Voy a partir de estos datos que obtuve de la página del INEGI, aunque seguramente no son los indicados, pero sirven a modo de ejemplo:
df <- structure(list(estado = c("Aguascalientes", "Baja California",
"Baja California Sur", "Campeche", "Coahuila de Zaragoza", "Colima",
"Chiapas", "Chihuahua", "Ciudad de México", "Durango", "Guanajuato",
"Guerrero", "Hidalgo", "Jalisco", "México", "Michoacán de Ocampo",
"Morelos", "Nayarit", "Nuevo León", "Oaxaca", "Puebla", "Querétaro",
"Quintana Roo", "San Luis Potosí", "Sinaloa", "Sonora", "Tabasco",
"Tamaulipas", "Tlaxcala", "Veracruz de Ignacio de la Llave",
"Yucatán", "Zacatecas"), Y2003 = c(121197.634, 399514.624, 76047.593,
1047511.322, 436573.518, 67732.93, 248123.227, 360426.663, 2132929.372,
152922.727, 438354.387, 182713.981, 179553.378, 794957.322, 1048403.59,
294468.306, 158055.834, 76105.196, 803888.528, 202963.936, 395907.258,
212106.713, 144233.02, 224280.267, 268247.066, 365533.727, 374891.404,
391574.439, 83254.186, 613590.201, 161636.497, 101406.31), Y2016 = c(216329.062,
528019.895, 134229.433, 601213.978, 583337.17, 101187.003, 290720.226,
540519.412, 2961088.314, 202334.385, 689459.704, 237009.518,
264151.579, 1161974.794, 1482034.153, 408268.071, 192332.162,
119713.978, 1238927.405, 256500.787, 553207.194, 386014.465,
263393.367, 342645.563, 381751.628, 567728.069, 529964.246, 490654.467,
97276.984, 803433.088, 242440.579, 156594.847)), row.names = c(NA,
-32L), class = c("tbl_df", "tbl", "data.frame"))
Un gráfico básico tipo scatterplot podría ser así:
library(ggplot2)
ggplot(df, aes(x=Y2003, y=Y2016)) +
labs(title = "PIBE Estatal Mexico 2003 - 2016",
x = "Año 2003",
y = "Año 2016",
caption = "Fuente: elaboración popia con datos del INEGI") +
geom_point(col="blue") +
geom_text(aes(label=estado))

El principal problema de este gráfico, sin duda, es la ciudad de México cuyos valores se "escapan" mucho del resto, provocando una acumulación de puntos para el resto de los estados, el otro problema es que las etiquetas de los puntos no se ubican del todo bien.
Para resolver la acumulación de puntos, hay dos trucos que puedes usar: (1) modificar las escalas x
e y
por una escala logarítmica, lo cual hará que los puntos se ajusten mejor, el otro, es ajustar el alpha
o transparencia, lo que permite distinguir aquellos casos en que los puntos se solapan. Para (2) el problema de las etiquetas, es recomendable usar el paquete ggrepel
, te ofrece la gráfica geom_text_repel
que remplaza el geom_text
por un texto mucho mejor ubicado.
Por otro lado, tienes otras dudas:
- Como dibujar la línea de regresión y las horizontales y verticales dados un
x
y un y
. Para la línea de regresión, podemos claro, calcular la pendiente ejecutando un modelo lineal o directamente usar geom_smooth()
. Las otras lineas las dibujaremos con geom_hline()
y geom_vline()
- En cuanto al formato de los números en las etiquetas de los ejes, podemos definir la función
scales::comma
para formatearlos de forma más legible
Ejemplo:
library(ggrepel)
ggplot(df, aes(x=Y2003, y=Y2016)) +
labs(title = "PIBE Estatal Mexico 2003 - 2016",
x = "Año 2003",
y = "Año 2016",
caption = "Fuente: elaboración popia con datos del INEGI") +
geom_point(col="blue", size = 3, alpha=0.5) +
geom_smooth(method = "lm", color="red", se = FALSE) +
geom_text_repel(aes(label=estado), label.padding=.1, seed=1234, fill = NA, alpha=0.7, size = 3) + geom_hline(aes(yintercept=2000000), color="red") +
geom_hline(aes(yintercept=2000000), color="red") +
geom_vline(aes(xintercept=2000000), color="red") +
scale_x_log10(labels = scales::comma) +
scale_y_log10(labels = scales::comma)

Agregamos la leyenda para la línea de tendencia y configuramos algo más el tema:
ggplot(df, aes(x=Y2003, y=Y2016)) +
labs(title = "PIBE Estatal Mexico 2003 - 2016",
x = "Año 2003",
y = "Año 2016",
caption = "Fuente: elaboración popia con datos del INEGI") +
geom_point(col="blue", size = 3, alpha=0.5) +
scale_x_log10(labels = scales::comma) +
scale_y_log10(labels = scales::comma) +
geom_smooth(aes(color = 'Tendencia'), method = "lm", se = FALSE, show.legend = TRUE) +
geom_text_repel(aes(label=estado), label.padding=.1, seed=1234, fill = NA, alpha=0.7, size = 3) + geom_hline(aes(yintercept=2000000), color="red") +
geom_hline(aes(yintercept=2000000), color="red") +
geom_vline(aes(xintercept=2000000), color="red") +
theme_bw() +
theme(legend.position="bottom", legend.box = "horizontal", legend.title=element_blank())
