Indicadores estadísticos asociados a la encuesta de condiciones de vida

INDICADORES ESTADISTICOS ASOCIADOS A LA ENCUESTA DE CONDICIONES DE VIDA TRABAJO FIN DE GRADO 2022 VÍCTOR TOSCANO DURÁN GRADO EN ESTADÍSTICA, FACULTAD DE MATEMATICAS 1 Resumen La encuesta de condiciones de vida proporciona información sobre la calidad de vida en nuestro país y permite abordar el análisis de la pobreza y de la desigualdad de una manera homologable y anual. Actualmente, es un tema de relevancia debido a la reciente crisis económica que ha vivido el país en 2008 y que se ve perjudicada hoy en día por otros sucesos de gran escala como puede ser la pandemia Covid-19. Estas características sobre nuestra sociedad son medibles gracias a los indicadores proporcionados por dicha encuesta. El objetivo es conocer la situación del País en la última década mediante la información que nos proporciona esta encuesta y se realiza el análisis de la desigualdad y de la pobreza por comunidades autónomas, así como un análisis de su evolución en el intervalo de tiempo del 2009 al 2020. ABSTRACT The Living Conditions Survey provides information on the quality of life in our country and allows us to address the analysis of poverty and inequality in a comparable and annual way. It is currently a relevant topic due to the recent economic crisis that the country has experienced in 2008 and which is currently undermined by other largescale events such as the current Covid-19 pandemic. These characteristics of our society are measurable thanks to the indicators provided by this survey. The aim is to know the situation of the country in the last decade through the information provided by this survey and an analysis of inequality and poverty by autonomous communities is carried out, as well as an analysis of its evolution in the time interval from 2009 to 2020. 2 ÍNDICE Contenido 1 Encuesta de condiciones de vida .......................................................................................... 4 1.1 Introducción general del objetivo de esta encuesta ..................................................... 4 1.2 Metodología general en España a grandes rasgos ........................................................ 5 1.2.1 Evolución temporal ............................................................................................... 5 1.2.2 Ámbito de investigación y tipo de muestreo. ....................................................... 6 1.2.3 Cuestionario .......................................................................................................... 8 1.2.4 Error de Muestreo ................................................................................................. 8 2 Definiciones e Indicadores asociados a la encuesta ........................................................... 10 2.1 Definiciones ................................................................................................................. 10 2.1.1 Vivienda y tipos ................................................................................................... 10 2.1.2 Personas y tipos................................................................................................... 11 2.1.3 Otras definiciones ............................................................................................... 12 2.2 Pobreza y Desigualdad ................................................................................................ 15 2.3 Principales indicadores ................................................................................................ 16 2.3.1 Lista de Indicadores ............................................................................................. 17 2.3.2 Indicadores de desigualdad ................................................................................. 20 3 Análisis de los Indicadores en España ................................................................................. 28 3.1 Serie temporal de los principales indicadores en España ........................................... 28 3.1.1 Renta neta media por persona ............................................................................ 28 3.1.2 Umbral de pobreza .............................................................................................. 30 3.1.3 Tasa riesgo de pobreza AROPE ............................................................................ 31 3.1.4 Ratio s80s20 ........................................................................................................ 36 3.1.5 Índice y coeficiente de Gini ................................................................................. 36 3.2 Principales Indicadores en las Comunidades Españolas en el 2009. .......................... 38 3 3.2.1 Curva de Lorentz ................................................................................................. 39 3.2.2 Renta neta media ................................................................................................ 41 3.2.3 Tasa de Pobreza .................................................................................................. 43 3.2.4 Coeficiente Gini ................................................................................................... 46 3.2.5 Análisis Clúster con respecto a los indicadores de condiciones de vida y desigualdad ......................................................................................................................... 47 3.2.6 Evaluación situación 2009 ................................................................................... 51 3.3 Principales Indicadores en las Comunidades Españolas en el 2020 ........................... 52 3.3.1 Curva de Lorentz ................................................................................................. 52 3.3.2 Renta neta media ................................................................................................ 54 3.3.3 Tasa de pobreza .................................................................................................. 57 3.3.4 Coeficiente Gini ................................................................................................... 60 3.3.5 Análisis Clúster con respecto a los indicadores de condiciones de vida y desigualdad. ........................................................................................................................ 61 3.3.6 Evaluación situación 2020 ................................................................................... 64 3.4 Evolución principales indicadores desigualdad y condiciones de vida 2009-2020 ..... 64 4 Bibliografía .......................................................................................................................... 72 4 1 Encuesta de condiciones de vida 1.1 Introducción general del objetivo de esta encuesta El objetivo del presente trabajo es el estudio y análisis de la encuesta de condiciones de vida y de sus principales indicadores en España durante el periodo de 2008 a 2020, haciendo énfasis en estudiar cómo ha evolucionado desde el inicio de la crisis económica estos indicadores y la desigualdad en España. La Encuesta de Condiciones de Vida (ECV), en inglés “European Statistics on Income and Living Conditions” (EU-SILC), es una operación estadística armonizada que se realiza de manera anual en todos los países de la Unión Europea, relativa a las estadísticas comunitarias sobre la renta y las condiciones de vida. El reglamento europeo especifica los objetivos, las áreas cubiertas, el marco temporal y más aspectos relacionados. El objetivo fundamental que se busca conseguir con la ECV es la de generar una fuente de referencias estadísticas que permita comparar la distribución de los ingresos y la exclusión social en el ámbito europeo, así como generar una medida de desigualdad para la sociedad. La ECV proporciona información muy importante para desarrollar políticas socioeconómicas en el contexto del mercado único. Esta operación estadística es flexible en relación con las fuentes estadísticas y se recomienda el uso de las existentes. La ECV va dirigida a recoger datos sobre las privaciones de los hogares, las condiciones de los hogares y el indicador de riesgo de pobreza o de exclusión social armonizado. Estos datos presentan tanto la dimensión transversal como la longitudinal, aunque se da prioridad a la dimensión transversal. Este doble planteamiento tiene grandes ventajas ya que la componente longitudinal (en el caso español se realizará a lo largo de cuatro años) permite estudiar los cambios que se producen en ciertas personas con el paso del tiempo y poder detectar su reacción a dichos cambios. Por otro lado, gracias a la componente transversal podemos sacar conclusiones de calidad en lo que a su actualidad y comparabilidad se refiere. En conclusión, la ECV nos ayuda a conocer la situación de la población con la finalidad de ayudar en la creación de políticas públicas para poder mejorar las condiciones de la población como pueden ser la exclusión social, ingresos, rentas, etc. 5 1.2 Metodología general en España a grandes rasgos 1.2.1 Evolución temporal La ECV comienza en España en 2004 y es una encuesta de periodicidad anual, es decir los ficheros de microdatos se generan con una periodicidad anual. Es una encuesta que se realiza de manera presencial, con la excepción de 2020 y 2021 debido a la pandemia sanitaria causada por el Covid-19, en los que se ha realizado de manera telemática la recogida de información, ya sea a través de llamada telefónica o internet. A partir del año 2005 se introdujeron módulos adicionales en la componente transversal para temas de interés especial que pueden repetirse cada cuatro o más años. Modificación de la definición de “hijos dependientes”. Hasta el año 2007, se consideraban hijos dependientes a la población de edad menor de 16 años y a la población