Ciencia de datos en las ciencias sociales y las humanidades: Análisis exploratorio

Características de los Católicos

He querido observar las características de las personas que se han autodefinidos como catálicos muy practicantes. Es un análisis exploratorio y, adicionalmente, incluyo los códigos que emplee durante la exploración.

Muestra: 20.204 casos y 395 variables. 58,6% se identificaron como católicos.

Tengo como punto de partida la siguiente distribución

estimacion %>%
# mutate(Practicante = fct_lump(Practicante, 5)) %>% 
  gather(categoria, valor) %>% 
  count(categoria, valor) %>% 
  group_by(categoria) %>% 
  ungroup() %>% 
  mutate(porcentaje = n/sum(n)) %>%     
  mutate(valor = fct_reorder(valor, porcentaje)) %>% 
  ggplot(aes(valor, porcentaje)) +
  geom_col() +
  facet_wrap(~categoria, scales = "free_y") +
  coord_flip()

Fig.1 Religión a la que pertenece y nivel de práctica

Puedo recoger muchas de las cateogrías que tienen pocos casos. Para ello creo la categoría Other:

estimacion %>%
  mutate(Religion = fct_lump(Religion, 4)) %>% 
  gather(categoria, valor) %>% 
  count(categoria, valor) %>% 
  group_by(categoria) %>% 
  ungroup() %>% 
  mutate(porcentaje = n/sum(n)) %>%     
  mutate(valor = fct_reorder(valor, porcentaje)) %>% 
  ggplot(aes(valor, porcentaje)) +
  geom_col() +
  facet_wrap(~categoria, scales = "free_y") +
  coord_flip()

En esta data, extraigo los casos en los que las personas que se auto-describieron como católicas:

estimacion %>%
      filter(Religion %in% "Catolica") %>% 
      count(Se_considera) %>% 
      mutate(Se_considera = fct_lump(Se_considera, 5)) %>%
      mutate(porcentaje = n/sum(n)) %>% 
      mutate(Se_considera = fct_reorder(Se_considera, 
                                       porcentaje)) %>% 
      ggplot(aes(Se_considera, porcentaje )) +
       geom_col() +
      scale_y_continuous(labels = scales::percent_format()) +
      coord_flip() +
      labs(title = "América Latinas. Personas que se identificaron como 'Católicas'\n en Latinobarómetro 2018",
           subtitle = "Auto-percepción del grado de práctica de la doctrina (incluye Venezuela)", 
           x = "Grado de práctica",
           y = "% de los Católicos")

En este contexto ¿cómo se auto-perciben los Venezolanos y cuáles son sus características? Extraigo los casos pertenencientes a Venezuela en esta variable, así como sus características socio-demográficas:

catolicos_ven <- catolicos %>% 
      filter(IDENPA %in% "[%862%] Venezuela")

catolicos_noVen <- catolicos %>% 
      filter(!IDENPA %in% "[%862%] Venezuela")

demograficas_todo <- catolicos %>% 
      select(EDAD,
         educacion = REEDUC.1,
         SEXO, edad2 = REEDAD,
         ppolitico = PERPART,
         tipo_par = FAMPART,
         ocupacion = S14A, 
         ingreso = S4, 
         clase = S1, 
         estatus = S26)

demograficas_ven <- catolicos_ven %>% 
      select(EDAD,
         educacion = REEDUC.1,
         SEXO, edad2 = REEDAD,
         ppolitico = PERPART,
         tipo_par = FAMPART,
         ocupacion = S14A, 
         ingreso = S4, 
         clase = S1, 
         estatus = S26)


demograficas_nVen <- catolicos_noVen %>% 
      select(EDAD,
         educacion = REEDUC.1,
         SEXO, edad2 = REEDAD,
         ppolitico = PERPART,
         tipo_par = FAMPART,
         ocupacion = S14A, 
         ingreso = S4, 
         clase = S1, 
         estatus = S26)

