Calcola la retribuzione mediana per CCNL e periodo di avviamento

Aggrega una colonna di retribuzione (di norma retribuzione_fte) per ccnl_key e periodo di avviamento, con quantili ponderati per giornate, numerosità, copertura, variazione sul periodo precedente e indice a base fissa. L'input non viene modificato.

Usage

median_retribuzione(
  dt,
  periodo = c("anno", "trimestre"),
  by = NULL,
  ccnl = NULL,
  weights = c("giornate", "none"),
  value_col = "retribuzione_fte",
  probs = c(0.25, 0.5, 0.75),
  min_n = 30L,
  solo_avviati = TRUE
)

Arguments

dt: Un data.table di rapporti già passato da prepare_rapporti(), clean_retribuzione() e normalize_fte(), con le colonne ccnl_key, periodo, value_col, giornate (se weights = "giornate") e avviato (se solo_avviati = TRUE).
periodo: Periodo di avviamento: "anno" (default) o "trimestre".
by: Colonne aggiuntive di raggruppamento; NULL per il solo CCNL.
ccnl: NULL per tutte le chiavi, altrimenti vettore character delle chiavi ccnl_key da conservare in uscita (NA incluso conserva i non classificati); il filtro è applicato dopo il calcolo.
weights: Pesi dei quantili: "giornate" (default) o "none".
value_col: Colonna di retribuzione da aggregare.
probs: Quantili da riportare, in [0, 1]; il valore 0.5 viene sempre incluso.
min_n: Numero minimo di valori validi nella cella sotto il quale i quantili vengono mascherati con NA (la riga resta, con n, n_valide e copertura).
solo_avviati: Se TRUE (default) considera solo i rapporti con avviato == TRUE.

Value

Un data.table con una riga per (by, periodo, ccnl_key), inclusa la classe "Non classificati" per ccnl_key mancante, con le colonne di by, periodo, ccnl_key, classe, n, n_valide, copertura, giornate, una colonna per quantile (p25, mediana, p75 con i default; p<int> per gli altri), var_pct e indice; ordinato per by, ccnl_key (NA in coda) e periodo. L'attributo ccnlcob_retribuzione_mediana conserva i parametri.

Details

La retribuzione è dichiarata all'avviamento del rapporto e non viene aggiornata: la coorte di avviamento (anno o trimestre di inizio) è quindi la dimensione temporale corretta. I rapporti avviati prima della finestra di analisi appartengono a coorti più vecchie sopravvissute fino alla finestra e risentono della selezione per sopravvivenza (restano in vita i rapporti più stabili, in genere meglio retribuiti): con solo_avviati = TRUE vengono esclusi.

I quantili sono calcolati con la mediana ponderata a gradini (vedi .wquantile()): con weights = "giornate" ogni rapporto pesa per i giorni-contratto nella finestra, così che un contratto di un anno conti più di uno di una settimana, in modo coerente con la mediana ponderata per durata di longworkR; con pesi uniformi il risultato coincide con stats::median(). n conta le righe della cella, n_valide quelle con valore non mancante, copertura = n_valide / n, giornate è la somma delle giornate delle righe valide. Le celle con n_valide < min_n sono mascherate, non eliminate.

var_pct è la variazione percentuale della mediana rispetto al periodo precedente entro (by, ccnl_key), NA per il primo periodo o quando uno dei due è mascherato; indice è la mediana rapportata alla prima mediana non mascherata della stessa serie, per 100. Entrambe sono calcolate sui periodi presenti in tabella: un periodo assente non produce un salto vuoto.

Sui dati reali la copertura del campo è affidabile solo dal 2020 (oltre il 96% di valori validi), utilizzabile con copertura a fianco nel 2014-2019 e inutilizzabile prima (vedi clean_retribuzione()).

Examples

dt <- prepare_rapporti(cob_esempio)
#> filter_perimetro(): perimetro "ccnl", esclusi 254 rapporti su 5000 (5,1%) in 4 tipologie; 0 con tipologia ignota.
clean_retribuzione(dt, min_n = 30)
#> clean_retribuzione(): 3463 retribuzioni valide su 4746 (73.0%).
normalize_fte(dt)
ret <- median_retribuzione(dt, periodo = "anno", min_n = 10)
ret[ccnl_key == "A011"]
#>     anno ccnl_key classe     n n_valide copertura giornate      p25  mediana
#>    <int>   <char> <char> <int>    <int>     <num>    <num>    <num>    <num>
#> 1:  2019     A011   CCNL   149      102 0.6845638    31010 16384.00 20760.00
#> 2:  2020     A011   CCNL   164      124 0.7560976    27298 17318.26 21512.00
#> 3:  2021     A011   CCNL   148      113 0.7635135    29040 18883.00 24354.67
#> 4:  2022     A011   CCNL   155      119 0.7677419    28691 17123.00 20121.00
#> 5:  2023     A011   CCNL   137      102 0.7445255    20230 18566.00 23346.00
#> 6:  2024     A011   CCNL   151      117 0.7748344    12756 18795.00 24088.00
#>      p75    var_pct    indice
#>    <num>      <num>     <num>
#> 1: 26415         NA 100.00000
#> 2: 27410   3.622351 103.62235
#> 3: 28500  13.214330 117.31535
#> 4: 28371 -17.383390  96.92197
#> 5: 28661  16.028030 112.45665
#> 6: 30739   3.178275 116.03083

# per orario, senza pesi
median_retribuzione(dt, by = "orario", weights = "none", min_n = 10)[1:6]
#>    orario  anno ccnl_key classe     n n_valide copertura giornate   p25 mediana
#>    <char> <int>   <char> <char> <int>    <int>     <num>    <num> <num>   <num>
#> 1:     FT  2019     A011   CCNL   115       81 0.7043478    23465 16747   21307
#> 2:     FT  2020     A011   CCNL   112       87 0.7767857    21941 17396   21512
#> 3:     FT  2021     A011   CCNL   103       75 0.7281553    17835 16904   25015
#> 4:     FT  2022     A011   CCNL   108       85 0.7870370    19328 16900   21063
#> 5:     FT  2023     A011   CCNL   100       73 0.7300000    14812 18766   23353
#> 6:     FT  2024     A011   CCNL   108       85 0.7870370     9110 18661   22442
#>      p75     var_pct    indice
#>    <num>       <num>     <num>
#> 1: 27306          NA 100.00000
#> 2: 26732   0.9621251 100.96213
#> 3: 32397  16.2839345 117.40273
#> 4: 29768 -15.7985209  98.85484
#> 5: 28020  10.8721455 109.60248
#> 6: 28415  -3.9009977 105.32689