CoCalc -- Grupo_1

GitHub Repository: robertopucp/1eco35_2022_2
Path: blob/main/Trabajo_grupal/WG6/Grupo_1_R.R
²⁷¹⁴ views
1

2
###########################################  GRUPO 1 ############################################
3
#####################################  Miembros del grupo  ######################################
4
# 20163197, Enrique Alfonso Pazos
5
# 20191894, Ilenia Ttito
6
# 20151595, Rodrigo Ramos
7
# 20193469, Luis Eguzquiza
8
# 20163377, Jean Ni�o de Guzman
9

10
library(haven)  # leer archivos spss, stata, dbf, etc
11
library(dplyr)
12
library(haven)  # leer archivos spss, stata, dbf, etc
13
library(fastDummies) # crear dummy
14
library(srvyr)  # libreria para declarar el diseño muestral de una encuesta
15
library(survey)
16

17

18
##########################################  Pregunta 1 ##########################################
19
# Directorio
20
user <- Sys.getenv("USERNAME") 
21
setwd( paste0("C:/Users/",user,"/Documents/GitHub/1ECO35_2022_2") ) 
22

23
#2019
24
enaho_mod01_2019 <- read_dta("../../Enaho/2019/687-Modulo01/enaho01-2019-100.dta")
25
enaho_mod34_2019 <- read_dta("../../Enaho/2019/687-Modulo34/sumaria-2019.dta")
26
#2020
27
enaho_mod01_2020 <- read_dta("../../Enaho/2020/737-Modulo01/737-Modulo01/enaho01-2020-100.dta")
28
enaho_mod34_2020 <- read_dta("../../Enaho/2020/737-Modulo34/737-Modulo34/sumaria-2020.dta")
29

30
#Nos quedamos solo con variables relevantes
31
enaho_mod01_2019<-enaho_mod01_2019[,c("a�o", "conglome", "vivienda", "hogar", "ubigeo")]
32
enaho_mod01_2020<-enaho_mod01_2020[,c("a�o", "conglome", "vivienda", "hogar", "ubigeo")]
33

34
#Renombramos a�o como Year
35
enaho_mod01_2019<-enaho_mod01_2019 %>% rename(Year = a�o)
36
enaho_mod01_2020<-enaho_mod01_2020 %>% rename(Year = a�o)
37

38
#Merge ambas bases
39
Enaho_2019<-merge(enaho_mod01_2019,enaho_mod34_2019, by=c("vivienda", "hogar", "ubigeo"),all.x = TRUE)
40
Enaho_2020<-merge(enaho_mod01_2020,enaho_mod34_2020, by=c("vivienda", "hogar", "ubigeo"),all.x = TRUE)
41

42

43
Enaho_2019_2020<-bind_rows(Enaho_2019,Enaho_2020)
44
dep<-substr(Enaho_2019_2020$ubigeo,start = 1,stop=2)
45
dep<-as.numeric(dep)
46
dep <- data.frame(dep)
47
Enaho_2019_2020 <- cbind(Enaho_2019_2020, dep)
48

49
deflactor_temporal <- read_dta("../../Enaho/2020/737-Modulo34/737-Modulo34/ConstVarGasto-Metodologia actualizada/Gasto2020/Bases/deflactores_base2020_new.dta")
50

51
deflactor_temporal<-deflactor_temporal %>% rename(dep = dpto)
52
deflactor_temporal<-deflactor_temporal %>% rename(Year = aniorec)
53

54

55
merg_final<-merge(Enaho_2019_2020,deflactor_temporal, by =c("dep","Year"),all.x = TRUE)
56

57
# Deflacto entre la variable "mieperho", 12, "ld", "i00"
58

59
merg_final$inghog1d<- merg_final$inghog1d/merg_final$mieperho
60
merg_final$gashog2d<- merg_final$gashog2d/merg_final$mieperho
61

62
merg_final$inghog1d<- merg_final$inghog1d/12
63
merg_final$gashog2d<- merg_final$gashog2d/12
64

65
merg_final$inghog1d<- merg_final$inghog1d/merg_final$ld
66
merg_final$gashog2d<- merg_final$gashog2d/merg_final$ld
67

68
merg_final$inghog1d<- merg_final$inghog1d/merg_final$i00
69
merg_final$gashog2d<- merg_final$gashog2d/merg_final$i00
70

71
# Base de datos final:
72
merg_final
73

74
##########################################  Pregunta 2 ##########################################
75

76
##
77
## Salario por hora del trabajador dependiente
78
##
79

80
# Leemos la base de datos de la ENAHO
81
df <- read_dta("../../Enaho/2020/737-Modulo05/737-Modulo05/enaho01a-2020-500.dta")
82

