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

# IPEDF - Instituto de Pesquisa e Estatística do Distrito Federal

# Educação, trabalho e renda, habitação e vínculos familiares

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


# Carregar pacotes e bases ----

# Pacotes
library(readxl)
library(dplyr)
library(survey)
library(srvyr)
library(janitor)
library(tidyr)
library(data.table)
library(openxlsx)

# 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"
    )
  )


# Variável fX etária criança

dados_censitária <- dados_censitária %>%
  mutate(idade_cr = case_when(
    `4.4` <= 5 ~ "De 0 a 5 anos",
    `4.4` <= 14 ~ "De 6 a 14 anos",
    `4.4` <= 17 ~ "De 15 a 17 anos"
  )) 
  

# Bloco 6 - Habitação e moradia ----
# Atualmente, você tem casa para morar?
casa_morar <- dados_censitária %>%
  filter(`7.1` != "Não se aplica", Responsável != "Criança") %>% 
  count(`7.1`) %>%
  mutate(proporcao = n / sum(n)) %>%
  arrange(desc(n))

write.xlsx(casa_morar, "casa_morar.xlsx")
rm(casa_morar)

# Atualmente, você tem casa para morar? - Desagregar por local de nascimento
casa_morar_nasc <- dados_censitária %>%
  filter(`Responsável` != "Criança") %>%
  filter(`7.1` != "Não se aplica" & `6.1` != "Não se aplica" ) %>% 
  filter(`7.1` != "Não" & `7.1` != "Não respondeu" & `6.1` != "Não" & `6.1` != "Não sabe") %>% 
  count(`7.1`, `6.1`) %>% 
  group_by(`6.1`) %>%  # Agrupa por sexo
  mutate(proporcao = n / sum(n)) %>%  # Calcula a proporção dentro de cada sexo
  arrange(desc(n))

write.xlsx(casa_morar_nasc, "casa_morar_nasc.xlsx")
rm(casa_morar_nasc) 

# Em qual região administrativa fica?
qual_ra <- dados_censitária %>%
  filter(`7.1.1` != "Não se aplica" & `Responsável` != "Criança") %>% 
  count(`7.1.1`) %>%
  mutate(proporcao = n / sum(n)) %>%
  arrange(desc(n))


write.xlsx(qual_ra, "qual_ra.xlsx")
rm(qual_ra)

# Em qual estado?
qual_estado <- dados_censitária %>%
  filter(`7.1.2` != "Não se aplica" & `Responsável` != "Criança") %>% 
  count(`7.1.2`) %>%
  mutate(proporcao = n / sum(n)) %>%
  arrange(desc(n)) 


write.xlsx(qual_estado, "qual_estado.xlsx")
rm(qual_estado)


# Em qual país?
qual_pais <- dados_censitária %>%
  filter(`7.1.3` != "Não se aplica" & `Responsável` != "Criança") %>% 
  count(`7.1.3`) %>%
  mutate(proporcao = n / sum(n)) %>%
  arrange(desc(n))

write.xlsx(qual_pais, "qual_pais.xlsx")
rm(qual_pais)

# Essa casa/residência é?
residencia_e <- dados_censitária %>%
  filter(`7.2` != "Não se aplica", `Responsável` != "Criança") %>% 
  count(`7.2`) %>%
  mutate(proporcao = n / sum(n)) %>%
  arrange(desc(n)) 

write.xlsx(residencia_e, "residencia_e.xlsx")
rm(residencia_e)

# Essa casa/residência fica em uma área regularizada, de ocupação ou assentamento?
regularizada <- dados_censitária %>%
  filter(`7.3` != "Não se aplica" & `Responsável` != "Criança") %>% 
  count(`7.3`) %>%
  mutate(proporcao = n / sum(n)) %>%
  arrange(desc(n)) 


regularizada2 <- dados_censitária %>%
  filter(`Responsável` != "Criança") %>% 
  filter(`7.3` != "Não se aplica") %>% 
  filter(`7.1` != "Não" & `7.1` != "Não se aplica") %>%
  count(`7.3`, `7.1`) %>% 
  group_by(`7.3`) %>%  
  mutate(proporcao = n / sum(n)) %>%  
  arrange(`7.3`, desc(n)) 

rm(regularizada2, regularizada)


# Como você conseguiu essa casa que você tem?
como_conseguiu <- dados_censitária %>%
  filter(`7.4` != "Não se aplica" & `Responsável` != "Criança") %>% 
  count(`7.4`) %>%
  mutate(proporcao = n / sum(n)) %>%
  arrange(desc(n)) 


write.xlsx(como_conseguiu, "como_conseguiu.xlsx")

rm(como_conseguiu, qual_estado, qual_pais, regularizada, residencia_e, qual_ra, regularizada2, df_motivo, casa_morar_nasc, casa_local)

# Por que você não mora ou fica nessa casa?
pq_nao_mora_casa <- dados_censitária %>%
  filter(`Responsável` != "Criança") %>% 
  select(starts_with("7.5.")) %>%  # Seleciona todas as colunas das alternativas
  summarise(across(everything(), ~sum(. != "Não se aplica" & . != "Não selecionou", 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

write.xlsx(pq_nao_mora_casa, "pq_nao_mora_casa.xlsx")

pq_nao_mora_casa_outro <- dados_censitária %>%
  filter(Responsável != "Criança") %>% 
  filter(`7.5_Outro` != "Não se aplica" & `7.5_Outro` != "Não sabe" & `7.5_Outro` != "Não respondeu") %>% 
  count(`7.5_Outro`) %>%
  mutate(proporcao = n / sum(n)) %>%
  arrange(desc(n))


write.xlsx(pq_nao_mora_casa_outro, "pq_nao_mora_casa_outro.xlsx")


# desagregar por sexo
pq_nao_mora_casa_sexo <- dados_censitária %>%
  filter(Responsável != "Criança") %>% 
  select(`4.1.1`, starts_with("7.5.")) %>%  # Seleciona a variável de sexo e as alternativas da questão
  filter(`4.1.1` != "Não respondeu") %>% 
  pivot_longer(cols = starts_with("7.5."), 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(Alternativa) %>%  # Agrupa por sexo
  mutate(proporcao = n / sum(n)) %>%  # Calcula a proporção dentro de cada sexo
  arrange(`4.1.1`, desc(n))


write.xlsx(pq_nao_mora_casa_sexo2, "pq_nao_mora_casa_sexo2.xlsx")
rm(pq_nao_mora_casa, pq_nao_mora_casa_outro, pq_nao_mora_casa_sexo)

