INGRESOS

Código para la construcción de tablas de contingencia con el cálculo de los promedios de ingresos por categoría.

1 Tenemos que unir los dos ds:

dataset2006_original  <- readRDS("CASEN_2006.rds")
# Como humanos, preferimos trabajar con etiquetas que con códigos.
dataset2006  <- as_factor(dataset2006_original, only_labelled = TRUE)
data_code <- stack(attr(dataset2006_original$COMUNA, 'labels'))
names(data_code)[2] <- "COMUNA"
head(data_code,10)
##    values        COMUNA
## 1    1101       Iquique
## 2    1102        Camiña
## 3    1103      Colchane
## 4    1104         Huara
## 5    1105          Pica
## 6    1106  Pozo Almonte
## 7    1107 Alto Hospicio
## 8    1201         Arica
## 9    1202     Camarones
## 10   1301         Putre
data_code <- data_code[,c(2,1)]
# data_code
    data_code[270,2]<-11201
    data_code[8,2]<-15101
    data_code[178,2]<-16102
    data_code[9,2]<-15102
    data_code[2,2]<-1402
    data_code[177,2]<-16101
    data_code[182,2]<-16103
    data_code[96,2]<-6303
    data_code[179,2]<-16202
    data_code[180,2]<-16203
    data_code[181,2]<-16302
    data_code[3,2]<-1403
    data_code[287,2]<-13104
    data_code[261,2]<-14102
    data_code[183,2]<-16104
    data_code[262,2]<-14202
    data_code[11,2]<-15202
    data_code[4,2]<-1404
    data_code[292,2]<-13110
    data_code[263,2]<-14201
    data_code[264,2]<-14203
    data_code[265,2]<-14103
    data_code[66,2]<-5802
    data_code[266,2]<-14104
    data_code[267,2]<-14105
    data_code[268,2]<-14106
    data_code[89,2]<-6110
    data_code[184,2]<-16204
    data_code[185,2]<-16303
    data_code[68,2]<-5803
    data_code[271,2]<-14107
    data_code[272,2]<-14108
    data_code[186,2]<-16105
    data_code[5,2]<-1405
    data_code[187,2]<-16106
    data_code[188,2]<-16205
    data_code[6,2]<-1401
    data_code[10,2]<-15201
    data_code[246,2]<-16107
    data_code[49,2]<-5801
    data_code[92,2]<-6114
    data_code[190,2]<-16201
    data_code[191,2]<-16206
    data_code[273,2]<-14204
    data_code[192,2]<-16301
    data_code[193,2]<-16304
    data_code[194,2]<-16108
    data_code[195,2]<-16305
    data_code[286,2]<-13505
    data_code[196,2]<-16207
    data_code[260,2]<-14101
    data_code[51,2]<-5804
    data_code[197,2]<-16109
    
#    data_code

Hacemos la union entre la base de datos original y el diccionario:

    dataset2006 = merge( x = dataset2006, y = data_code, by = "COMUNA", all.x = TRUE)
dataset2006  <- as_factor(dataset2006, only_labelled = TRUE)
dataset2006  <- as_factor(dataset2006, only_labelled = TRUE)
promedios_grupales <-aggregate(dataset2006$YAUTHAJ, by=list(dataset2006$COMUNA, dataset2006$T4, dataset2006$SEXO), FUN = mean , na.rm = TRUE)
names(promedios_grupales)[1] <- "comuna"
promedios_grupales$anio <- "2006"
# head(promedios_grupales,5)

hagamos un ultimo merge para adjuntar el codigo comunal:

names(data_code)[1] <- "comuna"
    dataset2006 = merge( x = promedios_grupales, y = data_code, by = "comuna", all.x = TRUE)
 #   dataset2006

2015 DROPBOX

Código para corregir el dataframe de la Casen 2015 y ejemplo de construcción de tablas de contingencia.

1 Cargamos el .sav del 2015 y el .sav con los factores de expansión que nos entregó el gobierno:

dataset2015  <- read_sav("Casen 2015.sav")
dataset2015_fexc = read_sav("Casen 2015_FE todasComunas.sav")

2 Hacemos la unión con los factores de expansión correctos:

df_2015_final = merge( x = dataset2015, y = dataset2015_fexc, by = "folio", all.x = TRUE)

3 Convertimos los códigos en etiquetas comprensibles al humano.

# tarda unos 10 minutos
df_2015_final  <- as_factor(df_2015_final, only_labelled = TRUE)

fin primera parte

4 Extraemos el diccionario para la variable “comuna” del dataset original:

data_code <- stack(attr(dataset2015$comuna, 'labels'))
data_code <- data_code[,c(2,1)]

names(data_code)[1] <- "comuna"
names(data_code)[2] <- "codigo"

head(data_code,10)
##           comuna codigo
## 1        Iquique   1101
## 2  Alto Hospicio   1107
## 3   Pozo Almonte   1401
## 4         Camiña   1402
## 5          Huara   1404
## 6           Pica   1405
## 7    Antofagasta   2101
## 8     Mejillones   2102
## 9   Sierra Gorda   2103
## 10        Taltal   2104

5 Codificamos correctamente el diccionario:

    data_code[171,2]<-16101
    data_code[172,2]<-16102
    data_code[173,2]<-16202
    data_code[174,2]<-16203
    data_code[175,2]<-16302
    data_code[176,2]<-16103
    data_code[177,2]<-16104
    data_code[178,2]<-16204
    data_code[179,2]<-16303
    data_code[180,2]<-16105
    data_code[181,2]<-16106
    data_code[182,2]<-16205
    data_code[183,2]<-16107
    data_code[184,2]<-16201
    data_code[185,2]<-16206
    data_code[186,2]<-16301
    data_code[187,2]<-16304
    data_code[188,2]<-16108
    data_code[189,2]<-16305
    data_code[190,2]<-16207
    data_code[191,2]<-16109

fin segunda parte

tabla_001

6 Generamos la tabla de contingencia relacionada al requerimiento de la tabla_001:

cross_tab =  xtabs(df_2015_final$expc_todas ~ unlist(df_2015_final$comuna) + unlist(df_2015_final$sexo)+unlist(df_2015_final$edad)+unlist(df_2015_final$zona),
aggregate(df_2015_final$expc_todas ~ unlist(df_2015_final$comuna) + unlist(df_2015_final$sexo)+unlist(df_2015_final$edad)+unlist(df_2015_final$zona),df_2015_final,mean))
tabla <- as.data.frame(cross_tab)
d <-tabla[!(tabla$Freq == 0),]
d$anio <- "2015"

7 Renombramos las columnas con los valores ad-hoc:

names(d)[1] <- "comuna"
names(d)[2] <- "sexo"
names(d)[3] <- "edad"
names(d)[4] <- "zona"

8 Anadimos el codigo correcto:

df_2015_final_def = merge( x = d, y = data_code, by = "comuna", all.x = TRUE)
#df_2015_final_def

9 Grabamos en un excel:

write_xlsx(df_2015_final_def,"tabla_001_2015_def.xlsx")

De aquí en más sólo se repite código, pero es relevante tener éste documento para identificar rápidamente cualquier error y corregirlo.

