Diplomado en Software Estadistico

PROBLEMA: Cuantas mujeres en edad reproductiva trabajan en Mexico?

0. Limpiar el espacio de trabajo

rm(list=ls())     
graphics.off()    
options(warn=-1)  

1. Instalar paquetes/librerias

1.1 Paquetes

install.packages("foreign")
install.packages("ggplot2")
install.packages("questionr")

1.2 Librerias

library(base)         # Funciones basicas
library(foreign)      # Manipular diferentes formatos cvs, dta, dbf
library(questionr)    # Tabulados

2. Directorio de trabajo

setwd("C:/Users/jmartinez/Desktop/FLACSO_R-master/FLACSO_R-master/Datos") 

3. Importar datos

Para importar bases de datos hay que identificar el tipo de base y seleccionar la funcion mas adecuada. Por ejemplo, para importar base de csv, cuya extencion es sav se requiere la funcion read.csv. Ademas, para tener una base legible para R, se usa la funcion data.frame.

excel<-data.frame(read_excel("sdemt119.xlsx"))
dbf<-data.frame(read.dbf("sdemt119.dbf"))
stata<-data.frame(read.dta("sdemt119.dta"))
cvs<- data.frame(read.table("sdemt119.csv", header=TRUE, sep=","))

cvs<- data.frame(read.table("sdemt119.csv", header=TRUE, sep=","))

4. Exportar datos

Para guardar una base de datos, basta con determinar el tipo de datos que se requieran y elegir la funcion correspondiente. Si se quiere generar una base de Stata, entonces se selecciona la funcion:write.dta.

4.1 Guardar en DTA (stata)

        write.dta(cvs, "Julio_R.dta")

4.2 Guardar en DBF (foxpro)

write.dbf(cvs, "Julio_R.dbf")

4.3. Descripcion de la base

#Descripcion de la base
                    names(cvs)
                    head(cvs,2)

La manipulacion de las bases de datos sigue la logica de un eje de coordenadas ( x , y ) en donde x son las filas y y las columnas:

# Filas (como en EXCEL)
      cvs[1,]

5. Frecuencias

    wtd.table(cvs$CLASE2)

##      0      1      2      3      4 
##  84634 176997   6326  18681 119398

6. Tabulados

Aun y cuando ambas variables se encuentren en la misma base de datos, es necesario escribir el nombre de la variable

#Tabulados con datos muestrales (sin ponderar)
            wtd.table(cvs$SEX,cvs$CLASE1)

##        0      1      2
## 1  39115 110020  43369
## 2  37503  73303  94710

7. Etiquetar variables

Para generar las etiquetas se debe usar la funcion factor y se debe especificar 3 cosas:

• La variable que se va etiquetar
• Los valores (levels)
• Las etiquetas (labels)

7.1 Generar etiquetas

En este caso se usa la variable SEX la cual tiene dos valores (1 y 2) cuyas etiquetas son 1=Hombre, 2=Mujer.

    cvs$SEX <- factor(cvs$SEX,levels = c(1,2),labels = c("Hombre","Mujer"))
    
    cvs$CLASE2 <- factor(cvs$CLASE2,levels = c(1,2,3,4),labels = c("Ocupada","Desocupada","Disponibles","No disponible" ))

7.2 Tabular variable etiquetada

Para validar que se haya etiquetado correctamente la variable, se genera un tabulado para analizar el resultado

  wtd.table(cvs$SEX,cvs$CLASE2)

##        Ocupada Desocupada Disponibles No disponible
## Hombre  106260       3760        6534         36835
## Mujer    70737       2566       12147         82563

8. Recodificar variables

Para poder recodificar una variable de manera correcta, se debe de convertir la variable al tipo de dato deseado, es decir, convertir a numerica o caracter.

    #8.1 Convertir las variables a numerico
    cvs$EDA <-as.numeric(as.character(cvs$EDA))
    
    #8.2 Crear nueva variable
    cvs$edad_reproductiva<-0
    
    #8.3 Establecer los rangos
    cvs$edad_reproductiva[cvs$EDA >= 15 & cvs$EDA <=54] <- 1
    cvs$edad_reproductiva[cvs$EDA >= 54] <- 2

    #8.3 Validar con un tabulado
    wtd.table(cvs$edad_reproductiva)

9. Subconjunto de datos

Existen dos formas de generar sbconjuntos de datos:

• Seleccionar variables. Se seleccionan unicamente ciertas variables por lo que el numero de registros permanece igual

• Seleccionar casos. Se mantienen todas las variables pero solo de un numero menor de casos

9.1 Seleccionar variables

#Definimos las variables
        var<-c("SEX", "CLASE2","FAC")
    
#Seleccionamos SoLO esas variables
        nueva_csv_1 <- cvs[,var]

9.2 Seleccionar casos

Para hacer la seleccion se utiliza la funcion which() la cual sirve para hacer la seleccion de acuerdo a los criterios indicados. conviene hacer notar que se debe de tener las variables con el formato requerido.

  nueva_csv_2 <- cvs[ which(as.numeric(cvs$edad_reproductiva)==1), ]

9.3 Seleccionar variables y casos

  nueva_csv_3 <- cvs[ which(as.numeric(cvs$edad_reproductiva)==1),var ]

10. Respuesta al problema:

Cuantas mujeres en edad reproductiva trabajan en Mexico?

    wtd.table(nueva_csv_3$SEX,nueva_csv_3$CLASE2)
    
    wtd.table(nueva_csv_3$SEX,nueva_csv_3$CLASE2, weights =nueva_csv_3$FAC)