analyysit/Pendelointi/regressiotulokset/regression_results_plots.R
In pttry/KT162R: Data preparation and graphs for the project KT162 Alueellinen liikkuvuus ja monipaikkaisuus
library(tidyverse)
source("R/coef_plot.R")
toimialanames = c("A" = "Maa-, metsä-, ja kalatalous (A)",
"B" = "Kaivostoiminta, louhinta (B)",
"C" = "Teollisuus (C)",
"D" = "Sähkö-, kaasu- ja lämpöhuolto, jäähdytys (D)",
"E" = "Vesi-, viemäri-, jätevesi- ja jätehuolto; puhtaanapito (E)",
"F" = "Rakentaminen (F)",
"G" = "Tukku- ja vähittäiskauppa: moottoriajoneuvojen korjaus (G)",
"H" = "Kuljetus ja varastointi (H)",
"I" = "Majoitus- ja ravitsemustoiminta (I)",
"J" = "Informaatio ja viestintä (J)",
"K" = "Rahoitus- ja vakuutustoiminta (K)",
"L" = "Kiinteistöalan toiminta (L)",
"M" = "Ammatillinen, tieteellinen ja tekninen toiminta (M)",
"N" = "Hallinto- ja tukipalvelutoiminta (N)",
"O" = "Julkinen hallinto, maanpuolustus, sosiaalivakuutus (O)",
"P" = "Koulutus (P)",
"Q" = "Terveys- ja sosiaalipalvelut (Q)",
"R" = "Taiteet, viihde ja virkistys (R)",
"S" = "Muu palvelutoiminta (S)",
"T" = "Kotitalouksien toiminta työnantajana (T)",
"U" = "Kansainvälisten organisaatioiden toiminta (U)",
"X" = "Toimiala tuntematon (X)")
###### Toimialat, palkansaajat, conditional #######################################
data <- readRDS("data/oct2/coefficient_plot_data_salaried_ols_ln.rds") %>%
filter(grepl("toimiala", var)) %>%
mutate(coefficient = 100*round(coefficient, digits = 3))
data$var <- gdata::drop.levels(data$var)
levels(data$var) <- c("M", "N", "J", "O", "B", "U", "L", "T", "P", "H", "A", "I", "S",
"K", "F", "D", "R", "Q", "X", "G", "E")
data <- filter(data, var != "X")
data$var <- gdata::drop.levels(data$var)
data$var <- factor(data$var, levels(data$var)[length(levels(data$var)):1])
data$var <- plyr::revalue(data$var, replace = toimialanames)
data %>%
ggplot(aes(y = coefficient, x = var, label = coefficient)) +
geom_hline(yintercept = 0, linetype = 4, color = "black", size = 1.2) +
geom_segment(aes(y = 0,
x = var,
yend = coefficient,
xend = var),
color = "#0ABBEC",
size = 3) +
geom_errorbar(aes(x = var, ymin = coefficient - 200*data$se, ymax = coefficient + 200*data$se),
color = "red", size = 1.2, linetype = 2) +
geom_point(stat = "identity", color = "#006FB9", size = 10) +
geom_text(color = "white", size = 3) +
coord_flip() +
theme_light() +
theme(text = element_text(size = 10, family = "sans")) +
labs(x = NULL,
y = "Kontrolloitu ero teollisuuteen, %") +
scale_x_discrete(labels = )
# deci_comma
ggsave("analyysit/Pendelointi/regressiotulokset/conditional_toimiala_palkansaajat.png",
width = 7, height = 6)
# Ammatit, palkansaajat
data <- readRDS("data/oct2/coefficient_plot_data_salaried_ols_ln.rds") %>%
filter(grepl("ammattikoodi_k", var)) %>%
mutate(coefficient = 100*round(coefficient, digits = 3),
se = 100*se)
ammatti_labels <- c("Erityisasiantuntijat",
"Johtajat",
"Maanviljelijät, metsätyöntekijät ym.",
"Muut työntekijät",
"Palvelu- ja myyntityöntekijät",
"Prosessi- ja kuljetustyöntekijät",
"Rakennus-, korjaus- ja valmistustyöntekijät",
"Toimisto- ja asiakaspalvelutyöntekijät")
data %>%
ggplot(aes(y = coefficient, x = var, label = coefficient)) +
geom_hline(yintercept = 0, linetype = 4, color = "black", size = 1.2) +
geom_segment(aes(y = 0,
x = var,
yend = coefficient,
xend = var),
color = "#0ABBEC",
size = 3) +
geom_errorbar(aes(x = var, ymin = coefficient - 2*data$se, ymax = coefficient + 2*data$se),
color = "red", size = 1, linetype = 3) +
geom_point(stat = "identity", color = "#006FB9", size = 10) +
geom_text(color = "white", size = 3) +
coord_flip() +
theme_light() +
theme(axis.text.y = element_text(size = 10, family = "sans")) +
labs(x = NULL,
y = "Kontrolloitu ero asiantuntijoihin, %") +
scale_x_discrete(labels = ammatti_labels)
