---
title: "Resultados prueba piloto"
author: "Raúl Godínez"
output: 
  flexdashboard::flex_dashboard:
    orientation: rows
    social: menu
    source_code: embed
---

```{r setup, include=FALSE}



library(stargazer)
library(gsheet)
library(plotly)
library(flexdashboard)
library(RCurl)
library(ggplot2)
library(plyr)
library(dplyr)
library(umx)
library(psych)
library(papeR)
library(Hmisc)
library(foreign)
library(nnet)
library(DT)

url  = 'docs.google.com/spreadsheets/d/1M5AAq5lBdTkF7vokwmR01ep3yr1sIN-ECHaWhM_8UAc/edit?usp=sharing'
df = gsheet2tbl(url)
View(df)

df = df[-1]

colnames(df) = c("Q1", "Q2","Q3","Q4", "Q5", "Q6", "Q7", "Q8", "Q9", "Q10","Q11", "Q12","Q13" ,"Q14", "Q15"
                 ,"Q16" , "Q17", "Q18", "Q19","Q20", "Q21", "Q22","Q23", "Q24", "Q25", "Q26","Q27","Q28",
                 "Q29","Q30","Q31","Q32")

var.labels=c(Q1="Nombre",                                                                
             Q2="Edad",                                                                  
             Q3="Género" ,                                                               
             Q4="Departamento de origen"  ,                                              
             Q5="Departamento de residencia" ,                                           
             Q6="Tipo de sistema sanitario",                                             
             Q7="Nivel educativo alcanzado" ,                                             
             Q8="Empleo",                                                                
             Q9="Ingresos mensuales promedio"   ,                                                 
             Q10="Clasificación del empleo",                                              
             Q11="¿Cómo considera que está su salud física?", 
             Q12 ="Nivel de estrés",
             Q13 = "Sintomas de estrés",
             Q14= "Peso",
             Q15 ="Estatura",
             Q16="Enfermedad de presion",                                                    
             Q17="¿Usted padece de diábetes?",                                            
             Q18="¿Usted padece de alguna otra enfermedad crónica?",                      
             Q19="Enfermedad crónica",                                                                
             Q20="Alcohol por semana" ,                                           
             Q21="¿Qué tipo de alcohol consume?",                                         
             Q22="Cuando toma, ¿qué cantidad consume?" ,                              
             Q23="¿Cuántos cigarros consume por día?",  
             Q24="Gaseosa por semana?",                                      
             Q25= "Cuando toma, ¿qué cantidad consume?_1",
             Q26="Veces por semana del café", 
             Q27="Cantidad de café en ml", 
             Q28= "Cantidad de agua que consume en un día",
             Q29="¿Cada cuánto come fruta?",                                            
             Q30="¿Cuántas veces a la semana come vegetales?",                          
             Q31= "¿Cuántas veces a la semana realiza (al menos) 30 minutos de ejercicio?",
             Q32="¿De cuántos miembros es su familia?")

label(df) = as.list(var.labels[match(names(df), names(var.labels))])


#######################################################

#Colores
myPal <- c(
  rgb(224, 254, 254, maxColorValue = 255),  
  rgb(199, 206, 234, maxColorValue = 255),  
  rgb(255, 218, 193, maxColorValue = 255),
  rgb(255, 154, 162, maxColorValue = 255),
  rgb(255, 255, 216, maxColorValue = 255),
  rgb(181, 234, 215, maxColorValue = 255),
  rgb(229, 178, 204, maxColorValue = 255),
  rgb(92, 191, 194, maxColorValue = 255),
  rgb(250, 210, 169, maxColorValue = 255),
  rgb(180, 211, 117, maxColorValue = 255)
)

##############################################

#Conversión de variables para evitar errores de digitación

df$Q1 = as.character(df$Q1)
df$Q2 = as.numeric(df$Q2)
df$Q3 = as.factor(df$Q3)
df$Q4 = as.factor(df$Q4)
df$Q5 = as.factor(df$Q5)
df$Q6 = as.factor(df$Q6)
df$Q7 = as.factor(df$Q7)
df$Q8 = as.factor(df$Q8)
df$Q9 = as.numeric(df$Q9)
df$Q10 = as.factor(df$Q10)
df$Q11 = as.factor(df$Q11)
df$Q12 = as.numeric(df$Q12) #Estres
df$Q13 = as.character(df$Q13)
df$Q14 = as.numeric(df$Q14)
df$Q15 = as.numeric(df$Q15)
df$Q16 = as.factor(df$Q16)
df$Q17 = as.factor(df$Q17)
df$Q18 = as.factor(df$Q18)
df$Q19 = as.character(df$Q19)
df$Q20 = as.numeric(df$Q20)
df$Q21 = as.factor(df$Q21)
df$Q22 = as.numeric(df$Q22)
df$Q23 = as.numeric(df$Q23)
df$Q24 = as.numeric(df$Q24)
df$Q25 = as.numeric(df$Q25)
df$Q26 = as.numeric(df$Q26)
df$Q27 = as.numeric(df$Q27)
df$Q28 = as.numeric(df$Q28)
df$Q29 = as.numeric(df$Q29)
df$Q30 = as.numeric(df$Q30)
df$Q31 = as.numeric(df$Q31)
df$Q32 = as.numeric(df$Q32)

#Crear el BMI
df = df %>% 
  mutate(df,BMI = (Q14/2.2)/(Q15/100)^2)


