En el presente documento realizamos el calculo del índice EI de homofilia utilizando el paquete Egor diseñado para el entorno R (Krenz et al., 2020). Optamos por utilizar este paquete por que facilita algunos procesos de calculo y, por lo tanto, reduce lineas de código. Además, cuenta con el respaldo de haber sido diseñado por el prestigioso grupo de trabajo enfocado en el análisis de redes sociales, “Statnet” de la universidad de Washington http://statnet.org/.
Para atributos categóricos de los alter de la red ego, además de la proporción de alter similares a ego, una medida generalmente usada ha sido el índice EI (Krackhardt & Stern, 1988, Perry et al., 2018). Esta medida se define como el número de alter diferentes de ego (lazos externos E) menos el número de alter iguales a ego (lazos internos I), dividido por el número de alter. Esta es una medida “reversa” de homofilia toa vez que una medida alta de este índice índica mayor heterofilia. Además, debido a que es una transformación lineal de la medida de proporción de lazos homofilicos, su correlación es un perfecto -.1
\[ EI = {\frac {E - I}{E + I}}\]
A continuación, desarrollamos el trabajo de código. Todo el análisis es realizado con datos de la encuesta ELSOC COES, considerando las olas 2 y 4.
Las bases de datos y la documentación pueden ser descargadas desde el siguiente link
::p_load(ggplot2,ggthemes,tidyverse,sjlabelled,sjPlot,vcd,texreg,ordinal,
pacman
nnet,MASS,mlogit,matrixStats,expss,sjlabelled,sjmisc,tidyverse,
survey,egor,haven,car,dplyr,stargazer,janitor,gridExtra,ggeffects, haven,summarytools,skimr,weights,ggcorrplot,ggridges,panelr)
load("C:/Users/rober/Downloads/ELSOC_W02_v3.00_R.RData")
load("C:/Users/rober/Downloads/ELSOC_W04_v2.01_R.RData")
<-elsoc_2017 %>% rename(.egoID = idencuesta)
a<-elsoc_2019 %>% rename(.egoID = idencuesta) b
=="-999"] <- NA
a[a=="-888"] <- NA
a[a
=="-999"] <- NA
b[b=="-888"] <- NA b[b
<-a %>%
a1::select(.egoID,r13_sexo_01, r13_sexo_02, r13_sexo_03, r13_sexo_04, r13_sexo_05,
dplyr
r13_edad_01, r13_edad_02, r13_edad_03, r13_edad_04, r13_edad_05,
r13_relacion_01, r13_relacion_02, r13_relacion_03, r13_relacion_04,
r13_relacion_05, r13_tiempo_01, r13_tiempo_02, r13_tiempo_03,
r13_tiempo_04, r13_tiempo_05, r13_barrio_01, r13_barrio_02, r13_barrio_03,
r13_barrio_04, r13_barrio_05, r13_educ_01, r13_educ_02, r13_educ_03,
r13_educ_04, r13_educ_05, r13_relig_01, r13_relig_02, r13_relig_03,
r13_relig_04, r13_relig_05, r13_ideol_01, r13_ideol_02, r13_ideol_03,
r13_ideol_04, r13_ideol_05, r13_contacto_01, r13_contacto_02, r13_contacto_03, r13_contacto_04, r13_contacto_05)
<-b%>%
b1::select(.egoID,r13_sexo_01, r13_sexo_02, r13_sexo_03, r13_sexo_04, r13_sexo_05,
dplyr
r13_edad_01, r13_edad_02, r13_edad_03, r13_edad_04, r13_edad_05,
r13_relacion_01, r13_relacion_02, r13_relacion_03, r13_relacion_04,
r13_relacion_05, r13_tiempo_01, r13_tiempo_02, r13_tiempo_03, r13_tiempo_04,
r13_tiempo_05, r13_barrio_01, r13_barrio_02, r13_barrio_03, r13_barrio_04,
r13_barrio_05, r13_educ_01, r13_educ_02, r13_educ_03, r13_educ_04,
r13_educ_05, r13_relig_01, r13_relig_02, r13_relig_03, r13_relig_04,
