update

.gitignore

@@ -0,0 +1,4 @@
+.Rproj.user
+.Rhistory
+.RData
+.Ruserdata

index.Rmd

@@ -0,0 +1,365 @@
+---
+title: "R aplicado a la ECH"
+subtitle: "Setiembre 2020 <br> Gabriela Mathieu"
+#`r icon::fa_r_project(colour = "#43a2ca")`
+# author: "<br> `r icon::fa_creative_commons(colour = "#f0f0f0")` `r icon::fa_creative_commons_by(colour = "#f0f0f0")` `r icon::fa_creative_commons_sa(colour = "#f0f0f0")` <br> Gabriela Mathieu"
+author: <a rel="license" href="http://creativecommons.org/licenses/by/4.0/"><img alt="Creative Commons License" style="border-width:0" src="https://i.creativecommons.org/l/by/4.0/88x31.png" /></a><br /> <a rel="license" href="http://creativecommons.org/licenses/by/4.0/">Creative Commons Attribution 4.0 International License</a>
+output:
+  xaringan::moon_reader:
+    css: xaringan-themer.css
+    #css: [default, default-fonts, rladies-fonts]
+    #lib_dir: libs
+    nature:
+       highlightStyle: github
+       highlightLines: true
+       countIncrementalSlides: false
+       ratio: "16:9"
+       slideNumberFormat: |
+        <div class="progress-bar-container">
+          <div class="progress-bar" style="width: calc(%current% / %total% * 100%);">
+          </div>
+        </div>
+---
+```{r, include = F}
+knitr::opts_chunk$set(fig.width = 6, message = FALSE, warning = FALSE, comment = "", cache = FALSE, fig.retina = 3)
+library(flipbookr)
+library(tidyverse)
+library(flair)
+library(kableExtra)
+options(scipen = 9999)
+```
+```{r xaringan-themer, include=FALSE, warning=FALSE}
+library(xaringanthemer)
+style_duo_accent(
+  #base_color = "#43a2ca",
+  header_font_google = google_font("Mukta"),#Ubuntu Condensed
+  text_font_google   = google_font("Montserrat", "300", "300i"),
+  code_font_google   = google_font("Fira Mono"),
+  primary_color      = "#0F4C81", # pantone classic blue
+  secondary_color    = "#b3e2cd", # pantone baby blue
+  #header_font_google = google_font("Raleway"),
+  #text_font_google   = google_font("Raleway", "300", "300i"),
+  #code_font_google   = google_font("Source Code Pro"),
+  text_font_size     = "25px"
+#   colors = c(
+#   red = "#f34213",
+#   purple = "#3e2f5b",
+#   orange = "#ff8811",
+#   green = "#136f63",
+#   white = "#FFFFFF",
+# )
+)
+
+```
+
+```{r, include=FALSE}
+text_spec2 <- function(x = "x"){
+  text_spec(x, background = "#b3e2cd", bold = T)
+}
+```
+
+```{r echo = FALSE}
+library(dplyr) # cargo el paquete
+load("data/ech19.RData") #importo los datos
+```
+
+# ¿Qué haremos hoy?
+
+- Repaso
+<br><br>
+--
+
+- Pobreza e indigencia: cálculo de variables y estimación de indicadores
+<br><br>
+--
+
+- NBI: cálculo de variables y estimación de indicadores
+<br><br>
+--
+
+- Método integrado: cálculo de variables y estimación de indicadores
+<br><br>
+--
+
+- Ejercicios
+
+
+
+---
+# Medición de la pobreza
+
+- El paquete ech proveé tres funciones para instrumentar la medición de la pobreza en personas y hogares: 
+<br><br>
+--
+
+- `r text_spec2("poverty(): pobreza monetaria")`
+<br><br>
+--
+
+- `r text_spec2("unsatisfied_basic_needs(): necesidades básicas insatisfechas")`
+<br><br>
+--
+
+- `r text_spec2("integrated_poverty_measure(): método integrado")`
+
+---
+class: inverse, center, middle
+# ech::poverty()
+
+---
+# Incidencia de la pobreza
+
+- La función `r text_spec2("poverty()")` permite calcular la pobreza e indigencia a nivel de hogares y personas.
