Este documento analiza en detalle un dataset del INE, ya elegido a partir de la tabla que genera INE_TableDatasetGeneration.Rmd, y comprueba si cumple los requisitos para ser el dataset principal del proyecto personal de AEDV.
Para analizar otro dataset basta con cambiar su identificador en el chunk de abajo y volver a compilar.
# IDENTIFICADOR DEL DATASET QUE VAMOS A ANALIZAR
Dataset.Id <- 76136 #(IPC CCAA) #35176 # 35177 # 56940 (población CCAA)Descargamos el dataset del INE en formato .px y
eliminamos las filas sin dato.
# cargamos la tabla y quitamos las observaciones sin valor
data <- read.px(paste0("https://www.ine.es/jaxiT3/files/t/px/", Dataset.Id, ".px")) |>
as_tibble() |>
na.omit()El INE entrega los datos ya en formato ordenado (tidy): una
fila por observación, con el valor numérico en la columna
value y el resto de columnas como dimensiones (variables
categóricas). Una de esas dimensiones es siempre el
periodo y otra suele ser la geografía,
aunque el INE no las marca como tales: hay que localizarlas.
# COLUMNA GEOGRÁFICA: el INE no la identifica, así que se busca cuál de las
# dimensiones contiene nombres de lugares de España. Se comprueban varias
# referencias de distinto nivel (nacional, comunidad, provincia, municipio) y se
# elige la columna que más aciertos acumula.
GEO_REFS <- c("Nacional", "Asturias", "Madrid", "Toledo", "Tenerife", "Telde")
dims <- colnames(data)[!sapply(data, is.numeric) & colnames(data) != "Periodo"]
geo_hits <- sapply(dims, function(d)
sum(sapply(GEO_REFS, function(ref)
any(str_detect(as.character(data[[d]]), fixed(ref, ignore_case = TRUE)))))
)
geo_col <- if(length(dims) == 0 || max(geo_hits) == 0) NULL else dims[which.max(geo_hits)]
if(is.null(geo_col))
warning("No se ha detectado ninguna columna geográfica. Dimensiones disponibles: ",
paste(dims, collapse = ", "))
cat("Columna temporal :", if("Periodo" %in% colnames(data)) "Periodo" else "NO ENCONTRADA", "\n")## Columna temporal : Periodocat("Columna geográfica :", if(is.null(geo_col)) "NO ENCONTRADA" else geo_col, "\n")## Columna geográfica : Comunidades.y.Ciudades.AutónomasAntes de guardar nada en disco, eliminamos las columnas que no aportan ninguna información: aquellas cuyo valor es siempre el mismo en todas las filas. Se excluyen de esta comprobación la columna temporal, la geográfica y las numéricas, que son las columnas estructurales del dataset y no dimensiones susceptibles de ser constantes sin más.
# columnas candidatas: todas menos las estructurales (periodo, geografía, valor)
cols_candidatas <- setdiff(colnames(data)[!sapply(data, is.numeric)],
c("Periodo", geo_col))
n_valores <- sapply(data[cols_candidatas], function(x) n_distinct(x, na.rm = TRUE))
cols_constantes <- names(n_valores)[n_valores <= 1]
if(length(cols_constantes) > 0){
cat("Columnas con un solo valor (se eliminan):\n")
for(col in cols_constantes)
cat(sprintf(" - %-20s = %s\n", col, as.character(unique(data[[col]])[1])))
data <- data |> select(-all_of(cols_constantes))
} else {
cat("Ninguna columna tiene un solo valor: no se elimina ninguna.\n")
}## Ninguna columna tiene un solo valor: no se elimina ninguna.Guardamos el dataset lo primero de todo, nada más
limpiarlo, en formato rds (el formato nativo de
R: conserva los tipos de las columnas y ocupa mucho menos
que un Excel).
filename <- as.character(Dataset.Id)
saveRDS(data, file = paste0(filename, ".rds"))
cat("Fichero guardado:", paste0(filename, ".rds"),
sprintf("(%.1f MB)\n", file.info(paste0(filename, ".rds"))$size / 1024^2))## Fichero guardado: 76136.rds (0.6 MB)Guardamos también los metadatos del dataset recogidos en el catálogo
de la asignatura (INE.datasets.xlsx, generado por
INE_TableDatasetGeneration.Rmd): la fila
correspondiente a este dataset, con las columnas pasadas a filas
(Campo/Valor) para que quepan en una tabla
estrecha.
