2 Capitulo 2: Carga y manipulación de datos
Ahora pasamos a usar R para realizar análisis de datos. Nuestros primeros pasos básicos son simplemente cargar datos enR y limpiar los datos para que se adapten a nuestros propósitos. La limpieza y recodificación de datos son a menudo una tarea tediosa de análisis de datos, pero sin embargo son esenciales porque los datos mal codificados producirán resultados erróneos cuando se estima un modelo usándolos. (En otras palabras, basura entra, basura sale). En este capítulo, cargaremos varios tipos de datos usando diferentes comandos, veremos nuestros datos para comprender sus características, practicaremos recodificar datos para limpiarlos según sea necesario, fusionar datos conjuntos y remodelar conjuntos de datos.
Nuestro ejemplo de trabajo en este capítulo será un subconjunto de Poe et al. (1999) Los datos de Political Terror Scale sobre derechos humanos, que son una actualización de los datos de Poe y Tate (1994). Mientras que sus datos completos cubren 1976-1993, nos centramos únicamente en el año 1993. Las ocho variables que contiene este conjunto de datos son:
país: Una variable de carácter que enumera el país por nombre. democ: Puntuación del país en la escala de democracia Polity III. Las puntuaciones van desde 0 (menos democrático) a 10 (más democrático). sdnew: La escala de terror político del Departamento de Estado de EE. UU. Las puntuaciones van desde 1 (terrorismo de estado bajo, menor número de violaciones de la integridad personal) al 5 (mayor número de violaciones de la integridad personal). militar: Una variable ficticia codificada 1 para un régimen militar, 0 en caso contrario. gnpcats: Nivel de PNB per cápita en cinco categorías: 1 = menos de $ 1000, 2 = $ 1000– $ 1999, 3 = $ 2000– $ 2999, 4 = $ 3000– $ 3999, 5 = más de $ 4000. lpop: Logaritmo de la población nacional. civ_war: Una variable ficticia codificada con 1 si está involucrada en una guerra civil, 0 en caso contrario. int_war: Una variable ficticia codificada como 1 si está involucrada en una guerra internacional, 0 en caso contrario.