Indicadores socioeconómicos | Data and Politics

El elefante de Milanovic

Sat, 24 Jul 2021 00:00:00 +0000

Branko Milanovic y Simon Kuznets son dos de los académicos más conocidos en los estudios sobre desigualdad. A cada uno de ellos se le conoce por identificar una determinada trayectoria de la desigualdad en un periodo de tiempo determinado:

El elefante de Milanovic: La diferencia en porcentaje de ganancia entre la distribución por nivel de ingresos en 2008 y 1988, tiene forma de elefante.
La curva de Kuznets A medida que la riqueza de un país crece con el proceso de industrialización, en una primera fase las desigualdades crecen y en una segunda fase decrecen, por lo que la relación entre crecimiento económico y desigualdades tiene forma de U invertida.

En esta práctica observaremos las trayectorias descritas en lo que se conoce como el Elefante de Milanovic, que es la forma que describe la evolución de la desigualdad mundial entre los períodos 1988 y 2008. Esta curva, descrita por Branko Milanovic y Christoph Laekner, indica la diferencia en porcentaje de ganancia entre la distribución por nivel de ingresos en 1988 y 2008¹. En primer lugar, cargaremos los paquetes que necesitamos.

#recordad que los paquetes deben estar previamente instalados
library(tidyr)
library(dplyr)
library(ggplot2)

El elefante de Milanovic

El elefante de Milanovic es una visualización reciente que describe cómo ha evolucionado la desigualdad mundial en las últimas décadas. Los ejercicios de este apartado deben complementarse con el capítulo 1 del libro Global Inequality (Milanovic 2016). Para reproducir una curva similar a la del elefante, en primer lugar debemos descargar la base de datos All Ginis y observar su contenido. En la Tabla 1 podéis consultar las primeras observaciones del marco de datos all_ginis.

download.file("https://www.gc.cuny.edu/getmedia/514d5ba9-74ed-4007-a3fe-02b079705c91/LM_WPID_web_2",
"all_ginis.dta")
#descarga con el paquete foreign
library(foreign) #será necesario instalar el paquete foreign
all_ginis <- as_tibble(read.dta("all_ginis.dta"))
#descarga con el paquete haven
library(haven) #será necesario instalar el paquete haven
all_ginis <- read_dta("all_ginis.dta")

DESCARGA: Si no os funciona el código de descarga, descargad el archivo .dta manualmente, ubicadlo en vuestro directorio de trabajo y cambiadle el nombre por all_ginis.dta. A continuación, utilizad la versión foreign o haven para convertir el archivo en objeto de R.

Table 1: All ginis dataset
contcod	country	region	year	inc_con	source	mysample	bin_year	group	pop	RRinc	RRmean	cons_2005ppp_pc	gdp_2005ppp_pc	totpop	Dno_china	ventile_n	RRmean_ventile_n	pop_ventile_n	nvals
BGD	Bangladesh	Other Asia	1988	C	povcal	1	1988	1	10.0062320	185	444	637.7204	723.0073	100.062320	1	1	188.2125	158.266	1
IND-U	India	India	1987	C	povcal	1	1988	1	20.9592464	210	611	NA	NA	209.592464	1	1	188.2125	158.266	0
UZB	Uzbekistan	Russia, C. Asia, SE Europe	1988	I	wyd	1	1988	1	1.9561180	203	402	NA	2004.3074	19.561180	1	1	188.2125	158.266	0
UGA	Uganda	Sub-Saharan Africa	1989	C	povcal	1	1988	2	1.6482365	133	441	394.4634	547.3591	16.482365	1	1	188.2125	158.266	0
MRT	Mauritania	Sub-Saharan Africa	1987	C	povcal	1	1988	2	0.1892328	205	732	1392.1792	1822.7952	1.892328	1	1	188.2125	158.266	0
PAK	Pakistan	Other Asia	1987	C	povcal	1	1988	1	10.5332464	165	453	1038.4399	1505.3386	105.332464	1	1	188.2125	158.266	0
HND	Honduras	L. America & Carib.	1989	I	povcal	1	1988	2	0.4618245	196	1142	1717.3328	2731.6196	4.618245	1	1	188.2125	158.266	0
GHA	Ghana	Sub-Saharan Africa	1988	C	povcal	1	1988	1	1.4010951	166	578	598.9019	882.0447	14.010951	1	1	188.2125	158.266	0
UGA	Uganda	Sub-Saharan Africa	1989	C	povcal	1	1988	3	1.6482365	180	441	394.4634	547.3591	16.482365	1	1	188.2125	158.266	0
HND	Honduras	L. America & Carib.	1989	I	povcal	1	1988	1	0.4618245	119	1142	1717.3328	2731.6196	4.618245	1	1	188.2125	158.266	0

Ejercicio 1: Haz una exploración general del marco de datos y sus variables. Ayúdate del libro de códigos de la base de datos que encontrarás en All Gini Dataset:

Para consultar el marco de datos sólo tienes que teclear su nombre (all_ginis). Te será muy útil la función glimpse(all_ginis).
Para consultar una variable puedes teclear el nombre del marco de datos, seguido de $ y el nombre de la variable (all_ginis$nombre_variable) o bien aplicar la función que necesites a la variable. Por ejemplo: funcion (all_ginis$nombre_variable).

Responde a las siguientes preguntas:

De acuerdo con lo que has aprendido a Normas ISO, ¿cuál(es) variable(s) podríamos utilizar para unir los datos de All Ginis con las de otro marco de datos?
Para realizar su estudio, los autores Lakner y Milanovic agruparon los datos de desigualdad en unos pocos años, agrupados en la variable bin_year. ¿Cuáles son estos años? Usa unique() para saberlo. Averigua la diferencia entre year y bin_year.
¿Cómo justifica Milanovic en su libro que es relevante observar la evolución de la desigualdad global en el período 1988 y 2008?
Con unique() también puedes saber qué valores puede tomar la variable inc_con. ¿Qué significan estos valores? ¿Qué implicación tiene para conocer las desigualdades de un país saber si los datos toman un valor u otro?
Busca qué variable indica la fuente con la que se han obtenido los datos. ¿Cuántas fuentes secundarias diferentes hay? Encontrarás una descripción de estas fuentes en el libro de códigos. ¿Cuál es la principal fuente de información primaria que utilizan? Comenta los aspectos positivos y negativos de obtener datos de desigualdad a partir de este tipo de fuente primaria que se utiliza.
Identifica el significado de las variables pop, totpop, RRinc, RRmean y ventile_n.

Una vez ya hemos conocido más a fondo los datos con los que trabajar ya podemos generar el elefante que encontramos representado en la Figura 1. Veréis que es un gráfico muy parecido al que describe Milanovic en su libro².

all_ginis %>%
filter(bin_year %in% c(1988, 2008), #filtramos solamente los años 1988 y 2008
!is.na(RRinc)) %>% #eliminamos NA
group_by(ventile_n, bin_year, RRmean_ventile_n) %>% #arupamos por ventil, año e ingreso real
summarize() %>% #simplificamos el marco de datos
spread(bin_year, RRmean_ventile_n) %>% #ponemos un año en cada columna
mutate(diff = (`2008` - `1988`) / `1988`) %>% #creamos una nueva columna con la diferencia de ingreso real entre 1988 y 2008
ggplot(aes(x = ventile_n, y = diff)) +
geom_line() +
scale_y_continuous(labels = scales::percent_format(accuracy = 1)) +
labs(x = "Income group (ventile)", y = "Real income growth (%)") +
theme_bw()

Figure 1: L’Elefant de Milanovic (1988 - 2008)

Ejercicio 2: A partir de lo que describe Milanovic en las primeras páginas de Global Inequality (Milanovic 2016) y de lo que observas en el gráfico de la Figura 1, haz los siguientes ejercicios:

Describe lo que observas el gráfico: ¿Qué nos enseña? ¿Qué nos indica el eje de las x? ¿Y el eje de las y?
Interpreta lo que observas en el primer, quinto, decimoquinto y vigésimo ventil del gráfico.
¿Qué significa el ingreso real? ¿Qué nos permite calcular que no nos permite el ingreso nominal?

