1. Carga de
Paquetes
suppressPackageStartupMessages({
library(dplyr); library(ggplot2); library(janitor); library(tidyr)
library(scales); library(sf); library(viridis); library(ggthemes)
library(readxl); library(knitr)
})
## Warning: package 'janitor' was built under R version 4.3.3
## Warning: package 'viridis' was built under R version 4.3.3
## Warning: package 'ggthemes' was built under R version 4.3.3
## Warning: package 'readxl' was built under R version 4.3.3
## Warning: package 'knitr' was built under R version 4.3.3
2. Carga de Datos
(Automática)
# Permite compatibilidad total con RPubs o ejecución local
if (file.exists(params$data_path)) {
df <- read_excel(path = params$data_path, sheet = params$excel_sheet)
} else if (interactive()) {
message("Seleccione manualmente el archivo de datos (Excel o CSV)")
ruta <- file.choose()
ext <- tools::file_ext(ruta)
if (ext %in% c("xls", "xlsx")) {
df <- read_excel(ruta)
} else {
df <- read.csv(ruta, check.names = FALSE)
}
} else if (exists("X1996_2002_valores_nominales_3_")) {
df <- X1996_2002_valores_nominales_3_
} else {
stop("No se encontró archivo ni objeto en memoria. Ajuste params$data_path o cargue df.")
}
df <- df %>% janitor::clean_names()
glimpse(df)
## Rows: 168
## Columns: 8
## $ provincias <chr> "Buenos Aires", "CABA", "Catamarca", "Chaco", "Chu…
## $ ano <dbl> 1996, 1996, 1996, 1996, 1996, 1996, 1996, 1996, 19…
## $ reestructuracion <dbl> 1, 0, 1, 1, 1, 1, 1, 1, 1, 1, 0, 1, 1, 1, 1, 1, 1,…
## $ resultado <dbl> -290927, 139269, -56502, -45543, -94511, 279055, 1…
## $ deudanac <dbl> 1112753, 1642020, 154029, 345047, 89683, 608017, 3…
## $ deudaext <dbl> 1887658, 496080, 110441, 177188, 181164, 303872, 2…
## $ deseq_vertical <dbl> 0.45364095, 0.08211663, 0.89610956, 0.84352159, 0.…
## $ bancos_privatizados <dbl> 0, 0, 1, 0, 0, 0, 0, 1, 1, 1, 0, 0, 1, 1, 0, 1, 1,…
3. Estadísticos
Descriptivos
vars_cuant <- c("resultado","deudanac","deudaext","deseq_vertical")
mode_safe <- function(x) {
x <- x[!is.na(x)]
if (length(x)==0) return(NA_real_)
ux <- unique(x)
ux[which.max(tabulate(match(x, ux)))]
}
cv_safe <- function(x) {
m <- mean(x, na.rm = TRUE)
if (isTRUE(all.equal(m, 0))) return(NA_real_)
sd(x, na.rm = TRUE)/m*100
}
resumen <- df |>
summarise(across(all_of(vars_cuant),
list(media = ~mean(., na.rm=TRUE),
mediana = ~median(., na.rm=TRUE),
moda = ~mode_safe(.),
desvio = ~sd(., na.rm=TRUE),
cv = ~cv_safe(.)),
.names = "{.col}_{.fn}"))
resumen
4. Tabla Resumen
tabla_resumen <- resumen |>
pivot_longer(everything(),
names_to = c("Variable","Medida"),
names_pattern = "^(.*)_(media|mediana|moda|desvio|cv)$",
values_to = "Valor") |>
pivot_wider(names_from = Medida, values_from = Valor) |>
mutate(across(c(media,mediana,moda,desvio), ~round(.,2)),
cv = round(cv,2))
knitr::kable(tabla_resumen, digits=2, caption="Medidas descriptivas por variable")
Medidas descriptivas por variable
| resultado |
-47677.61 |
-11057.00 |
-290927.00 |
294430.2 |
-617.54 |
| deudanac |
571047.75 |
233897.50 |
51146.00 |
1893225.5 |
331.54 |
| deudaext |
477861.45 |
298199.00 |
1887658.00 |
848091.5 |
177.48 |
| deseq_vertical |
0.67 |
0.69 |
0.45 |
0.2 |
29.96 |
5. Gráficos de
Variables Cuantitativas
for (v in vars_cuant) {
p <- ggplot(df, aes(x=.data[[v]])) +
geom_histogram(bins=20, fill="steelblue", alpha=0.7) +
theme_minimal() +
labs(title=paste("Histograma de", v), x=v, y="Frecuencia") +
theme(plot.title=element_text(hjust=.5))
print(p)
}
for (v in vars_cuant) {
p <- ggplot(df, aes(y=.data[[v]])) +
geom_boxplot(alpha=0.8, fill="lightblue") +
theme_minimal() +
labs(title=paste("Diagrama de caja de", v), y=v) +
theme(plot.title=element_text(hjust=.5))
print(p)
}
6. Gráficos de
Variables Cualitativas
ggplot(df, aes(factor(reestructuracion))) +
geom_bar(fill="orange") +
theme_minimal() +
labs(title="Provincias que reestructuraron su deuda", x="Reestructuración (1=Sí, 0=No)", y="Frecuencia")
ggplot(df, aes(factor(bancos_privatizados))) +
geom_bar(fill="tomato") +
theme_minimal() +
labs(title="Bancos privatizados por provincia", x="Privatización (1=Sí, 0=No)", y="Frecuencia")
df |>
count(reestructuracion) |>
mutate(pct=n/sum(n)) |>
ggplot(aes(x="", y=pct, fill=factor(reestructuracion))) +
geom_col(width=1) +
coord_polar(theta="y") +
scale_fill_viridis_d(name="Reestructuración") +
labs(title="Proporción de reestructuraciones") +
theme_void()
7. Mapa de Promedios
por Provincia
promedios <- df |>
group_by(provincias) |>
summarise(resultado_prom = mean(resultado, na.rm=TRUE),
deudanac_prom = mean(deudanac, na.rm=TRUE),
deudaext_prom = mean(deudaext, na.rm=TRUE),
reestruct = as.integer(any(reestructuracion == 1, na.rm=TRUE)),
.groups="drop")
arg <- tryCatch(sf::st_read("https://simplemaps.com/static/svg/country/ar/admin1/ar.json", quiet=TRUE),
error=function(e) NULL)
if (!is.null(arg)) {
promedios <- promedios |>
mutate(prov_match = dplyr::recode(provincias,
"CABA"="Ciudad de Buenos Aires",
"Neuquen"="Neuquén",
"Rio Negro"="Río Negro",
"Tierra del Fuego, Antártida e Islas del Atlántico Sur"="Tierra del Fuego",
.default=provincias))
mapa <- arg |> left_join(promedios, by=c("name"="prov_match"))
ggplot(mapa) +
geom_sf(aes(fill=resultado_prom), color="white") +
scale_fill_viridis_c(option="magma", na.value="grey90") +
theme_minimal() +
labs(title="Resultado fiscal promedio (1996–2002)", fill="Resultado")
}
8. Publicación en
RPubs
- Knit → Knit to HTML
- Luego hacé click en Publish (RPubs).