r13_relig_05,r13_ideol_01, r13_ideol_02, r13_ideol_03, r13_ideol_04, r13_ideol_05)
<-a1 %>%
alter_1::select(.egoID, sexo=r13_sexo_01, edad=r13_edad_01, rel=r13_relacion_01,
dplyrtiempo=r13_tiempo_01,barrio=r13_barrio_01, educ=r13_educ_01,
relig=r13_relig_01, ideol=r13_ideol_01)
#View(alter_1)
<-a1 %>%
alter_2::select(.egoID, sexo=r13_sexo_02, edad=r13_edad_02, rel=r13_relacion_02,
dplyrtiempo=r13_tiempo_02,barrio=r13_barrio_02, educ=r13_educ_02,
relig=r13_relig_02, ideol=r13_ideol_02)
<-a1 %>%
alter_3::select(.egoID, sexo=r13_sexo_03, edad=r13_edad_03, rel=r13_relacion_03,
dplyrtiempo=r13_tiempo_03,barrio=r13_barrio_03, educ=r13_educ_03,
relig=r13_relig_03, ideol=r13_ideol_03)
<-a1 %>%
alter_4::select(.egoID, sexo=r13_sexo_04, edad=r13_edad_04, rel=r13_relacion_04,
dplyrtiempo=r13_tiempo_04, barrio=r13_barrio_04, educ=r13_educ_04,
relig=r13_relig_04, ideol=r13_ideol_04)
<-a1 %>%
alter_5::select(.egoID, sexo=r13_sexo_05, edad=r13_edad_05, rel=r13_relacion_05,
dplyrtiempo=r13_tiempo_05, barrio=r13_barrio_05, educ=r13_educ_05,
relig=r13_relig_05, ideol=r13_ideol_05)
$n<-1
alter_1$n<-2
alter_2$n<-3
alter_3$n<-4
alter_4$n<-5 alter_5
<-rbind(alter_1,alter_2,alter_3,alter_4,alter_5)
alteris<-arrange(alteris, .egoID) alteris
<- rowid_to_column(alteris, var = ".altID")
alteris <- as_tibble(alteris)
alteris $n <- NULL alteris
$educ <-factor(Recode(alteris$educ,"1=1;2:3=2;4=3;5=4;-999=NA"))
alteris$relig<-factor(Recode(alteris$relig,"1=1;2=2;3=3;4=4;5=5;-999=NA"))
alteris$ideol<-factor(Recode(alteris$ideol,"1=1;2=2;3=3;4=4;5=5;6=6;-999=NA"))
alteris$edad <-factor(Recode(alteris$edad,"0:18=1;19:29=2;30:40=3;41:51=4;52:62=5;63:100=6"))
alteris$sexo <-factor(Recode(alteris$sexo,"1=1;2=2"))
alteris
<-na.omit(alteris) alteris
<-a %>%
egos ::select(.egoID, sexo=m0_sexo, edad=m0_edad, ideol=c15, educ=m01,
dplyrrelig=m38, ideol=c15)
<- as_tibble(egos) egos
$educ <-factor(Recode(egos$educ,"1:3=1;4:5=2;6:7=3;8:10=4;-999:-888=NA"))
egos$relig<-factor(Recode(egos$relig,"1=1;2=2;9=3;7:8=4;3:6=5;-999:-888=NA"))
egos$ideol<-factor(Recode(egos$ideol,"9:10=1;6:8=2;5=3;2:4=4;0:1=5;11:12=6;-999:-888=NA"))
egos$edad <-factor(Recode(egos$edad,"18=1;19:29=2;30:40=3;41:51=4;52:62=5;63:100=6"))
egos$sexo <-factor(Recode(egos$sexo,"1=1;2=2")) egos
<-egor(alters=alteris,
a_egoegos=egos,
ID.vars=list(ego = ".egoID",
alter = ".altID"))
summary(a_ego)
## 2473 Egos/ Ego Networks
## 6830 Alters
## Min. Netsize 1
## Average Netsize 3.00087873462214
## Max. Netsize 5
## Average Density 0
## Alter survey design:
## Maximum nominations: Inf
a_ego
## # EGO data ([32mactive[39m): 2,473 x 6
## .egoID sexo edad ideol educ relig
## <chr> <fct> <fct> <fct> <fct> <fct>
## 1 1101011 2 6 6 1 1
## 2 1101012 2 5 6 2 1
## 3 1101013 2 2 6 2 1
## 4 1101021 1 5 6 4 1
## 5 1101022 1 6 6 3 1
## # ALTER data: 6,830 x 10
## .altID .egoID sexo edad rel tiempo barrio educ relig ideol
## <chr> <chr> <fct> <fct> <dbl> <dbl> <dbl> <fct> <fct> <fct>
## 1 1 1101011 1 6 1 5 1 2 1 5
## 2 6 1101012 1 5 1 5 1 2 1 6
## 3 11 1101013 2 5 3 5 1 1 1 6
## # AATIE data: 0 x 3
composition() calcula la composición proporcional o absoluta de alteris para un atributo/variable dado. En este caso usamos la proporcional.
