Si.ponen.cuarentena.obligatoria.\n .yo.no.saldré.para.nada.de.mi.casa.

En promedio, la gente está ligeramente de acuerdo con la afirmación (media: 3.2). La respuesta más frecuente es totalmente de acuerdo.

ggplot(df, aes(Si.ponen.cuarentena.obligatoria..yo.no.saldré.para.nada.de.mi.casa.)) + geom_histogram()  

## `stat_bin()` using `bins = 30`. Pick better value with `binwidth`.

Sin embargo, a medida que pasa el tiempo, el acuerdo va decayendo significativamente

ggplot(df, aes(Timestamp,
               Si.ponen.cuarentena.obligatoria..yo.no.saldré.para.nada.de.mi.casa.)) +
  geom_point(size = 6, alpha = 0.3) +
  geom_jitter(size = 6, alpha = 0.3) +
  geom_smooth(method = lm) +
  ylim(1,4) 

FALSE Warning: Removed 69 rows containing missing values (geom_point).

m1 = lm(Si.ponen.cuarentena.obligatoria..yo.no.saldré.para.nada.de.mi.casa. ~ Timestamp, df)
summary(m1)

FALSE 
FALSE Call:
FALSE lm(formula = Si.ponen.cuarentena.obligatoria..yo.no.saldré.para.nada.de.mi.casa. ~ 
FALSE     Timestamp, data = df)
FALSE 
FALSE Residuals:
FALSE      Min       1Q   Median       3Q      Max 
FALSE -2.30202 -0.38624 -0.06421  0.70293  1.01506 
FALSE 
FALSE Coefficients:
FALSE               Estimate Std. Error t value Pr(>|t|)   
FALSE (Intercept) 367.252334 134.764369   2.725  0.00682 **
FALSE Timestamp    -0.019818   0.007336  -2.701  0.00731 **
FALSE ---
FALSE Signif. codes:  0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
FALSE 
FALSE Residual standard error: 0.8914 on 290 degrees of freedom
FALSE Multiple R-squared:  0.02455, Adjusted R-squared:  0.02118 
FALSE F-statistic: 7.297 on 1 and 290 DF,  p-value: 0.007313

Esto no pasa con la percepción de riesgo, que se mantiene estable

Nadie.de.mi.familia.va.a.tener.complicaciones.graves.con.este.virus.

ggplot(df, aes(Timestamp,
               Nadie.de.mi.familia.va.a.tener.complicaciones.graves.con.este.virus.)) +
  geom_point(size = 6, alpha = 0.3) +
  geom_jitter(size = 6, alpha = 0.3) +
  geom_smooth(method = lm) +
  ylim(1,4) 

FALSE Warning: Removed 59 rows containing missing values (geom_point).

m1 = lm(Nadie.de.mi.familia.va.a.tener.complicaciones.graves.con.este.virus. ~ Timestamp, df)
summary(m1)

FALSE 
FALSE Call:
FALSE lm(formula = Nadie.de.mi.familia.va.a.tener.complicaciones.graves.con.este.virus. ~ 
FALSE     Timestamp, data = df)
FALSE 
FALSE Residuals:
FALSE      Min       1Q   Median       3Q      Max 
FALSE -1.20922 -1.00991 -0.06685  0.84773  1.99958 
FALSE 
FALSE Coefficients:
FALSE               Estimate Std. Error t value Pr(>|t|)
FALSE (Intercept) -1.723e+02  1.361e+02  -1.265    0.207
FALSE Timestamp    9.491e-03  7.411e-03   1.281    0.201
FALSE 
FALSE Residual standard error: 0.9005 on 290 degrees of freedom
FALSE Multiple R-squared:  0.005624,    Adjusted R-squared:  0.002195 
FALSE F-statistic:  1.64 on 1 and 290 DF,  p-value: 0.2013

Me.siento.tranquilo.compartiendo.lugares.cerrados.con.gente.como..por.ejemplo..un.ascensor.

ggplot(df, aes(Timestamp,
               Me.siento.tranquilo.compartiendo.lugares.cerrados.con.gente.como..por.ejemplo..un.ascensor.)) +
  geom_point(size = 6, alpha = 0.3) +
  geom_jitter(size = 6, alpha = 0.3) +
  geom_smooth(method = lm) +
  ylim(1,4) 

FALSE Warning: Removed 98 rows containing missing values (geom_point).

m1 = lm(Me.siento.tranquilo.compartiendo.lugares.cerrados.con.gente.como..por.ejemplo..un.ascensor. ~ Timestamp, df)
summary(m1)

FALSE 
FALSE Call:
FALSE lm(formula = Me.siento.tranquilo.compartiendo.lugares.cerrados.con.gente.como..por.ejemplo..un.ascensor. ~ 
FALSE     Timestamp, data = df)
FALSE 
FALSE Residuals:
FALSE     Min      1Q  Median      3Q     Max 
FALSE -0.7077 -0.6285 -0.4701  0.4733  2.5299 
FALSE 
FALSE Coefficients:
FALSE               Estimate Std. Error t value Pr(>|t|)
FALSE (Intercept) -2.062e+02  1.261e+02  -1.636    0.103
FALSE Timestamp    1.131e-02  6.864e-03   1.648    0.100
FALSE 
FALSE Residual standard error: 0.8341 on 290 degrees of freedom
FALSE Multiple R-squared:  0.009279,    Adjusted R-squared:  0.005862 
FALSE F-statistic: 2.716 on 1 and 290 DF,  p-value: 0.1004

ergo, si bien no cambia nuestra percepción de riesgo, sí cambia nuestra disposición a tomar medidas. Se podría modelar esto directamente.