+<br><br>
+--
+
+- El cálculo de la variable *poor* e *indigent* utiliza la Metodología 2006 que establece la medición de la pobreza por el método del ingreso usando la `r text_spec2("línea de pobreza 2006")`. 
+<br><br>
+--
+
+- El Método del Ingreso, es el útilizado por el INE como `r text_spec2("medida oficial")`, define la pobreza a partir de los ingresos per cápita de los hogares. 
+<br><br>
+--
+
+- De esta manera un hogar será considerado pobre `r text_spec2("si el ingreso per cápita no supera el valor de un umbral:")` la línea de pobreza (LP). A su vez, todas las personas de ese hogar, si el hogar es considerado pobre, son consideradas pobres.
+
+---
+# Cálculo de la Línea de Indigencia y la Línea de Pobreza 2006
+
+- La construcción de las líneas 2006 se basa en los `r text_spec2("hábitos de consumo de la población del estrato de referencia definido en la ENGIH 2005-2006")`, sin introducir componentes normativos.
+<br><br>
+--
+
+- `r text_spec2("Los precios de la Canasta Básica Total (CBT) se actualizan según el IPC")` (los índices de precios tanto de bienes alimentarios como no alimentarios). 
+<br><br>
+--
+
+- Para determinar la LP  se  introducen  `r text_spec2("economías  de  escala  en  los  gastos  no  alimentarios  para  los  estratos  de  referencia  según la región geográfica")`,  tomando  en  cuenta  el  tamaño  del  hogar.  
+
+Fuente: [Metodología 2006](http://www.ine.gub.uy/documents/10181/36026/Informe+Linea+de+Pobreza+2006+Final.pdf/a8ac8606-d2e1-4cfd-b038-26c46bfb9de8)
+
+<!-- El coeficiente de Orshansky es el inverso del Coeficiente de Engel (proporción del gasto en alimentación sobre el gasto de consumo total) -->
+
+<!-- En  la  práctica  el  Coeficiente  de  Orshansky2  (CO)  varía  a  lo  largo  del  tiempo según la evolución de los precios relativos y el tamaño del hogar. -->
+
+---
+# LI y LP
+
+- `r text_spec2("LI del hogar")`
+
+$CBA_{pc}*ht19$
+
+- `r text_spec2("LP del hogar")`
+
+$CBA_{pc}*ht19 + CBNA_{pc}*n^{0.8}$
+
+El exponente que  mide  las  economías  de  escala  en  el gasto  no  alimentario es 0,8.
+
+Veamos el código de la función poverty() y los objetos ech::cba_cbna_*
+
+---
+# Cálculamos las variables pobreza e indigencia
+
+- En la ECH ya vienen las variables *pobre06* e *indigente06*.
+
+- La función poverty() calcula las variables *poor* e *indigent*.
+
+```{r}
+# cargamos el paquete 
+library(ech); library(dplyr)
+
+# cargamos los datos
+load("data/ech19.RData")
+
+# calculamos las variables de pobreza monteria
+ech19 <- poverty(data = ech19) #<<
+```
+
+---
+# Estimamos la incidencia de la pobreza e indigencia
+
+Estimamos la incidencia de la pobreza en hogares y en personas usando la función `r text_spec2("get_estimation_mean()")`
+
+```{r eval = FALSE}
+# Hogares según situación de pobreza 
+pobres_hogares <- get_estimation_mean(ech19, variable = "poor", level = "h", ids = "upm", estrato = "estrato") #<<
+
+# Personas según situación de pobreza 
+pobres_personas <- get_estimation_mean(ech19, variable = "poor", level = "i", ids = "upm", estrato = "estrato") #<<
+
+# Hogares según situación de indigencia
+pobres_hogares <- get_estimation_mean(ech19, variable = "indigent", level = "h", ids = "upm", estrato = "estrato") #<<
+
+# Personas según situación de indigencia
+pobres_personas <- get_estimation_mean(ech19, variable = "indigent", level = "i", ids = "upm", estrato = "estrato") #<<
+```
+---
+# Ejercicio 
+
+- Estimar el total de personas y  hogares pobres.    
