── Attaching core tidyverse packages ──────────────────────── tidyverse 2.0.0 ──
✔ dplyr 1.1.2 ✔ readr 2.1.4
✔ forcats 1.0.0 ✔ stringr 1.5.0
✔ ggplot2 3.4.2 ✔ tibble 3.2.1
✔ lubridate 1.9.2 ✔ tidyr 1.3.0
✔ purrr 1.0.1
── 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 errorsETL - EDA Censo pesquero
Librerías
Carga de datos
Se tienen dos orígenes de los datos:
- Un archivo Excel, que ha sido editado manualmente por FENACOPEC.
- Un archivo csv, que proviene desde la base de datos de JotForm, donde se han digitalizado las encuestas.
Se deben hacer tratamientos de datos en ambos archivos para luego unirlos en una sola tabla de datos.
# Carga de datos
df <- read.xlsx("Digitadores_Censo_pesquero2024-01-30_08_31_52.xlsx", check.names = T)
df_xls <- read.xlsx("ED_1_SEP_CORREGIDO_FENACOPEC_Digitadores_Censo_pesquero2023-09-27_12_02_12(jennifer).xlsx", check.names = T)Registros duplicados Jotform
# Se excluyen las columnas 1 (submission date), 72 (submission IP) y 73 (submission ID) que contendrían información de identificadores:
columns_to_check <- setdiff(names(df), c("Submission.Date", "Submission.IP", "Submission.ID"))
# Filtro de filas repetidas:
df <- df[!duplicated(select(df, all_of(columns_to_check))), ]Registros duplicados Excel
Se usan solo las filas únicas:
df_xls <- unique(df_xls)Homologación columnas
Se crea una columna con la etiqueta “BASE DE DATOS” para indicar el origen:
df$origen <- "BASE DE DATOS"Fechas Jotform
Se ajusta el formato de la columna de fecha de digitalización de la encuesta:
df$Submission.Date <- mdy(df$Submission.Date)Se revisan la distribución de fechas:
hist(df$Submission.Date,
breaks = 100,
freq = T,
col = "skyblue",
main="Distribución de las fechas de digitalización de encuestas",
xlab = "Fecha")
Se realizan tratamientos al formato de la fecha de la encuesta:
df <- separate(df, Fecha.de.la.encuesta, into = c("Month", "Day", "Year"), sep = "[ ,]", remove=F, extra = "drop")
# df %>% filter(grepl("Apr", Month)) %>% select(Fecha.de.la.encuesta, Month)
# Reemplazar todos los meses anteriores a julio por julio
df$Month <- ifelse(grepl("Jan|Feb|Mar|Apr|May|Jun", df$Month), "Jul", df$Month)
# Reemplazar todos los años por 2023
df$Year <- "2023"
df <- unite(df, Date, Month, Day, Year, sep = " ")
df$Fecha.de.la.encuesta <- as.Date(df$Date, format = "%b %d %Y")Se revisa la distribución de las fechas cuando se tomaron las encuestas:
hist(df$Fecha.de.la.encuesta,
breaks = 100,
freq = T,
col = "skyblue",
main="Distribución de las fechas de toma de encuestas",
xlab = "Fecha")
Se elimina la columna auxiliar Date:
df$Date <- NULLFechas Excel
Se realizan tratamientos a las columnas de fechas provenientes del archivo Excel:
df_xls$Submission.Date <- as.Date(df_xls$Submission.Date, origin = "1899-12-30")
df_xls$Fecha.de.la.encuesta <- as.Date(df_xls$Fecha.de.la.encuesta, origin = "1899-12-30")hist(df_xls$Submission.Date,
breaks = 50,
freq = T,
col = "skyblue",
main="Distribución de las fechas de toma de encuestas",
xlab = "Fecha")
hist(df_xls$Fecha.de.la.encuesta,
breaks = 50,
freq = T,
col = "skyblue",
main="Distribución de las fechas de toma de encuestas",
xlab = "Fecha")
Combinación de datos Excel y Jotform
Se eliminan todos los registros anteriores al 26 de septiembre (inclusive) de la tabla de la base de datos. Todos estos vendrán ajustados desde el Excel enviado por FENACOPEC.
df <- df %>% filter(`Submission.Date` >= "2023-09-27")El día 27 de septiembre de 2023, según información de FENACOPEC, se registraron 24 encuestas en Jotform, que no están en el Excel.
Ese día hay 116 encuestas tabuladas. Se elimnan las primeras 92 registradas en el día (en Jotform se los registros nuevos aparecen más “arriba” en el orden de filas).
df <- df %>% filter(row_number() <= nrow(df) - 92)Se comprueban nombres de columnas entre ambos dataframes:
data.frame(df=names(df), df_xls=names(df_xls), check = names(df)==names(df_xls)) df
1 Submission.Date
2 Seleccione.el.nombre.del.digitador.
3 Nombres
4 Apellidos
5 Nombres.1
6 Apellidos.1
7 Fecha.de.la.encuesta
8 Nombres.2
9 Apellidos.2
10 Seleccione.el.año.de.nacimiento
11 Número.de.cédula
12 Seleccione.la.provincia.de.residencia
13 Seleccione.el.cantón.de.residencia.en.la.provincia.de.El.Oro
14 Seleccione.el.cantón.de.residencia.en.la.provincia.de.Esmeraldas
15 Observaciones
16 Qué.tipo.de.artes.de.pesca.utiliza..seleccione.todo.lo.que.aplique..
17 Número.de.cédula..Recuerde.debe.tener.10.dígitos.
18 Qué.tipo.de.embarcación.tiene
19 Tiene.permiso.de.pesca.artesanal
20 Seleccione.el.cantón.de.residencia.en.la.provincia.de.Guayas
21 Seleccione.el.cantón.de.residencia.en.la.provincia.de.Manabí
22 Seleccione.el.cantón.de.residencia.en.la.provincia.de.Santa.Elena
23 Caleta.pesquera
24 Profesión
25 Es.agremiado
26 Organización
27 Sexo
28 Estado.civil
29 Cargas.familiares
30 Discapacidad
31 Cual.es.su.discapacidad
32 Es.armador
33 Cuántas.embarcaciones.tiene
34 Eslora.de.la.s..embarcación.es..en.metros..gt..gt..Embarcación.1..gt..gt..eslora..metros.
35 Eslora.de.la.s..embarcación.es..en.metros..gt..gt..Embarcación.2..gt..gt..eslora..metros.
36 Eslora.de.la.s..embarcación.es..en.metros..gt..gt..Embarcación.3..gt..gt..eslora..metros.
37 Eslora.de.la.s..embarcación.es..en.metros..gt..gt..Embarcación.4..gt..gt..eslora..metros.
38 Eslora.de.la.s..embarcación.es..en.metros..gt..gt..Embarcación.5..gt..gt..eslora..metros.
39 Tiene.matrícula.la.embarcación
40 Tipo.de.matrícula
41 Especifique.tipo.de.matrícula
42 Tiene.permiso.de.pesca.la.embarcación
43 Que.tipo.de.arte.de.pesca.utiliza..gt..gt..Arte.1..gt..gt..Nombre
44 Que.tipo.de.arte.de.pesca.utiliza..gt..gt..Arte.2..gt..gt..Nombre
45 Que.tipo.de.arte.de.pesca.utiliza..gt..gt..Arte.3..gt..gt..Nombre
46 Que.tipo.de.arte.de.pesca.utiliza..gt..gt..Arte.4..gt..gt..Nombre
47 Que.tipo.de.arte.de.pesca.utiliza..gt..gt..Arte.5..gt..gt..Nombre
48 Que.tipo.de.arte.de.pesca.utiliza..gt..gt..Arte.6..gt..gt..Nombre
49 Que.tipo.de.arte.de.pesca.utiliza..gt..gt..Arte.7..gt..gt..Nombre
50 Que.tipo.de.arte.de.pesca.utiliza..gt..gt..Arte.8..gt..gt..Nombre
51 Que.tipo.de.arte.de.pesca.utiliza..gt..gt..Arte.9..gt..gt..Nombre
52 Que.tipo.de.arte.de.pesca.utiliza..gt..gt..Arte.10..gt..gt..Nombre
53 Qué.especies.captura..gt..gt..Especie.1..gt..gt..Nombre
54 Qué.especies.captura..gt..gt..Especie.2..gt..gt..Nombre
55 Qué.especies.captura..gt..gt..Especie.3..gt..gt..Nombre
56 Qué.especies.captura..gt..gt..Especie.4..gt..gt..Nombre
57 Qué.especies.captura..gt..gt..Especie.5..gt..gt..Nombre
58 Qué.especies.captura..gt..gt..Especie.6..gt..gt..Nombre
59 Qué.especies.captura..gt..gt..Especie.7..gt..gt..Nombre
60 Qué.especies.captura..gt..gt..Especie.8..gt..gt..Nombre
61 Qué.especies.captura..gt..gt..Especie.9..gt..gt..Nombre
62 Qué.especies.captura..gt..gt..Especie.10..gt..gt..Nombre
63 Conoce.el.proyecto.de.conservación.de.8.millas
64 Que.conoce.sobre.el.proyecto.de.conservación.de.8.millas
65 Es.prioritario.conservar.las.8.millas.naúticas
66 Explique
67 Cuales.cree.usted.que.son.las.principales.amenazas.en.las.8.millas...Escoja.3.opciones.
68 Estaría.dispuesto.a.cambiar.sus.artes.de.pesca.por.otro..a.través.de.un.incentivo
69 Estaría.dispuesto.a.dejar.de.ejercer.la.actividad.pesquera..por.otra.actividad
70 Cual.sería.la.otra.actividad.a.ejercer
71 Cuál.cree.usted.que.sería.el.incentivo.para.dejar.de.ejercer.la.actividad.pesquera
72 Submission.IP
73 Submission.ID
74 origen
df_xls
1 Submission.Date
2 Seleccione.el.nombre.del.digitador.
3 Nombres
4 Apellidos
5 Nombres1
6 Apellidos1
7 Fecha.de.la.encuesta
8 Nombres2
9 Apellidos2
10 Seleccione.el.año.de.nacimiento
11 Número.de.cédula
12 Seleccione.la.provincia.de.residencia
13 Seleccione.el.cantón.de.residencia.en.la.provincia.de.El.Oro
14 Seleccione.el.cantón.de.residencia.en.la.provincia.de.Esmeraldas
15 Observaciones
16 Qué.tipo.de.artes.de.pesca.utiliza..seleccione.todo.lo.que.aplique..
17 Número.de.cédula..Recuerde.debe.tener.10.dígitos.
18 Qué.tipo.de.embarcación.tiene
19 Tiene.permiso.de.pesca.artesanal
20 Seleccione.el.cantón.de.residencia.en.la.provincia.de.Guayas
21 Seleccione.el.cantón.de.residencia.en.la.provincia.de.Manabí
22 Seleccione.el.cantón.de.residencia.en.la.provincia.de.Santa.Elena
23 Caleta.pesquera
24 Profesión
25 Es.agremiado
26 Organización
27 Sexo
28 Estado.civil
29 Cargas.familiares
30 Discapacidad
31 Cual.es.su.discapacidad
32 Es.armador
33 Cuántas.embarcaciones.tiene
34 Eslora.de.la.s..embarcación.es..en.metros....Embarcación.1....eslora..metros.
35 Eslora.de.la.s..embarcación.es..en.metros....Embarcación.2....eslora..metros.
36 Eslora.de.la.s..embarcación.es..en.metros....Embarcación.3....eslora..metros.
37 Eslora.de.la.s..embarcación.es..en.metros....Embarcación.4....eslora..metros.
38 Eslora.de.la.s..embarcación.es..en.metros....Embarcación.5....eslora..metros.
39 Tiene.matrícula.la.embarcación
40 Tipo.de.matrícula
41 Especifique.tipo.de.matrícula
42 Tiene.permiso.de.pesca.la.embarcación
43 Que.tipo.de.arte.de.pesca.utiliza....Arte.1....Nombre
44 Que.tipo.de.arte.de.pesca.utiliza....Arte.2....Nombre
45 Que.tipo.de.arte.de.pesca.utiliza....Arte.3....Nombre
46 Que.tipo.de.arte.de.pesca.utiliza....Arte.4....Nombre
47 Que.tipo.de.arte.de.pesca.utiliza....Arte.5....Nombre
48 Que.tipo.de.arte.de.pesca.utiliza....Arte.6....Nombre
49 Que.tipo.de.arte.de.pesca.utiliza....Arte.7....Nombre
50 Que.tipo.de.arte.de.pesca.utiliza....Arte.8....Nombre
51 Que.tipo.de.arte.de.pesca.utiliza....Arte.9....Nombre
52 Que.tipo.de.arte.de.pesca.utiliza....Arte.10....Nombre
53 Qué.especies.captura....Especie.1....Nombre
54 Qué.especies.captura....Especie.2....Nombre
55 Qué.especies.captura....Especie.3....Nombre
56 Qué.especies.captura....Especie.4....Nombre
57 Qué.especies.captura....Especie.5....Nombre
58 Qué.especies.captura....Especie.6....Nombre
59 Qué.especies.captura....Especie.7....Nombre
60 Qué.especies.captura....Especie.8....Nombre
61 Qué.especies.captura....Especie.9....Nombre
62 Qué.especies.captura....Especie.10....Nombre
63 Conoce.el.proyecto.de.conservación.de.8.millas
64 Que.conoce.sobre.el.proyecto.de.conservación.de.8.millas
65 Es.prioritario.conservar.las.8.millas.naúticas
66 Explique
67 Cuales.cree.usted.que.son.las.principales.amenazas.en.las.8.millas...Escoja.3.opciones.
68 Estaría.dispuesto.a.cambiar.sus.artes.de.pesca.por.otro..a.través.de.un.incentivo
69 Estaría.dispuesto.a.dejar.de.ejercer.la.actividad.pesquera..por.otra.actividad
70 Cual.sería.la.otra.actividad.a.ejercer
71 Cuál.cree.usted.que.sería.el.incentivo.para.dejar.de.ejercer.la.actividad.pesquera
72 Submission.IP
73 Submission.ID
74 origen
check
1 TRUE
2 TRUE
3 TRUE
4 TRUE
5 FALSE
6 FALSE
7 TRUE
8 FALSE
9 FALSE
10 TRUE
11 TRUE
12 TRUE
13 TRUE
14 TRUE
15 TRUE
16 TRUE
17 TRUE
18 TRUE
19 TRUE
20 TRUE
21 TRUE
22 TRUE
23 TRUE
24 TRUE
25 TRUE
26 TRUE
27 TRUE
28 TRUE
29 TRUE
30 TRUE
31 TRUE
32 TRUE
33 TRUE
34 FALSE
35 FALSE
36 FALSE
37 FALSE
38 FALSE
39 TRUE
40 TRUE
41 TRUE
42 TRUE
43 FALSE
44 FALSE
45 FALSE
46 FALSE
47 FALSE
48 FALSE
49 FALSE
50 FALSE
51 FALSE
52 FALSE
53 FALSE
54 FALSE
55 FALSE
56 FALSE
57 FALSE
58 FALSE
59 FALSE
60 FALSE
61 FALSE
62 FALSE
63 TRUE
64 TRUE
65 TRUE
66 TRUE
67 TRUE
68 TRUE
69 TRUE
70 TRUE
71 TRUE
72 TRUE
73 TRUE
74 TRUESe homologan nombres de columnas:
colnames(df_xls) <- colnames(df)Previo a la unión se debe homologar el tipo de datos. Se revisa el tipo de datos de las columnas.
class_match <- sapply(names(df), function(col_name) identical(class(df[[col_name]]), class(df_xls[[col_name]])))
names(df)[!class_match][1] "Número.de.cédula"
[2] "Cargas.familiares"
[3] "Cuántas.embarcaciones.tiene"
[4] "Que.tipo.de.arte.de.pesca.utiliza..gt..gt..Arte.7..gt..gt..Nombre"
[5] "Que.tipo.de.arte.de.pesca.utiliza..gt..gt..Arte.8..gt..gt..Nombre"
[6] "Que.tipo.de.arte.de.pesca.utiliza..gt..gt..Arte.9..gt..gt..Nombre"
[7] "Que.tipo.de.arte.de.pesca.utiliza..gt..gt..Arte.10..gt..gt..Nombre"
[8] "Qué.especies.captura..gt..gt..Especie.9..gt..gt..Nombre"
[9] "Qué.especies.captura..gt..gt..Especie.10..gt..gt..Nombre" En la columna “Seleccione año de nacimiento” hay 17 valores tipo texto (“no contesta”), se reemplazan por NA para mantener la columna como numérica.
