## 0 Configuración
# Configuración del documento
knitr::opts_chunk$set(echo = TRUE)
# Librerías esenciales
library(dplyr) # Libreria para la manipulacion de datos y encadena con pipes
##
## Adjuntando el paquete: 'dplyr'
## The following objects are masked from 'package:stats':
##
## filter, lag
## The following objects are masked from 'package:base':
##
## intersect, setdiff, setequal, union
library(data.table) # Para agrupamiento de un alto volumen de datos
##
## Adjuntando el paquete: 'data.table'
## The following objects are masked from 'package:dplyr':
##
## between, first, last
library(readxl) #Libreria para leer excel
library(kableExtra) #librearia para crear tablas en formato html
##
## Adjuntando el paquete: 'kableExtra'
## The following object is masked from 'package:dplyr':
##
## group_rows
library(VIM) # libreria para analisis y manipulacion de valores NA.
## Cargando paquete requerido: colorspace
## Cargando paquete requerido: grid
## VIM is ready to use.
## Suggestions and bug-reports can be submitted at: https://github.com/statistikat/VIM/issues
##
## Adjuntando el paquete: 'VIM'
## The following object is masked from 'package:datasets':
##
## sleep
library(corrplot) #Libreria para visualizar matrices de correlacion
## corrplot 0.95 loaded
library(ggplot2) # se requiere para poder visualizar
library(dplyr) #La usaremos para posibles trasformaciones
# 1.1 Diccionario de Datos
diccionario <- read_excel("Data Dictionary.xlsx")
# Creación de tablas, seleccionado las columnas de nuestro interes
tabla_variables <- select(diccionario, `Associated SDG GOAL`, Code, Description)
#Ordenamos el dataframe en orden ascendente por la columna ODS
tabla_variables <- arrange(tabla_variables, `Associated SDG GOAL`)
#Convertimos el dataframe en una tabla html y agregamos titulo
kable(tabla_variables, caption = "Variables y ODS asociados") %>% kable_styling()
Variables y ODS asociados
|
Associated SDG GOAL
|
Code
|
Description
|
|
Classification types
|
Regime
|
Regime classified considering the competitiveness of access to power as
well as existence of liberal principles. Regime type is a weighted index
that considers a variety of political metrics.
|
|
Classification types
|
Income
|
World Bank assigns the world’s economies to four income groups—low,
lower-middle, upper-middle, and high-income countries.
|
|
Classification types
|
Region
|
World Region as classified by UN.
|
|
Classification types
|
Continent
|
Continent classification according to UN Convention
|
|
Economic General
|
NE.EXP.GNFS.ZS
|
Exports of goods and services represent the value of all goods and other
market services provided to the rest of the world
|
|
Economic General
|
NE.CON.TOTL.ZS
|
Sum of household final consumption expenditure (private consumption) and
general government final consumption expenditure (general government
consumption).
|
|
Economic General
|
NE.DAB.TOTL.ZS
|
Sum of household final consumption expenditure (formerly private
consumption), general government final consumption expenditure (formerly
general government consumption), and gross capital formation (formerly
gross domestic investment).
|
|
Economic General
|
NY.GDP.MKTP.CD
|
Current value (in USD) of total goods and services produced within a
country.
|
|
Economic General
|
NY.GNS.ICTR.ZS
|
Calculated as gross national income less total consumption, plus net
transfers
|
|
Economic General
|
NE.CON.GOVT.ZS
|
Final consumption expenditure (formerly general government consumption)
includes all government current expenditures for purchases of goods and
services (including compensation of employees).
|
|
Economic General
|
FP.CPI.TOTL.ZG
|
Rate at which prices of goods and services brought by conusmers rise or
fall. Estimated by using consumer price indices.
|
|
Economic General
|
NE.IMP.GNFS.ZS
|
Value of all goods and other market services received from the rest of
the world
|
|
Economic General
|
NE.TRD.GNFS.ZS
|
Proportion of total GDP that is comprised by Trade activity.
|
|
Explanatory factors
|
IT.NET.USER.ZS
|
Individuals who have used the Internet (from any location) in the last 3
months
|
|
Explanatory factors
|
GH.EM.IC.LUF
|
NA
|
|
Explanatory factors
|
SH.HIV.INCD.TL.P3
|
HIV rates per 1000 people
|
|
Explanatory factors
|
IT.NET.USER.ZS
|
% of countrys total population that has access to working internet
|
|
Explanatory factors
|
SP.DYN.LE00.IN
|
Average life expectancy for newborn babies
|
|
Explanatory factors
|
SP.POP.TOTL
|
Total population
|
|
Explanatory factors
|
NY.GDP.TOTL.RT.ZS
|
% Income accrued from natural resources (e.g. Exports) as a percentage
of GDP
|
|
Explanatory factors
|
SP.URB.TOTL.IN.ZS
|
What proportion of total population live in urban areas?
|
|
Explanatory factors
|
SP.RUR.TOTL.ZS
|
Percentage of a countries total population that occupy rural areas.
|
|
Goal 1. End poverty in all its forms everywhere
|
SP_ACS_BSRVH2O
|
Percentage of the population who have sustained access to basic water
drinking services.
|
|
Goal 1. End poverty in all its forms everywhere
|
SI_POV_DAY1
|
Percentage of the population living on less than $1.90 a day at 2011
international prices. The international poverty line is currently set at
$1.90 a day at 2011 international prices.
|
|
Goal 10. Reduce inequality within and among countries
|
SI.POV.GINI
|
Score awarded based on how equitably income is dispersed within a
country
|
|
Goal 10. Reduce inequality within and among countries
|
NY.ADJ.NNTY.PC.KD.ZG
|
Percentage yearly growth of adjusted net national income divided by
number of people in country
|
|
Goal 13. Take urgent action to combat climate change and its impacts
|
NY.ADJ.SVNX.GN.ZS
|
Measure that monitors whether savings and investment in a country
compensate for depreciation of natural and physical capital
|
|
Goal 13. Take urgent action to combat climate change and its impacts
|
NY.ADJ.DCO2.GN.ZS
|
Measure that monitors whether savings and investment in a country
compensate for depreciation of natural and physical capital
|
|
Goal 13. Take urgent action to combat climate change and its impacts
|
NY.ADJ.DRES.GN.ZS
|
Measure that monitors whether savings and investment in a country
compensate for depreciation of natural and physical capital
|
|
Goal 13. Take urgent action to combat climate change and its impacts
|
NY.ADJ.DPEM.GN.ZS
|
Measure that monitors whether savings and investment in a country
compensate for depreciation of natural and physical capital
|
|
Goal 13. Take urgent action to combat climate change and its impacts
|
NY.ADJ.DFOR.GN.ZS
|
Measure, calculated as the product of unit resource rents and the excess
of roundwood harvest over natural growth.
|
|
Goal 2. End hunger, achieve food security and improved nutrition and
promote sustainable agriculture
|
SN_ITK_DEFC
|
Percentage of the population whose habitual food consumption is
insufficient to provide the dietary energy levels that are required to
maintain a normal active and healthy life.
|
|
Goal 3. Ensure healthy lives and promote well-being for all at all ages
|
SP.DYN.LE00.IN
|
Value which captures the expectated age a newborn baby will live to
|
|
Goal 4. Ensure inclusive and equitable quality education and promoted
lifelong learning oppurtunities for all
|
SE.PRM.UNER.ZS
|
Percentage of primary-school-age children who are not enrolled in
primary or secondary school. Children in the official primary age group
that are in preprimary education should be considered out of school.
|
|
Goal 4. Ensure inclusive and equitable quality education and promoted
lifelong learning oppurtunities for all
|
SE.COM.DURS
|
Duration of compulsory education is the number of years that children
are legally obliged to attend school.
|
|
Goal 4. Ensure inclusive and equitable quality education and promoted
lifelong learning oppurtunities for all
|
SE.PRM.CMPT.ZS
|
Number of new entrants (enrollments minus repeaters) in the last grade
of primary education, regardless of age, divided by the population at
the entrance age for the last grade of primary education.
|
|
Goal 4. Ensure inclusive and equitable quality education and promoted
lifelong learning oppurtunities for all
|
SE.PRE.ENRR
|
Ratio of total enrollment, regardless of age, to the population of the
age group that officially corresponds to the level of education shown
|
|
Goal 4. Ensure inclusive and equitable quality education and promoted
lifelong learning oppurtunities for all
|
SE.PRM.ENRR
|
Ratio of total enrollment, regardless of age, to the population of the
age group that officially corresponds to the level of education shown
|
|
Goal 4. Ensure inclusive and equitable quality education and promoted
lifelong learning oppurtunities for all
|
SE.SEC.ENRR
|
Ratio of total enrollment, regardless of age, to the population of the
age group that officially corresponds to the level of education shown
|
|
Goal 4. Ensure inclusive and equitable quality education and promoted
lifelong learning oppurtunities for all
|
SE.SEC.ENRR.FE
|
Ratio of female enrollment, regardless of age, to the population of the
age group that officially corresponds to the level of education shown
|
|
Goal 4. Ensure inclusive and equitable quality education and promoted
lifelong learning oppurtunities for all
|
SE.PRM.ENRL.TC.ZS
|
Average number of pupils per teacher in primary school.
|
|
Goal 5. Achieve gender equality and empower all women and girls
|
SG.GEN.PARL.ZS
|
Percentage of parliamentary seats in a single or lower chamber held by
women.
|
|
Goal 5. Achieve gender equality and empower all women and girls
|
SG.LAW.INDX
|
index measures how laws and regulations affect women’s economic
opportunity. Overall scores are calculated by taking the average score
of each of the eight areas (Going Places, Starting a Job, Getting Paid,
Getting Married, Having Children, Running a Business, Managing Assets
and Getting a Pension), with 100 representing the highest possible
score.
|
|
Goal 7. Ensure access to affordable, reliable, sustainable and modern
energy for all
|
EG.FEC.RNEW.ZS
|
Share of renewables energy in total final energy consumption.
|
|
Goal 7. Ensure access to affordable, reliable, sustainable and modern
energy for all
|
EG.ELC.RNEW.ZS
|
Share of electrity generated by renewable power plants in total
electricity generated by all types of plants.
|
|
Goal 8. Promote sustained, inclusive and sustainable economic growth,
full and productive employment and decent work for all
|
SL_TLF_UEM
|
Share of labour force without work but available and seeking employment
(male)
|
|
Goal 8. Promote sustained, inclusive and sustainable economic growth,
full and productive employment and decent work for all
|
SL_TLF_UEM
|
Share of labour force without work but available and seeking employment
(female)
|
|
Goal 9. Build resilient infrastructure, promote inclusive and
sustainable industrialization and foster innovation
|
IT_MOB_2GNTWK
|
Percentage of inhabitants living within range of a mobile-cellular
signal, irrespective of whether or not they are mobile phone subscribers
or users.
|
|
Goal 9. Build resilient infrastructure, promote inclusive and
sustainable industrialization and foster innovation
|
IT_MOB_3GNTWK
|
Percentage of inhabitants living within range of a mobile-cellular
signal, irrespective of whether or not they are mobile phone subscribers
or users.
|
|
Goal 9. Build resilient infrastructure, promote inclusive and
sustainable industrialization and foster innovation
|
EG.ELC.ACCS.ZS
|
Percentage of population with access to electricity. Electrification
data are collected from industry, national surveys and international
sources.
|
|
Goal 9. Build resilient infrastructure, promote inclusive and
sustainable industrialization and foster innovation
|
FB.ATM.TOTL.P5
|
Number of physical ATMs that allow clients to make financial
transactions in a public place.
|
|
Goal 9. Build resilient infrastructure, promote inclusive and
sustainable industrialization and foster innovation
|
IC.REG.COST.PC.FE.ZS
|
Cost to register a business is normalized by presenting it as a
percentage of the gross national income (GNI) per capita.
|
|
Goal 9. Build resilient infrastructure, promote inclusive and
sustainable industrialization and foster innovation
|
IC.REG.COST.PC.MA.ZS
|
Cost to register a business is normalized by presenting it as a
percentage of the gross national income (GNI) per capita.
|
#Creamos la segunda tabla con listados unicos, de la columna ODS, eliminando duplicados y ordenamos la lista.
