CaracterÃsticas de los Católicos de acuerdo con Latinobarómetro 2018
Beatriz Valdez
He querido observar las caracterÃsticas 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()
Puedo recoger muchas de las cateogrÃas que tienen pocos casos. Para ello creo la categorÃa 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 caracterÃsticas? Extraigo los casos pertenencientes a Venezuela en esta variable, asà como sus caracterÃsticas 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 caracterÃsticas 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")
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")
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 pedirÃa que me dijera desde su punto de vista y el de su familia si cree Ud que la llegada de inmigrantes al paÃs, 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")
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")
Con respecto a la calidad de la democracia que se evalua con la pregunta ¿Cómo dirÃa Ud. que es la democracia en su paÃs?: 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")
Con respecto al posicionamiento ideológico, a la pregunta polÃtica se habla normalmente de “izquierda” y “derecha”. En una escala dónde “0” es la “izquierda” y “10” la “derecha”, ¿Dónde se ubicarÃa 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()
No hay comentarios.:
Publicar un comentario