1 Las variables de ingreso a utilizar serán:
| Año | Ingreso total | Ingreso autónomo | Ingreso del trabajo | Ingreso ocupación principal |
|---|---|---|---|---|
| 2006 | YTOTAJ | YAUTAJ | YTRABAJ | YOPRAJ |
| 2009 | YTOTAJ | YAUTAJ | YTRABAJ | YOPRAJ |
| 2011 | ytotaj | yautaj | ytrabaj | yopraj |
| 2013 | ytotcor | yautcor | ytrabajoCor | yoprCor |
| 2015 | ytotcor | yautcor | ytrabajoCor | yoprCor |
| 2017 | ytotcor | yautcor | ytrabajocor | yoprcor |
| 2020 | ytotcor | yautcor | ytrabajocor | yoprcor |
1.1 Lectura de bases de datos Casen
dataset_06 <<- readRDS("C:/Users/enamo/Desktop/Shiny-R/Casen_en_pandemia_2020/casen/casen_2006_c.rds")
dataset_06 <- mutate_if(dataset_06, is.factor, as.character)
dataset_09 <<- readRDS("C:/Users/enamo/Desktop/Shiny-R/Casen_en_pandemia_2020/casen/casen_2009_c.rds")
dataset_09 <- mutate_if(dataset_09, is.factor, as.character)
dataset_11 <<- readRDS("C:/Users/enamo/Desktop/Shiny-R/Casen_en_pandemia_2020/casen/casen_2011_c.rds")
dataset_11 <- mutate_if(dataset_11, is.factor, as.character)
dataset_13 <<- readRDS("C:/Users/enamo/Desktop/Shiny-R/Casen_en_pandemia_2020/casen/casen_2013_c.rds")
dataset_13 <- mutate_if(dataset_13, is.factor, as.character)
dataset_15 <<- readRDS("C:/Users/enamo/Desktop/Shiny-R/Casen_en_pandemia_2020/casen/casen_2015_c.rds")
dataset_15 <- mutate_if(dataset_15, is.factor, as.character)
dataset_17 <<- readRDS("C:/Users/enamo/Desktop/Shiny-R/Casen_en_pandemia_2020/casen/casen_2017_c.rds")
dataset_17 <- mutate_if(dataset_17, is.factor, as.character)
dataset_20 <<- readRDS("C:/Users/enamo/Desktop/Shiny-R/Casen_en_pandemia_2020/casen/casen_2020_c.rds")
dataset_20 <- mutate_if(dataset_20, is.factor, as.character)1.1.1 Homologación de alfabetismo
dataset_06$E1[dataset_06$E1 == "No sabe /Sin dato"] <- NA
dataset_11$e1[dataset_11$e1 == "Sí, lee y escribe"] <- "Sí"
dataset_11$e1[dataset_11$e1 == "No, sólo lee"] <- "No"
dataset_11$e1[dataset_11$e1 == "No, ninguno"] <- "No"
dataset_11$e1[dataset_11$e1 == "No, sólo escribe"] <- "No"
dataset_13$e1[dataset_13$e1 == "Sí, lee y escribe"] <- "Sí"
dataset_13$e1[dataset_13$e1 == "No, ninguno"] <- "No"
dataset_13$e1[dataset_13$e1 == "No, sólo lee"] <- "No"
dataset_13$e1[dataset_13$e1 == "No, sólo escribe"] <- "No"
dataset_13$e1[dataset_13$e1 == "NS/NR"] <- NA
dataset_15$e1[dataset_15$e1 == "Sí, lee y escribe"] <- "Sí"
dataset_15$e1[dataset_15$e1 == "No, ninguno"] <- "No"
dataset_15$e1[dataset_15$e1 == "No, sólo lee"] <- "No"
dataset_15$e1[dataset_15$e1 == "No, sólo escribe"] <- "No"
dataset_17$e1[dataset_17$e1 == "Sí, lee y escribe"] <- "Sí"
dataset_17$e1[dataset_17$e1 == "No, sólo lee"] <- "No"
dataset_17$e1[dataset_17$e1 == "No, ninguno"] <- "No"
dataset_17$e1[dataset_17$e1 == "No sabe/responde"] <- NA
dataset_17$e1[dataset_17$e1 == "No, sólo escribe"] <- "No"
dataset_20$e1[dataset_20$e1 == 1] <- "Sí"
