Consejos para dejar spss

Intro

Estuve del 23 al 25 de Noviembre en las Jornadas de R en Córdoba, y como siempre, me lo pasé estupendamente. Resulta que a la misma vez se celebraba el congreso andaluz de sociología, y dado mi pasado trabajando con sociólogos pues me pasé el viernes a última hora a ver a los colegas.

Me sigue sorprendiendo el uso que se sigue haciendo de spss en este ámbito, un software privativo y no barato precisamente. Tengo que decir que para aquellos que son amigos de los GUIs, en R tenemos radiant, BlueSky, jamovi, etc, aquí os dejo una comparación con algunos de ellos.

Por otro lado, siempre me comentan que spss se usa mucho para hacer tabulaciones básicas, cosas como tablas de frecuencias de variables , tanto univariantes como bivariantes. En R tenemos muchas formas de poner tablas bonitas usando librerías como DT, reactable, formattable, gt,flextable o otras más, veáse esto por ejemplo.

Yo voy a poner un ejemplo del uso de librerías de Daniel strengejacke que son unas de mis favoritas a la hora de extraer por ejemplo los efectos marginales de modelos lineales (incluyendo los mixtos) y que tiene algunas utilidades para hacer tablas de frecuencias y que queden bastante bien.

Datos.

Para ejemplificar, voy a bajarme el fichero del barómetro delCIS de mayo de 2022 en formato sav de spss y de paso vemos como se lee con R

Librerías y lectura de datos

# tidyverse por si acaso y haven para leer ficheros spss
library(tidyverse)
library(haven) 

# librerias de Daniel
# library(sjlabelled)
library(sjPlot)
library(sjmisc)

bar_mayo_2022 <-  read_sav(here::here("data/3363.sav"))

bar_mayo_2022
#> # A tibble: 3,865 × 172
#>     ESTU REGISTRO  CUES CCAA    PROV    MUN      CAPITAL TAMUNI  ENTREV  TIPO_…¹
#>    <dbl>    <dbl> <dbl> <dbl+l> <dbl+l> <dbl+lb> <dbl+l> <dbl+l> <dbl+l> <dbl+l>
#>  1  3363      552     1 1 [And… 4 [Alm…  0 [Mun… 3 [Otr… 3 [10.… 0 [Ano… 1 [Fij…
#>  2  3363      585     2 1 [And… 4 [Alm…  0 [Mun… 3 [Otr… 3 [10.… 0 [Ano… 1 [Fij…
#>  3  3363      670     3 1 [And… 4 [Alm…  0 [Mun… 3 [Otr… 3 [10.… 0 [Ano… 2 [Móv…
#>  4  3363      882     4 1 [And… 4 [Alm…  0 [Mun… 3 [Otr… 3 [10.… 0 [Ano… 1 [Fij…
#>  5  3363    14056     5 1 [And… 4 [Alm…  0 [Mun… 3 [Otr… 3 [10.… 0 [Ano… 1 [Fij…
#>  6  3363    14787     6 1 [And… 4 [Alm…  0 [Mun… 3 [Otr… 1 [Men… 0 [Ano… 1 [Fij…
#>  7  3363     1447     7 1 [And… 4 [Alm…  0 [Mun… 3 [Otr… 1 [Men… 0 [Ano… 1 [Fij…
#>  8  3363     4590     8 1 [And… 4 [Alm…  0 [Mun… 3 [Otr… 3 [10.… 0 [Ano… 2 [Móv…
#>  9  3363      223     9 1 [And… 4 [Alm… 13 [Alm… 2 [Cap… 5 [100… 0 [Ano… 2 [Móv…
#> 10  3363      399    10 1 [And… 4 [Alm… 13 [Alm… 2 [Cap… 5 [100… 0 [Ano… 1 [Fij…
#> # … with 3,855 more rows, 162 more variables: SEXO <dbl+lbl>, EDAD <dbl+lbl>,
#> #   P0 <dbl+lbl>, P1 <dbl+lbl>, P2 <dbl+lbl>, P3 <dbl+lbl>, P4 <dbl+lbl>,
#> #   P5 <dbl+lbl>, P6 <dbl+lbl>, P7_1 <dbl+lbl>, P7_2 <dbl+lbl>, P7_3 <dbl+lbl>,
#> #   P7_4 <dbl+lbl>, P7_5 <dbl+lbl>, P7_6 <dbl+lbl>, P7_7 <dbl+lbl>,
#> #   ECOESP <dbl+lbl>, ECOPER <dbl+lbl>, PESPANNA1 <dbl+lbl>,
#> #   PESPANNA2 <dbl+lbl>, PESPANNA3 <dbl+lbl>, PPERSONAL1 <dbl+lbl>,
#> #   PPERSONAL2 <dbl+lbl>, PPERSONAL3 <dbl+lbl>, PREFPTE <dbl+lbl>, …

Interesante que al leer con haven tengo los datos con el valor y con la etiqueta.

head(bar_mayo_2022$CCAA)
#> <labelled<double>[6]>: Comunidad autónoma
#> [1] 1 1 1 1 1 1
#> 
#> Labels:
#>  value                        label
#>      1                    Andalucía
#>      2                       Aragón
#>      3     Asturias (Principado de)
#>      4              Balears (Illes)
#>      5                     Canarias
#>      6                    Cantabria
#>      7           Castilla-La Mancha
#>      8              Castilla y León
#>      9                     Cataluña
#>     10         Comunitat Valenciana
#>     11                  Extremadura
#>     12                      Galicia
#>     13        Madrid (Comunidad de)
#>     14           Murcia (Región de)
#>     15 Navarra (Comunidad Foral de)
#>     16                   País Vasco
#>     17                   Rioja (La)
#>     18   Ceuta (Ciudad Autónoma de)
#>     19 Melilla (Ciudad Autónoma de)

Usando las librerías de Daniel

Podemos ver las frecuencias de gente que ha contestado por Comunidad autónoma y teniendo en cuenta la ponderación

plot_frq(bar_mayo_2022$CCAA, weight.by = bar_mayo_2022$PESO)

