Microdados Pnad Continua - Educação
Preparação
# Limpando arquivos armazenados na memoria
#rm(list=ls(all=TRUE))
# Definindo limite de memoria para compilacao do programa
aviso <- getOption("warn")
options(warn=-1)
memory.limit(size=20000) ## [1] Infoptions(warn=aviso)
rm(aviso)
#Definindo opcao de codificacao dos caracteres e linguagem
aviso <- getOption("warn")
options(warn=-1)
options(encoding="latin1")
options(warn=aviso)
rm(aviso)
# Definindo opcao de exibicao de numeros sem exponencial
aviso <- getOption("warn")
options(warn=-1)
options(scipen=999)
options(warn=aviso)
rm(aviso)
#Definindo opcao derepositorio para instalacao dos pacotes necessarios
aviso <- getOption("warn")
options (warn=-1)
options (repos=structure (c(CRAN="https://cran.r-project.org/")))
options (warn=aviso)
rm(aviso)
#Definindo area de trabalho
# caminho <- getwd()
# setwd(caminho)Carregamento de pacotes
pacman::p_load(PNADcIBGE,survey)
help(package="PNADcIBGE")Seleção de variáveis
Características Gerais dos Moradores
V2007-SEXO
V2010-COR
V2005-CONDIÇÃO NO DOMICILIO
V2009-IDADE
Características de educação para os moradores de 5 anos ou mais de idade
V3001-SABE LER E ESCREVER
V3002-FREQUENTA ESCOLA
V3003A-QUAL CURSO FREQUENTA
V3009A-QUAL CURSO MAIS ELEVADO QUE FREQUENTOU
V3033A-MOTIVO QUE NÃO FREQUENTA ESCOLA OU CRECHE
V3034B-MOTIVO DE TER DEIXADO DE FREQUENTAR ESCOLA OU CURSO SUP MOTIVO DE NUNCA
V3034C-ATUALMENTE MOTIVO DE NÃO FREQUENTAR
Variáveis Derivadas
VD3004-NÍVEL MAIS ELEVADO DE INSTRUÇÃO
VD3005-ANOS DE ESTUDO
VD4001-Condição emrelação à força de trabalho na semana dereferência para pessoas de 14 anos ou mais de idade
VD4002- Condição de ocupação na semana dereferência para pessoas de 14 anos ou mais de idade
VD4019-Rendimento mensal habitual de todos os trabalhos para pessoas de 14 anos ou mais de idade (apenas para pessoas quereceberam em dinheiro, produtos ou mercadorias em qualquer trabalho)
VD4020-Rendimento mensal efetivo de todos os trabalhos para pessoas de 14 anos ou mais de idade (apenas para pessoas quereceberam em dinheiro, produtos ou mercadorias em qualquer trabalho)
VD4031-Horas habitualmente trabalhadas por semana em todos os trabalhos para pessoas de 14 anos ou mais de idade
Criando vetor de variáveis
variaveis = c("V2007", "V2010", "V2005", "VD3004",
"V3001", "V3002", "V3003A", "VD3005",
"V3009A", "V3033A", "V2009", "V3034B", "V3034C",
"VD4001","VD4002","VD4019","VD4020","VD4031")Coleta de dados trimestrais
Usando a função get_pnadc
microdados_pnad_educ_23 = get_pnadc(year = 2023,
topic = 2, #numero da pesquisa no trimestre
labels = T,
deflator = T,
design = T, #vem com desenho amostral o que permite
#fazer inferências estatisticas da amostra
#para população
vars = variaveis)## Deflator year or period was not provided, so deflator year was set to 2023 and period was set to 2.Algumas análises
1 - Obtendo o total da população genero eraça e a proporção de genero
#Total
totalsexoraca = svytotal(x=~V2007+V2010,
design = microdados_pnad_educ_23,
na.rm = T)
totalsexoraca## total SE
## V2007Homem 105256054 0.0597
## V2007Mulher 110152130 0.0501
## V2010Branca 92151590 433037.1718
## V2010Preta 22282980 267773.8572
## V2010Amarela 1564002 75188.3385
## V2010Parda 98472156 356758.1438
## V2010Indígena 912171 43699.0111
## V2010Ignorado 25284 6127.5666#Proporção
proptotal = svymean(x=~V2007+V2010, design = microdados_pnad_educ_23, na.rm = T)
proptotal## mean SE
## V2007Homem 0.48863535 0.0000
## V2007Mulher 0.51136465 0.0000
## V2010Branca 0.42779986 0.0020
## V2010Preta 0.10344538 0.0012
## V2010Amarela 0.00726064 0.0003
## V2010Parda 0.45714213 0.0017
## V2010Indígena 0.00423462 0.0002
## V2010Ignorado 0.00011738 0.00002 - Obtendo o total e a media darenda mensal habitual
#Total
totalrenda = svytotal(x=~VD4019,
design = microdados_pnad_educ_23,
na.rm = T)
totalrenda## total SE
## VD4019 284148251879 3080839617#Renda média
rendamedia = svymean(x=~VD4019, design = microdados_pnad_educ_23, na.rm = T)
rendamedia## mean SE
