library(rio)
data1=import("Lima2022.xlsx")
## New names:
## • `` -> `...2`
library(rvest)
link = "https://es.wikipedia.org/wiki/Elecciones_municipales_de_Lima_de_2022"
path = '//*[@id="mw-content-text"]/div[1]/table[9]'
resultados <- read_html(link)%>%html_nodes(xpath = path)%>%html_table()%>% .[[1]]
head(resultados)
## # A tibble: 6 × 17
## Distrito RP RP PP PP SP SP FE FE APP APP JP
## <chr> <chr> <chr> <chr> <chr> <chr> <chr> <chr> <chr> <chr> <chr> <chr>
## 1 Distrito "" "" "" "" "" "" "" "" "" "" ""
## 2 Distrito "V" "%" "V" "%" "V" "%" "V" "%" "V" "%" "V"
## 3 Ancón "3,725" "13.2… "9,3… "33.… "5,9… "21.… "2,0… "7.2… "3,5… "12.… "1,6…
## 4 Ate "57,374" "17.4… "98,… "29.… "52,… "15.… "27,… "8.5… "26,… "7.9… "25,…
## 5 Barranco "11,604" "36.9… "5,7… "18.… "6,4… "20.… "2,7… "8.8… "2,1… "6.9… "1,6…
## 6 Breña "22,721" "31.1… "18,… "25.… "14,… "19.… "8,2… "11.… "2,4… "3.3… "3,8…
## # ℹ 5 more variables: JP <chr>, AvP <chr>, AvP <chr>, PL <chr>, PL <chr>
library(rio)
data2=import("residuosPeru.xlsx")
library(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, union
data2 = filter(data2,PROVINCIA == "LIMA" )
data2=data2[!duplicated(data2), ]
library(dplyr)
data2 = filter(data2,PERIODO == "2021" )
data2=data2[!duplicated(data2), ]
resultados$Distrito = toupper(resultados$Distrito)
table(resultados$Distrito)
##
## ANCÓN ATE BARRANCO
## 1 1 1
## BREÑA CARABAYLLO CHACLACAYO
## 1 1 1
## CHORRILLOS CIENEGUILLA COMAS
## 1 1 1
## DISTRITO EL AGUSTINO INDEPENDENCIA
## 2 1 1
## JESÚS MARÍA LA MOLINA LA VICTORIA
## 1 1 1
## LIMA LINCE LOS OLIVOS
## 1 1 1
## LURIGANCHO-CHOSICA LURÍN MAGDALENA DEL MAR
## 1 1 1
## MIRAFLORES PACHACÁMAC PUCUSANA
## 1 1 1
## PUEBLO LIBRE PUENTE PIEDRA PUNTA HERMOSA
## 1 1 1
## PUNTA NEGRA RÍMAC SAN BARTOLO
## 1 1 1
## SAN BORJA SAN ISIDRO SAN JUAN DE LURIGANCHO
## 1 1 1
## SAN JUAN DE MIRAFLORES SAN LUIS SAN MARTÍN DE PORRES
## 1 1 1
## SAN MIGUEL SANTA ANITA SANTA MARÍA DEL MAR
## 1 1 1
## SANTA ROSA SANTIAGO DE SURCO SURQUILLO
## 1 1 1
## TOTAL VILLA EL SALVADOR VILLA MARÍA DEL TRIUNFO
## 1 1 1
resultados <- resultados[-(1:2),]
data1$Distrito<-gsub("^[0-9]+ ", "", data1$Distrito)
colnames(data2)[7] = "Distrito"
TOTAL = merge(data1, data2, by = "Distrito", all.x = TRUE, all.y = TRUE)
TOTAL = merge(TOTAL, resultados, by = "Distrito", all.x = TRUE, all.y = TRUE)
modelo1=formula(QRESIDUOS_NO_DOM~RP.1+Denuncias)
reg1=lm(modelo1,data=TOTAL)
summary(reg1)
