-
Notifications
You must be signed in to change notification settings - Fork 0
/
IPM_indicadores.R
216 lines (187 loc) · 11 KB
/
IPM_indicadores.R
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
# DEFINICIÓN DE INDICADORES #
# criterios:
# hacer eficiente el código usando lappply o similar con purrr
#### CARGO BASE Y DEFINO VARIABLES ####
rm(list=ls())
library(haven)
library(tidyverse)
library(srvyr)
library(survey)
options(scipen=999)
# defino el operador "notin"
`%notin%` <- Negate(`%in%`)
# cargo la base
ech <- read.csv("C:/Users/tlapunov/Documents/ECH/ECH 2021/SEMESTRE 2/ECH_implantacion_sem2_2021.csv")
# esta es la corregida por Caro por aquellos casos que no tenían monto del alquiler en los inquilinos
ech_correg <- read.csv("C:/Users/tlapunov/Documents/ECH/ECH 2021/SEMESTRE 2/ECH_implantacion_sem2_2021_corregida.csv")
# borro las variables que están mal y le pego los de la base corregida
ech <- ech %>% select(-c(d8_1,d8_3,d8_4))
ech_correg <- ech_correg %>% select(ID,nper,d8_1,d8_3,d8_4)
ech <- ech %>% left_join(ech_correg)
# borro base de corrección
rm(ech_correg)
# cambio nombre a ponderador y elimino el trimestral
ech <- ech %>% rename(pesosem=w_sem)
ech$w_tri <- NULL
# genero variables por persona
# renombro variables de techo, piso y paredes
ech$paredes <- ech$c2
ech$techos <- ech$c3
ech$pisos <- ech$c4
# cambio los "9" en educación (están cursando pero no terminaron) por cero
ech <- ech %>% mutate(across(contains("e51_"), ~ ifelse(. == 9, 0, .)))
# genero variable para indicador de tenencia segura
ech <- ech %>% group_by(ID) %>% mutate(ingreso=sum(ysvl)) %>% ungroup()
ech <- ech %>% mutate(division_tenencia=ifelse(ingreso==0,0,d8_3/ingreso))
# genero resto de variables
ech <- ech %>% mutate(anios_educ=e51_2 + e51_3 + e51_4_a + e51_4_b + e51_5 + e51_6,
no_asiste=ifelse(e27 %in% c(4:17) & e49!=3,1,0),
no_asiste_opc_3=ifelse(e27 %in% c(4:17) & e49!=3 & anios_educ<12,1,0),
priv_escolaridad=ifelse(e27>17 & e27<60 & anios_educ<12,1,0),
escolaridad_opc3=ifelse(e27>=18 & ( (e27<=59 & e27>28 & anios_educ<9) |
(e27>=60 & anios_educ<6) |
(e27>28 & anios_educ<12)),1,0),
escolaridad_opc5=ifelse(e27>17 & e27<60 & anios_educ<9,1,0),
rezago=ifelse((e27>= 6 & e27 <= 20) & (e49==3) & (e27 - anios_educ) >= 9, 1, 0),
rezago_opc2=ifelse((e49==3) & (e27 - anios_educ) >= 9, 1, 0),
priv_internet=ifelse(d21_16_1!=1,1,0),
priv_internet_2=ifelse(d21_16==2,1,0),
ten_segura_1=ifelse(d8_1 %in% c(3,4,9) | (d8_1==5 & division_tenencia>0.3),1,0),
ten_segura_2=ifelse(d8_1 %in% c(3,4,9),1,0),
ten_segura_3=ifelse(d8_1 %in% c(3,4,9) | c6==2,1,0),
ten_segura_4=ifelse(d8_1 %in% c(3,4,9) | (d8_1==5 & division_tenencia>0.3) | c6==2,1,0),
espacio_cocinar=ifelse(d19==3,1,0),
vivienda_nbi=ifelse((techos == 6) | (paredes == 6) | (pisos == 5), 1, 0),
hacinam_simple=ifelse(ht19/d9>2,1,0),
hacinam_d10=ifelse(ht19/d10>2, 1, 0),
priv_agua_potable=ifelse((d12 == 2 | d12 == 3) | (d11 != 1 & d11 != 3), 1, 0),
priv_banio=ifelse(d13 == 3, 1, 0),