#### Bloco 7 - Educação ####
# Você sabe ler?
sabe_ler <- amostra_pes %>%
  filter(`7.1` != "Não respondeu")  %>% 
  group_by(`7.1`) %>%
  srvyr::summarise(
    n = survey_total(vartype = "cv")) %>%
  mutate(
    n = round(n),
    proporcao = n / sum(n)
  ) 
  
write.xlsx(sabe_ler, "sabe_ler.xlsx")
rm(sabe_ler)


# Você sabe ler sem dificuldades?
sabe_escrever_sem_dific <- amostra_pes %>%
  group_by(`7.2`) %>%
  srvyr::summarise(
    n = survey_total(vartype = "cv")) %>%
  mutate(
    n = round(n),
    proporcao = n / sum(n)
  )

write.xlsx(sabe_escrever_sem_dific, "sabe_escrever_sem_dific.xlsx")
rm(sabe_escrever_sem_dific)


# P7.2. Você frequenta/frequentou a escola?
frequenta_esc <- amostra_pes %>%
  group_by(`7.3`) %>%
  filter(`7.3` != "Não respondeu") %>%
  srvyr::summarise(
    n = survey_total(vartype = "cv")) %>%
  mutate(
    n = round(n),
    proporcao = n / sum(n)
  ) 

rm(frequenta_esc)
# write.xlsx(frequenta_esc, "frequenta_esc.xlsx")


# P7.3 Quantas vezes por semana você vai à escola?
vezes_esc <- amostra_pes %>%
  group_by(`7.4`) %>%
  filter(`7.4` != "Não se aplica", `7.4` != "Não respondeu") %>%
  srvyr::summarise(
    n = survey_total(vartype = "cv")) %>%
  mutate(
    n = round(n),
    proporcao = n / sum(n)
  )

rm(frequenta_esc, sabe_ler, sabe_escrever_sem_dific)

# P7.5 Por que não frequenta a escola?
# 1. Transformar para formato longo (antes da ponderação)
amostra_long <- amostra %>%
  select(ID, fator, `7.6.1`:`7.6_Outro`) %>%
  pivot_longer(cols = `7.6.1`:`7.6_Outro`, names_to = "Motivacao", values_to = "Resposta") %>%
  filter(!Resposta %in% c("Não se aplica", "Não respondeu"))

# 2. Criar o objeto survey ponderado com a base longa
amostra_pesada_long <- svydesign(
  ids = ~ID,
  weights = ~fator,
  data = amostra_long
) %>% 
  as_survey()

# 3. Calcular n ponderado, proporção e CV
não_fre_esc <- amostra_pesada_long %>%
  group_by(Motivacao, Resposta) %>%  # Cada motivação + resposta é uma categoria
  summarise(
    n_ponderado = survey_total(vartype = "cv", na.rm = TRUE)
  ) %>%
  mutate(
    n_ponderado = round(n_ponderado),
    proporcao = n_ponderado / sum(n_ponderado),   # Proporção em relação a todas as respostas válidas
    cv = n_ponderado_cv                   
  ) %>%
  filter(Resposta != "Não selecionou")
  arrange(desc(n_ponderado))

write.xlsx(sabe_escrever_sem_dific, "sabe_escrever_sem_dific.xlsx")
rm(não_fre_esc, sabe_escrever_sem_dific, vezes_esc)

# P7.6 Em qual nível escolar você está agora ou até que nível escolar você estudou?
nivel_escolar <- amostra_pes %>%
  group_by(`7.7`) %>%
  filter(`7.7` != "Não se aplica", `7.7`!="Não respondeu") %>%
  srvyr::summarise(
    n = survey_total(vartype = "cv")) %>%
  mutate(
    n = round(n),
    proporcao = n / sum(n)
  ) 

write.xlsx(nivel_escolar, "nivel_escolar.xlsx")

rm(nivel_escolar)

# P7.7 Você tem interesse em voltar/começar a estudar?
interesse_voltar_estudar <- amostra_pes %>%
  group_by(`7.8`) %>%
  filter(`7.8` != "Não se aplica", `7.8` != "Não sabe", `7.8` != "Não respondeu") %>%
  srvyr::summarise(
    n = survey_total(vartype = "cv")) %>%
  mutate(
    n = round(n),
    proporcao = n / sum(n)
  )

write.xlsx(interesse_voltar_estudar, "interesse_voltar_estudar.xlsx")
rm(interesse_voltar_estudar, motivo_df)

# P7.8 Você já fez ou faz algum curso de formação profissional? 
fez_curso_profiss <- amostra_pes %>%
  group_by(`7.9`) %>%
  filter(`7.9` != "Não se aplica", `7.9` != "Não sabe", `7.9` != "Não respondeu") %>%
  srvyr::summarise(
    n = survey_total(vartype = "cv")) %>%
  mutate(
    n = round(n),
    proporcao = n / sum(n)
  ) 
write.xlsx(fez_curso_profiss, "fez_curso_profiss.xlsx")
rm(fez_curso_profiss)


# P7.8.1 Qual curso ou capacitação?
# 1. Transformar para formato longo (antes da ponderação)
amostra_long <- amostra %>%
  select(ID, fator, `7.9.1.1`:`7.9.1.16`) %>%
  pivot_longer(cols = `7.9.1.1`:`7.9.1.16`, names_to = "Motivacao", values_to = "Resposta") 

# 2. Criar o objeto survey ponderado com a base longa
amostra_pesada_long <- svydesign(
  ids = ~ID,
  weights = ~fator,
  data = amostra_long
) %>% 
  as_survey()


# Identifica só os respondentes que marcaram
#    pelo menos uma alternativa válida em 7.9.1.x
elegiveis <- amostra %>%
  filter(
    if_any(
      starts_with("7.9.1"),
      ~ ! . %in% c("Não selecionou", "Não se aplica")
    )
  )

# Soma o peso desses elegíveis
total_respostas_validas <- elegiveis %>%
  summarise(total = sum(fator, na.rm = TRUE)) %>%
  pull(total)

total_respostas_validas
#> [1] 1397   # só quem de fato respondeu


# 3. Calcular n ponderado, proporção e CV
curso_capacitacao <- 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), 
    cv = n_ponderado_cv  
  ) %>%
  filter(!Resposta %in% c("Não selecionou", "Não se aplica")) %>%
  arrange(desc(n_ponderado))

write.xlsx(curso_capacitacao, "curso_capacitacao.xlsx")

rm(amostra_long, curso_capacitacao, total_respostas_validas, amostra_pesada_long)





