Počty úředníků: 2003-2018

c13o <- read_csv(here::here("data-output/legacy/groups_ALL.csv"))
dt0 <- read_rds(here::here("data-interim/objemy_pocty_scraped_raw_2012_2018.rds"))

unique(c13o$variable) %>% enframe(name = NULL)

# A tibble: 25 x 1
   value               
   <chr>               
 1 AvgSal_schvaleny    
 2 AvgSal_upraveny     
 3 Zam_schvaleny       
 4 PlatyOPPP_schvaleny 
 5 OPPP_upr2skut       
 6 Zam_uprMinusskut    
 7 PlatyOPPP_skutecnost
 8 OPPP_upraveny       
 9 PlatyOPPP_upr2skut  
10 OPPP_uprMinusskut   
# … with 15 more rows

unique(c13o$grp) %>% enframe(name = NULL)

# A tibble: 11 x 1
   value               
   <chr>               
 1 Exekutiva           
 2 PO                  
 3 OSS-RO              
 4 UO - Ostatní        
 5 UO - Ministerstva   
 6 St. sprava se SOBCPO
 7 SOBCPO              
 8 ROPO celkem         
 9 OOSS                
10 UO                  
11 OSS-SS              

unique(dt0$type) %>% enframe(name = NULL)

# A tibble: 9 x 1
  value                  
  <chr>                  
1 ÚO                     
2 jedn. OSS státní správy
3 SOBCPO                 
4 ST.SPRÁVA              
5 ostatní OSS            
6 OSS sum                
7 PO sum                 
8 Příslušníci a vojáci   
9 jedn. OSSstátní správy 

Explore & prep to merge

Prep data 2013+

dt <- dt0 %>% 
  filter(kap_num == "C E L K E M" & indicator == "count") %>% 
  select(year, grp = type, schvaleny = rozp,
         skutecnost, upraveny, rozdil, index, plneni) %>% 
  mutate(grp = recode(grp, 
                      `jedn. OSS státní správy` = "neústřední st. správa",
                      `ST.SPRÁVA` = "St. sprava se SOBCPO"),
         plneni = 2-plneni/100, rozdil = -rozdil)

Prep data 2003+

dto <- c13o %>% 
  filter(promenna == "Zam") %>% 
  select(grp, sgrp, variable, value, udaj, promenna, UO, exekutiva, Year) %>% 
  set_names(tolower(names(.))) %>% 
  mutate_at(vars(udaj, variable, promenna), tolower) %>% 
  mutate(year = year(year),
         udaj = recode(udaj,  upr2skut = "plneni",
                       uprminusskut = "rozdil"),
         grp = recode(grp, UO = "ÚO", `OSS-RO` = "OSS sum",
                      PO = "PO sum",
                      `OSS-SS` = "neústřední st. správa",
                      OOSS = "ostatní OSS")) %>% 
  filter(grp %in% c("ÚO", "ST.SPRÁVA", "SOBCPO", "OSS sum", "ostatní OSS",
                    "PO sum", "St. sprava se SOBCPO", 
                    "neústřední st. správa"))

Check groupings

2003+

unique(dto$grp) %>% enframe(name = NULL)

# A tibble: 7 x 1
  value                
  <chr>                
1 OSS sum              
2 St. sprava se SOBCPO 
3 SOBCPO               
4 ostatní OSS          
5 PO sum               
6 ÚO                   
7 neústřední st. správa

2013+

unique(dt$grp) %>% enframe(name = NULL)

# A tibble: 8 x 1
  value                
  <chr>                
1 ÚO                   
2 neústřední st. správa
3 SOBCPO               
4 St. sprava se SOBCPO 
5 ostatní OSS          
6 OSS sum              
7 PO sum               
8 Příslušníci a vojáci 

Check data by comparing grouping sizes

2003+

dto %>% 
  filter(udaj == "schvaleny" & year == 2013) %>% 
  ggplot(aes(grp, value/1000)) +
  geom_col() + coord_flip() + ggtitle("2013 - data 2003-2012") + 
  scale_y_continuous(limits = c(0,250))

2013+

dt %>% 
  filter(year == 2013) %>% 
  filter(!(grp %in% c("Příslušníci a vojáci"))) %>%
  ggplot(aes(grp, skutecnost/1e3)) +
  geom_col() + coord_flip() + ggtitle("2013 - data 2013-2018") +
  scale_y_continuous(limits = c(0,250))

Merge data:

srs <- bind_rows(dto %>% mutate(ds = "old") %>%
                   filter(year != 2013) %>% 
                   select(year, grp, value, udaj),
                 dt %>% pivot_longer(names_to = "udaj", values_to = "value",
                                     cols = c(schvaleny, skutecnost,
                                              upraveny, rozdil, 
                                              index, plneni)) %>% 
                   mutate(ds = "new", year = as.numeric(year)))

First charts

NB:

• skok v roce 2012 je daný redefinicí MV, které od 2012 zahrnuje i velení policie a hasičů
• řada příslušníků a vojáků začíná až v 2013, protože z minulé analýzy jsme je tuším úplně vypustil nebo v interních datech MF nebyli

Absolute - comparable

srs %>% 
  filter(udaj == "skutecnost") %>% 
  ggplot(aes(year, value)) +
  geom_line() +
  facet_wrap(~grp)

Absolute - focus on changes

srs %>% 
  filter(udaj == "skutecnost") %>% 
  ggplot(aes(year, value)) +
  geom_line() +
  facet_wrap(~grp, scales = "free_y")

Comparisons

Plan vs. reality

srs %>% 
  filter(udaj == "plneni") %>% 
  ggplot(aes(year, 2-value)) +
  geom_line() +
  facet_wrap(~grp)

Growth from 2003 base

srs %>% 
  filter(udaj == "skutecnost") %>% 
  group_by(grp) %>% 
  arrange(year) %>% 
  mutate(index = value/first(value)) %>% 
  ggplot(aes(year, index)) +
  geom_line() +
  facet_wrap(~grp)