E-I index ELSOC 2017-2019 conlibrería Egor de Statnet
redeslab
agosto 30, 2021
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
1 librerías
pacman::p_load(ggplot2,ggthemes,tidyverse,sjlabelled,sjPlot,vcd,texreg,ordinal,
nnet,MASS,mlogit,matrixStats,expss,sjlabelled,sjmisc,tidyverse,
survey,egor,haven,car,dplyr,stargazer,janitor,gridExtra,ggeffects,
haven,summarytools,skimr,weights,ggcorrplot,ggridges,panelr)2 Cargamos data
load("C:/Users/rober/Downloads/ELSOC_W02_v3.00_R.RData")
load("C:/Users/rober/Downloads/ELSOC_W04_v2.01_R.RData")2.0.1 Renombrar ID
a<-elsoc_2017 %>% rename(.egoID = idencuesta)
b<-elsoc_2019 %>% rename(.egoID = idencuesta)2.0.2 definir NA
a[a=="-999"] <- NA
a[a=="-888"] <- NA
b[b=="-999"] <- NA
b[b=="-888"] <- NA2.1 Subset
2.1.1 2017
a1<-a %>%
dplyr::select(.egoID,r13_sexo_01, r13_sexo_02, r13_sexo_03, r13_sexo_04, r13_sexo_05,
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)2.1.2 2019
b1<-b%>%
dplyr::select(.egoID,r13_sexo_01, r13_sexo_02, r13_sexo_03, r13_sexo_04, r13_sexo_05,
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)3 Crear data frame alteris para 2017=a1
alter_1<-a1 %>%
dplyr::select(.egoID, sexo=r13_sexo_01, edad=r13_edad_01, rel=r13_relacion_01,
tiempo=r13_tiempo_01,barrio=r13_barrio_01, educ=r13_educ_01,
relig=r13_relig_01, ideol=r13_ideol_01)
#View(alter_1)
alter_2<-a1 %>%
dplyr::select(.egoID, sexo=r13_sexo_02, edad=r13_edad_02, rel=r13_relacion_02,
tiempo=r13_tiempo_02,barrio=r13_barrio_02, educ=r13_educ_02,
relig=r13_relig_02, ideol=r13_ideol_02)
alter_3<-a1 %>%
dplyr::select(.egoID, sexo=r13_sexo_03, edad=r13_edad_03, rel=r13_relacion_03,
tiempo=r13_tiempo_03,barrio=r13_barrio_03, educ=r13_educ_03,
relig=r13_relig_03, ideol=r13_ideol_03)
alter_4<-a1 %>%
dplyr::select(.egoID, sexo=r13_sexo_04, edad=r13_edad_04, rel=r13_relacion_04,
tiempo=r13_tiempo_04, barrio=r13_barrio_04, educ=r13_educ_04,
relig=r13_relig_04, ideol=r13_ideol_04)
alter_5<-a1 %>%
dplyr::select(.egoID, sexo=r13_sexo_05, edad=r13_edad_05, rel=r13_relacion_05,
tiempo=r13_tiempo_05, barrio=r13_barrio_05, educ=r13_educ_05,
relig=r13_relig_05, ideol=r13_ideol_05)3.1 setear
alter_1$n<-1
alter_2$n<-2
alter_3$n<-3
alter_4$n<-4
alter_5$n<-53.1.1 Crear base long
alteris<-rbind(alter_1,alter_2,alter_3,alter_4,alter_5)
alteris<-arrange(alteris, .egoID)3.1.2 Crear vector alter id
alteris <- rowid_to_column(alteris, var = ".altID")
alteris <- as_tibble(alteris)
alteris$n <- NULL3.1.3 Recod alteris
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)3.1.4 Data Frame Ego’s
egos <-a %>%
dplyr::select(.egoID, sexo=m0_sexo, edad=m0_edad, ideol=c15, educ=m01,
relig=m38, ideol=c15)
egos <- as_tibble(egos)3.1.5 Recod data Ego’s
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"))3.1.6 Crear objeto Egor
a_ego<-egor(alters=alteris,
egos=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: Infa_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 33.1.7 Composición
composition() calcula la composición proporcional o absoluta de alteris para un atributo/variable dado. En este caso usamos la proporcional.
comp_sexo <- composition(a_ego, "sexo", absolute = FALSE)
comp_edad <- composition(a_ego, "edad", absolute = FALSE)
comp_educ <- composition(a_ego, "educ", absolute = FALSE)
comp_relig <- composition(a_ego, "relig", absolute = FALSE)
comp_ideol <- composition(a_ego, "ideol", absolute = FALSE)3.1.8 EI
comp_ei () calcula los valores del índice EI (Krackhardt & Stern, 1988) como una medida para la homofilia/heterofilia ego-alter.
