Empleo, salarios y
transferencias
La Unidad de Métodos y Acceso a Datos (UMAD) (FCS-UdelaR) a partir del Observatorio Uruguay busca aportar a la difusión de conocimiento respecto a temas de interés general sobre la realidad social, económica y política del Uruguay. Esta serie de documentos tiene como objetivo presentar indicadores clave para el análisis de tendencias históricas del país que esperamos sean de utilidad para las comunidades académicas, los tomadores de decisión y los formadores de opinión, así como el público en general. Se presentan aquí indicadores sobre empleo, salarios y transferencias en el Uruguay durante las últimas décadas.
Caracterización del mercado de empleo
Actividad
La tasa de actividad es un indicador de la predisposición de las personas a participar en el mercado de empleo. La misma se calcula como el porcentaje de la población activa sobre la población en edad de trabajar.
La población activa refiere a todas las personas ocupadas o que, no estando ocupadas, se encuentran buscando empleo activamente.
La población en edad de trabajar designa a la población que ha cumplido la edad mínima legal para trabajar que, en el caso de Uruguay corresponde a los 15 años. Sin embargo, a efectos estadísticos se la define como todas las personas cuyas edades superan una edad mínima específica para la que se realiza una encuesta sobre la actividad económica, 14 años en el caso de las Encuestas Continuas de Hogares.
Desde la década del noventa la tasa de actividad ha osicilado en el país urbano entre 57% y 65%. En las últimas tres décadas se observa una tendencia leve al aumento, exceptuando los años comprendidos entre 2001 y 2003. Si bien el indicador tiende a mantener una relativa estabilidad ha cambiado signficiativamente la composición de las personas activas. Se registra un aumento significativo de la tasa de actividad entre las mujeres y una reducción de 18 puntos porcentuales de la brecha según sexo. A la vez, se reduce de forma signifciativa la tasa entre las personas adolescentes y jóvenes de 14 a 24 años.
Tasa de actividad
País Urbano, 1990 - 2023
Gráfico
Tabla
Ficha Técnica
Definición: Proporción de la población en edad de trabajar (mayores de 14 años) que se encuentran económicamente activos (se encuentran ocupados o buscando activamente empleo).
Forma de cálculo: Cociente entre la población económicamente activa y la población en edad de trabajar.
Advertencia: Desde marzo de 2020 hasta junio de 2021 se interrumpió el relevamiento presencial y se aplicó de manera telefónica un cuestionario restringido con el objetivo de continuar publicando los indicadores de ingresos y mercado de trabajo. En ese período la encuesta pasó a ser de paneles rotativos elegidos al azar a partir de los casos respondentes del año anterior.
En julio de 2021 el INE retomó la realización de encuestas presenciales, pero introdujo un cambio metodológico, ya que la ECH pasa a ser una encuesta de panel rotativo con periodicidad mensual compuesta por seis paneles o grupos de rotación, cada uno de los cuales es una muestra representativa de la población. Con esta nueva metodología, cada hogar seleccionado participa durante seis meses de la ECH.
Para 2020, este indicador se construye con la encuesta presencial hasta marzo de 2020 y, posteriormente, con la encuesta telefónica panel. Para 2021, este indicador se calcula a partir de la encuesta telefónica del primer semestre de 2021 y el formulario telefónico de modalidad panel del segundo semestre de 2021. En el segundo semestre, el quintil de ingresos y la condición de pobreza del hogar corresponde a los ingresos declarados durante la implantación del panel en la encuesta presencial. A partir del año 2022, el indicador se calcula con base en la encuesta telefónica panel.
Código en R
### Estimación de valores 2022 ###
# Para sintaxix de años anteriores consultar:
# https://osf.io/dyzg8/files/osfstorage#
# ~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~ #
### Carga de paquetes ###
# Instalar si es necesario:
#install.packages("rio")
#install.packages("srvyr")
#install.packages("tidyverse")
library(rio)
library(srvyr)
library(tidyverse)
# ~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~ #
### Descarga bases ECH 2022 (INE) de repositorio UMAD-FCS ###
download.file(
url = "https://osf.io/download/xnzta/",
destfile = "ECH_men_22.Rdata"
)
# ~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~ #
### Carga de bases ###
bases_men <- rio::import("Bases/ECH_men_22.csv")
# ~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~ #
## Generación de nuevas variables ###
# Población económicamente activa
bases_men <- bases_men %>% dplyr::mutate(pea = ifelse(POBPCOAC==2 |
POBPCOAC==3 |
POBPCOAC==4 |
POBPCOAC==5, 1, 0))
# ~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~ #
### Información de muestreo ###
base_men_svy <- srvyr::as_survey_design(bases_men,
ids = ID,
weights = w)
# ~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~ #
### Estimación de indicadores ###
### Tasa de actividad
a_mes <- base_men_svy %>%
srvyr::filter(e27>=14) %>%
srvyr::group_by(mes) %>%
srvyr::summarise(colname = srvyr::survey_mean(pea, na.rm=T))
c_ano <- mean(as.numeric(a_mes$colname))
# ~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~ #Fuente: Unidad de Métodos y Acceso a Datos (UMAD), Facultad de Ciencias Sociales (FCS-UdelaR), a partir de la ECH del Instituto Nacional de Estadística (INE) compatibilizada por el Instituto de Economía (IECON) (2019) y ECH-INE (2020 a 2022)
Nota: La transparencia de colores representa cambios metodológicos en el relevamiento de las ECH. La línea se discontinúa en aquellos años en que ocurre el cambio (ver Ficha Técnica).
Tasa de actividad, según sexo
País Urbano, 1990 - 2023
Gráfico
Tabla
Ficha Técnica
Definición: Proporción de la población en edad de trabajar (mayores de 14 años) que se encuentran económicamente activos (se encuentran ocupados o buscando activamente empleo).
Forma de cálculo: Cociente entre la población económicamente activa y la población en edad de trabajar.
Advertencia: Desde marzo de 2020 hasta junio de 2021 se interrumpió el relevamiento presencial y se aplicó de manera telefónica un cuestionario restringido con el objetivo de continuar publicando los indicadores de ingresos y mercado de trabajo. En ese período la encuesta pasó a ser de paneles rotativos elegidos al azar a partir de los casos respondentes del año anterior.
En julio de 2021 el INE retomó la realización de encuestas presenciales, pero introdujo un cambio metodológico, ya que la ECH pasa a ser una encuesta de panel rotativo con periodicidad mensual compuesta por seis paneles o grupos de rotación, cada uno de los cuales es una muestra representativa de la población. Con esta nueva metodología, cada hogar seleccionado participa durante seis meses de la ECH.
Para 2020, este indicador se construye con la encuesta presencial hasta marzo de 2020 y, posteriormente, con la encuesta telefónica panel. Para 2021, este indicador se calcula a partir de la encuesta telefónica del primer semestre de 2021 y el formulario telefónico de modalidad panel del segundo semestre de 2021. En el segundo semestre, el quintil de ingresos y la condición de pobreza del hogar corresponde a los ingresos declarados durante la implantación del panel en la encuesta presencial. A partir del año 2022, el indicador se calcula con base en la encuesta telefónica panel.
Código en R
### Estimación de valores 2022 ###
# Para sintaxix de años anteriores consultar:
# https://osf.io/dyzg8/files/osfstorage#
# ~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~ #
### Carga de paquetes ###
# Instalar si es necesario:
#install.packages("rio")
#install.packages("srvyr")
#install.packages("tidyverse")
library(rio)
library(srvyr)
library(tidyverse)
# ~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~ #
### Descarga bases ECH 2022 (INE) de repositorio UMAD-FCS ###
download.file(
url = "https://osf.io/download/xnzta/",
destfile = "ECH_men_22.Rdata"
)
# ~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~ #
### Carga de bases ###
bases_men <- rio::import("Bases/ECH_men_22.csv")
# ~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~ #
## Generación de nuevas variables ###
# Población económicamente activa
bases_men <- bases_men %>% dplyr::mutate(pea = ifelse(POBPCOAC==2 |
POBPCOAC==3 |
POBPCOAC==4 |
POBPCOAC==5, 1, 0))
# ~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~ #
### Información de muestreo ###
base_men_svy <- srvyr::as_survey_design(bases_men, ids = ID, weights = w)
# ~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~ #
### Estimación de indicadores ###
### Tasa de actividad según sexo
a_sexo <- function(x) {
x <- base_men_svy %>%
filter(bc_pe2 == x & e27>=14) %>%
srvyr::group_by(mes) %>%
srvyr::summarise(colname = srvyr::survey_mean(pea, na.rm=T))
x <- mean(x$colname)
}
tasa <- numeric()
for(i in 1:2){
tasa[i] <- a_sexo(x = i)
}
# ~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~ #Fuente: Unidad de Métodos y Acceso a Datos (UMAD), Facultad de Ciencias Sociales (FCS-UdelaR), a partir de la ECH del Instituto Nacional de Estadística (INE) compatibilizada por el Instituto de Economía (IECON) (2019) y ECH-INE (2020 a 2022)
Nota: La transparencia de colores representa cambios metodológicos en el relevamiento de las ECH. La línea se discontinúa en aquellos años en que ocurre el cambio (ver Ficha Técnica).
Tasa de actividad, según tramo de edad
País Urbano, 1990 - 2023
Gráfico
Tabla
Ficha Técnica
Definición: Proporción de la población en edad de trabajar (mayores de 14 años) que se encuentran económicamente activos (se encuentran ocupados o buscando activamente empleo).
Forma de cálculo: Cociente entre la población económicamente activa y la población en edad de trabajar.
Advertencia: Desde marzo de 2020 hasta junio de 2021 se interrumpió el relevamiento presencial y se aplicó de manera telefónica un cuestionario restringido con el objetivo de continuar publicando los indicadores de ingresos y mercado de trabajo. En ese período la encuesta pasó a ser de paneles rotativos elegidos al azar a partir de los casos respondentes del año anterior.
En julio de 2021 el INE retomó la realización de encuestas presenciales, pero introdujo un cambio metodológico, ya que la ECH pasa a ser una encuesta de panel rotativo con periodicidad mensual compuesta por seis paneles o grupos de rotación, cada uno de los cuales es una muestra representativa de la población. Con esta nueva metodología, cada hogar seleccionado participa durante seis meses de la ECH.
Para 2020, este indicador se construye con la encuesta presencial hasta marzo de 2020 y, posteriormente, con la encuesta telefónica panel. Para 2021, este indicador se calcula a partir de la encuesta telefónica del primer semestre de 2021 y el formulario telefónico de modalidad panel del segundo semestre de 2021. En el segundo semestre, el quintil de ingresos y la condición de pobreza del hogar corresponde a los ingresos declarados durante la implantación del panel en la encuesta presencial. A partir del año 2022, el indicador se calcula con base en la encuesta telefónica panel.
Código en R
### Estimación de valores 2022 ###
# Para sintaxix de años anteriores consultar:
# https://osf.io/dyzg8/files/osfstorage#
# ~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~ #
### Carga de paquetes ###
# Instalar si es necesario:
#install.packages("rio")
#install.packages("srvyr")
#install.packages("tidyverse")
library(rio)
library(srvyr)
library(tidyverse)
# ~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~ #
### Descarga bases ECH 2022 (INE) de repositorio UMAD-FCS ###
download.file(
url = "https://osf.io/download/xnzta/",
destfile = "ECH_men_22.Rdata"
)
# ~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~ #
### Carga de bases ###
bases_men <- rio::import("Bases/ECH_men_22.csv")
# ~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~ #
## Generación de nuevas variables ###
# Población económicamente activa
bases_men <- bases_men %>% dplyr::mutate(pea = ifelse(POBPCOAC==2 |
POBPCOAC==3 |
POBPCOAC==4 |
POBPCOAC==5, 1, 0))
bases_men <- bases_men %>% dplyr::mutate(tramo_edad =
case_when(e27 >= 14 & e27 <= 18 ~ 1,
e27 >= 19 & e27 <= 24 ~ 2,
e27 >= 25 & e27 <= 29 ~ 3,
e27 >= 30 & e27 <= 64 ~ 4,
e27 >= 65 ~ 5))
# ~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~ #
### Información de muestreo ###
base_men_svy <- srvyr::as_survey_design(bases_men, ids = ID, weights = w)
# ~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~ #
### Estimación de indicadores ###
### Tasa de actividad según tramo de edad
a_edad <- function(x) {
x <- base_men_svy %>%
filter(tramo_edad == x & e27>=14 & (region_4 == 1 | region_4 == 2)) %>%
srvyr::group_by(mes) %>%
srvyr::summarise(colname = srvyr::survey_mean(pea, na.rm=T))
x <- mean(x$colname)
}
a_e_edad <- numeric()
for(i in 1:5){
a_e_edad[i] <- a_edad(x = i)
}
# ~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~ #Fuente: Unidad de Métodos y Acceso a Datos (UMAD), Facultad de Ciencias Sociales (FCS-UdelaR), a partir de la ECH del Instituto Nacional de Estadística (INE) compatibilizada por el Instituto de Economía (IECON) (2019) y ECH-INE (2020 a 2022)
Nota: La transparencia de colores representa cambios metodológicos en el relevamiento de las ECH. La línea se discontinúa en aquellos años en que ocurre el cambio (ver Ficha Técnica).
