Análise Bivariada entre 2 Variáveis Qualitativas

Resolução dos exercícios de fixação

Resoluções

Exercício 1. Veja arquivo “Análise–Bi-quali—Gabarito_Q1.pdf” em anexo.

Exercício 2. Abaixo.

Passos prévios

# Importando e visualizando a base de dados

Q2COD <- readxl::read_excel("Exercício 2 cod.xlsx") # este passo só funciona se o arquivo estiver eu seu diretório de trabalho
Q2COD # visualizando

# Destacando as variáveis para decodificação
 
X <- Q2COD$Região
Y <- Q2COD$Consumo

# Decodificação

X1 <- replace(X,
              X == 1,
              "Continental")
X2 <- replace(X1,
              X1 == 2,
              "Costeira")
Região = X2

Y1 <- replace(Y,
              Y == 1,
              "Não")
Y2 <- replace(Y1,
              Y1 == 2,
              "Sim")
Consumo = Y2

# Nova visualização da base

Q2DECOD <- data.frame(Região,Consumo)
Q2DECOD

Resultados

Primeiro objetivo

# Tabela de contingência com total por linhas
 
Tabela1 <- table(Região, Consumo) # Criando a tabela-base...
Tabela1 # Visualizando...

##              Consumo
## Região        Não Sim
##   Continental 573 580
##   Costeira    369 774

Tabela1a <- addmargins(table(Região, Consumo)) # Adicionando os totais...
Tabela1a # Visualizando...

##              Consumo
## Região         Não  Sim  Sum
##   Continental  573  580 1153
##   Costeira     369  774 1143
##   Sum          942 1354 2296

# Gráfico de barras múltiplas

barplot(Tabela1,
        col = colors()[c(641,615)] , 
        border = "white", 
        beside = T,
        space = c(0,0.2),
        main = "Habitantes de cada tipo de região por consumo de moluscos bivalves",
        xlab = "Consumo",
        ylab = "Habitantes",
        ylim = c(0,1000),
        legend.text = c("Continental", "Costeira"),
        args.legend = list(x = "topright"))

Segundo objetivo

# Tabela de contingência percentual com total por colunas

Tabela2 <- round(prop.table(table(Consumo, Região), margin = 2), 3)*100 # Observe como, em relação a tabela anterior, a ordem da disposição das variáveis na função table() reflete no tipo de análise desejada.

Tabela2 # Compare esta visualização com a da tabela anterior.

##        Região
## Consumo Continental Costeira
##     Não        49.7     32.3
##     Sim        50.3     67.7

# Gráfico de barras totais

barplot(Tabela2,
        col = colors()[c(410,403)] , 
        border = "white", 
        beside = F,
        space = c(0,0.2),
        main = "Consumo de moluscos bivalves por tipo de região",
        xlab = "Tipo de região",
        ylab = "Percentual de respondentes",
        ylim = c(0,100),
        legend.text = c("Não", "Sim"),
        args.legend = list(x = "topright"))

Comentários

No primeiro gráfico, é possível observar que há mais respondentes que não consomem moluscos bivalves na porção continental, do que na costeira. Por outro lado, isso se inverte ao observarmos a distribuição dos que consomem: a maior parte está na porção costeira. Portanto, há diferença na quantidade de habitantes de cada região por consumo [de moluscos bivalves].

No segundo gráfico, essa diferença se mantém. Note que, na porção continental, o percentual de habitantes que consomem moluscos bivalves é quase o mesmo dos que não consomem. Porém, ao se olhar para a porção costeira, o percentual dos que consomem é maior do que os que não consomem; e, portanto, também há diferença entre o grupo que consome e não consome quanto ao tipo de região.

---