dataset_20$e1[dataset_20$e1 == 0] <- "No"1.1.2 Homologación de migracion
for (i in unique(dataset_20$r2_pais_esp)) {
pais <- gsub("(^[[:space:]]+|[[:space:]]+$)", "", i)
pais <- tolower(pais)
dataset_20$r2_pais_esp[dataset_20$r2_pais_esp == i] <- str_to_title(pais)
}
dataset_11$r2p_cod[dataset_11$r2p_cod == "No contesta"] <- "NS/NR"
dataset_13$r2_p_cod[dataset_13$r2_p_cod == "No contesta"] <- "NS/NR"
dataset_15$r2espp_cod[dataset_15$r2espp_cod == "No contesta"] <- "NS/NR"
dataset_17$r2_p_cod[dataset_17$r2_p_cod == "No Bien Especificado"] <- "NS/NR"
dataset_17$r2_p_cod[dataset_17$r2_p_cod == "No Responde"] <- "NS/NR"
dataset_20$r2_pais_esp[dataset_20$r2_pais_esp == "No Bien Especificado"] <- "NS/NR"
dataset_20$r2_pais_esp[dataset_20$r2_pais_esp == ""] <- NA2 Generación de tablas de contingencia con etnia
df_tablas <- data.frame()
for (var2 in 1:4) {
funcion1 <- function(n){
xx<-switch(n,"2006","2009","2011","2013","2015","2017","2020")
tanio <<- xx
if(xx==2006) {
ingreso <- switch(var2,"YTOTAJ","YAUTAJ","YTRABAJ","YOPRAJ")
eliminated <- dataset_06[!is.na(dataset_06[,c(ingreso)]),]
a <- eliminated[,c(ingreso)]
b <- eliminated$COMUNA
c <- eliminated$SEXO
d <- eliminated$E1 #alfabetismo
e <- eliminated$T4 #etnia
anio <- 2006
}
if(xx==2009) {
ingreso <- switch(var2,"YTOTAJ","YAUTAJ","YTRABAJ","YOPRAJ")
eliminated <- dataset_09[!is.na(dataset_09[,c(ingreso)]),]
a <- eliminated[,c(ingreso)]
b <- eliminated$COMUNA
c <- eliminated$SEXO
d <- eliminated$E1 #alfabetismo
e <- eliminated$T5 #etnia
anio <- 2009
}
if(xx==2011) {
ingreso <- switch(var2,"ytotaj","yautaj","ytrabaj","yopraj")
eliminated <- dataset_11[!is.na(dataset_11[,c(ingreso)]),]
a <- eliminated[,c(ingreso)]
b <- eliminated$comuna
c <- eliminated$sexo
d <- eliminated$e1 #alfabetismo
e <- eliminated$r6 #etnia
anio <- 2011
}
if(xx==2013) {
ingreso <- switch(var2,"ytotcor","yautcor","ytrabajoCor","yoprCor")
eliminated <- dataset_13[!is.na(dataset_13[,c(ingreso)]),]
a <- eliminated[,c(ingreso)]
b <- eliminated$comuna
c <- eliminated$sexo
d <- eliminated$e1 #alfabetismo
e <- eliminated$r6 #etnia
anio <- 2013
}
if(xx==2015) {
ingreso <- switch(var2,"ytotcor","yautcor","ytrabajoCor","yoprCor")
eliminated <- dataset_15[!is.na(dataset_15[,c(ingreso)]),]
a <- eliminated[,c(ingreso)]
b <- eliminated$comuna
c <- eliminated$sexo
d <- eliminated$e1 #alfabetismo
e <- eliminated$r3 #etnia
anio <- 2015
}
if(xx==2017) {
ingreso <- switch(var2,"ytotcor","yautcor","ytrabajocor","yoprcor")
eliminated <- dataset_17[!is.na(dataset_17[,c(ingreso)]),]
a <- eliminated[,c(ingreso)]
b <- eliminated$comuna
c <- eliminated$sexo
d <- eliminated$e1 #alfabetismo
e <- eliminated$r3 #etnia
anio <- 2017
}
if(xx==2020) {
ingreso <- switch(var2,"ytotcor","yautcor","ytrabajocor","yoprcor")
eliminated <-dataset_20[!(dataset_20[,c(ingreso)] == 0),]
a <- eliminated[,c(ingreso)]
