Matrículas Ead por Microrregiao

0. Carrega os pacotes

knitr::opts_chunk$set(echo = TRUE)
library(knitr)
library(rmarkdown)
library(rmdformats)

## Warning: package 'rmdformats' was built under R version 4.0.2

#install.packages("devtools")
#devtools::install_github("rpradosiqueira/brazilmaps")
library(brazilmaps)
library(pacman)
p_load(tidyverse, ggpubr, ggplot2, sf, sp, haven)

## Global options
options(max.print="100")
opts_chunk$set(echo=TRUE,
                 cache=TRUE,
               prompt=FALSE,
               tidy=TRUE,
               comment=NA,
               message=FALSE,
               warning=FALSE)
opts_knit$set(width=100,
               fig.width="100%")

1. Importa os dados das microregiões

Os dados das matricuals por microrregiões foram trabalhados anteriormente no SAS.

micro_2010 <- get_brmap("MicroRegion") %>% 
  left_join(read_sas("H:/WORK/nb/micro_ead_2010.sas7bdat"), by = c("MicroRegion" = "CO_MICRO")) %>% 
    mutate(DS_FAIXA_EAD = factor(DS_FAIXA_EAD)) %>% 
    mutate(DS_FAIXA_EAD = fct_reorder(DS_FAIXA_EAD, CO_FAIXA_EAD))
micro_2018 <- get_brmap("MicroRegion") %>% 
  left_join(read_sas("H:/WORK/nb/micro_ead_2018.sas7bdat"), by = c("MicroRegion" = "CO_MICRO")) %>% 
    mutate(DS_FAIXA_EAD = factor(DS_FAIXA_EAD)) %>% 
    mutate(DS_FAIXA_EAD = fct_reorder(DS_FAIXA_EAD, CO_FAIXA_EAD))

2. Mapas com percentual de matrículas EAD em relação às matrículas totais

mapa_ead_continuo <- function(dados, ano) {
  dados %>%
  ggplot() +
  geom_sf(aes(fill = PERC_MAT_EAD), 
          # ajusta tamanho das linhas
          colour = "transparent", size = 0.1) +
  geom_sf(data = get_brmap("State"),
          fill = "transparent",
          colour = "black", size = 1) +
  # muda escala de cores
  scale_fill_viridis_c(option = 6, 
                       guide = guide_legend(reverse=FALSE, title=NULL)) + #Tira o título da legenda
  # tira sistema cartesiano
  theme(panel.grid = element_line(colour = "transparent"),
        panel.background = element_blank(),
        axis.text = element_blank(),
        axis.ticks = element_blank(),
        plot.title = element_text(size=16), 
        plot.subtitle = element_text(size=15, hjust = 0.5)) +
        labs(subtitle = ano)
}

mp_micro_cont_2010 <- mapa_ead_continuo(micro_2010, "2010") 
mp_micro_cont_2018 <- mapa_ead_continuo(micro_2018, "2018")

Figura1 <- ggarrange(mp_micro_cont_2010, mp_micro_cont_2018,
                     ncol=2, nrow=1,  
                     align = c("h"),            # Deine que os gráficos estarão alinhados horizontalmente
                    heights=c(100,100), 
                    common.legend = TRUE,
                   legend = "bottom")       

annotate_figure(Figura1, 
                top = text_grob("Percentual de matrículas EaD por microrregião",
                 color = "black", face = "bold", size = 15),
                 bottom = text_grob("Fonte: CES (2010/2018)", face="italic", color = "black",
                 hjust = 1.1, x = 1, size = 10))

3. Crio novas categorias, incluindo regiões com pólo, mas sem oferta:

mapa_ead_discreto <- function(dados, ano) {
  dados %>%
  ggplot() +
  geom_sf(aes(fill = DS_FAIXA_EAD), # Muda a variável em relação ào anterior
          colour = "transparent", size = 0.1) +
  geom_sf(data = get_brmap("State"),
          fill = "transparent",
          colour = "black", size = 1) +
  # Cores discretas
  scale_fill_viridis_d(option = 1, 
                       guide = guide_legend(reverse=FALSE, title=NULL)) + 
  theme(panel.grid = element_line(colour = "transparent"),
        panel.background = element_blank(),
        axis.text = element_blank(),
        axis.ticks = element_blank(),
        plot.title = element_text(size=16), 
        plot.subtitle = element_text(size=15, hjust = 0.5)) +
        labs(subtitle = ano)
}

mp_micro_disc_2010 <- mapa_ead_discreto(micro_2010, "2010") 
mp_micro_disc_2018 <- mapa_ead_discreto(micro_2018, "2018")

Figura2 <- ggarrange(mp_micro_disc_2010, mp_micro_disc_2018,
                     ncol=2, nrow=1,  
                     align = c("h"),        
                    heights=c(100,100), 
                    common.legend = TRUE,
                   legend = "bottom")       

annotate_figure(Figura2, 
                top = text_grob("Oferta EaD por microrregião",
                 color = "black", face = "bold", size = 15),
                 bottom = text_grob("Fonte: CES (2010/2018)", face="italic", color = "black",
                 hjust = 1.1, x = 1, size = 10))

4.Matrículas EaD pelo tamanho da população

mapa_ead_continuo <- function(dados, ano) {
  dados %>%
  ggplot() +
  geom_sf(aes(fill = MAT_EAD_POR_MIL_HAB), 
          # ajusta tamanho das linhas
          colour = "transparent", size = 0.1) +
  geom_sf(data = get_brmap("State"),
          fill = "transparent",
          colour = "black", size = 1) +
  # muda escala de cores
  scale_fill_viridis_c(option = 6, 
                       guide = guide_legend(reverse=FALSE, title=NULL)) + #Tira o título da legenda
  # tira sistema cartesiano
  theme(panel.grid = element_line(colour = "transparent"),
        panel.background = element_blank(),
        axis.text = element_blank(),
        axis.ticks = element_blank(),
        plot.title = element_text(size=16), 
        plot.subtitle = element_text(size=15, hjust = 0.5)) +
        labs(subtitle = ano)
}

mp_micro_cont_2010 <- mapa_ead_continuo(micro_2010, "2010") 
mp_micro_cont_2018 <- mapa_ead_continuo(micro_2018, "2018")

Figura3 <- ggarrange(mp_micro_cont_2010, mp_micro_cont_2018,
                     ncol=2, nrow=1,  
                     align = c("h"),            # Deine que os gráficos estarão alinhados horizontalmente
                    heights=c(100,100), 
                    common.legend = TRUE,
                   legend = "bottom")       

annotate_figure(Figura3, 
                top = text_grob("Matrículas EaD por mil habitantes - Por Microrregião",
                 color = "black", face = "bold", size = 15),
                 bottom = text_grob("Fonte: CES (2010/2018)", face="italic", color = "black",
                 hjust = 1.1, x = 1, size = 10))