# BA/BIBB-Bewerbebefragung 2021 ----
# Hilfreicher R-Code zur Arbeit mit den Daten 

#In dieser R-Syntax sind Befehle enthalten, die die Filterführung an den Fragebogen anpassen. 
#Das BIBB-FDZ hat die entsprechenden Umcodierungen nicht durchgefürt, 
#sondern überlässt es den Nutzenden zu entscheiden, ob die entsprechenden Anpassungen durchgefürt werden sollten.

# Working Directory festelsen ----
#Damit die folgende Code durchläuft muss der Datensatz im gleichen Ordner abgelegt werden,
#in dem auch diese Syntax abgelegt wurde. In RStudio können Sie dazu über das Menü den entsprechenden
#Befehl ausführen -- (Session--Set Working Directory -- To Source File Location). 
#Zusätzlich können Sie den folgenden Code anpassen: 

setwd("-- Ihr Dateipfad")

# Hintergrundinformationen ----
#Die Daten vom BIBB-FDZ werden als Stata-Datensatz (.dta) und SPSS-Datensatz (.sav) 
#zur Verfügung gestellt. In diesen Programmen werden standardmäßig kategoriale Variablen,
#anders behandelt als in R, indem die numerische Kodiertung mit einem zweiten Object (Werte-Label)
#zusammen genutzt wird. 
#Kategoriale Variablen werden in der Programmiersprache R in Vectoren des Typs "factor" standardmäßig
#abgespeichert, sodass mathematische Operationen mit den Werte-Labeln möglich werden (factor levels). 
#Technisch funktioniert dies etwas anders als bei Stata oder SPSS, sodass bei der Umwandlung der 
#kategorialen Variablen in factoren die numerische Kodierung der factor levels verloren geht.

#Sollen die Informationen der Kodierung und der Werte-Label erhalten bleiben, müssen die Daten 
#als "labelled data" eingelesen werden. Dies kann insbesondere dann sinnvoll sein, wenn ein besonderes
#Interesse an der Coderiung besteht und die Werte-Label für die weiteren Analysen nicht alle Informationen 
#enthalten oder die Datenaufbereitung auf Basis der Codierung einfacher ist (z. B. bei Klassifikationen). 
#Weitere Infos dazu finden Sie hier: 
#https://cran.r-project.org/web/packages/labelled/vignettes/intro_labelled.html

#Da die meisten R-Pakete und Funktionen auf die Arbeit mit factoren ausgerichtet und labelled data
#nicht unterstützen, ist die Umwandlung in factoren empfohlen. Dass BIBB-FDZ hat die Kodierung 
#jeweils zu Beginn in den Werte-Labels gespeichert, sodass diese auch aus den factor levels extrahiert
#werden kann. 

#Der Folgende Code zur Anpassung der Filter wird dennoch in zwei Varianten zur Verfügung gestellt: 
#Variante A: Beim Einlesen der Daten Umwandlung aller kategorialen Variablen in factoren
#Variante B: Nutzung von labelled data

#Variante A: Beim Einlesen Umwandlung aller kategorialen Variablen in factoren ----

## Pakete laden ----
if (!require("pacman")) install.packages("pacman")
p_load(char=c("memisc", "readstata13", "descr", "forcats"), install = T)


## Daten einlesen mit den Paket readstata13 ----
dat <- read.dta13("BABIBB_Bewerbbefragung2021_suf.dta", nonint.factors=T, generate.factors = T)

## Filter Fragen 4 bis 13 ----

#Laut Fragebogen sollen die Fragen 4 bis 13 nur von Personen beantwortet werden, 
#die laut Frage 1 eine duale Berufsausbildung/betriebliche Ausbildung oder eine schulische Ausbildung 
#mit Berufsabschluss absolvieren. Dieser Filter wurde von den Befragungspersonen jedoch nicht konsequent beachtet. 

#Besonderheit 
#Frage 11 (Was glauben Sie: Wie beeinflusst die Corona-Krise Ihre Ausbildung?) und 
#F12 (Hat sich jemand dafür eingesetzt, dass Sie Ihre aktuelle Ausbildungsstelle bekommen haben?): 
#Diese Fragen wurden von allen Personen beantwortet.

