In PoliticaArgentina/opinAr: Argentina's Public Opinion Toolbox
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
# 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
#> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl+l> <dbl+l> <dbl> <dbl+l> <dbl+l> <dbl+l> <dbl+lbl>
#> 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 <dbl+lbl>, sit_fu <dbl+lbl>, sitec <dbl+lbl>,
#> # mejora <dbl+lbl>, eval_gob <dbl+lbl>, eval_gob_rec <dbl>, benef_gob <dbl+lbl>,
#> # benef_gob_rec <dbl>, adm_gp <dbl+lbl>, adm_gp_rec <dbl>, cor_gob <dbl+lbl>,
#> # cor_gob_rec <dbl>, resol_prob <dbl+lbl>, resol_prob_rec <dbl>, icg <dbl>,
#> # edad2 <dbl>, tipo_telef <dbl+lbl>, habitat <dbl+lbl>, region_2 <dbl+lbl>,
#> # zonacaba <dbl>, ponderacion_utdt <dbl>
# 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
#> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl>
#> 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
### 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
#> <dbl> <dbl+lbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl>
#> 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
# 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
#> <dbl> <dbl> <dbl>
#> 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
#> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl>
#> 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
PoliticaArgentina/opinAr documentation built on March 11, 2024, 2:57 p.m.
R Package Documentation
Browse R Packages
We want your feedback!
Note that we can't provide technical support on individual packages. You should contact the package authors for that.
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
wavepermite calcularlo para las distintas olas de ladata\ \ ( wave parameter allos wto compute icg for different waves along the period). -
el parámetro
segment_bycalcularlo según distintas segmentaciones de ladatatales como el sexo, edad, situación económica o nivel educativo\ \ (parametersegment_byallows computations for different segments indatasuch 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
wavepara elegir el número de ola; -
un parámetro
segment_bypara 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
# 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 #> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl+l> <dbl+l> <dbl> <dbl+l> <dbl+l> <dbl+l> <dbl+lbl> #> 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 <dbl+lbl>, sit_fu <dbl+lbl>, sitec <dbl+lbl>, #> # mejora <dbl+lbl>, eval_gob <dbl+lbl>, eval_gob_rec <dbl>, benef_gob <dbl+lbl>, #> # benef_gob_rec <dbl>, adm_gp <dbl+lbl>, adm_gp_rec <dbl>, cor_gob <dbl+lbl>, #> # cor_gob_rec <dbl>, resol_prob <dbl+lbl>, resol_prob_rec <dbl>, icg <dbl>, #> # edad2 <dbl>, tipo_telef <dbl+lbl>, habitat <dbl+lbl>, region_2 <dbl+lbl>, #> # zonacaba <dbl>, ponderacion_utdt <dbl> # 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 #> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> #> 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
### 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 #> <dbl> <dbl+lbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> #> 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
# 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 #> <dbl> <dbl> <dbl> #> 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 #> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> #> 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
R Package Documentation
Browse R Packages
We want your feedback!
Note that we can't provide technical support on individual packages. You should contact the package authors for that.
Embedding an R snippet on your website
Add the following code to your website.
For more information on customizing the embed code, read Embedding Snippets.