Becarios FPU en las convocatorias de 2009, 2010 y 2012: Análisis estadístico de las puntuaciones obtenidas, las áreas ANEP, los organismos de adscripción y las Comunidades Autónomas
Juan Rojas García
8 de diciembre de 2015
- 1.- INTRODUCCIÓN
- 2.- FUENTE DE LOS DATOS
- 3.- EXTRACCIÓN DE LOS DATOS
- 4.- CONSTRUCCIÓN DEL FICHERO DE DATOS
- 5.- ANÁLISIS DE LOS DATOS
1.- INTRODUCCIÓN
Como proyecto final del curso “Big Data: Análisis y Visualización de Datos. I Edición”, organizado por la “Fundacion General Universidad de Granada-Empresa”, hemos elaborado este informe, que presenta un breve análisis estadístico de los beneficiarios de las becas de doctorado para la formación del profesorado universitario (en adelante, FPU), publicadas por el Ministerio de Educación, Cultura y Deporte en los años 2009, 2010 y 2012 (en el año 2011 no se anunció ninguna convocatoria). Las variables que se han estudiado son las siguientes:
- Puntuación total: variable numérica que recoge, para cada sujeto, y en una escala del 5 al 10, la puntuación total con la que queda seleccionado en su respectiva convocatoria.
- Área ANEP: variable nominal con 25 niveles, que corresponden a las áreas científicas en las que cada sujeto realiza su tesis doctoral. La clasificación de estas áreas científicas es la propuesta por la ANEP (Agencia Nacional de Evaluación y Prospectiva, dependiente del Ministerio de Economía y Competitividad).
- Organismo de adscripción: variable nominal con 113 niveles, que corresponden a los organismos, tanto públicos como privados, donde cada sujeto realiza su tesis doctoral.
- Comunidad Autónoma: variable nominal con 18 niveles, que corresponden a las 17 Comunidades Autónomas de España en las que se ubica el respectivo organismo de adscripción de cada sujeto; además, en los casos en los que el organismo de adcripción pertenece a la Administración General del Estado y, por tanto, dicho organismo tiene sedes repartidas por España, la variable toma el valor “AGE” (Administración General del Estado).
Se advierte al lector de que, intencionadamente, hemos permitido que en este documento aparezca el código del programa R que ejecuta las tablas, los gráficos y los análisis que vamos a comentar.
2.- FUENTE DE LOS DATOS
Los datos analizados se han recogido del Boletín Oficial del Estado. El enlace de cada uno de los cuatro documentos utilizados, en formato PDF, se ofrece a continuación:
- Convocatoria FPU de 2009.
- Convocatoria FPU de 2010.
- Convocatoria FPU de 2012: Documento_1 y Documento_2.
3.- EXTRACCIÓN DE LOS DATOS
De los cuatro documentos indicados en el epígrafe anterior nos interesaban únicamente los datos contenidos en las tablas. Por este motivo, para extraer estos datos automáticamente, hemos recurrido al programa Tabula. Después de la extracción, los datos de los cuatro documentos quedaron recogidos, respectivamente, en cuatro ficheros con formato CSV. Lamentablemente, el proceso de extracción automática no fue lo suficientemente eficiente, así que tuvimos que reorganizar aquellas líneas de los ficheros mal configuradas.
4.- CONSTRUCCIÓN DEL FICHERO DE DATOS
En el programa de análisis estadístico R tuvimos que programar varias rutinas que nos permitieran combinar los datos recogidos en los cuatro ficheros anteriores en un único fichero en formato CSV.
Los datos de la convocatoria FPU del 2012 estaban divididos en dos ficheros; por este motivo, algunas de nuestras variables de interés estaban en el primer documento, y otras, en el segundo. Para recoger toda la información referente a un mismo sujeto de la convocatoria 2012 en un único fichero, programamos la siguiente rutina, que añadía al primer documento las variables “Puntuación total” y “Área ANEP”, que estaban almacenadas en el segundo documento:
fpu2012_1 <- read.csv("C:/Users/Administrador/Desktop/Curso_BigData/Proyecto/fpu2012_1.csv", dec=",", stringsAsFactors=FALSE)
fpu2012_2 <- read.csv("C:/Users/Administrador/Desktop/Curso_BigData/Proyecto/fpu2012_2.csv", dec=",", stringsAsFactors=FALSE)
#El primer documento, "fpu2012_1.csv", contiene a los 720 sujetos que recibieron, #finalmente, la #beca FPU en la convocatoria de 2012. Tan solo almacena las variables #"Organismo de #adscripción" y "Comunidad Autónoma".
#El segundo documento, "fpu2012_2.csv", contiene a 807 sujetos, pero solo 720 aceptaron #la beca #FPU. Almacena las variables "Puntuación total" y "Área ANEP", que copiaremos en #el primer documento.
Puntuación_total=numeric(720)
Área_ANEP=character(720)
for (i in 1:720){
j=1
repeat{
if (fpu2012_1$Referencia[i]==fpu2012_2$Referencia[j]){
coincidencia=TRUE
Puntuación_total[i]=fpu2012_2$Puntuación_total[j]
Área_ANEP[i]=fpu2012_2$Área_ANEP[j]
}else{
coincidencia=FALSE
j=j+1
}
if (coincidencia==TRUE | j>807){break}
}
}
Año=rep(2012,720)
fpu2012_1=data.frame(fpu2012_1, Área_ANEP, Puntuación_total, Año)El fichero que almacena información de los sujetos que recibieron la beca FPU en el año 2009 no contiene la variable “Comunidad Autónoma”, así que programamos una rutina que buscaba en el fichero de 2012 los organismos de adscripción que coincidían con los indicados en el fichero de 2009. Si encontraba una coincidencia, consultaba en el fichero de 2012 a qué Comunidad Autónoma pertenecía el organismo coincidente, y esta información la copiaba en el fichero de 2009. Sin embargo, en el fichero de 2009 también tuvimos que introducir, a mano, la Comunidad Autónoma en la que se ubicaban aquellos organismos de adscripción que no aparecían en el fichero de 2012. También tuvimos que hacer una operación similar para introducir en el fichero de 2010 la variable “Comunidad Autónoma”. A continuación, ofrecemos la rutina que aplicamos para el fichero de 2009:
fpu2009 <- read.csv("C:/Users/Administrador/Desktop/Curso_BigData/Proyecto/fpu2009.csv", dec=",", stringsAsFactors=FALSE)
fpu2012 <- read.csv("C:/Users/Administrador/Desktop/Curso_BigData/Proyecto/Ficheros_R/fpu2012.csv", stringsAsFactors=FALSE)
#El fichero "fpu2009.csv" contiene información de los 956 sujetos que recibieros la beca #FPU en al año 2009, pero no almacena la Comunidad Autónoma a la que pertenece cada #organismo de adscripción. Por esta razón, se busca en el fichero de 2012, "fpu2012.csv", #los organismos de adscripción que coinciden con los indicados en "fpu2009.csv"; si #encuentra una coincidencia, consulta en "fpu2012.csv" en qué Comunidad Autónoma se ubica #el organismo coincidente, y esta información la copia en el fichero "fpu2009.csv".
Comunidad_Autónoma=character(956)
for (i in 1:956){
j=1
repeat{
if (fpu2009$Organismo_de_adscripción[i]==fpu2012$Organismo_de_adscripción[j]){
coincidencia=TRUE
Comunidad_Autónoma[i]=fpu2012$Comunidad_Autónoma[j]
}else{
coincidencia=FALSE
j=j+1
}
if (coincidencia==TRUE | j>720){break}
}
}
Año=rep(2009,956)
fpu2009=data.frame(fpu2009, Comunidad_Autónoma, Año)Finalmente, una vez que completamos la información en cada uno de nuestros tres ficheros (“fpu2009.csv”, “fpu2010.csv” y “fpu2012.csv”), la recogimos en un único fichero, llamado “fpu_2009-2010-2012.csv”, mediante la siguiente rutina:
fpu2009 <- read.csv("C:/Users/Administrador/Desktop/Curso_BigData/Proyecto/Ficheros_R/Sin Nombres/fpu2009.csv", stringsAsFactors=FALSE)
fpu2010 <- read.csv("C:/Users/Administrador/Desktop/Curso_BigData/Proyecto/Ficheros_R/Sin Nombres/fpu2010.csv", stringsAsFactors=FALSE)
fpu2012 <- read.csv("C:/Users/Administrador/Desktop/Curso_BigData/Proyecto/Ficheros_R/Sin Nombres/fpu2012.csv", stringsAsFactors=FALSE)
Año=c(fpu2009$Año,fpu2010$Año,fpu2012$Año)
Puntuación_total=c(fpu2009$Puntuación_total,fpu2010$Puntuación_total,fpu2012$Puntuación_total)
Área_ANEP=c(fpu2009$Área_ANEP,fpu2010$Área_ANEP,fpu2012$Área_ANEP)
Organismo_de_adscripción=c(fpu2009$Organismo_de_adscripción,fpu2010$Organismo_de_adscripción,fpu2012$Organismo_de_adscripción)
Comunidad_Autónoma=c(fpu2009$Comunidad_Autónoma,fpu2010$Comunidad_Autónoma,fpu2012$Comunidad_Autónoma)
fpu=data.frame(Año, Puntuación_total, Área_ANEP, Organismo_de_adscripción, Comunidad_Autónoma)
fpu$Año=as.factor(fpu$Año)
fpu$Organismo_de_adscripción=as.factor(fpu$Organismo_de_adscripción)
fpu$Comunidad_Autónoma=as.factor((fpu$Comunidad_Autónoma))
fpu$Área_ANEP=as.factor(fpu$Área_ANEP)
View(fpu)5.- ANÁLISIS DE LOS DATOS
fpu_2009_2010_2012 <- read.csv("C:/Users/Administrador/Desktop/Curso_BigData/Proyecto/Ficheros_R/Fichero de datos/fpu_2009_2010_2012.csv")
fpu_2009_2010_2012$Año=as.factor(fpu_2009_2010_2012$Año)5.1.- ESTUDIO DE LA PUNTUACIÓN TOTAL DE LOS SUJETOS BENEFICIARIOS DE LA BECA FPU
Nuestro fichero de datos está compuesto por 2626 sujetos que recibieron la beca FPU en las convocatorias de 2009, 2010 y 2012. En esta tabla recogemos un análisis descriptivo básico de nuestros datos, que contiene, para cada año, la puntuación media, la desviación típica y el número se sujetos que recibieron la beca:
with(fpu_2009_2010_2012, numSummary(Puntuación_total, groups=Año, statistics=c("mean","sd")))## mean sd data:n
## 2009 6.435592 0.5493713 956
## 2010 6.350123 0.6013086 950
## 2012 7.547077 0.6233071 720Si representamos estas medias en un gráfico de puntos obtendríamos:
library(RcmdrMisc)
with(fpu_2009_2010_2012, plotMeans(Puntuación_total, as.factor(Año), error.bars="conf.int", level=0.95, xlab= "Año", ylab="Puntuación media", main="Puntuación media por año a nivel nacional"))
La tendencia que observamos es que, en 2010, la puntuación media es ligeramente inferior a la del 2009; sin embargo, en 2012, la puntuación media se eleva considerablemente.