Tablas de frecuencias

Podemos ver las tablas de frecuencias en formato texto y sin ponderación

frq(bar_mayo_2022$CCAA, out = "txt")
#> Comunidad autónoma (x) <numeric> 
#> # total N=3865 valid N=3865 mean=6.94 sd=5.27
#> 
#> Value |                        Label |    N | Raw % | Valid % | Cum. %
#> ----------------------------------------------------------------------
#>     1 |                    Andalucía | 1293 | 33.45 |   33.45 |  33.45
#>     2 |                       Aragón |   96 |  2.48 |    2.48 |  35.94
#>     3 |     Asturias (Principado de) |  101 |  2.61 |    2.61 |  38.55
#>     4 |              Balears (Illes) |   94 |  2.43 |    2.43 |  40.98
#>     5 |                     Canarias |  116 |  3.00 |    3.00 |  43.98
#>     6 |                    Cantabria |   93 |  2.41 |    2.41 |  46.39
#>     7 |           Castilla-La Mancha |  123 |  3.18 |    3.18 |  49.57
#>     8 |              Castilla y León |  163 |  4.22 |    4.22 |  53.79
#>     9 |                     Cataluña |  423 | 10.94 |   10.94 |  64.73
#>    10 |         Comunitat Valenciana |  284 |  7.35 |    7.35 |  72.08
#>    11 |                  Extremadura |   93 |  2.41 |    2.41 |  74.49
#>    12 |                      Galicia |  186 |  4.81 |    4.81 |  79.30
#>    13 |        Madrid (Comunidad de) |  392 | 10.14 |   10.14 |  89.44
#>    14 |           Murcia (Región de) |   98 |  2.54 |    2.54 |  91.98
#>    15 | Navarra (Comunidad Foral de) |   87 |  2.25 |    2.25 |  94.23
#>    16 |                   País Vasco |  125 |  3.23 |    3.23 |  97.46
#>    17 |                   Rioja (La) |   79 |  2.04 |    2.04 |  99.51
#>    18 |   Ceuta (Ciudad Autónoma de) |   10 |  0.26 |    0.26 |  99.77
#>    19 | Melilla (Ciudad Autónoma de) |    9 |  0.23 |    0.23 | 100.00
#>  <NA> |                         <NA> |    0 |  0.00 |    <NA> |   <NA>

O usar la ponderación y verlas en formato de html

frq(bar_mayo_2022$CCAA, weights = bar_mayo_2022$PESO, out = "viewer")

Comunidad autónoma (xw) <numeric>

val	label	frq	raw.prc	valid.prc	cum.prc
1	Andalucía	700	18.11	18.11	18.11
2	Aragón	109	2.82	2.82	20.93
3	Asturias (Principado de)	94	2.43	2.43	23.36
4	Balears (Illes)	86	2.23	2.23	25.59
5	Canarias	174	4.50	4.50	30.09
6	Cantabria	52	1.35	1.35	31.44
7	Castilla-La Mancha	171	4.42	4.42	35.86
8	Castilla y León	216	5.59	5.59	41.45
9	Cataluña	595	15.39	15.39	56.84
10	Comunitat Valenciana	393	10.17	10.17	67.01
11	Extremadura	95	2.46	2.46	69.47
12	Galicia	247	6.39	6.39	75.86
13	Madrid (Comunidad de)	534	13.82	13.82	89.68
14	Murcia (Región de)	116	3.00	3.00	92.68
15	Navarra (Comunidad Foral de)	54	1.40	1.40	94.08
16	País Vasco	190	4.92	4.92	98.99
17	Rioja (La)	26	0.67	0.67	99.66
18	Ceuta (Ciudad Autónoma de)	7	0.18	0.18	99.84
19	Melilla (Ciudad Autónoma de)	6	0.16	0.16	100.00
NA	NA	0	0.00	NA	NA
total N=3865 · valid N=3865 · x̄=8.29 · σ=4.73

También podemos decirle que si hay una variable continua nos la intente agrupar

frq(bar_mayo_2022, EDAD, auto.grp = 5, weights = PESO, out = "viewer")

Edad de la persona entrevistada (EDAD) <numeric>

val	label	frq	raw.prc	valid.prc	cum.prc
1	18-33	746	19.30	19.30	19.30
2	34-49	1058	27.37	27.37	46.66
3	50-65	1181	30.55	30.55	77.21
4	66-81	794	20.54	20.54	97.75
5	82-97	85	2.20	2.20	99.95
6	98-113	2	0.05	0.05	100.00
NA	NA	0	0.00	NA	NA
total N=3866 · valid N=3866 · x̄=50.72 · σ=17.05

o que ordene en orden descendente

frq(bar_mayo_2022, EDAD, auto.grp = 7, sort.frq = "desc", 
    title = str_glue("{attributes(bar_mayo_2022$EDAD)$label} AGRUPADA" ), 
    weights = PESO, out = "viewer")

Edad de la persona entrevistada AGRUPADA

val	label	frq	raw.prc	valid.prc	cum.prc
3	42-53	946	24.47	24.47	24.47
4	54-65	846	21.88	21.88	46.35
5	66-77	693	17.93	17.93	64.28
2	30-41	666	17.23	17.23	81.51
1	18-29	527	13.63	13.63	95.14
6	78-89	176	4.55	4.55	99.69
7	90-101	12	0.31	0.31	100.00
NA	NA	0	0.00	NA	NA
total N=3866 · valid N=3866 · x̄=50.72 · σ=17.05

¿No está mal verdad?

He estado buscando si también tenía como hacer tablas de medias y demás, pero aún no lo he encontrado, no obstante podemos hacer esto.

(edad_media <- bar_mayo_2022 %>% 
    group_by(CCAA = forcats::as_factor(CCAA) ) %>%  # con el as_factor  (de forcats o de haven) nos traemos las etiquetas 
    summarise(
        edad_media = weighted.mean(EDAD, PESO) %>% round(2)
        )
 ) 
#> # A tibble: 19 × 2
#>    CCAA                         edad_media
#>    <fct>                             <dbl>
#>  1 Andalucía                          52.0
#>  2 Aragón                             54.6
#>  3 Asturias (Principado de)           52.8
#>  4 Balears (Illes)                    51.5
#>  5 Canarias                           49.3
#>  6 Cantabria                          52.7
#>  7 Castilla-La Mancha                 48.6
#>  8 Castilla y León                    52.4
#>  9 Cataluña                           49.8
#> 10 Comunitat Valenciana               49.2
#> 11 Extremadura                        51.5
#> 12 Galicia                            51.4
#> 13 Madrid (Comunidad de)              48.6
#> 14 Murcia (Región de)                 49.7
#> 15 Navarra (Comunidad Foral de)       54.8
#> 16 País Vasco                         52.5
#> 17 Rioja (La)                         53.8
#> 18 Ceuta (Ciudad Autónoma de)         53.9
#> 19 Melilla (Ciudad Autónoma de)       52.4

Tablas de contingencia

Es usual en las tabulaciones de spss, hacer tablas dónde en filas (o columnas) siempre dejamos la misma variable y vemos el cruce con otras variables de interés. Por ejemplo queremos ver las respuestas a la pregunta P1 por cada comunidad autónoma, y teniendo en cuenta la ponderación.

