• http://dx.doi.org/10.18235/0013861

Naranjo, Sandra, et al. (2025). Código de Muestra para: Creación de Indicadores de Nóminas Públicas: Una Guía Metodológica. Datos Abiertos del BID. https://doi.org/10.60966/6x55ayx4

1. Español

¿Qué es esto? ¿Es un archivo de datos (por ejemplo, un CSV)?

Más que un conjunto de datos estático, se trata de un kit de herramientas metodológicas: un proyecto completo de R formado por varios scripts. Su función es tomar datos brutos de nómina pública, depurarlos, estandarizarlos y producir, al final del proceso, un conjunto de indicadores clave de desempeño (KPI) listos para el análisis.

¿Cuál es el público objetivo de este conjunto de herramientas?

** Este proyecto está diseñado para dos públicos principales: * Analistas de datos: Analistas competentes en R en el gobierno, el ámbito académico o la sociedad civil que puedan ejecutar los scripts para procesar datos brutos de nómina y explorar la metodología. * Responsables de políticas: Funcionarios que necesitan entender los tipos de indicadores que se pueden generar (como tendencias de la masa salarial, rotación y brechas salariales) para fundamentar la gestión y la reforma del sector público.

¿Qué necesito para ejecutar este proyecto?

** Necesitarás: 1. R y RStudio. 2. Las bibliotecas de R enumeradas en el script 00_global.R (por ejemplo, tidyverse, data.table, fixest). 3. Archivos de datos brutos de nómina. Los scripts están configurados para buscar archivos .csv brutos (por ejemplo, country_planta.csv, country_contrata.csv, country_honorarios.csv) como entrada inicial.

¿Qué indicadores clave de desempeño (KPI) de nómina puedo calcular con este conjunto de herramientas?

** Los scripts están estructurados para generar una amplia variedad de indicadores. Las categorías clave incluyen: * Masa salarial y remuneración: Crecimiento de la masa salarial, remuneración promedio, compresión salarial (por ejemplo, el 10% superior frente al 10% inferior) y composición de la remuneración (por ejemplo, salario base frente a bonificaciones). * Empleo: Crecimiento de la plantilla y cifras totales de empleo, calculadas con la lógica de Equivalente a Tiempo Completo (ETC). * Rotación y movilidad: Rotación de empleados (contrataciones y bajas) para el sector público en su conjunto y dentro de organizaciones específicas. * Promociones: Progresión profesional, incluidas las tasas de promoción y las promociones a puestos de nivel ejecutivo/director. * Equidad salarial: Análisis detallado de la brecha salarial de género.

¿Cómo me ayuda este conjunto de herramientas a calcular la brecha salarial de género?

** El conjunto de herramientas ofrece un enfoque robusto de varios pasos: 1. Asignación de género: Primero limpia y asigna un género a cada registro de empleado en función de los nombres de pila utilizando un diccionario dedicado (genero_comprimido). 2. Brecha bruta (no ajustada): El script principal de indicadores (11_crear_indicadores.R) calcula la brecha salarial bruta. Lo hace dividiendo el salario masculino promedio entre el salario femenino promedio para un grupo dado (por ejemplo, por organización o rango). 3. Brecha ajustada (modelada): Para un análisis más avanzado, un script independiente (12_limpiar_indicadores.R) utiliza modelado de regresión (feols). Calcula la brecha «ajustada» midiendo el efecto del género sobre la remuneración después de controlar otros factores clave, como el rango (grado), la región y el tipo de contrato (contract_type_dummy).

¿Cómo está estructurado el proyecto?

** El proyecto sigue una secuencia de procesamiento clara: * Scripts 00-02: Configuran el entorno global, convierten los datos .csv brutos y combinan los archivos. * Scripts 03-07: Realizan una limpieza y estandarización profundas de todas las columnas, incluidas las organizaciones, el género, los puestos de trabajo y los IDs únicos de empleado. * Scripts 08-09: Construyen las variables clave de los indicadores, específicamente para promociones y rotación. * Scripts 10-12: Finalizan el conjunto de datos, calculan todos los indicadores mediante una función de resumen y modelan indicadores específicos como la brecha salarial de género ajustada.

¿Cómo definen los scripts la «rotación»?

** La rotación se calcula en 09_limpiar_rotacion.R. Una «contratación» (id_appear) se identifica como la primera vez que un ID único de empleado aparece en los datos, o si hay un intervalo de más de un año en su registro. Una «baja» (id_disappear) se identifica como el último mes en que aparece un ID de empleado, siempre que no sea el final del conjunto de datos o que le siga un intervalo de más de 1 año. Los scripts calculan esto tanto para el conjunto del sector público como para organizaciones individuales.

¿Cuál es la definición generalmente aceptada de la brecha salarial de género y cómo se mide?

Este conjunto de datos no ofrece una definición textual de la brecha salarial de género. Sin embargo, proporciona dos scripts de R distintos para su medición: 1. Brecha no ajustada: El script 11_crear_indicadores.R calcula una brecha bruta no ajustada comparando la remuneración promedio de hombres y mujeres (por ejemplo, value[genero == 'hombre']/value[genero == 'mujer'] - 1). 2. Brecha ajustada: El script 12_limpiar_indicadores.R calcula una brecha ajustada ejecutando un modelo de regresión (feols) para medir el efecto del género sobre la remuneración después de controlar otros factores como el rango del empleado (grado), la región y el tipo de contrato.

¿Puede aclarar la distinción entre las cifras de la brecha salarial de género 'no ajustada' y 'ajustada'?

** Sí. Este conjunto de herramientas proporciona la metodología para calcular ambas: * Una brecha «no ajustada» (o bruta) se calcula en el script 11_crear_indicadores.R. Es una comparación directa de la remuneración promedio de hombres y mujeres (por ejemplo, fmean(pago_bruto[genero == 'hombre'])/fmean(pago_bruto[genero == 'mujer'])) sin tener en cuenta ningún otro factor. * Una brecha «ajustada» se calcula en el script 12_limpiar_indicadores.R. Este método utiliza un modelo de regresión (feols) para aislar el efecto del género sobre la remuneración controlando estadísticamente otras variables que influyen en el salario, como el rango del empleado (grado), la región y el tipo de contrato (contract_type_dummy).

¿Cuáles son las métricas de desempeño básicas para los departamentos de nómina?

** Este conjunto de herramientas está diseñado para generar una base de datos final y limpia (country_full_final) de la que se pueden derivar varias métricas de desempeño básicas. El script 11_crear_indicadores.R muestra la metodología para calcular KPI en categorías como: * Masa salarial y costo: Gasto total de nómina, nómina como proporción del PIB y nómina como proporción del gasto público. * Empleo: Número total de empleados (plantilla) y Equivalentes a Tiempo Completo (ETC). * Equidad y compresión salarial: Brechas salariales de género (ajustadas y no ajustadas) y ratios de compresión salarial (por ejemplo, la remuneración promedio del 10% superior frente al 10% inferior). * Rotación y movilidad: Tasas anuales de contratación y de bajas, calculadas para todo el sector público y a nivel de organización individual. * Progresión profesional: Tasas de promoción de empleados, incluidas las promociones a puestos de nivel directivo. * Operaciones de nómina: Número de pagos múltiples por empleado por mes (calculado en 10_limpiar_final.R).