Repost: Expectativa de vida e Crescimento Econômico

Neste tutorial mostro como criar visualizações ricas mostrando correlações, usando os dados de crescimento econômico e expectativa de vida do Gapminder.
data-visualization
economia
repost
tutorial-R
Author

Vinicius Oike

Published

May 6, 2019

Disclaimer

Este é um post antigo que estou repostando porque ainda pode ser útil como um tutorial básico para R. Fiz apenas algumas modificações no código para deixar ele

Análise Exploratória

Preparativos

Carregando os pacotes

Muitos já devem estar familiarizados com a apresentação do historiador Hans Rosling sobre a evolução da expectativa de vida e do PIB per capita dos países em torno do mundo. Este post vai mostrar como usar o ggplot2 e o tidyverse para explorar estes dados. Pode-se acessar uma versão simplificada da base de dados pelo pacote gapminder.

# Tutorial Gapminder

# Pacotes
library(dplyr)
library(ggplot2)
library(gapminder)
library(kableExtra)
library(ggrepel)
library(showtext)

# Carregar fontes
sysfonts::font_add_google("Jost", "Jost")
showtext::showtext_auto()
# Carregar os dados
data("gapminder")
data("continent_colors")

Checagem dos dados

De início é sempre importante verificar se há problemas com os dados. Como estamos usando uma base que já foi tratada é de se esperar que tudo esteja em ordem. Tipicamente, queremos verificar quantas observações ausentes (NAs) existem; se as variáveis estão no formato correto (ex: variáveis de texto como factor, números como numeric, etc.). Neste caso, além destas checagens também vamos criar uma nova variável que é o log do PIB per capita.

# Checagens iniciais #
# Verifica se há valores ausentes
gapminder %>%
  summarise(across(everything(), ~sum(is.na(.x))))
# A tibble: 1 × 6
  country continent  year lifeExp   pop gdpPercap
    <int>     <int> <int>   <int> <int>     <int>
1       0         0     0       0     0         0
# Informações gerais sobre os dados
str(gapminder)
tibble [1,704 × 6] (S3: tbl_df/tbl/data.frame)
 $ country  : Factor w/ 142 levels "Afghanistan",..: 1 1 1 1 1 1 1 1 1 1 ...
 $ continent: Factor w/ 5 levels "Africa","Americas",..: 3 3 3 3 3 3 3 3 3 3 ...
 $ year     : int [1:1704] 1952 1957 1962 1967 1972 1977 1982 1987 1992 1997 ...
 $ lifeExp  : num [1:1704] 28.8 30.3 32 34 36.1 ...
 $ pop      : int [1:1704] 8425333 9240934 10267083 11537966 13079460 14880372 12881816 13867957 16317921 22227415 ...
 $ gdpPercap: num [1:1704] 779 821 853 836 740 ...
# Nome das variáveis minúsculas
names(gapminder) <- tolower(names(gapminder))
# Tranformações #
# Computa o log do pib per capita
gapminder <- mutate(gapminder, lgdppc = log10(gdppercap))

Tema dos gráficos

Para manter o padrão das visualizações pode-se criar um tema personalizado. A maneira mais simples de fazer isto é a partir de um tema padrão do ggplot2 mas é possível começar do zero. Aqui, por simplicidade, começo com o tema bw e apenas mudo a posição da legenda e o tamanho e a fonte do texto que será plotado nos eixos e no título do gráfico. Além disso, como o nome dos eixos vai ser repetido muitas vezes defino uma lista com o nome mais comum deles.

# Tema customizado #
theme_vini <- theme_bw() +
  theme(
    text = element_text(family = "Jost", size = 12, colour = "gray20"),
    plot.title = element_text(size = 16),
    legend.text = element_text(size = 12),
    legend.position = "bottom"
    )

# Nomes que serão usados várias vezes para os eixos
nomes <- list(
  title = "Expectativa de vida e PIB per capita",
    x = "Log do PIB per capita (US$ 2010)",
    y = "Expectativa de vida ao nascer",
    fonte = "Fonte: Gapmineder (www.gapminder.org) e World Bank Open Data."
  )

Visualizando

Correlações

Note que não temos dados para todos os anos do período. Os dados estão disponíveis de cinco em cinco anos começando em 1952 e terminando em 2007. Podemos começar com um gráfico de dispersão para ver a relação entre a “economia” (PIB per capita) e a “qualidade da saúde/vida” (expectativa de vida ao nascer) de um país. Apenas como exemplo incluo também uma linha de regressão quadrática no gráfico.