## VD4019 2921.3 29.1423 - Obtendo a proporção da população por nível de instrução
nivel_instrucao = svymean(x=~VD3004,
design = microdados_pnad_educ_23,
na.rm = T)
nivel_instrucao## mean SE
## VD3004Sem instrução e menos de 1 ano de estudo 0.076212 0.0005
## VD3004Fundamental incompleto ou equivalente 0.318335 0.0014
## VD3004Fundamental completo ou equivalente 0.074140 0.0007
## VD3004Médio incompleto ou equivalente 0.071606 0.0006
## VD3004Médio completo ou equivalente 0.270233 0.0012
## VD3004Superior incompleto ou equivalente 0.046119 0.0005
## VD3004Superior completo 0.143354 0.00174 - Obtendo a proporção de sexo por nível de instrução
sexo_nivel_instrucao = svyby(formula =~V2007,
by=~VD3004,
design = microdados_pnad_educ_23,
FUN = svymean,
keep.names = F,
na.rm = T)
sexo_nivel_instrucao## VD3004 V2007Homem V2007Mulher se1
## 1 Sem instrução e menos de 1 ano de estudo 0.5002711 0.4997289 0.002934629
## 2 Fundamental incompleto ou equivalente 0.5088698 0.4911302 0.001277130
## 3 Fundamental completo ou equivalente 0.5045975 0.4954025 0.003548659
## 4 Médio incompleto ou equivalente 0.5100970 0.4899030 0.003693827
## 5 Médio completo ou equivalente 0.4838366 0.5161634 0.001612140
## 6 Superior incompleto ou equivalente 0.4742973 0.5257027 0.004761326
## 7 Superior completo 0.4205511 0.5794489 0.002445082
## se2
## 1 0.002934629
## 2 0.001277130
## 3 0.003548659
## 4 0.003693827
## 5 0.001612140
## 6 0.004761326
## 7 0.0024450825 - Obtendo a média darenda mensal, habitual por nível de instrução
renda_nivel_instrucao = svyby(formula =~VD4019,
by=~VD3004,
design = microdados_pnad_educ_23,
FUN = svymean,
keep.names = F,
na.rm = T)
renda_nivel_instrucao## VD3004 VD4019 se
## 1 Sem instrução e menos de 1 ano de estudo 1395.721 35.28191
## 2 Fundamental incompleto ou equivalente 1652.439 26.41562
## 3 Fundamental completo ou equivalente 1866.973 29.36350
## 4 Médio incompleto ou equivalente 1716.167 19.26389
## 5 Médio completo ou equivalente 2171.925 14.40884
## 6 Superior incompleto ou equivalente 2792.757 58.32093
## 7 Superior completo 5891.116 80.481196 - Obtendo a proporção de cor ouraça por nível de instrução
prop_cor_nivel_instrucao = svyby(formula =~V2010,
by=~VD3004,
design = microdados_pnad_educ_23,
FUN = svymean,
keep.names = F,
na.rm = T)
prop_cor_nivel_instrucao ## VD3004 V2010Branca V2010Preta V2010Amarela
## 1 Sem instrução e menos de 1 ano de estudo 0.3429059 0.11402957 0.004574698
## 2 Fundamental incompleto ou equivalente 0.3764903 0.10676941 0.005065889
## 3 Fundamental completo ou equivalente 0.4062251 0.10733725 0.005919760
## 4 Médio incompleto ou equivalente 0.3567205 0.11795665 0.006031122
## 5 Médio completo ou equivalente 0.4133990 0.11719058 0.007394352
## 6 Superior incompleto ou equivalente 0.5166728 0.10110421 0.010059770
## 7 Superior completo 0.6172597 0.07584962 0.015510635
## V2010Parda V2010Indígena V2010Ignorado se1 se2 se3
## 1 0.5320850 0.006233396 0.00017138543 0.004139456 0.002526466 0.0005158516
## 2 0.5068220 0.004753453 0.00009899742 0.002359993 0.001521719 0.0003387152
## 3 0.4756814 0.004784470 0.00005195813 0.004246708 0.002637721 0.0007025508
## 4 0.5143009 0.004966592 0.00002429002 0.004183412 0.002953419 0.0006353354
## 5 0.4580847 0.003876039 0.00005532851 0.002588855 0.001937407 0.0005147517
## 6 0.3678911 0.003953757 0.00031837398 0.005938612 0.003151284 0.0012713423
## 7 0.2889162 0.002172956 0.00029096299 0.004434263 0.002062908 0.0011849076
## se4 se5 se6
## 1 0.004100990 0.0005277242 0.00011784036
## 2 0.002208491 0.0002893931 0.00004262507
## 3 0.004126368 0.0005477464 0.00005159778
## 4 0.004033328 0.0005134581 0.00002481120
## 5 0.002503447 0.0002575056 0.00002410021
## 6 0.005623262 0.0005181981 0.00017404213
## 7 0.003995669 0.0002439910 0.000103123497 - Obtendo a proporção de nível de instrução por de cor ouraça
prop_nivel_instrucao_por_cor = svyby(formula =~VD3004,
by=~V2010,
design = microdados_pnad_educ_23,
FUN = svymean,
keep.names = F,
na.rm = T)
