#Lendo pacotes necessários
library(survey)
library(ggplot2)
library(dplyr)
library(foreign)
library(forcats)
library(tidyverse)
source("utils.R")
#Carregando banco de dados para R versão 3.5.0 ou superior
load("<coloque aqui o caminho para o arquivo dos microdados formato RDATA PNS 2013>")
#conferindo as dimensões (número de linhas e colunas)
dim("<Coloque aqui o nome do arquivo RDATA PNS 2013>")
#Selecionando registros válidos para o módulo K e calculando peso amostral - summary de verificação
pns2013.1<- <Coloque aqui o nome do arquivo RDATA> %>% filter(M001==1)
pns2013.1<-pns2013.1 %>% mutate(peso_morador_selec=((V00291*(60202/145572211))))
pns2013.1<-pns2013.1 %>% filter(!is.na(peso_morador_selec))
summary(pns2013.1$peso_morador_selec)
Min. 1st Qu. Median Mean 3rd Qu. Max. 0.004156 0.243959 0.521557 1.000000 1.147413 31.179597
# Desfechos - Indicadores
# 16. Proporção de mulheres que fizeram teste de HIV/AIDS durante o pré-natal - S016P.
pns2013.1$S016P <- NA
pns2013.1$S016P[pns2013.1$C006==2 & pns2013.1$C008>=18 & pns2013.1$S001==1] <- 2
pns2013.1$S016P[pns2013.1$C006==2 & pns2013.1$C008>=18 & pns2013.1$S001==1 & pns2013.1$S034==1] <- 1
pns2013.1$S016P<-factor(pns2013.1$S016P, levels=c(1,2), labels=c("Sim","Não"))
summary(pns2013.1$S016P)
# 18. Proporção de mulheres que receberam indicação da maternidade para o parto durante o pré-natal - S018P.
pns2013.1$S018P <- NA
pns2013.1$S018P[pns2013.1$C006==2 & pns2013.1$C008>=18 & pns2013.1$S001==1] <- 2
pns2013.1$S018P[pns2013.1$C006==2 & pns2013.1$C008>=18 & pns2013.1$S001==1 & pns2013.1$S012 == 1 ] <- 1
pns2013.1$S018P<-factor(pns2013.1$S018P, levels=c(1,2), labels=c("Sim","Não"))
summary(pns2013.1$S018P)
# 19. Proporção de mulheres que foram atendidas por médico no último parto - S019P.
pns2013.1$S019P <- NA
pns2013.1$S019P[pns2013.1$C006==2 & pns2013.1$C008>=18 & pns2013.1$S001 > 0] <- 2
pns2013.1$S019P[pns2013.1$C006==2 & pns2013.1$C008>=18 & pns2013.1$S001 > 0 & pns2013.1$S046 == 1] <- 1
pns2013.1$S019P<-factor(pns2013.1$S019P, levels=c(1,2), labels=c("Sim","Não"))
summary(pns2013.1$S019P)
#Situação Urbano ou Rural
pns2013.1 <- pns2013.1 %>% mutate(urb_rur=V0026)
pns2013.1$urb_rur<-factor(pns2013.1$urb_rur, levels=c(1,2), labels=c("urbano", "rural"))
summary(pns2013.1$urb_rur)
#Estados - UFs
pns2013.1 <- pns2013.1 %>% mutate(uf=V0001)
pns2013.1$uf<-factor(pns2013.1$uf, levels=c(11,12,13,14,15,16,17,21,22,23,24,25,26,27,28,29,31,32,33,35,41,42,43,50,51,52,53),
label=c("Rondônia","Acre","Amazonas","Roraima","Pará","Amapá","Tocantins","Maranhão","Piauí","Ceará",
"Rio Grande do Norte","Paraíba","Pernambuco","Alagoas","Sergipe","Bahia",
"Minas Gerais","Espírito Santo","Rio de Janeiro","São Paulo",
"Paraná","Santa Catarina","Rio Grande do Sul",
"Mato Grosso do Sul","Mato Grosso","Goiás","Distrito Federal"))
