Ciencia de datos [Modelo]
Edson Patricio Celestino Carrasco - Maximiliano Hernández Galindo - Fernanda P. Bazua León
2025-05-16
1. Carga de librerías y datos
###Problemática: La insatisfacción ciudadana hacia los alcaldes, derivada de su percepción de mal desempeño en la gestión de servicios públicos generando desconfianza en las instituciones y limita el desarrollo sostenible de los municipios.
####Preguntas de investigación: ####¿Cómo influye la transparencia municipal en la gestión de los alcaldes sobre la percepción de los habitantes, según la región geográfica y las características demográficas de los municipios de Nuevo León?
####Variables: Las siguientes variables fueron elegidas bajo el criterio de análisis de las preguntas de investigación. En concreto, seleccionamos aquellas que reflejan el nivel socioeconómico de la gente, así como las variables de municipios, las de educación y la opinión pública basada en una métrica cualitativa donde los número representan un nivel de valoración superior o inferior. - num_mun: Código numérico del municipio donde se realizó la encuesta.
2. Limpieza y exploración inicial de datos
# Pega aquí tu código de limpieza y exploración inicial
# Selección de las variables
eav_2024_selected <- eav_2024 %>%
select(sexo_num, num_mun, nom_mun_mv, nom_loc_mv, rangos_edad,
cp4_1, cp7_1, cp7_2, cp7_3, cp7_4, cp7_5, cp7_6, cp7_7,
cp7_8, cp7_9, cp7_10, cp8_1, cp8_2, cp8_3, cp8_4, cp8_5,
cp8_6, cp8_7, cp8_8, cp8_9, cp8_10, cp9_1, cp9_2, cp9_3,
cp9_4, cp9_5, cp9_6, cp9_7, cp9_8, cp9_9, cp9_10, p75,
p164, p117, p118, p120, p122, p123, p124, p125, p126,
p127, p128, p129, p131_1, p132_2, p133_3, p133_4, p133_5,
p136, p137, p138, p139, p52_1, p52_2, p52_3, p52_4, p52_5,
p156, Factor_CVNL)
View(eav_2024_selected)
# Limpieza de la base de datos
eav_2024_selected_clean <- eav_2024_selected %>%
mutate(
num_mun = as.factor(num_mun),
rangos_edad = as.factor(rangos_edad),
sexo = case_when(sexo_num == 0 ~ "Hombre",
sexo_num == 1 ~ "Mujer"),
sexo = as.factor(sexo),
municipio = as.factor(nom_mun_mv),
edad = as.numeric(cp4_1),
across(cp7_1:cp7_10, ~ case_when(.x %in% c(8888, 9999) ~ NA_real_, TRUE ~ .x)),
Estudiantes = rowSums(select(., cp7_1:cp7_10), na.rm = TRUE),
Estudiantes = factor(case_when(
p123 == 0 ~ "No",
p123 == 1 ~ "Si",
TRUE ~ NA_character_)),
across(p75, ~ case_when(.x %in% c(8888, 9999) ~ 0, TRUE ~ .x)),
IngresoSuficiente = factor(case_when(
p75 == 1 ~ "LesAlcanzaBien",
p75 == 2 ~ "LesAlcanzaJusto",
p75 == 3 ~ "NoLesAlcanza",
p75 == 4 ~ "NoLesAlcanzaDificultades",
TRUE ~ NA_character_
)),
across(p164, ~ case_when(.x %in% c(9999) ~ NA_real_, TRUE ~ .x)),
IngresoDomesticoMensual = factor(case_when(
p164 == 1 ~ "Sin Ingreso (Salario)",
p164 == 2 ~ "x < 1 SM",
p164 == 3 ~ "1-2 SM",
p164 == 4 ~ "2-3 SM",
p164 == 5 ~ "3-4 SM",
p164 == 6 ~ "4-5 SM",
p164 == 7 ~ "5-6 SM",
p164 == 8 ~ "6-7 SM",
p164 == 9 ~ "7-8 SM",
p164 == 10 ~ "8-9 SM",
p164 == 11 ~ "9-10 SM",
p164 == 12 ~ "x ≥ 10 SM",
TRUE ~ NA_character_
)),
across(p123, ~ case_when(.x %in% c(9999) ~ NA_real_, TRUE ~ .x)),
GoberFavoritismo = factor(case_when(
p123 == 0 ~ "No",
p123 == 1 ~ "Si",
p123 == 8888 ~ "No sabe",
p123 == 9999 ~ "No contesta",
TRUE ~ NA_character_
)),
across(p124, ~ case_when(.x %in% c(9999) ~ NA_real_, TRUE ~ .x)),
AlcaFavoritismo = factor(case_when(
p124 == 0 ~ "No",
p124 == 1 ~ "Si",
p124 == 8888 ~ "No sabe",
p124 == 9999 ~ "No contesta",
TRUE ~ NA_character_
)),
across(p125, ~ case_when(.x %in% c(9999) ~ NA_real_, TRUE ~ .x)),
AlcaEficiencia = factor(case_when(
p125 == 0 ~ "No",
p125 == 1 ~ "Si",
p125 == 8888 ~ "No sabe",
p125 == 9999 ~ "No contesta",
TRUE ~ NA_character_
)),
across(p126, ~ case_when(.x %in% c(9999) ~ NA_real_, TRUE ~ .x)),
GoberEficiencia = factor(case_when(
p126 == 0 ~ "No",
p126 == 1 ~ "Si",
p126 == 8888 ~ "No sabe",
p126 == 9999 ~ "No contesta",
TRUE ~ NA_character_
)),
across(p127, ~ case_when(.x %in% c(8888, 9999) ~ 0, TRUE ~ .x)),
PercepTranspEstado = as.numeric(p127),
across(p128, ~ case_when(.x %in% c(8888, 9999) ~ 0, TRUE ~ .x)),
PercepTranspMuni = as.numeric(p128),
across(p129, ~ case_when(.x %in% c(9999) ~ NA_real_, TRUE ~ .x)),
CorruptioExperi = factor(case_when(
p129 == 0 ~ "No",
p129 == 1 ~ "Si",
p129 == 8888 ~ "No sabe",
p129 == 9999 ~ "No contesta",
TRUE ~ NA_character_
)),
across(p131_1, ~ case_when(.x %in% c(9999) ~ NA_real_, TRUE ~ .x)),
AlcalHonesto = factor(case_when(
p131_1 == 0 ~ "No",
p131_1 == 1 ~ "Si",
p131_1 == 8888 ~ "No sabe",
p131_1 == 9999 ~ "No contesta",
TRUE ~ NA_character_
)),
across(p132_2, ~ case_when(.x %in% c(9999) ~ NA_real_, TRUE ~ .x)),
AlcalCapaz = factor(case_when(
p132_2 == 0 ~ "No",
p132_2 == 1 ~ "Si",
p132_2 == 8888 ~ "No sabe",
p132_2 == 9999 ~ "No contesta",
TRUE ~ NA_character_
)),
across(p133_3, ~ case_when(.x %in% c(9999) ~ NA_real_, TRUE ~ .x)),
AlcalBuenEquipo = factor(case_when(
p133_3 == 0 ~ "No",
p133_3 == 1 ~ "Si",
p133_3 == 8888 ~ "No sabe",
p133_3 == 9999 ~ "No contesta",
TRUE ~ NA_character_
)),
across(p133_4, ~ case_when(.x %in% c(9999) ~ NA_real_, TRUE ~ .x)),
AlcalCumplidor = factor(case_when(
p133_4 == 0 ~ "No",
p133_4 == 1 ~ "Si",
p133_4 == 8888 ~ "No sabe",
p133_4 == 9999 ~ "No contesta",
TRUE ~ NA_character_
)),
across(p133_5, ~ case_when(.x %in% c(9999) ~ NA_real_, TRUE ~ .x)),
AlcalAcuerdos = factor(case_when(
p133_5 == 0 ~ "No",
p133_5 == 1 ~ "Si",
p133_5 == 8888 ~ "No sabe",
p133_5 == 9999 ~ "No contesta",
TRUE ~ NA_character_
)),
across(p136, ~ case_when(.x %in% c(9999) ~ 0, TRUE ~ .x)),
Altruismo_Alcalde = factor(case_when(
p136 == 1 ~ "Pensando en el bienestar del municipio",
p136 == 2 ~ "Pensando en intereses particulares/personales",
p136 == 8888 ~ "No sabe",
TRUE ~ NA_character_
)),
across(p156, ~ case_when(.x %in% c(8888, 9999) ~ NA_real_, TRUE ~ .x)),
Influencia_Ciudadana = as.numeric(p156),
p137 = case_when(p137 %in% c(9999) ~ NA_real_, TRUE ~ p137),
Aprobacion_Alcalde = case_when(
p137 == 0 ~ "Desaprueba",
p137 == 1 ~ "Aprueba",
p137 == 8888 ~ "No sabe",
TRUE ~ NA_character_),
Aprobacion_Alcalde = as.factor(Aprobacion_Alcalde),
p138 = case_when(p138 %in% c(8888, 9999) ~ 0, TRUE ~ p138),
Percepcion_Municipio = as.numeric(p138),
across(cp9_1:cp9_10, ~ case_when(.x %in% c(8888, 9999) ~ 0, TRUE ~ .x)),
Nivel_Maximo_Estudios = rowSums(select(., cp9_1:cp9_10), na.rm = TRUE),
Nivel_Maximo_Estudios = factor(case_when(
Nivel_Maximo_Estudios == 1 ~ "Preescolar_1",
Nivel_Maximo_Estudios == 2 ~ "Primaria_1",
Nivel_Maximo_Estudios == 3 ~ "Secundaria_1",
Nivel_Maximo_Estudios == 4 ~ "Preparatoria_1",
Nivel_Maximo_Estudios == 5 ~ "Preparatoria_2",
Nivel_Maximo_Estudios == 6 ~ "Primaria_2",
Nivel_Maximo_Estudios == 7 ~ "Secundaria_2",
Nivel_Maximo_Estudios == 8 ~ "Preparatoria_2",
Nivel_Maximo_Estudios == 9 ~ "Normal Primaria/Secundaria",
Nivel_Maximo_Estudios == 10 ~ "Normal de Licenciatura",
Nivel_Maximo_Estudios == 11 ~ "Licenciatura",
Nivel_Maximo_Estudios == 12 ~ "Especialidad",
Nivel_Maximo_Estudios == 13 ~ "Maestría",
Nivel_Maximo_Estudios == 14 ~ "Doctorado",
TRUE ~ "No especificado")),
p139 = case_when(p139 %in% c(8888, 9999) ~ 0, TRUE ~ p139),
Evaluacion_Gobierno_Alcalde = as.numeric(p139),
p52_1 = case_when(p52_1 %in% c(9999) ~ 0, TRUE ~ p52_1),
Satisfaccion_Alumbrado_Publico = as.numeric(p52_1),
p52_2 = case_when(p52_2 %in% c(8888, 9999) ~ 0, TRUE ~ p52_2),
Satisfaccion_Calle_Avenidas = as.numeric(p52_2),
p52_3 = case_when(p52_3 %in% c(8888, 9999) ~ 0, TRUE ~ p52_3),
Satisfaccion_Parques_Areas_Verdes = as.numeric(p52_3),
p52_4 = case_when(p52_4 %in% c(8888, 9999) ~ 0, TRUE ~ p52_4),
Satisfaccion_Drenajes = as.numeric(p52_4),
p52_5 = case_when(p52_5 %in% c(8888, 9999) ~ 0, TRUE ~ p52_5),
Satisfaccion_Recoleccion_Basura = as.numeric(p52_5),
across(cp8_1:cp8_10, ~ case_when(.x %in% c(8888, 9999) ~ 0, TRUE ~ .x)),
Nivel_Educativo = rowSums(select(., cp8_1:cp8_10), na.rm = TRUE),
Nivel_Educativo = factor(case_when(
Nivel_Educativo == 1 ~ "Preescolar_1",
Nivel_Educativo == 2 ~ "Primaria_1",
Nivel_Educativo == 3 ~ "Secundaria_1",
Nivel_Educativo == 4 ~ "Preparatoria_1",
Nivel_Educativo == 5 ~ "Preparatoria_2",
Nivel_Educativo == 6 ~ "Primaria_2",
Nivel_Educativo == 7 ~ "Secundaria_2",
Nivel_Educativo == 8 ~ "Preparatoria_2",
Nivel_Educativo == 9 ~ "Normal Primaria/Secundaria",
Nivel_Educativo == 10 ~ "Normal de Licenciatura",
Nivel_Educativo == 11 ~ "Licenciatura",
Nivel_Educativo == 12 ~ "Especialidad",
Nivel_Educativo == 13 ~ "Maestría",
Nivel_Educativo == 14 ~ "Doctorado",
TRUE ~ "No especificado")),
across(p117, ~ case_when(.x %in% c(9999) ~ NA_real_, TRUE ~ .x)),
Medio_Informacion = factor(case_when(
p117 == 1 ~ "Redes sociales",
p117 == 2 ~ "Periódico",
p117 == 3 ~ "Televisión",
p117 == 4 ~ "Radio",
p117 == 5 ~ "Portal de noticias en internet",
p117 == 6 ~ "Volanteo o perifoneo",
p117 == 7 ~ "Conversaciones con conocidos",
p117 == 8 ~ "Página web institucional",
p117 == 9 ~ "No se entera",
p117 == 10 ~ "Otro",
TRUE ~ NA_character_)),
across(p118, ~ case_when(.x %in% c(9999) ~ NA_real_, TRUE ~ .x)),
Red_Social_Informacion = factor(case_when(
p118 == 1 ~ "Facebook",
p118 == 2 ~ "X (antes Twitter)",
p118 == 3 ~ "Instagram",
p118 == 4 ~ "TikTok",
p118 == 5 ~ "WhatsApp",
p118 == 6 ~ "YouTube",
p118 == 7 ~ "Telegram",
p118 == 8 ~ "Otra",
TRUE ~ NA_character_
)),
across(p120, ~ case_when(.x %in% c(9999) ~ NA_real_, TRUE ~ .x)),
Voto_Pasadas_Elecciones = factor(case_when(
p120 == 1 ~ "Sí",
p120 == 0 ~ "No",
TRUE ~ NA_character_
)),
across(p122, ~ case_when(.x %in% c(9999) ~ NA_real_, TRUE ~ .x)),
Razon_Voto_Alcalde = factor(case_when(
p122 == 1 ~ "Por sus propuestas",
p122 == 2 ~ "Por su experiencia/ trayectoria",
p122 == 3 ~ "Me identifico con su partido",
p122 == 4 ~ "Recibí un beneficio a cambio",
p122 == 5 ~ "Amenaza de despido laboral",
p122 == 6 ~ "Amenaza con perder apoyo social",
p122 == 7 ~ "No quería que ganara otro candidato",
p122 == 8 ~ "Voto útil",
p122 == 9 ~ "Por su carisma",
p122 == 10 ~ "Lo conozco",
p122 == 11 ~ "Quiero un cambio",
p122 == 12 ~ "Solo por cumplir",
TRUE ~ NA_character_
)),
Educacion = case_when(
Estudiantes == "Si" ~ paste0(as.character(pmax(as.numeric(Nivel_Maximo_Estudios), as.numeric(Nivel_Educativo), na.rm = TRUE)), "_Estudiando"),
TRUE ~ as.character(pmax(as.numeric(Nivel_Maximo_Estudios), as.numeric(Nivel_Educativo), na.rm = TRUE))
),
Educacion = factor(case_when(
Educacion %in% c("1", "1_Estudiando") ~ "Preescolar",
Educacion %in% c("2", "2_Estudiando") ~ "Primaria",
Educacion %in% c("3", "3_Estudiando") ~ "Secundaria",
Educacion %in% c("4", "4_Estudiando", "5", "5_Estudiando", "8", "8_Estudiando") ~ "Preparatoria",
Educacion %in% c("6", "6_Estudiando") ~ "Primaria", # Redundancia posible en codificación
Educacion %in% c("7", "7_Estudiando") ~ "Secundaria",
Educacion %in% c("9", "9_Estudiando") ~ "Normal Básica",
Educacion %in% c("10", "10_Estudiando") ~ "Normal Licenciatura",
Educacion %in% c("11", "11_Estudiando") ~ "Licenciatura",
Educacion %in% c("12", "12_Estudiando") ~ "Especialidad",
Educacion %in% c("13", "13_Estudiando") ~ "Maestría",
Educacion %in% c("14", "14_Estudiando") ~ "Doctorado",
TRUE ~ "No especificado"
)),
Fuente_Informacion_Preferida = case_when(
!is.na(Red_Social_Informacion) ~ as.character(Red_Social_Informacion),
!is.na(Medio_Informacion) ~ as.character(Medio_Informacion),
TRUE ~ NA_character_
),
Fuente_Informacion_Preferida = factor(Fuente_Informacion_Preferida)
) %>%
select(-sexo_num, -nom_mun_mv, -Nivel_Educativo, -Nivel_Maximo_Estudios, -Estudiantes, -Red_Social_Informacion, -Medio_Informacion, -cp4_1, -cp7_1:-cp7_10, -cp8_1:-cp8_10, -cp9_1:-cp9_10, -p75, -p164, -p123, -p124, -p125, -p126, -p127, -p128, -p129, -p131_1, -p132_2, -p133_3, -p133_4, -p133_5, -p136, -p137, -p138, -p139, -p156, -p52_1, -p52_2, -p52_3, -p52_4, -p52_5, -cp9_1, -p117, -p118, -p120, -p122)
View(eav_2024_selected_clean)3. Preprocesamiento y creación de variables nuevas
# Imputación
#No es recomendable si es mayor a 40%.
