install.packages("tidyverse")
install.packages("gt")
install.packages("gtExtras")
install.packages("eph")
Ejemplo de práctica EPH
Núcleo de Innovación Social & R en Buenos Aires
¿Qué vamos a hacer?
Vamos a elaborar una tabla de datos con indicadores de Mercado de trabajo para el año 2023 similar a la presentada por el INDEC en el Informe de Mercado de trabajo del primer trimestre 2024
Definiciones Básicas
Antes de cálcular los indicadores tengamos en cuenta las siguientes definiciones de lo que vamos a calcular:
- Población: es el total de unidades al que expande la muestra.
- Población Ocupada: conjunto de personas que tienen por lo menos una ocupación
- Población Desocupada: personas que, no teniendo ocupación, están buscando activamente trabajo y están disponibles para trabajar.
- Población Economicamente Activa(PEA): la integran las personas que tienen una ocupación o que, sin tenerla, la están buscando activamente. Está compuesta por la población ocupada más la población desocupada.
- Población Ocupada demandante de empleo: población ocupada que busca activamente otra ocupación.
- Población Subocupada: se refiere a la subocupación por insuficiencia de horas, visible u horaria, y comprende a las personas ocupadas que trabajan menos de 35 horas semanales por causas involuntarias y que están dispuestas a trabajar más horas.
- Población Subocupada demandante: población subocupada (por causas involuntarias y dispuesta a trabajar más horas) que además busca activamente otra ocupación.
- Población Subocupada no demandante: población subocupada (por causas involuntarias y dispuesta a trabajar más horas) que no está en la búsqueda activa de otra ocupación.
Tanto la ocupación como la desocupación constituyen lo que se denomina condición de actividad que define la situación en que se encuentran las personas con respecto a su participación o no en la actividad económica.
¿Qué vamos a aprender en R?
- Cargar los datos directamente desde nuestra consola de R usando el paquete
{eph}
- Transformación de datos con
{dplyr}
para calcular indicadores básicos de mercado de trabajo - Elaborar un gráfico y una tabla usando
{gt}
y{ggplot2}
Manos al código
Antes de arrancar: instalación de programas y paquetes
Para poder trabajar ordenadamente te recomendamos seguir los pasos de instalación de R & Rstudio indicados en la sección de primeros pasos si todavía no los tienes para continuar con la instalación de los paquetes de trabajo:
Vamos a usar con la función install.packages()
: {tidyerse}
,{gt}
,{gtExtras}
& {eph}
Una buena práctica siempre que trabajes con encuestas es tener a mano:
- Los cuestionarios (te van a permitir entender bien la estructura y pases)
- El registro de diseño: donde tenes la referencia del código de pregunta, estructura y en caso que corresponda las categorías posibles que tiene que adoptar.
- Definiciones operacionales que realiza INDEC sobre condición de actividad, subocupación horaria y categoría ocupacional disponible aquí
Setup paquetes
El primer paso es llamar a los paquetes que vamos a usar con la función library()
(por lo general siempre las colocamos al principio de nuestro script)
library(tidyverse) # para transformar los datos y graficarlos
library(eph) # para levantar los datos de la encuesta
library(gt) # para hermosear nuestras tablas
library(gtExtras) # para hermosear todavía más nuestras tablas
Obtener datos
Vamos a arrancar descargando los datos de la EPH con la función get_microdata()
. En este caso vamos a descargar los resultados de la base de individuos por cada trimestre de 2023.
TIP: Para revisar los parámetros de una función siempre podemos consultar la ayuda de R posicionándonos sobre la función y presionando la tecla F1.
