1 Introducción
El procedimiento de generación de tablas de contingencia trae problemas si se consideran varias tablas referidas por ejemplo a varios años, cuyas categorías de divergen.
Ésta pregunta sólo se comenzó a aplicar en la Casen del 2006 y hasta la versión 2017
casen_2006 <- readRDS(file = "C:/Users/chris/Desktop/archivos grandes/casen_2006_c.rds")
casen_2006 <- mutate_if(casen_2006, is.factor, as.character)
casen_2009 <- readRDS(file = "C:/Users/chris/Desktop/archivos grandes/casen_2009_c.rds")
casen_2009 <- mutate_if(casen_2009, is.factor, as.character)
casen_2011 <- readRDS(file = "C:/Users/chris/Desktop/archivos grandes/casen_2011_c.rds")
casen_2011 <- mutate_if(casen_2011, is.factor, as.character)
casen_2013 <- readRDS(file = "C:/Users/chris/Desktop/archivos grandes/casen_2013_c.rds")
casen_2013 <- mutate_if(casen_2013, is.factor, as.character)
casen_2015 <- readRDS(file = "C:/Users/chris/Desktop/archivos grandes/casen_2015_c.rds")
casen_2015 <- mutate_if(casen_2015, is.factor, as.character)
casen_2017 <- readRDS(file = "C:/Users/chris/Desktop/archivos grandes/casen_2017_c.rds")
casen_2017 <- mutate_if(casen_2017, is.factor, as.character)
casen_2020 <- readRDS(file = "C:/Users/chris/Desktop/archivos grandes/casen_2020_c.rds")
casen_2020 <- mutate_if(casen_2020, is.factor, as.character)vv <- c("ft","ft","ft","ft","r22","r24")
# casen_2006 <- casen_2006[,c("EXPC", "COMUNA" ,vv[1], "T4","SEXO","E1")]
# casen_2009 <- casen_2009[,c("EXPC", "COMUNA" ,vv[2], "T5","SEXO","E1")]
# casen_2011 <- casen_2011[,c("expc_full", "comuna" ,vv[3], "r6","sexo","e1","r2p_cod")]
# casen_2013 <- casen_2013[,c("expc", "comuna" ,vv[4], "r6","sexo","e1","r2_p_cod")]
casen_2015 <- casen_2015[,c("expc_todas", "comuna" ,vv[5], "r3","sexo","e1","r2espp_cod")]
casen_2017 <- casen_2017[,c("expc", "comuna" ,vv[6], "r3","sexo","e1","r2_p_cod")]
# casen_2020 <- casen_2020[,c("expc", "comuna" ,vv[7], "r3","sexo","e1","r2_pais_esp")]Homologación de alfabetismo
casen_2006$E1[casen_2006$E1 == "No sabe /Sin dato"] <- NA
casen_2011$e1[casen_2011$e1 == "Sí, lee y escribe"] <- "Sí"
casen_2011$e1[casen_2011$e1 == "No, sólo lee"] <- "No"
casen_2011$e1[casen_2011$e1 == "No, ninguno"] <- "No"
casen_2011$e1[casen_2011$e1 == "No, sólo escribe"] <- "No"
casen_2013$e1[casen_2013$e1 == "Sí, lee y escribe"] <- "Sí"
casen_2013$e1[casen_2013$e1 == "No, ninguno"] <- "No"
casen_2013$e1[casen_2013$e1 == "No, sólo lee"] <- "No"
casen_2013$e1[casen_2013$e1 == "No, sólo escribe"] <- "No"
casen_2013$e1[casen_2013$e1 == "NS/NR"] <- NA
casen_2015$e1[casen_2015$e1 == "Sí, lee y escribe"] <- "Sí"
casen_2015$e1[casen_2015$e1 == "No, ninguno"] <- "No"
casen_2015$e1[casen_2015$e1 == "No, sólo lee"] <- "No"
casen_2015$e1[casen_2015$e1 == "No, sólo escribe"] <- "No"