#Imputar: Mediante el comportamiento de otras variables, predecir las faltantes.
library(mice)##
## Attaching package: 'mice'## The following object is masked from 'package:stats':
##
## filter## The following objects are masked from 'package:base':
##
## cbind, rbindImputacion_EstudiosMaximos1 <- eav_2024_selected_clean %>% #Imputacion_EstudiosMaximos1 selecciona las variables requeridas para la imputación
mutate(nom_loc_mv = as.factor(nom_loc_mv)) %>%
mutate(sexo = as.factor(sexo)) %>%
mutate(Educacion = as.factor(Educacion)) %>%
mutate(rangos_edad = as.factor(rangos_edad)) %>%
mutate(municipio = as.factor(municipio)) %>%
mutate(Percepcion_Municipio = as.numeric(Percepcion_Municipio)) %>%
mutate(PercepTranspEstado = as.numeric(PercepTranspEstado)) %>%
mutate(PercepTranspMuni = as.numeric(PercepTranspMuni)) %>%
mutate(GoberFavoritismo = as.factor(GoberFavoritismo)) %>%
mutate(Satisfaccion_Calle_Avenidas = as.numeric(Satisfaccion_Calle_Avenidas)) %>%
mutate(Satisfaccion_Parques_Areas_Verdes = as.numeric(Satisfaccion_Parques_Areas_Verdes)) %>%
mutate(Satisfaccion_Drenajes = as.numeric(Satisfaccion_Drenajes)) %>%
mutate(Satisfaccion_Recoleccion_Basura = as.numeric(Satisfaccion_Recoleccion_Basura)) %>%
mutate(Satisfaccion_Alumbrado_Publico = as.numeric(Satisfaccion_Alumbrado_Publico)) %>%
#Variables que se van a imputar en base a las anteriores (29 de abril)
mutate(Razon_Voto_Alcalde = as.factor(Razon_Voto_Alcalde)) %>%
mutate(IngresoDomesticoMensual = as.factor(IngresoDomesticoMensual)) %>%
mutate(Influencia_Ciudadana = as.numeric(Influencia_Ciudadana)) %>%
mutate(Altruismo_Alcalde = as.factor(Altruismo_Alcalde)) %>%
mutate(AlcalCapaz = as.factor(AlcalCapaz)) %>%
mutate(Aprobacion_Alcalde = as.factor(Aprobacion_Alcalde)) %>%
mutate(GoberEficiencia = as.factor(GoberEficiencia)) %>%
mutate(AlcalHonesto = as.factor(AlcalHonesto)) %>%
mutate(AlcaEficiencia = as.factor(AlcaEficiencia)) %>%
mutate(AlcalCumplidor = as.factor(AlcalCumplidor)) %>%
mutate(Voto_Pasadas_Elecciones = as.factor(Voto_Pasadas_Elecciones)) %>%
mutate(AlcalBuenEquipo = as.factor(AlcalBuenEquipo)) %>%
mutate(AlcalAcuerdos = as.factor(AlcalAcuerdos)) %>%
mutate(AlcaFavoritismo = as.factor(AlcaFavoritismo)) %>%
mutate(Fuente_Informacion_Preferida = as.factor(Fuente_Informacion_Preferida)) %>%
mutate(IngresoSuficiente = as.factor(IngresoSuficiente)) %>%
mutate(CorruptioExperi = as.factor(CorruptioExperi)) %>%
select(-nom_loc_mv, -sexo, -Educacion, -rangos_edad, -municipio,
-Percepcion_Municipio, -PercepTranspEstado, -PercepTranspMuni, -GoberFavoritismo, -Satisfaccion_Calle_Avenidas,
-Satisfaccion_Parques_Areas_Verdes,
-Satisfaccion_Drenajes, -Satisfaccion_Recoleccion_Basura, -Satisfaccion_Alumbrado_Publico)
# Guardar las clases originales antes de la imputación
clases_originales <- sapply(Imputacion_EstudiosMaximos1, class)
imputacion <- mice(Imputacion_EstudiosMaximos1, method = "pmm", m = 6, seed = 13) #El comando mice hace la imputación##
## iter imp variable
## 1 1 IngresoSuficiente IngresoDomesticoMensual AlcaFavoritismo AlcaEficiencia GoberEficiencia CorruptioExperi AlcalHonesto AlcalCapaz AlcalBuenEquipo AlcalCumplidor AlcalAcuerdos Altruismo_Alcalde Influencia_Ciudadana Aprobacion_Alcalde Voto_Pasadas_Elecciones Razon_Voto_Alcalde Fuente_Informacion_Preferida
## 1 2 IngresoSuficiente IngresoDomesticoMensual AlcaFavoritismo AlcaEficiencia GoberEficiencia CorruptioExperi AlcalHonesto AlcalCapaz AlcalBuenEquipo AlcalCumplidor AlcalAcuerdos Altruismo_Alcalde Influencia_Ciudadana Aprobacion_Alcalde Voto_Pasadas_Elecciones Razon_Voto_Alcalde Fuente_Informacion_Preferida
## 1 3 IngresoSuficiente IngresoDomesticoMensual AlcaFavoritismo AlcaEficiencia GoberEficiencia CorruptioExperi AlcalHonesto AlcalCapaz AlcalBuenEquipo AlcalCumplidor AlcalAcuerdos Altruismo_Alcalde Influencia_Ciudadana Aprobacion_Alcalde Voto_Pasadas_Elecciones Razon_Voto_Alcalde Fuente_Informacion_Preferida
## 1 4 IngresoSuficiente IngresoDomesticoMensual AlcaFavoritismo AlcaEficiencia GoberEficiencia CorruptioExperi AlcalHonesto AlcalCapaz AlcalBuenEquipo AlcalCumplidor AlcalAcuerdos Altruismo_Alcalde Influencia_Ciudadana Aprobacion_Alcalde Voto_Pasadas_Elecciones Razon_Voto_Alcalde Fuente_Informacion_Preferida
## 1 5 IngresoSuficiente IngresoDomesticoMensual AlcaFavoritismo AlcaEficiencia GoberEficiencia CorruptioExperi AlcalHonesto AlcalCapaz AlcalBuenEquipo AlcalCumplidor AlcalAcuerdos Altruismo_Alcalde Influencia_Ciudadana Aprobacion_Alcalde Voto_Pasadas_Elecciones Razon_Voto_Alcalde Fuente_Informacion_Preferida
## 1 6 IngresoSuficiente IngresoDomesticoMensual AlcaFavoritismo AlcaEficiencia GoberEficiencia CorruptioExperi AlcalHonesto AlcalCapaz AlcalBuenEquipo AlcalCumplidor AlcalAcuerdos Altruismo_Alcalde Influencia_Ciudadana Aprobacion_Alcalde Voto_Pasadas_Elecciones Razon_Voto_Alcalde Fuente_Informacion_Preferida
## 2 1 IngresoSuficiente IngresoDomesticoMensual AlcaFavoritismo AlcaEficiencia GoberEficiencia CorruptioExperi AlcalHonesto AlcalCapaz AlcalBuenEquipo AlcalCumplidor AlcalAcuerdos Altruismo_Alcalde Influencia_Ciudadana Aprobacion_Alcalde Voto_Pasadas_Elecciones Razon_Voto_Alcalde Fuente_Informacion_Preferida
## 2 2 IngresoSuficiente IngresoDomesticoMensual AlcaFavoritismo AlcaEficiencia GoberEficiencia CorruptioExperi AlcalHonesto AlcalCapaz AlcalBuenEquipo AlcalCumplidor AlcalAcuerdos Altruismo_Alcalde Influencia_Ciudadana Aprobacion_Alcalde Voto_Pasadas_Elecciones Razon_Voto_Alcalde Fuente_Informacion_Preferida
## 2 3 IngresoSuficiente IngresoDomesticoMensual AlcaFavoritismo AlcaEficiencia GoberEficiencia CorruptioExperi AlcalHonesto AlcalCapaz AlcalBuenEquipo AlcalCumplidor AlcalAcuerdos Altruismo_Alcalde Influencia_Ciudadana Aprobacion_Alcalde Voto_Pasadas_Elecciones Razon_Voto_Alcalde Fuente_Informacion_Preferida
## 2 4 IngresoSuficiente IngresoDomesticoMensual AlcaFavoritismo AlcaEficiencia GoberEficiencia CorruptioExperi AlcalHonesto AlcalCapaz AlcalBuenEquipo AlcalCumplidor AlcalAcuerdos Altruismo_Alcalde Influencia_Ciudadana Aprobacion_Alcalde Voto_Pasadas_Elecciones Razon_Voto_Alcalde Fuente_Informacion_Preferida
## 2 5 IngresoSuficiente IngresoDomesticoMensual AlcaFavoritismo AlcaEficiencia GoberEficiencia CorruptioExperi AlcalHonesto AlcalCapaz AlcalBuenEquipo AlcalCumplidor AlcalAcuerdos Altruismo_Alcalde Influencia_Ciudadana Aprobacion_Alcalde Voto_Pasadas_Elecciones Razon_Voto_Alcalde Fuente_Informacion_Preferida
## 2 6 IngresoSuficiente IngresoDomesticoMensual AlcaFavoritismo AlcaEficiencia GoberEficiencia CorruptioExperi AlcalHonesto AlcalCapaz AlcalBuenEquipo AlcalCumplidor AlcalAcuerdos Altruismo_Alcalde Influencia_Ciudadana Aprobacion_Alcalde Voto_Pasadas_Elecciones Razon_Voto_Alcalde Fuente_Informacion_Preferida
## 3 1 IngresoSuficiente IngresoDomesticoMensual AlcaFavoritismo AlcaEficiencia GoberEficiencia CorruptioExperi AlcalHonesto AlcalCapaz AlcalBuenEquipo AlcalCumplidor AlcalAcuerdos Altruismo_Alcalde Influencia_Ciudadana Aprobacion_Alcalde Voto_Pasadas_Elecciones Razon_Voto_Alcalde Fuente_Informacion_Preferida
## 3 2 IngresoSuficiente IngresoDomesticoMensual AlcaFavoritismo AlcaEficiencia GoberEficiencia CorruptioExperi AlcalHonesto AlcalCapaz AlcalBuenEquipo AlcalCumplidor AlcalAcuerdos Altruismo_Alcalde Influencia_Ciudadana Aprobacion_Alcalde Voto_Pasadas_Elecciones Razon_Voto_Alcalde Fuente_Informacion_Preferida
## 3 3 IngresoSuficiente IngresoDomesticoMensual AlcaFavoritismo AlcaEficiencia GoberEficiencia CorruptioExperi AlcalHonesto AlcalCapaz AlcalBuenEquipo AlcalCumplidor AlcalAcuerdos Altruismo_Alcalde Influencia_Ciudadana Aprobacion_Alcalde Voto_Pasadas_Elecciones Razon_Voto_Alcalde Fuente_Informacion_Preferida
## 3 4 IngresoSuficiente IngresoDomesticoMensual AlcaFavoritismo AlcaEficiencia GoberEficiencia CorruptioExperi AlcalHonesto AlcalCapaz AlcalBuenEquipo AlcalCumplidor AlcalAcuerdos Altruismo_Alcalde Influencia_Ciudadana Aprobacion_Alcalde Voto_Pasadas_Elecciones Razon_Voto_Alcalde Fuente_Informacion_Preferida
## 3 5 IngresoSuficiente IngresoDomesticoMensual AlcaFavoritismo AlcaEficiencia GoberEficiencia CorruptioExperi AlcalHonesto AlcalCapaz AlcalBuenEquipo AlcalCumplidor AlcalAcuerdos Altruismo_Alcalde Influencia_Ciudadana Aprobacion_Alcalde Voto_Pasadas_Elecciones Razon_Voto_Alcalde Fuente_Informacion_Preferida
## 3 6 IngresoSuficiente IngresoDomesticoMensual AlcaFavoritismo AlcaEficiencia GoberEficiencia CorruptioExperi AlcalHonesto AlcalCapaz AlcalBuenEquipo AlcalCumplidor AlcalAcuerdos Altruismo_Alcalde Influencia_Ciudadana Aprobacion_Alcalde Voto_Pasadas_Elecciones Razon_Voto_Alcalde Fuente_Informacion_Preferida
## 4 1 IngresoSuficiente IngresoDomesticoMensual AlcaFavoritismo AlcaEficiencia GoberEficiencia CorruptioExperi AlcalHonesto AlcalCapaz AlcalBuenEquipo AlcalCumplidor AlcalAcuerdos Altruismo_Alcalde Influencia_Ciudadana Aprobacion_Alcalde Voto_Pasadas_Elecciones Razon_Voto_Alcalde Fuente_Informacion_Preferida
## 4 2 IngresoSuficiente IngresoDomesticoMensual AlcaFavoritismo AlcaEficiencia GoberEficiencia CorruptioExperi AlcalHonesto AlcalCapaz AlcalBuenEquipo AlcalCumplidor AlcalAcuerdos Altruismo_Alcalde Influencia_Ciudadana Aprobacion_Alcalde Voto_Pasadas_Elecciones Razon_Voto_Alcalde Fuente_Informacion_Preferida
## 4 3 IngresoSuficiente IngresoDomesticoMensual AlcaFavoritismo AlcaEficiencia GoberEficiencia CorruptioExperi AlcalHonesto AlcalCapaz AlcalBuenEquipo AlcalCumplidor AlcalAcuerdos Altruismo_Alcalde Influencia_Ciudadana Aprobacion_Alcalde Voto_Pasadas_Elecciones Razon_Voto_Alcalde Fuente_Informacion_Preferida
## 4 4 IngresoSuficiente IngresoDomesticoMensual AlcaFavoritismo AlcaEficiencia GoberEficiencia CorruptioExperi AlcalHonesto AlcalCapaz AlcalBuenEquipo AlcalCumplidor AlcalAcuerdos Altruismo_Alcalde Influencia_Ciudadana Aprobacion_Alcalde Voto_Pasadas_Elecciones Razon_Voto_Alcalde Fuente_Informacion_Preferida
## 4 5 IngresoSuficiente IngresoDomesticoMensual AlcaFavoritismo AlcaEficiencia GoberEficiencia CorruptioExperi AlcalHonesto AlcalCapaz AlcalBuenEquipo AlcalCumplidor AlcalAcuerdos Altruismo_Alcalde Influencia_Ciudadana Aprobacion_Alcalde Voto_Pasadas_Elecciones Razon_Voto_Alcalde Fuente_Informacion_Preferida
## 4 6 IngresoSuficiente IngresoDomesticoMensual AlcaFavoritismo AlcaEficiencia GoberEficiencia CorruptioExperi AlcalHonesto AlcalCapaz AlcalBuenEquipo AlcalCumplidor AlcalAcuerdos Altruismo_Alcalde Influencia_Ciudadana Aprobacion_Alcalde Voto_Pasadas_Elecciones Razon_Voto_Alcalde Fuente_Informacion_Preferida
## 5 1 IngresoSuficiente IngresoDomesticoMensual AlcaFavoritismo AlcaEficiencia GoberEficiencia CorruptioExperi AlcalHonesto AlcalCapaz AlcalBuenEquipo AlcalCumplidor AlcalAcuerdos Altruismo_Alcalde Influencia_Ciudadana Aprobacion_Alcalde Voto_Pasadas_Elecciones Razon_Voto_Alcalde Fuente_Informacion_Preferida
## 5 2 IngresoSuficiente IngresoDomesticoMensual AlcaFavoritismo AlcaEficiencia GoberEficiencia CorruptioExperi AlcalHonesto AlcalCapaz AlcalBuenEquipo AlcalCumplidor AlcalAcuerdos Altruismo_Alcalde Influencia_Ciudadana Aprobacion_Alcalde Voto_Pasadas_Elecciones Razon_Voto_Alcalde Fuente_Informacion_Preferida
## 5 3 IngresoSuficiente IngresoDomesticoMensual AlcaFavoritismo AlcaEficiencia GoberEficiencia CorruptioExperi AlcalHonesto AlcalCapaz AlcalBuenEquipo AlcalCumplidor AlcalAcuerdos Altruismo_Alcalde Influencia_Ciudadana Aprobacion_Alcalde Voto_Pasadas_Elecciones Razon_Voto_Alcalde Fuente_Informacion_Preferida
## 5 4 IngresoSuficiente IngresoDomesticoMensual AlcaFavoritismo AlcaEficiencia GoberEficiencia CorruptioExperi AlcalHonesto AlcalCapaz AlcalBuenEquipo AlcalCumplidor AlcalAcuerdos Altruismo_Alcalde Influencia_Ciudadana Aprobacion_Alcalde Voto_Pasadas_Elecciones Razon_Voto_Alcalde Fuente_Informacion_Preferida
## 5 5 IngresoSuficiente IngresoDomesticoMensual AlcaFavoritismo AlcaEficiencia GoberEficiencia CorruptioExperi AlcalHonesto AlcalCapaz AlcalBuenEquipo AlcalCumplidor AlcalAcuerdos Altruismo_Alcalde Influencia_Ciudadana Aprobacion_Alcalde Voto_Pasadas_Elecciones Razon_Voto_Alcalde Fuente_Informacion_Preferida
## 5 6 IngresoSuficiente IngresoDomesticoMensual AlcaFavoritismo AlcaEficiencia GoberEficiencia CorruptioExperi AlcalHonesto AlcalCapaz AlcalBuenEquipo AlcalCumplidor AlcalAcuerdos Altruismo_Alcalde Influencia_Ciudadana Aprobacion_Alcalde Voto_Pasadas_Elecciones Razon_Voto_Alcalde Fuente_Informacion_Preferida## Warning: Number of logged events: 510imputacion$method #imputación$method comprueba que se haya hecho la imputación## num_mun Factor_CVNL
## "" ""
## edad IngresoSuficiente
## "" "pmm"
## IngresoDomesticoMensual AlcaFavoritismo
## "pmm" "pmm"
## AlcaEficiencia GoberEficiencia
## "pmm" "pmm"
## CorruptioExperi AlcalHonesto
## "pmm" "pmm"
## AlcalCapaz AlcalBuenEquipo
## "pmm" "pmm"
## AlcalCumplidor AlcalAcuerdos
## "pmm" "pmm"
## Altruismo_Alcalde Influencia_Ciudadana
## "pmm" "pmm"
## Aprobacion_Alcalde Evaluacion_Gobierno_Alcalde
## "pmm" ""
## Voto_Pasadas_Elecciones Razon_Voto_Alcalde
## "pmm" "pmm"
## Fuente_Informacion_Preferida
## "pmm"imputacion_final <- complete(imputacion, 1)
# Post Imputación
# Copiar el dataset original para no modificar el original directamente
eav_2024_final <- eav_2024_selected_clean
# Reemplazar las columnas imputadas en el nuevo dataset
columnas_imputadas <- names(imputacion_final)
eav_2024_final[, columnas_imputadas] <- imputacion_final[, columnas_imputadas]
# Asegurar que los factores se mantengan como factores
eav_2024_final <- eav_2024_final %>%
mutate(nom_loc_mv = as.factor(nom_loc_mv))
# Asegurar que las columnas imputadas reemplacen a las originales
eav_2024_final <- eav_2024_selected_clean %>%
mutate(across(all_of(names(imputacion_final)), ~ imputacion_final[[cur_column()]]))
# Chequear NAs en las columnas imputadas
colSums(is.na(eav_2024_final[, columnas_imputadas]))## num_mun Factor_CVNL
## 0 0
## edad IngresoSuficiente
## 0 0
## IngresoDomesticoMensual AlcaFavoritismo
## 0 0
## AlcaEficiencia GoberEficiencia
## 0 0
## CorruptioExperi AlcalHonesto
## 0 0
## AlcalCapaz AlcalBuenEquipo
## 0 0
## AlcalCumplidor AlcalAcuerdos
## 0 0
## Altruismo_Alcalde Influencia_Ciudadana
## 0 0
## Aprobacion_Alcalde Evaluacion_Gobierno_Alcalde
## 0 0
## Voto_Pasadas_Elecciones Razon_Voto_Alcalde
## 0 0
## Fuente_Informacion_Preferida
## 0# Comparar una columna antes y después
summary(eav_2024_selected_clean$IngresoDomesticoMensual)## 1-2 SM 2-3 SM 3-4 SM
## 1956 1032 283
## 4-5 SM 5-6 SM 6-7 SM
## 66 26 17
## 7-8 SM 8-9 SM 9-10 SM
## 17 11 3
## Sin Ingreso (Salario) x < 1 SM x ≥ 10 SM
## 150 921 4
## NA's
## 456summary(eav_2024_final$IngresoDomesticoMensual)## 1-2 SM 2-3 SM 3-4 SM
## 2144 1150 321
## 4-5 SM 5-6 SM 6-7 SM
## 82 28 24
## 7-8 SM 8-9 SM 9-10 SM
## 20 15 4
## Sin Ingreso (Salario) x < 1 SM x ≥ 10 SM
## 165 985 4eav_2024_final$municipio_factor <- gsub(" ", "_", eav_2024_final$municipio)
eav_2024_final$municipio_factor <- as.factor(eav_2024_final$municipio_factor)
eav_2024_final$sexo_factor <- gsub(" ", "_", eav_2024_final$sexo)
eav_2024_final$sexo_factor <- as.factor(eav_2024_final$sexo_factor)
eav_2024_final$num_mun_factor <- gsub(" ", "_", eav_2024_final$num_mun)
eav_2024_final$num_mun_factor <- as.factor(eav_2024_final$num_mun_factor)
eav_2024_final$rangos_edad_factor <- gsub(" ", "_", eav_2024_final$rangos_edad)
eav_2024_final$rangos_edad_factor <- as.factor(eav_2024_final$rangos_edad_factor)
eav_2024_final$GoberFavoritismo_factor <- gsub(" ", "_", eav_2024_final$GoberFavoritismo)
eav_2024_final$GoberFavoritismo_factor <- as.factor(eav_2024_final$GoberFavoritismo_factor)
eav_2024_final$Educacion_factor <- gsub(" ", "_", eav_2024_final$Educacion)
eav_2024_final$Educacion_factor <- as.factor(eav_2024_final$Educacion_factor)
# Confirmar
str(eav_2024_final)## 'data.frame': 4942 obs. of 41 variables:
