background-color: #1a1a2e class: middle .badge[Ayudantía 03 · FAGOB 2026] # Análisis descriptivo, bivariado y gráficos .divider[] **Métodos Cuantitativos para la Administración Pública** .muted[ Cristóbal Mejías &nbsp;·&nbsp; Facultad de Gobierno Jueves 10 de abril, 2026 ] --- ## Agenda de hoy .col-izq[ **¿Qué haremos?** 1. Cargar datos procesados de AY-2 2. Tablas de frecuencia con `dplyr` + `kableExtra` 3. Estadísticos descriptivos por grupo 4. Alternativas rápidas (`janitor`, `sjmisc`, `stargazer`) 5. Gráficos con `ggplot2` 6. Práctica autónoma ] .col-der[ .caja-info[ **Duración:** 90 minutos **Al final de la sesión:** Sabrás generar tablas formateadas y gráficos listos para reportar — usando directamente la base procesada en AY-2. ] ] --- background-color: #e94560 class: center, middle, white # 00 # Punto de partida --- ## ¿Qué hicimos en AY-2? - Seleccionamos y renombramos variables con `select()` - Recodificamos y convertimos a `factor` con `mutate()` + `recode()` - Tratamos los valores especiales (-88, -99) como `NA` - Creamos tramos con `case_when()` e `if_else()` - Guardamos la base procesada con `saveRDS()` -- .caja[ **Hoy retomamos desde ahí.** Cargamos `casen_proc.rds` y aprendemos a **describir, cruzar y visualizar** sus variables. ] --- ## Paquetes de hoy ``` r pacman::p_load( tidyverse, # colección de paquetes para manipulación de datos dplyr, # para manipular datos (group_by, summarise...) janitor, # para tablas rápidas de frecuencia (tabyl) knitr, # para renderizar y crear tablas (kable) kableExtra, # para formatear tablas (kable_classic, footnote...) ggplot2, # para gráficos (barras, boxplot, dispersión) stargazer, # para estadísticos descriptivos en formato tabla sjmisc # para tablas de frecuencia con etiquetas (frq) ) options(scipen = 999) # desactivar notación científica rm(list = ls()) # limpiar ambiente de trabajo ``` --- ## Cargar la base procesada ``` r # Opción 1: si tienes el archivo en tu carpeta output/ casen_proc <- readRDS("output/casen_proc.rds") ``` ``` r # Opción 2: directamente desde GitHub url_casen <- "https://raw.githubusercontent.com/Cristobal-Mejias-G/Clase-2-MC-FAGOB/main/output/casen_proc.rds" tmp <- tempfile(fileext = ".rds") download.file(url_casen, tmp, mode = "wb") casen_proc <- readRDS(tmp) ``` ``` r # Primera mirada glimpse(casen_proc) names(casen_proc) ``` .muted[ `mode = "wb"` es clave para archivos binarios como `.rds`. Sin él, el archivo se descarga corrupto. ] --- background-color: #e94560 class: center, middle, white # 01 # Tablas de frecuencia --- ## La lógica de las tablas en R Para generar una tabla bien presentada necesitamos **dos pasos**: | Paso | Herramienta | ¿Para qué? | |------|------------|-----------| | 1. Procesar | `dplyr` | Calcular frecuencias, medias, porcentajes... | | 2. Formatear | `kableExtra` | Agregar estilo, título y nota al pie | .caja-info[ El objeto intermedio (ej. `tab_pobreza`) **separa el procesamiento del formato**. Esto permite reutilizar los datos y mantener el código más limpio. ] --- ## Paso 1: procesar con `dplyr` ``` r tab_pobreza <- casen_proc %>% dplyr::group_by(pobreza) %>% dplyr::summarise(n = n()) %>% dplyr::mutate(prop = round(n / sum(n) * 100, 2)) tab_pobreza ``` .muted[ `group_by()` agrupa los datos, `summarise()` cuenta, `mutate()` calcula el porcentaje sobre el total. ] --- ## Paso 2: formatear con `kableExtra` ``` r tabla1 <- tab_pobreza %>% kableExtra::kbl( align = "c", col.names = c("Situación de pobreza", "N", "%"), caption = "Tabla 1. Distribución por situación de pobreza" ) %>% kableExtra::kable_classic(full_width = FALSE, position = "center", font_size = 14) %>% kableExtra::footnote(general = "Fuente: Elaboración propia en base a CASEN 2024.", general_title = "") tabla1 ``` .caja[ **Opciones clave de `kbl()`** - `col.names`: renombra columnas visibles en la tabla - `caption`: título de