El paquete de R
importinegi fue creado para facilitar la descarga y uso de
las bases de datos publicas del INEGI. Entre otras ventajas, este
paquete permite integrar múltiples bases de datos con un identificador
único en común, consolidar los datos en diferentes niveles de agregación
(p. ej. vivienda, localidad, municipio o entidad federativa), o
automatizar la codificación de valores perdidos en el sistema de R
NA).
La version 1.1.2 permite descargar y gestionar las bases
de datos de los siguientes proyectos estadisticos del INEGI:
El nombre de cada función representa las palabras clave o siglas del
proyecto INEGI (por ejemplo, censo_municipal() o
enoe()). En ocasiones, esta nomenclatura es seguida por una
característica especifica del proyecto estadístico. Por ejemplo, el
Censo de Población y Vivienda se puede acceder a través de cinco tipos
formatos de microdatos, siendo ITER una de ellas. Por lo tanto, las
funciones del Censo tienen una palabra clave adicional indicando el
formato de microdatos. Para acceder al formato ITER, por ejemplo, la
función es censo_poblacion_iter().
En el caso de la información georreferenciada, el nombre de la
funcion comienza con las siglas Sistema de Información Georreferenciada
(SIG). Estas siglas son sucedidas por una palabra clave del proyecto
geoestadístico. Por ejemplo, la función para acceder a lo datos de la
Red Nacional de Caminos es sig_caminos().
Existe una función especial, catalogo_inegi(), que
permite explorar el catálogo de proyectos estadísticos del INEGI, así
como la documentación completa de cada base de datos y proyecto
estadístico del INEGI. La función accede a la Red Nacional de Metadatos
(RNM), que es una plataforma de difusión y consulta de los metadatos de
cada proyecto estadístico del INEGI. La sintaxis de esta función es
sencilla. El único parámetro requerido es el número del proyecto
estadístico a consultar (id). En el siguiente bloque de
código, se accede (a través del navegador por default del sistema
operativo) a la documentación del proyecto estadístico “Censo Nacional
de Derechos Humanos Estatal 2018” a través de su número de proyecto
estadístico.
# Accede a la documentacion del Censo Nacional de Derechos Humanos Estatal 2018
catalogo_inegi(id = 443)Tecleando la función catalogo_inegi() (sin incluir nada
en el paréntesis) se puede descargar y almacenar en un objeto de R una
base de datos con el catálogo de proyectos del INEGI. Dicha base de
datos provee el número de proyecto estadístico (id), el
nombre del proyecto, los años en que se comenzó y finalizó el
levantamiento de los datos, la fecha de creación de los metadatos en la
RNM y la fecha de última actualización de los metadatos. El siguiente
bloque de código ilustra la descarga de la base de datos del catálogo de
proyectos del INEGI y su almacenamiento en un objeto de R.
# Descarga y almacena el catalogo de proyectos estadisticos del INEGI
catalogoINEGI = catalogo_inegi()Todas las funciones para los cinco tipos de microdatos de los censos tienen la misma sintaxis. Aunque las funciones varían en los parámetros requeridos, todas comparten tres parámetros indispensables.
El primer parámetro indispensable es el año (year) en
formato numérico. Los datos disponibles comienzan a partir de 1990 (e
incluyen los Conteos), pero no todos los tipos de microdatos están
disponibles para todos los años censales. La documentación de cada
función provee los años disponibles para cada tipo de microdatos del
censo.
El segundo parámetro indispensable es la entidad federativa
(estado) en formato alfanumérico. La selección por default
es Nacional, que provee los datos para todos los estados.
Los estados se deben escribir con letra capital y los estados con
múltiples palabras se escriben espaciados y sin acentos (p. ej.
San Luis Potosi). La Ciudad de México (anteriormente
Distrito Federal) se escribe CDMX.
El resto de los parámetros varía entre funciones. El primer grupo de
parámetros (totalestado, totalmunicipio,
totallocalidad y totalageb) requiere
información lógica (TRUE o FALSE), donde
FALSE es el default y significa que la base de datos
excluye los resultados agregados a nivel estado, municipio, localidad o
AGEB, respectivamente. El segundo grupo de parámetros
(localidades y manzana) también requiere
información lógica, donde TRUE es el default y significa
que la base de datos incluye información a nivel manzana o localidad,
respectivamente.
El objetivo de los parámetros lógicos es ofrecer flexibilidad al usuario en la descarga de los datos. Al manipular estos parámetros, el usuario puede limitar la descarga de datos a sólo uno de los niveles de gobierno o cualquier combinación de múltiples niveles de gobierno. En el siguiente bloque de código se presentan cuatro ejemplos de descarga de datos entre diversos niveles de gobierno.
