Nothing
R/literalize.R
In ismtchile: Calculating Socio Material Territorial Index
#' @title Literalizar bases censales -- Literalize census databases
#'
#' @param df objeto \code{data.frame} correspondiente a la base de datos original de los censos 2017, 2012, 2002, 1992 o 1982. -- \code{data.frame} object corresponding to the original database for the 2017, 2012, 2002, 1992 or 1982 census.
#' @param year integer. No provee Default para forzar la explicitación del año de la base. || || integer. Default is not provided, so as to force explicitation of the database's year.
#'
#' @import dplyr
#' @import stringr
#'
#' @return objeto \code{data.frame} con las variables como texto en lugar de factores (nombres y categorías homologados para todos los censos)
#' @export literalize
#'
#' @examples
#' data(c17_example)
#' clean <- c17_example |> literalize(2017)
literalize <- function (df, year) {
region <- NULL
provincia <- NULL
comuna <- NULL
id_comuna <- NULL
dc <- NULL
id_distri <- NULL
area <- NULL
id_area <- NULL
zc_loc <- NULL
nviv <- NULL
nhogar <- NULL
personan <- NULL
cant_per <- NULL
p09 <- NULL
id_region <- NULL
id_provin <- NULL
id_zona <- NULL
id_manzan <- NULL
tipo_area <- NULL
npers <- NULL
cant_hog <- NULL
tipoviv <- NULL
ocup_viv <- NULL
mat_muro <- NULL
mat_techo <- NULL
mat_piso <- NULL
ndorms <- NULL
agua_orig <- NULL
tipo_hog <- NULL
operativo <- NULL
parentesco <- NULL
sexo <- NULL
edad <- NULL
res_5a <- NULL
nacimiento <- NULL
asiste_educ <- NULL
curso_alto <- NULL
nivel_educ <- NULL
pueblo_pert <- NULL
pueblo_orig <- NULL
trabajo <- NULL
rama <- NULL
hijos_nacido <- NULL
hijos_vivos <- NULL
escolaridad <- NULL
dpar <- NULL
folio <- NULL
prov <- NULL
zona <- NULL
manzana <- NULL
nhog <- NULL
nper <- NULL
p20c <- NULL
p40 <- NULL
p41 <- NULL
p17 <- NULL
portafolio <- NULL
vn <- NULL
tp <- NULL
hn <- NULL
p34 <- NULL
p35 <- NULL
distrito <- NULL
pn <- NULL
h13 <- NULL
p19 <- NULL
p26b <- NULL
vivienda <- NULL
hogar <- NULL
pieza_dormir <- NULL
persona <- NULL
curso <- NULL
hijos_nacidos_vivos <- NULL
region92 <- NULL
provincia92 <- NULL
comuna92 <- NULL
manzent92 <- NULL
geocode92 <- NULL
sector <- NULL
d <- NULL
z <- NULL
s <- NULL
v <- NULL
h <- NULL
id_hog <- NULL
hijos_nacidosvivos <- NULL
hijos_sobrevivientes <- NULL
dormitorio <- NULL
pass <- function(){}
if (year == 2017) {
df0 <- df |>
dplyr::mutate(
id_region = stringr::str_pad(
region,
width = 2,
side = 'left',
pad = '0'
),
id_provin = stringr::str_pad(
provincia,
width = 3,
side = 'left',
pad = '0'
),
id_comuna = stringr::str_pad(
comuna,
width = 5,
side = 'left',
pad = '0'
),
id_distri = paste(
id_comuna,
stringr::str_pad(
dc,
width = 2,
side = 'left',
pad = '0'
),
sep = ''
),
id_area = paste(
id_distri,
as.character(area),
sep = ''
),
id_zona = paste(
id_area,
stringr::str_pad(
zc_loc,
width = 3,
side = 'left',
pad = '0'
),
sep = ''
),
id_manzan = NA_character_,
nviv = as.integer(nviv),
nhogar = as.integer(nhogar),
npers = as.integer(personan),
cant_hog = dplyr::case_when(
cant_hog %in% c(0 : 35) ~ as.integer(cant_hog),
TRUE ~ NA_integer_
),
cant_per = as.integer(cant_per),
tipoviv = dplyr::case_when(
p01 == 1 ~ 'CASA',
p01 == 2 ~ 'DPTO',
p01 == 3 ~ 'INDIGENA',
p01 == 4 ~ 'PIEZA',
p01 == 5 ~ 'MEDIAGUA',
p01 == 6 ~ 'MOVIL',
p01 == 7 ~ 'OTRO',
p01 == 8 ~ 'COLECTIVA',
p01 == 9 ~ 'TRANSITO',
p01 == 10 ~ 'CALLE',
TRUE ~ NA_character_
),
ocup_viv = dplyr::case_when(
p02 == 1 ~ 'PRESENTES',
p02 == 2 ~ 'AUSENTES',
p02 == 3 ~ 'DESOCUPADA',
p02 == 4 ~ 'TEMPORADA',
TRUE ~ NA_character_
),
mat_muro = dplyr::case_when(
p03a == 1 ~ 'HORMIGON',
p03a == 2 ~ 'ALBANILERIA',
p03a == 3 ~ 'TABIQUE_FORRADO',
p03a == 4 ~ 'TABIQUE',
p03a == 5 ~ 'ARTESANAL',
p03a == 6 ~ 'PRECARIOS',
TRUE ~ NA_character_
),
mat_techo = dplyr::case_when(
p03b == 1 ~ 'TEJAS',
p03b == 2 ~ 'LOSA_HORMIGON',
p03b == 3 ~ 'PLANCHAS',
p03b == 4 ~ 'FONOLITA',
p03b == 5 ~ 'PAJA',
p03b == 6 ~ 'PRECARIOS',
p03b == 7 ~ 'SIN_TECHO',
TRUE ~ NA_character_
),
mat_piso = dplyr::case_when(
p03c == 1 ~ 'PARQUET',
p03c == 2 ~ 'RADIER',
p03c == 3 ~ 'BALDOSA_CEMENTO',
p03c == 4 ~ 'CEMENTO_TIERRA',
p03c == 5 ~ 'TIERRA',
TRUE ~ NA_character_
),
ndorms = dplyr::case_when(
p04 %in% c(0 : 6) ~ as.integer(p04),
TRUE ~ NA_integer_
),
agua_orig = dplyr::case_when(
p05 == 1 ~ 'RED_PUBLICA',
p05 == 2 ~ 'POZO',
p05 == 3 ~ 'CAMION',
p05 == 4 ~ 'RIO',
TRUE ~ NA_character_
),
tipo_hog = dplyr::case_when(
tipo_hogar == 1 ~ 'UNIPERSONAL',
tipo_hogar == 2 ~ 'MONOPARENTAL',
tipo_hogar == 3 ~ 'BIPARENTAL_NH',
tipo_hogar == 4 ~ 'BIPARENTAL_CH',
tipo_hogar == 5 ~ 'COMPUESTO',
tipo_hogar == 6 ~ 'EXTENSO',
tipo_hogar == 7 ~ 'SIN_NUCLEO',
TRUE ~ NA_character_
),
operativo = dplyr::case_when(
tipo_operativo == 1 ~ 'VIV_PARTICULAR',
tipo_operativo == 8 ~ 'VIV_COLECTIVA',
tipo_operativo == 9 ~ 'TRANSITO',
tipo_operativo == 10 ~ 'CALLE',
TRUE ~ NA_character_
),
parentesco = dplyr::case_when(
p07 == 1 ~ 'JEFE_HOGAR',
p07 == 2 ~ 'CONYUGUE',
p07 == 3 ~ 'UNION_CIVIL',
p07 == 4 ~ 'PAREJA',
p07 == 5 ~ 'HIJO_A',
p07 == 6 ~ 'HIJO_A_CONYUGUE',
p07 == 7 ~ 'HERMANO_A',
p07 == 8 ~ 'PADRE_MADRE',
p07 == 9 ~ 'CUNADO_A',
p07 == 10 ~ 'SUEGRO_A',
p07 == 11 ~ 'YERNO_NUERA',
p07 == 12 ~ 'NIETO_A',
p07 == 13 ~ 'ABUELO_A',
p07 == 14 ~ 'OTRO_PARIENTE',
p07 == 15 ~ 'NO_PARIENTE',
p07 == 16 ~ 'SERVICIO',
p07 == 17 ~ 'VIV_COLECTIVA',
p07 == 18 ~ 'OP_TRANSITO',
p07 == 19 ~ 'OP_CALLE',
TRUE ~ NA_character_
),
sexo = dplyr::case_when(
p08 == 1 ~ 'HOMBRE',
p08 == 2 ~ 'MUJER',
TRUE ~ NA_character_
),
edad = as.integer(p09),
res_5a = dplyr::case_when(
p11 == 1 ~ 'NO_NACIDO',
p11 == 2 ~ 'ESTA_COMUNA',
p11 == 3 ~ 'OTRA_COMUNA',
p11 == 4 ~ 'PERU',
p11 == 5 ~ 'ARGENTINA',
p11 == 6 ~ 'BOLIVIA',
p11 == 7 ~ 'ECUADOR',
p11 == 8 ~ 'COLOMBIA',
p11 == 9 ~ 'OTRO',
p11 %in% c(98, 99) ~ 'NO_APLICA',
TRUE ~ NA_character_
),
nacimiento = dplyr::case_when(
p12 == 1 ~ 'ESTA_COMUNA',
p12 == 2 ~ 'OTRA_COMUNA',
p12 == 3 ~ 'PERU',
p12 == 4 ~ 'ARGENTINA',
p12 == 5 ~ 'BOLIVIA',
p12 == 6 ~ 'ECUADOR',
p12 == 7 ~ 'COLOMBIA',
p12 == 8 ~ 'OTRO',
p12 %in% c(98, 99) ~ 'NO_APLICA',
TRUE ~ NA_character_
),
asiste_educ = dplyr::case_when(
p13 == 1 ~ 'SI',
p13 == 2 ~ 'NO_ACTUAL',
p13 == 3 ~ 'NUNCA',
TRUE ~ NA_character_
),
curso_alto = dplyr::case_when(
p14 %in% c(0 : 8) ~ as.integer(p14),
TRUE ~ NA_integer_
),
nivel_educ = dplyr::case_when(
p15 == 1 ~ 'JARDIN',
p15 == 2 ~ 'PREKINDER',
p15 == 3 ~ 'KINDER',
p15 == 4 ~ 'DIFERENCIAL',
p15 == 5 ~ 'BASICA',
p15 == 6 ~ 'PRIMARIA',
p15 == 7 ~ 'CIENTIFICO_HUMANISTA',
p15 == 8 ~ 'TECNICA_PROF',
p15 == 9 ~ 'HUMANIDADES',
p15 == 10 ~ 'TEC_COMERCIAL',
p15 == 11 ~ 'TEC_SUPERIOR',
p15 == 12 ~ 'PROFESIONAL',
p15 == 13 ~ 'MAGISTER',
p15 == 14 ~ 'DOCTORADO',
TRUE ~ NA_character_
),
pueblo_pert = dplyr::case_when(
p16 == 1 ~ 'SI',
p16 == 2 ~ 'NO',
TRUE ~ NA_character_
),
pueblo_orig = dplyr::case_when(
p16a == 1 ~ 'MAPUCHE',
p16a == 2 ~ 'AYMARA',
p16a == 3 ~ 'RAPA_NUI',
p16a == 4 ~ 'LICAN_ANTAI',
p16a == 5 ~ 'QUECHUA',
p16a == 6 ~ 'COLLA',
p16a == 7 ~ 'DIAGUITA',
p16a == 8 ~ 'KAWESQAR',
p16a == 9 ~ 'YAGAN',
p16a == 10 & p16a_otro == 3 ~ 'LAFKENCHE',
p16a == 10 & p16a_otro == 4 ~ 'PEHUENCHE',
p16a == 10 & p16a_otro == 5 ~ 'HUILLICHE',
p16a == 10 & p16a_otro == 6 ~ 'PICUNCHE',
p16a == 10 & p16a_otro == 21 ~ 'CHANGO',
p16a == 10 & p16a_otro == 22 ~ 'CHONO',
p16a == 10 & p16a_otro == 23 ~ 'ONA',
p16a == 10 & p16a_otro == 28 ~ 'TEHUELCHE',
p16a == 10 & p16a_otro == 33 ~ 'LATAM',
p16a == 10 & p16a_otro == 34 ~ 'MUNDO',
p16a == 10 & p16a_otro == 35 ~ 'AFRO',
p16a == 10 & p16a_otro == 37 ~ 'OTROS',
p16a == 10 & p16a_otro == 97 ~ 'NO_DECLARA',
TRUE ~ NA_character_
),
trabajo = dplyr::case_when(
p17 == 1 ~ 'PAGADO',
p17 == 2 ~ 'SIN_PAGO_FAM',
p17 == 3 ~ 'VACACIONES',
p17 == 4 ~ 'BUSCANDO',
p17 == 5 ~ 'ESTUDIANDO',