tabla_002

6 Generamos la tabla de contingencia relacionada al requerimiento de la tabla_001:

cross_tab =  xtabs(df_2015_final$expc_todas ~ unlist(df_2015_final$comuna) + unlist(df_2015_final$e6a)+unlist(df_2015_final$r3)+unlist(df_2015_final$sexo),
aggregate(df_2015_final$expc_todas ~ unlist(df_2015_final$comuna) + unlist(df_2015_final$e6a)+unlist(df_2015_final$r3)+unlist(df_2015_final$sexo),df_2015_final,mean))
tabla <- as.data.frame(cross_tab)
d <-tabla[!(tabla$Freq == 0),]
d$anio <- "2015"

7 Renombramos las columnas con los valores ad-hoc:

names(d)[1] <- "comuna"
names(d)[2] <- "e6a -nivel educ-"
names(d)[3] <- "r3 -etnia-"
names(d)[4] <- "sexo"

8 Anadimos el codigo correcto:

df_2015_final_def = merge( x = d, y = data_code, by = "comuna", all.x = TRUE)

9 Grabamos en un excel:

write_xlsx(df_2015_final_def,"tabla_002_2015_def.xlsx")

tabla_003

6 Generamos la tabla de contingencia relacionada al requerimiento de la tabla_001:

cross_tab =  xtabs(df_2015_final$expc_todas ~ unlist(df_2015_final$comuna) + unlist(df_2015_final$e6c_cod)+unlist(df_2015_final$r3)+unlist(df_2015_final$sexo),
aggregate(df_2015_final$expc_todas ~ unlist(df_2015_final$comuna) + unlist(df_2015_final$e6c_cod)+unlist(df_2015_final$r3)+unlist(df_2015_final$sexo),df_2015_final,mean))
tabla <- as.data.frame(cross_tab)
d <-tabla[!(tabla$Freq == 0),]
d$anio <- "2015"

7 Renombramos las columnas con los valores ad-hoc:

names(d)[1] <- "comuna"
names(d)[2] <- "e6c_cod -nombre de la carr-"
names(d)[3] <- "r3 -etnia-"
names(d)[4] <- "sexo"

8 Anadimos el codigo correcto:

df_2015_final_def = merge( x = d, y = data_code, by = "comuna", all.x = TRUE)
# df_2015_final_def

9 Grabamos en un excel:

write_xlsx(df_2015_final_def,"tabla_003_2015_def.xlsx")

tabla_004

6 Generamos la tabla de contingencia relacionada al requerimiento de la tabla_001:

cross_tab =  xtabs(df_2015_final$expc_todas ~ unlist(df_2015_final$comuna) + unlist(df_2015_final$e1)+unlist(df_2015_final$r3)+unlist(df_2015_final$sexo),
aggregate(df_2015_final$expc_todas ~ unlist(df_2015_final$comuna) + unlist(df_2015_final$e1)+unlist(df_2015_final$r3)+unlist(df_2015_final$sexo),df_2015_final,mean))
tabla <- as.data.frame(cross_tab)
d <-tabla[!(tabla$Freq == 0),]
d$anio <- "2015"

7 Renombramos las columnas con los valores ad-hoc:

names(d)[1] <- "comuna"
names(d)[2] <- "e1 -es alfabeto-"
names(d)[3] <- "r3 -etnia-"
names(d)[4] <- "sexo"

8 Anadimos el codigo correcto:

df_2015_final_def = merge( x = d, y = data_code, by = "comuna", all.x = TRUE)
# df_2015_final_def

9 Grabamos en un excel:

write_xlsx(df_2015_final_def,"tabla_004_2015_def.xlsx")

tabla_005

6 Generamos la tabla de contingencia relacionada al requerimiento de la tabla_001:

cross_tab =  xtabs(df_2015_final$expc_todas ~ unlist(df_2015_final$comuna) + unlist(df_2015_final$e4)+unlist(df_2015_final$r3)+unlist(df_2015_final$sexo),
aggregate(df_2015_final$expc_todas ~ unlist(df_2015_final$comuna) + unlist(df_2015_final$e4)+unlist(df_2015_final$r3)+unlist(df_2015_final$sexo),df_2015_final,mean))
tabla <- as.data.frame(cross_tab)
d <-tabla[!(tabla$Freq == 0),]
d$anio <- "2015"

7 Renombramos las columnas con los valores ad-hoc:

names(d)[1] <- "comuna"
names(d)[2] <- "e4 -razón por la que no asiste...-"
names(d)[3] <- "r3 -etnia-"
names(d)[4] <- "sexo"

8 Anadimos el codigo correcto:

df_2015_final_def = merge( x = d, y = data_code, by = "comuna", all.x = TRUE)
# df_2015_final_def

9 Grabamos en un excel:

write_xlsx(df_2015_final_def,"tabla_005_2015_def.xlsx")

tabla_006

6 Generamos la tabla de contingencia relacionada al requerimiento de la tabla_001:

cross_tab =  xtabs(df_2015_final$expc_todas ~ unlist(df_2015_final$comuna) + unlist(df_2015_final$e5a)+unlist(df_2015_final$r3)+unlist(df_2015_final$sexo),
aggregate(df_2015_final$expc_todas ~ unlist(df_2015_final$comuna) + unlist(df_2015_final$e5a)+unlist(df_2015_final$r3)+unlist(df_2015_final$sexo),df_2015_final,mean))
tabla <- as.data.frame(cross_tab)
d <-tabla[!(tabla$Freq == 0),]
d$anio <- "2015"

7 Renombramos las columnas con los valores ad-hoc:

names(d)[1] <- "comuna"
names(d)[2] <- "e5a -razón por la que no asiste a un est. educ...-"
names(d)[3] <- "r3 -etnia-"
names(d)[4] <- "sexo"

8 Anadimos el codigo correcto:

df_2015_final_def = merge( x = d, y = data_code, by = "comuna", all.x = TRUE)
# df_2015_final_def

9 Grabamos en un excel:

write_xlsx(df_2015_final_def,"tabla_006_2015_def.xlsx")

tabla_007

no existe la variable requerida para el 2015

tabla_008

6 Generamos la tabla de contingencia relacionada al requerimiento de la tabla_001:

cross_tab =  xtabs(df_2015_final$expc_todas ~ unlist(df_2015_final$comuna) + unlist(df_2015_final$e7com)+unlist(df_2015_final$r1aesp_cod)+unlist(df_2015_final$sexo),
aggregate(df_2015_final$expc_todas ~ unlist(df_2015_final$comuna) + unlist(df_2015_final$e7com)+unlist(df_2015_final$r1aesp_cod)+unlist(df_2015_final$sexo),df_2015_final,mean))
tabla <- as.data.frame(cross_tab)
d <-tabla[!(tabla$Freq == 0),]
d$anio <- "2015"

7 Renombramos las columnas con los valores ad-hoc:

names(d)[1] <- "comuna"
names(d)[2] <- "e7com -codigo de la comuna del est. educ...-"
names(d)[3] <- "r1aesp_cod -nacionalidad-"
names(d)[4] <- "sexo"