prop_nivel_instrucao_por_cor ## V2010 VD3004Sem instrução e menos de 1 ano de estudo
## 1 Branca 0.06139349
## 2 Preta 0.08176289
## 3 Amarela 0.04637683
## 4 Parda 0.08889744
## 5 Indígena 0.11204540
## 6 Ignorado 0.10749204
## VD3004Fundamental incompleto ou equivalente
## 1 0.2815541
## 2 0.3197764
## 3 0.2145138
## 4 0.3536914
## 5 0.3568941
## 6 0.2593505
## VD3004Fundamental completo ou equivalente
## 1 0.07075268
## 2 0.07487176
## 3 0.05838101
## 4 0.07731313
## 5 0.08366272
## 6 0.03170186
## VD3004Médio incompleto ou equivalente VD3004Médio completo ou equivalente
## 1 0.06000720 0.2624410
## 2 0.07946744 0.2979520
## 3 0.05744667 0.2657992
## 4 0.08073346 0.2713744
## 5 0.08387950 0.2470429
## 6 0.01431391 0.1230457
## VD3004Superior incompleto ou equivalente VD3004Superior completo se1
## 1 0.05597762 0.20787393 0.0008096573
## 2 0.04386917 0.10230031 0.0016434829
## 3 0.06171322 0.29576928 0.0049147122
## 4 0.03719452 0.09079562 0.0008243519
## 5 0.04300617 0.07346916 0.0078538979
## 6 0.12083464 0.34326140 0.0679094887
## se2 se3 se4 se5 se6 se7
## 1 0.002036998 0.0010758752 0.0008156448 0.001865403 0.0008626722 0.002829419
## 2 0.003372431 0.0017066257 0.0020217360 0.003464833 0.0014025675 0.002589911
## 3 0.010736689 0.0063905107 0.0058164802 0.014694919 0.0071823106 0.015301508
## 4 0.001682083 0.0008822991 0.0008237066 0.001506214 0.0007007424 0.001342686
## 5 0.013636725 0.0081653755 0.0078359048 0.012488612 0.0055972291 0.007534901
## 6 0.077941704 0.0321427306 0.0171195499 0.051843157 0.0644652179 0.0856760338 - Obtendo a taxa de desocupação por nivel de instrução
desocupacao_nivel_instrucao = svyby(formula =~VD4002 == "Pessoas desocupadas",
denominator =~VD4001 == "Pessoas na força de trabalho",
by=~VD3004,
design = microdados_pnad_educ_23,
FUN = svyratio,
keep.names = F,
na.rm = T)
desocupacao_nivel_instrucao## VD3004
## 1 Sem instrução e menos de 1 ano de estudo
## 2 Fundamental incompleto ou equivalente
## 3 Fundamental completo ou equivalente
## 4 Médio incompleto ou equivalente
## 5 Médio completo ou equivalente
## 6 Superior incompleto ou equivalente
## 7 Superior completo
## VD4002 == "Pessoas desocupadas"/VD4001 == "Pessoas na força de trabalho"
## 1 0.06254332
## 2 0.07927666
## 3 0.09632824
## 4 0.13638480
## 5 0.09231275
## 6 0.08344151
## 7 0.03847619
## se.VD4002 == "Pessoas desocupadas"/VD4001 == "Pessoas na força de trabalho"
## 1 0.004405128
## 2 0.001805196
## 3 0.003736037
## 4 0.003852986
## 5 0.001598607
## 6 0.003826103
## 7 0.001261412Subsets
9 - Obtendo a proporção de nível de instrução para homens pardos com mais de 30 anos avaliando o coeficiente de variação e intervalo de confiança
indicador = svymean(x =~VD3004,
design = subset(microdados_pnad_educ_23,
V2007 == "Homem" & V2010 == "Parda" &
V2009>30),
na.rm = T)
indicador## mean SE
## VD3004Sem instrução e menos de 1 ano de estudo 0.092896 0.0015
## VD3004Fundamental incompleto ou equivalente 0.357178 0.0029
## VD3004Fundamental completo ou equivalente 0.079902 0.0017
## VD3004Médio incompleto ou equivalente 0.051891 0.0013
## VD3004Médio completo ou equivalente 0.283245 0.0030
## VD3004Superior incompleto ou equivalente 0.027428 0.0011
## VD3004Superior completo 0.107461 0.0022#Coeficiente de Variação
cv(indicador)## VD3004Sem instrução e menos de 1 ano de estudo
## 0.016527550
## VD3004Fundamental incompleto ou equivalente
## 0.008149087
## VD3004Fundamental completo ou equivalente
## 0.020858283
## VD3004Médio incompleto ou equivalente
## 0.025261020
## VD3004Médio completo ou equivalente
## 0.010425819
## VD3004Superior incompleto ou equivalente
## 0.039633728
## VD3004Superior completo
## 0.020399115#Intervalo de Confiância
confint(indicador)## 2.5 % 97.5 %
