La EAM: industria manufacturera#

dd.eam.load() carga la Encuesta Anual Manufacturera con un establecimiento-año por fila:

>>> eam = dd.eam.load(range(2012, 2025))
>>> eam.shape
(104010, 30)
>>> eam[["anio", "ciiu", "ciiu_rev", "division", "sector", "departamento"]].head(3)

Entre 1992 y 2024 cambian el separador de los archivos, las mayúsculas de los nombres y el nombre de la variable CIIU (CIIU2N4, ciiu2, CIIU, ciiu3, ciiu4, ciiu_4). load deja todos los nombres en minúscula y agrega:

Variable	Contenido
`anio`	Año de referencia
`ciiu`	Código CIIU como texto (normalmente 4 dígitos; algunos años lo publican con 2 o 3 por anonimización)
`ciiu_rev`	Revisión de la CIIU: 2, 3 o 4, según la variable de origen
`division`	Los dos primeros dígitos del código
`sector`	Nombre de la división (de `dd.eam.SECTORES`)
`departamento`	Nombre del departamento

Variables#

Por defecto se leen las variables comparables entre años (dd.eam.CORE):

Variable	Contenido
`nordemp`	Identificador de la empresa
`nordest`	Identificador del establecimiento (planta)
`dpto`	Departamento
`periodo`	Año de referencia
`prodbr2`	Producción bruta
`prodbind`	Producción industrial
`consin2`	Consumo intermedio
`valagri`	Valor agregado
`valorven`	Ventas totales
`valorcom`	Compras de materias primas, materiales y empaques
`pertotal`	Personal total (permanente + propietarios + temporal directo + agencias)
`persocu`	Empleados permanentes
`persoesc`	Empleados permanentes + propietarios
`pertem3`	Empleados temporales directos
`pperytem`	Empleados permanentes y temporales directos
`salarper`	Salarios de empleados permanentes
`pressper`	Prestaciones de empleados permanentes
`salpeyte`	Salarios de empleados permanentes y temporales
`prespyte`	Prestaciones de empleados permanentes y temporales
`activfi`	Activos fijos
`invebrta`	Inversión bruta
`eelec`	Energía eléctrica consumida (kWh)
`totalv`	Valor de otros energéticos consumidos
`deprecia`	Depreciación

Los montos están en miles de pesos corrientes: el valor agregado total de 2024 suma unos 1,48 × 10¹¹, es decir, unos 148 billones de pesos. Para otras variables use columns=["c3r10c1", ...] o columns="all", y dd.buscar_variable() con encuesta="eam" para encontrarlas.

Revisiones de la CIIU#

Años	Revisión	Divisiones manufactureras
1992–2000	Rev. 2	31–39
2001–2011	Rev. 3	15–37
2012–2024	Rev. 4	10–33 (en 2012 también 58, 59 y 73)

Los códigos de una revisión no corresponden a los de otra: el sector «Alimentos» de la Rev. 4 (división 10) no es el mismo agregado que «Alimentos y bebidas» de la Rev. 3 (división 15). Para comparar sectores entre revisiones hace falta una tabla correlativa. Los totales de toda la industria sí se pueden comparar. La documentación del ANDA ubica los cambios de revisión en otros años; dane-data sigue lo que muestran los archivos (vea Diferencias con la documentación del DANE).

Agregados industriales#

dd.eam.resumen() suma los establecimientos de cada grupo y calcula los indicadores derivados:

>>> res = dd.eam.resumen(eam, por="anio")
>>> res[["anio", "establecimientos", "personal_total", "productividad_laboral",
...      "participacion_laboral"]].tail(4).round(1)
    anio  establecimientos  personal_total  productividad_laboral  participacion_laboral
9   2021              7138        681246.0               171697.9                   19.6
10  2022              6775        710060.0               210122.1                   16.7
11  2023              6714        718730.0               207094.9                   19.2
12  2024              6583        730236.0               203039.1                   21.7

Columna	Cálculo
`produccion_bruta`, `consumo_intermedio`, `valor_agregado`, `ventas`, `activos_fijos`, `inversion_bruta`	Sumas, en miles de pesos
`personal_total`, `empleados_perm_temp`	Personas
`remuneraciones`	Salarios más prestaciones de permanentes y temporales (`salpeyte + prespyte`)
`productividad_laboral`	Valor agregado por persona ocupada (miles de pesos)
`remuneracion_media`	Remuneraciones por empleado permanente o temporal
`participacion_laboral`	Remuneraciones / valor agregado × 100
`tasa_valor_agregado`	Valor agregado / producción bruta × 100
`establecimientos`, `empresas`	Número de `nordest` y `nordemp` distintos

Las definiciones están también en el Glosario.

dd.eam.resumen(eam, por=["anio", "sector"])
dd.eam.resumen(eam[eam.anio == 2024], por="departamento")

Participación y crecimiento#

# Qué parte del valor agregado de cada año genera cada sector
dd.eam.participacion(eam, variable="valagri", por="sector")

>>> dd.eam.crecimiento(res, "personal_total")[["anio", "personal_total", "crec_personal_total"]].tail(3).round(1)
    anio  personal_total  crec_personal_total
10  2022        710060.0                  4.2
11  2023        718730.0                  1.2
12  2024        730236.0                  1.6

Precios constantes#

Los montos son corrientes: para comparar en el tiempo hay que deflactarlos. dane-data no trae deflactores; para la industria se suele usar el índice de precios del productor (IPP) del DANE. dd.eam.deflactar() acepta un deflactor por año o por año y división:

ipp = pd.Series({2022: 100.0, 2023: 105.0, 2024: 108.0})   # ilustrativo: use la serie del IPP del DANE
eam_real = dd.eam.deflactar(eam, ["valagri", "prodbr2"], ipp)          # agrega valagri_real, prodbr2_real

Panel de establecimientos#

dd.eam.panel() indexa los datos por establecimiento y año, listo para modelos de panel (por ejemplo, con linearmodels):

>>> panel = dd.eam.panel(eam, balanceado=True)
>>> panel.index.get_level_values("nordest").nunique()
5428

Con balanceado=True solo quedan los establecimientos presentes en todos los años: aquí, 5 428 plantas observadas de 2012 a 2024.

Antes de armar un panel largo revise que los identificadores se mantengan. El ANDA anonimiza cada catálogo y los identificadores pueden cambiar entre años; dd.eam.supervivencia() muestra cuántos establecimientos de cada año reaparecen al siguiente:

>>> dd.eam.supervivencia(eam).tail(4).round(1)
    anio  siguiente  establecimientos  siguen_al_anio_siguiente  pct_siguen
8   2020       2021              7343                      7094        96.6
9   2021       2022              7138                      6711        94.0
10  2022       2023              6775                      6605        97.5
11  2023       2024              6714                      6420        95.6

Una caída brusca de pct_siguen suele indicar un cambio de identificadores, no el cierre de plantas.