TRABAJO GRUPAL Estimaciones bajo

diseño
muestral complejo y criterios
para la evaluación de la calidad de las
estimaciones, GRUPO Nº5
Leonardo Echeverria, Gisell Pazmiño, Francisco
Paspuel
2023-07-31
true
Instrucciones:

El indicador hace referencia a la variable o característica de

interés que se desea analizar.

El ítem “estimaciones por separado” hace referencia al cálculo de

las estimaciones de acuerdo al
nivel establecido (son estimaciones
independientes, no se debe seguir el flujograma explicado en
clase).

El ítem “desagregación conjunta” hace referencia al cálculo de

las estimaciones de acuerdo a la
desagregación conjunta establecida (se
debe seguir el flujograma explicado en clase para evaluar la
calidad y
fiabilidad de las estimaciones).

Se deberá entregar la sintaxis en R del trabajo realizado y un

informe de los resultados obtenidos
elaborado en R Markdown (formato
.pdf) hasta el domingo 30 de julio.

El día lunes 31 de julio los grupos expondrán los hallazgos

encontrados, para lo cual cada grupo
tendrá 15 minutos de
exposición.

Para los ejercicios propuestos utilizar la base de datos de la

ENEMDU mensual de junio de 2023.

Grupo 5:

Indicador: Tasa de empleo no remunerado.

Estimaciones por separado: Nivel nacional, por área,

por sexo (contrastar con la publicación del INEC).

Desagregación conjunta: Cantones de la provincia de

Chimborazo, área (urbana, rural), sexo (hombre,
mujer) y
autoidentificación étnica.

Paso 1: Cargamos las librerías tidyverse,

srvyr y rio.

library(tidyverse): Carga el paquete “tidyverse”,

que es una colección de paquetes de R diseñados para
facilitar la
manipulación y visualización de datos. Incluye paquetes populares como
“dplyr”,“ggplot2”, “tidyr”,
entre otros.

library(srvyr): Carga el paquete “srvyr”, que

proporciona funciones para realizar análisis de encuestas y
cálculos de
estimaciones ponderadas utilizando la sintaxis y el flujo de trabajo del
paquete “dplyr”.

library(rio): Carga el paquete “rio”, que permite

importar y exportar datos en diversos formatos, como
SPSS, Stata, SAS,
etc.

choose.files(): La función “choose.files()” permite

a los usuarios seleccionar un archivo a través de una
interfaz gráfica.
Es posible que esta línea se haya utilizado para que el usuario elija
manualmente el
archivo SPSS en caso de que no se proporcione la ruta
directamente en la función “import”.

rm(list = ls())

library(tidyverse)

## Warning: package 'tidyverse' was built under R version 4.2.3

## Warning: package 'ggplot2' was built under R version 4.2.3

## Warning: package 'tibble' was built under R version 4.2.3

## Warning: package 'tidyr' was built under R version 4.2.3

 ## Warning: package 'readr' was built under R version 4.2.3

## Warning: package 'purrr' was built under R version 4.2.3

## Warning: package 'dplyr' was built under R version 4.2.3

## Warning: package 'stringr' was built under R version 4.2.3

## Warning: package 'forcats' was built under R version 4.2.3

## Warning: package 'lubridate' was built under R version 4.2.3

## ── Attaching core tidyverse packages ──────────────────────── tidyverse 2.0.0 ─

─

## ✔ dplyr 1.1.2 ✔ readr 2.1.4

## ✔ forcats 1.0.0 ✔ stringr 1.5.0

## ✔ ggplot2 3.4.2 ✔ tibble 3.2.1

## ✔ lubridate 1.9.2 ✔ tidyr 1.3.0

## ✔ purrr 1.0.1

## ── Conflicts ────────────────────────────────────────── tidyverse_conflicts() ─

─

## ✖ dplyr::filter() masks stats::filter()

## ✖ dplyr::lag() masks stats::lag()

## ℹ Use the ]8;;http://conflicted.r-lib.org/conflicted package]8;; to forc

e all conflicts to become errors

library(srvyr)

## Warning: package 'srvyr' was built under R version 4.2.3

##

## Attaching package: 'srvyr'

##

## The following object is masked from 'package:stats':

##

## filter

library(rio)

## Warning: package 'rio' was built under R version 4.2.3

# Apertura de la base de datos

base = import ("enemdu_persona_2023_06.sav")

#choose.files()

Paso 2: Realizamos el Análisis

descriptivo.
dim(base): Muestra las dimensiones de la tabla
“base” (número de filas y columnas).

nrow(base): Muestra el número de filas en la tabla

“base”.

names(base): Muestra los nombres de las columnas en

la tabla “base”.

table(base$estrato, useNA = “ifany”): Calcula la

tabla de frecuencias para la variable “estrato” en la tabla
“base”,
incluyendo los valores NA si existen.

table(base$upm, useNA = “ifany”): Calcula la tabla

de frecuencias para la variable “upm” en la tabla
“base”, incluyendo los
valores NA si existen. También se comenta que se utiliza para
identificar las “upm”
(unidades primarias de muestreo) de la provincia
Chimborazo.

upm_1 <- filter(base, … ): Crea un nuevo objeto

llamado “upm_1” que contiene las filas de la tabla “base”
donde la
variable “upm” tiene ciertos valores específicos. La función “filter”
del paquete “dplyr” se utiliza
para filtrar filas basadas en
condiciones.

n_distinct(base$upm): Calcula el número de valores

distintos en la columna “upm” de la tabla “base”.

n_distinct(base$id_vivienda): Calcula el número de

valores distintos en la columna “id_vivienda” de la
tabla “base”.

names(base): Muestra los nombres de las columnas en

la tabla “base” nuevamente (esta línea aparece
dos veces en el
código).

table(base$condact, useNA = “ifany”): Calcula la

tabla de frecuencias para la variable “condact” que es
la Condición de
Acividad en la tabla “base”, incluyendo los valores NA si existen.

class(base$condact): Muestra la clase de la variable

“condact” (Condición de Actividad) en la tabla
“base”, es decir, el tipo
de dato que contiene.

base = base %>% mutate(…): Agrega una nueva

columna llamada “pea” que significa Persona
Económicamente Activa a la
tabla “base”. La columna “pea” (Persona Económicamente Activa) tendrá el
valor 1 si la columna “condact” (Condición de Actividad) contiene el
valor 5 que es Empleo No Remunerdo
y la columna “p03” que significa
edad, tiene un valor mayor o igual a 15. En caso contrario, tendrá el
valor
NA. La función “%>%” se utiliza para encadenar operaciones y la
función “mutate” del paquete “dplyr”
agrega nuevas columnas o modifica
columnas existentes.

table(base$pea, useNA = “ifany”): Calcula la tabla

de frecuencias para la variable “pea” (Persona
Económicamente Activa) en
la tabla “base”, incluyendo los valores NA si existen.

table(base$condact, useNA = “ifany”): Calcula la

tabla de frecuencias para la variable “condact”
(Condición de Actividad)
en la tabla “base”, incluyendo los valores NA si existen nuevamente
(esta línea
aparece dos veces en el código).

