Escuela Familia, parentesco y hogares en América Latina y el Caribe
XI Congreso de la Asociación Latinoamericana de Población (ALAP); Bogotá, Diciembre 10, 2024
Instructors: Amanda Martins de Almeida, Liliana P. Calderon-Bernal, Ivan Williams & Diego Alburez-Gutierrez
Updated: 2024-12-10
Preparación
Instale los siguientes paquetes en R antes de iniciar con el laboratorio:
Introducción
Descripción del curso:
El parentesco es una propiedad fundamental de las poblaciones humanas y una forma clave de estructura social. Los demógrafos llevan mucho tiempo interesados en la interacción entre el cambio demográfico y la configuración familiar. Esto ha llevado al desarrollo de sofisticados enfoques metodológicos y conceptuales para el estudio del parentesco, algunos de los cuales se revisan en este curso.
Algunas cosas útiles que hay que saber:
- Las diapositivas del curso están disponibles aquí: https://github.com/amandamartinsal/ALAP24_parentesco/tree/master/slides
- Encuentre el código fuente de este sitio web en GitHub: https://github.com/amandamartinsal/ALAP24_parentesco
rsocsim
NB: Este tutorial incluye las explicaciones y el código que se presentarán oralmente durante la escuela. Puedes consultarlo con antelación, pero no es pre-requisito.
Introducción: ¿Qué es SOCSIM y cómo funciona?
SOCSIM se desarrolló originalmente para Unix en UC Berkeley (E. Hammel et al. 1976), donde se ha mantenido durante décadas. La versión actual de rsocsim pretende ser independiente del sistema operativo y, en su mayor parte, compatible con la distribución original de SOCSIM. Para más información sobre el SOCSIM original, véase https://lab.demog.berkeley.edu/socsim/ y especialmente Mason (2016).
La siguiente descripción de SOCSIM se ha adaptado de los materiales complementarios de Alburez‐Gutierrez, Mason, and Zagheni (2021). SOCSIM es un programa de microsimulación demográfica de código abierto y extensible. Está escrito en el lenguaje de programación C y se basa en gran medida en matrices de listas enlazadas para hacer seguimiento de las relaciones de parentesco y almacenar información sobre los individuos simulados. El simulador toma como datos de entrada los archivos iniciales de población y las tasas demográficas mensuales de fecundidad y mortalidad por edades. El individuo es la unidad de análisis del simulador. Cada persona está sujeta a un conjunto de tasas, expresadas como probabilidades mensuales de eventos, dadas ciertas características demográficas, como la edad y el sexo. Cada mes, cada individuo se enfrenta al riesgo de experimentar una serie de eventos, como el nacimiento, la muerte y el matrimonio. La selección del evento y el tiempo de espera hasta que se produzca se determinan estocásticamente mediante un modelo de riesgo competitivo. En el programa de simulación se incluyen algunas otras restricciones con el fin de sortear los eventos sólo para los individuos que reúnen las condiciones para ser elegibles (por ejemplo, para permitir un intervalo mínimo de tiempo entre nacimientos de la misma madre, para evitar tabúes sociales como el incesto, etc.). Cada evento para el cual el individuo está en riesgo se modela como una distribución exponencial por partes. El tiempo de espera hasta que se produzca cada evento se genera aleatoriamente en función de las tasas demográficas asociadas. El siguiente evento a ser ejecutado para cada individuo es aquel con el tiempo de espera más corto.
Al final de la simulación, se crean archivos de población que contienen una lista de todas las personas que han vivido alguna vez en la población. En estos archivos, cada individuo es una observación en un archivo de datos rectangular con que registra las características demográficas del individuo y los números de identificación de las principales relaciones de parentesco. SOCSIM modela poblaciones «cerradas», es decir, los individuos sólo pueden entrar y salir de la simulación por nacimiento y muerte (simulados).
SOCSIM se ha utilizado ampliamente en la investigación en ciencias sociales para estudiar, entre otras cosas, la dinámica de la disponibilidad de parientes (E. A. Hammel 2005; Kenneth W. Wachter 1997; Verdery and Margolis 2017), la superposición generacional (Margolis and Verdery 2019; Alburez‐Gutierrez, Mason, and Zagheni 2021) y la pérdida de parientes (Zagheni 2011; Verdery et al. 2020; Snyder et al. 2022).
1. Configuración
Si quieres instalar rsocsim en tu computador, te
recomendamos revisar el punto 1 de este tutorial antes de comenzar la
escuela. Si tienes alguna pregunta/dificultad, por favor, ponte en
contacto con el coordinador del taller (Diego Alburez).
1.1. Instalación
Instala la versión en desarrollo de rsocsim desde GitHub
(https://github.com/MPIDR/rsocsim). Es posible que
hayamos realizado cambios en el paquete rsocsim antes de
este taller. Para estar seguro, si ya habías instalado el paquete,
desinstálalo y vuelve a instalarlo.
# remove.packages("rsocsim")
# install.packages("devtools")
remotes::install_github("MPIDR/rsocsim", ref='v1.5.9')Veámos si todo funciona correctamente. rsocsim tiene una
simulación sencilla incorporada que puedes ejecutar para ver si el
paquete se ha instalado correctamente. Por ahora, vamos a ejecutar el
código sin centrarnos en los detalles técnicos:
library(rsocsim)
# Crea una nueva carpeta para todos los archivos relacionados con la simulación.
# Esta estará en tu directorio de inicio o de usuario:
folder = rsocsim::create_simulation_folder()
# Crea un nuevo archivo de supervisión.
# Los archivos de supervisión le dicen a socsim qué simular.
# create_sup_file() creará un archivo de supervisión muy básico
# y copiará algunos archivos de tasas que serán necesarios en la carpeta de simulación:
supfile = rsocsim::create_sup_file(folder)
# Elige una semilla aleatoria:
seed = 300
# Inicia la simulación:
rsocsim::socsim(folder, supfile, seed)## [1] "Start run1simulationwithfile"
## [1] "C:/Users/martins/socsim/socsim_sim_4284"
## [1] "300"
## Start socsim
## start socsim main. MAXUYEARS: 200; MAXUMONTHS: 2400
## ratefile: socsim.sup
##
## v18a!-command-line argv[0]: zerothArgument| argv[1]: socsim.sup| argv[2]: 300| argv[3]: 1
## random_number seed: 300| command-line argv[1]: socsim.sup| argv[2]: 300
## compatibility_mode: 1| command-line argv[3]: 1
## Socsim Version: STANDARD-UNENHANCED-VERSION
## initialize_segment_vars
## initialize_segment_vars done
## 18b - loading -.sup-file: socsim.sup
## 18b-load.cpp->load . socsim.sup
## #load.cpp->load 4. socsim.sup
## 18b-load.cpp->load . SWEfert2022
## #load.cpp->load 4. SWEfert2022
## Incomplete rate set, will add rate till MAXUYEARS (death-->1.0; others:0.0) 12
## Incomplete rate set, will add rate till MAXUYEARS (death-->1.0; others:0.0) 12
## 18b-load.cpp->load . SWEmort2022
## #load.cpp->load 4. SWEmort2022
## Incomplete rate set, will add rate till MAXUYEARS (death-->1.0; others:0.0) 12
## Incomplete rate set, will add rate till MAXUYEARS (death-->1.0; others:0.0) 12
## Incomplete rate set, will add rate till MAXUYEARS (death-->1.0; others:0.0) 12
## Incomplete rate set, will add rate till MAXUYEARS (death-->1.0; others:0.0) 12
## Incomplete rate set, will add rate till MAXUYEARS (death-->1.0; others:0.0) 12
## Incomplete rate set, will add rate till MAXUYEARS (death-->1.0; others:0.0) 12
## Incomplete rate set, will add rate till MAXUYEARS (death-->1.0; others:0.0) 12
## Incomplete rate set, will add rate till MAXUYEARS (death-->1.0; others:0.0) 12
## ------------4marriage_eval == DISTRIBUTION . socsim.sup
## ------------6------------7
## output file names:
## init_new.opop|init_new.omar|init_new.opox|sim_results_socsim.sup_300_/result.pyr|sim_results_socsim.sup_300_/result.stat|init_new.otx|
