Abstract
Las Casen publicadas oficialmente poseen anomalías en sus factores de expansión comunal, ir al link de descarga los cuales son ausencias (Casen 2015) o errores (comuna de Primavera en el 2006). Asimismo, los codigos comunales no están homologados a los actuales. Éste documento presenta los códigos para la generación de bases de datos Casen corregidas, para la posterior construcción de tablas de contingencia que se presentan en el Rpubs: generador_ttcc-casen.
ir al documento de códigos actualizados
1 Leemos la base de datos original:
2 Visibilizamos sus etiquetas:
3 Corroboramos el error para Primavera:
Primavera <- subset(casen_2006_labeled, COMUNA == "Primavera")
head(Primavera$EXPC,5)## [1] 0.24 0.24 0.24 0.24 0.24por definición los factores de expansión no pueden ser fracciones.
4 Comparamos con la población proyectada del INE para Provincia el 2006.
pob_chilena <- readRDS("poblacion_chilena.rds")
pob_por_comuna_ine_2006 <- aggregate(pob_chilena$Poblacion.2006, by=list(Comuna=pob_chilena$Nombre.Comuna), FUN=sum)
Primavera <- subset(pob_por_comuna_ine_2006, Comuna == "Primavera")
Primavera## Comuna sum.pob_chilena$Poblacion.2006
## 229 Primavera 9095 Obtenemos el FEXC provisional para Primavera:
fexc_primavera <- round(909/272)
fexc_primavera## [1] 36 Obtengamos el diccionario comunal para la casen_2006, renombramos e invertimos el orden. Éste diccionario lo extraemos de la base de datos original:
data_code <- stack(attr(casen_2006$COMUNA, 'labels'))
data_code <- data_code[c(2,1)]
names(data_code)[1] <- "COMUNA"
names(data_code)[2] <- "codigo"
head(data_code,10)## COMUNA codigo
## 1 Iquique 1101
## 2 Camiña 1102
## 3 Colchane 1103
## 4 Huara 1104
## 5 Pica 1105
## 6 Pozo Almonte 1106
## 7 Alto Hospicio 1107
## 8 Arica 1201
## 9 Camarones 1202
## 10 Putre 13017 Lo corregimos:
data_code[270,2]<-11201
data_code[8,2]<-15101
data_code[178,2]<-16102
data_code[9,2]<-15102
data_code[2,2]<-1402
data_code[177,2]<-16101
data_code[182,2]<-16103
data_code[96,2]<-6303
data_code[179,2]<-16202
data_code[180,2]<-16203
data_code[181,2]<-16302
data_code[3,2]<-1403
data_code[287,2]<-13104
data_code[261,2]<-14102
data_code[183,2]<-16104
data_code[262,2]<-14202
data_code[11,2]<-15202
data_code[4,2]<-1404
data_code[292,2]<-13110
data_code[263,2]<-14201
data_code[264,2]<-14203
data_code[265,2]<-14103
data_code[66,2]<-5802
data_code[266,2]<-14104
data_code[267,2]<-14105
data_code[268,2]<-14106
data_code[89,2]<-6110
data_code[184,2]<-16204
data_code[185,2]<-16303
data_code[68,2]<-5803
data_code[271,2]<-14107
data_code[272,2]<-14108
data_code[186,2]<-16105
data_code[5,2]<-1405
data_code[187,2]<-16106
data_code[188,2]<-16205
data_code[6,2]<-1401
data_code[10,2]<-15201
data_code[246,2]<-16107
data_code[49,2]<-5801
data_code[92,2]<-6114
data_code[190,2]<-16201
data_code[191,2]<-16206
data_code[273,2]<-14204
data_code[192,2]<-16301
data_code[193,2]<-16304
data_code[194,2]<-16108
data_code[195,2]<-16305
data_code[286,2]<-13505
data_code[196,2]<-16207
data_code[260,2]<-14101
data_code[51,2]<-5804
data_code[197,2]<-161098 Hacemos un left-join para integrar correctamente los códigos:
df_final = merge( x = casen_2006_labeled, y = data_code, by = "COMUNA", all.x = TRUE)9 Corregimos los factores de expansión para Primavera:
df_final$EXPC[(df_final$COMUNA == "Primavera")] <- 310 Guardamos el rds:
#saveRDS(df_final, file = "casen_2006_c.rds")casen_2009 <- read_sav("Casen2009.sav")casen_2009_labeled <- as_factor(casen_2009, only_labelled = TRUE)data_code <- stack(attr(casen_2009$COMUNA, 'labels'))
data_code <- data_code[c(2,1)]
names(data_code)[2] <- "codigo"
names(data_code)[1] <- "COMUNA"
head(data_code,10)## COMUNA codigo
## 1 Iquique 1101
## 2 Alto Hospicio 1107
## 3 Pozo Almonte 1401
## 4 Camiña 1402
## 5 Colchane 1403
## 6 Huara 1404
## 7 Pica 1405
## 8 Antofagasta 2101
## 9 Mejillones 2102
## 10 Sierra Gorda 2103 data_code[253,2]<-16102
data_code[149,2]<-16101
data_code[150,2]<-16103
data_code[305,2]<-16202
data_code[306,2]<-16203
data_code[44,2]<-16302
data_code[45,2]<-16104
data_code[106,2]<-5802
data_code[332,2]<-16204
data_code[46,2]<-16303
data_code[107,2]<-5803
data_code[47,2]<-16105
data_code[48,2]<-16106
data_code[307,2]<-16205
data_code[254,2]<-16107
data_code[98,2]<-5801
data_code[308,2]<-16201
data_code[309,2]<-16206
data_code[49,2]<-16301
data_code[310,2]<-16304
data_code[311,2]<-16108
data_code[255,2]<-16305
data_code[256,2]<-16207
data_code[99,2]<-5804
data_code[312,2]<-16109df_final = merge( x = casen_2009_labeled, y = data_code, by = "COMUNA", all.x = TRUE)#saveRDS(df_final, file = "casen_2009_c.rds")casen_2011 <- read_sav("Casen2011.sav")casen_2011_labeled <- as_factor(casen_2011, only_labelled = TRUE)data_code <- stack(attr(casen_2011$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 Colchane 1403
## 6 Huara 1404
## 7 Pica 1405
## 8 Antofagasta 2101
## 9 Mejillones 2102
## 10 Sierra Gorda 2103 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]<-16109df_final = merge( x = casen_2011_labeled, y = data_code, by = "comuna", all.x = TRUE)#saveRDS(df_final, file = "casen_2011_c.rds")