-
Notifications
You must be signed in to change notification settings - Fork 0
/
regressao_alunos.R
245 lines (190 loc) · 10.4 KB
/
regressao_alunos.R
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
129
130
131
132
133
134
135
136
137
138
139
140
141
142
143
144
145
146
147
148
149
150
151
152
153
154
155
156
157
158
159
160
161
162
163
164
165
166
167
168
169
170
171
172
173
174
175
176
177
178
179
180
181
182
183
184
185
186
187
188
189
190
191
192
193
194
195
196
197
198
199
200
201
202
203
204
205
206
207
208
209
210
211
212
213
214
215
216
217
218
219
220
221
222
223
224
225
226
227
228
229
230
231
232
233
234
235
236
237
238
239
240
241
242
243
244
245
# Proficiência alunos Saeb 2013-2019 - Rio de Janeiro
# Author: Victor Alcantara (PPGSA/UFRJ)
# Date: 15.05.21
# 0. Packages and Setup ======================================================
library(tidyverse)
library(readxl)
# 1. Openning data ===========================================================
# Diretório com as bases de dados que iremos trabalhar guardado no objeto 'wd'
wd <- "C:/Users/VictorGabriel/documents/00_dados/EDUCACAO/"
wd <- "E:/VGA/dados/"
setwd(wd)
ano = seq(from=2013,to=2019,by=2) # anos em que Saeb passou a ser censitário
saeb <- list(s13 = data.frame(), s15 = data.frame(), s17 = data.frame(),
s19 = data.frame())
for(i in c(2:3)) { # 2013-2017
saeb[[i]] <- read_csv(paste0(wd,"SAEB/",ano[i],"/DADOS/TS_ALUNO_9EF.csv")) %>%
select(
ID_UF, ID_MUNICIPIO,ID_LOCALIZACAO,ID_REGIAO, ID_ESCOLA,
PROFICIENCIA_LP_SAEB, PROFICIENCIA_MT_SAEB,
#ERRO_PADRAO_LP_SAEB,ERRO_PADRAO_MT_SAEB,
IN_PROVA_BRASIL,IN_PREENCHIMENTO_PROVA,IN_PREENCHIMENTO_QUESTIONARIO,
TX_RESP_Q001, # Sexo
TX_RESP_Q002, # Raça
TX_RESP_Q004, # Idade
TX_RESP_Q046, # Quando entrou na Escola
TX_RESP_Q048, # ja foi reprovado
TX_RESP_Q049, # ja abandonou a escola
TX_RESP_Q044, # trabalho doméstico
TX_RESP_Q045, # Trabalha atualmente
TX_RESP_Q057 # Pretensão após EF (trabalhar, estudar, os dois)
)
gc()
}
for(i in c(4)) { # 2019
saeb[[i]] <- read_csv(paste0(wd,"SAEB/",ano[i],"/DADOS/TS_ALUNO_9EF.csv")) %>%
select(
ID_UF, ID_MUNICIPIO,ID_LOCALIZACAO,ID_REGIAO, ID_ESCOLA,
PROFICIENCIA_LP_SAEB, PROFICIENCIA_MT_SAEB,PROFICIENCIA_CN_SAEB,PROFICIENCIA_CH_SAEB,
#ERRO_PADRAO_LP_SAEB,ERRO_PADRAO_MT_SAEB,
#IN_PREENCHIMENTO_LP,IN_PREENCHIMENTO_MT,IN_PREENCHIMENTO_CN,IN_PREENCHIMENTO_CH,
IN_PREENCHIMENTO_QUESTIONARIO,
TX_RESP_Q002, # Raça
TX_RESP_Q004, # Idade
TX_RESP_Q013, # Quando entrou na Escola
TX_RESP_Q015, # ja foi reprovado
TX_RESP_Q016, # ja abandonou a escola
#TX_RESP_Q017c,# trabalho doméstico
#TX_RESP_Q017e,# Trabalha atualmente
TX_RESP_Q019 # Pretensão após EF (trabalhar, estudar, os dois)
)
gc()
}
# Indicadores construidos
load("capitalCultural.RDS")
load("capitalEconomico.RDS")
# Regioes
regioes <- read_excel(paste0(wd,"RELATORIO_DTB_BRASIL_MUNICIPIO.xls")) %>%
select(UF, Nome_Mesorregião,Nome_Microrregião,Codigo_Municipio_Completo, Nome_Município) %>%
rename(.,
ID_MUNICIPIO = Codigo_Municipio_Completo,
ID_UF = UF)
# Random sample to work
# for(i in 2:5){ for(j in 1:4){
# randcases <- sample(c(T,F,F,F,F),size=nrow(saeb[[j]]),replace = T)
# my_saeb[[i]] <- saeb[[j]][randcases,]
# }}
#
# save(my_saeb,file="mysaeb_sample.RDS")
# 2. Data management ----------------------------------------------------------
my_saeb <- list(s13 = data.frame(), s15 = data.frame(),
s17 = data.frame(),s19 = data.frame())
for(i in 1:3) {
my_saeb[[i]] <- saeb[[i]] %>% mutate(.,
regiao = case_when(
ID_REGIAO == 1 ~ "NO",
ID_REGIAO == 2 ~ "NE",
ID_REGIAO == 3 ~ "SE",
ID_REGIAO == 4 ~ "SU",
ID_REGIAO == 5 ~ "CO"
),
TX_RESP_Q020 = case_when(
ID_LOCALIZACAO == 1 ~ "rural",
ID_LOCALIZACAO == 2 ~ "urbana"
),
