# Cabeçalho ----
# 2º Censo Distrital da População em Situação de Rua

# IPEDF - Instituto de Pesquisa e Estatística do Distrito Federal

# Perfil sociodemográfico da população em situação de rua

# Contato - Email: politicas.sociais@ipe.df.gov.br


# Carregar pacotes e bases ----

# instalar os pacotes necessários
install.packages("readxl")
install.packages("dplyr")
install.packages("survey")
install.packages("srvyr")
install.packages("janitor")


# carregar os pacotes necessários
library(readxl)
library(dplyr)
library(survey)
library(srvyr)
library(janitor)
library(tidyr)

# carregar a base censitária
dados_censitária <- read_xlsx("S:/AREA_TECNICA/2025/Pesquisas Dipos/1. Pastas por projeto/População em situação de rua/Censo 2/Dados/Base censitária/Censo 2 - base censitária.xlsx")

# carregar a base amostral
amostra <- read_xlsx("S:/AREA_TECNICA/2025/Pesquisas Dipos/1. Pastas por projeto/População em situação de rua/Censo 2/Dados/Base amostral/Censo 2 - base amostral - com pesos.xlsx")

# Criar variáveis categóricas
amostra <- amostra %>%
  mutate(
    fx.etaria = cut(`4.1`, c(-Inf, 17, 64, +Inf), labels = c("00-18", "18-59", "60+")))
    
    
    # Criar objeto de amostra complexa com pesos
    amostra_pes <- survey::svydesign(id = ~ID,
                                     weights = ~fator,
                                     nest=TRUE,
                                     data=amostra)
    
    amostra_pes <- srvyr::as_survey(amostra_pes)
    
    
    # Criando variável de faixa etária na base censitária
    dados_censitária <- dados_censitária %>%
      mutate(
        faixa_etaria = case_when(
          !is.na(`4.4`) & `4.4` <= 11 ~ "Até 11",
          !is.na(`4.4`) & `4.4` >= 12 & `4.4` <= 17 ~ "12 a 17",
          !is.na(`4.4`) & `4.4` >= 18 & `4.4` <= 30 ~ "18 a 30",
          !is.na(`4.4`) & `4.4` >= 31 & `4.4` <= 49 ~ "31 a 49",
          !is.na(`4.4`) & `4.4` >= 50 & `4.4` <= 59 ~ "50 a 59",
          !is.na(`4.4`) & `4.4` >= 60 & `4.4` <= 69 ~ "60 a 69",
          !is.na(`4.4`) & `4.4` >= 70 & `4.4` <= 79 ~ "70 a 79",
          !is.na(`4.4`) & `4.4` >= 80 & `4.4` <= 89 ~ "80 a 89",
          !is.na(`4.4`) & `4.4` >= 90 & `4.4` <= 99 ~ "90 a 99",
          # Se a idade está faltando, usa diretamente a faixa de 4.4_Observação (caso válida)
          `4.4_Observação` %in% c("Até 11", "12 a 17", "18 a 30", 
                                  "31 a 49", "50 a 59", "60 a 69",
                                  "70 a 79", "80 a 89", "90 a 99") ~ `4.4_Observação`,
          TRUE ~ "Não foi possível identificar/estimar"
        )
      )
    
    
    # Quantitativo geral por local de aplicação ----
    qtd_geral <- dados_censitária %>%
      tabyl(`1.1`) %>%  # Conta a frequência de cada categoria
      mutate(proporcao = n / sum(n)) %>%  # Calcula a proporção
      arrange(desc(n))  # Ordena do maior para o menor
    
    rm(qtd_geral)
    
    # Quantitativo geral por serviço de acolhimento 
    qtd_geral_serv <- dados_censitária %>%
      tabyl(`1.1.2`) %>%  # Conta a frequência de cada categoria
      mutate(proporcao = n / sum(n)) %>%  # Calcula a proporção
      arrange(desc(n))  # Ordena do maior para o menor
    
