Como mentir con estadísticas: gráficos y uso mañoso de ejes secundarios
Recientemente, la diputada Camila Vallejos propuso disminuir la jornada laboral. Apoyó su proyecto de ley con el gráfico que expuso en su twitter
El gráfico que presenta sugiere una relación entre la productividad y las horas trabajadas. Aun cuando es conocido el hecho que correlación no establece causalidad, en este caso más que correlación lo que hay es un ajuste de las escalas de los ejes para sugerir visualmente una correlación.
Bueno, revisé la web citada por la diputada, pero no pude encontrar los datos del gráfico.
Afortunadamente, hay un paquete en R que permite extraer los datos de la imagen del gráfico, así que allá vamos.
Se puede desmontar el gráfico mediante el paquete WebPlotDigitizer
Paquetes
# install.packages("devtools")
# devtools::install_github("ankitrohatgi/digitizeR")
library('digitizeR')
library("tidyverse")Extracción de datos del gráfico
Abro localmente una instancia del visualizador
app <- wpd.launch()Cierro
wpd.close(app)Extraigo y limpio los dos valores negativos datos de productividad
productividad <- read_csv("productividad.csv")Parsed with column specification:
cols(
anno = col_integer(),
productividad = col_double()
)summary(productividad) anno productividad
Min. :1955 Min. : 4.435
1st Qu.:1972 1st Qu.: 7.639
Median :1986 Median : 8.592
Mean :1986 Mean :10.209
3rd Qu.:2001 3rd Qu.:13.297
Max. :2015 Max. :18.767 productividad$anno <- as.factor(productividad$anno)plot(productividad)
Repito para horas trabajadas
app <- wpd.launch()Cierro
wpd.close(app)horas <- read_csv("horas.csv")Parsed with column specification:
cols(
anno = col_integer(),
hrs = col_double()
)Cambio año a factor
summary(horas) anno hrs
Min. :1955 Min. :1991
1st Qu.:1970 1st Qu.:2204
Median :1985 Median :2237
Mean :1985 Mean :2241
3rd Qu.:1999 3rd Qu.:2277
Max. :2015 Max. :2500 horas$anno <- as.factor(horas$anno)plot(horas)
Ahora junto
prod_hrs <- left_join(productividad, horas, by = "anno")joining factors with different levels, coercing to character vectorrm(productividad, horas)prod_hrsLimpieza de datos
Por alguna razón hay datos duplicados, limpio
duplicated(prod_hrs$anno) [1] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
[10] TRUE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
[19] TRUE FALSE FALSE FALSE FALSE FALSE TRUE FALSE FALSE
[28] FALSE FALSE FALSE FALSE TRUE FALSE FALSE FALSE TRUE
[37] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
[46] FALSE FALSE TRUE FALSE FALSE FALSE FALSE FALSE FALSE
[55] FALSE TRUE FALSE FALSE FALSE FALSE FALSE TRUE FALSE
[64] FALSE TRUE FALSE FALSE FALSE TRUEElimino duplicados
prod_hrs <- prod_hrs[!duplicated(prod_hrs$anno), ]Ahora veo en tabla, no debería quedar ningún duplicado
table(prod_hrs$anno)
1955 1956 1957 1958 1959 1960 1961 1962 1963 1964 1965
1 1 1 1 1 1 1 1 1 1 1
1967 1968 1969 1970 1971 1972 1973 1974 1975 1976 1977
1 1 1 1 1 1 1 1 1 1 1
1978 1979 1980 1981 1982 1983 1984 1985 1986 1987 1988
1 1 1 1 1 1 1 1 1 1 1
1989 1990 1991 1992 1993 1994 1995 1996 1997 1998 1999
1 1 1 1 1 1 1 1 1 1 1
2000 2001 2002 2003 2004 2005 2006 2007 2008 2009 2010
1 1 1 1 1 1 1 1 1 1 1
2011 2012 2013 2015
1 1 1 1 Ahora si! :) Grafico uno y otro por separado
plot(prod_hrs$anno, prod_hrs$productividad, type="o", col="blue")
plot(prod_hrs$anno, prod_hrs$hrs, type="o", col="red")
So far, so good. Ahora corrijo los ejes
plot(prod_hrs$anno, prod_hrs$productividad,
ylim = c(0,20), ylab = "Productividad", xlab = "Año" , type="o", col="blue")
plot(prod_hrs$anno, prod_hrs$hrs,
ylim = c(0,2500), ylab = "Horas trabajadas", xlab = "Año", type="o", col="red")
Excelente Smithers.
