Introducción IDH Ingresos

Las Naciones Unidas informan tanto el Índice de Desarrollo Humano (IDH) como el Índice de Desarrollo Humano ajustado por la Desigualdad (IHDI). Aunque la fuente de datos es la misma, estos índices representan cosas diferentes. El IDH representa el promedio nacional de los logros del desarrollo humano en las tres dimensiones básicas: i) esperanza de vida (salud), ii) educación e iii) ingresos. Como todos los promedios, oculta disparidades en el desarrollo humano entre la población dentro del mismo país. Por ejemplo, dos países con el mismo IDH promedio pueden tener mejoras muy diferentes en las tres dimensiones1. A su vez, el IHDI da cuenta de la distribución de los logros de un país en las mismas tres dimensiones entre su población. Acceso a fuente de datos y notas técnicas.

Es importante resaltar que cero por ciento significa que no hay desigualdad, mientras que 100% significa desigualdad total.

En este trabajo se realiza un analisis expoloratorio de los datos para poder visualizar la dimensión de los ingresos (Porcentaje de desigualdad) a nivel mundial. A continuación se muestra una imagen con los continentes, es cual nos servira como nivel de agragación para explorar la dimensión de ingresos.

globeMap <- read.csv2("map_2022.csv")

# add latitude and longitude to the original dataset
library(ggplot2)

ggplot(globeMap, aes(x = long, y = lat, group = group)) +
  geom_polygon(aes(fill=`sub.region`))+
  scale_fill_manual(values =  c("#c8522c","#4bafd0","#d34459","#64b948","#a35ac7","#b4b335","#6a75c8","#d24699","#5dc18a","#a04a6d","#598233","#d389c3","#388864","#d07a6c","#b5a861","#886a2c","#db923b"))+
  labs(title = "Regions of the World", caption = "Empty territories have no index. Source Uknown", x = "Longitude", y= "Latitude")+ theme_bw()

Pregunta de investagación: Como es la desigualda de ingresos a nivel mundial y por continente

library(ggplot2)
income_value <- ggplot(IDH,aes(x=value))
income_value <- income_value + geom_histogram(aes(y=..density..), binwidth=.5,colour="white", fill="grey")
income_value <- income_value + geom_density(alpha=.2, fill="#FF6666")
income_value <- income_value + geom_vline (aes ( xintercept = 19.9, color = 'red'))
income_value <- income_value + geom_text (x=19.4, y=0.045, label="Promedio global")
income_value <- income_value + labs(title = "Dintribución de la dimension de inequidad en ingresos", subtitle = "Resultados en el periodo 2010-2019", x = "Porcentaje de inequidad de ingresos")
income_value <- income_value + theme(legend.position = "none")
income_value

summary(IDH$value)
##    Min. 1st Qu.  Median    Mean 3rd Qu.    Max. 
##    4.40   16.40   21.40   23.93   29.50   68.30

El porcentaje de inequidad en ingresos a nivel mundial presenta una distribución asimétrica positiva, indicando que son pocos los países que presentan una desigualdad superior al 40%. Em promedio los países presentan una desigualdad en los ingresos del 23.9% y el 50% de los países presentan una desigualdad superior al 21.4%

Por otra parte se puede observar que solo el 25% de los paises del mundo presentan una desigualda inferior al 16.40% en los ingresos.

bp_value <- ggplot(IDH, aes(x=as.factor(variable), y=value, group = variable))
bp_value <- bp_value + geom_point(aes(color=as.factor(variable)), position=position_jitter(width=0.2,height=.2))
bp_value <- bp_value + geom_boxplot(aes(alpha=0.2))
bp_value <- bp_value + scale_color_manual(values = c("#ff1d1d","#db406b","#95f4da","#4e3e7b","#c9ca00","#6a9c00","#004100","#831811","#ff9f00","#3f0900","#302a87","#009b6c"))
bp_value <- bp_value + labs(title = "Distribución global de desigualdad en los ingresos", subtitle = "año 2010 a 2019", x = "Percentage inequidad ingresos")
bp_value <- bp_value + theme(legend.position = "none")
bp_value

En la gráfica se observa que en los últimos nueve años no se ha disminuido la inequidad a nivel mundial de los ingresos, por el contrario, se ha mantenido alrededor del 20%. Por otra parte entre los años 2010 y 2015 se observa que la inequidad en los ingresos paso a estar por debajo del 60%.

Análisis de la inequidad en los ingresos por continente.

mapa <- read.csv2("mapa_continentes.csv")
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, union
IDH <- left_join(IDH,mapa, by =c("ISO3"="ISO3"))
IDH <- IDH[!is.na(IDH$region),]
IDH_AF <- subset(IDH, variable ==c(2010,2015,2019))
## Warning in variable == c(2010, 2015, 2019): longitud de objeto mayor no es
## múltiplo de la longitud de uno menor
bp_value <- ggplot(IDH_AF, aes(x=as.factor(region), y=value, group =region))
bp_value <- bp_value + geom_point(aes(color=as.factor(region)), position=position_jitter(width=0.2,height=.2))
bp_value <- bp_value + geom_boxplot(aes(alpha=0.2))
bp_value <- bp_value + scale_color_manual(values = c("#ff1d1d","#db406b","#95f4da","#4e3e7b","#c9ca00","#6a9c00","#004100","#831811","#ff9f00","#3f0900","#302a87","#009b6c"))
bp_value <- bp_value + facet_grid(as.character(variable)~.)
bp_value <- bp_value + labs(title = "Distribución global de desigualdad en los ingresos por año y continente", subtitle = "año 2010 a 2019", x = "Año", y="Porcentaje de inequidad en ingresos")
bp_value <- bp_value + theme(legend.position = "none")
bp_value

