Datos reales
Treinta y dos aglomerados por diez indicadores (EPH)
Una matriz chica y completa para multivariado: desocupación, empleo, ingresos, Gini, educación, informalidad y estructura de edad de cada aglomerado del país.
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
- 32
- Cada fila es
- un aglomerado urbano
- Variables
- 13
- Período
- 1.er trimestre de 2026
32 filas · separador «,» · CSV · 3 KB
Abre en R, Python, Excel, SPSS e InfoStat.
Qué trae
Una matriz de 32 filas por 10 indicadores, calculada desde los microdatos de la EPH. Es chica a propósito: se puede mirar entera en una pantalla, y eso permite comprobar a ojo si lo que devuelve un método multivariado tiene sentido.
Tiene las tres propiedades que hacen falta para enseñar multivariado y que casi ningún archivo reúne: pocas filas, unidades muy distintas —que obligan a estandarizar antes de hacer nada— y correlaciones altísimas entre pares, que es exactamente el problema que el análisis de componentes principales resuelve.
Estandarizar no es opcional
m <- read.csv("indicadores-aglomerados.csv")
x <- scale(m[, 4:13]) # fuera el código, el nombre y la nSin ese scale, el ingreso medio —que vale cerca de un millón— domina cualquier
distancia, y las tasas, que viven entre 0 y 100, no inciden. El resultado no
sería «los aglomerados se parecen en tal cosa» sino «los aglomerados tienen
ingresos parecidos», disfrazado de análisis multivariado.
Lo que no va a pasar
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 |
|---|---|---|
| aglomerado | Identificador | Código de aglomerado del INDEC.22 = Gran Catamarca |
| nombre | Identificador | Nombre del aglomerado, tomado de la cartografía de la propia EPH. |
| n | Cuantitativa | Personas encuestadas en el aglomerado. Es el respaldo de cada fila, no un indicador. |
| desocupacion | Cuantitativa | Tasa de desocupación: % de la población activa de 15 años o más.De 0,70 a 10,38 |
| empleo | Cuantitativa | Tasa de empleo: ocupados en % de la población total. |
| actividad | Cuantitativa | Tasa de actividad: activos de 15 años o más en % de la población total. |
| ingreso_medio | Cuantitativa | Ingreso medio de la ocupación principal, en pesos. |
| ingreso_mediano | Cuantitativa | Ingreso mediano de la ocupación principal, en pesos. |
| gini | Cuantitativa | Coeficiente de Gini del ingreso de la ocupación principal. |
| secundario_mas | Cuantitativa | % de los mayores de 18 con secundario completo o más. |
| no_registrado | Cuantitativa | % de los asalariados sin descuento jubilatorio. |
| edad_media | Cuantitativa | Edad media de la población, en años. |
| prop_65_mas | Cuantitativa | % de la población con 65 años o más. |
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.
- Las unidades no son comparables entre columnas: hay porcentajes, pesos y un coeficiente entre 0 y 1. Sin estandarizar, cualquier distancia la decide el ingreso, que es el número más grande.
- Hay pares casi redundantes: edad media y % de 65 o más correlacionan 0,961, e ingreso medio y mediano, 0,960. Tratarlos como diez dimensiones independientes es el error que el PCA viene a corregir.
- Cada fila resume una muestra de distinto tamaño. Un aglomerado con n chico tiene indicadores más inestables, y la matriz no lo refleja: todas las filas pesan igual.
- No hay ninguna variable geográfica. Si un método separa a los aglomerados patagónicos, los separó por su perfil, no porque supiera dónde están.
Qué se puede preguntar
Para usarlo en una clase o un trabajo práctico, sin tener que inventar las consignas.
- 1.¿Cuántas componentes principales hacen falta para explicar el 80 % de la variación?
- 2.¿Qué indicadores pesan en la primera componente? ¿Tiene una lectura?
- 3.Agrupar con Ward: ¿qué aglomerados quedan juntos, y qué los distingue?
- 4.¿Muestra un codo nítido el método del codo? ¿Qué se hace cuando no?
- 5.¿Cambian los grupos si se corre el análisis sin estandarizar?
Herramientas de este tema
- CalculadoraDescriptivos desde datos pegados
- CalculadoraCorrelación y regresión simple
- ScriptPCA, clusters y correspondencias