DINDES-34-PARTI-08-CALG - CONFIANZA DE JÓVENES ENTRE 18 Y 29 AÑOS HACIA INSTITUCIONES PERUANAS (%)

MODELADO DE BASE DATO

PAQUETES ESTADÍSTICOS

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

DESCRIPCIÓN DEL CÁLCULO

SE BUSCA CALCULAR LA CONFIANZA DE LA POBLACIÓN JOVEN SOBRE LAS INSTITUCIONES PÚBLICAS DEL PAÍS. PARA ELLO SE UTILIZA EL MODULO 85 DE LA ENAHO “GOBERNABILIDAD Y DEMOCRACIA”. LAS PREGUNTAS SOBRE CONFIANZA EN INSTITUCIONES “ACTUALMENTE, ¿TIENE USTED CONFIANZA EN INSTITUCIONES TALES COMO …?” DONDE SE EVALUAN LAS SIGUIENTES INSTITUCIONES: JNE RENIEC MINISTERIO DE EDUCACIÓN FFAA IGLESIA CATÓLICA SUNAT DEFENSORIA DEL PUEBLO PNP ONPE RADIO O TELEVISIÓN MINISTERIO PÚBLICO - DEFENSORÍA DE LA NACIÓN MUNICIPALIDAD PROVINCIAL PODER JUDICIAL JNE CONTRALORÍA GENERAL DE LA REPÚBLICA MUNICIPALIDAD DISTRITAL PRENSA ESCRITA COMISIÓN DE ALTO NIVEL ANTICORRUPCIÓN PROCURADORÍA ANTICORRUPCIÓN GOBIERNO REGIONAL CONGRESO DE LA REPÚBLICA PARTIDOS POLÍTICOS DONDE SE CONSIDERALAS RESPUESTAS DE 3) SUFICIENTE Y 4) BASTANTE, COMO INDICADORES DE CONFIANZA EN LAS INSTITUCIONES.

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

choose.files()

## character(0)

goberna2022 <- read_dta("C:\\Users\\Trabajo\\Desktop\\ENAHO\\GOBERNABILIDAD - 759-Modulo85\\enaho01b-2022-1.dta")

caracter2022 <- read_dta("C:\\Users\\Trabajo\\Desktop\\ENAHO\\CMH - 759-Modulo02\\enaho01-2022-200.dta")

caracter2022 <- subset(caracter2022, select = c("conglome","hogar","vivienda","codperso","facpob07"))

UNIÓN DE BASES DE DATOS

enaho_inicial <- left_join(goberna2022, caracter2022, by=c("conglome","vivienda","hogar","codperso"))
enaho <- enaho_inicial

ELABORACION DE VARIABLES PARA DESAGREGACIONES

HAY QUE VOLVER FACTOR A TODAS LAS VARIABLES DE PERCEPCION

enaho <- enaho %>% mutate(JNE = case_when(p1_01==1 ~ "Nada",
                                          p1_01==2 ~ "Poco",
                                          p1_01==3 ~ "Confía",
                                          p1_01==4 ~ "Confía",
                                          p1_01==5 ~ "No sabe",
                                          TRUE ~ NA_character_))
enaho$JNE <- as.factor(enaho$JNE)
table(enaho$JNE, useNA = "alw")

## 
##  Confía    Nada No sabe    Poco    <NA> 
##    4163   10182    4764   12117    2987

enaho <- enaho %>% mutate(ONPE = case_when(p1_02==1 ~ "Nada",
                                          p1_02==2 ~ "Poco",
                                          p1_02==3 ~ "Confía",
                                          p1_02==4 ~ "Confía",
                                          p1_02==5 ~ "No sabe",
                                          TRUE ~ NA_character_))
enaho$ONPE <- as.factor(enaho$ONPE)
table(enaho$ONPE, useNA = "alw")

## 
##  Confía    Nada No sabe    Poco    <NA> 
##    5025    9578    4156   12467    2987

enaho <- enaho %>% mutate(RENIEC = case_when(p1_03==1 ~ "Nada",
                                          p1_03==2 ~ "Poco",
                                          p1_03==3 ~ "Confía",
                                          p1_03==4 ~ "Confía",
                                          p1_03==5 ~ "No sabe",
                                          TRUE ~ NA_character_))
enaho$RENIEC <- as.factor(enaho$RENIEC)
table(enaho$RENIEC, useNA = "alw")

## 
##  Confía    Nada No sabe    Poco    <NA> 
##   15056    4193    1911   10066    2987

enaho <- enaho %>% mutate(MUNIPROV = case_when(p1_04==1 ~ "Nada",
                                          p1_04==2 ~ "Poco",
                                          p1_04==3 ~ "Confía",
                                          p1_04==4 ~ "Confía",
                                          p1_04==5 ~ "No sabe",
                                          TRUE ~ NA_character_))
enaho$MUNIPROV <- as.factor(enaho$MUNIPROV)
table(enaho$MUNIPROV, useNA = "alw")

## 
##  Confía    Nada No sabe    Poco    <NA> 
##    3848   13165    2474   11739    2987

enaho <- enaho %>% mutate(MUNIDIST = case_when(p1_05 == 1 ~ "Nada",
                                          p1_05 == 2 ~ "Poco",
                                          p1_05 == 3 ~ "Confía",
                                          p1_05 == 4 ~ "Confía",
                                          p1_05 == 5 ~ "No sabe",
                                          TRUE ~ NA_character_))
enaho$MUNIDIST <- as.factor(enaho$MUNIDIST)
table(enaho$MUNIDIST, useNA = "always")

