1. Introducción

El IDH se publicó con el objetivo de orientar los debates acerca de la necesidad de que el desarrollo no se midiera únicamente a través del producto interno bruto (PIB), sino utilizando un indicador que captara mejor la situación real de las personas.Este índice ha ganado popularidad gracias a su fórmula, sencilla e inclusiva, la cual incorpora la esperanza de vida al nacer, el nivel educativo y el ingreso promedio de la población. Con los años, sin embargo, ha surgido un interés creciente en contar con un conjunto de parámetros más completo que refleje otras dimensiones cruciales del desarrollo humano. Para responder a esta demanda, se incorporaron nuevas variables referidas a diversos aspectos del desarrollo humano para complementar el IDH y recoger algunas de las dimensiones del desarrollo que no se estaban teniendo en cuenta, como la pobreza, la desigualdad y las brechas de género. La OIDH publica desde 2010 el IDH ajustado por la Desigualdad, que ajusta el valor del IDH de un país en función de la desigualdad en cada uno de sus componentes (esperanza de vida, educación e ingreso), y el Índice de Pobreza Multidimensional, que mide directamente las privaciones que experimentan las personas.

Por otro lado, el IHDI combina los logros promedio de un país en salud, educación e ingresos con la forma en que esos logros se distribuyen entre la población del país al “descontar” el valor promedio de cada dimensión según su nivel de desigualdad. Por lo tanto, el IHDI es un nivel promedio de desarrollo humano sensible a la distribución. Dos países con diferentes distribuciones de logros pueden tener el mismo valor promedio de IDH. Bajo perfecta igualdad, el IHDI es igual al HDI, pero cae por debajo del HDI cuando aumenta la desigualdad.

La diferencia entre el IHDI y el HDI es el costo de desarrollo humano de la desigualdad, también denominado: la pérdida general de desarrollo humano debido a la desigualdad. El IHDI permite un vínculo directo con las desigualdades en las dimensiones, puede informar las políticas para la reducción de la desigualdad y conduce a una mejor comprensión de las desigualdades entre la población y su contribución al costo general del desarrollo humano. Una medida reciente de la desigualdad en el IDH, el Coeficiente de desigualdad humana, se calcula como un promedio no ponderado de la desigualdad en tres dimensiones.

En el presente proyecto se analizará el índice de desigualdad/inequidad de ingresos de los países suramericanos, teniendo en cuenta que a medida que aumenta el valor de indicador, así mismo aumentará la inequidad en términos de ingresos en el país.

https://hdr.undp.org/en/content/inequality-adjusted-human-development-index-ihdi
https://hdr.undp.org/sites/all/themes/hdr_theme/country-notes/es/COL.pdf.

2. Pregunta de Investigación

¿Cuál ha sido el comportamiento del índice de inequidad/desigualdad de ingresos en los países suramericanos en los últimos 4 años (2016,2017,2018,2019) ?

3. Set de datos

library(readr)
library(dplyr)
library(ggplot2)
library(psych)

##Cargue de bases necesarias
ineq_ing <-  read.csv2("data/Inequality_Income_2010-2019.csv")
ineq_ing$variable<-as.factor(ineq_ing$variable)

Analizamos si algunas de las variables de la base tienen datos faltantes,

visdat::vis_miss(ineq_ing)

Como se observó en la gráfica anterior, en las columnas HDI_Rank y value hay algunos datos faltantes, debido a que el % es bajo, se eliminará toda la fila.

## Nueva base sin datos faltantes
ineq_ing_ <- ineq_ing %>%filter(value != "NA")%>%filter(HDI.Rank != "NA")

str(ineq_ing_)
## 'data.frame':    1488 obs. of  5 variables:
##  $ HDI.Rank: int  69 148 46 81 8 18 88 58 133 58 ...
##  $ Country : chr  "Albania" "Angola" "Argentina" "Armenia" ...
##  $ ISO3    : chr  "ALB" "AGO" "ARG" "ARM" ...
##  $ variable: Factor w/ 10 levels "2010","2011",..: 1 1 1 1 1 1 1 1 1 1 ...
##  $ value   : num  14.4 36.4 34.4 10.8 16.6 15.1 4.4 24.5 14.8 16.1 ...

