Introdução

Salários sempre foram uma das partes principais de se conquistar um emprego e qualificações adicionais para manter os diferenciais nos currículos de cada um, mas há questões que podem ou não influenciar na quantidade de remuneração que um indivíduo recebe por seus serviços prestados. Com isso em mente, foi gerada uma base de dados com pesquisas, informações em sites de anúncios de empregos e algumas outras fontes disponibilizadas ao público geral, que gerou 6.704 dados coletados dentro de 6 variáveis analisadas: idade, gênero, nível educacional, profissão, anos de experiência e salário.

Com essas informações, poderemos realizar um trabalho com o intuito de analisar como essas variáveis influenciam os salários dos indivíduos que responderam às pesquisas e na maneira como ou se isso impacta o mundo em geral.

Objetivo

Neste trabalho, o objetivo geral é analisar os dados dos valores de salários, que é uma das variáveis, junto a uma relação com as outras 5 variáveis.

Já de uma perspectiva específica, esse relatório analisará se e como algumas variáveis tem influência sobre os salários, ou seja, se a idade, os anos de experiência, o nível educacional, o gênero e a profissão influenciam ou não os valores de salário dos funcionários.

Mais precisamente, temos o objetivo central de responder as seguintes perguntas de pesquisa:

.Se o gênero dos funcionários implica nos ganhos de salário;

.Se o nível educacional do funcionário influencia no salário;

.Se a profissão do funcionário influencia no salário;

.Se quem possui mais anos de experiência ganha mas;

.Se a idade dos funcionários tem influência no salário.

Analisaremos também como esses resultados são impactantes para o meio social, se há influência de fatores externos nas hipóteses, suas possíveis causas e conclusões sobre essas análises.

Metodologia

Foi utilizada nesse relatório a base de dados coletada do site “kaggle” dos colaboradores: “Mohith Sai Ram Reddy, JG Sukumar e Nikhileswar Sambangi”, denominada “Salary_data.csv”.

Para a importação e continuidade de algumas funções do relatório, também foi acrescido o carregamento dos pacotes necessários.

A atualização dos dados é feita anualmente, o que garante uma base com informações atualizadas e precisas.

Essa base de dados, bem como suas variáveis e informações, se encontra na lingua inglesa, então houveram algumas alterações no idioma e nos títulos das análises para melhor entendimento do trabalho.

Também houve uma alteração na variável “Gênero”, onde foi inserido um filtro para retirar os dados do gênero que constava como “Outros” para a realização de uma das hipóteses.

Seguindo as alterações, foi utilizado um filtro para retirada de “dados faltantes” (os famosos NA), assim foi possível realizar todos os tipos de tabelas, gráficos e hipóteses.

Por último, nossa base de dados que antes inicializou como “Salario” foi transformada e finalizada como “Salario3”.

Realizamos outras limpezas de dados para obter resultados de forma mais específica e exata, como a alteração no nível educacional “Phd”, onde antes constava como “phd”, alteramos para “Phd”. Também foi feita uma tabela para “Profissões” para determinar mais precisamente quantos funcionários existem em cada profissão, para evitar dados onde há apenas 1 funcionário em alguma profissão, transformando o relatório em um documento com análises mais precisas e informativas.

Segue abaixo a base de dados escolhida e os pacotes necessários:

library(dplyr)
library(kableExtra)
library(flextable)
library(ggplot2)
library(corrplot)
library(nortest)
library(mgcv)
library(DT)

Salario <- read.csv("C:/Users/eduar/Downloads/Salary_Data.csv")

kable(Salario, row.names = FALSE)%>%
  kable_styling( full_width = T,bootstrap_options = c("striped", "hover", "condensed", "responsive"), 
                 position = "center", fixed_thead = T) %>%
  scroll_box(width = "900px", height = "600px")