date: 06-10-2021

1 ETNIA

1.1 Leemos las bases de datos para construir etnia

casen_2006 <- readRDS(file = "C:/Users/chris/OneDrive/Documentos/archivos_grandes/casen_2006_c.rds")
casen_2006 <- mutate_if(casen_2006, is.factor, as.character)
casen_2009 <- readRDS(file = "C:/Users/chris/OneDrive/Documentos/archivos_grandes/casen_2009_c.rds")
casen_2009 <- mutate_if(casen_2009, is.factor, as.character)
casen_2011 <- readRDS(file = "C:/Users/chris/OneDrive/Documentos/archivos_grandes/casen_2011_c.rds")
casen_2011 <- mutate_if(casen_2011, is.factor, as.character)
casen_2013 <- readRDS(file = "C:/Users/chris/OneDrive/Documentos/archivos_grandes/casen_2013_c.rds")
casen_2013 <- mutate_if(casen_2013, is.factor, as.character)
casen_2015 <- readRDS(file = "C:/Users/chris/OneDrive/Documentos/archivos_grandes/casen_2015_c.rds")
casen_2015 <- mutate_if(casen_2015, is.factor, as.character)
casen_2017 <- readRDS(file = "C:/Users/chris/OneDrive/Documentos/archivos_grandes/casen_2017_c.rds")
casen_2017 <- mutate_if(casen_2017, is.factor, as.character)
casen_2020 <- readRDS(file = "C:/Users/chris/OneDrive/Documentos/archivos_grandes/casen_2020_e1.rds")
casen_2020 <- mutate_if(casen_2020, is.factor, as.character)

1.2 Extraccion

Extraemos un subset solo con los campos que nos interesan:

# casen_2006 <- casen_2006[,c("EXPC", "COMUNA","Z","T4","SEXO","E1")]
# casen_2009 <- casen_2009[,c("EXPC", "COMUNA","ZONA","T5","SEXO","E1")]
# casen_2011 <- casen_2011[,c("expc_full", "comuna","zona","r6","sexo","e1","r2p_cod")]
# casen_2013 <- casen_2013[,c("expc", "comuna","zona","r6","sexo","e1","r2_p_cod")]
casen_2015 <- casen_2015[,c("expc_todas", "comuna","e6c_cod","r3","sexo","e1","r2espp_cod")]
casen_2017 <- casen_2017[,c("expc", "comuna","e7_subarea","r3","sexo","e1","r2_p_cod")]
# casen_2020 <- casen_2020[,c("expc", "comuna","zona","r3","sexo","e1","r2_pais_esp")]

variable_etnia <- function(dataset){
  
variable <- switch(i,"T4","T5","r6","r6","r3","r3","r3")
  
dataset[,variable][dataset[,variable] == "Aimara" ]  <- "Aymara"
dataset[,variable][dataset[,variable] == "No pertenece a ninguno de estos pueblos indígenas" ]  <-  "No pertenece a ningún pueblo indígena" 
dataset[,variable][dataset[,variable] == "Mapuche"]  <- "Mapuche"
dataset[,variable][dataset[,variable] == "Diaguita"]  <- "Diaguita"
dataset[,variable][dataset[,variable] == "Atacameño (Likan-Antai)" ]  <- "Atacameño"
dataset[,variable][dataset[,variable] == "Atacameño (Likán Antai)" ]  <- "Atacameño"
dataset[,variable][dataset[,variable] == "Atacameño (Likán-Antai)" ]  <- "Atacameño"
dataset[,variable][dataset[,variable] == "Yámana o Yagán" ]  <- "Yagán"
dataset[,variable][dataset[,variable] == "Yagan" ]  <- "Yagán"
dataset[,variable][dataset[,variable] == "Yagán (Yámana)" ]  <- "Yagán"
dataset[,variable][dataset[,variable] == "Rapa-Nui o Pascuenses"]  <- "Pascuense"
dataset[,variable][dataset[,variable] == "Rapa-Nui"]  <- "Pascuense"
dataset[,variable][dataset[,variable] == "Rapa Nui (Pascuense)"]  <- "Pascuense"
dataset[,variable][dataset[,variable] == "Collas"]  <- "Coya"
dataset[,variable][dataset[,variable] == "Kawashkar o Alacalufes" ]  <- "Alacalufe"
dataset[,variable][dataset[,variable] == "Kawashkar" ]  <- "Alacalufe"
dataset[,variable][dataset[,variable] == "Kawésqar (Alacalufes)" ]  <- "Alacalufe"
dataset[,variable][dataset[,variable] == "Kawésqar" ]  <- "Alacalufe"
dataset[,variable][dataset[,variable] == "Kawaskar" ]  <- "Alacalufe"
dataset[,variable][dataset[,variable] ==  "Sin dato"]  <- NA
dataset[,variable][dataset[,variable] ==  "NS/NR"   ]  <- NA
dataset[,variable][dataset[,variable] == "No sabe/no responde" ]  <- NA 

