1 Las variables de ingreso a utilizar serán:
| Tipo | ||||
|---|---|---|---|---|
| Ingreso total | Ingreso autónomo | Ingreso del trabajo | ||
| año | ||||
| 2017 | ytotcor | yautcor | ytrabajocor | |
| 2015 | ytotcor | yautcor | ytrabajocor | |
| 2013 | ytotcor | yautcor | ytrabajocor | |
| 2011 | ytrabaj | yautaj | ytrabaj | |
| 2009 | ytrabaj | yautaj | ytrabaj | |
| 2006 | ytrabaj | yautaj | ytrabaj |
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.rds")
dataset_20 <- mutate_if(dataset_20, is.factor, as.character)
dataset_20$ft <- "no_existe"1.1.1 Homologación de alfabetismo
dataset_06$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$e1 == "No, sólo escribe"] <- "No"1.1.2 Homologación de etnia
fn_etnia <- function(data_df3){
data_df3$Etnia[data_df3$Etnia == "Aimara" ] <- "Aymara"
data_df3$Etnia[data_df3$Etnia == "No pertenece a ninguno de estos pueblos indígenas" ] <- "No pertenece a ningún pueblo indígena"
data_df3$Etnia[data_df3$Etnia == "Mapuche"] <- "Mapuche"
data_df3$Etnia[data_df3$Etnia == "Diaguita"] <- "Diaguita"
data_df3$Etnia[data_df3$Etnia == "Atacameño" ] <- "Atacameño"
data_df3$Etnia[data_df3$Etnia == "Atacameño (Likan-Antai)" ] <- "Atacameño"
data_df3$Etnia[data_df3$Etnia == "Atacameño (Likán Antai)" ] <- "Atacameño"
data_df3$Etnia[data_df3$Etnia == "Atacameño (Likán-Antai)" ] <- "Atacameño"
data_df3$Etnia[data_df3$Etnia == "Quechua" ] <- "Quechua"
data_df3$Etnia[data_df3$Etnia == "Yámana o Yagán" ] <- "Yagán"
data_df3$Etnia[data_df3$Etnia == "Yagan" ] <- "Yagán"
data_df3$Etnia[data_df3$Etnia == "Yagán (Yámana)" ] <- "Yagán"
data_df3$Etnia[data_df3$Etnia == "Rapa-Nui o Pascuenses"] <- "Pascuense"
data_df3$Etnia[data_df3$Etnia == "Rapa-Nui"] <- "Pascuense"
data_df3$Etnia[data_df3$Etnia == "Rapa Nui (Pascuense)"] <- "Pascuense"
data_df3$Etnia[data_df3$Etnia == "Rapa Nui"] <- "Pascuense"
data_df3$Etnia[data_df3$Etnia == "Collas"] <- "Coya"
data_df3$Etnia[data_df3$Etnia == "Kawashkar o Alacalufes" ] <- "Alacalufe"
data_df3$Etnia[data_df3$Etnia == "Kawashkar" ] <- "Alacalufe"
data_df3$Etnia[data_df3$Etnia == "Kawésqar (Alacalufes)" ] <- "Alacalufe"
data_df3$Etnia[data_df3$Etnia == "Kawésqar" ] <- "Alacalufe"
data_df3$Etnia[data_df3$Etnia == "Kawaskar" ] <- "Alacalufe"
data_df3$Etnia[data_df3$Etnia == "Chango" ] <- "Chango"
data_df3$Etnia[data_df3$Etnia == "Sin dato"] <- NA
data_df3$Etnia[data_df3$Etnia == "NS/NR" ] <- NA
data_df3$Etnia[data_df3$Etnia == "No sabe/no responde" ] <- NA
data_df3 <<- data_df3
}1.1.3 Homologación de migración
for (i in unique(dataset_20$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$r2_pais_esp == ""] <- NACorrección 1
ab <- dataset_06
unique_d_2006 <- unique(ab$O1)
ab <- dataset_09
unique_d_2009 <- unique(ab$O1)
ab <- dataset_11
unique_d_2011 <- unique(ab$o1)
ab <- dataset_13
unique_d_2013 <- unique(ab$o1)
ab <- dataset_15
unique_d_2015 <- unique(ab$o1)
ab <- dataset_17
unique_d_2017 <- unique(ab$o1)
ab <- dataset_20
unique_d_2020 <- unique(ab$o1)
unique_d_2006 <- as.data.frame(unique_d_2006)
colnames(unique_d_2006)[1] <- "superduper"
unique_d_2009 <- as.data.frame(unique_d_2009)
colnames(unique_d_2009)[1] <- "superduper"
unique_d_2011 <- as.data.frame(unique_d_2011)
