Procesamiento de datos con paquete tidyverse - Aplicacion con EPH


Luego de abordar las principales funciones necesarias para operar sobre las bases de datos, veremos su aplicación con la base individual de la EPH.

En primer lugar, importamos la base de datos, sea descargándola de la página del indec y luego importándola en R (funciones como read.table(), por ejemplo), o utilizando el paquete {eph} y la función que directamente nos permite crear un objeto y en él la base (get_microdata()).


Ejercicio 1 - Cargamos la base de datos

1.1.Levantar la base individual del primer trimestre de 2021.


Ejercicio 2 - Conociendo los datos

2.1. Obtener la estructura básica de nuestro dataframe (pista: funciónes como str(), summary(), colnames() pueden servir).


2.2. Obtener los estadísticos principales de la distribución del ingreso de la ocupación principal (Variable P21; funciones mean(), median(), max(), min() o directamente summary()):


2.3. Generar frecuencia simple de la variable ESTADO (cuántas veces aparece cada categoría):


Ejercicio 3 - Transformaciones de la base de datos

Cargamos la librería tidyverse que vamos a utilizar para trabajar la base.

library(tidyverse)

3.1. Filtrar nuestra base para quedarnos solo con las observaciones de la región 43 y guardarlo en un objeto que se llame pampeana


3.2. Cambiar el nombre de la variable P21 por ingreso_OP y guardarlo en la misma base de datos.


3.3. Crear una nueva variable llamada ingreso_horario que sea el ingreso por hora de la ocupación principal (P21/PP3E_TOT). Guadar dicha operación en el mismo objeto y chequear que se haya hecho.


3.4. Crear una variable llamada nivel_ed2 que agrupe los niveles educativos de la variable NIVEL_ED en los siguientes 4:

  • Sin educación, primaria incompleta, o Ns.Nr.
  • Hasta secundaria incompleta
  • Hasta universitaria incompleta
  • Universitaria completa

Guardar dicho resultado en el mismo objeto con el que venimos trabajando y chequear que la operación se haya hecho.


3.5. Quedarnos solo con las siguientes variables de la base de datos:

ANO4, TRIMESTRE, REGION, AGLOMERADO, ESTADO, PONDERA

y guardarlo en un nuevo objeto llamado recorte.


3.7. Crear una tabla llamada poblacion_ocupados que me de la información del total de población y el total de los ocupados.

Nota: - Población: Si contaramos cuantos registros tiene la base, simplemente tendríamos el numero de individuos muestral de la EPH, por ende debemos sumar los valores de la variable PONDERA, para contemplar a cuantas personas representa cada individuo encuestado. - Ocupados: En este caso, debemos agregar un filtro al procedimiento anterior, ya que únicamente queremos sumar los ponderadores de aquellas personas que se encuentran ocupadas. (La lógica seria: “Sumá los valores de la columna PONDERA, solo para aquellos registros donde el ESTADO == 1”)


3.8. A partir de la información anterior, calcular la tasa de empleo, definida como:

  • Tasa de empleo: \(\frac{Ocupados}{Poblacion}\)


3.9. Crear una tabla llamada tasas que me de la información del total de población, el total de ocupados, el total de desocupados, de la PEA (ocupados + desocupados) y calcular la tasa de actividad, empleo y desocupación.

  • Tasa de actividad: \(\frac{PEA}{Poblacion}\)

  • Tasa de desocupacion: \(\frac{Desocupados}{PEA}\)


3.10. Cambiar el formato de la tabla para que queden los nombres de las tasas en la primer columna y los valores en la segunda columna.