Ahora todo junto
par(mar=c(5,4,4,5)+.1)
plot(prod_hrs$anno, prod_hrs$productividad,
type = "l",col = "blue", ylab = "Productividad", xlab = "Año")
par(new=TRUE)plot(prod_hrs$anno,prod_hrs$hrs,,type="l",col="red",xaxt="n",yaxt="n",xlab="",ylab="")
axis(4)mtext("Horas",side=4,line=3)
Muy bien, es el mismo gráfico de la diputada. Veamos…
Comparación de gráficos
Ahora vamos a corregir los ejes, porque un truco usual es ocultar el cero. En este caso vamos a fijar ambos ejes a cero.
par(mar=c(5,4,4,5)+.1)
plot(prod_hrs$anno, prod_hrs$productividad,
type = "l",col = "blue", ylab = "Productividad", xlab = "Año", ylim = c(0,20))
par(new=TRUE)plot(prod_hrs$anno,prod_hrs$hrs,,type="l",col="red",xaxt="n",yaxt="n",xlab="",ylab="", ylim = c(0,2500))
axis(4)mtext("Horas",side=4,line=3)
abline(h=NULL, v=2000)legend(1955, 2000, legend=c("Productividad", "Hrs trabajadas"),
col=c("blue", "red"), lty=1:1, cex=0.8)
text(2008, 500, "Reforma Jornada Laboral", cex = 0.6)text(2008, 400, "48 a 45 hrs", cex = 0.6)
Parece que el efecto ha sido marginal. De hecho la productividad ha aumentado de manera casi continua desde mediados de los 80. Tendrá algo que ver con la automatización de procesos, incorporación de máquinas al trabajo, disponibilidad de mayor y mejor potencia de procesamiento en los computadores, aumento de la población femenina en el trabajo y tantos cientos de otras variables?
Para la diputada Vallejos esto se explica el aumento de la productividad se explica por la disminución de horas trabajadas. Desafortunadamente ni siquiera los mismos datos que provee apoyan su afirmación.
Así que el marcador final queda así Datos 1: Diputada 0.
Quizás una interpretación más apropiada sería: “saben, podemos disminuir la jornada laboral, porque la productividad vienen aumentando en los últimos 30 años, incluso cuando disminuimos la jornada laboral”.
Sin embargo el mayor problema es que este aumento de productividad parece estar explicado, no solo en Chile sino en todo el mundo, por el incremento de la automatización, inteligencia artificial y robots. Hay algunos empleos que tienen los días contados, como los cajeros de supermercados. Ya hay supermercados donde uno mismo marca y paga la leche extraída por un robot de una vaca que vive en una granja automatizada. Todo esto con tarjeta de crédito, en una transacción operada por algoritmos y computadores.
¿Qué pasa con la gente cuando las máquinas ocupan su trabajo? Pues que los trabajadores de baja especialización se mueven a otra área de baja especialización.
¿Cómo se soluciona esto? Pues entregando las competencias necesarias para el futuro: codigo, algoritmos, ciencia, en el fondo las competencias básicas para que un ciudadano pueda desenvolverse en un mundo con cada vez más información, y donde pueda interpretar, o crear, correctamente un gráfico.
Para el que se está preguntando como se haría esto con ggplot, pues no se puede. O sea, si se puede, pero mejor no. Ver http://stackoverflow.com/a/3101876/4930967