## 
##  Confía    Nada No sabe    Poco    <NA> 
##    4159   13212    1653   12202    2987

enaho <- enaho %>% mutate(PNP = case_when(p1_06 == 1 ~ "Nada",
                                          p1_06 == 2 ~ "Poco",
                                          p1_06 == 3 ~ "Confía",
                                          p1_06 == 4 ~ "Confía",
                                          p1_06 == 5 ~ "No sabe",
                                          TRUE ~ NA_character_))
enaho$PNP <- as.factor(enaho$PNP)
table(enaho$PNP, useNA = "always")

## 
##  Confía    Nada No sabe    Poco    <NA> 
##    6212   10695    1386   12933    2987

enaho <- enaho %>% mutate(FFAA = case_when(p1_07 == 1 ~ "Nada",
                                          p1_07 == 2 ~ "Poco",
                                          p1_07 == 3 ~ "Confía",
                                          p1_07 == 4 ~ "Confía",
                                          p1_07 == 5 ~ "No sabe",
                                          TRUE ~ NA_character_))
enaho$FFA <- as.factor(enaho$FFAA)
table(enaho$FFAA, useNA = "always")

## 
##  Confía    Nada No sabe    Poco    <NA> 
##   10332    7531    2728   10635    2987

enaho <- enaho %>% mutate(GOBREG = case_when(p1_08 == 1 ~ "Nada",
                                          p1_08 == 2 ~ "Poco",
                                          p1_08 == 3 ~ "Confía",
                                          p1_08 == 4 ~ "Confía",
                                          p1_08 == 5 ~ "No sabe",
                                          TRUE ~ NA_character_))
enaho$GOBREG <- as.factor(enaho$GOBREG)
table(enaho$GOBREG, useNA = "always")

## 
##  Confía    Nada No sabe    Poco    <NA> 
##    2807   14040    3680   10699    2987

enaho <- enaho %>% mutate(PJ = case_when(p1_09 == 1 ~ "Nada",
                                          p1_09 == 2 ~ "Poco",
                                          p1_09 == 3 ~ "Confía",
                                          p1_09 == 4 ~ "Confía",
                                          p1_09 == 5 ~ "No sabe",
                                          TRUE ~ NA_character_))
enaho$PJ <- as.factor(enaho$PJ)
table(enaho$PJ, useNA = "always")

## 
##  Confía    Nada No sabe    Poco    <NA> 
##    4070   12620    3193   11343    2987

enaho <- enaho %>% mutate(MINEDU = case_when(p1_10 == 1 ~ "Nada",
                                          p1_10 == 2 ~ "Poco",
                                          p1_10 == 3 ~ "Confía",
                                          p1_10 == 4 ~ "Confía",
                                          p1_10 == 5 ~ "No sabe",
                                          TRUE ~ NA_character_))
enaho$MINEDU <- as.factor(enaho$MINEDU)
table(enaho$MINEDU, useNA = "always")

## 
##  Confía    Nada No sabe    Poco    <NA> 
##   12034    4927    1999   12266    2987

enaho <- enaho %>% mutate(DEFPOB = case_when(p1_11 == 1 ~ "Nada",
                                          p1_11 == 2 ~ "Poco",
                                          p1_11 == 3 ~ "Confía",
                                          p1_11 == 4 ~ "Confía",
                                          p1_11 == 5 ~ "No sabe",
                                          TRUE ~ NA_character_))
enaho$DEFPOB <- as.factor(enaho$DEFPOB)
table(enaho$DEFPOB, useNA = "always")

## 
##  Confía    Nada No sabe    Poco    <NA> 
##    6042    8384    5081   11719    2987

enaho <- enaho %>% mutate(CONGRE = case_when(p1_12 == 1 ~ "Nada",
                                          p1_12 == 2 ~ "Poco",
                                          p1_12 == 3 ~ "Confía",
                                          p1_12 == 4 ~ "Confía",
                                          p1_12 == 5 ~ "No sabe",
                                          TRUE ~ NA_character_))
enaho$CONGRE <- as.factor(enaho$CONGRE)
table(enaho$CONGRE, useNA = "always")

## 
##  Confía    Nada No sabe    Poco    <NA> 
##    1611   19634    2333    7648    2987

enaho <- enaho %>% mutate(PARTIDOS = case_when(p1_13 == 1 ~ "Nada",
                                          p1_13 == 2 ~ "Poco",
                                          p1_13 == 3 ~ "Confía",
                                          p1_13 == 4 ~ "Confía",
                                          p1_13 == 5 ~ "No sabe",
                                          TRUE ~ NA_character_))
enaho$PARTIDOS <- as.factor(enaho$PARTIDOS)
table(enaho$PARTIDOS, useNA = "always")

## 
##  Confía    Nada No sabe    Poco    <NA> 
##    1047   20419    2032    7728    2987

enaho <- enaho %>% mutate(PRENSAE = case_when(p1_14 == 1 ~ "Nada",
                                          p1_14 == 2 ~ "Poco",
                                          p1_14 == 3 ~ "Confía",
                                          p1_14 == 4 ~ "Confía",
                                          p1_14 == 5 ~ "No sabe",
                                          TRUE ~ NA_character_))
enaho$PRENSAE <- as.factor(enaho$PRENSAE)
table(enaho$PRENSAE, useNA = "always")