La desigualdad dentro de los países

Una vez ya conocemos la evolución de la desigualdad global, podemos centrarnos en observar más de cerca la evolución de la desigualdad en un país determinado. Podéis consultar la lista de países que tenemos en la base de datos con unique(all_ginis$country).

## [1] "Bangladesh" "India"
## [3] "Uzbekistan" "Uganda"
## [5] "Mauritania" "Pakistan"
## [7] "Honduras" "Ghana"
## [9] "Guatemala" "Nigeria"
## [11] "Lesotho" "Costa Rica"
## [13] "Brazil" "Indonesia"
## [15] "El Salvador" "Gambia, The"
## [17] "Central African Republic" "Burundi"
## [19] "Madagascar" "Swaziland"
## [21] "Angola" "Burkina Faso"
## [23] "Nicaragua" "Kyrgyz Republic"
## [25] "Peru" "Mali"
## [27] "Niger" "Zambia"
## [29] "Guinea-Bissau" "Comoros"
## [31] "Botswana" "Panama"
## [33] "Zimbabwe" "Senegal"
## [35] "Ecuador" "Guinea"
## [37] "Namibia" "Vietnam"
## [39] "Ethiopia" "Kenya"
## [41] "Lao PDR" "Malawi"
## [43] "Mozambique" "Tajikistan"
## [45] "Cambodia" "South Africa"
## [47] "Rwanda" "Nepal"
## [49] "Colombia" "Venezuela, RB"
## [51] "Papua New Guinea" "Maldives"
## [53] "Paraguay" "Mexico"
## [55] "Moldova" "Micronesia, Fed. Sts."
## [57] "Bolivia" "Congo, Dem. Rep."
## [59] "Benin" "Tanzania"
## [61] "Sierra Leone" "Fiji"
## [63] "Congo, Rep." "Chad"
## [65] "Haiti" "Cote d'Ivoire"
## [67] "Timor-Leste" "Liberia"
## [69] "Togo" "Yemen, Rep."
## [71] "Dominican Republic" "Philippines"
## [73] "Belize" "New Zealand"
## [75] "St. Lucia" "Suriname"
## [77] "Sao Tome and Principe" "Turkmenistan"
## [79] "Guyana" "Cameroon"
## [81] "Cape Verde" "Argentina"
## [83] "Djibouti" "Georgia"
## [85] "Bhutan" "Sudan"
## [87] "Azerbaijan" "Sri Lanka"
## [89] "Armenia" "Mongolia"
## [91] "Thailand" "Chile"
## [93] "Algeria" "Tunisia"
## [95] "Jamaica" "Morocco"
## [97] "Kazakhstan" "Gabon"
## [99] "Iraq" "Romania"
## [101] "Egypt, Arab Rep." "Lithuania"
## [103] "Trinidad and Tobago" "Poland"
## [105] "Iran, Islamic Rep." "Jordan"
## [107] "Turkey" "Russian Federation"
## [109] "Malaysia" "Syrian Arab Republic"
## [111] "Kosovo" "Ukraine"
## [113] "Albania" "Belarus"
## [115] "Latvia" "Macedonia, FYR"
## [117] "Uruguay" "Estonia"
## [119] "Bulgaria" "Seychelles"
## [121] "Hungary" "Ireland"
## [123] "Montenegro" "Serbia"
## [125] "West Bank and Gaza" "Israel"
## [127] "United Kingdom" "Portugal"
## [129] "Slovak Republic" "Bosnia and Herzegovina"
## [131] "Cyprus" "United States"
## [133] "Italy" "France"
## [135] "Greece" "Korea, Rep."
## [137] "Netherlands" "Spain"
## [139] "Australia" "Singapore"
## [141] "Slovenia" "Belgium"
## [143] "Czech Republic" "Canada"
## [145] "Hong Kong SAR, China" "Croatia"
## [147] "Japan" "Finland"
## [149] "Germany" "Denmark"
## [151] "Switzerland" "Taiwan"
## [153] "Austria" "Sweden"
## [155] "Barbados" "Norway"
## [157] "Iceland" "Luxembourg"
## [159] "China"

En este apartado nos centraremos en el caso de un estado concreto, España, y trataremos de responder a estas dos preguntas:

¿Cómo ha cambiado la distribución de la renta a lo largo del tiempo?
¿Cómo ha cambiado la desigualdad medida en términos del Índice de Gini?

Para poder responder a estas preguntas tendremos que preparar un marco de datos a partir de la base de datos All Gini que incluya sólo las observaciones del país que queremos analizar. Debemos tener en cuenta que hasta ahora hemos visto la distribución mundial de la renta en ventiles (cada grupo es una veinteava parte de la población total), pero que la distribución por países se encuentra agrupada en deciles (se divide la población en diez grupos iguales). Hemos seguido el siguiente procedimiento que ha dado como resultado la Tabla 2:

Hemos filtrado los datos de all_ginis por el país que nos interesa y por los años 1988 y 2008. De ahí haya salido el marco de datos gini_spain.
Hemos creado las columnas RRinc_cum y RRmean_cum. Estas dos columnas nos servirán para calcular más adelante el Índice de Gini.

gini_spain <- all_ginis %>%
filter(country == "Spain", #seleccionamos el país
bin_year %in% c(1988, 2008)) %>% #seleccionamos los dos años de interés
select(bin_year, group, RRinc, RRmean) %>%
arrange(bin_year, RRinc) %>%
group_by(bin_year) %>%
mutate(RRinc_cum = cumsum(RRinc),
RRmean_cum = cumsum(RRmean))

Table 2: Ingreso real en España (1988 - 2008)
bin_year	group	RRinc	RRmean	RRinc_cum	RRmean_cum
1988	1	1989	7030	1989	7030
1988	2	3320	7030	5309	14060
1988	3	4090	7030	9399	21090
1988	4	4768	7030	14167	28120
1988	5	5534	7030	19701	35150
1988	6	6382	7030	26083	42180
1988	7	7340	7030	33423	49210
1988	8	8566	7030	41989	56240
1988	9	10586	7030	52575	63270
1988	10	17723	7030	70298	70300
2008	1	2966	10725	2966	10725
2008	2	5078	10725	8044	21450
2008	3	6442	10725	14486	32175
2008	4	7638	10725	22124	42900
2008	5	8816	10725	30940	53625
2008	6	10130	10725	41070	64350
2008	7	11642	10725	52712	75075
2008	8	13458	10725	66170	85800
2008	9	16225	10725	82395	96525
2008	10	24857	10725	107252	107250

Ejercicio 3: Examina la Tabla 2 y responde a las siguientes preguntas:

¿Cuánto ganaba un ciudadano del estado español, de media, en 1988?
¿Cuál era la mediana de ingresos en España en 1988?
Si sabemos el valor que toma la media y la mediana, podemos intuir qué forma toma la distribución. ¿Será una distribución positiva o negativa? ¿Esto significa que la mayor parte de la población tiene unos ingresos inferiores o superiores a la media?
Explica, a partir de los datos de la tabla, el significado de las columnas RRinc_cum yRRmean_cum.

