Un petit cours sur les graphiques (avec ggplot)
Christophe Benavent
26 janvier 2020
confiance
Préparation des données
Les données sont extraites de l’ESS, une sélection est disponible ici. Elle couvre les 9 vagues et concernent la France et L’allemagne. Les variables dépendantes (celles que l’on veut étudier et expliquer) sont les 9 items de la confiance, les variable considérées comme indépendantes (ou explicatives) sont une séléction de variables socio-démographiques : age, genre, perception du pouvoir d’achat, orientation politique, type d’habitat.
On fait quelques opérations de recodage et on renomme les variables avoir une lecture plus aisée des variables et de leurs catégories. On appele au début les bibliothèques. La principale est tidyverse qui est un bouquet de packages comprenant ggplot - dont voici le book de référence, qui est au centre de ce cours, et dplyr qui va nous permettre de manipuler les données aisément.(On recommande de jeter un coup d’oeil appuyés sur ces deux liens qui peuvent servir de manuels techniques)
knitr::opts_chunk$set(echo = TRUE, include=TRUE, cache=TRUE, message=FALSE, warning=FALSE, cache=TRUE)
library(tidyverse)## -- Attaching packages -------------------------------------------------------- tidyverse 1.3.0 --## <U+2713> ggplot2 3.2.1 <U+2713> purrr 0.3.3
## <U+2713> tibble 2.1.3 <U+2713> dplyr 0.8.3
## <U+2713> tidyr 1.0.0 <U+2713> stringr 1.4.0
## <U+2713> readr 1.3.1 <U+2713> forcats 0.4.0## -- Conflicts ----------------------------------------------------------- tidyverse_conflicts() --
## x dplyr::filter() masks stats::filter()
## x dplyr::lag() masks stats::lag()library(gridExtra)##
## Attaching package: 'gridExtra'## The following object is masked from 'package:dplyr':
##
## combinedf<-readRDS("mastermoi.rds")
write.csv(df,"mastermoi", row.names = TRUE)
#quelques recodages
#on renomme pour plus de clarte
names(df)[names(df)=="trstun"] <- "NationsUnies"
names(df)[names(df)=="trstep"] <- "ParlementEurop"
names(df)[names(df)=="trstlgl"] <- "Justice"
names(df)[names(df)=="trstplc"] <- "Police"
names(df)[names(df)=="trstplt"] <- "Politiques"
names(df)[names(df)=="trstprl"] <-"Parlement"
names(df)[names(df)=="trstprt"] <- "Partis"
names(df)[names(df)=="pplhlp"] <- "help"
names(df)[names(df)=="pplfair"] <- "fair"
names(df)[names(df)=="ppltrst"] <- "trust"
#on construit les scores de confiance
df<-df %>% mutate(trust_institut=(Partis+Parlement+Politiques+Police+Justice+NationsUnies+ParlementEurop)*10/7)
df<-df %>% mutate(trust_interpersonnel=(help+fair+trust)*10/3)
#recodage des variables indépendantes
df$Year[df$essround==1]<-2002 ## Warning: Unknown or uninitialised column: 'Year'.df$Year[df$essround==2]<-2004
df$Year[df$essround==3]<-2006
df$Year[df$essround==4]<-2008
df$Year[df$essround==5]<-2010
df$Year[df$essround==6]<-2012
df$Year[df$essround==7]<-2014
df$Year[df$essround==8]<-2016
df$Year[df$essround==9]<-2018
df$Year<-as.factor(df$Year)
#ggplot(df,aes(x=lrscale))+geom_histogram()
df$OP[df$lrscale==0] <- "Extrême gauche" ## Warning: Unknown or uninitialised column: 'OP'.df$OP[df$lrscale==1] <- "Gauche"
df$OP[df$lrscale==2] <- "Gauche"
df$OP[df$lrscale==3] <- "Centre Gauche"
df$OP[df$lrscale==4] <- "Centre Gauche"
df$OP[df$lrscale==5] <- "Ni G ni D"
df$OP[df$lrscale==6] <- "Centre Droit"