## $ num_mun : Factor w/ 44 levels "1","2","4","5",..: 8 8 8 8 8 19 3 23 31 35 ...
## $ nom_loc_mv : chr "Cadereyta Jiménez" "Valle del Roble" "Cadereyta Jiménez" "Cadereyta Jiménez" ...
## $ rangos_edad : Factor w/ 7 levels "18-24","25-34",..: 4 3 2 5 7 4 2 4 6 3 ...
## $ Factor_CVNL : num 258 273 258 273 273 ...
## $ sexo : Factor w/ 2 levels "Hombre","Mujer": 2 1 2 1 1 2 2 1 2 1 ...
## $ municipio : Factor w/ 44 levels "Abasolo","Agualeguas",..: 8 8 8 8 8 18 3 22 32 36 ...
## $ edad : num 50 35 32 62 80 51 26 52 70 40 ...
## $ IngresoSuficiente : Factor w/ 4 levels "LesAlcanzaBien",..: 2 2 2 2 2 2 2 2 2 2 ...
## $ IngresoDomesticoMensual : Factor w/ 12 levels "1-2 SM","2-3 SM",..: 11 1 1 1 1 1 2 2 1 1 ...
## $ GoberFavoritismo : Factor w/ 3 levels "No","No sabe",..: 1 1 1 1 3 1 1 1 1 3 ...
## $ AlcaFavoritismo : Factor w/ 3 levels "No","No sabe",..: 1 1 1 1 3 1 1 1 1 1 ...
## $ AlcaEficiencia : Factor w/ 3 levels "No","No sabe",..: 1 2 1 3 1 1 1 3 1 1 ...
## $ GoberEficiencia : Factor w/ 3 levels "No","No sabe",..: 3 2 3 3 1 1 3 3 1 1 ...
## $ PercepTranspEstado : num 2 0 2 2 3 2 2 4 2 2 ...
## $ PercepTranspMuni : num 1 0 2 3 1 2 2 4 2 2 ...
## $ CorruptioExperi : Factor w/ 3 levels "No","No sabe",..: 1 1 1 1 1 1 1 1 1 1 ...
## $ AlcalHonesto : Factor w/ 3 levels "No","No sabe",..: 1 3 1 3 1 2 1 3 1 1 ...
## $ AlcalCapaz : Factor w/ 3 levels "No","No sabe",..: 1 3 1 3 1 2 1 3 1 1 ...
## $ AlcalBuenEquipo : Factor w/ 3 levels "No","No sabe",..: 1 3 1 3 1 2 1 3 1 1 ...
## $ AlcalCumplidor : Factor w/ 3 levels "No","No sabe",..: 1 3 1 3 1 1 1 3 1 1 ...
## $ AlcalAcuerdos : Factor w/ 3 levels "No","No sabe",..: 1 3 1 3 1 2 1 3 1 1 ...
## $ Altruismo_Alcalde : Factor w/ 3 levels "No sabe","Pensando en el bienestar del municipio",..: 3 2 3 2 3 1 3 2 3 3 ...
## $ Influencia_Ciudadana : num 1 4 4 2 1 3 2 2 3 2 ...
## $ Aprobacion_Alcalde : Factor w/ 3 levels "Aprueba","Desaprueba",..: 2 1 2 1 2 3 2 1 2 2 ...
## $ Percepcion_Municipio : num 1 3 2 4 2 2 1 3 2 2 ...
## $ Evaluacion_Gobierno_Alcalde : num 3 2 3 1 4 3 4 2 4 3 ...
## $ Satisfaccion_Alumbrado_Publico : num 9 7 7 8 7 7 8 5 8 5 ...
## $ Satisfaccion_Calle_Avenidas : num 8 5 7 8 5 8 8 5 7 5 ...
## $ Satisfaccion_Parques_Areas_Verdes: num 9 5 9 7 7 8 8 5 9 6 ...
## $ Satisfaccion_Drenajes : num 8 5 9 8 7 7 9 5 8 7 ...
## $ Satisfaccion_Recoleccion_Basura : num 8 5 8 9 6 9 10 5 9 7 ...
## $ Voto_Pasadas_Elecciones : Factor w/ 2 levels "No","Sí": 2 2 2 2 2 2 2 2 2 2 ...
## $ Razon_Voto_Alcalde : Factor w/ 11 levels "Amenaza de despido laboral",..: 6 3 7 7 7 11 7 3 6 7 ...
## $ Educacion : Factor w/ 9 levels "Doctorado","Especialidad",..: 3 2 1 2 3 5 7 6 3 4 ...
## $ Fuente_Informacion_Preferida : Factor w/ 14 levels "Conversaciones con conocidos",..: 10 10 2 10 6 10 2 10 10 6 ...
## $ municipio_factor : Factor w/ 44 levels "Abasolo","Agualeguas",..: 8 8 8 8 8 18 3 22 32 36 ...
## $ sexo_factor : Factor w/ 2 levels "Hombre","Mujer": 2 1 2 1 1 2 2 1 2 1 ...
## $ num_mun_factor : Factor w/ 44 levels "1","10","11",..: 44 44 44 44 44 13 30 17 25 29 ...
## $ rangos_edad_factor : Factor w/ 7 levels "18-24","25-34",..: 4 3 2 5 7 4 2 4 6 3 ...
## $ GoberFavoritismo_factor : Factor w/ 3 levels "No","No_sabe",..: 1 1 1 1 3 1 1 1 1 3 ...
## $ Educacion_factor : Factor w/ 9 levels "Doctorado","Especialidad",..: 3 2 1 2 3 5 7 6 3 4 ...View(eav_2024_final)4. División de datos en entrenamiento y prueba
# Define semilla para reproducibilidad
set.seed(123)
# Crear la partición train/test (70% entrenamiento, 30% prueba)
particion <- createDataPartition(eav_2024_final$PercepTranspMuni, p = 0.7, list = FALSE)
# Crear conjuntos de entrenamiento y prueba
eav_train <- eav_2024_final[particion, ]
eav_test <- eav_2024_final[-particion, ]
cat("Observaciones en conjunto de entrenamiento:", nrow(eav_train), "\n")## Observaciones en conjunto de entrenamiento: 3460cat("Observaciones en conjunto de prueba:", nrow(eav_test), "\n")## Observaciones en conjunto de prueba: 14825. Modelo inicial
# Entrena un modelo (regresión lineal o logística)
names(eav_train)## [1] "num_mun" "nom_loc_mv"
## [3] "rangos_edad" "Factor_CVNL"
## [5] "sexo" "municipio"
## [7] "edad" "IngresoSuficiente"
## [9] "IngresoDomesticoMensual" "GoberFavoritismo"
## [11] "AlcaFavoritismo" "AlcaEficiencia"
## [13] "GoberEficiencia" "PercepTranspEstado"
## [15] "PercepTranspMuni" "CorruptioExperi"
## [17] "AlcalHonesto" "AlcalCapaz"
## [19] "AlcalBuenEquipo" "AlcalCumplidor"
## [21] "AlcalAcuerdos" "Altruismo_Alcalde"
## [23] "Influencia_Ciudadana" "Aprobacion_Alcalde"
## [25] "Percepcion_Municipio" "Evaluacion_Gobierno_Alcalde"
## [27] "Satisfaccion_Alumbrado_Publico" "Satisfaccion_Calle_Avenidas"
## [29] "Satisfaccion_Parques_Areas_Verdes" "Satisfaccion_Drenajes"
## [31] "Satisfaccion_Recoleccion_Basura" "Voto_Pasadas_Elecciones"
## [33] "Razon_Voto_Alcalde" "Educacion"
## [35] "Fuente_Informacion_Preferida" "municipio_factor"
## [37] "sexo_factor" "num_mun_factor"
## [39] "rangos_edad_factor" "GoberFavoritismo_factor"
## [41] "Educacion_factor"library(glmnet)## Loading required package: Matrix##
## Attaching package: 'Matrix'## The following objects are masked from 'package:tidyr':
##
## expand, pack, unpack## Loaded glmnet 4.1-8library(lmtest)## Loading required package: zoo##
## Attaching package: 'zoo'## The following objects are masked from 'package:base':
##
## as.Date, as.Date.numericx <- model.matrix(PercepTranspMuni ~ ., eav_train) [ , -1]
y <- eav_train$PercepTranspMuni
# Test de modelo
excluir_variables <- c("num_mun", "nom_loc_mv", "rangos_edad", "sexo", "municipio", "GoberFavoritismo", "Educacion", "num_mun_factor")
datos_modelo_lineal <- eav_train[, !(names(eav_train) %in% excluir_variables)]
datos_modelo_lineal <- na.omit(datos_modelo_lineal)
modelo_lm <- lm(PercepTranspMuni ~ ., data = datos_modelo_lineal)
