Población ocupada de la Ciudad de Buenos Aires. Cuarto trimestre 2021. ETOI
Ester Gloria Gonzales
6/7/2022
Encuesta de Ocupación e Ingresos de la Ciudad de Buenos Aires (Cuarto trimestre 2021)
El objetivo de este documento es poder obtener un tabulado de la población ocupada por sexo según zona, con el lenguaje R, utilizando la base usuaria de la Encuesta de Ocupación e Ingresos de la Ciudad de Buenos Aires.
Primer paso conocer la base
La base que se encuentra disponible en (https://www.estadisticaciudad.gob.ar/eyc/?p=129513)
Una opción es guardar la base con extensión CSV , para abrirla se usa read. csv
Se inspecciona los nombres de las columnas y qué tipo de objeto es, en este caso es un dataframe.
Librerias a usar
suppressPackageStartupMessages({
library(tidyverse)
library(dplyr)
library(sjmisc)
library(sjPlot)
library(ggplot2)
library(scales)})Selección de variables y filtro
Como interesa conocer los ocupados se utiliza un filtro. Luego se selecciona las variables que interesan para el tabulado.
etoi214ocupados = etoi214 %>%
filter(estado == 1) %>% # me quedo solo con los casos de ocupados
select( estado, sexo, zona, fexp)Tabla de variables
El N total que figura al pie de la tabla es el total de ocupados para este trimestre.
Como se trata de una encuesta a hogares se utiliza el ponderador (fexp) a través de weights. De esta manera se obtienen los valores expandidos.
etoi214ocupados %>% frq(sexo,weights=fexp, out="v")| val | label | frq | raw.prc | valid.prc | cum.prc | |
|---|---|---|---|---|---|---|
| 1 |
|
848549 | 52.92 | 52.92 | 52.92 | |
| 2 |
|
754802 | 47.08 | 47.08 | 100.00 | |
| NA | NA | 0 | 0.00 | NA | NA | |
| total N=1603351 · valid N=1603351 · x̄=1.47 · σ=0.50 | ||||||
etoi214ocupados %>% frq(zona,weights=fexp, out="v")| val | label | frq | raw.prc | valid.prc | cum.prc | |
|---|---|---|---|---|---|---|
| 1 |
|
338698 | 21.12 | 21.12 | 21.12 | |
| 2 |
|
900583 | 56.17 | 56.17 | 77.29 | |
| 3 |
|
364070 | 22.71 | 22.71 | 100.00 | |
| NA | NA | 0 | 0.00 | NA | NA | |
| total N=1603351 · valid N=1603351 · x̄=2.02 · σ=0.66 | ||||||
Etiqueto las variables
Etiquetando las variables se mejora la lectura de los tabulados.
etoi214ocupados<- etoi214ocupados %>%
mutate(sexo = case_when (sexo==1 ~ "Varon",
sexo==2 ~ "Mujer"))
etoi214ocupados<- etoi214ocupados %>%
mutate(zona = case_when (zona==1 ~ "Norte",
zona==2 ~ "Centro",
zona==3 ~ "Sur"))Tabulado principal
Para el total de los ocupados de la Ciudad, se cruzan las variables de sexo y zona.
etoi214ocupados %>% flat_table(sexo,zona,weights=fexp)## zona Centro Norte Sur
## sexo
## Mujer 419220 168700 166882
## Varon 481363 169998 197188Gráfico de población ocupada según sexo por zonas
Para graficar ordeno los datos de los tabulados (población ocupada).
tab_long = etoi214ocupados %>% dplyr::count(sexo, zona, wt=fexp)
print(tab_long)## sexo zona n
## 1 Mujer Centro 419220
## 2 Mujer Norte 168700
## 3 Mujer Sur 166882
## 4 Varon Centro 481363
## 5 Varon Norte 169998
## 6 Varon Sur 197188options(scipen = 999)
ggplot(tab_long, aes(x=zona, y=n, group=sexo, fill=sexo, label=n)) + geom_col() + ggtitle("Población ocupada segun sexo por zona") +
geom_text(position="stack", vjust=2.5, colour="white")
labs(x = "Zonas",
y = "Población") +
scale_fill_discrete(name = "Sexo")+theme_classic()## NULL