Análisis de los gastos de los hogares según la ENIGH 2022 (Mexico)
Daniel Felipe Tobón Díaz
Introducción
El análisis realizado se basa en los microdatos de la Encuesta
Nacional de Ingresos y Gastos de los Hogares (ENIGH) 2022,
específicamente en el módulo de gastos del hogar, publicado por el INEGI
(México). Esta encuesta tiene un diseño muestral complejo, estratificado
y multietápico, con representatividad nacional y subnacional. La base de
datos utilizada incluye las tres variables para realizar el diseño
muestral: peso de expansión (factor), estrato
(est_dis) y unidad primaria de muestreo (upm),
lo que permite realizar estimaciones e inferencia.
El objetivo de este trabajo es analizar los gastos monetarios de los hogares mexicanos según la forma de pago utilizada, identificando el uso relativo de diferentes medios (como efectivo, tarjeta de crédito, débito, transferencias, etc.), los montos promedio asociados, y el contexto del gasto (lugar de compra y frecuencia declarada, cuando aplica).
Este análisis se estructura en etapas de la siguiente manera:
- Declaración del diseño muestral
- Transformación y etiquetado de variables clave
- Cálculo de medias, medianas y proporciones
- Comparación de medias entre grupos
- Exploración de gasto por tipo, lugar y frecuencia
- Visualización de resultados
- Modelo de regresión final con ajuste por diseño muestral
Cada etapa incluirá los bloques de código utilizados, seguidos de su interpretación o análisis detallado.
Preparación y etiquetado de variables
A continuación se realiza la transformación de variables categóricas presentes en la base original. Estas transformaciones permiten:
- Claridad en la lectura de resultados
- Agrupación consistente de categorías
- Uso directo en análisis descriptivos y en el modelo de regresión
# Cargar el archivo CSV
gastos <- read.csv("/Users/daniel/Downloads/conjunto_de_datos_enigh_ns_2022_csv/conjunto_de_datos_gastoshogar_enigh2022_ns/conjunto_de_datos/conjunto_de_datos_gastoshogar_enigh2022_ns.csv", stringsAsFactors = FALSE)
#Cargar paquetes necesarios
library(srvyr)## Warning: package 'srvyr' was built under R version 4.4.1##
## Attaching package: 'srvyr'## The following object is masked from 'package:stats':
##
## filterlibrary(dplyr)##
## Attaching package: 'dplyr'## The following objects are masked from 'package:stats':
##
## filter, lag## The following objects are masked from 'package:base':
##
## intersect, setdiff, setequal, unionlibrary(ggplot2)
library(survey)## Loading required package: grid## Loading required package: Matrix## Loading required package: survival##
## Attaching package: 'survey'## The following object is masked from 'package:graphics':
##
## dotchart#Etiquetar forma de pago principal
gastos <- gastos %>%
mutate(forma_pago_principal = case_when(
forma_pag1 == 1 ~ "Efectivo",
forma_pag1 == 2 ~ "Fiado",
forma_pag1 == 3 ~ "Domiciliación",
forma_pag1 == 4 ~ "Transferencia electrónica",
forma_pag1 == 5 ~ "Tarjeta de crédito",
forma_pag1 == 6 ~ "Tarjeta de débito",
forma_pag1 == 7 ~ "Cheque",
forma_pag1 == 8 ~ "Vale",
forma_pag1 == 9 ~ "Pago móvil",
forma_pag1 == 10 ~ "Otro",
forma_pag1 == 0 ~ "No aplica",
TRUE ~ "Sin clasificar"
))
gastos <- gastos %>%
mutate(
lugar_comp_etiqueta = case_when(