p17 == 6 ~ 'QUEHACERES',
p17 == 7 ~ 'JUBILADO',
p17 == 8 ~ 'OTRO',
TRUE ~ NA_character_
),
rama = dplyr::case_when(
p18 == 'A' ~ 'AGRO',
p18 == 'B' ~ 'MINERIA',
p18 == 'C' ~ 'MANUFACTURA',
p18 == 'D' ~ 'SUMINISTRO',
p18 == 'E' ~ 'AGUAS',
p18 == 'F' ~ 'CONSTRUCCION',
p18 == 'G' ~ 'COMERCIO',
p18 == 'H' ~ 'TRANSPORTE',
p18 == 'I' ~ 'ALOJAMIENTO',
p18 == 'J' ~ 'INFORMACION',
p18 == 'K' ~ 'FINANZA',
p18 == 'L' ~ 'INMOBILIARIA',
p18 == 'M' ~ 'PROFESIONAL',
p18 == 'N' ~ 'ADMINISTRACION',
p18 == 'O' ~ 'ADMIN_PUBLICA',
p18 == 'P' ~ 'EDUCACION',
p18 == 'Q' ~ 'SALUD',
p18 == 'R' ~ 'ENTRETENIMIENTO',
p18 == 'S' ~ 'OTROS_SERVICIOS',
p18 == 'T' ~ 'HOGAR',
p18 == 'U' ~ 'EXTRATERRITORIO',
p18 == 'Z' ~ 'NO_DECLARA',
TRUE ~ NA_character_
),
hijos_nacido = dplyr::case_when(
p19 %in% c(0 : 23) ~ as.integer(p19),
TRUE ~ NA_integer_
),
hijos_vivos = dplyr::case_when(
p20 %in% c(0 : 23) ~ as.integer(p20)
),
escolaridad = dplyr::case_when(
escolaridad %in% c(0 : 21) ~ as.integer(escolaridad),
TRUE ~ NA_integer_
),
year = '2017',
tipo_area = dplyr::case_when(
area == 1 ~ 'URBANO',
area == 2 ~ 'RURAL',
TRUE ~ NA_character_
)
) |>
dplyr::select(
year, id_region, id_provin, id_comuna, id_distri, id_area, id_zona, id_manzan, tipo_area, nviv, nhogar, npers, cant_hog, cant_per, tipoviv, ocup_viv, mat_muro, mat_techo, mat_piso, ndorms, agua_orig, tipo_hog, operativo, parentesco, sexo, edad, res_5a, nacimiento, asiste_educ, curso_alto, nivel_educ, pueblo_pert, pueblo_orig, trabajo, rama, hijos_nacido, hijos_vivos, escolaridad
)
return(df0)
} else if (year == 2012) {
nhogares2012 <- df |>
dplyr::filter(dpar == 1) |>
dplyr::group_by(folio, nviv) |>
dplyr::summarise(
cant_hog = as.integer(n())
) |>
ungroup()
df0 <- df |>
dplyr::left_join(
nhogares2012,
by = c('folio', 'nviv')
) |>
dplyr::mutate(
year = '2012',
id_region = stringr::str_pad(
region,
width = 2,
side = 'left',
pad = '0'
),
id_provin = stringr::str_pad(
prov,
width = 3,
side = 'left',
pad = '0'
),
id_comuna = stringr::str_pad(
comuna,
width = 5,
side = 'left',
pad = '0'
),
id_distri = paste(
id_comuna,
stringr::str_pad(
dc,
width = 2,
side = 'left',
pad = '0'
),
sep = ''
),
id_area = paste(
id_distri,
area,
sep = ''
),
id_zona = paste(
id_area,
stringr::str_pad(
zona,
width = 3,
side = 'left',
pad = '0'
),
sep = ''
),
id_manzan = paste(
id_zona,
stringr::str_pad(
manzana,
width = 3,
side = 'left',
pad = '0'
),
sep = ''
),
nviv = as.integer(nviv),
folio = as.integer(folio),
nhogar = as.integer(nhog),
npers = as.integer(nper),
cant_hog = as.integer(cant_hog),
cant_per = dplyr::case_when(
v09m < 98 ~ as.integer(v09m),
TRUE ~ NA_integer_
),
tipoviv = dplyr::case_when(
v02 %in% c(1, 2) ~ 'CASA',
v02 %in% c(3, 4) ~ 'DPTO',
v02 == 5 ~ 'INDIGENA',
v02 == 6 ~ 'PIEZA',
v02 %in% c(7, 8, 9) ~ 'MEDIAGUA',
v02 == 10 ~ 'MOVIL',
v02 == 11 ~ 'OTRO',
v02 == 12 ~ 'COLECTIVA',
TRUE ~ NA_character_
),
ocup_viv = dplyr::case_when(
v01 %in% c(1, 2) ~ 'PRESENTES',
v01 == 3 ~ 'AUSENTES',
v01 == 4 ~ 'TEMPORADA',
v01 %in% c(5 : 7) ~ 'DESOCUPADA',
TRUE ~ NA_character_
),
mat_muro = dplyr::case_when(
v03a == 1 ~ 'HORMIGON',
v03a == 2 ~ 'ALBANILERIA',
v03a == 3 ~ 'TABIQUE_FORRADO',
v03a == 4 ~ 'TABIQUE',
v03a == 5 ~ 'ARTESANAL',
v03a == 6 ~ 'PRECARIOS',
TRUE ~ NA_character_
),
mat_techo = dplyr::case_when(
v03b == 1 ~ 'TEJAS',
v03b == 2 ~ 'LOSA_HORMIGON',
v03b == 3 ~ 'PLANCHAS',
v03b == 4 ~ 'FONOLITA',
v03b == 5 ~ 'PAJA',
v03b == 6 ~ 'PRECARIOS',
v03b == 7 ~ 'SIN_TECHO',
TRUE ~ NA_character_
),
mat_piso = dplyr::case_when(
v03c %in% c(1 : 3) ~ 'PARQUET',
v03c == 4 ~ 'BALDOSA_CEMENTO',
v03c == 5 ~ 'RADIER',
v03c == 6 ~ 'CEMENTO_TIERRA',
v03c == 7 ~ 'TIERRA',
TRUE ~ NA_character_
),
ndorms = dplyr::case_when(
v04 < 98 ~ as.integer(v04),
TRUE ~ NA_integer_
),
agua_orig = dplyr::case_when(
v05 == 1 ~ 'RED_PUBLICA',
v05 == 2 ~ 'POZO',
v05 == 3 ~ 'CAMION',
v05 == 4 ~ 'RIO',
TRUE ~ NA_character_
),
parentesco = dplyr::case_when(
dpar == 1 ~ 'JEFE_HOGAR',
dpar == 2 ~ 'CONYUGUE',
dpar == 3 ~ 'UNION_CIVIL',
dpar == 4 ~ 'PAREJA',
dpar == 5 ~ 'HIJO_A',
dpar == 6 ~ 'HIJO_A_CONYUGUE',
dpar == 7 ~ 'HERMANO_A',
dpar == 8 ~ 'PADRE_MADRE',
dpar == 9 ~ 'CUNADO_A',
dpar == 10 ~ 'SUEGRO_A',
dpar == 11 ~ 'YERNO_NUERA',
dpar == 12 ~ 'NIETO_A',
dpar == 13 ~ 'ABUELO_A',
dpar == 14 ~ 'OTRO_PARIENTE',
dpar == 15 ~ 'NO_PARIENTE',
dpar == 16 ~ 'SERVICIO',
dpar == 17 ~ 'VIV_COLECTIVA',
TRUE ~ NA_character_
),
sexo = dplyr::case_when(
p19 == 1 ~ 'HOMBRE',
p19 == 2 ~ 'MUJER',
TRUE ~ NA_character_
),
edad = as.integer(p20c),
res_5a = dplyr::case_when(
p22a == 1 ~ 'NO_NACIDO',
p22a == 2 ~ 'ESTA_COMUNA',
p22a == 3 ~ 'OTRA_COMUNA',
p22a == 4 & p22b == 'PERU' ~ p22b,
p22a == 4 & p22b == 'ARGENTINA' ~ p22b,
p22a == 4 & p22b == 'BOLIVIA' ~ p22b,
p22a == 4 & p22b == 'ECUADOR' ~ p22b,
p22a == 4 & p22b == 'COLOMBIA' ~ p22b,
p22a == 4 & !p22b %in% c('PERU', 'ARGENTINA', 'BOLIVIA', 'ECUADOR', 'COLOMBIA') ~ 'OTRO',
p22a %in% c(98, 99) ~ 'NO_APLICA',
TRUE ~ NA_character_
),
nacimiento = dplyr::case_when(
p23a == 1 ~ 'ESTA_COMUNA',
p23a == 2 ~ 'OTRA_COMUNA',
p23a == 3 & p23b == 'PERU' ~ p23b,
p23a == 3 & p23b == 'ARGENTINA' ~ p23b,
p23a == 3 & p23b == 'BOLIVIA' ~ p23b,
p23a == 3 & p23b == 'ECUADOR' ~ p23b,
p23a == 3 & p23b == 'COLOMBIA' ~ p23b,
p23a == 3 & !p23b %in% c('PERU', 'ARGENTINA', 'BOLIVIA', 'ECUADOR', 'COLOMBIA') ~ 'OTRO',
p23a %in% c(98, 99) ~ 'NO_APLICA',
TRUE ~ NA_character_
),
asiste_educ = dplyr::case_when(
p31 == 1 ~ 'SI',
p31 == 2 & p28 != 0 ~ 'NO_ACTUAL',
p31 == 2 & p28 == 0 ~ 'NUNCA',
TRUE ~ NA_character_
),
curso_alto = dplyr::case_when(
p30 %in% c(0 : 8) ~ as.integer(p30),
TRUE ~ NA_integer_
),
nivel_educ = dplyr::case_when(
p28 == 2 ~ 'JARDIN',
p28 %in% c(3, 4) ~ 'KINDER',
p28 == 4 ~ 'DIFERENCIAL',
p28 == 5 ~ 'BASICA',
p28 == 6 ~ 'CIENTIFICO-HUMANISTA',
p28 == 7 ~ 'TECNICA_PROF',
p28 == 8 ~ 'TEC_SUPERIOR',
p28 == 9 ~ 'PROFESIONAL',
p28 == 10 ~ 'POSTITULO',
p28 == 11 ~ 'MAGISTER',
p28 == 12 ~ 'DOCTORADO',
TRUE ~ NA_character_
),
pueblo_pert = dplyr::case_when(
p24 == 1 ~ 'SI',
p24 == 2 ~ 'NO',
TRUE ~ NA_character_
),
pueblo_orig = dplyr::case_when(
p25a == 1 ~ 'MAPUCHE',
p25a == 2 ~ 'AYMARA',
p25a == 3 ~ 'RAPA_NUI',
p25a == 4 ~ 'LICAN_ANTAI',
p25a == 5 ~ 'QUECHUA',
p25a == 6 ~ 'COLLA',
p25a == 7 ~ 'DIAGUITA',
p25a == 8 ~ 'KAWESQAR',
p25a == 9 ~ 'YAGAN',
p25a == 10 ~ 'OTROS',
TRUE ~ NA_character_
),
trabajo = dplyr::case_when(
p36 == 1 ~ 'PAGADO',
p36 == 3 ~ 'SIN_PAGO_FAM',
p36 == 2 ~ 'VACACIONES',
p36 == 5 ~ 'BUSCANDO',
p36 == 4 ~ 'ESTUDIANDO',
p36 == 6 ~ 'QUEHACERES',
p36 == 7 ~ 'JUBILADO',
p36 == 8 ~ 'OTRO',
TRUE ~ NA_character_
),
hijos_nacido = as.integer(p40),
hijos_vivos = as.integer(p41),
escolaridad = dplyr::case_when(
p28 == 1 ~ as.integer(0),
p28 == 2 ~ as.integer(0),
p28 == 3 ~ as.integer(0),
p28 == 4 ~ as.integer(0),
p28 == 5 ~ as.integer(p30),
p28 == 6 ~ as.integer(p30 + 8),
p28 == 7 ~ as.integer(p30 + 8),
p28 == 8 ~ as.integer(p30 + 12),
p28 == 9 ~ as.integer(p30 + 12),
p28 == 10 ~ as.integer(p30 + 12),
p28 == 11 ~ as.integer(p30 + 17),
p28 == 12 & p30 <= 2 ~ as.integer(p30 + 19),
p28 == 12 & p30 > 2 ~ as.integer(21),
TRUE ~ NA_integer_
),
tipo_area = dplyr::case_when(
area == 1 ~ 'URBANO',
area == 2 ~ 'RURAL',
TRUE ~ NA_character_
)
) |>
dplyr::select(
year, id_region, id_provin, id_comuna, id_distri, id_area, id_zona, id_manzan, tipo_area, nviv, nhogar, npers, cant_hog, cant_per, tipoviv, ocup_viv, mat_muro, mat_techo, mat_piso, ndorms, agua_orig, parentesco, sexo, edad, res_5a, nacimiento, asiste_educ, curso_alto, nivel_educ, pueblo_pert, pueblo_orig, trabajo, hijos_nacido, hijos_vivos, escolaridad
)
return(df0)
} else if (year == 2002) {
nhogares2002 <- df |>
dplyr::filter(p17 == 1) |>
dplyr::group_by(portafolio, vn) |>
dplyr::summarise(
cant_hog = n(),