summary(pns2013.1$uf)
#Grandes Regiões
pns2013.1 <- pns2013.1 %>% mutate(
região = fct_collapse(uf,
`Norte` = c("Rondônia","Acre","Amazonas","Roraima","Pará", "Amapá","Tocantins"),
`Nordeste` = c("Maranhão", "Piauí", "Ceará", "Rio Grande do Norte", "Paraíba","Pernambuco", "Alagoas","Sergipe","Bahia"),
`Sudeste` = c("Minas Gerais", "Espírito Santo","Rio de Janeiro", "São Paulo"),
`Sul` = c("Paraná", "Santa Catarina", "Rio Grande do Sul"),
`Centro-Oeste`= c("Mato Grosso do Sul","Mato Grosso", "Goiás", "Distrito Federal"))
)
summary(pns2013.1$região)
#Capital
pns2013.1<- pns2013.1 %>% mutate(capital= fct_collapse(uf,
`Porto Velho`= "Rondônia",
`Boa Vista`= "Roraima",
`Rio Branco`= "Acre",
`Manaus` = "Amazonas",
`Belém` = "Pará" ,
`Macapá`= "Amapá",
`Palmas` = "Tocantins",
`São Luís` = "Maranhão",
`Teresina`= "Piauí" ,
`Fortaleza`= "Ceará",
`Natal`= "Rio Grande do Norte",
`João Pessoa`= "Paraíba",
`Recife`= "Pernambuco",
`Maceió`= "Alagoas",
`Aracaju`= "Sergipe",
`Salvador`= "Bahia",
`Belo Horizonte`= "Minas Gerais",
`Vitória`= "Espírito Santo",
`Rio de Janeiro`= "Rio de Janeiro",
`São Paulo`= "São Paulo",
`Curitiba`= "Paraná",
`Florianópolis`= "Santa Catarina",
`Porto Alegre`= "Rio Grande do Sul",
`Campo Grande`= "Mato Grosso do Sul",
`Cuiabá`= "Mato Grosso",
`Goiânia` = "Goiás",
`Brasília`= "Distrito Federal"))
summary(pns2013.1$capital)
# Faixas Etárias
pns2013.1 <- pns2013.1 %>% mutate(fx_idade_S=cut(C008,
breaks = c(18,25,30,40,120),
labels = c("18 a 24 anos", "25 a 29 anos", "30 a 39 anos", "40 anos ou mais"),
ordered_result = TRUE, right = FALSE))
summary(pns2013.1$fx_idade_S)
# Raça
pns2013.1 <- pns2013.1 %>% mutate(raça= ifelse(C009==1, 1,
ifelse(C009==2, 2,
ifelse(C009==4, 3, 9))))
pns2013.1$raça<-factor(pns2013.1$raça, levels=c(1,2,3),labels=c("Branca", "Preta", "Parda"))
summary(pns2013.1$raça)
# Rendimento domiciliar per capita
pns2013.1 <- pns2013.1 %>% mutate(rend_per_capita=cut(VDF003,
breaks = c(-Inf,339, 678, 1356, 2034, Inf),
labels=c("Até 1/2 SM","1/2 até 1 SM","1 até 2 SM","2 até 3 SM","Mais de 3 SM"),
ordered_result = TRUE, right = TRUE, na.exclude= TRUE))
summary(pns2013.1$rend_per_capita)
# Escolaridade
pns2013.1 <- pns2013.1 %>% mutate(gescol = ifelse(VDD004A %in% 1:2, 1,
ifelse(VDD004A%in% 3:4, 2,
ifelse(VDD004A%in% 5:6, 3,4
))))
pns2013.1$gescol<-factor(pns2013.1$gescol, levels=c(1,2,3,4),
labels=c("Fundamental incompleto ou equivalente","Médio incompleto ou equivalente",
"Superior incompleto ou equivalente","Superior completo"))
summary(pns2013.1$gescol)
# Selecionando variáveis para cálculo de indicadores no survey
pns2013Ssurvey<- pns2013.1 %>% select("V0024","UPA_PNS","peso_morador_selec", "C008", "C006", "C009", "V0031",
"urb_rur", "uf", "região", "capital", "fx_idade_S", "raça",
"rend_per_capita", "gescol", "S016P", "S018P", "S019P", "S001")