## 
##  Confía    Nada No sabe    Poco    <NA> 
##    3311   13093    2685   12137    2987

enaho <- enaho %>% mutate(RADIOTV = case_when(p1_15 == 1 ~ "Nada",
                                          p1_15 == 2 ~ "Poco",
                                          p1_15 == 3 ~ "Confía",
                                          p1_15 == 4 ~ "Confía",
                                          p1_15 == 5 ~ "No sabe",
                                          TRUE ~ NA_character_))
enaho$RADIOTV <- as.factor(enaho$RADIOTV)
table(enaho$RADIOTV, useNA = "always")

## 
##  Confía    Nada No sabe    Poco    <NA> 
##    5217    9928    1571   14510    2987

enaho <- enaho %>% mutate(IGLESIA = case_when(p1_16 == 1 ~ "Nada",
                                          p1_16 == 2 ~ "Poco",
                                          p1_16 == 3 ~ "Confía",
                                          p1_16 == 4 ~ "Confía",
                                          p1_16 == 5 ~ "No sabe",
                                          TRUE ~ NA_character_))
enaho$IGLESIA <- as.factor(enaho$IGLESIA)
table(enaho$IGLESIA, useNA = "always")

## 
##  Confía    Nada No sabe    Poco    <NA> 
##   14073    7976    1008    8169    2987

enaho <- enaho %>% mutate(PROCURADORIA = case_when(p1_17 == 1 ~ "Nada",
                                          p1_17 == 2 ~ "Poco",
                                          p1_17 == 3 ~ "Confía",
                                          p1_17 == 4 ~ "Confía",
                                          p1_17 == 5 ~ "No sabe",
                                          TRUE ~ NA_character_))
enaho$PROCURADORIA <- as.factor(enaho$PROCURADORIA)
table(enaho$PROCURADORIA, useNA = "always")

## 
##  Confía    Nada No sabe    Poco    <NA> 
##    2948   11170    6933   10175    2987

enaho <- enaho %>% mutate(MINPU = case_when(p1_18 == 1 ~ "Nada",
                                          p1_18 == 2 ~ "Poco",
                                          p1_18 == 3 ~ "Confía",
                                          p1_18 == 4 ~ "Confía",
                                          p1_18 == 5 ~ "No sabe",
                                          TRUE ~ NA_character_))
enaho$MINPU <- as.factor(enaho$MINPU)
table(enaho$MINPU, useNA = "always")

## 
##  Confía    Nada No sabe    Poco    <NA> 
##    3745   10201    5900   11380    2987

enaho <- enaho %>% mutate(CONTRALORIA = case_when(p1_19 == 1 ~ "Nada",
                                          p1_19 == 2 ~ "Poco",
                                          p1_19 == 3 ~ "Confía",
                                          p1_19 == 4 ~ "Confía",
                                          p1_19 == 5 ~ "No sabe",
                                          TRUE ~ NA_character_))
enaho$CONTRALORIA <- as.factor(enaho$CONTRALORIA)
table(enaho$CONTRALORIA, useNA = "always")

## 
##  Confía    Nada No sabe    Poco    <NA> 
##    3382    9790    7647   10407    2987

enaho <- enaho %>% mutate(SUNAT = case_when(p1_20 == 1 ~ "Nada",
                                          p1_20 == 2 ~ "Poco",
                                          p1_20 == 3 ~ "Confía",
                                          p1_20 == 4 ~ "Confía",
                                          p1_20 == 5 ~ "No sabe",
                                          TRUE ~ NA_character_))
enaho$SUNAT <- as.factor(enaho$SUNAT)
table(enaho$SUNAT, useNA = "always")

## 
##  Confía    Nada No sabe    Poco    <NA> 
##    4984    9255    6582   10405    2987

enaho <- enaho %>% mutate(COMANTICO = case_when(p1_21 == 1 ~ "Nada",
                                          p1_21 == 2 ~ "Poco",
                                          p1_21 == 3 ~ "Confía",
                                          p1_21 == 4 ~ "Confía",
                                          p1_21 == 5 ~ "No sabe",
                                          TRUE ~ NA_character_))
enaho$COMANTICO <- as.factor(enaho$COMANTICO)
table(enaho$COMANTICO, useNA = "always")

## 
##  Confía    Nada No sabe    Poco    <NA> 
##    2894   10390    8462    9480    2987

VARIABLE JUVENTUD

enaho <- enaho %>% mutate(Juventud = ifelse(p208_01>=18 & p208_01<=29,"jovenes",NA))
enaho$Juventud <- as.factor(enaho$Juventud)

PONDERACIÓN DE DATOS, DATASETS Y TRASLADO A EXCEL

DISEÑO MUESTRAL

En la enaho2022 no se contempla ‘facgob_p’ se procede a utilizar el ‘famiegob07’. Para 2021 utilizar ‘facgob_p’.

enaho_limpio <- subset(enaho, !is.na(famiegob07))
encuesta = svydesign(data=enaho_limpio, id=~conglome, strata=~estrato,
                     weights=~famiegob07)

# 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)
}

VARIABLES A TABULAR:

JNE

tabla <- svyby(~JNE, ~Juventud, encuesta, svymean, deff=F, na.rm=T)
ic <- confint(tabla)
cv<-cv(tabla)

cv <- t(cv)

tabla <- tabla %>% select(!contains("se."))
tabla <- t(tabla)
tabla <- tabla[-1, , drop = FALSE]

opinion <- c("Confía","Nada","No sabe","Poco")

#GENERAMOS OBJETOS DATOS1 A DATOS21 RESPECTO A LAS INSTITUCIONES QUE EVALUAREMOS
datos1<-bind_cols(opinion,tabla, cv, ic)

