1 Introducción técnica
Generamos tablas de contingencia en dos grupos, etnia y migración, cruzando siempre los mismos siguientes campos: alfabetistmo, sexo, comuna para variables específicas: contamos sus frecuencias. Generamos códigos asociados a las variables y agregamos una lógica para agrupar las categorías de variables en grupos menores, que cubran todos los años que existan para lograr tendencias de respuestas en forma explotatoria.
3 ETNIA
3.1 Leemos las bases de datos para construir la ttcc de etnia
casen_2006 <<- readRDS("C:/Users/chris/OneDrive/Documentos/archivos_grandes/casen_2006_c.rds")
casen_2006 <- mutate_if(casen_2006, is.factor, as.character)
casen_2009 <<- readRDS("C:/Users/chris/OneDrive/Documentos/archivos_grandes/casen_2009_c.rds")
casen_2009 <- mutate_if(casen_2009, is.factor, as.character)
casen_2011 <<- readRDS("C:/Users/chris/OneDrive/Documentos/archivos_grandes/casen_2011_c.rds")
casen_2011 <- mutate_if(casen_2011, is.factor, as.character)
casen_2013 <<- readRDS("C:/Users/chris/OneDrive/Documentos/archivos_grandes/casen_2013_c.rds")
casen_2013 <- mutate_if(casen_2013, is.factor, as.character)
casen_2015 <<- readRDS("C:/Users/chris/OneDrive/Documentos/archivos_grandes/casen_2015_c.rds")
casen_2015 <- mutate_if(casen_2015, is.factor, as.character)
casen_2017 <<- readRDS("C:/Users/chris/OneDrive/Documentos/archivos_grandes/casen_2017_c.rds")
casen_2017 <- mutate_if(casen_2017, is.factor, as.character)
casen_2020 <<- readRDS("C:/Users/chris/OneDrive/Documentos/archivos_grandes/casen2020.rds")
casen_2020 <- mutate_if(casen_2020, is.factor, as.character)
cod_com <- readRDS("C:/Users/chris/OneDrive/Documentos/archivos_grandes/codigos_comunales_2006-2020.rds")
names(cod_com)[2] <- "comuna"3.2 Extracción
3.2.1 Extraemos un subset sólo con los campos que nos interesan:
# casen_2006 <- casen_2006[,c("EXPC", "COMUNA","E5", "T4", "SEXO","E1")]
# casen_2009 <- casen_2009[,c("EXPC", "COMUNA","E4", "T5", "SEXO","E1")]
casen_2011 <- casen_2011[,c("expc_full", "comuna","s7", "r6", "sexo","e1","r2p_cod")]
casen_2013 <- casen_2013[,c("expc", "comuna","s5", "r6", "sexo","e1","r2_p_cod")]
casen_2015 <- casen_2015[,c("expc_todas", "comuna","s4", "r3", "sexo","e1","r2espp_cod")]
casen_2017 <- casen_2017[,c("expc", "comuna","s4", "r3", "sexo","e1","r2_p_cod")]
# casen_2020 <- casen_2020[,c("expc", "comuna","s4", "r3", "sexo","e1","r2_pais_esp")]3.3 Homologamos
3.3.1 Homologamos etnia
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 3:6) {
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_etnia(casen)
}3.3.2 Homologamos 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 3:6) {
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)
}3.3.3 Leemos el excel con la homologación
Extraemos la información contenida en el excel y construimos un código que lo autointegramos, tanto como para la homologación, como para la asignación de códigos a la variable estudiada.
