Relación del Ingreso con el tipo de trabajo ejercido y la actividad económica de la empresa en la encuesta Casen
Etnia-Ingreso del trabajo(ytrabajocor-ytrabaj)
Abstract
En este artículo generaremos 4 tablas que asocian las 3 variables estándar(comuna, sexo, alfabetismo) y etnia, que construyen las tablas de contigencia en torno a la variable Ingreso del trabajo(ytrabajocor-ytrabaj), relacionadas a las 4 preguntas cualitativas de la generación de los ingresos (PCGI). Puede obtener el índice general de éste trabajo aquí.
¿Cuál es su ocupación u oficio? o9a
¿Qué hace usted en su trabajo o negocio principal? o9b
¿A qué se dedica o qué hace el negocio, empresa o institución que le paga? o21
¿A qué se dedica o qué hace el negocio, empresa o institución donde trabaja? o22
Tipo | ||||
---|---|---|---|---|
Ingreso total | Ingreso autónomo | Ingreso del trabajo | Ingreso de la ocupación principal | |
año | ||||
2017 | ytotcor | yautcor | ytrabajocor | yoprcor |
2015 | ytotcor | yautcor | ytrabajocor | yoprcor |
2013 | ytotcor | yautcor | ytrabajocor | yoprcor |
2011 | ytotaj | yautaj | ytrabaj | yopraj |
2009 | ytotaj | yautaj | ytrabaj | yopraj |
2006 | ytotaj | yautaj | ytrabaj | yopraj |
La variable o9a de la pregunta ¿Cuál es su ocupación u oficio?, se encuentra presente en los años 2013, 2015 y 2017, mientras que en el año 2006 se encuentra la variable C_O12 y en el año 2009 se encuentra la variable C_O11, pero en el año 2011 falta variable.
La variable o9b de la pregunta ¿Qué hace usted en su trabajo o negocio principal?, se encuentra presente en los años 2013, 2015 y 2017, mientras que en el año 2006 se encuentra la variable C_O13 y en el año 2009 se encuentra la variable C_O12, pero en el año 2011 falta variable.
La variable o21 de la pregunta ¿A qué se dedica o qué hace el negocio, empresa o institución que le paga?, se encuentra presente en los años 2015 y 2017, pero en los años 2006, 2009, 2011 y 2013 falta variable.
La variable o22 de la pregunta ¿A qué se dedica o qué hace el negocio, empresa o institución donde trabaja?, se encuentra presente en los años 2015 y 2017, mientras que en el año 2013 se encuentra la variable o23, pero en los años 2006, 2009 y 2011 falta variable.
# dataset <- readRDS(file = "casen_2017_c.rds")
ab_2017 <- readRDS(file = "casen_2017_c.rds")
ab_2017 <- ab_2017[!is.na(ab_2017$ytrabajocor),]
Q <- quantile(ab_2017$ytrabajocor, probs=c(.25, .75), na.rm = FALSE)
iqr <- IQR(ab_2017$ytrabajocor)
eliminated <- subset(ab_2017, ab_2017$ytrabajocor > (Q[1] - 1.5*iqr) & ab_2017$ytrabajocor < (Q[2]+1.5*iqr))
#eliminated
a <- eliminated$ytrabajocor
b <- eliminated$comuna
c <- eliminated$o9a #¿Cuál es su ocupación u oficio?
d <- eliminated$e1 #alfabetismo
e <- eliminated$r3 #etnia
f <- eliminated$sexo
promedios_grupales <-aggregate(a, by=list(b, c, d, e, f), FUN = mean , na.rm = TRUE)
promedios_grupales <- promedios_grupales[!(is.na(promedios_grupales$"Group.2") | promedios_grupales$"Group.2"==""), ]
head(promedios_grupales,5)
## Group.1 Group.2 Group.3 Group.4 Group.5 mean.a
## 14 Arica ACOMODADOR DE CAMIONES Sí, lee y escribe Aimara Hombre 413000
## 15 Iquique ADMINISTRADOR Sí, lee y escribe Aimara Hombre 276000
## 16 La Serena ADMINISTRADOR Sí, lee y escribe Aimara Hombre 600000
## 17 Arica ADMINISTRADOR AMASANDERÍA Sí, lee y escribe Aimara Hombre 304167
## 18 Arica ADMINISTRADOR CULTIVOS Sí, lee y escribe Aimara Hombre 645834
promedios_grupales_sd <-aggregate(a, by=list(b, c, d, e, f), FUN = sd , na.rm = TRUE)
promedios_grupales_sd <- promedios_grupales_sd[!(is.na(promedios_grupales_sd$"Group.2") | promedios_grupales_sd$"Group.2"==""), ]
head(promedios_grupales_sd,5)
promedios_grupales_gini <-aggregate(a, by=list(b, c, d, e, f), FUN = gini , na.rm = TRUE)
promedios_grupales_gini <- promedios_grupales_gini[!(is.na(promedios_grupales_gini$"Group.2") | promedios_grupales_gini$"Group.2"==""), ]
head(promedios_grupales_gini,3)
## Group.1 Group.2 Group.3 Group.4 Group.5 gini.a
## 14 Arica ACOMODADOR DE CAMIONES Sí, lee y escribe Aimara Hombre 0
## 15 Iquique ADMINISTRADOR Sí, lee y escribe Aimara Hombre 0
## 16 La Serena ADMINISTRADOR Sí, lee y escribe Aimara Hombre 0
promedios_grupales$sd = promedios_grupales_sd$sd.a
promedios_grupales$gini = promedios_grupales_gini$gini.a
d<-promedios_grupales
d$Año <- "2017"
head(d,5)
names(d)[1] <- "Comuna"
names(d)[2] <- "¿Cuál es su ocupación u oficio?"
names(d)[3] <- "Alfabetismo"
names(d)[4] <- "Etnia"
names(d)[5] <- "Sexo"
names(d)[6] <- "Promedio del Ingreso"
names(d)[7] <- "Desviación standard"
names(d)[8] <- "Gini"
names(d)[9] <- "Año"
head(d,3)
codigos_comunales <- readRDS(file = "codigos_comunales_2011-2017.rds")
names(codigos_comunales)[1] <- "Código"
names(codigos_comunales)[2] <- "Comuna"
# codigos_comunales
df_2017 = merge( x = d, y = codigos_comunales, by = "Comuna", all.x = TRUE)
df_2017 <-df_2017[!(df_2017$Promedio == 0),]
head(df_2017,5)
# dataset <- readRDS(file = "casen_2015_c.rds")
ab_2015 <- readRDS(file = "casen_2015_c.rds")
ab_2015 <- ab_2015[!is.na(ab_2015$ytrabajoCor),]
Q <- quantile(ab_2015$ytrabajoCor, probs=c(.25, .75), na.rm = FALSE)
iqr <- IQR(ab_2015$ytrabajoCor)
eliminated <- subset(ab_2015, ab_2015$ytrabajoCor > (Q[1] - 1.5*iqr) & ab_2015$ytrabajoCor < (Q[2]+1.5*iqr))
#eliminated
a <- eliminated$ytrabajoCor
b <- eliminated$comuna
c <- eliminated$o9a #¿Cuál es su ocupación u oficio?
d <- eliminated$e1 #alfabetismo
e <- eliminated$r3 #etnia
f <- eliminated$sexo
promedios_grupales <-aggregate(a, by=list(b, c, d, e, f), FUN = mean , na.rm = TRUE)
promedios_grupales <- promedios_grupales[!(is.na(promedios_grupales$"Group.2") | promedios_grupales$"Group.2"==""), ]
head(promedios_grupales,5)
## Group.1 Group.2 Group.3 Group.4
## 14 Pozo Almonte Operario eléctrico WIN Sí, lee y escribe Aimara
## 15 Pozo Almonte Administrador(a) de casa Sí, lee y escribe Aimara
## 16 Coquimbo Administrador(a) de una empresa Sí, lee y escribe Aimara
## 17 Alto Hospicio Administrador(a) en empresa puerto Sí, lee y escribe Aimara
## 18 Pozo Almonte Administrador(a) hotel Sí, lee y escribe Aimara
## Group.5 mean.a
## 14 Hombre 161667
## 15 Hombre 350000
## 16 Hombre 410000
## 17 Hombre 400000
## 18 Hombre 480000
promedios_grupales_sd <-aggregate(a, by=list(b, c, d, e, f), FUN = sd , na.rm = TRUE)
promedios_grupales_sd <- promedios_grupales_sd[!(is.na(promedios_grupales_sd$"Group.2") | promedios_grupales_sd$"Group.2"==""), ]
head(promedios_grupales_sd,5)
promedios_grupales_gini <-aggregate(a, by=list(b, c, d, e, f), FUN = gini , na.rm = TRUE)
promedios_grupales_gini <- promedios_grupales_gini[!(is.na(promedios_grupales_gini$"Group.2") | promedios_grupales_gini$"Group.2"==""), ]
head(promedios_grupales_gini,3)
## Group.1 Group.2 Group.3 Group.4
## 14 Pozo Almonte Operario eléctrico WIN Sí, lee y escribe Aimara
## 15 Pozo Almonte Administrador(a) de casa Sí, lee y escribe Aimara
## 16 Coquimbo Administrador(a) de una empresa Sí, lee y escribe Aimara
## Group.5 gini.a
## 14 Hombre 0
## 15 Hombre 0
## 16 Hombre 0
promedios_grupales$sd = promedios_grupales_sd$sd.a
promedios_grupales$gini = promedios_grupales_gini$gini.a
d<-promedios_grupales
d$Año <- "2015"
head(d,5)
names(d)[1] <- "Comuna"
names(d)[2] <- "¿Cuál es su ocupación u oficio?"
