ESTUDIO ESTADÍSTICO DE LOS FACTORES QUE INFLUYEN EN LA COMPRA DE
LIBROS
ESTUDIO ESTADÍSTICO DE LOS FACTORES QUE INFLUYEN EN LA COMPRA DE LIBROS
Desly Meneses, Karen Silva, Oscar Maca, Sofia Yande
2025-09-11
INTRODUCCIÓN
La lectura es una de las principales formas de adquirir conocimiento, desarrollar el pensamiento crítico y acceder a la cultura. En Colombia, los hábitos de lectura han sido objeto de estudio por su relación con el nivel educativo, las oportunidades culturales y el acceso a materiales de lectura.
Sin embargo, a pesar de los esfuerzos por fomentar la lectura, todavía existen diferencias en la cantidad de libros adquiridos y leídos entre distintos grupos de la población. Factores como el acceso a los libros, el uso de tecnologías para leer y la frecuencia con que las personas dedican tiempo a esta actividad pueden influir significativamente en dichos hábitos.
Por esta razón, resulta importante analizar qué elementos podrían estar asociados al número de libros que las personas compran, ya que este comportamiento refleja tanto el interés lector como la capacidad de acceso a material de lectura.
Para el año 2020, el DANE, a través de la Encuesta de Consumo Cultural (ECC), recopiló información sobre las prácticas culturales de los ciudadanos, entre las cuales se incluye el hábito de la lectura y la compra de libros. A partir de esta encuesta, se busca identificar las variables que explican la cantidad de libros comprados por las personas durante los últimos 12 meses.
Población: La población de estudio está compuesta por personas de 12 años en adelante que residen en Colombia y participaron en la Encuesta de Consumo Cultural (ECC-2020) del DANE.
Objeto de estudio: Los hábitos de la población colombiana referente a la compra de libros, expresado en el número de libros comprados en los últimos 12 meses.
Objetivo: Identificar y analizar qué factores de tipo tecnológico, de hábito y motivacional que influyen en la cantidad de libros comprados por persona durante el último año.
METODOLOGÍA
Con el fin de comprender la distribución de los datos y las tendencias generales en el comportamiento lector, se consideraron las siguientes variables:
> VARIABLE DEPENDIENTE (Y):
Cantidad de libros comprados: Representa el número total de libros adquiridos en el último año. Es una variable cuantitativa discreta que mide el nivel de consumo individual. -> “CantLibrosComp”
> VARIABLES INDEPENDIENTES:
○ CUANTITATIVAS:
Cantidad de libros leidos digitales: Permite observar el impacto de la lectura digital sobre la compra de libros físicos. Se espera que a mayor número de consumo de lectura digital, menor sea el número de libros comprados. -> “LibrosLeidosDigitales”
Cantidad de libros leidos físicos: Puede asociarse con una mayor tendencia a comprar libros impresos. Se espera que a mayor número de lecturas en formato impreso, aumente la cantidad de compra de libros. -> “LibrosLeidosFisicos”
Cantidad de libros de estudio leidos: Indica la cantidad de libros de carácter académico o educativo, permite determinar si la lectura con fines académicos aumenta la adquisición de libros. -> “LibrosLeidosEstudio”
○ CUALITATIVAS:
Frecuencia de lectura: Variable ordinal que representa la periodicidad del hábito lector (diario, semanal, mensual, ocasional, nunca). Se espera que una mayor frecuencia esté asociada con una mayor compra de libros. -> “Frecuencia”
Motivos por los cuales leyó libros: Conjunto de variables dicotómicas (Sí/No) que indican las razones que motivaron la lectura,ayudando a comprender si el tipo de motivación influye en el comportamiento de compra de libros,razones como:
-Por gusto -> “Gusto”
-Por requerimientos del trabajo -> “RequerimientoTrabajo”
-Por exigencia del estudio -> “ExigenciaEstudio”
-Por cultura general -> “CulturaGeneral”
-Por desarrollo personal -> “DesarrolloPersonal”
-Por compartir con niños -> “CompartirNinos”
-Por otra razón -> “Otro”
Los signos esperados varían según la motivación:
Si es por gusto, desarrollo personal o cultura general: se espera un efecto positivo, ya que reflejan interés personal por leer y la comprar libros.
