INCORER

Author

Gonzalo Almendariz Villanueva

Introducción al paquete INCORE

El paquete INCORE ha sido desarrollado para explorar, analizar y visualizar los resultados del Índice de Competitividad Regional (INCORE) de manera flexible, reproducible y amigable para la investigación y la comunicación de resultados.

En esencia, el paquete organiza toda la información del INCORE —ediciones, pilares, indicadores, regiones y unidades— en funciones que permiten:

Importar y estructurar datos
- leer_incore(): lee la base central del índice para una edición específica.
- leer_total(): carga la base completa con todas las ediciones y valores originales.
  Estas funciones devuelven los datos en formato tibble, listos para ser procesados en R.
Navegar catálogos
- Funciones como catalogo_regiones(), catalogo_pilar(), catalogo_indicador() y catalogo_unidad() devuelven los diccionarios oficiales de referencia, permitiendo traducir entre nombres y códigos.
Explorar resultados generales
- La familia general_ genera gráficos y tablas del índice en su dimensión más agregada: el puntaje general por región o el general de cada pilar.
  Ejemplos: general_tabla(), general_barras(), general_mapa().
Analizar indicadores específicos (puntajes)
- La familia indc_ trabaja con los indicadores estandarizados a escala 0–10.
  Incluye funciones para dispersión (indc_dispersion()), distribución (indc_distribucion()), evolución temporal (indc_largo()), entre otras.
Analizar valores originales
- La familia valor_ conserva las unidades originales de cada indicador (porcentaje, número, soles, etc.).
  Esto permite ver los valores “crudos” de los indicadores sin estandarización, útil para interpretación sectorial y comunicación técnica.
  Ejemplos: valor_dispersion(), valor_distribucion(), multivalor_ridgeline().
Comparaciones bivariadas
- La familia bivalor_ explora relaciones entre indicadores, mostrando correlaciones, comparaciones y dispersión en pares de variables.

En conjunto, el paquete busca integrar datos, catálogos y visualizaciones en una misma interfaz, de modo que los usuarios puedan pasar sin fricción desde una tabla exploratoria hasta un gráfico final para informes.

La estructura modular (general_, indc_, valor_, bivalor_) facilita entender qué tipo de dato se está utilizando (puntajes normalizados vs valores originales) y qué nivel de análisis corresponde (agregado vs detallado).

El paquete INCORE permite a investigadores, analistas de política y comunicadores disponer de un ecosistema completo para trabajar con el índice, asegurando rigor en los filtros y claridad en las visualizaciones.

library(incorer)
library(dplyr)

Catálogos

Los catálogos son funciones auxiliares que devuelven diccionarios con las entidades clave del INCORE: regiones, pilares, indicadores y unidades.
Sirven para validar insumos, traducir entre códigos y nombres, y facilitar filtros consistentes en los gráficos y tablas.

catalogo_regiones

Devuelve la lista oficial de las 25 regiones más la entrada “Perú”.

head(catalogo_region())

# A tibble: 6 × 2
  codigo nombre   
  <chr>  <chr>    
1 AMZ    Amazonas 
2 ANC    Áncash   
3 APC    Apurímac 
4 AQP    Arequipa 
5 AYA    Ayacucho 
6 CJM    Cajamarca

catalogo_pilar

Devuelve los seis pilares que conforman el INCORE:

Entorno Económico
Laboral
Infraestructura
Salud
Educación
Instituciones

catalogo_pilar()

# A tibble: 7 × 2
  codigo nombre                           
  <chr>  <chr>                            
1 GEN    Índice de Competitividad Regional
2 ECO    Entorno económico                
3 LAB    Laboral                          
4 INF    Infraestructura                  
5 SAL    Salud                            
6 EDU    Educación                        
7 INS    Instituciones

catalogo_indicador

Lista todos los indicadores que forman parte de cada pilar, con su código (p.ej. LAB1, SAL4).

head(catalogo_indicador())

# A tibble: 6 × 2
  codigo nombre                                                        
  <chr>  <chr>                                                         
1 GEN    General                                                       
2 ECO1   1.1 PBI real en logaritmos                                    
3 ECO2   1.2 Trabajadores en grandes empresas (más de 100 trabajadores)
4 ECO3   1.3 Gasto real pre cápita mensual                             
5 ECO4   1.4 Apertura externa                                          
6 ECO5   1.5 Tenencia de cuentas

Funciones `general_`

La familia de funciones general_ trabaja con el nivel más agregado del INCORE: el puntaje general por región, ya sea para el índice total o para el general de un pilar.

