Requerimientos de Asignación: Ciclo de Ciencia de Datos

UNIVERSIDAD CENTRAL DE VENEZUELA

FACULTAD DE CIENCIAS ECONÓMICAS Y SOCIALES

MATERIA: CIENCIA DE DATOS BASADA EN PROGRAMACIÓN EN R PARA ECONOMISTA

COD:3335 SEC: 95

AUTOR: DOLLY LAYNES C.I: 29.686.193

Nota:

el presente trabajo se realizó con asistencia y guia de los modelos de Lenguaje Gemini y su variante de Google AI Studio, asi como también mediante la consulta de diversos tutoriales y materiales de apoyo

Nota:
el presente trabajo se realizó con asistencia y guia de los modelos de Lenguaje Gemini y su variante de Google AI Studio, asi como también mediante la consulta de diversos tutoriales y materiales de apoyo

Éxodo Venezolano: Correlación entre Tendencias Demográficas y Deterioro Socioeconómico (2014-2023)

Introducción:

La última década ha marcado un punto de inflexión en la historia contemporánea de Venezuela, caracterizada por una profunda crisis económica y social que ha desencadenado una de las mayores diásporas de la región. Millones de venezolanos han abandonado el país en busca de mejores oportunidades y condiciones de vida, un fenómeno que no solo redefine el panorama demográfico nacional, sino que también ejerce una presión sin precedentes sobre la estructura socioeconómica. Este proyecto se sumerge en la compleja interconexión entre las tendencias demográficas, particularmente el crecimiento poblacional y la migración neta, y su relación con indicadores socioeconómicos cruciales como el desempleo, el Producto Interno Bruto (PIB) per cápita, el acceso a servicios básicos y la incidencia de la pobreza. A través de un análisis riguroso de datos de la última década (2014-2024), buscamos cuantificar y comprender cómo estas dinámicas demográficas son tanto un reflejo como un motor de los desafíos socioeconómicos que enfrenta Venezuela, ofreciendo una perspectiva integral sobre las causas y consecuencias de este éxodo masivo.

1. Planteamiento del Problema:

Venezuela ha experimentado una de las crisis migratorias más significativas de la historia contemporánea, caracterizada por un éxodo masivo de su población que ha transformado profundamente la composición demográfica del país. Entre 2014 y 2024, aproximadamente 7.7 millones de venezolanos han abandonado su país de origen, lo que representa cerca del 22.5% de la población total. Este fenómeno sin precedentes en la región ha coincidido con un período de severo deterioro socioeconómico, planteando interrogantes fundamentales sobre la relación entre ambas variables. La magnitud de la crisis económica se evidencia en indicadores alarmantes: una contracción del PIB superior al 75% entre 2014 y 2021, períodos de hiperinflación que alcanzaron más de 1,000,000% en 2018 , y un deterioro significativo en la calidad de vida de la población, con más del 80% de los venezolanos viviendo en condiciones de pobreza y un 53% en pobreza extrema .

Esta situación ha generado un círculo vicioso donde el deterioro económico impulsa la emigración, y esta, a su vez, afecta la capacidad de recuperación económica del país. El patrón migratorio ha evolucionado significativamente durante este período, transformándose desde una migración inicial dominada por individuos jóvenes entre 15 y 29 años, hasta convertirse en un fenómeno que involucra familias enteras, con un predominio actual de personas entre 30 y 49 años. Este cambio en la composición demográfica de los migrantes sugiere una profundización de la crisis que trasciende las motivaciones económicas individuales para convertirse en un fenómeno de supervivencia familiar. La problemática se complejiza al considerar que la crisis migratoria venezolana ha superado en magnitud a otras crisis de desplazamiento globales, generando impactos significativos tanto en Venezuela como en los países receptores. El éxodo masivo ha resultado en una pérdida sustancial de capital humano, afectando sectores clave como salud y educación, lo que compromete aún más las perspectivas de recuperación económica del país.

Comprender las correlaciones entre estas variables es fundamental para dimensionar el impacto de la crisis en la dinámica poblacional del país y para proyectar posibles escenarios de recuperación, así como las implicaciones a largo plazo para el desarrollo social y económico de Venezuela. Paralelamente podría proporcionar insights valiosos para la prevención y manejo de crisis migratorias similares en otras regiones del mundo.