dim(base)# dimension

## [1] 28757 143

nrow(base)

## [1] 28757

names(base)
## [1] "area" "ciudad" "conglomerado" "panelm" "vivienda"

## [6] "hogar" "p01" "p02" "p03" "p04"

## [11] "p05a" "p05b" "p06" "p07" "p08"

## [16] "p081" "p085" "p09" "p10a" "p10b"

## [21] "p11" "p12a" "p12b" "p15" "p15aa"

## [26] "p15ab" "cod_inf" "p20" "p21" "p22"

## [31] "p23" "p232" "p233" "p24" "p25"

## [36] "p26" "p27" "p28" "p29" "p29a"

## [41] "p30" "p31" "p32" "p33" "p34"

## [46] "p35" "p36" "p37" "p38" "p39"

## [51] "p40" "p41" "p42" "p421" "p422"

## [56] "p42a" "p43" "p44a" "p44b" "p44c"

## [61] "p44d" "p44e" "p44f" "p44g" "p44h"

## [66] "p44i" "p44j" "p44k" "p45" "p46"

## [71] "p47a" "p47b" "p48" "p49" "p50"

## [76] "p51a" "p51b" "p51c" "p52" "p53"

## [81] "p54" "p54a" "p55" "p56a" "p56b"

## [86] "p57" "p58" "p61b1" "p63" "p64a"

## [91] "p64b" "p65" "p66" "p67" "p68a"

## [96] "p68b" "p69" "p70a" "p70b" "p71a"

## [101] "p71b" "p72a" "p72b" "p73a" "p73b"

## [106] "p74a" "p74b" "p75" "p76" "p77"

## [111] "p78" "sd01" "sd021" "sd022" "sd023"

## [116] "sd024" "sd025" "sd026" "sd027" "sd028"

## [121] "sd029" "sd0210" "sd0211" "sd03" "ced01a"

## [126] "estrato" "fexp" "nnivins" "ingrl" "ingpc"

## [131] "pobreza" "epobreza" "condact" "empleo" "desempleo"

## [136] "secemp" "grupo1" "rama1" "upm" "id_vivienda"

## [141] "id_hogar" "id_persona" "periodo"

table(base$estrato,useNA = "ifany")

