En este caso de estudio se analizarán las tres variables mencionadas para confirmar la hipótesis que se ha creado:
¿Un mayor nivel educativo promedio, conllevará a un mayor IDH y PIB? o viceversa.
Se piensa que sí, debido a que normalmente la educación en países ricos y desarrollados es mejor por las mejores oportunidades que se presentan y por la buena costumbre al estudio, además de la tecnología superior que pueden utilizar para llevar a cabo las clases y laboratorios.
Tal vez tener estas tres características podrían conllevar a otras positivas, como una menor contaminación, violencia, etc. Aunque sinceramente se asemejaría a una utopía.
Utopía
Sin embargo, si se plantea la misma situación de forma negativa para México, se podrá observar cuales son los estados que presentan un menor PIB e IDH y si son los que presentan una mayor deserción escolar y en que nivel educativo.
El índice de desarrollo humano (IDH) es un indicador nacido de la mano del Programa de Naciones Unidas para el Desarrollo (PNUD) que mide el nivel de desarrollo de cada país atendiendo a variables como la esperanza de vida, la educación o el ingreso per cápita.
La ONU mantiene el uso del índice de desarrollo humano en su continuo trabajo persiguiendo valores como la sostenibilidad y la reducción de los niveles de desigualdad entre continentes. De este modo, no solamente se tiene en cuenta el nivel de ingresos y rentas de los individuos de un país, sino que también mide temas como la educación y las condiciones de vida en las que se desenvuelve la persona.
La deserción escolar es un proceso de alejamiento sucesivo de la escuela que culmina con el abandono por parte del adolescente.
En el plano educativo, se utiliza el término para hablar de aquellos alumnos que abandonan sus estudios por diferentes causas; entendiéndose por estudios a toda educación que se encuentra dentro del sistema educativo impuesto por el gobierno que rija en aquel Estado (primaria, secundaria, universidad, etc.).
Como concepto temporal, Vásquez et al (2003), identifican tres tipos de deserción:
Deserción precoz: cuando un estudiante abandona un programa antes de comenzar habiendo sido aceptado.
Deserción temprana: cuando se abandona el programa durante los primeros cuatro semestres.
Deserción tardía: entendida como abandono desde el quinto semestre en adelante. El enfoque espacial indica que de hecho hay una diferencia entre: Deserción total: cuando el alumno abandona por completo un plan educativo y decide no regresar.
Deserción parcial: cuando el alumno hace lo que generalmente se conoce como una baja temporal y cuando se siente seguro regresa al programa educativo para continuar con sus estudios.
“El gran problema se centra sobre todo en los jóvenes de 15 años en adelante, los cuales por tener carencias económicas, problemas familiares o de adicciones, abandonan la escuela, sin haber alcanzado un nivel de educación mínimo para poder desenvolverse con facilidad en un mundo globalizado y conseguir una buena paga por su trabajo”. - Suárez y Ortega (1998)
library(knitr)
library(readxl)
