Between 2010 and 2022, Colombia's data on the degree of inequality in wealth distribution based on the Gini coefficient reached 51.5. That year, the country was deemed as one of the most unequal countries in Latin America.

The Gini coefficient measures the deviation of the distribution of income (or consumption) among individuals or households in a given country from a perfectly equal distribution. A value of 0 represents absolute equality, whereas 100 would be the highest possible degree of inequality.

Graph and download economic data for GINI Index for Colombia (SIPOVGINICOL) from 1980 to 2023 about Colombia, gini, and indexes.

CO: Gini Coefficient (GINI Index): World Bank Estimate data was reported at 54.800 % in 2022. This records a decrease from the previous number of 55.100 % for 2021. CO: Gini Coefficient (GINI Index): World Bank Estimate data is updated yearly, averaging 53.600 % from Dec 1980 (Median) to 2022, with 28 observations. The data reached an all-time high of 59.100 % in 1980 and a record low of 49.700 % in 2017. CO: Gini Coefficient (GINI Index): World Bank Estimate data remains active status in CEIC and is reported by World Bank. The data is categorized under Global Database’s Colombia – Table CO.World Bank.WDI: Social: Poverty and Inequality. Gini index measures the extent to which the distribution of income (or, in some cases, consumption expenditure) among individuals or households within an economy deviates from a perfectly equal distribution. A Lorenz curve plots the cumulative percentages of total income received against the cumulative number of recipients, starting with the poorest individual or household. The Gini index measures the area between the Lorenz curve and a hypothetical line of absolute equality, expressed as a percentage of the maximum area under the line. Thus a Gini index of 0 represents perfect equality, while an index of 100 implies perfect inequality.;World Bank, Poverty and Inequality Platform. Data are based on primary household survey data obtained from government statistical agencies and World Bank country departments. Data for high-income economies are mostly from the Luxembourg Income Study database. For more information and methodology, please see http://pip.worldbank.org.;;The World Bank’s internationally comparable poverty monitoring database now draws on income or detailed consumption data from more than 2000 household surveys across 169 countries. See the Poverty and Inequality Platform (PIP) for details (www.pip.worldbank.org).

As an indicator for the analysis for income inequality. In 2020, the Gini Index recorded in the Colombian capital reached its highest level of inequality since at least 2012 with a **** coefficient, being * perfect equality. This comes as no surprise, because Colombia ranked as the second most unequal country in Latin America.

Gini Coefficient data was reported at 0.548 NA in 2022. This records a decrease from the previous number of 0.551 NA for 2021. Gini Coefficient data is updated yearly, averaging 0.537 NA from Dec 1992 (Median) to 2022, with 24 observations. The data reached an all-time high of 0.585 NA in 1999 and a record low of 0.497 NA in 2017. Gini Coefficient data remains active status in CEIC and is reported by Our World in Data. The data is categorized under Global Database’s Colombia – Table CO.OWID.ESG: Social: Gini Coefficient: Annual.

In 2023, the gini coefficient for urban areas in Colombia was approximately 0.54 points. Between 2002 and 2023, the figure dropped by around 0.01 points, though the decline followed an uneven course rather than a steady trajectory.

In 2023, the gini coefficient for rural areas in Colombia stood at approximately 0.48 points. Between 2002 and 2023, the figure dropped by around 0.04 points, though the decline followed an uneven course rather than a steady trajectory.

CO: Proportion of Population Spending More Than 10% of Household Consumption or Income on Out-of-Pocket Health Care Expenditure: % data was reported at 8.190 % in 2016. This records a decrease from the previous number of 20.010 % for 2008. CO: Proportion of Population Spending More Than 10% of Household Consumption or Income on Out-of-Pocket Health Care Expenditure: % data is updated yearly, averaging 20.010 % from Dec 1997 (Median) to 2016, with 3 observations. The data reached an all-time high of 21.310 % in 1997 and a record low of 8.190 % in 2016. CO: Proportion of Population Spending More Than 10% of Household Consumption or Income on Out-of-Pocket Health Care Expenditure: % data remains active status in CEIC and is reported by World Bank. The data is categorized under Global Database’s Colombia – Table CO.World Bank.WDI: Social: Poverty and Inequality. Proportion of population spending more than 10% of household consumption or income on out-of-pocket health care expenditure. Out-of-pocket health expenditure is defined as any spending incurred by a household when any member uses a health good or service to receive any type of care (preventive, curative, rehabilitative, long-term or palliative care); provided by any type of provider; for any type of disease, illness or health condition; in any type of setting (outpatient, inpatient, at home).;Global Health Observatory. Geneva: World Health Organization; 2023. (https://www.who.int/data/gho/data/themes/topics/financial-protection);Weighted average;This is the Sustainable Development Goal indicator 3.8.2[https://unstats.un.org/sdgs/metadata/].