Cambio de la distribución de la renta en un país

Para saber cómo ha cambiado la distribución de la renta en España de 1988 a 2008 tenemos que hacer una operación muy parecida a la que hemos realizado para crear el elefante. En el caso anterior, sin embargo, hemos querido visualizar la distribución de la renta mundial y ahora observaremos un caso en concreto.

gini_spain %>%
select(group, bin_year, RRinc) %>%
spread(bin_year, RRinc) %>%
mutate(diff = (`2008` - `1988`) / `1988`) %>%
ggplot(aes(x = group, y = diff)) +
geom_line() +
scale_x_continuous(breaks = 1:10) +
scale_y_continuous(labels = scales::percent_format(accuracy = 1)) +
labs(x = "Income group (decile)", y = "Real income growth (%)") +
theme_bw() +
theme(panel.grid.minor.x = element_blank())

Figure 2: Evolució de la distribució de la renda a Espanya (1988-2008)

Ejercicio 4: Observa la Figura 2 y el código utilizado para reproducirla y realiza las actividades siguientes:

¿Cómo ha evolucionado la renta en España entre 1988 y 2008? Haz una descripción del gráfico.
La renta real del decil más alto ha aumentado relativamente menos que el resto de deciles. ¿Significa esto que las desigualdades han disminuido en España?
¿Qué limitaciones tienen los gráficos que representan los datos por deciles? ¿Podemos saber la variación en el ingreso real de las rentas más altas? (Por ejemplo, el Top 1%)
Elige un periodo y otro país a partir de los datos disponibles y modifica el código para obtener una tabla y un gráfico con la evolución de la desigualdad de ingresos. Busca un país donde el cambio en la desigualdad de ingresos para el período seleccionado te llame la atención. Explica el motivo y comenta la tabla y el gráfico resultante.

Cambio en términos del Índice de Gini

La segunda pregunta que nos hacíamos anteriormente es como había cambiado la desigualdad medida en términos del índice de Gini. Hay varias formas numéricas de calcular las desigualdades en una población. El índice de Gini es una de ellas. En este curso sólo os pedimos saber que un índice de Gini cercano a 1 significa mucha desigualdad mientras que un índice cercano a 0 significa poca desigualdad, pero si quieres saber cómo se calcula tiene este tutorial para hacer el cálculo en Excel.

Fuente: Youtube

El índice de Gini se calcula a partir de la curva de Lorenz, que aparecen en la siguiente Figura 3. Para crear la figura hemos utilizado las columnas RRinc_cum y RRmean_cum, que hemos creado anteriormente y que en un ejercicio os pedíamos que revisase su significado. El gráfico está creado a partir de estas dos variables.

La línea azul representa RRinc_cum.
La línea naranja representa RRmean_cum.
El índice de Gini es la proporción que ocupa el área entre la línea azul y la línea naranja (área A) respecto toda el área del triángulo inferior derecho del gráfico (área A + B).

zeros <- tribble(~bin_year, ~group, ~RRinc, ~RRmean, ~RRinc_cum, ~RRmean_cum,
1988,0,0,0,0,0,
2008,0,0,0,0,0)
gini_spain %>%
bind_rows(zeros) %>% #añadimos el grupo 0 de cada año
ggplot(aes(x = group)) +
geom_line(aes(y = RRinc_cum), col = "blue", lty = 2, size = 1) +
geom_line(aes(y = RRmean_cum), col = "orange", size = 1) +
scale_x_continuous(breaks = 0:10) +
facet_wrap(~bin_year, scales = "free")

Figure 3: Curva de Lorenz en España (1988, 2008)

Ejercicio 5: En la Figura 3 observamos la curva de Lorenz de España los años 1988 y 2008. Responde a las siguientes preguntas:

¿Observamos muchas diferencias entre la curva de Lorenz en 1988 y en 2008? ¿En qué año dirías, a simple vista, que había más desigualdad en España?
Comenta el gráfico a partir de comparar el tercer, quinto y noveno decil de la distribución de la renta en España en los dos años.
¿Qué significaría que la línea azul y la línea naranja coincidieran?
¿Si la línea azul haz un círculo más pronunciado (más alejado de la línea naranja) tendríamos más o menos desigualdad?

El cálculo del índice de Gini, pues, parte de la curva de Lorenz. Para obtenerlo debemos calcular la proporción del área que se encuentra entre la línea azul y la línea naranja sobre el área en forma de triángulo entre la línea naranja y el extremo inferior derecho del gráfico. Por eso haremos las siguientes operaciones:

Calculamos B: el área que forma RRinc_cum (línea azul) y el extremo inferior derecho del gráfico.
Calculamos A: el área que forma RRmean_cum (línea naranja) y el extremo inferior derecho del gráfico.
El índice de Gini se obtiene con la fórmula:

\[Gini = \frac{A}{A + B} * 100\]

gini_spain %>%
mutate(base = group - lag(group, default = 0),
square = lag(RRinc_cum, default = 0) * base,
triangle = (RRinc_cum - lag(RRinc_cum, default = 0)) / 2,
area = square + triangle) %>%
summarize(B = sum(area), #calculamos B
`A+B` = max(RRmean_cum) * max(group) / 2, #calculamos A + B
A = `A+B` - B, #calculamos A
Gini = round(A / `A+B` * 100, 1)) %>% #obtenemos el índice
transmute(Any = bin_year, A, B, `A+B`, Gini)

Table 3: Índice de Gini en España 1988-2008
Any	A	B	A+B	Gini
1988	111716	239784	351500	31.8
2008	161717	374533	536250	30.2

EJERCICIO FINAL: El código anterior nos ha generado la Tabla 3, donde podemos ver la extensión de las áreas A y B y el índice de Gini de España en los años seleccionados.

Interpreta el índice de Gini de España ¿Las desigualdades han disminuido o han aumentado en el periodo 1988-2008?
¿Podríamos decir que el índice de Gini es alto en España en comparación a otros países del mundo?
¿Cuál sería el área total de todo el gráfico? (Pista: tiene forma de cuadrado)
Elige otro país en dos años que selecciones entre los que tienes disponibles en la variable bin_year. Visualiza la curva de Lorenz y calcula el índice de Gini. Haz un breve comentario de los resultados.

Referencias

Milanovic, Branko. 2016. Global Inequality: A New Approach for the Age of. Globalization. Cambridge, MA: Harvard University Press.

Esta actividad está elaborada con propósitos estrictamente docentes. Las operaciones que se realizan no pretenden tener validez desde un punto de vista académico. Puede ayudarse de este RMarkdown ↩︎
La única diferencia es que en Global Inequalities observamos el ingreso relativo por ventiles entre 1988 y 2008, mientras que en este gráfico observamos el cambio relativo en el ingreso real por ventil entre 1988 y 2008.↩︎

La curva de Kuznets

Sat, 24 Jul 2021 00:00:00 +0000

El elefante de Milanovic: La diferencia en porcentaje de ganancia entre la distribución por nivel de ingresos en 2008 y 1988, tiene forma de elefante.
La curva de Kuznets A medida que la riqueza de un país crece con el proceso de industrialización, en una primera fase las desigualdades crecen y en una segunda fase decrecen, por lo que la relación entre crecimiento económico y desigualdades tiene forma de U invertida.

En esta práctica observaremos las trayectorias que describe Kuznets¹. En primer lugar, cargaremos los paquetes que necesitamos.

#Recordad que los paquetes deben estar previamente instalados
library(readxl)
library(haven)
library(tidyr)
library(dplyr)
library(ggplot2)
library(wbstats)

La curva de Kuznets

Simon Kuznets formuló en 1955 la teoría que relaciona el progreso de un país y la desigualdad, esta tendría forma de U invertida. En una fase inicial de desarrollo económico, los países son pobres y hay pocas diferencias en el nivel de ingresos entre su población. La industrialización lleva a una segunda fase de desarrollo, en la que sólo una pequeña minoría puede sacar provecho de sus beneficios, por lo que las desigualdades crecerían en este segundo periodo. Con el progreso y el paso del tiempo llegaría a una tercera fase, en la que cada vez más personas podrían participar de los beneficios de la industrialización, de manera que las desigualdades se verían reducidas.