summary(modelo_lm)##
## Call:
## lm(formula = PercepTranspMuni ~ ., data = datos_modelo_lineal)
##
## Residuals:
## Min 1Q Median 3Q Max
## -2.9360 -0.2396 -0.0444 0.1593 3.4943
##
## Coefficients:
## Estimate
## (Intercept) 6.063e-01
## Factor_CVNL -2.074e-04
## edad 4.243e-03
## IngresoSuficienteLesAlcanzaJusto -7.997e-03
## IngresoSuficienteNoLesAlcanza 3.533e-02
## IngresoSuficienteNoLesAlcanzaDificultades -4.781e-02
## IngresoDomesticoMensual2-3 SM 5.101e-02
## IngresoDomesticoMensual3-4 SM 7.859e-02
## IngresoDomesticoMensual4-5 SM 2.216e-02
## IngresoDomesticoMensual5-6 SM 6.078e-02
## IngresoDomesticoMensual6-7 SM 2.592e-01
## IngresoDomesticoMensual7-8 SM 3.095e-01
## IngresoDomesticoMensual8-9 SM 8.472e-02
## IngresoDomesticoMensual9-10 SM -4.962e-02
## IngresoDomesticoMensualSin Ingreso (Salario) 2.715e-02
## IngresoDomesticoMensualx < 1 SM 2.499e-02
## IngresoDomesticoMensualx ≥ 10 SM 3.874e-01
## AlcaFavoritismoNo sabe 7.728e-02
## AlcaFavoritismoSi -1.165e-01
## AlcaEficienciaNo sabe 2.341e-02
## AlcaEficienciaSi 8.629e-02
## GoberEficienciaNo sabe -6.727e-02
## GoberEficienciaSi -8.506e-03
## PercepTranspEstado 7.639e-01
## CorruptioExperiNo sabe -2.688e-01
## CorruptioExperiSi -3.362e-02
## AlcalHonestoNo sabe 8.612e-02
## AlcalHonestoSi 5.112e-02
## AlcalCapazNo sabe -1.527e-01
## AlcalCapazSi -5.374e-02
## AlcalBuenEquipoNo sabe 7.212e-02
## AlcalBuenEquipoSi 2.564e-02
## AlcalCumplidorNo sabe -4.213e-02
## AlcalCumplidorSi -3.313e-02
## AlcalAcuerdosNo sabe -2.884e-02
## AlcalAcuerdosSi 1.932e-02
## Altruismo_AlcaldePensando en el bienestar del municipio 3.182e-02
## Altruismo_AlcaldePensando en intereses particulares/personales -5.804e-02
## Influencia_Ciudadana 1.443e-02
## Aprobacion_AlcaldeDesaprueba -8.081e-02
## Aprobacion_AlcaldeNo sabe 1.692e-02
## Percepcion_Municipio 3.477e-03
## Evaluacion_Gobierno_Alcalde 9.753e-03
## Satisfaccion_Alumbrado_Publico 8.431e-05
## Satisfaccion_Calle_Avenidas 1.856e-03
## Satisfaccion_Parques_Areas_Verdes 8.296e-03
## Satisfaccion_Drenajes -4.233e-03
## Satisfaccion_Recoleccion_Basura 3.512e-05
## Voto_Pasadas_EleccionesSí -6.593e-02
## Razon_Voto_AlcaldeLo conozco 2.518e-02
## Razon_Voto_AlcaldeMe identifico con su partido -6.503e-04
## Razon_Voto_AlcaldeNo quería que ganara otro candidato -8.636e-02
## Razon_Voto_AlcaldePor su carisma 1.816e-01
## Razon_Voto_AlcaldePor su experiencia/ trayectoria 8.754e-02
## Razon_Voto_AlcaldePor sus propuestas 7.116e-02
## Razon_Voto_AlcaldeQuiero un cambio -1.328e-01
## Razon_Voto_AlcaldeRecibí un beneficio a cambio -2.235e-01
## Razon_Voto_AlcaldeSolo por cumplir -1.066e-01
## Razon_Voto_AlcaldeVoto útil 9.784e-03
## Fuente_Informacion_PreferidaFacebook 4.524e-02
## Fuente_Informacion_PreferidaInstagram -2.398e-02
## Fuente_Informacion_PreferidaNo se entera 8.569e-01
## Fuente_Informacion_PreferidaPágina web institucional 1.311e-01
## Fuente_Informacion_PreferidaPeriódico -6.370e-02
## Fuente_Informacion_PreferidaPortal de noticias en internet -1.897e-01
## Fuente_Informacion_PreferidaRadio -8.474e-02
## Fuente_Informacion_PreferidaTelegram -9.600e-03
## Fuente_Informacion_PreferidaTelevisión -1.354e-02
## Fuente_Informacion_PreferidaTikTok -1.699e-01
## Fuente_Informacion_PreferidaWhatsApp -1.965e-01
## Fuente_Informacion_PreferidaX (antes Twitter) 4.049e-02
## Fuente_Informacion_PreferidaYouTube 4.528e-01
## municipio_factorAgualeguas 2.046e-02
## municipio_factorAllende -1.983e-01
## municipio_factorAnáhuac -2.981e-01
## municipio_factorApodaca -3.203e-02
## municipio_factorAramberri -3.085e-01
## municipio_factorBustamante 1.472e-01
## municipio_factorCadereyta_Jiménez -3.453e-01
## municipio_factorCerralvo -1.727e-01
## municipio_factorChina -1.093e-01
## municipio_factorCiénega_de_Flores -2.059e-01
## municipio_factorDoctor_Arroyo 3.471e-02
## municipio_factorDoctor_González -6.834e-02
## municipio_factorEl_Carmen -2.189e-01
## municipio_factorGaleana -9.996e-02
## municipio_factorGarcía -2.574e-01
## municipio_factorGeneral_Bravo -2.091e-01
## municipio_factorGeneral_Escobedo -1.782e-01
## municipio_factorGeneral_Treviño -4.946e-01
## municipio_factorGeneral_Zaragoza -3.742e-01
## municipio_factorGeneral_Zuazua -1.843e-01
## municipio_factorGuadalupe -1.050e-01
## municipio_factorHidalgo -3.589e-01
## municipio_factorHigueras 7.690e-02
## municipio_factorHualahuises -4.854e-02
## municipio_factorIturbide 1.017e-01
## municipio_factorJuárez -1.523e-01
## municipio_factorLampazos_de_Naranjo -5.070e-01
## municipio_factorLinares -2.536e-01
## municipio_factorLos_Herreras -2.187e-01
## municipio_factorLos_Ramones -8.365e-02
## municipio_factorMelchor_Ocampo -2.699e-01
## municipio_factorMier_y_Noriega -2.860e-01
## municipio_factorMina -1.115e-01
## municipio_factorMontemorelos -2.301e-01
## municipio_factorMonterrey 1.688e-01
## municipio_factorPesquería -4.472e-01
## municipio_factorRayones -5.959e-01
## municipio_factorSabinas_Hidalgo -1.359e-02
## municipio_factorSalinas_Victoria -2.123e-01
## municipio_factorSan_Nicolás_de_los_Garza -8.583e-02
## municipio_factorSan_Pedro_Garza_García -3.980e-01
## municipio_factorSanta_Catarina -3.080e-01
## municipio_factorSantiago -3.039e-01
## sexo_factorMujer -2.441e-03
## rangos_edad_factor25-34 -1.562e-03
## rangos_edad_factor35-44 -4.688e-03
## rangos_edad_factor45-54 -4.527e-02
## rangos_edad_factor55-64 -9.514e-02
## rangos_edad_factor65-74 -7.176e-02
## rangos_edad_factor75_o_más -1.010e-01
## GoberFavoritismo_factorNo_sabe -1.046e-01
## GoberFavoritismo_factorSi 4.653e-02
## Educacion_factorEspecialidad -6.664e-03
## Educacion_factorLicenciatura 3.964e-02
## Educacion_factorMaestría 2.558e-02
## Educacion_factorNormal_Básica -1.608e-02
## Educacion_factorNormal_Licenciatura 1.099e-02
## Educacion_factorPreparatoria 3.577e-03
## Educacion_factorPrimaria 4.114e-04
## Educacion_factorSecundaria 2.159e-02
## Std. Error
## (Intercept) 4.963e-01
## Factor_CVNL 2.573e-04
## edad 3.300e-03
## IngresoSuficienteLesAlcanzaJusto 2.482e-02
## IngresoSuficienteNoLesAlcanza 3.539e-02
## IngresoSuficienteNoLesAlcanzaDificultades 1.056e-01
## IngresoDomesticoMensual2-3 SM 2.500e-02
## IngresoDomesticoMensual3-4 SM 4.153e-02
## IngresoDomesticoMensual4-5 SM 7.845e-02
## IngresoDomesticoMensual5-6 SM 1.289e-01
## IngresoDomesticoMensual6-7 SM 1.380e-01
## IngresoDomesticoMensual7-8 SM 1.510e-01
## IngresoDomesticoMensual8-9 SM 1.989e-01
## IngresoDomesticoMensual9-10 SM 3.147e-01
## IngresoDomesticoMensualSin Ingreso (Salario) 5.616e-02
## IngresoDomesticoMensualx < 1 SM 2.630e-02
## IngresoDomesticoMensualx ≥ 10 SM 3.257e-01
## AlcaFavoritismoNo sabe 1.061e-01
## AlcaFavoritismoSi 3.725e-02
## AlcaEficienciaNo sabe 6.245e-02
## AlcaEficienciaSi 3.401e-02
## GoberEficienciaNo sabe 6.405e-02
## GoberEficienciaSi 2.404e-02
## PercepTranspEstado 1.168e-02
## CorruptioExperiNo sabe 8.228e-02
## CorruptioExperiSi 4.507e-02
## AlcalHonestoNo sabe 6.051e-02
## AlcalHonestoSi 4.776e-02
## AlcalCapazNo sabe 1.102e-01
## AlcalCapazSi 6.086e-02
## AlcalBuenEquipoNo sabe 9.263e-02
## AlcalBuenEquipoSi 4.905e-02
## AlcalCumplidorNo sabe 9.700e-02
## AlcalCumplidorSi 5.886e-02
## AlcalAcuerdosNo sabe 9.353e-02
## AlcalAcuerdosSi 5.223e-02
## Altruismo_AlcaldePensando en el bienestar del municipio 6.710e-02
## Altruismo_AlcaldePensando en intereses particulares/personales 6.719e-02
## Influencia_Ciudadana 1.007e-02
## Aprobacion_AlcaldeDesaprueba 5.750e-02
## Aprobacion_AlcaldeNo sabe 8.929e-02
## Percepcion_Municipio 1.365e-02
## Evaluacion_Gobierno_Alcalde 1.576e-02
## Satisfaccion_Alumbrado_Publico 6.170e-05
## Satisfaccion_Calle_Avenidas 6.476e-03
## Satisfaccion_Parques_Areas_Verdes 6.264e-03
## Satisfaccion_Drenajes 5.730e-03
## Satisfaccion_Recoleccion_Basura 9.390e-05
## Voto_Pasadas_EleccionesSí 2.630e-02
## Razon_Voto_AlcaldeLo conozco 6.672e-01
## Razon_Voto_AlcaldeMe identifico con su partido 3.860e-01
## Razon_Voto_AlcaldeNo quería que ganara otro candidato 3.965e-01
## Razon_Voto_AlcaldePor su carisma 3.954e-01
## Razon_Voto_AlcaldePor su experiencia/ trayectoria 3.858e-01
## Razon_Voto_AlcaldePor sus propuestas 3.854e-01
## Razon_Voto_AlcaldeQuiero un cambio 4.236e-01
## Razon_Voto_AlcaldeRecibí un beneficio a cambio 4.452e-01
## Razon_Voto_AlcaldeSolo por cumplir 4.255e-01
## Razon_Voto_AlcaldeVoto útil 3.964e-01
## Fuente_Informacion_PreferidaFacebook 7.316e-02
## Fuente_Informacion_PreferidaInstagram 1.045e-01
## Fuente_Informacion_PreferidaNo se entera 5.478e-01
## Fuente_Informacion_PreferidaPágina web institucional 2.965e-01
## Fuente_Informacion_PreferidaPeriódico 9.872e-02
## Fuente_Informacion_PreferidaPortal de noticias en internet 2.000e-01
## Fuente_Informacion_PreferidaRadio 1.351e-01
## Fuente_Informacion_PreferidaTelegram 2.917e-01
## Fuente_Informacion_PreferidaTelevisión 7.212e-02
## Fuente_Informacion_PreferidaTikTok 1.653e-01
## Fuente_Informacion_PreferidaWhatsApp 1.420e-01
## Fuente_Informacion_PreferidaX (antes Twitter) 1.277e-01
## Fuente_Informacion_PreferidaYouTube 1.545e-01
## municipio_factorAgualeguas 3.753e-01
## municipio_factorAllende 2.276e-01
## municipio_factorAnáhuac 2.464e-01
## municipio_factorApodaca 2.852e-01
## municipio_factorAramberri 3.398e-01
## municipio_factorBustamante 4.406e-01
## municipio_factorCadereyta_Jiménez 2.337e-01
## municipio_factorCerralvo 2.684e-01
## municipio_factorChina 2.596e-01
## municipio_factorCiénega_de_Flores 2.160e-01
## municipio_factorDoctor_Arroyo 2.814e-01
## municipio_factorDoctor_González 3.031e-01
## municipio_factorEl_Carmen 2.191e-01
## municipio_factorGaleana 2.698e-01
## municipio_factorGarcía 2.122e-01
## municipio_factorGeneral_Bravo 3.179e-01
## municipio_factorGeneral_Escobedo 2.290e-01
## municipio_factorGeneral_Treviño 5.953e-01
## municipio_factorGeneral_Zaragoza 3.029e-01
## municipio_factorGeneral_Zuazua 2.162e-01
## municipio_factorGuadalupe 2.968e-01
## municipio_factorHidalgo 2.268e-01
## municipio_factorHigueras 3.756e-01
## municipio_factorHualahuises 3.212e-01
## municipio_factorIturbide 3.179e-01
## municipio_factorJuárez 2.236e-01
## municipio_factorLampazos_de_Naranjo 3.052e-01
## municipio_factorLinares 2.148e-01
## municipio_factorLos_Herreras 3.407e-01
## municipio_factorLos_Ramones 3.741e-01
## municipio_factorMelchor_Ocampo 3.763e-01
## municipio_factorMier_y_Noriega 3.750e-01
## municipio_factorMina 3.183e-01
## municipio_factorMontemorelos 2.194e-01
## municipio_factorMonterrey 5.564e-01
## municipio_factorPesquería 2.151e-01
## municipio_factorRayones 4.355e-01
## municipio_factorSabinas_Hidalgo 2.210e-01
## municipio_factorSalinas_Victoria 2.157e-01
## municipio_factorSan_Nicolás_de_los_Garza 2.252e-01
## municipio_factorSan_Pedro_Garza_García 2.282e-01
## municipio_factorSanta_Catarina 2.096e-01
## municipio_factorSantiago 2.540e-01
## sexo_factorMujer 1.932e-02
## rangos_edad_factor25-34 4.608e-02
## rangos_edad_factor35-44 7.053e-02
## rangos_edad_factor45-54 9.996e-02
## rangos_edad_factor55-64 1.320e-01
## rangos_edad_factor65-74 1.607e-01
## rangos_edad_factor75_o_más 1.992e-01
## GoberFavoritismo_factorNo_sabe 1.022e-01
## GoberFavoritismo_factorSi 3.660e-02
## Educacion_factorEspecialidad 4.016e-02
## Educacion_factorLicenciatura 4.682e-02
## Educacion_factorMaestría 4.647e-02
## Educacion_factorNormal_Básica 4.531e-02
## Educacion_factorNormal_Licenciatura 4.124e-02
## Educacion_factorPreparatoria 3.676e-02
## Educacion_factorPrimaria 5.586e-02
## Educacion_factorSecundaria 5.442e-02
## t value Pr(>|t|)
## (Intercept) 1.222 0.22191
## Factor_CVNL -0.806 0.42040
## edad 1.286 0.19866
## IngresoSuficienteLesAlcanzaJusto -0.322 0.74730
## IngresoSuficienteNoLesAlcanza 0.998 0.31826
## IngresoSuficienteNoLesAlcanzaDificultades -0.453 0.65070
## IngresoDomesticoMensual2-3 SM 2.040 0.04139
## IngresoDomesticoMensual3-4 SM 1.892 0.05851
## IngresoDomesticoMensual4-5 SM 0.282 0.77758
## IngresoDomesticoMensual5-6 SM 0.472 0.63731
## IngresoDomesticoMensual6-7 SM 1.879 0.06030
## IngresoDomesticoMensual7-8 SM 2.049 0.04051
## IngresoDomesticoMensual8-9 SM 0.426 0.67024
## IngresoDomesticoMensual9-10 SM -0.158 0.87474
## IngresoDomesticoMensualSin Ingreso (Salario) 0.484 0.62876
## IngresoDomesticoMensualx < 1 SM 0.950 0.34205
## IngresoDomesticoMensualx ≥ 10 SM 1.190 0.23433
## AlcaFavoritismoNo sabe 0.728 0.46661
## AlcaFavoritismoSi -3.128 0.00177
## AlcaEficienciaNo sabe 0.375 0.70778
## AlcaEficienciaSi 2.537 0.01123
## GoberEficienciaNo sabe -1.050 0.29371
## GoberEficienciaSi -0.354 0.72352
## PercepTranspEstado 65.415 < 2e-16
## CorruptioExperiNo sabe -3.267 0.00110
## CorruptioExperiSi -0.746 0.45583
## AlcalHonestoNo sabe 1.423 0.15475
## AlcalHonestoSi 1.070 0.28455
## AlcalCapazNo sabe -1.385 0.16600
## AlcalCapazSi -0.883 0.37735
## AlcalBuenEquipoNo sabe 0.779 0.43627
## AlcalBuenEquipoSi 0.523 0.60120
## AlcalCumplidorNo sabe -0.434 0.66405
## AlcalCumplidorSi -0.563 0.57352
## AlcalAcuerdosNo sabe -0.308 0.75781
## AlcalAcuerdosSi 0.370 0.71143
## Altruismo_AlcaldePensando en el bienestar del municipio 0.474 0.63542
## Altruismo_AlcaldePensando en intereses particulares/personales -0.864 0.38776
## Influencia_Ciudadana 1.434 0.15179
## Aprobacion_AlcaldeDesaprueba -1.405 0.15997
## Aprobacion_AlcaldeNo sabe 0.190 0.84970
## Percepcion_Municipio 0.255 0.79893
## Evaluacion_Gobierno_Alcalde 0.619 0.53602
## Satisfaccion_Alumbrado_Publico 1.366 0.17189
## Satisfaccion_Calle_Avenidas 0.287 0.77447
## Satisfaccion_Parques_Areas_Verdes 1.324 0.18550
## Satisfaccion_Drenajes -0.739 0.46009
## Satisfaccion_Recoleccion_Basura 0.374 0.70845
## Voto_Pasadas_EleccionesSí -2.507 0.01222
## Razon_Voto_AlcaldeLo conozco 0.038 0.96989
## Razon_Voto_AlcaldeMe identifico con su partido -0.002 0.99866
## Razon_Voto_AlcaldeNo quería que ganara otro candidato -0.218 0.82762
## Razon_Voto_AlcaldePor su carisma 0.459 0.64604
## Razon_Voto_AlcaldePor su experiencia/ trayectoria 0.227 0.82050
## Razon_Voto_AlcaldePor sus propuestas 0.185 0.85352
## Razon_Voto_AlcaldeQuiero un cambio -0.314 0.75388
## Razon_Voto_AlcaldeRecibí un beneficio a cambio -0.502 0.61564
## Razon_Voto_AlcaldeSolo por cumplir -0.250 0.80225
## Razon_Voto_AlcaldeVoto útil 0.025 0.98031
## Fuente_Informacion_PreferidaFacebook 0.618 0.53642
## Fuente_Informacion_PreferidaInstagram -0.229 0.81860
## Fuente_Informacion_PreferidaNo se entera 1.564 0.11784
## Fuente_Informacion_PreferidaPágina web institucional 0.442 0.65843
## Fuente_Informacion_PreferidaPeriódico -0.645 0.51878
## Fuente_Informacion_PreferidaPortal de noticias en internet -0.948 0.34301
## Fuente_Informacion_PreferidaRadio -0.627 0.53066
## Fuente_Informacion_PreferidaTelegram -0.033 0.97375
## Fuente_Informacion_PreferidaTelevisión -0.188 0.85107
## Fuente_Informacion_PreferidaTikTok -1.028 0.30404
## Fuente_Informacion_PreferidaWhatsApp -1.384 0.16655
## Fuente_Informacion_PreferidaX (antes Twitter) 0.317 0.75118
## Fuente_Informacion_PreferidaYouTube 2.931 0.00340
## municipio_factorAgualeguas 0.055 0.95653
## municipio_factorAllende -0.871 0.38375