Estas funciones son útiles para tener una visión panorámica de la competitividad regional, explorando tanto comparaciones en una sola edición como tendencias a lo largo del tiempo.

En concreto, permiten:

Tablas (general_tabla): ver los puntajes generales en formato tabular, con opción a mostrar en estilo gt.
Gráficos de barras (general_barras): comparar regiones en un año específico.
Dispersión entre pilares (general_dispersion_pilares): analizar cómo se relacionan los puntajes generales de distintos pilares.
Distribución (general_distribucion): mostrar la variabilidad de los puntajes generales entre regiones, con boxplots o violines.
Heatmaps (general_heatmap): seguir la evolución de regiones y ediciones en formato de mapa de calor.
Series largas (general_largo): observar la trayectoria de regiones o pilares a lo largo de varias ediciones.
Mapas geográficos (general_mapa): representar en el territorio los puntajes generales por región.
Comparación con el promedio (general_media): contrastar regiones con el promedio nacional o de un grupo seleccionado.
Gráficos radar (general_radar): comparar varias regiones de manera simultánea en forma de radar.

general_tabla

Genera una tabla con los puntajes generales (total o por pilar).

Argumentos principales:
- ediciones: vector de años (ej. 2018:2025).
- regiones: "ALL" (default) o vector de regiones/grupos.
- usar_codigos: si TRUE, permite pasar códigos (ej. "gr_costa").
- gt: si TRUE, retorna tabla en formato gt con estilo mejorado.

general_tabla(ediciones = 2022:2025)

# A tibble: 25 × 5
   region       puntaje_2022 puntaje_2023 puntaje_2024 puntaje_2025
   <chr>               <dbl>        <dbl>        <dbl>        <dbl>
 1 Amazonas             4.11         3.75         4            4.31
 2 Apurímac             4.71         4.8          5            5.1 
 3 Arequipa             6.48         6.59         6.63         6.91
 4 Ayacucho             4.33         4.35         4.61         4.85
 5 Cajamarca            4.21         3.79         4.23         4.38
 6 Cusco                5.02         5.08         5.5          5.76
 7 Huancavelica         3.97         3.84         4.35         4.82
 8 Huánuco              3.87         3.65         4.07         4.37
 9 Ica                  5.97         6            6.3          6.37
10 Junín                4.61         4.75         5.01         5.22
# ℹ 15 more rows

general_tabla(ediciones = 2023:2025, regiones = "gr_sur", gt = T)

Índice de Competitividad Regional — Puntaje General
Ediciones 2023–2025
region	Puntaje 2023	Puntaje 2024	Puntaje 2025
Apurímac	4.80	5.00	5.10
Arequipa	6.59	6.63	6.91
Ayacucho	4.35	4.61	4.85
Cusco	5.08	5.50	5.76
Ica	6.00	6.30	6.37
Moquegua	7.22	7.37	7.38
Puno	3.77	4.04	4.21
Tacna	6.27	6.29	6.43

general_barras

Muestra un gráfico de barras con los puntajes generales por región en una edición.

Argumentos principales:
- edicion: año específico (ej. 2024).
- regiones: "ALL" o vector de regiones.
- paleta: esquema de colores ("ipe", "okabe_ito", "viridis", etc.). - usar_codigos: activar uso de códigos de regiones.

general_barras(edicion = 2018)

general_barras(edicion = 2018, regiones = "gr_costa", paleta = "okabe_ito")

general_dispersion

Gráfico de dispersión de puntajes generales entre pilares para un conjunto de regiones.

Argumentos principales:
- edicion: año específico.
- regiones: "ALL" o vector de regiones.
- paleta: paleta de colores para regiones.
- mostrar_promedio: si TRUE, añade rombo con promedio por pilar.
- promedio_shape, promedio_size, promedio_color: estética del promedio.

general_dispersion_pilares(edicion = 2018, 
                           regiones = "gr_costa", 
                           paleta = "viridis")

general_dispersion_pilares(edicion = 2018, 
                           regiones = "gr_selva", 
                           promedio_shape = 24,
                           promedio_size = 0.8)

general_distribucion

Muestra la distribución de puntajes generales entre regiones, por indicador general.

Argumentos principales:
- edicion: año específico.
- modo: "general" (default) o "pilar".
- tipo: "boxplot" o "violin".
- jitter: si TRUE, añade puntos individuales.
- paleta: esquema de color por indicador.

general_distribucion(edicion = 2018, paleta = "cividis")

general_distribucion(edicion = 2018, modo = "general", 
                     tipo = "violin", jitter = T)

general_heatmap

Genera un mapa de calor con puntajes generales a lo largo de múltiples ediciones.

