Feedback

.gitignore

@@ -0,0 +1,4 @@
+.Rproj.user
+.Rhistory
+.RData
+.Ruserdata

02-tarea-docentes.Rproj

@@ -0,0 +1,13 @@
+Version: 1.0
+
+RestoreWorkspace: Default
+SaveWorkspace: Default
+AlwaysSaveHistory: Default
+
+EnableCodeIndexing: Yes
+UseSpacesForTab: Yes
+NumSpacesForTab: 2
+Encoding: UTF-8
+
+RnwWeave: knitr
+LaTeX: XeLaTeX

R/01-procesamiento-datos.R

@@ -0,0 +1,207 @@
+# Code 1:Preparacion ------------------------------------------------------
+## Valentina Andrade
+
+# 1. Cargar paquetes ------------------------------------------------------
+pacman::p_load(tidyverse, sjPlot, sjmisc)
+# 2. Cargar datos ---------------------------------------------------------
+ene2021 <- haven::read_dta("https://www.ine.cl/docs/default-source/ocupacion-y-desocupacion/bbdd/2021/stata/ene-2021-11-ond.dta?sfvrsn=fe87a57d_8&download=true")              
+ene2019 <- haven::read_dta("https://www.ine.cl/docs/default-source/ocupacion-y-desocupacion/bbdd/2019/stata/ene-2019-11-ond.dta?sfvrsn=3d70644f_18&download=true")
+# 3. Explorar -------------------------------------------------------------
+find_var(ene2021, "principal")
+find_var(ene2019, "actividad")
+
+## Por cada variable
+descr(ene2021$edad)
+
+# 4. Subset datos: filtrar y seleccionar ------------------------------------------------
+## Explorar
+ene2021 %>%
+  filter(edad>= 15) %>%  ## Personas no pertenecientes a PEA (menores de 15 años)
+  select(cae_especifico, activ, starts_with("c2_1"), sexo, cine,edad)
+
+ene2019 %>% 
+  filter(edad>= 15) %>% 
+  select(cae_especifico, activ, starts_with("c2_1"), sexo, cine,edad)
+
+## Guardar objeto
+ene2021 <- ene2021 %>%
+  filter(edad>= 15) %>%  ## Personas no pertenecientes a PEA (menores de 15 años)
+  select(cae_especifico, activ, starts_with("c2_1"), sexo, cine,edad)
+
+ene2019 <- ene2019 %>% 
+  filter(edad>= 15) %>% 
+  select(cae_especifico, activ, starts_with("c2_1"), sexo, cine,edad)
+
+## Recomendacion: explorar datos para ver como quedan despues de crear objeto
+
+# 5. Transformar datos -------------------------------------------------------
+
+# A. Recodificar sociodemograficas -------------------------------------------
+## Explorar
+frq(ene2021$sexo) # Es como la solicitada
+frq(ene2019$sexo) 
+
+frq(ene2021$cine) # Hay que colapsar (y que los 999 queden como NA)
+frq(ene2019$cine)  
+
+## ENE2021
+ene2021 %>% 
+  mutate(edad_tramo = case_when(edad >= 15 & edad <=39 ~ "15 a 39 años",
+                                edad >= 40 & edad <=  64 ~ "40 a 64 años",
+                                edad >= 65 ~ "65+",
+                                TRUE ~ NA_character_),
+         educ_tramo = ifelse(cine %in% c(1,2,3), "Basica o menos",
+         ifelse(cine %in% c(4,5,6), "Media y basica",
+         ifelse(cine %in% c(7,8,9), "Superior", NA_character_))))  %>% # Con esto los 999 se van a NA
+  select(edad, edad_tramo,cine, educ_tramo) # Con esto exploro
+
+## ENE2019
+### Mismo procedimiento pues vimos con frq que eran similares
+ene2019 %>% 
+  mutate(edad_tramo = case_when(edad >= 15 & edad <=39 ~ "15 a 39 años",
+                                edad >= 40 & edad <=  64 ~ "40 a 64 años",
