1 Presentación

Este documento electrónico pretende atender el desarrollo analítico (con su respectivo código) de la Encuesta Nacional de Calidad e Impacto Gubernamental (ENCIG) 2023. Para evitar una extensión considerable que pueda distraer los fines del análisis, en este contenido no se presentarán la totalidad de los códigos utilizados en el análisis.

    De acuerdo con la página del INEGI referente al ENCIG, la encuesta fue levantada del 30 de octubre al 15 de diciembre del 2023. Los fines del levantamiento de esta información fue la evaluación del gobierno, así como sus decisiones, a través de la consulta sistematizada de ciudadanxs; aclarando que el enfoque principal son los trámites y servivios gubernamentales. Un segundo enfoque del levantamiento es el análisis de la prevalencia de las víctimas de corrupción en las dinámicas burocrático-gubernamentales. Los objetivos específicos pueden ser consultados en la sección de Programas de información … correspondientes a este levantamiento.

    Una presentación ejecutiva nacional puede ser descargada y consultada dando clic en el siguiente enlace:

• PDF de la Presentación ejecutiva nacional

Así mismo, el cuestionario aplicado puede ser consultado dando clic en el siguiente enlace:

• PDF del Cuestionario

Un documento adicional para la consulta de la información contenido en las tablas publicadas de esta encuesta.

• Descriptor de archivos (FD)

  Fuente: INEGI, Catálogo de proyectos-ENCIG 2023.

2 Documentación

En esta sección se presenta el contenido que forma la base de la investigación. Se presenta y desarrolla la información por la cual los datos fueron colectados, el tipo de colecta de datos que se realizó, los medios, …; es decir, se presentan los metadatos o las fuentes de acceso a los mismos.

    La información del diseño estadístico del levantamiento indica que se recaudó la información de 46 mil vivendas, estableciendo a la vivienda como la unidad de muestreo. El marco muestral que es señalado en la página fue el Marco Nacional de Viviendas del año 2012 del INEGI, construido a partir de la información del 2010 a través del Censo de Población y Vivienda de dicho año. Un desarrollo de la descripción metodológica para la selección muestral, el diseño de la encuesta, entre otras cuestiones, puede ser consultado en este documento PDF. El informe operativo puede ser consultado a través del siguiente documento.

    Así mismo, el INEGI provee un documento con los antecedentes y aspectos conceptuales/metodológicos para el desarrollo de la encuesta.

    El método de colecta de datos establecido fue por medio de dispositivos de cómputo móviles, de manera asistida. Los metadatos pueden ser consultados en el presente enlace.

3 Carga de tabla(s) y exploración de contenido previa

El primer paso para comenzar con el análisis fomal se trata de la carga de la información al espacio de trabajo. Dicha información, en estos casos, suele estar contenida en una base de datos para su extracción y consulta; de esta manera, una base de datos puede estar compuesta de una o más tablas. En el caso del proyecto ENCIG-2023, la base de datos está integrada por seis tablas. Dichas tablas están contenidas en una carpeta descargable en este enlace, aunque en otros casos, no será necesaria la descarga de las tablas al ordenador.

Figura 1. Composición de la base de datos de la ENCIG-2023. La base de datos se compone de seis tablas conectadas a través de llaves o claves, que son variables de identifición común entre las distintas tablas.

    Posterior a la descarga, en este caso, es necesaria la descompresión de los archivos contenidos en el archivo .zip. Para este método existen alternativas que no serán desarrolladas en este documento. Los archivos contenidos serán las tablas correspondientes a cada recuadro representado en el esquema anterior. Una vez los archivos son descomprimidos, es posible obtener su respectiva ruta de acceso, con lo que cada una será adjuntada en la parte correspondiente del siguiente código(colocando la rayta de acceso entre comillas).

# Código de carga de las tablas al entorno de trabajo.
library(readr)  # Carga de la libreria requerida para la importación 
                # de las tablas con la extención apropiada.
library(dplyr) # Carga de librería para la manipulación de tablas
secciones<-read.csv("ruta_acceso/Carpeta1/Carpeta2/.../tabla1ENCIG.csv") # Objeto
        # que contiene la tabla leída de acuerdo con la ruta de acceso proporcionada.
secc_2 <- read.csv("ruta_acceso/Carpeta1/Carpeta2/.../tabla_2ENCIG.csv")
secc_6 <- read.csv("ruta_acceso/Carpeta1/Carpeta2/.../tabla_3ENCIG.csv")
secc_7 <- read.csv("ruta_acceso/Carpeta1/Carpeta2/.../tabla_4ENCIG.csv")
secc_8 <- read.csv("ruta_acceso/Carpeta1/Carpeta2/.../tabla_5ENCIG.csv")
secc_11 <- read.csv("ruta_acceso/Carpeta1/Carpeta2/.../tabla_62ENCIG.csv")

    Al observar la figura 1 se puede observar cuáles columnas son aquellas que sirven como llaves para el enlace entre las tablas. Dichas columnas están marcadas por las figuras en formas de llave y llevan el mismo nombre en cada tabla en la que está contenida.

    Las seis tablas contienen la siguiente información de acuerdo con la información de la misma encuesta:

• encig2023_01_sec1_a_3_4_5_8_9_10: Contiene las características de las viviendas que habitan los integrantes de los hogares encuestados y características de la elegida. De igual manera, comprende información sobre la percepción de corrupción, la evaluación de los servicios básicos y los servicios públicos bajo demanda, además de las experiencias de corrupción general.

• encig2023_02_residentes_sec_2: Contiene las características sociodemográficas de lxs residentes del hogar.

• encig2023_03_sec_6: Contiene las características sobre las experiencias con trámites, pagos o servicios públicos, así como posibles experiencias de corrupción experimentados por los informantes seleccionados en 22 pagos, trámites y servicios públicos.

• encig2023_04_sec_7: Contiene las características sobre la calidad de los trámites, pagos o servicios públicos, los problemas enfrentados por los usuarios durante la realización del trámite, pago o servicio, el tiempo invertido y la satisfacción con el trato recibido.

• encig2023_05_sec_8: Contiene las características sobre los factores que propician las prácticas de corrupción.

• encig2023_01_sec_11 Contiene las características sobre la confianza en instituciones y actores diversos.

Las secciones de la encuesta también pueden ser identificadas de acuerdo con la siguiente acotación:

  Sección I. Residentes de la vivienda e identificación de hogares.
  Sección II. Integrantes del hogar principal y características sociodemográficas.
      Sección A. Confianza en la Administración Pública.
  Sección III. Percepción de corrupción.
  Sección IV. Evaluación de servicios básicos.
  Sección V. Evaluación de servicios públicos bajo demanda.
  Sección VI. Experiencias con pagos, trámites y servicios públicos.
  Sección VII. Calidad de trámites y servicios públicos.
  Sección VIII. Corrupción.
  Sección IX. Corrupción general.
  Sección X. Gobierno electrónico.
  Sección XI. Confianza en instituciones.

4 Primera revisión de contenido en tablas

Esta sección se encarga de presentar algunas de las cuestiones del tratamiento previo de datos. Entre estas cuestiones podemos encontrar la limpieza de los nombres de las variables, del contenido de las variables, la recodificación, la transformación de variables, entre otros. Este procedimiento es conocido como limpieza de la base de datos y suele ser diferente de acuerdo con los objetivos de las investigaciones planteadas o los intereses de examinación/desarrollo.

    Este paso requiere una exploración previa del contenido. Cuestiones como la completitud de la base de datos, su estructura, así como otras previamente mencionadas deben ser abordadas. En los metadatos podemos encontrar la mención aun nivel de confianza del diseño muestra del 90%, así como un error relativo máximo esperado del 15%. La tasa de no respuesta fue del 15%. Se hace una mención sobre el levantamiento de información en Acapulco de Juárez, Guerrero, donde los fenómenos meteorológicos del 2023 impidieron la colecta de información de este año.

    La completitud de las entrevistas, de acuerdo con las viviendas consideradas, fue del 84.71%. El 2.97% se identificó como entrevista incompleta; 2.81% de las entrevistas no registraron información de la vivienda; 5.90% fueron viviendas no habitadas. Un 0.02% de las entrevistas asignadas no fueron aplicadas debido a ser referidas como áreas inseguras para el levantamiento, el 0.67% por alguna otra situación no fue aplicada y 2.92% no se realizó la visita.

    Una vista en el entorno de trabajo, o una revisión en el contenido de las tablas nos indicaría los tamaños del contenido de las mismas. De estas exploraciones previas encontramos la siguiente información:

    Como es de esperarse, el número de columnas entre las tablas no es el mismo; ello debido a que la cantidad de preguntas por sección es diferente para cada una de éstas. Sin embargo, al no coincidir tampoco el número de filas, es necesario examinar a qué se debe ello y suponer que tal causa sea la razón por la cual la estructura de la base de datos sea una composición de seis tablas en vez de una sola; respecto a ello, se puede notar que las tablas <> y <> son las únicas dos tablas que coinciden en el número de filas (registros), mientras que las tablas <> y <> tienen un número aproximado de filas (registros) y las dos restantes son las tablas más grandes de la base de datos.