Se convierte en numérica la misma columna en el Excel.
df$Seleccione.el.año.de.nacimiento <- ifelse(df$Seleccione.el.año.de.nacimiento == "NO CONTESTA", NA, df$Seleccione.el.año.de.nacimiento)
df$Seleccione.el.año.de.nacimiento <- as.numeric(df$Seleccione.el.año.de.nacimiento)
df_xls$Seleccione.el.año.de.nacimiento <- ifelse(df_xls$Seleccione.el.año.de.nacimiento == "NO CONTESTA", NA, df_xls$Seleccione.el.año.de.nacimiento)
df_xls$Seleccione.el.año.de.nacimiento <- as.numeric(df_xls$Seleccione.el.año.de.nacimiento)El número de cédula debe registrarse como tipo texto en la tabla de la base de datos:
df$Número.de.cédula <- as.character(df$Número.de.cédula)Cargas familiares y número de embarcaiones se cambian a tipo numérico:
df$Cargas.familiares <- as.numeric(df$Cargas.familiares)
df$Cuántas.embarcaciones.tiene <- as.numeric(df$Cuántas.embarcaciones.tiene)Ajustar todas las columnas tipo texto a “character”. Hay algunas columnas ubicadas entre las posiciones 43 y 62 guardadas como tipo numérico, cuando todas deberían ser tipo texto.
df[, 43:62] <- lapply(df[, 43:62], as.character)Se unen los dataframes:
dff <- bind_rows(df,df_xls)Números de cédula (primera revisión)
Se unen las dos columnas conteniendo los números de cédula.
dff$Número.de.cédula..Recuerde.debe.tener.10.dígitos. <- ifelse(
is.na(dff$Número.de.cédula..Recuerde.debe.tener.10.dígitos.),
dff$Número.de.cédula,
dff$Número.de.cédula..Recuerde.debe.tener.10.dígitos.)
dff$Número.de.cédula..Recuerde.debe.tener.10.dígitos. <- ifelse(dff$Número.de.cédula..Recuerde.debe.tener.10.dígitos. == "REGISTRO PREVIO A ESTA PREGUNTA", dff$Número.de.cédula, dff$Número.de.cédula..Recuerde.debe.tener.10.dígitos.)Se ajustan los números de cédula con 9 dígitos (se agrega un 0 a la izquierda)
dff$Número.de.cédula..Recuerde.debe.tener.10.dígitos. <- ifelse(nchar(dff$Número.de.cédula..Recuerde.debe.tener.10.dígitos.) == 9, paste0("0", dff$Número.de.cédula..Recuerde.debe.tener.10.dígitos.), dff$Número.de.cédula..Recuerde.debe.tener.10.dígitos.)Asignación de nuevo ID
Se asigna un nuevo identificador a las filas del dataframe:
dff$ID <- paste("ID_",seq(1,nrow(dff)), sep="")Se eliminan espacios (” “) al inicio o al final de los campos de nombres y apellidos y se ajusta todo a formato de nombres propios (primera mayúscula):
dff <- dff %>%
mutate_at(vars(`Seleccione.el.nombre.del.digitador.`,
Nombres,
Apellidos,
Nombres.1,
Apellidos.1,
Nombres.2,
Apellidos.2), list(~stri_trans_totitle(trimws(.))))Se excluyen los valores repetidos más de 18 veces pues corresponden al código 9999999999 de extranjeros y el código 1 o 0, cuando el encuestado no contestó la pregunta:
# Se excluyen los valores repetidos más de 18 veces pues corresponden al código 9999999999 de extranjeros y el código 1 o 0, cuando el encuestado no contestó la pregunta.
repeated <- dff %>% group_by(Número.de.cédula..Recuerde.debe.tener.10.dígitos.) %>% tally() %>% filter(n > 1 & n < 18)
repeated_df <- dff[dff$Número.de.cédula..Recuerde.debe.tener.10.dígitos. %in% repeated$Número.de.cédula..Recuerde.debe.tener.10.dígitos., ]
# write_excel_csv(repeated_df, "repeated_idsV2.csv")Eliminar registros duplicados
Se carga el archivo con los ID indentificados para eliminar:
to_delete <- read.csv("ids_to_delete.csv")Se eliminan los registros del dataframe principal:
dff <- dff %>% filter(!ID %in% to_delete$ID)Reemplazar registros desde la segunda revisión de FENACOPEC
En el archivo de revisión para eliminar registros duplicados, FENACOPEC ha realizado ediciones. Se usa el ID de las filas para reemplazar los nuevos datos.
to_modify <- read_csv("ids_to_modify.csv")New names:
Rows: 100 Columns: 6
── Column specification
──────────────────────────────────────────────────────── Delimiter: "," chr
(5): ID, Nombres, Apellidos, Número de cédula. Recuerde debe tener 10 dí... dbl
(1): Seleccione el año de nacimiento
ℹ Use `spec()` to retrieve the full column specification for this data. ℹ
Specify the column types or set `show_col_types = FALSE` to quiet this message.
• `Nombres...8` -> `Nombres`
• `Apellidos...9` -> `Apellidos`names(to_modify) <- c("ID",
"Nombres.2",
"Apellidos.2",
"Seleccione.el.año.de.nacimiento",
"Número.de.cédula..Recuerde.debe.tener.10.dígitos.",
"Observaciones")Se unen los registros modificados por FENACOPEC al dataframe principal:
dff <- left_join(dff, to_modify, by = "ID")Se reemplazan los nombres y apellidos modificados:
dff$Nombres.2.x <- ifelse(is.na(dff$Nombres.2.y),
dff$Nombres.2.x,
dff$Nombres.2.y)
dff$Apellidos.2.x <- ifelse(is.na(dff$Apellidos.2.y),
dff$Apellidos.2.x,
dff$Apellidos.2.y)Se reemplazan los años de nacimiento modificados:
dff$Seleccione.el.año.de.nacimiento.x <- ifelse(is.na(dff$Seleccione.el.año.de.nacimiento.y), dff$Seleccione.el.año.de.nacimiento.x, dff$Seleccione.el.año.de.nacimiento.y)Se reemplazan las cédulas modificadas:
dff$Número.de.cédula..Recuerde.debe.tener.10.dígitos..x <- ifelse(is.na(dff$Número.de.cédula..Recuerde.debe.tener.10.dígitos..y), dff$Número.de.cédula..Recuerde.debe.tener.10.dígitos..x, dff$Número.de.cédula..Recuerde.debe.tener.10.dígitos..y)Se reemplazan las observaciones:
dff$Observaciones.x <- ifelse(is.na(dff$Observaciones.y), dff$Observaciones.x, dff$Observaciones.y)Se revisan los número de cédula en busca de valores nulos:
any(is.na(dff$`Número de cédula. Recuerde debe tener 10 dígitos..x`))[1] FALSESe eliminan las columnas adicionales creadas en la unión:
dff$Nombres.2.y <- NULL
dff$Apellidos.2.y <- NULL
dff$Seleccione.el.año.de.nacimiento.y <- NULL
dff$Número.de.cédula..Recuerde.debe.tener.10.dígitos..y <- NULL
dff$Observaciones.y <- NULLSe restauran los nombres de las columnas duplicadas durante la unión:
columns_to_rename_x <- grep("\\.x$", names(dff))
names(dff)[columns_to_rename_x] <- gsub("\\.x$", "", names(dff)[columns_to_rename_x])Números de cédula (segunda revisión)
Se revisa la longitud de los valores en los números de cédula:
table(nchar(dff$Número.de.cédula..Recuerde.debe.tener.10.dígitos.))
1 6 7 8 10
26 1 2 34 22738 Se revisan las cédula con longitud superior a 1 y menor o igual que 8:
dff %>% filter(nchar(Número.de.cédula..Recuerde.debe.tener.10.dígitos.) == 1) %>% select(Número.de.cédula, Número.de.cédula..Recuerde.debe.tener.10.dígitos., Observaciones) Número.de.cédula Número.de.cédula..Recuerde.debe.tener.10.dígitos.
1 1 1
2 1 1
3 1 1
4 1 1
5 1 1
6 1 1
7 1 1
8 1 1
9 1 1
10 1 1
11 1 1
12 1 1
13 1 1
14 1 1
15 1 1
16 1 1
17 1 1
18 1 1
19 1 1
20 1 1
21 1 1
22 1 1
23 1 1
24 1 1
25 1 1
26 1 1
Observaciones
1 REGISTRO PREVIO A ESTA PREGUNTA
2 REGISTRO PREVIO A ESTA PREGUNTA
3 REGISTRO PREVIO A ESTA PREGUNTA
4 REGISTRO PREVIO A ESTA PREGUNTA
5 REGISTRO PREVIO A ESTA PREGUNTA
6 REGISTRO PREVIO A ESTA PREGUNTA
7 REGISTRO PREVIO A ESTA PREGUNTA
8 REGISTRO PREVIO A ESTA PREGUNTA
9 REGISTRO PREVIO A ESTA PREGUNTA
10 REGISTRO PREVIO A ESTA PREGUNTA
11 REGISTRO PREVIO A ESTA PREGUNTA
12 REGISTRO PREVIO A ESTA PREGUNTA
13 REGISTRO PREVIO A ESTA PREGUNTA
14 REGISTRO PREVIO A ESTA PREGUNTA
15 REGISTRO PREVIO A ESTA PREGUNTA
16 REGISTRO PREVIO A ESTA PREGUNTA
17 REGISTRO PREVIO A ESTA PREGUNTA
18 REGISTRO PREVIO A ESTA PREGUNTA
19 REGISTRO PREVIO A ESTA PREGUNTA
20 REGISTRO PREVIO A ESTA PREGUNTA
21 REGISTRO PREVIO A ESTA PREGUNTA
22 REGISTRO PREVIO A ESTA PREGUNTA
23 REGISTRO PREVIO A ESTA PREGUNTA
24 REGISTRO PREVIO A ESTA PREGUNTA
25 REGISTRO PREVIO A ESTA PREGUNTA
26 REGISTRO PREVIO A ESTA PREGUNTASe exportan los registros con 6, 7 y 8 caracteres para revisión de FENACOPEC.
to_revise <- dff %>%
filter(nchar(Número.de.cédula..Recuerde.debe.tener.10.dígitos.) >= 6 &
nchar(Número.de.cédula..Recuerde.debe.tener.10.dígitos.) < 10)
# write_csv(to_revise, "revisar_cedulas_8_o_menos_digitos.csv")Números de cédula segunda revisión
Se integran los registros luego de la revisión de FENACOPEC.
to_modify2 <- read.xlsx("Registros_cedulas_8_digitos_o_menos Corregido.xlsx")
# Ajuste de tipos de columnas
to_modify2$Submission.Date <- as.Date(to_modify2$Submission.Date, origin = "1899-12-30")
to_modify2$Fecha.de.la.encuesta <- as.Date(to_modify2$Fecha.de.la.encuesta, origin = "1899-12-30")
to_modify2$Número.de.cédula <- as.character(to_modify2$Número.de.cédula)
to_modify2$Cual.es.su.discapacidad <- as.character(to_modify2$Cual.es.su.discapacidad)
to_modify2$Cuántas.embarcaciones.tiene <- as.numeric(to_modify2$Cuántas.embarcaciones.tiene)
to_modify2[, 34:75] <- lapply(to_modify2[, 34:75], as.character)Se reemplazan los registros del Excel de FENACOPEC en el dataframe:
dff <- dff %>%
anti_join(to_modify2, by = "ID") %>%
bind_rows(to_modify2)Se revisan casos particulares de cédulas que debieron asignarse como 0000000001, pero contienen errores de tipeo:
dff %>% filter(Número.de.cédula..Recuerde.debe.tener.10.dígitos. == "1") Submission.Date Seleccione.el.nombre.del.digitador. Nombres
1 2023-08-08 Registro Previo A Esta Pregunta Mercedes Isabel
2 2023-09-14 Registro Previo A Esta Pregunta Mercedes Isabel
3 2023-08-29 Registro Previo A Esta Pregunta Mercedes Isabel
4 2023-09-08 Registro Previo A Esta Pregunta Mercedes Isabel
5 2023-09-13 Registro Previo A Esta Pregunta Mercedes Isabel
6 2023-09-18 Registro Previo A Esta Pregunta Devora
7 2023-09-19 Registro Previo A Esta Pregunta Devora
8 2023-09-19 Registro Previo A Esta Pregunta Devora
9 2023-09-19 Registro Previo A Esta Pregunta Devora
10 2023-09-19 Registro Previo A Esta Pregunta Devora
11 2023-09-18 Registro Previo A Esta Pregunta Devora
12 2023-09-19 Registro Previo A Esta Pregunta Devora
13 2023-09-21 Registro Previo A Esta Pregunta Devora
14 2023-09-21 Registro Previo A Esta Pregunta Devora
15 2023-09-21 Registro Previo A Esta Pregunta Devora
16 2023-09-19 Registro Previo A Esta Pregunta Cinthia Yamileth
17 2023-09-19 Registro Previo A Esta Pregunta Cinthia Yamileth
