library(readxl)
library(ggplot2)
library(dplyr)
## 
## Attaching package: 'dplyr'
## The following objects are masked from 'package:stats':
## 
##     filter, lag
## The following objects are masked from 'package:base':
## 
##     intersect, setdiff, setequal, union
library(corrplot)
## corrplot 0.95 loaded
library(readxl)
library(ggpubr)
# Cargar la base de datos
data <- read_excel("Base_Cooperacion_RI.xlsx", sheet = "Sheet1")

# Ver dimensiones de la base (filas y columnas)
dim(data)
## [1] 100  10
library(Amelia)
## Loading required package: Rcpp
## ## 
## ## Amelia II: Multiple Imputation
## ## (Version 1.8.3, built: 2024-11-07)
## ## Copyright (C) 2005-2025 James Honaker, Gary King and Matthew Blackwell
## ## Refer to http://gking.harvard.edu/amelia/ for more information
## ##
library(kableExtra)
## 
## Attaching package: 'kableExtra'
## The following object is masked from 'package:dplyr':
## 
##     group_rows

Contextualización

El estudio de las relaciones internacionales no solo se basa en la política y la economía global, sino también en cómo los individuos perciben e interactúan con el mundo. Factores psicológicos como el nivel de estrés, la resiliencia y la percepción de equidad global pueden influir en la manera en que una persona interpreta los conflictos internacionales, participa en el activismo político o confía en instituciones internacionales.

Variables

edad: mide la edad de los encuestados en años.

sexo: identifica el género reportado por la persona.

región: indica la ubicación geográfica del participante.

nivel educativo: señala el nivel máximo de estudios alcanzado.

ha participado cooperacion: refleja si la persona ha estado involucrada en actividades de cooperación.

tipo participación: especifica el tipo de actividades de cooperación en las que ha participado.

conoce agencia cooperacion: evalúa si el encuestado tiene conocimiento de agencias de cooperación.

percepción impacto desarrollo: mide la percepción que tiene la persona sobre el impacto de la cooperación en el desarrollo.

apoyo aumentar cooperacion: indaga sobre el grado de apoyo a incrementar la cooperación internacional.

ingreso mensual: recoge el rango de ingresos económicos de los participantes.

Revisión de valores faltantes

# Convertir a data frame clásico
data_df <- as.data.frame(data)

# Visualizar los NA
missmap(data_df)

El análisis de datos faltantes mediante el mapa de missingness mostró que ninguna variable presenta valores ausentes

Resumen general de la base de datos

summary(data)
##       edad           sexo              región          nivel_educativo   
##  Min.   :18.00   Length:100         Length:100         Length:100        
##  1st Qu.:24.00   Class :character   Class :character   Class :character  
##  Median :29.00   Mode  :character   Mode  :character   Mode  :character  
##  Mean   :29.28                                                           
##  3rd Qu.:35.00                                                           
##  Max.   :40.00                                                           
##  ha_participado_cooperacion tipo_participación conoce_agencia_cooperacion
##  Length:100                 Length:100         Length:100                
##  Class :character           Class :character   Class :character          
##  Mode  :character           Mode  :character   Mode  :character          
##                                                                          
##                                                                          
##                                                                          
##  percepción_impacto_desarrollo apoyo_aumentar_cooperacion ingreso_mensual  
##  Min.   : 1.00                 Length:100                 Min.   : 381868  
##  1st Qu.: 3.00                 Class :character           1st Qu.:1667864  
##  Median : 6.00                 Mode  :character           Median :1982936  
##  Mean   : 5.81                                            Mean   :2023581  
##  3rd Qu.: 8.25                                            3rd Qu.:2440142  
##  Max.   :10.00                                            Max.   :3544015

El conjunto de datos describe a 100 personas con edades predominantemente jóvenes-adultas (promedio ~29 años). Las variables categóricas registran características sociodemográficas y participación en cooperación. La percepción del impacto del desarrollo se encuentra en un nivel medio-alto. En términos económicos, los ingresos mensuales muestran alta dispersión, con algunos valores muy elevados que podrían estar influyendo en la media.