la tabla - `align`: alineación de celdas (`"c"`, `"l"`, `"r"`) ] --- ## Alternativa rápida: `janitor::tabyl()` ``` r casen_proc %>% janitor::tabyl(pobreza, sexo) %>% kableExtra::kable(caption = "Tabla rápida: pobreza según sexo") %>% kableExtra::kable_styling(full_width = TRUE) ``` -- ``` r # sjmisc::frq() — frecuencias con etiquetas tipo haven sjmisc::frq(casen_proc$pobreza) sjmisc::frq(casen_proc$sexo) ``` .caja-info[ `tabyl()` y `frq()` son útiles para **exploración rápida**. Para el reporte final conviene el pipeline `dplyr` + `kableExtra`, que da más control sobre el formato. ] --- background-color: #e94560 class: center, middle, white # 02 # Estadísticos descriptivos por grupo --- ## El mismo patrón: procesar → formatear Para variables **numéricas** cruzadas con una **categórica**, ampliamos el `summarise()`: ``` r tab_ingreso <- casen_proc %>% dplyr::group_by(sexo) %>% dplyr::summarise( n = n(), min = min(ingreso, na.rm = TRUE), max = max(ingreso, na.rm = TRUE), media = round(mean(ingreso, na.rm = TRUE), 0), sd = round(sd(ingreso, na.rm = TRUE), 0), mediana = median(ingreso, na.rm = TRUE) ) ``` .muted[ `na.rm = TRUE` es obligatorio en variables con NA — sin él la función devuelve `NA` sin error ni advertencia. ] --- ## Formatear tabla de descriptivos ``` r tabla2 <- tab_ingreso %>% kableExtra::kbl( align = "c", col.names = c("Sexo", "N", "Mínimo", "Máximo", "Media", "DS", "Mediana"), caption = "Tabla 2. Ingreso laboral según sexo", format.args = list(big.mark = ".", decimal.mark = ",") ) %>% kableExtra::kable_classic(full_width = FALSE, position = "center", font_size = 14) %>% kableExtra::footnote(general = "Fuente: Elaboración propia en base a CASEN 2024.", general_title = "") tabla2 ``` .muted[ `format.args = list(big.mark = ".")` agrega el punto de miles en los números (1.200.000 en vez de 1200000). ] --- ## El mismo patrón con otra variable de agrupación ``` r tab_ingreso_edad <- casen_proc %>% dplyr::group_by(tramo_edad) %>% dplyr::summarise( n = n(), media = round(mean(ingreso, na.rm = TRUE), 0), sd = round(sd(ingreso, na.rm = TRUE), 0), mediana = median(ingreso, na.rm = TRUE) ) tabla3 <- tab_ingreso_edad %>% kableExtra::kbl( align = "c", col.names = c("Tramo etario", "N", "Media", "DS", "Mediana"), caption = "Tabla 3. Ingreso laboral según tramo etario" ) %>% kableExtra::kable_classic(full_width = FALSE, position = "center", font_size = 14) %>% kableExtra::footnote(general = "Fuente: Elaboración propia en base a CASEN 2024.", general_title = "") tabla3 ``` --- ## Alternativa rápida: `stargazer` ``` r stargazer::stargazer( as.data.frame(casen_proc), type = "text", summary.stat = c("mean", "sd", "min", "max") ) ``` .caja-info[ **`stargazer` requiere `as.data.frame()`** porque no acepta tibbles directamente. Usa `type = "text"` para la consola y `type = "html"` al trabajar en Quarto. ] --- background-color: #e94560 class: center, middle, white # 03 # Gráficos con `ggplot2` --- <div style="text-align: center;"> <img src="input/images/gg.png" width="700"> </div> --- ## La lógica de `ggplot2`: capas Todo gráfico en `ggplot2` se construye sumando **capas**: | Capa | Función | ¿Para qué? | |------|---------|-----------| | 1. Datos y ejes | `ggplot(data, aes(...))` | El lienzo | | 2. Geometría | `geom_*()` | La forma (barras, puntos, cajas...) | | 3. Etiquetas | `labs()` | Títulos, ejes, leyenda | | 4. Estética | `theme_*()` | El estilo visual | .caja[ Las capas se encadenan con `+`. El orden importa: primero datos, luego geometría, luego ajustes. ] --- ## Gráfico de barras: frecuencia de una variable ``` r ggplot(data = casen_proc, mapping = aes(x = pobreza, fill = pobreza)) + # CAPA 1: Datos y ejes geom_bar() + # CAPA 2: Geometría labs( title = "Distribución por situación de pobreza", x = "Situación de pobreza", y = "Frecuencia", caption = "Fuente: Elaboración propia en base a CASEN 