Trabajo Final Inequidad
Angelica Lizcano
30/5/2020
Indice de Desarrollo Humano Ajustado en Haiti y Republica Dominicana
Un Análisis del Índice desde el 2010 hasta el 2017
El Programa de Desarrollo de las Naciones Unidad (UNDP) http://report.hdr.undp.org/ hace el reporte sobre el indice de desarrollo de los paises evaluando los resultados respecto a la expectativa de vida, el PIB y educación en cada país. Adicionalmente fabrican un Indice Ajustado de desigualdad el cual tiene en cuenta las diferencias entre la población de cada país, lo que implica un índice de desarrollo más real. .
Para efectos de este análisis se tomo el reporte de la UNDP publicado en su pagina web en el lapso de tiempo del 2010 al 2017. Se analizaran los resultados del indice ajustado de inequidad explicado anteriormente, para la realidad de dos paises que comparten la misma isla y que tienen dos realidades sociales muy diferentes..
Este primer mapa es unicamente representativo de las regiones que componen nuestro planeta y como está distribuido. .
# Cargar Data de las regiones del mundo
globeMap <- read.csv("D:/Users/Usuario/Desktop/ANGELICA/ESPECIALIZACION/COMUNICACION/Choroplet/globeMap.csv")
# Añadir libreria de GGplot para graficos
library(ggplot2)
ggplot(globeMap, aes(x = long, y = lat, group=group)) +
geom_polygon(aes(fill=Continent_Name))+
scale_fill_manual(values = c("#fefe00","#fa7a3f","#b40500","#2495d0","#e8e4e8","#5d0d10","#fe710c","#20569a","#678702","#47594b","#f2b17c,"))+
labs(title = "Regiones del mundo", caption = "Empty territories have no index. Source Uknown", x = "Longitud", y= "Latitud")+ theme_bw()
# Cargar Data del Indice ajustado de desigualdad en el mundo
allAdjustedIndexes <- read.csv("D:/Users/Usuario/Desktop/ANGELICA/ESPECIALIZACION/COMUNICACION/Trabajo Final Inequidad/allAdjustedIndexes.csv", na.strings="")Indice ajustado de Inequidad en el mundo para el año 2017
A continuación veremos las cifras más actuales del data set disponible acerca de la distribución de Indice de Inequidad en el mundo. En esta ilustración veremos los resultados de los 3 componentes del indice y el resultado final del mismo para cada pais en el mundo. Cabe resaltar que entre más oscuro sea el color de cada país indica un mayor indice de inequidad..
# Filtar los datos del 2017
allAdjustedIndexes_2017 <- subset(allAdjustedIndexes, allAdjustedIndexes$year =="X2017")
# Renombrar la columna codigo pais en letras
colnames(allAdjustedIndexes_2017)[5]<-"Three_Letter_Country_Code"
# Combinar los 2 Dataset
library(dplyr)##
## Attaching package: 'dplyr'## The following objects are masked from 'package:stats':
##
## filter, lag## The following objects are masked from 'package:base':
##
## intersect, setdiff, setequal, unionDataCombinado <- left_join(globeMap,allAdjustedIndexes_2017 , by = c("Three_Letter_Country_Code","Three_Letter_Country_Code"))
DataCombinado <-subset(DataCombinado, DataCombinado$indicator_name!= "NA")
# Añadir libreria de GGplot para graficos
library(ggplot2)
#Crear mapa con indice de inequidad
Mapa_Inequidad <- ggplot(DataCombinado, aes(x=DataCombinado$long, y=DataCombinado$lat, group = as.factor(DataCombinado$group)))
#Quitar datos de NA
# add geometry
Mapa_Inequidad <- Mapa_Inequidad + geom_polygon(aes(fill = value))
# add color palettes
Mapa_Inequidad <- Mapa_Inequidad + scale_fill_viridis_c(option="magma")
# add labels
Mapa_Inequidad <- Mapa_Inequidad + labs(title = "Indice de Inequiedad Ajustado (2017)", subtitle = "Average of education, health and income inequality indexes", caption = "Grey territories have no index. Source UN", x = "Longitud", y= "Latitud")
Mapa_Inequidad <- Mapa_Inequidad + facet_wrap(indicator_name ~.)
