Recursos del práctico

Tal como en el práctico anterior, utilizaremos los datos procesados CASEN 2020, que proviene de los datos originales de Encuesta de Caracterización Socioeconómica (CASEN).Recuerden siempre consultar el libro códigos antes de trabajar datos.

Recuerden que los archivos asociados a este práctico se pueden descargar aquí:

• 08-clase.zip

4.1 Gráficos de dispersión

Podemos graficar la distribución en dos variables cuantitativas a la vez con la función plot_scatter, que muestra el diagrama de dispersión de tales variables, lo cual nos puede permitir explorar la existencia de relaciones entre ambas.

datos_proc %>%  filter(ing_pc <= 2000000) %>%
  plot_scatter(., tot_per, ing_pc)

¡También es posible agregar una tercera variable categórica al diagrama de dispersión! probemos con sexo

datos_proc %>%  filter(ing_pc <= 2000000) %>%
  plot_scatter(., tot_per, ing_pc, sexo)

Incorporemos la línea de mínimos cuadrados ordinarios, y separemos un gráfico para cada categoría de sexo con el argumento grid =

datos_proc %>%  filter(ing_pc <= 2000000) %>%
  plot_scatter(., tot_per, ing_pc, sexo,
               fit.grps = "lm", grid = TRUE)

4.2 Frecuencias agrupadas para variables categóricas

Ahora que ya hemos graficado las frecuencias de las variables, vamos a graficar frecuencias agrupadas, para ello usaremos la función plot_grpfrq de sjPlot, que se estructura de la presente forma

plot_grpfrq(
  var.cnt,
  var.grp,
  type = c("bar", "dot", "line", "boxplot", "violin")

1. Gráfico de barras

La primera opción que nos entrega este código son los gráficos de barra. Si queremos saber cuántos hombres y mujeres trabajaron al menos una hora la semana pasada, graficaremos las variables sexo y o4

plot_grpfrq(datos_proc$sexo, datos_proc$o4,
            type = "bar", title = "Gráfico de barras")

Podemos ver que no solo nos muestra la frecuencia absoluta, sino que también la frecuencia relativa en porcentaje

Además, podemos incorporar una tercera barra que presenta el total de ambas categorías. Así, sabremos cuántas/os adultas/os, adultas/os mayores y jóvenes (mujeres y hombres) han trabajado al menos una vez o no, y qué proporción del total de informantes representa cada una de las categorías de edad y sexo

Para este ejercicio usaremos la función plot_xtab(), de la misma librería

plot_xtab(datos_proc$sexo_edad_tramo, datos_proc$o4, title = "Gráfico de barras")

1.1 Gráfico de barras horizontales

Con la misma función podemos graficar mediante barras horizontales con el argumento coord.flip =. Además show.summary = nos muestra estadísticos de la relación entre las variables

plot_xtab(datos_proc$o4, datos_proc$sexo_edad_tramo, margin = "row", 
          bar.pos = "stack",
          title = "Gráfico de barras horizontales",
          show.summary = TRUE, coord.flip = TRUE)

También es posible graficar diversas variables que presentan las mismas categorías de respuesta (en este caso, Sí, No y NA) para ver diferencias en las distribuciones para cada una. Utilicemos la función plot_stackfrq de sjPlot

datos_proc %>% select(ocupacion, o2, o3, o4, o6) %>% 
  plot_stackfrq(., title = "Gráfico de barras proporcional")

1.2 Escalas Likert

También podemos graficar escalas Likert, lo cual es una gran herramienta para quienes trabajamos en ciencias sociales. En esta ocasión CASEN no tiene variables con más categorias de respuesta para generar una escala Likert, por lo que utilizaremos las nuevas variables de la base procesada. Generemos el gráfico con la función plot_likert()

datos_proc %>% select("ocupacion","o2", "o3", "o4", "o6") %>% 
  sjPlot::plot_likert(., title = "Gráfico de escalas Likert")

1.3 Tablas de proporción cruzadas

Con plot_gpt(), se puede graficar tablas cruzadas proporcionales agrupadas. Este código traza la proporción de cada nivel de x (o4) para la categoría más alta en y (o6), para cada subgrupo de grp (sexo).

plot_gpt(datos_proc, o4, o6, sexo,
         shapes = c(15, 21), 
         title = "Gráfico de proporción agrupada")

