Como a orientação
escolar sobre saúde sexual e reprodutiva influência na taxa de gravidez
em meninas da educação básica?
#filtro para resposta de gravidez, ficando apenas com sim ou não
dados <- dados %>%
filter(B08013A %in% c("1", "2"))
#B08013A (Gravidez) com B08008A (Gravidez orientação)
# Convertendo a variável B08013A
dados$B08013A <- ifelse(dados$B08013A == 1, "Sim", "Não")
dados <- dados %>%
filter(B08008A %in% c("1", "2"))
dados$B08008A <- ifelse(dados$B08008A == 1, "Sim", "Não")
# Criar uma tabela de contingência
tabela_contingencia <- table(dados$B08013A, dados$B08008A)
# Realizar o teste de qui-quadrado
resultado_teste <- chisq.test(tabela_contingencia)
# Exibir os resultados
print(resultado_teste)
##
## Pearson's Chi-squared test with Yates' continuity correction
##
## data: tabela_contingencia
## X-squared = 1.6207, df = 1, p-value = 0.203
# Transformar a tabela de contingência em um data frame
dados_grafico <- as.data.frame(as.table(tabela_contingencia))
# Renomear as colunas para facilitar a leitura
colnames(dados_grafico) <- c("Gravidez", "Orientacao", "Frequencia")
# Criar o gráfico de barras com ggplot2
library(ggplot2)
ggplot(dados_grafico, aes(x = Gravidez, y = Frequencia, fill = Orientacao)) +
geom_bar(stat = "identity", position = "dodge") +
labs(
title = "Relação entre Gravidez e Orientação Escolar",
x = "Gravidez na Adolescência",
y = "Frequência",
fill = "Orientação Escolar"
) +
theme_minimal()
#B08013A COM B08010A (Orientação Camisinha)
dados <- dados %>%
filter(B08010A %in% c("1", "2"))
dados$B08010A <- ifelse(dados$B08010A == 1, "Sim", "Não")
# Criar uma tabela de contingência
tabela_contingencia <- table(dados$B08013A, dados$B08010A)
# Realizar o teste de qui-quadrado
resultado_teste <- chisq.test(tabela_contingencia)
# Exibir os resultados
print(resultado_teste)
##
## Pearson's Chi-squared test with Yates' continuity correction
##
## data: tabela_contingencia
## X-squared = 18.34, df = 1, p-value = 1.848e-05
# Transformar a tabela de contingência em um data frame
dados_grafico <- as.data.frame(as.table(tabela_contingencia))
# Renomear as colunas para facilitar a leitura
colnames(dados_grafico) <- c("Gravidez", "Orientacao_Camisinha", "Frequencia")
# Criar o gráfico de barras com ggplot2
library(ggplot2)
ggplot(dados_grafico, aes(x = Gravidez, y = Frequencia, fill = Orientacao_Camisinha)) +
geom_bar(stat = "identity", position = "dodge") +
labs(
title = "Relação entre Gravidez e Orientação sobre Camisinha",
x = "Gravidez na Adolescência",
y = "Frequência",
fill = "Orientação sobre Camisinha"
) +
theme_minimal()
#B08013A COM B08001 (se ja houve relação sexual)
dados <- dados %>%
filter(B08001 %in% c("1", "2"))
dados$B08001 <- ifelse(dados$B08001 == 1, "Sim", "Não")
# Criar uma tabela de contingência
tabela_contingencia <- table(dados$B08013A, dados$B08001)
# Realizar o teste de qui-quadrado
resultado_teste <- chisq.test(tabela_contingencia)
# Exibir os resultados
print(resultado_teste)
##
## Chi-squared test for given probabilities
##
## data: tabela_contingencia
## X-squared = 13375, df = 1, p-value < 2.2e-16
# Transformar a tabela de contingência em um data frame
dados_grafico <- as.data.frame(as.table(tabela_contingencia))
# Renomear as colunas para facilitar a leitura
colnames(dados_grafico) <- c("Gravidez", "Relacao_Sexual", "Frequencia")
# Criar o gráfico de barras com ggplot2
library(ggplot2)
ggplot(dados_grafico, aes(x = Gravidez, y = Frequencia, fill = Relacao_Sexual)) +
geom_bar(stat = "identity", position = "dodge") +
labs(
title = "Relação entre Gravidez e Experiência Sexual",
