#Remove all ojbects
rm(list=ls())

#Define o diretório de trabalho. Insira o caminho entre aspas e com duas barras \\ como no caminho abaixo
setwd("C://Users//Masters//Dropbox//Murillo//USP//Métodos.2019//Métodos II//Metodos2 - Analise de Dados I")

# Checa se o diretório está correto
getwd()

#Pacotes

install.packages("foreign")
install.packages("ggplot2")
install.packages("effects")
install.packages("gridExtra")
install.packages("tidyverse")
install.packages("psych")
install.packages("descr")
install.packages("reshape2")
install.packages("ggpubr")


require(foreign)
require(ggplot2)
require(effects)
require(gridExtra)
require(tidyverse)
require(psych)
require(descr)
require(reshape2)
library(dplyr)
library(tidyr)
library(scales)
require (ggpubr)

#Lendo do arquivo SPSS

pnad.rj.2014<-read.spss("PNAD.2014.RJ.2.sav", use.value.labels = TRUE, to.data.frame = TRUE, reencode = NA)
attach(pnad.rj.2014)

#Média, mediana e amplitude - anos de estudo (v4803) e rendimento mensal do trabalho principal (v4719)

mean(v4803, na.rm=TRUE)
mean(v4719, na.rm=TRUE)

median(v4803, na.rm=TRUE)
median(v4719, na.rm=TRUE)

range(v4803, na.rm=TRUE)
range(v4719, na.rm=TRUE)

#Quantis

Q1 <- quantile(pnad.rj.2014$v4719, probs = 0.25, na.rm=TRUE)
Q2 <- quantile(pnad.rj.2014$v4719, probs = 0.50, na.rm=TRUE)
Q3 <- quantile(pnad.rj.2014$v4719, probs = 0.75, na.rm=TRUE)

Q1
Q2
Q3

#Box-plot

boxplot(pnad.rj.2014$v4803, col="lightblue", main="Anos de estudo")

boxplot(v4803~sexo.dummy, data=pnad.rj.2014, main="Anos de estudo por Sexo", xlab="Sexo", ylab="Anos de Estudo", na.rm=TRUE)

#Comparando grupos

pnad.rj.2014.2<- subset(pnad.rj.2014, v4719 < 5000)
attach(pnad.rj.2014.2)

#Sumário descritivo

summary(v4803, na.rm=TRUE)
summary(v4719, na.rm=TRUE)

#Sumário descritivo comparativo (homens e mulheres)

describe.by(v4803, sexo.dummy, na.rm=TRUE)
describe.by(v4719, sexo.dummy, na.rm=TRUE)

#Box-plot comparativo (renda do trabalho)

boxplot(v4719~sexo.dummy, data=pnad.rj.2014.2, main="Renda Trabalho por Sexo", xlab="Sexo", ylab="Renda mensal", na.rm=TRUE)

#Histogramas

hist(v4719, breaks=20)
hist(v4803, breaks=10)

x=pnad.rj.2014.2$Zln.rpc.dom
hist(x, breaks=50, probability=TRUE, col="lightblue",
main="Renda per capita domiciliar",ylab="Densidade",
ylim=c(0,0.75),xlim=c(-4,4))
curve(dnorm(x),add=T)

#Correlação

wbgi<-read.spss("World.Bank.Gender.Inequalities.2013.sav", use.value.labels = TRUE, to.data.frame = TRUE, reencode = NA)
attach(wbgi)

cor(SE.SCH.LIFE.FE,SP.ADO.TFRT, use = "complete.obs")

corr.test(SE.SCH.LIFE.FE,SP.ADO.TFRT, use = "complete.obs")

ggscatter(wbgi, x = "SE.SCH.LIFE.FE", y = "SP.ADO.TFRT", 
          add = "reg.line", conf.int = TRUE, 
          cor.coef = TRUE, cor.method = "pearson",
          xlab = "Expectativa de escolarização - mulheres", ylab = "nascimentos 15-19/1.000")

#Frequencias

attach(pnad.rj.2014)

freq(v4803, v4729,plot = FALSE)
freq(v4803, v4729,plot = TRUE)

#Tabelas de contingência

attach(pnad.rj.2014)

#Acesso à internet - Tabelas, percentuais e gráfico pizza

table (v06111)
prop.table (table (v06111))
x<-c(62.74, 37.25)
labels<-c("sim", "não")
pie(x,labels=x, main = "Acesso à internet",col = rainbow(length(x)))
legend("topright", c("sim", "não"), cex = 0.8, fill = rainbow(length(x)))


#Participação no MT - Tabelas Bivariadas e Qui-quadrado

attach(pnad.rj.2014)

tabela1 <- table(v4704,sexo.dummy)
tabela1

prop.table(tabela1)
prop.table(tabela1, 1)
prop.table(tabela1, 2)

summary(tabela1)


##Trabalho na semana de referência - Tabelas Bivariadas e Qui-quadrado

tabela2 <- table(trab.sem,sexo.dummy)
tabela2

prop.table(tabela2)
prop.table(tabela2, 1)
prop.table(tabela2, 2)

summary(tabela2)











peso<-"V4729"