Práctico 05. Estimación de valores predichos

Métodos estadísticos para Ciencias Sociales III

Fecha de publicación

22 de septiembre de 2025

Presentación

La siguiente práctica tiene el objetivo de repasar en la interpretación de coeficientes de correlación y la construcción de escalas, así como también en la interpretación de coeficientes de regresión lineal. Para ello, utilizaremos la base de datos de la tercera ola del Estudio Longitudinal Social del Chile 2018 con el objetivo de analizar los determinantes de la Participación Ciudadana.

La versión original de este ejercicio proviene del curso de Estadística multivariada versión 2022.

Librerías

pacman::p_load(dplyr, 
               car, 
               summarytools, 
               sjPlot, 
               texreg, 
               corrplot, 
               ggplot2, 
               sjlabelled, 
               ggeffects)

Datos

El Estudio Longitudinal Social del Chile ELSOC, único en Chile y América Latina, consiste en encuestar a casi 3.000 chilenos, anualmente, a lo largo de una década. ELSOC ha sido diseñado para evaluar la manera cómo piensan, sienten y se comportan los chilenos en torno a un conjunto de temas referidos al conflicto y la cohesión social en Chile. La población objetivo son hombres y mujeres entre 15 y 75 años de edad con un alcance nacional, donde se obtuvo una muestra final de 3748 casos en el año 2018.

#Cargamos la base de datos desde internet
load(url("https://github.com/Kevin-carrasco/metod1-MCS/raw/main/files/data/elsoc2.RData"))

O descargamos de acá y cargamos de manera local.

Explorar datos

A partir de la siguiente tabla se obtienen estadísticos descriptivos que luego serán relevantes para realizar las transformaciones y análisis posteriores.

view_df(elsoc,max.len = 50)

Data frame: elsoc
ID	Name	Label	Values	Value Labels
1	sexo	Sexo entrevistado	0 1	Hombre Mujer
2	edad	Edad entrevistado	range: 18-90
3	educ	Nivel educacional	1 2 3 4 5	Primaria incompleta menos Primaria y secundaria baja Secundaria alta Terciaria ciclo corto Terciaria y Postgrado
4	pospol	Autoubicacion escala izquierda-derecha	1 2 3 4	Derecha Centro Izquierda Indep./Ninguno
5	part01	Frecuencia: Firma carta o peticion apoyando causa	1 2 3 4 5	Nunca Casi nunca A veces Frecuentemente Muy frecuentemente
6	part02	Frecuencia: Asiste a mbackground-color:#eeeeeeha o manifestacion pacifica	1 2 3 4 5	Nunca Casi nunca A veces Frecuentemente Muy frecuentemente
7	part03	Frecuencia: Participa en huelga	1 2 3 4 5	Nunca Casi nunca A veces Frecuentemente Muy frecuentemente
8	part04	Frecuencia: Usa redes sociales para opinar en temas publicos	1 2 3 4 5	Nunca Casi nunca A veces Frecuentemente Muy frecuentemente
9	inghogar	Ingreso total del hogar	range: 30000-17000000
10	inghogar_t	Ingreso total del hogar (en tramos)	1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20	Menos de $220.000 mensuales liquidos De $220.001 a $280.000 mensuales liquidos De $280.001 a $330.000 mensuales liquidos De $330.001 a $380.000 mensuales liquidos De $380.001 a $420.000 mensuales liquidos De $420.001 a $470.000 mensuales liquidos De $470.001 a $510.000 mensuales liquidos De $510.001 a $560.000 mensuales liquidos De $560.001 a $610.000 mensuales liquidos De $610.001 a $670.000 mensuales liquidos De $670.001 a $730.000 mensuales liquidos De $730.001 a $800.000 mensuales liquidos De $800.001 a $890.000 mensuales liquidos De $890.001 a $980.000 mensuales liquidos De $980.001 a $1.100.000 mensuales liquidos De $1.100.001 a $1.260.000 mensuales liquidos De $1.260.001 a $1.490.000 mensuales liquidos De $1.490.001 a $1.850.000 mensuales liquidos De $1.850.001 a $2.700.000 mensuales liquidos Mas de $2.700.000 a mensuales liquidos
11	tamhogar	Habitantes del hogar	range: 1-14

Variable dependiente: participación política

plot_stackfrq(elsoc[,c("part01","part02","part03","part04")]) + theme(legend.position="bottom")

corrplot.mixed(cor(select(elsoc,part01,part02,part03,part04),
                   use = "complete.obs"))

elsoc$part01 <- car::recode(elsoc$part01, "1=0; 2=1; 3=2; 4=3; 5=4")
elsoc$part02 <- car::recode(elsoc$part02, "1=0; 2=1; 3=2; 4=3; 5=4")
elsoc$part03 <- car::recode(elsoc$part03, "1=0; 2=1; 3=2; 4=3; 5=4")
elsoc$part04 <- car::recode(elsoc$part04, "1=0; 2=1; 3=2; 4=3; 5=4")

elsoc <- elsoc %>% mutate(partpol=rowSums(select(., part01,part02,part03,part04)))
summary(elsoc$partpol)

