Antes de iniciar, abrimos las librerias que usaremos en el laboratorio ggplot, ggplot2, rio, haven, dplyr

Trabajaremos con la base de datos latinarfinal.sav. Esta base de datos es la misma que se usó en la P2, con la diferencia de que se han eliminado aquellos datos vacíos en la variable creada inmigracion.
La fuente original está en Latinobarometro2020

Establecemos el directorio de trabajo y abrimos la base de datos.

getwd() 
## [1] "D:/Documentos/Trabajo/Docencia/PUCP/2025-2 Estadistica1/Practicas/LABs PUCP/P4"
setwd("D:/Documentos/Trabajo/Docencia/PUCP/2025-2 Estadistica1/Practicas/LABs PUCP/P4")
latinbarfinal <- read_spss("latinbarfinal.sav")

Los nombres son los mismmos que fueron creados en la PC2.

names(latinbarfinal) 
##  [1] "sexo"            "edad"            "outAL"           "deAL"           
##  [5] "haiti"           "venezuela"       "edad_quinquenal" "edad65"         
##  [9] "sioutAL"         "sideAL"          "sihaiti"         "sivenezuela"    
## [13] "siinmigracion"   "inmigracion"

PIE

pie(table(latinbarfinal$sioutAL), main = "Opinion inmigracion de Haiti")

Recordemos que segun lo que hemos visto (0 = En contra de inmigración, 1 = A favor de inmigración)
Además, quiero hacer un gráfico para cada una de las variables sioutLA, sideAL, sihaiti, sivenezuela.  Podría repetir la siguiente linea 4 veces: pie(table(latinbarfinal$sioutAL), labels = c("En contra", "A favor"), main = "Opinion inmigracion de fuera de AL") o puedo hacer un bucle¨ usando el comando for.

par(mfrow = c(2, 2)) #hace que cada uno de los gráficos que voy a hacer aparezcan al mismo tiempo. Si quito este código, irá apareciendo uno por uno. 

vars <- c("sioutAL", "sideAL", "sihaiti", "sivenezuela")
titulos <- c(
  "Opinión inmigración de fuera de AL",
  "Opinión inmigración de AL",
  "Opinión inmigración de Haití",
  "Opinión inmigración de Venezuela"
)

for (i in seq_along(vars)) { #Inicia un bucle for que va a recorrer las posiciones 1, 2, 3, 4… hasta la longitud de vars. Usa i para ir combiando de variable y título en cada interacción.
  pie(
    table(latinbarfinal[[vars[i]]]), #contabiliza la frecuencia de cada categoría.
    labels = c("En contra", "A favor"), #asigna etiquetas fijas a las porciones.
    main = titulos[i]
  )
}

Si quisiera agregar más variables sobre percepción de la inmigración hacia otras nacionalidades, solo agregaría las variables y los subtítulos

Agregar porcentajes al gráfico pie.

par(mfrow = c(2, 2))

for (i in seq_along(vars)) {
  datos <- table(latinbarfinal[[vars[i]]]) # Tabla de frecuencias
  porcentajes <- round(100 * datos / sum(datos), 1) # Calcular porcentajes
  etiquetas <- paste(c("En contra", "A favor"), porcentajes, "%")  # Etiquetas con texto + porcentajes
  pie(datos, labels = etiquetas, main = titulos[i]) # pie
}

Observamos en ambos casos, que la creación de un gráfico pie, implica la tabulación de los datos e identificación de las frecuencias de cada categoría.

BOXPLOT

Distribución de las edades

boxplot(latinbarfinal$edad, main = "Boxplot de edades", ylab = "Edad", col = "lightblue")

Comparación de opiniones según grupos de edad.

boxplot(latinbarfinal$edad ~ latinbarfinal$inmigracion, data = latinbarfinal, main = "Boxplot de edad, segun opiniones", xlab = "Opinión sobre inmigración", ylab = "Edad", col = c("lightblue", "lightgreen"), names = c("siempre en contra","al menos una vez a favor"))

Recordemos que 1 es siempre en contra de la inmigración y 2 a favor por lo menos en algún tipo de inmigración. En este caso, la media de edad es más alta en aquellos que están siempre en contra de la inmigración.

