Datos ESRU-EMOVI

Los datos se recuperaron del sitio del CEEY donde se tienen las encuestas ESRU-EMOVI (Las escuestas de la fundación Espinosa Rugarcía de Movilidad Soical en México) para los levantamientos: 2006, 2011 y 2017.

Cada una de las encuentas tiene distintos objetivos, que se explicarán en las siguientes secciones. Para mayores detalles sobre las encuetas se puede consultar el sitio oficial donde se encuetran alojados los datos CEEY.

library(tidyverse)
library(haven) # importa, entre otros software, de Stata
library(sjlabelled) # manejar labels de las variables 
library(openxlsx) # leer archivos de excel
library(DT) # visualizar a tablas
library(data.table) # convertir a tablas
library(highcharter) # gráficas interactivas
library(foreign)

ESRU-EMOVI 2017

Por primera vez y gracias al enfoque territorial de la ESRU – EMOVI 2017, es posible medir la movilidad social por regiones. La encuesta de 2017, al igual que las anteriores, tiene como finalidad principal medir la movilidad social intergeneracional. Cuenta con 17,665 entrevistas y es representativa de hombres y mujeres entre 25 y 64 años a nivel nacional, para la Ciudad de México y cinco regiones del país: norte, norte-occidente, centro, centro-norte y sur. Los objetivos de la ESRU-EMOVI 2017 son:

1. Contar con información actualizada en las distintas dimensiones de la movilidad social a nivel nacional.

2. Generar estimaciones de movilidad para cinco regiones del país y la Ciudad de México.

3. Analizar los patrones de movilidad social desde la perspectiva de la desigualdad de oportunidades.

Encuesta financiada por la Fundación ESRU.

des_var_entrevistado <- read.xlsx(
                          xlsxFile = "Datos/ESRU-EMOVI-2017/Diccionario-ESRU-EMOVI-2017.xlsx"
                        )
datatable(as.data.table(des_var_entrevistado),options = list(pageLength = 5))

des_var_hogar <- read.xlsx(
                   xlsxFile = "Datos/ESRU-EMOVI-2017/Diccionario-ESRU-EMOVI-2017.xlsx",
                   sheet = 2
                 )
datatable(as.data.table(des_var_hogar),options = list(pageLength = 5))

cargar<- function(){

datos_e <<- read_stata(
                     path = "Datos/ESRU-EMOVI-2017/ESRU-EMOVI-2017-Entrevistado.dta",
                     atomic.to.fac = TRUE,
                     enc = NULL,
                     )
}

data_hogar <- read_stata(
          path =  "Datos/ESRU-EMOVI-2017/ESRU-EMOVI-2017-Hogar.dta",
                     atomic.to.fac = TRUE,
                     enc = NULL
                     )

cargar()
data_emovi2017<-datos_e 

Al momento de exportar a R, existen errores en las etiqeutas de las variables y de los valores. Las etiquetes de las variables describen con mayor precisión a dichas variables. Mientras que las etiquetas de los volores están asociadas a datos categóricos. Existen diversas formaas de lidiar con este problema. La forma que se utilizará (por el momento, esto se podría optimizar) es hacer una conversión de codificación entre los formatos de windows y mac, solo en caso de ser necesario. No es posible hacer una coversión general (por el momento, podría optimizarse) pues algunas codificaciones son correctas y otras no.

#a <- get_label(data_emovi2017$est_dis)
#b <- get_labels(data_emovi2017$Estado)
#print(a)
#print(b)

codi_etiquetas <- function(df_var, enco = "ISO_8859-15"){
return(set_labels(
                          df_var,
                          labels =unlist(
                                      lapply(
                                        get_labels(df_var),
                                        iconv,from= "UTF-8",
                                        to=enco#
                                        )
                                  )
                      )
)
}

compro_eti <- function(var, enco = "ISO_8859-15" ){
data_e2 <- data_emovi2017
print(get_labels(data_e2[[var]]))
#codi_etiquetas(data_e2$ezona)
data_e2[[var]] <- codi_etiquetas(data_e2[[var]],enco)
print(get_labels(data_e2[[var]]))
}

cambiar_eti <- function(var, enco="ISO_8859-15"){
data_emovi2017[[var]] <<- codi_etiquetas(data_emovi2017[[var]],enco)
print(get_labels(data_emovi2017[[var]]))
}



