El problema

La variable nivel_ed_psh no existe, pero la información para crear está disponible.

• Para PSH y cónyugue de PSH hay una medición directa. En la base de datos de hogares las variables v241a y v244a reportan el máximo nivel educativo alcanzado PSH y cónyugue respectivamente. La columna v111 de la base de datos personas clasifica a las peronas por Parentesco con el PSH, por lo que podemos usarla para filtrar estos casos.

• Para quienes no son PSH o cónyugue de PSH no tenemos esta información directamente consignada. Sin embargo sabemos que cada persona pertenece a un hogar y podemos identificar al PSH de ese hogar y consultar el máximo nivel educativo de esa persona en la variable nivel_ed. Así imputamos un valor de nivel educativo del PSH para sus hijos/hijas, hijastros y hijastras. Los valores que obtenemos no son exactamente los mismos que en el caso anterior, ya que las preguntas v241a y v244a registran en máximo nivel educativo del PSH a los 15 años de edad de la persona. En esta imputación por hogar las edades de las personas no son necesariamente 15 años al registro de la escolaridad del PSH, en realidad es la edad que tienen al momento de la encuesta. Esta situación no es la ideal, pero son los datos que hay.

• En el caso de nietos se imputará también el nivel educativo del PSH del hogar. Esto es consistente con la forma en la que está medida las variables v241a y v244a que usamos como referencia. Es decir, el análisis subsiguiente no será sobre movilidad educativa entre padres/madres e hijos/hijas, sino entre el nivel educativo del PSH del hogar orígen y la persona al momento de la encuesta.

• Con el objetivo de ampliar tanto como sea posible al imputación de esta variable para adultos se imputará a quienes tienen relación de parentesco “Hermano/a” de PSH el mismo nivel educativo del PSH de orígen del PSH actual. En términos prácticos, si un PSH indica que a los 15 años el PSH del hogar en el que vivía tenía educación primaria a su hermano/a se le inputará el mismo valor. Se asume, por lo tanto, que vivían en el mismo hogar, aún cuando pudiera no ser el caso.

Enfoque del problema

Se enfoca el problema como un problema de imputación selectiva por subconjuntos. Para cada categoría de parentesco registrada en v111 se buscará una solución ad hoc. Resuelto el problema para cada subconjunto estos se reúnen en una sola tabla y se unen con el resto de los datos de la base personas con un join que usa las variables clave nocues, nhog y miembro. Estas variables permiten identificar a cada individuo.

\(n\) por relación de parentescto

# Una lista de listas de recodificación, más adelante agregaremos elementos.

reco <- list(
imputabilidad = list(
imputables = c("PSH", "Cónyuge", 
               "Hijo/a (incluye hijastro/a)", 
               "Hermano/a", "Nieto/a"),
inimputables = c("Yerno/Nuera", "Cuñado/a", 
                 "Padre/Madre/Suegro/Suegra", "Otros familiares", 
                 "Servicio doméstico", "Otros no familiares") )
)

personas %>% 
  select(v111) %>% 
  count(v111) %>% 
  as_factor() %>% 
  knitr::kable(caption = "Frecuencias de relación de parentesco con PSH")

personas %>% 
  select(v111) %>% 
  as_factor() %>% 
  mutate(imputabilidad = fct_collapse(v111, !!!reco$imputabilidad)) %>% 
  count(imputabilidad) %>% 
  mutate(proporción = n / sum(n)) %>% 
  knitr::kable(caption = "Proporción de n imputable")

Con este procedimiento potencialmente tenemos datos para imputar un 95% de la n. Digo potencialmente porque podrían haber información faltante que reduzca este número, pero es un buen punto de partida. A pesar de una proporción alta hay algunos sesgos que podrían introducirse al hacer esta selecció. Es esperable que los imputados sean un poco más jóvenes que el total, porque no se imputan Madre/Padre de PSH.

