library(readxl) library(dplyr) library(tibble) library(purrr) library(tidyr) library(openxlsx) ############################################################################ ################# GIBRAT Y ZIPF PARA GRADO Y MASTER######################### ############################################################################ # Leer datos df <- datos %>% filter( !is.na(Valor), Valor > 0, !is.na(`Tipo 1`), !is.na(`Tipo 2`), !is.na(Nivel), !is.na(`Rama de Enseñanza`) ) # Función de descriptivos robustos desc <- function(x) { x <- x[is.finite(x)] tibble( N = length(x), Mean = mean(x), SD = sd(x), Median = median(x), P10 = quantile(x, 0.10, names = FALSE), P90 = quantile(x, 0.90, names = FALSE), Min = min(x), Max = max(x) ) } # Poner a "formato largo" SOLO las 4 variables que quieres resumir df_long <- df %>% pivot_longer( cols = c(`Tipo 1`, `Tipo 2`, Nivel, `Rama de Enseñanza`), names_to = "Variable", values_to = "Categoria" ) # Tabla final: descriptivos de Valor por Variable x Categoria tabla_desc <- df_long %>% group_by(Variable, Categoria) %>% summarise(desc(Valor), .groups = "drop") %>% arrange(Variable, Categoria) # Guardar a Excel con dos hojas wb <- createWorkbook() addWorksheet(wb, "Descriptivos_Valor") writeData(wb, "Descriptivos_Valor", tabla_desc) saveWorkbook(wb, "descriptivos_por_variable.xlsx", overwrite = TRUE) ############################################################################ ################# GIBRAT Y ZIPF PARA GRADO Y MASTER######################### ############################################################################ datos_filtrados <- datos %>% filter(Nivel %in% c("Grado", "Máster"), !is.na(Valor), Valor > 0, !is.na(Curso), !is.na(Universidad)) # Función para asteriscos según p-valor asteriscos <- function(p) { if (is.na(p)) return("") if (p <= 0.01) return("***") if (p <= 0.05) return("**") if (p <= 0.10) return("*") return("") } # Función para formatear p-valores en notación científica formatear_p <- function(p) { if (is.na(p)) return(NA) formatC(p, format = "e", digits = 3) } # Función para interpretación del contraste interpretacion_contraste <- function(p) { if (is.na(p)) return("") if (p <= 0.01) return("strongly rejected") if (p <= 0.05) return("rejected") if (p <= 0.10) return("marginal") return("not rejected") } # Función de extracción de resultados extraer_resultados <- function(modelo, nivel, curso, ley = "Zipf") { resumen <- summary(modelo) coef <- resumen$coefficients r2 <- resumen$r.squared df_res <- resumen$df[2] inter <- coef[1, ] pend <- coef[2, ] est_pend <- pend["Estimate"] se_pend <- pend["Std. Error"] pval_pend <- pend["Pr(>|t|)"] est_int <- inter["Estimate"] se_int <- inter["Std. Error"] pval_int <- inter["Pr(>|t|)"] # Contraste específico beta_0 <- ifelse(ley == "Zipf", -1, 0) t_stat <- (est_pend - beta_0) / se_pend p_contraste <- 2 * pt(-abs(t_stat), df = df_res) decision <- interpretacion_contraste(p_contraste) tibble( Nivel = nivel, Curso = curso, intercepto = sprintf("%.3f%s (%.3f)", est_int, asteriscos(pval_int), se_int), pval_intercepto = formatear_p(pval_int), pendiente = sprintf("%.3f%s (%.3f)", est_pend, asteriscos(pval_pend), se_pend), pval_pendiente = formatear_p(pval_pend), r2 = round(r2, 3), pval_contraste = paste0(formatear_p(p_contraste), " (", decision, ")") ) } # ----------------------------- # LEY DE ZIPF por Nivel y Curso # ----------------------------- zipf_resultados <- datos_filtrados %>% group_by(Nivel, Curso) %>% group_split() %>% map_df(~{ .x <- .x %>% mutate(rank = rank(-Valor, ties.method = "first"), log_valor = log(Valor), log_rank = log(rank)) %>% filter(is.finite(log_valor), is.finite(log_rank)) if (nrow(.x) >= 2) { modelo <- lm(log_valor ~ log_rank, data = .x) extraer_resultados(modelo, unique(.x$Nivel), unique(.x$Curso), ley = "Zipf") } else { NULL } }) # ----------------------------- # LEY DE GIBRAT por Nivel y Curso # ----------------------------- gibrat_resultados <- datos_filtrados %>% arrange(Universidad, Curso) %>% group_by(Nivel, Universidad) %>% mutate(log_valor = log(Valor), crecimiento = log_valor - lag(log_valor)) %>% ungroup() %>% filter(is.finite(crecimiento), is.finite(log_valor)) %>% group_by(Nivel, Curso) %>% group_split() %>% map_df(~{ if (nrow(.x) >= 2) { modelo <- lm(crecimiento ~ log_valor, data = .x) extraer_resultados(modelo, unique(.x$Nivel), unique(.x$Curso), ley = "Gibrat") } else { NULL } }) # Mostrar resultados cat("\n📌 RESULTADOS LEY DE ZIPF (Grado y Máster):\n") print(zipf_resultados, n = Inf) cat("\n📌 RESULTADOS LEY DE GIBRAT (Grado y Máster):\n") print(gibrat_resultados, n = Inf) # Guardar como CSV write.table(zipf_resultados, "zipf_resultados.csv", sep = ";", dec = ",", row.names = FALSE) write.table(gibrat_resultados, "gibrat_resultados.csv", sep = ";", dec = ",", row.names = FALSE) ############################################################################################### ################# GIBRAT Y ZIPF PARA GRADO Y MASTER POR RAMA DE CONOCIMIENTO################### ############################################################################################### library(readxl) library(dplyr) library(tibble) library(purrr) # Filtrar datos_filtrados <- datos %>% filter(Nivel %in% c("Grado", "Máster"), !is.na(Valor), Valor > 0, !is.na(Curso), !is.na(Universidad), !is.na(`Rama de Enseñanza`)) # Funciones auxiliares asteriscos <- function(p) { if (is.na(p)) return("") if (p <= 0.01) return("***") if (p <= 0.05) return("**") if (p <= 0.10) return("*") return("") } formatear_p <- function(p) { if (is.na(p)) return(NA) formatC(p, format = "e", digits = 3) } interpretacion_contraste <- function(p) { if (is.na(p)) return("") if (p <= 0.01) return("strongly rejected") if (p <= 0.05) return("rejected") if (p <= 0.10) return("marginal") return("not rejected") } # Función para obtener resultados formateados extraer_resultados <- function(modelo, nivel, rama, curso, ley = "Zipf") { resumen <- summary(modelo) coef <- resumen$coefficients r2 <- resumen$r.squared df_res <- resumen$df[2] inter <- coef[1, ] pend <- coef[2, ] est_pend <- pend["Estimate"] se_pend <- pend["Std. Error"] pval_pend <- pend["Pr(>|t|)"] est_int <- inter["Estimate"] se_int <- inter["Std. Error"] pval_int <- inter["Pr(>|t|)"] beta_0 <- ifelse(ley == "Zipf", -1, 0) t_stat <- (est_pend - beta_0) / se_pend p_contraste <- 2 * pt(-abs(t_stat), df = df_res) decision <- interpretacion_contraste(p_contraste) tibble( Nivel = nivel, Rama = rama, Curso = curso, intercepto = sprintf("%.3f%s (%.3f)", est_int, asteriscos(pval_int), se_int), pval_intercepto = formatear_p(pval_int), pendiente = sprintf("%.3f%s (%.3f)", est_pend, asteriscos(pval_pend), se_pend), pval_pendiente = formatear_p(pval_pend), r2 = round(r2, 3), pval_contraste = paste0(formatear_p(p_contraste), " (", decision, ")") ) } # --------------------------- # LEY DE ZIPF por