tabla_ods <- select(diccionario, `Associated SDG GOAL`)
tabla_ods <- distinct(tabla_ods)
tabla_ods <- arrange(tabla_ods, `Associated SDG GOAL`)
# creamos y formateamos la tabla "Listados de ODS"
kable(tabla_ods, caption = "Listado de ODS") %>% kable_styling()
Listado de ODS
|
Associated SDG GOAL
|
|
Classification types
|
|
Economic General
|
|
Explanatory factors
|
|
Goal 1. End poverty in all its forms everywhere
|
|
Goal 10. Reduce inequality within and among countries
|
|
Goal 13. Take urgent action to combat climate change and its impacts
|
|
Goal 2. End hunger, achieve food security and improved nutrition and
promote sustainable agriculture
|
|
Goal 3. Ensure healthy lives and promote well-being for all at all ages
|
|
Goal 4. Ensure inclusive and equitable quality education and promoted
lifelong learning oppurtunities for all
|
|
Goal 5. Achieve gender equality and empower all women and girls
|
|
Goal 7. Ensure access to affordable, reliable, sustainable and modern
energy for all
|
|
Goal 8. Promote sustained, inclusive and sustainable economic growth,
full and productive employment and decent work for all
|
|
Goal 9. Build resilient infrastructure, promote inclusive and
sustainable industrialization and foster innovation
|
## 1.2 Fichero de Datos
#cargamos los datos desde el csv
datos <- read.csv("WorldSustainabilityDataset.csv")
# Renombramos las columnas indicadas en la PEC1
names(datos)[names(datos) == "Country.Name"] <- "Country"
names(datos)[names(datos) == "Country.Code"] <- "CountryCode"
names(datos)[names(datos) == "Income.Classification.World.Bank.Definition"] <- "Income"
names(datos)[names(datos) == "Regime.Type.RoW.MeasureDefinition."] <- "Regime"
names(datos)[names(datos) == "World.Regions..UN.SDG.Definition."] <- "Region"
#Mostramos los nuevos nombres de las columnas
names(datos)
## [1] "Country"
## [2] "CountryCode"
## [3] "Year"
## [4] "Access.to.electricity....of.population....EG.ELC.ACCS.ZS"
## [5] "Adjusted.net.national.income.per.capita..annual...growth....NY.ADJ.NNTY.PC.KD.ZG"
## [6] "Adjusted.net.savings..excluding.particulate.emission.damage....of.GNI....NY.ADJ.SVNX.GN.ZS"
## [7] "Adjusted.savings..carbon.dioxide.damage....of.GNI....NY.ADJ.DCO2.GN.ZS"
## [8] "Adjusted.savings..natural.resources.depletion....of.GNI....NY.ADJ.DRES.GN.ZS"
## [9] "Adjusted.savings..net.forest.depletion....of.GNI....NY.ADJ.DFOR.GN.ZS"
## [10] "Adjusted.savings..particulate.emission.damage....of.GNI....NY.ADJ.DPEM.GN.ZS"
## [11] "Automated.teller.machines..ATMs...per.100.000.adults....FB.ATM.TOTL.P5"
## [12] "Broad.money....of.GDP....FM.LBL.BMNY.GD.ZS"
## [13] "Children.out.of.school....of.primary.school.age....SE.PRM.UNER.ZS"
## [14] "Compulsory.education..duration..years....SE.COM.DURS"
## [15] "Cost.of.business.start.up.procedures..female....of.GNI.per.capita....IC.REG.COST.PC.FE.ZS"
## [16] "Cost.of.business.start.up.procedures..male....of.GNI.per.capita....IC.REG.COST.PC.MA.ZS"
## [17] "Exports.of.goods.and.services....of.GDP....NE.EXP.GNFS.ZS"
## [18] "Final.consumption.expenditure....of.GDP....NE.CON.TOTL.ZS"
## [19] "GDP..current.US.....NY.GDP.MKTP.CD"
## [20] "GDP.per.capita..current.US.....NY.GDP.PCAP.CD"
## [21] "General.government.final.consumption.expenditure....of.GDP....NE.CON.GOVT.ZS"
## [22] "Gross.national.expenditure....of.GDP....NE.DAB.TOTL.ZS"
## [23] "Gross.savings....of.GDP....NY.GNS.ICTR.ZS"
## [24] "Imports.of.goods.and.services....of.GDP....NE.IMP.GNFS.ZS"
## [25] "Inflation..consumer.prices..annual......FP.CPI.TOTL.ZG"
## [26] "Primary.completion.rate..total....of.relevant.age.group....SE.PRM.CMPT.ZS"
## [27] "Proportion.of.seats.held.by.women.in.national.parliaments.......SG.GEN.PARL.ZS"
## [28] "Pupil.teacher.ratio..primary...SE.PRM.ENRL.TC.ZS"
## [29] "Renewable.electricity.output....of.total.electricity.output....EG.ELC.RNEW.ZS"
## [30] "Renewable.energy.consumption....of.total.final.energy.consumption....EG.FEC.RNEW.ZS"
## [31] "School.enrollment..preprimary....gross....SE.PRE.ENRR"
## [32] "School.enrollment..primary....gross....SE.PRM.ENRR"
## [33] "School.enrollment..secondary....gross....SE.SEC.ENRR"
## [34] "Trade....of.GDP....NE.TRD.GNFS.ZS"
## [35] "Women.Business.and.the.Law.Index.Score..scale.1.100....SG.LAW.INDX"
## [36] "Prevalence.of.undernourishment.......SN_ITK_DEFC"
## [37] "Proportion.of.population.below.international.poverty.line.......SI_POV_DAY1"
## [38] "Proportion.of.population.covered.by.at.least.a.2G.mobile.network.......IT_MOB_2GNTWK"
## [39] "Proportion.of.population.covered.by.at.least.a.3G.mobile.network.......IT_MOB_3GNTWK"
## [40] "Proportion.of.population.using.basic.drinking.water.services.......SP_ACS_BSRVH2O"
## [41] "Unemployment.rate..male.......SL_TLF_UEM"
## [42] "Unemployment.rate..women.......SL_TLF_UEM"
## [43] "Annual.production.based.emissions.of.carbon.dioxide..CO2..measured.in.million.tonnes...GH.EM.IC.LUF"
## [44] "Continent"
## [45] "Gini.index..World.Bank.estimate....SI.POV.GINI"
## [46] "Income.Classification..World.Bank.Definition."
## [47] "Individuals.using.the.Internet....of.population....IT.NET.USER.ZS"
## [48] "Life.expectancy.at.birth..total..years....SP.DYN.LE00.IN"
## [49] "Population..total...SP.POP.TOTL"
## [50] "Regime.Type..RoW.Measure.Definition."
## [51] "Rural.population....of.total.population....SP.RUR.TOTL.ZS"
## [52] "Total.natural.resources.rents....of.GDP....NY.GDP.TOTL.RT.ZS"
## [53] "Urban.population....of.total.population....SP.URB.TOTL.IN.ZS"
## [54] "Region"
# 2 Tipos de datos y sus posibles valores erroneos, vacios y de otro tipo
# Reemplazar valores vacíos por NA y convertir a factor
# Rellenar campos vacios con NA en columnas de texto
datos[sapply(datos, is.character)] <- lapply(datos[sapply(datos, is.character)], function(x) na_if(x, ""))
# Convertir a variables factor, todas las columnas indicadas
datos$Country.Name <- as.factor(datos$Country)
datos$CountryCode <- as.factor(datos$CountryCode)
datos$Regime <- as.factor(datos$Regime)
datos$Income <- as.factor(datos$Income)
datos$Region <- as.factor(datos$Region)
datos$Continent <- as.factor(datos$Continent)
#Mostramos la estructura de los datos
str(datos)
## 'data.frame': 3287 obs. of 57 variables:
## $ Country : chr "Aruba" "Aruba" "Aruba" "Aruba" ...
## $ CountryCode : Factor w/ 173 levels "ABW","AGO","ALB",..: 1 1 1 1 1 1 1 1 1 1 ...
## $ Year : int 2000 2001 2002 2003 2004 2005 2006 2007 2008 2009 ...
## $ Access.to.electricity....of.population....EG.ELC.ACCS.ZS : num 91.7 100 100 100 100 ...
## $ Adjusted.net.national.income.per.capita..annual...growth....NY.ADJ.NNTY.PC.KD.ZG : num NA NA NA NA NA NA NA NA NA NA ...
## $ Adjusted.net.savings..excluding.particulate.emission.damage....of.GNI....NY.ADJ.SVNX.GN.ZS : num 15.39 11.49 3.89 6.71 9.8 ...
## $ Adjusted.savings..carbon.dioxide.damage....of.GNI....NY.ADJ.DCO2.GN.ZS : num 2.39 2.51 2.72 2.73 2.68 ...
## $ Adjusted.savings..natural.resources.depletion....of.GNI....NY.ADJ.DRES.GN.ZS : num 0.00019 0.000214 0.000223 0.000243 0.000256 ...
## $ Adjusted.savings..net.forest.depletion....of.GNI....NY.ADJ.DFOR.GN.ZS : num 0.00019 0.000214 0.000223 0.000243 0.000256 ...
## $ Adjusted.savings..particulate.emission.damage....of.GNI....NY.ADJ.DPEM.GN.ZS : num NA NA NA NA NA NA NA NA NA NA ...
## $ Automated.teller.machines..ATMs...per.100.000.adults....FB.ATM.TOTL.P5 : num NA NA NA NA NA NA NA NA NA NA ...
## $ Broad.money....of.GDP....FM.LBL.BMNY.GD.ZS : num 51.8 53.6 58.5 61.2 57.3 ...
## $ Children.out.of.school....of.primary.school.age....SE.PRM.UNER.ZS : num 1.603 0.323 1.816 3.322 2.177 ...
## $ Compulsory.education..duration..years....SE.COM.DURS : int NA NA NA NA NA NA NA NA NA NA ...
## $ Cost.of.business.start.up.procedures..female....of.GNI.per.capita....IC.REG.COST.PC.FE.ZS : num NA NA NA NA NA NA NA NA NA NA ...
## $ Cost.of.business.start.up.procedures..male....of.GNI.per.capita....IC.REG.COST.PC.MA.ZS : num NA NA NA NA NA NA NA NA NA NA ...
## $ Exports.of.goods.and.services....of.GDP....NE.EXP.GNFS.ZS : num 74.4 70.5 64.9 63.1 65.1 ...
## $ Final.consumption.expenditure....of.GDP....NE.CON.TOTL.ZS : num 70.8 74.3 77.6 78.6 74.7 ...
## $ GDP..current.US.....NY.GDP.MKTP.CD : num 1.87e+09 1.92e+09 1.94e+09 2.02e+09 2.23e+09 ...
## $ GDP.per.capita..current.US.....NY.GDP.PCAP.CD : num 20618 20670 20437 20834 22568 ...
## $ General.government.final.consumption.expenditure....of.GDP....NE.CON.GOVT.ZS : num 21.4 24.5 25.2 24.7 23.2 ...
## $ Gross.national.expenditure....of.GDP....NE.DAB.TOTL.ZS : num 96.3 98.1 104.5 107.8 103.5 ...
## $ Gross.savings....of.GDP....NY.GNS.ICTR.ZS : num 23.7 19.3 12 14.5 17.1 ...
## $ Imports.of.goods.and.services....of.GDP....NE.IMP.GNFS.ZS : num 70.7 68.5 69.4 70.9 68.6 ...
## $ Inflation..consumer.prices..annual......FP.CPI.TOTL.ZG : num 4.04 2.88 3.32 3.66 2.53 ...
## $ Primary.completion.rate..total....of.relevant.age.group....SE.PRM.CMPT.ZS : num 97.1 94.4 94.8 90.2 90.6 ...
## $ Proportion.of.seats.held.by.women.in.national.parliaments.......SG.GEN.PARL.ZS : num NA NA NA NA NA NA NA NA NA NA ...
## $ Pupil.teacher.ratio..primary...SE.PRM.ENRL.TC.ZS : num 19.1 18.9 19.1 18.4 18.5 ...
## $ Renewable.electricity.output....of.total.electricity.output....EG.ELC.RNEW.ZS : num 0 0 0 0 0 0 0 0 0 0 ...
## $ Renewable.energy.consumption....of.total.final.energy.consumption....EG.FEC.RNEW.ZS : num 0.175 0.181 0.181 0.185 0.187 ...
## $ School.enrollment..preprimary....gross....SE.PRE.ENRR : num 95.9 97.6 98.4 99.6 98.7 ...
## $ School.enrollment..primary....gross....SE.PRM.ENRR : num 111 109 111 109 111 ...
## $ School.enrollment..secondary....gross....SE.SEC.ENRR : num 96.5 98 100.5 99.1 97.3 ...
## $ Trade....of.GDP....NE.TRD.GNFS.ZS : num 145 139 134 134 134 ...
## $ Women.Business.and.the.Law.Index.Score..scale.1.100....SG.LAW.INDX : num NA NA NA NA NA NA NA NA NA NA ...
## $ Prevalence.of.undernourishment.......SN_ITK_DEFC : num NA NA NA NA NA NA NA NA NA NA ...
## $ Proportion.of.population.below.international.poverty.line.......SI_POV_DAY1 : num NA NA NA NA NA NA NA NA NA NA ...
## $ Proportion.of.population.covered.by.at.least.a.2G.mobile.network.......IT_MOB_2GNTWK : num NA NA NA NA NA 90 99 99 99 NA ...
## $ Proportion.of.population.covered.by.at.least.a.3G.mobile.network.......IT_MOB_3GNTWK : num NA NA NA NA NA NA NA NA NA NA ...
## $ Proportion.of.population.using.basic.drinking.water.services.......SP_ACS_BSRVH2O : int NA NA NA NA NA NA NA NA NA NA ...
## $ Unemployment.rate..male.......SL_TLF_UEM : num NA NA NA NA NA NA NA NA NA NA ...
## $ Unemployment.rate..women.......SL_TLF_UEM : num NA NA NA NA NA NA NA NA NA NA ...
## $ Annual.production.based.emissions.of.carbon.dioxide..CO2..measured.in.million.tonnes...GH.EM.IC.LUF: num 2.38 2.41 2.44 2.56 2.62 ...
## $ Continent : Factor w/ 6 levels "Africa","Asia",..: 4 4 4 4 4 4 4 4 4 4 ...
## $ Gini.index..World.Bank.estimate....SI.POV.GINI : num NA NA NA NA NA NA NA NA NA NA ...
## $ Income.Classification..World.Bank.Definition. : chr "High income" "High income" "High income" "High income" ...
## $ Individuals.using.the.Internet....of.population....IT.NET.USER.ZS : num NA 17.1 18.8 20.8 23 25.4 28 30.9 52 58 ...
## $ Life.expectancy.at.birth..total..years....SP.DYN.LE00.IN : num NA 73.9 73.9 74 74.2 ...
## $ Population..total...SP.POP.TOTL : int NA 92892 94992 97016 98744 100028 100830 101226 101362 101452 ...
## $ Regime.Type..RoW.Measure.Definition. : chr NA NA NA NA ...
## $ Rural.population....of.total.population....SP.RUR.TOTL.ZS : num 53.3 53.7 54 54.4 54.8 ...
## $ Total.natural.resources.rents....of.GDP....NY.GDP.TOTL.RT.ZS : num NA 0.000712 0.000657 0.0007 0.000685 ...
## $ Urban.population....of.total.population....SP.URB.TOTL.IN.ZS : num NA 46.3 46 45.6 45.2 ...
## $ Region : Factor w/ 7 levels "Central and Southern Asia",..: 4 4 4 4 4 4 4 4 4 4 ...
## $ Country.Name : Factor w/ 173 levels "Albania","Algeria",..: 7 7 7 7 7 7 7 7 7 7 ...
## $ Regime : Factor w/ 4 levels "Closed Autocracy",..: NA NA NA NA NA NA NA NA NA NA ...
## $ Income : Factor w/ 4 levels "High income",..: 1 1 1 1 1 1 1 1 1 1 ...
#mostramos tipos de datos e informacion basica de analisis
summary(datos$Income)
## High income Low income Lower-middle income Upper-middle income
## 899 753 868 765
## NA's
## 2
# 2. TIPOS DE DATOS Y POSIBLES INCONSISTENCIAS
cat("INICIO DEL ANÁLISIS DE CALIDAD DE LOS DATOS\n")
## INICIO DEL ANÁLISIS DE CALIDAD DE LOS DATOS
# Verificación inicial del estado del dataset
cat("Dimensión del dataset y estructura inicial", dim(datos), "= ")
## Dimensión del dataset y estructura inicial 3287 57 =
str(datos)
## 'data.frame': 3287 obs. of 57 variables:
## $ Country : chr "Aruba" "Aruba" "Aruba" "Aruba" ...
## $ CountryCode : Factor w/ 173 levels "ABW","AGO","ALB",..: 1 1 1 1 1 1 1 1 1 1 ...
## $ Year : int 2000 2001 2002 2003 2004 2005 2006 2007 2008 2009 ...
## $ Access.to.electricity....of.population....EG.ELC.ACCS.ZS : num 91.7 100 100 100 100 ...
## $ Adjusted.net.national.income.per.capita..annual...growth....NY.ADJ.NNTY.PC.KD.ZG : num NA NA NA NA NA NA NA NA NA NA ...
