Este paquete de R
contiene herramientas complementarias para la
exploración y la reproducibilidad de los análisis llevados a cabo para
el estudio de sensibilidad estacional. Este estudio es llevado a cabo
por Cristian Núñez Espinosa, Matías Castillo Aguilar y Claudia Estrada
Goic.
R
es un lenguaje de programación estadística de alto nivel usado para
el análisis de datos, así como para el desarrollo de herramientas
informáticas como sitios web, reportes, aplicaciones, libros digitales,
etc. Para más información puedes visitar el sitio de
R-project.
Puedes instalar la versión de desarrollo de seasonalSensitivity desde
GitHub escribiendo lo siguiente en tu consola de
R
:
# install.packages("devtools")
devtools::install_github("nim-ach/seasonalSensitivity")
Para usar los datos basta con cargar la librería una vez instalada. Puedes hacerlo de la siguiente forma
library(seasonalSensitivity) # Cargamos el paquete
exists("dataset") # Tenemos listos nuestros datos para ser usados
#> [1] TRUE
Como demostración grafiquemos la autonomía como dominio de bienestar de Ryff según la clasificación basado en el puntaje de sensibilidad estacional (i.e., Seasonal Score Index):
with(dataset, plot(riff_autonomia ~ ss_index))
Y como dato adicional podriamos calcular la mediana y el rango
intercuartil de riff_autonomia
para para categoría de ss_index
de la
siguiente forma:
# Creamos una función para estimar los estadísticos
median_iqr <- function(x) {
x <- x[!is.na(x)] # Paso 1: eliminamos los valores perdidos
mu <- median(x) # Paso 2: calculamos la mediana
sigma <- IQR(x) # Paso 3: calculamos el rango intercuartílico
paste0(round(mu, 1), " (", round(sigma, 1), ")")
}
# La implementamos usando syntaxis data.table: DT[i, j, by]
dataset[, .("median (IQR)" = median_iqr(riff_autonomia)), ss_index]
#> ss_index median (IQR)
#> <fctr> <char>
#> 1: Normal 41 (9)
#> 2: SAD 37 (8.2)
#> 3: Winter blues 38 (9)
#> 4: <NA> 41 (0)