Empleo
La tasa de empleo da cuenta de la proporción de personas ocupadas sobre el total de personas en edad de trabajar.
Las personas ocupadas son todas aquellas personas en edad de trabajar que, durante la semana anterior a la aplicación de la encuesta, se dedicaban a alguna actividad para producir bienes o prestar servicios a cambio de remuneración o beneficios, ya sea que estuvieran «trabajando» en un puesto de trabajo por lo menos una hora, o «sin trabajar» debido a una ausencia temporal del puesto de trabajo o debido a disposiciones sobre el ordenamiento del tiempo de trabajo (como trabajo en turnos, horarios flexibles y licencias compensatorias por horas extraordinarias).
Considerando las últimas tres décadas, se observa que la tasa de empleo permanece relativamente estable entre 1990 y 1997, disminuye entre 1998 y 2003 y crece de forma significativa entre 2004 y 2014, año a partir del cual el crecimiento se estanca y decrece levemente.
Al igual que para la tasa de actividad, la brecha según sexo de la tasa de empleo disminuye sustantcialmente, pasando de 29,4 puntos porcentuales en 1990 a 15,1 en 2023.
Tasa de empleo
País Urbano, 1990 - 2023
Gráfico
Tabla
Ficha Técnica
Definición: Proporción de la población en edad de trabajar (mayores de 14 años) que se encuentra ocupada.
Forma de cálculo: Cociente entre la población ocupada y la población en edad de trabajar
Advertencia: Desde marzo de 2020 hasta junio de 2021 se interrumpió el relevamiento presencial y se aplicó de manera telefónica un cuestionario restringido con el objetivo de continuar publicando los indicadores de ingresos y mercado de trabajo. En ese período la encuesta pasó a ser de paneles rotativos elegidos al azar a partir de los casos respondentes del año anterior.
En julio de 2021 el INE retomó la realización de encuestas presenciales, pero introdujo un cambio metodológico, ya que la ECH pasa a ser una encuesta de panel rotativo con periodicidad mensual compuesta por seis paneles o grupos de rotación, cada uno de los cuales es una muestra representativa de la población. Con esta nueva metodología, cada hogar seleccionado participa durante seis meses de la ECH.
Para 2020, este indicador se construye con la encuesta presencial hasta marzo de 2020 y, posteriormente, con la encuesta telefónica panel. Para 2021, este indicador se calcula a partir de la encuesta telefónica del primer semestre de 2021 y el formulario telefónico de modalidad panel del segundo semestre de 2021. En el segundo semestre, el quintil de ingresos y la condición de pobreza del hogar corresponde a los ingresos declarados durante la implantación del panel en la encuesta presencial. A partir del año 2022, el indicador se calcula con base en la encuesta telefónica panel.
Código en R
### Estimación de valores 2022 ###
# Para sintaxix de años anteriores consultar:
# https://osf.io/dyzg8/files/osfstorage#
# ~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~ #
### Carga de paquetes ###
# Instalar si es necesario:
#install.packages("rio")
#install.packages("srvyr")
#install.packages("tidyverse")
library(rio)
library(srvyr)
library(tidyverse)
# ~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~ #
### Descarga bases ECH 2022 (INE) de repositorio UMAD-FCS ###
download.file(
url = "https://osf.io/download/xnzta/",
destfile = "ECH_men_22.Rdata"
)
# ~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~ #
### Carga de bases ###
bases_men <- rio::import("Bases/ECH_men_22.csv")
# ~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~ #
## Generación de nuevas variables ###
# Ocupados
bases_men <- bases_men %>% dplyr::mutate(ocup = ifelse(POBPCOAC==2, 1, 0))
~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~ #
### Información de muestreo ###
base_men_svy <- srvyr::as_survey_design(bases_men,
ids = ID,
weights = w)
# ~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~ #
### Estimación de indicadores ###
### Tasa de empleo
a_mes <- base_men_svy %>%
srvyr::filter(e27>=14 & (region_4 == 1 | region_4 == 2)) %>%
srvyr::group_by(mes) %>%
srvyr::summarise(colname = srvyr::survey_mean(ocup, na.rm=T))
c_ano <- mean(as.numeric(a_mes$colname))
# ~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~ #Fuente: Unidad de Métodos y Acceso a Datos (UMAD), Facultad de Ciencias Sociales (FCS-UdelaR), a partir de la ECH del Instituto Nacional de Estadística (INE) compatibilizada por el Instituto de Economía (IECON) (2019) y ECH-INE (2020 a 2022)
Nota: La transparencia de colores representa cambios metodológicos en el relevamiento de las ECH. La línea se discontinúa en aquellos años en que ocurre el cambio (ver Ficha Técnica).
Tasa de empleo, según sexo
País Urbano, 1990 - 2023
Gráfico
Tabla
Ficha Técnica
Definición: Proporción de la población en edad de trabajar (mayores de 14 años) que se encuentra ocupada.
Forma de cálculo: Cociente entre la población ocupada y la población en edad de trabajar
Advertencia: Desde marzo de 2020 hasta junio de 2021 se interrumpió el relevamiento presencial y se aplicó de manera telefónica un cuestionario restringido con el objetivo de continuar publicando los indicadores de ingresos y mercado de trabajo. En ese período la encuesta pasó a ser de paneles rotativos elegidos al azar a partir de los casos respondentes del año anterior.
En julio de 2021 el INE retomó la realización de encuestas presenciales, pero introdujo un cambio metodológico, ya que la ECH pasa a ser una encuesta de panel rotativo con periodicidad mensual compuesta por seis paneles o grupos de rotación, cada uno de los cuales es una muestra representativa de la población. Con esta nueva metodología, cada hogar seleccionado participa durante seis meses de la ECH.
Para 2020, este indicador se construye con la encuesta presencial hasta marzo de 2020 y, posteriormente, con la encuesta telefónica panel. Para 2021, este indicador se calcula a partir de la encuesta telefónica del primer semestre de 2021 y el formulario telefónico de modalidad panel del segundo semestre de 2021. En el segundo semestre, el quintil de ingresos y la condición de pobreza del hogar corresponde a los ingresos declarados durante la implantación del panel en la encuesta presencial. A partir del año 2022, el indicador se calcula con base en la encuesta telefónica panel.
Código en R
### Estimación de valores 2022 ###
# Para sintaxix de años anteriores consultar:
# https://osf.io/dyzg8/files/osfstorage#
# ~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~ #
### Carga de paquetes ###
# Instalar si es necesario:
#install.packages("rio")
#install.packages("srvyr")
#install.packages("tidyverse")
library(rio)
library(srvyr)
library(tidyverse)
# ~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~ #
### Descarga bases ECH 2022 (INE) de repositorio UMAD-FCS ###
download.file(
url = "https://osf.io/download/xnzta/",
destfile = "ECH_men_22.Rdata"
)
# ~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~ #
### Carga de bases ###
bases_men <- rio::import("Bases/ECH_men_22.csv")
# ~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~ #
## Generación de nuevas variables ###
# Ocupados
bases_men <- bases_men %>% dplyr::mutate(ocup = ifelse(POBPCOAC==2, 1, 0))
# ~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~ #
### Información de muestreo ###
base_men_svy <- srvyr::as_survey_design(bases_men, ids = ID, weights = w)
# ~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~ #
### Estimación de indicadores ###
### Tasa de empleo según sexo
a_sexo <- function(x) {
x <- base_men_svy %>%
filter(bc_pe2 == x & E27>=14 & (region_4 == 1 | region_4 == 2)) %>%
srvyr::group_by(mes) %>%
srvyr::summarise(colname = srvyr::survey_mean(ocup, na.rm=T))
x <- mean(x$colname)
}
a_e_sexo <- numeric()
for(i in 1:2){
a_e_sexo[i] <- a_sexo(x = i)
}
# ~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~ #Fuente: Unidad de Métodos y Acceso a Datos (UMAD), Facultad de Ciencias Sociales (FCS-UdelaR), a partir de la ECH del Instituto Nacional de Estadística (INE) compatibilizada por el Instituto de Economía (IECON) (2019) y ECH-INE (2020 a 2022)
Nota: La transparencia de colores representa cambios metodológicos en el relevamiento de las ECH. La línea se discontinúa en aquellos años en que ocurre el cambio (ver Ficha Técnica).
Desempleo
La tasa de desempleo mide el nivel de desocupación entre las personas activas. Este indicador presenta un leve aumento entre 1993 y 1996 y un aumento importante desde 1998 hasta el año 2003, cuando alcanza un valor máximo de 17% en el país urbano. Desde el año 2004 decrece significativamente hasta el año 2014 en que comienza a aumentar.
Esta tendencia es similar para varones y mujeres, si bien la tasa de desempleo es siempre mayor para las mujeres. Sin embargo, puede verse que el aumento de la tasa de desempleo entre 1998 y 2003 es más pronunciado para las mujeres, ampliándose la brecha. A partir del año 2010 la brecha comienza a disminuir.
Tasa de desempleo
País Urbano, 1990 - 2023
Gráfico
Tabla
Ficha Técnica
Definición: Proporción de personas económicamente activas que buscan empleo pero no acceden a un puesto de trabajo.
Forma de cálculo: Cociente entre la población desempleada y la población económicamente activa
Advertencia: Desde marzo de 2020 hasta junio de 2021 se interrumpió el relevamiento presencial y se aplicó de manera telefónica un cuestionario restringido con el objetivo de continuar publicando los indicadores de ingresos y mercado de trabajo. En ese período la encuesta pasó a ser de paneles rotativos elegidos al azar a partir de los casos respondentes del año anterior.
En julio de 2021 el INE retomó la realización de encuestas presenciales, pero introdujo un cambio metodológico, ya que la ECH pasa a ser una encuesta de panel rotativo con periodicidad mensual compuesta por seis paneles o grupos de rotación, cada uno de los cuales es una muestra representativa de la población. Con esta nueva metodología, cada hogar seleccionado participa durante seis meses de la ECH.
Para 2020, este indicador se construye con la encuesta presencial hasta marzo de 2020 y, posteriormente, con la encuesta telefónica panel. Para 2021, este indicador se calcula a partir de la encuesta telefónica del primer semestre de 2021 y el formulario telefónico de modalidad panel del segundo semestre de 2021. En el segundo semestre, el quintil de ingresos y la condición de pobreza del hogar corresponde a los ingresos declarados durante la implantación del panel en la encuesta presencial. A partir del año 2022, el indicador se calcula con base en la encuesta telefónica panel.