IDH_paises <- read_excel("IDH_paises.xlsx")
kable(IDH_paises)| Posicion | Pais | IDH |
|---|---|---|
| 1 | Noruega | 0.953 |
| 2 | Suiza | 0.944 |
| 3 | Australia | 0.939 |
| 4 | Irlanda | 0.938 |
| 5 | Alemania | 0.936 |
| 6 | Islandia | 0.935 |
| 7 | Hong Kong, China (SAR) | 0.933 |
| 7 | Suecia | 0.933 |
| 9 | Singapur | 0.932 |
| 10 | Holanda | 0.931 |
| 11 | Dinamarca | 0.929 |
| 12 | Canadá | 0.926 |
| 13 | Estados Unidos | 0.924 |
| 14 | Reino Unido | 0.922 |
| 15 | Finlandia | 0.920 |
| 16 | Nueva Zelanda | 0.917 |
| 17 | Liechtenstein | 0.916 |
| 17 | Bélgica | 0.916 |
| 19 | Japón | 0.909 |
| 20 | Austria | 0.908 |
| 21 | Luxemburgo | 0.904 |
| 22 | Israel | 0.903 |
| 22 | República de Corea | 0.903 |
| 24 | Francia | 0.901 |
| 25 | Eslovenia | 0.896 |
| 26 | España | 0.891 |
| 27 | República Checa | 0.888 |
| 28 | Italia | 0.880 |
| 29 | Malta | 0.878 |
| 30 | Estonia | 0.871 |
| 31 | Grecia | 0.870 |
| 32 | Chipre | 0.869 |
| 33 | Polonia | 0.865 |
| 34 | Emiratos Árabes Unidos | 0.863 |
| 35 | Andorra | 0.858 |
| 35 | Lituana | 0.858 |
| 37 | Qatar | 0.856 |
| 38 | Eslovaquia | 0.855 |
| 39 | Arabia Saudita | 0.853 |
| 39 | Estado de Brunei | 0.853 |
| 41 | Letonia | 0.847 |
| 41 | Portugal | 0.847 |
| 43 | Bahrein | 0.846 |
| 44 | Chile | 0.843 |
| 45 | Hungría | 0.838 |
| 46 | Croacia | 0.831 |
| 47 | Argentina | 0.825 |
| 48 | Omán | 0.821 |
| 49 | Rusia | 0.816 |
| 50 | Montenegro | 0.814 |
| 51 | Bulgaria | 0.813 |
| 52 | Rumanía | 0.811 |
| 53 | Bielorrusia | 0.808 |
| 54 | Bahamas | 0.807 |
| 55 | Uruguay | 0.804 |
| 56 | Kuwait | 0.803 |
| 57 | Malasia | 0.802 |
| 58 | Barbados | 0.800 |
| 58 | Kazajistán | 0.800 |
| 60 | Irán | 0.798 |
| 60 | República de Palaos | 0.798 |
| 62 | Seychelles | 0.797 |
| 63 | Costa Rica | 0.794 |
| 64 | Turquía | 0.791 |
| 65 | Mauricio | 0.790 |
| 66 | Panamá | 0.789 |
| 67 | Serbia | 0.787 |
| 68 | Albania | 0.785 |
| 69 | Trinidad y Tobago | 0.784 |
| 70 | Antigua y Barbuda | 0.780 |
| 70 | Georgia | 0.780 |
| 72 | San Cristóbal y Nieves | 0.778 |
| 73 | Cuba | 0.777 |
| 74 | México | 0.774 |
| 75 | Granada (Caribe) | 0.772 |
| 76 | Sri Lanka | 0.770 |
| 77 | Bosnia y Herzegovina | 0.768 |
| 78 | Venezuela | 0.761 |
| 79 | Brasil | 0.759 |
| 80 | Azerbayán | 0.757 |
| 80 | Líbano | 0.757 |
| 80 | Macedonia | 0.757 |
| 83 | Armenia | 0.755 |
| 83 | Tailandia | 0.755 |
| 85 | Argelia | 0.754 |
| 86 | China | 0.752 |
| 86 | Ecuador | 0.752 |
| 88 | Ucrania | 0.751 |
| 89 | Perú | 0.750 |
| 90 | Colombia | 0.747 |
| 90 | Santa Lucía | 0.747 |
| 92 | Islas Fiji | 0.741 |
| 92 | Mongolia | 0.741 |
| 94 | República Dominicana | 0.736 |
| 95 | Jordania | 0.735 |
| 95 | Túnez | 0.735 |
| 97 | Jamaica | 0.732 |
| 98 | Tonga | 0.726 |
| 99 | San Vicente y las Granandinas | 0.723 |
| 100 | Surinam | 0.720 |
| 101 | Botswana | 0.717 |
| 101 | Maldivas | 0.717 |
| 103 | Domonica | 0.715 |
| 104 | Samoa | 0.713 |
| 105 | Uzbekistán | 0.710 |
| 106 | Belice | 0.708 |
| 106 | Islas Marshall | 0.708 |
| 108 | Libia | 0.706 |
| 108 | Turkmenistán | 0.706 |
| 110 | Gabón | 0.702 |
| 110 | Paraguay | 0.702 |
| 112 | Moldavia | 0.700 |