names(d)[3] <- "Alfabetismo"
names(d)[4] <- "Etnia"
names(d)[5] <- "Sexo"
names(d)[6] <- "Promedio del Ingreso"
names(d)[7] <- "Desviación standard"
names(d)[8] <- "Gini"
names(d)[9] <- "Año"
head(d,3)
codigos_comunales <- readRDS(file = "codigos_comunales_2011-2017.rds")
names(codigos_comunales)[1] <- "Código"
names(codigos_comunales)[2] <- "Comuna"
# codigos_comunales
df_2015 = merge( x = d, y = codigos_comunales, by = "Comuna", all.x = TRUE)
df_2015 <-df_2015[!(df_2015$Promedio == 0),]
head(df_2015,5)
# dataset <- readRDS(file = "casen_2013_c.rds")
ab_2013 <- readRDS(file = "casen_2013_c.rds")
ab_2013 <- ab_2013[!is.na(ab_2013$ytrabajoCor),]
Q <- quantile(ab_2013$ytrabajoCor, probs=c(.25, .75), na.rm = FALSE)
iqr <- IQR(ab_2013$ytrabajoCor)
eliminated <- subset(ab_2013, ab_2013$ytrabajoCor > (Q[1] - 1.5*iqr) & ab_2013$ytrabajoCor < (Q[2]+1.5*iqr))
#eliminated
a <- eliminated$ytrabajoCor
b <- eliminated$comuna
c <- eliminated$o9a #¿Cuál es su ocupación u oficio?
d <- eliminated$e1 #alfabetismo
e <- eliminated$r6 #etnia
f <- eliminated$sexo
promedios_grupales <-aggregate(a, by=list(b, c, d, e, f), FUN = mean , na.rm = TRUE)
promedios_grupales <- promedios_grupales[!(is.na(promedios_grupales$"Group.2") | promedios_grupales$"Group.2"==""), ]
head(promedios_grupales,5)
## Group.1 Group.2 Group.3 Group.4 Group.5 mean.a
## 10 Arica ADMINISTRA CAMION Sí, lee y escribe Aymara Hombre 200000.0
## 11 Arica ADMINISTRADOR Sí, lee y escribe Aymara Hombre 615833.5
## 12 Arica ADMINISTRATIVA Sí, lee y escribe Aymara Hombre 450000.0
## 13 Alto Hospicio ADMINISTRATIVO Sí, lee y escribe Aymara Hombre 500000.0
## 14 Arica ADMINISTRATIVO Sí, lee y escribe Aymara Hombre 437821.8
promedios_grupales_sd <-aggregate(a, by=list(b, c, d, e, f), FUN = sd , na.rm = TRUE)
promedios_grupales_sd <- promedios_grupales_sd[!(is.na(promedios_grupales_sd$"Group.2") | promedios_grupales_sd$"Group.2"==""), ]
head(promedios_grupales_sd,5)
promedios_grupales_gini <-aggregate(a, by=list(b, c, d, e, f), FUN = gini , na.rm = TRUE)
promedios_grupales_gini <- promedios_grupales_gini[!(is.na(promedios_grupales_gini$"Group.2") | promedios_grupales_gini$"Group.2"==""), ]
head(promedios_grupales_gini,3)
## Group.1 Group.2 Group.3 Group.4 Group.5 gini.a
## 10 Arica ADMINISTRA CAMION Sí, lee y escribe Aymara Hombre 0.00000000
## 11 Arica ADMINISTRADOR Sí, lee y escribe Aymara Hombre 0.04262475
## 12 Arica ADMINISTRATIVA Sí, lee y escribe Aymara Hombre 0.16666667
promedios_grupales$sd = promedios_grupales_sd$sd.a
promedios_grupales$gini = promedios_grupales_gini$gini.a
d<-promedios_grupales
d$Año <- "2013"
head(d,5)
names(d)[1] <- "Comuna"
names(d)[2] <- "¿Cuál es su ocupación u oficio?"
names(d)[3] <- "Alfabetismo"
names(d)[4] <- "Etnia"
names(d)[5] <- "Sexo"
names(d)[6] <- "Promedio del Ingreso"
names(d)[7] <- "Desviación standard"
names(d)[8] <- "Gini"
names(d)[9] <- "Año"
head(d,3)
codigos_comunales <- readRDS(file = "codigos_comunales_2011-2017.rds")
names(codigos_comunales)[1] <- "Código"
names(codigos_comunales)[2] <- "Comuna"
# codigos_comunales
df_2013 = merge( x = d, y = codigos_comunales, by = "Comuna", all.x = TRUE)
df_2013 <-df_2013[!(df_2013$Promedio == 0),]
head(df_2013,5)
# dataset <- readRDS(file = "casen_2009_c.rds")
ab_2009 <- readRDS(file = "casen_2009_c.rds")
ab_2009 <- ab_2009[!is.na(ab_2009$YTRABAJ),]
Q <- quantile(ab_2009$YTRABAJ, probs=c(.25, .75), na.rm = FALSE)
iqr <- IQR(ab_2009$YTRABAJ)
eliminated <- subset(ab_2009, ab_2009$YTRABAJ > (Q[1] - 1.5*iqr) & ab_2009$YTRABAJ < (Q[2]+1.5*iqr))
#eliminated
a <- eliminated$YTRABAJ
b <- eliminated$COMUNA
c <- eliminated$C_O12 #¿Cuál es su ocupación u oficio?
d <- eliminated$E1 #alfabetismo
e <- eliminated$T5 #etnia
f <- eliminated$SEXO
promedios_grupales <-aggregate(a, by=list(b, c, d, e, f), FUN = mean , na.rm = TRUE)
promedios_grupales <- promedios_grupales[!(is.na(promedios_grupales$"Group.2") | promedios_grupales$"Group.2"==""), ]
head(promedios_grupales,5)
## Group.1 Group.2
## 1 Putre Directores de departamentos de venta y comercialización
## 2 Pozo Almonte Gerentes de empresa de agricultura, caza, silvicultura y pes
## 3 San Nicolás Ingenieros civiles
## 4 Concepción Profesionales de la enseñanza
## 5 Pozo Almonte Maestros de nivel superior de la enseñanza primaria
## Group.3 Group.4 Group.5 mean.a
## 1 Sí Aymara Hombre 515667
## 2 Sí Aymara Hombre 200265
## 3 Sí Aymara Hombre 542638
## 4 Sí Aymara Hombre 575120
## 5 Sí Aymara Hombre 276250
promedios_grupales_sd <-aggregate(a, by=list(b, c, d, e, f), FUN = sd , na.rm = TRUE)
promedios_grupales_sd <- promedios_grupales_sd[!(is.na(promedios_grupales_sd$"Group.2") | promedios_grupales_sd$"Group.2"==""), ]
head(promedios_grupales_sd,5)
promedios_grupales_gini <-aggregate(a, by=list(b, c, d, e, f), FUN = gini , na.rm = TRUE)
promedios_grupales_gini <- promedios_grupales_gini[!(is.na(promedios_grupales_gini$"Group.2") | promedios_grupales_gini$"Group.2"==""), ]
head(promedios_grupales_gini,3)
## Group.1 Group.2
## 1 Putre Directores de departamentos de venta y comercialización
## 2 Pozo Almonte Gerentes de empresa de agricultura, caza, silvicultura y pes
## 3 San Nicolás Ingenieros civiles
## Group.3 Group.4 Group.5 gini.a
## 1 Sí Aymara Hombre 0.0000000
## 2 Sí Aymara Hombre 0.3974359
## 3 Sí Aymara Hombre 0.0000000
promedios_grupales$sd = promedios_grupales_sd$sd.a
promedios_grupales$gini = promedios_grupales_gini$gini.a
d<-promedios_grupales
d$Año <- "2009"
head(d,5)
names(d)[1] <- "Comuna"
names(d)[2] <- "¿Cuál es su ocupación u oficio?"