priv_banio_o_compartido=ifelse((d13 == 3) | (d15 == 2), 1, 0),
priv_atencion_salud=ifelse(e45_cv==7, 1, 0),
priv_salud_emerg=ifelse(e45_cv==7 | e46_cv==2,1,0),
menores=ifelse(e27<19,1,0),
tramo_0_3=ifelse(e27<4,1,0),
tramo_0_21=ifelse(e27<21,1,0),
tramo_4_5=ifelse(e27>3 & e27<6,1,0),
tramo_6_11=ifelse(e27>5 & e27<12,1,0),
tramo_12_14=ifelse(e27>11 & e27<15,1,0),
tramo_15_18=ifelse(e27>14 & e27<19,1,0),
tramo_4_18=ifelse(e27>3 & e27<19,1,0),
tramo_0_20=ifelse(e27<=20,1,0),
tramo_18_59=ifelse(e27>=18 & e27<60,1,0),
tramo_4_18=ifelse(e27>=4 & e27<=18,1,0),
mayores_2=ifelse(e27>2,1,0),
cond_lab1=ifelse(f266_2==2,1,0),
cond_lab2=ifelse(f267==2,1,0),
cond_lab3=ifelse(f268==2,1,0),
cond_lab4=ifelse(f101 %in% c(6,7),1,0),
empleo_opc_1=ifelse((f73 %in% c(1,2,8) & ((cond_lab1+cond_lab2+cond_lab3+cond_lab4)>1 | subempleo==1 | f84==2 | (f278==2 & f279 %in% c(2,3,4)))) | # dep
(f73 %in% c(3,4,9) & (f306==2 | f305==7)) | # indep
f73==7,1,0), # miembro de hogar no remunerado
empleo_opc_2=ifelse((f73 %in% c(1,2,8) & ((cond_lab1+cond_lab2+cond_lab3+cond_lab4)>1 | subempleo==1 | (f278==2 & f279 %in% c(2,3,4)))) | # dep
(f73 %in% c(3,4,9) & (f306==2 | f305==7)) | # indep
f73==7,1,0), # miembro de hogar no remunerado,
empleo_opc_3=ifelse((f73 %in% c(1,2,8) & ((cond_lab1+cond_lab2+cond_lab3+cond_lab4)>1 | subempleo==1 | (f278==2 & f279 %in% c(2,3,4)))) | # dep
(f73 %in% c(3,4,9) & (f306==2 | f305==7)),1,0), # indep
desempleo_opc1=ifelse(pobpcoac %in% c(4,5) & (f113>8 | f108==4 | f117==2),1,0),
desempleo_opc2=ifelse((pobpcoac %in% c(4,5) & (f113>8 | f108==4 | f117==2)) | f108==5,1,0),
desempleo_opc3=ifelse((pobpcoac %in% c(3,4,5) & (f113>8 | f108==4 | f117==2)) | f108==5,1,0),
desempleo_opc4=ifelse((pobpcoac %in% c(3,4,5) & (f113>8 | f117==2)),1,0),
desaliento=ifelse(f108==4 & f299==2 & f300==1 & f106==1,1,0),
desocup=ifelse(pobpcoac %in% c(4,5),1,0),
inactivos=ifelse(pobpcoac %in% c(6,9,10,11),1,0),
inac_may_21=ifelse(pobpcoac %in% c(6,9,10,11) & e27>21,1,0),
inact_opc1=ifelse(pobpcoac %in% c(6,9,10,11) & g_it_1!=1 & g_it_2!=1,1,0),
inact_opc2=ifelse(pobpcoac %in% c(6,9,10,11) & g_it_1!=1 & g_it_2!=1 & e27>21,1,0),
inact_opc4=ifelse(e27>=60 & g_it_1!=1 & g_it_2!=1,1,0),
nini=ifelse(e27<21 & e49!=3 & pobpcoac!=2,1,0),
nini_4=ifelse(e27 %in% c(15:29) & e49!=3 & pobpcoac!=2,1,0),
nini_5=ifelse(e27 %in% c(16:24) & e49!=3 & pobpcoac!=2,1,0),
calefaccionar_calentar=ifelse(d260==6 | (d21_1==2 & d21_2==2),1,0))
# genero variable de problemas de vivienda
x <- ech %>% select(c5_1:c5_12)
ech$problemas_vivienda <- 0
for (i in x) {
ech$problemas_vivienda <- ifelse(i==1,ech$problemas_vivienda+1,ech$problemas_vivienda)
}
rm(x,i)
# modifico variables para asignar como NA los que no son población de referencia (a partir del 17/10, desde versión 7 del "Versiones IPM")
ech <- ech %>% mutate(no_asiste_opc_3=ifelse(e27 %notin% c(4:17),NA,no_asiste_opc_3),
rezago=ifelse(e27 %notin% c(6:20),NA,rezago),
priv_escolaridad=ifelse(e27 %notin% c(18:59),NA,priv_escolaridad),
