정치 경제

정치 경제라고하여 정치와 경제는 밀접한 관계가 있다. 정치의 중요한 척도인 대선 득표율과 경제를 대표한다고 볼 수 있는 1인당 소득에 대한 관계를 살펴보자. 2012년 문재인 후보와 박근혜 후보가 보수와 진보를 대표하여 맞짱을 뜬 대선 득표율과 각 시도별 1인당 소득의 상관관계를 살펴보자.

데이터

통계청 KOSIS에서 1인당 개인소득 자료를 중앙선거관리위원회에서 18대선 투표구별 개표결과 데이터를 가공하여 정치 경제 관계를 살펴본다.

행정구역(시도)별 1인당 지역내총생산, 지역총소득, 개인소득
중앙선거관리위원회 → 분야별 정보 → 선거정보 → 하단 자료실
- 제18대 대통령선거 투표구별 개표결과 다운로드

환경설정

엑셀 파일을 불러읽어오기 위해 readxl 팩키지와 시각화에 필요한 팩키지를 불러온다.

library(tidyverse)
library(readxl)
library(ggrepel)
library(ggthemes)
library(extrafont)
loadfonts()

데이터 가져오기

2012년 대선 득표율 데이터와 2012년 시도별 소득데이터를 불러와서 각 후보별 득표율을 계산한다.

# 1. 데이터 가져오기 ---------------------------------------------
## 1.1. 2012년 대선 득표율 ---------------------------------------
vote_df <- read_excel("data/제18대 대선 투표구별 개표자료.xls", skip=3)
# http://stackoverflow.com/questions/28549045/dplyr-select-error-found-duplicated-column-name
valid_column_names <- make.names(names=names(vote_df), unique=TRUE, allow_ = TRUE)
names(vote_df) <- valid_column_names

names(vote_df) <- c("시도명", "구시군명", "읍면동명", "투표구명", "선거인수", "투표수", 
  "박근혜", "문재인", "X.1", "X.2", "X.3", "X.4", "X.5", "무효.투표수", "기권수")

votes_df <- vote_df %>% 
  dplyr::filter(`구시군명` =="합계" & `시도명` !="전국" & `시도명` !="세종특별자치시") %>% 
  dplyr::select(`시도명`, `투표수`, `박근혜`, `문재인`) %>% 
  mutate_each(funs(as.numeric), matches("^[박|문|투]")) %>% 
  mutate(`박득표율` = `박근혜`/`투표수`*100, 
         `문득표율` = `문재인`/`투표수`*100)

## 1.2. 2012년 1인당 소득 ---------------------------------------

income_12_df <- read_excel("data/행정구역_시도_별_1인당_지역내총생산__지역총소득__개인소득_20170430200327.xlsx")
names(income_12_df) <- c("시도명", "총소득", "개인소득", "민간소비")

income_15_df <- read_excel("data/행정구역_시도_별_1인당_지역내총생산__지역총소득__개인소득_20170504151830.xlsx", skip=1)
names(income_15_df) <- c("시도명", "총소득", "개인소득")

incomes_12_df <- income_12_df %>% 
  dplyr::filter(`시도명` !="행정구역(시도)별" & `시도명` !="세종특별자치시") %>% 
  dplyr::select(`시도명`, `개인소득`) %>% 
  mutate_each(funs(as.numeric), dplyr::matches("^[개]"))

incomes_15_df <- income_15_df %>% 
  dplyr::filter(`시도명` !="행정구역(시도)별" & `시도명` !="세종특별자치시") %>% 
  dplyr::select(`시도명`, `개인소득`) %>% 
  mutate_each(funs(as.numeric), dplyr::matches("^[개]"))

## 1.3. 데이터 결합 --------------------------------------------

vote_inc_12_df <- votes_df %>% left_join(incomes_12_df, by="시도명")
vote_inc_15_df <- votes_df %>% left_join(incomes_15_df, by="시도명")

# 2. 데이터 정제 ---------------------------------------------

ratio_12_df <- vote_inc_12_df %>% 
  dplyr::select(시도명, 박득표율, 문득표율, 개인소득) %>% 
  gather(후보, 득표율, -시도명, -개인소득)

ratio_15_df <- vote_inc_15_df %>% 
  dplyr::select(시도명, 박득표율, 문득표율, 개인소득) %>% 
  gather(후보, 득표율, -시도명, -개인소득)

데이터 시각화

2012년 개인소득(경제)과 대선 후보별득표율(정치) 간의 관계를 산점도를 그려보고 lowess 적합을 통해 추세를 시각화한다.