# el catálogo habitual es el filtrado; si el dataset no está en él (el filtro
# deja fuera datasets que sí sirven) se busca en el volcado completo .raw, que
# solo existe si el generador se ha ejecutado entero
fila_metadatos <- read.xlsx("INE.datasets.xlsx") |>
filter(Id == Dataset.Id)
if(nrow(fila_metadatos) == 0 && file.exists("INE.datasets.raw.xlsx"))
fila_metadatos <- read.xlsx("INE.datasets.raw.xlsx") |>
filter(Id == Dataset.Id)
if(nrow(fila_metadatos) == 0)
stop("El dataset ", Dataset.Id, " no aparece en el catálogo del INE. ",
"Comprueba el identificador o vuelve a generar el catálogo con INE_TableDatasetGeneration.Rmd")
# una misma tabla .px puede aparecer bajo varias operaciones estadísticas del
# INE (p. ej. la 2940 la comparten 5 encuestas de ocupación turística): el
# resto de columnas es idéntico, solo cambian OPER/OPER.Nombre, así que basta
# con quedarse con la primera fila
if(nrow(fila_metadatos) > 1)
fila_metadatos <- fila_metadatos |> distinct(Id, .keep_all = TRUE)
# LastUpdate viene del Excel como número de serie de fechas de Excel
fila_metadatos <- fila_metadatos |>
mutate(LastUpdate = as.character(as.Date(LastUpdate, origin = "1899-12-30")))
# DIM viene del catálogo, calculado ANTES de descargar este dataset en concreto,
# así que puede listar dimensiones que aquí han resultado constantes y ya no
# están en `data` (cols_constantes, calculado más arriba): se quitan de DIM para
# que no mencione columnas que ya no existen en el rds guardado. El catálogo
# trunca los nombres de columna a 20 caracteres, por eso se comparan truncados.
quitar_dims_constantes <- function(dim_text, quitar){
if(is.na(dim_text) || dim_text %in% c("-", "*") || length(quitar) == 0) return(dim_text)
quitar20 <- substr(quitar, 1, 20)
partes <- strsplit(dim_text, " - ", fixed = TRUE)[[1]]
nombres <- sub(" [0-9]+$", "", partes)
partes <- partes[!nombres %in% quitar20]
if(length(partes) == 0) return("-")
paste(partes, collapse = " - ")
}
fila_metadatos <- fila_metadatos |>
mutate(DIM = quitar_dims_constantes(DIM, cols_constantes))
# pasamos las columnas a filas: son más legibles en vertical. Se añade
# geo.col.name (la columna geográfica detectada más arriba) para que la sección
# de análisis no tenga que volver a detectarla a partir de los datos
metadatos <- tibble(
Campo = colnames(fila_metadatos),
Valor = as.character(t(fila_metadatos))
) |>
bind_rows(tibble(Campo = "geo.col.name",
Valor = if(is.null(geo_col)) NA_character_ else geo_col))
write.xlsx(metadatos, file = paste0(filename, "_metadatos.xlsx"), overwrite = TRUE)Una vez guardados en disco los metadatos (fichero xlsx) y los datos
(fichero RDS), iniciamos el proceso de análisis. A partir de aquí el
documento se compila solo con los ficheros ya guardados
en disco (el rds y el xlsx de metadatos); no
se usa ningún objeto de las secciones anteriores. Es a propósito: es la
parte que se incorpora a la memoria del proyecto personal (ver la última
sección, Incorporación del dataset a la memoria), así que tiene
que poder ejecutarse sola (lo único que se usa de lo definido
anteriormente es el Dataset.Id)
metadatos
| Campo | Valor |
|---|---|
| Id | 76136 |
| Codigo | COICOP2018-2025_NAC-CCAA |
| OPER | IPC |
| OPER.Nombre | Índice de Precios de Consumo (IPC) |
| Nombre | Índices por comunidades autónomas: general y de grupos ECOICOP ver.2 |
| Publicacion | Índice de Precios de Consumo |
| Periodicidad | Mensual |
| Start | 2002 |
| LastUpdate | 2026-08-28 |
| N.obs | 330402 |
| Freq | M |
| N.periodos | 296 |
| DIM | Periodo 296 - Tipo.de.dato 4 - Grupos.ECOICOP.ver.2 14 - Comunidades.y.Ciudad 20 |
| geo.col.name | Comunidades.y.Ciudades.Autónomas |
data
## # A tibble: 331,522 × 5
## Periodo Tipo.de.dato Grupos.ECOICOP.ver.2 Comunidades.y.Ciudades.Autón…¹ value
## <fct> <fct> <fct> <fct> <dbl>
## 1 2026M08 Índice Índice general Nacional 105.
## 2 2026M07 Índice Índice general Nacional 104.
## 3 2026M06 Índice Índice general Nacional 104.
## 4 2026M05 Índice Índice general Nacional 103.
## 5 2026M04 Índice Índice general Nacional 103.
## # ℹ 331,517 more rows
## # ℹ abbreviated name: ¹Comunidades.y.Ciudades.Autónomas## Columna geográfica : Comunidades.y.Ciudades.AutónomasSe presentan las diferentes dimensiones, cada una con sus valores posibles y el nº de observaciones. A diferencia de Eurostat, el INE entrega los valores ya con su nombre completo, así que no hace falta traducir ningún código.
