Capítulo 3 Trayectorias de variables independientes

Agregar variables independientes

3.1 Crear y agregar trayectorias de variables independientes

comparar_clusters <- function(.data, vars, K = 10) {
  
  seq <- TraMineR::seqdef(.data, 
                        var = vars,
                        weights = .data$ponderador02_w01)
  dist <- TraMineR::seqdist(seq,
                          method = "LCS",
                          with.missing = TRUE)
  ward <- cluster::agnes(dist, diss = TRUE, method = 'ward')

  # Comparar soluciones con diferentes numeros de trayectorias (se prueban de 2 a 10 clusters)
  ward.range <- WeightedCluster::as.clustrange(ward, diss = dist, ncluster = K)
  
  # Visualizar clusters:
  ward.range$stats %>%
    mutate(clusters = 2:10) %>%
    pivot_longer(cols = c(ASWw, HG, PBC, HC),
                 names_to = 'indicador',
                 values_to = 'value') %>%
    group_by(indicador) %>%
    mutate(value = (value - mean(value, na.rm = TRUE)) / sd(value, na.rm = TRUE)) %>%
    ggplot(aes(y = value, x = clusters, color = indicador, group = indicador)) +
    geom_line() +
    scale_x_continuous(breaks = 2:10) +
    ylab('Valor estandarizado')
    
}

trayectoria <- function(.data, vars, K, olas = 2016:2019, MISSING = TRUE, ...) {
  
seq <- TraMineR::seqdef(.data, 
                        var = vars,
                        ...,
                        weights = .data$ponderador02_w01)
dist <- TraMineR::seqdist(seq,
                          method = "LCS",
                          with.missing = MISSING)
ward <- cluster::agnes(dist, diss = TRUE, method = 'ward')

TraMineR::seqIplot(seq, group = stats::cutree(ward, k = K),
                   border = NA, 
                   space = 0, idxs = 0, xtlab = olas)

TraMineR::seqdplot(seq, group = stats::cutree(ward, k = K),
                   border = NA, 
                   space = 0)
}

Situacion ocupacional (4 categorias)

comparar_clusters(elsoc_salud_modelo,
            vars = c('ocup_w01', 'ocup_w02', 'ocup_w03', 'ocup_w04'))

trayectoria(elsoc_salud_modelo,
            vars = c('ocup_w01', 'ocup_w02', 'ocup_w03', 'ocup_w04'),
            cpal = c('palevioletred3', 'khaki3', 'steelblue3', 'palegreen3'),
            K = 3)

trayectoria(elsoc_salud_modelo,
            vars = c('ocup_w01', 'ocup_w02', 'ocup_w03', 'ocup_w04'),
            cpal = c('palevioletred3', 'khaki3', 'steelblue3', 'palegreen3'),
            K = 5)

trayectoria(elsoc_salud_modelo,
            vars = c('ocup_w01', 'ocup_w02', 'ocup_w03', 'ocup_w04'),
            cpal = c('palevioletred3', 'khaki3', 'steelblue3', 'palegreen3'),
            K = 6)

trayectoria(elsoc_salud_modelo,
            vars = c('ocup_w01', 'ocup_w02', 'ocup_w03', 'ocup_w04'),
            cpal = c('palevioletred3', 'khaki3', 'steelblue3', 'palegreen3'),
            K = 7)

# Agregar trayectoria de 6 clusters
seq <- TraMineR::seqdef(elsoc_salud_modelo, 
                        var = c('ocup_w01', 'ocup_w02', 'ocup_w03', 'ocup_w04'),
                        weights = elsoc_salud_modelo$ponderador02_w01)
dist <- TraMineR::seqdist(seq,
                          method = "LCS",
                          with.missing = TRUE)
ward <- cluster::agnes(dist, diss = TRUE, method = 'ward')

elsoc_salud_modelo$trayectoria_ocup <- factor(stats::cutree(ward, k = 6),
                                               levels = c(3, 1, 4, 2, 5, 6),
                                               labels = c('Ocupados estables', 
                                                          'Pasan de inactividad a ocupacion',
                                                          'Ocupados con periodos sin ocupacion',
                                                          'Mayoritariamente inactivos',
                                                          'Mayoritariamente trabajo no remunerado',
                                                          'Mayoritariamente desempleados'))

Sobrecarga por deudas

comparar_clusters(elsoc_salud_modelo,
            vars = c('sobrecarga_deuda_w01', 'sobrecarga_deuda_w03'))

trayectoria(elsoc_salud_modelo,
            vars = c('sobrecarga_deuda_w01', 'sobrecarga_deuda_w03'),
            olas = c(2016, 2018),
            cpal = c('palevioletred3', 'palegreen3'),
            K = 4)

trayectoria(elsoc_salud_modelo,
            vars = c('sobrecarga_deuda_w01', 'sobrecarga_deuda_w03'),
            olas = c(2016, 2018),
            cpal = c('palevioletred3', 'palegreen3'),
            K = 5)

trayectoria(elsoc_salud_modelo,
            vars = c('sobrecarga_deuda_w01', 'sobrecarga_deuda_w03'),
            olas = c(2016, 2018),
            cpal = c('palevioletred3', 'palegreen3'),
            K = 6)

# Agregar trayectoria de 3 clusters
seq <- TraMineR::seqdef(elsoc_salud_modelo, 
                        var = c('sobrecarga_deuda_w01', 'sobrecarga_deuda_w03'),
                        weights = elsoc_salud_modelo$ponderador02_w01)
dist <- TraMineR::seqdist(seq,
                          method = "LCS",
                          with.missing = TRUE)
ward <- cluster::agnes(dist, diss = TRUE, method = 'ward')

elsoc_salud_modelo$trayectoria_deuda <- factor(stats::cutree(ward, k = 5),
                                               levels = c(4, 3, 1, 2),
                                               labels = c('Nada/No muy sobrecargados deuda',
                                                          'Reduccion sobrecarga deuda',
                                                          'Aumento sobrecarga deuda',
                                                          'Bastante/muy sobrecargados deuda'))