# carrera
# # #primero probar con:
# carrera <- carrera[,c(1,3,4)]
# carrera
# #
# carrera <- carrera[,c(2,3)]# <- codigo numerico
#
# carrera
#
# dataf1 <- data.frame()
# for (n in 1:nrow(carrera)) {
# # dataf1 <- rbind(dataf1,paste0("dataset[,variable][dataset[,variable] == '",carrera[n,1],"']"," <- '",carrera[n,2],"'")) # <- homologacion
# dataf1 <- rbind(dataf1,paste0("tab_f$cod_variable[tab_f$cod_variable == '",carrera[n,1],"']"," <- '",carrera[n,2],"'")) # <- codigo numerico
# }
# dataf1 <- as.data.frame(dataf1)
# write_xlsx(dataf1,"el_total_final.xlsx")3.3.4 Homologamos la variable
variable_en_estudio <- function(dataset){
variable <- switch(i,"","","s7","s5","s4","s4")
dataset[,variable][dataset[,variable] == '2'] <- 'De 1 a 5'
dataset[,variable][dataset[,variable] == '3'] <- 'De 1 a 5'
dataset[,variable][dataset[,variable] == '4'] <- 'De 1 a 5'
dataset[,variable][dataset[,variable] == '5'] <- 'De 1 a 5'
dataset[,variable][dataset[,variable] == '1'] <- 'De 1 a 5'
dataset[,variable][dataset[,variable] == '11'] <- 'De 11 a 20'
dataset[,variable][dataset[,variable] == '13'] <- 'De 11 a 20'
dataset[,variable][dataset[,variable] == '16'] <- 'De 11 a 20'
dataset[,variable][dataset[,variable] == '12'] <- 'De 11 a 20'
dataset[,variable][dataset[,variable] == '14'] <- 'De 11 a 20'
dataset[,variable][dataset[,variable] == '15'] <- 'De 11 a 20'
dataset[,variable][dataset[,variable] == '20'] <- 'De 11 a 20'
dataset[,variable][dataset[,variable] == '17'] <- 'De 11 a 20'
dataset[,variable][dataset[,variable] == '18'] <- 'De 11 a 20'
dataset[,variable][dataset[,variable] == '19'] <- 'De 11 a 20'
dataset[,variable][dataset[,variable] == '7'] <- 'De 6 a 10'
dataset[,variable][dataset[,variable] == '6'] <- 'De 6 a 10'
dataset[,variable][dataset[,variable] == '8'] <- 'De 6 a 10'
dataset[,variable][dataset[,variable] == '10'] <- 'De 6 a 10'
dataset[,variable][dataset[,variable] == '9'] <- 'De 6 a 10'
dataset[,variable][dataset[,variable] == '99'] <- 'Más de 20'
dataset[,variable][dataset[,variable] == '22'] <- 'Más de 20'
dataset[,variable][dataset[,variable] == '0'] <- 'No ha tenido hijos'
dataset[,variable][dataset[,variable] == 'No ha tenido hijos'] <- 'No ha tenido hijos'
dataset[,variable][dataset[,variable] == 'NA'] <- 'No sabe o no responde'
dataset[,variable][dataset[,variable] == 'No sabe'] <- 'No sabe o no responde'
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 3:6) {
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)
}3.3.5 Homologamos ciertas categorías asociadas a la población inmigrante
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"3.3.6 Generamos las tablas de contingencia
Libres de errores lógicos
# ab <- casen_2006
#
# b <- ab$COMUNA
# c <- ab$E5
# d <- ab$T4
# e <- ab$SEXO
#
#
# cross_tab = xtabs(ab$EXPC ~ unlist(b) + unlist(c) + unlist(d) + unlist(e) ,aggregate(ab$EXPC ~ unlist(b) + unlist(c) + unlist(d) + unlist(e) ,ab,mean))
# tabla <- as.data.frame(cross_tab)
# d <-tabla[!(tabla$Freq == 0),]
# d$anio <- "2006"
#
# names(d)[1] <- "comuna"
# names(d)[2] <- "Razon"
# names(d)[3] <- "Etnia"
# names(d)[4] <- "Sexo"
#
# names(d)[5] <- "Frecuencia"
# names(d)[6] <- "Año"
#
# d_2006 <- d
#
# ab <- casen_2009
#
# b <- ab$COMUNA
# c <- ab$E4
# d <- ab$T5
# e <- ab$SEXO
# f <- ab$E1
#
# cross_tab = xtabs(ab$EXPC~ unlist(b) + unlist(c) + unlist(d) + unlist(e) ,aggregate(ab$EXPC ~ unlist(b) + unlist(c) + unlist(d) + unlist(e) ,ab,mean))
#
# tabla <- as.data.frame(cross_tab)
#
# d <-tabla[!(tabla$Freq == 0),]
# d$anio <- "2009"
#
# names(d)[1] <- "comuna"
# names(d)[2] <- "Razon"
# names(d)[3] <- "Etnia"
# names(d)[4] <- "Sexo"
#
# names(d)[5] <- "Frecuencia"
# names(d)[6] <- "Año"
#
# d_2009 <- d
ab <- casen_2011