unique(gapminder$year)
 [1] 1952 1957 1962 1967 1972 1977 1982 1987 1992 1997 2002 2007
gap2007 <- filter(gapminder, year == 2007)

ggplot(gap2007, aes(lgdppc, lifeexp)) +
  geom_point() +
  geom_smooth(method = "lm", se = FALSE) +
  labs(
    title = paste(nomes$title, "(2007)"),
    caption = nomes$fonte,
    subtitle = "Relação entre expectativa de vida ao nascer e o logaritmo do PIB per capita (fit linear)",
    x = nomes$x,
    y = nomes$y
    ) +
  theme_vini

Podemos nos valer de outras informações disponíveis na base para alterar atributos estéticos do gráfico. O tamanho de cada círculo pode refletir o tamanho da população daquele país; a cor do círculo, por sua vez, pode representar o continente daquele país. Por conveniência uso as cores pré-definidas do pacote gapminder. Além disso também podemos destacar o nome de alguns países usando o pacote ggrepel.

destaque <- c(
  "Australia", "Argentina", "Brazil", "Chile", "India", "Nigeria", 
  "Sudan", "Taiwan", "Mozambique", "Angola", "Vietnam"
  )

gap_highlight <- gap2007 %>%
  mutate(country = as.character(country)) %>%
  mutate(sel = ifelse(country %in% destaque, country, ""))

ggplot(gap_highlight, aes(lgdppc, lifeexp)) +
  geom_point(aes(size = pop, colour = continent), alpha = .75) +
  geom_smooth(method = "lm", se = FALSE, color = "black") +
  geom_text_repel(
    aes(label = sel),
    family = "Jost",
    force = 20,
    max.overlaps = 30,
    size = 5
    ) + 
  labs(
    title = paste(nomes$title, "(2007)"),
    caption = nomes$fonte,
    x = nomes$x,
    y = nomes$y
    ) +
  scale_color_manual(values = continent_colors, name = "") +
  scale_size_continuous(range = c(1, 20)) +
  guides(size = FALSE) + 
  theme_vini

O gráfico acima é um retrato do momento, mas pode ser interessante entender como estas variáveis se comportaram ao longo do tempo.

Expectativa de vida (média mundial)

# Calcula a expectativa de vida média
gap_life <- gapminder %>%
  group_by(year) %>%
  summarise(media = mean(lifeexp))

ggplot(gap_life, aes(year, media)) +
  geom_line() +
  geom_point() +
  labs(
    title = paste(nomes$title, "(média mundial)"),
    caption = nomes$fonte,
    x = nomes$x,
    y = nomes$y
    ) +
  theme_vini

Expectativa de vida (todos os países)

Podemos desagregar a análise acima por país. É claro que fica difícil discernir um país específico, mas pode-se ver uma tendência geral de crescimento, ainda que haja alguns outliers. A maior parte das quedas significativas pode ser relacionada com alguma guerra. O país cuja expectativa de vida cai bruscamente no começo dos anos 90, por exemplo, é a Ruanda, que vivia uma guerra civil nesta época.

ggplot(gapminder, aes(year, lifeexp, group = country, colour = continent)) +
  geom_line() +
  scale_y_continuous(breaks = seq(from = 30, to = 80, by = 10)) +
  scale_color_brewer(palette = 6, type = "qual", name = "") +
  labs(
    title = "Expectativa de vida (1952/2007)",
    caption = nomes$fonte,
    x = "",
    y = nomes$y
    ) +
  theme_vini

Se nos atermos somente ao nível de continente a visualização fica mais simples.

gap_life_continent <- gapminder %>%
  group_by(year, continent) %>%
  summarise(expec_media = mean(lifeexp))

ggplot(gap_life_continent, aes(year, expec_media, colour = continent)) +
  geom_line() +
  geom_point() +
  scale_color_brewer(palette = 6, type = "qual", name = "") +
  labs(
    title = "Expectativa de vida média (1952/2007)",
    caption = nomes$fonte,
    x = "",
    y = nomes$y
    ) +
  theme_vini

PIB per capita (continentes)

Podemos fazer o mesmo para o log do PIB per capita. Aqui o gráfico é feito usando o log do PIB per capita, mas no eixo indico o valor equivalente em dólares para facilitar a interpretação.