#get_labels(data_emovi2017)
#get_labels(data_emovi2017$ezona)
#str(get_labels(data_emovi2017))
#replace_labels(data_emovi2017,
#labels=iconv(get_labels(data_emovi2017),"UTF-8","ISO_8859-15"))
#lapply(get_labels(data_emovi2017), iconv,from= "UTF-8",to="ISO_8859-15")

#get_labels(data_emovi2017$ezona)
#data_e2 <- data_emovi2017
#print(get_labels(data_e2['ezona']))
#codi_etiquetas(data_e2$ezona)
#data_e2['ezona'] <- codi_etiquetas(data_e2['ezona'])#
#print(get_labels(data_e2['ezona']))
#get_labels(data_e2$ezona)


#compro_eti("p13")
#cambiar_eti('p13')
#compro_eti('ezona')
#cambiar_eti('ezona')
cambiar_eti('p133',enco = "Windows-1252")

## [1] "Menor a 1 salario mínimo ($0 – $2,399)"                
## [2] "Igual a un salario mínimo ($2,400)"                    
## [3] "Más de 1 salario mínimo hasta 2 ($2,401 – $4,800)"     
## [4] "Más de 2 salarios mínimos hasta 3 ($4,801 – $7,200)"   
## [5] "Más de 3 salarios mínimos hasta 5 ($7,201 – $12,000)"  
## [6] "Más de 5 salarios mínimos hasta 10 ($12,001 – $24,000)"
## [7] "Más de 10 salarios mínimos ($24,001 o más)"            
## [8] "No quiso dar información"                              
## [9] "NS"

str(data_emovi2017)
view(data_emovi2017)

Entrevistados por estado

myMenuItems <- c("downloadPNG", "downloadJPEG", "downloadPDF", 'downloadSVG', 'printChart')
plota <- data_emovi2017 %>%
  
  count(Estado) %>%
  hchart('treemap',
         hcaes(x = paste(get_labels(Estado),' ','(', n,')', sep = ''), value='n', color = 'n')
  ) %>%
  hc_add_theme(hc_theme_ffx()) %>%
  hc_title(
    text = "Número de entrevistados por estado"
  )%>% 
  hc_subtitle(text = paste("Total de participates: " , toString(nrow(data_emovi2017)))) %>%
  hc_exporting(enabled = TRUE,
               filename = "archivo",
               sourceWidth =  1000,
               sourceHeight = 640,
               scale = 10,
              
               buttons = list(contextButton = list(menuItems = myMenuItems))
  )
htmlwidgets::saveWidget(widget = plota, file = "./plot.html")
setwd("~/OneDrive - Centro de Investigacion y Docencia Economicas CIDE/TesisME2019/TesinaCIDEMERMM")
webshot::webshot(url = "~/Users/rafamtz/OneDrive - Centro de Investigacion y Docencia Economicas CIDE/TesisME2019/TesinaCIDEMERMM/plot.html", 
                  delay = 2)

## NULL

plota

Sexo por estado

dfh_c <- readRDS(file = "Datos/dfh_c_combinada_ch_cri3.Rda")

myMenuItems <- c("downloadPNG", "downloadJPEG", "downloadPDF", 'downloadSVG', 'printChart')
gra_sex_est<-function(df){
df %>%
    slice(as.integer(unlist(dfh_c%>%select(id_ho))))%>%
  count(Estado, p06)%>% 
  hchart('column',
         hcaes( y = 'n',  group = as_label(p06)))%>%
  hc_add_theme(hc_theme_ggplot2())%>%
  hc_title(
    text = "Número de entrevistados por estado y sexo"
  ) %>%
  #hc_subtitle(text = "Las edades están agrupadas en intervalos 
   #           de 10 años (da clic sobre F o M)") %>%
  # hc_credits(
  #  enabled = TRUE, text = "Source: SSS",
  #  style = list(fontSize = "12px"))%>%
  hc_yAxis(title = list(text = "Número de participantes"))%>%
  hc_xAxis(title=list(text="Estados"),
           categories = get_labels(df$Estado)) %>%
    hc_exporting(enabled = TRUE,
               filename = "datos",
               buttons = list(contextButton = list(menuItems = myMenuItems)))
}
gra_sex_est(data_emovi2017)