Para eso usamos la función tab_xtab, que por defecto además nos devuelve la V de Cramer o el estadístico Chi-cuadrado

tab_xtab(bar_mayo_2022$CCAA, bar_mayo_2022$P1, weight.by = bar_mayo_2022$PESO)

Comunidad autónoma	Grado de preocupación ante la situación del coronavirus COVID-19							Total
	Mucho	Bastante	(NO LEER) Regular	Poco	Nada	N.S.	N.C.
Andalucía	222	276	18	141	35	2	7	701
Aragón	20	49	1	31	6	1	1	109
Asturias (Principado de)	18	42	1	27	4	0	2	94
Balears (Illes)	15	29	2	28	8	0	5	87
Canarias	51	63	0	44	13	2	1	174
Cantabria	14	24	1	11	2	0	1	53
Castilla-La Mancha	34	73	4	46	13	2	0	172
Castilla y León	70	88	3	43	9	3	1	217
Cataluña	130	246	11	152	47	0	9	595
Comunitat Valenciana	82	175	8	97	28	1	2	393
Extremadura	27	38	4	21	3	1	1	95
Galicia	60	103	5	65	12	1	0	246
Madrid (Comunidad de)	126	222	12	145	28	0	1	534
Murcia (Región de)	30	52	3	26	4	1	0	116
Navarra (Comunidad Foral de)	11	24	0	17	2	0	0	54
País Vasco	48	65	10	49	17	0	2	191
Rioja (La)	8	10	1	7	0	0	0	26
Ceuta (Ciudad Autónoma de)	3	3	0	1	0	0	0	7
Melilla (Ciudad Autónoma de)	4	1	0	1	1	0	0	7
Total	973	1583	84	952	232	14	33	3871
χ2=160.797 · df=108 · Cramer's V=0.083 · Fisher's p=0.001

Pero no queremos ir una a una , sino que queremos tener rápidamente el cruce de varias preguntas con la comunidad autónoma.

Tabla cruzada por Comunidad autónoma y p1 a p6

(var_to_cruce <-  paste0("P", 1:6))
#> [1] "P1" "P2" "P3" "P4" "P5" "P6"

Nos creamos una función para llamar a tab_xtab con algunas opciones por defecto y que devuelva el código html necesario para pintar. Nota. Uso lo de res$knitr al final porque quiero juntar en uno solo todas las tablas, si no lo hago así hay problemas para sacar todas las tablas en mismo html de forma programática.

contingency_table_print <-
    function(df, var_fila, var_columna, var_peso,
             show.cell.prc = FALSE,
             show.row.prc  = FALSE,
             show.col.prc  = FALSE
             ) {
             res <- tab_xtab(
                 var.row = df[[var_fila]],
                 var.col = df[[var_columna]],
                 weight.by = df[[var_peso]], 
                 emph.total = TRUE,
                 show.cell.prc = show.cell.prc,
                 show.row.prc = show.row.prc, 
                 show.col.prc = show.col.prc,
                 title = str_glue(
                     "Pregunta: {var_columna}  ",
                     " Por {var_fila}")
             )
             return(res$knitr)
    }

Hacemos un map para obtener de cada una de las preguntas (P1 a P6) su cruce con CCAA , utilizando PESO como variable de ponderación y que nos muestre los porcentajes de filas y de columnas

cruces <- map(var_to_cruce,
     function(x)
  
             contingency_table_print(bar_mayo_2022, "CCAA", x, "PESO",
                                     show.row.prc = TRUE,
                                     show.col.prc = TRUE)
     )

Para juntar todas las tablas, concateno los resultados y con la función raw_html los puedo pintar. En el chunk de R he puesto que el resultado sea asis

`{r, results= 'asis', error=FALSE, warning=FALSE, message=FALSE}

knitr::raw_html(map_chr(cruces, paste))