colnames(unique_d_2011)[1] <- "superduper"
unique_d_2013 <- as.data.frame(unique_d_2013)
colnames(unique_d_2013)[1] <- "superduper"
unique_d_2015 <- as.data.frame(unique_d_2015)
colnames(unique_d_2015)[1] <- "superduper"
unique_d_2017 <- as.data.frame(unique_d_2017)
colnames(unique_d_2017)[1] <- "superduper"
unique_d_2020 <- as.data.frame(unique_d_2020)
colnames(unique_d_2020)[1] <- "superduper"
el_total <- rbind( unique_d_2006,unique_d_2009,unique_d_2011, unique_d_2013, unique_d_2015, unique_d_2017, unique_d_2020)
el_total_final <- unique(el_total)
el_total_final$observation <- 1:nrow(el_total_final)
dataf1 <- data.frame()
for (n in 1:nrow(el_total_final)) {
dataf1 <- rbind(dataf1,paste0("m['Variable'][m['Variable'] == '",el_total_final[n,1],"']"," <- '",el_total_final[n,2],"'"))
}
dataf1 <- as.data.frame(dataf1)
write_xlsx(dataf1,"el_total_final.xlsx")
la_correccion_1 <- function(m) {
m['Variable'][m['Variable'] == 'Sí'] <- '1'
m['Variable'][m['Variable'] == 'NA'] <- '2'
m['Variable'][m['Variable'] == 'No'] <- '3'
data_df3 <<- m
}Corrección 2
ab <- dataset_06
unique_d_2006 <- unique(ab$O2)
ab <- dataset_09
unique_d_2009 <- unique(ab$O2)
ab <- dataset_11
unique_d_2011 <- unique(ab$o2)
ab <- dataset_13
unique_d_2013 <- unique(ab$o2)
ab <- dataset_15
unique_d_2015 <- unique(ab$o2)
ab <- dataset_17
unique_d_2017 <- unique(ab$o2)
ab <- dataset_20
unique_d_2020 <- unique(ab$o2)
unique_d_2006 <- as.data.frame(unique_d_2006)
colnames(unique_d_2006)[1] <- "superduper"
unique_d_2009 <- as.data.frame(unique_d_2009)
colnames(unique_d_2009)[1] <- "superduper"
unique_d_2011 <- as.data.frame(unique_d_2011)
colnames(unique_d_2011)[1] <- "superduper"
unique_d_2013 <- as.data.frame(unique_d_2013)
colnames(unique_d_2013)[1] <- "superduper"
unique_d_2015 <- as.data.frame(unique_d_2015)
colnames(unique_d_2015)[1] <- "superduper"
unique_d_2017 <- as.data.frame(unique_d_2017)
colnames(unique_d_2017)[1] <- "superduper"
unique_d_2020 <- as.data.frame(unique_d_2020)
colnames(unique_d_2020)[1] <- "superduper"
el_total <- rbind( unique_d_2006,unique_d_2009,unique_d_2011, unique_d_2013, unique_d_2015, unique_d_2017, unique_d_2020)
el_total_final <- unique(el_total)
el_total_final$observation <- 1:nrow(el_total_final)
dataf1 <- data.frame()
for (n in 1:nrow(el_total_final)) {
dataf1 <- rbind(dataf1,paste0("m['Variable'][m['Variable'] == '",el_total_final[n,1],"']"," <- '",el_total_final[n,2],"'"))
}
dataf1 <- as.data.frame(dataf1)
write_xlsx(dataf1,"el_total_final.xlsx")
la_correccion_2 <- function(m) {
m['Variable'][m['Variable'] == 'NA'] <- '1'
m['Variable'][m['Variable'] == 'No'] <- '2'
m['Variable'][m['Variable'] == 'Sí'] <- '3'
data_df3 <<- m
}Corrección 3
ab <- dataset_06
unique_d_2006 <- unique(ab$O3)
ab <- dataset_09
unique_d_2009 <- unique(ab$O3)
ab <- dataset_11
unique_d_2011 <- unique(ab$o3)
ab <- dataset_13
unique_d_2013 <- unique(ab$o3)
ab <- dataset_15
unique_d_2015 <- unique(ab$o3)
ab <- dataset_17
unique_d_2017 <- unique(ab$o3)
ab <- dataset_20
unique_d_2020 <- unique(ab$o3)
unique_d_2006 <- as.data.frame(unique_d_2006)
colnames(unique_d_2006)[1] <- "superduper"
unique_d_2009 <- as.data.frame(unique_d_2009)