   Min. 1st Qu.  Median    Mean 3rd Qu.    Max.    NA's 
  0.000   0.000   0.000   1.473   2.000  16.000       8

Regresión lineal

veamos primero las diferencias de usar cada tipo de variable de ingreso

fit01<- lm(partpol~sexo,data=elsoc)
fit02<- lm(partpol~sexo+edad,data=elsoc)
fit03<- lm(partpol~sexo+edad+pospol,data=elsoc)

labs02 <- c("Intercepto","Sexo (mujer=1)","Edad",
            "Centro (ref. derecha)","Izquierda","Idep./Ninguno")

screenreg(list(fit01,fit02,fit03),custom.coef.names = labs02)

knitreg(list(fit01,fit02,fit03),
        custom.model.names = c("Modelo 1","Modelo 2","Modelo 3"),
        custom.coef.names = c("Intercepto",
                              "Sexo (mujer=1)",
                              "Edad",
                              "Centro (ref. derecha)",
                              "Izquierda",
                              "Indep./Ninguno"))

Statistical models
	Modelo 1	Modelo 2	Modelo 3
Intercepto	1.56^***	3.62^***	4.53^***
	(0.06)	(0.12)	(0.13)
Sexo (mujer=1)	-0.13	-0.08	-0.00
	(0.08)	(0.07)	(0.07)
Edad		-0.04^***	-0.04^***
		(0.00)	(0.00)
Centro (ref. derecha)			-1.06^***
			(0.10)
Izquierda			-1.11^***
			(0.11)
Indep./Ninguno			-1.67^***
			(0.10)
R²	0.00	0.09	0.16
Adj. R²	0.00	0.09	0.16
Num. obs.	3740	3740	3656
^*p < 0.001; ^p < 0.01; ^*p < 0.05

El Modelo 1 indica que las mujeres participan 0.13 unidades menos en comparación con los hombres, sin embargo, esta relación no es estadísticamente significativa (p>0.05).

El Modelo 2 indica que por cada unidad que aumenta la edad, la participación política disminuye en promedio 0.04 unidades, con un 99.9% de significación estadístico y manteniendo el sexo constante. Esta relación es consistente en los otros dos modelos.

En el Modelo 3 que incluye la posición política de los/as encuestados, la participación política de las personas de izquierda, centro o independiente/ninguno es menor en comparación con las personas de derecha, con una significación estadística del 99.9%, manteniendo el resto de las variables constantes.

Cálculo de valores predichos

Paquete ggeffects de R: últil para estimar Valores predichos a partir de modelos de regresión
Combinado con ggplot2, se pueden generar gráficos que muestran de modo más intuitivo la relación entre variables

ggeffects::ggpredict(fit03, terms = c("sexo")) %>%
  ggplot(aes(x=x, y=predicted)) +
  geom_bar(stat="identity", color="grey", fill="grey")+
  geom_errorbar(aes(ymin = conf.low, ymax = conf.high), width=.1) +
  labs(title="Sexo", x = "", y = "") +
  theme_bw() +
  scale_x_continuous(name = "",
                     breaks = c(0,1),
                     labels = c("Hombre", "Mujer"))+
  scale_y_continuous(limits = c(0,16), 
                     breaks = seq(0,16, by = 1))

ggeffects::ggpredict(fit03, terms = c("pospol")) %>%
  ggplot(aes(x=x, y=predicted)) +
  geom_bar(stat="identity", color="grey", fill="grey")+
  geom_errorbar(aes(ymin = conf.low, ymax = conf.high), width=.1) +
  labs(title="Posición política", x = "", y = "") +
  theme_bw() +
  scale_x_discrete(name = "",
                   labels = c("Derecha", "Centro", "Izquierda", "Independiente/ninguno")) +
  scale_y_continuous(limits = c(0,16), 
                     breaks = seq(0,16, by = 1))

ggeffects::ggpredict(fit03, terms="edad") %>%
  ggplot(mapping=aes(x = x, y=predicted)) +
  labs(title="Edad", x = "", y = "")+
  theme_bw() +
  geom_smooth()+
  geom_ribbon(aes(ymin = conf.low, ymax = conf.high), alpha = .2, fill = "black") +
  scale_x_continuous(breaks = seq(0,100, by = 10))+
  scale_y_continuous(limits = c(0,16), 
                     breaks = seq(0,16, by = 1))

`geom_smooth()` using method = 'loess' and formula = 'y ~ x'

