Las librerías son útiles para realizar funciones especiales. La especialización de paquetes es más rápida en R que en otros programas por ser un software libre.
Vamos a instalar el paquete “foreign”, como su nombre lo indica, nos permite leer elementos “extranjeros” en R. Es sumamente útil porque nos permite leer casi todos los formatos, sin necesidad de usar paquetes especializados como StatTransfer.
Para instalar las paqueterías usamos el siguiente comando “install.packages()” Checa que adentro del paréntesis va el nombre de la librería, con comillas. Si estamos trabajando en la computadora no es necesario poner la opción repos = “http://cran.us.r-project.org”."
Con la opción “dependencies = TRUE” R nos instalará no sólo la librería o paquete que estamos pidiendo, sino todo aquellos paquetes que necesite la librería en cuestión. Muchas veces los diseños de los paquetes implican el uso de algún otro anterior. Por lo que poner esta sentencia nos puede ahorrar errores cuando estemos usando el paquete.
install.packages("foreign", repos = "http://cran.us.r-project.org", dependencies = TRUE)##
## The downloaded binary packages are in
## /var/folders/fr/mw1x21js54367mjdhqsjfwqm0000gn/T//RtmpDeyTIF/downloaded_packagesEste proceso no hay que hacerlo siempre. Si no sólo la primera vez. Una vez instalado un paquete de librería, la llamamos con el comando “library”
library(foreign)## Warning: package 'foreign' was built under R version 3.3.2Ahora ya tenemos nuestra librería y la podemos usar. Para que sea más sencillo vamos a establecer dónde tenemos nuestro directorio. Esto se hace con el comando setwd, de set work directory
setwd("/Users/anaescoto/Dropbox/DGAPA/EjercicioR")Hoy vamos llamar el archivo. Este archivo es justo como se puede descargar desde Inegi. Inegi tiene muchos formatos de publicación. No obstante, el que es común a todos es el dbf. Al objeto enigh_concentrado se le asignará lo que leemos de archivo dbf
enigh_concentrado <- read.dbf("ncv_concentrado_2014_concil_2010_dbf.dbf")Vamos a ver nuestra base de datos. Esto es como la “vista de datos” de SPSS o bien lo que veríamos con el “browse” en STATA
#View(enigh_concentrado)También con “head, vemos las primeras 6 líneas de la base de datos
head(enigh_concentrado)## folioviv foliohog ubica_geo ageb tam_loc est_socio est_dis upm
