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’).
\[ \frac{\sum eval\_gob\_rec*ponderacion\_utdt} { \sum ponderacion\_utdt } \]
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)
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 rowsCálculo 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 rowsCálculo 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