## VD3004Sem instrução e menos de 1 ano de estudo 0.08988645 0.09590487
## VD3004Fundamental incompleto ou equivalente 0.35147329 0.36288293
## VD3004Fundamental completo ou equivalente 0.07663515 0.08316815
## VD3004Médio incompleto ou equivalente 0.04932163 0.05445993
## VD3004Médio completo ou equivalente 0.27745691 0.28903269
## VD3004Superior incompleto ou equivalente 0.02529765 0.02955895
## VD3004Superior completo 0.10316425 0.11175714rm(indicador)10 - Obtendo os quantis do numero de horas trabalhas por nível de instrução
quantis_horas_nivel_instrucao = svyby(formula = ~VD4031,
by = ~VD3004,
design = microdados_pnad_educ_23,
FUN = svyquantile,
quantiles=c(0.25,0.5,0.75),
keep.names = F,
#keep.var = F, CASO NÃO QUEIRA QUE AS VAR APAREÇAM
na.rm = T)
quantis_horas_nivel_instrucao## VD3004 VD4031.0.25 VD4031.0.5 VD4031.0.75
## 1 Sem instrução e menos de 1 ano de estudo 30 40 44
## 2 Fundamental incompleto ou equivalente 30 40 44
## 3 Fundamental completo ou equivalente 40 40 44
## 4 Médio incompleto ou equivalente 32 40 44
## 5 Médio completo ou equivalente 40 40 44
## 6 Superior incompleto ou equivalente 35 40 44
## 7 Superior completo 40 40 44
## se.VD4031.0.25 se.VD4031.0.5 se.VD4031.0.75
## 1 1.2677764 1.0142211 0.2535553
## 2 0.5071106 0.5071106 0.2535553
## 3 1.0142211 1.0142211 0.2535553
## 4 1.5213317 1.0142211 0.2535553
## 5 0.5071106 0.5071106 0.2535553
## 6 0.5071106 1.0142211 0.2535553
## 7 1.0142211 1.0142211 0.2535553Visualizando dados
11 Obtendo o gráfico boxplot do numero de horas trabalhadas por nivel de instrução
svyboxplot(formula = VD4031~VD3004, design=microdados_pnad_educ_23, main="Boxplot do número de horas trabalhadas por Nível de instrução")
Teste T
12 Obtendo teste t para verificar se existe diferença derendimento efetivo nominal entre pessoas com até ensino médio incompleto e pessoas com instrução superior a esse nivel
microdados_pnad_educ_23$variables = transform(microdados_pnad_educ_23$variables, MVD3004=as.factor(ifelse(VD3004=="Sem instrução e menos de 1 ano de estudo"|
VD3004 == "Fundamental incompleto ou equivalente" |
VD3004 == "Fundamental completo ou equivalente"|
VD3004 == "Médio incompleto ou equivalente",
"Até médio imcompleto",
ifelse(VD3004=="Médio completo ou equivalente" |
VD3004 == "Superior incompleto ou equivalente"|
VD3004 == "Superior completo",
"Médio ou acima completo", NA)
)))
svyttest(formula = VD4020~MVD3004, design = microdados_pnad_educ_23)##
## Design-based t-test
##
## data: VD4020 ~ MVD3004
## t = 47.829, df = 198, p-value < 0.00000000000000022
## alternative hypothesis: true difference in mean is not equal to 0
## 95 percent confidence interval:
## 1832.831 1990.468
## sample estimates:
## difference in mean
## 1911.64913 Obtendo o modelo deregressão linear dorendimento efetivoreal como variável dependente e nivel de instrução, cor ouraça e idade como variáveis explicativas
microdados_pnad_educ_23$variables = transform(microdados_pnad_educ_23$variables,
VD4020real=VD4020*Efetivo)
summary(svyglm(formula = VD4020real~VD3004+V2010+V2009, design =microdados_pnad_educ_23))##
## Call:
## svyglm(formula = VD4020real ~ VD3004 + V2010 + V2009, design = microdados_pnad_educ_23)
##
## Survey design:
## svrepdesign.default(data = data_pnadc, weight = ~V1028, type = "bootstrap",
## repweights = "V1028[0-9]+", mse = TRUE, replicates = length(sprintf("V1028%03d",
## seq(1:200))), df = length(sprintf("V1028%03d", seq(1:200))))
##
## Coefficients:
## Estimate Std. Error t value
## (Intercept) -181.654 87.996 -2.064
## VD3004Fundamental incompleto ou equivalente 393.089 47.837 8.217
## VD3004Fundamental completo ou equivalente 804.469 52.085 15.445
## VD3004Médio incompleto ou equivalente 1016.937 52.958 19.203
## VD3004Médio completo ou equivalente 1291.098 45.494 28.379
## VD3004Superior incompleto ou equivalente 2067.875 78.821 26.235
## VD3004Superior completo 4799.248 90.179 53.219
## V2010Preta -851.823 46.502 -18.318
## V2010Amarela 385.314 324.836 1.186
## V2010Parda -763.714 41.605 -18.356
## V2010Indígena -807.420 123.775 -6.523
## V2010Ignorado 2862.135 2712.237 1.055
## V2009 41.279 1.501 27.507
## Pr(>|t|)
## (Intercept) 0.0404 *
## VD3004Fundamental incompleto ou equivalente 0.0000000000000338 ***
## VD3004Fundamental completo ou equivalente < 0.0000000000000002 ***
## VD3004Médio incompleto ou equivalente < 0.0000000000000002 ***
## VD3004Médio completo ou equivalente < 0.0000000000000002 ***
## VD3004Superior incompleto ou equivalente < 0.0000000000000002 ***
## VD3004Superior completo < 0.0000000000000002 ***
## V2010Preta < 0.0000000000000002 ***
## V2010Amarela 0.2371
## V2010Parda < 0.0000000000000002 ***
## V2010Indígena 0.0000000006256899 ***
## V2010Ignorado 0.2927
## V2009 < 0.0000000000000002 ***
## ---
## Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