lugar_comp == 1 ~ "Mercado",
lugar_comp == 2 ~ "Tianguis",
lugar_comp == 3 ~ "Ambulantes",
lugar_comp == 4 ~ "Abarrotes",
lugar_comp == 5 ~ "Especializadas",
lugar_comp == 6 ~ "Supermercados",
lugar_comp == 7 ~ "Departamentales",
lugar_comp == 8 ~ "Exterior",
lugar_comp == 9 ~ "Membresía",
lugar_comp == 10 ~ "Conveniencia",
lugar_comp == 11 ~ "Restaurantes",
lugar_comp == 12 ~ "Fondas",
lugar_comp == 13 ~ "Cafeterías",
lugar_comp == 14 ~ "Bar/Cantina",
lugar_comp == 15 ~ "Diconsa",
lugar_comp == 16 ~ "Liconsa",
lugar_comp == 17 ~ "Particular",
lugar_comp == 18 ~ "Internet",
lugar_comp == 0 ~ "No aplica",
TRUE ~ "Sin clasificar"
),
frecuencia_etiqueta = case_when(
frecuencia == 1 ~ "Diario",
frecuencia == 2 ~ "Semanal",
frecuencia == 3 ~ "Mensual",
frecuencia == 4 ~ "Anual",
frecuencia == 5 ~ "Una vez",
frecuencia == 6 ~ "Otros",
frecuencia == 0 ~ "No aplica",
TRUE ~ "Sin clasificar"
)
)Declaración del diseño muestral
Para que los resultados del análisis sean válidos desde el punto de vista inferencial, es necesario declarar el diseño muestral con el que fue recolectada la ENIGH 2022. Este diseño es estratificado, multietápico y con expansión, por lo que se deben incorporar:
Según el documento metodológico de la ENIGH 2022 (INEGI, Capítulo 4) est_dis corresponde a un código de estrato estadístico definido por características como: • Nivel de urbanización (urbano/rural) • Tamaño de localidad • Categoría de la entidad federativa (grande, mediana, pequeña) • Dominio de estudio (entidad, ciudad, región)
UPM identifica cada Unidad Primaria de Muestreo, que en zonas urbanas equivale generalmente a una manzana o conjunto de manzanas, y en zonas rurales, a localidades. Las UPM se seleccionan con probabilidad proporcional al tamaño poblacional, y constituyen la base para la selección de viviendas.
Fuente: 📄 INEGI (2022). ENIGH 2022 – Documento metodológico. Disponible en: https://www.inegi.org.mx/contenidos/programas/enigh/nc/2022/doc/enigh2022_ns_doc_metodologico.pdf
gastos_filtrados <- gastos %>%
filter(forma_pago_principal != "No aplica")
gastos_diseno <- gastos_filtrados %>%
as_survey_design(
strata = est_dis,
ids = upm,
weights = factor,
nest = TRUE
)Medidas de tendencia central y distribución del gasto
A continuación se presenta: la media, mediana y proporción ponderada de los gastos de los hogares mexicanos según la forma de pago principal declarada.
Media del gasto por forma de pago
gastos_diseno %>%
group_by(forma_pago_principal) %>%
summarise(media_gasto = survey_mean(gasto, na.rm = TRUE))## # A tibble: 10 × 3
## forma_pago_principal media_gasto media_gasto_se
## <chr> <dbl> <dbl>
## 1 Cheque 1893. 1104.
## 2 Domiciliación 902. 75.7
## 3 Efectivo 239. 1.94
## 4 Fiado 3817. 320.
## 5 Otro 1017. 481.
## 6 Pago móvil 603. 138.
## 7 Tarjeta de crédito 1374. 95.7
## 8 Tarjeta de débito 648. 29.6
## 9 Transferencia electrónica 4065. 815.
## 10 Vale 92.5 2.38Los resultados reafirman que el tipo de medio de pago está asociado al nivel de gasto promedio, diferenciando claramente entre mecanismos tradicionales y modernos. Las tarjetas, transferencias o fiado facilitan consumos de mayor valor, mientras que el efectivo se concentra en gastos bajos. El valor NA es omitido del análisis como categoría inválida.