Pregunta: P1 Por CCAA

Comunidad autónoma	Grado de preocupación ante la situación del coronavirus COVID-19							Total
	Mucho	Bastante	(NO LEER) Regular	Poco	Nada	N.S.	N.C.
Andalucía	222 31.7 % 22.8 %	276 39.4 % 17.4 %	18 2.6 % 21.4 %	141 20.1 % 14.8 %	35 5 % 15.1 %	2 0.3 % 14.3 %	7 1 % 21.2 %	701 100 % 18.1 %
Aragón	20 18.3 % 2.1 %	49 45 % 3.1 %	1 0.9 % 1.2 %	31 28.4 % 3.3 %	6 5.5 % 2.6 %	1 0.9 % 7.1 %	1 0.9 % 3 %	109 100 % 2.8 %
Asturias (Principado de)	18 19.1 % 1.8 %	42 44.7 % 2.7 %	1 1.1 % 1.2 %	27 28.7 % 2.8 %	4 4.3 % 1.7 %	0 0 % 0 %	2 2.1 % 6.1 %	94 100 % 2.4 %
Balears (Illes)	15 17.2 % 1.5 %	29 33.3 % 1.8 %	2 2.3 % 2.4 %	28 32.2 % 2.9 %	8 9.2 % 3.4 %	0 0 % 0 %	5 5.7 % 15.2 %	87 100 % 2.2 %
Canarias	51 29.3 % 5.2 %	63 36.2 % 4 %	0 0 % 0 %	44 25.3 % 4.6 %	13 7.5 % 5.6 %	2 1.1 % 14.3 %	1 0.6 % 3 %	174 100 % 4.5 %
Cantabria	14 26.4 % 1.4 %	24 45.3 % 1.5 %	1 1.9 % 1.2 %	11 20.8 % 1.2 %	2 3.8 % 0.9 %	0 0 % 0 %	1 1.9 % 3 %	53 100 % 1.4 %
Castilla-La Mancha	34 19.8 % 3.5 %	73 42.4 % 4.6 %	4 2.3 % 4.8 %	46 26.7 % 4.8 %	13 7.6 % 5.6 %	2 1.2 % 14.3 %	0 0 % 0 %	172 100 % 4.4 %
Castilla y León	70 32.3 % 7.2 %	88 40.6 % 5.6 %	3 1.4 % 3.6 %	43 19.8 % 4.5 %	9 4.1 % 3.9 %	3 1.4 % 21.4 %	1 0.5 % 3 %	217 100 % 5.6 %
Cataluña	130 21.8 % 13.4 %	246 41.3 % 15.5 %	11 1.8 % 13.1 %	152 25.5 % 16 %	47 7.9 % 20.3 %	0 0 % 0 %	9 1.5 % 27.3 %	595 100 % 15.4 %
Comunitat Valenciana	82 20.9 % 8.4 %	175 44.5 % 11.1 %	8 2 % 9.5 %	97 24.7 % 10.2 %	28 7.1 % 12.1 %	1 0.3 % 7.1 %	2 0.5 % 6.1 %	393 100 % 10.2 %
Extremadura	27 28.4 % 2.8 %	38 40 % 2.4 %	4 4.2 % 4.8 %	21 22.1 % 2.2 %	3 3.2 % 1.3 %	1 1.1 % 7.1 %	1 1.1 % 3 %	95 100 % 2.5 %
Galicia	60 24.4 % 6.2 %	103 41.9 % 6.5 %	5 2 % 6 %	65 26.4 % 6.8 %	12 4.9 % 5.2 %	1 0.4 % 7.1 %	0 0 % 0 %	246 100 % 6.4 %
Madrid (Comunidad de)	126 23.6 % 12.9 %	222 41.6 % 14 %	12 2.2 % 14.3 %	145 27.2 % 15.2 %	28 5.2 % 12.1 %	0 0 % 0 %	1 0.2 % 3 %	534 100 % 13.8 %
Murcia (Región de)	30 25.9 % 3.1 %	52 44.8 % 3.3 %	3 2.6 % 3.6 %	26 22.4 % 2.7 %	4 3.4 % 1.7 %	1 0.9 % 7.1 %	0 0 % 0 %	116 100 % 3 %
Navarra (Comunidad Foral de)	11 20.4 % 1.1 %	24 44.4 % 1.5 %	0 0 % 0 %	17 31.5 % 1.8 %	2 3.7 % 0.9 %	0 0 % 0 %	0 0 % 0 %	54 100 % 1.4 %
País Vasco	48 25.1 % 4.9 %	65 34 % 4.1 %	10 5.2 % 11.9 %	49 25.7 % 5.1 %	17 8.9 % 7.3 %	0 0 % 0 %	2 1 % 6.1 %	191 100 % 4.9 %
Rioja (La)	8 30.8 % 0.8 %	10 38.5 % 0.6 %	1 3.8 % 1.2 %	7 26.9 % 0.7 %	0 0 % 0 %	0 0 % 0 %	0 0 % 0 %	26 100 % 0.7 %
Ceuta (Ciudad Autónoma de)	3 42.9 % 0.3 %	3 42.9 % 0.2 %	0 0 % 0 %	1 14.3 % 0.1 %	0 0 % 0 %	0 0 % 0 %	0 0 % 0 %	7 100 % 0.2 %
Melilla (Ciudad Autónoma de)	4 57.1 % 0.4 %	1 14.3 % 0.1 %	0 0 % 0 %	1 14.3 % 0.1 %	1 14.3 % 0.4 %	0 0 % 0 %	0 0 % 0 %	7 100 % 0.2 %
Total	973 25.1 % 100 %	1583 40.9 % 100 %	84 2.2 % 100 %	952 24.6 % 100 %	232 6 % 100 %	14 0.4 % 100 %	33 0.9 % 100 %	3871 100 % 100 %
χ2=160.797 · df=108 · Cramer's V=0.083 · Fisher's p=0.001

Pregunta: P2 Por CCAA

Comunidad autónoma	Efectos de la crisis del COVID-19 que más preocupan personalmente						Total
	Los efectos sobre la salud	Los efectos sobre la economía y el empleo	(NO LEER) Ambos por igual	(NO LEER) Ni unos ni otros	N.S.	N.C.
Andalucía	200 28.6 % 19.2 %	333 47.6 % 16.9 %	159 22.7 % 20.2 %	3 0.4 % 9.4 %	1 0.1 % 16.7 %	3 0.4 % 15.8 %	699 100 % 18.1 %
Aragón	29 26.9 % 2.8 %	58 53.7 % 2.9 %	20 18.5 % 2.5 %	1 0.9 % 3.1 %	0 0 % 0 %	0 0 % 0 %	108 100 % 2.8 %
Asturias (Principado de)	29 31.2 % 2.8 %	41 44.1 % 2.1 %	22 23.7 % 2.8 %	1 1.1 % 3.1 %	0 0 % 0 %	0 0 % 0 %	93 100 % 2.4 %
Balears (Illes)	16 18.6 % 1.5 %	45 52.3 % 2.3 %	21 24.4 % 2.7 %	2 2.3 % 6.2 %	0 0 % 0 %	2 2.3 % 10.5 %	86 100 % 2.2 %
Canarias	54 31 % 5.2 %	86 49.4 % 4.4 %	26 14.9 % 3.3 %	3 1.7 % 9.4 %	2 1.1 % 33.3 %	3 1.7 % 15.8 %	174 100 % 4.5 %
Cantabria	13 25.5 % 1.3 %	28 54.9 % 1.4 %	10 19.6 % 1.3 %	0 0 % 0 %	0 0 % 0 %	0 0 % 0 %	51 100 % 1.3 %
Castilla-La Mancha	42 24.7 % 4 %	103 60.6 % 5.2 %	21 12.4 % 2.7 %	3 1.8 % 9.4 %	0 0 % 0 %	1 0.6 % 5.3 %	170 100 % 4.4 %
Castilla y León	49 22.8 % 4.7 %	114 53 % 5.8 %	46 21.4 % 5.8 %	5 2.3 % 15.6 %	1 0.5 % 16.7 %	0 0 % 0 %	215 100 % 5.6 %
Cataluña	148 24.9 % 14.2 %	318 53.5 % 16.1 %	123 20.7 % 15.6 %	4 0.7 % 12.5 %	0 0 % 0 %	1 0.2 % 5.3 %	594 100 % 15.4 %
Comunitat Valenciana	94 23.9 % 9 %	221 56.2 % 11.2 %	71 18.1 % 9 %	5 1.3 % 15.6 %	0 0 % 0 %	2 0.5 % 10.5 %	393 100 % 10.2 %
Extremadura	33 34.7 % 3.2 %	42 44.2 % 2.1 %	20 21.1 % 2.5 %	0 0 % 0 %	0 0 % 0 %	0 0 % 0 %	95 100 % 2.5 %
Galicia	75 30.4 % 7.2 %	118 47.8 % 6 %	51 20.6 % 6.5 %	0 0 % 0 %	0 0 % 0 %	3 1.2 % 15.8 %	247 100 % 6.4 %
Madrid (Comunidad de)	152 28.5 % 14.6 %	275 51.6 % 13.9 %	99 18.6 % 12.6 %	4 0.8 % 12.5 %	2 0.4 % 33.3 %	1 0.2 % 5.3 %	533 100 % 13.8 %
Murcia (Región de)	36 31 % 3.5 %	51 44 % 2.6 %	28 24.1 % 3.6 %	0 0 % 0 %	0 0 % 0 %	1 0.9 % 5.3 %	116 100 % 3 %
Navarra (Comunidad Foral de)	14 25.9 % 1.3 %	27 50 % 1.4 %	12 22.2 % 1.5 %	1 1.9 % 3.1 %	0 0 % 0 %	0 0 % 0 %	54 100 % 1.4 %
País Vasco	46 24.1 % 4.4 %	93 48.7 % 4.7 %	50 26.2 % 6.4 %	0 0 % 0 %	0 0 % 0 %	2 1 % 10.5 %	191 100 % 5 %
Rioja (La)	6 23.1 % 0.6 %	14 53.8 % 0.7 %	6 23.1 % 0.8 %	0 0 % 0 %	0 0 % 0 %	0 0 % 0 %	26 100 % 0.7 %
Ceuta (Ciudad Autónoma de)	3 42.9 % 0.3 %	3 42.9 % 0.2 %	1 14.3 % 0.1 %	0 0 % 0 %	0 0 % 0 %	0 0 % 0 %	7 100 % 0.2 %
Melilla (Ciudad Autónoma de)	0 0 % 0 %	5 83.3 % 0.3 %	1 16.7 % 0.1 %	0 0 % 0 %	0 0 % 0 %	0 0 % 0 %	6 100 % 0.2 %
Total	1039 26.9 % 100 %	1975 51.2 % 100 %	787 20.4 % 100 %	32 0.8 % 100 %	6 0.2 % 100 %	19 0.5 % 100 %	3858 100 % 100 %
χ2=106.010 · df=90 · Cramer's V=0.074 · Fisher's p=0.041