colnames(unique_d_2009)[1] <- "superduper"
unique_d_2011 <- as.data.frame(unique_d_2011)
colnames(unique_d_2011)[1] <- "superduper"
unique_d_2013 <- as.data.frame(unique_d_2013)
colnames(unique_d_2013)[1] <- "superduper"
unique_d_2015 <- as.data.frame(unique_d_2015)
colnames(unique_d_2015)[1] <- "superduper"
unique_d_2017 <- as.data.frame(unique_d_2017)
colnames(unique_d_2017)[1] <- "superduper"
unique_d_2020 <- as.data.frame(unique_d_2020)
colnames(unique_d_2020)[1] <- "superduper"
el_total <- rbind( unique_d_2006,unique_d_2009,unique_d_2011, unique_d_2013, unique_d_2015, unique_d_2017, unique_d_2020)
el_total_final <- unique(el_total)
el_total_final$observation <- 1:nrow(el_total_final)
dataf1 <- data.frame()
for (n in 1:nrow(el_total_final)) {
dataf1 <- rbind(dataf1,paste0("m['Variable'][m['Variable'] == '",el_total_final[n,1],"']"," <- '",el_total_final[n,2],"'"))
}
dataf1 <- as.data.frame(dataf1)
write_xlsx(dataf1,"el_total_final.xlsx")
la_correccion_3 <- function(m) {
m['Variable'][m['Variable'] == 'NA'] <- '1'
m['Variable'][m['Variable'] == 'No'] <- '2'
m['Variable'][m['Variable'] == 'Sí'] <- '3'
data_df3 <<- m
}Corrección 4
ab <- dataset_06
unique_d_2006 <- unique(ab$O8)
ab <- dataset_09
unique_d_2009 <- unique(ab$O8)
ab <- dataset_11
unique_d_2011 <- unique(ab$o4)
ab <- dataset_13
unique_d_2013 <- unique(ab$o4)
ab <- dataset_15
unique_d_2015 <- unique(ab$o4)
ab <- dataset_17
unique_d_2017 <- unique(ab$o4)
ab <- dataset_20
unique_d_2020 <- unique(ab$o4)
unique_d_2006 <- as.data.frame(unique_d_2006)
colnames(unique_d_2006)[1] <- "superduper"
unique_d_2009 <- as.data.frame(unique_d_2009)
colnames(unique_d_2009)[1] <- "superduper"
unique_d_2011 <- as.data.frame(unique_d_2011)
colnames(unique_d_2011)[1] <- "superduper"
unique_d_2013 <- as.data.frame(unique_d_2013)
colnames(unique_d_2013)[1] <- "superduper"
unique_d_2015 <- as.data.frame(unique_d_2015)
colnames(unique_d_2015)[1] <- "superduper"
unique_d_2017 <- as.data.frame(unique_d_2017)
colnames(unique_d_2017)[1] <- "superduper"
unique_d_2020 <- as.data.frame(unique_d_2020)
colnames(unique_d_2020)[1] <- "superduper"
el_total <- rbind( unique_d_2006,unique_d_2009,unique_d_2011, unique_d_2013, unique_d_2015, unique_d_2017, unique_d_2020)
el_total_final <- unique(el_total)
el_total_final$observation <- 1:nrow(el_total_final)
dataf1 <- data.frame()
for (n in 1:nrow(el_total_final)) {
dataf1 <- rbind(dataf1,paste0("m['Variable'][m['Variable'] == '",el_total_final[n,1],"']"," <- '",el_total_final[n,2],"'"))
}
dataf1 <- as.data.frame(dataf1)
write_xlsx(dataf1,"el_total_final.xlsx")
la_correccion_4 <- function(m) {
m['Variable'][m['Variable'] == 'NA'] <- '1'
m['Variable'][m['Variable'] == 'Sí'] <- '2'
m['Variable'][m['Variable'] == 'No'] <- '3'
m['Variable'][m['Variable'] == 'Sin dato'] <- '4'
m['Variable'][m['Variable'] == 'NS/NR'] <- '5'
m['Variable'][m['Variable'] == 'No sabe/no responde'] <- '6'
data_df3 <<- m
}Corrección 5
ab <- dataset_06
unique_d_2006 <- unique(ab$O4)
ab <- dataset_09
unique_d_2009 <- unique(ab$O4)
ab <- dataset_11
unique_d_2011 <- unique(ab$o6)
ab <- dataset_13
unique_d_2013 <- unique(ab$o6)
ab <- dataset_15
unique_d_2015 <- unique(ab$o6)