8 Anadimos el codigo correcto:

df_2015_final_def = merge( x = d, y = data_code, by = "comuna", all.x = TRUE)
# df_2015_final_def

9 Grabamos en un excel:

write_xlsx(df_2015_final_def,"tabla_008_2015_def.xlsx")

A PARTIR DE AQUI LAS TTCC SE CALCULAN CON ETNIA Y NACIONALIDAD

tabla_009_etnia

6 Generamos la tabla de contingencia relacionada al requerimiento de la tabla_001:

cross_tab =  xtabs(df_2015_final$expc_todas ~ unlist(df_2015_final$comuna) + unlist(df_2015_final$o1)+unlist(df_2015_final$r3)+unlist(df_2015_final$sexo),
aggregate(df_2015_final$expc_todas ~ unlist(df_2015_final$comuna) + unlist(df_2015_final$o1)+unlist(df_2015_final$r3)+unlist(df_2015_final$sexo),df_2015_final,mean))
tabla <- as.data.frame(cross_tab)
d <-tabla[!(tabla$Freq == 0),]
d$anio <- "2015"

7 Renombramos las columnas con los valores ad-hoc:

names(d)[1] <- "comuna"
names(d)[2] <- "o1 -trabajó al menos 1 hr?-"
names(d)[3] <- "r3 -etnia-"
names(d)[4] <- "sexo"

8 Anadimos el codigo correcto:

df_2015_final_def = merge( x = d, y = data_code, by = "comuna", all.x = TRUE)
# df_2015_final_def

9 Grabamos en un excel:

write_xlsx(df_2015_final_def,"tabla_009_2015_def_etnia.xlsx")

tabla_009_migra

6 Generamos la tabla de contingencia relacionada al requerimiento de la tabla_001:

cross_tab =  xtabs(df_2015_final$expc_todas ~ unlist(df_2015_final$comuna) + unlist(df_2015_final$o1)+unlist(df_2015_final$r1aesp_cod)+unlist(df_2015_final$sexo),
aggregate(df_2015_final$expc_todas ~ unlist(df_2015_final$comuna) + unlist(df_2015_final$o1)+unlist(df_2015_final$r1aesp_cod)+unlist(df_2015_final$sexo),df_2015_final,mean))
tabla <- as.data.frame(cross_tab)
d <-tabla[!(tabla$Freq == 0),]
d$anio <- "2015"

7 Renombramos las columnas con los valores ad-hoc:

names(d)[1] <- "comuna"
names(d)[2] <- "o1 -trabajó al menos 1 hr?-"
names(d)[3] <- "r1aesp_cod -nacionalidad-"
names(d)[4] <- "sexo"

8 Anadimos el codigo correcto:

df_2015_final_def = merge( x = d, y = data_code, by = "comuna", all.x = TRUE)
# df_2015_final_def

9 Grabamos en un excel:

write_xlsx(df_2015_final_def,"tabla_009_2015_def_migra.xlsx")

tabla_010_etnia

6 Generamos la tabla de contingencia relacionada al requerimiento de la tabla_001:

cross_tab =  xtabs(df_2015_final$expc_todas ~ unlist(df_2015_final$comuna) + unlist(df_2015_final$o3)+unlist(df_2015_final$r3)+unlist(df_2015_final$sexo),
aggregate(df_2015_final$expc_todas ~ unlist(df_2015_final$comuna) + unlist(df_2015_final$o3)+unlist(df_2015_final$r3)+unlist(df_2015_final$sexo),df_2015_final,mean))
tabla <- as.data.frame(cross_tab)
d <-tabla[!(tabla$Freq == 0),]
d$anio <- "2015"

7 Renombramos las columnas con los valores ad-hoc:

names(d)[1] <- "comuna"
names(d)[2] <- "o3 -si bien no trabajó, tenía empleo?-"
names(d)[3] <- "r3 -etnia-"
#names(d)[3] <- "r1aesp_cod -nacionalidad-"
names(d)[4] <- "sexo"

8 Anadimos el codigo correcto:

df_2015_final_def = merge( x = d, y = data_code, by = "comuna", all.x = TRUE)
# df_2015_final_def

9 Grabamos en un excel:

write_xlsx(df_2015_final_def,"tabla_010_2015_def_etnia.xlsx")

tabla_010_migra

6 Generamos la tabla de contingencia relacionada al requerimiento de la tabla_001:

cross_tab =  xtabs(df_2015_final$expc_todas ~ unlist(df_2015_final$comuna) + unlist(df_2015_final$o3)+unlist(df_2015_final$r1aesp_cod)+unlist(df_2015_final$sexo),
aggregate(df_2015_final$expc_todas ~ unlist(df_2015_final$comuna) + unlist(df_2015_final$o3)+unlist(df_2015_final$r1aesp_cod)+unlist(df_2015_final$sexo),df_2015_final,mean))
tabla <- as.data.frame(cross_tab)
d <-tabla[!(tabla$Freq == 0),]
d$anio <- "2015"

7 Renombramos las columnas con los valores ad-hoc:

names(d)[1] <- "comuna"
names(d)[2] <- "o3 -si bien no trabajó, tenía empleo?-"
#names(d)[3] <- "r3 -etnia-"
names(d)[3] <- "r1aesp_cod -nacionalidad-"
names(d)[4] <- "sexo"

8 Anadimos el codigo correcto:

df_2015_final_def = merge( x = d, y = data_code, by = "comuna", all.x = TRUE)
# df_2015_final_def

9 Grabamos en un excel:

write_xlsx(df_2015_final_def,"tabla_010_2015_def_migra.xlsx")

tabla_011_etnia

6 Generamos la tabla de contingencia relacionada al requerimiento de la tabla_001:

cross_tab =  xtabs(df_2015_final$expc_todas ~ unlist(df_2015_final$comuna) + unlist(df_2015_final$o5)+unlist(df_2015_final$r3)+unlist(df_2015_final$sexo),
aggregate(df_2015_final$expc_todas ~ unlist(df_2015_final$comuna) + unlist(df_2015_final$o5)+unlist(df_2015_final$r3)+unlist(df_2015_final$sexo),df_2015_final,mean))
tabla <- as.data.frame(cross_tab)
d <-tabla[!(tabla$Freq == 0),]
d$anio <- "2015"

7 Renombramos las columnas con los valores ad-hoc:

names(d)[1] <- "comuna"
names(d)[2] <- "o5 -está dispuesto a trabajar ahora?-"
names(d)[3] <- "r3 -etnia-"
#names(d)[3] <- "r1aesp_cod -nacionalidad-"
names(d)[4] <- "sexo"

8 Anadimos el codigo correcto:

df_2015_final_def = merge( x = d, y = data_code, by = "comuna", all.x = TRUE)
# df_2015_final_def