## fix pop pointers..
## Starting month is 601
## Initial size of pop 8000 (living: 8000)
## ------------aa3s------------aa32New events generated for all living persons
## ------------b1month: 700 PopLive: 9414 Brths: 16 Dths: 0 Mrgs: 11 Dvs: 0 Mq: 3728 Fq:0 ti1: 0.5 ti2: 0.008000 0.5756
## month: 800 PopLive: 10926 Brths: 12 Dths: 1 Mrgs: 6 Dvs: 0 Mq: 3890 Fq:0 ti1: 0.7 ti2: 0.015000 0.9913
## month: 900 PopLive: 12260 Brths: 14 Dths: 0 Mrgs: 4 Dvs: 0 Mq: 4031 Fq:0 ti1: 1.0 ti2: 0.020000 1.2308
## month: 1000 PopLive: 13397 Brths: 9 Dths: 2 Mrgs: 4 Dvs: 0 Mq: 4134 Fq:0 ti1: 1.3 ti2: 0.011000 0.6437
## month: 1100 PopLive: 14172 Brths: 16 Dths: 6 Mrgs: 6 Dvs: 0 Mq: 4135 Fq:0 ti1: 1.6 ti2: 0.011000 0.6433
## month: 1200 PopLive: 14518 Brths: 13 Dths: 11 Mrgs: 6 Dvs: 0 Mq: 4000 Fq:0 ti1: 1.9 ti2: 0.008000 0.5000
## month: 1300 PopLive: 14323 Brths: 14 Dths: 20 Mrgs: 4 Dvs: 0 Mq: 3891 Fq:0 ti1: 2.2 ti2: 0.018000 1.1889
## month: 1400 PopLive: 13816 Brths: 13 Dths: 15 Mrgs: 4 Dvs: 0 Mq: 3746 Fq:0 ti1: 2.5 ti2: 0.010000 0.7126
## month: 1500 PopLive: 13330 Brths: 11 Dths: 11 Mrgs: 5 Dvs: 0 Mq: 3679 Fq:0 ti1: 2.8 ti2: 0.015000 1.1082
## month: 1600 PopLive: 12944 Brths: 10 Dths: 15 Mrgs: 4 Dvs: 0 Mq: 3593 Fq:0 ti1: 3.1 ti2: 0.009000 0.6972
## month: 1700 PopLive: 12525 Brths: 10 Dths: 20 Mrgs: 5 Dvs: 0 Mq: 3436 Fq:0 ti1: 3.3 ti2: 0.009000 0.7623
## month: 1800 PopLive: 12009 Brths: 10 Dths: 16 Mrgs: 7 Dvs: 0 Mq: 3275 Fq:0 ti1: 3.5 ti2: 0.020000 1.8647
##
##
## Socsim Main Done
## Socsim Done.
## [1] "restore previous working dir: C:/Users/martins/Desktop/ALAP24_parentesco/docs"## [1] 1Deberías ver un mensaje largo en la consola, al final del cual aparece el mensaje «SOCSIM done». Ignora los dos mensajes de advertencia (‘can’t open transition history file. Hope that’s OK’). Son esperados.
Para más información sobre el paquete, el microsimulador SOCSIM, su
historia y sus aplicaciones, consulte el sitio web de
rsocsim: https://mpidr.github.io/rsocsim/.
1.2. Instala otros paquetes
Necesitaremos estos otros paquetes para este taller. Si no los tienes aún, por favor, instálalos:
2. ¿Cómo configurar, correr y verificar una microsimulación en R?
Objetivos
- Utilizar datos del World Population Prospects (WPP) 2024 para crear una simulación desde cero
- Ejecutar una simulación SOCSIM simple para Colombia
- Estimar las tasas de fecundidad y mortalidad por edad resultantes usando los microdatos generados por SOCSIM
- Comprobar que las tasas SOCSIM ‘de salida’ coinciden con las tasas WPP ‘de entrada’
2.1. La simulación: archivos de supervisión y archivos de tasas
Para dar un ejemplo de la utilización de rsocsim,
realizaremos una microsimulación SOCSIM para Colombia para el periodo
1950-2023. Esta microsimulación utiliza como insumos: tasas específicas
de fecundidad por edad simple y año calendario y probabilidades de
muerte por edad simple, sexo y año calendario descargadas de las Perspectivas de la Población
Mundial 2024 (en adelante, WPP 2024, por sus siglas en inglés) .
Para correr la simulación, los datos originales de WPP deben
convertirse primero a tasas o probabilidades mensuales en formato
SOCSIM, tal y como se describe en SOCSIM Oversimplified (c.f. Mason 2016 para más detalles). Las tasas
correspondientes a cada año se especifican en el archivo de supervisión
socsim_Colombia.sup, proporcionado en este repositorio, que
se utilizará para ejecutar la simulación. El primer segmento de la
simulación se ejecuta durante 100 años (1200 meses) para producir una
estructura por edades estable, basada en las tasas y probabilidades de
WPP para 1950. Cada uno de los segmentos siguientes se ejecuta durante
un año (12 meses) con los archivos de fecundidad y mortalidad
correspondientes.
2.2. Escribir los archivos de tasas de entrada para una simulación SOCSIM para Colombia, 1950-2023
La estructura de los archivos de tasas es esencial para correr SOCSIM. Según SOCSIM Oversimplified (c.f. Mason 2016, 26–28), un bloque de tasas es un conjunto completo de tasas específicas por edad que rigen un evento demográfico para personas de un sexo, grupo y estado civil determinados. En los archivos de tasas, el orden es siempre evento demográfico (birth, death, marriage), grupo (1, ..), sexo (F o M) y estado civil (married, single, divorced, widowed). Para las tasas de fecundidad, puede ir seguido de un número que indique la paridad. Cada línea posterior contiene una tasa o probabilidad mensual y el intervalo de edad sobre el que rige (años y meses del límite superior de edad). El intervalo incluye el límite superior de edad de la línea anterior y termina justo antes del límite superior de edad de la línea actual. Los dos primeros números son los años y meses del límite superior de edad, que se suman; por ejemplo, un límite superior de edad de “1 0” or “0 12” se refiere al primer año de vida [0,1).
Carguemos algunas funciones que hemos preparado para escribir los archivos de tasas SOCSIM a partir de los datos de WPP 2024.
2.2.1. Archivos de fecundidad para SOCSIM
Como datos de entrada de fecundidad, utilizamos todo el rango de edades de la tasas de fecundidad por edad simple de la madre proporcionada por WPP 2024 [15-49]. Los grupos de edad más jóvenes [10-14] y mayores [50-54] sólo se proporcionan en las estimaciones por grupos de edad de 5 años. Adicionalmente, SOCSIM requiere una categoría de edad final con un límite superior correspondiente a la duración máxima de la vida. Aquí, la fijamos a [50-100], para ser coherentes con la estructura de las tablas de mortalidad de WPP.
Para convertir las tasas anuales en mensuales, suponemos que las tasas de fecundidad son constantes a lo largo del año y las dividimos por 12 (meses). Según SOCSIM oversimplified, se trata de tasas y no de probabilidades. Por tanto, al multiplicar una tasa por el número de meses de la categoría de edad se obtiene el número esperado de nacimientos que experimentará una mujer que viva esa categoría de edad.
En este ejercicio, las tasas son idénticas para todos los estados civiles. Sin embargo, en los archivos de tasas se deben especificar al menos para las mujeres solteras y casadas (single, married). Los demás estados civiles (divorced, widow, cohabiting) siguen las reglas predeterminadas para las tasas en SOCSIM.
Para este ejercicio, utilizaremos las tasas específicas de fecundidad
por edad para todos los órdenes de nacimiento por año calendario y edad
simple de la madre para un país seleccionado de WPP 2024. Los datos
descargados de la página web del WPP
2024, filtrados para un país y conservando sólo las variables
relevantes, se proporcionan en
data/fertility_Colombia.RData. Si deseas ejecutar el
análisis para otro territorio, puedes utilizar la función
UNWPP_data() y seleccionar una ubicación, ISO2_code o
ISO3_code diferente para filtrar los datos del WPP 2024.
La siguiente función convierte al formato SOCSIM los datos de
fecundidad de WPP 2024 (filtrados para un país usando
UNWPP_data()) siguiendo el procedimiento explicado
anteriormente. Para ejecutarla, escribe el nombre del país (región,
subregión o zona) tal como figura en WPP 2024 (por ejemplo, “Colombia”).
Por favor, asegúrate de que el archivo con los datos de fecundidad de
WPP filtrado para dicho país se encuentre en la carpeta
data.
2.2.2. Archivos de mortalidad para SOCSIM
Como datos de entrada de mortalidad, SOCSIM requiere probabilidades
de muerte (qx) de las tablas de mortalidad de periodo. Utilizamos todo
el rango de edades de las tablas de mortalidad por edad simple
proporcionadas por WPP 2024 [0-100]. El intervalo final de edad “100” se
limita a un año, es decir, [100-101). Originalmente, SOCSIM tenía un
límite superior de 100 años, pero en rsocsim la edad máxima
se ha ampliado a 200 años, en caso de que los datos de mortalidad
superen el límite de 100.
Para convertir las probabilidades de muerte anuales de WPP en probabilidades mensuales “SOCSIM”, suponemos que la probabilidad de morir es constante a lo largo del año y utilizamos la fórmula \(1-(1-_nq_x)^{1/n}\) propuesta por Kenneth Watcher (Kenneth W. Wachter 2014, 53). Para el intervalo final de edad 100, las probabilidades mensuales son iguales a 1/12. Las probabilidades de muerte son idénticas para todos los estados civiles de cada sexo. Sin embargo, para este ejercicio sólo se especifican para mujeres solteras y hombres solteros (single) en los archivos de tasas. Los demás estados civiles seguirán las reglas predeterminadas para las tasas en SOCSIM.
