Tratando los datos Keane

En este post abordaremos un poco los datos keane obtenidos de Gretl

Empezaremos por importar las librerías necesarias

import pandas as pd
pd.options.display.max_columns=None

import numpy as np
from scipy import stats
import matplotlib.pyplot as plt 
import seaborn as sb

A continuación nos disponemos a visualizar los datos

keane=pd.read_csv("keane.csv")
keane=pd.DataFrame(keane)

keane.head(5)

	id	numyrs	year	choice	wage	educ	expwc	expbc	expser	manuf	black	lwage	enroll	employ	attrit	exper	expersq	status
0	1	9	81	2.0	NaN	10	0	0	0	0.0	1	NaN	0	0	0	0	0	2.0
1	1	9	82	2.0	NaN	10	0	0	0	0.0	1	NaN	0	0	0	0	0	2.0
2	1	9	83	2.0	NaN	10	0	0	0	0.0	1	NaN	0	0	0	0	0	2.0
3	1	9	84	1.0	NaN	10	0	0	0	0.0	1	NaN	1	0	0	0	0	1.0
4	1	9	85	2.0	NaN	11	0	0	0	0.0	1	NaN	0	0	0	0	0	2.0

Crearemos etiquetas para las observaciones de acuerdo a “choice” estudiante=1, hogar=2, cualificado=3, no-cualificado=4, servicio=5

keane["choice"]=np.where(keane["choice"]==1,"estudiante",
         np.where(keane["choice"]==2,"hogar",
                  np.where(keane["choice"]==3,"cualificado",
                           np.where(keane["choice"]==4,"no-cualificado","servicio"))))

Procedemos a gráficar la evolución de salarios separado por color de piel

sb.scatterplot(data=keane,x="year",y="wage",hue="black",style="black",style_order=[1,0])
plt.show()
plt.clf()

<Figure size 672x480 with 0 Axes>

En esta gráfica evidenciamos que a lo largo de los años aumenta la discriminación.

Visualicemos lo siguiente: seleccionando sólo las personas que trabajan se realizara un gráfico de la evolución de los salarios separados por la variable choice

sb.scatterplot(data=keane[keane["employ"]==1],x="year", y="wage",hue="choice")
plt.show()
plt.clf()

<Figure size 672x480 with 0 Axes>

Se observa que la terciarización de la economía ha aumentado las diferencias entre trabajadores cualificados y no cualificados, así como, entre servicio e industria.

Ahora procedamos al análisis de la variable educ para ello primero la Codificaremos de acuerdo a educación básica=1, educación media=2, y educación superior=3.

keane["educCode"]=np.where(keane["educ"]<=9,1,np.where(keane["educ"]<=12,2,3))

Seleccionando solo las personas que trabajan tenemos lo siguiente:

sb.scatterplot(data=keane[keane["employ"]==1],x="year",y="wage",hue="educCode")
plt.show()
plt.clf()

<Figure size 672x480 with 0 Axes>