Argumentos principales:
- ediciones: rango de años.
- regiones: "ALL" o vector de regiones.
- paleta: esquema de colores ("viridis", "cividis", "magma", etc.). - anotar: si TRUE, añade etiquetas numéricas en las celdas.

general_heatmap(ediciones = 2016:2025)

general_heatmap(ediciones = 2016:2025, regiones = c("gr_sierra", "Lima*"),
                paleta = "magma", anotar = T)

general_largo

Serie temporal de puntajes generales para regiones o pilares.

Argumentos principales:
- ediciones: rango de años.
- regiones: "ALL" o vector de regiones.
- modo: "regiones" (default) o "pilares".
- mostrar_puntos: TRUE/FALSE para puntos sobre la línea.

general_largo(ediciones = 2016:2025, 
              regiones = "gr_costa")

general_largo(ediciones = 2016:2025, modo = "pilares", 
              regiones = "gr_selva", mostrar_puntos = F)

general_mapa

Mapa geográfico de los puntajes generales por región.

Argumentos principales:
- edicion: año específico.
- regiones: "ALL" o vector de regiones a mostrar.
- paleta: paleta de color ("ipe", "cividis", "viridis", etc.).
- zoom: si TRUE, ajusta el zoom al subconjunto de regiones.

general_mapa(edicion = 2024)

# general para pilar

general_mapa(edicion = 2025, regiones = "gr_sur", 
             paleta = "cividis", zoom = T)

general_media

Compara puntajes generales de regiones con el promedio.

Argumentos principales:
- edicion: año específico.
- pilar: NULL para índice total o código de un pilar.
- regiones: "ALL" o vector de regiones.
- esquema:
- "binario": arriba/abajo del promedio.
- "divergente": escala continua respecto al promedio.
- "semaforo": bajo / en torno / alto.
- "region": colores por región.
- "monocromo": un solo color.
- promedio_nacional: TRUE para usar promedio nacional. FALSE para usar promedio de regiones filtradas.
- mostrar_leyenda: mostrar/ocultar leyenda.

general_media(edicion = 2024)

general_media(edicion = 2024, regiones = "gr_sierra",
              esquema = "divergente")

general_media(edicion = 2024, regiones = "gr_selva",
              esquema = "divergente", pilar = "EDU")

general_media(edicion = 2024, regiones = "gr_selva",
              esquema = "divergente", pilar = "EDU", 
              promedio_nacional = T)

general_radar

Comparación simultánea de varias regiones en gráfico de radar.

Argumentos principales:
- edicion: año específico.
- regiones: vector de regiones.
- paleta: esquema de color para regiones.
- usar_codigos: si TRUE, admite códigos de regiones.

general_radar(edicion = 2025, regiones = c("Moquegua", "Arequipa", "Ica"))

general_radar(edicion = 2025, 
              regiones = c("Loreto", "Puno", "Apurímac"),
              paleta = "okabe_ito")

Funciones indc_ y valor_

Las familias indc_ y valor_ permiten analizar el INCORE a nivel de indicadores específicos (indc_) o de valores originales (valor_).
Mientras indc_ trabaja con los puntajes estandarizados 0–10, la familia valor_ utiliza los valores originales de cada indicador en su unidad propia (porcentaje, soles, horas, etc.).

Tablas

`indc_tabla`

Muestra una tabla con los puntajes de indicadores en una edición.
Argumentos principales:
- ediciones: año o rango de años.
- pilar: código/nombre del pilar (ej. "SAL").
- regiones: "ALL" o vector de regiones/grupos.
- gt: TRUE para tabla con estilo gt.

indc_tabla(ediciones = 2022, regiones = "gr_norte",
           pilar = "SAL", gt = T)

INCORE \| Pilar: Salud
Edición 2022
region	Edición 2022
region	SAL1_2022	SAL2_2022	SAL3_2022	SAL4_2022	SAL5_2022	SAL6_2022	SAL7_2022
Amazonas	4.51	5.10	6.17	6.44	3.78	3.76	4.73
Cajamarca	3.99	6.02	7.14	8.45	2.86	7.43	2.87
La Libertad	5.85	8.18	5.74	6.73	4.12	8.09	4.46
Lambayeque	7.57	7.98	5.21	7.15	2.90	4.30	4.60
Piura	5.38	7.08	7.19	7.99	1.80	4.77	3.56
San Martín	6.83	5.37	5.35	7.90	3.77	3.27	4.27
Tumbes	8.04	8.04	7.26	7.96	4.60	1.38	5.21
Áncash	5.34	7.24	7.26	8.41	3.15	1.74	4.84