El set final tiene 1488 observaciones de 5 variables (HDI_Rank, Country, ISO3, variable, value), donde se encuentra la información del Índice de Inequidad en Ingresos para los países en el periodo comprendido entre 2010 al 2019, se debe tener en cuenta que a mayor valor de indicador, mayorinequidad en términos de ingresos en el país.

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

De acuerdo a los resultados anteriores, se puede observar que la mitad del conjunto de datos tiene un índice de desigualdad mayor al 21.94%. Debido a que la media es mayor que la mediana, la distribución está sesgada a la derecha.

grafico1 <- ggplot(ineq_ing_,aes(x=value))
grafico1 <- grafico1 + geom_histogram(aes(y=..density..), binwidth=.5,colour="white", fill="grey")
grafico1 <- grafico1 + geom_density(alpha=.2, fill="#FF6666")
grafico1 <- grafico1 + geom_vline (aes ( xintercept = 21.94, color = 'red'))
grafico1 <- grafico1 + geom_text (x=21.94, y=0.075, label="Mediana global")
grafico1 <- grafico1 + labs(title = "Distribucion global de Inequidad en Ingresos", subtitle = " 2010-2019", x = "%")
grafico1 <- grafico1 + theme(legend.position = "none")
grafico1

Dado que en el anterior análisis descriptivo se encontró que el comportamiento del índice es asimétrico, se hará uso de la mediana como indicador resumen.

map <- read.csv2("mapa/map_2022.csv")
base<-merge(ineq_ing_, map,by="ISO3",all.x = TRUE)
comp<-subset(base, base$intermediate.region %in% c("South America" ,"Central America"))


grafica2 <- ggplot(comp,aes(x=value))
grafica2 <- grafica2 + geom_histogram(aes(y=..density..), binwidth=.5,colour="black", fill="white")
grafica2 <- grafica2 + geom_density(alpha=.2, fill="#FF6666")
grafica2 <- grafica2 + geom_vline (aes ( xintercept = 21.94, color = 'red'))
grafica2 <- grafica2 + geom_text (x=21.94, y=0.3, label="Mediana global")
grafica2 <- grafica2 + facet_grid(as.character(intermediate.region)~.)
grafica2 <- grafica2 + labs(title = "Distribución del Índice de Desigualdad en Ingresos ", subtitle = "Periodo de 2010-2019",x = "Porcentaje ")
grafica2 <- grafica2 + theme(legend.position = "none")
grafica2

Se puede observar que tanto Suramérica como Centro América, tienen índices de desigualdad mayores a la mediana global.Centro América presenta mayor concentración de desigualdad, se encuentran países con índices muy altos en comparación con otros de la región. En Suramérica la desigualdad se muestra de manera uniforme.

Los índices de Centro América se situan al rededor del 35%, mientras que la distribución de Suramérica no se encuentra concentrada sobre un punto en específico.

Análisis Suramérica 2016 - 2019

paises<-subset(ineq_ing_, ineq_ing_$ISO3 %in%c("ARG","BOL","BRA","CHL","COL","ECU","GUY","PER","PRY","SUR","URY","VEN") & ineq_ing_$variable %in% c("2016","2017","2018","2019"))


ggplot(data = paises) +
  aes(x = ISO3, y = value, color = ISO3) +
  geom_boxplot() + labs(title = "Índice de Desigualdad en Ingresos- Suramérica",subtitle = "De 2016-2019 en Suramérica")+
  theme(legend.position = "none")

A partir del gráfico anterior, se puede concluir que Uruguay, Argentina, Guyana y Venezuela son los países con menores índices de desigualdad en ingresos de la región. En el caso de Argentina y Guyana se observa además que sus índices tienen menor variación y estos no cambian drasticamente con el paso de los años. Se identifican a Brasil, Colombia, Paraguay y Suriname como los países con índices de desigualdad en ingresos más altos de la región.

