A importância do setor no salário na Suécia, uma comparação entre diferentes grupos ocupacionais, parte 3

cupom com desconto - o melhor site de cupom de desconto cupomcomdesconto.com.br


[Esteartigofoipublicadopelaprimeiravezem[Thisarticlewasfirstpublishedon

R Analystatistics Sweden
, e gentilmente contribuiu para os R-blogueiros]. (Você pode relatar um problema sobre o conteúdo desta página aqui)


Deseja compartilhar seu conteúdo com R-blogueiros? clique aqui se você tiver um blog ou aqui se não tiver.

Para concluir a análise sobre a significância do setor no salário para diferentes grupos ocupacionais na Suécia, examinarei neste post a correlação entre salário e setor usando estatísticas para educação.

O valor F da tabela Anova é usado como o valor único para discriminar o quanto a região e o salário se correlacionam. Para análise exploratória, o valor Anova parece bom o suficiente.

Primeiro, defina bibliotecas e funções.

library (tidyverse)
## -- Attaching packages --------------------------------------------------- tidyverse 1.3.0 --
## v ggplot2 3.2.1     v purrr   0.3.3
## v tibble  2.1.3     v dplyr   0.8.3
## v tidyr   1.0.2     v stringr 1.4.0
## v readr   1.3.1     v forcats 0.4.0
## -- Conflicts ------------------------------------------------------ tidyverse_conflicts() --
## x dplyr::filter() masks stats::filter()
## x dplyr::lag()    masks stats::lag()
library (broom)
library (car)
## Loading required package: carData
## 
## Attaching package: 'car'
## The following object is masked from 'package:dplyr':
## 
##     recode
## The following object is masked from 'package:purrr':
## 
##     some
library (sjPlot)
## Registered S3 methods overwritten by 'lme4':
##   method                          from
##   cooks.distance.influence.merMod car 
##   influence.merMod                car 
##   dfbeta.influence.merMod         car 
##   dfbetas.influence.merMod        car
## Learn more about sjPlot with 'browseVignettes("sjPlot")'.
readfile %
  gather (starts_with("19"), starts_with("20"), key = "year", value = salary) %>%
  drop_na() %>%
  mutate (year_n = parse_number (year))
}

A tabela de dados é baixada do Statistics Sweden. Ele é salvo como um arquivo delimitado por vírgula sem cabeçalho, 000000CY.csv, http://www.statistikdatabasen.scb.se/pxweb/en/ssd/.

Renomeei o arquivo para 000000CY_sector.csv porque o nome do arquivo 000000CY.csv foi usado em uma postagem anterior.

A tabela: Salário básico médio, salário mensal e salário das mulheres como porcentagem do salário de homens por setor, grupo ocupacional (SSYK 2012), sexo e nível de escolaridade (SUN). Ano 2014 – 2018 Salário mensal 1-3 setor público 4-5 setor privado

No gráfico e nas tabelas, também é possível encontrar informações sobre como o aumento dos salários por ano para cada grupo ocupacional é afetado quando as interações são levadas em consideração.

tb % 
  mutate(edulevel = `level of education`)

numedulevel %
  knitr::kable(
  booktabs = TRUE,
  caption = 'Initial approach, length of education') 
Tabela 1: Abordagem inicial, duração da educação
nível de educaçãoeduyears
ensino primário e secundário 9-10 anos (CITE97 2)9
ensino secundário superior, 2 anos ou menos (CITE97 3C)11
ensino secundário superior 3 anos (ISCED97 3A)12
ensino pós-secundário, menos de 3 anos (CITE97 4 + 5B)14
ensino pós-secundário 3 anos ou mais (CITE97 5A)15
educação de pós-graduação (ISCED97 6)19
nenhuma informação sobre o nível de escolaridadeN / D
tbnum % 
  right_join(numedulevel, by = c("level of education" = "level.of.education")) %>%
  filter(!is.na(eduyears)) %>%
  mutate(eduyears = factor(eduyears))
## Warning: Column `level of education`/`level.of.education` joining character
## vector and factor, coercing into character vector
summary_table = vector()
anova_table = vector()

for (i in unique(tbnum$`occuptional  (SSYK 2012)`)){
  temp  90){
    model <- lm(log(salary) ~ edulevel + sex + year_n + sector, data = temp)
    summary_table <- rbind (summary_table, mutate (tidy (summary (model)), ssyk = i, interaction = "none"))
    anova_table <- rbind (anova_table, mutate (tidy (Anova (model, type = 2)), ssyk = i, interaction = "none"))  
  
    model <- lm(log(salary) ~ edulevel * sector + sex + year_n, data = temp)
    summary_table <- rbind (summary_table, mutate (tidy (summary (model)), ssyk = i, interaction = "sector and edulevel"))
    anova_table <- rbind (anova_table, mutate (tidy (Anova (model, type = 2)), ssyk = i, interaction = "sector and edulevel"))  
    
    model <- lm(log(salary) ~ edulevel + sector * sex + year_n, data = temp)
    summary_table <- rbind (summary_table, mutate (tidy (summary (model)), ssyk = i, interaction = "sector and sex"))
    anova_table <- rbind (anova_table, mutate (tidy (Anova (model, type = 2)), ssyk = i, interaction = "sector and sex"))  
    