# Calcula o PIB per capita médio por continente a cada ano
gap_gdp <- gapminder %>%
  group_by(year, continent) %>%
  summarise(avg_gdp = mean(gdppercap))

ggplot(gap_gdp, aes(year, avg_gdp, colour = continent)) +
  geom_line() +
  geom_point() +
  # Escala log
  scale_y_log10() +
  scale_color_brewer(palette = 6, type = "qual", name = "") +
  labs(
    title = "PIB per capita médio (1952/2007)",
    caption = nomes$fonte,
    x = "",
    y = nomes$x
    ) +
  theme_vini

Analisando os dados

Antes de começar a análise tabular dos dados vale definir uma função simples para apresentar as tabelas.

print_table <- function(df, ...) {
  
  str_title <- function(string) {
    
    x <- stringr::str_replace_all(string, "_", " ")
    x <- stringr::str_to_title(x)
    return(x)
    
  }
  
  knitr::kable(df, col.names = str_title(colnames(df)), ...) %>%
    kableExtra::kable_styling(
      full_width = FALSE,
      bootstrap_options = c("hover", "condensed")
    )
  
}

Podemos encontrar fatos interessantes simplesmente agregando e reorganizando os dados. No gráfico anterior vimos que o continente com maior PIB per capita médio é a Oceania. Curiosamente, a base inclui somente dois países na Oceania: Austrália e Nove Zelândia.

# Note que na Oceania os dados só incluem Autrália e Nova Zelândia
gapminder %>%
  filter(continent == "Oceania") %>%
  count(country) %>%
  print_table()
Country N
Australia 12
New Zealand 12

Podemos encontrar os países que mais cresceram (em termos absolutos e relativos) durante o período observado. Note como há vários países asiáticos listados qual seja a métrica escolhida.

# Países que mais cresceram no período da amostra em termos absolutos
gapminder %>%
  group_by(country) %>%
  summarise(growth = last(gdppercap) - first(gdppercap)) %>%
  slice_max(growth, n = 10) %>%
  print_table(caption = "Países que mais cresceram de 1952 a 2007")
Países que mais cresceram de 1952 a 2007
Country Growth
Singapore 44828.04
Norway 39261.77
Hong Kong, China 36670.56
Ireland 35465.72
Austria 29989.42
United States 28961.17
Iceland 28913.10
Japan 28439.11
Netherlands 27856.36
Taiwan 27511.33 
# Países que mais cresceram no período da amostra em termos relativos
gapminder %>%
  group_by(country) %>%
  summarise(growth = (last(gdppercap) / first(gdppercap) - 1) * 100) %>%
  slice_max(growth, n = 10) %>%
  print_table(
    caption = "Países que mais cresceram de 1952 a 2007 (%)",
    digits = 2
    )
Países que mais cresceram de 1952 a 2007 (%)
Country Growth
Equatorial Guinea 3135.54
Taiwan 2279.41
Korea, Rep. 2165.51
Singapore 1936.30
Botswana 1376.65
Hong Kong, China 1200.57
China 1138.39
Oman 1120.64
Thailand 884.22
Japan 884.04

A mesma análise também pode ser feita para a expectativa de vida. Adicionalmente também podemos encontrar qual foi a maior variação (negativa) entre um ponto observado e outro dentro da amostra.

gapminder %>%
  group_by(country) %>%
  summarise(life_growth = last(lifeexp) - first(lifeexp)) %>%
  slice_max(life_growth, n = 10) %>%
  print_table(digits = 0)
Country Life Growth
Oman 38
Vietnam 34
Indonesia 33
Saudi Arabia 33
Libya 31
Korea, Rep. 31
Nicaragua 31
West Bank and Gaza 30
Yemen, Rep. 30
Gambia 29 
gapminder %>%
  group_by(country) %>%
  summarise(life_growth = (last(lifeexp) / first(lifeexp) - 1) * 100) %>%
  slice_max(life_growth, n = 10) %>%
  print_table(digits = 2)
Country Life Growth
Oman 101.29
Gambia 98.16
Yemen, Rep. 92.63
Indonesia 88.56
Vietnam 83.73
Saudi Arabia 82.51
Nepal 76.41
India 73.11
Libya 73.10
Nicaragua 72.28 
gapminder %>%
  group_by(country) %>%
  mutate(
    life_diff = lifeexp - lag(lifeexp),
    life_abs  = abs(lifeexp - lag(lifeexp))) %>%
  ungroup() %>%
  arrange(desc(life_abs)) %>%
  select(country, year, life_diff) %>%
  slice(1:10) %>%
  print_table(digits = 1)
Country Year Life Diff
Rwanda 1992 -20.4
Cambodia 1982 19.7
China 1967 13.9
Zimbabwe 1997 -13.6
Rwanda 1997 12.5
Lesotho 2002 -11.0
Swaziland 2002 -10.4
Botswana 1997 -10.2
Cambodia 1977 -9.1
Namibia 2002 -7.4

