Resultados Encovi 2014

TAB 1: Proporción de la población que son mujeres, indígenas, y distribución de la población por grupo de edad

DESCRIPCIÓN

La tabla que se desarrolla acontinuación muestra los porcentajes de cuantas personas son mujeres,cuantas son de origen indígena, y en que grupos de edad ellas se encuentran.Cabe mencionar que estos rangos son: Menores 15, de 15 a 24, de 25 a 64 y de 65 ó más. Esto tomando como muestra las encuentas hechas en ENCOVI. Estas categorias también se dividen por el área, ya sea urbano o rural, la pobreza que las mujeres tienen y los departamentos de Guatemala.

RESULTADOS

Aquí se muestra como se obtuvieron los resultados de la búsqueda que se quiere hacer con respecto a la población femenina de la muestra.

library(haven)
library(dplyr)
library(ggplot2)
Poblacion <- read_sav("~/Data Science/ENCOVI/personas.sav")
Poblacion  <- select(Poblacion, DEPTO, AREA, POBREZA, PPA02, PPA03, P04A11A)
names(Poblacion) <- c("Departamento", "Area", "Pobreza", "Sexo", "Edad", "Etnia")
Poblacion <-Poblacion[complete.cases(Poblacion),]
Poblacion$Departamento <- as.factor(Poblacion$Departamento)
Poblacion$Area  <- as.factor(Poblacion$Area)
Poblacion$Pobreza  <- as.factor(Poblacion$Pobreza)
levels(Poblacion$Departamento)<- c("Guatemala", "El Progreso", "Sacatepequez", "Chimaltenango", "Escuintla", "Santa Rosa", "Solola", "Totonicapan", "Quetzaltenango", "Suchitepequez", "Retalhuleu", "San Marcos", "Huehuetenango", "Quiche", "Baja Verapaz", "Alta Verapaz", "Peten", "Izabal", "Zacapa", "Chiquimula", "Jalapa", "Jutiapa")
levels(Poblacion$Area)<- c("Urbana", "Rural")
levels(Poblacion$Pobreza) <- c ("Pobre extremo", "Pobre no extremo", "No pobre")
Poblacion$Sexo <- as.character(Poblacion$Sexo)
Poblacion$Sexo[Poblacion$Sexo == 1] <- "Hombre"
Poblacion$Sexo[Poblacion$Sexo == 2] <- "Mujer"
Poblacion$Etnia<- as.character(Poblacion$Etnia)
Poblacion$Etnia[Poblacion$Etnia == 1] <- "Indigena"
Poblacion$Etnia[Poblacion$Etnia == 2] <- "Indigena"
Poblacion$Etnia[Poblacion$Etnia == 3] <- "Indigena"
Poblacion$Etnia[Poblacion$Etnia == 4] <- "Indigena"
Poblacion$Etnia[Poblacion$Etnia == 5] <- "Indigena"
Poblacion$Etnia[Poblacion$Etnia == 6] <- "Indigena"
Poblacion$Etnia[Poblacion$Etnia == 7] <- "Indigena"
Poblacion$Etnia[Poblacion$Etnia == 8] <- "Indigena"
Poblacion$Etnia[Poblacion$Etnia == 9] <- "Indigena"
Poblacion$Etnia[Poblacion$Etnia == 10] <- "Indigena"
Poblacion$Etnia[Poblacion$Etnia == 11] <- "Indigena"
Poblacion$Etnia[Poblacion$Etnia == 12] <- "Indigena"
Poblacion$Etnia[Poblacion$Etnia == 13] <- "Indigena"
Poblacion$Etnia[Poblacion$Etnia == 14] <- "Indigena"
Poblacion$Etnia[Poblacion$Etnia == 15] <- "Indigena"
Poblacion$Etnia[Poblacion$Etnia == 16] <- "Indigena"
Poblacion$Etnia[Poblacion$Etnia == 17] <- "Indigena"
Poblacion$Etnia[Poblacion$Etnia == 18] <- "Indigena"
Poblacion$Etnia[Poblacion$Etnia == 19] <- "Indigena"
Poblacion$Etnia[Poblacion$Etnia == 20] <- "Indigena"
Poblacion$Etnia[Poblacion$Etnia == 21] <- "Indigena"
Poblacion$Etnia[Poblacion$Etnia == 22] <- "Indigena"
Poblacion$Etnia[Poblacion$Etnia == 23] <- "Xinca"
Poblacion$Etnia[Poblacion$Etnia == 24] <- "Garifuna"
Poblacion$Etnia[Poblacion$Etnia == 29] <- "Ladino"

