MODELADO DE BASE DATO

PAQUETES ESTADÍSTICOS

library(openxlsx) 
library(rmarkdown) 
library(tidyverse) 
library(haven) 
library(foreign) 
library(survey)

GENERAMOS UNA RUTA PARA GUARDAR NUESTROS DATOS

Una ruta hacia una carpeta donde almacenaremos los excel que se elaborarán posteriormente, que contarán con dataset de información construida.

ruta <- "C:/Users/Trabajo/Desktop/RDATA"

CARGAR BASES DE DATOS Y UNION DE BASES DE DATOS

#choose.files()
#sumaria2018 <- read_spss("C:\\Users\\Trabajo\\Desktop\\ENAHO 2021\\SUMARIA - 759-Modulo34\\Sumaria-2021.sav")
#sumaria2019 <- read_spss("C:\\Users\\Trabajo\\Desktop\\ENAHO 2021\\SUMARIA - 759-Modulo34\\Sumaria-2021.sav")
#sumaria2020 <- read_spss("C:\\Users\\Trabajo\\Desktop\\ENAHO 2021\\SUMARIA - 759-Modulo34\\Sumaria-2021.sav")
#sumaria2021 <- read_spss("C:\\Users\\Trabajo\\Desktop\\ENAHO 2021\\SUMARIA - 759-Modulo34\\Sumaria-2021.sav")
sumaria2022 <- read_spss("C:\\Users\\DINDES08\\Desktop\\ENAHO\\2022\\Sumaria - 784-Modulo34\\Sumaria-2022.sav")

#empleo2018 <- read_spss("C:\\Users\\Trabajo\\Desktop\\ENAHO 2021\\EMPLEO - 759-Modulo05\\Enaho01A-2021-500.sav")
#empleo2019 <- read_spss("C:\\Users\\Trabajo\\Desktop\\ENAHO 2021\\EMPLEO - 759-Modulo05\\Enaho01A-2021-500.sav")
#empleo2020 <- read_spss("C:\\Users\\Trabajo\\Desktop\\ENAHO 2021\\EMPLEO - 759-Modulo05\\Enaho01A-2021-500.sav")
#empleo2021 <- read_spss("C:\\Users\\Trabajo\\Desktop\\ENAHO 2021\\EMPLEO - 759-Modulo05\\Enaho01A-2021-500.sav")
empleo2022 <- read_spss("C:\\Users\\DINDES08\\Desktop\\ENAHO\\2022\\Empleo 2022 - 784-Modulo05\\Enaho01a-2022-500.sav")

#educacion2018 <- read_spss("C:\\Users\\DINDES08\\Desktop\\ENAHO\\2022\\Educacion - 2022 - 784-Modulo03\\Enaho01A-2022-300.sav")
#educacion2019 <- read_spss("C:\\Users\\DINDES08\\Desktop\\ENAHO\\2022\\Educacion - 2022 - 784-Modulo03\\Enaho01A-2022-300.sav")
#educacion2020 <- read_spss("C:\\Users\\DINDES08\\Desktop\\ENAHO\\2022\\Educacion - 2022 - 784-Modulo03\\Enaho01A-2022-300.sav")
#educacion2021 <- read_spss("C:\\Users\\DINDES08\\Desktop\\ENAHO\\2022\\Educacion - 2022 - 784-Modulo03\\Enaho01A-2022-300.sav")
educacion2022 <- read_spss("C:\\Users\\DINDES08\\Desktop\\ENAHO\\2022\\Educacion - 2022 - 784-Modulo03\\Enaho01A-2022-300.sav")

