Consejos para dejar spss

estadística
sociología
2022
spss
R
Author

José Luis Cañadas Reche

Published

December 4, 2022

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.