-
Notifications
You must be signed in to change notification settings - Fork 0
/
index.html
802 lines (628 loc) · 37.6 KB
/
index.html
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
129
130
131
132
133
134
135
136
137
138
139
140
141
142
143
144
145
146
147
148
149
150
151
152
153
154
155
156
157
158
159
160
161
162
163
164
165
166
167
168
169
170
171
172
173
174
175
176
177
178
179
180
181
182
183
184
185
186
187
188
189
190
191
192
193
194
195
196
197
198
199
200
201
202
203
204
205
206
207
208
209
210
211
212
213
214
215
216
217
218
219
220
221
222
223
224
225
226
227
228
229
230
231
232
233
234
235
236
237
238
239
240
241
242
243
244
245
246
247
248
249
250
251
252
253
254
255
256
257
258
259
260
261
262
263
264
265
266
267
268
269
270
271
272
273
274
275
276
277
278
279
280
281
282
283
284
285
286
287
288
289
290
291
292
293
294
295
296
297
298
299
300
301
302
303
304
305
306
307
308
309
310
311
312
313
314
315
316
317
318
319
320
321
322
323
324
325
326
327
328
329
330
331
332
333
334
335
336
337
338
339
340
341
342
343
344
345
346
347
348
349
350
351
352
353
354
355
356
357
358
359
360
361
362
363
364
365
366
367
368
369
370
371
372
373
374
375
376
377
378
379
380
381
382
383
384
385
386
387
388
389
390
391
392
393
394
395
396
397
398
399
400
401
402
403
404
405
406
407
408
409
410
411
412
413
414
415
416
417
418
419
420
421
422
423
424
425
426
427
428
429
430
431
432
433
434
435
436
437
438
439
440
441
442
443
444
445
446
447
448
449
450
451
452
453
454
455
456
457
458
459
460
461
462
463
464
465
466
467
468
469
470
471
472
473
474
475
476
477
478
479
480
481
482
483
484
485
486
487
488
489
490
491
492
493
494
495
496
497
498
499
500
501
502
503
504
505
506
507
508
509
510
511
512
513
514
515
516
517
518
519
520
521
522
523
524
525
526
527
528
529
530
531
532
533
534
535
536
537
538
539
540
541
542
543
544
545
546
547
548
549
550
551
552
553
554
555
556
557
558
559
560
561
562
563
564
565
566
567
568
569
570
571
572
573
574
575
576
577
578
579
580
581
582
583
584
585
586
587
588
589
590
591
592
593
594
595
596
597
598
599
600
601
602
603
604
605
606
607
608
609
610
611
612
613
614
615
616
617
618
619
620
621
622
623
624
625
626
627
628
629
630
631
632
633
634
635
636
637
638
639
640
641
642
643
644
645
646
647
648
649
650
651
652
653
654
655
656
657
658
659
660
661
662
663
664
665
666
667
668
669
670
671
672
673
674
675
676
677
678
679
680
681
682
683
684
685
686
687
688
689
690
691
692
693
694
695
696
697
698
699
700
701
702
703
704
705
706
707
708
709
710
711
712
713
714
715
716
717
718
719
720
721
722
723
724
725
726
727
728
729
730
731
732
733
734
735
736
737
738
739
740
741
742
743
744
745
746
747
748
749
750
751
752
753
754
755
756
757
758
759
760
761
762
763
764
765
766
767
768
769
770
771
772
773
774
775
776
777
778
779
780
781
782
783
784
785
786
787
788
789
790
791
792
793
794
795
796
797
798
799
800
801
802
<!DOCTYPE html>
<html xmlns="http://www.w3.org/1999/xhtml" lang="" xml:lang="">
<head>
<title>R aplicado a la ECH</title>
<meta charset="utf-8" />
<meta name="author" content=" Creative Commons Attribution 4.0 International License" />
<link href="index_files/font-awesome-5.3.1/css/fontawesome-all.min.css" rel="stylesheet" />
<link rel="stylesheet" href="xaringan-themer.css" type="text/css" />
</head>
<body>
<textarea id="source">
class: center, middle, inverse, title-slide
# R aplicado a la ECH
## Setiembre 2020 <br> Gabriela Mathieu
### <a rel="license" href="http://creativecommons.org/licenses/by/4.0/"><img alt="Creative Commons License" style="border-width:0" src="https://i.creativecommons.org/l/by/4.0/88x31.png" /></a><br /> <a rel="license" href="http://creativecommons.org/licenses/by/4.0/">Creative Commons Attribution 4.0 International License</a>
---
# ¿Qué haremos hoy?
- Repaso
<br><br>
--
- Subempleo y empleo con restricciones: estimaciones
<br><br>
--
- Funciones educativas
<br><br>
--
- Educación: cálculo de variables y estimación de indicadores
<br><br>
--
- Ejercicios
---
class: inverse, center, middle
# ech
---
# Funciones de estimación
- <span style=" font-weight: bold; border-radius: 4px; padding-right: 4px; padding-left: 4px; background-color: #b3e2cd !important;" >get_estimation_mean()</span> : permite estimar la <span style=" font-weight: bold; border-radius: 4px; padding-right: 4px; padding-left: 4px; background-color: #b3e2cd !important;" >media</span> de una variable numérica o la <span style=" font-weight: bold; border-radius: 4px; padding-right: 4px; padding-left: 4px; background-color: #b3e2cd !important;" >proporción</span> de una variable categórica.