Estas son las conclusiones que sacó Kuznets a partir de observar la relación entre ingreso y desigualdades en Estados Unidos durante el período 1913-1948 en su obra Shares of Upper Income Groups in Income and Savings (Kuznets 1953). Su estudio ha sido replicado decenas de veces con resultados dispares. En este ejercicio intentaremos hacer una nueva réplica de la curva de Kuznets.

Ejercicio 1: En primer lugar, indaga sobre la obra de Kuznets a partir de los textos La Desigualdad entre Personas (Milanovic 2011) y El Capital del Siglo XXI (Piketty 2014) y responde a las siguientes preguntas:

¿Por qué la obra de Kuznets es revolucionaria desde un punto de vista empírico?
Kuznets utiliza una fuente de información principal para elaborar su estudio. ¿De qué tipo de fuente se trata? Este tipo de fuente es incompleta para saber las desigualdades en la población. ¿Qué otra fuente necesitó? ¿Por qué?
En la relación de causalidad que estudia Kuznets, ¿Cuál es la variable dependiente y cuál es la variable independiente?
Describe brevemente qué es el índice de Gini.

Para replicar el estudio de Kuznets, necesitaremos estudiar la relación entre dos variables numéricas:

Desigualdad: Medida con el índice de Gini.
Desarrollo: Medida con el PIB per cápita.

Datos de desigualdad

Una de las series temporales más largas que contiene información sobre el índice de Gini la encontramos en el All the Ginis Dataset del Banco Mundial.

Ejercicio 2: Accede a la página web All the Ginis Dataset y busca en la pestaña Data & Resources el documento que contiene la descripción de la base de datos:

¿De cuántas bases de datos diferentes han obtenido los índices de Gini para crear All the Ginis Dataset?
¿Cuántas observaciones Gini recoge en total la base de datos?
¿Cuál es el nombre de la variable que engloba todos los Gini de las otras bases de datos?
Algunas variables que nos encontraremos en la base de datos llevan los prefijos Dhh, Dinc o Dgross. Estas variables pueden tomar el valor 1 o el valor 0. Explica el significado de estas variables a partir de la Digresión 1 de Desigualdad Global (Milanovic 2016: 26-31). ¿Por qué es relevante esta distinción?
Supón que tenemos dos hipotéticos países que tienen el mismo Gini pero que uno tiene el valor 1 a la variable Dinc y el otro el valor 0. ¿Tendrían la misma desigualdad? Razona tu respuesta.
¿Cuál es la década donde tenemos más observaciones?
¿De qué región (según la nomenclatura utilizada) tenemos más observaciones en relación al número de países?

Ahora que ya tenemos una orientación general sobre los datos que tenemos que tratar, ya podemos descargar la base de datos y limpiarla de variables que no nos interesen y de datos perdidos. En el siguiente código hemos realizado las siguientes operaciones: hemos descargado la base de datos, hemos seleccionado algunas de las variables y hemos eliminado todos los NA. El resultado es el marco de datos ginis, donde podemos observar sus primeras filas en la siguiente Tabla 1.

download.file("https://development-data-hub-s3-public.s3.amazonaws.com/ddhfiles/94536/allginis_2013.xls",
"allginis.xls")
ginis <- read_xls("allginis.xls", sheet = 2) %>%
select(country:year, Giniall) %>% #seleccionamos algunas variables
filter(!is.na(Giniall)) #eliminamos datos perdidos

Table 1: All Ginis Dataset
country	contcod	region	year	Giniall
Albania	ALB	Eastern Europe	1997	28.6
Albania	ALB	Eastern Europe	2002	29.4
Albania	ALB	Eastern Europe	2004	31.1
Albania	ALB	Eastern Europe	2005	31.7
Albania	ALB	Eastern Europe	2008	30.4
Algeria	DZA	Africa	1988	38.8
Algeria	DZA	Africa	1995	34.6
Angola	AGO	Africa	1995	40.2
Angola	AGO	Africa	2000	58.1
Argentina	ARG	Latin America	1974	34.5

Un vistazo rápido al marco de datos con head(gini, 10) o glimpse(gini) nos permite comprobar que tenemos muy pocos casos de algunos países. Ya sólo al principio de la lista vemos que tenemos datos de Albania en sólo cinco años, por dos de Argelia y dos de Angola. Ya de entrada, sabemos que será difícil observar la evolución de la desigualdad en algunos países si tenemos tan pocos puntos en el tiempo.

Si utilizamos range(gini$year) vemos que tenemos datos desde 1950 hasta 2012, aunque no tenemos la misma cantidad de observaciones de todos los países. Podemos investigar de varios años tenemos registro en cada país con count(). Esta función nos hace un recuento de casos por cada variable categórica que indicamos. Siempre que ponemos al final de un código %>% View() podemos ver los resultados en una ventana nueva con formato de hoja de cálculo. En la Tabla 2 observamos los resultados.

ginis %>%
count(country, sort = TRUE) %>% #pedimos un recuento y que nos ordene los resultados
head(30) %>% View() #pedimos las primeras 30 observaciones y visualizar la tabla en una ventana aparte

Table 2: Recuento de observaciones
country	n
United States	62
United Kingdom	50
Bulgaria	42
India	42
Brazil	36
Taiwan, China	34
Italy	33
Poland	33
China	32
Japan	31
Costa Rica	30
Mexico	30
Argentina	28
Venezuela, Rep	28
Denmark	27
Iran,IslamicRep.	27
Netherlands	27
Colombia	26
Sweden	26
Canada	25
Germany	25
Hungary	25
Chile	24
Honduras	23
Norway	23
Peru	23
Pakistan	22
El Salvador	21
Panama	21
Spain	21

Ejercicio 3: Como podéis comprobar, tenemos más datos de algunos países que de otros. Por algún motivo, entonces, desde 1950 hasta 2012 muchos datos están perdidos.

¿Sabrías decir qué características tienen en común, en general, los países de los que tenemos más datos? ¿Y los países de los que tenemos menos datos? Pon algunos ejemplos de acuerdo con los resultados que has obtenido en la Tabla 2.
Con el siguiente código hemos pedido el año más antiguo (min()) y el año reciente (max()) de los que tenemos datos en cada país, así como el recuento de casos (n()). Seleccionar un país que tenga menos de 25 casos y, a partir de los datos generados por el código, intenta explicar desde un punto de vista histórico por qué este país concreto tiene más/menos datos en relación a otros países .

ginis %>%
group_by(country) %>%
summarize(min = min(year),
max = max(year),
n = n()) %>%
arrange(desc(n))

Datos de desarrollo

Tal como hizo Kuznets en su estudio, utilizaremos el PIB per cápita como medida de desarrollo económico. Aunque el PIB per cápita ha tenido y está teniendo cada vez más críticas como medida de desarrollo (Stiglitz, Sen, and Fitoussi 2010), también es cierto que sigue siendo una medida sencilla, fiable, disponible y bastante aceptada por académicos y decisores públicos.