# add margins
Mapa_Inequidad <- Mapa_Inequidad + theme_bw()
# plot the map
Mapa_Inequidad
Indice Ajustado de Inequidad en America (2010)
Ahora bien, ya hemos visto como esta repartida la inequidad en el mundo y con el fin de ir adentrandonos en nuestro objetivo, en la siguiente grafica observaremos como se representó este mismo indice en el año 2010 en los paises norte Americanos, especialmente en Haiti y Republica Dominicana .
# Filtar los datos del 2010
allAdjustedIndexes_2010 <- subset(allAdjustedIndexes,allAdjustedIndexes$year=="X2010")
# Filtrar los datos de America
allAdjustedIndexes_2010AS <- subset(allAdjustedIndexes_2010,allAdjustedIndexes_2010$Continent =="5")
# Renombrar la columna codigo pais en letras
colnames(allAdjustedIndexes_2010AS)[5]<-"Three_Letter_Country_Code"
# Seleccionar solo la region de Norte Amercia del Mapa
GlobeMap_NAmerica <- subset(globeMap,globeMap$Continent_Name=="North America" )
# Combinar los 2 Dataset
library(dplyr)
DataCombinado2010I <- left_join(GlobeMap_NAmerica,allAdjustedIndexes_2010AS , by = c("Three_Letter_Country_Code","Three_Letter_Country_Code" ))
DataCombinado2010I <- subset(DataCombinado2010I, DataCombinado2010I$indicator_name!= "NA")
# Añadir libreria de GGplot para graficos
library(ggplot2)
#Crear mapa con indice de inequidad
Mapa_Inequidad_2010I <- ggplot(DataCombinado2010I, aes(x=DataCombinado2010I$long, y=DataCombinado2010I$lat, group = as.factor(DataCombinado2010I$group)))+
geom_point() +
xlim(-200, 0)
# add geometry
Mapa_Inequidad_2010I <- Mapa_Inequidad_2010I + geom_polygon(aes(fill = value))
# add color palettes
Mapa_Inequidad_2010I <- Mapa_Inequidad_2010I + scale_fill_viridis_c(option="magma")
# add labels
Mapa_Inequidad_2010I <- Mapa_Inequidad_2010I + labs(title = "Indice de Inequiedad Ajustado en las Islas de America (2010)", subtitle = "Average of education, health and income inequality indexes", caption = "Grey territories have no index. Source UN", x = "Longitud", y= "Latitud")
Mapa_Inequidad_2010I <- Mapa_Inequidad_2010I + facet_wrap(indicator_name ~.)
# add margins
Mapa_Inequidad_2010I <-Mapa_Inequidad_2010I + theme_bw()
# plot the map
Mapa_Inequidad_2010I
Indice ajustado de inequidad en Haiti y Republica Dominicana
Ahora miremos comparativamente como se ha comportado el Indice Ajustado de Inequidad en Haiti y Republica Dominicana desde el 2010 hasta el 2017 .
library(ggplot2)
#creo subset para Haiti y Republica Dominicana
HYDR <- subset(allAdjustedIndexes, allAdjustedIndexes$country_name %in% c("Haiti","Dominican Republic" ))
# grafico de barras comparativo indice dos paises
ggplot(data=HYDR, aes(x=HYDR$year, y=HYDR$value, fill=HYDR$country_name)) +
geom_bar(stat="identity", position=position_dodge()) +
scale_fill_manual(values=c("#2495d0", "#678702"))+
xlab("Años") + ylab("Indice Ajustado") +
ggtitle("Indice Ajustado de Inequidad en Haiti y Republica Dominicana")
Como hemos visto en todos los graficos presentados hasta el momento, existe una diferencia importante entre los resultados de estos dos paises, que apesar de compartir un mismo pasado histórico, las realidades sociales de estos dos paises son muy diferentes. Ahora miremos en dedalle cada uno de los 3 componentes de este indice en los dos paises en los años evaluados, teniendo en cuenta especialmente el año 2010 cuando Haiti fue victima de un terremoto que dejó grandes pérdidas al país. ¿como afecto este fenomeno natural al indice de Inequidad Ajustado? .
