tidyenigh

tidyenigh is an R package that ships analysis-ready data from the Encuesta Nacional de Ingresos y Gastos de los Hogares ENIGH survey in a consistent, tidy and reproducible fashion.

The package includes data from the 2016, 2018, 2020 and 2022 surveys. By analisys-ready we mean that by lazy-loading the package, the user has instant access to every data set in the survey. Our analysis-ready standard includes:

• Variable labels provided by the official documentation.
• Factor levels and labels for categorical variables.
• Proper data types for each variable.
• Original documentation for each data set with R’s help system.

The package also includes the original metadata for each data set, as it is required by INEGI’s licence.

Usage

Lazy Loading

Data is Lazy Loaded, so you can use it as soon as you load the package. Using gt::gt() is a great way to work with labelled data, as it will display the variable labels included in the package.

library(tidyenigh)

pop_gt <- poblacion2022 |>
  dplyr::select(sexo, edad, nivelaprob, entidad) |>
  head() |>
  gt::gt() 

pop_gt

Sexo	Edad	Nivel de instrucción aprobado	Entidad federativa
Mujer	91	Primaria	Aguascalientes
Mujer	48	Preparatoria o bachillerato	Aguascalientes
Mujer	13	Secundaria	Aguascalientes
Hombre	68	Preparatoria o bachillerato	Aguascalientes
Mujer	64	Profesional	Aguascalientes
Hombre	56	Profesional	Aguascalientes

Variable labels

Data includes variable and value labels

gastoshogar2016 |> 
  labelled::generate_dictionary(details = F) 

pos	variable	label
1	folioviv	Identificador de la vivienda
2	foliohog	Identificador del hogar
3	clave	Clave de gasto
4	tipo_gasto	Tipo de gasto
5	mes_dia	Mes y día del gasto
6	forma_pag1	Forma de pago 1
7	forma_pag2	Forma de pago 2
8	forma_pag3	Forma de pago 3
9	lugar_comp	Lugar de compra
10	orga_inst	Organización o institución proveedora
11	frecuencia	Frecuencia
12	fecha_adqu	Fecha de adquisición
13	fecha_pago	Fecha de pago
14	cantidad	Cantidad de artículos o servicios
15	gasto	Gasto efectuado
16	pago_mp	Pago mes pasado
17	costo	Costo del producto, artículo o servicio
18	inmujer	Gasto mujeres
19	inst_1	Primera Institución para cuidados de la salud
20	inst_2	Segunda Institución para cuidados de la salud
21	num_meses	Meses pagados
22	num_pagos	Número de pagos
23	ultim_pago	Fecha del último pago
24	gasto_tri	Gasto trimestral
25	gasto_nm	Gasto no monetario
26	gas_nm_tri	Gasto no monetario trimestral
27	imujer_tri	Gasto monetario trimestral en mujeres

Value labels and correct data types

Categorical variables were transformed into factors with the correct levels and labels.

poblacion2022 |>
  as_survey() |>
  gtsummary::tbl_svysummary(include = c(edad, diabetes, nivelaprob),
                            by = sexo) 

Characteristic	Hombre, N = 61,805,6771	Mujer, N = 67,193,3611
Edad	30 (14, 49)	32 (16, 51)
Diabetes
No aplica	0 (0%)	0 (0%)
Sí	15,587,901 (31%)	21,042,607 (38%)
No	34,192,493 (69%)	34,489,650 (62%)
Unknown	12,025,283	11,661,104
Nivel de instrucción aprobado
Ninguno	3,022,648 (5.1%)	3,920,893 (6.0%)
Preescolar	2,708,088 (4.5%)	2,617,377 (4.0%)
Primaria	16,641,005 (28%)	18,056,955 (28%)
Secundaria	15,194,486 (26%)	16,440,670 (25%)
Preparatoria o bachillerato	11,045,159 (19%)	11,271,174 (17%)
Normal	189,102 (0.3%)	402,977 (0.6%)
Carrera técnica o comercial	1,031,023 (1.7%)	2,432,440 (3.7%)
Profesional	8,884,056 (15%)	9,008,921 (14%)
Maestría	671,445 (1.1%)	691,544 (1.1%)
Doctorado	153,859 (0.3%)	176,949 (0.3%)
Unknown	2,264,806	2,173,461
1 Median (IQR); n (%)

Documentation

Official INEGI documentation is available within the package, using R’s help system.

?hogares2022

Check available data sets

enigh_documentation_2022 |>
  dplyr::select(data_set, description, cols, rows) |>
  gt::gt() 

Conjunto de datos	Descripción	Columnas	Filas
agro2022	Negocios agropecuarios de los hogares	66	17470
agroconsumo2022	Destino, cantidad y valor de los productos del negocio del hogar	11	57456
agrogasto2022	Gasto que realiza el negocio del Hogar	7	60180
agroproductos2022	Productos de los negocios agrícolas del hogar	25	69212
concentradohogar2022	Principales variables por hogar	126	90102
erogaciones2022	Erogaciones de capital por hogar	16	64779
gastoshogar2022	Gastos en los hogares	31	5075174
gastospersona2022	Gastos realizados en el hogar a nivel integrante	24	402557
gastotarjetas2022	Gastos realizados por el hogar y que fueron cubiertos mediante alguna tarjeta de crédito bancaria y/o comercial	6	13232
hogares2022	Características de los hogares que habitan los integrantes del hogar	141	90102
ingresos_jcf2022	Ingresos del programa Jóvenes Construyendo el Futuro	18	468
ingresos2022	Ingresos y percepciones financieras y de capital de los integrantes del hogar	21	397182
noagro2022	Negocios no agropecuarios de los hogares	115	23847
noagroimportes2022	Importe de los productos de los negocios no agrícolas del hogar	17	155839
poblacion2022	Características sociodemográficas de los integrantes del hogar	188	309684
trabajos2022	Condición de actividad de los integrantes del hogar de 12 o más años	60	165006
viviendas2022	Características de las viviendas que habitan los integrantes del hogar	64	88823

Installation

You can install the latest version of tidyenigh from GitHub with:

# install.packages("devtools")

devtools::install_github("estebandegetau/tidyenigh")

Reproducibility

A consistent and reproducible workflow is key to the development of tidyenigh. The original data was cleaned from its .zip original format using R code, which is available to the savvy user in the data-raw folder.