Para obtener los datos del PIB per cápita, utilizaremos el paquete wbstats que nos proporciona datos del Banco Mundial. Con la función wbsearch() buscamos indicadores que contengan las palabras GDP, cápita y ppp. Vemos que obtenemos cinco resultados.

wb_search("gdp.*capita.*ppp")

## # A tibble: 4 x 3
## indicator_id indicator indicator_desc
## <chr> <chr> <chr>
## 1 6.0.GDPpc_cons… GDP per capita, PPP (co… GDP per capita based on purchasing p…
## 2 NY.GDP.PCAP.PP… GDP per capita, PPP (cu… This indicator provides per capita v…
## 3 NY.GDP.PCAP.PP… GDP per capita, PPP (co… GDP per capita based on purchasing p…
## 4 NY.GDP.PCAP.PP… GDP per capita, PPP ann… Annual percentage growth rate of GDP…

Nos interesan los datos de PIB per cápita a precios constantes, pero como puede observarse en el resultado tenemos tres variables que parece que nos ofrezcan exactamente lo mismo. Como no estamos seguros de qué variable escoger, descargaremos los cinco resultados y los compararemos entre ellos para tener más clara nuestra elección. En el siguiente código hacemos los siguientes procedimientos:

Guardamos los códigos de los indicadores al objeto gdpcap. Teclead el nombre del nuevo objeto para comprobar que efectivamente contiene los códigos de los indicadores.
Con la función wb() descargamos el marco de datos que llamaremos income. Dentro de la función especificamos el nombre del vector donde hemos guardado los indicadores.
A continuación separamos (spread()) los indicadores para que cada variable esté en una columna diferente y pedimos un sumario.

Os saldrá un mensaje de error, que nos descarta automáticamente una variable, y nos creará el archivo con una variable menos de las que habíamos pedido.

gdpcap <- wb_search("gdp.*capita.*ppp") %>% pull(indicator_id)
income <- wb_data(indicator = gdpcap, return_wide = F) %>%
mutate(date = as.numeric(date)) %>%
as_tibble()
income %>%
pivot_wider(names_from = indicator_id, values_from = value) %>%
summary()

## indicator iso2c iso3c country
## Length:29606 Length:29606 Length:29606 Length:29606
## Class :character Class :character Class :character Class :character
## Mode :character Mode :character Mode :character Mode :character
##
##
##
##
## date unit obs_status footnote
## Min. :1960 Length:29606 Length:29606 Length:29606
## 1st Qu.:1975 Class :character Class :character Class :character
## Median :1990 Mode :character Mode :character Mode :character
## Mean :1990
## 3rd Qu.:2005
## Max. :2020
##
## last_updated 6.0.GDPpc_constant NY.GDP.PCAP.PP.CD NY.GDP.PCAP.PP.KD
## Min. :2013-02-22 Min. : 3475 Min. : 285.6 Min. : 436.7
## 1st Qu.:2021-07-21 1st Qu.: 6451 1st Qu.: 2723.4 1st Qu.: 3496.6
## Median :2021-07-21 Median : 9254 Median : 7707.2 Median : 10201.3
## Mean :2020-09-09 Mean : 9909 Mean : 14950.4 Mean : 17877.8
## 3rd Qu.:2021-07-21 3rd Qu.:12900 3rd Qu.: 20266.7 3rd Qu.: 25759.3
## Max. :2021-07-21 Max. :21980 Max. :154095.2 Max. :162915.8
## NA's :29366 NA's :24004 NA's :23917
## NY.GDP.PCAP.PP.KD.ZG
## Min. :-50.290
## 1st Qu.: -1.453
## Median : 1.504
## Mean : 1.405
## 3rd Qu.: 4.037
## Max. : 92.586
## NA's :27433

Ejercicio 4: Investigad el marco de datos income con las funciones head() y glimpse(), así como las estadísticas descriptivas de los indicadores por separado que hemos obtenido con summary().

¿Cuál es el indicador que nos ha eliminado? ¿Qué información contenía?
Si os fijáis, en el marco de datos original income no tenemos las variables del PIB per cápita separadas, cada una en una columna diferente. Todas nos han venido agrupadas en una columna que hemos tenido que separar para tener cada variable en una columna diferente. ¿Cuál es el nombre la variable que contenía el código de los indicadores que hemos tenido que separar?
Tenemos dos variables con códigos de países. ¿Cuáles son?
¿Por qué es preferible utilizar datos a precios constantes en lugar de precios corrientes a la hora de estudiar el desarrollo económico?
¿Cuántas datos perdidos (NA) tiene cada variable?
Teniendo en cuenta toda esta información, ¿Con qué variable te quedarías de las cuatro que tenemos disponibles? Indica el código del indicador y justifica la respuesta.
Con lo aprendido en este ejercicio, utiliza el siguiente código para buscar en la base de datos del Banco Mundial con wbsearch () y encuentra un indicador que te resulte interesante. Describe el marco de datos resultante con las funciones head(), glimpse() y summary().

wbsearch("?????????") #escoge los términos a buscar e identifica el código del indicador que te interese
# limita la búsqueda tanto como necestites con .* entre palabras: "palabra1.*palabra2.*palabra3"
prueba <- wb(indicator = "????????") %>% #introduce el código del indicador
as_tibble()
head(prueba)
glimpse(prueba)
summary(prueba)

La curva

Hasta ahora, en esta actividad nos hemos dedicado a recoger los datos que necesitábamos para crear la curva de Kuznets. En el primer apartado hemos obtenido los datos de desigualdad y en el segundo apartado hemos recogido datos de desarrollo. Con esto ya podemos crear una curva de Kuznets:

a nivel mundial, que nos explique qué relación han mantenido desarrollo y desigualdad con todos los datos que tenemos disponibles.
en un país, que nos explique la relación entre desarrollo y desigualdad en un caso concreto.

Por eso tendremos que unir los dos marcos de datos creados anteriormente en el nuevo marco de datos incgini, que vemos en la Tabla 3.

incgini <- income %>%
filter(indicator_id == "NY.GDP.PCAP.PP.KD") %>%
transmute(iso3c, year = date, gdpcap = value) %>%
inner_join(ginis, by = c("iso3c" = "contcod", "year"))

Table 3: Desarrollo y desigualdad mundial (1950-2012)
iso3c	year	gdpcap	country	region	Giniall
ALB	2008	9912.577	Albania	Eastern Europe	30.4
ALB	2005	8040.879	Albania	Eastern Europe	31.7
ALB	2004	7580.629	Albania	Eastern Europe	31.1
ALB	2002	6754.536	Albania	Eastern Europe	29.4
ALB	1997	4400.578	Albania	Eastern Europe	28.6
DZA	1995	7935.179	Algeria	Africa	34.6
DZA	1988	NA	Algeria	Africa	38.8
AGO	2000	4727.966	Angola	Africa	58.1
AGO	1995	4139.641	Angola	Africa	40.2
ARG	2012	24118.868	Argentina	Latin America	42.6

Ejercicio 5: Responde a las siguientes preguntas utilizando las funciones que se indican sobre si el objeto a explorar en cada caso es el marco de datos incgini o bien una variable concreta del marco de datos (incgini$nombre_variable):

¿Cuántas observaciones tenemos en este nuevo marco de datos? glimpse() o dim()
¿Cuántas observaciones tenemos para cada región? table()
¿Cuántos países diferentes tenemos? n_distinct()
¿Cuál es el año máximo y mínimo? range()
¿Cuál es el PIB per cápita máximo y mínimo? range()
¿Cuál es la observación con mayor PIB per cápita? ¿Y con menor? Deberás aplicar min() y max() a la función siguiente:

incgini[which(incgini$gdpcap == ???(incgini$gdpcap)),]

En el ejercicio anterior nos hemos dado cuenta de que el marco de datos incgini tiene pocas observaciones en relación a los marcos de datos de origen. Esto se debe, principalmente, porque en algunos casos teníamos información del desarrollo del país pero no de su desigualdad y en otros casos teníamos información de la desigualdad del país pero no de su desarrollo. Esto nos ha reducido drásticamente las observaciones cuando hemos agrupado los datos.

No obstante, podemos intentar crear la curva de Kuznets con los datos disponibles con un diagrama de dispersión que encontraremos en la Figura 1.