```

# Introducción

## Row

### Número de encuestas

```{r}
comments <- count(df)
valueBox(comments, icon = "bar-chart-outline")


```

## Row

### Género de los encuestados

```{r}
library(ggthemes)
library(ggrepel)
library(cowplot)
plotdata1 = df %>%
  count(Q3)  %>%
  arrange(desc(Q3))



fig1 <- plot_ly(plotdata1, labels = ~Q3, values = ~n, type = 'pie',
               marker = list(colors = c("#e3120b","#1F80A6"),
                      line = list(color = '#FFFFFF', width = 1)))
fig1 <- fig1 %>% layout(title = 'Género de los encuestados',
         xaxis = list(showgrid = FALSE, zeroline = FALSE, showticklabels = FALSE),
         yaxis = list(showgrid = FALSE, zeroline = FALSE, showticklabels = FALSE))



ggplotly(fig1)



```

### Distribución de la edad

```{r}
df1 = select(df,Q2,Q3)
AgesFactor <- ordered( cut(df1$Q2, breaks = c(15,seq(20,80,5)), 
                           include.lowest = TRUE))
df1$Q2 <- AgesFactor

df1 = df1 %>%
  group_by(Q2) %>%
  count(Q3)  %>%
  arrange(desc(Q3))

names(df1)  = c("Edad","Género","n")

gender = ggplot(df1, aes(x = Edad, fill = Género,
                 y = ifelse(test = Género == "Masculino",
                            yes = -n, no = n))) + 
  geom_bar(stat = "identity") +
  scale_y_continuous(labels = abs, limits = max(df1$n) * c(-1,1)) +
  coord_flip()+labs(title = "Distribución por edad y sexo", x = "Edad", y = "Porcentaje de la población") + scale_colour_manual(values = c("#3BD9D9","#1F80A6"),
                      aesthetics = c("colour", "fill"))+theme_economist()

gender

```

# Parte 1

## Row

### Salarios expresados en córdobas

```{r}

salary = df %>%                                        
  group_by(Q10,Q3) %>%                         
  summarise_at(vars(Q9),              
               list(Media = mean))              

names(salary)  = c("Tipo de empleo","Género","Salario medio")

knitr::kable(salary)

```

### Empleo formal vs informal

```{r}
library(ggthemes)
library(ggrepel)
library(cowplot)
plotdata = df %>%
  count(Q10)  %>%
  arrange(desc(Q10))



fig <- plot_ly(plotdata, labels = ~Q10, values = ~n, type = 'pie',
               marker = list(colors = c("#3BD9D9","#1F80A6"),
                      line = list(color = '#FFFFFF', width = 1)))
fig <- fig %>% layout(title = 'Tipo de empleo de los encuestados',
         xaxis = list(showgrid = FALSE, zeroline = FALSE, showticklabels = FALSE),
         yaxis = list(showgrid = FALSE, zeroline = FALSE, showticklabels = FALSE))



ggplotly(fig)