    model <- lm(log(salary) ~ edulevel +  year_n * sector + sex, data = temp)
    summary_table <- rbind (summary_table, mutate (tidy (summary (model)), ssyk = i, interaction = "sector and year"))
    anova_table <- rbind (anova_table, mutate (tidy (Anova (model, type = 2)), ssyk = i, interaction = "sector and year"))  
    
    model <- lm(log(salary) ~ edulevel * sector * sex * year_n, data = temp)
    summary_table <- rbind (summary_table, mutate (tidy (summary (model)), ssyk = i, interaction = "sector, year, edulevel and sex"))
    anova_table <- rbind (anova_table, mutate (tidy (Anova (model, type = 2)), ssyk = i, interaction = "sector, year, edulevel and sex"))      
  }
}
## Note: model has aliased coefficients
##       sums of squares computed by model comparison
## Note: model has aliased coefficients
##       sums of squares computed by model comparison
## Note: model has aliased coefficients
##       sums of squares computed by model comparison
## Note: model has aliased coefficients
##       sums of squares computed by model comparison
## Note: model has aliased coefficients
##       sums of squares computed by model comparison
## Note: model has aliased coefficients
##       sums of squares computed by model comparison
## Note: model has aliased coefficients
##       sums of squares computed by model comparison
## Note: model has aliased coefficients
##       sums of squares computed by model comparison
## Note: model has aliased coefficients
##       sums of squares computed by model comparison
## Note: model has aliased coefficients
##       sums of squares computed by model comparison
## Note: model has aliased coefficients
##       sums of squares computed by model comparison
## Note: model has aliased coefficients
##       sums of squares computed by model comparison
## Note: model has aliased coefficients
##       sums of squares computed by model comparison
## Note: model has aliased coefficients
##       sums of squares computed by model comparison
## Note: model has aliased coefficients
##       sums of squares computed by model comparison
## Note: model has aliased coefficients
##       sums of squares computed by model comparison
## Note: model has aliased coefficients
##       sums of squares computed by model comparison
## Note: model has aliased coefficients
##       sums of squares computed by model comparison
## Note: model has aliased coefficients
##       sums of squares computed by model comparison
## Note: model has aliased coefficients
##       sums of squares computed by model comparison
## Note: model has aliased coefficients
##       sums of squares computed by model comparison
## Note: model has aliased coefficients
##       sums of squares computed by model comparison
## Note: model has aliased coefficients
##       sums of squares computed by model comparison
## Note: model has aliased coefficients
##       sums of squares computed by model comparison
## Note: model has aliased coefficients
##       sums of squares computed by model comparison
## Note: model has aliased coefficients
##       sums of squares computed by model comparison
## Note: model has aliased coefficients
##       sums of squares computed by model comparison
## Note: model has aliased coefficients
##       sums of squares computed by model comparison
## Note: model has aliased coefficients
##       sums of squares computed by model comparison
## Note: model has aliased coefficients
##       sums of squares computed by model comparison
## Note: model has aliased coefficients
##       sums of squares computed by model comparison
## Note: model has aliased coefficients
##       sums of squares computed by model comparison
## Note: model has aliased coefficients
##       sums of squares computed by model comparison
## Note: model has aliased coefficients
##       sums of squares computed by model comparison
## Note: model has aliased coefficients
##       sums of squares computed by model comparison
## Note: model has aliased coefficients
##       sums of squares computed by model comparison
## Note: model has aliased coefficients
##       sums of squares computed by model comparison
## Note: model has aliased coefficients
##       sums of squares computed by model comparison
## Note: model has aliased coefficients
##       sums of squares computed by model comparison
## Note: model has aliased coefficients
##       sums of squares computed by model comparison
## Note: model has aliased coefficients
##       sums of squares computed by model comparison
## Note: model has aliased coefficients
##       sums of squares computed by model comparison
## Note: model has aliased coefficients
##       sums of squares computed by model comparison
## Note: model has aliased coefficients
##       sums of squares computed by model comparison
## Note: model has aliased coefficients
##       sums of squares computed by model comparison
## Note: model has aliased coefficients
##       sums of squares computed by model comparison
## Note: model has aliased coefficients
##       sums of squares computed by model comparison
## Note: model has aliased coefficients
##       sums of squares computed by model comparison
## Note: model has aliased coefficients
##       sums of squares computed by model comparison
## Note: model has aliased coefficients
##       sums of squares computed by model comparison
## Note: model has aliased coefficients
##       sums of squares computed by model comparison
## Note: model has aliased coefficients
##       sums of squares computed by model comparison
## Note: model has aliased coefficients
##       sums of squares computed by model comparison
## Note: model has aliased coefficients
##       sums of squares computed by model comparison
## Note: model has aliased coefficients
##       sums of squares computed by model comparison
## Note: model has aliased coefficients
##       sums of squares computed by model comparison
## Note: model has aliased coefficients
##       sums of squares computed by model comparison
## Note: model has aliased coefficients
##       sums of squares computed by model comparison
## Note: model has aliased coefficients
##       sums of squares computed by model comparison
## Note: model has aliased coefficients
##       sums of squares computed by model comparison
## Note: model has aliased coefficients
##       sums of squares computed by model comparison
## Note: model has aliased coefficients
##       sums of squares computed by model comparison
## Note: model has aliased coefficients
##       sums of squares computed by model comparison
anova_table % rowwise() %>% mutate(contcol = str_count(term, ":")) 

summary_table % rowwise() %>% mutate(contcol = str_count(term, ":"))