    # Quantitativo por RA
    RAs <- dados_censitária %>%
      tabyl(`1.1.1`) %>%  # Conta a frequência de cada categoria
      mutate(proporcao = n / sum(n)) %>%  # Calcula a proporção
      arrange(desc(n))  # Ordena do maior para o menor
    
    # Quantitativo por RA e local de aplicação
    local_RAs <- dados_censitária %>%
      count(`1.1`, `1.1.1`) %>%  # Conta a frequência de cada categoria
      mutate(proporcao = n / sum(n)) %>%  # Calcula a proporção
      arrange(`1.1.1`, desc(n))  # Ordena do maior para o menor
    
    # Quantitativo de respostas diretas e por observação
    abord_obs <- dados_censitária %>%
      tabyl(`2.1`) %>%  # Conta a frequência de cada categoria
      mutate(proporcao = n / sum(n)) %>%  # Calcula a proporção
      arrange(desc(n))  # Ordena do maior para o menor
    
    
    # Quantitativo por local de aplicação e sexo
    local_sexo <- dados_censitária %>%
      count(`4.1.1`, `1.1`) %>%  # Conta a frequência por sexo e local
      group_by(`4.1.1`) %>%  # Agrupa por sexo
      mutate(proporcao = n / sum(n)) %>%  # Calcula a proporção dentro de cada sexo
      arrange(`4.1.1`, desc(n))  # Ordena por sexo e frequência
    
    
    # Quantitativo por local onde ia dormir no dia da aplicação
    local_dormiu <- dados_censitária %>%
      filter(`3.1` != "Não se aplica") %>%
      tabyl(`3.1`) %>%  # Conta a frequência de cada categoria
      mutate(proporcao = n / sum(n)) %>%  # Calcula a proporção
      arrange(desc(n))  # Ordena do maior para o menor
    
    
    # Quantitativo onde as pessoas da CT dormiram nos 7 dias anteriores
    local_dormiu <- dados_censitária %>%
      filter(`3.2.1` != "Não se aplica") %>%
      tabyl(`3.2.1`) %>%  # Conta a frequência de cada categoria
      mutate(proporcao = n / sum(n)) %>%  # Calcula a proporção
      arrange(desc(n))  # Ordena do maior para o menor
    
    
    
    # Quantitativo por local onde ia dormir no dia da aplicação e sexo
    local_dormiu_sexo <- dados_censitária %>%
      count(`4.1.1`, `3.1`) %>%  # Conta a frequência por sexo e local
      filter(`3.1` != "Não se aplica") %>%
      group_by(`4.1.1`) %>%  # Agrupa por sexo
      mutate(proporcao = n / sum(n)) %>%  # Calcula a proporção dentro de cada sexo
      arrange(`4.1.1`, desc(n))  # Ordena por sexo e frequência
    
    
    # Quantitativo por tempo no serviço de acolhimento
    serv <- dados_censitária %>%
      filter(Responsável != "Criança") %>% 
      filter(`3.3` != "Não se aplica") %>%
      tabyl(`3.3`) %>%  # Conta a frequência de cada categoria
      mutate(proporcao = n / sum(n)) %>%  # Calcula a proporção
      arrange(desc(n))  # Ordena do maior para o menor
    
    
    
    # Quantitativo por tempo no serviço de acolhimento e sexo
    serv_sexo <- dados_censitária %>%
      filter(Responsável != "Criança") %>% 
      count(`3.3`, `4.1.1`) %>%  # Conta a quantidade por tempo no serviço de acolhimento e sexo
      filter(`3.3` != "Não se aplica") %>%
      group_by(`4.1.1`) %>%  # Agrupa por sexo
      mutate(proporcao = n / sum(n)) %>%  # Calcula a proporção
      arrange(`4.1.1`, desc(n))  # Ordena por sexo e frequência
    