18 2023-09-19 Registro Previo A Esta Pregunta Cinthia Yamileth
19 2023-09-19 Registro Previo A Esta Pregunta Cinthia Yamileth
20 2023-09-19 Registro Previo A Esta Pregunta Cinthia Yamileth
21 2023-09-19 Registro Previo A Esta Pregunta Cinthia Yamileth
22 2023-09-19 Registro Previo A Esta Pregunta Cinthia Yamileth
23 2023-09-19 Registro Previo A Esta Pregunta Cinthia Yamileth
24 2023-09-19 Registro Previo A Esta Pregunta Cinthia Yamileth
25 2023-09-19 Registro Previo A Esta Pregunta Cinthia Yamileth
26 2023-09-19 Registro Previo A Esta Pregunta Cinthia Yamileth
Apellidos Nombres.1 Apellidos.1 Fecha.de.la.encuesta Nombres.2
1 Garcia Cruz Tatiana Arteaga 2023-06-26 Luis Enrique
2 Garcia Cruz Pedro Marquez 2023-08-23 Persideo
3 García Cruz Alfredo Cruz 2023-07-29 Antonio
4 García Cruz Israel De La A 2023-08-01 Charlyn Joel
5 García Cruz Israel De La A 2023-08-28 Edwin Danilo
6 Garcia Tania Panchana 2023-09-07 Jose Luis
7 Garcia Roxana Rojas 2023-06-25 Robinson
8 Garcia Patricia Santos 2023-09-06 Wilson Enrique
9 Garcia Roxana Rojas 2023-06-25 Javier
10 Garcia Roxana Rojas 2023-07-17 Milton
11 Garcia Tamara Piloso 2023-07-16 Juan Carlos
12 Garcia Isabel Garcia 2023-09-06 Julio Alexander
13 Garcia Geovanny Guale 2023-08-15 Wilmer Oswaldo
14 Garcia Patricia Santos 2023-09-14 Juan Carlos
15 Garcia Patricia Santos 2023-09-14 Isaac
16 Zambrano Quimi Manuela Crespin 2023-09-01 William Fernando
17 Zambrano Quimi Yelena Panchana 2023-07-26 Feliz
18 Zambrano Quimi Pablo Santo 2023-08-09 Alexi Osscar
19 Zambrano Quimi Jennifer Tomalá 2023-09-09 Darwin Emiliano
20 Zambrano Quimi Manuela Crespin 2023-09-01 William Fernando
21 Zambrano Quimi Yelena Panchana 2023-07-26 Feliz
22 Zambrano Quimi Marcos Flores 2023-09-14 Sergio Wilson
23 Zambrano Quimi Marcos Flores 2023-09-14 Pedro Pablo
24 Zambrano Quimi Angela Cobos 2023-09-10 Dennys Alexander
25 Zambrano Quimi Ricardo Molina 2023-09-13 Juan Carlos
26 Zambrano Quimi Ricardo Molina 2023-09-13 Manuel David
Apellidos.2 Seleccione.el.año.de.nacimiento Número.de.cédula
1 Murillo S 1985 1
2 Torres Trejo 1964 1
3 Vicente Solis 1968 1
4 García De La A 2008 1
5 Cruz Cruz 2005 1
6 Vera Espinoza 1991 1
7 Ronquillo 1964 1
8 Jordan Mazzini 1962 1
9 Rodriguez Pluas 1968 1
10 Mejillones Pincay 1968 1
11 Merisaldo 1989 1
12 Flores Montalvo 2001 1
13 Suárez Limones 1977 1
14 Tómala 1983 1
15 Pérez Murillo 2000 1
16 Malave Yagual 1978 1
17 Rodriguez Borbor 1970 1
18 Alvia Anchundia 2002 1
19 Bohorquez Torres 1986 1
20 Malave Yagual 1978 1
21 Rodriguez Borbor 1970 1
22 Gonzalez De La Rosa 1988 1
23 Gonzalez Perero 1953 1
24 Santos Merejildo 1990 1
25 Laso Balon 1980 1
26 Palomino Clemente 1959 1
Seleccione.la.provincia.de.residencia
1 MANABÍ
2 ESMERALDAS
3 GUAYAS
4 GUAYAS
5 GUAYAS
6 GUAYAS
7 GUAYAS
8 GUAYAS
9 GUAYAS
10 GUAYAS
11 GUAYAS
12 GUAYAS
13 SANTA ELENA
14 SANTA ELENA
15 SANTA ELENA
16 GUAYAS
17 GUAYAS
18 SANTA ELENA
19 GUAYAS
20 GUAYAS
21 GUAYAS
22 SANTA ELENA
23 SANTA ELENA
24 SANTA ELENA
25 SANTA ELENA
26 SANTA ELENA
Seleccione.el.cantón.de.residencia.en.la.provincia.de.El.Oro
1 <NA>
2 <NA>
3 <NA>
4 <NA>
5 <NA>
6 <NA>
7 <NA>
8 <NA>
9 <NA>
10 <NA>
11 <NA>
12 <NA>
13 <NA>
14 <NA>
15 <NA>
16 <NA>
17 <NA>
18 <NA>
19 <NA>
20 <NA>
21 <NA>
22 <NA>
23 <NA>
24 <NA>
25 <NA>
26 <NA>
Seleccione.el.cantón.de.residencia.en.la.provincia.de.Esmeraldas
1 <NA>
2 MUISNE
3 <NA>
4 <NA>
5 <NA>
6 <NA>
7 <NA>
8 <NA>
9 <NA>
10 <NA>
11 <NA>
12 <NA>
13 <NA>
14 <NA>
15 <NA>
16 <NA>
17 <NA>
18 <NA>
19 <NA>
20 <NA>
21 <NA>
22 <NA>
23 <NA>
24 <NA>
25 <NA>
26 <NA>
Observaciones
1 REGISTRO PREVIO A ESTA PREGUNTA
2 REGISTRO PREVIO A ESTA PREGUNTA
3 REGISTRO PREVIO A ESTA PREGUNTA
4 REGISTRO PREVIO A ESTA PREGUNTA
5 REGISTRO PREVIO A ESTA PREGUNTA
6 REGISTRO PREVIO A ESTA PREGUNTA
7 REGISTRO PREVIO A ESTA PREGUNTA
8 REGISTRO PREVIO A ESTA PREGUNTA
9 REGISTRO PREVIO A ESTA PREGUNTA
10 REGISTRO PREVIO A ESTA PREGUNTA
11 REGISTRO PREVIO A ESTA PREGUNTA
12 REGISTRO PREVIO A ESTA PREGUNTA
13 REGISTRO PREVIO A ESTA PREGUNTA
14 REGISTRO PREVIO A ESTA PREGUNTA
15 REGISTRO PREVIO A ESTA PREGUNTA
16 REGISTRO PREVIO A ESTA PREGUNTA
17 REGISTRO PREVIO A ESTA PREGUNTA
18 REGISTRO PREVIO A ESTA PREGUNTA
19 REGISTRO PREVIO A ESTA PREGUNTA
20 REGISTRO PREVIO A ESTA PREGUNTA
21 REGISTRO PREVIO A ESTA PREGUNTA
22 REGISTRO PREVIO A ESTA PREGUNTA
23 REGISTRO PREVIO A ESTA PREGUNTA
24 REGISTRO PREVIO A ESTA PREGUNTA
25 REGISTRO PREVIO A ESTA PREGUNTA
26 REGISTRO PREVIO A ESTA PREGUNTA
Qué.tipo.de.artes.de.pesca.utiliza..seleccione.todo.lo.que.aplique..
1 <NA>
2 <NA>
3 <NA>
4 <NA>
5 <NA>
6 <NA>
7 <NA>
8 <NA>
9 <NA>
10 <NA>
11 <NA>
12 <NA>
13 <NA>
14 <NA>
15 <NA>
16 <NA>
17 <NA>
18 <NA>
19 <NA>
20 <NA>
21 <NA>
22 <NA>
23 <NA>
24 <NA>
25 <NA>
26 <NA>
Número.de.cédula..Recuerde.debe.tener.10.dígitos.
1 1
2 1
3 1
4 1
5 1
6 1
7 1
8 1
9 1
10 1
11 1
12 1
13 1
14 1
15 1
16 1
17 1
18 1
19 1
20 1
21 1
22 1
23 1
24 1
25 1
26 1
Qué.tipo.de.embarcación.tiene Tiene.permiso.de.pesca.artesanal
1 <NA> si
2 <NA> No
3 Fibra Si
4 <NA> No responde
5 <NA> No
6 Fibra Si
7 <NA> Si
8 Fibra No
9 <NA> Si
10 <NA> Si
11 <NA> No
12 <NA> Si
13 Fibra Si
14 <NA> Si
15 <NA> No
16 Balsa Si
17 Fibra No
18 <NA> Si
19 Fibra Si
20 Balsa Si
21 Fibra No
22 <NA> Si
23 <NA> Si
24 <NA> No
25 Fibra Si
26 <NA> Si
Seleccione.el.cantón.de.residencia.en.la.provincia.de.Guayas
1 <NA>
2 <NA>
3 PLAYAS
4 PLAYAS
5 PLAYAS
6 GUAYAQUIL
7 GUAYAQUIL
8 GUAYAQUIL
9 GUAYAQUIL
10 GUAYAQUIL
11 GUAYAQUIL
12 GUAYAQUIL
13 <NA>
14 <NA>
15 <NA>
16 PLAYAS
17 PLAYAS
18 <NA>
19 PLAYAS
20 PLAYAS
21 PLAYAS
22 <NA>
23 <NA>
24 <NA>
25 <NA>
26 <NA>
Seleccione.el.cantón.de.residencia.en.la.provincia.de.Manabí
1 JARAMIJÓ
2 <NA>
3 <NA>
4 <NA>
5 <NA>
6 <NA>
7 <NA>
8 <NA>
9 <NA>
10 <NA>
11 <NA>
12 <NA>
13 <NA>
14 <NA>
15 <NA>
16 <NA>
17 <NA>
18 <NA>
19 <NA>
20 <NA>
21 <NA>
22 <NA>
23 <NA>
24 <NA>
25 <NA>
26 <NA>
Seleccione.el.cantón.de.residencia.en.la.provincia.de.Santa.Elena
1 <NA>
2 <NA>
3 <NA>
4 <NA>
5 <NA>
6 <NA>
7 <NA>
8 <NA>
9 <NA>
10 <NA>
11 <NA>
12 <NA>
13 SANTA ELENA
14 SANTA ELENA
15 SANTA ELENA
16 <NA>
17 <NA>
18 SALINAS
19 <NA>
20 <NA>
21 <NA>
22 SALINAS
23 SALINAS
24 SALINAS
25 SALINAS
26 SALINAS
Caleta.pesquera Profesión Es.agremiado Organización
1 Jaramijo Pescador artesanal No <NA>
2 MUISNE CONCHERO Si CONCHITA
3 Cantón Playas pescador artesanal Si Coop.San Pedro- Playas
4 General Villamil pescador artesanal No <NA>
5 General Villamil pescador artesanal Si Asoc. José de Villamil
6 BALAO PESCADOR Si ASOPERBAL
7 CARAGUAY PESCADOR Si ASORMARC
8 Pto Morro Pescador No <NA>
9 CARAGUAY RECOLECTOR Si ASORMARC
10 CARAGUAY RECOLECTOR Si ASORMARC
11 TONCHIGUE PESCADOR No responde <NA>
12 Pto Morro Pescador Si Asopromorro
13 Monteverde Pescador Si 29 de marzo
14 PALMAR Pescador No <NA>
15 PALMAR Pescador No <NA>
16 PLAYAS PESCADOR ARTESANAL No <NA>
17 PUERTO ENGABAO PESCADOR ARTESANAL Si ASOC. 25 DE MARZO
18 ANCONCITO PESCADOR ARTESANAL No <NA>
19 DATA VILLAMIL PESCADOR ARTESANAL No <NA>
20 PLAYAS PESCADOR ARTESANAL No <NA>
21 PUERTO ENGABAO PESCADOR ARTESANAL Si ASOC. 25 DE MARZO
22 SANTA ROSA PESCADOR ARTESANAL No <NA>
23 SANTA ROSA PESCADOR ARTESANAL No <NA>
24 ANCONCITO PESCADOR ARTESANAL No <NA>
25 SANTA ROSA PESCADOR ARTESANAL No <NA>
26 ANCONCITO PESCADOR ARTESANAL Si ASOC. 2 DE JUNIO
Sexo Estado.civil Cargas.familiares Discapacidad
1 Masculino Unión de hecho 6 No
2 Masculino Soltero/a 6 No
3 Masculino Casado/a 0 No
4 Masculino No responde 99 No responde
5 Masculino Soltero/a 0 No responde
6 Masculino Soltero/a 1 No responde
7 Masculino Casado/a 3 No
8 Masculino Casado/a 4 No
9 Masculino Soltero/a 3 No
10 Masculino Unión de hecho 10 No
11 Masculino Casado/a 5 No responde
12 Masculino Soltero/a 1 No
13 Masculino Casado/a 1 No
14 Masculino Casado/a 3 No
15 Masculino Soltero/a 6 No
16 Masculino Soltero/a 2 No
17 Masculino Casado/a 2 No
18 Masculino Soltero/a 0 No
19 Masculino Soltero/a 3 No
20 Masculino Soltero/a 2 No
21 Masculino Casado/a 2 No
22 Masculino Soltero/a 0 No
23 Masculino Casado/a 8 No
24 Masculino Unión de hecho 5 No
25 Masculino Casado/a 3 No
26 Masculino Soltero/a 2 No
Cual.es.su.discapacidad Es.armador Cuántas.embarcaciones.tiene
1 <NA> No NA
2 <NA> No NA
3 <NA> Si 1
4 <NA> No NA
5 <NA> No NA
6 <NA> Si 1
7 <NA> No NA
8 <NA> Si 1
9 <NA> No NA
10 <NA> No NA
11 <NA> No NA
12 <NA> No NA
13 <NA> Si 1
14 <NA> No NA
15 <NA> No NA
16 <NA> Si 1
17 <NA> Si 1
18 <NA> No NA
19 <NA> Si 1
20 <NA> Si 1
21 <NA> Si 1
22 <NA> No NA
23 <NA> No NA
24 <NA> No NA
25 <NA> Si 1
26 <NA> No NA
Eslora.de.la.s..embarcación.es..en.metros..gt..gt..Embarcación.1..gt..gt..eslora..metros.
1 <NA>
2 <NA>
3 5,50 m
4 <NA>
5 <NA>
6 6M
7 <NA>
8 8.5M
9 <NA>
10 <NA>
11 <NA>
12 <NA>
13 5.3M
14 <NA>
15 <NA>
16 6 mts
17 5,40 mts
18 <NA>
19 8,50 mts
20 6 mts
21 5,40 mts
22 <NA>
23 <NA>
24 <NA>
25 6 mts
26 <NA>
Eslora.de.la.s..embarcación.es..en.metros..gt..gt..Embarcación.2..gt..gt..eslora..metros.
1 <NA>
2 <NA>
3 <NA>
4 <NA>
5 <NA>
6 <NA>
7 <NA>
8 <NA>
9 <NA>
10 <NA>
11 <NA>
12 <NA>
13 <NA>
14 <NA>
15 <NA>
16 <NA>
17 <NA>
18 <NA>
19 <NA>
20 <NA>
21 <NA>
22 <NA>
23 <NA>
24 <NA>
25 <NA>
26 <NA>
Eslora.de.la.s..embarcación.es..en.metros..gt..gt..Embarcación.3..gt..gt..eslora..metros.
1 <NA>
2 <NA>
3 <NA>
4 <NA>
5 <NA>
6 <NA>
7 <NA>
8 <NA>
9 <NA>
10 <NA>
11 <NA>
12 <NA>
13 <NA>
14 <NA>
15 <NA>
16 <NA>
17 <NA>
18 <NA>
19 <NA>
20 <NA>
21 <NA>
22 <NA>
23 <NA>
24 <NA>
25 <NA>
26 <NA>
Eslora.de.la.s..embarcación.es..en.metros..gt..gt..Embarcación.4..gt..gt..eslora..metros.
1 <NA>
2 <NA>
3 <NA>
4 <NA>
5 <NA>
6 <NA>
7 <NA>
8 <NA>
9 <NA>
10 <NA>
11 <NA>
12 <NA>
13 <NA>
14 <NA>
15 <NA>
16 <NA>
17 <NA>
18 <NA>
19 <NA>
20 <NA>
21 <NA>
22 <NA>
23 <NA>
24 <NA>
25 <NA>
26 <NA>
Eslora.de.la.s..embarcación.es..en.metros..gt..gt..Embarcación.5..gt..gt..eslora..metros.