names(d)[3] <- "Alfabetismo"
names(d)[4] <- "Etnia"
names(d)[5] <- "Sexo"
names(d)[6] <- "Promedio del Ingreso"
names(d)[7] <- "Desviación standard"
names(d)[8] <- "Gini"
names(d)[9] <- "Año"
head(d,3)
codigos_comunales <- readRDS(file = "codigos_comunales_2009.rds")
names(codigos_comunales)[1] <- "Código"
names(codigos_comunales)[2] <- "Comuna"
# codigos_comunales
df_2009 = merge( x = d, y = codigos_comunales, by = "Comuna", all.x = TRUE)
df_2009 <-df_2009[!(df_2009$Promedio == 0),]
head(df_2009,5)
# dataset <- readRDS(file = "casen_2006_c.rds")
ab_2006 <- readRDS(file = "casen_2006_c.rds")
ab_2006 <- ab_2006[!is.na(ab_2006$YTRABAJ),]
Q <- quantile(ab_2006$YTRABAJ, probs=c(.25, .75), na.rm = FALSE)
iqr <- IQR(ab_2006$YTRABAJ)
eliminated <- subset(ab_2006, ab_2006$YTRABAJ > (Q[1] - 1.5*iqr) & ab_2006$YTRABAJ < (Q[2]+1.5*iqr))
#eliminated
a <- eliminated$YTRABAJ
b <- eliminated$COMUNA
c <- eliminated$C_O11 #¿Cuál es su ocupación u oficio?
d <- eliminated$E1 #alfabetismo
e <- eliminated$T4 #etnia
f <- eliminated$SEXO
promedios_grupales <-aggregate(a, by=list(b, c, d, e, f), FUN = mean , na.rm = TRUE)
promedios_grupales <- promedios_grupales[!(is.na(promedios_grupales$"Group.2") | promedios_grupales$"Group.2"==""), ]
head(promedios_grupales,5)
## Group.1 Group.2 Group.3 Group.4 Group.5 mean.a
## 1 Camiña 1311 Sí Aymara Hombre 286520
## 2 Colchane 1311 Sí Aymara Hombre 218183
## 3 Arica 1311 Sí Aymara Hombre 347447
## 4 Putre 1311 Sí Aymara Hombre 371322
## 5 Camiña 1314 Sí Aymara Hombre 395200
promedios_grupales_sd <-aggregate(a, by=list(b, c, d, e, f), FUN = sd , na.rm = TRUE)
promedios_grupales_sd <- promedios_grupales_sd[!(is.na(promedios_grupales_sd$"Group.2") | promedios_grupales_sd$"Group.2"==""), ]
head(promedios_grupales_sd,5)
promedios_grupales_gini <-aggregate(a, by=list(b, c, d, e, f), FUN = gini , na.rm = TRUE)
promedios_grupales_gini <- promedios_grupales_gini[!(is.na(promedios_grupales_gini$"Group.2") | promedios_grupales_gini$"Group.2"==""), ]
head(promedios_grupales_gini,3)
## Group.1 Group.2 Group.3 Group.4 Group.5 gini.a
## 1 Camiña 1311 Sí Aymara Hombre 0.0000000
## 2 Colchane 1311 Sí Aymara Hombre 0.4207546
## 3 Arica 1311 Sí Aymara Hombre 0.1421814
promedios_grupales$sd = promedios_grupales_sd$sd.a
promedios_grupales$gini = promedios_grupales_gini$gini.a
d<-promedios_grupales
d$Año <- "2006"
head(d,5)
names(d)[1] <- "Comuna"
names(d)[2] <- "¿Cuál es su ocupación u oficio?"
names(d)[3] <- "Alfabetismo"
names(d)[4] <- "Etnia"
names(d)[5] <- "Sexo"
names(d)[6] <- "Promedio del Ingreso"
names(d)[7] <- "Desviación standard"
names(d)[8] <- "Gini"
names(d)[9] <- "Año"
head(d,3)
codigos_comunales <- readRDS(file = "codigos_comunales_2006.rds")
names(codigos_comunales)[1] <- "Código"
names(codigos_comunales)[2] <- "Comuna"
# codigos_comunales
df_2006 = merge( x = d, y = codigos_comunales, by = "Comuna", all.x = TRUE)
df_2006 <-df_2006[!(df_2006$Promedio == 0),]
head(df_2006,5)
options(scipen=999)
uni_parcial <- rbind(df_2006, df_2009, df_2013, df_2015, df_2017)
head(uni_parcial,5)
## Comuna ¿Cuál es su ocupación u oficio? Alfabetismo
## 1 Aisén 7436 Sí
## 2 Aisén 3211 Sí
## 3 Aisén 6111 Sí
## 4 Aisén 8273 Sí
## 5 Aisén 8290 Sí
## Etnia Sexo Promedio del Ingreso
## 1 No pertenece a ningún pueblo indígena Mujer 98800
## 2 No pertenece a ningún pueblo indígena Mujer 162441
## 3 No pertenece a ningún pueblo indígena Hombre 303650
## 4 No pertenece a ningún pueblo indígena Hombre 200485
## 5 No pertenece a ningún pueblo indígena Mujer 245430
## Desviación standard Gini Año Código
## 1 NA 0.0000000 2006 11201
## 2 NA 0.0000000 2006 11201
## 3 129471.3 0.1507492 2006 11201
## 4 NA 0.0000000 2006 11201
## 5 NA 0.0000000 2006 11201
saveRDS(uni_parcial,"Etnia-Ingreso_del_trabajo-PCGI001.rds")
uni_parcial_leido <- readRDS("Etnia-Ingreso_del_trabajo-PCGI001.rds")
head(uni_parcial_leido,5)
## Comuna ¿Cuál es su ocupación u oficio? Alfabetismo
## 1 Aisén 7436 Sí
## 2 Aisén 3211 Sí
## 3 Aisén 6111 Sí
## 4 Aisén 8273 Sí
## 5 Aisén 8290 Sí
## Etnia Sexo Promedio del Ingreso
## 1 No pertenece a ningún pueblo indígena Mujer 98800
## 2 No pertenece a ningún pueblo indígena Mujer 162441
## 3 No pertenece a ningún pueblo indígena Hombre 303650
## 4 No pertenece a ningún pueblo indígena Hombre 200485
## 5 No pertenece a ningún pueblo indígena Mujer 245430
## Desviación standard Gini Año Código
## 1 NA 0.0000000 2006 11201
## 2 NA 0.0000000 2006 11201
## 3 129471.3 0.1507492 2006 11201
## 4 NA 0.0000000 2006 11201
## 5 NA 0.0000000 2006 11201
#write_xlsx(uni_parcial,"Etnia-Ingreso_total-PCGI001.xlsx")
# dataset <- readRDS(file = "casen_2017_c.rds")
ab_2017 <- readRDS(file = "casen_2017_c.rds")
ab_2017 <- ab_2017[!is.na(ab_2017$ytrabajocor),]
Q <- quantile(ab_2017$ytrabajocor, probs=c(.25, .75), na.rm = FALSE)
iqr <- IQR(ab_2017$ytrabajocor)
eliminated <- subset(ab_2017, ab_2017$ytrabajocor > (Q[1] - 1.5*iqr) & ab_2017$ytrabajocor < (Q[2]+1.5*iqr))
#eliminated
a <- eliminated$ytrabajocor
b <- eliminated$comuna
c <- eliminated$o9b #¿Qué hace usted en su trabajo o negocio principal?
d <- eliminated$e1 #alfabetismo
e <- eliminated$r3 #etnia
f <- eliminated$sexo
promedios_grupales <-aggregate(a, by=list(b, c, d, e, f), FUN = mean , na.rm = TRUE)
promedios_grupales <- promedios_grupales[!(is.na(promedios_grupales$"Group.2") | promedios_grupales$"Group.2"==""), ]
head(promedios_grupales,5)
## Group.1 Group.2 Group.3 Group.4 Group.5
## 14 Iquique (NEXSO MINERAL ) SUPERVISA Sí, lee y escribe Aimara Hombre
## 15 Iquique ADM Y GESTIÓN Sí, lee y escribe Aimara Hombre
## 16 Camiña ADMINISTRA ARRIENDO DE HOSTAL Sí, lee y escribe Aimara Hombre
## 17 Camarones ADMINISTRA CONSTRUCTORA Sí, lee y escribe Aimara Hombre
## 18 Iquique ADMINISTRA EMPRESA FAMILIAR Sí, lee y escribe Aimara Hombre
## mean.a
## 14 310000
## 15 200000
## 16 312500
## 17 700000
## 18 276000
promedios_grupales_sd <-aggregate(a, by=list(b, c, d, e, f), FUN = sd , na.rm = TRUE)
promedios_grupales_sd <- promedios_grupales_sd[!(is.na(promedios_grupales_sd$"Group.2") | promedios_grupales_sd$"Group.2"==""), ]
head(promedios_grupales_sd,5)
promedios_grupales_gini <-aggregate(a, by=list(b, c, d, e, f), FUN = gini , na.rm = TRUE)
promedios_grupales_gini <- promedios_grupales_gini[!(is.na(promedios_grupales_gini$"Group.2") | promedios_grupales_gini$"Group.2"==""), ]
head(promedios_grupales_gini,3)
## Group.1 Group.2 Group.3 Group.4 Group.5
## 14 Iquique (NEXSO MINERAL ) SUPERVISA Sí, lee y escribe Aimara Hombre
## 15 Iquique ADM Y GESTIÓN Sí, lee y escribe Aimara Hombre
## 16 Camiña ADMINISTRA ARRIENDO DE HOSTAL Sí, lee y escribe Aimara Hombre
## gini.a
## 14 0
## 15 0
## 16 0
promedios_grupales$sd = promedios_grupales_sd$sd.a
promedios_grupales$gini = promedios_grupales_gini$gini.a
d<-promedios_grupales
d$Año <- "2017"
head(d,5)
names(d)[1] <- "Comuna"
names(d)[2] <- "¿Qué hace usted en su trabajo o negocio principal?"