# deci_comma
ggsave("analyysit/Pendelointi/regressiotulokset/conditional_ammatti.png",
width = 7,
height = 4)
################ Palkansaajat, henkilökohtaiset muuttujat ############################
data <- readRDS("data/oct2/coefficient_plot_data_salaried_ols_ln.rds") %>%
filter(!grepl("ammattikoodi_k", var)) %>%
filter(!grepl("toimiala", var)) %>%
filter(!grepl("kunta", var)) %>%
filter(!grepl("Intercept", var)) %>%
filter(!grepl("ika2", var)) %>%
mutate(coefficient = 100*round(coefficient, digits = 3),
se = 100*se)
data_salaried <- data.frame(var = c("sukupNainen",
"ika",
"syntyp2Syntynyt ulkomailla",
"ututku_asteToinen aste",
"ututku_asteKorkea-aste",
"ututku_asteTutkijakoulutusaste",
"migr_exp",
"petyPari, ei lapsia",
"petyPari, lapsia",
"petyYksinhuoltaja",
"hapeVuokralainen",
"hapeAsumisoikeusasunnot",
"hapeMuu hallintaperuste",
"tatyRivi- tai ketjutalo",
"tatyAsuinkerrostalo",
"tatyMuu rakennus",
"spouse_working",
"tyosuhteen_kesto_kk",
"oty1Valtio",
"oty1Kunta"),
coefficient = c(-0.128,
0.015,
-0.023,
0.049,
0.058,
-0.023,
0.378,
0.077,
0.058,
0.047,
-0.116,
0.065,
-0.045,
-0.270,
-0.507,
-0.449,
-0.023,
-0.001,
-0.080,
-0.197))
dummy_titles = data.frame(var = c("ututku_aste",
"pety",
"hape",
"taty",
"oty1"),
coefficient = rep(NA, 5))
data_salaried <- rbind(data_salaried, dummy_titles)
data_salaried$var <- gdata::drop.levels(data_salaried$var)
data_salaried$var <- factor(data_salaried$var,
levels = c("tyosuhteen_kesto",
"oty1Valtio",
"oty1Kunta",
"oty1",
"comm_expTRUE",
"migr_expTRUE",
"tatyMuu rakennus",
"tatyAsuinkerrostalo",
"tatyRivi- tai ketjutalo",
"taty",
"hapeMuu hallintaperuste",
"hapeAsumisoikeusasunnot",
"hapeVuokralainen",
"hape",
"spouse_workingTRUE",
"petyYksinhuoltaja",
"petyYksin asuvat",
"petyPari, lapsia",
"pety",
"kturaha_k",
"ututku_asteTutkijakoulutusaste",
"ututku_asteKorkea-aste",
"ututku_asteToinen aste",
"ututku_aste",
"syntyp2Syntynyt ulkomailla",
"opiskelijaOpiskelija",
"ika",
"sukupNainen"))
#all significant
personal_labels <- c("Nainen ***/",
"Ikä, vuosia ***/",
"Syntynyt ulkomailla ***/",
"Koulutusaste, ref: perusaste",
" Toinen aste ***/",
" Korkea-aste ***/",
" Tutkijakoulutusaste ***/",
"Perhetyyppi, ref: asuu yksin",
" Pari, lapsia ***/",
" Yksin asuvat ***/",
" Yksinhuoltaja ***/",
"Puoliso töissä ***/",
"Hallintaperuste, ref: Omistusasuja",
" Vuokralainen ***/",
" Asumisoikeusasunto ***/",
" Muu hallintaperuste ***/",
"Muuttanut ***/",
"Työnantajan omistajatyyppi: ref: yksityinen",
" Kunta ***/",
" Valtio ***/",
"Työsuhteen kesto, kuukausia")[21:1]
data_salaried$group <- "Palkansaajat"
data %>%
ggplot(aes(y = coefficient, x = var, label = coefficient)) +
geom_hline(yintercept = 0, linetype = 4, color = "black", size = 1.2) +
geom_segment(aes(y = 0,
x = var,
yend = coefficient,
xend = var),
color = "#0ABBEC",
size = 3) +
geom_point(stat = "identity", color = "#006FB9", size = 10) +
geom_text(color = "white", size = 3) +
geom_errorbar(aes(x = var, ymin = coefficient - 2*data$se, ymax = coefficient + 2*data$se),
color = "red", size = 1.2, linetype = 2)+
coord_flip() +
theme_light() +
theme(text = element_text(size = 10, family = "sans"),
axis.text.y = element_text(hjust = 0)) +
labs(x = NULL,
y = "Marginaalivaikutus, %") +
scale_x_discrete(labels = personal_labels)# deci_comma
ggsave("analyysit/Pendelointi/regressiotulokset/conditional_personal.png",
width = 7, height = 8)
### Self-employed
# Toimiala
data <- readRDS("data/oct2/coefficient_plot_data_self_employed_tobit.rds") %>%
filter(grepl("toimiala", var)) %>%
mutate(coefficient = round(coefficient, digits = 1),
se = 100*se)
data$var <- gdata::drop.levels(data$var)
levels(data$var) <- c("N", "J", "B", "L", "P", "H", "A", "I", "S", "K", "F", "D", "R", "C", "Q", "G", "E")
data$var <- gdata::drop.levels(data$var)
data$var <- factor(data$var, levels(data$var)[length(levels(data$var)):1])