Código en R
### Estimación de valores 2022 ###
# Para sintaxix de años anteriores consultar:
# https://osf.io/dyzg8/files/osfstorage#
# ~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~ #
### Carga de paquetes ###
# Instalar si es necesario:
#install.packages("rio")
#install.packages("srvyr")
#install.packages("tidyverse")
library(rio)
library(srvyr)
library(tidyverse)
# ~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~ #
### Descarga bases ECH 2022 (INE) de repositorio UMAD-FCS ###
download.file(
url = "https://osf.io/download/xnzta/",
destfile = "ECH_men_22.Rdata"
)
# ~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~ #
### Carga de bases ###
base <- rio::import("Bases/Base anual 2022.csv")
# ~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~ #
## Generación de nuevas variables ###
# Población económicamente activa
bases_men <- bases_men %>% dplyr::mutate(pea = ifelse(POBPCOAC==2 |
POBPCOAC==3 |
POBPCOAC==4 |
POBPCOAC==5, 1, 0)
# Desempleados
bases_men <- bases_men %>% dplyr::mutate(desocup = ifelse(POBPCOAC==3 |
POBPCOAC==4 |
POBPCOAC==5, 1, 0))
# ~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~ #
### Información de muestreo ###
base_men_svy <- srvyr::as_survey_design(bases_men, ids = ID, weights = w)
# ~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~ #
### Estimación de indicadores ###
### Tasa de desempleo
a_mes <- base_men_svy %>%
srvyr::filter(pea == 1 & (region_4 == 1 | region_4 == 2)) %>%
srvyr::group_by(mes) %>%
srvyr::summarise(colname = srvyr::survey_mean(desocup, na.rm=T))
c_ano <- mean(as.numeric(a_mes$colname))
# ~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~ #Fuente: Unidad de Métodos y Acceso a Datos (UMAD), Facultad de Ciencias Sociales (FCS-UdelaR), a partir de la ECH del Instituto Nacional de Estadística (INE) compatibilizada por el Instituto de Economía (IECON) (2019) y ECH-INE (2020 a 2022)
Nota: La transparencia de colores representa cambios metodológicos en el relevamiento de las ECH. La línea se discontinúa en aquellos años en que ocurre el cambio (ver Ficha Técnica).
Tasa de desempleo, según sexo
País Urbano, 1990 - 2023
Gráfico
Tabla
Ficha Técnica
Definición: Proporción de personas económicamente activas que buscan empleo pero no acceden a un puesto de trabajo.
Forma de cálculo: Cociente entre la población desempleada y la población económicamente activa
Advertencia: Desde marzo de 2020 hasta junio de 2021 se interrumpió el relevamiento presencial y se aplicó de manera telefónica un cuestionario restringido con el objetivo de continuar publicando los indicadores de ingresos y mercado de trabajo. En ese período la encuesta pasó a ser de paneles rotativos elegidos al azar a partir de los casos respondentes del año anterior.
En julio de 2021 el INE retomó la realización de encuestas presenciales, pero introdujo un cambio metodológico, ya que la ECH pasa a ser una encuesta de panel rotativo con periodicidad mensual compuesta por seis paneles o grupos de rotación, cada uno de los cuales es una muestra representativa de la población. Con esta nueva metodología, cada hogar seleccionado participa durante seis meses de la ECH.
Para 2020, este indicador se construye con la encuesta presencial hasta marzo de 2020 y, posteriormente, con la encuesta telefónica panel. Para 2021, este indicador se calcula a partir de la encuesta telefónica del primer semestre de 2021 y el formulario telefónico de modalidad panel del segundo semestre de 2021. En el segundo semestre, el quintil de ingresos y la condición de pobreza del hogar corresponde a los ingresos declarados durante la implantación del panel en la encuesta presencial. A partir del año 2022, el indicador se calcula con base en la encuesta telefónica panel.
Código en R
### Estimación de valores 2022 ###
# Para sintaxix de años anteriores consultar:
# https://osf.io/dyzg8/files/osfstorage#
# ~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~ #
### Carga de paquetes ###
# Instalar si es necesario:
#install.packages("rio")
#install.packages("srvyr")
#install.packages("tidyverse")
library(rio)
library(srvyr)
library(tidyverse)
# ~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~ #
### Descarga bases ECH 2022 (INE) de repositorio UMAD-FCS ###
download.file(
url = "https://osf.io/download/xnzta/",
destfile = "ECH_men_22.Rdata"
)
# ~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~ #
### Carga de bases ###
bases_men <- rio::import("Bases/ECH_men_22.csv")
# ~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~ #
## Generación de nuevas variables ###
# Población económicamente activa
bases_men <- bases_men %>% dplyr::mutate(pea = ifelse(POBPCOAC==2 |
POBPCOAC==3 |
POBPCOAC==4 |
POBPCOAC==5, 1, 0))
# Desempleados
bases_men <- bases_men %>% dplyr::mutate(desocup = ifelse(POBPCOAC==3 |
POBPCOAC==4 |
POBPCOAC==5, 1, 0))
# ~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~ #
### Información de muestreo ###
base_men_svy <- srvyr::as_survey_design(bases_men,
ids = ID,
weights = w)
# ~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~ #
### Estimación de indicadores ###
### Tasa de desempleo según sexo
a_sexo <- function(x) {
x <- base_men_svy %>%
filter(bc_pe2 == x & pea == 1 & (region_4 == 1 | region_4 == 2)) %>%
srvyr::group_by(mes) %>%
srvyr::summarise(colname = srvyr::survey_mean(desocup, na.rm=T))
x <- mean(x$colname)
}
a_e_sexo <- numeric()
for(i in 1:2){
a_e_sexo[i] <- a_sexo(x = i)
}
# ~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~ #Fuente: Unidad de Métodos y Acceso a Datos (UMAD), Facultad de Ciencias Sociales (FCS-UdelaR), a partir de la ECH del Instituto Nacional de Estadística (INE) compatibilizada por el Instituto de Economía (IECON) (2019) y ECH-INE (2020 a 2022)
Nota: La transparencia de colores representa cambios metodológicos en el relevamiento de las ECH. La línea se discontinúa en aquellos años en que ocurre el cambio (ver Ficha Técnica).
Calidad del empleo
La tasa de subempleo representa la cantidad de personas ocupadas que trabajan menos de 40 horas semanales, que querrían y pueden trabajar más horas a la semana. Este indicador presenta un leve aumento entre 1993 y 1996 y un aumento importante desde 1998 hasta el año 2003. Desde el año 2004 decrece significativamente hasta el año 2014.
Este indicador es mayor para las mujeres que para los varones en todo el período y presenta una tendencia similar para ambos. Si bien la brecha en la tasa de subempleo de varones y mujeres disminuye de forma continua desde finales de los 90, en 2016 tiene una caída sustancial, permaneciendo en el entorno de 10%.
Tasa de subempleo
País Urbano, 1991 - 2023
Gráfico
Tabla
Ficha Técnica
Definición: Proporción de personas ocupadas que desean trabajar más horas
Forma de cálculo: (Número de personas que trabajan menos de 40 hs. semanales y desea trabajar más horas / Población ocupada)*100
Advertencia: Desde marzo de 2020 hasta junio de 2021 se interrumpió el relevamiento presencial y se aplicó de manera telefónica un cuestionario restringido con el objetivo de continuar publicando los indicadores de ingresos y mercado de trabajo. En ese período la encuesta pasó a ser de paneles rotativos elegidos al azar a partir de los casos respondentes del año anterior.
En julio de 2021 el INE retomó la realización de encuestas presenciales, pero introdujo un cambio metodológico, ya que la ECH pasa a ser una encuesta de panel rotativo con periodicidad mensual compuesta por seis paneles o grupos de rotación, cada uno de los cuales es una muestra representativa de la población. Con esta nueva metodología, cada hogar seleccionado participa durante seis meses de la ECH.
Para 2020, este indicador se construye con la encuesta presencial hasta marzo de 2020 y, posteriormente, con la encuesta telefónica panel. Para 2021, este indicador se calcula a partir de la encuesta telefónica del primer semestre de 2021 y el formulario telefónico de modalidad panel del segundo semestre de 2021. En el segundo semestre, el quintil de ingresos y la condición de pobreza del hogar corresponde a los ingresos declarados durante la implantación del panel en la encuesta presencial. A partir del año 2022, el indicador se calcula con base en la encuesta telefónica panel.
Código en R
### Estimación de valores 2022 ###
# Para sintaxix de años anteriores consultar:
# https://osf.io/dyzg8/files/osfstorage#
# ~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~ #
### Carga de paquetes ###
# Instalar si es necesario:
#install.packages("rio")
#install.packages("srvyr")
#install.packages("tidyverse")
library(rio)
library(srvyr)
library(tidyverse)
# ~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~ #
### Descarga bases ECH 2022 (INE) de repositorio UMAD-FCS ###
download.file(
url = "https://osf.io/download/xnzta/",
destfile = "ECH_men_22.Rdata"
)
# ~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~ #
### Carga de bases ###
bases_men <- rio::import("Bases/ECH_men_22.csv")
# ~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~ #
## Generación de nuevas variables ###
# Ocupados
bases_men <- bases_men %>% dplyr::mutate(ocup = ifelse(POBPCOAC==2, 1, 0))
# Subempleo
bases_men <- bases_men %>% dplyr::mutate(bc_subocupado =
ifelse(f102 == 1 &
f104 == 5 &
bc_horas > 0 &
bc_horas < 40, 1, 0))
# ~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~ #
### Información de muestreo ###
base_men_svy <- srvyr::as_survey_design(bases_men,
ids = ID,
weights = w)
# ~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~ #
### Estimación de indicadores ###
### Tasa de subempleo
a_mes <- base_men_svy %>%
srvyr::filter(ocup == 1 & (region_4 == 1 | region_4 == 2)) %>%
srvyr::group_by(mes) %>%
srvyr::summarise(colname = srvyr::survey_mean(bc_subocupado, na.rm=T))
c_ano <- mean(as.numeric(a_mes$colname))
# ~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~ #Fuente: Unidad de Métodos y Acceso a Datos (UMAD), Facultad de Ciencias Sociales (FCS-UdelaR), a partir de la ECH del Instituto Nacional de Estadística (INE) compatibilizada por el Instituto de Economía (IECON) (2019) y ECH-INE (2020 a 2022)
Nota: La transparencia de colores representa cambios metodológicos en el relevamiento de las ECH. La línea se discontinúa en aquellos años en que ocurre el cambio (ver Ficha Técnica).
Tasa de subempleo, según sexo
País Urbano, 1991 - 2023
Gráfico
Tabla
Ficha Técnica
Definición: Proporción de personas ocupadas que desean trabajar más horas
Forma de cálculo: (Número de personas que trabajan menos de 40 hs. semanales y desea trabajar más horas / Población ocupada)*100
Advertencia: Desde marzo de 2020 hasta junio de 2021 se interrumpió el relevamiento presencial y se aplicó de manera telefónica un cuestionario restringido con el objetivo de continuar publicando los indicadores de ingresos y mercado de trabajo. En ese período la encuesta pasó a ser de paneles rotativos elegidos al azar a partir de los casos respondentes del año anterior.
En julio de 2021 el INE retomó la realización de encuestas presenciales, pero introdujo un cambio metodológico, ya que la ECH pasa a ser una encuesta de panel rotativo con periodicidad mensual compuesta por seis paneles o grupos de rotación, cada uno de los cuales es una muestra representativa de la población. Con esta nueva metodología, cada hogar seleccionado participa durante seis meses de la ECH.
Para 2020, este indicador se construye con la encuesta presencial hasta marzo de 2020 y, posteriormente, con la encuesta telefónica panel. Para 2021, este indicador se calcula a partir de la encuesta telefónica del primer semestre de 2021 y el formulario telefónico de modalidad panel del segundo semestre de 2021. En el segundo semestre, el quintil de ingresos y la condición de pobreza del hogar corresponde a los ingresos declarados durante la implantación del panel en la encuesta presencial. A partir del año 2022, el indicador se calcula con base en la encuesta telefónica panel.
Código en R
### Estimación de valores 2022 ###
# Para sintaxix de años anteriores consultar:
# https://osf.io/dyzg8/files/osfstorage#
# ~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~ #
### Carga de paquetes ###
# Instalar si es necesario:
#install.packages("rio")
#install.packages("srvyr")
#install.packages("tidyverse")
library(rio)
library(srvyr)
library(tidyverse)
# ~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~ #
### Descarga bases ECH 2022 (INE) de repositorio UMAD-FCS ###
download.file(
url = "https://osf.io/download/xnzta/",
destfile = "ECH_men_22.Rdata"
)
# ~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~ #
### Carga de bases ###
bases_men <- rio::import("Bases/ECH_men_22.csv")
# ~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~ #
## Generación de nuevas variables ###
# Ocupados
bases_men <- bases_men %>% dplyr::mutate(ocup = ifelse(POBPCOAC==2, 1, 0))
# Subempleo
bases_men <- bases_men %>% dplyr::mutate(bc_subocupado = ifelse(f102 == 1 &
f104 == 5 &
bc_horas > 0 &
bc_horas < 40, 1, 0))
# ~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~ #
### Información de muestreo ###
base_men_svy <- srvyr::as_survey_design(bases_men, ids = ID, weights = w)
# ~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~ #
### Estimación de indicadores ###
### Tasa de subempleo según sexo
a_sexo <- function(x) {
x <- base_men_svy %>%
filter(bc_pe2 == x & ocup == 1 & (region_4 == 1 | region_4 == 2)) %>%
srvyr::group_by(mes) %>%
srvyr::summarise(colname = srvyr::survey_mean(bc_subocupado, na.rm=T))
x <- mean(x$colname)
}
a_e_sexo <- numeric()
for(i in 1:2){
a_e_sexo[i] <- a_sexo(x = i)
}
# ~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~ #Fuente: Unidad de Métodos y Acceso a Datos (UMAD), Facultad de Ciencias Sociales (FCS-UdelaR), a partir de la ECH del Instituto Nacional de Estadística (INE) compatibilizada por el Instituto de Economía (IECON) (2019) y ECH-INE (2020 a 2022)
Nota: La transparencia de colores representa cambios metodológicos en el relevamiento de las ECH. La línea se discontinúa en aquellos años en que ocurre el cambio (ver Ficha Técnica).