names(d)[3] <- "Alfabetismo"
names(d)[4] <- "Etnia"
names(d)[5] <- "Sexo"
names(d)[6] <- "Promedio del Ingreso"
names(d)[7] <- "Desviación standard"
names(d)[8] <- "Gini"
names(d)[9] <- "Año"
head(d,3)
codigos_comunales <- readRDS(file = "codigos_comunales_2011-2017.rds")
names(codigos_comunales)[1] <- "Código"
names(codigos_comunales)[2] <- "Comuna"
# codigos_comunales
df_2017 = merge( x = d, y = codigos_comunales, by = "Comuna", all.x = TRUE)
df_2017 <-df_2017[!(df_2017$Promedio == 0),]
head(df_2017,5)
# dataset <- readRDS(file = "casen_2015_c.rds")
ab_2015 <- readRDS(file = "casen_2015_c.rds")
ab_2015 <- ab_2015[!is.na(ab_2015$ytrabajoCor),]
Q <- quantile(ab_2015$ytrabajoCor, probs=c(.25, .75), na.rm = FALSE)
iqr <- IQR(ab_2015$ytrabajoCor)
eliminated <- subset(ab_2015, ab_2015$ytrabajoCor > (Q[1] - 1.5*iqr) & ab_2015$ytrabajoCor < (Q[2]+1.5*iqr))
#eliminated
a <- eliminated$ytrabajoCor
b <- eliminated$comuna
c <- eliminated$o9b #¿Qué hace usted en su trabajo o negocio principal?
d <- eliminated$e1 #alfabetismo
e <- eliminated$r3 #etnia
f <- eliminated$sexo
promedios_grupales <-aggregate(a, by=list(b, c, d, e, f), FUN = mean , na.rm = TRUE)
promedios_grupales <- promedios_grupales[!(is.na(promedios_grupales$"Group.2") | promedios_grupales$"Group.2"==""), ]
head(promedios_grupales,5)
## Group.1 Group.2 Group.3
## 14 Coquimbo Administra complejo turístico Sí, lee y escribe
## 15 Arica Administra y atiende su local de comida Sí, lee y escribe
## 16 Iquique Administración operaciones RRHH Sí, lee y escribe
## 17 Puente Alto Administrador(a) en producción de metales Sí, lee y escribe
## 18 Putre Administrar central de taxis Sí, lee y escribe
## Group.4 Group.5 mean.a
## 14 Aimara Hombre 410000
## 15 Aimara Hombre 210000
## 16 Aimara Hombre 858333
## 17 Aimara Hombre 450000
## 18 Aimara Hombre 300000
promedios_grupales_sd <-aggregate(a, by=list(b, c, d, e, f), FUN = sd , na.rm = TRUE)
promedios_grupales_sd <- promedios_grupales_sd[!(is.na(promedios_grupales_sd$"Group.2") | promedios_grupales_sd$"Group.2"==""), ]
head(promedios_grupales_sd,5)
promedios_grupales_gini <-aggregate(a, by=list(b, c, d, e, f), FUN = gini , na.rm = TRUE)
promedios_grupales_gini <- promedios_grupales_gini[!(is.na(promedios_grupales_gini$"Group.2") | promedios_grupales_gini$"Group.2"==""), ]
head(promedios_grupales_gini,3)
## Group.1 Group.2 Group.3 Group.4
## 14 Coquimbo Administra complejo turístico Sí, lee y escribe Aimara
## 15 Arica Administra y atiende su local de comida Sí, lee y escribe Aimara
## 16 Iquique Administración operaciones RRHH Sí, lee y escribe Aimara
## Group.5 gini.a
## 14 Hombre 0
## 15 Hombre 0
## 16 Hombre 0
promedios_grupales$sd = promedios_grupales_sd$sd.a
promedios_grupales$gini = promedios_grupales_gini$gini.a
d<-promedios_grupales
d$Año <- "2015"
head(d,5)
names(d)[1] <- "Comuna"
names(d)[2] <- "¿Qué hace usted en su trabajo o negocio principal?"
names(d)[3] <- "Alfabetismo"
names(d)[4] <- "Etnia"
names(d)[5] <- "Sexo"
names(d)[6] <- "Promedio del Ingreso"
names(d)[7] <- "Desviación standard"
names(d)[8] <- "Gini"
names(d)[9] <- "Año"
head(d,3)
codigos_comunales <- readRDS(file = "codigos_comunales_2011-2017.rds")
names(codigos_comunales)[1] <- "Código"
names(codigos_comunales)[2] <- "Comuna"
# codigos_comunales
df_2015 = merge( x = d, y = codigos_comunales, by = "Comuna", all.x = TRUE)
df_2015 <-df_2015[!(df_2015$Promedio == 0),]
head(df_2015,5)
# dataset <- readRDS(file = "casen_2013_c.rds")
ab_2013 <- readRDS(file = "casen_2013_c.rds")
ab_2013 <- ab_2013[!is.na(ab_2013$ytrabajoCor),]
Q <- quantile(ab_2013$ytrabajoCor, probs=c(.25, .75), na.rm = FALSE)
iqr <- IQR(ab_2013$ytrabajoCor)
eliminated <- subset(ab_2013, ab_2013$ytrabajoCor > (Q[1] - 1.5*iqr) & ab_2013$ytrabajoCor < (Q[2]+1.5*iqr))
#eliminated
a <- eliminated$ytrabajoCor
b <- eliminated$comuna
c <- eliminated$o9b #¿Qué hace usted en su trabajo o negocio principal?
d <- eliminated$e1 #alfabetismo
e <- eliminated$r6 #etnia
f <- eliminated$sexo
promedios_grupales <-aggregate(a, by=list(b, c, d, e, f), FUN = mean , na.rm = TRUE)
promedios_grupales <- promedios_grupales[!(is.na(promedios_grupales$"Group.2") | promedios_grupales$"Group.2"==""), ]
head(promedios_grupales,5)
## Group.1 Group.2 Group.3 Group.4
## 10 Iquique ADMINISTRA CUADRILLA TRABAJADORES Sí, lee y escribe Aymara
## 11 Arica ADMINISTRA PAPELEO DE ESCUELA Sí, lee y escribe Aymara
## 12 Arica ADMINISTRA PARCELA Sí, lee y escribe Aymara
## 13 Alto Hospicio ADMINISTRA SU EMPRESA Sí, lee y escribe Aymara
## 14 Iquique ADMINISTRACION DE INSTITUCION Sí, lee y escribe Aymara
## Group.5 mean.a
## 10 Hombre 500000
## 11 Hombre 380000
## 12 Hombre 563334
## 13 Hombre 160000
## 14 Hombre 700000
promedios_grupales_sd <-aggregate(a, by=list(b, c, d, e, f), FUN = sd , na.rm = TRUE)
promedios_grupales_sd <- promedios_grupales_sd[!(is.na(promedios_grupales_sd$"Group.2") | promedios_grupales_sd$"Group.2"==""), ]
head(promedios_grupales_sd,5)
promedios_grupales_gini <-aggregate(a, by=list(b, c, d, e, f), FUN = gini , na.rm = TRUE)
promedios_grupales_gini <- promedios_grupales_gini[!(is.na(promedios_grupales_gini$"Group.2") | promedios_grupales_gini$"Group.2"==""), ]
head(promedios_grupales_gini,3)
## Group.1 Group.2 Group.3 Group.4 Group.5
## 10 Iquique ADMINISTRA CUADRILLA TRABAJADORES Sí, lee y escribe Aymara Hombre
## 11 Arica ADMINISTRA PAPELEO DE ESCUELA Sí, lee y escribe Aymara Hombre
## 12 Arica ADMINISTRA PARCELA Sí, lee y escribe Aymara Hombre
## gini.a
## 10 0
## 11 0
## 12 0
promedios_grupales$sd = promedios_grupales_sd$sd.a
promedios_grupales$gini = promedios_grupales_gini$gini.a
d<-promedios_grupales
d$Año <- "2013"
head(d,5)
names(d)[1] <- "Comuna"
names(d)[2] <- "¿Qué hace usted en su trabajo o negocio principal?"
