-
Notifications
You must be signed in to change notification settings - Fork 0
/
equacao salarial.R
511 lines (462 loc) · 22.5 KB
/
equacao salarial.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
246
247
248
249
250
251
252
253
254
255
256
257
258
259
260
261
262
263
264
265
266
267
268
269
270
271
272
273
274
275
276
277
278
279
280
281
282
283
284
285
286
287
288
289
290
291
292
293
294
295
296
297
298
299
300
301
302
303
304
305
306
307
308
309
310
311
312
313
314
315
316
317
318
319
320
321
322
323
324
325
326
327
328
329
330
331
332
333
334
335
336
337
338
339
340
341
342
343
344
345
346
347
348
349
350
351
352
353
354
355
356
357
358
359
360
361
362
363
364
365
366
367
368
369
370
371
372
373
374
375
376
377
378
379
380
381
382
383
384
385
386
387
388
389
390
391
392
393
394
395
396
397
398
399
400
401
402
403
404
405
406
407
408
409
410
411
412
413
414
415
416
417
418
419
420
421
422
423
424
425
426
427
428
429
430
431
432
433
434
435
436
437
438
439
440
441
442
443
444
445
446
447
448
449
450
451
452
453
454
455
456
457
458
459
460
461
462
463
464
465
466
467
468
469
470
471
472
473
474
475
476
477
478
479
480
481
482
483
484
485
486
487
488
489
490
491
492
493
494
495
496
497
498
499
500
501
502
503
504
505
506
507
508
509
510
511
rm(list = ls())
gc()
# Fluxos PDAD
install.packages('sampleSelection')
# Carregar pacotes
library(odbc)
library(tidyverse)
library(survey)
library(srvyr)
library(DBI)
library(lubridate)
library(sidrar)
library(sampleSelection)
library(dplyr)
# Abrir conexão com o banco de dados
db<- DBI::dbConnect(odbc::odbc(),"db_codeplan",
uid=Sys.getenv("matricula"),
pwd=Sys.getenv("senha"))
# Baixar base de moradores
pdad_mor_2018 <- DBI::dbGetQuery(db,"select * from pdad2018.moradores_final_pesos_imputada")
# Baixar base de domicílios
pdad_dom_2018 <- DBI::dbGetQuery(db,"select * from pdad2018.domicilios_final_pesos_imputada")
#verificando em que mes as visitas comecaram
datav<-mdy(pdad_2018$datavisita)
data <-format(datav, "%d-%m-%Y")
a<-data.frame(data) %>% mutate(mes=month(data))
a<-a[order(a$mes,decreasing = F),]
##DUVIDA#########
# Juntar as bases em um arquivo
pdad_2018<-left_join(pdad_dom_2018,
pdad_mor_2018 %>%
dplyr::select(-c(A01ra,FATOR_PROJ,datavisita,horavisita,infladefla))) %>%
dplyr::mutate(neto=case_when(E02==10~1,
TRUE~0),
bisneto=case_when(E02==11~1,
TRUE~0),
sogro=case_when(E02==9~1,
TRUE~0),
conjuge=case_when(E02 %in% c(2,3)~1,
TRUE~0),
pai=case_when(E02==8~1,
TRUE~0),
filho=case_when(E02 %in% c(4:6)~1,
TRUE~0)) %>%
dplyr::group_by(A01nficha) %>%
dplyr::mutate(filho=sum(filho),
neto=sum(neto),
bisneto=sum(bisneto),
sogro=sum(sogro),
conjuge=sum(conjuge),
pai=sum(pai)) %>%
dplyr::ungroup() %>%
# # Criar variáveis para análise
dplyr::mutate(