summary(pns2013Ssurvey)
V0024 UPA_PNS peso_morador_selec C008 Min. :1110011 Min. :1100001 Min. : 0.004156 Min. : 18.00 1st Qu.:2210013 1st Qu.:2200075 1st Qu.: 0.243959 1st Qu.: 30.00 Median :2951023 Median :2900192 Median : 0.521557 Median : 41.00 Mean :3035353 Mean :3007819 Mean : 1.000000 Mean : 43.31 3rd Qu.:4110111 3rd Qu.:4100002 3rd Qu.: 1.147413 3rd Qu.: 55.00 Max. :5310220 Max. :5300180 Max. :31.179597 Max. :101.00 C006 C009 V0031 urb_rur Min. :1.000 Min. :1.00 Min. :1.000 urbano:49245 1st Qu.:1.000 1st Qu.:1.00 1st Qu.:1.000 rural :10957 Median :2.000 Median :3.00 Median :2.000 Mean :1.569 Mean :2.61 Mean :2.308 3rd Qu.:2.000 3rd Qu.:4.00 3rd Qu.:4.000 Max. :2.000 Max. :9.00 Max. :4.000 uf região capital São Paulo : 5305 Norte :12536 São Paulo : 5305 Minas Gerais : 3779 Nordeste :18305 Belo Horizonte: 3779 Rio de Janeiro : 3486 Sudeste :14294 Rio de Janeiro: 3486 Paraná : 3012 Sul : 7548 Curitiba : 3012 Rio Grande do Sul: 2913 Centro-Oeste: 7519 Porto Alegre : 2913 Bahia : 2641 Salvador : 2641 (Other) :39066 (Other) :39066 fx_idade_S raça rend_per_capita 18 a 24 anos : 7823 Branca:24106 Até 1/2 SM :14256 25 a 29 anos : 6498 Preta : 5631 1/2 até 1 SM:17504 30 a 39 anos :14269 Parda :29512 1 até 2 SM :15493 40 anos ou mais:31612 NA's : 953 2 até 3 SM : 5335 Mais de 3 SM: 7603 NA's : 11 gescol S016P S018P Fundamental incompleto ou equivalente:24083 Sim : 1590 Sim : 1362 Médio incompleto ou equivalente : 9215 Não : 261 Não : 489 Superior incompleto ou equivalente :19149 NA's:58351 NA's:58351 Superior completo : 7755 S019P S001 Sim : 1664 Min. :1.00 Não : 254 1st Qu.:1.00 NA's:58284 Median :1.00 Mean :1.03 3rd Qu.:1.00 Max. :2.00 NA's :58284
# Salvando csv para cálculo de indicadores no survey
diretorio_saida <- "<coloque aqui o diretório>"
write.csv(pns2013Ssurvey, file.path(diretorio_saida, "pns2013Ssurvey.csv"))
# survey design
desPNS=svydesign(id=~UPA_PNS,
strat=~V0024,
weight=~peso_morador_selec,
nest=TRUE,
data=pns2013Ssurvey)
#survey design S016P, S018P
desPNSS=subset(desPNS, C006==2 & C008>=18 & S001==1)
desPNSS_C=subset(desPNS, C006==2 & C008>=18 & S001==1 & V0031==1)
desPNSS_R=subset(desPNS, C006==2 & C008>=18 & S001==1 & !is.na(raça))
desPNSS_Rend=subset(desPNS, C006==2 & C008>=18 & S001==1 & !is.na(rend_per_capita))
#survey design S019P
desPNSS_S019P=subset(desPNS, C006==2 & C008>=18 & S001>0)
desPNSS_S019P_C=subset(desPNS, C006==2 & C008>=18 & S001>0 & V0031==1)
desPNSS_S019P_R=subset(desPNS, C006==2 & C008>=18 & S001>0 & !is.na(raça))
desPNSS_S019P_Rend=subset(desPNS, C006==2 & C008>=18 & S001>0 & !is.na(rend_per_capita))
Essa tabela é responsável por unir os indicadores no formato do painel de indicadores
design_por_abrangencia <- list(
S016P = list(
capital = desPNSS_C,
raça = desPNSS_R,