names(d)[3] <- "Alfabetismo"
names(d)[4] <- "Etnia"
names(d)[5] <- "Sexo"
names(d)[6] <- "Promedio del Ingreso"
names(d)[7] <- "Desviación standard"
names(d)[8] <- "Gini"
names(d)[9] <- "Año"
head(d,3)
codigos_comunales <- readRDS(file = "codigos_comunales_2011-2017.rds")
names(codigos_comunales)[1] <- "Código"
names(codigos_comunales)[2] <- "Comuna"
# codigos_comunales
df_2013 = merge( x = d, y = codigos_comunales, by = "Comuna", all.x = TRUE)
df_2013 <-df_2013[!(df_2013$Promedio == 0),]
head(df_2013,5)
# dataset <- readRDS(file = "casen_2009_c.rds")
ab_2009 <- readRDS(file = "casen_2009_c.rds")
ab_2009 <- ab_2009[!is.na(ab_2009$YTRABAJ),]
Q <- quantile(ab_2009$YTRABAJ, probs=c(.25, .75), na.rm = FALSE)
iqr <- IQR(ab_2009$YTRABAJ)
eliminated <- subset(ab_2009, ab_2009$YTRABAJ > (Q[1] - 1.5*iqr) & ab_2009$YTRABAJ < (Q[2]+1.5*iqr))
#eliminated
a <- eliminated$YTRABAJ
b <- eliminated$COMUNA
c <- eliminated$C_O13 #¿Qué hace usted en su trabajo o negocio principal?
d <- eliminated$E1 #alfabetismo
e <- eliminated$T5 #etnia
f <- eliminated$SEXO
promedios_grupales <-aggregate(a, by=list(b, c, d, e, f), FUN = mean , na.rm = TRUE)
promedios_grupales <- promedios_grupales[!(is.na(promedios_grupales$"Group.2") | promedios_grupales$"Group.2"==""), ]
head(promedios_grupales,5)
## Group.1 Group.2 Group.3 Group.4 Group.5
## 1 Zapallar Actividades no bien especificadas Sí Aymara Hombre
## 2 Putre Actividades no bien especificadas Sí Aymara Hombre
## 3 Camarones Agricultura, caza, silvicultura y pesca Sí Aymara Hombre
## 4 Alto Hospicio Producción agropecuaria Sí Aymara Hombre
## 5 Pozo Almonte Producción agropecuaria Sí Aymara Hombre
## mean.a
## 1 278239.0
## 2 636740.0
## 3 401385.5
## 4 410800.0
## 5 236210.0
promedios_grupales_sd <-aggregate(a, by=list(b, c, d, e, f), FUN = sd , na.rm = TRUE)
promedios_grupales_sd <- promedios_grupales_sd[!(is.na(promedios_grupales_sd$"Group.2") | promedios_grupales_sd$"Group.2"==""), ]
head(promedios_grupales_sd,5)
promedios_grupales_gini <-aggregate(a, by=list(b, c, d, e, f), FUN = gini , na.rm = TRUE)
promedios_grupales_gini <- promedios_grupales_gini[!(is.na(promedios_grupales_gini$"Group.2") | promedios_grupales_gini$"Group.2"==""), ]
head(promedios_grupales_gini,3)
## Group.1 Group.2 Group.3 Group.4 Group.5
## 1 Zapallar Actividades no bien especificadas Sí Aymara Hombre
## 2 Putre Actividades no bien especificadas Sí Aymara Hombre
## 3 Camarones Agricultura, caza, silvicultura y pesca Sí Aymara Hombre
## gini.a
## 1 0.00000000
## 2 0.00000000
## 3 0.04371047
promedios_grupales$sd = promedios_grupales_sd$sd.a
promedios_grupales$gini = promedios_grupales_gini$gini.a
d<-promedios_grupales
d$Año <- "2009"
head(d,5)
names(d)[1] <- "Comuna"
names(d)[2] <- "¿Qué hace usted en su trabajo o negocio principal?"
names(d)[3] <- "Alfabetismo"
names(d)[4] <- "Etnia"
names(d)[5] <- "Sexo"
names(d)[6] <- "Promedio del Ingreso"
names(d)[7] <- "Desviación standard"
names(d)[8] <- "Gini"
names(d)[9] <- "Año"
head(d,3)
codigos_comunales <- readRDS(file = "codigos_comunales_2009.rds")
names(codigos_comunales)[1] <- "Código"
names(codigos_comunales)[2] <- "Comuna"
# codigos_comunales
df_2009 = merge( x = d, y = codigos_comunales, by = "Comuna", all.x = TRUE)
df_2009 <-df_2009[!(df_2009$Promedio == 0),]
head(df_2009,5)
# dataset <- readRDS(file = "casen_2006_c.rds")
ab_2006 <- readRDS(file = "casen_2006_c.rds")
ab_2006 <- ab_2006[!is.na(ab_2006$YTRABAJ),]
Q <- quantile(ab_2006$YTRABAJ, probs=c(.25, .75), na.rm = FALSE)
iqr <- IQR(ab_2006$YTRABAJ)
eliminated <- subset(ab_2006, ab_2006$YTRABAJ > (Q[1] - 1.5*iqr) & ab_2006$YTRABAJ < (Q[2]+1.5*iqr))
#eliminated
a <- eliminated$YTRABAJ
b <- eliminated$COMUNA
c <- eliminated$C_O12 #¿Qué hace usted en su trabajo o negocio principal?
d <- eliminated$E1 #alfabetismo
e <- eliminated$T4 #etnia
f <- eliminated$SEXO
promedios_grupales <-aggregate(a, by=list(b, c, d, e, f), FUN = mean , na.rm = TRUE)
promedios_grupales <- promedios_grupales[!(is.na(promedios_grupales$"Group.2") | promedios_grupales$"Group.2"==""), ]
head(promedios_grupales,5)
## Group.1 Group.2 Group.3 Group.4 Group.5 mean.a
## 1 Colchane No bien especificado Sí Aymara Hombre 237120.0
## 2 Mejillones No bien especificado Sí Aymara Hombre 262600.0
## 3 Iquique 1110 Sí Aymara Hombre 85850.0
## 4 Camiña 1110 Sí Aymara Hombre 198234.1
## 5 Colchane 1110 Sí Aymara Hombre 120039.0
promedios_grupales_sd <-aggregate(a, by=list(b, c, d, e, f), FUN = sd , na.rm = TRUE)
promedios_grupales_sd <- promedios_grupales_sd[!(is.na(promedios_grupales_sd$"Group.2") | promedios_grupales_sd$"Group.2"==""), ]
head(promedios_grupales_sd,5)
promedios_grupales_gini <-aggregate(a, by=list(b, c, d, e, f), FUN = gini , na.rm = TRUE)
promedios_grupales_gini <- promedios_grupales_gini[!(is.na(promedios_grupales_gini$"Group.2") | promedios_grupales_gini$"Group.2"==""), ]
head(promedios_grupales_gini,3)
## Group.1 Group.2 Group.3 Group.4 Group.5 gini.a
## 1 Colchane No bien especificado Sí Aymara Hombre 0
## 2 Mejillones No bien especificado Sí Aymara Hombre 0
## 3 Iquique 1110 Sí Aymara Hombre 0
promedios_grupales$sd = promedios_grupales_sd$sd.a
promedios_grupales$gini = promedios_grupales_gini$gini.a
d<-promedios_grupales
d$Año <- "2006"
head(d,5)
names(d)[1] <- "Comuna"
names(d)[2] <- "¿Qué hace usted en su trabajo o negocio principal?"