df$OP[df$lrscale==7] <- "Centre Droit"
df$OP[df$lrscale==8] <- "Droite"
df$OP[df$lrscale==9] <- "Droite"
df$OP[df$lrscale==10] <- "Extrême droite"
#la ligne suivante est pour ordonner les modalités de la variables
df$OP<-factor(df$OP,levels=c("Extrême droite","Droite","Centre Droit","Ni G ni D","Centre Gauche","Gauche","Extrême gauche"))
df$rev<-df$hincfel
df$revenu[df$hincfel>4] <- NA## Warning: Unknown or uninitialised column: 'revenu'.df$revenu[df$hincfel==1] <- "Vie confortable"
df$revenu[df$hincfel==2] <- "Se débrouille avec son revenu"
df$revenu[df$hincfel==3] <- "Revenu insuffisant"
df$revenu[df$hincfel==4] <- "Revenu très insuffisant"
df$revenu<-factor(df$revenu,levels=c("Vie confortable","Se débrouille avec son revenu","Revenu insuffisant","Revenu très insuffisant"))
df$habitat[df$domicil==1]<- "Big city"## Warning: Unknown or uninitialised column: 'habitat'.df$habitat[df$domicil==2]<-"Suburbs"
df$habitat[df$domicil==3]<-"Town"
df$habitat[df$domicil==4]<-"Village"
df$habitat[df$domicil==5]<-"Countryside"
df$habitat<-factor(df$habitat,levels=c("Big city","Suburbs","Town","Village","Countryside"))
df$genre[df$gndr==1]<-"H"## Warning: Unknown or uninitialised column: 'genre'.df$genre[df$gndr==2]<-"F"
df$age[df$agea<26]<-"25<"## Warning: Unknown or uninitialised column: 'age'.df$age[df$agea>25 & df$agea<36]<-"26-35"
df$age[df$agea>35 & df$agea<46]<-"36-45"
df$age[df$agea>45 & df$agea<66]<-"46-65"
df$age[df$agea>65 & df$agea<76]<-"66-75"
df$age[df$agea>75]<-"75>"
df$age<-factor(df$age,levels=c("25<","26-35","36-45","46-65","66-75", "75>"))Analyse univariée
L’analyse univarié, comme son nom l’indique, ne s’intéresse qu’à une seule variable. Celle-ci peut être quantitative et quasi continue ou qualitative variables quantitatives et ne comporter qu’un nombre limité de modalités entre lesquels aucune comparaison de grandeur ne peut être faite. Les première ont le plus souvent dans r un format numeric, les autres correspondent au format factor.
Le cas des variables quantitatives
Les variables quantitatives décrivent une variable dont les valeurs décrivent les quantités d’une unité. Elle peuvent être discrète ( exemple dénombrement du d’un nombre d’unités - le nombre d’habitant), continue - le nombre de km parcouru).
Histogramme
C’est l’outil de base pour représenter la distribution d’une variable quantitative, l’histogramme qui le graphe élémentaire de l’analyse statistique. Il représente pour des intervalles de valeurs donnés, la fréquences des observations.
Sa syntaxe simple comporte d’abord la défnition de la variable et de la source de données, puis une des “géométrie” de ggplot : la fonction geom_histogram.
# on stocke le diagramme dans l'objet (g00<-), pour le réutiliser ultérieurement et pouvoir le compléter.
g00<-ggplot(df,aes(x=trust_interpersonnel))+
geom_histogram()
g00
On va améliorer l’aspect en a) modifiant la couleur et la largeur des barres, b) ajoutant un thème et c) en précisant les éléments textuels ( titres, label).
#avec tous les éléments
g02 <-g00+geom_histogram(binwith=5,fill="pink")+
theme_minimal()+
labs(title= "Distribution de la confiance interpersonnelle", caption="ESS2002-2018",y= "frequence",x="confiance (index de 0 à 100)")
g02
une coquetrie serait d’ajouter la moyenne sous la forme d’une barre verticale et tant qu’à faire la médiane.