| 113 | Filipinas | 0.699 |
| 113 | Sudáfrica | 0.699 |
| 115 | Egipto | 0.696 |
| 116 | Indonesia | 0.694 |
| 116 | Vietnam | 0.694 |
| 118 | Bolivia | 0.693 |
| 119 | Palestina | 0.686 |
| 120 | Iraq | 0.685 |
| 121 | El Salvador | 0.674 |
| 122 | Kirguistán | 0.672 |
| 123 | Marruecos | 0.667 |
| 124 | Nicaragua | 0.658 |
| 125 | Cabo verde | 0.654 |
| 125 | Guyana | 0.654 |
| 127 | Guatemala | 0.650 |
| 127 | Tajikistán | 0.650 |
| 129 | Namibia | 0.647 |
| 130 | India | 0.640 |
| 131 | Micronesia | 0.627 |
| 132 | Timor Oriental | 0.625 |
| 133 | Honduras | 0.617 |
| 134 | Bután | 0.612 |
| 134 | Kiribati | 0.612 |
| 136 | Bangladés | 0.608 |
| 137 | Congo | 0.606 |
| 138 | Vanuatu | 0.603 |
| 139 | República de Lao | 0.601 |
| 140 | Ghana | 0.592 |
| 141 | Guinea Ecuatorial | 0.591 |
| 142 | Kenia | 0.590 |
| 143 | Santo Tomé y Príncipe | 0.589 |
| 144 | Reino de Suazilandia | 0.588 |
| 144 | Zambia | 0.588 |
| 146 | Camboya | 0.582 |
| 147 | Angola | 0.581 |
| 148 | Birmania | 0.578 |
| 149 | Nepal | 0.574 |
| 150 | Pakistán | 0.562 |
| 151 | Camerún | 0.556 |
| 152 | Islas Salomón | 0.546 |
| 153 | Papua Nueva Guinea | 0.544 |
| 154 | Tanzania | 0.538 |
| 155 | Siria | 0.536 |
| 156 | Zimbabue | 0.535 |
| 157 | Nigeria | 0.532 |
| 158 | Ruanda | 0.524 |
| 159 | Lesoto | 0.520 |
| 159 | Mauritania | 0.520 |
| 161 | Madagascar | 0.519 |
| 162 | Uganda | 0.516 |
| 163 | Benín | 0.515 |
| 164 | Senegal | 0.505 |
| 165 | Comoras | 0.503 |
| 165 | Togo | 0.503 |
| 167 | Sudán | 0.502 |
| 168 | Afganistán | 0.498 |
| 168 | Haití | 0.498 |
| 170 | Costa de Marfil | 0.492 |
| 171 | Malaui | 0.477 |
| 172 | Yibuti | 0.476 |
| 173 | Ethiopia | 0.463 |
| 174 | Gambia | 0.460 |
| 175 | Guinea | 0.459 |
| 176 | República democrática del Congo | 0.457 |
| 177 | Guinea Bissau | 0.455 |
| 178 | Yemen | 0.452 |
| 179 | Eritrea | 0.440 |
| 180 | Mozambique | 0.437 |
| 181 | Liberia | 0.435 |
| 182 | Mali | 0.427 |
| 183 | Burkina Faso | 0.423 |
| 184 | Sierra Leona | 0.419 |
| 185 | Burundi | 0.417 |
| 186 | Chad | 0.404 |
| 187 | Sudán del Sur | 0.388 |
| 188 | República Centroafricana | 0.367 |
| 189 | Níger | 0.354 |
Mapa de ranking IDH (2018)
México se encuentra en el 74to. lugar a nivel mundial.
El PIB per cápita, ingreso per cápita o renta per cápita es un indicador económico que mide la relación existente entre el nivel de renta de un país y su población. Para ello, se divide el Producto Interior Bruto (PIB) de dicho territorio entre el número de habitantes. Las fórmula es:
\[ PIB_(per cápita) = \frac{PIB}{Población} \]
¿Cómo es la relación que tienen los paises en el mundo con su IDH y el PIB per cápita?
¿Los paises más desarrollados son lo que tienen mayor IDH?
¿Existe una relación entre las tasas de abandono de alumnos en diferentes Estados de México y que su PIB per cápita sea bajo?
¿Son los estados más ricos los más educados? ¿Esto sucede de esa forma a nivel mundial?
¿Cómo ha sido la variación que ha tenido los IDH a lo largo de los últimos años en México?
¿Cómo ha sido la variación del PIB per cápita en los últimos años en México?