entre 16 y 24 años que vivía con al menos una de sus figuras paternas y no tenía actividad económica se le consideraba hijos dependientes. Esto cambió en 2008, considerando hijos dependientes a la población menor de 18 años y a la población entre 18 y 24 años que vive al menos con una de sus figuras paternas y que es inactiva económicamente. Incorporación de registros administrativos. A partir de 2013 se empezó a recoger información de fuentes fiscales y administrativa, que complementa la información recogida en el trabajo de campo, lo cual produjo una ruptura en la serie temporal de esta estadística en la forma de obtener ingresos del hogar. Investigación exhaustiva por comunidades. Aunque el INE presenta y difunde datos por Comunidades Autónomas, otras regiones, al igual que en Andalucía, incluyen entre sus actividades estadísticas la explotación y publicación de datos de la ECV para su ámbito territorial. Así, por ejemplo, la Comunidad de Navarra en su IV Plan de Estadística (Años 2011-2016) incluye entre sus actividades estadísticas la realización de la “Encuesta de Condiciones de Vida”. El Instituto de Estadística y Cartografía de Andalucía (IECA) obtiene los resultados publicados en este trabajo a partir de la explotación de los ficheros de microdatos anonimizados de la Encuesta de Condiciones de Vida proporcionados por el INE. Una vez recibido, el IECA explota el fichero de microdatos para obtener la información estadística de Andalucía. (IECA, 2017) 6 Hay que destacar el caso de Cataluña, ya que en el año 2015, el INE y el Instituto de Estadística de Cataluña (Idescat) atendiendo a la necesidad de aumentar la fiabilidad estadística de los resultados presentados y de ofrecer información territorial más detallada, decidieron colaborar para ampliar la muestra en el ámbito territorial catalán. El acuerdo se hace efectivo a partir de la ECV del año 2016. En ese mismo año la operación estatal contribuyó con la información correspondiente a 1.275 hogares y 3.264 individuos en Cataluña, mientras que la operación adicional gestionada por el Idescat aportó 1.751 hogares y 4.094 individuos. Simultáneamente a la ampliación, el Idescat y el INE acordaron añadir dos nuevas preguntas en el cuestionario del hogar (sobre la necesidad del hogar de pedir ayuda por su situación económica) y otra en el cuestionario individual (para conocer la situación de las personas que tienen limitaciones para realizar las actividades de la vida diaria). (Instituto de Estadística de Cataluña, s.f.) Finalmente, hay que tener en cuenta que esta operación estadística se llamaba “Estadística de distribución personal de la renta y riesgo de pobreza antes de 2016. 1.2.2 Ámbito de investigación y tipo de muestreo. Ámbito poblacional El ámbito poblacional de esta encuesta lo constituye las personas miembros de hogares privados que residen en viviendas familiares principales. La población seleccionable para la investigación exhaustiva son aquellos miembros del hogar con 16 o más años el 31 de diciembre del año anterior al de la entrevista. Ámbito geográfico El ámbito geográfico lo constituye todo el territorio español. Ámbito temporal El ámbito temporal difiere en función de la variable objeto de estudio: semana anterior a la entrevista, último mes, último año etc. Por otro lado, se recoge información biográfica de los entrevistados, lo que indica que el periodo de referencia será diferente para cada individuo. 7 Muestreo La ECV es una encuesta anual con un diseño de panel rotante (los hogares permanecen durante un número determinado de períodos en la muestra y luego son sustituidos) en el que la muestra la forman cuatro submuestras independientes, cada una de las cuales es un panel de cuatros años de duración. Cada año se renueva la muestra en uno de los paneles. El tipo de muestreo usado en estas submuestras es un muestreo bietápico con estratificación en las unidades de primera etapa. Las unidades de la primera etapa son las secciones censales y las de la segunda etapa son las viviendas familiares principales. Las secciones se seleccionan dentro de cada estrato con probabilidad proporcional a su tamaño y las viviendas se seleccionan, dentro de cada sección, con igual probabilidad mediante muestreo sistemático con arranque aleatorio, lo que conduce a muestras autoponderadas en cada estrato. En cada Comunidad Autónoma se diseña una muestra independiente que la represente, con el fin de producir resultados significativos para el siguiente nivel de desagregación: Las unidades de primera etapa (secciones) se agrupan en estratos de acuerdo con el tamaño del municipio al que pertenecen. La muestra complementaria llevada a cabo para Cataluña por el Idescat se lleva a cabo mediante la selección de viviendas usando un muestreo aleatorio estratificado en dos etapas. Para poder cumplir con los objetivos de esta encuesta y proporcionar resultados con un nivel de fiabilidad aceptable a nivel nacional y a nivel de las comunidades, se selecciona una muestra de 16000 viviendas distribuidas en 2000 secciones censales y a su vez la muestra se distribuye entre las comunidades asignado una parte uniforme (40% de las secciones) y otra proporcional al tamaño de las comunidades. Por lo tanto, se destacan como aspectos importantes a tener en cuenta de la ECV los siguientes: • La encuesta como hemos dicho es anual y cada año se denomina ciclo de la encuesta. • La muestra está dividida en 4 grupos de rotación y se denomina periodo al número de años que lleva un grupo de rotación en la muestra. Estos periodos van del 1 al 4 siendo el primer periodo el año que un grupo de rotación entra en la muestra y el 4 el último que permanece en la misma. • En cada ciclo se renueva una cuarta parte de la muestra • En el primer ciclo de la ECV toda la muestra obviamente es nueva y estará en el periodo 1. 8 • Una cuarta parte de las unidades seleccionadas en la muestra del primer ciclo solo permanecen un año, otra cuarta parte dos y otra cuarta parte tres años. 1.2.3 Cuestionario El cuestionario correspondiente a la encuesta de condiciones de vida se divide en 4 partes: 1. Mesa de Composición del hogar: Se recoge información básica de las personas que ocupan la vivienda y su objetivo es determinar las personan que forman parte del hogar. 2. Ficha del hogar: Se recoge información general de las personas que componen el hogar, pero con la excepción de que se solo se realiza a las personas que cumplen los requisitos de ser miembros del hogar. (Complementa a la 1 parte del cuestionario) 3. Cuestionario del Hogar: Se recoge información sobre la vivienda encuestada (la unidad de observación). Se realiza a la persona responsable del hogar. 4. Cuestionario individual: Se recoge información más detallada sobre cada miembro del hogar (mayor de 16 años el año anterior a la entrevista) En la página web del INE podemos acceder a estos cuestionarios y observar su contenido: https://www.ine.es/metodologia/t25/t2530453cues.htm . 1.2.4 Error de Muestreo Como es conocido, el error de muestreo mide la imprecisión que se comete al estimar una característica de la población de estudio (parámetro) mediante el valor obtenido a partir de una parte o muestra de esa población (estadístico). Este error depende de muchos factores como pueden ser del método de extracción de la muestra, su tamaño etc. Podemos definir una expresión generalizada del error de muestreo: Error de muestreo = Var() ( estimado) donde  es el estadístico de interés y por lo tanto la variabilidad de dicho estadístico en el muestreo determinará el error de muestreo. Como toda encuesta, la ECV tiene asociado errores de muestreo. Como consecuencia, las diferencias que se observan en los resultados de la encuesta en dos momentos de tiempo pueden deberse tanto a cambios reales del objeto bajo estudio como al error de muestra, es decir no toda variación observada se debe a un cambio real. En conclusión, a mayor error de muestreo de una variable, mayor será la probabilidad de que el cambio sea explicado por dicho error y no por un cambio real. 15 2.2 Pobreza y Desigualdad Además de estas definiciones, como en este trabajo nos vamos a centrar más en la pobreza, la desigualdad y exclusión social, vamos a definir brevemente estos conceptos. (Llera Lasobras, 2019) Pobreza: Existen diversas definiciones de la pobreza dadas por diferentes autores a lo largo del tiempo. En 1901, se definió el concepto de pobreza básica y viene determinada cuando los ingresos totales no son suficientes para poder hacer cargo de todas las necesidades indispensables para mantener nuestra salud y físico de manera eficiente. En 1995, el consejo europeo definió un concepto general de la pobreza, indicando que las personas, familias y grupos de personas pobre son aquellos que están excluidos de las necesidades mínimas de consumo y actividades de vida aceptable debido a la escasez de recursos. Así mismo, se definió la pobreza económica, que hace referencia a los individuos que no alcanzan la libertad suficiente para satisfacer el hambre, conseguir nutrientes suficientes, vestir dignamente, tener una vivienda aceptable etc. Por último, debemos tener en cuenta que la pobreza se puede clasificar de diversas maneras según los datos que se tengan y la manera en que vayan a ser analizados: -Pobreza objetiva: se define utilizando información sobre variables objetivas de los hogares, como el nivel de ingresos o gastos, o los equipamientos de la vivienda. - Pobreza subjetiva: se define a partir de la visión de los habitantes del hogar, de su situación y sus necesidades. - Pobreza absoluta: falta de bienes y servicios básicos y primordiales para vivir; la alimentación, vivienda o vestido. - Pobreza relativa: se define comparando el nivel medio de una población. Esta medida se establece a partir de los ingresos o gastos, y supone una carencia relativa respecto a la