ab <- dataset_17
unique_d_2017 <- unique(ab$o6)
ab <- dataset_20
unique_d_2020 <- unique(ab$o6)
unique_d_2006 <- as.data.frame(unique_d_2006)
colnames(unique_d_2006)[1] <- "superduper"
unique_d_2009 <- as.data.frame(unique_d_2009)
colnames(unique_d_2009)[1] <- "superduper"
unique_d_2011 <- as.data.frame(unique_d_2011)
colnames(unique_d_2011)[1] <- "superduper"
unique_d_2013 <- as.data.frame(unique_d_2013)
colnames(unique_d_2013)[1] <- "superduper"
unique_d_2015 <- as.data.frame(unique_d_2015)
colnames(unique_d_2015)[1] <- "superduper"
unique_d_2017 <- as.data.frame(unique_d_2017)
colnames(unique_d_2017)[1] <- "superduper"
unique_d_2020 <- as.data.frame(unique_d_2020)
colnames(unique_d_2020)[1] <- "superduper"
el_total <- rbind( unique_d_2006,unique_d_2009,unique_d_2011, unique_d_2013, unique_d_2015, unique_d_2017, unique_d_2020)
el_total_final <- unique(el_total)
el_total_final$observation <- 1:nrow(el_total_final)
dataf1 <- data.frame()
for (n in 1:nrow(el_total_final)) {
dataf1 <- rbind(dataf1,paste0("m['Variable'][m['Variable'] == '",el_total_final[n,1],"']"," <- '",el_total_final[n,2],"'"))
}
dataf1 <- as.data.frame(dataf1)
write_xlsx(dataf1,"el_total_final.xlsx")
la_correccion_5 <- function(m) {
m['Variable'][m['Variable'] == 'NA'] <- '1'
m['Variable'][m['Variable'] == 'No'] <- '2'
m['Variable'][m['Variable'] == 'Sí'] <- '3'
data_df3 <<- m
}Corrección 6
ab <- dataset_06
unique_d_2006 <- unique(ab$O5)
ab <- dataset_09
unique_d_2009 <- unique(ab$O5)
ab <- dataset_11
unique_d_2011 <- unique(ab$o5)
ab <- dataset_13
unique_d_2013 <- unique(ab$o5)
ab <- dataset_15
unique_d_2015 <- unique(ab$o5)
ab <- dataset_17
unique_d_2017 <- unique(ab$o5)
ab <- dataset_20
unique_d_2020 <- unique(ab$ft)
unique_d_2006 <- as.data.frame(unique_d_2006)
colnames(unique_d_2006)[1] <- "superduper"
unique_d_2009 <- as.data.frame(unique_d_2009)
colnames(unique_d_2009)[1] <- "superduper"
unique_d_2011 <- as.data.frame(unique_d_2011)
colnames(unique_d_2011)[1] <- "superduper"
unique_d_2013 <- as.data.frame(unique_d_2013)
colnames(unique_d_2013)[1] <- "superduper"
unique_d_2015 <- as.data.frame(unique_d_2015)
colnames(unique_d_2015)[1] <- "superduper"
unique_d_2017 <- as.data.frame(unique_d_2017)
colnames(unique_d_2017)[1] <- "superduper"
unique_d_2020 <- as.data.frame(unique_d_2020)
colnames(unique_d_2020)[1] <- "superduper"
el_total <- rbind( unique_d_2006,unique_d_2009,unique_d_2011, unique_d_2013, unique_d_2015, unique_d_2017, unique_d_2020)
el_total_final <- unique(el_total)
el_total_final$observation <- 1:nrow(el_total_final)
dataf1 <- data.frame()
for (n in 1:nrow(el_total_final)) {
dataf1 <- rbind(dataf1,paste0("m['Variable'][m['Variable'] == '",el_total_final[n,1],"']"," <- '",el_total_final[n,2],"'"))
}
dataf1 <- as.data.frame(dataf1)
write_xlsx(dataf1,"el_total_final.xlsx")
la_correccion_6 <- function(m) {
m['Variable'][m['Variable'] == 'NA'] <- '1'
m['Variable'][m['Variable'] == 'Sí, en otra época del año'] <- '2'
m['Variable'][m['Variable'] == 'No'] <- '3'
m['Variable'][m['Variable'] == 'Si, ahora mismo'] <- '4'
m['Variable'][m['Variable'] == 'Sí, ahora mismo'] <- '5'
m['Variable'][m['Variable'] == 'NS/NR'] <- '6'
