nucleo_avaliacao_lideres

nucleo_avaliacao_lideres.R

###################################################################################################

##### Codigo para limpeza dos dados e producao de graficos sobre avaliacao de chefes de Estado
##### Nucleo Jornalismo

###################################################################################################

# Pacotes

library(dplyr)
library(ggplot2)

###################################################################################################

# Banco principal

load("pesquisas_chefes_estado.RData")

###################################################################################################

### Organizar dados: Italia

# Calcular os valores com base 100 (incluindo nao sabe), pois os resultados nao incluem o nao sabe.
# Categorizar as variaveis em confia/nao confia e somar os novos resultados.

italia <- banco %>%
  filter(pais == "Itália") %>%
  group_by(data_fim) %>%
  mutate(valor_naosabe = ifelse(tipo_resposta == "nao sabe", percentual, 0),
         valor_naosabe = sum(valor_naosabe)) %>%
  ungroup() %>%
  mutate(novo_percentual = round(((100-valor_naosabe)*percentual)/100, digits = 0)) %>%
  select(-c(percentual, valor_naosabe)) %>%
  group_by(data_fim) %>%
  mutate(tipo_resposta2 = ifelse(tipo_resposta %in% c("suficiente", "muita"), "confia", tipo_resposta),
         tipo_resposta2 = ifelse(tipo_resposta %in% c("nenhuma", "pouca"), "nao confia", tipo_resposta2)) %>%
  ungroup() %>%
  group_by(data_fim, tipo_resposta2) %>%
  mutate(percentual = sum(novo_percentual)) %>%
  select(-c(novo_percentual, tipo_resposta)) %>%
  rename(tipo_resposta = tipo_resposta2) %>%
  distinct()

###################################################################################################

### Organizar dados: Chile

# Agrupar nao respondeu + nem positivo nem negativo e somar para obter o novo valor

chile <- banco %>%
  filter(pais == "Chile") %>%
  mutate(tipo_resposta2 = case_when(tipo_resposta == "aprova"    ~ "aprova",
                                    tipo_resposta == "desaprova" ~ "desaprova",
                                    tipo_resposta == "nao_respondeu" ~ "nao respondeu / nem nem",
                                    tipo_resposta == "nem_nem"       ~ "nao respondeu / nem nem")) %>%
  group_by(data_fim, tipo_resposta2) %>%
  mutate(novo_percentual = sum(percentual)) %>%
  ungroup() %>%
  select(-c(percentual, tipo_resposta)) %>%
  rename(tipo_resposta = tipo_resposta2, percentual = novo_percentual) %>%
  distinct()

###################################################################################################

### Organizar dados: Franca

# Agrupar os resultados em favoravel e desfavoravel

franca <- banco %>%
  filter(pais == "França") %>%
  mutate(tipo_resposta2 = case_when(tipo_resposta == "um pouco favoravel" ~ "favoravel",
                                    tipo_resposta == "muito favoravel"    ~ "favoravel",
                                    tipo_resposta == "um pouco desfavoravel" ~ "desfavoravel",
                                    tipo_resposta == "muito desfavoravel"    ~ "desfavoravel",
                                    tipo_resposta == "nao respondeu"         ~ "nao respondeu")) %>%
  group_by(data_fim, tipo_resposta2) %>%
  mutate(novo_percentual = sum(percentual)) %>%
  ungroup() %>%
  select(-c(percentual, tipo_resposta)) %>%
  rename(tipo_resposta = tipo_resposta2, percentual = novo_percentual) %>%
  distinct()

###################################################################################################

# Criar banco com as informacoes agrupadas
# Categorizar as respostas em positivo, negativo e outros
# Criar labels para produzir o grafico

banco_novo <- banco %>%
  filter(pais != "Itália" & pais != "Chile" & pais != "França") %>%
  bind_rows(italia, chile, franca) %>%
  mutate(valencia = case_when(tipo_resposta == "aprova"       ~ "Positivo",
                              tipo_resposta == "contrario"    ~ "Negativo",
                              tipo_resposta == "confia"       ~ "Positivo",
                              tipo_resposta == "desaprova"    ~ "Negativo",
                              tipo_resposta == "desfavoravel" ~ "Negativo",
                              tipo_resposta == "favoravel"    ~ "Positivo",
                              tipo_resposta == "insatisfeito"   ~ "Negativo",
                              tipo_resposta == "nao aprova"   ~ "Negativo",
                              tipo_resposta == "nao confia"   ~ "Negativo",
                              tipo_resposta == "nao respondeu" ~ "Outros",
                              tipo_resposta == "neutro ou nao tem opiniao" ~ "Outros",
                              tipo_resposta == "nao respondeu / nem nem" ~ "Outros",
                              tipo_resposta == "nao sabe / nao respondeu" ~ "Outros",
                              tipo_resposta == "nao sabe" ~ "Outros",
                              tipo_resposta == "sem opiniao"  ~ "Outros",
                              tipo_resposta == "satisfeito"   ~ "Positivo"),
         
         pais_label = factor(pais, levels = c("Brasil", "Chile", "EUA", "França", "Itália", "Portugal", "Grã-Bretanha"),
                             labels = c("Brasil\nAprovação da Administração",
                                        "Chile\nAprovação do Presidente",
                                        "EUA\nAprovação do Presidente",
                                        "França\nAvaliação do Presidente",
                                        "Itália\nConfiança no Primeiro-Ministro",
                                        "Portugal\nAprovação do Governo",
                                        "Grã-Bretanha\nSatisfação com o Primeiro-Ministro"))) 

###################################################################################################

##### Gerar grafico com painel de paises

banco_novo %>%
  ggplot(aes(x = data_fim, y = percentual, color = valencia)) +
  geom_point(size = 0.5) +
  geom_line() +
  geom_vline(aes(xintercept = as.Date(dia_caso1)), linetype = "dotted") +
  facet_wrap(~ pais_label) +
  theme_light() +
  theme(plot.title = element_text(hjust = 0.5, size = 12),
        plot.caption = element_text(hjust = 0.5, size = 10),
        axis.text.x =  element_text(hjust = 0.5, size = 7),
        legend.position = "bottom", 
        legend.direction = "horizontal",
        legend.title = element_text(size = 12)) +
  scale_x_date(limits = c(as.Date("2019-06-01"), 
                          as.Date("2020-04-01")),
               breaks = c(as.Date("2019-06-01"), 
                          as.Date("2019-07-01"), 
                          as.Date("2019-08-01"), 
                          as.Date("2019-09-01"), 
                          as.Date("2019-10-01"), 
                          as.Date("2019-11-01"),
                          as.Date("2019-12-01"), 
                          as.Date("2020-01-01"), 
                          as.Date("2020-02-01"),
                          as.Date("2020-03-01"),
                          as.Date("2020-04-01")),
               labels = c("06/\n2019", "", 
                          "08/\n2019", "", 
                          "10/\n2019", "", 
                          "12/\n2019", "", 
                          "02/\n2019", "", 
                          "04/\n2020")) +
  labs(title = "Avaliação de líderes e governos mundiais",
       caption = "Fonte: produzido com dados de Quaest (Brasil), Cadem (Chile), Gallup (EUA),\nIpsos/Le Point (França), Istituto Axè (Itália), Pitagórica (Portugal) e Ipsos-Mori (Grã-Bretanha)",
       x = "Data", y = "%")