos, entrenamiento)[ ,-1]
y_train <- entrenamiento$nivel_desconfianza
grid <- 10^seq(10,-2,length=10)
ridge.mod_train <- glmnet(x_train, y_train, alpha=0, lambda=grid, weights = entrenamiento$factor_expansion)
cv.ridge_train <- cv.glmnet(x_train, y_train, alpha = 0, weights = entrenamiento$factor_expansion)
lambda_optimo_train <- cv.ridge$lambda.min
# PREDICCIÓN CON CONUNTO DE PRUEBA
ridge_pred <- predict(ridge.mod_train, s = lambda_optimo_train, newx = model.matrix(nivel_desconfianza ~ uso_recursos + transparencia + honestidad +
cap_solucion_problemas + satisfaccion_serv_publicos, prueba)[ ,-1])
#CÁLCULO DE VARIABLES DE RMSE, MAE Y R2
rmse_ridge <- sqrt(mean((prueba$nivel_desconfianza - ridge_pred)^2))
mae_ridge <- mean(abs(prueba$nivel_desconfianza - ridge_pred))
r2_ridge <- cor(prueba$nivel_desconfianza, ridge_pred)^2LASSO
#MÉTODO LASSO
factor <- eav2024_final$factor_expansion #PARA PODER USAR WEIGHTS
#PREPARACIÓN DE DATOS PARA ENTRENAMIENTO Y PRUEBA
set.seed(123)
train = sample(1:nrow(x), nrow(x)/2)
test = -train
y.test = y[test]
#ENTRENAMIENTO CON VALIDACIÓN CRUZADA
lasso.mod <- glmnet(x[train ,], y[train], alpha=1, lambda=grid, weights = factor[train])
cv.out <- cv.glmnet(x[train ,], y[train], alpha=1, weights = factor[train])
plot(cv.out) #GRÁFICO
bestlam <- cv.out$lambda.min #LA LAMBDA ÓPTIMA
#PREDICCIONES CON CONJUNTO DE PRUEBA
lasso.pred <- predict(lasso.mod, s = bestlam, newx = x[test,])
#COEFICIENTES SELECCIONADOS CON LASSO
out <- glmnet(x, y, alpha = 1, lambda = grid)
lasso.coef <- predict(out, type = "coefficients", s = bestlam)[1:5,]
lasso.coef[lasso.coef != 0] ## (Intercept) uso_recursosNo transparencia
## 3.3782121 -0.2434922 -0.0656176
## honestidadNo cap_solucion_problemasNo
## -0.3797419 -0.6870017#CÁLCULO DE RMSE, MAE Y R2
rmse_lasso <- sqrt(mean((y.test - lasso.pred)^2))
mae_lasso <- mean(abs(y.test - lasso.pred))
r2_lasso <- cor(y.test, lasso.pred)^2REGSUBSETS FULL
# SUBCONJUNTOS FULL
#MODELO CON TODO EL CONJUNTO PARA ANÁLISIS INICIAL
regfit.full <- regsubsets (nivel_desconfianza~ uso_recursos + transparencia + honestidad +
cap_solucion_problemas + satisfaccion_serv_publicos, data=eav2024_final, nvmax=5)
reg.summary <- summary(regfit.full)
reg.summary #PARA VER QUÉ OBTUVO EL MODELO## Subset selection object
## Call: regsubsets.formula(nivel_desconfianza ~ uso_recursos + transparencia +
## honestidad + cap_solucion_problemas + satisfaccion_serv_publicos,
## data = eav2024_final, nvmax = 5)
## 5 Variables (and intercept)
## Forced in Forced out
## uso_recursosNo FALSE FALSE
## transparencia FALSE FALSE
## honestidadNo FALSE FALSE
## cap_solucion_problemasNo FALSE FALSE
## satisfaccion_serv_publicos FALSE FALSE
## 1 subsets of each size up to 5
## Selection Algorithm: exhaustive
## uso_recursosNo transparencia honestidadNo cap_solucion_problemasNo
## 1 ( 1 ) " " " " " " "*"
## 2 ( 1 ) " " " " "*" "*"
## 3 ( 1 ) "*" " " "*" "*"
## 4 ( 1 ) "*" " " "*" "*"
## 5 ( 1 ) "*" "*" "*" "*"
## satisfaccion_serv_publicos
## 1 ( 1 ) " "
## 2 ( 1 ) " "
## 3 ( 1 ) " "
## 4 ( 1 ) "*"
## 5 ( 1 ) "*"which.max(reg.summary$adjr2) #PARA VER LA MÁXIMA R2 OBTENIDA CON CUÁNTAS VARIABLES## [1] 5which.min(reg.summary$bic) #PARA VER EL MÍNIMO BIC OBTENIDO CON CUÁNTAS VARIABLES## [1] 5coeficientes <- coef(regfit.full, id = 5) #VER LOS COEFICIENTES SABIENDO QUE LO IDEAL SON 5 VARIABLES
print(coeficientes)## (Intercept) uso_recursosNo
## 3.43153901 -0.24947525
## transparencia honestidadNo
## -0.07511558 -0.38533598
## cap_solucion_problemasNo satisfaccion_serv_publicos
## -0.69000738 -0.03340941#PARA VER LAS MÉTRICAS R2 Y BIC
reg.summary$adjr2[5]## [1] 0.6006821reg.summary$bic[5]## [1] -3180.945# AJUSTE CON CONJUNTO DE ENTRENAMIENTO
regfit.full_TRAIN <- regsubsets(nivel_desconfianza ~ uso_recursos + transparencia + honestidad + cap_solucion_problemas + satisfaccion_serv_publicos,
data = entrenamiento, nvmax = 5)
reg.summary_TRAIN <- summary(regfit.full_TRAIN)
mejor_modelo_full_TRAIN <- which.max(reg.summary$adjr2) #PARA VER CUÁNTAS VARIABLES SON LAS IDEALES
coef_full_TRAIN <- coef(regfit.full, id = mejor_modelo_full_TRAIN) #PARA VER COEFICIENTES
X_test_full_TRAIN <- model.matrix(nivel_desconfianza ~ uso_recursos + transparencia + honestidad + cap_solucion_problemas + satisfaccion_serv_publicos, prueba)[, -1]
#CÁLCULO DE PREDICCIONES
pred_full <- X_test_full_TRAIN %*% coef_full_TRAIN[-1] + coef_full_TRAIN[1]
#CÁLCULO DE MÉTRICAS RMSE, MAE Y R2
rmse_full <- sqrt(mean((prueba$nivel_desconfianza - pred_full)^2))
mae_full <- mean(abs(prueba$nivel_desconfianza - pred_full))
r2_full <- cor(prueba$nivel_desconfianza, pred_full)^2REGSUBSETS FORWARD
#MÉTODO FORWARD
#MODELO CON TODO EL CONJUNTO PARA ANÁLISIS INICIAL
regfit.fwd <- regsubsets (nivel_desconfianza~ uso_recursos + transparencia + honestidad +
cap_solucion_problemas + satisfaccion_serv_publicos, data=eav2024_final, method = "forward", nvmax=5)
reg.summary.fwd <- summary(regfit.fwd)
reg.summary.fwd #OBSERVAR MODELO## Subset selection object
## Call: regsubsets.formula(nivel_desconfianza ~ uso_recursos + transparencia +
## honestidad + cap_solucion_problemas + satisfaccion_serv_publicos,
## data = eav2024_final, method = "forward", nvmax = 5)
## 5 Variables (and intercept)
## Forced in Forced out
## uso_recursosNo FALSE FALSE
## transparencia FALSE FALSE
## honestidadNo FALSE FALSE
## cap_solucion_problemasNo FALSE FALSE
## satisfaccion_serv_publicos FALSE FALSE
## 1 subsets of each size up to 5
## Selection Algorithm: forward
## uso_recursosNo transparencia honestidadNo cap_solucion_problemasNo
## 1 ( 1 ) " " " " " " "*"
## 2 ( 1 ) " " " " "*" "*"
## 3 ( 1 ) "*" " " "*" "*"
## 4 ( 1 ) "*" " " "*" "*"
## 5 ( 1 ) "*" "*" "*" "*"
## satisfaccion_serv_publicos
## 1 ( 1 ) " "
## 2 ( 1 ) " "
## 3 ( 1 ) " "
## 4 ( 1 ) "*"
## 5 ( 1 ) "*"which.max(reg.summary.fwd$adjr2) #VER MEJOR NÚM DE VARIABLES SEGÚN MÁXIMA R2## [1] 5which.min(reg.summary.fwd$bic) #VER MEJOR NUM DE VARIABLES SEGÚN MÍNIMO BIC## [1] 5coeficientes <- coef(regfit.fwd, id = 5) #PARA VER LOS COEFICIENTES
print(coeficientes)## (Intercept) uso_recursosNo