COLUMNA: Periodo (297 opciones)
Periodo N.observ
[1,] 2026M08 1120
[2,] 2026M07 1120
[3,] 2026M06 1120
[4,] 2026M05 1120
[5,] 2026M04 1120
[6,] 2026M03 1120
[7,] 2026M02 1120
[8,] 2026M01 1120
[9,] 2025M12 1120
[10,] 2025M11 1120
[11,] 2025M10 1120
[12,] 2025M09 1120
[13,] 2025M08 1120
[14,] 2025M07 1120
[15,] 2025M06 1120
[16,] 2025M05 1120
[17,] 2025M04 1120
[18,] 2025M03 1120
[19,] 2025M02 1120
[20,] 2025M01 1120
[21,] 2024M12 1120
[22,] 2024M11 1120
[23,] 2024M10 1120
[24,] 2024M09 1120
[25,] 2024M08 1120
[26,] 2024M07 1120
[27,] 2024M06 1120
[28,] 2024M05 1120
[29,] 2024M04 1120
[30,] 2024M03 1120
[31,] 2024M02 1120
[32,] 2024M01 1120
[33,] 2023M12 1120
[34,] 2023M11 1120
[35,] 2023M10 1120
[36,] 2023M09 1120
[37,] 2023M08 1120
[38,] 2023M07 1120
[39,] 2023M06 1120
[40,] 2023M05 1120
[41,] 2023M04 1120
[42,] 2023M03 1120
[43,] 2023M02 1120
[44,] 2023M01 1120
[45,] 2022M12 1120
[46,] 2022M11 1120
[47,] 2022M10 1120
[48,] 2022M09 1120
[49,] 2022M08 1120
[50,] 2022M07 1120
[51,] 2022M06 1120
[52,] 2022M05 1120
[53,] 2022M04 1120
[54,] 2022M03 1120
[55,] 2022M02 1120
[56,] 2022M01 1120
[57,] 2021M12 1120
[58,] 2021M11 1120
[59,] 2021M10 1120
[60,] 2021M09 1120
[61,] 2021M08 1120
[62,] 2021M07 1120
[63,] 2021M06 1120
[64,] 2021M05 1120
[65,] 2021M04 1120
[66,] 2021M03 1120
[67,] 2021M02 1120
[68,] 2021M01 1120
[69,] 2020M12 1120
[70,] 2020M11 1120
[71,] 2020M10 1120
[72,] 2020M09 1120
[73,] 2020M08 1120
[74,] 2020M07 1120
[75,] 2020M06 1120
[76,] 2020M05 1120
[77,] 2020M04 1120
[78,] 2020M03 1120
[79,] 2020M02 1120
[80,] 2020M01 1120
[81,] 2019M12 1120
[82,] 2019M11 1120
[83,] 2019M10 1120
[84,] 2019M09 1120
[85,] 2019M08 1120
[86,] 2019M07 1120
[87,] 2019M06 1120
[88,] 2019M05 1120
[89,] 2019M04 1120
[90,] 2019M03 1120
[91,] 2019M02 1120
[92,] 2019M01 1120
[93,] 2018M12 1120
[94,] 2018M11 1120
[95,] 2018M10 1120
[96,] 2018M09 1120
[97,] 2018M08 1120
[98,] 2018M07 1120
[99,] 2018M06 1120
[100,] 2018M05 1120
[101,] 2018M04 1120
[102,] 2018M03 1120
[103,] 2018M02 1120
[104,] 2018M01 1120
[105,] 2017M12 1120
[106,] 2017M11 1120
[107,] 2017M10 1120
[108,] 2017M09 1120
[109,] 2017M08 1120
[110,] 2017M07 1120
[111,] 2017M06 1120
[112,] 2017M05 1120
[113,] 2017M04 1120
[114,] 2017M03 1120
[115,] 2017M02 1120
[116,] 2017M01 1120
[117,] 2016M12 1120
[118,] 2016M11 1120
[119,] 2016M10 1120
[120,] 2016M09 1120
[121,] 2016M08 1120
[122,] 2016M07 1120
[123,] 2016M06 1120
[124,] 2016M05 1120
[125,] 2016M04 1120
[126,] 2016M03 1120
[127,] 2016M02 1120
[128,] 2016M01 1120
[129,] 2015M12 1120
[130,] 2015M11 1120
[131,] 2015M10 1120
[132,] 2015M09 1120
[133,] 2015M08 1120
[134,] 2015M07 1120
[135,] 2015M06 1120
[136,] 2015M05 1120
[137,] 2015M04 1120
[138,] 2015M03 1120
[139,] 2015M02 1120
[140,] 2015M01 1120
[141,] 2014M12 1120
[142,] 2014M11 1120
[143,] 2014M10 1120
[144,] 2014M09 1120
[145,] 2014M08 1120
[146,] 2014M07 1120
[147,] 2014M06 1120
[148,] 2014M05 1120
[149,] 2014M04 1120
[150,] 2014M03 1120
[151,] 2014M02 1120
[152,] 2014M01 1120
[153,] 2013M12 1120
[154,] 2013M11 1120
[155,] 2013M10 1120
[156,] 2013M09 1120
[157,] 2013M08 1120
[158,] 2013M07 1120
[159,] 2013M06 1120
[160,] 2013M05 1120
[161,] 2013M04 1120
[162,] 2013M03 1120
[163,] 2013M02 1120
[164,] 2013M01 1120
[165,] 2012M12 1120
[166,] 2012M11 1120
[167,] 2012M10 1120
[168,] 2012M09 1120
[169,] 2012M08 1120
[170,] 2012M07 1120
[171,] 2012M06 1120