gastos_diseno %>%
group_by(forma_pago_principal) %>%
summarise(mediana_gasto = survey_median(gasto, na.rm = TRUE))## # A tibble: 10 × 3
## forma_pago_principal mediana_gasto mediana_gasto_se
## <chr> <dbl> <dbl>
## 1 Cheque 120 86.2
## 2 Domiciliación 500 33.3
## 3 Efectivo 46 0.510
## 4 Fiado 168 17.9
## 5 Otro 80 19.8
## 6 Pago móvil 300 88.2
## 7 Tarjeta de crédito 250 20.4
## 8 Tarjeta de débito 120 2.55
## 9 Transferencia electrónica 410 22.9
## 10 Vale 60 1.27Las medianas, más resistentes a valores extremos, confirman la asimetría positiva en las distribuciones de gasto: los valores son más bajos que las medias, indicando presencia de gastos muy elevados en pocos casos. Como por ejemplo, en domiciliación y pago movil.
gastos_diseno %>%
group_by(forma_pago_principal) %>%
summarise(porcentaje = survey_mean(proportion = TRUE))## # A tibble: 10 × 3
## forma_pago_principal porcentaje porcentaje_se
## <chr> <dbl> <dbl>
## 1 Cheque 0.0000515 0.0000194
## 2 Domiciliación 0.000578 0.0000417
## 3 Efectivo 0.946 0.00111
## 4 Fiado 0.00338 0.0000957
## 5 Otro 0.0000537 0.00000611
## 6 Pago móvil 0.000200 0.0000485
## 7 Tarjeta de crédito 0.0115 0.000687
## 8 Tarjeta de débito 0.0317 0.000771
## 9 Transferencia electrónica 0.00149 0.0000864
## 10 Vale 0.00505 0.000216El análisis de proporciones deja claro que el sistema de pagos en los hogares mexicanos está dominado por el efectivo, con participación muy baja de medios electrónicos o institucionales. Esta distribución interpreta los patrones de gasto: medios poco usados pueden mover grandes montos, pero no tienen representatividad amplia.
gastos_diseno %>%
group_by(lugar_comp_etiqueta) %>%
summarise(media_gasto = survey_mean(gasto, na.rm = TRUE))## # A tibble: 19 × 3
## lugar_comp_etiqueta media_gasto media_gasto_se
## <chr> <dbl> <dbl>
## 1 Abarrotes 37.6 0.195
## 2 Ambulantes 99.8 1.53
## 3 Bar/Cantina 862. 413.
## 4 Cafeterías 120. 13.7
## 5 Conveniencia 61.9 2.65
## 6 Departamentales 1161. 53.8
## 7 Diconsa 47.0 0.797
## 8 Especializadas 422. 11.3
## 9 Exterior 1098. 131.
## 10 Fondas 123. 2.42
## 11 Internet 1335. 76.8
## 12 Liconsa 63.2 9.99
## 13 Membresía 345. 13.2
## 14 Mercado 79.1 1.68
## 15 No aplica 766. 9.04
## 16 Particular 1444. 39.0
## 17 Restaurantes 381. 23.3
## 18 Supermercados 102. 0.793
## 19 Tianguis 120. 3.81El lugar de compra tiene una influencia clara sobre el nivel de gasto. Los establecimientos asociados a tecnología, importaciones o trato directo concentran los montos más altos, mientras que los espacios tradicionales cubren el consumo diario. Esto respalda la decisión de incluir esta variable en la regresión, ya que explica más variación que el medio de pago en sí.
gastos_diseno %>%
group_by(frecuencia_etiqueta) %>%
summarise(media_gasto = survey_mean(gasto, na.rm = TRUE))## # A tibble: 1 × 3
## frecuencia_etiqueta media_gasto media_gasto_se
## <chr> <dbl> <dbl>
## 1 No aplica 283. 3.96La frecuencia del gasto ayuda a contextualizar el comportamiento económico de los hogares. Aunque su uso como variable explicativa es limitado por la poca variación observada en el modelo, en términos descriptivos confirma que los gastos poco frecuentes son los de mayor valor, y los gastos diarios los más bajos. Esto complementa las observaciones por lugar y forma de pago.