## 3.43153901 -0.24947525
## transparencia honestidadNo
## -0.07511558 -0.38533598
## cap_solucion_problemasNo satisfaccion_serv_publicos
## -0.69000738 -0.03340941reg.summary.fwd$adjr2[5] #PARA VER R2## [1] 0.6006821reg.summary.fwd$bic[5] #PARA VER BIC## [1] -3180.945# AJUSTE DEL MODELO CON CONJUNTO DE ENTRENAMIENTO
regfit.fwd_TRAIN <- regsubsets(nivel_desconfianza ~ uso_recursos + transparencia + honestidad +
cap_solucion_problemas + satisfaccion_serv_publicos,
data = entrenamiento, method = "forward", nvmax = 5)
reg.summary.fwd_TRAIN <- summary(regfit.fwd_TRAIN) #PARA VER MODELO
mejor_modelo_fwd_TRAIN <- which.max(reg.summary.fwd_TRAIN$adjr2) #PARA VER MEJOR NÚM DE VARIABLES
coef_fwd_TRAIN <- coef(regfit.fwd_TRAIN, id = mejor_modelo_fwd_TRAIN) #PARA VER COEFICIENTES
X_test_fwd_TRAIN <- model.matrix(nivel_desconfianza ~ uso_recursos + transparencia + honestidad + cap_solucion_problemas + satisfaccion_serv_publicos, prueba)[, -1]
#CÁLCULO DE PREDICCIONES
pred_fwd <- X_test_fwd_TRAIN %*% coef_fwd_TRAIN[-1] + coef_fwd_TRAIN[1]
#CÁLCULO DE MÉTRICAS RMSE, MAE Y R2
rmse_fwd <- sqrt(mean((prueba$nivel_desconfianza - pred_fwd)^2))
mae_fwd <- mean(abs(prueba$nivel_desconfianza - pred_fwd))
r2_fwd <- cor(prueba$nivel_desconfianza, pred_fwd)^2REGSUBSETS BACKWARD
#MÉTODO BACKWARD
#MODELO CON TODO EL CONJUNTO PARA ANÁLISIS INICIAL
regfit.bwd <- regsubsets (nivel_desconfianza~ uso_recursos + transparencia + honestidad +
cap_solucion_problemas + satisfaccion_serv_publicos, data=eav2024_final, method = "backward", nvmax=5)
reg.summary.bwd <- summary(regfit.bwd)
reg.summary.bwd #OBSERVAR EL MODELO## Subset selection object
## Call: regsubsets.formula(nivel_desconfianza ~ uso_recursos + transparencia +
## honestidad + cap_solucion_problemas + satisfaccion_serv_publicos,
## data = eav2024_final, method = "backward", nvmax = 5)
## 5 Variables (and intercept)
## Forced in Forced out
## uso_recursosNo FALSE FALSE
## transparencia FALSE FALSE
## honestidadNo FALSE FALSE
## cap_solucion_problemasNo FALSE FALSE
## satisfaccion_serv_publicos FALSE FALSE
## 1 subsets of each size up to 5
## Selection Algorithm: backward
## uso_recursosNo transparencia honestidadNo cap_solucion_problemasNo
## 1 ( 1 ) " " " " " " "*"
## 2 ( 1 ) " " " " "*" "*"
## 3 ( 1 ) "*" " " "*" "*"
## 4 ( 1 ) "*" " " "*" "*"
## 5 ( 1 ) "*" "*" "*" "*"
## satisfaccion_serv_publicos
## 1 ( 1 ) " "
## 2 ( 1 ) " "
## 3 ( 1 ) " "
## 4 ( 1 ) "*"
## 5 ( 1 ) "*"which.max(reg.summary.bwd$adjr2) #PARA VER MEJOR NUM DE VARIABLES CON MAXIMA R2## [1] 5which.min(reg.summary.bwd$bic) #PARA VER MEJOR NUM DE VARIABLES CON MINIMO BIC## [1] 5which.min(reg.summary.bwd$cp) #PARA VER MEJOR NUM DE VARIABLES CON MINIMO CP## [1] 5coeficientes <- coef(regfit.bwd, id = 5) #PARA VER COEFICIENTES
print(coeficientes)## (Intercept) uso_recursosNo
## 3.43153901 -0.24947525
## transparencia honestidadNo
## -0.07511558 -0.38533598
## cap_solucion_problemasNo satisfaccion_serv_publicos
## -0.69000738 -0.03340941reg.summary.bwd$adjr2[5] #PARA VER R2## [1] 0.6006821reg.summary.bwd$bic[5] #PARA VER BIC## [1] -3180.945# AJUSTE CON MODELO DE ENTRENAMIENTO
regfit.bwd_TRAIN <- regsubsets(nivel_desconfianza ~ uso_recursos + transparencia + honestidad + cap_solucion_problemas + satisfaccion_serv_publicos,
data = entrenamiento, method = "backward", nvmax = 5)
reg.summary.bwd_TRAIN <- summary(regfit.bwd_TRAIN) #PARA VER MODELO
mejor_modelo_bwd_TRAIN <- which.max(reg.summary.bwd_TRAIN$adjr2) #PARA VER MEJOR NUM DE VARIABLES
coef_bwd_TRAIN <- coef(regfit.bwd_TRAIN, id = mejor_modelo_bwd_TRAIN) #PARA VER COEFICIENTES
X_test_bwd_TRAIN <- model.matrix(nivel_desconfianza ~ uso_recursos + transparencia + honestidad + cap_solucion_problemas + satisfaccion_serv_publicos, prueba)[, -1]
# PREDICCIONES CON CONJUNTO DE PRUEBA
pred_bwd <- X_test_bwd_TRAIN %*% coef_bwd_TRAIN[-1] + coef_bwd_TRAIN[1]
#CÁLCULO DE MÉTRICAS RMSE, MAE Y R2
rmse_bwd <- sqrt(mean((prueba$nivel_desconfianza - pred_bwd)^2))
mae_bwd <- mean(abs(prueba$nivel_desconfianza - pred_bwd))
r2_bwd <- cor(prueba$nivel_desconfianza, pred_bwd)^2La comparación con el modelo lineal simples se realizó con todos los modelos en la sección de “10. Comparación de modelos y selección del mejor”
8. Regresión polinomial y splines
POLINOMIAL
Evaluación de qué grado es el mejor para variables numéricas de predicción. Primero, para la variable transparencia (se determinó que el mejor grado era 2)
#MODELO LINEAL GRADO 1
fit.1 <- lm(nivel_desconfianza ~ transparencia, data = eav2024_final, weights = factor_expansion)
#MODELO POLINOMIAL GRADO 2
fit.2 <- lm(nivel_desconfianza ~ poly(transparencia, 2), data = eav2024_final, weights = factor_expansion)
#MODELO POLINOMIAL GRADO 3
fit.3 <- lm(nivel_desconfianza ~ poly(transparencia, 3), data = eav2024_final, weights = factor_expansion)
#COMPARACIÓN DE VARIANZAS CON ANOVA DE LOS TRES MODELOS
anova(fit.1, fit.2, fit.3)#SE DETERMINÓ QUE EL MEJOR GRADO ES 2Luego, para la variable satisfacción de servicios públicos (se determinó que el mejor grado era 2)
#MODELO LINEAL GRADO 1
fit.1 <- lm(nivel_desconfianza ~ satisfaccion_serv_publicos, data = eav2024_final, weights = factor_expansion)
#MODELO POLINOMIAL GRADO 2
fit.2 <- lm(nivel_desconfianza ~ poly(satisfaccion_serv_publicos, 2), data = eav2024_final, weights = factor_expansion)
#MODELO POLINOMIAL GRADO 3
fit.3 <- lm(nivel_desconfianza ~ poly(satisfaccion_serv_publicos, 3), data = eav2024_final, weights = factor_expansion)
#COMPARACIÓN DE MODELOS CON VARIANZAS CON ANOVA
anova(fit.1, fit.2, fit.3)#SE DETERMINÓ QUE EL MEJOR GRADO ES 2Se implementaron los resultados en un sólo modelo polinomial.