library(ggplot2)
#creo el objeto ggplot
grafica <- ggplot(HYDR,aes(x=HYDR$year,y=HYDR$value ,color=HYDR$country_name, group=country_name))
grafica <- grafica + geom_point()
grafica <- grafica + theme(axis.text.x = element_text(angle = 90, size = 6,hjust = 1 ))
grafica <- grafica + labs(y="Indice Ajustado", x="Año", title="Indice Ajustado de Inequidad")
grafica <- grafica + facet_wrap(indicator_name ~.)
grafica <- grafica + geom_vline (aes ( xintercept = "X2010"))
grafica
library(ggplot2)
#creo el objeto ggplot
grafica <- ggplot(HYDR,aes(x=HYDR$year,y=HYDR$value, fill=HYDR$country_name , group = HYDR$country_name ))
grafica <- grafica + geom_bar(stat="identity" , position ="dodge")
grafica <- grafica + theme(axis.text.x = element_text(angle = 90, size = 6,hjust = 1 ))
grafica <- grafica + labs(y="indice", x="Año", title="Indice Ajustado de Inequidad y sus tres componentes")
grafica <- grafica + scale_fill_manual(values=c("#2495d0", "#678702"))
grafica <- grafica + facet_wrap(indicator_name ~.)
grafica
Finalmente veremos comparativamente el comportamiento del Indice de inequidad de Haity en referencia a los demás paises del lado Norte de America, donde podemos observar una diferencia bastante marcada con su vecino Republica Dominicana y otras islas cercanas como Cuba, Bahamas, Trinidad y Tobajo, Jamaica, entre otros. .
#creo subset para america del norte en todos los años
allAdjustedIndexes_NAmerica <- subset(allAdjustedIndexes,allAdjustedIndexes$Continent =="5")
heatmap <- ggplot(allAdjustedIndexes_NAmerica, aes(x=country_name, y=year, fill=value))
heatmap <- heatmap + geom_tile()
heatmap <- heatmap + scale_fill_viridis_c(option="viridis", limits = c(0,1))
heatmap <- heatmap + theme(axis.text.x = element_text(angle = 90))
heatmap <- heatmap + labs(title = "Indice de Inequidad Ajustado en Norte America", subtitle = "Periodo 2010-2017", caption = "Fuente: UNDP", x = "Pais", y="Año")
heatmap
A continuación se muestra la evolución de Indice Ajustados en los dos paises a lo largo de los años evaluados .
library(dplyr)
#Creo un subset de GlobeMap solo para Haiti y Republica Dominicana
Map_HYDR <- subset(globeMap, globeMap$Three_Letter_Country_Code %in% c("HTI","DOM" ))
#creo un subset para el indice ajustado
IND_HYDR <- subset(HYDR, HYDR$indicator_id %in% c("138806"))
#Renombro la columda de nombre pais en 3 letras
colnames(IND_HYDR)[5]<-"Three_Letter_Country_Code"
#Combino los dataset de map e indice para graficar
MAPA_HYDR <- left_join(Map_HYDR,IND_HYDR , by = c("Three_Letter_Country_Code","Three_Letter_Country_Code" ))
#Crear mapa con indice de inequidad para Haiti y Republica Dominicana
MAPA_HTIYDOM <- ggplot(MAPA_HYDR, aes(x=MAPA_HYDR$long, y=MAPA_HYDR$lat, group = as.factor(MAPA_HYDR$group)))+
geom_point() +
xlim(-75, -65)
# add geometry
MAPA_HTIYDOM <- MAPA_HTIYDOM + geom_polygon(aes(fill = value))
# add color palettes
MAPA_HTIYDOM <- MAPA_HTIYDOM + scale_fill_viridis_c(option="magma")
# add labels
MAPA_HTIYDOM <- MAPA_HTIYDOM + labs(title = "Indice de Inequiedad Ajustado en Haiti y Republica Dominicana", subtitle = "2010-2017", caption = "Grey territories have no index. Source UN", x = "Longitud", y= "Latitud")
#anañdo faceta para año
MAPA_HTIYDOM <- MAPA_HTIYDOM + facet_wrap(year~.)