1 <NA>
2 <NA>
3 <NA>
4 <NA>
5 <NA>
6 <NA>
7 <NA>
8 <NA>
9 <NA>
10 <NA>
11 <NA>
12 <NA>
13 <NA>
14 <NA>
15 <NA>
16 <NA>
17 <NA>
18 <NA>
19 <NA>
20 <NA>
21 <NA>
22 <NA>
23 <NA>
24 <NA>
25 <NA>
26 <NA>
Tiene.matrícula.la.embarcación Tipo.de.matrícula
1 <NA> <NA>
2 <NA> <NA>
3 Si Pesca
4 <NA> <NA>
5 <NA> <NA>
6 Si Pesca
7 <NA> <NA>
8 No Pesca
9 <NA> <NA>
10 <NA> <NA>
11 <NA> <NA>
12 <NA> <NA>
13 Si Pesca
14 <NA> <NA>
15 <NA> <NA>
16 No Pesca
17 Si Pesca
18 <NA> <NA>
19 Si Pesca
20 No Pesca
21 Si Pesca
22 <NA> <NA>
23 <NA> <NA>
24 <NA> <NA>
25 Si Pesca
26 <NA> <NA>
Especifique.tipo.de.matrícula Tiene.permiso.de.pesca.la.embarcación
1 <NA> <NA>
2 <NA> <NA>
3 <NA> Si
4 <NA> <NA>
5 <NA> <NA>
6 <NA> Si
7 <NA> <NA>
8 <NA> No
9 <NA> <NA>
10 <NA> <NA>
11 <NA> <NA>
12 <NA> <NA>
13 <NA> Si
14 <NA> <NA>
15 <NA> <NA>
16 <NA> No
17 <NA> No
18 <NA> <NA>
19 <NA> Si
20 <NA> No
21 <NA> No
22 <NA> <NA>
23 <NA> <NA>
24 <NA> <NA>
25 <NA> No
26 <NA> <NA>
Que.tipo.de.arte.de.pesca.utiliza..gt..gt..Arte.1..gt..gt..Nombre
1 Trasmayo
2 Manual
3 Linea- trasmallo
4 trasmallo camaronero
5 trasmallo
6 REDES
7 GANCHO
8 Gancho
9 GANCHO
10 GANCHO
11 TRASMAYO
12 Trasmayo
13 Redes
14 Redes
15 Redes
16 Chinchorro de playa
17 Trasmallo de fondo
18 Espinel
19 Malla 4 pulgadas
20 Chinchorro de playa
21 Trasmallo de fondo
22 Trasmallo
23 Trasmallo
24 REDES CAMARONERAS
25 Trasmallo
26 Espinel
Que.tipo.de.arte.de.pesca.utiliza..gt..gt..Arte.2..gt..gt..Nombre
1 <NA>
2 <NA>
3 <NA>
4 <NA>
5 <NA>
6 <NA>
7 <NA>
8 <NA>
9 <NA>
10 <NA>
11 <NA>
12 <NA>
13 <NA>
14 <NA>
15 <NA>
16 <NA>
17 <NA>
18 <NA>
19 <NA>
20 <NA>
21 <NA>
22 <NA>
23 Espinel
24 <NA>
25 <NA>
26 <NA>
Que.tipo.de.arte.de.pesca.utiliza..gt..gt..Arte.3..gt..gt..Nombre
1 <NA>
2 <NA>
3 <NA>
4 <NA>
5 <NA>
6 <NA>
7 <NA>
8 <NA>
9 <NA>
10 <NA>
11 <NA>
12 <NA>
13 <NA>
14 <NA>
15 <NA>
16 <NA>
17 <NA>
18 <NA>
19 <NA>
20 <NA>
21 <NA>
22 <NA>
23 <NA>
24 <NA>
25 <NA>
26 <NA>
Que.tipo.de.arte.de.pesca.utiliza..gt..gt..Arte.4..gt..gt..Nombre
1 <NA>
2 <NA>
3 <NA>
4 <NA>
5 <NA>
6 <NA>
7 <NA>
8 <NA>
9 <NA>
10 <NA>
11 <NA>
12 <NA>
13 <NA>
14 <NA>
15 <NA>
16 <NA>
17 <NA>
18 <NA>
19 <NA>
20 <NA>
21 <NA>
22 <NA>
23 <NA>
24 <NA>
25 <NA>
26 <NA>
Que.tipo.de.arte.de.pesca.utiliza..gt..gt..Arte.5..gt..gt..Nombre
1 <NA>
2 <NA>
3 <NA>
4 <NA>
5 <NA>
6 <NA>
7 <NA>
8 <NA>
9 <NA>
10 <NA>
11 <NA>
12 <NA>
13 <NA>
14 <NA>
15 <NA>
16 <NA>
17 <NA>
18 <NA>
19 <NA>
20 <NA>
21 <NA>
22 <NA>
23 <NA>
24 <NA>
25 <NA>
26 <NA>
Que.tipo.de.arte.de.pesca.utiliza..gt..gt..Arte.6..gt..gt..Nombre
1 <NA>
2 <NA>
3 <NA>
4 <NA>
5 <NA>
6 <NA>
7 <NA>
8 <NA>
9 <NA>
10 <NA>
11 <NA>
12 <NA>
13 <NA>
14 <NA>
15 <NA>
16 <NA>
17 <NA>
18 <NA>
19 <NA>
20 <NA>
21 <NA>
22 <NA>
23 <NA>
24 <NA>
25 <NA>
26 <NA>
Que.tipo.de.arte.de.pesca.utiliza..gt..gt..Arte.7..gt..gt..Nombre
1 <NA>
2 <NA>
3 <NA>
4 <NA>
5 <NA>
6 <NA>
7 <NA>
8 <NA>
9 <NA>
10 <NA>
11 <NA>
12 <NA>
13 <NA>
14 <NA>
15 <NA>
16 <NA>
17 <NA>
18 <NA>
19 <NA>
20 <NA>
21 <NA>
22 <NA>
23 <NA>
24 <NA>
25 <NA>
26 <NA>
Que.tipo.de.arte.de.pesca.utiliza..gt..gt..Arte.8..gt..gt..Nombre
1 <NA>
2 <NA>
3 <NA>
4 <NA>
5 <NA>
6 <NA>
7 <NA>
8 <NA>
9 <NA>
10 <NA>
11 <NA>
12 <NA>
13 <NA>
14 <NA>
15 <NA>
16 <NA>
17 <NA>
18 <NA>
19 <NA>
20 <NA>
21 <NA>
22 <NA>
23 <NA>
24 <NA>
25 <NA>
26 <NA>
Que.tipo.de.arte.de.pesca.utiliza..gt..gt..Arte.9..gt..gt..Nombre
1 <NA>
2 <NA>
3 <NA>
4 <NA>
5 <NA>
6 <NA>
7 <NA>
8 <NA>
9 <NA>
10 <NA>
11 <NA>
12 <NA>
13 <NA>
14 <NA>
15 <NA>
16 <NA>
17 <NA>
18 <NA>
19 <NA>
20 <NA>
21 <NA>
22 <NA>
23 <NA>
24 <NA>
25 <NA>
26 <NA>
Que.tipo.de.arte.de.pesca.utiliza..gt..gt..Arte.10..gt..gt..Nombre
1 <NA>
2 <NA>
3 <NA>
4 <NA>
5 <NA>
6 <NA>
7 <NA>
8 <NA>
9 <NA>
10 <NA>
11 <NA>
12 <NA>
13 <NA>
14 <NA>
15 <NA>
16 <NA>
17 <NA>
18 <NA>
19 <NA>
20 <NA>
21 <NA>
22 <NA>
23 <NA>
24 <NA>
25 <NA>
26 <NA>
Qué.especies.captura..gt..gt..Especie.1..gt..gt..Nombre
1 Peces pelogicos grandes
2 CONCHA
3 pesca blanca
4 pesca blanca
5 pesca blanca
6 PESCA BLANCA
7 CRUSTACEOS
8 Moluscos
9 CRUSTACEOS
10 CRUSTACEOS
11 CAMARON
12 Camaron
13 Crustaceo
14 Crustaceo
15 Desmersales
16 Robalo
17 CAMARON
18 Corvina
19 Corvina
20 Robalo
21 CAMARON
22 Sardina
23 Picudo
24 CAMARON
25 Pesca blanca
26 Dorado
Qué.especies.captura..gt..gt..Especie.2..gt..gt..Nombre
1 <NA>
2 <NA>
3 camarón
4 camarón
5 <NA>
6 <NA>
7 <NA>
8 <NA>
9 <NA>
10 <NA>
11 PESCA BLANCA
12 <NA>
13 <NA>
14 <NA>
15 <NA>
16 Lisa
17 <NA>
18 <NA>
19 Sierra
20 Lisa
21 <NA>
22 Perela
23 Albacora
24 <NA>
25 <NA>
26 Albacora
Qué.especies.captura..gt..gt..Especie.3..gt..gt..Nombre
1 <NA>
2 <NA>
3 <NA>
4 <NA>
5 <NA>
6 <NA>
7 <NA>
8 <NA>
9 <NA>
10 <NA>
11 <NA>
12 <NA>
13 <NA>
14 <NA>
15 <NA>
16 Corvina
17 <NA>
18 <NA>
19 <NA>
20 Corvina
21 <NA>
22 <NA>
23 Bonito
24 <NA>
25 <NA>
26 Picudo
Qué.especies.captura..gt..gt..Especie.4..gt..gt..Nombre
1 <NA>
2 <NA>
3 <NA>
4 <NA>
5 <NA>
6 <NA>
7 <NA>
8 <NA>
9 <NA>
10 <NA>
11 <NA>
12 <NA>
13 <NA>
14 <NA>
15 <NA>
16 <NA>
17 <NA>
18 <NA>
19 <NA>
20 <NA>
21 <NA>
22 <NA>
23 Dorado
24 <NA>
25 <NA>
26 <NA>
Qué.especies.captura..gt..gt..Especie.5..gt..gt..Nombre
1 <NA>
2 <NA>
3 <NA>
4 <NA>
5 <NA>
6 <NA>
7 <NA>
8 <NA>
9 <NA>
10 <NA>
11 <NA>
12 <NA>
13 <NA>
14 <NA>
15 <NA>
16 <NA>
17 <NA>
18 <NA>
19 <NA>
20 <NA>
21 <NA>
22 <NA>
23 <NA>
24 <NA>
25 <NA>
26 <NA>
Qué.especies.captura..gt..gt..Especie.6..gt..gt..Nombre
1 <NA>
2 <NA>
3 <NA>
4 <NA>
5 <NA>
6 <NA>
7 <NA>
8 <NA>
9 <NA>
10 <NA>
11 <NA>
12 <NA>
13 <NA>
14 <NA>
15 <NA>
16 <NA>
17 <NA>
18 <NA>
19 <NA>
20 <NA>
21 <NA>
22 <NA>
23 <NA>
24 <NA>
25 <NA>
26 <NA>
Qué.especies.captura..gt..gt..Especie.7..gt..gt..Nombre
1 <NA>
2 <NA>
3 <NA>
4 <NA>
5 <NA>
6 <NA>
7 <NA>
8 <NA>
9 <NA>
10 <NA>
11 <NA>
12 <NA>
13 <NA>
14 <NA>
15 <NA>
16 <NA>
17 <NA>
18 <NA>
19 <NA>
20 <NA>
21 <NA>
22 <NA>
23 <NA>
24 <NA>
25 <NA>
26 <NA>
Qué.especies.captura..gt..gt..Especie.8..gt..gt..Nombre
1 <NA>
2 <NA>
3 <NA>
4 <NA>
5 <NA>
6 <NA>
7 <NA>
8 <NA>
9 <NA>
10 <NA>
11 <NA>
12 <NA>
13 <NA>
14 <NA>
15 <NA>
16 <NA>
17 <NA>
18 <NA>
19 <NA>
20 <NA>
21 <NA>
22 <NA>
23 <NA>
24 <NA>
25 <NA>
26 <NA>
Qué.especies.captura..gt..gt..Especie.9..gt..gt..Nombre
1 <NA>
2 <NA>
3 <NA>
4 <NA>
5 <NA>
6 <NA>
7 <NA>
8 <NA>
9 <NA>
10 <NA>
11 <NA>
12 <NA>
13 <NA>
14 <NA>
15 <NA>
16 <NA>
17 <NA>
18 <NA>
19 <NA>
20 <NA>
21 <NA>
22 <NA>
23 <NA>
24 <NA>
25 <NA>
26 <NA>
Qué.especies.captura..gt..gt..Especie.10..gt..gt..Nombre
1 <NA>
2 <NA>
3 <NA>
4 <NA>
5 <NA>
6 <NA>
7 <NA>
8 <NA>
9 <NA>
10 <NA>
11 <NA>
12 <NA>
13 <NA>
14 <NA>
15 <NA>
16 <NA>
17 <NA>
18 <NA>
19 <NA>
20 <NA>
21 <NA>
22 <NA>
23 <NA>
24 <NA>
25 <NA>
26 <NA>
Conoce.el.proyecto.de.conservación.de.8.millas
1 No (el encuestador debe explicarle)
2 No (el encuestador debe explicarle)
3 Si
4 Si
5 Si
6 No (el encuestador debe explicarle)
7 Si
8 No (el encuestador debe explicarle)
9 Si
10 No (el encuestador debe explicarle)
11 Si
12 No (el encuestador debe explicarle)
13 Si
14 Si
15 No (el encuestador debe explicarle)
16 Si
17 Si
18 Si
19 Si
20 Si
21 Si
22 No (el encuestador debe explicarle)
23 Si
24 Si
25 Si
26 Si
Que.conoce.sobre.el.proyecto.de.conservación.de.8.millas
1 <NA>
2 <NA>
3 la invasión de los barcos industriales que invaden las 8 millas destruyendo las especies
4 respetar las 8 millas significa proteger las especies
5 conservar las especies y respetar las 8 millas de reserva
6 <NA>
7 CONSERVACION DE ESPECIES
8 <NA>
9 PORQUE PERTENECE A LOS PESCADORES ARTESANALES
10 <NA>
11 RESERVAS EXCLUSIVAS
12 <NA>
13 Zona exclusiva para el pescador artesanal
14 Respeto por parte de los industriales
15 <NA>
16 Para los pescadores artesanales y cuidado de las especies y lugar donde no utilizar artes de pesca como los pinchos
17 Zona de pesc artesanal, no pueden pescar los industriales y se deben regular las artes de pesca
18 Que en esta zona está reservada para la pesca artesanal y no para las flotas industriales
19 Que saquen a los barcos industriales
20 Para los pescadores artesanales y cuidado de las especies y lugar donde no utilizar artes de pesca como los pinchos
21 Zona de pesc artesanal, no pueden pescar los industriales y se deben regular las artes de pesca
22 <NA>
23 Que es zona exclusiva para pesca artesanal
24 Que los barcos chinchorreros no pueden ejercer pesca
25 Sirve para el cuidado de las especies
26 Espacio de pesca para los pescadores artesanales
Es.prioritario.conservar.las.8.millas.naúticas Explique
1 No No responde
2 Si <NA>
3 Si <NA>
4 Si <NA>
5 Si <NA>
6 Si <NA>
7 Si <NA>
8 Si <NA>
9 Si <NA>
10 Si <NA>
11 Si <NA>
12 Si <NA>
13 Si <NA>
14 Si <NA>
15 Si <NA>
16 Si <NA>
17 Si <NA>
18 Si <NA>
19 Si <NA>
20 Si <NA>
21 Si <NA>
22 Si <NA>
23 Si <NA>
24 Si <NA>
25 Si <NA>
26 Si <NA>
Cuales.cree.usted.que.son.las.principales.amenazas.en.las.8.millas...Escoja.3.opciones.