merge(summary_table, anova_table, by = c("ssyk", "interaction"), all = TRUE) %>%
  filter (term.x == "year_n") %>%
  filter (term.y == "sector") %>%    
  filter (interaction == "none") %>%
  
  mutate (estimate = (exp(estimate) - 1) * 100) %>%  
  ggplot () +
    geom_point (mapping = aes(x = estimate, y = statistic.y, colour = interaction)) +
    labs(
      x = "Increase in salaries (% / year)",
      y = "F-value for sector"
    )   
merge(summary_table, anova_table, by = c("ssyk", "interaction"), all = TRUE) %>%
  filter (term.x == "year_n") %>%
  filter (contcol.y > 0) %>%    
  # only look at the interactions between all four variables in the case with interaction sector, year, edulevel and sex
  filter (!(contcol.y % 
  
  mutate (estimate = (exp(estimate) - 1) * 100) %>%  
  ggplot () +
    geom_point (mapping = aes(x = estimate, y = statistic.y, colour = interaction)) +
    labs(
      x = "Increase in salaries (% / year)",
      y = "F-value for interaction"
    ) 

O significado da interação entre setor, nível de ensino, ano e sexo no salário na Suécia, uma comparação entre diferentes grupos ocupacionais, ano 2014 - 2018

Figura 2: A significância da interação entre setor, nível de ensino, ano e sexo no salário na Suécia, uma comparação entre diferentes grupos ocupacionais, ano 2014 - 2018

As tabelas com todos os grupos ocupacionais classificados por valor F em ordem decrescente.