Aquí se muestra la tabla del número de total de personas indígenas:

Total_Indigenas <- Poblacion %>%
  group_by(Etnia) %>%
  summarise(cantidad= n()) %>%
  mutate(porcentaje = cantidad/sum(cantidad)*100) %>%
  filter(Etnia == "Indigena") %>%
  summarise(Etnia, porcentaje)
Total_Indigenas

Se muestra la población indígena por el área en la que viven:

Indigenas_Area <- Poblacion %>%
  group_by(Area, Etnia) %>%
  summarise(cantidad= n()) %>%
  mutate(porcentaje = cantidad/sum(cantidad)*100) %>%
  filter(Etnia == "Indigena") %>%
  summarise(porcentaje)
Indigenas_Area

La población indígena:

Indigenas_Pob <- Poblacion %>%
  group_by(Pobreza, Etnia) %>%
  summarise(cantidad= n()) %>%
  mutate(porcentaje = cantidad/sum(cantidad)*100) %>%
  filter(Etnia == "Indigena") %>%
  summarise(porcentaje)
Indigenas_Pob

Se muestra la población indígena por departamentos:

Indigenas_Dep <- Poblacion %>%
  group_by(Departamento, Etnia) %>%
  summarise(cantidad= n()) %>%
  mutate(porcentaje = cantidad/sum(cantidad)*100) %>%
  filter(Etnia == "Indigena") %>%
  summarise(porcentaje)
Indigenas_Dep

Población de mujeres:

Total_Mujeres <- Poblacion %>%
  group_by(Sexo) %>%
  summarise(cantidad= n()) %>%
  mutate(porcentaje = cantidad/sum(cantidad)*100) %>%
  filter(Sexo == "Mujer") %>%
  summarise(Sexo, porcentaje)
Total_Mujeres

Distribución de mujeres por área:

Mujeres_Area <- Poblacion %>%
  group_by(Area, Sexo) %>%
  summarise(cantidad= n()) %>%
  mutate(porcentaje = cantidad/sum(cantidad)*100) %>%
  filter(Sexo == "Mujer") %>%
  summarise(porcentaje)
Mujeres_Area

Se muestra la tabla de la población femenina por pobreza y departamento:

Mujeres_Pobreza <- Poblacion %>%
  group_by(Pobreza, Sexo) %>%
  summarise(cantidad= n()) %>%
  mutate(porcentaje = cantidad/sum(cantidad)*100) %>%
  filter(Sexo == "Mujer") %>%
  summarise(porcentaje)
Mujeres_Pobreza

Mujeres_Departamento <- Poblacion %>%
  group_by(Departamento, Sexo) %>%
  summarise(cantidad= n()) %>%
  mutate(porcentaje = cantidad/sum(cantidad)*100) %>%
  filter(Sexo == "Mujer") %>%
  summarise(porcentaje)
Mujeres_Departamento

Anios_Total <- Poblacion %>%
  group_by(Edad) %>%
  summarise()
Rango_Edades_Total <- Poblacion %>%
  summarise(Menor15 = sum(ifelse(Edad<15,1,0))/n()*100, De15a24  = sum(ifelse(Edad>=15 & Edad<=24,1,0))/n()*100, De25a64 = sum(ifelse(Edad>=25 & Edad<=64,1,0))/n()*100, Mayor64= sum(ifelse(Edad>=65,1,0))/n()*100)
Rango_Edades_Total

Se muestran a la población con los distintos rangos de edad por área, pobreza y departamento:

Rango_Edades_Area <- Poblacion %>%
  group_by(Area)%>%
  summarise(Menor15 = sum(ifelse(Edad<15,1,0))/n()*100, De15a24  = sum(ifelse(Edad>=15 & Edad<=24,1,0))/n()*100, De25a64 = sum(ifelse(Edad>=25 & Edad<=64,1,0))/n()*100, Mayor64= sum(ifelse(Edad>=65,1,0))/n()*100)
Rango_Edades_Area

Rango_Edades_Pobreza <- Poblacion %>%
  group_by(Pobreza)%>%
  summarise(Menor15 = sum(ifelse(Edad<15,1,0))/n()*100, De15a24  = sum(ifelse(Edad>=15 & Edad<=24,1,0))/n()*100, De25a64 = sum(ifelse(Edad>=25 & Edad<=64,1,0))/n()*100, Mayor64= sum(ifelse(Edad>=65,1,0))/n()*100)
Rango_Edades_Pobreza

GRÁFICAS

La primera gráfica muestra el porcentaje de mujeres por departamento.

Mujeres_Departamento %>% ggplot(aes(as_factor(Departamento), porcentaje, fill=Departamento)) + 
    geom_col(position = "dodge") +
    theme(axis.text.x = element_text(angle = 90)) +
    labs(x="Departamento", label="Mujeres en Guatemala")

La segunda gráfica nos muestra los rangos de edad de la población por departamento y se puede observar cual es el que predomina.

Rango_Edades_Dep <- Poblacion %>%
  group_by(Departamento)%>%
  summarise(Menor15 = sum(ifelse(Edad<15,1,0))/n()*100, De15a24  = sum(ifelse(Edad>=15 & Edad<=24,1,0))/n()*100, De25a64 = sum(ifelse(Edad>=25 & Edad<=64,1,0))/n()*100, Mayor64= sum(ifelse(Edad>=65,1,0))/n()*100)%>% gather(rango_de_edades, penetracion, -Departamento)

Rango_Edades_Dep%>% ggplot(aes(as_factor(Departamento), penetracion)) +
    geom_col(aes(fill = rango_de_edades, group = rango_de_edades), position = "dodge") +
    theme(axis.text.x = element_text(angle = 90)) +
    labs(x="Departamento", y="Penetración")

La tercera gráfica nos muestra cuanta de la población femenina es de origen indigena dependiendo el departamento en el que viven.

Indigenas_Dep <- Poblacion %>%
  group_by(Departamento, Etnia) %>%
  summarise(cantidad= n()) %>%
  mutate(porcentaje = cantidad/sum(cantidad)*100) %>%
  filter(Etnia == "Indigena") %>%
  summarise(porcentaje)

Indigenas_Dep %>% ggplot(aes(as_factor(Departamento), porcentaje)) + 
    geom_col(position = "dodge") +
    theme(axis.text.x = element_text(angle = 90)) +
    labs(x="Departamento", label="Mujeres índigenas en Guatemala")

CONCLUSIONES

1. La población femenina es mayor en cada uno de los departamentos en el rango de edad de menores de 15 años. Esto nos quiere decir que la población jovén es más grande, pero además se puede observar que la población de 15 a 24 años es menor en un rango de 1 a 10%, y la población de 25 a 64 años es casi igual al porcentaje de la población joven.

2. Parte de la población femenina en los departamentos de Totonicapán y Sololá son de origen indígena, dado que tienen 94.8%y 95.8% respectivamente. En estos departamentos la conservación de la cultura y el legado indigena que caracteriza la historia de Guatemala se ve reflejado. Por otro lado los departamentos con menos población indígena son Jutiapa y zacapa con ambos casi 0.2% de su población. Aquí se puede observar que las personas ya no tiene origenes étnicos sino que todos en su mayoría son ladinos.

3. En el área urbana hay un 51.89% y en la rural 50.76% de población femenina demostrando así que hay más mujeres en el país, según la muestra tomada en ENCOVI. Demostrando así que la población femenina puede predominar en el futuro, si está se educa y se prepará profesionalmente.