1 Inseguridad\r\nFalta de control\r\nContaminación
2 Extorsión\r\nReducción de pesca\r\nContaminación
3 Inseguridad\r\nExtorsión\r\nReducción de pesca
4 Inseguridad\r\nExtorsión\r\nContaminación
5 Falta de control\r\nReducción de pesca\r\nInvasión de la flota industrial
6 Falta de control\r\nReducción de pesca\r\nContaminación
7 Inseguridad\r\nArtes de pesca\r\nReducción de pesca
8 Inseguridad\r\nExtorsión\r\nContaminación
9 Inseguridad\r\nFalta de control\r\nInvasión de la flota industrial
10 Inseguridad\r\nExtorsión\r\nReducción de pesca
11 Inseguridad\r\nReducción de pesca\r\nContaminación
12 Inseguridad\r\nFalta de control\r\nContaminación
13 Inseguridad\r\nExtorsión\r\nFalta de control
14 Inseguridad\r\nExtorsión\r\nFalta de control
15 Inseguridad\r\nExtorsión\r\nContaminación
16 Inseguridad\r\nExtorsión\r\nReducción de pesca
17 Inseguridad\r\nFalta de control\r\nInvasión de la flota industrial
18 Inseguridad\r\nReducción de pesca\r\nInvasión de la flota industrial
19 Inseguridad\r\nExtorsión\r\nInvasión de la flota industrial
20 Inseguridad\r\nExtorsión\r\nReducción de pesca
21 Inseguridad\r\nFalta de control\r\nInvasión de la flota industrial
22 Extorsión\r\nArtes de pesca\r\nContaminación
23 Inseguridad\r\nArtes de pesca\r\nFalta de control
24 Inseguridad\r\nExtorsión\r\nFalta de control
25 Inseguridad\r\nFalta de control\r\nInvasión de la flota industrial
26 Inseguridad\r\nExtorsión\r\nReducción de pesca
Estaría.dispuesto.a.cambiar.sus.artes.de.pesca.por.otro..a.través.de.un.incentivo
1 No
2 Si
3 No
4 No
5 No
6 No responde
7 No
8 No
9 Si
10 No
11 Si
12 No
13 No
14 Si
15 No
16 No
17 Si
18 Si
19 No
20 No
21 Si
22 No
23 Si
24 Si
25 No
26 Si
Estaría.dispuesto.a.dejar.de.ejercer.la.actividad.pesquera..por.otra.actividad
1 No
2 Si
3 No
4 No
5 No
6 No responde
7 No
8 No
9 Si
10 No
11 Si
12 No
13 No
14 Si
15 No
16 No
17 Si
18 Si
19 No
20 No
21 Si
22 No
23 Si
24 Si
25 No
26 Si
Cual.sería.la.otra.actividad.a.ejercer
1 <NA>
2 UN COMEDOR
3 <NA>
4 <NA>
5 <NA>
6 <NA>
7 <NA>
8 <NA>
9 ALBAÑILERIA Y SOLDADURA
10 <NA>
11 NINGUNA
12 <NA>
13 <NA>
14 Trabajo fijo por qué está inseguro el mar
15 <NA>
16 <NA>
17 La oportunidad que se presente
18 Maricultura
19 <NA>
20 <NA>
21 La oportunidad que se presente
22 <NA>
23 Comedor
24 Un negocio en casa
25 <NA>
26 Comerciante
Cuál.cree.usted.que.sería.el.incentivo.para.dejar.de.ejercer.la.actividad.pesquera
1 No lo dejaría
2 CREDITO PARA UN COMEDOR SIEMPRE BAJO INTERES
3 na hay incentivo para dejar la pesca
4 no responde
5 no contesta
6 NINGUNO
7 20000
8 Muere en su profesión de recolector
9 INCENTIVO ECONOMICO
10 30
11 PLAN PILOTO
12 Ninguno
13 Incentivo económico
14 100mil
15 No dejaría la pesca
16 10000
17 30000
18 Que el estado otorgue un credito a bajo interes
19 Bono
20 No responde
21 Economico
22 Ninguno
23 $5000 dolares
24 Una ayuda del gobierno con créditos
25 Economico
26 $5000
Submission.IP Submission.ID origen ID
1 <NA> <NA> ARCHIVO EXCEL PRINCIPAL ID_14968
2 <NA> <NA> ARCHIVO EXCEL PRINCIPAL ID_14981
3 <NA> <NA> ARCHIVO EXCEL PRINCIPAL ID_15411
4 <NA> <NA> ARCHIVO EXCEL PRINCIPAL ID_16325
5 <NA> <NA> ARCHIVO EXCEL PRINCIPAL ID_16977
6 <NA> <NA> ARCHIVO EXCEL PRINCIPAL ID_18136
7 <NA> <NA> ARCHIVO EXCEL PRINCIPAL ID_18186
8 <NA> <NA> ARCHIVO EXCEL PRINCIPAL ID_18240
9 <NA> <NA> ARCHIVO EXCEL PRINCIPAL ID_18244
10 <NA> <NA> ARCHIVO EXCEL PRINCIPAL ID_18248
11 <NA> <NA> ARCHIVO EXCEL PRINCIPAL ID_18417
12 <NA> <NA> ARCHIVO EXCEL PRINCIPAL ID_18775
13 <NA> <NA> ARCHIVO EXCEL PRINCIPAL ID_18791
14 <NA> <NA> ARCHIVO EXCEL PRINCIPAL ID_18874
15 <NA> <NA> ARCHIVO EXCEL PRINCIPAL ID_18883
16 <NA> <NA> ARCHIVO EXCEL PRINCIPAL ID_21132
17 <NA> <NA> ARCHIVO EXCEL PRINCIPAL ID_21284
18 <NA> <NA> ARCHIVO EXCEL PRINCIPAL ID_21293
19 <NA> <NA> ARCHIVO EXCEL PRINCIPAL ID_21296
20 <NA> <NA> ARCHIVO EXCEL PRINCIPAL ID_21315
21 <NA> <NA> ARCHIVO EXCEL PRINCIPAL ID_21320
22 <NA> <NA> ARCHIVO EXCEL PRINCIPAL ID_21344
23 <NA> <NA> ARCHIVO EXCEL PRINCIPAL ID_21349
24 <NA> <NA> ARCHIVO EXCEL PRINCIPAL ID_21361
25 <NA> <NA> ARCHIVO EXCEL PRINCIPAL ID_21388
26 <NA> <NA> ARCHIVO EXCEL PRINCIPAL ID_21389Se reemplazan los casos: “1”, “0000000002”, “0000000011” y “0000000022” por “0000000001”, que es el código asignado a encuestas donde el encuestado no registró su número de cédula.
dff <- dff %>%
mutate(Número.de.cédula..Recuerde.debe.tener.10.dígitos. =
case_when(
Número.de.cédula..Recuerde.debe.tener.10.dígitos. == "1" ~ "0000000001",
Número.de.cédula..Recuerde.debe.tener.10.dígitos. == "0000000002" ~ "0000000001",
Número.de.cédula..Recuerde.debe.tener.10.dígitos. == "0000000011" ~ "0000000001",
Número.de.cédula..Recuerde.debe.tener.10.dígitos. == "0000000022" ~ "0000000001",
.default = Número.de.cédula..Recuerde.debe.tener.10.dígitos.))Se elimina la columna de número de cédula con los valores previos a la validación de 10 dígitos:
dff$Número.de.cédula <- NULLAjuste de nombres de digitadores
Se combinan las columnas de nombres y apellidos de los digitadores
dff$nombre.digitador <- ifelse(is.na(dff$Nombres),
dff$Seleccione.el.nombre.del.digitador.,
paste(dff$Nombres, dff$Apellidos, sep = " "))Se comprueba que no hayan valores “NA”
any(is.na(dff$nombre.digitador))[1] FALSEdff %>% filter(str_detect(nombre.digitador, "NA")) [1] Submission.Date
[2] Seleccione.el.nombre.del.digitador.
[3] Nombres
[4] Apellidos
[5] Nombres.1
[6] Apellidos.1
[7] Fecha.de.la.encuesta
[8] Nombres.2
[9] Apellidos.2
[10] Seleccione.el.año.de.nacimiento
[11] Seleccione.la.provincia.de.residencia
[12] Seleccione.el.cantón.de.residencia.en.la.provincia.de.El.Oro
[13] Seleccione.el.cantón.de.residencia.en.la.provincia.de.Esmeraldas
[14] Observaciones
[15] Qué.tipo.de.artes.de.pesca.utiliza..seleccione.todo.lo.que.aplique..
[16] Número.de.cédula..Recuerde.debe.tener.10.dígitos.
[17] Qué.tipo.de.embarcación.tiene
[18] Tiene.permiso.de.pesca.artesanal
[19] Seleccione.el.cantón.de.residencia.en.la.provincia.de.Guayas
[20] Seleccione.el.cantón.de.residencia.en.la.provincia.de.Manabí
[21] Seleccione.el.cantón.de.residencia.en.la.provincia.de.Santa.Elena
[22] Caleta.pesquera
[23] Profesión
[24] Es.agremiado
[25] Organización
[26] Sexo
[27] Estado.civil
[28] Cargas.familiares
[29] Discapacidad
[30] Cual.es.su.discapacidad
[31] Es.armador
[32] Cuántas.embarcaciones.tiene
[33] Eslora.de.la.s..embarcación.es..en.metros..gt..gt..Embarcación.1..gt..gt..eslora..metros.
[34] Eslora.de.la.s..embarcación.es..en.metros..gt..gt..Embarcación.2..gt..gt..eslora..metros.
[35] Eslora.de.la.s..embarcación.es..en.metros..gt..gt..Embarcación.3..gt..gt..eslora..metros.
[36] Eslora.de.la.s..embarcación.es..en.metros..gt..gt..Embarcación.4..gt..gt..eslora..metros.
[37] Eslora.de.la.s..embarcación.es..en.metros..gt..gt..Embarcación.5..gt..gt..eslora..metros.
[38] Tiene.matrícula.la.embarcación
[39] Tipo.de.matrícula
[40] Especifique.tipo.de.matrícula
[41] Tiene.permiso.de.pesca.la.embarcación
[42] Que.tipo.de.arte.de.pesca.utiliza..gt..gt..Arte.1..gt..gt..Nombre
[43] Que.tipo.de.arte.de.pesca.utiliza..gt..gt..Arte.2..gt..gt..Nombre
[44] Que.tipo.de.arte.de.pesca.utiliza..gt..gt..Arte.3..gt..gt..Nombre
[45] Que.tipo.de.arte.de.pesca.utiliza..gt..gt..Arte.4..gt..gt..Nombre
[46] Que.tipo.de.arte.de.pesca.utiliza..gt..gt..Arte.5..gt..gt..Nombre
[47] Que.tipo.de.arte.de.pesca.utiliza..gt..gt..Arte.6..gt..gt..Nombre
[48] Que.tipo.de.arte.de.pesca.utiliza..gt..gt..Arte.7..gt..gt..Nombre
[49] Que.tipo.de.arte.de.pesca.utiliza..gt..gt..Arte.8..gt..gt..Nombre
[50] Que.tipo.de.arte.de.pesca.utiliza..gt..gt..Arte.9..gt..gt..Nombre
[51] Que.tipo.de.arte.de.pesca.utiliza..gt..gt..Arte.10..gt..gt..Nombre
[52] Qué.especies.captura..gt..gt..Especie.1..gt..gt..Nombre
[53] Qué.especies.captura..gt..gt..Especie.2..gt..gt..Nombre
[54] Qué.especies.captura..gt..gt..Especie.3..gt..gt..Nombre
[55] Qué.especies.captura..gt..gt..Especie.4..gt..gt..Nombre
[56] Qué.especies.captura..gt..gt..Especie.5..gt..gt..Nombre
[57] Qué.especies.captura..gt..gt..Especie.6..gt..gt..Nombre
[58] Qué.especies.captura..gt..gt..Especie.7..gt..gt..Nombre
[59] Qué.especies.captura..gt..gt..Especie.8..gt..gt..Nombre
[60] Qué.especies.captura..gt..gt..Especie.9..gt..gt..Nombre
[61] Qué.especies.captura..gt..gt..Especie.10..gt..gt..Nombre
[62] Conoce.el.proyecto.de.conservación.de.8.millas
[63] Que.conoce.sobre.el.proyecto.de.conservación.de.8.millas
[64] Es.prioritario.conservar.las.8.millas.naúticas
[65] Explique
[66] Cuales.cree.usted.que.son.las.principales.amenazas.en.las.8.millas...Escoja.3.opciones.
[67] Estaría.dispuesto.a.cambiar.sus.artes.de.pesca.por.otro..a.través.de.un.incentivo
[68] Estaría.dispuesto.a.dejar.de.ejercer.la.actividad.pesquera..por.otra.actividad
[69] Cual.sería.la.otra.actividad.a.ejercer
[70] Cuál.cree.usted.que.sería.el.incentivo.para.dejar.de.ejercer.la.actividad.pesquera
[71] Submission.IP
[72] Submission.ID
[73] origen
[74] ID
[75] nombre.digitador
<0 rows> (or 0-length row.names)Se eliminan las columnas anteriores:
dff$Seleccione.el.nombre.del.digitador. <- NULL
dff$Nombres <- NULL
dff$Apellidos <- NULLSe exporta la columna de nombres para realizar correcciones. Por ejemplo, se unifican los nombres:
Milagros Velez Mero
Milagros Velez
Milagro Velez
Milagros Vélez
Milagros Velz
# dff %>% select(ID, nombre.digitador) %>% write_csv(., "nombres_digitadores.csv")Se importan los nombres corregidos y se reemplaza la columna. Las equivalencias de los nombres usados están disponibles en el archivo: “nombres_digitadores.xlsx” dentro de la carpeta “Textos corregidos”.
nombres_corregidos <- read.xlsx("./Textos corregidos/nombres_digitadores.xlsx")
nombres_corregidos$nombre.digitador <- NULLSe incorporan los valores corregidos:
dff <- left_join(dff, nombres_corregidos, by = "ID")Se eliminan las columnas de trabajo:
dff$nombre.digitador <- dff$correccion.nombre.digitador
dff$correccion.nombre.digitador <- NULLAjuste de nombres de encuestadores
Se combinan las columnas de nombres y apellidos de los digitadores
dff$nombre.encuestador <- paste(dff$Nombres.1, dff$Apellidos.1, sep = " ")Se eliminan las columnas anteriores:
dff$Nombres.1 <- NULL
dff$Apellidos.1 <- NULLSe exporta la columna de nombres para realizar los ajustes siguiendo el mismo criterio que para los nombres de digitadores:
# dff %>% select(ID, nombre.encuestador) %>% write_csv(., "nombres_encuestadores.csv")Se importan los nombres corregidos y se reemplaza la columna. Las equivalencias de los nombres usados están disponibles en el archivo: “nombres_encuestadores.xlsx” dentro de la carpeta “Textos corregidos”.
nombres_corregidos <- read.xlsx("./Textos corregidos/nombres_encuestadores.xlsx")
nombres_corregidos$nombre.encuestador <- NULL
nombres_corregidos$nombre.ajustado <- NULLSe incorporan los valores corregidos:
dff <- left_join(dff, nombres_corregidos, by = "ID")Se eliminan las columnas de trabajo:
dff$nombre.encuestador <- dff$correccion.nombre.encuestador
dff$correccion.nombre.encuestador <- NULLAjuste de nombres de encuestados
Se unen las columnas de nombres y apellidos de los encuestados. Debido a que cada registro es único, no se hacen ajutes a los valores.
dff$nombre.encuestado <- paste(dff$Nombres.2, dff$Apellidos.2, sep = " ")
dff$Nombres.2 <- NULL
dff$Apellidos.2 <- NULLProvincia y cantones de residencia
Se unen los cantones de residencia en una sola columna. Primero se revisa que solo exista un valor
# Se revisa si solo hay un cantón seleccionado por fila:
# cols_cantones <- c("Seleccione.el.cantón.de.residencia.en.la.provincia.de.El.Oro",
# "Seleccione.el.cantón.de.residencia.en.la.provincia.de.Esmeraldas",
# "Seleccione.el.cantón.de.residencia.en.la.provincia.de.Guayas",
# "Seleccione.el.cantón.de.residencia.en.la.provincia.de.Manabí",
# "Seleccione.el.cantón.de.residencia.en.la.provincia.de.Santa.Elena" )
#
# dff$checker <- rowSums(is.na(dff[, cols_cantones]))
#
# dff %>% filter(checker == 5) %>% select(Seleccione.la.provincia.de.residencia, cols_cantones) %>% view()Se unen los valores (primer valor no nulo asignado a la columna cantón):
dff <- dff %>%
mutate(canton = coalesce(
Seleccione.el.cantón.de.residencia.en.la.provincia.de.El.Oro,
Seleccione.el.cantón.de.residencia.en.la.provincia.de.Esmeraldas,
Seleccione.el.cantón.de.residencia.en.la.provincia.de.Guayas,
Seleccione.el.cantón.de.residencia.en.la.provincia.de.Manabí,
Seleccione.el.cantón.de.residencia.en.la.provincia.de.Santa.Elena))sum(is.na(dff$canton)) == sum(dff$Seleccione.la.provincia.de.residencia == "NO RESPONDE")[1] TRUESe eliminan las columnas anteriores:
dff$Seleccione.el.cantón.de.residencia.en.la.provincia.de.El.Oro <- NULL
dff$Seleccione.el.cantón.de.residencia.en.la.provincia.de.Esmeraldas <- NULL
dff$Seleccione.el.cantón.de.residencia.en.la.provincia.de.Guayas <- NULL
dff$Seleccione.el.cantón.de.residencia.en.la.provincia.de.Manabí <- NULL
dff$Seleccione.el.cantón.de.residencia.en.la.provincia.de.Santa.Elena <- NULLSe homologan los valores de provincia.
dff$Seleccione.la.provincia.de.residencia <- ifelse(dff$Seleccione.la.provincia.de.residencia == "Esmeraldas", "ESMERALDAS", dff$Seleccione.la.provincia.de.residencia)Caleta pesquera
Se exportan los valores de caletas para realizar una estandarización usando un modelo LLMy luego una corroboración con FENACOPEC:
# dff %>% select(ID, Seleccione.la.provincia.de.residencia, canton, Caleta.pesquera) %>% write_csv(., "caletas.csv")Se incorporan los valores corregidos:
caletas <- read.xlsx("./Textos corregidos/caletas_pesqueras.xlsx")
caletas$Seleccione.la.provincia.de.residencia <- NULL
caletas$canton <- NULL
caletas$Caleta.pesquera <- NULL
caletas$correccion.caleta.prev <- NULLdff <- left_join(dff, caletas, by = "ID")Artes de pesca
Los artes de pesca se preguntaron de dos formas. Inicialmente se hizo una pregunta abierta y luego una pregunta de opción múltiple.
