1 Cómo usar esta carpeta para seleccionar el tema de tu proyecto

Esta carpeta contiene herramientas para explorar y descargar datasets de siete fuentes de datos públicas: EDGAR (emisiones de gases de efecto invernadero a nivel mundial), INE (estadísticas españolas), ISTAC (estadísticas de Canarias), EUROSTAT (estadísticas europeas por regiones), Banco Mundial (indicadores globales), CLIMA (variables climáticas de AdapteCCa/AEMET para España y Canarias) e INFORME PISA (resultados educativos por país y por Comunidad Autónoma, con contexto de pobreza y desigualdad). El objetivo es que encuentres uno o varios datasets que te resulten interesantes y que sean adecuados para el proyecto de la asignatura.

Cuando empieces a trabajar con un dataset, el primer paso es verificar en el Campus Virtual que ningún otro alumno ha elegido ya ese tema. En ese caso apunta al final de la lista el título y código identificativo del dataset. En caso de solape con otros alumnos consultar con el profesor. Si después de analizar el dataset no te convence recuerda eliminarlo del Campus Virtual; cuando apuntes otro, lo harás al final de la lista.

1.1 El flujo de trabajo, de principio a fin

Las cuatro fuentes con API —INE, ISTAC, EUROSTAT y Banco Mundial— se abordan exactamente igual: la misma cadena de cuatro pasos, con los mismos dos documentos y los mismos tipos de fichero. Cambia el organismo y el nombre de los ficheros, no el procedimiento; si entiendes el flujo en una fuente, lo entiendes en las cuatro.

La idea de fondo es ir de los miles de datasets que publica un organismo a unos pocos que acabarán en tu memoria, estrechando el embudo en cada paso:

  PASO 1   catálogo (inventario) de todos los datasets, que se guarda en la hoja excel <FUENTE>.datasets.xlsx (ya está hecho)
                    ▼
  PASO 2   buscas en ese Excel, con ayuda de una IA, los datasets de tu tema
                    ▼
  PASO 3   descarga y valida los que has elegido usando <FUENTE>_DatasetSelection.Rmd
                    ▼
  PASO 4   incorporas a tu memoria de proyecto personal los ficheros que ha guardado y su análisis
Paso Con qué se hace y qué produce ¿Lo ejecutas tú?
1. Inventario (ya hecho) — recorrer la API del organismo y anotar la ficha básica de todos sus datasets <FUENTE>_TableDatasetGeneration.Rmd → el catálogo <FUENTE>.datasets.xlsx, una fila por dataset No
2. Búsqueda del tema — localizar en el catálogo los datasets de un tema que te interese el .xlsx del catálogo y una IA (ChatGPT, Claude…) → una lista de identificadores candidatos Sí
3. Descarga y validación — descargar esos datasets y comprobar si cumplen los requisitos AEDV <FUENTE>_DatasetSelection.Rmd → <nombre>.rds (datos), <nombre>_metadatos.xlsx (ficha) y <nombre>_analisis.Rmd (el análisis de validación, preparado para la memoria) Sí
4. Incorporación — llevar los datos y el análisis a la memoria del proyecto los ficheros del paso 3 y aedv_incluir_dataset() → la sección Comprensión de los datos de tu memoria Sí

Dos ideas explican por qué el flujo está partido justo así:

  • El catálogo, con el inventario, no contiene datos, solo fichas. Es un índice de lo que existe: nombre, identificador, frecuencia, cobertura geográfica, fechas, dimensiones. Los datos no se descargan hasta el paso 3.
  • El paso 3 descarga antes de analizar, y eso es deliberado. Primero guarda en disco el .rds y el _metadatos.xlsx; después analiza leyendo esos ficheros, no la API. De ahí que su análisis se pueda trasplantar tal cual a tu memoria (paso 4) y que tu proyecto deje de depender de que el organismo mantenga el dataset disponible.

Las otras tres fuentes (EDGAR, CLIMA e INFORME PISA) son datasets únicos ya construidos: no tienen catálogo y por tanto no tienen pasos 1 y 2, pero sus documentos conservan la misma estructura interna 3a/3b, así que el paso 4 se hace igual.

1.2 Paso 1 — el catálogo de la fuente, que ya viene generado

Los catálogos ya están generados y disponibles como archivos Excel en cada subcarpeta. No necesitas ejecutar los archivos *_TableDatasetGeneration.Rmd: su única utilidad es descubrir datasets nuevos que la fuente haya publicado desde que se generó el catálogo.

Que el catálogo tenga unos meses no significa que vayas a trabajar con datos antiguos: el *_DatasetSelection.Rmd descarga siempre la versión actualizada del dataset directamente de la fuente (read.px() en el INE, get_eurostat() en EUROSTAT, wb_data() en el Banco Mundial y istacr en el ISTAC). Del catálogo solo se toma la ficha de metadatos del dataset, nunca sus datos.

Conviene saberlo porque regenerar un catálogo es un proceso largo: recorre la API dataset a dataset y descarga cada uno para deducir su frecuencia temporal y su número de periodos. Además, si la conexión a internet se interrumpe a mitad del recorrido hay que repetirlo entero.

Fuente Datasets recorridos Duración aproximada
ISTAC 400 ~15 minutos
EUROSTAT 3.050 ~2 horas (estimada)
INE 5.507 ~2 h 40 min
Banco Mundial 16.643 ~13 horas

Los documentos de EDGAR, los dos CLIMA e INFORME PISA no recorren un catálogo de una API para que elijas: construyen un dataset ya fijado (en CLIMA, descargando unos 10 GB de NetCDF de AdapteCCa; en PISA, reconstruyendo de Wikipedia y de Banco Mundial/INE) para generar los .rds. Tampoco hay que ejecutarlos, porque esos .rds se distribuyen ya hechos en sus carpetas.

Los catálogos son una fotografía, no una fuente permanente

Cada archivo Excel es una radiografía de los datasets existentes en el instante en que se generó, no un espejo permanente de lo que ofrece cada fuente (INE, ISTAC, EUROSTAT, Banco Mundial): los organismos añaden, retiran y renombran datasets con el tiempo. En raras ocasiones puede suceder que al actualizar el catálogo el Id de algún dataset cambie, o que un dataset que aparecía deje de estar disponible.

Por eso es importante no depender del catálogo Excel para tu proyecto: una vez elijas tus datasets, lo que cuenta son las copias locales (.rds con los datos y _metadatos.xlsx con su ficha) que se guardan en tu carpeta al validarlos. Esto ya ocurre automáticamente: al compilar el *_DatasetSelection.Rmd correspondiente, lo primero que hace el documento es descargar los datos y guardarlos en disco; a partir de ahí, tanto el análisis del propio documento como tu proyecto trabajan siempre sobre esa copia, sin volver a depender de que el dataset siga disponible tal cual en la fuente original.