+                                edad >= 65 ~ "65+",
+                                TRUE ~ NA_character_),
+         educ_tramo = ifelse(cine %in% c(1,2,3), "Basica o menos",
+                             ifelse(cine %in% c(4,5,6), "Media y basica",
+                                    ifelse(cine %in% c(7,8,9), "Superior", NA_character_))))  %>% # Con esto los 999 se van a NA
+  select(edad, edad_tramo, cine, educ_tramo) # Con esto exploro
+
+### Guardar objetos cuandoe estoy lista
+ene2021 <-
+  ene2021 %>% 
+  mutate(edad_tramo = case_when(edad >= 15 & edad <=39 ~ "15 a 39 años",
+                                edad >= 40 & edad <=  64 ~ "40 a 64 años",
+                                edad >= 65 ~ "65+",
+                                TRUE ~ NA_character_),
+         educ_tramo = ifelse(cine %in% c(1,2,3), "Basica o menos",
+                             ifelse(cine %in% c(4,5,6), "Media y basica",
+                                    ifelse(cine %in% c(7,8,9), "Superior", NA_character_)))) # Con esto los 999 se van a NA
+ene2019 <- ene2019 %>% 
+  mutate(edad_tramo = case_when(edad >= 15 & edad <=39 ~ "15 a 39 años",
+                                edad >= 40 & edad <=  64 ~ "40 a 64 años",
+                                edad >= 65 ~ "65+",
+                                TRUE ~ NA_character_),
+         educ_tramo = ifelse(cine %in% c(1,2,3), "Basica o menos",
+                             ifelse(cine %in% c(4,5,6), "Media y basica",
+                                    ifelse(cine %in% c(7,8,9), "Superior", NA_character_)))) # Con esto los 999 se van a NA
+
+## Tengo dos variables nuevas: edad_tramo y educ_tramo
+
+## B. Recodificar sustantivas -----------------------------------------------
+
+# CAE ---------------------------------------------------------------------
+# Mirar manual metodológico para ver como colapsan
+# Notar que 0 (menores de 15) no son parte de la PET (entonces no se calculan como parte de la PEA)
+
+
+# ENE2021-CAE ------------------------------------------------------------
+## Explorar
+frq(ene2021$cae_especifico)
+frq(ene2021$activ)
+
+ene2021 %>%
+  mutate(cae_corregido = ifelse(cae_especifico %in% c(10:28), "Fuera de la fuerza de trabajo",
+                                ifelse(cae_especifico %in% c(1:7), "Ocupado",
+                                       ifelse(cae_especifico %in% c(8:9), "Desocupado", NA_character_)))) %>%  
+  select(activ, cae_corregido, cae_especifico) # Hago esto para ver como queda
+
+# Check: está bien, creo objeto pero sin select
+ene2021 <-
+  ene2021 %>%
+  mutate(cae_corregido = ifelse(cae_especifico %in% c(10:28), "Fuera de la fuerza de trabajo",
+                                ifelse(cae_especifico %in% c(1:7), "Ocupado",
+                                       ifelse(cae_especifico %in% c(8:9), "Desocupado", NA_character_))))
+
+# ENE2019-CAE ------------------------------------------------------------
+## Explorar
+frq(ene2019$cae_especifico)
+frq(ene2019$activ)
+
+ene2019 %>%
+  mutate(cae_corregido = ifelse(cae_especifico %in% c(10:28), "Fuera de la fuerza de trabajo",
+                                ifelse(cae_especifico %in% c(1:7), "Ocupado",