Pregunta: P3 Por CCAA

Comunidad autónoma	Valoración sobre si ha pasado lo peor o no de la situación sanitaria generada por el coronavirus					Total
	Lo peor ha pasado ya	Seguimos en el peor momento	Lo peor está por llegar	(NO LEER) No lo sabe, duda	N.C.
Andalucía	486 69.4 % 17.7 %	86 12.3 % 21.7 %	65 9.3 % 19.2 %	55 7.9 % 16.9 %	8 1.1 % 14.8 %	700 100 % 18.1 %
Aragón	78 70.9 % 2.8 %	17 15.5 % 4.3 %	6 5.5 % 1.8 %	7 6.4 % 2.2 %	2 1.8 % 3.7 %	110 100 % 2.8 %
Asturias (Principado de)	56 59.6 % 2 %	11 11.7 % 2.8 %	9 9.6 % 2.7 %	16 17 % 4.9 %	2 2.1 % 3.7 %	94 100 % 2.4 %
Balears (Illes)	62 72.1 % 2.3 %	6 7 % 1.5 %	6 7 % 1.8 %	11 12.8 % 3.4 %	1 1.2 % 1.9 %	86 100 % 2.2 %
Canarias	112 64.4 % 4.1 %	20 11.5 % 5 %	16 9.2 % 4.7 %	23 13.2 % 7.1 %	3 1.7 % 5.6 %	174 100 % 4.5 %
Cantabria	32 61.5 % 1.2 %	8 15.4 % 2 %	5 9.6 % 1.5 %	6 11.5 % 1.8 %	1 1.9 % 1.9 %	52 100 % 1.3 %
Castilla-La Mancha	135 78.9 % 4.9 %	13 7.6 % 3.3 %	10 5.8 % 2.9 %	12 7 % 3.7 %	1 0.6 % 1.9 %	171 100 % 4.4 %
Castilla y León	148 68.8 % 5.4 %	21 9.8 % 5.3 %	28 13 % 8.3 %	16 7.4 % 4.9 %	2 0.9 % 3.7 %	215 100 % 5.6 %
Cataluña	434 72.8 % 15.8 %	45 7.6 % 11.3 %	60 10.1 % 17.7 %	51 8.6 % 15.7 %	6 1 % 11.1 %	596 100 % 15.4 %
Comunitat Valenciana	281 71.3 % 10.2 %	37 9.4 % 9.3 %	34 8.6 % 10 %	32 8.1 % 9.8 %	10 2.5 % 18.5 %	394 100 % 10.2 %
Extremadura	67 70.5 % 2.4 %	12 12.6 % 3 %	8 8.4 % 2.4 %	5 5.3 % 1.5 %	3 3.2 % 5.6 %	95 100 % 2.5 %
Galicia	180 72.9 % 6.5 %	22 8.9 % 5.5 %	18 7.3 % 5.3 %	24 9.7 % 7.4 %	3 1.2 % 5.6 %	247 100 % 6.4 %
Madrid (Comunidad de)	399 74.7 % 14.5 %	55 10.3 % 13.9 %	40 7.5 % 11.8 %	33 6.2 % 10.2 %	7 1.3 % 13 %	534 100 % 13.8 %
Murcia (Región de)	78 67.2 % 2.8 %	17 14.7 % 4.3 %	10 8.6 % 2.9 %	9 7.8 % 2.8 %	2 1.7 % 3.7 %	116 100 % 3 %
Navarra (Comunidad Foral de)	36 66.7 % 1.3 %	8 14.8 % 2 %	3 5.6 % 0.9 %	6 11.1 % 1.8 %	1 1.9 % 1.9 %	54 100 % 1.4 %
País Vasco	141 74.6 % 5.1 %	16 8.5 % 4 %	16 8.5 % 4.7 %	15 7.9 % 4.6 %	1 0.5 % 1.9 %	189 100 % 4.9 %
Rioja (La)	19 73.1 % 0.7 %	1 3.8 % 0.3 %	3 11.5 % 0.9 %	3 11.5 % 0.9 %	0 0 % 0 %	26 100 % 0.7 %
Ceuta (Ciudad Autónoma de)	4 57.1 % 0.1 %	1 14.3 % 0.3 %	1 14.3 % 0.3 %	0 0 % 0 %	1 14.3 % 1.9 %	7 100 % 0.2 %
Melilla (Ciudad Autónoma de)	4 57.1 % 0.1 %	1 14.3 % 0.3 %	1 14.3 % 0.3 %	1 14.3 % 0.3 %	0 0 % 0 %	7 100 % 0.2 %
Total	2752 71.2 % 100 %	397 10.3 % 100 %	339 8.8 % 100 %	325 8.4 % 100 %	54 1.4 % 100 %	3867 100 % 100 %
χ2=82.878 · df=72 · Cramer's V=0.073 · Fisher's p=0.152