Fuente Catálogo Cobertura
INE INE/INE.datasets.xlsx España: municipios, provincias, CCAA
ISTAC ISTAC/ISTAC_datasets.xlsx Canarias: municipios, islas, CCAA
EUROSTAT EUROSTAT/Eurostat.datasets.xlsx Europa: países y regiones NUTS 0, 1, 2 y 3
Banco Mundial WORLD_BANK/wb.datasets.xlsx Mundial: ≥100 países, ≥10 años
EDGAR (dataset único, solo sirve para un alumno) Mundial: emisiones GHG 1970–2025, por sector y grupo de gases
CLIMA (AdapteCCa) (proyecto propio, sin catálogo Excel; 14 variables climáticas) España (provincias) y Canarias (municipios): clima mensual 1951/1990–2022 + proyecciones CMIP6
INFORME PISA (dataset único, solo sirve para un alumno) Mundial (105 países, PISA 2000–2025) y España (19 CCAA, 2009–2025): resultados educativos + pobreza/desigualdad/gasto

1.3 Qué tiene que cumplir un dataset para servir en AEDV

Este apartado es la referencia que usan los pasos 2 y 3: en el paso 2 sirve para descartar candidatos de un vistazo mirando el catálogo, y en el paso 3 es lo que comprueba automáticamente la tabla de validación.

Los datasets que usamos en AEDV siempre tienen una variable (columna) con un dato temporal que puede estar en años, semestres, trimestres, meses, semanas o días, una variable con datos de áreas geográficas que pueden ser países, CCAA, provincias o municipios, una o varias variables categóricas que identifican qué se está midiendo y una variable numérica con el valor observado de lo que se mide.

En el contexto de la asignatura AEDV, una variable (o campo) es cualquier columna de la tabla, una dimensión es cualquier variable no numérica y un indicador (o atributo) es una variable no numérica distinta de la variable temporal y de la variable geográfica. Por ejemplo: “Población” es un atributo asociado a un área geográfica en una fecha determinada.

Requisitos selección datasets para AEDV

  • Cobertura geográfica: el dataset debe cubrir ampliamente las áreas geográficas de su nivel:

    • Países (Banco Mundial): más de 100 países.
    • Canarias (ISTAC): más de 80 municipios, más de 6 islas o más de 15 comunidades autónomas, según el nivel del dato.
    • España (INE): más de 500 municipios, más de 40 provincias o más de 15 comunidades autónomas.
    • Europa (EUROSTAT): al menos 25 países (NUTS 0), 90 grandes regiones (NUTS 1), 200 regiones (NUTS 2) o 500 provincias (NUTS 3). Basta con cumplirlo en uno de los cuatro niveles.

  • Datos actualizados: debe tener datos recientes (último dato de 2024 o posterior). Salvo en los datasets del CLIMA que permitimos datos actualizados en años anteriores a 2024.

  • Tamaño de las series temporales: Para cada atributo (o combinación de atributos) que se mide, en el dataset aparece, para cada región geográfica, una serie temporal que mide su evolución a lo largo del tiempo. Nos interesan los atributos que para el 75% de las regiones geográficas el tamaño de esas series alcanza un mínimo: al menos 10 años (datos anuales), 20 semestres (semestrales), 40 trimestres (trimestrales), 60 meses (mensuales), 200 semanas (semanales) o 1096 días (diarios, es decir tres años). Eso lo medimos comprobando que el percentil 25 (P25) de la distribución de tamaños de esas series supera el umbral mínimo: si P25 ≥ umbral, el 75% de las regiones ya lo supera.

  • España y/o Canarias bien representadas: no basta con que el dataset sea grande en conjunto; el proyecto tiene que poder analizar nuestro entorno. Por eso se comprueba, además, que la serie temporal de España o de Canarias alcance por su cuenta el mismo umbral del criterio anterior. Qué se exige depende del tipo de dataset:

    • INE: alguna región canaria con serie suficiente. Según el nivel de desglose, Canarias aparece como la comunidad (Canarias), como sus dos provincias (35 Palmas, Las y 38 Santa Cruz de Tenerife) o como municipios con código 35xxx/38xxx.
    • EUROSTAT: España (ES) o alguna región de Canarias (ES7, ES70, o las islas ES703–ES709). Basta con que se cumpla en una de las dos.
    • Banco Mundial: España (ESP), ya que sus datos son por países y no bajan a nivel regional.
    • ISTAC: no se comprueba aparte, porque todos sus datos son ya de Canarias.

  • Mínimo de 4 atributos: Tenemos que seleccionar un nº de datasets suficientes para manejar al menos 4 atributos (o combinaciones de atributos) diferentes que cumplan el criterio anterior sobre el tamaño de las series temporales asociadas. Las variaciones que se derivan de un mismo atributo no cuentan como atributos diferentes, es decir si manejamos el dato de población, el dato de la variación anual de la población no cuenta como atributo diferente. Los datasets del INE y de EUROSTAT contienen, con frecuencia, más de 4 atributos y por tanto un solo dataset puede ser suficiente para hacer el proyecto. Los datasets del World Bank y del ISTAC solo contienen un atributo y por tanto hay que manejar varios datasets.

1.4 Paso 2 — Buscar en el catálogo los datasets de tu tema

Un catálogo tiene entre 400 y 2.468 filas, así que no se lee de arriba abajo: se busca dentro de él. Hay dos maneras y lo razonable es combinarlas.

Con una IA, que es lo más rápido. Súbele el .xlsx de la fuente (ISTAC_datasets.xlsx, wb.datasets.xlsx, Eurostat.datasets.xlsx o INE.datasets.xlsx) a ChatGPT, Claude o similar y pídele los identificadores relacionados con tu tema: «de este catálogo, dame los datasets sobre vivienda y alquiler, con su identificador y su nombre». Después pídele que descarte los que no vayan a cumplir los requisitos, apoyándose en las columnas que los anticipan:

Fuente Columnas que anticipan si el dataset cumplirá los requisitos
ISTAC area (nivel geográfico: MUNI, ISLA, CCAA…) y freq (frecuencia)
Banco Mundial Ncountries y dateEnd
INE Codigo (desglose geográfico) y Periodicidad
EUROSTAT topic (familia temática), NUTS0–NUTS3 (cobertura por nivel), N.atrib.combinados y las columnas ESPAÑA/CANARIAS

A mano en Excel, filtrando por la columna temática de cada fuente: OPER.Nombre en el INE, subject en el ISTAC, Topic en el Banco Mundial y el prefijo del code en EUROSTAT. La sección Descripción de los catálogos de datasets de este mismo documento trae, fuente por fuente, el reparto por temas con el número de datasets de cada uno, la descripción de todas las columnas y las trampas concretas al filtrar.

Los identificadores que salgan de aquí son la entrada del paso 3: se copian en IDS (ISTAC y Banco Mundial), en Dataset.Id (INE) o en dataset.name (EUROSTAT).