Los métodos utilizados para estimar la mortalidad y las tablas de mortalidad en WPP 2024 varían de un país a otro, dependiendo del tipo y la calidad de los datos empíricos disponibles. Para más detalles, véase la Metodología de las estimaciones y proyecciones de población de las Naciones Unidas (United Nations and Social Affairs 2024).
Para este ejercicio, utilizaremos las probabilidades de muerte (qx)
por año calendario, sexo y edad simple para un país seleccionado de WPP
2024. Proporcionamos los datos descargados de la página web del WPP 2024
para mujeres
y hombres,
filtrados para un país y conservando sólo las variables relevantes
(disponibles en data/mortality_Colombia.RData). Si desea
sejecutar el análisis para otro territorio, puede utilizar la funcion
UNWPP_data() y seleccionar una ubicación, ISO2_code o
ISO3_code diferente para filtrar los datos de WPP 2024.
La siguiente función convierte al formato SOCSIM los datos de
mortalidad de WPP 2024 (filtrados para un país usando
UNWPP_data()), siguiendo el procedimiento explicado
anteriormente. Para ejecutarla, escribe el nombre del país (región,
subregión o área) tal como aparece en WPP 2024 (por ejemplo,
“Colombia”). Por favor, asegúrate de que el archivo con los datos de
mortalidad de WPP para dicho país se encuentre en la carpeta
data.
2.3. Crear los archivos iniciales de población y matrimonios
Ahora que tenemos los archivos de tasas, vamos a crear los archivos iniciales de población (.opop) y matrimonio (.opop). Por cuestiones prácticas del taller, usaremos una población inicial pequeña para reducir el tiempo de ejecución de la simulación y de cómputo del código posterior. El archivo .opop inicial tendrá un tamaño de 1000, con sexo y fechas de nacimiento asignados aleatoriamente, y grupo 1 para todos. Las demás columnas se completarán durante la simulación. El archivo .omar inicial será un archivo vacío.
# Definir una semilla para tener los mismos resultados (solo para este taller)
set.seed(101224)
# Establecer el tamaño de la población inicial
size_opop <- 1000
# Crear data.frame con 14 columnas y n filas igual a la población inicial
presim.opop <- setNames(data.frame(matrix(data = 0, ncol = 14, nrow = size_opop)),
c("pid","fem","group","nev","dob","mom","pop",
"nesibm","nesibp","lborn","marid","mstat","dod","fmult"))
# Añadir pid 1:sizeopop
presim.opop$pid <- 1:size_opop
# Añadir sexo aleatoriamente
presim.opop$fem <- sample(0:1, nrow(presim.opop), replace = T)
# Añadir el grupo 1 para todos los individuos
presim.opop$group <- 1
# Añadir fechas de nacimiento aleatorias
presim.opop$dob <- sample(500:1000, nrow(presim.opop), replace = T)
# Guardar la población inicial para la presimulación
write.table(presim.opop, "presim.opop", row.names = F, col.names = F)
# Crear un data frame vacío para los matrimonios en la población inicial
presim.omar <- data.frame()
# Guardar el archivo omar de la población inicial
write.table(presim.omar, "presim.omar", row.names = F, col.names = F)2.4. Correr una simulación SOCSIM con el paquete
rsocsim
Una vez creados los archivos de tasas de entrada y los archivos
iniciales de población y matrimonios, podemos ejecutar la simulación.
Para utilizar la función socsim, debemos especificar la
carpeta en la que se encuentran los archivos de supervisión y de tasas,
el nombre del archivo de supervisión para las tasas recuperadas del WPP
2024 (1950-2023) y un número de semilla para la simulación.
# Especifica la carpeta donde se encuentran los archivos de supervisión y de tasas.
# Si la sesión de R se está ejecutando a través del proyecto, puedes utilizar el siguiente comando.
folder <- getwd()
# Escribe el nombre del archivo de supervisión almacenado en la carpeta anterior:
supfile <- "socsim_Colombia.sup"
# Elige un número semilla (fecha de hoy) para la simulación:
seed <- "101224"
# Correr una simulación SOCSIM con la carpeta y el archivo de supervisión proporcionado,
# utilizando el método de proceso futuro
rsocsim::socsim(folder, supfile, seed, process_method = "future")Los resultados de la simulación están listos. Podemos utilizar las
funciones read_opop y read_omar del paquete
rsocsimpara importar los archivos de población y matrimonio
de salida a R.
## Leer el archivo opop usando la función read_opop()
opop <- rsocsim::read_opop(folder = getwd(), supfile = "socsim_Colombia.sup",
seed = "101224", suffix = "", fn = NULL)## [1] "read population file: C:/Users/martins/Desktop/ALAP24_parentesco/docs/sim_results_socsim_Colombia.sup_101224_/result.opop"## Leer el archivo omar usando la función read_omar()
omar <- rsocsim::read_omar(folder = getwd(), supfile = "socsim_Colombia.sup",
seed = "101224", suffix = "", fn = NULL)## [1] "read marriage file: C:/Users/martins/Desktop/ALAP24_parentesco/docs/sim_results_socsim_Colombia.sup_101224_/result.omar"Demos un vistazo a los archivos de población y matrimonio.
El archivo de población (.opop) contiene un registro por cada individuo que ha estado vivo durante la simulación. Cada registro (fila) proporciona la siguiente información sobre un individuo determinado: identificador de persona (pid), sexo (fem, 1 para mujer y 0 para hombre), identificador de grupo (group), siguiente evento programado (nev), fecha de nacimiento (dob), identificador de persona de la madre (mom), identificador de persona del padre (pop), identificador de persona del siguiente hermano mayor por vía materna (nesibm), identificador de persona del siguiente hermano mayor por vía paterna (nesibp), identificador de persona del último hijo nacido (lborn), identificador del matrimonio más reciente en .omar (marid), estado civil al final de la simulación (mstat), fecha de defunción (dod, o 0 si está vivo al final de la simulación) y multiplicador de fertilidad (fmult). Para más información sobre lo que significan estas columnas, consulta: https://lab.demog.berkeley.edu/socsim/CurrentDocs/socsimOversimplified.pdf.
## pid fem group nev dob mom pop nesibm nesibp lborn marid mstat dod fmult
## 1 1 1 1 65 609 0 0 0 0 0 0 1 1640 0.721646
## 2 2 0 1 65 930 0 0 0 0 0 0 1 1201 0.000000
## 3 3 1 1 65 591 0 0 0 0 1435 33 3 1629 1.057861
## 4 4 0 1 65 502 0 0 0 0 1383 243 4 1158 0.000000
## 5 5 1 1 65 791 0 0 0 0 2543 375 3 1796 1.400603
## 6 6 1 1 65 636 0 0 0 0 1207 170 3 1540 0.235570El archivo de matrimonios (.omar) contiene un registro por cada matrimonio ocurrido durante la simulación. Cada registro de matrimonio proporciona la siguiente información: número identificador del matrimonio (mid), identificador de persona de la esposa (wpid), identificador de persona del esposo (hpid), fecha de inicio del matrimonio (dstart), fecha de finalización del matrimonio (dend, es 0 si estaba vigente al final de la simulación), razón por la que finalizó el matrimonio (rend), identificador del siguiente matrimonio anterior más reciente de la esposa (wprior), identificador del siguiente matrimonio anterior más reciente del esposo (hprior).
## mid wpid hpid dstart dend rend wprior hprior
## 1 1 158 467 1001 1167 3 0 0
## 2 2 879 409 1001 1029 3 0 0
## 3 3 710 374 1001 1053 3 0 0
## 4 4 199 247 1001 1336 3 0 0
## 5 5 650 196 1001 1255 3 0 0
## 6 6 766 856 1001 1466 3 0 02.5. Estimar las tasas específicas por edad a partir de los resultados de la microsimulación SOCSIM
Para comprobar la precisión de nuestra microsimulación para Colombia,
podemos estimar y comparar las tasas de entrada y de salida de
fecundidad y mortalidad específicas por edad y sexo. Para ello, podemos
utilizar las funciones estimate_fertility_rates() y
estimate_mortality_rates() del paquete. Ten en cuenta que
estas funciones calculan tasas específicas por edad tanto para la
fecundidad como para la mortalidad, ya que utilizan el tamaño de la
población a mitad de año por sexo y edad como una estimación de los
años-persona vividos durante el año. Por lo tanto, la población del
denominador incluye a todos aquellos que nacieron antes del 1 de julio
de un año determinado y mueren en julio de ese año o después, o siguen
vivos al final de la simulación. Debido al tamaño limitado de la
población en una microsimulación (especialmente, de supervivientes a
edades avanzadas), a veces pocos o ningún individuo de una edad
específica están vivos en un momento determinado (aquí, el 1 de julio).
Por ello, con estas funciones es posible obtener tasas superiores a 1,
iguales a 0 (0 eventos/población), infinitas (eventos/0 población) y
valores NaN (0 eventos/0 población).
Para ejecutar las funciones, necesitamos definir algunos argumentos:
el archivo .opop opop, el año final de la simulación
final_sim_year, los años mínimo y máximo para los que
queremos estimar las tasas, [year_min y
year_max), el tamaño del grupo de años
year_group, la edad mínima y máxima para la fecundidad
[age_min_fert y age_max_fert) o la edad máxima
para la mortalidad age_max_mort) y el tamaño del grupo de
edades age_group. Podemos calcular las tasas para
diferentes años y grupos de edad (por ejemplo, 1, 5 o 10), pero es
importante que los años y edades mínimos y máximos correspondan con el
tamaño de los grupos. Puedes leer la documentación completa de estas
funciones escribiendo ?estimate_fertility_rates o
?estimate_mortality_rates en la consola de RStudio.
Ejecutemos el código.
# Estimar las tasas de fecundidad por edad
asfr_sim <- rsocsim::estimate_fertility_rates(opop = opop,
final_sim_year = 2023, #[Ene-Dic]
year_min = 1950, # Cerrado [
year_max = 2020, # Abierto )
year_group = 5,
age_min_fert = 15, # Cerrado [
age_max_fert = 50, # Abierto )
age_group = 5) # [,)
# Estimar las tasas de mortalidad por edad
asmr_sim <- rsocsim::estimate_mortality_rates(opop = opop,
final_sim_year = 2023, # [Ene-Dic]
year_min = 1950, # Cerrado
year_max = 2020, # Abierto )
year_group = 5,
age_max_mort = 100, # Abierto )
age_group = 5) #[,)Ahora podemos graficar nuestras estimaciones de fecundidad y mortalidad derivadas de la microsimulación para mujeres en algunos años seleccionados.
# Elige los años a graficar (en intervalos).
yrs_plot <- c("[1950,1955)", "[1980,1985)", "[2015,2020)")
# Obtén los niveles de edad para definirlos antes de graficar y evitar un orden erróneo
age_levels <- levels(asmr_sim$age)
bind_rows(asfr_sim %>%
mutate(rate = "Fecundidad",
sex = "female"),
asmr_sim %>%
mutate(rate = "Mortalidad") %>%
filter(sex == "female")) %>%
mutate(age = factor(as.character(age), levels = age_levels)) %>%
# Filtrar las tasas de valores 0, infinitos (N_Muertes/0_Población) y NaN (0_Muertes/0_Población)
filter(socsim !=0 & !is.infinite(socsim) & !is.nan(socsim)) %>%
filter(year %in% yrs_plot) %>%
ggplot(aes(x = age, y = socsim, group = year, colour = year)) +
geom_line(linewidth = 1) +
facet_wrap(. ~ rate, scales = "free") +
facetted_pos_scales(y = list(ASFR = scale_y_continuous(),
ASMR = scale_y_continuous(trans = "log10"))) +
scale_x_discrete(guide = guide_axis(angle = 90)) +
scale_color_manual(values = c("#FFCD00", "#003087", "#C8102E"))+
labs(title = "Tasas específicas de fecundidad y mortalidad por edades quinquenales para mujeres
\n obtenidas de una simulación SOCSIM para Colombia (1950-2023)",
x = "Edades", y = "Estimación", color = "Años") +
theme_bw()
2.6. Comparar las tasas específicas por edad SOCSIM vs WPP 2024
Como verificación adicional, podemos comparar las tasas específicas de fecundidad y mortalidad por edad obtenidas a partir de los resultados de SOCSIM con los datos originales WPP utilizados como entrada para nuestra microsimulación. Dado que nuestras estimaciones de las tasas de fecundidad y mortalidad a partir de los resultados de SOCSIM se agrupan por grupos de edades quinquenales y periodos de 5 años en el ejemplo anterior, debemos estimar primero las tasas agregadas (5x5) a partir de los datos originales de WPP 2024. Para graficar los datos conjuntamente, también necesitamos reorganizarlos.
Empecemos con las estimaciones de fecundidad.
# Extraer los intervalos de año y edad utilizados en estimate_fertility_rates()
# para aplicar los mismos valores a los datos de WPP.
# Extraer todos los valores únicos de los intervalos de años
year_breaks_fert <- unique(as.numeric(str_extract_all(asfr_sim$year, "\\d+", simplify = T)))
# Rango de años para filtrar los datos WPP
year_range_fert <- min(year_breaks_fert):max(year_breaks_fert-1)
# Extraer todos los valores únicos de los intervalos de edad
age_breaks_fert <- unique(as.numeric(str_extract_all(asfr_sim$age, "\\d+", simplify = T)))
# Cargar los datos de fecundidad WPP utilizados para escribir las tasas de entrada y
# recalcular las tasas específicas de fecundidad por grupos quinquenales de edad.
load("data/fertility_Colombia.RData")
WPP_fert <- fertility_Colombia %>%
filter(year %in% year_range_fert) %>%
mutate(year = cut(year, breaks = year_breaks_fert,
include.lowest = F, right = F, ordered_results = T),
age = cut(age, breaks = age_breaks_fert,
include.lowest = F, right = F, ordered_results = T)) %>%
filter(!is.na(age)) %>%
group_by(year, age) %>%
summarise(ASFR = mean(fx, na.rm = T)) %>%
ungroup() %>%
mutate(Source = "WPP",
Rate = "Fecundidad")
# Organizar las estimaciones de fecundidad de SOCSIM
SocsimF <- asfr_sim %>%
rename(ASFR = socsim) %>%
mutate(Source = "SOCSIM",
Rate = "Fecundidad")Ahora, evaluaremos las estimaciones de mortalidad. Aquí, comparamos las tasas específicas de mortalidad por edad a mitad de año de SOCSIM con las tasas centrales de mortalidad de las tablas de mortalidad de WPP.
# Extraer los intervalos de año y edad utilizadas en estimate_mortality_rates() para aplicarlos a los datos WPP.
# Extraer todos los valores únicos de los intervalos de años
year_breaks_mort <- unique(as.numeric(str_extract_all(asmr_sim$year, "\\d+", simplify = T)))
# Rango de años para filtrar los datos WPP
year_range_mort <- min(year_breaks_mort):max(year_breaks_mort-1)
# Extraer todos los valores únicos de los intervalos de edad
age_breaks_mort <- unique(as.numeric(str_extract_all(asmr_sim$age, "\\d+", simplify = T)))
# Cargar los datos de mortalidad WPP y recalcular las tasas de mortalidad por grupos quinquenales de edad.
# Para facilitar la comparacion, usaremos las tasas centrales de mortalidad (mx) y no las probabilidades (QX)
load("data/mortality_Colombia.RData")
# Organizar las tablas de mortalidad WPP
WPP_mort <- mortality_Colombia %>%
select(year, Sex, age, mx) %>%
filter(year %in% year_range_mort) %>%
mutate(year = cut(year, breaks = year_breaks_mort,
include.lowest = F, right = F, ordered_results = T),
age = cut(age, breaks = age_breaks_mort,
include.lowest = F, right = F, ordered_results = T)) %>%
filter(!is.na(age)) %>%
group_by(year, Sex, age) %>%
summarise(mx = mean(mx, na.rm = T)) %>%
ungroup() %>%
mutate(Source = "WPP",
Rate = "Mortalidad")
# Organizar las estimaciones de mortalidad de SOCSIM
SocsimM <- asmr_sim %>%
rename(mx = socsim) %>%
mutate(Sex = ifelse(sex == "male", "Male", "Female"),
Source = "SOCSIM",
Rate = "Mortalidad") %>%
select(year, Sex, age, mx, Source, Rate)Finalmente, podemos graficar las tasas de fecundidad y mortalidad por edad para mujeres en Colombia obtenidas de los resultados SOCSIM y de WPP.
## Graficar las tasas específicas de fecundidad y mortalidad SOCSIM vs WPP
bind_rows(WPP_fert %>% rename(Estimate = ASFR),
SocsimF %>% rename(Estimate = ASFR)) %>%
mutate(Sex = "Female") %>%
bind_rows(WPP_mort %>% rename(Estimate = mx),
SocsimM %>% rename(Estimate = mx)) %>%
# Filtrar las tasas de valores 0, infinito (N_Muertes/0_Población) y NaN (0_Muertes/0_Población)
filter(Estimate != 0 & !is.infinite(Estimate) & !is.nan(Estimate)) %>%
filter(Sex == "Female") %>%
mutate(age = factor(as.character(age), levels = age_levels)) %>%
filter(year %in% yrs_plot) %>%
ggplot(aes(x = age, y = Estimate, group = interaction(year, Source)))+
facet_wrap(. ~ Rate, scales = "free") +
geom_line(aes(colour = year, linetype = Source), linewidth = 1)+
scale_linetype_manual(values = c("WPP" = "11","SOCSIM" = "solid")) +
facetted_pos_scales(y = list(ASFR = scale_y_continuous(),
ASMR = scale_y_continuous(trans = "log10")))+
scale_x_discrete(guide = guide_axis(angle = 90)) +
scale_color_manual(values = c("#FFCD00", "#003087", "#C8102E"))+
labs(title = "Tasas específicas de fecundidad y mortalidad por edades quinquenales
\n obtenidas de WPP y una simulación SOCSIM para Colombia (1950-2023)",
x = "Edades", y = "Estimación",
color = "Años", linetype = "Fuente") +
theme_bw()
En términos generales, las tasas de fecundidad y mortalidad por edades quinquenales derivadas de la microsimulación se aproximan a las tasas originales de WPP2024 utilizadas como datos de entrada, lo que nos permite considerar los resultados como suficientemente validos para el analisis. No obstante, es posible observar algunas diferencias entre ambas fuentes que pueden reducirse al incrementar el tamaño de la poblacion inicial.