ei_sexo <-comp_ei(a_ego, "sexo" , "sexo")
#hist(ei_sexo$ei)
ei_edad <-comp_ei(a_ego, "edad" , "edad")
#hist(ei_edad$ei)
ei_educ <-comp_ei(a_ego, "educ" , "educ")
#hist(ei_educ$ei)
ei_relig<-comp_ei(a_ego, "relig", "relig")
#hist(ei_relig$ei)
ei_ideol<-comp_ei(a_ego, "ideol", "ideol")
#hist(ei_ideol$ei)3.1.9 Renombrar
ei_sexo <- rename(ei_sexo, ei_sexo = ei)
ei_edad <- rename(ei_edad, ei_edad = ei)
ei_educ <- rename(ei_educ, ei_educ = ei)
ei_relig <- rename(ei_relig, ei_relig = ei)
ei_ideol <- rename(ei_ideol, ei_ideol = ei)3.1.10 Definir nagturaleza de vector ID
ei_sexo$.egoID <-as.numeric(ei_sexo$.egoID)
ei_edad$.egoID <-as.numeric(ei_edad$.egoID)
ei_educ$.egoID <-as.numeric(ei_educ$.egoID)
ei_relig$.egoID<-as.numeric(ei_relig$.egoID)
ei_ideol$.egoID<-as.numeric(ei_ideol$.egoID)3.1.11 Agregar variables calculadas al data frame elsoc 2017
# Selección de variables
a<-dplyr::select(a, .egoID, ponderador01, m0_sexo,
m0_edad, m01, r14, c08_01, c08_02, c08_03, c08_04)
# Join
a<-left_join(a,ei_sexo, by = ".egoID")
a<-left_join(a,ei_edad, by = ".egoID")
a<-left_join(a,ei_educ, by = ".egoID")
a<-left_join(a,ei_relig, by = ".egoID")
a<-left_join(a,ei_ideol, by = ".egoID")4 Crear data frame alteris para 2019=b1
alter_1b<-b1 %>%
dplyr::select(.egoID, sexo=r13_sexo_01, edad=r13_edad_01, rel=r13_relacion_01,
tiempo=r13_tiempo_01,barrio=r13_barrio_01, educ=r13_educ_01,
relig=r13_relig_01, ideol=r13_ideol_01)
#View(alter_1)
alter_2b<-b1 %>%
dplyr::select(.egoID, sexo=r13_sexo_02, edad=r13_edad_02, rel=r13_relacion_02,
tiempo=r13_tiempo_02,barrio=r13_barrio_02, educ=r13_educ_02,
relig=r13_relig_02, ideol=r13_ideol_02)
alter_3b<-b1 %>%
dplyr::select(.egoID, sexo=r13_sexo_03, edad=r13_edad_03, rel=r13_relacion_03,
tiempo=r13_tiempo_03,barrio=r13_barrio_03, educ=r13_educ_03,
relig=r13_relig_03, ideol=r13_ideol_03)
alter_4b<-b1 %>%
dplyr::select(.egoID, sexo=r13_sexo_04, edad=r13_edad_04, rel=r13_relacion_04,
tiempo=r13_tiempo_04, barrio=r13_barrio_04, educ=r13_educ_04,
relig=r13_relig_04, ideol=r13_ideol_04)
alter_5b<-b1 %>%
dplyr::select(.egoID, sexo=r13_sexo_05, edad=r13_edad_05, rel=r13_relacion_05,
tiempo=r13_tiempo_05, barrio=r13_barrio_05, educ=r13_educ_05,
relig=r13_relig_05, ideol=r13_ideol_05)4.1 setear
alter_1b$n<-1
alter_2b$n<-2
alter_3b$n<-3
alter_4b$n<-4
alter_5b$n<-54.2 Crear base long
alterisb<-rbind(alter_1b,alter_2b,alter_3b,alter_4b,alter_5b)
alterisb<-arrange(alterisb, .egoID)4.3 Crear vector alter id
alterisb <- rowid_to_column(alterisb, var = ".altID")
alterisb <- as_tibble(alterisb)
alterisb$n <- NULL4.4 Recod alteris
alterisb$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$sexo,"1=1;2=2"))
alterisb<-na.omit(alterisb)4.5 Data Frame Ego’s
egosb <-b %>%
dplyr::select(.egoID, sexo=m0_sexo, edad=m0_edad, ideol=c15, educ=m01,
relig=m38, ideol=c15)
egosb <- as_tibble(egosb)4.6 Recod data Ego’s
egosb$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$sexo,"1=1;2=2"))4.7 Crear objeto Egor
a_egob<-egor(alters=alterisb,
egos=egosb,
ID.vars=list(ego = ".egoID",
alter = ".altID"))
summary(a_egob)## 3417 Egos/ Ego Networks
## 4270 Alters
## Min. Netsize 1
## Average Netsize 2.30312837108954
## Max. Netsize 5
## Average Density 0
## Alter survey design:
## Maximum nominations: Infa_egob## # EGO data ([32mactive[39m): 3,417 x 6
## .egoID sexo edad ideol educ relig
## <chr> <fct> <fct> <fct> <fct> <fct>
## 1 1101011 2 6 5 1 1
## 2 1101012 2 6 6 2 1
## 3 1101013 2 3 6 2 1
## 4 1101021 1 5 3 4 1
## 5 1101023 1 6 3 2 1
## # ALTER data: 4,270 x 10
## .altID .egoID sexo edad rel tiempo barrio educ relig ideol
## <chr> <chr> <fct> <fct> <dbl> <dbl> <dbl> <fct> <fct> <fct>
## 1 6 1101012 2 4 2 5 2 4 1 6
## 2 11 1101013 2 3 4 3 1 2 1 6
## 3 16 1101021 1 4 3 5 2 4 1 4
## # AATIE data: 0 x 34.8 Composición
composition() calcula la composición proporcional o absoluta de alteris para un atributo/variable dado. En este caso usamos la proporcional.
