PRACTICA TALLER DE VERANO
Claudio Luna; Hector Martin; Matías Moncunill; Mauricio Robledo; Santiago Lucero
2026-03-30
El trabajo final grupal consiste en la elaboración de un informe en formato RMarkdown donde se trabajará con datos del mercado de trabajo utilizando R. 2. En “texto”: - Explicar brevemente el propósito del informe. - Describir los pasos realizados para encarar las consignas propuestas. También se pueden incorporar comentarios en el código. - Mencionar posibles obstáculos enfrentados durante el proceso y cómo fueron resueltos.
## Cargando paquete requerido: usethis##
## Adjuntando el paquete: 'devtools'## The following objects are masked from 'package:pkgload':
##
## has_tests, load_all, package_file## ── 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 1.9.4 ✔ tidyr 1.3.1
## ✔ purrr 1.0.4
## ── 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 errors
##
## Adjuntando el paquete: 'kableExtra'
##
##
## The following object is masked from 'package:dplyr':
##
## group_rows- Con código: 3.1. Carga de librerías
- Utilizar las librerías necesarias para el análisis de datos en R.
- No mostrar el código de carga de librerías en el reporte. 3.2. Importación de datos
- Importar datos desde una fuente externa usando funciones como
read.csv(),read.table(),readxl::read_excel()u otras. - Se recomienda el uso del paquete
{eph}y su funciónget_microdata()para descargar bases de datos correspondientes a la EPH. - Mostrar el código de importación en el reporte. 3.3 Procesamiento de datos:
## Warning in get_microdata(year = 2019:2025, period = 1:4, type = "individual", : No se pudo descargar la base de year 2025, period 4, type individual.
## Mensaje: Problema con la descarga 2025 period 4. Puede deberse a que la base solicitada no exista.
##
## - Realizar un procesamiento mínimo de datos (filtrar, seleccionar, agrupar, generar un tabulado, etc.).
- Usar funciones de
tidyversecomofilter(),select(),mutate(),group_by(),summarise(),pivot_longer(),pivot_wider(), entre otras. - Mostrar el código y los resultados obtenidos en el reporte.
###ACA ENTRA LA TABLA
# ============================================================
# 5. DEFLACTAR INGRESOS (AJUSTAR POR INFLACIÓN)
# ============================================================
# Unir IPC y deflactar a precios constantes (año base 2025-Q3)
anio_base <- 2025
trimestre_base <- 3
ipc_base <- ipc_trimestral %>%
filter(ANO4 == anio_base, TRIMESTRE == trimestre_base) %>%
pull(ipc)
promedio_trimestre <- promedio_trimestre %>%
left_join(ipc_trimestral, by = c("ANO4", "TRIMESTRE")) %>%
mutate(
ingreso_real = ingreso_promedio * (ipc_base / ipc),
ingreso_nominal = ingreso_promedio
)
# ============================================================
# 6. FILTRAR SOLO PATRONES
# ============================================================
patrones_trimestre <- promedio_trimestre %>%
filter(CATEGORIA_OCUPACIONAL == "Patron")
# ============================================================
# 7. GRÁFICO CON INGRESO REAL
# ============================================================
ggplot(patrones_trimestre, aes(x = factor(paste(ANO4, TRIMESTRE, sep="-Q")),
y = ingreso_real,
group = Sexo,
color = Sexo)) +