<- get_microdata(
ind_2023 year = 2023,
period = 1:4,
type = "individual",
vars = "all")
En caso de que no quieras o puedas usar este paquete podes descargar las bases de microdatos en formato .txt en el sitio del INDEC en la sección Bases de datos y descargar EPH continua
Transformación de lo datos: armado de indicadores
Primero creamos una tabla con los siguientes indicadores de resumen (tomamos de base las definiciones mencionadas anteriormente):
- Población
- Ocupados
- Desocupados
- Población Economicamente Activa (PEA)
- Ocupados demandantes
- Subocupados (demandantes, no demandantes y total)
Estos niveles nos van a permitir calcular las tasas de forma sencilla.
Para obtener cualquier tasa necesitamos crear un numerador y un denominador. Por ejemplo:
.
Al ser una muestra en la EPH trabajamos con el total expandido por su ponderador, en este caso lo encontramos en la variable PONDERA.
Variables de la Base EPH
Para hacer la tabla vamos a trabajar con las siguientes variables de la base EPH:
- PONDERA: Es el factor de expansión para cada unidad de análisis
- ESTADO: Indica la condición de actividad y puede tomar los valores:
- 0 = Entrevista individual no realizada (no respuesta al cuestionario individual)
- 1 = Ocupado
- 2 = Desocupado
- 3 = Inactivo
- 4 = Menor de 10 años
- PP03J: Es la pregunta: Aparte de este/os trabajo/s, ¿estuvo buscando algún empleo / ocupación /actividad?, que toma los valores:
- 1 = Sí
- 2 = No
- 9 = Ns/Nr
- INTENSI: Refiere a la intensidad de la carga horaria laboral y cuyas categorías son:
- 1 = Subocupado por insuficiencia horaria
- 2 = Ocupado pleno
- 3 = Sobreocupado
- 4 = Ocupado que no trabajó en la semana
- 9 = Ns/Nr
Tabla resumen
Con la función summarise
del paquete {dplyr}
podemos realizar distintas operaciones de resumen sobre las variables de nuestro análisis con la base que estamos trabajando:
<- ind_2023 |>
tabla_1 group_by(TRIMESTRE) |>
summarise(Poblacion = sum(PONDERA),
Ocupacion = sum(PONDERA[ESTADO == 1]),
Desocupacion = sum(PONDERA[ESTADO == 2]),
PEA = Ocupacion + Desocupacion,
Ocupacion_demandate = sum(PONDERA[ESTADO == 1 & PP03J ==1]),
Suboc_demandante = sum(PONDERA[ESTADO == 1 & INTENSI ==1 & PP03J==1]),
Suboc_no_demand = sum(PONDERA[ESTADO == 1 & INTENSI ==1 & PP03J %in% c(2,9)]),
Subocupacion = Suboc_demandante + Suboc_no_demand,
'Actividad' = round(PEA/Poblacion*100,1),
'Empleo' = round(Ocupacion/Poblacion*100,1),
'Desocupación' = round(Desocupacion/PEA*100,1),
'Ocupación demandante' = round(Ocupacion_demandate/PEA*100,1),
'Subocupación' = round(Subocupacion/PEA*100,1),
'Subocupación demandante' = round(Suboc_demandante/PEA*100,1),
'Subocupación no demandante' = round(Suboc_no_demand/PEA*100,1)
)
tabla_1
TRIMESTRE | Poblacion | Ocupacion | Desocupacion | PEA | Ocupacion_demandate | Suboc_demandante | Suboc_no_demand | Subocupacion | Actividad | Empleo | Desocupación | Ocupación demandante | Subocupación | Subocupación demandante | Subocupación no demandante |
---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
1 | 29335155 | 13191361 | 973787 | 14165148 | 2096890 | 898820 | 433638 | 1332458 | 48.3 | 45.0 | 6.9 | 14.8 | 9.4 | 6.3 | 3.1 |
2 | 29398853 | 13107639 | 872119 | 13979758 | 2264700 | 1039278 | 444752 | 1484030 | 47.6 | 44.6 | 6.2 | 16.2 | 10.6 | 7.4 | 3.2 |