<- composition(a_ego, "sexo", absolute = FALSE)
comp_sexo <- composition(a_ego, "edad", absolute = FALSE)
comp_edad <- composition(a_ego, "educ", absolute = FALSE)
comp_educ <- composition(a_ego, "relig", absolute = FALSE)
comp_relig <- composition(a_ego, "ideol", absolute = FALSE) comp_ideol
comp_ei () calcula los valores del índice EI (Krackhardt & Stern, 1988) como una medida para la homofilia/heterofilia ego-alter.
<-comp_ei(a_ego, "sexo" , "sexo")
ei_sexo #hist(ei_sexo$ei)
<-comp_ei(a_ego, "edad" , "edad")
ei_edad #hist(ei_edad$ei)
<-comp_ei(a_ego, "educ" , "educ")
ei_educ #hist(ei_educ$ei)
<-comp_ei(a_ego, "relig", "relig")
ei_relig#hist(ei_relig$ei)
<-comp_ei(a_ego, "ideol", "ideol")
ei_ideol#hist(ei_ideol$ei)
<- rename(ei_sexo, ei_sexo = ei)
ei_sexo <- rename(ei_edad, ei_edad = ei)
ei_edad <- rename(ei_educ, ei_educ = ei)
ei_educ <- rename(ei_relig, ei_relig = ei)
ei_relig <- rename(ei_ideol, ei_ideol = ei) ei_ideol
$.egoID <-as.numeric(ei_sexo$.egoID)
ei_sexo$.egoID <-as.numeric(ei_edad$.egoID)
ei_edad$.egoID <-as.numeric(ei_educ$.egoID)
ei_educ$.egoID<-as.numeric(ei_relig$.egoID)
ei_relig$.egoID<-as.numeric(ei_ideol$.egoID) ei_ideol
# Selección de variables
<-dplyr::select(a, .egoID, ponderador01, m0_sexo,
a
m0_edad, m01, r14, c08_01, c08_02, c08_03, c08_04)
# Join
<-left_join(a,ei_sexo, by = ".egoID")
a<-left_join(a,ei_edad, by = ".egoID")
a<-left_join(a,ei_educ, by = ".egoID")
a<-left_join(a,ei_relig, by = ".egoID")
a<-left_join(a,ei_ideol, by = ".egoID") a
<-b1 %>%
alter_1b::select(.egoID, sexo=r13_sexo_01, edad=r13_edad_01, rel=r13_relacion_01,
dplyrtiempo=r13_tiempo_01,barrio=r13_barrio_01, educ=r13_educ_01,
relig=r13_relig_01, ideol=r13_ideol_01)
#View(alter_1)
<-b1 %>%
alter_2b::select(.egoID, sexo=r13_sexo_02, edad=r13_edad_02, rel=r13_relacion_02,
dplyrtiempo=r13_tiempo_02,barrio=r13_barrio_02, educ=r13_educ_02,
relig=r13_relig_02, ideol=r13_ideol_02)
<-b1 %>%
alter_3b::select(.egoID, sexo=r13_sexo_03, edad=r13_edad_03, rel=r13_relacion_03,
dplyrtiempo=r13_tiempo_03,barrio=r13_barrio_03, educ=r13_educ_03,
relig=r13_relig_03, ideol=r13_ideol_03)
<-b1 %>%
alter_4b::select(.egoID, sexo=r13_sexo_04, edad=r13_edad_04, rel=r13_relacion_04,
dplyrtiempo=r13_tiempo_04, barrio=r13_barrio_04, educ=r13_educ_04,
relig=r13_relig_04, ideol=r13_ideol_04)
<-b1 %>%
alter_5b::select(.egoID, sexo=r13_sexo_05, edad=r13_edad_05, rel=r13_relacion_05,
dplyrtiempo=r13_tiempo_05, barrio=r13_barrio_05, educ=r13_educ_05,
relig=r13_relig_05, ideol=r13_ideol_05)
$n<-1
alter_1b$n<-2
alter_2b$n<-3
alter_3b$n<-4