#alud2018 <- read_dta("C:\\Users\\Trabajo\\Desktop\\ENAHO 2021\\SALUD - 759-Modulo04\\enaho01a-2018-400.dta")
#salud2019 <- read_dta("C:\\Users\\Trabajo\\Desktop\\ENAHO 2021\\SALUD - 759-Modulo04\\enaho01a-2019-400.dta")
#salud2020 <- read_dta("C:\\Users\\Trabajo\\Desktop\\ENAHO 2021\\SALUD - 759-Modulo04\\enaho01a-2020-400.dta")
#salud2021 <- read_dta("C:\\Users\\Trabajo\\Desktop\\ENAHO 2021\\SALUD - 759-Modulo04\\enaho01a-2021-400.dta")
salud2022 <- read_spss("C:\\Users\\DINDES08\\Desktop\\ENAHO\\2022\\Salud - 784-Modulo04\\Enaho01A-2022-400.sav")

educacion2022 <- subset(educacion2022, select = c(CODPERSO,CONGLOME,VIVIENDA,HOGAR,P300A))
salud2022 <- subset(salud2022, select = c(CODPERSO,CONGLOME,VIVIENDA,HOGAR,P401H1,P401H2,P401H3,P401H4,P401H5,P401H6))
sumaria2022 <- subset(sumaria2022, select = c(CONGLOME,VIVIENDA,HOGAR,POBREZA))

enaho0 <- left_join(empleo2022, educacion2022, by=c("CODPERSO","CONGLOME", "VIVIENDA", "HOGAR"))
enaho1 <- left_join(enaho0, salud2022, by=c("CODPERSO","CONGLOME", "VIVIENDA", "HOGAR"))
enaho <- left_join(enaho1,sumaria2022, by =c("CONGLOME","VIVIENDA","HOGAR"))

ELABORACION DE VARIABLES PARA DESAGREGACIONES

VARIABLES TRANSVERSALES

Aquellas variables que nos sirven para realizar las desagregaciones posteriores.

DEPARTAMENTOS

Hay que convertir la variable ubigeo.x (el “.x” es producto de la unión de bases de datos) a numérico para no encontrar problemas al momento de recodificar

enaho$ubigeonum <- as.numeric(enaho$UBIGEO)
enaho <- enaho %>%
  mutate(regiones2 = 
           ifelse(ubigeonum >= 010101 & ubigeonum <= 010707, "Amazonas",
           ifelse(ubigeonum >= 020101 & ubigeonum <= 022008, "Ancash",
           ifelse(ubigeonum >= 030101 & ubigeonum <= 030714, "Apurimac",
           ifelse(ubigeonum >= 040101 & ubigeonum <= 040811, "Arequipa",
           ifelse(ubigeonum >= 050101 & ubigeonum <= 051108, "Ayacucho",
           ifelse(ubigeonum >= 060101 & ubigeonum <= 061311, "Cajamarca",
           ifelse(ubigeonum >= 070101 & ubigeonum <= 070107, "Callao",
           ifelse(ubigeonum >= 080101 & ubigeonum <= 081307, "Cusco",
           ifelse(ubigeonum >= 090101 & ubigeonum <= 090723, "Huancavelica",
           ifelse(ubigeonum >= 100101 & ubigeonum <= 101108, "Huanuco",
           ifelse(ubigeonum >= 110101 & ubigeonum <= 110508, "Ica",
           ifelse(ubigeonum >= 120101 & ubigeonum <= 120909, "Junin",
           ifelse(ubigeonum >= 130101 & ubigeonum <= 131203, "La Libertad",
           ifelse(ubigeonum >= 140101 & ubigeonum <= 140312, "Lambayeque",
           ifelse(ubigeonum >= 150101 & ubigeonum <= 150143, "Lima Metropolitana",
           ifelse(ubigeonum >= 150201 & ubigeonum <= 151033, "Lima Region",
           ifelse(ubigeonum >= 160101 & ubigeonum <= 160804, "Loreto",
           ifelse(ubigeonum >= 170101 & ubigeonum <= 170303, "Madre de Dios",
           ifelse(ubigeonum >= 180101 & ubigeonum <= 180303, "Moquegua",
           ifelse(ubigeonum >= 190101 & ubigeonum <= 190308, "Pasco",
           ifelse(ubigeonum >= 200101 & ubigeonum <= 200806, "Piura",
           ifelse(ubigeonum >= 210101 & ubigeonum <= 211307, "Puno",
           ifelse(ubigeonum >= 220101 & ubigeonum <= 221005, "San Martín",
           ifelse(ubigeonum >= 230101 & ubigeonum <= 230408, "Tacna",
           ifelse(ubigeonum >= 240101 & ubigeonum <= 240304, "Tumbes",
           ifelse(ubigeonum >= 250101 & ubigeonum <= 250401,"Ucayali",NA)))))))))))))))))))))))))))
table(enaho$regiones2, useNA = "alw")
## 
##           Amazonas             Ancash           Apurimac           Arequipa 
##               3126               3578               2313               3942 
##           Ayacucho          Cajamarca             Callao              Cusco 
##               2593               3527               2804               3069 
##       Huancavelica            Huanuco                Ica              Junin 
##               2584               3043               3812               3660 
##        La Libertad         Lambayeque Lima Metropolitana        Lima Region 
##               4065               3991               8548               3678 
##             Loreto      Madre de Dios           Moquegua              Pasco 
##               4108               1437               2291               2131 
##              Piura               Puno         San Martín              Tacna 
##               4447               2667               3569               3221 
##             Tumbes            Ucayali               <NA> 
##               2283               3174                  0

