In pttry/KT162R: Data preparation and graphs for the project KT162 Alueellinen liikkuvuus ja monipaikkaisuus

knitr::opts_chunk$set(
  collapse = TRUE,
  comment = "#>",
  fig.path = "fig_pendelointi/",
  fig.width = 8,
  fig.height = 6
)

library(tidyverse)
library(ggptt)
library(RColorBrewer)
library(glue)

devtools::load_all() 

set_ptt(base_size = 12)
theme_update(plot.subtitle = element_text(colour = "grey50", size = 8))

atyyppi_colour <- c(brewer.pal(6, "Oranges")[6:4], brewer.pal(6, "Blues")[6:5] , brewer.pal(6, "Greens")[6:5])

data("dat_lahtopendelointi_tyyppi", "dat_tulopendelointi_tyyppi")

dat_tyossak <- 
  bind_rows(tyolliset = dat_lahtopendelointi_tyyppi, tyopaikat = dat_tulopendelointi_tyyppi, .id = "tieto") %>% 
  mutate(koulutusaste = factor(koulutusaste, 
                               levels = c("Ylempi korkeakouluaste tai tutkijakoulutusaste 7, 8", 
                                          "Alin korkea-aste tai alempi korkeakouluaste 5, 6",
                                          "Toinen aste tai erikoisammattikoulutusaste 3, 4",
                                          "Ei perusasteen jälkeistä tutkintoa",
                                          "Yhteensä"),
                               labels = c("Ylempi korkea tai tutkija",
                                          "Alin korkea tai alempi korkeakoulu",
                                          "2. aste tai erikoisammattikoulu",
                                          "Perusaste",
                                          "Yhteensä")),
         pendelointi = as_factor(pendelointi),
         tieto = as_factor(tieto))

time_range <- range(dat_tyossak$time)

Työpaikat ja työlliset aluetyypeittäin

dat_tyossak %>% 
  filter(pendelointi == "Yhteensä",
         ika == "Yhteensä",
         aluetyyppi != "Koko maa",
         koulutusaste == "Yhteensä") %>% 
  ggplot(aes(time, values/1000, colour = tieto)) +
  facet_wrap(~ aluetyyppi) +
  geom_line()

Työpaikat ja työlliset aluetyypeittäin ja koulutusasteittain

dat_tyossak %>% 
  filter(pendelointi == "Yhteensä",
         ika == "Yhteensä",
         aluetyyppi != "Koko maa",
         koulutusaste != "Yhteensä") %>% 
  ggplot(aes(time, values/1000, colour = tieto)) +
  facet_grid(koulutusaste ~ aluetyyppi) +
  geom_line()

Työpaikat ja työlliset aluetyypeittäin osuus

dat_tyossak %>% 
  filter(pendelointi == "Yhteensä",
         ika == "Yhteensä",
         aluetyyppi != "Koko maa",
         koulutusaste == "Yhteensä") %>% 
  group_by(time, tieto) %>% 
  mutate(share = 100 * values/ sum(values)) %>% 
  ungroup() %>% 
  ggplot(aes(time, share, colour = aluetyyppi)) +
  facet_wrap( ~ tieto) +
  geom_line()

Työpaikat ja työlliset aluetyypeittäin ja koulutusasteittain osuus

dat_tyossak %>% 
  filter(pendelointi == "Yhteensä",
         ika == "Yhteensä",
         aluetyyppi != "Koko maa",
         koulutusaste != "Yhteensä") %>% 
  group_by(time, tieto, koulutusaste) %>% 
  mutate(share = 100 * values/ sum(values)) %>% 
  ungroup() %>% 
  ggplot(aes(time, share, colour = aluetyyppi)) +
  facet_grid(koulutusaste ~ tieto) +
  geom_line() +
  labs(title = "Alueiden osuudet työllisistä ja työpaikkoista koulutusasteittain",
       y = "%", x = NULL)