Por otro lado, se puede observar que Suriname cuenta con el índice más alto de desigualdad de toda la región. De acuerdo con https://datosmacro.expansion.com/paises/surinam ,El PIB per cápita es un muy buen índicador del nivel de vida y en el caso de Surinam, en 2020, fue de 4.187 € euros, con lo que ocupa el puesto 101 de la tabla, así pues sus ciudadanos tienen, según este parámetro, un nivel de vida muy bajo en relación al resto de los 196 países del ranking de PIB per cápita.

Colombia es un país desigual en términos de ingresos, su posición en el gráfico y el ancho del boxplot indica, que no ha sido muy variable y que en el périodo comprendido entre 2016 y 2019, sus índices han sido altos. De acuerdo con https://datosmacro.expansion.com/paises/Colombia El PIB per cápita es un muy buen índicador del nivel de vida y en el caso de Colombia, en 2020, fue de 4.720 € euros, con lo que ocupa el puesto 95 de la tabla, así pues sus ciudadanos tienen, según este parámetro, un nivel de vida muy bajo en relación al resto de los 196 países del ranking de PIB per cápita. No extraña por tanto, que los colombianos tengan de media el salario medio más bajo del mundo

mapacalor <- ggplot(paises, aes(x=Country, y=variable, fill=value)) 
mapacalor <- mapacalor + geom_tile()
mapacalor <- mapacalor + scale_fill_viridis_c(option="magma")
mapacalor <- mapacalor + theme(axis.text.x = element_text(angle = 90))
mapacalor <- mapacalor + labs(title = "Índice de Desigualdad en Ingresos- Suramérica", subtitle = "De 2016-2019", caption = "Source: UN", x = "País", y="Año")
mapacalor

Complementando el análisis anterior, se puede observar países como Ecuador, Uruguay mantienen índices bajos conforme pasan los años, caso contrario Paraguay o Brazil donde el indicador sube y baja entre los valores mas altos.

Mapeando la mediana 2016-2019

A través de un mapa choroplet comparamos la evolución de la inequidad de ingresos en Suramérica

desc<-describeBy(paises$value, paises$ISO3, mat = TRUE)
desc<-select(desc,group1,median)


datos <- subset(ineq_ing_, ineq_ing_$variable == "2019")
mapadatos <- left_join(datos,map, by = "ISO3")
mapadatos_ <- subset(mapadatos,mapadatos$intermediate.region =="South America")
mapadatos_<-left_join(mapadatos_, desc, by=c("ISO3"="group1"))

mapa1 <- ggplot(mapadatos_, aes(x=long, y=lat, group = as.factor(group)))
mapa1 <- mapa1 + geom_polygon(aes(fill = median))
mapa1 <- mapa1 + scale_fill_viridis_c(option="plasma")
mapa1 <- mapa1 + labs(title = "Inequidad en Ingresos - Suramérica",  x = "Longitud", y= "Latitud")
mapa1 <- mapa1 + theme_bw()
mapa1

grafico_sa <- ggplot(paises, aes(variable, value, group=Country, color=Country)) + geom_line(size=1) + geom_point() + theme_light() + scale_colour_brewer(type="qual", palette="Paired")  + labs(title = "Gráfico de Tendencia del Índice de Suramérica")
grafico_sa

Se puede observar como los países coloreados con tonos amarillos presentan los índices de desigualdad más altos en la región. Paises como Colombia, Brasil y Paraguay. De acuerdo con https://www.portafolio.co/economia/gobierno/colombia-es-el-segundo-pais-mas-desigual-de-america-latina-segun-el-banco-mundial-557830 Mark Thomas, director del Banco Mundial para Colombia, México y Venezuela, aseguró durante la presentación del informe que “Colombia es uno de los países en que la desigualdad es más persistente de una generación a otra, donde la educación e ingreso de los padres determinan en mayor medida que en otros lugares las oportunidades de educación e ingresos de sus hijos”.