## $ Adjusted.net.savings..excluding.particulate.emission.damage....of.GNI....NY.ADJ.SVNX.GN.ZS : num 15.39 11.49 3.89 6.71 9.8 ...
## $ Adjusted.savings..carbon.dioxide.damage....of.GNI....NY.ADJ.DCO2.GN.ZS : num 2.39 2.51 2.72 2.73 2.68 ...
## $ Adjusted.savings..natural.resources.depletion....of.GNI....NY.ADJ.DRES.GN.ZS : num 0.00019 0.000214 0.000223 0.000243 0.000256 ...
## $ Adjusted.savings..net.forest.depletion....of.GNI....NY.ADJ.DFOR.GN.ZS : num 0.00019 0.000214 0.000223 0.000243 0.000256 ...
## $ Adjusted.savings..particulate.emission.damage....of.GNI....NY.ADJ.DPEM.GN.ZS : num NA NA NA NA NA NA NA NA NA NA ...
## $ Automated.teller.machines..ATMs...per.100.000.adults....FB.ATM.TOTL.P5 : num NA NA NA NA NA NA NA NA NA NA ...
## $ Broad.money....of.GDP....FM.LBL.BMNY.GD.ZS : num 51.8 53.6 58.5 61.2 57.3 ...
## $ Children.out.of.school....of.primary.school.age....SE.PRM.UNER.ZS : num 1.603 0.323 1.816 3.322 2.177 ...
## $ Compulsory.education..duration..years....SE.COM.DURS : int NA NA NA NA NA NA NA NA NA NA ...
## $ Cost.of.business.start.up.procedures..female....of.GNI.per.capita....IC.REG.COST.PC.FE.ZS : num NA NA NA NA NA NA NA NA NA NA ...
## $ Cost.of.business.start.up.procedures..male....of.GNI.per.capita....IC.REG.COST.PC.MA.ZS : num NA NA NA NA NA NA NA NA NA NA ...
## $ Exports.of.goods.and.services....of.GDP....NE.EXP.GNFS.ZS : num 74.4 70.5 64.9 63.1 65.1 ...
## $ Final.consumption.expenditure....of.GDP....NE.CON.TOTL.ZS : num 70.8 74.3 77.6 78.6 74.7 ...
## $ GDP..current.US.....NY.GDP.MKTP.CD : num 1.87e+09 1.92e+09 1.94e+09 2.02e+09 2.23e+09 ...
## $ GDP.per.capita..current.US.....NY.GDP.PCAP.CD : num 20618 20670 20437 20834 22568 ...
## $ General.government.final.consumption.expenditure....of.GDP....NE.CON.GOVT.ZS : num 21.4 24.5 25.2 24.7 23.2 ...
## $ Gross.national.expenditure....of.GDP....NE.DAB.TOTL.ZS : num 96.3 98.1 104.5 107.8 103.5 ...
## $ Gross.savings....of.GDP....NY.GNS.ICTR.ZS : num 23.7 19.3 12 14.5 17.1 ...
## $ Imports.of.goods.and.services....of.GDP....NE.IMP.GNFS.ZS : num 70.7 68.5 69.4 70.9 68.6 ...
## $ Inflation..consumer.prices..annual......FP.CPI.TOTL.ZG : num 4.04 2.88 3.32 3.66 2.53 ...
## $ Primary.completion.rate..total....of.relevant.age.group....SE.PRM.CMPT.ZS : num 97.1 94.4 94.8 90.2 90.6 ...
## $ Proportion.of.seats.held.by.women.in.national.parliaments.......SG.GEN.PARL.ZS : num NA NA NA NA NA NA NA NA NA NA ...
## $ Pupil.teacher.ratio..primary...SE.PRM.ENRL.TC.ZS : num 19.1 18.9 19.1 18.4 18.5 ...
## $ Renewable.electricity.output....of.total.electricity.output....EG.ELC.RNEW.ZS : num 0 0 0 0 0 0 0 0 0 0 ...
## $ Renewable.energy.consumption....of.total.final.energy.consumption....EG.FEC.RNEW.ZS : num 0.175 0.181 0.181 0.185 0.187 ...
## $ School.enrollment..preprimary....gross....SE.PRE.ENRR : num 95.9 97.6 98.4 99.6 98.7 ...
## $ School.enrollment..primary....gross....SE.PRM.ENRR : num 111 109 111 109 111 ...
## $ School.enrollment..secondary....gross....SE.SEC.ENRR : num 96.5 98 100.5 99.1 97.3 ...
## $ Trade....of.GDP....NE.TRD.GNFS.ZS : num 145 139 134 134 134 ...
## $ Women.Business.and.the.Law.Index.Score..scale.1.100....SG.LAW.INDX : num NA NA NA NA NA NA NA NA NA NA ...
## $ Prevalence.of.undernourishment.......SN_ITK_DEFC : num NA NA NA NA NA NA NA NA NA NA ...
## $ Proportion.of.population.below.international.poverty.line.......SI_POV_DAY1 : num NA NA NA NA NA NA NA NA NA NA ...
## $ Proportion.of.population.covered.by.at.least.a.2G.mobile.network.......IT_MOB_2GNTWK : num NA NA NA NA NA 90 99 99 99 NA ...
## $ Proportion.of.population.covered.by.at.least.a.3G.mobile.network.......IT_MOB_3GNTWK : num NA NA NA NA NA NA NA NA NA NA ...
## $ Proportion.of.population.using.basic.drinking.water.services.......SP_ACS_BSRVH2O : int NA NA NA NA NA NA NA NA NA NA ...
## $ Unemployment.rate..male.......SL_TLF_UEM : num NA NA NA NA NA NA NA NA NA NA ...
## $ Unemployment.rate..women.......SL_TLF_UEM : num NA NA NA NA NA NA NA NA NA NA ...
## $ Annual.production.based.emissions.of.carbon.dioxide..CO2..measured.in.million.tonnes...GH.EM.IC.LUF: num 2.38 2.41 2.44 2.56 2.62 ...
## $ Continent : Factor w/ 6 levels "Africa","Asia",..: 4 4 4 4 4 4 4 4 4 4 ...
## $ Gini.index..World.Bank.estimate....SI.POV.GINI : num NA NA NA NA NA NA NA NA NA NA ...
## $ Income.Classification..World.Bank.Definition. : chr "High income" "High income" "High income" "High income" ...
## $ Individuals.using.the.Internet....of.population....IT.NET.USER.ZS : num NA 17.1 18.8 20.8 23 25.4 28 30.9 52 58 ...
## $ Life.expectancy.at.birth..total..years....SP.DYN.LE00.IN : num NA 73.9 73.9 74 74.2 ...
## $ Population..total...SP.POP.TOTL : int NA 92892 94992 97016 98744 100028 100830 101226 101362 101452 ...
## $ Regime.Type..RoW.Measure.Definition. : chr NA NA NA NA ...
## $ Rural.population....of.total.population....SP.RUR.TOTL.ZS : num 53.3 53.7 54 54.4 54.8 ...
## $ Total.natural.resources.rents....of.GDP....NY.GDP.TOTL.RT.ZS : num NA 0.000712 0.000657 0.0007 0.000685 ...
## $ Urban.population....of.total.population....SP.URB.TOTL.IN.ZS : num NA 46.3 46 45.6 45.2 ...
## $ Region : Factor w/ 7 levels "Central and Southern Asia",..: 4 4 4 4 4 4 4 4 4 4 ...
## $ Country.Name : Factor w/ 173 levels "Albania","Algeria",..: 7 7 7 7 7 7 7 7 7 7 ...
## $ Regime : Factor w/ 4 levels "Closed Autocracy",..: NA NA NA NA NA NA NA NA NA NA ...
## $ Income : Factor w/ 4 levels "High income",..: 1 1 1 1 1 1 1 1 1 1 ...
# 2.1 VARIABLES CUANTITATIVAS
cat("\n2.1 ANÁLISIS DE VARIABLES CUANTITATIVAS\n")
##
## 2.1 ANÁLISIS DE VARIABLES CUANTITATIVAS
# Obtener el número total de filas
total_observaciones <- nrow(datos)
cat("TOTAL DE OBSERVACIONES (Filas en el Dataset):", total_observaciones, "\n")
## TOTAL DE OBSERVACIONES (Filas en el Dataset): 3287
# -------------------------------------------------------------
# Identificar variables cuantitativas o numericas
variables_cuantitativas <- names(datos)[sapply(datos, is.numeric)]
cat("Variables cuantitativas identificadas:", length(variables_cuantitativas), "\n")
## Variables cuantitativas identificadas: 48
#Imprimimos un listado de las variables con la funcion paste.
cat("Lista:", paste(variables_cuantitativas, collapse = ", "), "\n")
## Lista: Year, Access.to.electricity....of.population....EG.ELC.ACCS.ZS, Adjusted.net.national.income.per.capita..annual...growth....NY.ADJ.NNTY.PC.KD.ZG, Adjusted.net.savings..excluding.particulate.emission.damage....of.GNI....NY.ADJ.SVNX.GN.ZS, Adjusted.savings..carbon.dioxide.damage....of.GNI....NY.ADJ.DCO2.GN.ZS, Adjusted.savings..natural.resources.depletion....of.GNI....NY.ADJ.DRES.GN.ZS, Adjusted.savings..net.forest.depletion....of.GNI....NY.ADJ.DFOR.GN.ZS, Adjusted.savings..particulate.emission.damage....of.GNI....NY.ADJ.DPEM.GN.ZS, Automated.teller.machines..ATMs...per.100.000.adults....FB.ATM.TOTL.P5, Broad.money....of.GDP....FM.LBL.BMNY.GD.ZS, Children.out.of.school....of.primary.school.age....SE.PRM.UNER.ZS, Compulsory.education..duration..years....SE.COM.DURS, Cost.of.business.start.up.procedures..female....of.GNI.per.capita....IC.REG.COST.PC.FE.ZS, Cost.of.business.start.up.procedures..male....of.GNI.per.capita....IC.REG.COST.PC.MA.ZS, Exports.of.goods.and.services....of.GDP....NE.EXP.GNFS.ZS, Final.consumption.expenditure....of.GDP....NE.CON.TOTL.ZS, GDP..current.US.....NY.GDP.MKTP.CD, GDP.per.capita..current.US.....NY.GDP.PCAP.CD, General.government.final.consumption.expenditure....of.GDP....NE.CON.GOVT.ZS, Gross.national.expenditure....of.GDP....NE.DAB.TOTL.ZS, Gross.savings....of.GDP....NY.GNS.ICTR.ZS, Imports.of.goods.and.services....of.GDP....NE.IMP.GNFS.ZS, Inflation..consumer.prices..annual......FP.CPI.TOTL.ZG, Primary.completion.rate..total....of.relevant.age.group....SE.PRM.CMPT.ZS, Proportion.of.seats.held.by.women.in.national.parliaments.......SG.GEN.PARL.ZS, Pupil.teacher.ratio..primary...SE.PRM.ENRL.TC.ZS, Renewable.electricity.output....of.total.electricity.output....EG.ELC.RNEW.ZS, Renewable.energy.consumption....of.total.final.energy.consumption....EG.FEC.RNEW.ZS, School.enrollment..preprimary....gross....SE.PRE.ENRR, School.enrollment..primary....gross....SE.PRM.ENRR, School.enrollment..secondary....gross....SE.SEC.ENRR, Trade....of.GDP....NE.TRD.GNFS.ZS, Women.Business.and.the.Law.Index.Score..scale.1.100....SG.LAW.INDX, Prevalence.of.undernourishment.......SN_ITK_DEFC, Proportion.of.population.below.international.poverty.line.......SI_POV_DAY1, Proportion.of.population.covered.by.at.least.a.2G.mobile.network.......IT_MOB_2GNTWK, Proportion.of.population.covered.by.at.least.a.3G.mobile.network.......IT_MOB_3GNTWK, Proportion.of.population.using.basic.drinking.water.services.......SP_ACS_BSRVH2O, Unemployment.rate..male.......SL_TLF_UEM, Unemployment.rate..women.......SL_TLF_UEM, Annual.production.based.emissions.of.carbon.dioxide..CO2..measured.in.million.tonnes...GH.EM.IC.LUF, Gini.index..World.Bank.estimate....SI.POV.GINI, Individuals.using.the.Internet....of.population....IT.NET.USER.ZS, Life.expectancy.at.birth..total..years....SP.DYN.LE00.IN, Population..total...SP.POP.TOTL, Rural.population....of.total.population....SP.RUR.TOTL.ZS, Total.natural.resources.rents....of.GDP....NY.GDP.TOTL.RT.ZS, Urban.population....of.total.population....SP.URB.TOTL.IN.ZS
# Análisis de cada variable cuantitativa individualmente
for (var in variables_cuantitativas) {
cat("\n Análisis de", var, "\n")
cat("Tipo de dato:", class(datos[[var]]), "\n")
# Total de NA y CÁLCULO DEL PORCENTAJE
num_na <- sum(is.na(datos[[var]]))
porc_na <- round((num_na / total_observaciones) * 100, 2)
# Calculo total de valores sin errores visibles y su procentaje
num_completos <- total_observaciones - num_na
porc_completos <- 100 - porc_na
cat("Valores Completos:", "num_completos", " (", round(porc_completos, 2), "%)\n")
cat("Valores NA:", num_na, " (", porc_na, "%)\n")
cat("Resumen estadístico:\n")
print(summary(datos[[var]]))
# Detección de posibles valores extremos o erróneos
valores_unicos <- unique(datos[[var]])
cat("Valores únicos:", length(valores_unicos), "\n")
# Verificar si hay valores infinitos
if (any(is.infinite(datos[[var]]))) {
cat("Valores infinitos encontrados en", var, "\n")
}
# Verificar si hay valores negativos donde no debería haberlos usando la funcion !grep
if (any(datos[[var]] < 0, na.rm = TRUE) &&
!grepl("change|difference|growth", var, ignore.case = TRUE)) {
cat("Valores negativos en", var, "- Revisar consistencia\n")