    switch(i,
        case =  casen_2006 <<- dataset,
        case =  casen_2009 <<- dataset,
        case =  casen_2011 <<- dataset,
        case =  casen_2013 <<- dataset,
        case =  casen_2015 <<- dataset,
        case =  casen_2017 <<- dataset,
        case =  casen_2020 <<- dataset 
)
}

for (i in 1:7) {
  
  switch(i,
        case = casen <- casen_2006,
        case = casen <- casen_2009,
        case = casen <- casen_2011,
        case = casen <- casen_2013,
        case = casen <- casen_2015,
        case = casen <- casen_2017,
        case = casen <- casen_2020
)
  
  variable_etnia(casen)
  
}

Homologación de alfabetismo

variable_alfa <- function(dataset){
    
variable <- switch(i,"E1","E1","e1","e1","e1","e1","e1")   
    
dataset[,variable][dataset[,variable] == "No sabe /Sin dato" ]  <- NA
dataset[,variable][dataset[,variable] == "Sí, lee y escribe" ]  <- "Sí"  
dataset[,variable][dataset[,variable] == "No, sólo lee" ]  <- "No"
dataset[,variable][dataset[,variable] == "No, ninguno" ]  <-"No"
dataset[,variable][dataset[,variable] == "No, sólo escribe" ]  <- "No"
#dataset_1 <<- dataset
 
  switch(i,
        case =  casen_2006 <<- dataset,
        case =  casen_2009 <<- dataset,
        case =  casen_2011 <<- dataset,
        case =  casen_2013 <<- dataset,
        case =  casen_2015 <<- dataset,
        case =  casen_2017 <<- dataset,
        case =  casen_2020 <<- dataset 
)
}

for (i in 1:6) {
  
  switch(i,
        case = casen <- casen_2006,
        case = casen <- casen_2009,
        case = casen <- casen_2011,
        case = casen <- casen_2013,
        case = casen <- casen_2015,
        case = casen <- casen_2017,
        case = casen <- casen_2020
)
  variable_alfa(casen)
}

Homologación de variable

variable_en_estudio <- function(dataset){
    
variable <- switch(i,"r2espp_cod","e7_subarea")       
    


