Tipos de objetos en R

Una parte clave para iniciar el manejo del programa es identificar los diversos objetos que podemos crear, manipular y utilizar. Para la definición de objetos en R será necesario previamente tener claridad teórica sobre lo que es una variable categórica nominal, categórica ordinal, numérica discreta y numérica continua.

Los vectores numéricos se crean a través de la función concatenar “c()”. Vamos a crear un vector que contenga los montos en millones de soles del presupuesto del Estado asignado a las 5 prioridades para el 2021

Presupuesto_millones = c(9879, 33132, 20991, 690, 5392) # creamos el vector
# (verifiquemos en el environment)

Presupuesto_millones # invocamos el vector para visualizar su contenido

## [1]  9879 33132 20991   690  5392

Un factor nos permite representar una variable categórica. Se crean a través de la función “factor()”, pero antes se crea como vector pues almacena las categorías en la forma de un vector con números discretos integrales (1,2,3,4,etc.), que son códigos de los valores de la variable y otro vector de caracteres interno que contiene las etiquetas de esos códigos. Creemos un factor con los nombres de las prioridades del presupuesto para el 2021:

Prioridad = c(1,2,3,4,5) # primero creamos un vector
Prioridad

## [1] 1 2 3 4 5

Prioridad = factor(Prioridad, levels = c(1:5),
                   labels = c("reactivación", "educación", "salud", 
                              "mujer",  "pobreza")) # Lo convertimos en factor. 
# Ojo con los argumentos.

Prioridad # visualizamos su contenido

## [1] reactivación educación    salud        mujer        pobreza     
## Levels: reactivación educación salud mujer pobreza

También podemos crear un factor ordenado para almacenar información de una variable categórica ordinal. Es casi la misma ruta, solo que añadiremos una función más para convertir el factor en ordinal. Creemos un factor ordinal ficticio que contenga el nivel de ejecución que el Estado ha mostrado en las categorías presupuestales correspondientes a las prioridades, donde 1=Mala, 2=Intermedia y 3= Buena.

Ejecucion = c(3, 2, 2, 1, 2) # creamos un vector numérico que registra los datos

Ejecucion = factor(Ejecucion) # Lo convertimos en factor

levels(Ejecucion) = c("Mala", "Intermedia", "Buena") # asignamos levels al factor

Ejecucion = ordered(Ejecucion) # indicamos que se trata de un factor ordinal

Ejecucion # Visualizamos

## [1] Buena      Intermedia Intermedia Mala       Intermedia
## Levels: Mala < Intermedia < Buena

Finalmente, los data frames nos permite almacenar un conjunto de datos, es decir una base de datos (bbdd) que tiene filas y columnas. Creemos la base de datos “PP2021” que contenga todos los objetos que hemos creado:

PP2021 = data.frame(Prioridad, Presupuesto_millones, Ejecucion)
PP2021 # Visualice la base de datos

##      Prioridad Presupuesto_millones  Ejecucion
## 1 reactivación                 9879      Buena
## 2    educación                33132 Intermedia
## 3        salud                20991 Intermedia
## 4        mujer                  690       Mala
## 5      pobreza                 5392 Intermedia

str(PP2021) # Visualice la estructura de la bbdd

## 'data.frame':    5 obs. of  3 variables:
##  $ Prioridad           : Factor w/ 5 levels "reactivación",..: 1 2 3 4 5
##  $ Presupuesto_millones: num  9879 33132 20991 690 5392
##  $ Ejecucion           : Ord.factor w/ 3 levels "Mala"<"Intermedia"<..: 3 2 2 1 2

names(PP2021) #Visualice los nombres de las variables de la bbdd

## [1] "Prioridad"            "Presupuesto_millones" "Ejecucion"

Cuando queramos invocar una variable específica de una base de datos utilizaremos “$”, entre la base de datos y la variable que queremos invocar.

PP2021$Prioridad #invocamos la variable prioridad de la base de datos

## [1] reactivación educación    salud        mujer        pobreza     
## Levels: reactivación educación salud mujer pobreza

class(PP2021$Ejecucion) #vemos de que clase es la variable ejecución de la bbdd

## [1] "ordered" "factor"

2.1. Configuración (CORRECCION) de las variables

Siempre antes de comenzar a realizar nuestro análisis, debemos identificar la estructura de las variables y verificar que estén bien “configuradas”. Es decir que la escala de la variable coincida con el objeto en R.