Según el grado de desigualdad económica, medido por el coeficiente de Gini, Brasil es el país más desigual de América Latina. En contraste, República Dominicana muestra el menor nivel de desigualdad, con un coeficiente de Gini de 38,5. Así, esta última nación se posiciona incluso por debajo de países como Uruguay y Chile, que tienen los índices de desarrollo humano más altos en la región latinoamericana.

Based on the degree of inequality in income distribution measured by the Gini coefficient, Colombia was the most unequal country in Latin America as of 2022. Colombia's Gini coefficient amounted to 54.8. The Dominican Republic recorded the lowest Gini coefficient at 37, even below Uruguay and Chile, which are some of the countries with the highest human development indexes in Latin America. The Gini coefficient explained The Gini coefficient measures the deviation of the distribution of income among individuals or households in a given country from a perfectly equal distribution. A value of 0 represents absolute equality, whereas 100 would be the highest possible degree of inequality. This measurement reflects the degree of wealth inequality at a certain moment in time, though it may fail to capture how average levels of income improve or worsen over time. What affects the Gini coefficient in Latin America? Latin America, as other developing regions in the world, generally records high rates of inequality, with a Gini coefficient ranging between 37 and 55 points according to the latest available data from the reporting period 2010-2023. According to the Human Development Report, wealth redistribution by means of tax transfers improves Latin America's Gini coefficient to a lesser degree than it does in advanced economies. Wider access to education and health services, on the other hand, have been proven to have a greater direct effect in improving Gini coefficient measurements in the region.

The average for 2021 based on 12 countries was 44.83 index points. The highest value was in Colombia: 55.1 index points and the lowest value was in Dominican Republic: 38.5 index points. The indicator is available from 1963 to 2023. Below is a chart for all countries where data are available.

This dataset presents demographic information of 16,012 students admitted to various regional campuses of the Universidad Nacional de Colombia. The data are compared against departmental population statistics from the Colombian National Administrative Department of Statistics (DANE).

The dataset enables comparative analysis of higher education access gaps by employing Gini index calculations to quantify inequality and examine the impact of students’ school background, age, and socioeconomic status. The objective is to identify disparities in access among citizens aged 20–39 compared to the population admitted to higher education programs.

Resumen

MEDICIÓN DE POBREZA MONETARIA

La Misión para el Empalme de las Series de Empleo, Pobreza y Desigualdad - MESEP fue creada en enero de 2009 mediante un convenio DANE-DNP con el objetivo de evaluar los factores que afectaron la comparabilidad de las cifras de mercado laboral y pobreza con el paso de la Encuesta Continua de Hogares - ECH a la Gran Encuesta Integrada de Hogares - GEIH, y realizar los empalmes correspondientes. En su segunda fase de trabajo, la MESEP se concentró en el diseño de la nueva metodología de medición de pobreza monetaria.

Existen diferentes métodos para llevar a cabo la identificación de la población pobre. Sen (1979) diferencia entre dos métodos generales. El primero de ellos es el método directo. A través de éste se identifica el conjunto de hogares (o personas) que no satisfacen un grupo específico de necesidades previamente establecidas (condiciones de la vivienda, educación, composición demográfica del hogar, tenencia de activos, etc.). El segundo se denomina método indirecto. Es este caso la identificación se lleva a cabo mediante el cálculo de un umbral mínimo, por lo general asociado a un nivel de ingreso o gasto, por debajo del cual se considera que una persona no puede satisfacer sus necesidades básicas. Mientras que el primero se basa en la satisfacción efectiva de un conjunto de necesidades, el segundo hace referencia a la posibilidad de satisfacerlas (considerando para ello un nivel mínimo de ingresos).

