diff --git a/index.Rmd b/index.Rmd deleted file mode 100644 index 3bd2b33..0000000 --- a/index.Rmd +++ /dev/null @@ -1,365 +0,0 @@ ---- -title: "R aplicado a la ECH" -subtitle: "Setiembre 2020
Gabriela Mathieu" -#`r icon::fa_r_project(colour = "#43a2ca")` -# author: "
`r icon::fa_creative_commons(colour = "#f0f0f0")` `r icon::fa_creative_commons_by(colour = "#f0f0f0")` `r icon::fa_creative_commons_sa(colour = "#f0f0f0")`
Gabriela Mathieu" -author: Creative Commons License
Creative Commons Attribution 4.0 International License -output: - xaringan::moon_reader: - css: xaringan-themer.css - #css: [default, default-fonts, rladies-fonts] - #lib_dir: libs - nature: - highlightStyle: github - highlightLines: true - countIncrementalSlides: false - ratio: "16:9" - slideNumberFormat: | -
-
-
-
---- -```{r, include = F} -knitr::opts_chunk$set(fig.width = 6, message = FALSE, warning = FALSE, comment = "", cache = FALSE, fig.retina = 3) -library(flipbookr) -library(tidyverse) -library(flair) -library(kableExtra) -options(scipen = 9999) -``` -```{r xaringan-themer, include=FALSE, warning=FALSE} -library(xaringanthemer) -style_duo_accent( - #base_color = "#43a2ca", - header_font_google = google_font("Mukta"),#Ubuntu Condensed - text_font_google = google_font("Montserrat", "300", "300i"), - code_font_google = google_font("Fira Mono"), - primary_color = "#0F4C81", # pantone classic blue - secondary_color = "#b3e2cd", # pantone baby blue - #header_font_google = google_font("Raleway"), - #text_font_google = google_font("Raleway", "300", "300i"), - #code_font_google = google_font("Source Code Pro"), - text_font_size = "25px" -# colors = c( -# red = "#f34213", -# purple = "#3e2f5b", -# orange = "#ff8811", -# green = "#136f63", -# white = "#FFFFFF", -# ) -) - -``` - -```{r, include=FALSE} -text_spec2 <- function(x = "x"){ - text_spec(x, background = "#b3e2cd", bold = T) -} -``` - -```{r echo = FALSE} -library(dplyr) # cargo el paquete -load("data/ech19.RData") #importo los datos -``` - -# ¿Qué haremos hoy? - -- Repaso -

--- - -- Pobreza e indigencia: cálculo de variables y estimación de indicadores -

--- - -- NBI: cálculo de variables y estimación de indicadores -

--- - -- Método integrado: cálculo de variables y estimación de indicadores -

--- - -- Ejercicios - - - ---- -# Medición de la pobreza - -- El paquete ech proveé tres funciones para instrumentar la medición de la pobreza en personas y hogares: -

--- - -- `r text_spec2("poverty(): pobreza monetaria")` -

--- - -- `r text_spec2("unsatisfied_basic_needs(): necesidades básicas insatisfechas")` -

--- - -- `r text_spec2("integrated_poverty_measure(): método integrado")` - ---- -class: inverse, center, middle -# ech::poverty() - ---- -# Incidencia de la pobreza - -- La función `r text_spec2("poverty()")` permite calcular la pobreza e indigencia a nivel de hogares y personas. -

--- - -- El cálculo de la variable *poor* e *indigent* utiliza la Metodología 2006 que establece la medición de la pobreza por el método del ingreso usando la `r text_spec2("línea de pobreza 2006")`. -

--- - -- El Método del Ingreso, es el útilizado por el INE como `r text_spec2("medida oficial")`, define la pobreza a partir de los ingresos per cápita de los hogares. -

--- - -- De esta manera un hogar será considerado pobre `r text_spec2("si el ingreso per cápita no supera el valor de un umbral:")` la línea de pobreza (LP). A su vez, todas las personas de ese hogar, si el hogar es considerado pobre, son consideradas pobres. - ---- -# Cálculo de la Línea de Indigencia y la Línea de Pobreza 2006 - -- La construcción de las líneas 2006 se basa en los `r text_spec2("hábitos de consumo de la población del estrato de referencia definido en la ENGIH 2005-2006")`, sin introducir componentes normativos. -