}
}
##
## Análisis de Year
## Tipo de dato: integer
## Valores Completos: num_completos ( 100 %)
## Valores NA: 0 ( 0 %)
## Resumen estadístico:
## Min. 1st Qu. Median Mean 3rd Qu. Max.
## 2000 2004 2009 2009 2014 2018
## Valores únicos: 19
##
## Análisis de Access.to.electricity....of.population....EG.ELC.ACCS.ZS
## Tipo de dato: numeric
## Valores Completos: num_completos ( 97.14 %)
## Valores NA: 94 ( 2.86 %)
## Resumen estadístico:
## Min. 1st Qu. Median Mean 3rd Qu. Max. NA's
## 1.27 62.90 98.65 79.30 100.00 100.00 94
## Valores únicos: 1736
##
## Análisis de Adjusted.net.national.income.per.capita..annual...growth....NY.ADJ.NNTY.PC.KD.ZG
## Tipo de dato: numeric
## Valores Completos: num_completos ( 78.07 %)
## Valores NA: 721 ( 21.93 %)
## Resumen estadístico:
## Min. 1st Qu. Median Mean 3rd Qu. Max. NA's
## -645.6553 -0.2468 2.5454 2.4999 5.5458 229.4931 721
## Valores únicos: 2567
##
## Análisis de Adjusted.net.savings..excluding.particulate.emission.damage....of.GNI....NY.ADJ.SVNX.GN.ZS
## Tipo de dato: numeric
## Valores Completos: num_completos ( 79.95 %)
## Valores NA: 659 ( 20.05 %)
## Resumen estadístico:
## Min. 1st Qu. Median Mean 3rd Qu. Max. NA's
## -97.525 3.339 8.753 8.870 15.291 45.354 659
## Valores únicos: 2629
## Valores negativos en Adjusted.net.savings..excluding.particulate.emission.damage....of.GNI....NY.ADJ.SVNX.GN.ZS - Revisar consistencia