## Sexo por edad

myMenuItems <- c("downloadPNG", "downloadJPEG", "downloadPDF", 'downloadSVG', 'printChart')
gra_sex_est<-function(df){
df %>%
    slice(as.integer(unlist(dfh_c%>%select(id_ho))))%>%
  count(p05, p06)%>% 
  hchart('column',
         hcaes( y = 'n',  group = as_label(p06)))%>%
  hc_add_theme(hc_theme_ggplot2())%>%
  hc_title(
    text = "Número de entrevistados por edad y sexo"
  ) %>%
  #hc_subtitle(text = "Las edades están agrupadas en intervalos 
   #           de 10 años (da clic sobre F o M)") %>%
  # hc_credits(
  #  enabled = TRUE, text = "Source: SSS",
  #  style = list(fontSize = "12px"))%>%
  hc_yAxis(title = list(text = "Número de participantes"))%>%
  hc_xAxis(title=list(text="Edad"),
           categories = as.character(25:50)) %>%
    hc_exporting(enabled = TRUE,
               filename = "datos",
               buttons = list(contextButton = list(menuItems = myMenuItems)))
}
gra_sex_est(data_emovi2017)

Sexo por cohort

myMenuItems <- c("downloadPNG", "downloadJPEG", "downloadPDF", 'downloadSVG', 'printChart')
gra_sex_est<-function(df){
df %>%
    slice(as.integer(unlist(dfh_c%>%select(id_ho))))%>%
  count(p133, p06)%>% 
  hchart('column',
         hcaes( y = 'n',  group = as_label(p06)))%>%
  hc_add_theme(hc_theme_ggplot2())%>%
  hc_title(
    text = "Número de entrevistados por intervalo de ingreso y sexo"
  ) %>%
  #hc_subtitle(text = "Las edades están agrupadas en intervalos 
   #           de 10 años (da clic sobre F o M)") %>%
  # hc_credits(
  #  enabled = TRUE, text = "Source: SSS",
  #  style = list(fontSize = "12px"))%>%
  hc_yAxis(title = list(text = "Número de participantes"))%>%
  hc_xAxis(title=list(text="Intervalo de ingreso"),
           categories = get_labels(data_emovi2017$p133)) %>%
    hc_exporting(enabled = TRUE,
               filename = "datos",
               buttons = list(contextButton = list(menuItems = myMenuItems)))
}
gra_sex_est(data_emovi2017)

Escolaridad sexo

data_emovi2017 %>%
  count(p13,p06)%>% 
  hchart('column',
         hcaes( y = 'n',  group = as_label(p06)))%>%
  hc_add_theme(hc_theme_ffx())%>%
  hc_title(
    text = "Escolaridad por  sexo"
  ) %>%
  #hc_subtitle(text = "Las edades están agrupadas en intervalos 
   #           de 10 años (da clic sobre F o M)") %>%
  # hc_credits(
  #  enabled = TRUE, text = "Source: SSS",
  #  style = list(fontSize = "12px"))%>%
  hc_yAxis(title = list(text = "Número de participantes"))%>%
  hc_xAxis(title=list(text="Escolaridad"),
           categories = get_labels(data_emovi2017$p13)) %>%
    hc_exporting(enabled = TRUE,
               filename = "datos",
               buttons = list(contextButton = list(menuItems = myMenuItems)))

Número de personas que aportan al ingreso

data_emovi2017 %>%
  count(p132)%>% 
  hchart('column',
         hcaes( y = 'n'))%>%
  hc_add_theme(hc_theme_ffx())%>%
  hc_title(
    text = "Numero de miembros que aportan ingreso"
  ) %>%
  #hc_subtitle(text = "Las edades están agrupadas en intervalos 
   #           de 10 años (da clic sobre F o M)") %>%
  # hc_credits(
  #  enabled = TRUE, text = "Source: SSS",
  #  style = list(fontSize = "12px"))%>%
  hc_yAxis(title = list(text = "Número de participantes"))%>%
  hc_xAxis(title=list(text="Número de personas"),
           categories = get_labels(data_emovi2017$p132)) %>%
    hc_exporting(enabled = TRUE,
               filename = "datos",
               buttons = list(contextButton = list(menuItems = myMenuItems)))

Percepción de movilidad

data_emovi2017$p147<-add_labels(
                          data_emovi2017$p147,
                          labels = c("1" = 1,
                                     "2" = 2,
                                     "3" = 3,
                                     "4" = 4,
                                     "5" = 5,
                                     "6" = 6,
                                     "7" = 7,
                                     "8" = 8,
                                     "9" = 9,
                                     "10" = 10))