cant_per = sum(tp, na.rm = TRUE)
) |>
ungroup()
hijos2002 <- df |>
dplyr::filter(p17 %in% c(1 : 3)) |>
dplyr::group_by(portafolio, vn, hn) |>
dplyr::summarise(
hijos_nacido = max(p34, na.rm = TRUE),
hijos_vivos = max(p35, na.rm = TRUE)
) |>
ungroup()
df0 <- df |>
dplyr::left_join(nhogares2002, by = c("portafolio", "vn")) |>
dplyr::left_join(hijos2002, by = c('portafolio', 'vn', 'hn')) |>
dplyr::mutate(
year = '2002',
id_region = str_sub(
comuna,
start = 1,
end = 2
),
id_provin = str_sub(
comuna,
start = 1,
end = 3
),
id_comuna = comuna,
id_distri = paste(
id_comuna,
stringr::str_pad(
distrito,
width = 2,
side = 'left',
pad = '0'
),
sep = ''
),
id_area = paste(
id_distri,
area,
sep = ''
),
id_zona = paste(
id_area,
stringr::str_pad(
zona,
width = 3,
side = 'left',
pad = '0'
),
sep = ''
),
id_manzan = paste(
id_zona,
stringr::str_pad(
manzana,
width = 3,
side = 'left',
pad = '0'
),
sep = ''
),
nviv = as.integer(vn),
nhogar = as.integer(hn),
npers = as.integer(pn),
tipoviv = dplyr::case_when(
v1 == 1 ~ 'CASA',
v1 == 2 ~ 'DPTO',
v1 == 3 ~ 'PIEZA',
v1 %in% c(4, 5) ~ 'MEDIAGUA',
v1 == 6 ~ 'INDIGENA',
v1 == 7 ~ 'MOVIL',
v1 == 8 ~ 'OTRO',
v1 == 9 ~ 'COLECTIVA',
TRUE ~ NA_character_
),
ocup_viv = dplyr::case_when(
v2 == 1 ~ 'PRESENTES',
v2 == 2 ~ 'AUSENTES',
v2 == 3 ~ 'DESOCUPADA',
TRUE ~ NA_character_
),
mat_muro = dplyr::case_when(
v4a == 1 ~ 'HORMIGON',
v4a %in% c(2, 3) ~ 'ALBANILERIA',
v4a == 4 ~ 'TABIQUE_FORRADO',
v4a == 5 ~ 'TABIQUE',
v4a == 6 ~ 'ARTESANAL',
v4a == 7 ~ 'PRECARIOS',
TRUE ~ NA_character_
),
mat_techo = dplyr::case_when(
v4b %in% c(1, 2) ~ 'TEJAS',
v4b == 3 ~ 'LOSA_HORMIGON',
v4b %in% c(4, 5) ~ 'PLANCHAS',
v4b %in% c(6, 7) ~ 'FONOLITA',
v4b == 8 ~ 'PAJA',
v4b == 9 ~ 'PRECARIOS',
TRUE ~ NA_character_
),
mat_piso = dplyr::case_when(
v4c %in% c(1 : 4, 6, 7) ~ 'PARQUET',
v4c == 8 ~ 'RADIER',
v4c == 5 ~ 'BALDOSA_CEMENTO',
v4c == 9 ~ 'TIERRA',
TRUE ~ NA_character_
),
ndorms = as.integer(h13),
agua_orig = dplyr::case_when(
v6 == 1 ~ 'RED_PUBLICA',
v6 == 2 ~ 'POZO',
v6 == 3 ~ 'RIO',
TRUE ~ NA_character_
),
parentesco = dplyr::case_when(
p17 == 1 ~ 'JEFE_HOGAR',
p17 == 2 ~ 'CONYUGUE',
p17 == 3 ~ 'PAREJA',
p17 == 4 ~ 'HIJO_A',
p17 == 5 ~ 'HIJO_A_CONYUGUE',
p17 == 6 ~ 'YERNO_NUERA',
p17 == 7 ~ 'NIETO_A',
p17 == 8 ~ 'HERMANO_A',
p17 == 9 ~ 'CUNADO_A',
p17 == 10 ~ 'PADRE_MADRE',
p17 == 11 ~ 'SUEGRO_A',
p17 == 12 ~ 'OTRO_PARIENTE',
p17 == 13 ~ 'NO_PARIENTE',
p17 == 14 ~ 'SERVICIO',
p17 == 15 ~ 'VIV_COLECTIVA',
TRUE ~ NA_character_
),
sexo = dplyr::case_when(
p18 == 1 ~ 'HOMBRE',
p18 == 2 ~ 'MUJER',
TRUE ~ NA_character_
),
edad = as.integer(p19),
res_5a = dplyr::case_when(
p24a == 1 ~ 'ESTA_COMUNA',
p24a == 2 ~ 'OTRA_COMUNA',
TRUE ~ NA_character_
),
nacimiento = dplyr::case_when(
p22a == 1 ~ 'ESTA_COMUNA',
p22a == 2 ~ 'OTRA_COMUNA',
TRUE ~ NA_character_
),
asiste_educ = dplyr::case_when(
p26a == 1 ~ 'NUNCA',
p29 == 7 ~ 'SI',
p26a != 1 & p29 != 7 ~ 'NO_ACTUAL',
TRUE ~ NA_character_
),
curso_alto = as.integer(p26b),
nivel_educ = dplyr::case_when(
p26a == 2 ~ 'PREBASICA',
p26a == 3 ~ 'DIFERENCIAL',
p26a == 4 ~ 'BASICA',
p26a == 5 ~ 'CIENTIFICO-HUMANISTA',
p26a == 6 ~ 'HUMANIDADES',
p26a %in% c(7 : 10, 12) ~ 'TECNICA_PROF',
p26a == 11 ~ 'TEC_COMERCIAL',
p26a %in% c(13, 14) ~ 'TEC_SUPERIOR',
p26a == 15 ~ 'PROFESIONAL',
TRUE ~ NA_character_
),
pueblo_pert = dplyr::case_when(
p21 != 0 ~ 'SI',
p21 == 0 ~ 'NO',
TRUE ~ NA_character_
),
pueblo_orig = dplyr::case_when(
p21 == 5 ~ 'MAPUCHE',
p21 == 3 ~ 'AYMARA',
p21 == 7 ~ 'RAPA_NUI',
p21 == 2 ~ 'LICAN_ANTAI',
p21 == 6 ~ 'QUECHUA',
p21 == 4 ~ 'COLLA',
p21 == 1 ~ 'KAWESQAR',
TRUE ~ NA_character_
),
trabajo = dplyr::case_when(
p29 == 1 ~ 'PAGADO',
p29 == 4 ~ 'SIN_PAGO_FAM',
p29 == 2 ~ 'VACACIONES',
p29 %in% c(3, 5) ~ 'BUSCANDO',
p29 == 7 ~ 'QUEHACERES',
p29 == 8 ~ 'JUBILADO',
p29 == 9 ~ 'OTRO',
TRUE ~ NA_character_
),
hijos_nacido = as.integer(hijos_nacido),
hijos_vivos = as.integer(hijos_vivos),
escolaridad = dplyr::case_when(
p26a == 1 ~ as.integer(0),
p26a == 2 ~ as.integer(0),
p26a == 3 ~ as.integer(0),
p26a == 4 ~ as.integer(p26b),
p26a == 5 ~ as.integer(p26b + 8),
p26a == 6 ~ as.integer(p26b + 8),
p26a == 7 ~ as.integer(p26b + 8),
p26a == 8 ~ as.integer(p26b + 8),
p26a == 9 ~ as.integer(p26b + 8),
p26a == 10 ~ as.integer(p26b + 8),
p26a == 11 ~ as.integer(p26b + 8),
p26a == 12 ~ as.integer(p26b + 8),
p26a == 13 ~ as.integer(p26b + 12),
p26a == 14 ~ as.integer(p26b + 12),
p26a == 15 ~ as.integer(p26b + 12),
TRUE ~ NA_integer_
),
tipo_area = dplyr::case_when(
area == 1 ~ 'URBANO',
area == 2 ~ 'RURAL',
TRUE ~ NA_character_
)
) |>
dplyr::select(
year, id_region, id_provin, id_comuna, id_distri, id_area, id_zona, id_manzan, tipo_area, portafolio, nviv, nhogar, npers, cant_hog, cant_per, tipoviv, ocup_viv, mat_muro, mat_techo, mat_piso, ndorms, agua_orig, parentesco, sexo, edad, res_5a, nacimiento, asiste_educ, curso_alto, nivel_educ, pueblo_pert, pueblo_orig, trabajo, hijos_nacido, hijos_vivos, escolaridad
)
return(df0)
} else if (year == 1992) {
npers1992 <- df |>
dplyr::filter(parentesco == 1) |>
dplyr::group_by(portafolio, vivienda) |>
dplyr::summarise(
cant_hog = max(hogar),
cant_per = sum(tp),
ndorms = sum(pieza_dormir)
) |>
ungroup()
df0 <- df |>
dplyr::left_join(npers1992, by = c("portafolio", "vivienda")) |>
dplyr::mutate(
tipo_area = dplyr::case_when(
area == 1 ~ 'URBANO',
area == 2 ~ 'RURAL',
TRUE ~ NA_character_
),
tipoviv = dplyr::case_when(
tipo_vivienda == 1 ~ 'CASA',
tipo_vivienda == 2 ~ 'DPTO',
tipo_vivienda == 3 ~ 'PIEZA',
tipo_vivienda %in% c(4, 5) ~ 'MEDIAGUA',
tipo_vivienda == 6 ~ 'MOVIL',
tipo_vivienda == 7 ~ 'OTRO',
tipo_vivienda %in% c(8 : 11) ~ 'COLECTIVA',
tipo_vivienda == 99 ~ 'TRANSITO',
TRUE ~ NA_character_
),
mat_muro = dplyr::case_when(
paredes == 1 ~ 'HORMIGON',
paredes == 2 ~ 'TABIQUE_FORRADO',
paredes %in% c(3, 4) ~ 'ARTESANAL',
paredes == 5 ~ 'PRECARIOS',
paredes == 6 ~ 'OTROS',
TRUE ~ NA_character_
),
mat_techo = dplyr::case_when(
techo %in% c(4, 5) ~ 'TEJAS',
techo == 2 ~ 'LOSA_HORMIGON',
techo %in% c(1, 3) ~ 'PLANCHAS',
techo == 6 ~ 'FONOLITA',
techo == 7 ~ 'PAJA',
techo == 9 ~ 'OTROS',
TRUE ~ NA_character_
),
mat_piso = dplyr::case_when(
piso == 5 ~ 'BALDOSA_CEMENTO',
piso == 7 ~ 'TIERRA',
piso %in% c(1 : 4, 6) ~ 'PARQUET',
piso == 8 ~ 'OTROS',
TRUE ~ NA_character_
),
ndorms = as.integer(pieza_dormir),
agua_orig = dplyr::case_when(
origen_agua == 1 ~ 'RED_PUBLICA',
origen_agua == 2 ~ 'POZO',
origen_agua == 3 ~ 'RIO',
origen_agua == 4 ~ 'OTRO',
TRUE ~ NA_character_
),
ocup_viv = dplyr::case_when(
cond_ocupacion == 1 ~ 'PRESENTES',
cond_ocupacion == 2 ~ 'AUSENTES',
cond_ocupacion == 3 ~ 'DESOCUPADA'
),
nviv = as.integer(vivienda),
nhogar = as.integer(hogar),
npers = as.integer(persona),
parentesco = dplyr::case_when(
parentesco == 1 ~ 'JEFE_HOGAR',
parentesco == 2 ~ 'CONYUGUE',
parentesco == 3 ~ 'PAREJA',
parentesco == 4 ~ 'HIJO_A',
parentesco == 5 ~ 'YERNO_NUERA',
parentesco == 6 ~ 'NIETO_A',
parentesco == 7 ~ 'HERMANO_A',
parentesco == 8 ~ 'PADRE_MADRE',
parentesco == 9 ~ 'OTRO_PARIENTE',
parentesco == 10 ~ 'NO_PARIENTE',
parentesco == 11 ~ 'SERVICIO',
parentesco == 12 ~ 'VIV_COLECTIVA',
parentesco == 99 ~ 'OP_TRANSITO',
TRUE ~ NA_character_
),
sexo = dplyr::case_when(
sexo == 1 ~ 'HOMBRE',
sexo == 2 ~ 'MUJER',
TRUE ~ NA_character_
),
edad = as.integer(edad),
curso_alto = as.integer(curso),
trabajo = dplyr::case_when(
situacion_empleo == 1 ~ 'PAGADO',
situacion_empleo == 2 ~ 'VACACIONES',
situacion_empleo == 3 ~ 'SIN_PAGO_FAM',
situacion_empleo %in% c(4, 5) ~ 'BUSCANDO',
situacion_empleo == 6 ~ 'QUEHACERES',
situacion_empleo == 7 ~ 'ESTUDIANDO',
situacion_empleo == 8 ~ 'JUBILADO',
situacion_empleo %in% c(9, 10) ~ 'OTRO',
TRUE ~ NA_character_
),
com = dplyr::case_when(