rend_per_capita = desPNSS_Rend,
default = desPNSS
),
S018P = list(
capital = desPNSS_C,
raça = desPNSS_R,
rend_per_capita = desPNSS_Rend,
default = desPNSS
),
S019P = list(
capital = desPNSS_S019P_C,
raça = desPNSS_S019P_R,
rend_per_capita = desPNSS_S019P_Rend,
default = desPNSS_S019P
)
)
dominios <- c(
~raça,
~rend_per_capita,
~fx_idade_S,
~urb_rur,
~uf,
~região,
~capital,
~gescol
)
indicadores <- c(~S016P, ~S018P, ~S019P)
totais <- c(~Brasil,~Capital)
Ano <- "2013"
matriz_indicadores <- popula_indicadores(design_por_abrangencia, dominios, indicadores, Ano)
matriz_indicadores
abr_tipo | abr_nome | Ano | Indicador | Sim | LowerS | UpperS | cvS | |
---|---|---|---|---|---|---|---|---|
<chr> | <fct> | <chr> | <chr> | <dbl> | <dbl> | <dbl> | <dbl> | |
Branca | raça | Branca | 2013 | S016P | 0.8704893 | 0.8277014 | 0.9132772 | 0.02507897 |
Preta | raça | Preta | 2013 | S016P | 0.7824306 | 0.6572729 | 0.9075882 | 0.08161378 |
Parda | raça | Parda | 2013 | S016P | 0.8461478 | 0.8097939 | 0.8825018 | 0.02192086 |
Até 1/2 SM | rend_per_capita | Até 1/2 SM | 2013 | S016P | 0.8285370 | 0.7918252 | 0.8652487 | 0.02260709 |
1/2 até 1 SM | rend_per_capita | 1/2 até 1 SM | 2013 | S016P | 0.8885054 | 0.8429841 | 0.9340267 | 0.02614005 |
1 até 2 SM | rend_per_capita | 1 até 2 SM | 2013 | S016P | 0.8426610 | 0.7640768 | 0.9212453 | 0.04758111 |
2 até 3 SM | rend_per_capita | 2 até 3 SM | 2013 | S016P | 0.7988503 | 0.5851066 | 1.0125940 | 0.13651485 |
Mais de 3 SM | rend_per_capita | Mais de 3 SM | 2013 | S016P | 0.8862241 | 0.7959129 | 0.9765354 | 0.05199364 |
18 a 24 anos | fx_idade_s | 18 a 24 anos | 2013 | S016P | 0.8528084 | 0.8058320 | 0.8997849 | 0.02810482 |
25 a 29 anos | fx_idade_s | 25 a 29 anos | 2013 | S016P | 0.8262557 | 0.7729942 | 0.8795172 | 0.03288902 |
30 a 39 anos | fx_idade_s | 30 a 39 anos | 2013 | S016P | 0.8660926 | 0.8172904 | 0.9148948 | 0.02874925 |
40 anos ou mais | fx_idade_s | 40 anos ou mais | 2013 | S016P | 0.8486411 | 0.7445249 | 0.9527572 | 0.06259593 |
urbano | urb_rur | urbano | 2013 | S016P | 0.8666800 | 0.8371479 | 0.8962121 | 0.01738551 |
rural | urb_rur | rural | 2013 | S016P | 0.7675523 | 0.6959295 | 0.8391751 | 0.04760970 |
Rondônia | uf | Rondônia | 2013 | S016P | 0.8216271 | 0.6958231 | 0.9474312 | 0.07812173 |
Acre | uf | Acre | 2013 | S016P | 0.8547101 | 0.7709839 | 0.9384364 | 0.04997984 |
Amazonas | uf | Amazonas | 2013 | S016P | 0.8667892 | 0.7943296 | 0.9392488 | 0.04265152 |
Roraima | uf | Roraima | 2013 | S016P | 0.9792703 | 0.9537907 | 1.0047498 | 0.01327522 |
Pará | uf | Pará | 2013 | S016P | 0.8405336 | 0.7421185 | 0.9389486 | 0.05973905 |
Amapá | uf | Amapá | 2013 | S016P | 0.9306654 | 0.8575116 | 1.0038191 | 0.04010467 |
Tocantins | uf | Tocantins | 2013 | S016P | 0.8782034 | 0.7739205 | 0.9824863 | 0.06058569 |
