Taller 4

#Taller 4

library(readxl)
Nombramientos <- read_excel("~/Downloads/Nombramientos_DA_2025_e.xlsx")
View(Nombramientos)

library(tidyverse)

## ── Attaching core tidyverse packages ──────────────────────── tidyverse 2.0.0 ──
## ✔ dplyr     1.2.0     ✔ readr     2.2.0
## ✔ forcats   1.0.1     ✔ stringr   1.6.0
## ✔ ggplot2   4.0.2     ✔ tibble    3.3.1
## ✔ lubridate 1.9.5     ✔ tidyr     1.3.2
## ✔ purrr     1.2.1     
## ── Conflicts ────────────────────────────────────────── tidyverse_conflicts() ──
## ✖ dplyr::filter() masks stats::filter()
## ✖ dplyr::lag()    masks stats::lag()
## ℹ Use the conflicted package (<http://conflicted.r-lib.org/>) to force all conflicts to become errors

library(summarytools)

## 
## Attaching package: 'summarytools'
## 
## The following object is masked from 'package:tibble':
## 
##     view

library(ggplot2)

View(dfSummary(Nombramientos))

Nuestras variables serán:

.- Los cambios de gobierno, como nuestra variable independiente. .- El nombramiento o desvinculamiento de funcionarios de la Alta Dirección Publica, exclusivamente de Nivel.

Para analizar nuestras variables, separamos los nombrados y los desvinculados

#Funcionarios Nombrados vigentes.

base_nombrados<- filter(Nombramientos, Nivel == 1, SubestadoConcurso == "Nombrado")

base_desvinculados<- filter(Nombramientos, Nivel ==  1, SubestadoConcurso == "Desvinculado")

View(dfSummary(base_nombrados))

descr(base_nombrados$AñoNombramiento)

## Descriptive Statistics  
## base_nombrados$AñoNombramiento  
## N: 407  
## 
##                     AñoNombramiento
## ----------------- -----------------
##              Mean           2020.73
##           Std.Dev              4.01
##               Min           2009.00
##                Q1           2019.00
##            Median           2022.00
##                Q3           2023.00
##               Max           2025.00
##               MAD              2.97
##               IQR              4.00
##                CV              0.00
##          Skewness             -1.21
##       SE.Skewness              0.12
##          Kurtosis              0.61
##           N.Valid            407.00
##                 N            407.00
##         Pct.Valid            100.00

En la ADP, los funcionarios nombrados que siguen vigentes son 407, los cuales, en promedio, fueron nombrados el año 2020, el 50% de ellos fueron nombrados a partir del año 2022.

grafico_nombrados<- ggplot(base_nombrados, aes(x = AñoNombramiento, Y = SubestadoConcurso)) + geom_bar(color = "purple", fill = "violet") + labs(title = "Nombrados", x = "Año", y = "Nombramientos por Año" )

print(grafico_nombrados)

class(base_nombrados$FechaNombramiento)

## [1] "POSIXct" "POSIXt"

base_nombrados$periodo<- cut(base_nombrados$FechaNombramiento, breaks = as.POSIXct(c("2006-03-11", "2010-03-11", "2014-03-11", "2018-03-11", "2022-03-11", "2026-03-11")), labels = c("B1", "P1", "B2", "P2","BO"), include.lowest = TRUE)

grafico_nombrados_por_perido<- ggplot(base_nombrados, aes(x = periodo, Y = SubestadoConcurso)) + geom_bar(color = "purple", fill = "violet") + labs(title = "Funcionarios nombrados por gobierno", x = "Gobierno", y = "Nombrados" )

print(grafico_nombrados_por_perido)

##Funcionarios desvinculados.

view(dfSummary(base_desvinculados))

## Switching method to 'browser'

## Output file written: /var/folders/_k/m4gp5p9n1l3db9gtg6rjqn840000gn/T//RtmpkeymAa/filef7ff6509ca05.html

descr(base_desvinculados$AñoNombramiento)

## Descriptive Statistics  
## base_desvinculados$AñoNombramiento  
## N: 602  
## 
##                     AñoNombramiento
## ----------------- -----------------
##              Mean           2014.06
##           Std.Dev              4.68
##               Min           2004.00
##                Q1           2010.00
##            Median           2014.00
##                Q3           2018.00
##               Max           2023.00
##               MAD              5.93
##               IQR              8.00
##                CV              0.00
##          Skewness             -0.10
##       SE.Skewness              0.10
##          Kurtosis             -1.00
##           N.Valid            602.00
##                 N            602.00
##         Pct.Valid            100.00

En el caso de los funcionarios desvinculados, podemos observar que el

grafico_desvinculados<- ggplot(base_desvinculados, aes(x = AñoNombramiento, Y = SubestadoConcurso)) + geom_bar(color = "navy", fill = "skyblue") + labs(title = "Desvinculamientos por año", x = "Año", y = "Desvinculados" )

print(grafico_desvinculados)

class(base_desvinculados$FechaNombramiento)

## [1] "POSIXct" "POSIXt"

base_desvinculados$periodo<- cut(base_desvinculados$FechaNombramiento, breaks = as.POSIXct(c("2006-03-11", "2010-03-11", "2014-03-11", "2018-03-11", "2022-03-11", "2026-03-11")), labels = c("B1", "P1", "B2", "P2","BO"), include.lowest = TRUE)

grafico_desvinculados_por_perido<- ggplot(base_desvinculados, aes(x = periodo, Y = SubestadoConcurso)) + geom_bar(color = "navy", fill = "skyblue") + labs(title = "Funcionarios desvinculados por Gobierno", x = "Gobierno", y = "Funcionarios desvinculados" )

print(grafico_desvinculados_por_perido)