##
## (Dispersion parameter for gaussian family taken to be 23605681)
##
## Number of Fisher Scoring iterations: 2##Coleta de dados anuais
microdados_pnad_anual = get_pnadc(year = 2023,
topic = 2, #numero da pesquisa no trimestre
labels = T,
deflator = T,
design = T, #vem com desenho amostral o que permite
#fazer inferências estatisticas da amostra
#para população
)## Deflator year or period was not provided, so deflator year was set to 2023 and period was set to 2.14 Obtendo a proporcao de pessoas de 25 anos ou mais de idade con pelo menos ensino medio completo
svymean(x=~as.integer(VD3004=="Médio completo ou equivalente"|
VD3004 == "Superior incompleto ou equivalente" |
VD3004=="Superior completo"),
design=subset(microdados_pnad_anual, V2009>=25), na.rm=TRUE)## mean
## as.integer(VD3004 == "Médio completo ou equivalente" | VD3004 == "Superior incompleto ou equivalente" | VD3004 == "Superior completo") 0.54401
## SE
## as.integer(VD3004 == "Médio completo ou equivalente" | VD3004 == "Superior incompleto ou equivalente" | VD3004 == "Superior completo") 0.002515 Obtendo o total da populacao de pessoas de 25 anos ou mais de idade que nao completou o ensino medio
svytotal(x=~as.integer(VD3004!="Médio completo ou equivalente" &
VD3004 != "Superior incompleto ou equivalente" &
VD3004 != "Superior completo"),
design=subset(microdados_pnad_anual, V2009>=25), na.rm=TRUE) ## total
## as.integer(VD3004 != "Médio completo ou equivalente" & VD3004 != "Superior incompleto ou equivalente" & VD3004 != "Superior completo") 63941829
## SE
## as.integer(VD3004 != "Médio completo ou equivalente" & VD3004 != "Superior incompleto ou equivalente" & VD3004 != "Superior completo") 34858116 Obtendo a proporção de adultos que não completaram ensino médio no Nordeste
microdados_pnad_anual$variables =
transform(microdados_pnad_anual$variables,
GR=as.factor(ifelse(substr(UPA, start=1, stop=1)=="1", "Norte",
ifelse(substr(UPA, start=1, stop=1)=="2", "Nordeste",
ifelse(substr(UPA, start=1, stop=1)=="3", "Sudeste",
ifelse(substr(UPA, start=1, stop=1)=="4", "Sul",
ifelse (substr(UPA, start=1, stop=1)=="5", "Centro-Oeste",
NA)))))))
microdados_pnad_anual$variables$GR <- factor(microdados_pnad_anual$variables$GR,
levels=c("Norte", "Nordeste", "Sudeste", "Sul", "Centro-Oeste"))
svymean(x=~as.integer(VD3004!="Médio completo ou equivalente" &
VD3004!="Superior incompleto ou equivalente" &
VD3004!="Superior completo"),
design=subset(microdados_pnad_anual,V2009>=25 & GR=="Nordeste"),
na.rm=TRUE)## mean
## as.integer(VD3004 != "Médio completo ou equivalente" & VD3004 != "Superior incompleto ou equivalente" & VD3004 != "Superior completo") 0.54319
## SE
## as.integer(VD3004 != "Médio completo ou equivalente" & VD3004 != "Superior incompleto ou equivalente" & VD3004 != "Superior completo") 0.003717 Obtendo a proporcao de pessoas brancas que concluiram pelo menos o ensino medio
svymean(x=~as.integer(VD3004=="Médio completo ou equivalente"|
VD3004=="Superior incompleto ou equivalente" |
VD3004=="Superior completo"),
design=subset(microdados_pnad_anual, V2009>=25 & V2010=="Branca"), na.rm=TRUE) ## mean
## as.integer(VD3004 == "Médio completo ou equivalente" | VD3004 == "Superior incompleto ou equivalente" | VD3004 == "Superior completo") 0.61736
## SE
## as.integer(VD3004 == "Médio completo ou equivalente" | VD3004 == "Superior incompleto ou equivalente" | VD3004 == "Superior completo") 0.003218 Obtendo a proporcão de pessoas pardas ou pretas que concluíram pelo menos o ensino medio
svymean(x=~as.integer(VD3004=="Médio completo ou equivalente"|
