Saltar al contenido
Datina

Cruces

¿Qué indicadores se mueven juntos entre las provincias?

Elegí dos indicadores y mirá cómo se ubican las 24 jurisdicciones, con la recta que mejor las resume y las advertencias para no sacar conclusiones de más.

Para entender los datos: qué se mide, de dónde sale y qué tener en cuenta, al final de la página ↓

Explorador de indicadores provinciales

Elegí dos indicadores y mirá si las 24 jurisdicciones se ordenan juntas. Sirve para explorar: una correlación no dice qué causa qué. El diseño sigue a los exploradores regionales de la OCDE y Eurostat, a Gapminder y al Atlas de Desarrollo Humano de Brasil.

Para empezar

Tocá un punto para sacar esa jurisdicción del cálculo y otra vez para volver a sumarla. La recta es una regresión lineal por mínimos cuadrados y la franja celeste, su intervalo de confianza del 95%. Con 24 casos, correlaciones moderadas pueden aparecer por azar. Son promedios de cada provincia: no dicen nada de cada persona. Y dos indicadores pueden moverse juntos porque dependen de un tercero, como el ingreso o la urbanización.

Ver los datos del cruce
Fuentes: las de cada indicador, indicadas debajo del gráficoDescargar tabla (CSV)

Para entender los datos

Qué se mide, cómo se calcula y de dónde sale cada dato de esta página.

Cada punto es una de las 24 jurisdicciones. Su posición depende de dos indicadores que elegís vos, por ejemplo empleo registrado y pobreza. La recta resume la relación promedio entre los dos y la franja alrededor marca el margen de error de esa recta. Todos los indicadores son tasas, porcentajes o valores por habitante, para que el tamaño de cada provincia no domine la comparación.

La r de Pearson va de menos uno a uno. Cerca de uno, los dos indicadores suben juntos. Cerca de menos uno, cuando uno sube el otro baja. Cerca de cero, no hay una relación lineal clara. El R² dice qué parte de las diferencias entre provincias en un indicador acompaña a las del otro. La correlación de Spearman compara posiciones en lugar de valores y es menos sensible a una provincia muy distinta del resto. El valor p indica qué tan raro sería ver esa relación si en realidad no existiera.

Son solo 24 casos, así que una provincia puede mover mucho la recta: el explorador avisa cuál pesa más. Que dos indicadores se muevan juntos no prueba que uno cause el otro, porque puede haber un tercer factor detrás. Además son promedios provinciales: lo que vale para las provincias no tiene por qué valer para cada persona que vive en ellas, un error que se conoce como falacia ecológica. Cuando los indicadores son de años distintos, el explorador también lo aclara.

Cuando los dos indicadores tienen serie por año, se puede ver cómo se movió cada provincia, al estilo de los gráficos animados de Gapminder. La vista de regresión múltiple estima el peso de hasta cuatro indicadores a la vez sobre otro, con las variables llevadas a la misma escala. Con 24 casos y varios indicadores parecidos entre sí, los resultados son frágiles: el factor de inflación de la varianza (VIF) avisa cuando dos explicativas se superponen demasiado.

Fuente: Gapminder

Correlación de Pearson (r)
Medida de cuánto se acercan los puntos a una recta. Va de menos uno a uno.
R²
Parte de la variación de un indicador que acompaña a la variación del otro, en una recta de mínimos cuadrados.
Correlación de Spearman
Correlación calculada sobre el orden de las provincias en lugar de sus valores.
Valor p
Probabilidad de ver una relación al menos así de fuerte si en realidad no hubiera ninguna.
Falacia ecológica
Error de suponer que una relación entre promedios de grupos vale también para las personas de esos grupos.
Distancia de Cook
Medida de cuánto cambia la recta al sacar un caso. Sirve para ver qué provincia la mueve más.