# Criar um código de identificação das RAs
ra=factor(case_when(A01ra==1~"Plano Piloto",
A01ra==2~"Gama",
A01ra==3~"Taguatinga",
A01ra==4~"Brazlândia",
A01ra==5~"Sobradinho",
A01ra==6~"Planaltina",
A01ra==7~"Paranoá",
A01ra==8~"Núcleo Bandeirante",
A01ra==9~"Ceilândia",
A01ra==10~"Guará",
A01ra==11~"Cruzeiro",
A01ra==12~"Samambaia",
A01ra==13~"Santa Maria",
A01ra==14~"São Sebastião",
A01ra==15~"Recanto das Emas",
A01ra==16~"Lago Sul",
A01ra==17~"Riacho Fundo",
A01ra==18~"Lago Norte",
A01ra==19~"Candangolândia",
A01ra==20~"Águas Claras",
A01ra==21~"Riacho Fundo II",
A01ra==22~"Sudoeste/Octogonal",
A01ra==23~"Varjão",
A01ra==24~"Park Way",
A01ra==25~"Scia/Estrutural",
A01ra==26~"Sobradinho II",
A01ra==27~"Jardim Botânico",
A01ra==28~"Itapoã",
A01ra==29~"SIA",
A01ra==30~"Vicente Pires",
A01ra==31~"Fercal")),
#grupo da ped
grupo_ped=factor(case_when(A01ra %in% c(1,27,16,18,24,22)~"Grupo 1",
A01ra %in% c(20,19,11,2,10,8,5,26,3,30)~"Grupo 2",
A01ra %in% c(4,9,6,17,21,29,12,13,14)~"Grupo 3",
A01ra %in% c(31,28,7,15,25,23)~"Grupo 4")),
# chefe
chefe=case_when(E02==1~1,
TRUE~0),
# Criar variável para o sexo mulher
mulher=case_when(E03==2~1,
TRUE~0),
# Criar variável para deficiencia(visual, auditiva,motora ou mental)
port_de_defic=case_when(E06 %in% c(2,3) | E07%in% c(2,3) | E08%in% c(2,3) | E09%in% c(1,2)~1,
TRUE~0),
# Criar variável para tempo gasto com afazeres domésticos
afazer=case_when(G18==88888~NA_real_,
TRUE~G18),
# Criar variável para maternidade/paternidade
sit_pat_mat=case_when(E02 %in% c(1:3)&filho==1~1,
E02 %in% c(4,5)&neto==1~1,
E02==8~1,
E02==13&pai==1~1,
E02==9&conjuge==1~1,
E02==10&bisneto==1~1,
TRUE~0),
# Criar variável para negro
negro=case_when(E04 %in% c(2,4)~1,
TRUE~0),
# Criar variável para casado
casado=case_when(E12 %in% c(2,6)~1,
TRUE~0),
# Criar variável para estudante
estuda=case_when(F02 %in% c(1:2)~1,
TRUE~0),
#Criar variavel para tempo até escola
tempo=case_when(G11 %in% c(88888,99999)~NA_real_,
TRUE~G11),
# Criar variável para calculo de horas trabalhadas no mês
hora_trab=case_when(G17 %in% c(88888,99999,0)~NA_real_,
TRUE~G17*4.35),
# Criar variável de escolaridade
anos_est=case_when(F02 %in% c(1,2)&F07<=3~0,
F02 %in% c(1,2)&F07==4&F08==1~0,
F02 %in% c(1,2)&F07==4&F08==2~1,
F02 %in% c(1,2)&F07==4&F08==3~2,
F02 %in% c(1,2)&F07==4&F08==4~3,
F02 %in% c(1,2)&F07==4&F08==5~4,
F02 %in% c(1,2)&F07==4&F08==6~5,
F02 %in% c(1,2)&F07==4&F08==7~6,
F02 %in% c(1,2)&F07==4&F08==8~7,
F02 %in% c(1,2)&F07==4&F08==9~7,
F02 %in% c(1,2)&F07%in%c(5,6)&F08==1~8,
F02 %in% c(1,2)&F07%in%c(5,6)&F08==2~9,
F02 %in% c(1,2)&F07%in%c(5,6)&F08==3~10,
F02 %in% c(1,2)&F07%in%c(5,6)&F08==4~10,
F02 %in% c(1,2)&F07==7~4,
F02 %in% c(1,2)&F07==8~9,
F02 %in% c(1,2)&F07==9&F09==1&F10%in%c(1,2)~15,
F02 %in% c(1,2)&F07==9&F09==1&F10==3~17,