El porcentaje de personas ocupadas que no aportan a la seguridad social es un indicador de informalidad y de falta de garantías sociales y ejercicio de derechos laborales por parte de esta población. El mismo presenta un descenso constante desde el año 2004 hasta el año 2014, año en que la proporción tiende a estabilizarse.
Este porcentaje es levemente mayor para las mujeres que para los varones entre 2004 y 2012, año a partir del cual esta relación se invierte.
País Urbano, 2001 - 2023
Gráfico
Tabla
Ficha Técnica
Definición: Porcentaje de personas ocupadas que no aportan a la seguridad social
Forma de cálculo: (Número de personas ocupadas que no aportan a la seguridad social en su ocupación principal/Número de personas ocupadas)*100
Advertencia: Desde marzo de 2020 hasta junio de 2021 se interrumpió el relevamiento presencial y se aplicó de manera telefónica un cuestionario restringido con el objetivo de continuar publicando los indicadores de ingresos y mercado de trabajo. En ese período la encuesta pasó a ser de paneles rotativos elegidos al azar a partir de los casos respondentes del año anterior.
En julio de 2021 el INE retomó la realización de encuestas presenciales, pero introdujo un cambio metodológico, ya que la ECH pasa a ser una encuesta de panel rotativo con periodicidad mensual compuesta por seis paneles o grupos de rotación, cada uno de los cuales es una muestra representativa de la población. Con esta nueva metodología, cada hogar seleccionado participa durante seis meses de la ECH.
Para 2020, este indicador se construye con la encuesta presencial hasta marzo de 2020 y, posteriormente, con la encuesta telefónica panel. Para 2021, este indicador se calcula a partir de la encuesta telefónica del primer semestre de 2021 y el formulario telefónico de modalidad panel del segundo semestre de 2021. En el segundo semestre, el quintil de ingresos y la condición de pobreza del hogar corresponde a los ingresos declarados durante la implantación del panel en la encuesta presencial. A partir del año 2022, el indicador se calcula con base en la encuesta telefónica panel.
Código en R
### Estimación de valores 2022 ###
# Para sintaxix de años anteriores consultar:
# https://osf.io/dyzg8/files/osfstorage#
# ~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~ #
### Carga de paquetes ###
# Instalar si es necesario:
#install.packages("rio")
#install.packages("srvyr")
#install.packages("tidyverse")
library(rio)
library(srvyr)
library(tidyverse)
# ~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~ #
### Descarga bases ECH 2022 (INE) de repositorio UMAD-FCS ###
download.file(
url = "https://osf.io/download/xnzta/",
destfile = "ECH_men_22.Rdata"
)
# ~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~ #
### Carga de bases ###
bases_men <- rio::import("Bases/ECH_men_22.csv")
# ~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~ #
## Generación de nuevas variables ###
# Ocupados
bases_men <- bases_men %>% dplyr::mutate(ocup = ifelse(POBPCOAC==2, 1, 0))
# No aporte a SS en trabajo principal
bases_men <- bases_men %>% dplyr::mutate(bc_register = ifelse(f82 == 1, 0, 1))
# ~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~ #
### Información de muestreo ###
base_men_svy <- srvyr::as_survey_design(bases_men, ids = ID, weights = w)
# ~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~ #
### Estimación de indicadores ###
### Porcentaje de ocupados que no aportan a la seguridad social en ocupación principal
a_mes <- base_men_svy %>%
srvyr::filter(ocup == 1 & (region_4 == 1 | region_4 == 2)) %>%
srvyr::group_by(mes) %>%
srvyr::summarise(colname = srvyr::survey_mean(bc_register, na.rm=T))
c_ano <- mean(as.numeric(a_mes$colname))
# ~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~ #Fuente: Unidad de Métodos y Acceso a Datos (UMAD), Facultad de Ciencias Sociales (FCS-UdelaR), a partir de la ECH del Instituto Nacional de Estadística (INE) compatibilizada por el Instituto de Economía (IECON) (2019) y ECH-INE (2020 a 2022)
Nota: La transparencia de colores representa cambios metodológicos en el relevamiento de las ECH. La línea se discontinúa en aquellos años en que ocurre el cambio (ver Ficha Técnica).
País Urbano, 2001 - 2023
Gráfico
Tabla
Ficha Técnica
Definición: Porcentaje de personas ocupadas que no aportan a la seguridad social
Forma de cálculo: (Número de personas ocupadas que no aportan a la seguridad social en su ocupación principal/Número de personas ocupadas)*100
Advertencia: Desde marzo de 2020 hasta junio de 2021 se interrumpió el relevamiento presencial y se aplicó de manera telefónica un cuestionario restringido con el objetivo de continuar publicando los indicadores de ingresos y mercado de trabajo. En ese período la encuesta pasó a ser de paneles rotativos elegidos al azar a partir de los casos respondentes del año anterior.
En julio de 2021 el INE retomó la realización de encuestas presenciales, pero introdujo un cambio metodológico, ya que la ECH pasa a ser una encuesta de panel rotativo con periodicidad mensual compuesta por seis paneles o grupos de rotación, cada uno de los cuales es una muestra representativa de la población. Con esta nueva metodología, cada hogar seleccionado participa durante seis meses de la ECH.
Para 2020, este indicador se construye con la encuesta presencial hasta marzo de 2020 y, posteriormente, con la encuesta telefónica panel. Para 2021, este indicador se calcula a partir de la encuesta telefónica del primer semestre de 2021 y el formulario telefónico de modalidad panel del segundo semestre de 2021. En el segundo semestre, el quintil de ingresos y la condición de pobreza del hogar corresponde a los ingresos declarados durante la implantación del panel en la encuesta presencial. A partir del año 2022, el indicador se calcula con base en la encuesta telefónica panel.
Código en R
### Estimación de valores 2022 ###
# Para sintaxix de años anteriores consultar:
# https://osf.io/dyzg8/files/osfstorage#
# ~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~ #
### Carga de paquetes ###
# Instalar si es necesario:
#install.packages("rio")
#install.packages("srvyr")
#install.packages("tidyverse")
library(rio)
library(srvyr)
library(tidyverse)
# ~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~ #
### Descarga bases ECH 2022 (INE) de repositorio UMAD-FCS ###
download.file(
url = "https://osf.io/download/xnzta/",
destfile = "ECH_men_22.Rdata"
)
# ~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~ #
### Carga de bases ###
bases_men <- rio::import("Bases/ECH_men_22.csv")
# ~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~ #
## Generación de nuevas variables ###
# Ocupados
bases_men <- bases_men %>% dplyr::mutate(ocup = ifelse(POBPCOAC==2, 1, 0))
# No aporte a SS en trabajo principal
bases_men <- bases_men %>% dplyr::mutate(bc_register = ifelse(f82 == 1, 0, 1))
# ~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~ #
### Información de muestreo ###
base_men_svy <- srvyr::as_survey_design(bases_men, ids = ID, weights = w)
# ~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~ #
### Estimación de indicadores ###
### Porcentaje de ocupados que no aportan a la seguridad social en ocupación principal según sexo
a_sexo <- function(x) {
x <- base_men_svy %>%
filter(bc_pe2 == x & ocup == 1 & (region_4 == 1 | region_4 == 2)) %>%
srvyr::group_by(mes) %>%
srvyr::summarise(colname = srvyr::survey_mean(bc_register, na.rm=T))
x <- mean(x$colname)
}
a_e_sexo <- numeric()
for(i in 1:2){
a_e_sexo[i] <- a_sexo(x = i)
}
# ~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~ #Fuente: Unidad de Métodos y Acceso a Datos (UMAD), Facultad de Ciencias Sociales (FCS-UdelaR), a partir de la ECH del Instituto Nacional de Estadística (INE) compatibilizada por el Instituto de Economía (IECON) (2019) y ECH-INE (2020 a 2022)
Nota: La transparencia de colores representa cambios metodológicos en el relevamiento de las ECH. La línea se discontinúa en aquellos años en que ocurre el cambio (ver Ficha Técnica).
El porcentaje de personas ocupadas sin restricciones en el empleo (se considera subempleo y no aporte a la seguridad social) aumenta entre 2006 y 2021. Esta disminución tiene como correlato, principalmente, una disminución del porcentaje de personas que no aportan a la seguridad social.
Distribución de personas ocupadas según restricciones en el empleo
Total país, 2006 - 2023
Gráfico
Tabla
Ficha Técnica
Definición: Distribución de personas ocupadas según restricciones al empleo
Forma de cálculo: (Cantidad de personas en dichas categorías / Cantidad total de personas ocupadas)*100
Advertencia: Desde marzo de 2020 hasta junio de 2021 se interrumpió el relevamiento presencial y se aplicó de manera telefónica un cuestionario restringido con el objetivo de continuar publicando los indicadores de ingresos y mercado de trabajo. En ese período la encuesta pasó a ser de paneles rotativos elegidos al azar a partir de los casos respondentes del año anterior.
En julio de 2021 el INE retomó la realización de encuestas presenciales, pero introdujo un cambio metodológico, ya que la ECH pasa a ser una encuesta de panel rotativo con periodicidad mensual compuesta por seis paneles o grupos de rotación, cada uno de los cuales es una muestra representativa de la población. Con esta nueva metodología, cada hogar seleccionado participa durante seis meses de la ECH.
Para 2020, este indicador se construye con la encuesta presencial hasta marzo de 2020 y, posteriormente, con la encuesta telefónica panel. Para 2021, este indicador se calcula a partir de la encuesta telefónica del primer semestre de 2021 y el formulario telefónico de modalidad panel del segundo semestre de 2021. En el segundo semestre, el quintil de ingresos y la condición de pobreza del hogar corresponde a los ingresos declarados durante la implantación del panel en la encuesta presencial. A partir del año 2022, el indicador se calcula con base en la encuesta presencial.
