PAVIMENTANDO CON VOTOS (DATA)

Nombre: Marcia Antuanette León Eulogio

#abriendo el archivo desde la web
link="https://docs.google.com/spreadsheets/d/e/2PACX-1vSTBelfkGIyoSRTsXxdCdy9mw02MAq7OIt6MrVz61LqILIv8BreQnjrQ-QknDkSRIChwZ7tAWtq6RNo/pub?gid=2057947663&single=true&output=csv"
pavimentando=read.csv(link, stringsAsFactors = F)

VARIABLE CATEGÓRICA Prioridad técnica de un municipio en alguno de los planes (dicotómica, sí y no)

str(pavimentando$priorizado) #para ver el total de casos
##  num [1:1096] 0 1 0 0 0 0 0 0 1 0 ...
#sí se priorizó o no se priorizó, se convierte a factor
pavimentando$priorizado=factor(pavimentando$priorizado, labels = c("No", "Sí"))
str(pavimentando$priorizado)
##  Factor w/ 2 levels "No","Sí": 1 2 1 1 1 1 1 1 2 1 ...
#cuántos casos hay en los que el municipio ha sido considero como prioridad técnica en alguno de los planes
table(pavimentando$priorizado)
## 
##  No  Sí 
## 820 276
prop.table(table(pavimentando$priorizado))*100 #para hallarlo en porcentaje
## 
##       No       Sí 
## 74.81752 25.18248

Se puede decir que hubieron 276 municipios priorizados. Corresponden al 25% del total de distritos.

MECANISMOS CLIENTELARES. Municipios con alcaldes uribistas. Se elabora una variable dicotómica.

str(pavimentando$uribista) #para hallar el total de casos
##  num [1:1096] 0 1 1 1 1 1 1 1 1 NA ...
#no uribista, sí uribista, se convierte a factor
pavimentando$uribista=factor(pavimentando$uribista, labels = c("No", "Sí"))
str(pavimentando$uribista)
##  Factor w/ 2 levels "No","Sí": 1 2 2 2 2 2 2 2 2 NA ...
#tabla para identificar el total de casos en cada uno
table(pavimentando$uribista)
## 
##  No  Sí 
## 332 560
#tabla en porcentaje
prop.table(table(pavimentando$uribista))*100
## 
##       No       Sí 
## 37.21973 62.78027

El alcalde uribista ganó en 560 municipios, eso representa el 62.78%

Consejos Comunales- variable nominal dicotómica

#exploración de la variable
str(pavimentando$consejocomunal)
##  num [1:1096] 0 0 0 0 0 0 0 0 0 0 ...
#convertir en factor y cambiar de nombre
pavimentando$consejocomunal=factor(pavimentando$consejocomunal, labels = c("No", "Sí"))
str(pavimentando$consejocomunal)
##  Factor w/ 2 levels "No","Sí": 1 1 1 1 1 1 1 1 1 1 ...
#tabla y cantidad de casos
table(pavimentando$consejocomunal)
## 
##   No   Sí 
## 1036   60
#tabla con porcentaje
prop.table(table(pavimentando$consejocomunal))*100
## 
##        No        Sí 
## 94.525547  5.474453

60 municipios se han realizado en Consejos Comunales. Eso representa el 5.47%

CONSEJO COMUNAL CON EJECUCIÓN variable nominal dicotómica que identifica a los municipios en donde se ejecutaron los recursos como resultado de las promesas hechas en los Consejos Comunales

pavimentando$ejecucion=factor(pavimentando$ejecucion, labels = c("No", "Sí"))
str(pavimentando$ejecucion)
##  Factor w/ 2 levels "No","Sí": 1 1 1 1 1 1 1 1 1 1 ...
#tabla
table(pavimentando$ejecucion)
## 
##   No   Sí 
## 1055   41
#porcentaje por cada caso
prop.table(table(pavimentando$ejecucion))*100
## 
##        No        Sí 
## 96.259124  3.740876

32 municipios, que representan el 3.65%

VARIABLES NUMÉRICAS Asignación presupuestal, variable dependiente

str(pavimentando$apropiaciondolar)
##  num [1:1096] 102.17 4.19 1.59 0 0 ...
summary(pavimentando$apropiaciondolar)
##    Min. 1st Qu.  Median    Mean 3rd Qu.    Max. 
##   0.000   0.000   0.000   8.276   9.385 132.643
nrow(pavimentando[pavimentando$apropiaciondolar==0,])
## [1] 600