3. ¿Qué se puede hacer con los resultados de la simulación? Ejemplo: estimaciones de pérdida y disponibilidad de parientes
Preparado por Mallika Snyder, https://twitter.com/mallika_snyder, para el taller SOCSIM realizado en PAA 2023
Objetivos
- Aprender a analizar los resultados de una simulación SOCSIM
- Comprender cómo SOCSIM registra los vínculos familiares
- Utilizar los resultados de SOCSIM de la sección anterior para estimar los niveles de pérdida (y disponibilidad) de parientes en Colombia.
Después de correr nuestra simulación, SOCSIM nos proporciona una genealogía sintética para toda la población. Sabemos cuándo nacen las personas, cuándo mueren, cuándo se casan y quiénes son sus padres y su cónyuge. ¿Qué podemos hacer con esta información?
Una de las ventajas de utilizar una herramienta como SOCSIM es que
podemos identificar redes de parentesco extensas, especialmente en el
caso de parientes más lejanos que serían difíciles de relacionar
mediante un censo o una encuesta de hogares. Por ejemplo, ¿qué tan
sencillo sería identificar a la bisabuela de un individuo en una
encuesta de hogares, suponiendo que las probabilidades de corresidencia
no sean altas? Por supuesto, algunos tipos de parientes son más fáciles
de identificar que otros, basándonos en la información que tenemos en
SOCSIM. Al identificar a los parientes, utilizamos relaciones de
parentesco por consanguinidad directa -como padres e hijos- y afinidad
-como cónyuges-. Este es el principio en el que se basa la función
retrieve_kin() incluida en rsocsim que puede
utilizarse para identificar parientes de diversos tipos (padres, hijos,
abuelos, hermanos, cónyuges, y mucho más). Puedes leer la documentación
completa de esta función escribiendo ?retrieve_kin en la
consola de RStudio. Un aspecto importante es que los términos de
parentesco utilizados en esta función son principalmente validos para
“occidente”; otras regiones pueden tener sistemas de parentesco
diferentes, lo que puede influir en la disponibilidad de parientes.
Además de permitirnos identificar más fácilmente las redes de parentesco, SOCSIM también nos proporciona información valiosa sobre la cronología de los eventos vitales, como nacimientos, muertes y matrimonios, en estas redes. Esto puede ayudarnos a relacionar los cambios en las tasas demográficas con los cambios en las redes de parentesco disponibles para nuestras personas simuladas, a menudo a un nivel temporal muy preciso (meses o años). En este taller nos centraremos en un solo ejemplo -la pérdida de parientes-, pero hay muchas más formas posibles de utilizar SOCSIM para estudiar éstas y otras cuestiones sobre las dinámicas de parentesco.
En investigaciones anteriores, SOCSIM ha sido especialmente apropiado para estudiar la pérdida de parientes con relación al cambio en la mortalidad (Zagheni 2011; Verdery et al. 2020; Snyder et al. 2022). Aquí nos centraremos en un ejemplo sencillo: los cambios en la tasa de experimentar la pérdida de un familiar a lo largo del tiempo. Utilizaremos como grupo de referencia a las mujeres de entre 25 y 39 años que están vivas en un año determinado. Así, la muestra cambiará cada año. El denominador incluye a todas las mujeres, no sólo a las que tienen un familiar vivo.
Para esto, en nuestro código, utilizaremos una función que ejecutaremos en bucle para cada año de interés. La función tomará un año, buscará los individuos (mujeres) de la edad correspondiente que estén vivos ese año, identificará los años de fallecimiento de sus familiares y, a continuación, calculará la proporción de nuestra muestra que experimentó una pérdida. También calcularemos la proporción de mujeres que tuvieron un familiar vivo el año anterior. El código es una versión simplificada de las funciones utilizadas en un trabajo de investigación anterior (Snyder et al. 2022).
3.1. Estimar la pérdida de parientes
Lo primero que necesitamos es una función de ayuda para identificar
el año de interés. Esta función está incluida internamente en algunas
funciones del paquete rsocsim, pero la utilizaremos aquí
para convertir nuestras fechas mensuales en anuales.
# Esta función utiliza el año final de simulación (enero-diciembre) y el último mes simulado para convertir los meses SOCSIM en años calendario
asYr <- function(month, last_month=last_month, final_sim_year=final_sim_year) {
return(final_sim_year - trunc((last_month - month)/12))
}También necesitamos definir algunos parámetros específicos para esta simulación y crear algunas variables.
# Último mes simulado
last_month <- max(opop$dob)
# Último año simulado
final_sim_year <- 2023
# Organizar nuestro archivo de población
opop <- opop %>%
# Fijar las fechas de defunción para los individuos que aún viven al final de la simulación
mutate(dod = if_else(dod == 0, last_month, dod)) %>%
# Fechas de nacimiento y defunción en años
mutate(dob_year = asYr(dob, last_month=last_month, final_sim_year=final_sim_year),
dod_year = asYr(dod, last_month=last_month, final_sim_year=final_sim_year))Ahora que hemos generado las variables necesarias, crearemos una
función sencilla getKinLoss() para estimar la pérdida anual
de parientes de las mujeres de 25 a 39 años en un año concreto que
podemos ejecutar en bucle durante el periodo de estudio.
# Estimar la pérdida anual de parientes de las mujeres de 25 a 39 años en un año concreto
getKinLoss <- function(year_of_interest, opop = opop, omar = omar){
pid_data <- opop %>%
# Eliminar a los individuos que no están vivos en el año de interés
filter(data.table::between(lower = dob_year, upper = dod_year,
year_of_interest, incbounds = FALSE),
# Filtrar solo a las mujeres
fem == 1) %>%
# Estimar la edad de las mujeres vivas en el año de interés
mutate(age = year_of_interest - dob_year) %>%
# Filtrar a las mujeres de 25 a 39 años
filter(data.table::between(lower = 25, upper = 39, age,
incbounds = TRUE))
# Encontrar el vector de ID de persona
pid_vec <- pid_data$pid
# Usar la función retrieve_kin() incluida en `rsocsim`
# No identificaremos relaciones de parentesco extendidas (extra_kintypes),
# ni separaremos los parentescos por sexo, pero ambos pueden estimarse
kin <- rsocsim::retrieve_kin(opop = opop, omar = omar, pid = pid_vec,
extra_kintypes = NULL, kin_by_sex = FALSE)
# Usando retrieve_kin, obtenemos una lista de listas (kin) nombradas según el tipo de pariente
# Ejecutar bucle para todos los tipos de parientes identificados anteriormente
temp <- bind_rows(lapply(1:length(kin), function(x) {
# Buscar los ID de los parientes
kin2 <- unlist(kin[[x]], use.names = FALSE)
# Adjuntar los ID de las personas
names(kin2) <- rep(pid_vec, unlist(lapply(kin[[x]], length)))
# Identificar los años de nacimiento de los parientes
attr(kin2, "kin_dob_year") <- opop$dob_year[match(kin2, opop$pid)]
# Identificar los años de defunción de los parientes
attr(kin2, "kin_dod_year") <- opop$dod_year[match(kin2, opop$pid)]
# Identificar qué parientes estaban vivos el año anterior
attr(kin2, "kin_alive_before_year_of_interest") <-
if_else(data.table::between(lower = attr(kin2, "kin_dob_year"),
upper = attr(kin2, "kin_dod_year"),
(year_of_interest-1), NAbounds = NA,
incbounds = FALSE),
TRUE, FALSE)
# Identificar qué parientes han muerto en el año de interés
attr(kin2, "kin_death_year_of_interest") <-
if_else(attr(kin2, "kin_dod_year") %in% year_of_interest, TRUE, FALSE)
# Calcular el número de individuos que tenían un familiar vivo el año anterior
pid_withkin <- length(unique(names(kin2[attr(kin2,
"kin_alive_before_year_of_interest")
== TRUE])))
# Calcular el número de individuos que han perdido a un familiar
pid_losekin <- length(unique(names(kin2[attr(kin2, "kin_death_year_of_interest")
== TRUE])))
# Calcular el número total de individuos
pid_total <- length(pid_vec)
# Generar la información de salida como un tibble
output <- tibble(kintype = names(kin[x]),
year = year_of_interest,
n_total = pid_total,
n_losekin = pid_losekin,
n_withkin = pid_withkin,
pc_losekin_total = 100*(n_losekin/n_total),
pc_withkin = 100*(n_withkin/n_total))
return(output)
}))
}Ahora ejecutemos esta función sobre el periodo de estudio para generar una tabla con los datos de cada año. Para limitar el tiempo de ejecución del código, estimaremos la pérdida de parientes en intervalos de 10 años entre 1950 y 2020.
3.2. Examinar nuestras estimaciones
# Especificar y ordenar los nombres de los parientes
kinloss_data <- kinloss_data %>%
mutate(kintype = case_when(kintype == "ggparents" ~ "Bisabuelos",
kintype == "gparents" ~ "Abuelos",
kintype == "parents" ~ "Padres",
kintype == "siblings" ~ "Hermanos",
kintype == "spouse" ~ "cónyuges",
kintype == "children" ~ "Hijos",
kintype == "gchildren" ~ "Nietos",
TRUE ~ kintype),
kintype = fct_relevel(kintype, c("Bisabuelos", "Abuelos", "Padres",
"Hermanos", "cónyuges", "Hijos", "Nietos")))Graficar la pérdida y disponibilidad de parientes para la población femenina a lo largo del tiempo.
# Graficar la pérdida de parientes
kinloss_data %>%
ggplot(aes(x = year, y = pc_losekin_total, color = kintype)) +
geom_line() +
labs(x = "Año", y = "Mujeres de 25 a 39 años que pierden un familiar (%)",
color = "Tipo de familiar perdido") +
scale_x_continuous(breaks = seq(1950, 2020,by = 10))+
theme_bw() 
Esta gráfica muestra la evolución de las tasas de pérdida de parientes para las mujeres en las últimas décadas. Como podría esperarse para este grupo de edades, las tasas más altas de pérdida de parientes corresponden a los abuelos y los padres. La creciente tasa de pérdida de abuelos a lo largo del tiempo podría estar relacionada con el aumento de la esperanza de vida durante este periodo. A medida que los abuelos llegan a edades más avanzadas, aumenta la probabilidad de que una persona de entre 25 y 39 años tenga un abuelo vivo. Esto se evidencia en el siguiente gráfico, que muestra los cambios en la disponibilidad de parientes (la proporción de la población femenina con un pariente vivo el año anterior) a lo largo del tiempo.
# Graficar la disponibilidad de parientes
kinloss_data %>%
ggplot(aes(x = year, y = pc_withkin, color = kintype)) +
geom_line() +
labs(x = "Año", y = "Mujeres de 25-39 años con al menos un familiar vivo el año anterior (%)",
color = "Tipo de pariente") +
scale_x_continuous(breaks = seq(1950, 2020,by = 10))+
theme_bw() 
En efecto, los abuelos y, en menor medida, los padres son los parientes que han mostrado un aumento significativo de su disponibilidad en las últimas décadas. Por el contrario, los hijos, cónyuges y ligeramente los hermanos han mostrado una disminución, probablemente relacionada con la reducción de la fecundidad y la nupcialidad.
4. Más información
El manual ‘SOCSIM Oversimplified’ escrito por Carl Mason Mason (2016) es un gran punto de partida para
aprender más sobre cómo funciona SOCSIM: https://lab.demog.berkeley.edu/socsim/CurrentDocs/socsimOversimplified.pdf.
Puedes encontrar más información sobre rsocsim en el sitio
web del paquete: https://mpidr.github.io/rsocsim/, incluida la
documentación de las funciones actualmente disponibles y el trabajo en
curso.
Estamos trabajando en la preparación de viñetas ampliadas con
ejercicios y ejemplos para utilizar rsocsim. Síguenos en X
para estar al día. Pónte también en contacto con nosotros si deseas
utilizar rsocsim para tu trabajo. ¡Queremos saber de
tí!
5. Agradecimientos
Este tutorial es una versión modificada del taller “Demographic microsimulations in R using SOCSIM: Modelling population and kinship dynamics” organizado por el Panel de Demografía Digital y Computacional de la IUSSP y el Instituto Max Planck para la Investigación Demográfica (MPIDR), el 12 de abril de 2023 en Nueva Orleans, Estados Unidos, como parte de la Reunión Anual 2023 de la Asociación Americana de Población (PAA). Para más detalles, véase: https://github.com/alburezg/rsocsim_workshop_paa.
El material reune las contribuciones de los organizadores del taller presentado en PAA 2023:
- Tom Theile: https://twitter.com/TheileTom
- Diego Alburez-Gutierrez: https://twitter.com/d_alburez
- Liliana P. Calderón-Bernal: https://twitter.com/lp_calderonb
- Mallika Snyder: https://twitter.com/mallika_snyder
- Emilio Zagheni: https://twitter.com/ezagheni
Referencias
DemoKin
Introducción a los modelos matriciales de parentesco en R utilizando DemoKin
Pronto comenzaremos las sesiones de laboratorio informático, por lo que sería estupendo haber preparado de antemano el entorno R. En primer lugar, necesitarás R y Rstudio instalados. Segundo, ¡instala el DemoKin!
1. Instalación
Instala la versión en desarrollo.
#Install the development version from GitHub
# install.packages("devtools")
# devtools::install_github("IvanWilli/DemoKin")Otros paquetes serán útiles. Encárgate de tenerlos instalados:
# con esto puedes asegurarte de tenerlos todos instalados
# packages_needed <- c("dplyr", "tidyr", "ggplot2", "data.table", "readr")
# packages_needed_nothaving <- packages_needed[!packages_needed %in% installed.packages()]
# for(lib in packages_needed_nothaving) install.packages(lib,dependencies=TRUE)
# actívalos
library(DemoKin)
library(dplyr)
library(tidyr)
library(ggplot2)
library(data.table)
library(readr)2. Modelo variable en el tiempo: un sexo
Las tasas demográficas cambian cada año, lo que significa que Ego (o Focal) y sus parientes habrán experimentado tasas de mortalidad y fecundidad cambiantes a lo largo del tiempo. Empezaremos a construir las estructuras de parentesco en un modelo variable en el tiempo de un sexo, donde Ego es mujer, por lo que utiloizaremos sólo tasas de población femeninas.
Podemos acceder a las tasas demográficas de cualquier país del mundo, elaboradas por el proyecto World Population Prospects (WPP) de Naciones Unidas. En los ejemplos utilizaremos los datos de fecundidad, mortalidad y población de Colombia desde 1950 hasta 2023. En la carpeta de datos también encontrarás datos de Argentina, Brasil y México para el mismo período.
Carguemos primero los datos para las mujeres en Colombia de 1950 a 2023
#Load data
col_female <- read_csv("data/col_female.csv") #female rates
col_popfemale <- read_csv("data/col_popfemale.csv") #female population (N)Aquí, trazamos \(q_x\) (complemento de \(p_x\)) sobre la edad y el tiempo:
col_female %>%
mutate(qx = 1-px) %>%
ggplot() +
geom_line(aes(x = age, y = qx, col = factor(year))) +
scale_y_log10() +
theme(legend.position = "none")
Tasas de fecundidad por edades:
col_female %>%
ggplot() + geom_tile(aes(x = year, y = age, fill = fx)) +
scale_x_continuous(breaks = seq(1900,2020,10), labels = seq(1900,2020,10))
Con esta información podemos modelar la estructura de parentesco en dimensiones Edad-Periodo-Cohorte (APC):
En el caso de la población ya tenemos un formato de matriz que pueda utilizar DemoKin (es decir, crear una matriz con los años como columnas y las edades como filas). Tenemos que hacerlo para la fecundidad y la mortalidad:
# Reshape fertility
col_asfr <- col_female %>%
select(age, year, fx) %>%
pivot_wider(names_from = year, values_from = fx) %>%
select(-age) %>%
as.matrix()
# Reshape survival
col_px_female <- col_female %>%
select(age, year, px) %>%
pivot_wider(names_from = year, values_from = px) %>%
select(-age) %>%
as.matrix()Ahora sí! Los datos que estamos utilizando tienen años en columnas y edades en filas.
2.1 La función kin()
La función DemoKin se puede utilizar para calcular el
número y la distribución de edad de los parientes de Focal bajo una
serie de supuestos, brindando la cantidad de parientes vivos y
fallecidos. La función DemoKin::kin() realiza actualmente
la mayor parte del trabajo en términos de implementación de modelos
matriciales de parentesco.
Argumentos en un entorno variable en el tiempo:
- p numérico. Un vector (atómico) o matriz de probabilidades de sobrevivencia con filas como edades (y columnas como años en caso de matriz).
- f numérico. Igual que p pero para las tasas de fecundidad.
- n numeric. Sólo para time_invariant =
FALSE. Para la distribución de la población. - time_invariant logical. Suponemos tasas variables en el
tiempo, entonces será
FALSE. - output_cohort integer. Vector de cohortes de años para devolver los resultados. Debe estar dentro del intervalo de años de los datos de entrada.
- output_period entero. Igual que output_cohort, pero vector de años del periodo para devolver resultados.
- output_kin carácter. Tipos de parentesco a devolver:
mpara madre,dpara hija, … Puedes ver el resto de código enDemoKin::demokin_codes, en este casos la columna Labels_female será la referencia.