Percepción Actual

gra_per_eco_act<- function(df){
  df%>%
  count(p147)%>% 
  hchart('column',
         hcaes( y = 'n'))%>%
  hc_add_theme(hc_theme_ffx())%>%
  hc_title(
    text = "Opinión sobre situación económica actual"
  ) %>%
  #hc_subtitle(text = "Las edades están agrupadas en intervalos 
   #           de 10 años (da clic sobre F o M)") %>%
  # hc_credits(
  #  enabled = TRUE, text = "Source: SSS",
  #  style = list(fontSize = "12px"))%>%
  hc_yAxis(title = list(text = "Número de participantes"))%>%
  hc_xAxis(title=list(text="Posición económica"),
           categories = get_labels(df$p147)) %>%
    hc_exporting(enabled = TRUE,
               filename = "datos",
               buttons = list(contextButton = list(menuItems = myMenuItems)))
}
gra_per_eco_act(data_emovi2017)

data_emovi2017$p148<-add_labels(
                          data_emovi2017$p148,
                          labels = c("1" = 1,
                                     "2" = 2,
                                     "3" = 3,
                                     "4" = 4,
                                     "5" = 5,
                                     "6" = 6,
                                     "7" = 7,
                                     "8" = 8,
                                     "9" = 9,
                                     "10" = 10))

Percepción pasada

gra_per_eco_ant<- function(df){
  df%>%
  count(p148)%>% 
  hchart('column',
         hcaes( y = 'n'))%>%
  hc_add_theme(hc_theme_ffx())%>%
  hc_title(
    text = "Opinión sobre situación económica de los padres"
  ) %>%
  #hc_subtitle(text = "Las edades están agrupadas en intervalos 
   #           de 10 años (da clic sobre F o M)") %>%
  # hc_credits(
  #  enabled = TRUE, text = "Source: SSS",
  #  style = list(fontSize = "12px"))%>%
  hc_yAxis(title = list(text = "Número de participantes"))%>%
  hc_xAxis(title=list(text="Posición económica"),
           categories = get_labels(df$p148)) %>%
    hc_exporting(enabled = TRUE,
               filename = "datos",
               buttons = list(contextButton = list(menuItems = myMenuItems)))
}
gra_per_eco_ant(data_emovi2017)

Percepción relativa

skey<-data_emovi2017%>%
  select(p148,p147)%>%
  data_to_sankey()

#skey

for (a in unique(skey$from)){
skey$from[skey$from == a] <-paste(a,'p')
}

#skey$weight<-as.double(skey$weight)

#for (a in unique(skey$from)){
#skey[skey$from ==a, "weight"] <- round(skey[skey$from ==a, "weight"] / #sum(skey[skey$from==a,3]),2)
#}

#skey

skey%>%
hchart('sankey',nodeWidth=50,
       opacity=1, linkOpacity=0.05, minLinkWidth=2,
       name = "Movilidad",nodePadding = 15,clip=FALSE,
       description = "hola")%>%
  hc_add_theme(hc_theme_ffx())%>%
  hc_title(
    text = "Percepción de movilidad relativa"
  )%>%
    hc_exporting(enabled = TRUE,
               filename = "datos",
               buttons = list(contextButton = list(menuItems = myMenuItems)))

skey<-data_emovi2017%>%
  filter(p06==1)%>%
  select(p148,p147)%>%
  data_to_sankey()


for (a in unique(skey$from)){
skey$from[skey$from == a] <-paste(a,'p')
}


skey%>%
hchart('sankey',nodeWidth=50,
       opacity=1, linkOpacity=0.05, minLinkWidth=2,
       name = "Movilidad",nodePadding = 15,clip=FALSE,
       description = "hola")%>%
  hc_add_theme(hc_theme_ffx())%>%
  hc_title(
    text = "Percepción de movilidad relativa"
  )%>%
  hc_subtitle(text = "Hombres") %>%
    hc_exporting(enabled = TRUE,
               filename = "datos",
               buttons = list(contextButton = list(menuItems = myMenuItems)))

skey<-data_emovi2017%>%
  filter(p06==2)%>%
  select(p148,p147)%>%
  data_to_sankey()


for (a in unique(skey$from)){
skey$from[skey$from == a] <-paste(a,'p')
}


skey%>%
hchart('sankey',nodeWidth=50,
       opacity=1, linkOpacity=0.05, minLinkWidth=2,
       name = "Movilidad",nodePadding = 15,clip=FALSE,
       description = "hola")%>%
  hc_add_theme(hc_theme_ffx())%>%
  hc_title(
    text = "Percepción de movilidad relativa"
  )%>%
  hc_subtitle(text = "Mujeres") %>%
    hc_exporting(enabled = TRUE,
               filename = "datos",
               buttons = list(contextButton = list(menuItems = myMenuItems)))