```

## Row

### Salud autoevaluada

```{r}
graph2 = ggplot(df,
       aes(x=Q11,
           fill=Q10))+geom_bar(position = "fill")+labs(y="Proporción",x="",
                                                       fill="Empleo")+theme_minimal()+
  scale_fill_manual(values = c("#1F80A6","#e3120b"))

ggplotly(graph2)

```

### Problemas de presión arterial

```{r}

graph3 = ggplot(df,
       aes(x=Q16,
           fill=Q10))+geom_bar(position = "fill")+labs(y="Proporción",x="",
                                                       fill="Empleo")+theme_minimal()+
  scale_fill_manual(values = c("#1F80A6","#e3120b"))

ggplotly(graph3)


```

# Parte 2

## Row

### Salario vs Edad

```{r}
se = select(df,Q2,Q9,Q5)
names(se) = c("Edad","Ingreso","residencia")

graph =  ggplot(se, aes(x=Edad,
                          y= Ingreso)) + geom_point(aes(color = residencia)) + geom_point(aes(color = residencia),
                    shape=21, 
                    fill= "White")
g2 <- graph + geom_point(aes(color = residencia),
                          shape=21, 
                          fill= "White",
                          size =2, 
                          stroke=1)

g3 = g2 + geom_smooth(method = "lm", 
                 formula = y ~log(x), se = FALSE)

g3 <- g2+scale_color_manual(values = c("#1F80A6", "#A1282A",       "#3BD9D9", "#208F84", 
                                       "#9ae5de", "#FA9974","#FA2597","#e3120b"))+ theme(legend.position="top")


g4 <- g3 + theme(panel.grid.minor = element_blank(), 
                 panel.grid.major = element_line(color = "#d4dddd", size = 0.5),
                 panel.grid.major.x = element_blank(),
                 panel.background = element_blank(),
                 line = element_blank())

ggplotly(g4)






```

### Nivel educativo de los encuestados

```{r}
educated   =  select(df,Q7,Q10)
names(educated)  = c("Educación","Empleo")


graph6 = ggplot(educated,
       aes(x=Educación,
           fill=Empleo))+geom_bar(position = "fill")+labs(y="Proporción",x="",
                                                       fill="Empleo")+theme_minimal()+
  scale_fill_manual(values = c("#1F80A6","#e3120b"))

ggplotly(graph6)

```

## Row

### Salarios por departamento

```{r}
departamentos  =  df %>%
  group_by(Q5,Q10,Q3) %>%
  summarise_at(vars(Q9),
               list(Salario  = mean))

names(departamentos)  = c("Residencia","Tipo de empleo","Género","Salario")
knitr::kable(departamentos)
```

### Tipo de sistema de salud vs tipo de empleo

```{r}
health   =  select(df,Q6,Q7)
names(health)  = c("Sistema","Educación")


#Declaramos los factores para clasificar
health$Sistema = factor(health$Sistema, 
                  levels = levels(health$Sistema),
                  labels = c("Privada",
                             "Privada y seguro",
                             "Pública",
                             "Pública y seguro",
                            "Pública y privada","Seguro"))


graph7 = ggplot(health,
       aes(x=Sistema,
           fill=Educación))+geom_bar(position = "fill")+labs(y="Proporción",x="",
                                                      fill="Educación")+theme_minimal()+
  scale_fill_manual(values = c("#1F80A6","#3BD9D9","#FF8F6A","#e3120b"))+theme(plot.subtitle = element_text(family = "Helvetica"), 
    plot.caption = element_text(family = "Helvetica", 
        size = 8, colour = "gray64", hjust = 0), 
    axis.line = element_line(size = 0.4, 
        linetype = "solid"), axis.ticks = element_line(size = 0.3, 
        linetype = "blank"), panel.grid.major = element_line(colour = "gray80", 
        linetype = "blank"), panel.grid.minor = element_line(colour = "gray80", 
        size = 0.4), axis.text = element_text(family = "AvantGarde", 
        size = 9, colour = "gray45"), axis.text.x = element_text(family = "AvantGarde", 
        size = 9, colour = "gray45"), plot.title = element_text(family = "Helvetica", 
        size = 15, face = "bold"), legend.title = element_text(family = "Helvetica"), 
    panel.background = element_rect(fill = "white"), 
    plot.background = element_rect(fill = "white"), 
    legend.position = "top", legend.direction = "horizontal") +labs(title = "Sistema sanitario", x = NULL, 
    y = NULL, fill = "Nivel educativo", subtitle = "Sistema de salud utilizado por los encuestados en base a su nivel de educación", 
    caption = "Fuente: Elaboración propia en base a datos recolectados en la encuesta")

ggplotly(graph7)
```