str_sub(comuna, 1, 1) == 0 ~ as.integer(str_sub(comuna, 2)),
TRUE ~ as.integer(comuna)
),
res_5a = dplyr::case_when(
comuna_1987_origen3 == com ~ 'ESTA_COMUNA',
comuna_1987_origen3 %in% c(700 : 999) ~ 'OTRO',
comuna_habitual_origen3 != com & comuna_habitual_origen3 %in% c(1000 : 13700) ~ 'OTRA_COMUNA',
TRUE ~ NA_character_
),
nacimiento = dplyr::case_when(
comuna_habitual_origen3 == com ~ 'ESTA_COMUNA',
comuna_habitual_origen3 %in% c(700 : 999) ~ 'OTRO',
comuna_habitual_origen3 != com & comuna_habitual_origen3 %in% c(1000 : 13700) ~ 'OTRA_COMUNA',
TRUE ~ NA_character_
),
asiste_educ = dplyr::case_when(
tipo_educacion == 0 ~ 'NUNCA',
TRUE ~ NA_character_
),
nivel_educ = dplyr::case_when(
tipo_educacion == 1 ~ 'KINDER',
tipo_educacion == 2 ~ 'BASICA',
tipo_educacion == 3 ~ 'CIENTIFICO_HUMANISTA',
tipo_educacion == 4 ~ 'HUMANIDADES',
tipo_educacion %in% c(5 : 11) ~ 'TEC_COMERCIAL',
tipo_educacion %in% c(12, 13) ~ 'TEC_SUPERIOR',
tipo_educacion == 14 ~ 'PROFESIONAL',
TRUE ~ NA_character_
),
pueblo_pert = dplyr::case_when(
cultura %in% c(1 : 3) ~ 'SI',
cultura == 4 ~ 'NO',
TRUE ~ NA_character_
),
pueblo_orig = dplyr::case_when(
cultura == 1 ~ 'MAPUCHE',
cultura == 2 ~ 'AYMARA',
cultura == 3 ~ 'RAPA_NUI',
TRUE ~ NA_character_
),
hijos_nacido = as.integer(hijos_nacidos_vivos),
hijos_vivos = as.integer(hijos_vivos),
escolaridad = dplyr::case_when(
tipo_educacion == 0 ~ as.integer(0),
tipo_educacion == 1 ~ as.integer(0),
tipo_educacion == 2 ~ as.integer(curso),
tipo_educacion == 3 ~ as.integer(curso + 8),
tipo_educacion == 4 ~ as.integer(curso + 8),
tipo_educacion == 5 ~ as.integer(curso + 8),
tipo_educacion == 6 ~ as.integer(curso + 8),
tipo_educacion == 7 ~ as.integer(curso + 8),
tipo_educacion == 8 ~ as.integer(curso + 8),
tipo_educacion == 9 ~ as.integer(curso + 8),
tipo_educacion == 10 ~ as.integer(curso + 8),
tipo_educacion == 11 ~ as.integer(curso + 8),
tipo_educacion == 12 ~ as.integer(curso + 12),
tipo_educacion == 13 ~ as.integer(curso + 12),
tipo_educacion == 14 ~ as.integer(curso + 12),
TRUE ~ NA_integer_
),
dc = stringr::str_pad(
dc,
width = 2,
side = 'left',
pad = '0'
),
area = as.character(area),
zona = stringr::str_pad(
zona,
width = 3,
side = 'left',
pad = '0'
),
geocode = paste(
comuna, dc, area, zona,
sep = ''
),
year = '1992',
id_region = region92,
id_provin = provincia92,
id_comuna = stringr::str_pad(
comuna92,
width = 5,
side = 'left',
pad = '0'
),
id_distri = paste(
id_comuna,
stringr::str_pad(
dc,
width = 2,
side = 'left',
pad = '0'
),
sep = ''
),
id_area = paste(
id_distri,
area,
sep = ''
),
id_zona = paste(
id_area,
stringr::str_pad(
zc_loc,
width = 3,
side = 'left',
pad = '0'
),
sep = ''
),
id_manzan = paste(
id_zona,
stringr::str_pad(
manzana,
width = 3,
side = 'left',
pad = '0'
),
sep = ''
),
manzent92 = manzent92,
geocode92 = geocode92
) |>
dplyr::select(
year, id_region, id_provin, id_comuna, id_distri, id_area, id_zona, id_manzan, portafolio, tipo_area, nviv, nhogar, npers, cant_hog, cant_per, tipoviv, ocup_viv, mat_muro, mat_techo, mat_piso, ndorms, agua_orig, parentesco, sexo, edad, res_5a, nacimiento, asiste_educ, curso_alto, nivel_educ, pueblo_pert, pueblo_orig, trabajo, hijos_nacido, hijos_vivos, escolaridad
)
return(df0)
} else if (year == 1982) {
df <- df |>
dplyr::mutate(
c = as.character(comuna),
d = as.character(distrito),
z = as.character(zona),
s = stringr::str_pad(
sector,
width = 2,
side = 'left',
pad = '0'
),
v = stringr::str_pad(
vivienda,
width = 3,
side = 'left',
pad = '0'
),
h = stringr::str_pad(
hogar,
width = 3,
side = 'left',
pad = '0'
),
id_hog = paste(
c, d, z, s, v, h,
sep = ''
),
idviv = paste(
c, d, z, s, v,
sep = ''
)
)
nhogs82 <- df |>
dplyr::filter(parentesco == 1) |>
dplyr::group_by(
id_hog
) |>
dplyr::summarise(
cant_hog = n(),
cant_per = max(persona)
) |>
ungroup()
hijos <- df |>
dplyr::filter(parentesco %in% c(1 : 3)) |>
dplyr::group_by(
id_hog
) |>
dplyr::summarise(
hijos_nacido = max(hijos_nacidosvivos),
hijos_vivo = max(hijos_sobrevivientes)
) |>
ungroup()
df0 <- df |>
dplyr::left_join(nhogs82, by = 'id_hog') |>
dplyr::left_join(hijos, by = 'id_hog') |>
dplyr::mutate(
npers = as.integer(persona),
tipo_area = if_else(area == 1, 'URBANO', 'RURAL'),
tipoviv = dplyr::case_when(
tipo_vivienda == 1 ~ 'CASA',
tipo_vivienda == 2 ~ 'DPTO',
tipo_vivienda %in% c(3, 5) ~ 'MEDIAGUA',
tipo_vivienda == 4 ~ 'PIEZA',
tipo_vivienda == 6 ~ 'INDIGENA',
tipo_vivienda == 7 ~ 'MOVIL',
tipo_vivienda == 8 ~ 'OTRO',
tipo_vivienda %in% c(9 : 12) ~ 'COLECTIVA',
TRUE ~ NA_character_
),
ocup_viv = dplyr::case_when(
cond_ocupacion == 1 ~ 'PRESENTES',
cond_ocupacion == 2 ~ 'AUSENTES',
cond_ocupacion %in% c(3, 4, 6, 7) ~ 'DESOCUPADA',
cond_ocupacion == 5 ~ 'TEMPORADA',
TRUE ~ NA_character_
),
mat_muro = dplyr::case_when(
pared == 1 ~ 'HORMIGON',
pared == 2 ~ 'TABIQUE_FORRADO',
pared %in% c(3, 4) ~ 'ARTESANAL',
pared == 5 ~ 'PRECARIOS',
pared == 6 ~ 'OTROS',
TRUE ~ NA_character_
),
mat_techo = dplyr::case_when(
techo %in% c(3, 4) ~ 'TEJAS',
techo %in% c(1, 2) ~ 'PLANCHAS',
techo == 5 ~ 'FONOLITA',
techo == 6 ~ 'PAJA',
techo == 7 ~ 'OTROS',
TRUE ~ NA_character_
),
mat_piso = dplyr::case_when(
piso %in% c(1 : 4) ~ 'PARQUET',
piso == 5 ~ 'BALDOSA_CEMENTO',
piso == 6 ~ 'RADIER',
piso == 7 ~ 'TIERRA',
TRUE ~ NA_character_
),
ndorms = as.integer(dormitorio),
agua_orig = dplyr::case_when(
origen_agua == 1 ~ 'RED_PUBLICA',
origen_agua == 2 ~ 'POZO',
origen_agua == 3 ~ 'RIO',
TRUE ~ NA_character_
),
parentesco = dplyr::case_when(
parentesco == 1 ~ 'JEFE_HOGAR',
parentesco == 2 ~ 'CONYUGUE',
parentesco == 3 ~ 'PAREJA',
parentesco == 4 ~ 'HIJO_A',
parentesco == 5 ~ 'YERNO_NUERA',
parentesco == 6 ~ 'NIETO_A',
parentesco == 7 ~ 'PADRES',
parentesco == 8 ~ 'OTRO_PARIENTE',
parentesco == 9 ~ 'NO_PARIENTE',
parentesco == 10 ~ 'VIV_COLECTIVA',
TRUE ~ NA_character_
),
sexo = dplyr::case_when(
sexo == 1 ~ 'HOMBRE',
sexo == 2 ~ 'MUJER',
TRUE ~ NA_character_
),
edad = as.integer(edad),
# res_5a = dplyr::case_when(
#
#
#
# ),
# nacimiento = dplyr::case_when(
#
#
#
# ),
asiste_educ = dplyr::case_when(
asiste == 1 ~ 'SI',
asiste == 2 ~ 'NO_ACTUAL',
asiste == 3 ~ 'NUNCA'
),
nivel_educ = dplyr::case_when(
tipo_educacion == 1 ~ 'BASICA',
tipo_educacion == 2 ~ 'CIENTIFICO_HUMANISTA',
tipo_educacion == 3 ~ 'HUMANIDADES',
tipo_educacion %in% c(4 : 8) ~ 'TECNICA_PROF',
tipo_educacion == 9 ~ 'TEC_SUPERIOR',
tipo_educacion == 10 ~ 'PROFESIONAL',
TRUE ~ NA_character_
),
curso_alto = if_else(as.integer(curso) %in% c(1:8), as.integer(curso), 0),
trabajo = dplyr::case_when(
as.integer(situacion_empleo) == 1 ~ 'PAGADO',
as.integer(situacion_empleo) == 2 ~ 'SIN_PAGO_FAM',
as.integer(situacion_empleo) == 3 ~ 'VACACIONES',
as.integer(situacion_empleo) %in% c(4, 5) ~ 'BUSCANDO',
as.integer(situacion_empleo) == 6 ~ 'QUEHACERES',
as.integer(situacion_empleo) == 7 ~ 'ESTUDIANDO',
as.integer(situacion_empleo) == 8 ~ 'JUBILADO',
as.integer(situacion_empleo) %in% c(9, 10) ~ 'OTRO',
TRUE ~ NA_character_
),
hijos_nacido = as.integer(hijos_nacidosvivos),
hijos_vivos = as.integer(hijos_sobrevivientes),
nviv = as.integer(vivienda),
nhogar = as.integer(hogar),
year = '1982'
) |>
dplyr::select(
year, tipo_area, nviv, nhogar, npers, cant_hog, cant_per, tipoviv, ocup_viv, mat_muro, mat_techo, mat_piso, ndorms, agua_orig, parentesco, sexo, edad, asiste_educ, curso_alto, nivel_educ, trabajo, hijos_nacido, hijos_vivos
)
return(df0)
} else {
pass()
}
}
Try the ismtchile package in your browser
Any scripts or data that you put into this service are public.
ismtchile documentation built on July 9, 2023, 7:28 p.m.
R Package Documentation
Browse R Packages
We want your feedback!
Note that we can't provide technical support on individual packages. You should contact the package authors for that.