Rama # --------------------------- zipf_resultados_rama <- datos_filtrados %>% group_by(Nivel, `Rama de Enseñanza`, Curso) %>% group_split() %>% map_df(~{ .x <- .x %>% mutate(rank = rank(-Valor, ties.method = "first"), log_valor = log(Valor), log_rank = log(rank)) %>% filter(is.finite(log_valor), is.finite(log_rank)) if (nrow(.x) >= 2) { modelo <- lm(log_valor ~ log_rank, data = .x) extraer_resultados(modelo, nivel = unique(.x$Nivel), rama = unique(.x$`Rama de Enseñanza`), curso = unique(.x$Curso), ley = "Zipf") } else { NULL } }) # --------------------------- # LEY DE GIBRAT por Rama # --------------------------- gibrat_resultados_rama <- datos_filtrados %>% arrange(Universidad, Curso) %>% group_by(Nivel, `Rama de Enseñanza`, Universidad) %>% mutate(log_valor = log(Valor), crecimiento = log_valor - lag(log_valor)) %>% ungroup() %>% filter(is.finite(crecimiento), is.finite(log_valor)) %>% group_by(Nivel, `Rama de Enseñanza`, Curso) %>% group_split() %>% map_df(~{ if (nrow(.x) >= 2) { modelo <- lm(crecimiento ~ log_valor, data = .x) extraer_resultados(modelo, nivel = unique(.x$Nivel), rama = unique(.x$`Rama de Enseñanza`), curso = unique(.x$Curso), ley = "Gibrat") } else { NULL } }) # Mostrar resultados cat("\n📌 RESULTADOS LEY DE ZIPF POR RAMA:\n") print(zipf_resultados_rama, n = Inf) cat("\n📌 RESULTADOS LEY DE GIBRAT POR RAMA:\n") print(gibrat_resultados_rama, n = Inf) # Guardar como CSV write.table(zipf_resultados_rama, "zipf_resultados_rama.csv", sep = ";", dec = ",", row.names = FALSE) write.table(gibrat_resultados_rama, "gibrat_resultados_rama.csv", sep = ";", dec = ",", row.names = FALSE) ############################################################################################### ################# GIBRAT Y ZIPF PARA PÚBLICA Y PRIVADA########################################### ############################################################################################### library(readxl) library(dplyr) library(tibble) library(purrr) # Filtrar datos datos_filtrados <- datos %>% filter(Nivel %in% c("Grado", "Máster"), !is.na(Valor), Valor > 0, !is.na(Curso), !is.na(Universidad), !is.na(`Tipo 2`)) # Funciones auxiliares asteriscos <- function(p) { if (is.na(p)) return("") if (p <= 0.01) return("***") if (p <= 0.05) return("**") if (p <= 0.10) return("*") return("") } formatear_p <- function(p) { if (is.na(p)) return(NA) formatC(p, format = "e", digits = 3) } interpretacion_contraste <- function(p) { if (is.na(p)) return("") if (p <= 0.01) return("strongly rejected") if (p <= 0.05) return("rejected") if (p <= 0.10) return("marginal") return("not rejected") } # Función de extracción general extraer_resultados <- function(modelo, nivel, tipo, curso, ley = "Zipf") { resumen <- summary(modelo) coef <- resumen$coefficients r2 <- resumen$r.squared df_res <- resumen$df[2] inter <- coef[1, ] pend <- coef[2, ] est_pend <- pend["Estimate"] se_pend <- pend["Std. Error"] pval_pend <- pend["Pr(>|t|)"] est_int <- inter["Estimate"] se_int <- inter["Std. Error"] pval_int <- inter["Pr(>|t|)"] beta_0 <- ifelse(ley == "Zipf", -1, 0) t_stat <- (est_pend - beta_0) / se_pend p_contraste <- 2 * pt(-abs(t_stat), df = df_res) decision <- interpretacion_contraste(p_contraste) tibble( Nivel = nivel, Tipo = tipo, Curso = curso, intercepto = sprintf("%.3f%s (%.3f)", est_int, asteriscos(pval_int), se_int), pval_intercepto = formatear_p(pval_int), pendiente = sprintf("%.3f%s (%.3f)", est_pend, asteriscos(pval_pend), se_pend), pval_pendiente = formatear_p(pval_pend), r2 = round(r2, 3), pval_contraste = paste0(formatear_p(p_contraste), " (", decision, ")") ) } # ------------------------------- # LEY DE ZIPF por Tipo (Pública/Privada) # ------------------------------- zipf_resultados_tipo <- datos_filtrados %>% group_by(Nivel, `Tipo 2`, Curso) %>% group_split() %>% map_df(~{ .x <- .x %>% mutate(rank = rank(-Valor, ties.method = "first"), log_valor = log(Valor), log_rank = log(rank)) %>% filter(is.finite(log_valor), is.finite(log_rank)) if (nrow(.x) >= 2) { modelo <- lm(log_valor ~ log_rank, data = .x) extraer_resultados(modelo, nivel = unique(.x$Nivel), tipo = unique(.x$`Tipo 2`), curso = unique(.x$Curso), ley = "Zipf") } else { NULL } }) # ------------------------------- # LEY DE GIBRAT por Tipo (Pública/Privada) # ------------------------------- gibrat_resultados_tipo <- datos_filtrados %>% arrange(Universidad, Curso) %>% group_by(Nivel, `Tipo 2`, Universidad) %>% mutate(log_valor = log(Valor), crecimiento = log_valor - lag(log_valor)) %>% ungroup() %>% filter(is.finite(crecimiento), is.finite(log_valor)) %>% group_by(Nivel, `Tipo 2`, Curso) %>% group_split() %>% map_df(~{ if (nrow(.x) >= 2) { modelo <- lm(crecimiento ~ log_valor, data = .x) extraer_resultados(modelo, nivel = unique(.x$Nivel), tipo = unique(.x$`Tipo 2`), curso = unique(.x$Curso), ley = "Gibrat") } else { NULL } }) # ------------------------------- # Mostrar resultados # ------------------------------- cat("\n📌 RESULTADOS LEY DE ZIPF (Públicas y Privadas):\n") print(zipf_resultados_tipo, n = Inf) cat("\n📌 RESULTADOS LEY DE GIBRAT (Públicas y Privadas):\n") print(gibrat_resultados_tipo, n = Inf) # Guardar como CSV write.table(zipf_resultados_tipo, "zipf_resultados_tipo.csv", sep = ";", dec = ",", row.names = FALSE) write.table(gibrat_resultados_tipo, "gibrat_resultados_tipo.csv", sep = ";", dec = ",", row.names = FALSE) ############################################################################################### ################# GIBRAT Y ZIPF PARA PRESENCIAL Y A DISTANCIA########################################### ############################################################################################### library(readxl) library(dplyr) library(tibble) library(purrr) # Filtrar datos datos_filtrados <- datos %>% filter(Nivel %in% c("Grado", "Máster"), !is.na(Valor), Valor > 0, !is.na(Curso), !is.na(Universidad), !is.na(`Tipo 1`)) # Funciones auxiliares asteriscos <- function(p) { if (is.na(p)) return("") if (p <= 0.01) return("***") if (p <= 0.05) return("**") if (p <= 0.10) return("*") return("") } formatear_p <- function(p) { if (is.na(p)) return(NA) formatC(p, format = "e", digits = 3) } interpretacion_contraste <- function(p) { if (is.na(p)) return("") if (p <= 0.01) return("strongly rejected") if (p <= 0.05) return("rejected") if (p <= 0.10) return("marginal") return("not rejected") } extraer_resultados <- function(modelo, nivel, modalidad, curso, ley = "Zipf") { resumen <- summary(modelo) coef <- resumen$coefficients r2 <- resumen$r.squared df_res <- resumen$df[2] inter <- coef[1, ] pend <- coef[2, ] est_pend <- pend["Estimate"] se_pend <- pend["Std. Error"] pval_pend <- pend["Pr(>|t|)"] est_int <- inter["Estimate"] se_int <- inter["Std. Error"] pval_int <- inter["Pr(>|t|)"] beta_0 <- ifelse(ley == "Zipf", -1, 0) t_stat <- (est_pend - beta_0) / se_pend