# ======================================================== #
#       Tema 12: Evaluación de impacto - Métodos           #
# ======================================================== #

setwd("G:/Mi unidad/3. Trabajos/8. Senamhi  Análisis de datos en R/4. Curso R/Módulo 4")
# Instalar paquetes
install.packages(c("readxl", "dplyr", "broom", "purrr"))

# Cargar librerías
library(readxl)
library(dplyr)
library(broom)
library(purrr)

# Cargar base
data_agri <- read_excel("base_agricultores.xlsx")

# Prueba t ----
t.test(edad ~ tratamiento, data = data_agri)
t.test(ingreso ~ tratamiento, data = data_agri)
t.test(gasto ~ tratamiento, data = data_agri)
t.test(produccion ~ tratamiento, data = data_agri)
t.test(sexo ~ tratamiento, data = data_agri)


 # Tabla de balance
vars <- c("edad","ingreso","gasto","produccion","sexo")

tabla_balance <- data.frame(
  variable = vars,
  media_control = sapply(vars, function(v) mean(data_agri[[v]][data_agri$tratamiento==0], na.rm=TRUE)),
  media_tratado = sapply(vars, function(v) mean(data_agri[[v]][data_agri$tratamiento==1], na.rm=TRUE)),
  p_value = sapply(vars, function(v) t.test(data_agri[[v]] ~ data_agri$tratamiento)$p.value)
)

tabla_balance


# Diferencias en diferencias ----

data_dif <- read_excel("base_DiD_12meses.xlsx")

# Gráfico de tendencias
install.packages("gglopt2")
library(dplyr)
library(ggplot2)

data_dif %>%
  group_by(mes, tratamiento) %>%
  summarise(ingreso_prom = mean(ingreso, na.rm = TRUE)) %>%
  ggplot(aes(x = mes, y = ingreso_prom, color = factor(tratamiento))) +
  geom_line(size = 1.2) +
  geom_point() +
  labs(
    title = "Evolución de ingresos: Tratados vs Control",
    x = "Mes",
    y = "Ingreso promedio",
    color = "Grupo"
  ) +
  scale_color_manual(labels = c("Control", "Tratado"),
                     values = c("blue", "red")) +
  theme_minimal()

# Calculo de average treatment effect (ATE)
modelo <- lm(ingreso ~ tratamiento*post, data = data_dif)

summary(modelo)

# Propensity Score Matching (PSM) ----
install.packages("MatchIt")
library(MatchIt)

# Base
data("lalonde")

table(lalonde$treat)

prop1<-matchit(treat ~ age + educ + race + married + nodegree, data=lalonde, method = "nearest", distance = "glm")

lalondem<-match.data(prop1)

table(lalondem$treat)

t.test(re78 ~ treat, data = lalondem)