cupom com desconto - o melhor site de cupom de desconto cupomcomdesconto.com.br
merge(summary_table, anova_table, c("ssyk", "interaction"), all = TRUE) %>%
  filter (term.x == "year_n") %>%
  filter (term.y == "sector") %>%   
  filter (interaction == "none") %>%
  mutate (estimate = (exp(estimate) - 1) * 100) %>%  
  select (ssyk, estimate, statistic.y, interaction) %>%
  rename (`F-value` = statistic.y) %>%
  rename (`Increase in salary` = estimate) %>%
  arrange (desc (`F-value`)) %>%
  knitr::kable(
    booktabs = TRUE,
    caption = 'Correlation for F-value (sector) and the yearly increase in salaries')
Mesa 2: Correlação do valor F (setor) e aumento anual de salários
ssykAumento de salárioValor Finteração
242 analistas de organizações, administradores de políticas e especialistas em recursos humanos1,609869515.5748558Nenhum
819 Técnicos de controle de processos2.250895467.4732796Nenhum
251 arquitetos, analistas de sistemas e gerentes de teste de TIC2.217446465.2253589Nenhum
331 Profissionais associados de finanças e contabilidade1,964825340.2901702Nenhum
962 Distribuidores de jornais, zeladores e outros prestadores de serviços1.971413336.7676606Nenhum
334 Secretários administrativos e especializados2.410127333.7196510Nenhum
351 operações de TIC e técnicos de suporte ao usuário2,474549305.6052807Nenhum
241 Contadores, analistas financeiros e gestores de fundos2.534461251.4058600Nenhum
335 Profissionais associados fiscais e relacionados ao governo2.586686250.8147705Nenhum
515 Cuidadores de construção e trabalhadores relacionados2.522386250.0742967Nenhum
321 Técnicos médicos e farmacêuticos2.493038230.0064060Nenhum
213 Biólogos, farmacologistas e especialistas em agricultura e silvicultura2,303600228.0668837Nenhum
134 Gerentes de arquitetura e engenharia3.161068226.5669850Nenhum
333 agentes de serviços às empresas3.001597222.9774594Nenhum
411 Assistentes de escritório e outros secretários2,227235214.6750980Nenhum
243 Profissionais de marketing e relações públicas1,481519179.3099186Nenhum
264 Autores, jornalistas e linguistas2.046538164.8394018Nenhum
129 Gerentes de administração e serviços não classificados em outra parte4.059900158.7687951Nenhum
342 Atletas, instrutores de fitness e trabalhadores recreativos1,586943132.1816646Nenhum
159 Outros gerentes de serviços sociais2.54120569.9268014Nenhum
123 Gerentes de administração e planejamento3.84920050.0164438Nenhum
541 Outros trabalhadores de vigilância e segurança2.46013041.9287342Nenhum
235 Profissionais de ensino não classificados em outra parte1.41559140.1919620Nenhum
911 Limpadores e ajudantes1.93836635.3850213Nenhum
533 Assistentes de saúde2.15737922.0488822Nenhum
534 Atendentes, assistentes pessoais e trabalhadores relacionados1.95959521.6985964Nenhum
332 Consultores de seguros, agentes de vendas e compras2.63748619.1041252Nenhum
131 Gerentes de serviços de tecnologia da informação e comunicação4.00060917.0841502Nenhum
311 Técnicos de ciências físicas e de engenharia2.32595816.5471030Nenhum
214 profissionais de engenharia2.62626015.6152029Nenhum
432 Lojas e funcionários de transporte1,23185413.9155189Nenhum
723 Mecânicos e montadores de máquinas2,36298412.5847785Nenhum
532 Profissionais de cuidados pessoais em serviços de saúde2,9065786.3336230Nenhum
512 Cozinheiros e gerentes de bufê frio2,4832805.4612144Nenhum
732 Impressão comercializa trabalhadores2.1588545.2405535Nenhum
234 professores de escolas primárias e pré-escolares2.9856534.6801860Nenhum
422 Funcionários de informações do cliente2.5278011.7881181Nenhum
531 Trabalhadores de cuidados infantis e auxiliares de professores1,8816150.8334164Nenhum
611 Jardineiros e cultivadores de mercado1.9802880,3732826Nenhum
341 Profissionais de serviço social e religiosos associados2,3577870,0276157Nenhum
941 Trabalhadores de fast food, assistentes de preparação de alimentos1.9815120,0046670Nenhum
merge(summary_table, anova_table, c("ssyk", "interaction"), all = TRUE) %>%
  filter (term.x == "year_n") %>%
  filter (contcol.y > 0) %>%   
  filter (interaction == "sector and sex") %>%
  mutate (estimate = (exp(estimate) - 1) * 100) %>%  
  select (ssyk, estimate, statistic.y, interaction) %>%
  rename (`F-value` = statistic.y) %>%
  rename (`Increase in salary` = estimate) %>%
  arrange (desc (`F-value`)) %>%
  knitr::kable(
    booktabs = TRUE,
    caption = 'Correlation for F-value (sector and sex) and the yearly increase in salaries')
Tabela 3: Correlação do valor F (setor e sexo) e aumento anual de salários
ssykAumento de salárioValor Finteração
911 Limpadores e ajudantes1.966955183.3539258setor e sexo
331 Profissionais associados de finanças e contabilidade1.98862884.3723061setor e sexo
342 Atletas, instrutores de fitness e trabalhadores recreativos1.60940753.2856268setor e sexo
351 operações de TIC e técnicos de suporte ao usuário2,47454953.1541368setor e sexo
241 Contadores, analistas financeiros e gestores de fundos2.54916139.5233707setor e sexo
333 agentes de serviços às empresas2,95297332.5926396setor e sexo
611 Jardineiros e cultivadores de mercado1.93633825.7248443setor e sexo
243 Profissionais de marketing e relações públicas1,48986024.3260135setor e sexo
533 Assistentes de saúde2.15737919.0714901setor e sexo
732 Impressão comercializa trabalhadores2.20761716.8065594setor e sexo
512 Cozinheiros e gerentes de bufê frio2.49740815.7408059setor e sexo
159 Outros gerentes de serviços sociais2.51155815.1529257setor e sexo
123 Gerentes de administração e planejamento3,81999514.2436097setor e sexo
532 Profissionais de cuidados pessoais em serviços de saúde2.89948213.1974037setor e sexo
334 Secretários administrativos e especializados2.41695712.8317750setor e sexo
213 Biólogos, farmacologistas e especialistas em agricultura e silvicultura2.31789310.2339741setor e sexo
134 Gerentes de arquitetura e engenharia3.1610689.7816667setor e sexo
321 Técnicos médicos e farmacêuticos2.4930388.6670096setor e sexo
941 Trabalhadores de fast food, assistentes de preparação de alimentos1.9894658.6486138setor e sexo
335 Profissionais associados fiscais e relacionados ao governo2.5866868.4427211setor e sexo
242 analistas de organizações, administradores de políticas e especialistas em recursos humanos1.5949998.1271264setor e sexo
723 Mecânicos e montadores de máquinas2.3379836.4299201setor e sexo
332 Consultores de seguros, agentes de vendas e compras2.6277365.7400150setor e sexo
311 Técnicos de ciências físicas e de engenharia2.3161385.3473607setor e sexo
234 professores de escolas primárias e pré-escolares2.9991615.0012138setor e sexo
129 Gerentes de administração e serviços não classificados em outra parte4.1210664.6687219setor e sexo
819 Técnicos de controle de processos2.2508953.7631281setor e sexo
534 Atendentes, assistentes pessoais e trabalhadores relacionados1.9595953.5292601setor e sexo
131 Gerentes de serviços de tecnologia da informação e comunicação4.0293032.5233240setor e sexo
264 Autores, jornalistas e linguistas2.0332032.5032667setor e sexo
341 Profissionais de serviço social e religiosos associados2,3577872.2988889setor e sexo
251 arquitetos, analistas de sistemas e gerentes de teste de TIC2.2174462.1823519setor e sexo
422 Funcionários de informações do cliente2.5196312.1300830setor e sexo
432 Lojas e funcionários de transporte1,2318541.5040767setor e sexo
541 Outros trabalhadores de vigilância e segurança2.4570071.3945913setor e sexo
214 profissionais de engenharia2,6290571.3225970setor e sexo
962 Distribuidores de jornais, zeladores e outros prestadores de serviços1.9714130,3480210setor e sexo
531 Trabalhadores de cuidados infantis e auxiliares de professores1.8795810.1432868setor e sexo
515 Cuidadores de construção e trabalhadores relacionados2.5228440.1379141setor e sexo
235 Profissionais de ensino não classificados em outra parte1.4244880,0670314setor e sexo
411 Assistentes de escritório e outros secretários2,2272350.0001653setor e sexo
merge(summary_table, anova_table, c("ssyk", "interaction"), all = TRUE) %>%
  filter (term.x == "year_n") %>%
  filter (contcol.y > 0) %>%   
  filter (interaction == "sector and edulevel") %>%
  mutate (estimate = (exp(estimate) - 1) * 100) %>%  
  select (ssyk, estimate, statistic.y, interaction) %>%
  rename (`F-value` = statistic.y) %>%
  rename (`Increase in salary` = estimate) %>%
  arrange (desc (`F-value`)) %>%
  knitr::kable(
    booktabs = TRUE,
    caption = 'Correlation for F-value (sector and edulevel) and the yearly increase in salaries')
Quadro 4: Correlação do valor F (setor e nível de ensino) e aumento anual de salários
ssykAumento de salárioValor Finteração
335 Profissionais associados fiscais e relacionados ao governo2.58668648.2902588setor e nível educacional
234 professores de escolas primárias e pré-escolares2.93616232.3560802setor e nível educacional
214 profissionais de engenharia2.63684329.4462376setor e nível educacional
332 Consultores de seguros, agentes de vendas e compras2.42063226.7105578setor e nível educacional
432 Lojas e funcionários de transporte1,23185424.9194979setor e nível educacional
134 Gerentes de arquitetura e engenharia3.16106820.3665858setor e nível educacional
321 Técnicos médicos e farmacêuticos2.49303818.1556092setor e nível educacional
723 Mecânicos e montadores de máquinas2.35817117.3272819setor e nível educacional
311 Técnicos de ciências físicas e de engenharia2.33030012.9686992setor e nível educacional
123 Gerentes de administração e planejamento3.80901911.7436022setor e nível educacional
732 Impressão comercializa trabalhadores2.22072811.0453452setor e nível educacional
241 Contadores, analistas financeiros e gestores de fundos2,64706810.5100504setor e nível educacional
235 Profissionais de ensino não classificados em outra parte1,3960768.6264575setor e nível educacional
213 Biólogos, farmacologistas e especialistas em agricultura e silvicultura2,2641107.7952190setor e nível educacional
941 Trabalhadores de fast food, assistentes de preparação de alimentos1.9815127.5766373setor e nível educacional
331 Profissionais associados de finanças e contabilidade1.9803386.9758948setor e nível educacional
532 Profissionais de cuidados pessoais em serviços de saúde2.9199336.6231457setor e nível educacional
534 Atendentes, assistentes pessoais e trabalhadores relacionados1.9595955.7464596setor e nível educacional
962 Distribuidores de jornais, zeladores e outros prestadores de serviços1.9714135.4435379setor e nível educacional
131 Gerentes de serviços de tecnologia da informação e comunicação3,9081114.9661376setor e nível educacional
159 Outros gerentes de serviços sociais2.5655234.7197836setor e nível educacional
129 Gerentes de administração e serviços não classificados em outra parte4.1609954.3062655setor e nível educacional
251 arquitetos, analistas de sistemas e gerentes de teste de TIC2.2091313.5539841setor e nível educacional
512 Cozinheiros e gerentes de bufê frio2.4359033.4242806setor e nível educacional
333 agentes de serviços às empresas2.9559703.3635706setor e nível educacional
243 Profissionais de marketing e relações públicas1,4730643,2639790setor e nível educacional
264 Autores, jornalistas e linguistas2.0436773.0449469setor e nível educacional
334 Secretários administrativos e especializados2,3874672.8528940setor e nível educacional
422 Funcionários de informações do cliente2.5278012.3007696setor e nível educacional
242 analistas de organizações, administradores de políticas e especialistas em recursos humanos1.6129001.9599904setor e nível educacional
351 operações de TIC e técnicos de suporte ao usuário2,4745491.5903279setor e nível educacional
819 Técnicos de controle de processos2.2508951.5586112setor e nível educacional
341 Profissionais de serviço social e religiosos associados2,3577871.3263497setor e nível educacional
611 Jardineiros e cultivadores de mercado2.0163451.2719035setor e nível educacional
541 Outros trabalhadores de vigilância e segurança2.4601301.0672924setor e nível educacional
411 Assistentes de escritório e outros secretários2,2272351.0114046setor e nível educacional
515 Cuidadores de construção e trabalhadores relacionados2.5261000.8254389setor e nível educacional
342 Atletas, instrutores de fitness e trabalhadores recreativos1.5409520,8230839setor e nível educacional
531 Trabalhadores de cuidados infantis e auxiliares de professores1.8978630.7969406setor e nível educacional
533 Assistentes de saúde2.1573790,5425248setor e nível educacional
911 Limpadores e ajudantes1.9383660,0965584setor e nível educacional
merge(summary_table, anova_table, c("ssyk", "interaction"), all = TRUE) %>%
  filter (term.x == "year_n") %>%
  filter (contcol.y > 0) %>%   
  filter (interaction == "sector and year") %>%
  mutate (estimate = (exp(estimate) - 1) * 100) %>%  
  select (ssyk, estimate, statistic.y, interaction) %>%
  rename (`F-value` = statistic.y) %>%
  rename (`Increase in salary` = estimate) %>%
  arrange (desc (`F-value`)) %>%
  knitr::kable(
    booktabs = TRUE,
    caption = 'Correlation for F-value (sector and year) and the yearly increase in salaries')
Quadro 5: Correlação do valor F (setor e ano) e aumento anual de salários
ssykAumento de salárioValor Finteração
129 Gerentes de administração e serviços não classificados em outra parte5.852818717.1667457setor e ano
351 operações de TIC e técnicos de suporte ao usuário3.245536216.6101284setor e ano
334 Secretários administrativos e especializados1.067277514.9508269setor e ano
534 Atendentes, assistentes pessoais e trabalhadores relacionados2.276947712.4036331setor e ano
422 Funcionários de informações do cliente3,273348311.6812523setor e ano
962 Distribuidores de jornais, zeladores e outros prestadores de serviços2.490734611.5673142setor e ano
264 Autores, jornalistas e linguistas2.990512110.5945994setor e ano
531 Trabalhadores de cuidados infantis e auxiliares de professores2.45102869.5936100setor e ano
242 analistas de organizações, administradores de políticas e especialistas em recursos humanos2.33558267.7816291setor e ano
432 Lojas e funcionários de transporte0.53325677.4196762setor e ano
243 Profissionais de marketing e relações públicas2.18280575.5660180setor e ano
732 Impressão comercializa trabalhadores2,88253804.3716553setor e ano
213 Biólogos, farmacologistas e especialistas em agricultura e silvicultura2.80997833.6786224setor e ano
611 Jardineiros e cultivadores de mercado2.31612383,3017939setor e ano
131 Gerentes de serviços de tecnologia da informação e comunicação3.35049302.8750373setor e ano
