Trabajo Final - Economía del hogar
Acosta Camila
2024-12-05
El presente trabajo trata temas relacionados a la economía del hogar con el propósito de evaluar la situación económica actual de los catamarqueños.
Para desarrollar el mismo se creó una base de datos. Mediante la aplicación de una encuesta se recolectaron dichos datos y utilizando excel se ordenaron los mismos en una tabla y se realizó el cálculo de otras variables de interés.
Para el análisis descriptivo se utilizó el software RStudio, haciendo uso de paquetes que nos permitan importar los datos (readxl), realizar gráficos (tidyverse), obtener tablas de frecuencia y medidas de resumen (summarytools).
Y finalmente para comunicar el trabajo se publicó el mismo en la plataforma RPubs.
library(tidyverse)## ── Attaching core tidyverse packages ──────────────────────── tidyverse 2.0.0 ──
## ✔ dplyr 1.1.4 ✔ readr 2.1.5
## ✔ forcats 1.0.0 ✔ stringr 1.5.1
## ✔ ggplot2 3.5.1 ✔ tibble 3.2.1
## ✔ lubridate 1.9.3 ✔ tidyr 1.3.1
## ✔ purrr 1.0.2
## ── Conflicts ────────────────────────────────────────── tidyverse_conflicts() ──
## ✖ dplyr::filter() masks stats::filter()
## ✖ dplyr::lag() masks stats::lag()
## ℹ Use the conflicted package (<http://conflicted.r-lib.org/>) to force all conflicts to become errorslibrary(readxl)
library(summarytools)##
## Adjuntando el paquete: 'summarytools'
##
## The following object is masked from 'package:tibble':
##
## viewLA BASE DE DATOS
La base de datos se creó a partir de la aplicación de una encuesta realizada a través de Google forms a un grupo de 41 personas de diferentes edades y ocupaciones.
Link de la encuesta: https://forms.gle/s6Jioy6Rz9XxjFee8
BASE.DATOS <- read_excel("Economia_hogar.xlsx")
BASE.DATOS## # A tibble: 41 × 17
## Genero Edad `Nivel de estudios alcanzado` `Actividad principal`
## <chr> <dbl> <chr> <chr>
## 1 Femenino 24 Secundario completo Estudiante
## 2 Femenino 24 Universitario incompleto Estudiante
## 3 Femenino 25 Terciario incompleto Trabajador dependiente
## 4 Femenino 24 Secundario completo Trabajador independiente
## 5 Femenino 28 Terciario Completo Trabajador dependiente
## 6 Femenino 24 Universitario incompleto Estudiante
## 7 Masculino 30 Terciario Completo Trabajador independiente
## 8 Masculino 24 Universitario completo Trabajador independiente
## 9 Femenino 42 Secundario completo Trabajador independiente
## 10 Femenino 24 Terciario incompleto Trabajador dependiente
## # ℹ 31 more rows
## # ℹ 13 more variables: `Integrantes del grupo familiar` <dbl>,
## # `Sexo y edad de los integrantes` <chr>,
## # `Unidadess de adulto equivalente` <dbl>,
## # `Rango de ingresos del grupo familiar` <chr>, `Linea de indigencia` <dbl>,
## # `Linea de pobreza` <dbl>, `Clasificacion segun ingresos` <chr>,
## # `Dinero desinado a servicios` <dbl>, `Ayuda del Estado` <chr>, …names(BASE.DATOS)## [1] "Genero"
## [2] "Edad"
## [3] "Nivel de estudios alcanzado"
## [4] "Actividad principal"
## [5] "Integrantes del grupo familiar"
## [6] "Sexo y edad de los integrantes"
## [7] "Unidadess de adulto equivalente"
## [8] "Rango de ingresos del grupo familiar"
## [9] "Linea de indigencia"
## [10] "Linea de pobreza"
## [11] "Clasificacion segun ingresos"
## [12] "Dinero desinado a servicios"
## [13] "Ayuda del Estado"
## [14] "Dinero destinado a alimentos- art. higiene y limpieza"
## [15] "Gastos totales"
## [16] "Actividades que han dejado de realizar o limitado"
## [17] "Estado de su situacion economica actual"CARACTERIZACIÓN DE LA MUESTRA
GÉNERO
ggplot(BASE.DATOS, aes(Genero,fill = Genero)) +
geom_bar() +
ggtitle('GENERO DE LOS ENCUESTADOS') +
labs(x= "Genero", y = "Frecuencia") +
scale_fill_manual(values=c("deeppink","blue"))
freq(BASE.DATOS$Genero,
justify = "center",
report.nas = FALSE,
headings = FALSE,
cumul = FALSE)##
## Freq %
## --------------- ------ --------
## Femenino 26 63.41
## Masculino 15 36.59
## Total 41 100.00Como podemos observar la mayoría de las personas encuestadas (63,4%) son de género femenino, mientras que el 36,6% son del género masculino. Ningún de los encuestados se percibía fuera de estos dos géneros.
Edad
freq(BASE.DATOS$Edad,
justify = "center",
report.nas = FALSE,
headings = FALSE)##
## Freq % % Cum.
## ----------- ------ -------- --------
## 21 1 2.44 2.44
## 23 2 4.88 7.32
## 24 10 24.39 31.71
## 25 1 2.44 34.15
## 28 2 4.88 39.02
## 29 2 4.88 43.90
## 30 1 2.44 46.34
## 31 1 2.44 48.78
## 35 1 2.44 51.22
## 37 1 2.44 53.66
## 38 2 4.88 58.54
## 39 1 2.44 60.98
## 40 2 4.88 65.85
## 41 1 2.44 68.29
## 42 2 4.88 73.17
## 43 1 2.44 75.61
## 44 1 2.44 78.05
## 45 2 4.88 82.93
## 47 1 2.44 85.37
## 49 1 2.44 87.80
## 58 1 2.44 90.24
## 63 2 4.88 95.12
## 66 1 2.44 97.56
## 79 1 2.44 100.00
## Total 41 100.00 100.00Las edades de los encuestados estan comprendidas entre los 21 y 79 años. Casi el 88% son menores de 50 años y la edad más frecuente es la de 24 años.
Nivel de estudios alcanzado
freq(BASE.DATOS$`Nivel de estudios alcanzado`,
justify = "center",
report.nas = FALSE,
headings = FALSE)##
## Freq % % Cum.
## ------------------------------ ------ -------- --------
## Secundario completo 9 21.95 21.95
## Terciario Completo 7 17.07 39.02
## Terciario incompleto 5 12.20 51.22
## Universitario completo 9 21.95 73.17
## Universitario incompleto 11 26.83 100.00
## Total 41 100.00 100.00De acuerdo al nivel de estudios alcanzado por los encuestados podemos observar que todos tienen el secundario completo. De éstos casi el 22% no continuó con estudios posteriores mientras que el restante 88% si lo hizo. De este porcentaje, la mitad logró culminar sus estudios terciarios/universitarios, mientras que la otra mitad siguen en curso o han abandonado.
Actividad Principal
ggplot(BASE.DATOS, aes(`Actividad principal`,fill = `Actividad principal`)) +
geom_bar() +
ggtitle('ACTIVIDAD PRINCIPAL DE LOS ENCUESTADOS') +
labs(x= "Actividad principal", y = "Frecuencia") +
theme(axis.title = element_text(size = 12),
plot.title = element_text(size = 15),
axis.text.x = element_text(size = 5)) +
scale_fill_manual(values=c("red","orange","yellow","green", "lightskyblue","blue"))+
scale_x_discrete(limits = c("Ama de casa", "Desempleado", "Jubilado/ Pensionado", "Estudiante","Trabajador independiente", "Trabajador dependiente"))
Según el gráfico podemos observar que las actividades principales más frecuentes de los encuestados son: en primer lugar trabajadores dependientes, en segundo lugar trabajadores independientes y en tercer lugar estudiantes.
La minoría se trata de jubilados/pensionados, desempleados y por último amas de casa.
GRUPO FAMILIAR
En la encuesta se les preguntó a las personas el número de integrantes de su grupo familiar y el sexo y edad de los mismos, con el fin de calcular las unidades de adulto equivalente por grupo familiar.
