Atividade 7

0.1 Quantas pessoas com graduação completa existem na empresa Gujarati?

graduacao=subset(gujarati_tec, Educ=='Graduação')

table(graduacao$Educ) %>% 
  data.frame() %>%
  rename(Escolaridade=Var1,Total=Freq) %>%
  reactable()

0.2 Qual é o salário mais baixo da empresa? Qual a escolaridade dessa pessoa? Qual a experiência?

min_salario=subset(gujarati_tec, Salario=='1053.5')

table(min_salario$Salario, min_salario$Educ, min_salario$Exp) %>% 
  data.frame() %>%
  rename(Salário=Var1,Escolaridade=Var2,Experiência=Var3,Total=Freq) %>%
  reactable()

0.3 Qual a proporção de pessoas com pós-graduação na empresa Gujarati?

table(gujarati_tec$Educ) %>% 
  prop.table() %>%
  `*`(100) %>%
  round(2) %>%
  data.frame() %>%
  rename(Escolaridade=Var1,Total=Freq) %>%
  reactable()

A proporção de pessoas com pós-graduação são de 28,26%

0.4 Qual a proporção de pessoas com pós-graduação exercendo cargos administrativos na empresa Gujarati?

table(gujarati_tec$Educ, gujarati_tec$Adm) %>% 
  prop.table() %>%
  `*`(100) %>%
  round(2) %>%
  data.frame() %>%
  rename(Escolaridade=Var1,Cargo=Var2,Total=Freq) %>%
  reactable()

A proporção de pessoas com pós-graduação exercendo cargos administrativos são de 17,39%

0.5 Qual o impacto da escolaridade no salário?

gujarati_tec %>% select(Salario,Educ) %>%
  group_by(Educ) %>%
  summarise(
    Mínimo=min(Salario),
    Mediana=median(Salario),
    Média=round(mean(Salario),2),
    Desvio_Padrao=round(sd(Salario),2),
    Máximo=max(Salario)) %>% 
  reactable()

É possível afirmar que as pessoas com título de pós graduação possuem maior média salárial.

0.6 O fato de ter um cargo administrativo influência no salário?

gujarati_tec %>% select(Salario,Adm) %>%
  group_by(Adm) %>%
  summarise(
    Mínimo=min(Salario),
    Mediana=median(Salario),
    Média=round(mean(Salario),2),
    Desvio_Padrao=round(sd(Salario),2),
    Máximo=max(Salario)) %>% 
  reactable()

Sim. Pessoas com cargo administrativo possuem maior média salárial.

0.7 Qual o impacto da experiência no salário?

gujarati_tec["Exp2"]<-gujarati_tec$Exp

gujarati_tec$Exp2 <- ifelse(gujarati_tec$Exp2<=5,"Pouca Experiencia",
                                  ifelse(gujarati_tec$Exp2>=11,"Muita Experiencia","Media Experiencia"))

gujarati_tec %>% select(Salario,Exp) %>%
  group_by(Exp) %>%
  summarise(
    Mínimo=min(Salario),
    Mediana=median(Salario),
    Média=round(mean(Salario),2),
    Desvio_Padrao=round(sd(Salario),2),
    Máximo=max(Salario)) %>% 
  reactable()

ggplot(data = gujarati_tec, aes(y = Salario, x = Exp))+
  geom_boxplot(aes(fill = Exp2))+
  theme_stata()+
  scale_colour_stata()

É possível afirmar que pessoas com maior experiência tendem a ganhar melhores salários já que a média do salário das pessoas com mais experiência se aproxima dos 2 mil reais.

0.8 Seria possível criar uma nova variável com base na escolaridade?

gujarati_tec <- read_excel("C:/Users/Kelly Grigorio/Desktop/Base_de_dados-master/gujarati_empresa_tecnologia.xlsx")

gujarati_tec["Univ"]<-gujarati_tec$Educ

gujarati_tec$Educ <- ifelse(gujarati_tec$Educ==1,"Ens. Médio",
                            ifelse(gujarati_tec$Educ==2,"Graduação","Pós Graduação"))

gujarati_tec$Posg <- ifelse(gujarati_tec$Posg==1,"Sim","Não")


gujarati_tec$Adm <- ifelse(gujarati_tec$Adm==1,"Administrativo", "Outro cargo")

gujarati_tec$Univ <- ifelse(gujarati_tec$Univ==1,"Ensino Médio", "Ensino Superior")

reactable(gujarati_tec)

ggplot(data = gujarati_tec, aes(y = Salario, x = Adm))+
  geom_boxplot(aes(fill = Univ))+
  theme_stata()+
  scale_colour_stata()

0.9 Faça a transformação da experiência em três faixas de experiência.

Menor que 5 anos = “pouca experiência”

Entre 6 e 10 anos = “média experiência”

Maior que 11 anos = “muita experiência”

gujarati_tec["Exp2"]<-gujarati_tec$Exp

gujarati_tec$Exp2 <- ifelse(gujarati_tec$Exp2<=5,"Pouca Experiencia",
                                  ifelse(gujarati_tec$Exp2>=11,"Muita Experiencia","Media Experiencia"))
reactable(gujarati_tec)

0.10 Quantas pessoas estão em cada categoria dessa nova variável faixas de experiência ?

table(gujarati_tec$Exp2) %>% 
  data.frame() %>%
  rename(Experiência=Var1,Total=Freq) %>%
  reactable()

0.11 Qual o salário médio, mediano e o desvio-padrão de cada categoria dessa nova variável faixas de experiência?

gujarati_tec %>% select(Salario,Exp2) %>%
  group_by(Exp2) %>%
  summarise(
    Mínimo=min(Salario),
    Mediana=median(Salario),
    Média=round(mean(Salario),2),
    Desvio_Padrao=round(sd(Salario),2),
    Máximo=max(Salario)) %>% 
  reactable()

0.12 Existe algum efeito no salário da interação da (faixa de) experiência com a educação?

ggplot(data = gujarati_tec, aes(y = Salario, x = Exp2))+
  geom_boxplot(aes(fill = Univ))+
  theme_stata()+
  scale_colour_stata()

Pessoas com maior grau de experiência e de escolaridade tendem a ter maior média salarial.

0.13 Existe alguma forma de avaliar o impacto simultâneo das variáveis experiência, educação e cargo administrativo no salário?

ggplot(data = gujarati_tec, aes(y = Exp, x = Adm))+
  geom_boxplot(aes(fill = Educ))+
  theme_stata()+
  scale_colour_stata()

0.14 Você conseguria refazer e interpretar um dos gráficos abaixo?

DICA 1: o primeiro gráfico foi feito com a função plot() do R básico.

DICA 2: o segundo foi feito com a função xyplot do pacote lattice.

DICA 3: Esse gráfico também poderia ser feito com a função geom_point do pacote ggplot2

ggplot(gujarati_tec, aes(y = Salario, x = Exp ,
                 shape = Univ, color = Univ)) +
  geom_smooth(formula = y ~ x, method = "lm", 
              aes(x = Exp,
                  y = Salario))+
  geom_point(size = 3, alpha = .4) +
  theme_classic(base_size = 12) +
  theme(legend.position = "top") +
  xlab("Anos de Experiência") + 
  ylab("Salário")

Pessoas com ensino superior e mais tempo de experiência possuem maior salário