GRÁFICOS DE BARRAS

frecuencias <- table(latinbarfinal$edad)
barplot(frecuencias, col = "turquoise4", main = "Gráfico de barras por edad", xlab = "Edad", ylab = "Frecuencia")

frecuencias5 <- table(latinbarfinal$edad_quinquenal)
barplot(frecuencias5, col = "turquoise4", main = "Gráfico de barras por edad (quinquenal)", xlab = "Edad", ylab = "Frecuencia")

frecuencias65 <- table(latinbarfinal$edad65)
barplot(frecuencias65, col = "turquoise4", main = "Gráfico de barras por edad (65)", xlab = "Edad", ylab = "Frecuencia")

Gráficos de barras dos variables

tablaedsex <- table(latinbarfinal$sexo, latinbarfinal$edad65)
barplot(tablaedsex, beside = TRUE, 
       legend.text = rownames(tablaedsex),
       col = c("lightblue", "lightpink"),
       main = "Gráfico de Barras, según edad y sexo",
       xlab = "Grupo de Edad", ylab = "Frecuencia")

Gráficos de barras apilado

latinbarfinal <- latinbarfinal %>%
  mutate(inmigracion = factor(inmigracion,
                              levels = c(1, 2),
                              labels = c("Siempre en contra", "Alguna vez a favor")))

ggplot(latinbarfinal, aes(x = edad_quinquenal, fill = inmigracion)) +
  geom_bar(position = "stack") +
  labs(title = "Gráfico de barras apilado por edad y opinión",
       x = "Grupo de Edad",
       y = "Frecuencia") +
  scale_fill_manual(values = c("Alguna vez a favor" = "lightblue", "Siempre en contra" = "lightpink")) +
  theme_minimal()

Ejercicio

Ejercicio1: Con un boxplot, explora como se distribuyen las edades según sexo. ¿Observas alguna diferencia?  Ejercicio2: Elabora un gráfico de barras apilado, donde se vea como se distribuye la opinión general sobre la inmigración entre adultos mayores de 65 y menores de 65.

HISTOGRAMA Y CURVA DE DENSIDAD

Habiamos medido en la PC2, la asimetría y curtosis de la variable edad. Ahora visualizaremos dichos valores.

Histograma

hist(latinbarfinal$edad, main = "Histograma de edades", xlab = "Edad", ylab = "Frecuencia", col = "lightblue", ylim = c(0, 2500))

Gráfico de denisdad

plot(density(latinbarfinal$edad), main = "Distribuci?n de Edades", xlab = "Edad", ylab = "Densidad")

Gráfico de densidad e histograma

hist(latinbarfinal$edad, main = "Distribución de Edades", freq = FALSE, col = "lightblue")
densidad <- density(latinbarfinal$edad)
lines(densidad, col = "red")

GRÁGICOS CON GGPLOT2

Hemos observado que los gráficos se van trabajando en capas, con indicaciones de cálculo internas. Generar un gráfico más personalizado puede tomar varias línesa de código. El paquete de ggplot ofrece varias opciones de personalización.

Nivel de aceptación de la inmigración

Primero, colocamos etiquetas a los valores.

latinbarfinal <- latinbarfinal %>%
  mutate(siinmigracion = factor(siinmigracion,
    levels = c(0, 1, 2, 3, 4),
    labels = c(
      "No acepta nunca",
      "Aceptación baja",
      "Aceptación media",
      "Aceptación alta",
      "Acepta siempre"
    )
  ))