disponibilidad de bienes habituales. Más adelante se introdujo el termino de exclusión social para establecer las desigualdades entre la población. En 2016, se definió la exclusión social, como la ruptura del vínculo social que se asocia a la privación de los derechos sociales, es decir ciertos individuos son empujados al margen de la sociedad y se les impide participar plenamente debido a su pobreza, falta de competencias básicas etc. 16 En 2002, se determinaron tres grados de exclusión social, dependiendo de la gravedad de la situación y actitud de la persona en cuestión. • Exclusión de 1º grado (pobres): situación donde la vida del individuo está en peligro: pobreza extrema, personas sin techo, infancia desprotegida. • Exclusión de 2º grado (marginados): situaciones que pueden derivar a la exclusión de primer grado o pueden subsanarse. Forman parte los desempleados, ancianos, habitantes de pueblos rurales con pocas oportunidades, enfermos de SIDA, discapacitados, minorías étnicas, inmigrantes. • Exclusión de 3º grado (desviados): la actitud de la persona y las acciones que ejecuta contribuyen a su exclusión (ruptura de normas morales o legales). Se incluye a los reclusos, alcohólicos, drogodependientes, prostitución. La desigualdad social fue un terminó que se incluyó más adelante para poder vincular a la sociedad en función de la falta de equilibrio entre dos o más personas. Según el sociólogo, Eduardo López Aranguren, es el resultado de los problemas sociales, y no puede observarse únicamente como un fenómeno natural. Es de gran importancia destacar que varios sociólogos indican que la desigualdad proviene del estado natural del ser humano y se hace hincapié en que el ser humano se compara con sus semejantes y ve sus diferencias, y entonces es cuando se pierde la igualdad del ser humano. Hoy en día, la desigualdad esta implementada en nuestra sociedad a gran escala y se debe a que ha sido establecido estructuralmente debido a los sistemas políticos y económicos, de ahí la dificultad para que sea combatida. 2.3 Principales indicadores En este apartado vamos a hacer hincapié en los indicadores de calidad de vida. En mayo de 2013, Eurostat publicó por primera una sección explicando un primer conjunto de Indicadores de calidad de vida. Posteriormente en 2017 se amplió este grupo de Indicadores de calidad de vida, donde dicha información viene recogida al completo en el Grupo de Trabajo de Expertos de Calidad de Vida. La cantidad de indicadores que se incluye en dicha publicación es enorme, por lo que en este trabajo incluiré los más relevantes para el análisis de algunas dimensiones. (Grupo de Expertos de Calidad de Vida, 2017) Existen 9 dimensiones posibles para los indicadores existentes: • Condiciones materiales de vida 17 • Trabajo • Salud • Educación • Ocio y relaciones sociales • Seguridad física y personal • Gobernanza y derechos básicos • Entorno y medioambiente • Experiencia general de la vida. Todos los indicadores existentes en estas 9 dimensiones se obtienen fundamentalmente tanto de la ECV como de la Encuesta de Población Activa (EPA). Según el informe del Comité del Sistema Estadístico Europeo Sponsorship Group, estos indicadores que nos permiten conocer y medir la calidad de vida deben cumplir ciertos principios: • Medir resultados, pero no los procesos intermedios. • La recogida de datos debe estar basada en observaciones individuales, siendo inválido las observaciones agregadas. • Medir desigualdades a través de estadísticos de distribución. • Detectar desigualdades en diferentes grupos de población. Estos indicadores de calidad de vida están generalizados a toda la población, aunque existen algunas limitaciones para disponer de información debido a las características de la ECV, como puede ser para la población menor de 16 años. Además, los indicadores engloban todo el territorio nacional y sus desagregaciones geográficas por Comunidades Autónomas. Los datos sobre estos Indicadores son extraídos de manera anual comenzando en 2004, año en el que se inició la ECV, fuente principal de información sobre los indicadores de calidad de vida. Debido a los cambios que la ECV presento en 2013, la serie de datos existente sobre algunos de estos indicadores sufrió una ruptura. Para algunos indicadores se han construidos series temporales anuales desde 2004 hasta 2012 y otra serie desde 2008 hasta 2020. Debemos tener en cuenta que estas series no son comparables. 2.3.1 Lista de Indicadores A continuación, se van a citar los indicadores de calidad más importantes de la ECV y si es conveniente realizar algún comentario sobre ellos. Renta disponible del hogar: Es la suma de ingresos en los miembros del hogar. 18 𝑅𝑒𝑛𝑡𝑎 𝑑𝑖𝑠𝑝𝑜𝑛𝑖𝑏𝑙𝑒 𝑑𝑒𝑙 ℎ𝑜𝑔𝑎𝑟=∑𝑖𝑛𝑔𝑟𝑒𝑠𝑜𝑠𝑖 𝑠𝑖𝑒𝑛𝑑𝑜 𝑛 𝑖=1 𝑖=𝑚𝑖𝑒𝑚𝑏𝑟𝑜𝑠 𝑑𝑒𝑙 ℎ𝑜𝑔𝑎𝑟 Renta media del hogar: Es calculado mediante la división de la renta neta del conjunto de los hogares y el número total de hogares. Esta definición incluye el alquiler imputado, que es aplicado a los hogares en los que no se paga un alquiler completo. Se imputa el equivalente al alquiler que se pagaría en el mercado por una vivienda de similares características. 𝑅𝑒𝑛𝑡𝑎 𝑚𝑒𝑑𝑖𝑎 𝑑𝑒𝑙 ℎ𝑜𝑔𝑎𝑟=𝑅𝑒𝑛𝑡𝑎 𝑛𝑒𝑡𝑎 𝑑𝑒𝑙 𝑐𝑜𝑛𝑗𝑢𝑛𝑡𝑜 𝑑𝑒 ℎ𝑜𝑔𝑎𝑟𝑒𝑠 𝑁ú𝑚𝑒𝑟𝑜 𝑡𝑜𝑡𝑎𝑙 𝑑𝑒 ℎ𝑜𝑔𝑎𝑟𝑒𝑠 Renta media por persona: Igual que el anterior, pero siendo dividido por el número total de personas. 𝑅𝑒𝑛𝑡𝑎 𝑚𝑒𝑑𝑖𝑎 𝑝𝑜𝑟 𝑝𝑒𝑟𝑠𝑜𝑛𝑎=𝑅𝑒𝑛𝑡𝑎 𝑛𝑒𝑡𝑎 𝑑𝑒𝑙 𝑐𝑜𝑛𝑗𝑢𝑛𝑡𝑜 𝑑𝑒 ℎ𝑜𝑔𝑎𝑟𝑒𝑠 𝑁ú𝑚𝑒𝑟𝑜 𝑡𝑜𝑡𝑎𝑙 𝑑𝑒 𝑝𝑒𝑟𝑠𝑜𝑛𝑎𝑠 Renta media por unidad de consumo: Igual, pero se realiza la división entre el número total de unidades de consumo que componen dichos hogares. 𝑅𝑒𝑛𝑡𝑎 𝑚𝑒𝑑𝑖𝑎 𝑝𝑜𝑟 𝑈.𝐶=𝑅𝑒𝑛𝑡𝑎 𝑛𝑒𝑡𝑎 𝑑𝑒𝑙 𝑐𝑜𝑛𝑗𝑢𝑛𝑡𝑜 𝑑𝑒 ℎ𝑜𝑔𝑎𝑟𝑒𝑠 𝑁ú𝑚𝑒𝑟𝑜 𝑡𝑜𝑡𝑎𝑙 𝑑𝑒 𝑈.𝐶 Umbral de pobreza: El umbral de riesgo de pobreza es calculado cada año a razón de la distribución de ingresos del año anterior. Este umbral se fija en el 60% de la mediana de los ingresos por unidad de consumo de las personas. El valor de este umbral depende del tamaño del hogar y la edad de sus miembros. Además, nos permite calcular la tasa de riesgo de pobreza. Tasa de Riesgo de pobreza: que corresponde al porcentaje de personas que vive en hogares considerados riesgos de pobreza, es decir es el porcentaje de personas que está por debajo del umbral de pobreza. % personas por debajo del umbral de pobreza Brecha o intensidad del riesgo de pobreza: Muestra la distancia entre la mediana de los ingresos de la población en riesgo de pobreza y el umbral de pobreza. Nos proporciona información sobre si las personas tienden a acercarse o distanciarse del umbral. Este indicador se expresa en términos porcentuales con relación al umbral. 19 Población con privación material: Se entiende por concepto de privación material a la carencia de las condiciones de la vivienda, la disponibilidad de los bienes duraderos, los retrasos en los pagos y la falta de capacidad para hacer frente a las necesidades materiales básicas. De esta manera, la población con privación material es aquella que representa la privación de algunos de los ítems siguientes: • Poder pagar sin retrasos gastos relacionados con la vivienda (hipoteca o alquiler, recibos de gas, comunidad…) o de compras aplazadas. • Poder ir de vacaciones al menos una semana al año. • Poder comer una carne, pollo o pescado (o el equivalente vegetariano) al menos cada dos días. • Poder afrontar gastos imprevistos. • Poder permitirse un coche. • Poder mantener la vivienda a una temperatura adecuada. • Poder permitirse un ordenador personal. Población con privación material severa: Población que no puede cumplir 4 o más ítems de la lista anterior añadiéndole dos ítems: • Poder permitirse un teléfono. • Poder permitirse una lavadora. Intensidad de trabajo del hogar: Se calcula mediante la división de la suma total de los meses en los que cada miembro del hogar en edad de trabajar durante el año anterior a la encuesta entre la suma total de los meses en las que cada miembro ha podido trabajar durante dicho año. La edad de trabajar está formada por los individuos de 18 a 59 años, excluyendo los de 18 a 24 años que sean estudiantes. El rango de esta medida es desde 0 a 1, donde 0 es que no ha se ha trabajado en dicho hogar y cercano a 1 es cuando cada individuo ha trabajado prácticamente todos los meses posibles. Población en hogares con intensidad de trabajo escasa: Todos los individuos del hogar cuyos adultos tienen una intensidad de trabajo menor de 0,20. Tasa AROPE: Esta tasa surgió de la necesidad de incorporar un indicador que recogiera situaciones de vulnerabilidad de manera única. Hace referencia al porcentaje de población que se encuentra en riesgo de pobreza y/o exclusión social. Define de manera agrupada a las personas que cumplen uno o más de los siguientes requisitos (indicadores definidos anteriormente): • Se encuentra en riesgo de pobreza. • Se encuentra en situación de privación material severa. • Viven en hogares con intensidad de trabajo escasa. 20 Esta tasa no es homogénea para todas las personas y presenta importantes diferencias si es desagregada según sexo, edad, nacionalidad etc. S80/S20: también denominada ratio quintil. Es el cociente de los ingresos totales del 20% de las personas con ingresos más elevados (percentil 80 y superior en la distribución de la renta) y los ingresos totales del 20% de las personas con ingresos más bajos (percentil 20 e inferior en la distribución de la renta). En el caso de que este índice seria 1(su valor mínimo) nos indicaría que todo el mundo tiene los mismos ingresos, es decir nos indica la igualdad absoluta. ∑𝑖𝑛𝑔𝑟𝑒𝑠𝑜𝑠𝑖 𝑃 𝑖 ∑𝑖𝑛𝑔𝑟𝑒𝑠𝑜𝑠𝑗 𝐶 𝑗 𝑃=20% 𝑝𝑒𝑟𝑠𝑜𝑛𝑎𝑠 𝑐𝑜𝑛 𝑖𝑛𝑔𝑟𝑒𝑠𝑜𝑠 𝑚á𝑠 𝑒𝑙𝑒𝑣𝑎𝑑𝑜𝑠 𝐶=20% 𝑝𝑒𝑟𝑠𝑜𝑛𝑎𝑠 𝑐𝑜𝑛 𝑖𝑛𝑔𝑟𝑒𝑠𝑜𝑠 𝑚á𝑠 𝑏𝑎𝑗𝑜𝑠 2.3.2 Indicadores de desigualdad A continuación, se explicará con mayor detalle los indicadores de desigualdad que son utilizados en la ECV. Algunos de estos indicadores serán objetivo de estudio de este trabajo, así como de realizar ciertos análisis estadísticos que permitan introducir el conocimiento e interpretación de dichos indicadores. No se compararán de manera numérica el valor obtenido para estos coeficientes debido a que los valores no son comparables entre sí, y por lo tanto carece de sentido hacer la comparación. Lo que si podremos realizar y observar será la evolución de estos indicadores de desigualdad de manera global o de manera desagregada para cada uno de los indicadores ya que las evoluciones entre ellos sí que resultan comparables. 