    
    # Características sociodemográficas ----
    
    # Quantitativo por faixa etária
    dados_censitária <- dados_censitária %>%
      mutate(
        faixa_etaria = case_when(
          !is.na(`4.4`) & `4.4` <= 11 ~ "Até 11",
          !is.na(`4.4`) & `4.4` >= 12 & `4.4` <= 17 ~ "12 a 17",
          !is.na(`4.4`) & `4.4` >= 18 & `4.4` <= 30 ~ "18 a 30",
          !is.na(`4.4`) & `4.4` >= 31 & `4.4` <= 49 ~ "31 a 49",
          !is.na(`4.4`) & `4.4` >= 50 & `4.4` <= 59 ~ "50 a 59",
          !is.na(`4.4`) & `4.4` >= 60 & `4.4` <= 69 ~ "60 a 69",
          !is.na(`4.4`) & `4.4` >= 70 & `4.4` <= 79 ~ "70 a 79",
          !is.na(`4.4`) & `4.4` >= 80 & `4.4` <= 89 ~ "80 a 89",
          !is.na(`4.4`) & `4.4` >= 90 & `4.4` <= 99 ~ "90 a 99",
          # Se a idade está faltando, usa diretamente a faixa de 4.4_Observação (caso válida)
          `4.4_Observação` %in% c("Até 11", "12 a 17", "18 a 30", 
                                  "31 a 49", "50 a 59", "60 a 69",
                                  "70 a 79", "80 a 89", "90 a 99") ~ `4.4_Observação`,
          TRUE ~ "Não foi possível identificar/estimar"
        )
      )
    
    
    
    faixa_etária3 <- dados_censitária %>%
      count(faixa_etaria) %>%
      mutate(proporcao = n / sum(n)) %>%
      arrange(desc(n))
    
    # faixa etária das crianças
    idade_crianças <- dados_censitária %>%
      filter(Responsável != "Entrevistado") %>%
      count(`faixa_etaria`) %>%  # Conta a frequência de cada categoria
      group_by(`faixa_etaria`) %>%
      mutate(proporcao = n / sum(n)) %>%  # Calcula a proporção
      arrange(desc(n))  # Ordena do maior para o menor
    
    
    # Sexo e faixa etária das crianças
    sexo_idade_crianças <- dados_censitária %>%
      filter(Responsável != "Entrevistado") %>%
      count(`4.1.1`, faixa_etaria) %>%  # Conta a frequência de cada categoria
      group_by(`4.1.1`) %>%
      mutate(proporcao = n / sum(n)) %>%  # Calcula a proporção
      arrange(desc(n))  # Ordena do maior para o menor
    
    # faixa etária e sexo das crianças(100% fecha por faixa etária)
    idade_sexo_crianças <- dados_censitária %>%
      filter(Responsável != "Entrevistado") %>%
      count(`4.1.1`, faixa_etaria) %>%  # Conta a frequência de cada categoria
      group_by(`faixa_etaria`) %>%
      mutate(proporcao = n / sum(n)) %>%  # Calcula a proporção
      arrange(desc(n))  # Ordena do maior para o menor
    
    
    # Desagregar por sexo
    faixa_etária_sexo <- dados_censitária %>%
      filter(`4.1.1` != "Não se aplica") %>%
      count(faixa_etaria, `4.1.1`) %>%
      group_by(`4.1.1`) %>%
      mutate(proporcao = n / sum(n)) %>%
      arrange(`4.1.1`, desc(n))
    
    # Sexo de nascimento
    sexo2 <- dados_censitária %>%
      filter(Responsável != "Criança") %>% 
      tabyl(`4.1.1`) %>%  # Conta a frequência de cada categoria
      mutate(proporcao = n / sum(n)) %>%  # Calcula a proporção
      arrange(desc(n))  # Ordena do maior para o menor
    
    
    # Sexo de nascimento das crianças e adolescentes
    sexo_crianças <- dados_censitária %>%
      filter(Responsável != "Entrevistado") %>%
      count(`4.1.1`, Responsável) %>%  # Conta a frequência de cada categoria
      mutate(proporcao = n / sum(n)) %>%  # Calcula a proporção
      arrange(desc(n))  # Ordena do maior para o menor
    