# Default: a nivel localidad, pero sin datos a nivel estado ni municipio
censo.jalisco = censo_poblacion_iter(year = 2010, estado = "Jalisco")
# Datos a nivel estado, municipio y localidad
censo.jalisco = censo_poblacion_iter(year = 2010, estado = "Jalisco", totalestado = TRUE, totalmunicipio = TRUE)
# Datos a nivel estado y municipio, pero sin datos a nivel localidad
censo.jalisco = censo_poblacion_iter(year = 2010, estado = "Jalisco", totalestado = TRUE, totalmunicipio = TRUE, localidades = FALSE)
# Datos a nivel nacional
censo.nacional = censo_poblacion_iter(year = 2010, estado = "Nacional")Finalmente, en la muestra del Censo la unidad de análisis puede ser
personas, viviendas o migrantes. Por lo tanto, además del año y el
estado, un tercer parámetro requerido es muestra, que
representa la unidad de análisis. Las unidades de análisis en este
parámetro pueden ser Migrantes, Personas,
Viviendas u Hogar. En el siguiente bloque de
código se ilustra la descarga del cuestionario de personas para el Censo
2010 en el estado de Jalisco.
La función censo_municipal() descarga las bases de datos
de las cuatro temáticas y tiene tres parámetros indispensables. Primero,
se debe establece en formato numérico el año del levantamiento del
CNGMD, que puede ser 2011, 2013, 2015 ó 2017. En el parámetro
fuente, se debe definir en formato alfanumérico la temática
o fuente de la base de datos requerida. Finalmente, en el parámetro
datos, se debe definir en formato alfanumérico el conjunto
de bases de datos.
La relación entre los datos, conjunto de datos y fuentes puede ser
complicada, especialmente a partir del CNGDM de 2015. Se recomienda
consultar directamente en la documentación en linea del INEGI la
disponibilidad de datos por cada fuente, conjunto de datos y año de
levantamiento. Se puede acceder a dicha documentación directamente al
teclear la función censo_municial() (sin incluir nada entre
los paréntesis), como se muestra en el siguiente bloque de código.
Al elegir una fuente y conjunto de datos específicos, la función
descarga una lista de R con el conjunto de bases de datos
correspondiente. En el siguiente bloque de código, se ilustra la
descarga del conjunto de datos comision, de la fuente
ayuntamiento. El resultado de la descarga es una lista de R
con cinco bases de datos (ACT_AYUN, COM_AYUN, COM_TASU, IN_TEASU,
INI_AYUN).
# Descargar conjunto de datos "comision" del censo 2011
datos.comision = censo_municipal(year = 2011, fuente = "ayuntamiento", datos = "comision")Esta lista, sin embargo, no es útil para el análisis estadístico;
cada base de datos debe extraerse de la lista y almacenarse en un objeto
de R distinto. Esto se logra, primero, identificando la posición de la
base de datos en la lista con la función summary().
Posteriormente, debe extraer la base de datos, utilizando su posición
dentro de la lista, como se ilustra en el siguiente bloque de
código.
La función enigh_nuevaconstruccion() descarga las bases
de datos de la Encuesta Nacional de Ingreso y Gasto de los Hogares
(ENIGH) Nueva Construcción (2008-2014). La ENIGH Cuenta con diversas
bases de datos en tres unidades de análisis (vivienda, hogar y
personas). La ENIGH se compone de varias cadenas de bases de datos
subordinadas. Por ejemplo la base de datos “trabajos” tiene dos bases de
datos subordinadas (“agro” y “no agro”) y la base de datos “hogares”
tiene tres bases de datos subordinadas (“gasto hogar”, “erogaciones” y
“gasto tarjeta”). La función descarga cada una de las bases de datos que
componen la ENIGH.La función tiene dos parámetros. El primero es el año
del levantamiento de la ENIGH, que puede ser 2008, 2010, 2012 ó 2014. El
segundo parámetro es datos, que define la base de datos a
descargar. Las opciones son: “viviendas”, “hogares”, “concentrado”,
“erogaciones”, “gastohogar”, “gastotarjetas”, “poblacion”, “ingresos”,
“gastopersona”, “trabajos”, “agro” y “noagro”.
El siguiente bloque de código provee varios ejemplos del uso de esta función para descargar datos de la ENIGH 2014, Nueva Construcción.