names(d)[3] <- "Alfabetismo"
names(d)[4] <- "Etnia"
names(d)[5] <- "Sexo"
names(d)[6] <- "Promedio del Ingreso"
names(d)[7] <- "Desviación standard"
names(d)[8] <- "Gini"
names(d)[9] <- "Año"
head(d,3)
codigos_comunales <- readRDS(file = "codigos_comunales_2006.rds")
names(codigos_comunales)[1] <- "Código"
names(codigos_comunales)[2] <- "Comuna"
# codigos_comunales
df_2006 = merge( x = d, y = codigos_comunales, by = "Comuna", all.x = TRUE)
df_2006 <-df_2006[!(df_2006$Promedio == 0),]
head(df_2006,5)
options(scipen=999)
uni_parcial <- rbind(df_2006, df_2009, df_2013, df_2015, df_2017)
head(uni_parcial,5)
## Comuna ¿Qué hace usted en su trabajo o negocio principal? Alfabetismo
## 1 Aisén 3113 Sí
## 2 Aisén 1302 Sí
## 3 Aisén 5000 Sí
## 4 Aisén 1110 Sí
## 5 Aisén 3114 Sí
## Etnia Sexo Promedio del Ingreso
## 1 No pertenece a ningún pueblo indígena Mujer 296266.7
## 2 No pertenece a ningún pueblo indígena Mujer 238640.3
## 3 No pertenece a ningún pueblo indígena Hombre 304670.8
## 4 No pertenece a ningún pueblo indígena Hombre 218229.6
## 5 Mapuche Hombre 205871.7
## Desviación standard Gini Año Código
## 1 213129.94 0.2984848 2006 11201
## 2 73041.56 0.1355913 2006 11201
## 3 129580.39 0.2320726 2006 11201
## 4 114097.63 0.2892038 2006 11201
## 5 84315.85 0.1635323 2006 11201
saveRDS(uni_parcial,"Etnia-Ingreso_del_trabajo-PCGI002.rds")
uni_parcial_leido <- readRDS("Etnia-Ingreso_del_trabajo-PCGI002.rds")
head(uni_parcial_leido,5)
## Comuna ¿Qué hace usted en su trabajo o negocio principal? Alfabetismo
## 1 Aisén 3113 Sí
## 2 Aisén 1302 Sí
## 3 Aisén 5000 Sí
## 4 Aisén 1110 Sí
## 5 Aisén 3114 Sí
## Etnia Sexo Promedio del Ingreso
## 1 No pertenece a ningún pueblo indígena Mujer 296266.7
## 2 No pertenece a ningún pueblo indígena Mujer 238640.3
## 3 No pertenece a ningún pueblo indígena Hombre 304670.8
## 4 No pertenece a ningún pueblo indígena Hombre 218229.6
## 5 Mapuche Hombre 205871.7
## Desviación standard Gini Año Código
## 1 213129.94 0.2984848 2006 11201
## 2 73041.56 0.1355913 2006 11201
## 3 129580.39 0.2320726 2006 11201
## 4 114097.63 0.2892038 2006 11201
## 5 84315.85 0.1635323 2006 11201
#write_xlsx(uni_parcial,"Etnia-Ingreso_total-PCGI001.xlsx")
# dataset <- readRDS(file = "casen_2017_c.rds")
ab_2017 <- readRDS(file = "casen_2017_c.rds")
ab_2017 <- ab_2017[!is.na(ab_2017$ytrabajocor),]
Q <- quantile(ab_2017$ytrabajocor, probs=c(.25, .75), na.rm = FALSE)
iqr <- IQR(ab_2017$ytrabajocor)
eliminated <- subset(ab_2017, ab_2017$ytrabajocor > (Q[1] - 1.5*iqr) & ab_2017$ytrabajocor < (Q[2]+1.5*iqr))
#eliminated
a <- eliminated$ytrabajocor
b <- eliminated$comuna
c <- eliminated$o21 #¿A qué se dedica o qué hace el negocio, empresa o institución que le paga?
d <- eliminated$e1 #alfabetismo
e <- eliminated$r3 #etnia
f <- eliminated$sexo
promedios_grupales <-aggregate(a, by=list(b, c, d, e, f), FUN = mean , na.rm = TRUE)
promedios_grupales <- promedios_grupales[!(is.na(promedios_grupales$"Group.2") | promedios_grupales$"Group.2"==""), ]
head(promedios_grupales,5)
## Group.1 Group.2 Group.3 Group.4
## 44 Iquique ASEO INDUSTRIAL Sí, lee y escribe Aimara
## 45 Pozo Almonte ASEO Y ORNATO EN ZONAS PÚBLICAS Sí, lee y escribe Aimara
## 46 Iquique CERTIFICACIÓN DE COBRE Sí, lee y escribe Aimara
## 47 Arica COMPASS SERVICIOS Sí, lee y escribe Aimara
## 48 Arica COMPRAS CONTRATISTA Sí, lee y escribe Aimara
## Group.5 mean.a
## 44 Hombre 300000
## 45 Hombre 240000
## 46 Hombre 515000
## 47 Hombre 608333
## 48 Hombre 365000
promedios_grupales_sd <-aggregate(a, by=list(b, c, d, e, f), FUN = sd , na.rm = TRUE)
promedios_grupales_sd <- promedios_grupales_sd[!(is.na(promedios_grupales_sd$"Group.2") | promedios_grupales_sd$"Group.2"==""), ]
head(promedios_grupales_sd,5)
promedios_grupales_gini <-aggregate(a, by=list(b, c, d, e, f), FUN = gini , na.rm = TRUE)
promedios_grupales_gini <- promedios_grupales_gini[!(is.na(promedios_grupales_gini$"Group.2") | promedios_grupales_gini$"Group.2"==""), ]
head(promedios_grupales_gini,3)
## Group.1 Group.2 Group.3 Group.4
## 44 Iquique ASEO INDUSTRIAL Sí, lee y escribe Aimara
## 45 Pozo Almonte ASEO Y ORNATO EN ZONAS PÚBLICAS Sí, lee y escribe Aimara
## 46 Iquique CERTIFICACIÓN DE COBRE Sí, lee y escribe Aimara
## Group.5 gini.a
## 44 Hombre 0
## 45 Hombre 0
## 46 Hombre 0
promedios_grupales$sd = promedios_grupales_sd$sd.a
promedios_grupales$gini = promedios_grupales_gini$gini.a
d<-promedios_grupales
d$Año <- "2017"
head(d,5)
names(d)[1] <- "Comuna"
names(d)[2] <- "¿A qué se dedica o qué hace el negocio, empresa o institución que le paga?"
names(d)[3] <- "Alfabetismo"
names(d)[4] <- "Etnia"
names(d)[5] <- "Sexo"
names(d)[6] <- "Promedio del Ingreso"
names(d)[7] <- "Desviación standard"
names(d)[8] <- "Gini"
names(d)[9] <- "Año"
head(d,3)
codigos_comunales <- readRDS(file = "codigos_comunales_2011-2017.rds")
names(codigos_comunales)[1] <- "Código"
names(codigos_comunales)[2] <- "Comuna"
# codigos_comunales
df_2017 = merge( x = d, y = codigos_comunales, by = "Comuna", all.x = TRUE)
df_2017 <-df_2017[!(df_2017$Promedio == 0),]
head(df_2017,5)
# dataset <- readRDS(file = "casen_2015_c.rds")
ab_2015 <- readRDS(file = "casen_2015_c.rds")
ab_2015 <- ab_2015[!is.na(ab_2015$ytrabajoCor),]
Q <- quantile(ab_2015$ytrabajoCor, probs=c(.25, .75), na.rm = FALSE)
iqr <- IQR(ab_2015$ytrabajoCor)
eliminated <- subset(ab_2015, ab_2015$ytrabajoCor > (Q[1] - 1.5*iqr) & ab_2015$ytrabajoCor < (Q[2]+1.5*iqr))
#eliminated
a <- eliminated$ytrabajoCor
b <- eliminated$comuna
c <- eliminated$o21 #¿A qué se dedica o qué hace el negocio, empresa o institución que le paga?
d <- eliminated$e1 #alfabetismo
e <- eliminated$r3 #etnia
f <- eliminated$sexo
promedios_grupales <-aggregate(a, by=list(b, c, d, e, f), FUN = mean , na.rm = TRUE)
promedios_grupales <- promedios_grupales[!(is.na(promedios_grupales$"Group.2") | promedios_grupales$"Group.2"==""), ]
head(promedios_grupales,5)
## Group.1 Group.2 Group.3
## 69 Pica Arriendo de maquinaria y movimiento de tierra Sí, lee y escribe
## 70 Pozo Almonte Arriendo maquinarias Sí, lee y escribe
## 71 Pica Aseo en empresas Sí, lee y escribe
## 72 Lago Ranco CONSTRUCCION DE CASAS Sí, lee y escribe
## 73 Putre Construcción de obras civiles Sí, lee y escribe
## Group.4 Group.5 mean.a
## 69 Aimara Hombre 466667.0
## 70 Aimara Hombre 300000.0
## 71 Aimara Hombre 300000.0
## 72 Aimara Hombre 230000.0
## 73 Aimara Hombre 295166.5
promedios_grupales_sd <-aggregate(a, by=list(b, c, d, e, f), FUN = sd , na.rm = TRUE)
promedios_grupales_sd <- promedios_grupales_sd[!(is.na(promedios_grupales_sd$"Group.2") | promedios_grupales_sd$"Group.2"==""), ]
head(promedios_grupales_sd,5)
promedios_grupales_gini <-aggregate(a, by=list(b, c, d, e, f), FUN = gini , na.rm = TRUE)
promedios_grupales_gini <- promedios_grupales_gini[!(is.na(promedios_grupales_gini$"Group.2") | promedios_grupales_gini$"Group.2"==""), ]
head(promedios_grupales_gini,3)
## Group.1 Group.2 Group.3
## 69 Pica Arriendo de maquinaria y movimiento de tierra Sí, lee y escribe
## 70 Pozo Almonte Arriendo maquinarias Sí, lee y escribe
## 71 Pica Aseo en empresas Sí, lee y escribe
## Group.4 Group.5 gini.a
## 69 Aimara Hombre 0
## 70 Aimara Hombre 0
## 71 Aimara Hombre 0
promedios_grupales$sd = promedios_grupales_sd$sd.a
promedios_grupales$gini = promedios_grupales_gini$gini.a
d<-promedios_grupales
d$Año <- "2015"
head(d,5)
names(d)[1] <- "Comuna"
names(d)[2] <- "¿A qué se dedica o qué hace el negocio, empresa o institución que le paga?"