La IA acota la búsqueda, pero no elige por ti

Lo que produce el paso 2 es una lista de candidatos, no una decisión. Quien dice si un dataset sirve es el paso 3, porque la IA no ha visto los datos: solo el índice, y las columnas del catálogo son indicios, no garantías (el N.atrib.combinados de EUROSTAT, por ejemplo, es una cota superior: no todas las combinaciones tienen datos). Cuenta con validar varios candidatos antes de quedarte con los definitivos.

Cumplir los requisitos no basta: ¿qué quieres averiguar?

Un dataset que pasa la validación del paso 3 es utilizable, pero no por eso da lugar a un buen proyecto. Antes de quedarte con él, tienes que poder decir qué preguntas de investigación interesantes, concretas y sencillas, vas a responder con esos datos (por ejemplo: «¿se ha recuperado el empleo en Canarias tras la crisis de 2008 al mismo ritmo que en el resto de comunidades?», en lugar de «analizar la evolución del paro»). Si no se te ocurre ninguna, busca otro tema o combina el dataset con otros que den juego. Ningún dataset puede quedar sin pregunta asociada: si al final del proceso tienes un dataset validado que no ayuda a responder a ninguna de tus preguntas, descártalo o formula una pregunta nueva que lo justifique.

Son preguntas iniciales, obligatorias ya en la Entrega 1, que irás refinando por iteraciones a medida que analices los datos. En la memoria, las preguntas van en el apartado Objetivos, y todo este proceso de búsqueda —catálogos explorados, peticiones hechas a la IA, candidatos validados y descartados, y a qué pregunta responde cada dataset elegido— se describe en la sección Comprensión del negocio.

1.5 Paso 3 — Descargar, validar y analizar el dataset

Abre el archivo *_DatasetSelection.Rmd de la fuente correspondiente y localiza la línea donde se especifican los datasets a analizar:

INE — cambia el valor de Dataset.Id por el identificador del dataset:

Dataset.Id <- 76136   # ← pon aquí el Id de tu dataset

EUROSTAT — cambia el valor de dataset.name por el código del dataset (columna code del catálogo):

dataset.name <- "demo_r_pjanaggr3"   # ← pon aquí el code de tu dataset

ISTAC y Banco Mundial — cambia el vector IDS con los identificadores de los datasets de tu catálogo. El formato del identificador depende de la fuente:

# ISTAC — identificadores en mayúsculas (columna `id` del catálogo):
IDS <- c("MATRICULA_VEHICULOS", "PARQUE_VEHICULOS")

# Banco Mundial — códigos de la API (columna `Id` del catálogo):
IDS <- c("SP.POP.TOTL", "SP.POP.TOTL.FE.IN")

A continuación haz Knit (Ctrl+Shift+K). Todos los *_DatasetSelection.Rmd siguen la misma estructura, en las dos mitades del esquema de arriba:

Mitad 3a — descarga, limpieza y guardado. Descarga los datos, elimina las columnas que no aportan nada (las que tienen siempre el mismo valor) y guarda en disco dos ficheros, antes de analizar nada:

Fichero Contenido
<nombre>.rds Los datos ya limpios, en el formato nativo de R
<nombre>_metadatos.xlsx La ficha del dataset (su fila del catálogo), para tenerla a mano sin volver al Excel grande

El <nombre> es el código del dataset en INE (76136.rds) y EUROSTAT (demo_r_pjanaggr3.rds), y un nombre fijo en las fuentes que combinan varios indicadores: ISTAC_Selected y WB_Selected.

Mitad 3b — análisis del dataset. Vuelve a leer esos dos ficheros del disco y a partir de ahí hace todo el análisis:

  • La ficha de metadatos y, en EUROSTAT, la descripción completa del tema al que pertenece el dataset.
  • Las dimensiones del dataset, cada una con sus valores posibles y su nº de observaciones.
  • Análisis del tamaño de las series temporales (nº de regiones/países, rango de fechas y percentiles).
  • Listado de regiones o países con datos y nº de observaciones, comprobando la presencia de España/Canarias.
  • Una tabla de validación que marca en verde/rojo si cada atributo (o combinación de atributos) cumple los criterios AEDV: cobertura geográfica, datos actualizados, tamaño de las series temporales y representación de España/Canarias.
  • Un veredicto final que cuenta cuántos atributos válidos hay e indica si se alcanza el mínimo de 4.

1.6 Paso 4 — Incorporar el dataset a la memoria del proyecto

Que en el paso 3 el guardado vaya primero y el análisis después no es casualidad: está pensado para que el trabajo hecho al validar el dataset se reutilice, en vez de repetirse.