#CAMBIAMOS EL PRIMER NOMBRE DEPENDIENDO LA INSTITUCION QUE QUEREMOS EVALUAR
names(datos1) <- c("JNE","%","Coef.Var.","Inf.","Sup")

kable(datos1, format = "markdown")

JNE	%	Coef.Var.	Inf.	Sup
Confía	0.1937853	0.0591540	0.1713179	0.2162527
Nada	0.2540972	0.0437706	0.2322985	0.2758959
No sabe	0.06081072	0.0916939	0.0498820	0.0717394
Poco	0.4913068	0.0261896	0.4660877	0.5165259

ONPE

tabla <- svyby(~ONPE, ~Juventud, encuesta, svymean, deff=F, na.rm=T)
ic <- confint(tabla)
cv<-cv(tabla)

cv <- t(cv)

tabla <- tabla %>% select(!contains("se."))
tabla <- t(tabla)
tabla <- tabla[-1, , drop = FALSE]

opinion <- c("Confía","Nada","No sabe","Poco")

#GENERAMOS OBJETOS DATOS1 A DATOS21 RESPECTO A LAS INSTITUCIONES QUE EVALUAREMOS
datos2<-bind_cols(opinion,tabla, cv, ic)

#CAMBIAMOS EL PRIMER NOMBRE DEPENDIENDO LA INSTITUCION QUE QUEREMOS EVALUAR
names(datos2) <- c("ONPE","%","Coef.Var.","Inf.","Sup")

kable(datos2, format = "markdown")

ONPE	%	Coef.Var.	Inf.	Sup
Confía	0.2640767	0.0448926	0.2408411	0.2873122
Nada	0.2198249	0.0469372	0.1996021	0.2400477
No sabe	0.04946923	0.1053449	0.0392552	0.0596833
Poco	0.4666292	0.0273136	0.4416488	0.4916095

RENIEC

tabla <- svyby(~RENIEC, ~Juventud, encuesta, svymean, deff=F, na.rm=T)
ic <- confint(tabla)
cv<-cv(tabla)

cv <- t(cv)

tabla <- tabla %>% select(!contains("se."))
tabla <- t(tabla)
tabla <- tabla[-1, , drop = FALSE]

opinion <- c("Confía","Nada","No sabe","Poco")

#GENERAMOS OBJETOS DATOS1 A DATOS21 RESPECTO A LAS INSTITUCIONES QUE EVALUAREMOS
datos3<-bind_cols(opinion,tabla, cv, ic)

#CAMBIAMOS EL PRIMER NOMBRE DEPENDIENDO LA INSTITUCION QUE QUEREMOS EVALUAR
names(datos3) <- c("RENIEC","%","Coef.Var.","Inf.","Sup")
kable(datos3, format = "markdown")

RENIEC	%	Coef.Var.	Inf.	Sup
Confía	0.6065459	0.0207276	0.5819048	0.6311871
Nada	0.0899431	0.0846105	0.0750275	0.1048587
No sabe	0.02018287	0.1803143	0.0130501	0.0273157
Poco	0.2833281	0.0393838	0.2614577	0.3051984

MUNICIPALIDAD PROVINCIAL

tabla <- svyby(~MUNIPROV, ~Juventud, encuesta, svymean, deff=F, na.rm=T)
ic <- confint(tabla)
cv<-cv(tabla)

cv <- t(cv)

tabla <- tabla %>% select(!contains("se."))
tabla <- t(tabla)
tabla <- tabla[-1, , drop = FALSE]

opinion <- c("Confía","Nada","No sabe","Poco")

#GENERAMOS OBJETOS DATOS1 A DATOS21 RESPECTO A LAS INSTITUCIONES QUE EVALUAREMOS
datos4<-bind_cols(opinion,tabla, cv, ic)

#CAMBIAMOS EL PRIMER NOMBRE DEPENDIENDO LA INSTITUCION QUE QUEREMOS EVALUAR
names(datos4) <- c("MUNICIPALIDAD PROVINCIAL","%","Coef.Var.","Inf.","Sup")
kable(datos4, format = "markdown")

MUNICIPALIDAD PROVINCIAL	%	Coef.Var.	Inf.	Sup
Confía	0.2097577	0.0610347	0.1846653	0.2348502
Nada	0.2936384	0.0380443	0.2717431	0.3155337
No sabe	0.03896166	0.1267507	0.0292825	0.0486408
Poco	0.4576422	0.0275643	0.4329180	0.4823664

MUNICIPALIDAD DISTRITAL

tabla <- svyby(~MUNIDIST, ~Juventud, encuesta, svymean, deff=F, na.rm=T)
ic <- confint(tabla)
cv<-cv(tabla)

cv <- t(cv)

tabla <- tabla %>% select(!contains("se."))
tabla <- t(tabla)
tabla <- tabla[-1, , drop = FALSE]

opinion <- c("Confía","Nada","No sabe","Poco")

#GENERAMOS OBJETOS DATOS1 A DATOS21 RESPECTO A LAS INSTITUCIONES QUE EVALUAREMOS
datos5<-bind_cols(opinion,tabla, cv, ic)

#CAMBIAMOS EL PRIMER NOMBRE DEPENDIENDO LA INSTITUCION QUE QUEREMOS EVALUAR
names(datos5) <- c("MUNICIPALIDAD DISTRITAL","%","Coef.Var.","Inf.","Sup")
kable(datos5, format = "markdown")