## creamos mov

data_emovi2017<-data_emovi2017%>%
  mutate(mov = ifelse(p147>p148,"mejor",
                      ifelse(p147<p148,"peor","igual")),
         id_ho = as.integer(row.names(data_emovi2017)))
data_emovi2017$mov<-set_labels(
                          data_emovi2017$mov,
                          labels = c("mejor" = "mejor",
                                     "peor" = "peor",
                                     "igual" = "igual"))

Percepción cualitativa total

data_emovi2017 %>%
  slice(dfh_c%>%select(id_ho)%>%pull())%>%
  count(mov)%>% 
  mutate(freq = round(100 * n/sum(n), 0))%>%
 
  hchart('column',
         hcaes( y = 'freq'))%>%
  hc_add_theme(hc_theme_ggplot2())%>%
  hc_title(
    text = "Percepción de movilidad"
  ) %>%
  hc_subtitle(text = "") %>%
  # hc_credits(
  #  enabled = TRUE, text = "Source: SSS",
  #  style = list(fontSize = "12px"))%>%
  hc_yAxis(title = list(text = "Porcentaje"))%>%
  hc_xAxis(title=list(text="Tipo de percepción"),
           categories = get_labels(data_emovi2017$mov)) %>%
  #hc_title(align = "left")%>%
    hc_exporting(enabled = TRUE,
               filename = "datos",
               buttons = list(contextButton = list(menuItems = myMenuItems)))

data_emovi2017 %>%
  slice(dfh_c%>%select(id_ho)%>%pull())%>%
  count(p133,mov)%>% 
  group_by(p133) %>%
  mutate(freq = n)%>%
  #mutate(freq = round(100 * n/sum(n), 0))%>%
  hchart('column',
         hcaes( y = 'freq',  group = as_label(mov)))%>%
  hc_add_theme(hc_theme_ggplot2())%>%
  hc_title(
    text = "Percepción de movilidad de acuerdo a intervalo de ingreso"
  ) %>%
  #hc_subtitle(text = "Para el color de piel se revisa la escala") %>%
  # hc_credits(
  #  enabled = TRUE, text = "Source: SSS",
  #  style = list(fontSize = "12px"))%>%
  hc_yAxis(title = list(text = "Número de entrevistados"))%>%
  hc_xAxis(title=list(text="Intervalo de ingreso"),
           categories = get_labels(data_emovi2017$p133)) %>%
    hc_exporting(enabled = TRUE,
               filename = "datos",
               buttons = list(contextButton = list(menuItems = myMenuItems)))

# Per_SitEco

data_emovi2017 %>%
  count(p151,mov)%>% 
  group_by(p151) %>%
  mutate(freq = round(100 * n/sum(n), 0))%>%
  hchart('column',
         hcaes( y = 'freq',  group = as_label(mov)))%>%
  hc_add_theme(hc_theme_ffx())%>%
  hc_title(
    text = "Percepción de movilidad de acuerdo al color de piel"
  ) %>%
  hc_subtitle(text = "Para el color de piel se revisa la escala") %>%
  # hc_credits(
  #  enabled = TRUE, text = "Source: SSS",
  #  style = list(fontSize = "12px"))%>%
  hc_yAxis(title = list(text = "Porcentaje"))%>%
  hc_xAxis(title=list(text="Color de piel"),
           categories = get_labels(data_emovi2017$p151)) %>%
    hc_exporting(enabled = TRUE,
               filename = "datos",
               buttons = list(contextButton = list(menuItems = myMenuItems)))

Percepción regional

# pensamos que los datos se leeen como factores cando corresponda, si se leen como enteros no debe hacerse el casting
#data_emovi2017<-datos_e
hijos <- data_emovi2017 %>%
  filter(p02 == 1)  %>% #compartir gasot para comer
  filter(between(p05,25,40)) %>% # edad
  #filter(p08 == 1)  %>% 
  filter(p12 == 2)  %>% # ya no estudia
  filter(p26 == 1 | p26==2 ) %>% # sosten principal papa, mama, 
   filter((!is.na(p43) & p43!=98 & p26 == 1 ) |
            (!is.na(p43m) & p43m!=98  & p26 == 2 )) %>% # reporta educación de pp
   filter(!is.na(p13))%>% #  reporta educación
  filter(SINCO3 !="") %>%# reporta oficio actual
   filter(p68 == 1 | p69 == 1)  %>% # si trabaja
   filter(p132 %in% c(1)) %>%# persona que aportan ingreso
  filter(!p133 %in% c(8,9,NA) ) # reporta ingresos
                                # no estan los ingresos  hogar aislados. 