## 1 0100008302 1 010010001 028-6 1 4 005 00670
## 2 0100008303 1 010010001 028-6 1 4 005 00670
## 3 0100008304 1 010010001 028-6 1 4 005 00670
## 4 0100008305 1 010010001 028-6 1 4 005 00670
## 5 0100010401 1 010010001 028-6 1 4 005 00600
## 6 0100010402 1 010010001 028-6 1 4 005 00600
## factor_hog clase_hog sexo_jefe edad_jefe educa_jefe tot_integ hombres
## 1 694 3 2 77 08 2 1
## 2 694 1 1 64 06 1 1
## 3 694 2 1 60 08 3 1
## 4 694 3 1 79 10 3 3
## 5 660 2 1 72 10 3 2
## 6 660 3 1 67 10 4 1
## mujeres mayores menores p12_64 p65mas ocupados percep_ing perc_ocupa
## 1 1 2 0 0 2 0 2 0
## 2 0 1 0 1 0 0 1 0
## 3 2 3 0 3 0 2 2 2
## 4 0 3 0 2 1 2 3 2
## 5 1 3 0 1 2 1 3 1
## 6 3 4 0 2 2 1 4 1
## ing_cor ingtrab trabajo sueldos horas_extr comisiones aguinaldo
## 1 39786.79 0.00 0.00 0.00 0 0 0.00
## 2 19523.90 0.00 0.00 0.00 0 0 0.00
## 3 101214.18 27782.60 27782.60 25826.08 0 0 1956.52
## 4 87883.68 1076.08 586.95 586.95 0 0 0.00
## 5 86261.27 23258.13 23258.13 21130.43 0 0 1834.23
## 6 249559.62 97279.71 97279.71 75353.47 0 0 18831.52
## indemtrab otra_rem remu_espec negocio noagrop industria comercio
## 1 0 0.00 0 0.00 0.00 0 0.00
## 2 0 0.00 0 0.00 0.00 0 0.00
## 3 0 0.00 0 0.00 0.00 0 0.00
## 4 0 0.00 0 489.13 489.13 0 489.13
## 5 0 293.47 0 0.00 0.00 0 0.00
## 6 0 3094.72 0 0.00 0.00 0 0.00
## servicios agrope agricolas pecuarios reproducc pesca otros_trab rentas
## 1 0 0 0 0 0 0 0 3521.73
## 2 0 0 0 0 0 0 0 0.00
## 3 0 0 0 0 0 0 0 0.00
## 4 0 0 0 0 0 0 0 4402.17
## 5 0 0 0 0 0 0 0 0.00
## 6 0 0 0 0 0 0 0 0.00
## utilidad arrenda transfer jubilacion becas donativos remesas bene_gob
## 1 0 3521.73 24652.16 24652.16 0 0 0 0.00
## 2 0 0.00 13717.45 0.00 0 0 0 11739.13
## 3 0 0.00 60367.07 58695.65 0 0 0 0.00
## 4 0 4402.17 68346.88 66032.60 0 0 0 0.00
## 5 0 0.00 54293.47 52826.08 0 0 0 1467.39
## 6 0 0.00 129054.11 129054.11 0 0 0 0.00
## transf_hog trans_inst estim_alqu otros_ing gasto_mon alimentos
## 1 0.00 0 11612.90 0.00 33488.35 11172.63
## 2 1978.32 0 5806.45 0.00 2473.91 1941.38
## 3 1671.42 0 13064.51 0.00 30942.17 16759.08
## 4 2314.28 0 11612.90 2445.65 18678.77 8678.43
## 5 0.00 0 8709.67 0.00 24387.83 12873.09
## 6 0.00 0 23225.80 0.00 151869.25 18530.30
## ali_dentro cereales carnes pescado leche huevo aceites tuberculo
## 1 11172.63 681.40 51.42 0 758.56 141.42 0 0.00
## 2 1234.25 231.42 0.00 0 424.27 0.00 0 0.00
## 3 14753.38 591.41 3529.26 0 1285.68 347.14 0 102.85
## 4 8678.43 1645.66 64.28 0 1144.26 282.85 0 0.00
## 5 12230.24 1491.38 4382.95 0 758.55 385.70 0 128.57
## 6 18530.30 527.13 2849.38 0 2765.54 656.35 0 0.00
## verduras frutas azucar cafe especias otros_alim bebidas ali_fuera
## 1 282.83 1619.96 0 0 0 7637.04 0.00 0.00
## 2 0.00 578.56 0 0 0 0.00 0.00 707.13
