Datos reales

Ingresos de la ocupación principal (EPH, 31 aglomerados)

Los 15.448 ocupados con ingreso declarado de toda la EPH, con sexo, edad, nivel educativo, categoría ocupacional y el ponderador de ingresos.

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: 15.448
Cada fila es: una persona ocupada con ingreso declarado
Variables: 7
Período: 1.er trimestre de 2026

Descargar

15.448 filas · separador «,» · CSV · 353 KB

Abre en R, Python, Excel, SPSS e InfoStat.

Qué trae

Los 15.448 ocupados con ingreso declarado de la EPH del primer trimestre de 2026, en los 31 aglomerados urbanos que releva el INDEC. Una fila por persona y siete columnas.

A diferencia del extracto de Gran Catamarca, este archivo ya viene filtrado y con los nombres en minúscula: no hay códigos de no respuesta, no hay ceros de fuera de universo y no hace falta decidir a quién sacar. Lo que queda es un archivo cómodo para lo que viene después de la descriptiva —correlación, regresión, ANOVA, pruebas— sobre datos reales y con un n grande.

Las dos medias

import pandas as pd, numpy as np
d = pd.read_csv("ingresos-eph.csv")                        # separador: coma

d.ingreso_ocup_principal.mean()                            # 990.200,86
np.average(d.ingreso_ocup_principal, weights=d.ponderador) # 1.104.227,05

La diferencia —$114.026— no es un detalle de método: la muestra sobrerrepresenta a propósito ciertos estratos, y el ponderador es lo que devuelve la proporción que tienen en la población. La media sin ponderar describe a los 15.448 encuestados; la ponderada, a los ocupados del país urbano.

Lo que el archivo no puede contestar

Están solo los ocupados con ingreso declarado. No hay desocupados, ni inactivos, ni ocupados que no contestaron el monto. Entonces:

no se puede calcular la tasa de desocupación ni la de actividad;
no se puede describir a «la población», porque falta más de la mitad;
cualquier promedio es el promedio de los que trabajan y cobran.

Para esas preguntas está el extracto de Gran Catamarca, que conserva a todo el mundo con sus códigos.

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	Categórica	Aglomerado urbano del INDEC. Hay 32 en el archivo.22 = Gran Catamarca, con 594 casos
sexo	Categórica	Sexo registrado en el cuestionario.1 = varón · 2 = mujer
edad	Cuantitativa	Edad en años cumplidos.De 13 a 88. Son ocupados, así que no hay menores de 10.
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
cat_ocup	Categórica	Categoría ocupacional.1 = patrón · 2 = cuenta propia · 3 = asalariado
ingreso_ocup_principal	Cuantitativa	Ingreso mensual de la ocupación principal, en pesos.De $5.000 a $40.000.000. Todos son mayores que cero: los códigos de no respuesta ya se sacaron.
ponderador	Ponderador	PONDIIO, el ponderador de ingresos, que corrige por quienes 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 coma y el decimal es punto, al revés que el extracto de Gran Catamarca. Son dos archivos del mismo organismo con dos convenciones.
Está filtrado: solo ocupados con ingreso declarado. No sirve para calcular desocupación ni para describir a la población, porque los que no trabajan no están.
Sin ponderar, la media da $990.200,86; con PONDIIO da $1.104.227,05. Son $114.000 de diferencia, y la correcta es la segunda.
La media ($990.201) está muy por encima de la mediana ($800.000) y el máximo llega a $40.000.000. Es una distribución con cola derecha larga: la media sola no la describe.
Es una muestra por conglomerados. El efecto de diseño medido para el ingreso medio es 4,96, o sea que el error estándar verdadero es 2,23 veces el que da s/√n.

Qué se puede preguntar

Para usarlo en una clase o un trabajo práctico, sin tener que inventar las consignas.

1.¿Cuánto cambia el ingreso medio al ponderar, y por qué la mediana cambia menos?
2.¿Difiere el ingreso entre varones y mujeres? ¿Y si se controla por nivel educativo?
3.¿Cuánto del ingreso explica la edad? ¿Y el nivel educativo? (R² de una y otra)
4.Comparar los seis niveles educativos con un ANOVA: ¿cuáles se distinguen entre sí y cuáles no?
5.Ajustar un modelo sobre el ingreso y otro sobre su logaritmo: ¿qué supuesto mejora y cuál empeora?
6.¿Qué pasa con los intervalos de confianza si se ignora el efecto de diseño?

Herramientas de este tema

CalculadoraDescriptivos desde datos pegados
CalculadoraCorrelación y regresión simple
CalculadoraANOVA de un factor con post hoc
CalculadoraRegresión múltiple y logística
ScriptLeer los microdatos de la EPH