# MODELO POLINOMIAL CON TODAS LAS VARIALES, Y CON TRANSPARENCIA Y SATISFACCION DE SERVICIOS PUBLICOS ELEVADA AL CUADRADO
poli_desconfianza <- lm(nivel_desconfianza ~ uso_recursos + I(transparencia^2) + honestidad + cap_solucion_problemas + I(satisfaccion_serv_publicos^2),
data = eav2024_final, weights = factor_expansion)
summary (poli_desconfianza) #PARA OBSERVAR EL MODELO##
## Call:
## lm(formula = nivel_desconfianza ~ uso_recursos + I(transparencia^2) +
## honestidad + cap_solucion_problemas + I(satisfaccion_serv_publicos^2),
## data = eav2024_final, weights = factor_expansion)
##
## Weighted Residuals:
## Min 1Q Median 3Q Max
## -81.712 -8.694 -0.352 9.414 72.060
##
## Coefficients:
## Estimate Std. Error t value Pr(>|t|)
## (Intercept) 3.2858329 0.0257287 127.711 < 2e-16 ***
## uso_recursosNo -0.2629304 0.0275296 -9.551 < 2e-16 ***
## I(transparencia^2) -0.0211068 0.0030823 -6.848 8.82e-12 ***
## honestidadNo -0.4116107 0.0318274 -12.933 < 2e-16 ***
## cap_solucion_problemasNo -0.6470542 0.0330251 -19.593 < 2e-16 ***
## I(satisfaccion_serv_publicos^2) -0.0027333 0.0004453 -6.138 9.30e-10 ***
## ---
## Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
##
## Residual standard error: 16.54 on 3507 degrees of freedom
## Multiple R-squared: 0.5996, Adjusted R-squared: 0.599
## F-statistic: 1050 on 5 and 3507 DF, p-value: < 2.2e-16# AJUSTE CON CONJUNTO DE ENTRENAMIENTO
poli_desconfianza_TRAIN <- lm(nivel_desconfianza ~ uso_recursos + I(transparencia^2) + honestidad + cap_solucion_problemas + I(satisfaccion_serv_publicos^2),
data = entrenamiento, weights = factor_expansion)
#REALIZAR PREDICCIONES CON CONJUNTO DE PRUEBA
pred_poli <- predict(poli_desconfianza_TRAIN, newdata = prueba)
#CÁLCULO DE MÉTRICAS RMSE, MAE Y R2
rmse_poli <- sqrt(mean((prueba$nivel_desconfianza - pred_poli)^2))
mae_poli <- mean(abs(prueba$nivel_desconfianza - pred_poli))
r2_poli <- cor(prueba$nivel_desconfianza, pred_poli)^2SPLINES
# MÉTODO DE SPLINES
spline_desconfianza <- lm(
nivel_desconfianza ~
bs(transparencia, df = 3) +
bs(satisfaccion_serv_publicos, df = 3) +
cap_solucion_problemas +
uso_recursos +
honestidad,
data = eav2024_final,
weights = factor_expansion
) #GRADOS DE LIBERTAD 3 PARA VARIABLES NUMÉRICAS, CATEGÓRICAS SIN CAMBIOS
summary(spline_desconfianza) #PARA OBSERVAR EL MODELO##
## Call:
## lm(formula = nivel_desconfianza ~ bs(transparencia, df = 3) +
## bs(satisfaccion_serv_publicos, df = 3) + cap_solucion_problemas +
## uso_recursos + honestidad, data = eav2024_final, weights = factor_expansion)
##
## Weighted Residuals:
## Min 1Q Median 3Q Max
## -79.519 -8.610 -0.462 9.151 71.657
##
## Coefficients:
## Estimate Std. Error t value Pr(>|t|)
## (Intercept) 3.47946 0.14785 23.534 < 2e-16
## bs(transparencia, df = 3)1 -0.09955 0.06547 -1.520 0.128495
## bs(transparencia, df = 3)2 -0.01217 0.08132 -0.150 0.881097
## bs(transparencia, df = 3)3 -0.38309 0.06528 -5.869 4.81e-09
## bs(satisfaccion_serv_publicos, df = 3)1 -0.59996 0.27492 -2.182 0.029155
## bs(satisfaccion_serv_publicos, df = 3)2 -0.04943 0.11852 -0.417 0.676651
## bs(satisfaccion_serv_publicos, df = 3)3 -0.59167 0.16480 -3.590 0.000335
## cap_solucion_problemasNo -0.65147 0.03301 -19.733 < 2e-16
## uso_recursosNo -0.26294 0.02752 -9.553 < 2e-16
## honestidadNo -0.41149 0.03180 -12.940 < 2e-16
##
## (Intercept) ***
## bs(transparencia, df = 3)1
## bs(transparencia, df = 3)2
## bs(transparencia, df = 3)3 ***
## bs(satisfaccion_serv_publicos, df = 3)1 *
## bs(satisfaccion_serv_publicos, df = 3)2
## bs(satisfaccion_serv_publicos, df = 3)3 ***
## cap_solucion_problemasNo ***
## uso_recursosNo ***
## honestidadNo ***
## ---
## Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
##
## Residual standard error: 16.52 on 3503 degrees of freedom
## Multiple R-squared: 0.601, Adjusted R-squared: 0.6
## F-statistic: 586.4 on 9 and 3503 DF, p-value: < 2.2e-16# AJUSTE CON CONJUNTO DE ENTRENAMIENTO
spline_desconfianza_TRAIN <- lm(
nivel_desconfianza ~
bs(transparencia, df = 3) +
bs(satisfaccion_serv_publicos, df = 3) +
cap_solucion_problemas +
uso_recursos +
honestidad,
data = entrenamiento,
weights = factor_expansion
)
#PREDICCIONES CON CONJUNTO DE PRUEBA
pred_spline <- predict(spline_desconfianza_TRAIN, newdata = prueba)
#CÁLCULO DE MÉTRICAS RMSE, MAE Y R2
rmse_spline <- sqrt(mean((prueba$nivel_desconfianza - pred_spline)^2))
mae_spline <- mean(abs(prueba$nivel_desconfianza - pred_spline))
r2_spline <- cor(prueba$nivel_desconfianza, pred_spline)^2La comparación con el modelo lineal simples se realizó con todos los modelos en la sección de “10. Comparación de modelos y selección del mejor”
9. Árboles de decisiones
ÁRBOL DE DECISONES SIMPLE
#MÉTODO DE ÁRBOL DE DECISIÓN
arbol <- tree(nivel_desconfianza ~ uso_recursos + transparencia + honestidad +
cap_solucion_problemas + satisfaccion_serv_publicos,
data = eav2024_final,
control = tree.control(nobs = nrow(eav2024_final), minsize = 50, mindev = 0.001)) #SÓLO SE DEVIDE SI LA DESVIACIÓN RESIDUAL SE REDUCE AL MENOS UN 0.1%