Interacciones

fit04<- lm(partpol~sexo+edad+pospol*edad,data=elsoc)
sjPlot::tab_model(fit03,fit04, show.ci = FALSE, pred.labels=c("Intercepto",
                              "Sexo (mujer=1)",
                              "Edad",
                              "Centro (ref. derecha)",
                              "Izquierda",
                              "Indep./Ninguno",
                              "Centro * Edad",
                              "Izquierda * Edad",
                              "Indep./Ninguno * Edad"))

	partpol		partpol
Predictors	Estimates	p	Estimates	p
Intercepto	4.53	<0.001	6.05	<0.001
Sexo (mujer=1)	-0.00	0.949	-0.01	0.846
Edad	-0.04	<0.001	-0.08	<0.001
Centro (ref. derecha)	-1.06	<0.001	-2.93	<0.001
Izquierda	-1.11	<0.001	-2.72	<0.001
Indep./Ninguno	-1.67	<0.001	-3.95	<0.001
Centro * Edad			0.04	<0.001
Izquierda * Edad			0.04	<0.001
Indep./Ninguno * Edad			0.05	<0.001
Observations	3656		3656
R² / R² adjusted	0.159 / 0.158		0.175 / 0.174

En comparación con las personas de Derecha, el efecto negativo de la edad no es tan pronunciado en personas de Centro, Izquierda o independientes.

sjPlot::plot_model(fit04, type = "int") +
  theme_bw() +
  theme(legend.position = "bottom")

En el fondo lo que muestra el gráfico es que el efecto negativo de la edad es mucho mayor en personas de derecha. O el efecto negativo de la edad es más tenue en personas de centro, izquierda o independientes. U otra opción aún: los jóvenes de derecha son los que más participan.

Ejercicios

1- Estima un nuevo modelo de regresión lineal múltiple que incluya como predictores: sexo, edad, posición política y nivel educacional.

fit05<- lm(partpol~sexo+edad+pospol+educ,data=elsoc)
sjPlot::tab_model(fit05,
                  show.ci=FALSE)

	partpol
Predictors	Estimates	p
(Intercept)	3.09	<0.001
Sexo entrevistado	0.04	0.572
Edad entrevistado	-0.03	<0.001
Autoubicacion escala izquierda-derecha: Centro	-0.96	<0.001
Autoubicacion escala izquierda-derecha: Izquierda	-1.09	<0.001
Autoubicacion escala izquierda-derecha: Indep/Ninguno	-1.39	<0.001
Nivel educacional: Primaria y secundaria baja	0.02	0.867
Nivel educacional: Secundaria alta	0.45	<0.001
Nivel educacional: Terciaria ciclo corto	1.01	<0.001
Nivel educacional: Terciaria y Postgrado	1.67	<0.001
Observations	3651
R² / R² adjusted	0.209 / 0.207

Con base en este modelo crea un gráfico de valores predichos para la variable de nivel educacional.

ggeffects::ggpredict(fit05, terms = c("educ")) %>%
  ggplot(aes(x=x, y=predicted)) +
  geom_bar(stat="identity", color="grey", fill="grey")+
  geom_errorbar(aes(ymin = conf.low, ymax = conf.high), width=.1) +
  labs(title="Posición política", x = "", y = "") +
  theme_bw() +
  scale_x_discrete(name = "",
                   labels = c("Básica incompleta", "Básica completa", "Educación media", "Técnico profesional", "Universitaria")) +
  scale_y_continuous(limits = c(0,16), 
                     breaks = seq(0,16, by = 1))

2- Estima un nuevo modelo de regresión que incluya un término de interacción entre edad y nivel educacional

fit06<- lm(partpol~sexo+edad+pospol+educ*edad,data=elsoc)
sjPlot::tab_model(fit06,
                  show.ci=FALSE)

	partpol
Predictors	Estimates	p
(Intercept)	1.98	<0.001
Sexo entrevistado	0.04	0.536
Edad entrevistado	-0.01	0.163
Autoubicacion escala izquierda-derecha: Centro	-0.95	<0.001
Autoubicacion escala izquierda-derecha: Izquierda	-1.09	<0.001
Autoubicacion escala izquierda-derecha: Indep/Ninguno	-1.39	<0.001
Nivel educacional: Primaria y secundaria baja	0.64	0.340
Nivel educacional: Secundaria alta	1.54	0.003
Nivel educacional: Terciaria ciclo corto	2.08	<0.001
Nivel educacional: Terciaria y Postgrado	3.24	<0.001
edad:educ2	-0.01	0.391
edad:educ3	-0.02	0.034
edad:educ4	-0.02	0.076
edad:educ5	-0.03	0.001
Observations	3651
R² / R² adjusted	0.212 / 0.209

Grafica la interacción estimada en este modelo

sjPlot::plot_model(fit06, type = "int") +
  theme_bw() +
  theme(legend.position = "bottom")

3- Interpreta los gráficos elaborados.

Gráfico 1: a mayor educación, más participación política
Gráfico 2: el efecto de la edad se mantiene negativo para todos los grupos educacionales. Los jóvenes con educación universitaria son quienes más participan.