Análisis Inequidad Global

Indicadores de Inequidad Global

Introducción

La inequidad global es un desafío apremiante que enfrenta nuestra sociedad en el siglo XXI. A pesar de los avances en áreas como la tecnología y la economía, existe una brecha significativa entre los países desarrollados y los países en desarrollo, así como dentro de cada país en términos de distribución de riqueza y acceso a oportunidades. Estas disparidades tienen un impacto profundo en la calidad de vida de las personas y plantean serias interrogantes sobre la justicia y la sostenibilidad de nuestro sistema global.

Para comprender la magnitud de la inequidad global, es crucial considerar los datos reales que arrojan luz sobre esta problemática. Según el Informe de Desarrollo Humano de las Naciones Unidas, en 2020 el 10% más rico de la población mundial poseía alrededor del 75% de la riqueza global, mientras que el 40% más pobre solo tenía acceso al 1% de esa riqueza. Estas cifras reflejan una brecha desproporcionada que perpetúa la desigualdad y la exclusión social.

Pregunta de investigación

-En que paises están concentrados los 10% más ricos del mundo. -En que paises están concentrados los 40% más pobres del mundo. -Cuál es la mejor manera de gráficar el índice de esperanza de vida a nivel global? -Cuál es la mejor manera de gráficar la brecha del acceso a la educación? -Cuál es la mejor manera de gráficar

En el gráfico 1, de puede observar en que países se concentran los 10% más ricos del mundo. Se encuentra que en paises que son considerados potencias, se marcan como alta concetración de esta categoría, como EEUU y India, sin embargo, también aparecen paises en via de desarrollo, como casi toda Latino América,(exepto Venezuela y Bolivia) resaltado Colombia como el país con más concentración de riqueza en pocas personas. También resaltan los paises africanos, que a pesar de existir alta pobreza, pequeño porcentaje de la población es dueña de la mayoria de los recursos.

Gráfico 1

library(sf)

## Warning: package 'sf' was built under R version 4.2.3

## Linking to GEOS 3.9.3, GDAL 3.5.2, PROJ 8.2.1; sf_use_s2() is TRUE

library(leaflet)

## Warning: package 'leaflet' was built under R version 4.2.3

library(rnaturalearthdata)

## Warning: package 'rnaturalearthdata' was built under R version 4.2.3

library(rnaturalearth)

## Warning: package 'rnaturalearth' was built under R version 4.2.3

## 
## Attaching package: 'rnaturalearth'

## The following object is masked from 'package:rnaturalearthdata':
## 
##     countries110

library(leaflet.extras)

## Warning: package 'leaflet.extras' was built under R version 4.2.3

world <- ne_countries(scale = "medium", returnclass = "sf")

# Convertir el dataframe a un objeto sf
tu_sf <- merge(world, dt, by.x = "name", by.y = "Country")


# Crear un objeto leaflet y agregar un mapa base
m <- leaflet() %>%
  addTiles()

breaks <- c(0, 10, 20, 30, 40, 51)

m <- m %>%
  addPolygons(data = tu_sf, fillColor = ~colorBin("Blues", tu_sf$`Richest 10 percent`, bins = breaks)
              (tu_sf$`Richest 10 percent`), fillOpacity = 0.7, color = "white", weight = 1)

## Warning: sf layer has inconsistent datum (+proj=longlat +ellps=WGS84 +towgs84=0,0,0,0,0,0,0 +no_defs).
## Need '+proj=longlat +datum=WGS84'

m <- m %>%
  addLegend(position = "bottomright", pal = colorBin(palette = "Blues", tu_sf$`Richest 10 percent`, bins = breaks),
            values = tu_sf$`Richest 10 percent`, title = "RICHEST 10%")

m

En este gráfico, se evidencian los países con concentrar el 40% más pobre del mundo. Según este indicador, en Norte América, existe una alta concentración de pobreza del mundo, sorprende este dato, ya que se sabe que son paises muy prosteros, es posible atribuirle a que se tiene en cuenta las gran cantidad de inmigrantes que viajan a estos paises en busca de mejores oportunidades económicas.

##Gráfico 2

m <- leaflet() %>%
  addTiles()

breaks <- c(0, 5, 10, 15, 20, 25)

m <- m %>%
  addPolygons(data = tu_sf, fillColor = ~colorBin("Reds", tu_sf$`Poorest 40 percent`, bins = breaks)
              (tu_sf$`Poorest 40 percent`), fillOpacity = 0.7, color = "white", weight = 1)

## Warning: sf layer has inconsistent datum (+proj=longlat +ellps=WGS84 +towgs84=0,0,0,0,0,0,0 +no_defs).
## Need '+proj=longlat +datum=WGS84'

m <- m %>%
  addLegend(position = "bottomright", pal = colorBin(palette = "Reds", tu_sf$`Poorest 40 percent`, bins = breaks),
            values = tu_sf$`Poorest 40 percent`, title = "POOREST 40%")

m

Además, la inequidad se manifiesta en diferentes aspectos de la vida cotidiana. Por ejemplo, en el ámbito de la salud, según la Organización Mundial de la Salud, más de la mitad de la población mundial carece de acceso a servicios de salud esenciales. Esta falta de acceso se traduce en una mayor prevalencia de enfermedades prevenibles y un menor acceso a medicamentos y tratamientos adecuados.

En el gráfico 3, se tomaron los 10 paises con más esperanza de vida y los 10 con el de menos, con el objetivo visualizar mejor este indicador. Los países con menor valor en este indice, están ubicados en el continente Africano, se sabe que son paises en via de desarrollo y existe una gran pobreza. Por el contrario, los de mayor esperanza de vida son países muy prosperos y de gran calidad de vida, como Suiza, Suecia, Singapour, Australia, Japón y el de mayor valor Hong Kong.

##Gráfica 3

df_top_bottom_10 <- dt %>% 
  slice_max(order_by = dt$`Inequality-adjusted life expectancy index`, n = 10) %>%
  bind_rows(dt %>% slice_min(order_by = dt$`Inequality-adjusted life expectancy index`, n = 10))

library(ggplot2)

## Warning: package 'ggplot2' was built under R version 4.2.3

geo <- ggplot(df_top_bottom_10, aes(x = df_top_bottom_10$Country, y = df_top_bottom_10$`Inequality-adjusted life expectancy index`, 
                                        fill = df_top_bottom_10$`Inequality-adjusted life expectancy index`)) +
  geom_bar(stat = "identity") +
  labs(title = "Índice de Esperanza de Vida por País (TOP y BOTTOM 10)",
       x = "País",
       y = "Esperanza de Vida") +
  scale_fill_gradient(low = "purple", high = "pink") +
  theme(axis.text.x = element_text(angle = 90)) +
  coord_flip()

geo <- geo + guides(fill = guide_legend(title = "Scale"))

geo

## Warning: Use of `df_top_bottom_10$Country` is discouraged.
## ℹ Use `Country` instead.

## Warning: Use of `` df_top_bottom_10$`Inequality-adjusted life expectancy index` `` is
## discouraged.
## ℹ Use `Inequality-adjusted life expectancy index` instead.
## Use of `` df_top_bottom_10$`Inequality-adjusted life expectancy index` `` is
## discouraged.
## ℹ Use `Inequality-adjusted life expectancy index` instead.

En el contexto educativo, la desigualdad también se hace evidente. Según la UNESCO, más de 260 millones de niños y jóvenes en todo el mundo no asisten a la escuela, y aquellos que tienen acceso a la educación a menudo enfrentan carencias en la calidad de la enseñanza y los recursos disponibles.En el gráfico 4 se puede observar esta caracteristica.

##Gráfico 4.

library(maps)

## Warning: package 'maps' was built under R version 4.2.3

# Cargar los datos de los centroides de los países
data("world.cities")

# Filter the dataset to include only the first occurrence of each country
unique_countries <- world.cities[!duplicated(world.cities$country.etc), ]

unique_countries$country.etc[unique_countries$country.etc == "USA"] <- "United States"
unique_countries$country.etc[unique_countries$country.etc == "UK"] <- "United Kingdom"

dt_fusion = merge(unique_countries, dt, by.x = "country.etc", by.y = "Country")

mapa <- map_data("world")

# Crear el bubble map

g<- ggplot() +
  geom_polygon(data = mapa, aes(x = long, y = lat, group = group), fill = "lightgray", color = "black") +
  geom_point(data = dt_fusion, aes(x = long, y = lat, size = dt_fusion$`Inequality-adjusted education index`, 
                                   color = dt_fusion$`Inequality-adjusted education index`),alpha = 0.7, na.rm = TRUE) +
  scale_size(range = c(1,5)) +
  scale_color_gradient(low = "lightgreen", high = "orange") +
  labs(title = "Inequality-adjusted education index",
       x = "Longitud",
       y = "Latitud") +
  theme_minimal()

g <- g +  guides(color = guide_legend(title = "Scale"),size = guide_legend(title = "Scale"))

g

## Warning: Use of `` dt_fusion$`Inequality-adjusted education index` `` is discouraged.
## ℹ Use `Inequality-adjusted education index` instead.

