Data INEI:
library(rio)
reporte=import("reporteEXA.xlsx")
names(reporte)## [1] "Código" "Provincia" "No usa electricidad"
## [4] "Sí usa electricidad" "No usa gas (balón GLP)" "Sí usa gas (balón GLP)"
## [7] "No usa carbón" "Sí usa carbón" "No usa leña"
## [10] "Sí usa leña"Análisis factorial con los datos:
str(reporte)## 'data.frame': 197 obs. of 10 variables:
## $ Código : chr "101" "102" "103" "104" ...
## $ Provincia : chr "Amazonas, provincia: Chachapoyas" "Amazonas, provincia: Bagua" "Amazonas, provincia: Bongara" "Amazonas, provincia: Condorcanqui" ...
## $ No usa electricidad : num 14763 20313 7689 9853 13112 ...
## $ Sí usa electricidad : num 574 161 124 14 90 65 255 921 16 33 ...
## $ No usa gas (balón GLP): num 4696 10557 3154 8331 6863 ...
## $ Sí usa gas (balón GLP): num 10641 9917 4659 1536 6339 ...
## $ No usa carbón : num 15161 20185 7755 9841 13169 ...
## $ Sí usa carbón : num 176 289 58 26 33 26 335 218 4 4 ...
## $ No usa leña : num 7236 7357 2345 1059 1833 ...
## $ Sí usa leña : num 8101 13117 5468 8808 11369 ...reporte=reporte[-c(197),]names(reporte)[names(reporte)=="Código"]<-"Codigo"reporte$Codigo<-as.numeric(reporte$Codigo)
str(reporte$Codigo)## num [1:196] 101 102 103 104 105 106 107 201 202 203 ...summary(reporte)## Codigo Provincia No usa electricidad Sí usa electricidad
## Min. : 101.0 Length:196 Min. : 687 Min. : 1.00
## 1st Qu.: 507.8 Class :character 1st Qu.: 8176 1st Qu.: 57.75
## Median :1056.0 Mode :character Median : 15798 Median : 146.50
## Mean :1145.9 Mean : 40812 Mean : 1291.95
## 3rd Qu.:1702.2 3rd Qu.: 32071 3rd Qu.: 479.00
## Max. :2504.0 Max. :2228751 Max. :125199.00
## No usa gas (balón GLP) Sí usa gas (balón GLP) No usa carbón
## Min. : 572 Min. : 116 Min. : 600
## 1st Qu.: 4649 1st Qu.: 2740 1st Qu.: 8193
## Median : 7776 Median : 7402 Median : 15618
## Mean : 12711 Mean : 29393 Mean : 40983
## 3rd Qu.: 12664 3rd Qu.: 17661 3rd Qu.: 31502
## Max. :515782 Max. :1838168 Max. :2329530
## Sí usa carbón No usa leña Sí usa leña
## Min. : 4.0 Min. : 175 Min. : 510
## 1st Qu.: 33.0 1st Qu.: 1801 1st Qu.: 4987
## Median : 106.5 Median : 5155 Median : 9004
## Mean : 1120.6 Mean : 30459 Mean :11645
## 3rd Qu.: 348.2 3rd Qu.: 16494 3rd Qu.:15076
## Max. :29288.0 Max. :2310046 Max. :58210sum(is.na(reporte))## [1] 0library(psych)
library(GPArotation)##
## Attaching package: 'GPArotation'## The following objects are masked from 'package:psych':
##
## equamax, variminSeleccionando:
dontselect=c("Codigo", "Provincia")
select=setdiff(names(reporte), dontselect)
theData=reporte[,select]
library(magrittr)
head(theData,10)%>%
rmarkdown::paged_table()library(polycor)##
## Attaching package: 'polycor'## The following object is masked from 'package:psych':
##
## polyserialsummary(theData)## No usa electricidad Sí usa electricidad No usa gas (balón GLP)
## Min. : 687 Min. : 1.00 Min. : 572
## 1st Qu.: 8176 1st Qu.: 57.75 1st Qu.: 4649
## Median : 15798 Median : 146.50 Median : 7776
## Mean : 40812 Mean : 1291.95 Mean : 12711
## 3rd Qu.: 32071 3rd Qu.: 479.00 3rd Qu.: 12664
## Max. :2228751 Max. :125199.00 Max. :515782
## Sí usa gas (balón GLP) No usa carbón Sí usa carbón No usa leña
## Min. : 116 Min. : 600 Min. : 4.0 Min. : 175
## 1st Qu.: 2740 1st Qu.: 8193 1st