Descarga de Datos Socioeconómicos
El Atlas de Pobreza Argentino es una iniciativa de análisis y visualización de datos para comprender la dinámica de la pobreza y el ingreso en Argentina. Este proyecto reúne conjuntos de datos detallados y modelados para explorar patrones socioeconómicos y demográficos a nivel nacional. A continuación encontras enlaces para descargar datasets de la base de datos del Atlas. Podes aprovechar este recurso informativo en investigaciones y proyectos.
Base de datos del Atlas de la Pobreza
Información Geográfica Anual (Geo Households): Estos conjuntos de datos ofrecen detalles geográficos y administrativos de los hogares, capturando información anualmente. Las variables incluyen la ubicación dentro de aglomerados y distritos, las divisiones administrativas como departamentos y provincias, e incluso los circuitos electorales. Esta riqueza de datos geográficos proporciona una base sólida para estudios demográficos y políticos.
Conjuntos de Datos Trimestrales (Ingresos Individuales y Pobreza del Hogar): Estos conjuntos de datos se actualizan trimestralmente y están diseñados para capturar la dinámica socioeconómica de los hogares e individuos. Incluyen información detallada sobre ingresos por persona, clasificación ocupacional y nivel educativo, así como indicadores de pobreza e indigencia basados en el costo de la Canasta Básica Alimentaria y Total. Estos datos permiten analizar la evolución del bienestar económico y social a lo largo del tiempo y con una herramienta muy solida para evaluar el impacto de las políticas públicas en todos los segmentos de la poblacion.
Descarga de Datos y Metodología
Las tablas a continuación listan los enlaces para descargar los conjuntos de datos disponibles. Note que el parámetro de fracción (tamaño de muestreo) está configurado en 0.02, lo que puede generar error estadistico en grupos muy pequeños.
Households Geo Info | Individual Income Datasets | Household Poverty Datasets | ||||||
---|---|---|---|---|---|---|---|---|
Q1 | Q2 | Q3 | Q4 | Q1 | Q2 | Q3 | Q4 | |
2003 Annual | --- | Q3 | Q4 | --- | Q3 | Q4 | ||
2004 Annual | Q1 | Q2 | Q3 | Q4 | Q1 | Q2 | Q3 | Q4 |
2005 Annual | Q1 | Q2 | Q3 | Q4 | Q1 | Q2 | Q3 | Q4 |
2006 Annual | Q1 | Q2 | Q3 | Q4 | Q1 | Q2 | Q3 | Q4 |
2007 Annual | Q1 | Q2 | --- | Q4 | Q1 | Q2 | --- | Q4 |
2008 Annual | Q1 | Q2 | Q3 | Q4 | Q1 | Q2 | Q3 | Q4 |
2009 Annual | Q1 | Q2 | Q3 | Q4 | Q1 | Q2 | Q3 | Q4 |
2010 Annual | Q1 | Q2 | Q3 | Q4 | Q1 | Q2 | Q3 | Q4 |
2011 Annual | Q1 | Q2 | Q3 | Q4 | Q1 | Q2 | Q3 | Q4 |
2012 Annual | Q1 | Q2 | Q3 | Q4 | Q1 | Q2 | Q3 | Q4 |
2013 Annual | Q1 | Q2 | Q3 | Q4 | Q1 | Q2 | Q3 | Q4 |
2014 Annual | Q1 | Q2 | Q3 | Q4 | Q1 | Q2 | Q3 | Q4 |
2015 Annual | Q1 | Q2 | --- | Q1 | Q2 | --- | ||
2016 Annual | --- | Q2 | Q3 | Q4 | --- | Q2 | Q3 | Q4 |
2017 Annual | Q1 | Q2 | Q3 | Q4 | Q1 | Q2 | Q3 | Q4 |
2018 Annual | Q1 | Q2 | Q3 | Q4 | Q1 | Q2 | Q3 | Q4 |
2019 Annual | Q1 | Q2 | Q3 | Q4 | Q1 | Q2 | Q3 | Q4 |
2020 Annual | Q1 | Q2 | Q3 | Q4 | Q1 | Q2 | Q3 | Q4 |
2021 Annual | Q1 | Q2 | Q3 | Q4 | Q1 | Q2 | Q3 | Q4 |
2022 Annual | Q1 | Q2 | Q3 | Q4 | Q1 | Q2 | Q3 | Q4 |
2023 Annual | Q1 | Q2 | Q3 | Q4 | Q1 | Q2 | Q3 | Q4 |
2023 Annual | Q1 | Q2 | Q3 | Q4 | Q1 | Q2 | Q3 | Q4 |
Para obtener orientación técnica detallada y contribuir a la mejora de estos datos, visite los siguientes proyectos en GitHub:
- Proyecto Encuestador de Hogares
- Indice de Pobreza UBA
- Sampler Censo ARG
- IPC Argentina
- Canastas INDEC
Análisis y Aplicaciones
- Datos de Panel: Este conjunto de datos puede ser considerado como datos de panel ya que modela a los datos sobre las mismas unidades (individuos, hogares) a través de múltiples períodos de tiempo.
- Estudio Longitudinal: El enfoque es útil para comprender los efectos o tendencias a largo plazo, desde que se publican los microdatos de la EPH INDEC (2003-Q3).
- Vinculación de Datos o Enlace de Registros: El proceso de unir datos trimestrales con información geográfica anual basada en identificadores de hogar es conocido como vinculación de datos. Este proceso en el análisis de datos ayuda examinar las relaciones entre factores específicos de la ubicación y los indicadores económicos con mayor detalle y de manera mas sencilla.
- Análisis de Cohorte: Esto implica estudiar grupos de hogares o personas que comparten una característica común (por ejemplo, la misma región geográfica, edad o nivel educativo) a lo largo de diferentes trimestres. El análisis de cohorte puede revelar patrones que no son inmediatamente aparentes al mirar una sección transversal de datos en un solo punto en el tiempo, o al mirar la evolucion temporal de todo el conjunto.
- Análisis de Series Temporales: se pueden aplicar técnicas estadísticas para analizar una secuencia de datos recopilados a intervalos de tiempo. El conjunto de datos de pobreza no es una serie temporal pura (ya que no es solo una variable a lo largo del tiempo sino muchas variables en varios puntos de tiempo), pero los conjuntos de datos trimestrales pueden ser analizados usando métodos de series temporales para obtener las tendencias y ciclos en ingresos y pobreza.
Para consultas o más información, por favor contacte a mniglesias@dc.uba.ar.