6.2 Análisis gráfico
El primer gráfico, p1
, muestra una gráfica de dispersión de la variable ln_sigma2
en función de la variable pobreza
, con una línea suave que representa una estimación de la tendencia. El eje x está etiquetado como pobreza.
El segundo gráfico, p2
, muestra una gráfica de dispersión de la variable ln_sigma2
en función de la variable nd
, con una línea suave que representa una estimación de la tendencia. El eje x está etiquetado como Tamaño de muestra.
El tercer gráfico, p3
, muestra una gráfica de dispersión de la variable ln_sigma2
en función del producto de pobreza
y nd
, con una línea suave que representa una estimación de la tendencia. El eje x está etiquetado como Número de pobres.
El cuarto gráfico, p4
, muestra una gráfica de dispersión de la variable ln_sigma2
en función de la raíz cuadrada de la variable pobreza
, con una línea suave que representa una estimación de la tendencia. El eje x está etiquetado como Raiz cuadrada de pobreza.
En general, los gráficos estan diseñados para explorar la relación entre ln_sigma2
y diferentes variables independientes, como pobreza
, nd
, y la raíz cuadrada de la pobreza. La elección de utilizar la función “loess” para suavizar las líneas en lugar de una línea recta puede ayudar a visualizar mejor las tendencias generales en los datos.
theme_set(theme_bw())
# pobreza vs Ln_sigma2 #
<- ggplot(baseFGV, aes(x = pobreza, y = ln_sigma2)) +
p1 geom_point() +
geom_smooth(method = "loess") +
xlab("pobreza")
# Tamaño de muestra vs Ln_sigma2 #
<- ggplot(baseFGV, aes(x = nd, y = ln_sigma2)) +
p2 geom_point() +
geom_smooth(method = "loess") +
xlab("Tamaño de muestra")
# Número de pobres vs Ln_sigma2 #
<- ggplot(baseFGV,
p3 aes(x = pobreza * nd, y = ln_sigma2)) +
geom_point() +
geom_smooth(method = "loess") +
xlab("Número de pobres")
# Raiz_pobreza vs Ln_sigma2 #
<- ggplot(baseFGV,
p4 aes(x = sqrt(pobreza), y = ln_sigma2)) +
geom_point() +
geom_smooth(method = "loess") +
xlab("Raiz cuadrada de pobreza")
library(patchwork)
| p2) / (p3 | p4) (p1