Pongámosla en acción…
2.2 Enfoque de cohorte
Ahora ejecutemos un modelo dinámico de parentesco de un sexo, obteniendo la cohorte de 1993 (tarda unos segundos):
col_1993 <-
kin(p = col_px_female,
f = col_asfr,
n = col_popfemale,
time_invariant = FALSE,
output_cohort = 1993,
output_kin = c("d", "m", "gm", "c", "a", "s"))Echemos un vistazo a la salida: se tiene un elemento
kin_full con el detalle por edad de Ego, tipo de pariente,
edad del pariente, el año, y la cantidad con vida y que murieron en el
año. Y luego uno kin_full con un resumen de indicadores,
agregando por edad de Ego y tipo de pariente.
La salida de este modelo de parentesco arroja la cantidad de
parientes vivos por edad para una mujer promedio nacida en 1993, en el
periodo 1950-2023. Nótese el argumento
output_cohort = 1993, utilizado para extraer estimaciones
para una cohorte dada de Focales (una diagonal en el diagrama Lexis). Se
trata de un subconjunto de todos los resultados posibles (101 clases de
edad y 73 años (1950 - 2023)). Las estimaciones se detienen a los 30
años porque sólo hemos proporcionado datos de entrada (de periodo) hasta
el año 2023 (2023 - 1993 = 30).
Los parientes para el argumento output_kin se
identifican mediante un código único. Seleccionamos seis parientes para
explorar en este workskop: hijas (d), madres (m), abuelas (gm), primas
(c), tías (a) y hermanos (s). La equivalencia entre los dos conjuntos de
códigos figura en la tabla siguiente:
## DemoKin Caswell Labels_female Labels_male
## 1 coa t Cousins from older aunts Cousins from older uncles
## 2 cya v Cousins from younger aunts Cousins from younger uncles
## 3 c <NA> Cousins Cousins
## 4 d a Daughters Sons
## 5 gd b Grand-daughters Grand-sons
## 6 ggd c Great-grand-daughters Great-grand-sons
## 7 ggm h Great-grandmothers Great-grandfathers
## 8 gm g Grandmothers Grandfathers
## 9 m d Mother Father
## 10 nos p Nieces from older sisters Nephews from older brothers
## 11 nys q Nieces from younger sisters Nephews from younger brothers
## 12 n <NA> Nieces Nephews
## 13 oa r Aunts older than mother Uncles older than fathers
## 14 ya s Aunts younger than mother Uncles younger than father
## 15 a <NA> Aunts Uncles
## 16 os m Older sisters Older brothers
## 17 ys n Younger sisters Younger brothers
## 18 s <NA> Sisters Brothers
## Labels_2sex
## 1 Cousins from older aunts/uncles
## 2 Cousins from younger aunts/uncles
## 3 Cousins
## 4 Children
## 5 Grand-childrens
## 6 Great-grand-childrens
## 7 Great-grandfparents
## 8 Grandparents
## 9 Parents
## 10 Niblings from older siblings
## 11 Niblings from younger siblings
## 12 Niblings
## 13 Aunts/Uncles older than parents
## 14 Aunts/Uncles younger than parents
## 15 Aunts/Uncles
## 16 Older siblings
## 17 Younger siblings
## 18 Siblings2.3 Diagrama de parentesco de Keyfitz
Podemos visualizar los recuentos de parentesco implícitos para una
mujer Focal de 30 años en 2023 (nacida en 1993) en una población
variable en el tiempo utilizando una red o un diagrama de parentesco de
‘Keyfitz’ (Keyfitz2005?)
con la función plot_diagram, sin especificar los kins que
queremos, para poder ver el diagrama completo:
col_1993_full <-
kin(p = col_px_female,
f = col_asfr,
n = col_popfemale,
time_invariant = FALSE,
output_cohort = 1993)
col_1993_full$kin_summary %>%
filter(age_focal == 30) %>%
select(kin, count = count_living) %>%
plot_diagram(rounding = 2)
¿Qupe significa tener 0.94 madres?
2.4 Parientes vivos
Ahora, visualicemos cómo cambia el número esperado de hijas, hermanas, primas, etc., a lo largo de la vida de Focal.
col_1993$kin_summary %>%
rename_kin() %>%
ggplot() +
geom_line(aes(age_focal, count_living)) +
theme_bw() +
labs(x = "Age of focal", y= "Number of living female relatives") +
facet_wrap(~kin_label, scales = "free_y")
En el gráfico anterior podemos ver el número de parientes mujeres vivos para la cohorte nacida en 1993. Antes de profundizar en la estructura de parentesco de Colombia, añadamos los parientes masculinos.
3. Modelo variable en el tiempo: dos sexos
En general, los hombres viven menos y se reproducen más tarde que las mujeres. Estos procesos específicos de cada sexo afectan la dinámica del parentesco de varias maneras. Por ejemplo, las chances que Focal tenga un abuelo vivo se ve afectado por la mortalidad diferencial en edades más avanzadas, diferente al caso de abuelas. También nos puede interesar estudiar cómo varían las estructuras de parentesco según el sexo del Focal: un Focal varón puede tener un número diferente de nietos que una Focal mujer, dadas las diferencias de fecundidad por sexo. Documentar estas diferencias es importante, ya que por ejemplo las tareas familiares de apoyo y cuidados informales a la red familiar no es pareja por sexo en nuestros países.
Vayamos en ese sentido entonces. La función kin2sex
implementa un modelo de parentesco de dos sexos. Es similar a la función
de un sexo kin (ver ?kin) con dos excepciones.
En primer lugar, el usuario necesita especificar la mortalidad y la
fecundidad por sexo. En segundo lugar, necesita indicar el sexo de Focal
(que se supone femenino por defecto, como en el modelo de un solo
sexo).
Dado que disponemos de la sobrevivencia y la población masculinas en el proyecto World Population Prospects (WPP), podemos contar con estos datos.
#Load data
col_male <- read_csv("data/col_male.csv") # male rates
col_popmale <- read_csv("data/col_popmale.csv") # male population (N)Tenemos que remodelar la mortalidad para crear una matriz que pueda
utilizar DemoKin (es decir, crear una matriz con los años
como columnas y las edades como filas), tal como hicimos antes:
# Reshape survival
col_px_male <- col_male %>%
select(age, year, px) %>%
pivot_wider(names_from = year, values_from = px) %>%
select(-age) %>%
as.matrix()Sin embargo, ¿para cuántos países se dispone de información sobre la fecundidad masculina? Dado que no tenemos información sobre la fecundidad masculina a lo largo del tiempo para Colombia, utilizaremos el supuesto andrógino de que los hombres y las mujeres tienen las mismas tasas de fecundidad.
col_2sex_1993 <- kin2sex(
pf = col_px_female,
pm = col_px_male,
ff = col_asfr,
fm = col_asfr,
nf = col_popfemale,
nm = col_popmale,
time_invariant = FALSE,
output_cohort = 1993,
output_kin = c("d", "m", "gm", "c", "a", "s"),
sex_focal = "f",
birth_female = .5)La salida de kin2sex es equivalente a la de
kin, salvo que incluye una columna sex_kin
para especificar el sexo de los familiares dados. Eche un vistazo con
head(col_kin_2sex$kin_summary).
## # A tibble: 6 × 10
## age_focal kin sex_kin cohort count_living mean_age sd_age count_dead
## <int> <chr> <chr> <int> <dbl> <dbl> <dbl> <dbl>
## 1 0 a f 1993 4.39 25.3 10.4 0.00579
## 2 0 a m 1993 4.21 25.0 10.4 0.0206
## 3 0 c f 1993 6.13 9.54 7.55 0.0145
## 4 0 c m 1993 6.05 9.46 7.50 0.0230
## 5 0 d f 1993 0 NaN NaN 0
## 6 0 d m 1993 0 NaN NaN 0
## # ℹ 2 more variables: count_cum_dead <dbl>, mean_age_lost <dbl>Una nota sobre terminología: La función
kin2sexutiliza los mismos códigos quekinpara identificar a los parientes (véasedemokin_codes()). Tenga en cuenta que cuando se ejecuta un modelo de dos sexos, ¡el código «m» se refiere a madres o padres! Utilice la columnasex_kinpara filtrar el sexo de un pariente determinado. Por ejemplo, para considerar sólo a los hijos e ignorar a las hijas, utilice:
## # A tibble: 6 × 10
## age_focal kin sex_kin cohort count_living mean_age sd_age count_dead
## <int> <chr> <chr> <int> <dbl> <dbl> <dbl> <dbl>
## 1 0 d m 1993 0 NaN NaN 0
## 2 1 d m 1993 0 NaN NaN 0
## 3 2 d m 1993 0 NaN NaN 0
## 4 3 d m 1993 0 NaN NaN 0
## 5 4 d m 1993 0 NaN NaN 0
## 6 5 d m 1993 0 NaN NaN 0
## # ℹ 2 more variables: count_cum_dead <dbl>, mean_age_lost <dbl>3.1 Parientes vivos
Ahora podemos visualizar cómo es el número esperado de parientes vivos según el sexo y la edad de Focal. ¿Qué podemos ver para esta cohorte?
col_2sex_1993$kin_summary %>%
rename_kin(sex = "2sex") %>%
summarise(count=sum(count_living), .by = c(kin_label, age_focal, sex_kin)) %>%
ggplot(aes(age_focal, count, fill=sex_kin)) +
geom_area() +
theme_bw() +
labs(y = "Expected number of living kin by sex and Focal's age",
x = "Age of Focal",
fill = "Sex of Kin") +
facet_wrap(~kin_label, scales = "free_y")
3.2 Muerte de parientes
La pérdida de familiares tiene graves consecuencias para los
familiares en duelo, ya que puede afect por ejemplo a la prestación de
apoyo asistencial y a las transferencias intergeneracionales a lo largo
de la vida. El objeto de salida kin_summary proporciona
información sobre el número de familiares perdidos por Focal durante su
vida (acumulado), almacenada en la columna count_cum_death.
