Comparación con los resultados oficiales
Descargamos las tasas de pobreza e indigencia oficiales que guardamos en nuestro respositorio
pobreza_oficial <- read.csv("https://raw.githubusercontent.com/holatam/data/master/eph/canasta/pobreza_oficial.csv")
pobreza_oficial <- pobreza_oficial %>%
mutate(periodo = parse_date_time(paste0(ANO4, "-", SEMESTRE*2), "Y.q")) %>%
select(periodo, pobreza_oficial = tasa_pobreza, indigencia_oficial = tasa_indigencia)
pobreza_oficialReutilizamos el código dentro de la función
calculate_proverty() que calcula las tasas de pobreza e
indigencia para comparar los resultados. Nótese que no es un promedio
simple, sino un promedio ponderado por la variable
PONDIH
Pobreza_resumen <- bases_pobreza %>%
group_by(ANO4, TRIMESTRE) %>%
summarise(
Tasa_pobreza = sum(PONDIH[situacion %in% c("pobre", "indigente")], na.rm = TRUE) / sum(PONDIH, na.rm = TRUE),
Tasa_indigencia = sum(PONDIH[situacion == "indigente"], na.rm = TRUE) / sum(PONDIH, na.rm = TRUE),
.groups = "drop"
) %>%
mutate(periodo=parse_date_time(paste0(ANO4, "-", TRIMESTRE), "Y.q")) %>%
select(periodo, pobreza_estimada = Tasa_pobreza, indigencia_estimada = Tasa_indigencia)
Pobreza_resumen <- Pobreza_resumen %>%
left_join(pobreza_oficial, by = "periodo") %>%
pivot_longer(cols = pobreza_estimada:indigencia_oficial, names_to = c("tipo", "grupo"), values_to = "valor", names_sep = "_", values_drop_na = TRUE)A continuación mostramos un gráfico que compara los resultados
- como segmentos colorados, nuestro cálculo trimestral de la pobreza
- la pobreza oficial se calcula a nivel semestral, y se representa como un punto en el medio del semestre correspondiente.
Se puede ver que la pobreza oficial se ubica en todos los periodos como un punto entre los dos trimestres que la componen (es decir los segmentos a su izquierda y derecha).
Pobreza_resumen <- Pobreza_resumen %>%
group_by(tipo, grupo) %>%
mutate(
x=lag(periodo),
y=lag(valor)
)
ggplot(Pobreza_resumen, aes(periodo, valor, color = grupo))+
geom_step(data = Pobreza_resumen %>% filter(grupo == "estimada"), linetype = "dashed") +
geom_segment(
data = Pobreza_resumen %>% filter(grupo == "estimada"),
aes(x=x, y=y, xend = periodo, yend = y), size = 1
) +
geom_point(data = Pobreza_resumen %>% filter(grupo == "oficial"), size=3) +
facet_wrap(tipo ~ ., scales = "free") +
theme_minimal() +
theme(legend.position = "bottom")