  1. Compila el *_DatasetSelection.Rmd con tus datasets y comprueba que cumplen los requisitos. Además del .rds y el _metadatos.xlsx, el documento guarda la sección «Análisis del dataset» (la mitad 3b) en un fichero <nombre>_analisis.Rmd, preparado para la memoria, y termina con una sección, Incorporación del dataset a la memoria, con las instrucciones exactas para tus ficheros.
  2. Copia el .rds, el _metadatos.xlsx y el _analisis.Rmd a la carpeta de tu proyecto, junto a tu memoria. En esa carpeta tiene que estar también utilidades.R (viene en la carpeta ProyectoPersonal), que la memoria carga con source("utilidades.R").
  3. Pega en la sección Comprensión de los datos de tu memoria el chunk que indica el documento, cambiando el nombre de la tabla por uno que describa el dataset. Por ejemplo:
```{r, results='asis', cache=FALSE}
ipc <- 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 que elijas (aquí ipc, un tibble). El análisis arranca leyendo del disco los ficheros que acabas de copiar, así que funciona sin volver a descargar nada de internet. Es decir: la mitad 3a (descarga) no va en la memoria; la 3b (análisis) sí, y la memoria queda, de golpe, con los datos importados y con su validación documentada.

Si incorporas varios datasets —de la misma fuente o de fuentes distintas—, pega un chunk por cada uno, con nombres de tabla distintos. En los datasets secundarios, aedv_incluir_dataset("...", validacion = FALSE) omite la validación para no alargar la memoria. EDGAR, CLIMA e INFORME PISA tienen varias tablas, así que la función las devuelve en una lista que el chunk propuesto por su documento separa a continuación, cada una con su nombre (el detalle está en Cómo importar los datos en la memoria, en README_Proyecto_Personal).

El fichero _analisis.Rmd no se edita: se vuelve a generar cada vez que compilas el *_DatasetSelection.Rmd. Tu texto va en la memoria, antes o después del chunk.

El estilos.css tiene que acompañar a la memoria

El análisis que se incluye en la memoria usa las clases CSS del curso (tabla-scroll, caja-scroll, tabla-scroll-xy y las celdas verde/rojo de la tabla de validación). Ya están todas en el fichero estilos.css que acompaña al modelo de memoria, que lo carga en su cabecera (css: estilos.css). Por eso estilos.css tiene que estar en la carpeta de tu memoria: si falta, la memoria se detiene al compilar avisando de que no lo encuentra.

2 Descripción de los catálogos de datasets

2.1 INE — INE/INE.datasets.xlsx (1.678 datasets)

Este archivo contiene los datasets del Instituto Nacional de Estadística accesibles a través de la librería ineapir, filtrados para incluir únicamente los que tienen datos a nivel de municipio, provincia o comunidad autónoma y han sido actualizados en 2024 o después.

2.1.1 Descripción de columnas de INE.datasets.xlsx

Columna Descripción
Id Identificador numérico del dataset. Es el valor que hay que poner en Dataset.Id en INE_DatasetSelection.Rmd para descargar el dataset.
Codigo Código interno del INE. Contiene información sobre el desglose geográfico: CCAA (comunidades autónomas), PROV (provincias), MUN (municipios).
OPER Código de la operación estadística (nivel superior de clasificación del INE).
OPER.Nombre Nombre de la operación estadística a la que pertenece el dataset. Permite agrupar datasets del mismo ámbito temático.
Nombre Nombre descriptivo del dataset.
Publicacion Nombre de la publicación oficial del INE asociada.
Periodicidad Frecuencia de actualización: Anual, Trimestral, Mensual, Cuatrienal o Semanal.
Start Año de inicio de la serie temporal.
LastUpdate Fecha de última actualización. Al estar filtrado, todos los datasets tienen datos recientes.
N.obs Número de filas del dataset. Da una idea del tamaño y riqueza del dataset.
Freq Frecuencia temporal detectada a partir del formato de las fechas: Y (anual), S (semestral), Q (trimestral), M (mensual), W (semanal). ? si el formato no se ha podido reconocer.
N.periodos Número de fechas distintas de la serie.
DIM Dimensiones (variables o columnas) del dataset con el número de valores distintos de cada una. Por ejemplo: Periodo 231 - Sexo 3 - CCAA 19 indica 231 periodos, 3 sexos y 19 comunidades.

2.1.2 Organización por temas

El INE no trae una columna de tema, pero sí la operación estadística de la que procede cada dataset (OPER.Nombre, 65 valores distintos). Agrupándolas, el catálogo se reparte así (los recuentos suman los 1.678 datasets):

Tema Nº datasets Operaciones estadísticas que lo componen (OPER.Nombre)
Mercado laboral 264 Encuesta de Población Activa (EPA); Flujos de la Población Activa
Demografía y población 251 Indicadores Demográficos Básicos; Estadística Continua de Población
Turismo 203 Ocupación hotelera, en apartamentos turísticos, campings, turismo rural y albergues; turismo de residentes; viviendas turísticas; movimientos en fronteras (15 operaciones)
Salarios y costes laborales 142 Encuesta de Estructura Salarial (cuatrienal y anual); Encuesta de Coste Laboral (trimestral y anual); Índice de Precios del Trabajo
Nacimientos y defunciones 125 MNP Nacimientos y Defunciones; defunciones semanales (EDeS); defunciones por causa de muerte; tablas de mortalidad
Matrimonios y familia 102 MNP Estadística de Matrimonios
Migración 87 Migraciones y Cambios de Residencia; Adquisiciones de Nacionalidad Española
Vivienda e hipotecas 80 Hipotecas; ejecuciones hipotecarias; precios de vivienda y de alquiler; transmisión de derechos de la propiedad
Empresas, industria y comercio 77 Sociedades Mercantiles; DIRCE; estadística estructural de empresas; producción industrial; comercio al por menor (11 operaciones)
Condiciones de vida y renta 68 Encuesta de Condiciones de Vida (ECV); Presupuestos Familiares (EPF); Atlas de distribución de renta de los hogares
Divorcios y separaciones 57 Nulidades, Separaciones y Divorcios
Padrón municipal 53 Cifras Oficiales de Población de los Municipios Españoles
Delincuencia y justicia 51 Población Condenada Adulta; Población Condenada Menor de Edad
Precios (IPC e industriales) 43 Índice de Precios de Consumo (IPC); Índices de Precios Industriales; precios de materiales y energía
Violencia de género 28 Estadística de Violencia Doméstica y Violencia de Género
Gasto turístico 22 Gasto de los visitantes extranjeros por destino; Encuesta de Gasto Turístico
Indicadores urbanos 21 Indicadores Urbanos (Urban Audit)
Transporte 4 Estadística de Transporte de Personas

Cuidado al filtrar por OPER.Nombre. La Encuesta Cuatrienal de Estructura Salarial aparece con dos nombres casi idénticos —Encuesta Cuatrienal de Estructura Salarial y Encuesta Cuatrienal de Estructural Salarial—, con 54 datasets cada uno. Es una errata del propio INE, no del catálogo: si filtras por el nombre exacto te dejas fuera la mitad de la operación.

