-
Notifications
You must be signed in to change notification settings - Fork 0
/
index.Rmd
171 lines (143 loc) · 8.12 KB
/
index.Rmd
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
129
130
131
132
133
134
135
136
137
138
139
140
141
142
143
144
145
146
147
148
149
150
151
152
153
154
155
156
157
158
159
160
161
162
163
164
165
166
167
168
169
170
---
title: "Índice de marginación a nivel municipal 2010 - 2020"
author: "Diana Villasana Ocampo"
site: bookdown::bookdown_site
documentclass: book
bibliography: [book.bib, packages.bib]
url: 'https://github.com/dvillasanao/IMM_2010-2020'
# cover-image: path to the social sharing image like images/cover.jpg
description: |
This is a minimal example of using the bookdown package to write a book.
The HTML output format for this example is bookdown::bs4_book,
set in the _output.yml file.
biblio-style: apalike
csl: chicago-fullnote-bibliography.csl
---
# Índice de marginación a nivel municipal {.unlisted .unnumbered}
El índice de marginación elaborado por el Consejo Nacional de Población (`CONAPO`) se ha convertido en una herramienta esencial para analizar y medir las condiciones socioeconómicas en México, particularmente a nivel municipal. Este índice, desde su primera publicación en 1990, ha sido fundamental para identificar y cuantificar las desigualdades y disparidades que existen entre diferentes regiones del país.
**Historia y Evolución**:
- Décadas de `1970` y `1980`: Comienzo de los primeros ejercicios de medición de desigualdad.
- `1990`: Primera publicación del índice de marginación utilizando el Análisis de Componentes Principales (ACP). Aunque útil, este método no permitía comparaciones temporales.
- Demanda de Comparabilidad: La necesidad de evaluar la evolución de la marginación a lo largo del tiempo llevó a una revisión metodológica.
**Cambio Metodológico**:
- Nueva Técnica: En 2020, se adoptó la técnica de Distancias Ponderadas al Cuadrado para mejorar la comparabilidad temporal y la precisión de los datos.
- Ajustes en Indicadores: Se realizaron modificaciones para alinear el índice con las recomendaciones de organismos nacionales e internacionales.
- Método de Estratificación: Se continuó utilizando la técnica de estratificación de Dalenius y Hodges para el cálculo de los estratos del índice.
**Impacto y Futuro**:
El índice de marginación tiene como objetivo proporcionar información objetiva y cuantitativa sobre las disparidades socioeconómicas entre los municipios. Esta información es crucial para la toma de decisiones en políticas públicas, permitiendo una asignación más efectiva de recursos y esfuerzos para reducir la marginación y promover un desarrollo equitativo.
Las variables consideradas en el índice incluyen el nivel educativo, acceso a servicios de salud, infraestructura básica, vivienda, ingresos y ocupación. Estas variables se agrupan en dimensiones que reflejan el grado de marginación de cada municipio. Un índice de marginación más bajo indica mejores condiciones de desarrollo humano y bienestar.
A lo largo de las décadas, el índice ha evolucionado significativamente en términos de metodología y actualización de datos, gracias a los avances tecnológicos y el acceso a información geoespacial. Desde su creación hasta el presente, el índice ha permitido identificar tendencias y cambios en las condiciones socioeconómicas de las regiones del país, destacando tanto áreas de mejora como zonas que aún enfrentan desafíos considerables en términos de marginación y pobreza.
Este índice sigue siendo una herramienta crucial para identificar las mejores prácticas y generar estrategias de intervención focalizadas en las áreas que más lo necesitan, con el fin de mejorar las condiciones de vida de la población mexicana.
<a href="https://raw.githubusercontent.com/dvillasanao/IMM_2010-2020/main/img/Mapas_2010_2020.png" data-lightbox="image-1" data-title="Mapas">
```{r, echo=FALSE, out.width='100%'}
knitr::include_graphics(paste0(here::here(), "/img/Mapas_2010_2020.png"))
```
</a>
**Base de datos** de los tres años se encuentran disponibles en la página oficial de [CONAPO](https://www.gob.mx/conapo/documentos/indices-de-marginacion-2020-284372)
**Datos abiertos de México** [datos.gob.mx](https://datos.gob.mx/busca/dataset/indice-de-marginacion-carencias-poblacionales-por-localidad-municipio-y-entidad)
**Publicación** [Índice De Marginación Por Entidad Federativa Y Municipio 2020](https://www.gob.mx/conapo/documentos/indices-de-marginacion-2020-284372).