<br>
--
- <span style=" font-weight: bold; border-radius: 4px; padding-right: 4px; padding-left: 4px; background-color: #b3e2cd !important;" >get_estimation_median()</span>: permite estimar la <span style=" font-weight: bold; border-radius: 4px; padding-right: 4px; padding-left: 4px; background-color: #b3e2cd !important;" >mediana</span> de una variable numérica.
<br><br>
--
- <span style=" font-weight: bold; border-radius: 4px; padding-right: 4px; padding-left: 4px; background-color: #b3e2cd !important;" >get_estimation_total()</span>: permite estimar el <span style=" font-weight: bold; border-radius: 4px; padding-right: 4px; padding-left: 4px; background-color: #b3e2cd !important;" >total</span> de una variable numérica.
<br><br>
--
- <span style=" font-weight: bold; border-radius: 4px; padding-right: 4px; padding-left: 4px; background-color: #b3e2cd !important;" >set_design()</span>: define el <span style=" font-weight: bold; border-radius: 4px; padding-right: 4px; padding-left: 4px; background-color: #b3e2cd !important;" >diseño de muestra</span>. Se usa al interior de estas funciones get_estimation_*().
---
class: inverse, center, middle
# ech::get_estimation_mean()
---
# Empleo con restricciones
Estimo la proporción de personas empleadas que están subempleadas y/o no aportan a la seguridad social. Ver [código]()
```r
library(ech); library(dplyr) # cargo paquetes
load("data/ech19.RData") # cargo los datos
*ech19 <- underemployment(ech19) # calculo la variable desempleo
*ech19 <- employment_restrictions(ech19) # calculo la variable empleo con restricciones
# estimo la proporcion de personas empleadas con restricciones
*get_estimation_mean(ech19, variable = "employment_restrictions", level = "i", ids = "upm", estrato = "estrato")
```
```
# A tibble: 4 x 4
employment_restrictions estimacion estimacion_low estimacion_upp
<fct> <dbl> <dbl> <dbl>
1 "Sin restricciones" 0.723 0.718 0.728
2 "Restriccion por no aporte" 0.181 0.177 0.185
3 "Restriccion por subempleo" 0.0285 0.0269 0.0301
4 "Restriccion por subempleo y no apor… 0.0673 0.0646 0.0699
```
Chequeo resultados con datos del [OS-MIDES](http://observatoriosocial.mides.gub.uy/New_Pivot/cubos/Distribucion_porcentual_de_las_personas_ocupadas_segun_restricciones_al_empleo_Total_pais_i10314.php)
---
# Funciones educativas
El paquete ech trae cuatro funciones para calcular variables educativas:
- <span style=" font-weight: bold; border-radius: 4px; padding-right: 4px; padding-left: 4px; background-color: #b3e2cd !important;" >enrolled_school()</span>: permite calcular la <span style=" font-weight: bold; border-radius: 4px; padding-right: 4px; padding-left: 4px; background-color: #b3e2cd !important;" >asistencia</span> a un centro de educación formal.
<br><br>
--
- <span style=" font-weight: bold; border-radius: 4px; padding-right: 4px; padding-left: 4px; background-color: #b3e2cd !important;" >level_completion()</span>: permite calcular la <span style=" font-weight: bold; border-radius: 4px; padding-right: 4px; padding-left: 4px; background-color: #b3e2cd !important;" >completitud</span> según niveles de educación. Crea un grupo de variables dicotómicas que establecen la completitud de primaria, ciclo basico, bachillerato y nivel terciario.
- Para el nivel terciario se incluye un parámetro <span style=" font-weight: bold; border-radius: 4px; padding-right: 4px; padding-left: 4px; background-color: #b3e2cd !important;" >n</span> para definir los años de educación terciaria que se consideran necesarios para haber completado ese nivel.
- Dado que la educación terciaria se compone de diferentes carreras de variada duración no es posible establecer un cantidad de años determinada para considerar que ha completado ese nivel.
<br><br>
--
---
# Funciones educativas
- <span style=" font-weight: bold; border-radius: 4px; padding-right: 4px; padding-left: 4px; background-color: #b3e2cd !important;" >level_education()</span>: permite calcular el <span style=" font-weight: bold; border-radius: 4px; padding-right: 4px; padding-left: 4px; background-color: #b3e2cd !important;" >máximo nivel educativo</span> alcanzado.
- Sin instrucción
- Primaria
- Secundaria
- UTU
- Magisterio o profesorado
- Universidad o similar
<br><br>
--
- <span style=" font-weight: bold; border-radius: 4px; padding-right: 4px; padding-left: 4px; background-color: #b3e2cd !important;" >years_of_schooling()</span>: permite calcular el <span style=" font-weight: bold; border-radius: 4px; padding-right: 4px; padding-left: 4px; background-color: #b3e2cd !important;" >acumulado de años de educación</span>.
- Las variables educativas se relacionan con la edad de las personas, por lo tanto, conviene realizar las estimaciones considerando diferentes tramos de edad.
- <span style=" font-weight: bold; border-radius: 4px; padding-right: 4px; padding-left: 4px; background-color: #b3e2cd !important;" >age_group()</span>: permite crear una variable con <span style=" font-weight: bold; border-radius: 4px; padding-right: 4px; padding-left: 4px; background-color: #b3e2cd !important;" >grupos de edad</span>.