2.2 ISTAC — ISTAC/ISTAC_datasets.xlsx (400 datasets)

Contiene todos los datasets estadísticos de Canarias accesibles a través de la librería istacr. Es el catálogo completo sin filtrar, por lo que incluye datasets de todo tipo de frecuencias y coberturas geográficas.

2.2.1 Descripción de columnas

Columna Descripción
Nº Número de fila de referencia en el catálogo.
id Identificador del indicador en el sistema ISTAC. Nombre corto en mayúsculas (ej. POBLACION, ACCIDENTES_TRABAJO_BAJA). Es el valor que hay que incluir en el vector IDS en ISTAC_DatasetSelection.Rmd.
subject Tema al que pertenece el dataset. Permite filtrar por área de interés.
n.reg Número de regiones distintas con datos. El valor nos da una pista de la cobertura geográfica, por ejemplo, un valor alrededor de 97, sugiere que son municipios de las islas, un valor alrededor de 20, que son CCAA, un valor alrededor de 7 que los datos son por islas, un valor alrededor de 40 pueden ser provincias españolas.
n.obs Número total de observaciones (filas) del dataset.
area Tipo de área geográfica detectada automáticamente: MUNI (municipios), ISLA (islas), CCAA (comunidades autónomas), PROV (provincias), CANA (Canarias como conjunto) u OTRO.
freq Frecuencia temporal: Y (anual), S (semestral), Q (trimestral), M (mensual), W (semanal), D (diaria).
initDate Año o fecha de inicio de la serie temporal.
lastDate Año o fecha del último dato disponible.

2.2.2 Organización por temas

La columna subject trae el tema tal y como lo nombra el ISTAC. Son 61 temas distintos, así que aquí van los 22 con 5 datasets o más; el resto está repartido en temas de 1 a 4 datasets. Los nombres de esta tabla son literalmente los valores de la columna, para que puedas filtrar por ellos en Excel.

Tema (valor de subject) Nº datasets Ejemplos de id
Empleo 57 ACCIDENTES_TRABAJO_BAJA, PARO_REGISTRADO, contratos por isla y municipio
Hostelería y turismo 22 ALOJATUR_ABIERTOS, ALOJATUR_ESTANCIAS_MEDIAS — pernoctaciones y viajeros por isla (mensual)
Población y hogares 22 POBLACION, POBLACION_00A14 — por municipio, isla, sexo y grupo de edad
Presupuestos y tributos 20 PRESUPUESTO_AYUNTAMIENTOS_LIQUIDADO_GASTO_HABITANTE y variantes por municipio
Movimiento natural 18 DEFUNCIONES, DEFUNCIONES_EDAD_MEDIA, nacimientos y matrimonios por municipio
Transporte, movilidad y comunicaciones 16 MATRICULA_VEHICULOS, PARQUE_VEHICULOS, tráfico aéreo interinsular
Empresas y centros de trabajo 14 DIRCE_EMPRESAS, EMPRESAS_SEGURIDAD_SOCIAL
Sistema de salud y atención sanitaria 13 GASTO_FARMACEUTICO, GASTO_FARMACEUTICO_MEDIO_ENVASE (mensual)
Igualdad y diversidad de género 11 REPRESENTACION_FEMENINA_ALCALDIAS_PC y otros indicadores por isla
Calidad de vida y usos del tiempo 10 JUEGOS_AZAR_APUESTAS_PRESENCIALES, JUEGOS_AZAR_BINGO
Industria 10 EIAP_PRODUCCION_PROPIA, EMPRESAS_INDUSTRIA_PERSONAL_OCUPADO
Justicia y seguridad ciudadana 9 POBLACION_RECLUSA, POBLACION_RECLUSA_HOMBRES
Condiciones de vida 8 DESIGUALDAD_INDICE_GINI, DESIGUALDAD_P80_P20
Educación y aprendizaje permanente 8 ALUMNADO_NO_UNIVERSITARIO_CONCERTADOS_REGIMEN_GENERAL
Turismo, comercio, transporte y otros servicios 8 EMPRESAS_SERVICIOS_PERSONAL_OCUPADO
Agricultura 7 SUPERFICIE_CULTIVO, SUPERFICIE_CULTIVO_HERBACEOS
Comercio 7 EMPRESAS_COMERCIO_PERSONAL_OCUPADO
Pensiones, prestaciones y ayudas de protección social 7 PENSIONES_CONTRIBUTIVAS, DESEMPLEO_PRESTACIONES
Comercio exterior e internacionalización de la economía 6 COMERCIO_EXTERIOR_DEFICIT_COMERCIAL
Construcción 6 CEMENTO_VENTAS, LICITACION_OFICIAL
Agricultura y ganadería 5 PRECIOS_AGRICOLAS_MEDIO_PONDERADO_AGUACATE
Empleos y relación con la actividad económica 5 AFILIACIONES_MEDIAS, AFILIACIONES_MEDIAS_HOMBRES
Otros 39 temas con menos de 5 datasets 111 PIB_PM, IPC, ENERGIA_ELECTRICA_DISPONIBLE, GANADO_BOVINO, HIPOTECAS_CONSTITUIDAS, IPV…

El mismo asunto aparece bajo varios subject. El ISTAC no tiene una clasificación única: la salud está repartida entre Sistema de salud y atención sanitaria (13), Estado de salud y morbilidad (3), Salud (3) y Salud y protección ambiental (3); la agricultura, entre Agricultura (7), Agricultura y ganadería (5), Ganadería (4) y Agricultura, ganadería y pesca (3). Busca por palabra clave en la columna id, no solo por subject.

2.3 Banco Mundial — WORLD_BANK/wb.datasets.xlsx (2.468 datasets)

Contiene indicadores del Banco Mundial filtrados para incluir solo los que tienen datos de al menos 100 países, al menos 10 años de datos, y cuya última observación es de 2022 o posterior. Nota: algunos indicadores tienen el último dato en 2022 o 2023; para cumplir el requisito de AEDV de datos posteriores a 2024, verifica la columna dateEnd antes de elegir. Las series arrancan desde 1960 en muchos casos.

2.3.1 Descripción de columnas

Columna Descripción
Nº Número de fila de referencia en el catálogo.
Topic Tema del indicador (en inglés). Permite agrupar por área de interés.
Id Código del indicador en la API del Banco Mundial (ej. SP.POP.TOTL). Es el valor que hay que incluir en el vector IDS en WORLD_BANK_DatasetSelection.Rmd.
Indicator Nombre del indicador en inglés.
Ncountries Número de países con datos (entre 100 y 265).
N.obs Número total de observaciones (filas).
dateStart Año del primer dato disponible.
dateEnd Año del último dato disponible.
Ndates Número de años distintos con datos (entre 11 y 143).
Indicator_desc Descripción detallada de cómo se mide el indicador y qué incluye. Muy útil para entender qué se está analizando exactamente antes de elegirlo.
last_updated Fecha de la última actualización del indicador en el Banco Mundial.
ANOTHER.DIMENSIONS Otras dimensiones disponibles en el dataset además de país y año.

2.3.2 Organización por temas

Tema (valor de Topic) Nº datasets Ejemplos de indicadores
(sin Topic) 928 Ver el aviso de debajo: proyecciones, protección social, deuda y población
Social Protection & Labor 598 Tasa de desempleo, cobertura de pensiones, subsidios de desempleo por país
Economy & Growth 204 PIB per cápita, comercio exterior (% PIB), inflación, formación bruta de capital
Health 178 Esperanza de vida, mortalidad infantil, gasto sanitario, prevalencia de enfermedades
Education 125 Tasa de alfabetización, ratio alumnos/profesor, gasto en educación (% PIB)
Private Sector 81 Facilidad para hacer negocios, densidad de nuevas empresas por país
Public Sector 71 Gasto público, deuda, ingresos fiscales por país
Aid Effectiveness 54 Flujos de ayuda bilateral por país donante y receptor