9 Grabamos en un excel:

write_xlsx(df_2015_final_def,"tabla_011_2015_def_etnia.xlsx")

tabla_011_migra

6 Generamos la tabla de contingencia relacionada al requerimiento de la tabla_001:

cross_tab =  xtabs(df_2015_final$expc_todas ~ unlist(df_2015_final$comuna) + unlist(df_2015_final$o5)+unlist(df_2015_final$r1aesp_cod)+unlist(df_2015_final$sexo),
aggregate(df_2015_final$expc_todas ~ unlist(df_2015_final$comuna) + unlist(df_2015_final$o5)+unlist(df_2015_final$r1aesp_cod)+unlist(df_2015_final$sexo),df_2015_final,mean))
tabla <- as.data.frame(cross_tab)
d <-tabla[!(tabla$Freq == 0),]
d$anio <- "2015"

7 Renombramos las columnas con los valores ad-hoc:

names(d)[1] <- "comuna"
names(d)[2] <- "o5 -está dispuesto a trabajar ahora?-"
# names(d)[3] <- "r3 -etnia-"
names(d)[3] <- "r1aesp_cod -nacionalidad-"
names(d)[4] <- "sexo"

8 Anadimos el codigo correcto:

df_2015_final_def = merge( x = d, y = data_code, by = "comuna", all.x = TRUE)
# df_2015_final_def

9 Grabamos en un excel:

write_xlsx(df_2015_final_def,"tabla_011_2015_def_migra.xlsx")

tabla_012_etnia

6 Generamos la tabla de contingencia relacionada al requerimiento de la tabla_001:

cross_tab =  xtabs(df_2015_final$expc_todas ~ unlist(df_2015_final$comuna) + unlist(df_2015_final$o7r1)+unlist(df_2015_final$r3)+unlist(df_2015_final$sexo),
aggregate(df_2015_final$expc_todas ~ unlist(df_2015_final$comuna) + unlist(df_2015_final$o7r1)+unlist(df_2015_final$r3)+unlist(df_2015_final$sexo),df_2015_final,mean))
tabla <- as.data.frame(cross_tab)
d <-tabla[!(tabla$Freq == 0),]
d$anio <- "2015"

7 Renombramos las columnas con los valores ad-hoc:

names(d)[1] <- "comuna"
names(d)[2] <- "o7r1 -razon 1 por la que no trabaja-"
names(d)[3] <- "r3 -etnia-"
# names(d)[3] <- "r1aesp_cod -nacionalidad-"
names(d)[4] <- "sexo"

8 Anadimos el codigo correcto:

df_2015_final_def = merge( x = d, y = data_code, by = "comuna", all.x = TRUE)
# df_2015_final_def

9 Grabamos en un excel:

write_xlsx(df_2015_final_def,"tabla_012_2015_def_etnia.xlsx")

tabla_012_migra

6 Generamos la tabla de contingencia relacionada al requerimiento de la tabla_001:

cross_tab =  xtabs(df_2015_final$expc_todas ~ unlist(df_2015_final$comuna) + unlist(df_2015_final$o7r1)+unlist(df_2015_final$r1aesp_cod)+unlist(df_2015_final$sexo),
aggregate(df_2015_final$expc_todas ~ unlist(df_2015_final$comuna) + unlist(df_2015_final$o7r1)+unlist(df_2015_final$r1aesp_cod)+unlist(df_2015_final$sexo),df_2015_final,mean))
tabla <- as.data.frame(cross_tab)
d <-tabla[!(tabla$Freq == 0),]
d$anio <- "2015"

7 Renombramos las columnas con los valores ad-hoc:

names(d)[1] <- "comuna"
names(d)[2] <- "o7r1 -razon 1 por la que no trabaja-"
# names(d)[3] <- "r3 -etnia-"
names(d)[3] <- "r1aesp_cod -nacionalidad-"
names(d)[4] <- "sexo"

8 Anadimos el codigo correcto:

df_2015_final_def = merge( x = d, y = data_code, by = "comuna", all.x = TRUE)
# df_2015_final_def

9 Grabamos en un excel:

write_xlsx(df_2015_final_def,"tabla_012_2015_def_migra.xlsx")

tabla_013_etnia

6 Generamos la tabla de contingencia relacionada al requerimiento de la tabla_001:

cross_tab =  xtabs(df_2015_final$expc_todas ~ unlist(df_2015_final$comuna) + unlist(df_2015_final$o7r2)+unlist(df_2015_final$r3)+unlist(df_2015_final$sexo),
aggregate(df_2015_final$expc_todas ~ unlist(df_2015_final$comuna) + unlist(df_2015_final$o7r2)+unlist(df_2015_final$r3)+unlist(df_2015_final$sexo),df_2015_final,mean))
tabla <- as.data.frame(cross_tab)
d <-tabla[!(tabla$Freq == 0),]
d$anio <- "2015"

7 Renombramos las columnas con los valores ad-hoc:

names(d)[1] <- "comuna"
names(d)[2] <- "o7r2 -razon 2 por la que no trabaja-"
names(d)[3] <- "r3 -etnia-"
# names(d)[3] <- "r1aesp_cod -nacionalidad-"
names(d)[4] <- "sexo"

8 Anadimos el codigo correcto:

df_2015_final_def = merge( x = d, y = data_code, by = "comuna", all.x = TRUE)
# df_2015_final_def

9 Grabamos en un excel:

write_xlsx(df_2015_final_def,"tabla_013_2015_def_etnia.xlsx")

tabla_013_migra

6 Generamos la tabla de contingencia relacionada al requerimiento de la tabla_001:

cross_tab =  xtabs(df_2015_final$expc_todas ~ unlist(df_2015_final$comuna) + unlist(df_2015_final$o7r2)+unlist(df_2015_final$r1aesp_cod)+unlist(df_2015_final$sexo),
aggregate(df_2015_final$expc_todas ~ unlist(df_2015_final$comuna) + unlist(df_2015_final$o7r2)+unlist(df_2015_final$r1aesp_cod)+unlist(df_2015_final$sexo),df_2015_final,mean))
tabla <- as.data.frame(cross_tab)
d <-tabla[!(tabla$Freq == 0),]
d$anio <- "2015"

7 Renombramos las columnas con los valores ad-hoc:

names(d)[1] <- "comuna"
names(d)[2] <- "o7r2 -razon 2 por la que no trabaja-"
# names(d)[3] <- "r3 -etnia-"
names(d)[3] <- "r1aesp_cod -nacionalidad-"
names(d)[4] <- "sexo"

8 Anadimos el codigo correcto:

df_2015_final_def = merge( x = d, y = data_code, by = "comuna", all.x = TRUE)
# df_2015_final_def

9 Grabamos en un excel:

write_xlsx(df_2015_final_def,"tabla_013_2015_def_migra.xlsx")

tabla_014 hay que replantearla: existe una cantidad enorme de clasificaciones

para la pregunta ¿Cuál es su ocupación u oficio?

tabla_015_etnia

6 Generamos la tabla de contingencia relacionada al requerimiento de la tabla_001:

cross_tab =  xtabs(df_2015_final$expc_todas ~ unlist(df_2015_final$comuna) + unlist(df_2015_final$o17)+unlist(df_2015_final$r3)+unlist(df_2015_final$sexo),
aggregate(df_2015_final$expc_todas ~ unlist(df_2015_final$comuna) + unlist(df_2015_final$o17)+unlist(df_2015_final$r3)+unlist(df_2015_final$sexo),df_2015_final,mean))
tabla <- as.data.frame(cross_tab)
d <-tabla[!(tabla$Freq == 0),]
d$anio <- "2015"