fluxo = ifelse(TX_RESP_Q048 == "A" & TX_RESP_Q049 == "A","Regular","Irregular"),
sexo =
case_when(
TX_RESP_Q001 == "A" ~ "A-Masculino",
TX_RESP_Q001 == "B" ~ "B-Feminino"),
raca = case_when(
TX_RESP_Q002 == "A" ~ "branca",
TX_RESP_Q002 == "B" ~ "preta",
TX_RESP_Q002 == "C" ~ "parda",
TX_RESP_Q002 == "D" ~ "amarela",
TX_RESP_Q002 == "E" ~ "indigena",
TX_RESP_Q002 == "F" ~ "ND",
),
raca2 = case_when(
TX_RESP_Q002 == "A" ~ "Brancos",
TX_RESP_Q002 == "B" ~ "Não brancos",
TX_RESP_Q002 == "C" ~ "Não brancos",
TX_RESP_Q002 == "D" ~ "Brancos",
TX_RESP_Q002 == "E" ~ "Não brancos",
TX_RESP_Q002 == "F" ~ "ND"),
trabFora =
case_when(
TX_RESP_Q045 == "A" ~ "A-Sim",
TX_RESP_Q045 == "B" ~ "B-Não"),
trabDom =
case_when(
TX_RESP_Q044 == "A" ~ "1-2h",
TX_RESP_Q044 == "B" ~ "1-2h",
TX_RESP_Q044 == "C" ~ "3-4h",
TX_RESP_Q044 == "D" ~ "3-4h",
TX_RESP_Q044 == "E" ~ "0"),
) }
# Imputando capitais na base dos alunos
for( i in c(3) ) { for( j in c(4) ) {
my_saeb[[i]]$CC <- capitalCultural[[j]]$CC
my_saeb[[i]]$CE <- capitalEconomico[[j]]$CE
my_saeb[[i]]$CC2 <- capitalCultural[[j]]$CC2
my_saeb[[i]]$CE2 <- capitalEconomico[[j]]$CE2
}}
# Somente alunos que preencheram a prova
for(i in 1:3) {
my_saeb[[i]] <- my_saeb[[i]] %>% filter(IN_PREENCHIMENTO_PROVA == 1)
}
# Verificando correlação entre variáveis do modelo
# cor(data) = matriz com correlações
# - diagonal são cor entre a mesma variável = 1
my_matrix <- list(s13 = data.frame(), s15 = data.frame(),
s17 = data.frame(),s19 = data.frame())
for(i in 1:3) {
my_matrix[[i]] <- my_saeb[[i]] %>% select(PROFICIENCIA_LP_SAEB,PROFICIENCIA_MT_SAEB,
CC, CE) %>% na.exclude() %>% as.matrix()}
t<-cor(my_matrix[[1]])
# Regressões -------------------------------------------------------------------
regLP <- data.frame(intercepto = NA, CE = NA,
pardo = NA, preto = NA, amarelo = NA, indigena = NA, ND = NA,
feminino = NA, Regular = NA, trabalha = NA)
regMT <- data.frame(intercepto = NA, CE = NA, CC = NA,
pardo = NA, preto = NA, amarelo = NA, indigena = NA, ND = NA,
feminino = NA, Regular = NA, trabalha = NA)
for(i in 1) {
regressao <- lm(PROFICIENCIA_LP_SAEB ~ CE + raca + sexo + fluxo + trabFora, data = my_saeb[[i]])
regLP[i,] <- coef(regressao)
print(summary(regressao))
}
for(i in 1:3) {
regressao <- lm(PROFICIENCIA_MT_SAEB ~ CE + raca + sexo + fluxo + trabFora, data = my_saeb[[i]])
regMT[i,] <- coef(regressao)
print(summary(regressao))
}
# Invertendo a tabela para o formato longo
regressaoLP <- t(regLP)
colnames(regressaoLP) <- c("s13", "s15", "s17")
regressaoMT <- t(regMT)
colnames(regressaoMT) <- c("s13", "s15", "s17")
# Salvando tabelas com o coeficientes da regressão
setwd(wd)
write.csv(regressaoLP, file = "regressaoLP.csv")
write.csv(regressaoMT, file = "regressaoMT.csv")
# Grupos para comparação
MeninosBrancos <- my_saeb[[4]] %>% filter(sexo == "A-Masculino",
raca == "A-Branca",
trabalha == "B-Não",
fluxo == "Regular",
CE3 == "Alto",
CC3 == "Alto")
MeninosNegros <- my_saeb[[4]] %>% filter(sexo == "A-Masculino",
raca == "C-Preta",
trabalha == "A-Sim",
fluxo == "Irregular",
CE3 == "Baixo",
CC3 == "Baixo")
MeninasBrancas <- my_saeb[[4]] %>% filter(sexo == "B-Feminino",
raca == "A-Branca",
CapitalEconomico == "Alto",
CapitalCultural == "Alto")
MeninasNegras <- my_saeb[[4]] %>% filter(sexo == "B-Feminino",
raca == "C-Preta",
CapitalEconomico == "Baixo",
CapitalCultural == "Baixo")
prop.table(table(MeninosBrancos$GostaMT))
prop.table(table(MeninasNegras$GostaMT))
mean(MeninasBrancas$PROFICIENCIA_LP_SAEB, na.rm = T)
mean(MeninasNegras$PROFICIENCIA_LP_SAEB, na.rm = T)
prop.table(table(MeninasBrancas$pretensao))
prop.table(table(MeninasNegras$pretensao))
my_saeb[[4]] %>% group_by(sexo) %>% table(.$trabDomestico)