pnad_pesos %>%
rename(dor_gar=B0013,
dif_resp=B0014,
quarentena=B0031,
ensino=A005,
febre=B0011,
tosse=B0012,
mes=V1013) %>%
mutate(one = 1, Sexo = ifelse(A003 == 1, "Homem", "Mulher")) %>%
mutate(garganta=case_when(dor_gar==1~ 'sim',
dor_gar==2~'nao',
dor_gar==3~'ignorado',
dor_gar==9~'ignorado')) %>%
mutate(respirar=case_when(dif_resp==1~'sim',
dif_resp==2~'nao',
dif_resp==3~'ignorado',
dif_resp==9~'ignorado')) %>%
group_by(Sexo)%>% #agrupamento por sexo
summarise(
sintomas=survey_total(dor_gar==1 & dif_resp==1, na.rm = TRUE), #qtde de pessoas, por sexo, atribuindo peso.
nao_sintomas=survey_total(dor_gar>=2 & dif_resp>=2, na.rm = TRUE)) %>% #qtde de pessoas, por sexo, nao infectadas.
mutate(prop_sint=(sintomas/nao_sintomas)*1000) %>% #proporção de infectados por mil pessoas
drop_na()
fiz a proporção multiplicando por 1000. Portanto, atribuindo os pesos, dos homens e mulheres que apresentaram os dois sintomas, as mulheres apresentaram maior número
de infectadas.
Exercicio 2
pnad_exerc2 <- pnad_pesos %>%
mutate(sex_cat=if_else(A003==1, 'homem', "mulher")) %>%
mutate(repouso=case_when(B0031==1~ 'sim',
B0031==2~'nao',
B0031==9~'ignorado')) %>%
mutate(dor_garganta=case_when(B0013==1~'sim',
B0013==2~'nao',
B0013==3~'ignorado',
B0013==9~'ignorado')) %>%
mutate(respirar=case_when(B0014==1~'sim',
B0014==2~'nao',
B0014==3~'ignorado',
B0014==4~'ignorado')) %>%
group_by(sex_cat) %>%
summarise(
quarentena=survey_total(B0031==1 & B0013==1 & B0014==1, na.rm=TRUE), #quem teve sintoma e fez quarentena
nao_quarentena_sin=survey_total(B0031>=2 & B0013==1 & B0014==1, na.rm = TRUE), #quem teve sintoma e nao fez quarentena
nao_quarentena_naosin=survey_total(B0031>=2 & B0013>=2 & B0014>=2, na.rm=TRUE)) %>% #quem nao teve sintoma e nao fez quarentena
mutate(nao_quarentena_geral=(nao_quarentena_sin+nao_quarentena_naosin)) %>% #somando as duas 'nao quarentenas'
mutate(proporcao_quarentena=(quarentena/nao_quarentena_geral)*100) %>% #proporcao de quem apresentou sintoma e fez quarentena
mutate(proporcao_naoquarentena=(100-proporcao_quarentena)) #proporcao de quem nao fez quarentena em geral
drop_na()
é evidente que quem realizou mais quaretena e apresentou os dois sintomas foram as mulheres.
#########################
Exercicio 3
pnad_pesos %>%
mutate(feb_tos=(B0011+B0012)/2) %>% #criando a variavel
mutate(sexo=if_else(A003==1, "homem", "mulher")) %>%
mutate(escolaridade=case_when(A005==1~'sem instrucao', #nivel de instrucao
A005==2~'fund incompleto',
A005==3~'fund completo',
A005==4~'med incompleto',
A005==5~'med completo',
A005==6~'sup incompleto',
A005==7~'sup completo',
A005==8~'pos grad')) %>%
mutate(sintomas=case_when(feb_tos==1~'sim', #apresentou os dois sintomas em conjunto?