Pregunta: P4 Por CCAA

Comunidad autónoma	Grado de conocimiento por la invasión de Rusia a Ucrania							Total
	Mucho	Bastante	Algo	Poco	Nada	N.S.	N.C.
Andalucía	136 19.4 % 20.2 %	243 34.7 % 18.5 %	194 27.7 % 16.8 %	92 13.1 % 16.6 %	22 3.1 % 22 %	6 0.9 % 20.7 %	7 1 % 14.6 %	700 100 % 18.1 %
Aragón	21 19.1 % 3.1 %	43 39.1 % 3.3 %	31 28.2 % 2.7 %	13 11.8 % 2.4 %	1 0.9 % 1 %	1 0.9 % 3.4 %	0 0 % 0 %	110 100 % 2.8 %
Asturias (Principado de)	10 10.6 % 1.5 %	37 39.4 % 2.8 %	26 27.7 % 2.3 %	15 16 % 2.7 %	1 1.1 % 1 %	1 1.1 % 3.4 %	4 4.3 % 8.3 %	94 100 % 2.4 %
Balears (Illes)	7 8 % 1 %	28 32.2 % 2.1 %	32 36.8 % 2.8 %	16 18.4 % 2.9 %	2 2.3 % 2 %	2 2.3 % 6.9 %	0 0 % 0 %	87 100 % 2.2 %
Canarias	22 12.7 % 3.3 %	43 24.9 % 3.3 %	64 37 % 5.5 %	33 19.1 % 6 %	5 2.9 % 5 %	0 0 % 0 %	6 3.5 % 12.5 %	173 100 % 4.5 %
Cantabria	6 11.5 % 0.9 %	21 40.4 % 1.6 %	15 28.8 % 1.3 %	9 17.3 % 1.6 %	1 1.9 % 1 %	0 0 % 0 %	0 0 % 0 %	52 100 % 1.3 %
Castilla-La Mancha	26 15.2 % 3.9 %	49 28.7 % 3.7 %	66 38.6 % 5.7 %	25 14.6 % 4.5 %	5 2.9 % 5 %	0 0 % 0 %	0 0 % 0 %	171 100 % 4.4 %
Castilla y León	43 19.9 % 6.4 %	63 29.2 % 4.8 %	74 34.3 % 6.4 %	26 12 % 4.7 %	3 1.4 % 3 %	1 0.5 % 3.4 %	6 2.8 % 12.5 %	216 100 % 5.6 %
Cataluña	117 19.6 % 17.4 %	216 36.2 % 16.5 %	165 27.7 % 14.3 %	75 12.6 % 13.6 %	14 2.3 % 14 %	5 0.8 % 17.2 %	4 0.7 % 8.3 %	596 100 % 15.4 %
Comunitat Valenciana	71 18 % 10.5 %	120 30.5 % 9.2 %	120 30.5 % 10.4 %	62 15.7 % 11.2 %	11 2.8 % 11 %	5 1.3 % 17.2 %	5 1.3 % 10.4 %	394 100 % 10.2 %
Extremadura	12 12.6 % 1.8 %	30 31.6 % 2.3 %	28 29.5 % 2.4 %	21 22.1 % 3.8 %	3 3.2 % 3 %	0 0 % 0 %	1 1.1 % 2.1 %	95 100 % 2.5 %
Galicia	39 15.9 % 5.8 %	77 31.3 % 5.9 %	77 31.3 % 6.7 %	39 15.9 % 7.1 %	8 3.3 % 8 %	2 0.8 % 6.9 %	4 1.6 % 8.3 %	246 100 % 6.4 %
Madrid (Comunidad de)	98 18.4 % 14.6 %	191 35.8 % 14.6 %	163 30.5 % 14.1 %	67 12.5 % 12.1 %	10 1.9 % 10 %	2 0.4 % 6.9 %	3 0.6 % 6.2 %	534 100 % 13.8 %
Murcia (Región de)	25 21.4 % 3.7 %	42 35.9 % 3.2 %	32 27.4 % 2.8 %	14 12 % 2.5 %	3 2.6 % 3 %	0 0 % 0 %	1 0.9 % 2.1 %	117 100 % 3 %
Navarra (Comunidad Foral de)	11 20.4 % 1.6 %	21 38.9 % 1.6 %	14 25.9 % 1.2 %	6 11.1 % 1.1 %	1 1.9 % 1 %	0 0 % 0 %	1 1.9 % 2.1 %	54 100 % 1.4 %
País Vasco	23 12.1 % 3.4 %	70 36.8 % 5.3 %	45 23.7 % 3.9 %	33 17.4 % 6 %	10 5.3 % 10 %	3 1.6 % 10.3 %	6 3.2 % 12.5 %	190 100 % 4.9 %
Rioja (La)	4 15.4 % 0.6 %	11 42.3 % 0.8 %	6 23.1 % 0.5 %	4 15.4 % 0.7 %	0 0 % 0 %	1 3.8 % 3.4 %	0 0 % 0 %	26 100 % 0.7 %
Ceuta (Ciudad Autónoma de)	1 16.7 % 0.1 %	2 33.3 % 0.2 %	1 16.7 % 0.1 %	2 33.3 % 0.4 %	0 0 % 0 %	0 0 % 0 %	0 0 % 0 %	6 100 % 0.2 %
Melilla (Ciudad Autónoma de)	1 16.7 % 0.1 %	3 50 % 0.2 %	1 16.7 % 0.1 %	1 16.7 % 0.2 %	0 0 % 0 %	0 0 % 0 %	0 0 % 0 %	6 100 % 0.2 %
Total	673 17.4 % 100 %	1310 33.9 % 100 %	1154 29.8 % 100 %	553 14.3 % 100 %	100 2.6 % 100 %	29 0.7 % 100 %	48 1.2 % 100 %	3867 100 % 100 %
χ2=132.477 · df=108 · Cramer's V=0.076 · Fisher's p=0.041

