DESCRIPCIÓN DEL INDICADOR

MODELADO DE BASE DATO

PAQUETES ESTADÍSTICOS

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

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

cmh <- read_dta("C:\\Users\\DINDES08\\Desktop\\ENAHO\\cmh-784-Modulo02\\enaho01-2022-200.dta")
sumaria2022 <- read_dta("C:\\Users\\DINDES08\\Desktop\\ENAHO\\sumaria-784-Modulo34\\sumaria-2022.dta")
educacion2022 <- read_dta("C:\\Users\\DINDES08\\Desktop\\ENAHO\\educacion-784-Modulo03\\enaho01a-2022-300.dta")
salud2022 <- read_dta("C:\\Users\\DINDES08\\Desktop\\ENAHO\\salud-784-Modulo04\\enaho01a-2022-400.dta")
empleo2022 <- read_dta("C:\\Users\\DINDES08\\Desktop\\ENAHO\\empleo-ingresos-784-Modulo05\\enaho01a-2022-500.dta")

sumaria2022 <- subset(sumaria2022, select= c("conglome","hogar","vivienda","pobreza","estrsocial"))
empleo2022 <- subset(empleo2022, select = c("codperso","conglome","vivienda","hogar","p558c")) 
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"))

UNIÓN DE BASES DE DATOS

enaho0 <- left_join(cmh, educacion2022, by=c("codperso","conglome", "vivienda", "hogar"))
enaho1 <- left_join(enaho0, salud2022, by=c("codperso","conglome", "vivienda", "hogar"))
enaho2 <- left_join(enaho1, empleo2022, by=c("codperso","conglome", "vivienda", "hogar"))
enaho <- left_join(enaho2,sumaria2022, by =c("conglome", "vivienda", "hogar"))

ELABORACIÓN DE VARIABLES PARA DESAGREGACIONES

VARIABLES GENERALES

DEPARTAMENTOS

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 
##               4668               5020               3141               5306 
##           Ayacucho          Cajamarca             Callao              Cusco 
##               3632               4870               3684               4016 
##       Huancavelica            Huanuco                Ica              Junin 
##               3524               4497               5178               4998 
##        La Libertad         Lambayeque Lima Metropolitana        Lima Region 
##               5677               5467              10856               4926 
##             Loreto      Madre de Dios           Moquegua              Pasco 
##               6490               2056               2946               3119 
##              Piura               Puno         San Martín              Tacna 
##               6375               3396               5201               4161 
##             Tumbes            Ucayali               <NA> 
##               3148               4901                  0

EDAD: JUVENTUD

enaho <- enaho %>% mutate(Juventud = ifelse(p208a>=15 & p208a<=29,"jovenes",NA))
enaho$Juventud <- as.factor(enaho$Juventud)

enaho <- enaho %>% mutate(pobtotal = ifelse(p208a>=15,"poblacion total",NA))
enaho$pobtotal <- as.factor(enaho$pobtotal)

VARIABLES INDICADOR

CONDICIÓN DE POBREZA

enaho <- enaho %>%
  mutate(pobreza3 = case_when(
    pobreza == 1 ~ "Pobre extremo",
    pobreza == 2 ~ "Pobre no extremo",
    pobreza == 3 ~ "No pobre",
    TRUE ~ NA_character_
  ))

PONDERACIÓN DE DATOS, DATASETS Y TRASLADO A EXCEL

DISEÑO MUESTRAL

# Diseño muestral para la ponderación de valores
encuesta = svydesign(data=enaho, id=~conglome, strata=~estrato,
                     weights=~facpob07)

# 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 POBLACIÓN JOVEN

tabla1 <- svyby(~pobreza3, ~Juventud, encuesta, svymean, deff=F, na.rm=T)
cv1<-cv(tabla1)

names(cv1) <- c("Coef. Var. No pobre", "Coef. Var. Pobre extremo", "Coef. Var. Pobre No extremo")

tabla1 <- tabla1 %>% select(!contains("se."))
names(tabla1) <- c("Juventud","No pobre","Pobre extremo","Pobre No extremo")

datos1<-bind_cols(tabla1, cv1)
kable(datos1, format = "markdown")

	Juventud	No pobre	Pobre extremo	Pobre No extremo	Coef. Var. No pobre	Coef. Var. Pobre extremo	Coef. Var. Pobre No extremo
jovenes	jovenes	0.7440863	0.0413697	0.214544	0.0083467	0.0577761	0.0269689

DESAGREGACIÓN SEGÚN DEPARTAMENTOS

tabla4 <- svyby(~pobreza3, ~Juventud+regiones2, encuesta, svymean, deff=F, na.rm=T)
cv4<-cv(tabla4)

names(cv4) <- c("Coef. Var. No pobre", "Coef. Var. Pobre extremo", "Coef. Var. Pobre No extremo")

tabla4 <- tabla4 %>% select(!contains("se."))
names(tabla4) <- c("Juventud","Departamentos","No pobre","Pobre extremo","Pobre No extremo")

datos4<-bind_cols(tabla4, cv4)

kable(datos4, format = "markdown")