VD3004=="Superior incompleto ou equivalente" |
VD3004=="Superior completo"),
design=subset(microdados_pnad_anual,
V2009>=25 &(V2010=="Parda"| V2010=="Preta")),
na.rm=TRUE)## mean
## as.integer(VD3004 == "Médio completo ou equivalente" | VD3004 == "Superior incompleto ou equivalente" | VD3004 == "Superior completo") 0.48326
## SE
## as.integer(VD3004 == "Médio completo ou equivalente" | VD3004 == "Superior incompleto ou equivalente" | VD3004 == "Superior completo") 0.002519 Obtendo O total de pessoas com idade entre 14 e 29 anos
svytotal(x=~as.integer(V2009>=14 & V2009<=29), design =microdados_pnad_anual,
na.rm = T)## total SE
## as.integer(V2009 >= 14 & V2009 <= 29) 51496245 0.02720 Obtendo a proporção de pessoas de 14 a 29 anos de idade que não completaram alguma das etapas da educação básica, seja por terem abandonado a escola, seja por nunca a terem frequentado
microdados_pnad_anual$variables = transform(microdados_pnad_anual$variables,
MV3008=as.factor(ifelse(is.na(V3008), "não aplicável", as.character(V3008))))
svymean(x=~as.integer(MV3008=="Não"|
(MV3008=="Sim" & (VD3004=="sem instrução e menos de 1 ano de estudo"
| VD3004=="Fundamental incompleto ou equivalente" |
VD3004=="Fundamental completo ou equivalente"|
VD3004=="Médio incompleto ou equivalente"))),
design=subset(microdados_pnad_anual, V2009>=14 & V2009<=29), na.rm=TRUE)## mean
## as.integer(MV3008 == "Não" | (MV3008 == "Sim" & (VD3004 == "sem instrução e menos de 1 ano de estudo" | VD3004 == "Fundamental incompleto ou equivalente" | VD3004 == "Fundamental completo ou equivalente" | VD3004 == "Médio incompleto ou equivalente"))) 0.17887
## SE
## as.integer(MV3008 == "Não" | (MV3008 == "Sim" & (VD3004 == "sem instrução e menos de 1 ano de estudo" | VD3004 == "Fundamental incompleto ou equivalente" | VD3004 == "Fundamental completo ou equivalente" | VD3004 == "Médio incompleto ou equivalente"))) 0.001921 Obtendo a proporcao de pessoas pretas ou pardas de 14 a 29 anos de idade que nao completaran alguna das etapas da edu cacao basica, seja por terem abandonado a escola, seja por nunca a teren frequentado
svymean(x=~as.integer(V2010=="Parda"|V2010=="Preta"),
design=subset(microdados_pnad_anual, (MV3008=="Não"|
(MV3008=="Sim" & (VD3004=="sem instrução e menos de 1 ano de estudo"|
VD3004=="Fundamental incompleto ou equivalente" |
VD3004=="Fundamental completo ou equivalente"|
VD3004=="Médio incompleto ou equivalente"))) &
V2009>=14 & V2009<=29),na.rm=TRUE)## mean SE
## as.integer(V2010 == "Parda" | V2010 == "Preta") 0.71341 0.004822 Obtendo a proporcao de motivos para evasão escolar de pessoas de 14 a 29 anos de idade
svymean(x=~V3034B, design=subset(microdados_pnad_anual,
(MV3008=="Não"|
(MV3008=="Sim" & (VD3004=="Sem instrução e menos de 1 ano de estudo" |
VD3004=="Fundamental incompleto ou equivalente" |
VD3004=="Fundamental completo ou equivalente" |
VD3004=="Médio incompleto ou equivalente")))
& V2009>=14 & V2009<=29), na.rm=TRUE)## mean
## V3034BPrecisava trabalhar 0.4174056
## V3034BNão tinha escola na localidade ou esta ficava distante 0.0207536
## V3034BFaltava vaga na escola ou não tinha turno letivo desejado 0.0068905
## V3034BFaltava de dinheiro para pagar mensalidade, transporte, material escolar etc. 0.0072629
## V3034BPor gravidez 0.0965519
## V3034BTinha que realizar afazeres domésticos ou cuidar de criança, adolescente, idoso ou pessoa com deficiência 0.0440571
## V3034BDesistiu por não aprender ou por excesso de repetência 0.0274689
## V3034BTer concluído o nível de estudo que desejava 0.0613325
## V3034BA escola não era adaptada para pessoa com deficiência 0.0093476
## V3034BPor ter problema de saúde permanente 0.0392345
## V3034BNão tinha interesse em estudar 0.2350785
## V3034BOutro motivo 0.0346164
## SE
## V3034BPrecisava trabalhar 0.0054
## V3034BNão tinha escola na