2. Justificación:

Este proyecto se justifica por su imperiosa necesidad de comprender una de las realidades más impactantes y estudiadas de la Venezuela contemporánea: la migración masiva. Abordar esta interconexión permitirá:

Comprender las Causas Económicas de la Migración: Existe una fuerte relación entre el deterioro económico y la decisión de emigrar. Este análisis permitirá cuantificar y visualizar cómo variables macroeconómicas clave, como el incremento del desempleo y la contracción del PIB per cápita, actúan como motores de la migración, proporcionando evidencia empírica de esta causalidad.
Evaluar el Impacto en la Estructura Demográfica y el Desarrollo: La salida de una parte significativa de la población, especialmente la fuerza laboral joven y calificada, tiene consecuencias a largo plazo en el crecimiento poblacional, la composición por edades y la capacidad productiva del país. Analizar estas tendencias demográficas junto con indicadores económicos ofrecerá una visión integral de los desafíos y oportunidades para la recuperación de Venezuela.
Conectar Datos con la Realidad Social: Más allá de las cifras, este proyecto explorará cómo las políticas económicas y las condiciones de vida (como el acceso a servicios básicos y la incidencia de la pobreza) influyen directamente en las decisiones de vida de las personas. Es una oportunidad para ver la economía en acción y su impacto humano tangible.
Originalidad y Profundidad Analítica: Si bien la migración venezolana es un tema ampliamente conocido y debatido, un análisis riguroso de las correlaciones entre las tendencias demográficas y múltiples indicadores socioeconómicos, utilizando herramientas de ciencia de datos, puede ofrecer nuevas perspectivas y evidencia empírica valiosa, contribuyendo al entendimiento académico y a la formulación de políticas públicas.

3. Objetivos:

Para el presente reporte se plantea los siguientes objetivos:

Objetivo General:

Analizar y cuantificar las correlaciones entre las tendencias de crecimiento poblacional y migración con indicadores socioeconómicos clave como el desempleo, el PIB per cápita, el acceso a servicios básicos y la incidencia de la pobreza en Venezuela durante la última década (2014-2023).

Objetivos Específicos:

Analizar el desarrollo histórico de los indicadores: la tasa de desempleo y crecimiento de la población y la migración neta en Venezuela entre 2014
Cuantificar la correlación entre el PIB per cápita y las tendencias de crecimiento poblacional y migración neta en Venezuela en el período de estudio.
Establecer la relación entre el acceso a la electricidad y la tasa de incidencia de la pobreza con los patrones de migración neta observados en Venezuela durante la última década.
Identificar patrones y tendencias significativas al integrar el análisis del crecimiento de la población, la migración neta y los indicadores socioeconómicos seleccionados en Venezuela de 2014 a 2023.

4. Variables Principales:

Para abordar la pregunta de investigación, se tomarán en cuenta las siguientes variables:
- Crecimiento de la Población (% anual): Es un indicador que mide el aumento o disminución porcentual de la población en un período determinado, calculándose a partir de la tasa de natalidad y mortalidad (crecimiento natural) y los flujos migratorios (migración neta), y se expresa como un porcentaje de la población inicial del período. Esta variable es fundamental para entender los cambios demográficos estructurales en Venezuela, analizar el impacto del éxodo masivo en la estructura poblacional y facilitar la comprensión de las tendencias demográficas en relación con los indicadores socioeconómicos.
- Migración Neta (número de personas): La migración neta es la diferencia entre el número de personas que ingresan y salen de un país, y puede ser positiva, negativa o cero. En Venezuela, este indicador es crucial para entender la dinámica poblacional y socioeconómica. esto no solo nos permitirá entender los movimientos poblacionales en Venezuela, sino también cómo estos movimientos están interrelacionados con las condiciones socioeconómicas del país, lo que la convierte en un aspecto fundamental para el análisis en el contexto del éxodo venezolano.
- Tasa de Desempleo, total (% de la fuerza laboral total): La tasa de desempleo indica el porcentaje de la población económicamente activa que se encuentra sin empleo pero busca trabajo de manera activa. Esta variable es esencial para la investigación, ya que refleja la situación del mercado laboral y las oportunidades económicas, puede influir en las decisiones migratorias y ayuda a comprender la relación entre las condiciones laborales y los patrones migratorios.
- PIB per cápita (US$ a precios actuales): Este indicador refleja el valor total de la producción económica dividido por la población total. En contextos de hiperinflación como el de Venezuela, su cálculo requiere ajustes por Paridad de Poder Adquisitivo (PPP), correcciones por inflación y devaluación monetaria, así como la consideración de actividades informales y no mercantiles. Su relevancia radica en que proporciona una medida del bienestar económico promedio, permite analizar la relación entre el deterioro económico y la migración, y facilita comparaciones internacionales del nivel de vida.
- Acceso a la Electricidad (% de la población): Este indicador mide el porcentaje de la población con acceso a servicios eléctricos. Aunque no es un indicador puramente económico, su relevancia radica en que el acceso a este servicio básico nos da una aproximación importante de la calidad de vida y la infraestructura. Un deterioro en este acceso puede ser un factor adicional que impulse la migración.
- Tasa de Incidencia de la Pobreza (% de la población): Este indicador mide el porcentaje de la población que vive por debajo de la línea de pobreza y su medición en Venezuela implica el uso de líneas de pobreza absoluta, la aplicación de índices FGT (Foster-Greer-Thorbecke) y la consideración de factores multidimensionales más allá del ingreso. Su relevancia es fundamental, ya que un aumento en la pobreza es un claro indicador de deterioro social y económico, esto tambien puede ser un factor fuertemente correlacionado con las tendencias migratorias.
  