2024." ) + # CAPA 3: Etiquetas theme_minimal() + # CAPA 4: Estilo theme(legend.position = "none") + scale_fill_manual(values = c("Pobreza severa" = "#d73027", "Pobreza por ingresos" = "#f46d43", "Pobreza multidimensional" = "#fdae61", "No pobre" = "#4575b4")) ``` .muted[ `scale_fill_manual()` permite asignar colores específicos a cada categoría. ] --- ## Barras agrupadas: dos variables categóricas ``` r ggplot(casen_proc, aes(x = tramo_ingreso, fill = sexo)) + geom_bar(position = "dodge") + # separa las barras por grupo scale_fill_manual(values = c("darkblue", "steelblue")) + labs( title = "Distribución de tramo de ingreso según sexo", x = "Tramo de ingreso", y = "Frecuencia", fill = "Sexo" ) + theme_light() ``` .caja-info[ `position = "dodge"` separa las barras lado a lado. `position = "fill"` las apila al 100% — útil para comparar proporciones. ] --- ## Boxplot: distribución de variable continua por grupo ``` r casen_proc %>% dplyr::filter(!is.na(ingreso)) %>% # eliminar NAs antes de graficar ggplot(aes(x = sexo, y = ingreso, fill = sexo)) + geom_boxplot(alpha = 0.7) + scale_y_continuous( labels = scales::dollar_format(prefix = "$", big.mark = ".") ) + labs( title = "Ingreso laboral según sexo", x = "Sexo", y = "Ingreso ($)" ) + theme_minimal() + theme(legend.position = "none") ``` .muted[ `filter(!is.na(...))` antes del `ggplot()` evita la advertencia de filas eliminadas. `alpha` controla la transparencia (0 = transparente, 1 = sólido). ] --- ## Dispersión con línea de tendencia ``` r ggplot(casen_proc %>% dplyr::filter(!is.na(ingreso)), aes(x = edad, y = ingreso)) + geom_point(alpha = 0.2) + # puntos semitransparentes geom_smooth(method = "lm", se = TRUE, color = "steelblue") + # recta + IC 95% labs( title = "Relación entre edad e ingreso laboral", x = "Edad", y = "Ingreso laboral ($)" ) + theme_minimal() ``` .caja[ `geom_smooth(method = "lm")` agrega la recta de regresión lineal con su intervalo de confianza al 95%. `alpha = 0.2` es útil cuando hay muchos puntos solapados — hace visible la densidad. ] --- ## Mega guía Ver R for Data Science (2e): https://r4ds.hadley.nz/data-visualize.html Ver GGPLOT2: https://ggplot2.tidyverse.org/index.html Podrán encontrar sobre visualización y R. --- background-color: #e94560 class: center, middle, white # 04 # Práctica autónoma --- ## Tu turno (10 min) Con `casen_proc`, trabaja con las variables **`actividad`**, **`tramo_edad`** e **`ingreso_pc`**. **Instrucciones:** 1. Genera una **tabla de frecuencias** de `actividad` con `dplyr` + `kableExtra` Debe incluir N, porcentaje, título y nota al pie. 2. Genera una **tabla de estadísticos descriptivos** de `ingreso_pc` por `tramo_edad` Reporta: n, media, sd y mediana. 3. Genera un **boxplot** de `ingreso_pc` según `actividad`. .caja-info[ Usa como modelo los bloques que vimos hoy. El patrón es siempre el mismo: **procesar con `dplyr`** → **formatear con `kableExtra`** → **graficar con `ggplot2`**. ] --- ## Resumen de la sesión | Tarea | Función(es) | ¿Para qué? | |-------|------------|-----------| | Cargar datos | `readRDS()` | Retomar base procesada en AY-2 | | Frecuencias | `group_by()` + `summarise()` + `kbl()` | Tabla de distribución | | Descriptivos por grupo | `group_by()` + `summarise()` | Medias, SD, mínimo, máximo | | Formateo | `kable_classic()`, `footnote()` | Estilo y nota al pie | | Rápida exploración | `tabyl()`, `frq()`, `stargazer()` | Vista rápida sin mucho código | | Barras | `geom_bar()` | Frecuencias de variables categóricas | | Boxplot | `geom_boxplot()` | Distribución de variable continua por grupo | | Dispersión | `geom_point()` + `geom_smooth()` | Relación entre dos variables numéricas | --- .badge[Ayudantía 03 · FAGOB 2026] # ¡Nos vemos en la siguiente sesión! .divider[] **AY-4 · 17 de abril** Documentos dinámicos con Quarto .muted[ Cristóbal Mejías &nbsp;·&nbsp; Facultad de Gobierno ]