+
+- Estimar la incidencia de la pobreza en hogares por área geográfica 
+
+- Estimar la incidencia de la pobreza en personas por área geográfica 
+
+- Estimar la incidencia de la pobreza en hogares por departamento
+
+- Estimar la incidencia de la pobreza en personas por área geográfica, según grupos de edades: 0-5, 6-12, 13-17, 18-64 y 65+
+
+- Estimar la incidencia de la pobreza en personas por área geográfica, según ascendencia declarada de las personas (afro, blanca, otra)
+
+Comparar con las estimaciones del [INE](http://www.ine.gub.uy/documents/10181/364159/Estimaci%C3%B3n+de+la+pobreza+por+el+M%C3%A9todo+del+Ingreso+2017/f990baaf-1c32-44c5-beda-59a20dd8325c)
+
+---
+class: inverse, center, middle
+# ech::unsatisfied_basic_needs()
+
+---
+# Necesidades Básicas Insatisfechas
+
+- La función unsatisfied_basic_needs() permite calcular variables que identifica necesidades básicas insatisfechas (NBI) en ciertas dimensiones que el hogar debería satisfacer para `r text_spec2("lograr un mínimo de bienestar")` y luego agregarlas en un indicador. 
+<br><br>
+--
+
+- Se usa una aproximación de la Metodología del Censo 2011. Las dimensiones consideradas son: `r text_spec2("hacinamiento, acceso a agua potable, acceso a energía eléctrica, materiales de la vivienda, evacuación del servicio sanitario y educación")`. 
+<br><br>
+--
+
+- La dimensión de educación se evalua para las personas entre 4 a 17 años y si al menos una de estas personas tiene una carencia en educación se considera que todo el hogar tiene carencia en esta dimensión. 
+<br><br>
+--
+
+- Se evalúa para cada una de estas dimensiones `r text_spec2("si hay o no carencia")`, luego se suman y se obtiene la variable *UBN_q* (toma valores entre 0 a 6) y *UBN* (“Sin NBI”, “Con 1 NBI”, “Con 2 NBI” y “Con 3 o más NBI”). Los resultados se calculan al nivel del hogar y se imputan a todas las personas del hogar.
+
+---
+# Cálculo y estimación de las NBI
+
+Para calcular las NBI previamente debemos calcular la asistencia escolar y los años de educación.
+
+```{r eval = FALSE}
+# Calculamos las variables de NBI
+ech19 <- enrolled_school(ech19)
+ech19 <- years_of_schooling(ech19)
+ech19 <- unsatisfied_basic_needs(data = ech19) #<<
+```
+
+Estimamos la variable cantidad de NBI 
+
+```{r eval = FALSE}
+# Distribución de hogares según cantidad de NBI que presenta
+nbi_hogares <- get_estimation_mean(df, variable = "UBN", level = "h", ids = "upm", estrato = "estrato") #<<
+
+# Distribución de personas según cantidad de NBI que presenta el hogar
+nbi_personas <- get_estimation_mean(df, variable = "UBN", level = "i", ids = "upm", estrato = "estrato") #<<
+```
+
+---
+class: inverse, center, middle
+# ech::integrated_poverty_measure()
+
+---
+# Método integrado de medición de la pobreza
+
+- El método integrado `r text_spec2("combina el método del ingreso con el de NBI")`.
+<br><br>
+--
+
+- La función integrated_poverty_measure() permite calcular un indicador que vincula los dos métodos anteriores, de ahí el nombre de método integrado. 