Työpaikkojen ja työllisten erotus

dat_tyossak %>% 
  filter(pendelointi == "Yhteensä",
         ika == "Yhteensä",
         aluetyyppi != "Koko maa",
         koulutusaste == "Yhteensä") %>% 
  spread(tieto, values) %>% 
  mutate(ero = tyopaikat - tyolliset) %>% 
  ggplot(aes(time, ero, colour = aluetyyppi)) +
  geom_line() +
  geom_h0()

Työpaikkojen ja työllisten erotus suhteessa koko maan työllisiin

dat_tyossak %>% 
  filter(pendelointi == "Yhteensä",
         ika == "Yhteensä",
         koulutusaste == "Yhteensä") %>% 
  spread(tieto, values) %>% 
  group_by(time) %>% 
  mutate(tyoll_km = tyolliset[aluetyyppi == "Koko maa"]) %>% 
  ungroup() %>% 
  filter(aluetyyppi != "Koko maa") %>% 
  mutate(ero_suht = 100* (tyopaikat - tyolliset)/ tyoll_km) %>% 
  mutate(aluetyyppi = fct_reorder2(aluetyyppi, time, ero_suht)) %>% 
  ggplot(aes(time, ero_suht, colour = aluetyyppi)) +
  geom_line() +
  geom_h0()

Työpaikkojen ja työllisten erotus suhteessa koko maan työllisiin koulutusasteittain

dat_tyossak %>% 
  filter(pendelointi == "Yhteensä",
         ika == "Yhteensä") %>% 
  spread(tieto, values) %>% 
  group_by(time, koulutusaste) %>% 
  mutate(tyoll_km = tyolliset[aluetyyppi == "Koko maa"]) %>% 
  ungroup() %>% 
  filter(aluetyyppi != "Koko maa") %>% 
  mutate(ero_suht = 100* (tyopaikat - tyolliset)/ tyoll_km) %>% 
  mutate(aluetyyppi = fct_reorder2(aluetyyppi, time, ero_suht)) %>% 
  ggplot(aes(time, ero_suht, colour = aluetyyppi)) +
  facet_wrap(~ koulutusaste, nrow = 1) +
  geom_line() +
  geom_h0()

Työpaikkojen ja työllisten erotus suhteessa koko maan työllisiin koulutusasteittain ja ikäluokittain

dat_tyossak %>% 
  filter(pendelointi == "Yhteensä",
         (ika %in% c("25 - 34", "35 - 44", "45 - 54", "55 - 64"))) %>% 
  spread(tieto, values) %>% 
  group_by(time, koulutusaste, ika) %>% 
  mutate(tyoll_km = tyolliset[aluetyyppi == "Koko maa"]) %>% 
  ungroup() %>% 
  filter(aluetyyppi != "Koko maa") %>% 
  mutate(ero_suht = 100* (tyopaikat - tyolliset)/ tyoll_km) %>% 
  mutate(aluetyyppi = fct_reorder2(aluetyyppi, time, ero_suht)) %>% 
  ggplot(aes(time, ero_suht, colour = aluetyyppi)) +
  facet_grid(ika ~ koulutusaste) +
  geom_line() +
  geom_h0()

Työpaikkojen ja työllisten erotus suhteessa alueen työllisiin koulutusasteittain

dat_tyossak %>% 
  filter(pendelointi == "Yhteensä",
         ika == "Yhteensä") %>% 
  spread(tieto, values) %>% 
  group_by(time, aluetyyppi) %>% 
  mutate(tyoll_alue = tyolliset[koulutusaste == "Yhteensä"]) %>% 
  ungroup() %>% 
  filter(aluetyyppi != "Koko maa") %>% 
  mutate(ero_suht = 100* (tyopaikat - tyolliset)/ tyoll_alue) %>% 
  mutate(aluetyyppi = fct_reorder2(aluetyyppi, time, ero_suht)) %>% 
  ggplot(aes(time, ero_suht, colour = aluetyyppi)) +
  facet_wrap(~ koulutusaste, nrow = 1) +
  geom_line() +
  geom_h0()

pttry/KT162R documentation built on Nov. 27, 2022, 3:52 a.m.