2012.Rmd

---
title: '2012'
output: html_document
date: "2024-10-16"
---

```{r prepación variables}
# 1. Carga de paquetes que voy a usar

library("tidyverse")
library("foreign")
library("eph")
library("dplyr")
library("questionr")
library("stringr")
library("gmodels")
library("rstatix")
library("writexl")
```

```{r base de eph}
# 2. Descargar EPH del 4to trismestre 2012.
# Una con sólo población PEA.
EPH <- get_microdata(year = 2012, period = 4, type = "individual")
```

```{r códigos laborales}
# Renombrar las variables y categorías.
EPH$Sexo <- as.character(EPH$CH04)
EPH$Sexo[EPH$Sexo == 1] <- "Varón"
EPH$Sexo[EPH$Sexo == 2] <- "Mujer"

# Renombrar la variable de REGIÓN:
EPH$REGION[EPH$REGION == "1"] <- "Gran Buenos Aires"
EPH$REGION[EPH$REGION == "40"] <- "NOA"
EPH$REGION[EPH$REGION == "41"] <- "NEA"
EPH$REGION[EPH$REGION == "42"] <- "Cuyo"
EPH$REGION[EPH$REGION == "43"] <- "Pampeana"
EPH$REGION[EPH$REGION == "44"] <- "Patagónica"
```

```{r crear variable informales}
# 4. Crear variable informales.
EPH <- EPH %>%
  mutate(Informales = case_when(
    CAT_OCUP == 3 & PP07G_59 == 5 ~ 1,
    CAT_OCUP == 3 & PP07G_59 == 0 ~ 0,
    CAT_OCUP == 2 & PP07H == 2 ~ 1,
    CAT_OCUP == 2 & PP07H == 1 ~ 0
  ))

EPH <- EPH %>%
  mutate(Informales = factor(Informales, labels = c("Formal", "Informal")))
```

```{r calcular ingresos}
# 5. Detalles para calcular ingresos.
# Genero una variable que sea horas totales de trabajo
EPH <- EPH %>%
  mutate(Horas.totales.de.trabajo = PP3E_TOT + PP3F_TOT)

# Genero una variable que sea ingresos laborales totales
EPH <- EPH %>%
  mutate(Ingresos.laborales.totales = P21)

# Calculo ingresos x hora (a nivel mensual)
EPH <- EPH %>%
  mutate(Ingreso.por.hora = Ingresos.laborales.totales / ((Horas.totales.de.trabajo) * 4))

# Calculo proporción de ingresos laborales sobre ingresos totales
EPH <- EPH %>%
  mutate(Proporcion.ingresos.laborales = Ingresos.laborales.totales / P47T)

# Redondear la proporción a 2 decimales
EPH$Proporcion.ingresos.laborales <- round(EPH$Ingresos.laborales.totales / EPH$P47T, 2)
```


```{r calcular tasa actividad}
# 6.Cálculo de Tasas de actividad. País y CBA
# a. Tasa de actividad país.
Actividad.2012 <- EPH %>%
  summarise(
    Poblacion = sum(PONDERA),
    Ocupados = sum(PONDERA[ESTADO == 1]),
    Desocupados = sum(PONDERA[ESTADO == 2]),
    Tasa.Actividad = 100 * ((Ocupados + Desocupados) / Poblacion)
  )

# b.Tasa de actividad país por sexo.
Actividad.sexo.2012 <- EPH %>%
  group_by(Sexo) %>%
  summarise(
    Poblacion = sum(PONDERA),
    Ocupados = sum(PONDERA[ESTADO == 1]),
    Desocupados = sum(PONDERA[ESTADO == 2]),
    Tasa.Actividad = 100 * ((Ocupados + Desocupados) / Poblacion)
  )

# C.Tasa de actividad país por región
Actividad.Región.2012 <- EPH %>%
  group_by(REGION) %>%
  summarise(
    Poblacion = sum(PONDERA),
    Ocupados = sum(PONDERA[ESTADO == 1]),
    Desocupados = sum(PONDERA[ESTADO == 2]),
    Tasa.Actividad = 100 * ((Ocupados + Desocupados) / Poblacion)
  )
```