b <- ab$comuna
c <- ab$s7
d <- ab$r6
e <- ab$sexo
f <- ab$e1
cross_tab = xtabs(ab$expc_full ~ unlist(b) + unlist(c) + unlist(d) + unlist(e) ,aggregate(ab$expc_full ~ unlist(b) + unlist(c) + unlist(d) + unlist(e) ,ab,mean))
tabla <- as.data.frame(cross_tab)
d <-tabla[!(tabla$Freq == 0),]
d$anio <- "2011"
names(d)[1] <- "comuna"
names(d)[2] <- "Variable"
names(d)[3] <- "Etnia"
names(d)[4] <- "Sexo"
names(d)[5] <- "Frecuencia"
names(d)[6] <- "Año"
d_2011 <- d
ab <- casen_2013
b <- ab$comuna
c <- ab$s5
d <- ab$r6
e <- ab$sexo
f <- ab$e1
cross_tab = xtabs(ab$expc ~ unlist(b) + unlist(c) + unlist(d) + unlist(e) ,aggregate(ab$expc ~ unlist(b) + unlist(c) + unlist(d) + unlist(e) ,ab,mean))
tabla <- as.data.frame(cross_tab)
d <-tabla[!(tabla$Freq == 0),]
d$anio <- "2013"
names(d)[1] <- "comuna"
names(d)[2] <- "Variable"
names(d)[3] <- "Etnia"
names(d)[4] <- "Sexo"
names(d)[5] <- "Frecuencia"
names(d)[6] <- "Año"
d_2013 <- d
ab <- casen_2015
b <- ab$comuna
c <- ab$s4
d <- ab$r3
e <- ab$sexo
f <- ab$e1
cross_tab = xtabs(ab$expc_todas ~ unlist(b) + unlist(c) + unlist(d) + unlist(e) ,aggregate(ab$expc_todas ~ unlist(b) + unlist(c) + unlist(d) + unlist(e) ,ab,mean))
tabla <- as.data.frame(cross_tab)
d <-tabla[!(tabla$Freq == 0),]
d$anio <- "2015"
names(d)[1] <- "comuna"
names(d)[2] <- "Variable"
names(d)[3] <- "Etnia"
names(d)[4] <- "Sexo"
names(d)[5] <- "Frecuencia"
names(d)[6] <- "Año"
d_2015 <- d
ab <- casen_2017
b <- ab$comuna
c <- ab$s4
d <- ab$r3
e <- ab$sexo
f <- ab$e1
cross_tab = xtabs(ab$expc ~ unlist(b) + unlist(c) + unlist(d) + unlist(e) ,aggregate(ab$expc ~ unlist(b) + unlist(c) + unlist(d) + unlist(e) ,ab,mean))
tabla <- as.data.frame(cross_tab)
d <-tabla[!(tabla$Freq == 0),]
d$anio <- "2017"
names(d)[1] <- "comuna"
names(d)[2] <- "Variable"
names(d)[3] <- "Etnia"
names(d)[4] <- "Sexo"
names(d)[5] <- "Frecuencia"
names(d)[6] <- "Año"
d_2017 <- d
# ab <- casen_2020
#
# b <- ab$comuna
# c <- ab$e6a
# d <- ab$r3
# e <- ab$sexo
# f <- ab$e1
#
# cross_tab = xtabs(ab$expc ~ unlist(b) + unlist(c) + unlist(d) + unlist(e) ,aggregate(ab$expc ~ unlist(b) + unlist(c) + unlist(d) + unlist(e) ,ab,mean))
# tabla <- as.data.frame(cross_tab)
# d <-tabla[!(tabla$Freq == 0),]
# d$anio <- "2020"
#
# names(d)[1] <- "comuna"
# names(d)[2] <- "Estudios"
# names(d)[3] <- "Etnia"
# names(d)[4] <- "Sexo"
#
# names(d)[6] <- "Frecuencia"
#
# d_2020 <- d
#
# d_2020 <- mutate_if(d_2020, is.factor, as.character)
# d_2020$`Sabe leer?`[d_2020$`Sabe leer?` == 0] <- "Sí"
# d_2020$`Sabe leer?`[d_2020$`Sabe leer?` == 1] <- "No"3.4 Tabla final etnia homologada
Agregamos un código para nuestra variable:
union_etnia <- rbind(d_2011, d_2013, 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_variable <- tab_f$Variable
tab_f$cod_variable[tab_f$cod_variable == 'De 1 a 5'] <- '1'
