¿Qué es y para qué sirve?

La Encuesta Nacional de Ingresos y Gastos de los Hogares (ENIGH) es una encuesta que se publica cada dos años. Su objetivo es proporcionar un panorama estadístico del comportamiento de los ingresos y gastos de los hogares en cuanto a su monto, procedencia y distribución; adicionalmente, ofrece información sobre las características ocupacionales y sociodemográficas de los integrantes del hogar, así como las características de la infraestructura de la vivienda y el equipamiento del hogar.

Uno de sus principales usos es el que le da el Coneval, pues a partir de la ENIGH se realizan las mediciones de pobreza multidimensional. Si quieres ver cómo hace el Coneval los cálculos en R (y otros programas estadísticos) puedes consultarlos aquí.

¿Cómo descargarla?

Actualmente la puedes descargar entrando al sitio del INEGI, y siguiendo la ruta Datos > Programas > Encuestas en hogares > Regulares > ENIGH > Nueva serie > Microdatos > concentradohogar. Ahí también encontrarás los resultados simplificados que publica el INEGI y, además de los cuestionarios que realizan, hay un útil manual que explica cada una de las variables que aparecen en la ENIGH (que te recomiendo tener siempre a la mano).

Aquí usaré la versión de 2018 en formato .csv, la más reciente a la fecha, la cual he subido a mi sitio de github para que sea más fácil replicar todo.

ENIGH <- read.csv("https://raw.githubusercontent.com/e-maruri/e-maruri.github.io/master/Bases/ENIGH_concentradohogar_2018.csv")

# Para más rápido siguiendo la ruta: 
# ENIGH <- read.csv("Bases/ENIGH_concentradohogar_2018.csv")

Resultados básicos

Uno de los elementos más importantes de la ENIGH es el factor de expansión, llamado factor en la base de datos, pues cada observación representa a otras viviendas y personas de condiciones socioeconómicas similares, por lo que el factor de expansión constituye el peso que se le da a cada unidad muestral para generalizar los resultados de la muestra a la población.

Veamos un ejemplo de su importancia. La siguiente tablita muestra que la suma de la columna factor representa el número total de hogares, que al multiplicar cada una por el número total de integrantes de cada hogar nos da la población total. Se observa que cuando no consideramos el factor de expansión el ingreso corriente promedio trimestral es de poco más de 46 mil pesos, pero cuando sí consideramos el factor es 49.6 mil pesos, que es justo el que reporta el INEGI (como puede verse aquí).

a <- sum(ENIGH$factor)
b <- sum(ENIGH$factor*ENIGH$tot_integ)
c <- mean(ENIGH$ing_cor)
d <- weighted.mean(ENIGH$ing_cor, ENIGH$factor)
A <- data.frame(matrix(c(a,b,c,d), ncol = 1))
row.names(A) <- c("Hogares", "Habitantes", "Ingreso corriente s.f.", "Ingreso corriente c.f.")
kable(A, col.names = c("Cantidad"), 
      caption = "Primer resumen ENIGH", format.args = list(big.mark = ","), digits = 0) %>%
  kable_styling(full_width = F, bootstrap_options = "striped") %>% 
  footnote(general_title = "Fuente: elaboracion propia con datos de la ENIGH, INEGI.", general = "", 
           symbol = c("s.f.: sin factor de expansión","c.f.: con factor de expansión"), 
           footnote_order = c("symbol", "general") )
Primer resumen ENIGH
Cantidad
Hogares 34,744,818
Habitantes 125,091,790
Ingreso corriente s.f. 46,044
Ingreso corriente c.f. 49,610
* s.f.: sin factor de expansión
† c.f.: con factor de expansión
Fuente: elaboracion propia con datos de la ENIGH, INEGI.

Deciles de ingreso

Uno de los principales resultados de la ENIGH es que nos permite generar los llamados deciles de ingreso; mostraremos cómo cambian los resultados cuando no consideramos el factor de expansión.

Primero una secuencia del 0.1 al 1 con incrementos de 0.1 con la función seq(), y luego creamos los deciles de ingreso con la función quantile(). Luego hacemos lo mismo con la función wtd.quantile() de la libreria reldist (que debes instalar previamente).

Lo que muestra la siguiente tabla es el límite superior de cada decil, es decir, sin considerar el factor de expansión, un hogar que tiene un ingreso corriente trimestral por debajo de 12,498 pesos (aprox. 4200 al mes) se considera del 10% más pobre del país por ingresos. En el otro extremo un hogar con un ingreso corriente trimestral por encima de 88,006 pesos (aprox. 29300 al mes) se considera del 10% más rico por ingresos del país.