alter_4b$n<-5 alter_5b
<-rbind(alter_1b,alter_2b,alter_3b,alter_4b,alter_5b)
alterisb<-arrange(alterisb, .egoID) alterisb
<- rowid_to_column(alterisb, var = ".altID")
alterisb <- as_tibble(alterisb)
alterisb $n <- NULL alterisb
$educ <-factor(Recode(alterisb$educ,"1=1;2:3=2;4=3;5=4;-999=NA"))
alterisb$relig<-factor(Recode(alterisb$relig,"1=1;2=2;3=3;4=4;5=5;-999=NA"))
alterisb$ideol<-factor(Recode(alterisb$ideol,"1=1;2=2;3=3;4=4;5=5;6=6;-999=NA"))
alterisb$edad <-factor(Recode(alterisb$edad,"0:18=1;19:29=2;30:40=3;41:51=4;52:62=5;63:100=6"))
alterisb$sexo <-factor(Recode(alterisb$sexo,"1=1;2=2"))
alterisb
<-na.omit(alterisb) alterisb
<-b %>%
egosb ::select(.egoID, sexo=m0_sexo, edad=m0_edad, ideol=c15, educ=m01,
dplyrrelig=m38, ideol=c15)
<- as_tibble(egosb) egosb
$educ <-factor(Recode(egosb$educ,"1:3=1;4:5=2;6:7=3;8:10=4;-999:-888=NA"))
egosb$relig<-factor(Recode(egosb$relig,"1=1;2=2;9=3;7:8=4;3:6=5;-999:-888=NA"))
egosb$ideol<-factor(Recode(egosb$ideol,"9:10=1;6:8=2;5=3;2:4=4;0:1=5;11:12=6;-999:-888=NA"))
egosb$edad <-factor(Recode(egosb$edad,"18=1;19:29=2;30:40=3;41:51=4;52:62=5;63:100=6"))
egosb$sexo <-factor(Recode(egosb$sexo,"1=1;2=2")) egosb
<-egor(alters=alterisb,
a_egobegos=egosb,
ID.vars=list(ego = ".egoID",
alter = ".altID"))
summary(a_egob)
## 3417 Egos/ Ego Networks
## 4270 Alters
## Min. Netsize 1
## Average Netsize 2.30312837108954
## Max. Netsize 5
## Average Density 0
## Alter survey design:
## Maximum nominations: Inf
a_egob
## # EGO data ([32mactive[39m): 3,417 x 6
## .egoID sexo edad ideol educ relig
## <chr> <fct> <fct> <fct> <fct> <fct>
## 1 1101011 2 6 5 1 1
## 2 1101012 2 6 6 2 1
## 3 1101013 2 3 6 2 1
## 4 1101021 1 5 3 4 1
## 5 1101023 1 6 3 2 1
## # ALTER data: 4,270 x 10
## .altID .egoID sexo edad rel tiempo barrio educ relig ideol
## <chr> <chr> <fct> <fct> <dbl> <dbl> <dbl> <fct> <fct> <fct>
## 1 6 1101012 2 4 2 5 2 4 1 6
## 2 11 1101013 2 3 4 3 1 2 1 6
## 3 16 1101021 1 4 3 5 2 4 1 4
## # AATIE data: 0 x 3
composition() calcula la composición proporcional o absoluta de alteris para un atributo/variable dado. En este caso usamos la proporcional.
<- composition(a_egob, "sexo", absolute = FALSE)
comp_sexo_b <- composition(a_egob, "edad", absolute = FALSE)
comp_edad_b <- composition(a_egob, "educ", absolute = FALSE)
comp_educ_b <- composition(a_egob, "relig", absolute = FALSE)
comp_relig_b <- composition(a_egob, "ideol", absolute = FALSE) comp_ideol_b
comp_ei () calcula los valores del índice EI (Krackhardt & Stern, 1988) como una medida para la homofilia/heterofilia ego-alter.