---
# Asistencia
Preguntas de la encuesta que relevan asistencia a un centro de estudio
Descripción | Variable | Códigos
--------|:--------------:|----------------
Asiste a preescolar | 193 | 1 Asiste; 2 Asistió; 3 Nunca asistió
Asistencia a educación primaria | e197 | 1 Asiste; 2 Sí, asistió; 3 No asistió
Asistencia a educación media | e201 | 1 Asiste; 2 Sí, asistió; 3 No asistió
Asistencia a educación técnica | e212 | 1 Asiste; 2 Sí, asistió; 3 No asistió
Asistencia a magisterio o profesorado | e215 | 1 Asiste; 2 Sí, asistió; 3 No asistió
Asistencia a universidad o similar | e218 | 1 Asiste; 2 Sí, asistió; 3 No asistió
Asistencia a terciario no universitario | e221 | 1 Asiste; 2 Sí, asistió; 3 No asistió
Asistencia a postgrado | e224 | 1 Asiste actualmente; 2 Sí, asistió; 3 No asistió
---
# Asistencia
```r
# Asistencia actual a un centro educativo y edad categorizada
ech19 <- ech19 %>%
mutate(asistencia_actual = case_when((e193 == 1 | e197 == 1 | (e201 == 1 & e27 > 10) | e212 == 1 | (e215 == 1 & e27 > 17) |
(e218 == 1 & e27 > 17) | (e221 == 1 & e27 > 17) | (e224 == 1 & e27 > 17)) ~ 1,
TRUE ~ 0),
edad_tramos = cut(e27, c(0,4,11,17,29, max(e27)), include.lowest = TRUE,
labels = c("0-4", "5-11", "12-17", "18-29", "30+")))
ech19 %>% group_by(edad_tramos, asistencia_actual) %>%
summarise(total = n())
```
```
# A tibble: 10 x 3
# Groups: edad_tramos [5]
edad_tramos asistencia_actual total
<fct> <dbl> <int>
1 0-4 0 3480
2 0-4 1 2208
3 5-11 0 65
4 5-11 1 9302
5 12-17 0 631
6 12-17 1 8703
7 18-29 0 10557
8 18-29 1 6071
9 30+ 0 65215
10 30+ 1 1639
```
---
class: inverse, center, middle
# ech::enrolled_school()
---
# Asistencia
Ahora lo calculamos usando el paquete ech.
```r
*ech19 <- age_groups(ech19)
*ech19 <- enrolled_school(ech19)
ech19 %>% group_by(age_groups, school_enrollment) %>%
filter(school_enrollment == 1) %>%
summarise(total = n())
```
```
# A tibble: 5 x 3
# Groups: age_groups [5]
age_groups school_enrollment total
<int+lbl> <dbl+lbl> <int>
1 1 1 [Si] 2208
2 2 1 [Si] 9302
3 3 1 [Si] 8703
4 4 1 [Si] 4747
5 5 1 [Si] 2963
```
---
# Estimación de asistencia actual por tramos de edad
Estimo la proporción de personas que asisten actualmente a un centro educativo formal por tramo de edad según departamento.
```r
# usando age_groups
tabla_asiste <- get_estimation_mean(ech19,
variable = "school_enrollment",
by.x = "age_groups",
by.y = "dpto",
level = "i") %>%
filter(school_enrollment == "Si")
```
---
# Estimación de una proporción o media
```r
get_estimation_mean(
data = ech::toy_ech_2018, # data.frame
variable = NULL, # variable a estimar
by.x = NULL, # variable de cruce
by.y = NULL, # variable de cruce
domain = NULL, # dominio o subpoblacion
level = NULL, # nivel hogares o personas
ids = NULL, # upms
numero = "numero", # identificador hogar
estrato = NULL, # estrato
pesoano = "pesoano", # ponderador
name = "estimacion" # etiqueta
)
```
---
# Estimación de asistencia actual para una subpoblación
Estimo la proporción de personas entre 12 y 17 años que asisten actualmente a un centro educativo formal según departamento.
```r
# usando age_groups
get_estimation_mean(ech19,
variable = "school_enrollment",
by.x = "dpto",
domain = "age_groups == 3",
level = "i") %>%
filter(school_enrollment == "Si")
```
```
# A tibble: 19 x 5
# Groups: dpto [19]
dpto school_enrollment estimacion estimacion_low estimacion_upp
<fct> <fct> <dbl> <dbl> <dbl>
1 Montevideo Si 0.945 0.935 0.954
2 Artigas Si 0.895 0.859 0.932
3 Canelones Si 0.931 0.917 0.944
4 Cerro Largo Si 0.926 0.895 0.957
5 Colonia Si 0.940 0.914 0.966
6 Durazno Si 0.939 0.906 0.972
7 Flores Si 0.960 0.922 0.998
8 Florida Si 0.869 0.815 0.923
9 Lavalleja Si 0.933 0.894 0.972
10 Maldonado Si 0.941 0.920 0.963
11 Paysandú Si 0.945 0.924 0.967
12 Río Negro Si 0.965 0.935 0.995
13 Rivera Si 0.919 0.886 0.951
14 Rocha Si 0.925 0.895 0.955
15 Salto Si 0.868 0.834 0.901
16 San José Si 0.936 0.912 0.961
17 Soriano Si 0.899 0.861 0.937
18 Tacuarembó Si 0.896 0.859 0.933
19 Treinta y Tres Si 0.926 0.882 0.970
```
---
# Estimación de asistencia actual para una subpoblación
Estimo la proporción de personas entre 12 y 17 años que asisten actualmente a un centro educativo formal según departamento.