Considerando el factor de expansión estas cifras cambian, y el cambio es mayor cuanto más subimos en la distribución del ingreso. Un hogar cuyo ingreso corriente trimestral sea mayor a 94,617 pesos (aprox. 31500 al mes) se considera del 10% más rico por ingresos del país.

deciles <- seq(0.1, 1, 0.1)
#Deciles sin factor
deciles_ingreso <- quantile(ENIGH$ing_cor, deciles)

#Deciles con factor
#utilizamos la función "wtd.quantile" de la libreria "reldist"
deciles_ingreso2 <- wtd.quantile(ENIGH$ing_cor, deciles, weight = ENIGH$factor)

#Comparación entre deciles 
kable(cbind(deciles_ingreso, deciles_ingreso2), 
      col.names = c("Sin factor de expansión", "Con factor de expansión"), 
      caption = "Deciles de ingreso, 2018", format.args = list(big.mark = ","), digits = 0) %>% 
  kable_styling(full_width = F, bootstrap_options = "striped") %>% 
  footnote(general_title = "Fuente: elaboracion propia con datos de la ENIGH, INEGI.", general = "")
Deciles de ingreso, 2018
Sin factor de expansión Con factor de expansión
10% 12,498 13,156
20% 17,892 18,896
30% 22,801 24,042
40% 27,845 29,359
50% 33,573 35,506
60% 40,456 42,696
70% 49,504 52,428
80% 62,567 66,594
90% 88,006 94,617
100% 4,501,830 4,501,830
Fuente: elaboracion propia con datos de la ENIGH, INEGI.

Ahora calculamos el ingreso promedio trimestral de cada decil, que es lo que comunmente publica el INEGI respecto a los deciles de ingreso.

#Deciles sin factor
ENIGH <- ENIGH %>% mutate(Decil_sf = case_when(
  ing_cor <= deciles_ingreso[1] ~ "I", 
  ing_cor <= deciles_ingreso[2] ~ "II",
  ing_cor <= deciles_ingreso[3] ~ "III",
  ing_cor <= deciles_ingreso[4] ~ "IV",
  ing_cor <= deciles_ingreso[5] ~ "V",
  ing_cor <= deciles_ingreso[6] ~ "VI",
  ing_cor <= deciles_ingreso[7] ~ "VII",
  ing_cor <= deciles_ingreso[8] ~ "VIII",
  ing_cor <= deciles_ingreso[9] ~ "IX",
  TRUE ~ "X"
)
)
B <- ENIGH %>% group_by(Decil_sf) %>% 
  summarize(Ing_prom=weighted.mean(ing_cor, factor)) %>% 
  arrange(Ing_prom)

#Deciles con factor
ENIGH <- ENIGH %>% mutate(Decil_cf = case_when(
  ing_cor <= deciles_ingreso2[1] ~ "I", 
  ing_cor <= deciles_ingreso2[2] ~ "II",
  ing_cor <= deciles_ingreso2[3] ~ "III",
  ing_cor <= deciles_ingreso2[4] ~ "IV",
  ing_cor <= deciles_ingreso2[5] ~ "V",
  ing_cor <= deciles_ingreso2[6] ~ "VI",
  ing_cor <= deciles_ingreso2[7] ~ "VII",
  ing_cor <= deciles_ingreso2[8] ~ "VIII",
  ing_cor <= deciles_ingreso2[9] ~ "IX",
  TRUE ~ "X"
)
)

C <- ENIGH %>% group_by(Decil_cf) %>% 
  summarize(Ing_prom = weighted.mean(ing_cor, factor)) %>% 
  arrange(Ing_prom)

kable(cbind(B,C[,2]), col.names = c("Decil", "Sin factor de expansión", "Con factor de expansión"), 
      caption = "Ingreso promedio por decil, 2018", format.args = list(big.mark = ","), digits = 0) %>%
  kable_styling(full_width = F, bootstrap_options = "striped") %>%
  footnote(general_title = "Fuente: elaboracion propia con datos de la ENIGH, INEGI.", general = "")
Ingreso promedio por decil, 2018
Decil Sin factor de expansión Con factor de expansión
I 8,713 9,114
II 15,290 16,100
III 20,324 21,429
IV 25,314 26,697
V 30,616 32,318
VI 36,961 38,959
VII 44,727 47,268
VIII 55,584 58,888
IX 73,630 78,596
X 156,133 166,763
Fuente: elaboracion propia con datos de la ENIGH, INEGI.

