CHargement des packages + définition du répertoire de travail et chargmeent de la base
library(haven)library(tidyverse)
── Attaching core tidyverse packages ──────────────────────── tidyverse 2.0.0 ──
✔ dplyr 1.1.4 ✔ readr 2.1.5
✔ forcats 1.0.0 ✔ stringr 1.5.1
✔ ggplot2 3.4.4 ✔ tibble 3.2.1
✔ lubridate 1.9.3 ✔ tidyr 1.3.1
✔ purrr 1.0.2
── Conflicts ────────────────────────────────────────── tidyverse_conflicts() ──
✖ dplyr::filter() masks stats::filter()
✖ dplyr::lag() masks stats::lag()
ℹ Use the conflicted package (<http://conflicted.r-lib.org/>) to force all conflicts to become errors
library(questionr)setwd("C:/Users/bmotteba/Nextcloud/Donnees/Bresil/OD_SaoPaulo/OD_2017/Banco de dados")OD_2017 <-read_sav("OD_2017.sav")
Tirage + fusion
##tirage aléatoire de 1 000 ménagesset.seed(777) # Assure la reproductibilité du tirage aléatoireOD_2017_sample <- OD_2017 %>%distinct(id_dom) %>%# Sélectionne des ménages uniquessample_n(1000) # Effectue un tirage aléatoire de 1000 ménages## Jointure de l'échantillon avec la table originaleOD_2017_filtered <- OD_2017 %>%semi_join(OD_2017_sample, by ="id_dom")
Recodage
####### RECODAGES## Recodage de OD_2017_filtered$qt_auto en OD_2017_filtered$qt_auto_recOD_2017_filtered$qt_auto_rec <- OD_2017_filtered$qt_auto %>%as.character() %>%fct_recode("2"="3","2"="4","2"="8" ) %>%fct_explicit_na("0") %>%as.character() %>%as.numeric()
Warning: `fct_explicit_na()` was deprecated in forcats 1.0.0.
ℹ Please use `fct_na_value_to_level()` instead.
## Recodage de OD_2017_filtered$qt_banho en OD_2017_filtered$qt_banho_recOD_2017_filtered$qt_banho_rec <- OD_2017_filtered$qt_banho %>%as.character() %>%fct_recode("1"="0","2"="3","2"="4","2"="5","2"="6","2"="7" ) %>%fct_explicit_na("1") %>%as.character() %>%as.numeric()## Recodage de OD_2017_filtered$criteriobr en OD_2017_filtered$criteriobr_recOD_2017_filtered$criteriobr_rec <- OD_2017_filtered$criteriobr %>%as.character() %>%fct_recode("5"="6" ) %>%fct_explicit_na("3") %>%as.character() %>%as.numeric()## Recodage de OD_2017_filtered$vinc1 en OD_2017_filtered$vinc1_recOD_2017_filtered$vinc1_rec <- OD_2017_filtered$vinc1 %>%as.character() %>%fct_recode("1"="3","2"="4","5"="6","7"="8" ) %>%as.character() %>%as.numeric()## Recodage de OD_2017_filtered$motivo_d en OD_2017_filtered$motivo_d_recOD_2017_filtered$motivo_trav <- OD_2017_filtered$motivo_d %>%as.character() %>%fct_recode("1"="2","1"="3","0"="4","0"="5","0"="6","0"="7","0"="8","0"="9","0"="10","0"="11" ) %>%fct_explicit_na("0") %>%as.character() %>%as.numeric()OD_2017_filtered$motivo_htrav <- OD_2017_filtered$motivo_d %>%as.character() %>%fct_recode("0"="1","0"="2","0"="3","1"="5","1"="6","1"="7","0"="8","1"="9","1"="10","1"="11" ) %>%fct_explicit_na("0") %>%as.character() %>%as.numeric()# Vérifier et corriger les valeurs de longitude et latitude si nécessaire# Calcul des sommes des distances (euclidiennes) et durées pour chaque individuind_dep <- OD_2017_filtered %>%# Calcul de la distance euclidienne entre origine et destinationmutate(distance =sqrt((co_d_x - co_o_x)^2+ (co_d_y - co_o_y)^2)) %>%# Grouper par identifiant individuelgroup_by(id_pess) %>%# Calculer la somme des distances et des durées pour chaque individusummarise(somme_distance =sum(distance, na.rm =TRUE), # Gérer les valeurs NAsomme_duracao =sum(duracao, na.rm =TRUE),# Somme des distances pour le motif travailsomme_distance_travail =sum(distance[motivo_trav ==1], na.rm =TRUE),# Somme des durées pour le motif travailsomme_duracao_travail =sum(duracao[motivo_trav ==1], na.rm =TRUE),# Somme des distances pour le motif hors travailsomme_distance_htrav =sum(distance[motivo_htrav ==1], na.rm =TRUE),# Somme des durées pour le motif hors travailsomme_duracao_htrav =sum(duracao[motivo_htrav ==1], na.rm =TRUE) ) %>%# S'assurer que le résultat est un dataframeungroup()OD_2017_filtered <- OD_2017_filtered %>%left_join(ind_dep, by ="id_pess")
### creation d'une table menage en ne gardant qu'une ligne par menage### on selectionne les variables jusqu'à CD_RENFA### on exporte le resultat en CVS pour analyse par JASPmenages <- OD_2017_filtered %>%distinct(id_dom, .keep_all =TRUE) %>%select(1:which(names(.) =="cd_renfa"), qt_auto_rec:last_col())
Tableau contingence + Khideux
# Création du tableau de contingencetableau_contingence <-table(menages$rua_pavi, menages$criteriobr)# Réalisation du test du chi-deuxtest_chi2 <-chisq.test(tableau_contingence)
Warning in chisq.test(tableau_contingence): L’approximation du Chi-2 est
peut-être incorrecte
# Affichage des résultatsprint(tableau_contingence)