  5. Metodología y obtención de Datos:

Tomando como referencia las pautas del Proyecto Final, el cual divide el proceso en 6 fases:

Fase 1: Selección de la Problemática: Esta Fase del proyecto se enfoca en la selección de una problemática que los estudiantes investigarán, eligiendo un tema relevante principalmente enfocado en Venezuela. En Donde, se deben formular una pregunta de investigación clara, adecuada para el análisis estadístico y la visualización de datos. También se evaluarán de las fuentes de datos disponibles para asegurar su viabilidad y calidad. Esta fase es fundamental para sentar las bases del trabajo y permitirá a los estudiantes desarrollar un anteproyecto colaborativo.
Fase 2: Importar y Ordenar Datos: En esta fase, los estudiantes se importará datos que pueden ser de diversos formatos como CSV, Excel, JSON y bases de datos SQL utilizando R. Además, explorarán los datos importados para entender su estructura, identificar variables relevantes y detectar problemas de calidad como valores faltantes y outliers.
Fase 3: Transformar y Limpiar Datos: En esta fase el estudiante se enfocarán en transformar los datos para prepararlos para el análisis, lo que incluye la creación de nuevas variables y la recodificación de las existentes. También deberán limpiar los datos, manejando valores faltantes y outliers, utilizando paquetes como dplyr para realizar estas operaciones de manera eficiente.
Fase 4: Visualización de Datos: En esta fase, se crearan diversos gráficos y tablas que visualicen los datos y respondan a la pregunta de investigación. Se utilizarán herramientas como ggplot2 y plotly para generar visualizaciones estéticamente atractivas y, posteriormente, interpretarán estas visualizaciones, comunicando sus hallazgos en un contexto narrativo.
Fase 5: Modelado de Datos (opcional): Los estudiantes seleccionarán y aplicarán modelos estadísticos adecuados para responder a la pregunta de investigación, como regresiones lineales o análisis de variancia (ANOVA). También interpretarán los resultados obtenidos de estos modelos, comunicando las implicaciones de sus hallazgos de manera clara y narrativa.

Fase 6: Comunicación de Resultados: Esta fase se centra en la creación de informes, dashboards o aplicaciones web que presenten los análisis y resultados de manera efectiva. Los estudiantes deberán preparar una presentación oral breve que resuma su proyecto, incluyendo la pregunta de investigación y los resultados, así como un afiche que resuma visualmente su trabajo.

Este Reporte inicial se centrará en la “Fase 1: Selección de la Problemática” y los primeros pasos de “Fase 2: Importar y Ordenar Datos” y “Fase 3: Transformar y Limpiar Datos”, con el objetivo de cumplir con los requisitos de la asignación, permitiendo al estudiante aprender las bases de generar un reporte reproducible de su análisis exploratorio de Datos.

Fuentes de Datos:

Para abordar la pregunta de investigación sobre las tendencias demográficas y su relación con indicadores socioeconómicos en Venezuela, utilizaremos una combinación de fuentes de datos macroeconómicos y sociales de alta fiabilidad:

Banco Mundial (World Development Indicators - WDI): Reconocido por su vasta colección de estadísticas globales sobre desarrollo. Para este proyecto se empleó la librería WDI en R que ofrece una interfaz programática (API), la cual, facilita el acceso los datos de los indicadores seleccionados, permitiendo descargar series de tiempo para múltiples indicadores y países, , eliminando la necesidad de descargas manuales de archivos CSV/Excel en esta fase. De esta base de datos se importaron la información de los siguientes indicadores (con sus respectivos códigos de identificación):
- Población ,total: SP.POP.TOTL
- Crecimiento Poblacional (anual %): SP.POP.GROW
- Migración Neta (total): SM.POP.NETM
- Desempleo, total (% de la fuerza laboral total): SL.UEM.TOTL.ZS
- Acceso a la electricidad (% de la población): EG.ELC.ACCS.ZS
Fondo Monetario Internacional (FMI): Ofrece series de tiempo económicas y financieras, especialmente útiles para este proyecto dado que permitirá información reciente acerca del Producto Interno Bruto per cápita de Venezuela (PIB per Cápita). En este caso se utilizará una extracción manual de su pagina oficial, disponible en: https://data.imf.org/en/Data-Explorer?datasetUrn=IMF.RES:WEO(6.0.0)&INDICATOR=NGDPPC&COUNTRY=VEN
Encuesta Nacional de Condiciones de Vida (ENCOVI): Una fuente crucial y específica para Venezuela, generada por las principales universidades del país. Proporciona datos detallados sobre las condiciones de vida de los hogares venezolanos, para este proyecto nos enfocaremos en el indicador de pobreza de los hogares, dada la interrupción de la publicación de datos oficiales por parte del INE. Estos datos fueron extraídos del portal Statista para su utilización, dichos datos están disponible en: https://www.statista.com/statistics/1235189/household-poverty-rate-venezuela

