Las tablas se hacen cruzando la variable de respuesta vs cada variable explicativa
El diseño muestral es el que se logró armar considernaod los diseños de cada paÃs Finalmente se trabaja con un diseño equivalente a 2 etapas, primera donde las psu son las escuelas, el pais es la variable de estratficacióny se usan como pesos muestrales los que se consideraron en Uruguay (ver diseño de Uruguay y para POA se creó un nuevo vector de peso usando como variables de ajuste distribucion por sexo y por tipo de escuela)
Analisis solicitado
reqescovacat 7. usocreme 8. visidentcatonde 9. visiquando 10. fluorprof 11. isg45 12. isg20
library(car)
#
# load('~/Dropbox/odontologia/maestria_anunziatta/BancoUnidoBrasUru/BRASURU.RData')
# load('C:/Users/usuario/Dropbox/odontologia/maestria_anunziatta/BancoUnidoBrasUru/BRASURU.RData')
load("C:/Users/usuario/Dropbox/odontologia/maestria_anunziatta/BancoUnidoBrasUru/BRASURU.RData")
library(survey)
## Attaching package: 'survey'
## The following object(s) are masked from 'package:graphics':
##
## dotchart
library(car)
## Loading required package: MASS
## Loading required package: nnet
# 05 de octubre 2013
# disenio_urubra<-svydesign(id=~numer_esc, strata=~pais,
# weights=~round(weight.rec,1), data=brasuru, nest=TRUE)
disenio_urubra$variables <- temp
summary(disenio_urubra)
## Stratified 1 - level Cluster Sampling design (with replacement)
## With (83) clusters.
## svydesign(id = ~numer_esc, strata = ~pais, weights = ~round(weight.rec,
## 1), data = brasuru, nest = TRUE)
## Probabilities:
## Min. 1st Qu. Median Mean 3rd Qu. Max.
## 0.00754 0.05620 0.07520 0.07610 0.07690 0.25600
## Stratum Sizes:
## Bra Uru
## obs 1528 1154
## design.PSU 42 41
## actual.PSU 42 41
## Data variables:
## [1] "id" "pais" "ficha"
## [4] "eta" "tipoesc" "sexoinv"
## [7] "weight" "weight.rec" "numesc"
## [10] "numer_esc" "idade" "socioecon4cat"
## [13] "socioecon3cat" "escolmae" "escolmae13cat"
## [16] "escolmaerecat23cat" "freqescov" "freqescovacat"
## [19] "usofio" "freqfio" "usocreme"
## [22] "idadcreme" "visidentcatonde" "visiquando"
## [25] "fluorprof" "idadefluor" "isg."
## [28] "isg45" "isg20" "cposoms"
## [31] "cpodoms" "prevoms" "cposbere"
## [34] "cpodbere" "prevbere" "cposicdas"
## [37] "cpodicdas" "previcdas"
levels(disenio_urubra$variables$prevoms) <- c("SinCavi", "conCavi")
tabla1 <- svyby(~prevoms, ~pais, disenio_urubra, svymean, na.rm = TRUE, deff = TRUE)
round(tabla1[, 2:4] * 100, 1)
## prevomsSinCavi prevomsconCavi se.prevomsSinCavi
## Bra 44.6 55.4 2.4
## Uru 38.5 61.5 2.5
round(confint(tabla1) * 100, 2)
## 2.5 % 97.5 %
## Bra:prevomsSinCavi 39.95 49.17
## Uru:prevomsSinCavi 33.64 43.43
## Bra:prevomsconCavi 50.83 60.05
## Uru:prevomsconCavi 56.57 66.36
svychisq(~prevoms + pais, disenio_urubra, statistic = "Chisq")
##
## Pearson's X^2: Rao & Scott adjustment
##
## data: svychisq(~prevoms + pais, disenio_urubra, statistic = "Chisq")
## X-squared = 9.858, df = 1, p-value = 0.0801
levels(disenio_urubra$variables$sexoinv) <- c("M", "F")
tabla2 <- svyby(~prevoms, ~sexoinv + pais, disenio_urubra, svymean, keep.var = TRUE,