##

## 0111 0112 0113 0121 0122 0123 0211 0212 0213 0221 0222 0223 0311 0312 0313 0321

## 103 89 97 104 99 94 70 88 89 75 82 90 83 76 100 78

## 0322 0323 0411 0412 0413 0421 0422 0423 0511 0512 0513 0521 0522 0523 0611 0612

## 97 101 86 167 109 64 65 100 79 71 74 97 88 82 91 82

## 0613 0621 0622 0623 0711 0712 0713 0721 0722 0723 0811 0812 0813 0821 0822 0823

## 86 65 70 82 103 192 159 78 90 90 291 391 418 263 302 226

## 0911 0912 0913 0921 0922 0923 1011 1012 1013 1021 1022 1023 1111 1112 1113 1121

## 191 107 79 86 89 86 208 264 345 199 189 175 173 172 159 149

## 1122 1123 1211 1212 1213 1221 1222 1223 1311 1312 1313 1321 1322 1323 1419 1421

## 188 97 103 70 74 105 95 91 90 172 73 86 83 97 67 105

## 1422 1423 1519 1521 1522 1523 1611 1612 1613 1621 1622 1623 1711 1712 1713 1721

## 98 99 163 148 102 80 94 93 86 151 81 88 159 167 288 191

## 1722 1723 1811 1812 1813 1821 1822 1823 1911 1912 1913 1921 1922 1923 2011 2022

## 165 185 96 65 91 79 79 94 96 82 83 103 105 101 145 91

## 2023 2111 2112 2113 2121 2122 2123 2211 2212 2213 2221 2222 2223 2311 2312 2313

## 67 94 178 61 85 207 78 103 95 88 144 88 114 95 148 71

## 2321 2322 2323 2411 2412 2413 2429 2511 2512 2513 2611 2612 2613 2711 2712 2713

## 91 91 89 376 347 297 224 887 1043 795 670 1433 835 543 832 618

## 2811 2812 2813 2911 2912 2913

## 580 1020 771 460 629 619

table(base$upm,useNA = "ifany") # Identifar las ump de la prov. Chimborazo

##

## 010150000304 010150002103 010150003302 010150004901 010150005601 010150006504

## 24 13 26 27 25 21

## 010150006602 010150007502 010150008801 010150010401 010150011902 010150012601

## 22 21 17 20 16 26

## 010150013701 010150014104 010150014201 010150015401 010150016102 010150016302

## 18 22 21 13 15 20

## 010150016803 010150017102 010150017801 010150019905 010150020401 010150020703

## 18 12 28 28 21 20

## 010150021102 010150022801 010150022902 010150024701 010150025101 010150025901

## 21 23 32 22 22 17

## 010150027702 010150027903 010150029101 010150029802 010150030601 010150031301

## 22 26 24 11 25 25

## 010150032102 010150033002 010150034301 010150035801 010150036203 010150036602

## 23 14 28 12 19 25

## 010150037001 010150037504 010150038302 010150038502 010150039301 010150039601

## 20 23 18 16 28 33

## 010150040601 010150041203 010150041302 010150041803 010150042101 010150042702

## 28 17 18 19 23 11

## 010150043201 010150043601 010150043701 010150043802 010150045403 010150046201

## 12 21 31 27 15 31

## 010150048102 010150048201 010150050503 010150051401 010150051503 010150052301

## 27 23 26 21 25 22

## 010150053401 010150054401 010150056703 010150057002 010150057602 010150057902

## 24 15 23 22 21 26

## 010150058703 010150058903 010150061002 010150061401 010150062002 010150063001

## 23 11 15 35 26 19

## 010150063003 010150063602 010150065203 010150066601 010150067004 010150069802

## 17 24 20 30 21 22

## 010150070102 010150072302 010150072703 010150073102 010150075603 010150076903

## 18 19 21 23 21 23

## 010150077401 010150078402 010158900601 010160901503 010161902101 010162000201

## 31 23 24 31 27 19

## 010162000504 010170000101 010170000601 010170901102 010170903101 010350000703

## 22 32 23 27 27 29

## 010350000904 010350001003 010350002504 010354000102 010357901601 010550000904

## 23 26 12 20 17 22

## 010550001401 010552900602 010956000105 011350000102 011450000104 011550000501

## 29 28 27 14 26 37

## 011550001103 011551900902 020150000402 020150000702 020150001607 020150002504

## 15 29 11 14 20 28

## 020150904302 020150907802 020150908802 020250000101 020250000402 020250900701

## 23 18 20 19 21 22

## 020250901202 020251000204 020350000102 020350000204 020350000802 020353000101

## 17 29 29 17 17 19

## 020450001102 020550001203 020550900802 020550901702 020555000103 020650000601

## 21 22 20 18 18 28

## 020650900701 020650902301 030150001501 030150003501 030150004002 030150006504

## 25 18 19 21 34 19

## 030153000101 030153902202 030154000101 030156900501 030250900501 030254900301

## 23 22 27 22 20 24

## 030350001101 030355900802 030355901102 030362900204 030363000103 030450000501

## 26 25 29 29 19 20

## 030450001001 030450002303 030450002603 030450002705 030450003303 030450006606

## 16 27 25 14 19 19

## 030550901003 030650901502 040150000604 040150001202 040150003403 040150004903

## 25 11 24 23 28 11

## 040150006005 040150006401 040150008802 040150010304 040150900703 040153900602

## 32 26 19 26 20 20

## 040161900302 040252900201 040350000702 040353900201 040453900103 040550000701

## 22 14 19 29 14 18

## 040550000903 040550001108 040550001305 040550002001 040550900102 040550900702

## 19 29 22 21 27 11

## 040550901401 040554900301 040554900502 040554900701 040650000104 040650000303

## 15 24 14 19 20 25

## 050150000401 050150004806 050150004905 050150005401 050150007803 050150008703

## 20 20 16 18 21 18

## 050150009505 050150010402 050150010903 050150903901 050150910301 050151900402

## 19 20 18 21 19 21

## 050156000102 050159000202 050161903301 050250000101 050250000301 050250003901

## 26 20 19 11 23 20

## 050453901702 050456900101 050458000102 050651000105 050750901002 050751900801

## 33 22 17 27 20 22

## 060150001304 060150005502 060150005702 060150006701 060150007503 060150900103

## 17 18 18 28 22 25

## 060158000102 060161000502 060250000801 060251900103 060254900302 060350000306

## 22 28 14 22 11 22

## 060350000307 060352903201 060352903702 060450000304 060450901102 060650000405

## 12 17 17 27 19 29

## 060650900302 060750000305 060750901201 060754901502 060950000104 060950000203

## 15 24 18 16 18 17

## 070150000201 070150000301 070150000401 070150000501 070150001004 070150001601

## 23 27 30 18 25 26

## 070150002404 070150002701 070150002802 070150003001 070150003303 070150003801

## 22 18 18 30 20 22

## 070150003902 070150003903 070150005102 070150006601 070150006604 070150006802

## 23 20 18 17 23 31

## 070150007101 070150007303 070150007602 070150007702 070150007801 070150009801

## 20 19 19 25 17 20

## 070150010102 070150011302 070150011604 070150012802 070150013502 070150014303

## 28 26 28 22 22 29

## 070150014605 070150014701 070150017003 070150017404 070150017701 070150017902

## 17 20 25 23 20 19

## 070150018004 070150018302 070150021201 070150021301 070150021502 070150022701

## 21 16 20 19 14 29

## 070150023203 070150023903 070150024701 070150024702 070150025403 070150026301

## 26 15 22 25 24 28

## 070150027203 070150027401 070150027603 070150027701 070150028504 070150029201

## 31 24 21 22 24 32

## 070150029804 070150029903 070150030001 070150030401 070150031203 070150031301

## 20 25 23 23 28 26

## 070150031304 070150032301 070150032803 070150032903 070150033301 070150033401

## 25 31 21 21 19 21

## 070150033903 070150034304 070150035302 070150035502 070150036502 070150037203

## 24 15 18 20 21 22

## 070150037603 070150037902 070150038101 070150038404 070150040404 070150041103

## 21 22 24 22 22 26

## 070150041502 070150043103 070150045402 070150046503 070150046901 070150047503

## 18 29 28 14 21 15

## 070150047902 070150048403 070150048603 070150049403 070150049701 070150050202

## 33 21 28 27 33 22

## 070150050703 070150051201 070150051904 070150052301 070150054201 070150054602

## 33 27 18 28 22 23

## 070150055504 070150055701 070150056202 070150056801 070150056905 070150057301

## 21 25 14 28 19 19

## 070150058401 070150059302 070150900102 070150900501 070250001303 070352000102

## 23 19 22 28 24 26

## 070450000608 070451000106 070451900101 070650003004 070650901601 070651000505

## 24 25 12 17 24 27

## 070652000102 070652000503 070750003103 070750003405 070750008703 070850000302

## 30 28 17 18 25 24

## 070950000302 070950007701 070950007706 070950007801 070950008704 070950010304

## 26 22 18 23 24 19

## 070952000207 071056000102 071056000104 071250004903 071250008302 071250009304

## 23 20 17 22 20 30

## 071252900101 071254000211 071350001802 