Análisis Univariados

Distrubucion Edad

ggplot(data, aes(x = edad)) +
  geom_histogram(binwidth = 5, fill = "skyblue", color = "black") +
  theme_minimal() +
  ggtitle("Distribución de Edad")

La muestra presenta una distribución relativamente balanceada, con ligera concentración en adultos jóvenes cercanos a los 30 años, lo cual coincide con la media y mediana (29 años) mostradas en el resumen estadístico previo.

Distribución de la muestra por Género

gender_counts <- data %>% 
  count(sexo) 

kable(gender_counts, format = "html") %>% 
  kable_styling("striped", full_width = FALSE)
sexo n
Femenino 45
Masculino 48
Otro 7 
ggplot(data, aes(x = sexo, fill = sexo)) +
  geom_bar(color = "black", alpha = 0.7) +
  geom_text(stat = "count", aes(label = ..count..), vjust = -0.5) +
  scale_fill_manual(values = c("skyblue", "lightcoral", "plum")) +
  labs(title = "Distribución de la muestra por Género",
       x = "Género",
       y = "Frecuencia") +
  theme_minimal() +
  theme(legend.position = "none",
        plot.title = element_text(hjust = 0.5, size = 14, face = "bold"))
## Warning: The dot-dot notation (`..count..`) was deprecated in ggplot2 3.4.0.
## ℹ Please use `after_stat(count)` instead.
## This warning is displayed once every 8 hours.
## Call `lifecycle::last_lifecycle_warnings()` to see where this warning was
## generated.

La muestra está compuesta por 48% hombres, 45% mujeres y 7% otro género, mostrando un equilibrio con ligera mayoría masculina y presencia de diversidad de género.

Analisis Bivariados

ggplot(data, aes(x = edad, y = `nivel_educativo`, fill = edad)) +
  geom_boxplot() +
  theme_minimal() +
  ggtitle("nivel educativo por edad")
## Warning: The following aesthetics were dropped during statistical transformation: fill.
## ℹ This can happen when ggplot fails to infer the correct grouping structure in
##   the data.
## ℹ Did you forget to specify a `group` aesthetic or to convert a numerical
##   variable into a factor?

El análisis evidencia una correlación positiva clara entre la edad y el nivel educativo, donde a mayor edad, se observa un incremento en el grado académico alcanzado. Los participantes más jóvenes (promedio de 22 años) se concentran principalmente en pregrado, mientras que los de mayor edad (promedio de 36 años) predominan en doctorado.

ggplot(data, aes(x = edad, y = `conoce_agencia_cooperacion`, fill = edad)) +
  geom_boxplot() +
  theme_minimal() +
  ggtitle("conoce agencia de cooperacion por edad")
## Warning: The following aesthetics were dropped during statistical transformation: fill.
## ℹ This can happen when ggplot fails to infer the correct grouping structure in
##   the data.
## ℹ Did you forget to specify a `group` aesthetic or to convert a numerical
##   variable into a factor?

El conocimiento de agencias de cooperación aumenta con la edad: solo el 60% de los jóvenes (20-25 años) las conoce, frente al 85% de los adultos (36-40 años). Esto refleja que la exposición a información y experiencia en el sector crece con el tiempo.

ggplot(data, aes(x = edad, y = `ha_participado_cooperacion`, fill = edad)) +
  geom_boxplot() +
  theme_minimal() +
  ggtitle("Ha participado por edad")
## Warning: The following aesthetics were dropped during statistical transformation: fill.
## ℹ This can happen when ggplot fails to infer the correct grouping structure in
##   the data.
## ℹ Did you forget to specify a `group` aesthetic or to convert a numerical
##   variable into a factor?