## 3 707.12 475.70 0 0 0 5412.83 2301.39 2005.70
## 4 809.99 1259.98 0 0 0 3471.41 0.00 0.00
## 5 746.43 698.12 0 0 0 2571.42 1067.12 642.85
## 6 2484.86 2671.67 0 0 0 2288.56 4286.81 0.00
## tabaco vesti_calz vestido calzado vivienda alquiler pred_cons agua
## 1 0 401.08 0.00 401.08 2199.32 0 505.0 294
## 2 0 0.00 0.00 0.00 0.00 0 0.0 0
## 3 0 489.12 489.12 0.00 2989.43 0 137.5 600
## 4 0 293.47 293.47 0.00 1100.00 0 125.0 300
## 5 0 0.00 0.00 0.00 3062.50 0 212.5 900
## 6 0 6084.74 4519.53 1565.21 1580.00 0 201.5 285
## energia limpieza cuidados utensilios enseres salud atenc_ambu
## 1 1400.32 1002.97 513.85 0.00 489.12 1401.83 1369.55
## 2 0.00 211.93 211.93 0.00 0.00 117.38 0.00
## 3 2251.93 1866.31 1631.54 234.77 0.00 1242.37 1124.99
## 4 675.00 2879.18 2859.62 19.56 0.00 420.63 420.63
## 5 1950.00 0.00 0.00 0.00 0.00 0.00 0.00
## 6 1093.50 3500.62 2659.33 254.34 586.95 33534.75 30052.15
## hospital medicinas transporte publico foraneo adqui_vehi mantenim
## 1 0 32.28 5490.71 0.00 0 0 4380.71
## 2 0 117.38 0.00 0.00 0 0 0.00
## 3 0 117.38 5829.25 385.71 0 0 2903.22
## 4 0 0.00 1440.00 0.00 0 0 0.00
## 5 0 0.00 7006.44 0.00 0 0 5806.44
## 6 0 3482.60 16669.55 0.00 0 0 11966.33
## refaccion combus comunica educa_espa educacion esparci paq_turist
## 1 1956.52 2424.19 1110.00 900.00 0.00 900.00 0
## 2 0.00 0.00 0.00 0.00 0.00 0.00 0
## 3 0.00 2903.22 2540.32 0.00 0.00 0.00 0
## 4 0.00 0.00 1440.00 3019.35 3019.35 0.00 0
## 5 0.00 5806.44 1200.00 1050.00 0.00 1050.00 0
## 6 5869.56 6096.77 4703.22 29351.38 22285.15 7066.23 0
## personales cuida_pers acces_pers otros_gas transf_gas percep_tot
## 1 613.36 438.36 0 175.00 10306.45 0.00
## 2 203.22 203.22 0 0.00 0.00 5869.56
## 3 1766.61 1622.86 0 143.75 0.00 0.00
## 4 847.71 847.71 0 0.00 0.00 3913.04
## 5 395.80 95.80 0 300.00 0.00 0.00
## 6 18875.52 14429.01 0 4446.51 23742.39 1285.71
## retiro_inv prestamos otras_perc ero_nm_viv ero_nm_hog erogac_tot
## 1 0.00 0.00 0 0 0.00 0.00
## 2 5869.56 0.00 0 0 0.00 0.00
## 3 0.00 0.00 0 0 0.00 5869.56
## 4 0.00 3913.04 0 0 0.00 3423.91
## 5 0.00 0.00 0 0 0.00 14673.90
## 6 0.00 0.00 0 0 1285.71 87016.29
## cuota_viv mater_serv material servicio deposito prest_terc pago_tarje
## 1 0 0.00 0.00 0 0 0 0.00
## 2 0 0.00 0.00 0 0 0 0.00
## 3 0 0.00 0.00 0 0 0 5869.56
## 4 0 0.00 0.00 0 0 0 0.00
## 5 0 0.00 0.00 0 0 0 7630.43
## 6 0 8755.43 8755.43 0 0 0 35217.39
## deudas balance otras_erog smg
## 1 0.00 0.00 0.00 5739.3
## 2 0.00 0.00 0.00 5739.3
## 3 0.00 0.00 0.00 5739.3
## 4 0.00 1956.52 1467.39 5739.3
## 5 7043.47 0.00 0.00 5739.3
## 6 43043.47 0.00 0.00 5739.3También con “tail”, vemos las últimas 6 líneas de la base de datos
tail(enigh_concentrado)## folioviv foliohog ubica_geo ageb tam_loc est_socio est_dis upm