La función enoe() descarga las bases de datos
trimestrales de la Encuesta Nacional de Ocupación y Empleo (ENOE) desde
2005. La sintaxis de la función tiene tres parámetros, de los cuales los
dos primeros son indispensables. Primero, se debe especificar el año de
levantamiento de los datos en formato numérico. Posteriormente se debe
especificar el trimestre del año en formato alfanumérico, los cuales
pueden ser trim1, trim2, trim3, o
trim4. La función descarga por separado las cinco bases de
datos que componen la ENOE. Sin embargo, el tercer parámetro,
integrar, que se describe al final de esta sub-sección,
integra las cinco bases de datos en una sola matriz de datos.
Cuando el parámetro integrar esta (por default) en
FALSE, la función descarga una lista de R con cinco bases
de datos separadas. La función summary provee un resumen de
las cinco bases de datos (nombre, tamaño y tipo de objeto) y permite
identificar la posición de cada base de datos en la lista. En el
siguiente bloque de código, se extrae la base de datos del cuestionario
de hogares de la ENOE 2005, Trimestre I.
# Crear un objeto con las cinco bases de datos de la ENOE, separadas.
lista.enoe05 = enoe(year = 2005, trimestre = "trim1")Esta lista, sin embargo, no es útil para el análisis estadístico;
cada base de datos debe extraerse de la lista y almacenarse en un objeto
de R distinto. Esto se logra, primero, identificando la posición de la
base de datos en la lista con la función summary(), como se
muestra en el siguiente bloque de código.
Posteriormente, se debe extraer la base de datos, utilizando su posición dentro de la lista. En el siguiente bloque de código, se ilustra la descarga de la base de datos hogares, que se encuentra en la tercera posición de la lista.
Como se explicó, el parámetro por defecto
integrar = FALSE, descarga las bases de datos por separado.
Sin embargo, estas bases de datos pueden integrarse directamente en una
sola matriz de datos utilizando la opción integrar = TRUE.
Esta opción conecta todas las bases de datos mediante el identificador
único que tienen en común. El siguiente bloque de código ilustra la
descarga e integración de las bases de datos de la ENOE Trimestre I.
La función sig_marcogeo() descarga los mapas del MGN
desde 1995 hasta 2013. Esta función utiliza el paquete
rdgal para descargar y gestionar archivos de información
georreferenciada. Se puede acceder a la documentación en línea del MGN
tecleando la función (sin incluir nada entre los paréntesis)
sig_marcogeo().
La sintaxis de la función tiene tres parámetros, de los cuales dos
son indispensables. Primero, se debe especificar el año del mapa en
formato numérico; los años disponibles se encuentran en la documentación
de la función. El segundo parámetro indispensable es el mapa. El MGN
provee cinco mapas diferentes: entidades,
municipios, ageb, urbano, y
rural, aunque la dispobilidad de algunos mapas varía entre
años. El tercer parámetro, version, solo es necesario en
los años que cuentan con múltiples versiones. Por ejemplo, el año 2010
cuenta las versiones 4.3, 5.0, ó
5.0.A.
El mapa descargado debe ser almacenado en un objeto de R. El
resultado es un objeto espacial de la clase
SpatialPolygonsDataFrame, a partir del cual se puede
realizar análisis espacial y estadístico. En el siguiente bloque de
código se ejemplifica la descarga del mapa de estados del MGN de 1995 y
se utiliza una función para su visualización.
Para utilizar los mapas de la RNC se necesitan dos funciones. La
primera función, sig_caminos_descarga(), descarga los mapas
de la RNC publicados entre 2016 y 2019. Esta función almacena en un
objeto de R los trece mapas que componen el conjunto de datos de la RNC.
En el siguiente bloque de código, se ilustra la descarga del conjunto de
mapas de la RNC para el año 2019.
La ventaja de la función sig_caminos_descarga() es que
descarga y almacena los trece mapas de la RNC en una lista de objetos
espaciales de R. Sin embargo, la desventaja es que esta lista no es útil
para el análisis espacial; cada mapa debe extraerse de la lista y
almacenarse en un objeto espacial de R distinto. La segunda función,
sig_caminos_extrae() cumple este propósito.
Para extraer cada mapa, es necesario especificar primero el objeto
con la lista de mapas previamente creado con la función
sig_caminos_descarga(). En el segundo parámetro, se debe
especificar el mapa que se desea extraer de la lista. Los trece mapas
disponibles son: estructura, localidad, maniobra_prohibida, plaza_cobro,
poste_de_referencia, puente, red_vial, sitio_de_interes, tarifas,
transbordador, red_localidad, red_sitio_de_interes, y union. También, la
lista de mapas se puede consultar utilizando la función
summary() sobre el objeto creado con la función
sig_caminos_descarga(). En el siguiente bloque de código,
se ilustra la extracción del mapa puente, que contiene
información de la ubicación geográfica de puentes carreteros.