#' @title Literalizar bases censales -- Literalize census databases
#'
#' @param df objeto \code{data.frame} correspondiente a la base de datos original de los censos 2017, 2012, 2002, 1992 o 1982. -- \code{data.frame} object corresponding to the original database for the 2017, 2012, 2002, 1992 or 1982 census.
#' @param year integer. No provee Default para forzar la explicitación del año de la base. || || integer. Default is not provided, so as to force explicitation of the database's year.
#'
#' @import dplyr
#' @import stringr
#'
#' @return objeto \code{data.frame} con las variables como texto en lugar de factores (nombres y categorías homologados para todos los censos)
#' @export literalize
#'
#' @examples
#' data(c17_example)
#' clean <- c17_example |> literalize(2017)
literalize <- function (df, year) {
region <- NULL
provincia <- NULL
comuna <- NULL
id_comuna <- NULL
dc <- NULL
id_distri <- NULL
area <- NULL
id_area <- NULL
zc_loc <- NULL
nviv <- NULL
nhogar <- NULL
personan <- NULL
cant_per <- NULL
p09 <- NULL
id_region <- NULL
id_provin <- NULL
id_zona <- NULL
id_manzan <- NULL
tipo_area <- NULL
npers <- NULL
cant_hog <- NULL
tipoviv <- NULL
ocup_viv <- NULL
mat_muro <- NULL
mat_techo <- NULL
mat_piso <- NULL
ndorms <- NULL
agua_orig <- NULL
tipo_hog <- NULL
operativo <- NULL
parentesco <- NULL
sexo <- NULL
edad <- NULL
res_5a <- NULL
nacimiento <- NULL
asiste_educ <- NULL
curso_alto <- NULL
nivel_educ <- NULL
pueblo_pert <- NULL
pueblo_orig <- NULL
trabajo <- NULL
rama <- NULL
hijos_nacido <- NULL
hijos_vivos <- NULL
escolaridad <- NULL
dpar <- NULL
folio <- NULL
prov <- NULL
zona <- NULL
manzana <- NULL
nhog <- NULL
nper <- NULL
p20c <- NULL
p40 <- NULL
p41 <- NULL
p17 <- NULL
portafolio <- NULL
vn <- NULL
tp <- NULL
hn <- NULL
p34 <- NULL
p35 <- NULL
distrito <- NULL
pn <- NULL
h13 <- NULL
p19 <- NULL
p26b <- NULL
vivienda <- NULL
hogar <- NULL
pieza_dormir <- NULL
persona <- NULL
curso <- NULL
hijos_nacidos_vivos <- NULL
region92 <- NULL
provincia92 <- NULL
comuna92 <- NULL
manzent92 <- NULL
geocode92 <- NULL
sector <- NULL
d <- NULL
z <- NULL
s <- NULL
v <- NULL
h <- NULL
id_hog <- NULL
hijos_nacidosvivos <- NULL
hijos_sobrevivientes <- NULL
dormitorio <- NULL
pass <- function(){}
if (year == 2017) {
df0 <- df |>
dplyr::mutate(
id_region = stringr::str_pad(
region,
width = 2,
side = 'left',
pad = '0'
),
id_provin = stringr::str_pad(
provincia,
width = 3,
side = 'left',
pad = '0'
),
id_comuna = stringr::str_pad(
comuna,
width = 5,
side = 'left',
pad = '0'
),
id_distri = paste(
id_comuna,
stringr::str_pad(
dc,
width = 2,
side = 'left',
pad = '0'
),
sep = ''
),
id_area = paste(
id_distri,
as.character(area),
sep = ''
),
id_zona = paste(
id_area,
stringr::str_pad(
zc_loc,
width = 3,
side = 'left',
pad = '0'
),
sep = ''
),
id_manzan = NA_character_,
nviv = as.integer(nviv),
nhogar = as.integer(nhogar),
npers = as.integer(personan),
cant_hog = dplyr::case_when(
cant_hog %in% c(0 : 35) ~ as.integer(cant_hog),
TRUE ~ NA_integer_
),
cant_per = as.integer(cant_per),
tipoviv = dplyr::case_when(
p01 == 1 ~ 'CASA',
p01 == 2 ~ 'DPTO',
p01 == 3 ~ 'INDIGENA',
p01 == 4 ~ 'PIEZA',
p01 == 5 ~ 'MEDIAGUA',
p01 == 6 ~ 'MOVIL',
p01 == 7 ~ 'OTRO',
p01 == 8 ~ 'COLECTIVA',
p01 == 9 ~ 'TRANSITO',
p01 == 10 ~ 'CALLE',
TRUE ~ NA_character_
),
ocup_viv = dplyr::case_when(
p02 == 1 ~ 'PRESENTES',
p02 == 2 ~ 'AUSENTES',
p02 == 3 ~ 'DESOCUPADA',
p02 == 4 ~ 'TEMPORADA',
TRUE ~ NA_character_
),
mat_muro = dplyr::case_when(
p03a == 1 ~ 'HORMIGON',
p03a == 2 ~ 'ALBANILERIA',
p03a == 3 ~ 'TABIQUE_FORRADO',
p03a == 4 ~ 'TABIQUE',
p03a == 5 ~ 'ARTESANAL',
p03a == 6 ~ 'PRECARIOS',
TRUE ~ NA_character_
),
mat_techo = dplyr::case_when(
p03b == 1 ~ 'TEJAS',
p03b == 2 ~ 'LOSA_HORMIGON',
p03b == 3 ~ 'PLANCHAS',
p03b == 4 ~ 'FONOLITA',
p03b == 5 ~ 'PAJA',
p03b == 6 ~ 'PRECARIOS',
p03b == 7 ~ 'SIN_TECHO',
TRUE ~ NA_character_
),
mat_piso = dplyr::case_when(
p03c == 1 ~ 'PARQUET',
p03c == 2 ~ 'RADIER',
p03c == 3 ~ 'BALDOSA_CEMENTO',
p03c == 4 ~ 'CEMENTO_TIERRA',
p03c == 5 ~ 'TIERRA',
TRUE ~ NA_character_
),
ndorms = dplyr::case_when(
p04 %in% c(0 : 6) ~ as.integer(p04),
TRUE ~ NA_integer_
),
agua_orig = dplyr::case_when(
p05 == 1 ~ 'RED_PUBLICA',
p05 == 2 ~ 'POZO',
p05 == 3 ~ 'CAMION',
p05 == 4 ~ 'RIO',
TRUE ~ NA_character_
),
tipo_hog = dplyr::case_when(
tipo_hogar == 1 ~ 'UNIPERSONAL',
tipo_hogar == 2 ~ 'MONOPARENTAL',
tipo_hogar == 3 ~ 'BIPARENTAL_NH',
tipo_hogar == 4 ~ 'BIPARENTAL_CH',
tipo_hogar == 5 ~ 'COMPUESTO',
tipo_hogar == 6 ~ 'EXTENSO',
tipo_hogar == 7 ~ 'SIN_NUCLEO',
TRUE ~ NA_character_
),
operativo = dplyr::case_when(
tipo_operativo == 1 ~ 'VIV_PARTICULAR',
tipo_operativo == 8 ~ 'VIV_COLECTIVA',
tipo_operativo == 9 ~ 'TRANSITO',
tipo_operativo == 10 ~ 'CALLE',
TRUE ~ NA_character_
),
parentesco = dplyr::case_when(
p07 == 1 ~ 'JEFE_HOGAR',
p07 == 2 ~ 'CONYUGUE',
p07 == 3 ~ 'UNION_CIVIL',
p07 == 4 ~ 'PAREJA',
p07 == 5 ~ 'HIJO_A',
p07 == 6 ~ 'HIJO_A_CONYUGUE',
p07 == 7 ~ 'HERMANO_A',
p07 == 8 ~ 'PADRE_MADRE',
p07 == 9 ~ 'CUNADO_A',
p07 == 10 ~ 'SUEGRO_A',
p07 == 11 ~ 'YERNO_NUERA',
p07 == 12 ~ 'NIETO_A',
p07 == 13 ~ 'ABUELO_A',
p07 == 14 ~ 'OTRO_PARIENTE',
p07 == 15 ~ 'NO_PARIENTE',
p07 == 16 ~ 'SERVICIO',
p07 == 17 ~ 'VIV_COLECTIVA',
p07 == 18 ~ 'OP_TRANSITO',
p07 == 19 ~ 'OP_CALLE',
TRUE ~ NA_character_
),
sexo = dplyr::case_when(
p08 == 1 ~ 'HOMBRE',
p08 == 2 ~ 'MUJER',
TRUE ~ NA_character_
),
edad = as.integer(p09),
res_5a = dplyr::case_when(
p11 == 1 ~ 'NO_NACIDO',
p11 == 2 ~ 'ESTA_COMUNA',
p11 == 3 ~ 'OTRA_COMUNA',
p11 == 4 ~ 'PERU',
p11 == 5 ~ 'ARGENTINA',
p11 == 6 ~ 'BOLIVIA',
p11 == 7 ~ 'ECUADOR',
p11 == 8 ~ 'COLOMBIA',
p11 == 9 ~ 'OTRO',
p11 %in% c(98, 99) ~ 'NO_APLICA',
TRUE ~ NA_character_
),
nacimiento = dplyr::case_when(
p12 == 1 ~ 'ESTA_COMUNA',
p12 == 2 ~ 'OTRA_COMUNA',
p12 == 3 ~ 'PERU',
p12 == 4 ~ 'ARGENTINA',
p12 == 5 ~ 'BOLIVIA',
p12 == 6 ~ 'ECUADOR',
p12 == 7 ~ 'COLOMBIA',
p12 == 8 ~ 'OTRO',
p12 %in% c(98, 99) ~ 'NO_APLICA',
TRUE ~ NA_character_
),
asiste_educ = dplyr::case_when(
p13 == 1 ~ 'SI',
p13 == 2 ~ 'NO_ACTUAL',
p13 == 3 ~ 'NUNCA',
TRUE ~ NA_character_
),
curso_alto = dplyr::case_when(
p14 %in% c(0 : 8) ~ as.integer(p14),
TRUE ~ NA_integer_
),
nivel_educ = dplyr::case_when(
p15 == 1 ~ 'JARDIN',
p15 == 2 ~ 'PREKINDER',
p15 == 3 ~ 'KINDER',
p15 == 4 ~ 'DIFERENCIAL',
p15 == 5 ~ 'BASICA',
p15 == 6 ~ 'PRIMARIA',
p15 == 7 ~ 'CIENTIFICO_HUMANISTA',
p15 == 8 ~ 'TECNICA_PROF',
p15 == 9 ~ 'HUMANIDADES',
p15 == 10 ~ 'TEC_COMERCIAL',
p15 == 11 ~ 'TEC_SUPERIOR',
p15 == 12 ~ 'PROFESIONAL',
p15 == 13 ~ 'MAGISTER',
p15 == 14 ~ 'DOCTORADO',
TRUE ~ NA_character_
),
pueblo_pert = dplyr::case_when(
p16 == 1 ~ 'SI',
p16 == 2 ~ 'NO',
TRUE ~ NA_character_
),
pueblo_orig = dplyr::case_when(
p16a == 1 ~ 'MAPUCHE',
p16a == 2 ~ 'AYMARA',
p16a == 3 ~ 'RAPA_NUI',
p16a == 4 ~ 'LICAN_ANTAI',
p16a == 5 ~ 'QUECHUA',
p16a == 6 ~ 'COLLA',
p16a == 7 ~ 'DIAGUITA',
p16a == 8 ~ 'KAWESQAR',
p16a == 9 ~ 'YAGAN',
p16a == 10 & p16a_otro == 3 ~ 'LAFKENCHE',
p16a == 10 & p16a_otro == 4 ~ 'PEHUENCHE',
p16a == 10 & p16a_otro == 5 ~ 'HUILLICHE',
p16a == 10 & p16a_otro == 6 ~ 'PICUNCHE',
p16a == 10 & p16a_otro == 21 ~ 'CHANGO',
p16a == 10 & p16a_otro == 22 ~ 'CHONO',
p16a == 10 & p16a_otro == 23 ~ 'ONA',
p16a == 10 & p16a_otro == 28 ~ 'TEHUELCHE',
p16a == 10 & p16a_otro == 33 ~ 'LATAM',
p16a == 10 & p16a_otro == 34 ~ 'MUNDO',
p16a == 10 & p16a_otro == 35 ~ 'AFRO',
p16a == 10 & p16a_otro == 37 ~ 'OTROS',
p16a == 10 & p16a_otro == 97 ~ 'NO_DECLARA',
TRUE ~ NA_character_
),
trabajo = dplyr::case_when(
p17 == 1 ~ 'PAGADO',
p17 == 2 ~ 'SIN_PAGO_FAM',
p17 == 3 ~ 'VACACIONES',
p17 == 4 ~ 'BUSCANDO',
p17 == 5 ~ 'ESTUDIANDO',
p17 == 6 ~ 'QUEHACERES',
p17 == 7 ~ 'JUBILADO',
p17 == 8 ~ 'OTRO',
TRUE ~ NA_character_