UNIDADES DE ADULTO EQUIVALENTE
Dado que los requerimientos nutricionales son diferentes según la edad, el sexo y la actividad de las personas, es necesario hacer una adecuación que refleje las características de cada miembro de un hogar en relación con sus necesidades nutricionales. Para ello, se toma como unidad de referencia el requerimiento energético (2.750 kcal) del varón adulto y se establecen relaciones en función del sexo y la edad de las personas. A esa unidad de referencia se la denomina “adulto equivalente”.
Luego se suman todos los valores asignados para cada integrante del grupo familiar y se obtiene las unidades de adulto equivalente por grupo familiar. Este dato nos servirá posteriormente para realizar el calculo de la canasta básica alimentaria y la canasta básica total.
ggplot(BASE.DATOS, aes(`Unidadess de adulto equivalente`)) +
geom_histogram( binwidth = 0.5, color="turquoise4", fill="turquoise1" ) +
geom_freqpoly(binwidth= 0.5, color= "red", size= 2) +
ggtitle('UNIDADES DE ADULTO EQUIVALENTE POR FAMILIA') +
labs(x= "Unidades de adulto equivalente", y = "Frecuencia") +
theme(axis.title = element_text(size = 12, color = "black"),
plot.title = element_text(size = 15))
TF_UN.ADUL.EQ <- cut(BASE.DATOS$`Unidadess de adulto equivalente`,
breaks = seq(min(BASE.DATOS$`Unidadess de adulto equivalente`), max(BASE.DATOS$`Unidadess de adulto equivalente`), by = 0.5),
right = TRUE,
include.lowest = FALSE)
freq(TF_UN.ADUL.EQ,
report.nas = FALSE,
headings = FALSE,
justify = "CENTER")##
## Freq % % Cum.
## ----------------- ------ -------- --------
## (0.74,1.24] 0 0.00 0.00
## (1.24,1.74] 4 10.26 10.26
## (1.74,2.24] 8 20.51 30.77
## (2.24,2.74] 7 17.95 48.72
## (2.74,3.24] 3 7.69 56.41
## (3.24,3.74] 8 20.51 76.92
## (3.74,4.24] 3 7.69 84.62
## (4.24,4.74] 3 7.69 92.31
## (4.74,5.24] 2 5.13 97.44
## (5.24,5.74] 1 2.56 100.00
## (5.74,6.24] 0 0.00 100.00
## (6.24,6.74] 0 0.00 100.00
## Total 39 100.00 100.00De acuerdo a las unidades de adulto equivalente por grupo familiar, podemos observar que los picos de frecuencia (valores más frecuentes) se encuentran comprendidos entre los valores 1.74-2.74 y entre 3.24-3.74. Podemos decir que casi el 85% de los encuestados pertenecen a familias compuestas por 4.24 unidades de adulto equivalente o menos.
CANASTA BÁSICA ALIMENTARIA (CBA) Y CANASTA BÁSICA TOTAL (CBT)
La canasta básica alimentaria (CBA) se ha determinado tomando en cuenta los requerimientos normativos kilocalóricos y proteicos imprescindibles para que un varón adulto de entre 30 y 60 años, de actividad moderada, cubra durante un mes esas necesidades. Este valor define la linea de indigencia, es decir que si los ingresos de una familia no superan este monto se encontrarían en condición de indigencia.
Para determinar la CBT se amplía la CBA considerando los bienes y servicios no alimentarios, como ser vestimenta, salud, vivienda, educación, etc. Este valor define la linea de pobreza, es decir que si los ingresos de una familia no superan este monto se encontrarían en situación de pobreza.
La composición de cada hogar, en términos de adultos equivalentes, determina un valor de CBA y CBT específico para ese hogar. Ese valor surge de la multiplicación del costo de la CBA o CBT del adulto equivalente por la cantidad de adultos equivalentes que conforman el hogar.
