CoCalc -- Grupo_6_R

GitHub Repository: robertopucp/1eco35_2022_2
Path: blob/main/Trabajo_grupal/WG6/Grupo_6_R_.R
²⁷¹⁴ views
1
#####################################
2
#######      Grupo 6 - R      #######
3
#####################################
4

5
#----------------------------------------------------------------------------------------------------
6
##########     Pregunta 1     ##########      
7
########################################
8

9
#install.packages("stringr")
10

11

12
library(haven)  # Libreria que lee archivos como stata o spss
13
library(dplyr)  # para limpieza de datos
14
library(stringr)   # grep for regular expression
15
library(fastDummies) # para crear una dummy
16
library(srvyr)  # Libreria para declarar diseño muestral de una encuesta
17
library(survey) 
18

19
################################################################################
20
##### PRIMERO, HACIENDO MERGE: Para fijar la dirección de la base de datos
21

22
"1 - Set Directorio" 
23

24
user <- Sys.getenv("USERNAME")  
25

26
setwd( paste0("C:/Users/",user,"/Documents/GitHub/1ECO35_2022_2/Trabajo_grupal/WG6") )
27

28
##### Cargamos la base de datos de ENAHO, indicando el nro de salidas para reconocer la base
29
"2 - Load dataset de ENAHO" 
30
  
31
enaho01 <- read_dta("../../../../enaho/2020/737-Modulo01/737-Modulo01/enaho01-2020-100.dta")
32
  
33
  
34
enaho34 <- read_dta("../../../../enaho/2020/737-Modulo34/737-Modulo34/sumaria-2020.dta")
35
  
36
  
37
enaho01<- data.frame(
38
    
39
  read_dta("../../../../enaho/2020/737-Modulo01/737-Modulo01/enaho01-2020-100.dta")
40
 
41
)
42
  
43
enaho34 = data.frame(
44
  read_dta("../../../../enaho/2020/737-Modulo34/737-Modulo34/sumaria-2020.dta")
45
)
46

47
##### Usando conglome para juntar las bases
48
"3 - conglome section" 
49
"Left merge"
50

51
#enaho34: master data
52
#enaho01: using data
53

54
##### Para $ cuando el texto finaliza con .y
55
enaho_merge <- merge(enaho34, enaho01,
56
                     by = c("conglome", "vivienda", "hogar", 
57
                            "ubigeo", "dominio", "estrato"),
58
                     all.x = T, suffixes = c("",".y") 
59
)
60

61
index <- grep(".y$", colnames(enaho_merge))  # Regular regular 
62

63
merge_base_2020 <- enaho_merge[, - index]
64

65
"ENAHO 2019"
66
enaho01_1 <- read_dta("../../../../enaho/2019/687-Modulo01/687-Modulo01/enaho01-2019-100.dta")
67

68
enaho34_1 <- read_dta("../../../../enaho/2019/687-Modulo34/687-Modulo34/sumaria-2019.dta")
69

70
##### Usando merge para la base
71
"4 - merge section"
72

73
enaho_merge <- enaho_merge[ ,c("conglome", "vivienda", "hogar" ,"ubigeo", 
74
                             "aÑo" , "mieperho", "inghog1d", 
75
                             "gashog2d", "ld") ]
76

77
################################################################################
78
##### SEGUNDO HACIENDO APPEND 
79
merge_append <-  bind_rows(merge_base_2019, merge_base_2020) # bind_rows from dyplr 
80

81
unique(merge_append$aÑo)
82

83
#rename 
84

85
merge_append <- merge_append %>% dplyr::rename(aÑo = aÑo.x,ubigeo = ubigeo.x)
86

87
# sibstr permite sustraer digitos de un string, texto, caracter
88

89
merge_append['ubigeo_dep'] = substr(merge_append$ubigeo, 1, 2)
90

91
################################################################################
92
##### TERCERO HACIENDO LA DEFLACTACIÓN
93

94
deflactores_base2020_new <- read_dta("../../../../enaho/2020/737-Modulo34/737-Modulo34/ConstVarGasto-Metodologia actualizada/Gasto2020/Bases/deflactores_base2020_new.dta")
95

