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

#choose.files()
modulo1637 <- read_spss("C:\\Users\\Trabajo\\Desktop\\ENDES\\2022\\mort materna y violencia fam - 786-Modulo1637\\REC84DV.sav") #MORTALIDAD MATERNA Y VIOLENCIA FAM
modulo1637 <- subset(modulo1637, select=c("CASEID","QI1003AN","QI1003BN","QI1003CN","QI1003DN","QI1003EN","QI1003FN","D101A","D101B","D101C","D101D","D101E", "D101F","D103A","D103B","D103C","D103D","D105A","D105B","D105C","D105D","D105E","D105F","D105G","D105H","D105I"))
datosmef1 <- read_spss("C:\\Users\\Trabajo\\Desktop\\ENDES\\2022\\Datosmef - 786-Modulo1631\\REC0111.sav") #DATOS MEF MODULO 1631
datosmef2 <- read_spss("C:\\Users\\Trabajo\\Desktop\\ENDES\\2022\\Datosmef - 786-Modulo1631\\REC91.sav") #DATOS MEF MOD 1631
conyugue <- read_spss("C:\\Users\\Trabajo\\Desktop\\ENDES\\2022\\nupcialidad, fec, conyugue y mujer - 786-Modulo1635\\RE516171.sav") #MOD 1635 NUOCIAS, FECUNDIDAD, CONYUGUE Y MUJER
conyugue <- conyugue %>% arrange (CASEID)
salud <- read_spss("C:\\Users\\Trabajo\\Desktop\\ENDES\\2022\\Salud - 786- modulo1640\\CSALUD01.sav")

UNIÓN DE BASES DE DATOS

endes_inicial <- left_join(datosmef1,modulo1637, by=c("CASEID"))
endes_inicial <- left_join(endes_inicial, datosmef2, by=c("CASEID"))
endes_inicial <- left_join(endes_inicial, conyugue, by=c("CASEID"))
endes_inicial <- left_join(endes_inicial, salud, by=c("HHID"))
endes <- endes_inicial

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

endes$ubigeonum <- as.numeric(endes$UBIGEO)
endes <- endes %>%
  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(endes$regiones2, useNA = "alw")
## 
##           Amazonas             Ancash           Apurimac           Arequipa 
##               1443               1353               1228               1385 
##           Ayacucho          Cajamarca             Callao              Cusco 
##               1554               1377               1562               1093 
##       Huancavelica            Huanuco                Ica              Junin 
##               1237               1457               1422               1238 
##        La Libertad         Lambayeque Lima Metropolitana        Lima Region 
##               1377               1478               3683               1392 
##             Loreto      Madre de Dios           Moquegua              Pasco 
##               1696               1261               1278               1215 
##              Piura               Puno         San Martín              Tacna 
##               1535               1067               1470               1358 
##             Tumbes            Ucayali               <NA> 
##               1402               1544                  0

REGIONES NATURALES

endes <- endes %>%
  mutate(regnat = ifelse(SREGION==1 | SREGION==2,"Costa",
                         ifelse(SREGION==3,"Sierra",
                                ifelse(SREGION==4,"Selva",NA))))
table(endes$regnat, useNA = "alw")
## 
##  Costa  Selva Sierra   <NA> 
##  16443   9381  12281      0

ÁREA URBANA/RURAL

endes <- endes %>% mutate(area = ifelse(V025==1, "urbano", "rural"))
table(endes$area, useNA = "alw")
## 
##  rural urbano   <NA> 
##  11570  26535      0

CONDICIÓN DE POBREZA

endes <- endes %>%
  mutate(pobreza3 = ifelse(V190==1, "El más pobre",
                    ifelse(V190==2, "Pobre",
                    ifelse(V190==3, "Medio", 
                    ifelse(V190==4,"Rico", 
                    ifelse(V190==5,"Más Rico",NA))))))
table(endes$pobreza3, useNA = "alw")
## 
## El más pobre     Más Rico        Medio        Pobre         Rico         <NA> 
##        10750         4325         7607         9612         5811            0