names(d)[3] <- "Alfabetismo"
names(d)[4] <- "Etnia"
names(d)[5] <- "Sexo"
names(d)[6] <- "Promedio del Ingreso"
names(d)[7] <- "Desviación standard"
names(d)[8] <- "Gini"
names(d)[9] <- "Año"
head(d,3)
codigos_comunales <- readRDS(file = "codigos_comunales_2011-2017.rds")
names(codigos_comunales)[1] <- "Código"
names(codigos_comunales)[2] <- "Comuna"
# codigos_comunales
df_2015 = merge( x = d, y = codigos_comunales, by = "Comuna", all.x = TRUE)
df_2015 <-df_2015[!(df_2015$Promedio == 0),]
head(df_2015,5)
options(scipen=999)
uni_parcial <- rbind(df_2015, df_2017)
head(uni_parcial,5)
## Comuna
## 1 Alhué
## 2 Alhué
## 3 Alhué
## 4 Alhué
## 5 Alhué
## ¿A qué se dedica o qué hace el negocio, empresa o institución que le paga?
## 1 Empresa de excavaciones
## 2 Servicio de aseos en oficina
## 3 Extracción de mineral
## 4 Servicios de cosecha en viñas
## 5 Servicios de traslado de empleados
## Alfabetismo Etnia Sexo
## 1 Sí, lee y escribe Mapuche Hombre
## 2 Sí, lee y escribe No pertenece a ningún pueblo indígena Mujer
## 3 Sí, lee y escribe No pertenece a ningún pueblo indígena Hombre
## 4 Sí, lee y escribe No pertenece a ningún pueblo indígena Hombre
## 5 Sí, lee y escribe No pertenece a ningún pueblo indígena Hombre
## Promedio del Ingreso Desviación standard Gini Año Código
## 1 118500 NA 0 2015 13502
## 2 80000 NA 0 2015 13502
## 3 456667 NA 0 2015 13502
## 4 240000 NA 0 2015 13502
## 5 520000 NA 0 2015 13502
saveRDS(uni_parcial,"Etnia-Ingreso_del_trabajo-PCGI003.rds")
uni_parcial_leido <- readRDS("Etnia-Ingreso_del_trabajo-PCGI003.rds")
head(uni_parcial_leido,5)
## Comuna
## 1 Alhué
## 2 Alhué
## 3 Alhué
## 4 Alhué
## 5 Alhué
## ¿A qué se dedica o qué hace el negocio, empresa o institución que le paga?
## 1 Empresa de excavaciones
## 2 Servicio de aseos en oficina
## 3 Extracción de mineral
## 4 Servicios de cosecha en viñas
## 5 Servicios de traslado de empleados
## Alfabetismo Etnia Sexo
## 1 Sí, lee y escribe Mapuche Hombre
## 2 Sí, lee y escribe No pertenece a ningún pueblo indígena Mujer
## 3 Sí, lee y escribe No pertenece a ningún pueblo indígena Hombre
## 4 Sí, lee y escribe No pertenece a ningún pueblo indígena Hombre
## 5 Sí, lee y escribe No pertenece a ningún pueblo indígena Hombre
## Promedio del Ingreso Desviación standard Gini Año Código
## 1 118500 NA 0 2015 13502
## 2 80000 NA 0 2015 13502
## 3 456667 NA 0 2015 13502
## 4 240000 NA 0 2015 13502
## 5 520000 NA 0 2015 13502
#write_xlsx(uni_parcial,"Etnia-Ingreso_total-PCGI001.xlsx")
# dataset <- readRDS(file = "casen_2017_c.rds")
ab_2017 <- readRDS(file = "casen_2017_c.rds")
ab_2017 <- ab_2017[!is.na(ab_2017$ytrabajocor),]
Q <- quantile(ab_2017$ytrabajocor, probs=c(.25, .75), na.rm = FALSE)
iqr <- IQR(ab_2017$ytrabajocor)
eliminated <- subset(ab_2017, ab_2017$ytrabajocor > (Q[1] - 1.5*iqr) & ab_2017$ytrabajocor < (Q[2]+1.5*iqr))
#eliminated
a <- eliminated$ytrabajocor
b <- eliminated$comuna
c <- eliminated$o22 #¿A qué se dedica o qué hace el negocio, empresa o institución donde trabaja?
d <- eliminated$e1 #alfabetismo
e <- eliminated$r3 #etnia
f <- eliminated$sexo
promedios_grupales <-aggregate(a, by=list(b, c, d, e, f), FUN = mean , na.rm = TRUE)
promedios_grupales <- promedios_grupales[!(is.na(promedios_grupales$"Group.2") | promedios_grupales$"Group.2"==""), ]
head(promedios_grupales,5)
## Group.1 Group.2 Group.3
## 14 Arica ADMINISTRACIÓN PÚBLICA Sí, lee y escribe
## 15 Camarones ADMINISTRAR Y GESTIONAR ACCIONES COMUNIDAD Sí, lee y escribe
## 16 Arica AEROPUERTO Sí, lee y escribe
## 17 Arica AGRÍCOLA Sí, lee y escribe
## 18 Arica AGRÍCOLA DEL NORTE Sí, lee y escribe
## Group.4 Group.5 mean.a
## 14 Aimara Hombre 403667
## 15 Aimara Hombre 162500
## 16 Aimara Hombre 500000
## 17 Aimara Hombre 343333
## 18 Aimara Hombre 413000
promedios_grupales_sd <-aggregate(a, by=list(b, c, d, e, f), FUN = sd , na.rm = TRUE)
promedios_grupales_sd <- promedios_grupales_sd[!(is.na(promedios_grupales_sd$"Group.2") | promedios_grupales_sd$"Group.2"==""), ]
head(promedios_grupales_sd,5)
promedios_grupales_gini <-aggregate(a, by=list(b, c, d, e, f), FUN = gini , na.rm = TRUE)
promedios_grupales_gini <- promedios_grupales_gini[!(is.na(promedios_grupales_gini$"Group.2") | promedios_grupales_gini$"Group.2"==""), ]
head(promedios_grupales_gini,3)
## Group.1 Group.2 Group.3
## 14 Arica ADMINISTRACIÓN PÚBLICA Sí, lee y escribe
## 15 Camarones ADMINISTRAR Y GESTIONAR ACCIONES COMUNIDAD Sí, lee y escribe
## 16 Arica AEROPUERTO Sí, lee y escribe
## Group.4 Group.5 gini.a
## 14 Aimara Hombre 0
## 15 Aimara Hombre 0
## 16 Aimara Hombre 0
promedios_grupales$sd = promedios_grupales_sd$sd.a
promedios_grupales$gini = promedios_grupales_gini$gini.a
d<-promedios_grupales
d$Año <- "2017"
head(d,5)
names(d)[1] <- "Comuna"
names(d)[2] <- "¿A qué se dedica o qué hace el negocio, empresa o institución donde trabaja?"
names(d)[3] <- "Alfabetismo"
names(d)[4] <- "Etnia"
names(d)[5] <- "Sexo"
names(d)[6] <- "Promedio del Ingreso"
names(d)[7] <- "Desviación standard"
names(d)[8] <- "Gini"
names(d)[9] <- "Año"
head(d,3)
codigos_comunales <- readRDS(file = "codigos_comunales_2011-2017.rds")
names(codigos_comunales)[1] <- "Código"
names(codigos_comunales)[2] <- "Comuna"
# codigos_comunales
df_2017 = merge( x = d, y = codigos_comunales, by = "Comuna", all.x = TRUE)
df_2017 <-df_2017[!(df_2017$Promedio == 0),]
head(df_2017,5)
# dataset <- readRDS(file = "casen_2015_c.rds")
ab_2015 <- readRDS(file = "casen_2015_c.rds")
ab_2015 <- ab_2015[!is.na(ab_2015$ytrabajoCor),]
Q <- quantile(ab_2015$ytrabajoCor, probs=c(.25, .75), na.rm = FALSE)
iqr <- IQR(ab_2015$ytrabajoCor)
eliminated <- subset(ab_2015, ab_2015$ytrabajoCor > (Q[1] - 1.5*iqr) & ab_2015$ytrabajoCor < (Q[2]+1.5*iqr))
#eliminated
a <- eliminated$ytrabajoCor
b <- eliminated$comuna
c <- eliminated$o22 #¿A qué se dedica o qué hace el negocio, empresa o institución donde trabaja?