summary(arbol) #PARA OBERVAR EL MODELO##
## Regression tree:
## tree(formula = nivel_desconfianza ~ uso_recursos + transparencia +
## honestidad + cap_solucion_problemas + satisfaccion_serv_publicos,
## data = eav2024_final, control = tree.control(nobs = nrow(eav2024_final),
## minsize = 50, mindev = 0.001))
## Number of terminal nodes: 17
## Residual mean deviance: 0.2663 = 931.1 / 3496
## Distribution of residuals:
## Min. 1st Qu. Median Mean 3rd Qu. Max.
## -2.27200 -0.34750 0.02759 0.00000 0.29150 2.41800plot(arbol) #PARA GRAFICAR EL MODELO
text(arbol, pretty = 0, cex = 0.5)
# AJUSTE CON SUBCONJUNTO DE ENTRENAMIENTO
arbol_TRAIN <- tree(nivel_desconfianza ~ uso_recursos + transparencia + honestidad +
cap_solucion_problemas + satisfaccion_serv_publicos,
data = entrenamiento,
control = tree.control(nobs = nrow(entrenamiento), minsize = 50, mindev = 0.001))
#CÁLCULO DE PREDICCIONES
pred_arbol <- predict(arbol, newdata = prueba)
#CÁLCULO DE MÉTRICAS RMSE, MAE Y R2
rmse_arbol <- sqrt(mean((prueba$nivel_desconfianza - pred_arbol)^2))
mae_arbol <- mean(abs(prueba$nivel_desconfianza - pred_arbol))
r2_arbol <- cor(prueba$nivel_desconfianza, pred_arbol)^2RANDOM FOREST
# MÉTODO RANDOM FOREST
set.seed(123) #PARA QUE SE PUEDA REPETIR
#CREACIÓN DEL MODELO
modelo_rf <- randomForest(
nivel_desconfianza ~ uso_recursos + transparencia + honestidad +
cap_solucion_problemas + satisfaccion_serv_publicos,
data = eav2024_final,
ntree = 500,
mtry = 2,
nodesize = 50,
importance = TRUE
)
# AJUSTE DEL MODELO CON CONJUNTO DE ENTRENAMIENTO
set.seed(123)
modelo_rf_TRAIN <- randomForest(
nivel_desconfianza ~ uso_recursos + transparencia + honestidad +
cap_solucion_problemas + satisfaccion_serv_publicos,
data = entrenamiento,
ntree = 500,
mtry = 2,
nodesize = 50,
importance = TRUE
)
#CÁLCULO DE PREDICCIONES CON CONJUNTO DE PRUEBA
pred_rf <- predict(modelo_rf_TRAIN, newdata = prueba)
real <- prueba$nivel_desconfianza
#CREACIÓN DE MÉTRICAS RMSE, MAE Y R2
mae_rf <- mean(abs(pred_rf - real))
rmse_rf <- sqrt(mean((pred_rf - real)^2))
sst <- sum((real - mean(real))^2)
sse <- sum((real - pred_rf)^2)
r2_rf <- 1 - (sse / sst)La comparación con el modelo lineal simples se realizó con todos los modelos en la sección de “10. Comparación de modelos y selección del mejor”
10. Comparación de modelos y selección del mejor
Para evaluar y comparar los modelos, las métricas calculadas de RMSE, MAE y R2 fueron usadas para crear una tabla comparativa entre todos los tipos de modelos con datos de entrenamiento y prueba para predicciones, respectivamente.
# TABLA COMPARATIVA (USA A LAS MÉTRICAS RMSE, MAE Y R2 CALCULADAS A LO LARGO DEL CÓDIGO)
comparacion <- data.frame(
Modelo = c("Regresión Lineal", "PLS", "Ridge", "Lasso", "Subconjunto Full", "Forward", "Backward", "Polinomial", "Splines", "Árbol de Decisiones", "Random Forest"),
RMSE = c(rmse_desconfianza, rmse_pls, rmse_ridge, rmse_lasso, rmse_full, rmse_fwd, rmse_bwd, rmse_poli, rmse_spline, rmse_arbol, rmse_rf),
MAE = c(mae_desconfianza, mae_pls, mae_ridge, mae_lasso, mae_full, mae_fwd, mae_bwd, mae_poli, mae_spline, mae_arbol, mae_rf),
R2 = c(r2_desconfianza, r2_pls, r2_ridge, r2_lasso, r2_full, r2_fwd, r2_bwd, r2_poli, r2_spline, r2_arbol, r2_rf)
)
print(comparacion) #PARA VISUALIZAR LA TABLA## Modelo RMSE MAE R2
## 1 Regresión Lineal 0.5272987 0.4106513 0.6131874
## 2 PLS 0.5301126 0.4123576 0.6089290
## 3 Ridge 0.5283890 0.4097778 0.6124929
## 4 Lasso 0.5335874 0.4148628 0.6018457
## 5 Subconjunto Full 0.5249581 0.4087624 0.6156435
## 6 Forward 0.5268591 0.4091342 0.6136758
## 7 Backward 0.5268591 0.4091342 0.6136758
## 8 Polinomial 0.5271232 0.4108251 0.6135037
## 9 Splines 0.5279060 0.4091704 0.6125824
## 10 Árbol de Decisiones 0.5193885 0.4034628 0.6234272
## 11 Random Forest 0.5207818 0.4018511 0.6209594En base a esta tabla comparativa, el modelo con mejor rendimiento y error bajo fue el árbol de decisiones. Sin embargo las diferencias fueron mínimas, por lo cual se decidió realizar otra tabla comparativa, ajustando los modelos ahora con cross validation para verificar si de esta manera sí hay alguna diferencia significativa.
# TABLA COMPARATIVA CROSS VALIDATION
# PARA ESTA SECCIÓN, SE CALCULÓ NUEVAMENTE TODOS LOS MODELOS CON CARET PARA HACER CROSS VALIDATION Y HACER LA MISMA TABLA ANTERIOR PERO CON ESTOS PARÁMETROS
control_cv <- trainControl(method = "cv", number = 5) #DETERMINA EL MÉTODO DE CROSS VALIDATION PARA TODOS LOS MODELOS
#LOS MISMOS MODELOS ANES HECHOS, SE REALIZAN, AGREGANDO A CONTRO_CV COMO MÉTODO CON 5 REPETICIONES, POR LO CUAL NO SE NECESITA EXPLICARL CADA RENGLÓN NUEVAMENTE.
# REGRESION LINEAL
modelo_lm_cv <- train(
nivel_desconfianza ~ uso_recursos + transparencia + honestidad +
cap_solucion_problemas + satisfaccion_serv_publicos,
data = eav2024_final,
method = "lm",
weights = factor_expansion,
trControl = control_cv,
preProcess = c("center", "scale")
)
#PLS
set.seed(123)
modelo_pls_cv <- train(
nivel_desconfianza ~ uso_recursos + transparencia + honestidad +
cap_solucion_problemas + satisfaccion_serv_publicos,
data = eav2024_final,
method = "pls",
preProcess = c("center", "scale"),
weights = eav2024_final$factor_expansion,
trControl = control_cv,
tuneLength = 10
)
# RIDGE
x <- model.matrix(nivel_desconfianza ~ uso_recursos + transparencia + honestidad +
cap_solucion_problemas + satisfaccion_serv_publicos,
data = eav2024_final)[, -1]
y <- eav2024_final$nivel_desconfianza
w <- eav2024_final$factor_expansion
datos_ridge <- as.data.frame(cbind(x, nivel_desconfianza = y))
modelo_ridge_cv <- train(
nivel_desconfianza ~ .,
data = datos_ridge,
method = "glmnet",
preProcess = c("center", "scale"),
weights = w,
trControl = control_cv,
tuneGrid = expand.grid(
alpha = 0,
lambda = 10^seq(10, -2, length = 100)
)
)## Warning in nominalTrainWorkflow(x = x, y = y, wts = weights, info = trainInfo,
## : There were missing values in resampled performance measures.# LASSO
x <- model.matrix(nivel_desconfianza ~ uso_recursos + transparencia + honestidad +
cap_solucion_problemas + satisfaccion_serv_publicos, data = eav2024_final)[, -1]