geom_line(size = 1.2) +
geom_point(size = 2) +
labs(
title = "EVOLUCIÓN DEL INGRESO REAL DE PATRONES POR SEXO",
subtitle = paste("ARGENTINA - TRIMESTRAL 2019 A 2025 (PRECIOS CONSTANTES", anio_base, "-Q", trimestre_base, ")"),
x = "PERÍODO (AÑO-TRIMESTRE)",
y = "INGRESO PROMEDIO (PESOS A PRECIOS CONSTANTES)",
color = "SEXO",
caption = "FUENTE: EPH - INDEC | AJUSTE POR IPC"
) +
theme_minimal() +
theme(
legend.position = "bottom",
plot.title = element_text(face = "bold", size = 14),
plot.subtitle = element_text(size = 11, color = "gray40"),
axis.text.x = element_text(angle = 90, hjust = 1, size = 8)
) +
scale_y_continuous(labels = scales::comma)
# ============================================================
# 8. TABLA DE INGRESOS REALES (FORMATO ANCHO)
# ============================================================
tabla_patrones_real <- patrones_trimestre %>%
mutate(
ingreso_formateado = scales::comma(round(ingreso_real, 0))
) %>%
select(periodo, Sexo, ingreso_formateado) %>%
pivot_wider(names_from = Sexo, values_from = ingreso_formateado) %>%
arrange(periodo)
# Mostrar tabla con kable
kable(tabla_patrones_real,
caption = paste("INGRESO REAL DE PATRONES POR SEXO (PRECIOS CONSTANTES", anio_base, "-Q", trimestre_base, ")"),
col.names = c("PERÍODO", "MUJERES", "VARONES"),
align = "c")
# ============================================================
# 9. GRÁFICO COMPARATIVO (NOMINAL VS REAL) - OPCIONAL
# ============================================================
ggplot(patrones_trimestre, aes(x = factor(paste(ANO4, TRIMESTRE, sep="-Q")))) +
# Ingreso real
geom_line(aes(y = ingreso_real, color = Sexo, group = Sexo, linetype = "Real"), size = 1.2) +
geom_point(aes(y = ingreso_real, color = Sexo), size = 2) +
# Ingreso nominal (opcional, para comparar)
geom_line(aes(y = ingreso_nominal, color = Sexo, group = Sexo, linetype = "Nominal"),
size = 0.8, alpha = 0.5) +
labs(
title = "COMPARACIÓN: INGRESO NOMINAL VS REAL DE PATRONES",
subtitle = paste("ARGENTINA - TRIMESTRAL 2019 A 2025 (PRECIOS CONSTANTES", anio_base, "-Q", trimestre_base, ")"),
x = "PERÍODO (AÑO-TRIMESTRE)",
y = "INGRESO PROMEDIO (PESOS)",
color = "SEXO",
linetype = "TIPO DE INGRESO",
caption = "FUENTE: EPH - INDEC | AJUSTE POR IPC"
) +
theme_minimal() +
theme(
legend.position = "bottom",
plot.title = element_text(face = "bold", size = 14),
axis.text.x = element_text(angle = 90, hjust = 1, size = 8)
) +
scale_y_continuous(labels = scales::comma)
# ============================================================
# 10. GUARDAR RESULTADOS (OPCIONAL)
# ============================================================
# Guardar tabla como CSV
write_csv(tabla_patrones_real, "tabla_patrones_ingreso_real.csv")
# Guardar datos procesados
saveRDS(promedio_trimestre, "promedio_trimestre_eph.rds")3.4. Visualización de datos: - Incluir un gráfico generado con
ggplot2. - Mostrar el código utilizado para la creación del
gráfico. 4. Interpretación de la visualización - Incluir una
interpretación mínima del gráfico presentado. 5. Elaborar una breve
devolución y crítica en relación a los contenidos del taller,
metodología, modalidad, etc. (Aquello que consideren conveniente
mencionar para mejorar el mismo).