#### Bloco 7.1 - Educação infanto-juvenil ----

# P9.16 A criança sabe ler e escrever um bilhete simples?
crianca_bilhete <- dados_censitária %>%
  filter(Responsável == "Criança") %>%
 filter(`11.10` != "Não se aplica") %>% 
  count(`11.10`) %>%
  mutate(proporcao = n / sum(n)) %>%
  arrange(desc(n))  

write.xlsx(crianca_bilhete, "crianca_bilhete.xlsx")
rm(crianca_bilhete)


# A criança frequenta a creche/escola atualmente?
cri_freq_esc <- dados_censitária %>%
  count(`11.11`) %>% 
  filter(`11.11` != "Não se aplica") %>% 
  mutate(proporcao = n / sum(n)) %>% 
  arrange(desc(n))

write.xlsx(cri_freq_esc, "cri_freq_esc.xlsx")
rm(cri_freq_esc)

dados_censitária$ano_cr <- as.integer(dados_censitária$`11.1`)
table(dados_censitária$ano_cr)

dados_censitária$idade_cr <- 2024 - dados_censitária$ano_cr
table(dados_censitária$idade_cr)

# add fx et
cri_freq_esc_fet <- dados_censitária %>%
 # filter(!is.na(idade_cr)) %>%
  count(
    faixa_etaria = idade_cr,
    escolaridade = `11.11`,
    name = "n"
  ) %>%
  group_by(faixa_etaria) %>%
  mutate(proporcao = n / sum(n)) %>%
  arrange(desc(n))


write.xlsx(cri_freq_esc_fet, "cri_freq_esc_fet.xlsx")


# P9.18 Em qual série a criança/adolescente está agora?
crianca_serie <- dados_censitária %>%
  filter(`11.12` != "Não se aplica") %>% 
  count(`11.12`) %>%
  mutate(proporcao = n / sum(n)) %>%
  arrange(desc(n))

write.xlsx(crianca_serie, "crianca_serie.xlsx")

crianca_serie_idade <- dados_censitária %>%
  filter(`11.12` != "Não se aplica") %>% 
  count(`idade_cr`, `11.12`) %>%
  mutate(proporcao = n / sum(n)) %>%
  group_by(`idade_cr`) %>% 
  arrange(desc(n))

# P9.19 Até que série a criança/adolescente frequentou?
crianca_frequentou_q_serie <- dados_censitária %>%
  filter(`11.13` != "Não se aplica") %>% 
  count(`11.13`) %>%
  mutate(proporcao = n / sum(n)) %>%
  arrange(desc(n))

write.xlsx(crianca_frequentou_q_serie, "crianca_frequentou_q_serie.xlsx")


# P9.20 Por que a criança/adolescente está fora ou nunca frequentou a escola/creche?
pq_cri_fora <- dados_censitária %>%
  select(`11.14.1`:`11.14_Outro`) %>%  # Seleciona as alternativas da questão
  pivot_longer(cols = `11.14.1`:`11.14_Outro`), names_to = "Alternativa", values_to = "Resposta") %>%  # Transforma para formato longo
  filter(!Resposta %in% c("Não se aplica") %>%  # Remove respostas inválidas
  count(Alternativa) %>%  # Conta a quantidade de respostas por sexo e alternativa
  group_by(Alternativa) %>%  # Agrupa por sexo
  mutate(proporcao = n/sum(n)) %>%  # Calcula a proporção dentro de cada sexo
  arrange(desc(n)) 

  
  # 1) Identificar quem de fato pôde responder (elegíveis):
  df_elig <- dados_censitária %>%
    filter(
      if_any(
        c(starts_with("11.14."), "11.14_Outro"), 
        ~ .x != "Não se aplica"
      )
    )
  
  # 2) Quantos elegíveis existem
  n_elig <- df_elig %>% distinct(ID) %>% nrow()
  
  # 3) Empilhar, recategorizar e contar
  pq_cri_fora <- df_elig %>%
    select(-`11.14.21`) %>%
    pivot_longer(
      cols      = c(starts_with("11.14."), "11.14_Outro"),
      names_to  = "Alternativa",
      values_to = "Resposta"
    ) %>%
    filter(!Resposta %in% c("Não se aplica", "Não selecionou")) %>%
    mutate(
      Motivo = if_else(
        Alternativa == "11.14_Outro",
        Resposta,
        Alternativa
      )
    ) %>%
    distinct(ID, Motivo) %>%            # cada criança só conta uma vez por Motivo
    count(Motivo, name = "n") %>%
    mutate(
      proporcao = n / n_elig            # divide pelo total de elegíveis
    ) %>%
    arrange(desc(n))
  

# desagregar por sexo
pq_cri_fora_sexo <- dados_censitária %>%
  select(`4.1.1`, starts_with("11.14.")) %>%  # Seleciona a variável de sexo e as alternativas da questão
  filter(`4.1.1` != "Não respondeu") %>% 
  pivot_longer(cols = starts_with("11.14."), 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(Alternativa) %>%  # Agrupa por sexo
  mutate(Proporcao = n / sum(n)) %>%  # Calcula a proporção dentro de cada sexo
  arrange(`4.1.1`, desc(n)) 


write.xlsx(pq_cri_fora_sexo2, "pq_cri_fora_sexo2.xlsx")
rm(pq_cri_fora, pq_cri_fora_sexo, pq_cri_fora_sexo2, pq_cri_fora_sexo3, crianca_frequentou_q_serie, crianca_serie)

table(dados_censitária$`11.14_Outro`)




#### Bloco 8.1 - Catação ####
# P8.1 Você cata latinhas ou materiais recicláveis para vender?
cata_latinhas <- dados_censitária %>%
  filter(Responsável != "Criança") %>% 
  count(`9.1`) %>% 
  filter(`9.1` != "Não se aplica") %>% 
  mutate(proporcao = n / sum(n))


# Por sexo
cata_latinhas_sexo <- dados_censitária %>%
  filter(Responsável != "Criança") %>% 
  count(`9.1`, `4.1.1`) %>% 
  filter(`9.1` != "Não se aplica") %>% 
  group_by(`4.1.1`) %>%  # Agrupa por sexo
  mutate(proporcao = n / sum(n)) 

write.xlsx(cata_latinhas, "cata_latinhas.xlsx")

