--- title: "Cálculos (Computation)" output: rmarkdown::html_vignette vignette: > %\VignetteIndexEntry{Cálculos (Computation)} %\VignetteEngine{knitr::rmarkdown} %\VignetteEncoding{UTF-8} --- ```r library(opinAr) ``` El Índice de Confianza en el Gobierno (ICG) se calcula a partir de 5 dimensiones, cada una de las cuales intenta captar lo que los ciudadanos piensan respecto a aspectos esenciales del gobierno nacional. El índice tiene un valor comprendido entre un mínimo de 0 y un máximo de 5. Para obtener el ICG con la base cruda, hay que calcular el promedio de la columna `icg` ponderada por `ponderacion_utdt`. (*The ICG has 5 dimensions and each one tries to reflect what is thought about main aspects of the national government. The Index is a value between 0 and 5. The ICG is obtained calculating the mean of the `icg` column weighted with using the `ponderacion_utdt` variable:*). $$ \frac{\sum icg*ponderacion\_utdt} { \sum ponderacion\_utdt } $$ El mismo cálculo aplica para cada una de las dimensiones del ICG, considerando la variable recodificada de la dimensión correspondiente (tiene valor 0 o 5). Por ejemplo, para computar el resultado de la dimensión 'evaluación general del gobierno', se debe usar 'eval_gob_rec'. (*For computing the result for each dimension of the ICG, it must be applied the same calculation as before but with the recoded variable (value 0 or 5). For example, to compute the result of 'evaluación general del gobierno (eval_gob)', it must be used 'eval_gob_rec'*). $$ \frac{\sum eval\_gob\_rec*ponderacion\_utdt} { \sum ponderacion\_utdt } $$ ### compute_icg() Calcula el ICG de cada ola (una por cada mes desde noviembre del 2001\ \ (*Computes the ICG for each wave one per month since november 2001*). - El parámetro `wave` permite calcularlo para las distintas olas de la `data`\ \ ( *wave parameter allos wto compute icg for different waves along the period*). - el parámetro `segment_by` calcularlo según distintas segmentaciones de la `data` tales como el sexo, edad, situación económica o nivel educativo\ \ (*parameter `segment_by` allows computations for different segments in `data` such as sex, age, education level or economic condition*) ------------------------------------------------------------------------ ### Ejemplo (*Example*) El cálculo se realizará con los datos previamente descargados con `get_icg_raw()`. La función `compute_icg()` tiene: - un parámetro `wave` para elegir el número de ola; - un parámetro *`segment_by`* para elegir la variable de segmentación (*The calculation will be done based on the downloaded data with `get_icg_raw()`. The `compute_icg()` function has a parameter to choose the wave and other to choose the segmentation variable*) **Cálculo simple: `icg` para toda la base de datos** ```r # donwnload data (opinAr::get_icg_raw() -> icg_data) #> # A tibble: 281,786 × 33 #> ola caso anio mes dia ciudad zona region sexo edad edu educacion #> #> 1 507 1 2002 4 NA 0 [GBA] 2 [BsA… NA 0 [Muj… 3 [más… 1 [Pri… 3 [PrimC… #> 2 507 2 2002 4 NA 0 [GBA] 2 [BsA… NA 0 [Muj… 3 [más… 3 [Ter… 7 [TercC… #> 3 507 3 2002 4 NA 0 [GBA] 2 [BsA… NA 0 [Muj… 2 [30a… 2 [Sec… 5 [Secun… #> 4 507 4 2002 4 NA 0 [GBA] 2 [BsA… NA 0 [Muj… 3 [más… 1 [Pri… 3 [PrimC… #> 5 507 5 2002 4 NA 0 [GBA] 2 [BsA… NA 0 [Muj… 2 [30a… 3 [Ter… 9 [UnivC… #> 6 507 6 2002 4 NA 0 [GBA] 2 [BsA… NA 0 [Muj… 2 [30a… 3 [Ter… 7 [TercC… #> 7 507 7 2002 4 NA 0 [GBA] 2 [BsA… NA 1 [Hom… 1 [18a… 3 [Ter… 8 [UnivI… #> 8 507 8 2002 4 NA 0 [GBA] 2 [BsA… NA 1 [Hom… 3 [más… 1 [Pri… 3 [PrimC… #> 9 507 9 2002 4 NA 0 [GBA] 2 [BsA… NA 1 [Hom… 1 [18a… 2 [Sec… 4 [Secun… #> 10 507 10 2002 4 NA 0 [GBA] 2 [BsA… NA 0 [Muj… 2 [30a… 3 [Ter… 7 [TercC… #> # ℹ 281,776 more rows #> # ℹ 21 more variables: sit_ec , sit_fu , sitec , #> # mejora , eval_gob , eval_gob_rec , benef_gob , #> # benef_gob_rec , adm_gp , adm_gp_rec , cor_gob , #> # cor_gob_rec , resol_prob , resol_prob_rec , icg , #> # edad2 , tipo_telef , habitat , region_2 , #> # zonacaba , ponderacion_utdt # compute ICG opinAr::compute_icg(data = icg_data) #> # A tibble: 266 × 7 #> ola icg eval_gob_rec benef_gob_rec adm_gp_rec cor_gob_rec resol_prob_rec #> #> 1 502 1.04 0.4 0.82 0.5 1.99 1.47 #> 2 503 0.76 0.19 0.66 0.36 1.46 1.12 #> 3 504 1.36 0.91 1.37 0.44 1.13 2.94 #> 4 505 0.98 0.52 0.94 0.31 1.11 2.03 #> 5 506 0.86 0.42 0.59 0.47 1.07 1.76 #> 6 507 0.78 0.23 0.58 0.33 1.09 1.7 #> 7 508 0.47 0.16 0.39 0.07 0.77 0.93 #> 8 509 0.48 0.19 0.38 0.21 0.82 0.81 #> 9 510 0.4 0.09 0.39 0.21 0.73 0.59 #> 10 511 0.43 0.09 0.37 0.24 0.69 0.74 #> # ℹ 256 more rows ``` **Cálculo segmentado: `icg` con apertura por género** ```r ### ICG by gender opinAr::compute_icg(data = icg_data , segment_by = sexo) #> # A tibble: 532 × 8 #> # Groups: ola [266] #> ola sexo icg eval_gob_rec benef_gob_rec adm_gp_rec cor_gob_rec resol_prob_rec #> #> 1 502 0 [Mujer] 0.98 0.44 0.86 0.41 1.78 1.41 #> 2 502 1 [Hombr… 1.1 0.35 0.78 0.61 2.22 1.53 #> 3 503 0 [Mujer] 0.68 0.25 0.6 0.29 1.2 1.04 #> 4 503 1 [Hombr… 0.86 0.13 0.72 0.45 1.78 1.21 #> 5 504 0 [Mujer] 1.32 0.89 1.18 0.5 1.11 2.9 #> 6 504 1 [Hombr… 1.41 0.93 1.65 0.35 1.15 2.99 #> 7 505 0 [Mujer] 1 0.51 0.98 0.32 1.13 2.06 #> 8 505 1 [Hombr… 0.96 0.53 0.89 0.31 1.07 2 #> 9 506 0 [Mujer] 0.72 0.38 0.61 0.39 0.78 1.46 #> 10 506 1 [Hombr… 1.03 0.46 0.58 0.56 1.41 2.13 #> # ℹ 522 more rows ``` **Cálculo segmentado II: `icg` por calendario** ```r # Consultamos ID de olas de interés. Por ejemplo de los meses de diciembre durante la presidencia de Mauricio Macri opinAr::show_waves(data = icg_data) %>% dplyr::filter(mes == 12 & (anio >= 2015 & anio < 2019)) # filtramos para obtener número de ola de interes #> # A tibble: 4 × 3 #> ola mes anio #> #> 1 671 12 2015 #> 2 683 12 2016 #> 3 695 12 2017 #> 4 707 12 2018 opinAr::compute_icg(data = icg_data, wave = c(671, 683, 695, 707)) #> # A tibble: 4 × 7 #> ola icg eval_gob_rec benef_gob_rec adm_gp_rec cor_gob_rec resol_prob_rec #> #> 1 671 1.8 1.82 1.77 1.44 2.03 1.93 #> 2 683 2.49 2.02 2.08 2.1 3.23 3.03 #> 3 695 2.36 2.11 1.84 1.93 3.18 2.75 #> 4 707 1.92 1.43 1.58 1.53 2.89 2.2 ```