Aprenda a convertir imágenes satelitales de luces nocturnas en estimaciones del ingreso regional y a medir cuán desiguales son las regiones dentro de cada país. Paso a paso en Python, ponemos a prueba si la desigualdad regional primero aumenta y luego disminuye a medida que los países se desarrollan.
¿Las brechas entre regiones ricas y pobres de un país primero se amplían y luego se reducen a medida que el país se desarrolla? Con datos simulados de 56 países que reproducen un estudio publicado, medimos la desigualdad regional y seguimos cómo sube y baja con el ingreso, desde métodos sencillos hasta otros más flexibles. Este tutorial en R incluye una aplicación interactiva que funciona en su navegador web.
Cuando medimos cómo cambia una relación de un lugar a otro, las características ocultas de cada lugar pueden distorsionar la respuesta. Este tutorial en Python sigue un estudio de 2026 de Li y Fotheringham y usa datos simulados de 225 lugares en tres períodos para mostrar cómo seguir a los mismos lugares a lo largo del tiempo elimina esa distorsión. Incluye una aplicación interactiva que funciona en su navegador web.
A medida que los países se enriquecen, ¿las brechas entre sus regiones primero se amplían y luego se reducen, o vuelven a ampliarse en los niveles más altos? Este tutorial en Python usa imágenes satelitales de luces nocturnas de unos 180 países y compara a cada país consigo mismo a lo largo del tiempo, y encuentra un patrón en forma de N. Incluye una aplicación interactiva que funciona en su navegador web.
¿Qué hace realmente con los datos una regresión que ajusta por las diferencias entre países y entre años? Con datos simulados de 150 países en R, mostramos paso a paso que equivale a restar los promedios por país y por año y luego estimar una regresión simple, y por qué los márgenes de error habituales necesitan entonces una corrección. Incluye una aplicación interactiva que funciona en su navegador web.
¿Qué parte del mayor salario de los trabajadores sindicalizados se debe al sindicato y qué parte a quiénes se afilian? Este tutorial de Python muestra cómo los efectos fijos, que comparan a cada trabajador solo consigo mismo a lo largo del tiempo, eliminan diferencias ocultas y reducen la ganancia salarial aparente del sindicato de alrededor de 18 a 8 por ciento. Incluye una aplicación interactiva que funciona en su navegador web.