##
## Análisis de Adjusted.savings..carbon.dioxide.damage....of.GNI....NY.ADJ.DCO2.GN.ZS
## Tipo de dato: numeric
## Valores Completos: num_completos ( 97.96 %)
## Valores NA: 67 ( 2.04 %)
## Resumen estadístico:
## Min. 1st Qu. Median Mean 3rd Qu. Max. NA's
## 0.09029 0.74131 1.14587 1.74267 2.05693 27.10147 67
## Valores únicos: 3221
##
## Análisis de Adjusted.savings..natural.resources.depletion....of.GNI....NY.ADJ.DRES.GN.ZS
## Tipo de dato: numeric
## Valores Completos: num_completos ( 94.13 %)
## Valores NA: 193 ( 5.87 %)
## Resumen estadístico:
## Min. 1st Qu. Median Mean 3rd Qu. Max. NA's
## 0.00000 0.07854 0.87874 3.81205 4.65670 71.29076 193
## Valores únicos: 2810
##
## Análisis de Adjusted.savings..net.forest.depletion....of.GNI....NY.ADJ.DFOR.GN.ZS
## Tipo de dato: numeric
## Valores Completos: num_completos ( 94.65 %)
## Valores NA: 176 ( 5.35 %)
## Resumen estadístico:
## Min. 1st Qu. Median Mean 3rd Qu. Max. NA's
## 0.00000 0.00000 0.00000 0.69283 0.09704 40.77257 176
## Valores únicos: 1050
##
## Análisis de Adjusted.savings..particulate.emission.damage....of.GNI....NY.ADJ.DPEM.GN.ZS
## Tipo de dato: numeric
## Valores Completos: num_completos ( 94.28 %)
## Valores NA: 188 ( 5.72 %)
## Resumen estadístico:
## Min. 1st Qu. Median Mean 3rd Qu. Max. NA's
## 0.0095 0.1496 0.3887 0.8805 1.2861 6.5429 188
## Valores únicos: 2938
##
## Análisis de Automated.teller.machines..ATMs...per.100.000.adults....FB.ATM.TOTL.P5
## Tipo de dato: numeric
## Valores Completos: num_completos ( 69.52 %)
## Valores NA: 1002 ( 30.48 %)
## Resumen estadístico:
## Min. 1st Qu. Median Mean 3rd Qu. Max. NA's
## 0.000 9.559 34.952 45.392 62.252 324.172 1002
## Valores únicos: 2275
##
## Análisis de Broad.money....of.GDP....FM.LBL.BMNY.GD.ZS
## Tipo de dato: numeric
## Valores Completos: num_completos ( 84.48 %)
## Valores NA: 510 ( 15.52 %)
## Resumen estadístico:
## Min. 1st Qu. Median Mean 3rd Qu. Max. NA's
## 2.857 27.223 47.054 57.034 72.466 396.186 510
## Valores únicos: 2778
##
## Análisis de Children.out.of.school....of.primary.school.age....SE.PRM.UNER.ZS
## Tipo de dato: numeric
## Valores Completos: num_completos ( 67.69 %)
## Valores NA: 1062 ( 32.31 %)
## Resumen estadístico:
## Min. 1st Qu. Median Mean 3rd Qu. Max. NA's
## 0.0000 0.7702 2.9721 7.5794 9.1173 73.1046 1062
## Valores únicos: 2206
##
## Análisis de Compulsory.education..duration..years....SE.COM.DURS
## Tipo de dato: integer
## Valores Completos: num_completos ( 90.63 %)
## Valores NA: 308 ( 9.37 %)
## Resumen estadístico:
## Min. 1st Qu. Median Mean 3rd Qu. Max. NA's
## 4.00 8.00 9.00 9.33 10.00 17.00 308
## Valores únicos: 15
##
## Análisis de Cost.of.business.start.up.procedures..female....of.GNI.per.capita....IC.REG.COST.PC.FE.ZS
## Tipo de dato: numeric
## Valores Completos: num_completos ( 76.09 %)
## Valores NA: 786 ( 23.91 %)
## Resumen estadístico:
## Min. 1st Qu. Median Mean 3rd Qu. Max. NA's
## 0.00 4.80 14.60 48.16 45.60 1540.20 786
## Valores únicos: 928
##
## Análisis de Cost.of.business.start.up.procedures..male....of.GNI.per.capita....IC.REG.COST.PC.MA.ZS
## Tipo de dato: numeric
## Valores Completos: num_completos ( 76.09 %)
## Valores NA: 786 ( 23.91 %)
## Resumen estadístico:
## Min. 1st Qu. Median Mean 3rd Qu. Max. NA's
## 0.00 4.80 14.60 48.16 45.60 1540.20 786
## Valores únicos: 925
##
## Análisis de Exports.of.goods.and.services....of.GDP....NE.EXP.GNFS.ZS
## Tipo de dato: numeric
## Valores Completos: num_completos ( 94.86 %)
## Valores NA: 169 ( 5.14 %)
## Resumen estadístico:
## Min. 1st Qu. Median Mean 3rd Qu. Max. NA's
## 0.09946 23.94541 35.56111 42.15827 52.36370 228.99377 169
## Valores únicos: 3119
##
## Análisis de Final.consumption.expenditure....of.GDP....NE.CON.TOTL.ZS
## Tipo de dato: numeric
## Valores Completos: num_completos ( 92.7 %)
## Valores NA: 240 ( 7.3 %)
## Resumen estadístico:
## Min. 1st Qu. Median Mean 3rd Qu. Max. NA's
## 16.71 71.26 79.51 80.41 89.75 241.97 240
## Valores únicos: 3048
##
## Análisis de GDP..current.US.....NY.GDP.MKTP.CD
## Tipo de dato: numeric
## Valores Completos: num_completos ( 98.75 %)
## Valores NA: 41 ( 1.25 %)
## Resumen estadístico:
## Min. 1st Qu. Median Mean 3rd Qu. Max. NA's
## 1.811e+08 6.550e+09 2.498e+10 3.508e+11 1.760e+11 2.061e+13 41
## Valores únicos: 3244
##
## Análisis de GDP.per.capita..current.US.....NY.GDP.PCAP.CD
## Tipo de dato: numeric
## Valores Completos: num_completos ( 98.75 %)
## Valores NA: 41 ( 1.25 %)
## Resumen estadístico:
## Min. 1st Qu. Median Mean 3rd Qu. Max. NA's
## 90.53 1270.32 4335.71 12305.69 15354.66 118823.65 41
## Valores únicos: 3247
##
## Análisis de General.government.final.consumption.expenditure....of.GDP....NE.CON.GOVT.ZS
## Tipo de dato: numeric
## Valores Completos: num_completos ( 92.21 %)
## Valores NA: 256 ( 7.79 %)
## Resumen estadístico:
## Min. 1st Qu. Median Mean 3rd Qu. Max. NA's
## 0.9517 11.6790 15.7547 16.3328 19.2780 147.7333 256
## Valores únicos: 3032
##
## Análisis de Gross.national.expenditure....of.GDP....NE.DAB.TOTL.ZS
## Tipo de dato: numeric
## Valores Completos: num_completos ( 92.7 %)
## Valores NA: 240 ( 7.3 %)
## Resumen estadístico:
## Min. 1st Qu. Median Mean 3rd Qu. Max. NA's
## 40.11 96.52 102.84 104.53 112.28 264.78 240
## Valores únicos: 3048
##
## Análisis de Gross.savings....of.GDP....NY.GNS.ICTR.ZS
## Tipo de dato: numeric
## Valores Completos: num_completos ( 84.39 %)
## Valores NA: 513 ( 15.61 %)
## Resumen estadístico:
## Min. 1st Qu. Median Mean 3rd Qu. Max. NA's
## -70.26 15.26 21.16 22.72 28.08 372.99 513
## Valores únicos: 2775
## Valores negativos en Gross.savings....of.GDP....NY.GNS.ICTR.ZS - Revisar consistencia
##
## Análisis de Imports.of.goods.and.services....of.GDP....NE.IMP.GNFS.ZS
## Tipo de dato: numeric
## Valores Completos: num_completos ( 94.86 %)
## Valores NA: 169 ( 5.14 %)
## Resumen estadístico:
## Min. 1st Qu. Median Mean 3rd Qu. Max. NA's
## 0.0647 29.0604 40.2742 47.0147 58.7495 236.3910 169
## Valores únicos: 3119
##
## Análisis de Inflation..consumer.prices..annual......FP.CPI.TOTL.ZG
## Tipo de dato: numeric
## Valores Completos: num_completos ( 93.79 %)
## Valores NA: 204 ( 6.21 %)
## Resumen estadístico:
## Min. 1st Qu. Median Mean 3rd Qu. Max. NA's
## -18.109 1.621 3.467 5.903 6.827 513.907 204
## Valores únicos: 3083
## Valores negativos en Inflation..consumer.prices..annual......FP.CPI.TOTL.ZG - Revisar consistencia
##
## Análisis de Primary.completion.rate..total....of.relevant.age.group....SE.PRM.CMPT.ZS
## Tipo de dato: numeric
## Valores Completos: num_completos ( 67.72 %)
## Valores NA: 1061 ( 32.28 %)
## Resumen estadístico:
## Min. 1st Qu. Median Mean 3rd Qu. Max. NA's
## 16.58 83.24 95.62 88.73 100.05 134.54 1061
## Valores únicos: 2226
##
## Análisis de Proportion.of.seats.held.by.women.in.national.parliaments.......SG.GEN.PARL.ZS
## Tipo de dato: numeric
## Valores Completos: num_completos ( 93.15 %)
## Valores NA: 225 ( 6.85 %)
## Resumen estadístico:
## Min. 1st Qu. Median Mean 3rd Qu. Max. NA's
## 0.000 9.821 16.000 17.977 24.468 63.750 225
## Valores únicos: 904
##
## Análisis de Pupil.teacher.ratio..primary...SE.PRM.ENRL.TC.ZS
## Tipo de dato: numeric
## Valores Completos: num_completos ( 71.98 %)
## Valores NA: 921 ( 28.02 %)
## Resumen estadístico:
## Min. 1st Qu. Median Mean 3rd Qu. Max. NA's
## 8.141 15.279 21.088 25.250 32.018 100.236 921
## Valores únicos: 2365
##
## Análisis de Renewable.electricity.output....of.total.electricity.output....EG.ELC.RNEW.ZS
## Tipo de dato: numeric
## Valores Completos: num_completos ( 84.3 %)
## Valores NA: 516 ( 15.7 %)
## Resumen estadístico:
## Min. 1st Qu. Median Mean 3rd Qu. Max. NA's
## 0.000 1.892 17.864 32.362 57.710 100.000 516
## Valores únicos: 2267
##
## Análisis de Renewable.energy.consumption....of.total.final.energy.consumption....EG.FEC.RNEW.ZS
## Tipo de dato: numeric
## Valores Completos: num_completos ( 100 %)
## Valores NA: 0 ( 0 %)
## Resumen estadístico:
## Min. 1st Qu. Median Mean 3rd Qu. Max.
## 0.000 6.835 22.660 32.673 54.638 98.343
## Valores únicos: 3176
##
## Análisis de School.enrollment..preprimary....gross....SE.PRE.ENRR
## Tipo de dato: numeric
## Valores Completos: num_completos ( 71.46 %)
## Valores NA: 938 ( 28.54 %)
## Resumen estadístico:
## Min. 1st Qu. Median Mean 3rd Qu. Max. NA's
## 0.7419 29.8123 62.3437 59.1082 87.2502 166.9931 938
## Valores únicos: 2350
##
## Análisis de School.enrollment..primary....gross....SE.PRM.ENRR
## Tipo de dato: numeric
## Valores Completos: num_completos ( 84.67 %)
## Valores NA: 504 ( 15.33 %)
## Resumen estadístico:
## Min. 1st Qu. Median Mean 3rd Qu. Max. NA's
## 32.36 98.82 102.74 103.49 109.30 150.79 504
## Valores únicos: 2783
##
## Análisis de School.enrollment..secondary....gross....SE.SEC.ENRR
## Tipo de dato: numeric
## Valores Completos: num_completos ( 73.93 %)
## Valores NA: 857 ( 26.07 %)
## Resumen estadístico:
## Min. 1st Qu. Median Mean 3rd Qu. Max. NA's
## 6.197 64.530 88.407 81.127 100.200 163.935 857
## Valores únicos: 2431
##
## Análisis de Trade....of.GDP....NE.TRD.GNFS.ZS
## Tipo de dato: numeric
## Valores Completos: num_completos ( 94.86 %)
## Valores NA: 169 ( 5.14 %)
## Resumen estadístico:
## Min. 1st Qu. Median Mean 3rd Qu. Max. NA's
## 0.1674 55.4193 79.2857 89.1730 107.4491 442.6200 169
## Valores únicos: 3119
##
## Análisis de Women.Business.and.the.Law.Index.Score..scale.1.100....SG.LAW.INDX
## Tipo de dato: numeric
## Valores Completos: num_completos ( 97.69 %)
## Valores NA: 76 ( 2.31 %)
## Resumen estadístico:
## Min. 1st Qu. Median Mean 3rd Qu. Max. NA's
## 23.75 58.75 71.88 69.56 82.50 100.00 76
## Valores únicos: 107
##
## Análisis de Prevalence.of.undernourishment.......SN_ITK_DEFC
## Tipo de dato: numeric
## Valores Completos: num_completos ( 55.8 %)
## Valores NA: 1453 ( 44.2 %)
## Resumen estadístico:
## Min. 1st Qu. Median Mean 3rd Qu. Max. NA's
## 2.5 5.7 10.4 14.5 20.2 67.5 1453
## Valores únicos: 400
##
## Análisis de Proportion.of.population.below.international.poverty.line.......SI_POV_DAY1
## Tipo de dato: numeric
## Valores Completos: num_completos ( 39.67 %)
## Valores NA: 1983 ( 60.33 %)
## Resumen estadístico:
## Min. 1st Qu. Median Mean 3rd Qu. Max. NA's
## 0.000 0.200 1.000 7.484 6.525 94.300 1983
## Valores únicos: 286
##
## Análisis de Proportion.of.population.covered.by.at.least.a.2G.mobile.network.......IT_MOB_2GNTWK
## Tipo de dato: numeric
## Valores Completos: num_completos ( 71.46 %)
## Valores NA: 938 ( 28.54 %)
## Resumen estadístico:
## Min. 1st Qu. Median Mean 3rd Qu. Max. NA's
## 0.00 90.00 98.80 89.51 99.80 100.00 938
## Valores únicos: 373
##
## Análisis de Proportion.of.population.covered.by.at.least.a.3G.mobile.network.......IT_MOB_3GNTWK
## Tipo de dato: numeric
## Valores Completos: num_completos ( 41.28 %)
## Valores NA: 1930 ( 58.72 %)
## Resumen estadístico:
## Min. 1st Qu. Median Mean 3rd Qu. Max. NA's
## 0.00 56.63 90.00 74.18 98.40 100.00 1930
## Valores únicos: 404
##
## Análisis de Proportion.of.population.using.basic.drinking.water.services.......SP_ACS_BSRVH2O
## Tipo de dato: integer
## Valores Completos: num_completos ( 55.89 %)
## Valores NA: 1450 ( 44.11 %)
## Resumen estadístico:
## Min. 1st Qu. Median Mean 3rd Qu. Max. NA's
## 26.00 91.00 97.00 92.92 100.00 100.00 1450
## Valores únicos: 67
##
## Análisis de Unemployment.rate..male.......SL_TLF_UEM
## Tipo de dato: numeric
## Valores Completos: num_completos ( 54.97 %)
## Valores NA: 1480 ( 45.03 %)
## Resumen estadístico:
## Min. 1st Qu. Median Mean 3rd Qu. Max. NA's
## 0.100 4.100 6.400 7.987 10.000 37.000 1480
## Valores únicos: 260
##
## Análisis de Unemployment.rate..women.......SL_TLF_UEM
## Tipo de dato: numeric
## Valores Completos: num_completos ( 54.94 %)
## Valores NA: 1481 ( 45.06 %)
## Resumen estadístico:
## Min. 1st Qu. Median Mean 3rd Qu. Max. NA's
## 0.200 4.725 7.500 9.811 12.800 42.800 1481
## Valores únicos: 302
##
## Análisis de Annual.production.based.emissions.of.carbon.dioxide..CO2..measured.in.million.tonnes...GH.EM.IC.LUF
## Tipo de dato: numeric
## Valores Completos: num_completos ( 99.94 %)
## Valores NA: 2 ( 0.06 %)
## Resumen estadístico:
## Min. 1st Qu. Median Mean 3rd Qu. Max. NA's
## 0.048 2.426 12.621 174.647 72.012 9956.569 2
## Valores únicos: 2979
##
## Análisis de Gini.index..World.Bank.estimate....SI.POV.GINI
## Tipo de dato: numeric
## Valores Completos: num_completos ( 39.64 %)
## Valores NA: 1984 ( 60.36 %)
## Resumen estadístico:
## Min. 1st Qu. Median Mean 3rd Qu. Max. NA's
## 23.70 30.90 35.60 37.51 42.80 64.80 1984
## Valores únicos: 332
##
## Análisis de Individuals.using.the.Internet....of.population....IT.NET.USER.ZS
## Tipo de dato: numeric
## Valores Completos: num_completos ( 90.84 %)
## Valores NA: 301 ( 9.16 %)
## Resumen estadístico:
## Min. 1st Qu. Median Mean 3rd Qu. Max. NA's
## 0.00 6.00 25.00 33.12 58.00 99.65 301
## Valores únicos: 2448
##
## Análisis de Life.expectancy.at.birth..total..years....SP.DYN.LE00.IN
## Tipo de dato: numeric
## Valores Completos: num_completos ( 94.19 %)
## Valores NA: 191 ( 5.81 %)
## Resumen estadístico:
## Min. 1st Qu. Median Mean 3rd Qu. Max. NA's
## 40.37 65.11 72.56 70.16 76.57 84.93 191
## Valores únicos: 2926
##
## Análisis de Population..total...SP.POP.TOTL
## Tipo de dato: integer
## Valores Completos: num_completos ( 94.49 %)
## Valores NA: 181 ( 5.51 %)
## Resumen estadístico:
## Min. 1st Qu. Median Mean 3rd Qu. Max. NA's
## 6.967e+04 2.407e+06 8.368e+06 3.892e+07 2.605e+07 1.393e+09 181
## Valores únicos: 3106
##
## Análisis de Rural.population....of.total.population....SP.RUR.TOTL.ZS
## Tipo de dato: numeric
## Valores Completos: num_completos ( 99.73 %)
## Valores NA: 9 ( 0.27 %)
## Resumen estadístico:
## Min. 1st Qu. Median Mean 3rd Qu. Max. NA's
## 0.00 24.82 42.65 42.89 60.73 91.75 9
## Valores únicos: 3138
##
## Análisis de Total.natural.resources.rents....of.GDP....NY.GDP.TOTL.RT.ZS
## Tipo de dato: numeric
## Valores Completos: num_completos ( 92.88 %)
## Valores NA: 234 ( 7.12 %)
## Resumen estadístico:
## Min. 1st Qu. Median Mean 3rd Qu. Max. NA's
## 0.0000 0.3859 2.1220 7.0159 8.8783 81.9500 234
## Valores únicos: 2989
##
## Análisis de Urban.population....of.total.population....SP.URB.TOTL.IN.ZS
## Tipo de dato: numeric
## Valores Completos: num_completos ( 94.49 %)
## Valores NA: 181 ( 5.51 %)
## Resumen estadístico:
## Min. 1st Qu. Median Mean 3rd Qu. Max. NA's
## 8.461 39.547 57.450 57.264 75.373 100.000 181
## Valores únicos: 2975
# Verificación de NAs en las variables cuantitativas (resumen final)
cat("\n Resumen de NAs y Valores Completos en variables cuantitativas\n")
##
## Resumen de NAs y Valores Completos en variables cuantitativas
na_summary_cuant <- sapply(datos[variables_cuantitativas], function(x) sum(is.na(x)))
# Crear un resumen de valores completos
completo_summary_cuant <- total_observaciones - na_summary_cuant
resumen_completo <- data.frame(
Total_NA = na_summary_cuant,
Valores_Completos = completo_summary_cuant
)
print(resumen_completo)
## Total_NA
## Year 0
## Access.to.electricity....of.population....EG.ELC.ACCS.ZS 94
## Adjusted.net.national.income.per.capita..annual...growth....NY.ADJ.NNTY.PC.KD.ZG 721
## Adjusted.net.savings..excluding.particulate.emission.damage....of.GNI....NY.ADJ.SVNX.GN.ZS 659
## Adjusted.savings..carbon.dioxide.damage....of.GNI....NY.ADJ.DCO2.GN.ZS 67
## Adjusted.savings..natural.resources.depletion....of.GNI....NY.ADJ.DRES.GN.ZS 193
## Adjusted.savings..net.forest.depletion....of.GNI....NY.ADJ.DFOR.GN.ZS 176
## Adjusted.savings..particulate.emission.damage....of.GNI....NY.ADJ.DPEM.GN.ZS 188
## Automated.teller.machines..ATMs...per.100.000.adults....FB.ATM.TOTL.P5 1002
## Broad.money....of.GDP....FM.LBL.BMNY.GD.ZS 510
## Children.out.of.school....of.primary.school.age....SE.PRM.UNER.ZS 1062
## Compulsory.education..duration..years....SE.COM.DURS 308
## Cost.of.business.start.up.procedures..female....of.GNI.per.capita....IC.REG.COST.PC.FE.ZS 786
## Cost.of.business.start.up.procedures..male....of.GNI.per.capita....IC.REG.COST.PC.MA.ZS 786
## Exports.of.goods.and.services....of.GDP....NE.EXP.GNFS.ZS 169
## Final.consumption.expenditure....of.GDP....NE.CON.TOTL.ZS 240
## GDP..current.US.....NY.GDP.MKTP.CD 41
## GDP.per.capita..current.US.....NY.GDP.PCAP.CD 41
## General.government.final.consumption.expenditure....of.GDP....NE.CON.GOVT.ZS 256
## Gross.national.expenditure....of.GDP....NE.DAB.TOTL.ZS 240
## Gross.savings....of.GDP....NY.GNS.ICTR.ZS 513
## Imports.of.goods.and.services....of.GDP....NE.IMP.GNFS.ZS 169
## Inflation..consumer.prices..annual......FP.CPI.TOTL.ZG 204
## Primary.completion.rate..total....of.relevant.age.group....SE.PRM.CMPT.ZS 1061
## Proportion.of.seats.held.by.women.in.national.parliaments.......SG.GEN.PARL.ZS 225
## Pupil.teacher.ratio..primary...SE.PRM.ENRL.TC.ZS 921
## Renewable.electricity.output....of.total.electricity.output....EG.ELC.RNEW.ZS 516
## Renewable.energy.consumption....of.total.final.energy.consumption....EG.FEC.RNEW.ZS 0
## School.enrollment..preprimary....gross....SE.PRE.ENRR 938
## School.enrollment..primary....gross....SE.PRM.ENRR 504
## School.enrollment..secondary....gross....SE.SEC.ENRR 857
## Trade....of.GDP....NE.TRD.GNFS.ZS 169
## Women.Business.and.the.Law.Index.Score..scale.1.100....SG.LAW.INDX 76
## Prevalence.of.undernourishment.......SN_ITK_DEFC 1453
## Proportion.of.population.below.international.poverty.line.......SI_POV_DAY1 1983
## Proportion.of.population.covered.by.at.least.a.2G.mobile.network.......IT_MOB_2GNTWK 938
## Proportion.of.population.covered.by.at.least.a.3G.mobile.network.......IT_MOB_3GNTWK 1930
## Proportion.of.population.using.basic.drinking.water.services.......SP_ACS_BSRVH2O 1450
## Unemployment.rate..male.......SL_TLF_UEM 1480
## Unemployment.rate..women.......SL_TLF_UEM 1481
## Annual.production.based.emissions.of.carbon.dioxide..CO2..measured.in.million.tonnes...GH.EM.IC.LUF 2
## Gini.index..World.Bank.estimate....SI.POV.GINI 1984
## Individuals.using.the.Internet....of.population....IT.NET.USER.ZS 301
## Life.expectancy.at.birth..total..years....SP.DYN.LE00.IN 191
## Population..total...SP.POP.TOTL 181
## Rural.population....of.total.population....SP.RUR.TOTL.ZS 9
## Total.natural.resources.rents....of.GDP....NY.GDP.TOTL.RT.ZS 234
## Urban.population....of.total.population....SP.URB.TOTL.IN.ZS 181
## Valores_Completos
## Year 3287
## Access.to.electricity....of.population....EG.ELC.ACCS.ZS 3193
## Adjusted.net.national.income.per.capita..annual...growth....NY.ADJ.NNTY.PC.KD.ZG 2566
## Adjusted.net.savings..excluding.particulate.emission.damage....of.GNI....NY.ADJ.SVNX.GN.ZS 2628
## Adjusted.savings..carbon.dioxide.damage....of.GNI....NY.ADJ.DCO2.GN.ZS 3220
## Adjusted.savings..natural.resources.depletion....of.GNI....NY.ADJ.DRES.GN.ZS 3094
## Adjusted.savings..net.forest.depletion....of.GNI....NY.ADJ.DFOR.GN.ZS 3111
## Adjusted.savings..particulate.emission.damage....of.GNI....NY.ADJ.DPEM.GN.ZS 3099
## Automated.teller.machines..ATMs...per.100.000.adults....FB.ATM.TOTL.P5 2285
## Broad.money....of.GDP....FM.LBL.BMNY.GD.ZS 2777
## Children.out.of.school....of.primary.school.age....SE.PRM.UNER.ZS 2225
## Compulsory.education..duration..years....SE.COM.DURS 2979
## Cost.of.business.start.up.procedures..female....of.GNI.per.capita....IC.REG.COST.PC.FE.ZS 2501
## Cost.of.business.start.up.procedures..male....of.GNI.per.capita....IC.REG.COST.PC.MA.ZS 2501
## Exports.of.goods.and.services....of.GDP....NE.EXP.GNFS.ZS 3118
## Final.consumption.expenditure....of.GDP....NE.CON.TOTL.ZS 3047
## GDP..current.US.....NY.GDP.MKTP.CD 3246
## GDP.per.capita..current.US.....NY.GDP.PCAP.CD 3246
## General.government.final.consumption.expenditure....of.GDP....NE.CON.GOVT.ZS 3031
## Gross.national.expenditure....of.GDP....NE.DAB.TOTL.ZS 3047
## Gross.savings....of.GDP....NY.GNS.ICTR.ZS 2774
## Imports.of.goods.and.services....of.GDP....NE.IMP.GNFS.ZS 3118
## Inflation..consumer.prices..annual......FP.CPI.TOTL.ZG 3083
## Primary.completion.rate..total....of.relevant.age.group....SE.PRM.CMPT.ZS 2226
## Proportion.of.seats.held.by.women.in.national.parliaments.......SG.GEN.PARL.ZS 3062
## Pupil.teacher.ratio..primary...SE.PRM.ENRL.TC.ZS 2366
## Renewable.electricity.output....of.total.electricity.output....EG.ELC.RNEW.ZS 2771
## Renewable.energy.consumption....of.total.final.energy.consumption....EG.FEC.RNEW.ZS 3287
## School.enrollment..preprimary....gross....SE.PRE.ENRR 2349
## School.enrollment..primary....gross....SE.PRM.ENRR 2783
## School.enrollment..secondary....gross....SE.SEC.ENRR 2430
## Trade....of.GDP....NE.TRD.GNFS.ZS 3118
## Women.Business.and.the.Law.Index.Score..scale.1.100....SG.LAW.INDX 3211
## Prevalence.of.undernourishment.......SN_ITK_DEFC 1834
## Proportion.of.population.below.international.poverty.line.......SI_POV_DAY1 1304
## Proportion.of.population.covered.by.at.least.a.2G.mobile.network.......IT_MOB_2GNTWK 2349
## Proportion.of.population.covered.by.at.least.a.3G.mobile.network.......IT_MOB_3GNTWK 1357
## Proportion.of.population.using.basic.drinking.water.services.......SP_ACS_BSRVH2O 1837
## Unemployment.rate..male.......SL_TLF_UEM 1807
## Unemployment.rate..women.......SL_TLF_UEM 1806
## Annual.production.based.emissions.of.carbon.dioxide..CO2..measured.in.million.tonnes...GH.EM.IC.LUF 3285
## Gini.index..World.Bank.estimate....SI.POV.GINI 1303
## Individuals.using.the.Internet....of.population....IT.NET.USER.ZS 2986
## Life.expectancy.at.birth..total..years....SP.DYN.LE00.IN 3096
## Population..total...SP.POP.TOTL 3106
## Rural.population....of.total.population....SP.RUR.TOTL.ZS 3278
## Total.natural.resources.rents....of.GDP....NY.GDP.TOTL.RT.ZS 3053
## Urban.population....of.total.population....SP.URB.TOTL.IN.ZS 3106
# 2.2 VARIABLES CUALITATIVAS
cat("\n2.2 ANÁLISIS DE VARIABLES CUALITATIVAS\n")