MUNICIPALIDAD DISTRITAL	%	Coef.Var.	Inf.	Sup
Confía	0.1862467	0.0578262	0.1651380	0.2073553
Nada	0.3158828	0.0355451	0.2938762	0.3378894
No sabe	0.02635903	0.1522093	0.0184955	0.0342226
Poco	0.4715115	0.0280129	0.4456236	0.4973995

POLICIA NACIONAL DEL PERÚ

tabla <- svyby(~PNP, ~Juventud, encuesta, svymean, deff=F, na.rm=T)
ic <- confint(tabla)
cv<-cv(tabla)

cv <- t(cv)

tabla <- tabla %>% select(!contains("se."))
tabla <- t(tabla)
tabla <- tabla[-1, , drop = FALSE]

opinion <- c("Confía","Nada","No sabe","Poco")

#GENERAMOS OBJETOS DATOS1 A DATOS21 RESPECTO A LAS INSTITUCIONES QUE EVALUAREMOS
datos6<-bind_cols(opinion,tabla, cv, ic)

#CAMBIAMOS EL PRIMER NOMBRE DEPENDIENDO LA INSTITUCION QUE QUEREMOS EVALUAR
names(datos6) <- c("PNP","%","Coef.Var.","Inf.","Sup")
kable(datos6, format = "markdown")

PNP	%	Coef.Var.	Inf.	Sup
Confía	0.2814374	0.0437290	0.2573162	0.3055586
Nada	0.2551294	0.0426146	0.2338202	0.2764385
No sabe	0.01154393	0.1853868	0.0073494	0.0157384
Poco	0.4518893	0.0280824	0.4270171	0.4767615

FUERZAS ARMADAS

tabla <- svyby(~FFAA, ~Juventud, encuesta, svymean, deff=F, na.rm=T)
ic <- confint(tabla)
cv<-cv(tabla)

cv <- t(cv)

tabla <- tabla %>% select(!contains("se."))
tabla <- t(tabla)
tabla <- tabla[-1, , drop = FALSE]

opinion <- c("Confía","Nada","No sabe","Poco")

#GENERAMOS OBJETOS DATOS1 A DATOS21 RESPECTO A LAS INSTITUCIONES QUE EVALUAREMOS
datos7<-bind_cols(opinion,tabla, cv, ic)

#CAMBIAMOS EL PRIMER NOMBRE DEPENDIENDO LA INSTITUCION QUE QUEREMOS EVALUAR
names(datos7) <- c("FFAA","%","Coef.Var.","Inf.","Sup")
kable(datos7, format = "markdown")

FFAA	%	Coef.Var.	Inf.	Sup
Confía	0.4766428	0.0264146	0.4519662	0.5013195
Nada	0.1518335	0.0615520	0.1335163	0.1701506
No sabe	0.03942237	0.1300359	0.0293750	0.0494698
Poco	0.3321013	0.0354825	0.3090056	0.3551971

GOBIERNO REGIONAL

tabla <- svyby(~GOBREG, ~Juventud, encuesta, svymean, deff=F, na.rm=T)
ic <- confint(tabla)
cv<-cv(tabla)

cv <- t(cv)

tabla <- tabla %>% select(!contains("se."))
tabla <- t(tabla)
tabla <- tabla[-1, , drop = FALSE]

opinion <- c("Confía","Nada","No sabe","Poco")

#GENERAMOS OBJETOS DATOS1 A DATOS21 RESPECTO A LAS INSTITUCIONES QUE EVALUAREMOS
datos8<-bind_cols(opinion,tabla, cv, ic)

#CAMBIAMOS EL PRIMER NOMBRE DEPENDIENDO LA INSTITUCION QUE QUEREMOS EVALUAR
names(datos8) <- c("GOBIERNO REGIONAL","%","Coef.Var.","Inf.","Sup")
kable(datos8, format = "markdown")

GOBIERNO REGIONAL	%	Coef.Var.	Inf.	Sup
Confía	0.1512965	0.0661311	0.1316863	0.1709067
Nada	0.3212349	0.0355045	0.2988810	0.3435888
No sabe	0.06001886	0.1013191	0.0481002	0.0719375
Poco	0.4674498	0.0277452	0.4420300	0.4928695

PODER JUDICIAL

tabla <- svyby(~PJ, ~Juventud, encuesta, svymean, deff=F, na.rm=T)
ic <- confint(tabla)
cv<-cv(tabla)

cv <- t(cv)

tabla <- tabla %>% select(!contains("se."))
tabla <- t(tabla)
tabla <- tabla[-1, , drop = FALSE]

opinion <- c("Confía","Nada","No sabe","Poco")

#GENERAMOS OBJETOS DATOS1 A DATOS21 RESPECTO A LAS INSTITUCIONES QUE EVALUAREMOS
datos9<-bind_cols(opinion,tabla, cv, ic)

#CAMBIAMOS EL PRIMER NOMBRE DEPENDIENDO LA INSTITUCION QUE QUEREMOS EVALUAR
names(datos9) <- c("PODER JUDICIAL","%","Coef.Var.","Inf.","Sup")
kable(datos9, format = "markdown")

PODER JUDICIAL	%	Coef.Var.	Inf.	Sup
Confía	0.2082975	0.0558220	0.1855078	0.2310871
Nada	0.2985195	0.0399536	0.2751432	0.3218959
No sabe	0.03611796	0.1214014	0.0275240	0.0447120
Poco	0.457065	0.0289806	0.4311034	0.4830267