data$var <- plyr::revalue(data$var, replace = toimialanames)
data %>%
ggplot(aes(y = coefficient, x = var, label = coefficient)) +
geom_hline(yintercept = 0, linetype = 4, color = "black", size = 1.2) +
geom_segment(aes(y = 0,
x = var,
yend = coefficient,
xend = var),
color = "#0ABBEC",
size = 3) +
geom_errorbar(aes(x = var, ymin = coefficient - 2*data$se, ymax = coefficient + 2*data$se),
color = "red", size = 1, linetype = 3) +
geom_point(stat = "identity", color = "#006FB9", size = 10) +
geom_text(color = "white", size = 3) +
coord_flip() +
theme_light() +
theme(text = element_text(size = 10, family = "sans")) +
labs(x = NULL,
y = "Kontrolloitu ero johonkin, %")
ggsave("analyysit/Pendelointi/regressiotulokset/conditional_toimiala_yrittajat.png",
width = 7, height = 6)
# Yrityksen koko
data <- readRDS("data/oct2/coefficient_plot_data_self_employed_ols.rds") %>%
filter(grepl("yr1_lvl", var) | grepl("yr1_hl", var)) %>%
mutate(coefficient = round(coefficient, digits = 1),
se = 100*se)
data %>%
ggplot(aes(y = coefficient, x = var, label = coefficient)) +
geom_hline(yintercept = 0, linetype = 4, color = "black", size = 1.2) +
geom_segment(aes(y = 0,
x = var,
yend = coefficient,
xend = var),
color = "#0ABBEC",
size = 3) +
geom_errorbar(aes(x = var, ymin = coefficient - 2*data$se, ymax = coefficient + 2*data$se),
color = "red", size = 1, linetype = 3) +
geom_point(stat = "identity", color = "#006FB9", size = 10) +
geom_text(color = "white", size = 3) +
coord_flip() +
theme_light() +
theme(text = element_text(size = 10, family = "sans")) +
labs(x = NULL,
y = "Kontrolloitu ero johonkin, %") +
scale_x_discrete(labels = c("Henkilömäärältä keskisuuri yritys",
"Henkilömäärältä suuri yritys",
"Liikevaihto 10 000 000 - 40 000 000",
"Liikevaihto 40 000 000 - "))
ggsave("analyysit/Pendelointi/regressiotulokset/conditional_yrityksen_koko_yrittajat.png",
width = 7, height = 2)
# personal
data <- readRDS("data/oct2/coefficient_plot_data_self_employed_tobit.rds") %>%
filter(!grepl("ammattikoodi_k", var)) %>%
filter(!grepl("toimiala", var)) %>%
filter(!grepl("aluetyyppi", var)) %>%
filter(!grepl("yr", var)) %>%
filter(!grepl("Intercept", var)) %>%
filter(!grepl("ika2", var)) %>%
mutate(coefficient = round(coefficient, digits = 1),
se = 100*se)
data$var <- gdata::drop.levels(data$var)
data$var <- factor(data$var,
levels = c("auto_k0",
"comm_expTRUE",
"migr_expTRUE",
"tyosuhteen_kesto",
"taajama_k21",
"hapeMuu hallintaperuste",
"hapeAsumisoikeusasunnot",
"hapeVuokralainen",
"petyYksinhuoltaja",
"petyYksin asuvat",
"petyPari, lapsia",
"spouse_workingTRUE",
"ututku_asteTutkijakoulutusaste",
"ututku_asteKorkea-aste",
"ututku_asteToinen aste",
"syntyp2Syntynyt ulkomailla",
"ika",
"sukupNainen"))
personal_labels <- c("Nainen (referenssi: mies)",
"Ikä, vuosia",
"Syntynyt ulkomailla (referenssi: syntynyt Suomessa)",
"Toinen aste (referenssi: perusaste)",
"Korkea-aste (referenssi: perusaste)",
"Tutkijakoulutusaste (referenssi: perusaste)",
"Puoliso töissä",
"Pari, lapsia (referenssi: pari, ei lapsia)",
"Yksin asuvat (referenssi: pari, ei lapsia)",
"Yksinhuoltaja (referenssi: pari, ei lapsia)",
"Vuokralainen (referenssi: omistusasuja)",
"Asumisoikeusasunto (referenssi: omistusasuja)",
"Muu hallintaperuste (referenssi: omistusasuja)",
"Asuinpaikka taajamassa",
"Työsuhteen kesto, päiviä",
"Muuttamiskokemus",
"Pendelöintikokemus",
"Auto käytössä")[18:1]
data %>%
ggplot(aes(y = coefficient, x = var, label = coefficient)) +
geom_hline(yintercept = 0, linetype = 4, color = "black", size = 1.2) +
geom_segment(aes(y = 0,
x = var,
yend = coefficient,
xend = var),
color = "#0ABBEC",
size = 3) +
geom_errorbar(aes(x = var, ymin = coefficient - 2*data$se, ymax = coefficient + 2*data$se),
color = "red", size = 1, linetype = 3) +
geom_point(stat = "identity", color = "#006FB9", size = 10) +