Qu.: 33.0 1st Qu.: 1801
## Median : 7402 Median : 15618 Median : 106.5 Median : 5155
## Mean : 29393 Mean : 40983 Mean : 1120.6 Mean : 30459
## 3rd Qu.: 17661 3rd Qu.: 31502 3rd Qu.: 348.2 3rd Qu.: 16494
## Max. :1838168 Max. :2329530 Max. :29288.0 Max. :2310046
## Sí usa leña
## Min. : 510
## 1st Qu.: 4987
## Median : 9004
## Mean :11645
## 3rd Qu.:15076
## Max. :58210library(DescTools)##
## Attaching package: 'DescTools'## The following objects are masked from 'package:psych':
##
## AUC, ICC, SDlibrary(lmtest)## Loading required package: zoo##
## Attaching package: 'zoo'## The following objects are masked from 'package:base':
##
## as.Date, as.Date.numericlibrary(kableExtra)CorMatrix=cor(theData)
print(CorMatrix)## No usa electricidad Sí usa electricidad
## No usa electricidad 1.0000000 0.9938651
## Sí usa electricidad 0.9938651 1.0000000
## No usa gas (balón GLP) 0.9780567 0.9761117
## Sí usa gas (balón GLP) 0.9984237 0.9920048
## No usa carbón 0.9997453 0.9951775
## Sí usa carbón 0.5305094 0.4873608
## No usa leña 0.9981924 0.9973195
## Sí usa leña 0.3660628 0.2868231
## No usa gas (balón GLP) Sí usa gas (balón GLP)
## No usa electricidad 0.9780567 0.9984237
## Sí usa electricidad 0.9761117 0.9920048
## No usa gas (balón GLP) 1.0000000 0.9649201
## Sí usa gas (balón GLP) 0.9649201 1.0000000
## No usa carbón 0.9780216 0.9982153
## Sí usa carbón 0.5189556 0.5269917
## No usa leña 0.9726519 0.9979630
## Sí usa leña 0.4226288 0.3426981
## No usa carbón Sí usa carbón No usa leña Sí usa leña
## No usa electricidad 0.9997453 0.5305094 0.9981924 0.3660628
## Sí usa electricidad 0.9951775 0.4873608 0.9973195 0.2868231
## No usa gas (balón GLP) 0.9780216 0.5189556 0.9726519 0.4226288
## Sí usa gas (balón GLP) 0.9982153 0.5269917 0.9979630 0.3426981
## No usa carbón 1.0000000 0.5117848 0.9985713 0.3567675
## Sí usa carbón 0.5117848 1.0000000 0.5141232 0.4168478
## No usa leña 0.9985713 0.5141232 1.0000000 0.3095933
## Sí usa leña 0.3567675 0.4168478 0.3095933 1.0000000high_corr <- which(abs(CorMatrix) > 0.9 & abs(CorMatrix) < 1, arr.ind = TRUE)
print(high_corr)## row col
## Sí usa electricidad 2 1
## No usa gas (balón GLP) 3 1
## Sí usa gas (balón GLP) 4 1
## No usa carbón 5 1
## No usa leña 7 1
## No usa electricidad 1 2
## No usa gas (balón GLP) 3 2
## Sí usa gas (balón GLP) 4 2
## No usa carbón 5 2
## No usa leña 7 2
## No usa electricidad 1 3
## Sí usa electricidad 2 3
## Sí usa gas (balón GLP) 4 3
## No usa carbón 5 3
## No usa leña 7 3
## No usa electricidad 1 4
## Sí usa electricidad 2 4
## No usa gas (balón GLP) 3 4
## No usa carbón 5 4
## No usa leña 7 4
## No usa electricidad 1 5
## Sí usa electricidad 2 5
## No usa gas (balón GLP) 3 5
## Sí usa gas (balón GLP) 4 5
## No usa leña 7 5
## No usa electricidad 1 7
## Sí usa electricidad 2 7
## No usa gas (balón GLP) 3 7
## Sí usa gas (balón GLP) 4 7
## No usa carbón 5 7sample_size <- nrow(theData)
print(sample_size)## [1] 196library(robust)## Loading required package: fit.models#CorMatrix_robust <- covRob(theData)$cov
#print(CorMatrix_robust)Existe una matriz cuya covarianza es singular o casi singular, lo que hace que no podamos invertirla. reciprocal condition number = 1.13996e-17
#CorMatrix=polycor::hetcor(theData)$correlationsPARTE 2: