Figura 1: gráfica de dispersión de Población de estudiantes en diferentes niveles academicos

library(scales)
library(plotly)
datos1 <- read_excel("EducacionEF2.xlsx")
s <- ggplot(data = datos1) +
  geom_point(mapping = aes(x = Entidad, y = Población , color = Escolaridad))+
  theme(axis.text.x = element_text(angle=90, hjust=1),axis.text.y =element_text(size = 6)) +
   ggtitle("Población en diferentes niveles educativos en el año 2020 (Fuente: INEGI)")+
  scale_y_continuous(labels = comma)
ggplotly(s)

Interpretación de datos: Existe una mayor población de estudiantes en el nivel educativo de primaria y secundaria en la mayoría de las entidades de México. Siendo así que CDMX cuenta con mayor cantidad de estudiantes a nivel estatal en el país, teniendo así una cantidad de 1,663,790 en primaria, 1,885,918 en secundaria, 1,897,277 estudiantes en preparatoria, 2,083,439 en licenciatura. Y en donde menos estudiantes asisten a la escuela son las entidades de Colima, Baja California Sur y Campeche. Se puede decir que cuando más dificultad presenta el nivel académico existe un menor número de estudiantes que asiste en la escuela.

Figura 2: Gráfica de burbujas de tasa de abandono escolar por entidad federativa según nivel educativo, ciclo escolar 2019/2020

library(readxl)
library(hpackedbubble)
datos6 <- read_excel("Education.xlsx")
hpackedbubble(datos6$Entidad_federativa, datos6$Nivel_educativo, datos6$'2019/2020',
              title = "Tasa de abandono escolar por entidad federativa según nivel educativo, ciclo escolar 2019/2020",
              pointFormat = "<b>{point.name}:</b> {point.y}",
              dataLabelsFilter = 200,
              packedbubbleMinSize = "25%",
              packedbubbleMaxSize = "40%",
              theme = "sunset",
              packedbubbleZMin = 0,
              packedbubbleZmax = 1000, split = 1,
              gravitational = 0.02,
              parentNodeLimit = 1,
              dragBetweenSeries = 0,
              seriesInteraction = 0,
              width = "100%")

Entre mas grande sea la burbuja interior de la burbuja que representa al estado analizado, quiere decir que es mas alto el porcentaje de abandono en ese nivel educativo, por lo que se puede apreciar que Durango, es el único estado que tiene un porcentaje mayor a 14.5, este estado cuenta con 14.7% de abandono para el nivel Mediana Superior, de ahí le sigue el estado de Morelos con 14.3% en el nivel de Mediana Superior. Por lo contrario, el mas bajo son para los estados de Tlaxcala, Coahuila de Zaragoza, Querétaro y Quintana Roo con un 0% a nivel primaria, todo esto durante el ciclo del 2019 al 2020.

Figura 3: Gráfica de dispersión de tasa de abandono en Sonora a nivel educatuvo en Sonora en distintos ciclos escolares.

library(readxl)
library(ggplot2)
library(plotly)
datos10 <- read_excel("Decesos_Sonora.xlsx")
ciclo <- datos10$Año
d1 <- datos10$Primaria
d2 <- datos10$Secundaria
d3 <- datos10$Media_Superior
d4 <- datos10$Superior
d5 <- data.frame(d1,d2,d3,d4)
x <- ggplot(data=d5)+
  geom_point(aes(ciclo, d1, colour="Primaria")) + 
  geom_point(aes(ciclo, d2, colour="Secundaria")) + 
  geom_point(aes(ciclo, d3, colour="Media superior")) +
  geom_point(aes(ciclo, d4, colour="Superior")) +
  xlab("Ciclo") +
  ylab("Tasa de abaondon (porcentaje)") +
  labs(colour="Escolaridad") +
  ggtitle("Tasa de abandono a nivel educativo en Sonora en distintos ciclos escolares (Fuente: INEGI)")
ggplotly(x)

Interpretación de los datos: Existe un deceso muy grande del nivel escolar de media superior en Sonora, donde se presenta más tasa de abandono por parte de los estudiantes, esto puede ser debido a distintos factores como falta de materiales para tomar las clases en linea y por la necesidad de buscar empleo para apoyar la economía familiar, de igual manera los estudiantes de secundaria presentan cierto índice de abandono. Sin embargo los estudiantes del nivel educativo de superior y primaria permanecen constantes, siendo muy pocos estudiantes que abandonan los estudios.