```r
# usando edad
get_estimation_mean(ech19,
variable = "school_enrollment",
by.x = "dpto",
domain = "e27 > 11 & e27 < 18",
level = "i") %>%
filter(school_enrollment == "Si")
```
```
# A tibble: 19 x 5
# Groups: dpto [19]
dpto school_enrollment estimacion estimacion_low estimacion_upp
<fct> <fct> <dbl> <dbl> <dbl>
1 Montevideo Si 0.945 0.935 0.954
2 Artigas Si 0.895 0.859 0.932
3 Canelones Si 0.931 0.917 0.944
4 Cerro Largo Si 0.926 0.895 0.957
5 Colonia Si 0.940 0.914 0.966
6 Durazno Si 0.939 0.906 0.972
7 Flores Si 0.960 0.922 0.998
8 Florida Si 0.869 0.815 0.923
9 Lavalleja Si 0.933 0.894 0.972
10 Maldonado Si 0.941 0.920 0.963
11 Paysandú Si 0.945 0.924 0.967
12 Río Negro Si 0.965 0.935 0.995
13 Rivera Si 0.919 0.886 0.951
14 Rocha Si 0.925 0.895 0.955
15 Salto Si 0.868 0.834 0.901
16 San José Si 0.936 0.912 0.961
17 Soriano Si 0.899 0.861 0.937
18 Tacuarembó Si 0.896 0.859 0.933
19 Treinta y Tres Si 0.926 0.882 0.970
```
---
# Ejercicio
- Estimar los años de educación según sexo para personas mayores de 24 años. Comparar con [OTU](https://otu.opp.gub.uy/?q=listados/listados_datos_formato&id=2696&cant=0&fecha=2019-01-01)
- Estimar el máximo nivel educativo alcanzado para una subpoblación, personas mayores de 24 años. Comparar con [OTU](https://otu.opp.gub.uy/?q=listados/listados_datos_formato&id=2693&cant=0&fecha=2019-01-01)
- Calcular las variables de completitud de cada nivel de enseñanza. Para calcular la completitud en el nivel terciario definir la cantidad de años aprobados que consideramos completan el nivel igual a 2, luego repetir para n=4.
- Estimar la completitud en primaria y ciclo báscio para personas mayores de 15 años; la completitud en bachillerato para las personas mayores de 17 años y la completitud en el nivel terciario para las personas mayores de 24 años.
- Comparar resultados con los publicados por [OTU](https://otu.opp.gub.uy/)
---
# Nivel de educación completado
Descripción | Variable |
---------------------------------------------|-----------|
e197 | asiste a primaria
e197_1 | primaria completa
e201 | asiste a secundaria
e51_4 | años aprobados en ciclo básico
e51_5 | años aprobados en bachillerato
e51_6 | años aprobados en bachillerato técnico
e51_7 | años aprobados en educación técnico
e51_7_1 | requisitos para educación técnica
e51_8 | años aprobados en magisterio/profesorado
e51_9 | años aprobados en universidad o similar
e51_10 | años aprobados en terciaria (no universitaria)
e212 | asiste a educación técnica (no universitaria)
e215 | asiste a magisterio
e218 | asiste a universidad
e221 | asiste a terciaria
---
# Nivel completado
Defino terciaria completa si completó al menos 4 años
```r
ech19 <- ech19 %>%
mutate(primaria_completa = ifelse(e197 == 2 & e197_1 == 1, 1, 0),
baja_secundaria_completa = ifelse(e201 %in% 1:2 & e51_4 == 3, 1, 0),
alta_secundaria_completa = ifelse(e201 %in% 1:2 & (e51_5 == 3 | e51_6 == 3), 1, 0),
terciaria_completa = ifelse((e212 %in% 1:2 & e51_7_1 == 1 & e51_7 >= 3) | (e215 %in% 1:2 & e51_8 >= 3) | (e218 %in% 1:2 & e51_9 >= 3) | (e221 %in% 1:2 & e51_10 >= 3), 1, 0)
```
---
# Ejercicio
- Estima la proporción de jóvenes que estudian o trabajan según sexo. Categorías: "Estudia o trabaja","Busca trabajo","Realiza quehaceres del hogar","Ninguna de las anteriores"
- Observa cómo cambia esta estimación si en trabajo se incluyen a quienes realizan los quehaceres del hogar y a quienes buscan trabajo:
- Calcula la variable clima educativo del hogar como el promedio de años de educación de las personas mayores de edad.