### Variablenliste der umzukodierenden Variablen speichern  
varlist <- c("F4", "F5", "F6_monat", "F6_jahr", "F7_kldb2010_3", "F7_pr_dl", "F8", "F9_km", "F9_min", "F10a", "F10b", 
             "F11a", "F11b", "F11c", "F11d", "F11e", "F12a", "F12b", "F12c", "F12d", "F12e", "F12f",
             "F13")

### Variablen unter der Bedingung F1!=1 und F2!=2 auf varlist -1 Filter umcodieren 

dat[dat$F1!="1. Duale Ausbildung" & dat$F1!="2. Schulische Ausbildung",varlist] <- "-1. Filter"
#Für die Variablen in denen das Level -1. Filter nicht vergeben wurde wurden nun NAs gespeichert. 
#Diese werden im nächsten Schritt Level vergeben 

for(i in varlist){ 
          dat[[i]] <- fct_na_value_to_level(dat[[i]], level= "-1. Filter")
  }

### Variablenliste löschen 
rm(varlist)

## Filter Frage 14 und Frage 15 ----

#Die Frage 14 im Fragebogen hat (per Filterführung) Personen, die angaben, aktuell keine Ausbildung zu machen, 
#danach gefragt, aus welchen Gründen sie aktuell keine Ausbildung machen. Im Rahmen der Prüfungen und 
#Aufbereitungsarbeiten hat sich gezeigt, dass dieser Filter (sowie auch weitere) nicht immer verstanden bzw. 
#beachtet wurde, so dass beispielsweise hier auch Personen, die aktuell eine schulische Ausbildung absolvieren, 
#Angaben machten. Inhaltlich kann dies durchaus Sinn ergeben, bei konsequenter Verfolgung des Filters wären diese 
#Angaben allerdings nicht möglich. Dies gilt ebenfalls für die Frage 15.

varlist <- c("F14a", "F14b", "F14c", "F14d", "F14e", "F14f", "F14g", "F14h", "F14i", "F14j", "F14k", "F15")

dat[dat$F1=="1. Duale Ausbildung" | dat$F1== "2. Schulische Ausbildung",varlist] <- "-1. Filter"

rm(varlist)


## Filter Frage 25, Frage 16 und Frage 27 ----
#Die Fragen sollten laut Fragebogen nur Personen gestellt werden, denen ein Ausbildungsvertrag gekündigt wurde. 
#Allerdings haben auch Personen, denen kein Vertrag gekündigt wurden die Frage beantwortet.

varlist <- c("F25", "F26_kldb2010_3","F26_pr_dl", "F27a", "F27b", "F27c", "F27d", "F27e")
dat[dat$F24=="0. nein",varlist] <- "-1. Filter"
for(i in varlist){ 
  dat[[i]] <- fct_na_value_to_level(dat[[i]], level= "-1. Filter")
}

#Ggf. kann es auch sinnvoll sein, die Personen auf Filter zu setzen, die in F24 keine Angabe gemacht haben.
dat[dat$F24=="-9. Keine Angabe",varlist] <- "-1. Filter"

rm(varlist)

## Filter Frage 37
#Die Fragen sollten laut Fragebogen nur Personen gestellt werden, die nicht in Deutschland geboren wurden. 
#Allerdings haben auch Personen, angaben in Deutschland geboren worden zu sein die Frage beantwortet.

dat[dat$F36=="1. ja, in Deutschland","F37"] <- "-1. Filter"

##Frage 39
#Die Fragen sollten laut Fragebogen nur Personen gestellt werden, die neben Deutsch eine andere Muttersprache haben.


dat[dat$F38=="1. ja, deutsch" & dat$F39_1!="-1. Filer","F38"] <- "2. ja, deutsch mit anderer Sprache"

##Frage 40
#Es gibt die Antwortmöglichkeit "Ich habe an nichts davon teilgenommen", diese wurde allerdings auch von Personen gewählt, 
#die auch eine der anderen Antoertmöglichkeiten gewählt haben*/


dat[dat$F40a1=="1. ja" | dat$F40a2=="1. ja" | dat$F40b1=="1. ja" | dat$F40b2=="1. ja" | dat$F40c1=="1. ja" | 
    dat$F40c2=="1. ja" | dat$F40d1=="1. ja" | dat$F40d2=="1. ja" | dat$F40e1=="1. ja" | dat$F40e2=="1. ja" | 
    dat$F40f1=="1. ja" | dat$F40f2=="1. ja" | dat$F40g1=="1. ja" | dat$F40g2=="1. ja" ,"F40h"] <- "0. nein"

# Variante B: Nutzung von labelled data ----

## Pakete laden ----
if (!require("pacman")) install.packages("pacman")
p_load(char=c("memisc","haven", "descr", "labelled", "sjlabelled", "readstata13"), install = T)

## Datensatz als labelled data mit dem Paket haven einlesen ----
dat <- read_dta("BABIBB_Bewerbbefragung2021_suf.dta")

## Filter Fragen 4 bis 13 ----

#Laut Fragebogen sollen die Fragen 4 bis 13 nur von Personen beantwortet werden, 
#die laut Frage 1 eine duale Berufsausbildung/betriebliche Ausbildung oder eine schulische Ausbildung 
#mit Berufsabschluss absolvieren. Dieser Filter wurde von den Befragungspersonen jedoch nicht konsequent beachtet. 