Las principales causas que propician la dimisión de los estudios, son económicas (falta de recursos materiales o la necesidad de dejar las clases por un trabajo de tiempo completo) y personales (problemas de aprendizaje, desinterés y desmotivación); además, en un mínimo, causas familiares (embarazo a edad temprana, unión libre, problemas entre la familia que afectan psicológica y emocionalmente al alumno) y sociales (desigualdad social y económica, lejanía del centro educativo y ubicación en una zona insegura).

Figura 4: Gráfica de barra de número de estudiantes que abandonarón la escuela en México en 2020

library(readxl)
datos11 <- read_excel("estudiantes.xlsx")
Esc <- datos11$Escolaridad
Est <- datos11$Estudiantes
datos <- data.frame(Esc, Est)
datos11 <- ggplot(datos11, aes( y=Estudiantes, x=Escolaridad))+
  geom_bar(position="dodge", stat="identity", fill= "wheat")+
  labs(x="Escolaridad", y="Numero de estudiantes", title="Número de estudiantes que abandonaron la escuela debido a la pandemia por COVID-19 en México de abril a agosto de 2020") +
  geom_smooth() +
  scale_y_continuous(labels = comma)
library(plotly)
ggplotly(datos11)

## `geom_smooth()` using method = 'loess' and formula 'y ~ x'

Interpretación de los datos: Debido a la contingencia sanitaria, existe mayor porcentaje de abandono escolar por parte de los alumnos que pertenecen al nivel preescolar, primaria, secundaria y bachillerato se estimó que la deserción escolar superó los 2,5 millones de estudiantes.

Interpretación de los datos: A partir de los análisis representados en gráficas se puede concluir que existe un gran deceso de asistencia por parte de estudiantes en México esto es debido a que la calidad educativa ha sido muy difícil de mantener con los recursos disponibles en casa. Esto incrementará las brechas de aprendizaje de una población que a lo largo de su trayectoria ha acumulado tantas deficiencias académicas que han provocado que abandone la escuela, donde se encontró que la principal razón aducida a la deserción escolar fue la falta de dinero en el hogar, siendo la principal consecuencia a partir de la pandemia de COVID - 19.

Figura 5: Gráfica de barras del PIB respecto a las entidades en 2018

library(readxl)
library(plotly)
library(ggplot2)
library(readxl)
PIB3 <- read_excel("PIB2.xlsx")
fig <- plot_ly(data = PIB3, x = ~Entidad, y = ~PIB, color = ~Entidad)
     
     fig

## No trace type specified:
##   Based on info supplied, a 'bar' trace seems appropriate.
##   Read more about this trace type -> https://plotly.com/r/reference/#bar

## Warning in RColorBrewer::brewer.pal(N, "Set2"): n too large, allowed maximum for palette Set2 is 8
## Returning the palette you asked for with that many colors

## Warning in RColorBrewer::brewer.pal(N, "Set2"): n too large, allowed maximum for palette Set2 is 8
## Returning the palette you asked for with that many colors

Interpretación de datos: Los datos obtenidos en 2018 muestran un porcentaje de variación en las distintas entidades federativas de México, siendo Ciudad de México la principal entidad federativa que generó más bienes y servicios en ese mismo año con un % de PIB de 17.7%. Sonora registra un crecimiento económico del 1.2% en el año 2018 de su Producto Interno Bruto (PIB), de acuerdo al Instituto Nacional de Estadística y Geografía (Inegi), lo que significa que fue la décima economía más importante del país en ese mismo año.

En 2018 México alcanzó una recaudación tributaria equivalente al 16.1% del PIB, situándose en el último lugar dentro de este grupo de países, que en promedio recaudaron un 34.3%, incluso se mantuvo 6.9 puntos porcentuales debajo del promedio de recaudación de los países de ALC, que alcanzaron en promedio un 23.1%

En 2018, las entidades que más contribuyeron al PIB total de las actividades terciarias (comercio y servicios) fueron Ciudad de México, Estado de México, Nuevo León, Jalisco, Veracruz, Guanajuato, Puebla, Baja California, Michoacán, Chihuahua y Tamaulipas, al participar con 69.4 por ciento del producto total de estas actividades.