Percentiles de ingreso

Ahora lo mismo pero con percentiles, es decir, cada 1%.

percentiles <- seq(0, 1, 0.01)
percentiles_ingreso <- wtd.quantile(ENIGH$ing_cor, percentiles, weight = ENIGH$factor)

ENIGH <- ENIGH %>% mutate(Percentil = 0)

for(i in 1:nrow(ENIGH)){ 
  for(j in 1:101){ 
    if( percentiles_ingreso[j] <= ENIGH$ing_cor[i] &
                        ENIGH$ing_cor[i] <= percentiles_ingreso[j+1] ){
      ENIGH$Percentil[i] = j
      break } 
  }
} 
D <- ENIGH %>% group_by(Percentil) %>% 
  summarize(Ing_prom = weighted.mean(ing_cor, factor)) %>% 
  arrange(Ing_prom)

kable(cbind(D[1:25,], D[26:50,], D[51:75,], D[76:100,]),  
      col.names = c("Percentil","Ingreso promedio","Percentil","Ingreso promedio",
                    "Percentil", "Ingreso promedio","Percentil", "Ingreso promedio"),
      caption = "Ingreso promedio por percentil, 2018", format.args = list(big.mark = ","), digits = 0) %>%
  kable_styling(full_width = F, bootstrap_options = "striped") %>%
  footnote(general_title = "Fuente: elaboracion propia con datos de la ENIGH, INEGI.", general = "")
Ingreso promedio por percentil, 2018
Percentil Ingreso promedio Percentil Ingreso promedio Percentil Ingreso promedio Percentil Ingreso promedio
1 3,883 26 21,653 51 35,819 76 59,347
2 5,870 27 22,183 52 36,448 77 60,740
3 7,065 28 22,747 53 37,127 78 62,248
4 8,105 29 23,296 54 37,850 79 63,976
5 9,036 30 23,805 55 38,556 80 65,690
6 9,953 31 24,309 56 39,280 81 67,483
7 10,741 32 24,827 57 39,979 82 69,279
8 11,501 33 25,380 58 40,700 83 71,372
9 12,181 34 25,913 59 41,516 84 73,649
10 12,818 35 26,438 60 42,311 85 76,394
11 13,468 36 26,949 61 43,107 86 79,171
12 14,107 37 27,466 62 43,950 87 82,101
13 14,699 38 28,017 63 44,765 88 85,317
14 15,256 39 28,554 64 45,720 89 88,625
15 15,817 40 29,115 65 46,669 90 92,560
16 16,404 41 29,621 66 47,615 91 97,062
17 16,983 42 30,174 67 48,623 92 102,256
18 17,548 43 30,763 68 49,669 93 108,052
19 18,081 44 31,357 69 50,728 94 115,565
20 18,640 45 31,954 70 51,814 95 124,973
21 19,133 46 32,570 71 52,974 96 136,978
22 19,586 47 33,171 72 54,070 97 152,115
23 20,131 48 33,854 73 55,319 98 173,264
24 20,629 49 34,537 74 56,578 99 212,938
25 21,126 50 35,188 75 57,930 100 445,345
Fuente: elaboracion propia con datos de la ENIGH, INEGI.

Curva de Lorenz y coeficiente de Gini

La medida más común de desigualdad es el ínidice de Gini, el cual está estrechamente relacionado con la curva de Lorenz. La curva de Lorenz es una gráfica que describe cómo varía la distribución del ingreso de una población respecto a una distribución perfectamente igualitaria. El porcentaje de receptores de ingresos (o bien los deciles) se representa en el eje horizontal, no en términos absolutos, sino en porcentajes acumulativos, mientras que el eje vertical muestra la proporción del ingreso total recibido por cada porcentaje de la población (también en forma acumulada). La información para crear la curva de Lorenz se describe en la siguiente tabla.