na.rm = TRUE, deff = TRUE)
round(tabla2[, 3:5] * 100, 1)
## prevomsSinCavi prevomsconCavi se.prevomsSinCavi
## M.Bra 47.3 52.7 2.7
## F.Bra 41.7 58.3 2.8
## M.Uru 38.3 61.7 3.5
## F.Uru 38.7 61.3 3.4
tabla3 <- svyby(~prevoms, ~socioecon4cat + pais, disenio_urubra, svymean, na.rm = TRUE,
deff = TRUE)
round(tabla3[, 3:5] * 100, 1)
## prevomsSinCavi prevomsconCavi se.prevomsSinCavi
## 1-alto.Bra 57.1 42.9 4.4
## 2-medio-alto.Bra 55.1 44.9 2.8
## 3-medio-bajo.Bra 39.3 60.7 2.3
## 4-bajo.Bra 33.6 66.4 4.4
## 1-alto.Uru 61.7 38.3 5.7
## 2-medio-alto.Uru 39.7 60.3 4.1
## 3-medio-bajo.Uru 30.9 69.1 3.9
## 4-bajo.Uru 23.0 77.0 3.4
tabla4 <- svyby(~prevoms, ~socioecon3cat + pais, disenio_urubra, svymean, na.rm = TRUE,
deff = TRUE)
round(tabla4[, 3:5] * 100, 1)
## prevomsSinCavi prevomsconCavi se.prevomsSinCavi
## 1-alto.Bra 57.1 42.9 4.4
## 2-medio.Bra 44.2 55.8 2.2
## 3-bajo.Bra 33.6 66.4 4.4
## 1-alto.Uru 55.9 44.1 3.9
## 2-medio.Uru 33.1 66.9 2.9
## 3-bajo.Uru 23.0 77.0 3.4
tabla5 <- svyby(~prevoms, ~escolmaerecat23cat + pais, disenio_urubra, svymean,
na.rm = TRUE, deff = TRUE)
round(tabla5[, 3:5] * 100, 1)
## prevomsSinCavi prevomsconCavi se.prevomsSinCavi
## 1-college-university.Bra 60.6 39.4 4.7
## 2-high school.Bra 48.2 51.8 2.8
## 3-elementary school.Bra 36.5 63.5 2.5
## 1-college-university.Uru 52.6 47.4 3.9
## 2-high school.Uru 38.2 61.8 2.6
## 3-elementary school.Uru 23.2 76.8 3.0
tabla5a <- svyby(~prevoms, ~escolmae13cat + pais, disenio_urubra, svymean, na.rm = TRUE,
deff = TRUE)
round(tabla5a[, 3:5] * 100, 1)
## prevomsSinCavi prevomsconCavi se.prevomsSinCavi
## 1-college-university.Bra 61.5 38.5 5.0
## 2-high school.Bra 53.9 46.1 2.9
## 3-Elementary School.Bra 36.6 63.4 2.2
## 1-college-university.Uru 61.6 38.4 4.2
## 2-high school.Uru 42.8 57.2 5.4
## 3-Elementary School.Uru 29.9 70.1 2.6
#
# disenio_urubra$variables$freqescovacat<-recode(disenio_urubra$variables$freqescovacat,'3='3
# veces al dÃa';99=NA')
freqescovacat <- brasuru$freqescovacat
freqescovacat <- as.numeric(freqescovacat)
table(freqescovacat, brasuru$pais)
##
## freqescovacat Bra Uru
## 1 341 0
## 2 677 238
## 3 0 496
## 4 510 377
## 5 0 43
freqescovacat <- as.numeric(brasuru$pais) * 10 + as.numeric(freqescovacat)
table(freqescovacat)
## freqescovacat
## 11 12 14 22 23 24 25
## 341 677 510 238 496 377 43
table(brasuru$freqescovacat)
##
## 1-menos de 1 vez al día 2 veces al día 3
## 341 915 496
## 3 veces al día 99
## 887 43
disenio_urubra$variables$freqescovacat <- recode(freqescovacat, "11=1;12=2;14=3;22=1;23=3;24=2;25=NA")
disenio_urubra$variables$freqescovacat <- as.factor(disenio_urubra$variables$freqescovacat)
levels(disenio_urubra$variables$freqescovacat) <- c("1-menos de 1 vez al dÃa",
"2-veces al dÃa", "3-veces al dÃa")
tabla6 <- svyby(~prevoms, ~freqescovacat + pais, disenio_urubra, svymean, na.rm = TRUE,
deff = TRUE)
round(tabla6[, 3:5] * 100, 1)
