class: center, middle, inverse, title-slide .title[ # <code>R</code>efresher ] .subtitle[ ## Pratiques de la Recherche en Économie ] .author[ ### Florentine Oliveira ] .date[ ### 2024-11-09 ] --- layout: true --- <link rel="shortcut icon" href="#" /> # About me &nbsp; Doctorante en Économie à PSE en 3ème année Champs de recherche: économie de la famille, de l'éducation, du travail &nbsp; &nbsp; .center[ **Pour me contacter, si vous avez des questions ou envie/besoin de parler**: florentine.oliveira@psemail.eu Campus Jourdan, Bureau R4-54 ] --- # Objectifs du cours &nbsp; &nbsp; - Se familiariser avec - les techniques **économétriques** de base - la **recherche** en **économie empirique** - Apprendre le language de programmation `R` &nbsp; `\(\implies\)` pour pouvoir réaliser votre **mémoire** ! --- # Roadmap &nbsp; ### Semestre 1 1. Séance 1 (aujourd'hui): Rappels de `R` 2. Séance 2 (12/11/2024): `\(\LaTeX\)` et R Markdown 3. Séance 3 (19/12/2024): Régressions Linéaires et Causalité ### Semestre 2 4. Séance 4 (04/02/2025): Variables de Contrôle et Matching 5. Séance 5 (18/02/2025): Méthode des Variables Instrumentales 6. Séance 6 (11/03/2025): Méthode des Doubles-Différences (DiD) 7. Séance 7 (25/03/2025): Regression Discontinuity Design (RDD) 8. Séance 8 (08/04/2025): Q & A --- # Validation du cours ## DM **Objectif**: manipulation de données sur `R`, intuition, quelques régressions À faire seul(e) ou à deux **À rendre pour le 10 Janvier 23h59** &nbsp; ## Mémoire --- # Cette séance &nbsp; 1. La recherche en économie empirique 2. `R`: Rappels 2.1. Définition, usages, interface 2.2. Projet `R` 2.3. Importer des données 2.4. Manipulation des données avec `dplyr` 2.5. Visualisation des données avec `ggplot` 2.6. Maps --- # 1. La recherche en économie empirique ### Qu'est-ce que la recherche en économie empirique? - Répondre à des **questions de recherche** pour apprendre sur les comportements humains, l'efficacité des poliques publiques, ... -- - Quel est l'effet des bourses de scolarité **sur** la réussite scolaire? - Quel est l'effet d'un allongement de la durée du congé parental **sur** la participation au marché du travail des mères? - Quelle est l'ampleur de la discrimination dans le processus de recrutement? - Quel est l'effet d'un assouplissement des conditions d'éligibilité à l'assurance chômage **sur** l'emploi? - Quel est l'effet de la pollution atmosphérique **sur** la productivité? - Quel est le rôle des médias **sur** le comportement de vote? - Quel est l'effet de la densité de population **sur** les salaires? --- # 1. La recherche en économie empirique ### Qu'est-ce que la recherche en économie empirique? - Répondre à des **questions de recherche** pour apprendre sur les comportements humains, l'efficacité des poliques publiques, ... - Grande diversité des champs de recherche: éducation, travail, famille, environnement, macroéconomie, politique, migration, genre, urban, crime, économie historique, ... - ... en utilisant des techniques statistiques rigoureuses (= **économétrie**) ... - ... une stratégie/un cadre qui nous permet d'identifier un **effet causal**... - ... et des données! - `R` est un logiciel qui permet de réaliser ces analyses descriptives et empiriques. --- layout: false class: center, middle, inverse # 2. `R`: rappels --- # 2. `R`: rappels ## 2.1. Définition, usages, interface - D'après le site internet de `R` : *R is a free software environment for statistical computing and graphics.* - un logiciel (interface R studio) - un language de programmation - `R` est **gratuit** et en **open source** - donc très utilisé dans les milieux académique et institutionnel - Logiciel très **polyvalent** - statistiques decriptives, analyses économétriques, analyse de données spaciales, ML, Rmarkdown - Compétence valorisée et de plus en plus recherchée (public & privé) --- ### Popularité de `R`¹ .pull-left[ <img src="imgs/popularity_datascientist.jpg" width="90%" style="display: block; margin: auto;" /> ] .pull-right[ <img src="imgs/popularity_scholar.png" width="80%" style="display: block; margin: auto;" /> ] .footnote[ [1]: [The Popularity of Data Science Software](https://r4stats.com/articles/popularity/) ] --- # 2. `R`: rappels ## 2.1. Définition, usages, interface <img src="imgs/interface.png" width="70%" style="display: block; margin: auto;" /> --- # 2. `R`: rappels ## 2.2. Projet `R` Les projets `R` permettent une meilleure organisation de votre travail. .pull-left[ <img src="imgs/rproj.jpeg" width="50%" style="display: block; margin: auto;" /> ] .pull-right[ **Création d'un projet `R`:** - Dans R-Studio - Fichier `\(\rightarrow\)` Nouveau projet ] --- background-color: #f19bb5 # Application: créer votre projet `R` <div class="countdown" id="timer_b810067b" data-update-every="1" tabindex="0" style="top:0;right:0;"> <div class="countdown-controls"><button class="countdown-bump-down">−</button><button class="countdown-bump-up">+</button></div> <code class="countdown-time"><span