Características de los Católicos de acuerdo con Latinobarómetro 2018
Beatriz Valdez
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()
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")
Nota: En general, los latinoamericanos se definen más bien como católicos no practicante
(incluso si sumamos el procentaje de quienes se definen como practicante
y muy practicante
)
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")
Nota:En Venezuela se verifica el mismo patrón que en el resto de los países de la América Latina en donde se aplicó la encuesta
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)
Nota: Tanto en Venezuela como en la región hombres y mujeres se definen como no practicante
. Sin embargo, en Venezuela,las mujeres se definen como practicante
en mayor proporción con respecto a América Latina y esta categoría es ligeramente mayor a la de no practicante
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")
Nota: En América Latina las personas se definen como prácticantes en la medida en que se incrementa la edad. En Venezuela se observa también esta tendencia, pero las personas de 61 años o más se definen como practicante
en mayor proporción con respecto a América Latina
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")
Nota: En América Latina quienes se definen como no practicante
predominan en los distintos niveles de educación. En Venezuela, por el contrario, las personas con educación básica o menos y las personas con educación superior se definieron como practicantes/q> en mayor proporción con respecto a la categoría
no practicante
y en relación con el resto de América Latina
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
nada satisfechos. Este aspecto es interesante si se tiene en cuenta, de acuerdo con los análisis anteriores, que las personas que se definen como
practicanteo
muy practicantesuelen 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()
No hay comentarios.:
Publicar un comentario