## municipio_factorAnáhuac -1.210 0.22646
## municipio_factorApodaca -0.112 0.91059
## municipio_factorAramberri -0.908 0.36395
## municipio_factorBustamante 0.334 0.73829
## municipio_factorCadereyta_Jiménez -1.477 0.13965
## municipio_factorCerralvo -0.643 0.52006
## municipio_factorChina -0.421 0.67375
## municipio_factorCiénega_de_Flores -0.953 0.34057
## municipio_factorDoctor_Arroyo 0.123 0.90185
## municipio_factorDoctor_González -0.225 0.82163
## municipio_factorEl_Carmen -0.999 0.31778
## municipio_factorGaleana -0.370 0.71105
## municipio_factorGarcía -1.213 0.22517
## municipio_factorGeneral_Bravo -0.658 0.51070
## municipio_factorGeneral_Escobedo -0.778 0.43645
## municipio_factorGeneral_Treviño -0.831 0.40614
## municipio_factorGeneral_Zaragoza -1.236 0.21672
## municipio_factorGeneral_Zuazua -0.853 0.39384
## municipio_factorGuadalupe -0.354 0.72357
## municipio_factorHidalgo -1.582 0.11374
## municipio_factorHigueras 0.205 0.83779
## municipio_factorHualahuises -0.151 0.87989
## municipio_factorIturbide 0.320 0.74912
## municipio_factorJuárez -0.681 0.49576
## municipio_factorLampazos_de_Naranjo -1.661 0.09678
## municipio_factorLinares -1.181 0.23766
## municipio_factorLos_Herreras -0.642 0.52101
## municipio_factorLos_Ramones -0.224 0.82309
## municipio_factorMelchor_Ocampo -0.717 0.47332
## municipio_factorMier_y_Noriega -0.763 0.44580
## municipio_factorMina -0.350 0.72613
## municipio_factorMontemorelos -1.049 0.29436
## municipio_factorMonterrey 0.303 0.76162
## municipio_factorPesquería -2.079 0.03770
## municipio_factorRayones -1.368 0.17126
## municipio_factorSabinas_Hidalgo -0.061 0.95099
## municipio_factorSalinas_Victoria -0.984 0.32498
## municipio_factorSan_Nicolás_de_los_Garza -0.381 0.70312
## municipio_factorSan_Pedro_Garza_García -1.744 0.08124
## municipio_factorSanta_Catarina -1.470 0.14178
## municipio_factorSantiago -1.196 0.23167
## sexo_factorMujer -0.126 0.89947
## rangos_edad_factor25-34 -0.034 0.97297
## rangos_edad_factor35-44 -0.066 0.94701
## rangos_edad_factor45-54 -0.453 0.65064
## rangos_edad_factor55-64 -0.721 0.47102
## rangos_edad_factor65-74 -0.447 0.65520
## rangos_edad_factor75_o_más -0.507 0.61223
## GoberFavoritismo_factorNo_sabe -1.023 0.30635
## GoberFavoritismo_factorSi 1.271 0.20375
## Educacion_factorEspecialidad -0.166 0.86822
## Educacion_factorLicenciatura 0.847 0.39722
## Educacion_factorMaestría 0.550 0.58203
## Educacion_factorNormal_Básica -0.355 0.72268
## Educacion_factorNormal_Licenciatura 0.266 0.78996
## Educacion_factorPreparatoria 0.097 0.92250
## Educacion_factorPrimaria 0.007 0.99412
## Educacion_factorSecundaria 0.397 0.69155
##
## (Intercept)
## Factor_CVNL
## edad
## IngresoSuficienteLesAlcanzaJusto
## IngresoSuficienteNoLesAlcanza
## IngresoSuficienteNoLesAlcanzaDificultades
## IngresoDomesticoMensual2-3 SM *
## IngresoDomesticoMensual3-4 SM .
## IngresoDomesticoMensual4-5 SM
## IngresoDomesticoMensual5-6 SM
## IngresoDomesticoMensual6-7 SM .
## IngresoDomesticoMensual7-8 SM *
## IngresoDomesticoMensual8-9 SM
## IngresoDomesticoMensual9-10 SM
## IngresoDomesticoMensualSin Ingreso (Salario)
## IngresoDomesticoMensualx < 1 SM
## IngresoDomesticoMensualx ≥ 10 SM
## AlcaFavoritismoNo sabe
## AlcaFavoritismoSi **
## AlcaEficienciaNo sabe
## AlcaEficienciaSi *
## GoberEficienciaNo sabe
## GoberEficienciaSi
## PercepTranspEstado ***
## CorruptioExperiNo sabe **
## CorruptioExperiSi
## AlcalHonestoNo sabe
## AlcalHonestoSi
## AlcalCapazNo sabe
## AlcalCapazSi
## AlcalBuenEquipoNo sabe
## AlcalBuenEquipoSi
## AlcalCumplidorNo sabe
## AlcalCumplidorSi
## AlcalAcuerdosNo sabe
## AlcalAcuerdosSi
## Altruismo_AlcaldePensando en el bienestar del municipio
## Altruismo_AlcaldePensando en intereses particulares/personales
## Influencia_Ciudadana
## Aprobacion_AlcaldeDesaprueba
## Aprobacion_AlcaldeNo sabe
## Percepcion_Municipio
## Evaluacion_Gobierno_Alcalde
## Satisfaccion_Alumbrado_Publico
## Satisfaccion_Calle_Avenidas
## Satisfaccion_Parques_Areas_Verdes
## Satisfaccion_Drenajes
## Satisfaccion_Recoleccion_Basura
## Voto_Pasadas_EleccionesSí *
## Razon_Voto_AlcaldeLo conozco
## Razon_Voto_AlcaldeMe identifico con su partido
## Razon_Voto_AlcaldeNo quería que ganara otro candidato
## Razon_Voto_AlcaldePor su carisma
## Razon_Voto_AlcaldePor su experiencia/ trayectoria
## Razon_Voto_AlcaldePor sus propuestas
## Razon_Voto_AlcaldeQuiero un cambio
## Razon_Voto_AlcaldeRecibí un beneficio a cambio
## Razon_Voto_AlcaldeSolo por cumplir
## Razon_Voto_AlcaldeVoto útil
## Fuente_Informacion_PreferidaFacebook
## Fuente_Informacion_PreferidaInstagram
## Fuente_Informacion_PreferidaNo se entera
## Fuente_Informacion_PreferidaPágina web institucional
## Fuente_Informacion_PreferidaPeriódico
## Fuente_Informacion_PreferidaPortal de noticias en internet
## Fuente_Informacion_PreferidaRadio
## Fuente_Informacion_PreferidaTelegram
## Fuente_Informacion_PreferidaTelevisión
## Fuente_Informacion_PreferidaTikTok
## Fuente_Informacion_PreferidaWhatsApp
## Fuente_Informacion_PreferidaX (antes Twitter)
## Fuente_Informacion_PreferidaYouTube **
## municipio_factorAgualeguas
## municipio_factorAllende
## municipio_factorAnáhuac
## municipio_factorApodaca
## municipio_factorAramberri
## municipio_factorBustamante
## municipio_factorCadereyta_Jiménez
## municipio_factorCerralvo
## municipio_factorChina
## municipio_factorCiénega_de_Flores
## municipio_factorDoctor_Arroyo
## municipio_factorDoctor_González
## municipio_factorEl_Carmen
## municipio_factorGaleana
## municipio_factorGarcía
## municipio_factorGeneral_Bravo
## municipio_factorGeneral_Escobedo
## municipio_factorGeneral_Treviño
## municipio_factorGeneral_Zaragoza
## municipio_factorGeneral_Zuazua
## municipio_factorGuadalupe
## municipio_factorHidalgo
## municipio_factorHigueras
## municipio_factorHualahuises
## municipio_factorIturbide
## municipio_factorJuárez
## municipio_factorLampazos_de_Naranjo .
## municipio_factorLinares
## municipio_factorLos_Herreras
## municipio_factorLos_Ramones
## municipio_factorMelchor_Ocampo
## municipio_factorMier_y_Noriega
## municipio_factorMina
## municipio_factorMontemorelos
## municipio_factorMonterrey
## municipio_factorPesquería *
## municipio_factorRayones
## municipio_factorSabinas_Hidalgo
## municipio_factorSalinas_Victoria
## municipio_factorSan_Nicolás_de_los_Garza
## municipio_factorSan_Pedro_Garza_García .
## municipio_factorSanta_Catarina
## municipio_factorSantiago
## sexo_factorMujer
## rangos_edad_factor25-34
## rangos_edad_factor35-44
## rangos_edad_factor45-54
## rangos_edad_factor55-64
## rangos_edad_factor65-74
## rangos_edad_factor75_o_más
## GoberFavoritismo_factorNo_sabe
## GoberFavoritismo_factorSi
## Educacion_factorEspecialidad
## Educacion_factorLicenciatura
## Educacion_factorMaestría
## Educacion_factorNormal_Básica
## Educacion_factorNormal_Licenciatura
## Educacion_factorPreparatoria
## Educacion_factorPrimaria
## Educacion_factorSecundaria
## ---
## Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
##
## Residual standard error: 0.5384 on 3328 degrees of freedom
## Multiple R-squared: 0.6399, Adjusted R-squared: 0.6258
## F-statistic: 45.15 on 131 and 3328 DF, p-value: < 2.2e-16# Checar multicolinealidad
library(car)## Loading required package: carData##
## Attaching package: 'car'## The following object is masked from 'package:dplyr':
##
## recode## The following object is masked from 'package:purrr':
##
## somevif(modelo_lm)## GVIF Df GVIF^(1/(2*Df))
## Factor_CVNL 291.624889 1 17.077028
## edad 36.926661 1 6.076731
## IngresoSuficiente 1.584129 3 1.079688
## IngresoDomesticoMensual 3.288376 11 1.055599
## AlcaFavoritismo 16.238438 2 2.007410
## AlcaEficiencia 6.059742 2 1.568966
## GoberEficiencia 2.717325 2 1.283912
## PercepTranspEstado 1.176525 1 1.084677
## CorruptioExperi 1.210364 2 1.048888
## AlcalHonesto 11.854989 2 1.855561
## AlcalCapaz 36.280537 2 2.454248
## AlcalBuenEquipo 21.729829 2 2.159057
## AlcalCumplidor 31.884903 2 2.376273
## AlcalAcuerdos 23.384625 2 2.199037
## Altruismo_Alcalde 7.643078 2 1.662712
## Influencia_Ciudadana 1.169755 1 1.081552
## Aprobacion_Alcalde 19.569891 2 2.103280
## Percepcion_Municipio 2.649924 1 1.627859
## Evaluacion_Gobierno_Alcalde 3.516538 1 1.875244
## Satisfaccion_Alumbrado_Publico 1.035773 1 1.017729
## Satisfaccion_Calle_Avenidas 2.133228 1 1.460557
## Satisfaccion_Parques_Areas_Verdes 2.317640 1 1.522380
## Satisfaccion_Drenajes 1.984936 1 1.408877
## Satisfaccion_Recoleccion_Basura 1.348344 1 1.161182
## Voto_Pasadas_Elecciones 1.184805 1 1.088487
## Razon_Voto_Alcalde 1.540394 10 1.021837
## Fuente_Informacion_Preferida 3.147562 13 1.045088
## municipio_factor 2986.711113 43 1.097512
## sexo_factor 1.114318 1 1.055613
## rangos_edad_factor 50.038906 6 1.385508
## GoberFavoritismo_factor 15.899071 2 1.996838
## Educacion_factor 1.752845 8 1.0357006. Evaluación del modelo inicial
# Realiza predicciones sobre el conjunto de prueba
# Métricas (RMSE, Accuracy, matriz de confusión, etc.)
# Predicción en conjunto de prueba
excluir_variables <- c("num_mun", "nom_loc_mv", "rangos_edad", "sexo", "municipio", "GoberFavoritismo", "Educacion", "num_mun_factor")
datos_predicciones <- eav_test[, !(names(eav_test) %in% excluir_variables)]
datos_predicciones <- na.omit(datos_predicciones)
predicciones <- predict(modelo_lm, newdata = eav_test)
# Valores reales
valreales <- eav_test$PercepTranspMuni
# Cálculo de métricas en el modelo inicial
rmse_val <- sqrt(mean((valreales - predicciones)^2))
mae_val <- mean(abs(valreales - predicciones))
r2_val <- 1 - sum((valreales - predicciones)^2) / sum((valreales - mean(valreales))^2)
# Crear tabla resumen de métricas
resumenmetricas <- tibble(
Métrica = c("RMSE", "MAE", "R²"),
Valor = c(rmse_val, mae_val, r2_val)
)
print(resumenmetricas)## # A tibble: 3 × 2
## Métrica Valor
## <chr> <dbl>
## 1 RMSE 0.553
## 2 MAE 0.364
## 3 R² 0.633# Resumen de resultados en párrafo
cat("\nResumen del desempeño del modelo:\n")##
## Resumen del desempeño del modelo:cat(sprintf("El modelo lineal aplicado al conjunto de prueba presenta un RMSE de %.4f, un MAE de %.4f, y un R² de %.4f. Esto indica que el modelo explica aproximadamente el %.2f%% de la variabilidad de la percepción de la transparencia municipal en datos no vistos y tiene un error promedio (MAE) de %.4f unidades. Estos resultados sugieren que el modelo tiene un desempeño razonable para la predicción, aunque se podrían explorar mejoras con técnicas adicionales.\n",
rmse_val, mae_val, r2_val, r2_val * 100, mae_val))## El modelo lineal aplicado al conjunto de prueba presenta un RMSE de 0.5528, un MAE de 0.3639, y un R² de 0.6332. Esto indica que el modelo explica aproximadamente el 63.32% de la variabilidad de la percepción de la transparencia municipal en datos no vistos y tiene un error promedio (MAE) de 0.3639 unidades. Estos resultados sugieren que el modelo tiene un desempeño razonable para la predicción, aunque se podrían explorar mejoras con técnicas adicionales.7. Selección de modelos lineales y reducción de dimensiones
# Prueba modelos lineales penalizados: Lasso, Ridge (glmnet)
# Aplica reducción de dimensiones: PCA (prcomp) o PLS (caret)
# Implementar Lasso
library(tidyverse)
library(glmnet)
y <- datos_modelo_lineal$PercepTranspMuni
x <- model.matrix(PercepTranspMuni ~ ., data = datos_modelo_lineal)[, -1]
# Crear conjunto de entrenamiento y prueba
set.seed(1)
train = sample(1:nrow(x),nrow(x)/2)
test=(-train)
y.test = y[test]
# Ajustar modelo Lasso en conjunto de entrenamiento
set.seed(1)
cv.out <- cv.glmnet(x[train ,],y[train],alpha= 1) # Lasso
plot(cv.out)
grid <- seq(0.01, 10, length = 100)
lasso.mod <- glmnet(x[train ,],y[train],alpha= 1,lambda= grid)
plot(lasso.mod)## Warning in regularize.values(x, y, ties, missing(ties), na.rm = na.rm):
## collapsing to unique 'x' values
# Ajuste con validación cruzada
cv.out <- cv.glmnet(x, y, alpha = 1, standardize = TRUE)
# Lambda óptimo
bestlam <- cv.out$lambda.min
# Modelo Lasso final
lasso.mod <- glmnet(x, y, alpha = 1, lambda = bestlam)
lasso.mod##
## Call: glmnet(x = x, y = y, alpha = 1, lambda = bestlam)
##
## Df %Dev Lambda
## 1 4 60.94 0.06049# Coeficientes
lasso.coef <- predict(lasso.mod, type = "coefficients", s = bestlam)[1:41, ]
lasso.coef## (Intercept)
## 0.57411113
## Factor_CVNL
## 0.00000000
## edad
## 0.00000000
## IngresoSuficienteLesAlcanzaJusto
## 0.00000000
## IngresoSuficienteNoLesAlcanza
## 0.00000000
## IngresoSuficienteNoLesAlcanzaDificultades
## 0.00000000
## IngresoDomesticoMensual2-3 SM
## 0.00000000
## IngresoDomesticoMensual3-4 SM
## 0.00000000
## IngresoDomesticoMensual4-5 SM
## 0.00000000
## IngresoDomesticoMensual5-6 SM
## 0.00000000
## IngresoDomesticoMensual6-7 SM
## 0.00000000
## IngresoDomesticoMensual7-8 SM
## 0.00000000
## IngresoDomesticoMensual8-9 SM
## 0.00000000
## IngresoDomesticoMensual9-10 SM
## 0.00000000
## IngresoDomesticoMensualSin Ingreso (Salario)
## 0.00000000
## IngresoDomesticoMensualx < 1 SM
## 0.00000000
## IngresoDomesticoMensualx ≥ 10 SM
## 0.00000000
## AlcaFavoritismoNo sabe
## 0.00000000
## AlcaFavoritismoSi
## 0.00000000
## AlcaEficienciaNo sabe
## 0.00000000
## AlcaEficienciaSi
## 0.03335991
## GoberEficienciaNo sabe
## 0.00000000
## GoberEficienciaSi
## 0.00000000
## PercepTranspEstado
## 0.71520153
## CorruptioExperiNo sabe
## 0.00000000
## CorruptioExperiSi
## 0.00000000
## AlcalHonestoNo sabe
## 0.00000000
## AlcalHonestoSi
## 0.00000000
## AlcalCapazNo sabe
## 0.00000000
## AlcalCapazSi
## 0.00000000
## AlcalBuenEquipoNo sabe
## 0.00000000
## AlcalBuenEquipoSi
## 0.00000000
## AlcalCumplidorNo sabe
## 0.00000000
## AlcalCumplidorSi
## 0.00000000
## AlcalAcuerdosNo sabe
## 0.00000000
## AlcalAcuerdosSi
## 0.00000000
## Altruismo_AlcaldePensando en el bienestar del municipio
## 0.06742810
## Altruismo_AlcaldePensando en intereses particulares/personales
## 0.00000000
## Influencia_Ciudadana
## 0.00000000
## Aprobacion_AlcaldeDesaprueba
## -0.06064587
## Aprobacion_AlcaldeNo sabe
## 0.00000000lasso.coef[lasso.coef != 0]## (Intercept)
## 0.57411113
## AlcaEficienciaSi
## 0.03335991
## PercepTranspEstado
## 0.71520153
## Altruismo_AlcaldePensando en el bienestar del municipio
## 0.06742810
## Aprobacion_AlcaldeDesaprueba
## -0.06064587#¿Qué tanto explica el modelo?
predicciones <- predict(lasso.mod, s = bestlam, newx = x[test, ])
valreales <- y[test]
r2 <- 1 - sum((valreales - predicciones)^2) / sum((valreales - mean(valreales))^2)
n <- length(valreales)
p <- sum(lasso.coef != 0) - 1 # Restamos 1 por el intercepto
r2_ajustado <- 1 - ((1 - r2) * (n - 1)) / (n - p - 1)
cat("R²:", round(r2, 4), "\n")## R²: 0.58cat("R² ajustado:", round(r2_ajustado, 4), "\n")## R² ajustado: 0.579En base al modelo Lasso, podemos identificar las siguientes variables: AlcaEficiencia, PercepTranspEstado, Altruismo_Alcal y Aprobacion_Alcalde. El modelo Lasso tiene un r2 de 0.58, pero cuando se usa un r2 ajustado, número disminuye a 0.579. Lo que significa que el modelo explica el 58% de la variabilidad de la percepción de transparencia municipal.