96
deflactores_base2020_new <- deflactores_base2020_new %>% dplyr::rename(aÑo = aniorec)
97

98
"4 - Merge section deflactores"
99

100
# Se aplica el merge, utilizando las llaves para variables dpto y aniorec. 
101
#merge_append: master data
102
#deflactores_base2020_new: using data
103

104
enaho_merge_defla <- merge(merge_append, deflactores_base2020_new,
105
                           by = c("dpto", "aÑo"),
106
                           all.x = T, suffixes = c("","")
107
)
108

109
colnames(enaho_merge_defla)
110

111
enaho_merge_defla <- enaho_merge_defla %>%
112
  mutate(ingreso_month_pc = enaho_merge_defla$inghog1d/(12*enaho_merge_defla$mieperho*enaho_merge_defla$ld*enaho_merge_defla$i00),
113
         gasto_month_pc = enaho_merge_defla$gashog2d/(12*enaho_merge_defla$mieperho*enaho_merge_defla$ld*enaho_merge_defla$i00)
114
  )
115

116
names(deflactores_base2020_new)
117

118
#----------------------------------------------------------------------------------------------------
119
##########     Pregunta 2     ##########      
120
########################################
121

122
################################################################################
123
##### PRIMERO, HACIENDO EL GROUP BY
124

125
##### Se importan las librearias necesarias 
126

127
library(haven)  
128
library(dplyr)  
129
library(stringr)   
130
library(fastDummies) 
131
library(srvyr)  
132
library(survey)
133

134
##### Se hace el set para el directorio
135

136
user <- Sys.getenv("USERNAME")  
137

138
setwd( paste0("C:/Users/",user,"/Documents/GitHub/1ECO35_2022_2/Trabajo_grupal/WG6") ) # set directorio
139

140
##### Indicamos para que lea la base de datos
141

142
enaho_2 <-  read_dta(r"../../../enaho/2020/737-Modulo02/737-Modulo02/enaho01-2020-200.dta")
143

144
##### Hacemos un avistamiento a la base de datos
145

146
enaho_2$dominio
147

148
enaho_2 <- data.frame(
149
  
150
  read_dta("../../../enaho/2020/737-Modulo02/737-Modulo02/enaho01-2020-200.dta")
151
  
152
)
153

154
##### Antes del groupby analizamos cuáles son los labels de la base
155

156
names(enaho_2)
157

158
##### Hacemos la seleccion de las variables a utilizar
159

160
hogares <- enaho_2[ , c("conglome", "vivienda", "hogar", "p208a") ]
161

162
##### Hacemos el merge con modulo 34 para hallar datos que no tenemos como pobreza
163

164
##### ENTONCES, primero se carga la base de datos el modulo 34 y obtenemos los labels
165

166
enaho34 = data.frame(
167
  read_dta("../../../enaho/2020/737-Modulo34/737-Modulo34/sumaria-2020.dta")
168
)
169

170
names(enaho34)
171

172
##### LUEGO, filtramos la base mediante groupby para solo quedarse con lo necesario, es decir pobreza
173

174
hogares34 <- enaho34[ , c("conglome", "vivienda", "hogar", "pobreza") ]
175

176
##### LUEGO, efectuamos merge entre hogares 34 y hogares
177

178
enaho_merge <- merge(hogares, hogares34,
179
                     by = c("conglome", "vivienda", "hogar")
180
)
181

182
print (enaho_merge)
183

184
##### PARA IR FINALIZANDO, se crea la dummy para verificar si hogar es: pobre y con algun miembro de hogar mayor a 65 años
185

186
enaho_merge['dummypension'] <- (enaho_merge['p208a'] >= 65) & (enaho_merge['pobreza'] < 3)*1
187
## Se puede obtener la dummy mediante la funci?n if_else(), as.numeric() o multiplicando por 1 lo que deseamos evaluar, 
188
## en este caso, pobreza del hogar y el requisito de la edad.
189

190

191
##### FINALMENTE, vemos la dummy, donde ser true (=1) refiere que si se cumplen ambas condiciones 
192
# y false (=0) si no se cumplen ambas condiciones
193