    La revisión del cuestionario (PDF del Cuestionario) muestra el documento de 24 páginas. Ahí puede verificarse que la sección 2 es más amplia debido a que desglosa la captura de datos para varios integrantes en la vivienda seleccionada, a diferencia de la sección 1 que considera a los integrantes de la residencia como unidad de análisis. Las otras secciones de menor tamaño están dirigidas a la persona entrevistada exclusivamente.

    Del mismo modo, la secciones 6 y 8 son más extensa debido a la naturaleza de las preguntas. La sexta, relacionada a las experiencias aborda más de una, por lo cual se extiende el contenido de la misma, mostrando un formato largo para los registos de los entrevistados; mientras que la sección 8 desglosa acerca de los diversos trámites, ocurriendo una situación similar a lo descrito para la sección 6.

    Debido a lo mencionado en los dos párrafos anteriores, la composición de la base de datos se pudo haber desaroolado en las 6 tablas mencionadas. En caso contrario se podría encontrar con una tabla con múltiples espacios vacíos y con un gran espacio de almacenamiento de datos desperdiciado; razón por la cual, tampoco se optará por realizar una única unión de las tablas sino realizar las uniones necesarias cuando se necesiten realizar los cruces necesarios (si son requeridos por los objetivos de la investigación).

5 Tratamiento de datos previo

De acuerdo con la revisión previa, este paso se realizará de acuerdo con las características de cada tabla. Este paso puede ser no tan conveniente en casos como el planteamiento de este análisis, donde las tablas utilizadas son varias y con una amplitud considerable; más bien puede ser preferible hacer realizar la revisión y limpieza de las columnas que sean útiles, exclusivamente, según los objetivos de la investigación.

    Un comando como el que se muestra en el siuguiente recuadro, aplicado en cada tabla, permite previsualizar el contenido de las mismas. head(tabla, n_primerasFilas__a_visualizar) revela las primeras n filas o registros de la tabla referida.

head(secciones,6)

    Como se observa en las tablas, existen columnas de información no necesaria para el análisis. Columnas como CVE_ENT, CVE_MUN, entre otras hacen referencia a las claves de identificación de las entidades federativas y de los municipios; sin embargo se cuenta también con los nombres de las entidades federativas y los municipios, por lo que la primer información puede estar demás, a no ser que los fines de la investigación lo requiera. También se puede observar que las respuestas a algunas preguntas se encuentra en forma de código en vez del contenido de la respuesta o su traducción. También podemos observar columnas que contienen caracteres NA, que indican que no existe información en aquellas celdas, como en la P1_3 de la tabla 5.1 (secciones) o en la columna NOMBRE de la tabla 5.2.

    Dentro de las posibilidades para la limpieza de tablas se encuentra la eliminación de aquellas columnas de poca relevancia analítica, así como la recodificación de las respuestas. Esta labor es útil si se quiere conocer la completitud de cada una de las columnas para evitar reportar aquellas que sean duplicados, de más difícil interpretación, e incluso aquellas que no exhiban el tipo de variables a las que corresponde, como las respuestas de opción múltiple.

    Para realizar dichas limpiezas se procede con la revisión de contenido para cada tabla, fila por fila. A continuación se muesta exclusivamente una de las tablas; sin embargo, dicha revisión se debe realizar a todas las tablas de interés.

    A continuación se presenta otra tabla seccionada que resume el contenido de la tabla secc6. La primer sección señala las dimensiones de secc6, es decir, indica el número de filas (rows) y de columnas (columns); posteriormente indica el número de variables de acuerdo con el tipo de dato [character,logical,numeric,factor,…].

    La segunda sección muestra el desgloce para las variables de tipo character, que son aquellos que guardan información de caracteres alfanuméricos. Este desgloce abarca el nombre de la variable (skim_variable); el número datos faltantes o perdidos por columna de la tabla analizada (n_missing); la siguiente columna (complete_rate), indica la proporción del valor unitario de completitud para cada columna de la tabla analizada; las columnas min y max señalan las longitudes mínimas y máximas de caracteres en cada columna; n_unique indica el número de valores únicos dentro de cada variable (es un dato indispensable en la revisión de este tipo de variables, así como en las variables tipo `factor); por último, white_space indica el número de registros, dentro de la columna, con valores de espacio blanco antes o después del contenido en la celda.