dataset [,variable][dataset [,variable]==   'Agricultura'   ] <-    'Agricultura'
dataset [,variable][dataset [,variable]==   'Agronomía, ingeniería forestal y afines'   ] <-    'Agricultura'
dataset [,variable][dataset [,variable]==   'Arquitectura y Construcción'   ] <-    'Agricultura'
dataset [,variable][dataset [,variable]==   'Ingeniería en obras civiles y construcción civil'  ] <-    'Arquitectura y Construcción'
dataset [,variable][dataset [,variable]==   'Área artes gráficas, audiovisuales y musicales'    ] <-    'Artes'
dataset [,variable][dataset [,variable]==   'Artes' ] <-    'Artes'
dataset [,variable][dataset [,variable]==   'Artes y Humanidades sin mayor definición'  ] <-    'Artes'
dataset [,variable][dataset [,variable]==   'Bachilleratos y carreras no bien especificadas'    ] <-    'Bachilleratos y Carreras No Bien Especificadas'
dataset [,variable][dataset [,variable]==   'Bienestar' ] <-    'Bienestar'
dataset [,variable][dataset [,variable]==   'Ciencias básicas, químicas, físicas y afines'  ] <-    'Ciencias Biológicas y Afines'
dataset [,variable][dataset [,variable]==   'Ciencias Biológicas y Afines'  ] <-    'Ciencias Biológicas y Afines'
dataset [,variable][dataset [,variable]==   'Ciencias de la biología y afines'  ] <-    'Ciencias Biológicas y Afines'
dataset [,variable][dataset [,variable]==   'Ciencias Físicas'  ] <-    'Ciencias Físicas'
dataset [,variable][dataset [,variable]==   'Ciencias Naturales, Matemáticas y Estadísticas sin mayor def'  ] <-    'Ciencias Naturales, Matemáticas y Estadísticas sin Mayor Definición'
dataset [,variable][dataset [,variable]==   'Ciencias Sociales y del Comportamiento'    ] <-    'Ciencias Sociales y del Comportamiento'
dataset [,variable][dataset [,variable]==   'Trabajo social y afines'   ] <-    'Ciencias Sociales y del Comportamiento'
dataset [,variable][dataset [,variable]==   'Competencias Personales y Desarrollo'  ] <-    'Competencias Personales y Desarrollo'
dataset [,variable][dataset [,variable]==   'Derecho'   ] <-    'Derecho'
dataset [,variable][dataset [,variable]==   'Derecho y jurídica'    ] <-    'Derecho'
dataset [,variable][dataset [,variable]==   'Educación' ] <-    'Educación'
dataset [,variable][dataset [,variable]==   'Administración y gestión'  ] <-    'Educación Comercial y Administración'
dataset [,variable][dataset [,variable]==   'Ciencias económicas y administrativas' ] <-    'Educación Comercial y Administración'
dataset [,variable][dataset [,variable]==   'Educación Comercial y Administración'  ] <-    'Educación Comercial y Administración'
dataset [,variable][dataset [,variable]==   'Área letras y humanidades' ] <-    'Humanidades'
dataset [,variable][dataset [,variable]==   'Humanidades'   ] <-    'Humanidades'
dataset [,variable][dataset [,variable]==   'Industria y Producción'    ] <-    'Industria y Producción'
dataset [,variable][dataset [,variable]==   'Ingeniería en mecánica, geología y minería'    ] <-    'Ingeniería y Profesiones Afines'
dataset [,variable][dataset [,variable]==   'Ingeniería en transporte y afines' ] <-    'Ingeniería y Profesiones Afines'
dataset [,variable][dataset [,variable]==   'Ingeniería naval y afines de las fuerzas armadas'  ] <-    'Ingeniería y Profesiones Afines'
dataset [,variable][dataset [,variable]==   'Ingeniería en prevención de riesgos y afines'  ] <-    'Ingeniería y Profesiones Afines'
dataset [,variable][dataset [,variable]==   'Ingeniería industrial y en administración' ] <-    'Ingeniería y Profesiones Afines'
dataset [,variable][dataset [,variable]==   'Ingeniería y Profesiones Afines'   ] <-    'Ingeniería y Profesiones Afines'
dataset [,variable][dataset [,variable]==   'Lenguajes' ] <-    'Lenguajes'
dataset [,variable][dataset [,variable]==   'Ciencias matemáticas y afines' ] <-    'Matemáticas y Estadísticas'
dataset [,variable][dataset [,variable]==   'Matemáticas y Estadísticas'    ] <-    'Matemáticas y Estadísticas'
dataset [,variable][dataset [,variable]==   'Ingeniería en medio ambiente y afines' ] <-    'Medio Ambiente'
dataset [,variable][dataset [,variable]==   'Medio Ambiente'    ] <-    'Medio Ambiente'
dataset [,variable][dataset [,variable]==   ''  ] <-    'No Sabe o No Responde'
dataset [,variable][dataset [,variable]==   'No responde'   ] <-    'No Sabe o No Responde'
dataset [,variable][dataset [,variable]==   'Periodismo e Información'  ] <-    'Periodismo e Información'
dataset [,variable][dataset [,variable]==   'Periodismo y comunicación social'  ] <-    'Periodismo e Información'
dataset [,variable][dataset [,variable]==   'Pesca' ] <-    'Pesca'
dataset [,variable][dataset [,variable]==   'Postgrados área educación' ] <-    'Postgrado en Área de Educación'
dataset [,variable][dataset [,variable]==   'Pregrado área educación'   ] <-    'Pregrado en Área de Educación'
dataset [,variable][dataset [,variable]==   'Ciencias médicas y afines' ] <-    'Salud'
dataset [,variable][dataset [,variable]==   'Salud' ] <-    'Salud'
dataset [,variable][dataset [,variable]==   'Servicios de Higiene y Salud Ocupacional'  ] <-    'Servicios de Higiene y Salud Ocupacional'
dataset [,variable][dataset [,variable]==   'Servicios de Seguridad'    ] <-    'Servicios de Seguridad'
dataset [,variable][dataset [,variable]==   'Servicios de Transportes'  ] <-    'Servicios de Transportes'
dataset [,variable][dataset [,variable]==   'Servicios personales'  ] <-    'Servicios Personales'
dataset [,variable][dataset [,variable]==   'Silvicultura'  ] <-    'Silvicultura'
dataset [,variable][dataset [,variable]==   'Ingeniería en informática y computación'   ] <-    'Tecnología de la Información y la Comunicación (TIC)'
dataset [,variable][dataset [,variable]==   'Tecnología de la Información y la Comunicación (TIC)'  ] <-    'Tecnología de la Información y la Comunicación (TIC)'
dataset [,variable][dataset [,variable]==   'Turismo, hotelería y gastronomía'  ] <-    'Turismo, Hotelería y Gastronomía'
dataset [,variable][dataset [,variable]==   'Ciencias veterinarias y afines'    ] <-    'Veterinaria'
dataset [,variable][dataset [,variable]==   'Veterinaria'   ] <-    'Veterinaria'