	Juventud	Departamentos	No pobre	Pobre extremo	Pobre No extremo	Coef. Var. No pobre	Coef. Var. Pobre extremo	Coef. Var. Pobre No extremo
jovenes.Amazonas	jovenes	Amazonas	0.7501534	0.0664109	0.1834357	0.0365106	0.2230240	0.1288610
jovenes.Ancash	jovenes	Ancash	0.8219702	0.0330884	0.1449414	0.0258168	0.2410685	0.1316352
jovenes.Apurimac	jovenes	Apurimac	0.7963316	0.0113678	0.1923006	0.0336537	0.3069272	0.1373547
jovenes.Arequipa	jovenes	Arequipa	0.8915793	0.0140041	0.0944166	0.0195763	0.2991273	0.1816501
jovenes.Ayacucho	jovenes	Ayacucho	0.6291714	0.0821561	0.2886725	0.0545506	0.1853991	0.1055225
jovenes.Cajamarca	jovenes	Cajamarca	0.5925035	0.1751356	0.2323608	0.0517138	0.1136795	0.0954782
jovenes.Callao	jovenes	Callao	0.7137706	0.0365858	0.2496437	0.0421397	0.2737433	0.1101305
jovenes.Cusco	jovenes	Cusco	0.8110025	0.0241298	0.1648678	0.0276129	0.2795660	0.1269746
jovenes.Huancavelica	jovenes	Huancavelica	0.6808576	0.0729649	0.2461776	0.0408290	0.1998224	0.1029051
jovenes.Huanuco	jovenes	Huanuco	0.6366780	0.1068369	0.2564851	0.0460752	0.1669326	0.1041835
jovenes.Ica	jovenes	Ica	0.9583921	0.0000000	0.0416079	0.0119017	NaN	0.2741425
jovenes.Junin	jovenes	Junin	0.8052509	0.0311797	0.1635694	0.0262585	0.2343342	0.1178425
jovenes.La Libertad	jovenes	La Libertad	0.7626948	0.0339905	0.2033148	0.0279273	0.2708315	0.0944823
jovenes.Lambayeque	jovenes	Lambayeque	0.8622585	0.0073159	0.1304256	0.0186187	0.4583566	0.1194523
jovenes.Lima Metropolitana	jovenes	Lima Metropolitana	0.7310776	0.0232279	0.2456945	0.0214508	0.2315347	0.0599559
jovenes.Lima Region	jovenes	Lima Region	0.7715781	0.0309697	0.1974522	0.0310632	0.2391726	0.1148276
jovenes.Loreto	jovenes	Loreto	0.6423476	0.1125878	0.2450646	0.0396874	0.1485195	0.0816292
jovenes.Madre de Dios	jovenes	Madre de Dios	0.8773769	0.0100712	0.1125519	0.0336260	0.6160127	0.2457181
jovenes.Moquegua	jovenes	Moquegua	0.9042411	0.0151948	0.0805641	0.0220417	0.4056900	0.2337884
jovenes.Pasco	jovenes	Pasco	0.6344877	0.0701374	0.2953749	0.0587293	0.2012609	0.1195261
jovenes.Piura	jovenes	Piura	0.6905610	0.0308566	0.2785825	0.0309384	0.2387890	0.0740094
jovenes.Puno	jovenes	Puno	0.6149701	0.0846424	0.3003875	0.0505436	0.1819776	0.0985813
jovenes.San Martín	jovenes	San Martín	0.7689535	0.0405260	0.1905205	0.0323486	0.2829174	0.1128549
jovenes.Tacna	jovenes	Tacna	0.7652002	0.0302780	0.2045219	0.0339826	0.5433306	0.1243425
jovenes.Tumbes	jovenes	Tumbes	0.7709526	0.0003081	0.2287393	0.0421136	0.7156681	0.1419742
jovenes.Ucayali	jovenes	Ucayali	0.7871739	0.0280066	0.1848195	0.0323515	0.2973910	0.1248744

GENERAR ARCHIVO EXCEL

generar_archivo_excel2("DINDES-42-DEMO-04-CALG.xlsx", list(datos1,datos4))

DINDES-42-DEMO-04-CALG - DISTRIBUCIÓN DE LA POBLACIÓN JOVEN SEGÚN CONDICIÓN DE POBREZA

Dirección de Investigación y Desarrollo (DINDES) de la Secretaría Nacional de Juventud (SENAJU). Especialistas a cargo: Gianmarco Muñoz Bazán & Manuel Vargas de la Torre

2023-05-23

DESCRIPCIÓN DEL INDICADOR

MODELADO DE BASE DATO

PAQUETES ESTADÍSTICOS

GENERAMOS UNA RUTA PARA GUARDAR NUESTROS DATOS

CARGAR BASES DE DATOS

UNIÓN DE BASES DE DATOS

ELABORACIÓN DE VARIABLES PARA DESAGREGACIONES

VARIABLES GENERALES

DEPARTAMENTOS

EDAD: JUVENTUD

VARIABLES INDICADOR

CONDICIÓN DE POBREZA

PONDERACIÓN DE DATOS, DATASETS Y TRASLADO A EXCEL

DISEÑO MUESTRAL

DESAGREGACIÓN NACIONAL POBLACIÓN JOVEN

DESAGREGACIÓN SEGÚN DEPARTAMENTOS

GENERAR ARCHIVO EXCEL