6. PROCEDIMIENTO Y RESULTADOS:

Preparación previa: Cargar las Librerías Necesarias

Previamente a la visualización y Exploración de los datos se cargaran una serie de librerías de paquetes previamente instalados

# Cargar las librerías a utilizar
library(tidyverse)  # Para manipulación y visualización de los Datos
library(WDI)        # Para acceder a la API del Banco Mundial
library(DT)         # Para la creación de tablas interactivas

En el casos de que se quiera reproducir los resultados de esta investigación y no se tenga instalado previamente se recomienda ejecutar este código en su consola de RStudio una sola vez:

install.packages(c("WDI", "tidyverse","DT"))

Importación de Datos:

Se llamaran a las APIs. Este proceso se harán en dos partes; primero nos centraremos en las disponibles en el Banco Mundial, luego de esto se transcribirá manualmente los datos del FMI y ENCOVI, y y finalmente los uniremos todo en una sola tabla.

# Se crea un vector con los indicadores seleccionados. 
indicadores_WDI <- c(
  Poblacion_Total = "SP.POP.TOTL",
  Crecimiento_Poblacional = "SP.POP.GROW",
  Migracion_Neta = "SM.POP.NETM",
  Tasa_Desempleo = "SL.UEM.TOTL.ZS",
  Acceso_Electricidad = "EG.ELC.ACCS.ZS")

# Realizar la llamada a la API del Banco Mundial
datos_vzla<- WDI(
  country = "VE",
  indicator = indicadores_WDI,
  start = 2014,
  end = 2023)

A partir de estos pasos realizados se tuvo como resulado datos_vzla una data frame que contiene seleccionados los datos de cada uno de los indicadores y delimitado para el país Venezuela dentro del periodo de tiempo estudiado.

Ahora se construirá dos tablas, una del PIB per cápita con los datos del FMI y otra acerca de la tasa de pobreza en Venezuela con los datos de ENCOVI. Para esto se utilizara la función tribble(), la cual es una función del paquete tidyverse que te permite crear una tablas tambien denominadas “tibble” escribiéndola de forma muy visual y ordenada, fila por fila. En este caso se transcribiran la información para el período que nos interesa (2014-2023):

pib_per_capita_FMI <- tribble(
  ~year, ~pib_per_capita_usd,
  2014,          7107.44,
  2015,          4096.97,
  2016,          3676.38,
  2017,          3806.66,
  2018,          3529.72,
  2019,          2624.79,
  2020,          1532.62,
  2021,          2052.29,
  2022,          3306.91,
  2023,          3828.54)

pobreza_encovi <- tribble(
  ~year, ~tasa_pobreza,
  2014,   47.0, 
  2015,   60.1,
  2016,   82.8,
  2017,   92.3,
  2018,   92.6,
  2019,   96.2,
  2020,   90.61,
  2021,   90.82,
  2022,   81.4,
  2023,   82.4)

Ya teniendo esta parte realizada, pasaremos a unificar todos los datos en una sola data frame, para ello se utilizará la función left_join, la cual preserva todas las observaciones y variables del primer data frame y añade las variables del segundo en las observaciones donde encuentra coincidencias, como esta función se emplea principalmente con dos data frames la unificación se realizará en dos partes, en este caso se utilizará la columna ‘year’ como llave para la unión.