2.3.2.1 Curva de Lorenz En primeria instancia, vamos a hablar sobre la curva de Lorenz, la cual es una herramienta muy valiosa tanto en el análisis de la distribución de la renta sobre una cierta población tanto como al tratar de ordenar en términos de desigualdad. En 1905, M.O. Lorenz propuso estas curvas para analizar la desigualdad de la renta y riqueza, destacando que el abombamiento de dicha curva es un indicador de desigualdad existente en la distribución. 21 La curva de Lorenz se construye de la siguiente manera: Sea x una distribución de renta en el espacio D, a partir de ella se construyen los porcentajes acumulados de individuos y de rentas repartidas, teniendo en cuenta que los vectores tienen sus vectores ordenados de forma ascendente, son no negativas y denotando a la media aritmética por 𝑥: 𝑝0=0;𝑝𝑖=𝑖𝑁 ,𝑐𝑜𝑛 𝑖=1,2,….,𝑁 𝑞0=0;𝑞𝑖=1 N⋅x∗∑𝑥𝑗 𝑐𝑜𝑛 𝑖 𝑗=1 𝑖=1,2,…,𝑁 Una vez obtenido estos porcentajes, se obtiene la curva de Lorentz denotada por L(p), que es la poligonal que une los puntos del conjunto (𝑝𝑖,𝑞𝑖 con i = 0, 1, ..., N). De manera más sencilla es una representación gráfica de la desigualdad en el reparto de la renta existente en un determinado territorio (país, CC. AA, ciudad etc.) y en ella se sitúa en el eje X los acumulados de población y en él Y los acumulados de renta. Obviamente está inscrita en el cuadrado de la unidad, de manera que la situación de igualdad viene determinada por la cercanía de la curva a la diagonal del cuadrado unidad donde esta curva es inscrita y el abombamiento indica un aumento de la desigualdad, es decir cuanto mayor sea el área entre la recta de la diagonal y la curva mayor será la desigualdad. Veamos un gráfico de ejemplo que nos permita ver lo citado: Aquí podemos observar la diagonal y dos curvas de Lorenz, donde la curva naranja es más cercana a la línea de igualdad y la azul indica un aumento de la desigualdad al tener mayor área entre dicha línea y la curva. Con otras palabras, la población representada por la línea azul tiene una distribución de la renta más desigualada que la población representada por la línea naranja. 22 Esta definición que hemos aportado a la curva de Lorenz es descriptiva y puede generalizarse al caso de que la renta sea una variable aleatoria X, no negativa, con esperanza matemática μ y cuya función de distribución es F(x): 𝑝=𝐹(𝑥)=∫𝑑𝐹(𝑡) 𝑥 0 𝑞=𝐿[𝐹(𝑥)]=1μ∗∫𝑡 𝑥 0∗𝑑𝐹(𝑡) La curva de Lorentz presenta varias propiedades, donde cabe destacar que la pendiente de L(p) viene determinada por la siguiente función en el caso de ser derivable: 𝑡(𝑝)= 𝐹−1(𝑝) μ ,𝑝∈[0,1] En el aspecto estadístico, sean x e y dos distribuciones de renta del espacio D, entonces se dirá que x es menos desigual que y en el sentido de Lorentz cuando la curva de Lorentz encierra completamente a la de x. (Iritani y Kuga,1983). Además, a partir de la curva de Lorentz podemos calcular varios indicadores adicionales como puede ser el índice de Gini. 2.3.2.2 Índice y Coeficiente de Gini En 1912, C. Gini propuso el coeficiente de Gini con la finalidad de medir la desigualdad a partir de la diferencia media entre las rentas de la distribución. Se calcula como el cociente entre el área comprendida entre la diagonal de perfecta igualdad y la curva de Lorenz (A) y el área del triángulo creado a partir de la propia diagonal (A+B). 𝐶𝑜𝑒𝑓𝑖𝑐𝑖𝑒𝑛𝑡𝑒 𝑑𝑒 𝐺𝑖𝑛𝑖= 𝐴 (𝐴+𝐵) Este coeficiente tomas valores en el intervalo [0,1], donde en situaciones de máxima igualdad de distribución de la renta en la población valdría 0, lo que significaría que la 23 curva de Lorenz sería la misma diagonal. En cambio, a medida que aumenta la desigualdad, es decir la curva de Lorenz se aleja de la diagonal, el coeficiente de Gini se acercaría a 1 y nos estaría dejando ver que la desigualdad es grande, es decir los individuos más pobres disfrutan de una distribución muy baja y los más ricos de una distribución de renta muy alta. Podemos decir que el Coeficiente de Gini es un indicador inverso, es decir a mayor valor de dicho indicador mayor es la desigualdad. El índice de Gini, no es más, que el coeficiente de Gini expresado en porcentajes, es decir, es igual al Coeficiente de Gini multiplicado por 100. 𝐼𝑛𝑑𝑖𝑐𝑒 𝐺𝑖𝑛𝑖 = 𝐶𝑜𝑒𝑓𝑖𝑐𝑖𝑒𝑛𝑡𝑒 𝐺𝑖𝑛𝑖 x 100 Hay problemas en la interpretación de dicho coeficiente, ya que el mismo valor puede obtenerse de diversas curvas de Lorentz de distribución y debe tenerse en cuenta la estructura demográfica de la población que estemos analizando y obtengamos los valores. Un enfoque alternativo es definir el coeficiente de Gini como la mitad de la diferencia media absoluta relativa, que es matemáticamente equivalente a la definición basada en la curva de Lorenz. 𝐶𝑜𝑒𝑓𝑖𝑐𝑖𝑒𝑛𝑡𝑒 𝐺𝑖𝑛𝑖=(∑ ∑ |𝑥𝑖−𝑥𝑗| 𝑛 𝑗=1 𝑛 𝑖=1 ) 2𝑛2𝑥 Donde n es el tamaño de la población y 𝑥𝑖 es la renta del individuo i y 𝑥 es el promedio de la renta en dicha población. Si la distribución de la renta en la población se da como una función de probabilidad continua p(x), entonces el coeficiente de Gini es de nuevo la mitad de la diferencia absoluta de medias relativa: 𝐶𝑜𝑒𝑓𝑖𝑐𝑖𝑒𝑛𝑡𝑒 𝐺𝑖𝑛𝑖=1 2μ∫ ∫ 𝑝(𝑥)𝑝(𝑦)|𝑥−𝑦|𝑑𝑥𝑑𝑦 ∞ −∞ ∞ −∞ Donde µ es la media de la distribución de la renta, y los limites inferiores de integración pueden ser reemplazados por cero cuanto los ingresos de toda la población sean positivos. Este indicador es el más usado debido a su calidad de medición y su facilidad tanto para el cálculo como la interpretación. Su principal problema es que no cumple con la propiedad de Descomposición Aditiva, es decir en el caso de las comunidades autónomas, si calculamos la media del coeficiente de Gini para las regiones no 24 obtendremos el valor de dicho coeficiente para el conjunto estatal. El coeficiente de Gini es estrictamente S-cóncavo 2.3.2.3 Índice de Theil Esta medida de desigualdad fue propuesta por Theil en 1967 y fue derivada de la noción de entropía de la teoría de la información. Esta medida es diferente al resto. Sea X la probabilidad de que ocurra un determinado evento, el contenido de la información h(x) denota que el evento bajo estudio y debe ser una función decreciente de x, es decir, cuanto más improbable sea que ocurra dicho evento más interesante será conocer que dicho evento ha ocurrido realmente. Una fórmula que verifica esta propiedad y que es utiliza con bastante frecuencia es la función logaritmo del inverso de X: ℎ(𝑥)=𝑙𝑜𝑔(1÷𝑥) La entropía de dicho evento puede denotarse como la suma de los contenidos de información h(x) de cada evento ponderado según sus correspondientes probabilidades: 𝐻(𝑥)=∑𝑙𝑜𝑔 𝑛 𝑖=1 (1 𝑥𝑖) La entropía generalmente fue diseñada para medir el desorden, pero en este caso se interpreta como una medida de desigualdad, ya que si X se interpreta como la parte de ingreso que va a un individuo entonces H(x) parece una medida de igualdad cuando cada valor de X es igual a 1/n siendo n el número de eventos posibles. Si restamos la entropía de una distribución del ingreso a partir de su valor máximo que corresponde al logaritmo de los posibles eventos obtenemos el índice de Theil, que viene expresado por la siguiente fórmula: 𝑇=𝑙𝑜𝑔(𝑛)−𝐻(𝑥)=∑𝑥𝑖 𝑛 𝑖=1 ∗𝑙𝑜𝑔(𝑛∗𝑥𝑖) Como hemos comentado, la entropía en general estudia el desorden, pero en este caso cuanto mayor sea la entropía menor será la desigualdad, por lo que tomaremos la entropía a grandes valores como algo bueno en este caso. Además, este indicador presenta una ventaja con respecto al coeficiente de Gini y es que se puede descomponer de forma aditiva, por lo que nos informa sobre la desigualdad en distintos grupos formados. Esto lo hace ser un índice bastante 31 Calculamos la evolución de estos indicadores y mediante la librería “mmtable2” (Moran, 2021) elaboramos el siguiente gráfico. Lo más destacable que podemos observar, es cómo ambas variables tienen una relación directa, ya que cuando una aumenta la otra también lo hace y viceversa. Pero lo realmente importante que podemos detectar es que cuando la renta neta media tiende a crecer, el umbral de pobreza crece en mayor porcentaje con respecto a la renta neta media, lo que nos indica que el nivel mínimo de ingreso para poder tener un nivel de vida adecuado crece más rápidamente que los ingresos de las personas, lo cual nos permite predecir que la tendencia del número de personas en nuestro país que tienen dificultades para tener un nivel de vida adecuado está aumentando considerablemente. 3.1.3 Tasa riesgo de pobreza AROPE A continuación, observaremos la evolución de la Tasa de riesgo de pobreza (AROPE) en España. Estamos representando el porcentaje de personas en España que anualmente se encuentran en riesgo de pobreza y/o exclusión social. 32 A primera vista podemos observar como la tasa de riesgo de pobreza en España durante la última década indica que en torno a una cuarta parte de la población española se encuentra en riesgo de pobreza y/o exclusión social, lo que es algo bastante elevado. En los primeros años de esta década la evolución de esta tasa ha ido en aumento, obteniendo su mayor valor en el año 2014 con un 29% de la población en tasa de pobreza. Esto es un indicativo del enorme impacto que tuvo la crisis de 2007 en España y como año tras año repercutió en este indicador. A partir de 2015 comenzó a verse una bajada en esta tasa, lo que comenzó a indicar que el país empezaba a recuperarse de la crisis y la pobreza en nuestro país volvía a bajar, no obstante, la disminución era lenta. En el 2020 esta tasa volvió a subir y veremos si en el futuro esta tasa continúa creciendo debido a la pandemia Covid-19 y a la evolución que presenta el País (9 país en la UE con mayor tasa de pobreza AROPE) (Tasa AROPE países europeos, s.f.). La actual guerra desarrollada en Europa va a traer grandes consecuencias con respecto a la pobreza en nuestro país, debido al aumento de los precios en las principales necesidades de la población y la llegada de refugiados de Ucrania. 