Como ejemplos del método directo se cuentan el Índice de Necesidades Básicas Insatisfechas (NBI) y el nuevo Índice de Pobreza Multidimensional (IPM). La medición de pobreza monetaria a través de la definición de unas líneas de pobreza e indigencia se enmarca dentro del método indirecto, y fue producto de actualización y revisión metodológica por parte de la MESEP.

Para la medición de la pobreza monetaria se requieren dos elementos principalmente: el valor de las líneas de pobreza y el ingreso per-cápita disponible de los hogares. La línea de indigencia corresponde al valor de una canasta básica de alimentos y la de pobreza al valor de una canasta que incluye además de alimentos otros bienes básicos. Esta medición consiste en determinar cuántos hogares carecen de ingresos suficientes para comprar dichas canastas.

La metodología para la medición de pobreza en Colombia definida por la MESEP, adoptó cambios tanto en la línea de pobreza como en la construcción del agregado de ingreso del hogar, y ofrece una estimación actualizada de la pobreza en Colombia en tres aspectos. Primero, para la construcción de la línea de pobreza se utiliza una base estadística más reciente de los hábitos de consumo de los colombianos, la ENIG 2006-07 vs. ENIG 1994-95. Segundo, incorpora adelantos metodológicos recientes y ampliamente aceptados por expertos internacionales. Tercero, utiliza una medición más precisa del agregado de ingreso, omitiendo el Ajuste a Cuentas Nacionales que introduce sesgos no controlados en la distribución de los ingresos y la composición de la pobreza.

Los ingresos para la medición fueron tomados de la Gran Encuesta Integrada de Hogares - GEIH 2018.

Geographic coverage

Trece áreas metropolitanas tradicionales:

1. Medellín
2. Barranquilla
3. Bogotá D.C.
4. Cartagena
5. Manizales
6. Montería
7. Villavicencio
8. Pasto
9. Cúcuta
10. Pereira
11. Bucaramanga
12. Ibagué
13. Cali

Nuevas ciudades en la GEIH

1. Tunja
2. Florencia
3. Popayán
4. Valledupar
5. Quibdó
6. Neiva
7. Riohacha
8. Santa Marta
9. Armenia
10. Sincelejo
11. San Andrés

Otros Dominios

1. Otras Cabeceras
2. Resto

Departamentos:

1. Antioquia
2. Atlántico
3. Bogotá D. C.
4. Bolivar
5. Boyacá
6. Caldas
7. Caquetá
8. Cauca
9. Cesar
10. Córdoba
11. Cundinamarca
12. Choco
13. Huila
14. La Guajira
15. Magdalena
16. Meta
17. Nariño
18. N. De Santander
19. Quindío
20. Risaralda
21. Santander
22. Sucre
23. Tolima
24. Valle Del Cauca

La encuesta de Hogares tiene cobertura nacional que permite obtener resultados por zona urbana y rural, grandes regiones y total por departamento. No incluye los nuevos departamentos (Constitución 1991).

Universo de estudio

Está conformado por la población civil no institucional, residente en todo el territorio nacional.

Kind of data

Derivados de encuestas a hogares

Mode of data collection

Datos tomados de la Gran Encuesta Integrada de Hogares- GEIH

Research instrument

BASE CONCEPTUAL

Dentro del método indirecto de medición de pobreza existen dos alternativas metodológicas para la definición del nivel mínimo de recursos a partir del cual se supone la satisfacción de las necesidades básicas: el método del Consumo Calórico y el método del Costo de las Necesidades Básicas. A continuación se presenta una breve descripción de estos dos métodos, y adicionalmente, se reseña la metodología aplicada por la CEPAL para la definición de líneas de pobreza de carácter presupuestal.