x = "Gravidez na Adolescência",
y = "Frequência",
fill = "Já Houve Relação Sexual"
) +
theme_minimal()
#B08013A COM B08011A(uso de camisinha)
dados <- dados %>%
filter(B08011A %in% c("1", "2"))
dados$B08011A <- ifelse(dados$B08011A == 1, "Sim", "Não")
# Criar uma tabela de contingência
tabela_contingencia <- table(dados$B08013A, dados$B08011A)
# Realizar o teste de qui-quadrado
resultado_teste <- chisq.test(tabela_contingencia)
# Exibir os resultados
print(resultado_teste)
##
## Pearson's Chi-squared test with Yates' continuity correction
##
## data: tabela_contingencia
## X-squared = 85.184, df = 1, p-value < 2.2e-16
# Transformar a tabela de contingência em um data frame
dados_grafico <- as.data.frame(as.table(tabela_contingencia))
# Renomear as colunas para facilitar a leitura
colnames(dados_grafico) <- c("Gravidez", "Uso_Camisinha", "Frequencia")
# Criar o gráfico de barras com ggplot2
library(ggplot2)
ggplot(dados_grafico, aes(x = Gravidez, y = Frequencia, fill = Uso_Camisinha)) +
geom_bar(stat = "identity", position = "dodge") +
labs(
title = "Relação entre Gravidez e Uso de Camisinha",
x = "Gravidez na Adolescência",
y = "Frequência",
fill = "Usou Camisinha"
) +
theme_minimal()
#B08013A COM B08006A (parceiro usou camisinha)
dados <- dados %>%
filter(B08006A %in% c("1", "2"))
dados$B08006A <- ifelse(dados$B08006A == 1, "Sim", "Não")
# Criar uma tabela de contingência
tabela_contingencia <- table(dados$B08013A, dados$B08006A)
# Realizar o teste de qui-quadrado
resultado_teste <- chisq.test(tabela_contingencia)
# Exibir os resultados
print(resultado_teste)
##
## Pearson's Chi-squared test with Yates' continuity correction
##
## data: tabela_contingencia
## X-squared = 144.2, df = 1, p-value < 2.2e-16
# Transformar a tabela de contingência em um data frame
dados_grafico <- as.data.frame(as.table(tabela_contingencia))
# Renomear as colunas para facilitar a leitura
colnames(dados_grafico) <- c("Gravidez", "Parceiro_Usou_Camisinha", "Frequencia")
# Criar o gráfico de barras com ggplot2
library(ggplot2)
ggplot(dados_grafico, aes(x = Gravidez, y = Frequencia, fill = Parceiro_Usou_Camisinha)) +
geom_bar(stat = "identity", position = "dodge") +
labs(
title = "Relação entre Gravidez e Uso de Camisinha pelo Parceiro",
x = "Gravidez na Adolescência",
y = "Frequência",
fill = "Parceiro Usou Camisinha"
) +
theme_minimal()
#B08013A COM B04001 (contato com cigarro)
dados <- dados %>%
filter(B04001 %in% c("1", "2"))
dados$B04001 <- ifelse(dados$B04001 == 1, "Sim", "Não")
# Criar uma tabela de contingência
tabela_contingencia <- table(dados$B08013A, dados$B04001)
# Realizar o teste de qui-quadrado
resultado_teste <- chisq.test(tabela_contingencia)
# Exibir os resultados
print(resultado_teste)
##
## Pearson's Chi-squared test with Yates' continuity correction
##
## data: tabela_contingencia
## X-squared = 101.16, df = 1, p-value < 2.2e-16
# Transformar a tabela de contingência em um data frame
dados_grafico <- as.data.frame(as.table(tabela_contingencia))
# Renomear as colunas para facilitar a leitura
colnames(dados_grafico) <- c("Gravidez", "Contato_Cigarro", "Frequencia")
# Criar o gráfico de barras com ggplot2
library(ggplot2)
ggplot(dados_grafico, aes(x = Gravidez, y = Frequencia, fill = Contato_Cigarro)) +
geom_bar(stat = "identity", position = "dodge") +
labs(
title = "Relação entre Gravidez e Contato com Cigarro",
x = "Gravidez na Adolescência",
y = "Frequência",
fill = "Contato com Cigarro"
) +
theme_minimal()
#B08013A COM B05002A(se ja houve contato com alcool)
dados <- dados %>%
filter(B05002A %in% c("1", "2"))
dados$B05002A <- ifelse(dados$B05002A == 1, "Sim", "Não")