y <- eav2024_final$nivel_desconfianza
w <- eav2024_final$factor_expansion
datos_lasso <- as.data.frame(cbind(x, nivel_desconfianza = y))
modelo_lasso_cv <- train(
nivel_desconfianza ~ .,
data = datos_lasso,
method = "glmnet",
preProcess = c("center", "scale"),
weights = w,
trControl = control_cv,
tuneGrid = expand.grid(
alpha = 1, # Lasso
lambda = 10^seq(10, -2, length = 100) # secuencia de lambdas
)
)## Warning in nominalTrainWorkflow(x = x, y = y, wts = weights, info = trainInfo,
## : There were missing values in resampled performance measures.# SUBCONJUNTO FULL
modelo_full_cv <- train(
nivel_desconfianza ~ uso_recursos + transparencia + honestidad +
cap_solucion_problemas + satisfaccion_serv_publicos,
data = eav2024_final,
method = "leapSeq",
tuneLength = 5,
trControl = control_cv,
preProcess = c("center", "scale")
)
# FORWARD
modelo_forward_cv <- train(
nivel_desconfianza ~ uso_recursos + transparencia + honestidad +
cap_solucion_problemas + satisfaccion_serv_publicos,
data = eav2024_final,
method = "leapForward",
tuneLength = 5,
trControl = control_cv,
preProcess = c("center", "scale")
)
# BACKWARD
modelo_backward_cv <- train(
nivel_desconfianza ~ uso_recursos + transparencia + honestidad +
cap_solucion_problemas + satisfaccion_serv_publicos,
data = eav2024_final,
method = "leapBackward", # backward stepwise
tuneLength = 5, # prueba modelos con 1 a 5 variables
trControl = control_cv,
preProcess = c("center", "scale")
)
# POLINOMIAL
eav2024_final_cv <- eav2024_final
eav2024_final_cv$transparencia2 <- eav2024_final$transparencia^2
eav2024_final_cv$satisfaccion2 <- eav2024_final$satisfaccion_serv_publicos^2
modelo_poli_cv <- train(
nivel_desconfianza ~ uso_recursos + transparencia2 + honestidad + cap_solucion_problemas + satisfaccion2,
data = eav2024_final_cv,
method = "lm",
weights = eav2024_final$factor_expansion,
trControl = control_cv,
preProcess = c("center", "scale")
)
# ARBOL DE DECISIONES
modelo_arbol_cv <- train(
nivel_desconfianza ~ uso_recursos + transparencia + honestidad +
cap_solucion_problemas + satisfaccion_serv_publicos,
data = eav2024_final,
method = "rpart",
trControl = trainControl(method = "cv", number = 5),
tuneLength = 10
)## Warning in nominalTrainWorkflow(x = x, y = y, wts = weights, info = trainInfo,
## : There were missing values in resampled performance measures.# RESULTADOS EN LA TABLA
resultados <- resamples(list(LINEAL = modelo_lm_cv, PLS = modelo_pls_cv, RIDGE = modelo_ridge_cv, LASSO = modelo_lasso_cv, FULL = modelo_full_cv, FORWARD = modelo_forward_cv, BACKWARD = modelo_backward_cv, POLINOMIAL = modelo_poli_cv, ARBOL = modelo_arbol_cv))
summary(resultados)##
## Call:
## summary.resamples(object = resultados)
##
## Models: LINEAL, PLS, RIDGE, LASSO, FULL, FORWARD, BACKWARD, POLINOMIAL, ARBOL
## Number of resamples: 5
##
## MAE
## Min. 1st Qu. Median Mean 3rd Qu. Max. NA's
## LINEAL 0.4033076 0.4036134 0.4122514 0.4160344 0.4146086 0.4463911 0
## PLS 0.4021059 0.4107766 0.4140450 0.4156300 0.4168364 0.4343858 0
## RIDGE 0.4079585 0.4094664 0.4149745 0.4144644 0.4170653 0.4228572 0
## LASSO 0.4039181 0.4066887 0.4096076 0.4143606 0.4193563 0.4322320 0
## FULL 0.4015595 0.4076628 0.4109417 0.4155107 0.4193972 0.4379922 0
## FORWARD 0.4046620 0.4109643 0.4121251 0.4150148 0.4179738 0.4293489 0
## BACKWARD 0.4056064 0.4077626 0.4079527 0.4155093 0.4253375 0.4308872 0
## POLINOMIAL 0.3944603 0.4101261 0.4175937 0.4164656 0.4214112 0.4387364 0
## ARBOL 0.3983101 0.4118424 0.4200281 0.4156439 0.4225824 0.4254565 0
##
## RMSE
## Min. 1st Qu. Median Mean 3rd Qu. Max. NA's
## LINEAL 0.5097762 0.5242637 0.5246281 0.5306758 0.5262969 0.5684138 0
## PLS 0.5252846 0.5265188 0.5271244 0.5312927 0.5279426 0.5495932 0
## RIDGE 0.5160489 0.5284097 0.5332996 0.5315991 0.5386438 0.5415936 0
## LASSO 0.5216522 0.5239609 0.5240592 0.5310818 0.5386116 0.5471251 0
## FULL 0.5189526 0.5209094 0.5291044 0.5311629 0.5359012 0.5509469 0
## FORWARD 0.5153826 0.5293393 0.5294265 0.5310681 0.5350699 0.5461224 0
## BACKWARD 0.5206186 0.5227406 0.5272680 0.5311577 0.5275907 0.5575704 0
## POLINOMIAL 0.4948304 0.5304958 0.5352983 0.5307644 0.5390036 0.5541939 0
## ARBOL 0.5108121 0.5220065 0.5301997 0.5326834 0.5451412 0.5552578 0
##
## Rsquared
## Min. 1st Qu. Median Mean 3rd Qu. Max. NA's
## LINEAL 0.5660765 0.5910989 0.6003171 0.6006721 0.6148168 0.6310514 0
## PLS 0.5817542 0.6014574 0.6030881 0.6003621 0.6049872 0.6105237 0
## RIDGE 0.5804904 0.5991726 0.5994417 0.6002781 0.6035355 0.6187500 0
## LASSO 0.5723145 0.6021497 0.6038297 0.6000622 0.6046580 0.6173592 0
## FULL 0.5808135 0.5957652 0.6008676 0.6004875 0.6101948 0.6147963 0
## FORWARD 0.5630135 0.5945411 0.6008817 0.5999228 0.6079709 0.6332069 0
## BACKWARD 0.5768465 0.6044225 0.6044676 0.6000320 0.6044715 0.6099518 0
## POLINOMIAL 0.5690717 0.5806274 0.5983973 0.6006520 0.6044543 0.6507093 0
## ARBOL 0.5700087 0.5837771 0.6023921 0.5977462 0.6115473 0.6210059 0Justificación: Despúes de analizar todos los modelos predictivos, el modelo de Random Forest resultó ser el que tiene mejor desempeño general, con un RMSE de 0.5207818, MAE de 0.4018511 y un R² aproximado de 0.6209594 sin cross validation. Sin embargo, al comparar con el modelo de regresión lineal base, que obtuvo un RMSE de 16.56, un MAE similar y un R² de 0.5985, se observa que las diferencias en capacidad predictiva son mínimas. Dado que el modelo lineal es considerablemente más fácil de interpretar y explicar, especialmente en contextos como los de esta evidencia, donde los resultados serán presentados a un público no especializado en este tipo de análisis, se eligió utilizar el modelo lineal como base del análisis final. Esta elección prioriza la interpretación del modelo considerando que no haya un sacrificio significativo de la capacidad predictiva de la variable nivel de desconfianza.
En consecuencia, ya que se eligió el modelo, se realizará la transformación de la variable nivel de desconfianza nuevamente a una categórica y se evaluará el modelo.