    Las siguientes secciones resumen de manera similar el contenido de acuerdo al tipo de variable analizada. Por ejemplo, para valiables del tipo numérico (numeric) proporciona el valor promedio, la desviación estándar, y los percentiles correspondientes a los valores de los cuartiles para cada una de las variables.

Variable type: character

Variable type: logical

Variable type: numeric

    Como se mencionó anteriormente, la revisión específica por variables permitiría seleccionar aquellas variables de mayor valor informativo, seleccionar aquellas que contengan cierto nivel de variabilidad o, en dado caso, descartar//modificar aquellas variables en los que se reporten características que se noten problemas (un alto número o proporción de datos faltantes, por ejemplo).

Para la realización de estas tablas se creó una tabla con el contenido filtrado para la Cdmx.

# La librería janitor permite realizar tablas.
janitor::tabyl(cdmx$p3_3_01) # Tabla de corrupción en las Universidades

*Los formatos de las tablas no coinciden con el mostrado en la salida, se alteró meramente por cuestión estética.

# Se establece en un vector los niveles del factor de la pregunta.
frecuencias = factor(c('Muy frecuente','Frecuente','Poco frecuente','Nunca',
                   'No sabe/No responde'))

# Se modifica el contenido de la variable a utilizar de acuerdo con el vector establecido.
cdmx %>% mutate(
  p3_3_01 = factor(p3_3_01, labels = frecuencias)) %>% 
  tabyl(p3_3_01)

# Si se requiere que dicho cambio sea permanente, se puede guardar la información en el mismo objeto o en un objeto nuevo.
cdmx = cdmx %>% mutate(
  p3_3_01 = factor(p3_3_01, labels = frecuencias))

tabyl(cdmx$p3_3_01) %>% # Se nombra la tabla sobre la cual se aplicarán las funciones siguientes.
  adorn_totals() # Esta función que se encuentra en la misma paquetería janitor,
                 # permite agregar la fila de totales en el tabulado

cdmx %>% # Otra forma de construir la tabla es a partir de la primera estuctura tabular sobre
         # la que se aplicarán las siguientes funciones.
  rename("Corrupción en Universidades" = p3_3_01) %>% # Modifica el nombre de las variables 
  tabyl("Corrupción en Universidades") %>% # Función para estructurar la tabla de frecuencias
  adorn_totals()

cdmx %>% 
  rename("Corrupción en Universidades" = p3_3_01) %>%
  tabyl("Corrupción en Universidades") %>% 
  adorn_totals() %>% 
  adorn_pct_formatting(digits = 2)

# Estas líneas de código son los vectores que se utilizarán para la designación de etiquetas en el siguiente recuadro.
# Nótese que las etiquetas están en el mismo orden en que están registrados en el documento auxiliar.
# De no respetar el orden, se realizará un análisis con conclusiones totalmente erradas.

si_no = c('Sí','No')
corrupcion = c("No opción afirmativa","Sí")
frecuencias = c('Muy frecuente','Frecuente','Poco frecuente','Nunca',
                   'No sabe/No responde')
sexo = c("Hombres","Mujeres")
# ...(La lista de vectores de etiquetas es más extensa a la presentada; por cuestiones de presentación sólo
# se muestran algunas.

secc_1_3a5_8a10 = secc_1_3a5_8a10 %>% 
  mutate(
    P1_1 = as.numeric(P1_1),
    P1_2 = factor(P1_2,labels = si_no),
    P3_1_01 = factor(P3_1_01,levels=c('0','1'),labels=corrupcion),
    #...
    P3_1_11 = factor(P3_1_11,levels=c('0','1'),labels=corrupcion),
    P3_1_99 = factor(P3_1_99,levels=c('0','1'),labels=corrupcion),
    P3_2 = factor(P3_2,
                  levels=c('1','2','3','4','9'),labels=frecuencias),
    P3_3_01 = factor(P3_3_01,
                     levels=c('1','2','3','4','5'),labels=frecuencias),
    #...
    P3_3_24 = factor(P3_3_23,
                     levels=c('1','2','3','4','5'),labels=frecuencias),
    #...
    ) %>% 
  rename(
    p1_1_PersonasEnVivienda = P1_1,
    p1_2_GastoAlimCompartido = P1_2,
    #...
    a1_1_ConfifanzaEnPersonas = A1_1, # [0,10] + 99 (No sabe/No responde)
    a1_2_ConfianzaEnConocidxs = A1_2, # [0,10] + 99 (No sabe/No responde)
    #...
    a1_7_C_Policia = A1_7, # [0,10] + 99 (No sabe/No responde)
    p3_1_01_MalDesempGob = P3_1_01,
    #...
  )