p_contraste <- 2 * pt(-abs(t_stat), df = df_res) decision <- interpretacion_contraste(p_contraste) tibble( Nivel = nivel, Modalidad = modalidad, Curso = curso, intercepto = sprintf("%.3f%s (%.3f)", est_int, asteriscos(pval_int), se_int), pval_intercepto = formatear_p(pval_int), pendiente = sprintf("%.3f%s (%.3f)", est_pend, asteriscos(pval_pend), se_pend), pval_pendiente = formatear_p(pval_pend), r2 = round(r2, 3), pval_contraste = paste0(formatear_p(p_contraste), " (", decision, ")") ) } # ------------------------------- # LEY DE ZIPF por Modalidad (Tipo 1) # ------------------------------- zipf_resultados_modalidad <- datos_filtrados %>% group_by(Nivel, `Tipo 1`, Curso) %>% group_split() %>% map_df(~{ .x <- .x %>% mutate(rank = rank(-Valor, ties.method = "first"), log_valor = log(Valor), log_rank = log(rank)) %>% filter(is.finite(log_valor), is.finite(log_rank)) if (nrow(.x) >= 2) { modelo <- lm(log_valor ~ log_rank, data = .x) extraer_resultados(modelo, nivel = unique(.x$Nivel), modalidad = unique(.x$`Tipo 1`), curso = unique(.x$Curso), ley = "Zipf") } else { NULL } }) # ------------------------------- # LEY DE GIBRAT por Modalidad (Tipo 1) # ------------------------------- gibrat_resultados_modalidad <- datos_filtrados %>% arrange(Universidad, Curso) %>% group_by(Nivel, `Tipo 1`, Universidad) %>% mutate(log_valor = log(Valor), crecimiento = log_valor - lag(log_valor)) %>% ungroup() %>% filter(is.finite(crecimiento), is.finite(log_valor)) %>% group_by(Nivel, `Tipo 1`, Curso) %>% group_split() %>% map_df(~{ if (nrow(.x) >= 2) { modelo <- lm(crecimiento ~ log_valor, data = .x) extraer_resultados(modelo, nivel = unique(.x$Nivel), modalidad = unique(.x$`Tipo 1`), curso = unique(.x$Curso), ley = "Gibrat") } else { NULL } }) # ------------------------------- # Mostrar resultados # ------------------------------- cat("\n📌 RESULTADOS LEY DE ZIPF POR MODALIDAD:\n") print(zipf_resultados_modalidad, n = Inf) cat("\n📌 RESULTADOS LEY DE GIBRAT POR MODALIDAD:\n") print(gibrat_resultados_modalidad, n = Inf) # Guardar como CSV write.table(zipf_resultados_modalidad, "zipf_resultados_modalidad.csv", sep = ";", dec = ",", row.names = FALSE) write.table(gibrat_resultados_modalidad, "gibrat_resultados_modalidad.csv", sep = ";", dec = ",", row.names = FALSE) ########################################################################### ############### PARA HACER GRÁFICOS####################################### ########################################################################## library(dplyr) # Función auxiliar para extraer valor y error estándar de string extraer_valores <- function(x) { nums <- unlist(regmatches(x, gregexpr("-?\\d+\\.\\d+", x))) nums <- as.numeric(nums) list(estimate = nums[1], se = nums[2]) } # Gibrat gibrat_plot <- gibrat_resultados %>% mutate(anio = as.numeric(substr(Curso, 1, 4)), extra = lapply(pendiente, extraer_valores), beta = sapply(extra, function(x) x$estimate), se = sapply(extra, function(x) x$se), Ley = "Gibrat's Law", ymin = beta - 1.96 * se, ymax = beta + 1.96 * se) %>% select(Nivel, anio, beta, ymin, ymax, Ley) %>% rename(valor = beta) # Zipf zipf_plot <- zipf_resultados %>% mutate(anio = as.numeric(substr(Curso, 1, 4)), extra = lapply(pendiente, extraer_valores), alpha = sapply(extra, function(x) x$estimate), se = sapply(extra, function(x) x$se), Ley = "Zipf's Law", ymin = alpha - 1.96 * se, ymax = alpha + 1.96 * se) %>% select(Nivel, anio, alpha, ymin, ymax, Ley) %>% rename(valor = alpha) library(ggplot2) comparacion <- bind_rows(gibrat_plot, zipf_plot) comparacion <- bind_rows(gibrat_plot, zipf_plot) %>% mutate(Nivel = recode(Nivel, "Grado" = "Bachelor", "Máster" = "Master")) comparacion$Degree <- comparacion$Nivel comparacion$Law <- comparacion$Ley ggplot(comparacion, aes(x = anio, y = valor, color = Law, linetype = Degree)) + geom_line(size = 1) + geom_ribbon(aes(ymin = ymin, ymax = ymax, fill = Law), alpha = 0.2, color = NA) + geom_point() + labs( title = "Estimated Coefficients", x = "Academic Year", y = "Coefficient" ) + theme_minimal() + scale_color_manual(values = c("Gibrat's Law" = "darkred", "Zipf's Law" = "steelblue")) + scale_fill_manual(values = c("Gibrat's Law" = "darkred", "Zipf's Law" = "steelblue")) + theme(legend.position = "bottom") library(dplyr) library(ggplot2) # Función auxiliar extraer_valores <- function(x) { nums <- unlist(regmatches(x, gregexpr("-?\\d+\\.\\d+", x))) nums <- as.numeric(nums) list(estimate = nums[1], se = nums[2]) } # Gibrat gibrat_plot_tipo <- gibrat_resultados_tipo %>% mutate(year = as.numeric(substr(Curso, 1, 4)), extra = lapply(pendiente, extraer_valores), beta = sapply(extra, function(x) x$estimate), se = sapply(extra, function(x) x$se), Law = "Gibrat's Law", ymin = beta - 1.96 * se, ymax = beta + 1.96 * se) %>% select(Nivel, Tipo, year, beta, ymin, ymax, Law) %>% rename(value = beta) # Zipf zipf_plot_tipo <- zipf_resultados_tipo %>% mutate(year = as.numeric(substr(Curso, 1, 4)), extra = lapply(pendiente, extraer_valores), alpha = sapply(extra, function(x) x$estimate), se = sapply(extra, function(x) x$se), Law = "Zipf's Law", ymin = alpha - 1.96 * se, ymax = alpha + 1.96 * se) %>% select(Nivel, Tipo, year, alpha, ymin, ymax, Law) %>% rename(value = alpha) # Unir resultados y traducir comparison_tipo <- bind_rows(gibrat_plot_tipo, zipf_plot_tipo) %>% mutate( Degree = recode(Nivel, "Grado" = "Bachelor", "Máster" = "Master"), Type = recode(Tipo, "Pública" = "Public", "Privada" = "Private") ) # Plot con facet_wrap por tipo de universidad ggplot(comparison_tipo, aes(x = year, y = value, color = Law, linetype = Degree)) + geom_line(size = 1) + geom_ribbon(aes(ymin = ymin, ymax = ymax, fill = Law), alpha = 0.2, color = NA) + geom_point() + facet_wrap(~ Type) + labs( title = "Estimated Coefficients by University Type", x = "Academic Year", y = "Coefficient", color = "Law", fill = "Law", linetype = "Degree" ) + theme_minimal() + scale_color_manual(values = c("Gibrat's Law" = "darkred", "Zipf's Law" = "steelblue")) + scale_fill_manual(values = c("Gibrat's Law" = "darkred", "Zipf's Law" = "steelblue")) + theme(legend.position = "bottom") library(dplyr) library(ggplot2) # Función auxiliar para extraer valor y error estándar de string extraer_valores <- function(x) { nums <- unlist(regmatches(x, gregexpr("-?\\d+\\.\\d+", x))) nums <- as.numeric(nums) list(estimate = nums[1], se = nums[2]) } # Gibrat por modalidad gibrat_plot <- gibrat_resultados_modalidad %>% mutate(anio = as.numeric(substr(Curso, 1, 4)), extra = lapply(pendiente, extraer_valores), beta = sapply(extra, function(x) x$estimate), se = sapply(extra, function(x) x$se), Ley = "Gibrat", ymin = beta - 1.96 * se, ymax = beta + 1.96 * se) %>% select(Nivel, Modalidad, anio, beta, ymin, ymax, Ley) %>% rename(valor = beta) # Zipf por modalidad zipf_plot <- zipf_resultados_modalidad %>% mutate(anio = as.numeric(substr(Curso, 1, 4)), extra = lapply(pendiente, extraer_valores), alpha = sapply(extra, function(x) x$estimate), se = sapply(extra, function(x) x$se), Ley = "Zipf", ymin = alpha - 1.96 * se, ymax = alpha + 1.96 * se) %>% select(Nivel, Modalidad, anio, alpha, ymin, ymax, Ley) %>% rename(valor = alpha) # Unir y traducir etiquetas comparacion <- bind_rows(gibrat_plot, zipf_plot) %>% mutate( Degree = recode(Nivel, "Grado" = "Bachelor", "Máster" = "Master"), Law = recode(Ley, "Gibrat" = "Gibrat's Law", "Zipf" = "Zipf's Law"), Modality = recode(Modalidad, "Presencial" = "On-campus Education", "A distancia" = "Online Education", "No Presencial" = "Online Education") ) # Gráfico ggplot(comparacion, aes(x = anio, y = valor, color = Law, linetype = Degree)) + geom_line(size = 1) + geom_ribbon(aes(ymin = ymin, ymax = ymax, fill = Law), alpha = 0.2, color = NA) + geom_point() + facet_wrap(~Modality) + labs( title = "Estimated Coefficients by Education Modality", x = "Academic Year", y = "Coefficient", color = "Law", fill = "Law", linetype = "Degree Level" ) + theme_minimal() + scale_color_manual(values = c("Gibrat's Law" = "darkred", "Zipf's Law" = "steelblue")) + scale_fill_manual(values = c("Gibrat's Law" = "darkred", "Zipf's Law" = "steelblue")) + theme(legend.position = "bottom") library(dplyr) library(ggplot2) # Función auxiliar para extraer valor y error estándar extraer_valores <- function(x) { nums <- unlist(regmatches(x, gregexpr("-?\\d+\\.\\d+", x))) nums <- as.numeric(nums) list(estimate = nums[1], se = nums[2]) } # Gibrat por rama gibrat_plot <- gibrat_resultados_rama %>% mutate(anio = as.numeric(substr(Curso, 1, 4)), extra = lapply(pendiente, extraer_valores), beta = sapply(extra, function(x) x$estimate), se = sapply(extra, function(x) x$se), Ley = "Gibrat", ymin = beta - 1.96 * se, ymax = beta + 1.96 * se) %>% select(Nivel, Rama, anio, beta, ymin, ymax, Ley) %>% rename(valor = beta) # Zipf por rama zipf_plot <- zipf_resultados_rama %>% mutate(anio = as.numeric(substr(Curso, 1, 4)), extra = lapply(pendiente, extraer_valores), alpha = sapply(extra, function(x) x$estimate), se = sapply(extra, function(x) x$se), Ley = "Zipf", ymin = alpha - 1.96 * se, ymax = alpha + 1.96 * se) %>% select(Nivel, Rama, anio, alpha, ymin, ymax, Ley) %>% rename(valor = alpha) # Unir y traducir comparacion <- bind_rows(gibrat_plot, zipf_plot) %>% mutate( Degree = recode(Nivel, "Grado" = "Bachelor", "Máster" = "Master"), Law = recode(Ley, "Gibrat" = "Gibrat's Law", "Zipf" = "Zipf's Law"), Field = recode(Rama, "Artes y Humanidades" = "Arts and Humanities", "Ciencias" = "Natural Sciences", "Ciencias de la Salud" = "Health Sciences", "Ciencias Sociales y Jurídicas" = "Social Sciences and Law", "Ingeniería y Arquitectura" = "Engineering and Architecture") ) # Gráfico por rama ggplot(comparacion, aes(x = anio, y = valor, color = Law, linetype = Degree)) + geom_line(size = 1) + geom_ribbon(aes(ymin = ymin, ymax = ymax, fill = Law), alpha = 0.2, color = NA) + geom_point() + facet_wrap(~Field) + labs( title = "Estimated Coefficients by Field of Study", x = "Academic Year", y = "Coefficient", color = "Law", fill = "Law", linetype = "Degree Level" ) + theme_minimal() + scale_color_manual(values = c("Gibrat's Law" = "darkred", "Zipf's Law" = "steelblue")) + scale_fill_manual(values = c("Gibrat's Law" = "darkred", "Zipf's Law" = "steelblue")) + theme(legend.position = "bottom")