F02 %in% c(1,2)&F07==9&F09==1&F10==4~21,
F02 %in% c(1,2)&F07==9&F09==2~13,
F02 %in% c(1,2)&F07==10&F09==1&F10==1~15,
F02 %in% c(1,2)&F07==10&F09==1&F10==2~16,
F02 %in% c(1,2)&F07==10&F09==1&F10==3~17,
F02 %in% c(1,2)&F07==10&F09==1&F10==4~21,
F02 %in% c(1,2)&F07==10&F09==2~15,
F02 %in% c(1,2)&F07==11&F09==1&F10==1~15,
F02 %in% c(1,2)&F07==11&F09==1&F10==2~16,
F02 %in% c(1,2)&F07==11&F09==1&F10==3~17,
F02 %in% c(1,2)&F07==11&F09==1&F10==4~21,
F02 %in% c(1,2)&F07==11&F09==2~16,
F02 %in% c(1,2)&F07==12&F09==1&F10==c(1,2,3)~17,
F02 %in% c(1,2)&F07==12&F09==1&F10==4~21,
F02 %in% c(1,2)&F07==12&F09==2~19,
F02==3&F11==1~0,
F02==3&F11%in%c(2,3)&F12==1~1,
F02==3&F11%in%c(2,3)&F12==2~2,
F02==3&F11%in%c(2,3)&F12==3~3,
F02==3&F11%in%c(2,3)&F12==4~4,
F02==3&F11%in%c(2,3)&F12==5~5,
F02==3&F11%in%c(2,3)&F12==6~6,
F02==3&F11%in%c(2,3)&F12==7~7,
F02==3&F11%in%c(2,3)&F12==8~8,
F02==3&F11%in%c(2,3)&F12==9~8,
F02==3&F11==4&F12==1~9,
F02==3&F11==4&F12==2~10,
F02==3&F11==4&F12%in%c(3,4)~11,
F02==3&F11==5&F13==1~8,
F02==3&F11==5&F13==2~4,
F02==3&F11==6&F13==1~11,
F02==3&F11==6&F13==2~9,
F02==3&F11==7&F13==1~15,
F02==3&F11==7&F13==2~13,
F02==3&F11==8&F13==1~16,
F02==3&F11==8&F13==2~15,
F02==3&F11==9&F13==1~17,
F02==3&F11==9&F13==2~16,
F02==3&F11==10&F13==1~21,
F02==3&F11==10&F13==2~19,
F02==4~0),
escolaridade_nao_estuda=case_when(F02==4~"Sem escolaridade",
F11==1~"Fundamental incompleto",
F11==2&F12 %in% c(1:7,10)~"Fundamental incompleto",
F11==3&F12 %in% c(1:8,10)~"Fundamental incompleto",
F11==5&F13==2~"Fundamental incompleto",
F11==2&F12==8~"Fundamental completo",
F11==3&F12==9~"Fundamental completo",
F11==5&F13==1~"Fundamental completo",
F11==4&F12 %in% c(1:2,10)~"Médio incompleto",
F11==6&F13==2~"Médio incompleto",
F11==4&F12 %in% c(3,4)~"Médio completo",
F11==6&F13==1~"Médio completo",
F11==7&F13==2~"Superior incompleto",
F11==7&F13==1~"Superior completo",
F11 %in% c(8:10)~"Superior completo",
TRUE~NA_character_),
escolaridadet=case_when(F07 %in% c(3,4,7)~"Fundamental incompleto",
F07 %in% c(5,6,8)~"Médio incompleto",
F07==9~"Superior incompleto",
F07 %in% c(10:12)~"Superior completo",
TRUE~escolaridade_nao_estuda),
escolaridadet=case_when(F09==1&F10 %in% c(1:4)~"Superior completo",
TRUE~escolaridadet),
escolaridade=factor(ordered(case_when(escolaridadet=="Sem escolaridade"~1,
escolaridadet=="Fundamental incompleto"~2,
escolaridadet=="Fundamental completo"~3,
escolaridadet=="Médio incompleto"~4,
escolaridadet=="Médio completo"~5,
escolaridadet=="Superior incompleto"~6,
escolaridadet=="Superior completo"~7),
levels=c(1:7),
labels=c("Sem escolaridade","Fundamental incompleto","Fundamental completo",
"Médio incompleto","Médio completo","Superior incompleto","Superior completo"))),