071450900101 080150006201 080150006801

## 21 19 16 21 18 14

## 080150007303 080150007601 080150007606 080150008402 080150009901 080150010704

## 21 22 17 17 24 32

## 080150010906 080150011003 080150011301 080150011703 080150012402 080150015102

## 29 26 19 23 47 30

## 080150015201 080150018303 080150019206 080150019303 080150020503 080150022703

## 17 18 25 20 27 25

## 080150025801 080150025907 080150028203 080150900402 080154000204 080163000105

## 23 25 40 28 22 24

## 080163000201 080165000202 080168000106 080168000206 080250000403 080250000703

## 29 21 29 27 19 29

## 080252000103 080253900404 080254900502 080260900102 080261900301 080350000302

## 26 26 24 32 34 27

## 080357900202 080450001102 080450002302 080450002401 080450003405 080450004801

## 19 18 25 27 33 23

## 080450004803 080450903201 080450903702 080450904401 080450904904 080450906302

## 27 27 23 25 19 30

## 080450906902 080450907101 080452900502 080452900901 080453901601 080453901901

## 22 36 19 25 25 13

## 080455001402 080455901202 080550001405 080650000301 080650001807 080650002102

## 31 25 25 23 25 24

## 080650900302 080651900403 080652000103 080653000205 080653900101 080654000502

## 16 22 29 22 34 27

## 080654000603 080654001105 080654900301 080750900403 080753900303 080754900602

## 35 28 28 20 20 21

## 080755000102 080755000202 090150014201 090150024802 090150030302 090150035102

## 21 23 20 27 17 28

## 090150036904 090150045903 090150046303 090150055304 090150064402 090150065601

## 25 26 28 15 15 19

## 090150089701 090150091501 090150095303 090150095902 090150098602 090150105701

## 25 14 29 32 34 28

## 090150114201 090150118101 090150131104 090150144701 090150150503 090150153805

## 36 25 33 30 17 27

## 090150154202 090150154401 090150159601 090150164802 090150179701 090150182802

## 18 19 25 28 21 12

## 090150182901 090150190502 090150190603 090150199202 090150205603 090150214903

## 11 23 31 26 23 26

## 090150215003 090150216201 090150219701 090150225701 090150232401 090150234301

## 28 30 16 21 20 24

## 090150235102 090150239004 090150256201 090150258502 090150258601 090150262702

## 17 30 20 39 29 19

## 090150264304 090150269403 090150270002 090150271403 090150271803 090150275201

## 29 27 13 13 21 14

## 090150276003 090150276104 090150276703 090150278203 090150280402 090150281101

## 20 28 21 18 23 24

## 090150283102 090150284501 090150284702 090150287003 090150293703 090150293801

## 31 17 10 16 10 20

## 090150301301 090150304804 090150307402 090150313603 090150314801 090150315101

## 22 11 31 16 15 17

## 090150319302 090150336902 090150337401 090150338904 090150354901 090150370603

## 16 25 16 25 27 19

## 090150373901 090150374203 090150376602 090150385302 090150386101 090150391503

## 18 22 19 23 20 24

## 090150392001 090150393703 090150399501 090150400201 090150401002 090150407201

## 24 10 19 18 19 15

## 090150408603 090150413702 090150415504 090150423101 090150433101 090150440303

## 15 23 20 19 20 23

## 090150440702 090150442703 090150457001 090150457003 090150462403 090150469501

## 13 37 31 25 31 30

## 090150471203 090150472502 090150473002 090150477604 090150477605 090150479103

## 28 26 22 28 30 32

## 090150481001 090150490701 090150490903 090150491401 090150493904 090150494001

## 26 22 32 19 28 40

## 090150497202 090150504103 090150506803 090150508903 090150524201 090150525303

## 28 30 29 17 21 21

## 090150527603 090150532502 090150532902 090150534401 090150535501 090150538102

## 20 30 18 24 20 35

## 090150540003 090150544303 090150547104 090150552201 090551901101 090650003401

## 27 31 12 23 9 35

## 090650008003 090650012104 090654900802 090750005703 090750043003 090950000504

## 18 15 27 27 20 19

## 090950001703 090950901501 091050012801 091050017202 091050017302 091050026103

## 29 23 24 25 21 18

## 091053901701 091150005303 091450901801 091650001404 091850902101 091850902902

## 28 21 31 26 27 22

## 091950000907 091950902901 092053000302 092056900801 092056900802 092150002202

## 23 19 27 24 7 24

## 092251901902 092550002002 100150000904 100150005503 100150005705 100150008403

## 17 32 23 17 18 20

## 100150009802 100150010104 100150010502 100150016703 100150017402 100150019104

## 25 18 19 20 17 18

## 100150019202 100150020403 100150020803 100150021203 100150021502 100150023602

## 33 20 21 16 31 18

## 100150900701 100150900902 100150901403 100151000101 100154900503 100154901101

## 26 20 18 22 21 18

## 100155900701 100157900101 100157901301 100157901402 100250001001 100253000302

## 23 20 30 20 25 29

## 100300000204 100352900901 100353000206 100357900501 100450000502 100450001303

## 21 26 20 23 17 24

## 100450002502 100450003603 100450005004 100450005204 100450005306 100450005403

## 24 21 23 28 21 28

## 100450005505 100450005601 100450006104 100450007104 100452000104 100452000406

## 20 15 30 19 40 36

## 100452900402 100453000202 100453900204 100453900206 100455900202 100455900302

## 23 22 35 24 27 29

## 100457000104 100457900101 100457900702 100458900303 100550001106 100552000103

## 25 34 21 26 16 14

## 100553900401 100651000105 110150001002 110150001203 110150005205 110150009703

## 20 22 18 18 17 22

## 110150010603 110150013502 110150021001 110150021206 110150021302 110150022205

## 15 25 20 31 22 20

## 110150024601 110150029306 110155000101 110160000101 110250001303 110250901102

## 18 22 26 11 17 16

## 110250902001 110350001502 110350002003 110350003005 110350003203 110353000102

## 20 27 15 16 28 23

## 110353900101 110553000103 110650900501 110653000101 110750000103 110750000403

## 27 20 27 28 30 19

## 110753900802 110754900103 110756900401 110850001805 110950000701 110950001201

## 16 14 17 33 27 11

## 110956000104 111050000802 111050900103 111050901001 111150000403 111150000601

## 25 13 13 35 24 19

## 111155900202 111350000201 111450900901 111651900301 120150009402 120150011604

## 22 26 19 26 19 23

## 120152000102 120350001703 120550001303 120550007101 120550007201 120550015706

## 28 14 14 24 27 13

## 120550023702 120752902303 120850003304 120850003903 120850902502 120850904001

## 29 27 17 20 25 37

## 120950000503 121050900403 121050901703 121050902901 121150901701 121150904201

## 30 16 14 17 20 33

## 121250901301 121250904903 121350001004 121350901503 130150014602 130150021403

## 18 30 17 26 14 21

## 130150036402 130153900702 130250002107 130250902501 130352900903 130352901801

## 27 33 29 17 20 21

## 130357000305 130400000606 130400902702 130450002902 130450003103 130550903202

## 16 22 20 14 21 29

## 130657900801 130850007502 130850021702 130850023301 130850033702 130851000206

## 16 24 21 11 30 22

## 130950006603 130950006703 131350901801 131350902403 131351900801 131450002501

## 23 26 20 26 20 18

## 131453002203 131750001801 140150000602 140153000204 140157901402 140250000503

## 21 19 16 35 27 20

## 140253900101 140253900601 140350000602 140450000104 140650900504 140652000101

## 27 23 19 12 28 20

## 140652900204 140751901001 140850000203 140850900103 140950900503 141050900102

## 20 24 16 27 25 30

## 150150001101 150150003501 150150003901 150150004202 150150004804 150150900801

## 22 25 16 26 20 23

## 150150901101 150150901702 150151900501 150151900601 150153901001 150153901101

## 32 24 28 38 39 43

## 150156900501 150350000606 150352900503 150450000501 150450000503 150754000202

## 26 17 29 18 19 24

## 150754000206 150950000101 160150000103 160150000105 160150000404 160150001203

## 9 15 21 26 34 19

## 160150001903 160150002202 160150002305 160150003201 160150005202 160150900201

## 22 26 17 17 17 20

## 160150900305 160150900503 160161900401 160163900202 160163900401 160163900901

## 18 23 45 21 25 22

## 160250900202 160252000301 160252000502 160252001002 160350000402 160450000107

## 15 24 27 23 18 28

## 160451900401 160451900601 170150007601 170150007604 170150008701 170150014001

## 51 34 22 16 24 15

## 170150014801 170150016003 170150018405 170150022001 