Maranhão | uf | Maranhão | 2013 | S016P | 0.7835474 | 0.6336436 | 0.9334513 | 0.09761116 |
Piauí | uf | Piauí | 2013 | S016P | 0.7036185 | 0.5706709 | 0.8365661 | 0.09640404 |
Ceará | uf | Ceará | 2013 | S016P | 0.8562209 | 0.7668826 | 0.9455592 | 0.05323580 |
Rio Grande do Norte | uf | Rio Grande do Norte | 2013 | S016P | 0.9159877 | 0.8350790 | 0.9968963 | 0.04506687 |
Paraíba | uf | Paraíba | 2013 | S016P | 0.7759216 | 0.6315260 | 0.9203172 | 0.09494847 |
Pernambuco | uf | Pernambuco | 2013 | S016P | 0.8833022 | 0.8007748 | 0.9658296 | 0.04766951 |
Alagoas | uf | Alagoas | 2013 | S016P | 0.7363261 | 0.5952972 | 0.8773550 | 0.09772144 |
Sergipe | uf | Sergipe | 2013 | S016P | 0.8148058 | 0.6825271 | 0.9470844 | 0.08282999 |
Bahia | uf | Bahia | 2013 | S016P | 0.7835843 | 0.6602149 | 0.9069537 | 0.08032921 |
⋮ | ⋮ | ⋮ | ⋮ | ⋮ | ⋮ | ⋮ | ⋮ | ⋮ |
Rio Branco2 | capital | Rio Branco | 2013 | S019P | 0.8599841 | 0.7411321 | 0.9788361 | 0.07051280 |
Manaus2 | capital | Manaus | 2013 | S019P | 0.8836420 | 0.7830294 | 0.9842546 | 0.05809353 |
Boa Vista2 | capital | Boa Vista | 2013 | S019P | 0.8387671 | 0.7356097 | 0.9419244 | 0.06274957 |
Belém2 | capital | Belém | 2013 | S019P | 0.9220037 | 0.7770735 | 1.0669340 | 0.08020074 |
Macapá2 | capital | Macapá | 2013 | S019P | 0.8618015 | 0.7406060 | 0.9829969 | 0.07175152 |
Palmas2 | capital | Palmas | 2013 | S019P | 0.9755986 | 0.9282984 | 1.0228988 | 0.02473681 |
São Luís2 | capital | São Luís | 2013 | S019P | 0.9581722 | 0.9012539 | 1.0150905 | 0.03030823 |
Teresina2 | capital | Teresina | 2013 | S019P | 0.8194882 | 0.6143240 | 1.0246524 | 0.12773525 |
Fortaleza2 | capital | Fortaleza | 2013 | S019P | 0.8828775 | 0.7011140 | 1.0646411 | 0.10504088 |
Natal2 | capital | Natal | 2013 | S019P | 1.0000000 | 1.0000000 | 1.0000000 | 0.00000000 |
João Pessoa2 | capital | João Pessoa | 2013 | S019P | 0.9526422 | 0.8914418 | 1.0138427 | 0.03277755 |
Recife2 | capital | Recife | 2013 | S019P | 0.9312556 | 0.7991790 | 1.0633323 | 0.07236175 |
Maceió2 | capital | Maceió | 2013 | S019P | 0.6667696 | 0.4682348 | 0.8653045 | 0.15191926 |
Aracaju2 | capital | Aracaju | 2013 | S019P | 1.0000000 | 1.0000000 | 1.0000000 | 0.00000000 |
Salvador2 | capital | Salvador | 2013 | S019P | 0.9061513 | 0.8027874 | 1.0095153 | 0.05819962 |
Belo Horizonte2 | capital | Belo Horizonte | 2013 | S019P | 0.8589035 | 0.7194189 | 0.9983881 | 0.08285789 |
Vitória2 | capital | Vitória | 2013 | S019P | 0.9504570 | 0.8525153 | 1.0483988 | 0.05257597 |
Rio de Janeiro5 | capital | Rio de Janeiro | 2013 | S019P | 0.8942121 | 0.7758989 | 1.0125253 | 0.06750635 |
São Paulo4 | capital | São Paulo | 2013 | S019P | 0.9311288 | 0.8760755 | 0.9861821 | 0.03016655 |
Curitiba2 | capital | Curitiba | 2013 | S019P | 0.9580169 | 0.8800529 | 1.0359810 | 0.04152151 |