feb_tos==2~'nao',
feb_tos==3~'ignorado',
feb_tos==9~'ignorado')) %>%
group_by(escolaridade) %>% #agrupamento por escolaridade
summarise(
sintomas=survey_total(feb_tos==1, na.rm = TRUE), #apresentou os dois sintomas
nao_sintomas=survey_total(feb_tos==2)) %>% #nao apresentou os dois sintomas
mutate(prop_sintomas=(sintomas/nao_sintomas)*100) %>% #proporcao
drop_na()
############
exercicio 4
pnad_exerc4 <- pnad_pesos %>%
mutate(mes=if_else(V1013==5,'maio', 'novembro')) %>%
mutate(dif_resp=case_when(B0014==1~'sim',
B0014==2~'nao',
B0014==3~'ignorado',
B0014==9~'ignorado')) %>%
group_by(mes) %>%
summarise(
respirar_dif=survey_total(dif_resp=='sim'), #selecionei quem apresentou sintomas de dificuldade de respirar nos meses
resp_nao_dif_nao=survey_total((dif_resp=='nao')), #quem nao apresentou na categoria nao
resp_nao_dif_ign=survey_total(dif_resp=='ignorado')) %>% #quem nao apresentou na categoria ignorado
mutate(nao_dif_resp=(resp_nao_dif_nao+resp_nao_dif_ign)) %>% #soma das duas variaveis 'nao' para calcular a proporcao
mutate(proporcao_difresp=(respirar_dif/nao_dif_resp)*100) %>%
mutate(proporcao_semdifresp=100-proporcao_difresp)#calculo da proporcao
drop_na()
as.data.frame(pnad_exerc4)->pnad_exerc4df
ggplot(pnad_exerc4df, aes(x = mes, group=1)) +
geom_line(aes(y=proporcao_semdifresp, color=proporcao_difresp)) +
theme_dark() + ggtitle("Declaração de dificuldade de respirar entre maio e novembro \n (2020)") + theme(plot.title = element_text(hjust = 0.5)) +
labs(x = "Mês", y = "Percentual", color = "Teve dificuldade \n de respirar (em proporcão)?") +
scale_fill_manual(values=c("#D6ED17FF", "#606060FF", "#95DBE5FF"))
graphics.off() getwd() setwd('C:\Users\User\Desktop\Gustavo\Unicamp\Mestrado\1sem2021\dm026\exercicio5') library(data.table) library(dplyr) library(survey) library(srvyr) library(ggplot2) maio <- fread('C:\Users\User\Desktop\Gustavo\Unicamp\Mestrado\1sem2021\dm026\aula_dplyr\temp_mai\PNAD_COVID_052020.csv') nov <- fread('C:\Users\User\Desktop\Gustavo\Unicamp\Mestrado\1sem2021\dm026\aula_dplyr\temp_nov\PNAD_COVID_112020.csv')
Vou selecionar as variáveis que preciso e depois dar um Rbind
maio %>% select(UF, Estrato, UPA, V1032, A003, B0013, B0014, B0031, A005, B0011, B0012, V1013) ->mai
nov %>% select(UF, Estrato, UPA, V1032, A003, B0013, B0014, B0031, A005, B0011, B0012, V1013) ->novembro
rbind(mai, novembro)->covid_geral
pnad_pesos <- covid_geral %>% as_survey_design(ids=UPA, strata=Estrato, weights=V1032, nest=TRUE) #atribuição dos pesos
exercicio1
pnad_pesos %>% rename(dor_gar=B0013, dif_resp=B0014, quarentena=B0031, ensino=A005, febre=B0011, tosse=B0012, mes=V1013) %>% mutate(one = 1, Sexo = ifelse(A003 == 1, "Homem", "Mulher")) %>% mutate(garganta=case_when(dor_gar==1~ 'sim', dor_gar==2~'nao', dor_gar==3~'ignorado', dor_gar==9~'ignorado')) %>% mutate(respirar=case_when(dif_resp==1~'sim', dif_resp==2~'nao', dif_resp==3~'ignorado', dif_resp==9~'ignorado')) %>% group_by(Sexo)%>% #agrupamento por sexo summarise( sintomas=survey_total(dor_gar==1 & dif_resp==1, na.rm = TRUE), #qtde de pessoas, por sexo, atribuindo peso. nao_sintomas=survey_total(dor_gar>=2 & dif_resp>=2, na.rm = TRUE)) %>% #qtde de pessoas, por sexo, nao infectadas. mutate(prop_sint=(sintomas/nao_sintomas)*1000) %>% #proporção de infectados por mil pessoas drop_na()
fiz a proporção multiplicando por 1000. Portanto, atribuindo os pesos, dos homens e mulheres que apresentaram os dois sintomas, as mulheres apresentaram maior número
de infectadas.