170150033202 170150043002

## 25 16 19 25 25 18

## 170150043601 170150044102 170150046808 170150047101 170150051703 170150054306

## 20 22 19 26 18 24

## 170150054902 170150060301 170150063102 170150066401 170150073304 170150074503

## 28 14 14 12 19 26

## 170150077804 170150078403 170150080603 170150083601 170150084303 170150086201

## 18 14 14 22 25 22

## 170150087401 170150088702 170150093703 170150094001 170150094202 170150096601

## 20 24 15 24 24 19

## 170150108801 170150108902 170150109303 170150112302 170150115501 170150117202

## 14 25 15 27 13 20

## 170150119604 170150120002 170150123601 170150124002 170150124401 170150129604

## 21 16 11 17 16 20

## 170150129908 170150130403 170150131202 170150133101 170150144402 170150145803

## 16 19 21 25 23 19

## 170150148003 170150155704 170150164401 170150166401 170150169416 170150172303

## 24 19 23 8 18 15

## 170150173801 170150173802 170150174702 170150175101 170150180802 170150182801

## 18 22 21 29 17 23

## 170150188602 170150189404 170150192001 170150194503 170150200101 170150200201

## 4 16 17 20 18 16

## 170150206703 170150208503 170150210301 170150212504 170150212507 170150215004

## 17 20 15 18 17 12

## 170150217603 170150218002 170150233002 170150238207 170150239501 170150245103

## 17 25 16 21 21 29

## 170150257103 170150259803 170150259901 170150268701 170150271504 170150273901

## 23 22 20 18 18 17

## 170150287704 170150289806 170150292303 170150294801 170150297101 170150297102

## 19 14 17 20 24 23

## 170150298203 170150305503 170150310902 170150313303 170150316201 170150320204

## 32 20 16 19 23 18

## 170150326301 170150329101 170150332404 170150333002 170150333003 170150335302

## 25 18 20 36 30 23

## 170150335703 170150338904 170150342401 170150344104 170150344204 170150345403

## 21 23 16 29 23 19

## 170150346702 170150349802 170150353504 170150355101 170150356903 170150364703

## 24 15 29 21 21 19

## 170150365802 170150369902 170150370201 170150370704 170150372203 170150374106

## 21 28 17 23 19 23

## 170150375601 170150379301 170150379903 170150380002 170150382004 170150383201

## 28 25 19 21 18 17

## 170150385001 170150387811 170150390701 170150394301 170150397502 170150398102

## 16 14 19 23 18 19

## 170150901701 170151900103 170152902401 170154002302 170155013203 170155014105

## 17 18 27 32 22 24

## 170155018102 170155021801 170155022501 170155026102 170155027601 170155031601

## 30 15 16 26 23 19

## 170155039101 170156053402 170158900102 170163083303 170164901303 170165073802

## 24 21 13 15 20 24

## 170165081101 170165901002 170171900101 170175902102 170175902301 170176088602

## 20 16 30 17 23 24

## 170177086101 170177094302 170178900701 170179900902 170180111012 170181114502

## 24 12 16 31 19 21

## 170183900302 170184108601 170184109001 170184109501 170184113903 170184907702

## 24 20 25 29 19 24

## 170250006402 170250009501 170250903303 170252902301 170253002801 170254900702

## 22 21 21 32 20 22

## 170350900103 170350901202 170350902401 170353019802 170355013801 170356021603

## 23 24 22 21 17 26

## 170356900502 170356900601 170453900301 170750901701 180150001103 180150001503

## 22 23 39 20 22 20

## 180150001702 180150002302 180150002303 180150003402 180150003701 180150004303

## 12 20 22 14 15 30

## 180150004403 180150006701 180150007502 180150007704 180150008102 180150008404

## 23 27 22 21 18 25

## 180150009002 180150009202 180150009505 180150009701 180150010001 180150011002

## 20 18 22 20 22 16

## 180150013102 180150013402 180150014201 180150014401 180150014502 180150014802

## 18 17 24 24 16 17

## 180150015302 180150015402 180150015403 180150015405 180150016601 180150017301

## 17 21 21 22 28 20

## 180150017501 180150017903 180150019206 180150020103 180150020501 180150020801

## 22 23 26 14 25 16

## 180150021103 180150022701 180150023101 180150023203 180150024202 180150024402

## 20 17 22 21 19 20

## 180150024501 180150024601 180150025102 180150026201 180150026304 180150026305

## 28 21 23 19 15 22

## 180150027303 180150027901 180150028201 180150028302 180150028701 180150028802

## 11 12 19 18 21 20

## 180150029301 180150030203 180150030402 180150031301 180150031302 180150032701

## 13 23 22 20 16 22

## 180150033103 180150033904 180150034101 180150035202 180150035301 180150035601

## 26 20 20 21 23 16

## 180150036302 180150036503 180150036702 180150037001 180150037901 180150038301

## 23 30 30 21 29 18

## 180150038402 180150039704 180150040101 180150040301 180150040404 180150041103

## 20 15 28 20 17 21

## 180150042202 180150043603 180150044102 180150044302 180150901702 180150903001

## 22 13 14 17 25 29

## 180152000105 180152000307 180153902203 180155000202 180156001007 180156001203

## 20 10 23 27 22 16

## 180156001401 180161902102 180165000303 180250002601 180250002802 180650902001

## 17 19 28 23 16 21

## 180650902301 180650902501 180651900802 180850000107 180850000701 180850001002

## 22 25 15 19 29 25

## 180850901302 180857900101 180950902901 180951900201 190150000405 190150000501

## 17 20 20 16 19 19

## 190150001107 190150001108 190152000203 190158000201 190250900901 190350000302

## 24 19 18 25 24 35

## 190350900202 190352900103 190450900702 190550000506 190550000602 190550000706

## 20 18 29 20 20 21

## 190550001601 190550900103 190750000101 190750000104 190750000205 190750000503

## 17 22 28 29 22 23

## 190850000205 190851000202 190852900102 190952900102 200150000012 200150000066

## 23 27 32 36 31 17

## 200250000003 200250000006 200350000034 200350000046 200350000059 200350000121

## 30 13 13 23 22 18

## 200350000130 200350000162 200350000167 200350000171 200351900005 200351900007

## 16 20 16 17 14 16

## 200351900010 200352900003 210150000801 210150002802 210150003202 210150003203

## 15 22 24 32 15 17

## 210150005004 210150005204 210150005301 210150005503 210150005904 210150006203

## 22 22 16 13 22 22

## 210150006402 210150008501 210150900103 210150900903 210150901702 210152000102

## 20 22 18 35 21 21

## 210153000302 210155900601 210156901401 210157900401 210252000106 210351900503

## 17 19 22 19 19 27

## 210450001301 210450001410 210450002203 210450002301 210450901702 210451901102

## 25 27 12 22 29 25

## 210455900101 210551900102 210650900101 210750900801 220150000603 220150001001

## 13 27 33 25 23 20

## 220150001502 220150001905 220150002304 220150003403 220150004004 220150004403

## 24 22 28 21 18 19

## 220150004406 220150005701 220150006301 220152900101 220157900603 220157900702

## 34 22 22 28 22 23

## 220160900403 220161900204 220250000101 220350900202 220355000101 220355900302

## 30 44 37 31 21 22

## 220450000402 220453900703 220455000103 220455000104 230150002102 230150016604

## 33 42 27 19 16 23

## 230150019805 230150024502 230150025001 230150025504 230150027002 230150028402

## 18 25 24 25 11 15

## 230150042105 230150043202 230150051101 230150055702 230150055804 230150904002

## 12 18 19 21 34 23

## 230150904204 230150904601 230150907502 230152000106 230153901001 230153902302

## 26 29 21 19 20 13

## 230154900302 230154901301 230154902201 230156000203 230156900901 230200002001

## 27 24 21 28 20 18

## 230200005401 230200006403 240150001702 240150003206 240150003703 240150005703

## 12 23 26 26 32 30

## 240150007107 240150007303 240150007402 240152000103 240152900701 240152901701

## 47 45 25 22 34 28

## 240152902301 240152902401 240152902503 240153001002 240153001502 240153001702

## 26 33 27 40 31 31

## 240153900901 240154001802 240154900303 240154900401 240156000403 240250000502

## 25 27 28 23 44 37

## 240250000601 240250001801 240250002505 240250002602 240250004506 240250005901

## 28 33 19 39 23 22

## 240250006102 240250009905 240250010904 240250012302 240250013002 240250014103

## 28 30 21 30 23 23

## 240250015602 240350003106 240350003504 240350004101 240350004301 240351001104

## 29 16 30 16 20 31

## 240352001803 240352002304 240352002503 240352002904

## 24 20 30 22

View(base)