casen_2017$e1[casen_2017$e1 == "Sí, lee y escribe"] <- "Sí"
casen_2017$e1[casen_2017$e1 == "No, sólo lee"] <- "No"
casen_2017$e1[casen_2017$e1 == "No, ninguno"] <- "No"
casen_2017$e1[casen_2017$e1 == "No sabe/responde"] <- NA
casen_2017$e1[casen_2017$e1 == "No, sólo escribe"] <- "No"
casen_2020$e1[casen_2020$e1 == 1] <- "Sí"
casen_2020$e1[casen_2020$e1 == 0] <- "No"Homologación de 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] == "Rapa Nui"] <- "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
# df <<- 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 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_etnia(casen)
}Homologación de migración
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"Homologación de variable
variable_en_estudio <- function(dataset){
variable <- switch(i,"ft","ft","ft","ft","r22","r24")
dataset[,variable][dataset[,variable] == 'Femenino'] <- 'Femenino'
dataset[,variable][dataset[,variable] == 'Masculino'] <- 'Masculino'
dataset[,variable][dataset[,variable] == 'NA'] <- 'No sabe o no responde'
dataset[,variable][dataset[,variable] == 'Sin dato'] <- 'No sabe o no responde'
dataset[,variable][dataset[,variable] == 'No sabe/no responde'] <- 'No sabe o no responde'
dataset[,variable][dataset[,variable] == 'Prefiere no responder la pregunta'] <- 'No sabe o no responde'
dataset[,variable][dataset[,variable] == 'Otro. Especifique'] <- 'Otro'
dataset[,variable][dataset[,variable] == 'Transgénero'] <- 'Transgénero'
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)
}# carrera <- read_xlsx("C:/Users/enamo/Desktop/Shiny-R/ds_ttcc_ok/diccionarios/tabla_031_Diccionario_Identidad_género.xlsx")
# # carrera <- carrera[-c(1:1),c(1,3)]
# carrera <- carrera[-c(1:1),c(3,4)]
# # names(carrera)[2] <- "Homologacion_002"
# carrera
#
# #
# dataf1 <- data.frame()
# for (n in 1:nrow(carrera)) {
# # dataf1 <- rbind(dataf1,paste0("dataset[,variable][dataset[,variable] == '",carrera[n,1],"']"," <- '",carrera[n,2],"'"))
# dataf1 <- rbind(dataf1,paste0("dataset[,'cod_variable'][dataset[,'cod_variable'] == '",carrera[n,1],"']"," <- '",carrera[n,2],"'")) # <- codigo numerico
# }
# dataf1 <- as.data.frame(dataf1)
# write_xlsx(dataf1,"el_total_final.xlsx")1.0.1 2015
ab <- casen_2015
b <- ab$comuna
c <- ab$r22
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$anio <- "2015"
names(d)[1] <- "comuna"
names(d)[2] <- "variables"
names(d)[3] <- "Etnia"
names(d)[4] <- "Sexo"
names(d)[5] <- "Sabe leer?"
names(d)[6] <- "Frecuencia"
names(d)[7] <- "Año"
d_2015 <- d1.0.2 2017
ab <- casen_2017
b <- ab$comuna
c <- ab$r24
d <- ab$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] <- "variables"
names(d)[3] <- "Etnia"
names(d)[4] <- "Sexo"
names(d)[5] <- "Sabe leer?"