`valor_tabla`

Igual a indc_tabla, pero muestra los valores originales (con sus unidades).

valor_tabla(ediciones = 2022, regiones = "gr_norte",
           pilar = "SAL", gt = T)

INCORE \| Pilar: Salud
Edición 2022
region	Edición 2022
region	SAL1_2022	SAL2_2022	SAL3_2022	SAL4_2022	SAL5_2022	SAL6_2022	SAL7_2022
Amazonas	19.24	35.63	55.80	12.90	8.87	38.06	1.00
Cajamarca	20.94	32.30	61.38	6.70	7.59	25.60	0.61
La Libertad	14.87	24.50	53.35	12.00	9.35	23.37	0.94
Lambayeque	9.25	25.21	50.27	10.70	7.65	36.23	0.97
Piura	16.40	28.45	61.67	8.10	6.10	34.63	0.75
San Martín	11.66	34.67	51.10	8.40	8.86	39.75	0.90
Tumbes	7.71	24.98	62.06	8.20	10.01	46.18	1.10
Áncash	16.54	27.89	62.07	6.80	7.99	44.93	1.02
Fuentes: INEI-ENDES. Cálculos IPE.; INFORHUS-Minsa. Cálculos IPE.; DIGEMID. Cáculos IPE., …

Barras

`indc_barras`

Gráfico de barras de un indicador específico en puntajes 0–10.
Argumentos:
- edicion: año específico.
- indicador: código/nombre del indicador.
- regiones: "ALL" o subconjunto de regiones.
- paleta: paleta de colores.

indc_barras(edicion = 2019, indicador = "ECO3")

`valor_barras`

Equivalente a indc_barras, pero usando valores originales.

valor_barras(edicion = 2019, indicador = "ECO3")

Series de tiempo

`indc_largo`

Serie temporal de puntajes (0–10) para un pilar o indicador.
Argumentos:
- ediciones: rango de años.
- pilar: código/nombre de pilar.
- indicadores: vector de indicadores (opcional).
- regiones: regiones o grupos.
- mostrar_puntos: TRUE/FALSE.

indc_largo(ediciones = 2016:2025, pilar = "LAB",
           regiones = "gr_selva", mostrar_puntos = F)

`valor_largo`

Igual a indc_largo, pero sobre valores originales.

valor_largo(ediciones = 2016:2025, pilar = "LAB",
           regiones = "gr_selva", mostrar_puntos = F)

valor_largo(ediciones = 2016:2025,pilar = "LAB", 
            indicadores = "LAB5", regiones = "gr_selva")

Mapas

`indc_mapa`

Mapa geográfico de un indicador en puntajes (0–10).
Argumentos:
- edicion: año específico.
- indicador: código/nombre.
- regiones: "ALL" o vector de regiones.
- paleta: "viridis", "cividis", "magma", etc.
- zoom: TRUE ajusta zoom al subconjunto.

indc_mapa(edicion = 2025, 
          indicador = "INS5",
          regiones = "gr_costa",
          zoom = T, paleta = "magma")

`valor_mapa`

Igual a indc_mapa, pero usando valores originales (con su unidad).

valor_mapa(edicion = 2025, 
          indicador = "INS5",
          regiones = "gr_costa",
          zoom = T, paleta = "blues")

indc_heatmap

Heatmap para visualizar un indicador a lo largo del tiempo o entre regiones.
Argumentos:
- ediciones: rango de años.
- modo: "tiempo" (filas=regiones, columnas=años) o "regiones".
- indicador: código/nombre del indicador.
- regiones: subconjunto de regiones.
- paleta: esquema de colores.
- anotar: TRUE para mostrar valores en celdas.

indc_heatmap(ediciones = 2016:2025, modo = "tiempo", 
             indicador = "ECO3", anotar = T, 
             regiones = "gr_costa", paleta = "cividis")

indc_radar

Comparación de regiones en un pilar usando gráfico radar.
Argumentos:
- edicion: año específico.
- pilar: código/nombre del pilar.
- regiones: vector de regiones (mínimo 2).
- paleta: esquema de color.