8. Regresión polinomial y splines
# Ajusta regresión polinomial: lm(y ~ poly(x, degree = 2), data = ...)
# Compara desempeño con métricas
library(splines)
library(caret)
library(tidyverse)
attach (eav_2024_final)
summary (eav_2024_final)## num_mun nom_loc_mv rangos_edad Factor_CVNL
## 6 : 354 Length:4942 18-24 :523 Min. : 106.1
## 18 : 354 Class :character 25-34 :838 1st Qu.: 659.7
## 21 : 354 Mode :character 35-44 :849 Median : 777.2
## 26 : 354 45-54 :961 Mean : 909.1
## 31 : 354 55-64 :907 3rd Qu.:1016.0
## 46 : 354 65-74 :634 Max. :2808.1
## (Other):2818 75 o más:230
## sexo municipio edad
## Hombre:2468 Apodaca : 354 Min. :18.00
## Mujer :2474 García : 354 1st Qu.:33.00
## General Escobedo : 354 Median :47.00
## Guadalupe : 354 Mean :46.84
## Juárez : 354 3rd Qu.:60.00
## San Nicolás de los Garza: 354 Max. :95.00
## (Other) :2818
## IngresoSuficiente IngresoDomesticoMensual
## LesAlcanzaBien :1116 1-2 SM :2144
## LesAlcanzaJusto :3128 2-3 SM :1150
## NoLesAlcanza : 660 x < 1 SM : 985
## NoLesAlcanzaDificultades: 38 3-4 SM : 321
## Sin Ingreso (Salario): 165
## 4-5 SM : 82
## (Other) : 95
## GoberFavoritismo AlcaFavoritismo AlcaEficiencia GoberEficiencia
## No :3144 No :3262 No :2275 No :1889
## No sabe: 191 No sabe: 179 No sabe: 225 No sabe: 196
## Si :1607 Si :1501 Si :2442 Si :2857
##
##
##
##
## PercepTranspEstado PercepTranspMuni CorruptioExperi AlcalHonesto
## Min. :0.000 Min. :0.000 No :4658 No :2187
## 1st Qu.:1.000 1st Qu.:1.000 No sabe: 64 No sabe: 271
## Median :2.000 Median :2.000 Si : 220 Si :2484
## Mean :1.814 Mean :1.895
## 3rd Qu.:2.000 3rd Qu.:2.000
## Max. :4.000 Max. :4.000
##
## AlcalCapaz AlcalBuenEquipo AlcalCumplidor AlcalAcuerdos
## No :2295 No :2150 No :2330 No :2213
## No sabe: 127 No sabe: 171 No sabe: 159 No sabe: 160
## Si :2520 Si :2621 Si :2453 Si :2569
##
##
##
##
## Altruismo_Alcalde Influencia_Ciudadana
## No sabe : 177 Min. :1.000
## Pensando en el bienestar del municipio :2480 1st Qu.:2.000
## Pensando en intereses particulares/personales:2285 Median :2.000
## Mean :2.378
## 3rd Qu.:3.000
## Max. :4.000
##
## Aprobacion_Alcalde Percepcion_Municipio Evaluacion_Gobierno_Alcalde
## Aprueba :2600 Min. :0.000 Min. :0.000
## Desaprueba:2218 1st Qu.:2.000 1st Qu.:2.000
## No sabe : 124 Median :3.000 Median :2.000
## Mean :2.485 Mean :2.386
## 3rd Qu.:3.000 3rd Qu.:3.000
## Max. :4.000 Max. :4.000
##
## Satisfaccion_Alumbrado_Publico Satisfaccion_Calle_Avenidas
## Min. : 1.000 Min. : 0.000
## 1st Qu.: 6.000 1st Qu.: 5.000
## Median : 8.000 Median : 7.000
## Mean : 8.953 Mean : 6.595
## 3rd Qu.: 9.000 3rd Qu.: 8.000
## Max. :8888.000 Max. :10.000
##
## Satisfaccion_Parques_Areas_Verdes Satisfaccion_Drenajes
## Min. : 0.000 Min. : 0.000
## 1st Qu.: 5.000 1st Qu.: 5.000
## Median : 7.000 Median : 7.000
## Mean : 6.865 Mean : 6.888
## 3rd Qu.: 9.000 3rd Qu.: 9.000
## Max. :10.000 Max. :10.000
##
## Satisfaccion_Recoleccion_Basura Voto_Pasadas_Elecciones
## Min. : 1.000 No: 854
## 1st Qu.: 7.000 Sí:4088
## Median : 9.000
## Mean : 9.439
## 3rd Qu.: 9.000
## Max. :6666.000
##
## Razon_Voto_Alcalde Educacion
## Por sus propuestas :2746 Preparatoria :1659
## Por su experiencia/ trayectoria :1364 Especialidad : 646
## Me identifico con su partido : 650 Normal Licenciatura: 599
## No quería que ganara otro candidato: 52 Doctorado : 450
## Por su carisma : 49 Normal Básica : 422
## Voto útil : 41 Maestría : 390
## (Other) : 40 (Other) : 776
## Fuente_Informacion_Preferida municipio_factor
## Televisión :2541 Apodaca : 354
## Facebook :1950 García : 354
## Conversaciones con conocidos: 94 General_Escobedo : 354
## Periódico : 92 Guadalupe : 354
## Instagram : 85 Juárez : 354
## X (antes Twitter) : 41 San_Nicolás_de_los_Garza: 354
## (Other) : 139 (Other) :2818
## sexo_factor num_mun_factor rangos_edad_factor GoberFavoritismo_factor
## Hombre:2468 18 : 354 18-24 :523 No :3144
## Mujer :2474 21 : 354 25-34 :838 No_sabe: 191
## 26 : 354 35-44 :849 Si :1607
## 31 : 354 45-54 :961
## 46 : 354 55-64 :907
## 48 : 354 65-74 :634
## (Other):2818 75_o_más:230
## Educacion_factor
## Preparatoria :1659
## Especialidad : 646
## Normal_Licenciatura: 599
## Doctorado : 450
## Normal_Básica : 422
## Maestría : 390
## (Other) : 776# Step AlcaEficiencia
table(AlcaEficiencia)## AlcaEficiencia
## No No sabe Si
## 2275 225 2442factor(AlcaEficiencia, levels = c("No", "No Sabe", "Si"))## [1] No <NA> No Si No No No Si No No <NA> Si No No
## [15] No No No No Si No No Si No No No No No No
## [29] No No Si Si No No Si Si No Si Si Si Si Si
## [43] <NA> No No Si Si No No Si Si Si No Si Si Si
## [57] No <NA> Si No Si No No <NA> No Si No Si No No
## [71] Si No Si Si No Si Si Si Si No No No No No
## [85] No No No Si Si Si No No No Si Si No No No
## [99] Si Si <NA> No No Si No Si Si Si Si No No Si
## [113] No Si Si Si Si <NA> No No Si Si No <NA> Si <NA>
## [127] No No Si No No Si Si No No Si No No <NA> <NA>
## [141] Si Si Si Si Si Si No Si Si Si Si No Si Si
## [155] No No Si Si Si No <NA> No No No No No No No
## [169] Si No Si <NA> No Si <NA> <NA> Si Si Si No Si No
## [183] No No Si Si No No No Si No Si No No No Si
## [197] No Si No No Si Si Si <NA> Si Si No Si No <NA>
## [211] No Si No <NA> Si No No Si Si No No No Si No
## [225] No Si No No No Si <NA> No Si Si Si No Si Si
## [239] Si Si No Si Si Si Si Si Si Si Si No No No
## [253] No Si Si No Si Si No Si Si No Si <NA> No No
## [267] <NA> Si Si Si Si Si No Si Si Si No Si Si No
## [281] No Si No No Si No Si Si Si No <NA> Si No <NA>
## [295] Si Si Si No Si Si No Si Si Si Si Si Si No
## [309] No No No No Si <NA> Si No Si Si Si Si No No
## [323] No Si Si Si No No Si Si Si Si No No Si Si
## [337] <NA> Si No No No Si <NA> No No <NA> No Si No No
## [351] No No No No Si No No Si Si No No No No No
## [365] No No Si <NA> No No No Si Si Si Si No Si No
## [379] Si No Si Si No Si No Si Si Si No Si No Si
## [393] No Si No No No Si Si No Si No Si Si Si No
## [407] No No Si Si No Si No Si Si No Si No Si Si
## [421] Si Si No Si No Si No <NA> No Si Si No No No
## [435] Si No No No No Si Si Si No No No No No Si
## [449] Si No Si No No No No Si No Si <NA> Si No No
## [463] Si No No Si Si No No Si Si Si No No No No
## [477] No No Si No No <NA> No No No No Si No Si No
## [491] No Si Si No Si No No <NA> Si Si No Si No Si
## [505] Si No No No No No No No Si No No No Si No
## [519] Si <NA> No Si Si No No <NA> No No No No No Si
## [533] No Si No No <NA> No No No Si Si Si <NA> No Si
## [547] Si Si No Si Si Si No No No Si Si Si Si No
## [561] Si No No Si Si Si No No No No Si Si Si Si
## [575] Si Si Si No Si No Si No Si No No Si No No
## [589] Si Si Si No Si Si <NA> Si No No <NA> No Si No
## [603] Si Si No No No Si Si Si Si No Si Si No No
## [617] No No No <NA> No Si No Si Si No No No Si Si
## [631] No No Si No No No No No Si No No No No No
## [645] No Si No No Si No No No Si No Si Si No No
## [659] Si Si No No No No No Si Si No No No No No
## [673] Si <NA> No No No No No No Si No Si Si No Si
## [687] No No Si Si Si Si Si <NA> Si No No <NA> Si Si
## [701] No No No No Si Si Si No Si Si Si No Si Si
## [715] Si No No No Si No Si No No Si Si No No No
## [729] No Si No Si <NA> No No No Si Si No Si Si No
## [743] Si No Si No No No Si No Si No Si Si No No
## [757] No Si No Si No Si Si No No No No No No No
## [771] No No <NA> <NA> Si No No Si No No Si No No No
## [785] No Si No No No Si Si No Si Si Si No <NA> <NA>
## [799] No Si Si Si No No No No Si No Si No Si Si
## [813] No No No Si No Si Si No No No No No Si Si
## [827] Si Si Si No No Si Si No No Si Si Si Si Si
## [841] No <NA> No No Si No No No No No No Si No Si
## [855] Si Si <NA> Si No No Si <NA> Si No Si Si No <NA>
## [869] Si No No No No No Si No No Si No Si Si No
## [883] No No Si No No No Si No No No No Si <NA> No
## [897] Si No Si Si No Si No No Si No Si No Si No
## [911] Si Si Si Si Si Si <NA> No <NA> No No Si No Si
## [925] Si Si Si No Si No No Si No Si Si Si Si No
## [939] Si No Si Si <NA> Si No No Si Si Si Si No No
## [953] Si No No No No No Si No Si No No Si No Si
## [967] Si Si Si Si Si No No Si Si No Si No Si Si
## [981] No Si No No Si No Si No No Si <NA> Si Si No
## [995] No No No No Si <NA> No No <NA> Si No No Si No
## [1009] No Si No No No No Si Si No No Si Si No No
## [1023] No No Si No No Si No Si No <NA> Si Si Si No
## [1037] No Si No No No <NA> No Si No Si Si Si No Si
## [1051] No <NA> No No Si Si No No No Si No No Si No
## [1065] No Si <NA> No No <NA> No Si Si No No No Si <NA>
## [1079] <NA> Si No Si No No Si Si Si No Si No Si No
## [1093] No Si Si Si Si Si No No Si No No Si No Si
## [1107] No No <NA> Si No No No No Si No No Si No <NA>
## [1121] No No Si No No No No No No Si Si No Si No
## [1135] No Si No Si No No No No Si No Si No No No
## [1149] Si No No No Si Si Si No No <NA> Si Si No No
## [1163] No No Si Si No Si Si No <NA> No No Si No Si
## [1177] Si No Si <NA> Si Si Si No Si Si No No No <NA>
## [1191] No No Si No No Si Si No No No No Si No No
## [1205] Si Si No No Si No No No No Si Si No <NA> Si
## [1219] Si Si No Si Si No Si Si No No Si Si No Si
## [1233] <NA> No Si No Si No Si Si Si Si Si No Si No
## [1247] Si Si Si Si Si Si Si Si Si Si Si Si Si Si
## [1261] Si Si Si No Si No No Si Si Si Si Si No No
## [1275] Si No No Si No Si Si <NA> Si No No Si No Si
## [1289] Si No No Si Si Si No Si No Si <NA> No No No
## [1303] <NA> No Si No Si Si No Si No Si Si Si No No
## [1317] Si No Si Si Si No No No No Si No No Si Si
## [1331] Si Si Si Si Si Si No Si <NA> Si Si No No No
## [1345] No Si <NA> No Si Si Si Si Si Si No No <NA> No
## [1359] No No Si Si No Si No No No No No No No Si
## [1373] Si No Si No No Si No Si No Si No No Si No
## [1387] No Si No <NA> No No No Si No Si No Si No Si
## [1401] Si No Si No No No <NA> No Si Si Si Si No Si
## [1415] Si Si Si Si Si Si Si No No Si No Si Si No
## [1429] No Si No No No Si No No No No Si Si Si No
## [1443] <NA> No No No Si No No No No Si Si No Si No
## [1457] Si No No Si Si Si No Si No <NA> No No Si No
## [1471] No No No No Si Si No No No Si No Si No No
## [1485] No Si Si Si No Si No No Si No No No No Si
## [1499] No No No Si Si No No No Si No Si Si Si Si
## [1513] Si Si Si Si No Si Si No Si Si Si Si Si No
## [1527] No No No No No Si No No No Si Si No No No
## [1541] No Si Si Si No Si <NA> No Si Si Si Si Si No
## [1555] <NA> Si Si <NA> No Si Si Si Si No Si No Si No
## [1569] No No Si Si No Si Si Si <NA> No No No Si Si
## [1583] Si No No Si Si No No Si Si No No Si Si Si
## [1597] Si No Si Si Si Si Si No No Si Si No Si Si
## [1611] Si Si Si Si Si No No No Si No <NA> No Si Si
## [1625] Si <NA> No Si Si No Si Si Si Si <NA> Si Si No
## [1639] No Si Si No Si Si Si No No No No Si No Si
## [1653] No No Si No Si No No No Si No Si Si Si No
## [1667] No Si No Si Si No Si No No Si No Si Si Si
## [1681] Si Si No No <NA> No Si Si No Si Si No No No
## [1695] Si Si Si Si No No Si No Si Si No Si No No
## [1709] Si No No Si No <NA> Si No No No Si <NA> <NA> Si
## [1723] Si Si Si Si Si No Si <NA> Si No No Si No Si
## [1737] Si Si Si No No No Si No Si Si Si Si No No
## [1751] Si Si Si No No Si No Si No Si Si No No Si
## [1765] <NA> Si No Si Si No <NA> No Si No Si Si No No
## [1779] Si Si Si <NA> No No Si Si Si No Si Si No <NA>
## [1793] Si Si Si Si Si Si <NA> No Si Si No Si Si Si
## [1807] No No Si No Si No No No No Si Si No Si No
## [1821] Si Si No Si Si No No No Si Si Si Si No No
## [1835] No No Si No Si No Si Si Si No No No <NA> Si
## [1849] No Si Si Si Si No Si No No No Si No No Si
## [1863] Si Si Si No Si Si Si Si Si Si No Si No Si
## [1877] Si Si Si Si Si Si Si No Si <NA> Si No No Si
## [1891] No Si Si No No Si No Si Si Si <NA> Si Si Si
## [1905] Si Si <NA> Si Si Si Si Si Si Si No No Si Si
## [1919] Si Si No No No Si Si Si No No <NA> Si Si No
## [1933] Si Si No No No Si Si Si Si Si Si <NA> No Si
## [1947] Si Si No No No Si No No No Si Si Si Si Si
## [1961] Si <NA> Si No Si Si Si Si No <NA> Si Si No No
## [1975] No Si Si No Si Si <NA> Si Si No Si No No Si
## [1989] Si No No No Si Si Si No Si No No <NA> Si No
## [2003] Si Si Si No Si No No Si <NA> No Si Si No Si
## [2017] No Si No No Si No Si No Si <NA> No No No No
## [2031] Si No Si Si No Si No Si No No Si No No No
## [2045] No No Si Si No No No No Si No Si Si Si Si
## [2059] Si Si Si No Si No Si Si No Si No Si Si No
## [2073] No Si Si Si No No Si Si No Si Si No No Si
## [2087] No Si Si No No Si No Si No Si No No Si Si
## [2101] No No Si Si Si Si Si No Si No No No Si Si
## [2115] Si No <NA> Si No No No Si Si No Si No No No
## [2129] Si Si Si Si Si No No No No Si No No No Si
## [2143] No Si Si Si No <NA> No Si Si No No Si Si Si
## [2157] <NA> Si Si No No No Si Si No No Si No Si No
## [2171] No No No Si No Si No Si No No No Si No Si
## [2185] Si No <NA> Si No No Si No No Si Si No No No
## [2199] <NA> <NA> No Si No Si Si No No <NA> No Si No Si
## [2213] No Si <NA> No Si Si Si Si No <NA> No No No No
## [2227] Si No Si Si Si No Si Si No No Si No Si No
## [2241] Si Si No Si No No No Si No No Si Si Si No
## [2255] No No No <NA> No No Si No Si No No Si Si Si
## [2269] No No No Si Si No No No Si No No <NA> No No
## [2283] No Si No Si No Si Si Si No Si No Si Si Si
## [2297] No No No Si Si Si No Si Si Si No Si <NA> No
## [2311] Si Si Si No Si Si No No No <NA> No Si Si Si
## [2325] Si Si No Si No No No Si Si No No Si Si No
## [2339] No No Si No No No Si Si Si No Si No No No
## [2353] Si No Si No No No No Si No No Si Si Si No
## [2367] No Si Si Si Si No Si No No No Si No No Si
## [2381] <NA> No No Si No Si Si Si Si No No Si No No
## [2395] No Si Si Si No No No Si No Si Si No No No
## [2409] No Si No No No Si Si No Si No Si No No No
## [2423] Si Si No <NA> No Si Si Si No Si Si No No Si
## [2437] No No Si No Si Si No Si No Si No Si Si Si
## [2451] No Si No No No Si Si No Si Si Si Si Si Si
## [2465] Si No No No No Si Si No No Si No No Si Si
## [2479] Si Si Si No Si Si Si No Si No <NA> Si Si Si
## [2493] Si Si No Si No No No Si Si Si Si No Si No
## [2507] No Si Si No No Si Si Si No Si <NA> Si Si No
## [2521] <NA> No No Si Si No Si No No Si Si No Si Si
## [2535] Si No Si No <NA> Si Si <NA> No Si No No No Si
## [2549] Si No No No Si Si <NA> No No <NA> No Si Si Si
## [2563] Si No No No No Si Si Si <NA> Si No No Si Si
## [2577] Si Si No Si <NA> Si No Si No Si No Si <NA> No
## [2591] Si Si No Si Si No Si Si Si No <NA> Si Si Si
## [2605] Si Si Si No No No No No Si No Si No <NA> Si
## [2619] <NA> Si No Si Si No Si No Si Si No Si No Si
## [2633] Si Si No Si No No No Si Si Si Si Si Si Si
## [2647] No No No No No Si Si Si No No Si No No No
## [2661] No Si <NA> No Si Si No No Si No Si Si No Si
## [2675] Si Si No Si Si No Si No No No Si Si Si No
## [2689] No Si No Si Si Si No No Si Si Si Si Si No
## [2703] <NA> No No Si Si No No No Si Si Si Si No Si
## [2717] No Si No Si No No No Si No No Si No No No
## [2731] No No Si Si No Si No Si No Si No No Si Si
## [2745] No Si No Si Si Si Si No No No Si No Si Si
## [2759] No No No <NA> Si Si Si Si Si No No No Si No
## [2773] Si Si No Si No Si No Si Si Si Si Si No No
## [2787] Si No No Si Si Si <NA> Si Si Si No No Si Si
## [2801] Si No No No No Si No No No No Si Si No No
## [2815] Si Si No Si No Si Si Si Si Si No Si Si No
## [2829] No No No No Si Si No No Si Si <NA> No No No
## [2843] No Si No No Si Si Si No Si Si No Si No Si
## [2857] Si Si No Si No No Si No No Si Si Si Si Si
## [2871] No No Si No No No Si Si No No No No No No
## [2885] No No Si No Si No No No Si Si Si No No Si
## [2899] No No No No No Si No Si No Si No No Si No
## [2913] No No No No No Si No No Si No No No Si Si
## [2927] No No No Si No No Si No No Si Si No No Si
## [2941] Si No No Si Si Si Si No Si No Si No No No
## [2955] No No No No Si No Si Si No Si No Si No Si
## [2969] No Si No No Si Si Si No Si Si <NA> <NA> No No
## [2983] No Si No No No Si No Si Si Si Si No Si No
## [2997] Si Si No No Si No No Si Si No No Si No Si
## [3011] Si Si No No Si Si Si <NA> Si No Si Si Si Si
## [3025] No Si Si Si Si No No No Si Si Si Si No No
## [3039] Si Si No No No Si Si Si Si No Si Si No No
## [3053] Si Si Si Si No No Si Si Si Si No Si Si No
## [3067] Si No No Si Si No Si Si No Si Si Si Si Si
## [3081] Si No Si No Si No No No Si Si Si Si Si No
## [3095] <NA> No Si Si No Si No Si No Si No Si No Si
## [3109] No <NA> Si No No No No No Si No No No Si No
## [3123] No <NA> Si No No Si No No No No Si Si No Si
## [3137] Si <NA> Si Si Si No No Si Si Si Si No Si No
## [3151] Si Si Si Si No No No Si Si Si Si No Si Si
## [3165] Si No Si No Si No Si Si No Si No Si Si No
## [3179] No Si No No Si Si Si Si No Si Si Si No No
## [3193] Si Si Si Si Si Si Si Si Si Si <NA> No Si No
## [3207] Si No No No Si Si Si Si Si Si No No Si Si
## [3221] Si No No No Si No <NA> No Si No Si Si Si Si
## [3235] No Si <NA> Si Si No Si Si Si No No No No Si
## [3249] No Si No Si No Si Si No Si No Si No Si No
## [3263] Si Si No Si Si No Si No No Si Si Si Si Si
## [3277] Si Si Si No No Si Si Si Si Si Si Si No Si
## [3291] No Si Si No Si Si No Si Si Si Si Si <NA> No
## [3305] Si Si Si Si <NA> Si No Si No Si Si No Si No
## [3319] Si No No No No Si Si Si Si Si No No Si Si
## [3333] Si Si Si No Si No No Si No No No No No No
## [3347] Si No Si Si No No No Si No Si Si Si No No
## [3361] No Si No No Si <NA> No Si Si Si Si No Si No
## [3375] No No No No No Si Si No No Si Si <NA> Si Si
## [3389] Si Si Si Si No No No No No No No Si Si No
## [3403] No No Si No No Si <NA> No Si No Si Si No Si
## [3417] Si No No Si Si No Si Si No No No Si No Si
## [3431] No Si No Si <NA> Si Si <NA> No Si No No No Si
## [3445] No No Si Si No <NA> No No Si Si <NA> No Si No
## [3459] No Si No No Si Si Si No No Si No No No No
## [3473] No Si Si Si No Si No Si No Si Si No Si No
## [3487] No Si No No Si Si No Si No No <NA> Si No No
## [3501] No Si Si Si No Si Si Si No Si No No Si <NA>
## [3515] Si No Si Si Si Si No Si No Si No No No No
## [3529] No Si Si No No Si Si Si No Si No No Si No
## [3543] Si No No Si Si No Si Si Si Si Si No Si Si
## [3557] No No Si Si No No Si Si No Si Si No Si No
## [3571] Si No No Si No Si No Si Si No <NA> Si No Si
## [3585] No Si Si Si Si Si Si Si No No No <NA> Si No
## [3599] No No Si No No Si <NA> Si No No Si Si No No
## [3613] Si No Si No Si No Si No Si No Si No Si Si
## [3627] No No Si No No Si Si Si No Si Si Si Si No
## [3641] No Si Si Si <NA> No Si Si No Si Si Si No Si
## [3655] No Si Si No No No Si Si Si Si Si No No No
## [3669] No No No No Si Si Si Si Si No No No No No
## [3683] No Si <NA> Si Si Si No No Si Si No No No No
## [3697] No No Si Si Si No No Si Si Si Si Si No No
## [3711] No Si No Si Si Si No No Si Si No No Si Si
## [3725] Si Si No No Si No Si No Si Si Si Si Si No
## [3739] Si No No No No Si Si Si No No Si Si Si No
## [3753] No No No No Si Si No No Si Si Si Si No Si
## [3767] Si Si Si No Si Si Si No Si Si No No Si Si
## [3781] Si Si No No Si No Si Si Si Si Si No Si Si
## [3795] Si Si Si No Si No Si Si Si Si Si No No No
## [3809] Si Si No No No Si Si No Si Si Si No Si No
## [3823] Si No No Si No Si No No Si No Si No No No
## [3837] Si Si No No Si No <NA> Si Si <NA> Si Si <NA> No
## [3851] Si No No No Si No Si No No Si <NA> No No No
## [3865] Si Si Si No Si Si <NA> No No Si No No No No
## [3879] No No Si Si Si No No Si No Si No Si Si Si
## [3893] Si Si No No No No No No No Si <NA> No No Si
## [3907] Si Si No No Si Si No No No No No Si No No
## [3921] Si Si Si Si No Si Si Si No Si Si Si <NA> Si
## [3935] No No Si Si Si Si No Si Si Si Si No Si Si
## [3949] Si Si No No No Si No Si Si <NA> Si <NA> Si No
## [3963] Si No No Si Si Si No No No Si No No Si Si
## [3977] <NA> Si No Si Si No Si Si Si Si Si Si No No
## [3991] Si Si Si Si Si Si Si Si Si No Si Si Si Si
## [4005] No No No Si No Si Si Si <NA> Si No Si Si No
## [4019] No Si Si No No Si Si Si Si Si No No Si Si
## [4033] No Si No No No <NA> Si No Si Si No Si No No
## [4047] No Si No No No Si No <NA> No Si Si No <NA> Si
## [4061] No No Si Si Si No Si <NA> Si Si No Si Si No
## [4075] No No No No Si No Si Si <NA> Si No Si No No
## [4089] Si No No Si Si Si Si Si Si No No Si Si No
## [4103] Si No No Si No Si No Si Si No Si Si No No
## [4117] Si Si Si No Si No No Si No No Si Si Si No
## [4131] No No No No No No No No No Si Si No Si Si
## [4145] No No No Si Si Si Si No Si No No No No Si
## [4159] Si No No Si No No Si No No No No Si Si No
## [4173] Si Si Si No No No No No Si No Si Si Si Si
## [4187] Si No Si Si Si No Si No No Si Si No Si No
## [4201] Si Si Si Si No Si No Si No No No No Si No
## [4215] No No Si No <NA> No No No No Si No Si Si Si
## [4229] No Si Si No No Si Si No Si No Si No Si No
## [4243] Si No Si Si Si No No Si No No <NA> No Si <NA>
## [4257] Si Si Si <NA> Si No No No No Si Si Si No Si
## [4271] Si No Si No No No Si No No No <NA> Si No No
## [4285] Si Si Si Si Si Si Si No No No Si <NA> Si Si
## [4299] No Si No Si Si Si <NA> Si Si Si No <NA> No Si
## [4313] Si No Si Si Si Si Si No <NA> No Si No Si Si
## [4327] Si No Si No Si Si No No Si Si No Si Si Si
## [4341] Si Si <NA> No Si No No Si Si Si No No <NA> No
## [4355] No No Si Si No No <NA> No Si Si <NA> Si No No
## [4369] No Si Si No Si Si No Si No Si Si No No <NA>
## [4383] No No Si Si No Si No No No Si Si Si <NA> Si
## [4397] Si Si Si Si Si No Si Si No No No Si Si <NA>
## [4411] Si Si Si No Si Si No Si Si Si Si Si No No
## [4425] Si No No Si Si Si No Si <NA> No Si No No No
## [4439] Si No No Si Si No Si Si No Si Si No Si Si
## [4453] No No Si No Si Si No No No No No Si Si Si
## [4467] No Si No No No Si Si No Si No <NA> Si Si No
## [4481] No Si No No No No No Si No No Si Si Si No
## [4495] Si <NA> No No No Si Si Si Si Si No Si <NA> Si
## [4509] No Si No No Si No No Si Si Si Si Si No No
## [4523] Si No Si No Si Si No Si Si Si No No Si No
## [4537] Si No No Si No Si <NA> Si Si Si Si No Si No
## [4551] No Si No Si Si Si Si No Si Si No No Si No
## [4565] Si No No No Si No No Si No Si Si Si Si Si
## [4579] Si No <NA> No No No No Si No No Si Si Si Si
## [4593] No No Si Si Si Si No No No Si No <NA> No No
## [4607] Si No Si No No No No No Si No No Si Si Si
## [4621] No Si Si Si No Si No Si Si No No Si Si Si
## [4635] No Si Si No No No No Si Si No No No <NA> Si
## [4649] <NA> Si No <NA> No No Si Si No Si No Si Si No
## [4663] No No No Si Si Si No No Si <NA> No No Si Si
## [4677] Si No No Si Si Si No Si No Si No No Si No
## [4691] No No Si Si Si Si Si Si No Si Si Si Si No
## [4705] Si <NA> No No No No Si No No Si Si Si Si No
## [4719] Si Si No Si Si Si No No Si No Si No No No
## [4733] Si Si No No Si Si Si No No No No No Si Si
## [4747] Si No No Si No Si Si Si Si No Si Si No No
## [4761] Si <NA> No Si Si No Si No No Si Si Si Si No
## [4775] Si No <NA> No No <NA> No No No No No No <NA> No
## [4789] Si No No Si No Si Si Si No No Si No Si No
## [4803] No Si No Si Si Si No Si Si No Si No No No
## [4817] Si Si Si <NA> No Si No <NA> Si Si Si No No No
## [4831] No Si Si <NA> Si No No Si No Si No <NA> Si No
## [4845] No Si No Si Si Si Si Si Si Si No Si Si No
## [4859] No No Si Si No No No No No No Si No Si Si
## [4873] Si No Si No Si No No Si No Si Si Si No Si
## [4887] Si No No No No Si No No Si Si Si Si Si Si
## [4901] Si Si Si Si Si Si No No Si No No <NA> Si Si
## [4915] Si Si Si No No Si No Si No Si Si Si Si Si
## [4929] Si <NA> No Si Si Si No Si Si No No Si Si No
## Levels: No No Sabe Sifit1<-lm(PercepTranspMuni~ AlcaEficiencia, data=eav_2024_final)
coef(summary(fit1))## Estimate Std. Error t value Pr(>|t|)
## (Intercept) 1.70021978 0.01816751 93.585748 0.000000e+00
## AlcaEficienciaNo sabe -0.07355311 0.06055836 -1.214582 2.245835e-01
## AlcaEficienciaSi 0.40010782 0.02524966 15.846071 3.361992e-55summary(fit1)$r.squared ## [1] 0.0524939summary(fit1)$adj.r.squared ## [1] 0.05211022# Step AltruismoAlcalde
table(Altruismo_Alcalde)## Altruismo_Alcalde