5.1.1.- ESTUDIO DE LA PUNTUACIÓN A NIVEL NACIONAL
Para comprobar si existen diferencias estadísticamente significativas entre las tres convocatorias en lo que a las puntuaciones medias de los sujetos se refiere, debemos realizar un análisis de varianza (ANOVA) de un factor (“Año”):
AnovaModel_Puntuacion_Año <- aov(Puntuación_total ~ Año, data=fpu_2009_2010_2012)
summary(AnovaModel_Puntuacion_Año)## Df Sum Sq Mean Sq F value Pr(>F)
## Año 2 699.5 349.8 1007 <2e-16 ***
## Residuals 2623 910.7 0.3
## ---
## Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1Se observa que, efectivamente, existen diferencias estadísticamente significativas entre las puntuaciones medias de las tres convocatorias (F(2, 2623)=1007 y p<0,05). Ahora bien, para discernir entre qué convocatorias se establecen las diferencias, recurrimos a la técnica de comparaciones múltiples de Games-Howell porque el test de homocedasticidad de Levene nos ha indicado que no se pueden asumir varianzas iguales (basándose en la media, F(2, 2623)=6,148 y p<0,05):
library(userfriendlyscience)
posthocTGH(fpu_2009_2010_2012$Puntuación_total, fpu_2009_2010_2012$Año, method="games-howell")## n means variances
## 2009 956 6.4 0.30
## 2010 950 6.4 0.36
## 2012 720 7.5 0.39
##
## t df p
## 2009:2010 3.2 1886 3.5e-03
## 2009:2012 38.0 1436 3.4e-13
## 2010:2012 39.5 1519 0.0e+00#No utilizamos las comparaciones múltiples de "Bonferroni" porque no asumimos #varianzas iguales.
#pairwise.t.test(fpu_2009_2010_2012$Puntuación_total , fpu_2009_2010_2012$Año, p.adj="bonf")Se observa que existen diferencias significativas entre las tres convocatorias en la puntuación media (p<0,05 para las tres parejas que se pueden comparar).
Por otra parte, puesto que, dentro de cada una de las tres convocatorias, a los sujetos se los puede agrupar por áreas ANEP, nos interesa estudiar también cómo afectan los factores “Área_ANEP” y “Año” a las puntuaciones medias de cada una de las 25 áreas ANEP en cada convocatoria. En la siguiente tabla se muestra, a nivel nacional, la puntuación media obtenida por los sujetos en cada una de las 25 áreas ANEP y por año de convocatoria:
puntuacionmedia_area_año=with(fpu_2009_2010_2012, tapply(Puntuación_total, list(Área_ANEP,Año), mean, na.rm=TRUE))
print(puntuacionmedia_area_año)## 2009 2010
## AGRICULTURA 6.143591 6.224714
## BIOLOGIA FUNDAMENTAL Y DE SISTEMAS 6.645851 6.562061
## BIOLOGIA VEGETAL, ANIMAL Y ECOLOGIA 6.792979 6.330913
## BIOMEDICINA 6.470755 5.847624
## CIENCIA Y TECNOLOGIA DE LOS ALIMENTOS 5.994200 5.860364
## CIENCIA Y TECNOLOGIA DE MATERIALES 6.119375 6.078250
## CIENCIAS DE LA COMPUTACION Y TECNOLOGIA INFORMATICA 6.601080 6.690436
## CIENCIAS DE LA EDUCACION 5.520545 5.762885
## CIENCIAS DE LA TIERRA 6.173308 6.464778
## CIENCIAS SOCIALES 6.399361 6.140357
## DERECHO 6.717792 6.997462
## ECONOMIA 5.926400 6.241556
## FILOLOGIA Y FILOSOFIA 7.149925 7.230195
## FISICA Y CIENCIAS DEL ESPACIO 6.558200 6.599533
## GANADERIA Y PESCA 6.683467 6.718615
## HISTORIA Y ARTE 6.477440 6.545513
## INGENIERIA CIVIL Y ARQUITECTURA 6.209556 6.011957
## INGENIERIA ELECTRICA, ELECTRONICA Y AUTOMATICA 5.613900 5.665762
## INGENIERIA MECANICA, NAVAL Y AERONAUTICA 6.070385 5.649538
## MATEMATICAS 6.645650 6.715684
## MEDICINA CLINICA Y EPIDEMIOLOGIA 6.060200 6.228286
## PSICOLOGIA 6.303719 6.210676
## QUIMICA 6.290713 6.273976
## TECNOLOGIA ELECTRONICA Y DE LAS COMUNICACIONES 6.362655 6.328313
## TECNOLOGIA QUIMICA 6.343217 6.609000
## 2012
## AGRICULTURA 7.332156
## BIOLOGIA FUNDAMENTAL Y DE SISTEMAS 7.928800
## BIOLOGIA VEGETAL, ANIMAL Y ECOLOGIA 7.592206
## BIOMEDICINA 7.810283
## CIENCIA Y TECNOLOGIA DE LOS ALIMENTOS 7.463606
## CIENCIA Y TECNOLOGIA DE MATERIALES 7.512155
## CIENCIAS DE LA COMPUTACION Y TECNOLOGIA INFORMATICA 7.891434
## CIENCIAS DE LA EDUCACION 6.695855
## CIENCIAS DE LA TIERRA 7.299883
## CIENCIAS SOCIALES 7.070290
## DERECHO 7.398080
## ECONOMIA 7.040979
## FILOLOGIA Y FILOSOFIA 7.745393
## FISICA Y CIENCIAS DEL ESPACIO 8.007277
## GANADERIA Y PESCA 7.367218
## HISTORIA Y ARTE 7.560733
## INGENIERIA CIVIL Y ARQUITECTURA 6.996005
## INGENIERIA ELECTRICA, ELECTRONICA Y AUTOMATICA 7.626206
## INGENIERIA MECANICA, NAVAL Y AERONAUTICA 7.880250
## MATEMATICAS 7.603040
## MEDICINA CLINICA Y EPIDEMIOLOGIA 7.915027
## PSICOLOGIA 7.176117
## QUIMICA 7.831231
## TECNOLOGIA ELECTRONICA Y DE LAS COMUNICACIONES 7.656376
## TECNOLOGIA QUIMICA 7.528557La tabla anterior, llevada a una gráfica de líneas, a una gráfica de puntos y a una gráfica de barras, tendría el siguiente aspecto:
#Transformación a un dataframe
anep=factor(levels(fpu_2009_2010_2012$Área_ANEP), levels=levels(fpu_2009_2010_2012$Área_ANEP))
puntuacion=data.frame(Año_2009=puntuacionmedia_area_año[,1], Año_2010=puntuacionmedia_area_año[,2], Año_2012=puntuacionmedia_area_año[,3], Área_ANEP=anep)
#En el dataframe "puntuacion" fusiono las tres variables de año (Año_2009, Año_2010 #y Año_2012) en una sola variable categórica "Año" con tres niveles. Al mismo
#tiempo, se crea otra variable, "Puntuación_media". Para ello, utilizo
#el comando "melt" de la librería "reshape2". La nueva estructura de datos, con las #variables fusionadas, queda almacenada en el nuevo dataframe "puntuacion_media".
library("reshape2", lib.loc="C:/Program Files/R/R-3.2.2/library")
puntuacion_media=melt(puntuacion, id.vars=c(4), variable.name="Año", value.name="Puntuación_media")
#Representamos el gráfico de líneas
attach(fpu_2009_2010_2012)
interaction.plot(Área_ANEP, Año, Puntuación_total, xlab="Área ANEP", ylab="Puntuación media", main="Puntuación media por área ANEP y año a nivel nacional")
#Representamos el gráfico de puntos
library("ggplot2", lib.loc="C:/Program Files/R/R-3.2.2/library")
ggplot(data=puntuacion_media, aes(x=Área_ANEP, y=Puntuación_media, fill=Año)) + geom_point(stat="identity", aes(colour = Año))
#Representamos el gráfico de barras:
ggplot(data=puntuacion_media, aes(x=Área_ANEP, y=Puntuación_media, fill=Año)) + geom_bar(stat="identity",position="dodge")+coord_flip()
En la convocatoria de 2009, las tres áreas ANEP con mayor puntuación media y el área ANEP con menor puntuación media fueron:
- FILOLOGÍA Y FILOSOFÍA: 7,150
- BIOLOGÍA VEGETAL, ANIMAL Y ECOLOGÍA: 6,793
- DERECHO: 6,718
- …
- CIENCIAS DE LA COMPUTACIÓN Y TECNOLOGÍA INFORMÁTICA: 6,601
- …
- TECNOLOGÍA ELECTRÓNICA Y DE LAS COMUNICACIONES: 6,363
- …
- CIENCIAS DE LA EDUCACIÓN: 5,521
En la convocatoria de 2010, las tres áreas ANEP con mayor puntuación media y el área ANEP con menor puntuación media fueron:
- FILOLOGÍA Y FILOSOFÍA: 7,230
- DERECHO: 6,997
- GANADERÍA Y PESCA: 6,719
- …
- CIENCIAS DE LA COMPUTACIÓN Y TECNOLOGÍA INFORMÁTICA: 6,690
- …
- TECNOLOGÍA ELECTRÓNICA Y DE LAS COMUNICACIONES: 6,328
- …
- INGENIERÍA MECÁNICA, NAVAL Y AERONÁUTICA: 5,650
En la convocatoria de 2012, las tres áreas ANEP con mayor puntuación media y el área ANEP con menor puntuación media fueron:
- FÍSICA Y CIENCIAS DEL ESPACIO: 8,007
- BIOLOGÍA FUNDAMENTAL Y DE SISTEMAS: 7,929
- MEDICINA CLÍNICA Y EPIDEMIOLOGÍA: 7,915
- CIENCIAS DE LA COMPUTACIÓN Y TECNOLOGÍA INFORMÁTICA: 7,891
- …
- FILOLOGÍA Y FILOSOFÍA: 7,745
- TECNOLOGÍA ELECTRÓNICA Y DE LAS COMUNICACIONES: 7,656
- …
- CIENCIAS DE LA EDUCACIÓN: 6,696
Un hecho que llama la atención es que, aunque la puntuación media en el 2010 es inferior a la del 2009, algunas áreas ANEP en el 2010 tienen una puntuación media más elevada que en 2009. Sin embargo, en el 2012, todas las áreas ANEP tienen una puntuación media notablemente más elevada en comparación con 2009 y 2010.
Finalmente, al realizar un ANOVA con dos factores, a saber, “Área_ANEP” y “Año”, se comprueba que la puntuación de los sujetos depende significativamente de: (a) el factor “Área_ANEP”, (b) el factor “Año” y (c) la interacción de los dos factores:
##ANOVA de dos factores
LinearModel_Puntuacion_Nacional <- lm(Puntuación_total ~ Área_ANEP +Año +Área_ANEP:Año -1, data=fpu_2009_2010_2012)
#Podríamos ulilizar la función <<Anova(LinearModel_Puntuacion_Nacional,type="II")>>,
#de la librería "car", para ver la tabla ANOVA, pero, como deseamos también
#conocer la "eta cuadrado parcial" (tamaño del efecto) de cada factor para tener una #idea de la contribución de cada factor en la puntuación media, utilizaremos en su #lugar la función <<etasq()>> de la librería "heplots".
#library(car)
#Anova(LinearModel_Puntuacion_Nacional, type="II")
library(heplots)
etasq(LinearModel_Puntuacion_Nacional, anova=TRUE, partial=TRUE)## Anova Table (Type II tests)
##
## Response: Puntuación_total
## Partial eta^2 Sum Sq Df F value Pr(>F)
## Área_ANEP 0.98597 39830 25 7172.624 < 2.2e-16 ***
## Año 0.55826 716 2 1611.954 < 2.2e-16 ***
## Área_ANEP:Año 0.16053 108 48 10.163 < 2.2e-16 ***
## Residuals 567 2551
## ---
## Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1El parámetro “eta cuadrado parcial” nos indica que el factor que más afecta a la puntuación es “Área_ANEP” (0,99), seguido del factor “Año” (0,56) y de la interacción de estos dos factores (0,16).
5.1.2.- ESTUDIO DE LA PUNTUACIÓN EN LA COMUNIDAD DE ANDALUCÍA
Nuestro fichero de datos está compuesto por 513 sujetos que recibieron la beca FPU en Andalucía en las convocatorias de 2009, 2010 y 2012. En esta tabla recogemos un análisis descriptivo básico de nuestros datos, que contiene, para cada año, la puntuación media, la desviación típica y el número se sujetos que recibieron la beca:
fpu_ANDALUCIA <- read.csv("C:/Users/Administrador/Desktop/Curso_BigData/Proyecto/Ficheros_R/Fichero de datos/fpu_ANDALUCIA.csv")
fpu_ANDALUCIA$Año=as.factor(fpu_ANDALUCIA$Año)
with(fpu_ANDALUCIA, numSummary(Puntuación_total, groups=Año, statistics=c("mean","sd")))## mean sd data:n
## 2009 6.391860 0.5170172 179
## 2010 6.410263 0.5716113 186
## 2012 7.484091 0.6817187 148Si representamos estas medias en un gráfico de puntos obtendríamos:
with(fpu_ANDALUCIA, plotMeans(Puntuación_total, as.factor(Año), error.bars="conf.int", level=0.95, xlab= "Año", ylab="Puntuación media", main="Puntuación media por año en Andalucía"))
Obsevamos que la puntuación media en el 2009 y 2010 es prácticamente similar, pero, en el 2012, se eleva notablemente.
Para comprobar si existen diferencias estadísticamente significativas entre las tres convocatorias en lo que a las puntuaciones medias de los sujetos se refiere, debemos realizar un ANOVA de un factor (“Año”):
oneway(fpu_ANDALUCIA$Puntuación_total, fpu_ANDALUCIA$Año, posthoc="games-howell", fullDescribe=FALSE, levene=TRUE, digits=3, pvalueDigits=4, t=FALSE, conf.level=0.95, plot=TRUE)
## ### Oneway Anova for y=Puntuación_total and x=Año (groups: 2009, 2010, 2012)
##
## Eta Squared: 95% CI = [0.359; 0.457], point estimate = 0.412
##
## SS Df MS F p
## Between groups (error + effect) 123.505 2 61.752 178.592 < .0001
## Within groups (error only) 176.344 510 0.346
##
## ### Levene's test:
##
## Levene's Test for Homogeneity of Variance (center = mean)
## Df F value Pr(>F)
## group 2 7.3893 0.0006863 ***
## 510
## ---
## Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
##
## ### Post hoc test: games-howell
##
## t df p
## 2009:2010 0.323 361.621 .9442
## 2009:2012 16.046 269.690 <.0001
## 2010:2012 15.345 286.284 <.0001Podemos comprobar que existen diferencias estadísticamente significativas entre las tres convocatorias (F(2,510)=178,592 y p<0,05). Para discernir entré qué convocatorias concretas están las diferencias en la puntuación media, se ha aplicado la técnica de comparaciones múltiples de Games-Howell, porque, según el test de Levene, no podemos asumir varianzas iguales en los tres grupos (F(2,510)=7,389 y p<0,05). Así pues, sólo existen diferencias estadísticamente significativas entre el 2009 y el 2012, y entre el 2010 y el 2012; no se han hallado diferencias significativas entres los años 2009 y 2010. El tamaño del efecto del factor “Año”, atendiendo al parámetro eta cuadrado, es del 41,2%.
Por otra parte, puesto que, dentro de cada una de las tres convocatorias, a los sujetos se los puede agrupar por áreas ANEP, nos interesa estudiar también cómo afectan los factores “Área_ANEP” y “Año” a las puntuaciones medias de cada una de las 25 áreas ANEP en cada convocatoria. En la siguiente tabla se muestra, para Andalucía, la puntuación media obtenida por los sujetos en cada una de las 25 áreas ANEP y por año de convocatoria:
puntuacionmedia_area_año=with(fpu_ANDALUCIA, tapply(Puntuación_total, list(Área_ANEP,Año), mean, na.rm=TRUE))
print(puntuacionmedia_area_año)## 2009 2010
## AGRICULTURA 6.137800 6.339750
## BIOLOGIA FUNDAMENTAL Y DE SISTEMAS 6.740909 6.653500
## BIOLOGIA VEGETAL, ANIMAL Y ECOLOGIA 6.851571 6.372500
## BIOMEDICINA 6.514000 5.959667
## CIENCIA Y TECNOLOGIA DE LOS ALIMENTOS 5.924833 5.923000
## CIENCIA Y TECNOLOGIA DE MATERIALES 5.992000 6.482000
## CIENCIAS DE LA COMPUTACION Y TECNOLOGIA INFORMATICA 6.561471 6.748714
## CIENCIAS DE LA EDUCACION 5.913000 5.961545
## CIENCIAS DE LA TIERRA 5.895750 6.591714
## CIENCIAS SOCIALES 6.391000 6.099125
## DERECHO 6.490333 7.063000
## ECONOMIA 5.755000 6.482000
## FILOLOGIA Y FILOSOFIA 6.968286 7.187267
## FISICA Y CIENCIAS DEL ESPACIO 6.534000 6.419000
## GANADERIA Y PESCA 6.562000 6.415000
## HISTORIA Y ARTE 6.392100 6.558636
## INGENIERIA CIVIL Y ARQUITECTURA 6.111250 5.884000
## INGENIERIA ELECTRICA, ELECTRONICA Y AUTOMATICA 5.658375 5.671600
## INGENIERIA MECANICA, NAVAL Y AERONAUTICA 6.134500 5.844667
## MATEMATICAS 6.931667 6.767333
## MEDICINA CLINICA Y EPIDEMIOLOGIA NA 6.199000
## PSICOLOGIA 6.472833 6.275563
## QUIMICA 6.370000 6.554889
## TECNOLOGIA ELECTRONICA Y DE LAS COMUNICACIONES 6.125250 6.580333
## TECNOLOGIA QUIMICA 6.228500 6.529000
## 2012
## AGRICULTURA 7.214800
## BIOLOGIA FUNDAMENTAL Y DE SISTEMAS 8.367900
## BIOLOGIA VEGETAL, ANIMAL Y ECOLOGIA 7.583517
## BIOMEDICINA 7.737380
## CIENCIA Y TECNOLOGIA DE LOS ALIMENTOS 7.455700
## CIENCIA Y TECNOLOGIA DE MATERIALES NA
## CIENCIAS DE LA COMPUTACION Y TECNOLOGIA INFORMATICA 8.235820
## CIENCIAS DE LA EDUCACION 6.787522
## CIENCIAS DE LA TIERRA 7.027233
## CIENCIAS SOCIALES 7.160347
## DERECHO 7.539080
## ECONOMIA 7.351250
## FILOLOGIA Y FILOSOFIA 7.856133
## FISICA Y CIENCIAS DEL ESPACIO 7.670800
## GANADERIA Y PESCA 7.563500
## HISTORIA Y ARTE 7.756995
## INGENIERIA CIVIL Y ARQUITECTURA 6.716329
## INGENIERIA ELECTRICA, ELECTRONICA Y AUTOMATICA 7.394650
## INGENIERIA MECANICA, NAVAL Y AERONAUTICA 8.051050
## MATEMATICAS 7.961833
## MEDICINA CLINICA Y EPIDEMIOLOGIA 7.773980
## PSICOLOGIA 7.284027
## QUIMICA 7.513970
## TECNOLOGIA ELECTRONICA Y DE LAS COMUNICACIONES 7.569000
## TECNOLOGIA QUIMICA 7.727000La tabla anterior, llevada a una gráfica de líneas, tendría el siguiente aspecto:
#Transformación a un dataframe
anep=factor(levels(fpu_2009_2010_2012$Área_ANEP), levels=levels(fpu_2009_2010_2012$Área_ANEP))
puntuacion=data.frame(Año_2009=puntuacionmedia_area_año[,1], Año_2010=puntuacionmedia_area_año[,2], Año_2012=puntuacionmedia_area_año[,3], Área_ANEP=anep)
#En el dataframe "puntuacion" fusiono las tres variables de año (Año_2009, Año_2010 #y Año_2012) en una sola variable categórica "Año" con tres niveles. Al mismo
#tiempo, se crea otra variable, "Puntuación_media". Para ello, utilizo
#el comando "melt" de la librería "reshape2". La nueva estructura de datos, con las #variables fusionadas, queda almacenada en el nuevo dataframe "puntuacion_media".
puntuacion_media=melt(puntuacion, id.vars=c(4), variable.name="Año", value.name="Puntuación_media")
#Representamos el gráfico de líneas
attach(fpu_ANDALUCIA)
interaction.plot(Área_ANEP, Año, Puntuación_total, xlab="Área ANEP", ylab="Puntuación media", main="Puntuación media por área ANEP y año en Andalucía")
En Andalucía, en la convocatoria de 2009, las tres áreas ANEP con mayor puntuación media y el área ANEP con menor puntuación media fueron:
- FILOLOGÍA Y FILOSOFÍA: 6,968
- MATEMÁTICAS: 6,932
- BIOLOGÍA VEGETAL, ANIMAL Y ECOLOGÍA: 6,852
- …
- CIENCIAS DE LA COMPUTACIÓN Y TECNOLOGÍA INFORMÁTICA: 6,561
- …
- TECNOLOGÍA ELECTRÓNICA Y DE LAS COMUNICACIONES: 6,125
- …
- INGENIERÍA ELÉCTRICA, ELECTRÓNICA Y AUTOMÁTICA: 5,658
- No hubo ningún sujeto seleccionado en Andalucía en el área de MEDICINA CLÍNICA Y EPIDEMILOGÍA.
En Andalucía, en la convocatoria de 2010, las tres áreas ANEP con mayor puntuación media y el área ANEP con menor puntuación media fueron:
- FILOLOGÍA Y FILOSOFÍA: 7,187
- DERECHO: 7,063
- MATEMÁTICAS: 6,767
- CIENCIAS DE LA COMPUTACIÓN Y TECNOLOGÍA INFORMÁTICA: 6,749
- …
- TECNOLOGÍA ELECTRÓNICA Y DE LAS COMUNICACIONES: 6,580
- …
- INGENIERÍA ELÉCTRICA, ELECTRÓNICA Y AUTOMÁTICA: 5,672
En Andalucía, en la convocatoria de 2012, las tres áreas ANEP con mayor puntuación media y el área ANEP con menor puntuación media fueron:
- BIOLOGÍA FUNDAMENTAL Y DE SISTEMAS: 8,368
- CIENCIAS DE LA COMPUTACIÓN Y TECNOLOGÍA INFORMÁTICA: 8,236
- INGENIERÍA MECÁNICA, NAVAL Y AERONÁUTICA: 8,051
- …
- FILOLOGÍA Y FILOSOFÍA: 7,856
- …
- INGENIERÍA CIVIL Y ARQUITECTURA: 6,716
- No hubo ningún sujeto seleccionado en Andalucía en el área de CIENCIA Y TECNOLOGÍA DE LOS MATERIALES.
Finalmente, al realizar un ANOVA con dos factores, a saber, “Área_ANEP” y “Año”, se comprueba que la puntuación de los sujetos en Andalucía depende significativamente de: (a) el factor “Área_ANEP”, (b) el factor “Año” y (c) la interacción de los dos factores:
##ANOVA de dos factores
LinearModel_Puntuacion_Andalucia <- lm(Puntuación_total ~ Área_ANEP +Año +Área_ANEP:Año -1, data=fpu_ANDALUCIA)
#Podríamos ulilizar la función <<Anova(LinearModel_Puntuacion_Nacional,type="II")>>,
#de la librería "car", para ver la tabla ANOVA, pero, como deseamos también
#conocer la "eta cuadrado parcial" (tamaño del efecto) de cada factor para tener una #idea de la contribución de cada factor en la puntuación media, utilizaremos en su #lugar la función <<etasq()>> de la librería "heplots".
#library(car)
#Anova(LinearModel_Puntuacion_Nacional, type="II")
etasq(LinearModel_Puntuacion_Andalucia, anova=TRUE, partial=TRUE)## Anova Table (Type II tests)
##
## Response: Puntuación_total
## Partial eta^2 Sum Sq Df F value Pr(>F)
## Área_ANEP 0.98580 7365.9 25 1221.9302 < 2e-16 ***
## Año 0.54706 128.1 2 265.7149 < 2e-16 ***
## Área_ANEP:Año 0.14189 17.5 46 1.5817 0.01127 *
## Residuals 106.1 440
## ---
## Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1El parámetro “eta cuadrado parcial” nos indica que el factor que más afecta a la puntuación en Andalucía es “Área_ANEP” (0,99), seguido del factor “Año” (0,55) y de la interacción de estos dos factores (0,14).
5.1.3.- ESTUDIO DE LA PUNTUACIÓN EN LA UNIVERSIDAD DE GRANADA
Nuestro fichero de datos está compuesto por 230 sujetos que recibieron la beca FPU en la Universidad de Granada en las convocatorias de 2009, 2010 y 2012. En esta tabla recogemos un análisis descriptivo básico de nuestros datos, que contiene, para cada año, la puntuación media, la desviación típica y el número se sujetos que recibieron la beca:
fpu_GRANADA <- read.csv("C:/Users/Administrador/Desktop/Curso_BigData/Proyecto/Ficheros_R/Fichero de datos/fpu_GRANADA.csv")
fpu_GRANADA$Año=as.factor(fpu_GRANADA$Año)
with(fpu_GRANADA, numSummary(Puntuación_total, groups=Año, statistics=c("mean","sd")))## mean sd data:n
## 2009 6.396740 0.5208351 77
## 2010 6.343175 0.5786961 80
## 2012 7.586470 0.6812157 73Si representamos estas medias en un gráfico de puntos obtendríamos:
with(fpu_GRANADA, plotMeans(Puntuación_total, as.factor(Año), error.bars="conf.int", level=0.95, xlab= "Año", ylab="Puntuación media", main="Puntuación media por año en la Universidad de Granada"))
Obsevamos que la puntuación media en el 2009 y 2010 es prácticamente similar, pero, en el 2012, se eleva notablemente.
Para comprobar si existen diferencias estadísticamente significativas entre las tres convocatorias en lo que a las puntuaciones medias de los sujetos se refiere, debemos realizar un ANOVA de un factor (“Año”):
oneway(fpu_GRANADA$Puntuación_total, fpu_GRANADA$Año, posthoc="bonferroni", fullDescribe=FALSE, levene=TRUE, digits=3, pvalueDigits=4, t=FALSE, conf.level=0.95, plot=TRUE)
## ### Oneway Anova for y=Puntuación_total and x=Año (groups: 2009, 2010, 2012)
##
## Eta Squared: 95% CI = [0.401; 0.538], point estimate = 0.479
##
## SS Df MS F p
## Between groups (error + effect) 73.919 2 36.959 104.241 < .0001
## Within groups (error only) 80.485 227 0.355
##
## ### Levene's test:
##
## Levene's Test for Homogeneity of Variance (center = mean)
## Df F value Pr(>F)
## group 2 2.8161 0.06193 .
## 227
## ---
## Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
##
## ### Post hoc test: bonferroni
##
## 2009 2010
## 2010 1
## 2012 <.0001 <.0001Podemos comprobar que existen diferencias estadísticamente significativas entre las tres convocatorias (F(2, 227)=104,241 y p<0,05). Para discernir entré qué convocatorias concretas están las diferencias en la puntuación media, se ha aplicado la técnica de comparaciones múltiples de Bonferroni por dos razones: (1) el test de Levene nos indica que podemos asumir varianzas iguales en los tres grupos (F(2, 227)=2,816 y p>0,05); (2) el número de comparaciones que tenemos que hacer es pequeño (solo tres parejas). Así pues, sólo existen diferencias estadísticamente significativas entre el 2009 y el 2012, y entre el 2010 y el 2012; no se han hallado diferencias significativas entres los años 2009 y 2010. El tamaño del efecto del factor “Año”, atendiendo al parámetro eta cuadrado, es del 47,9%.
Por otra parte, puesto que, dentro de cada una de las tres convocatorias, a los sujetos se los puede agrupar por áreas ANEP, nos interesa estudiar también cómo afectan los factores “Área_ANEP” y “Año” a las puntuaciones medias de cada una de las 25 áreas ANEP en cada convocatoria. En la siguiente tabla se muestra, para la Universidad de Granada, la puntuación media obtenida por los sujetos en cada una de las 25 áreas ANEP y por año de convocatoria:
puntuacionmedia_area_año=with(fpu_GRANADA, tapply(Puntuación_total, list(Área_ANEP,Año), mean, na.rm=TRUE))
print(puntuacionmedia_area_año)## 2009 2010
## AGRICULTURA NA 6.529000
## BIOLOGIA FUNDAMENTAL Y DE SISTEMAS 6.767667 6.827000
## BIOLOGIA VEGETAL, ANIMAL Y ECOLOGIA 7.091500 6.769000
## BIOMEDICINA 6.620500 5.762250
## CIENCIA Y TECNOLOGIA DE LOS ALIMENTOS 5.873750 5.889000
## CIENCIA Y TECNOLOGIA DE MATERIALES NA 7.538000
## CIENCIAS DE LA COMPUTACION Y TECNOLOGIA INFORMATICA 6.569889 6.888333
## CIENCIAS DE LA EDUCACION 5.913000 5.994500
## CIENCIAS DE LA TIERRA 5.804000 6.837333
## CIENCIAS SOCIALES 6.422000 6.209286
## DERECHO 6.235000 7.660000
## ECONOMIA 6.001500 6.482000
## FILOLOGIA Y FILOSOFIA 7.081875 7.124000
## FISICA Y CIENCIAS DEL ESPACIO 6.534000 6.388500
## HISTORIA Y ARTE 6.566273 6.481000
## INGENIERIA CIVIL Y ARQUITECTURA 6.118333 5.881000
## INGENIERIA ELECTRICA, ELECTRONICA Y AUTOMATICA 5.330000 5.886000
## MATEMATICAS NA 6.629500
## MEDICINA CLINICA Y EPIDEMIOLOGIA NA 6.199000
## PSICOLOGIA 6.182200 5.985700
## QUIMICA 5.983500 6.273000
## TECNOLOGIA ELECTRONICA Y DE LAS COMUNICACIONES 6.182667 6.464000
## TECNOLOGIA QUIMICA 6.361000 NA
## 2012
## AGRICULTURA NA
## BIOLOGIA FUNDAMENTAL Y DE SISTEMAS NA
## BIOLOGIA VEGETAL, ANIMAL Y ECOLOGIA 7.768750
## BIOMEDICINA 7.738700
## CIENCIA Y TECNOLOGIA DE LOS ALIMENTOS 6.963350
## CIENCIA Y TECNOLOGIA DE MATERIALES NA
## CIENCIAS DE LA COMPUTACION Y TECNOLOGIA INFORMATICA 8.292050
## CIENCIAS DE LA EDUCACION 6.766175
## CIENCIAS DE LA TIERRA NA
## CIENCIAS SOCIALES 7.062312
## DERECHO 6.908300
## ECONOMIA 8.319800
## FILOLOGIA Y FILOSOFIA 8.117075
## FISICA Y CIENCIAS DEL ESPACIO 7.670800
## HISTORIA Y ARTE 7.877093
## INGENIERIA CIVIL Y ARQUITECTURA 6.944050
## INGENIERIA ELECTRICA, ELECTRONICA Y AUTOMATICA 7.499100
## MATEMATICAS 7.961833
## MEDICINA CLINICA Y EPIDEMIOLOGIA 7.902500
## PSICOLOGIA 7.373129
## QUIMICA 7.586625
## TECNOLOGIA ELECTRONICA Y DE LAS COMUNICACIONES 7.569000
## TECNOLOGIA QUIMICA NALa tabla anterior, llevada a una gráfica de líneas, tendría el siguiente aspecto:
#Transformación a un dataframe
anep=factor(levels(fpu_GRANADA$Área_ANEP), levels=levels(fpu_GRANADA$Área_ANEP))
puntuacion=data.frame(Año_2009=puntuacionmedia_area_año[,1], Año_2010=puntuacionmedia_area_año[,2], Año_2012=puntuacionmedia_area_año[,3], Área_ANEP=anep)
#En el dataframe "puntuacion" fusiono las tres variables de año (Año_2009, Año_2010 #y Año_2012) en una sola variable categórica "Año" con tres niveles. Al mismo
#tiempo, se crea otra variable, "Puntuación_media". Para ello, utilizo
#el comando "melt" de la librería "reshape2". La nueva estructura de datos, con las #variables fusionadas, queda almacenada en el nuevo dataframe "puntuacion_media".
puntuacion_media=melt(puntuacion, id.vars=c(4), variable.name="Año", value.name="Puntuación_media")
#Representamos el gráfico de líneas
attach(fpu_GRANADA)
interaction.plot(Área_ANEP, Año, Puntuación_total, xlab="Área ANEP", ylab="Puntuación media", main="Puntuación media por área ANEP y año en la Universidad de Granada")
En la Universidad de Granada, en la convocatoria de 2009, las tres áreas ANEP con mayor puntuación media y el área ANEP con menor puntuación media fueron:
- BIOLOGÍA VEGETAL, ANIMAL Y ECOLOGÍA:7,092
- FILOLOGÍA Y FILOSOFÍA: 7,082
- BIOLOGÍA FUNDAMENTAL Y DE SISTEMAS: 6,768
- CIENCIAS DE LA COMPUTACIÓN Y TECNOLOGÍA INFORMÁTICA: 6,570
- …
- TECNOLOGÍA ELECTRÓNICA Y DE LAS COMUNICACIONES: 6,183
- …
- INGENIERÍA ELÉCTRICA, ELECTRÓNICA Y AUTOMÁTICA: 5,330
- No hubo ningún sujeto seleccionado en la Universidad de Granada en las áreas de “GANDERÍA Y PESCA”, “INGENIERÍA MECÁNICA, NAVAL Y AERONÁUTICA”, “AGRICULTURA”, “CIENCIA Y TECNOLOGÍA DE LOS MATERIALES”, “MATEMÁTICAS” y “MEDICINA CLÍNICA Y EPIDEMIOLOGÍA”.
En la Universidad de Granada, en la convocatoria de 2010, las tres áreas ANEP con mayor puntuación media y el área ANEP con menor puntuación media fueron:
- DERECHO: 7,660
- CIENCIA Y TECNOLOGÍA DE LOS MATERIALES: 7,538
- FILOLOGÍA Y FILOSOFÍA: 7,124
- CIENCIAS DE LA COMPUTACIÓN Y TECNOLOGÍA INFORMÁTICA: 6,889
- …
- TECNOLOGÍA ELECTRÓNICA Y DE LAS COMUNICACIONES: 6,464
- …
- BIOMEDICINA: 5,762
- No hubo ningún sujeto seleccionado en la Universidad de Granada en las áreas de “GANDERÍA Y PESCA”, “INGENIERÍA MECÁNICA, NAVAL Y AERONÁUTICA” y “TECNOLOGÍA QUÍMICA”.
En la Universidad de Granada, en la convocatoria de 2012, las tres áreas ANEP con mayor puntuación media y el área ANEP con menor puntuación media fueron:
- ECONOMÍA: 8,320
- CIENCIAS DE LA COMPUTACIÓN Y TECNOLOGÍA INFORMÁTICA: 8,292
- FILOLOGÍA Y FILOSOFÍA:: 8,117
- …
- TECNOLOGÍA ELECTRÓNICA Y DE LAS COMUNICACIONES: 7,569
- …
- CIENCIAS DE LA EDUCACIÓN: 6,766
- No hubo ningún sujeto seleccionado en la Universidad de Granada en las áreas de “GANDERÍA Y PESCA”, “INGENIERÍA MECÁNICA, NAVAL Y AERONÁUTICA”, “CIENCIA Y TECNOLOGÍA DE LOS MATERIALES”, “CIENCIAS DE LA TIERRA”, “BIOLOGÍA FUNDAMENTAL Y DE SISTEMAS”, “AGRICULTURA” y “TECNOLOGÍA QUÍMICA”.
Finalmente, al realizar un ANOVA con dos factores, a saber, “Área_ANEP” y “Año”, se comprueba que la puntuación de los sujetos en la Universidad de Granada depende significativamente de: (a) el factor “Área_ANEP” y (b) el factor “Año”, pero no de la interacción de los dos factores, a diferencia de lo que ocurría en Andalucía y a nivel nacional:
##ANOVA de dos factores
LinearModel_Puntuacion_Granada <- lm(Puntuación_total ~ Área_ANEP +Año +Área_ANEP:Año -1, data=fpu_GRANADA)
#Podríamos ulilizar la función <<Anova(LinearModel_Puntuacion_Nacional,type="II")>>,
#de la librería "car", para ver la tabla ANOVA, pero, como deseamos también
#conocer la "eta cuadrado parcial" (tamaño del efecto) de cada factor para tener una #idea de la contribución de cada factor en la puntuación media, utilizaremos en su #lugar la función <<etasq()>> de la librería "heplots".
#library(car)
#Anova(LinearModel_Puntuacion_Nacional, type="II")
etasq(LinearModel_Puntuacion_Granada, anova=TRUE, partial=TRUE)## Anova Table (Type II tests)
##
## Response: Puntuación_total
## Partial eta^2 Sum Sq Df F value Pr(>F)
## Área_ANEP 0.98782 3181.0 23 602.9723 <2e-16 ***
## Año 0.64134 70.1 2 152.8885 <2e-16 ***
## Área_ANEP:Año 0.21903 11.0 34 1.4106 0.0808 .
## Residuals 39.2 171
## ---
## Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1El parámetro “eta cuadrado parcial” nos indica que el factor que más afecta a la puntuación en la Universidad de Granada es “Área_ANEP” (0,99), seguido del factor “Año” (0,64).
5.2.- ESTUDIO DE LAS ÁREAS ANEP
5.2.1.- ÁREAS ANEP A NIVEL NACIONAL
Mostraremos ahora dos tablas que reflejan, a nivel nacional: (a) el número de sujetos por área ANEP que recibieron la beca FPU en las convocatorias de 2009, 2010 y 2012; (b) el porcentaje de sujetos por área ANEP y año de convocatoria. Seguidamente, la primera tabla de frecuencias absolutas se representará en un gráfico de barras:
local({
.Table <- xtabs(~Área_ANEP+Año, data=fpu_2009_2010_2012)
cat("\nTABLA DE FRECUENCIAS ABSOLUTAS:\n")
print(.Table)
cat("\nPORCENTAJES POR COLUMNA (AÑO):\n")
print(colPercents(.Table))
.Test <- chisq.test(.Table, correct=FALSE)
print(.Test)})##
## TABLA DE FRECUENCIAS ABSOLUTAS:
## Año
## Área_ANEP 2009 2010 2012
## AGRICULTURA 22 21 16
## BIOLOGIA FUNDAMENTAL Y DE SISTEMAS 47 33 23
## BIOLOGIA VEGETAL, ANIMAL Y ECOLOGIA 47 46 31
## BIOMEDICINA 102 109 80
## CIENCIA Y TECNOLOGIA DE LOS ALIMENTOS 25 22 16
## CIENCIA Y TECNOLOGIA DE MATERIALES 24 24 20
## CIENCIAS DE LA COMPUTACION Y TECNOLOGIA INFORMATICA 50 55 35
## CIENCIAS DE LA EDUCACION 22 26 22
## CIENCIAS DE LA TIERRA 26 27 18
## CIENCIAS SOCIALES 61 70 59
## DERECHO 24 26 20
## ECONOMIA 25 27 19
## FILOLOGIA Y FILOSOFIA 80 77 59
## FISICA Y CIENCIAS DEL ESPACIO 45 30 22
## GANADERIA Y PESCA 15 13 11
## HISTORIA Y ARTE 75 80 69
## INGENIERIA CIVIL Y ARQUITECTURA 18 23 22
## INGENIERIA ELECTRICA, ELECTRONICA Y AUTOMATICA 20 21 17
## INGENIERIA MECANICA, NAVAL Y AERONAUTICA 13 13 8
## MATEMATICAS 20 19 15
## MEDICINA CLINICA Y EPIDEMIOLOGIA 10 14 11
## PSICOLOGIA 32 37 30
## QUIMICA 101 84 62
## TECNOLOGIA ELECTRONICA Y DE LAS COMUNICACIONES 29 32 21
## TECNOLOGIA QUIMICA 23 21 14
##
## PORCENTAJES POR COLUMNA (AÑO):
## Año
## Área_ANEP 2009 2010 2012
## AGRICULTURA 2.3 2.2 2.2
## BIOLOGIA FUNDAMENTAL Y DE SISTEMAS 4.9 3.5 3.2
## BIOLOGIA VEGETAL, ANIMAL Y ECOLOGIA 4.9 4.8 4.3
## BIOMEDICINA 10.7 11.5 11.1
## CIENCIA Y TECNOLOGIA DE LOS ALIMENTOS 2.6 2.3 2.2
## CIENCIA Y TECNOLOGIA DE MATERIALES 2.5 2.5 2.8
## CIENCIAS DE LA COMPUTACION Y TECNOLOGIA INFORMATICA 5.2 5.8 4.9
## CIENCIAS DE LA EDUCACION 2.3 2.7 3.1
## CIENCIAS DE LA TIERRA 2.7 2.8 2.5
## CIENCIAS SOCIALES 6.4 7.4 8.2
## DERECHO 2.5 2.7 2.8
## ECONOMIA 2.6 2.8 2.6
## FILOLOGIA Y FILOSOFIA 8.4 8.1 8.2
## FISICA Y CIENCIAS DEL ESPACIO 4.7 3.2 3.1
## GANADERIA Y PESCA 1.6 1.4 1.5
## HISTORIA Y ARTE 7.8 8.4 9.6
## INGENIERIA CIVIL Y ARQUITECTURA 1.9 2.4 3.1
## INGENIERIA ELECTRICA, ELECTRONICA Y AUTOMATICA 2.1 2.2 2.4
## INGENIERIA MECANICA, NAVAL Y AERONAUTICA 1.4 1.4 1.1
## MATEMATICAS 2.1 2.0 2.1
## MEDICINA CLINICA Y EPIDEMIOLOGIA 1.0 1.5 1.5
## PSICOLOGIA 3.3 3.9 4.2
## QUIMICA 10.6 8.8 8.6
## TECNOLOGIA ELECTRONICA Y DE LAS COMUNICACIONES 3.0 3.4 2.9
## TECNOLOGIA QUIMICA 2.4 2.2 1.9
## Total 99.9 99.9 100.1
## Count 956.0 950.0 720.0
##
## Pearson's Chi-squared test
##
## data: .Table
## X-squared = 22.126, df = 48, p-value = 0.9995ggplot(data=fpu_2009_2010_2012, aes(x=Área_ANEP, fill=Año)) + geom_bar(stat="bin", position="dodge")+coord_flip()
A nivel nacional, y en cada una de las tres convocatorias, las áreas ANEP con un mayor porcentaje de sujetos beneficiarios de la beca FPU son:
Convocatoria de 2009:
- BIOMEDICINA (10,7 %)
- QUÍMICA (10,6 %)
- FILOLOGÍA Y FILOSOFÍA (8,4 %)
HISTORIA Y ARTE (7,8 %)
Convocatoria de 2010:
- BIOMEDICINA (11,5 %)
- QUÍMICA (8,8 %)
- HISTORIA Y ARTE (8,4 %)
FILOLOGÍA Y FILOSOFÍA (8,1 %)
Convocatoria de 2012:
- BIOMEDICINA (11,1 %)
- HISTORIA Y ARTE (9,6 %)
- QUÍMICA (8,6 %)
- FILOLOGÍA Y FILOSOFÍA (8,2 %)
CIENCIAS SOCIALES (8,2 %)
5.2.2.- ÁREAS ANEP EN ANDALUCÍA
Mostraremos ahora dos tablas que reflejan, para la Comunidad Autónoma de Andalucía: (a) el número de sujetos por área ANEP que recibieron la beca FPU en las convocatorias de 2009, 2010 y 2012; (b) el porcentaje de sujetos por área ANEP y año de convocatoria. Seguidamente, la primera tabla de frecuencias absolutas se representará en un gráfico de barras:
local({
.Table <- xtabs(~Área_ANEP+Año, data=fpu_ANDALUCIA)
cat("\nTABLA DE FRECUENCIAS ABSOLUTAS:\n")
print(.Table)
cat("\nPORCENTAJES POR COLUMNA (AÑO):\n")
print(colPercents(.Table))})##