# P8.2 Você tem algum vínculo com cooperativa/associação de recicláveis?
Vínculo_coop <- dados_censitária %>%
  filter(Responsável != "Criança") %>% 
  filter(`9.2` != "Não se aplica") %>% 
  count(`9.2`) %>%
  mutate(proporcao = n / sum(n)) %>%
  arrange(desc(n)) 

write.xlsx(Vínculo_coop, "Vínculo_coop.xlsx")
rm(cata_latinhas, cata_latinhas_sexo, Vínculo_coop)

# P8.3 Qual o principal motivo para você não ser associado/cooperado?
motivo_nao_assos <- dados_censitária %>%
  filter(Responsável != "Criança") %>% 
  filter(`9.3` != "Não se aplica") %>% 
  count(`9.3`) %>%
  mutate(proporcao = n / sum(n)) %>%
  arrange(desc(n)) 

write.xlsx(motivo_nao_assos, "motivo_nao_assos.xlsx")


motivo_nao_assos_outro <- dados_censitária %>%
  filter(`9.3_Outro` != "Não se aplica", `Responsável` != "Criança") %>% 
  count(`9.3_Outro`) %>%
  mutate(proporcao = n / sum(n)) %>%
  arrange(desc(n))

write.xlsx(motivo_nao_assos_outro, "motivo_nao_assos_outro.xlsx")
rm(motivo_nao_assos, motivo_nao_assos_outro)


# P8.2 Você cata latinhas ou materiais recicláveis para vender? - amostral
# desagregar por sexo
# 1. Filtra e organiza
respondentes_validos2 <- amostra %>%
  select(ID, fator, `4.2`, `8.2`) %>%  # Incluir o peso (fator)
  # pivot_longer(cols = `8.2`, names_to = "Catador", values_to = "Resposta") %>%
  filter(!`8.2` %in% c("Não selecionou", "Não se aplica", "Não sabe", "Não respondeu")) %>%
  distinct(ID, `4.2`, `8.2`, fator)

respondentes_validos2_pesado <- svydesign(
  ids = ~ID,
  weights = ~fator,
  data = respondentes_validos2
) %>%
  as_survey()


catador_sexo <- respondentes_validos2_pesado %>%
  group_by(`4.2`, `8.2`) %>%
  # filter(Catador != "Não respondeu") %>% 
  srvyr::summarise(
    n = survey_total(vartype = "cv")) %>%
  mutate(
    n = round(n),
    proporcao = n / sum(n)
  )

rm(catador_sexo, respondentes_validos2_pesado, respondentes_validos2)

# desagregar por atividade principal
# 1. Filtra e organiza
table(amostra$`8.8`)
respondentes_validos2 <- amostra %>%
  select(ID, fator, `8.8`, `8.2`) %>%  # Incluir o peso (fator)
  # pivot_longer(cols = `8.2`, names_to = "Catador", values_to = "Resposta") %>%
  filter(!`8.2` %in% c("Não selecionou", "Não se aplica")) %>%
  distinct(ID, `8.8`, `8.2`, fator)

respondentes_validos2_pesado <- svydesign(
  ids = ~ID,
  weights = ~fator,
  data = respondentes_validos2
) %>%
  as_survey()


catador_atividade <- respondentes_validos2_pesado %>%
  group_by(`8.8`, `8.2`) %>%
  # filter(Catador != "Não respondeu") %>% 
  srvyr::summarise(
    n = survey_total(vartype = "cv")) %>%
  mutate(
    n = round(n),
    proporcao = n / sum(n)
  )

write.xlsx(catador_atividade, "catador_atividade.xlsx")

rm(catador_atividade, respondentes_validos2_pesado, respondentes_validos2)


# P8.3 Quantas vezes na semana você cata materiais recicláveis?
table(amostra$`8.3`)

qts_vezes_cata <- amostra_pes %>%
  group_by(`8.3`) %>%
  filter(`8.3` != "Não se aplica") %>% 
  srvyr::summarise(
    n = survey_total(vartype = "cv")) %>%
  mutate(
    n = round(n),
    proporcao = n / sum(n)
  ) 

write.xlsx(qts_vezes_cata, "qts_vezes_cata.xlsx")



# P8.4 Para quem você vende o material que você recolhe?
table(amostra$`8.4`)

para_quem_vende <- amostra_pes %>%
  select(`8.4`, `8.6`) %>% 
  filter(`8.6` == "Não, sou catador autônomo") %>% #para saber para quem o não associado vende
  group_by(`8.4`) %>%
#  filter(`8.4` != "Não se aplica") %>% 
  srvyr::summarise(
    n = survey_total(vartype = "cv")) %>%
  mutate(
    n = round(n),
    proporcao = n / sum(n)
  ) 

write.xlsx(para_quem_vende, "para_quem_vende.xlsx")


# P8.5 Que tipo de veículo você utiliza para fazer o recolhimento do material?
table(amostra$`8.5`)

tipo_veiculo_recolhe <- amostra_pes %>%
  group_by(`8.5`) %>%
  filter(`8.5` != "Não se aplica") %>% 
  srvyr::summarise(
    n = survey_total(vartype = "cv")) %>%
  mutate(
    n = round(n),
    proporcao = n / sum(n)
  ) 

write.xlsx(tipo_veiculo_recolhe, "tipo_veiculo_recolhe.xlsx")

rm(tipo_veiculo_recolhe)

# P8.1 Você tem cadastro no Sistema Nacional de Emprego (SINE)?
table(amostra$`8.2`)

cadastro_SINE <- amostra_pes %>%
  group_by(`8.1`) %>%
  filter(`8.1` != "Não se aplica") %>% 
  srvyr::summarise(
    n = survey_total(vartype = "cv")) %>%
  mutate(
    n = round(n),
    proporcao = n / sum(n)
  ) 

write.xlsx(cadastro_SINE, "cadastro_SINE.xlsx")

rm(cadastro_SINE)

# P8.7 Antes de viver na rua/serviço de acolhimento, com o que você trabalhava?
table(amostra$`8.7_Outro`)
# 1. Transformar para formato longo (antes da ponderação)
amostra_long <- amostra %>%
  select(ID, fator, `8.7.1`:`8.7_Outro`) %>%
  pivot_longer(cols = `8.7.1`:`8.7_Outro`, names_to = "Onde_Trabalhava", values_to = "Resposta") %>%
  filter(!Resposta %in% c("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()