## prevomsSinCavi prevomsconCavi
## 1-menos de 1 vez al dÃa.Bra 34.6 65.4
## 2-veces al dÃa.Bra 46.0 54.0
## 3-veces al dÃa.Bra 48.9 51.1
## 1-menos de 1 vez al dÃa.Uru 29.4 70.6
## 2-veces al dÃa.Uru 36.2 63.8
## 3-veces al dÃa.Uru 43.5 56.5
## se.prevomsSinCavi
## 1-menos de 1 vez al dÃa.Bra 3.0
## 2-veces al dÃa.Bra 2.6
## 3-veces al dÃa.Bra 3.4
## 1-menos de 1 vez al dÃa.Uru 4.1
## 2-veces al dÃa.Uru 4.0
## 3-veces al dÃa.Uru 3.3
tabla7 <- svyby(~prevoms, ~usocreme + pais, disenio_urubra, svymean, na.rm = TRUE,
deff = TRUE)
round(tabla7[, 3:5] * 100, 1)
## prevomsSinCavi prevomsconCavi se.prevomsSinCavi
## 1-Si.Bra 44.8 55.2 2.3
## 2-No.Bra 31.1 68.9 10.2
## 1-Si.Uru 38.8 61.2 2.6
## 2-No.Uru 26.2 73.8 10.9
tabla8 <- svyby(~prevoms, ~visidentcatonde + pais, disenio_urubra, svymean,
na.rm = TRUE, deff = TRUE)
round(tabla8[, 3:5] * 100, 1)
## prevomsSinCavi prevomsconCavi
## 1-Convenio particular.Bra 50.9 49.1
## 2-Publico.Bra 35.2 64.8
## 3-Nunca fue al dentista.Bra 43.2 56.8
## 1.Uru 0.0 100.0
## 1-Convenio particular.Uru 47.6 52.4
## 2.Uru 0.0 100.0
## 2-Publico.Uru 24.8 75.2
## 3-Nunca fue al dentista.Uru 27.3 72.7
## se.prevomsSinCavi
## 1-Convenio particular.Bra 2.5
## 2-Publico.Bra 2.8
## 3-Nunca fue al dentista.Bra 3.5
## 1.Uru 0.0
## 1-Convenio particular.Uru 2.6
## 2.Uru 0.0
## 2-Publico.Uru 2.8
## 3-Nunca fue al dentista.Uru 4.9
tabla9 <- svyby(~prevoms, ~visiquando + pais, disenio_urubra, svymean, na.rm = TRUE,
deff = TRUE)
round(tabla9[, 3:5] * 100, 1)
## prevomsSinCavi prevomsconCavi se.prevomsSinCavi
## 1- menos de 1 año.Bra 45.1 54.9 2.8
## 2- más de 2 años.Bra 44.5 55.5 3.0
## 3- nunca fue.Bra 43.2 56.8 3.5
## 1- menos de 1 año.Uru 40.8 59.2 2.4
## 1- nunca fue.Uru 0.0 100.0 0.0
## 2- más de 2 años.Uru 39.1 60.9 7.4
## 2- menos de 1 año.Uru 0.0 100.0 0.0
## 3- más de 2 años.Uru 64.4 35.6 32.8
## 3- nunca fue.Uru 26.3 73.7 4.9
tabla10 <- svyby(~prevoms, ~fluorprof + pais, disenio_urubra, svymean, na.rm = TRUE,
deff = TRUE)
round(tabla10[, 3:5] * 100, 1)
## prevomsSinCavi prevomsconCavi se.prevomsSinCavi
## 1-Si.Bra 46.1 53.9 2.4
## 2-No.Bra 41.8 58.2 3.1
## 1-Si.Uru 39.5 60.5 3.3
## 2-No.Uru 38.7 61.3 3.8
tabla11 <- svyby(~prevoms, ~isg20 + pais, disenio_urubra, svymean, na.rm = TRUE,
deff = TRUE)
round(tabla11[, 3:5] * 100, 1)
## prevomsSinCavi prevomsconCavi se.prevomsSinCavi
## 1- <=20.Bra 48.4 51.6 7.5
## 2- 20 a 60.Bra 50.7 49.3 2.5
## 3- >=60.Bra 31.3 68.7 2.4
## 1- <=20.Uru 40.3 59.7 3.8
## 2- 20 a 60.Uru 37.6 62.4 2.8
## 3- >=60.Uru 32.6 67.4 5.6
tabla12 <- svyby(~prevoms, ~isg45 + pais, disenio_urubra, svymean, na.rm = TRUE,
deff = TRUE)
round(tabla12[, 3:5] * 100, 1)
## prevomsSinCavi prevomsconCavi se.prevomsSinCavi
## 1- <=45.Bra 54.8 45.2 3.0
## 2- 45 a 60.Bra 46.4 53.6 2.8
## 3- >=60.Bra 31.3 68.7 2.4
## 1- <=45.Uru 40.4 59.6 2.8
## 2- 45 a 60.Uru 30.3 69.7 4.2
## 3- >=60.Uru 32.6 67.4 5.6
tabla13 <- svyby(~prevoms, ~tipoesc + pais, disenio_urubra, svymean, na.rm = TRUE,
deff = TRUE)
round(tabla13[, 3:5] * 100, 1)
## prevomsSinCavi prevomsconCavi se.prevomsSinCavi
## 1-Particular.Bra 62.8 37.2 3.8
## 2-Publica.Bra 39.4 60.6 2.1
## 1-Particular.Uru 49.4 50.6 3.8
## 2-Publica.Uru 34.6 65.4 2.5