b <- eliminated$comuna
c <- eliminated$sexo
d <- eliminated$e1 #alfabetismo
e <- eliminated$r3 #etnia
anio <- 2020
}
promedios_grupales <-aggregate(a, by=list(b, c, d, e ), FUN = mean , na.rm = TRUE)
promedios_grupales_sd <-aggregate(a, by=list(b, c, d, e ), FUN = sd , na.rm = TRUE)
promedios_grupales_gini <-aggregate(a, by=list(b, c, d, e ), FUN = gini , na.rm = TRUE)
promedios_grupales$sd = promedios_grupales_sd$sd.a
promedios_grupales$gini = promedios_grupales_gini$gini.a
df <- promedios_grupales
################ -- frecuencia
expan<-switch(n,"EXPC","EXPC","expc_full","expc","expc_todas","expc","expc")
tabla_matp <-xtabs(eliminated[,(expan)]~b+c+d+e , data = eliminated)
tabla_matp <- as.data.frame(tabla_matp)
tabla_matp <-tabla_matp[!(tabla_matp$Freq == 0),]
df$freq <- tabla_matp$Freq
df <- df[complete.cases(df), ]
################
names(df)[1] <- "Comuna"
names(df)[2] <- "Sexo"
names(df)[3] <- "Alfabetismo"
names(df)[4] <- "Etnia"
names(df)[5] <- "Promedio del Ingreso"
names(df)[6] <- "Desviación standard"
names(df)[7] <- "Gini"
names(df)[8] <- "freq"
df$Año = xx
direc_cod_com <- paste0("C:/Users/enamo/Desktop/Shiny-R/Casen_en_pandemia_2020/codigos_comunales_2006-2020.rds")
codigos_comunales <- readRDS(file = direc_cod_com)
names(codigos_comunales)[1] <- "Código"
names(codigos_comunales)[2] <- "Comuna"
tabla_df = merge( x = df, y = codigos_comunales, by = "Comuna", all.x = TRUE)
tabla_df <-tabla_df[!(tabla_df$Promedio == 0),]
tabla_df2 <<- tabla_df
}
data_df3 <- data.frame()
for (n in 1:7){
funcion1(n)
data_df3 <- rbind(data_df3,tabla_df2)
}
variable_i <- switch(var2,"ytotcor","yautcor","ytrabajocor","yoprcor")
data_df3$var_id <- paste0(variable_i,"_id")
assign(paste0("tabla_etnia_",variable_i),data_df3)
print(paste0("tabla_etnia_",variable_i))
} ## [1] "tabla_etnia_ytotcor"
## [1] "tabla_etnia_yautcor"
## [1] "tabla_etnia_ytrabajocor"
## [1] "tabla_etnia_yoprcor"data_df3 <- rbind(tabla_etnia_ytotcor,tabla_etnia_yautcor,tabla_etnia_ytrabajocor,tabla_etnia_yoprcor) 2.1 Homologación de etnia
tabla_final <- data_df3
tabla_final$Etnia[tabla_final$Etnia == "Aimara" ] <- "Aymara"
tabla_final$Etnia[tabla_final$Etnia == "No pertenece a ninguno de estos pueblos indígenas" ] <- "No pertenece a ningún pueblo indígena"
tabla_final$Etnia[tabla_final$Etnia == "Mapuche"] <- "Mapuche"
tabla_final$Etnia[tabla_final$Etnia == "Diaguita"] <- "Diaguita"
tabla_final$Etnia[tabla_final$Etnia == "Atacameño" ] <- "Atacameño"
tabla_final$Etnia[tabla_final$Etnia == "Atacameño (Likan-Antai)" ] <- "Atacameño"
tabla_final$Etnia[tabla_final$Etnia == "Atacameño (Likán Antai)" ] <- "Atacameño"
tabla_final$Etnia[tabla_final$Etnia == "Atacameño (Likán-Antai)" ] <- "Atacameño"
tabla_final$Etnia[tabla_final$Etnia == "Quechua" ] <- "Quechua"
tabla_final$Etnia[tabla_final$Etnia == "Yámana o Yagán" ] <- "Yagán"