class="countdown-digits minutes">03</span><span class="countdown-digits colon">:</span><span class="countdown-digits seconds">00</span></code> </div> .pull-left[ <img src="imgs/rproj_sans_fond.png" width="70%" style="display: block; margin: auto;" /> ] .pull-right[ - Créer un projet R pour la Lecture 1 en respectant cette structure - Créer un nouveau script R, enregistré dans le dossier lecture_1 ] --- # 2. `R`: rappels ## 2.3. Importer des données **Format .csv:** - `read.csv()` ou `read.cvs2()` avec l'argument `sep = ';'` &nbsp; **Formats .dta (stata), .sas7bdat (sas): ** package `haven` (nb: `haven` est inclus dans `tidyverse`) - `.dta` : `read_dta()` - `.sas7dbat` : `read_sas()` &nbsp; **Format .xls ou .xlsx (Excel): ** package `readxl` - `read_excel()` --- # 2. `R`: rappels ## 2.3. Importer des données &nbsp; **Format .rds:** format de données le moins lourd et optimal pour travailler sur R, surtout quand les bases de données sont très volumineuses - `readRDS()` &nbsp; **Conseil**: à la fin du script de cleaning, enregistrer le ou les data.frames nettoyés en format `.RDS` avec la fonction `saveRDS()` et importer ces données nettoyées dans le script sur lequel vous ferez toutes vos analyses. --- background-image: url(imgs/dplyr_logo.png) background-position: 90% 10% background-size: 15% # 2. `R`: rappels ## 2.4. Manipulation des données avec `dplyr` Principal package pour la manipulation de données : `dplyr` `$$\text{data.frame} \;\; \underbrace{\text{%>%}}_{\text{pipe}} \;\; \text{function}(\text{your action})$$` -- ### Principales fonctions - `mutate()`: créer ou modifier des variables - `summarise()`: résume les données par des statistiques descriptives - `filter()`: conserve ou supprime les lignes - `group_by()`: permet de grouper des observations entre elles - `select()`: conserve ou supprime des colonnes - `arrange()`: ordonne les observations par rapport aux valeurs d'une colonne --- # 2. `R`: rappels ## 2.4. Manipulation des données avec `dplyr` ### Opérateurs &nbsp; .pull-left[ | Opérateur **arithmétiques** | Description | |------------------------------|---------------------------| | `+` / `-` | Addition / Soustraction | | `*` / `/` | Multiplication / Division | | `^` | Exposant | ] .pull-right[ | Opérateur **logiques** | Description | |-------------------------|--------------------------------------| | `<` / `>` | Strictement inférieur / supérieur à | | `< =` / `> =` | Supérieur / inférieur ou égal à | | `= =` | Égal à | | `! =` | Différent de | | `x %in% c(1,6)` | `\(x\)` dans `\(\{1,6\}\)` | | `x & y` | `\(x\)` *et* `\(y\)` | | <code>x &#124; y</code> | `\(x\)` *ou* `\(y\)` | ] --- background-color: #f19bb5 # Application : Titanic Ce jeu de données fournit des informations sur le sort des passagers du paquebot « Titanic », résumées en fonction du statut économique (class), du sexe, de l'âge et de la survie. ``` r titanic = as.data.frame(Titanic) head(titanic) ``` ``` ## Class Sex Age Survived Freq ## 1 1st Male Child No 0 ## 2 2nd Male Child No 0 ## 3 3rd Male Child No 35 ## 4 Crew Male Child No 0 ## 5 1st Female Child No 0 ## 6 2nd Female Child No 0 ``` --- background-color: #f19bb5 # Application : Titanic <div class="countdown" id="timer_bd4f178d" data-update-every="1" tabindex="0" style="top:0;right:0;"> <div class="countdown-controls"><button class="countdown-bump-down">−</button><button class="countdown-bump-up">+</button></div> <code class="countdown-time"><span class="countdown-digits minutes">05</span><span class="countdown-digits colon">:</span><span class="countdown-digits seconds">00</span></code> </div> &nbsp; 1) Calculer le taux de survie par classe, par sexe, et par âge 2) Créer une variable `passenger` qui vaut 1 si l'individu n'est pas un membre d'équipage (*crew*), 0 si c'est un membre d'équipage 3) Créer une table qui résume, pour les adultes uniquement, le taux de survie par Classe x Sexe et ordonner par ordre décroissant --- background-color: #fbe6ec # Solution : Titanic 1) Calculer le taux de survie par classe, par sexe, et par âge ``` r titanic %>% * group_by(Class) %>% summarise(tx_survie = sum(Freq[Survived == "Yes"])/sum(Freq)) %>% ungroup() ``` ``` ## # A tibble: 4 × 2 ## Class tx_survie ## <fct> <dbl> ## 1 1st 0.625 ## 2 2nd 0.414 ## 3 3rd 0.252 ## 4 Crew 0.240 ``` --- background-color: #fbe6ec count: false # Solution : Titanic 1) Calculer le taux de survie par classe, par sexe, et par âge ``` r titanic %>% group_by(Class) %>% * summarise(tx_survie = sum(Freq[Survived == "Yes"])/sum(Freq)) %>% ungroup() ``` ``` ## # A tibble: 4 × 2 ## Class tx_survie ## <fct> <dbl> ## 1 1st 0.625 ## 2 2nd 0.414 ## 3 3rd 0.252 ## 4 Crew 0.240 ``` --- background-color: #fbe6ec # Solution : Titanic 1) Calculer le taux de survie par classe, par sexe, et par âge ``` r titanic %>% group_by(Sex) %>% summarise(tx_survie = sum(Freq[Survived == "Yes"])/sum(Freq)) %>% ungroup() ``` ``` ## # A tibble: 2 × 2 ## Sex tx_survie ## <fct> <dbl> ## 1 Male 0.212 ## 2 Female 0.732 ``` --- background-color: #fbe6ec # Solution : Titanic 1) Calculer le taux de survie par classe, par sexe, et par âge ``` r titanic %>% group_by(Age) %>% summarise(tx_survie = sum(Freq[Survived == "Yes"])/sum(Freq)) %>% ungroup() ``` ``` ## # A tibble: 2 × 2 ## Age tx_survie ## <fct> <dbl> ## 1 Child 0.523 ## 2 Adult 0.313 ``` --- background-color: #fbe6ec # Solution : Titanic 2) Créer une variable `passenger` qui vaut 1 si l'individu n'est pas un membre d'équipage (*crew*), 0 si c'est un membre d'équipage ``` r # Solution 1 titanic %>% mutate(passenger = ifelse(Class != "Crew", 1, 0)) # Solution 2 titanic %>% mutate(passenger = case_when(Class != "Crew" ~ 1, Class == "Crew" ~ 0)) ``` **Conseil**: utiliser `case_when` quand il y a plus d'une condition. --- background-color: #fbe6ec # Solution : Titanic 3) Créer une table qui résume, pour les adultes uniquement, le taux de survie par Classe x Sexe et ordonner par ordre décroissant ``` r titanic %>% filter(Age == "Adult") %>% group_by(Class, Sex) %>% summarise(tx_survie = sum(Freq[Survived == "Yes"]) / sum(Freq)) %>% arrange(desc(tx_survie)) ``` --- count: false background-color: #fbe6ec # Solution : Titanic 3) Créer une table qui résume, **pour les adultes uniquement**, le taux de survie par Classe x Sexe et ordonner par ordre décroissant ``` r titanic %>% * filter(Age == "Adult") %>% group_by(Class, Sex) %>% summarise(tx_survie = sum(Freq[Survived == "Yes"]) / sum(Freq)) %>% arrange(desc(tx_survie)) ``` --- count: false background-color: #fbe6ec # Solution : Titanic 3) Créer une table qui résume, pour les adultes uniquement, le taux de survie par **Classe x Sexe** et ordonner par ordre décroissant ``` r titanic %>% filter(Age == "Adult") %>% * group_by(Class, Sex) %>% summarise(tx_survie = sum(Freq[Survived == "Yes"]) / sum(Freq)) %>% arrange(desc(tx_survie)) ``` --- count: false background-color: #fbe6ec # Solution : Titanic 3) Créer une table qui résume, pour les adultes uniquement, le **taux de survie** par Classe x Sexe et ordonner par ordre décroissant ``` r titanic %>% filter(Age == "Adult") %>% group_by(Class, Sex) %>% * summarise(tx_survie = sum(Freq[Survived == "Yes"]) / sum(Freq)) %>% arrange(desc(tx_survie)) ``` --- count: false background-color: #fbe6ec # Solution : Titanic 3) Créer une table qui résume, pour les adultes uniquement, le taux de survie par Classe x Sexe et **ordonner par ordre décroissant** ``` r titanic %>% filter(Age == "Adult") %>% group_by(Class, Sex) %>% summarise(tx_survie = sum(Freq[Survived == "Yes"]) / sum(Freq)) %>% * arrange(desc(tx_survie)) ``` ``` ## # A tibble: 8 × 3 ## # Groups: Class [4] ## Class Sex tx_survie ## <fct> <fct> <dbl> ## 1 1st Female 0.972 ## 2 Crew Female 0.870 ## 3 2nd Female 0.860 ## 4 3rd Female 0.461 ## 5 1st Male 0.326 ## 6 Crew Male 0.223 ## 7 3rd Male 0.162 ## 8 2nd Male 0.0833 ``` --- # 2. `R`: rappels ## 2.4. Manipulation des données avec `dplyr` .center[ <img src="imgs/datasets.png" width="40%" style="display: block; margin: auto;" /> ] - Très souvent, les données nécessaires à l'analyse sont issues de plusieurs sources - Joindre deux tables de données peut permettre d'ajouter - des variables supplémentaires - des observations supplémentaires - L'ajout de variables peut se faire sur la base: - de la position des observations dans les deux jeux de données: **binding joints** - relativement aux valeurs d'une ou plusieurs autres colonnes, les *clés*: **mutating joints** --- # 2. `R`: rappels ## 2.4. Manipulation des données avec `dplyr` ### Binding joints .center[ **Binding Rows** <img src="imgs/little_datasets.png" width="45%" style="display: block; margin: auto;" /> ] .left-column[ <img src="imgs/bindrows.jpeg" width="80%" style="display: block; margin: auto;" /> ] .right-column[ `bind_rows(a, b)`: dans une jointure de lignes, les colonnes sont associées à leur nom et toute colonne manquante est remplacée par NA. ] --- # 2. `R`: rappels ## 2.4. Manipulation des données avec `dplyr` ### Binding joints .center[ **Binding Columns** <img src="imgs/little_datasets.png" width="45%" style="display: block; margin: auto;" /> ] .left-column[ <img src="imgs/bindcols.jpeg" width="90%" style="display: block; margin: auto;" /> ] .right-column[ `bind_cols(a, b)`: dans une jointure de colonnes, les lignes sont mises en correspondance en fonction de leur **position** ] --- # 2. `R`: rappels ## 2.4. Manipulation des données avec `dplyr` ### Mutating joints .center[ **Left-joint** <img src="imgs/little_datasets.png" width="45%" style="display: block; margin: auto;" /> ] .left-column[ <img src="imgs/left_joint.jpeg" width="80%" style="display: block; margin: auto;" /> ] .right-column[ `left_join(a, b, by = "x1")`: pour chaque ligne de **a** on a ajouté les colonnes de **b** pour lesquelles la valeur de la *clé* **x1** est la même ] --- # 2. `R`: rappels ## 2.4. Manipulation des données avec `dplyr` ### Mutating joints .center[ **Right-joint** <img src="imgs/little_datasets.png" width="45%" style="display: block; margin: auto;" /> ] .left-column[ <img src="imgs/right_joint.jpeg" width="80%" style="display: block; margin: auto;" /> ] .right-column[ `right_join(a, b, by = "x1")`: pour chaque ligne de **b** on a ajouté les colonnes de **a** pour lesquelles la valeur de la *clé* **x1** est la même ] --- # 2. `R`: rappels ## 2.4. Manipulation des données avec `dplyr` ### Mutating joints .center[ **Inner-joint** <img src="imgs/little_datasets.png" width="45%" style="display: block; margin: auto;" /> ] .left-column[ <img src="imgs/inner_joint.jpeg" width="80%" style="display: block; margin: auto;" /> ] .right-column[ `inner_join(a, b, by = "x1")`: seules les lignes présentes à la fois dans **a** et **b** sont jointes ] --- # 2. `R`: rappels ## 2.4. Manipulation des données avec `dplyr` ### Mutating joints .center[ **Full-joint** <img src="imgs/little_datasets.png" width="45%" style="display: block; margin: auto;" /> ] .left-column[ <img src="imgs/full_joint.jpeg" width="80%" style="display: block; margin: auto;" /> ] .right-column[ `full_join(a, b, by = "x1")`: toutes les lignes de **a** et toutes les lignes de **b** sont jointes (avec des NA ajoutés si nécessaire) même si elles sont absentes de l’autre table ] --- # 2. `R`: rappels ## 2.4. Manipulation des données avec `dplyr` ### Formats wide et long Pour **rassembler des colonnes** et passer en format **long**: `pivot_longer` .center[ <img src="imgs/longer.png" width="40%" style="display: block; margin: auto;" /> ] &nbsp; `b = pivot_longer(a, cols = 2:3, names_to = "grade", values_to = "mean")` --- # 2. `R`: rappels ## 2.4. Manipulation des données avec `dplyr` ### Formats wide et long Pour **disperser des lignes** et obtenir un format **wide**: `pivot_wider` .center[ <img src="imgs/wider.png" width="50%" style="display: block; margin: auto;" /> ] `b = pivot_wider(a, names_from = subject, values_from = mean)` --- background-color: #f19bb5 # Application : Législatives 2024 &nbsp; **Utilisation de 3 bases de données:** - résultats au premier tour: `resultats-definitifs-par-circonscription-t1.csv` - résultats au second tour: `resultats-definitifs-par-circonscription-t2.csv` - population par circonscription en 2019: `population_2019.csv` Chaque observation = une circonscription Les bases de *données des résultats aux élections sont en format wide*: - chaque circonscription à un nombre fini de candidats (jusqu'à 19 candidats) - les informations relatives aux différents candidats (nom, sexe, parti politique, etc) sont renseignées dans différentes variables - les variables relatives au même candidat ont le même suffixe (eg Nom.candidat.1, Nuance.candidat.1, ...) --- background-color: #f19bb5 # Application : Législatives 2024 🚨 **Encodage du libellé des circonscriptions** ``` r head(resultats_t1[1:4,c(2,4)]) ``` ``` ## Libellé.département Libellé.circonscription.législative ## 1 Ain 1ère circonscription ## 2 Ain 2ème circonscription ## 3 Ain 3ème circonscription ## 4 Ain 4ème circonscription ``` ``` r head(pop_2019)[1:4,] ``` ``` ## X. Circonscriptions Population.20191...hab.. ## 1 1 Ain, 1re 122750 ## 2 2 Ain, 2e 137975 ## 3 3 Ain, 3e 146110 ## 4 4 Ain, 4e 128896 ``` **Variables Clés**: `Libellé.département` qui comprend uniquement le nom du département, et `Libellé.circonscription` qui contient uniquement le numéro de la circonscription. --- background-color: #f19bb5 # Application : Législatives 2024 🚨 **Encodage du libellé des circonscriptions** ``` r resultats_t1 = resultats_t1 %>% mutate(Libellé.circonscription.législative = gsub("\\D", "", Libellé.circonscription.législative)) unique(resultats_t1$Libellé.circonscription.législative) ``` ``` ## [1] "1" "2" "3" "4" "5" "6" "7" "8" "9" "10" "11" "12" "13" "14" "15" ## [16] "16" "17" "18" "19" "20" "21" ``` &nbsp; `$$\underbrace{ \text{gsub}}_{\text{remplace}}( \underbrace{ \text{"\\\D"}}_{\substack{\text{tout ce qui n'est} \\ \text{pas numérique}}} , \underbrace{\text{""}}_{\substack{\text{par une chaîne} \\ \text{de caractères vide}}}, \underbrace{\text{Libellé.circonscription.législative}}_{\substack{\text{dans la variable} \\ \text{Libellé.circonscription.législative}}})$$` --- background-color: #f19bb5 # Application : Législatives 2024 🚨 **Encodage du libellé des circonscriptions** ``` r pop_2019 = pop_2019 %>% separate(Circonscriptions, into = c("Libellé.département", "Libellé.circonscription.législative"), sep = ", ") %>% mutate(Libellé.circonscription.législative = gsub("\\D", "", Libellé.circonscription.législative)) unique(pop_2019$Libellé.circonscription.législative) ``` ``` ## [1] "1" "2" "3" "4" "5" "6" "7" "8" "9" "10" "11" "12" "13" "14" "15" ## [16] "16" "17" "18" "19" "20" "21" ``` &nbsp; `$$\underbrace{ \text{separate}}_{\text{sépare}}( \underbrace{ \text{"Circonscriptions"}}_{\substack{\text{les caractères de la} \\ \text{variable Circonscriptions}}} , \underbrace{\text{into = c("A", "B")}}_{ \substack{ \text{en deux chaînes de caractères} \\ \text{qui définissent ces deux variables}}}, \underbrace{\text{ sep = ", "}}_{\substack{\text{la séparation étant} \\ \text{faite à l'endroit de} \\ \text{la virgule}}})$$` --- background-color: #f19bb5 # Application : Législatives 2024 <div class="countdown" id="timer_1c7cf1b2" data-update-every="1" tabindex="0" style="top:0;right:0;"> <div class="countdown-controls"><button class="countdown-bump-down">−</button><button class="countdown-bump-up">+</button></div> <code class="countdown-time"><span class="countdown-digits minutes">10</span><span class="countdown-digits colon">:</span><span class="countdown-digits seconds">00</span></code> </div> 1) Importer les données (nommer les dataframes `resultats_t1`, `resultats_t2` et `pop_2019`) 2) Effectuer sur chaque jeu de données les opérations nécessaires pour harmoniser l'encodage du libellé de circonscription - **pop-19**: `separate(Circonscriptions, into = c("Libellé.département", "Libellé.circonscription.législative"), sep = ", ")` - **resultats_t1** et **resultats_t2** et **pop_2019**: `gsub("\\D", "", Libellé.circonscription.législative)` 3) Reformatter `resultats_t1` et `resultats_t2` en format long (chaque observation = un candidat) 4) Ajouter une variable `tour` qui vaut 1 dans `resultats_t1` et 2 dans `resultats_t2` 5) Ajouter les observations de `resultats_t2` à `resultats_t1` et stocker le tout dans `resultats` 6) Ne conserver que les observations des candidats élus 7) Joindre `pop_2019` à `resultats` et renommer `Population.20191...hab..` en `pop` --- background-color: #fbe6ec # Solution 1) Importer les données ``` r resultats_t1 = read.csv("data/resultats-definitifs-par-circonscription-t1.csv", sep = ";", na.strings=c("","NA")) resultats_t2 = read.csv("data/resultats-definitifs-par-circonscription-t2.csv", sep = ";", na.strings=c("","NA")) pop_2019 = read.csv("data/population_2019.csv", sep = ";") ``` 2) Effectuer sur chaque jeu de données les opérations nécessaires pour harmoniser l'encodage du libellé de circonscription ``` r resultats_t1 = resultats_t1 %>% mutate(Libellé.circonscription.législative = gsub("\\D", "", Libellé.circonscription.législative)) resultats_t2 = resultats_t2 %>% mutate(Libellé.circonscription.législative = gsub("\\D", "", Libellé.circonscription.législative)) pop_2019 = pop_2019 %>% separate(Circonscriptions, into = c("Libellé.département", "Libellé.circonscription.législative"), sep = ", ") %>% mutate(Libellé.circonscription.législative = gsub("\\D", "", Libellé.circonscription.législative)) ``` --- background-color: #fbe6ec # Solution 3) Reformatter `resultats_t1` et `resultats_t2` en format long 4) Ajouter une variable `tour` qui vaut 1 dans `resultats_t1` et 2 dans `resultats_t2` ``` r resultats_t1_long = resultats_t1 %>% pivot_longer( * cols = matches(".*\\.[1-9]$|.*\\.[1][0-9]$"), names_to = c(".value", "candidate_number"), names_pattern = "(.*)\\.(\\d+)" ) %>% mutate(tour = 1) ``` **Explication**: - `cols = matches(".*\\.[1-9]$|.*\\.[1][0-9]$")`: Sélectionne les colonnes dont le nom termine par un point suivi d'un nombre de 1 à 19 --- count: false background-color: #fbe6ec # Solution 3) Reformatter `resultats_t1` et `resultats_t2` en format long 4) Ajouter une variable `tour` qui vaut 1 dans `resultats_t1` et 2 dans `resultats_t2` ``` r resultats_t1_long = resultats_t1 %>% pivot_longer( cols = matches(".*\\.[1-9]$|.*\\.[1][0-9]$"), * names_to = c(".value", "candidate_number"), names_pattern = "(.*)\\.(\\d+)" ) %>% mutate(tour = 1) ``` **Explications**: - `names_to = c(".value", "candidate_number")`: définie le **nom** des nouvelles variables - `.value` crée de nouvelles variables dont le nom correspond à ce qui précède le point pour chaque variable ayant un suffixe numérique - `candidate_number` crée une nouvelle colonne qui contient les suffixes numériques (1 à 19) indiquant le numéro du candidat --- count: false background-color: #fbe6ec # Solution 3) Reformatter `resultats_t1` et `resultats_t2` en format long 4) Ajouter une variable `tour` qui vaut 1 dans `resultats_t1` et 2 dans `resultats_t2` ``` r resultats_t1_long = resultats_t1 %>% pivot_longer( cols = matches(".*\\.[1-9]$|.*\\.[1][0-9]$"), names_to = c(".value", "candidate_number"), * names_pattern = "(.*)\\.(\\d+)" ) %>% mutate(tour = 1) ``` **Explications**: - `names_pattern = "(.*)\\.(\\d+)"`: utilise une expression régulière pour **séparer** les noms de colonnes en deux parties: - `(.*)` capture tout ce qui précède le point et l’assigne à `.value` - `(\\d+)` capture les nombres après le point et les assigne à `candidate_number` --- background-color: #fbe6ec # Solution 3) Reformatter `resultats_t1` et `resultats_t2` en format long 4) Ajouter une variable `tour` qui vaut 1 dans `resultats_t1` et 2 dans `resultats_t2` **On reproduit les mêmes opérations sur `resultats_t2` (sauf que cette fois-ci il y a au maximum 4 candidats par circonscription)** ``` r resultats_t2_long = resultats_t2 %>% pivot_longer( * cols = matches(".*\\.[1-4]$"), names_to = c(".value", "candidate_number"), names_pattern = "(.*)\\.