33 En este gráfico podemos observar la línea suavizada ajustada a los datos. Algo que nos permite interpretar lo anterior con mayor facilidad y donde podemos observar que todos estos valores entran dentro de lo esperado con respecto a su evolución ya que están dentro de los límites. Además, podemos observar como en el año 2020 parece ser que la evolución será creciente o se mantendrá constante. A continuación, mostraremos el mismo gráfico con la tendencia que ha seguido este indicador en dichos años y la predicción para los dos próximos años. Hemos obtenido estas predicciones a través del uso de series temporales mediante la librería “tidymodels” de R (Kuhn & Wickham, 2019). Hemos realizado el ajuste a los datos y las predicciones mediante dos modelos diferentes: ARIMA(1,0,0) (mejor modelo recomendado por la función “auto.arima” de la librería “forecast”) y el modelo profeta que nos proporciona la librería “tidymodels”, donde podemos observar que para el año 2021 las predicciones con respecto a la tasa de riesgo en nuestro país tienden a una bajada enorme. En cambio, para el año 2022 está prevista una nueva subida realizando la predicción con el ARIMA (1,0,0) y en cambio con el modelo profeta se mantiene prácticamente igual la tasa de riesgo de pobreza. Hay que destacar que el valor de estas predicciones nos indica que España volvería a alcanzar el menor valor de este indicador en la última década, algo que sería bastante positivo si estuviera en lo correcto. Estas predicciones no son de gran confianza debido a que ha sido realizada únicamente teniendo en cuenta la serie temporal de la evolución de dicha tasa en los últimos años mientras que no tiene en cuenta la gran cantidad de variables que influyen en el cálculo de esta tasa y como varía en función de la situación española y europea. Por lo tanto, podemos asegurar que esta predicción no se cumplirá y que además en su efecto viendo la situación del Covid-19 y la guerra como hemos comentado anteriormente crecerá notablemente, pudiendo incluso superar el récord que se obtuvo en el año 2014. Otra cosa que podemos destacar del siguiente gráfico es que al ajustar una línea suavizada a los datos incluyendo las predicciones, el valor de la tasa de riesgo en 2014 y 2019, son valores realmente sorprendentes, ya que no se encuentran dentro del intervalos de confianza de dicha línea. 34 Vamos a ver y comentar también la evolución de los componentes de esta tasa de riesgo de pobreza, pero solo desde 2013 a 2020 debido a que no disponemos de los datos de estos componentes en base a 2013 antes de dicho año. Todos estos componentes tienen un comportamiento muy similar a la tasa de riesgo, lo cual es esperado ya que estos componentes nos dan una pista sobre la propia tasa de riesgo. Hay que destacar el gran porcentaje de población española que sufre 35 privación material severa, que se mantiene bastante similar a partir del año 2014 con aproximadamente un 22% de la población española que sufre este fenómeno, es decir casi ¼ de la población española tiene carencia material de permitirse algunos de los ítems que son considerados como “necesidades humanas”. España se caracteriza por tener pocos hogares con una intensidad de trabajo baja, en torno al 6% en la última década, y a pesar de esta característica existe un enorme % de personas en riesgo de pobreza. Es algo chocante ya que el tener una intensidad de trabajo estándar no parece ser un indicativo de tener una buena estabilidad económica y que sea suficiente para cubrir las principales necesidades. En el 2020 a raíz del Covid-19 podemos observar el gran aumento que supuso en los hogares tener una intensidad de trabajo baja. Esto se debe principalmente al enorme número de ERTES que se realizaron e incluso despidos. 3.1.4 Ratio s80s20 En este gráfico podemos observar la ratio s80/s20 y a simple vista nos indica, la desigualdad que existe en nuestro país a la hora de la distribución de la renta de los más ricos en comparación del 20% de los más pobres, ya que el 20% de los más ricos tienen una distribución de la renta aproximadamente 6,5 veces mayor que el 20% de 36 los más pobres. Cabe indicar que es bastante alto el valor de este indicador con respecto a otros países de la UE, ya que España es el noveno país con mayor ratio s80s20. (Ratio s80s20 países europeos., s.f.) Además, en los últimos años la tendencia de esta ratio tiende a la baja, aunque con una tendencia prácticamente escasa, siendo esto algo positivo en el sentido de la igualdad de nuestra población. Obviamente no nos interesa que esta ratio se acerque lo máximo posible a 1 y que esto se deba a que los sueldos son muy bajos, ya que esto indicaría igualdad, pero también degradación de nuestros sueldos. 3.1.5 Índice y coeficiente de Gini A continuación, vamos a dar una primera interpretación y visualización del que considero uno de los indicadores más importante de este trabajo, por eso lo presentare en sus dos respectivas formas, Índice de Gini y Coeficiente de Gini. La interpretación es la misma para ambos indicadores, por lo tanto, pueden observar cualesquiera de las dos gráficas que le resulte más sencillo a la hora de analizar y entender este indicador. Les recuerdo que el Índice de Gini no es más que el Coeficiente multiplicado por 100. 37 La evolución de este indicador es muy similar al de los anteriores, con la diferencia de que persigue dos tendencias en este intervalo de tiempo. A partir del 2008 hasta 2014, seguramente fruto de la crisis sufrida la desigualdad de la distribución de la renta en nuestro país estaba en un aumento considerable. A partir de 2014 comenzó a disminuir lentamente y en el 2017 se produjo una aceleración de esta disminución, lo que nos permite decir que la desigualdad sufrida en años previos está siendo recuperada. Esto último es algo contradictorio ya que como hemos podido observar el porcentaje de población en tasa de riesgo está aumentando en los últimos años y por lo tanto si la tasa de riesgo aumento y el coeficiente de Gini disminuye, todo cabe indicar que nuestra población es cada año más pobre, aunque los ricos sufren más la bajada de su renta en comparación con los pobres. Efectivamente esto lo vimos en el gráfico de la ratio s80/s20, de ahí que todos estos indicadores están altamente relacionados entre sí a la hora de interpretar la distribución de la renta y desigualdad que sufre nuestra población. España forma parte del “top 10” países europeos con mayor desigualdad. (Indice Gini países europeos, s.f.) Se realizará el análisis de los principales indicadores en las distintas comunidades en el año 2020 (año más reciente del que podemos recopilar información de la ECV) y compararemos la evolución que ha tenido las comunidades autónomas españolas en los diferentes indicadores en este periodo teniendo como base de la comparación el año 2009. 38 3.2 Principales Indicadores en las Comunidades Españolas en el 2009. En este apartado, el objetivo será exponer los valores de los principales indicadores según las comunidades autónomas de España con la misión de evaluar e identificar cuáles de ellas tienen mejores condiciones con respecto a las otras. Para poder realizar este apartado, el mecanismo ha sido mucho más complejo que en el apartado anterior, ya que no disponemos del cálculo oficial de estos indicadores por comunidades. A partir de los micro ficheros de datos disponibles en el INE, en primer lugar, he realizado el tratamiento y depuración de los datos, seguidos posteriormente de la ordenación y cálculo de los indicadores bajo estudio desglosados por comunidades. En el anexo se incluirán los pdf proporcionados por el INE y por el EUROSTAT que nos definen las diferentes variables que forman estos micro ficheros y como se realiza a partir de ellas el cálculo de los indicadores. (Anais Santourian, 2014) y (Encuesta de Condiciones de Vida. Ficheros de usuario del año 2020 de la encuesta, 2021) He trabajado en primer lugar con los micro ficheros del año 2009, ya que es el primer año del que podemos obtener estos micro ficheros en base a 2013. Posteriormente haremos lo mismo con los del año 2020 y poder así ver la evolución de las comunidades con respecto a los indicadores de condiciones de vida y desigualdad. Estos micro ficheros se dividen en 4 para cada año: • Datos básicos del hogar • Datos básicos de las personas • Datos detallados del hogar • Datos detallados de las personas Para poder tener datos reales sobre la proporción de España fue de vital importancia el factor de ponderación de las personas. En primer lugar, representaremos el mapa en función de los valores de cada indicador en las comunidades. Esto nos permitirá tener una visión muy sencilla de interpretar y que nos permitirá detectar las comunidades más homogéneos o similares en cuanto a estos indicadores. Estos mapas han sido realizados gracias a la librería “highcharts”. (Kunst, 2022) 39 Por último, se ha realizado un análisis de conglomerados de las comunidades españolas en función de los indicadores calculados (renta neta media anual por persona, tasa de pobreza AROPE e índice de Gini), con el fin de obtener conglomerados que nos muestren cuales son las comunidades más homogéneas con respecto a estos indicadores y sus respectivas características. Este análisis de conglomerados se ha realizado con la ayuda de las siguientes librerías: “cluster” (Maechler, 2022) y “Nbclust” (Charrad & Ghazzali, s.f.). Todo este análisis que ha sido explicado se ha realizado a través del programa Rstudio. 