532 Profissionais de cuidados pessoais em serviços de saúde2.74110302.8290655setor e ano
235 Profissionais de ensino não classificados em outra parte1.80475712.7841902setor e ano
311 Técnicos de ciências físicas e de engenharia2.86087412.6173373setor e ano
533 Assistentes de saúde1.99201132.2486864setor e ano
214 profissionais de engenharia3.02099632.0446973setor e ano
723 Mecânicos e montadores de máquinas2.62588641.4272778setor e ano
515 Cuidadores de construção e trabalhadores relacionados2.34233571.3492650setor e ano
321 Técnicos médicos e farmacêuticos2.13763341.2494762setor e ano
941 Trabalhadores de fast food, assistentes de preparação de alimentos2.19063121.1458297setor e ano
234 professores de escolas primárias e pré-escolares3.15228490.8075167setor e ano
411 Assistentes de escritório e outros secretários2.42174470.7799156setor e ano
241 Contadores, analistas financeiros e gestores de fundos2,26256630.7751592setor e ano
541 Outros trabalhadores de vigilância e segurança2.30187470.6646888setor e ano
134 Gerentes de arquitetura e engenharia3.38118210.5852232setor e ano
333 agentes de serviços às empresas3.25200120,5424390setor e ano
335 Profissionais associados fiscais e relacionados ao governo2.39862330,3139375setor e ano
123 Gerentes de administração e planejamento4.09458840,2682143setor e ano
911 Limpadores e ajudantes2.00828730,2021948setor e ano
341 Profissionais de serviço social e religiosos associados2.39942920,0754320setor e ano
342 Atletas, instrutores de fitness e trabalhadores recreativos1.66738960,0633281setor e ano
512 Cozinheiros e gerentes de bufê frio2.42496310,0494622setor e ano
819 Técnicos de controle de processos2.22258730,0378303setor e ano
331 Profissionais associados de finanças e contabilidade2.05575050,0377336setor e ano
251 arquitetos, analistas de sistemas e gerentes de teste de TIC2.25361380,0294035setor e ano
332 Consultores de seguros, agentes de vendas e compras2.60156640,0125275setor e ano
159 Outros gerentes de serviços sociais2.54877580,0013436setor e ano
merge(summary_table, anova_table, c("ssyk", "interaction"), all = TRUE) %>%
  filter (term.x == "year_n") %>%
  filter (contcol.y > 1) %>%   
  filter (interaction == "sector, year, edulevel and sex") %>%
  filter (!(contcol.y %  
  mutate (estimate = (exp(estimate) - 1) * 100) %>%  
  select (ssyk, estimate, statistic.y, interaction) %>%
  rename (`F-value` = statistic.y) %>%
  rename (`Increase in salary` = estimate) %>%
  arrange (desc (`F-value`)) %>%
  knitr::kable(
    booktabs = TRUE,
    caption = 'Correlation for F-value (sector, year, edulevel and sex) and the yearly increase in salaries')
Quadro 6: Correlação do valor F (setor, ano, nível de ensino e sexo) e aumento anual de salários
ssykAumento de salárioValor Finteração
264 Autores, jornalistas e linguistas2.07178715.0646298setor, ano, nível educacional e sexo
311 Técnicos de ciências físicas e de engenharia-1.93585963.3593399setor, ano, nível educacional e sexo
159 Outros gerentes de serviços sociais2.13390492.5206357setor, ano, nível educacional e sexo
134 Gerentes de arquitetura e engenharia-0,22217162,4150753setor, ano, nível educacional e sexo
331 Profissionais associados de finanças e contabilidade0,29897572.2892768setor, ano, nível educacional e sexo
342 Atletas, instrutores de fitness e trabalhadores recreativos2.77991672.1976399setor, ano, nível educacional e sexo
214 profissionais de engenharia5.27329041.9988132setor, ano, nível educacional e sexo
723 Mecânicos e montadores de máquinas2.13349831.8843643setor, ano, nível educacional e sexo
432 Lojas e funcionários de transporte-0,28837371,8215339setor, ano, nível educacional e sexo
241 Contadores, analistas financeiros e gestores de fundos2.62683771.8184489setor, ano, nível educacional e sexo
533 Assistentes de saúde1.31762801.6357939setor, ano, nível educacional e sexo
911 Limpadores e ajudantes1.18756301,6319874setor, ano, nível educacional e sexo
129 Gerentes de administração e serviços não classificados em outra parte16.09324031,5716145setor, ano, nível educacional e sexo
512 Cozinheiros e gerentes de bufê frio2.23356771.4882138setor, ano, nível educacional e sexo
242 analistas de organizações, administradores de políticas e especialistas em recursos humanos1.93778021.4494844setor, ano, nível educacional e sexo
234 professores de escolas primárias e pré-escolares2.62862111.4408203setor, ano, nível educacional e sexo
235 Profissionais de ensino não classificados em outra parte1.48066491.4162230setor, ano, nível educacional e sexo
532 Profissionais de cuidados pessoais em serviços de saúde3.08097171.3439893setor, ano, nível educacional e sexo
962 Distribuidores de jornais, zeladores e outros prestadores de serviços1,72175341.3344044setor, ano, nível educacional e sexo
332 Consultores de seguros, agentes de vendas e compras4.55151340.9604905setor, ano, nível educacional e sexo
123 Gerentes de administração e planejamento1.68604360.9155189setor, ano, nível educacional e sexo
541 Outros trabalhadores de vigilância e segurança3.13725490.9113280setor, ano, nível educacional e sexo
213 Biólogos, farmacologistas e especialistas em agricultura e silvicultura2.09567110.9044780setor, ano, nível educacional e sexo
422 Funcionários de informações do cliente7.62311000.8611877setor, ano, nível educacional e sexo
515 Cuidadores de construção e trabalhadores relacionados3.82842910.8343329setor, ano, nível educacional e sexo
334 Secretários administrativos e especializados-1.80219420.7940149setor, ano, nível educacional e sexo
531 Trabalhadores de cuidados infantis e auxiliares de professores2.95562780.7580341setor, ano, nível educacional e sexo
131 Gerentes de serviços de tecnologia da informação e comunicação6.25364360,7429188setor, ano, nível educacional e sexo
243 Profissionais de marketing e relações públicas-0.79390380.7338409setor, ano, nível educacional e sexo
351 operações de TIC e técnicos de suporte ao usuário3.23123020.7188959setor, ano, nível educacional e sexo
732 Impressão comercializa trabalhadores3.99938230.6905319setor, ano, nível educacional e sexo
321 Técnicos médicos e farmacêuticos2.21646740.6326293setor, ano, nível educacional e sexo
611 Jardineiros e cultivadores de mercado2.27533480.6157880setor, ano, nível educacional e sexo
341 Profissionais de serviço social e religiosos associados3.06666200.5266982setor, ano, nível educacional e sexo
941 Trabalhadores de fast food, assistentes de preparação de alimentos2.79405680.4253642setor, ano, nível educacional e sexo
335 Profissionais associados fiscais e relacionados ao governo5.04704560,3217115setor, ano, nível educacional e sexo
251 arquitetos, analistas de sistemas e gerentes de teste de TIC2.90312560,2684425setor, ano, nível educacional e sexo
819 Técnicos de controle de processos1.67417170.2603997setor, ano, nível educacional e sexo
333 agentes de serviços às empresas1.81433440.1540308setor, ano, nível educacional e sexo
411 Assistentes de escritório e outros secretários5.52310190,0911334setor, ano, nível educacional e sexo
534 Atendentes, assistentes pessoais e trabalhadores relacionados2,69277190,0899580setor, ano, nível educacional e sexo
Leia Também  2020-03 Clipe aprimorado no mecanismo de gráficos R