[172,] 2012M05 1120
[173,] 2012M04 1120
[174,] 2012M03 1120
[175,] 2012M02 1120
[176,] 2012M01 1120
[177,] 2011M12 1120
[178,] 2011M11 1120
[179,] 2011M10 1120
[180,] 2011M09 1120
[181,] 2011M08 1120
[182,] 2011M07 1120
[183,] 2011M06 1120
[184,] 2011M05 1120
[185,] 2011M04 1120
[186,] 2011M03 1120
[187,] 2011M02 1120
[188,] 2011M01 1120
[189,] 2010M12 1120
[190,] 2010M11 1120
[191,] 2010M10 1120
[192,] 2010M09 1120
[193,] 2010M08 1120
[194,] 2010M07 1120
[195,] 2010M06 1120
[196,] 2010M05 1120
[197,] 2010M04 1120
[198,] 2010M03 1120
[199,] 2010M02 1120
[200,] 2010M01 1120
[201,] 2009M12 1120
[202,] 2009M11 1120
[203,] 2009M10 1120
[204,] 2009M09 1120
[205,] 2009M08 1120
[206,] 2009M07 1120
[207,] 2009M06 1120
[208,] 2009M05 1120
[209,] 2009M04 1120
[210,] 2009M03 1120
[211,] 2009M02 1120
[212,] 2009M01 1120
[213,] 2008M12 1120
[214,] 2008M11 1120
[215,] 2008M10 1120
[216,] 2008M09 1120
[217,] 2008M08 1120
[218,] 2008M07 1120
[219,] 2008M06 1120
[220,] 2008M05 1120
[221,] 2008M04 1120
[222,] 2008M03 1120
[223,] 2008M02 1120
[224,] 2008M01 1120
[225,] 2007M12 1120
[226,] 2007M11 1120
[227,] 2007M10 1120
[228,] 2007M09 1120
[229,] 2007M08 1120
[230,] 2007M07 1120
[231,] 2007M06 1120
[232,] 2007M05 1120
[233,] 2007M04 1120
[234,] 2007M03 1120
[235,] 2007M02 1120
[236,] 2007M01 1120
[237,] 2006M12 1120
[238,] 2006M11 1120
[239,] 2006M10 1120
[240,] 2006M09 1120
[241,] 2006M08 1120
[242,] 2006M07 1120
[243,] 2006M06 1120
[244,] 2006M05 1120
[245,] 2006M04 1120
[246,] 2006M03 1120
[247,] 2006M02 1120
[248,] 2006M01 1120
[249,] 2005M12 1120
[250,] 2005M11 1120
[251,] 2005M10 1120
[252,] 2005M09 1120
[253,] 2005M08 1120
[254,] 2005M07 1120
[255,] 2005M06 1120
[256,] 2005M05 1120
[257,] 2005M04 1120
[258,] 2005M03 1120
[259,] 2005M02 1120
[260,] 2005M01 1120
[261,] 2004M12 1120
[262,] 2004M11 1120
[263,] 2004M10 1120
[264,] 2004M09 1120
[265,] 2004M08 1120
[266,] 2004M07 1120
[267,] 2004M06 1120
[268,] 2004M05 1120
[269,] 2004M04 1120
[270,] 2004M03 1120
[271,] 2004M02 1120
[272,] 2004M01 1120
[273,] 2003M12 1120
[274,] 2003M11 1120
[275,] 2003M10 1120
[276,] 2003M09 1120
[277,] 2003M08 1120
[278,] 2003M07 1120
[279,] 2003M06 1120
[280,] 2003M05 1120
[281,] 2003M04 1120
[282,] 2003M03 1120
[283,] 2003M02 1120
[284,] 2003M01 1120
[285,] 2002M12 1120
[286,] 2002M11 1120
[287,] 2002M10 1120
[288,] 2002M09 1120
[289,] 2002M08 1120
[290,] 2002M07 1120
[291,] 2002M06 1120
[292,] 2002M05 1120
[293,] 2002M04 1120
[294,] 2002M03 1120
[295,] 2002M02 1120
[296,] 2002M01 1120
[297,] 2026M09 2 COLUMNA: Tipo.de.dato (4 opciones)
Tipo.de.dato N.observ
[1,] Variación mensual 82881
[2,] Variación anual 82881
[3,] Índice 82880
[4,] Variación en lo que va de año 82880 COLUMNA: Grupos.ECOICOP.ver.2 (14 opciones)
Grupos.ECOICOP.ver.2 N.observ
[1,] Índice general 23682
[2,] 01 Alimentos y bebidas no alcohólicas 23680
[3,] 02 Bebidas alcohólicas y tabaco 23680
[4,] 03 Vestido y calzado 23680
[5,] 04 Vivienda, agua, electricidad, gas y otros combustibl 23680
[6,] 05 Muebles, artículos del hogar y artículos para el man 23680
[7,] 06 Sanidad 23680
[8,] 07 Transporte 23680
[9,] 08 Información y comunicaciones 23680
[10,] 09 Actividades recreativas, deporte y cultura 23680
[11,] 10 Enseñanza 23680
[12,] 11 Restaurantes y servicios de alojamiento 23680
[13,] 12 Seguros y servicios financieros 23680