    
    # Identificação com o sexo de nascimento
    id_sexo <- dados_censitária %>%
      filter(`4.1.2` != "Não se aplica", `Responsável` != "Criança") %>%
      tabyl(`4.1.2`) %>%  # Conta a frequência de cada categoria
      mutate(proporcao = n / sum(n)) %>%  # Calcula a proporção
      arrange(desc(n))  # Ordena do maior para o menor
    
    
    # Identificação com o sexo + interação com o sexo de nascimento
    id_por_sexo <- dados_censitária %>%
      filter(`4.1.2` != "Não se aplica", `Responsável` != "Criança") %>%
      count(`4.1.1`, `4.1.2`) %>%  # Conta a quantidade por sexo e identificação com o sexo
      group_by(`4.1.1`) %>%  # Agrupa por sexo
      mutate(proporcao = n / sum(n)) %>%  # Calcula a proporção
      arrange(`4.1.1`, desc(n))  # Ordena por sexo e frequência
    
    
    # Quantitativo por orientação sexual
    # Se pertinente, interagir com identificação com o sexo de nascimento
    orientação_sexual <- dados_censitária %>%  
      filter(`4.2` != "Não se aplica",
             Responsável != "Criança") %>%
      tabyl(`4.2`) %>%  # Conta a frequência 
      mutate(proporcao = n / sum(n)) %>%  # Calcula a proporção
      arrange(desc(n))  # Ordena do maior para o menor
    
    
    
    # Quantitativo por raça/cor 
    #criar variável que une: respondentes e crianças e criar um objeto com as informações
    raça_cor <- dados_censitária %>%
      mutate(raca_cor = coalesce(`4.3`, `11.4`)) %>%  # Consolida raça-cor de adultos e crianças
      count(raca_cor) %>%  # Conta a quantidade de cada categoria de raça
      filter(raca_cor != "Não se aplica") %>%
      mutate(proporcao = n / sum(n)) %>%  # Calcula a proporção total
      arrange(desc(n))  # Ordena do maior para o menor
    
    
    # Quantitativo por raça/cor e crianças
    raça_cor_crianças <- dados_censitária %>%
      filter(Responsável != "Entrevistado") %>%
      tabyl(`11.4`) %>%  # Conta a quantidade de cada categoria de raça
      filter(`11.4` != "Não se aplica") %>%
      mutate(proporcao = n / sum(n)) %>%  # Calcula a proporção total
      arrange(desc(n))  # Ordena do maior para o menor
    
    # Indígenas
    Indígenas <- dados_censitária %>%
      mutate(etnia = coalesce(`4.3.1`, `11.4.1`)) %>%  # Consolida raça-cor de adultos e crianças
      filter(etnia != "Não se aplica") %>%
      count(etnia) %>%  # Conta a quantidade de cada categoria de raça
      mutate(proporcao = n / sum(n)) %>%  # Calcula a proporção total
      arrange(desc(n))  # Ordena do maior para o menor
    
    
    # Crianças indígenas
    crianças_indígenas <- dados_censitária %>%
      filter(`11.4.1` != "Não se aplica") %>%
      tabyl(`11.4.1`) %>%  # Conta a quantidade de cada categoria de raça
      mutate(proporcao = n / sum(n)) %>%  # Calcula a proporção total
      arrange(desc(n))  # Ordena do maior para o menor
    
    
    # Raça-cor e sexo
    raca_cor_sexo <- dados_censitária %>%
      mutate(raca_cor = coalesce(`4.3`, `11.4`)) %>%  # Consolida raça-cor de adultos e crianças
      filter(raca_cor != "Não se aplica") %>%  # Remove observações indesejadas
      count(`4.1.1`, raca_cor) %>%  # Conta a quantidade de cada raça por sexo
      group_by(`4.1.1`) %>%  # Agrupa por sexo
      mutate(proporcao = n / sum(n)) %>%  # Calcula a proporção dentro de cada sexo
      arrange(`4.1.1`, desc(n))  # Ordena dentro de cada sexo
    