m['Variable'][m['Variable'] == 'Sin dato'] <- '7'
m['Variable'][m['Variable'] == 'No sabe/no responde'] <- '8'
m['Variable'][m['Variable'] == 'no_existe'] <- '9'
data_df3 <<- m
}2 Generación de tablas de contingencia Etnia
df_tablas <- data.frame()
for (var1 in 1:6) {
funcion1 <- function(n){
xx<-switch(n, "2006","2009","2011","2013","2015","2017","2020")
tanio <<- xx
switch (var1,
case = v1 <- switch(n,"O1","O1","o1","o1","o1","o1","o1"),
case = v1 <- switch(n,"O2","O2","o2","o2","o2","o2","o2"),
case = v1 <- switch(n,"O3","O3","o3","o3","o3","o3","o3"),
case = v1 <- switch(n,"O8","O8","o4","o4","o4","o4","o4"),
case = v1 <- switch(n,"O4","O4","o6","o6","o6","o6","o6"),
case = v1 <- switch(n,"O5","O5","o5","o5","o5","o5","ft")
)
if(xx==2006) {
eliminated <- dataset_06
b <- eliminated$COMUNA
c <- eliminated[,c(v1)]
d <- eliminated$E1 #alfabetismo
e <- eliminated$T4 #etnia
f <- eliminated$SEXO
anio <- 2006
}
if(xx==2009) {
eliminated <- dataset_09
b <- eliminated$COMUNA
c <- eliminated[,c(v1)]
d <- eliminated$E1 #alfabetismo
e <- eliminated$T5 #etnia
f <- eliminated$SEXO
anio <- 2009
}
if(xx==2011) {
eliminated <- dataset_11
b <- eliminated$comuna
c <- eliminated[,c(v1)]
d <- eliminated$e1 #alfabetismo
e <- eliminated$r6 #etnia
f <- eliminated$sexo
anio <- 2011
}
if(xx==2013) {
eliminated <- dataset_13
b <- eliminated$comuna
c <- eliminated[,c(v1)]
d <- eliminated$e1 #alfabetismo
e <- eliminated$r6 #etnia
f <- eliminated$sexo
anio <- 2013
}
if(xx==2015) {
eliminated <- dataset_15
b <- eliminated$comuna
c <- eliminated[,c(v1)]
d <- eliminated$e1 #alfabetismo
e <- eliminated$r3 #etnia
f <- eliminated$sexo
anio <- 2015
}
if(xx==2017) {
eliminated <- dataset_17
b <- eliminated$comuna
c <- eliminated[,c(v1)]
d <- eliminated$e1 #alfabetismo
e <- eliminated$r3 #etnia
f <- eliminated$sexo
anio <- 2017
}
if(xx==2020) {
dataset_20$ft <- "no_existe"
eliminated <- dataset_20
b <- eliminated$comuna
c <- eliminated[,c(v1)]
d <- eliminated$sexo #alfabetismo
e <- eliminated$r3 #etnia
f <- eliminated$sexo
anio <- 2020
}
################ -- frecuencia
expan<-switch(n,"EXPC","EXPC","expc_full","expc","expc_todas","expc","expc")
tabla_matp <-xtabs(eliminated[,(expan)]~b+c+d+e+f, data = eliminated)
tabla_matp <- as.data.frame(tabla_matp)
tabla_matp <-tabla_matp[!(tabla_matp$Freq == 0),]
################
tabla_matp$Año = xx
df <- tabla_matp
names(df)[1] <- "Comuna"
names(df)[2] <- "Variable"
names(df)[3] <- "Alfabetismo"
names(df)[4] <- "Etnia"
names(df)[5] <- "Sexo"
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"
tabla_df = merge( x = df, y = codigos_comunales, by = "Comuna", all.x = TRUE)
tabla_df2 <<- tabla_df
}
data_df3 <- data.frame()
for (n in 1:7){
funcion1(n)
data_df3 <- rbind(data_df3,tabla_df2)
}
variable_e <- switch(var1,"o1","o2","o3","o4","o6","o5")
data_df3 <- mutate_if(data_df3, is.factor, as.character)
fn_etnia(data_df3)
data_df3$cod_Variable <- data_df3$Variable
switch (var1,
case = la_correccion_1(data_df3),
case = la_correccion_2(data_df3),
case = la_correccion_3(data_df3),
case = la_correccion_4(data_df3),
case = la_correccion_5(data_df3),
case = la_correccion_6(data_df3)
)