Nivel máximo de escolaridad de PSH de PSH

Este caso es relativamente simple, se filtra a “PSH” y “Hermano/a” y se toma el valor de la variable v241a como niveled_psh.

unida %>% 
  select(nocues, nhog, miembro, v111, v240a ) %>% 
  as_factor() %>% 
  filter(v111 %in% c("PSH", "Hermano/a")) %>% 
  rename(niveled_psh = v240a, parentesco = v111) %>% 
  as_factor() -> niveled_PSH_PSH_o_hermano

Nivel máximo del PSH del cónyugue del PSH

Igual al anterior.

unida %>% 
  select(nocues, nhog, miembro, v111, v244a ) %>% 
  as_factor() %>% 
  filter(v111 == "Cónyuge") %>% 
  rename(niveled_psh = v244a, parentesco = v111) -> niveled_PSH_cónyuge

Unión con el resto de los datos

Como el data.frame niveled_psh tiene las columnas de identificación de vivienda, hogar y miembro es muy fácil unirlo con la base de datos de personas. Simplemente hacemos un join por el lado izquierdo en el que obtendremos todas las filas de la base de datos personas y se rellenará con NA (missing) cuando no hay información sobre el nivel educativo del PSH.

left_join(personas, niveled_psh) %>% 
  count(niveled_psh, sort = TRUE) %>% 
  mutate(cat = 1:n())

## # A tibble: 20 x 3
##    niveled_psh                                                           n   cat
##    <fct>                                                             <int> <int>
##  1 Primario                                                           7131     1
##  2 Primaria/EGB completo                                              3350     2
##  3 Secundario/Polimodal completo                                      2611     3
##  4 sin_información                                                    2467     4
##  5 Secundario/Polimodal incompleto                                    2206     5
##  6 Secundario                                                         1962     6
##  7 Primaria/EGB incompleto                                            1652     7
##  8 <NA>                                                               1368     8
##  9 Ninguno                                                            1033     9
## 10 Universitario completo                                              794    10
## 11 Terciario completo                                                  790    11
## 12 Universitario incompleto                                            513    12
## 13 Universitario                                                       472    13
## 14 Terciario                                                           437    14
## 15 Terciario incompleto                                                321    15
## 16 Sin instrucción (incluye nunca asistió o sólo asistió a sala de …   311    16
## 17 EGB                                                                 110    17
## 18 Polimodal                                                            36    18
## 19 Posgrado Universitario                                               32    19
## 20 Educación especial                                                   14    20

Aquí se presentan varios problemas:

• Hay demasiadas (20) categorías y algunas se superponen. Las variables v241a y v244a no tienen las mismas categorías que nivel_ed. Será necesario compactarlas.
• Los NA son los casos inimputables, será necesario indicarlo como tal.

Esquemas de recodificación

reco$niveled_psh <-  list(ninguno = c("Sin instrucción (incluye nunca asistió o sólo asistió a sala de 5)", "Primaria/EGB incompleto", "Ninguno"),
             primaria = c( "Primario","Primaria/EGB completo", "Secundario/Polimodal incompleto", "EGB"), 
             secundaria = c("Secundario/Polimodal completo", "Terciario incompleto", "Secundario", "Polimodal"), 
             terciario = c( "Terciario", "Terciario completo", "Universitario incompleto"), 
             universitario = c("Universitario completo", "Universitario", "Posgrado Universitario"), 
             otro = c("Educación especial"))

reco$niveled_psh %>% 
  map_df(~`length<-`(.x, 3)) %>% 
  gather("Código nuevo", "Códigos originales") %>% 
  drop_na() %>%
  knitr::kable(caption = "Recodificación de la variable Nivel Educativo del PSH")

reco$nivel_ed <- list(ninguno = c("Sin instrucción (incluye nunca asistió o sólo asistió a sala de 5)", "Primaria/EGB incompleto"),
             primaria = c("Primaria/EGB completo", "Secundario/Polimodal incompleto"), 
             secundaria = c("Secundario/Polimodal completo", "Terciario incompleto"), 
             terciario = c("Terciario completo", "Universitario incompleto"), 
             universitario = "Universitario completo", 
             otro = c("Educación especial", "NS/NR"))

reco$nivel_ed %>% 
  map_df(~`length<-`(.x, 2)) %>% 
  gather("Código nuevo", "Códigos originales") %>% 
  drop_na() %>% 
  knitr::kable(caption = "Recodificación de la variable Nivel Educativo de la persona")

Tabla de movilidad (toma 1)

left_join(personas, niveled_psh) %>% 
  filter(v108 > 29) %>% 
  select(niveled_psh, nivel_ed, f_calib3, v108) %>% 
  mutate(niveled_psh = as.factor(niveled_psh), 
         nivel_ed = as_factor(nivel_ed),
         niveled_psh = fct_collapse(niveled_psh, !!!reco$niveled_psh ),
         niveled_psh = fct_relevel(niveled_psh, !!!names(reco$niveled_psh)),
         niveled_psh = fct_explicit_na(niveled_psh, "inimputable"),
         nivel_ed = fct_collapse(nivel_ed, !!!reco$nivel_ed), 
         v108 = cut_interval(v108, 3)) %>%
  count(niveled_psh, nivel_ed,  wt = f_calib3) -> nivel_ed_x_nivelel_psh

nivel_ed_x_nivelel_psh %>% 
  spread(nivel_ed, n, 0) %>% 
  knitr::kable(caption = "Frecuencia condicional de nivel educativo de la persona y su PSH.^[Aplica ponderador muestral]")

Tabla de movilidad (proporción de Nivel educativo del PSH)

Las columnas indican el nivel eductativo del PSH, las filas el nivel educativo de la persona.