    
    # Sexo e crianças sob cuidado
    sexo_crianças <- dados_censitária %>%
      filter(dados_censitária$Responsável != "Criança") %>%
      count(`4.1.1`, `10.3`) %>%
      group_by(`4.1.1`) %>%
      mutate(proporcao = n / sum(n)) %>%
      arrange(`4.1.1`, desc(n))
    
    
    sexo_crianças_qtd <- dados_censitária %>%
      filter(dados_censitária$Responsável != "Criança") %>%
      count(`4.1.1`, `10.3.1`) %>%
      group_by(`4.1.1`) %>%
      mutate(proporcao = n / sum(n)) %>%
      arrange(`4.1.1`, desc(n))
    
    
    # Quantitativo por estado civil (amostral)
    # Calcular a proporção e o Coeficiente de Variação (CV) das respostas de q15
    estado_civil <- amostra_pes %>%
      group_by(`4.6`) %>%
      summarise(
        n_ponderado = survey_total(vartype = "cv"),
        cv = survey_total(vartype = "cv", na.rm = TRUE)  # extrai o CV
      ) %>%
      mutate(
        n_ponderado = round(n_ponderado),
        proporcao = n_ponderado / sum(n_ponderado)
      )
    
    
    # Interagir com vínculos familiares: entre as pessoas solteiras, divorciadas/separadas e viúvas, qual o % de relatos sobre estar convivendo com marido, esposa ou companheiro?
    # Calcular a proporção e o Coeficiente de Variação (CV) das respostas de q15 x q185
    resultado_4.6_9.1 <- amostra_pes %>%
      group_by(`4.6`, `9.1.2`) %>%
      summarise(
        n_ponderado = survey_total(vartype = "cv"),
        cv = survey_total(vartype = "cv", na.rm = TRUE)  # extrai o CV
      ) %>%
      mutate(
        n_ponderado = round(n_ponderado),
        proporcao = n_ponderado / sum(n_ponderado)
      )
    
    
    
    # Tempo de rua ----
    # Quantitativo por tempo de rua desde a primeira vez em que esteve nessa situação
    tempo_de_rua <- dados_censitária %>%
      filter(`2.1` == "Abordagem direta", dados_censitária$Responsável != "Criança", `5.1` != "Não se aplica") %>%
      count(`5.1`) %>%
      mutate(proporcao = n / sum(n)) %>%
      arrange(`5.1`, desc(n))
    
    # desagregar por sexo
    tempo_de_rua_sexo <- dados_censitária %>%
      filter(`2.1` == "Abordagem direta", dados_censitária$Responsável != "Criança") %>%
      count(`4.1.1`, `5.1`) %>%
      group_by(`4.1.1`) %>%
      mutate(proporcao = n / sum(n)) %>%
      arrange(desc(n))
    
    
    # Quantitativo de pessoas que já saíram da situação de rua e retornaram
    saiu_rua <- dados_censitária %>%
      filter(`2.1` == "Abordagem direta", dados_censitária$Responsável != "Criança", `5.2` != "Não se aplica") %>%
      count(`5.2`) %>%
      mutate(proporcao = n / sum(n)) %>%
      arrange(desc(n))
    
    
    # desagregar por sexo
    saiu_rua_sexo <- dados_censitária %>%
      filter(`2.1` == "Abordagem direta", dados_censitária$Responsável != "Criança") %>%
      count(`5.2`, `4.1.1`) %>%
      group_by(`4.1.1`) %>%
      mutate(proporcao = n / sum(n)) %>%
      arrange(`4.1.1`, desc(n))
    
    
    # desagregar por raça-cor
    saiu_rua_raca_cor <- dados_censitária %>%
      filter(`2.1` == "Abordagem direta", dados_censitária$Responsável != "Criança") %>%
      count(`5.2`, `4.3`) %>%
      group_by(`4.3`) %>%
      mutate(proporcao = n / sum(n)) %>%
      arrange(`4.3`, desc(n))
    
    
    # Quantitativo de tempo desde a última vez que a pessoa retornou à situação de rua
    voltou_rua <- dados_censitária %>%
      filter(`2.1` == "Abordagem direta", dados_censitária$Responsável != "Criança", `5.2.1` != "Não se aplica") %>%
      count(`5.2.1`) %>%
      mutate(proporcao = n / sum(n)) %>%
      arrange(desc(n))
    