REGIONES NATURALES

enaho <- enaho %>%
  mutate(regnat = ifelse(DOMINIO>=1 & DOMINIO<=3 | DOMINIO==8,"Costa",
                         ifelse(DOMINIO>=4 & DOMINIO<=6,"Sierra",
                                ifelse(DOMINIO==7,"Selva",NA))))
table(enaho$regnat, useNA = "alw")
## 
##  Costa  Selva Sierra   <NA> 
##  38829  18847  29985      0

ÁREA URBANA/RURAL

enaho <- enaho %>%
  mutate(area = ifelse((DOMINIO==8 |
                          (DOMINIO>=1 & DOMINIO<=7) &
                          (ESTRATO>=1 & ESTRATO<=5)), "Urbano",
                       ifelse(((DOMINIO>=1 & DOMINIO<=7) &
                                 (ESTRATO>=6 & ESTRATO<=8)), "Rural", NA)))
table(enaho$area, useNA = "alw")
## 
##  Rural Urbano   <NA> 
##  28845  58816      0

CONDICIÓN DE POBREZA

enaho <- enaho %>%
  mutate(pobreza3 = ifelse(POBREZA==1, "Pobre extremo",
                           ifelse(POBREZA==2, "Pobre no extremo",
                                  ifelse(POBREZA==3, "No pobre", NA
                                  ))))
table(enaho$pobreza3, useNA = "alw")
## 
##         No pobre    Pobre extremo Pobre no extremo             <NA> 
##            67956             4159            15546                0

LENGUA MATERNA

enaho <- enaho %>%
  mutate(lengua = ifelse(P300A==4, "Castellano",
                         ifelse(P300A==1 | P300A==2 | P300A==3, "Originaria", NA)))

enaho$lengua <- as.factor(enaho$lengua)
table(enaho$lengua, useNA = "alw")
## 
## Castellano Originaria       <NA> 
##      68370      17789       1502

DISCAPACIDAD

enaho <- enaho %>%
  mutate(discapacidad =ifelse(P401H1==1|P401H2==1|P401H3==1|
                                P401H4==1|P401H5==1|P401H6==1,1,0))
table(enaho$discapacidad, useNA = "alw")
## 
##     0     1  <NA> 
## 82328  5266    67

ETNICIDAD

table(enaho$P558C, useNA = "alw")
## 
##     1     2     3     4     5     6     7     8     9  <NA> 
## 21160  2883  1883  6047  3701 44600  3626  3517   117   127
enaho <- enaho %>%
  mutate(defiet2 = case_when(
    P558C == 1 ~ "Quechua",
    P558C == 2 ~ "Aimara",
    P558C == 3 ~ "Nativo o indigena de la Amazonia",
    P558C == 4 ~ "Negro/Moreno/Zambo/Mulato/Pueblo Afro peruano o Afrodescendiente",
    P558C == 5 ~ "Blanco",
    P558C == 6 ~ "Mestizo",
    P558C == 7 ~ "otro",
    P558C == 8 ~ "No sabe/No responde",
    P558C == 9 ~ "Nativo o indigena de la Amazonia",
    TRUE ~ NA_character_
  ))
enaho$defiet2 <- as.factor(enaho$defiet2)
table(enaho$defiet2, useNA = "alw")
## 
##                                                           Aimara 
##                                                             2883 
##                                                           Blanco 
##                                                             3701 
##                                                          Mestizo 
##                                                            44600 
##                                 Nativo o indigena de la Amazonia 
##                                                             2000 
## Negro/Moreno/Zambo/Mulato/Pueblo Afro peruano o Afrodescendiente 
##                                                             6047 
##                                              No sabe/No responde 
##                                                             3517 
##                                                             otro 
##                                                             3626 
##                                                          Quechua 
##                                                            21160 
##                                                             <NA> 
##                                                              127