## TABLA DE FRECUENCIAS ABSOLUTAS:
## Año
## Área_ANEP 2009 2010 2012
## AGRICULTURA 5 4 3
## BIOLOGIA FUNDAMENTAL Y DE SISTEMAS 11 4 2
## BIOLOGIA VEGETAL, ANIMAL Y ECOLOGIA 7 6 6
## BIOMEDICINA 6 9 10
## CIENCIA Y TECNOLOGIA DE LOS ALIMENTOS 6 6 5
## CIENCIA Y TECNOLOGIA DE MATERIALES 2 4 0
## CIENCIAS DE LA COMPUTACION Y TECNOLOGIA INFORMATICA 17 14 5
## CIENCIAS DE LA EDUCACION 4 11 9
## CIENCIAS DE LA TIERRA 4 7 3
## CIENCIAS SOCIALES 13 16 17
## DERECHO 3 7 5
## ECONOMIA 4 1 2
## FILOLOGIA Y FILOSOFIA 14 15 6
## FISICA Y CIENCIAS DEL ESPACIO 2 5 2
## GANADERIA Y PESCA 2 2 2
## HISTORIA Y ARTE 20 22 22
## INGENIERIA CIVIL Y ARQUITECTURA 8 8 7
## INGENIERIA ELECTRICA, ELECTRONICA Y AUTOMATICA 8 5 2
## INGENIERIA MECANICA, NAVAL Y AERONAUTICA 4 3 2
## MATEMATICAS 3 3 3
## MEDICINA CLINICA Y EPIDEMIOLOGIA 0 4 5
## PSICOLOGIA 12 16 15
## QUIMICA 18 9 10
## TECNOLOGIA ELECTRONICA Y DE LAS COMUNICACIONES 4 3 2
## TECNOLOGIA QUIMICA 2 2 3
##
## PORCENTAJES POR COLUMNA (AÑO):
## Año
## Área_ANEP 2009 2010 2012
## AGRICULTURA 2.8 2.2 2.0
## BIOLOGIA FUNDAMENTAL Y DE SISTEMAS 6.1 2.2 1.4
## BIOLOGIA VEGETAL, ANIMAL Y ECOLOGIA 3.9 3.2 4.1
## BIOMEDICINA 3.4 4.8 6.8
## CIENCIA Y TECNOLOGIA DE LOS ALIMENTOS 3.4 3.2 3.4
## CIENCIA Y TECNOLOGIA DE MATERIALES 1.1 2.2 0.0
## CIENCIAS DE LA COMPUTACION Y TECNOLOGIA INFORMATICA 9.5 7.5 3.4
## CIENCIAS DE LA EDUCACION 2.2 5.9 6.1
## CIENCIAS DE LA TIERRA 2.2 3.8 2.0
## CIENCIAS SOCIALES 7.3 8.6 11.5
## DERECHO 1.7 3.8 3.4
## ECONOMIA 2.2 0.5 1.4
## FILOLOGIA Y FILOSOFIA 7.8 8.1 4.1
## FISICA Y CIENCIAS DEL ESPACIO 1.1 2.7 1.4
## GANADERIA Y PESCA 1.1 1.1 1.4
## HISTORIA Y ARTE 11.2 11.8 14.9
## INGENIERIA CIVIL Y ARQUITECTURA 4.5 4.3 4.7
## INGENIERIA ELECTRICA, ELECTRONICA Y AUTOMATICA 4.5 2.7 1.4
## INGENIERIA MECANICA, NAVAL Y AERONAUTICA 2.2 1.6 1.4
## MATEMATICAS 1.7 1.6 2.0
## MEDICINA CLINICA Y EPIDEMIOLOGIA 0.0 2.2 3.4
## PSICOLOGIA 6.7 8.6 10.1
## QUIMICA 10.1 4.8 6.8
## TECNOLOGIA ELECTRONICA Y DE LAS COMUNICACIONES 2.2 1.6 1.4
## TECNOLOGIA QUIMICA 1.1 1.1 2.0
## Total 100.0 100.1 100.5
## Count 179.0 186.0 148.0ggplot(data=fpu_ANDALUCIA, aes(x=Área_ANEP, fill=Año)) + geom_bar(stat="bin", position="dodge")+coord_flip()
En Andalucía, y en cada una de las tres convocatorias, las áreas ANEP con un mayor porcentaje de sujetos beneficiarios de la beca FPU son:
Convocatoria de 2009:
- HISTORIA Y ARTE (11,2 %)
- QUÍMICA (10,1 %)
- CIENCIAS DE LA COMPUTACIÓN Y TECNOLOGÍA INFORMÁTICA (9,5 %)
- FILOLOGÍA Y FILOSOFÍA (7,8 %)
CIENCIAS SOCIALES (7,3 %)
Convocatoria de 2010:
- HISTORIA Y ARTE (11,8 %)
- PSICOLOGÍA (8,6 %)
- CIENCIAS SOCIALES (8,6 %)
FILOLOGÍA Y FILOSOFÍA (8,1 %)
Convocatoria de 2012:
- HISTORIA Y ARTE (14,9 %)
- CIENCIAS SOCIALES (11,5 %)
- PSICOLOGÍA (10,1 %)
- BIOQUÍMICA (6,8 %)
QUÍMICA (6,8 %)
5.2.3.- ÁREAS ANEP EN LA UNIVERSIDAD DE GRANADA
Mostraremos ahora dos tablas que reflejan, para la Universidad de Granada: (a) el número de sujetos por área ANEP que recibieron la beca FPU en las convocatorias de 2009, 2010 y 2012; (b) el porcentaje de sujetos por área ANEP y año de convocatoria. Seguidamente, la primera tabla de frecuencias absolutas se representará en un gráfico de barras:
local({
.Table <- xtabs(~Área_ANEP+Año, data=fpu_GRANADA)
cat("\nTABLA DE FRECUENCIAS ABSOLUTAS:\n")
print(.Table)
cat("\nPORCENTAJES POR COLUMNA (AÑO):\n")
print(colPercents(.Table))})##
## TABLA DE FRECUENCIAS ABSOLUTAS:
## Año
## Área_ANEP 2009 2010 2012
## AGRICULTURA 0 1 0
## BIOLOGIA FUNDAMENTAL Y DE SISTEMAS 3 2 0
## BIOLOGIA VEGETAL, ANIMAL Y ECOLOGIA 2 1 2
## BIOMEDICINA 2 4 6
## CIENCIA Y TECNOLOGIA DE LOS ALIMENTOS 4 3 2
## CIENCIA Y TECNOLOGIA DE MATERIALES 0 1 0
## CIENCIAS DE LA COMPUTACION Y TECNOLOGIA INFORMATICA 9 6 4
## CIENCIAS DE LA EDUCACION 4 8 4
## CIENCIAS DE LA TIERRA 2 3 0
## CIENCIAS SOCIALES 7 7 8
## DERECHO 1 1 1
## ECONOMIA 2 1 1
## FILOLOGIA Y FILOSOFIA 8 5 4
## FISICA Y CIENCIAS DEL ESPACIO 2 4 2
## HISTORIA Y ARTE 11 8 14
## INGENIERIA CIVIL Y ARQUITECTURA 6 6 4
## INGENIERIA ELECTRICA, ELECTRONICA Y AUTOMATICA 1 1 1
## MATEMATICAS 0 2 3
## MEDICINA CLINICA Y EPIDEMIOLOGIA 0 4 4
## PSICOLOGIA 5 10 7
## QUIMICA 4 1 4
## TECNOLOGIA ELECTRONICA Y DE LAS COMUNICACIONES 3 1 2
## TECNOLOGIA QUIMICA 1 0 0
##
## PORCENTAJES POR COLUMNA (AÑO):
## Año
## Área_ANEP 2009 2010 2012
## AGRICULTURA 0.0 1.2 0.0
## BIOLOGIA FUNDAMENTAL Y DE SISTEMAS 3.9 2.5 0.0
## BIOLOGIA VEGETAL, ANIMAL Y ECOLOGIA 2.6 1.2 2.7
## BIOMEDICINA 2.6 5.0 8.2
## CIENCIA Y TECNOLOGIA DE LOS ALIMENTOS 5.2 3.8 2.7
## CIENCIA Y TECNOLOGIA DE MATERIALES 0.0 1.2 0.0
## CIENCIAS DE LA COMPUTACION Y TECNOLOGIA INFORMATICA 11.7 7.5 5.5
## CIENCIAS DE LA EDUCACION 5.2 10.0 5.5
## CIENCIAS DE LA TIERRA 2.6 3.8 0.0
## CIENCIAS SOCIALES 9.1 8.8 11.0
## DERECHO 1.3 1.2 1.4
## ECONOMIA 2.6 1.2 1.4
## FILOLOGIA Y FILOSOFIA 10.4 6.2 5.5
## FISICA Y CIENCIAS DEL ESPACIO 2.6 5.0 2.7
## HISTORIA Y ARTE 14.3 10.0 19.2
## INGENIERIA CIVIL Y ARQUITECTURA 7.8 7.5 5.5
## INGENIERIA ELECTRICA, ELECTRONICA Y AUTOMATICA 1.3 1.2 1.4
## MATEMATICAS 0.0 2.5 4.1
## MEDICINA CLINICA Y EPIDEMIOLOGIA 0.0 5.0 5.5
## PSICOLOGIA 6.5 12.5 9.6
## QUIMICA 5.2 1.2 5.5
## TECNOLOGIA ELECTRONICA Y DE LAS COMUNICACIONES 3.9 1.2 2.7
## TECNOLOGIA QUIMICA 1.3 0.0 0.0
## Total 100.1 99.7 100.1
## Count 77.0 80.0 73.0ggplot(data=fpu_GRANADA, aes(x=Área_ANEP, fill=Año)) + geom_bar(stat="bin", position="dodge")+coord_flip()
En la Universidad de Granada, y en cada una de las tres convocatorias, las áreas ANEP con un mayor porcentaje de sujetos beneficiarios de la beca FPU son:
Convocatoria de 2009:
- HISTORIA Y ARTE (14,3 %)
- CIENCIAS DE LA COMPUTACIÓN Y TECNOLOGÍA INFORMÁTICA (11,7 %)
- FILOLOGÍA Y FILOSOFÍA (10,4 %)
CIENCIAS SOCIALES (9,1 %)
Convocatoria de 2010:
- PSICOLOGÍA (12,5 %)
- HISTORIA Y ARTE (10 %)
- CIENCIAS DE LA EDUCACIÓN (10 %)
- CIENCIAS SOCIALES (8,8 %)
- CIENCIAS DE LA COMPUTACIÓN Y TECNOLOGÍA INFORMÁTICA (7,5 %)
FILOLOGÍA Y FILOSOFÍA (6,2 %)
Convocatoria de 2012:
- HISTORIA Y ARTE (19,2 %)
- CIENCIAS SOCIALES (11 %)
- PSICOLOGÍA (9,6 %)
- BIOMEDICINA (8,2 %)
QUÍMICA (6,8 %)
5.3.- ESTUDIO POR COMUNIDADES AUTÓNOMAS
Mostraremos ahora dos tablas que reflejan: (a) el número de sujetos, por Comunidad Autónoma, que recibieron la beca FPU en las convocatorias de 2009, 2010 y 2012; (b) el porcentaje de sujetos por Comunidad Autónoma y año de convocatoria. Seguidamente, la primera tabla de frecuencias absolutas se representará en un gráfico de barras:
local({
.Table <- xtabs(~Comunidad_Autónoma+Año, data=fpu_2009_2010_2012)
cat("\nTABLA DE FRECUENCIAS ABSOLUTAS:\n")
print(.Table)
cat("\nPORCENTAJES POR COLUMNA (AÑO):\n")
print(colPercents(.Table))})##