),
rama = dplyr::case_when(
p18 == 'A' ~ 'AGRO',
p18 == 'B' ~ 'MINERIA',
p18 == 'C' ~ 'MANUFACTURA',
p18 == 'D' ~ 'SUMINISTRO',
p18 == 'E' ~ 'AGUAS',
p18 == 'F' ~ 'CONSTRUCCION',
p18 == 'G' ~ 'COMERCIO',
p18 == 'H' ~ 'TRANSPORTE',
p18 == 'I' ~ 'ALOJAMIENTO',
p18 == 'J' ~ 'INFORMACION',
p18 == 'K' ~ 'FINANZA',
p18 == 'L' ~ 'INMOBILIARIA',
p18 == 'M' ~ 'PROFESIONAL',
p18 == 'N' ~ 'ADMINISTRACION',
p18 == 'O' ~ 'ADMIN_PUBLICA',
p18 == 'P' ~ 'EDUCACION',
p18 == 'Q' ~ 'SALUD',
p18 == 'R' ~ 'ENTRETENIMIENTO',
p18 == 'S' ~ 'OTROS_SERVICIOS',
p18 == 'T' ~ 'HOGAR',
p18 == 'U' ~ 'EXTRATERRITORIO',
p18 == 'Z' ~ 'NO_DECLARA',
TRUE ~ NA_character_
),
hijos_nacido = dplyr::case_when(
p19 %in% c(0 : 23) ~ as.integer(p19),
TRUE ~ NA_integer_
),
hijos_vivos = dplyr::case_when(
p20 %in% c(0 : 23) ~ as.integer(p20)
),
escolaridad = dplyr::case_when(
escolaridad %in% c(0 : 21) ~ as.integer(escolaridad),
TRUE ~ NA_integer_
),
year = '2017',
tipo_area = dplyr::case_when(
area == 1 ~ 'URBANO',
area == 2 ~ 'RURAL',
TRUE ~ NA_character_
)
) |>
dplyr::select(
year, id_region, id_provin, id_comuna, id_distri, id_area, id_zona, id_manzan, tipo_area, nviv, nhogar, npers, cant_hog, cant_per, tipoviv, ocup_viv, mat_muro, mat_techo, mat_piso, ndorms, agua_orig, tipo_hog, operativo, parentesco, sexo, edad, res_5a, nacimiento, asiste_educ, curso_alto, nivel_educ, pueblo_pert, pueblo_orig, trabajo, rama, hijos_nacido, hijos_vivos, escolaridad
)
return(df0)
} else if (year == 2012) {
nhogares2012 <- df |>
dplyr::filter(dpar == 1) |>
dplyr::group_by(folio, nviv) |>
dplyr::summarise(
cant_hog = as.integer(n())
) |>
ungroup()
df0 <- df |>
dplyr::left_join(
nhogares2012,
by = c('folio', 'nviv')
) |>
dplyr::mutate(
year = '2012',
id_region = stringr::str_pad(
region,
width = 2,
side = 'left',
pad = '0'
),
id_provin = stringr::str_pad(
prov,
width = 3,
side = 'left',
pad = '0'
),
id_comuna = stringr::str_pad(
comuna,
width = 5,
side = 'left',
pad = '0'
),
id_distri = paste(
id_comuna,
stringr::str_pad(
dc,
width = 2,
side = 'left',
pad = '0'
),
sep = ''
),
id_area = paste(
id_distri,
area,
sep = ''
),
id_zona = paste(
id_area,
stringr::str_pad(
zona,
width = 3,
side = 'left',
pad = '0'
),
sep = ''
),
id_manzan = paste(
id_zona,
stringr::str_pad(
manzana,
width = 3,
side = 'left',
pad = '0'
),
sep = ''
),
nviv = as.integer(nviv),
folio = as.integer(folio),
nhogar = as.integer(nhog),
npers = as.integer(nper),
cant_hog = as.integer(cant_hog),
cant_per = dplyr::case_when(
v09m < 98 ~ as.integer(v09m),
TRUE ~ NA_integer_
),
tipoviv = dplyr::case_when(
v02 %in% c(1, 2) ~ 'CASA',
v02 %in% c(3, 4) ~ 'DPTO',
v02 == 5 ~ 'INDIGENA',
v02 == 6 ~ 'PIEZA',
v02 %in% c(7, 8, 9) ~ 'MEDIAGUA',
v02 == 10 ~ 'MOVIL',
v02 == 11 ~ 'OTRO',
v02 == 12 ~ 'COLECTIVA',
TRUE ~ NA_character_
),
ocup_viv = dplyr::case_when(
v01 %in% c(1, 2) ~ 'PRESENTES',
v01 == 3 ~ 'AUSENTES',
v01 == 4 ~ 'TEMPORADA',
v01 %in% c(5 : 7) ~ 'DESOCUPADA',
TRUE ~ NA_character_
),
mat_muro = dplyr::case_when(
v03a == 1 ~ 'HORMIGON',
v03a == 2 ~ 'ALBANILERIA',
v03a == 3 ~ 'TABIQUE_FORRADO',
v03a == 4 ~ 'TABIQUE',
v03a == 5 ~ 'ARTESANAL',
v03a == 6 ~ 'PRECARIOS',
TRUE ~ NA_character_
),
mat_techo = dplyr::case_when(
v03b == 1 ~ 'TEJAS',
v03b == 2 ~ 'LOSA_HORMIGON',
v03b == 3 ~ 'PLANCHAS',
v03b == 4 ~ 'FONOLITA',
v03b == 5 ~ 'PAJA',
v03b == 6 ~ 'PRECARIOS',
v03b == 7 ~ 'SIN_TECHO',
TRUE ~ NA_character_
),
mat_piso = dplyr::case_when(
v03c %in% c(1 : 3) ~ 'PARQUET',
v03c == 4 ~ 'BALDOSA_CEMENTO',
v03c == 5 ~ 'RADIER',
v03c == 6 ~ 'CEMENTO_TIERRA',
v03c == 7 ~ 'TIERRA',
TRUE ~ NA_character_
),
ndorms = dplyr::case_when(
v04 < 98 ~ as.integer(v04),
TRUE ~ NA_integer_
),
agua_orig = dplyr::case_when(
v05 == 1 ~ 'RED_PUBLICA',
v05 == 2 ~ 'POZO',
v05 == 3 ~ 'CAMION',
v05 == 4 ~ 'RIO',
TRUE ~ NA_character_
),
parentesco = dplyr::case_when(
dpar == 1 ~ 'JEFE_HOGAR',
dpar == 2 ~ 'CONYUGUE',
dpar == 3 ~ 'UNION_CIVIL',
dpar == 4 ~ 'PAREJA',
dpar == 5 ~ 'HIJO_A',
dpar == 6 ~ 'HIJO_A_CONYUGUE',
dpar == 7 ~ 'HERMANO_A',
dpar == 8 ~ 'PADRE_MADRE',
dpar == 9 ~ 'CUNADO_A',
dpar == 10 ~ 'SUEGRO_A',
dpar == 11 ~ 'YERNO_NUERA',
dpar == 12 ~ 'NIETO_A',
dpar == 13 ~ 'ABUELO_A',
dpar == 14 ~ 'OTRO_PARIENTE',
dpar == 15 ~ 'NO_PARIENTE',
dpar == 16 ~ 'SERVICIO',
dpar == 17 ~ 'VIV_COLECTIVA',
TRUE ~ NA_character_
),
sexo = dplyr::case_when(
p19 == 1 ~ 'HOMBRE',
p19 == 2 ~ 'MUJER',
TRUE ~ NA_character_
),
edad = as.integer(p20c),
res_5a = dplyr::case_when(
p22a == 1 ~ 'NO_NACIDO',
p22a == 2 ~ 'ESTA_COMUNA',
p22a == 3 ~ 'OTRA_COMUNA',
p22a == 4 & p22b == 'PERU' ~ p22b,
p22a == 4 & p22b == 'ARGENTINA' ~ p22b,
p22a == 4 & p22b == 'BOLIVIA' ~ p22b,
p22a == 4 & p22b == 'ECUADOR' ~ p22b,
p22a == 4 & p22b == 'COLOMBIA' ~ p22b,
p22a == 4 & !p22b %in% c('PERU', 'ARGENTINA', 'BOLIVIA', 'ECUADOR', 'COLOMBIA') ~ 'OTRO',
p22a %in% c(98, 99) ~ 'NO_APLICA',
TRUE ~ NA_character_
),
nacimiento = dplyr::case_when(
p23a == 1 ~ 'ESTA_COMUNA',
p23a == 2 ~ 'OTRA_COMUNA',
p23a == 3 & p23b == 'PERU' ~ p23b,
p23a == 3 & p23b == 'ARGENTINA' ~ p23b,
p23a == 3 & p23b == 'BOLIVIA' ~ p23b,
p23a == 3 & p23b == 'ECUADOR' ~ p23b,
p23a == 3 & p23b == 'COLOMBIA' ~ p23b,
p23a == 3 & !p23b %in% c('PERU', 'ARGENTINA', 'BOLIVIA', 'ECUADOR', 'COLOMBIA') ~ 'OTRO',
p23a %in% c(98, 99) ~ 'NO_APLICA',
TRUE ~ NA_character_
),
asiste_educ = dplyr::case_when(
p31 == 1 ~ 'SI',
p31 == 2 & p28 != 0 ~ 'NO_ACTUAL',
p31 == 2 & p28 == 0 ~ 'NUNCA',
TRUE ~ NA_character_
),
curso_alto = dplyr::case_when(
p30 %in% c(0 : 8) ~ as.integer(p30),
TRUE ~ NA_integer_
),
nivel_educ = dplyr::case_when(
p28 == 2 ~ 'JARDIN',
p28 %in% c(3, 4) ~ 'KINDER',
p28 == 4 ~ 'DIFERENCIAL',
p28 == 5 ~ 'BASICA',
p28 == 6 ~ 'CIENTIFICO-HUMANISTA',
p28 == 7 ~ 'TECNICA_PROF',
p28 == 8 ~ 'TEC_SUPERIOR',
p28 == 9 ~ 'PROFESIONAL',
p28 == 10 ~ 'POSTITULO',
p28 == 11 ~ 'MAGISTER',
p28 == 12 ~ 'DOCTORADO',
TRUE ~ NA_character_
),
pueblo_pert = dplyr::case_when(
p24 == 1 ~ 'SI',
p24 == 2 ~ 'NO',
TRUE ~ NA_character_
),
pueblo_orig = dplyr::case_when(
p25a == 1 ~ 'MAPUCHE',
p25a == 2 ~ 'AYMARA',
p25a == 3 ~ 'RAPA_NUI',
p25a == 4 ~ 'LICAN_ANTAI',
p25a == 5 ~ 'QUECHUA',
p25a == 6 ~ 'COLLA',
p25a == 7 ~ 'DIAGUITA',
p25a == 8 ~ 'KAWESQAR',
p25a == 9 ~ 'YAGAN',
p25a == 10 ~ 'OTROS',
TRUE ~ NA_character_
),
trabajo = dplyr::case_when(
p36 == 1 ~ 'PAGADO',
p36 == 3 ~ 'SIN_PAGO_FAM',
p36 == 2 ~ 'VACACIONES',
p36 == 5 ~ 'BUSCANDO',
p36 == 4 ~ 'ESTUDIANDO',
p36 == 6 ~ 'QUEHACERES',
p36 == 7 ~ 'JUBILADO',
p36 == 8 ~ 'OTRO',
TRUE ~ NA_character_
),
hijos_nacido = as.integer(p40),
hijos_vivos = as.integer(p41),
escolaridad = dplyr::case_when(
p28 == 1 ~ as.integer(0),
p28 == 2 ~ as.integer(0),
p28 == 3 ~ as.integer(0),
p28 == 4 ~ as.integer(0),
p28 == 5 ~ as.integer(p30),
p28 == 6 ~ as.integer(p30 + 8),
p28 == 7 ~ as.integer(p30 + 8),
p28 == 8 ~ as.integer(p30 + 12),
p28 == 9 ~ as.integer(p30 + 12),
p28 == 10 ~ as.integer(p30 + 12),
p28 == 11 ~ as.integer(p30 + 17),
p28 == 12 & p30 <= 2 ~ as.integer(p30 + 19),
p28 == 12 & p30 > 2 ~ as.integer(21),
TRUE ~ NA_integer_
),
tipo_area = dplyr::case_when(
area == 1 ~ 'URBANO',
area == 2 ~ 'RURAL',
TRUE ~ NA_character_
)
) |>
dplyr::select(
year, id_region, id_provin, id_comuna, id_distri, id_area, id_zona, id_manzan, tipo_area, nviv, nhogar, npers, cant_hog, cant_per, tipoviv, ocup_viv, mat_muro, mat_techo, mat_piso, ndorms, agua_orig, parentesco, sexo, edad, res_5a, nacimiento, asiste_educ, curso_alto, nivel_educ, pueblo_pert, pueblo_orig, trabajo, hijos_nacido, hijos_vivos, escolaridad
)
return(df0)
} else if (year == 2002) {
nhogares2002 <- df |>
dplyr::filter(p17 == 1) |>
dplyr::group_by(portafolio, vn) |>
dplyr::summarise(
cant_hog = n(),
cant_per = sum(tp, na.rm = TRUE)
) |>
ungroup()
hijos2002 <- df |>
dplyr::filter(p17 %in% c(1 : 3)) |>