MINISTERIO DE EDUCACIÓN

tabla <- svyby(~MINEDU, ~Juventud, encuesta, svymean, deff=F, na.rm=T)
ic <- confint(tabla)
cv<-cv(tabla)

cv <- t(cv)

tabla <- tabla %>% select(!contains("se."))
tabla <- t(tabla)
tabla <- tabla[-1, , drop = FALSE]

opinion <- c("Confía","Nada","No sabe","Poco")

#GENERAMOS OBJETOS DATOS1 A DATOS21 RESPECTO A LAS INSTITUCIONES QUE EVALUAREMOS
datos10<-bind_cols(opinion,tabla, cv, ic)

#CAMBIAMOS EL PRIMER NOMBRE DEPENDIENDO LA INSTITUCION QUE QUEREMOS EVALUAR
names(datos10) <- c("MINISTERIO DE EDUCACIÓN","%","Coef.Var.","Inf.","Sup")
kable(datos10, format = "markdown")

MINISTERIO DE EDUCACIÓN	%	Coef.Var.	Inf.	Sup
Confía	0.4794645	0.0282130	0.4529518	0.5059772
Nada	0.1249594	0.0726724	0.1071607	0.1427580
No sabe	0.01635456	0.1826233	0.0105007	0.0222084
Poco	0.3792216	0.0322528	0.3552493	0.4031939

DEFENSORÍA DEL PUEBLO

tabla <- svyby(~DEFPOB, ~Juventud, encuesta, svymean, deff=F, na.rm=T)
ic <- confint(tabla)
cv<-cv(tabla)

cv <- t(cv)

tabla <- tabla %>% select(!contains("se."))
tabla <- t(tabla)
tabla <- tabla[-1, , drop = FALSE]

opinion <- c("Confía","Nada","No sabe","Poco")

#GENERAMOS OBJETOS DATOS1 A DATOS21 RESPECTO A LAS INSTITUCIONES QUE EVALUAREMOS
datos11<-bind_cols(opinion,tabla, cv, ic)

#CAMBIAMOS EL PRIMER NOMBRE DEPENDIENDO LA INSTITUCION QUE QUEREMOS EVALUAR
names(datos11) <- c("DEFENSORÍA DEL PUEBLO","%","Coef.Var.","Inf.","Sup")
kable(datos11, format = "markdown")

DEFENSORÍA DEL PUEBLO	%	Coef.Var.	Inf.	Sup
Confía	0.300242	0.0395094	0.2769922	0.3234918
Nada	0.1832288	0.0574616	0.1625931	0.2038646
No sabe	0.07163066	0.0854489	0.0596342	0.0836271
Poco	0.4448985	0.0290368	0.4195789	0.4702182

KONGRESO DE LA REPÚBLICA

tabla <- svyby(~CONGRE, ~Juventud, encuesta, svymean, deff=F, na.rm=T)
ic <- confint(tabla)
cv<-cv(tabla)

cv <- t(cv)

tabla <- tabla %>% select(!contains("se."))
tabla <- t(tabla)
tabla <- tabla[-1, , drop = FALSE]

opinion <- c("Confía","Nada","No sabe","Poco")

#GENERAMOS OBJETOS DATOS1 A DATOS21 RESPECTO A LAS INSTITUCIONES QUE EVALUAREMOS
datos12<-bind_cols(opinion,tabla, cv, ic)

#CAMBIAMOS EL PRIMER NOMBRE DEPENDIENDO LA INSTITUCION QUE QUEREMOS EVALUAR
names(datos12) <- c("CONGRESO DE LA REPÚBLICA","%","Coef.Var.","Inf.","Sup")
kable(datos12, format = "markdown")

CONGRESO DE LA REPÚBLICA	%	Coef.Var.	Inf.	Sup
Confía	0.08244871	0.0940564	0.0672495	0.0976479
Nada	0.5199936	0.0251841	0.4943268	0.5456605
No sabe	0.02247567	0.1649008	0.0152115	0.0297398
Poco	0.375082	0.0333045	0.3505983	0.3995657

PARTIDOS POLÍTICOS

tabla <- svyby(~PARTIDOS, ~Juventud, encuesta, svymean, deff=F, na.rm=T)
ic <- confint(tabla)
cv<-cv(tabla)

cv <- t(cv)

tabla <- tabla %>% select(!contains("se."))
tabla <- t(tabla)
tabla <- tabla[-1, , drop = FALSE]

opinion <- c("Confía","Nada","No sabe","Poco")

#GENERAMOS OBJETOS DATOS1 A DATOS21 RESPECTO A LAS INSTITUCIONES QUE EVALUAREMOS
datos13<-bind_cols(opinion,tabla, cv, ic)

#CAMBIAMOS EL PRIMER NOMBRE DEPENDIENDO LA INSTITUCION QUE QUEREMOS EVALUAR
names(datos13) <- c("PARTIDOS POLÍTICOS","%","Coef.Var.","Inf.","Sup")
kable(datos13, format = "markdown")

PARTIDOS POLÍTICOS	%	Coef.Var.	Inf.	Sup
Confía	0.04573133	0.1145303	0.0354658	0.0559969
Nada	0.5650083	0.0222805	0.5403349	0.5896816
No sabe	0.01601258	0.1583269	0.0110436	0.0209815
Poco	0.3732478	0.0323269	0.3495990	0.3968966