## No sabe
## 177
## Pensando en el bienestar del municipio
## 2480
## Pensando en intereses particulares/personales
## 2285factor(Altruismo_Alcalde, levels = c("No", "No Sabe", "Si"))## [1] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [15] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [29] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [43] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [57] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [71] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [85] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [99] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [113] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [127] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [141] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [155] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [169] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [183] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [197] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [211] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [225] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [239] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [253] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [267] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [281] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [295] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [309] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [323] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [337] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [351] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [365] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [379] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [393] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [407] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [421] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [435] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [449] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [463] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [477] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [491] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [505] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [519] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [533] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [547] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [561] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [575] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [589] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [603] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [617] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [631] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [645] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [659] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [673] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [687] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [701] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [715] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [729] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [743] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [757] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [771] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [785] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [799] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [813] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [827] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [841] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [855] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [869] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [883] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [897] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [911] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [925] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [939] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [953] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [967] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [981] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [995] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [1009] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [1023] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [1037] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [1051] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [1065] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [1079] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [1093] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [1107] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [1121] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [1135] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [1149] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [1163] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [1177] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [1191] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [1205] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [1219] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [1233] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [1247] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [1261] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [1275] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [1289] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [1303] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [1317] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [1331] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [1345] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [1359] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [1373] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [1387] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [1401] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [1415] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [1429] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [1443] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [1457] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [1471] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [1485] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [1499] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [1513] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [1527] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [1541] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [1555] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [1569] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [1583] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [1597] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [1611] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [1625] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [1639] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [1653] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [1667] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [1681] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [1695] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [1709] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [1723] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [1737] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [1751] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [1765] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [1779] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [1793] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [1807] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [1821] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [1835] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [1849] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [1863] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [1877] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [1891] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [1905] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [1919] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [1933] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [1947] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [1961] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [1975] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [1989] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [2003] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [2017] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [2031] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [2045] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [2059] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [2073] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [2087] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [2101] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [2115] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [2129] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [2143] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [2157] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [2171] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [2185] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [2199] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [2213] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [2227] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [2241] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [2255] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [2269] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [2283] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [2297] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [2311] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [2325] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [2339] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [2353] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [2367] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [2381] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [2395] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [2409] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [2423] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [2437] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [2451] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [2465] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [2479] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [2493] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [2507] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [2521] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [2535] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [2549] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [2563] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [2577] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [2591] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [2605] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [2619] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [2633] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [2647] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [2661] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [2675] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [2689] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [2703] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [2717] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [2731] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [2745] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [2759] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [2773] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [2787] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [2801] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [2815] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [2829] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [2843] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [2857] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [2871] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [2885] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [2899] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [2913] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [2927] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [2941] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [2955] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [2969] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [2983] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [2997] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [3011] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [3025] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [3039] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [3053] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [3067] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [3081] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [3095] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [3109] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [3123] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [3137] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [3151] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [3165] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [3179] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [3193] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [3207] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [3221] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [3235] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [3249] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [3263] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [3277] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [3291] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [3305] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [3319] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [3333] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [3347] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [3361] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [3375] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [3389] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [3403] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [3417] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [3431] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [3445] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [3459] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [3473] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [3487] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [3501] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [3515] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [3529] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [3543] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [3557] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [3571] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [3585] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [3599] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [3613] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [3627] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [3641] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [3655] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [3669] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [3683] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [3697] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [3711] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [3725] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [3739] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [3753] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [3767] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [3781] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [3795] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [3809] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [3823] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [3837] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [3851] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [3865] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [3879] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [3893] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [3907] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [3921] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [3935] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [3949] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [3963] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [3977] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [3991] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [4005] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [4019] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [4033] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [4047] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [4061] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [4075] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [4089] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [4103] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [4117] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [4131] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [4145] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [4159] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [4173] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [4187] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [4201] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [4215] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [4229] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [4243] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [4257] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [4271] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [4285] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [4299] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [4313] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [4327] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [4341] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [4355] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [4369] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [4383] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [4397] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [4411] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [4425] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [4439] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [4453] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [4467] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [4481] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [4495] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [4509] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [4523] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [4537] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [4551] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [4565] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [4579] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [4593] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [4607] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [4621] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [4635] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [4649] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [4663] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [4677] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [4691] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [4705] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [4719] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [4733] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [4747] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [4761] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [4775] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [4789] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [4803] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [4817] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [4831] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [4845] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [4859] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [4873] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [4887] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [4901] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [4915] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [4929] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## Levels: No No Sabe Sifit2<-lm(PercepTranspMuni~ AlcaEficiencia, data=eav_2024_final)
coef(summary(fit2))## Estimate Std. Error t value Pr(>|t|)
## (Intercept) 1.70021978 0.01816751 93.585748 0.000000e+00
## AlcaEficienciaNo sabe -0.07355311 0.06055836 -1.214582 2.245835e-01
## AlcaEficienciaSi 0.40010782 0.02524966 15.846071 3.361992e-55summary(fit2)$r.squared## [1] 0.0524939summary(fit2)$adj.r.squared## [1] 0.05211022# Step Aprobacion_Alcalde
table(Aprobacion_Alcalde)## Aprobacion_Alcalde
## Aprueba Desaprueba No sabe
## 2600 2218 124factor(Aprobacion_Alcalde, levels = c("No", "No Sabe", "Si"))## [1] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [15] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [29] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [43] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [57] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [71] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [85] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [99] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [113] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [127] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [141] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [155] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [169] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [183] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [197] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [211] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [225] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [239] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [253] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [267] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [281] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [295] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [309] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [323] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [337] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [351] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [365] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [379] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [393] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [407] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [421] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [435] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [449] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [463] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [477] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [491] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [505] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [519] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [533] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [547] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [561] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [575] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [589] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [603] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [617] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [631] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [645] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [659] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [673] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [687] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [701] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [715] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [729] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [743] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [757] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [771] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [785] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [799] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [813] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [827] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [841] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [855] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [869] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [883] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [897] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [911] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [925] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [939] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [953] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [967] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [981] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [995] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [1009] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [1023] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [1037] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [1051] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [1065] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [1079] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [1093] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [1107] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [1121] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [1135] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [1149] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [1163] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [1177] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [1191] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [1205] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [1219] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [1233] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [1247] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [1261] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [1275] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [1289] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [1303] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [1317] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [1331] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [1345] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [1359] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [1373] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [1387] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [1401] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [1415] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [1429] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [1443] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [1457] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [1471] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [1485] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [1499] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [1513] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [1527] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [1541] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [1555] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [1569] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [1583] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [1597] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [1611] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [1625] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [1639] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [1653] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [1667] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [1681] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [1695] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [1709] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [1723] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [1737] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [1751] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [1765] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [1779] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [1793] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [1807] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [1821] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [1835] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [1849] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [1863] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [1877] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [1891] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [1905] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [1919] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [1933] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [1947] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [1961] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [1975] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [1989] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [2003] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [2017] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [2031] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [2045] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [2059] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [2073] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [2087] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [2101] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [2115] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [2129] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [2143] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [2157] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [2171] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [2185] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [2199] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [2213] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [2227] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [2241] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [2255] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [2269] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [2283] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [2297] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [2311] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [2325] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [2339] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [2353] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [2367] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [2381] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [2395] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [2409] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [2423] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [2437] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [2451] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [2465] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [2479] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [2493] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [2507] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [2521] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [2535] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [2549] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [2563] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [2577] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [2591] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [2605] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [2619] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [2633] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [2647] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [2661] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [2675] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [2689] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [2703] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [2717] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [2731] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [2745] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [2759] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [2773] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [2787] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [2801] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [2815] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [2829] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [2843] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [2857] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [2871] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [2885] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [2899] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [2913] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [2927] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [2941] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [2955] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [2969] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [2983] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [2997] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [3011] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [3025] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [3039] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [3053] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [3067] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [3081] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [3095] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [3109] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [3123] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [3137] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [3151] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [3165] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [3179] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [3193] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [3207] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [3221] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [3235] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [3249] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [3263] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [3277] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [3291] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [3305] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [3319] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [3333] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [3347] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [3361] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [3375] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [3389] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [3403] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [3417] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [3431] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [3445] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [3459] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [3473] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [3487] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [3501] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [3515] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [3529] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [3543] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [3557] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [3571] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [3585] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [3599] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [3613] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [3627] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [3641] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [3655] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [3669] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [3683] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [3697] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [3711] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [3725] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [3739] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [3753] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [3767] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [3781] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [3795] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [3809] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [3823] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [3837] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [3851] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [3865] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [3879] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [3893] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [3907] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [3921] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [3935] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [3949] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [3963] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [3977] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [3991] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [4005] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [4019] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [4033] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [4047] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [4061] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [4075] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [4089] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [4103] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [4117] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [4131] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [4145] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [4159] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [4173] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [4187] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [4201] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [4215] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [4229] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [4243] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [4257] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [4271] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [4285] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [4299] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [4313] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [4327] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [4341] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [4355] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [4369] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [4383] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [4397] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [4411] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [4425] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [4439] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [4453] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [4467] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [4481] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [4495] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [4509] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [4523] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [4537] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [4551] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [4565] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [4579] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [4593] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [4607] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [4621] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [4635] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [4649] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [4663] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [4677] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [4691] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [4705] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [4719] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [4733] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [4747] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [4761] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [4775] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [4789] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [4803] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [4817] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [4831] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [4845] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [4859] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [4873] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [4887] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [4901] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [4915] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## [4929] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
## Levels: No No Sabe Sifit3<-lm(PercepTranspMuni~ Aprobacion_Alcalde, data=eav_2024_final)
coef(summary(fit3))## Estimate Std. Error t value Pr(>|t|)
## (Intercept) 2.0776923 0.01703879 121.938953 0.000000e+00
## Aprobacion_AlcaldeDesaprueba -0.3932919 0.02511258 -15.661150 5.445624e-54
## Aprobacion_AlcaldeNo sabe -0.2631762 0.07986040 -3.295453 9.895653e-04summary(fit3)$r.squared## [1] 0.04750916summary(fit3)$adj.r.squared## [1] 0.04712346#Polinómica preSpline
n <- 4 #escoge el grado que usarás
fit4<-lm(PercepTranspMuni~poly(PercepTranspEstado,n), data=eav_2024_final)
summary(fit4)##
## Call:
## lm(formula = PercepTranspMuni ~ poly(PercepTranspEstado, n),
## data = eav_2024_final)
##
## Residuals:
## Min 1Q Median 3Q Max
## -2.7667 -0.3364 -0.0307 0.2333 3.8153
##
## Coefficients:
## Estimate Std. Error t value Pr(>|t|)
## (Intercept) 1.894577 0.007789 243.226 <2e-16 ***
## poly(PercepTranspEstado, n)1 48.857147 0.547587 89.223 <2e-16 ***
## poly(PercepTranspEstado, n)2 -1.119302 0.547587 -2.044 0.041 *
## poly(PercepTranspEstado, n)3 6.726887 0.547587 12.285 <2e-16 ***
## poly(PercepTranspEstado, n)4 -0.428865 0.547587 -0.783 0.434
## ---
## Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
##
## Residual standard error: 0.5476 on 4937 degrees of freedom
## Multiple R-squared: 0.6218, Adjusted R-squared: 0.6215
## F-statistic: 2029 on 4 and 4937 DF, p-value: < 2.2e-16Perceplims <-range(PercepTranspEstado)
Perceplims## [1] 0 4PercepTranspEstado.grid<-seq (from=Perceplims [1], to=Perceplims [2])
PercepTranspEstado.grid## [1] 0 1 2 3 4summary(fit4)$r.squared## [1] 0.6217839summary(fit4)$adj.r.squared## [1] 0.6214774# Splines PercepTranspEstado
fit<-lm(PercepTranspMuni~bs(PercepTranspEstado, knots=c(0, 1, 2, 3, 4)), data=eav_2024_final)
pred<-predict(fit, newdata=list(PercepTranspEstado=PercepTranspEstado.grid), se=T)
plot(PercepTranspEstado, PercepTranspMuni, col="darkred")
lines(PercepTranspEstado.grid, pred$fit ,lwd =2)
lines(PercepTranspEstado.grid, pred$fit - 2*pred$se, lty="dashed")
lines(PercepTranspEstado.grid, pred$fit + 2*pred$se, lty="dashed")
fit5<-lm(PercepTranspMuni~ns(PercepTranspEstado, df=4), data=eav_2024_final)
pred2<-predict(fit5, newdata=list(PercepTranspEstado=PercepTranspEstado.grid), se=T)
plot(PercepTranspEstado, PercepTranspMuni, col="gray")
lines(PercepTranspEstado.grid, pred2$fit5, col="red", lwd =2)
summary(fit5)$r.squared## [1] 0.6217839summary(fit5)$adj.r.squared## [1] 0.6214774#install.packages("leaps")
library (leaps)
library(gam)## Loading required package: foreach##
## Attaching package: 'foreach'## The following objects are masked from 'package:purrr':
##
## accumulate, when## Loaded gam 1.22-5library(MASS)##
## Attaching package: 'MASS'## The following object is masked from 'package:dplyr':
##
## selectlibrary(tree)
library(randomForest)
library(tree)
# GAM
gam1<-lm(PercepTranspMuni~ ns(PercepTranspEstado, 5) + Aprobacion_Alcalde + Altruismo_Alcalde + AlcaEficiencia, data=eav_2024_final)
gam.m3<-gam(PercepTranspMuni~ s(PercepTranspEstado, 5) + Aprobacion_Alcalde + Altruismo_Alcalde + AlcaEficiencia, data=eav_2024_final)
par(mfrow =c(1,3))
plot(gam.m3, se=TRUE ,col ="blue ")
plot.Gam(gam1, se=TRUE, col ="red")
gam1.1<-gam(PercepTranspMuni~ s(PercepTranspEstado, 5) + Aprobacion_Alcalde + Altruismo_Alcalde + AlcaEficiencia, data=eav_2024_final)
gam2<-gam(PercepTranspMuni~ ns(PercepTranspEstado, 5) + Aprobacion_Alcalde + Altruismo_Alcalde + AlcaEficiencia, data=eav_2024_final)
gam3<-gam(PercepTranspMuni~ s(PercepTranspEstado, 5) + Aprobacion_Alcalde + Altruismo_Alcalde + AlcaEficiencia, data=eav_2024_final)
anova(gam1, gam2, gam3)## Analysis of Variance Table
##
## Model 1: PercepTranspMuni ~ ns(PercepTranspEstado, 5) + Aprobacion_Alcalde +
## Altruismo_Alcalde + AlcaEficiencia
## Model 2: PercepTranspMuni ~ ns(PercepTranspEstado, 5) + Aprobacion_Alcalde +
## Altruismo_Alcalde + AlcaEficiencia
## Model 3: PercepTranspMuni ~ s(PercepTranspEstado, 5) + Aprobacion_Alcalde +
## Altruismo_Alcalde + AlcaEficiencia
## Res.Df RSS Df Sum of Sq F Pr(>F)
## 1 4931 1391.8
## 2 4931 1391.8 0.0000e+00 0.0000e+00
## 3 4931 1391.8 -1.2399e-08 5.7071e-11#R^2
y_pred <- predict(gam1)
y_real <- eav_2024_final$PercepTranspMuni
ss_total <- sum((y_real - mean(y_real))^2)
ss_res <- sum((y_real - y_pred)^2)
r2 <- 1 - (ss_res / ss_total)
r2## [1] 0.6444175#R^2 ajustada
n <- length(y_real)
p <- length(gam1$coefficients)
adj_r2 <- 1 - ((1 - r2) * (n - 1) / (n - p - 1))
adj_r2## [1] 0.6435518
El modelo Step de AlcaEficiencia no muestra ninguna variable
significativa, así como el de Aprobacion_Alcalde y el de AlcaEficiencia.
Sin embargo, se encuentra que el intercepto, n1, n2 y n3 son
significativos. Por otra parte, se puede apreciar que todas las
variables son significativas, dentro del modelo GAM. El modelo GAM logra
explicar aproximadamente un 64.4% de la varianza en la percepción de la
transparencia municipal. La R² ajustada de 64.36% muestra que el ajuste
del modelo es robusto.
9. Árboles de decisiones
library(tree)
attach (eav_2024_final)## The following objects are masked from eav_2024_final (pos = 8):
##
## AlcaEficiencia, AlcaFavoritismo, AlcalAcuerdos, AlcalBuenEquipo,
## AlcalCapaz, AlcalCumplidor, AlcalHonesto, Altruismo_Alcalde,
## Aprobacion_Alcalde, CorruptioExperi, edad, Educacion,
## Educacion_factor, Evaluacion_Gobierno_Alcalde, Factor_CVNL,
## Fuente_Informacion_Preferida, GoberEficiencia, GoberFavoritismo,
## GoberFavoritismo_factor, Influencia_Ciudadana,
## IngresoDomesticoMensual, IngresoSuficiente, municipio,
## municipio_factor, nom_loc_mv, num_mun, num_mun_factor,
## Percepcion_Municipio, PercepTranspEstado, PercepTranspMuni,
## rangos_edad, rangos_edad_factor, Razon_Voto_Alcalde,
## Satisfaccion_Alumbrado_Publico, Satisfaccion_Calle_Avenidas,
## Satisfaccion_Drenajes, Satisfaccion_Parques_Areas_Verdes,
## Satisfaccion_Recoleccion_Basura, sexo, sexo_factor,
## Voto_Pasadas_Eleccionessummary (eav_2024_final)## num_mun nom_loc_mv rangos_edad Factor_CVNL
## 6 : 354 Length:4942 18-24 :523 Min. : 106.1
## 18 : 354 Class :character 25-34 :838 1st Qu.: 659.7
## 21 : 354 Mode :character 35-44 :849 Median : 777.2
## 26 : 354 45-54 :961 Mean : 909.1
## 31 : 354 55-64 :907 3rd Qu.:1016.0
## 46 : 354 65-74 :634 Max. :2808.1
## (Other):2818 75 o más:230
## sexo municipio edad
## Hombre:2468 Apodaca : 354 Min. :18.00
## Mujer :2474 García : 354 1st Qu.:33.00
## General Escobedo : 354 Median :47.00
## Guadalupe : 354 Mean :46.84
## Juárez : 354 3rd Qu.:60.00
## San Nicolás de los Garza: 354 Max. :95.00
## (Other) :2818
## IngresoSuficiente IngresoDomesticoMensual
## LesAlcanzaBien :1116 1-2 SM :2144
## LesAlcanzaJusto :3128 2-3 SM :1150
## NoLesAlcanza : 660 x < 1 SM : 985
## NoLesAlcanzaDificultades: 38 3-4 SM : 321
## Sin Ingreso (Salario): 165
## 4-5 SM : 82
## (Other) : 95
## GoberFavoritismo AlcaFavoritismo AlcaEficiencia GoberEficiencia
## No :3144 No :3262 No :2275 No :1889
## No sabe: 191 No sabe: 179 No sabe: 225 No sabe: 196
## Si :1607 Si :1501 Si :2442 Si :2857
##
##
##
##
## PercepTranspEstado PercepTranspMuni CorruptioExperi AlcalHonesto
## Min. :0.000 Min. :0.000 No :4658 No :2187
## 1st Qu.:1.000 1st Qu.:1.000 No sabe: 64 No sabe: 271
## Median :2.000 Median :2.000 Si : 220 Si :2484
## Mean :1.814 Mean :1.895
## 3rd Qu.:2.000 3rd Qu.:2.000
## Max. :4.000 Max. :4.000
##
## AlcalCapaz AlcalBuenEquipo AlcalCumplidor AlcalAcuerdos
## No :2295 No :2150 No :2330 No :2213
## No sabe: 127 No sabe: 171 No sabe: 159 No sabe: 160
## Si :2520 Si :2621 Si :2453 Si :2569
##
##
##
##
## Altruismo_Alcalde Influencia_Ciudadana
## No sabe : 177 Min. :1.000
## Pensando en el bienestar del municipio :2480 1st Qu.:2.000
## Pensando en intereses particulares/personales:2285 Median :2.000
## Mean :2.378
## 3rd Qu.:3.000
## Max. :4.000
##
## Aprobacion_Alcalde Percepcion_Municipio Evaluacion_Gobierno_Alcalde
## Aprueba :2600 Min. :0.000 Min. :0.000
## Desaprueba:2218 1st Qu.:2.000 1st Qu.:2.000
## No sabe : 124 Median :3.000 Median :2.000
## Mean :2.485 Mean :2.386
## 3rd Qu.:3.000 3rd Qu.:3.000
## Max. :4.000 Max. :4.000
##
## Satisfaccion_Alumbrado_Publico Satisfaccion_Calle_Avenidas
## Min. : 1.000 Min. : 0.000
## 1st Qu.: 6.000 1st Qu.: 5.000
## Median : 8.000 Median : 7.000
## Mean : 8.953 Mean : 6.595
## 3rd Qu.: 9.000 3rd Qu.: 8.000
## Max. :8888.000 Max. :10.000
##
## Satisfaccion_Parques_Areas_Verdes Satisfaccion_Drenajes
## Min. : 0.000 Min. : 0.000
## 1st Qu.: 5.000 1st Qu.: 5.000
## Median : 7.000 Median : 7.000
## Mean : 6.865 Mean : 6.888
## 3rd Qu.: 9.000 3rd Qu.: 9.000
## Max. :10.000 Max. :10.000
##
## Satisfaccion_Recoleccion_Basura Voto_Pasadas_Elecciones
## Min. : 1.000 No: 854
## 1st Qu.: 7.000 Sí:4088
## Median : 9.000
## Mean : 9.439
## 3rd Qu.: 9.000
## Max. :6666.000
##
## Razon_Voto_Alcalde Educacion
## Por sus propuestas :2746 Preparatoria :1659
## Por su experiencia/ trayectoria :1364 Especialidad : 646
## Me identifico con su partido : 650 Normal Licenciatura: 599
## No quería que ganara otro candidato: 52 Doctorado : 450
## Por su carisma : 49 Normal Básica : 422
## Voto útil : 41 Maestría : 390
## (Other) : 40 (Other) : 776
## Fuente_Informacion_Preferida municipio_factor
## Televisión :2541 Apodaca : 354
## Facebook :1950 García : 354
## Conversaciones con conocidos: 94 General_Escobedo : 354
## Periódico : 92 Guadalupe : 354
## Instagram : 85 Juárez : 354
## X (antes Twitter) : 41 San_Nicolás_de_los_Garza: 354
## (Other) : 139 (Other) :2818
## sexo_factor num_mun_factor rangos_edad_factor GoberFavoritismo_factor
## Hombre:2468 18 : 354 18-24 :523 No :3144
## Mujer :2474 21 : 354 25-34 :838 No_sabe: 191
## 26 : 354 35-44 :849 Si :1607
## 31 : 354 45-54 :961
## 46 : 354 55-64 :907
## 48 : 354 65-74 :634
## (Other):2818 75_o_más:230
## Educacion_factor
## Preparatoria :1659
## Especialidad : 646
## Normal_Licenciatura: 599
## Doctorado : 450
## Normal_Básica : 422
## Maestría : 390
## (Other) : 776set.seed(1) # para reproducibilidad
train <- sample(1:nrow(eav_2024_final), nrow(eav_2024_final)/2)
test_data <- eav_2024_final[-train, ]
tree.model <- tree(PercepTranspMuni ~ PercepTranspEstado + Aprobacion_Alcalde + Altruismo_Alcalde,
data = eav_2024_final, subset = train)
summary(tree.model)##
## Regression tree:
## tree(formula = PercepTranspMuni ~ PercepTranspEstado + Aprobacion_Alcalde +
## Altruismo_Alcalde, data = eav_2024_final, subset = train)
## Variables actually used in tree construction:
## [1] "PercepTranspEstado" "Altruismo_Alcalde"
## Number of terminal nodes: 6
## Residual mean deviance: 0.2655 = 654.4 / 2465
## Distribution of residuals:
## Min. 1st Qu. Median Mean 3rd Qu. Max.
## -2.93700 -0.31380 -0.02941 0.00000 0.06273 3.85700plot(tree.model)
text(tree.model, pretty = 0)
cv.model <- cv.tree(tree.model)
plot(cv.model$size, cv.model$dev, type = "b")
# Podar a, por ejemplo, 4 nodos
pruned.model <- prune.tree(tree.model, best = 4)
plot(pruned.model)
text(pruned.model, pretty = 0)
preds <- predict(pruned.model, newdata = test_data)
# Si PercepTranspMuni es numérica (regresión)
real <- test_data$PercepTranspMuni
rmse <- sqrt(mean((preds - real)^2))
rmse## [1] 0.587890110. Comparación de modelos y selección del mejor
# Reúne resultados de todos los modelos
# Selecciona el modelo final12. Conclusiones
Describe aquí tus hallazgos, interpretación de métricas y recomendaciones para la política o la aplicación práctica del modelo.