LENGUA MATERNA

endes <- endes %>% mutate(lengua = case_when(
  V131 == 1 ~ "Andino/Amazónico",
  V131 == 2 ~ "Andino/Amazónico",
  V131 == 3 ~ "Andino/Amazónico",
  V131 == 4 ~ "Andino/Amazónico",
  V131 == 5 ~ "Andino/Amazónico",
  V131 == 6 ~ "Andino/Amazónico",
  V131 == 7 ~ "Andino/Amazónico", 
  V131 == 8 ~ "Andino/Amazónico",
  V131 == 9 ~ "Andino/Amazónico",
  V131 == 10 ~ "Castellano",
  TRUE ~ NA
))
endes$lengua <- as.factor(endes$lengua)
table(endes$lengua, useNA = "alw")
## 
## Andino/Amazónico       Castellano             <NA> 
##             3562            32158             2385

DISCAPACIDAD

endes <- endes %>% 
  mutate(discapacidad = ifelse(QD333_1==1 | QD333_2 ==1 | QD333_3==1 | QD333_4==1 | QD333_5==1 | QD333_6==1,1,0))

endes <- endes %>% 
  mutate(discapacidad1 = case_when(
    QD333_1 == 1 ~ 1,
    QD333_2 == 1 ~ 1,
    QD333_3 == 1 ~ 1,
    QD333_4 == 1 ~ 1,
    QD333_5 == 1 ~ 1,
    QD333_6 == 1 ~ 1,
    is.na(QD333_1) ~ 0,
    is.na(QD333_2) ~ 0,
    is.na(QD333_3) ~ 0,
    is.na(QD333_4) ~ 0,
    is.na(QD333_5) ~ 0,
    is.na(QD333_6) ~ 0,
    TRUE ~ 0
  ))

endes <- endes %>% 
  mutate(discapacidad2 = case_when(
    QS25C1 == 1 ~ 1,
    QS25C2 == 1 ~ 1,
    QS25C3 == 1 ~ 1,
    QS25C4 == 1 ~ 1,
    QS25C5 == 1 ~ 1,
    QS25C6 == 1 ~ 1,
    is.na(QS25C1) ~ 0,
    is.na(QS25C2) ~ 0,
    is.na(QS25C3) ~ 0,
    is.na(QS25C4) ~ 0,
    is.na(QS25C5) ~ 0,
    is.na(QS25C6) ~ 0,
    TRUE ~ 0
  ))

ETNICIDAD

table(endes$QS25BB, useNA = "alw")
## 
##     1     2     3     4     5     6     7     8    98  <NA> 
## 10198  1069   811   156  3916  2206 14908   274  1765  2802
endes <- endes %>%
  mutate(defiet2 = case_when(
    QS25BB == 1 ~ "Indigena",
    QS25BB == 2 ~ "Indigena",
    QS25BB == 3 ~ "Indigena",
    QS25BB == 4 ~ "Otro",
    QS25BB == 5 ~ "Negro, mulato, Afro peruano",
    QS25BB == 6 ~ "Otro",
    QS25BB == 7 ~ "Mestizo",
    QS25BB == 8 ~ "Otro",
    QS25BB == 98 ~ "No sabe",
    TRUE ~ NA_character_
  ))
endes$defiet2 <- as.factor(endes$defiet2)
table(endes$defiet2, useNA = "alw")
## 
##                    Indigena                     Mestizo 
##                       12078                       14908 
## Negro, mulato, Afro peruano                     No sabe 
##                        3916                        1765 
##                        Otro                        <NA> 
##                        2636                        2802

VARIABLES INDICADOR

MUJERES UNIDAS

Es decir, mujeres que actualmente tienen pareja o lo tuvieron

endes <- endes %>% 
  mutate(unidas = ifelse(V502!=0 & V015==1,1,0))
table(endes$unidas, useNA = "alw")
## 
##     0     1  <NA> 
## 12850 25255     0

VARIABLE JUVENTUD

endes <- endes %>% mutate(Edadcompleta = ifelse(V012>=15 & V012<=49,1,0))
table(endes$Edadcompleta, useNA = "alw")
## 
##     0     1  <NA> 
##  3506 32281  2318
endes <- endes %>% mutate(jovenes = ifelse(V012>=15 & V012<=29,1,0))
table(endes$jovenes, useNA = "alw")
## 
##     0     1  <NA> 
## 20518 15269  2318