Comparación de grupos: pruebas de diferencia de medias
Luego de haber caracterizado el gasto promedio, típico (mediana) y la frecuencia de uso de cada medio de pago, así como el lugar y la frecuencia del gasto, es necesario validar si algunas de las diferencias observadas en las medidas descriptivas son estadísticamente significativas.
Este bloque del análisis tiene como objetivo aplicar pruebas de hipótesis entre grupos para establecer, con base en evidencia, si existen diferencias reales en los niveles de gasto según variables categóricas, que son efectivo, el cual es el medio de pago más utilizado por los hogares mexicanos, según la ENIGH y otras fuentes oficiales, con más del 85% de frecuencia y tarjeta de crédito representa el medio más representativo del consumo formal bancarizado o financiado, y es el más frecuente dentro de los pagos no inmediatos.
subset_dos_formas <- gastos %>%
filter(
forma_pago_principal %in% c("Efectivo", "Tarjeta de crédito"),
!is.na(forma_pago_principal)
) %>%
mutate(forma_dicotoma = ifelse(forma_pago_principal == "Tarjeta de crédito", 1, 0))
diseno_dos_formas <- subset_dos_formas %>%
as_survey_design(strata = est_dis, ids = upm, weights = factor, nest = TRUE)
svyttest(gasto ~ forma_dicotoma, design = diseno_dos_formas)##
## Design-based t-test
##
## data: gasto ~ forma_dicotoma
## t = 11.864, df = 9649, p-value < 2.2e-16
## alternative hypothesis: true difference in mean is not equal to 0
## 95 percent confidence interval:
## 947.3696 1322.3997
## sample estimates:
## difference in mean
## 1134.885La prueba evidencia una diferencia estadísticamente significativa entre los hogares que pagan con tarjeta de crédito y los que pagan en efectivo. En promedio, quienes usan tarjeta de crédito gastan $1,134.89 más que quienes usan efectivo.
Esta diferencia es consistente con lo observado en las medidas anteriores (media y mediana), y aporta evidencia sólida para incluir forma_pago_principal como variable en el modelo de regresión.
La diferencia y su robustez estadística sugieren que el medio de pago no solo refleja el tipo de consumo, sino posiblemente el perfil socioeconómico del hogar.
Porcentaje de uso y gasto promedio por forma de pago
El siguiente bloque presenta dos dimensiones del comportamiento de gasto de los hogares mexicanos
resultados_pago <- gastos_diseno %>%
filter(!is.na(forma_pago_principal)) %>%
group_by(forma_pago_principal) %>%
summarise(
porcentaje = survey_mean(proportion = TRUE, vartype = "ci"),
gasto_promedio = survey_mean(gasto, na.rm = TRUE, vartype = "ci")
) %>%
arrange(desc(porcentaje))
print(resultados_pago)## # A tibble: 10 × 7
## forma_pago_principal porcentaje porcentaje_low porcentaje_upp gasto_promedio
## <chr> <dbl> <dbl> <dbl> <dbl>
## 1 Efectivo 0.946 0.944 0.948 239.
## 2 Tarjeta de débito 0.0317 0.0302 0.0333 648.
## 3 Tarjeta de crédito 0.0115 0.0102 0.0129 1374.
## 4 Vale 0.00505 0.00465 0.00550 92.5
## 5 Fiado 0.00338 0.00320 0.00358 3817.
## 6 Transferencia electr… 0.00149 0.00133 0.00167 4065.
## 7 Domiciliación 0.000578 0.000502 0.000666 902.
## 8 Pago móvil 0.000200 0.000124 0.000321 603.
## 9 Otro 0.0000537 0.0000430 0.0000671 1017.
## 10 Cheque 0.0000515 0.0000245 0.000108 1893.
## # ℹ 2 more variables: gasto_promedio_low <dbl>, gasto_promedio_upp <dbl>Este cruce confirma la asimetría entre uso y monto en los medios de pago: los más utilizados (como el efectivo) implican bajos montos, mientras que los más costosos son usados por una proporción pequeña de hogares. La tarjeta de crédito y la transferencia electrónica destacan para consumo de alto valor. Estos patrones validan la importancia de incorporar forma_pago_principal como predictor en el modelo de regresión final.