NOTA: Las preguntas se revolveran a lo largo del análisis en el apartado correspondiente
setwd("~/EAMJ1130")
library(pacman)
p_load("base64enc", "htmltools", "mime", "xfun","readr", "readxl", "knitr","DT","dplyr", "ggplot2","plotly", "gganimate","gifski","scales", "hpackedbubble")terminan <- read_excel("Educacion_terminan.xlsx")
abandonan <- read_excel("Educacion_abandonan.xlsx")
terminan2020 <- read_excel("Matricula2020.xlsx")
abandonan2020 <- read_excel("Abandonan2020.xlsx")
universidadesSonSin <- read_excel("Educacion_obregon_mochis.xlsx")
niveles <- read_excel("nivelesabandonan.xlsx")
PIB_percapita_Estados <- read_excel("PIB_percapita_Estados.xlsx")## New names:
## * `` -> ...9
PIB_percapita_Paises <- read_excel("PIB_percapita_Paises.xlsx")
IDH_ESTADOS <- read_excel("IDH_ESTADOS.xlsx")
datos_mundial <- read_excel("~/EAMJ1130/datos_mundial.xlsx")datatable(terminan)datatable(abandonan)datatable(terminan2020)datatable(abandonan2020)datatable(universidadesSonSin)datatable(IDH_paises)datatable(IDH_ESTADOS)datatable(PIB_percapita_Paises)datatable(PIB_percapita_Estados)datatable(datos_mundial)La tabla completa se puede consultar en:
Los datos se refieren a 2019 o al año más reciente disponible
En el cálculo del valor del IDH se utiliza el máximo de 18 años de escolarización
(*) El dato de la C.A. de Euskadi es provisional
plot_ly(terminan2020, x = ~Nivel, y = ~Valor, type = "scatter", mode = "markers") %>%
layout(title = "Alumnos que terminan su ciclo escolar (2019-2020)",
xaxis = list(title = "Nivel"),
yaxis = list(title = "Tasa"))fig <- plot_ly(data = terminan2020, x = ~Nivel, y = ~Valor, color = ~Estado)
figfig <- plot_ly(data = abandonan2020, x = ~Nivel, y = ~Valor, color = ~Estado)
fighpackedbubble(abandonan2020$Estado, abandonan2020$Nivel, abandonan2020$Valor,
title = "Estudiantes que abandonaron sus estudios del ciclo 2019 - 2020, por estados",
pointFormat = "<b>{point.name}: </b> {point.y} %",
dataLabelsFilter = 100,
packedbubbleMinSize = "10%",
packedbubbleMaxSize = "60%",
theme = "sunset",
packedbubbleZMin = 0,
packedbubbleZmax = 10000, split = 1,
gravitational = 0.0625,
parentNodeLimit = 1,
dragBetweenSeries = 0,
seriesInteraction = 0,
width = "100%",
height = "1000px" ) El nivel educativo que cuenta con una mayor tasa de deserción es en Secundaria y Media Superior. Esto se debe a que al encontrarse en una edad a la que ya es posible laborar o que los gastos de escolares en esos niveles aumenta, muchas familias no tienen los recursos necesarios para que los estudiantes sigan. Por otro lado, puede ser debido a que los estudiantes de estos niveles se complican más con el hecho de llevar clases virtuales, tomando en cuenta que este análisis de datos es del ciclo 2019-2020, que abarca en tiempo el inicio de la pandemia.
Ahora bien, los niveles educativos en los que se encuentra una mayor deserción han sido los mismos durante años, debido a que la culminación de secundaria y/o la preparatoria se contaba como requisito suficiente para llevar a cabo una vida laboral técnica en México, o bien ya es por falta de cultura que no hay interes por llegar a tener un título universitario y se conforman con solo terminar la primaria o bien la secundaria.
IDH_ESTADOS2 <- read_excel("IDH_ESTADOS2.xlsx")
fig <- plot_ly(data = IDH_ESTADOS2, x = ~Year, y = ~IDH, color = ~Estado)
figContinuando con el análisis, se observa que la variación del índice de desarrollo humano (IDH) en México, ha aumentado en los últimos 20 años.
Sin embargo, el estado con un mayor IDH siempre ha sido la Ciudad de México, con un valor de 0.897 en el 2019, y debajo de este le siguen los estados de Aguascalientes, Campeche, Baja California Sur, Nuevo León y Sonora. Por otra parte, los estados que cuentan con el menor IDH son Chiapas, Guerrero y Oaxaca. Podemos comparar esto con la primer gráfica presentada que es la de los estudiantes que terminan alguno de los niveles educativos, ya que la Ciudad de México es la Entidad Federativa con mayo estudiantes matriculados, seguido igualemente de Baja California Sur y así siendo Chiapas y Oaxaca de los Estados con menor tasa de estudiantes matriculados. Aquí podemos darnos una idea que como el índice educativo juega un papel muy importante en el calculo del IDH, obtenemos esos resultados.