<-comp_ei(a_ego, "sexo" , "sexo")
ei_sexo_b #hist(ei_sexo$ei)
<-comp_ei(a_ego, "edad" , "edad")
ei_edad_b #hist(ei_edad$ei)
<-comp_ei(a_ego, "educ" , "educ")
ei_educ_b #hist(ei_educ$ei)
<-comp_ei(a_ego, "relig", "relig")
ei_relig_b#hist(ei_relig$ei)
<-comp_ei(a_ego, "ideol", "ideol")
ei_ideol_b#hist(ei_ideol$ei)
<- rename(ei_sexo_b, ei_sexo=ei)
ei_sexo_b <- rename(ei_edad_b, ei_edad=ei)
ei_edad_b <- rename(ei_educ_b, ei_educ=ei)
ei_educ_b <- rename(ei_relig_b, ei_relig=ei)
ei_relig_b <- rename(ei_ideol_b, ei_ideol=ei) ei_ideol_b
$.egoID <-as.numeric(ei_sexo_b$.egoID)
ei_sexo_b$.egoID <-as.numeric(ei_edad_b$.egoID)
ei_edad_b$.egoID <-as.numeric(ei_educ_b$.egoID)
ei_educ_b$.egoID<-as.numeric(ei_relig_b$.egoID)
ei_relig_b$.egoID<-as.numeric(ei_ideol_b$.egoID) ei_ideol_b
<-dplyr::select(b, .egoID, ponderador01, m0_sexo,
b
m0_edad, m01, r14, c08_01, c08_02, c08_03, c08_04)
## Join
<-left_join(b,ei_sexo_b, by = ".egoID")
b<-left_join(b,ei_edad_b, by = ".egoID")
b<-left_join(b,ei_educ_b, by = ".egoID")
b<-left_join(b,ei_relig_b, by = ".egoID")
b<-left_join(b,ei_ideol_b, by = ".egoID") b
$ola<-1
a$ola<-2
b
<-rbind(a,b, make.row.names=FALSE)
elsoc_long<-arrange(elsoc_long, .egoID)
elsoc_long<-as_tibble(elsoc_long)
elsoc_long<-elsoc_long %>% rename(id = .egoID)
elsoc_long<-panel_data(elsoc_long, id = id, wave = ola) elsoc_long
summary(elsoc_long, by.wave = TRUE, by.id = FALSE)
Variable type: numeric
skim_variable | ola | n_missing | complete_rate | mean | sd | p0 | p25 | p50 | p75 | p100 | hist |
---|---|---|---|---|---|---|---|---|---|---|---|
ponderador01 | 1 | 0 | 1.00 | 1.01 | 1.18 | 0 | 0.18 | 0.68 | 1.43 | 10.28 | ▇▁▁▁▁ |
ponderador01 | 2 | 0 | 1.00 | 0.95 | 1.39 | 0 | 0.17 | 0.58 | 1.32 | 33.75 | ▇▁▁▁▁ |
m0_sexo | 1 | 0 | 1.00 | 1.62 | 0.49 | 1 | 1.00 | 2.00 | 2.00 | 2.00 | ▅▁▁▁▇ |
m0_sexo | 2 | 0 | 1.00 | 1.62 | 0.48 | 1 | 1.00 | 2.00 | 2.00 | 2.00 | ▅▁▁▁▇ |
m0_edad | 1 | 0 | 1.00 | 47.60 | 15.31 | 18 | 35.00 | 48.00 | 59.00 | 89.00 | ▅▆▇▅▁ |
m0_edad | 2 | 0 | 1.00 | 48.77 | 15.42 | 19 | 36.00 | 49.00 | 61.00 | 92.00 | ▆▇▇▅▁ |
m01 | 1 | 0 | 1.00 | 5.16 | 2.21 | 1 | 4.00 | 5.00 | 7.00 | 10.00 | ▃▆▇▅▃ |
m01 | 2 | 4 | 1.00 | 5.25 | 2.24 | 1 | 4.00 | 5.00 | 7.00 | 10.00 | ▃▆▇▅▃ |