## 19474 3260733415 1 320550021 014-0 4 2 197 26180
## 19475 3260733806 1 320550021 014-0 4 2 197 26180
## 19476 3260733807 1 320550021 014-0 4 2 197 26180
## 19477 3260733808 1 320550021 014-0 4 2 197 26180
## 19478 3260733809 1 320550021 014-0 4 2 197 26180
## 19479 3260733810 1 320550021 014-0 4 2 197 26180
## factor_hog clase_hog sexo_jefe edad_jefe educa_jefe tot_integ
## 19474 700 2 1 70 03 2
## 19475 700 2 1 56 03 2
## 19476 700 2 1 91 03 2
## 19477 700 2 2 70 03 2
## 19478 700 1 2 76 03 1
## 19479 700 3 2 39 03 5
## hombres mujeres mayores menores p12_64 p65mas ocupados percep_ing
## 19474 1 1 2 0 1 1 1 1
## 19475 1 1 2 0 1 1 1 2
## 19476 2 0 2 0 1 1 1 2
## 19477 1 1 2 0 1 1 0 1
## 19478 0 1 1 0 0 1 0 1
## 19479 3 2 3 2 3 0 2 3
## perc_ocupa ing_cor ingtrab trabajo sueldos horas_extr comisiones
## 19474 1 6764.09 3029.67 978.26 978.26 0 0
## 19475 1 17729.84 11249.99 0.00 0.00 0 0
## 19476 1 17272.74 5062.49 0.00 0.00 0 0
## 19477 0 11140.16 0.00 0.00 0.00 0 0
## 19478 0 15976.96 0.00 0.00 0.00 0 0
## 19479 2 12688.35 635.86 635.86 635.86 0 0
## aguinaldo indemtrab otra_rem remu_espec negocio noagrop industria
## 19474 0 0 0 0 2051.41 0 0
## 19475 0 0 0 0 0.00 0 0
## 19476 0 0 0 0 5062.49 0 0
## 19477 0 0 0 0 0.00 0 0
## 19478 0 0 0 0 0.00 0 0
## 19479 0 0 0 0 0.00 0 0
## comercio servicios agrope agricolas pecuarios reproducc pesca
## 19474 0 0 2051.41 2051.41 0.00 0 0
## 19475 0 0 0.00 0.00 0.00 0 0
## 19476 0 0 5062.49 0.00 5062.49 0 0
## 19477 0 0 0.00 0.00 0.00 0 0
## 19478 0 0 0.00 0.00 0.00 0 0
## 19479 0 0 0.00 0.00 0.00 0 0
## otros_trab rentas utilidad arrenda transfer jubilacion becas
## 19474 0.00 0 0 0 1702.17 0 0
## 19475 11249.99 0 0 0 5608.89 0 0
## 19476 0.00 0 0 0 11048.96 0 0
## 19477 0.00 0 0 0 8236.94 0 0
## 19478 0.00 0 0 0 13654.38 0 0
## 19479 0.00 0 0 0 10600.88 0 0
## donativos remesas bene_gob transf_hog trans_inst estim_alqu
## 19474 0.00 0.00 1702.17 0.00 0.00 2032.25
## 19475 0.00 3458.14 0.00 2121.41 29.34 870.96
## 19476 1614.13 4940.21 3805.43 493.54 195.65 1161.29
## 19477 0.00 7092.39 0.00 1144.55 0.00 2903.22
## 19478 0.00 9758.15 1702.17 1382.11 811.95 2322.58
## 19479 160.42 0.00 1173.90 9266.56 0.00 1451.61
## otros_ing gasto_mon alimentos ali_dentro cereales carnes pescado
## 19474 0 6314.01 4114.21 2571.37 398.56 