#edad_promedio_padres <- mean(hijos$p38_11, na.rm = TRUE)
#edad_promedio_padres-21
unique(hijos$p43)

##  [1] 11   2    6    <NA> 98   4    3    8    5    7    10   12   9    1   
## Levels: 1 2 3 4 5 6 7 8 9 10 11 12 98

gra_sex_est(hijos)

var<-c("Estado","p05","p06","p13","SINCO3","p133","mov","id_ho","region")
hijos_para_sal<-hijos%>%
  select(var)%>%
  mutate(p133 = ifelse(p133==1,2,p133)-1)# juntamos el cohort 1 y 2 

hijos_para_sal <- hijos_para_sal%>%
            mutate(estrato = ifelse(p133 %in% c(1,2),1,
                                    ifelse(p133 %in% c(3),2,
                                           ifelse(p133 %in% c(4,5),3,4))))

saveRDS(hijos_para_sal, file="Datos/hijos_emovi2017.Rda")

data_emovi2017<-data_emovi2017%>%
  mutate(
            region_m = ifelse(Estado %in% as.integer(c("02","26","08","05","19","28")),1,
                ifelse(Estado %in%as.integer(c("12","20","07","30","27","04","31","23")),4,
          ifelse(Estado %in% as.integer(c("03","25","18","10","32","16","06","14","01","24")),2,3)))
          )

data_emovi2017$region_m<- set_labels(
                          data_emovi2017$region_m,
                          labels = c("Norte" = 1,
                                     "Norte-Centro" = 2,
                                     "Centro" = 3,
                                     "Sur" = 4))

data_emovi2017 %>%
  slice(as.integer(unlist(hijos_para_sal%>%select(id_ho))))%>%
  count(region_m,mov)%>% 
  group_by(region_m) %>%
  mutate(freq = round(100 * n/sum(n), 0))%>%
  hchart('column',
         hcaes( y = 'freq',  group = as_label(mov)))%>%
  hc_add_theme(hc_theme_tufte())%>%
  hc_title(
    text = "Percepción de movilidad de acuerdo region"
  ) %>%
  hc_subtitle(text = "") %>%
  # hc_credits(
  #  enabled = TRUE, text = "Source: SSS",
  #  style = list(fontSize = "12px"))%>%
  hc_yAxis(title = list(text = "Porcentaje"))%>%
  hc_xAxis(title=list(text="Region"),
           categories = get_labels(data_emovi2017$region_m)) %>%
    hc_exporting(enabled = TRUE,
               filename = "datos",
               buttons = list(contextButton = list(menuItems = myMenuItems)))

#la nacional
#menos movil       1     2
#  empate          2     1
#  empate          3     4
#  mas             4     3

Percepción por cohort de ingreso

data_emovi2017 %>%
  count(p133,mov)%>% 
  group_by(p133) %>%
  mutate(freq = round(100 * n/sum(n), 0))%>%
  hchart('column',
         hcaes( y = 'freq',  group = as_label(mov)))%>%
  hc_add_theme(hc_theme_ffx())%>%
  hc_title(
    text = "Percepción de movilidad de acuerdo a cohort de ingreso"
  ) %>%
  hc_subtitle(text = "") %>%
  # hc_credits(
  #  enabled = TRUE, text = "Source: SSS",
  #  style = list(fontSize = "12px"))%>%
  hc_yAxis(title = list(text = "Porcentaje"))%>%
  hc_xAxis(title=list(text="Region"),
           categories = get_labels(data_emovi2017$p133)) %>%
    hc_exporting(enabled = TRUE,
               filename = "datos",
               buttons = list(contextButton = list(menuItems = myMenuItems)))