MUJERES UNIDAS SEGÚN EDADES

endes <- endes %>% mutate(unidasjoven = ifelse(jovenes==1 & unidas==1,"muj unidas jovenes",NA))
table(endes$unidasjoven, useNA = "alw")
## 
## muj unidas jovenes               <NA> 
##               9167              28938
endes <- endes %>% mutate(unidasedadcomp = ifelse(Edadcompleta==1 & unidas==1,"muj unidas edadcompleta","otrasedades"))
table(endes$unidasedadcomp, useNA = "alw")
## 
## muj unidas edadcompleta             otrasedades                    <NA> 
##                   25243                   12862                       0

VIOLENCIA FÍSICA

endes <- endes %>%
  mutate(ABOFETEO = ifelse(D105B == 0, 0, ifelse(D105B %in% 1:2, 1, 0)),
         PUNHO = ifelse(D105C == 0, 0, ifelse(D105C %in% 1:2, 1, 0)),
         ARRASTRO = ifelse(D105D == 0, 0, ifelse(D105D %in% 1:2, 1, 0)),
         ESTRANGULO = ifelse(D105E == 0, 0, ifelse(D105E %in% 1:2, 1, 0)),
         AMENAZA = ifelse(D105F == 0, 0, ifelse(D105F %in% 1:2, 1, 0)),
         ATACO = ifelse(D105G == 0, 0, ifelse(D105G %in% 1:2, 1, 0)),
         EMPUJO = ifelse(D105A==0, 0, ifelse(D105A %in% 1:2, 1, 0)),
         ATACO = ifelse(D105G==0, 0, ifelse(D105G %in% 1:2, 1, 0)))

endes <- endes %>%
  mutate(VIOL_FIS = ifelse(EMPUJO == 0 & ABOFETEO == 0 & PUNHO == 0 & ARRASTRO == 0 & ESTRANGULO == 0 & AMENAZA == 0 & ATACO == 0, 0, 1))
table(endes$VIOL_FIS, useNA = "alw")
## 
##     0     1  <NA> 
## 19478  1843 16784

VIOLENCIA SEXUAL

endes <- endes %>% 
  mutate(violenciasexual1 = ifelse(D105H== 0, 0, ifelse(D105H %in% 1:2,1,0)),
         Violenciasexual2 = ifelse(D105I== 0, 0, ifelse(D105I %in% 1:2,1,0)))
endes <- endes %>%
  mutate(VIOL_SX = ifelse(violenciasexual1 == 0 & Violenciasexual2 == 0, 0, 1))
table(endes$VIOL_SX, useNA = "alw")
## 
##     0     1  <NA> 
## 20860   461 16784

VIOLENCIA PSICOLÓGICA

endes <- endes %>%
  mutate(viopsi1 = case_when(QI1003AN == 0 ~ 0, QI1003AN %in% 1:2 ~ 1, TRUE ~ 0),
         viopsi2 = case_when(QI1003BN == 0 ~ 0, QI1003BN %in% 1:2 ~ 1, TRUE ~ 0),
         viopsi3 = case_when(QI1003CN == 0 ~ 0, QI1003CN %in% 1:2 ~ 1, TRUE ~ 0),
         viopsi4 = case_when(QI1003DN == 0 ~ 0, QI1003DN %in% 1:2 ~ 1, TRUE ~ 0),
         viopsi5 = case_when(QI1003EN == 0 ~ 0, QI1003EN %in% 1:2 ~ 1, TRUE ~ 0),
         viopsi6 = case_when(QI1003FN == 0 ~ 0, QI1003FN %in% 1:2 ~ 1, TRUE ~ 0))
endes <- endes %>%
  mutate(viopsi7 = case_when(D103A == 0 ~ 0, D103A %in% 1:2 ~ 1, TRUE ~ 0),
         viopsi8 = case_when(D103B == 0 ~ 0, D103B %in% 1:2 ~ 1, TRUE ~ 0),
         viopsi9 = case_when(D103D == 0 ~ 0, D103D %in% 1:2 ~ 1, TRUE ~ 0))
endes <- endes %>%
  mutate(VIOL_psi10 = ifelse(viopsi1 == 0 & viopsi2 == 0 & viopsi3 == 0 & viopsi4 == 0 & viopsi5 == 0 & viopsi6 == 0 & viopsi7 == 0 & viopsi8 == 0 & viopsi9 == 0, 0, 1))
table(endes$VIOL_psi10, useNA = "alw")
## 
##     0     1  <NA> 
## 30672  7433     0