estimacion_ven <-  catolicos_ven%>% 
  select( EDAD,
         Se_considera =S5A,
         problema_pais = P4NC,
         problema_fam = P5NC,
         confianza = P11STGBS,
         satis_dem = P13STGBS.A,
         calidad_dem = P18GBS,
         gestion_gob = P20STGBSC,
         mejor_sistema = P24ST,
         migrantes = P42NC,
         perc_pol = P22ST,
         educacion = REEDUC.1,
         SEXO, edad2 = REEDAD,
         ppolitico = PERPART,
         tipo_par = FAMPART,
         ocupacion = S14A, 
         ingreso = S4, 
         clase = S1, 
         estatus = S26)

estimacion_nven <-  catolicos_noVen%>% 
  select(Religion = S5, EDAD,
         Se_considera =S5A,
         problema_pais = P4NC,
         problema_fam = P5NC,
         confianza = P11STGBS,
         satis_dem = P13STGBS.A,
         calidad_dem = P18GBS,
         gestion_gob = P20STGBSC,
         mejor_sistema = P24ST,
         migrantes = P42NC,
         perc_pol = P22ST,
         educacion = REEDUC.1,
         SEXO, edad2 = REEDAD,
         ppolitico = PERPART,
         tipo_par = FAMPART,
         ocupacion = S14A, 
         ingreso = S4, 
         clase = S1, 
         estatus = S26)

estimacion_nven %>% 
      count(Se_considera) %>% 
      mutate(Se_considera = fct_lump(Se_considera, 5)) %>%
      mutate(porcentaje = n/sum(n)) %>% 
      mutate(Se_considera = fct_reorder(Se_considera, 
                                       porcentaje)) %>% 
      ggplot(aes(Se_considera, porcentaje )) +
       geom_col() +
      scale_y_continuous(labels = scales::percent_format()) +
      coord_flip() +
      labs(title = "América Latina. Personas que se identificaron como 'Católicas'\n en Latinobarómetro 2018",
           subtitle = "Auto-percepción del grado de práctica de la doctrina (excluye Venezuela)", 
           x = "Grado de práctica",
           y = "% de los Católicos")

Exploro esa misma percepción para el caso venezolano

estimacion_ven %>% 
      count(Se_considera) %>% 
      mutate(Se_considera = fct_lump(Se_considera, 5)) %>%
      mutate(porcentaje = n/sum(n)) %>% 
      mutate(Se_considera = fct_reorder(Se_considera, 
                                       porcentaje)) %>% 
      ggplot(aes(Se_considera, porcentaje )) +
       geom_col() +
      scale_y_continuous(labels = scales::percent_format()) +
      coord_flip() +
      labs(title = "Venezuela. Personas que se identificaron como 'Católicas'\n en Latinobarómetro 2018",
           subtitle = "Auto-percepción del grado de práctica de la doctrina", 
           x = "Grado de práctica",
           y = "% de los Católicos")

Creo una visualización que facilite la comparación del patrón en venezuela con respecto América Latina

comparon = bind_rows(estimacion_nven %>% 
      count(Se_considera) %>% 
      mutate(Se_considera = fct_lump(Se_considera, 5)) %>%
      mutate(porcentaje = n/sum(n),
             region = rep("America Latina", 6)),
      estimacion_ven %>% 
      count(Se_considera) %>% 
      mutate(Se_considera = fct_lump(Se_considera, 5)) %>%
      mutate(porcentaje = n/sum(n),
             region = rep("Venezuela", 6)))

comparon %>% 
      mutate(Se_considera = fct_reorder(
            Se_considera, 
            porcentaje)) %>%
      ggplot(aes(Se_considera, porcentaje, fill = region))+
      geom_col(show.legend = FALSE) +
      scale_y_continuous(labels = scales::percent_format()) +
      coord_flip()+
      facet_wrap(~region)+
      labs(title = "Personas que se identificaron como Católicas en Latinobarómetro 2018,\n según autopercepcion del nivel de práctica",
           subtitle = "América Latina respecto a Venezuela",
           x = "Nivel de práctica",
           y = "% de Católicos")