fig <- plot_ly(PIB_percapita_Estados, x = ~`2015`, y = ~`2010`, text = ~ `Entidad federativa`, type = 'scatter', mode = 'markers', size = ~`2015`, color = ~`Entidad federativa`, colors = 'Paired',
marker = list(opacity = 0.5, sizemode = 'diameter'))
fig <- fig %>% layout(title = 'PIB per cápita de Estados en México en el 2010-2015',
xaxis = list(showgrid = FALSE),
yaxis = list(showgrid = FALSE),
showlegend = FALSE)
figEl PIB per cápita de México ha aumentado un poco, de forma general, desde 2010 hasta 2015.
Sin embargo, el estado que cuenta con un mayor PIB y por mucho, es Campeche aunque este tuvo una caída de PIB en esos 5 años. Por consiguiente, se tiene a la Ciudad de México, Nuevo León y Tabasco. En contraste a lo anterior, Chiapas, Oaxca y Tlaxcala cuentan con el PIB más bajo en el país. Nuevamente con este análisis, de igual manera podemos inferir que estos Estados tienen un mayor PIB per cápita, debido al flujo de turismo que tienen, sumando sus actividades económicas.
fig <- plot_ly(IDH_ESTADOS, x = ~ IDH_2019, y = ~ IDH_2010, text = ~ `Entidad federativa`, type = 'scatter', mode = 'markers', size = ~ IDH_2019, color = ~`Entidad federativa`, colors = 'Paired',
marker = list(opacity = 0.5, sizemode = 'diameter'))
fig <- fig %>% layout(title = 'IDH de Estados en México en el 2010-2019',
xaxis = list(showgrid = FALSE),
yaxis = list(showgrid = FALSE),
showlegend = FALSE)
figA continucación el análisis correspondiente es la comparación delíndice de desarrollo humano del año 2010 al 2019 en el cual puede se observa un aumento significtivo en los últimos 10 años.
La Ciudad de México presenta el mayor valor por mucho, seguido de estados ubicados en el norte del país: Baja California Sur, Baja California, Nuevo León y Sonora. Englobando también una comparativa Nacional de un IDH de 0.739 correspondiente al 2010 y uno IDH de 0.834 en el 2019.
fig <- plot_ly(data = IDH_paises, x = ~Posicion, y = ~IDH, color = ~Pais)
figEl país con el mayor IDH en el mundo es Noruega, seguido de Suiza, Irlanda, Alemania, Islandia, Suecia, Singapur, Holanda, Dinamarca, Canadá y Estados Unidos. Es importante conocer esto, debido a que de esta manera se puede realizar un enfoque en estos países con respecto a su PIB y su nivel de educación. Esta clasificación anual permite, por un lado, seguir la evolución de un país a lo largo del tiempo y, por otro, comparar su situación con la del resto de países; entre más cercano este este índice a 1, quiere decir que tienen una mejor calidad de vida, educativo y económico el país; por lo contratio, entre más alejado la calidad de vida y esperanza de vida es menor, al igual que su nivel educativo y económico.
fig <- plot_ly(datos_mundial, x = ~`PIB per capita (*)`, y = ~`Años de escolaridad promedio (a)`, text = ~ IDH, type = 'scatter', mode = 'markers', size = ~`PIB per capita (*)`, color = ~Paises, colors = 'Paired',
marker = list(opacity = 0.5, sizemode = 'diameter'))
fig <- fig %>% layout(title = 'PIB per cápita vs Años promedio de estudios mundial',
xaxis = list(showgrid = FALSE),
yaxis = list(showgrid = FALSE),
showlegend = FALSE)
figEn este caso se puede analizar que la mayoría de países que tienen un buen nivel académico de aproximádamente 13 años de escolaridad promedio, mantienen un PIB promedio de aproximádamente 60k, como Estados Unidos, Alemania, Dinamarca, Cánada, Irlanda, Noruega y Suiza. Estos datos toman sentido al coincidir con los mismos países que cuentan con el mayor IDH.
Mientras que también se encuentran muchas excepciones, el país que mantiene el mayor PIB en la gráfica es Liechtenstein con un promedio de 12.53 años de estudio el cual es bueno y elevado. Lo que puede indicar que en los países que mantienen un promedio elevado de estudios pero un PIB bajo, mantengan un menor desarrollo en general.