득표율과 2012년 2015년 개인소득 비교 (박근혜, 문재인)

# 3. 데이터 시각화 ---------------------------------------------

ratio_12_g <- ggplot(ratio_12_df, aes(y=`개인소득`, x=`득표율`/100, label=`시도명`, fill=`후보`)) +
  geom_point(aes(y=`개인소득`, x=`득표율`/100, color=`후보`), size=2) +
  geom_text_repel(aes(y=`개인소득`, x=`득표율`/100, label=`시도명`)) +
  geom_smooth(aes(group = 1), se=TRUE, level=0.67, size=1, color="green", alpha=0.1) +
  theme_minimal(base_family="NanumGothic") +
  scale_x_continuous(labels=scales::percent) +
  scale_y_continuous(labels=scales::comma, limits=c(13000, 21000)) +
  theme(legend.position="top", 
        plot.caption=element_text(hjust=0,size=8),
        plot.subtitle=element_text(face="italic"),
        axis.text=element_text(size=9.5),
        axis.title=element_text(size=10.5)) +
  labs(x="",y="개인소득(단위:천원)",title="득표율와 개인소득(2012년)")

ratio_15_g <- ggplot(ratio_15_df, aes(y=`개인소득`, x=`득표율`/100, label=`시도명`, fill=`후보`)) +
  geom_point(aes(y=`개인소득`, x=`득표율`/100, color=`후보`), size=2) +
  geom_text_repel(aes(y=`개인소득`, x=`득표율`/100, label=`시도명`)) +
  geom_smooth(aes(group = 1), se=TRUE, level=0.67, size=1, color="green", alpha=0.1) +
  theme_minimal(base_family="NanumGothic") +
  scale_x_continuous(labels=scales::percent) +
  scale_y_continuous(labels=scales::comma, limits=c(13000, 21000)) +
  theme(legend.position="top", 
        plot.caption=element_text(hjust=0,size=8),
        plot.subtitle=element_text(face="italic"),
        axis.text=element_text(size=9.5),
        axis.title=element_text(size=10.5)) +
  labs(x="",y="",title="득표율와 개인소득(2015년)")

grid.arrange(ratio_12_g, ratio_15_g, ncol=2)

`geom_smooth()` using method = 'loess'
`geom_smooth()` using method = 'loess'

득표율과 2012년 2015년 개인소득 비교 (전체)

# 3. 데이터 시각화 ---------------------------------------------

ratio_12_gg <- ggplot(ratio_12_df, aes(y=`개인소득`, x=`득표율`/100, label=`시도명`)) +
  geom_point(aes(y=`개인소득`, x=`득표율`/100), size=2) +
  geom_text_repel(aes(y=`개인소득`, x=`득표율`/100, label=`시도명`)) +
  geom_smooth(aes(group = 1), se=TRUE, level=0.67, size=1, color="green", alpha=0.1) +
  theme_minimal(base_family="NanumGothic") +
  scale_x_continuous(labels=scales::percent) +
  scale_y_continuous(labels=scales::comma, limits=c(13000, 21000)) +
  theme(legend.position="top", 
        plot.caption=element_text(hjust=0,size=8),
        plot.subtitle=element_text(face="italic"),
        axis.text=element_text(size=9.5),
        axis.title=element_text(size=10.5)) +
  labs(x="",y="개인소득(단위:천원)",title="득표율와 개인소득(2012년)")

ratio_15_gg <- ggplot(ratio_15_df, aes(y=`개인소득`, x=`득표율`/100, label=`시도명`)) +
  geom_point(aes(y=`개인소득`, x=`득표율`/100), size=2) +
  geom_text_repel(aes(y=`개인소득`, x=`득표율`/100, label=`시도명`)) +
  geom_smooth(aes(group = 1), se=TRUE, level=0.67, size=1, color="green", alpha=0.1) +
  theme_minimal(base_family="NanumGothic") +
  scale_x_continuous(labels=scales::percent) +
  scale_y_continuous(labels=scales::comma, limits=c(13000, 21000)) +
  theme(legend.position="top", 
        plot.caption=element_text(hjust=0,size=8),
        plot.subtitle=element_text(face="italic"),
        axis.text=element_text(size=9.5),
        axis.title=element_text(size=10.5)) +
  labs(x="",y="",title="득표율와 개인소득(2015년)")

grid.arrange(ratio_12_gg, ratio_15_gg, ncol=2)

`geom_smooth()` using method = 'loess'
`geom_smooth()` using method = 'loess'

후보별 득표율과 시도별 개인소득

2012년

2012년 박근혜, 문재인 후보 모두 지지율이 올라가면서 1인당 개인소득이 증가하다가 50%를 넘게되면 다시 감소하는 패턴을 보이고 있다.

ggplot(ratio_12_df %>% dplyr::filter(후보=="박득표율"), aes(y=`개인소득`, x=`득표율`/100, label=`시도명`)) +
  geom_point(aes(y=`개인소득`, x=`득표율`/100), size=2, color="red") +
  geom_text_repel(aes(y=`개인소득`, x=`득표율`/100, label=`시도명`)) +
  geom_smooth(aes(group = 1), se=TRUE, level=0.67, size=1, color="red", alpha=0.1) +
  theme_minimal(base_family="NanumGothic") +
  scale_x_continuous(labels=scales::percent) +
  scale_y_continuous(labels=scales::comma) +
  theme(legend.position="none", 
        plot.caption=element_text(hjust=0,size=8),
        plot.subtitle=element_text(face="italic"),
        axis.text=element_text(size=9.5),
        axis.title=element_text(size=10.5)) +
  labs(x="지지율(%)",y="1인당 소득",title="시도별 득표율와 1인당 소득(2012년)",
       caption="\n 자료출처: 선관위 18대 대선 득표수와 통계청 시도별 소득자료")