## # A tibble: 6 × 7
## ANO4 TRIMESTRE periodo CATEGORIA_OCUPACIONAL Sexo ingreso_nominal
## <dbl> <dbl> <chr> <chr> <chr> <dbl>
## 1 2019 1 2019-Q1 Cuenta propia Mujeres 13221.
## 2 2019 1 2019-Q1 Cuenta propia Varones 17522.
## 3 2019 1 2019-Q1 Obrero o empleado Mujeres 17360.
## 4 2019 1 2019-Q1 Obrero o empleado Varones 23289.
## 5 2019 1 2019-Q1 Patron Mujeres 32727.
## 6 2019 1 2019-Q1 Patron Varones 45798.
## # ℹ 1 more variable: n_observaciones <int>## # A tibble: 28 × 3
## ANO4 TRIMESTRE ipc
## <dbl> <int> <dbl>
## 1 2019 1 197.
## 2 2019 2 219.
## 3 2019 3 241.
## 4 2019 4 273.
## 5 2020 1 297.
## 6 2020 2 316.
## 7 2020 3 337.
## 8 2020 4 372.
## 9 2021 1 418.
## 10 2021 2 469.
## # ℹ 18 more rows## # A tibble: 6 × 10
## ANO4 TRIMESTRE periodo CATEGORIA_OCUPACIONAL Sexo ingreso_nominal
## <dbl> <dbl> <chr> <chr> <chr> <dbl>
## 1 2019 1 2019-Q1 Cuenta propia Mujeres 13221.
## 2 2019 1 2019-Q1 Cuenta propia Varones 17522.
## 3 2019 1 2019-Q1 Obrero o empleado Mujeres 17360.
## 4 2019 1 2019-Q1 Obrero o empleado Varones 23289.
## 5 2019 1 2019-Q1 Patron Mujeres 32727.
## 6 2019 1 2019-Q1 Patron Varones 45798.
## # ℹ 4 more variables: n_observaciones <int>, ipc <dbl>, ingreso_real <dbl>,
## # factor_deflactor <dbl>## [1] "INFLACIÓN ACUMULADA DESDE 2019-Q1 (%):"## # A tibble: 28 × 3
## ANO4 TRIMESTRE inflacion_acumulada
## <dbl> <int> <dbl>
## 1 2019 1 0
## 2 2019 2 11.1
## 3 2019 3 22.2
## 4 2019 4 38.2
## 5 2020 1 50.4
## 6 2020 2 59.9
## 7 2020 3 70.8
## 8 2020 4 88.5
## 9 2021 1 112.
## 10 2021 2 137.
## 11 2021 3 160.
## 12 2021 4 185.
## 13 2022 1 223.
## 14 2022 2 282.
## 15 2022 3 361.
## 16 2022 4 447.
## 17 2023 1 553.
## 18 2023 2 714.
## 19 2023 3 941.
## 20 2023 4 1393.
## 21 2024 1 2339.
## 22 2024 2 2982.
## 23 2024 3 3380.
## 24 2024 4 3698.
## 25 2025 1 3998.
## 26 2025 2 4316.
## 27 2025 3 4560.
## 28 2025 4 4892.
| PERÍODO | MUJERES | VARONES |
|---|---|---|
| 2019-Q1 | 1,525,050 | 2,134,112 |
| 2019-Q2 | 1,256,409 | 1,941,744 |
| 2019-Q3 | 1,246,132 | 1,822,459 |
| 2019-Q4 | 1,124,015 | 1,713,964 |
| 2020-Q1 | 1,103,814 | 1,523,563 |
| 2020-Q2 | 1,129,373 | 1,677,160 |
| 2020-Q3 | 1,014,702 | 1,504,951 |
| 2020-Q4 | 1,322,342 | 1,242,241 |
| 2021-Q1 | 942,595 | 1,642,431 |
| 2021-Q2 | 968,131 | 1,852,961 |
| 2021-Q3 | 1,392,393 | 1,619,080 |
| 2021-Q4 | 1,226,520 | 2,976,997 |
| 2022-Q1 | 1,104,226 | 1,520,125 |
| 2022-Q2 | 1,083,390 | 1,350,345 |
| 2022-Q3 | 1,061,498 | 1,455,619 |
| 2022-Q4 | 1,074,055 | 1,270,365 |
| 2023-Q1 | 1,183,217 | 1,347,025 |
| 2023-Q2 | 942,011 | 1,486,255 |
| 2023-Q3 | 946,676 | 1,492,159 |
| 2023-Q4 | 904,438 | 1,499,594 |
| 2024-Q1 | 758,622 | 1,368,391 |
| 2024-Q2 | 929,051 | 1,506,830 |
| 2024-Q3 | 1,575,011 | 1,531,627 |
| 2024-Q4 | 1,556,554 | 1,619,813 |
| 2025-Q1 | 1,207,883 | 2,134,012 |
| 2025-Q2 | 2,542,501 | 2,408,812 |
| 2025-Q3 | 1,653,724 | 2,277,090 |
| SEXO | PENDIENTE | CREC/TRIM | CREC/ANUAL | R² | ING. INICIAL | ING. FINAL | CAMBIO % |
|---|---|---|---|---|---|---|---|
| Mujeres | 11165.72 | 11165.72 | 44662.90 | 0.06 | 1525050 | 1653724 | 8.44 |
| Varones | 1669.79 | 1669.79 | 6679.15 | 0.00 | 2134112 | 2277090 | 6.70 |