r14 | 1 | 44 | 0.98 | 1.23 | 0.52 | 1 | 1.00 | 1.00 | 1.00 | 3.00 | ▇▁▂▁▁ |
r14 | 2 | 204 | 0.94 | 1.23 | 0.57 | 1 | 1.00 | 1.00 | 1.00 | 3.00 | ▇▁▁▁▁ |
c08_01 | 1 | 0 | 1.00 | 1.55 | 0.93 | 1 | 1.00 | 1.00 | 2.00 | 5.00 | ▇▂▂▁▁ |
c08_01 | 2 | 3 | 1.00 | 1.41 | 0.83 | 1 | 1.00 | 1.00 | 1.00 | 5.00 | ▇▁▁▁▁ |
c08_02 | 1 | 0 | 1.00 | 1.22 | 0.64 | 1 | 1.00 | 1.00 | 1.00 | 5.00 | ▇▁▁▁▁ |
c08_02 | 2 | 2 | 1.00 | 1.54 | 1.02 | 1 | 1.00 | 1.00 | 2.00 | 5.00 | ▇▁▁▁▁ |
c08_03 | 1 | 0 | 1.00 | 1.14 | 0.54 | 1 | 1.00 | 1.00 | 1.00 | 5.00 | ▇▁▁▁▁ |
c08_03 | 2 | 3 | 1.00 | 1.19 | 0.64 | 1 | 1.00 | 1.00 | 1.00 | 5.00 | ▇▁▁▁▁ |
c08_04 | 1 | 0 | 1.00 | 1.60 | 1.09 | 1 | 1.00 | 1.00 | 2.00 | 5.00 | ▇▁▁▁▁ |
c08_04 | 2 | 0 | 1.00 | 1.90 | 1.30 | 1 | 1.00 | 1.00 | 3.00 | 5.00 | ▇▁▂▁▁ |
ei_sexo | 1 | 197 | 0.92 | -0.21 | 0.69 | -1 | -1.00 | -0.20 | 0.20 | 1.00 | ▇▅▅▂▃ |
ei_sexo | 2 | 1533 | 0.55 | -0.22 | 0.68 | -1 | -1.00 | -0.27 | 0.20 | 1.00 | ▇▅▅▂▃ |
ei_edad | 1 | 197 | 0.92 | 0.29 | 0.69 | -1 | 0.00 | 0.33 | 1.00 | 1.00 | ▃▂▅▅▇ |
ei_edad | 2 | 1533 | 0.55 | 0.31 | 0.68 | -1 | 0.00 | 0.33 | 1.00 | 1.00 | ▃▂▅▅▇ |
ei_educ | 1 | 197 | 0.92 | 0.05 | 0.76 | -1 | -0.60 | 0.00 | 1.00 | 1.00 | ▇▃▅▃▇ |
ei_educ | 2 | 1533 | 0.55 | 0.06 | 0.75 | -1 | -0.60 | 0.00 | 1.00 | 1.00 | ▇▃▅▅▇ |
ei_relig | 1 | 203 | 0.92 | -0.29 | 0.81 | -1 | -1.00 | -0.60 | 0.33 | 1.00 | ▇▂▂▁▃ |
ei_relig | 2 | 1537 | 0.55 | -0.31 | 0.80 | -1 | -1.00 | -0.60 | 0.33 | 1.00 | ▇▂▂▁▃ |
ei_ideol | 1 | 222 | 0.91 | 0.07 | 0.91 | -1 | -1.00 | 0.20 | 1.00 | 1.00 | ▇▁▁▁▇ |
ei_ideol | 2 | 1555 | 0.54 | 0.07 | 0.91 | -1 | -1.00 | 0.33 | 1.00 | 1.00 | ▇▁▁▁▇ |
%>%
elsoc_long ggplot(aes(x = ei_sexo), na.rm=T) +
geom_bar() +
facet_grid(~ola) +
theme_minimal()
## Warning: Removed 1730 rows containing non-finite values (stat_count).
%>%
elsoc_long ggplot(aes(x = ei_educ), na.rm=T) +
geom_bar() +
facet_grid(~ola) +
theme_minimal()
## Warning: Removed 1730 rows containing non-finite values (stat_count).
%>%
elsoc_long ggplot(aes(x = ei_edad), na.rm=T) +
geom_bar() +
facet_grid(~ola) +
theme_minimal()
## Warning: Removed 1730 rows containing non-finite values (stat_count).
%>%
elsoc_long ggplot(aes(x = ei_ideol), na.rm=T) +
geom_bar() +
facet_grid(~ola) +
theme_minimal()