+                                       ifelse(cae_especifico %in% c(8:9), "Desocupado", NA_character_)))) %>%  
+  select(activ, cae_corregido, cae_especifico) # Hago esto para ver como queda
+
+# Check: está bien, creo objeto pero sin select
+ene2019 <-
+  ene2019 %>%
+  mutate(cae_corregido = ifelse(cae_especifico %in% c(10:28), "Fuera de la fuerza de trabajo",
+                                ifelse(cae_especifico %in% c(1:7), "Ocupado",
+                                       ifelse(cae_especifico %in% c(8:9), "Desocupado", NA_character_))))
+
+# Nuevas variables cae_corregido
+
+# Horas trabajo -----------------------------------------------------------
+
+# ENE2021-horastrabajo ----------------------------------------------------
+descr(ene2021$c2_1_1)
+frq(ene2021$c2_1_1) # No sabe (888) y No responde (999)
+
+##Hay que hacer dos cosas: recodificar NA y hacer índice
+## 1.Recodificar NA
+ene2021 %>%
+  mutate_at(vars(starts_with("c2")), funs(car::recode(., recodes = c("c(888,999)=NA")))) %>% 
+    frq(.$c2_1_1) # Para comprobar puedo ir cambiando los c2
+
+## 2. Indice sumativo
+ene2021 %>%
+  mutate_at(vars(starts_with("c2")), funs(car::recode(., recodes = c("c(888,999)=NA")))) %>%
+  rowwise() %>% 
+  mutate(indice_c2_1 = sum(c2_1_1, c2_1_2, c2_1_3, na.rm = T)) %>%
+  select(contains("c2_1")) #para comprobar como quedí
+
+## Guardar
+ene2021 <- ene2021 %>%
+  mutate_at(vars(starts_with("c2")), funs(car::recode(., recodes = c("c(888,999)=NA")))) %>%
+  rowwise() %>% 
+  mutate(indice_c2_1 = sum(c2_1_1, c2_1_2, c2_1_3, na.rm = T)) %>% 
+  ungroup() #desagrupar
+
+# Ojo: hay que evitar que cuando sume los na cancelen las sumas de horas  
+
+# ENE2019-horastrabajo ----------------------------------------------------
+descr(ene2019$c2_1_1)
+frq(ene2019$c2_1_1) # No sabe (999) (distinto a datos anteriores)
+
+##Hay que hacer dos cosas: recodificar NA y hacer índice
+## 1.Recodificar NA
+ene2019 %>%
+  mutate_at(vars(starts_with("c2")), funs(car::recode(., recodes = c("999=NA")))) %>% 
+  frq(.$c2_1_1) # Para comprobar puedo ir cambiando los c2
+
+## 2. Indice sumativo
+ene2019 %>%
+  mutate_at(vars(starts_with("c2")), funs(car::recode(., recodes = c("999=NA")))) %>%
+  rowwise() %>% 
+  mutate(indice_c2_1 = sum(c2_1_1, c2_1_2, c2_1_3, na.rm = T)) %>%
+  select(contains("c2_1")) #para comprobar como quedó
+
+## Guardar
+ene2019 <- ene2019 %>%
+  mutate_at(vars(starts_with("c2")), funs(car::recode(., recodes = c("999=NA")))) %>%
+  rowwise() %>% 
+  mutate(indice_c2_1 = sum(c2_1_1, c2_1_2, c2_1_3, na.rm = T)) %>% 
+  ungroup() 
+
+
+# 6. Unir datos -----------------------------------------------------------
+## Para distinguir las bases crearé una variable año que será mi key
+ene2019 <- mutate(ene2019, ano = 2019)
+ene2021 <- mutate(ene2021, ano = 2021)
+
+# Explorar union
+merge(ene2019, ene2021, all = T)
+
+# Guardar
+ene_unida <- merge(ene2019, ene2021, all = T)
+
+# También se puede hacer con row_bind 
+
+# Explorar datos finales (ver dimensiones y clases)
+# 7. Guardar --------------------------------------------------------------
+save(ene2019, ene2021, ene_unida, file = "output/data/datos_proc.RData")
+
+
+