Crear tablas en R

Agenda

¿Por qué documentar el análisis de datos?
1.1 Documentar el análisis de datos
1.2 Herramientas para documentar
Base de datos del taller
2.1 Descripción de la base de datos
2.2 Variables
Procesar datos con Tidyverse
3.1 select()
3.2 filter()
3.3 mutate()
gtsummary
4.1 Tablas con tbl_summary()
4.2 Tablas para regresiones
4.3 Exportar tablas a word

1. ¿Por qué documentar los análisis?

1.1 Documentar el análisis de datos

Replicabilidad: Permite a otros investigadores o evaluadores replicar tus hallazgos.

Transparencia: La documentación completa demuestra la integridad del proceso de investigación, lo que aumenta la confianza en los resultados.

Claridad: Ayuda a clarificar los métodos y resultados.

Comunicación efectiva: Facilita la transferencia de conocimientos.

Revisión por pares: Hace que el proceso de revisión por pares sea más eficiente.

Mejora continua: Te permite volver a visitar y refinar tu análisis en el futuro, o adaptarlo para abordar preguntas de investigación relacionadas.

Formación y educación: Sirve como un recurso educativo para estudiantes o profesionales que estén aprendiendo cómo llevar a cabo análisis similares.

Resolución de problemas: Facilita la identificación y corrección de errores o inconsistencias en el análisis.

Economía de tiempo: Reduce el tiempo necesario para retomar o modificar el proyecto en fases posteriores de la investigación.

1.2. Herramientas para documentar

Código (Programas estadísticos)
Quarto (Rmarkdown)
Git (Github)
R (También sintaxis en spss, stata, etc)

1.2.1 Quarto

Quarto permite crear documentos en varios formatos (PDF, HTML, Word).
Permite integrar código de R, Python, etc.
Integrar tablas y gráficos.
Unir código y texto.

2. Base de datos

2.1 Descripción de la base de datos

Datos de 71 participantes sobre sus evaluaciones sociomorales en cuatro situaciones de transgresión legal: 1) daño ambiental por minería ilegal, 2) linchamiento en caso de robo, 3) tráfico de químicos para cocaína y 4) porte de armas en público. El estudio examina juicios y justificaciones sobre si hay transgresión, la gravedad de dichas transgresiones y el castigo merecido. También se evalúan las creencias sobre si las transgresiones se deben a características disposicionales de los involucrados.

Variables

library(dataWorkshopUN)
library(gtsummary)
library(tidyverse)
library(gt)

data(datos_ley_moral)

Rows: 6,837
Columns: 7
$ ID          <dbl> 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2…
$ SITUACIONES <chr> "Daño ambiental", "Daño ambiental", "Daño ambiental", "Dañ…
$ EDAD        <dbl> 17, 17, 17, 17, 17, 17, 17, 17, 17, 17, 17, 17, 17, 17, 17…
$ SEXO        <chr> "H", "H", "H", "H", "H", "H", "H", "H", "H", "H", "H", "H"…
$ CATEGORIAS  <chr> "Expectativa de transgresón", "Justificación de los desenl…
$ CODIGOS     <chr> "Transgresión", "Desconfianza institucional", "Recursos bá…
$ RESPUESTA   <dbl> 0, 0, 0, 0, 0, 0, 0, 0, 0, 1, 0, 0, 0, 0, 0, 0, 0, 0, 1, 1…

Información en la base de datos

3. Processar datos con `Tidyverse`

`select()`

Esta función permite seleccionar columnas.

datos_ley_moral  |> 
select(SITUACIONES, CODIGOS, RESPUESTA)  |> 
head(10)  |> 
gt()

SITUACIONES	CODIGOS	RESPUESTA
Daño ambiental	Transgresión	0
Daño ambiental	Desconfianza institucional	0
Daño ambiental	Recursos básicos, necesidades y oportunidades	0
Daño ambiental	Objetivos personales y conveniencia	0
Daño ambiental	Creencias y prácticas culturales	0
Daño ambiental	Justificaciones morales	0
Daño ambiental	Referencia a la experiencia	0
Daño ambiental	Autoridad, reglas y consecuencias	0
Daño ambiental	Prudencial	0
Daño ambiental	Otros	1