642.85 0
## 19475 0 4754.35 925.70 925.70 925.70 0.00 0
## 19476 0 18037.54 7868.43 2969.93 462.85 192.85 0
## 19477 0 7930.09 1902.82 1902.82 617.13 0.00 0
## 19478 0 5806.59 2256.34 2256.34 565.69 0.00 0
## 19479 0 1618.37 758.54 758.54 0.00 0.00 0
## leche huevo aceites tuberculo verduras frutas azucar cafe
## 19474 681.40 334.28 0.00 0 257.14 0.00 0.00 0
## 19475 0.00 0.00 0.00 0 0.00 0.00 0.00 0
## 19476 1684.26 0.00 359.99 0 167.13 0.00 0.00 0
## 19477 527.13 0.00 0.00 0 642.85 115.71 0.00 0
## 19478 314.99 347.14 0.00 0 257.14 128.57 154.28 0
## 19479 0.00 385.70 372.84 0 0.00 0.00 0.00 0
## especias otros_alim bebidas ali_fuera tabaco vesti_calz vestido
## 19474 0 0.00 257.14 0.00 1542.84 0.00 0
## 19475 0 0.00 0.00 0.00 0.00 29.34 0
## 19476 0 0.00 102.85 2879.98 2018.52 0.00 0
## 19477 0 0.00 0.00 0.00 0.00 0.00 0
## 19478 0 128.57 359.96 0.00 0.00 29.34 0
## 19479 0 0.00 0.00 0.00 0.00 0.00 0
## calzado vivienda alquiler pred_cons agua energia limpieza cuidados
## 19474 0.00 1015.20 0 58.06 120 837.14 287.40 287.40
## 19475 29.34 444.00 0 0.00 120 324.00 43.54 43.54
## 19476 0.00 1784.89 0 58.06 120 1606.83 542.87 542.87
## 19477 0.00 1718.54 0 69.67 40 1608.87 406.42 406.42
## 19478 29.34 653.70 0 220.16 120 313.54 509.76 348.36
## 19479 0.00 116.12 0 116.12 0 0.00 11.61 11.61
## utensilios enseres salud atenc_ambu hospital medicinas transporte
## 19474 0.00 0.00 0.00 0.00 0 0.00 213.82
## 19475 0.00 0.00 1888.01 1741.28 0 146.73 0.00
## 19476 0.00 0.00 3076.60 2196.18 0 880.42 2749.74
## 19477 0.00 0.00 0.00 0.00 0 0.00 976.51
## 19478 14.67 146.73 782.60 782.60 0 0.00 1260.55
## 19479 0.00 0.00 146.73 146.73 0 0.00 0.00
## publico foraneo adqui_vehi mantenim refaccion combus comunica
## 19474 0.00 176.08 0 0 0 0 37.74
## 19475 0.00 0.00 0 0 0 0 0.00
## 19476 2314.26 0.00 0 0 0 0 435.48
## 19477 0.00 366.84 0 0 0 0 609.67
## 19478 771.42 489.13 0 0 0 0 0.00
## 19479 0.00 0.00 0 0 0 0 0.00
## educa_espa educacion esparci paq_turist personales cuida_pers
## 19474 0.00 0.00 0.00 0 683.38 487.73
## 19475 450.00 0.00 450.00 0 142.25 142.25
## 19476 0.00 0.00 0.00 0 107.41 107.41
## 19477 29.03 0.00 29.03 0 255.47 255.47
## 19478 0.00 0.00 0.00 0 240.94 240.94
## 19479 585.37 145.16 440.21 0 0.00 0.00
## acces_pers otros_gas transf_gas percep_tot retiro_inv prestamos
## 19474 195.65 0 0.00 0.00 0.00 0
## 19475 0.00 0 831.51 2490.04 733.69 0
## 19476 0.00 0 1907.60 1816.76 0.00 0
## 19477 0.00 0 2641.30 1917.38 1467.39 0
## 19478 0.00 0 73.36 680.04 244.56 0
## 19479 0.00 0 0.00 