    
    # Quantitativo de tempo no serv de acolhimento
    tempo_serv <- dados_censitária %>%
      filter(`2.1` == "Abordagem direta", dados_censitária$Responsável != "Criança", `3.3` != "Não se aplica") %>%
      count(`3.3`) %>%
      mutate(proporcao = n / sum(n)) %>%
      arrange(desc(n))
    
    
    # Quantitativo de tempo antes de ir para comunidade terapêutica
    tempo_comunidade <- dados_censitária %>%
      filter(dados_censitária$Responsável != "Criança", `5.3` != "Não se aplica") %>%
      count(`5.3`) %>%
      mutate(proporcao = n / sum(n)) %>%
      arrange(desc(n))
    
    
    # Procedência/migração ----
    # Quantitativo por origem e nascimento (adultos)
    origem <- dados_censitária %>%
      filter(Responsável != "Criança", `6.1` != "Não se aplica", `6.1` != "Não respondeu", `6.1` != "Não sabe") %>%
      count(`6.1`) %>%
      mutate(proporcao = n / sum(n)) %>%
      arrange(desc(n))
    
    # Quantitativo por origem e nascimento (crianças)
    origem_crianças <- dados_censitária %>%
      filter(Responsável != "Entrevistado", `11.5` != "Não se aplica", `11.5` != "Não sabe", `11.5` != "Não respondeu") %>%
      count(`11.5`) %>%
      mutate(proporcao = n / sum(n)) %>%
      arrange(desc(n))
    
    # Origem e nascimento por país das crianças:
    país_crianças <- dados_censitária %>%
      filter(Responsável != "Entrevistado", `11.5.3_País` != "Não se aplica", `11.5.3_País` != "Não sabe", `11.5.3_País` != "Não respondeu") %>%
      count(`11.5.3_País`) %>%
      mutate(proporcao = n / sum(n)) %>%
      arrange(desc(n))
    
    
    
    # desagregar por sexo
    origem_sexo <- dados_censitária %>%
      filter(`6.1` != "Não se aplica") %>%
      count(`4.1.1`,`6.1`) %>%
      group_by(`4.1.1`) %>%
      mutate(proporcao = n / sum(n)) %>%
      arrange(desc(n))
    
    
    # desagregar por raça/cor
    origem_raca_cor <- dados_censitária %>%
      mutate(raca_cor = coalesce(`4.3`, `11.4`)) %>%  # Consolida raça-cor de adultos e crianças
      filter(`6.1` != "Não se aplica") %>%
      count(raca_cor,`6.1`) %>%
      group_by(raca_cor) %>%
      mutate(proporcao = n / sum(n)) %>%
      arrange(raca_cor, desc(n))
    
    
    # Quantitativo por país mais citado
    País_nascimento <- dados_censitária %>%
      filter(`6.1.3_País` != "Não se aplica", `Responsável` != "Criança") %>%
      tabyl(`6.1.3_País`) %>%
      mutate(proporcao = n / sum(n)) %>%
      arrange(desc(n))
    
    
    # Quantitativo por estado mais citado
    Estado_nascimento <- dados_censitária %>%
      filter(`6.1.2_Estado` != "Não se aplica" & `6.1.2_Estado` != "Distrito Federal") %>%
      tabyl(`6.1.2_Estado`) %>% 
      mutate(proporcao = n / sum(n)) %>%
      arrange(desc(n))
    
    
    # Quantitativo por cidade mais citada
    Cidade_nascimento <- dados_censitária %>%
      filter(`6.1.2_Cidade` != "Não se aplica") %>%
      tabyl(`6.1.2_Cidade`) %>%
      mutate(proporcao = n / sum(n)) %>%
      arrange(desc(n))
    