+<br><br>
+--
+
+- Se calcula la variable *integrated_poverty_measure* que toma 4 valores: `r text_spec2("'No pobreza', 'Pobreza reciente', 'Pobreza inercial' y 'Pobreza crónica'")`.
+
+| NBI / Pobreza | Pobre | No pobre |
+|--------|---------|--------------|
+| Con al menos una carencia | Pobreza crónica | Pobreza inercial |  
+| Ausencia de carencia  | Pobreza reciente    |   No pobres |
+
+---
+# Método integrado
+
+Previamente debemos haber calculado las variables pobreza y NBI
+
+```{r eval = FALSE}
+# calculamos la variable metodo integrado
+ech19 <- integrated_poverty_measure(data = ech19) #<<
+```
+
+Estimamos la proporción de hogares según el método integrado
+
+```{r eval = FALSE}
+
+# Hogares según situación de pobreza
+ipm_hogares <- get_estimation_mean(ech19, variable = "integrated_poverty_measure", level = "h", ids = "upm", estrato = "estrato")
+```
+
+---
+# geouy & ech
+
+- Generamos un mapa de coropletas con la estimación de la incidencia de la pobreza por departamento.
+
+- Primero estimamos pobreza en hogares por deparamento usando el paquete ech.
+
+```{r}
+pobre_x_dpto <- get_estimation_mean(data = ech19, # Indico el data.frame
+                                    variable = "pobre06", # La variable a estimar
+                                    by.x = "nomdpto", # La variable de agrupación
+                                    level = "h", # Defino que lo haga a nivel de hogar
+                                    name = "Pobreza")  %>%
+        filter(pobre06 == "Pobre")
+```
+
+---
+# Mapa de coropletas
+
+El uso de este paquete se potencia al usarlo en conjunto con [geouy](https://github.com/RichDeto/geouy) ya que permite acceder a diferentes capas geográficas de Uruguay y construir mapas temáticos. 
+
+Por ejemplo, a la estimación anterior de hogares pobres por departamento se le pueden agregar las geometrías de los polígonos de cada departamento para construir un mapa de coropletas.
+
+```{r}
+# Agrego geometrías
+pobre_x_dpto_geo <- add_geom(data = pobre_x_dpto, # Los datos en una unidad geográfica de entre las opciones
+                             unit = "Departamentos", # Unidad de agregación de los datos
+                             variable = "nomdpto") # Variable correspondiente a los códigos a la unidad
+```
+
+---
+# Mapa de coropletas
+
+.pull-left[
+```{r eval = FALSE}
+# Hago un mapa
+plot_geouy(x = pobre_x_dpto_geo, 
+           col = "Pobreza",
+           l = "%")
+```
+]
+
+
+
+.pull-right[
+```{r echo = FALSE}
+# Hago un mapa
+plot_geouy(x = pobre_x_dpto_geo, col = "Pobreza", l = "%")
+```
+]
+
+---
+<!-- # Resultados oficiales  -->
+
+<!-- Podemos comparar estos resultados que brinda el paquete ech, con el Boletín Técnico que publica el INE. -->
+
+<!-- Concretamente para comparar los resultados con el cuadro 20 y 21, primero calculamos la variable poor con la función poverty() y luego estimamos la proporción de hogares y personas pobres según región (consideramos la variable region_4). -->
+
+<!-- ```{r eval = FALSE} -->
+<!-- df <- poverty(data = df) -->
+
+<!-- # Hogares según situación de pobreza  -->
+<!-- pobres_hogares_region <- get_estimation_mean(df, variable = "poor", by.x = "region_3",level = "h", ids = "upm", estrato = "estrato") -->
+<!-- pobres_hogares_region %>% filter(poor == "Pobre") -->
+
+<!-- # Personas según situación de pobreza  -->
+<!-- pobres_personas_region <- get_estimation_mean(df, variable = "poor", by.x = "region_3", level = "i", ids = "upm", estrato = "estrato") -->
+<!-- pobres_personas_region %>% filter(poor == "Pobre") -->
+<!-- ``` -->
+