Pregunta: P5 Por CCAA

Comunidad autónoma	Grado de preocupación por la invasión de Rusia a Ucrania									Total
	Muy preocupado/a	Bastante preocupado/a	Algo preocupado/a	Poco preocupado/a	Nada preocupado/a	(NO LEER) No tiene criterio	(NO LEER) Le es indiferente	N.S.	N.C.
Andalucía	213 30.4 % 21 %	329 46.9 % 17.2 %	102 14.6 % 17.4 %	37 5.3 % 17.1 %	11 1.6 % 12.6 %	1 0.1 % 50 %	0 0 % 0 %	1 0.1 % 20 %	7 1 % 15.9 %	701 100 % 18.1 %
Aragón	23 21.1 % 2.3 %	57 52.3 % 3 %	17 15.6 % 2.9 %	8 7.3 % 3.7 %	2 1.8 % 2.3 %	1 0.9 % 50 %	0 0 % 0 %	0 0 % 0 %	1 0.9 % 2.3 %	109 100 % 2.8 %
Asturias (Principado de)	24 25.5 % 2.4 %	42 44.7 % 2.2 %	17 18.1 % 2.9 %	5 5.3 % 2.3 %	4 4.3 % 4.6 %	0 0 % 0 %	0 0 % 0 %	0 0 % 0 %	2 2.1 % 4.5 %	94 100 % 2.4 %
Balears (Illes)	18 20.7 % 1.8 %	39 44.8 % 2 %	19 21.8 % 3.2 %	6 6.9 % 2.8 %	4 4.6 % 4.6 %	0 0 % 0 %	0 0 % 0 %	0 0 % 0 %	1 1.1 % 2.3 %	87 100 % 2.2 %
Canarias	55 31.6 % 5.4 %	76 43.7 % 4 %	29 16.7 % 4.9 %	5 2.9 % 2.3 %	6 3.4 % 6.9 %	0 0 % 0 %	0 0 % 0 %	0 0 % 0 %	3 1.7 % 6.8 %	174 100 % 4.5 %
Cantabria	12 23.5 % 1.2 %	26 51 % 1.4 %	8 15.7 % 1.4 %	2 3.9 % 0.9 %	2 3.9 % 2.3 %	0 0 % 0 %	0 0 % 0 %	0 0 % 0 %	1 2 % 2.3 %	51 100 % 1.3 %
Castilla-La Mancha	40 23.5 % 4 %	100 58.8 % 5.2 %	21 12.4 % 3.6 %	4 2.4 % 1.8 %	4 2.4 % 4.6 %	0 0 % 0 %	0 0 % 0 %	1 0.6 % 20 %	0 0 % 0 %	170 100 % 4.4 %
Castilla y León	63 29.2 % 6.2 %	106 49.1 % 5.5 %	29 13.4 % 4.9 %	10 4.6 % 4.6 %	6 2.8 % 6.9 %	0 0 % 0 %	0 0 % 0 %	1 0.5 % 20 %	1 0.5 % 2.3 %	216 100 % 5.6 %
Cataluña	139 23.3 % 13.7 %	289 48.5 % 15.1 %	100 16.8 % 17 %	45 7.6 % 20.7 %	12 2 % 13.8 %	0 0 % 0 %	0 0 % 0 %	1 0.2 % 20 %	10 1.7 % 22.7 %	596 100 % 15.4 %
Comunitat Valenciana	95 24.2 % 9.4 %	190 48.3 % 9.9 %	70 17.8 % 11.9 %	23 5.9 % 10.6 %	9 2.3 % 10.3 %	0 0 % 0 %	0 0 % 0 %	0 0 % 0 %	6 1.5 % 13.6 %	393 100 % 10.2 %
Extremadura	25 26.3 % 2.5 %	50 52.6 % 2.6 %	14 14.7 % 2.4 %	4 4.2 % 1.8 %	1 1.1 % 1.1 %	0 0 % 0 %	0 0 % 0 %	0 0 % 0 %	1 1.1 % 2.3 %	95 100 % 2.5 %
Galicia	61 24.8 % 6 %	127 51.6 % 6.6 %	29 11.8 % 4.9 %	17 6.9 % 7.8 %	6 2.4 % 6.9 %	0 0 % 0 %	0 0 % 0 %	0 0 % 0 %	6 2.4 % 13.6 %	246 100 % 6.4 %
Madrid (Comunidad de)	145 27.1 % 14.3 %	271 50.7 % 14.2 %	77 14.4 % 13.1 %	32 6 % 14.7 %	9 1.7 % 10.3 %	0 0 % 0 %	0 0 % 0 %	0 0 % 0 %	1 0.2 % 2.3 %	535 100 % 13.8 %
Murcia (Región de)	30 25.9 % 3 %	65 56 % 3.4 %	15 12.9 % 2.6 %	1 0.9 % 0.5 %	2 1.7 % 2.3 %	0 0 % 0 %	0 0 % 0 %	0 0 % 0 %	3 2.6 % 6.8 %	116 100 % 3 %
Navarra (Comunidad Foral de)	12 21.8 % 1.2 %	31 56.4 % 1.6 %	4 7.3 % 0.7 %	2 3.6 % 0.9 %	3 5.5 % 3.4 %	0 0 % 0 %	1 1.8 % 100 %	1 1.8 % 20 %	1 1.8 % 2.3 %	55 100 % 1.4 %
País Vasco	44 23.2 % 4.3 %	97 51.1 % 5.1 %	31 16.3 % 5.3 %	12 6.3 % 5.5 %	6 3.2 % 6.9 %	0 0 % 0 %	0 0 % 0 %	0 0 % 0 %	0 0 % 0 %	190 100 % 4.9 %
Rioja (La)	7 26.9 % 0.7 %	13 50 % 0.7 %	3 11.5 % 0.5 %	3 11.5 % 1.4 %	0 0 % 0 %	0 0 % 0 %	0 0 % 0 %	0 0 % 0 %	0 0 % 0 %	26 100 % 0.7 %
Ceuta (Ciudad Autónoma de)	3 42.9 % 0.3 %	1 14.3 % 0.1 %	2 28.6 % 0.3 %	1 14.3 % 0.5 %	0 0 % 0 %	0 0 % 0 %	0 0 % 0 %	0 0 % 0 %	0 0 % 0 %	7 100 % 0.2 %
Melilla (Ciudad Autónoma de)	3 50 % 0.3 %	3 50 % 0.2 %	0 0 % 0 %	0 0 % 0 %	0 0 % 0 %	0 0 % 0 %	0 0 % 0 %	0 0 % 0 %	0 0 % 0 %	6 100 % 0.2 %
Total	1012 26.2 % 100 %	1912 49.4 % 100 %	587 15.2 % 100 %	217 5.6 % 100 %	87 2.2 % 100 %	2 0.1 % 100 %	1 0 % 100 %	5 0.1 % 100 %	44 1.1 % 100 %	3867 100 % 100 %
χ2=201.480 · df=144 · Cramer's V=0.081 · Fisher's p=0.086