#on calcule la moyenne
moy=mean(df$trust_institut, na.rm=TRUE)
median=median(df$trust_interpersonnel,na.rm=TRUE)
#on ajoute la lignn des moyenne
g03<- g02+geom_vline(xintercept=moy, color="red",size=2)+
geom_vline(xintercept=median, color="orange",size=2)
g03
diagramme de densité : Au lieu de représenter les effectifs, on ramène l’effectif total à 1.
g04<-ggplot(df,aes(x=trust_interpersonnel))+
geom_density(binwidth=10, fill="pink") +
theme_minimal()+
labs(title= "distribution de Confiance interpersonnelle", caption="ESS2002-2018",y= "frequence",x="Confiance ( index de 1 à 100)")
g04<- g04+ geom_vline(xintercept=moy, color="red",size=1.5)
g04
On en profite pour regrouper les deux graphes en un seul avec la fonction grid.arrange qui permet très simplement de grouper plusieurs graphes en un seul. Ici on mesure les amélioration à partir du graphe par défaut.
grid.arrange(g00, g04, ncol=2)
enfin on peut examiner par rapport à une distribution théorique ajustement de distribution théorique
g05<-ggplot(df,aes(x=trust_interpersonnel))+
geom_density(fill="pink")+
stat_function(fun = dnorm,color="red",size=1.2, args = list(mean =moy, sd=sd))+
theme_minimal()
g05
g06 <- ggplot(df, aes(sample = trust_interpersonnel)) + stat_qq() + stat_qq_line()+theme_minimal()+ labs(title= "QQplot confiance interpersonnelle", caption="ESS2002-2018",y= "Echantillon",x="Théorique")
g06
On fini cette étude détaillée par l’ajustement d’un modèle (loi normale) aux données.
df0<-df %>% na.omit()
library(MASS)
fit<-fitdistr(df0$trust_interpersonnel,"normal")
fit## mean sd
## 52.48548790 16.57617220
## ( 0.09344363) ( 0.06607462)g07<- g05+stat_function(fun = dnorm ,color="orange",size=1.2, args = list( mean=52.48, sd=16.57))
g07
Quand la variable est qualitative
Quand la variable est qualitative, que ses variables sont discrètes, la manière de représenter la plus commune est le fameux camembert que les experts écartent. Un diagramme en barre représente mieux les proportions.
Un premier exemple pour représenter les vagues d’enquetes
g08<-ggplot(df,aes(x=Year))+
geom_bar(fill="skyblue")+
theme_minimal()+
labs(title= "Evolution de la confiance interpersonnelle", caption="ESS2002-2018",y= "frequence",x="Vague d'enquête")
geom_text(stat='count', aes(label=..count..), vjust=+2)## mapping: label = ~..count..
## geom_text: parse = FALSE, check_overlap = FALSE, na.rm = FALSE
## stat_count: na.rm = FALSE
## position_identityg08
Un second exemple pour les ages avec une nouveauté : la rotation à 90°C.
g09a<-ggplot(df,aes(x=age))+geom_bar(fill="palegreen")+theme_minimal()+
geom_text(stat='count', aes(label=..count..), hjust=1) + coord_flip()+
labs(title= "Répartition par classes d'âge", caption="ESS2002-2018",y= "frequence",x="Vague d'enquête")
g09a
en % et en 2 jeux de couleurs standard et couleur
g10<-ggplot(df,aes(x=age))+geom_bar(aes(y = (..count..)/sum(..count..),fill = factor(..x..))) +theme_minimal()+coord_flip()+
labs(title= "Répartition de la population par classe d'âge", caption="ESS2002-2018",y= "%",x="classes d'age")
g10
si on tient au diagramme en cercle, autant opter pour un treemap avec la bibliothèque treemapifi
https://cran.r-project.org/web/packages/treemapify/vignettes/introduction-to-treemapify.html
library(treemapify)
tree1<-df %>% mutate(n=1)%>%group_by(age) %>% summarize(n=sum(n)) %>%filter(!is.na(age))
g11 <- ggplot(tree1, aes(area = n, fill=n),label=age) +
geom_treemap() + geom_treemap_text(aes(label=age),colour = "white", place = "centre",grow = TRUE)+
labs(title= "Répartition de la population par classe d'âge", caption="ESS2002-2018",y= "%",x="classes d'age")
g11
Analyse bivariée
on commence
- par comparer des distribution de plusieurs groupes (variables catégorielles)
- par comparer des moyennes d’une variable dépendante en fonction de plusieurs variables indépendantes catégorielle
- par mesurer la corrélation entre deux variable quantitative
- mesurer l’association entre deux variables qualitatives
Comparer les distributions
Dans notre base on a melangé les données de l’Allemagne et de la France. On va comparer leur distribution.
