Como Gerar Mapas Utilizando o R e Maptools

Há alguma vantagem em trocar as tradicionais tabelas por gráficos? Eu diria que sim. Percebe-se uma tímida—mas gradativa—mudança no modelo de apresentação de resultados de pesquisa na Ciência Política. Muitos cientistas políticos estão priorizando gráficos às já obsoletas tabelas. Exemplos dessa tendência podem ser vistos em vários trabalhosrecentes, como em Terron e Soares (2010)[1] e Marcelino (2010)[2].Se você quiser ver mais argumentos sobre isso, veja em Kastellec e Leoni (2007)[3] e também em Brady (2011)[4].

De forma ainda mais contundente, o tema é abordado em “Ways of Knowing” por Moses e Knutsen (2007), os quais introduzem na discussão o argumento de que as ciências sociais por serem uma ciência  dividida também diverge na forma de apresentar os resultados. Estes autores, fazem opapel de "advogado do diabo" quando mostram que a Estatística não é uma ciência tão perversa assim como os construtivistas afirmam, e que os gráficos podem ser uma poderosa ferramenta para contextualizar a frieza dos números e aproximar ambos naturalistas e contrutivistas.

Recentemente, a pertinência dos gráficos foi também discutida em uma reunião da “Cadeira de Estudos Eleitorais” aqui no Canadá. O que é
mais importante mencionar da discussão que tivemos é que há evidências de que artigos com gráficos são publicados mais depressa do que os
artigos apenas contendo tabelas. Para mim isso caiu como uma luva, pois desde a  graduação sempre preferi desenhar gráficos à tabelas. De
fato, quando queremos demonstrar alguma relação que é explícita deveríamos destacá-la e não apenas somá-la as demais numa tabela.

Não quero que ninguém me interprete errado. Estatísticas são importantes, mas lhes faltam “senso de contexto”. Eu costumo dizer que
demonstrar resultados por meio de gráficos é a forma mais eficaz de apresentar o que realmente importa sobre um determinado problema.
Gráficos podem fornecer ao leitor uma quantidade enorme de informação sobre relações existentes entre as variáveis em uma simples figura.
Com uma única olhada, o leitor tem uma incrível visão geral do principal ou principais fatores que podem ajudar na compreensão do
problema estudado. Assim, o primeiro passo que daremos nesse sentido é construir cartogramas. Construir cartogramas não é uma tarefa das mais
fáceis, poderíamos começar com gráficos de setores, boxplots, gráficos em barras etc, mas isso tudo está disponível em softwares bastantes
conhecidos e, que inclusive, podem realizar a tarefa mais rapidamente do que o R.

Assim, o que proponho é invertermos as prioridades: começaremos dos mais difíceis aos mais fáceis.

Aqui, iremos aprender como desenhar mapas para melhor apresentar resultados de análises, como tabela de frequências, correlações e
resultados de regressão utilizando o R—um software livre que abriga uma gigantesca quantidade de outros softwares secundários.

Os procedimentos para seguir o screencast são:

 

1) Instalar o R diretamente do repositório: http://r-project.org
Escolha a última versão de acordo com o sistema operacional que você utiliza: Windows, Mac OS, Linux.

(2) Conseguir os shapefiles. Alguns repositórios são:
IBGE: http://www.ibge.gov.br/home/geociencias/default_prod.shtm
GeoPortal AESA: http://www.aesa.pb.gov.br/geoprocessamento/geoportal/shapes.html

(3) Abra seu R e instale algumas bibliotecas essenciais: Maptools, Rgdal, Você pode fazer isso de uma maneira muito mais rápida sem precisar
utilizar os menus. Basta digitar no prompt to programa:

install.packages("maptools",dep=TRUE)
install.packages("RColorBrewer",dep=TRUE)
install.packages("plotrix",dep=TRUE)
install.packages("classInt",dep=TRUE)

(4) Para ativar as bibliotecas necessárias para a tarefa devemos digitar: library(maptools) ou então require(maptools). Observe que não
tem espaço entre o comando e o objeto dentro dos parênteses.

(5) Ler os arquivos shape na memória do R. Tome o cuidado de deixar todos os arquivos baixados juntos na mesma pasta pois são arquivos
complementares. Ou seja, o R precisará ler os dados do arquivo .dbf no momento em que importar o arquivo .shp.  Para ler os arquivos, basta
criar um objeto e usar umas das funções do maptools para ler o shapefile (.shp):

mapa <- readShapeSpatial(file.choose())

(6) Se não houver problemas (o R só vai informar caso encontre problemas), poderemos proceder ajuntando os dados para serem plotados.
Você precisará ter os dados que deseja plotar sobre o cartograma ou então gerar dados aleatórios e ajuntá-los ao arquivo shape:
data <- rnorm(nrow(mapa@data))
(7) Finalmente, você poderá definir os intervalos e as cores com comandos tais como:
intervalos <- c(-Inf,-2,-1,0,1,2,Inf)
cortes <- cut(data, intervalos, include.lowest=TRUE)
niveis <- levels(cortes)
cores <- heat.colors(length(levels(cortes)))
levels(cortes) <- cores

(8) Por fim, com a função plot podemos desenhar o conjunto de informação introduzido no objetos:
plot(mapa, border=gray(0.9), lwd=.1, axes = FALSE, las = 1,
col=as.character(cortes))
Se quiser, poderá agregar ainda legenda, contornos etc.

Basta seguir o screencast para ver como fazer!

 

Daniel Marcelino

[1] http://www.scielo.br/scielo.php?pid=S0104-62762010000200002&script=sci_arttext
[2] http://bdtd.bce.unb.br/tedesimplificado/tde_busca/arquivo.php?codArquivo=6731
[3] Using Graphs Instead of Tables in Political Science: http://eduardoleoni.com/published/graphs.pdf
[4] http://www.apsanet.org/media/Presidential%20address.pdf


Fatal error: Uncaught Exception: 12: REST API is deprecated for versions v2.1 and higher (12) thrown in /home/storage/4/6f/c7/pesquisamaconica/public_html/metodologiapolitica/wp-content/plugins/seo-facebook-comments/facebook/base_facebook.php on line 1273