# Criar uma tabela de contingência
tabela_contingencia <- table(dados$B08013A, dados$B05002A)
# Realizar o teste de qui-quadrado
resultado_teste <- chisq.test(tabela_contingencia)
# Exibir os resultados
print(resultado_teste)
##
## Pearson's Chi-squared test with Yates' continuity correction
##
## data: tabela_contingencia
## X-squared = 6.4917, df = 1, p-value = 0.01084
# Transformar a tabela de contingência em um data frame
dados_grafico <- as.data.frame(as.table(tabela_contingencia))
# Renomear as colunas para facilitar a leitura
colnames(dados_grafico) <- c("Gravidez", "Contato_Alcool", "Frequencia")
# Criar o gráfico de barras com ggplot2
library(ggplot2)
ggplot(dados_grafico, aes(x = Gravidez, y = Frequencia, fill = Contato_Alcool)) +
geom_bar(stat = "identity", position = "dodge") +
labs(
title = "Relação entre Gravidez e Contato com Álcool",
x = "Gravidez na Adolescência",
y = "Frequência",
fill = "Contato com Álcool"
) +
theme_minimal()
#B08013A COM B06001 (Contato com drogas)
dados <- dados %>%
filter(B06001 %in% c("1", "2"))
dados$B06001 <- ifelse(dados$B06001 == 1, "Sim", "Não")
# Criar uma tabela de contingência
tabela_contingencia <- table(dados$B08013A, dados$B06001)
# Realizar o teste de qui-quadrado
resultado_teste <- chisq.test(tabela_contingencia)
# Exibir os resultados
print(resultado_teste)
##
## Pearson's Chi-squared test with Yates' continuity correction
##
## data: tabela_contingencia
## X-squared = 52.676, df = 1, p-value = 3.935e-13
# Transformar a tabela de contingência em um data frame
dados_grafico <- as.data.frame(as.table(tabela_contingencia))
# Renomear as colunas para facilitar a leitura
colnames(dados_grafico) <- c("Gravidez", "Contato_Drogas", "Frequencia")
# Criar o gráfico de barras com ggplot2
library(ggplot2)
ggplot(dados_grafico, aes(x = Gravidez, y = Frequencia, fill = Contato_Drogas)) +
geom_bar(stat = "identity", position = "dodge") +
labs(
title = "Relação entre Gravidez e Contato com Drogas",
x = "Gravidez na Adolescência",
y = "Frequência",
fill = "Contato com Drogas"
) +
theme_minimal()
#B08013A COM B09003A (Se sofreu agressão)
# Recode a variável B09003A para agrupar respostas
dados <- dados |>
mutate(
B09003A = case_when(
B09003A == -2 ~ "Sem resposta",
B09003A == 1 ~ "Não",
B09003A %in% c(2, 3, 4) ~ "Sim",
B09003A == 9 ~ "Sem resposta"
)
)
# Filtrar para incluir apenas as categorias de interesse (Sim e Não)
dados <- dados |>
filter(B09003A %in% c("Sim", "Não"))
# Criar uma tabela de contingência entre B08013A e B09003A
tabela_contingencia <- table(dados$B08013A, dados$B09003A)
# Visualizar a tabela de contingência
print(tabela_contingencia)
##
## Não Sim
## Não 13149 4355
## Sim 1138 451
# Realizar o teste de qui-quadrado
resultado_teste <- chisq.test(tabela_contingencia)
# Exibir os resultados do teste qui-quadrado
print(resultado_teste)
##
## Pearson's Chi-squared test with Yates' continuity correction
##
## data: tabela_contingencia
## X-squared = 9.3033, df = 1, p-value = 0.002287
# Transformar a tabela de contingência em um data frame
dados_grafico <- as.data.frame(as.table(tabela_contingencia))
# Renomear as colunas para facilitar a leitura
colnames(dados_grafico) <- c("Gravidez", "Sofreu_Agressao", "Frequencia")
# Criar o gráfico de barras com ggplot2
library(ggplot2)
ggplot(dados_grafico, aes(x = Gravidez, y = Frequencia, fill = Sofreu_Agressao)) +
geom_bar(stat = "identity", position = "dodge") +
labs(
title = "Relação entre Gravidez e Situação de Agressão",
x = "Gravidez na Adolescência",
y = "Frequência",
fill = "Sofreu Agressão"
) +
theme_minimal()