#on recode en facteur la variable
df$cntry<-as.factor(df$cntry)
#on peut utiliser "facet"
g20<-ggplot(df,aes(x=trust_interpersonnel))+ geom_histogram(binwidth=10, fill="pink")+ facet_grid(cntry~.)+ theme_minimal()+
labs(title= "Confiance institutionnnelle", caption="ESS2002-2018",y= "frequence",x="Pays")
g20
mais pour comparer des distribution faut mieux classiquement un boxplot
#les boxplot
g21<-ggplot(df,aes(x=cntry, y=trust_interpersonnel))+ geom_boxplot( fill="pink") +
theme_minimal()+
labs(title= "Distribution de la confiance interpersonnelle",subtile="boxplot", caption="ESS2002-2018",y= "Confiance",x="Pays")
g21
ou encore plus modern un diagramme en violin
# une variante : les violin plot
g22<-ggplot(df,aes(x=cntry, y=trust_interpersonnel))+ geom_violin( fill="pink", trim=FALSE) + theme_minimal()+
geom_boxplot(width=0.1, fill="white")+
labs(title= "Distribution de la confiance interpersonnelle",subtile="boxplot", caption="ESS2002-2018",y= "Confiance",x="Pays")
g22
encore plus raffiné comparer les pays mais aussi les genres avec facet grid qui permet d’éclater les représentation par pays.
# une variante : les violin plot
g23<-ggplot(df,aes(x=genre, y=trust_interpersonnel))+
geom_violin( fill="pink") +
theme_minimal()+
geom_boxplot(width=0.1, fill="white")+
labs(title= "Distribution de la confiance interpersonnelle",subtile="boxplot", caption="ESS2002-2018",y= "Confiance",x="Pays")+
facet_grid(cntry~.)
g23
Comparaison de moyennes
ggplot traite les données qu’on lui donne. Avec les historgram on accède directement aux données. Si on souhaite représenter les moyennes et les comparer il faut une étape supplémentaire qui vise à calculer ce tableau de données : les valeurs de chacune des vague d’enquête.
df_wave<-df %>%
group_by(age) %>%
summarise(moyenne=mean(trust_interpersonnel, na.rm=TRUE))%>%
filter(!is.na(age))
df_wave## # A tibble: 6 x 2
## age moyenne
## <fct> <dbl>
## 1 25< 52.6
## 2 26-35 50.7
## 3 36-45 51.2
## 4 46-65 51.5
## 5 66-75 52.2
## 6 75> 54.2g06a<-ggplot(df_wave,aes(x=age,y=moyenne))+geom_bar(stat="identity",fill="skyblue")+theme_minimal()+ylim(0,60)
g06a
Naturellement celà n’a pas de sens il faut voir ça par pays on réutilise facet_grid mais on doit pour celà calculer les moyennes par vagues et par pays
df_wave2<-df %>% group_by(age,cntry) %>%
summarise(moyenne=mean(trust_interpersonnel, na.rm=TRUE)) %>%
filter(!is.na(age))
df_wave2## # A tibble: 12 x 3
## # Groups: age [6]
## age cntry moyenne
## <fct> <fct> <dbl>
## 1 25< DE 53.5
## 2 25< FR 50.9
## 3 26-35 DE 52.1
## 4 26-35 FR 48.9
## 5 36-45 DE 52.5
## 6 36-45 FR 49.4
## 7 46-65 DE 53.1
## 8 46-65 FR 49.1
## 9 66-75 DE 53.3
## 10 66-75 FR 50.5
## 11 75> DE 55.3
## 12 75> FR 52.9library(reshape2)
df_wave2<-melt(df_wave2)
g06a<-ggplot(df_wave2,aes(x=age,y=value))+geom_bar(stat="identity",fill="skyblue")+theme_minimal()+facet_grid(cntry~.)
g06a
Une présentation en ligne est cependant bien meilleure et beaucoups plus lisible.