geom_text(color = "white", size = 3) +
coord_flip() +
theme_light() +
theme(text = element_text(size = 10, family = "sans")) +
labs(x = NULL,
y = "Kontrolloitu ero referenssikategorioihin tai marginaalivaikutus, %") +
scale_x_discrete(labels = personal_labels)
ggsave("analyysit/Pendelointi/regressiotulokset/conditional_personal_yrittajat.png",
width = 7, height = 7)
################ Henkilökohtaiset, both ###########################
data_palkansaajat <- readRDS("data/oct2/coefficient_plot_data_salaried_ols_ln.rds") %>%
filter(!grepl("ammattikoodi_k", var)) %>%
filter(!grepl("toimiala", var)) %>%
filter(!grepl("kunta", var)) %>%
filter(!grepl("Intercept", var)) %>%
filter(!grepl("ika2", var)) %>%
filter(var != "kturaha_k") %>%
filter(var != "taajama_k21") %>%
filter(var != "comm_expTRUE") %>%
filter(var != "auto_k0") %>%
mutate(coefficient = 100*round(coefficient, digits = 3),
se = 100*se)
dummy_titles <- data.frame(var = c("ututku_aste",
"pety",
"hape",
"oty1"),
coefficient = rep(NA, 4),
se = rep(NA, 4))
data_palkansaajat <- rbind(data_palkansaajat, dummy_titles)
data_palkansaajat$amas <- "Palkansaajat"
data_yrittajat <- readRDS("data/oct2/coefficient_plot_data_self_employed_tobit.rds") %>%
filter(!grepl("ammattikoodi_k", var)) %>%
filter(!grepl("toimiala", var)) %>%
filter(!grepl("aluetyyppi", var)) %>%
filter(!grepl("yr", var)) %>%
filter(!grepl("Intercept", var)) %>%
filter(!grepl("ika2", var)) %>%
filter(var != "taajama_k21") %>%
filter(var != "comm_expTRUE") %>%
filter(var != "auto_k0") %>%
mutate(coefficient = round(coefficient, digits = 1),
se = 100*se)
dummy_titles <- data.frame(var = c("ututku_aste",
"pety",
"hape",
"oty1"),
coefficient = rep(NA, 4),
se = rep(NA, 4))
data_yrittajat <- rbind(data_yrittajat, dummy_titles)
data_yrittajat$amas <- "Yrittäjät"
data <- rbind(data_palkansaajat, data_yrittajat)
data$var <- gdata::drop.levels(data$var)
data$var <- factor(data$var,
levels = c("oty1Valtio",
"oty1Kunta",
"oty1",
"migr_expTRUE",
"tyosuhteen_kesto",
"hapeMuu hallintaperuste",
"hapeAsumisoikeusasunnot",
"hapeVuokralainen",
"hape",
"spouse_workingTRUE",
"petyYksinhuoltaja",
"petyYksin asuvat",
"petyPari, lapsia",
"pety",
"ututku_asteTutkijakoulutusaste",
"ututku_asteKorkea-aste",
"ututku_asteToinen aste",
"ututku_aste",
"syntyp2Syntynyt ulkomailla",
"opiskelijaOpiskelija",
"ika",
"sukupNainen"))
personal_labels <- c("Nainen",
"Ikä, vuosia",
"Opiskelija",
"Syntynyt ulkomailla",
"Koulutusaste, ref: perusaste",
" Toinen aste",
" Korkea-aste",
" Tutkijakoulutusaste",
"Perhetyyppi, ref: asuu yksin",
" Pari, lapsia",
" Yksin asuvat",
" Yksinhuoltaja",
"Puoliso töissä",
"Hallintaperuste, ref: omistaa asunnon",
" Vuokralainen",
" Asumisoikeusasunto",
" Muu hallintaperuste",
"Työsuhteen kesto, päiviä",
"Muuttamiskokemus",
"Omistajatyyppi, ref: yksityinen",
" Kunta",
" Valtio")[22:1]
data %>%
ggplot(aes(y = coefficient, x = var, label = coefficient)) +
geom_hline(yintercept = 0, linetype = 4, color = "black", size = 1.2) +
geom_segment(aes(y = 0,
x = var,
yend = coefficient,
xend = var),
color = "#0ABBEC",
size = 3) +
#geom_errorbar(aes(x = var, ymin = coefficient - 2*data$se, ymax = coefficient + 2*data$se),
# color = "red", size = 1, linetype = 3) +
geom_point(stat = "identity", color = "#006FB9", size = 10) +
geom_text(color = "white", size = 3) +
coord_flip() +
facet_wrap(~amas, ncol = 2) +
theme_light() +
theme(text = element_text(size = 10, family = "sans"),
axis.text.y = element_text(hjust = 0)) +
labs(x = NULL,
y = "Kontrolloitu ero referenssikategorioihin tai marginaalivaikutus, %") +
scale_x_discrete(labels = personal_labels)
ggsave("analyysit/Pendelointi/regressiotulokset/personal_both.png",
width = 8.5, height = 7)
pttry/KT162R documentation built on Nov. 27, 2022, 3:52 a.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.