```{r calcular tasa empleo}
# 6.Cálculo de Tasas de empleo País y CBA
# a. País.
Empleo.2012 <- EPH %>%
  summarise(
    Poblacion = sum(PONDERA),
    Ocupados = sum(PONDERA[ESTADO == 1]),
    Tasa.Empleo = 100 * (Ocupados / Poblacion)
  )

# b.País por sexo
Empleo.sexo.2012 <- EPH %>%
  group_by(Sexo) %>%
  summarise(
    Poblacion = sum(PONDERA),
    Ocupados = sum(PONDERA[ESTADO == 1]),
    Tasa.Empleo = 100 * (Ocupados / Poblacion)
  )

# c.País por región
Empleo.región.2012 <- EPH %>%
  group_by(REGION) %>%
  summarise(
    Poblacion = sum(PONDERA),
    Ocupados = sum(PONDERA[ESTADO == 1]),
    Tasa.Empleo = 100 * (Ocupados / Poblacion)
  )
```

```{r calcular tasa desempleo}
# 7.Cálculo de Tasas de desempleo País y CBA
# a.País
Desempleo.2012 <- EPH %>%
  summarise(
    Poblacion = sum(PONDERA),
    Ocupados = sum(PONDERA[ESTADO == 1]),
    Desocupados = sum(PONDERA[ESTADO == 2]),
    Tasa.Desempleo = 100 * (Desocupados / (Ocupados + Desocupados))
  )

# b.País por sexo.
Desempleo.sexo.2012 <- EPH %>%
  group_by(Sexo) %>%
  summarise(
    Poblacion = sum(PONDERA),
    Ocupados = sum(PONDERA[ESTADO == 1]),
    Desocupados = sum(PONDERA[ESTADO == 2]),
    Tasa.Desempleo = 100 * (Desocupados / (Ocupados + Desocupados))
  )

# C.País por región
Desempleo.región.2012 <- EPH %>%
  group_by(REGION) %>%
  summarise(
    Poblacion = sum(PONDERA),
    Ocupados = sum(PONDERA[ESTADO == 1]),
    Desocupados = sum(PONDERA[ESTADO == 2]),
    Tasa.Desempleo = 100 * (Desocupados / (Ocupados + Desocupados))
  )
```

```{r calcular informalidad laboral}
# 8.Cálculo de Informalidad laboral.

# a. Informalidad país.
Informalidad <- EPH %>%
  filter(Informales %in% c("Formal", "Informal")) %>%
  summarise(
    Poblacion = sum(PONDERA),
    Ocupados = sum(PONDERA[ESTADO == 1]),
    Informales = sum(PONDERA[Informales == "Informal"]),
    Tasa.Informalidad = 100 * (Informales / Ocupados)
  )

# b. Informalidad país por sexo.
Informalidad.por.sexo <- EPH %>%
  filter(Informales %in% c("Formal", "Informal")) %>%
  group_by(Sexo) %>%
  summarise(
    Poblacion = sum(PONDERA),
    Ocupados = sum(PONDERA[ESTADO == 1]),
    Informales = sum(PONDERA[Informales == "Informal"]),
    Tasa.Informalidad = 100 * (Informales / Ocupados)
  )

# b. Informalidad país por región.
Informalidad.por.región <- EPH %>%
  filter(Informales %in% c("Formal", "Informal")) %>%
  group_by(REGION) %>%
  summarise(
    Poblacion = sum(PONDERA),
    Ocupados = sum(PONDERA[ESTADO == 1]),
    Informales = sum(PONDERA[Informales == "Informal"]),
    Tasa.Informalidad = 100 * (Informales / Ocupados)
  )
```