En las actividades secundarias (sector industrial), las principales aportaciones fueron observadas en Nuevo León, Estado de México, Jalisco, Coahuila, Campeche, Guanajuato, Ciudad de México, Sonora, Chihuahua, Baja California y Veracruz con 64.2 por ciento.

Por su parte, Jalisco, Michoacán, Veracruz, Sinaloa, Chihuahua, Sonora, Guanajuato, Puebla, Estado de México, Durango y Chiapas, destacaron al agregar 67.7 por ciento del PIB en las actividades primarias, como agricultura, cría y explotación de animales, aprovechamiento forestal, pesca y caza.

Figura 6: Gráfica de barras del análisis del PIB 2016-2019 para el sistema educativo.

library(pacman)
p_load(rmdformats,readxl,ggplot2,plotly,xfun,scales,viridis,gridExtra)
PIBSE1 <- read_excel("PIBSE.xlsx")

Estadoss <- PIBSE1$Concepto
PIBSE18 <- PIBSE1$Año18
PIBSE19 <- PIBSE1$Año19
PIBSE17 <- PIBSE1$Año17
PIBSE16 <- PIBSE1$Año16

plot_ly(,colors=magma(72),x=Estadoss,y=PIBSE16, type="bar",name="2016")%>%
  add_trace(y=PIBSE17, name="2017")%>%
  add_trace(y=PIBSE18, name="2018")%>%
  add_trace(y=PIBSE19, name="2019")%>%
  layout(yaxis = list(title = 'PIB (Porcentaje de participación)',showticklabels = TRUE,rangemode = "tozero"),xaxis = list(title = 'Estado',tickangle = 45,rangemode = "tozero"), barmode = 'stack')

Interpretación de datos: En la gráfica observada se muestra la representación de tres años pogresivos en México, respecto al PIB y al sistema educativo, es decir el porcentaje que genera cada uno de los estados que va directamente a gastos educacionales. La Ciudad de México aportó 13.76 por ciento, Estado de México contribuyó con 10.99 por ciento, Nuevo León cooperó con 4.53 por ciento, Jalisco participó con 5.58 por ciento, Veracruz ayudó con 6.05 por ciento y Guanajuato dio 3.69 por ciento en 2019. .

Figura 7: Gráfico de linea de la evolución del PIB 2003 al 2019 en los países con mayor PIB en México

library(scales)
library(ggplot2)
library(plotly)
Anio <- PIBEME$Anio
d11 <- PIBEME$Chihuahua
d12 <- PIBEME$CDMX
d13 <- PIBEME$Guerrero
d14 <- PIBEME$Jalisco
d15 <- PIBEME$Mexico
d16 <- PIBEME$Michoacan
d17 <- PIBEME$Nuevo_Leon
d18 <- PIBEME$Puebla  
d19 <- PIBEME$Sinaloa
d20 <- PIBEME$Sonora
d21 <- PIBEME$Tamaulipas
d22 <- PIBEME$Veracruz
d112 <- data.frame(d11, d12, d13, d14, d15, d16, d17, d18, d19, d20, d21, d22)
P <- ggplot(data = d112) + 
  geom_line(aes(Anio, d11, colour="Chihuahua")) + 
  geom_line(aes(Anio, d12, colour="Ciudad de México")) + 
  geom_line(aes(Anio, d13, colour="Guerrero")) +
  geom_line(aes(Anio, d14, colour="Jalisco")) +
  geom_line(aes(Anio, d15, colour="México")) +
  geom_line(aes(Anio, d16, colour="Michoacan")) + 
  geom_line(aes(Anio, d17, colour="Nuevo León")) + 
  geom_line(aes(Anio, d18, colour="Puebla")) + 
  geom_line(aes(Anio, d19, colour="Sinaloa")) + 
  geom_line(aes(Anio, d20, colour="Sonara")) + 
  geom_line(aes(Anio, d21, colour="Tamaulipas")) + 
  geom_line(aes(Anio, d22, colour="Veracruz")) + 
 xlab("Año") +
  ylab("PIB = Millones de pesos (MXN)") +
  labs(colour="Estados") +
  ggtitle("Evolución del PIB 2003 - 2019 en Estados con Índice de porcentaje más alto")+
  scale_y_continuous(labels = comma)
ggplotly(P)

Interpretación de datos: Se observa que las entidades más grandes, más ricas y/o con mayor población estudiantil, son las que gastan la mayor cantidad de recursos en educación pública, tanto de manera general, como por nivel educativo, sin importar si se trata de gasto total o por estudiante. Se puede observar que los estados que generan más gasto público en educación ha trascendido a través de los años generando más ingreso monetario para este rubro.