ggplot(resultados_pago, aes(x = reorder(forma_pago_principal, -porcentaje), y = porcentaje)) +
geom_col(fill = "steelblue") +
scale_y_continuous(labels = scales::percent_format(accuracy = 1)) +
geom_errorbar(aes(ymin = porcentaje_low, ymax = porcentaje_upp), width = 0.2) +
labs(title = "Porcentaje de uso por forma de pago", x = "Forma de pago", y = "Porcentaje") +
theme(axis.text.x = element_text(angle = 45, hjust = 1))
Aunque sabíamos que el efectivo era el más usado (94.6%), en comparación con las demás formas de pago lo resalta con fuerza. Esto demuestra que el sistema de pagos en los hogares está prácticamente centralizado en el efectivo.
ggplot(resultados_pago, aes(x = reorder(forma_pago_principal, -gasto_promedio), y = gasto_promedio)) +
geom_col(fill = "darkgreen") +
geom_errorbar(aes(ymin = gasto_promedio_low, ymax = gasto_promedio_upp), width = 0.2) +
labs(title = "Gasto promedio por forma de pago", x = "Forma de pago", y = "Gasto promedio (MXN)") +
theme(axis.text.x = element_text(angle = 45, hjust = 1))
- Transferencia electrónica y fiado tienen los mayores gastos promedios (> $3,800)
- Efectivo y vales están muy por debajo del resto, confirmando su rol en transacciones mínimas
Las gráficas evidencian una segmentaciónentre frecuencia de uso y nivel de gasto: el efectivo se emplea masivamente, pero para montos bajos, mientras que formas menos comunes como la transferencia electrónica o el fiado se reservan para consumos esporádicos pero de alto valor.
Gastos monetarios, frecuencia y lugar
La siguiente tabla muestra el gasto promedio de los hogares para los
gastos monetarios (tipo_gasto == "G1"),
según la forma principal de pago utilizada.
gastos_monetarios <- gastos_diseno %>%
filter(
tipo_gasto %in% c("G1", "G2"),
!is.na(forma_pago_principal),
!is.na(lugar_comp_etiqueta)
)
tabla_tipo_gasto <- gastos_monetarios %>%
group_by(forma_pago_principal, tipo_gasto) %>%
summarise(
gasto_promedio = survey_mean(gasto, na.rm = TRUE, vartype = "ci")
)
print(tabla_tipo_gasto)## # A tibble: 10 × 5
## # Groups: forma_pago_principal [10]
## forma_pago_principal tipo_gasto gasto_promedio gasto_promedio_low
## <chr> <chr> <dbl> <dbl>
## 1 Cheque G1 1893. -270.
## 2 Domiciliación G1 902. 753.
## 3 Efectivo G1 239. 235.
## 4 Fiado G1 3817. 3190.
## 5 Otro G1 1017. 74.3
## 6 Pago móvil G1 603. 333.
## 7 Tarjeta de crédito G1 1374. 1186.
## 8 Tarjeta de débito G1 648. 590.
## 9 Transferencia electrónica G1 4065. 2466.
## 10 Vale G1 92.5 87.9
## # ℹ 1 more variable: gasto_promedio_upp <dbl>Esta tabla muestra que el tipo de gasto es constante (G1), pero el gasto promedio cambia drásticamente según el medio de pago.