1. MÉTODO DEL CONSUMO CALÓRICO (FOOD ENERGY INTAKE)

El método del consumo calórico o costo energético tiene por objetivo la especificación del nivel de gasto/ingreso total que permitiría la consecución de los requerimientos nutricionales mínimos. El supuesto básico es que a medida que crece el ingreso (gasto) también aumenta el consumo energético, aunque a una tasa decreciente. Para obtener la línea de pobreza se establece el punto de la función ingreso calórica en el cual se satisfacen los requerimientos nutricionales. Dicho punto tendrá asociado un monto de ingreso (gasto) equivalente al valor de la línea de pobreza (Z). Es importante mencionar que el método considera implícitamente el consumo alimentario y no alimentario. Esto debido a que el eje x representa el gasto total. Este aspecto resulta de gran importancia al analizar la consistencia de las líneas obtenidas a partir de este método.

A pesar de la ventaja que este método ofrece al requerir menor información (no es necesario diferenciar espacialmente los precios ni distinguir el componente no alimentario de la línea de pobreza), las líneas estimadas pueden resultar inconsistentes debido a que el nivel de gasto/ingreso no es el único determinante del consumo energético (Ravallion, 1998). Otros aspectos como las preferencias, el nivel de actividad, los precios relativos o los bienes de provisión pública también influyen en el consumo de calorías.

• Las preferencias: Los hogares urbanos tienden a consumir alimentos cuyo precio por caloría es más elevado (proteínas en lugar de carbohidratos). No se puede concluir, al comparar dos personas con gasto real similar, que aquella que consume alimentos cuyo precio por caloría es más alto sea más pobre.

• Los precios relativos: A diferencia de las zonas rurales, en las zonas urbanas los precios de algunos bienes no alimentarios tienden a ser relativamente menores que los de los alimentos. Puede ocurrir, que para un determinado nivel de ingreso, la demanda por alimentos en la zona urbana sea inferior a la de la zona rural. No significa sin embargo, que los hogares urbanos sean más pobres que los rurales.

• Nivel de actividad: Comúnmente los trabajos que se realizan en la zona urbana demandan menos calorías que los de la zona rural. Por tal razón el consumo de alimentos para un determinado nivel de ingreso tiende a ser menor en la zona urbana, sin que esto guarde relación con un síntoma de pobreza.

Cuando en la definición de las líneas de pobreza no se tienen en cuenta aspectos como los señalados anteriormente, pueden presentarse resultados inconsistentes que impiden una adecuada comparación del bienestar entre individuos. Por ejemplo, que la incidencia de la pobreza en la zona urbana supere la de la zona rural.

Otro aspecto característico de este método es que si bien determina el nivel de gasto/ ingreso en el que en promedio se satisface el requerimiento calórico, no permite identificar la pauta de consumo alimentaria de la población que los cumple. Esta es una limitación ya que existen múltiples formas de cumplir el requerimiento calórico. Con el método de consumo calórico no es posible identificar si el cumplimiento del requerimiento se da de forma "adecuada" o no.

1. MÉTODO DEL COSTO DE LAS NECESIDADES BÁSICAS (COST OF BASIC NEEDS)

Este enfoque tiene su origen en los trabajos seminales de Rowntree (1901, 1936 y 1941). En su trabajo de 1901 el autor hace referencia a dos tipologías de pobreza, primaria y secundaria. La primera la define como la situación en la que viven las familias cuyos ingresos no son suficientes para cubrir los requerimientos mínimos para mantener la eficiencia física. La pobreza secundaria la describe como la situación de aquellas familias cuyos ingresos habrían sido suficientes para cubrir los requerimientos mínimos, de no ser porque una porción de estos se destinó a otro tipo de consumo. Ambos conceptos guardan estrecha relación con el enfoque presupuestario a partir del cual se definen las líneas de pobreza extrema y pobreza. El método del costo de las necesidades básicas, como su nombre lo indica, consiste en calcular el costo de una canasta básica de consumo. Para ello se siguen, en términos generales, los siguientes pasos:

• Definir el requerimiento nutricional del componente alimentario. Por lo general se toma como referencia el valor estimado por la FAO (cerca de 2.100 calorías diarias por persona), considerando diferencias por edad, sexo o actividad.