pred_redondeadas <- round(prediccion_INICIAL) #REDONDEAR LAS PREDICCIONES PARA PODER CONVERTIRLAS A NUMÉRICAS
pred_redondeadas <- ifelse(pred_redondeadas < 1, 1,
ifelse(pred_redondeadas > 4, 4, pred_redondeadas)) #PARA ASEGURARSE QUE TODOS LOS VALORES SEAN O 1, 2, 3 O 4
niveles <- c("Mejor de lo que esperaba",
"Igual de bien que lo que esperaba",
"Igual de lo mal que lo que esperaba",
"Peor de lo que esperaba") #VOLVIENDO A LA ENCUESTA ORIGINAL ESTOS ERAN LOS NOMBRES DE LAS POSIBLES RESPUESTAS
pred_categoricas <- cut(prediccion_INICIAL,
breaks = c(-Inf, 1.5, 2.5, 3.5, Inf),
labels = niveles,
right = TRUE,
include.lowest = TRUE) #CAMBIAR EL NOMBRE DE LAS VARIABLES POR SUS VERDADEROS NOMBRES PARA LAS PREDICCIONES
real_categorico <- factor(prueba$nivel_desconfianza, levels = 1:4, labels = niveles) #CAMBIAR EL NOMBRE DE LAS VARIABLES POR LOS VERDADEROS EN LOS DATOS ORIGINALES
#PARA HACER UNA MATRIZ DE CONFUSIÓN
conf_matrix <- confusionMatrix(pred_categoricas, real_categorico)
print(conf_matrix)## Confusion Matrix and Statistics
##
## Reference
## Prediction Mejor de lo que esperaba
## Mejor de lo que esperaba 0
## Igual de bien que lo que esperaba 117
## Igual de lo mal que lo que esperaba 5
## Peor de lo que esperaba 0
## Reference
## Prediction Igual de bien que lo que esperaba
## Mejor de lo que esperaba 0
## Igual de bien que lo que esperaba 212
## Igual de lo mal que lo que esperaba 15
## Peor de lo que esperaba 0
## Reference
## Prediction Igual de lo mal que lo que esperaba
## Mejor de lo que esperaba 0
## Igual de bien que lo que esperaba 7
## Igual de lo mal que lo que esperaba 129
## Peor de lo que esperaba 0
## Reference
## Prediction Peor de lo que esperaba
## Mejor de lo que esperaba 0
## Igual de bien que lo que esperaba 4
## Igual de lo mal que lo que esperaba 67
## Peor de lo que esperaba 0
##
## Overall Statistics
##
## Accuracy : 0.6133
## 95% CI : (0.5714, 0.654)
## No Information Rate : 0.4083
## P-Value [Acc > NIR] : < 2.2e-16
##
## Kappa : 0.4099
##
## Mcnemar's Test P-Value : NA
##
## Statistics by Class:
##
## Class: Mejor de lo que esperaba
## Sensitivity 0.0000
## Specificity 1.0000
## Pos Pred Value NaN
## Neg Pred Value 0.7806
## Prevalence 0.2194
## Detection Rate 0.0000
## Detection Prevalence 0.0000
## Balanced Accuracy 0.5000
## Class: Igual de bien que lo que esperaba
## Sensitivity 0.9339
## Specificity 0.6109
## Pos Pred Value 0.6235
## Neg Pred Value 0.9306
## Prevalence 0.4083
## Detection Rate 0.3813
## Detection Prevalence 0.6115
## Balanced Accuracy 0.7724
## Class: Igual de lo mal que lo que esperaba
## Sensitivity 0.9485
## Specificity 0.7929
## Pos Pred Value 0.5972
## Neg Pred Value 0.9794
## Prevalence 0.2446
## Detection Rate 0.2320
## Detection Prevalence 0.3885
## Balanced Accuracy 0.8707
## Class: Peor de lo que esperaba
## Sensitivity 0.0000
## Specificity 1.0000
## Pos Pred Value NaN
## Neg Pred Value 0.8723
## Prevalence 0.1277
## Detection Rate 0.0000
## Detection Prevalence 0.0000
## Balanced Accuracy 0.5000Evaluando los resultados de la matriz de confusión, se puede observar que no se hicieron las predicciones correctas para la categoría 1 ni para la 2. Entonces, el siguiente código es para observar adecuadamente la distribución de las respuestas para el nivel de desconfianza en el conjunto de prueba.
hist(prediccion_INICIAL, breaks = 30, main = "Distribución de predicciones", col = "#823fbf") # CREA UN HISTOGRAMA PARA OBSERVAR CÓMO SE DISTRIBUYEN LOS RESULTADOS
summary(prediccion_INICIAL) #PERMITE VER UN RESUMEN DE LAS MÉTRICAS MÁS IMPORTANTES, COMO PROMEDIO, MAX, MIN, ETC.## Min. 1st Qu. Median Mean 3rd Qu. Max.
## 1.500 1.682 2.256 2.357 3.043 3.339En mi conjunto de prueba no hay casos con las categorías 1 (“Mejor de lo que esperaba”) ni 4 (“Peor de lo que esperaba”), el modelo no puede predecir esas clases ni mostrarlas en la matriz de confusión, porque simplemente no existen en los datos con los que estoy evaluando, el modelo no tuvo oportunidad de acertar o fallar en esas categorías, ya que no estaban presentes en el conjunto de evaluación.
En resumen, la matriz muestra que el modelo funciona relativamente bien para predecir las categorías centrales, donde sí hay datos (como “Igual de bien que lo que esperaba” e “Igual de lo mal que lo que esperaba”), con buena sensibilidad y especificidad para esas clases, porque además en general, sí se tiene una predicción bastante certera, con un accuracy de 0.6133, similar a la R2 calculada previdamente en el modelo inicial.
11. Implementación en Shiny
INTERFAZ
# UI
# CARGA LAS DOS LIBRERÍAS QUE SE UTILIZARON EN LA INTERFAZ
library(shiny)
library(shinydashboard)
# LO DE DASHBOARD ES PARA QUE LA INTERFAZ TENGA ESTA FORMA
dashboardPage(
skin = "purple",
dashboardHeader(title = "Nivel de Desconfianza en AMM"), #SE USA PARA DESIGNAR AL COLOR DEL ENCABEZADO Y AL TÍTULO (EL COLOR ES EL DE CÓMO VAMOS NUEVO LEÓN)
dashboardSidebar( #ESTO CREA UNA BARRA LATERAL CON LOS TÍTULOS DE CADA TAB QUE SE CREÓ EN LA INTERFAZ Y SE LE PONE UN ÍCONO AL LADO DE CADA UNO QUE EJEMPLIFICA QUÉ SON
sidebarMenu(
menuItem("INTRODUCCIÓN", tabName = "intro", icon = icon("book-open")),
menuItem("SIMULADOR", tabName = "pred", icon = icon("sliders-h")),
menuItem("METODOLOGÍA", tabName = "modelo", icon = icon("cogs")),
menuItem("RECOMENDACIONES DE USO", tabName = "guia", icon = icon("exclamation-circle"))
)
),
dashboardBody( #ESTO DEFINE EN GENERAL CÓMO VA A SER EL DISEÑO PERSONALIZADO DENTRO DE LA INTERFAZ, LOS COLORES SIENDO MORADO, AZUL Y AMARILLO, CON FONDO BLANCO, EL TIPO DE BOXES QUE SE VEN, TODO
tags$head(tags$style(HTML("
.skin-purple .main-header .logo {
background-color: #823fbf;
color: white;
}
.skin-purple .main-header .navbar {
background-color: #823fbf;
}
.content-wrapper {
background-color: #ffffff;
}
.box {
border-top: 3px solid #ecad01;
}
.btn-primary {
background-color: #823fbf;
color: white;
border-color: #823fbf;
}
.box-title {
color: #4B0010;
font-weight: bold;
}
"))),
tabItems( #ESTO ENUMERA TODO LO QUE SE ENCUENTRA DENTRO DE CADA VENTANA
# ESTO ES SÓLO PARA LA DE INTRODUCCIÓN, AQUÍ PUSE TODO LO QUE VIENE EN LA INTERFAZ, USANDO H4 PARA TÍTULOS, P PARA EL TEXTO NORMAL Y TAGS PARA LOS BULLET POINTS CON STRONG PARA EL BOLD
tabItem(tabName = "intro",
box(title = "¿Por qué creamos esta herramienta?", width = 12, status = "primary", solidHeader = TRUE,
h4("Problemática:"),
p("Cuando ciertos sectores de la población (por su ubicación geográfica, nivel educativo o situación socioeconómica) desconfían de sus autoridades, se debilita el vínculo entre el gobierno y la ciudadanía, lo cual frena la colaboración, la denuncia de actos de corrupción y el cumplimiento de políticas públicas."),
h4("Pregunta de investigación:"),
p("¿Cómo se relaciona el nivel de desconfianza en los gobiernos municipal y estatal con las percepciones ciudadanas sobre el gobierno de los habitantes del Área Metropolitana de Monterrey según datos de la Encuesta Así Vamos 2024? "),
p("Esta herramienta permite estimar el nivel de desconfianza ciudadana con base en percepciones clave sobre el desempeño del gobierno local (estatal y municipal)."),
p("Se busca identificar esas brechas de confianza para ofrecer soluciones dirigidas y efectivas. Abordar en este tema no solo significa mejorar la relación entre gobierno y sociedad, sino también anticiparse a riesgos sociales, políticos y económicos."),
h4("Glosario de variables:"),
tags$ul(
tags$li(strong("Uso de recursos públicos:"), " Percepción sobre si el gobierno hace un uso adecuado del dinero público."),
tags$li(strong("Transparencia:"), " Basada en la percepción de corrupción. A mayor valor, menor corrupción percibida."),
tags$li(strong("Honestidad:"), " Opinión sobre si los gobernantes han sido honestos."),
tags$li(strong("Capacidad para resolver problemas:"), " Evaluación sobre si el gobierno puede solucionar los problemas en donde habitan los usuarios."),
tags$li(strong("Satisfacción con servicios públicos:"), " Nivel de satisfacción con servicios como alumbrado, parques, calles y recolección de basura.")