upm_1<-filter(base,base$upm=="060150001304"|base$upm== "060150005502"|base$upm=="0
60150005702"|

base$upm=="060150006701"|base$upm== "060150007503"|base$upm=="0601
50900103"|

base$upm=="060158000102"|base$upm== "060161000502"|base$upm=="0602
50000801"|

base$upm=="060251900103"|base$upm== "060254900302"|base$upm=="0603
50000306"|

base$upm=="060350000307"|base$upm== "060352903201"|base$upm=="0603
52903702"|

base$upm=="060450000304"|base$upm=="060450901102"|base$upm== "0606
50000405"|

base$upm=="060650900302"|base$upm=="060750000305"|base$upm== "0607
50901201"|

base$upm=="060754901502"|base$upm=="060950000104"|base$upm== "0609
50000203")

n_distinct((base$upm))
## [1] 1288

n_distinct(base$id_vivienda)

## [1] 8743

names(base)

## [1] "area" "ciudad" "conglomerado" "panelm" "vivienda"

## [6] "hogar" "p01" "p02" "p03" "p04"

## [11] "p05a" "p05b" "p06" "p07" "p08"

## [16] "p081" "p085" "p09" "p10a" "p10b"

## [21] "p11" "p12a" "p12b" "p15" "p15aa"

## [26] "p15ab" "cod_inf" "p20" "p21" "p22"

## [31] "p23" "p232" "p233" "p24" "p25"

## [36] "p26" "p27" "p28" "p29" "p29a"

## [41] "p30" "p31" "p32" "p33" "p34"

## [46] "p35" "p36" "p37" "p38" "p39"

## [51] "p40" "p41" "p42" "p421" "p422"

## [56] "p42a" "p43" "p44a" "p44b" "p44c"

## [61] "p44d" "p44e" "p44f" "p44g" "p44h"

## [66] "p44i" "p44j" "p44k" "p45" "p46"

## [71] "p47a" "p47b" "p48" "p49" "p50"

## [76] "p51a" "p51b" "p51c" "p52" "p53"

## [81] "p54" "p54a" "p55" "p56a" "p56b"

## [86] "p57" "p58" "p61b1" "p63" "p64a"

## [91] "p64b" "p65" "p66" "p67" "p68a"

## [96] "p68b" "p69" "p70a" "p70b" "p71a"

## [101] "p71b" "p72a" "p72b" "p73a" "p73b"

## [106] "p74a" "p74b" "p75" "p76" "p77"

## [111] "p78" "sd01" "sd021" "sd022" "sd023"

## [116] "sd024" "sd025" "sd026" "sd027" "sd028"

## [121] "sd029" "sd0210" "sd0211" "sd03" "ced01a"

## [126] "estrato" "fexp" "nnivins" "ingrl" "ingpc"

## [131] "pobreza" "epobreza" "condact" "empleo" "desempleo"

## [136] "secemp" "grupo1" "rama1" "upm" "id_vivienda"

## [141] "id_hogar" "id_persona" "periodo"

# Tabla de frecuencias de la condicion de actividad

table(base$condact, useNA = "ifany")

##

## 0 1 2 3 4 5 6 7 8 9

## 6179 5969 2421 282 3823 1341 55 595 51 8041

class(base$condact)

## [1] "numeric"
 base = base %>%

mutate(pea = ifelse(condact %in% 5 &

p03>=15, 1, NA))

table(base$pea, useNA = "ifany")

##

## 1 <NA>

## 1341 27416

table(base$condact, useNA = "ifany")

##

## 0 1 2 3 4 5 6 7 8 9

## 6179 5969 2421 282 3823 1341 55 595 51 8041

Paso 3: Construcción de la variable dummy

de empleo no remunerado de la base a nivel nacional.

base = base %>% mutate(t_empleo_nr = ifelse(pea == 1 &

condact == 5, empleo, NA)): Se añade una
nueva columna a la
tabla “base” llamada “t_empleo_nr” . Los valores de esta nueva columna
serán los
valores de la columna “empleo” si la columna “pea” (Persona
Económicamente Activa) es igual a 1 y la
columna “condact” (Condición de
Actividad) es igual a 5 que es Empleo No Remunerado. En caso
contrario,
el valor será NA. Se utiliza la función “%>%” del paquete “dplyr”
para encadenar operaciones y la
función “mutate” para agregar la nueva
columna.

table(base$t_empleo_nr, useNA = “ifany”): Calcula la

tabla de frecuencias para la columna
“t_empleo_nr” en la tabla “base”,
incluyendo los valores NA si existen.

plan = base %>% as_survey_design(ids = upm, strata =

estrato, weights = fexp): Se crea un objeto
llamado “plan”
utilizando la tabla “base”. La tabla “base” se convierte en un diseño de
encuesta con la
función “as_survey_design” del paquete “srvyr”,
utilizando las columnas “upm” como identificadores de
unidades primarias
de muestreo (PSU), las columnas “estrato” como estratos y las columnas
“fexp” como
pesos de muestreo.

options(survey.lonely.psu = “certainty”): Se
establece una opción para el paquete “survey” que indica
cómo manejar
las PSU solitarias (“lonely PSU”) en el diseño de la encuesta. En este
caso, se establece en
“certainty”, lo que significa que se considerarán
como PSU certezas.

summary(plan): Muestra un resumen del diseño de la

encuesta contenido en el objeto “plan”. Proporciona
información sobre el
número de PSU, estratos y unidades de muestra ponderadas.

table(base$t_empleo_nr, useNA = “ifany”): Calcula la

tabla de frecuencias para la columna
“t_empleo_nr” en la tabla “base”
nuevamente (después de haber realizado las modificaciones y
conversiones
mencionadas en las líneas anteriores), incluyendo los valores NA si
existen.

base = base %>%

mutate(t_empleo_nr = ifelse(pea == 1 & condact == 5, empleo, NA))

table(base$t_empleo_nr,useNA = "ifany")

##

## 1 <NA>

## 1341 27416
# Declaracion del plan de muestreo

plan = base %>%

as_survey_design(

ids = upm,

strata = estrato,

weights = fexp

options(survey.lonely.psu = "certainty")

summary(plan)