names(d)[6] <- "Frecuencia"
names(d)[7] <- "Año"
d_2017 <- dUnimos 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)#fn_etnia(union)
cod_com <- readRDS("C:/Users/chris/Desktop/archivos grandes/codigos_comunales_2006-2020.rds")
names(cod_com)[2] <- "comuna"
tab_f <- merge(x=union_etnia, y=cod_com, by="comuna")
tab_f$cod_etnia[tab_f$Etnia == "Alacalufe" ] <- "01"
tab_f$cod_etnia[tab_f$Etnia == "Atacameño" ] <- "02"
tab_f$cod_etnia[tab_f$Etnia == "Aymara" ] <- "03"
tab_f$cod_etnia[tab_f$Etnia == "Chango" ] <- "04"
tab_f$cod_etnia[tab_f$Etnia == "Coya" ] <- "05"
tab_f$cod_etnia[tab_f$Etnia == "Diaguita" ] <- "06"
tab_f$cod_etnia[tab_f$Etnia == "Mapuche" ] <- "07"
tab_f$cod_etnia[tab_f$Etnia == "Pascuense" ] <- "08"
tab_f$cod_etnia[tab_f$Etnia == "Quechua" ] <- "09"
tab_f$cod_etnia[tab_f$Etnia == "Yagán" ] <- "10"
tab_f$cod_etnia[tab_f$Etnia == "No pertenece a ningún pueblo indígena" ] <- "11"
tab_f$cod_etnia[tab_f$Etnia == NA ] <- "12"
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$cod_variable <- tab_f$variables
dataset <- tab_f
dataset[,'cod_variable'][dataset[,'cod_variable'] == 'Femenino'] <- '1'
dataset[,'cod_variable'][dataset[,'cod_variable'] == 'Masculino'] <- '2'
dataset[,'cod_variable'][dataset[,'cod_variable'] == 'No sabe o no responde'] <- '3'
dataset[,'cod_variable'][dataset[,'cod_variable'] == 'No sabe o no responde'] <- '3'
dataset[,'cod_variable'][dataset[,'cod_variable'] == 'No sabe o no responde'] <- '3'
dataset[,'cod_variable'][dataset[,'cod_variable'] == 'No sabe o no responde'] <- '3'
dataset[,'cod_variable'][dataset[,'cod_variable'] == 'Otro'] <- '4'
dataset[,'cod_variable'][dataset[,'cod_variable'] == 'Transgénero'] <- '5'
datatable(dataset, 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$comuna
c <- ab$r22
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$anio <- "2015"
names(d)[1] <- "comuna"
names(d)[2] <- "variables"
names(d)[3] <- "Origen"
names(d)[4] <- "Sexo"
names(d)[5] <- "Sabe leer?"
names(d)[6] <- "Frecuencia"
names(d)[7] <- "Año"
d_2015 <- d 3.0.2 2017
ab <- casen_2017
b <- ab$comuna
c <- ab$r24
d <- ab$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] <- "variables"
names(d)[3] <- "Origen"
names(d)[4] <- "Sexo"
names(d)[5] <- "Sabe leer?"
names(d)[6] <- "Frecuencia"
names(d)[7] <- "Año"
d_2017 <- dUnimos y desplegamos la tabla corregida:
4 Tabla final inmigración homologada
union_etnia <- rbind(d_2015, d_2017)
union <- mutate_if(union_etnia, is.factor, as.character)union$cod_sexo <- union$Sexo
union$cod_sexo[union$cod_sexo == "Hombre"] <- "01"
union$cod_sexo[union$cod_sexo == "Mujer"] <- "02"
union$cod_alfa <- union$`Sabe leer?`
union$cod_alfa[union$cod_alfa == "Sí"] <- "01"
union$cod_alfa[union$cod_alfa == "No"] <- "02"
union$cod_variable <- union$variables
dataset <- union
dataset[,'cod_variable'][dataset[,'cod_variable'] == 'Femenino'] <- '1'
dataset[,'cod_variable'][dataset[,'cod_variable'] == 'Masculino'] <- '2'
dataset[,'cod_variable'][dataset[,'cod_variable'] == 'No sabe o no responde'] <- '3'
dataset[,'cod_variable'][dataset[,'cod_variable'] == 'No sabe o no responde'] <- '3'
dataset[,'cod_variable'][dataset[,'cod_variable'] == 'No sabe o no responde'] <- '3'
dataset[,'cod_variable'][dataset[,'cod_variable'] == 'No sabe o no responde'] <- '3'
dataset[,'cod_variable'][dataset[,'cod_variable'] == 'Otro'] <- '4'
dataset[,'cod_variable'][dataset[,'cod_variable'] == 'Transgénero'] <- '5'
datatable(dataset, 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))