),
h4("¿Tienes más de 18 años, vives en el Área Metropolitana de Monterrey y quieres conocer tu nivel de desconfianza? Consulta nuestro simulador")
)
),
# ESTO ES PARA LA TAB DE SIMULADOR
tabItem(tabName = "pred",
fluidRow( #ESTI DEFINE A LA PRIMERA CAJA DE INPUTS, TODOS LOS QUE SE LLAMAN RADIOBUTTONS Y SLIDERINPUT SON LOS QUE LA GENTE PUEDE CONTESTAR
box(title = "Ingrese sus datos para conocer su nivel de desconfianza", width = 4, status = "primary", solidHeader = TRUE,
radioButtons("honestidad", "¿Considera que sus gobernantes han sido honestos?",
choices = c("Sí", "No")),
radioButtons("transparencia", "En su opinión, en el gobierno la corrupción es una práctica:",
choices = c("Muy frecuente" = 1, "Frecuente" = 2,
"Poco frecuente" = 3, "No ocurre" = 4)),
radioButtons("capacidad", "¿Considera que el gobierno es capaz de resolver los problemas de donde habita?",
choices = c("Sí", "No")),
radioButtons("uso_recursos", "¿Considera que el gobierno hace un buen uso de los recursos públicos?",
choices = c("Sí", "No")),
sliderInput("satisfaccion", "¿Qué tan satisfecho(a) está con los servicios públicos?",
min = 1, max = 10, value = 5),
actionButton("predecir", "Calcular predicción", class = "btn-primary") # ESTE ES EL BOTÓN PARA CALCULAR PREDICCIONES
),
box(title = "Resultado de la predicción", width = 8, status = "warning", solidHeader = TRUE, #ESTO ES PARA LA CAJA DONDE SE VEN LAS PREDICCIONES
h3(textOutput("resultado_pred")),
p(em("En una escala del 1 al 4, donde 1 es 'no desconfío' y 4 es 'desconfío totalmente'.")), #TE DA AL RESULTADO COMO TAL
p(textOutput("explicacion_pred")), #TE DA LA EXPLICACIÓN QUE PUSIMOS EN EL SERVER
uiOutput("texto_prediccion") # TE DICE EN TÉRMINOS CATEGÓRTICOS QUÉ ES
)
),
fluidRow( #ESTO ES PARA OTRA CAJA DONDE SE EXPLICA QUÉ ES LO QUE INFLUYÓ EN EL RESULTADO CON TEXTO H4, P Y TAGS
box(title = "¿Qué influyó más en este resultado?", width = 12, status = "info", solidHeader = TRUE,
p("Según el modelo, las percepciones que más influyen en la desconfianza son:"),
tags$ul(
tags$li("Pensar que el gobierno no resuelve problemas tiene el mayor efecto negativo."),
tags$li("Percibir poca honestidad en los gobernantes también incrementa la desconfianza."),
tags$li("La satisfacción con servicios públicos y la percepción de transparencia también afectan, pero en menor medida."),
tags$li("El uso adecuado de los recursos tiene un efecto intermedio.")
),
p("Estas relaciones se basan en patrones estadísticos observados en la población encuestada.")
)
),
fluidRow( #CREA LA ÚLTIMA CAJA DEL TAB CON EL GRÁFICO QUE SE CALCULA EN EL SERVER
box(title = "Representación visual del modelo lineal", width = 12, status = "success", solidHeader = TRUE,
plotOutput("grafico_regresion")
)
)
),
# ESTO ES PARA EL TAB DE MODELO Y METODOLOGÍA, EXPLICA LA CÓMO FUNCIONA EL MODELO CON H4, P Y TAGS
tabItem(tabName = "modelo",
box(title = "¿Cómo funciona esta herramienta?", width = 12, status = "info", solidHeader = TRUE,
p("Usamos un modelo entrenado con los datos de la encuesta Así Vamos 2024. Este modelo es una regresión lineal que relaciona cinco percepciones ciudadanas con el nivel de desconfianza hacia el gobierno local."),
h4("Sobre las variables:"),
p("Para esto, se tomaron en cuenta variables de la encuesta a nivel municipal y estatal y se evaluaron en su conjunto."),
p("Cada variable aporta un 'peso' o coeficiente. Estos coeficientes se combinan para predecir la desconfianza estimada. Entre más grande el valor, mayor desconfianza."),
p("Para nuestro análisis, las variables referentes al nivel municipal tienen mayor peso, pues la percepción del ciudadano se verá mayormente influenciada por aquello que observa a nivel más cercano en su día a día."),
h4("Para conocer más sobre el tema, consultar:"),
p("Keefer, P., & Scartascini, C. (Eds.). (2020). Confianza: La clave de la cohesión social y el crecimiento en América Latina y el Caribe. Banco Interamericano de Desarrollo."),
h4("Limitaciones:"),
tags$ul(
tags$li("El modelo se basa exclusivamente en los resultados de sólo un año"),
tags$li("Los valores faltantes pueden incidir en la precisión del modelo"),
tags$li("La herramientas es útil como una exploración inicial, pero no reemplaza a diagnósticos detallados"))
),
box(title = "Metodología completa", width = 12, status = "info", solidHeader = TRUE, #CREA OTRA CAJA PARA DIRIGIR AL RPUBS
p("Para más detalles técnicos sobre el modelo, los datos y los pasos de análisis, consulta el siguiente enlace:"),
tags$a(href = "http://rpubs.com/camila_morales/1318338", "Ver detalles metodológicos en RPubs", target = "_blank") #EN EL TEXTO VER DETALLES SI LE DAS CLICK TE ABRE EL RPBUS CON TODO ESTE CÓDIGO
)
),
# ESTO ES PARA EL TAB DE RECOMENDACIONES DE USO DE LA HERRAMIENTA
tabItem(tabName = "guia",
box(title = "¿Cuándo y cómo usar esta herramienta?", width = 12, status = "info", solidHeader = TRUE,
p("Este simulador puede ser útil para ciudadanía, medios de comunicación, gobiernos locales y estudiantes."),
p("Tome en cuenta que la herramienta se basa en datos recopilados en 2024. Los valores predichos son aproximados."),
p("No sustituye encuestas oficiales, pero puede dar una referencia rápida sobre el nivel de desconfianza estimado."),
h4("Infografía de uso"),
img(src = "infografia.png", height = "500px", style = "display:block; margin:auto;") #ADJUNTA LA IMAGEN QUE SE LLAMA INFOGRAFIA QUE ESTÁ GUARDADA EN UNA CARPETA QUE SE LLAMA WWW DENTRO DEL FOLDER DE LA SHINY APP
)
)
)
)
)SERVER
# SERVER
# CARGA DE LAS DOS LIBRERÍAS EMPLEADAS PARA EL SERVER
library(shiny)
library(ggplot2)
# SE USA FUNCTION PARA DEFINIR LA FUNCIÓN DEL SERVER CON INPUT, OUTPUT Y SESSION DE SHINY
function(input, output, session) {
coef <- list(
intercepto = 3.445935,
uso_recursosNo = -0.303279,
transparencia = -0.066972,
honestidadNo = -0.393495,
cap_solucion_problemasNo = -0.625437,
satisfaccion = -0.039531
) #SE GUARDA UNA LISTA DE LOS COEFICIENTES DEL MODELO ESTIMADO
observeEvent(input$predecir, { #TODO LO QUE SUCEDE EN ESTE BLOQUE OCURRE CUANDO LE PICA EL USUARIO AL BOTÓN DE CALCULAR PREDICCIÓN
pred <- coef$intercepto +
ifelse(input$uso_recursos == "Sí", coef$uso_recursosNo, 0) +
(5 - as.numeric(input$transparencia)) * coef$transparencia +