7 Renombramos las columnas con los valores ad-hoc:

names(d)[1] <- "comuna"
names(d)[2] <- "o17 -tiene contrato de trabajo escrito?-"
names(d)[3] <- "r3 -etnia-"
# names(d)[3] <- "r1aesp_cod -nacionalidad-"
names(d)[4] <- "sexo"

8 Anadimos el codigo correcto:

df_2015_final_def = merge( x = d, y = data_code, by = "comuna", all.x = TRUE)
# df_2015_final_def

9 Grabamos en un excel:

write_xlsx(df_2015_final_def,"tabla_015_2015_def_etnia.xlsx")

tabla_015_migra

6 Generamos la tabla de contingencia relacionada al requerimiento de la tabla_001:

cross_tab =  xtabs(df_2015_final$expc_todas ~ unlist(df_2015_final$comuna) + unlist(df_2015_final$o17)+unlist(df_2015_final$r1aesp_cod)+unlist(df_2015_final$sexo),
aggregate(df_2015_final$expc_todas ~ unlist(df_2015_final$comuna) + unlist(df_2015_final$o17)+unlist(df_2015_final$r1aesp_cod)+unlist(df_2015_final$sexo),df_2015_final,mean))
tabla <- as.data.frame(cross_tab)
d <-tabla[!(tabla$Freq == 0),]
d$anio <- "2015"

7 Renombramos las columnas con los valores ad-hoc:

names(d)[1] <- "comuna"
names(d)[2] <- "o17 -tiene contrato de trabajo escrito?-"
# names(d)[3] <- "r3 -etnia-"
names(d)[3] <- "r1aesp_cod -nacionalidad-"
names(d)[4] <- "sexo"

8 Anadimos el codigo correcto:

df_2015_final_def = merge( x = d, y = data_code, by = "comuna", all.x = TRUE)
# df_2015_final_def

9 Grabamos en un excel:

write_xlsx(df_2015_final_def,"tabla_015_2015_def_migra.xlsx")

tabla_016_etnia

6 Generamos la tabla de contingencia relacionada al requerimiento de la tabla_001:

cross_tab =  xtabs(df_2015_final$expc_todas ~ unlist(df_2015_final$comuna) + unlist(df_2015_final$o18)+unlist(df_2015_final$r3)+unlist(df_2015_final$sexo),
aggregate(df_2015_final$expc_todas ~ unlist(df_2015_final$comuna) + unlist(df_2015_final$o18)+unlist(df_2015_final$r3)+unlist(df_2015_final$sexo),df_2015_final,mean))
tabla <- as.data.frame(cross_tab)
d <-tabla[!(tabla$Freq == 0),]
d$anio <- "2015"

7 Renombramos las columnas con los valores ad-hoc:

names(d)[1] <- "comuna"
names(d)[2] <- "o18 -su jornada de trabajo es:-"
names(d)[3] <- "r3 -etnia-"
# names(d)[3] <- "r1aesp_cod -nacionalidad-"
names(d)[4] <- "sexo"

8 Anadimos el codigo correcto:

df_2015_final_def = merge( x = d, y = data_code, by = "comuna", all.x = TRUE)
# df_2015_final_def

9 Grabamos en un excel:

write_xlsx(df_2015_final_def,"tabla_016_2015_def_etnia.xlsx")

tabla_016_migra

6 Generamos la tabla de contingencia relacionada al requerimiento de la tabla_001:

cross_tab =  xtabs(df_2015_final$expc_todas ~ unlist(df_2015_final$comuna) + unlist(df_2015_final$o18)+unlist(df_2015_final$r1aesp_cod)+unlist(df_2015_final$sexo),
aggregate(df_2015_final$expc_todas ~ unlist(df_2015_final$comuna) + unlist(df_2015_final$o18)+unlist(df_2015_final$r1aesp_cod)+unlist(df_2015_final$sexo),df_2015_final,mean))
tabla <- as.data.frame(cross_tab)
d <-tabla[!(tabla$Freq == 0),]
d$anio <- "2015"

7 Renombramos las columnas con los valores ad-hoc:

names(d)[1] <- "comuna"
names(d)[2] <- "o17 -tiene contrato de trabajo escrito?-"
#names(d)[3] <- "r3 -etnia-"
names(d)[3] <- "r1aesp_cod -nacionalidad-"
names(d)[4] <- "sexo"

8 Anadimos el codigo correcto:

df_2015_final_def = merge( x = d, y = data_code, by = "comuna", all.x = TRUE)
# df_2015_final_def

9 Grabamos en un excel:

write_xlsx(df_2015_final_def,"tabla_016_2015_def_migra.xlsx")

tabla_017_etnia

6 Generamos la tabla de contingencia relacionada al requerimiento de la tabla_001:

cross_tab =  xtabs(df_2015_final$expc_todas ~ unlist(df_2015_final$comuna) + unlist(df_2015_final$o29)+unlist(df_2015_final$r3)+unlist(df_2015_final$sexo),
aggregate(df_2015_final$expc_todas ~ unlist(df_2015_final$comuna) + unlist(df_2015_final$o29)+unlist(df_2015_final$r3)+unlist(df_2015_final$sexo),df_2015_final,mean))
tabla <- as.data.frame(cross_tab)
d <-tabla[!(tabla$Freq == 0),]
d$anio <- "2015"

7 Renombramos las columnas con los valores ad-hoc:

names(d)[1] <- "comuna"
names(d)[2] <- "o29 -el mes pasado cotizó para su jubilación?:-"
names(d)[3] <- "r3 -etnia-"
# names(d)[3] <- "r1aesp_cod -nacionalidad-"
names(d)[4] <- "sexo"

8 Anadimos el codigo correcto:

df_2015_final_def = merge( x = d, y = data_code, by = "comuna", all.x = TRUE)
# df_2015_final_def

9 Grabamos en un excel:

write_xlsx(df_2015_final_def,"tabla_017_2015_def_etnia.xlsx")

tabla_017_migra

6 Generamos la tabla de contingencia relacionada al requerimiento de la tabla_001:

cross_tab =  xtabs(df_2015_final$expc_todas ~ unlist(df_2015_final$comuna) + unlist(df_2015_final$o29)+unlist(df_2015_final$r1aesp_cod)+unlist(df_2015_final$sexo),
aggregate(df_2015_final$expc_todas ~ unlist(df_2015_final$comuna) + unlist(df_2015_final$o29)+unlist(df_2015_final$r1aesp_cod)+unlist(df_2015_final$sexo),df_2015_final,mean))
tabla <- as.data.frame(cross_tab)
d <-tabla[!(tabla$Freq == 0),]
d$anio <- "2015"

7 Renombramos las columnas con los valores ad-hoc:

names(d)[1] <- "comuna"
names(d)[2] <- "o29 -el mes pasado cotizó para su jubilación?:-"
# names(d)[3] <- "r3 -etnia-"
names(d)[3] <- "r1aesp_cod -nacionalidad-"
names(d)[4] <- "sexo"