Ubicaremos gdpcap al eje de las x.
giniall al eje de las y.
Además, aprovecharemos la columna region para señalar la región en el color de los puntos.
La curva la crearemos mediante geom_smooth().
Aplicaremos la escala logarítmica en el eje de las x para representar mejor los valores de la distribución (tiene una asimetría negativa) y para representar mejor la diferencia en los efectos que tiene una unidad adicional en términos de PIB per cápita en los valores bajos y los valores altos de la distribución.

incgini %>%
ggplot(aes(x = gdpcap, y = Giniall)) + #ejes x e y
geom_point(aes(col = region), alpha = .5) + #los puntos
geom_smooth(se = FALSE) + #la curva
scale_x_log10() + #escala logarítmica
theme_light() +
theme(legend.position = "bottom",
legend.title = element_blank())

Figure 1: Relación entre desarrollo y desigualdad mundial (1990-2012)

La curva de Kuznets se distingue muy tímidamente en el gráfico. Parece que las desigualdades alcanzan su pico a los 10.000 dólares per cápita y a partir de entonces se reducen conforme el desarrollo aumenta.

Ejercicio 6: Observa la Figura 1 y responde a las siguientes preguntas:

Teniendo en cuenta los criterios de causalidad, ¿Por qué dirías que hemos ubicado gdpcap al eje de las x y giniall al eje de las y?
Interpreta el escala logarítmica del eje de las x. ¿Qué significa 1e+03, 1e+04 y 1e+05? Intenta encontrar la lógica asociada y explícala.
Parece que hay un patrón muy claro de las desigualdades por región geográfica. Explica, por cada región, donde están ubicadas la mayoría de las observaciones según los dos ejes del gráfico.
Añade la siguiente línea de código entre la primera y la segunda línea del código que hemos utilizado para crear el gráfico. Elige una región y reproduce el gráfico de nuevo. Comenta el gráfico. ¿Se observa la curva de Kuznets en la región elegida?

filter(region = "???????") %>%

¿Cómo mejorarías la validez de la relación? Piensa en algún indicador más válido que el PIB per cápita (bien sea un indicador dentro de la familia del PIB u otro tipo de indicador).

Caso de estudio

Para hacer el ejercicio final utilizaremos otra fuente de información muy utilizada en estudios de desarrollo económico: las Penn World Tables v9.1 (PWT) (Feenstra, Inklaar, and Timmer 2015), que contiene una serie temporal más larga que la que hemos utilizado hasta ahora del Banco Mundial. Esto nos permitirá tener datos anteriores a 1990 en algunos países.

En el siguiente código descargamos el archivo de la web de PWT y unimos los datos con los del marco de datos ginis para crear el marco de datos pwtgini. Aplicad el código que hemos utilizado en el Ejercicio 3 para ver el año mínimo, el año máximo y el número de observaciones para cada país. Encontraréis el resultado en la Tabla 4.

download.file("https://www.rug.nl/ggdc/docs/pwt91.dta",
"pwt91.dta")
pwt <- read_dta("pwt91.dta") %>%
mutate(gdpcap = rgdpo / pop) %>% #dividimos el PIB entre la población para obtener el PIB per cápita
select(countrycode, year, gdpcap) %>%
filter(!is.na(gdpcap))
pwtgini <- pwt %>%
inner_join(ginis, by = c("countrycode" = "contcod", "year"))

Table 4: Intervalo de años y número de observaciones de las Penn World Tables
country	min	max	n
United States	1950	2011	62
United Kingdom	1961	2010	50
India	1951	2009	42
Bulgaria	1970	2008	37
Brazil	1960	2011	36
Taiwan, China	1964	2008	34
Italy	1967	2010	33
Poland	1976	2009	33
China	1953	2007	32
Japan	1962	2008	31
Costa Rica	1961	2010	30
Mexico	1950	2010	30
Argentina	1974	2012	28
Venezuela, Rep	1962	2011	28
Denmark	1963	2008	27
Iran,IslamicRep.	1969	2008	27
Netherlands	1962	2008	27
Colombia	1964	2011	26
Sweden	1963	2008	26
Canada	1965	2008	25
Germany	1950	2008	25
Chile	1968	2011	24
Honduras	1968	2011	23
Hungary	1972	2008	23
Norway	1962	2008	23
Peru	1961	2011	23
Pakistan	1963	2008	22
El Salvador	1965	2010	21
Panama	1969	2012	21
Spain	1965	2010	21

El país del que disponemos más observaciones es Estados Unidos. En la Figura 2 hemos filtrado los datos por el país en cuestión y hemos pedido un diagrama de líneas (geom_path()) que nos muestra el recorrido que ha seguido, año tras año, la relación entre PIB per cápita y el índice de Gini. Según los datos que podemos aportar observamos que las desigualdades en Estados Unidos no se han reducido conforme ha ido avanzando el desarrollo económico del país, sino que han aumentado. Estas conclusiones distan mucho de los datos observados por Kuznets en el periodo 1913-1948, que originaron la teoría conocida como la curva de Kuznets.

pwtgini %>%
filter(country == "United States") %>%
ggplot(aes(x = gdpcap, y = Giniall)) +
geom_path(alpha = 0.2, size = 2, lineend = "round", aes(col = year), show.legend = FALSE) +
geom_text(aes(label = year), size = 3, check_overlap = TRUE,
position = position_jitter(width=0.5,height=0.5),
data = filter(pwtgini, country == "United States", year %in% seq(1950, 2010, 5))) +
labs(title = "Evolución del índice de Gini en los Estados Unidos según el PIB per càpita (1950-2011)",
x = "PIB per capita", y = "Índice de Gini") +
theme_bw()

Figure 2: Ejercicio final: los Estados Unidos

EJERCICIO FINAL: A partir del código que hemos utilizado para crear la Figura 2, elabora un gráfico con otro país que tenga un mínimo de 20 observaciones.

Cambia la transparencia (alpha puede variar entre 0 y 1) y el espesor (size debe ser superior a 0) de la línea.
Cambiar el tamaño del texto (size debe ser superior a 0).
Cambia el título del gráfico.
Comenta el gráfico: ¿De qué años tenemos datos? ¿Qué trayectoria se dibuja? ¿Hay cambios repentinos? ¿Quedaría validada la teoría de Kuznets en el caso del país que has elegido?

Referencias

Feenstra, Robert C., Robert Inklaar, and Marcel P. Timmer. 2015. “The Next Generation of the Penn World Table.” American Economic Review 105 (10): 3150–82. www.ggdc.net/pwt.

Kuznets, Simon. 1953. Shares of Upper Income Groups in Income and Savings. New York: NBER.

Milanovic, Branko. 2011. The Haves and the Have-Nots: A Brief and Idiosyncratic History of Global Inequality. New York: Basic Books.

———. 2016. Global Inequality: A New Approach for the Age of. Globalization. Cambridge, MA: Harvard University Press.

Piketty, Thomas. 2014. Capital in the Twenty-First Century. Cambridge, MA: Harvard University Press.

Stiglitz, Joseph E., Amartya Sen, and Jean-Paul Fitoussi. 2010. Mismeasuring our lives: why GDP doesn’t add up: the report. New York: New Press.

Esta actividad está elaborada con propósitos estrictamente docentes. Las operaciones que se realizan no pretenden tener validez desde un punto de vista académico↩︎

Otros

Mon, 24 Apr 2023 00:00:00 +0000

Poder
PIB
Logaritmo
Big Data

Poder

Pudes consultar estas figuras también en la web del Banco Mundial.