ifelse(input$honestidad == "Sí", coef$honestidadNo, 0) +
ifelse(input$capacidad == "Sí", coef$cap_solucion_problemasNo, 0) +
input$satisfaccion * coef$satisfaccion
# LO ANTERIOR CALCULA LA PREDICCIÓN MULTIPLICANDO LOS VALORES DE LAS VARIABLES POR SU COEFICIENTE ANTES PUESTO Y SUMANDO LOS RESULTADOS
output$resultado_pred <- renderText({
sprintf("Tu nivel estimado de desconfianza es: %.2f", pred)
}) #GENERA EL TEXTO QUE MUESTA LOS RESULTADOS REDONDEADOS A DOS DECMALES
output$explicacion_pred <- renderText({ #ESTO CREA AL PÁRRAFO DE TEXTO QUE DICE PORQUÉ EL RESULTADO DE LA PREDICCIÓN, DICE QUE ESTO SE DEBE A QUE ELEGISTE TAL, TAL Y TAL RESPUESTAS
paste0(
"Esto se debe a que seleccionaste que tus gobernantes ",
ifelse(input$honestidad == "No", "no han sido honestos, ", "sí han sido honestos, "),
"percibes que la corrupción es ",
switch(input$transparencia, #ESTO ES PARA TRANSFORMAR LOS NÚMREOS DE LA PREGUNTA DE CORRUPCIÓN AL TEXTO QUE APARECE
"1" = "muy frecuente",
"2" = "frecuente",
"3" = "poco frecuente",
"4" = "algo que no ocurre"),
", consideras que el gobierno ",
ifelse(input$capacidad == "No", "no puede resolver los problemas, ", "sí puede resolver los problemas, "),
"y estás ",
ifelse(input$satisfaccion <= 3, "poco satisfecho/a",
ifelse(input$satisfaccion <= 7, "medianamente satisfecho/a", "muy satisfecho/a")), #ESTE CÓDIGO ES PARA MOSTRAR DE LA ESCALA DEL 1 AL 10 SI ESTO ES MEDIANA, MUY O POCO SATISFECHO CON SERVICIOS PÚBLICOS
" con los servicios públicos. Además, opinas que el gobierno ",
ifelse(input$uso_recursos == "No", "no usa bien los recursos públicos.", "sí usa bien los recursos públicos.")
)
})
output$grafico_regresion <- renderPlot({ #GENERA UNA CURVA DE DENSIDAD NORMAL SOBRE LOS DATOS REALES
x <- seq(1.5, 4.5, by = 0.01)
y <- dnorm(x, mean = 2.8, sd = 0.5)
plot(x, y, type = "l", lwd = 2, col = "#823fbf",
xlab = "Nivel de desconfianza",
ylab = "Densidad estimada",
main = "Ubicación de tu resultado en la distribución estimada")
abline(v = pred, col = "#ecad01", lwd = 3)
points(pred, dnorm(pred, mean = 2.8, sd = 0.5), col = "#ecad01", pch = 19, cex = 1.5)
legend("topright", legend = c("Tu resultado"), col = "#ecad01", lwd = 2, bty = "n") #ESTO GENERA UNA LÍNEA Y UN PUNTO EN DONDE LOS USARIOS CAYERON DENTRO DE LA CURVA DE DENSIDAD
})
output$texto_prediccion <- renderUI({ #ESTO, DADA LA RECONVERSIÓN A CATEGÓRICA DE LA VARIABLE DEPENDIENTE, TE DICE ADEMÁS DEL NIVEL DE DESCONFIANZA NUMÉRICO, QUÉ TAN BIEN CONSIDERAS QUE VA EL GOBIERNO SEGÚN PARÁMETROS DEFINIDOS A MANO.
nivel_confianza <- case_when(
pred >= 3.5 ~ "mucho peor de lo que esperabas",
pred >= 2.5 & pred < 3.5 ~ "peor de lo que esperabas",
pred >= 1.5 & pred < 2.5 ~ "mejor de lo que esperabas",
pred < 1.5 ~ "mucho mejor de lo que esperabas"
)
# GENERA EL TEXTO QUE SE LLAMA EN LA INTERFAZ PARA MOSTRAR LOS RESULTADOS
HTML(paste0(
"<strong>En otras palabras, tu percepción de cómo está el gobierno actualmente es que está: </strong><br>",
"<span style='font-size: 20px; color: #800E36;'>", nivel_confianza, "</span>"
))
})
})
}12. Conclusiones
HALLAZGOS PRINCIPALES
- El modelo más robusto fue el modelo lineal.
- El nivel de desconfianza hacia el gobierno en la AMM puede explicarse con base en cinco percepciones ciudadanas clave: uso de recursos, transparencia, honestidad, capacidad de resolución de problemas y satisfacción con servicios públicos.
- Los factores que más contribuyen al aumento de la desconfianza son: La percepción que el gobierno no resuelve problemas locales. La creencia que los gobernantes no son honestos. La baja transparencia (alta percepción de corrupción
- El modelo predictivo desarrollado permite estimar de forma rápida y comprensible el nivel de desconfianza ciudadana, facilitando una lectura útil tanto para funcionarios públicos como para la ciudadanía y medios de comunicación.
LIMITACIONES
- El modelo se basa exclusivamente en los resultados de sólo un año. Si las condiciones sociales o políticas cambian, los resultados podrían no reflejar la situación actual.
- El modelo no capta emociones, contexto político o experiencias personales.
- Los ‘8888’ y ‘9999’ pueden afectar la precisión de ciertos coeficientes.
- Esta herramienta es útil para exploración inicial, pero no reemplaza diagnósticos detallados o procesos de consulta formal con comunidades.
RECOMENDACIONES SOBRE LA ENCUESTA
Áreas de oportunidad
Preguntas ambiguas o de doble interpretación: Ciertas preguntas están abiertas a diferentes interpretaciones, lo cual se debe a que es una encuesta de percepción, pero limita la capacidad de análisis. Ejemplo: Preguntas como “¿Considera que el gobierno es capaz de resolver los problemas del municipio?” pueden resultar vagas si no se especifica qué tipo de problemas (infraestructura, seguridad, corrupción).
Preguntas con muchos valores faltantes: Identificar por sección o tema la concentración de “8888” y “9999”, y rediseñar esas partes para el siguiente año.
Escalas no homogéneas: Algunas variables usan escalas no numéricas, pero que representan niveles del 1 al 4, otras son numéricas del 1 al 10, y otras son dicotómicas (Sí/No), lo cual puede afectar la comparabilidad y la interpretación por parte del usuario.
Posibles mejoras
Reformular preguntas: Ejemplo: sustituir “¿Considera que el gobierno es capaz de resolver los problemas del municipio?” por “¿Considera que el gobierno ha resuelto adecuadamente los siguientes problemas en su colonia en el último año? (seguridad, baches, iluminación…)” Esto permite respuestas más específicas y útiles para política pública.
Mejorar escalas: Estandarizar escalas a 4 puntos para facilitar el análisis y mejorar sensibilidad: Ejemplo: Muy de acuerdo / De acuerdo / Neutral / En desacuerdo / Muy en desacuerdo
LLAMADO A LA ACCIÓN
Este tipo de proyectos y análisis son clave en la mejora de las políticas públicas, la eficiencia gubernamental y la transparencia de las instituciones. Estas son algunas de las formas en las que se puede tomar acción con esta herramienta:
- En talleres comunitarios o foros ciudadanos. 2, En gobiernos municipales y organizaciones sociales: permite identificar factores clave de desconfianza.
- En espacios educativos o de comunicación: se puede usar como ejemplo práctico de análisis de datos sociales.