    # Motivação para vir ao Brasil
    motivo_brasil <- dados_censitária %>%
      filter(Responsável != "Criança") %>%
      select(starts_with("6.2.")) %>%  # Seleciona todas as colunas das alternativas
      summarise(across(everything(), ~sum(. != "Não se aplica" & . != "Não selecionou" & . != "Não sabe" & . != "Não respondeu", na.rm = TRUE))) %>%  # Conta apenas respostas válidas
      pivot_longer(cols = everything(), names_to = "Alternativa", values_to = "Quantidade") %>%  # Converte para formato longo
      mutate(Proporcao = Quantidade / sum(Quantidade)) %>%  # Calcula a proporção total
      arrange(desc(Quantidade))  # Ordena do maior para o menor
    
    
    # Motivação para vir para o DF
    motivo_df <- dados_censitária %>%
      filter(Responsável != "Criança") %>%
      select(starts_with("6.3.")) %>%  # Seleciona todas as colunas das alternativas
      summarise(across(everything(), ~sum(. != "Não se aplica" & . != "Não selecionou" & . != "Não sabe" & . != "Não respondeu", na.rm = TRUE))) %>%  # Conta apenas respostas válidas
      pivot_longer(cols = everything(), names_to = "Alternativa", values_to = "Quantidade") %>%  # Converte para formato longo
      mutate(Proporcao = Quantidade / sum(Quantidade)) %>%  # Calcula a proporção total
      arrange(desc(Quantidade))  # Ordena do maior para o menor
    
    
    # desagregar por sexo
    motivo_df_sexo <- dados_censitária %>%
      filter(Responsável != "Criança") %>%
      select(`4.1.1`, starts_with("6.3.")) %>%  # Seleciona a variável de sexo e as alternativas da questão
      pivot_longer(cols = starts_with("6.3."), names_to = "Alternativa", values_to = "Resposta") %>%  # Transforma para formato longo
      filter(!Resposta %in% c("Não se aplica", "Não selecionou", "Não sabe", "Não respondeu")) %>%  # Remove respostas inválidas
      count(`4.1.1`, Alternativa) %>%  # Conta a quantidade de respostas por sexo e alternativa
      group_by(`4.1.1`) %>%  # Agrupa por sexo
      mutate(Proporcao = n / sum(n)) %>%  # Calcula a proporção dentro de cada sexo
      arrange(`4.1.1`, desc(n))  # Ordena dentro de cada sexo
    
    
    # Motivação para a criança estar em situação de rua
    motivo_crianças <- dados_censitária %>%
      filter(Responsável != "Entrevistado", `11.6` != "Não se aplica") %>%
      count(`11.6`) %>%
      mutate(proporcao = n / sum(n)) %>%
      arrange(desc(n))
    
    
    
    # Regiões de estadia e deslocamento de na rua ----
    # Você fica somente nesta região?
    fica_região <- amostra_pes %>%
      group_by(`14.2`) %>%
      summarise(
        n_ponderado = survey_total(vartype = "cv"),
        cv = survey_total(vartype = "cv", na.rm = TRUE)  # extrai o CV
      ) %>%
      mutate(
        n_ponderado = round(n_ponderado),
        proporcao = n_ponderado / sum(n_ponderado)
      )
    
    
    # Motivação para mudar de região
    # 1. Transformar para formato longo (antes da ponderação)
    amostra_long <- amostra %>%
      select(ID, fator, `14.3.1`:`14.3.12`) %>%
      pivot_longer(cols = `14.3.1`:`14.3.12`, names_to = "Motivacao", values_to = "Resposta") %>%
      filter(!Resposta %in% c("Não selecionou", "Não se aplica"))
    
    # 2. Criar o objeto survey ponderado com a base longa
    amostra_pesada_long <- svydesign(
      ids = ~ID,
      weights = ~fator,
      data = amostra_long
    ) %>% 
      as_survey()
    