SDG

Para consultar los datos del Índice de los ODS con R, descargaremos los datos y los situaremos en el directorio de trabajo, tal como hemos visto anteriormente en la Guía de RStudio. Deberemos tener cargados los paquetes readxl y dplyr.

library(dplyr)
library(readxl)
sdg <- read_xlsx("SDR 2021 - Database.xlsx", sheet = 4)

Si visualizamos los datos del objeto sdg, veremos que tenemos 193 observaciones (es decir, 193 países) y 125 variables.

sdg
## # A tibble: 193 × 125
## Country Cod…¹ Country Regio…² Popul…³ Pover…⁴ Pover…⁵ Pover…⁶ Preva…⁷ Preva…⁸
## <chr> <chr> <chr> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl>
## 1 AFG Afghan… E. Eur… 3.89e7 NA NA NA 29.9 38.2
## 2 ALB Albania E. Eur… 2.88e6 0.16 8.5 NA 3.6 11.3
## 3 DZA Algeria MENA 4.39e7 0.37 2.89 NA 2.8 11.7
## 4 AND Andorra E. Eur… 7.73e4 NA NA NA 1.17 2.58
## 5 AGO Angola Africa 3.29e7 53.8 75.7 NA 18.6 37.6
## 6 ATG Antigu… LAC 9.79e4 NA NA NA 1.17 2.58
## 7 ARG Argent… LAC 4.52e7 0.86 3.52 NA 3.8 7.9
## 8 ARM Armenia E. Eur… 2.96e6 0.83 6.17 NA 2.6 9.4
## 9 AUS Austra… OECD 2.55e7 0.2 0.26 12.4 2.5 2
## 10 AUT Austria OECD 9.01e6 0.28 0.35 9.4 2.5 2.58
## # … with 183 more rows, 116 more variables:
## # `Prevalence of wasting in children under 5 years of age (%)` <dbl>,
## # `Prevalence of obesity, BMI ≥ 30 (% of adult population)` <dbl>,
## # `Human Trophic Level (best 2-3 worst)` <dbl>,
## # `Cereal yield (tonnes per hectare of harvested land)` <dbl>,
## # `Sustainable Nitrogen Management Index (best 0-1.41 worst)` <dbl>,
## # `Yield gap closure (% of potential yield)` <dbl>, …

Para visualizarlas mejor, recomendamos utilizar glimpse().

glimpse(sdg)

Si nos interesa algún indicador concreto, podemos observar algunas de sus características como:

La media: mean().
El valor máximo max().
El valor mínimo min().

Por ejemplo:

mean(sdg$`Poverty headcount ratio at $1.90/day (%)`, na.rm = T)
## [1] 13.35112

Si queremos incluir una tabla que resuma los indicadores, podemos hacerlo así:

Ponemos cada indicador dentro de select(), separados por comas.
Cada indicador lo ponemos en este formato: `nombre_corto = `Nombre largo`
Con head(10), pedimos solo las 10 primeras observaciones.

sdg |>
select(Country,
pop = `Population in 2020`,
htl = `Human Trophic Level (best 2-3 worst)`,
traffic = `Traffic deaths (per 100,000 population)`) |>
head(10) |>
knitr::kable()

Country	pop	htl	traffic
Afghanistan	38928341	2.190	15.86
Albania	2877800	2.383	11.70
Algeria	43851043	2.199	20.90
Andorra	77265	NA	NA
Angola	32866268	2.131	26.13
Antigua and Barbuda	97928	2.418	0.00
Argentina	45195777	2.405	14.06
Armenia	2963234	2.280	19.95
Australia	25499881	2.468	4.94
Austria	9006400	2.412	4.87

En este caso, incluya un pequeño libro de códigos que indique qué es cada variable. Simplemente, con poner qué equivale cada variable es suficiente. Ejemplo:

País: Country
Pob: Population in 2020`
HTL: Human Trophic Level (best 2-3 worst)
Tráfico: Traffic deaths (per 100,000 population)

PIB

Identifica todos los problemas entre concepto y medición en este twit.

Carai com perjudiquen l'economia els governs d'esquerres llatinoamericans... #Bolívia pic.twitter.com/mDwI2IF6ep
— Roger Tugas Vilardell 📊 (@rogertugas) October 20, 2020

La Paridad de Poder de Compra

El coste de cortarse el pelo es un buen indicador del coste de la vida en una ciudad:

Evidentemente, en Oslo llevaría el pelo más largo que lo que lo llevo aquí.
Paridad de poder adquisitivo por ciudades en un grafico pic.twitter.com/i1xUUCIHs0
— Manuel Hidalgo (@Manuj_Hidalgo) June 28, 2020

Logaritmo

La escala logarítmica se utiliza en una variable numérica por principalmente dos motivos, uno empírico y uno teórico:

Empírico: Para representar mejor los valores de la distribución cuando los valores están concentrados en el extremo inferior. Diremos que este tipo de distribución tiene una asimetría negativa).
Teórico: En el caso de variables como el PIB per cápita, para representar mejor la diferencia en los efectos que tiene una unidad adicional en los valores bajos y los valores altos de la distribución.

Significado empírico del logaritmo

Para conocer el significado empírico del logaritmo, cargaremos las librerías tidyverse y gapminder.

library(tidyverse)
library(gapminder)

El marco de datos gapminder contiene información sobre el PIB per cápita, la esperanza de vida y la población de la mayoría de países del mundo. Buena parte de las variables numéricas, como la esperanza de vida, suelen tener un dibujo similar al que vemos en la Figura (fig:gap-normal). La mayoría de las observaciones están ubicadas más o menos en el centro de la distribución. En cambio, existen algunas variables, como el PIB per cápita, que tienen una distribución asimétrica: la mayor parte de los valores están ubicados en un extremo de la distribución mientras que sólo unos pocos casos se encuentran en el otro extremo. En el gráfico observamos cómo la mayoría de países se encuentra en valores muy bajos (piensa que hay datos de los años 50 y 60, cuando prácticamente todos los países eran pobres). Sin embargo, hay muy pocos valores por encima de 30.000.

gapminder %>%
pivot_longer(c(lifeExp, gdpPercap), "vars") %>%
ggplot(aes(x = value)) +
geom_histogram(alpha = 0.4) +
facet_wrap(.~ vars, scales = "free") +
theme_bw()

Figure 1: Distribució del PIB per càpita i l’esperança de vida mundial

Cuando tenemos asimetría negativa, en la que la mayor parte de las observaciones están concentradas en valores bajos, utilizaremos el logaritmo para conseguir que la variable tome forma de una distribución normal. com/understanding-the-68-95-99-7-rule-for-a-normal-distribution-b7b7cbf760c2){target=“_blank”}. Si aplicamos el logaritmo a los datos de PIB per cápita del gráfico anterior, obtendremos la Figura 2.

gapminder %>%
ggplot(aes(x = log10(gdpPercap))) +
geom_histogram(alpha = 0.4) +
theme_bw()

Figure 2: Distribució del PIB per càpita mundial a escala logarítmica

Con el logaritmo conseguimos modificar la forma de la distribución, de modo que podemos representar más nítidamente los casos que existen en los valores bajos. Una de las complicaciones de aplicar el logaritmo es la interpretación de estos nuevos valores, pero por suerte interpretar el logaritmo con base 10 puede resultar relativamente sencillo.

Ejercicio 1. En la Figura 2 hemos aplicado el logaritmo con base 10. Busca cómo interpretarlo y responde:

¿Qué valores de PIB per cápita representan los números 3, 4 y 5 del eje horizontal? ¿Por qué no aparece el número 2?
¿En qué punto aproximado en valores de PIB per cápita tenemos más casos? ¿Podíamos responder a esta pregunta con el gráfico de la Figura 1?
¿Qué tipo de distribución tenemos ahora en este gráfico?

Significado teórico del logaritmo

Aplicar el logaritmo neperiano en el PIB per cápita va muy ligado a las teorías utilitaristas. Existe cierto consenso entre los economistas de que los ingresos tienen efectos marginales decrecientes en el bienestar de las personas. Es decir, una persona pobre disfrutará mucho más de 10 euros adicionales que si estos mismos 10 euros se los damos a una persona rica. El uso del logaritmo sobre el PIB per cápita reproduce esta lógica, ya que enfatizará las variaciones en los niveles bajos de la distribución y reducirá las variaciones en los niveles altos.