# Criar variável para ensino superior
superior=case_when(escolaridade=="Superior completo"~1,
TRUE~0),
# Criar variável para ensino médio
ensino_medio=case_when(escolaridade=="Médio completo"~1,
TRUE~0),
#nascido no df
nascido_df=case_when(E13==1~1,
TRUE~0),
#plano de saude
plano=case_when(E10 %in% c(1:3)~1,
TRUE~0),
# Criar variável para quem tem trabalho remunerado
trabalha=case_when(G05 %in% c(1:3)~1,
G05 %in% c(88,99)~NA_real_,
TRUE~0),
# Criar variável para quem trabalha no setor público
# Retirar G05 é para evitar inconsistências na equação de salários
# e descritivas
setor_publico=case_when(G13==2~1,
G08 %in% c(10,11,16)~1,
TRUE~0),
#DUVIDA######
# Criar variável para setor informal (empregado sem carteira, autônomo e ajuda no negocio familiar)
informal=case_when(G13==3 & G08 %in% c(1,2,4,14,15,16)~1,
G08 %in% c(5,6,7,8) & G09==2~1,
G13==88~NA_real_,
G09==88~NA_real_,
TRUE~0),
#Criar variável para quem trabalha no DF
trabalha_pp=case_when(G07 ==1~1,
A01ra==1 & G07==33~1,
TRUE~0),
# Criar variável para renda do trabalho
renda_trab=case_when(G16 %in% c(77777,88888,99999)~NA_real_,
TRUE~as.numeric(G16*infladefla/hora_trab)),
# Criar variável com o log da renda do trabalho
log_renda_trab=case_when(renda_trab==0~log(renda_trab+0.1),
TRUE~log(renda_trab)),
# Renda domicliar sem a renda da pessoa
renda_individual=ifelse(G16 %in% c(77777,88888),NA,ifelse(G16==99999,0,G16))+
ifelse(G19 %in% c(77777,88888),NA, ifelse(G19 %in% c(66666,99999),0,G19))+
ifelse(G201 %in% c(77777,88888),NA, ifelse(G201 %in% c(66666,99999),0,G201))+
ifelse(G202 %in% c(77777,88888),NA, ifelse(G202 %in% c(66666,99999),0,G202))+
ifelse(G203 %in% c(77777,88888),NA, ifelse(G203 %in% c(66666,99999),0,G203))+
ifelse(G204 %in% c(77777,88888),NA, ifelse(G204 %in% c(66666,99999),0,G204)),
renda_dom_sp= (renda_dom-renda_individual)*infladefla,
experiencia=idade_calculada-7-anos_est,
# Criar variável com outras rendas
trab_sec=case_when(G19 %in% c(66666,77777,88888,99999)~NA_real_,
TRUE~as.numeric(G19)),
aposentadoria=case_when(G201 %in% c(66666,77777,88888,99999)~NA_real_,
TRUE~as.numeric(G201)),
pensao=case_when(G202 %in% c(66666,77777,88888,99999)~NA_real_,
TRUE~as.numeric(G202)),
outros_rendimentos=case_when(G203 %in% c(66666,77777,88888,99999)~NA_real_,
TRUE~as.numeric(G203)),
beneficios=case_when(G204 %in% c(66666,77777,88888,99999)~NA_real_,
TRUE~as.numeric(G204)),
# Criar variável para quem contribui com a previdência pública
previdencia_pub=case_when(G12==1~1,
!G05 %in% c(1:3)~NA_real_,
G12 %in% c(88,99)~NA_real_,
TRUE~0),
# Criar variável para o ano da pesquisa
ANO=as.character(year(mdy(datavisita))),
# Criar variável para o mês da pesquisa
MES=month(mdy(datavisita),label = F, abbr = F),
# Criar um ID único para cada pessoa da base
ID_pes=1:nrow(.))