Esta gráfica tiene como objetivo la representación de los estados que generan más PIB al sistema educativo y su transición a lo largo de los años.

Figura 8: Gráfico de comparación de la cantidad de estudiantes respecto al GINI y PIB de México

head(inve,n=32L)

## # A tibble: 32 x 4
##    Entidad          Cantidad_de_estudiantes  GINI   PIB
##    <chr>                              <dbl> <dbl> <dbl>
##  1 Ciudad de México                 8519167 0.496  17.7
##  2 México                          15750500 0.387   9.1
##  3 Nuevo León                       5193970 0.424   7.5
##  4 Jalisco                          7708056 0.421   6.8
##  5 Veracruz                         7587369 0.422   4.5
##  6 Guanajuato                       5736931 0.383   4  
##  7 Coahuila                         2831121 0.407   3.4
##  8 Puebla                           6082461 0.393   3.4
##  9 Sinaloa                          2808908 0.416   3.3
## 10 Baja California                  3515010 0.394   3.2
## # ... with 22 more rows

library(psych)

## 
## Attaching package: 'psych'

## The following objects are masked from 'package:scales':
## 
##     alpha, rescale

## The following objects are masked from 'package:ggplot2':
## 
##     %+%, alpha

estadoo =  inve$Entidad
estu =  inve$Cantidad_de_estudiantes
rel = inve[c(3,2,4)]
pairs.panels(rel,gap=0,method="pearson",lm=FALSE,hist.col="palevioletred")
title("Comparación entre GNI, cantidad de estudiantes y PIB")

Interpretación de los datos: Se puede decir que las tres variables estudiadas no tienen un comportamiento lineal, es decir, no se puede monitorear y establecer una hipótesis estable en por qué aumenta o disminuye estos valores.

Estableciendo variables, el gobierno da más prioridad al gasto educativo cuando existe un alto índice de crecimiento económico, es decir, un porcentaje más alto de PIB representa una mayor prioridad para el gobierno recaudando ingresos de manera pública, esto con el objetivo de formar personas con educación necesaria en la construcción de una mejor economía en el país.

Figura 9: Gráfica de burbujas de PIB contra IDH de diferentes países

library(readxl)
IDHPIB <- read_excel("PIBIDH.xlsx")
comparacionIDHPIB= IDHPIB %>% 
  ggplot(aes(x=IDH, y=PIB_Per_Capita, size= Gasto_educacion,  color=Pais)) +
  geom_point(alpha=0.5)+
  geom_text(aes(label = Pais), hjust = 0, vjust = 0)+
  scale_size_continuous(range = c(1, 8))+
  labs(x="IDH", y="PIB per cápita", size="", color="")+
  scale_x_continuous(labels = comma)
plotc=plotly_build(comparacionIDHPIB)   
style(plotc,hoverinfo = "text", traces = c(1))

Interpretación de los datos: El gasto de educación, en promedio representa un 6.3 por ciento del PIB. México se encuentra por arriba de la media con un porcentaje de 9.86%, lo que se coloca encima de los países como Brasil, Ecuador, Perú, pero por debajo de otros como Suizam Reino Unido, Chile, Argentina, EUA entre otros.

México presenta el menor gasto por estudiante y los recursos que destina a la educación como proporción del PIB lo colocan por debajo del promedio. La participación del sector privado en esta área es baja y la mayor parte de los recursos públicos se utilizan para el pago de nómina.

Figura 10: Gráfico de comparación respecto al PIB per cápita, IDH y gasto en educación

library(psych)
paiss =  IDHPIB$Pais
gasto =  IDHPIB$PIB_Per_Capita
rela = IDHPIB[c(2,3,4)]
pairs.panels(rela,gap=0,method="pearson",lm=FALSE,hist.col="turquoise4")
title("Comparación entre gasto en educación (%PIB), PIB per capita")

Interpretación de los datos: Se puede decir que PIB per capita se relaciona con el gasto en educación con un 33% cuando existe un alto índice de este, además de una relación en que si aumenta el gasto en educación tiene una relación lineal el comportamiento de IDH con 37% en relación educacional e ingresos.