(\\d+)" ) %>% mutate(tour = 2) ``` --- background-color: #fbe6ec # Solution 5) Ajouter les observations de `resultats_t2` à `resultats_t1` et stocker le tout dans `resultats` 6) Ne conserver que les observations des candidats élus 7) Joindre `pop_2019` à `resultats` et renommer `Population.20191...hab..` en `pop` ``` r resultats = bind_rows(resultats_t1_long, resultats_t2_long) %>% filter(Elu == "élu") %>% left_join(pop_2019 %>% rename(pop = Population.20191...hab..), by = c("Libellé.département", "Libellé.circonscription.législative")) ``` --- background-image: url(imgs/ggplot2_logo.png) background-position: 95% 5% background-size: 10% # 2. `R`: rappels ## 2.5. Visualisation des données avec `ggplot2` &nbsp; `ggplot2` est un package `R` qui permet de **visualiser des données** sous forme de graphiques. Afin de *chaîner* des opérations, c'est à dire d'**ajouter des couches au graphique, on utilise les `+`** (l'équivalent de ` %>% ` avec `dplyr`). Pour consturire n'importe quel graphique, il faut: - une base de données - lier les variables aux élements graphiques (axes, couleurs, tailles) via l'argument `aes()` - définir un type de graphique (ligne, point, histogramme, densité, etc) ### Structure de base ``` r ggplot(data, aes(x = x, y = y)) + geom_point() ``` --- # 2. `R`: rappels ## 2.5. Visualisation des données avec `ggplot2` ### Principales fonctions - `ggplot()` : Initialiser un graphique en spécifiant les données et les aesthetics - `geom_` : Représente les types de graphiques: - `geom_point()` pour un nuage de points - `geom_line()` pour des lignes - `geom_bar() `pour un histogramme/barplot - `geom_density()` pour une densité - `labs()` : Ajouter des titres et légendes - `theme()` : Personnaliser l'apparence du graphique &nbsp; --- # 2. `R`: rappels ## 2.5. Visualisation des données avec `ggplot2` ### Variable _discrète_ .pull-left[ ``` r ggplot(resultats, aes(x = Nuance.candidat)) + geom_bar() + labs( title = "Nombre de sièges par parti", x = "Parti", y = "Nombre de sièges") + theme_minimal() ``` ] .pull-right[ <img src="lecture_1_fr_files/figure-html/unnamed-chunk-26-1.svg" style="display: block; margin: auto;" /> ] --- count: false # 2. `R`: rappels ## 2.5. Visualisation des données avec `ggplot2` ### Variable _discrète_ .pull-left[ ``` r resultats %>% * count(Nuance.candidat) %>% * mutate(percentage = n/sum(n)*100) %>% ggplot(aes(x = Nuance.candidat, * y = percentage)) + * geom_bar(stat = "identity") + labs( title = "Proportion de sièges par parti", x = "Parti", y = "Proportion de sièges") + theme_minimal() ``` La fonction `count()` compte le nombre d'observation par groupe `Nuance.candidat` et stocke cette information dans une nouvelle variable, `n` (équivaut à `group_by(Nuance.candidat) %>% summarize(n = n())`) ] .pull-right[ <img src="lecture_1_fr_files/figure-html/unnamed-chunk-28-1.svg" style="display: block; margin: auto;" /> ] --- # 2. `R`: rappels ## 2.5. Visualisation des données avec `ggplot2` ### Variable _discrète_ .pull-left[ ``` r ggplot(resultats, * aes(x = Nuance.candidat, fill = Sexe.candidat)) + geom_bar() + labs( title = "Nombre de sièges par parti", x = "Parti", y = "Nombre de sièges") + theme_minimal() + theme(legend.position="bottom") ``` ] .pull-right[ <img src="lecture_1_fr_files/figure-html/unnamed-chunk-30-1.svg" style="display: block; margin: auto;" /> ] --- # 2. `R`: rappels ## 2.5. Visualisation des données avec `ggplot2` ### Variable _continue_ .pull-left[ ``` r resultats %>% mutate(Blancs = as.numeric(Blancs)/100) %>% ggplot(aes(x = Blancs)) + geom_density() + labs( title = "Distribution des votes blancs", x = "Votes blancs (en centaines)", y = "Fréquence") + theme_minimal() ``` ] .pull-right[ <img src="lecture_1_fr_files/figure-html/unnamed-chunk-32-1.svg" style="display: block; margin: auto;" /> ] --- # 2. `R`: rappels ## 2.5. Visualisation des données avec `ggplot2` ### `facet_wrap` .pull-left[ ``` r resultats %>% * group_by(Nuance.candidat) %>% count(Sexe.candidat) %>% mutate(percentage = n/sum(n)*100) %>% ggplot(aes(x = Sexe.candidat, y = percentage)) + geom_bar(stat = "identity") + labs( title = "Proportion de sièges par parti", x = "Parti", y = "Proportion de sièges") + * facet_wrap( ~ Nuance.candidat) + theme_minimal() ``` ] .pull-right[ <img src="lecture_1_fr_files/figure-html/unnamed-chunk-34-1.svg" style="display: block; margin: auto;" /> ] --- # 2. `R`: rappels ## 2.6. Visualisation des données spaciales ### Format de cartes et données <img src="imgs/spacialdata.png" width="75%" style="display: block; margin: auto;" /> Très bonne référence: [Géomatique sur R](https://rcarto.github.io/geomatique_avec_r/) --- count:false # 2. `R`: rappels ## 2.6. Visualisation des données spaciales ### Format de cartes et données <img src="imgs/sf.png" width="75%" style="display: block; margin: auto;" /> Très bonne référence: [Géomatique sur R](https://rcarto.github.io/geomatique_avec_r/) --- background-image: url(imgs/sflogo.png) background-position: 95% 