`filter()`

Esta función permite filtrar columnas.

datos_ley_moral  |> 
select(SITUACIONES, CODIGOS, RESPUESTA)  |> 
filter(SITUACIONES == "Linchamiento")  |> 
head(10)  |> 
gt()

SITUACIONES	CODIGOS	RESPUESTA
Linchamiento	Transgresión	1
Linchamiento	Desconfianza institucional	0
Linchamiento	Recursos básicos, necesidades y oportunidades	0
Linchamiento	Objetivos personales y conveniencia	0
Linchamiento	Creencias y prácticas culturales	1
Linchamiento	Justificaciones morales	0
Linchamiento	Referencia a la experiencia	0
Linchamiento	Autoridad, reglas y consecuencias	0
Linchamiento	Prudencial	0
Linchamiento	Otros	0

`mutate()`

Esta función permite crear o modificar columnas

datos_ley_moral  |> 
mutate(Edad_años = paste0(EDAD, " años"))  |> 
select(ID, Edad_años) |> 
unique()  |> 
head(10)  |> 
gt()

ID	Edad_años
2	17 años
3	22 años
5	52 años
7	30 años
8	40 años
10	30 años
11	16 años
13	17 años
14	15 años
15	44 años

Ejercicio 1

Cargar la base de datos datos_ley_moral
Crear una muestra que solo contenga las variables CATEGORIAS y CÓDIGOS
Filtrar la CATEGORÍA “Justificación de los juicios”

4. library(`gtsummary`)

`tbl_summary()`

gtsummary es un paquete que permite crear tablas de resumen de datos. Algunas de sus ventajas son:

Permite crear tablas de resumen de datos con una sintaxis sencilla.
Tablas de resumen para regresiones.
Exportar tablas a varios formatos (Word, PDF, HTML).
Permite crear tablas con diferentes estilos.
Calcula estadísticos y p-valores.

`tbl_summary()`

Calcular la frecuencia y el porcentajes de participantes hombres y mujeres.

datos_ley_moral  |> 
select(ID, SEXO)  |> 
unique()  |> 
tbl_summary(include=-ID)

Characteristic	N = 53¹
SEXO
H	35 (66%)
M	18 (34%)
¹ n (%)

`tbl_summary()`

Calcular medidas de tendencia y dispersión

datos_ley_moral  |> 
select(ID, EDAD)  |> 
unique()  |> 
tbl_summary(include=EDAD)

Characteristic	N = 23¹
EDAD	29 (23, 45)
¹ Median (IQR)

`tbl_summary()`

Elegir los estadísticos que se muestran en la tabla o el idioma.

theme_gtsummary_language(language = "es")

datos_ley_moral  |> 
select(EDAD)  |> 
unique()  |> 
tbl_summary(
statistic = EDAD ~ "{mean} ({sd})")

Característica	N = 23¹
EDAD	33 (13)
¹ Media (DE)

Ejercicio 2

Crear una tabla que incluya las variables EDAD y SEXO.

`tbl_summary()`

datos_ley_moral  |>
datos_organizados("Justificación de los desenlaces")  |> 
tbl_summary(include=-c(ID, SITUACIONES, SEXO, EDAD))

Característica	N = 159¹
Desconfianza institucional	17 (11%)
Recursos básicos, necesidades y oportunidades	23 (14%)
Objetivos personales y conveniencia	49 (31%)
Creencias y prácticas culturales	50 (31%)
Justificaciones morales	25 (16%)
Referencia a la experiencia	6 (3.8%)
Autoridad, reglas y consecuencias	13 (8.2%)
Prudencial	2 (1.3%)
Otros	7 (4.4%)
¹ n (%)

datos_ley_moral  |>
datos_organizados("Justificación de los desenlaces")  |> 
select(-c(ID, SITUACIONES, SEXO, EDAD)) |> 
tbl_summary()   |> 
modify_table_body(
    fun = ~ dplyr::arrange(.x, desc(readr::parse_number(stat_0)))
  )