---
<!-- --- -->
<!-- # Clima Educativo del Hogar -->
<!-- ```{r eval =FALSE} -->
<!-- dp %<>% mutate(mayor = if_else(e27 > 17, 1, 0)) -->
<!-- dp %>% group_by(mayor) %>% -->
<!-- summarise(promedio_anios_edu = survey_mean(anios_edu)) -->
<!-- #A?OS DE EDUCACI?N DEL JEFE -->
<!-- p2010$aniosedjefe=ifelse(p2010$E30==1,p2010$aniosed,0) -->
<!-- #reviso algunos casos -->
<!-- #p2010[1:25,c(1,5,14,73:76)] -->
<!-- #asigno a todos los int del hogar los a?os ed del jefe -->
<!-- edjefeh=tapply(p2010$aniosedjefe,p2010$NUMERO,max) -->
<!-- edjefeh=as.matrix(edjefeh) -->
<!-- p2010=merge(p2010,edjefeh,by.x="NUMERO",by.y="row.names") -->
<!-- names(p2010)=c(names(p2010)[1:85],"edjefe") -->
<!-- #cambio el clima educativo del hogar al clima educativo del jefe si no hay individuos mayores de 18 en el hogar -->
<!-- mayor.edadh=tapply(p2010$E27,p2010$NUMERO,max) -->
<!-- menores=ifelse(mayor.edadh < 18, 1, 0) -->
<!-- menores=as.matrix(menores) -->
<!-- p2010=merge(p2010,menores,by.x="NUMERO",by.y="row.names") -->
<!-- names(p2010)=c(names(p2010)[1:86],"menores") -->
<!-- #p2010[1:20,c(1,5,14,70:77)] -->
<!-- #CLIMA EDUCATIVO DEL HOGAR -->
<!-- #----------asigna el valor de a?os educ promedio de los mayores de 18 a todos los miembros del hogar o los a?os educ del jefe si no hay mayores. -->
<!-- p2010$climaedu=ifelse(p2010$menores==1,p2010$edjefe,p2010$aniosedh) -->
<!-- #check=p2010[c(1:40, which(p2010$menores==1)),c(1,5,14,70:78)] -->
<!-- #write.table(check, "check") -->
<!-- #descriptivo expandido -->
<!-- sum(p2010$climaedu*p2010$PESOANO)/sum(p2010$PESOANO) -->
<!-- pp=p2010[p2010$E30==1,] -->
<!-- pp2=p2010[p2010$E30==1&p2010$E27%in%0:17,] -->
<!-- sum(pp$climaedu*pp$PESOANO)/sum(pp$PESOANO) -->
<!-- # -->
<!-- exp=svydesign(id=~1, strata=p2010$ESTRATOGEO, data=p2010, weights=p2010$PESOANO) -->
<!-- svymean(~climaedu, exp) -->
<!-- exph=svydesign(id=~1, strata=pp$ESTRATOGEO, data=pp, weights=pp$PESOANO) -->
<!-- svymean(~climaedu, exph) -->
<!-- ``` -->
<!-- #J?venes entre 14 y 29 que no asisten a centro educativo ni est?n ocupados -->
<!-- ech$jovenes_nini <- ifelse((ech$e27>13 & ech$e27<30) & ech$pobpcoac!=2 & ech$asistencia_actual == 0,1,0) -->
<!-- dise?o = svydesign(id=~numero, strata=~estred13, data=ech, weights=~pesoano) -->
<!-- dedo<-subset(dise?o,e27>13 & e27<29) -->
<!-- nini<-svyby(~jovenes_nini,~dpto,design=dedo,svymean)*100 -->
<!-- nini_t=svytable(~jovenes_nini,dedo, Ntotal=100)[2] -->
<!-- --- -->
<!-- # Nivel educativo alcanzado -->
<!-- ```{r eval=FALSE} -->
<!-- #Indicador 20 ---- -->
<!-- ech$niveledu="" -->
<!-- #Sin instrucci?n -->
<!-- #Se toman casos que nunca asistieron a un centro de ense?anza (e49==2) y que no tienen a?os aprobados en ning?n nivel educativo (e51_x==0) -->
<!-- ech$niveledu=ifelse(ech$e49==2 & ech$e51_2==0 & ech$e51_3==0 & ech$e51_4==0 & ech$e51_5==0 & ech$e51_6==0 & ech$e51_7==0 & ech$e51_8==0 & ech$e51_9==0 & ech$e51_10==0 & ech$e51_11==0 ,0,ech$niveledu) -->
<!-- #Casos que para que est?n cursando primer a?o de primaria (e51_2==9 o e51_3==9) o est?n cursando pre-escolar (e193==1) -->
<!-- ech$niveledu=ifelse(ech$e51_2==9 | ech$e51_3==9 | ech$e193==1, 0,ech$niveledu) -->
<!-- #Casos que no aprobaron ning?n a?o de primaria -->
<!-- ech$niveledu=ifelse(ech$e51_2==0 & ech$e51_3==0, 0,ech$niveledu) -->
<!-- #Primaria -->
<!-- #Casos que aprobaron alg?n a?o de primaria com?n (0<e51_2<=6) o primaria especial (e51_3) pero ninguno de secundaria (e51_4==0), o est?n cursando primer a?o de secundaria (e51_4==9) -->
<!-- ech$niveledu=ifelse((ech$e51_2>0 & ech$e51_2<=6) & (ech$e51_4==0 | ech$e51_4==9), 1,ech$niveledu) -->
<!-- ech$niveledu=ifelse((ech$e51_3>0 & ech$e51_3<=6) & (ech$e51_4==0 | ech$e51_4==9), 1,ech$niveledu) -->
<!-- #Casos que aprobaron alg?n a?o de educaci?n t?cnica que no requiere ense?anza anterior -->
<!-- ech$niveledu=ifelse((ech$e51_7>0 & ech$e51_7_1==4) & (ech$e51_4==0 | ech$e51_4==9), 1,ech$niveledu) -->
<!-- #Secundaria -->
<!-- #Aprobaron alg?n a?o de ciclo b?sico (e51_4), bachillerato (e51_5) o bachillerato tecnol?gico (e51_6) pero no tienen educaci?n terciaria (e51_8, e51_9, e51_10, e51_11) -->
<!-- ech$niveledu=ifelse(((ech$e51_4>0 & ech$e51_4<=3) | (ech$e51_5>0 & ech$e51_5<=3) | (ech$e51_6>0 & ech$e51_4<=6)) & (ech$e51_8==0 & ech$e51_9==0 & ech$e51_10==0 & ech$e51_11==0), 2,ech$niveledu) -->
<!-- #Aprobaron secundaria y est?n cursando primer a?o de magisterio o profesorado (e51_8==9) -->