E <- ENIGH %>% group_by(Decil_cf) %>%
  summarize(Ing_tot_dec = sum(ing_cor)) %>%
  arrange(Ing_tot_dec) %>%
  mutate(Pop_dec_ing_tot = Ing_tot_dec/sum(Ing_tot_dec)*100)

kable(E, col.names = c("Decil", "Ingreso total del decil", "Porcentaje del ingreso total"), 
      caption = "Ingreso corriente agregado por decil, 2018", format.args = list(big.mark = ","), digits = 2) %>%
  kable_styling(full_width = F, bootstrap_options = "striped") %>%
  footnote(general_title = "Fuente: elaboracion propia con datos de la ENIGH, INEGI.", general = "")
Ingreso corriente agregado por decil, 2018
Decil Ingreso total del decil Porcentaje del ingreso total
I 75,526,189 2.20
II 130,800,500 3.81
III 168,358,828 4.90
IV 205,030,537 5.97
V 244,804,789 7.12
VI 285,483,666 8.31
VII 350,899,371 10.21
VIII 415,883,703 12.10
IX 547,452,172 15.93
X 1,012,797,489 29.47
Fuente: elaboracion propia con datos de la ENIGH, INEGI.

Una vez que se construye la tabla anterior, es sencillo generar la curva de Lorenz. En ella se observa que el 50% de la población de menores ingresos recibe aproximadamente el 25% del ingreso total, menos del 30% que se queda sólo el 10% más rico de la población.

E$Decil_cf <- 1:10
rbind(0,E) %>% arrange(Ing_tot_dec) %>% 
  ggplot(aes(x=Decil_cf, y=cumsum(Pop_dec_ing_tot), group = 1)) + 
  geom_line() + geom_point() + 
  geom_abline(intercept = 0, slope = 10) + 
  coord_cartesian(c(0,10),c(0,100), expand = F) +
  scale_x_continuous(breaks = seq(0,10,1), limits = c(0,10)) +
  scale_y_continuous(breaks = seq(0,100,10), limits = c(0,100)) +
  labs(x = "Decil de ingreso", y = "Porcentaje de ingreso", 
       title = "México: curva de Lorenz, 2018", 
       caption = "Fuente: elaboración propia con datos de la ENIGH, INEGI") +
  theme_bw()

Como ya bien sabes, el índice de Gini es una medida numérica agregada de la desigualdad del ingreso que varía de 0 (igualdad perfecta) a 1 (desigualdad perfecta). Se mide gráficamente dividiendo el área entre la línea de igualdad perfecta y la curva de Lorenz entre el área total del triángulo que se forma a la derecha de la línea de igualdad en el diagrama de Lorenz. Cuanto mayor es el valor del coeficiente, mayor es la desigualdad en la distribución del ingreso; cuanto menor es, más equitativa es la distribución del ingreso.

La libreria reldist (que usamos para generar los deciles y los percentiles incorporando el factor de expansión) contiene una función que permite calcular el índice de Gini de manera sencilla (tal cual, la función se llama gini()). A continuación calculamos el índice de gini con y sin factor de expansión con el fin de resaltar una vez más la importancia de tomarlo en cuenta.

gini_sf <- gini(ENIGH$ing_cor)
gini_cf <- gini(ENIGH$ing_cor, weights = ENIGH$factor)

kable(cbind(gini_sf, gini_cf), col.names = c("Gini sin factor de expansión", "Gini con factor de expansión"), 
      caption = "México, coeficiente de gini de mercado, 2018", format.args = list(big.mark = ","), digits = 3) %>%
  kable_styling(full_width = F, bootstrap_options = "striped") %>%
  footnote(general_title = "Fuente: elaboracion propia con datos de la ENIGH, INEGI.", general = "")
México, coeficiente de gini de mercado, 2018
Gini sin factor de expansión Gini con factor de expansión
0.427 0.438
Fuente: elaboracion propia con datos de la ENIGH, INEGI. 
ENIGH_10_alto <- ENIGH %>% filter(Decil_cf=="X")
ENIGH_100_alto <- ENIGH %>% filter(Percentil==100)

kable(cbind(gini(ENIGH_10_alto$ing_cor, ENIGH_10_alto$factor), 
            gini(ENIGH_100_alto$ing_cor, ENIGH_100_alto$factor)),
      col.names = c("Gini del 10% más rico", "Gini del 1% más rico"), 
      caption = "México, coeficientes de gini de mercado, 2018", format.args = list(big.mark = ","), digits = 3) %>%
  kable_styling(full_width = F, bootstrap_options = "striped") %>%
  footnote(general_title = "Fuente: elaboracion propia con datos de la ENIGH, INEGI.", general = "")
México, coeficientes de gini de mercado, 2018
Gini del 10% más rico Gini del 1% más rico
0.27 0.295
Fuente: elaboracion propia con datos de la ENIGH, INEGI.

Contacto

emaruri@colmex.mx

Copyright © 2020 Emmanuel Maruri