#Unificación de los datos del Banco Mundial y el FMI
datos_vzla_unificado1 <- left_join(datos_vzla, pib_per_capita_FMI, by = "year")

# Unificación de los datos de pobreza a nuestro dataframe ya unificado previamente
datos_vzla_unificado_total <- left_join(datos_vzla_unificado1, pobreza_encovi, by = "year")

A continuación vamos hacer una visualización de los resultados de este proceso preliminar a partir de la creación de una tabla interactiva con la función datatable()

datatable(datos_vzla_unificado_total)

Observaciones:

Análisis Exploratorio de Datos (EDA):

A partir de la función summary hacemos un primer análisis exploratorio de los datos, nos da los siguientes datos:

#resumen estadistico
summary(datos_vzla_unificado_total)

   country             iso2c              iso3c                year     
 Length:10          Length:10          Length:10          Min.   :2014  
 Class :character   Class :character   Class :character   1st Qu.:2016  
 Mode  :character   Mode  :character   Mode  :character   Median :2018  
                                                          Mean   :2018  
                                                          3rd Qu.:2021  
                                                          Max.   :2023  
 Poblacion_Total    Crecimiento_Poblacional Migracion_Neta     Tasa_Desempleo 
 Min.   :28213017   Min.   :-2.9604         Min.   :-1355602   Min.   :5.045  
 1st Qu.:28336660   1st Qu.:-1.4734         1st Qu.: -744194   1st Qu.:5.466  
 Median :29372845   Median :-0.3707         Median : -308103   Median :5.792  
 Mean   :29410056   Mean   :-0.5537         Mean   : -468323   Mean   :6.042  
 3rd Qu.:30487512   3rd Qu.: 0.5466         3rd Qu.: -119951   3rd Qu.:6.650  
 Max.   :30765720   Max.   : 1.1365         Max.   :  -62437   Max.   :7.530  
 Acceso_Electricidad pib_per_capita_usd  tasa_pobreza  
 Min.   : 99.20      Min.   :1533       Min.   :47.00  
 1st Qu.: 99.83      1st Qu.:2795       1st Qu.:81.65  
 Median : 99.95      Median :3603       Median :86.70  
 Mean   : 99.82      Mean   :3556       Mean   :81.62  
 3rd Qu.:100.00      3rd Qu.:3823       3rd Qu.:91.93  
 Max.   :100.00      Max.   :7107       Max.   :96.20

Observaciones:

Población Total (Poblacion_Total):

Si observamos los datos del número de habitantes podemos observar una tendencia negativa. Esto indica que ha habido un decrecimiento relativamente constante, nuestra primera pista del impacto demográfico de la crisis los podemos ver con los datos mínimos y máximos, que van desde un máximo de 30.8 millones de habitantes (2016), siendo 2016 un año relevante dentro del contexto venezolano ya que se empieza el periodo hiperinflacionario, la escasez de bienes y comienzos de disturbios sociales, asi como otras muestra de declive socioeconómico Por otra parte, el valor mínimo fueron de 2.8 millones para el 2022 siendo una muestra de la tendencia bajista del nivel poblacional. Cabe a resaltar como para el año siguiente (2023) existe un ligero aumento demográfico con respecto al 2022, podriamos especular que este crecimiento podria relacionarse con la ligera mejoría económica y desaceleración de la inflación que hubo entre estos años, siendo este panorama esperanzador un factor de la disminución del emigración asi como también podriamos relacionarlo con las flexibilizacion medidas sanitarias de la pandemia del Covid-19 a partir de inicios de 2023, que permitió un aumento leves de retornos de emigrantes al territorio.

Crecimiento Poblacional (Crecimiento_Poblacional):
Dentro de los datos alarmantes dentro de las observaciones podriamos resaltar El valor medio (Mean, dentro de la tabla resumen) es negativo (-0, 55%). Esto es extremadamente significativo ya que normalmente los países tiende a un crecimiento positivo de su población. Un valor medio negativo en una década confirma que la salida de personas ha sido más grande que el crecimiento natural (nacimientos menos muertes).

Si vemos los datos minimos y maximos, vemos que el mayor crecimiento porcentual fue en 2014 con un aumento de 1,13% podriamos explica esto debido a que Venezuela aún tenía un crecimiento natural de la población y aun los efectos de la migración no eran significativos, a partir de este año el crecimiento poblacional se va desacelerando ya que a partir de este periodo con con caída del petróleo, restricciones de cambio, endeudamiento público y corrupción del 2013, existe un marcado y alarmante nivel de inflación, aumento de la escasez, y mayor inestabilidad política, siendo esto factores que desencadenaron a que muchas personas a buscar mejores oportunidades fuera de Venezuela. Asimismo se puede observar que para el año 2019 se registra una disminución del 2,96% siendo esta la más significativa en el periodo de estudio, evaluando el contexto de ese año podriamos atribuir esto a un conjunto de factores, incluyendo una emigración masivas, una disminución de la natalidad y un aumento de la mortalidad, todo ello influenciado por la crisis económica y social que en este año llego niveles alarmantes y una situación critica para la población.

Migración Neta (Migracion_Neta):
Todos los valores al ser negativos indican claramente que el número de personas que emigran (salen del territorio) es mayor que el número de personas que inmigran (entran al territorio). El valor mínimo (que representa el máximo éxodo) es de -1,355,602 personas en un solo el 2018. La media de salidas netas nos indica que existe una salida promedio de casi medio millón de personas por año (-468,323). Estas cifras confirman la escala masiva de la diáspora venezolana.