Por otro lado, si es por estudio o trabajo: también un efecto positivo, pues suelen implicar la adquisición de textos especificos.
y por ultimo, debido a compartir con niños: se espera que la relación sea positiva pues esto genera un habito de lectura desde temprana edad lo que promueve una posible adquisición de libros.
> JUSTIFICACIÓN DE ELECCIÓN DE VARIABLES
En conjunto, las variables seleccionadas ofrecen una perspectiva equilibrada que permiten analizar la compra de libros desde tres dimensiones principales:
-Tecnológica: Analiza como la disponibilidad de formatos influye en la compra de libros.
-De hábito: Mide la frecuencia de lectura, que refleja la constancia de la lectura.
-Motivacional: Ayuda a explicar el propósito y el interés detrás del acto de comprar libros.
Estas dimensiones permiten entender de manera integral como los recursos tecnologicos, de hábitos de lectura y motivación influyen en la cantidad de libros comprados por la población Colombiana.
> MODELO UTILIZADO:
Para analizar la relación entre el número de libros comprados y las variables seleccionadas, se utilizó un modelo de regresión lineal multiple, que permite estudiar cómo varios factores influyen simultáneamente sobre una variable dependiente cuantitativa.
Y = β0 + β1X1 + β2X2 + β3X3 + β4X4 + β5X5 + β6X6 + β7X7 + β8X8 + β9X9 + β10X10 + β11X11
Donde:
Y = Cantidad de libros comprados por persona.
β0 = Representa el valor promedio esperado de Y cuando todas las variables explicativas son cero.
β(1-11) = Coeficientes de regresión que indican el efecto de cada variable explicativa sobre Y, manteniendo las demás constantes.
X1 = Libros digitales, electrónicos o audiolibros leídos.
X2 = Libros impresos o físicos leídos .
X3 = Libros escolares o de estudio leídos.
X4 = Frecuencia con la que leyó.
X(5-11) = Motivos por los cuales leyó libros.
Este modelo permitirá evaluar si el tipo de lectura (digital, impresa o académica), la frecuencia y la motivación lectora influyen significativamente en la cantidad total de libros comprados por las personas. Los coeficientes β se interpretarán como la magnitud y dirección del efecto de cada variable sobre el comportamiento de compra de libros.
A continuación, se presenta la tabla con las variables seleccionadas que fueron utilizadas en el análisis estadístico. En ella se muestran los nombres de las variables, los valores registrados y la estructura general del conjunto de datos extraídos de la Encuesta de Consumo Cultural (ECC-2020). Esta tabla sirve como base para la aplicación del modelo de regresión lineal múltiple descrito anteriormente.