[14,] 13 Cuidado personal, protección social, y bienes y serv 23680 COLUMNA: Comunidades.y.Ciudades.Autónomas (20 opciones)
Comunidades.y.Ciudades.Autónomas N.observ
[1,] Nacional 16578
[2,] 01 Andalucía 16576
[3,] 02 Aragón 16576
[4,] 03 Asturias, Principado de 16576
[5,] 04 Balears, Illes 16576
[6,] 05 Canarias 16576
[7,] 06 Cantabria 16576
[8,] 07 Castilla y León 16576
[9,] 08 Castilla - La Mancha 16576
[10,] 09 Cataluña 16576
[11,] 10 Comunitat Valenciana 16576
[12,] 11 Extremadura 16576
[13,] 12 Galicia 16576
[14,] 13 Madrid, Comunidad de 16576
[15,] 14 Murcia, Región de 16576
[16,] 15 Navarra, Comunidad Foral de 16576
[17,] 16 País Vasco 16576
[18,] 17 Rioja, La 16576
[19,] 18 Ceuta 16576
[20,] 19 Melilla 16576 ## Comunidades.y.Ciudades.Autónomas N.Observ
## 05 Canarias 16576Combinaciones de atributos: nº de regiones y percentiles del tamaño de la serie temporal (nº de periodos por región).
| Tipo.de.dato | Grupos.ECOICOP.ver.2 | freq_obs | n_regiones | P0 | P25 | P50 | P75 | P100 |
|---|---|---|---|---|---|---|---|---|
| Índice | Índice general | M | 20 | 296 | 296 | 296 | 296 | 296 |
| Índice | 01 Alimentos y bebidas no alcohólicas | M | 20 | 296 | 296 | 296 | 296 | 296 |
| Índice | 02 Bebidas alcohólicas y tabaco | M | 20 | 296 | 296 | 296 | 296 | 296 |
| Índice | 03 Vestido y calzado | M | 20 | 296 | 296 | 296 | 296 | 296 |
| Índice | 04 Vivienda, agua, electricidad, gas y otros combustibles | M | 20 | 296 | 296 | 296 | 296 | 296 |
| Índice | 05 Muebles, artículos del hogar y artículos para el mantenimiento corriente del hogar | M | 20 | 296 | 296 | 296 | 296 | 296 |
| Índice | 06 Sanidad | M | 20 | 296 | 296 | 296 | 296 | 296 |
| Índice | 07 Transporte | M | 20 | 296 | 296 | 296 | 296 | 296 |
| Índice | 08 Información y comunicaciones | M | 20 | 296 | 296 | 296 | 296 | 296 |
| Índice | 09 Actividades recreativas, deporte y cultura | M | 20 | 296 | 296 | 296 | 296 | 296 |
| Índice | 10 Enseñanza | M | 20 | 296 | 296 | 296 | 296 | 296 |
| Índice | 11 Restaurantes y servicios de alojamiento | M | 20 | 296 | 296 | 296 | 296 | 296 |
| Índice | 12 Seguros y servicios financieros | M | 20 | 296 | 296 | 296 | 296 | 296 |
| Índice | 13 Cuidado personal, protección social, y bienes y servicios diversos | M | 20 | 296 | 296 | 296 | 296 | 296 |
| Variación mensual | Índice general | M | 20 | 296 | 296 | 296 | 296 | 297 |
| Variación mensual | 01 Alimentos y bebidas no alcohólicas | M | 20 | 296 | 296 | 296 | 296 | 296 |
| Variación mensual | 02 Bebidas alcohólicas y tabaco | M | 20 | 296 | 296 | 296 | 296 | 296 |
| Variación mensual | 03 Vestido y calzado | M | 20 | 296 | 296 | 296 | 296 | 296 |
| Variación mensual | 04 Vivienda, agua, electricidad, gas y otros combustibles | M | 20 | 296 | 296 | 296 | 296 | 296 |
| Variación mensual | 05 Muebles, artículos del hogar y artículos para el mantenimiento corriente del hogar | M | 20 | 296 | 296 | 296 | 296 | 296 |
| Variación mensual | 06 Sanidad | M | 20 | 296 | 296 | 296 | 296 | 296 |
| Variación mensual | 07 Transporte | M | 20 | 296 | 296 | 296 | 296 | 296 |
| Variación mensual | 08 Información y comunicaciones | M | 20 | 296 | 296 | 296 | 296 | 296 |
| Variación mensual | 09 Actividades recreativas, deporte y cultura | M | 20 | 296 | 296 | 296 | 296 | 296 |
| Variación mensual | 10 Enseñanza | M | 20 | 296 | 296 | 296 | 296 | 296 |
