Revisión de tablas de contingencia generadas sobre 4 categorías de ingreso de la Casen
Generación de promedios, desviaciones standard y coeficientes de Gini para las categorías de comuna, etnia, sexo y alfabetismo
VE
DataIntelligence12-02-2021
Abstract
Ya tenemos las tablas de contingencia para las 4 variables que hemos determinado como las más relevantes en un artículo previo. Revisamos y corregimos un error de la Casen referido a la diferente categorización de respuesta a la pregunta ¿pertenece a un pueblo indígena, a cuál? Lo solucionamos generando un diccionario de alternativas posibles en una columna de una tabla y en la otra de la misma el nombre común, para que con un merge convergiese la tabla de contingencia y el diccionario a una categoría única y correcta. Generamoa gráficos para revisar las 4 tablas.
Introducción
Revisamos las siguientes variables de ingreso.
Ingreso total
Ingreso autónomo
Ingreso del trabajo
Ingreso de la ocupación principal
Generamos una tabla para el intervalo 2006 - 2017 con cada una.
Todas filtran por comuna, alfabetismo, etnia y sexo para obtener para cada categoría el promedio del ingreso respectivo, la desviación standard y el coeficiente de Gini. Se generan por lo tanto las 4 tablas que veremos a continuación.
Corregimos un problema de duplicidad en la categorización de la variable “etnia”. Queda pendiente un trabajo análogo para la caracterización de “alfabetismo” que en todos los años son distintos.
Índice
ytotcor-ytotaj
var_YTOTAJ <- readRDS("variables_ingreso/YTOTAJ2.rds")
# var_YTOTAJcategorias <- read_xlsx("variables_ingreso/categorias.xlsx")## New names:
## * `` -> ...1
## * `` -> ...3
## * `` -> ...5
## * `` -> ...7
## * `` -> ...8
## * ...# categorias
cat <- categorias$cat
cat2 <- categorias$var_YTRABAJ_etnia
catt <- as.data.frame(cat)
catt$Etnia <- cat2
# cattcategoriasbuenas = merge( x = var_YTOTAJ, y = catt, by = "Etnia", all.x = TRUE)
# categoriasbuenascategorias_cat <- unique(categoriasbuenas$cat)
# categorias_cat# saveRDS(categoriasbuenas,"variables_ingreso/YTOTAJ_etnias.rds")
# write_xlsx(categoriasbuenas,"variables_ingreso/YTOTAJ_etnias.xlsx")#Graficas
1. Promedio de los ingresos por etnia
yautaj-yautcor
var_YAUTAJ <- readRDS("variables_ingreso/YAUTAJ.rds")
# var_YAUTAJvar_YAUTAJ_filtro <- filter(var_YAUTAJ, var_YAUTAJ$Año == 2009)
var_YAUTAJ_alfa <- unique(var_YAUTAJ_filtro$Alfabetismo)
var_YAUTAJ_alfa <- as.data.frame(var_YAUTAJ_alfa)
# var_YAUTAJ_alfacategorias <- read_xlsx("variables_ingreso/categorias.xlsx")## New names:
## * `` -> ...1
## * `` -> ...3
## * `` -> ...5
## * `` -> ...7
## * `` -> ...8
## * ...# categorias
cat <- categorias$cat
cat2 <- categorias$var_YTRABAJ_etnia
catt <- as.data.frame(cat)
catt$Etnia <- cat2
# cattcategoriasbuenas = merge( x = var_YAUTAJ, y = catt, by = "Etnia", all.x = TRUE)
# categoriasbuenascategorias_cat <- unique(categoriasbuenas$cat)
# categorias_cat# saveRDS(categoriasbuenas,"variables_ingreso/YAUTAJ_etnias.rds")
# write_xlsx(categoriasbuenas,"variables_ingreso/YAUTAJ_etnias.xlsx")yopraj-yoprcor
var_YOPRAJ <- readRDS("variables_ingreso/YOPRAJ.rds")
# var_YOPRAJcategorias <- read_xlsx("variables_ingreso/categorias.xlsx")## New names:
## * `` -> ...1
## * `` -> ...3
## * `` -> ...5
## * `` -> ...7
## * `` -> ...8
## * ...# categorias
cat <- categorias$cat
cat2 <- categorias$var_YTRABAJ_etnia
catt <- as.data.frame(cat)
catt$Etnia <- cat2
# cattcategoriasbuenas = merge( x = var_YOPRAJ, y = catt, by = "Etnia", all.x = TRUE)
# categoriasbuenascategorias_cat <- unique(categoriasbuenas$cat)
# categorias_cat# saveRDS(categoriasbuenas,"variables_ingreso/YOPRAJ_etnias.rds")
# write_xlsx(categoriasbuenas,"variables_ingreso/YOPRAJ_etnias.xlsx")ytrabaj-ytrabajocor
var_YTRABAJ <- readRDS("variables_ingreso/YTRABAJ.rds")
# var_YTRABAJcategorias <- read_xlsx("variables_ingreso/categorias.xlsx")## New names:
## * `` -> ...1
## * `` -> ...3
## * `` -> ...5
## * `` -> ...7
## * `` -> ...8
## * ...# categorias
cat <- categorias$cat
cat2 <- categorias$var_YTRABAJ_etnia
catt <- as.data.frame(cat)
catt$Etnia <- cat2
catt## cat Etnia
## 1 No pertenece a ningún pueblo indígena No pertenece a ningún pueblo indígena
## 2 Mapuche Mapuche
## 3 Kawaskar Kawaskar
## 4 Atacameño (Likán Antai) Atacameño
## 5 Diaguita Diaguita
## 6 No sabe/no responde Sin dato
## 7 Aymara Aymara
## 8 Quechua Quechua
## 9 Yagán (Yámana) Yagan
## 10 Coya Coya
## 11 Rapa Nui (Pascuense) Rapa Nui
## 12 Kawaskar Kawésqar
## 13 Yagán (Yámana) Yagán
## 14 Atacameño (Likán Antai) Atacameño (Likán Antai)
## 15 Rapa Nui (Pascuense) Rapa Nui (Pascuense)
## 16 Yagán (Yámana) Yagán (Yámana)
## 17 Kawaskar Kawésqar (Alacalufes)
## 18 No sabe/no responde NS/NR
## 19 Aymara Aimara
## 20 Atacameño (Likán Antai) Atacameño (Likán-Antai)
## 21 Coya Collas
## 22 Kawaskar Kawashkar o Alacalufes
## 23 Rapa Nui (Pascuense) Rapa-Nui o Pascuenses
## 24 Yagán (Yámana) Yámana o Yagán
## 25 No sabe/no responde No sabe/no responde
## 26 Atacameño (Likán Antai) Atacameño (Likan-Antai)categoriasbuenas = merge( x = var_YTRABAJ, y = catt, by = "Etnia", all.x = TRUE)
# categoriasbuenascategorias_cat <- unique(categoriasbuenas$cat)
# categorias_cat# saveRDS(categoriasbuenas,"variables_ingreso/YTRABAJ_etnias.rds")
# write_xlsx(categoriasbuenas,"variables_ingreso/YTRABAJ_etnias.xlsx")Ubicación