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$Etnia)[-6]),"No pertenece a ningún pueblo indígena",NA)
Etnia<- as.data.frame(Etnia)
Etnia$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(2,8,9,3,1,13,4,11,5,10,6,7)]
assign(paste0("tabla_",variable_e),data_df3)
print(paste0("tabla_",variable_e))
}## [1] "tabla_o1"
## [1] "tabla_o2"
## [1] "tabla_o3"
## [1] "tabla_o4"
## [1] "tabla_o6"
## [1] "tabla_o5"2.1 o1 La semana pasada, ¿trabajó al menos una hora, sin considerar los quehaceres del hogar?
datatable(tabla_o1, 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_s16'),
list(extend='pdf',
filename= 'tabla_s16')),
text = 'Download')), scrollX = TRUE)) 2.2 o2 Aunque no trabajó la semana pasada, ¿realizó alguna actividad por lo menos durante una hora?
datatable(tabla_o2, 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_s17'),
list(extend='pdf',
filename= 'tabla_s17')),
text = 'Download')), scrollX = TRUE)) 2.3 o3 Aunque no trabajó la semana pasada,
¿tenía algún empleo, negocio u otra actividad del cual estuvo ausente temporalmente por licencia, permiso postnatal parental, huelga, enfermedad, vacaciones, suspensión temporal u otra razon?
datatable(tabla_o3, 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_s18'),
list(extend='pdf',
filename= 'tabla_s18')),
text = 'Download')), scrollX = TRUE)) 2.4 o4 ¿Ha trabajado alguna vez?
datatable(tabla_o4, 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_s19a'),
list(extend='pdf',
filename= 'tabla_s19a')),
text = 'Download')), scrollX = TRUE)) 2.5 o6 ¿Buscó trabajo remunerado o realizó alguna gestión para iniciar una actividad
datatable(tabla_o6, 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_s19b'),
list(extend='pdf',
filename= 'tabla_s19b')),
text = 'Download')), scrollX = TRUE)) 2.6 o5 Si le ofrecieran un trabajo, ¿estaría disponible para comenzar a trabajar?
datatable(tabla_o5, 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_s19b'),
list(extend='pdf',
filename= 'tabla_s19b')),
text = 'Download')), scrollX = TRUE)) 3 Generación de tablas de contingencia Migración
df_tablas <- data.frame()
for (var1 in 1:5) {
funcion1 <- function(n){
xx<-switch(n, "2011","2013","2015","2017","2020")
tanio <<- xx
switch (var1,
case = v1 <- switch(n,"o1","o1","o1","o1","o1"),
case = v1 <- switch(n,"o2","o2","o2","o2","o2"),
case = v1 <- switch(n,"o3","o3","o3","o3","o3"),
case = v1 <- switch(n,"o4","o4","o4","o4","o4"),
case = v1 <- switch(n,"o6","o6","o6","o6","o6"),
case = v1 <- switch(n,"o5","o5","o5","o5","ft")
)
if(xx==2011) {
eliminated <- dataset_11
b <- eliminated$comuna
c <- eliminated[,c(v1)]
d <- eliminated$e1 #alfabetismo
e <- eliminated$r2p_cod #etnia
f <- eliminated$sexo
anio <- 2011
}
if(xx==2013) {
eliminated <- dataset_13
b <- eliminated$comuna
c <- eliminated[,c(v1)]
d <- eliminated$e1 #alfabetismo
e <- eliminated$r2_p_cod #etnia
f <- eliminated$sexo
anio <- 2013
}
if(xx==2015) {
eliminated <- dataset_15
b <- eliminated$comuna
c <- eliminated[,c(v1)]
d <- eliminated$e1 #alfabetismo
e <- eliminated$r2espp_cod #etnia
f <- eliminated$sexo
anio <- 2015
}
if(xx==2017) {
eliminated <- dataset_17
b <- eliminated$comuna
c <- eliminated[,c(v1)]
d <- eliminated$e1 #alfabetismo