## Stratified 1 - level Cluster Sampling design (with replacement)

## With (1288) clusters.

## Called via srvyr

## Probabilities:

## Min. 1st Qu. Median Mean 3rd Qu. Max.

## 7.771e-05 1.415e-03 3.200e-03 5.352e-03 6.928e-03 4.404e-02

## Stratum Sizes:

## 0111 0112 0113 0121 0122 0123 0211 0212 0213 0221 0222 0223 0311

## obs 103 89 97 104 99 94 70 88 89 75 82 90 83

## design.PSU 4 4 4 4 4 4 4 4 4 4 4 4 4

## actual.PSU 4 4 4 4 4 4 4 4 4 4 4 4 4

## 0312 0313 0321 0322 0323 0411 0412 0413 0421 0422 0423 0511 0512

## obs 76 100 78 97 101 86 167 109 64 65 100 79 71

## design.PSU 4 4 4 4 4 4 8 4 4 4 4 4 4

## actual.PSU 4 4 4 4 4 4 8 4 4 4 4 4 4

## 0513 0521 0522 0523 0611 0612 0613 0621 0622 0623 0711 0712 0713

## obs 74 97 88 82 91 82 86 65 70 82 103 192 159

## design.PSU 4 4 4 4 4 4 4 4 4 4 4 8 8

## actual.PSU 4 4 4 4 4 4 4 4 4 4 4 8 8

## 0721 0722 0723 0811 0812 0813 0821 0822 0823 0911 0912 0913 0921

## obs 78 90 90 291 391 418 263 302 226 191 107 79 86

## design.PSU 4 4 4 12 16 16 12 12 8 8 4 4 4

## actual.PSU 4 4 4 12 16 16 12 12 8 8 4 4 4

## 0922 0923 1011 1012 1013 1021 1022 1023 1111 1112 1113 1121 1122

## obs 89 86 208 264 345 199 189 175 173 172 159 149 188

## design.PSU 4 4 8 12 16 8 8 8 8 8 8 8 8

## actual.PSU 4 4 8 12 16 8 8 8 8 8 8 8 8

## 1123 1211 1212 1213 1221 1222 1223 1311 1312 1313 1321 1322 1323

## obs 97 103 70 74 105 95 91 90 172 73 86 83 97

## design.PSU 4 4 4 4 4 4 4 4 8 4 4 4 4

## actual.PSU 4 4 4 4 4 4 4 4 8 4 4 4 4

## 1419 1421 1422 1423 1519 1521 1522 1523 1611 1612 1613 1621 1622

## obs 67 105 98 99 163 148 102 80 94 93 86 151 81

## design.PSU 4 4 4 4 8 4 4 4 4 4 4 4 4

## actual.PSU 4 4 4 4 8 4 4 4 4 4 4 4 4

## 1623 1711 1712 1713 1721 1722 1723 1811 1812 1813 1821 1822 1823

## obs 88 159 167 288 191 165 185 96 65 91 79 79 94

## design.PSU 4 8 8 12 8 8 8 4 4 4 4 4 4

## actual.PSU 4 8 8 12 8 8 8 4 4 4 4 4 4

## 1911 1912 1913 1921 1922 1923 2011 2022 2023 2111 2112 2113 2121

## obs 96 82 83 103 105 101 145 91 67 94 178 61 85

## design.PSU 4 4 4 4 4 4 8 4 4 4 8 4 4

## actual.PSU 4 4 4 4 4 4 8 4 4 4 8 4 4

## 2122 2123 2211 2212 2213 2221 2222 2223 2311 2312 2313 2321 2322

 ## obs 207 78 103 95 88 144 88 114 95 148 71 91 91

## design.PSU 8 4 4 4 4 4 4 4 4 8 4 4 4

## actual.PSU 8 4 4 4 4 4 4 4 4 8 4 4 4

## 2323 2411 2412 2413 2429 2511 2512 2513 2611 2612 2613 2711 2712

## obs 89 376 347 297 224 887 1043 795 670 1433 835 543 832

## design.PSU 4 12 12 12 8 48 52 36 36 60 32 28 36

## actual.PSU 4 12 12 12 8 48 52 36 36 60 32 28 36

## 2713 2811 2812 2813 2911 2912 2913

## obs 618 580 1020 771 460 629 619

## design.PSU 28 28 44 32 24 32 28

## actual.PSU 28 28 44 32 24 32 28

## Data variables:

## [1] "area" "ciudad" "conglomerado" "panelm" "vivienda"

## [6] "hogar" "p01" "p02" "p03" "p04"

## [11] "p05a" "p05b" "p06" "p07" "p08"

## [16] "p081" "p085" "p09" "p10a" "p10b"

## [21] "p11" "p12a" "p12b" "p15" "p15aa"

## [26] "p15ab" "cod_inf" "p20" "p21" "p22"

## [31] "p23" "p232" "p233" "p24" "p25"

## [36] "p26" "p27" "p28" "p29" "p29a"

## [41] "p30" "p31" "p32" "p33" "p34"

## [46] "p35" "p36" "p37" "p38" "p39"

## [51] "p40" "p41" "p42" "p421" "p422"

## [56] "p42a" "p43" "p44a" "p44b" "p44c"

## [61] "p44d" "p44e" "p44f" "p44g" "p44h"

## [66] "p44i" "p44j" "p44k" "p45" "p46"

## [71] "p47a" "p47b" "p48" "p49" "p50"

## [76] "p51a" "p51b" "p51c" "p52" "p53"

## [81] "p54" "p54a" "p55" "p56a" "p56b"

## [86] "p57" "p58" "p61b1" "p63" "p64a"

## [91] "p64b" "p65" "p66" "p67" "p68a"

## [96] "p68b" "p69" "p70a" "p70b" "p71a"

## [101] "p71b" "p72a" "p72b" "p73a" "p73b"

## [106] "p74a" "p74b" "p75" "p76" "p77"

## [111] "p78" "sd01" "sd021" "sd022" "sd023"

## [116] "sd024" "sd025" "sd026" "sd027" "sd028"

## [121] "sd029" "sd0210" "sd0211" "sd03" "ced01a"

## [126] "estrato" "fexp" "nnivins" "ingrl" "ingpc"

## [131] "pobreza" "epobreza" "condact" "empleo" "desempleo"

## [136] "secemp" "grupo1" "rama1" "upm" "id_vivienda"

## [141] "id_hogar" "id_persona" "periodo" "pea" "t_empleo_nr"

table(base$t_empleo_nr, useNA = "ifany")

##

## 1 <NA>

## 1341 27416

Paso 4: Estimaciones de la tasa de empleo

No Remunerado.

emp_nr_nac = plan %>% summarise(…): Crea un nuevo

objeto llamado “emp_nr_nac”. Utiliza el objeto
“plan” que representa el
diseño de encuesta previamente creado. A continuación, calcula una
estimación
total de la variable “t_empleo_nr” (empleo no remunerado) a
nivel nacional, utilizando la función
“survey_total” del paquete
“srvyr”. Se están solicitando estimaciones adicionales como el error
estándar
(“se”), intervalos de confianza (“ci”) y coeficiente de
variación (“cv”), y se tiene en cuenta el efecto de
diseño (“deff”) y se
eliminan los casos con valores faltantes (“na.rm = T”).

emp_area = plan %>% group_by(area) %>%

summarise(…): Crea un nuevo objeto llamado “emp_area”.
Agrupa
los datos en el objeto “plan” por la variable “area” y luego calcula una
estimación total de
“t_empleo_nr” para cada grupo de “area” utilizando
la función “survey_total”. También se incluyen
estimaciones adicionales,
se considera el efecto de diseño y se eliminan los casos con valores
faltantes.