    
    # Total de respostas válidas (pode ajustar se precisar recalcular a partir da base, mas por enquanto use seu valor conhecido)
    total_respostas_validas <- 1272
    
    resultado_motivos <- amostra_pesada_long %>%
      group_by(Motivacao, Resposta) %>%
      summarise(
        n_ponderado = survey_total(vartype = "cv", na.rm = TRUE)
      ) %>%
      mutate(
        n_ponderado = round(n_ponderado),
        percentual = (n_ponderado / total_respostas_validas) * 100,  # Aqui entra o 1272
        cv = n_ponderado_cv * 100  # CV em porcentagem
      ) %>%
      filter(!Resposta %in% c("Não selecionou", "Não se aplica")) %>%
      arrange(desc(n_ponderado))
    
    # Visualizar
    print(resultado_motivos)
    
    
    
    
    # O que faz mudar de lugar?
    
    # Motivação para escolher uma região para ficar
    
    # 1. Transformar para formato longo (antes da ponderação)
    amostra_long <- amostra %>%
      select(ID, fator, `14.1.1`:`14.1.10`) %>%
      pivot_longer(cols = `14.1.1`:`14.1.10`, names_to = "Motivacao", values_to = "Resposta") %>%
      filter(!Resposta %in% c("Não selecionou", "Não se aplica"))
    
    # 2. Criar o objeto survey ponderado com a base longa
    amostra_pesada_long <- svydesign(
      ids = ~ID,
      weights = ~fator,
      data = amostra_long
    ) %>% 
      as_survey()
    
    resultado_motivos2 <- amostra_pesada_long %>%
      group_by(Motivacao, Resposta) %>%
      summarise(
        n_ponderado = survey_total(vartype = "cv", na.rm = TRUE)
      ) %>%
      mutate(
        n_ponderado = round(n_ponderado),
        percentual = (n_ponderado / total_respostas_validas) * 100,  # Aqui entra o 1272
        cv = n_ponderado_cv * 100  # CV em porcentagem
      ) %>%
      filter(!Resposta %in% c("Não selecionou", "Não se aplica")) %>%
      arrange(desc(n_ponderado))
    
    # Visualizar
    print(resultado_motivos)
    
    
    
    # Local em que costuma dormir
    # 1. Transformar para formato longo (antes da ponderação)
    amostra_long <- amostra %>%
      select(ID, fator, `14.4.1`:`14.4.8`) %>%
      pivot_longer(cols = `14.4.1`:`14.4.8`, names_to = "Local", values_to = "Resposta") %>%
      filter(!Resposta %in% c("Não selecionou", "Não se aplica"))
    
    # 2. Criar o objeto survey ponderado com a base longa
    amostra_pesada_long <- svydesign(
      ids = ~ID,
      weights = ~fator,
      data = amostra_long
    ) %>% 
      as_survey()
    
    
    # Total de respostas válidas (pode ajustar se precisar recalcular a partir da base, mas por enquanto use seu valor conhecido)
    total_respostas_validas <- 1272
    
    resultado_local_dormir<- amostra_pesada_long %>%
      group_by(Local, Resposta) %>%
      summarise(
        n_ponderado = survey_total(vartype = "cv", na.rm = TRUE)
      ) %>%
      mutate(
        n_ponderado = round(n_ponderado),
        percentual = (n_ponderado / total_respostas_validas) * 100,  # Aqui entra o 1272
        cv = n_ponderado_cv * 100  # CV em porcentagem
      ) %>%
      filter(!Resposta %in% c("Não selecionou", "Não se aplica")) %>%
      arrange(desc(n_ponderado))
    
    # Visualizar
    print(resultado_local_dormir)
    
    
    
    # Tipo de ponto de coleta ----
    # Empilhar as colunas da pergunta de múltipla escolha
    base_long <- dados_censitária %>%
      pivot_longer(cols = starts_with("15.2."),  # Ajuste conforme os nomes das colunas
                   names_to = "alternativa", 
                   values_to = "resposta") 
    
    # Contar a frequência de cada resposta por alternativa
    frequencia <- base_long %>%
      group_by(alternativa, resposta) %>%
      summarise(n = n(), .groups = "drop") %>%
      mutate(percentual = (n / nrow(dados_censitária)) * 100)  # Percentual em relação ao total de respondentes