Tasa de Desempleo (Tasa_Desempleo):
- La tasa de desempleo oficial (según estas estimaciones) osciló entre 5.0% (min) y 7.5%. (max) siendo cifras realmente bajas que reflejan el deterioro de los mercado de trabajo formal en Venezuela. Cabe a destacar que estas cifras del Banco Mundial son estimaciones modeladas y probablemente subestiman masivamente la realidad del mercado laboral venezolano, caracterizado por un subempleo masivo y una enorme economía informal.
  
  PIB per Cápita (pib_per_capita_usd):
El rango es dramático y evidencia el colapso económico. Va de un máximo de 7107 dólares (USD) en el 2014 y a un mínimo de 1533 dólares (USD) para el 2020, interpretando un poco estas cifras nos dice que el ingreso promedio en 2020 por persona fue menos de una cuarta parte de lo que era al principio (2014). Considero que el valor de la media ($3,556) puede ser engañosa, ya que está fuertemente influenciada por los valores más altos al inicio del período.

Acceso a la Electricidad (Acceso_Electricidad):

A primera vista, los valores son muy altos (entre 99.2% y 100%). Sin embargo, este indicador mide el acceso (si un hogar está conectado a la red), no la calidad o continuidad del servicio. A pesar de que la cifra es alta, no captura los constantes racionamientos y fallas eléctricas, que son un conocido factor que deteriora la calidad de vida e impulsa la migración.
Tasa de Pobreza (tasa_pobreza):

La tasa de pobreza, medida por ENCOVI, saltó de un mínimo del 47% a un máximo del 96.2%. Con una mediana que se sitúa en un alarmante 86.7%, lo que significa que en la mitad de los años estudiados, más del 86% de la población vivía en condiciones de pobreza. La media de 81.6% confirma que la pobreza generalizada ha sido la norma durante esta década.

A partir de este analisis inicial confirma de manera cuantitativa las hipótesis centrales del proyecto. Revela una década caracterizada por:

Un colapso demográfico sin precedentes: evidenciado por un crecimiento poblacional negativo y una migración neta masiva y sostenida.
Un desplome económico severo: reflejado en la dramática caída del PIB per cápita.
Un deterioro social agudo: manifestado en niveles de pobreza extremos y persistentes.

Visualización de Tendencias Temporales:

A partir de gráficos de series de tiempo se observarán la evolución de las variables y sus relaciones a lo largo de la década estudiada. El procedimiento de realización de los graficos es el siguiente:

# Primeramente cambiamos los nombres de los indicadores 
#(a traves de la función rename) y reacomodamos los datos en formato largo
#(mediante la función pivot_long) para facilitar la asignación de colores a la hora de graficar 

datos_para_grafico_series <- datos_vzla_unificado_total %>%
  select(year, Crecimiento_Poblacional, Tasa_Desempleo, pib_per_capita_usd) %>%
  rename(`Crecimiento Poblacional (%)` = Crecimiento_Poblacional,
    `Tasa de Desempleo (%)` = Tasa_Desempleo,
    `PIB per Cápita (USD)` = pib_per_capita_usd) %>%
  pivot_longer( cols = -year,
    names_to = "Indicador",
    values_to = "Valor" )

# Ahora creamos el gráfico, 

ggplot(datos_para_grafico_series, aes(x = year, y = Valor, color = Indicador)) +
  geom_line(size = 1.2) +
  geom_point( size = 2.5) +
  facet_wrap(~ Indicador, scales = "free_y", ncol = 1) +
    labs( title = "Evolución de Indicadores Socioeconómicos Clave en Venezuela",
    subtitle = "Período 2014-2023",
    x = "Año",
    y = "Valor del Indicador") +
  theme_light() +
  theme(legend.position = "none", 
        strip.text = element_text(face = "bold"))

Warning: Using `size` aesthetic for lines was deprecated in ggplot2 3.4.0.
ℹ Please use `linewidth` instead.

Análisis del Gráfico:

Este gráfico muestra la trayectoria de tres indicadores fundamentales de la economía y demografía venezolana a lo largo de una década. Cada panel representa un indicador diferente, permitiéndonos observar sus patrones individuales.

Panel 1: Crecimiento Poblacional (%)

Para los periodos iniciales (2014- 2015) La línea comienza por encima de cero, con un crecimiento positivo (~1.1%), lo que era normal para Venezuela en ese entonces. Ya a partir del periodo (2015-2019) Vemos una caída dramática y sostenida. La línea cruza el umbral del cero alrededor de 2017 y alcanza su punto más bajo (casi -3%) en 2019. Esto demuestra que el país no solo dejó de crecer, sino que empezó a perder población a un ritmo alarmante.