Código en R
### Estimación de valores 2022 ###
# Para sintaxix de años anteriores consultar:
# https://osf.io/dyzg8/files/osfstorage#
# ~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~ #
### Carga de paquetes ###
# Instalar si es necesario:
#install.packages("rio")
#install.packages("srvyr")
#install.packages("tidyverse")
library(rio)
library(srvyr)
library(tidyverse)
# ~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~ #
### Descarga bases ECH 2022 (INE) de repositorio UMAD-FCS ###
download.file(
url = "https://osf.io/download/rehz2/",
destfile = "Base anual 2022.Rdata"
)
# ~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~ #
### Carga de bases ###
base <- rio::import("Bases/Base anual 2022.csv")
# ~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~ #
## Generación de nuevas variables ###
# Ocupados
base <- base %>% dplyr::mutate(ocup = ifelse(POBPCOAC==2, 1, 0))
# No aporte a SS en trabajo principal y secundario
base <- base %>% dplyr::mutate(bc_register2 = ifelse(f96 == 1 |
f82 == 1, 0, 1))
# Subempleo
base <- base %>% dplyr::mutate(bc_horas = f85+f98)
base <- base %>% dplyr::mutate(bc_subocupado = ifelse(f102 == 1 &
f104 == 5 &
bc_horas > 0 &
bc_horas < 40, 1, 0))
# Restricciones al empleo
base <- base %>% dplyr::mutate(nre = ifelse(bc_register2 == 1 &
bc_subocupado == 0 , 1, 0))
base <- base %>% dplyr::mutate(sub = ifelse(bc_register2 == 0 &
bc_subocupado == 1 , 1, 0))
base <- base %>% dplyr::mutate(amb = ifelse(bc_register2 == 1 &
bc_subocupado == 1 , 1, 0))
base <- base %>% dplyr::mutate(sin = ifelse(bc_register2 == 0 &
bc_subocupado == 0 , 1, 0))
restricciones <- c("nre", "sub", "amb", "sin")
# ~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~ #
### Información de muestreo ###
base_svy <- srvyr::as_survey_design(base, ids = ID, weights = w_ano)
# ~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~ #
### Estimación de indicadores ###
### Distribución de personas ocupadas según restricciones al empleo
Restricciones <- c("No registradas",
"Subempleadas",
"No registradas y subempleadas",
"Sin restricciones al empleo")
# Total
base <- base_svy %>% filter(ocup == 1)
c_ano <- sapply(base$variables %>% select(restricciones), function(x){
base %>%
filter(ocup == 1) %>%
srvyr::summarise(VALOR_1 = srvyr::survey_mean(x, na.rm = TRUE))
})
c_ano <- data.frame(t(a_sem))
c_ano <- c_ano %>% dplyr::mutate(RESTRICCIONES_AL_EMPLEO = Restricciones)
# ~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~ #Fuente: Unidad de Métodos y Acceso a Datos (UMAD), Facultad de Ciencias Sociales (FCS-UdelaR), a partir de la ECH del Instituto Nacional de Estadística (INE) compatibilizada por el Instituto de Economía (IECON) (2019) y ECH-INE (2020 a 2022)
Nota: La transparencia de colores representa cambios metodológicos en el relevamiento de las ECH (ver Ficha Técnica).
Nivel y suficiencia de ingresos laborales
Nivel de ingresos laborales
El siguiente indicador presenta el promedio de ingresos que reciben las personas ocupadas por hora de trabajo en su ocupación princial. El mismo se encuentra deflactado a precios de diciembre del año 2006 por lo cual habilita dar cuenta de la evolución real durante el período. Desde 2001 a 2003, el indicador presenta una caída y a partir del año 2004 presenta una tendencia creciente en el país urbano. A partir de 2020 se observa una caída del promedio de ingresos laborales por hora de trabajo luego de 16 años.
Salario promedio por hora de trabajo remunerado en ocupación principal (cte. base diciembre 2006)
País urbano, 2001 - 2023
Gráfico
Tabla
Ficha Técnica
Definición: Salario promedio por hora de trabajo remunerado en ocupación princial.
Forma de cálculo: Promedio de remuneración por hora de trabajo en ocupación principal.
Advertencia: Desde marzo de 2020 hasta junio de 2021 se interrumpió el relevamiento presencial y se aplicó de manera telefónica un cuestionario restringido con el objetivo de continuar publicando los indicadores de ingresos y mercado de trabajo. En ese período la encuesta pasó a ser de paneles rotativos elegidos al azar a partir de los casos respondentes del año anterior.
En julio de 2021 el INE retomó la realización de encuestas presenciales, pero introdujo un cambio metodológico, ya que la ECH pasa a ser una encuesta de panel rotativo con periodicidad mensual compuesta por seis paneles o grupos de rotación, cada uno de los cuales es una muestra representativa de la población. Con esta nueva metodología, cada hogar seleccionado participa durante seis meses de la ECH.
Para 2020, este indicador se construye con la encuesta presencial hasta marzo de 2020 y, posteriormente, con la encuesta telefónica panel. Para 2021, este indicador se calcula a partir de la encuesta telefónica del primer semestre de 2021 y el formulario presencial de modalidad panel del segundo semestre de 2021. En el segundo semestre, el quintil de ingresos y la condición de pobreza del hogar corresponde a los ingresos declarados durante la implantación del panel en la encuesta presencial. A partir del año 2022, el indicador se calcula con base en la encuesta presencial.
Código en R
### Estimación de valores 2022 ###
# Para sintaxix de años anteriores consultar:
# https://osf.io/dyzg8/files/osfstorage#
# ~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~ #
### Carga de paquetes ###
# Instalar si es necesario:
#install.packages("rio")
#install.packages("srvyr")
#install.packages("tidyverse")
library(rio)
library(srvyr)
library(tidyverse)
# ~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~ #
### Descarga bases ECH 2022 (INE) de repositorio UMAD-FCS ###
download.file(
url = "https://osf.io/download/rehz2/",
destfile = "Base anual 2022.Rdata"
)
# ~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~ #
### Carga de bases ###
base <- rio::import("Bases/Base anual 2022.csv")
# ~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~ #
## Generación de nuevas variables ###
#IPC
base <- base %>% dplyr::mutate(bc_ipc_tot = case_when(
mes == 1 ~ 0.310804203,
mes == 2 ~ 0.305354401,
mes == 3 ~ 0.300928439,
mes == 4 ~ 0.297635795,
mes == 5 ~ 0.296181029,
mes == 6 ~ 0.294810362,
mes == 7 ~ 0.293094596,
mes == 8 ~ 0.290852868,
mes == 9 ~ 0.288466429,
mes == 10 ~ 0.286063926,
mes == 11 ~ 0.28546134,
mes == 12 ~ 0.286262936))
# Ocupados
base <- base %>% dplyr::mutate(ocup = ifelse(POBPCOAC==2, 1, 0))
# Salario en ocupación principal
base <- base %>% dplyr::mutate(horamen = f85 * 4.3)
base <- base %>% dplyr::mutate(yhora = PT2/horamen)
base <- base %>% dplyr::mutate(yhoradef = case_when(f85>0 ~ yhora*bc_ipc_tot,
f85==0 ~ 0))
# ~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~ #
### Información de muestreo ###
base_svy <- srvyr::as_survey_design(base, ids = ID, weights = w_ano)
# ~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~ #
### Estimación de indicadores ###
### Salario promedio por hora de trabajo remunerado en ocupación principal
c_ano <- base_svy %>%
srvyr::filter(ocup == 1 & (region_4 == 1 | region_4 == 2) & f85>0) %>%
srvyr::summarise(colname = srvyr::survey_mean(yhoradef, na.rm=T))
# ~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~ #Fuente: Unidad de Métodos y Acceso a Datos (UMAD), Facultad de Ciencias Sociales (FCS-UdelaR), a partir de la ECH del Instituto Nacional de Estadística (INE) compatibilizada por el Instituto de Economía (IECON) (2019) y ECH-INE (2020 a 2022)
Nota: La transparencia de colores representa cambios metodológicos en el relevamiento de las ECH. La línea se discontinúa en aquellos años en que ocurre el cambio (ver Ficha Técnica).
Suficiencia de ingresos
Los siguientes gráficos son indicativos de la suficiencia de ingresos laborales de las personas ocupadas. El primer inicador muestra el porcentaje de ocupados cuyos ingresos mensuales se encuentran por debajo del salario mínimo nacional de enero de 2019. El segundo indicador da cuenta de la poroporción de esta población cuyos ingresos se encuentran por debajo de la línea de pobreza individual (definida para la población que reside en hogares unipersonales). Ambos indicadores presentan un importante descenso en el período, dando cuenta de un aumento de la suficiencia de los ingresos percibidos por la población empleada.
Porcentaje de personas ocupadas que perciben ingresos por debajo del salario mínimo nacional
País urbano, 2001 - 2023
Gráfico
Tabla
Ficha Técnica
Definición: Porcentaje de ocupados que perciben ingresos laborales por debajo del salario mínimo nacional (Valores SMN enero 2019).
Forma de cálculo: (Cantidad de personas con ingresos laborales por debajo del SMN / Cantidad total de personas ocupadas)*100
Advertencia: Desde marzo de 2020 hasta junio de 2021 se interrumpió el relevamiento presencial y se aplicó de manera telefónica un cuestionario restringido con el objetivo de continuar publicando los indicadores de ingresos y mercado de trabajo. En ese período la encuesta pasó a ser de paneles rotativos elegidos al azar a partir de los casos respondentes del año anterior.
En julio de 2021 el INE retomó la realización de encuestas presenciales, pero introdujo un cambio metodológico, ya que la ECH pasa a ser una encuesta de panel rotativo con periodicidad mensual compuesta por seis paneles o grupos de rotación, cada uno de los cuales es una muestra representativa de la población. Con esta nueva metodología, cada hogar seleccionado participa durante seis meses de la ECH.
Para 2020, este indicador se construye con la encuesta presencial hasta marzo de 2020 y, posteriormente, con la encuesta telefónica panel. Para 2021, este indicador se calcula a partir de la encuesta telefónica del primer semestre de 2021 y el formulario presencial de modalidad panel del segundo semestre de 2021. En el segundo semestre, el quintil de ingresos y la condición de pobreza del hogar corresponde a los ingresos declarados durante la implantación del panel en la encuesta presencial. A partir del año 2022, el indicador se calcula con base en la encuesta presencial.
Código en R
### Estimación de valores 2022 ###
# Para sintaxix de años anteriores consultar:
# https://osf.io/dyzg8/files/osfstorage#
# ~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~ #
### Carga de paquetes ###
# Instalar si es necesario:
#install.packages("rio")
#install.packages("srvyr")
#install.packages("tidyverse")
library(rio)
library(srvyr)
library(tidyverse)
# ~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~ #
### Descarga bases ECH 2022 (INE) de repositorio UMAD-FCS ###
download.file(
url = "https://osf.io/download/rehz2/",
destfile = "Base anual 2022.Rdata"
)
# ~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~ #
### Carga de bases ###
base <- rio::import("Bases/Base anual 2022.csv")
# ~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~ #
## Generación de nuevas variables ###
smn <- 19364
smn_h = smn/200
base <- base %>% dplyr::mutate(bc_ipc_tot = case_when(
mes == 1 ~ 0.310804203,
mes == 2 ~ 0.305354401,
mes == 3 ~ 0.300928439,
mes == 4 ~ 0.297635795,
mes == 5 ~ 0.296181029,
mes == 6 ~ 0.294810362,
mes == 7 ~ 0.293094596,
mes == 8 ~ 0.290852868,
mes == 9 ~ 0.288466429,
mes == 10 ~ 0.286063926,
mes == 11 ~ 0.28546134,
mes == 12 ~ 0.286262936))
# Ocupados
base <- base %>% dplyr::mutate(ocup = ifelse(POBPCOAC==2, 1, 0))
# Salario en ocupación principal
base <- base %>% dplyr::mutate(horamen = f85 * 4.3)
base <- base %>% dplyr::mutate(yhora = PT2/horamen)
base <- base %>% dplyr::mutate(yhoradef = case_when(f85>0 ~ yhora*bc_ipc_tot,
f85==0 ~ 0))
# Salario por debajo del salario mínimo nacional
base <- base %>% dplyr::mutate(salario_insuf_smn = ifelse(yhora<smn_h, 1, 0))
# ~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~ #
### Información de muestreo ###
base_svy <- srvyr::as_survey_design(base, ids = ID, weights = w_ano)
# ~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~ #
### Estimación de indicadores ###
### Porcentaje de personas ocupadas que perciben ingresos por debajo del salario mínimo nacional
c_ano <- base_svy %>%
srvyr::filter(ocup == 1 & (region_4 == 1 | region_4 == 2)) %>%
srvyr::summarise(colname = srvyr::survey_mean(salario_insuf_smn, na.rm=T))
# ~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~ #Fuente: Unidad de Métodos y Acceso a Datos (UMAD), Facultad de Ciencias Sociales (FCS-UdelaR), a partir de la ECH del Instituto Nacional de Estadística (INE) compatibilizada por el Instituto de Economía (IECON) (2019) y ECH-INE (2020 a 2022)
Nota:
La
transparencia
de
colores
representa
cambios
metodológicos
en
el
relevamiento
de
las
ECH.
La
línea
se
discontinúa
en
aquellos
años
en
que
ocurre
el
cambio
(ver
Ficha
Técnica).
Porcentaje de personas ocupadas que perciben ingresos por debajo de la línea de pobreza
Total país, 2006 - 2023
Gráfico
Tabla
Ficha Técnica
Definición: Porcentaje de ocupados que perciben ingresos laborales por debajo de la línea de pobreza unipersonal (metodología 2006, INE).