  switch(i,
        case =  casen_2006 <<- dataset,
        case =  casen_2009 <<- dataset,
        case =  casen_2011 <<- dataset,
        case =  casen_2013 <<- dataset,
        case =  casen_2015 <<- dataset,
        case =  casen_2017 <<- dataset,
        case =  casen_2020 <<- dataset 
)
}

for (i in 5:6) {
  
  switch(i,
        case = casen <- casen_2006,
        case = casen <- casen_2009,
        case = casen <- casen_2011,
        case = casen <- casen_2013,
        case = casen <- casen_2015,
        case = casen <- casen_2017,
        case = casen <- casen_2020
)
 variable_en_estudio(casen)
}

for (i in unique(casen_2020$r2_pais_esp)) {
  pais <- gsub("(^[[:space:]]+|[[:space:]]+$)", "", i)
  pais <- tolower(pais)
  casen_2020$r2_pais_esp[casen_2020$r2_pais_esp == i] <- str_to_title(pais) 
} 

casen_2011$r2p_cod[casen_2011$r2p_cod == "No contesta"] <- "NS/NR"
casen_2013$r2_p_cod[casen_2013$r2_p_cod == "No contesta"] <- "NS/NR"
casen_2015$r2espp_cod[casen_2015$r2espp_cod == "No contesta"] <- "NS/NR"
casen_2017$r2_p_cod[casen_2017$r2_p_cod == "No Bien Especificado"] <- "NS/NR"
casen_2017$r2_p_cod[casen_2017$r2_p_cod == "No Responde"] <- "NS/NR"
casen_2020$r2_pais_esp[casen_2020$r2_pais_esp == "No Bien Especificado"] <- "NS/NR"
casen_2020$r2_pais_esp[casen_2020$r2_pais_esp == ""] <- NA
casen_2020$r2_pais_esp[casen_2020$r2_pais_esp == "No Responde"] <- "NS/NR"

1.2.1 2015

Generamos las tablas de contingencia tal como acostumbramos:

ab <- casen_2015

b <- ab$comuna
c <- ab$e6c_cod
d <- ab$r3
e <- ab$sexo
f <- ab$e1

cross_tab =  xtabs(ab$expc_todas ~   unlist(b) + unlist(c)  + unlist(d) + unlist(e)  + unlist(f),aggregate(ab$expc_todas ~  unlist(b) + unlist(c) + unlist(d) + unlist(e) + unlist(f) ,ab,mean))
tabla <- as.data.frame(cross_tab)
d <-tabla[!(tabla$Freq == 0),]
d$anio <- "2015"
      
names(d)[1] <- "comuna"
names(d)[2] <- "subarea"
names(d)[3] <- "Etnia"
names(d)[4] <- "Sexo"
names(d)[5] <- "Sabe leer?"
names(d)[6] <- "Frecuencia"
names(d)[7] <- "Año"

d_2015 <- d
d_2015 <- mutate_if(d_2015, is.factor, as.character)

1.2.2 2017

Generamos las tablas de contingencia tal como acostumbramos:

ab <- casen_2017

b <- ab$comuna
c <- ab$e7_subarea
d <- ab$r3
e <- ab$sexo
f <- ab$e1

cross_tab =  xtabs(ab$expc ~   unlist(b) + unlist(c)  + unlist(d) + unlist(e)  + unlist(f),aggregate(ab$expc ~  unlist(b) + unlist(c) + unlist(d) + unlist(e) + unlist(f) ,ab,mean))
tabla <- as.data.frame(cross_tab)
d <-tabla[!(tabla$Freq == 0),]
d$anio <- "2017"
      
names(d)[1] <- "comuna"
names(d)[2] <- "subarea"
names(d)[3] <- "Etnia"
names(d)[4] <- "Sexo"
names(d)[5] <- "Sabe leer?"
names(d)[6] <- "Frecuencia"
names(d)[7] <- "Año"

d_2017 <- d
d_2017 <- mutate_if(d_2017, is.factor, as.character)

Unimos y desplegamos la tabla corregida:

2 Tabla final etnia homologada

union_etnia <- rbind(d_2015, d_2017)
union_etnia <- mutate_if(union_etnia, is.factor, as.character)
union <-union_etnia

#fn_etnia(union)

cod_com <- readRDS("C:/Users/chris/OneDrive/Documentos/archivos_grandes/codigos_comunales_2006-2020.rds") 
names(cod_com)[2] <- "comuna"
tab_f <- merge(x=union_etnia, y=cod_com, by="comuna") 
Etnia <- c(sort(unique(tab_f$Etnia)[-6]),"No pertenece a ningún pueblo indígena",NA)
Etnia<- as.data.frame(Etnia)
Etnia$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")

tab_f <- merge(x=tab_f, y=codigos, by="Etnia") 

tab_f$cod_sexo <- tab_f$Sexo
tab_f$cod_sexo[tab_f$cod_sexo == "Hombre"] <- "01"
tab_f$cod_sexo[tab_f$cod_sexo == "Mujer"] <- "02"

tab_f$cod_alfa <- tab_f$`Sabe leer?`
tab_f$cod_alfa[tab_f$cod_alfa == "Sí"] <- "01"
tab_f$cod_alfa[tab_f$cod_alfa == "No"] <- "02"