--- - -- `r text_spec2("Los precios de la Canasta Básica Total (CBT) se actualizan según el IPC")` (los índices de precios tanto de bienes alimentarios como no alimentarios). -

--- - -- Para determinar la LP se introducen `r text_spec2("economías de escala en los gastos no alimentarios para los estratos de referencia según la región geográfica")`, tomando en cuenta el tamaño del hogar. - -Fuente: [Metodología 2006](http://www.ine.gub.uy/documents/10181/36026/Informe+Linea+de+Pobreza+2006+Final.pdf/a8ac8606-d2e1-4cfd-b038-26c46bfb9de8) - - - - - ---- -# LI y LP - -- `r text_spec2("LI del hogar")` - -$CBA_{pc}*ht19$ - -- `r text_spec2("LP del hogar")` - -$CBA_{pc}*ht19 + CBNA_{pc}*ht19^{0.8}$ - -El exponente que mide las economías de escala en el gasto no alimentario es 0,8. - -Veamos el código de la función poverty() y los objetos ech::cba_cbna_* - ---- -# Cálculamos las variables pobreza e indigencia - -- En la ECH ya vienen las variables *pobre06* e *indigente06*. - -- La función poverty() calcula las variables *poor* e *indigent*. - -```{r} -# cargamos el paquete -library(ech); library(dplyr) - -# cargamos los datos -load("data/ech19.RData") - -# calculamos las variables de pobreza monteria -ech19 <- poverty(data = ech19) #<< -``` - ---- -# Estimamos la incidencia de la pobreza e indigencia - -Estimamos la incidencia de la pobreza en hogares y en personas usando la función `r text_spec2("get_estimation_mean()")` - -```{r eval = FALSE} -# Hogares según situación de pobreza -pobres_hogares <- get_estimation_mean(ech19, variable = "poor", level = "h", ids = "upm", estrato = "estrato") #<< - -# Personas según situación de pobreza -pobres_personas <- get_estimation_mean(ech19, variable = "poor", level = "i", ids = "upm", estrato = "estrato") #<< - -# Hogares según situación de indigencia -indigencia_hogares <- get_estimation_mean(ech19, variable = "indigent", level = "h", ids = "upm", estrato = "estrato") #<< - -# Personas según situación de indigencia -indigencia_personas <- get_estimation_mean(ech19, variable = "indigent", level = "i", ids = "upm", estrato = "estrato") #<< -``` ---- -# Ejercicio - -- Estimar el total de personas y hogares pobres. - -- Estimar la incidencia de la pobreza en hogares por área geográfica - -- Estimar la incidencia de la pobreza en personas por área geográfica - -- Estimar la incidencia de la pobreza en hogares por departamento - -- Estimar la incidencia de la pobreza en personas por área geográfica, según grupos de edades: 0-5, 6-12, 13-17, 18-64 y 65+ - -- Estimar la incidencia de la pobreza en personas por área geográfica, según ascendencia declarada de las personas (afro, blanca, otra) - -Comparar con las estimaciones del [INE](http://www.ine.gub.uy/documents/10181/364159/Estimaci%C3%B3n+de+la+pobreza+por+el+M%C3%A9todo+del+Ingreso+2017/f990baaf-1c32-44c5-beda-59a20dd8325c) - ---- -class: inverse, center, middle -# ech::unsatisfied_basic_needs() - ---- -# Necesidades Básicas Insatisfechas - -- La función unsatisfied_basic_needs() permite calcular variables que identifica necesidades básicas insatisfechas (NBI) en ciertas dimensiones que el hogar debería satisfacer para `r text_spec2("lograr un mínimo de bienestar")` y luego agregarlas en un indicador. -

--- - -- Se usa una aproximación de la Metodología del Censo 2011. Las dimensiones consideradas son: `r text_spec2("hacinamiento, acceso a agua potable, acceso a energía eléctrica, materiales de la vivienda, evacuación del servicio sanitario y educación")`. -

--- - -- La dimensión de educación se evalua para las personas entre 4 a 17 años y si al menos una de estas personas tiene una carencia en educación se considera que todo el hogar tiene carencia en esta dimensión. -