PRENSA ESCRITA

tabla <- svyby(~PRENSAE, ~Juventud, encuesta, svymean, deff=F, na.rm=T)
ic <- confint(tabla)
cv<-cv(tabla)

cv <- t(cv)

tabla <- tabla %>% select(!contains("se."))
tabla <- t(tabla)
tabla <- tabla[-1, , drop = FALSE]

opinion <- c("Confía","Nada","No sabe","Poco")

#GENERAMOS OBJETOS DATOS1 A DATOS21 RESPECTO A LAS INSTITUCIONES QUE EVALUAREMOS
datos14<-bind_cols(opinion,tabla, cv, ic)

#CAMBIAMOS EL PRIMER NOMBRE DEPENDIENDO LA INSTITUCION QUE QUEREMOS EVALUAR
names(datos14) <- c("PRENSA ESCRITA","%","Coef.Var.","Inf.","Sup")
kable(datos14, format = "markdown")

PRENSA ESCRITA	%	Coef.Var.	Inf.	Sup
Confía	0.1791274	0.0545589	0.1599727	0.1982821
Nada	0.3256648	0.0389847	0.3007812	0.3505484
No sabe	0.02482719	0.1521158	0.0174252	0.0322292
Poco	0.4703806	0.0262589	0.4461718	0.4945895

RADIO O TV

tabla <- svyby(~RADIOTV, ~Juventud, encuesta, svymean, deff=F, na.rm=T)
ic <- confint(tabla)
cv<-cv(tabla)

cv <- t(cv)

tabla <- tabla %>% select(!contains("se."))
tabla <- t(tabla)
tabla <- tabla[-1, , drop = FALSE]

opinion <- c("Confía","Nada","No sabe","Poco")

#GENERAMOS OBJETOS DATOS1 A DATOS21 RESPECTO A LAS INSTITUCIONES QUE EVALUAREMOS
datos15<-bind_cols(opinion,tabla, cv, ic)

#CAMBIAMOS EL PRIMER NOMBRE DEPENDIENDO LA INSTITUCION QUE QUEREMOS EVALUAR
names(datos15) <- c("RADIO O TELEVISIÓN","%","Coef.Var.","Inf.","Sup")
kable(datos15, format = "markdown")

RADIO O TELEVISIÓN	%	Coef.Var.	Inf.	Sup
Confía	0.2195979	0.0456573	0.1999468	0.2392489
Nada	0.2540625	0.0502840	0.2290234	0.2791016
No sabe	0.01774084	0.1826093	0.0113913	0.0240904
Poco	0.5085988	0.0254109	0.4832684	0.5339292

IGLESIA CATÓLICA

tabla <- svyby(~IGLESIA, ~Juventud, encuesta, svymean, deff=F, na.rm=T)
ic <- confint(tabla)
cv<-cv(tabla)

cv <- t(cv)

tabla <- tabla %>% select(!contains("se."))
tabla <- t(tabla)
tabla <- tabla[-1, , drop = FALSE]

opinion <- c("Confía","Nada","No sabe","Poco")

#GENERAMOS OBJETOS DATOS1 A DATOS21 RESPECTO A LAS INSTITUCIONES QUE EVALUAREMOS
datos16<-bind_cols(opinion,tabla, cv, ic)

#CAMBIAMOS EL PRIMER NOMBRE DEPENDIENDO LA INSTITUCION QUE QUEREMOS EVALUAR
names(datos16) <- c("IGLESIA CATÓLICA","%","Coef.Var.","Inf.","Sup")
kable(datos16, format = "markdown")

IGLESIA CATÓLICA	%	Coef.Var.	Inf.	Sup
Confía	0.4235988	0.0288748	0.3996258	0.4475718
Nada	0.2409909	0.0456105	0.2194475	0.2625343
No sabe	0.01670164	0.1733653	0.0110266	0.0223767
Poco	0.3187087	0.0379358	0.2950118	0.3424055

PROCURADORÍA ANTICORRUPCIÓN

tabla <- svyby(~PROCURADORIA, ~Juventud, encuesta, svymean, deff=F, na.rm=T)
ic <- confint(tabla)
cv<-cv(tabla)

cv <- t(cv)

tabla <- tabla %>% select(!contains("se."))
tabla <- t(tabla)
tabla <- tabla[-1, , drop = FALSE]

opinion <- c("Confía","Nada","No sabe","Poco")

#GENERAMOS OBJETOS DATOS1 A DATOS21 RESPECTO A LAS INSTITUCIONES QUE EVALUAREMOS
datos17<-bind_cols(opinion,tabla, cv, ic)

#CAMBIAMOS EL PRIMER NOMBRE DEPENDIENDO LA INSTITUCION QUE QUEREMOS EVALUAR
names(datos17) <- c("PROCURADORÍA ANTICORRUPCIÓN","%","Coef.Var.","Inf.","Sup")
kable(datos17, format = "markdown")

PROCURADORÍA ANTICORRUPCIÓN	%	Coef.Var.	Inf.	Sup
Confía	0.1523153	0.0606785	0.1342008	0.1704298
Nada	0.2777249	0.0440103	0.2537688	0.3016811
No sabe	0.1071318	0.0690864	0.0926254	0.1216382
Poco	0.462828	0.0276973	0.4377030	0.4879529

MINISTERIO PÚBLICO - FISCALÍA DE LA NACIÓN

tabla <- svyby(~MINPU, ~Juventud, encuesta, svymean, deff=F, na.rm=T)
ic <- confint(tabla)
cv<-cv(tabla)

cv <- t(cv)

tabla <- tabla %>% select(!contains("se."))
tabla <- t(tabla)
tabla <- tabla[-1, , drop = FALSE]

opinion <- c("Confía","Nada","No sabe","Poco")