Forma de cálculo: (Cantidad de personas con ingresos laborales por debajo de la LP/ Cantidad total de personas ocupadas)*100
Advertencia: Desde marzo de 2020 hasta junio de 2021 se interrumpió el relevamiento presencial y se aplicó de manera telefónica un cuestionario restringido con el objetivo de continuar publicando los indicadores de ingresos y mercado de trabajo. En ese período la encuesta pasó a ser de paneles rotativos elegidos al azar a partir de los casos respondentes del año anterior.
En julio de 2021 el INE retomó la realización de encuestas presenciales, pero introdujo un cambio metodológico, ya que la ECH pasa a ser una encuesta de panel rotativo con periodicidad mensual compuesta por seis paneles o grupos de rotación, cada uno de los cuales es una muestra representativa de la población. Con esta nueva metodología, cada hogar seleccionado participa durante seis meses de la ECH.
Para 2020, este indicador se construye con la encuesta presencial hasta marzo de 2020 y, posteriormente, con la encuesta telefónica panel. Para 2021, este indicador se calcula a partir de la encuesta telefónica del primer semestre de 2021 y el formulario presencial de modalidad panel del segundo semestre de 2021. En el segundo semestre, el quintil de ingresos y la condición de pobreza del hogar corresponde a los ingresos declarados durante la implantación del panel en la encuesta presencial. A partir del año 2022, el indicador se calcula con base en la encuesta presencial.
Código en R
### Estimación de valores 2022 ###
# Para sintaxix de años anteriores consultar:
# https://osf.io/dyzg8/files/osfstorage#
# ~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~ #
### Carga de paquetes ###
# Instalar si es necesario:
#install.packages("rio")
#install.packages("srvyr")
#install.packages("tidyverse")
library(rio)
library(srvyr)
library(tidyverse)
# ~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~ #
### Descarga bases ECH 2022 (INE) de repositorio UMAD-FCS ###
download.file(
url = "https://osf.io/download/rehz2/",
destfile = "Base anual 2022.Rdata"
)
# ~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~ #
### Carga de bases ###
base <- rio::import("Bases/Base anual 2022.csv")
# ~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~ #
## Generación de nuevas variables ###
base <- base %>% dplyr::mutate(bc_ipc_tot = case_when(
mes == 1 ~ 0.310804203,
mes == 2 ~ 0.305354401,
mes == 3 ~ 0.300928439,
mes == 4 ~ 0.297635795,
mes == 5 ~ 0.296181029,
mes == 6 ~ 0.294810362,
mes == 7 ~ 0.293094596,
mes == 8 ~ 0.290852868,
mes == 9 ~ 0.288466429,
mes == 10 ~ 0.286063926,
mes == 11 ~ 0.28546134,
mes == 12 ~ 0.286262936))
# Ocupados
base <- base %>% dplyr::mutate(ocup = ifelse(POBPCOAC==2, 1, 0))
# Salario en ocupación principal
base <- base %>% dplyr::mutate(horamen = f85 * 4.3)
base <- base %>% dplyr::mutate(yhora = PT2/horamen)
base <- base %>% dplyr::mutate(yhoradef = case_when(f85>0 ~ yhora*bc_ipc_tot,
f85==0 ~ 0))
# Línea de pobreza individual
base <- base %>% dplyr::mutate(regionlp = case_when(region_4 == 1 ~ 1,
region_4 == 2 | region_4 == 3 ~ 2,
region_4 == 4 ~ 3))
base <- base %>% dplyr::mutate(grupolp = case_when(regionlp == 1 & mes == 1 ~ 1,
regionlp == 1 & mes == 2 ~ 2,
regionlp == 1 & mes == 3 ~ 3,
regionlp == 1 & mes == 4 ~ 4,
regionlp == 1 & mes == 5 ~ 5,
regionlp == 1 & mes == 6 ~ 6,
regionlp == 1 & mes == 7 ~ 7,
regionlp == 1 & mes == 8 ~ 8,
regionlp == 1 & mes == 9 ~ 9,
regionlp == 1 & mes == 10 ~ 10,
regionlp == 1 & mes == 11 ~ 11,
regionlp == 1 & mes == 12 ~ 12,
regionlp == 2 & mes == 1 ~ 13,
regionlp == 2 & mes == 2 ~ 14,
regionlp == 2 & mes == 3 ~ 15,
regionlp == 2 & mes == 4 ~ 16,
regionlp == 2 & mes == 5 ~ 17,
regionlp == 2 & mes == 6 ~ 18,
regionlp == 2 & mes == 7 ~ 19,
regionlp == 2 & mes == 8 ~ 20,
regionlp == 2 & mes == 9 ~ 21,
regionlp == 2 & mes == 10 ~ 22,
regionlp == 2 & mes == 11 ~ 23,
regionlp == 2 & mes == 12 ~ 24,
regionlp == 3 & mes == 1 ~ 25,
regionlp == 3 & mes == 2 ~ 26,
regionlp == 3 & mes == 3 ~ 27,
regionlp == 3 & mes == 4 ~ 28,
regionlp == 3 & mes == 5 ~ 29,
regionlp == 3 & mes == 6 ~ 30,
regionlp == 3 & mes == 7 ~ 31,
regionlp == 3 & mes == 8 ~ 32,
regionlp == 3 & mes == 9 ~ 33,
regionlp == 3 & mes == 10 ~ 34,
regionlp == 3 & mes == 11 ~ 35,
regionlp == 3 & mes == 12 ~ 36))
base_unipersonales <- base %>% filter(HT19==1)
base_unipersonales <- base_unipersonales[,c("grupolp", "lp")]
base_unipersonales <- base_unipersonales %>% dplyr::mutate(lp_unipersonales = lp)
base_unipersonales <- base_unipersonales[order(base_unipersonales$grupolp,
base_unipersonales$lp_unipersonales,
decreasing = TRUE), ]
base_unipersonales <- base_unipersonales %>% distinct(grupolp, .keep_all = TRUE)
base_unipersonales <- base_unipersonales[,c("grupolp","lp_unipersonales")]
base <- merge(base, base_unipersonales, by = "grupolp")
# Salario por debajo de línea de pobreza
base <- base %>% dplyr::mutate(salario_insuf = ifelse(PT2 < lp_unipersonales, 1, 0))
# ~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~ #
### Información de muestreo ###
base_svy <- srvyr::as_survey_design(base, ids = ID, weights = w_ano)
# ~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~ #
### Estimación de indicadores ###
### Porcentaje de personas ocupadas que perciben ingresos por debajo de la línea de pobreza
c_ano <- base_svy %>%
srvyr::filter(ocup == 1 & (region_4 == 1 | region_4 == 2)) %>%
srvyr::summarise(colname = srvyr::survey_mean(salario_insuf, na.rm=T))
# ~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~ #Fuente: Unidad de Métodos y Acceso a Datos (UMAD), Facultad de Ciencias Sociales (FCS-UdelaR), a partir de la ECH del Instituto Nacional de Estadística (INE) compatibilizada por el Instituto de Economía (IECON) (2019) y ECH-INE (2020 a 2022)
Nota: La transparencia de colores representa cambios metodológicos en el relevamiento de las ECH. La línea se discontinúa en aquellos años en que ocurre el cambio (ver Ficha Técnica).
Transferencias
Cobertura de las transferencias contributivas
Los siguientes indicadores presentan el porcentaje de personas mayores de 65 años que perciben jubilaciones y el porcentaje de mayores de 65 años que perciben pensiones. Si bien ambos indicadores tienen una tendencia relativamente estable a lo largo del período, la proporción de mayores que perciben jubilación presenta una leve tendencia al aumento a partir del año 2007. Por su parte, la porporción que percibe pensiones presenta una leve tendencia al descenso a partir de 2010.
Porcentaje de personas mayores de 65 años que perciben jubilación
País urbano, 1992 - 2023
Gráfico
Tabla
Ficha Técnica
Definición: Porcentaje de mayores de 65 años que perciben jubilación
Forma de cálculo: (Cantidad de personas mayores de 65 años que perciben jubilaciones / Cantidad de personas mayores de 65 años) *100
Advertencia: Desde marzo de 2020 hasta junio de 2021 se interrumpió el relevamiento presencial y se aplicó de manera telefónica un cuestionario restringido con el objetivo de continuar publicando los indicadores de ingresos y mercado de trabajo. En ese período la encuesta pasó a ser de paneles rotativos elegidos al azar a partir de los casos respondentes del año anterior.
En julio de 2021 el INE retomó la realización de encuestas presenciales, pero introdujo un cambio metodológico, ya que la ECH pasa a ser una encuesta de panel rotativo con periodicidad mensual compuesta por seis paneles o grupos de rotación, cada uno de los cuales es una muestra representativa de la población. Con esta nueva metodología, cada hogar seleccionado participa durante seis meses de la ECH.
Para 2020, este indicador se construye con la encuesta presencial hasta marzo de 2020 y, posteriormente, con la encuesta telefónica panel. Para 2021, este indicador se calcula a partir de la encuesta telefónica del primer semestre de 2021 y el formulario presencial de modalidad panel del segundo semestre de 2021. En el segundo semestre, el quintil de ingresos y la condición de pobreza del hogar corresponde a los ingresos declarados durante la implantación del panel en la encuesta presencial. A partir del año 2022, el indicador se calcula con base en la encuesta presencial.
Código en R
### Estimación de valores 2022 ###
# Para sintaxix de años anteriores consultar:
# https://osf.io/dyzg8/files/osfstorage#
# ~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~ #
### Carga de paquetes ###
# Instalar si es necesario:
#install.packages("rio")
#install.packages("srvyr")
#install.packages("tidyverse")
library(rio)
library(srvyr)
library(tidyverse)
# ~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~ #
### Descarga bases ECH 2022 (INE) de repositorio UMAD-FCS ###
download.file(
url = "https://osf.io/download/rehz2/",
destfile = "Base anual 2022.Rdata"
)
# ~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~ #
### Carga de bases ###
base <- rio::import("Bases/Base anual 2022.csv")
# ~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~ #
## Generación de nuevas variables ###
# Percepción de jubilaciones
base <- base %>% dplyr::mutate(jub = ifelse(g148_1_1 > 0 |
g148_1_2 > 0 |
g148_1_3 > 0 |
g148_1_5 > 0 |
g148_1_6 > 0 |
g148_1_7 > 0 |
g148_1_8 > 0 |
g148_1_9 > 0 |
g148_1_10 > 0 |
g148_1_11 > 0, 1, 0))
# ~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~ #
### Información de muestreo ###
base_svy <- srvyr::as_survey_design(base, ids = ID, weights = w_ano)
# ~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~ #
### Estimación de indicadores ###
### Porcentaje de mayores de 65 años que perciben jubilación
c_ano <- base_svy %>%
srvyr::filter(e27 >= 65 & (region_4 == 1 | region_4 == 2)) %>%
srvyr::summarise(colname = srvyr::survey_mean(jub, na.rm=T))
# ~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~ #Fuente: Unidad de Métodos y Acceso a Datos (UMAD), Facultad de Ciencias Sociales (FCS-UdelaR), a partir de la ECH del Instituto Nacional de Estadística (INE) compatibilizada por el Instituto de Economía (IECON) (2019) y ECH-INE (2020 a 2022)
Nota:
La
transparencia
de
colores
representa
cambios
metodológicos
en
el
relevamiento
de
las
ECH.
La
línea
se
discontinúa
en
aquellos
años
en
que
ocurre
el
cambio
(ver
Ficha
Técnica).
Porcentaje de personas mayores de 65 años que perciben pensiones
País urbano, 1992 - 2023
Gráfico
Tabla
Ficha Técnica
Definición: Porcentaje de mayores de 65 años que perciben pensiones
Forma de cálculo: (Cantidad de personas mayores de 65 años que perciben pensiones/ Cantidad de personas mayores de 65 años) *100
Advertencia: Desde marzo de 2020 hasta junio de 2021 se interrumpió el relevamiento presencial y se aplicó de manera telefónica un cuestionario restringido con el objetivo de continuar publicando los indicadores de ingresos y mercado de trabajo. En ese período la encuesta pasó a ser de paneles rotativos elegidos al azar a partir de los casos respondentes del año anterior.
En julio de 2021 el INE retomó la realización de encuestas presenciales, pero introdujo un cambio metodológico, ya que la ECH pasa a ser una encuesta de panel rotativo con periodicidad mensual compuesta por seis paneles o grupos de rotación, cada uno de los cuales es una muestra representativa de la población. Con esta nueva metodología, cada hogar seleccionado participa durante seis meses de la ECH.