VIOLENCIA FISICA, PSICOLÓGICA Y SEXUAL

endes <- endes %>% 
  mutate(violenciaFSP = ifelse(VIOL_FIS==1 | VIOL_SX==1 | VIOL_psi10==1,1,0))
table(endes$violenciaFSP, useNA = "alw")
## 
##     0     1  <NA> 
## 13671  7650 16784
table(endes$violenciaFSP, endes$lengua, endes$unidasjoven, useNA="alw")
## , ,  = muj unidas jovenes
## 
##       
##        Andino/Amazónico Castellano  <NA>
##   0                 527       4436     6
##   1                 341       2602    10
##   <NA>               91       1150     4
## 
## , ,  = NA
## 
##       
##        Andino/Amazónico Castellano  <NA>
##   0                 996       7690    16
##   1                 469       4223     5
##   <NA>             1138      12057  2344

PONDERACIÓN DE DATOS, DATASETS Y TRASLADO A EXCEL

DISEÑO MUESTRAL Y FUNCION EXPORTAR A EXCEL

# Diseño muestral para la ponderación de valores
encuesta = svydesign(data=endes, id=~V001, strata=NULL,
                     weights=~V005)

# 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

tabla0 <- svyby(~violenciaFSP, ~unidasjoven, 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)
names(datos0) <- c("Violencia FSP-Nacional","%","S.E.","Coef.Var.","Int.Inf.","Int.Sup.")
kable(datos0, format = "markdown")
Violencia FSP-Nacional % S.E. Coef.Var. Int.Inf. Int.Sup.
muj unidas jovenes muj unidas jovenes 0.3805417 0.0112252 0.0294979 0.3585408 0.4025427

DESAGREGACIÓN SEGÚN ÁREA DE DOMICILIO (RURAL / URBANA)

tabla2 <- svyby(~violenciaFSP, ~unidasjoven+area, encuesta, svymean, deff=F, na.rm=T)
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)
names(datos2) <- c("Violencia FSP-Área","Área","%","S.E.","Coef.Var.","Int.Inf.","Int.Sup.")
kable(datos2, format = "markdown")
Violencia FSP-Área Área % S.E. Coef.Var. Int.Inf. Int.Sup.
muj unidas jovenes.rural muj unidas jovenes rural 0.366787 0.0124635 0.0339802 0.3423590 0.3912150
muj unidas jovenes.urbano muj unidas jovenes urbano 0.385317 0.0144834 0.0375882 0.3569301 0.4137039

DESAGREGACIÓN SEGUN REGIÓN NATURAL (COSTA, SIERRA, SELVA)

tabla3 <- svyby(~violenciaFSP, ~unidasjoven+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)
names(datos3) <- c("Violencia FSP-Región Natural","Región Natural","%","S.E.","Coef.Var.","Int.Inf.","Int.Sup.")
kable(datos3, format = "markdown")
Violencia FSP-Región Natural Región Natural % S.E. Coef.Var. Int.Inf. Int.Sup.
muj unidas jovenes.Costa muj unidas jovenes Costa 0.3845353 0.0182385 0.0474300 0.3487885 0.4202821
muj unidas jovenes.Selva muj unidas jovenes Selva 0.3783853 0.0160475 0.0424104 0.3469328 0.4098377
muj unidas jovenes.Sierra muj unidas jovenes Sierra 0.3736019 0.0150616 0.0403146 0.3440817 0.4031222

DESAGREGACIÓN SEGÚN DEPARTAMENTOS

tabla4 <- svyby(~violenciaFSP, ~unidasjoven+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)
names(datos4) <- c("Violencia FSP-Departamentos","Departamentos","%","S.E.","Coef.Var.","Int.Inf.","Int.Sup.")
kable(datos4, format = "markdown")
Violencia FSP-Departamentos Departamentos % S.E. Coef.Var. Int.Inf. Int.Sup.
muj unidas jovenes.Amazonas muj unidas jovenes Amazonas 0.3663928 0.0304160 0.0830148 0.3067785 0.4260072
muj unidas jovenes.Ancash muj unidas jovenes Ancash 0.3808812 0.0406225 0.1066540 0.3012625 0.4604998
muj unidas jovenes.Apurimac muj unidas jovenes Apurimac 0.4366022 0.0394433 0.0903415 0.3592948 0.5139096
muj unidas jovenes.Arequipa muj unidas jovenes Arequipa 0.4389827 0.0447869 0.1020244 0.3512020 0.5267635
muj unidas jovenes.Ayacucho muj unidas jovenes Ayacucho 0.3111724 0.0305163 0.0980688 0.2513616 0.3709832
muj unidas jovenes.Cajamarca muj unidas jovenes Cajamarca 0.3094941 0.0352954 0.1140424 0.2403163 0.3786719
muj unidas jovenes.Callao muj unidas jovenes Callao 0.4179372 0.0473818 0.1133705 0.3250706 0.5108037
muj unidas jovenes.Cusco muj unidas jovenes Cusco 0.4697893 0.0440023 0.0936638 0.3835464 0.5560321
muj unidas jovenes.Huancavelica muj unidas jovenes Huancavelica 0.4423168 0.0398943 0.0901940 0.3641254 0.5205083
muj unidas jovenes.Huanuco muj unidas jovenes Huanuco 0.3461381 0.0385766 0.1114485 0.2705294 0.4217468
muj unidas jovenes.Ica muj unidas jovenes Ica 0.3147933 0.0397706 0.1263389 0.2368443 0.3927423
muj unidas jovenes.Junin muj unidas jovenes Junin 0.4936560 0.0460044 0.0931913 0.4034890 0.5838231
muj unidas jovenes.La Libertad muj unidas jovenes La Libertad 0.3982716 0.0420542 0.1055918 0.3158469 0.4806963
muj unidas jovenes.Lambayeque muj unidas jovenes Lambayeque 0.3374424 0.0382813 0.1134453 0.2624125 0.4124723
muj unidas jovenes.Lima Metropolitana muj unidas jovenes Lima Metropolitana 0.3920497 0.0342534 0.0873701 0.3249143 0.4591852
muj unidas jovenes.Lima Region muj unidas jovenes Lima Region 0.4044800 0.0394315 0.0974870 0.3271956 0.4817644
muj unidas jovenes.Loreto muj unidas jovenes Loreto 0.3763504 0.0361087 0.0959444 0.3055786 0.4471221
muj unidas jovenes.Madre de Dios muj unidas jovenes Madre de Dios 0.4373236 0.0396437 0.0906507 0.3596234 0.5150237
muj unidas jovenes.Moquegua muj unidas jovenes Moquegua 0.4046707 0.0591381 0.1461390 0.2887620 0.5205793
muj unidas jovenes.Pasco muj unidas jovenes Pasco 0.2701991 0.0450449 0.1667099 0.1819128 0.3584854
muj unidas jovenes.Piura muj unidas jovenes Piura 0.3680419 0.0398557 0.1082913 0.2899261 0.4461577
muj unidas jovenes.Puno muj unidas jovenes Puno 0.3700119 0.0455041 0.1229801 0.2808255 0.4591983
muj unidas jovenes.San Martín muj unidas jovenes San Martín 0.3817993 0.0372604 0.0975917 0.3087702 0.4548284
muj unidas jovenes.Tacna muj unidas jovenes Tacna 0.1983645 0.0386205 0.1946948 0.1226697 0.2740593
muj unidas jovenes.Tumbes muj unidas jovenes Tumbes 0.4012633 0.0400955 0.0999233 0.3226774 0.4798491
muj unidas jovenes.Ucayali muj unidas jovenes Ucayali 0.2676255 0.0228876 0.0855209 0.2227666 0.3124843