Considerando las características sociodemográficas

Selecciono las variables necesarias y pre-proceso

comparon = bind_rows(estimacion_nven %>% 
      count(Se_considera) %>% 
      mutate(Se_considera = fct_lump(Se_considera, 5)) %>%
      mutate(porcentaje = n/sum(n),
             region = rep("America Latina", 6)),
      estimacion_ven %>% 
      count(Se_considera) %>% 
      mutate(Se_considera = fct_lump(Se_considera, 5)) %>%
      mutate(porcentaje = n/sum(n),
             region = rep("Venezuela", 6)))

comparon = bind_rows(estimacion_nven %>% 
      count(Se_considera) %>% 
      mutate(Se_considera = fct_lump(Se_considera, 5)) %>%
      mutate(porcentaje = n/sum(n),
             region = rep("America Latina", 6)),
      estimacion_ven %>% 
      count(Se_considera) %>% 
      mutate(Se_considera = fct_lump(Se_considera, 5)) %>%
      mutate(porcentaje = n/sum(n),
             region = rep("Venezuela", 6)))

Pertenencia segun sexo del entrevistado

sexo %>% 
  ungroup() %>% 
  mutate(Se_considera = fct_reorder(Se_considera,
                                    porcentaje)) %>% 
  ggplot(aes(Se_considera, porcentaje, fill= SEXO)) +
  geom_col(show.legend = FALSE)+
  scale_y_continuous(labels = scales::percent_format()) +
  coord_flip()+
  facet_grid(region~SEXO)

Pertenencia segú la edad

edad %>% 
      ungroup() %>% 
      ggplot(aes(tidytext::reorder_within(Se_considera, 
                                          porcentaje, region),
                 porcentaje, fill= edad2)) +
      geom_col(show.legend = FALSE)+
      scale_y_continuous(labels = scales::percent_format()) +
      coord_flip()+
      tidytext::scale_x_reordered()+
      facet_grid(region~edad2, scales = "free_y")

Pertenencia según educación del entrevistado

La educación secundaria incluye: secundaria propiamente, educación media y educación técnica.

educacion %>% 
      ungroup() %>% 
      ggplot(aes(reorder_within(Se_considera, 
                                          porcentaje, region),
                 porcentaje, fill= educacion)) +
      geom_col(show.legend = FALSE)+
      scale_y_continuous(labels = scales::percent_format()) +
      coord_flip()+
      scale_x_reordered()+
      facet_grid(region~educacion, scales = "free_y")

preferencia_politica %>% ungroup() %>% ggplot(aes(reorder_within(Se_considera, porcentaje, region), porcentaje, fill= ppolitico)) + geom_col(show.legend = FALSE)+ scale_y_continuous(labels = scales::percent_format()) + coord_flip()+ scale_x_reordered()+ facet_grid(region~ppolitico, scales = "free_y")

Nota: 1) Con respecto a los partidos politicos se eliminaron los que tienen menos de 5 menciones.

2) En América Latina quienes se definen como practicante señalaron tener afiliación política por un partido político distinto al gobernante o a la oposición. En Venezuela, quienes se definieron como practicante tendieron a mostrarse a favor de la oposición

Pertenencia según clase y estatus

clase %>% ungroup() %>% filter(!clase %in% c("No contesta", "No sabe")) %>% ggplot(aes(reorder_within(Se_considera, porcentaje, region), porcentaje, fill= clase)) + geom_col(show.legend = FALSE)+ scale_y_continuous(labels = scales::percent_format()) + coord_flip()+ scale_x_reordered()+ facet_grid(region~clase, scales = "free_y")

En América Latina quienes se consideran practicantes pertenecen a la clase socioeconómica alta o media-alta. Las personas pertenecientes a las clases socioeconómica baja o media-baja tendendieron a identificarse como no practicante. En Venezuela, las personas pertenecientes al estrato socio-económico alto se calificaron por igual comono practicante o practicante. La clase media se considera sobre todo practicante. La visualización nos sugiere que la Iglesia católica tiene arraigo en los estratos altos y medios en América Latina, y en los estratos medios venezolanos. Pero parece tener poco arraigo entre los sectores bajos lo que parece consistente con el avance de grupos evangélicos en estos últimos estratos