## TABLA DE FRECUENCIAS ABSOLUTAS:
## Año
## Comunidad_Autónoma 2009 2010 2012
## AGE 79 81 57
## ANDALUCIA 179 186 148
## ARAGON 26 29 24
## ASTURIAS 22 28 18
## BALEARES 6 5 7
## CANARIAS 16 10 10
## CANTABRIA 6 10 11
## CASTILLA-LA MANCHA 19 10 12
## CASTILLA Y LEON 39 49 33
## CATALUÑA 200 169 141
## EXTREMADURA 9 6 1
## GALICIA 51 62 45
## LA RIOJA 2 3 3
## MADRID 167 152 113
## MURCIA 29 16 16
## NAVARRA 6 8 4
## PAIS VASCO 11 7 5
## VALENCIA 89 119 72
##
## PORCENTAJES POR COLUMNA (AÑO):
## Año
## Comunidad_Autónoma 2009 2010 2012
## AGE 8.3 8.5 7.9
## ANDALUCIA 18.7 19.6 20.6
## ARAGON 2.7 3.1 3.3
## ASTURIAS 2.3 2.9 2.5
## BALEARES 0.6 0.5 1.0
## CANARIAS 1.7 1.1 1.4
## CANTABRIA 0.6 1.1 1.5
## CASTILLA-LA MANCHA 2.0 1.1 1.7
## CASTILLA Y LEON 4.1 5.2 4.6
## CATALUÑA 20.9 17.8 19.6
## EXTREMADURA 0.9 0.6 0.1
## GALICIA 5.3 6.5 6.2
## LA RIOJA 0.2 0.3 0.4
## MADRID 17.5 16.0 15.7
## MURCIA 3.0 1.7 2.2
## NAVARRA 0.6 0.8 0.6
## PAIS VASCO 1.2 0.7 0.7
## VALENCIA 9.3 12.5 10.0
## Total 99.9 100.0 100.0
## Count 956.0 950.0 720.0ggplot(data=fpu_2009_2010_2012, aes(x=Comunidad_Autónoma, fill=Año)) + geom_bar(stat="bin", position="dodge")+coord_flip()
En cada una de las tres convocatorias, las Comunidades Autónomas con un mayor porcentaje de sujetos beneficiarios de la beca FPU son:
Convocatoria de 2009:
- CATALUÑA (20,9 %)
- ANDALUCÍA (18,7 %)
- MADRID (17,5 %)
- VALENCIA (9,3 %)
- …
- NAVARRA (0,6 %)
LA RIOJA (0,2 %)
Convocatoria de 2010:
- ANDALUCÍA (19,6 %)
- CATALUÑA (17,8 %)
- MADRID (16,0 %)
- VALENCIA (12,5 %)
- …
- NAVARRA (0,8 %)
LA RIOJA (0,3 %)
Convocatoria de 2012:
- ANDALUCÍA (20,6 %)
- CATALUÑA (19,6 %)
- MADRID (15,7 %)
- VALENCIA (10, %)
- …
- NAVARRA (0,6 %)
LA RIOJA (0,4 %)
5.4.- ESTUDIO POR ORGANISMOS DE ADSCRIPCIÓN
Mostraremos ahora una tabla que refleja el porcentaje de sujetos por organismo de adscripción y año de convocatoria. Seguidamente, se representará en un gráfico de barras las frecuencias absolutas de los organismos de adscripción en cada convocatoria:
local({
.Table <- xtabs(~Organismo_de_adscripción+Año, data=fpu_2009_2010_2012)
cat("\nPORCENTAJES POR COLUMNA (AÑO):\n")
print(colPercents(.Table))})##
## PORCENTAJES POR COLUMNA (AÑO):
## Año
## Organismo_de_adscripción 2009 2010
## CENTRE TECNOLOGIC DE TELECOMUNICACIONS DE CATALUNYA (CTTC) 0.4 0.0
## CENTRO DE ESTUDIOS DEMOGRAFICOS 0.1 0.0
## CENTRO DE INNOVACION DEL TRANSPORTE 0.0 0.1
## CENTRO DE INVESTIGACION PRINCIPE FELIPE 0.3 0.2
## CENTRO INTERNACIONAL DE METODOS NUMERICOS EN INGENIERIA 0.1 0.0
## CENTRO INV. ENERGETICAS, MEDIOAMBIENTALES Y TECNOLOGICAS 0.1 0.0
## CENTRO LASERES PULSADOS CLPU 0.0 0.0
## CENTRO SUPERIOR DE INVESTIGACION EN SALUD PUBLICA 0.0 0.2
## CONSEJO SUPERIOR DE INVESTIGACIONES CIENTIFICAS 7.6 8.3
## CONSORCI CSIC-IRTA-UAB-UB CENTRE DE RECERCA EN AGRIGENOMICA 0.0 0.0
## CONSORCIO INST.INVESTIGACIONES BIOMEDICAS AUGUST PI I SUNYER 0.1 0.1
## FUND. PARA LA INVESTIGACION BIOMEDICA HOSPITAL LA PAZ 0.0 0.1
## FUND. PRIV. INST. INVEST. BIOMEDICA DE BELLVITGE (IDIBELL) 0.0 0.3
## FUND.PRIV.CENTRE DE RECERCA EN SALUT INTERNAC.EN BARCELONA 0.0 0.0
## FUNDAC. CENTRO NACIONAL INVES. CARDIOVASC. CARLOS III (CNIC) 0.3 0.1
## FUNDACIO CENTRE DE RECERCA EN EPIDEMIOLOGIA AMBIENTAL 0.1 0.0
## FUNDACIO CENTRE DE REGULACIO GENOMICA 0.0 0.1
## FUNDACIO INSTITUT MAR D'INVESTIGACIONS MEDIQUES-FIMIM 0.0 0.2
## FUNDACIO INSTITUTO MUNICIPAL DE INVESTIGACION MEDICA (IMIM) 0.4 0.0
## FUNDACIO INVEST. SANITARIA DE LA ILLES BALEARS RAMON LLULL 0.0 0.0
## FUNDACIÓ PARC CIENTÍFIC DE BARCELONA 0.0 0.1
## FUNDACIO PRIVADA CLINIC PER A LA RECERCA BIOMEDICA 0.3 0.2
## FUNDACIO PRIVADA INSTITUTO DE BIOINGENIERIA DE CATALUÑA 0.0 0.0
## FUNDACIO SANT JOAN DE DEU 0.0 0.0
## FUNDACION CENTRO DE ESTUDIOS AMBIENTALES DEL MEDITERRANEO 0.0 0.1
## FUNDACION CENTRO NACIONAL INVESTIG. ONCOLOGICAS CARLOS III 0.4 0.2
## FUNDACION IMABIS 0.1 0.0
## FUNDACION IMDEA MATERIALES 0.0 0.0
## FUNDACION IMDEA NANOCIENCIA 0.1 0.1
## FUNDACION IMDEA NETWORKS 0.0 0.0
## FUNDACION IMDEA SOFTWARE 0.0 0.1
## FUNDACION INSTITUTO DE HIDRAULICA AMBIENTAL DE CANTABRIA 0.0 0.1
## FUNDACION INSTITUTO IVESTIGACION ONCOLOGICA VALL D'HEBRON 0.0 0.0
## FUNDACION JIMENEZ DIAZ 0.1 0.0
## FUNDACION JOSE ORTEGA Y GASSET 0.1 0.0
## FUNDACION PARA INVESTIG.BIOMEDICA DEL HOSPITAL GREG. MARAÑON 0.1 0.0
## FUNDACION PARA LA INVESTIGACION BIOMEDICA DE CORDOBA 0.0 0.0
## FUNDACION PARA LA INVESTIGACION MEDICA APLICADA (FIMA) 0.0 0.0
## FUNDACION PRIVADA INSTITUT RECERCA BIOMEDICA (IRB) 0.0 0.0
## FUNDACION PRIVADA INSTITUTO CATALAN DE NANOTECNOLOGIA 0.0 0.1
## FUNDACION PROGRESO Y SALUD 0.0 0.1
## FUNDACION UNIVERSIDAD SAN JORGE 0.0 0.0
## FUNDACION UNIVERSITARIA SAN PABLO-CEU. UNIV.CARDENAL HERRERA 0.1 0.2
## FUNDACION UNIVERSITARIA SAN PABLO-CEU. UNIV.SAN PABLO-CEU 0.2 0.2
## HOSPITAL DE LA SANTA CRUZ Y SAN PABLO 0.1 0.0
## HOSPITAL UNIVERSITARIO DE BELLVITGE 0.5 0.0
## INSTITUT CATALA D'ARQUEOLOGIA CLASSICA 0.0 0.0
## INSTITUT CATALA DE PALEOECOLOGIA HUMANA I EVOLUC. SOCIAL 0.0 0.0
## INSTITUT CATALA DE RECERCA DE L'AIGUA 0.0 0.1
## INSTITUT DE RECERCA BIOMEDICA (IRB) 0.7 0.5
## INSTITUT DE RECERCA EN ENERGIA DE CATALUNYA 0.0 0.0
## INSTITUTO CATALAN DE INVESTIGACION QUIMICA - ICIQ 0.5 0.2
## INSTITUTO DE BIOINGENIERIA DE CATALUÑA 0.1 0.2
## INSTITUTO DE CIENCIAS FOTONICAS - ICFO 0.2 0.2
## INSTITUTO DE FISICA DE ALTAS ENERGIAS 0.0 0.1
## INSTITUTO DE INVESTIGACION SANITARIA FUNDACION JIMENEZ DIAZ 0.0 0.0
## INSTITUTO DE MEDICINA PREDICTIVA Y PERSONALIZADA DEL CANCER 0.0 0.0
## INSTITUTO DE SALUD CARLOS III 0.2 0.2
## INSTITUTO NAC. DE INV. Y TEC. AGRARIA Y ALIMENTARIA (INIA) 0.2 0.0
## INSTITUTO TECNOLOGICO GEOMINERO DE ESPAÑA 0.1 0.0
## SERVICIO REGIONAL DE INVESTIG.Y DESARR. AGROALIM. (SERIDA) 0.1 0.0
## UNIVERSIDAD AUTONOMA DE BARCELONA 4.9 3.9
## UNIVERSIDAD AUTONOMA DE MADRID 3.6 4.3
## UNIVERSIDAD CARLOS III 0.5 0.8
## UNIVERSIDAD COMPLUTENSE DE MADRID 9.2 6.7
## UNIVERSIDAD DE ALCALA 1.2 1.1
## UNIVERSIDAD DE ALICANTE 1.3 1.5
## UNIVERSIDAD DE ALMERIA 1.2 1.2
## UNIVERSIDAD DE BARCELONA 6.6 5.8
## UNIVERSIDAD DE BURGOS 0.2 0.3
## UNIVERSIDAD DE CADIZ 0.4 0.5
## UNIVERSIDAD DE CANTABRIA 0.6 0.9
## UNIVERSIDAD DE CASTILLA-LA MANCHA 2.0 1.1
## UNIVERSIDAD DE CORDOBA 1.9 1.4
## UNIVERSIDAD DE EXTREMADURA 0.9 0.6
## UNIVERSIDAD DE GIRONA 0.8 1.1
## UNIVERSIDAD DE GRANADA 8.1 8.4
## UNIVERSIDAD DE HUELVA 0.5 1.1
## UNIVERSIDAD DE JAEN 0.6 0.3
## UNIVERSIDAD DE LA CORUÑA 0.5 1.6
## UNIVERSIDAD DE LA LAGUNA 1.3 0.7
## UNIVERSIDAD DE LA RIOJA 0.2 0.3
## UNIVERSIDAD DE LAS ISLAS BALEARES 0.6 0.5
## UNIVERSIDAD DE LAS PALMAS DE GRAN CANARIA 0.4 0.3
## UNIVERSIDAD DE LEON 0.6 0.9
## UNIVERSIDAD DE LLEIDA 0.5 0.4
## UNIVERSIDAD DE MALAGA 1.8 2.6
## UNIVERSIDAD DE MURCIA 2.7 1.6
## UNIVERSIDAD DE NAVARRA 0.5 0.7
## UNIVERSIDAD DE OVIEDO 2.2 2.9
## UNIVERSIDAD DE SALAMANCA 2.3 2.0
## UNIVERSIDAD DE SANTIAGO DE COMPOSTELA 3.6 2.8
## UNIVERSIDAD DE SEVILLA 3.3 3.2
## UNIVERSIDAD DE VALENCIA 3.8 5.3
## UNIVERSIDAD DE VALLADOLID 0.9 1.8
## UNIVERSIDAD DE VIC 0.1 0.0
## UNIVERSIDAD DE VIGO 1.3 2.1
## UNIVERSIDAD DE ZARAGOZA 2.7 3.1
## UNIVERSIDAD DEL PAIS VASCO / EUSKAL HERRIKO UNIBERTSITATEA 1.2 0.7
## UNIVERSIDAD JAUME I 0.8 1.2
## UNIVERSIDAD MIGUEL HERNANDEZ 0.2 0.5
## UNIVERSIDAD NACIONAL DE EDUCACION A DISTANCIA 