Pregunta de opción múltiple
Columna para la opción: Redes (incluye trasmayo de superficie, trasmayo de profundidad, trasmayo de monofilamento, electrónico y polifilamento)
dff <- dff %>% mutate(arte.redes = ifelse(grepl("Redes \\(incluye",
Qué.tipo.de.artes.de.pesca.utiliza..seleccione.todo.lo.que.aplique..),
"Redes", NA))Columna para la opción: Bolsos (redes de piola se usan con o sin aletas)
dff <- dff %>% mutate(arte.bolsos = ifelse(grepl("Bolsos \\(redes",
Qué.tipo.de.artes.de.pesca.utiliza..seleccione.todo.lo.que.aplique..),
"Bolsos", NA)) Columna para la oción: Risos
dff <- dff %>% mutate(arte.risos = ifelse(grepl("Risos",
Qué.tipo.de.artes.de.pesca.utiliza..seleccione.todo.lo.que.aplique..),
"Risos", NA)) Columna para la opción: Changueros (changas)
dff <- dff %>% mutate(arte.changueros = ifelse(grepl("Changueros",
Qué.tipo.de.artes.de.pesca.utiliza..seleccione.todo.lo.que.aplique..),
"Changueros", NA)) Columna para la opción: Gancho (varilla)
dff <- dff %>% mutate(arte.ganchos = ifelse(grepl("Gancho \\(varilla",
Qué.tipo.de.artes.de.pesca.utiliza..seleccione.todo.lo.que.aplique..),
"Gancho", NA)) Columna para la opción: Espinel (compuesto de: reinal, anzuelos y naylon)
dff <- dff %>% mutate(arte.espinel = ifelse(grepl("Espinel \\(compuesto",
Qué.tipo.de.artes.de.pesca.utiliza..seleccione.todo.lo.que.aplique..),
"Espinel", NA))Columna para la opción: Mano (actividad manual)
dff <- dff %>% mutate(arte.manual = ifelse(grepl("Mano \\(actividad",
Qué.tipo.de.artes.de.pesca.utiliza..seleccione.todo.lo.que.aplique..),
"Manual", NA)) Columna para la opción: Otros
dff <- dff %>% mutate(arte.otros = ifelse(grepl("Otros",
Qué.tipo.de.artes.de.pesca.utiliza..seleccione.todo.lo.que.aplique..),
"Otros", NA)) #%>% select(Qué.tipo.de.artes.de.pesca.utiliza..seleccione.todo.lo.que.aplique.., arte.otros) %>% view()# dff %>% select(Qué.tipo.de.artes.de.pesca.utiliza..seleccione.todo.lo.que.aplique..) %>% separate(Qué.tipo.de.artes.de.pesca.utiliza..seleccione.todo.lo.que.aplique.., into = c("a", "b", "c", "d", "e", "f", "g", "h"), sep = "\n") %>% view()Pregunta abierta
La pregunta tuvo 10 espacios para ingresar textos de forma abierta. Se exportan los registros de los 10 campos para su estandarización.
# dff %>% select(ID,
# Que.tipo.de.arte.de.pesca.utiliza..gt..gt..Arte.1..gt..gt..Nombre,
# Que.tipo.de.arte.de.pesca.utiliza..gt..gt..Arte.2..gt..gt..Nombre,
# Que.tipo.de.arte.de.pesca.utiliza..gt..gt..Arte.3..gt..gt..Nombre,
# Que.tipo.de.arte.de.pesca.utiliza..gt..gt..Arte.4..gt..gt..Nombre,
# Que.tipo.de.arte.de.pesca.utiliza..gt..gt..Arte.5..gt..gt..Nombre,
# Que.tipo.de.arte.de.pesca.utiliza..gt..gt..Arte.6..gt..gt..Nombre,
# Que.tipo.de.arte.de.pesca.utiliza..gt..gt..Arte.7..gt..gt..Nombre,
# Que.tipo.de.arte.de.pesca.utiliza..gt..gt..Arte.8..gt..gt..Nombre,
# Que.tipo.de.arte.de.pesca.utiliza..gt..gt..Arte.8..gt..gt..Nombre,
# Que.tipo.de.arte.de.pesca.utiliza..gt..gt..Arte.9..gt..gt..Nombre,
# Que.tipo.de.arte.de.pesca.utiliza..gt..gt..Arte.10..gt..gt..Nombre) %>% write_csv(., "artes_pregunta_abierta.csv")artes <- dff %>% select(ID,
Que.tipo.de.arte.de.pesca.utiliza..gt..gt..Arte.1..gt..gt..Nombre,
Que.tipo.de.arte.de.pesca.utiliza..gt..gt..Arte.2..gt..gt..Nombre,
Que.tipo.de.arte.de.pesca.utiliza..gt..gt..Arte.3..gt..gt..Nombre,
Que.tipo.de.arte.de.pesca.utiliza..gt..gt..Arte.4..gt..gt..Nombre,
Que.tipo.de.arte.de.pesca.utiliza..gt..gt..Arte.5..gt..gt..Nombre,
Que.tipo.de.arte.de.pesca.utiliza..gt..gt..Arte.6..gt..gt..Nombre,
Que.tipo.de.arte.de.pesca.utiliza..gt..gt..Arte.7..gt..gt..Nombre,
Que.tipo.de.arte.de.pesca.utiliza..gt..gt..Arte.8..gt..gt..Nombre,
Que.tipo.de.arte.de.pesca.utiliza..gt..gt..Arte.8..gt..gt..Nombre,
Que.tipo.de.arte.de.pesca.utiliza..gt..gt..Arte.9..gt..gt..Nombre,
Que.tipo.de.arte.de.pesca.utiliza..gt..gt..Arte.10..gt..gt..Nombre)artes <- artes %>% pivot_longer(!ID, names_to = "col", values_to = "valor")
artes <- artes %>% filter(!is.na(valor))
# write_csv(artes, "artes.csv")Se importan los nombres corregidos y se reemplaza la columna. Las equivalencias de los nombres usados están disponibles en el archivo: “nombres_encuestadores.xlsx” dentro de la carpeta “Textos corregidos”.
artes <- read.xlsx("./Textos corregidos/artes_pesca_abierta.xlsx")
artes$col <- NULL
artes$check <- NULL
artes$valor <- NULL
artes$correccion.artes.prev <- NULLSe importan las categorías a las que pertenecen cada arte:
cat_artes <- read.xlsx("./Textos corregidos/artes_pesca_abierta.xlsx", sheet = "categorias")Se empatan las categorías a los artes de pesca y se remueve los valores no categorizados:
artes <- left_join(artes, cat_artes, by = "correccion.artes")
artes$correccion.artes <- NULLSe extiende la estructura del archivo de artes para que cada arte ocupe una columna:
artes <- pivot_wider(artes, names_from = categoría, values_from = categoría, values_fn = length)Se eliminan las columnas innecesarias y se ajustan los valores y nombres de columnas:
artes$`NA` <- NULL
names(artes) <- c("ID", "arte.redes", "arte.espinel", "arte.ganchos", "arte.risos", "arte.manual", "arte.changueros", "arte.bolsos", "arte.otros")
artes$arte.redes <- ifelse(is.na(artes$arte.redes), NA, "Redes")
artes$arte.espinel <- ifelse(is.na(artes$arte.espinel), NA, "Espinel")
artes$arte.ganchos <- ifelse(is.na(artes$arte.ganchos), NA, "Ganchos y Jicras")
artes$arte.risos <- ifelse(is.na(artes$arte.risos), NA, "Risos")
artes$arte.manual <- ifelse(is.na(artes$arte.manual), NA, "Manual")
artes$arte.changueros <- ifelse(is.na(artes$arte.changueros), NA, "Changueros")
artes$arte.bolsos <- ifelse(is.na(artes$arte.bolsos), NA, "Bolsos")
artes$arte.otros <- ifelse(is.na(artes$arte.otros), NA, "Otros")
Se unen las nuevas columnas al dataframe existente:
dff <- left_join(dff, artes, by = "ID")Se unifican las columnas de artes de la pregunta de selección múltiple y de la pregunta abierta:
dff$arte.redes <- ifelse(is.na(dff$arte.redes.x) & is.na(dff$arte.redes.y), NA,
"Redes")
dff$arte.espinel <- ifelse(is.na(dff$arte.espinel.x) & is.na(dff$arte.espinel.y), NA,
"Espinel")
dff$arte.ganchos <- ifelse(is.na(dff$arte.ganchos.x) & is.na(dff$arte.ganchos.y), NA,
"Ganchos")
dff$arte.risos <- ifelse(is.na(dff$arte.risos.x) & is.na(dff$arte.risos.y), NA,
"Risos")
dff$arte.manual <- ifelse(is.na(dff$arte.manual.x) & is.na(dff$arte.manual.y), NA,
"Manual")
dff$arte.changueros <- ifelse(is.na(dff$arte.changueros.x) & is.na(dff$arte.changueros.y), NA,
"Changueros")
dff$arte.bolsos <- ifelse(is.na(dff$arte.bolsos.x) & is.na(dff$arte.bolsos.y), NA,
"Bolsos")
dff$arte.otros <- ifelse(is.na(dff$arte.otros.x) & is.na(dff$arte.otros.y), NA,
"Otros")Se eliminan las columnas previas:
dff <- dff %>% select(-ends_with(".x"), -ends_with(".y"))Especies que pesca
Se eliminan espacios vacíos al inicio o al final de los valores y se estandarizan todos los textos a minúsculas:
dff <- dff %>% mutate_at(
vars(Qué.especies.captura..gt..gt..Especie.1..gt..gt..Nombre,
Qué.especies.captura..gt..gt..Especie.2..gt..gt..Nombre,
Qué.especies.captura..gt..gt..Especie.3..gt..gt..Nombre,
Qué.especies.captura..gt..gt..Especie.4..gt..gt..Nombre,
Qué.especies.captura..gt..gt..Especie.5..gt..gt..Nombre,
Qué.especies.captura..gt..gt..Especie.6..gt..gt..Nombre,
Qué.especies.captura..gt..gt..Especie.7..gt..gt..Nombre,
Qué.especies.captura..gt..gt..Especie.8..gt..gt..Nombre,
Qué.especies.captura..gt..gt..Especie.9..gt..gt..Nombre,
Qué.especies.captura..gt..gt..Especie.10..gt..gt..Nombre),
~ trimws(tolower(.)))# dff %>% select(ID,
# Qué.especies.captura..gt..gt..Especie.1..gt..gt..Nombre,
# Qué.especies.captura..gt..gt..Especie.2..gt..gt..Nombre,
# Qué.especies.captura..gt..gt..Especie.3..gt..gt..Nombre,
# Qué.especies.captura..gt..gt..Especie.4..gt..gt..Nombre,
# Qué.especies.captura..gt..gt..Especie.5..gt..gt..Nombre,
# Qué.especies.captura..gt..gt..Especie.6..gt..gt..Nombre,
# Qué.especies.captura..gt..gt..Especie.7..gt..gt..Nombre,
# Qué.especies.captura..gt..gt..Especie.8..gt..gt..Nombre,
# Qué.especies.captura..gt..gt..Especie.9..gt..gt..Nombre,
# Qué.especies.captura..gt..gt..Especie.10..gt..gt..Nombre) %>%
# write_csv(., "especies.csv")Se incorporan los datos corregidos:
especies <- read.xlsx("./Textos corregidos/especies.xlsx")
especies$Qué.especies.captura..gt..gt..Especie.1..gt..gt..Nombre <- NULL
especies$Qué.especies.captura..gt..gt..Especie.2..gt..gt..Nombre <- NULL
especies$Qué.especies.captura..gt..gt..Especie.3..gt..gt..Nombre <- NULL
especies$Qué.especies.captura..gt..gt..Especie.4..gt..gt..Nombre <- NULL
especies$Qué.especies.captura..gt..gt..Especie.5..gt..gt..Nombre <- NULL
especies$Qué.especies.captura..gt..gt..Especie.6..gt..gt..Nombre <- NULL
especies$Qué.especies.captura..gt..gt..Especie.7..gt..gt..Nombre <- NULL
especies$Qué.especies.captura..gt..gt..Especie.8..gt..gt..Nombre <- NULL
especies$Qué.especies.captura..gt..gt..Especie.9..gt..gt..Nombre <- NULL
especies$Qué.especies.captura..gt..gt..Especie.10..gt..gt..Nombre <- NULL
especies$especie1 <- NULL
especies$especie2 <- NULL
especies$especie3 <- NULL
especies$especie4 <- NULL
especies$especie5 <- NULL
especies$especie6 <- NULL
especies$especie7 <- NULLdff <- left_join(dff, especies, by = "ID")Embarcación
Se crea una columna que indique si el encuestado tiene embarcación:
dff <- dff %>% mutate(tiene.embarcacion = case_when(
Cuántas.embarcaciones.tiene > 0 ~ "Sí",
is.na(dff$Cuántas.embarcaciones.tiene) ~ "No",
.default = "No"
))Profesión
Se incorporan los datos corregidos de profesión:
# dff %>% select(ID, Profesión) %>% write_csv(., "profesion.csv")profesiones <- read.xlsx("./Textos corregidos/profesiones.xlsx")
profesiones$Profesión <- NULLdff <- left_join(dff, profesiones, by = "ID")
dff$Profesión <- NULLPermiso de pesca artesanal
Se registra solo un valor nulo, se unifica con el valor “No responde”.
dff <- dff %>% mutate(Tiene.permiso.de.pesca.artesanal = case_when(
Tiene.permiso.de.pesca.artesanal == "no" ~ "No",
Tiene.permiso.de.pesca.artesanal == "NO" ~ "No",
Tiene.permiso.de.pesca.artesanal == "si" ~ "Sí",
Tiene.permiso.de.pesca.artesanal == "Si" ~ "Sí",
Tiene.permiso.de.pesca.artesanal == "SI" ~ "Sí",
is.na(Tiene.permiso.de.pesca.artesanal) ~ "No responde",
.default = Tiene.permiso.de.pesca.artesanal))Organización
Se incorporan los datos corregidos de organización:
#dff %>% select(ID, Organización) %>% write_csv(., "organizacion.csv")organizaciones <- read.xlsx("./Textos corregidos/organizaciones.xlsx")
organizaciones$Organización <- NULL
organizaciones$correccion.minusculas.mayusculas <- NULL
organizaciones$segunda.correccion <- NULL
organizaciones$correccion.enviada.a.FENACOPEC <- NULLdff <- left_join(dff, organizaciones, by = "ID")Tipo de embarcación
Se incorporan los datos corregidos de tipo de embarcación:
# dff %>% select(ID, Qué.tipo.de.embarcación.tiene) %>% write_csv(., "embarcacion.csv")embarcaciones <- read.xlsx("./Textos corregidos/embarcaciones_karl_rush.xlsx")
embarcaciones$Qué.tipo.de.embarcación.tiene <- NULLdff <- left_join(dff, embarcaciones, by = "ID")
dff$Qué.tipo.de.embarcación.tiene <- NULLEs agremiado
Se estandarizan los valores de la pregunta:
dff <- dff %>% mutate(Es.agremiado = case_when(
Es.agremiado == "no" ~ "No",
Es.agremiado == "si" ~ "Sí",
Es.agremiado == "Si" ~ "Sí",
Es.agremiado == "SI" ~ "Sí",
.default = Es.agremiado))Eslora de la embarcacion
Se simplifican los nombres de las columnas de esloras:
dff <- dff %>% rename(
eslora.1s = Eslora.de.la.s..embarcación.es..en.metros..gt..gt..Embarcación.1..gt..gt..eslora..metros.,
eslora.2s = Eslora.de.la.s..embarcación.es..en.metros..gt..gt..Embarcación.2..gt..gt..eslora..metros.,
eslora.3s = Eslora.de.la.s..embarcación.es..en.metros..gt..gt..Embarcación.3..gt..gt..eslora..metros.,
eslora.4s = Eslora.de.la.s..embarcación.es..en.metros..gt..gt..Embarcación.4..gt..gt..eslora..metros.,
eslora.5s = Eslora.de.la.s..embarcación.es..en.metros..gt..gt..Embarcación.5..gt..gt..eslora..metros.
