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$priorizado)##
## No Sí
## 820 276prop.table(table(pavimentando$priorizado))*100 #para hallarlo en porcentaje##
## No Sí
## 74.81752 25.18248Se 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 62.78027El 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 5.47445360 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$ejecucion))*100##
## No Sí
## 96.259124 3.74087632 municipios, que representan el 3.65%
VARIABLES NUMÉRICAS Asignación presupuestal, variable dependiente
str(pavimentando$apropiaciondolar)## num [1:1096] 102.17 4.19 1.59 0 0 ...summary(pavimentando$apropiaciondolar)## Min. 1st Qu. Median Mean 3rd Qu. Max.
## 0.000 0.000 0.000 8.276 9.385 132.643nrow(pavimentando[pavimentando$apropiaciondolar==0,])## [1] 600600 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 7Población 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 69.26836NBI- 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 30install.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':
##
## toLatexTABLAS
summarize(pavimentando, type = "numeric")## Factors are dropped from the summarysummarize(pavimentando, type = "factor")## Non-factors are dropped from the summaryREGRESIÓN
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, unitsnewVarLabels=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# solo para pdf
library(stargazer)##
## Please cite as:## Hlavac, Marek (2018). stargazer: Well-Formatted Regression and Summary Statistics Tables.## R package version 5.2.2. https://CRAN.R-project.org/package=stargazerstargazer(ModelRegr, title = "Resultados de la regresión lineal", dep.var.labels=c("Apropiación presupuestal"),
covariate.labels=c("Población (100.000 habitantes)","Necesidades básicas insatisfechas","Consejo Comunal con Ejecución","Prioridad técnica","Alcaldes coalición uribista","Consejo Comunal con ejecución", "Porcentaje Votos oposición"))