3 | 29463819 | 13396202 | 813661 | 14209863 | 2159872 | 964501 | 502230 | 1466731 | 48.2 | 45.5 | 5.7 | 15.2 | 10.3 | 6.8 | 3.5 |
4 | 29528610 | 13517937 | 822050 | 14339987 | 2226764 | 969160 | 532403 | 1501563 | 48.6 | 45.8 | 5.7 | 15.5 | 10.5 | 6.8 | 3.7 |
Y ahora nos vamos a quedar solamente con las columnas de las tasas seleccionándolas con la función select
<- tabla_1 |>
tabla_2 select(1,Actividad:'Subocupación no demandante')
tabla_2
TRIMESTRE | Actividad | Empleo | Desocupación | Ocupación demandante | Subocupación | Subocupación demandante | Subocupación no demandante |
---|---|---|---|---|---|---|---|
1 | 48.3 | 45.0 | 6.9 | 14.8 | 9.4 | 6.3 | 3.1 |
2 | 47.6 | 44.6 | 6.2 | 16.2 | 10.6 | 7.4 | 3.2 |
3 | 48.2 | 45.5 | 5.7 | 15.2 | 10.3 | 6.8 | 3.5 |
4 | 48.6 | 45.8 | 5.7 | 15.5 | 10.5 | 6.8 | 3.7 |
Ya tenemos los datos que necesitamos pero parece que la tabla estuviera “acostada”. Para que se ponga de pie o estire a lo largo vamos a usar la función pivot_longer
<- tabla_2 |>
tabla_2 pivot_longer(cols = -c(TRIMESTRE), #Las columnas que queremos estirar en este caso son todas excepto el año y el trimestre
names_to = "Tasas", # El nombre que le queremos poner
values_to = "Valor") # el valor en cuestión que hay que repartir
tabla_2
TRIMESTRE | Tasas | Valor |
---|---|---|
1 | Actividad | 48.3 |
1 | Empleo | 45.0 |
1 | Desocupación | 6.9 |
1 | Ocupación demandante | 14.8 |
1 | Subocupación | 9.4 |
1 | Subocupación demandante | 6.3 |
1 | Subocupación no demandante | 3.1 |
2 | Actividad | 47.6 |
2 | Empleo | 44.6 |
2 | Desocupación | 6.2 |
2 | Ocupación demandante | 16.2 |
2 | Subocupación | 10.6 |
2 | Subocupación demandante | 7.4 |
2 | Subocupación no demandante | 3.2 |
3 | Actividad | 48.2 |
3 | Empleo | 45.5 |
3 | Desocupación | 5.7 |
3 | Ocupación demandante | 15.2 |
3 | Subocupación | 10.3 |
3 | Subocupación demandante | 6.8 |
3 | Subocupación no demandante | 3.5 |
4 | Actividad | 48.6 |
4 | Empleo | 45.8 |
4 | Desocupación | 5.7 |
4 | Ocupación demandante | 15.5 |
4 | Subocupación | 10.5 |
4 | Subocupación demandante | 6.8 |
4 | Subocupación no demandante | 3.7 |
Ahora vamos a crear una variable que combina el año y trimestre, desechando año y trimestre como variables por separado y vamos a “estirar” la tabla colocando al 1er trimestre de 2023 al final, tal cual se presenta en el reporte de INDEC
<- tabla_2 |>
tabla_2 mutate(trimestre = paste(TRIMESTRE,"Trimestre")) |> # creamos la variable que concatena las etiquetas año y trimestre
select(-TRIMESTRE) |>
pivot_wider(names_from = c("trimestre"), values_from = Valor) # estiramos la variable que creamos
tabla_2
Tasas | 1 Trimestre | 2 Trimestre | 3 Trimestre | 4 Trimestre |
---|---|---|---|---|
Actividad | 48.3 | 47.6 | 48.2 | 48.6 |
Empleo | 45.0 | 44.6 | 45.5 | 45.8 |
Desocupación | 6.9 | 6.2 | 5.7 | 5.7 |
Ocupación demandante | 14.8 | 16.2 | 15.2 | 15.5 |
Subocupación | 9.4 | 10.6 | 10.3 | 10.5 |
Subocupación demandante | 6.3 | 7.4 | 6.8 | 6.8 |
Subocupación no demandante | 3.1 | 3.2 | 3.5 | 3.7 |
Las funciones
pivot_longer
ypivot_wider
nos ayudan a modificar la posición del dato (estirar y alargar) para saber más sobre ellas te recomendamos la lectura de esta viñeta donde vas a encontrar varios ejemplos.