(PS/ si une seule série alors group=1 )
g06b<-ggplot(df_wave2,aes(x=age,y=value, group=cntry))+geom_path(aes(color=cntry),stat="identity", size=2)+
theme_minimal()+
ylim(45,60)+
labs(title= "Confiance interpersonnelle en fonction de l'âge", caption="ESS2002-2018",y= "Confiance",x="Age") +coord_flip()
g06b
et tant qu’à faire regardons aussi l’évolution de la confiance institutionnnells les deux formes
df_wave3<-df %>% group_by(Year,cntry) %>%
summarise(moy_institu=mean(trust_institut, na.rm=TRUE),moy_interp=mean(trust_interpersonnel, na.rm=TRUE)) %>%
filter(!is.na(cntry))
library(reshape2)
df_wave3<-melt(df_wave3)
df_wave3## Year cntry variable value
## 1 2002 DE moy_institu NaN
## 2 2002 FR moy_institu NaN
## 3 2004 DE moy_institu 44.98339
## 4 2004 FR moy_institu 43.77759
## 5 2006 DE moy_institu 44.69956
## 6 2006 FR moy_institu 44.04121
## 7 2008 DE moy_institu 47.54171
## 8 2008 FR moy_institu 45.45535
## 9 2010 DE moy_institu 45.13884
## 10 2010 FR moy_institu 42.95088
## 11 2012 DE moy_institu 48.92897
## 12 2012 FR moy_institu 44.07173
## 13 2014 DE moy_institu 48.45095
## 14 2014 FR moy_institu 42.49401
## 15 2016 DE moy_institu 51.04163
## 16 2016 FR moy_institu 42.31031
## 17 2018 DE moy_institu 51.24303
## 18 2018 FR moy_institu 44.74554
## 19 2002 DE moy_interp 50.82012
## 20 2002 FR moy_interp 48.29421
## 21 2004 DE moy_interp 50.86086
## 22 2004 FR moy_interp 49.09579
## 23 2006 DE moy_interp 51.38161
## 24 2006 FR moy_interp 49.17972
## 25 2008 DE moy_interp 52.59652
## 26 2008 FR moy_interp 49.16626
## 27 2010 DE moy_interp 51.75514
## 28 2010 FR moy_interp 48.65700
## 29 2012 DE moy_interp 53.15706
## 30 2012 FR moy_interp 49.96609
## 31 2014 DE moy_interp 54.44444
## 32 2014 FR moy_interp 51.11053
## 33 2016 DE moy_interp 56.06871
## 34 2016 FR moy_interp 51.10305
## 35 2018 DE moy_interp 56.76154
## 36 2018 FR moy_interp 51.57286g11<-ggplot(df_wave3,aes(x=Year,y=value, group=variable))+geom_path(stat="identity", aes(color=variable),size=2)+theme_minimal()+ylim(40,60)+facet_grid(.~cntry)+
labs(title= "Evolution de la confiance interpersonnelle", caption="ESS2002-2018",y= "Confiance",x="Vagues d'enquêtes")
g11
On a commencé par le plus difficile. Comparer l’évolution de deux catégories sur une variable puis deux variables.
Analyser une évolution est un cas particilier, en général on fait des comparison statique. Reprenons l’age et comparon ( en faisant le parallèle des pays). Le graphique va être plus sophistiqué : on va modifier les couleur et labelliser la legende. C’est fait la la fonction scalecolor ou l’on indique a) les valeurs des couleurs, les modalités de la variable et les labels associés.