library(tidyverse)
source("R/coef_plot.R")
toimialanames = c("A" = "Maa-, metsä-, ja kalatalous (A)",
"B" = "Kaivostoiminta, louhinta (B)",
"C" = "Teollisuus (C)",
"D" = "Sähkö-, kaasu- ja lämpöhuolto, jäähdytys (D)",
"E" = "Vesi-, viemäri-, jätevesi- ja jätehuolto; puhtaanapito (E)",
"F" = "Rakentaminen (F)",
"G" = "Tukku- ja vähittäiskauppa: moottoriajoneuvojen korjaus (G)",
"H" = "Kuljetus ja varastointi (H)",
"I" = "Majoitus- ja ravitsemustoiminta (I)",
"J" = "Informaatio ja viestintä (J)",
"K" = "Rahoitus- ja vakuutustoiminta (K)",
"L" = "Kiinteistöalan toiminta (L)",
"M" = "Ammatillinen, tieteellinen ja tekninen toiminta (M)",
"N" = "Hallinto- ja tukipalvelutoiminta (N)",
"O" = "Julkinen hallinto, maanpuolustus, sosiaalivakuutus (O)",
"P" = "Koulutus (P)",
"Q" = "Terveys- ja sosiaalipalvelut (Q)",
"R" = "Taiteet, viihde ja virkistys (R)",
"S" = "Muu palvelutoiminta (S)",
"T" = "Kotitalouksien toiminta työnantajana (T)",
"U" = "Kansainvälisten organisaatioiden toiminta (U)",
"X" = "Toimiala tuntematon (X)")
###### Toimialat, palkansaajat, conditional #######################################
data <- readRDS("data/oct2/coefficient_plot_data_salaried_ols_ln.rds") %>%
filter(grepl("toimiala", var)) %>%
mutate(coefficient = 100*round(coefficient, digits = 3))
data$var <- gdata::drop.levels(data$var)
levels(data$var) <- c("M", "N", "J", "O", "B", "U", "L", "T", "P", "H", "A", "I", "S",
"K", "F", "D", "R", "Q", "X", "G", "E")
data <- filter(data, var != "X")
data$var <- gdata::drop.levels(data$var)
data$var <- factor(data$var, levels(data$var)[length(levels(data$var)):1])
data$var <- plyr::revalue(data$var, replace = toimialanames)
data %>%
ggplot(aes(y = coefficient, x = var, label = coefficient)) +
geom_hline(yintercept = 0, linetype = 4, color = "black", size = 1.2) +
geom_segment(aes(y = 0,
x = var,
yend = coefficient,
xend = var),
color = "#0ABBEC",
size = 3) +
geom_errorbar(aes(x = var, ymin = coefficient - 200*data$se, ymax = coefficient + 200*data$se),
color = "red", size = 1.2, linetype = 2) +
geom_point(stat = "identity", color = "#006FB9", size = 10) +
geom_text(color = "white", size = 3) +
coord_flip() +
theme_light() +
theme(text = element_text(size = 10, family = "sans")) +
labs(x = NULL,
y = "Kontrolloitu ero teollisuuteen, %") +
scale_x_discrete(labels = )
# deci_comma
ggsave("analyysit/Pendelointi/regressiotulokset/conditional_toimiala_palkansaajat.png",
width = 7, height = 6)
# Ammatit, palkansaajat
data <- readRDS("data/oct2/coefficient_plot_data_salaried_ols_ln.rds") %>%
filter(grepl("ammattikoodi_k", var)) %>%
mutate(coefficient = 100*round(coefficient, digits = 3),
se = 100*se)
ammatti_labels <- c("Erityisasiantuntijat",
"Johtajat",
"Maanviljelijät, metsätyöntekijät ym.",
"Muut työntekijät",
"Palvelu- ja myyntityöntekijät",
"Prosessi- ja kuljetustyöntekijät",
"Rakennus-, korjaus- ja valmistustyöntekijät",
"Toimisto- ja asiakaspalvelutyöntekijät")
data %>%
ggplot(aes(y = coefficient, x = var, label = coefficient)) +
geom_hline(yintercept = 0, linetype = 4, color = "black", size = 1.2) +
geom_segment(aes(y = 0,
x = var,
yend = coefficient,
xend = var),
color = "#0ABBEC",
size = 3) +
geom_errorbar(aes(x = var, ymin = coefficient - 2*data$se, ymax = coefficient + 2*data$se),
color = "red", size = 1, linetype = 3) +
geom_point(stat = "identity", color = "#006FB9", size = 10) +
geom_text(color = "white", size = 3) +
coord_flip() +
theme_light() +
theme(axis.text.y = element_text(size = 10, family = "sans")) +
labs(x = NULL,
y = "Kontrolloitu ero asiantuntijoihin, %") +
scale_x_discrete(labels = ammatti_labels)
# deci_comma
ggsave("analyysit/Pendelointi/regressiotulokset/conditional_ammatti.png",
width = 7,
height = 4)
################ Palkansaajat, henkilökohtaiset muuttujat ############################