De acuerdo con la evaluación del estatus del encuestado, apreciación que hace el encuestador de acuerdo con criterios que suministra Latinobarómetro, las personas clasificadas en un estrato muy malo tendieron a calificarse como pranticante en América Latina. En Venezuela, por el contrario, son las personas clasificadas con un estatus muy bueno o bueno han sido las que se consideran practicante:

estatus %>% ungroup() %>% # filter(!clase %in% c("No contesta", "No sabe")) %>% ggplot(aes(reorder_within(Se_considera, porcentaje, region), porcentaje, fill= estatus)) + geom_col(show.legend = FALSE)+ scale_y_continuous(labels = scales::percent_format()) + coord_flip()+ scale_x_reordered()+ facet_grid(region~estatus, scales = "free_y")

Pertenencia y punto de vista sobre la migración

En este punto la pregunta de Latinobarómetro es Ahora le pediría que me dijera desde su punto de vista y el de su familia si cree Ud que la llegada de inmigrantes al país, lo beneficia o lo perjudica

names(migracion)[2]<-"emigrados" migracion%>% ungroup() %>% filter(! emigrados %in% c("No contesta", "No sabe", "No responde", "NS/NR")) %>% filter(!Se_considera %in% c("No contesta", "No sabe", "No responde")) %>% ggplot(aes(reorder_within(Se_considera, porcentaje, region), porcentaje, fill= emigrados)) + geom_col(show.legend = FALSE)+ scale_y_continuous(labels = scales::percent_format()) + coord_flip()+ scale_x_reordered()+ facet_grid(region~ emigrados, scales = "free_y")

Nota: En América Latina quienes se consideran no muy practicante tendieron a pensar que la migración beneficiaba al país en tanto que lo muy practicante tendieron a expresar que la migración perjudica al país. En Venezuela estas apreciaciones se invierten. En general, tanto en América Latina como en Venezuela, la opinión predominante es que la migración no beneficia al país.

Practicantes y la democracia

Satisfaccion con la democracia

satisfaccion_democracia%>% ungroup() %>% filter(!satis_dem %in% c("No contesta", "No sabe", "No responde")) %>% filter(!Se_considera %in% c("No contesta", "No sabe", "No responde")) %>% ggplot(aes(reorder_within(Se_considera, porcentaje, region), porcentaje, fill= satis_dem)) + geom_col(show.legend = FALSE)+ scale_y_continuous(labels = scales::percent_format()) + coord_flip()+ scale_x_reordered()+ facet_grid(region~satis_dem, scales = "free")

En general tanto en América Latina como en Venezuela las personas las personas se muestran mas bien satisfechas con la democracia. En América Latina, quienes se evaluan como muy practicante tendieron a sentirse también muy satisfechos con la democracia
. Los no practicantes suelen ser quienes se sienten nada satisfechos. Este aspecto es interesante si se tiene en cuenta, de acuerdo con los análisis anteriores, que las personas que se definen como practicante o muy practicante suelen pertenecer a estratos socioeconómicos altos, medios-alto y medios, en tanto que quienes suelen pertenecer a estratos medio-bajo y bajo se autodefinen como no practicante. Esta tendencia, con pequeñas diferencias, se replica en Venezuela.

Con respecto a la calidad de la democracia que se evalua con la pregunta ¿Cómo diría Ud. que es la democracia en su país?: 1) Una democracia plena; 2) Una democracia con pequeños problemas; 3) Una democracia con grandes problemas; 4) No es una democracia; 5) No entiendo lo que es una democracia, en América Latina el grueso de las respuestas se ubicón en las opcoes 2 y 3. Los muy practicante consideran que hay democracia plena, pero también son los que señalan no entender qué es una democracia. En Venezuela, los no practicante tienden a pensar que hay una democracia plena y son también los que responden no entender qué es una democracia:

calidad_democracia%>% ungroup() %>% filter(! calidad_dem %in% c("No contesta", "No sabe", "No responde")) %>% filter(!Se_considera %in% c("No contesta", "No sabe", "No responde")) %>% ggplot(aes(reorder_within(Se_considera, porcentaje, region), porcentaje, fill= calidad_dem)) + geom_col(show.legend = FALSE)+ scale_y_continuous(labels = scales::percent_format()) + coord_flip()+ scale_x_reordered()+ facet_grid(region~ calidad_dem, scales = "free")