Vamos verificar o que encontramos.

temp %
  filter(`occuptional  (SSYK 2012)` == "242 Organisation analysts, policy administrators and human resource specialists")
 
model <- lm (log(salary) ~ year_n + eduyears + sector + sex, data = temp) 
 
plot_model(model, type = "pred", terms = c("eduyears", "sector"))
## Model has log-transformed response. Back-transforming predictions to original response scale. Standard errors are still on the log-scale.

Setor com o maior valor F, analistas da organização, administradores de políticas e especialistas em recursos humanos

Figura 3: Setor de maior valor F, analistas da organização, administradores de políticas e especialistas em recursos humanos

temp %
  filter(`occuptional  (SSYK 2012)` == "941 Fast-food workers, food preparation assistants")
 
model <-lm (log(salary) ~ year_n + eduyears + sector + sex, data = temp) 
 
plot_model(model, type = "pred", terms = c("eduyears", "sector"))
## Model has log-transformed response. Back-transforming predictions to original response scale. Standard errors are still on the log-scale.

Setor de menor valor F, trabalhadores de fast-food, assistentes de preparação de alimentos

Figura 4: Setor de menor valor F, trabalhadores de fast-food, assistentes de preparação de alimentos

temp %
  filter(`occuptional  (SSYK 2012)` == "911 Cleaners and helpers")
 
model <- lm (log(salary) ~ year_n + eduyears + sector * sex, data = temp) 
 
plot_model(model, type = "pred", terms = c("eduyears", "sex", "sector"))
## Model has log-transformed response. Back-transforming predictions to original response scale. Standard errors are still on the log-scale.

Setor de interação com maior valor F e gênero, Produtos de limpeza e ajudantes

Figura 5: Setor de interação com maior valor F e gênero, Produtos de limpeza e ajudantes

temp %
  filter(`occuptional  (SSYK 2012)` == "411 Office assistants and other secretaries")
 
model <- lm (log(salary) ~ year_n + eduyears + sector * sex, data = temp) 
 
plot_model(model, type = "pred", terms = c("eduyears", "sex", "sector"))
## Model has log-transformed response. Back-transforming predictions to original response scale. Standard errors are still on the log-scale.
temp %
  filter(`occuptional  (SSYK 2012)` == "335 Tax and related government associate professionals")
 
model <- lm (log(salary) ~ year_n + eduyears * sector + sex, data = temp) 
 
plot_model(model, type = "pred", terms = c("eduyears", "sector"))
## Warning in predict.lm(model, newdata = fitfram, type = "response", se.fit =
## se, : prediction from a rank-deficient fit may be misleading
## Model has log-transformed response. Back-transforming predictions to original response scale. Standard errors are still on the log-scale.