comp_sexo_b <- composition(a_egob, "sexo", absolute = FALSE)
comp_edad_b <- composition(a_egob, "edad", absolute = FALSE)
comp_educ_b <- composition(a_egob, "educ", absolute = FALSE)
comp_relig_b <- composition(a_egob, "relig", absolute = FALSE)
comp_ideol_b <- composition(a_egob, "ideol", absolute = FALSE)4.9 EI
comp_ei () calcula los valores del índice EI (Krackhardt & Stern, 1988) como una medida para la homofilia/heterofilia ego-alter.
ei_sexo_b <-comp_ei(a_ego, "sexo" , "sexo")
#hist(ei_sexo$ei)
ei_edad_b <-comp_ei(a_ego, "edad" , "edad")
#hist(ei_edad$ei)
ei_educ_b <-comp_ei(a_ego, "educ" , "educ")
#hist(ei_educ$ei)
ei_relig_b<-comp_ei(a_ego, "relig", "relig")
#hist(ei_relig$ei)
ei_ideol_b<-comp_ei(a_ego, "ideol", "ideol")
#hist(ei_ideol$ei)4.10 Renombrar variable
ei_sexo_b <- rename(ei_sexo_b, ei_sexo=ei)
ei_edad_b <- rename(ei_edad_b, ei_edad=ei)
ei_educ_b <- rename(ei_educ_b, ei_educ=ei)
ei_relig_b <- rename(ei_relig_b, ei_relig=ei)
ei_ideol_b <- rename(ei_ideol_b, ei_ideol=ei)4.11 Definir nagturaleza de vector ID
ei_sexo_b$.egoID <-as.numeric(ei_sexo_b$.egoID)
ei_edad_b$.egoID <-as.numeric(ei_edad_b$.egoID)
ei_educ_b$.egoID <-as.numeric(ei_educ_b$.egoID)
ei_relig_b$.egoID<-as.numeric(ei_relig_b$.egoID)
ei_ideol_b$.egoID<-as.numeric(ei_ideol_b$.egoID)4.12 Selecionar vaariables
b<-dplyr::select(b, .egoID, ponderador01, m0_sexo,
m0_edad, m01, r14, c08_01, c08_02, c08_03, c08_04)
## Join
b<-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")5 Crear base long
a$ola<-1
b$ola<-2
elsoc_long<-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)6 Descriptivos 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 | ▇▁▁▁▇ |
6.1 plot ei sexo
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).
6.2 plot ei educ
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).
6.3 plot ei edad
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).
6.4 plot ei ideol
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).
6.5 plot ei relig
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).
6.6 Bivariados
6.6.1 ttes ei sexo
t<-wtd.t.test(x=elsoc_long$ei_sexo[elsoc_long$ola=="1"],
y=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
##
## $additional
## Difference Mean.x Mean.y Std. Err
## 0.02619104 -0.20886007 -0.23505111 0.020320266.6.2 ttes ei edad
t<-wtd.t.test(x=elsoc_long$ei_edad[elsoc_long$ola=="1"],
y=elsoc_long$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
##
## $additional
## Difference Mean.x Mean.y Std. Err
## -0.02808974 0.23598007 0.26406982 0.020729216.6.3 ttes ei educ
t<-wtd.t.test(x=elsoc_long$ei_educ[elsoc_long$ola=="1"],
y=elsoc_long$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
##
## $additional
## Difference Mean.x Mean.y Std. Err
## -0.01942087 0.02474162 0.04416248 0.022104036.6.4 ttes ei ideol
t<-wtd.t.test(x=elsoc_long$ei_ideol[elsoc_long$ola=="1"],
y=elsoc_long$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
##
## $additional
## Difference Mean.x Mean.y Std. Err
## 0.02017735 0.17194141 0.15176406 0.026558426.6.5 ttes ei relig
t<-wtd.t.test(x=elsoc_long$ei_relig[elsoc_long$ola=="1"],
y=elsoc_long$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 0.024327276.7 Bibliografía
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.