tabla_final$Etnia[tabla_final$Etnia == "Yagan" ] <- "Yagán"
tabla_final$Etnia[tabla_final$Etnia == "Yagán (Yámana)" ] <- "Yagán"
tabla_final$Etnia[tabla_final$Etnia == "Rapa-Nui o Pascuenses"] <- "Pascuense"
tabla_final$Etnia[tabla_final$Etnia == "Rapa-Nui"] <- "Pascuense"
tabla_final$Etnia[tabla_final$Etnia == "Rapa Nui (Pascuense)"] <- "Pascuense"
tabla_final$Etnia[tabla_final$Etnia == "Rapa Nui"] <- "Pascuense"
tabla_final$Etnia[tabla_final$Etnia == "Collas"] <- "Coya"
tabla_final$Etnia[tabla_final$Etnia == "Kawashkar o Alacalufes" ] <- "Alacalufe"
tabla_final$Etnia[tabla_final$Etnia == "Kawashkar" ] <- "Alacalufe"
tabla_final$Etnia[tabla_final$Etnia == "Kawésqar (Alacalufes)" ] <- "Alacalufe"
tabla_final$Etnia[tabla_final$Etnia == "Kawésqar" ] <- "Alacalufe"
tabla_final$Etnia[tabla_final$Etnia == "Kawaskar" ] <- "Alacalufe"
tabla_final$Etnia[tabla_final$Etnia == "Chango" ] <- "Chango"
tabla_final$Etnia[tabla_final$Etnia == "Sin dato"] <- NA
tabla_final$Etnia[tabla_final$Etnia == "NS/NR" ] <- NA
tabla_final$Etnia[tabla_final$Etnia == "No sabe/no responde" ] <- NA
data_df3 <- tabla_final
##############
data_df3$cod_sexo <- data_df3$Sexo
data_df3$cod_sexo[data_df3$cod_sexo == "Hombre"] <- "01"
data_df3$cod_sexo[data_df3$cod_sexo == "Mujer"] <- "02"
data_df3$cod_alfa <- data_df3$Alfabetismo
data_df3$cod_alfa[data_df3$cod_alfa == "Sí"] <- "01"
data_df3$cod_alfa[data_df3$cod_alfa == "No"] <- "02"
Etnia <- c(sort(unique(data_df3$Etnia)[-8] ),"No pertenece a ningún pueblo indígena")
Etnia<- as.data.frame(Etnia)
Etnia$cod_etnia <- paste("00",seq(1:nrow(Etnia)), sep = "")
codigos <- Etnia$cod_etnia
rango <- seq(1:nrow(Etnia))
cadena <- paste("",codigos[rango], sep = "")
cadena <- substr(cadena,(nchar(cadena)[rango])-(1),4)
codigos <- as.data.frame(codigos)
cadena <- as.data.frame(cadena)
codigos <- cbind(Etnia,cadena)
colnames(codigos) <- c("Etnia","cadena","cod_etnia")
data_df3 <- merge(x=data_df3, y=codigos, by="Etnia")
data_df3 <- data_df3[,c(2,10,1,15,3,12,4,13,5,6,7,8,9,11)]
tabla_final <- data_df3
##############2.2 Ingreso total ytotcor
tabla_etnia_ytotcor <- filter(tabla_final,tabla_final$var_id == "ytotcor_id")
datatable(tabla_etnia_ytotcor, extensions = 'Buttons', escape = FALSE, rownames = FALSE,
options = list(dom = 'Bfrtip',
buttons = list('colvis', list(extend = 'collection',
buttons = list(
list(extend='copy'),
list(extend='excel',
filename = 'tabla_etnia_ytotcor'),
list(extend='pdf',
filename= 'tabla_etnia_ytotcor')),
text = 'Download')), scrollX = TRUE))%>%
formatRound(columns=c("Promedio del Ingreso","Desviación standard","Gini") ,mark = "", digits=3)dta1 <- data.frame()
for (i in c(2006,2009,2011,2013,2015,2017,2020)) {
filtro <- filter(tabla_etnia_ytotcor,Comuna=="Santiago",Etnia=="No pertenece a ningún pueblo indígena",Sexo=="Hombre",Año== i,Alfabetismo=="Sí")