Después del punto más crítico para el periodo (2019-2023), la tasa de decrecimiento se modera, pero permanece negativo. Esto significa que la gente sigue saliendo más de lo que la población crece naturalmente, aunque a un ritmo menor que en el peor momento de la crisis. El gráfico termina con una tasa aún negativa pero acercándose a cero.

Panel 2: PIB per Cápita (USD)

El gráfico empieza en su punto más alto, con un PIB per cápita de más de $7,000 para el año 2014. A partir de alli hasta el periodo de 2020 se observa una caída en picada, casi sin interrupciones, hasta llegar a su punto más bajo alrededor de 2020, con un valor de apenas ~$1,500. Esto representa una pérdida de más del 75% del poder adquisitivo promedio de los venezolanos en solo seis años. Es la representación visual de la “fábrica de pobreza” que fue la economía venezolana en ese período. A partir de 2020 hasta el 2023, se ve una ligera y modesta recuperación, coincidiendo con la dolarización informal y una leve liberalización económica. Sin embargo, el valor final sigue siendo extremadamente bajo en comparación con el inicio de la década.

Panel 3: Tasa de Desempleo (%)

Para este grafico vemos una tendencia contraintuitiva, a diferencia de los otros dos gráficos, la historia aquí es menos directa. Vemos que el desempleo baja inicialmente (2014-2018), lo cual parece no tener sentido en medio de un colapso económico. También se observa, que el desempleo alcanza su punto máximo en 2020, coincidiendo con la pandemia de COVID-19, que afectó al mundo entero, después de 2020, la tasa vuelve a caer.
Si solo miráramos el gráfico, podríamos concluir erróneamente que el mercado laboral “mejoró” en ciertos períodos. Sin embargo, como se dijo previamente esta cifra no es un buen indicador de la realidad venezolana. La caída del desempleo no se debe a la creación de buenos empleos, sino a:
- Abandono de la Fuerza Laboral: Personas que dejan de buscar trabajo porque no hay.
- Migración: Los desempleados se van del país, por lo que ya no cuentan en la estadística.
- Economía Informal Masiva: La gente sobrevive en la informalidad, por lo que técnicamente no están desempleados

Análisis de Correlaciones:

Para visualizar mejor las relaciones, usaremos diagramas de dispersión que nos permiten observar la tendencia entre pares de variables clave:

# Gráfico 1: PIB per Cápita vs. Migración Neta

ggplot(datos_vzla_unificado_total, aes(x = pib_per_capita_usd, y = Migracion_Neta)) +
  geom_point(size = 3, color = "red") + 
  geom_smooth(method = "lm", se = FALSE, color = "black", linetype = "dashed") + 
  labs( title = "Correlación entre PIB per Cápita y Migración Neta",
    x = "PIB per Cápita (USD)",
    y = "Migración Neta") +
  theme_minimal()

`geom_smooth()` using formula = 'y ~ x'

# Gráfico 2: Tasa de Pobreza vs. Migración Neta

ggplot(datos_vzla_unificado_total, aes(x = tasa_pobreza, y = Migracion_Neta)) +
  geom_point(size = 3, color = "darkblue") + 
  geom_smooth(method = "lm", se = FALSE, color = "black", linetype = "dashed") +
  labs( title = "Correlación entre Pobreza y Migración Neta",
    x = "Tasa de Pobreza (%)",
    y = "Migración Neta") +
  theme_minimal()

`geom_smooth()` using formula = 'y ~ x'

# Gráfico 3: Tasa de Desempleo vs. Migración Neta

ggplot(datos_vzla_unificado_total, aes(x = Tasa_Desempleo, y = Migracion_Neta)) +
  geom_point(size = 3, color = "darkgreen") +
  geom_smooth(method = "lm", se = FALSE, color = "black", linetype = "dashed") +
  labs( title = "Correlación entre Desempleo y Migración Neta",
    x = "Tasa de Desempleo Oficial (%)",
    y = "Migración Neta (más negativo = más salidas)") +
  theme_minimal()

`geom_smooth()` using formula = 'y ~ x'

Análisis de Gráficos:

Gráfico 1: Correlación entre PIB per Cápita y Migración Neta

La línea de tendencia va de abajo a la izquierda hacia arriba a la derecha. Esto indica una correlación positiva. Una correlación positiva significa que cuando una variable aumenta, la otra también tiende a aumentar. Traducido a nuestro contexto:
- “Cuando el PIB per Cápita es más alto (más a la derecha en el eje X), la Migración Neta es menos negativa (más arriba en el eje Y, más cerca de cero)”. Es decir, cuando la economía está mejor, menos gente se va.
- “Cuando el PIB per Cápita es más bajo (más a la izquierda en el eje X), la Migración Neta es más negativa (más abajo en el eje Y)”. Es decir, cuando la economía colapsa, el éxodo se intensifica.