CANASTA BÁSICA ALIMENTARIA (CBA)
ggplot(BASE.DATOS, aes(`Unidadess de adulto equivalente`, `Linea de indigencia`)) +
geom_point(size= 3, color= "red") + ggtitle('CBA SEGUN LAS UNIDADES DE ADULTO EQUIVALENTE') +
labs(x= "Unidades de adulto equivalente", y = "CBA($)") +
theme(axis.title = element_text(size = 12, color = "black"),
plot.title = element_text(size = 15))
Como es de esperar se logra visualizar la relación directa entre la cantidad de adultos equivalentes por familia y el monto de la canasta básica alimentaria. Lo que significa que a mayor cantidad de adultos equivalentes por familia mayor será el monto que dicha familia necesitará para cubrir sus requerimientos nutricionales.
CANASTA BÁSICA TOTAL
ggplot(BASE.DATOS, aes(`Unidadess de adulto equivalente`, `Linea de pobreza`)) +
geom_point(size= 3, color= "orange") + ggtitle('CBA SEGUN LAS UNIDADES DE ADULTO EQUIVALENTE') +
labs(x= "Unidades de adulto equivalente", y = "CBA($)") +
theme(axis.title = element_text(size = 12, color = "black"),
plot.title = element_text(size = 15))
En este caso también se logra visualizar la relación directa que existe entre la cantidad de adultos equivalentes por familia y el monto de la canasta básica total, con la diferencia que los montos de la CBT son mayores que los de la CBA ya que la primera contempla otros gastos adicionales que la CBA no lo hace. Se puede observar que a mayor cantidad de adultos equivalentes por familia mayor será el monto que dicha familia necesitará para cubrir sus necesidades básicas.
CLASIFICACIÓN SEGÚN LOS INGRESOS DEL GRUPO FAMILIAR
En la encuesta realizada se pidió a los encuestados que indiquen el rango de ingresos de su grupo familiar con el fin de evaluar si dicho ingreso superaba o no el monto de la CBA y CBT. De acuerdo a este criterio se realizó la siguiente clasificación:
Clase baja (Indigencia) : Aquellas familias cuyos ingresos no superan la CBA y CBT.
Clase baja (Pobreza) : Aquellas familias cuyos ingresos superan la CBA pero no la CBT.
Clase media : Aquellas familias cuyos ingresos superan la CBA y la CBT.
ggplot(BASE.DATOS, aes(`Clasificacion segun ingresos`, fill= `Clasificacion segun ingresos`)) +
geom_bar() +
ggtitle("CLASIFICACION SEGUN INGRESOS") +
labs(x= "Clasificacion", y= "Frecuencia") +
scale_fill_manual(values=c("red","orange","yellow"))
freq(BASE.DATOS$`Clasificacion segun ingresos`,
report.nas = FALSE,
headings = FALSE,
justify = "center")##
## Freq % % Cum.
## ----------------------------- ------ -------- --------
## Clase baja (indigencia) 7 17.07 17.07
## Clase baja (pobreza) 9 21.95 39.02
## Clase media 25 60.98 100.00
## Total 41 100.00 100.00Se puede apreciar que casi el 61% de los encuestados pertenece a la clase media, es decir que sus ingresos superan el monto necesario para cubrir sus necesidades básicas. Mientras que el 39% restante corresponde a la clase baja, de este porcentaje casi el 22% se encuentran en situación de pobreza ya que sus ingresos alcanzan a cubrir la CBA pero no la CBT y el 17% restante se encuentra en condiciones de indigencia, ya que los ingresos de estas familias no logran cubrir el gasto de la CBA.
GASTOS
DINERO DESTINADO A LA COMPRA DE ALIMENTOS Y ARTICULOS DE HIGIENE/LIMPIEZA
descr(BASE.DATOS$`Dinero destinado a alimentos- art. higiene y limpieza`,
na.rm = TRUE,
headings = FALSE,
justify = "center")##
## Dinero destinado a alimentos- art. higiene y limpieza
## ----------------- ---------------------------------------------------------
## Mean 329707.32
## Std.Dev 227012.14
## Min 60000.00
## Q1 180000.00
## Median 300000.00
## Q3 400000.00
## Max 1000000.00
## MAD 148260.00
## IQR 220000.00
## CV 0.69
## Skewness 1.33
## SE.Skewness 0.37
## Kurtosis 1.47
## N.Valid 41.00
## Pct.Valid 100.00Podemos decir que los encuestados destinan entre $60.000 y $1.000.000 para la compra de alimentos y de artículos de higiene y limpieza, siendo el promedio casi de $330.000. Solo el 25% gasta más de $400.000 en la compra de dichos productos. De acuerdo a la asimetría se logra apreciar una asimetría positiva, ya que los datos se concentran más cercanos a los valores bajos.