1491.68 0.00 0
## otras_perc ero_nm_viv ero_nm_hog erogac_tot cuota_viv mater_serv
## 19474 0.00 0 0.00 0.00 0 0.00
## 19475 97.82 0 1658.53 3228.25 0 0.00
## 19476 0.00 0 1816.76 8770.58 0 6302.43
## 19477 0.00 0 449.99 2592.39 0 0.00
## 19478 0.00 0 435.48 1760.86 0 146.73
## 19479 0.00 0 1491.68 1085.86 0 0.00
## material servicio deposito prest_terc pago_tarje deudas balance
## 19474 0.00 0.0 0.00 0 0 0 0.00
## 19475 0.00 0.0 733.69 0 0 0 2494.56
## 19476 4394.83 1907.6 1467.39 0 0 0 1000.76
## 19477 0.00 0.0 2592.39 0 0 0 0.00
## 19478 146.73 0.0 1614.13 0 0 0 0.00
## 19479 0.00 0.0 0.00 0 0 0 1085.86
## otras_erog smg
## 19474 0 5739.3
## 19475 0 5739.3
## 19476 0 5739.3
## 19477 0 5739.3
## 19478 0 5739.3
## 19479 0 5739.3Ver los nombres de las variables
names(enigh_concentrado)## [1] "folioviv" "foliohog" "ubica_geo" "ageb" "tam_loc"
## [6] "est_socio" "est_dis" "upm" "factor_hog" "clase_hog"
## [11] "sexo_jefe" "edad_jefe" "educa_jefe" "tot_integ" "hombres"
## [16] "mujeres" "mayores" "menores" "p12_64" "p65mas"
## [21] "ocupados" "percep_ing" "perc_ocupa" "ing_cor" "ingtrab"
## [26] "trabajo" "sueldos" "horas_extr" "comisiones" "aguinaldo"
## [31] "indemtrab" "otra_rem" "remu_espec" "negocio" "noagrop"
## [36] "industria" "comercio" "servicios" "agrope" "agricolas"
## [41] "pecuarios" "reproducc" "pesca" "otros_trab" "rentas"
## [46] "utilidad" "arrenda" "transfer" "jubilacion" "becas"
## [51] "donativos" "remesas" "bene_gob" "transf_hog" "trans_inst"
## [56] "estim_alqu" "otros_ing" "gasto_mon" "alimentos" "ali_dentro"
## [61] "cereales" "carnes" "pescado" "leche" "huevo"
## [66] "aceites" "tuberculo" "verduras" "frutas" "azucar"
## [71] "cafe" "especias" "otros_alim" "bebidas" "ali_fuera"
## [76] "tabaco" "vesti_calz" "vestido" "calzado" "vivienda"
## [81] "alquiler" "pred_cons" "agua" "energia" "limpieza"
## [86] "cuidados" "utensilios" "enseres" "salud" "atenc_ambu"
## [91] "hospital" "medicinas" "transporte" "publico" "foraneo"
## [96] "adqui_vehi" "mantenim" "refaccion" "combus" "comunica"
## [101] "educa_espa" "educacion" "esparci" "paq_turist" "personales"
## [106] "cuida_pers" "acces_pers" "otros_gas" "transf_gas" "percep_tot"
## [111] "retiro_inv" "prestamos" "otras_perc" "ero_nm_viv" "ero_nm_hog"
## [116] "erogac_tot" "cuota_viv" "mater_serv" "material" "servicio"
## [121] "deposito" "prest_terc" "pago_tarje" "deudas" "balance"
## [126] "otras_erog" "smg"Revisar la estructura de la base de datos
str(enigh_concentrado)## 'data.frame': 19479 obs. of 127 variables:
## $ folioviv : Factor w/ 19124 levels "0100008302","0100008303",..: 1 2 3 4 5 6 7 8 9 10 ...
## $ foliohog : Factor w/ 4 levels "1","2","3","4": 1 1 1 1 1 1 1 1 1 1 ...
## $ ubica_geo : Factor w/ 993 levels "010010001","010010982",..: 1 1 1 1 1 1 1 1 1 1 ...
## $ ageb : Factor w/ 1799 levels "001-0","001-2",..: 242 242 242 242 242 242 242 242 242 247 ...
## $ tam_loc : Factor w/ 4 levels "1","2","3","4": 1 1 1 1 1 1 1 1 1 1 ...
## $ est_socio : Factor w/ 4 levels "1","2","3","4": 4 4 4 4 4 4 4 4 4 3 ...
## $ est_dis : Factor w/ 200 levels "001","002","003",..: 5 5 5 5 5 5 5 5 5 4 ...
## $ upm : Factor w/ 2626 levels "00010","00020",..: 67 67 67 67 60 60 60 60 60 57 ...
## $ factor_hog: int 694 694 694 694 660 660 660 660 660 583 ...
## $ clase_hog : Factor w/ 5 levels "1","2","3","4",..: 3 1 2 3 2 3 2 2 2 3 ...
## $ sexo_jefe : Factor w/ 2 levels "1","2": 2 1 1 1 1 1 1 1 1 1 ...
## $ edad_jefe : int 77 64 60 79 72 67 58 50 56 44 ...
## $ educa_jefe: Factor w/ 11 levels "01","02","03",..: 8 6 8 10 10 10 8 11 6 9 ...
## $ tot_integ : int 2 1 3 3 3 4 3 4 4 7 ...
## $ hombres : int 1 1 1 3 2 1 2 3 1 4 ...
## $ mujeres : int 1 0 2 0 1 3 1 1 3 3 ...
## $ mayores : int 2 1 3 3 3 4 3 4 4 6 ...
## $ menores : int 0 0 0 0 0 0 0 0 0 1 ...
## $ p12_64 : int 0 1 3 2 1 2 3 4 4 5 ...
## $ p65mas : int 2 0 0 1 2 2 0 0 0 1 ...
## $ ocupados : int 0 0 2 2 1 1 2 1 4 4 ...
## $ percep_ing: int 2 1 2 3 3 4 3 1 4 4 ...
## $ perc_ocupa: int 0 0 2 2 1 1 2 1 4 3 ...
## $ ing_cor : num 39787 19524 101214 87884 86261 ...
## $ ingtrab : num 0 0 27783 1076 23258 ...
## $ trabajo : num 0 0 27783 587 23258 ...
## $ sueldos : num 0 0 25826 587 21130 ...
## $ horas_extr: num 0 0 0 0 0 0 0 0 0 0 ...
## $ comisiones: num 0 0 0 0 0 0 0 0 0 0 ...
## $ aguinaldo : num 0 0 1957 0 1834 ...
## $ indemtrab : num 0 0 0 0 0 0 0 0 0 0 ...
## $ otra_rem : num 0 0 0 0 293 ...
## $ remu_espec: num 0 0 0 0 0 ...
## $ negocio : num 0 0 0 489 0 ...
## $ noagrop : num 0 0 0 489 0 ...
## $ industria : num 0 0 0 0 0 0 0 0 0 0 ...
## $ comercio : num 0 0 0 489 0 ...
## $ servicios : num 0 0 0 0 0 ...
## $ agrope : num 0 0 0 0 0 ...
## $ agricolas : num 0 0 0 0 0 ...
## $ pecuarios : num 0 0 0 0 0 0 0 0 0 0 ...
## $ reproducc : num 0 0 0 0 0 0 0 0 0 0 ...
## $ pesca : num 0 0 0 0 0 0 0 0 0 0 ...
## $ otros_trab: num 0 0 0 0 0 0 0 0 0 0 ...
## $ rentas : num 3522 0 0 4402 0 ...
## $ utilidad : num 0 0 0 0 0 0 0 0 0 0 ...
## $ arrenda : num 3522 0 0 4402 0 ...
## $ transfer : num 24652 13717 60367 68347 54293 ...
## $ jubilacion: num 24652 0 58696 66033 52826 ...
## $ becas : num 0 0 0 0 0 0 0 0 0 0 ...
## $ donativos : num 0 0 0 0 0 0 0 0 0 0 ...
## $ remesas : num 0 0 0 0 0 0 0 0 0 0 ...
## $ bene_gob : num 0 11739 0 0 1467 ...
## $ transf_hog: num 0 1978 1671 2314 0 ...
## $ trans_inst: num 0 0 0 0 0 0 0 0 0 0 ...
## $ estim_alqu: num 11613 5806 13065 11613 8710 ...
## $ otros_ing : num 0 0 0 2446 0 ...
## $ gasto_mon : num 33488 2474 30942 18679 24388 ...
## $ alimentos : num 11173 1941 16759 8678 12873 ...