3.2.1 Curva de Lorentz Antes que nada, debido a que en el apartado anterior hemos reflejado la serie temporal en referencia a los indicadores, vamos a representar la curva de Lorenz con respecto a los ingresos de la población española. A partir de la gráfica de Lorenz, la cual nos representa en el eje X el porcentaje acumulado de la población y en el eje Y el porcentaje acumulado de los ingresos 40 obtenidos por dicha población de entre toda la generada, podemos observar como la situación del país no es ni mucho menos cercana a la de la igualdad, ya que la curva presenta cierto abombamiento sobre la diagonal que nos representa el caso de igualdad absoluta. Algunos datos curiosos que podemos extraer de esta gráfica de Lorentz son los siguientes: • En torno al 25 % de la población más rica de España genera el 50% de la renta existente en 2009. • El 25% de la población más pobre de España obtienen únicamente aproximadamente el 10% de la renta existente en 2009. • Si dividimos el país en dos grupos de idéntico tamaño, siendo el grupo “pobre”, el 50% de la población con ingresos más bajos, y siendo el grupo “rico”, el 50% de la población con ingresos más elevados, entonces podemos garantizar que el grupo pobre únicamente obtienen una cuarta parte de la renta generada y el grupo rico obtienen tres cuartas partes de la renta generada. 3.2.2 Renta neta media En primer lugar, vamos a representar la renta neta media por hogar de cada comunidad autónoma. Cabe destacar que la Comunidad Autónoma española que percibe una renta neta media anual menor por hogar es Extremadura con 24 mil euros anuales y las que perciben una renta media mayor por hogar son el País Vasco y la Comunidad Foral de Navarra con 37,5 mil euros anuales. 47 Como ya vimos en el gráfico de la serie temporal sobre el coeficiente de Gini en España desde el 2008 al 2020, este coeficiente es de un 33% en España y podemos observar que los valores están más centrados con respecto a la media que la tasa de pobreza. Evidentemente, las interpretaciones que habíamos realizado anteriormente se confirman en este mapa, donde el Sur presenta mayor desigualdad que el Norte. Hay que destacar la brutal desigualdad existente en Ceuta, con un índice de Gini de 41, lo que hace a esta comunidad sin ninguna duda como la más pobre de toda España y donde mayor desigualdad hay. España debe tomar nota de estos indicadores en esta comunidad y tratar de mejorar su situación. 3.2.5 Análisis Clúster con respecto a los indicadores de condiciones de vida y desigualdad A continuación, realizaremos un análisis cluster (también conocido como análisis de conglomerados) de las Comunidades Autónomas en referencia a estos principales indicadores, de manera que nos permita detectar cuales son las Comunidades más homogéneas y además cuales son las Comunidades con mejores condiciones de vida en el año 2009. El analisis de conglomerados lo constituye un conjunto de técnicas mediante las cuales se clasifican objetos o casos en grupos relativamente homogéneos llamados conglomerados o clusters. El propósito de este apartado sera el de organizar las comunidades autónomas en grupos homogeneos con respecto a los indicadores de dichas comunidades asociados a la encuesta de condiciones de vida y desigualdad en el año 2009. En este tipo de estudios, se siguen los siguientes pasos: 1.Formular el problema. En esta etapa, el investigador identifica y selecciona las variables en las que basará la agrupación, ya que si se incluyen variables irrelevantes, pueden distorsionar el problema. En nuestro caso, las variables en las que se basarán las agrupaciones serán el valor de los siguientes indicadores: Renta neta media por persona, índice de gini y tasa de pobreza AROPE. 2. Seleccionar una medida de similitud. Se necesita una forma de medir la diferencia o semejanza entre observaciones u objetos, la forma en que generalmente se hace es en términos de la distancia entre cada par de casos; cuando la distancia es menor se considera que los casos son más parecidos entre sí. Existen diversas maneras de calcular la distancia, las que se aplican con mayor frecuencia son: la distancia euclidiana que es la raíz cuadrada de la suma de las diferencias al cuadrado entre los valores de dos casos para cada variable; la distancia euclidiana al cuadrado, para esto 48 sería el valor como se explicó anteriormente, antes de calcular la raíz cuadrada; la distancia de Manhattan o de calles urbanas entre dos casos es la suma de los valores absolutos de la diferencia entre observaciones para cada variable; la distancia de Chebychev entre dos objetos es el valor absoluto de la diferencia máxima entre los valores para cualquier variable. Cuando las variables se miden en unidades muy diferentes, antes de agrupar los casos, se recomienda estandarizar los datos para eliminar la influencia de la unidad de medición. En nuestro caso, al estar las variables de agrupación medidas en distintas unidades, estandarizaremos los datos y posteriormente calculeremos las distancias mediante la distancia euclidea. 3. Seleccionar un procedimiento de agrupamiento. Para este paso hay diversos métodos. Los procedimientos de conglomerados se dividen en jerárquicos y no jerárquicos de acuerdo al procedimiento de agrupación. Los conglomerados jerárquicos se caracterizan porque dicha jerarquía se hace en forma de árbol. Los procedimientos jerárquicos pueden ser por aglomeración o por división. Siguiendo el método de conglomerados por aglomeración, la formación de los conglomerados, se puede hacer de diferentes maneras; en la investigación de mercados se aplican tres métodos que son: el de enlace, el que utiliza la varianza y el de centroides. Los procedimientos no jerárquicos se conocen como agrupación de k medias ( k means clustering). 4. Decidir el número de conglomerados a conservar. 5. Interpretar y elaborar un perfil de los conglomerados. En esta etapa se procederá a determinar las características de cada conglomerado que se conservará. En nuestro caso, aplicaremos el metodo de clasificación no jerarquico, conocido como k means clustering y para medir la distancia se calculará la distancia euclidea al cuadrado al cuadrada. Además el número de grupos a obtener se ha calculado con la función “NbClust” de la libreria “NbClust”, que nos indica el número optimo de cluster obtenido mediante varios indices formados por la combinación de distintos metodos de clustering y distancias. Se formarán 4 grupos de comunidades autonomas con medidas de desigualdad y pobreza similares, ya que las variables de agrupación son la renta neta media por persona, la tasa de pobreza AROPE y el indice de Gini, las cuales serán estandarizadas para eliminar la influencia de las distintas unidades de medición de estos indicadores. Los gráficos aportados en esta sección se realizan de manera automática mediante la libreria “factoextra”, la cuál extrae y visualiza los resultados de análisis de datos multivariantes. En el siguiente gráfico podremos observer las distancias existentes entre las Comunidades Autonomas españolas en función de los valores de dichos indicadores, y Podemos observer que existen diferencias, es decir comunidades cuyos valores en los indicadores presentan bastante disimilitud y en cambio entre otras comunidades 49 existe similitudes, lo que nos permite observar que merece la pena realizar un analisis de cluster. Podemos destacar el caso de Ceuta como ya hemos comentado anteriormente que presenta unos valores extremos de los indicadores en comparación con otras comunidades. A continuación, mostaremos el gráfico que nos muestra la formación de los 4 clusters, con las Comunidades Autonomas que forman cada uno de ellos,además del centroide de cada cluster y la distancia a cada comunidad que lo forma. 50 La formación de cada cluster es la siguiente: 1. Islas Baleares, La Rioja, Comunidad Valenciana, Castilla y León, Galicia y Castilla y La Mancha. 2. País Vasco, Navarra, Madrid, Cataluña, Aragón, Cantabria y Asturias. 3. Melilla, Andalucía, Canarias, Murcia y Extremadura. 4. Ceuta. Además cada cluster se caracteriza por: 1. Una renta neta media por persona aproxidamente de unos 11 mil euros, una tasa de pobreza AROPE del 24% y un indice de Gini de 0,31. 2. Una renta neta media por persona aproxidamente de unos 13 mil euros, una tasa de pobreza AROPE del 16% y un indice de Gini de 0,3. 3. Una renta neta media por persona aproxidamente de unos 9,5 mil euros, una tasa de pobreza AROPE del 35% y un indice de Gini de 0,33. 4. Una renta neta media por persona aproxidamente de unos 8,5 mil euros, una tasa de pobreza AROPE del 37% y un indice de Gini de 0,42. De esta manera podemos concretar que las comunidades del sur (clusters 3 y 4) tienen una renta neta media por persona mucho por debajo que las comunidades del norte,además de una tasa de pobreza mucho mayor, destacando el caso más extremo, que es el de la comunidad autónoma de Ceuta, que es con diferencia la más pobre y donde más desigualdad existe. Excluyendo Ceuta, el resto de España presenta una 51 desigualdad muy homogenea (valores de coeficiente de gini bastante similares, es decir existe poca varianza con respecto a este indicador). En las comunidades del norte, donde mejores condiciones de vida se alcanzan, destacan algunas comunidades por una condición de vida aún superior como es el caso de las comunidades que forman el cluster 2 debido a la mayor renta neta media por persona y al menor porcentaje de población que están en riesgo de pobreza y/o exclusion social. Si hubieramos realizado un cluster de dos grupos, se dividiría España en dos partes, marcadas como venimos viendo en los anteriores mapas por una linea horizontal a la altura de Madrid, donde el Norte destacaría por unas mejores condiciones de vida que el Sur con respecto a estos 3 indicadores con una gran diferencía. 