Comunicación del dato
Tabla con gt
Ahora vamos a darle un poco de estilo y color con el paquete de “gramática de tablas” {gt}
<- tabla_2 |>
tabla_3 gt(rowname_col = 'Tasas') |>
# ponemos un título y subtitulo
tab_header(
title = md("**Cuadro 1: Principales tasas del mercado de trabajo. Total 31 aglomerados urbanos.**"),
subtitle = "Primer trimestre 2023-cuarto trimestre 2023") |>
# centramos las columnas del cuerpo
cols_align(
align = "center",
columns = 2:5
|>
) tab_stubhead(label = md('**Tasas**')) %>%
tab_stub_indent(rows=6:7, indent = 5) %>%
# cambiamos las etiquetas de las columnas
tab_source_note('Fuente: INDEC, Encuesta Permanente de Hogares.') |>
tab_footnote("Datos ponderados.") %>%
tab_options(
heading.align = "left",
heading.background.color = "#2B5597",
footnotes.background.color = "#cedcf1",
column_labels.font.weight = "bold"
)
tabla_3
Cuadro 1: Principales tasas del mercado de trabajo. Total 31 aglomerados urbanos. |
||||
Primer trimestre 2023-cuarto trimestre 2023 | ||||
Tasas |
1 Trimestre | 2 Trimestre | 3 Trimestre | 4 Trimestre |
---|---|---|---|---|
Actividad | 48.3 | 47.6 | 48.2 | 48.6 |
Empleo | 45.0 | 44.6 | 45.5 | 45.8 |
Desocupación | 6.9 | 6.2 | 5.7 | 5.7 |
Ocupación demandante | 14.8 | 16.2 | 15.2 | 15.5 |
Subocupación | 9.4 | 10.6 | 10.3 | 10.5 |
Subocupación demandante | 6.3 | 7.4 | 6.8 | 6.8 |
Subocupación no demandante | 3.1 | 3.2 | 3.5 | 3.7 |
Fuente: INDEC, Encuesta Permanente de Hogares. | ||||
Datos ponderados. |
Gráfico con ggplot2
<- tabla_2 %>%
subtabla pivot_longer(cols = c(2:5),names_to = "Trimestre", values_to = "value") %>%
mutate(Tasas = paste0("Tasa de ",Tasas)) %>%
filter(!Tasas %in% c("Tasa de Subocupación demandante", "Tasa de Subocupación no demandante"))
<- ggplot(subtabla, aes(Trimestre, value, colour = Tasas, group = Tasas)) +
grafico1 geom_point(size = 4) +
geom_line(linetype = 2,linewidth = 1) +
theme_bw() +
theme(legend.position = "bottom") +
scale_color_brewer(palette = "Set2") +
labs(
title = "Principales tasas del mercado de trabajo por trimestre. Total 31 aglomerados urbanos.",
subtitle = "Año 2023",
y = "porcentaje",
x = "tasa",
caption = "Fuente: elaboración propia con base en datos del INDEC. Encuesta Permanente de Hogares"
)
grafico1
Licencia
Este taller está a disposición del público bajo licencias de código abierto. Toda la documentación y los materiales publicados están disponibles bajo una licencia CC BY-SA-NC.
A continuación, puedes leer más sobre la licencia de Creative Commons Reconocimiento-NoComercial-CompartirIgual 4.0 Internacional.