Percepción cohort de menor nivel

#unique((data_emovi2017%>%
#   filter((p133==1 | p133==2) & p132==1))$p133)
# 
# nrow((data_emovi2017%>%
#   filter((p133==1 | p133==2) & p132==1)))

skey<-data_emovi2017%>%
  filter((p133==1 | p133==2) & p132==1)%>%
  select(p148,p147)%>%
  data_to_sankey()


for (a in unique(skey$from)){
skey$from[skey$from == a] <-paste(a,'p')
}


skey%>%
hchart('sankey',nodeWidth=50,
       opacity=1, linkOpacity=0.05, minLinkWidth=2,
       name = "Movilidad",nodePadding = 15,clip=FALSE,
       description = "hola")%>%
  hc_add_theme(hc_theme_ffx())%>%
  hc_title(
    text = "Percepción de movilidad relativa"
  )%>%
  hc_subtitle(text = "Cohorts de menor ingreso") %>%
    hc_exporting(enabled = TRUE,
               filename = "datos",
               buttons = list(contextButton = list(menuItems = myMenuItems)))

Percepción cohort de mayor nivel

# unique((data_emovi2017%>%
#   filter(p133==6 | p133==7))$p133)
# 
# nrow((data_emovi2017%>%
#   filter(p133==6 | p133==7)))

skey<-data_emovi2017%>%
 filter((p133==7) & p132==1)%>%
  select(p148,p147)%>%
  data_to_sankey()


for (a in unique(skey$from)){
skey$from[skey$from == a] <-paste(a,'p')
}


skey%>%
hchart('sankey',nodeWidth=50,
       opacity=1, linkOpacity=0.05, minLinkWidth=2,
       name = "Movilidad",nodePadding = 15,clip=FALSE,
       description = "hola")%>%
  hc_add_theme(hc_theme_ffx())%>%
  hc_title(
    text = "Percepción de movilidad relativa"
  )%>%
  hc_subtitle(text = "Cohorts de mayor ingreso") %>%
    hc_exporting(enabled = TRUE,
               filename = "datos",
               buttons = list(contextButton = list(menuItems = myMenuItems)))

ESRU-EMOVI 2011

La ESRU – EMOVI 2011 se diseñó para continuar el estudio nacional sobre la movilidad social iniciado en 2006. Para esta ocasión, se realizaron 11,001 entrevistas efectivas con información representativa a nivel nacional de hombres y mujeres entre 25 y 64 años de edad, por tipo de jefatura del hogar y de ámbitos urbano y no urbano. Los principales objetivos de la ESRU – EMOVI 2011 son:

1. Conocer el grado de asociación entre los recursos de los padres y el logro socioeconómico de los hijos.
2. Identificar las barreras que limitan la posibilidad de que las personas experimenten movilidad social.

Encuesta dirigida por el Programa de Movilidad Social del CEEY y financiada por la Fundación ESRU.

cargar_esru2011<- function(){

return(read_stata(
                     path = "Datos/ESRU-EMOVI-2011/Emovi2011modEntrevistado.dta",
                     atomic.to.fac = TRUE,
                     enc = NULL,
                     ))
}

data_emovi2011<-cargar_esru2011()

data_emovi2011$p124<-add_labels(
                          data_emovi2011$p124,
                          labels = c("1" = 1,
                                     "2" = 2,
                                     "3" = 3,
                                     "4" = 4,
                                     "5" = 5,
                                     "6" = 6,
                                     "7" = 7,
                                     "8" = 8,
                                     "9" = 9,
                                     "10" = 10))

Percepción de movilidad pasada

gra_per_eco_act<- function(df){
  df%>%
  count(p124)%>% 
  hchart('column',
         hcaes( y = 'n'))%>%
  hc_add_theme(hc_theme_ffx())%>%
  hc_title(
    text = "Opinión sobre situación económica pasada"
  ) %>%
  #hc_subtitle(text = "Las edades están agrupadas en intervalos 
   #           de 10 años (da clic sobre F o M)") %>%
  # hc_credits(
  #  enabled = TRUE, text = "Source: SSS",
  #  style = list(fontSize = "12px"))%>%
  hc_yAxis(title = list(text = "Número de participantes"))%>%
  hc_xAxis(title=list(text="Posición económica"),
           categories = get_labels(df$p124)) %>%
    hc_exporting(enabled = TRUE,
               filename = "datos",
               buttons = list(contextButton = list(menuItems = myMenuItems)))
}
gra_per_eco_act(data_emovi2011)