dplyr::group_by(portafolio, vn, hn) |>
dplyr::summarise(
hijos_nacido = max(p34, na.rm = TRUE),
hijos_vivos = max(p35, na.rm = TRUE)
) |>
ungroup()
df0 <- df |>
dplyr::left_join(nhogares2002, by = c("portafolio", "vn")) |>
dplyr::left_join(hijos2002, by = c('portafolio', 'vn', 'hn')) |>
dplyr::mutate(
year = '2002',
id_region = str_sub(
comuna,
start = 1,
end = 2
),
id_provin = str_sub(
comuna,
start = 1,
end = 3
),
id_comuna = comuna,
id_distri = paste(
id_comuna,
stringr::str_pad(
distrito,
width = 2,
side = 'left',
pad = '0'
),
sep = ''
),
id_area = paste(
id_distri,
area,
sep = ''
),
id_zona = paste(
id_area,
stringr::str_pad(
zona,
width = 3,
side = 'left',
pad = '0'
),
sep = ''
),
id_manzan = paste(
id_zona,
stringr::str_pad(
manzana,
width = 3,
side = 'left',
pad = '0'
),
sep = ''
),
nviv = as.integer(vn),
nhogar = as.integer(hn),
npers = as.integer(pn),
tipoviv = dplyr::case_when(
v1 == 1 ~ 'CASA',
v1 == 2 ~ 'DPTO',
v1 == 3 ~ 'PIEZA',
v1 %in% c(4, 5) ~ 'MEDIAGUA',
v1 == 6 ~ 'INDIGENA',
v1 == 7 ~ 'MOVIL',
v1 == 8 ~ 'OTRO',
v1 == 9 ~ 'COLECTIVA',
TRUE ~ NA_character_
),
ocup_viv = dplyr::case_when(
v2 == 1 ~ 'PRESENTES',
v2 == 2 ~ 'AUSENTES',
v2 == 3 ~ 'DESOCUPADA',
TRUE ~ NA_character_
),
mat_muro = dplyr::case_when(
v4a == 1 ~ 'HORMIGON',
v4a %in% c(2, 3) ~ 'ALBANILERIA',
v4a == 4 ~ 'TABIQUE_FORRADO',
v4a == 5 ~ 'TABIQUE',
v4a == 6 ~ 'ARTESANAL',
v4a == 7 ~ 'PRECARIOS',
TRUE ~ NA_character_
),
mat_techo = dplyr::case_when(
v4b %in% c(1, 2) ~ 'TEJAS',
v4b == 3 ~ 'LOSA_HORMIGON',
v4b %in% c(4, 5) ~ 'PLANCHAS',
v4b %in% c(6, 7) ~ 'FONOLITA',
v4b == 8 ~ 'PAJA',
v4b == 9 ~ 'PRECARIOS',
TRUE ~ NA_character_
),
mat_piso = dplyr::case_when(
v4c %in% c(1 : 4, 6, 7) ~ 'PARQUET',
v4c == 8 ~ 'RADIER',
v4c == 5 ~ 'BALDOSA_CEMENTO',
v4c == 9 ~ 'TIERRA',
TRUE ~ NA_character_
),
ndorms = as.integer(h13),
agua_orig = dplyr::case_when(
v6 == 1 ~ 'RED_PUBLICA',
v6 == 2 ~ 'POZO',
v6 == 3 ~ 'RIO',
TRUE ~ NA_character_
),
parentesco = dplyr::case_when(
p17 == 1 ~ 'JEFE_HOGAR',
p17 == 2 ~ 'CONYUGUE',
p17 == 3 ~ 'PAREJA',
p17 == 4 ~ 'HIJO_A',
p17 == 5 ~ 'HIJO_A_CONYUGUE',
p17 == 6 ~ 'YERNO_NUERA',
p17 == 7 ~ 'NIETO_A',
p17 == 8 ~ 'HERMANO_A',
p17 == 9 ~ 'CUNADO_A',
p17 == 10 ~ 'PADRE_MADRE',
p17 == 11 ~ 'SUEGRO_A',
p17 == 12 ~ 'OTRO_PARIENTE',
p17 == 13 ~ 'NO_PARIENTE',
p17 == 14 ~ 'SERVICIO',
p17 == 15 ~ 'VIV_COLECTIVA',
TRUE ~ NA_character_
),
sexo = dplyr::case_when(
p18 == 1 ~ 'HOMBRE',
p18 == 2 ~ 'MUJER',
TRUE ~ NA_character_
),
edad = as.integer(p19),
res_5a = dplyr::case_when(
p24a == 1 ~ 'ESTA_COMUNA',
p24a == 2 ~ 'OTRA_COMUNA',
TRUE ~ NA_character_
),
nacimiento = dplyr::case_when(
p22a == 1 ~ 'ESTA_COMUNA',
p22a == 2 ~ 'OTRA_COMUNA',
TRUE ~ NA_character_
),
asiste_educ = dplyr::case_when(
p26a == 1 ~ 'NUNCA',
p29 == 7 ~ 'SI',
p26a != 1 & p29 != 7 ~ 'NO_ACTUAL',
TRUE ~ NA_character_
),
curso_alto = as.integer(p26b),
nivel_educ = dplyr::case_when(
p26a == 2 ~ 'PREBASICA',
p26a == 3 ~ 'DIFERENCIAL',
p26a == 4 ~ 'BASICA',
p26a == 5 ~ 'CIENTIFICO-HUMANISTA',
p26a == 6 ~ 'HUMANIDADES',
p26a %in% c(7 : 10, 12) ~ 'TECNICA_PROF',
p26a == 11 ~ 'TEC_COMERCIAL',
p26a %in% c(13, 14) ~ 'TEC_SUPERIOR',
p26a == 15 ~ 'PROFESIONAL',
TRUE ~ NA_character_
),
pueblo_pert = dplyr::case_when(
p21 != 0 ~ 'SI',
p21 == 0 ~ 'NO',
TRUE ~ NA_character_
),
pueblo_orig = dplyr::case_when(
p21 == 5 ~ 'MAPUCHE',
p21 == 3 ~ 'AYMARA',
p21 == 7 ~ 'RAPA_NUI',
p21 == 2 ~ 'LICAN_ANTAI',
p21 == 6 ~ 'QUECHUA',
p21 == 4 ~ 'COLLA',
p21 == 1 ~ 'KAWESQAR',
TRUE ~ NA_character_
),
trabajo = dplyr::case_when(
p29 == 1 ~ 'PAGADO',
p29 == 4 ~ 'SIN_PAGO_FAM',
p29 == 2 ~ 'VACACIONES',
p29 %in% c(3, 5) ~ 'BUSCANDO',
p29 == 7 ~ 'QUEHACERES',
p29 == 8 ~ 'JUBILADO',
p29 == 9 ~ 'OTRO',
TRUE ~ NA_character_
),
hijos_nacido = as.integer(hijos_nacido),
hijos_vivos = as.integer(hijos_vivos),
escolaridad = dplyr::case_when(
p26a == 1 ~ as.integer(0),
p26a == 2 ~ as.integer(0),
p26a == 3 ~ as.integer(0),
p26a == 4 ~ as.integer(p26b),
p26a == 5 ~ as.integer(p26b + 8),
p26a == 6 ~ as.integer(p26b + 8),
p26a == 7 ~ as.integer(p26b + 8),
p26a == 8 ~ as.integer(p26b + 8),
p26a == 9 ~ as.integer(p26b + 8),
p26a == 10 ~ as.integer(p26b + 8),
p26a == 11 ~ as.integer(p26b + 8),
p26a == 12 ~ as.integer(p26b + 8),
p26a == 13 ~ as.integer(p26b + 12),
p26a == 14 ~ as.integer(p26b + 12),
p26a == 15 ~ as.integer(p26b + 12),
TRUE ~ NA_integer_
),
tipo_area = dplyr::case_when(
area == 1 ~ 'URBANO',
area == 2 ~ 'RURAL',
TRUE ~ NA_character_
)
) |>
dplyr::select(
year, id_region, id_provin, id_comuna, id_distri, id_area, id_zona, id_manzan, tipo_area, portafolio, nviv, nhogar, npers, cant_hog, cant_per, tipoviv, ocup_viv, mat_muro, mat_techo, mat_piso, ndorms, agua_orig, parentesco, sexo, edad, res_5a, nacimiento, asiste_educ, curso_alto, nivel_educ, pueblo_pert, pueblo_orig, trabajo, hijos_nacido, hijos_vivos, escolaridad
)
return(df0)
} else if (year == 1992) {
npers1992 <- df |>
dplyr::filter(parentesco == 1) |>
dplyr::group_by(portafolio, vivienda) |>
dplyr::summarise(
cant_hog = max(hogar),
cant_per = sum(tp),
ndorms = sum(pieza_dormir)
) |>
ungroup()
df0 <- df |>
dplyr::left_join(npers1992, by = c("portafolio", "vivienda")) |>
dplyr::mutate(
tipo_area = dplyr::case_when(
area == 1 ~ 'URBANO',
area == 2 ~ 'RURAL',
TRUE ~ NA_character_
),
tipoviv = dplyr::case_when(
tipo_vivienda == 1 ~ 'CASA',
tipo_vivienda == 2 ~ 'DPTO',
tipo_vivienda == 3 ~ 'PIEZA',
tipo_vivienda %in% c(4, 5) ~ 'MEDIAGUA',
tipo_vivienda == 6 ~ 'MOVIL',
tipo_vivienda == 7 ~ 'OTRO',
tipo_vivienda %in% c(8 : 11) ~ 'COLECTIVA',
tipo_vivienda == 99 ~ 'TRANSITO',
TRUE ~ NA_character_
),
mat_muro = dplyr::case_when(
paredes == 1 ~ 'HORMIGON',
paredes == 2 ~ 'TABIQUE_FORRADO',
paredes %in% c(3, 4) ~ 'ARTESANAL',
paredes == 5 ~ 'PRECARIOS',
paredes == 6 ~ 'OTROS',
TRUE ~ NA_character_
),
mat_techo = dplyr::case_when(
techo %in% c(4, 5) ~ 'TEJAS',
techo == 2 ~ 'LOSA_HORMIGON',
techo %in% c(1, 3) ~ 'PLANCHAS',
techo == 6 ~ 'FONOLITA',
techo == 7 ~ 'PAJA',
techo == 9 ~ 'OTROS',
TRUE ~ NA_character_
),
mat_piso = dplyr::case_when(
piso == 5 ~ 'BALDOSA_CEMENTO',
piso == 7 ~ 'TIERRA',
piso %in% c(1 : 4, 6) ~ 'PARQUET',
piso == 8 ~ 'OTROS',
TRUE ~ NA_character_
),
ndorms = as.integer(pieza_dormir),
agua_orig = dplyr::case_when(
origen_agua == 1 ~ 'RED_PUBLICA',
origen_agua == 2 ~ 'POZO',
origen_agua == 3 ~ 'RIO',
origen_agua == 4 ~ 'OTRO',
TRUE ~ NA_character_
),
ocup_viv = dplyr::case_when(
cond_ocupacion == 1 ~ 'PRESENTES',
cond_ocupacion == 2 ~ 'AUSENTES',
cond_ocupacion == 3 ~ 'DESOCUPADA'
),
nviv = as.integer(vivienda),
nhogar = as.integer(hogar),
npers = as.integer(persona),
parentesco = dplyr::case_when(
parentesco == 1 ~ 'JEFE_HOGAR',
parentesco == 2 ~ 'CONYUGUE',
parentesco == 3 ~ 'PAREJA',
parentesco == 4 ~ 'HIJO_A',
parentesco == 5 ~ 'YERNO_NUERA',
parentesco == 6 ~ 'NIETO_A',
parentesco == 7 ~ 'HERMANO_A',
parentesco == 8 ~ 'PADRE_MADRE',
parentesco == 9 ~ 'OTRO_PARIENTE',
parentesco == 10 ~ 'NO_PARIENTE',
parentesco == 11 ~ 'SERVICIO',
parentesco == 12 ~ 'VIV_COLECTIVA',
parentesco == 99 ~ 'OP_TRANSITO',
TRUE ~ NA_character_
),
sexo = dplyr::case_when(
sexo == 1 ~ 'HOMBRE',
sexo == 2 ~ 'MUJER',
TRUE ~ NA_character_
),
edad = as.integer(edad),
curso_alto = as.integer(curso),
trabajo = dplyr::case_when(
situacion_empleo == 1 ~ 'PAGADO',
situacion_empleo == 2 ~ 'VACACIONES',
situacion_empleo == 3 ~ 'SIN_PAGO_FAM',
situacion_empleo %in% c(4, 5) ~ 'BUSCANDO',
situacion_empleo == 6 ~ 'QUEHACERES',
situacion_empleo == 7 ~ 'ESTUDIANDO',
situacion_empleo == 8 ~ 'JUBILADO',
situacion_empleo %in% c(9, 10) ~ 'OTRO',
TRUE ~ NA_character_
),
com = dplyr::case_when(
str_sub(comuna, 1, 1) == 0 ~ as.integer(str_sub(comuna, 2)),
TRUE ~ as.integer(comuna)
),