)# dff %>% select(ID, eslora.1s, eslora.2s, eslora.3s, eslora.4s, eslora.5s) %>% write_csv(., "esloras.csv")Se incorporan los valores corregidos:
esloras <- read.xlsx("./Textos corregidos/esloras.xlsx")
esloras$eslora.1s <- NULL
esloras$eslora.2s <- NULL
esloras$eslora.3s <- NULL
esloras$eslora.4s <- NULL
esloras$eslora.5s <- NULLdff <- left_join(dff, esloras, by = "ID")dff$eslora.1s <- NULL
dff$eslora.2s <- NULL
dff$eslora.3s <- NULL
dff$eslora.4s <- NULL
dff$eslora.5s <- NULLSe convierten en numéricos los valores de esloras:
dff <- dff %>%
mutate(across(c(eslora1, eslora2, eslora3, eslora4, eslora5), as.numeric))Se genera una columna con el valor peromedio de las esloras reportadas en caso de tener más de una embarcación:
dff <- dff %>% mutate(eslora.promedio = rowMeans(select(., eslora1, eslora2, eslora3, eslora4, eslora5), na.rm = TRUE))Cargas familiares
Un valor de 51 y un valor de 99 han sido excluidos.
dff$Cargas.familiares <- ifelse(dff$Cargas.familiares > 24, NA, dff$Cargas.familiares)Discapacidad
Se estandarizan los valores de la pregunta:
dff <- dff %>% mutate(Discapacidad = case_when(
Discapacidad == "1" ~ NA,
Discapacidad == "no" ~ "No",
Discapacidad == "NO" ~ "No",
Discapacidad == "no " ~ "No",
Discapacidad == "Si" ~ "Sí",
.default = Discapacidad))Se exportan los valores de tipo de discapacidad.
# dff %>% select(ID, Cual.es.su.discapacidad) %>% write_csv("discapacidad.csv")discapacidades <- read.xlsx("./Textos corregidos/discapacidades.xlsx")
discapacidades$Cual.es.su.discapacidad <- NULLdff <- left_join(dff, discapacidades, by = "ID")Es armador
Se estandarizan los valores de la pregunta:
dff <- dff %>% mutate(Es.armador = case_when(
Es.armador == "si" ~ "Sí",
Es.armador == "Si" ~ "Sí",
.default = Es.armador))Tiene matrícula la embarcación
Se unifican los valores. En el caso de los pocos valores “no responde” se los unifica con el valor NA (nulo).
dff <- dff %>% mutate(Tiene.matrícula.la.embarcación = case_when(
Tiene.matrícula.la.embarcación == "no" ~ "No",
Tiene.matrícula.la.embarcación == "no " ~ "No",
Tiene.matrícula.la.embarcación == "NO" ~ "No",
Tiene.matrícula.la.embarcación == "si" ~ "Sí",
Tiene.matrícula.la.embarcación == "Si" ~ "Sí",
Tiene.matrícula.la.embarcación == "SI" ~ "Sí",
Tiene.matrícula.la.embarcación == "No respode" ~ NA,
.default = Tiene.matrícula.la.embarcación))Tipo de matrícula
Se estandarizan los valores de la pregunta:
dff <- dff %>% mutate(Tipo.de.matrícula = case_when(
Tipo.de.matrícula == "No" ~ NA,
Tipo.de.matrícula == "pesca" ~ "Pesca",
Tipo.de.matrícula == "PESCA" ~ "Pesca",
Tipo.de.matrícula == "No responde" ~ NA,
.default = Tipo.de.matrícula))# dff %>% filter(Número.de.cédula..Recuerde.debe.tener.10.dígitos. == "0801197062") %>% view()Tiene permiso de pesca la embarcación
Se estandarizan los valores de la pregunta:
dff <- dff %>% mutate(Tiene.permiso.de.pesca.la.embarcación = case_when(
Tiene.permiso.de.pesca.la.embarcación == "no" ~ "No",
Tiene.permiso.de.pesca.la.embarcación == "NO" ~ "No",
Tiene.permiso.de.pesca.la.embarcación == "no " ~ "No",
Tiene.permiso.de.pesca.la.embarcación == "si" ~ "Sí",
Tiene.permiso.de.pesca.la.embarcación == "Si" ~ "Sí",
Tiene.permiso.de.pesca.la.embarcación == "SI" ~ "Sí",
Tiene.permiso.de.pesca.la.embarcación == "No responde" ~ NA,
.default = Tiene.permiso.de.pesca.la.embarcación))Preguntas sobre conservación
Conoce el proyecto 8 millas
Se estandarizan los valores de la pregunta:
dff <- dff %>% mutate(Conoce.el.proyecto.de.conservación.de.8.millas = case_when(
Conoce.el.proyecto.de.conservación.de.8.millas == "Si" ~ "Sí",
Conoce.el.proyecto.de.conservación.de.8.millas == "si" ~ "Sí",
Conoce.el.proyecto.de.conservación.de.8.millas == "SI" ~ "Sí",
Conoce.el.proyecto.de.conservación.de.8.millas == "No (el encuestador debe explicarle)" ~ "No",
.default = Conoce.el.proyecto.de.conservación.de.8.millas
))Qué conoce del proyecto 8 millas
Se incorporan los valores corregidos de la pregunta:
# dff %>% select(ID, Que.conoce.sobre.el.proyecto.de.conservación.de.8.millas) %>% write_csv(., "que_conoce_8_millas.csv")conoce <- read.xlsx("./Textos corregidos/que_conoce_8_millas.xlsx")
conoce$Que.conoce.sobre.el.proyecto.de.conservación.de.8.millas <- NULLdff <- left_join(dff, conoce, by = "ID")Es prioritario conservar las 8 millas naúticas
Se estandarizan los valores de la pregunta:
dff <- dff %>% mutate(Es.prioritario.conservar.las.8.millas.naúticas = case_when(
Es.prioritario.conservar.las.8.millas.naúticas == "no" ~ "No",
Es.prioritario.conservar.las.8.millas.naúticas == "si" ~ "Sí",
Es.prioritario.conservar.las.8.millas.naúticas == "Si" ~ "Sí",
Es.prioritario.conservar.las.8.millas.naúticas == "SI" ~ "Sí",
.default = Es.prioritario.conservar.las.8.millas.naúticas
))Explique por qué es prioritario conservar las 8 millas
Se exportan las respuestas de aquellos encuestados que dijeron que “No” es prioritario conservar las 8 millas:
# dff %>% filter(Es.prioritario.conservar.las.8.millas.naúticas == "No") %>%
# select(ID, Explique) %>% filter(!is.na(Explique)) %>% write_csv(., "no_explique_prioritario_conservar.csv")Se importan los valores corregidos de la pregunta:
explique <- read.xlsx("./Textos corregidos/explique_no_conservar.xlsx")
explique$Explique <- NULLdff <- left_join(dff, explique, by = "ID")Amenazas a las 8 millas
Se corrigen los valores no estandarizados (provenientes del Excel que fue editado manualmente). También se ajustan los separadores para que sean “;” y se sobreescriben los casos cuando hay dos separadores juntos para evitar valores vacíos (““).
dff$Cuales.cree.usted.que.son.las.principales.amenazas.en.las.8.millas...Escoja.3.opciones. <- gsub("contaminacion", "Contaminación", dff$Cuales.cree.usted.que.son.las.principales.amenazas.en.las.8.millas...Escoja.3.opciones.)
dff$Cuales.cree.usted.que.son.las.principales.amenazas.en.las.8.millas...Escoja.3.opciones. <- gsub("Reduccion de Pesca", "Reducción de pesca", dff$Cuales.cree.usted.que.son.las.principales.amenazas.en.las.8.millas...Escoja.3.opciones.)
dff$Cuales.cree.usted.que.son.las.principales.amenazas.en.las.8.millas...Escoja.3.opciones. <- gsub("\n", ";", dff$Cuales.cree.usted.que.son.las.principales.amenazas.en.las.8.millas...Escoja.3.opciones.)
dff$Cuales.cree.usted.que.son.las.principales.amenazas.en.las.8.millas...Escoja.3.opciones. <- gsub("\r", ";", dff$Cuales.cree.usted.que.son.las.principales.amenazas.en.las.8.millas...Escoja.3.opciones.)
dff$Cuales.cree.usted.que.son.las.principales.amenazas.en.las.8.millas...Escoja.3.opciones. <- gsub("_x000D_", "", dff$Cuales.cree.usted.que.son.las.principales.amenazas.en.las.8.millas...Escoja.3.opciones.)
dff$Cuales.cree.usted.que.son.las.principales.amenazas.en.las.8.millas...Escoja.3.opciones. <- gsub(";;", ";", dff$Cuales.cree.usted.que.son.las.principales.amenazas.en.las.8.millas...Escoja.3.opciones.)Se revisan los valores únicos:
unique(unlist(strsplit(dff$Cuales.cree.usted.que.son.las.principales.amenazas.en.las.8.millas...Escoja.3.opciones., ";", perl = TRUE)))[1] "Inseguridad" "Extorsión"
[3] "Falta de control" "Artes de pesca"
[5] "Reducción de pesca" "Invasión de la flota industrial"
[7] "Contaminación" "No responde" Se crean columnas nuevas ante la presencia de estos valores:
dff <- dff %>%
mutate(amenaza.inseguridad = ifelse(grepl("Inseguridad", Cuales.cree.usted.que.son.las.principales.amenazas.en.las.8.millas...Escoja.3.opciones.), "Inseguridad", NA),
amenaza.extorsion = ifelse(grepl("Extorsión", Cuales.cree.usted.que.son.las.principales.amenazas.en.las.8.millas...Escoja.3.opciones.), "Extorsión", NA),
amenaza.falta.control = ifelse(grepl("Falta de control", Cuales.cree.usted.que.son.las.principales.amenazas.en.las.8.millas...Escoja.3.opciones.), "Falta de control", NA),
amenaza.artes.pesca = ifelse(grepl("Artes de pesca", Cuales.cree.usted.que.son.las.principales.amenazas.en.las.8.millas...Escoja.3.opciones.), "Artes de pesca", NA),
amenaza.reduccion.pesca = ifelse(grepl("Reducción de pesca", Cuales.cree.usted.que.son.las.principales.amenazas.en.las.8.millas...Escoja.3.opciones.), "Reducción de pesca", NA),
amenaza.invasion.industrial = ifelse(grepl("Invasión de la flota industrial", Cuales.cree.usted.que.son.las.principales.amenazas.en.las.8.millas...Escoja.3.opciones.), "Invasión de la flota industrial", NA),
amenaza.contaminacion = ifelse(grepl("Contaminación", Cuales.cree.usted.que.son.las.principales.amenazas.en.las.8.millas...Escoja.3.opciones.), "Contaminación", NA))Dispuesto a dejar la actividad pesca
Se estandarizan los valores de la pregunta:
dff <- dff %>% mutate(Estaría.dispuesto.a.dejar.de.ejercer.la.actividad.pesquera..por.otra.actividad = case_when(
Estaría.dispuesto.a.dejar.de.ejercer.la.actividad.pesquera..por.otra.actividad == "no" ~ "No",
Estaría.dispuesto.a.dejar.de.ejercer.la.actividad.pesquera..por.otra.actividad == "NO" ~ "No",
Estaría.dispuesto.a.dejar.de.ejercer.la.actividad.pesquera..por.otra.actividad == "Si" ~ "Sí",
Estaría.dispuesto.a.dejar.de.ejercer.la.actividad.pesquera..por.otra.actividad == "10 sueldos basicos" ~ NA,
.default = Estaría.dispuesto.a.dejar.de.ejercer.la.actividad.pesquera..por.otra.actividad
))Cuál sería otra actividad a ejercer en lugar de la pesca
Se incorporan los valores corregidos:
# dff %>% filter(Estaría.dispuesto.a.dejar.de.ejercer.la.actividad.pesquera..por.otra.actividad == "Sí" & !is.na(Cual.sería.la.otra.actividad.a.ejercer)) %>% select(ID, Cual.sería.la.otra.actividad.a.ejercer) %>% write_csv(., "otra_actividad.csv")actividades <- read.xlsx("./Textos corregidos/actividad.xlsx")
actividades$Cual.sería.la.otra.actividad.a.ejercer <- NULLdff <- left_join(dff, actividades, by = "ID")Cuál sería el incentivo para cambiar el arte de pesca
Se estandarizan los valores de la pregunta:
dff <- dff %>% mutate(Estaría.dispuesto.a.cambiar.sus.artes.de.pesca.por.otro..a.través.de.un.incentivo = case_when(
Estaría.dispuesto.a.cambiar.sus.artes.de.pesca.por.otro..a.través.de.un.incentivo == "no" ~ "No",
Estaría.dispuesto.a.cambiar.sus.artes.de.pesca.por.otro..a.través.de.un.incentivo == "NO" ~ "No",
Estaría.dispuesto.a.cambiar.sus.artes.de.pesca.por.otro..a.través.de.un.incentivo == "Si" ~ "Sí",
Estaría.dispuesto.a.cambiar.sus.artes.de.pesca.por.otro..a.través.de.un.incentivo == "SI" ~ "Sí",
.default = Estaría.dispuesto.a.cambiar.sus.artes.de.pesca.por.otro..a.través.de.un.incentivo
))# dff %>% filter(Estaría.dispuesto.a.cambiar.sus.artes.de.pesca.por.otro..a.través.de.un.incentivo == "Sí" & !is.na(Cuál.cree.usted.que.sería.el.incentivo.para.dejar.de.ejercer.la.actividad.pesquera)) %>% select(ID, Cuál.cree.usted.que.sería.el.incentivo.para.dejar.de.ejercer.la.actividad.pesquera) %>% write_csv(., "incentivo.csv")Se incorporan los valores corregidos:
incentivo <- read.xlsx("./Textos corregidos/incentivos2.xlsx")
incentivo$Cuál.cree.usted.que.sería.el.incentivo.para.dejar.de.ejercer.la.actividad.pesquera <- NULLdff <- left_join(dff, incentivo, by = "ID")Preparación datos para dashboard exploratorio
Se crea una copia del dataframe, solamente con las columnas que se visualizarán:
dfviz <- dff %>% select(
ID,
Fecha.de.la.encuesta,
Seleccione.el.año.de.nacimiento,
Seleccione.la.provincia.de.residencia,
Tiene.permiso.de.pesca.artesanal,
Es.agremiado,
Sexo,
Estado.civil,
Cargas.familiares,
Discapacidad,
Es.armador,
Cuántas.embarcaciones.tiene,
tiene.embarcacion,
Tiene.matrícula.la.embarcación,
Tiene.permiso.de.pesca.la.embarcación,
Tipo.de.matrícula,
Tiene.matrícula.la.embarcación,
Conoce.el.proyecto.de.conservación.de.8.millas,
Es.prioritario.conservar.las.8.millas.naúticas,
Estaría.dispuesto.a.cambiar.sus.artes.de.pesca.por.otro..a.través.de.un.incentivo,
Estaría.dispuesto.a.dejar.de.ejercer.la.actividad.pesquera..por.otra.actividad,
canton,
correccion.caleta,
arte.redes,
arte.bolsos,
arte.risos,
arte.changueros,
arte.ganchos,
arte.espinel,
arte.manual,
arte.otros,
cat.esp.1,
cat.esp.2,
cat.esp.3,
cat.esp.4,
cat.esp.5,
cat.esp.5,
cat.esp.6,
cat.esp.7,
correccion.profesion,
tipo.profesion,
correccion.organizacion,
embarcacion.tipo,
embarcacion.material,
embarcacion.material.y.tipo,
eslora1,
eslora2,
eslora3,
eslora4,
eslora5,
eslora.promedio,
discapacidad.porcentaje,
correccion.tipo.discapacidad,
conoce.control.y.vigilancia,
conoce.practicas.sost.pesca,
conoce.area.exclusiva.artesanal,
conoce.prohibicion.areas,
conoce.conservacion.recursos,
conoce.incentivos.economicos,
conoce.otros,
explique.impacto.pesqueria,
explique.geografico,
explique.seguridad,
explique.desconoce,
explique.otro,
amenaza.inseguridad,
amenaza.extorsion,
amenaza.falta.control,
amenaza.artes.pesca,
amenaza.reduccion.pesca,
amenaza.invasion.industrial,
amenaza.contaminacion,
actividad.incentivo.economico,
actividad.comercio,
actividad.agricultura,
actividad.jubilacion,
actividad.profesional,
actividad.emprendimiento,
actividad.oficio,
actividad.empleado,
actividad.estudiante,
actividad.otro,
incentivo.valor,
incentivo.bono,
incentivo.credito,
incentivo.trabajo,
incentivo.negocio,
incentivo.otro)Se exrpotan los datos para el dashboard exploratorio:
dfviz %>% write_csv("dfviz_VF.csv")Para el visualizador, se preparan dataframes específicos para las preguntas con valores múltiples distribuidos en varias columnas, como artes de pesca, especies y similares.