<!-- ech$niveledu=ifelse(((ech$e51_4==3 & ech$e51_8==9) | (ech$e51_5==3 & ech$e51_8==9) | (ech$e51_6==3 & ech$e51_8==9)), 2,ech$niveledu) -->
<!-- #Aprobaron alg?n a?o de educaci?n t?cnica (e51_7) que requer?a primaria completa (e51_7_1==3) -->
<!-- ech$niveledu=ifelse((ech$e51_7 != 0 & ech$e51_7_1==3), 2,ech$niveledu) -->
<!-- #UTU -->
<!-- #Aprobaron alg?n a?o de educaci?n t?cnica (e51_7) que requer?a secundaria o ciclo b?sico completo (ech$e51_7_1<3) o primaria completa (e51_7_1==3), no tienen educaci?n terciaria (e51_8, e51_9, e51_10) -->
<!-- ech$niveledu=ifelse((((ech$e51_7>0 & ech$e51_7<=9 & ech$e51_7_1<3) | (ech$e51_7!= 0 & ech$e51_7_1==3 & ech$e51_4==0 & ech$e51_5==0 & ech$e51_6==0)) & (ech$e51_8==0 & ech$e51_9==0 & ech$e51_10==0)), 3,ech$niveledu) -->
<!-- #MAGISTERIO O PROFESORADO -->
<!-- #Aprobaron alg?n a?o de magisterio o profesorado (e51_8) pero no universidad o similar, terciario no universitario ni posgrado -->
<!-- ech$niveledu=ifelse((ech$e51_8>0 & ech$e51_8<=5) & (ech$e51_9==0 & ech$e51_10==0 & ech$e51_11==0), 4,ech$niveledu) -->
<!-- #UNIVERSIDAD -->
<!-- #Aprobaron alg?n a?o de universidad o similar (e51_9), terciario no universitario (e51_10) o posgrado (e51_11) -->
<!-- ech$niveledu=ifelse((ech$e51_9>0 & ech$e51_9<=9) | (ech$e51_10>0 & ech$e51_10<=9) | (ech$e51_11>0 & ech$e51_11<=9), 5,ech$niveledu) -->
<!-- # Vector para a?o del reporte -->
<!-- niveledu <- numeric(140) -->
<!-- #Calculo proporciones por nivel educativo seg?n departamento y las asigno al vector niveledu -->
<!-- for (depart in seq(1,19)) { -->
<!-- niveledu_dpto <- svytable(~subset(ech$niveledu,ech$dpto==depart&ech$e27>24),subset(dise?o,ech$dpto==depart&ech$e27>24),Ntotal=100) -->
<!-- for (niveles in seq(1,6)) { -->
<!-- niveledu[depart*7-7+niveles] <- niveledu_dpto[niveles] -->
<!-- } -->
<!-- niveledu[depart*7] <- sum(niveledu_dpto) -->
<!-- } -->
<!-- #Calculo proporciones por nivel educativo para total pa?s y las asigno al final del vector -->
<!-- niveledu_tot<-svytable(~subset(ech$niveledu,ech$e27>24),subset(dise?o,ech$e27>24), Ntotal=100) -->
<!-- for (niveles in seq(1,6)) { -->
<!-- niveledu[133+niveles] <- niveledu_tot[niveles] -->
<!-- } -->
<!-- niveledu[140] <- sum(niveledu_tot) -->
<!-- I20 <- niveledu -->
<!-- aux<-read.csv("T:/Informes Departamentales/Insumos/CSVs/I20_Nivel_Edu.csv", sep=",", check.names = FALSE) -->
<!-- anios<-as.vector(names(aux)) -->
<!-- d<-as.numeric(bbbb)-as.numeric(anios[3])+3 -->
<!-- aux[,d]<-I20 -->
<!-- names(aux)[d]<-c(as.character(as.numeric(aaaa)-1)) -->
<!-- write.table(aux, "T:/Informes Departamentales/Insumos/CSVs/I20_Nivel_Edu.csv", row.names=FALSE, sep=",") -->
<!-- #Genero variables de finalizaci?n de primaria, Ciclo B?sico y Educaci?n Media Superior. -->
<!-- #Asisti? a educaci?n primaria (e197==2), y finaliz? (e197_1==1) -->
<!-- ech$primaria_fin <- ifelse(ech$e197==2 & ech$e197_1==1,1,0) -->
<!-- #Asiste o asisti? a educaci?n media (e201==1|e201==2), y complet? 3 a?os de Ciclo B?sico (e51_4==3) -->
<!-- ech$CB_fin <- ifelse((ech$e201==1 | ech$e201==2) & ech$e51_4==3,1,0) -->
<!-- #Asiste o asisti? a educaci?n media, y complet? 3 a?os de Bachillerato (e51_5==3) -->
<!-- ech$EMS_fin <- ifelse((ech$e201==1 | ech$e201==2) & (ech$e51_5==3| ech$e51_6==3),1,0) -->
<!-- ech$primaria=ifelse(ech$e27>13 & ech$e27<16,1,0) -->
<!-- dise?o = svydesign(id=~numero, strata=~estred13, data=ech, weights=~pesoano) -->
<!-- dedo<-subset(dise?o,e27>13 & e27<16) -->
<!-- dedo2<-subset(dise?o,e27>16 & ech$e27<19) -->
<!-- dedo3<-subset(dise?o,ech$e27>20 & ech$e27<23) -->
<!-- primaria<-svyby(~primaria_fin,~dpto,design=dedo,svymean)*100 -->
<!-- cb<-svyby(~CB_fin,~dpto,design=dedo2,svymean)*100 -->
<!-- ems<-svyby(~EMS_fin,~dpto,design=dedo3,svymean)*100 -->
<!-- primaria_t=svytable(~primaria_fin,dedo, Ntotal=100)[2] -->
<!-- cb_t=svytable(~CB_fin,dedo2, Ntotal=100)[2] -->
<!-- ems_t=svytable(~EMS_fin,dedo3, Ntotal=100)[2] -->
<!-- I22 <- c(primaria[,2],primaria_t,cb[,2],cb_t,ems[,2],ems_t) -->
<!-- aux<-read.csv("T:/Informes Departamentales/Insumos/CSVs/I22.csv", sep=";", check.names = FALSE) -->
<!-- anios<-as.vector(names(aux)) -->
<!-- d<-as.numeric(bbbb)-as.numeric(anios[3])+3 -->
<!-- aux[,d]<-I22 -->
<!-- names(aux)[d]<-c(as.character(as.numeric(aaaa)-1)) -->
<!-- # aux$`2018`=round(aux$`2018`,1) ##esto se corre una vez, cuando no est? el ultimo dato a?n. -->