Con respecto a estar de acuerdo o en desacuerdo con la democracia como régimen, a la pregunta La democracia puede tener problemas pero es el mejor sistema de gobierno, grosso modo, tanto en América Latina como en Venezuela, la gente tendió a estar de acuerdo o muy de acuerdo:

mejor_sistema%>% ungroup() %>% filter(! mejor_sistema %in% c("No contesta", "No sabe", "No responde")) %>% filter(!Se_considera %in% c("No contesta", "No sabe", "No responde")) %>% ggplot(aes(reorder_within(Se_considera, porcentaje, region), porcentaje, fill= mejor_sistema)) + geom_col(show.legend = FALSE)+ scale_y_continuous(labels = scales::percent_format()) + coord_flip()+ scale_x_reordered()+ facet_grid(region~ mejor_sistema, scales = "free_y")

Pertenencia y evaluación de la política

A la pregunta ¿Ud. aprueba o no aprueba la gestión del gobierno que encabeza el presidente (nombre)…?, En América Latina los que autodefinen como practicante tienden a aprobar la gestión del presidente de turno, en tanto que los que se definen como muy practicante tienden a desaprobarlos. En Venezuela,los autodefinidos como muy practicante aprueban al presidente, en tanto que los no muy practcante lo desaprueban

gestion_gobierno%>% ungroup() %>% filter(! gestion_gob %in% c("No contesta", "No sabe", "No responde")) %>% filter(!Se_considera %in% c("No contesta", "No sabe", "No responde")) %>% ggplot(aes(reorder_within(Se_considera, porcentaje, region), porcentaje, fill= gestion_gob)) + geom_col(show.legend = FALSE)+ scale_y_continuous(labels = scales::percent_format()) + coord_flip()+ scale_x_reordered()+ facet_grid(region~ gestion_gob, scales = "free")

Con respecto al posicionamiento ideológico, a la pregunta política se habla normalmente de “izquierda” y “derecha”. En una escala dónde “0” es la “izquierda” y “10” la “derecha”, ¿Dónde se ubicaría Ud.?, tanto en América Latina como en Venezuela las personas tendieron a ubicarse con preferencia en posiciones medias (valor 5 de la escala) o declaron no ubicarse en ninguna posición. Quienes se autodefinieron como muy practicante tendieron a aupercibirse como de derecha en América Latina, en tanto que en Venezuela se calificaron como tales los que se identificaron como no practicante. Esta valoración ideológica resulta interesante si recordamos que en Venezuela los no practicante suelen pertenecer a los estratos bajos y medios-bajos, grupo que, además, tiene una valoración negativa del presidente.

autopercepcionPol%>% ungroup() %>% filter(! perc_pol %in% c("No contesta", "No sabe", "No responde", "NS/NR")) %>% filter(!Se_considera %in% c("No contesta", "No sabe", "No responde")) %>% mutate(Se_considera = reorder_within(Se_considera, porcentaje, region)) %>% ggplot(aes(Se_considera, porcentaje, fill= perc_pol)) + geom_col(show.legend = FALSE)+ facet_grid(region~ perc_pol, scales = "free_y")+ scale_y_continuous(labels = scales::percent_format()) + scale_x_reordered()+ coord_flip()

Publicadas por BeVa a la/s 2:50 p.m.

Etiquetas: analisis exploratorio, ggplot2, iglesia catolica, latinobarometro, R-project

No hay comentarios.:

Publicar un comentario

Ciencia de datos en las ciencias sociales y las humanidades

domingo, 26 de mayo de 2024

Análisis exploratorio

Características de los Católicos de acuerdo con Latinobarómetro 2018

Beatriz Valdez

Considerando las características sociodemográficas

Pertenencia segun sexo del entrevistado

Pertenencia segú la edad

Pertenencia según educación del entrevistado

Pertenencia según clase y estatus

Pertenencia y punto de vista sobre la migración

Practicantes y la democracia

Pertenencia y evaluación de la política

No hay comentarios.:

Visitas de la última semana a la página

Entradas del blog