# Declarar plano amostral
sample.pdad2018 <-
survey::svydesign(id = ~A01nficha,
strata = ~A01setor,
weights = ~PESO_PRE,
nest=TRUE,
data=pdad_2018)
# Recuperar pós-estrato
post.pop <- pdad_2018 %>%
dplyr::select(A01setor,POP_AJUSTADA_PROJ) %>%
dplyr::group_by(A01setor) %>%
dplyr::summarise(Freq=first(POP_AJUSTADA_PROJ)) %>%
dplyr::ungroup()
# Declarar o objeto de pós-estrato
svy2018_pes <- survey::postStratify(sample.pdad2018,~A01setor,post.pop)
# Criar objeto para calcular os erros por bootstrap (Rao and Wu's(n - 1) bootstrap)
svy2018 <- survey::as.svrepdesign(svy2018_pes, type = "subbootstrap")
# Tibble svy
svy2018 <- srvyr::as_survey(svy2018)
# Ajustar estratos com apenas uma UPA (adjust=centered)
options(survey.lonely.psu = "adjust")
# Calcular o primeiro estágio
reg_ocup <- survey::svyglm(trabalha~
idade_calculada+
I(idade_calculada^2)+
superior+
ensino_medio+
mulher+
sit_pat_mat+
casado+
renda_dom_sp+
negro+
grupo_ped+
afazer+
port_de_defic+
estuda,
subset(svy2018,idade_calculada>=14),
family=binomial(link = "probit"))
# Verificar os resultados
summary(reg_ocup)
# Calcular a inversa de mills
imr <- pdad_2018 %>%
dplyr::filter(idade_calculada>=14) %>%
dplyr::select(E01,trabalha,idade_calculada,superior,ensino_medio,grupo_ped,
mulher,sit_pat_mat,casado,renda_dom_sp,negro,estuda,port_de_defic,afazer) %>%
na.omit %>%
dplyr::mutate(IMR=invMillsRatio(reg_ocup)$IMR1) %>%
dplyr::select(E01,IMR)
# Levar a inversa para a base
pdad_2018 <- pdad_2018 %>%
dplyr::left_join(imr)
# Declarar plano amostral novamente
sample.pdad2018 <-
survey::svydesign(id = ~A01nficha,
strata = ~A01setor,
weights = ~PESO_PRE,
nest=TRUE,
data=pdad_2018)
# Declarar o objeto de pós-estrato
svy2018_pes <- survey::postStratify(sample.pdad2018,~A01setor,post.pop)
# Criar objeto para calcular os erros por bootstrap (Rao and Wuus(n - 1) bootstrap)
svy2018 <- survey::as.svrepdesign(svy2018_pes, type = "subbootstrap")
# Tibble svy
svy2018 <- srvyr::as_survey(svy2018)
# Fazer a regressão de salarios
reg_sal <- survey::svyglm(log_renda_trab~
idade_calculada+
I(idade_calculada^2)+
superior+
ensino_medio+
negro+
estuda+
informal+
setor_publico+
tempo+
trabalha_pp+
IMR+
port_de_defic+
#afazer+
mulher,
subset(svy2018,idade_calculada>=14))
# Verificar os resultados
summary(reg_sal)
# Tirar as estatísticas descritiva comum a todos
descritivas0 <- svy2018 %>%
srvyr::filter(!(renda_trab==0&trabalha==1),idade_calculada>=14) %>%
srvyr::group_by(trabalha) %>%
srvyr::summarise_at(vars(idade_calculada,superior,ensino_medio,mulher,sit_pat_mat,renda_dom_sp,negro,port_de_defic,
estuda),
list(~ srvyr::survey_mean(.,na.rm=T))) %>%
tidyr::gather("VAR","valor",-1) %>%
dplyr::filter(stringr::str_detect(VAR,"_se$")==T) %>%
dplyr::mutate(trabalha=case_when(trabalha==0~"Não trabalha",
trabalha==1~"Trabalha")) %>%
tidyr::spread(trabalha,valor) %>%
dplyr::mutate(`Não trabalha`=case_when(`Não trabalha`==1~NA_real_,
TRUE~`Não trabalha`))
# Tirar as descritivas dos trabalhadores
descritivas1 <- svy2018 %>%
