R aplicado a la ECH

class: center, middle, inverse, title-slide

# R aplicado a la ECH
## Setiembre 2020 Gabriela Mathieu
### <a rel="license" href="http://creativecommons.org/licenses/by/4.0/"><img alt="Creative Commons License" style="border-width:0" src="https://i.creativecommons.org/l/by/4.0/88x31.png" /></a> <a rel="license" href="http://creativecommons.org/licenses/by/4.0/">Creative Commons Attribution 4.0 International License</a>

---

# ¿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: 
 
--

- poverty(): pobreza monetaria
 
--

- unsatisfied_basic_needs(): necesidades básicas insatisfechas
 
--

- integrated_poverty_measure(): método integrado

---
class: inverse, center, middle
# ech::poverty()

---
# Incidencia de la pobreza

- La función 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 línea de pobreza 2006. 
 
--

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

- De esta manera un hogar será considerado pobre 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 hábitos de consumo de la población del estrato de referencia definido en la ENGIH 2005-2006, sin introducir componentes normativos.
 
--

- 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 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

- LI del hogar

`\(CBA_{pc}*ht19\)`

- 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 get_estimation_mean()

```r
# 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 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: 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 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
# 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
# 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 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: '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
# calculamos la variable metodo integrado
*ech19 <- integrated_poverty_measure(data = ech19)
```

Estimamos la proporción de hogares según el método integrado

```r
# 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
```

```
Reading layer `departamentos' from data source `https://mapas.mides.gub.uy/geoserver/IDE/ows?service=WFS&version=1.0.0&request=GetFeature&typeName=IDE:departamentos' using driver `GML'
Simple feature collection with 19 features and 9 fields
geometry type:  MULTIPOLYGON
dimension:      XY
bbox:           xmin: 366582.2 ymin: 6127919 xmax: 858252.1 ymax: 6671738
CRS:            EPSG:32721
```

---
# Mapa de coropletas

.pull-left[

```r
# Hago un mapa
plot_geouy(x = pobre_x_dpto_geo, 
           col = "Pobreza",
           l = "%")
```
]

.pull-right[
<img src="index_files/figure-html/unnamed-chunk-13-1.png" width="432" />
]

---