# Parte 3

## Row

### Niveles de estrés

```{r}
estres =  select(df,Q12,Q10)
names(estres)  =  c("Estrés","Empleo")

library(ggpol)
library(scales)

graph8 = ggplot(estres,
       aes(x = factor(Empleo,
                      labels = c("Empleo formal",
                                 "Empleo informal")),
           y = Estrés,
          fill =Empleo))+ geom_boxjitter(color = "black",
                                         jitter.color = "darkgrey",
                                         errorbar.draw = TRUE)+
  labs(title = "Nivel de estrés según tipo de empleo",
       y = "",
       x= "") + theme_minimal()+theme(legend.position = "none")

graph8

```

### Síntomas del estrés

```{r}

library(ggwordcloud)


sintomas =select(df,Q13)
sintomas   = filter(sintomas,Q13 != "Nada")

sinto <- within(data=sintomas, Q13<-data.frame
      (do.call('rbind',strsplit(as.character(Q13),", ",fixed=TRUE))))

sinto  = c(sinto$Q13$X1,sinto$Q13$X2)
sinto = data.frame(sinto)

sinto  = sinto %>%
  count(sinto) %>%
  mutate(prop = round(n*100 / sum(n), 1),
         lab.ypos = cumsum(prop) -0.5 *prop)

cloud  = ggplot(sinto, aes(label = sinto, size = n)) +
  geom_text_wordcloud() +
  scale_size_area(max_size = 20) +
  theme_economist()


cloud
```

# Parte 4

## Row

### Consumo de café por año en litros

```{r}
cafe = select(df,Q5,Q10,Q26,Q27)
cafe  = cafe %>%
  mutate(cafe, cafe_anual = (Q26*Q27*52)/1000)
cafe = cafe %>%
  group_by(Q5,Q10) %>%
  summarise_at(vars(cafe_anual),
               list(Consumo_anual_medio = mean))

names(cafe)  = c("Residencia","Empleo","Consumo")

knitr::kable(cafe)

```

### Consumo de alcohol por año en litros

```{r}
licor = select(df,Q5,Q10,Q20,Q21,Q22)
licor  = licor %>%
  mutate(licor, licor_anual = (Q20*Q22*52)/1000)
licor = licor %>%
  group_by(Q5,Q10) %>%
  summarise_at(vars(licor_anual),
               list(Consumo_anual_medio = mean))

names(licor)  = c("Residencia","Empleo","Consumo")

knitr::kable(licor)

```

## Row

### Consumo de gaseosa por año en litros

```{r}
coca = select(df,Q5,Q10,Q24,Q25)
coca  = coca %>%
  mutate(coca, coca_anual = (Q24*Q25*52)/1000)
coca = coca %>%
  group_by(Q5,Q10) %>%
  summarise_at(vars(coca_anual),
               list(Consumo_anual_medio = mean))

names(coca)  = c("Residencia","Empleo","Consumo")

knitr::kable(coca)

```

### Número de veces que consume frutas y verduras en un año

```{r}
ver = select(df,Q5,Q10,Q29,Q30)
ver  = ver %>%
  mutate(ver, ver_anual = (Q29*52)) %>%
  mutate(ver, fru_anual = Q30*52) 
ver = ver %>%
  group_by(Q5,Q10) %>%
  summarise_at(vars(ver_anual,fru_anual),
               list(Consumo_anual_medio = mean))

names(ver)  = c("Residencia","Tipo","Verdura","Fruta")

ver$Verdura = round(ver$Verdura,0)
ver$Fruta = round(ver$Verdura,0)

knitr::kable(ver)

```