dd.geih.indicadores#

dane_data.geih.indicadores(df, por=None, anual=True)[fuente]#

Indicadores del mercado laboral, ponderados como los calcula el DANE.

Parámetros:

  • df (DataFrame) – Microdatos armonizados de load. Necesita anio, mes, fex, pet, fuerza_trabajo, ocupado, desocupado, inactivo, formal e ingreso_laboral (las de VARIABLES_INDICADORES), más las variables de por.

  • por (str | Iterable[str] | None) – Variable o lista de variables para desagregar, por ejemplo "sexo" o ["zona", "nivel_educativo"].

  • anual (bool) – Si True, un resultado por año: los niveles son el promedio de los meses del año. Si False, uno por mes.

Devuelve:

Una fila por año (o mes) y grupo, con:

  • pet, fuerza_trabajo, ocupados, desocupados, inactivos: personas (promedio mensual si anual=True).

  • tgp, to, td: tasas global de participación, de ocupación y de desocupación, en %.

  • tasa_informalidad: % de los ocupados sin afiliación a salud y cotización a pensión.

  • ingreso_medio, ingreso_mediano: ingreso laboral mensual de los ocupados con ingreso positivo, en pesos corrientes.

  • n_muestra: personas encuestadas (sin expandir) en el grupo.

Tipo del valor devuelto:

DataFrame

Ver también

serie_indicadores

Lo mismo para muchos años, calculado año por año y guardado.

load

Cargar los microdatos.

GLOSARIO

Definiciones de cada indicador.

Notas

Cada nivel es la suma del factor de expansión \(w_i\) de las personas del grupo. Si anual=True, \(w_i\) se divide por el número de meses del año en df, así que el nivel es el promedio de los niveles mensuales:

\[\mathrm{TGP} = 100\,\frac{FT}{PET}, \qquad \mathrm{TO} = 100\,\frac{O}{PET}, \qquad \mathrm{TD} = 100\,\frac{D}{FT}\]

donde \(FT = O + D\) es la fuerza de trabajo, \(O\) los ocupados y \(D\) los desocupados. Las tasas anuales son entonces cocientes de promedios mensuales, como las publica el DANE, y no promedios de las tasas mensuales.

La informalidad es una definición por seguridad social (ver formal en la guía de variables); la oficial del DANE usa además el tamaño de la empresa. La mediana es la de dane_data.weighted_quantile.

Ejemplos

Cinco personas con el mismo peso: dos ocupadas (una formal), una desocupada, una inactiva y una menor de la edad de trabajar.

>>> import pandas as pd
>>> import dane_data as dd
>>> df = pd.DataFrame({
...     "anio": 2024, "mes": 1, "fex": 100.0,
...     "pet":            [1, 1, 1, 1, 0],
...     "fuerza_trabajo": [1, 1, 1, 0, 0],
...     "ocupado":        [1, 1, 0, 0, 0],
...     "desocupado":     [0, 0, 1, 0, 0],
...     "inactivo":       [0, 0, 0, 1, 0],
...     "formal":         [1, 0, None, None, None],
...     "ingreso_laboral": [2.0e6, 1.2e6, None, None, None],
... })
>>> dd.geih.indicadores(df)[["anio", "pet", "ocupados", "tgp", "to", "td", "tasa_informalidad"]].round(1)
   anio    pet  ocupados   tgp    to    td  tasa_informalidad
0  2024  400.0     200.0  75.0  50.0  33.3               50.0

Con la GEIH de 2024:

>>> df = dd.geih.load(2024, variables=dd.geih.VARIABLES_INDICADORES)
>>> dd.geih.indicadores(df, por="sexo")[["anio", "sexo", "tgp", "td"]].round(1)
   anio    sexo   tgp    td
0  2024  Hombre  76.4   8.2
1  2024   Mujer  52.4  12.7