##
## Call:
## lm(formula = modelo1, data = TOTAL)
##
## Residuals:
## ALL 33 residuals are 0: no residual degrees of freedom!
##
## Coefficients: (32 not defined because of singularities)
## Estimate Std. Error t value Pr(>|t|)
## (Intercept) 5009.47 NaN NaN NaN
## RP.116.68 -4281.30 NaN NaN NaN
## RP.117.49 69208.75 NaN NaN NaN
## RP.117.99 39876.91 NaN NaN NaN
## RP.118.28 20769.45 NaN NaN NaN
## RP.118.49 16450.14 NaN NaN NaN
## RP.119.24 38235.41 NaN NaN NaN
## RP.119.37 65885.22 NaN NaN NaN
## RP.120.07 109794.44 NaN NaN NaN
## RP.120.65 15100.29 NaN NaN NaN
## RP.120.89 -1253.78 NaN NaN NaN
## RP.123.14 36818.28 NaN NaN NaN
## RP.123.58 34180.61 NaN NaN NaN
## RP.124.49 32252.40 NaN NaN NaN
## RP.125.27 31788.72 NaN NaN NaN
## RP.125.67 -4195.53 NaN NaN NaN
## RP.128.42 87.41 NaN NaN NaN
## RP.129.25 23830.84 NaN NaN NaN
## RP.129.61 -1162.93 NaN NaN NaN
## RP.129.94 -2797.52 NaN NaN NaN
## RP.131.15 5601.16 NaN NaN NaN
## RP.132.55 1305.39 NaN NaN NaN
## RP.136.92 -2404.62 NaN NaN NaN
## RP.137.11 5940.39 NaN NaN NaN
## RP.139.11 -76.27 NaN NaN NaN
## RP.141.66 12727.18 NaN NaN NaN
## RP.143.15 1748.49 NaN NaN NaN
## RP.145.81 37099.90 NaN NaN NaN
## RP.146.75 12303.65 NaN NaN NaN
## RP.155.02 5289.54 NaN NaN NaN
## RP.155.85 5601.58 NaN NaN NaN
## RP.161.64 2288.04 NaN NaN NaN
## RP.19.05 -3346.94 NaN NaN NaN
## Denuncias110,1 NA NA NA NA
## Denuncias111,4 NA NA NA NA
## Denuncias121,9 NA NA NA NA
## Denuncias123,8 NA NA NA NA
## Denuncias124,0 NA NA NA NA
## Denuncias126,6 NA NA NA NA
## Denuncias127,2 NA NA NA NA
## Denuncias133,8 NA NA NA NA
## Denuncias151,0 NA NA NA NA
## Denuncias153,1 NA NA NA NA
## Denuncias153,9 NA NA NA NA
## Denuncias154,4 NA NA NA NA
## Denuncias155,9 NA NA NA NA
## Denuncias160,3 NA NA NA NA
## Denuncias165,0 NA NA NA NA
## Denuncias169,8 NA NA NA NA
## Denuncias188,2 NA NA NA NA
## Denuncias200,4 NA NA NA NA
## Denuncias210,3 NA NA NA NA
## Denuncias215,1 NA NA NA NA
## Denuncias218,6 NA NA NA NA
## Denuncias251,3 NA NA NA NA
## Denuncias268,8 NA NA NA NA
## Denuncias278,8 NA NA NA NA
## Denuncias291,8 NA NA NA NA
## Denuncias389,8 NA NA NA NA
## Denuncias553,7 NA NA NA NA
## Denuncias63,2 NA NA NA NA
## Denuncias642,7 NA NA NA NA
## Denuncias84,6 NA NA NA NA
## Denuncias90,5 NA NA NA NA
## Denuncias99,2 NA NA NA NA
##
## Residual standard error: NaN on 0 degrees of freedom
## (21 observations deleted due to missingness)
## Multiple R-squared: 1, Adjusted R-squared: NaN
## F-statistic: NaN on 32 and 0 DF, p-value: NA
library(modelsummary)
## `modelsummary` 2.0.0 now uses `tinytable` as its default table-drawing
## backend. Learn more at: https://vincentarelbundock.github.io/tinytable/
##
## Revert to `kableExtra` for one session:
##
## options(modelsummary_factory_default = 'kableExtra')
##
## Change the default backend persistently:
##
## config_modelsummary(factory_default = 'gt')
##
## Silence this message forever:
##
## config_modelsummary(startup_message = FALSE)
model1=list('apropiacion (I)'=reg1)
modelsummary(model1, title = "Regresion: modelo 1",
stars = TRUE,
output = "kableExtra")
## Warning: Model has zero degrees of freedom!
## Warning: Model has zero degrees of freedom!
Regresion: modelo 1
|
|
apropiacion (I)
|
|
(Intercept)
|
5009.470
|
|
RP.116.68
|
-4281.300
|
|
RP.117.49
|
69208.750
|
|
RP.117.99
|
39876.910
|
|
RP.118.28
|
20769.450
|
|
RP.118.49
|
16450.140
|
|
RP.119.24
|
38235.410
|
|
RP.119.37
|
65885.220
|
|
RP.120.07
|
109794.440
|
|
RP.120.65
|
15100.290
|
|
RP.120.89
|
-1253.780
|
|
RP.123.14
|
36818.280
|
|
RP.123.58
|
34180.610
|
|
RP.124.49
|
32252.400
|
|
RP.125.27
|
31788.720
|
|
RP.125.67
|
-4195.530
|
|
RP.128.42
|
87.410
|
|
RP.129.25
|
23830.840
|
|
RP.129.61
|
-1162.930
|
|
RP.129.94
|
-2797.520
|
|
RP.131.15
|
5601.160
|
|
RP.132.55
|
1305.390
|
|
RP.136.92
|
-2404.620
|
|
RP.137.11
|
5940.390
|
|
RP.139.11
|
-76.270
|
|
RP.141.66
|
12727.180
|
|
RP.143.15
|
1748.490
|
|
RP.145.81
|
37099.900
|
|
RP.146.75
|
12303.650
|
|
RP.155.02
|
5289.540
|
|
RP.155.85
|
5601.580
|
|
RP.161.64
|
2288.040
|
|
RP.19.05
|
-3346.940
|
|
Num.Obs.
|
33
|
|
R2
|
1.000
|
|
AIC
|
|
|
BIC
|
|
|
Log.Lik.
|
|
|
RMSE
|
0.00
|
|
+ p < 0.1, * p < 0.05, ** p < 0.01, *** p <
0.001
|