# 3. Calcular n ponderado, proporção e CV
onde_trabalhava <- amostra_pesada_long %>%
  group_by(Onde_Trabalhava, Resposta) %>%  # Cada motivação + resposta é uma categoria
  summarise(
    n_ponderado = survey_total(vartype = "cv", na.rm = TRUE)
  ) %>%
  mutate(
    n_ponderado = round(n_ponderado),
    proporcao = n_ponderado / sum(n_ponderado),   # Proporção em relação a todas as respostas válidas
    cv = n_ponderado_cv                
  ) %>%
  filter(!Resposta %in% c("Não selecionou", "Não se aplica")) %>%
  arrange(desc(n_ponderado))

write.xlsx(onde_trabalhava, "onde_trabalhava.xlsx")

rm(amostra_long, onde_trabalhava, total_respostas_validas, amostra_pesada_long)
rm(catador_atividade, catador_sexo, para_quem_vende, qts_vezes_cata, respondentes_validos2, respondentes_validos2_pesado, tipo_veiculo_recolhe)


# Recategorizando observações da pergunta 8.7:
# 1) Extrai os dados ponderados
raw <- amostra_pes$variables

# 2) Empilha e recategoriza
df_long <- raw %>%
  # exclui só a coluna genérica “8.7.21”
  select(-`8.7.21`) %>%
  
  # empilha todas as 8.7.* e o campo livre 8.7_Outro
  pivot_longer(
    cols      = c(starts_with("8.7."), "8.7_Outro"),
    names_to  = "Onde_Trabalhava",
    values_to = "Resposta"
  ) %>%
  
  # filtra só as marcações válidas
  filter(!Resposta %in% c("Não se aplica", "Não selecionou", NA_character_)) %>%
  
  # recategorização
  mutate(
    Categoria = case_when(
      # opções pré-definidas
      Onde_Trabalhava == "8.7.1"  ~ "Não trabalhava",
      Onde_Trabalhava == "8.7.2"  ~ "Construção civil/obra",
      Onde_Trabalhava == "8.7.3"  ~ "Faxina/serviços domésticos/ serv. gerais",
      Onde_Trabalhava == "8.7.4"  ~ "Vigia noturno/zelador/porteiro",
      Onde_Trabalhava == "8.7.5"  ~ "Serviços administrativos",
      Onde_Trabalhava == "8.7.6"  ~ "Serviços de transporte",
      Onde_Trabalhava == "8.7.7"  ~ "Vendas de produtos/serviços",
      Onde_Trabalhava == "8.7.8"  ~ "Comércio formal",
      Onde_Trabalhava == "8.7.9"  ~ "Atividades da indústria",
      Onde_Trabalhava == "8.7.10" ~ "Programa/prostituição",
      Onde_Trabalhava == "8.7.11" ~ "Trabalho rural",
      Onde_Trabalhava == "8.7.12" ~ "Carregador/aux. carga e descarga",
      Onde_Trabalhava == "8.7.13" ~ "Coleta de recicláveis",
      Onde_Trabalhava == "8.7.14" ~ "Flanelinha (cuidava de veículos)",
      Onde_Trabalhava == "8.7.15" ~ "Distribuição de panfletos/faixas",
      Onde_Trabalhava == "8.7.16" ~ "Artista de rua",
      Onde_Trabalhava == "8.7.17" ~ "Trabalho por aplicativo",
      Onde_Trabalhava == "8.7.18" ~ "Engraxate",
      Onde_Trabalhava == "8.7.19" ~ "Capina/jardinagem",
      Onde_Trabalhava == "8.7.20" ~ "Empacotador",
      
      # relatos livres de 8.7_Outro
      str_detect(Resposta, regex("^Gari$",           ignore_case = TRUE)) ~
        "Faxina/serviços domésticos/ serv. gerais",
      str_detect(Resposta, regex("Atendente",        ignore_case = TRUE)) ~
        "Comércio formal",
      str_detect(Resposta, regex("Garçom",           ignore_case = TRUE)) ~
        "Prestação de serviços",
      str_detect(Resposta, regex("Marcenaria",       ignore_case = TRUE)) ~
        "Comércio formal",
      str_detect(Resposta, regex("Mecânico",         ignore_case = TRUE)) ~
        "Prestação de serviços",
      str_detect(Resposta, regex("Eletricista",      ignore_case = TRUE)) ~
        "Prestação de serviços",
      str_detect(Resposta, regex("Cozinheiro",       ignore_case = TRUE)) ~
        "Prestação de serviços",
      str_detect(Resposta, regex("^Vendas?$",        ignore_case = TRUE)) ~
        "Comércio formal",
      str_detect(Resposta, regex("Restaurante",      ignore_case = TRUE)) ~
        "Comércio formal",
      str_detect(Resposta, regex("Artesanato",       ignore_case = TRUE)) ~
        "Artesanato/artista",
      str_detect(Resposta, regex("Bombeiro",         ignore_case = TRUE)) ~
        "Prestação de serviços",
      str_detect(Resposta, regex("Comerciante",      ignore_case = TRUE)) ~
        "Comércio formal",
      str_detect(Resposta, regex("Costureir",        ignore_case = TRUE)) ~
        "Prestação de serviços",
      str_detect(Resposta, regex("Serralheir",       ignore_case = TRUE)) ~
        "Prestação de serviços",
      str_detect(Resposta, regex("Alfaiate",         ignore_case = TRUE)) ~
        "Prestação de serviços",
      str_detect(Resposta, regex("Alimentação",      ignore_case = TRUE)) ~
        "Comércio formal",
      str_detect(Resposta, regex("Almoxarifado",     ignore_case = TRUE)) ~
        "Faxina/serviços domésticos/ serv. gerais",
      str_detect(Resposta, regex("Artista circense", ignore_case = TRUE)) ~
        "Artesanato/artista",
      str_detect(Resposta, regex("Borracheiro",      ignore_case = TRUE)) ~
        "Prestação de serviços",
      str_detect(Resposta, regex("Cabeleireiro",     ignore_case = TRUE)) ~
        "Prestação de serviços",
      str_detect(Resposta, regex("Confeitaria",      ignore_case = TRUE)) ~
        "Comércio formal",
      str_detect(Resposta, regex("Consultora de vendas", ignore_case = TRUE)) ~
        "Comércio formal",
      str_detect(Resposta, regex("Corte de aves",    ignore_case = TRUE)) ~
        "Atividades da indústria",
      str_detect(Resposta, regex("Decoração de festas", ignore_case = TRUE)) ~
        "Serviços relacionados a eventos",
      str_detect(Resposta, regex("Engenharia",       ignore_case = TRUE)) ~
        "Atividades da indústria",
      str_detect(Resposta, regex("Frentista",        ignore_case = TRUE)) ~
        "Comércio formal",
      str_detect(Resposta, regex("Frigorífico",      ignore_case = TRUE)) ~
        "Atividades da indústria",
      str_detect(Resposta, regex("Montava palco",    ignore_case = TRUE)) ~
        "Serviços relacionados a eventos",
      str_detect(Resposta, regex("Recursos Humanos", ignore_case = TRUE)) ~
        "Serviços administrativos",
      str_detect(Resposta, regex("Sacolão",          ignore_case = TRUE)) ~
        "Comércio formal",
      str_detect(Resposta, regex("Serviços gerais",  ignore_case = TRUE)) ~
        "Faxina/serviços domésticos/ serv. gerais",
      str_detect(Resposta, regex("Terapeuta",        ignore_case = TRUE)) ~
        "Prestação de serviços",
      str_detect(Resposta, regex("Vidraceiro",       ignore_case = TRUE)) ~
        "Prestação de serviços",
      str_detect(Resposta, regex("Área da beleza",   ignore_case = TRUE)) ~
        "Prestação de serviços",
      str_detect(Resposta, regex("Barbeiro",         ignore_case = TRUE)) ~
        "Prestação de serviços",
      str_detect(Resposta, regex("Empresário",       ignore_case = TRUE)) ~
        "Comércio formal",
      str_detect(Resposta, regex("Percussionista",   ignore_case = TRUE)) ~
        "Artesanato/artista",
      str_detect(Resposta, regex("Pintor e cozinheiro", ignore_case = TRUE)) ~
        "Prestação de serviços",
      str_detect(Resposta, regex("Técnico de telecomunicação", ignore_case = TRUE)) ~
        "Comércio formal",
      str_detect(Resposta, regex("Vendedor de turismo", ignore_case = TRUE)) ~
        "Comércio formal",
      