DESAGREGACIÓN SEGUN CONDICIÓN DE POBREZA

tabla5 <- svyby(~violenciaFSP, ~unidasjoven+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)
names(datos5) <- c("Violencia FSP-Condición de Pobreza","Condición de pobreza","%","S.E.","Coef.Var.","Int.Inf.","Int.Sup.")
kable(datos5, format = "markdown")
Violencia FSP-Condición de Pobreza Condición de pobreza % S.E. Coef.Var. Int.Inf. Int.Sup.
muj unidas jovenes.El más pobre muj unidas jovenes El más pobre 0.3731967 0.0143176 0.0383647 0.3451348 0.4012586
muj unidas jovenes.Más Rico muj unidas jovenes Más Rico 0.2988796 0.0463819 0.1551857 0.2079728 0.3897864
muj unidas jovenes.Medio muj unidas jovenes Medio 0.3742151 0.0253200 0.0676616 0.3245889 0.4238413
muj unidas jovenes.Pobre muj unidas jovenes Pobre 0.4293050 0.0191823 0.0446823 0.3917083 0.4669016
muj unidas jovenes.Rico muj unidas jovenes Rico 0.3728862 0.0326695 0.0876127 0.3088550 0.4369173

DESAGREGACIÓN SEGUN DISCAPACIDAD

tabla6 <- svyby(~violenciaFSP, ~unidasjoven+discapacidad2, 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)
names(datos6) <- c("Violencia FSP-Discapacidad","Discapacidad","%","S.E.","Coef.Var.","Int.Inf.","Int.Sup.")
kable(datos6, format = "markdown")
Violencia FSP-Discapacidad Discapacidad % S.E. Coef.Var. Int.Inf. Int.Sup.
muj unidas jovenes.0 muj unidas jovenes 0 0.3779983 0.0111788 0.0295737 0.3560883 0.3999084
muj unidas jovenes.1 muj unidas jovenes 1 0.6073046 0.1005262 0.1655284 0.4102769 0.8043323

DESAGREGACIÓN SEGÚN ETNICIDAD

tabla7 <- svyby(~violenciaFSP, ~unidasjoven+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)
names(datos7) <- c("Violencia FSP-ETNICIDAD","ETNIA","%","S.E.","Coef.Var.","Int.Inf.","Int.Sup.")
kable(datos7, format = "markdown")
Violencia FSP-ETNICIDAD ETNIA % S.E. Coef.Var. Int.Inf. Int.Sup.
muj unidas jovenes.Indigena muj unidas jovenes Indigena 0.4015913 0.0169839 0.0422915 0.3683034 0.4348791
muj unidas jovenes.Mestizo muj unidas jovenes Mestizo 0.3569904 0.0192445 0.0539077 0.3192718 0.3947090
muj unidas jovenes.Negro, mulato, Afro peruano muj unidas jovenes Negro, mulato, Afro peruano 0.3764237 0.0303535 0.0806365 0.3169320 0.4359155
muj unidas jovenes.No sabe muj unidas jovenes No sabe 0.4139735 0.0477067 0.1152409 0.3204701 0.5074769
muj unidas jovenes.Otro muj unidas jovenes Otro 0.4415118 0.0347153 0.0786283 0.3734711 0.5095526

DESAGREGACIÓN SEGÚN LENGUA MATERNA

tabla8 <- svyby(~violenciaFSP, ~unidasjoven+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)
names(datos8) <- c("Violencia FSP-Lengua Materna","Lengua","%","S.E.","Coef.Var.","Int.Inf.","Int.Sup.")
kable(datos8, format = "markdown")
Violencia FSP-Lengua Materna Lengua % S.E. Coef.Var. Int.Inf. Int.Sup.
muj unidas jovenes.Andino/Amazónico muj unidas jovenes Andino/Amazónico 0.4271733 0.0252026 0.0589986 0.3777770 0.4765695
muj unidas jovenes.Castellano muj unidas jovenes Castellano 0.3743903 0.0117821 0.0314701 0.3512978 0.3974828

GENERAR ARCHIVO EXCEL

generar_archivo_excel2("DINDES-43-DIPOV07-INDA.xlsx", list(datos0, datos2, datos3, datos4, datos5, datos6, datos7, datos8))