En la siguiente sección muestra el gasto por lugar de compra y forma de pago.
tabla_lugar <- gastos_diseno %>%
filter(
tipo_gasto == "G1",
!is.na(forma_pago_principal),
!is.na(lugar_comp_etiqueta)
) %>%
group_by(forma_pago_principal, lugar_comp_etiqueta) %>%
summarise(
gasto_promedio = survey_mean(gasto, na.rm = TRUE, vartype = "ci")
)
print(tabla_lugar)## # A tibble: 166 × 5
## # Groups: forma_pago_principal [10]
## forma_pago_principal lugar_comp_etiqueta gasto_promedio gasto_promedio_low
## <chr> <chr> <dbl> <dbl>
## 1 Cheque Abarrotes 17.1 4.75
## 2 Cheque Ambulantes 163. 60.5
## 3 Cheque Cafeterías 90 90
## 4 Cheque Conveniencia 204. 49.3
## 5 Cheque Departamentales 5085. -1618.
## 6 Cheque Especializadas 6516. -3469.
## 7 Cheque Internet 435. -194.
## 8 Cheque Membresía 303. 303.
## 9 Cheque Mercado 161. -25.6
## 10 Cheque No aplica 1738. 666.
## # ℹ 156 more rows
## # ℹ 1 more variable: gasto_promedio_upp <dbl>Este cruce evidencia que el lugar de compra no solo determina el tipo de bien adquirido, sino también la forma de pago seleccionada. Los canales de alto valor están estrechamente ligados a medios bancarios, mientras que el consumo cotidiano se sostiene casi exclusivamente con efectivo. Esta relación validará más adelante el efecto del lugar en el modelo de regresión final.
ggplot(tabla_lugar, aes(x = gasto_promedio, y = reorder(lugar_comp_etiqueta, gasto_promedio), fill = forma_pago_principal)) +
geom_col(position = "dodge") +
labs(title = "Gasto por lugar de compra y forma de pago", x = "Gasto promedio (MXN)", y = "Lugar de compra", fill = "Forma de pago") +
theme(axis.text.x = element_text(angle = 45, hjust = 1))
Esta gráfica demuestra que el gasto está profundamente influenciado por el contexto del consumo como se menciono anteriormente.
Para finalizar, se presenta la frecuencia promedio del gasto no monetario.
frecuencia_promedio <- gastos %>%
filter(tipo_gasto %in% c("G5", "G6"), !is.na(frecuencia_etiqueta)) %>%
group_by(frecuencia_etiqueta) %>%
summarise(gasto_promedio = mean(gasto, na.rm = TRUE))
print(frecuencia_promedio)## # A tibble: 6 × 2
## frecuencia_etiqueta gasto_promedio
## <chr> <dbl>
## 1 Anual 784.
## 2 Diario 43.1
## 3 Mensual 690.
## 4 Otros 117.
## 5 Semanal 41.2
## 6 Una vez 605.Las frecuencias “Anual”, “Mensual” y “Una vez” concentran los mayores promedios de gasto, lo cual indica que este tipo de recursos suele entregarse en montos relativamente altos y no de manera recurrente. Las entregas “Una vez” son particularmente comunes (más de 114 mil registros), lo que sugiere un patrón generalizado, como los programas de asistencia o ayuda familiar. Las frecuencias diarias y semanales presentan el gasto promedio más bajo, alineado con los alimentos o en especie.
Aunque estos registros no forman parte del análisis de gasto monetario ni del modelo, el comportamiento de frecuencia_etiqueta aporta una visión complementaria del acceso de los hogares a bienes no comprados directamente. Este patrón resalta la dependencia de ciertos hogares de transferencias ocasionales y la irregularidad temporal en la distribución de recursos no monetarios.
ggplot(frecuencia_promedio, aes(x = gasto_promedio, y = reorder(frecuencia_etiqueta, gasto_promedio))) +
geom_col(fill = "darkred") +
labs(title = "Gasto promedio por frecuencia del gasto no monetario", x = "Gasto promedio (MXN)", y = "Frecuencia") +
theme_minimal()
Esta gráfica confirma que la frecuencia declarada del gasto no monetario está asociada con el valor del apoyo recibido. Los apoyos únicos o periódicos de largo plazo tienden a ser más sustanciales, mientras que las entregas frecuentes son menores en valor.