emp_sexo = plan %>% group_by(p02) %>%

summarise(…): Crea un nuevo objeto llamado “emp_sexo”.
Agrupa
los datos en el objeto “plan” por la variable “p02” (sexo) y luego
calcula una estimación total de
“t_empleo_nr” para cada grupo de sexo
utilizando la función “survey_total”. Se incluyen estimaciones
adicionales, se tiene en cuenta el efecto de diseño y se eliminan los
casos con valores faltantes.

emp_etnia = plan %>% group_by(p15) %>%

summarise(…): Crea un nuevo objeto llamado
“emp_etnia”. Agrupa
los datos en el objeto “plan” por la variable “p15” (etnia) y luego
calcula una
estimación total de “t_empleo_nr” para cada grupo de etnia
utilizando la función “survey_total”. Se incluyen
estimaciones
adicionales, se tiene en cuenta el efecto de diseño y se eliminan los
casos con valores
faltantes.

emp_nr_nac = plan %>%

summarise(t_empleo_nr = survey_total(t_empleo_nr,

vartype = c("se","ci","cv"), # Que estimaci

ones se requiereb adicionales al Horvitz-Thompson

deff = T,

na.rm = T))

View(emp_nr_nac)

emp_area = plan %>%

group_by(area) %>%

summarise(t_empleo_nr = survey_total(t_empleo_nr,

vartype = c("se","ci","cv"),

deff = T,

na.rm = T))

View(emp_area)

emp_sexo = plan %>%

group_by(p02) %>%

summarise(t_empleo_nr = survey_total(t_empleo_nr,

vartype = c("se","ci","cv"),

deff = T,

na.rm = T))

view(emp_sexo)

emp_etnia = plan %>%

group_by(p15) %>%

summarise(t_empleo_nr = survey_total(t_empleo_nr,

vartype = c("se","ci","cv"),

deff = T,

na.rm = T))

view(emp_etnia)

Paso 5: ESTIMACION DE LA TASA DE EMPLEO NO

REMUNERADO POR AREA, SEXO Y ETNIA NIVEL
NACIONAL.
emp_nr_nac = plan %>% group_by(area, p02, p15) %>%
summarise(…): Actualiza el objeto
“emp_nr_nac” previamente
creado. Ahora agrupa los datos en el objeto “plan” por las variables
“area”
(área), “p02” (sexo) y “p15” (etnia) y luego calcula la media
(promedio) de “t_empleo_nr” para cada grupo
utilizando la función
“survey_mean” del paquete “srvyr”. También se incluyen estimaciones
adicionales, se
considera el efecto de diseño y se eliminan los casos
con valores faltantes.

res <- plan %>% mutate(…) %>% filter(…) %>%

group_by(…) %>% summarise(…): Crea un nuevo
objeto llamado
“res”. Utiliza el objeto “plan” y realiza una serie de operaciones: se
agrega una nueva
columna “provincias” que contiene las dos primeras
letras de la columna “upm”, luego se filtran solo los
datos que
corresponden a la provincia “06” en la columna “provincias”. Después,
agrupa los datos por
“provincias”, “area”, “p02” y “p15”, y finalmente
calcula el número de observaciones (n) para cada grupo
utilizando la
función “n()”.

# ESTIMACION DE LA TASA DE EMPLEO NO REMUNERADO POR AREA, SEXO Y ETNIA

# NIVEL NACIONAL

emp_nr_nac = plan %>%

group_by(area,p02,p15) %>%

summarise(t_empleo_nr =survey_mean(t_empleo_nr,

vartype = c("se","ci","cv"), # Que estimacion

es se requiereb adicionales al Horvitz-Thompson

deff = T,

na.rm = T))

#Para hacer agrupado por cantones y provincia

res <- plan %>%

mutate(provincias = substr(upm, 1, 2)) %>%

filter(provincias == "06") %>%

group_by(provincias, area, p02, p15) %>%

summarise(n = n())

View(res)

Paso 6: Calidad de las estimaciones

t_empleo_nr = plan %>% group_by(area, p02) %>%

summarise(…): Crea un nuevo objeto llamado
“t_empleo_nr”.
Utiliza el objeto “plan” que representa el diseño de encuesta
previamente creado. Luego
agrupa los datos en el objeto “plan” por las
variables “area” y “p02” (sexo). Después, realiza un resumen
para cada
grupo (combinación de “área” y “sexo”) utilizando la función
“summarise”.

emp_nr_nac = survey_mean(t_empleo_nr, vartype =

c(“se”,“ci”,“cv”), deff = T, na.rm = T): Calcula la
media
(promedio) ponderada de la variable “t_empleo_nr” para cada grupo
utilizando la función
“survey_mean” del paquete “srvyr”. También se
solicitan estimaciones adicionales como el error estándar
(“se”),
intervalos de confianza (“ci”) y coeficiente de variación (“cv”). Se
considera el efecto de diseño
(“deff”) y se eliminan los casos con
valores faltantes (“na.rm = T”).

n = unweighted(n()): Calcula el tamaño muestral no

ponderado (número de observaciones) para cada
grupo utilizando la
función “n()” y lo almacena en la columna “n” del objeto
“t_empleo_nr”.

n_upm = n_distinct(upm): Calcula el número de

unidades primarias de muestreo, únicas para cada grupo
utilizando la
función “n_distinct” y la columna “upm” del objeto “plan”. Esto
corresponde al tamaño efectivo
de muestra.

H = n_distinct(estrato): Calcula el número de

estratos únicos para cada grupo utilizando la función
“n_distinct” y la
columna “estrato” del objeto “plan”.
gl = n_upm - H: Calcula los grados de libertad
ajustados para cada grupo restando el número de estratos
(H) al tamaño
efectivo de muestra (n_upm). Esto se usa para ajustar las estimaciones
de varianza.

p_error = (emp_nr_nac^(2/3))/9: Calcula el

porcentaje de error relativo para cada grupo utilizando la
estimación
ponderada del empleo no remunerado.

(emp_nr_nac). Esta fórmula se usa comúnmente para

calcular el porcentaje de error cuando las
estimaciones se basan en una
muestra compleja con efectos de diseño.

## Calidad de las estimaciones

t_empleo_nr = plan %>%

group_by(area,p02) %>%

summarise(emp_nr_nac = survey_mean(t_empleo_nr,

vartype = c("se","ci","cv"),

deff = T,

na.rm = T),

n = unweighted(n()),

n_upm = n_distinct(upm),

H = n_distinct(estrato),

gl = n_upm - H,

p_error = (emp_nr_nac^(2/3))/9)

View(t_empleo_nr)

INTREPRETACION:

En la provincia de Chimborazo, en el año 2023, se estima que existen

1341 personas que están realizando
“empleo no remunerado”. Esta
estimación tiene un porcentaje de error del 11.11% (0.1111). Esto
significa
que debido a la naturaleza del muestreo y las técnicas
estadísticas utilizadas, se estima que el número real
de personas
involucradas en el empleo no remunerado en la provincia de Chimborazo
está dentro de un
intervalo que oscila alrededor del valor estimado.