Pregunta: P6 Por CCAA

Comunidad autónoma	Posibilidad de una invasión de Rusia a países del Este de Europa (su antigua área de influencia)						Total
	Sí cree que es posible	No cree que sea posible	(NO LEER) No tiene suficiente criterio o información	(NO LEER) Le es indiferente, no le importa	N.S., duda	N.C.
Andalucía	536 76.6 % 18.3 %	115 16.4 % 17.2 %	7 1 % 20 %	1 0.1 % 100 %	38 5.4 % 17.9 %	3 0.4 % 12.5 %	700 100 % 18.1 %
Aragón	73 67 % 2.5 %	27 24.8 % 4 %	2 1.8 % 5.7 %	0 0 % 0 %	7 6.4 % 3.3 %	0 0 % 0 %	109 100 % 2.8 %
Asturias (Principado de)	69 74.2 % 2.4 %	16 17.2 % 2.4 %	0 0 % 0 %	0 0 % 0 %	7 7.5 % 3.3 %	1 1.1 % 4.2 %	93 100 % 2.4 %
Balears (Illes)	64 73.6 % 2.2 %	13 14.9 % 1.9 %	1 1.1 % 2.9 %	0 0 % 0 %	9 10.3 % 4.2 %	0 0 % 0 %	87 100 % 2.3 %
Canarias	136 78.2 % 4.6 %	28 16.1 % 4.2 %	0 0 % 0 %	0 0 % 0 %	7 4 % 3.3 %	3 1.7 % 12.5 %	174 100 % 4.5 %
Cantabria	42 79.2 % 1.4 %	8 15.1 % 1.2 %	1 1.9 % 2.9 %	0 0 % 0 %	2 3.8 % 0.9 %	0 0 % 0 %	53 100 % 1.4 %
Castilla-La Mancha	132 77.6 % 4.5 %	30 17.6 % 4.5 %	3 1.8 % 8.6 %	0 0 % 0 %	4 2.4 % 1.9 %	1 0.6 % 4.2 %	170 100 % 4.4 %
Castilla y León	170 78.7 % 5.8 %	30 13.9 % 4.5 %	3 1.4 % 8.6 %	0 0 % 0 %	13 6 % 6.1 %	0 0 % 0 %	216 100 % 5.6 %
Cataluña	425 71.4 % 14.5 %	120 20.2 % 18 %	4 0.7 % 11.4 %	0 0 % 0 %	40 6.7 % 18.9 %	6 1 % 25 %	595 100 % 15.4 %
Comunitat Valenciana	290 73.6 % 9.9 %	82 20.8 % 12.3 %	3 0.8 % 8.6 %	0 0 % 0 %	14 3.6 % 6.6 %	5 1.3 % 20.8 %	394 100 % 10.2 %
Extremadura	78 82.1 % 2.7 %	14 14.7 % 2.1 %	1 1.1 % 2.9 %	0 0 % 0 %	2 2.1 % 0.9 %	0 0 % 0 %	95 100 % 2.5 %
Galicia	193 78.1 % 6.6 %	34 13.8 % 5.1 %	3 1.2 % 8.6 %	0 0 % 0 %	16 6.5 % 7.5 %	1 0.4 % 4.2 %	247 100 % 6.4 %
Madrid (Comunidad de)	411 77 % 14.1 %	97 18.2 % 14.5 %	3 0.6 % 8.6 %	0 0 % 0 %	22 4.1 % 10.4 %	1 0.2 % 4.2 %	534 100 % 13.8 %
Murcia (Región de)	88 75.9 % 3 %	14 12.1 % 2.1 %	1 0.9 % 2.9 %	0 0 % 0 %	11 9.5 % 5.2 %	2 1.7 % 8.3 %	116 100 % 3 %
Navarra (Comunidad Foral de)	40 74.1 % 1.4 %	7 13 % 1 %	1 1.9 % 2.9 %	0 0 % 0 %	6 11.1 % 2.8 %	0 0 % 0 %	54 100 % 1.4 %
País Vasco	147 77.4 % 5 %	28 14.7 % 4.2 %	2 1.1 % 5.7 %	0 0 % 0 %	12 6.3 % 5.7 %	1 0.5 % 4.2 %	190 100 % 4.9 %
Rioja (La)	18 72 % 0.6 %	5 20 % 0.7 %	0 0 % 0 %	0 0 % 0 %	2 8 % 0.9 %	0 0 % 0 %	25 100 % 0.6 %
Ceuta (Ciudad Autónoma de)	7 100 % 0.2 %	0 0 % 0 %	0 0 % 0 %	0 0 % 0 %	0 0 % 0 %	0 0 % 0 %	7 100 % 0.2 %
Melilla (Ciudad Autónoma de)	6 100 % 0.2 %	0 0 % 0 %	0 0 % 0 %	0 0 % 0 %	0 0 % 0 %	0 0 % 0 %	6 100 % 0.2 %
Total	2925 75.7 % 100 %	668 17.3 % 100 %	35 0.9 % 100 %	1 0 % 100 %	212 5.5 % 100 %	24 0.6 % 100 %	3865 100 % 100 %
χ2=79.266 · df=90 · Cramer's V=0.064 · Fisher's p=0.257

Y bueno, esto era para mostrar que R además de ser un excelente sustituto de todo lo que se puede hacer con spss a nivel analítico (de hecho tiene muchas más cosas) también nos puede servir para sacar tabulaciones de estudios que vengan en formato de spss.

Os recomiendo encarecidamente que echéis un vistazo a las librerías sjPlot sjmisc de Daniel.

Hasta más ver.