83
# Utilizamos fillna para reemplazar todos los missing values con 0 
84
# Solo lo hacemos en las variables que ser?n ?tiles para el c?lculo del salario por hora 
85
df <- mutate_at(df, c("i524e1","i538e1","i513t","i518"), ~replace(., is.na(.), 0))
86

87
# Creamos la variable salario_hora con la f?rmula de salario por hora especificado en la tarea
88
salario_hora <- ( (df$i524e1)+(df$i538e1) ) / ( ( (df$i513t) + (df$i518) ) * 52 )
89

90
# A?adimos la nueva variable a la base de datos
91
df <- cbind(df, salario_hora)
92

93
# Reemplazamos los 0 por Nan en la columna salario_hora
94
# Esto con la finalidad de indicar que no hay datos para esas filas
95
df$salario_hora[df$salario_hora == 0] <- NaN
96
df$salario_hora
97

98
##########################################  Pregunta 3 ##########################################
99

100
##
101
## Group By
102
##
103

104
#Se cargan las bases de datos del modulo02 y modulo34
105
#Modulo02:
106
enaho02 <- data.frame(
107
  read_dta("../../Enaho/2020/737-Modulo02/737-Modulo02/enaho01-2020-200.dta")
108
)
109
#Modulo34
110
enaho34 <- data.frame(
111
  read_dta("../../Enaho/2020/737-Modulo34/737-Modulo34/sumaria-2020.dta")
112
)
113

114
#Se seleccionan las variables que necesarias para cada m?dulo (para identificar individuos en hogares y conocer la edad y pobreza del hogar)
115
enaho02 <- enaho02[ , c("conglome", "vivienda", "hogar","p208a") ]
116

117
enaho34 <- enaho34[ , c("conglome", "vivienda", "hogar","pobreza") ]
118

119

120
#Se aplica el groupby para el m?dulo02:
121

122
enaho02 <- enaho02%>%
123
  group_by(conglome, vivienda, hogar)%>%
124
  summarise(max(p208a)) #Se indica que se extraiga el mayor valor de edad de cada hogar
125

126
#Merge
127
#Se juntan las bases de datos en base a las variables de conglome, vivienda y hogar. Se tiene como base maestra el modulo02
128
enaho_merge <- merge(enaho02, enaho34,
129
                     by = c("conglome", "vivienda", "hogar"),
130
                     all.x = T
131
)
132

133
#Se renombra a la variable p208a por "edad":
134
names (enaho_merge)[4] = "edad"
135

136
#Dummy
137
#Se crea una dummy con los criterios:
138
#Si el hogar tiene al menos un integrante mayor de 65 y est?n en pobreza, se le coloca 1
139
#Todos los dem?s casos se les coloca 0
140
#Adem?s, se indica que en caso se tengan datos na, estos no tengan un 0, sino que se les asigne un NA
141
enaho_merge <- enaho_merge %>%
142
  mutate(dummy_pobre = ifelse( (enaho_merge$p208a > 65 & enaho_merge$pobreza < 3) , 
143
                               1, 
144
                               ifelse(!is.na(enaho_merge$p208a |!is.na(enaho_merge$pobreza)),
145
                                      0, 
146
                                      NA) ) ) 
147

148

149
##########################################  Pregunta 4 ##########################################
150

151
##
152
## Indicadores
153
##
154

155
# Leemos la base de datos del modulo 37 y 34 de la ENAHO
156
enaho37 = data.frame(read_dta("../../Enaho/2020/737-Modulo37/737-Modulo37/enaho01-2020-700.dta"))
157

158
enaho34 = data.frame(read_dta("../../Enaho/2020/737-Modulo34/737-Modulo34/sumaria-2020.dta"))
159

160
#Nos quedamos solo con variables relevantes de ambos m?dulos
161

162
enaho37 <- enaho37[,c("p710_04", "factor07", "conglome", "vivienda", "hogar" ,"ubigeo", "estrato")]
163

164
enaho34 <- enaho34[ ,c("gru51hd", "gashog2d", "factor07", "conglome", "vivienda", "hogar" ,"ubigeo", "estrato")]
165

166

167
#Primero, especificamos el dise?o de las encuestas
168
# ids: conglomerado, strato: estrato y wieght : factor de expansi?n
169

170
encuesta_enaho37 <- enaho37  %>% as_survey_design(ids = conglome, 
171
                                                  strata = estrato, 
172
                                                  weight = factor07)
173

174
encuesta_enaho34 <- enaho34  %>% as_survey_design(ids = conglome, 
175
                                                  strata = estrato, 
176
                                                  weight = factor07)
177