localidade ou esta ficava distante 0.0015
## V3034BFaltava vaga na escola ou não tinha turno letivo desejado 0.0008
## V3034BFaltava de dinheiro para pagar mensalidade, transporte, material escolar etc. 0.0008
## V3034BPor gravidez 0.0029
## V3034BTinha que realizar afazeres domésticos ou cuidar de criança, adolescente, idoso ou pessoa com deficiência 0.0020
## V3034BDesistiu por não aprender ou por excesso de repetência 0.0018
## V3034BTer concluído o nível de estudo que desejava 0.0028
## V3034BA escola não era adaptada para pessoa com deficiência 0.0010
## V3034BPor ter problema de saúde permanente 0.0019
## V3034BNão tinha interesse em estudar 0.0050
## V3034BOutro motivo 0.002023 Obtendp o total de pessoas que frequentam escola ou creche
svytotal(x=~as.integer(V3002=="Sim"),design = microdados_pnad_anual, na.rm = T)## total SE
## as.integer(V3002 == "Sim") 58414442 15304024 Obtendo a taxa de escolarizacao por grupos etarios
microdados_pnad_anual$variables =
transform(microdados_pnad_anual$variables,
MV2009=as.factor(ifelse(V2009>=0 &
V2009<=3, "De 0 a 3 anos",
ifelse(V2009>=4 & V2009<=5, "De 4 e 5 anos",
ifelse(V2009>=6 & V2009<=14, "De 6 a 14 anos",
ifelse(V2009>=15 & V2009<=17, "De 15 a 17 anos",
ifelse(V2009>=18 & V2009<=24, "De 18 a 24 anos",
ifelse(V2009>=25 & V2009<=130, "25 anos ou mais", NA))))))))
microdados_pnad_anual$variables$MV2009 = factor(microdados_pnad_anual$variables$MV2009,
levels=c("De 0 a 3 anos",
"De 4 e 5 anos",
"De 6 a 14 anos",
"De 15 a 17 anos",
"De 18 a 24 anos",
"25 anos ou mais"))
svyby(formula=~as.integer(V3002=="Sim"), by=~MV2009, design=microdados_pnad_anual, FUN=svymean, keep.names=FALSE, na.rn=TRUE)## MV2009 as.integer(V3002 == "Sim") se
## 1 De 0 a 3 anos 0.38702678 0.0055607301
## 2 De 4 e 5 anos 0.92895703 0.0035042111
## 3 De 6 a 14 anos 0.99430481 0.0005300289
## 4 De 15 a 17 anos 0.91910232 0.0026485628
## 5 De 18 a 24 anos 0.30517316 0.0034384360
## 6 25 anos ou mais 0.04959695 0.000619248325 Oobtendo o total e a proporcao de posicão emrelacao a estudo e trabalho de pessoas de 15 a 29 anos de 1dade
microdados_pnad_anual$variables = transform(microdados_pnad_anual$variables,
MV3019A=as.factor(ifelse(is.na(V3019A), "Não aplicável", as.character (V3019A))))
microdados_pnad_anual$variables = transform(microdados_pnad_anual$variables,
MV3024=as.factor(ifelse(is.na(V3024), "Não aplicável", as.character (V3024))))
microdados_pnad_anual$variables = transform(microdados_pnad_anual$variables,
MV3026=as.factor(ifelse(is.na(V3026), "Não aplicável", as.character (V3026))))
svymean(x=~as.integer((V3002=="Sim" | MV3019A=="Sim, curso técnico de nível médio "|
MV3019A == "Sim, curso normal (magistério)" |
MV3024== "Sim" | MV3026=="Sim") & (VD4001=="Pessoas fora da força de trabalho" |
VD4002=="Pessoas desocupadas")),
design=subset(microdados_pnad_anual, V2009>=15 & V2009<=17), na.rm=TRUE)## mean
## as.integer((V3002 == "Sim" | MV3019A == "Sim, curso técnico de nível médio " | MV3019A == "Sim, curso normal (magistério)" | MV3024 == "Sim" | MV3026 == "Sim") & (VD4001 == "Pessoas fora da força de trabalho" | VD4002 == "Pessoas desocupadas")) 0.81092
## SE
## as.integer((V3002 == "Sim" | MV3019A == "Sim, curso técnico de nível médio " | MV3019A == "Sim, curso normal (magistério)" | MV3024 == "Sim" | MV3026 == "Sim") & (VD4001 == "Pessoas fora da força de trabalho" | VD4002 == "Pessoas desocupadas")) 0.004svytotal(x=~as.integer(V2009>=15 & V2009<=29), design=microdados_pnad_anual, na.rm=T)## total SE
## as.integer(V2009 >= 15 & V2009 <= 29) 48544632 44671svymean(x=~as.integer(V3002=="Não" & (MV3019A=="Não" | MV3019A=="Não aplicável") &
MV3024!="Sim" & MV3026!="Sim" & (VD4001=="Pessoas fora da força de trabalho"|
VD4002== "Pessoas desocupadas")), design=subset(microdados_pnad_anual, V2009>=15 & V2009<=29), na.rm=TRUE)## mean