Modelo de regresión: gasto según forma de pago y lugar de compra
Para identificar los factores asociados al nivel de gasto en los
hogares, se estima un modelo de regresión lineal ponderado utilizando el
diseño muestral complejo de la ENIGH. El modelo se ajusta con la función
svyglm(), considerando como variable dependiente el gasto
(gasto) y como predictores dos variables categóricas.
gastos_diseno <- gastos %>%
filter(
!is.na(forma_pago_principal),
!is.na(lugar_comp_etiqueta),
!is.na(gasto)
) %>%
as_survey_design(
strata = est_dis,
ids = upm,
weights = factor,
nest = TRUE
)
modelo <- svyglm(
gasto ~ forma_pago_principal + lugar_comp_etiqueta,
design = gastos_diseno
)
summary(modelo)##
## Call:
## svyglm(formula = gasto ~ forma_pago_principal + lugar_comp_etiqueta,
## design = gastos_diseno)
##
## Survey design:
## Called via srvyr
##
## Coefficients:
## Estimate Std. Error t value
## (Intercept) 1653.603 1082.468 1.528
## forma_pago_principalDomiciliación -1403.612 1084.888 -1.294
## forma_pago_principalEfectivo -1629.694 1082.432 -1.506
## forma_pago_principalFiado 1642.727 1126.844 1.458
## forma_pago_principalNo aplica 1934.451 1086.791 1.780
## forma_pago_principalOtro -907.923 1180.502 -0.769
## forma_pago_principalPago móvil -1518.689 1085.256 -1.399
## forma_pago_principalTarjeta de crédito -609.687 1085.322 -0.562
## forma_pago_principalTarjeta de débito -1209.574 1082.617 -1.117
## forma_pago_principalTransferencia electrónica 1856.829 1361.538 1.364
## forma_pago_principalVale -1594.625 1082.353 -1.473
## lugar_comp_etiquetaAmbulantes 45.482 2.808 16.196
## lugar_comp_etiquetaBar/Cantina 703.012 422.066 1.666
## lugar_comp_etiquetaCafeterías 68.555 11.807 5.806
## lugar_comp_etiquetaConveniencia 8.131 4.101 1.983
## lugar_comp_etiquetaDepartamentales 814.818 41.634 19.571
## lugar_comp_etiquetaDiconsa 9.774 3.113 3.140
## lugar_comp_etiquetaEspecializadas 371.495 10.580 35.112
## lugar_comp_etiquetaExterior 974.108 132.264 7.365
## lugar_comp_etiquetaFondas 89.447 2.964 30.181
## lugar_comp_etiquetaInternet 605.604 129.743 4.668
## lugar_comp_etiquetaLiconsa 16.052 9.975 1.609
## lugar_comp_etiquetaMembresía 90.054 17.450 5.161
## lugar_comp_etiquetaMercado 51.344 2.110 24.331
## lugar_comp_etiquetaNo aplica 694.874 7.691 90.353
## lugar_comp_etiquetaParticular 1305.546 40.229 32.453
## lugar_comp_etiquetaRestaurantes 233.722 13.514 17.295
## lugar_comp_etiquetaSupermercados 16.381 3.695 4.433
## lugar_comp_etiquetaTianguis 92.226 4.171 22.111
## Pr(>|t|)
## (Intercept) 0.12664
## forma_pago_principalDomiciliación 0.19577
## forma_pago_principalEfectivo 0.13221
## forma_pago_principalFiado 0.14492
## forma_pago_principalNo aplica 0.07511 .
## forma_pago_principalOtro 0.44185
## forma_pago_principalPago móvil 0.16173
## forma_pago_principalTarjeta de crédito 0.57429
## forma_pago_principalTarjeta de débito 0.26391
## forma_pago_principalTransferencia electrónica 0.17267
## forma_pago_principalVale 0.14070
## lugar_comp_etiquetaAmbulantes < 2e-16 ***
## lugar_comp_etiquetaBar/Cantina 0.09582 .