2. Gráfico de puntos

Ahora continuaremos con los gráficos de puntos, ya que quiero presentar la relación entre sexo y o4 mediante otro gráfico:

plot_grpfrq(datos_proc$sexo, datos_proc$o4,
            title = "Gráfico de puntos",
            type = "dot")

3. Gráfico de líneas

Otra opción que tiene esta función es la creación de gráficos de líneas. Para ello conoceremos la relación entre el tramo sexo-edad y el haber trabajado alguna vez

plot_grpfrq(datos_proc$sexo_edad_tramo, datos_proc$o4,
            title = "Gráfico de línea",
            type = "line")

4. Gráfico de cajas

Ahora, si queremos conocer cómo interactúan el total de personas habitantes del hogar con el tramo sexo-etario, podemos visualizarlo mediante un gráfico de cajas

plot_grpfrq(datos_proc$tot_per, datos_proc$sexo_edad_tramo,
            title = "Gráfico de caja",
            type = "boxplot")

Además, se puede incorporar una tercera variable, en este caso lo haremos con la variable o4 y el argumento intr.var =

plot_grpfrq(datos_proc$tot_per, datos_proc$sexo_edad_tramo, intr.var = datos_proc$o4, 
            title = "Gráfico de cajas",
            type = "box")

5. Gráfico de violín

Finalmente, para generar un gráfico de violín, añadiremos el argumento type = "violin"

plot_grpfrq(datos_proc$tot_per, datos_proc$sexo_edad_tramo,
            title = "Gráfico de violín",
            type = "violin")

Nuevamente, la función nos permite la creación de múltiples gráficos ¡sólo se debe cambiar el argumento type =!

4.3 Tablas de contingencia

¡No podemos terminar sin saber cómo hacer tablas de frecuencias cruzadas!

Por suerte sjPlot tiene la función sjt.xtab, que nos entrega tablas de frecuencias cruzadas

sjt.xtab(datos_proc$sexo, datos_proc$o4,
         show.col.prc=TRUE,
         show.summary=FALSE, 
         title = "Tabla de contingencia")

¿Qué pasó? ¿por qué salen esos símbolos raros en la tabla?

¡Es por la codificación!, para ello le agregamos el argumento encoding = "UTF-8" y ya tenemos nuestra tabla de frecuencias cruzadas

sjt.xtab(datos_proc$sexo, datos_proc$o4,
         show.col.prc=TRUE,
         show.summary=FALSE, 
         encoding = "UTF-8",
         title = "Tabla de contingencia")

Si además se quieren añadir variables con las mismas categorías de respuesta, se puede utilizar la función tab_stackfrq(). Para ello utilizaremos las variables añadidas para este práctico: o3, o4 y o6. Le añadiremos etiquetas con value.labels y le pediremos que nos entregue la frecuencia absoluta (show.n = TRUE) y el total (show.total = T)

tab_stackfrq(as.data.frame(datos_proc %>% select("o3", "o4", "o6")),
             value.labels=c('1'='Si', '2'='No'),
             show.n = TRUE, show.total = T,
             file = "output/figures/tabla4.doc")

5. Test de independencia Chi2

A la hora de graficar Chi2, debemos asegurarnos con la función as_factor que las variables a utilizar sean de tipo factor, luego utilizamos la función sjp.chi2 de sjPlot para crear la tabla, finalmente con el argumento axis.labels asignamos la etiqueta de cada variable

data.frame(as_factor(sample(datos_proc$sexo, replace = TRUE)),
           as_factor(sample(datos_proc$o4, replace = TRUE)),
           as_factor(sample(datos_proc$o6, replace = TRUE))) %>% 
  sjp.chi2(., 
           title = "Gráfico de Chi2",
           axis.labels  = c("Ha trabajado alguna vez", "Busco empleo"))

6. Correlación

Ahora veremos estadísticos bivariados, como la correlación, en esta ocasión generaremos una tabla de correlación entre las variables tot_per y ing_pc, para eso usaremos la función tab_corr de sjPlot

Previamente debemos seleccionar las variables a utilizar, ya que no tiene sentido incluir en el análisis variables nominales

datos_proc %>%
  select(ing_pc, tot_per) %>% 
  tab_corr(.,
           triangle = "lower",   
           title = "Tabla de correlación",
           encoding = "UTF-8")