Datos reales
Ocupación e ingresos en Gran Catamarca (EPH)
Un extracto real de la EPH: 1.339 personas de Gran Catamarca con edad, nivel educativo, condición de actividad, ingreso de la ocupación principal y los dos ponderadores.
Son datos reales de una fuente pública. Se pueden citar, y lo que salga de ellos es una afirmación sobre el mundo. También traen adentro las trampas del original.
- Filas
- 1.339
- Cada fila es
- una persona
- Variables
- 12
- Período
- 1.er trimestre de 2026
1.339 filas · separador «;» · CSV · 78 KB
Abre en R, Python, Excel, SPSS e InfoStat.
Qué trae
Un recorte de los microdatos de la EPH del primer trimestre de 2026, limitado al aglomerado de Gran Catamarca y a doce de las cientos de variables del archivo original. Una fila por persona: 1.339 personas en 429 hogares.
No está limpio. El extracto conserva las trampas del original en lugar de resolverlas, porque son el ejercicio: quien aprende a abrir un archivo real se tropieza con el separador, con los códigos de no respuesta y con los dos ponderadores, no con la fórmula de la media.
Cómo abrirlo
# R
d <- read.csv2("eph-catamarca-2026t1.csv") # read.csv2 ya usa ;# Python
import pandas as pd
d = pd.read_csv("eph-catamarca-2026t1.csv", sep=";")En Excel en español abre directo con doble clic. En inglés hay que entrar por Datos → Obtener datos → Desde texto y elegir el punto y coma como separador.
Lo primero que hay que hacer
Antes de cualquier cuenta, sacar de la columna de ingreso lo que no es un ingreso:
ocupados <- subset(d, ESTADO == 1 & P21 > 0) # 594 personas
mean(ocupados$P21) # 881.991,58
weighted.mean(ocupados$P21, ocupados$PONDIIO) # 887.611,83La diferencia entre esos dos números es chica acá, pero el camino para llegar a ellos es el que importa: el promedio de la columna entera no se parece a ninguno de los dos, porque mezcla 715 ceros de personas que no trabajan y 30 valores de −9.
Las respuestas están publicadas
Las cuentas de este archivo no quedan libradas a la fe: los tres ejercicios que lo usan
traen la respuesta verificada y también las equivocadas más probables, con el motivo
de cada una. Quien obtenga 830.273,74 dejó adentro los siete ocupados con P21 = 0;
quien obtenga 839.587,71 sacó los ceros pero no los treinta −9. Poder averiguar en qué
paso se desvió es donde está el aprendizaje.
Libro de códigos
Qué hay en cada columna y qué significa cada código. Los valores que no son lo que parecen están anotados acá.
| Variable | Tipo | Qué es |
|---|---|---|
| CODUSU | Identificador | Identificador de la vivienda. Se repite en todas las personas que viven en ella. |
| NRO_HOGAR | Identificador | Número de hogar dentro de la vivienda. Una vivienda puede tener más de un hogar.El hogar se identifica con CODUSU y NRO_HOGAR juntos: acá hay 429. |
| COMPONENTE | Identificador | Número de persona dentro del hogar. |
| AGLOMERADO | Categórica | Aglomerado urbano relevado. En este extracto es constante.22 = Gran Catamarca |
| CH04 | Categórica | Sexo registrado en el cuestionario.1 = varón (648) · 2 = mujer (691) |
| CH06 | Cuantitativa | Edad en años cumplidos.−1 = menos de un año (7 casos). No es una edad negativa. |
| NIVEL_ED | Ordinal | Máximo nivel educativo alcanzado.1 = primario incompleto · 2 = primario completo · 3 = secundario incompleto · 4 = secundario completo · 5 = superior incompleto · 6 = superior completo · 7 = sin instrucción |
| ESTADO | Categórica | Condición de actividad.0 = entrevista individual no realizada (4) · 1 = ocupado (631) · 2 = desocupado (26) · 3 = inactivo (545) · 4 = menor de 10 años (133) |
| CAT_OCUP | Categórica | Categoría ocupacional.0 = no corresponde o no responde · 1 = patrón · 2 = cuenta propia · 3 = obrero o empleado |
| P21 | Cuantitativa | Ingreso de la ocupación principal, en pesos del trimestre.0 = fuera de universo (715) · −9 = no respuesta (30). Ninguno de los dos es un ingreso. |
| PONDERA | Ponderador | Factor de expansión de población: a cuántas personas representa la fila.De 46 a 1.219. Suman 236.275 personas. |
| PONDIIO | Ponderador | Factor de expansión del ingreso de la ocupación principal.Vale 0 justamente en los 30 casos que no declararon el monto. |
Las trampas de este archivo
Están a propósito: el archivo no se limpió antes de publicarlo. Tropezarse con ellas es parte de aprender a abrir datos reales.
- El separador es punto y coma, como lo publica el INDEC, no coma. Abrirlo con la configuración por defecto de read_csv o de Excel en inglés deja una sola columna.
- P21 = 0 significa «fuera de universo» y P21 = −9, «no respuesta». Promediar la columna entera da un número que no es el ingreso de nadie.
- CH06 = −1 es «menos de un año». Son 7 casos y arrastran la edad media hacia abajo si se los toma como −1.
- Hay dos ponderadores y no dan lo mismo. PONDERA expande población; PONDIIO expande ingreso y vale cero en quienes no lo declararon, que es justamente lo que lo hace el correcto para ingresos.
- 16 personas tienen CAT_OCUP distinto de 0 sin ser ocupadas: son desocupadas con ocupación anterior. Filtrar por CAT_OCUP = 3 para quedarse con los asalariados arrastra 12 desocupados.
- Es una muestra por conglomerados: los errores estándar calculados con s/√n quedan cortos. En la EPH el efecto de diseño medido ronda 5 para el ingreso medio.
Qué se puede preguntar
Para usarlo en una clase o un trabajo práctico, sin tener que inventar las consignas.
- 1.¿Cuál es el ingreso medio de la ocupación principal, y cuánto cambia al ponderar con PONDIIO?
- 2.¿Cuánto da la mediana, y por qué queda tan lejos de la media?
- 3.¿Cuántos casos superan el cerco de la regla del 1,5? ¿Son errores o es la forma de la distribución?
- 4.¿Cambia el primer cuartil según el método de cuantiles de Excel, SPSS o R?
- 5.¿Difiere el ingreso medio entre varones y mujeres? ¿Alcanza una prueba t para contestarlo con esta muestra?
- 6.¿A cuántas personas representa el extracto? ¿Por qué no es 1.339?
Herramientas de este tema
- CalculadoraDescriptivos desde datos pegados
- CalculadoraTabla de frecuencias e histograma
- CalculadoraPruebas t
- ScriptLeer los microdatos de la EPH