dta1 <- rbind(dta1,filtro)
}
ggplot(dta1, aes(x=Año, y=`Promedio del Ingreso`)) + geom_bar(stat="identity")
2.3 Ingreso autonomo yautcor
tabla_etnia_yautcor <- filter(tabla_final,tabla_final$var_id == "yautcor_id")
datatable(tabla_etnia_yautcor, extensions = 'Buttons', escape = FALSE, rownames = FALSE,
options = list(dom = 'Bfrtip',
buttons = list('colvis', list(extend = 'collection',
buttons = list(
list(extend='copy'),
list(extend='excel',
filename = 'tabla_etnia_yautcor'),
list(extend='pdf',
filename= 'tabla_etnia_yautcor')),
text = 'Download')), scrollX = TRUE))%>%
formatRound(columns=c("Promedio del Ingreso","Desviación standard","Gini") ,mark = "", digits=3)2.4 Ingreso del trabajo ytrabajocor
tabla_etnia_ytrabajocor <- filter(tabla_final,tabla_final$var_id == "ytrabajocor_id")
datatable(tabla_etnia_ytrabajocor, extensions = 'Buttons', escape = FALSE, rownames = FALSE,
options = list(dom = 'Bfrtip',
buttons = list('colvis', list(extend = 'collection',
buttons = list(
list(extend='copy'),
list(extend='excel',
filename = 'tabla_etnia_ytrabajocor'),
list(extend='pdf',
filename= 'tabla_etnia_ytrabajocor')),
text = 'Download')), scrollX = TRUE))%>%
formatRound(columns=c("Promedio del Ingreso","Desviación standard","Gini") ,mark = "", digits=3)2.5 Ingreso del trabajo yoprcor
tabla_etnia_yoprcor <- filter(tabla_final,tabla_final$var_id == "yoprcor_id")
datatable(tabla_etnia_yoprcor, extensions = 'Buttons', escape = FALSE, rownames = FALSE,
options = list(dom = 'Bfrtip',
buttons = list('colvis', list(extend = 'collection',
buttons = list(
list(extend='copy'),
list(extend='excel',
filename = 'tabla_etnia_yoprcor'),
list(extend='pdf',
filename= 'tabla_etnia_yoprcor')),
text = 'Download')), scrollX = TRUE))%>%
formatRound(columns=c("Promedio del Ingreso","Desviación standard","Gini") ,mark = "", digits=3)3 Generación de tablas de contingencia con migración
df_tablas <- data.frame()
for (var2 in 1:4) {
funcion1 <- function(n){
xx<-switch(n,"2011","2013","2015","2017","2020")
tanio <<- xx
if(xx==2011) {
ingreso <- switch(var2,"ytotaj","yautaj","ytrabaj","yopraj")
eliminated <- dataset_11[!is.na(dataset_11[,c(ingreso)]),]
a <- eliminated[,c(ingreso)]
b <- eliminated$comuna
c <- eliminated$sexo
d <- eliminated$e1 #alfabetismo
e <- eliminated$r2p_cod #migra
anio <- 2011
}
if(xx==2013) {
ingreso <- switch(var2,"ytotcor","yautcor","ytrabajoCor","yoprCor")
eliminated <- dataset_13[!is.na(dataset_13[,c(ingreso)]),]
a <- eliminated[,c(ingreso)]
b <- eliminated$comuna
c <- eliminated$sexo
d <- eliminated$e1 #alfabetismo
e <- eliminated$r2_p_cod #migra
anio <- 2013
}
if(xx==2015) {
ingreso <- switch(var2,"ytotcor","yautcor","ytrabajoCor","yoprCor")
eliminated <- dataset_15[!is.na(dataset_15[,c(ingreso)]),]
a <- eliminated[,c(ingreso)]
b <- eliminated$comuna
c <- eliminated$sexo
d <- eliminated$e1 #alfabetismo