| Variación mensual | 11 Restaurantes y servicios de alojamiento | M | 20 | 296 | 296 | 296 | 296 | 296 |
| Variación mensual | 12 Seguros y servicios financieros | M | 20 | 296 | 296 | 296 | 296 | 296 |
| Variación mensual | 13 Cuidado personal, protección social, y bienes y servicios diversos | M | 20 | 296 | 296 | 296 | 296 | 296 |
| Variación anual | Índice general | M | 20 | 296 | 296 | 296 | 296 | 297 |
| Variación anual | 01 Alimentos y bebidas no alcohólicas | M | 20 | 296 | 296 | 296 | 296 | 296 |
| Variación anual | 02 Bebidas alcohólicas y tabaco | M | 20 | 296 | 296 | 296 | 296 | 296 |
| Variación anual | 03 Vestido y calzado | M | 20 | 296 | 296 | 296 | 296 | 296 |
| Variación anual | 04 Vivienda, agua, electricidad, gas y otros combustibles | M | 20 | 296 | 296 | 296 | 296 | 296 |
| Variación anual | 05 Muebles, artículos del hogar y artículos para el mantenimiento corriente del hogar | M | 20 | 296 | 296 | 296 | 296 | 296 |
| Variación anual | 06 Sanidad | M | 20 | 296 | 296 | 296 | 296 | 296 |
| Variación anual | 07 Transporte | M | 20 | 296 | 296 | 296 | 296 | 296 |
| Variación anual | 08 Información y comunicaciones | M | 20 | 296 | 296 | 296 | 296 | 296 |
| Variación anual | 09 Actividades recreativas, deporte y cultura | M | 20 | 296 | 296 | 296 | 296 | 296 |
| Variación anual | 10 Enseñanza | M | 20 | 296 | 296 | 296 | 296 | 296 |
| Variación anual | 11 Restaurantes y servicios de alojamiento | M | 20 | 296 | 296 | 296 | 296 | 296 |
| Variación anual | 12 Seguros y servicios financieros | M | 20 | 296 | 296 | 296 | 296 | 296 |
| Variación anual | 13 Cuidado personal, protección social, y bienes y servicios diversos | M | 20 | 296 | 296 | 296 | 296 | 296 |
| Variación en lo que va de año | Índice general | M | 20 | 296 | 296 | 296 | 296 | 296 |
| Variación en lo que va de año | 01 Alimentos y bebidas no alcohólicas | M | 20 | 296 | 296 | 296 | 296 | 296 |
| Variación en lo que va de año | 02 Bebidas alcohólicas y tabaco | M | 20 | 296 | 296 | 296 | 296 | 296 |
| Variación en lo que va de año | 03 Vestido y calzado | M | 20 | 296 | 296 | 296 | 296 | 296 |
| Variación en lo que va de año | 04 Vivienda, agua, electricidad, gas y otros combustibles | M | 20 | 296 | 296 | 296 | 296 | 296 |
| Variación en lo que va de año | 05 Muebles, artículos del hogar y artículos para el mantenimiento corriente del hogar | M | 20 | 296 | 296 | 296 | 296 | 296 |
| Variación en lo que va de año | 06 Sanidad | M | 20 | 296 | 296 | 296 | 296 | 296 |
| Variación en lo que va de año | 07 Transporte | M | 20 | 296 | 296 | 296 | 296 | 296 |
| Variación en lo que va de año | 08 Información y comunicaciones | M | 20 | 296 | 296 | 296 | 296 | 296 |
| Variación en lo que va de año | 09 Actividades recreativas, deporte y cultura | M | 20 | 296 | 296 | 296 | 296 | 296 |
| Variación en lo que va de año | 10 Enseñanza | M | 20 | 296 | 296 | 296 | 296 | 296 |
| Variación en lo que va de año | 11 Restaurantes y servicios de alojamiento | M | 20 | 296 | 296 | 296 | 296 | 296 |
| Variación en lo que va de año | 12 Seguros y servicios financieros | M | 20 | 296 | 296 | 296 | 296 | 296 |
| Variación en lo que va de año | 13 Cuidado personal, protección social, y bienes y servicios diversos | M | 20 | 296 | 296 | 296 | 296 | 296 |
Validación de requisitos AEDV — último año con datos: 2026 | Nivel geográfico: CCAA (umbral de cobertura: 15 regiones).
