7.4 Diagrama de barras para variables categoricas

Para realizar estos gráfico, en primer lugar, se deben realizar las estimaciones puntuales de los tamaños que se van a graficar:

tamano_zona <- diseno %>%
  group_by(Zone) %>%
  summarise( Nd = survey_total(vartype = c("se", "ci")))
tamano_zona 

Zone	Nd	Nd_se	Nd_low	Nd_upp
Rural	72102	3062	66039	78165
Urban	78164	2847	72526	83802

Ahora, se procede a hacer el gráfico como se mostró en las secciones anteriores:

plot25_Ponde <- ggplot(
  data = tamano_zona, 
  aes(
    x = Zone,         
    y = Nd,           
    ymax = Nd_upp,    
    ymin = Nd_low,    
    fill = Zone)) +
  geom_bar(stat = "identity", position = "dodge") +
  geom_errorbar(position = position_dodge(width = 0.9),
    width = 0.3) +
  theme_bw()
plot25_Ponde

Como se ha visto en los gráficos anteriores, se pueden extender a variables con muchas más categorías:

tamano_pobreza <- diseno %>%
  group_by(Poverty) %>%
  summarise(Nd = survey_total(vartype = c("se", "ci")))
tamano_pobreza

Poverty	Nd	Nd_se	Nd_low	Nd_upp
NotPoor	91398	4395	82696	100101
Extreme	21519	4949	11719	31319
Relative	37349	3695	30032	44666

El gráfico se obtiene con una sintaxis homologa a la anterior:

plot26_Ponde <- ggplot(
  data = tamano_pobreza,
  aes(
    x = Poverty,
    y = Nd,
    ymax = Nd_upp,
    ymin = Nd_low,
    fill = Poverty)) +
  geom_bar(stat = "identity", position = "dodge") +
  geom_errorbar(
    position = position_dodge(width = 0.9),
    width = 0.3) +
  theme_bw()
plot26_Ponde

De forma similar a los gráficos Boxplot, es posible realizar comparaciones entre más dos variables.

tamano_ocupacion_pobreza <- diseno %>%
  group_by(desempleo, Poverty) %>%
  summarise(Nd = survey_total(vartype = c("se", "ci"))) %>% as.data.frame() %>% 
  mutate(desempleo = ifelse(is.na(desempleo),"Ninos",desempleo))
tamano_ocupacion_pobreza

desempleo	Poverty	Nd	Nd_se	Nd_low	Nd_upp
0	NotPoor	68946	3676.3	61666.8	76226
0	Extreme	11549	2208.8	7175.8	15923
0	Relative	22847	2558.5	17780.5	27913
1	NotPoor	1768	405.4	965.7	2571
1	Extreme	1169	348.1	479.9	1859
1	Relative	1697	457.8	790.7	2604
Ninos	NotPoor	20684	1256.6	18195.4	23172
Ninos	Extreme	8800	2979.9	2899.7	14701
Ninos	Relative	12805	1551.0	9733.9	15876

El gráfico para la tabla anterior queda de la siguiente manera:

plot27_Ponde <- ggplot(
  data = tamano_ocupacion_pobreza,
    aes(
      x = Poverty,
      y = Nd,
      ymax = Nd_upp,
      ymin = Nd_low,
      fill = as.factor(desempleo))) +
  geom_bar(stat = "identity", position = "dodge") +
  geom_errorbar(
    position = position_dodge(width = 0.9),
    width = 0.3) +
  theme_bw()
plot27_Ponde

En estos gráficos también se pueden presentar proporciones, como se muestra a continuación:

prop_ZonaH_Pobreza <- sub_Hombre %>%
  group_by(Zone, Poverty) %>%
  summarise(prop = survey_prop(vartype = c("se", "ci")))
prop_ZonaH_Pobreza

## # A tibble: 6 × 6
## # Groups:   Zone [2]
##   Zone  Poverty   prop prop_se prop_low prop_upp
##   <chr> <fct>    <dbl>   <dbl>    <dbl>    <dbl>
## 1 Rural NotPoor  0.549  0.0626   0.424     0.668
## 2 Rural Extreme  0.198  0.0675   0.0958    0.364
## 3 Rural Relative 0.254  0.0372   0.187     0.334
## 4 Urban NotPoor  0.660  0.0366   0.584     0.728
## 5 Urban Extreme  0.113  0.0245   0.0726    0.171
## 6 Urban Relative 0.227  0.0260   0.180     0.283

Después de tener la tabla con los valores a presentar en el gráfico, los códigos computacionales para realizar el gráfico es el siguiente:

plot28_Ponde <- ggplot(
  data = prop_ZonaH_Pobreza,
  aes(
    x = Poverty, y = prop,
    ymax = prop_upp, ymin = prop_low,
    fill = Zone)) + 
  geom_bar(stat = "identity", position = "dodge") +
  geom_errorbar(
    position = position_dodge(width = 0.9),
    width = 0.3
  ) + scale_fill_manual(values = colorZona) +
  theme_bw()
plot28_Ponde

Ahora bien, grafiquemos la proporción de hombres en condición de pobreza por región:

prop_RegionH_Pobreza <- sub_Hombre %>%
  group_by(Region, pobreza) %>%
  summarise(
    prop = survey_prop(vartype = c("se", "ci"))) %>%
  data.frame()
prop_RegionH_Pobreza

Region	pobreza	prop	prop_se	prop_low	prop_upp
Norte	0	0.6315	0.0552	0.5171	0.7327
Norte	1	0.3685	0.0552	0.2673	0.4829
Sur	0	0.6134	0.0567	0.4970	0.7181
Sur	1	0.3866	0.0567	0.2819	0.5030
Centro	0	0.6453	0.0846	0.4666	0.7910
Centro	1	0.3547	0.0846	0.2090	0.5334
Occidente	0	0.6259	0.0439	0.5358	0.7080
Occidente	1	0.3741	0.0439	0.2920	0.4642
Oriente	0	0.5450	0.1012	0.3480	0.7289
Oriente	1	0.4550	0.1012	0.2711	0.6520

El gráfico de barras es el siguiente:

plot29_Ponde <- ggplot(
  data = prop_RegionH_Pobreza,
  aes(
    x = Region, y = prop,
    ymax = prop_upp, ymin = prop_low,
    fill = as.factor(pobreza))) +
  geom_bar(stat = "identity", position = "dodge") +
  geom_errorbar(
    position = position_dodge(width = 0.9),
    width = 0.3
  ) +
  theme_bw()
plot29_Ponde