Actividad fisica regular

comparar_clusters(elsoc_salud_modelo,
            vars = c('activ_fisica_w01', 'activ_fisica_w03'))

trayectoria(elsoc_salud_modelo,
            vars = c('activ_fisica_w01', 'activ_fisica_w03'),
            olas = c(2016, 2018),
            cpal = c('palegreen3', 'palevioletred3'),
            K = 2)

trayectoria(elsoc_salud_modelo,
            vars = c('activ_fisica_w01', 'activ_fisica_w03'),
            olas = c(2016, 2018),
            cpal = c('palegreen3', 'palevioletred3'),
            K = 4)

trayectoria(elsoc_salud_modelo,
            vars = c('activ_fisica_w01', 'activ_fisica_w03'),
            olas = c(2016, 2018),
            cpal = c('palegreen3', 'palevioletred3'),
            K = 5)

# Agregar trayectoria de 3 clusters
seq <- TraMineR::seqdef(elsoc_salud_modelo, 
                        var = c('activ_fisica_w01', 'activ_fisica_w03'),
                        weights = elsoc_salud_modelo$ponderador02_w01)
dist <- TraMineR::seqdist(seq,
                          method = "LCS",
                          with.missing = TRUE)
ward <- cluster::agnes(dist, diss = TRUE, method = 'ward')

elsoc_salud_modelo$trayectoria_activ_fisica <- factor(stats::cutree(ward, k = 4),
                                                      levels = c(2, 3, 4, 1),
                                                      labels = c('Sin actividad fisica persistente',
                                                                 'Abandonan actividad fisica en 2021',
                                                                 'Se activan en 2021',
                                                                 'Con actividad fisica persistente'))

Apoyo social

comparar_clusters(elsoc_salud_modelo,
            vars = c('apoyo_social_w01', 'apoyo_social_w03'))

trayectoria(elsoc_salud_modelo,
            vars = c('apoyo_social_w01', 'apoyo_social_w03'),
            cpal = c('palegreen3', 'palevioletred3', 'khaki3'),
            olas = c(2016, 2018),
            K = 4)

trayectoria(elsoc_salud_modelo,
            vars = c('apoyo_social_w01', 'apoyo_social_w03'),
            cpal = c('palegreen3', 'palevioletred3', 'khaki3'),
            olas = c(2016, 2018),
            K = 5)

# Agregar trayectoria de 3 clusters
seq <- TraMineR::seqdef(elsoc_salud_modelo, 
                        var = c('apoyo_social_w01', 'apoyo_social_w03'),
                        weights = elsoc_salud_modelo$ponderador02_w01)
dist <- TraMineR::seqdist(seq,
                          method = "LCS",
                          with.missing = TRUE)
ward <- cluster::agnes(dist, diss = TRUE, method = 'ward')

elsoc_salud_modelo$trayectoria_apoyo_social <- factor(stats::cutree(ward, k = 5),
                                                      levels = c(5, 4, 2, 1, 3),
                                                      labels = c('Apoyo social estable', 
                                                                 'Apoyo social/decreciente', 
                                                                 'Apoyo social medio', 
                                                                 'Apoyo social cambiante',
                                                                 'Sin apoyo social'))

Salud subjetiva

comparar_clusters(elsoc_salud_modelo,
            vars = c('salud_w01', 'salud_w02', 'salud_w03', 'salud_w04', 'salud_w05'))

trayectoria(elsoc_salud_modelo,
            vars = c('salud_w01', 'salud_w02', 'salud_w03', 'salud_w04', 'salud_w05'),
            cpal = c('palevioletred3', 'palegreen3', 'khaki3'),
            K = 3)

trayectoria(elsoc_salud_modelo,
            vars = c('salud_w01', 'salud_w02', 'salud_w03', 'salud_w04', 'salud_w05'),
            cpal = c('palevioletred3', 'palegreen3', 'khaki3'),
            K = 4)

trayectoria(elsoc_salud_modelo,
            vars = c('salud_w01', 'salud_w02', 'salud_w03', 'salud_w04', 'salud_w05'),
            cpal = c('palevioletred3', 'palegreen3', 'khaki3'),
            K = 5)

# Agregar trayectoria de 3 clusters
seq <- TraMineR::seqdef(elsoc_salud_modelo, 
                        var = c('salud_w01', 'salud_w02', 'salud_w03', 'salud_w04', 'salud_w05'),
                        weights = elsoc_salud_modelo$ponderador02_w01)
dist <- TraMineR::seqdist(seq,
                          method = "LCS",
                          with.missing = TRUE)
ward <- cluster::agnes(dist, diss = TRUE, method = 'ward')

elsoc_salud_modelo$trayectoria_salud <- factor(stats::cutree(ward, k = 4),
                                                      levels = c(4, 3, 2, 1),
                                                      labels = c('Salud subjetiva muy buena',
                                                      'Salud subjetiva regular/muy buena',
                                                      'Salud subjetiva regular',
                                                      'Salud subjetiva mala/regular'))

3.2 Guardar datos para usar despues

save(elsoc_salud_modelo, 
     file = file.path('..', 'inputs', 'datos_salud_modelo.RData'))

library(tidyverse)

# Librerias graficos
library(ggpubr)
library(plotly)
library(ggstance)

# Libreria analisis estadístico
library(nnet)
library(modelsummary)
library(marginaleffects)