tab_f$cod_variable <- tab_f$subarea
tab_f$cod_variable[tab_f$cod_variable== 'Agricultura'   ]<- '1'
tab_f$cod_variable[tab_f$cod_variable== 'Agricultura'   ]<- '1'
tab_f$cod_variable[tab_f$cod_variable== 'Agricultura'   ]<- '1'
tab_f$cod_variable[tab_f$cod_variable== 'Arquitectura y Construcción'   ]<- '2'
tab_f$cod_variable[tab_f$cod_variable== 'Artes' ]<- '3'
tab_f$cod_variable[tab_f$cod_variable== 'Artes' ]<- '3'
tab_f$cod_variable[tab_f$cod_variable== 'Artes' ]<- '3'
tab_f$cod_variable[tab_f$cod_variable== 'Bachilleratos y Carreras No Bien Especificadas'    ]<- '4'
tab_f$cod_variable[tab_f$cod_variable== 'Bienestar' ]<- '5'
tab_f$cod_variable[tab_f$cod_variable== 'Ciencias Biológicas y Afines'  ]<- '6'
tab_f$cod_variable[tab_f$cod_variable== 'Ciencias Biológicas y Afines'  ]<- '6'
tab_f$cod_variable[tab_f$cod_variable== 'Ciencias Biológicas y Afines'  ]<- '6'
tab_f$cod_variable[tab_f$cod_variable== 'Ciencias Físicas'  ]<- '7'
tab_f$cod_variable[tab_f$cod_variable== 'Ciencias Naturales, Matemáticas y Estadísticas sin Mayor Definición'   ]<- '8'
tab_f$cod_variable[tab_f$cod_variable== 'Ciencias Sociales y del Comportamiento'    ]<- '9'
tab_f$cod_variable[tab_f$cod_variable== 'Ciencias Sociales y del Comportamiento'    ]<- '9'
tab_f$cod_variable[tab_f$cod_variable== 'Competencias Personales y Desarrollo'  ]<- '10'
tab_f$cod_variable[tab_f$cod_variable== 'Derecho'   ]<- '11'
tab_f$cod_variable[tab_f$cod_variable== 'Derecho'   ]<- '11'
tab_f$cod_variable[tab_f$cod_variable== 'Educación' ]<- '12'
tab_f$cod_variable[tab_f$cod_variable== 'Educación Comercial y Administración'  ]<- '13'
tab_f$cod_variable[tab_f$cod_variable== 'Educación Comercial y Administración'  ]<- '13'
tab_f$cod_variable[tab_f$cod_variable== 'Educación Comercial y Administración'  ]<- '13'
tab_f$cod_variable[tab_f$cod_variable== 'Humanidades'   ]<- '14'
tab_f$cod_variable[tab_f$cod_variable== 'Humanidades'   ]<- '14'
tab_f$cod_variable[tab_f$cod_variable== 'Industria y Producción'    ]<- '15'
tab_f$cod_variable[tab_f$cod_variable== 'Ingeniería y Profesiones Afines'   ]<- '16'
tab_f$cod_variable[tab_f$cod_variable== 'Ingeniería y Profesiones Afines'   ]<- '16'
tab_f$cod_variable[tab_f$cod_variable== 'Ingeniería y Profesiones Afines'   ]<- '16'
tab_f$cod_variable[tab_f$cod_variable== 'Ingeniería y Profesiones Afines'   ]<- '16'
tab_f$cod_variable[tab_f$cod_variable== 'Ingeniería y Profesiones Afines'   ]<- '16'
tab_f$cod_variable[tab_f$cod_variable== 'Ingeniería y Profesiones Afines'   ]<- '16'
tab_f$cod_variable[tab_f$cod_variable== 'Lenguajes' ]<- '17'
tab_f$cod_variable[tab_f$cod_variable== 'Matemáticas y Estadísticas'    ]<- '18'
tab_f$cod_variable[tab_f$cod_variable== 'Matemáticas y Estadísticas'    ]<- '18'
tab_f$cod_variable[tab_f$cod_variable== 'Medio Ambiente'    ]<- '19'
tab_f$cod_variable[tab_f$cod_variable== 'Medio Ambiente'    ]<- '19'
tab_f$cod_variable[tab_f$cod_variable== 'No Sabe o No Responde' ]<- '20'
tab_f$cod_variable[tab_f$cod_variable== 'No Sabe o No Responde' ]<- '20'
tab_f$cod_variable[tab_f$cod_variable== 'Periodismo e Información'  ]<- '21'
tab_f$cod_variable[tab_f$cod_variable== 'Periodismo e Información'  ]<- '21'
tab_f$cod_variable[tab_f$cod_variable== 'Pesca' ]<- '22'
tab_f$cod_variable[tab_f$cod_variable== 'Postgrado en Área de Educación'    ]<- '23'
tab_f$cod_variable[tab_f$cod_variable== 'Pregrado en Área de Educación' ]<- '24'
tab_f$cod_variable[tab_f$cod_variable== 'Salud' ]<- '25'
tab_f$cod_variable[tab_f$cod_variable== 'Salud' ]<- '25'
tab_f$cod_variable[tab_f$cod_variable== 'Servicios de Higiene y Salud Ocupacional'  ]<- '26'
tab_f$cod_variable[tab_f$cod_variable== 'Servicios de Seguridad'    ]<- '28'
tab_f$cod_variable[tab_f$cod_variable== 'Servicios de Transportes'  ]<- '29'
tab_f$cod_variable[tab_f$cod_variable== 'Servicios Personales'  ]<- '30'
tab_f$cod_variable[tab_f$cod_variable== 'Silvicultura'  ]<- '31'
tab_f$cod_variable[tab_f$cod_variable== 'Tecnología de la Información y la Comunicación (TIC)'  ]<- '32'
tab_f$cod_variable[tab_f$cod_variable== 'Tecnología de la Información y la Comunicación (TIC)'  ]<- '32'
tab_f$cod_variable[tab_f$cod_variable== 'Turismo, Hotelería y Gastronomía'  ]<- '33'
tab_f$cod_variable[tab_f$cod_variable== 'Veterinaria'   ]<- '34'
tab_f$cod_variable[tab_f$cod_variable== 'Veterinaria'   ]<- '34'