Florianópolis2 | capital | Florianópolis | 2013 | S019P | 0.8589080 | 0.7491412 | 0.9686748 | 0.06520431 |
Porto Alegre2 | capital | Porto Alegre | 2013 | S019P | 0.9624795 | 0.8887895 | 1.0361696 | 0.03906333 |
Campo Grande2 | capital | Campo Grande | 2013 | S019P | 0.9676684 | 0.9068128 | 1.0285241 | 0.03208679 |
Cuiabá2 | capital | Cuiabá | 2013 | S019P | 0.9668783 | 0.9086181 | 1.0251384 | 0.03074339 |
Goiânia2 | capital | Goiânia | 2013 | S019P | 0.9806624 | 0.9421503 | 1.0191746 | 0.02003687 |
Brasília2 | capital | Brasília | 2013 | S019P | 0.9428326 | 0.8654071 | 1.0202581 | 0.04189879 |
Fundamental incompleto ou equivalente2 | gescol | Fundamental incompleto ou equivalente | 2013 | S019P | 0.7628161 | 0.6988318 | 0.8268003 | 0.04279619 |
Médio incompleto ou equivalente2 | gescol | Médio incompleto ou equivalente | 2013 | S019P | 0.8941055 | 0.8442370 | 0.9439740 | 0.02845703 |
Superior incompleto ou equivalente2 | gescol | Superior incompleto ou equivalente | 2013 | S019P | 0.9054178 | 0.8755653 | 0.9352703 | 0.01682225 |
Superior completo2 | gescol | Superior completo | 2013 | S019P | 0.9621193 | 0.9268137 | 0.9974248 | 0.01872258 |
matriz_totais <- popula_indicadores(design_por_abrangencia, totais, indicadores, Ano, "total")
matriz_totais
abr_tipo | abr_nome | Ano | Indicador | Sim | LowerS | UpperS | cvS | |
---|---|---|---|---|---|---|---|---|
<chr> | <chr> | <chr> | <chr> | <dbl> | <dbl> | <dbl> | <dbl> | |
S016PSim | total | Brasil | 2013 | S016P | 0.8509319 | 0.8234418 | 0.8784220 | 0.01648289 |
S016PSim1 | total | Capital | 2013 | S016P | 0.8947766 | 0.8621891 | 0.9273641 | 0.01858181 |
S018PSim | total | Brasil | 2013 | S018P | 0.7514091 | 0.7184669 | 0.7843514 | 0.02236807 |
S018PSim1 | total | Capital | 2013 | S018P | 0.8049977 | 0.7689407 | 0.8410546 | 0.02285318 |
S019PSim | total | Brasil | 2013 | S019P | 0.8763847 | 0.8526117 | 0.9001576 | 0.01384011 |
S019PSim1 | total | Capital | 2013 | S019P | 0.9166140 | 0.8907343 | 0.9424937 | 0.01440536 |
matriz_final <-rbind(matriz_indicadores,matriz_totais)
matriz_final
abr_tipo | abr_nome | Ano | Indicador | Sim | LowerS | UpperS | cvS | |
---|---|---|---|---|---|---|---|---|
<chr> | <fct> | <chr> | <chr> | <dbl> | <dbl> | <dbl> | <dbl> | |
Branca | raça | Branca | 2013 | S016P | 0.8704893 | 0.8277014 | 0.9132772 | 0.02507897 |
Preta | raça | Preta | 2013 | S016P | 0.7824306 | 0.6572729 | 0.9075882 | 0.08161378 |
Parda | raça | Parda | 2013 | S016P | 0.8461478 | 0.8097939 | 0.8825018 | 0.02192086 |
Até 1/2 SM | rend_per_capita | Até 1/2 SM | 2013 | S016P | 0.8285370 | 0.7918252 | 0.8652487 | 0.02260709 |
1/2 até 1 SM | rend_per_capita | 1/2 até 1 SM | 2013 | S016P | 0.8885054 | 0.8429841 | 0.9340267 | 0.02614005 |
1 até 2 SM | rend_per_capita | 1 até 2 SM | 2013 | S016P | 0.8426610 | 0.7640768 | 0.9212453 | 0.04758111 |