e <- eliminated$r2_p_cod #etnia
f <- eliminated$sexo
anio <- 2017
}
if(xx==2020) {
dataset_20$ft <- "no_existe"
eliminated <- dataset_20
b <- eliminated$comuna
c <- eliminated[,c(v1)]
d <- eliminated$sexo #alfabetismo
e <- eliminated$r2_pais_esp #etnia
f <- eliminated$sexo
anio <- 2020
}
################ -- frecuencia
expan<-switch(n, "expc_full","expc","expc_todas","expc","expc")
tabla_matp <-xtabs(eliminated[,(expan)]~b+c+d+e+f, data = eliminated)
tabla_matp <- as.data.frame(tabla_matp)
tabla_matp <-tabla_matp[!(tabla_matp$Freq == 0),]
################
tabla_matp$Año = xx
df <- tabla_matp
names(df)[1] <- "Comuna"
names(df)[2] <- "Variable"
names(df)[3] <- "Alfabetismo"
names(df)[4] <- "Migra"
names(df)[5] <- "Sexo"
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"
tabla_df = merge( x = df, y = codigos_comunales, by = "Comuna", all.x = TRUE)
tabla_df2 <<- tabla_df
}
data_df3 <- data.frame()
for (n in 1:5){
funcion1(n)
data_df3 <- rbind(data_df3,tabla_df2)
}
variable_e <- switch(var1,"o1","o2","o3","o4","o6","o5")
data_df3 <- mutate_if(data_df3, is.factor, as.character)
# fn_etnia(data_df3)
data_df3$cod_Variable <- data_df3$Variable
switch (var1,
case = la_correccion_1(data_df3),
case = la_correccion_2(data_df3),
case = la_correccion_3(data_df3),
case = la_correccion_4(data_df3),
case = la_correccion_5(data_df3),
case = la_correccion_6(data_df3)
)
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$Migra)[-14]),"NS/NR")
Migra<- as.data.frame(Migra)
Migra$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(2,8,9,3,1,13,4,11,5,10,6,7)]
assign(paste0("tabla_",variable_e),data_df3)
print(paste0("tabla_",variable_e))
}## [1] "tabla_o1"
## [1] "tabla_o2"
## [1] "tabla_o3"
## [1] "tabla_o4"
## [1] "tabla_o6"3.1 o1 La semana pasada, ¿trabajó al menos una hora, sin considerar los quehaceres del hogar?
datatable(tabla_o1, 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_s16'),
list(extend='pdf',
filename= 'tabla_s16')),
text = 'Download')), scrollX = TRUE)) 3.2 o2 Aunque no trabajó la semana pasada, ¿realizó alguna actividad por lo menos durante una hora?
datatable(tabla_o2, 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_s17'),
list(extend='pdf',
filename= 'tabla_s17')),
text = 'Download')), scrollX = TRUE)) 3.3 o3 Aunque no trabajó la semana pasada,
datatable(tabla_o3, 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_s18'),
list(extend='pdf',
filename= 'tabla_s18')),
text = 'Download')), scrollX = TRUE)) 3.4 o4 ¿Ha trabajado alguna vez?
datatable(tabla_o4, 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_s19a'),
list(extend='pdf',
filename= 'tabla_s19a')),
text = 'Download')), scrollX = TRUE)) 3.5 o6 ¿Buscó trabajo remunerado o realizó alguna gestión para iniciar una actividad
datatable(tabla_o6, 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_s19b'),
list(extend='pdf',
filename= 'tabla_s19b')),
text = 'Download')), scrollX = TRUE)) 3.6 o5 Si le ofrecieran un trabajo, ¿estaría disponible para comenzar a trabajar?
datatable(tabla_o5, 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_s19b'),
list(extend='pdf',
filename= 'tabla_s19b')),
text = 'Download')), scrollX = TRUE))