Financial Sector 37 Capitalización bursátil, crédito privado, acceso a servicios financieros
External Debt 34 Deuda externa total, uso del crédito del FMI
Agriculture & Rural Development 32 Consumo de fertilizantes, tierra agrícola, valor añadido agrícola (% PIB)
Gender 29 Tasa de alfabetización femenina, participación laboral por sexo, paridad educativa
Energy & Mining 28 Intensidad energética, acceso a electricidad, energías renovables (% consumo)
Infrastructure 23 Acceso a agua potable, uso de internet, infraestructura de transporte
Poverty 21 Población en chabolas, índice de pobreza multidimensional
Climate Change 12 Emisiones CO₂ per cápita, población en zonas costeras en riesgo
Environment 5 Recursos hídricos renovables, superficie forestal
Urban Development 5 Población urbana, crecimiento de las ciudades
Science & Technology 3 Gasto en I+D (% PIB), investigadores por millón de habitantes

Los 928 indicadores sin Topic: no aparecen al filtrar por tema

Más de un tercio del catálogo (928 de 2.468) tiene la columna Topic vacía. No son datos defectuosos —todos cumplen ya el filtro de ≥100 países y ≥10 años—, simplemente el Banco Mundial no les asignó tema. Si buscas por Topic en Excel, o le pides a una IA que filtre por esa columna, te los pierdes todos. Se distinguen por el prefijo del Id:

Prefijo Nº Qué son
PRJ.* 308 Proyecciones de población y nivel educativo hasta 2100
per_* 234 Protección social y equidad (base ASPIRE): cobertura y adecuación de prestaciones
DT.* 170 Deuda externa detallada por acreedor, plazo y tipo
SP.* 73 Población por edad, sexo y ámbito urbano/rural
BI.* 54 Empleo público (Worldwide Bureaucracy Indicators): plantilla, salarios y composición

Trampa con dateEnd: los 308 indicadores PRJ.* tienen dateEnd = 2100. Si ordenas el catálogo por esa columna para encontrar «lo más actualizado», salen los primeros — y son proyecciones, no observaciones. Para el proyecto necesitas datos observados: comprueba el prefijo del Id antes de fiarte de la fecha.

2.4 EUROSTAT — EUROSTAT/Eurostat.datasets.xlsx (1.763 datasets)

Contiene los datasets de la oficina estadística de la Unión Europea, filtrados para incluir solo los que tienen el último dato en 2024 o después, series lo bastante largas, cobertura suficiente en algún nivel NUTS, al menos 5 atributos combinados y datos de España.

Su interés para el proyecto es que EUROSTAT organiza la geografía en cuatro niveles NUTS anidados, lo que permite comparar España con el resto de Europa y, a la vez, bajar al detalle regional:

Nivel Qué es Código de Canarias
NUTS 0 Países (39 registrados) ES (España)
NUTS 1 Grandes regiones (115) ES7
NUTS 2 Comunidades autónomas o equivalente (299) ES70
NUTS 3 Provincias o equivalente (1.345). En Canarias es por islas, no por provincias ES705 (Gran Canaria), ES709 (Tenerife)…

Que Canarias aparezca en los tres niveles con códigos distintos (ES7, ES70 y las islas ES703–ES709) es lo que hace a EUROSTAT especialmente útil desde aquí: en muchos datasets se puede trabajar isla a isla.

2.4.1 Descripción de columnas

Columna Descripción
code Código del dataset. Es el valor que hay que poner en dataset.name en EUROSTAT_DatasetSelection.Rmd.
title Título del dataset en inglés.
topic Nombre corto (p. ej. POPULATION_DEMOGRAPHY_REGIONAL) que identifica la familia de datos a la que pertenece el dataset. Sirve para localizar de un vistazo todos los datasets del mismo ámbito y para recuperar su descripción completa (ver el aviso de abajo). Alrededor de un 20 % de los datasets no tienen topic porque EUROSTAT no publica ficha para ellos.
Freq Frecuencia temporal: Y (anual), S (semestral), Q (trimestral), M (mensual), W (semanal), D (diaria).
N.periodos Número de fechas distintas de la serie.
Ini / Fin Primera y última fecha disponibles.
N.observaciones Número total de observaciones (filas) del dataset.
N.regiones Número total de códigos geográficos distintos.
NUTS0, NUTS1, NUTS2, NUTS3 De esos códigos, cuántos son regiones reales de cada nivel. Son las columnas clave para el requisito de cobertura geográfica.
AGREG Códigos que son agrupaciones de países (EU27_2020, EA19…), no una región concreta.
OTHERS Códigos sin región real en los mapas NUTS actuales (Reino Unido, agregados estadísticos…).
ESPAÑA / CANARIAS Si el dataset tiene datos de España y de Canarias.
N.atrib.combinados Número de atributos combinados posibles (producto de las opciones de las dimensiones que no son la frecuencia, la geografía ni la fecha). Es una cota superior: no todas las combinaciones aparecen con datos.
Dimension_N.options Esas mismas dimensiones con su nº de opciones, en el formato nombre nº - nombre nº - ….
ESMS Dirección de la ficha de metadatos completa en la web de EUROSTAT.
last.update.of.data, last.table.structure.change, data.start, data.end, hierarchy Datos del catálogo original de EUROSTAT: fechas de actualización, rango temporal y profundidad en el árbol de temas.

Dónde está la descripción de los datos: Eurostat.topics.xlsx

La descripción que publica EUROSTAT de cada familia de datos ocupa varios miles de caracteres y se repite en todos los datasets de esa familia, lo que hacía el catálogo lentísimo de abrir en Excel. Por eso el catálogo solo trae el topic (el nombre corto), y los textos completos están en un fichero aparte, EUROSTAT/Eurostat.topics.xlsx, con dos columnas: topic y Descripcion.

Para leer de qué van unos datos, busca su topic en ese fichero. No hace falta hacerlo a mano para el dataset que elijas: EUROSTAT_DatasetSelection.Rmd lo consulta solo y deja la descripción completa en tu fichero de metadatos.

El título de EUROSTAT suele ser críptico

Los nombres de los datasets y de sus dimensiones van abreviados (na_item, B6N, MIO_EUR). Además de buscar su topic en Eurostat.topics.xlsx, ayuda mucho pegar el título o el code en una IA, o abrir el enlace de la columna ESMS. El propio EUROSTAT_DatasetSelection.Rmd traduce las abreviaturas a nombres completos al analizar el dataset.

2.4.2 Organización por temas

El prefijo del code (lo que va antes del primer guion bajo) identifica el ámbito temático: ilc_ son condiciones de vida, demo_ demografía, tour_ turismo… Es la forma más rápida de acotar la búsqueda en el Excel. Los prefijos que se listan entre paréntesis en la tabla son los principales de cada tema, no todos: hay familias menores que también cuentan (namq_ y nasa_ en economía, tran_ en transporte, htec_ en industria…).

Tema Nº datasets Ejemplos de datasets
Mercado laboral (lfs*, earn_, jvs_, hsw_, lc_) 309 Tasa de paro por sexo, edad y región; horas trabajadas; accidentes de trabajo; salarios y coste laboral