8 Anadimos el codigo correcto:

df_2015_final_def = merge( x = d, y = data_code, by = "comuna", all.x = TRUE)
# df_2015_final_def

9 Grabamos en un excel:

write_xlsx(df_2015_final_def,"tabla_017_2015_def_migra.xlsx")

tabla_018_etnia

6 Generamos la tabla de contingencia relacionada al requerimiento de la tabla_001:

cross_tab =  xtabs(df_2015_final$expc_todas ~ unlist(df_2015_final$comuna) + unlist(df_2015_final$ch1)+unlist(df_2015_final$r3)+unlist(df_2015_final$sexo),
aggregate(df_2015_final$expc_todas ~ unlist(df_2015_final$comuna) + unlist(df_2015_final$ch1)+unlist(df_2015_final$r3)+unlist(df_2015_final$sexo),df_2015_final,mean))
tabla <- as.data.frame(cross_tab)
d <-tabla[!(tabla$Freq == 0),]
d$anio <- "2015"

7 Renombramos las columnas con los valores ad-hoc:

names(d)[1] <- "comuna"
names(d)[2] <- "ch1 -situación ocupacional-"
names(d)[3] <- "r3 -etnia-"
# names(d)[3] <- "r1aesp_cod -nacionalidad-"
names(d)[4] <- "sexo"

8 Anadimos el codigo correcto:

df_2015_final_def = merge( x = d, y = data_code, by = "comuna", all.x = TRUE)
# df_2015_final_def

9 Grabamos en un excel:

write_xlsx(df_2015_final_def,"tabla_018_2015_def_etnia.xlsx")

tabla_018_migra

6 Generamos la tabla de contingencia relacionada al requerimiento de la tabla_001:

cross_tab =  xtabs(df_2015_final$expc_todas ~ unlist(df_2015_final$comuna) + unlist(df_2015_final$ch1)+unlist(df_2015_final$r1aesp_cod)+unlist(df_2015_final$sexo),
aggregate(df_2015_final$expc_todas ~ unlist(df_2015_final$comuna) + unlist(df_2015_final$ch1)+unlist(df_2015_final$r1aesp_cod)+unlist(df_2015_final$sexo),df_2015_final,mean))
tabla <- as.data.frame(cross_tab)
d <-tabla[!(tabla$Freq == 0),]
d$anio <- "2015"

7 Renombramos las columnas con los valores ad-hoc:

names(d)[1] <- "comuna"
names(d)[2] <- "o29 -el mes pasado cotizó para su jubilación?:-"
#names(d)[3] <- "r3 -etnia-"
names(d)[3] <- "r1aesp_cod -nacionalidad-"
names(d)[4] <- "sexo"

8 Anadimos el codigo correcto:

df_2015_final_def = merge( x = d, y = data_code, by = "comuna", all.x = TRUE)
# df_2015_final_def

9 Grabamos en un excel:

write_xlsx(df_2015_final_def,"tabla_018_2015_def_migra.xlsx")

tabla_019_etnia

6 Generamos la tabla de contingencia relacionada al requerimiento de la tabla_001:

cross_tab =  xtabs(df_2015_final$expc_todas ~ unlist(df_2015_final$comuna) + unlist(df_2015_final$y27d)+unlist(df_2015_final$r3)+unlist(df_2015_final$sexo),
aggregate(df_2015_final$expc_todas ~ unlist(df_2015_final$comuna) + unlist(df_2015_final$y27d)+unlist(df_2015_final$r3)+unlist(df_2015_final$sexo),df_2015_final,mean))
tabla <- as.data.frame(cross_tab)
d <-tabla[!(tabla$Freq == 0),]
d$anio <- "2015"

7 Renombramos las columnas con los valores ad-hoc:

names(d)[1] <- "comuna"
names(d)[2] <- "y27d -¿Tiene en uso chequera?-"
names(d)[3] <- "r3 -etnia-"
# names(d)[3] <- "r1aesp_cod -nacionalidad-"
names(d)[4] <- "sexo"

8 Anadimos el codigo correcto:

df_2015_final_def = merge( x = d, y = data_code, by = "comuna", all.x = TRUE)
# df_2015_final_def

9 Grabamos en un excel:

write_xlsx(df_2015_final_def,"tabla_019_2015_def_etnia.xlsx")

tabla_019_migra

6 Generamos la tabla de contingencia relacionada al requerimiento de la tabla_001:

cross_tab =  xtabs(df_2015_final$expc_todas ~ unlist(df_2015_final$comuna) + unlist(df_2015_final$y27d)+unlist(df_2015_final$r1aesp_cod)+unlist(df_2015_final$sexo),
aggregate(df_2015_final$expc_todas ~ unlist(df_2015_final$comuna) + unlist(df_2015_final$y27d)+unlist(df_2015_final$r1aesp_cod)+unlist(df_2015_final$sexo),df_2015_final,mean))
tabla <- as.data.frame(cross_tab)
d <-tabla[!(tabla$Freq == 0),]
d$anio <- "2015"

7 Renombramos las columnas con los valores ad-hoc:

names(d)[1] <- "comuna"
names(d)[2] <- "ch1 -situación ocupacional-"
#names(d)[3] <- "r3 -etnia-"
names(d)[3] <- "r1aesp_cod -nacionalidad-"
names(d)[4] <- "sexo"

8 Anadimos el codigo correcto:

df_2015_final_def = merge( x = d, y = data_code, by = "comuna", all.x = TRUE)
# df_2015_final_def

9 Grabamos en un excel:

write_xlsx(df_2015_final_def,"tabla_019_2015_def_migra.xlsx")

tabla_022_etnia

6 Generamos la tabla de contingencia relacionada al requerimiento de la tabla_001:

cross_tab =  xtabs(df_2015_final$expc_todas ~ unlist(df_2015_final$comuna) + unlist(df_2015_final$y27b)+unlist(df_2015_final$r3)+unlist(df_2015_final$sexo),
aggregate(df_2015_final$expc_todas ~ unlist(df_2015_final$comuna) + unlist(df_2015_final$y27b)+unlist(df_2015_final$r3)+unlist(df_2015_final$sexo),df_2015_final,mean))
tabla <- as.data.frame(cross_tab)
d <-tabla[!(tabla$Freq == 0),]
d$anio <- "2015"

7 Renombramos las columnas con los valores ad-hoc:

names(d)[1] <- "comuna"
names(d)[2] <- "y27b -¿Tiene en uso t de c bancaria?-"
names(d)[3] <- "r3 -etnia-"
# names(d)[3] <- "r1aesp_cod -nacionalidad-"
names(d)[4] <- "sexo"

8 Anadimos el codigo correcto:

df_2015_final_def = merge( x = d, y = data_code, by = "comuna", all.x = TRUE)
# df_2015_final_def

