library(tidyverse)
library(survey)

load("dane.RData")


#losowanie warstwowe próby z populacji wg stopnia urbanizacji
proba_degurba <- populacja %>%
  group_by(degurba) %>%
  sample_frac(0.0015)

liczebnosc_proba_degurba <- proba_degurba %>%
  count(degurba) %>%
  rename(liczebnosc_w_probie=n)

#obliczam wagi
liczebnosc_warstw_w_popul <- populacja %>%
  group_by(degurba) %>%
  count()

wagi <- inner_join(liczebnosc_proba_degurba, liczebnosc_warstw_w_popul, by = "degurba") %>%
  mutate(waga=n/liczebnosc_w_probie)

#polaczenie
#proba_degurba <- inner_join(proba_degurba, populacja, by = "degurba")
#do wyrzucenia? zawiesza cały program, chyba za dużo łączy

# zmiana nazwy kolumny z "n" na liczebnosc wartw w całej populacji
liczebnosc_warstw_w_popul <- liczebnosc_warstw_w_popul %>%
  rename(liczebnosc_warst_w_popul=n)

#proba_degurba <- svydesign(ids = ~id_gospodarstwa, strata = ~degurba, fpc = ~liczebnosc_warstw_w_popul, data = proba_degurba)


#wagi <- weights(proba1_schemat)

#dodajemy kolumny do "proba_klm" z pliku "badanie" (żeby mieć informację
#o wykształceniu i aktywnosci ekonomicznej)
proba_degurba <- inner_join(badanie, proba_degurba)

#patrzymy, ile w próbie jest osób z wyksztalceniem wyzszym (wyksztalcenie=3) i osób biernych zawdodowo (aktywnosc_ekon=3)
wyksztalcenie_wyzsze <- filter(proba_degurba, wyksztalcenie == 3) %>%
group_by(degurba) %>%
  count()
bierni_zadowodo <- filter(proba_degurba, aktywnosc_ekon == 3) %>%
group_by(degurba) %>%
  count()

#estymacja wartosci prawdziwej
bierny_degurba <- svyby(formula = ~bierny_zawodowo, by = ~degurba,
                        design = proba1_kalibracja, FUN = svytotal)

#schemat losowania
#schemat_warstwy <- svydesign(ids = ~id_gospodarstwa, strata = ~wagi, weights = ~waga, data = badanie, nest = TRUE) %>%
#summary(schemat_warstwy)

#wartosc globalna osob z wyksztalceniem wyzszym (=3)
svytotal(x = ~wyksztalcenie, design = liczebnosc_proba_degurba, na.rm = TRUE)

r