https://forbes.co/2020/10/30/economia-y-finanzas/colombia-es-el-pais-mas-desigual-de-toda-america-latina/En términos de brechas, se observa que Chile es el país con el desarrollo regional más equilibrado de Latinoamérica, es decir, sus regiones registras niveles similares de desarrollo. Le siguen Uruguay y Argentina. En contraste, Colombia presenta las mayores brechas de desarrollo, seguida de Paraguay, Brasil y México”, dice el documento que explica el Idere Latam.

4.Conclusiones

Los países más desiguales en términos de ingresos en Suramérica analizando el periodo 2016-2019 son: Suriname, Brasil, Paraguay y Colombia. Algunos datos importantes a destacar de estos países son:

  1. Colombia destaca por estar entre los países con mayor tasa de desempleo del mundo

  2. El PIB per cápita es un muy buen índicador del nivel de vida y en el caso de Surinam, en 2020, fue de 4.187 € euros, con lo que ocupa el puesto 101 de la tabla, así pues sus ciudadanos tienen, según este parámetro, un nivel de vida muy bajo en relación al resto de los 196 países del ranking de PIB per cápita.

  3. Brasil destaca por estar entre los países con mayor tasa de desempleo del mundo. En cuanto al Índice de Percepción de la Corrupción del sector público en Brasil ha sido de 38 puntos, así pues, sus habitantes creen que existe mucha corrupción en el sector público.

4.El PIB per cápita es un muy buen índicador del nivel de vida y en el caso de Paraguay, en 2020, fue de 4.378 € euros, con lo que ocupa el puesto 99 de la tabla, así pues sus ciudadanos tienen, según este parámetro, un nivel de vida muy bajo en relación al resto de los 196 países del ranking de PIB per cápita. En cuanto al Índice de Desarrollo Humano o IDH, que elabora las Naciones Unidas para medir el progreso de un país y que en definitiva nos muestra el nivel de vida de sus habitantes, indica que los paraguayos se encuentran en el puesto 103.

https://datosmacro.expansion.com/paises

Los países con menores índices términos de ingresos en Suramérica analizando el periodo 2016-2019 son: Uruguay, Venezuela y Argentina .En cuanto al Índice de Percepción de la Corrupción del sector público en Uruguay ha sido de 73 puntos, así pues, sus habitantes tienen un bajo nivel de percepción de corrupción gubernamental.

En general, existen grandes diferencias entre los países en términos de inequidad de ingresos. Cabe destacar que países como Chile o Perú muestran una tendecia a disminuir la desigualdad, sabiendo pues que este índice se relaciona con otros como educación, ingresos y esperanza de vida, para lograr un cambio estructural en las politicas públicas para el mejoramiento de vida de sus habitantes. https://www.larepublica.co/globoeconomia/chile-mexico-y-brasil-son-los-paises-de-mayor-concentracion-de-ingresos-en-la-region-3189620 El PNUD señaló que la desigualdad en los ingresos en la región es solo uno de los factores que agudiza el conjunto de condiciones que empujan la pobreza multidimensional del bloque

5. Bibliografía

  1. Inequality-adjusted Human Development Index (IHDI) https://hdr.undp.org/en/content/inequality-adjusted-human-development-index-ihdi
  2. La próxima frontera: desarrollo humano y el Antropocenohttps://hdr.undp.org/sites/all/themes/hdr_theme/country-notes/es/COL.pdf
  3. Chile, México y Brasil son los países de mayor concentración de ingresos en la región. https://www.larepublica.co/globoeconomia/chile-mexico-y-brasil-son-los-paises-de-mayor-concentracion-de-ingresos-en-la-region-3189620
  4. Expansión. https://datosmacro.expansion.com/paises