600 municipios no tuvieron recursos asignados

Mecanismos clientelistas

str(pavimentando$pctopo)
##  num [1:1096] 14.82 14.51 15.08 6.15 47.31 ...
summary(pavimentando$pctopo)
##    Min. 1st Qu.  Median    Mean 3rd Qu.    Max.    NA's 
##   0.000   5.922  20.308  27.874  45.711  99.419       7

Población total- Número de habitantes por cada cien mil

str(pavimentando$poblacioncienmil)
##  num [1:1096] 20.9155 0.2406 0.0398 0.0558 0.2723 ...
summary(pavimentando$poblacioncienmil)
##     Min.  1st Qu.   Median     Mean  3rd Qu.     Max. 
##  0.00158  0.07422  0.13999  0.40470  0.26256 69.26836

NBI- pobreza en cada municipio

str(pavimentando$nbi)
##  num [1:1096] 12.2 33.8 28.5 33.1 27.1 ...
summary(pavimentando$nbi)
##    Min. 1st Qu.  Median    Mean 3rd Qu.    Max.    NA's 
##    5.36   28.35   41.30   42.96   55.48   98.81      30
install.packages("papeR")
## Installing package into '/home/rstudio-user/R/x86_64-pc-linux-gnu-library/4.0'
## (as 'lib' is unspecified)
library("papeR")
## Loading required package: car
## Loading required package: carData
## Loading required package: xtable
## Registered S3 method overwritten by 'papeR':
##   method    from
##   Anova.lme car
## 
## Attaching package: 'papeR'
## The following object is masked from 'package:utils':
## 
##     toLatex

TABLAS

summarize(pavimentando, type = "numeric")
## Factors are dropped from the summary
summarize(pavimentando, type = "factor")
## Non-factors are dropped from the summary

REGRESIÓN

library("Hmisc")
## Loading required package: lattice
## Loading required package: survival
## Loading required package: Formula
## Loading required package: ggplot2
## 
## Attaching package: 'Hmisc'
## The following object is masked from 'package:papeR':
## 
##     summarize
## The following objects are masked from 'package:xtable':
## 
##     label, label<-
## The following objects are masked from 'package:base':
## 
##     format.pval, units
newVarLabels=c("Apropiacion Presupuestal (millones de US$)", "Votos Oposición (%)", "Alcalde coalición Uribista", "Prioridad Técnica","Consejo Comunal","Consejo Comunal con ejecucion d recursos", "Poblacion (100 000 habs.", "NBI")
names(pavimentando)
## [1] "poblacioncienmil" "nbi"              "consejocomunal"   "priorizado"      
## [5] "uribista"         "ejecucion"        "apropiaciondolar" "pctopo"
ModelRegr=lm(apropiaciondolar~.,data=pavimentando)
summary(ModelRegr)
## 
## Call:
## lm(formula = apropiaciondolar ~ ., data = pavimentando)
## 
## Residuals:
##     Min      1Q  Median      3Q     Max 
## -60.201  -8.207  -5.875   2.505  92.488 
## 
## Coefficients:
##                  Estimate Std. Error t value Pr(>|t|)    
## (Intercept)      14.13182    1.67651   8.429  < 2e-16 ***
## poblacioncienmil  1.83866    0.20024   9.182  < 2e-16 ***
## nbi              -0.09292    0.02941  -3.160  0.00163 ** 
## consejocomunalSí 14.05017    2.32452   6.044 2.23e-09 ***
## priorizadoSí     -2.21395    1.18715  -1.865  0.06253 .  
## uribistaSí       -2.57184    1.09188  -2.355  0.01872 *  
## ejecucionSí       2.95688    2.80758   1.053  0.29255    
## pctopo           -0.03096    0.02126  -1.456  0.14563    
## ---
## Signif. codes:  0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
## 
## Residual standard error: 15.38 on 868 degrees of freedom
##   (220 observations deleted due to missingness)
## Multiple R-squared:  0.1751, Adjusted R-squared:  0.1684 
## F-statistic: 26.32 on 7 and 868 DF,  p-value: < 2.2e-16