##
## 2.2 ANÁLISIS DE VARIABLES CUALITATIVAS
# 1. Identificar variables cualitativas de tipo factor o character
# Incluyendo tanto las que R identifica como 'character' como las convertidas a 'factor'.
variables_cualitativas <- names(datos)[sapply(datos, function(x) is.factor(x) | is.character(x))]
cat("Variables cualitativas identificadas:", length(variables_cualitativas), "\n")
## Variables cualitativas identificadas: 9
cat("Lista:", paste(variables_cualitativas, collapse = ", "), "\n")
## Lista: Country, CountryCode, Continent, Income.Classification..World.Bank.Definition., Regime.Type..RoW.Measure.Definition., Region, Country.Name, Regime, Income
# Obtener el número total de filas para el cálculo de porcentajes
total_filas <- nrow(datos)
cat("Total de Filas en el Dataset:", total_filas, "\n")
## Total de Filas en el Dataset: 3287
# 2. Análisis detallado de cada variable cualitativa
for (var in variables_cualitativas) {
cat("\n Análisis de", var, "\n")
cat("Tipo de dato:", class(datos[[var]]), "\n")
# Total de NA y CÁLCULO DEL PORCENTAJE
num_na <- sum(is.na(datos[[var]]))
porc_na <- round((num_na / total_filas) * 100, 2)
# CÁLCULO DEL TOTAL DE VALORES COMPLETOS
num_completos <- total_filas - num_na
porc_completos <- 100 - porc_na
cat("Valores Completos:", num_completos, " (", round(porc_completos, 2), "%)\n")
cat("Valores NA:", num_na, " (", porc_na, "%)\n")
# Detección de posibles errores o inconsistencias de datos
# para responder desde el punto 2.2.1 al 2.2.5, haremos un Resumen de Frecuencias y Niveles
# Usamos la función table() para ver la distribución de frecuencias
frecuencias <- table(datos[[var]], useNA = "ifany") # Incluye NA si existen
cat("Valores únicos (Niveles):", length(frecuencias) - ifelse(num_na > 0, 1, 0), "\n")
# Revisamos el resultado con un summary, para ver el detalle
cat("Resumen de Frecuencias (Top Nivel y NAs):\n")
print(head(summary(datos[[var]])))
# Revisión de niveles con baja frecuencia
# Mostramos un resumen de las frecuencias más comunes y menos comunes
if (length(frecuencias) > 10) {
cat("\n\n Top 5 Niveles más comunes:\n")
print(head(sort(frecuencias, decreasing = TRUE), 5))
cat("\n\n Top 5 Niveles menos comunes o posible ruido:\n")
print(head(sort(frecuencias, decreasing = FALSE), 5))
} else {
cat(" Frecuencias de todos los niveles:\n")
print(frecuencias)
}
}
##
## Análisis de Country
## Tipo de dato: character
## Valores Completos: 3287 ( 100 %)
## Valores NA: 0 ( 0 %)
## Valores únicos (Niveles): 173
## Resumen de Frecuencias (Top Nivel y NAs):
## Length Class Mode
## 3287 character character
##
##
## Top 5 Niveles más comunes:
##
## Albania Algeria Angola Antigua and Barbuda
## 19 19 19 19
## Argentina
## 19
##
##
## Top 5 Niveles menos comunes o posible ruido:
##
## Albania Algeria Angola Antigua and Barbuda
## 19 19 19 19
## Argentina
## 19
##
## Análisis de CountryCode
## Tipo de dato: factor
## Valores Completos: 3287 ( 100 %)
## Valores NA: 0 ( 0 %)
## Valores únicos (Niveles): 173
## Resumen de Frecuencias (Top Nivel y NAs):
## ABW AGO ALB ARE ARG ARM
## 19 19 19 19 19 19
##
##
## Top 5 Niveles más comunes:
##
## ABW AGO ALB ARE ARG
## 19 19 19 19 19
##
##
## Top 5 Niveles menos comunes o posible ruido:
##
## ABW AGO ALB ARE ARG
## 19 19 19 19 19
##
## Análisis de Continent
## Tipo de dato: factor
## Valores Completos: 3285 ( 99.94 %)
## Valores NA: 2 ( 0.06 %)
## Valores únicos (Niveles): 6
## Resumen de Frecuencias (Top Nivel y NAs):
## Africa Asia Europe North America Oceania
## 893 872 760 418 114
## South America
## 228
## Frecuencias de todos los niveles:
##
## Africa Asia Europe North America Oceania
## 893 872 760 418 114
## South America <NA>
## 228 2
##
## Análisis de Income.Classification..World.Bank.Definition.
## Tipo de dato: character
## Valores Completos: 3285 ( 99.94 %)
## Valores NA: 2 ( 0.06 %)
## Valores únicos (Niveles): 4
## Resumen de Frecuencias (Top Nivel y NAs):
## Length Class Mode
## 3287 character character
## Frecuencias de todos los niveles:
##
## High income Low income Lower-middle income Upper-middle income
## 899 753 868 765
## <NA>
## 2
##
## Análisis de Regime.Type..RoW.Measure.Definition.
## Tipo de dato: character
## Valores Completos: 3076 ( 93.58 %)
## Valores NA: 211 ( 6.42 %)
## Valores únicos (Niveles): 4
## Resumen de Frecuencias (Top Nivel y NAs):
## Length Class Mode
## 3287 character character
## Frecuencias de todos los niveles:
##
## Closed Autocracy Electoral Autocracy Electoral Democracy Liberal Democracy
## 409 948 993 726
## <NA>
## 211
##
## Análisis de Region
## Tipo de dato: factor
## Valores Completos: 3285 ( 99.94 %)
## Valores NA: 2 ( 0.06 %)
## Valores únicos (Niveles): 7
## Resumen de Frecuencias (Top Nivel y NAs):
## Central and Southern Asia Eastern and South-Eastern Asia
## 228 340
## Europe and Northern America Latin America and Caribbean
## 779 608
## Northern Africa and Western Asia Oceania
## 399 114
## Frecuencias de todos los niveles:
##
## Central and Southern Asia Eastern and South-Eastern Asia
## 228 340
## Europe and Northern America Latin America and Caribbean
## 779 608
## Northern Africa and Western Asia Oceania
## 399 114
## Sub-Saharan Africa <NA>
## 817 2
##
## Análisis de Country.Name
## Tipo de dato: factor
## Valores Completos: 3287 ( 100 %)
## Valores NA: 0 ( 0 %)
## Valores únicos (Niveles): 173
## Resumen de Frecuencias (Top Nivel y NAs):
## Albania Algeria Angola Antigua and Barbuda
## 19 19 19 19
## Argentina Armenia
## 19 19
##
##
## Top 5 Niveles más comunes:
##
## Albania Algeria Angola Antigua and Barbuda
## 19 19 19 19
## Argentina
## 19
##
##
## Top 5 Niveles menos comunes o posible ruido:
##
## Albania Algeria Angola Antigua and Barbuda
## 19 19 19 19
## Argentina
## 19
##
## Análisis de Regime
## Tipo de dato: factor
## Valores Completos: 3076 ( 93.58 %)
## Valores NA: 211 ( 6.42 %)
## Valores únicos (Niveles): 4
## Resumen de Frecuencias (Top Nivel y NAs):
## Closed Autocracy Electoral Autocracy Electoral Democracy Liberal Democracy
## 409 948 993 726
## NA's
## 211
## Frecuencias de todos los niveles:
##
## Closed Autocracy Electoral Autocracy Electoral Democracy Liberal Democracy
## 409 948 993 726
## <NA>
## 211
##
## Análisis de Income
## Tipo de dato: factor
## Valores Completos: 3285 ( 99.94 %)
## Valores NA: 2 ( 0.06 %)
## Valores únicos (Niveles): 4
## Resumen de Frecuencias (Top Nivel y NAs):
## High income Low income Lower-middle income Upper-middle income
## 899 753 868 765
## NA's
## 2
## Frecuencias de todos los niveles:
##
## High income Low income Lower-middle income Upper-middle income
## 899 753 868 765
## <NA>
## 2
# 3. Resumen Consolidado de NAs y Valores Completos
cat("\n Resumen de NAs y Valores Completos en variables cualitativas\n")
##
## Resumen de NAs y Valores Completos en variables cualitativas
na_summary_cual <- sapply(datos[variables_cualitativas], function(x) sum(is.na(x)))
# Crear un resumen de valores completos
completo_summary_cual <- total_filas - na_summary_cual
resumen_completo_cual <- data.frame(
Total_NA = na_summary_cual,
Valores_Completos = completo_summary_cual
)
print(resumen_completo_cual)
## Total_NA Valores_Completos
## Country 0 3287
## CountryCode 0 3287
## Continent 2 3285
## Income.Classification..World.Bank.Definition. 2 3285
## Regime.Type..RoW.Measure.Definition. 211 3076
## Region 2 3285
## Country.Name 0 3287
## Regime 211 3076
## Income 2 3285
# 3.1 DESIGUALDAD (GINI)
cat("\n3.1 ANÁLISIS DE LA DESIGUALDAD (ÍNDICE GINI)\n")
##
## 3.1 ANÁLISIS DE LA DESIGUALDAD (ÍNDICE GINI)
# 3.1.1. Definir la variable GINI
var_gini <- "Gini.index..World.Bank.estimate....SI.POV.GINI"
# 1.1 Verificación de NAs
num_na_gini <- sum(is.na(datos[[var_gini]]))
total_obs <- nrow(datos)
porc_na_gini <- round((num_na_gini / total_obs) * 100, 2)
cat("Valores NA en GINI:", num_na_gini, " (", porc_na_gini, "% del total)\n")
## Valores NA en GINI: 1984 ( 60.36 % del total)
cat("Resumen estadístico de GINI:\n")
## Resumen estadístico de GINI:
print(summary(datos[[var_gini]]))
## Min. 1st Qu. Median Mean 3rd Qu. Max. NA's
## 23.70 30.90 35.60 37.51 42.80 64.80 1984
# 3.1.2. VISUALIZACIÓN DE LA DISTRIBUCIÓN
# Grafico de Histograma para ver la distribución general
p1 <- ggplot(datos, aes(x = .data[[var_gini]])) +
geom_histogram(binwidth = 2, fill = "skyblue", color = "black", na.rm = TRUE) +
labs(title = paste("Distribución del Índice GINI (N =", total_obs - num_na_gini, ")"),
x = "Índice GINI", y = "Frecuencia") +
theme_minimal()
# Grafico: Boxplot para ver la distribucion e indentificar valroes extremos
p2 <- ggplot(datos, aes(y = .data[[var_gini]])) +
geom_boxplot(fill = "lightgreen", na.rm = TRUE) +
labs(title = "Boxplot para detección de Extremos", y = "Índice GINI") +
theme_minimal()
print(p1)
print(p2)
cat("\nINTERPRETACIÓN DEL GRÁFICO:\n")
##
## INTERPRETACIÓN DEL GRÁFICO:
cat("Observar si la distribución es normal, sesgada (hacia izquierda o derecha) o bimodal.\n")
## Observar si la distribución es normal, sesgada (hacia izquierda o derecha) o bimodal.
cat("El boxplot muestra la mediana, cuartiles (Q1, Q3) y posibles valores atípicos (puntos fuera de los bigotes).\n")
## El boxplot muestra la mediana, cuartiles (Q1, Q3) y posibles valores atípicos (puntos fuera de los bigotes).
# 3.1.3. TRATAMIENTO DE VALORES EXTREMOS con Transformación Logarítmica
# Nota: La transformación logarítmica (log) se aplica típicamente a variables
# posiblemente sesgadas. Dado que el índice GINI (0-100) ya es acotado,
# la necesidad de una transformación puede ser menor, pero la aplicamos si el sesgo es fuerte y como ejemplo en este caso.
cat("\nAPLICANDO TRANSFORMACIÓN: Logaritmo\n")
##
## APLICANDO TRANSFORMACIÓN: Logaritmo
# Crear una nueva columna para el GINI transformado, recordar que es posible usar mutate para esta accion.
datos$Gini_log <- log(datos[[var_gini]])
# 3.1.4. Visualización Post-Transformación para verificar el efecto
cat("\nVisualización de la distribución del GINI transformado (Log)\n")
##
## Visualización de la distribución del GINI transformado (Log)
# hsitograma para comparar la evolucion y suavisacion de los datos ya que que la
#logaritmacion es una suavisacion de datos, que ayuda a ver en grafico como histogramas la
#informacion mas lineal y no tan distorcionada por valor atipicos
p3 <- ggplot(datos, aes(x = Gini_log)) +
geom_histogram(binwidth = 0.05, fill = "salmon", color = "black", na.rm = TRUE) +
labs(title = "Distribución del Índice GINI (Transformación Log)",
x = "Log(Índice GINI)", y = "Frecuencia") +
theme_minimal()
print(p3)
cat("\nINTERPRETACIÓN POST-TRANSFORMACIÓN:\n")
##
## INTERPRETACIÓN POST-TRANSFORMACIÓN:
cat("El hgistograma nos muestra que tenemos una muestra con la mayor cantidad de la masa de datos entre los valores 30 y 40, es una masa unimodal on apenas un pico, tiene una ligera cola a la derecha hasta los valores 65 del eje x pero no es representativa, en el hsitograma de log (naranja) no vemos una suavisacion importante y en su lugar vemos que la distribucion pasa de ser unimodal a multimodal, manteniendo una cola a la derecha, lo que ha impedido mejorar la simetria de los datos; a esto le sumamos que el Boxplot muestra apena algunos valores extremos pero no fuera de rango, ayq ue se situan sobre valores de 65 aprox.\n")
## El hgistograma nos muestra que tenemos una muestra con la mayor cantidad de la masa de datos entre los valores 30 y 40, es una masa unimodal on apenas un pico, tiene una ligera cola a la derecha hasta los valores 65 del eje x pero no es representativa, en el hsitograma de log (naranja) no vemos una suavisacion importante y en su lugar vemos que la distribucion pasa de ser unimodal a multimodal, manteniendo una cola a la derecha, lo que ha impedido mejorar la simetria de los datos; a esto le sumamos que el Boxplot muestra apena algunos valores extremos pero no fuera de rango, ayq ue se situan sobre valores de 65 aprox.