df_wave3<-df %>% group_by(Year,cntry) %>% summarise(moy_institu=mean(trust_institut, na.rm=TRUE),moy_interp=mean(trust_interpersonnel, na.rm=TRUE))
library(reshape2)
df_wave3<-melt(df_wave3)
df_wave3## Year cntry variable value
## 1 2002 DE moy_institu NaN
## 2 2002 FR moy_institu NaN
## 3 2004 DE moy_institu 44.98339
## 4 2004 FR moy_institu 43.77759
## 5 2006 DE moy_institu 44.69956
## 6 2006 FR moy_institu 44.04121
## 7 2008 DE moy_institu 47.54171
## 8 2008 FR moy_institu 45.45535
## 9 2010 DE moy_institu 45.13884
## 10 2010 FR moy_institu 42.95088
## 11 2012 DE moy_institu 48.92897
## 12 2012 FR moy_institu 44.07173
## 13 2014 DE moy_institu 48.45095
## 14 2014 FR moy_institu 42.49401
## 15 2016 DE moy_institu 51.04163
## 16 2016 FR moy_institu 42.31031
## 17 2018 DE moy_institu 51.24303
## 18 2018 FR moy_institu 44.74554
## 19 2002 DE moy_interp 50.82012
## 20 2002 FR moy_interp 48.29421
## 21 2004 DE moy_interp 50.86086
## 22 2004 FR moy_interp 49.09579
## 23 2006 DE moy_interp 51.38161
## 24 2006 FR moy_interp 49.17972
## 25 2008 DE moy_interp 52.59652
## 26 2008 FR moy_interp 49.16626
## 27 2010 DE moy_interp 51.75514
## 28 2010 FR moy_interp 48.65700
## 29 2012 DE moy_interp 53.15706
## 30 2012 FR moy_interp 49.96609
## 31 2014 DE moy_interp 54.44444
## 32 2014 FR moy_interp 51.11053
## 33 2016 DE moy_interp 56.06871
## 34 2016 FR moy_interp 51.10305
## 35 2018 DE moy_interp 56.76154
## 36 2018 FR moy_interp 51.57286g11<-ggplot(df_wave3,aes(x=Year,y=value, group=variable, na.rm = TRUE))+geom_path(stat="identity", aes(color=variable),size=2)+theme_minimal()+ylim(40,60)+facet_grid(.~cntry)
g11
Changeons de variable, regardons les variation selon l’age (au moment de l’enquête). La même courbe en U se présente en France et en Alemagne même si le degré de confiance pour les deux formes est plus faible en france.
df_wave3<-df %>% group_by(age,cntry) %>% summarise(moy_institu=mean(trust_institut, na.rm=TRUE),moy_interp=mean(trust_interpersonnel, na.rm=TRUE))
library(reshape2)
df_wave3<-melt(df_wave3) %>% filter(!is.na(age))
g11<-ggplot(df_wave3,aes(x=age,y=value, group=variable, na.rm = TRUE))+
geom_path(stat="identity", aes(color=variable),size=2)+theme_minimal()+ylim(40,55)+
facet_grid(.~cntry)+
labs(title= "Confiance interpersonnelle et institutionnelle", caption="ESS2002-2018",y= "score",x="Classes d'age")+
scale_color_manual(values=c("#999999", "#E69F00"),breaks=c("moy_institu", "moy_interp"),
labels=c("Institutionnelle", "Interpersonnelle"))
g11
et pour varier regardons les habitats. Ce qui distingue la france est la transition forte qui va des grandes villes vers sa périphérie. Reflet d’une structire geographique moins hierachisée en allemegne qu’en france ( ou plus multipolaire)..
df_wave3<-df %>% group_by(habitat,cntry) %>% summarise(moy_institu=mean(trust_institut, na.rm=TRUE),moy_interp=mean(trust_interpersonnel, na.rm=TRUE))
library(reshape2)
df_wave3<-melt(df_wave3) %>% filter(!is.na(habitat))
g11<-ggplot(df_wave3,aes(x=habitat,y=value, group=variable, na.rm = TRUE))+
geom_path(stat="identity", aes(color=variable),size=2)+theme_minimal()+ylim(40,55)+
facet_grid(.~cntry)+
labs(title= "Confiance interpersonnelle et institutionnelle", caption="ESS2002-2018",y= "score",x="Classes d'age")+
scale_color_manual(values=c("#999999", "#E69F00"),breaks=c("moy_institu", "moy_interp"),
labels=c("Institutionnelle", "Interpersonnelle"))
g11
Diagrammes xy - la magie des corrélations
venons en à analyser les relation entre deux variables quantitatives.