<!-- # aux$`2018`= sub(".", ",", aux$`2018`, fixed = TRUE) ##esto se corre una vez, cuando no est? el ultimo dato a?n. -->
<!-- write.table(aux, "T:/Informes Departamentales/Insumos/CSVs/I22_Culmina_ciclos.csv", row.names=FALSE, sep=",") -->
<!-- ``` -->
<!-- --- -->
<!-- # Gráfico: estimaciones y márgenes de error -->
<!-- ```{r eval = FALSE} -->
<!-- library(ggplot2) -->
<!-- tabla %>% -->
<!-- # gráfico -->
<!-- ggplot(aes(x = e26, y = estimacion, group = e26, -->
<!-- ymax = estimacion_upp, ymin = estimacion_low)) + -->
<!-- # barras -->
<!-- geom_bar(stat = "identity", position = "dodge", fill = 'purple', alpha = 0.5) + -->
<!-- # error -->
<!-- geom_errorbar(position = position_dodge(width = 0.9), width = 0.1) + -->
<!-- labs(x = 'Departamento', y = 'Tasa de actividad', -->
<!-- title = 'Tasa de actividad según sexo', -->
<!-- caption = 'Fuente: ECH 2019') + -->
<!-- theme_minimal() + theme(axis.text.x = element_text(angle = 60, hjust = 1)) -->
<!-- ``` -->
<!-- --- -->
<!-- class: center -->
<!-- # -->
<!-- ```{r eval = FALSE, echo = FALSE, warning=FALSE} -->
<!-- library(ggplot2) -->
<!-- diseno_ech_srvyr %>% -->
<!-- group_by(nomdpto) %>% -->
<!-- summarize(pobre_dpto = survey_mean(pobre, vartype = "ci", deff = TRUE)) %>% -->
<!-- ggplot(aes(x = nomdpto, y = pobre_dpto, group = nomdpto, -->
<!-- ymax = pobre_dpto_upp, ymin = pobre_dpto_low)) + -->
<!-- geom_bar(stat = "identity", position = "dodge", fill = 'purple', alpha = 0.5) + -->
<!-- geom_errorbar(position = position_dodge(width = 0.9), width = 0.1) + -->
<!-- labs(x = 'Departamento', y = 'Proporción hogares pobres', -->
<!-- title = 'Proporción de hogares pobres según departamento', -->
<!-- caption = 'Fuente: ECH 2018') + -->
<!-- theme(axis.text.x = element_text(angle = 60, hjust = 1)) -->
<!-- ``` -->
<!-- # Intervalo de confianza -->
<!-- - La interpretación de un intervalo de confianza no refiere a un intervalo particular sino a todos los posibles intervalos que se pueden construir para cierto nivel de confianza y tamaño de muestra. -->
<!-- - Una correcta interpretación de un intervalo de confianza al 5% para la media poblacional μ serı́a decir: que si se eligieran muchas muestras, se puede esperar que el 95% de los intervalos aleatorios generados por esas respectivas muestras contengan a la media poblacional. -->
<!-- - confint(object, parm, level = 0.95) -->
<!-- - parm: especificación del parámetro -->
<!-- - level: el nivel de confianza. Por defecto es 95% -->
<!-- - Se obtiene una matriz o vector cuyas columnas indican el extremo izquierdo y derecho del intervalo de confianza para la estimación puntual -->
<!-- --- -->
<!-- # Error de muestreo -->
<!-- --- -->
<!-- # Coeficiente de variación -->
<!-- --- -->
<!-- # Factor de corrección de poblaciones finitas -->
<!-- - Incorporamos información: estrato y tamaño del estrato en la población -->
<!-- - Ası́ calculamos el f pc = 1 − n h /N h -->
<!-- - fpc: factor de corrección de poblaciones finitas, para corregir la -->
<!-- varianza del estimador -->
<!-- --- -->
<!-- # Visualización -->
<!-- https://socviz.co/modeling.html#plots-from-complex-surveys -->
<!-- el diseño muestral aproximado, corresponde a un diseño estratificado porconglomerados en una etapa, en donde los estratos son idénticos a los del diseño muestral de laECH y lasPSUsson los hogares y los ponderadores muestrales son los que provee la encuesta(pesomen, pesotri y pesoano según el período de referencia) -->
<!-- DEFF =efecto de diseño definido como el cociente de la varianza obtenida en la estimación con el diseño utilizado, entre la varianza obtenida considerando un muestreo aleatorio simple con un mismo tamaño de muestra. -->
<!-- La precisión de las estimaciones depende: -->
<!-- La estrategia de selección (diseño muestral) -->
<!-- Método utilizado para el cálculo -->
<!-- ponderadores (e.g. calibración). -->
<!-- de -->
<!-- los -->
<!-- Generalmente estamos interesados en calcular el error -->
<!-- estándar del estimador (SE = √Var) -->
<!-- Las formulas utilizada para el cálculo de los SE depende -->
<!-- del diseño y el método de ponderación -->
<!-- calcular las estimaciones de los -->
<!-- distintos indicadores de una encuesta por muestreo: -->
<!-- Totales -->
<!-- Promedios y proporciones -->
<!-- Ratios -->
<!-- Percentiles -->
<!-- --- -->
<!-- # Muestra vs. Población -->
<!-- ```{r echo=FALSE} -->
<!-- library(ech) -->
<!-- ``` -->
<!-- Conjunto | Hogares | Personas -->