datatable(tab_f, 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'),
          list(extend='pdf',
            filename= 'tabla')),
          text = 'Download')), scrollX = TRUE))

3 MIGRA

3.0.1 2015

 ab <- casen_2015

b <- ab$comuna 
c <- ab$e6c_cod 
d <- ab$r2espp_cod 
e <- ab$sexo 
f <- ab$e1 

 cross_tab =  xtabs(ab$expc_todas ~   unlist(b) + unlist(c)  + unlist(d) + unlist(e)  + unlist(f),aggregate(ab$expc_todas ~  unlist(b) + unlist(c) + unlist(d) + unlist(e) + unlist(f) ,ab,mean))
 tabla <- as.data.frame(cross_tab)
 d <-tabla[!(tabla$Freq == 0),] 
 d$anio <- "2015"

 names(d)[1] <- "comuna"
 names(d)[2] <- "subarea" 
 names(d)[3] <- "Origen" 
 names(d)[4] <- "Sexo" 
 names(d)[5] <- "Sabe leer?" 
 names(d)[6] <- "Frecuencia" 
 names(d)[7] <- "Año" 

 d_2015 <- d

3.0.2 2017

ab <- casen_2017

b <- ab$comuna
c <- ab$e7_subarea
d <- ab$r2_p_cod
e <- ab$sexo
f <- ab$e1

cross_tab =  xtabs(ab$expc~   unlist(b) + unlist(c)  + unlist(d) + unlist(e)  + unlist(f),aggregate(ab$expc ~  unlist(b) + unlist(c) + unlist(d) + unlist(e) + unlist(f) ,ab,mean))
tabla <- as.data.frame(cross_tab)
d <-tabla[!(tabla$Freq == 0),]
d$anio <- "2017"

names(d)[1] <- "comuna"
names(d)[2] <- "subarea"
names(d)[3] <- "Origen"
names(d)[4] <- "Sexo"
names(d)[5] <- "Sabe leer?"
names(d)[6] <- "Frecuencia"
names(d)[7] <- "Año"

d_2017 <- d

3.0.3 2020

# ab <- casen_2020
# 
# b <- ab$comuna
# c <- ab$zona
# d <- ab$r2_pais_esp
# e <- ab$sexo
# f <- ab$e1
# 
# cross_tab =  xtabs(ab$expc ~   unlist(b) + unlist(c)  + unlist(d) + unlist(e)  + unlist(f),aggregate(ab$expc ~  unlist(b) + unlist(c) + unlist(d) + unlist(e)  + unlist(f),ab,mean))
# tabla <- as.data.frame(cross_tab)
# d <-tabla[!(tabla$Freq == 0),]
# d$anio <- "2020"
# names(d)[1] <- "comuna"
# names(d)[2] <- "Zona"
# names(d)[3] <- "Origen"
# names(d)[4] <- "Sexo"
# names(d)[5] <- "Sabe leer?"
# names(d)[6] <- "Frecuencia"
# names(d)[7] <- "Año"
# d_2020 <- d