2 até 3 SM | rend_per_capita | 2 até 3 SM | 2013 | S016P | 0.7988503 | 0.5851066 | 1.0125940 | 0.13651485 |
Mais de 3 SM | rend_per_capita | Mais de 3 SM | 2013 | S016P | 0.8862241 | 0.7959129 | 0.9765354 | 0.05199364 |
18 a 24 anos | fx_idade_s | 18 a 24 anos | 2013 | S016P | 0.8528084 | 0.8058320 | 0.8997849 | 0.02810482 |
25 a 29 anos | fx_idade_s | 25 a 29 anos | 2013 | S016P | 0.8262557 | 0.7729942 | 0.8795172 | 0.03288902 |
30 a 39 anos | fx_idade_s | 30 a 39 anos | 2013 | S016P | 0.8660926 | 0.8172904 | 0.9148948 | 0.02874925 |
40 anos ou mais | fx_idade_s | 40 anos ou mais | 2013 | S016P | 0.8486411 | 0.7445249 | 0.9527572 | 0.06259593 |
urbano | urb_rur | urbano | 2013 | S016P | 0.8666800 | 0.8371479 | 0.8962121 | 0.01738551 |
rural | urb_rur | rural | 2013 | S016P | 0.7675523 | 0.6959295 | 0.8391751 | 0.04760970 |
Rondônia | uf | Rondônia | 2013 | S016P | 0.8216271 | 0.6958231 | 0.9474312 | 0.07812173 |
Acre | uf | Acre | 2013 | S016P | 0.8547101 | 0.7709839 | 0.9384364 | 0.04997984 |
Amazonas | uf | Amazonas | 2013 | S016P | 0.8667892 | 0.7943296 | 0.9392488 | 0.04265152 |
Roraima | uf | Roraima | 2013 | S016P | 0.9792703 | 0.9537907 | 1.0047498 | 0.01327522 |
Pará | uf | Pará | 2013 | S016P | 0.8405336 | 0.7421185 | 0.9389486 | 0.05973905 |
Amapá | uf | Amapá | 2013 | S016P | 0.9306654 | 0.8575116 | 1.0038191 | 0.04010467 |
Tocantins | uf | Tocantins | 2013 | S016P | 0.8782034 | 0.7739205 | 0.9824863 | 0.06058569 |
Maranhão | uf | Maranhão | 2013 | S016P | 0.7835474 | 0.6336436 | 0.9334513 | 0.09761116 |
Piauí | uf | Piauí | 2013 | S016P | 0.7036185 | 0.5706709 | 0.8365661 | 0.09640404 |
Ceará | uf | Ceará | 2013 | S016P | 0.8562209 | 0.7668826 | 0.9455592 | 0.05323580 |
Rio Grande do Norte | uf | Rio Grande do Norte | 2013 | S016P | 0.9159877 | 0.8350790 | 0.9968963 | 0.04506687 |
Paraíba | uf | Paraíba | 2013 | S016P | 0.7759216 | 0.6315260 | 0.9203172 | 0.09494847 |
Pernambuco | uf | Pernambuco | 2013 | S016P | 0.8833022 | 0.8007748 | 0.9658296 | 0.04766951 |
Alagoas | uf | Alagoas | 2013 | S016P | 0.7363261 | 0.5952972 | 0.8773550 | 0.09772144 |
Sergipe | uf | Sergipe | 2013 | S016P | 0.8148058 | 0.6825271 | 0.9470844 | 0.08282999 |
Bahia | uf | Bahia | 2013 | S016P | 0.7835843 | 0.6602149 | 0.9069537 | 0.08032921 |
⋮ | ⋮ | ⋮ | ⋮ | ⋮ | ⋮ | ⋮ | ⋮ | ⋮ |
São Luís2 | capital | São Luís | 2013 | S019P | 0.9581722 | 0.9012539 | 1.0150905 | 0.03030823 |
Teresina2 | capital | Teresina | 2013 | S019P | 0.8194882 | 0.6143240 | 1.0246524 | 0.12773525 |
Fortaleza2 | capital | Fortaleza | 2013 | S019P | 0.8828775 | 0.7011140 | 1.0646411 | 0.10504088 |
Natal2 | capital | Natal | 2013 | S019P | 1.0000000 | 1.0000000 | 1.0000000 | 0.00000000 |
João Pessoa2 | capital | João Pessoa | 2013 | S019P | 0.9526422 | 0.8914418 | 1.0138427 | 0.03277755 |