on a donc appris à comparer dplusieurs distributions, les moyennes de plusieurs variables qualitative, examinons les relation entre deucx variables quantitatibe
g31<- ggplot(df, aes(x= trust_interpersonnel,y=trust_institut, group=Year)) +
geom_point( size=0.1)+
theme_minimal()
g31
Ce graphe est peu clair, ils y a trop de points qui prennent des valeurs discrètes. Une astuce estde donner une position aléatoire pour sur disperser, on fait mieux apparaitre la densité de points.
g32<-ggplot(df, aes(x= trust_interpersonnel,y=trust_institut, group=Year)) +
geom_point(position = "jitter", size=0.1, color="grey")+
theme_minimal()
g32 
on peut souhaiter ajouter une droite des moindre carrés (calculée pour chaque vague d’enquête pour évaluer la stabilité de la relation dans le temps). Les lignes sont parallèles, la corrélation ne change pas dans le temps, c’est une relation stable.upe, les deux confiance cont dans le meme sens. On verra dans un autre notebook comment calculer ces droites de corrélations.
df0<-df%>% filter(!is.na(Year))
g3<-ggplot(df0, aes(x= trust_interpersonnel,y=trust_institut, group=cntry)) +
geom_point(position = "jitter", size=0.1, color="grey")+geom_smooth(method="lm", aes(color=cntry))+theme_minimal()
g3 
Mais en attendant en voci un calcul élémentaire. Le r² est de 0,18, la corrélation est de l’ordre d’un peu plus 0,42 ce qui est assez élevé mais laisse une certaine indépendance des variables. Elle désignent des objets liés mais différents.
cor.test(df$trust_interpersonnel, df$trust_institut)##
## Pearson's product-moment correlation
##
## data: df$trust_interpersonnel and df$trust_institut
## t = 87.126, df = 34985, p-value < 2.2e-16
## alternative hypothesis: true correlation is not equal to 0
## 95 percent confidence interval:
## 0.4135963 0.4308171
## sample estimates:
## cor
## 0.4222448library(lme4)
fits <- lmList(trust_interpersonnel ~ trust_institut | cntry, data=df)
summary(fits)## Call:
## Model: trust_interpersonnel ~ trust_institut | NULL
## Data: df
##
## Coefficients:
## (Intercept)
## Estimate Std. Error t value Pr(>|t|)
## DE 33.79476 0.3013494 112.1448 0
## FR 34.34344 0.3404687 100.8711 0
## trust_institut
## Estimate Std. Error t value Pr(>|t|)
## DE 0.4126952 0.005909683 69.83372 0
## FR 0.3597752 0.007236293 49.71817 0
##
## Residual standard error: 15.12791 on 34983 degrees of freedomUne autre représentation plus éclatée qui ne montre rien de plus que la régularité
ggplot(df, aes(x= trust_institut,y=trust_interpersonnel)) + geom_point() +geom_smooth(method="lm") +theme_minimal() +facet_wrap(~Year) 
Deux variables qualitatives
###les diagrammes en barres
g05a<-ggplot(df,aes(x=Year,y=..count..,fill=cntry))+geom_bar(position = "stack")+theme_minimal()
g05a
g05b<-ggplot(df,aes(x=Year,y=..count..,fill=cntry))+geom_bar(position = "dodge")+theme_minimal()
grid.arrange(g05a,g05b,ncol=2)
Les treemaps, c’est merveilleux
D’autre graphiques et des emboitements
library(treemapify)
tree1<-df %>% mutate(n=1)%>%group_by(cntry,genre,habitat) %>% summarize(n=sum(n),mean=mean(trust_interpersonnel, na.rm=TRUE))
g10 <- ggplot(tree1, aes(area = n, fill=genre,subgroup=cntry)) +
geom_treemap() +
geom_treemap_text(aes(label=habitat),colour = "white", place = "centre",grow = FALSE)+
geom_treemap_subgroup_text(color="white",grow = FALSE)+geom_treemap_subgroup_border()
g10
Des chi2 et des diagramme de dépendence
Examiner beaucoups de variables
Nous nous sommes concentrés sur des index. Par exemple nous avons traité la confiance instititutionnelle. Mais on peut vouloir traiter ensemble tous les items, on en a 7.
