Indicadores del mercado laboral#
dd.geih.indicadores() calcula los indicadores que publica el DANE en su boletín de mercado laboral,
para cualquier grupo de población.
Definiciones#
La población se divide así:
Población total
├── Fuera de la PET (menores de la edad mínima)
└── PET: población en edad de trabajar
├── Fuerza de trabajo (FT)
│ ├── Ocupados (O)
│ └── Desocupados (D)
└── Inactivos: fuera de la fuerza de trabajo
Y los indicadores son:
Indicador |
Columna |
Fórmula |
Qué mide |
|---|---|---|---|
Tasa global de participación |
|
\(100 \cdot FT / PET\) |
Qué parte de quienes pueden trabajar participa en el mercado laboral |
Tasa de ocupación |
|
\(100 \cdot O / PET\) |
Qué parte de quienes pueden trabajar está trabajando |
Tasa de desocupación |
|
\(100 \cdot D / FT\) |
El «desempleo»: qué parte de quienes participan no consigue trabajo |
Tasa de informalidad |
|
\(100 \cdot \text{O sin salud y pensión} / O\) |
Ocupados sin seguridad social (ver Variables armonizadas) |
Ingreso medio y mediano |
|
Media y mediana ponderadas de |
Entre los ocupados con ingreso positivo, en pesos corrientes |
Cada nivel es la suma de los factores de expansión; con varios meses, el promedio mensual. Las definiciones de cada término están también en el Glosario.
Uso#
>>> df = dd.geih.load(2024, months=[1, 2, 3])
>>> dd.geih.indicadores(df).round(1).T
0
anio 2024.0
pet 39906590.7
fuerza_trabajo 25402318.6
ocupados 22387536.8
desocupados 3014781.9
inactivos 14504272.0
tgp 63.7
to 56.1
td 11.9
tasa_informalidad 57.5
ingreso_medio 1693374.4
ingreso_mediano 1300000.0
n_muestra 213515.0
Los niveles están en personas y las tasas en porcentaje. n_muestra es el número de personas encuestadas
en el grupo.
Por grupos#
por acepta cualquier variable o lista de variables:
dd.geih.indicadores(df, por="sexo")
dd.geih.indicadores(df, por=["zona", "nivel_educativo"])
dd.geih.indicadores(df, por="departamento")
Por mes#
Con anual=False hay un resultado por mes en vez del promedio del año (o del periodo cargado):
dd.geih.indicadores(df, por="grupo_edad", anual=False)
Por trimestre#
El DANE publica también trimestres. Un trimestre es el promedio de sus tres meses: cargue esos meses y use
anual=True, como en el ejemplo de arriba (enero a marzo de 2024).
Muchos años: serie_indicadores#
Para series largas, dd.geih.serie_indicadores() da exactamente el mismo resultado sin cargar todos los
años en memoria: calcula cada año por separado y lo guarda en disco (vea Series largas sin agotar la memoria).
>>> dd.geih.serie_indicadores(range(2019, 2026))[["anio", "tgp", "to", "td", "tasa_informalidad"]].round(1)
anio tgp to td tasa_informalidad
0 2019 63.3 56.6 10.5 62.7
1 2020 60.4 50.4 16.5 67.5
2 2021 60.6 52.3 13.7 63.5
3 2022 63.6 56.5 11.2 58.9
4 2023 64.1 57.6 10.2 57.6
5 2024 63.9 57.4 10.2 57.1
6 2025 64.3 58.6 8.9 56.8
por puede ser "sexo", "zona", "grupo_edad", "nivel_educativo" o "departamento"
(dd.geih.POR_PRECALCULADOS):
>>> dd.geih.serie_indicadores(2024, por="zona")[["zona", "tgp", "to", "td", "tasa_informalidad"]].round(1)
zona tgp to td tasa_informalidad
0 Urbano (cabecera) 64.9 57.9 10.8 49.9
1 Rural (centros poblados y disperso) 60.2 55.7 7.4 84.5
Filtros#
filtros restringe la población antes de calcular, con el formato de dd.geih.filtrar(): una lista de
valores o un rango (mínimo, máximo) con los extremos incluidos.
# Desempleo juvenil (15 a 28 años)
dd.geih.serie_indicadores(range(2015, 2026), filtros={"edad": (15, 28)})
# Mujeres de Bogotá, por nivel educativo
dd.geih.serie_indicadores(range(2022, 2026), por="nivel_educativo",
filtros={"sexo": ["Mujer"], "departamento": ["Bogotá D.C."]})
# Solo el primer semestre de cada año
dd.geih.serie_indicadores(range(2015, 2026), meses=range(1, 7))
Para desagregar por una variable que no está en POR_PRECALCULADOS, cargue los datos con las variables
necesarias y use dd.geih.indicadores():
df = dd.geih.load(range(2022, 2026), variables=[*dd.geih.VARIABLES_INDICADORES, "posicion_ocupacional"])
dd.geih.indicadores(df, por="posicion_ocupacional")
Comparar años#
Antes de comparar años, revise que tengan el mismo marco muestral (Las encuestas). La TGP, la TO y
los niveles saltan entre 2021 y 2022 por el cambio de las proyecciones de población y de la edad mínima de
la PET, no por el mercado laboral. Para series largas sin saltos use la serie de empalme (2010–2020) con
empalme=True.
Ver también
Validación: las cifras coinciden con las que publica el DANE.
Ejemplos: series de desempleo, brechas de género y desempleo juvenil con gráficas.