# add margins
MAPA_HTIYDOM <-MAPA_HTIYDOM + theme_bw()
# plot the map
MAPA_HTIYDOM
Finalmente veremos los resultados cada uno de los tres componentes del indice en los dos paises evaluados en el año 2017 .
library(dplyr)
#creo un subset para el año 2017
IND_HYDR_2017 <- subset(HYDR, HYDR$year %in% c("X2017"))
#Renombro la columda de nombre pais en 3 letras
colnames(IND_HYDR_2017)[5]<-"Three_Letter_Country_Code"
#Combino los dataset de map e indice para graficar
MAPA_HYDR <- left_join(Map_HYDR,IND_HYDR_2017 , by = c("Three_Letter_Country_Code","Three_Letter_Country_Code" ))
#Crear mapa con indice de inequidad para Haiti y Republica Dominicana
MAPA_HTIYDOM <- ggplot(MAPA_HYDR, aes(x=MAPA_HYDR$long, y=MAPA_HYDR$lat, group = as.factor(MAPA_HYDR$group)))+
geom_point() +
xlim(-75, -65)
# add geometry
MAPA_HTIYDOM <- MAPA_HTIYDOM + geom_polygon(aes(fill = value))
# add color palettes
MAPA_HTIYDOM <- MAPA_HTIYDOM + scale_fill_viridis_c(option="magma")
# add labels
MAPA_HTIYDOM <- MAPA_HTIYDOM + labs(title = "Indice de Inequiedad Ajustado en Haiti y Republica Dominicana", subtitle = "Y sus componentes", caption = "Grey territories have no index. Source UN", x = "Longitud", y= "Latitud")
#Añado una faceta para el indicador
MAPA_HTIYDOM <- MAPA_HTIYDOM + facet_wrap(indicator_name ~.)
# add margins
MAPA_HTIYDOM <-MAPA_HTIYDOM + theme_bw()
# plot the map
MAPA_HTIYDOM
Conlusión
En conclusión, Haity y Republica Dominicana son dos paises que comparten la mismas isla y que a pesar de tener un pasado historico común, las consecuencias de las colonias, los procesos de independencia y deuda externa han marcado significativamente los indices de desarrollo de estos dos paises que como se vio en el analisis tienen cifras muy diferentes. A lo largo de los años estudiados en este informe se ve para ambos paises una mejoria notoria en cuanto al indice ajustado de inequidad. Para el caso de Haiti, la ultima grafica nos permite ver como el la expectativa de vida tiene un peso importante en la medición conjunta del indicador. Por otro lado, para el mismo caso de Haiti, se esperaba ver un cambio notorio en el indice despues del 2010 debido al terremoto que tuvo lugar en dicho año, sin embargo, el cambio en el indice no fue mayor despues de ese año. Por su parte, Republica Dominicana tiene un comportamiento del indice similar al de otros paises de su región y mucho mejor que su fronterizo Haiti, al igual que Haiti la expectativa de vida es el componente de mejor calificación el cual aporta significativamente al indice ajustado y tambien tiene un crecimiento notorio a traves de los años estudiados en este informe. Es de resaltar que las diferencias entre ambos paises en el periodo estudiado se mantiene casi constante, por lo que se podría decir que las diferencias se mantienen constantes. .