Se Observa que los puntos no caen perfectamente sobre la línea, lo que es normal. Esto nos dice que aunque el PIB es un factor muy importante, no es el único factor que determina la migración en un año específico. Sin embargo, la agrupación de los puntos sigue la dirección de la línea de tendencia, lo que confirma que existe un nivel de relación entre las dos variables.

Gráfico 2: Correlación entre Pobreza y Migración Neta

La línea de tendencia va de arriba a la izquierda hacia abajo a la derecha. Esto indica una correlación negativa. esto significa que cuando una variable aumenta, la otra tiende a disminuir. Traducido a nuestro contexto:
- “Cuando la Tasa de Pobreza aumenta (más a la derecha en el eje X), la Migración Neta disminuye (se vuelve más negativa, más abajo en el eje Y)”. Es decir, a mayor pobreza, mayor es el éxodo.
- “Cuando la Tasa de Pobreza es menor (más a la izquierda en el eje X), la Migración Neta es menos negativa (más arriba en el eje Y)”. Es decir, con menores niveles de pobreza, el flujo de salida es menor.
En comparacion con los otros gráficos, aqui se observa una mayor claridad tendencial. Se puede ver cómo los años con tasas de pobreza más extremas (por encima del 80-90%) son los que presentan los valores de migración neta más negativos (mayores salidas).

Análisis del Gráfico: Correlación entre Desempleo y Migración Neta

Similar a nuestro análisis individual de la tasa de desempleo, a primera vista existe una Correlación “Contraintuitiva” ya que la línea de tendencia va de abajo a la izquierda hacia arriba a la derecha. Esto indica una correlación positiva. Si lo leemos literalmente, una correlación positiva significa que “a mayor tasa de desempleo, la migración neta es menos negativa (hay menos salidas)”. Esto, a primera vista, no tiene sentido económico. Intuitivamente, esperaríamos que a mayor desempleo, más gente se fuera (una correlación negativa).

Se puede observar que existe una mayor dispersión de las observaciones y que estas no siguen un patrón claro y definido. por lo tanto este gráfico es un ejemplo perfecto de una “correlación engañosa”. La relación estadística que muestra la línea de tendencia no refleja una causalidad real. Podemos atribuir a esta falta de conclusiones claras es debido a que los datos proporcionados por el Banco Mundial no es un buen indicador para la compleja situación actual en los mercados laborales.

Conclusiones:

El presente análisis exploratorio de datos ha permitido cuantificar y visualizar la profunda interconexión entre el deterioro socioeconómico y la crisis migratoria en Venezuela durante la década 2014-2023. A través del uso de herramientas de ciencia de datos en R, se ha logrado transformar datos de fuentes diversas en evidencia clara que responde a las preguntas de investigación planteadas, confirmando las hipótesis centrales del estudio.

Los hallazgos clave de este reporte son contundentes. En primer lugar, se demostró una fuerte y directa correlación entre la drástica caída del Producto Interno Bruto (PIB) per cápita y la intensificación del éxodo migratorio. La evidencia visual y estadística sugiere que la destrucción del poder adquisitivo y del bienestar económico promedio actuó como el principal motor de la diáspora. A medida que la economía colapsaba, la salida de venezolanos se aceleraba, estableciendo una relación causal difícil de refutar.

En segundo lugar, el análisis de la tasa de pobreza, medida a través de la encuesta ENCOVI, corroboró estos hallazgos desde una perspectiva social. La alta correlación negativa entre el aumento de la pobreza y la migración neta confirma que el deterioro de las condiciones de vida, más allá del ingreso, fue un factor expulsor fundamental. Cuando la capacidad de cubrir necesidades básicas se vio comprometida para más del 80% de la población, la migración se convirtió en una estrategia de supervivencia para millones de familias.

Es igualmente importante destacar lo que los datos no mostraron de forma evidente. La relación entre la tasa de desempleo oficial y la migración resultó ser débil y poco concluyente. Lejos de invalidar la importancia del factor laboral, este hallazgo subraya una conclusión crítica: los indicadores macroeconómicos tradicionales son insuficientes para capturar la complejidad de la crisis venezolana. La cifra oficial de desempleo oculta la realidad de un mercado laboral pulverizado por la informalidad, el subempleo y el colapso del salario real, fenómenos que, aunque no medidos directamente en este estudio, son sin duda componentes cruciales de la decisión de emigrar.