Información obtenida de boletín del Programa de las Naciones Unidas para el Desarrollo (2015)
La categorización de las entidades según su nivel de desarrollo permite ilustrar las diferencias entre ellas. Estas pueden pertenecer a las categorías de idh muy alto, alto, medio y bajo, dependiendo del cuartil en el que se ubiquen. Los cuartiles son grupos de igual tamaño y cada uno concentra a 25% de las entidades. Cabe destacar que el número de personas que integra la población de los cuartiles es diferente.
Los parámetros que definen las categorías de desarrollo humano para las entidades en 2012 se aprecian en el cuadro 1. Cerca de 52.6% de la población en México habita en entidades con desarrollo humano alto o muy alto, mientras que un tercio (38,110,829 personas) habita en entidades con desarrollo humano bajo.
“Los países cuentan con numerosas oportunidades para expandir el desarrollo humano basado en las capacidades y, al mismo tiempo, reducir las presiones planetarias. Cuando se incorporan los valores y la capacidad de actuación, aumentan todavía más las oportunidades”
En conclusión, este caso de estudio y la información obtenida de bases de datos abiertos, como en páginas de INEGI, SEMARNAT, incluso de páginas que se dedican al análisis estadísticos de estos temas; con esto pudimos realizar nuestro propio análisis comparativo que involucra datos de IDH y PIB per cápita en México y países en el mundo.
En el caso del análisis que se hizo a México y sus Entidades Federativas, tomando en consideración datos de la educación, como la matriculación y deserción escolar; con esto obtivimos que los Estados más altos tomando todos estos aspectos, son la Ciudad de México, Campeche, Nuevo León, Baja California Sur y Aguascalientes. La razón más obvia de esto y con la que podemos hacer una conclusión basada en el ánalisis estadístico obtenido, es que al ser lugares en donde tienen una actividad económica más estable y mejor, los niños o bien estudiantes tienen una mayor prosibilidad de terminar sus estudios y prepararse, lo que también nos daría respuesta al valor de su IDH, dado a como ya se mensionó en el análisis, este índice considera ambos valores para su calculo.
Por otra parte, los estados con menores valores de PIB per cápita e IDH, siempre fueron Chiapas, Guerrero y Oaxaca. También obteniendo una tasa alta de deserción a nivel Secundaria de 13, 10.9 y 11.5. Lo que puede afirmar la segunda hipotesís de que los estados con menor desarrollo y economía cuentan con mayor deserción escolar aunque se encuentran muchas excepciones, esto tiende a llevarse de esa manera.
Si bien sería coherente que si subiera el nivel educativo en México y el PIB percápita, conllevaría al aumento del IDH, lo que también desencadenaría un mayor nivel de calidad de vida. Más sin embargo, considerando la situación actual de pandemia, esperariamos que ese aumento observado a lo largo de los últimos 20 ó 10 años, tuviera un decenso drástico, no solo en México, sino también en todo el mundo.
Por último, considerando un breve análisis de algunos países, se puede llegar a lo siguiente que los países con mayor desarrollo cuentan con un PIB alto y un nivel promedio alto de escolaridad, lo que lleva también a que su IDH sea de igual manera elevado; en donde la calidad de vida llega a ser muy buena y con buenas oportunidades, como el caso de Suiza, Alemania, Dinamarca, Canadá, etc., países que se mostraron altos en todos los análisis anteriores, tal como se esperaba o se esperaría obtener como resultado, Lo que nos llevaría a considerar que nuestra hipotesís es correcta o se acerca a la realidad.
E. (2020). Índice de Desarrollo Humano por indicadores según países. 2020. Eustat. LINK
Expansión. (2020). PIB - Producto Interior Bruto 2020. datosmacro.com. LINK
Javier Sánchez Galán(29 de junio, 2016).PIB per cápita. Economipedia.com
INEGI. (s. f.). Escolaridad. Cuéntame de México. Cuentame.inegi.org. LINK
Programa de las Naciones Unidas para el Desarrollo. (2015). Índice de Desarrollo Humano para las entidades federativas, México 2015. LINK
Programa de las Naciones Unidas para el Desarrollo. (2020). INFORME SOBRE DESARROLLO HUMANO 2020. LINK
SEMARNAT. (2020). Índice de desarrollo humano. semarnat.gov.mx. LINK
UAEH. (2019). Deserción escolar. LINK