9 Grabamos en un excel:

write_xlsx(df_2015_final_def,"tabla_022_2015_def_etnia.xlsx")

tabla_022_migra

6 Generamos la tabla de contingencia relacionada al requerimiento de la tabla_001:

cross_tab =  xtabs(df_2015_final$expc_todas ~ unlist(df_2015_final$comuna) + unlist(df_2015_final$y27b)+unlist(df_2015_final$r1aesp_cod)+unlist(df_2015_final$sexo),
aggregate(df_2015_final$expc_todas ~ unlist(df_2015_final$comuna) + unlist(df_2015_final$y27b)+unlist(df_2015_final$r1aesp_cod)+unlist(df_2015_final$sexo),df_2015_final,mean))
tabla <- as.data.frame(cross_tab)
d <-tabla[!(tabla$Freq == 0),]
d$anio <- "2015"

7 Renombramos las columnas con los valores ad-hoc:

names(d)[1] <- "comuna"
names(d)[2] <- "y27b -¿Tiene en uso t de c bancaria?-"
#names(d)[3] <- "r3 -etnia-"
names(d)[3] <- "r1aesp_cod -nacionalidad-"
names(d)[4] <- "sexo"

8 Anadimos el codigo correcto:

df_2015_final_def = merge( x = d, y = data_code, by = "comuna", all.x = TRUE)
# df_2015_final_def

9 Grabamos en un excel:

write_xlsx(df_2015_final_def,"tabla_022_2015_def_migra.xlsx")

tabla_025_etnia

6 Generamos la tabla de contingencia relacionada al requerimiento de la tabla_001:

cross_tab =  xtabs(df_2015_final$expc_todas ~ unlist(df_2015_final$comuna) + unlist(df_2015_final$r1a)+unlist(df_2015_final$r3)+unlist(df_2015_final$sexo),
aggregate(df_2015_final$expc_todas ~ unlist(df_2015_final$comuna) + unlist(df_2015_final$r1a)+unlist(df_2015_final$r3)+unlist(df_2015_final$sexo),df_2015_final,mean))
tabla <- as.data.frame(cross_tab)
d <-tabla[!(tabla$Freq == 0),]
d$anio <- "2015"

7 Renombramos las columnas con los valores ad-hoc:

names(d)[1] <- "comuna"
names(d)[2] <- "r1a -¿usted es chileno?-"
names(d)[3] <- "r3 -etnia-"
# names(d)[3] <- "r1aesp_cod -nacionalidad-"
names(d)[4] <- "sexo"

8 Anadimos el codigo correcto:

df_2015_final_def = merge( x = d, y = data_code, by = "comuna", all.x = TRUE)
# df_2015_final_def

9 Grabamos en un excel:

write_xlsx(df_2015_final_def,"tabla_025_2015_def_etnia.xlsx")

tabla_025_migra

6 Generamos la tabla de contingencia relacionada al requerimiento de la tabla_001:

cross_tab =  xtabs(df_2015_final$expc_todas ~ unlist(df_2015_final$comuna) + unlist(df_2015_final$r1a)+unlist(df_2015_final$r1aesp_cod)+unlist(df_2015_final$sexo),
aggregate(df_2015_final$expc_todas ~ unlist(df_2015_final$comuna) + unlist(df_2015_final$r1a)+unlist(df_2015_final$r1aesp_cod)+unlist(df_2015_final$sexo),df_2015_final,mean))
tabla <- as.data.frame(cross_tab)
d <-tabla[!(tabla$Freq == 0),]
d$anio <- "2015"

7 Renombramos las columnas con los valores ad-hoc:

names(d)[1] <- "comuna"
names(d)[2] <- "r1a -¿usted es chileno?-"
# names(d)[3] <- "r3 -etnia-"
names(d)[3] <- "r1aesp_cod -nacionalidad-"
names(d)[4] <- "sexo"

8 Anadimos el codigo correcto:

df_2015_final_def = merge( x = d, y = data_code, by = "comuna", all.x = TRUE)
# df_2015_final_def

9 Grabamos en un excel:

write_xlsx(df_2015_final_def,"tabla_025_2015_def_migra.xlsx")

tabla_026_etnia

6 Generamos la tabla de contingencia relacionada al requerimiento de la tabla_001:

cross_tab =  xtabs(df_2015_final$expc_todas ~ unlist(df_2015_final$comuna) + unlist(df_2015_final$r1aesp_cod)+unlist(df_2015_final$r3)+unlist(df_2015_final$sexo),
aggregate(df_2015_final$expc_todas ~ unlist(df_2015_final$comuna) + unlist(df_2015_final$r1aesp_cod)+unlist(df_2015_final$r3)+unlist(df_2015_final$sexo),df_2015_final,mean))
tabla <- as.data.frame(cross_tab)
d <-tabla[!(tabla$Freq == 0),]
d$anio <- "2015"

7 Renombramos las columnas con los valores ad-hoc:

names(d)[1] <- "comuna"
names(d)[2] <- "r1aesp_cod -¿cuál es su nacionalidad?-"
names(d)[3] <- "r3 -etnia-"
# names(d)[3] <- "r1aesp_cod -nacionalidad-"
names(d)[4] <- "sexo"

8 Anadimos el codigo correcto:

df_2015_final_def = merge( x = d, y = data_code, by = "comuna", all.x = TRUE)
# df_2015_final_def

9 Grabamos en un excel:

write_xlsx(df_2015_final_def,"tabla_026_2015_def_etnia.xlsx")

tabla_027_etnia

6 Generamos la tabla de contingencia relacionada al requerimiento de la tabla_001:

cross_tab =  xtabs(df_2015_final$expc_todas ~ unlist(df_2015_final$comuna) + unlist(df_2015_final$r3)+unlist(df_2015_final$r3)+unlist(df_2015_final$sexo),
aggregate(df_2015_final$expc_todas ~ unlist(df_2015_final$comuna) + unlist(df_2015_final$r3)+unlist(df_2015_final$r3)+unlist(df_2015_final$sexo),df_2015_final,mean))
tabla <- as.data.frame(cross_tab)
d <-tabla[!(tabla$Freq == 0),]
d$anio <- "2015"

7 Renombramos las columnas con los valores ad-hoc:

names(d)[1] <- "comuna"
names(d)[2] <- "r3 -etnia-"
names(d)[3] <- "r3 -etnia-"
# names(d)[3] <- "r1aesp_cod -nacionalidad-"
names(d)[4] <- "sexo"

8 Anadimos el codigo correcto:

df_2015_final_def = merge( x = d, y = data_code, by = "comuna", all.x = TRUE)
# df_2015_final_def

9 Grabamos en un excel:

write_xlsx(df_2015_final_def,"tabla_027_2015_def_etnia.xlsx")

tabla_028_etnia

6 Generamos la tabla de contingencia relacionada al requerimiento de la tabla_001:

cross_tab =  xtabs(df_2015_final$expc_todas ~ unlist(df_2015_final$comuna) + unlist(df_2015_final$r4)+unlist(df_2015_final$r3)+unlist(df_2015_final$sexo),
aggregate(df_2015_final$expc_todas ~ unlist(df_2015_final$comuna) + unlist(df_2015_final$r4)+unlist(df_2015_final$r3)+unlist(df_2015_final$sexo),df_2015_final,mean))
tabla <- as.data.frame(cross_tab)
d <-tabla[!(tabla$Freq == 0),]
d$anio <- "2015"