## as.integer(V3002 == "Não" & (MV3019A == "Não" | MV3019A == "Não aplicável") & MV3024 != "Sim" & MV3026 != "Sim" & (VD4001 == "Pessoas fora da força de trabalho" | VD4002 == "Pessoas desocupadas")) 0.19831
## SE
## as.integer(V3002 == "Não" & (MV3019A == "Não" | MV3019A == "Não aplicável") & MV3024 != "Sim" & MV3026 != "Sim" & (VD4001 == "Pessoas fora da força de trabalho" | VD4002 == "Pessoas desocupadas")) 0.0019svymean(x=~as.integer(V3002=="Não" & (MV3019A=="Não" | MV3019A=="Não aplicável") &
MV3024!="Sim" & MV3026!="Sim" & (VD4001=="Pessoas fora da força de trabalho"|
VD4002== "Pessoas desocupadas")), design=subset(microdados_pnad_anual, V2007=="Mulher" &
V2009>=15 & V2009<=29) , na.rm=TRUE)## mean
## as.integer(V3002 == "Não" & (MV3019A == "Não" | MV3019A == "Não aplicável") & MV3024 != "Sim" & MV3026 != "Sim" & (VD4001 == "Pessoas fora da força de trabalho" | VD4002 == "Pessoas desocupadas")) 0.25591
## SE
## as.integer(V3002 == "Não" & (MV3019A == "Não" | MV3019A == "Não aplicável") & MV3024 != "Sim" & MV3026 != "Sim" & (VD4001 == "Pessoas fora da força de trabalho" | VD4002 == "Pessoas desocupadas")) 0.0032svymean(x=~as.integer(V3002=="Não" & (MV3019A=="Não" | MV3019A=="Não aplicável") &
MV3024!="Sim" & MV3026!="Sim" & (VD4001=="Pessoas fora da força de trabalho"|
VD4002== "Pessoas desocupadas")), design=subset(microdados_pnad_anual,V2009>=15 & V2009<=29 &
V2010 == "Parda" | V2010 == "Preta"), na.rm=TRUE)## mean
## as.integer(V3002 == "Não" & (MV3019A == "Não" | MV3019A == "Não aplicável") & MV3024 != "Sim" & MV3026 != "Sim" & (VD4001 == "Pessoas fora da força de trabalho" | VD4002 == "Pessoas desocupadas")) 0.2575
## SE
## as.integer(V3002 == "Não" & (MV3019A == "Não" | MV3019A == "Não aplicável") & MV3024 != "Sim" & MV3026 != "Sim" & (VD4001 == "Pessoas fora da força de trabalho" | VD4002 == "Pessoas desocupadas")) 0.0021Obtendo a proporcao do tipo derede da instituicao de ensino por curso que frequenta
svymean(x=~as.integer(V3002A=="Rede pública"),
design=subset(microdados_pnad_anual,V3003A=="Creche (disponivel apenas no questionário anual de educação)" |
V3003A == "Pré-escola"), na.rm=TRUE)## mean SE
## as.integer(V3002A == "Rede pública") 0.75238 0.0065svymean(x=~as.integer(V3002A=="Rede pública"),
design=subset(microdados_pnad_anual, V3003A=="Regular do ensino fundamental"), na.rm=TRUE)## mean SE
## as.integer(V3002A == "Rede pública") 0.8226 0.0036svymean(x=~as.integer(V3002A=="Rede pública"),
design=subset(microdados_pnad_anual, V3003A=="Regular do ensino médio"), na.rm=TRUE)## mean SE
## as.integer(V3002A == "Rede pública") 0.87015 0.0043svymean(x=~as.integer(V3002A=="Rede privada"),
design=subset(microdados_pnad_anual, V3003A=="Superior - graduação"), na.rm=TRUE)## mean SE
## as.integer(V3002A == "Rede privada") 0.73856 0.0049svymean(x=~as.integer(V3002A=="Rede privada"),
design=subset(microdados_pnad_anual, V3003A=="Especialização de nível superior" | V3003A=="Mestrado" | V3003A=="Doutorado"), na.rm=TRUE)## mean SE
## as.integer(V3002A == "Rede privada") 0.74072 0.0108Obtendo a taxa de analfabetismo de pessoas de 15 anos ou mais de idade porregiao e cor ouraca
svymean(x=~as.integer(V3001=="Não"), design=subset(microdados_pnad_anual, V2009>=15), na.rm=TRUE)## mean SE
## as.integer(V3001 == "Não") 0.054344 0.0006svytotal(x=~as.integer(V3001=="Não"), design=subset(microdados_pnad_anual, V2009>=15), na.rm=TRUE)## total SE
## as.integer(V3001 == "Não") 9328425 95741svymean(x=~as.integer(GR=="Nordeste"), design=subset(microdados_pnad_anual, V2009>=15 & V3001 =="Não"), na.rm=TRUE)## mean SE
## as.integer(GR == "Nordeste") 0.54715 0.0051svytotal(x=~as.integer(GR=="Nordeste"), design=subset(microdados_pnad_anual, V2009>=15 & V3001 =="Não"), na.rm=TRUE)## total SE
## as.integer(GR == "Nordeste") 5104076 62088svymean(x=~as.integer(V3001=="Não"), design=subset(microdados_pnad_anual, V2009>=15 &
(V2010 =="Parda" | V2010 =="Preta")), na.rm=TRUE)## mean SE
## as.integer(V3001 == "Não") 0.071318 0.0008svymean(x=~as.integer(V3001=="Não"), design=subset(microdados_pnad_anual, V2009>=15 & V2010 =="Branca"), na.rm=TRUE)## mean SE
## as.integer(V3001 == "Não") 0.032423 0.0006