DINERO DESTINADO AL PAGO DE SERVICIOS
descr(BASE.DATOS$`Dinero desinado a servicios`,
na.rm = TRUE,
headings = FALSE,
justify = "center")##
## Dinero desinado a servicios
## ----------------- -------------------------------
## Mean 224756.10
## Std.Dev 168619.21
## Min 50000.00
## Q1 100000.00
## Median 190000.00
## Q3 300000.00
## Max 900000.00
## MAD 163086.00
## IQR 200000.00
## CV 0.75
## Skewness 1.76
## SE.Skewness 0.37
## Kurtosis 4.08
## N.Valid 41.00
## Pct.Valid 100.00A simple vista se logra apreciar que el monto que los encuestados destinan para el pago de servicios es ligeramente menor que el que destinan para la compra de alimentos y artículos de limpieza. Los mismos destinan entre $50.000 y $900.000 para el pago de servicios como ser luz, agua, gas, internet, etc., con una media casi de $225.000 . Solo el 25% gasta más de $300.000 en dicho gasto. De acuerdo a las medidas de forma también se logra apreciar una asimetía positiva con la diferencia que en este caso los datos presentan un perfil más concentrado.
GASTO TOTAL
ggplot(BASE.DATOS, aes(`Unidadess de adulto equivalente`, `Gastos totales`, colour = `Clasificacion segun ingresos`, shape = `Clasificacion segun ingresos`)) +
geom_point() +
ggtitle("GASTO TOTAL DE ACUERDO AL NUERO DE ADULTOS EQUIVALENTES")+
labs(x= "Unidades de adulto equivalente", y= "Gasto total ($)")
De acuerdo al gráfico podemos apreciar que no existe una relación directa entre la cantidad de adultos equivalentes por familia y el gasto total que realiza la misma (servicios, alimentos y productos de limpieza/higiene) como se esperaría, sino que más bien la cantidad de dinero que gastan se relaciona más con la clasificación según ingresos, ya que se puede observar que los encuestados que pertenecen a la clase media son los que más gastos tienen a pesar de tener menos unidades de adulto equivalente por grupo familiar.
SITUACIÓN ECONÓMICA ACTUAL DE LOS ENCUESTADOS
ggplot(BASE.DATOS, aes(`Estado de su situacion economica actual`, fill= `Estado de su situacion economica actual`)) +
geom_bar()+
ggtitle("SITUACION ECONOMICA ACTUAL DE LOS ENCUESTADOS") +
labs(x= "Situacion", y= "Frecuencia") +
scale_fill_manual(values=c("aquamarine4", "aquamarine3", "aquamarine", "darkslategray", "cyan4"))+
scale_x_discrete(limits = c ("Mucho peor", "Peor", "Igual", "Mejor", "Mucho mejor"))
freq(BASE.DATOS$`Estado de su situacion economica actual`,
headings = FALSE,
justify = "center",
cumul = FALSE,
report.nas = FALSE)##
## Freq %
## ----------------- ------ --------
## Igual 10 24.39
## Mejor 8 19.51
## Mucho mejor 1 2.44
## Mucho peor 10 24.39
## Peor 12 29.27
## Total 41 100.00Finalmente el 53,6% de los encuestados considera que su situación económica ha empeorado respecto del último año, el 24,4% considera que su situación no ha presentado cambios y solo un 21,9% considera que su situación ha mejorado. Por ende podemos decir que con respecto al ultimo año la mayoría de los encuestados se encuentran peor o igual económicamente hablando.
CONCLUSIONES
El presente trabajo nos ha permitido aplicar los conocimientos adquiridos en el curso de RStudio, haciendo uso de los diferentes paquetes y herramientas del mismo con el fin de analizar una situación de la vida real. Al analizar los datos recolectados de la muestra seleccionada se logró tener una idea de la situación económica actual de los catamarqueños, así como también poder evaluar si los ingresos monetarios de las familias alcanzan a cubrir los gastos de sus necesidades básicas.