#GENERAMOS OBJETOS DATOS1 A DATOS21 RESPECTO A LAS INSTITUCIONES QUE EVALUAREMOS
datos18<-bind_cols(opinion,tabla, cv, ic)

#CAMBIAMOS EL PRIMER NOMBRE DEPENDIENDO LA INSTITUCION QUE QUEREMOS EVALUAR
names(datos18) <- c("MINISTERIO PÚBLICO - FISCALÍA DE LA NACIÓN","%","Coef.Var.","Inf.","Sup")
kable(datos18, format = "markdown")

MINISTERIO PÚBLICO - FISCALÍA DE LA NACIÓN	%	Coef.Var.	Inf.	Sup
Confía	0.2146465	0.0531419	0.1922898	0.2370033
Nada	0.2278224	0.0475050	0.2066103	0.2490344
No sabe	0.07923573	0.0831772	0.0663184	0.0921531
Poco	0.4782954	0.0263322	0.4536105	0.5029803

CONTRALORÍA GENERAL DE LA REPÚBLICA

tabla <- svyby(~CONTRALORIA, ~Juventud, encuesta, svymean, deff=F, na.rm=T)
ic <- confint(tabla)
cv<-cv(tabla)

cv <- t(cv)

tabla <- tabla %>% select(!contains("se."))
tabla <- t(tabla)
tabla <- tabla[-1, , drop = FALSE]

opinion <- c("Confía","Nada","No sabe","Poco")

#GENERAMOS OBJETOS DATOS1 A DATOS21 RESPECTO A LAS INSTITUCIONES QUE EVALUAREMOS
datos19<-bind_cols(opinion,tabla, cv, ic)

#CAMBIAMOS EL PRIMER NOMBRE DEPENDIENDO LA INSTITUCION QUE QUEREMOS EVALUAR
names(datos19) <- c("CONTRALORÍA GENERAL DE LA REPÚBLICA","%","Coef.Var.","Inf.","Sup")
kable(datos19, format = "markdown")

CONTRALORÍA GENERAL DE LA REPÚBLICA	%	Coef.Var.	Inf.	Sup
Confía	0.1913394	0.0583342	0.1694630	0.2132158
Nada	0.2395004	0.0452389	0.2182647	0.2607362
No sabe	0.1263034	0.0624217	0.1108509	0.1417559
Poco	0.4428568	0.0284253	0.4181841	0.4675295

SuperintendenciA Nacional de Aduanas y Administración Tributaria (ADUANAS-SUNAT)?

tabla <- svyby(~SUNAT, ~Juventud, encuesta, svymean, deff=F, na.rm=T)
ic <- confint(tabla)
cv<-cv(tabla)

cv <- t(cv)

tabla <- tabla %>% select(!contains("se."))
tabla <- t(tabla)
tabla <- tabla[-1, , drop = FALSE]

opinion <- c("Confía","Nada","No sabe","Poco")

#GENERAMOS OBJETOS DATOS1 A DATOS21 RESPECTO A LAS INSTITUCIONES QUE EVALUAREMOS
datos20<-bind_cols(opinion,tabla, cv, ic)

#CAMBIAMOS EL PRIMER NOMBRE DEPENDIENDO LA INSTITUCION QUE QUEREMOS EVALUAR
names(datos20) <- c("SUNAT","%","Coef.Var.","Inf.","Sup")
kable(datos20, format = "markdown")

SUNAT	%	Coef.Var.	Inf.	Sup
Confía	0.3087491	0.0401785	0.2844357	0.3330626
Nada	0.1906183	0.0491294	0.1722634	0.2089733
No sabe	0.08269159	0.0791356	0.0698659	0.0955173
Poco	0.4179409	0.0299347	0.3934199	0.4424619

La Comisión de Alto Nivel Anticorrupción

tabla <- svyby(~COMANTICO, ~Juventud, encuesta, svymean, deff=F, na.rm=T)
ic <- confint(tabla)
cv<-cv(tabla)

cv <- t(cv)

tabla <- tabla %>% select(!contains("se."))
tabla <- t(tabla)
tabla <- tabla[-1, , drop = FALSE]

opinion <- c("Confía","Nada","No sabe","Poco")

#GENERAMOS OBJETOS DATOS1 A DATOS21 RESPECTO A LAS INSTITUCIONES QUE EVALUAREMOS
datos21<-bind_cols(opinion,tabla, cv, ic)

#CAMBIAMOS EL PRIMER NOMBRE DEPENDIENDO LA INSTITUCION QUE QUEREMOS EVALUAR
names(datos21) <- c("COMISIÓN DE ALTO NIVEL ANTICORRUPCIÓN","%","Coef.Var.","Inf.","Sup")
kable(datos21, format = "markdown")

COMISIÓN DE ALTO NIVEL ANTICORRUPCIÓN	%	Coef.Var.	Inf.	Sup
Confía	0.1785227	0.0606670	0.1572955	0.1997500
Nada	0.2447341	0.0434139	0.2239098	0.2655584
No sabe	0.1429049	0.0618413	0.1255839	0.1602259
Poco	0.4338383	0.0303721	0.4080126	0.4596639

EXPORTAR A EXCEL

generar_archivo_excel2("INSTITUCIONES.xlsx", list(datos1,datos2,datos3,datos4,datos5,datos6,datos7,datos8,datos9,datos10,datos11,datos12,datos13,datos14,datos15,datos16,datos17,datos18,datos19,datos20,datos21))

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="/"))