srvyr::filter(trabalha==1) %>%
srvyr::summarise_at(vars(informal,trabalha_pp,setor_publico,
renda_trab,tempo),
list(~ srvyr::survey_mean(.,na.rm=T))) %>%
t() %>%
data.frame %>%
rownames_to_column() %>%
dplyr::filter(stringr::str_detect(rowname,"_se")==T) %>%
dplyr::rename_all(list(~c("VAR","Trabalha")))
descritivas_ep <- descritivas0 %>%
dplyr::bind_rows(descritivas1)
# Tirar as estatísticas descritiva comum a todos
descritivas0 <- svy2018 %>%
srvyr::filter(!(renda_trab==0&trabalha==1),idade_calculada>=14) %>%
srvyr::group_by(trabalha) %>%
srvyr::summarise_at(vars(idade_calculada,superior,ensino_medio,mulher,sit_pat_mat,renda_dom_sp,negro,port_de_defic,
estuda),
list(~ srvyr::survey_mean(.,na.rm=T))) %>%
tidyr::gather("VAR","valor",-1) %>%
dplyr::filter(str_detect(VAR,"_se$")==F) %>%
dplyr::mutate(trabalha=case_when(trabalha==0~"Não trabalha",
trabalha==1~"Trabalha")) %>%
tidyr::spread(trabalha,valor) %>%
dplyr::mutate(`Não trabalha`=case_when(`Não trabalha`==1~NA_real_,
TRUE~`Não trabalha`))
# Tirar as descritivas dos trabalhadores
descritivas1 <- svy2018 %>%
srvyr::filter(trabalha==1) %>%
srvyr::summarise_at(vars(informal,trabalha_pp,setor_publico,
renda_trab,tempo),
list(~survey_mean(.,na.rm=T))) %>%
t() %>%
data.frame %>%
rownames_to_column() %>%
dplyr::filter(str_detect(rowname,"_se")==F) %>%
dplyr::rename_all(list(~c("VAR","Trabalha")))
# Juntar as duas coisas
descritivas <- descritivas0 %>%
dplyr::bind_rows(descritivas1) %>%
dplyr::mutate(VAR=case_when(VAR=="idade_calculada"~"Idade (média)",
VAR=="ensino_medio"~"Ensino médio (%)",
VAR=="estuda"~"Estudante (%)",
VAR=="sit_pat_mat"~"Tem filho (%)",
VAR=="mulher"~"Pessoas do sexo feminino (%)",
VAR=="negro"~"Negro (%)",
VAR=="renda_dom_sp"~"Renda domiciliar (sem a renda da pessoa) (Média)",
VAR=="superior"~"Ensino superior (%)",
VAR=="informal"~"Trabalha no setor informal (%)",
VAR=="trabalha_pp"~"Trabalha no Plano Piloto (%)",
VAR=="setor_publico"~"Trabalha no setor público (%)",
VAR=="port_de_defic"~"Pessoas com alguma deficiência (%)",
VAR=="tempo"~"Tempo no emprego principal (média)",
VAR=="renda_trab"~"Renda do trabalho (média)")) %>%
dplyr::bind_cols(descritivas_ep %>%
dplyr::select(-1)) %>%
dplyr::mutate_at(vars(2:5),
list(~case_when(VAR %in% c("Ensino médio (%)","Estudante (%)","Pessoas do sexo feminino (%)",
"Negro (%)","Ensino superior (%)","Trabalha no setor informal (%)",
"Portador de alguma deficiência (%)","Tem filho (%)",
"Trabalha no Plano Piloto (%)","Trabalha no setor público (%)")~.*100,
TRUE~.)))
salarios<-broom::tidy(reg_sal)
ocupacao<-broom::tidy(reg_ocup)
options(scipen = 999)
# write.table(descritivas,"resultados/descritivas.csv",
# row.names = F, sep = ";", dec = ',')
#
# write.table(salarios,"resultados/regressao_salarios.csv",
# row.names = F, sep = ";", dec = ',')
#
# write.table(ocupacao,"resultados/regressao_ocupacao.csv",
# row.names = F, sep = ";", dec = ',')
save(list=c("salarios","ocupacao"),
file="resultados/resultados.rda")