De “race”

table(data$race) # Exploramos frecuencias

## 
##    1    2    3    6 
## 1383  211    5    1

class(data$race) # Exploramos el formato de la variable

## [1] "integer"

# No es un float (decimal)

data$race = factor(data$race, levels = c(1:6), labels = c("white","black","asian","hispanic","native american","others")) #Otorgamos formato
table(data$race)

## 
##           white           black           asian        hispanic native american 
##            1383             211               5               0               0 
##          others 
##               1

class(data$race)

## [1] "factor"

De “classtype”:

class(data$classtype) 

## [1] "integer"

table(data$classtype)

## 
##   1   2   3 
## 481 578 541

data$classtype = factor(data$classtype, levels = c(1:3), 
                        labels = c("small","regular","regular with aid"))
str(data$classtype)

##  Factor w/ 3 levels "small","regular",..: 3 1 2 1 1 1 2 3 2 3 ...

table(data$classtype)

## 
##            small          regular regular with aid 
##              481              578              541

class(data$classtype)

## [1] "factor"

De “hsgrad”

class(data$hsgrad) 

## [1] "integer"

table(data$hsgrad)

## 
##    0    1 
##  158 1442

data$hsgrad = factor(data$hsgrad, levels = c(0:1), 
                     labels = c("did not graduate", 
                                "did graduate")) # ojo con el orden
table(data$hsgrad) 

## 
## did not graduate     did graduate 
##              158             1442

class(data$hsgrad)

## [1] "factor"

“g4math”, “g4reading”, “yearssmall” son variables numéricas y están configuradas como vectores numéricos de números enteros (integer) por lo cual lo dejamos así.

2.2. Estadísticos descriptivos y gráficos

Entonces, una vez configurados adecuadamente nuestros objetos, pidamos los estadísticos de tendencia central para nuestras variables.

Antes instalamos algunos paquetes que utilizaremos

• install.packages(“DescTools”) para pedir los estadísticos de tendencia central

• install.packages(“e1071”) para asimetría y curtosis

library(DescTools)
Mode(data$race) #este comando nos permitirá calcular la moda

## [1] white
## attr(,"freq")
## [1] 1383
## Levels: white black asian hispanic native american others

#Tambien podemos calcular el porcentaje
table(data$race)

## 
##           white           black           asian        hispanic native american 
##            1383             211               5               0               0 
##          others 
##               1

prop.table(table(data$race))*100

## 
##           white           black           asian        hispanic native american 
##         86.4375         13.1875          0.3125          0.0000          0.0000 
##          others 
##          0.0625

Mode(data$classtype) #examinamos la moda

## [1] regular
## attr(,"freq")
## [1] 578
## Levels: small regular regular with aid

table(data$classtype) # hacemos una tabla de frecuencia

## 
##            small          regular regular with aid 
##              481              578              541

prop.table(table(data$classtype))*100 # Sin embargo, esa tabla solo nos muestra la frecuencia absoluta. Con este comando podemos visualizar la frecuencia relativa porcentual

## 
##            small          regular regular with aid 
##          30.0625          36.1250          33.8125

Mode(data$hsgrad)

## [1] did graduate
## attr(,"freq")
## [1] 1442
## Levels: did not graduate did graduate

table(data$hsgrad)

## 
## did not graduate     did graduate 
##              158             1442

prop.table(table(data$hsgrad))*100

## 
## did not graduate     did graduate 
##            9.875           90.125

2.2.2. Estadísticos descriptivos y gráficos para VARIABLES NUMERICAS**

Para “g4math” podemos

summary(data$g4math) # el comando summary nos da los cuartiles y 

##    Min. 1st Qu.  Median    Mean 3rd Qu.    Max. 
##   487.0   692.0   712.0   712.7   738.0   821.0

# estadísticos de tendencia central de una variable numérica

# Podremos hallar la mediana (Median) y la Media (Mean):

sd(data$g4math) # este comando nos permite calcular la desviación estándar

## [1] 41.6014

var(data$g4math) #este comando nos permite calcular la varianza

## [1] 1730.677

rango = max(data$g4math) - min(data$g4math)
rango

## [1] 334

library(e1071)
skewness(data$g4math) #Asimetría

## [1] -0.7044214

kurtosis(data$g4math)

## [1] 4.498354

# Solicitamos un histograma
hist(data$g4math)

# Gráfico de boxplot (o de cajas y bigotes)
boxplot(data$g4math)

boxplot(data$g4math ~ data$classtype)

REFERENCIAS:

• POL278 - Estadística para el análisis político 1. Jefes de práctica: Alexander Benites, Reyna Osorio, Gabriel Ramos y Almendra Rodriguez.

• Plantilla de los principales comandos del curso ESTADISTICA PARA EL ANALISIS POLITICO 1

El contenido de este curso se ofrece bajo una licencia Dominio público. El contenido de este curso puede considerarse bajo esta licencia a menos que se notifique de manera diferente.