En la gráfica se puede observar, como Oceanía disminuyo su porcentaje de inequidad por debajo del 20% entre los años 2010 y 2019. Teniendo en cuenta que para el 2010 se encontraba por encima del 60%. Por su parte el continente americano siempre ha presentado el mayor porcentaje de inequidad en sus ingresos sin presentar mejoría en el tiempo y estabilizándose entre el 30 y 40%.

library(ggplot2)
overallDist <- ggplot(IDH,aes(x=value))
overallDist <- overallDist + geom_histogram(aes(y=..density..), binwidth=.5,colour="black", fill="white")
overallDist <- overallDist + geom_density(alpha=.2, fill="#FF6666")
overallDist <- overallDist + geom_vline (aes ( xintercept = 21, color = 'red'))
overallDist <- overallDist + geom_text (x=19.4, y=0.2, label="global median")
overallDist <- overallDist + facet_grid(as.character(region)~.)
overallDist <- overallDist + labs(title = "Distribución global de inequidad en ingresos por región", subtitle = "desde 2010-2019",x = "Porcentaje IHDI")
overallDist <- overallDist + theme(legend.position = "none")
overallDist

África y Américas presentan los mayores porcentajes de inequidad en ingresos, encontrándose por encima del promedio a nivel mundial (23.93%). Por su parte Europa presenta las mejores condiciones ya que la mayoría de los países que la componen presentan se encuentran por debajo del promedio mundial.

##Comparativo America y Asia

AfricaIDH <- subset (IDH, IDH$region == 'Africa')
AsiaIDH <- subset (IDH, IDH$region == 'Asia')
EuropeIDH <- subset (IDH, IDH$region == 'Europe')
AmericasIDH <- subset (IDH, IDH$region == 'Americas')
OceaniaIDH <- subset (IDH, IDH$region == 'Oceania')
LatinAmericaIDH <- subset (IDH, IDH$sub.region == 'Latin America and the Caribbean')

# Create plot
library(ggplot2)

# AFRICA
heatmap <- ggplot(AmericasIDH, aes(x=Country, y=variable, fill=value)) 
heatmap <- heatmap + geom_tile()
heatmap <- heatmap + scale_fill_viridis_c(option="magma",limits = c(0,50))
heatmap <- heatmap + theme(axis.text.x = element_text(angle = 90))
heatmap <- heatmap + labs(title = "IDH AMERICAS", subtitle = "De 2010-2019", x = "Pais", y="Año")
heatmap

Del grafico anterior se puede observar en el caso de los países de Sur América, Brasil es el que me presenta un menor porcentaje de desigualdad en los ingresos entre los años 2010 y 2019. En el caso de Colombia entre los años 2010 y 2012 la inequidad en los ingresos siempre ha estado por encima del 20% que es promedio mundial y en la medida que pasan los años tiene a las estar entre el 30% y el 50%.

# Create plot
library(ggplot2)

# Asia
heatmap <- ggplot(AsiaIDH, aes(x=Country, y=variable, fill=value)) 
heatmap <- heatmap + geom_tile()
heatmap <- heatmap + scale_fill_viridis_c(option="magma",limits = c(0,50))
heatmap <- heatmap + theme(axis.text.x = element_text(angle = 90))
heatmap <- heatmap + labs(title = "IDH ASIA", subtitle = "De 2010-2019", x = "Pais", y="Año")
heatmap

Caso contrario se presenta en el continente de Asia donde hay mayor equidad en los ingresos y la mayoría de los países presentan un porcentaje por debajo del total mundial (20%).

# Subset the main dataset 2019
A_IHDI_2019 <- subset(IDH, IDH$variable == "2019")
globeMap <- read.csv2("map_2022.csv")
# Add data to the map
mapData <- left_join(A_IHDI_2019,globeMap, by = "ISO3")

# Create ggplot object and save it in an object. The group parameter is very important because it groups all the coordinates by country
myMap <- ggplot(mapData, aes(x=long, y=lat, group = as.factor(group)))
# add geometry
myMap <- myMap + geom_polygon(aes(fill = value))
# add color palettes
myMap <- myMap + scale_fill_viridis_c(option="plasma")
# add labels
myMap <- myMap + labs(title = "Inequiadad en los ingresos a nivel mundial para el año  2019", x = "Longitud", y= "Latitud")
# add margins
myMap <- myMap + theme_bw()
# plot the map
myMap

Conclusiones

La inequidad en los ingresos a nivel global es en promedio del 23%, sin embargo, los países de Sur América se encuentran por encima de dicho valor, evidenciando mayor desigualdad excluyedo a Brasil. Por su parte Colombia se sitúa en los países con mayor desigualdad a nivel de ingresos en el mundo.