data <- readRDS("data/oct2/coefficient_plot_data_salaried_ols_ln.rds") %>%
filter(!grepl("ammattikoodi_k", var)) %>%
filter(!grepl("toimiala", var)) %>%
filter(!grepl("kunta", var)) %>%
filter(!grepl("Intercept", var)) %>%
filter(!grepl("ika2", var)) %>%
mutate(coefficient = 100*round(coefficient, digits = 3),
se = 100*se)
data_salaried <- data.frame(var = c("sukupNainen",
"ika",
"syntyp2Syntynyt ulkomailla",
"ututku_asteToinen aste",
"ututku_asteKorkea-aste",
"ututku_asteTutkijakoulutusaste",
"migr_exp",
"petyPari, ei lapsia",
"petyPari, lapsia",
"petyYksinhuoltaja",
"hapeVuokralainen",
"hapeAsumisoikeusasunnot",
"hapeMuu hallintaperuste",
"tatyRivi- tai ketjutalo",
"tatyAsuinkerrostalo",
"tatyMuu rakennus",
"spouse_working",
"tyosuhteen_kesto_kk",
"oty1Valtio",
"oty1Kunta"),
coefficient = c(-0.128,
0.015,
-0.023,
0.049,
0.058,
-0.023,
0.378,
0.077,
0.058,
0.047,
-0.116,
0.065,
-0.045,
-0.270,
-0.507,
-0.449,
-0.023,
-0.001,
-0.080,
-0.197))
dummy_titles = data.frame(var = c("ututku_aste",
"pety",
"hape",
"taty",
"oty1"),
coefficient = rep(NA, 5))
data_salaried <- rbind(data_salaried, dummy_titles)
data_salaried$var <- gdata::drop.levels(data_salaried$var)
data_salaried$var <- factor(data_salaried$var,
levels = c("tyosuhteen_kesto",
"oty1Valtio",
"oty1Kunta",
"oty1",
"comm_expTRUE",
"migr_expTRUE",
"tatyMuu rakennus",
"tatyAsuinkerrostalo",
"tatyRivi- tai ketjutalo",
"taty",
"hapeMuu hallintaperuste",
"hapeAsumisoikeusasunnot",
"hapeVuokralainen",
"hape",
"spouse_workingTRUE",
"petyYksinhuoltaja",
"petyYksin asuvat",
"petyPari, lapsia",
"pety",
"kturaha_k",
"ututku_asteTutkijakoulutusaste",
"ututku_asteKorkea-aste",
"ututku_asteToinen aste",
"ututku_aste",
"syntyp2Syntynyt ulkomailla",
"opiskelijaOpiskelija",
"ika",
"sukupNainen"))
#all significant
personal_labels <- c("Nainen ***/",
"Ikä, vuosia ***/",
"Syntynyt ulkomailla ***/",
"Koulutusaste, ref: perusaste",
" Toinen aste ***/",
" Korkea-aste ***/",
" Tutkijakoulutusaste ***/",
"Perhetyyppi, ref: asuu yksin",
" Pari, lapsia ***/",
" Yksin asuvat ***/",
" Yksinhuoltaja ***/",
"Puoliso töissä ***/",
"Hallintaperuste, ref: Omistusasuja",
" Vuokralainen ***/",
" Asumisoikeusasunto ***/",
" Muu hallintaperuste ***/",
"Muuttanut ***/",
"Työnantajan omistajatyyppi: ref: yksityinen",
" Kunta ***/",
" Valtio ***/",
"Työsuhteen kesto, kuukausia")[21:1]
data_salaried$group <- "Palkansaajat"
data %>%
ggplot(aes(y = coefficient, x = var, label = coefficient)) +
geom_hline(yintercept = 0, linetype = 4, color = "black", size = 1.2) +
geom_segment(aes(y = 0,
x = var,
yend = coefficient,
xend = var),
color = "#0ABBEC",
size = 3) +
geom_point(stat = "identity", color = "#006FB9", size = 10) +
geom_text(color = "white", size = 3) +
geom_errorbar(aes(x = var, ymin = coefficient - 2*data$se, ymax = coefficient + 2*data$se),
color = "red", size = 1.2, linetype = 2)+
coord_flip() +
theme_light() +
theme(text = element_text(size = 10, family = "sans"),
axis.text.y = element_text(hjust = 0)) +
labs(x = NULL,
y = "Marginaalivaikutus, %") +
scale_x_discrete(labels = personal_labels)# deci_comma
ggsave("analyysit/Pendelointi/regressiotulokset/conditional_personal.png",
width = 7, height = 8)
### Self-employed
# Toimiala
data <- readRDS("data/oct2/coefficient_plot_data_self_employed_tobit.rds") %>%
filter(grepl("toimiala", var)) %>%
mutate(coefficient = round(coefficient, digits = 1),
se = 100*se)
data$var <- gdata::drop.levels(data$var)
levels(data$var) <- c("N", "J", "B", "L", "P", "H", "A", "I", "S", "K", "F", "D", "R", "C", "Q", "G", "E")
data$var <- gdata::drop.levels(data$var)
data$var <- factor(data$var, levels(data$var)[length(levels(data$var)):1])
data$var <- plyr::revalue(data$var, replace = toimialanames)