Para 2020, este indicador se construye con la encuesta presencial hasta marzo de 2020 y, posteriormente, con la encuesta telefónica panel. Para 2021, este indicador se calcula a partir de la encuesta telefónica del primer semestre de 2021 y el formulario presencial de modalidad panel del segundo semestre de 2021. En el segundo semestre, el quintil de ingresos y la condición de pobreza del hogar corresponde a los ingresos declarados durante la implantación del panel en la encuesta presencial. A partir del año 2022, el indicador se calcula con base en la encuesta presencial.
Código en R
### Estimación de valores 2022 ###
# Para sintaxix de años anteriores consultar:
# https://osf.io/dyzg8/files/osfstorage#
# ~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~ #
### Carga de paquetes ###
# Instalar si es necesario:
#install.packages("rio")
#install.packages("srvyr")
#install.packages("tidyverse")
library(rio)
library(srvyr)
library(tidyverse)
# ~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~ #
### Descarga bases ECH 2022 (INE) de repositorio UMAD-FCS ###
download.file(
url = "https://osf.io/download/rehz2/",
destfile = "Base anual 2022.Rdata"
)
# ~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~ #
### Carga de bases ###
base <- rio::import("Bases/Base anual 2022.csv")
# ~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~ #
## Generación de nuevas variables ###
# Percepción de pensiones
base <- base %>% dplyr::mutate(pens = ifelse(g148_2_1 > 0 |
g148_2_2 > 0 |
g148_2_3 > 0 |
g148_2_5 > 0 |
g148_2_6 > 0 |
g148_2_7 > 0 |
g148_2_8 > 0 |
g148_2_9 > 0 |
g148_2_10 > 0 |
g148_2_11 > 0, 1, 0))
# ~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~ #
### Información de muestreo ###
base_svy <- srvyr::as_survey_design(base, ids = ID, weights = w_ano)
# ~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~ #
### Estimación de indicadores ###
### Porcentaje de mayores de 65 años que perciben pensión
c_ano <- base_svy %>%
srvyr::filter(e27 >= 65 & (region_4 == 1 | region_4 == 2)) %>%
srvyr::summarise(colname = srvyr::survey_mean(pens, na.rm=T))
# ~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~ #Fuente: Unidad de Métodos y Acceso a Datos (UMAD), Facultad de Ciencias Sociales (FCS-UdelaR), a partir de la ECH del Instituto Nacional de Estadística (INE) compatibilizada por el Instituto de Economía (IECON) (2019) y ECH-INE (2020 a 2022)
Nota: La transparencia de colores representa cambios metodológicos en el relevamiento de las ECH. La línea se discontinúa en aquellos años en que ocurre el cambio (ver Ficha Técnica).
Suficiencia de las transferencias contributivas
Los siguientes gráficos son indicativos de la suficiencia de ingresos jubilatorios. El primer inicador muestra el porcentaje de jubilados cuyos ingresos mensuales se encuentran por debajo del salario mínimo nacional. El segundo indicador da cuenta de la poroporción de esta población cuyo ingreso se encuentra por debajo de la línea de pobreza individual (definida para la población que reside en hogares unipersonales). El primer indicador presenta un aumento durante el período, mientras el segundo un importante descenso.
Porcentaje de personas que perciben jubilaciones por debajo del salario mínimo nacional
Total país, 2006 - 2023
Gráfico
Tabla
Ficha Técnica
Definición: Porcentaje de personas que preciben jubilaciones por debajo del salario mínimo nacional
Forma de cálculo: (Cantidad de personas mayores de 65 años que perciben jubilaciones por debajo del SMN / Cantidad de personas mayores de 65 años que perciben jubilaciones) *100
Advertencia: Desde marzo de 2020 hasta junio de 2021 se interrumpió el relevamiento presencial y se aplicó de manera telefónica un cuestionario restringido con el objetivo de continuar publicando los indicadores de ingresos y mercado de trabajo. En ese período la encuesta pasó a ser de paneles rotativos elegidos al azar a partir de los casos respondentes del año anterior.
En julio de 2021 el INE retomó la realización de encuestas presenciales, pero introdujo un cambio metodológico, ya que la ECH pasa a ser una encuesta de panel rotativo con periodicidad mensual compuesta por seis paneles o grupos de rotación, cada uno de los cuales es una muestra representativa de la población. Con esta nueva metodología, cada hogar seleccionado participa durante seis meses de la ECH.
Para 2020, este indicador se construye con la encuesta presencial hasta marzo de 2020 y, posteriormente, con la encuesta telefónica panel. Para 2021, este indicador se calcula a partir de la encuesta telefónica del primer semestre de 2021 y el formulario presencial de modalidad panel del segundo semestre de 2021. En el segundo semestre, el quintil de ingresos y la condición de pobreza del hogar corresponde a los ingresos declarados durante la implantación del panel en la encuesta presencial. A partir del año 2022, el indicador se calcula con base en la encuesta presencial.
Código en R
### Estimación de valores 2022 ###
# Para sintaxix de años anteriores consultar:
# https://osf.io/dyzg8/files/osfstorage#
# ~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~ #
### Carga de paquetes ###
# Instalar si es necesario:
#install.packages("rio")
#install.packages("srvyr")
#install.packages("tidyverse")
library(rio)
library(srvyr)
library(tidyverse)
# ~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~ #
### Descarga bases ECH 2022 (INE) de repositorio UMAD-FCS ###
download.file(
url = "https://osf.io/download/rehz2/",
destfile = "Base anual 2022.Rdata"
)
# ~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~ #
### Carga de bases ###
base <- rio::import("Bases/Base anual 2022.csv")
# ~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~ #
## Generación de nuevas variables ###
smn <- 19364
smn_h = smn/200
# Percepción de jubilaciones
base <- base %>% dplyr::mutate(jub = ifelse(g148_1_1 > 0 |
g148_1_2 > 0 |
g148_1_3 > 0 |
g148_1_5 > 0 |
g148_1_6 > 0 |
g148_1_7 > 0 |
g148_1_8 > 0 |
g148_1_9 > 0 |
g148_1_10 > 0 |
g148_1_11 > 0, 1, 0))
# Ingresos por jubilaciones
base <- base %>% dplyr::mutate(y_jub = g148_1_1 +
g148_1_2 +
g148_1_3 +
g148_1_5 +
g148_1_6 +
g148_1_7 +
g148_1_8 +
g148_1_9 +
g148_1_12 +
g148_1_10 +
g148_1_11)
# Ingresos por jubilaciones por debajo del salario mínimo nacional
base <- base %>% dplyr::mutate(jub_insuf_smn = ifelse(y_jub < smn, 1, 0))
# ~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~ #
### Información de muestreo ###
base_svy <- srvyr::as_survey_design(base, ids = ID, weights = w_ano)
# ~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~ #
### Estimación de indicadores ###
### Porcentaje de personas que perciben jubilaciones por debajo del SMN
c_ano <- base_svy %>%
srvyr::filter(jub == 1) %>%
srvyr::summarise(colname = srvyr::survey_mean(jub_insuf_smn, na.rm=T))
# ~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~ #Fuente: Unidad de Métodos y Acceso a Datos (UMAD), Facultad de Ciencias Sociales (FCS-UdelaR), a partir de la ECH del Instituto Nacional de Estadística (INE) compatibilizada por el Instituto de Economía (IECON) (2019) y ECH-INE (2020 a 2022)
Nota: La transparencia de colores representa cambios metodológicos en el relevamiento de las ECH. La línea se discontinúa en aquellos años en que ocurre el cambio (ver Ficha Técnica).
Porcentaje de personas que perciben jubilaciones por debajo de la línea de pobreza
Total país, 2006 - 2023
Gráfico
Tabla
Ficha Técnica
Definición: Porcentaje de personas que preciben jubilaciones por debajo de la línea de pobreza unipersonal (metodología 2006, INE).
Forma de cálculo: (Cantidad de personas mayores de 65 años que perciben jubilaciones por debajo de la LP / Cantidad de personas mayores de 65 años que perciben jubilaciones) *100
Advertencia: Desde marzo de 2020 hasta junio de 2021 se interrumpió el relevamiento presencial y se aplicó de manera telefónica un cuestionario restringido con el objetivo de continuar publicando los indicadores de ingresos y mercado de trabajo. En ese período la encuesta pasó a ser de paneles rotativos elegidos al azar a partir de los casos respondentes del año anterior.
En julio de 2021 el INE retomó la realización de encuestas presenciales, pero introdujo un cambio metodológico, ya que la ECH pasa a ser una encuesta de panel rotativo con periodicidad mensual compuesta por seis paneles o grupos de rotación, cada uno de los cuales es una muestra representativa de la población. Con esta nueva metodología, cada hogar seleccionado participa durante seis meses de la ECH.
Para 2020, este indicador se construye con la encuesta presencial hasta marzo de 2020 y, posteriormente, con la encuesta telefónica panel. Para 2021, este indicador se calcula a partir de la encuesta telefónica del primer semestre de 2021 y el formulario presencial de modalidad panel del segundo semestre de 2021. En el segundo semestre, el quintil de ingresos y la condición de pobreza del hogar corresponde a los ingresos declarados durante la implantación del panel en la encuesta presencial. A partir del año 2022, el indicador se calcula con base en la encuesta presencial.
Código en R
### Estimación de valores 2022 ###
# Para sintaxix de años anteriores consultar:
# https://osf.io/dyzg8/files/osfstorage#
# ~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~ #
### Carga de paquetes ###
# Instalar si es necesario:
#install.packages("rio")
#install.packages("srvyr")
#install.packages("tidyverse")
library(rio)
library(srvyr)
library(tidyverse)
# ~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~ #
### Descarga bases ECH 2022 (INE) de repositorio UMAD-FCS ###
download.file(
url = "https://osf.io/download/rehz2/",
destfile = "Base anual 2022.Rdata"
)
# ~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~ #
### Carga de bases ###
base <- rio::import("Bases/Base anual 2022.csv")
# ~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~ #
## Generación de nuevas variables ###
# Línea de pobreza individual
base <- base %>% dplyr::mutate(regionlp = case_when(region_4 == 1 ~ 1,
region_4 == 2 | region_4 == 3 ~ 2,
region_4 == 4 ~ 3))
base <- base %>% dplyr::mutate(grupolp = case_when(regionlp == 1 & mes == 1 ~ 1,
regionlp == 1 & mes == 2 ~ 2,
regionlp == 1 & mes == 3 ~ 3,
regionlp == 1 & mes == 4 ~ 4,
regionlp == 1 & mes == 5 ~ 5,
regionlp == 1 & mes == 6 ~ 6,
regionlp == 1 & mes == 7 ~ 7,
regionlp == 1 & mes == 8 ~ 8,
regionlp == 1 & mes == 9 ~ 9,
regionlp == 1 & mes == 10 ~ 10,
regionlp == 1 & mes == 11 ~ 11,
regionlp == 1 & mes == 12 ~ 12,
regionlp == 2 & mes == 1 ~ 13,
regionlp == 2 & mes == 2 ~ 14,
regionlp == 2 & mes == 3 ~ 15,
regionlp == 2 & mes == 4 ~ 16,
regionlp == 2 & mes == 5 ~ 17,
regionlp == 2 & mes == 6 ~ 18,
regionlp == 2 & mes == 7 ~ 19,
regionlp == 2 & mes == 8 ~ 20,
regionlp == 2 & mes == 9 ~ 21,
regionlp == 2 & mes == 10 ~ 22,
regionlp == 2 & mes == 11 ~ 23,
regionlp == 2 & mes == 12 ~ 24,
regionlp == 3 & mes == 1 ~ 25,
regionlp == 3 & mes == 2 ~ 26,
regionlp == 3 & mes == 3 ~ 27,
regionlp == 3 & mes == 4 ~ 28,
regionlp == 3 & mes == 5 ~ 29,
regionlp == 3 & mes == 6 ~ 30,
regionlp == 3 & mes == 7 ~ 31,
regionlp == 3 & mes == 8 ~ 32,
regionlp == 3 & mes == 9 ~ 33,
regionlp == 3 & mes == 10 ~ 34,
regionlp == 3 & mes == 11 ~ 35,
regionlp == 3 & mes == 12 ~ 36))
base_unipersonales <- base %>% filter(HT19==1)
base_unipersonales <- base_unipersonales[,c("grupolp", "lp")]
base_unipersonales <- base_unipersonales %>% dplyr::mutate(lp_unipersonales = lp)
base_unipersonales <- base_unipersonales[order(base_unipersonales$grupolp,
base_unipersonales$lp_unipersonales,
decreasing = TRUE), ]
base_unipersonales <- base_unipersonales %>% distinct(grupolp, .keep_all = TRUE)
base_unipersonales <- base_unipersonales[,c("grupolp","lp_unipersonales")]
base <- merge(base, base_unipersonales, by = "grupolp")
# Percepción de jubilaciones
base <- base %>% dplyr::mutate(jub = ifelse(g148_1_1 > 0 |
g148_1_2 > 0 |
g148_1_3 > 0 |
g148_1_5 > 0 |
g148_1_6 > 0 |
g148_1_7 > 0 |
g148_1_8 > 0 |
g148_1_9 > 0 |
g148_1_10 > 0 |
g148_1_11 > 0, 1, 0))
# Ingresos por jubilaciones
base <- base %>% dplyr::mutate(y_jub = g148_1_1 +
g148_1_2 +
g148_1_3 +
g148_1_5 +
g148_1_6 +
g148_1_7 +
g148_1_8 +
g148_1_9 +
g148_1_12 +
g148_1_10 +
g148_1_11)
# Ingresos por jubilaciones por debajo de la línea de pobreza
base <- base %>% dplyr::mutate(jub_insuf = ifelse(y_jub < lp_unipersonales, 1, 0))
# ~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~ #
### Información de muestreo ###
base_svy <- srvyr::as_survey_design(base, ids = ID, weights = w_ano)
# ~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~ #
### Estimación de indicadores ###
### Porcentaje de personas que perciben jubilaciones por debajo de la línea de pobreza
c_ano <- base_svy %>%
srvyr::filter(jub == 1) %>%
srvyr::summarise(colname = srvyr::survey_mean(jub_insuf, na.rm=T))
# ~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~ #Fuente: Unidad de Métodos y Acceso a Datos (UMAD), Facultad de Ciencias Sociales (FCS-UdelaR), a partir de la ECH del Instituto Nacional de Estadística (INE) compatibilizada por el Instituto de Economía (IECON) (2019) y ECH-INE (2020 a 2022)
Nota: La transparencia de colores representa cambios metodológicos en el relevamiento de las ECH. La línea se discontinúa en aquellos años en que ocurre el cambio (ver Ficha Técnica).