Condiciones de vida y pobreza (ilc_) 214 Riesgo de pobreza por umbral, edad y sexo; desigualdad (Gini); privación material — encuesta EU-SILC
Educación (educ_, edat_, trng_) 128 Alumnado por nivel educativo; abandono escolar temprano; formación continua
Transporte (road_, rail_, avia_, mar_) 116 Pasajeros aéreos entre regiones; transporte de mercancías por carretera y ferrocarril; accidentes de tráfico
Economía y cuentas nacionales (nama_, prc_, gov_, bop_) 102 PIB y renta de los hogares por región NUTS 2; precios; déficit y deuda pública; balanza de pagos
Demografía y proyecciones (demo_, proj_, cens_) 101 Población a 1 de enero por edad, sexo y región; defunciones semanales por NUTS 3; proyecciones hasta 2100
Migración y asilo (migr_) 97 Solicitantes de asilo por nacionalidad, edad y sexo (datos mensuales); permisos de residencia
Industria, comercio y servicios (sts_, ext_, inn_, ei_) 92 Producción industrial mensual; comercio exterior; innovación empresarial; indicadores de coyuntura
Salud (hlth_) 82 Causas de muerte por región; esperanza de vida saludable; recursos y gasto sanitario
Turismo (tour_) 77 Pernoctaciones y capacidad de alojamiento por región; gasto por país de destino
Energía (nrg_) 71 Balances energéticos; precios de la electricidad y el gas; energías renovables
Medio ambiente y clima (env_, sdg_) 64 Emisiones atmosféricas por actividad; residuos; indicadores de desarrollo sostenible
Agricultura y pesca (apro_, ef_, fish_, for_) 56 Producción agrícola y ganadera; estructura de las explotaciones; capturas pesqueras
Sociedad digital (isoc_) 48 Uso de internet por individuos y empresas; comercio electrónico; competencias digitales
Otros (naio_, rd_, urt_, crim_, cult_…) 206 Tablas input-output, I+D, estadísticas urbanas, criminalidad, cultura, juventud

2.5 EDGAR — dataset único de emisiones de gases de efecto invernadero (solo sirve para un estudiante)

EDGAR no tiene catálogo Excel previo: no hay nada que buscar, el dataset es uno solo. Por lo demás, EDGAR_GHG/EDGAR_GHG.Rmd está organizado igual que los *_DatasetSelection.Rmd del resto de fuentes, en dos partes: primero descarga y guarda en disco (EDGAR_GHG.rds y EDGAR_GHG_normalizado.rds con los datos, EDGAR_GHG_metadatos.xlsx con su ficha), y después analiza leyendo esos ficheros. La sección Análisis del dataset vuelve a ser autocontenida, y ya viene guardada para la memoria en EDGAR_GHG_analisis.Rmd, que se incluye con aedv_incluir_dataset() (paso 4).

El dataset ya está descargado y procesado, y la descarga solo se ejecuta si falta EDGAR_GHG.rds: compilar el documento no vuelve a bajar el fichero de EDGAR. Para actualizar a una versión más reciente hay que borrar los dos .rds y actualizar el año en la URL.

Como EDGAR no publica una descripción de sus indicadores, el EDGAR_GHG_metadatos.xlsx la trae en cuatro hojas: dataset (ficha general), Sector (qué es cada sector), Substance (qué es cada grupo de gases, con su unidad) e Indicador (qué es cada vista normalizada, con su unidad). Es el equivalente al Indicator_desc del Banco Mundial o al topic de EUROSTAT.

EDGAR_GHG.rds cubre 212 países y entidades, 9 sectores (más el TOTAL), 5 grupos de sustancias —todos ya expresados en CO₂-equivalente— y 56 años (1970–2025), con unas 280.000 filas. EDGAR_GHG_normalizado.rds (novedad de 2026) añade las emisiones per cápita (1970–2025) y por PIB (solo 1990–2025, el PIB no está disponible antes) para 210 países y entidades — 2 menos que el dataset principal, porque International Aviation e International Shipping no tienen población ni PIB propios.

Desde 2026 EDGAR distribuye menos detalle que antes: hasta la versión 2025 el dataset traía 38 sectores IPCC y 35 sustancias individuales en sus unidades físicas; EDGAR retiró esa distribución y ahora solo publica mapas en rejilla (sin agregar por país) o este resumen por país con 9 sectores y 5 grupos de gases. A cambio, ya no hace falta vigilar unidades distintas por sustancia (todo está en Mt CO₂-equivalente/año), hay dos entidades nuevas precalculadas (GLOBAL TOTAL y EU27) y se incorporan las vistas per cápita/PIB que antes no existían.

Los análisis que permite realizar son:

  • Evolución histórica de emisiones totales por país o región.
  • Comparación entre países en un año concreto (rankings), en absoluto o normalizado por población/PIB.
  • Análisis sectorial: qué sectores emiten más en un país (energía, transporte, industria, agricultura, residuos).
  • Análisis por grupo de gases: CO₂ fósil, metano (CH₄), óxido nitroso (N₂O), gases fluorados (agregados).
  • Relación entre emisiones y otros indicadores del Banco Mundial (PIB, población, energía), combinando ambas fuentes mediante el código de país.

Para usar EDGAR correctamente, filtra siempre por Sector y Substance antes de hacer sumas: las filas Sector == "TOTAL" (con Substance == "GWP_100_AR5_GHG") ya son la suma del resto, así que sumarlas junto con las demás duplicaría los valores. Ten en cuenta también que algunos países pequeños aparecen fusionados con un vecino (p. ej. España incluye a Andorra bajo el código ESP) y que GLOBAL TOTAL/EU27 no son países. Consulta la sección Descripción de las variables de la tabla en el documento compilado para más detalles.

2.6 CLIMA — variables climáticas de AdapteCCa (dos proyectos posibles, para dos ámbitos geográficos)

Al igual que EDGAR, CLIMA no tiene pasos 1 y 2 (no hay catálogo Excel que recorrer ni en el que buscar): los “datasets” son un conjunto fijo de 14 variables climáticas (temperatura, precipitación y varios índices derivados) medidas por región y mes con dos ámbitos geográficos a elegir:

Ámbito Carpeta Regiones Fuente / rejilla
Canarias CLIMA_CANARIAS/ 88 municipios AdapteCCa ROCIO+_CAN (~2,5 km)
España CLIMA_SPAIN/ 52 provincias AdapteCCa ROCIO_IBEB (~5 km, Península/Baleares/Ceuta/Melilla) + ROCIO+_CAN (~2,5 km, Canarias)

Los datos provienen del Visor de Escenarios de Cambio Climático de AdapteCCa (colección Escenarios-PNACC: OECC/MITECO, AEMET, CSIC y Fundación Biodiversidad), distribuidos en NetCDF vía THREDDS. Cada ámbito tiene dos documentos:

  • *_TableDatasetGeneration.Rmd — descarga los NetCDF de AdapteCCa y genera dos .rds: las observaciones (histórico, serie mensual con fecha) y las proyecciones (CMIP6). Este fichero solo se compila (puede tardar bastante) si se quiere actualizar los datos, pero para ello tendrían que haberse publicado datos nuevos y los nombres de acceso a los ficheros cambiarían. Estos datos no se publican anualmente.