data %>%
ggplot(aes(y = coefficient, x = var, label = coefficient)) +
geom_hline(yintercept = 0, linetype = 4, color = "black", size = 1.2) +
geom_segment(aes(y = 0,
x = var,
yend = coefficient,
xend = var),
color = "#0ABBEC",
size = 3) +
geom_errorbar(aes(x = var, ymin = coefficient - 2*data$se, ymax = coefficient + 2*data$se),
color = "red", size = 1, linetype = 3) +
geom_point(stat = "identity", color = "#006FB9", size = 10) +
geom_text(color = "white", size = 3) +
coord_flip() +
theme_light() +
theme(text = element_text(size = 10, family = "sans")) +
labs(x = NULL,
y = "Kontrolloitu ero johonkin, %")
ggsave("analyysit/Pendelointi/regressiotulokset/conditional_toimiala_yrittajat.png",
width = 7, height = 6)
# Yrityksen koko
data <- readRDS("data/oct2/coefficient_plot_data_self_employed_ols.rds") %>%
filter(grepl("yr1_lvl", var) | grepl("yr1_hl", var)) %>%
mutate(coefficient = round(coefficient, digits = 1),
se = 100*se)
data %>%
ggplot(aes(y = coefficient, x = var, label = coefficient)) +
geom_hline(yintercept = 0, linetype = 4, color = "black", size = 1.2) +
geom_segment(aes(y = 0,
x = var,
yend = coefficient,
xend = var),
color = "#0ABBEC",
size = 3) +
geom_errorbar(aes(x = var, ymin = coefficient - 2*data$se, ymax = coefficient + 2*data$se),
color = "red", size = 1, linetype = 3) +
geom_point(stat = "identity", color = "#006FB9", size = 10) +
geom_text(color = "white", size = 3) +
coord_flip() +
theme_light() +
theme(text = element_text(size = 10, family = "sans")) +
labs(x = NULL,
y = "Kontrolloitu ero johonkin, %") +
scale_x_discrete(labels = c("Henkilömäärältä keskisuuri yritys",
"Henkilömäärältä suuri yritys",
"Liikevaihto 10 000 000 - 40 000 000",
"Liikevaihto 40 000 000 - "))
ggsave("analyysit/Pendelointi/regressiotulokset/conditional_yrityksen_koko_yrittajat.png",
width = 7, height = 2)
# personal
data <- readRDS("data/oct2/coefficient_plot_data_self_employed_tobit.rds") %>%
filter(!grepl("ammattikoodi_k", var)) %>%
filter(!grepl("toimiala", var)) %>%
filter(!grepl("aluetyyppi", var)) %>%
filter(!grepl("yr", var)) %>%
filter(!grepl("Intercept", var)) %>%
filter(!grepl("ika2", var)) %>%
mutate(coefficient = round(coefficient, digits = 1),
se = 100*se)
data$var <- gdata::drop.levels(data$var)
data$var <- factor(data$var,
levels = c("auto_k0",
"comm_expTRUE",
"migr_expTRUE",
"tyosuhteen_kesto",
"taajama_k21",
"hapeMuu hallintaperuste",
"hapeAsumisoikeusasunnot",
"hapeVuokralainen",
"petyYksinhuoltaja",
"petyYksin asuvat",
"petyPari, lapsia",
"spouse_workingTRUE",
"ututku_asteTutkijakoulutusaste",
"ututku_asteKorkea-aste",
"ututku_asteToinen aste",
"syntyp2Syntynyt ulkomailla",
"ika",
"sukupNainen"))
personal_labels <- c("Nainen (referenssi: mies)",
"Ikä, vuosia",
"Syntynyt ulkomailla (referenssi: syntynyt Suomessa)",
"Toinen aste (referenssi: perusaste)",
"Korkea-aste (referenssi: perusaste)",
"Tutkijakoulutusaste (referenssi: perusaste)",
"Puoliso töissä",
"Pari, lapsia (referenssi: pari, ei lapsia)",
"Yksin asuvat (referenssi: pari, ei lapsia)",
"Yksinhuoltaja (referenssi: pari, ei lapsia)",
"Vuokralainen (referenssi: omistusasuja)",
"Asumisoikeusasunto (referenssi: omistusasuja)",
"Muu hallintaperuste (referenssi: omistusasuja)",
"Asuinpaikka taajamassa",
"Työsuhteen kesto, päiviä",
"Muuttamiskokemus",
"Pendelöintikokemus",
"Auto käytössä")[18:1]
data %>%
ggplot(aes(y = coefficient, x = var, label = coefficient)) +
geom_hline(yintercept = 0, linetype = 4, color = "black", size = 1.2) +
geom_segment(aes(y = 0,
x = var,
yend = coefficient,
xend = var),
color = "#0ABBEC",
size = 3) +
geom_errorbar(aes(x = var, ymin = coefficient - 2*data$se, ymax = coefficient + 2*data$se),
color = "red", size = 1, linetype = 3) +
geom_point(stat = "identity", color = "#006FB9", size = 10) +