Profils
rad<-df %>%
group_by (habitat,cntry) %>%
summarize(Partis=mean(Partis, na.rm=TRUE),
Parlement=mean(Parlement, na.rm=TRUE),
Politiques=mean(Politiques, na.rm=TRUE),
Police=mean(Police, na.rm=TRUE),
Justice=mean(Justice, na.rm=TRUE),
NationsUnies=mean(NationsUnies, na.rm=TRUE),
ParlementEurop=mean(ParlementEurop, na.rm=TRUE)) %>% filter(!is.na(habitat))
rad<-melt(rad)
ggplot(rad, aes(x=reorder(variable, value),y=value,group=habitat))+
geom_line(aes(color=habitat), size=2)+
facet_grid(.~cntry)+
theme_minimal()+scale_color_brewer(type="div",palette=3)+coord_flip()+
labs(title= "Les éléments de la confiance institutionnelle", caption="ESS2002-2018",y= "confiance (de 1 à 10)",x="institutions") 
La différence entre les deux pays est claire, la rupture est accusée plus fortement en france qu’en allemagne. L’explication n’est sans doute pas culturelle mais démographique, un coup d’oeil à la carte des densité permet de comprendre mieux : https://www.populationdata.net/cartes/allemagne-france-densite-de-population-2011/.
refaisons la même chose pour la confiance interpersonnelle
rad<-df %>%
group_by (habitat,cntry) %>%
summarize(help=mean(help, na.rm=TRUE),
fair=mean(fair, na.rm=TRUE),
trust=mean(trust, na.rm=TRUE)) %>% filter(!is.na(habitat))
rad<-melt(rad)
ggplot(rad, aes(x=reorder(variable, value),y=value,group=habitat))+
geom_line(aes(color=habitat), size=2)+coord_flip()+facet_grid(.~cntry)+
theme_minimal()+scale_color_brewer(type="div",palette=3)+
labs(title= "Les éléments de la confiance interpersonnelle", caption="ESS2002-2018",y= "Confiance (de 1 à 10)",x="Institutions") 
radar
library(fmsb)
rad<-df %>% filter(cntry=="FR") %>%
group_by (habitat) %>%
summarize(Partis=mean(Partis, na.rm=TRUE),
Parlement=mean(Parlement, na.rm=TRUE),
Politiques=mean(Politiques, na.rm=TRUE),
Police=mean(Police, na.rm=TRUE),
Justice=mean(Justice, na.rm=TRUE),
NationsUnies=mean(NationsUnies, na.rm=TRUE),
ParlementEurop=mean(ParlementEurop, na.rm=TRUE)) %>% filter(!is.na(habitat)) %>% dplyr::select(-habitat)
#on doit indiquer les valeurs minimale et maximale - la fonction rep permet de repeter (ici 7 fois pour les 7 variables/col)
data <- rbind(rep(7,7) , rep(3,7) , rad)
#l'autre method c'est ce choisir maxmin=FALSE
rownames(rad) <- c("big city", "suburbs" ,"town","village", "countryside")
radarchart(rad, axistype=0, seg=4, title="Moyenne par institution", maxmin=FALSE)
legend(x=0.7, y=1, legend = rownames(rad), bty = "n",text.col = "grey", cex=1.2, pt.cex=3)
Un programme pour la suite
Des chloropleth pour la géographie
les cartes
Les projection des variables
Quelques affinnements
Apres l’espace,le temps
Même si nous avons indiquer des manière de représenter une évolution, des techniqueplus spécifiques peuevent etre employées.
lisser les séries
les premières techniques reviennetn à donner les tendances, à donner les rythme, et
Saisonnalité
Séries chronologiques
la decomposition ### Extrapolation
Ressources
Un point de départ fondamental est la gallery de ggplot,, elle présente de manière synthétique toute les types de figures qui peuvent être présentées. Avec du code facilement reproductible. Voici le book de référence, qui est au centre de ce cours. On aura besoin de manière assez systématique de manipuler les données avant de les représenter, dplyr nous permet de le faire aisément.
Ces outils s’appuient sur l’idée de grammaire des graphiques. En voici un clair résumé.En français il y a toujours le larmarange
le graphisme est immportant. Une bibliothèque de modèle.
L’art des couleurs tient dans les palettes on aimera celles de Wes Anderson, on peut adorer fishualize. on trouvera