Característica	N = 159¹
Creencias y prácticas culturales	50 (31%)
Objetivos personales y conveniencia	49 (31%)
Justificaciones morales	25 (16%)
Recursos básicos, necesidades y oportunidades	23 (14%)
Desconfianza institucional	17 (11%)
Autoridad, reglas y consecuencias	13 (8.2%)
Otros	7 (4.4%)
Referencia a la experiencia	6 (3.8%)
Prudencial	2 (1.3%)
¹ n (%)

`tbl_summary()`

La opción by permite crear tablas por grupos.

datos_ley_moral  |>
datos_organizados("Justificación de los desenlaces")  |> 
tbl_summary(by=SITUACIONES,
include=-c(ID, SEXO, EDAD))  |> 
modify_table_body(
    fun = ~ dplyr::arrange(.x, desc(readr::parse_number(stat_1)))
  )

Característica	Daño ambiental, N = 53¹	Linchamiento, N = 53¹	Narcotráfico, N = 53¹
Objetivos personales y conveniencia	24 (45%)	1 (1.9%)	24 (45%)
Autoridad, reglas y consecuencias	12 (23%)	0 (0%)	1 (1.9%)
Justificaciones morales	7 (13%)	16 (30%)	2 (3.8%)
Creencias y prácticas culturales	6 (11%)	30 (57%)	14 (26%)
Referencia a la experiencia	4 (7.5%)	1 (1.9%)	1 (1.9%)
Otros	4 (7.5%)	2 (3.8%)	1 (1.9%)
Desconfianza institucional	0 (0%)	17 (32%)	0 (0%)
Recursos básicos, necesidades y oportunidades	0 (0%)	0 (0%)	23 (43%)
Prudencial	0 (0%)	0 (0%)	2 (3.8%)
¹ n (%)

Ejercicio 3

Utilice la base de datos de “Juicio Moral” (datos_organizados()).

¿Cuál es la frecuencia de No estuvo bien según cada SITUACIÓN?

Añadir detalles a las tabla

datos_ley_moral  |>
datos_organizados("Justificación de los juicios")  |> 
tbl_summary(
    by = SITUACIONES,
    include=-c(ID, SEXO, EDAD))   |> 
     modify_table_body(
    fun = ~ dplyr::arrange(.x, desc(readr::parse_number(stat_1)))
  )  |>
    modify_header(
        label= "**Justificación de los juicios**"
    )

Añadir detalles a las tabla

Justificación de los juicios	Daño ambiental, N = 53¹	Linchamiento, N = 53¹	Narcotráfico, N = 53¹
Justificaciones morales	51 (96%)	33 (62%)	16 (30%)
Autoridad, reglas y consecuencias	2 (3.8%)	22 (42%)	23 (43%)
Prudencial	2 (3.8%)	0 (0%)	23 (43%)
Otros	2 (3.8%)	0 (0%)	4 (7.5%)
Recursos básicos, necesidades y oportunidades	0 (0%)	2 (3.8%)	9 (17%)
Objetivos personales y conveniencia	0 (0%)	0 (0%)	0 (0%)
Creencias y prácticas culturales	0 (0%)	0 (0%)	0 (0%)
Desconfianza institucional	0 (0%)	12 (23%)	0 (0%)
¹ n (%)

Añadir detalles a las tabla

datos_ley_moral  |>
datos_organizados("Justificación de los juicios")  |> 
tbl_summary(
    by = SITUACIONES,
    include=-c(ID, SEXO, EDAD))   |> 
     add_overall()  |> 
     modify_table_body(
    fun = ~ dplyr::arrange(.x, desc(readr::parse_number(stat_0)))
  )  |>
    modify_header(
        label= "**Justificación de los juicios**"
    )