• Estimar el costo asociado a la consecución del requerimiento nutricional, garantizando una dieta que respete los hábitos de consumo del estrato de referencia (por ejemplo, la población del primer

Global descriptive statistics of variables and constructed indices.

Description of the variables considered to construct the indices.

基尼系数在12-01-2022达0.548NA，相较于12-01-2021的0.551NA有所下降。基尼系数数据按年更新，12-01-1992至12-01-2022期间平均值为0.537NA，共24份观测结果。该数据的历史最高值出现于12-01-1999，达0.585NA，而历史最低值则出现于12-01-2017，为0.497NA。CEIC提供的基尼系数数据处于定期更新的状态，数据来源于Our World in Data，数据归类于全球数据库的哥伦比亚 – Table CO.OWID.ESG: Social: Gini Coefficient: Annual。

基尼系数（GINI系数）：世界银行估计在12-01-2022达54.800%，相较于12-01-2021的55.100%有所下降。基尼系数（GINI系数）：世界银行估计数据按年更新，12-01-1980至12-01-2022期间平均值为53.600%，共28份观测结果。该数据的历史最高值出现于12-01-1980，达59.100%，而历史最低值则出现于12-01-2017，为49.700%。CEIC提供的基尼系数（GINI系数）：世界银行估计数据处于定期更新的状态，数据来源于World Bank，数据归类于全球数据库的哥伦比亚 – Table CO.World Bank.WDI: Social: Poverty and Inequality。

Resumen

EMPALME DE SERIES DE POBREZA Y DESIGUALDAD (2012-2020)

Para el año 2021, en la Gran Encuesta Integrada de hogres (GEIH), se actualiza algunos aspectos metodológicos y particularmente el marco geoestadìstico. Con lo cual, los resultados de los indicadores construidos con las variables de ingreso y mercado laboral presentan cambios de niveles en las series de tiempo.

Para resolver el impacto sobre la comparabiidad de las cifras, el DANE ha venido trabajando en aplicar metodologías de empalmes para series de tiempo. En el año 2022 se publicó el empalme de mercado laboral (https://WWW.dane.gov.co/files/investigaciones/boletines/ech/ech/Nota-tecnica-empalme-series-GEIH.pdf). En el año 2023 se empalmó las cifras de pobreza de 2021 con marco muestral 2005 a la serie 2022 con marco muestral 2018 (https://WWW.dane.gov.co/files/operaciones/PM/anex-PM-NotaMetodologica-2022.pdf). Para el año 2024, se publica el empalme de pobreza y desigualdad 2012-2020 a la serie 2021-2023.

Geographic coverage

Trece áreas metropolitanas tradicionales:

1. Medellín
2. Barranquilla
3. Bogotá D.C.
4. Cartagena
5. Manizales
6. Montería
7. Villavicencio
8. Pasto
9. Cúcuta
10. Pereira
11. Bucaramanga
12. Ibagué
13. Cali

Nuevas ciudades en la GEIH

1. Tunja
2. Florencia
3. Popayán
4. Valledupar
5. Quibdó
6. Neiva
7. Riohacha
8. Santa Marta
9. Armenia
10. Sincelejo
11. San Andrés

Otros Dominios

1. Otras Cabeceras
2. Resto

Departamentos:

1. Antioquia
2. Atlántico
3. Bogotá D. C.
4. Bolivar
5. Boyacá
6. Caldas
7. Caquetá
8. Cauca
9. Cesar
10. Córdoba
11. Cundinamarca
12. Choco
13. Huila
14. La Guajira
15. Magdalena
16. Meta
17. Nariño
18. N. De Santander
19. Quindío
20. Risaralda
21. Santander
22. Sucre
23. Tolima
24. Valle Del Cauca

La encuesta de Hogares tiene cobertura nacional que permite obtener resultados por zona urbana y rural, grandes regiones y total por departamento. No incluye los nuevos departamentos (Constitución 1991).

Universo de estudio

Está conformado por la población civil no institucional, residente en todo el territorio nacional.

Kind of data

Derivados de encuestas a hogares

Mode of data collection

Datos tomados de la Gran Encuesta Integrada de Hogares- GEIH