empleo_opc_4=ifelse(e27 %notin% c(25:59),NA,empleo_opc_4),
desempleo_opc4=ifelse(pobpcoac %notin% c(2:5),NA,desempleo_opc4),
inact_opc4=ifelse(e27<60,NA,inact_opc4),
nini_5=ifelse(e27 %notin% c(16,24),NA,nini_5))
# genero variables por hogar y luego desagrupo la base
ech <- ech %>%
group_by(ID) %>%
mutate(no_asiste_al_menos_1=max(no_asiste),
hh_no_asiste_opcion_3=max(no_asiste_opc_3),
asistencia_hogar=max(e49==3),
escol_al_menos_1=max(priv_escolaridad),
hh_escol_5=max(escolaridad_opc5),
cant_tramo_18_59=sum(tramo_18_59),
cant_tramo_4_18=sum(tramo_4_18),
cant_may_5=sum(e27>=5),
hh_problemas_vivienda=ifelse(problemas_vivienda>=3,1,0),
escol_todos=ifelse(sum(priv_escolaridad)==cant_tramo_18_59 & cant_tramo_18_59>0,1,0),
no_asiste_ninguno=ifelse(sum(no_asiste)==cant_tramo_4_18 & cant_tramo_4_18>0,1,0),
rezago_al_menos_1=max(rezago),
hh_rezago_opc2=max(rezago_opc2),
hacinam_simple=max(hacinam_simple),
hacinam_ninios=ifelse((ht19-sum(e27<3))/d9>2,1,0),
hacinam_d10_ninios=ifelse((ht19-sum(e27<3))/d10>2,1,0),
hacinam_d10=max(hacinam_d10),
salud_priv_hogar=max(priv_atencion_salud),
priv_salud_emerg_hogar=max(priv_salud_emerg),
menores=max(menores),
hh_tramo_0_3=max(tramo_0_3),
hh_tramo_4_5=max(tramo_4_5),
hh_tramo_6_11=max(tramo_6_11),
hh_tramo_12_14=max(tramo_12_14),
hh_tramo_15_18=max(tramo_15_18),
hh_tramo_4_18=max(tramo_4_18),
hh_tramo_0_20=max(tramo_0_20),
hh_tramo_18_59=max(tramo_18_59),
hh_mayores_2=max(mayores_2),
hh_tramo_0_21=max(tramo_0_21),
tamanio_hogar=case_when(max(nper)==1 ~ "1",
max(nper)==2 ~ "2",
max(nper)==3 ~ "3",
max(nper)==4 ~ "4",
max(nper)>=5 ~ "5+",),
hh_desocup=max(pobpcoac %in% c(4,5)),
hh_ocupados=max(pobpcoac==2),
hh_inactivos=max(pobpcoac %in% c(6,9,10,11)),
hh_inac_may_21=max(inac_may_21),
informales_al_menos_1=max(pobpcoac==2 & f82==2),
hh_empleo_opc_1=max(empleo_opc_1),
hh_empleo_opc_2=max(empleo_opc_2),
hh_empleo_opc_3=max(empleo_opc_3),
hh_desempleo_opc1=max(desempleo_opc1),
hh_desempleo_opc2=max(desempleo_opc2),
hh_desempleo_opc3=max(desempleo_opc3),
hh_desempleo_opc4=max(desempleo_opc4),
hh_desaliento=max(desaliento),
hh_inac_opc1=max(inact_opc1),
hh_inact_opc2=max(inact_opc2),
hh_inact_opc4=max(inact_opc4),
hh_inact_opc5=max(inact_opc5),
hh_nini=max(nini),
hh_nini4=max(nini_4),
tic_cantidad=d21_15_2+d21_15_4+d21_15_6,
tic_cant_por_pers=cant_may_5/(d21_15_2+d21_15_4+d21_15_6),
brecha_digital_1=ifelse(tic_cantidad==0,1,0),
brecha_digital_2=ifelse(tic_cant_por_pers>1,1,0),
brecha_digital_3=ifelse(tic_cantidad==0 | priv_internet==1)) %>%
ungroup()
# genero variable que categoriza al quintil que pertenece el hogar
temp_quint <- quantile(ech$ht11, probs=c(0.2,0.4,0.6,0.8))
ech <- ech %>% mutate(quintiles=case_when(ht11<temp_quint[1] ~ "Quintil 1",
ht11>=temp_quint[1] & ht11<temp_quint[2] ~ "Quintil 2",
ht11>=temp_quint[2] & ht11<temp_quint[3] ~ "Quintil 3",
ht11>=temp_quint[3] & ht11<temp_quint[4] ~ "Quintil 4",
ht11>=temp_quint[4] ~ "Quintil 5"))
# pondero
ech_w <- ech %>% as_survey_design(id=0, weights = pesosem)