e <- eliminated$r2espp_cod #migra
anio <- 2015
}
if(xx==2017) {
ingreso <- switch(var2,"ytotcor","yautcor","ytrabajocor","yoprcor")
eliminated <- dataset_17[!is.na(dataset_17[,c(ingreso)]),]
a <- eliminated[,c(ingreso)]
b <- eliminated$comuna
c <- eliminated$sexo
d <- eliminated$e1 #alfabetismo
e <- eliminated$r2_p_cod #migra
anio <- 2017
}
if(xx==2020) {
ingreso <- switch(var2,"ytotcor","yautcor","ytrabajocor","yoprcor")
eliminated <-dataset_20[!(dataset_20[,c(ingreso)] == 0),]
a <- eliminated[,c(ingreso)]
b <- eliminated$comuna
c <- eliminated$sexo
d <- eliminated$sexo #alfabetismo
e <- eliminated$r2_pais_esp #migra
anio <- 2020
}
promedios_grupales <-aggregate(a, by=list(b, c, d, e ), FUN = mean , na.rm = TRUE)
promedios_grupales_sd <-aggregate(a, by=list(b, c, d, e ), FUN = sd , na.rm = TRUE)
promedios_grupales_gini <-aggregate(a, by=list(b, c, d, e ), FUN = gini , na.rm = TRUE)
promedios_grupales$sd = promedios_grupales_sd$sd.a
promedios_grupales$gini = promedios_grupales_gini$gini.a
df<-promedios_grupales
################ -- frecuencia
expan<-switch(n,"expc_full","expc","expc_todas","expc","expc")
tabla_matp <-xtabs(eliminated[,(expan)]~b+c+d+e , data = eliminated)
tabla_matp <- as.data.frame(tabla_matp)
tabla_matp <-tabla_matp[!(tabla_matp$Freq == 0),]
df$freq <- tabla_matp$Freq
df <- df[complete.cases(df), ]
################
names(df)[1] <- "Comuna"
names(df)[2] <- "Sexo"
names(df)[3] <- "Alfabetismo"
names(df)[4] <- "Migra"
names(df)[5] <- "Promedio del Ingreso"
names(df)[6] <- "Desviación standard"
names(df)[7] <- "Gini"
names(df)[8] <- "freq"
df$Año = xx
direc_cod_com <- paste0("C:/Users/enamo/Desktop/Shiny-R/Casen_en_pandemia_2020/codigos_comunales_2011-2017.rds")
codigos_comunales <- readRDS(file = direc_cod_com)
names(codigos_comunales)[1] <- "Código"
names(codigos_comunales)[2] <- "Comuna"
tabla_df = merge( x = df, y = codigos_comunales, by = "Comuna", all.x = TRUE)
tabla_df <-tabla_df[!(tabla_df$Promedio == 0),]
tabla_df2 <<- tabla_df
}
data_df3 <- data.frame()
for (n in 1:5){
funcion1(n)
data_df3 <- rbind(data_df3,tabla_df2)
}
variable_i <- switch(var2,"ytotcor","yautcor","ytrabajocor","yoprcor")
data_df3$var_id <- paste0(variable_i,"_id")
assign(paste0("tabla_migra_",variable_i),data_df3)
print(paste0("tabla_migra_",variable_i))
} ## [1] "tabla_migra_ytotcor"
## [1] "tabla_migra_yautcor"
## [1] "tabla_migra_ytrabajocor"
## [1] "tabla_migra_yoprcor"data_df3 <- rbind(tabla_migra_ytotcor,tabla_migra_yautcor,tabla_migra_ytrabajocor,tabla_migra_yoprcor)
#################
data_df3$cod_sexo <- data_df3$Sexo
data_df3$cod_sexo[data_df3$cod_sexo == "Hombre"] <- "01"
data_df3$cod_sexo[data_df3$cod_sexo == "Mujer"] <- "02"
data_df3$cod_alfa <- data_df3$Alfabetismo
data_df3$cod_alfa[data_df3$cod_alfa == "Sí"] <- "01"
data_df3$cod_alfa[data_df3$cod_alfa == "No"] <- "02"