Artes
Artes de pesca:
dfviz.artes <- dfviz %>% select(
ID,
# columnas filtro
Seleccione.la.provincia.de.residencia,
canton,
Es.agremiado,
Es.armador,
tiene.embarcacion,
Tiene.permiso.de.pesca.artesanal,
Conoce.el.proyecto.de.conservación.de.8.millas,
Es.prioritario.conservar.las.8.millas.naúticas,
# columnas para gráficos
arte.redes, arte.bolsos, arte.risos, arte.changueros, arte.ganchos, arte.espinel, arte.manual, arte.otros
)dfviz.artes <- dfviz.artes %>%
pivot_longer(cols = starts_with("arte."), names_to = "columna", values_to = "arte") %>% filter(!is.na(arte)) %>% select(!columna)# dfviz.artes %>% write_csv("dfviz_artes.csv")Especies
Especies:
dfviz.especies <- dfviz %>% select(
ID,
# columnas filtro
Seleccione.la.provincia.de.residencia,
canton,
Es.agremiado,
Es.armador,
tiene.embarcacion,
Tiene.permiso.de.pesca.artesanal,
Conoce.el.proyecto.de.conservación.de.8.millas,
Es.prioritario.conservar.las.8.millas.naúticas,
# columnas para gráficos
cat.esp.1, cat.esp.2, cat.esp.3, cat.esp.4, cat.esp.5, cat.esp.6, cat.esp.7
)dfviz.especies <- dfviz.especies %>%
pivot_longer(cols = starts_with("cat.esp"), names_to = "columna", values_to = "especie") %>% filter(!is.na(especie)) %>% select(!columna)# dfviz.especies %>% write_csv("dfviz_especies.csv")Conocimiento del proyecto de conservación 8 millas
dfviz.conoce <- dfviz %>% filter(Conoce.el.proyecto.de.conservación.de.8.millas == "Sí") %>% select(
ID,
# columnas filtro
Seleccione.la.provincia.de.residencia,
canton,
Es.agremiado,
Es.armador,
tiene.embarcacion,
Tiene.permiso.de.pesca.artesanal,
Es.prioritario.conservar.las.8.millas.naúticas,
# columnas para gráficos
conoce.control.y.vigilancia, conoce.practicas.sost.pesca, conoce.area.exclusiva.artesanal, conoce.prohibicion.areas, conoce.conservacion.recursos, conoce.incentivos.economicos, conoce.otros)dfviz.conoce <- dfviz.conoce %>%
pivot_longer(cols = starts_with("conoce"), names_to = "columna", values_to = "conoce") %>% filter(!is.na(conoce)) %>% select(!columna)# dfviz.conoce %>% write_csv("dfviz_conoce.csv")Amenazas a las 8 millas
dfviz.amenazas <- dfviz %>% select(
ID,
# columnas filtro
Seleccione.la.provincia.de.residencia,
canton,
Es.agremiado,
Es.armador,
tiene.embarcacion,
Tiene.permiso.de.pesca.artesanal,
Es.prioritario.conservar.las.8.millas.naúticas,
# columnas para gráficos
amenaza.inseguridad, amenaza.extorsion, amenaza.falta.control, amenaza.artes.pesca, amenaza.reduccion.pesca, amenaza.invasion.industrial)dfviz.amenazas <- dfviz.amenazas %>%
pivot_longer(cols = starts_with("amenaza"), names_to = "columna", values_to = "amenaza") %>% filter(!is.na(amenaza)) %>% select(!columna)# dfviz.amenazas %>% write_csv("dfviz_amenazas.csv")Incentivos
dfviz.incentivos <- dfviz %>% select(
ID,
# columnas filtro
Seleccione.la.provincia.de.residencia,
canton,
Es.agremiado,
Es.armador,
tiene.embarcacion,
Tiene.permiso.de.pesca.artesanal,
Es.prioritario.conservar.las.8.millas.naúticas,
# columnas para gráficos
incentivo.bono, incentivo.credito, incentivo.trabajo, incentivo.negocio, incentivo.otro)dfviz.incentivos <- dfviz.incentivos %>%
pivot_longer(cols = starts_with("incentivo"), names_to = "columna", values_to = "incentivo") %>% filter(!is.na(incentivo)) %>% select(!columna)# dfviz.incentivos %>% write_csv("dfviz_incentivos.csv")Actividad cambio
dfviz.actividad <- dfviz %>% select(
ID,
# columnas filtro
Seleccione.la.provincia.de.residencia,
canton,
Es.agremiado,
Es.armador,
tiene.embarcacion,
Tiene.permiso.de.pesca.artesanal,
Es.prioritario.conservar.las.8.millas.naúticas,
# columnas para gráficos
actividad.incentivo.economico, actividad.comercio, actividad.agricultura, actividad.jubilacion, actividad.profesional, actividad.emprendimiento, actividad.oficio, actividad.empleado, actividad.estudiante, actividad.otro)dfviz.actividad <- dfviz.actividad %>%
pivot_longer(cols = starts_with("actividad"), names_to = "columna", values_to = "actividad") %>% filter(!is.na(actividad)) %>% select(!columna)# dfviz.actividad %>% write_csv("dfviz_actividad.csv")Anexos
Pruebas de modelo logístico
logitdf <- dfviz %>% select(!c(ID, Fecha.de.la.encuesta, Seleccione.el.año.de.nacimiento, correccion.caleta, embarcacion.material, embarcacion.material.y.tipo, eslora2, eslora3, eslora4, eslora5, discapacidad.porcentaje, conoce.otros, explique.otro, actividad.otro, incentivo.otro))logitdf <- logitdf %>% filter(Estaría.dispuesto.a.cambiar.sus.artes.de.pesca.por.otro..a.través.de.un.incentivo != "No responde")logitdf$Estaría.dispuesto.a.cambiar.sus.artes.de.pesca.por.otro..a.través.de.un.incentivo <- factor(logitdf$Estaría.dispuesto.a.cambiar.sus.artes.de.pesca.por.otro..a.través.de.un.incentivo)logitdf <- logitdf %>%
mutate_at(vars(starts_with("conoce") | starts_with("arte") | starts_with("cat.esp") | starts_with("explique") | starts_with("amenaza") | starts_with("actividad") | starts_with("incentivo")), ~replace(., is.na(.), 0))Check number of levels per factor:
sapply(logitdf, function(x) length(levels(factor(x)))) Seleccione.la.provincia.de.residencia
6
Tiene.permiso.de.pesca.artesanal
4
Es.agremiado
3
Sexo
4
Estado.civil
6
Cargas.familiares
21
Discapacidad
3
Es.armador
2
Cuántas.embarcaciones.tiene
13
tiene.embarcacion
2
Tiene.matrícula.la.embarcación
3
Tiene.permiso.de.pesca.la.embarcación
2
Tipo.de.matrícula
3
Conoce.el.proyecto.de.conservación.de.8.millas
3
Es.prioritario.conservar.las.8.millas.naúticas
3
Estaría.dispuesto.a.cambiar.sus.artes.de.pesca.por.otro..a.través.de.un.incentivo
2
Estaría.dispuesto.a.dejar.de.ejercer.la.actividad.pesquera..por.otra.actividad
3
canton
52
arte.redes
2
arte.bolsos
2
arte.risos
2
arte.changueros
2
arte.ganchos
2
arte.espinel
2
arte.manual
2
arte.otros
2
cat.esp.1
6
cat.esp.2
6
cat.esp.3
6
cat.esp.4
6
cat.esp.5
6
cat.esp.6
6
cat.esp.7
2
correccion.profesion
127
tipo.profesion
6
correccion.organizacion
689
embarcacion.tipo
11
eslora1
329
eslora.promedio
455
correccion.tipo.discapacidad
4
conoce.control.y.vigilancia
2
conoce.practicas.sost.pesca
2
conoce.area.exclusiva.artesanal
2
conoce.prohibicion.areas
2
conoce.conservacion.recursos
2
conoce.incentivos.economicos
2
explique.impacto.pesqueria
2
explique.geografico
2
explique.seguridad
2
explique.desconoce
2
amenaza.inseguridad
2
amenaza.extorsion
2
amenaza.falta.control
2
amenaza.artes.pesca
2
amenaza.reduccion.pesca
2
amenaza.invasion.industrial
2
amenaza.contaminacion
2
actividad.incentivo.economico
2
actividad.comercio
2
actividad.agricultura
2
actividad.jubilacion
2
actividad.profesional
2
actividad.emprendimiento
2
actividad.oficio
2
actividad.empleado
2
actividad.estudiante
2
incentivo.valor
78
incentivo.bono
2
incentivo.credito
2
incentivo.trabajo
2
incentivo.negocio
2 logitdf <- logitdf %>% select(Estaría.dispuesto.a.cambiar.sus.artes.de.pesca.por.otro..a.través.de.un.incentivo, Tiene.permiso.de.pesca.artesanal, Tiene.matrícula.la.embarcación, Es.agremiado)logit_model <- glm(Estaría.dispuesto.a.cambiar.sus.artes.de.pesca.por.otro..a.través.de.un.incentivo ~ ., data = logitdf, family = binomial)summary(logit_model)
Call:
glm(formula = Estaría.dispuesto.a.cambiar.sus.artes.de.pesca.por.otro..a.través.de.un.incentivo ~
., family = binomial, data = logitdf)
Coefficients:
Estimate Std. Error z value
(Intercept) -0.04714 0.05854 -0.805
Tiene.permiso.de.pesca.artesanalNo responde -0.55914 0.19500 -2.867
Tiene.permiso.de.pesca.artesanalSí -0.20582 0.06714 -3.066
Tiene.permiso.de.pesca.artesanalSí, pero caducado 0.66871 0.12865 5.198
Tiene.matrícula.la.embarcaciónNo responde 0.29842 0.18950 1.575
Tiene.matrícula.la.embarcaciónSí -0.23003 0.05748 -4.002
Es.agremiadoNo responde -1.28344 0.49446 -2.596
Es.agremiadoSí -0.24727 0.04628 -5.343
Pr(>|z|)
(Intercept) 0.42068
Tiene.permiso.de.pesca.artesanalNo responde 0.00414 **
Tiene.permiso.de.pesca.artesanalSí 0.00217 **
Tiene.permiso.de.pesca.artesanalSí, pero caducado 2.02e-07 ***
Tiene.matrícula.la.embarcaciónNo responde 0.11531
Tiene.matrícula.la.embarcaciónSí 6.28e-05 ***
Es.agremiadoNo responde 0.00944 **
Es.agremiadoSí 9.15e-08 ***
---
Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
(Dispersion parameter for binomial family taken to be 1)
Null deviance: 11215 on 8428 degrees of freedom
Residual deviance: 11056 on 8421 degrees of freedom
(13963 observations deleted due to missingness)
AIC: 11072
Number of Fisher Scoring iterations: 4Pruebas de un modelo de remuestreo (Bootstrap)
dbs <- dff %>% select(Estaría.dispuesto.a.cambiar.sus.artes.de.pesca.por.otro..a.través.de.un.incentivo) %>% filter(Estaría.dispuesto.a.cambiar.sus.artes.de.pesca.por.otro..a.través.de.un.incentivo == "Sí" | Estaría.dispuesto.a.cambiar.sus.artes.de.pesca.por.otro..a.través.de.un.incentivo == "No")
names(dbs) <- "fish_method"
# Define the bootstrap function
bootstrap_proportion <- function(data, n_bootstrap) {
bootstrap_estimates <- numeric(n_bootstrap) # Create an empty vector to store bootstrap estimates
for (i in 1:n_bootstrap) {
bootstrap_sample <- sample(data$fish_method, size = length(data$fish_method), replace = TRUE) # Sampling with replacement
yes_proportion <- mean(bootstrap_sample == "Sí") # Calculate proportion of "Yes"
bootstrap_estimates[i] <- yes_proportion # Store the estimate
}
return(bootstrap_estimates)
}
# Perform the bootstrap operation
set.seed(123) # Setting a seed for reproducibility
n_bootstrap <- 10000 # Number of bootstrap samples
bootstrap_results <- bootstrap_proportion(dbs, n_bootstrap)
# Calculate the confidence interval
conf_interval <- quantile(bootstrap_results, probs = c(0.025, 0.975))
# Print the confidence interval
print(conf_interval) 2.5% 97.5%
0.3620936 0.3746874 Información de la sesión
sessionInfo()R version 4.3.0 (2023-04-21)
Platform: aarch64-apple-darwin20 (64-bit)
Running under: macOS 14.2.1
Matrix products: default
BLAS: /Library/Frameworks/R.framework/Versions/4.3-arm64/Resources/lib/libRblas.0.dylib
LAPACK: /Library/Frameworks/R.framework/Versions/4.3-arm64/Resources/lib/libRlapack.dylib; LAPACK version 3.11.0
locale:
[1] en_US.UTF-8/en_US.UTF-8/en_US.UTF-8/C/en_US.UTF-8/en_US.UTF-8
time zone: Asia/Riyadh
tzcode source: internal
attached base packages:
[1] stats graphics grDevices utils datasets methods base
other attached packages:
[1] stringi_1.7.12 openxlsx_4.2.5.2 lubridate_1.9.2 forcats_1.0.0
[5] stringr_1.5.0 dplyr_1.1.2 purrr_1.0.1 readr_2.1.4
[9] tidyr_1.3.0 tibble_3.2.1 ggplot2_3.4.2 tidyverse_2.0.0
loaded via a namespace (and not attached):
[1] bit_4.0.5 gtable_0.3.3 jsonlite_1.8.4 crayon_1.5.2
[5] compiler_4.3.0 zip_2.3.0 Rcpp_1.0.10 tidyselect_1.2.0
[9] parallel_4.3.0 scales_1.2.1 yaml_2.3.7 fastmap_1.1.1
[13] R6_2.5.1 generics_0.1.3 knitr_1.42 htmlwidgets_1.6.2
[17] munsell_0.5.0 pillar_1.9.0 tzdb_0.4.0 rlang_1.1.1
[21] utf8_1.2.3 xfun_0.39 bit64_4.0.5 timechange_0.2.0
[25] cli_3.6.1 withr_2.5.0 magrittr_2.0.3 digest_0.6.31
[29] grid_4.3.0 vroom_1.6.3 rstudioapi_0.14 hms_1.1.3
[33] lifecycle_1.0.3 vctrs_0.6.2 evaluate_0.21 glue_1.6.2
[37] fansi_1.0.4 colorspace_2.1-0 rmarkdown_2.21 tools_4.3.0
[41] pkgconfig_2.0.3 htmltools_0.5.5