knitr::opts_chunk$set( collapse = TRUE, comment = "#>" )
library(pof) library(tidyverse)
setwd(here::here()) alu_estimado <- ler_aluguel(2018) %>% transmute( V9001 = V9001, valor_mensal = (V8000_DEFLA*V9011*FATOR_ANUALIZACAO*PESO_FINAL)/12 ) desp_coletiva <- ler_desp_col(2018) %>% transmute(V9001 = V9001, valor_mensal = ifelse( QUADRO == 10 | QUADRO == 19, (V8000_DEFLA*V9011*FATOR_ANUALIZACAO*PESO_FINAL)/12, (V8000_DEFLA*FATOR_ANUALIZACAO*PESO_FINAL)/12 ) , inss_mensal=(V1904_DEFLA*V9011*FATOR_ANUALIZACAO*PESO_FINAL)/12 ) cad_coletiva <- ler_cad_col(2018) %>% transmute(V9001 = V9001, valor_mensal = (V8000_DEFLA*FATOR_ANUALIZACAO*PESO_FINAL)/12 ) desp_individual <- ler_desp_ind(2018) %>% transmute(V9001 = V9001, valor_mensal = ifelse( QUADRO %in% c(44, 47, 48, 49, 50), (V8000_DEFLA*V9011*FATOR_ANUALIZACAO*PESO_FINAL)/12, (V8000_DEFLA*FATOR_ANUALIZACAO*PESO_FINAL)/12) ) rend_trabalho <- ler_rend_trab(2018) %>% transmute(V9001 = V9001, prev_pub_mensal=(V531112_DEFLA*V9011*FATOR_ANUALIZACAO*PESO_FINAL)/12, imp_renda_mensal=(V531122_DEFLA*V9011*FATOR_ANUALIZACAO*PESO_FINAL)/12, iss_mensal=(V531132_DEFLA*V9011*FATOR_ANUALIZACAO*PESO_FINAL)/12 ) outros_rend <- ler_rend_outros(2018) %>% transmute(V9001 = V9001, deducao_mensal = ifelse( QUADRO == 54, (V8501_DEFLA*V9011*FATOR_ANUALIZACAO*PESO_FINAL)/12, (V8501_DEFLA*FATOR_ANUALIZACAO*PESO_FINAL)/12 ) ) desp_coletiva_n <- desp_coletiva %>% mutate(prev_pub_mensal = NA, imp_renda_mensal = NA, iss_mensal = NA , deducao_mensal = NA) cad_coletiva_n <- cad_coletiva %>% mutate(inss_mensal = NA, prev_pub_mensal = NA, imp_renda_mensal = NA, iss_mensal = NA, deducao_mensal = NA) desp_individual_n <- desp_individual %>% mutate(inss_mensal = NA, prev_pub_mensal = NA, imp_renda_mensal = NA, iss_mensal = NA, deducao_mensal = NA) alu_estimado_n <- alu_estimado %>% mutate(V9001 = as.numeric(V9001), inss_mensal = NA, prev_pub_mensal = NA, imp_renda_mensal = NA, iss_mensal = NA, deducao_mensal = NA) rend_trabalho_n <- rend_trabalho %>% mutate(inss_mensal = NA, prev_pub_mensal = NA, imp_renda_mensal = NA, iss_mensal = NA, deducao_mensal = NA) outros_rend_n <- outros_rend %>% mutate(valor_mensal = NA, inss_mensal = NA, prev_pub_mensal = NA, imp_renda_mensal = NA, iss_mensal = NA) %>% select(V9001, valor_mensal, inss_mensal:iss_mensal, deducao_mensal) junta <- bind_rows( desp_coletiva_n , cad_coletiva_n , desp_individual_n , alu_estimado_n, rend_trabalho_n , outros_rend_n ) %>% mutate(codigo = round(V9001/100)) %>% select(-V9001) morador_uc <- ler_morador(2018) %>% select(UF, ESTRATO_POF, TIPO_SITUACAO_REG, COD_UPA, NUM_DOM ,NUM_UC, PESO_FINAL) %>% unique() # 69 milhoes de famílias soma_familia <- sum( morador_uc$PESO_FINAL) merge1 <- junta %>% left_join(ler_tradutor_despesa(2018) %>% select(codigo, variavel, starts_with("nivel")), "codigo") %>% mutate( valor = ifelse( variavel == 'V8000_DEFLA' , valor_mensal , ifelse( variavel == 'V1904_DEFLA' , inss_mensal , ifelse( variavel == 'V531112_DEFLA' , prev_pub_mensal , ifelse( variavel == 'V531122_DEFLA' , imp_renda_mensal , ifelse( variavel == 'V531132_DEFLA' , iss_mensal , ifelse( variavel == 'V8501_DEFLA' , deducao_mensal , NA ) ) ) ) ) ) ) %>% filter(!is.na(valor)) soma_final_0 <- merge1 %>% group_by(nivel = nivel_0) %>% summarise(soma = sum(valor)) soma_final_1 <- merge1 %>% group_by(nivel = nivel_1) %>% summarise(soma = sum(valor)) soma_final_2 <- merge1 %>% group_by(nivel = nivel_2) %>% summarise(soma = sum(valor)) soma_final_3 <- merge1 %>% group_by(nivel = nivel_3) %>% summarise(soma = sum(valor)) soma_final_4 <- merge1 %>% group_by(nivel = nivel_4) %>% summarise(soma = sum(valor)) soma_final_5 <- merge1 %>% group_by(nivel = nivel_5) %>% summarise(soma = sum(valor)) soma_final <- bind_rows( soma_final_0, soma_final_1, soma_final_2, soma_final_3, soma_final_4, soma_final_5 ) %>% mutate(a = 1) merge2 <- soma_final %>% mutate(soma_familia = soma_familia, media_mensal = round( soma / soma_familia , 2 ) ) # Tabela original de um xls da memoria de calculo indice_despesa <- tibble::tribble( ~INDICE, ~NIVEL, ~DESCRICAO, 1, 0, "DESPESA TOTAL", 2, 1, "DESPESAS CORRENTES", 3, 11, "DESPESAS DE CONSUMO", 4, 1101, "ALIMENTACAO", 5, 1102, "HABITACAO", 6, 110201, "ALUGUEL", 7, 1102011, "ALUGUEL MONETARIO", 8, 1102012, "ALUGUEL NAO MONETARIO", 9, 110202, "CONDOMINIO", 10, 110203, "SERVICOS E TAXAS", 11, 1102031, "ENERGIA ELETRICA", 12, 1102032, "TELEFONE FIXO", 13, 1102033, "TELEFONE CELULAR", 14, 1102034, "PACOTE DE TELEFONE, TV E INTERNET", 15, 1102035, "GAS DOMESTICO", 16, 1102036, "AGUA E ESGOTO", 17, 1102037, "OUTRAS", 18, 110204, "MANUTENCAO DO LAR", 19, 110205, "ARTIGOS DE LIMPEZA", 20, 110206, "MOBILIARIOS E ARTIGOS DO LAR", 21, 110207, "ELETRODOMESTICOS", 22, 110208, "CONSERTOS DE ARTIGOS DO LAR", 23, 1103, "VESTUARIO", 24, 110301, "ROUPA DE HOMEM", 25, 110302, "ROUPA DE MULHER", 26, 110303, "ROUPA DE CRIANCA", 27, 110304, "CALCADOS E APETRECHOS", 28, 110305, "JOIAS E BIJUTERIAS", 29, 110306, "TECIDOS E ARMARINHOS", 30, 1104, "TRANSPORTE", 31, 110401, "URBANO", 32, 110402, "GASOLINA PARA VEICULO PROPRIO", 33, 110403, "ALCOOL PARA VEICULO PROPRIO", 34, 110404, "MANUTENCAO – VEICULO PROPRIO", 35, 110405, "AQUISICAO DE VEICULOS", 36, 110406, "VIAGENS ESPORADICAS", 37, 110407, "OUTRAS", 38, 1105, "HIGIENE E CUIDADOS PESSOAIS", 39, 110501, "PERFUME", 40, 110502, "PRODUTOS PARA CABELO", 41, 110503, "SABONETE", 42, 110504, "INSTRUMENTOS E PRODUTOS DE USO PESSOAL", 43, 1106, "ASSISTENCIA A SAUDE", 44, 110601, "REMEDIOS", 45, 110602, "PLANO / SEGURO SAUDE", 46, 110603, "CONSULTA E TRATAMENTO DENTARIO", 47, 110604, "CONSULTA MEDICA", 48, 110605, "TRATAMENTO MEDICO E AMBULATORIAL", 49, 110606, "SERVICOS DE CIRURGIA", 50, 110607, "HOSPITALIZACAO", 51, 110608, "EXAMES DIVERSOS", 52, 110609, "MATERIAL DE TRATAMENTO", 53, 110610, "OUTRAS", 54, 1107, "EDUCACAO", 55, 110701, "CURSOS REGULARES", 56, 110702, "CURSO SUPERIOR", 57, 110703, "OUTROS CURSOS", 58, 110704, "LIVROS DIDATICOS E REVISTAS TECNICAS", 59, 110705, "ARTIGOS ESCOLARES", 60, 110706, "OUTRAS", 61, 1108, "RECREACAO E CULTURA", 62, 110801, "BRINQUEDOS E JOGOS", 63, 110802, "CELULAR E ACESSORIOS", 64, 110803, "PERIODICOS, LIVROS E REVISTAS NAO DIDATICOS", 65, 110804, "RECREACOES E ESPORTES", 66, 110805, "OUTRAS", 67, 1109, "FUMO", 68, 1110, "SERVICOS PESSOAIS", 69, 111001, "CABELEREIRO", 70, 111002, "MANICURO E PEDICURO", 71, 111003, "CONSERTOS DE ARTIGOS PESSOAIS", 72, 111004, "OUTRAS", 73, 1111, "DESPESAS DIVERSAS", 74, 111101, "JOGOS E APOSTAS", 75, 111102, "COMUNICACAO", 76, 111103, "CERIMONIAS E FESTAS", 77, 111104, "SERVICOS PROFISSIONAIS", 78, 111105, "IMOVEIS DE USO OCASIONAL", 79, 111106, "OUTRAS", 80, 12, "OUTRAS DESPESAS CORRENTES", 81, 1201, "IMPOSTOS", 82, 1202, "CONTRIBUICOES TRABALHISTAS", 83, 1203, "SERVICOS BANCARIOS", 84, 1204, "PENSOES, MESADAS E DOACOES", 85, 1205, "PREVIDENCIA PRIVADA", 86, 1206, "OUTRAS", 87, 2, "AUMENTO DO ATIVO", 88, 21, "IMOVEL (AQUISICAO)", 89, 22, "IMOVEL (REFORMA)", 90, 23, "OUTROS INVESTIMENTOS", 91, 3, "DIMINUICAO DO PASSIVO", 92, 31, "EMPRESTIMOS", 93, 32, "PRESTACAO DO IMOVEL" ) merge3 <- merge2 %>% left_join(indice_despesa, by = c("nivel" = "NIVEL")) %>% arrange(INDICE) %>% select(6,1,7,5)
Add the following code to your website.
For more information on customizing the embed code, read Embedding Snippets.