tab_f$cod_variable[tab_f$cod_variable == 'De 1 a 5'] <- '1'
tab_f$cod_variable[tab_f$cod_variable == 'De 1 a 5'] <- '1'
tab_f$cod_variable[tab_f$cod_variable == 'De 1 a 5'] <- '1'
tab_f$cod_variable[tab_f$cod_variable == 'De 1 a 5'] <- '1'
tab_f$cod_variable[tab_f$cod_variable == 'De 11 a 20'] <- '2'
tab_f$cod_variable[tab_f$cod_variable == 'De 11 a 20'] <- '2'
tab_f$cod_variable[tab_f$cod_variable == 'De 11 a 20'] <- '2'
tab_f$cod_variable[tab_f$cod_variable == 'De 11 a 20'] <- '2'
tab_f$cod_variable[tab_f$cod_variable == 'De 11 a 20'] <- '2'
tab_f$cod_variable[tab_f$cod_variable == 'De 11 a 20'] <- '2'
tab_f$cod_variable[tab_f$cod_variable == 'De 11 a 20'] <- '2'
tab_f$cod_variable[tab_f$cod_variable == 'De 11 a 20'] <- '2'
tab_f$cod_variable[tab_f$cod_variable == 'De 11 a 20'] <- '2'
tab_f$cod_variable[tab_f$cod_variable == 'De 11 a 20'] <- '2'
tab_f$cod_variable[tab_f$cod_variable == 'De 6 a 10'] <- '3'
tab_f$cod_variable[tab_f$cod_variable == 'De 6 a 10'] <- '3'
tab_f$cod_variable[tab_f$cod_variable == 'De 6 a 10'] <- '3'
tab_f$cod_variable[tab_f$cod_variable == 'De 6 a 10'] <- '3'
tab_f$cod_variable[tab_f$cod_variable == 'De 6 a 10'] <- '3'
tab_f$cod_variable[tab_f$cod_variable == 'Más de 20'] <- '4'
tab_f$cod_variable[tab_f$cod_variable == 'Más de 20'] <- '4'
tab_f$cod_variable[tab_f$cod_variable == 'No ha tenido hijos'] <- '5'
tab_f$cod_variable[tab_f$cod_variable == 'No ha tenido hijos'] <- '5'
tab_f$cod_variable[tab_f$cod_variable == 'No sabe o no responde'] <- '6'
tab_f$cod_variable[tab_f$cod_variable == 'No sabe o no responde'] <- '6'
datatable(tab_f, extensions = 'Buttons', escape = FALSE, rownames = FALSE,
options = list(dom = 'Bfrtip',
buttons = list('colvis', list(extend = 'collection',
buttons = list(
list(extend='copy'),
list(extend='excel',
filename = 'tabla_ytotcor_e5a'),
list(extend='pdf',
filename= 'tabla_ytotcor_e5a')),
text = 'Download')), scrollX = TRUE))4 MIGRACIÓN
4.1 Generamos la tabla de contingencia
ab <- casen_2011
b <- ab$comuna
c <- ab$s7
d <- ab$r2p_cod
e <- ab$sexo
f <- ab$e1
cross_tab = xtabs(ab$expc_full ~ unlist(b) + unlist(c) + unlist(d) + unlist(e) ,aggregate(ab$expc_full ~ unlist(b) + unlist(c) + unlist(d) + unlist(e) ,ab,mean))
tabla <- as.data.frame(cross_tab)
d <-tabla[!(tabla$Freq == 0),]
d$anio <- "2011"
names(d)[1] <- "comuna"
names(d)[2] <- "Variable"
names(d)[3] <- "Origen"
names(d)[4] <- "Sexo"
names(d)[5] <- "Frecuencia"
names(d)[6] <- "Año"
d_2011 <- d
ab <- casen_2013
b <- ab$comuna
c <- ab$s5
d <- ab$r2_p_cod
e <- ab$sexo
f <- ab$e1
cross_tab = xtabs(ab$expc ~ unlist(b) + unlist(c) + unlist(d) + unlist(e) ,aggregate(ab$expc ~ unlist(b) + unlist(c) + unlist(d) + unlist(e) ,ab,mean))
tabla <- as.data.frame(cross_tab)
d <-tabla[!(tabla$Freq == 0),]
d$anio <- "2013"
names(d)[1] <- "comuna"
names(d)[2] <- "Variable"
names(d)[3] <- "Origen"
names(d)[4] <- "Sexo"
names(d)[5] <- "Frecuencia"
names(d)[6] <- "Año"
d_2013 <- d
ab <- casen_2015
b <- ab$comuna
c <- ab$s4
d <- ab$r2espp_cod
e <- ab$sexo
f <- ab$e1
cross_tab = xtabs(ab$expc_todas ~ unlist(b) + unlist(c) + unlist(d) + unlist(e) ,aggregate(ab$expc_todas ~ unlist(b) + unlist(c) + unlist(d) + unlist(e) ,ab,mean))
tabla <- as.data.frame(cross_tab)
d <-tabla[!(tabla$Freq == 0),]
d$anio <- "2015"
names(d)[1] <- "comuna"