3.2.6 Evaluación situación 2009 Mediante el análisis realizado sobre la situación española en el año 2009 en referencia a los indicadores de condiciones de vida hemos visto la enorme cantidad de personas que están en riesgo de pobreza y/o exclusión social, así como la desigualdad existente. Si comparamos nuestros datos con las potencias europeas, estamos muy por debajo de ellas con una renta mucho inferior y una pobreza elevada, por lo que sería conveniente realizar un cambió que mejore la situación de nuestra población. Hacer hincapié en la situación de vida que presenta la población española que habita en las comunidades autónomas del sur de España, las cuales presentan con diferencia las peores condiciones de vida, por lo que habría que tratar de convertir su situación en algo más similar al comportamiento de las del Norte. Más preocupante es aún la situación de Ceuta. 3.3 Principales Indicadores en las Comunidades Españolas en el 2020 En este apartado, de manera similar al apartado anterior, el objetivo será exponer los valores de los principales indicadores según las comunidades autónomas de España con la misión de evaluar e identificar cuáles de ellas tienen mejores condiciones con respecto a las otras. La estructura y manera de trabajar con los datos ha sido similar a la del apartado anterior (Principales Indicadores en las Comunidades Españolas en el 2009.), representando el mapa del territorio español con sus comunidades en función de los 52 valores de cada indicador para poder interpretar y detectar las comunidades que presentan en el año 2020 mejores condiciones de vida, y que por lo tanto representan a nuestra población en la actualidad. Como ya comentamos anteriormente, el año 2020 es el último año del que tenemos información sobre la encuesta de condiciones de vida en el INE. 3.3.1 Curva de Lorentz En primer lugar, vamos a representar la curva de Lorentz con respecto a los ingresos de la población española en el año 2020. A partir de la gráfica de Lorentz, la cual nos representa en el eje X el porcentaje acumulado de la población y en el eje Y el porcentaje acumulado de los ingresos obtenidos por dicha población de entre toda la generada, podemos observar claramente, de manera similar a la del año 2009 como la situación del país no es ni mucho menos cercana a la de la igualdad, ya que existe cierto abombamiento de la curva de Lorentz que nos representa la existencia de desigualdad en la distribución de la renta en la población española. Algunos datos curiosos que podemos extraer de la curva de Lorentz con respecto al año 2020 son los siguientes: • En torno al 25% de la población más rica de España obtienen el 50% de la renta generada en el año 2020. 53 • El 25% de la población más pobre de España obtienen únicamente aproximadamente el 10% de la renta generada en el año 2020. • Si dividimos el país en dos grupos de idéntico tamaño, siendo el grupo “pobre”, el 50% de la población con ingresos más bajos, y siendo el grupo “rico”, el 50% de la población con ingresos más elevados, entonces podemos observar una diferencia bestial, donde el grupo pobre únicamente obtiene una cuarta parte de la renta generada y el grupo rico obtiene tres cuartas parte de la renta generada. Si comparamos estos datos obtenidos con los del año 2009 son exactamente los mismos, por lo que nos hace pensar que la desigualdad con respecto a la obtención de ingresos no ha variado a lo largo de dichos años. Posteriormente analizaremos ambas curvas en un mismo gráfico para ver si la desigualdad ha aumentado o disminuido algo en este intervalo de tiempo. 3.3.2 Renta neta media Representaremos la renta neta media por hogar de cada comunidad autónoma y la renta neta media por individuo, además del número de individuos medio por hogar en cada comunidad, ya que nos sirve como ayuda a la hora de visualizar la renta por hogar y por individuo debido a que en función la renta neta media por hogar y del número de individuos por hogar se calcula la renta neta media por persona. En primer lugar, representaremos el mapa de comunidades en función de la renta neta media por hogar, donde Extremadura se mantiene como la comunidad española con menor renta neta media por hogar en España al igual que en 2009, pero habiendo bajado esta renta considerablemente ya que es de 22250 euros anuales, es decir cerca de 2000 euros por debajo menos que en 2009. Las comunidades donde existe una renta neta media por hogar mayor continúan siendo las mismas que en el año 2009, y se suma a ellas Melilla. 54 Al igual que en el año 2009, la segunda comunidad con menor renta neta por hogar es Canarias, aunque es prácticamente similar a la comunidad de Andalucía con respecto este indicador La mayoría de las comunidades generan de manera neta una renta de entre 28 y 32 mil euros anuales por hogar, y además continúa existiendo una tendencia de mayor renta neta por hogar en las comunidades del norte de España. A continuación, vamos a mostrar el número de personas que residen por hogar en cada comunidad autónoma, dónde destaca la comunidad autónoma de Melilla la cuál es la única que presenta un número mayor de 3 personas por hogar. Además, podemos observar como la tendencia del número de personas por hogar es a la baja por norma general en España ya que si lo comparamos con el año 2009 el mapa es más apagado en el 2020 (están en las mismas escalas y cortes la leyenda), y también podemos observar como el número de personas por hogar tiende a ser algo mayor en el sur de España. 55 Haciendo referencia a la renta neta media por persona, observaremos algo que nos sorprenderá bastante con respecto a 2009 y esto es debido a los dos gráficos anteriores que están fuertemente relacionados con este. Al haber aumentado la renta neta media por hogar, o mejor dicho, ser esa la presente tendencia y la disminución del número de personas por hogar, podemos predecir que la renta neta media por persona debería incrementar. Efectivamente, la renta neta media por persona ha aumentado, pero cuidado al comparar ambos mapas (2020 y 2009) debido a que las escalas han cambiado ya que la menor renta neta por persona es mayor que la menor de 2009 y al igual pasa con la mayor. Por lo tanto, efectivamente la renta neta por persona ha aumentado, pero podemos prever que la población española está reduciendo el hecho de construir familias, es decir tener hijos, y también mayor número de personas deciden vivir de manera solitaria. 56 Las comunidades con mayor renta neta media por persona continúan siendo el País Vasco y Navarra, al igual que las comunidades del norte presenta en este indicador valores mayores que en el sur, lo que parece ser evidente que este problema de desigualdad sigue estando presente. En cambio, Ceuta ha dejado de ser la comunidad con una renta neta por persona menor, a pesar de seguir siendo de las más pobres en este sentido con una renta de casi 10 mil euros anuales por persona. Este puesto es ocupado actualmente por la comunidad de Extremadura con una renta de 9100 euros anuales por persona. 3.3.3 Tasa de pobreza En este punto, vamos a analizar y representar la tasa de pobreza con respecto a los hogares y la tasa de pobreza AROPE, para conocer tanto el porcentaje de hogares que se encuentran en riesgo de pobreza por comunidad como el porcentaje de personas por comunidad que cumplen algunas de los requisitos para formar parte de la pobreza 63 La brecha respecto a algunas comunidades sigue siendo abismal, con lugares en España con unas condiciones de vida muy malas, por lo que deberíamos fijarnos en las comunidades que si tienen condiciones mejores y tratar de realizar cambios en las comunidades más afectadas y mejorar su situación. Aunque debido a la situación actual del Covid-19 y la guerra existente en Europa, no parece ser que estos indicadores vayan a ir por buen camino, sino todo lo contrario. 3.4 Evolución principales indicadores desigualdad y condiciones de vida 2009-2020 En este apartado veremos con gráficos apropiados la evolución de los principales indicadores de desigualdad y condiciones de vida que han tenido en el intervalo de tiempo desde el año 2009 al año 2020, de manera que sea más fácil detectar la evolución presente. Se realizará por una parte la evolución de los indicadores principales con respecto al territorio español y posteriormente se analizará la evolución de cada indicador por comunidades autónomas, para poder detectar correctamente e interpretar algunas de los comentarios sobre el comportamiento que hemos podido observar en los anteriores apartados. Para la realización de estos gráficos, diseñados especialmente para analizar evolución de ciertos aspectos, he usado el gráfico de pendientes en “ggplot2” y la librería adicional “CGPfunctions”, que nos proporciona la función “newggslopegraph” que nos generará dicho gráfico de pendientes. En primer lugar, veremos la evolución en el territorio español de los principales indicadores sin la desagregación por comunidades autónomas 64 Analizando uno a uno estos indicadores, podemos observar que han aumentado tres de ellos: • Renta neta media por persona • Tasa de pobreza AROPE • Umbral de pobreza) Los otros dos indicadores restantes, han disminuido aunque practicamente podemos considerar que se han mantenido constantes: • Índice de Gini • Ratio s80s20 Es evidente que la población Española genera una renta neta media mayor que en el 2009 con un aumento de casi mil euros de media y a la vez el umbral de pobreza ha aumentado cerca de 800 euros de media, por lo que en el año 2020 para estar en riesgo de pobreza y/o exclusion social necesitas tener una renta neta media mayor que en el año 2009. Si se calculan los porcentajes de incremento, el umbral de pobreza ha crecido más que la renta neta media por persona, lo que justifica el