| Atributos | Cobertura geográfica | Datos actualizados (≥ 2024) | Tamaño series (P25 ≥ umbral) | Tamaño series Canarias | CUMPLE LOS 4 |
|---|---|---|---|---|---|
| Índice / Índice general [M] | ✔ | ✔ | ✔ | ✔ | ✔ |
| Índice / 01 Alimentos y bebidas no alco [M] | ✔ | ✔ | ✔ | ✔ | ✔ |
| Índice / 02 Bebidas alcohólicas y tabac [M] | ✔ | ✔ | ✔ | ✔ | ✔ |
| Índice / 03 Vestido y calzado [M] | ✔ | ✔ | ✔ | ✔ | ✔ |
| Índice / 04 Vivienda, agua, electricida [M] | ✔ | ✔ | ✔ | ✔ | ✔ |
| Índice / 05 Muebles, artículos del hoga [M] | ✔ | ✔ | ✔ | ✔ | ✔ |
| Índice / 06 Sanidad [M] | ✔ | ✔ | ✔ | ✔ | ✔ |
| Índice / 07 Transporte [M] | ✔ | ✔ | ✔ | ✔ | ✔ |
| Índice / 08 Información y comunicacione [M] | ✔ | ✔ | ✔ | ✔ | ✔ |
| Índice / 09 Actividades recreativas, de [M] | ✔ | ✔ | ✔ | ✔ | ✔ |
| Índice / 10 Enseñanza [M] | ✔ | ✔ | ✔ | ✔ | ✔ |
| Índice / 11 Restaurantes y servicios de [M] | ✔ | ✔ | ✔ | ✔ | ✔ |
| Índice / 12 Seguros y servicios financi [M] | ✔ | ✔ | ✔ | ✔ | ✔ |
| Índice / 13 Cuidado personal, protecció [M] | ✔ | ✔ | ✔ | ✔ | ✔ |
| Variación mensual / Índice general [M] | ✔ | ✔ | ✔ | ✔ | ✔ |
| Variación mensual / 01 Alimentos y bebidas no alco [M] | ✔ | ✔ | ✔ | ✔ | ✔ |
| Variación mensual / 02 Bebidas alcohólicas y tabac [M] | ✔ | ✔ | ✔ | ✔ | ✔ |
| Variación mensual / 03 Vestido y calzado [M] | ✔ | ✔ | ✔ | ✔ | ✔ |
| Variación mensual / 04 Vivienda, agua, electricida [M] | ✔ | ✔ | ✔ | ✔ | ✔ |
| Variación mensual / 05 Muebles, artículos del hoga [M] | ✔ | ✔ | ✔ | ✔ | ✔ |
| Variación mensual / 06 Sanidad [M] | ✔ | ✔ | ✔ | ✔ | ✔ |
| Variación mensual / 07 Transporte [M] | ✔ | ✔ | ✔ | ✔ | ✔ |
| Variación mensual / 08 Información y comunicacione [M] | ✔ | ✔ | ✔ | ✔ | ✔ |
| Variación mensual / 09 Actividades recreativas, de [M] | ✔ | ✔ | ✔ | ✔ | ✔ |
| Variación mensual / 10 Enseñanza [M] | ✔ | ✔ | ✔ | ✔ | ✔ |
| Variación mensual / 11 Restaurantes y servicios de [M] | ✔ | ✔ | ✔ | ✔ | ✔ |
| Variación mensual / 12 Seguros y servicios financi [M] | ✔ | ✔ | ✔ | ✔ | ✔ |
| Variación mensual / 13 Cuidado personal, protecció [M] | ✔ | ✔ | ✔ | ✔ | ✔ |
| Variación anual / Índice general [M] | ✔ | ✔ | ✔ | ✔ | ✔ |
| Variación anual / 01 Alimentos y bebidas no alco [M] | ✔ | ✔ | ✔ | ✔ | ✔ |
| Variación anual / 02 Bebidas alcohólicas y tabac [M] | ✔ | ✔ | ✔ | ✔ | ✔ |
| Variación anual / 03 Vestido y calzado [M] | ✔ | ✔ | ✔ | ✔ | ✔ |
| Variación anual / 04 Vivienda, agua, electricida [M] | ✔ | ✔ | ✔ | ✔ | ✔ |
| Variación anual / 05 Muebles, artículos del hoga [M] | ✔ | ✔ | ✔ | ✔ | ✔ |
| Variación anual / 06 Sanidad [M] | ✔ | ✔ | ✔ | ✔ | ✔ |
| Variación anual / 07 Transporte [M] | ✔ | ✔ | ✔ | ✔ | ✔ |
| Variación anual / 08 Información y comunicacione [M] | ✔ | ✔ | ✔ | ✔ | ✔ |
| Variación anual / 09 Actividades recreativas, de [M] | ✔ | ✔ | ✔ | ✔ | ✔ |
| Variación anual / 10 Enseñanza [M] | ✔ | ✔ | ✔ | ✔ | ✔ |
| Variación anual / 11 Restaurantes y servicios de [M] | ✔ | ✔ | ✔ | ✔ | ✔ |