194
print(enaho_merge['dummypension'])
195

196
#----------------------------------------------------------------------------------------------------
197
##########     Pregunta 3     ##########      
198
########################################
199

200
################################################################################
201
##### HACIENDO Indicadores ######
202

203
##### Primero importamos las librerias
204
library(haven)
205
library(dplyr)
206
library(stringr)
207
library(fastDummies)
208
library(srvyr)  # q nos permite declarar como una encuesta
209
library(survey)
210

211
#especificamos el tamaño muestral de la encuesta
212
#seteamos el directorio
213

214
user <- Sys.getenv("USERNAME")
215

216
setwd( paste0("C:/Users/",user,"/Documents/data_enaho") ) 
217

218
#cargamos la base de datos de la ENAHO a utilizar
219

220
enaho37 = data.frame(
221
  read_dta("C:/Users/User/Documents/enaho/2020/737-Modulo37/737-Modulo37/enaho01-2020-700.dta")
222
)
223

224
#para facilidad del ejercicio, creamos la variable ubigeo_dep y les asignamos nombre sengun su numero de ubigeo
225

226
enaho37['ubigeo_dep'] = substr(enaho37$ubigeo, 1, 2)
227

228
#sesustrae los primero ceros de la varaible ubigeo ya que se repite en cada categoria
229
enaho37['ubigeo_dep_2'] = paste(substr(enaho37$ubigeo,1,2),
230
                                "0000", sep = "")
231

232
#luego se filtran los ultimos numeros, lo cual nos permitiran indicar cuales son los nombres de las regiones dentro del analisis muestral
233
enaho37 <- enaho37 %>%  filter(
234
  enaho37$ubigeo_dep  %in% c("15","03","04","12") ) 
235

236
enaho37 <- enaho37 %>% 
237
  mutate(region = case_when(ubigeo_dep == "04" ~ "Arequipa",
238
                            ubigeo_dep == "03" ~ "Apurimac",
239
                            ubigeo_dep == "12" ~ "Junin",
240
                            ubigeo_dep == "15" ~ "Lima") ) 
241

242
#Ahora delimitaremos a las variables que nos resultan importante en este ejercicio
243

244
enaho37 <- enaho37[, c("conglome", "vivienda", "hogar", "ubigeo", "dominio", "estrato", "ubigeo_dep", "p710_04")]
245

246
#hallamos el porcentaje de horgares a nivel departamental que se benefica del programa en base a la variable hallada anteriormente
247

248
survey_enaho <- enaho37  %>% as_survey_design(ids = conglome, strata = estrato, 
249
                                              ubication = ubigeo_dep)
250

251
ind1 <- survey_enaho %>%  dplyr::filter(p710_04=1) %>%
252
  
253
  mutate( 
254
    g1 = ifelse(p710_04=1), 
255
    
256
  )  %>%  group_by(ubigeo_dep) %>%   
257
  
258
  sumarise(
259
    gp1 = sum(g1), hogar = n(),
260
    g_percent = gp1/hogar
261
  )
262

263
##### Para la segunda parte del ejercicio cargamos las bases de datos del modulo 37, es decir sumaria-2020.dta y sumaria-2020-12g.dta
264

265
enaho34 = data.frame(
266
  read_dta("C:/Users/User/Documents/enaho/2020/737-Modulo34/737-Modulo34/sumaria-2020.dta")
267
)
268

269
enaho34_12g = data.frame(
270
  read_dta("C:/Users/User/Documents/enaho/2020/737-Modulo34/737-Modulo34/sumaria-2020-12g.dta")
271
)
272

273
#####Realizamos un merge completo para crear una base de datos que contenga las varaibles tanto de la base de sumaria-2020 y sumaria-2020-12g
274
#### Por lo que lo haremos en funcion de ls variables que se repiten en ambas base de datos: "conglome", "vivienda" y "hogar"
275

276
enaho_merge_outer <- merge(enaho34, enaho34_12g,
277
                           by = c("conglome", "vivienda", "hogar"),
278
                           all.x = T, all.y = T)
279

280

281
  
282
Product

Resources

Company