10% background-size: 15% # 2. `R`: rappels ## 2.6. Visualisation des données spaciales **Package `sf`** **Shapefile**: format de fichier géospatial utilisé pour représenter des entités géographiques - contient des informations sur la forme (polygones, points, lignes) et des attributs. - composé de plusieurs fichiers `.shp`, `.shx`, `.dbf`, tous nécessaires pour la réalisation de cartes Une fois importés sur `R`, les objets `sf` sont des `data.frame` dont l’une des colonnes contient des géométries. ``` r head(map[ , -c(5,6)],3) ``` ``` ## Simple feature collection with 3 features and 4 fields ## Geometry type: MULTIPOLYGON ## Dimension: XY ## Bounding box: xmin: -0.595231 ymin: 44.80615 xmax: 5.889757 ymax: 50.7899 ## Geodetic CRS: WGS 84 ## ID Code.département code_reg nom_dpt geometry ## 1 33004 33 75 GIRONDE MULTIPOLYGON (((-0.454946 4... ## 2 38001 38 84 ISERE MULTIPOLYGON (((5.805288 45... ## 3 59010 59 32 NORD MULTIPOLYGON (((3.058745 50... ``` --- # 2. `R`: rappels ## 2.6. Visualisation des données spaciales **Réaliser une carte en 3 étapes** 1. Importer les données - Le jeu de données qui contient l'information à visualiser - Les fichiers `shapefiles` qui contiennent le fond de carte, etc, avec la fonction `st_read()` - 🚨: on importe sur `R` uniquement le fichier `.shp`, mais tous les autres fichiers (`.shx`, `.dbf`, etc) téléchargés avec le *shapefile* doivent être localisés au même endroit que le `.shp` 2. Lier le jeu de données qui contient l'information à visualiser avec les données géographiques - Pour ajouter de l'information à un fond de carte, il est nécessaire de disposer d'une **variable (*key*) géographique commune entre les deux fichiers** 3. Représenter la carte avec la fonction `geom_sf()` sur le même principe que `geom_line()` par exemple avec `ggplot2` - Ici, l'esthétique du graphique (`aes`) comprend un nouvel argument, `geometry`, qui doit être égal à la variable contenant les données géographiques --- background-color: #f19bb5 # Application: carte résultats législatives <div class="countdown" id="timer_5e4ab49b" data-update-every="1" tabindex="0" style="top:0;right:0;"> <div class="countdown-controls"><button class="countdown-bump-down">−</button><button class="countdown-bump-up">+</button></div> <code class="countdown-time"><span class="countdown-digits minutes">10</span><span class="countdown-digits colon">:</span><span class="countdown-digits seconds">00</span></code> </div> **Importer les données** 1) Importer `france-circonscriptions-legislatives-2012.shp`, que vous stockerez dans `maps` **Cleaning** 2) Renommer `code_dpt` en `Code.département` et `num_circ` en `Libellé.circonscription` 3) Modifier la variable `Code.département`: *si* le premier caractère est un `0`, `Code.département` prend la valeur du deuxième caracère. *Sinon* pas de modification **Joindre les bases de données** 4) Ajouter les informations de `map` à `resultats` et stocker le tout dans `resultats_map` **Réaliser une carte** 5) Réaliser la carte des résultats des éléctions législatives de 2024 *NB: ne pas sélectionner les départements 971, 972, 973, 974, 975, 976, 986, 987, 988, ZX, ZZ qui correspondent aux DROM et qui ne sont pas sur ce fond de carte* --- background-color: #fbe6ec # Solution **Importer les données** 1) Importer `france-circonscriptions-legislatives-2012.shp`, que vous stockerez dans `maps` **Cleaning** 2) Renommer `code_dpt` en `Code.département` et `num_circ` en `Libellé.circonscription` 3) Modifier la variable `Code.département`: *si* le premier caractère est un `0`, `Code.département` prend la valeur du deuxième caracère. *Sinon* pas de modification ``` r # Import data map = st_read("data/france-circonscriptions-legislatives-2012.shp", quiet = TRUE) %>% rename(Code.département = code_dpt, Libellé.circonscription.législative = num_circ) %>% mutate(Code.département = ifelse(substr(Code.département, 1, 1) == "0", substr(Code.département, 2, 2), Code.département)) ``` --- count: false background-color: #fbe6ec # Solution **Importer les données** **1) Importer `france-circonscriptions-legislatives-2012.shp`, que vous stockerez dans `maps`** **Cleaning** 2) Renommer `code_dpt` en `Code.département` et `num_circ` en `Libellé.circonscription` 3) Modifier la variable `Code.département`: *si* le premier caractère est un `0`, `Code.département` prend la valeur du deuxième caracère. *Sinon* pas de modification ``` r # Import data *map = st_read("data/france-circonscriptions-legislatives-2012.shp", quiet = TRUE) %>% rename(Code.département = code_dpt, Libellé.circonscription.législative = num_circ) %>% mutate(Code.département = ifelse(substr(Code.département, 1, 1) == "0", substr(Code.département, 2, 2), Code.département)) ``` --- count: false background-color: #fbe6ec # Solution **Importer les données** 1) Importer `france-circonscriptions-legislatives-2012.shp`, que vous stockerez dans `maps` **Cleaning** **2) Renommer `code_dpt` en `Code.département` et `num_circ` en `Libellé.circonscription`** 