Setor de interação com maior valor F e nível educacional, profissionais associados a impostos e governos relacionados

Figura 7: Setor de interação com maior valor F e nível profissional, profissionais associados a impostos e governos relacionados

temp %
  filter(`occuptional  (SSYK 2012)` == "911 Cleaners and helpers")
 
model <- lm (log(salary) ~ year_n + eduyears * sector + sex, data = temp) 
 
plot_model(model, type = "pred", terms = c("eduyears", "sector"))
## Warning in predict.lm(model, newdata = fitfram, type = "response", se.fit =
## se, : prediction from a rank-deficient fit may be misleading
## Model has log-transformed response. Back-transforming predictions to original response scale. Standard errors are still on the log-scale.

Setor de interação com menor valor F e nível de nível, Produtos de limpeza e ajudantes

Figura 8: Setor de interação de menor valor F e nível de nível, Produtos de limpeza e ajudantes

temp %
  filter(`occuptional  (SSYK 2012)` == "129 Administration and service managers not elsewhere classified")
 
model <- lm (log(salary) ~ year_n * sector + eduyears + sex, data = temp) 
 
plot_model(model, type = "pred", terms = c("eduyears", "year_n", "sector"))
## Model has log-transformed response. Back-transforming predictions to original response scale. Standard errors are still on the log-scale.

Setor e ano de interação com maior valor F, gerentes de administração e serviços não classificados em outra parte

Figura 9: Setor de interação com valor F mais alto e ano, gerentes de administração e serviços não classificados em outra parte

temp %
  filter(`occuptional  (SSYK 2012)` == "159 Other social services managers")
 
model <- lm (log(salary) ~ year_n * sector + eduyears + sex, data = temp) 
 
plot_model(model, type = "pred", terms = c("eduyears", "year_n", "sector"))
## Model has log-transformed response. Back-transforming predictions to original response scale. Standard errors are still on the log-scale.

Setor e ano de interação com menor valor F, outros gerentes de serviços sociais

Figura 10: Setor de interação com menor valor F e ano, Outros gerentes de serviços sociais

temp %
  filter(`occuptional  (SSYK 2012)` == "264 Authors, journalists and linguists")
 
model <- lm (log(salary) ~ year_n * eduyears * sector * sex, data = temp) 
 
plot_model(model, type = "pred", terms = c("eduyears", "year_n", "sex", "sector"))
## Warning in predict.lm(model, newdata = fitfram, type = "response", se.fit =
## se, : prediction from a rank-deficient fit may be misleading
## Model has log-transformed response. Back-transforming predictions to original response scale. Standard errors are still on the log-scale.

Setor de interação com maior valor F, nível de ensino, ano e gênero, Autores, jornalistas e linguistas

Figura 11: Setor de interação com valor F mais alto, nível de ensino, ano e gênero, Autores, jornalistas e linguistas

## TableGrob (2 x 1) "arrange": 2 grobs
##   z     cells    name           grob
## 1 1 (1-1,1-1) arrange gtable[layout]
## 2 2 (2-2,1-1) arrange gtable[layout]
temp %
  filter(`occuptional  (SSYK 2012)` == "534 Attendants, personal assistants and related workers")
 
model <- lm (log(salary) ~ year_n * eduyears * sector * sex, data = temp) 
 
plot_model(model, type = "pred", terms = c("eduyears", "year_n", "sex", "sector"))
## Warning in predict.lm(model, newdata = fitfram, type = "response", se.fit =
## se, : prediction from a rank-deficient fit may be misleading
## Model has log-transformed response. Back-transforming predictions to original response scale. Standard errors are still on the log-scale.

Setor de interação com valor F mais baixo, nível de ensino, ano e gênero, Atendentes, assistentes pessoais e trabalhadores relacionados

Figura 12: Setor de interação de menor valor F, nível de ensino, ano e gênero, Atendentes, assistentes pessoais e trabalhadores relacionados

## TableGrob (2 x 1) "arrange": 2 grobs
##   z     cells    name           grob
## 1 1 (1-1,1-1) arrange gtable[layout]
## 2 2 (2-2,1-1) arrange gtable[layout]

var vglnk = {key: '949efb41171ac6ec1bf7f206d57e90b8'};

(função (d, t) {
var s = d.createElement
s.src = '//cdn.viglink.com/api/vglnk.js';
var r = d.getElementsByTagName
} (documento, 'script'));

Para Deixe um comentário para o autor, siga o link e comente no blog:

R Analystatistics Sweden
.


R-bloggers.com oferece atualizações diárias por email sobre notícias e tutoriais do R sobre o aprendizado do R e muitos outros tópicos. Clique aqui se você deseja publicar ou encontrar um emprego em ciência da dados / R.


Deseja compartilhar seu conteúdo com R-blogueiros? clique aqui se você tiver um blog ou aqui se não tiver.



cupom com desconto - o melhor site de cupom de desconto cupomcomdesconto.com.br