--- - -- Se evalúa para cada una de estas dimensiones `r text_spec2("si hay o no carencia")`, luego se suman y se obtiene la variable *UBN_q* (toma valores entre 0 a 6) y *UBN* (“Sin NBI”, “Con 1 NBI”, “Con 2 NBI” y “Con 3 o más NBI”). Los resultados se calculan al nivel del hogar y se imputan a todas las personas del hogar. - ---- -# Cálculo y estimación de las NBI - -Para calcular las NBI previamente debemos calcular la asistencia escolar y los años de educación. - -```{r eval = FALSE} -# Calculamos las variables de NBI -ech19 <- enrolled_school(ech19) -ech19 <- years_of_schooling(ech19) -ech19 <- unsatisfied_basic_needs(data = ech19) #<< -``` - -Estimamos la variable cantidad de NBI - -```{r eval = FALSE} -# Distribución de hogares según cantidad de NBI que presenta -nbi_hogares <- get_estimation_mean(ech19, variable = "UBN", level = "h", ids = "upm", estrato = "estrato") #<< - -# Distribución de personas según cantidad de NBI que presenta el hogar -nbi_personas <- get_estimation_mean(ech19, variable = "UBN", level = "i", ids = "upm", estrato = "estrato") #<< -``` - ---- -class: inverse, center, middle -# ech::integrated_poverty_measure() - ---- -# Método integrado de medición de la pobreza - -- El método integrado `r text_spec2("combina el método del ingreso con el de NBI")`. -

--- - -- La función integrated_poverty_measure() permite calcular un indicador que vincula los dos métodos anteriores, de ahí el nombre de método integrado. -

--- - -- Se calcula la variable *integrated_poverty_measure* que toma 4 valores: `r text_spec2("'No pobreza', 'Pobreza reciente', 'Pobreza inercial' y 'Pobreza crónica'")`. - -| NBI / Pobreza | Pobre | No pobre | -|--------|---------|--------------| -| Con al menos una carencia | Pobreza crónica | Pobreza inercial | -| Ausencia de carencia | Pobreza reciente | No pobres | - ---- -# Método integrado - -Previamente debemos haber calculado las variables pobreza y NBI - -```{r eval = FALSE} -# calculamos la variable metodo integrado -ech19 <- integrated_poverty_measure(data = ech19) #<< -``` - -Estimamos la proporción de hogares según el método integrado - -```{r eval = FALSE} - -# Hogares según situación de pobreza -ipm_hogares <- get_estimation_mean(ech19, variable = "integrated_poverty_measure", level = "h", ids = "upm", estrato = "estrato") -``` - ---- -# geouy & ech - -- Generamos un mapa de coropletas con la estimación de la incidencia de la pobreza por departamento. - -- Primero estimamos pobreza en hogares por deparamento usando el paquete ech. - -```{r} -pobre_x_dpto <- get_estimation_mean(data = ech19, # Indico el data.frame - variable = "pobre06", # La variable a estimar - by.x = "nomdpto", # La variable de agrupación - level = "h", # Defino que lo haga a nivel de hogar - name = "Pobreza") %>% - filter(pobre06 == "Pobre") -``` - ---- -# Mapa de coropletas - -El uso de este paquete se potencia al usarlo en conjunto con [geouy](https://github.com/RichDeto/geouy) ya que permite acceder a diferentes capas geográficas de Uruguay y construir mapas temáticos. - -Por ejemplo, a la estimación anterior de hogares pobres por departamento se le pueden agregar las geometrías de los polígonos de cada departamento para construir un mapa de coropletas. - -```{r} -# Agrego geometrías -pobre_x_dpto_geo <- add_geom(data = pobre_x_dpto, # Los datos en una unidad geográfica de entre las opciones - unit = "Departamentos", # Unidad de agregación de los datos - variable = "nomdpto") # Variable correspondiente a los códigos a la unidad -``` - ---- -# Mapa de coropletas - -.pull-left[ -```{r eval = FALSE} -# Hago un mapa -plot_geouy(x = pobre_x_dpto_geo, - col = "Pobreza", - l = "%") -``` -] - - - -.pull-right[ -```{r echo = FALSE} -# Hago un mapa -plot_geouy(x = pobre_x_dpto_geo, col = "Pobreza", l = "%") -``` -] - ---- - - - - - - - - - - - - - - - - - -