res_5a = dplyr::case_when(
comuna_1987_origen3 == com ~ 'ESTA_COMUNA',
comuna_1987_origen3 %in% c(700 : 999) ~ 'OTRO',
comuna_habitual_origen3 != com & comuna_habitual_origen3 %in% c(1000 : 13700) ~ 'OTRA_COMUNA',
TRUE ~ NA_character_
),
nacimiento = dplyr::case_when(
comuna_habitual_origen3 == com ~ 'ESTA_COMUNA',
comuna_habitual_origen3 %in% c(700 : 999) ~ 'OTRO',
comuna_habitual_origen3 != com & comuna_habitual_origen3 %in% c(1000 : 13700) ~ 'OTRA_COMUNA',
TRUE ~ NA_character_
),
asiste_educ = dplyr::case_when(
tipo_educacion == 0 ~ 'NUNCA',
TRUE ~ NA_character_
),
nivel_educ = dplyr::case_when(
tipo_educacion == 1 ~ 'KINDER',
tipo_educacion == 2 ~ 'BASICA',
tipo_educacion == 3 ~ 'CIENTIFICO_HUMANISTA',
tipo_educacion == 4 ~ 'HUMANIDADES',
tipo_educacion %in% c(5 : 11) ~ 'TEC_COMERCIAL',
tipo_educacion %in% c(12, 13) ~ 'TEC_SUPERIOR',
tipo_educacion == 14 ~ 'PROFESIONAL',
TRUE ~ NA_character_
),
pueblo_pert = dplyr::case_when(
cultura %in% c(1 : 3) ~ 'SI',
cultura == 4 ~ 'NO',
TRUE ~ NA_character_
),
pueblo_orig = dplyr::case_when(
cultura == 1 ~ 'MAPUCHE',
cultura == 2 ~ 'AYMARA',
cultura == 3 ~ 'RAPA_NUI',
TRUE ~ NA_character_
),
hijos_nacido = as.integer(hijos_nacidos_vivos),
hijos_vivos = as.integer(hijos_vivos),
escolaridad = dplyr::case_when(
tipo_educacion == 0 ~ as.integer(0),
tipo_educacion == 1 ~ as.integer(0),
tipo_educacion == 2 ~ as.integer(curso),
tipo_educacion == 3 ~ as.integer(curso + 8),
tipo_educacion == 4 ~ as.integer(curso + 8),
tipo_educacion == 5 ~ as.integer(curso + 8),
tipo_educacion == 6 ~ as.integer(curso + 8),
tipo_educacion == 7 ~ as.integer(curso + 8),
tipo_educacion == 8 ~ as.integer(curso + 8),
tipo_educacion == 9 ~ as.integer(curso + 8),
tipo_educacion == 10 ~ as.integer(curso + 8),
tipo_educacion == 11 ~ as.integer(curso + 8),
tipo_educacion == 12 ~ as.integer(curso + 12),
tipo_educacion == 13 ~ as.integer(curso + 12),
tipo_educacion == 14 ~ as.integer(curso + 12),
TRUE ~ NA_integer_
),
dc = stringr::str_pad(
dc,
width = 2,
side = 'left',
pad = '0'
),
area = as.character(area),
zona = stringr::str_pad(
zona,
width = 3,
side = 'left',
pad = '0'
),
geocode = paste(
comuna, dc, area, zona,
sep = ''
),
year = '1992',
id_region = region92,
id_provin = provincia92,
id_comuna = stringr::str_pad(
comuna92,
width = 5,
side = 'left',
pad = '0'
),
id_distri = paste(
id_comuna,
stringr::str_pad(
dc,
width = 2,
side = 'left',
pad = '0'
),
sep = ''
),
id_area = paste(
id_distri,
area,
sep = ''
),
id_zona = paste(
id_area,
stringr::str_pad(
zc_loc,
width = 3,
side = 'left',
pad = '0'
),
sep = ''
),
id_manzan = paste(
id_zona,
stringr::str_pad(
manzana,
width = 3,
side = 'left',
pad = '0'
),
sep = ''
),
manzent92 = manzent92,
geocode92 = geocode92
) |>
dplyr::select(
year, id_region, id_provin, id_comuna, id_distri, id_area, id_zona, id_manzan, portafolio, tipo_area, nviv, nhogar, npers, cant_hog, cant_per, tipoviv, ocup_viv, mat_muro, mat_techo, mat_piso, ndorms, agua_orig, parentesco, sexo, edad, res_5a, nacimiento, asiste_educ, curso_alto, nivel_educ, pueblo_pert, pueblo_orig, trabajo, hijos_nacido, hijos_vivos, escolaridad
)
return(df0)
} else if (year == 1982) {
df <- df |>
dplyr::mutate(
c = as.character(comuna),
d = as.character(distrito),
z = as.character(zona),
s = stringr::str_pad(
sector,
width = 2,
side = 'left',
pad = '0'
),
v = stringr::str_pad(
vivienda,
width = 3,
side = 'left',
pad = '0'
),
h = stringr::str_pad(
hogar,
width = 3,
side = 'left',
pad = '0'
),
id_hog = paste(
c, d, z, s, v, h,
sep = ''
),
idviv = paste(
c, d, z, s, v,
sep = ''
)
)
nhogs82 <- df |>
dplyr::filter(parentesco == 1) |>
dplyr::group_by(
id_hog
) |>
dplyr::summarise(
cant_hog = n(),
cant_per = max(persona)
) |>
ungroup()
hijos <- df |>
dplyr::filter(parentesco %in% c(1 : 3)) |>
dplyr::group_by(
id_hog
) |>
dplyr::summarise(
hijos_nacido = max(hijos_nacidosvivos),
hijos_vivo = max(hijos_sobrevivientes)
) |>
ungroup()
df0 <- df |>
dplyr::left_join(nhogs82, by = 'id_hog') |>
dplyr::left_join(hijos, by = 'id_hog') |>
dplyr::mutate(
npers = as.integer(persona),
tipo_area = if_else(area == 1, 'URBANO', 'RURAL'),
tipoviv = dplyr::case_when(
tipo_vivienda == 1 ~ 'CASA',
tipo_vivienda == 2 ~ 'DPTO',
tipo_vivienda %in% c(3, 5) ~ 'MEDIAGUA',
tipo_vivienda == 4 ~ 'PIEZA',
tipo_vivienda == 6 ~ 'INDIGENA',
tipo_vivienda == 7 ~ 'MOVIL',
tipo_vivienda == 8 ~ 'OTRO',
tipo_vivienda %in% c(9 : 12) ~ 'COLECTIVA',
TRUE ~ NA_character_
),
ocup_viv = dplyr::case_when(
cond_ocupacion == 1 ~ 'PRESENTES',
cond_ocupacion == 2 ~ 'AUSENTES',
cond_ocupacion %in% c(3, 4, 6, 7) ~ 'DESOCUPADA',
cond_ocupacion == 5 ~ 'TEMPORADA',
TRUE ~ NA_character_
),
mat_muro = dplyr::case_when(
pared == 1 ~ 'HORMIGON',
pared == 2 ~ 'TABIQUE_FORRADO',
pared %in% c(3, 4) ~ 'ARTESANAL',
pared == 5 ~ 'PRECARIOS',
pared == 6 ~ 'OTROS',
TRUE ~ NA_character_
),
mat_techo = dplyr::case_when(
techo %in% c(3, 4) ~ 'TEJAS',
techo %in% c(1, 2) ~ 'PLANCHAS',
techo == 5 ~ 'FONOLITA',
techo == 6 ~ 'PAJA',
techo == 7 ~ 'OTROS',
TRUE ~ NA_character_
),
mat_piso = dplyr::case_when(
piso %in% c(1 : 4) ~ 'PARQUET',
piso == 5 ~ 'BALDOSA_CEMENTO',
piso == 6 ~ 'RADIER',
piso == 7 ~ 'TIERRA',
TRUE ~ NA_character_
),
ndorms = as.integer(dormitorio),
agua_orig = dplyr::case_when(
origen_agua == 1 ~ 'RED_PUBLICA',
origen_agua == 2 ~ 'POZO',
origen_agua == 3 ~ 'RIO',
TRUE ~ NA_character_
),
parentesco = dplyr::case_when(
parentesco == 1 ~ 'JEFE_HOGAR',
parentesco == 2 ~ 'CONYUGUE',
parentesco == 3 ~ 'PAREJA',
parentesco == 4 ~ 'HIJO_A',
parentesco == 5 ~ 'YERNO_NUERA',
parentesco == 6 ~ 'NIETO_A',
parentesco == 7 ~ 'PADRES',
parentesco == 8 ~ 'OTRO_PARIENTE',
parentesco == 9 ~ 'NO_PARIENTE',
parentesco == 10 ~ 'VIV_COLECTIVA',
TRUE ~ NA_character_
),
sexo = dplyr::case_when(
sexo == 1 ~ 'HOMBRE',
sexo == 2 ~ 'MUJER',
TRUE ~ NA_character_
),
edad = as.integer(edad),
# res_5a = dplyr::case_when(
#
#
#
# ),
# nacimiento = dplyr::case_when(
#
#
#
# ),
asiste_educ = dplyr::case_when(
asiste == 1 ~ 'SI',
asiste == 2 ~ 'NO_ACTUAL',
asiste == 3 ~ 'NUNCA'
),
nivel_educ = dplyr::case_when(
tipo_educacion == 1 ~ 'BASICA',
tipo_educacion == 2 ~ 'CIENTIFICO_HUMANISTA',
tipo_educacion == 3 ~ 'HUMANIDADES',
tipo_educacion %in% c(4 : 8) ~ 'TECNICA_PROF',
tipo_educacion == 9 ~ 'TEC_SUPERIOR',
tipo_educacion == 10 ~ 'PROFESIONAL',
TRUE ~ NA_character_
),
curso_alto = if_else(as.integer(curso) %in% c(1:8), as.integer(curso), 0),
trabajo = dplyr::case_when(
as.integer(situacion_empleo) == 1 ~ 'PAGADO',
as.integer(situacion_empleo) == 2 ~ 'SIN_PAGO_FAM',
as.integer(situacion_empleo) == 3 ~ 'VACACIONES',
as.integer(situacion_empleo) %in% c(4, 5) ~ 'BUSCANDO',
as.integer(situacion_empleo) == 6 ~ 'QUEHACERES',
as.integer(situacion_empleo) == 7 ~ 'ESTUDIANDO',
as.integer(situacion_empleo) == 8 ~ 'JUBILADO',
as.integer(situacion_empleo) %in% c(9, 10) ~ 'OTRO',
TRUE ~ NA_character_
),
hijos_nacido = as.integer(hijos_nacidosvivos),
hijos_vivos = as.integer(hijos_sobrevivientes),
nviv = as.integer(vivienda),
nhogar = as.integer(hogar),
year = '1982'
) |>
dplyr::select(
year, tipo_area, nviv, nhogar, npers, cant_hog, cant_per, tipoviv, ocup_viv, mat_muro, mat_techo, mat_piso, ndorms, agua_orig, parentesco, sexo, edad, asiste_educ, curso_alto, nivel_educ, trabajo, hijos_nacido, hijos_vivos
)
return(df0)
} else {
pass()
}
}
Try the ismtchile package in your browser
Any scripts or data that you put into this service are public.
R Package Documentation
Browse R Packages
We want your feedback!
Note that we can't provide technical support on individual packages. You should contact the package authors for that.
Embedding an R snippet on your website
Add the following code to your website.
For more information on customizing the embed code, read Embedding Snippets.