Migra <- c(sort(unique(data_df3$Migra)[-7]),"NS/NR")
Migra<- as.data.frame(Migra)
Migra$cod_Migra <- paste("00",seq(1:nrow(Migra)), sep = "")
codigos <- Migra$cod_Migra
rango <- seq(1:nrow(Migra))
cadena <- paste("",codigos[rango], sep = "")
cadena <- substr(cadena,(nchar(cadena)[rango])-(1),4)
codigos <- as.data.frame(codigos)
cadena <- as.data.frame(cadena)
codigos <- cbind(Migra,cadena)
colnames(codigos) <- c("Migra","cadena","cod_Migra")
data_df3 <- merge(x=data_df3, y=codigos, by="Migra")
data_df3 <- data_df3[,c(2,10,1,15,3,12,4,13,5,6,7,8,9,11)]
###################3.1 Ingreso total ytotcor
tabla_migra_ytotcor <- filter(data_df3,data_df3$var_id == "ytotcor_id")
datatable(tabla_migra_ytotcor, extensions = 'Buttons', escape = FALSE, rownames = FALSE,
options = list(dom = 'Bfrtip',
buttons = list('colvis', list(extend = 'collection',
buttons = list(
list(extend='copy'),
list(extend='excel',
filename = 'tabla_migra_ytotcor'),
list(extend='pdf',
filename= 'tabla_migra_ytotcor')),
text = 'Download')), scrollX = TRUE))%>%
formatRound(columns=c("Promedio del Ingreso","Desviación standard","Gini") ,mark = "", digits=3)3.2 Ingreso autonomo yautcor
tabla_migra_yautcor <- filter(data_df3,data_df3$var_id == "yautcor_id")
datatable(tabla_migra_yautcor, extensions = 'Buttons', escape = FALSE, rownames = FALSE,
options = list(dom = 'Bfrtip',
buttons = list('colvis', list(extend = 'collection',
buttons = list(
list(extend='copy'),
list(extend='excel',
filename = 'tabla_migra_yautcor'),
list(extend='pdf',
filename= 'tabla_migra_yautcor')),
text = 'Download')), scrollX = TRUE))%>%
formatRound(columns=c("Promedio del Ingreso","Desviación standard","Gini") ,mark = "", digits=3)3.3 Ingreso del trabajo ytrabajocor
tabla_migra_ytrabajocor <- filter(data_df3,data_df3$var_id == "ytrabajocor_id")
datatable(tabla_migra_ytrabajocor, extensions = 'Buttons', escape = FALSE, rownames = FALSE,
options = list(dom = 'Bfrtip',
buttons = list('colvis', list(extend = 'collection',
buttons = list(
list(extend='copy'),
list(extend='excel',
filename = 'tabla_migra_ytrabajocor'),
list(extend='pdf',
filename= 'tabla_migra_ytrabajocor')),
text = 'Download')), scrollX = TRUE))%>%
formatRound(columns=c("Promedio del Ingreso","Desviación standard","Gini") ,mark = "", digits=3)3.4 Ingreso del principal yoprcor
tabla_migra_yoprcor <- filter(data_df3,data_df3$var_id == "yoprcor_id")
datatable(tabla_migra_yoprcor, extensions = 'Buttons', escape = FALSE, rownames = FALSE,
options = list(dom = 'Bfrtip',
buttons = list('colvis', list(extend = 'collection',
buttons = list(
list(extend='copy'),
list(extend='excel',
filename = 'tabla_migra_yoprcor'),
list(extend='pdf',
filename= 'tabla_migra_yoprcor')),
text = 'Download')), scrollX = TRUE))%>%
formatRound(columns=c("Promedio del Ingreso","Desviación standard","Gini") ,mark = "", digits=3)