Visualizando o Brasil

Agora vamos analisar o Brasil mais de perto. Para tornar a análise mais concreta escolho um pequeno grupo de países para acompanhar.

# Visualizando a trajetória do Brasil
countries <- c("Argentina", "Brazil", "Chile", "Korea, Rep.", "Venezuela")
sub_gapminder <- filter(gapminder, country %in% countries)

ggplot() +
  geom_line(
    data = gapminder,
    aes(x = year, y = gdppercap, group = country),
    colour = "gray60",
    alpha = 0.5) +
  geom_point(
    data = sub_gapminder,
    aes(x = year, y = gdppercap, colour = country)) +
  geom_line(
    data = sub_gapminder,
    aes(x = year, y = gdppercap, color = country),
    linewidth = 1
  ) +
  scale_y_log10() +
  scale_color_brewer(palette = 6, type = "qual", name = "") +
  labs(
    title = "PIB per capita (1952/2007)",
    caption = nomes$fonte,
    x = "",
    y = nomes$x
    ) +
  theme_vini

O Brasil em 2007 tinha a 68ª maior expectativa de vida ao nascer a 60º PIB per capita (numa amostra de 142 países). Olhando para a distribuição dos dados, o Brasil não está tão mal em termos de expectativa de vida, mas ainda está bastante atrás dos demais países em termos de PIB. Note que neste último gráfico uso os valores absolutos para facilitar a interpretação. A posição do Brasil é indicada por uma linha vertical em vermelho.

bra_life <- gap2007 %>%
  filter(country == "Brazil") %>%
  pull(lifeexp)

ggplot(gap2007, aes(lifeexp)) +
  geom_histogram(bins = 10, color = "#ffffff") + 
  geom_vline(xintercept = bra_life, color = "tomato", linewidth = 1) +
  labs(
    title = "Distribuição da expectativa de vida",
    subtitle = "A linha vermelha indica a posição do Brasil.",
    y = "",
    x = nomes$y,
    caption = nomes$fonte
    ) +
  theme_vini

bra_gdp <- gap2007 %>%
  filter(country == "Brazil") %>%
  pull(lgdppc)

ggplot(gap2007, aes(lgdppc)) +
  geom_histogram(bins = 15, color = "#ffffff") +
  geom_vline(xintercept = bra_gdp, colour = "tomato", linewidth = 1) +
  scale_x_continuous(
    breaks = seq(2.5, 4.5, 0.5),
    labels = round(10^seq(2.5, 4.5, 0.5))
    ) +
  labs(
    title = "Distribuição do PIB per capita (2007)",
    subtitle = "A linha vermelha indica a posição do Brasil.",
    caption = nomes$fonte,
    x = "PIB per capita (US$ 2010)",
    y = ""
    ) +
  theme_vini

Gráfico interativo

Também é possível produzir gráficos interativos com o R. Estes dados são particularmente bem adaptados a este de visualização pois eles mudam no tempo.

library(plotly)
info <- list(
  symbol = "circle",
  sizemode = "diameter",
    line = list(width = 2, color = '#FFFFFF')
  )

plot_ly(
  data = gapminder,
    x = ~lgdppc,
    y = ~lifeexp,
    color = ~continent,
    colors = continent_colors,
    size = ~pop,
    frame = ~year,
    type = "scatter",
    mode = "markers",
    marker = info,
    text = ~paste(
      "Country:", country,
        "<br>Life Expectancy:", round(lifeexp, 2),
        "<br>GDP per capita:", round(gdppercap, 2),
        "<br>Pop.:", format(pop, big.mark = ","))
  ) %>%
  plotly::layout( 
    title = "Expectativa de vida e PIB per capita",
    xaxis = list(title = "GDP per capita (US$, log)"),
    yaxis = list(title = "Life Expectancy (years)")
    )