Justificación de los juicios	Global, N = 159¹	Daño ambiental, N = 53¹	Linchamiento, N = 53¹	Narcotráfico, N = 53¹
Justificaciones morales	100 (63%)	51 (96%)	33 (62%)	16 (30%)
Autoridad, reglas y consecuencias	47 (30%)	2 (3.8%)	22 (42%)	23 (43%)
Prudencial	25 (16%)	2 (3.8%)	0 (0%)	23 (43%)
Desconfianza institucional	12 (7.5%)	0 (0%)	12 (23%)	0 (0%)
Recursos básicos, necesidades y oportunidades	11 (6.9%)	0 (0%)	2 (3.8%)	9 (17%)
Otros	6 (3.8%)	2 (3.8%)	0 (0%)	4 (7.5%)
Objetivos personales y conveniencia	0 (0%)	0 (0%)	0 (0%)	0 (0%)
Creencias y prácticas culturales	0 (0%)	0 (0%)	0 (0%)	0 (0%)
¹ n (%)

Add_p value

datos_ley_moral  |>
datos_organizados("Justificación de los juicios")  |> 
tbl_summary(
    by = SITUACIONES,
    include=-c(ID, SEXO, EDAD))   |> 
     add_overall()  |> 
     modify_table_body(
    fun = ~ dplyr::arrange(.x, desc(readr::parse_number(stat_0)))
  )  |>
    modify_header(
        label= "**Justificación de los juicios**"
    )   |> 
    add_p()

Justificación de los juicios	Global, N = 159¹	Daño ambiental, N = 53¹	Linchamiento, N = 53¹	Narcotráfico, N = 53¹	p-valor²
Justificaciones morales	100 (63%)	51 (96%)	33 (62%)	16 (30%)	<0.001
Autoridad, reglas y consecuencias	47 (30%)	2 (3.8%)	22 (42%)	23 (43%)	<0.001
Prudencial	25 (16%)	2 (3.8%)	0 (0%)	23 (43%)	<0.001
Desconfianza institucional	12 (7.5%)	0 (0%)	12 (23%)	0 (0%)	<0.001
Recursos básicos, necesidades y oportunidades	11 (6.9%)	0 (0%)	2 (3.8%)	9 (17%)	0.001
Otros	6 (3.8%)	2 (3.8%)	0 (0%)	4 (7.5%)	0.2
Objetivos personales y conveniencia	0 (0%)	0 (0%)	0 (0%)	0 (0%)
Creencias y prácticas culturales	0 (0%)	0 (0%)	0 (0%)	0 (0%)
¹ n (%)
² prueba chi cuadrado de independencia; test exacto de Fisher

Escalas gravedad y castigo

Característica	Global, N = 159¹	Daño ambiental, N = 53¹	Linchamiento, N = 53¹	Narcotráfico, N = 53¹
Escala de gravedad
1	5 (3.1%)	0 (0%)	4 (7.5%)	1 (1.9%)
2	6 (3.8%)	0 (0%)	4 (7.5%)	2 (3.8%)
3	20 (13%)	1 (1.9%)	9 (17%)	10 (19%)
4	29 (18%)	5 (9.4%)	11 (21%)	13 (25%)
5	99 (62%)	47 (89%)	25 (47%)	27 (51%)
Escala de castigo
1	11 (6.9%)	0 (0%)	7 (13%)	4 (7.5%)
2	10 (6.3%)	0 (0%)	7 (13%)	3 (5.7%)
3	46 (29%)	3 (5.7%)	15 (28%)	28 (53%)
4	38 (24%)	16 (30%)	14 (26%)	8 (15%)
5	54 (34%)	34 (64%)	10 (19%)	10 (19%)
¹ n (%)

Escalas gravedad y castigo

datos_ley_moral  |> 
datos_organizados("Escalas gravedad y castigo")   |> 
filter(SITUACIONES %in% c("Linchamiento", "Narcotráfico"))  |> 
tbl_summary(
    by = SITUACIONES,
    include=-c(ID, SEXO, EDAD),
    type= list(`Escala de gravedad` ~ "continuous", 
    `Escala de castigo` ~ "continuous"), 
    statistic = all_continuous() ~ "{mean}, ({sd})")   |> 
    add_p(test = list(
          all_continuous() ~ "paired.wilcox.test"),
        group = ID)

