library(renoe)
#> Warning: replacing previous import 'ggplot2::as_label' by
#> 'sjlabelled::as_label' when loading 'renoe'renoe
El paquete renoe permite descargar, cargar, fusionar,
procesar y analizar los microdatos de la Encuesta Nacional de Ocupación
y Empleo (ENOE) de México desde 2005. Está diseñado para facilitar
tareas comunes de manejo de datos, incluyendo la descarga de microdatos,
la fusión de tablas, la construcción de identificadores, el
procesamiento de variables sociodemográficas, laborales y del hogar, así
como la imputación de ingresos ocupacionales.
Si el paquete aún no está en CRAN, puede instalarse desde GitHub:
# install.packages("devtools")
devtools::install_github("aniuxa/renoe")Puede descargarse y cargarse la ENOE de un trimestre específico. La
opción rapida = TRUE omite el etiquetado de variables y
acelera la carga.
descarga_enoe(2023, 4)
datos <- carga_enoe(2023, 4, rapida = TRUE)Si se desea recuperar las tablas por separado, puede usarse
list = TRUE:
tablas <- carga_enoe(2023, 4, list = TRUE, rapida = TRUE)
names(tablas)Para trabajar con una base unificada que integre vivienda, hogar,
sociodemográfico y los componentes COE, puede utilizarse
fusion_enoe().
datos_fusionados <- fusion_enoe(2023, 4)La función utiliza una estrategia de fusión robusta basada en identificadores disponibles, lo que reduce problemas de duplicación o pérdida de registros cuando cambian nombres o tipos de variables entre trimestres.
También es posible guardar directamente el resultado en distintos formatos:
fusion_enoe(2023, 4, formato = "parquet", guardar = TRUE)Una vez cargados o fusionados los datos, pueden generarse variables derivadas para distintos niveles de análisis.
datos <- procesar_vars_sociodemo(datos_fusionados, anio = 2023, trimestre = 4)Esta función genera, entre otras, variables de sexo, edad, grupos etarios, asistencia escolar, estado conyugal, parentesco resumido, ruralidad y zona económica regional.
datos <- procesar_vars_hogar(datos, anio = 2023, trimestre = 4)Esta función construye tipologías de hogar, tamaño del hogar sin servicio doméstico, tasas de dependencia, conteos por grupos de edad e indicadores de presencia de niñez, juventud y adultez mayor.
datos <- procesar_vars_laborales(datos)Esta función armoniza la codificación ocupacional, calcula niveles de habilidad, desajuste educativo, experiencia previa de trabajo y variables de temporalidad contractual.
datos <- procesar_tiempo(datos, anio = 2023, trimestre = 4)Las variables específicas de tiempo se expresan en horas. En este procesamiento, los valores faltantes de tiempo en actividades específicas se convierten en cero para facilitar la construcción de agregados y su uso en análisis descriptivos.
datos <- procesar_contribucion_hogar(datos)Esta función genera ingreso ocupacional individual deflactado, agregados del hogar, indicadores per cápita y quintiles ponderados de ingreso y trabajo no remunerado.
Un flujo típico de trabajo podría ser el siguiente:
datos <- fusion_enoe(2023, 4)
datos <- datos |>
procesar_vars_sociodemo(anio = 2023, trimestre = 4) |>
procesar_vars_hogar(anio = 2023, trimestre = 4) |>
procesar_vars_laborales() |>
procesar_tiempo(anio = 2023, trimestre = 4) |>
procesar_contribucion_hogar()El paquete también incluye herramientas para imputar ingresos ocupacionales faltantes:
datos <- imputa_ingocup(datos)Esto resulta útil para análisis de desigualdad, condiciones laborales o contribución económica al hogar.
Si se desea aplicar varias transformaciones de forma más automatizada, puede utilizarse una función de procesamiento integral si está disponible en la instalación del paquete:
procesados <- procesar_variables_enoe(datos_fusionados, 2023, 4)Dependiendo de la versión del paquete, esta función puede integrar procesamiento sociodemográfico, del hogar, laboral, de tiempo e imputación.
Para consultar metadatos y verificar qué archivos están disponibles para un trimestre específico:
info_trimestre(2023, 4)También pueden descargarse los cuestionarios de la ENOE en PDF:
descargar_cuestionarios(2023, 4)Después de procesar la base, puede guardarse en formatos reutilizables para evitar repetir todo el flujo:
saveRDS(datos, "datos/enoe_2023_4t_procesada.rds")o bien desde la propia fusión:
fusion_enoe(2023, 4, formato = "rds", guardar = TRUE)