## Warning: Removed 1777 rows containing non-finite values (stat_count).
%>%
elsoc_long ggplot(aes(x = ei_relig), na.rm=T) +
geom_bar() +
facet_grid(~ola) +
theme_minimal()
## Warning: Removed 1740 rows containing non-finite values (stat_count).
<-wtd.t.test(x=elsoc_long$ei_sexo[elsoc_long$ola=="1"],
ty=elsoc_long$ei_sexo[elsoc_long$ola=="2"],
weight= elsoc_long$ponderador01[elsoc_long$ola=="1"],
weighty=elsoc_long$ponderador01[elsoc_long$ola=="2"],
samedata=FALSE,alternative="two.tailed")
t
## $test
## [1] "Two Sample Weighted T-Test (Welch)"
##
## $coefficients
## t.value df p.value
## 1.2889125 4557.5131360 0.1974939
##
## $additional
## Difference Mean.x Mean.y Std. Err
## 0.02619104 -0.20886007 -0.23505111 0.02032026
<-wtd.t.test(x=elsoc_long$ei_edad[elsoc_long$ola=="1"],
ty=elsoc_long$ei_edad[elsoc_long$ola=="2"],
weight= elsoc_long$ponderador01[elsoc_long$ola=="1"],
weighty=elsoc_long$ponderador01[elsoc_long$ola=="2"],
samedata=FALSE,alternative="two.tailed")
t
## $test
## [1] "Two Sample Weighted T-Test (Welch)"
##
## $coefficients
## t.value df p.value
## -1.3550804 4567.9157329 0.1754589
##
## $additional
## Difference Mean.x Mean.y Std. Err
## -0.02808974 0.23598007 0.26406982 0.02072921
<-wtd.t.test(x=elsoc_long$ei_educ[elsoc_long$ola=="1"],
ty=elsoc_long$ei_educ[elsoc_long$ola=="2"],
weight= elsoc_long$ponderador01[elsoc_long$ola=="1"],
weighty=elsoc_long$ponderador01[elsoc_long$ola=="2"],
samedata=FALSE,alternative="two.tailed")
t
## $test
## [1] "Two Sample Weighted T-Test (Welch)"
##
## $coefficients
## t.value df p.value
## -0.8786119 4564.0904717 0.3796580
##
## $additional
## Difference Mean.x Mean.y Std. Err
## -0.01942087 0.02474162 0.04416248 0.02210403
<-wtd.t.test(x=elsoc_long$ei_ideol[elsoc_long$ola=="1"],
ty=elsoc_long$ei_ideol[elsoc_long$ola=="2"],
weight= elsoc_long$ponderador01[elsoc_long$ola=="1"],
weighty=elsoc_long$ponderador01[elsoc_long$ola=="2"],
samedata=FALSE,alternative="two.tailed")
t
## $test
## [1] "Two Sample Weighted T-Test (Welch)"
##
## $coefficients
## t.value df p.value
## 0.7597347 4531.2378215 0.4474527
##
## $additional
## Difference Mean.x Mean.y Std. Err
## 0.02017735 0.17194141 0.15176406 0.02655842
<-wtd.t.test(x=elsoc_long$ei_relig[elsoc_long$ola=="1"],
ty=elsoc_long$ei_relig[elsoc_long$ola=="2"],
weight= elsoc_long$ponderador01[elsoc_long$ola=="1"],
weighty=elsoc_long$ponderador01[elsoc_long$ola=="2"],
samedata=FALSE,alternative="two.tailed")
t
## $test
## [1] "Two Sample Weighted T-Test (Welch)"
##
## $coefficients
## t.value df p.value
## -1.6155528 4553.0761251 0.1062603
##
## $additional
## Difference Mean.x Mean.y Std. Err
## -0.03930198 -0.24140933 -0.20210734 0.02432727
Krackhardt, D., & Stern, R. N. (1988). Informal networks and organizational crises: An experimental simulation. Social Psychology Quarterly, 123–140.
Krenz, T., Krivitsky, P. N., Vacca, R., Bojanowski, M., Gamper, M., Herz, A., & McCarty, C. (2020). egor: Import and Analyse Ego-Centered Network Data (0.20.06) [Computer software]. https://CRAN.R-project.org/package=egor
Perry, B. L., Pescosolido, B. A., & Borgatti, S. P. (2018). Egocentric network analysis: Foundations, methods, and models. Cambridge University Press.