**Índice de marginación a nivel estatal** [Bookdown](https://dvillasanao.github.io/IME_2010_2020/)
**Índice de marginación a nivel municipal** [Bookdown](https://dvillasanao.github.io/IMM_2010-2020/)
**Índice de marginación a nivel localidad** [Bookdown](https://dvillasanao.github.io/IML_2010_2020/)
**Índice de marginación a nivel AGEB** [Bookdown](https://dvillasanao.github.io/IMU_2010-2020/)
**Índice de marginación a nivel Colonia** [Bookdown](https://dvillasanao.github.io/IMC_2020/)
```{r, include=FALSE}
# automatically create a bib database for R packages
knitr::opts_chunk$set(echo = TRUE, message = FALSE, warning = FALSE, cache = TRUE,
eval = TRUE)
knitr::opts_knit$set(root.dir = rprojroot::find_rstudio_root_file())
setwd(rprojroot::find_rstudio_root_file())
```
```{r, echo=FALSE, results=FALSE}
#Font Stlye
require(showtext)
library(extrafont)
# activar showtext
windowsFonts()
#Century Gothic
```
```{r, echo = FALSE, results=FALSE}
# Librerías que se usaron en el documento
require(Cairo)
require(ggplot2)
require(ggridges)
require(grDevices)
require(ggpubr)
require(dplyr)
require(p2distance)
require(stratification)
require(knitr)
require(magrittr)
require(kableExtra)
require(openxlsx)
require(tidyverse)
require(readxl)
require(psych)
require(stringr)
require(corrplot)
require(forcats)
require(gt)
require(rgdal)
require(geojsonio)
require(jsonlite)
require(leaflet)
require(htmlwidgets)
require(leaflet.extras)
require(mapview)
require(leaflet.providers)
```
```{r include=FALSE, eval=FALSE}
# automatically create a bib database for R packages
knitr::write_bib(c(
.packages(), 'bookdown', 'knitr', 'rmarkdown', 'dp2distance', 'statification', 'corrplot'
), 'packages.bib')
```
```{r, echo = FALSE}
tablas <- c("2010", "2015", "2020")
for(i in tablas){
load(file = paste0(here::here(), "/Output/IMM_", i, ".RData"))
}
p <- NULL
for(i in 1:3){
nombres <- names(get(paste0("DP2_",tablas[i])))
p[[paste(tablas[i])]] <- get(paste0("DP2_",tablas[i])) %>%
group_by(get(nombres[17])) %>%
summarise(POB_TOT = sum(get(nombres[5])),
GM = n())
}
p <- do.call(cbind.data.frame, p)
tabla <- p %>%
select(-c("2015.get(nombres[17])", "2020.get(nombres[17])")) %>%
janitor::adorn_totals(fill = "-", where= "row")
tabla %>%
gt() %>%
tab_header(title = "Nacional: Población y unidades geograficas según el índice de marginación, 2010-2020") %>%
tab_options(heading.title.font.size = 14,
heading.subtitle.font.size = 12,
table.font.names = 'Century Gothic',
table.align = "center",
table.font.size = 10,
data_row.padding = px(1)) %>%
tab_style(style = list(cell_text(align = "left",
weight = 'bold')),
locations = list(cells_title(groups = c("title")))) %>%
tab_style(style = list(cell_text(align = "left")),
locations = list(cells_title(groups = c("subtitle")))) %>%
tab_style(style = list(cell_text(weight = 'bold')),
locations = cells_body(columns = everything(), rows = tidyselect::last_col())) %>%
cols_label(`2010.POB_TOT` = md("**Población 2010**"),
`2015.POB_TOT` = md("**Población 2015**"),
`2020.POB_TOT` = md("**Población 2020**"),
`2010.GM` = md("**Municipios**"),
`2015.GM` = md("**Municipios**"),
`2020.GM` = md("**Municipios**"),
"2010.get(nombres[17])" = md("**Grados**")) %>%
fmt_integer(columns = c(2,4,6), sep_mark = " ") %>%
tab_spanner(label = "2010",
columns = c(2:3)) %>%
tab_spanner(label = "2015",
columns = c(4:5)) %>%
tab_spanner(label = "2020",
columns = c(6:7)) %>%
as_raw_html()
```