Recife2 | capital | Recife | 2013 | S019P | 0.9312556 | 0.7991790 | 1.0633323 | 0.07236175 |
Maceió2 | capital | Maceió | 2013 | S019P | 0.6667696 | 0.4682348 | 0.8653045 | 0.15191926 |
Aracaju2 | capital | Aracaju | 2013 | S019P | 1.0000000 | 1.0000000 | 1.0000000 | 0.00000000 |
Salvador2 | capital | Salvador | 2013 | S019P | 0.9061513 | 0.8027874 | 1.0095153 | 0.05819962 |
Belo Horizonte2 | capital | Belo Horizonte | 2013 | S019P | 0.8589035 | 0.7194189 | 0.9983881 | 0.08285789 |
Vitória2 | capital | Vitória | 2013 | S019P | 0.9504570 | 0.8525153 | 1.0483988 | 0.05257597 |
Rio de Janeiro5 | capital | Rio de Janeiro | 2013 | S019P | 0.8942121 | 0.7758989 | 1.0125253 | 0.06750635 |
São Paulo4 | capital | São Paulo | 2013 | S019P | 0.9311288 | 0.8760755 | 0.9861821 | 0.03016655 |
Curitiba2 | capital | Curitiba | 2013 | S019P | 0.9580169 | 0.8800529 | 1.0359810 | 0.04152151 |
Florianópolis2 | capital | Florianópolis | 2013 | S019P | 0.8589080 | 0.7491412 | 0.9686748 | 0.06520431 |
Porto Alegre2 | capital | Porto Alegre | 2013 | S019P | 0.9624795 | 0.8887895 | 1.0361696 | 0.03906333 |
Campo Grande2 | capital | Campo Grande | 2013 | S019P | 0.9676684 | 0.9068128 | 1.0285241 | 0.03208679 |
Cuiabá2 | capital | Cuiabá | 2013 | S019P | 0.9668783 | 0.9086181 | 1.0251384 | 0.03074339 |
Goiânia2 | capital | Goiânia | 2013 | S019P | 0.9806624 | 0.9421503 | 1.0191746 | 0.02003687 |
Brasília2 | capital | Brasília | 2013 | S019P | 0.9428326 | 0.8654071 | 1.0202581 | 0.04189879 |
Fundamental incompleto ou equivalente2 | gescol | Fundamental incompleto ou equivalente | 2013 | S019P | 0.7628161 | 0.6988318 | 0.8268003 | 0.04279619 |
Médio incompleto ou equivalente2 | gescol | Médio incompleto ou equivalente | 2013 | S019P | 0.8941055 | 0.8442370 | 0.9439740 | 0.02845703 |
Superior incompleto ou equivalente2 | gescol | Superior incompleto ou equivalente | 2013 | S019P | 0.9054178 | 0.8755653 | 0.9352703 | 0.01682225 |
Superior completo2 | gescol | Superior completo | 2013 | S019P | 0.9621193 | 0.9268137 | 0.9974248 | 0.01872258 |
S016PSim | total | Brasil | 2013 | S016P | 0.8509319 | 0.8234418 | 0.8784220 | 0.01648289 |
S016PSim1 | total | Capital | 2013 | S016P | 0.8947766 | 0.8621891 | 0.9273641 | 0.01858181 |
S018PSim | total | Brasil | 2013 | S018P | 0.7514091 | 0.7184669 | 0.7843514 | 0.02236807 |
S018PSim1 | total | Capital | 2013 | S018P | 0.8049977 | 0.7689407 | 0.8410546 | 0.02285318 |
S019PSim | total | Brasil | 2013 | S019P | 0.8763847 | 0.8526117 | 0.9001576 | 0.01384011 |
S019PSim1 | total | Capital | 2013 | S019P | 0.9166140 | 0.8907343 | 0.9424937 | 0.01440536 |
diretorio_saida <- "<coloque aqui o diretório>"
write.table(matrizIndicadores,file=paste0(diretorio_saida,"Indicadores_2013S_R.csv"),sep = ";",dec = ",",row.names = FALSE)