indc_radar(edicion = 2025, pilar = "ECO",
           regiones = c("PUN", "AYA", "CUS"))

indc_dispersion

Dispersión de puntajes de un pilar (indicadores vs regiones).
Argumentos:
- edicion: año específico.
- pilar: código/nombre del pilar.
- regiones: subconjunto de regiones.
- paleta: "ipe", "okabe_ito", "viridis".
- mostrar_promedio: añade promedio por indicador.

indc_dispersion(edicion = 2024, pilar = "SAL",
                regiones = "gr_sierra")

indc_distribucion

Distribución de puntajes por indicador dentro de un pilar.
Argumentos:
- edicion: año específico.
- pilar: código/nombre del pilar.
- tipo: "boxplot" o "violin".
- jitter: TRUE para añadir puntos.
- paleta: esquema de color.

indc_distribucion(edicion = 2025, pilar = "ECO")

valor_ridgelines

Gráfico de densidad (ridgelines) de los valores de un indicador a lo largo del tiempo.
Argumentos:
- indicador: código/nombre del indicador.
- ediciones: rango de años.
- regiones: subconjunto de regiones.
- paleta: paleta de colores.
- Muestra la distribución histórica de valores para cada año.

valor_ridgeline(indicador = "EDU2", ediciones = 2016:2025, 
                regiones = "gr_sur")

Funciones bivalor_

La familia bivalor_ permite analizar relaciones entre dos o más indicadores de manera conjunta.
Está diseñada para explorar correlaciones, dispersiones y series de tiempo comparadas entre indicadores, ya sea en puntajes (0–10) o en valores originales, según la fuente de datos cargada.

bivalor_largo

Muestra la evolución en el tiempo de dos indicadores en paralelo (serie temporal comparada).

Argumentos principales:
- ediciones: rango de años (ej. 2016:2025).
- ind_x: código del primer indicador.
- ind_y: código del segundo indicador.
- regiones: "ALL" o vector de regiones (opcional).
- usar_codigos: TRUE/FALSE para traducir códigos de indicadores/regiones. - mostrar_puntos: añadir puntos en la serie.

bivalor_largo(ediciones = 2016:2025, 
              ind_x = "EDU1", ind_y = "ECO2")

bivalor_dispersion

Dibuja un scatterplot comparando dos indicadores en un año específico. Cada punto es una región, con sus valores en ind_x y ind_y.

Argumentos principales:

edicion: año específico.
ind_x, ind_y: indicadores a comparar.
regiones: subconjunto de regiones (opcional).
modo: “normal” (default) o “resaltar” para destacar regiones.
highlight_regiones: vector de regiones a resaltar (ej. “LIM*” para Lima).
highlight_color: color para resaltar regiones.
paleta: esquema de color para el resto de puntos.

bivalor_dispersion(edicion = 2025,
                   ind_x = "LAB3", ind_y = "EDU1"
                   )

bivalor_dispersion(edicion = 2025,
                   ind_x = "LAB3", ind_y = "EDU1",
                   modo = "resaltar",
                   highlight_regiones = c("LIM*", "Cusco", 
                                          "Puno", "Loreto"),
                   highlight_color = "#1A9850")

bivalor_correlaciones

Calcula y grafica la matriz de correlaciones entre un conjunto de indicadores para un año. Muestra un mapa de calor (heatmap) con coeficientes de correlación (ej. Pearson o Spearman).

Argumentos principales:

edicion: año específico.

indicadores: vector de indicadores a correlacionar.

regiones: subconjunto de regiones (opcional).

metodo: “pearson” (default), “spearman”, “kendall”. •

anotar: TRUE para mostrar coeficientes en cada celda.

paleta: paleta de colores para la escala.

bivalor_correlaciones(edicion = 2025, 
                      indicadores = c("ECO2", "EDU3", "LAB4"))

Introducción al paquete INCORE

Catálogos

catalogo_regiones

catalogo_pilar

catalogo_indicador

Funciones general_

general_tabla

general_barras

general_dispersion

general_distribucion

general_heatmap

general_largo

general_mapa

general_mapa

general_media

general_radar

Funciones indc_ y valor_

Tablas

indc_tabla

valor_tabla

Barras

indc_barras

valor_barras

Series de tiempo

indc_largo

valor_largo

Mapas

indc_mapa

valor_mapa

indc_heatmap

indc_radar

indc_dispersion

indc_distribucion

valor_ridgelines

Funciones bivalor_

bivalor_largo

bivalor_dispersion

bivalor_correlaciones

Funciones `general_`

`indc_tabla`

`valor_tabla`

`indc_barras`

`valor_barras`

`indc_largo`

`valor_largo`

`indc_mapa`

`valor_mapa`