## lugar_comp_etiquetaCafeterías 6.59e-09 ***
## lugar_comp_etiquetaConveniencia 0.04743 *
## lugar_comp_etiquetaDepartamentales < 2e-16 ***
## lugar_comp_etiquetaDiconsa 0.00169 **
## lugar_comp_etiquetaEspecializadas < 2e-16 ***
## lugar_comp_etiquetaExterior 1.92e-13 ***
## lugar_comp_etiquetaFondas < 2e-16 ***
## lugar_comp_etiquetaInternet 3.09e-06 ***
## lugar_comp_etiquetaLiconsa 0.10760
## lugar_comp_etiquetaMembresía 2.51e-07 ***
## lugar_comp_etiquetaMercado < 2e-16 ***
## lugar_comp_etiquetaNo aplica < 2e-16 ***
## lugar_comp_etiquetaParticular < 2e-16 ***
## lugar_comp_etiquetaRestaurantes < 2e-16 ***
## lugar_comp_etiquetaSupermercados 9.38e-06 ***
## lugar_comp_etiquetaTianguis < 2e-16 ***
## ---
## Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
##
## (Dispersion parameter for gaussian family taken to be 12842312)
##
## Number of Fisher Scoring iterations: 2Efectos de la forma de pago • Transferencia electrónica es el único medio de pago con un coeficiente estadísticamente significativo (p < 0.05), asociado a un gasto promedio $4,041 MXN mayor en comparación con el intercepto (forma de referencia). • Otras formas de pago como efectivo, vale, débito, o pago móvil muestran coeficientes negativos pero no significativos (p > 0.1), lo que indica que no se diferencian estadísticamente del grupo base en términos de gasto. • El error estándar en muchas formas de pago (como cheque, fiado u “otro”) refleja alta variabilidad o bajo número de observaciones en esas categorías.
Efectos del lugar de compra • Casi todos los lugares de compra muestran efectos positivos y altamente significativos (p < 0.001), lo cual indica que el lugar tiene un impacto sistemático sobre el nivel de gasto. • Los lugares con mayores coeficientes incluyen: • Particular: +$1,299 • Departamentales: +$836 • Exterior: +$985 • Especializadas: +$373 • Internet: +$417 • Lugares de consumo cotidiano como mercado, tianguis, fondas y supermercados también presentan efectos significativos, aunque con coeficientes más bajos (entre +$25 y +$90).
El modelo confirma que el lugar de compra es una variable determinante en el nivel de gasto, mientras que la forma de pago, salvo el caso de transferencias electrónicas, no presenta diferencias significativas a nivel estadístico. Esto es consistente con los patrones observados en las gráficas previas, donde el lugar de compra agrupaba tipos de consumo con distintos montos y perfiles de transacción.
Se concluye que la composición del gasto depende más del canal de compra que del instrumento de pago utilizado, aunque este último mantiene un rol relevante en los extremos del consumo (como en las transferencias electrónicas).
Análisis final
El análisis de los microdatos de la ENIGH 2022 permitió caracterizar el gasto monetario de los hogares mexicanos según la forma de pago utilizada. Se observó una clara concentración en el uso del efectivo, pero también se identificaron medios de pago asociados a montos significativamente más altos, como las transferencias electrónicas.
El lugar de compra resultó ser un factor aún más determinante en la magnitud del gasto, con establecimientos especializados, particulares y de tipo departamental encabezando la lista.
En conjunto, el trabajo aporta una mirada a la forma en que se realiza el gasto en los hogares, diferenciando entre consumo rutinario y estratégico, informal y bancario, frecuente y eventual.