      # tudo mais cai em Outros
      TRUE ~ "Outros"
    )
  )

# 3) Reconstrói o design e calcula n, CV e proporção
tabela_trabalho <- df_long %>%
  # monta o design com o objeto ponderado
  as_survey_design(
    ids     = ID,
    weights = fator
  ) %>%
  # conta cada Categoria (faz sum(w_i) e retorna CV)
  survey_count(
    Categoria,
    name    = "n_ponderado",
    vartype = "cv"
  ) %>%
  # calcula percentual e cv em %
  mutate(
    percentual      = n_ponderado / sum(n_ponderado),
    cv              = n_ponderado_cv * 100
  ) %>%
  select(Categoria, n_ponderado, n_ponderado_cv, percentual, cv)

print(tabela_trabalho)





# P8.8 Nos últimos 7 dias, qual foi a sua principal atividade para obter renda?
# 1. Transformar para formato longo (antes da ponderação)
amostra_long <- amostra %>%
  select(ID, fator, `8.8`:`8.8_Outro`) %>%
  pivot_longer(cols = `8.8`:`8.8_Outro`, 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 <- 3418

princ_atividade7d_v2 <- 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) ,  # Aqui entra o 1272
    cv = n_ponderado_cv  # CV em porcentagem
  ) %>%
  filter(!Resposta %in% c("Não selecionou", "Não se aplica")) %>%
  arrange(desc(n_ponderado))

write.xlsx(princ_atividade7d_v2, "princ_atividade7d_v2.xlsx")

rm(amostra_long, amostra_pesada_long, princ_atividade7d_v2)

# desagregar por atividade principal
# 1. Filtra e organiza
table(amostra$`8.8`)
respondentes_validos2 <- amostra %>%
  select(ID, fator, `8.8`, `4.2`) %>%  # Incluir o peso (fator)
  # pivot_longer(cols = `8.2`, names_to = "Catador", values_to = "Resposta") %>%
  filter(!`8.8` %in% c("Não selecionou", "Não se aplica", "Não sabe", "Não respondeu")) %>%
  distinct(ID, `8.8`, `4.2`, fator)

respondentes_validos2_pesado <- svydesign(
  ids = ~ID,
  weights = ~fator,
  data = respondentes_validos2
) %>%
  as_survey()


catador_atividade <- respondentes_validos2_pesado %>%
  group_by(`4.2`, `8.8`) %>%
  # filter(Catador != "Não respondeu") %>% 
  srvyr::summarise(
    n = survey_total(vartype = "cv")) %>%
  mutate(
    n = round(n),
    proporcao = n / sum(n)
  ) %>% select(-n_cv) 

catador_atividade <- respondentes_validos2_pesado %>%
  group_by(`8.8`) %>%
  srvyr::summarise(
    n = survey_total(vartype = "cv")) %>%
  mutate(
    n = round(n),
    proporcao = n / sum(n)
  ) 


write.xlsx(catador_atividade, "princ_atividade7d.xlsx")

rm(catador_atividade, respondentes_validos2_pesado, respondentes_validos2)

# P8.9 Quantos dias da semana você se ocupa com essa atividade principal?
table(amostra$`8.9`)

dias_ocupa_ativ <- amostra_pes %>%
  group_by(`8.9`) %>%
  filter(`8.9` != "Não se aplica") %>% 
  srvyr::summarise(
    n = survey_total(vartype = "cv")) %>%
  mutate(
    n = round(n),
    proporcao = n / sum(n)
  ) 

write.xlsx(dias_ocupa_ativ, "dias_ocupa_ativ.xlsx")

# P8.10 Em relação ao seu vínculo de trabalho, você está:
table(amostra$`8.10`)

vinculo_trab <- amostra_pes %>%
  group_by(`8.10`) %>%
  filter(`8.10` != "Não se aplica") %>% 
  srvyr::summarise(
    n = survey_total(vartype = "cv")) %>%
  mutate(
    n = round(n),
    proporcao = n / sum(n)
  ) 

write.xlsx(vinculo_trab, "vinculo_trab.xlsx")
rm(vinculo_trab, dias_ocupa_ativ)

# P8.11 Quando foi a última vez que trabalhou com registro em carteira?
table(amostra$`8.11`)

trab_registrado <- amostra_pes %>%
  group_by(`8.11`) %>%
  filter(`8.11` != "Não se aplica") %>% 
  srvyr::summarise(
    n = survey_total(vartype = "cv")) %>%
  mutate(
    n = round(n),
    proporcao = n / sum(n)
  ) 

write.xlsx(trab_registrado, "trab_registrado.xlsx")
rm(trab_registrado)