0.2 0.2
## UNIVERSIDAD PABLO DE OLAVIDE 0.8 0.8
## UNIVERSIDAD POLITECNICA DE CARTAGENA 0.3 0.1
## UNIVERSIDAD POLITECNICA DE CATALUÑA 2.4 1.5
## UNIVERSIDAD POLITECNICA DE MADRID 1.2 1.5
## UNIVERSIDAD POLITECNICA DE VALENCIA 2.8 3.4
## UNIVERSIDAD POMPEU FABRA 1.3 1.5
## UNIVERSIDAD PONTIFICIA DE SALAMANCA 0.0 0.1
## UNIVERSIDAD PUBLICA DE NAVARRA 0.1 0.1
## UNIVERSIDAD RAMON LLULL 0.0 0.1
## UNIVERSIDAD REY JUAN CARLOS 0.3 0.5
## UNIVERSIDAD ROVIRA I VIRGILI 0.5 0.9
## Total 99.6 99.6
## Count 956.0 950.0
## Año
## Organismo_de_adscripción 2012
## CENTRE TECNOLOGIC DE TELECOMUNICACIONS DE CATALUNYA (CTTC) 0.0
## CENTRO DE ESTUDIOS DEMOGRAFICOS 0.1
## CENTRO DE INNOVACION DEL TRANSPORTE 0.0
## CENTRO DE INVESTIGACION PRINCIPE FELIPE 0.0
## CENTRO INTERNACIONAL DE METODOS NUMERICOS EN INGENIERIA 0.0
## CENTRO INV. ENERGETICAS, MEDIOAMBIENTALES Y TECNOLOGICAS 0.0
## CENTRO LASERES PULSADOS CLPU 0.1
## CENTRO SUPERIOR DE INVESTIGACION EN SALUD PUBLICA 0.0
## CONSEJO SUPERIOR DE INVESTIGACIONES CIENTIFICAS 7.8
## CONSORCI CSIC-IRTA-UAB-UB CENTRE DE RECERCA EN AGRIGENOMICA 0.4
## CONSORCIO INST.INVESTIGACIONES BIOMEDICAS AUGUST PI I SUNYER 0.3
## FUND. PARA LA INVESTIGACION BIOMEDICA HOSPITAL LA PAZ 0.0
## FUND. PRIV. INST. INVEST. BIOMEDICA DE BELLVITGE (IDIBELL) 0.6
## FUND.PRIV.CENTRE DE RECERCA EN SALUT INTERNAC.EN BARCELONA 0.1
## FUNDAC. CENTRO NACIONAL INVES. CARDIOVASC. CARLOS III (CNIC) 0.3
## FUNDACIO CENTRE DE RECERCA EN EPIDEMIOLOGIA AMBIENTAL 0.0
## FUNDACIO CENTRE DE REGULACIO GENOMICA 0.0
## FUNDACIO INSTITUT MAR D'INVESTIGACIONS MEDIQUES-FIMIM 0.1
## FUNDACIO INSTITUTO MUNICIPAL DE INVESTIGACION MEDICA (IMIM) 0.0
## FUNDACIO INVEST. SANITARIA DE LA ILLES BALEARS RAMON LLULL 0.1
## FUNDACIÓ PARC CIENTÍFIC DE BARCELONA 0.0
## FUNDACIO PRIVADA CLINIC PER A LA RECERCA BIOMEDICA 0.1
## FUNDACIO PRIVADA INSTITUTO DE BIOINGENIERIA DE CATALUÑA 0.3
## FUNDACIO SANT JOAN DE DEU 0.1
## FUNDACION CENTRO DE ESTUDIOS AMBIENTALES DEL MEDITERRANEO 0.0
## FUNDACION CENTRO NACIONAL INVESTIG. ONCOLOGICAS CARLOS III 0.3
## FUNDACION IMABIS 0.0
## FUNDACION IMDEA MATERIALES 0.1
## FUNDACION IMDEA NANOCIENCIA 0.0
## FUNDACION IMDEA NETWORKS 0.1
## FUNDACION IMDEA SOFTWARE 0.0
## FUNDACION INSTITUTO DE HIDRAULICA AMBIENTAL DE CANTABRIA 0.0
## FUNDACION INSTITUTO IVESTIGACION ONCOLOGICA VALL D'HEBRON 0.1
## FUNDACION JIMENEZ DIAZ 0.0
## FUNDACION JOSE ORTEGA Y GASSET 0.0
## FUNDACION PARA INVESTIG.BIOMEDICA DEL HOSPITAL GREG. MARAÑON 0.0
## FUNDACION PARA LA INVESTIGACION BIOMEDICA DE CORDOBA 0.1
## FUNDACION PARA LA INVESTIGACION MEDICA APLICADA (FIMA) 0.3
## FUNDACION PRIVADA INSTITUT RECERCA BIOMEDICA (IRB) 0.1
## FUNDACION PRIVADA INSTITUTO CATALAN DE NANOTECNOLOGIA 0.0
## FUNDACION PROGRESO Y SALUD 0.0
## FUNDACION UNIVERSIDAD SAN JORGE 0.1
## FUNDACION UNIVERSITARIA SAN PABLO-CEU. UNIV.CARDENAL HERRERA 0.0
## FUNDACION UNIVERSITARIA SAN PABLO-CEU. UNIV.SAN PABLO-CEU 0.4
## HOSPITAL DE LA SANTA CRUZ Y SAN PABLO 0.0
## HOSPITAL UNIVERSITARIO DE BELLVITGE 0.0
## INSTITUT CATALA D'ARQUEOLOGIA CLASSICA 0.1
## INSTITUT CATALA DE PALEOECOLOGIA HUMANA I EVOLUC. SOCIAL 0.3
## INSTITUT CATALA DE RECERCA DE L'AIGUA 0.0
## INSTITUT DE RECERCA BIOMEDICA (IRB) 0.0
## INSTITUT DE RECERCA EN ENERGIA DE CATALUNYA 0.1
## INSTITUTO CATALAN DE INVESTIGACION QUIMICA - ICIQ 0.6
## INSTITUTO DE BIOINGENIERIA DE CATALUÑA 0.0
## INSTITUTO DE CIENCIAS FOTONICAS - ICFO 0.1
## INSTITUTO DE FISICA DE ALTAS ENERGIAS 0.0
## INSTITUTO DE INVESTIGACION SANITARIA FUNDACION JIMENEZ DIAZ 0.1
## INSTITUTO DE MEDICINA PREDICTIVA Y PERSONALIZADA DEL CANCER 0.1
## INSTITUTO DE SALUD CARLOS III 0.0
## INSTITUTO NAC. DE INV. Y TEC. AGRARIA Y ALIMENTARIA (INIA) 0.1
## INSTITUTO TECNOLOGICO GEOMINERO DE ESPAÑA 0.0
## SERVICIO REGIONAL DE INVESTIG.Y DESARR. AGROALIM. (SERIDA) 0.0
## UNIVERSIDAD AUTONOMA DE BARCELONA 4.2
## UNIVERSIDAD AUTONOMA DE MADRID 4.0
## UNIVERSIDAD CARLOS III 0.3
## UNIVERSIDAD COMPLUTENSE DE MADRID 7.6
## UNIVERSIDAD DE ALCALA 1.2
## UNIVERSIDAD DE ALICANTE 1.1
## UNIVERSIDAD DE ALMERIA 1.0
## UNIVERSIDAD DE BARCELONA 5.8
## UNIVERSIDAD DE BURGOS 0.3
## UNIVERSIDAD DE CADIZ 0.6
## UNIVERSIDAD DE CANTABRIA 1.5
## UNIVERSIDAD DE CASTILLA-LA MANCHA 1.7
## UNIVERSIDAD DE CORDOBA 1.4
## UNIVERSIDAD DE EXTREMADURA 0.1
## UNIVERSIDAD DE GIRONA 0.7
## UNIVERSIDAD DE GRANADA 10.1
## UNIVERSIDAD DE HUELVA 1.0
## UNIVERSIDAD DE JAEN 0.6
## UNIVERSIDAD DE LA CORUÑA 0.8
## UNIVERSIDAD DE LA LAGUNA 0.7
## UNIVERSIDAD DE LA RIOJA 0.4
## UNIVERSIDAD DE LAS ISLAS BALEARES 0.8
## UNIVERSIDAD DE LAS PALMAS DE GRAN CANARIA 0.7
## UNIVERSIDAD DE LEON 1.4
## UNIVERSIDAD DE LLEIDA 0.8
## UNIVERSIDAD DE MALAGA 1.2
## UNIVERSIDAD DE MURCIA 1.8
## UNIVERSIDAD DE NAVARRA 0.3
## UNIVERSIDAD DE OVIEDO 2.5
## UNIVERSIDAD DE SALAMANCA 1.7
## UNIVERSIDAD DE SANTIAGO DE COMPOSTELA 3.5
## UNIVERSIDAD DE SEVILLA 2.9
## UNIVERSIDAD DE VALENCIA 5.3
## UNIVERSIDAD DE VALLADOLID 1.1
## UNIVERSIDAD DE VIC 0.0
## UNIVERSIDAD DE VIGO 1.9
## UNIVERSIDAD DE ZARAGOZA 3.2
## UNIVERSIDAD DEL PAIS VASCO / EUSKAL HERRIKO UNIBERTSITATEA 0.7
## UNIVERSIDAD JAUME I 0.7
## UNIVERSIDAD MIGUEL HERNANDEZ 0.7
## UNIVERSIDAD NACIONAL DE EDUCACION A DISTANCIA 0.0
## UNIVERSIDAD PABLO DE OLAVIDE 1.7
## UNIVERSIDAD POLITECNICA DE CARTAGENA 0.4
## UNIVERSIDAD POLITECNICA DE CATALUÑA 2.1
## UNIVERSIDAD POLITECNICA DE MADRID 0.6
## UNIVERSIDAD POLITECNICA DE VALENCIA 2.2
## UNIVERSIDAD POMPEU FABRA 1.4
## UNIVERSIDAD PONTIFICIA DE SALAMANCA 0.0
## UNIVERSIDAD PUBLICA DE NAVARRA 0.0
## UNIVERSIDAD RAMON LLULL 0.1
## UNIVERSIDAD REY JUAN CARLOS 0.6
## UNIVERSIDAD ROVIRA I VIRGILI 0.6
## Total 99.5
## Count 720.0with(fpu_2009_2010_2012, Barplot(Organismo_de_adscripción, by=Año, style="parallel",
legend.pos="topright", xlab="Organismo_de_adscripción", ylab="Frecuencia"))
ggplot(data=fpu_2009_2010_2012, aes(x=Organismo_de_adscripción, fill=Año)) + geom_bar(stat="bin", position="dodge")+coord_flip()
En cada una de las tres convocatorias, los organismos de adscripción con un mayor porcentaje de sujetos beneficiarios de la beca FPU son:
Convocatoria de 2009:
- UNIVERSIDAD COMPLUTENSE DE MADRID (9,2 %)
- UNIVERSIDAD DE GRANADA (8,1 %)
- CONSEJO SUPERIOR DE INVESTIGACIONES CIENTÍFICAS (7,6 %)
- UNIVERSIDAD DE BARCELONA (6,6 %)
UNIVERSIDAD AUTÓNOMA DE BARCELONA (4,9 %)
Convocatoria de 2010:
- UNIVERSIDAD DE GRANADA (8,4 %)
- CONSEJO SUPERIOR DE INVESTIGACIONES CIENTÍFICAS (8,3 %)
- UNIVERSIDAD COMPLUTENSE DE MADRID (6,7 %)
- UNIVERSIDAD DE BARCELONA (5,8 %)
UNIVERSIDAD DE VALENCIA (5,3 %)
Convocatoria de 2012:
- UNIVERSIDAD DE GRANADA (10,1 %)
- CONSEJO SUPERIOR DE INVESTIGACIONES CIENTÍFICAS (7,8 %)
- UNIVERSIDAD COMPLUTENSE DE MADRID (7,6 %)
- UNIVERSIDAD DE BARCELONA (5,8 %)
UNIVERSIDAD DE VALENCIA (5,3 %)