## Warning: Use of `` dt_fusion$`Inequality-adjusted education index` `` is discouraged.
## ℹ Use `Inequality-adjusted education index` instead.

La inequidad global también se refleja en la brecha digital. A medida que la tecnología se vuelve cada vez más indispensable en la vida moderna, millones de personas en países en desarrollo carecen de acceso a Internet y, por lo tanto, quedan excluidas de las oportunidades educativas, laborales y de desarrollo que ofrece el mundo digital. En el siguiente gráfico se puede apreciar ver un boxplot de los paises de todo el mundo y su índice de ingresos, además categorizados, por color,el indices HDI.

dt$Variable_X <- 1:nrow(dt)


md <- merge(world, dt, by.x = "name", by.y = "Country")

p <- ggplot(data = md, aes(x = Variable_X, y = md$`Inequality-adjusted income index`)) +
  geom_boxplot() +
  geom_text(aes(label = md$gu_a3, color = ifelse(md$`HDI rank` <= 20, "HDI Rank <= 20", 
                                                 ifelse(md$`HDI rank` >= 150,"HDI Rank >= 100","Los otros"))), 
            nudge_x = 0.1, nudge_y = 0.1, size = 2) +
  labs(title = "Inequality-adjusted income index", x = "Paises", y = "Indice")

p <- p+ guides(color = guide_legend(title = "HDI rank"))

p

## Warning: Use of `` md$`Inequality-adjusted income index` `` is discouraged.
## ℹ Use `Inequality-adjusted income index` instead.

## Warning: Use of `md$gu_a3` is discouraged.
## ℹ Use `gu_a3` instead.

## Warning: Use of `` md$`HDI rank` `` is discouraged.
## ℹ Use `HDI rank` instead.
## Use of `` md$`HDI rank` `` is discouraged.
## ℹ Use `HDI rank` instead.

## Warning: Use of `` md$`Inequality-adjusted income index` `` is discouraged.
## ℹ Use `Inequality-adjusted income index` instead.

## Warning: Continuous x aesthetic
## ℹ did you forget `aes(group = ...)`?

## Warning: Removed 23 rows containing non-finite values (`stat_boxplot()`).

## Warning: Removed 23 rows containing missing values (`geom_text()`).

Conclusión

Desigualdad económica: Existe una marcada disparidad en la distribución de la riqueza y los ingresos a nivel mundial. Un pequeño porcentaje de la población concentra una gran parte de la riqueza, mientras que una gran cantidad de personas luchan por satisfacer sus necesidades básicas.

Brecha de desarrollo: Existen enormes diferencias en el desarrollo económico y social entre países y regiones. Algunas naciones disfrutan de altos niveles de desarrollo humano, mientras que otras enfrentan graves desafíos en términos de pobreza, acceso a la educación, atención médica y otros servicios básicos.

Impacto en la calidad de vida: La inequidad mundial tiene un impacto significativo en la calidad de vida de las personas. Aquellos que se encuentran en situaciones de pobreza extrema a menudo enfrentan dificultades para acceder a alimentos, vivienda adecuada, atención médica y educación de calidad, lo que afecta negativamente su bienestar y oportunidades de desarrollo.

Desafíos socioeconómicos: La inequidad puede generar una serie de desafíos socioeconómicos, como la falta de movilidad social, la marginalización de ciertos grupos de la población y tensiones sociales. Estas disparidades pueden llevar a conflictos y tensiones dentro y entre países.

Necesidad de acciones globales: La inequidad mundial es un desafío complejo que requiere acciones globales y cooperación entre países. Es necesario abordar las causas subyacentes de la inequidad, como la distribución desigual de recursos, el acceso limitado a oportunidades y la discriminación, a través de políticas y programas equitativos.

Objetivos de desarrollo sostenible: Las conclusiones sobre la inequidad mundial pueden respaldar la importancia de los Objetivos de Desarrollo Sostenible (ODS) establecidos por las Naciones Unidas. Los ODS buscan abordar la pobreza, la desigualdad y otros desafíos globales, y promueven un enfoque inclusivo y equitativo para lograr un desarrollo sostenible.

Es fundamental abordar esta problemática de manera urgente y adoptar medidas para promover una distribución más justa de los recursos, garantizar el acceso equitativo a servicios básicos y promover la igualdad de oportunidades para todos los individuos, independientemente de su origen o ubicación geográfica. Solo a través de un esfuerzo conjunto y acciones concretas podremos construir un mundo más equitativo y justo para todos.

Información consultada desde la página de Programa de Desarollo de las Naciones Unidas https://hdr.undp.org/content/2022-global-multidimensional-poverty-index-mpi#/indicies/MPI.