<!-- -------- | ---------- |------------ -->
<!-- Muestra |107.871 | 107.871 -->
<!-- Población | 3.517.931|3.517.931 -->
<!-- - Una correcta especificación del diseño de muestreo nos permitirá extrapolar los resultados a toda la población, es decir, hacer estimaciones puntuales y por intervalo. -->
<!-- <br><br> -->
<!-- -- -->
<!-- - Para obtener estimaciones de los diferentes indicadores de interés utilizo el paquete 'survey' o 'svryr'. -->
<!-- <br><br> -->
<!-- -- -->
<!-- - Podría calcularlas 'a mano' pero sería más trabajoso, sobre todo calcular las varianzas de los estimadores para así obtener los intervalos de confianza. -->
</textarea>
<style data-target="print-only">@media screen {.remark-slide-container{display:block;}.remark-slide-scaler{box-shadow:none;}}</style>
<script src="https://remarkjs.com/downloads/remark-latest.min.js"></script>
<script>var slideshow = remark.create({
"highlightStyle": "github",
"highlightLines": true,
"countIncrementalSlides": false,
"ratio": "16:9",
"slideNumberFormat": "<div class=\"progress-bar-container\"> <div class=\"progress-bar\" style=\"width: calc(%current% / %total% * 100%);\"> </div> </div>"
});
if (window.HTMLWidgets) slideshow.on('afterShowSlide', function (slide) {
window.dispatchEvent(new Event('resize'));
});
(function(d) {
var s = d.createElement("style"), r = d.querySelector(".remark-slide-scaler");
if (!r) return;
s.type = "text/css"; s.innerHTML = "@page {size: " + r.style.width + " " + r.style.height +"; }";
d.head.appendChild(s);
})(document);
(function(d) {
var el = d.getElementsByClassName("remark-slides-area");
if (!el) return;
var slide, slides = slideshow.getSlides(), els = el[0].children;
for (var i = 1; i < slides.length; i++) {
slide = slides[i];
if (slide.properties.continued === "true" || slide.properties.count === "false") {
els[i - 1].className += ' has-continuation';
}
}
var s = d.createElement("style");
s.type = "text/css"; s.innerHTML = "@media print { .has-continuation { display: none; } }";
d.head.appendChild(s);
})(document);
// delete the temporary CSS (for displaying all slides initially) when the user
// starts to view slides
(function() {
var deleted = false;
slideshow.on('beforeShowSlide', function(slide) {
if (deleted) return;
var sheets = document.styleSheets, node;
for (var i = 0; i < sheets.length; i++) {
node = sheets[i].ownerNode;
if (node.dataset["target"] !== "print-only") continue;
node.parentNode.removeChild(node);
}
deleted = true;
});
})();
// adds .remark-code-has-line-highlighted class to <pre> parent elements
// of code chunks containing highlighted lines with class .remark-code-line-highlighted
(function(d) {
const hlines = d.querySelectorAll('.remark-code-line-highlighted');
const preParents = [];
const findPreParent = function(line, p = 0) {
if (p > 1) return null; // traverse up no further than grandparent
const el = line.parentElement;
return el.tagName === "PRE" ? el : findPreParent(el, ++p);
};
for (let line of hlines) {
let pre = findPreParent(line);
if (pre && !preParents.includes(pre)) preParents.push(pre);
}
preParents.forEach(p => p.classList.add("remark-code-has-line-highlighted"));
})(document);</script>
<script>
(function() {
var links = document.getElementsByTagName('a');
for (var i = 0; i < links.length; i++) {
if (/^(https?:)?\/\//.test(links[i].getAttribute('href'))) {
links[i].target = '_blank';
}
}
})();
</script>
<script>
slideshow._releaseMath = function(el) {
var i, text, code, codes = el.getElementsByTagName('code');
for (i = 0; i < codes.length;) {
code = codes[i];
if (code.parentNode.tagName !== 'PRE' && code.childElementCount === 0) {
text = code.textContent;
if (/^\\\((.|\s)+\\\)$/.test(text) || /^\\\[(.|\s)+\\\]$/.test(text) ||
/^\$\$(.|\s)+\$\$$/.test(text) ||
/^\\begin\{([^}]+)\}(.|\s)+\\end\{[^}]+\}$/.test(text)) {
code.outerHTML = code.innerHTML; // remove <code></code>
continue;
}
}
i++;
}
};
slideshow._releaseMath(document);
</script>
<!-- dynamically load mathjax for compatibility with self-contained -->
<script>
(function () {
var script = document.createElement('script');
script.type = 'text/javascript';
script.src = 'https://mathjax.rstudio.com/latest/MathJax.js?config=TeX-MML-AM_CHTML';
if (location.protocol !== 'file:' && /^https?:/.test(script.src))
script.src = script.src.replace(/^https?:/, '');
document.getElementsByTagName('head')[0].appendChild(script);
})();
</script>
</body>
</html>