VARIABLES INDICADOR

VARIABLE RESIDENTE

enaho <- enaho %>%
  mutate(res = ifelse((P204==1 & P205==2)|(P204==2 & P206==1),"Residente","No residente"))
enaho$res <- as.factor(enaho$res)
table(enaho$res, useNA = "alw")
## 
## No residente    Residente         <NA> 
##         1390        86271            0

VARIABLE PEA

enaho <- enaho %>%
  mutate(pea = ifelse(P208A>=14 & res=="Residente" & (OCU500==1 | OCU500==2),"PEA","NO PEA"))
enaho$pea <- as.factor(enaho$pea)
table(enaho$pea, useNA = "alw")
## 
## NO PEA    PEA   <NA> 
##  25294  62367      0

VARIABLE OCUPADOS

enaho <- enaho %>%
  mutate(ocupado = ifelse(P208A>=14 & P208A<=98 & res=="Residente" & OCU500==1,"Ocupado","No Ocupado"))
enaho$ocupado <- as.factor(enaho$ocupado)
table(enaho$ocupado, useNA = "alw")
## 
## No Ocupado    Ocupado       <NA> 
##      27221      60440          0
enaho$resid14 <- 
  ifelse(((enaho$P204==1 & enaho$P205==2)|(enaho$P204==2 & enaho$P206==1)) & enaho$P208A>=14 & enaho$CODINFOR != "00", 1, 0)
table(enaho$resid14, useNA = "alw")
## 
##     0     1  <NA> 
##  1513 86148     0

VARIABLE: OCUPADO INFORMAL

#OCUPADO FORMAL
enaho <- enaho %>% 
  mutate (ocuinformal = ifelse(OCUPINF==1 & resid14==1,1,0))
table(enaho$ocuinformal, useNA = "alw")
## 
##     0     1  <NA> 
## 14201 47752 25708
enaho_filtrado <- enaho %>% 
  filter(P208A >= 15 & P208A <= 29)

PONDERACIÓN DE DATOS, DATASETS Y TRASLADO A EXCEL

DISEÑO MUESTRAL

# Diseño muestral
encuesta = svydesign(data=enaho_filtrado, id=~CONGLOME, strata=~ESTRATO,
                     weights=~FAC500A)

# Función para generar un archivo excel con todas las desagregaciones en pestañas
generar_archivo_excel2 <- function(nombre_archivo, datos) {
  workbook <- createWorkbook()
  
  for (i in seq_along(datos)) {
    addWorksheet(workbook, sheetName = paste("Datos", i-1, sep = ""))
    writeData(workbook, sheet = paste("Datos", i-1, sep = ""), x = datos[[i]], colNames = TRUE)
  }
  
  saveWorkbook(workbook, nombre_archivo)
}

DESAGREGACIÓN NACIONAL

# Calcular promedio, coeficiente de variación e intervalos de confianza
tabla0 <- svyby(~ocuinformal, ~pea, encuesta, svymean, deff=F, na.rm=T)
ic0 <- confint(tabla0)
cv0 <- matrix(cv(tabla0), nrow = length(cv(tabla0)), ncol = 1, dimnames = list(names(cv(tabla0)), "Coef. Var."))
datos0<-bind_cols(tabla0, cv0, ic0)
datos0

DESAGREGACION SEGÚN SEXO

tabla1 <- svyby(~ocuinformal, ~pea+P207, encuesta, svymean, deff=F, na.rm=T)
ic1 <- confint(tabla1)
cv1 <- matrix(cv(tabla1), nrow = length(cv(tabla1)), ncol = 1, dimnames = list(names(cv(tabla1)), "Coef. Var."))
datos1<-bind_cols(tabla1, cv1, ic1)
datos1