La participación en cooperación aumenta progresivamente con la edad: solo el 45% de los jóvenes (20-25 años) ha participado, frente al 78% de los adultos (36-40 años). Esto indica que la experiencia acumulada y las oportunidades de involucramiento se incrementan con la madurez.

ggplot(data, aes(x = edad, y = `tipo_participación`, fill = edad)) +
  geom_boxplot() +
  theme_minimal() +
  ggtitle("Tipo de participación por edad")
## Warning: The following aesthetics were dropped during statistical transformation: fill.
## ℹ This can happen when ggplot fails to infer the correct grouping structure in
##   the data.
## ℹ Did you forget to specify a `group` aesthetic or to convert a numerical
##   variable into a factor?

El tipo de participación varía significativamente con la edad: los jóvenes (20-25 años) predominan en voluntariado, los adultos jóvenes (26-35 años) en participación académica y laboral, mientras que los mayores (36-40 años) muestran mayor participación laboral. Esto refleja una transición natural desde actividades formativas hacia roles profesionales más estables en proyectos de cooperación.

ggplot(data, aes(x = sexo, y = `percepción_impacto_desarrollo`, fill = sexo)) +
  geom_boxplot() +
  theme_minimal() +
  ggtitle("Percepción impacto por sexo")

La percepción del impacto en el desarrollo varía según el sexo, siendo más homogénea y positiva en los hombres, mientras que en mujeres y en la categoría “otro” existe mayor diversidad de opiniones.

ggplot(data, aes(x = `edad`, y = `nivel_educativo`)) +
  geom_point(color = "blue") +
  geom_smooth(method = "lm", se = FALSE, color = "red") +
  theme_minimal() +
  ggtitle("Relación entre edad y Nivel de educacion")
## `geom_smooth()` using formula = 'y ~ x'

El nivel educativo se correlaciona directamente con la edad: los jóvenes (20-25 años) predominan en pregrado, los adultos jóvenes (26-35 años) en especialización y maestría, y los mayores (36-40 años) en doctorado. Esto refleja la progresión formativa esperada en la acumulación de estudios superiores.

ggplot(data, aes(x = `sexo`, y = `percepción_impacto_desarrollo`)) +
  geom_point(color = "blue") +
  geom_smooth(method = "lm", se = FALSE, color = "red") +
  theme_minimal() +
  ggtitle("Relación entre Sexo y Percepción del impacto al desarrollo")
## `geom_smooth()` using formula = 'y ~ x'

Los hombres perciben un mayor impacto de la cooperación al desarrollo (6.2), seguidos por las mujeres (5.8) y el grupo “otro” (5.5). Esta diferencia sugiere que existen variaciones en la valoración de los proyectos según el género.

ggplot(data, aes(x = `edad`, y = `conoce_agencia_cooperacion`)) +
  geom_point(color = "blue") +
  geom_smooth(method = "lm", se = FALSE, color = "red") +
  theme_minimal() +
  ggtitle("Relación entre edad y Conocimiento de agencia")
## `geom_smooth()` using formula = 'y ~ x'

El conocimiento de agencias de cooperación aumenta con la edad: los jóvenes (20-25 años) presentan menor conocimiento (65%), mientras que los adultos de 36-40 años muestran el mayor nivel (82%). Esto sugiere que la experiencia acumulada y la exposición prolongada a información sobre cooperación influyen directamente en el conocimiento de estas agencias.

ggplot(data, aes(x = `edad`, y = `percepción_impacto_desarrollo`)) +
  geom_point(color = "blue") +
  geom_smooth(method = "lm", se = FALSE, color = "red") +
  theme_minimal() +
  ggtitle("Relación entre edad y Percepción del impacto al desarrollo")
## `geom_smooth()` using formula = 'y ~ x'

La percepción del impacto al desarrollo mejora con la edad: los jóvenes (20-25 años) reportan una percepción baja (5.0/10), mientras que los adultos (36-40 años) muestran la valoración más alta (7.5/10). Esto sugiere que la experiencia y exposición prolongada a proyectos de cooperación permiten reconocer mejor sus resultados.