178

179
#Obtenemos la variable de ubigeo de cada regi?n de ambos m?dulos
180

181
enaho37['ubigeo_dep'] = substr(enaho37$ubigeo, 1, 2)
182

183
enaho37 <- enaho37 %>% 
184
  mutate(region = case_when(ubigeo_dep == "01" ~ "Amazonas",
185
                            ubigeo_dep == "02" ~ "Ancash",
186
                            ubigeo_dep == "03" ~ "Apurimac",
187
                            ubigeo_dep == "04" ~ "Arequipa",
188
                            ubigeo_dep == "05" ~ "Ayacucho",
189
                            ubigeo_dep == "06" ~ "Cajamarca",
190
                            ubigeo_dep == "07" ~ "Callao",
191
                            ubigeo_dep == "08" ~ "Cusco",
192
                            ubigeo_dep == "09" ~ "Huancavelica",
193
                            ubigeo_dep == "10" ~ "Huanuco",
194
                            ubigeo_dep == "11" ~ "Ica",
195
                            ubigeo_dep == "12" ~ "Junin",
196
                            ubigeo_dep == "13" ~ "La Libertad",
197
                            ubigeo_dep == "14" ~ "Lambayeque",
198
                            ubigeo_dep == "15" ~ "Lima",
199
                            ubigeo_dep == "16" ~ "Loreto",
200
                            ubigeo_dep == "17" ~ "Madre de Dios",
201
                            ubigeo_dep == "18" ~ "Moquegua",
202
                            ubigeo_dep == "19" ~ "Pasco",
203
                            ubigeo_dep == "20" ~ "Piura",
204
                            ubigeo_dep == "21" ~ "Puno",
205
                            ubigeo_dep == "22" ~ "San Mart?n",
206
                            ubigeo_dep == "23" ~ "Tacna",
207
                            ubigeo_dep == "24" ~ "Tumbes",
208
                            ubigeo_dep == "25" ~ "Ucayali",) 
209
  )
210

211

212
encuesta_enaho37 <- enaho37  %>% as_survey_design(ids = conglome, 
213
                                                  strata = estrato, 
214
                                                  weight = factor07)
215

216

217

218

219
enaho34['ubigeo_dep'] = substr(enaho34$ubigeo, 1, 2)
220
enaho34 <- enaho34 %>% 
221
  mutate(region = case_when(ubigeo_dep == "01" ~ "Amazonas",
222
                            ubigeo_dep == "02" ~ "Ancash",
223
                            ubigeo_dep == "03" ~ "Apurimac",
224
                            ubigeo_dep == "04" ~ "Arequipa",
225
                            ubigeo_dep == "05" ~ "Ayacucho",
226
                            ubigeo_dep == "06" ~ "Cajamarca",
227
                            ubigeo_dep == "07" ~ "Callao",
228
                            ubigeo_dep == "08" ~ "Cusco",
229
                            ubigeo_dep == "09" ~ "Huancavelica",
230
                            ubigeo_dep == "10" ~ "Huanuco",
231
                            ubigeo_dep == "11" ~ "Ica",
232
                            ubigeo_dep == "12" ~ "Junin",
233
                            ubigeo_dep == "13" ~ "La Libertad",
234
                            ubigeo_dep == "14" ~ "Lambayeque",
235
                            ubigeo_dep == "15" ~ "Lima",
236
                            ubigeo_dep == "16" ~ "Loreto",
237
                            ubigeo_dep == "17" ~ "Madre de Dios",
238
                            ubigeo_dep == "18" ~ "Moquegua",
239
                            ubigeo_dep == "19" ~ "Pasco",
240
                            ubigeo_dep == "20" ~ "Piura",
241
                            ubigeo_dep == "21" ~ "Puno",
242
                            ubigeo_dep == "22" ~ "San Mart?n",
243
                            ubigeo_dep == "23" ~ "Tacna",
244
                            ubigeo_dep == "24" ~ "Tumbes",
245
                            ubigeo_dep == "25" ~ "Ucayali",) )
246

247

248

249
encuesta_enaho34 <- enaho34  %>% as_survey_design(ids = conglome, 
250
                                                  strata = estrato, 
251
                                                  weight = factor07)
252

253

254

255
#Calculamos el indicador de porcentaje que hogares a nivel de regi?n (departamentos) que se beneficia del programa
256

257
enaho37_final <- encuesta_enaho37 %>% group_by(region) %>%
258
  summarise(juntos= survey_mean(p710_04, na.rm = T))
259

260
View(enaho_37[, c('region', 'juntos')])
261

262

263
#Calculamos el indicador de promedio del porcentaje de gasto en salud realizado por los hogares a nivel de regi?n (departamentos)
264

265

266
enaho34_final <- encuesta_enaho34 %>% mutate(porcentaje_gasto_salud = gru51hd/gashog2d) %>% group_by(region) %>%
267
  summarise(promedio_gasto_salud= survey_mean(porcentaje_gasto_salud)) 
268

269
View(enaho34_final[, c('region', 'promedio_gasto_salud')])
270

271

272

273

274

275

276

277

278

279
Product

Resources

Company