Exercicio 2
pnad_exerc2 <- pnad_pesos %>% mutate(sex_cat=if_else(A003==1, 'homem', "mulher")) %>% mutate(repouso=case_when(B0031==1~ 'sim', B0031==2~'nao', B0031==9~'ignorado')) %>% mutate(dor_garganta=case_when(B0013==1~'sim', B0013==2~'nao', B0013==3~'ignorado', B0013==9~'ignorado')) %>% mutate(respirar=case_when(B0014==1~'sim', B0014==2~'nao', B0014==3~'ignorado', B0014==4~'ignorado')) %>% group_by(sex_cat) %>% summarise( quarentena=survey_total(B0031==1 & B0013==1 & B0014==1, na.rm=TRUE), #quem teve sintoma e fez quarentena nao_quarentena_sin=survey_total(B0031>=2 & B0013==1 & B0014==1, na.rm = TRUE), #quem teve sintoma e nao fez quarentena nao_quarentena_naosin=survey_total(B0031>=2 & B0013>=2 & B0014>=2, na.rm=TRUE)) %>% #quem nao teve sintoma e nao fez quarentena mutate(nao_quarentena_geral=(nao_quarentena_sin+nao_quarentena_naosin)) %>% #somando as duas 'nao quarentenas' mutate(proporcao_quarentena=(quarentena/nao_quarentena_geral)*100) %>% #proporcao de quem apresentou sintoma e fez quarentena mutate(proporcao_naoquarentena=(100-proporcao_quarentena)) #proporcao de quem nao fez quarentena em geral drop_na()
é evidente que quem realizou mais quaretena e apresentou os dois sintomas foram as mulheres.
#########################
Exercicio 3
pnad_pesos %>% mutate(feb_tos=(B0011+B0012)/2) %>% #criando a variavel mutate(sexo=if_else(A003==1, "homem", "mulher")) %>% mutate(escolaridade=case_when(A005==1~'sem instrucao', #nivel de instrucao A005==2~'fund incompleto', A005==3~'fund completo', A005==4~'med incompleto', A005==5~'med completo', A005==6~'sup incompleto', A005==7~'sup completo', A005==8~'pos grad')) %>% mutate(sintomas=case_when(feb_tos==1~'sim', #apresentou os dois sintomas em conjunto? feb_tos==2~'nao', feb_tos==3~'ignorado', feb_tos==9~'ignorado')) %>% group_by(escolaridade) %>% #agrupamento por escolaridade summarise( sintomas=survey_total(feb_tos==1, na.rm = TRUE), #apresentou os dois sintomas nao_sintomas=survey_total(feb_tos==2)) %>% #nao apresentou os dois sintomas mutate(prop_sintomas=(sintomas/nao_sintomas)*100) %>% #proporcao drop_na()
############
exercicio 4
pnad_exerc4 <- pnad_pesos %>% mutate(mes=if_else(V1013==5,'maio', 'novembro')) %>% mutate(dif_resp=case_when(B0014==1~'sim', B0014==2~'nao', B0014==3~'ignorado', B0014==9~'ignorado')) %>% group_by(mes) %>% summarise( respirar_dif=survey_total(dif_resp=='sim'), #selecionei quem apresentou sintomas de dificuldade de respirar nos meses resp_nao_dif_nao=survey_total((dif_resp=='nao')), #quem nao apresentou na categoria nao resp_nao_dif_ign=survey_total(dif_resp=='ignorado')) %>% #quem nao apresentou na categoria ignorado mutate(nao_dif_resp=(resp_nao_dif_nao+resp_nao_dif_ign)) %>% #soma das duas variaveis 'nao' para calcular a proporcao mutate(proporcao_difresp=(respirar_dif/nao_dif_resp)*100) %>% mutate(proporcao_semdifresp=100-proporcao_difresp)#calculo da proporcao drop_na()
as.data.frame(pnad_exerc4)->pnad_exerc4df
ggplot(pnad_exerc4df, aes(x = mes, group=1)) + geom_line(aes(y=proporcao_semdifresp, color=proporcao_difresp)) +
theme_dark() + ggtitle("Declaração de dificuldade de respirar entre maio e novembro \n (2020)") + theme(plot.title = element_text(hjust = 0.5)) + labs(x = "Mês", y = "Percentual", color = "Teve dificuldade \n de respirar (em proporcão)?") + scale_fill_manual(values=c("#D6ED17FF", "#606060FF", "#95DBE5FF"))