Variables armonizadas#

Los nombres, las preguntas y los códigos de la GEIH cambian entre épocas. dd.geih.harmonize() (que dd.geih.load() aplica a cada mes) construye un conjunto de variables en minúscula que significan lo mismo en todos los años. Cada una se calcula fila a fila desde la variable del DANE que exista en esa época, así que se pueden juntar años distintos en un mismo DataFrame.

Las variables originales del DANE se conservan en MAYÚSCULA, sin cambios.

Identificación y expansión#

Variable	Definición	Origen en los datos del DANE
`anio`, `mes`	Año y mes de la encuesta	La carpeta del mes
`fex`	Factor de expansión mensual: cuántas personas representa el registro	`FEX_C18` (desde 2022), `FEX_C` (2020 y empalme), `FEX_C_2011` (2007–2021)
`dpto`	Código DIVIPOLA del departamento	`DPTO`
`departamento`	Nombre del departamento (categórica)	`DPTO` con `dd.DEPARTAMENTOS`
`zona`	`Urbano (cabecera)` o `Rural (centros poblados y disperso)`	`CLASE` (1 y 2)

Características de las personas#

Variable	Definición	Origen
`sexo`	`Hombre` o `Mujer`	`P3271` (desde 2022) o `P6020`
`edad`	Años cumplidos	`P6040`
`grupo_edad`	`0–14`, `15–24`, `25–34`, `35–44`, `45–54`, `55–64`, `65+` (ordenada)	`edad`
`jefe_hogar`	1 si es el jefe o la jefa del hogar	`P6050 == 1`
`nivel_educativo`	`Ninguno`, `Primaria`, `Secundaria`, `Media`, `Superior` (ordenada)	`P3042` (desde 2022) o `P6210`

El nivel educativo agrupa el mayor nivel alcanzado. Con P3042: ninguno y preescolar son Ninguno; básica primaria, Primaria; básica secundaria, Secundaria; media académica, media técnica y normalista, Media; técnica, tecnológica, universitaria y posgrados, Superior. Con P6210 la correspondencia es la misma por nivel.

Condición de actividad#

Variable	Definición
`pet`	1 si está en la población en edad de trabajar
`fuerza_trabajo`	1 si está ocupado o desocupado
`ocupado`	1 si está ocupado
`desocupado`	1 si está desocupado (y no ocupado)
`inactivo`	1 si está en la PET pero no en la fuerza de trabajo
`condicion`	`Ocupado`, `Desocupado`, `Inactivo` o `Fuera de la PET`

Las marcas salen de las variables del DANE OCI (ocupado), DSI (desocupado), PET, PETI e INI (inactivo). En los años en que no existen (2007), se deducen del archivo en que aparece cada persona: estar en el archivo de Ocupados es ser ocupado, y así con Desocupados, Inactivos y Fuerza de trabajo.

La edad mínima de la PET depende del marco: 12 años en la zona urbana y 10 en la rural con el marco del censo 2005, y 15 años con el del CNPV 2018. En la serie de empalme dane-data aplica 15 años a todos los meses, como el DANE en sus cifras publicadas (el archivo de octubre de 2012 viene marcado con la definición anterior; vea Diferencias con la documentación del DANE).

>>> dd.tabla(df, por="condicion", estadistico="porcentaje").round(1)   # primer trimestre de 2024
         condicion       total  n_muestra  porcentaje
0          Ocupado  22387536.8      88396        43.6
1       Desocupado   3014781.9      14016         5.9
2         Inactivo  14504272.0      66245        28.2
3  Fuera de la PET  11450647.0      44858        22.3

Empleo e ingresos#

Estas variables solo tienen valor para los ocupados; para los demás quedan vacías (NaN).

Variable	Definición	Origen
`formal`	1 si está afiliado a salud y cotiza a pensión; 0 si no	`P6090 == 1` y `P6920 == 1`
`cotiza_pension`	1 si cotiza a un fondo de pensiones	`P6920 == 1`
`ingreso_laboral`	Ingreso laboral mensual, en pesos corrientes, imputado por el DANE	`INGLABO`
`smlv`	Salario mínimo del año (para todas las personas)	`dd.SMLV`
`ratio_smlv`	Ingreso laboral en salarios mínimos	`ingreso_laboral / smlv`
`horas_semana`	Horas que trabaja normalmente a la semana en el empleo principal	`P6800`
`posicion_ocupacional`	Empleado particular, del gobierno, doméstico, cuenta propia, patrón…	`P6430`
`rama2d`	Rama de actividad a 2 dígitos de la CIIU	`RAMA2D_R4` o `RAMA2D`
`rama_rev`	Revisión de la CIIU de `rama2d`: 4 o 3	La variable de origen

Informalidad

formal es una definición por seguridad social. La tasa de informalidad oficial del DANE usa además el tamaño de la empresa, así que las dos cifras no coinciden.

Posición ocupacional desde 2022

Desde enero de 2022 el código 7 de P6430 es jornalero o peón y el 8 otro; el 9 desaparece. El diccionario oficial de 2022–2025 repite las categorías anteriores, pero los datos muestran el cambio. dane-data etiqueta cada fila según su año. Vea Diferencias con la documentación del DANE.

La GEIH de 2007 no trae INGLABO, así que ingreso_laboral está vacío ese año.

Categorías fijas#

Las variables categóricas tienen categorías fijas, en dd.geih.CATEGORIAS. Así siguen siendo categóricas después de juntar meses y años, y las tablas salen en un orden con sentido (por ejemplo, de Ninguno a Superior):

>>> dd.geih.CATEGORIAS["nivel_educativo"]
CategoricalDtype(categories=['Ninguno', 'Primaria', 'Secundaria', 'Media', 'Superior'], ordered=True, categories_dtype=str)

Las listas de categorías también están en dd.geih.CONDICIONES, dd.geih.NIVELES_EDUC y dd.geih.GRUPOS_EDAD.

Variables del DANE#

Cualquier otra pregunta de la encuesta se puede cargar con columns= (vea Cargar la GEIH). Para encontrar el nombre:

>>> dd.buscar_variable("arriendo")["variable"].tolist()
['P3064S1', 'P5090', 'P5130', 'P5140', 'P7495', 'P7500S1', 'P7500S1A1']
>>> dd.diccionario("geih")["P6920"]["categorias"]
{'1': 'Sí', '2': 'No', '3': 'Ya es pensionado'}

El diccionario es el de 2025: algunos nombres y categorías de años anteriores son distintos.