| Variación anual / 12 Seguros y servicios financi [M] | ✔ | ✔ | ✔ | ✔ | ✔ |
| Variación anual / 13 Cuidado personal, protecció [M] | ✔ | ✔ | ✔ | ✔ | ✔ |
| Variación en lo que va de año / Índice general [M] | ✔ | ✔ | ✔ | ✔ | ✔ |
| Variación en lo que va de año / 01 Alimentos y bebidas no alco [M] | ✔ | ✔ | ✔ | ✔ | ✔ |
| Variación en lo que va de año / 02 Bebidas alcohólicas y tabac [M] | ✔ | ✔ | ✔ | ✔ | ✔ |
| Variación en lo que va de año / 03 Vestido y calzado [M] | ✔ | ✔ | ✔ | ✔ | ✔ |
| Variación en lo que va de año / 04 Vivienda, agua, electricida [M] | ✔ | ✔ | ✔ | ✔ | ✔ |
| Variación en lo que va de año / 05 Muebles, artículos del hoga [M] | ✔ | ✔ | ✔ | ✔ | ✔ |
| Variación en lo que va de año / 06 Sanidad [M] | ✔ | ✔ | ✔ | ✔ | ✔ |
| Variación en lo que va de año / 07 Transporte [M] | ✔ | ✔ | ✔ | ✔ | ✔ |
| Variación en lo que va de año / 08 Información y comunicacione [M] | ✔ | ✔ | ✔ | ✔ | ✔ |
| Variación en lo que va de año / 09 Actividades recreativas, de [M] | ✔ | ✔ | ✔ | ✔ | ✔ |
| Variación en lo que va de año / 10 Enseñanza [M] | ✔ | ✔ | ✔ | ✔ | ✔ |
| Variación en lo que va de año / 11 Restaurantes y servicios de [M] | ✔ | ✔ | ✔ | ✔ | ✔ |
| Variación en lo que va de año / 12 Seguros y servicios financi [M] | ✔ | ✔ | ✔ | ✔ | ✔ |
| Variación en lo que va de año / 13 Cuidado personal, protecció [M] | ✔ | ✔ | ✔ | ✔ | ✔ |
De las 56 combinaciones de atributos analizadas, 56 cumplen los cuatro criterios de validación (cobertura geográfica, datos actualizados, tamaño de las series temporales y tamaño de las series temporales en Canarias).
El requisito de disponer de al menos 4 atributos válidos se cumple ✓.
Al compilar este documento se ha generado el fichero
76136_analisis.Rmd: es la sección
Análisis del dataset de arriba, preparada para la sección
Comprensión de los datos de la memoria, con los títulos
al nivel de esa sección. Para incorporar el dataset a la memoria:
INE: 76136.rds,
76136_metadatos.xlsx y
76136_analisis.Rmd.utilidades.R (viene en la carpeta
ProyectoPersonal, junto al modelo de memoria) y que la
memoria lo carga en el chunk de librerías:
source("utilidades.R").```{r, results='asis', cache=FALSE}
datos_76136 <- aedv_incluir_dataset("76136_analisis.Rmd")
```Al compilar la memoria, el análisis aparece en el lugar del chunk y
los datos quedan en la tabla datos_76136 (un tibble), con
la que se sigue trabajando en el resto de la memoria. Si incorporas
varios datasets, pega un chunk por cada uno, con nombres de tabla
distintos. En un dataset auxiliar, que no tiene que cumplir los
requisitos de AEDV,
aedv_incluir_dataset("76136_analisis.Rmd", validacion = FALSE)
omite la validación.
El texto explicativo del dataset (qué mide, qué significa cada
variable y cada una de sus opciones…) se escribe en la memoria, antes o
después del chunk, no en 76136_analisis.Rmd: ese fichero se
sustituye cada vez que se vuelve a generar.