# P8.12 Considerando a renda de TODAS as atividades que você exerce e os benefícios que você recebe, qual é a sua renda mensal?
table(amostra$`8.12`)

renda <- amostra_pes %>%
  group_by(`8.12`) %>%
  filter(`8.12` != "Não se aplica") %>% 
  srvyr::summarise(
    n = survey_total(vartype = "cv")) %>%
  mutate(
    n = round(n),
    proporcao = n / sum(n)
  ) 

write.xlsx(renda, "renda.xlsx")
rm(renda)

# P8.13 Normalmente, sua renda é destinada para:
table(amostra$`8.13_Outro`)

# 1. Transformar para formato longo (antes da ponderação)
amostra_long <- amostra %>%
  select(ID, fator, `4.2`, `8.13.1`:`8.13_Outro`) %>%
  pivot_longer(cols = `8.13.1`:`8.13_Outro`, names_to = "Destino_renda", 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 <- 3418

destino_renda <- amostra_pesada_long %>%
  group_by(Destino_renda, Resposta) %>%
  summarise(
    n_ponderado = survey_total(vartype = "cv", na.rm = TRUE)
  ) %>%
  mutate(
    n_ponderado = round(n_ponderado),
    percentual = (n_ponderado / total_respostas_validas) ,  # Aqui entra o 1272
   cv = n_ponderado_cv  # CV em porcentagem
  ) %>%
  filter(!Resposta %in% c("Não selecionou", "Não se aplica")) %>%
  arrange(desc(n_ponderado))

write.xlsx(destino_renda, "destino_renda.xlsx")

rm(amostra_long, amostra_pesada_long,destino_renda)


ñ_fez_atividade <- amostra_pes %>%
  select(`8.8`) %>% 
  group_by(`8.8`) %>%
  srvyr::summarise(
    n = survey_total(vartype = "cv")) %>%
  mutate(
    n = round(n),
    proporcao = n / sum(n)
  ) %>% 
  arrange(desc(n))

#### Bloco 8.2 - Catação ####

# P9.22 A criança/adolescente faz alguma coisa para conseguir dinheiro?
table(dados_censitária$`11.16`)
table(dados_censitária$`11.3`)


crianca_dinheiro <- dados_censitária %>%
  filter(`Responsável` != "Entrevistado") %>% 
  count(`11.16`) %>% 
  filter(`11.16` != "Não se aplica") %>%
  mutate(proporcao = n / sum(n)) %>% 
  arrange(desc(n))

write.xlsx(crianca_dinheiro , "crianca_dinheiro2.xlsx")
rm(crianca_dinheiro)

# P9.23 O que a criança/adolescente faz? 
table(dados_censitaria$`11.16.1_Outro`)

# desagregar por sexo
atividade_crianca <- dados_censitária %>%
  select(`11.3`, starts_with("11.16.1.")) %>%  # Seleciona a variável de sexo e as alternativas da questão
  pivot_longer(cols = starts_with("11.16.1."), 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(`11.3`, Alternativa) %>%  # Conta a quantidade de respostas por sexo e alternativa
  group_by(Alternativa) %>%  # Agrupa por sexo
  mutate(Proporcao = n / sum(n)) %>%  # Calcula a proporção dentro de cada sexo
  arrange(`11.3`, desc(n)) %>% 
  select(-n)

atividade_crianca <- pq_cri_fora_sexo %>%
  reshape2::dcast(`Alternativa` ~`11.3`) 

write.xlsx(atividade_crianca, "atividade_crianca.xlsx")

atividade_crianca <- dados_censitária %>%
  filter(`Responsável` != "Entrevistado") %>% 
  pivot_longer(cols = starts_with("11.16.1."), names_to = "Alternativa", values_to = "Resposta") %>%  # Transforma para formato longo
  filter(!Resposta %in% c("Não se aplica")) %>%  # Remove respostas inválidas
  count(Alternativa) %>%  # Conta a quantidade de respostas por sexo e alternativa
  group_by(Alternativa) %>%  # Agrupa por sexo
  mutate(Proporcao = n / sum(n)) %>%  # Calcula a proporção dentro de cada sexo
  arrange(desc(n)) 
 

atividade_crianca <- pq_cri_fora_sexo %>%
  reshape2::dcast(`Alternativa` ~`11.3`) 


#### Bloco 9 - Vínculos familiares ####

# O que te trouxe para a situação de rua? 

# 1. Transformar para formato longo (antes da ponderação)
amostra_long <- amostra %>%
  select(ID, fator,`5.4.1`:`5.4_Outro`) %>%
  pivot_longer(cols = `5.4.1`:`5.4_Outro`, names_to = "O que levou à situação de rua?", values_to = "Resposta") %>%
  filter(!Resposta %in% c("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 <- 3418


o_que_levou_situação <- amostra_pesada_long %>%
  group_by(`O que levou à situação de rua?`, Resposta) %>%
  summarise(n_ponderado = survey_total(vartype = "cv", na.rm = TRUE)) %>%
  ungroup() %>%
  group_by(`O que levou à situação de rua?`) %>%
  mutate(
    n_ponderado = round(n_ponderado),
    percentual  = n_ponderado / sum(n_ponderado),
    cv          = n_ponderado_cv
  ) %>%
  ungroup() %>%
  filter(!Resposta %in% c("Não selecionou", "Não se aplica")) %>%
  arrange(desc(n_ponderado))


# P9.1 Com quem você vive na rua atualmente?
table(dados_censitária$`10.1.1`)
table(dados_censitária$`10.1.2`)
table(dados_censitária$`4.1.1`)

# 1. Transformar para formato longo (antes da ponderação)
formato_longo <- dados_censitária %>%
  filter(Responsável != "Criança") %>% 
  select(`ID`, `4.1.1`, `10.1.1`:`10.1.9`) %>%
  pivot_longer(
    cols = `10.1.1`:`10.1.9`,
    names_to = "Com quem vive",
    values_to = "Resposta"
  ) %>%
  mutate(`Sexo de nascimento` = `4.1.1`) %>%  # Cria uma coluna com o conteúdo de 4.1.1
  select(-`4.1.1`) %>%                           # (Opcional) Remove a coluna original se preferir
  filter(!Resposta %in% c("Não selecionou", "Não se aplica"))


# 3. Calcular n e proporção
com_quem_vive2 <- formato_longo %>%
  count(`Com quem vive`, Resposta) %>%
  mutate(proporcao = n / sum(n)) %>%
  arrange(`Resposta`,desc(n))