cat("Usaremos la variable original 'Gini.index...' o 'Gini_log' en análisis posteriores según ya que es la mas adecuada.\n")
## Usaremos la variable original 'Gini.index...' o 'Gini_log' en análisis posteriores según ya que es la mas adecuada.
# 3.2 EMISIONES DE GAS DE EFECTO INVERNADERO
cat("\n3.2 ANÁLISIS DE EMISIONES DE co2 (Millones de Toneladas)\n")
##
## 3.2 ANÁLISIS DE EMISIONES DE co2 (Millones de Toneladas)
# 3.2.1. Definir la variable de Emisiones de co2
var_co2 <- "Annual.production.based.emissions.of.carbon.dioxide..CO2..measured.in.million.tonnes...GH.EM.IC.LUF"
# 3.2.1.1 Verificación de NAs
num_na_co2 <- sum(is.na(datos[[var_co2]]))
total_obs <- nrow(datos)
porc_na_co2 <- round((num_na_co2 / total_obs) * 100, 2)
cat("Total de Observaciones:", total_obs, "\n")
## Total de Observaciones: 3287
cat("Valores NA en Emisiones co2:", num_na_co2, " (", porc_na_co2, " % del total)\n")
## Valores NA en Emisiones co2: 2 ( 0.06 % del total)
cat("Resumen estadístico de Emisiones co2 :\n")
## Resumen estadístico de Emisiones co2 :
print(summary(datos[[var_co2]]))
## Min. 1st Qu. Median Mean 3rd Qu. Max. NA's
## 0.048 2.426 12.621 174.647 72.012 9956.569 2
# 3.2.2. VISUALIZACIÓN DE LA DISTRIBUCIÓN
# Histograma para ver la forma de la distribución
p1 <- ggplot(datos, aes(x = .data[[var_co2]])) +
geom_histogram(bins = 50, fill = "#FF5733", color = "black", na.rm = TRUE) +
labs(title = paste("Distribución de Emisiones de co2 (N =", total_obs - num_na_co2, ")"),
x = "Emisiones de co2 en Millones de Toneladas", y = "Frecuencia") +
theme_minimal()
# Boxplot para detección de Extremos
p2 <- ggplot(datos, aes(y = .data[[var_co2]])) +
geom_boxplot(fill = "salmon", na.rm = TRUE) +
labs(title = "Boxplot para detección de Extremos en Emisiones co2", y = "Emisiones co2") +
theme_minimal() +
# Se añade una limitación en el eje Y para que los puntos atípicos sean visibles
coord_cartesian(ylim = c(0, quantile(datos[[var_co2]], 0.995, na.rm = TRUE)))
print(p1)
print(p2)
cat("\nINTERPRETACIÓN DEL HISTOGRAMA:\n")
##
## INTERPRETACIÓN DEL HISTOGRAMA:
cat("El histograma muestra un sesgo positivo extremo, con una consentracion masiva de datos a la izquierda y una larga cola de valores mayore a la derechay esto significa que la media y la desviación estandar son medidas muy poco representativas del conjunto de datos.\n")
## El histograma muestra un sesgo positivo extremo, con una consentracion masiva de datos a la izquierda y una larga cola de valores mayore a la derechay esto significa que la media y la desviación estandar son medidas muy poco representativas del conjunto de datos.
cat("El boxplot, incluso limitado, confirmara la presencia de numerosos valores extremos o atipicos, sin concentracion de masa de datos visual.\n")
## El boxplot, incluso limitado, confirmara la presencia de numerosos valores extremos o atipicos, sin concentracion de masa de datos visual.
# 3.2.3. TRANSFORMACIÓN LOGARÍTMICA
cat("\nAPLICANDO TRANSFORMACIÓN: Logaritmo (Base e) por el sesgo extremo detectado en los graficos anteriores.\n")
##
## APLICANDO TRANSFORMACIÓN: Logaritmo (Base e) por el sesgo extremo detectado en los graficos anteriores.
# Creamos la nueva columna directamente
datos$CO2_log <- log(datos[[var_co2]] + 1)
# 3.2.4. Visualización Post-Transformación
cat("\nVisualización de la distribución de Emisiones $\\text{CO}_2$ transformadas (Log)\n")
##
## Visualización de la distribución de Emisiones $\text{CO}_2$ transformadas (Log)
p3 <- ggplot(datos, aes(x = CO2_log)) +
geom_histogram(binwidth = 0.5, fill = "#5B84B2", color = "black", na.rm = TRUE) +
labs(title = "Distribución de Emisiones co2 (Transformación Log)",
x = "Log(Emisiones co2 + 1)", y = "Frecuencia") +
theme_minimal()
print(p3)
cat("\nINTERPRETACIÓN POST-TRANSFORMACIÓN:\n")
##
## INTERPRETACIÓN POST-TRANSFORMACIÓN:
cat("Aunque no se convierte perfectamente en una campana de Gauss, la transformación ha comprimido los valores de co2 de las grandes economías y ha distribuido la frecuencia a lo largo de un rango más amplio\n")
## Aunque no se convierte perfectamente en una campana de Gauss, la transformación ha comprimido los valores de co2 de las grandes economías y ha distribuido la frecuencia a lo largo de un rango más amplio
# 3.2.5. DETECCIÓN DE VALORES EXTREMOS EN EL AÑO 2018 (Utilizando el IQR)
cat("\n5. DETECCIÓN DE PAÍSES MÁS CONTAMINANTES EN EL AÑO 2018\n")
##
## 5. DETECCIÓN DE PAÍSES MÁS CONTAMINANTES EN EL AÑO 2018
# a) Filtrar datos del año 2018
datos_2018 <- datos[datos$Year == 2018, c("Country", var_co2)]
# Remover NAs (na.omit)
datos_2018 <- na.omit(datos_2018)
# b) Calcular el umbral de valores extremos (Criterio del Rango Intercuartílico - IQR)
Q1 <- quantile(datos_2018[[var_co2]], 0.25, na.rm = TRUE)
Q3 <- quantile(datos_2018[[var_co2]], 0.75, na.rm = TRUE)
IQR_val <- Q3 - Q1
# Un valor extremo superior (outlier) se define comúnmente como Q3 + 1.5 * IQR
umbral_extremo <- Q3 + 1.5 * IQR_val
cat(paste("Umbral de Emisión Extrema (Q3 + 1.5*IQR):", round(umbral_extremo, 2), "Millones de Toneladas\n"))
## Umbral de Emisión Extrema (Q3 + 1.5*IQR): 208.39 Millones de Toneladas
# c) Identificar y ordenar los países contaminantes
# Filtrar: seleccionar filas donde el valor de CO2 es mayor al umbral
filtro_extremo <- datos_2018[[var_co2]] > umbral_extremo
paises_contaminantes <- datos_2018[filtro_extremo, ]
# Ordenar de mayor a menor (descendente)
orden_descendente <- order(paises_contaminantes[[var_co2]], decreasing = TRUE)
paises_contaminantes <- paises_contaminantes[orden_descendente, ]
cat("\nLista de Países con Emisiones Extremadamente Grandes del Año 2018:\n")
##
## Lista de Países con Emisiones Extremadamente Grandes del Año 2018:
# d) Visualizar la lista
print(head(paises_contaminantes))
## Country
## 608 China
## 3135 United States
## 1406 India
## 2584 Russian Federation
## 1577 Japan
## 1444 Iran, Islamic Rep.
## Annual.production.based.emissions.of.carbon.dioxide..CO2..measured.in.million.tonnes...GH.EM.IC.LUF
## 608 9956.569
## 3135 5424.882
## 1406 2591.324
## 2584 1691.360
## 1577 1135.688
## 1444 755.402
cat("\n4 Correlaciones")
##
## 4 Correlaciones
cat("\n4.1 CÁLCULO Y VISUALIZACIÓN DE LA MATRIZ DE CORRELACIONES\n")
##
## 4.1 CÁLCULO Y VISUALIZACIÓN DE LA MATRIZ DE CORRELACIONES
# 4.1.1. Definir la lista de variables a analizar
# Para la correlación, las variables deben ser numéricas.
# ODS 1, 2, 3, 4, 10 y GDP
variables_pobreza_gdp <- c(
"Prevalence.of.undernourishment.......SN_ITK_DEFC", # ODS 2: Desnutrición
"Proportion.of.population.below.international.poverty.line.......SI_POV_DAY1", # ODS 1: Pobreza Extrema
"Life.expectancy.at.birth..total..years....SP.DYN.LE00.IN", # ODS 3: Esperanza de vida (Salud)
"Children.out.of.school....of.primary.school.age....SE.PRM.UNER.ZS", # ODS 4: Niños fuera de la escuela
"Gini.index..World.Bank.estimate....SI.POV.GINI", # ODS 10: Desigualdad Gini
"GDP..current.US.....NY.GDP.MKTP.CD" # GDP
)
# 4.1.2. Subconjunto de datos para la correlación
datos_corr <- datos[ , variables_pobreza_gdp]
# 4.1.3. Asignar nombres cortos y claros para la matriz (facilita la interpretación)
nombres_cortos <- c("ODS2-Desnutricion", "ODS1-Pobreza_Extrema", "ODS3-Esperanza_Vida",
"ODS4-Ninos_Fuera_Escuela", "ODS10-Indice_Gini", "GDP")
# Reemplazar los nombres largos en el subconjunto de datos
names(datos_corr) <- nombres_cortos
cat("Variables seleccionadas para la correlación:\n")
## Variables seleccionadas para la correlación:
print(names(datos_corr))
## [1] "ODS2-Desnutricion" "ODS1-Pobreza_Extrema"
## [3] "ODS3-Esperanza_Vida" "ODS4-Ninos_Fuera_Escuela"
## [5] "ODS10-Indice_Gini" "GDP"
# 4.1.4. Cálculo de la Matriz de Correlaciones
# Usamos la función cor() de R base.
# use="pairwise.complete.obs" maneja los NAs usando todos los pares de observaciones disponibles
# (es decir, calcula la correlación solo para las filas que tienen datos en ambos indicadores).
matriz_correlacion <- cor(datos_corr, use = "pairwise.complete.obs")
cat("\nMatriz de Correlaciones de Pearson:\n")
##
## Matriz de Correlaciones de Pearson:
print(matriz_correlacion)
## ODS2-Desnutricion ODS1-Pobreza_Extrema
## ODS2-Desnutricion 1.0000000 0.6830318
## ODS1-Pobreza_Extrema 0.6830318 1.0000000
## ODS3-Esperanza_Vida -0.5736113 -0.7651884
## ODS4-Ninos_Fuera_Escuela 0.4217590 0.6868922
## ODS10-Indice_Gini 0.1950710 0.3426187
## GDP -0.1727694 -0.1180153
## ODS3-Esperanza_Vida ODS4-Ninos_Fuera_Escuela
## ODS2-Desnutricion -0.5736113 0.4217590
## ODS1-Pobreza_Extrema -0.7651884 0.6868922
## ODS3-Esperanza_Vida 1.0000000 -0.6612297
## ODS4-Ninos_Fuera_Escuela -0.6612297 1.0000000
## ODS10-Indice_Gini -0.3529437 0.2043328
## GDP 0.2021001 -0.1219929
## ODS10-Indice_Gini GDP
## ODS2-Desnutricion 0.1950710 -0.1727694
## ODS1-Pobreza_Extrema 0.3426187 -0.1180153
## ODS3-Esperanza_Vida -0.3529437 0.2021001
## ODS4-Ninos_Fuera_Escuela 0.2043328 -0.1219929
## ODS10-Indice_Gini 1.0000000 0.0121306
## GDP 0.0121306 1.0000000
# 4.1.5. Interpretación de la Matriz (Resumen de Resultados)
cat("\nINTERPRETACIÓN DE LA MATRIZ DE CORRELACIÓN:\n")
##
## INTERPRETACIÓN DE LA MATRIZ DE CORRELACIÓN:
cat("La matriz nos muestra que la variable desnutricion, se relaciona mas fuertemente con la variable de pobreza extrema ya que a menos desnutricion menos pobreza i al contrario, lo que es logico, pero la pobreza extrema se relacion fuertemente a su vez con la variable de escolarizacion, esto nos indica que entre menos pobresa menos desescolarizacion de niños\nLa variable de esperanza de vida tiene una relacion negativa o inversa con la pobreza extrema, ya que a menos pobreza mayor esperanza de vida\nEn cuanto a GDP o producto interno, las relaciones debiles nos dan a entender que la economica o su tamaño mejor dicho, no son el unico, ni mucho menos el principal elemnto que influye en la calidad de vida del este dataset")
## La matriz nos muestra que la variable desnutricion, se relaciona mas fuertemente con la variable de pobreza extrema ya que a menos desnutricion menos pobreza i al contrario, lo que es logico, pero la pobreza extrema se relacion fuertemente a su vez con la variable de escolarizacion, esto nos indica que entre menos pobresa menos desescolarizacion de niños
## La variable de esperanza de vida tiene una relacion negativa o inversa con la pobreza extrema, ya que a menos pobreza mayor esperanza de vida
## En cuanto a GDP o producto interno, las relaciones debiles nos dan a entender que la economica o su tamaño mejor dicho, no son el unico, ni mucho menos el principal elemnto que influye en la calidad de vida del este dataset
cat("\n4.2 ANÁLISIS DE CORRELACIONES CON ESPERANZA DE VIDA\n")
##
## 4.2 ANÁLISIS DE CORRELACIONES CON ESPERANZA DE VIDA
# 4.2.1. Definimos la variable a usar
var_interes <- "ODS3-Esperanza_Vida"
# 4.2.2. Extraemos la columna de correlaciones para 'ODS3-Esperanza_Vida' de la matriz
# Usamos corchetes para seleccionar la fila o columna correspondiente.
correlaciones_vida <- matriz_correlacion[ , var_interes]
# 4.2.3. Eliminamos la correlación consigo misma ya que siempre da 1
# Usamos un vector lógico para excluir el elemento, recordar que la negacion de la igualdad es !=.
correlaciones_vida <- correlaciones_vida[names(correlaciones_vida) != var_interes]
# 4.2.4. Ordenamos las correlaciones de mayor a menor valor absoluto usando valores abs() para tomar el valor ignorando el signo de la correlacion.