geom_text(color = "white", size = 3) +
coord_flip() +
theme_light() +
theme(text = element_text(size = 10, family = "sans")) +
labs(x = NULL,
y = "Kontrolloitu ero referenssikategorioihin tai marginaalivaikutus, %") +
scale_x_discrete(labels = personal_labels)
ggsave("analyysit/Pendelointi/regressiotulokset/conditional_personal_yrittajat.png",
width = 7, height = 7)
################ Henkilökohtaiset, both ###########################
data_palkansaajat <- readRDS("data/oct2/coefficient_plot_data_salaried_ols_ln.rds") %>%
filter(!grepl("ammattikoodi_k", var)) %>%
filter(!grepl("toimiala", var)) %>%
filter(!grepl("kunta", var)) %>%
filter(!grepl("Intercept", var)) %>%
filter(!grepl("ika2", var)) %>%
filter(var != "kturaha_k") %>%
filter(var != "taajama_k21") %>%
filter(var != "comm_expTRUE") %>%
filter(var != "auto_k0") %>%
mutate(coefficient = 100*round(coefficient, digits = 3),
se = 100*se)
dummy_titles <- data.frame(var = c("ututku_aste",
"pety",
"hape",
"oty1"),
coefficient = rep(NA, 4),
se = rep(NA, 4))
data_palkansaajat <- rbind(data_palkansaajat, dummy_titles)
data_palkansaajat$amas <- "Palkansaajat"
data_yrittajat <- readRDS("data/oct2/coefficient_plot_data_self_employed_tobit.rds") %>%
filter(!grepl("ammattikoodi_k", var)) %>%
filter(!grepl("toimiala", var)) %>%
filter(!grepl("aluetyyppi", var)) %>%
filter(!grepl("yr", var)) %>%
filter(!grepl("Intercept", var)) %>%
filter(!grepl("ika2", var)) %>%
filter(var != "taajama_k21") %>%
filter(var != "comm_expTRUE") %>%
filter(var != "auto_k0") %>%
mutate(coefficient = round(coefficient, digits = 1),
se = 100*se)
dummy_titles <- data.frame(var = c("ututku_aste",
"pety",
"hape",
"oty1"),
coefficient = rep(NA, 4),
se = rep(NA, 4))
data_yrittajat <- rbind(data_yrittajat, dummy_titles)
data_yrittajat$amas <- "Yrittäjät"
data <- rbind(data_palkansaajat, data_yrittajat)
data$var <- gdata::drop.levels(data$var)
data$var <- factor(data$var,
levels = c("oty1Valtio",
"oty1Kunta",
"oty1",
"migr_expTRUE",
"tyosuhteen_kesto",
"hapeMuu hallintaperuste",
"hapeAsumisoikeusasunnot",
"hapeVuokralainen",
"hape",
"spouse_workingTRUE",
"petyYksinhuoltaja",
"petyYksin asuvat",
"petyPari, lapsia",
"pety",
"ututku_asteTutkijakoulutusaste",
"ututku_asteKorkea-aste",
"ututku_asteToinen aste",
"ututku_aste",
"syntyp2Syntynyt ulkomailla",
"opiskelijaOpiskelija",
"ika",
"sukupNainen"))
personal_labels <- c("Nainen",
"Ikä, vuosia",
"Opiskelija",
"Syntynyt ulkomailla",
"Koulutusaste, ref: perusaste",
" Toinen aste",
" Korkea-aste",
" Tutkijakoulutusaste",
"Perhetyyppi, ref: asuu yksin",
" Pari, lapsia",
" Yksin asuvat",
" Yksinhuoltaja",
"Puoliso töissä",
"Hallintaperuste, ref: omistaa asunnon",
" Vuokralainen",
" Asumisoikeusasunto",
" Muu hallintaperuste",
"Työsuhteen kesto, päiviä",
"Muuttamiskokemus",
"Omistajatyyppi, ref: yksityinen",
" Kunta",
" Valtio")[22:1]
data %>%
ggplot(aes(y = coefficient, x = var, label = coefficient)) +
geom_hline(yintercept = 0, linetype = 4, color = "black", size = 1.2) +
geom_segment(aes(y = 0,
x = var,
yend = coefficient,
xend = var),
color = "#0ABBEC",
size = 3) +
#geom_errorbar(aes(x = var, ymin = coefficient - 2*data$se, ymax = coefficient + 2*data$se),
# color = "red", size = 1, linetype = 3) +
geom_point(stat = "identity", color = "#006FB9", size = 10) +
geom_text(color = "white", size = 3) +
coord_flip() +
facet_wrap(~amas, ncol = 2) +
theme_light() +
theme(text = element_text(size = 10, family = "sans"),
axis.text.y = element_text(hjust = 0)) +
labs(x = NULL,
y = "Kontrolloitu ero referenssikategorioihin tai marginaalivaikutus, %") +
scale_x_discrete(labels = personal_labels)
ggsave("analyysit/Pendelointi/regressiotulokset/personal_both.png",
width = 8.5, height = 7)
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.