#Besonderheit 
#Frage 11 (Was glauben Sie: Wie beeinflusst die Corona-Krise Ihre Ausbildung?) und 
#F12 (Hat sich jemand dafür eingesetzt, dass Sie Ihre aktuelle Ausbildungsstelle bekommen haben?): 
#Diese Fragen wurden von allen Personen beantwortet.

### Variablenliste der umzukodierenden Variablen speichern  
varlist <- c("F4", "F5", "F6_mon", "F6_jahr", "F7_kldb2010_3", "F7_pr_dl", "F8", "F9_km", "F9_min", "F10", 
             "F10_km", "F11a", "F11b", "F11c", "F11d", "F11e", "F12a", "F12b", "F12c", "F12d", "F12e", "F12f",
             "F12g","F12h","F13")
### Variablen unter der Bedingung F1!=1 und F2!=2 auf varlist -1 Filter umcodieren 

dat[dat$F1!=1 & dat$F1!=2,varlist] <- -1


### Variablenliste löschen 
rm(varlist)

## Filter Frage 14 und Frage 15 ----

#Die Frage 14 im Fragebogen hat (per Filterführung) Personen, die angaben, aktuell keine Ausbildung zu machen, 
#danach gefragt, aus welchen Gründen sie aktuell keine Ausbildung machen. Im Rahmen der Prüfungen und 
#Aufbereitungsarbeiten hat sich gezeigt, dass dieser Filter (sowie auch weitere) nicht immer verstanden bzw. 
#beachtet wurde, so dass beispielsweise hier auch Personen, die aktuell eine schulische Ausbildung absolvieren, 
#Angaben machten. Inhaltlich kann dies durchaus Sinn ergeben, bei konsequenter Verfolgung des Filters wären diese 
#Angaben allerdings nicht möglich. Dies gilt ebenfalls für die Frage 15.

varlist <- c("F14a", "F14b", "F14c", "F14d", "F14e", "F14f", "F14g", "F14h", "F14i", "F14j", "F14k", "F15")
dat[dat$F1==1 | dat$F1==2,varlist] <- -1
rm(varlist)


## Filter Frage 25, Frage 16 und Frage 27 ----
#Die Fragen sollten laut Fragebogen nur Personen gestellt werden, denen ein Ausbildungsvertrag gekündigt wurde. 
#Allerdings haben auch Personen, denen kein Vertrag gekündigt wurden die Frage beantwortet.

varlist <- c("F25", "F26_kldb2010_3_1","F26_kldb2010_3_2","F26_kldb2010_3_3","F26_pr_dl_1", "F26_pr_dl_2",
             "F26_pr_dl_3", "F27a", "F27b", "F27c", "F27d", "F27e") <- -1

#Ggf. kann es auch sinnvoll sein, die Personen auf Filter zu setzen, die in F24 keine Angabe gemacht haben.
dat[dat$F24==-9,varlist] <- -1

rm(varlist)

## Filter Frage 37
#Die Fragen sollten laut Fragebogen nur Personen gestellt werden, die nicht in Deutschland geboren wurden. 
#Allerdings haben auch Personen, angaben in Deutschland geboren worden zu sein die Frage beantwortet.

dat[dat$F36==1,"F37"] <- -1

##Frage 39
#Die Fragen sollten laut Fragebogen nur Personen gestellt werden, die neben Deutsch eine andere Muttersprache haben.


dat[dat$F38==1 & dat$F39_1!=-1,"F38"] <- 2

##Frage 40
#Es gibt die Antwortmöglichkeit "Ich habe an nichts davon teilgenommen", diese wurde allerdings auch von Personen gewählt, 
#die auch eine der anderen Antoertmöglichkeiten gewählt haben*/

dat[dat$F40a1==1 | dat$F40a2==1 | dat$F40b1==1 | dat$F40b2==1 | dat$F40c1==1 | dat$F40c2==1 | 
    dat$F40d1==1 | dat$F40d2==1 | dat$F40e1==1 | dat$F40e2==1 | dat$F40f1==1 | dat$F40f2==1 | 
    dat$F40g1==1 | dat$F40g2==1 ,"F40h"] <- 0