7 Renombramos las columnas con los valores ad-hoc:

names(d)[1] <- "comuna"
names(d)[2] <- "r4 -habla o entiende...-"
names(d)[3] <- "r3 -etnia-"
# names(d)[3] <- "r1aesp_cod -nacionalidad-"
names(d)[4] <- "sexo"

8 Anadimos el codigo correcto:

df_2015_final_def = merge( x = d, y = data_code, by = "comuna", all.x = TRUE)
# df_2015_final_def

9 Grabamos en un excel:

write_xlsx(df_2015_final_def,"tabla_028_2015_def_etnia.xlsx")

tabla_029_etnia

6 Generamos la tabla de contingencia relacionada al requerimiento de la tabla_001:

cross_tab =  xtabs(df_2015_final$expc_todas ~ unlist(df_2015_final$comuna) + unlist(df_2015_final$r5)+unlist(df_2015_final$r3)+unlist(df_2015_final$sexo),
aggregate(df_2015_final$expc_todas ~ unlist(df_2015_final$comuna) + unlist(df_2015_final$r5)+unlist(df_2015_final$r3)+unlist(df_2015_final$sexo),df_2015_final,mean))
tabla <- as.data.frame(cross_tab)
d <-tabla[!(tabla$Freq == 0),]
d$anio <- "2015"

7 Renombramos las columnas con los valores ad-hoc:

names(d)[1] <- "comuna"
names(d)[2] <- "r5 -cual lengua entiende...-"
names(d)[3] <- "r3 -etnia-"
# names(d)[3] <- "r1aesp_cod -nacionalidad-"
names(d)[4] <- "sexo"

8 Anadimos el codigo correcto:

df_2015_final_def = merge( x = d, y = data_code, by = "comuna", all.x = TRUE)
# df_2015_final_def

9 Grabamos en un excel:

write_xlsx(df_2015_final_def,"tabla_029_2015_def_etnia.xlsx")

tabla_030_etnia

6 Generamos la tabla de contingencia relacionada al requerimiento de la tabla_001:

cross_tab =  xtabs(df_2015_final$expc_todas ~ unlist(df_2015_final$comuna) + unlist(df_2015_final$r21)+unlist(df_2015_final$r3)+unlist(df_2015_final$sexo),
aggregate(df_2015_final$expc_todas ~ unlist(df_2015_final$comuna) + unlist(df_2015_final$r21)+unlist(df_2015_final$r3)+unlist(df_2015_final$sexo),df_2015_final,mean))
tabla <- as.data.frame(cross_tab)
d <-tabla[!(tabla$Freq == 0),]
d$anio <- "2015"

7 Renombramos las columnas con los valores ad-hoc:

names(d)[1] <- "comuna"
names(d)[2] <- "r21 -orientacion sexual-"
names(d)[3] <- "r3 -etnia-"
# names(d)[3] <- "r1aesp_cod -nacionalidad-"
names(d)[4] <- "sexo"

8 Anadimos el codigo correcto:

df_2015_final_def = merge( x = d, y = data_code, by = "comuna", all.x = TRUE)
# df_2015_final_def

9 Grabamos en un excel:

write_xlsx(df_2015_final_def,"tabla_030_2015_def_etnia.xlsx")

tabla_030_migra

6 Generamos la tabla de contingencia relacionada al requerimiento de la tabla_001:

cross_tab =  xtabs(df_2015_final$expc_todas ~ unlist(df_2015_final$comuna) + unlist(df_2015_final$r21)+unlist(df_2015_final$r1aesp_cod)+unlist(df_2015_final$sexo),
aggregate(df_2015_final$expc_todas ~ unlist(df_2015_final$comuna) + unlist(df_2015_final$r21)+unlist(df_2015_final$r1aesp_cod)+unlist(df_2015_final$sexo),df_2015_final,mean))
tabla <- as.data.frame(cross_tab)
d <-tabla[!(tabla$Freq == 0),]
d$anio <- "2015"

7 Renombramos las columnas con los valores ad-hoc:

names(d)[1] <- "comuna"
names(d)[2] <- "r21 -orientacion sexual-"
# names(d)[3] <- "r3 -etnia-"
names(d)[3] <- "r1aesp_cod -nacionalidad-"
names(d)[4] <- "sexo"

8 Anadimos el codigo correcto:

df_2015_final_def = merge( x = d, y = data_code, by = "comuna", all.x = TRUE)
# df_2015_final_def

9 Grabamos en un excel:

write_xlsx(df_2015_final_def,"tabla_030_2015_def_migra.xlsx")

tabla_031_etnia

6 Generamos la tabla de contingencia relacionada al requerimiento de la tabla_001:

cross_tab =  xtabs(df_2015_final$expc_todas ~ unlist(df_2015_final$comuna) + unlist(df_2015_final$r22)+unlist(df_2015_final$r3)+unlist(df_2015_final$sexo),
aggregate(df_2015_final$expc_todas ~ unlist(df_2015_final$comuna) + unlist(df_2015_final$r22)+unlist(df_2015_final$r3)+unlist(df_2015_final$sexo),df_2015_final,mean))
tabla <- as.data.frame(cross_tab)
d <-tabla[!(tabla$Freq == 0),]
d$anio <- "2015"

7 Renombramos las columnas con los valores ad-hoc:

names(d)[1] <- "comuna"
names(d)[2] <- "r22 -género-"
names(d)[3] <- "r3 -etnia-"
# names(d)[3] <- "r1aesp_cod -nacionalidad-"
names(d)[4] <- "sexo"

8 Anadimos el codigo correcto:

df_2015_final_def = merge( x = d, y = data_code, by = "comuna", all.x = TRUE)
# df_2015_final_def

9 Grabamos en un excel:

write_xlsx(df_2015_final_def,"tabla_031_2015_def_etnia.xlsx")

tabla_031_migra

6 Generamos la tabla de contingencia relacionada al requerimiento de la tabla_001:

cross_tab =  xtabs(df_2015_final$expc_todas ~ unlist(df_2015_final$comuna) + unlist(df_2015_final$r22)+unlist(df_2015_final$r1aesp_cod)+unlist(df_2015_final$sexo),
aggregate(df_2015_final$expc_todas ~ unlist(df_2015_final$comuna) + unlist(df_2015_final$r22)+unlist(df_2015_final$r1aesp_cod)+unlist(df_2015_final$sexo),df_2015_final,mean))
tabla <- as.data.frame(cross_tab)
d <-tabla[!(tabla$Freq == 0),]
d$anio <- "2015"

7 Renombramos las columnas con los valores ad-hoc:

names(d)[1] <- "comuna"
names(d)[2] <- "r22 -género-"
#names(d)[3] <- "r3 -etnia-"
names(d)[3] <- "r1aesp_cod -nacionalidad-"
names(d)[4] <- "sexo"

8 Anadimos el codigo correcto:

df_2015_final_def = merge( x = d, y = data_code, by = "comuna", all.x = TRUE)
# df_2015_final_def

9 Grabamos en un excel:

write_xlsx(df_2015_final_def,"tabla_031_2015_def_migra.xlsx")