Ejp: un 6.4% de las persona mayores de 30 años que lograron educación primaria vivieron/viven en un hogar cuyo PSH alcanzó educación universitaria.

nivel_ed_x_nivelel_psh %>% 
  group_by(niveled_psh) %>% 
  mutate(prop = n / sum(n), 
         prop = scales::percent(prop)) %>% 
  select(-n) %>% 
  spread(niveled_psh, prop, 0) %>% 
    knitr::kable(caption = "Nivel educativo de orígen y destino. Proporción de nivel según el orígen ^[Aplica ponderador muestral]")

nivel_ed_x_nivelel_psh %>% 
  group_by(nivel_ed) %>% 
  mutate(prop = n / sum(n), 
         prop = scales::percent(prop)) %>% 
  select(-n) %>% 
  spread(niveled_psh, prop, 0) %>% 
    knitr::kable(caption = "Proporción de orígen según destino^[Aplica ponderador muestral]")

library(ggalluvial)
nivel_ed_x_nivelel_psh %>% 
ggplot(aes(y = n, axis1 = niveled_psh, axis2 = nivel_ed)) +
  geom_alluvium(aes(fill = niveled_psh), width = 1/12) +
  geom_stratum(width = 1/12, color = "grey") +
  geom_label(stat = "stratum", infer.label = TRUE) +
  scale_y_continuous(sec.axis = dup_axis(name = "Nivel educativo de la persona")) +
  theme_minimal() +
  theme(legend.position = "none", 
        axis.text = element_blank()) +
  labs(x = NULL, 
       y = "Nivel educativo del PSH", 
       title = "Movilidad educativa intergeneracional")

library(ggforce)

left_join(personas, niveled_psh) %>% 
  select(niveled_psh, nivel_ed, v108) %>% 
  filter(v108 > 29) %>% 
  mutate(niveled_psh = as.factor(niveled_psh), 
         nivel_ed = as_factor(nivel_ed),
         niveled_psh = fct_collapse(niveled_psh, !!!reco$niveled_psh ),
         niveled_psh = fct_relevel(niveled_psh, !!!names(reco$niveled_psh)),
         niveled_psh = fct_explicit_na(niveled_psh, "inimputable"),
         nivel_ed = fct_collapse(nivel_ed, !!!reco$nivel_ed), 
# Grupos de edad
         edad = cut(v108, 
                    breaks = c(-Inf, 40, 50, 65, Inf), 
                    labels = c("30-40 años", "41-50 años", "51-65", "65 o más" ))) %>%  
  rename("Nivel educativo\ndel PSH" = niveled_psh, 
         "Nivel educativo\nde la persona" = nivel_ed) %>% 
# Filtrar eliminando las categorías con poca información
  filter_all(all_vars(!. %in% c("otro", "sin_información", "inimputable"))) %>%
#Preparar los datos para el gráfico  
  gather_set_data(c(1:2)) %>% 
# Reordenar el factor para que los ejes en el gráfico tengan este órden el eje x
  mutate(x = factor(x, levels = c("Nivel educativo\ndel PSH", "Nivel educativo\nde la persona"))) %>% 
  ggplot(aes(x, id = id, split = y, value = 1))  +
    geom_parallel_sets(aes(fill = `Nivel educativo\nde la persona`), show.legend = FALSE, alpha = 0.3) +
    geom_parallel_sets_axes(axis.width = 0.1, color = "lightgrey", fill = "white") +
    geom_parallel_sets_labels(angle = 0) + 
    scale_x_discrete(expand = c(0.08, 0.08)) + 
    facet_wrap(~edad, scales = "free") + 
    theme_minimal() +
    theme(axis.text.y = element_blank()) + 
    labs(title = "Movilidad educativa intergeneracional en Argentina", 
         subtitle = "Por grupos de edad a 2015", 
         caption = "n = 13912. Mayores de 30 años con información completa sobre nivel educativo propio y del PSH
         Elaboración propia con datos de la ENES-PISAC", 
         x = NULL)