d <- eliminated$e1 #alfabetismo
e <- eliminated$r3 #etnia
f <- eliminated$sexo
promedios_grupales <-aggregate(a, by=list(b, c, d, e, f), FUN = mean , na.rm = TRUE)
promedios_grupales <- promedios_grupales[!(is.na(promedios_grupales$"Group.2") | promedios_grupales$"Group.2"==""), ]
head(promedios_grupales,5)
## Group.1 Group.2 Group.3 Group.4 Group.5 mean.a
## 14 Pica Topografía Sí, lee y escribe Aimara Hombre 482327
## 15 Puente Alto ABC Din, multitienda Sí, lee y escribe Aimara Hombre 410000
## 16 Iquique Administrar edificios Sí, lee y escribe Aimara Hombre 300000
## 17 Iquique Aduana Sí, lee y escribe Aimara Hombre 250000
## 18 Pozo Almonte Agricultor Sí, lee y escribe Aimara Hombre 180000
promedios_grupales_sd <-aggregate(a, by=list(b, c, d, e, f), FUN = sd , na.rm = TRUE)
promedios_grupales_sd <- promedios_grupales_sd[!(is.na(promedios_grupales_sd$"Group.2") | promedios_grupales_sd$"Group.2"==""), ]
head(promedios_grupales_sd,5)
promedios_grupales_gini <-aggregate(a, by=list(b, c, d, e, f), FUN = gini , na.rm = TRUE)
promedios_grupales_gini <- promedios_grupales_gini[!(is.na(promedios_grupales_gini$"Group.2") | promedios_grupales_gini$"Group.2"==""), ]
head(promedios_grupales_gini,3)
## Group.1 Group.2 Group.3 Group.4 Group.5 gini.a
## 14 Pica Topografía Sí, lee y escribe Aimara Hombre 0
## 15 Puente Alto ABC Din, multitienda Sí, lee y escribe Aimara Hombre 0
## 16 Iquique Administrar edificios Sí, lee y escribe Aimara Hombre 0
promedios_grupales$sd = promedios_grupales_sd$sd.a
promedios_grupales$gini = promedios_grupales_gini$gini.a
d<-promedios_grupales
d$Año <- "2015"
head(d,5)
names(d)[1] <- "Comuna"
names(d)[2] <- "¿A qué se dedica o qué hace el negocio, empresa o institución donde trabaja?"
names(d)[3] <- "Alfabetismo"
names(d)[4] <- "Etnia"
names(d)[5] <- "Sexo"
names(d)[6] <- "Promedio del Ingreso"
names(d)[7] <- "Desviación standard"
names(d)[8] <- "Gini"
names(d)[9] <- "Año"
head(d,3)
codigos_comunales <- readRDS(file = "codigos_comunales_2011-2017.rds")
names(codigos_comunales)[1] <- "Código"
names(codigos_comunales)[2] <- "Comuna"
# codigos_comunales
df_2015 = merge( x = d, y = codigos_comunales, by = "Comuna", all.x = TRUE)
df_2015 <-df_2015[!(df_2015$Promedio == 0),]
head(df_2015,5)
# dataset <- readRDS(file = "casen_2013_c.rds")
ab_2013 <- readRDS(file = "casen_2013_c.rds")
ab_2013 <- ab_2013[!is.na(ab_2013$ytrabajoCor),]
Q <- quantile(ab_2013$ytrabajoCor, probs=c(.25, .75), na.rm = FALSE)
iqr <- IQR(ab_2013$ytrabajoCor)
eliminated <- subset(ab_2013, ab_2013$ytrabajoCor > (Q[1] - 1.5*iqr) & ab_2013$ytrabajoCor < (Q[2]+1.5*iqr))
#eliminated
a <- eliminated$ytrabajoCor
b <- eliminated$comuna
c <- eliminated$o23 #¿A qué se dedica o qué hace el negocio, empresa o institución donde trabaja?
d <- eliminated$e1 #alfabetismo
e <- eliminated$r6 #etnia
f <- eliminated$sexo
promedios_grupales <-aggregate(a, by=list(b, c, d, e, f), FUN = mean , na.rm = TRUE)
promedios_grupales <- promedios_grupales[!(is.na(promedios_grupales$"Group.2") | promedios_grupales$"Group.2"==""), ]
head(promedios_grupales,5)
## Group.1 Group.2 Group.3 Group.4 Group.5
## 10 Arica ADMINISTRA FONDOS DE PENSIONES Sí, lee y escribe Aymara Hombre
## 11 Arica AGENCIA DE TURISMO Sí, lee y escribe Aymara Hombre
## 12 Arica AGRICOLA Sí, lee y escribe Aymara Hombre
## 13 Camiña AGRICULTOR Sí, lee y escribe Aymara Hombre
## 14 Huara AGRICULTOR Sí, lee y escribe Aymara Hombre
## mean.a
## 10 650000.0
## 11 371167.0
## 12 210000.0
## 13 460000.0
## 14 169031.3
promedios_grupales_sd <-aggregate(a, by=list(b, c, d, e, f), FUN = sd , na.rm = TRUE)
promedios_grupales_sd <- promedios_grupales_sd[!(is.na(promedios_grupales_sd$"Group.2") | promedios_grupales_sd$"Group.2"==""), ]
head(promedios_grupales_sd,5)
promedios_grupales_gini <-aggregate(a, by=list(b, c, d, e, f), FUN = gini , na.rm = TRUE)
promedios_grupales_gini <- promedios_grupales_gini[!(is.na(promedios_grupales_gini$"Group.2") | promedios_grupales_gini$"Group.2"==""), ]
head(promedios_grupales_gini,3)
## Group.1 Group.2 Group.3 Group.4 Group.5
## 10 Arica ADMINISTRA FONDOS DE PENSIONES Sí, lee y escribe Aymara Hombre
## 11 Arica AGENCIA DE TURISMO Sí, lee y escribe Aymara Hombre
## 12 Arica AGRICOLA Sí, lee y escribe Aymara Hombre
## gini.a
## 10 0
## 11 0
## 12 0
promedios_grupales$sd = promedios_grupales_sd$sd.a
promedios_grupales$gini = promedios_grupales_gini$gini.a
d<-promedios_grupales
d$Año <- "2013"
head(d,5)
names(d)[1] <- "Comuna"
names(d)[2] <- "¿A qué se dedica o qué hace el negocio, empresa o institución donde trabaja?"
names(d)[3] <- "Alfabetismo"
names(d)[4] <- "Etnia"
names(d)[5] <- "Sexo"
names(d)[6] <- "Promedio del Ingreso"
names(d)[7] <- "Desviación standard"
names(d)[8] <- "Gini"
names(d)[9] <- "Año"
head(d,3)
codigos_comunales <- readRDS(file = "codigos_comunales_2011-2017.rds")
names(codigos_comunales)[1] <- "Código"
names(codigos_comunales)[2] <- "Comuna"
# codigos_comunales
df_2013 = merge( x = d, y = codigos_comunales, by = "Comuna", all.x = TRUE)
df_2013 <-df_2013[!(df_2013$Promedio == 0),]
head(df_2013,5)
options(scipen=999)
uni_parcial <- rbind(df_2013, df_2015, df_2017)
head(uni_parcial,5)
## Comuna
## 1 Algarrobo
## 2 Algarrobo
## 3 Algarrobo
## 4 Algarrobo
## 5 Algarrobo
## ¿A qué se dedica o qué hace el negocio, empresa o institución donde trabaja?
## 1 REPARACION Y CONSTRUCCION DE VIVIENDAS
## 2 ENTREGA ENERGIA ELECTRICA
## 3 INMOBILIARIA
## 4 VENTA DE ROPA
## 5 CONDOMINIO DE VIVIENDAS DE VERANEO
## Alfabetismo Etnia Sexo
## 1 Sí, lee y escribe No pertenece a ningún pueblo indígena Hombre
## 2 Sí, lee y escribe Mapuche Hombre
## 3 Sí, lee y escribe No pertenece a ningún pueblo indígena Hombre
## 4 Sí, lee y escribe No pertenece a ningún pueblo indígena Mujer
## 5 Sí, lee y escribe No pertenece a ningún pueblo indígena Hombre
## Promedio del Ingreso Desviación standard Gini Año Código
## 1 120000 NA 0 2013 05602
## 2 380000 NA 0 2013 05602
## 3 210000 NA 0 2013 05602
## 4 210000 NA 0 2013 05602
## 5 140000 NA 0 2013 05602
saveRDS(uni_parcial,"Etnia-Ingreso_del_trabajo-PCGI004.rds")
uni_parcial_leido <- readRDS("Etnia-Ingreso_del_trabajo-PCGI004.rds")
head(uni_parcial_leido,5)
## Comuna
## 1 Algarrobo
## 2 Algarrobo
## 3 Algarrobo
## 4 Algarrobo
## 5 Algarrobo
## ¿A qué se dedica o qué hace el negocio, empresa o institución donde trabaja?
## 1 REPARACION Y CONSTRUCCION DE VIVIENDAS
## 2 ENTREGA ENERGIA ELECTRICA
## 3 INMOBILIARIA
## 4 VENTA DE ROPA
## 5 CONDOMINIO DE VIVIENDAS DE VERANEO
## Alfabetismo Etnia Sexo
## 1 Sí, lee y escribe No pertenece a ningún pueblo indígena Hombre
## 2 Sí, lee y escribe Mapuche Hombre
## 3 Sí, lee y escribe No pertenece a ningún pueblo indígena Hombre
## 4 Sí, lee y escribe No pertenece a ningún pueblo indígena Mujer
## 5 Sí, lee y escribe No pertenece a ningún pueblo indígena Hombre
## Promedio del Ingreso Desviación standard Gini Año Código
## 1 120000 NA 0 2013 05602
## 2 380000 NA 0 2013 05602
## 3 210000 NA 0 2013 05602
## 4 210000 NA 0 2013 05602
## 5 140000 NA 0 2013 05602
#write_xlsx(uni_parcial,"Etnia-Ingreso_total-PCGI001.xlsx")