DESAGREGACIÓN SEGÚN ÁREA URBANA/RURAL

tabla2 <- svyby(~ocuinformal, ~pea+area, encuesta, svymean, deff=F,na.rm=T) #PROMEDIO
ic2 <- confint(tabla2)
cv2 <- matrix(cv(tabla2), nrow = length(cv(tabla2)), ncol = 1, dimnames = list(names(cv(tabla2)), "Coef. Var."))
datos2<-bind_cols(tabla2, cv2, ic2)
datos2

DESAGREGACIÓN SEGUN REGIÓN NATURAL (COSTA, SIERRA, SELVA)

tabla3 <- svyby(~ocuinformal, ~pea+regnat, encuesta, svymean, deff=F, na.rm=T)
ic3 <- confint(tabla3)
cv3 <- matrix(cv(tabla3), nrow = length(cv(tabla3)), ncol = 1, dimnames = list(names(cv(tabla3)), "Coef. Var."))
datos3<-bind_cols(tabla3, cv3, ic3)
datos3

DESAGREGACIÓN SEGÚN DEPARTAMENTOS

tabla4 <- svyby(~ocuinformal, ~pea+regiones2, encuesta, svymean, deff=F, na.rm=T)
ic4 <- confint(tabla4)
cv4 <- matrix(cv(tabla4), nrow = length(cv(tabla4)), ncol = 1, dimnames = list(names(cv(tabla4)), "Coef. Var."))
datos4<-bind_cols(tabla4, cv4, ic4)
datos4

DESAGREGACIÓN SEGUN CONDICIÓN DE POBREZA

tabla5 <- svyby(~ocuinformal, ~pea+pobreza3, encuesta, svymean, deff=F, na.rm=T)
ic5 <- confint(tabla5)
cv5 <- matrix(cv(tabla5), nrow = length(cv(tabla5)), ncol = 1, dimnames = list(names(cv(tabla5)), "Coef. Var."))
datos5<-bind_cols(tabla5, cv5, ic5)
datos5

DESAGREGACIÓN SEGUN DISCAPACIDAD

tabla6 <- svyby(~ocuinformal, ~pea+discapacidad, encuesta, svymean, deff=F, na.rm=T)
ic6 <- confint(tabla6)
cv6 <- matrix(cv(tabla6), nrow = length(cv(tabla6)), ncol = 1, dimnames = list(names(cv(tabla6)), "Coef. Var."))
datos6<-bind_cols(tabla6, cv6, ic6)
datos6

DESAGREGACIÓN SEGÚN ETNICIDAD

tabla7 <- svyby(~ocuinformal, ~pea+defiet2, encuesta, svymean, deff=F, na.rm=T)
ic7 <- confint(tabla7)
cv7 <- matrix(cv(tabla7), nrow = length(cv(tabla7)), ncol = 1, dimnames = list(names(cv(tabla7)), "Coef. Var."))
datos7<-bind_cols(tabla7, cv7, ic7)
datos7

DESAGREGACIÓN SEGÚN LENGUA MATERNA

tabla8 <- svyby(~ocuinformal, ~pea+lengua, encuesta, svymean, deff=F, na.rm=T)
ic8 <- confint(tabla8)
cv8 <- matrix(cv(tabla8), nrow = length(cv(tabla8)), ncol = 1, dimnames = list(names(cv(tabla8)), "Coef. Var."))
datos8<-bind_cols(tabla8, cv8, ic8)
datos8

GENERAR ARCHIVO EXCEL

generar_archivo_excel2("DINDES-25-EMP-05-INDA.xlsx", list(datos0,datos1,datos2,datos3,datos4,datos5,datos6,datos7,datos8))

GUARDAR BD - opcional

#save(enaho,file=paste(ruta,"BASEDEDATOSIndicador1ENDES.RData",sep = "/")) 
#BORRAMOS TODO MENOS "RUTA" 
#rm(list=setdiff(ls(), c("ruta"))) 
#VOLVEMOS A CARGAR NUESTRA BD LIMPIA 
#load(paste(ruta,"BASEDEDATOSIndicador1ENDES.RData",sep="/"))