crecimiento de la población Española que esta en riesgo de pobreza mediante la tasa de pobreza AROPE, la cuál ha crecido en un 1,7%. El ratio s80s20 practicamente se ha mantenido constante y el índice de gini ha disminuido muy poco. 65 En conclusión, el territorio Español esta en una situación peor que en el 2009 y esto se debe a los incrementos de los bienes principales y necesarios para poder tener una vida decente, sin el crecimiento necesario en los salaries, añadido al aumento de impuestos. Existe una enorme desigualdad entre los más ricos y más pobres en este país, donde el 20% de las personas con más ingresos generan casi 6 veces más que el 20% de las personas con ingresos más bajos. A continuación, comentaremos la evolución de las comunidades autónomas con respecto a algunos de los principales indicadores de desigualdad y pobreza. Observando la evolución de la renta neta media por hogar en las diferentes comunidades, se observa que las comunidades donde los hogares tenián una mayor renta siguen siendo los mismos en 2020 al igual que los que tenian menor renta en 2009 siguen siendo los mismos en 2020. Muy destacable el caso de la comunidad de Extremadura que siendo la comunidad con menor renta neta por hogar en 2009, en el año 2020 aún es mucho menor, siendo la que menor renta neta por hogar tiene con una diferencia abismal. Otras comunidades que han presentado un gran descenso con respecto a este indicador son el Principado de Asturias y Ceuta. Otras comunidades como Canarias, La Rioja, las Islas Baleares, Melilla y Cataluña han presentado un gran aumento en este indicador. 66 Con respecto al número de personas por hogar la tendencia ha sido la misma para practicamente todas las comunidades españolas, las cuales han reducido su número medio en gran cantidad, a excepción de Melilla que se ha convertido en la comunidad con más número de personas por hogar. La comunidad con menor promedio es la de Asturias. Lo podemos ver en el siguiente gráfico: Una vez observado estos dos gráficos vamos a ver la evolución de la renta neta media por persona, que debido a la gran tendencia disminuyente del número de personas por hogar se observará el crecimiento de la renta neta por persona. Efectivamente, como podemos ver en el gráfico a continuación, la renta por persona ha crecido en todas las comunidades excepto en Asturias y Extremadura que se ha mantenido constante. La comunidad con mayor renta por persona continua siendo el PV con diferencia y la comunidad de Extremadura se ha convertido en la que tiene menor renta ya que Ceuta y Canarias han aumentado considerablemente su renta neta por persona. Galicia, Cataluña y La Rioja son las comunidades con un mayor aumento de este indicador y se puede concretar, que tanto en el año 2009 como en el año 2020, las comunidades con menor renta por persona son las del sur de España. 67 En los siguientes dos gráficos analizaremos tanto la evolución de la tasa de hogares en pobreza como la tasa de pobreza AROPE, las cuales son muy similares pero la tasa AROPE siempre será algo mayor debido a que basta con cumplir uno de tres requisites, siendo uno de ellos el requisito para la tasa de pobreza básica. En la tasa de pobreza básica, podemos destacar el impactante aumento de la tasa de pobreza en Melilla con un 10% de aumento y convirtiendose en la comunidad con mayor tasa de hogares en pobreza. Tambien es destacable el gran aumento de Asturias que ha pasado de un 15% en el 2009 a un 23% en 2020. En el resto de comunidades la tendencia ha sido de mantenerse más o menos constante o disminuir levemente, lo que parece hasta el momento una buena señal. 68 Con respecto a la tasa de pobreza AROPE, la mayoría de las comunidades han presentado un aumento en este indicador bastante grande que refleja la grave situación que se vive en España y que la población Española presenta malas condiciones de vida. Destacar al igual que en el anterior gráfico el aumento en la comunidad de Melilla con un dato nefasto, ya que el 42% población esta en riesgo de pobreza. Tan solo 4 comunidades han presentado un descenso en este indicador, destacando el caso de Murcia. Navarra sigue siendo la comunidad con menor número de personas en riesgo de pobreza. También se puede confirmar la pesimá situación del sur de España, las cuales presentan mayor tasa de pobreza que en el norte. Lo que podemos observar mediante la relación de estos dos gráficos, es que a pesar de que el porcentaje de hogares en riesgo de pobreza se mantienen más o menos constante, el porcentaje de personas en riesgo de pobreza, en situación de privación material severa y/o que vive en hogares con intensidad de trabajo escasa está en auge en la mayoría de comunidades. 69 Por últimos, vamos a analizar la evolución que ha presentado la desigualdad a partir de la distribución de la renta de la población Española. 70 En el año 2009, ya existia una gran desigualdad con respecto a los ingresos en las comunidades, el cual más o menos se ha mantenido similar en el año 2020 en referencia a sus valores, habiendo grandes cambios comunidad por comunidad. Melilla al igual que ha tenido un gran aumento en la tasa de pobreza, su desigualdad ha crecido abismalmente, pasando de 0,34 a 0,44 medidos en el indice gini y se ha situado como la comunidad con mayor desigualdad, seguida de Ceuta con un 0,40. Ambas comunidades tienen los valores más extremos de este indicador con gran diferencia de las demás. Las islas Baleares ha presentado un enorme descenso en cuanto a este indicador que ha pasado de ser una de las comunidades con mayor desigualdad a ser la que menor desigualdad presenta en referencia a los ingresos. El resto de comunidades se han mantenido mas o menos constante o con leves bajadas o subidas. 71 4 Bibliografía Almató, M., Cortés, Á., A.Rey, R., Simón, D., & Werckmeister, A. (2015). Análisis cuantitativo de la desigualdad de renta regional de España. Anais Santourian, E. N. (2014). Working paper with the description of the 'Income and living conditions dataset'. Eurostat. Charrad, M., & Ghazzali, N. (s.f.). NbClust: Determining the Best Number of Clusters in a Data Set. Obtenido de https://cran.r-project.org/web/packages/NbClust/index.html Economipedia. (s.f.). Curva Lorenz. Obtenido de https://economipedia.com/definiciones/curva-de-lorenz.html (2021). Encuesta de Condiciones de Vida. Ficheros de usuario del año 2020 de la encuesta. INE. Eurostat. (s.f.). Obtenido de https://appsso.eurostat.ec.europa.eu/nui/submitViewTableAction.do Eurostat. (s.f.). Obtenido de http://appsso.eurostat.ec.europa.eu/nui/submitViewTableAction.do Eurostat. (s.f.). Obtenido de http://appsso.eurostat.ec.europa.eu/nui/submitViewTableAction.do Eurostat. (s.f.). Obtenido de https://appsso.eurostat.ec.europa.eu/nui/submitViewTableAction.do EUROSTAT. (s.f.). Recuperado el 2022, de https://ec.europa.eu/eurostat/web/income-andliving-conditions/methodology Foster, J., & Sen, A. (1973). On economic inequality. En A. Sen, & J. Foster, On economic inequality (págs. 24-46). Oxford. Grupo de Expertos de Calidad de Vida. (2017). Final report of the expert group on quality of life indicators. Eurostat. Iannone, R. (2022). gt: Easily Create Presentation-Ready Display Tables. Obtenido de https://cran.r-project.org/web/packages/gt/index.html IECA. (2017). Memoria Técnica de la Actividad "Encuesta de Condiciones de Vida en Andalucía. IECA. Obtenido de https://www.juntadeandalucia.es/institutodeestadisticaycartografia/ecv/ Imedio Olmedo, L. (2005). Estadística Española. 72 INE. (2022). Encuesta de condiciones de vida. Obtenido de https://www.ine.es/dyngs/INEbase/es/operacion.htm?c=Estadistica_C&cid=12547361 76807&menu=ultiDatos&idp=1254735976608 INE Resultado Nacionales ECV. (s.f.). Obtenido de https://www.ine.es/dynt3/inebase/es/index.htm?padre=1927&capsel=1922 Instituto de Estadística de Cataluña. (s.f.). Obtenido de Idescat: https://www.idescat.cat/pub/?id=ecv&lang=es Instituto Nacional Estadística. (2005). Encuesta de Condiciones de Vida. Metodología. Madrid. Kassambara, A. (2020). factoextra: Extract and Visualize the Results of Multivariate Data Analyses. Obtenido de https://cran.r-project.org/web/packages/factoextra/index.html Kuhn, M., & Wickham, H. (2019). tidymodels: Easily Install and Load the 'Tidymodels' Packages. Obtenido de https://cran.r-project.org/web/packages/tidymodels/index.html Kunst, J. (2022). highcharter: A Wrapper for the 'Highcharts' Library. Obtenido de https://cran.r-project.org/web/packages/highcharter/index.html Llera Lasobras, S. (2019). Análisis de la pobraza y exclusión social en España. TFG. Maechler, M. (2022). cluster: "Finding Groups in Data": Cluster Analysis Extended Rousseeuw et al. Obtenido de https://cran.r-project.org/web/packages/cluster/index.html Moran, I. (2021). Create and combine tables with a ggplot2/patchwork syntax. Obtenido de https://github.com/ianmoran11/mmtable2 Núñez Velázquez, J. J. (2006). La desigualdad económica medida a través de las curvas de Lorenz. Revista de métodos cuantitativos para la economía y la empresa, 67-108. Powell, C. (2020). CGPfunctions: Powell Miscellaneous Functions for Teaching and Learning Statistics. Obtenido de https://cran.rproject.org/web/packages/CGPfunctions/index.html S.Handcock, M. (2022). reldist: Relative Distribution Methods. Obtenido de https://cran.rproject.org/web/packages/reldist/index.html Wickham, H. (2021). tidyverse: Easily Install and Load the 'Tidyverse'. Obtenido de https://cran.r-project.org/web/packages/tidyverse/index.html Wickham, H. (2022). ggplot2: Create Elegant Data Visualisations Using the Grammar of Graphics. Obtenido de https://cran.r-project.org/web/packages/ggplot2/index.html Wikipedia. (s.f.). Coeficiente de Gini. Obtenido de https://en.wikipedia.org/wiki/Gini_coefficient Wikipedia. (s.f.). Curva de Lorenz. Obtenido de https://en.wikipedia.org/wiki/Lorenz_curve