El gráfico siguiente compara los patrones de pérdida acumulada de
parientes para la cohorte de 1993 (30 años en 2023) por sexo del
pariente.
col_2sex_1993$kin_summary %>%
rename_kin(sex = "2sex") %>%
summarise(count=sum(count_cum_dead), .by = c(kin_label, sex_kin, age_focal)) %>%
ggplot(aes(age_focal, count, col=sex_kin))+
geom_line()+
theme_bw() +
labs(y = "Expected number of deceased kin by sex and Focal's age",
x = "Age of Focal",
col = "Sex of Kin") +
facet_wrap(~kin_label, scales = "free_y")
3.3 Proporción de sexos
La información sobre la disponibilidad de parientes por sexo nos permite investigar la disponibilidad según sexo a diferentes edades de focal. Una medida tradicional en demografía es el índice de masculinidad, con los hombres en el numerador y las mujeres en el denominador. La siguiente figura, por ejemplo, muestra que una mujer colombiana de 30 años en 2023 puede esperar tener 0.75 abuelos por cada abuela. ¿Es siempre cierto que la proporción de sexos disminuirá a la edad de Focal?
col_2sex_1993$kin_summary %>%
rename_kin(sex = "2sex") %>%
group_by(kin_label, age_focal) %>%
summarise(sex_ratio = sum(count_living[sex_kin=="m"], na.rm=T)/sum(count_living[sex_kin=="f"], na.rm=T)) %>%
ggplot(aes(age_focal, sex_ratio))+
geom_line()+
theme_bw() +
labs(y = "Sex ratio",
x = "Age of Focal") +
facet_wrap(~kin_label, scales = "free")
La experiencia de pérdida de parentesco para los focales depende de las diferencias de mortalidad entre sexos. Una mujer Focal empieza a perder a sus padres antes que a sus madres. Vemos un patrón ligeramente diferente para los abuelos, ya que la experiencia de Focal de la pérdida de abuelos depende de la disponibilidad inicial de abuelos (es decir, si el abuelo de Focal murió antes de su nacimiento, nunca experimentará su muerte).
4. Enfoque por períodos
Hasta ahora hemos utilizado el parámetro output_cohort,
en esta sección exploraremos el output_period. Quizás esté
interesado en tomar una instantánea de la distribución de parientes en
algún año, por ejemplo 2023. Puede hacerlo especificando el argumento
output_period = 2023.
col_2sex_2023 <- kin2sex(
pf = col_px_female,
pm = col_px_male,
ff = col_asfr,
fm = col_asfr,
nf = col_popfemale,
nm = col_popmale,
time_invariant = FALSE,
output_period = 2023,
output_kin = c("d", "m", "gm", "c", "a", "s"),
sex_focal = "f",
birth_female = .5)Tracemos el número esperado de parientes vivos por sexo y edad del Focal:
col_2sex_2023$kin_summary %>%
rename_kin(sex = "2sex") %>%
ggplot(aes(age_focal, count_living, col=sex_kin)) +
geom_line()+
theme_bw() +
labs(y = "Expected number of living kin by sex and Focal's age",
x = "Age of Focal",
col = "Sex of Kin") +
facet_wrap(~kin_label, scales = "free_y")
¿Se parecen estos gráficos de «periodo» a los gráficos de «cohorte» mostrados anteriormente? ¿En qué casos preferiría un enfoque de período a uno de cohorte?
4.1 A DemoKin no le gustan las combinaciones cohorte-período
DemoKinsólo devolverá valores para periodos ó cohortes, pero nunca para combinaciones periodo-cohorte. Esto está relacionado con problemas de tiempo/memoria en los cálculos.
Considere el siguiente código, que dará un error ya que estamos pidiendo tanto una salida de cohorte como de período al mismo tiempo:
kin2sex(
pf = col_px_female,
pm = col_px_male,
ff = col_asfr,
fm = col_asfr,
nf = col_popfemale,
nm = col_popmale,
time_invariant = FALSE,
output_cohort = 1963,
output_period = 2023,
sex_focal = "f",
birth_female = .5)## Error in kin2sex(pf = col_px_female, pm = col_px_male, ff = col_asfr, : sorry, you can not select cohort and period. Choose one please5. ¿Qué mas puedes hacer?
DemoKin tiene implementadas otras extensiones, gracias a
la contribución de grandes colaboradores expertos en la temática:
Análisis por causas de muerte, con la función
kin_time_variant_2sex_cod.Análisis multi-estado, con la función
kin_multi_stage(y testeando acutlamente una versión dinámica con dos sexos).
Si quieres meterte más en detalle en las funciones y la matemática que hay por detrás, puedes ver este curso: https://ivanwilli.github.io/matrix_kinship_course_lab/index.
6. Ejercicio
Elija un país de la carpeta de datos (Argentina, Brasil o México). Utiliza los datos y las implementaciones vistas (1,2) para explorar una respuesta a las siguiente preguntas (abiertas):
¿Cuál es la relación entre la transición demográfica y la red de parentesco en este país?
¿Crees que podemos observar indicios de una «transición de parentesco»?
Recordemos que las implementaciones vistas son:
1 - Modelo variable en el tiempo: un sexo (enfoque de cohorte o período)
2 - Modelo variable en el tiempo: dos sexos (enfoque de cohorte o período)
Descargar datos de otros países
¿Qué podemos hacer si queremos trabajar con otros países?
Mostraremos cómo seleccionar diferentes países y años, para aplicar lo aprendido en la sección rsocim y DemoKin.
Descargaremos los datos de fecundidad, mortalidad y población de todos los países desde 1950 hasta 2023.
En primer lugar, cargaremos la función download_wpp24(),
que automatiza el proceso de descarga de estos datos. Tenga en cuenta
que este proceso puede tardar un par de minutos.
Otros paquetes serán útiles.
# Load the function to download data
source("UNWPP_download.R")
# Download the data
download_wpp24()## [1] "2024 World Population Prospects data downloaded and saved successfully as CSV files."Una vez descargados los datos, podemos filtrar la información que nos interesa, por ejemplo, el país de interés. Para ello, cargaremos dos funciones:
UNWPP_data: Esta función filtra los datos de mortalidad (px, qx, mx) y fecundidad (fx) por el país de interés y el periodo de tiempo correspondiente.UNWPP_pop: Esta función filtra los datos del tamaño de la población (N).
Para elegir el país de interés, puede consultar el nombre del país aquí.
## Example output for rsocsim
# Select country, year and sex to obtain px,qx or mx
mortality_colombia <-
UNWPP_data(country = "Colombia",
start_year = 2023,
end_year = 2023,
indicators = c("px", "qx", "mx"), #indicators of interest
output_format = "RData", #format you want to save (csv or Rdata)
output_file = "mortality_colombia_example")
# Select country, year and sex to obtain fx
fertility_colombia <-
UNWPP_data(country = "Colombia",
start_year = 2023,
end_year = 2023,
indicators = "fx",
output_format = "RData",
output_file = "fertility_colombia_example")## Example output for DemoKin using female rates
# Select country, year and sex to obtain px and fx
argentina <-
UNWPP_data(country = "Argentina",
start_year = 2023,
end_year = 2023,
sex = "Female",
indicators = c("px","fx"), #indicators of interest
output_format = "csv", #format you want to save (csv or rdata)
output_file = "argentina") ## Example output for Demokin - population (N)
# Select country, year and sex to obtain N
pop_argentina <-
UNWPP_pop(country = "Argentina",
start_year = 2023,
end_year = 2023,
sex = "Female") Recuerde que para DemoKin necesitamos remodelar la mortalidad y la fecundidad para ejecutar los modelos. Aquí un ejemplo de cómo hacerlo:
# Reshape fertility
arg_asfr <- argentina %>%
select(age, year, fx) %>%
pivot_wider(names_from = year, values_from = fx) %>%
select(-age) %>%
as.matrix()
# Reshape survival
arg_px_female <- argentina %>%
select(age, year, px.x) %>%
pivot_wider(names_from = year, values_from = px.x) %>%
select(-age) %>%
as.matrix()