Lo veremos con un ejemplo ilustrativo con el marco de datos utility, que observamos en la Tabla 1. En la primera columna income hemos ubicado varios tramos de renta de una persona, empezando por 500 euros y terminando con 45.000. En la segunda columna wellbeing hemos creado una escala de bienestar, que responde a la pregunta: ¿qué bienestar tiene usted en escala de 1 a 10? Puesto que asumimos que ambas variables crecen de forma lineal, en cada incremento de nivel de renta se traducirá en un incremento de un punto en la escala de bienestar. Por ejemplo, si pasamos de ganar 500 a ganar 5.000 euros pasaremos de un bienestar 1 a un bienestar 2. Del mismo modo, si pasamos de 32.000 a 36.500 euros pasaremos de bienestar 8 a bienestar 9. En ambos casos, un incremento en 4.500 euros supone un incremento en un punto en la escala de bienestar.

utility <- tibble(income = seq(500,45000, 4500),
wellbeing = 1:10)

Table 1: Utilitat segons nivell de renda
income	wellbeing
500	1
5000	2
9500	3
14000	4
18500	5
23000	6
27500	7
32000	8
36500	9
41000	10

Un utilitarista nos diría que la mesa que acabamos de construir es errónea. Un aumento de ingresos en niveles bajos de renta se traduce en un aumento mucho más pronunciado en la escala de bienestar que un aumento de igual cantidad en niveles altos. Es por ello, que en la siguiente Figura (fig:log-utility) hemos deformado esta relación. El logaritmo representa ahora mejor la relación entre ingreso y bienestar. En niveles bajos, un aumento de renta se traduce en un aumento muy importante del bienestar. Por el contrario, a niveles altos, un aumento de renta se traduce en un aumento muy pequeño en bienestar.

utility %>%
mutate(wellbeing_log = log10(wellbeing)) %>%
pivot_longer(wellbeing:wellbeing_log, "vars") %>%
ggplot(aes(x = income, y = value)) +
geom_line() +
facet_wrap(.~vars, scales = "free")

Figure 3: Relació entre renda i benestar

La relación entre renta y bienestar no es lineal, como muestra el gráfico de la izquierda. La relación toma una forma más bien similar al gráfico de la izquierda, donde hemos aplicado el logaritmo con base 10. El logaritmo se utiliza para reflejar la relación entre los ingresos y muchos fenómenos socioeconómicos, como el bienestar o la esperanza de vida . Sin ir más lejos, el Índice de Desarrollo Humano utiliza el logaritmo “para reflejar los rendimientos decrecientes de transformar los ingresos en capacidades humanas. En otras palabras, las personas no necesitan excesivos recursos financieros para asegurarse un estándar de vida decente” (UNDP 1990, 12; ver también Haq 1999, 49). - [x] Más información: The Society Pages

Big Data

El Big Data ha cambiado nuestras vidas. Podemos utilizar muchos datos de forma masiva gracias a las nuevas tecnologías. Por ejemplo, podemos saber muchas cosas del comportamiento de las personas sólo con una simple búsqueda en Google Trends. ¿Cuándo han tenido más interés el ajedrez en los últimos años? Podemos pensar que las búsquedas de la palabra ‘chess’ en Google puede corresponder al interés por el ajedrez que ha tenido a la población mundial en los últimos años:

Ejercicio 2. Intenta, mediante Big Data, responder a las siguientes preguntas:

¿A qué corresponden los picos del gráfico?
¿En qué país europeo hay más preocupación por Siria?
¿Cómo de popular ha sido Kamala Harris en la política americana?
El gobierno de Ecuador está pensando en abrir una aerolínea y pretende establecer una vuelo directo con España. ¿Recomendaría establecer una conexión con Madrid o con Barcelona?
Asesorar a un político que realiza una visita a Brasil. En la fiesta después del meeting, ¿pondría música de Metallica o de Bon Jovi?
¿Cómo de bien servirían las palabras ‘trump’ y ‘biden’ para predecir al ganador en cada estado norteamericano en las elecciones presidenciales de 2020? ¿Y ‘republican party’ y ‘democratic party’? ¿Se te ocurren dos palabras que ayuden a predecir de forma más cuidadosa el voto?

Haq, Muhbub ul. 1999. Reflections on Human Development. Dehli: Oxford University Press.

UNDP. 1990. “Human Development Report.” New York: United Nations Development Programme.

Códigos del módulo

Thu, 07 Apr 2022 00:00:00 +0000

En este apartado podéis encontrar los códigos del módulo 3 Indicadores Socioeconómicos.

Indicadores económicos

Para realizar las actividades de este apartado, cargad los siguientes paquetes:

library(tidyverse)
library(readxl)
library(countrycode)
library(devtools)
library(haven)
library(ggmap)
library(unvotes)

1. Medidas de centralidad: ingreso nacional

1.1 Introducción

PIB - Banco Mundial

library(wbstats)
wb_search("gdp")%>%
View()
wb_search("gdp.*capita")%>%
View()
gdp <- wb_data(country = "countries_only",
return_wide = TRUE,
indicator = c("NY.GDP.PCAP.CN")) %>%
mutate(date = as.numeric(date)) %>% as_tibble()
sort(unique(gdp$country)) #consultamos países
gdp %>%
filter(country %in% c("Poland", "Switzerland")) %>%
ggplot(aes(x = date, y = NY.GDP.PCAP.CN, col = country)) +
geom_line()

1.2 A través del tiempo

Maddison Historical Data

library(haven)
mad <- read_dta("https://www.rug.nl/ggdc/historicaldevelopment/maddison/data/mpd2020.dta")
mad %>%
filter(country %in% c("France", "Zambia", "Chad"),
year %in% c(1, 1789, 2000)) %>%
transmute(País = countrycode(country, "country.name.en", "cldr.name.ca"),
Any = year, PIBcap = round(gdppc), Pop = round(pop))

2. Medidas de dispersión: desigualdad, riqueza y pobreza

2.2 Desigualdad

World Inequality Database (WID)

library(devtools)
install_github("WIDworld/wid-r-tool")
library(wid)
wid <- download_wid(
indicators = "sfiinc", #seleccionamos indicador
areas = c("FR", "CN", "US", "DE", "GB", "RU"), #seleccionamos países
perc = "p99p100", #seleccionamos percentil
) %>% as_tibble()
wid %>%
ggplot(aes(x = year, y = value, col = country)) +
geom_point(alpha = 0.2) +
geom_smooth(se = FALSE)

All Ginis

all_ginis <- haven::read_dta("https://www.gc.cuny.edu/getmedia/514d5ba9-74ed-4007-a3fe-02b079705c91/LM_WPID_web_2")
all_ginis %>%
filter(bin_year %in% c(1988, 2008), !is.na(RRinc)) %>%
group_by(ventile_n, year, RRmean_ventile_n) %>%
summarize() %>%
spread(year, RRmean_ventile_n) %>%
mutate(diff = (`2008` - `1988`) / `1988`) %>%
ggplot(aes(x = ventile_n, y = diff)) +
geom_line()

2.3 Pobreza y riqueza

PovcalNet

library(povcalnetR)
pov <- povcalnet(country = c("MDG", "COG", "RWA"), povline = 1.9) pov %>%
ggplot(aes(x = year, y = povertygap, col = countryname)) +
geom_line()

Indicadores sociales

Introducción

World Development Indicators

library(tidyverse)
library(readxl)
library(WDI)
WDIsearch("crime")
crime <- WDI(indicator = "IC.FRM.OBS.OBST6", extra = TRUE)
unique(crime$region) #miramos las regiones

Un panel de objetivos de desarrollo

SDG Index

library(readxl)
sdg <- read_xlsx("SDR2020Database.xlsx", sheet = 4)