## $ ali_dentro: num 11173 1234 14753 8678 12230 ...
## $ cereales : num 681 231 591 1646 1491 ...
## $ carnes : num 51.4 0 3529.3 64.3 4382.9 ...
## $ pescado : num 0 0 0 0 0 0 0 0 0 0 ...
## $ leche : num 759 424 1286 1144 759 ...
## $ huevo : num 141 0 347 283 386 ...
## $ aceites : num 0 0 0 0 0 0 0 0 0 0 ...
## $ tuberculo : num 0 0 103 0 129 ...
## $ verduras : num 283 0 707 810 746 ...
## $ frutas : num 1620 579 476 1260 698 ...
## $ azucar : num 0 0 0 0 0 0 0 0 0 0 ...
## $ cafe : num 0 0 0 0 0 0 0 0 0 0 ...
## $ especias : num 0 0 0 0 0 ...
## $ otros_alim: num 7637 0 5413 3471 2571 ...
## $ bebidas : num 0 0 2301 0 1067 ...
## $ ali_fuera : num 0 707 2006 0 643 ...
## $ tabaco : num 0 0 0 0 0 ...
## $ vesti_calz: num 401 0 489 293 0 ...
## $ vestido : num 0 0 489 293 0 ...
## $ calzado : num 401 0 0 0 0 ...
## $ vivienda : num 2199 0 2989 1100 3062 ...
## $ alquiler : num 0 0 0 0 0 ...
## $ pred_cons : num 505 0 138 125 212 ...
## $ agua : num 294 0 600 300 900 ...
## $ energia : num 1400 0 2252 675 1950 ...
## $ limpieza : num 1003 212 1866 2879 0 ...
## $ cuidados : num 514 212 1632 2860 0 ...
## $ utensilios: num 0 0 234.8 19.6 0 ...
## $ enseres : num 489 0 0 0 0 ...
## $ salud : num 1402 117 1242 421 0 ...
## $ atenc_ambu: num 1370 0 1125 421 0 ...
## $ hospital : num 0 0 0 0 0 0 0 0 0 0 ...
## $ medicinas : num 32.3 117.4 117.4 0 0 ...
## $ transporte: num 5491 0 5829 1440 7006 ...
## $ publico : num 0 0 386 0 0 ...
## $ foraneo : num 0 0 0 0 0 ...
## $ adqui_vehi: num 0 0 0 0 0 0 0 0 0 0 ...
## $ mantenim : num 4381 0 2903 0 5806 ...
## $ refaccion : num 1957 0 0 0 0 ...
## $ combus : num 2424 0 2903 0 5806 ...
## [list output truncated]
## - attr(*, "data_types")= chr "C" "C" "C" "C" ...Si queremos ver los niveles de una variable, tenemos que usar el formato basedatos$var. Esto nos llevará a la variable dentro del objeto que tenemos que es una base de datos. Esto nos permite tener varias bases de datos cargadas en un mismo ambiente.
levels(enigh_concentrado$sexo_jefe)## [1] "1" "2"También podemos pedir una tabla de una variable.
table(enigh_concentrado$sexo_jefe)##
## 1 2
## 14518 4961table(enigh_concentrado$edad)##
## 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31
## 1 2 6 7 41 51 76 105 136 163 194 212 244 253 315 314 372 297
## 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49
## 377 374 407 392 446 453 528 483 551 434 555 482 450 497 454 445 466 402
## 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67
## 474 320 414 400 425 347 303 342 331 347 320 251 262 283 319 306 212 243
## 68 69 70 71 72 73 74 75 76 77 78 79 80 81 82 83 84 85
## 253 168 233 146 182 153 148 133 132 120 150 89 99 57 89 64 60 59
## 86 87 88 89 90 91 92 93 94 95 96 97
## 48 49 34 29 28 18 14 7 13 7 3 10Para ver las dimensiones de cualquier objeto, en este caso nos dirá el número de observaciones y variables
dim(enigh_concentrado)## [1] 19479 127Si queremos saber el tipo o clase de un objeto (numeric, matrix, data frame, etc)
class(enigh_concentrado)## [1] "data.frame"