Característica	Linchamiento, N = 53¹	Narcotráfico, N = 53¹	p-valor²
Escala de gravedad	3.92, (1.28)	4.19, (1.00)	0.2
Escala de castigo	3.25, (1.28)	3.32, (1.09)	0.7
¹ Media, (DE)
² Wilcoxon signed rank test with continuity correction

Tablas para regresiones

datos_ley_moral  |> 
    datos_organizados("Escalas gravedad y castigo")   |> 
    filter(SITUACIONES %in% c("Linchamiento", "Narcotráfico"))  %>% 
    lm(`Escala de gravedad` ~ EDAD + SEXO + SITUACIONES, data = .)


Call:
lm(formula = `Escala de gravedad` ~ EDAD + SEXO + SITUACIONES, 
    data = .)

Coefficients:
            (Intercept)                     EDAD                    SEXOM  
               3.835985                 0.001162                 0.163164  
SITUACIONESNarcotráfico  
               0.264151

La función lm() genera un resultado como este:


Call:
lm(formula = `Escala de gravedad` ~ EDAD + SEXO + SITUACIONES, 
    data = .)

Coefficients:
            (Intercept)                     EDAD                    SEXOM  
               3.835985                 0.001162                 0.163164  
SITUACIONESNarcotráfico  
               0.264151

Tablas para regresiones

datos_ley_moral  |> 
    datos_organizados("Escalas gravedad y castigo")   |> 
    filter(SITUACIONES %in% c("Linchamiento", "Narcotráfico"))  %>% 
    lm(`Escala de gravedad` ~ EDAD + SEXO + SITUACIONES, data = .)  |> 
    tbl_regression()

Característica	Beta	95% CI¹	p-valor
EDAD	0.00	-0.02, 0.02	0.9
SEXO
H	—	—
M	0.16	-0.31, 0.64	0.5
SITUACIONES
Linchamiento	—	—
Narcotráfico	0.26	-0.18, 0.71	0.2
¹ CI = Intervalo de confianza

Exportar a tablas a word

tabla_gravedad_y_castigo <- datos_ley_moral  |> 
datos_organizados("Escalas gravedad y castigo")   |> 
filter(SITUACIONES %in% c("Linchamiento", "Narcotráfico"))  |> 
tbl_summary(
    by = SITUACIONES,
    include=-c(ID, SEXO, EDAD),
    type= list(`Escala de gravedad` ~ "continuous", 
    `Escala de castigo` ~ "continuous"), 
    statistic = all_continuous() ~ "{mean}, ({sd})")   |> 
    add_p(test = list(
          all_continuous() ~ "paired.wilcox.test"),
        group = ID)    |> 
        as_gt()

gt::gtsave(tabla_gravedad_y_castigo, "tabla_gravedad_y_castigo.docx")

Recursos

Página web de gtsummary

Página web de gt

Crear tablas en R

Agenda

1. ¿Por qué documentar los análisis?

1.1 Documentar el análisis de datos

1.2. Herramientas para documentar

1.2.1 Quarto

2. Base de datos

2.1 Descripción de la base de datos

Variables

Información en la base de datos

3. Processar datos con Tidyverse

select()

filter()

mutate()

Ejercicio 1

4. library(gtsummary)

tbl_summary()

tbl_summary()

tbl_summary()

tbl_summary()

Ejercicio 2

tbl_summary()

tbl_summary()

Ejercicio 3

Añadir detalles a las tabla

Añadir detalles a las tabla

Añadir detalles a las tabla

Add_p value

Escalas gravedad y castigo

Escalas gravedad y castigo

Tablas para regresiones

Tablas para regresiones

Exportar a tablas a word

Recursos

Gracias

3. Processar datos con `Tidyverse`

`select()`

`filter()`

`mutate()`

4. library(`gtsummary`)

`tbl_summary()`

`tbl_summary()`

`tbl_summary()`

`tbl_summary()`

`tbl_summary()`

`tbl_summary()`