Segundo, creamos la tabla con la que trabajaremos

acepta_migra <- table(latinbarfinal$siinmigracion)
acepta_migra = as.data.frame(acepta_migra)
colnames(acepta_migra) = c("Nivel", "Freq")
grafico = ggplot(acepta_migra, aes(x = reorder(Nivel, Freq), y = Freq, fill = Nivel)) + #aes(x=reorder, ordena las barras ascendentemente
geom_bar(stat = "identity") + 
coord_flip() +
labs(title = "Nivel de aceptación de la inmigración", y = "Frecuencias", x = "Categorías", subtitle = " ", 
caption = "Fuente: Elaboración propia. Latinobarometro 2022") + 
theme(plot.title = element_text(hjust = 0.5)) +
theme(panel.background = element_rect(fill = "white", colour = "white")) +
geom_text(aes(label = Freq), 
vjust = 0.5, color = "black", size = 4)

grafico

## Ejercicio Ejercicio3: Con ggplot, elabora gráfico donde podamos observar la dispersión de edades según el nivel de aceptación de la inmigración.

GRÁGICOS DE DISPERSIÓN

Realicemos un último ejercicio con bases de datos de OurWorldInData. Trabajemos con la base de GDP y el índice de corrupción, basado en estimados del índice de V-Dem (Varieties of Democracy). Disponinble en: https://ourworldindata.org/grapher/political-corruption-index?tab=table.\

icorrupcion <- read.csv("political-corruption-index.csv")
gdp <- read.csv("gdp-per-capita-wb.csv")

Exploramos las bases de datos

head(icorrupcion)
##        Entity Code Year
## 1 Afghanistan  AFG 1789
## 2 Afghanistan  AFG 1790
## 3 Afghanistan  AFG 1791
## 4 Afghanistan  AFG 1792
## 5 Afghanistan  AFG 1793
## 6 Afghanistan  AFG 1794
##   Political.corruption.index..best.estimate..aggregate..average.
## 1                                                          0.438
## 2                                                          0.438
## 3                                                          0.438
## 4                                                          0.438
## 5                                                          0.438
## 6                                                          0.438
head(gdp)
##        Entity Code Year GDP.per.capita..PPP..constant.2017.international...
## 1 Afghanistan  AFG 2002                                            1280.463
## 2 Afghanistan  AFG 2003                                            1292.333
## 3 Afghanistan  AFG 2004                                            1260.061
## 4 Afghanistan  AFG 2005                                            1352.321
## 5 Afghanistan  AFG 2006                                            1366.993
## 6 Afghanistan  AFG 2007                                            1528.345

Les cambiamos los nombres y fusionamos las bases de datos, con la variable clave “code”

names(icorrupcion) <- c("entidad", "code", "year", "pci")
names(gdp) <- c("entidad", "code", "year", "gdp")

trabajaremos solo con aquellos casos del año 2022.

icorrupcion_22 <- subset(icorrupcion, year == 2022)
gdp_22 <- subset(gdp, year == 2022)

Fusionamos la base de datos

corrupgdp_mfalse <- merge(icorrupcion_22, gdp_22, by = "code", all = FALSE)

Elimina los datos vacíos

corrupgdp <- corrupgdp_mfalse[!(corrupgdp_mfalse$code == "" | corrupgdp_mfalse$code == "OWID_WRL"), ] #me quedo con 164 países

Selecciono solo las variables que me interesan y les cambio de nombre.

corrupgdp <- select(corrupgdp, "code", "entidad.x", "year.x", "pci", "gdp")
names(corrupgdp) <- c("code", "entidad", "year", "pci", "gdp")

Ploteo el gráfico de dispersión

plot(corrupgdp$gdp, corrupgdp$pci)

Visualizar a qué país corresponde cada punto

plot(corrupgdp$gdp, corrupgdp$pci, type="n", xlab="PIB", ylab="Indice de corrupción política", main="PIB vs Ingreso per cápita")
text(corrupgdp$gdp, corrupgdp$pci, labels = corrupgdp$code, cex = 0.7)

plot(corrupgdp$gdp, corrupgdp$pci, type="n", xlab="PIB", ylab="Indice de corrupción política", main="PIB vs Ingreso per cápita")
text(corrupgdp$gdp, corrupgdp$pci, labels = corrupgdp$code, 
     col = ifelse(corrupgdp$code == "PER", "red", "black"), cex = 0.6)