`geom_smooth()` using method = 'loess'

ggplot(ratio_12_df %>% dplyr::filter(후보=="문득표율"), aes(y=`개인소득`, x=`득표율`/100, label=`시도명`)) +
  geom_point(aes(y=`개인소득`, x=`득표율`/100), size=2, color="blue") +
  geom_text_repel(aes(y=`개인소득`, x=`득표율`/100, label=`시도명`)) +
  geom_smooth(aes(group = 1), se=TRUE, level=0.67, size=1, color="blue", alpha=0.1) +
  theme_minimal(base_family="NanumGothic") +
  scale_x_continuous(labels=scales::percent) +
  scale_y_continuous(labels=scales::comma) +
  theme(legend.position="none", 
        plot.caption=element_text(hjust=0,size=8),
        plot.subtitle=element_text(face="italic"),
        axis.text=element_text(size=9.5),
        axis.title=element_text(size=10.5)) +
  labs(x="지지율(%)",y="1인당 소득",title="시도별 득표율와 1인당 소득(2012년)",
       caption="\n 자료출처: 선관위 18대 대선 득표수와 통계청 시도별 소득자료")

`geom_smooth()` using method = 'loess'

2015년

2015년에도 박근혜, 문재인 후보 모두 지지율이 올라가면서 1인당 개인소득이 증가하다가 50%를 넘게되면 다시 감소하는 패턴을 보이고 있다.

ggplot(ratio_15_df %>% dplyr::filter(후보=="박득표율"), aes(y=`개인소득`, x=`득표율`/100, label=`시도명`)) +
  geom_point(aes(y=`개인소득`, x=`득표율`/100), size=2, color="red") +
  geom_text_repel(aes(y=`개인소득`, x=`득표율`/100, label=`시도명`)) +
  geom_smooth(aes(group = 1), se=TRUE, level=0.67, size=1, color="red", alpha=0.1) +
  theme_minimal(base_family="NanumGothic") +
  scale_x_continuous(labels=scales::percent) +
  scale_y_continuous(labels=scales::comma) +
  theme(legend.position="none", 
        plot.caption=element_text(hjust=0,size=8),
        plot.subtitle=element_text(face="italic"),
        axis.text=element_text(size=9.5),
        axis.title=element_text(size=10.5)) +
  labs(x="지지율(%)",y="1인당 소득",title="시도별 득표율와 1인당 소득(2015년)",
       caption="\n 자료출처: 선관위 18대 대선 득표수와 통계청 시도별 소득자료")

`geom_smooth()` using method = 'loess'

ggplot(ratio_15_df %>% dplyr::filter(후보=="문득표율"), aes(y=`개인소득`, x=`득표율`/100, label=`시도명`)) +
  geom_point(aes(y=`개인소득`, x=`득표율`/100), size=2, color="blue") +
  geom_text_repel(aes(y=`개인소득`, x=`득표율`/100, label=`시도명`)) +
  geom_smooth(aes(group = 1), se=TRUE, level=0.67, size=1, color="blue", alpha=0.1) +
  theme_minimal(base_family="NanumGothic") +
  scale_x_continuous(labels=scales::percent) +
  scale_y_continuous(labels=scales::comma) +
  theme(legend.position="none", 
        plot.caption=element_text(hjust=0,size=8),
        plot.subtitle=element_text(face="italic"),
        axis.text=element_text(size=9.5),
        axis.title=element_text(size=10.5)) +
  labs(x="지지율(%)",y="1인당 소득",title="시도별 득표율와 1인당 소득(2015년)",
       caption="\n 자료출처: 선관위 18대 대선 득표수와 통계청 시도별 소득자료")

`geom_smooth()` using method = 'loess'

4. 데이터 표 ———————————————

DT::datatable(votes_df %>% mutate(`박득표율` = `박득표율`/100, `문득표율`=`문득표율`/100)) %>% 
  DT::formatCurrency(c(2,3,4), currency="", interval=3, mark=",", digits=0) %>% 
  DT::formatPercentage(c('박득표율','문득표율'), digits=1)

incomes_12_df <- incomes_12_df %>% dplyr::rename(`개인소득_12` = 개인소득)
incomes_15_df <- incomes_15_df %>% dplyr::rename(`개인소득_15` = 개인소득)
  
incomes_df <- incomes_12_df %>% left_join(incomes_15_df)

Joining, by = "시도명"

DT::datatable(incomes_df) %>% 
  DT::formatCurrency(c(2,3), currency="", interval=3, mark=",", digits=0)

데이터 과학자가 바라본 20대 총선

소득과 득표율 관계