-
Notifications
You must be signed in to change notification settings - Fork 0
/
index.Rmd
160 lines (134 loc) · 8.13 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
---
title: "Índice de marginación a nivel AGEB 2010 - 2020"
author: "Diana Villasana Ocampo"
site: bookdown::bookdown_site
documentclass: book
bibliography: [book.bib, packages.bib]
url: 'https://github.com/dvillasanao/IMU_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 AGEB {.unlisted .unnumbered}
El índice de marginación a nivel de Áreas Geoestadísticas Básicas (`AGEB`) es una herramienta importante utilizada para medir y analizar las condiciones de desigualdad y pobreza en México. Desde el año 2000 hasta el 2020, este índice ha experimentado cambios significativos que reflejan la evolución de las condiciones socioeconómicas en el país.
Durante este período, el índice de marginación se ha actualizado en varias ocasiones para mejorar su precisión y relevancia. Las actualizaciones han considerado múltiples dimensiones, como el acceso a servicios básicos, la educación, el empleo, la vivienda y la infraestructura. Además, se han incorporado indicadores de ingresos, y accesos a la tecnología para proporcionar una imagen más completa de la situación de marginación en las AGEB.
En términos generales, se ha observado una disminución gradual del índice de marginación a nivel nacional en las AGEB durante este período. Esto indica que, en promedio, ha habido una mejora en las condiciones socioeconómicas y una reducción de la desigualdad en el país. Sin embargo, es importante tener en cuenta que estos cambios no han sido uniformes en todas las regiones y que persisten disparidades significativas entre distintas áreas geográficas.
El índice de marginación a nivel de AGEB ha sido utilizado ampliamente en México para informar y respaldar la formulación de políticas públicas. Algunos de los usos más destacados son los siguientes:
- **Identificación de zonas prioritarias**: El índice de marginación permite identificar las áreas con mayores niveles de pobreza y desigualdad, lo que ayuda a focalizar los recursos y programas de desarrollo en las regiones más necesitadas.
- **Asignación de recursos**: El índice proporciona una base objetiva para la asignación de recursos públicos, tanto a nivel federal como estatal y municipal. Permite la distribución equitativa de fondos para infraestructura, educación, salud y otros servicios en función de las necesidades de cada área.
- **Monitoreo de políticas públicas**: Permite evaluar el impacto de las políticas públicas implementadas para reducir la pobreza y la desigualdad. Ayuda a medir el progreso en el tiempo y realizar ajustes necesarios en las estrategias y programas en curso.
- **Planificación urbana y regional**: Es utilizado en la planificación del desarrollo urbano y regional. Ayuda a identificar las áreas que requieren mayor inversión en infraestructura y servicios básicos, así como a prevenir y mitigar la segregación socioespacial.
La importancia del índice de marginación en las políticas públicas radica en su capacidad para proporcionar una visión integral de las condiciones socioeconómicas y de desigualdad en el país. Permite una toma de decisiones más informada y basada en evidencia, garantizando que los recursos y programas se dirijan a las áreas más necesitadas. Además, al monitorear los cambios en el índice a lo largo del tiempo, se puede evaluar el impacto de las políticas implementadas y realizar ajustes necesarios para lograr una mayor inclusión y desarrollo equitativo en México.
<a href="https://raw.githubusercontent.com/dvillasanao/IMU_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 dos 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 Urbana 2020](https://www.gob.mx/cms/uploads/attachment/file/828844/urbana.pdf).
**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/IML_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", "2020")
for(i in tablas){
load(file = paste0(here::here(), "/Output/IMU_", i, ".RData"))
}
p <- NULL
for(i in 1:2){
nombres <- names(get(paste0("DP2_", tablas[i])))
p[[paste(tablas[i])]] <- get(paste0("DP2_",tablas[i])) %>%
group_by(get(nombres[23])) %>%
summarise(POB_TOT = sum(get(nombres[9])),
GM = n())
}
p <- do.call(cbind.data.frame, p)
tabla <- p %>%
select(-c("2020.get(nombres[23])")) %>%
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**"),
`2020.POB_TOT` = md("**Población 2020**"),
`2010.GM` = md("**AGEB**"),
`2020.GM` = md("**AGEB**"),
"2010.get(nombres[23])" = md("**Grados**")) %>%
fmt_integer(columns = c(2:5), sep_mark = " ") %>%
tab_spanner(label = "2010",
columns = c(2:3)) %>%
tab_spanner(label = "2020",
columns = c(4:5)) %>%
as_raw_html()
```