3) Modifier la variable `Code.département`: *si* le premier caractère est un `0`, `Code.département` prend la valeur du deuxième caracère. *Sinon* pas de modification ``` r # Import data map = st_read("data/france-circonscriptions-legislatives-2012.shp", quiet = TRUE) %>% * rename(Code.département = code_dpt, * Libellé.circonscription.législative = num_circ) %>% mutate(Code.département = ifelse(substr(Code.département, 1, 1) == "0", substr(Code.département, 2, 2), Code.département)) ``` --- count: false background-color: #fbe6ec # Solution **Importer les données** 1) Importer `france-circonscriptions-legislatives-2012.shp`, que vous stockerez dans `maps` **Cleaning** 2) Renommer `code_dpt` en `Code.département` et `num_circ` en `Libellé.circonscription` **3) Modifier la variable `Code.département`: *si* le premier caractère est un `0`, `Code.département` prend la valeur du deuxième caracère. *Sinon* pas de modification** ``` r # Import data map = st_read("data/france-circonscriptions-legislatives-2012.shp", quiet = TRUE) %>% rename(Code.département = code_dpt, Libellé.circonscription.législative = num_circ) %>% * mutate(Code.département = ifelse(substr(Code.département, 1, 1) == "0", substr(Code.département, 2, 2), Code.département)) ``` --- background-color: #fbe6ec # Solution **Joindre les bases de données** 4) Ajouter les informations de `map` à `resultats` et stocker le tout dans `resultats_map` ``` r # Merge geographic data and results data resultats_map = resultats %>% * left_join(map , by = c("Code.département", "Libellé.circonscription.législative")) ``` --- background-color: #fbe6ec # Solution **Réaliser une carte** 5) Réaliser la carte des résultats des éléctions législatives de 2024 *NB: ne pas sélectionner les départements 971, 972, 973, 974, 975, 976, 986, 987, 988, ZX, ZZ qui correspondent aux DROM et qui ne sont pas sur ce fond de carte* ``` r # Draw map ggplot(resultats_map %>% filter(! (Code.département %in% c("971", "972", "973", "974", "975", "976", "986", "987", "988", "ZX", "ZZ")))) + geom_sf(aes(fill = Nuance.candidat, geometry = geometry)) + theme_minimal() + scale_fill_manual(values = hcl.colors(14, "Purple-Yellow")) + labs(title = "Résultats des élections législatives par circonscription", fill = "Parti") + theme(legend.position = "bottom", axis.text = element_blank(), axis.ticks = element_blank(), panel.grid = element_blank()) + guides(fill = guide_legend(nrow = 1)) ``` --- background-color: #fbe6ec # Solution <img src="lecture_1_fr_files/figure-html/carte résultats-1.svg" style="display: block; margin: auto;" /> --- layout: false class: center, middle, inverse # Miscellaneous --- name: bestfriend # Vos 4 meilleurs amis 1. La **commande** `help(.)` ou `?.` -- 2. Les ***cheatsheets*** - [Exemple](#cheatR) -- 3. **Internet** (stackoverflow): - vous ne serez jamais la première personne à rencontrer les problèmes auxquels vous faites face - copier/coller le message d'erreur peut suffire, mais essayez de comprendre par vous même d'abord -- 4. **ChatGPT**: devient de plus en plus performant pour résoudre les problèmes de codes. - ⚠️ souvent les packages ne sont pas à jour, les fonctions proposées inventées -- 🤝️ Soyez autonomes: ne demander de l'aide à vos camarades (ou à moi) uniquement après avoir demandé à vos 4 meilleurs amis! --- # Bonnes pratiques ### Organisation du travail Un dossier pour chaque projet de recherche et différents sous-dossiers pour: - Scripts - un scripts par tâche: cleaning, statistiques descriptives, anlayse empirique - Data - `.rds` - Figures - (Admin) - par exemple les documents relatifs à l'accès à une base de données --- # Commenter son code pour soi...¹ <img src="imgs/meme_comment_code.jpeg" width="50%" style="display: block; margin: auto;" /> --- # ... et ses collègues¹ <img src="imgs/headache.png" width="50%" style="display: block; margin: auto;" /> --- # **Essayer** de ne pas s'énerver¹ .pull-left[ <img src="imgs/parenthesis.jpeg" width="70%" style="display: block; margin: auto;" /> ] .pull-right[ L'apprentissage de `R` est long et fastidieux, mais les rendements sont croissants! .footnote[ [1]: R Memes For Statistical Fiends ] ] --- # References [Introduction à l’analyse d’enquêtes avec R et RStudio](https://larmarange.github.io/analyse-R/) [Introduction to Econometrics & R Programming, Louis Sirugue](https://louissirugue.github.io/metrics_on_R/home.html) [Econometrics, Florian Oswald](https://github.com/ScPoEcon/ScPoEconometrics-Slides) [Causal inference: The Mixtape, Scott Cunningham](https://mixtape.scunning.com/01-introduction) [Géomatique sur R](https://rcarto.github.io/geomatique_avec_r/) --- layout: false class: center, middle, inverse # Appendix --- # Cheatsheets - [R Studio Environment](https://rstudio.github.io/cheatsheets/rstudio-ide.pdf) - [All cheatsheets](https://posit.co/resources/cheatsheets/) --- name: cheatR .center[ <img src="imgs/cheatsheetR.png" width="70%" style="display: block; margin: auto;" /> ] [Back](#bestfriend)