# Luego usamos order() para obtener los índices, y finalemnte vamos a reordenar los datos.
orden_abs <- order(abs(correlaciones_vida), decreasing = TRUE)
correlaciones_ordenadas <- correlaciones_vida[orden_abs]
# 4.2.5. Convertimos a un data frame para poder tener una visualización mas clara y logica
tabla_correlaciones <- data.frame(
Variable = names(correlaciones_ordenadas),
Correlacion = as.numeric(correlaciones_ordenadas)
)
cat("\nTabla de Variables ordenadas por correlación con la ODS-3Esperanza de Vida:\n")
##
## Tabla de Variables ordenadas por correlación con la ODS-3Esperanza de Vida:
# 4.2.6. Mostrar la tabla
print(tabla_correlaciones)
## Variable Correlacion
## 1 ODS1-Pobreza_Extrema -0.7651884
## 2 ODS4-Ninos_Fuera_Escuela -0.6612297
## 3 ODS2-Desnutricion -0.5736113
## 4 ODS10-Indice_Gini -0.3529437
## 5 GDP 0.2021001
# 4.2.7. Interpretación
cat("\nINTERPRETACIÓN:\n")
##
## INTERPRETACIÓN:
cat("La tabla muestra que la esperana de vida esta inversamente relacionada con las variables analizadas, muy interesante que la variable inversamente relacionada con mas fuerza es la pobreza extrema, seguida de la escolarizaciond e niños. Por otro lado es relevante que la variable con menos correlacion es la GBP o producto interno bruto, esto nos indica que un pais, pese a tener una gran volumen economico, este no efecta directamente a la longevidad de su poblacion; el indice GINI en este caso es perceptible lo uqe nos indica que la forma en la que se distribuye la riqueza o recursos importa y afecta de algun modo a la esperanza de vida de la poblacion.")
## La tabla muestra que la esperana de vida esta inversamente relacionada con las variables analizadas, muy interesante que la variable inversamente relacionada con mas fuerza es la pobreza extrema, seguida de la escolarizaciond e niños. Por otro lado es relevante que la variable con menos correlacion es la GBP o producto interno bruto, esto nos indica que un pais, pese a tener una gran volumen economico, este no efecta directamente a la longevidad de su poblacion; el indice GINI en este caso es perceptible lo uqe nos indica que la forma en la que se distribuye la riqueza o recursos importa y afecta de algun modo a la esperanza de vida de la poblacion.
# Cargar la librería VIM para la imputación knn
# El paquete VIM en R se usa para visualizar y tratar datos faltantes y su traduccion es Visualization and Imputation of Missing values, kNN(): imputación basada en vecinos más cercanos
library(VIM)
cat("\n5. IMPUTACIÓN DE VALORES PERDIDOS EN ESPERANZA DE VIDA\n")
##
## 5. IMPUTACIÓN DE VALORES PERDIDOS EN ESPERANZA DE VIDA
# Definimos la Variables, no olvidar copiar los nombres originales y pegarlo ya que son muy largos
var_esperanza <- "Life.expectancy.at.birth..total..years....SP.DYN.LE00.IN"
var_year <- "Year"
cat("\n5.1 Revisamos los valores vacios por año en la variable esperanza de vida\n")
##
## 5.1 Revisamos los valores vacios por año en la variable esperanza de vida
# Contar valores flotantes por año
na_esperanza <- is.na(datos[[var_esperanza]])
# Agrupamos la suma de valores vacios por año, aqui buscamos ayuda en tutoriales y el codigo lo afinamos con ia de Brave.
na_por_año <- aggregate(na_esperanza, by = list(datos[[var_year]]), FUN = sum)
names(na_por_año) <- c("Year", "NA_Count")
cat("Conteo de vacios por año:\n")
## Conteo de vacios por año:
print(na_por_año)
## Year NA_Count
## 1 2000 173
## 2 2001 2
## 3 2002 0
## 4 2003 1
## 5 2004 1
## 6 2005 1
## 7 2006 1
## 8 2007 1
## 9 2008 1
## 10 2009 1
## 11 2010 1
## 12 2011 1
## 13 2012 1
## 14 2013 1
## 15 2014 1
## 16 2015 1
## 17 2016 1
## 18 2017 1
## 19 2018 1
# asiganmos valores del 2001 a los vacios del 2000
cat("\n5.2 IMPUTACIÓN AÑO 2000: Usando el valor del año 2001\n")
##
## 5.2 IMPUTACIÓN AÑO 2000: Usando el valor del año 2001
# a) Identificar el valor de Esperanza de Vida en 2001 (para cada país)
# Buscamos filas donde el AÑO es 2001 y la ESPERANZA DE VIDA NO esta vacio.
filtro_2001 <- datos[[var_year]] == 2001 & !is.na(datos[[var_esperanza]])
datos_2001 <- datos[filtro_2001, c("Country", var_esperanza)]
# b) Identificar las filas que necesitan imputación en 2000
filtro_2000_na <- datos[[var_year]] == 2000 & is.na(datos[[var_esperanza]])
filas_2000_na <- which(filtro_2000_na)
# c) Realizar la imputación usando un bucle siguiendo los ejemplos anteriores
for (i in filas_2000_na) {
country_name <- datos[i, "Country"]
# Buscar el valor de 2001 para ese país específico
valor_2001 <- datos_2001[datos_2001$Country == country_name, var_esperanza]
# Si se encuentra el valor de 2001
if (length(valor_2001) == 1) {
datos[i, var_esperanza] <- valor_2001
}
}
cat("Número de valroes vacios imputados en 2000 usando de referencia los valores del 2001", sum(datos[filtro_2000_na, var_esperanza] != 0, na.rm = TRUE), "\n")
## Número de valroes vacios imputados en 2000 usando de referencia los valores del 2001 171
# 5.3 IMPUTACIÓN k-NN para el Resto de Años (Media de Vecinos Cercanos)
cat("\n5.3 IMPUTACIÓN k-NN: Usando 5 variables más correlacionadas\n")
##
## 5.3 IMPUTACIÓN k-NN: Usando 5 variables más correlacionadas
variables_kNN <- c(variables_pobreza_gdp)
# Creamos un subconjunto con las variables relevantes para la imputación k-NN aprovechando la variable de variables_pobreza_gdp que generamos en el paso anterior
datos_imput_kNN <- datos[ , variables_kNN]
# Aplicamos kNN. La función imputa la columna que contiene NAs en la variable var_esperanza
# usando las otras variables como 'vecinos'.
datos_imputados_VIM <- kNN(
datos_imput_kNN,
variable = var_esperanza,
k = 5
)
## Prevalence.of.undernourishment.......SN_ITK_DEFC
## 2.500000e+00
## Proportion.of.population.below.international.poverty.line.......SI_POV_DAY1
## 0.000000e+00
## Children.out.of.school....of.primary.school.age....SE.PRM.UNER.ZS
## 0.000000e+00
## Gini.index..World.Bank.estimate....SI.POV.GINI
## 2.370000e+01
## GDP..current.US.....NY.GDP.MKTP.CD
## 1.811170e+08
## Prevalence.of.undernourishment.......SN_ITK_DEFC
## 6.750000e+01
## Proportion.of.population.below.international.poverty.line.......SI_POV_DAY1
## 9.430000e+01
## Children.out.of.school....of.primary.school.age....SE.PRM.UNER.ZS
## 7.310457e+01
## Gini.index..World.Bank.estimate....SI.POV.GINI
## 6.480000e+01
## GDP..current.US.....NY.GDP.MKTP.CD
## 2.061190e+13
# 5.4. Actualización del Data Frame Original
# La función kNN de VIM añade columnas de 'imputación'. Solo necesitamos la columna imputada.
# Actualizamos la columna de Esperanza de Vida en el data frame original con los resultados imputados.
datos[[var_esperanza]] <- datos_imputados_VIM[[var_esperanza]]
cat("\nResumen Post-Imputación (Esperanza de Vida):\n")
##
## Resumen Post-Imputación (Esperanza de Vida):
cat("Total de NAs iniciales:", num_na_co2, "\n")
## Total de NAs iniciales: 2
cat("Total de NAs restantes:", sum(is.na(datos[[var_esperanza]])), "\n")
## Total de NAs restantes: 0
cat("Resumen estadístico de la variable imputada:\n")
## Resumen estadístico de la variable imputada:
print(summary(datos[[var_esperanza]]))
## Min. 1st Qu. Median Mean 3rd Qu. Max.
## 40.37 64.97 72.41 70.01 76.48 84.93
## CORRECCIÓN CRÍTICA DE TIPO DE DATO PARA LA SECCIÓN 6
cat("\ncorreccion del tipo de dato para la variable de pobreza extrema\n")
##
## correccion del tipo de dato para la variable de pobreza extrema
var_pobreza <- "Proportion.of.population.below.international.poverty.line.......SI_POV_DAY1"
# si no es numero que indique na
datos[[var_pobreza]] <- as.numeric(datos[[var_pobreza]])
cat("Tipo de dato de Pobreza Extrema después de la coerción:", class(datos[[var_pobreza]]), "\n")
## Tipo de dato de Pobreza Extrema después de la coerción: numeric
cat("Nuevos valores de tipo na generados:", sum(is.na(datos[[var_pobreza]])) - sum(is.na(datos[[var_pobreza]])), "\n")
## Nuevos valores de tipo na generados: 0
cat("\n6. TABLAS RESUMEN DE TENDENCIA CENTRAL Y DISPERSIÓN POR REGIÓN\n")
##
## 6. TABLAS RESUMEN DE TENDENCIA CENTRAL Y DISPERSIÓN POR REGIÓN
# 6.1. Definición de Variables y Funciones
variables_analisis <- c(
"Proportion.of.population.below.international.poverty.line.......SI_POV_DAY1",
"Gini.index..World.Bank.estimate....SI.POV.GINI",
"Life.expectancy.at.birth..total..years....SP.DYN.LE00.IN"
)
nombres_tabla <- c("Pobreza_Extrema", "Indice_Gini", "Esperanza_Vida")
# Funciones de resumen
calcular_media <- function(x) { mean(x, na.rm = TRUE) }
calcular_mediana <- function(x) { median(x, na.rm = TRUE) }
calcular_sd <- function(x) { sd(x, na.rm = TRUE) }
calcular_mad <- function(x) { mad(x, na.rm = TRUE) }
# 6.2. Filtrado del ultimo año, ordenandolo de forma decreciente
orden_datos <- order(datos$Country, datos$Year, decreasing = TRUE)
datos_ordenados <- datos[orden_datos, ]
datos_ultimo_pais <- datos_ordenados[!duplicated(datos_ordenados$Country), ]
# Aseguramos que datos_final se crea ANTES de usarse, dado a los errores en las versiones anteriores de codigo
datos_final <- subset(datos_ultimo_pais, !is.na(Region))
regiones_unicas <- sort(unique(datos_final$Region))
cat("\n6.3 Tabala de tendencia central por region\n") #esta version tiene corregidos los errores por dimension que nos saltaron en las versiones 16 y 18 del codigo
##
## 6.3 Tabala de tendencia central por region
funciones_central <- list(Media = calcular_media, Mediana = calcular_mediana)
# Calculo de la lista para los resultados
tabla_central_list <- lapply(variables_analisis, function(var) {
filtro_na_var <- !is.na(datos_final[[var]])
datos_filtrados <- as.numeric(datos_final[[var]][filtro_na_var])
region_filtrada <- datos_final$Region[filtro_na_var]
# 6.3.1. Ejecutamos tapply
resultados_tapply <- tapply(datos_filtrados, region_filtrada,
function(x) {
# Genera los dos resultados
res <- sapply(funciones_central, function(f) f(x))
return(res)
})
# 6.3.2. Convertir los resultados de la lista tapply a un data frame, con dos columnas
# Nombres para las columnas creadas
nombres_columnas <- names(funciones_central)
# estructura para las filas, rellenando los campos con na si no existen
df_resultados <- do.call(rbind, lapply(resultados_tapply, function(x) {
if (is.null(x)) {
# Para cuando una región esta sin datos
x <- rep(NA, length(nombres_columnas))
names(x) <- nombres_columnas
} else if (length(x) == 1) {
# por si se calcula solo una de las dos medidas
y <- rep(NA, length(nombres_columnas))
names(y) <- nombres_columnas
y[names(x)] <- x # ubciar el valor correcto en el sitio que corresponde
x <- y
}
# Aseguramos que el vector resultante es una fila con los nombres correctos
as.data.frame(t(x))
}))
# 3. Asignar nombres de fila como regiones, usando los nombres de las lista de resultados_tapply
rownames(df_resultados) <- names(resultados_tapply)
# Retornar la matriz
return(as.matrix(df_resultados))
})
names(tabla_central_list) <- variables_analisis
lista_dfs_central <- lapply(1:length(variables_analisis), function(i) {
nombre <- nombres_tabla[i]
matriz_temp <- tabla_central_list[[i]]
# Correccion apra matriz vacia o con valores flotantes
if (nrow(matriz_temp) == 0) {
return(NULL)
} else {
df_temp <- data.frame(Region = rownames(matriz_temp),
Matriz_Media = matriz_temp[, 1],
Matriz_Mediana = matriz_temp[, 2],
stringsAsFactors = FALSE)
names(df_temp)[2] <- paste0("Media_", nombre)
names(df_temp)[3] <- paste0("Mediana_", nombre)
return(df_temp)
}
})
# Iniciamos la tabla base con las regiones unicas
tabla_central <- data.frame(Region = regiones_unicas, stringsAsFactors = FALSE)
# Eliminamos cualquier elemento vacion o NULL de la lista
lista_dfs_central <- lista_dfs_central[!sapply(lista_dfs_central, is.null)]
# Fusionamos la tabla base con la lista de resultados usando Reduce y merge
if (length(lista_dfs_central) > 0) {
tabla_central <- Reduce(function(x, y) merge(x, y, by = "Region", all.x = TRUE),
lista_dfs_central,
init = tabla_central)
}
tabla_central <- tabla_central[order(tabla_central$Region), ]
cat("\nTabla de Tendencia Central:\n")
##
## Tabla de Tendencia Central:
print(tabla_central)
## Region Media_Pobreza_Extrema
## 1 Central and Southern Asia 1.3750000
## 2 Eastern and South-Eastern Asia 3.1000000
## 3 Europe and Northern America 0.4483871
## 4 Latin America and Caribbean 3.2071429
## 5 Northern Africa and Western Asia 1.1800000
## 6 Oceania NA
## 7 Sub-Saharan Africa 33.1250000
## Mediana_Pobreza_Extrema Media_Indice_Gini Mediana_Indice_Gini
## 1 0.55 32.27500 29.7
## 2 2.25 37.28333 37.1
## 3 0.20 31.00323 30.2
## 4 1.70 45.39286 45.4
## 5 0.00 34.28000 34.4
## 6 NA NA NA
## 7 41.05 38.55000 35.4
## Media_Esperanza_Vida Mediana_Esperanza_Vida
## 1 72.47567 71.51650
## 2 75.41964 75.51950
## 3 79.14412 80.89268
## 4 74.21138 74.74400
## 5 76.02221 76.45300
## 6 74.31789 71.81800
## 7 62.58853 62.97300