Cobertura de las transferencias no contributivas
Los siguientes gráficos presentan el porcentaje de hogares que perciben Asignaciones Familiares - Plan de Equidad (AFAM-PE) y Tarjetas Uruguay Social (TUS) respectivamente. En 2020, un 13,4% de los hogares percibía AFAM y un 3,5% era perceptor de TUS. El primer indicador presenta una tendencia creciente hasta el año 2009 para el total país y decrece levemente a partir de esta fecha. El porcentaje de hogares que perciben TUS se ha mantenido constante en el período, con una disminución en 2020 y posterior aumento en 2021.
Porcentaje de hogares que perciben asignaciones familiares (Plan de equidad)
Total país, 2009 - 2023
Gráfico
Tabla
Ficha Técnica
Definición: Porcentaje de hogares que perciben asignaciones familiares (solo Plan de Equidad)
Forma de cálculo: (Cantidad de hogares que perciben asignaciones familiares del plan de equidad / Cantidad de hogares) *100
Advertencia: Desde marzo de 2020 hasta junio de 2021 se interrumpió el relevamiento presencial y se aplicó de manera telefónica un cuestionario restringido con el objetivo de continuar publicando los indicadores de ingresos y mercado de trabajo. En ese período la encuesta pasó a ser de paneles rotativos elegidos al azar a partir de los casos respondentes del año anterior.
En julio de 2021 el INE retomó la realización de encuestas presenciales, pero introdujo un cambio metodológico, ya que la ECH pasa a ser una encuesta de panel rotativo con periodicidad mensual compuesta por seis paneles o grupos de rotación, cada uno de los cuales es una muestra representativa de la población. Con esta nueva metodología, cada hogar seleccionado participa durante seis meses de la ECH.
Para 2020, este indicador se construye con la encuesta presencial hasta marzo de 2020 y, posteriormente, con la encuesta telefónica panel. Para 2021, este indicador se calcula a partir de la encuesta telefónica del primer semestre de 2021 y el formulario presencial de modalidad panel del segundo semestre de 2021. En el segundo semestre, el quintil de ingresos y la condición de pobreza del hogar corresponde a los ingresos declarados durante la implantación del panel en la encuesta presencial. A partir del año 2022, el indicador se calcula con base en la encuesta presencial.
Código en R
### Estimación de valores 2022 ###
# Para sintaxix de años anteriores consultar:
# https://osf.io/dyzg8/files/osfstorage#
# ~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~ #
### Carga de paquetes ###
# Instalar si es necesario:
#install.packages("rio")
#install.packages("srvyr")
#install.packages("tidyverse")
library(rio)
library(srvyr)
library(tidyverse)
# ~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~ #
### Descarga bases ECH 2022 (INE) de repositorio UMAD-FCS ###
download.file(
url = "https://osf.io/download/rehz2/",
destfile = "Base anual 2022.Rdata"
)
# ~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~ #
### Carga de bases ###
base <- rio::import("Bases/Base anual 2022.csv")
# ~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~ #
## Generación de nuevas variables ###
# Captación AFAM
base <- base %>% dplyr::mutate(afam_pe = ifelse((g152 == 1 & f73 != 2 & f92 !=2 ) | (g150 == 1 & (POBPCOAC %in% c(1, 3, 4, 6, 7, 8, 11) | (POBPCOAC == 2 & f82 != 1 & f96 != 1))), 1, 0),
afam_cont = ifelse(g150 == 1 & afam_pe == 0, 1, 0),
afam_total = ifelse(afam_pe == 1 | afam_cont == 1, 1, 0))
base_afam <- base[,c("ID","afam_pe", "afam_cont", "afam_total")]
base_afam <- base_afam %>% dplyr::mutate(h_afam_pe = afam_pe,
h_afam_cont = afam_cont,
h_afam_total = afam_total)
base_afam_1 <- base_afam[order(base_afam$ID, base_afam$h_afam_pe, decreasing = TRUE), ]
base_afam_2 <- base_afam[order(base_afam$ID, base_afam$h_afam_cont, decreasing = TRUE), ]
base_afam_3 <- base_afam[order(base_afam$ID, base_afam$h_afam_total, decreasing = TRUE), ]
base_afam_1 <- base_afam_1 %>% distinct(ID, .keep_all = TRUE)
base_afam_2 <- base_afam_2 %>% distinct(ID, .keep_all = TRUE)
base_afam_3 <- base_afam_3 %>% distinct(ID, .keep_all = TRUE)
base_afam_1 <- base_afam_1[,c("ID","h_afam_pe")]
base_afam_2 <- base_afam_2[,c("ID","h_afam_cont")]
base_afam_3 <- base_afam_3[,c("ID","h_afam_total")]
base <- merge(base, base_afam_1, by = "ID")
base <- merge(base, base_afam_2, by = "ID")
base <- merge(base, base_afam_3, by = "ID")
# ~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~ #
### Bases a nivel hogar ###
base_h <- base %>% distinct(ID, .keep_all = TRUE)
# ~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~ #
### Información de muestreo ###
base_h_svy <- srvyr::as_survey_design(base_h, ids = ID, weights = w_ano)
# ~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~ #
### Estimación de indicadores ###
### Porcentaje de hogares que perciben AFAM (Solo Plan de Equidad)
c_ano <- base_h_svy %>%
srvyr::summarise(colname = srvyr::survey_mean(h_afam_pe, na.rm=T))
# ~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~ #Fuente: Unidad de Métodos y Acceso a Datos (UMAD), Facultad de Ciencias Sociales (FCS-UdelaR), a partir de la ECH del Instituto Nacional de Estadística (INE) compatibilizada por el Instituto de Economía (IECON) (2019) y ECH-INE (2020 a 2022)
Nota: La transparencia de colores representa cambios metodológicos en el relevamiento de las ECH. La línea se discontinúa en aquellos años en que ocurre el cambio (ver Ficha Técnica).
Total país, 2015 - 2023
Gráfico
Tabla
Ficha Técnica
Definición: Porcentaje de hogares que perciben Tarjetas Uruguay Social
Forma de cálculo: (Cantidad de hogares que perciben Tarjeta Uruguay Social / Cantidad de hogares) *100
Advertencia: Desde marzo de 2020 hasta junio de 2021 se interrumpió el relevamiento presencial y se aplicó de manera telefónica un cuestionario restringido con el objetivo de continuar publicando los indicadores de ingresos y mercado de trabajo. En ese período la encuesta pasó a ser de paneles rotativos elegidos al azar a partir de los casos respondentes del año anterior.
En julio de 2021 el INE retomó la realización de encuestas presenciales, pero introdujo un cambio metodológico, ya que la ECH pasa a ser una encuesta de panel rotativo con periodicidad mensual compuesta por seis paneles o grupos de rotación, cada uno de los cuales es una muestra representativa de la población. Con esta nueva metodología, cada hogar seleccionado participa durante seis meses de la ECH.
Para 2020, este indicador se construye con la encuesta presencial hasta marzo de 2020 y, posteriormente, con la encuesta telefónica panel. Para 2021, este indicador se calcula a partir de la encuesta telefónica del primer semestre de 2021 y el formulario presencial de modalidad panel del segundo semestre de 2021. En el segundo semestre, el quintil de ingresos y la condición de pobreza del hogar corresponde a los ingresos declarados durante la implantación del panel en la encuesta presencial. A partir del año 2022, el indicador se calcula con base en la encuesta presencial.
Código en R
### Estimación de valores 2022 ###
# Para sintaxix de años anteriores consultar:
# https://osf.io/dyzg8/files/osfstorage#
# ~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~ #
### Carga de paquetes ###
# Instalar si es necesario:
#install.packages("rio")
#install.packages("srvyr")
#install.packages("tidyverse")
library(rio)
library(srvyr)
library(tidyverse)
# ~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~ #
### Descarga bases ECH 2022 (INE) de repositorio UMAD-FCS ###
download.file(
url = "https://osf.io/download/rehz2/",
destfile = "Base anual 2022.Rdata"
)
# ~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~ #
### Carga de bases ###
base <- rio::import("Bases/Base anual 2022.csv")
# ~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~ #
## Generación de nuevas variables ###
# Captación TUS
base <- base %>% dplyr::mutate(tus = ifelse(e560==1, 1, 0))
base_tus <- base[,c("ID","tus")]
base_tus <- base_tus %>% dplyr::mutate(h_tus = tus)
base_tus <- base_tus[order(base_tus$ID, base_tus$h_tus, decreasing = TRUE), ]
base_tus <- base_tus %>% distinct(ID, .keep_all = TRUE)
base_tus <- base_tus[,c("ID","h_tus")]
base <- merge(base, base_tus, by = "ID")
# ~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~ #
### Bases a nivel hogar ###
base_h <- base %>% distinct(ID, .keep_all = TRUE)
# ~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~ #
### Información de muestreo ###
base_h_svy <- srvyr::as_survey_design(base_h, ids = ID, weights = w_ano)
# ~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~ #
### Estimación de indicadores ###
### Porcentaje de hogares que perciben TUS
c_ano <- base_h_svy %>%
srvyr::summarise(colname = srvyr::survey_mean(h_tus, na.rm=T))
# ~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~ #Fuente: Unidad de Métodos y Acceso a Datos (UMAD), Facultad de Ciencias Sociales (FCS-UdelaR), a partir de la ECH del Instituto Nacional de Estadística (INE) compatibilizada por el Instituto de Economía (IECON) (2019) y ECH-INE (2020 a 2022)
Nota: La transparencia de colores representa cambios metodológicos en el relevamiento de las ECH. La línea se discontinúa en aquellos años en que ocurre el cambio (ver Ficha Técnica).
Referencias
Sistema de consultas
Acceda a nuestro sistema de consultas personalizado de indicadores de empleo, salarios y transferencias en el siguiente link.
Contacto
Si tiene consultas, sugerencias, comentarios o encontró algún error en este documento, le agradecemos que se contacte con nosotros/as.
Contacto: umad@cienciassociales.edu.uy