```{r calcular tasa subocupación}
# 1.Todo el país.
Subocupados.2012 <- EPH %>%
  summarise(
    Poblacion = sum(PONDERA),
    Ocupados = sum(PONDERA[ESTADO == 1]),
    Desocupados = sum(PONDERA[ESTADO == 2]),
    Subocupados = sum(PONDERA[ESTADO == 1 & INTENSI == 1 & PP03J %in% c(1, 2)]),
    Tasa.Subocupados = 100 * (Subocupados / (Ocupados + Desocupados))
  )



# 2. Todo el país por sexo
Subocupados.por.sexo.2012 <- EPH %>%
  group_by(Sexo) %>%
  summarise(
    Poblacion = sum(PONDERA),
    Ocupados = sum(PONDERA[ESTADO == 1]),
    Desocupados = sum(PONDERA[ESTADO == 2]),
    Subocupados = sum(PONDERA[ESTADO == 1 & INTENSI == 1 & PP03J %in% c(1, 2)]),
    Tasa.Subocupados = 100 * (Subocupados / (Ocupados + Desocupados))
  )

# 3. País por región
Subocupados.por.región.2012 <- EPH %>%
  group_by(REGION) %>%
  summarise(
    Poblacion = sum(PONDERA),
    Ocupados = sum(PONDERA[ESTADO == 1]),
    Desocupados = sum(PONDERA[ESTADO == 2]),
    Subocupados = sum(PONDERA[ESTADO == 1 & INTENSI == 1 & PP03J %in% c(1, 2)]),
    Tasa.Subocupados = 100 * (Subocupados / (Ocupados + Desocupados))
  )
```

```{r calcular proporcion ingresos laboras sobre ingresos totales}
# 1.Proporción de ingresos laborales por sobre totales por sexo país
Proporcion.ingresos.laborales.por.sexo.2012 <- EPH %>%
  filter(CH06 > 13) %>%
  filter(ESTADO == 1) %>%
  filter(Proporcion.ingresos.laborales > 0) %>%
  group_by(Sexo) %>%
  summarise(PromedioProporcion = mean(Proporcion.ingresos.laborales, na.rm = TRUE))


# 2.Proporción de ingresos laborales por sobre totales por sexo e informalidad

Proporcion.ingresos.laborales.por.sexo.informalidad.2012 <- EPH %>%
  filter(CH06 > 13) %>%
  filter(ESTADO == 1) %>%
  filter(Proporcion.ingresos.laborales > 0) %>%
  group_by(Informales, Sexo) %>%
  summarise(PromedioProporcion = mean(Proporcion.ingresos.laborales, na.rm = TRUE))

# 3.Proporción de ingresos laborales por sobre totales por región país
Proporcion.ingresos.laborales.por.region.2012 <- EPH %>%
  filter(CH06 > 13) %>%
  filter(ESTADO == 1) %>%
  filter(Proporcion.ingresos.laborales > 0) %>%
  group_by(REGION) %>%
  summarise(PromedioProporcion = mean(Proporcion.ingresos.laborales, na.rm = TRUE))
```

```{r salidas}
# Unir salidas tasas

# General
Tablas_unidas_2012 <- data.frame(
  Año = 2012,
  Actividad = Actividad.2012[1, "Tasa.Actividad"],
  Empleo = Empleo.2012[1, "Tasa.Empleo"],
  Desempleo = Desempleo.2012[1, "Tasa.Desempleo"],
  Informalidad = Informalidad[1, "Tasa.Informalidad"],
  Subocupados = Subocupados.2012[1, "Tasa.Subocupados"]
)


write.csv(Tablas_unidas_2012, "data/eph/2012/General.csv")

# Por sexo
Tablas_unidas_sexo_2012 <- data.frame(
  Año = 2012,
  Sexo = Actividad.sexo.2012["Sexo"],
  Actividad = Actividad.sexo.2012["Tasa.Actividad"],
  Empleo = Empleo.sexo.2012["Tasa.Empleo"],
  Desempleo = Desempleo.sexo.2012["Tasa.Desempleo"],
  Informalidad = Informalidad.por.sexo["Tasa.Informalidad"],
  Subocupados = Subocupados.por.sexo.2012["Tasa.Subocupados"],
  Proporción_de_ingresos_laborales_sobre_totales = Proporcion.ingresos.laborales.por.sexo.2012["PromedioProporcion"]
)


write.csv(Tablas_unidas_sexo_2012, "data/eph/2012/Sexo.csv")


# Por región
Tablas_unidas_region_2012 <- data.frame(
  Año = 2012,
  Region = Actividad.Región.2012["REGION"],
  Actividad = Actividad.Región.2012["Tasa.Actividad"],
  Empleo = Empleo.región.2012["Tasa.Empleo"],
  Desempleo = Desempleo.región.2012["Tasa.Desempleo"],
  Informalidad = Informalidad.por.región["Tasa.Informalidad"],
  Subocupados = Subocupados.por.región.2012["Tasa.Subocupados"],
  Proporción_de_ingresos_laborales_sobre_totales = Proporcion.ingresos.laborales.por.region.2012["PromedioProporcion"]
)

write.csv(Tablas_unidas_region_2012, "data/eph/2012/Region.csv")
```