# Desagregar por sexo
com_quem_vive_sexo <- dados_censitária %>%
  # 1) Filtrar quem de fato responde (não criança e sexo válido)
  filter(
    Responsável    != "Criança",
    `4.1.1`        != "Não respondeu"
  ) %>%
  # 2) Selecionar ID, sexo e todas as colunas da questão
  select(
    ID,
    Sexo        = `4.1.1`,
    starts_with("10.1.")
  ) %>%
  # 3) Passar para formato longo
  pivot_longer(
    cols      = starts_with("10.1."),
    names_to  = "Alternativa",
    values_to = "Resposta"
  ) %>%
  # 4) Manter só as marcações válidas
  filter(!Resposta %in% c("Não se aplica", "Não selecionou")) %>%
  # 5) Garantir que cada ID-Sexo–Alternativa apareça só uma vez
  distinct(ID, Sexo, Alternativa, .keep_all = TRUE) %>%
  # 6) Contar quantas pessoas de cada Sexo marcaram cada Alternativa
  count(Sexo, Alternativa, name = "n") %>%
  # 7) Dentro de cada Sexo, calcular proporção sobre o total de marcas
  group_by(Sexo) %>%
  mutate(Proporcao = n / sum(n)) %>%
  ungroup() %>%
  # 8) Ordenar para facilitar leitura
  arrange(Sexo, desc(n))



# P9.2 Além de você, quantas pessoas da sua família estão com você na rua?
table(dados_censitária$`10.2`)

qts_pessoas_moram <- dados_censitária %>%
  filter(Responsável != "Criança") %>% 
  count(`10.2`) %>% 
  filter(`10.2` != "Não se aplica") 

write.xlsx(qts_pessoas_moram, "qts_pessoas_moram.xlsx")
rm(qts_pessoas_moram)


# P9.3 Você cuida diariamente de alguém com menos de 18 anos na rua? 
table(dados_censitária$`10.3`)

cuida_menor <- dados_censitária %>%
  filter(Responsável != "Criança") %>% 
  count(`10.3`) %>% 
  filter(`10.3` != "Não se aplica") 

write.xlsx(cuida_menor, "cuida_menor.xlsx")
rm(cuida_menor)

# P9.3.1 Quantos menores de 18 anos estão sob sua responsabilidade? 
table(dados_censitaria$`10.3.1`)
table(dados_censitaria$`11.1`)

cuida_menor <- dados_censitária %>%
  filter(`Responsável` != "Criança") %>% 
  count(`10.3.1`) %>% 
  filter(`10.3.1` != "Não se aplica") 

write.xlsx(cuida_menor, "cuida_menor.xlsx")
rm(cuida_menor)


# P9.3 Antes de ficar em situação de rua, com quem você morava?

# 1. Transformar para formato longo (antes da ponderação)
amostra_long <- amostra %>%
  select(ID, fator,`9.3.1`:`9.3.9`) %>%
  pivot_longer(cols = `9.3.1`:`9.3.9`, names_to = "Com quem morava", values_to = "Resposta") %>%
  filter(!Resposta %in% c("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_validos <- amostra %>%
  # filtra quem respondeu uma das quatro opções válidas em 9.4
  filter(`9.4` %in% c(
    "Não tem contato de 1 a 3 anos",
    "Não tem contato de 4 a 5 anos",
    "Não tem contato há mais de 6 anos",
    "Nunca tive contato"
  )) %>%
  # soma todos os pesos (fator) desses 238 casos
  summarise(total = sum(fator, na.rm = TRUE)) %>%
  pull(total)

total_validos


print(total_validos)


com_quem_morava <- amostra_pesada_long %>%
  group_by(`Com quem morava`, Resposta) %>%
  summarise(n_ponderado = survey_total(vartype = "cv", na.rm = TRUE)) %>%
  ungroup() %>%
  group_by(`Com quem morava`) %>%
  mutate(
    n_ponderado = round(n_ponderado),
    percentual  = n_ponderado / sum(n_ponderado) * 100,
    cv          = n_ponderado_cv * 100
  ) %>%
  ungroup() %>%
  filter(!Resposta %in% c("Não selecionou", "Não se aplica")) %>%
  arrange(`Com quem morava`, desc(n_ponderado))

write.xlsx(com_quem_morava, "com_quem_morava.xlsx")
rm(com_quem_morava, amostra.pesada.2, amostra_pesada_long)


# P9.4 Com que frequência você mantém contato com familiares que não estão em situação de rua?
table(amostra$`9.4`)

freq_contato_familiar <- amostra_pes %>%
  group_by(`9.4`) %>%
  filter(`9.4` != "Não se aplica") %>% 
  srvyr::summarise(
    n = survey_total(vartype = "cv")) %>%
  mutate(
    n = round(n),
    proporcao = n / sum(n)
  ) 



# P9.5 Por que você não faz contato com sua família?
table(amostra$`9.4.1.1`)

# 1. Transformar para formato longo (antes da ponderação)
amostra_long <- amostra %>%
  select(ID, fator,`9.4.1.1`:`9.4.1.12`) %>%
  pivot_longer(cols = `9.4.1.1`:`9.4.1.12`, names_to = "Alternativa", 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 <- 3418

pq_nao_contato_familia <- amostra_pesada_long %>%
  group_by(Alternativa, Resposta) %>%
  summarise(
    n_ponderado = survey_total(vartype = "cv", na.rm = TRUE)
  ) %>%
  mutate(
    n_ponderado = round(n_ponderado),
    proporcao = (n_ponderado / total_validos),  # Aqui entra o 1272
    cv = n_ponderado_cv  # CV em porcentagem
  ) %>%
  filter(!Resposta %in% c("Não selecionou", "Não se aplica")) %>%
  arrange(desc(n_ponderado))

write.xlsx(pq_nao_contato_familia, "pq_nao_contato_familia.xlsx")
rm(amostra_long, amostra_pesada_long, pq_nao_contato_familia)


# Média de pessoas que convive na rua por respondente
média <- dados_censitária %>%
  filter(!`10.2` %in% c("Não sabe", "Não respondeu", "Não se aplica")) %>%
  filter(Responsável != "Criança") %>% 
  mutate(n_familia = as.numeric(`10.2`)) %>%
  summarise(
    media = mean(n_familia, na.rm = TRUE),
    sd    = sd(n_familia, na.rm = TRUE)
  )