Percepción ecnomica actual

data_emovi2011$p169<-add_labels(
                          data_emovi2011$p169,
                          labels = c("1" = 1,
                                     "2" = 2,
                                     "3" = 3,
                                     "4" = 4,
                                     "5" = 5,
                                     "6" = 6,
                                     "7" = 7,
                                     "8" = 8,
                                     "9" = 9,
                                     "10" = 10))

gra_per_eco_act<- function(df){
  df%>%
  count(p169)%>% 
  hchart('column',
         hcaes( y = 'n'))%>%
  hc_add_theme(hc_theme_ffx())%>%
  hc_title(
    text = "Opinión sobre situación económica actual"
  ) %>%
  #hc_subtitle(text = "Las edades están agrupadas en intervalos 
   #           de 10 años (da clic sobre F o M)") %>%
  # hc_credits(
  #  enabled = TRUE, text = "Source: SSS",
  #  style = list(fontSize = "12px"))%>%
  hc_yAxis(title = list(text = "Número de participantes"))%>%
  hc_xAxis(title=list(text="Posición económica"),
           categories = get_labels(df$p169)) %>%
    hc_exporting(enabled = TRUE,
               filename = "datos",
               buttons = list(contextButton = list(menuItems = myMenuItems)))
}
gra_per_eco_act(data_emovi2011)

data_emovi2011<-data_emovi2011%>%
  filter(!(p124 %in% c(98,99)) & !(p169 %in% c(98,99)))%>%
  mutate(mov = ifelse(p169>p124,"mejor",
                      ifelse(p169<p124,"peor","igual")))
data_emovi2011$mov<-set_labels(
                          data_emovi2011$mov,
                          labels = c("mejor" = "mejor",
                                     "peor" = "peor",
                                     "igual" = "igual"))

Percepción cualitativa total

data_emovi2011 %>%
  count(mov)%>% 
  mutate(freq = round(100 * n/sum(n), 0))%>%
  hchart('column',
         hcaes( y = 'freq'))%>%
  hc_add_theme(hc_theme_ffx())%>%
  hc_title(
    text = "Percepción de movilidad"
  ) %>%
  hc_subtitle(text = "") %>%
  # hc_credits(
  #  enabled = TRUE, text = "Source: SSS",
  #  style = list(fontSize = "12px"))%>%
  hc_yAxis(title = list(text = "Porcentaje"))%>%
  hc_xAxis(title=list(text="Tipo de percepción"),
           categories = get_labels(data_emovi2011$mov)) %>%
    hc_exporting(enabled = TRUE,
               filename = "datos",
               buttons = list(contextButton = list(menuItems = myMenuItems)))

Percepción regional

data_emovi2011<- data_emovi2011%>% mutate(
            region = ifelse(entidad %in% c("02","26","08","05","19","28"),1,
                ifelse(entidad %in% c("12","20","07","30","27","04","31","23"),5,
                ifelse(entidad %in% c("03","25","18","10","32"),2,
                ifelse(entidad %in% c("13","01","06","16","24"),3,4))))
          )

data_emovi2011 %>%
  count(region,mov)%>% 
  group_by(region) %>%
  mutate(freq = round(100 * n/sum(n), 0))%>%
  hchart('column',
         hcaes( y = 'freq',  group = as_label(mov)))%>%
  hc_add_theme(hc_theme_ffx())%>%
  hc_title(
    text = "Percepción de movilidad de acuerdo region"
  ) %>%
  hc_subtitle(text = "") %>%
  # hc_credits(
  #  enabled = TRUE, text = "Source: SSS",
  #  style = list(fontSize = "12px"))%>%
  hc_yAxis(title = list(text = "Porcentaje"))%>%
  hc_xAxis(title=list(text="Region"),
           categories = get_labels(data_emovi2017$region)) %>%
    hc_exporting(enabled = TRUE,
               filename = "datos",
               buttons = list(contextButton = list(menuItems = myMenuItems)))

ESRU-EMOVI 2006

La ESRU – EMOVI 2006 es una de las primeras encuestas de cobertura nacional diseñada con el objetivo de medir la movilidad social en México. La encuesta es un corte transversal que incluye preguntas retrospectivas sobre la situación socioeconómica de los padres del entrevistado con el objetivo de observar la influencia que tienen los recursos de los padres en la posición socioeconómica de sus hijos.

Para este levantamiento se realizaron 7,288 entrevistas efectivas con información representativa a nivel nacional de hombres, jefes de hogar, entre 25 y 64 años de edad.

Encuesta dirigida por Florencia Torche y financiada por la Fundación ESRU.