names(d)[2] <- "Variable"
names(d)[3] <- "Origen"
names(d)[4] <- "Sexo"
names(d)[5] <- "Frecuencia"
names(d)[6] <- "Año"
d_2015 <- d
ab <- casen_2017
b <- ab$comuna
c <- ab$s4
d <- ab$r2_p_cod
e <- ab$sexo
f <- ab$e1
cross_tab = xtabs(ab$expc~ unlist(b) + unlist(c) + unlist(d) + unlist(e) ,aggregate(ab$expc ~ unlist(b) + unlist(c) + unlist(d) + unlist(e) ,ab,mean))
tabla <- as.data.frame(cross_tab)
d <-tabla[!(tabla$Freq == 0),]
d$anio <- "2017"
names(d)[1] <- "comuna"
names(d)[2] <- "Variable"
names(d)[3] <- "Origen"
names(d)[4] <- "Sexo"
names(d)[5] <- "Frecuencia"
names(d)[6] <- "Año"
d_2017 <- d
# ab <- casen_2020
#
# b <- ab$comuna
# c <- ab$e6a
# d <- ab$r2_pais_esp
# e <- ab$sexo
# f <- ab$e1
#
# cross_tab = xtabs(ab$expc ~ unlist(b) + unlist(c) + unlist(d) + unlist(e) ,aggregate(ab$expc ~ unlist(b) + unlist(c) + unlist(d) + unlist(e) ,ab,mean))
# tabla <- as.data.frame(cross_tab)
# d <-tabla[!(tabla$Freq == 0),]
# d$anio <- "2020"
# names(d)[1] <- "comuna"
# names(d)[2] <- "Razon"
# names(d)[3] <- "Origen"
# names(d)[4] <- "Sexo"
#
# names(d)[6] <- "Frecuencia"
# names(d)[7] <- "Año"
# d_2020 <- d4.2 Tabla final inmigración homologada
Agregamos un código para nuestra variable:
union_etnia <- rbind(d_2011, d_2013, d_2015, d_2017)
union_etnia <- mutate_if(union_etnia, is.factor, as.character)
union <-union_etnia
union$cod_sexo <- union$Sexo
union$cod_sexo[union$cod_sexo == "Hombre"] <- "01"
union$cod_sexo[union$cod_sexo == "Mujer"] <- "02"
union$cod_variable <- union$Variable
union$cod_variable[union$cod_variable == 'De 1 a 5'] <- '1'
union$cod_variable[union$cod_variable == 'De 1 a 5'] <- '1'
union$cod_variable[union$cod_variable == 'De 1 a 5'] <- '1'
union$cod_variable[union$cod_variable == 'De 1 a 5'] <- '1'
union$cod_variable[union$cod_variable == 'De 1 a 5'] <- '1'
union$cod_variable[union$cod_variable == 'De 11 a 20'] <- '2'
union$cod_variable[union$cod_variable == 'De 11 a 20'] <- '2'
union$cod_variable[union$cod_variable == 'De 11 a 20'] <- '2'
union$cod_variable[union$cod_variable == 'De 11 a 20'] <- '2'
union$cod_variable[union$cod_variable == 'De 11 a 20'] <- '2'
union$cod_variable[union$cod_variable == 'De 11 a 20'] <- '2'
union$cod_variable[union$cod_variable == 'De 11 a 20'] <- '2'
union$cod_variable[union$cod_variable == 'De 11 a 20'] <- '2'
union$cod_variable[union$cod_variable == 'De 11 a 20'] <- '2'
union$cod_variable[union$cod_variable == 'De 11 a 20'] <- '2'
union$cod_variable[union$cod_variable == 'De 6 a 10'] <- '3'
union$cod_variable[union$cod_variable == 'De 6 a 10'] <- '3'
union$cod_variable[union$cod_variable == 'De 6 a 10'] <- '3'
union$cod_variable[union$cod_variable == 'De 6 a 10'] <- '3'
union$cod_variable[union$cod_variable == 'De 6 a 10'] <- '3'
union$cod_variable[union$cod_variable == 'Más de 20'] <- '4'
union$cod_variable[union$cod_variable == 'Más de 20'] <- '4'
union$cod_variable[union$cod_variable == 'No ha tenido hijos'] <- '5'
union$cod_variable[union$cod_variable == 'No ha tenido hijos'] <- '5'
union$cod_variable[union$cod_variable == 'No sabe o no responde'] <- '6'
union$cod_variable[union$cod_variable == 'No sabe o no responde'] <- '6'
union <- union[union$Variable != 0, ]
datatable(union, 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))