  • *_DatasetSelection.Rmd — explora y valida las variables con la misma tabla de los tres criterios AEDV, e incluye mapas coropléticos por región y, para las proyecciones, la comparativa por modelo (dispersión inter-modelo de los 11 GCMs frente al ensemble, por escenario y horizonte). Está organizado en dos partes, igual que los *_DatasetSelection.Rmd del resto de fuentes: primero elige las variables y guarda su ficha, y después analiza leyendo del disco, de modo que la sección Análisis del dataset es autocontenida y ya viene guardada para la memoria en CLIMA_<ámbito>_analisis.Rmd, que se incluye con aedv_incluir_dataset() (paso 4). Los mapas y la comparativa por modelo van al final del documento y no se incorporan a la memoria: en Comprensión de los datos no van gráficos elaborados.

Como AdapteCCa no publica un catálogo de sus variables, cada ámbito genera su propio CLIMA_<ámbito>_metadatos.xlsx con cuatro hojas: dataset (ficha general), variables (qué mide cada variable, con su unidad), horizontes (el periodo de 30 años de cada uno) y escenarios (las 4 trayectorias SSP). Es el equivalente al Indicator_desc del Banco Mundial o al topic de EUROSTAT.

Cada ámbito produce dos datasets:

  • Observaciones (clima medido por AEMET, serie mensual con fecha yyyy-mm): Canarias 1990–2022, España 1951–2022 (2022 incompleto). Columnas: fecha · región · variable · unidad · value.
  • Proyecciones (CMIP6 regionalizado; climatologías por mes, sin año): 4 escenarios de emisión SSP (ssp126, ssp245, ssp370, ssp585) × 12 modelos (11 GCMs individuales + ensemble) × 4 horizontes: la base histórica de referencia (1971–2000) y 3 horizontes futuros (futuro cercano 2011–2040, medio 2041–2070 y lejano 2071–2100). Columnas: región · variable · unidad · escenario · modelo · horizonte · mes · value.
    • Se guardan los resultados por modelo además del ensemble. La columna modelo toma 12 valores: los 11 GCMs de CMIP6 (ACCESS-CM2, CMCC-CM2-SR5, CNRM-ESM2-1, EC-Earth3-Veg, IITM-ESM, KACE-1-0-G, MIROC6, MPI-ESM1-2-HR, MRI-ESM2-0, NorESM2-MM, UKESM1-0-LL) más ensemble (la media de los 11; campo average del origen). Mismos 11 modelos en temperatura ESD-RegBA y precipitación deepESD.

Las 14 variables (idénticas en ambos ámbitos): temperatura (tasmax, tasmin, tmean, sus extremos mensuales, noches tropicales, días de helada, días/noches cálidos, ola de calor) y precipitación (pr, días de lluvia, máximos en 1 y 5 días).

Los análisis que permite realizar son:

  • Evolución histórica mensual de cualquier variable por municipio (Canarias) o provincia (España).
  • Comparación entre regiones y rankings (climatologías).
  • Proyecciones futuras por escenario SSP, modelo (GCM individual o ensemble) y horizonte temporal, y su contraste con la línea base histórica; incluye la incertidumbre inter-modelo (dispersión entre los 11 GCMs).
  • Mapas coropléticos por región (municipios de Canarias / provincias de España).
  • Validación AEDV con una tabla de cobertura geográfica, actualización y tamaño de las series temporales.

Atención al requisito de “datos actualizados”. El histórico observado de AdapteCCa llega hasta 2022 (es una colección por versión —Escenarios-PNACC 2024—, no una serie que se actualice cada año). La cobertura geográfica y la longitud de las series son excelentes, por ello, aunque la fecha del último dato es 2022 lo aceptamos como proyecto de AEDV.

2.7 INFORME PISA — resultados educativos, pobreza y desigualdad (solo sirve para un estudiante)

Como EDGAR y CLIMA, INFORME_PISA no tiene catálogo Excel previo: es un dataset único, ya construido, en INFORME_PISA/INFORME_PISA.Rmd, con la misma estructura en dos partes que el resto (descarga/limpieza primero, análisis autocontenido después, ya guardado para la memoria en INFORME_PISA_analisis.Rmd).

Combina resultados del Informe PISA de la OCDE con contexto socioeconómico (pobreza, desigualdad y gasto en educación), a dos niveles geográficos a la vez:

Fichero Nivel Cobertura Ciclos/años
pisa_paises_2000_2025.rds País 105 países/economías 2000–2025 (9 ciclos PISA, trienal con huecos)
pisa_ccaa_2009_2025.rds Comunidad Autónoma 19 CCAA + España 2009–2025 (6 ciclos)
contexto_paises.rds País hasta 205 países (Banco Mundial) variable según indicador
contexto_ccaa.rds Comunidad Autónoma 19 CCAA + España (INE) 2000/2008/2014–2024/2025 según indicador

Origen de los datos de PISA: la descarga directa de la OCDE está bloqueada (error 403); los dos primeros ficheros se reconstruyen de Wikipedia, verificado cruzando España entre dos parseos independientes (coinciden exactamente). Los indicadores de contexto vienen del Banco Mundial (wbstats, misma API que el resto del proyecto) y del INE (ineapir); uno de ellos, el peso de la educación en el PIB regional, se obtiene de la Contabilidad Regional de España por descarga directa de INEbase, porque esa estadística no está en el catálogo INE.datasets.xlsx ni en la lista de operaciones de la API del INE.

Los cuatro ficheros están unidos por claves comunes: iso3c (código de país, construido con un proceso auxiliar de equivalencias de nombres) para cruzar los dos de país, y el nombre de región para cruzar los dos de CCAA (tabla de equivalencias en la hoja ccaa_geo de los metadatos, porque los nombres de región de Wikipedia y del INE/mapSpain no coinciden letra a letra).

Todos los indicadores de contexto están marcados como comparables o no entre unidades geográficas (columna comparable de la hoja contexto_indicadores): no basta con que un índice mida “algo relacionado” con pobreza o desigualdad, tiene que poder compararse entre países o entre CCAA. Por eso los indicadores de país son el índice de Gini y la pobreza relativa (% por debajo del 50 % de la renta mediana de cada país), y no una tasa de pobreza con un umbral distinto en cada país.

Los análisis que permite realizar son:

  • Comparación transversal entre países o entre Comunidades Autónomas en un ciclo PISA dado.
  • Evolución de un país o una CCAA a lo largo de los ciclos disponibles.
  • Relación entre resultado educativo y pobreza, desigualdad o gasto en educación, por país o por CCAA.

Frecuencia y tamaño de serie: PISA es un caso especial. Los dos ficheros de PISA son trienales con huecos (no todos los países/CCAA tienen los 9/6 ciclos), así que no encajan en el esquema de frecuencias Y/Q/M/W/D del criterio de tamaño de series de más abajo. Los dos ficheros de contexto sí son anuales y sí se miden con ese criterio. Aun así, el conjunto es válido para AEDV como dataset de comparación transversal (entre países o CCAA), no como serie temporal densa por país — ver el veredicto completo en la sección Validación global de requisitos AEDV de INFORME_PISA.Rmd.