> TABLA DE VARIABLES SELECCIONADAS
| CantLibrosComp | LibrosLeidosFisicos | LibrosLeidosDigitales | LibrosLeidosEstudio | Frecuencia | Gusto | RequerimientoTrabajo | ExigenciaEstudio | CulturaGeneral | DesarrolloPersonal | CompartirNinos | Otro | |
|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 1 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 2 | NA | 0 | 1 | 0 | 3 | 1 | 2 | 2 | 1 | 2 | 1 | 2 |
| 3 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 4 | NA | 1 | 0 | 1 | 3 | 1 | 1 | 1 | 1 | 1 | 1 | 2 |
| 5 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 6 | NA | 0 | 2 | 0 | 5 | 1 | 2 | 2 | 1 | 1 | 2 | 2 |
| 7 | NA | 1 | 0 | 0 | 3 | 1 | 2 | 2 | 1 | 2 | 2 | 2 |
| 8 | NA | 1 | 2 | 0 | 3 | 1 | 2 | 2 | 2 | 2 | 2 | 2 |
| 9 | NA | 0 | 2 | 0 | 3 | 1 | 2 | 2 | 1 | 2 | 2 | 2 |
| 10 | NA | 1 | 0 | 0 | 3 | 1 | 2 | 2 | 1 | 2 | 2 | 2 |
| 11 | 3 | 2 | 3 | 0 | 3 | 1 | 1 | 1 | 1 | 1 | 2 | 2 |
| 12 | 3 | 3 | 0 | 0 | 2 | 1 | 1 | 2 | 1 | 1 | 1 | 2 |
| 13 | 1 | 1 | 0 | 0 | 2 | 1 | 2 | 2 | 2 | 2 | 2 | 2 |
| 14 | NA | 0 | 1 | 0 | 4 | 1 | 2 | 2 | 2 | 2 | 2 | 2 |
| 15 | NA | 0 | 1 | 0 | 2 | 1 | 2 | 2 | 2 | 2 | 2 | 2 |
| 16 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 17 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 18 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 19 | NA | 1 | 1 | 2 | 4 | 2 | 2 | 2 | 2 | 2 | 1 | 2 |
| 20 | NA | 1 | 1 | 2 | 1 | 2 | 2 | 1 | 2 | 2 | 2 | 2 |
| 21 | NA | 1 | 0 | 0 | 6 | 1 | 2 | 2 | 2 | 2 | 2 | 2 |
| 22 | NA | 1 | 0 | 0 | 4 | 1 | 2 | 2 | 2 | 1 | 2 | 2 |
| 23 | NA | 1 | 0 | 0 | 4 | 1 | 2 | 2 | 2 | 2 | 2 | 2 |
| 24 | NA | 2 | 0 | 0 | 3 | 1 | 2 | 2 | 2 | 2 | 2 | 2 |
| 25 | NA | 5 | 0 | 3 | 2 | 1 | 2 | 1 | 2 | 2 | 2 | 2 |
| 26 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 27 | NA | 1 | 1 | 0 | 2 | 1 | 2 | 2 | 2 | 2 | 2 | 2 |
| 28 | 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 |
| 30 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 31 | 1 | 1 | 0 | 0 | 1 | 1 | 2 | 2 | 2 | 2 | 2 | 2 |
| 32 | NA | 1 | 0 | 0 | 2 | 1 | 2 | 2 | 2 | 2 | 2 | 2 |
| 33 | NA | 10 | 0 | 10 | 1 | 1 | 2 | 1 | 2 | 2 | 2 | 2 |
| 34 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 35 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 36 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 37 | 4 | 4 | 0 | 4 | 2 | 2 | 2 | 1 | 2 | 2 | 2 | 2 |
| 38 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 39 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 40 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 41 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 42 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 43 | 2 | 2 | 0 | 0 | 3 | 1 | 2 | 2 | 1 | 1 | 2 | 2 |
| 44 | 16 | 16 | 9 | 25 | 1 | 1 | 2 | 1 | 1 | 1 | 2 | 2 |
| 45 | 4 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 46 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 47 | 7 | 7 | 5 | 0 | 1 | 1 | 2 | 2 | 1 | 2 | 2 | 2 |
| 48 | 9 | 12 | 0 | 4 | 3 | 1 | 2 | 2 | 2 | 2 | 2 | 1 |
| 49 | NA | 1 | 0 | 0 | 4 | 2 | 2 | 2 | 1 | 1 | 2 | 2 |
| 50 | 1 | 1 | 1 | 0 | 1 | 2 | 2 | 2 | 2 | 2 | 2 | 1 |
| 51 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 52 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 53 | NA | 0 | 2 | 0 | 5 | 1 | 1 | 1 | 2 | 2 | 2 | 2 |
| 54 | NA | 1 | 1 | 0 | 1 | 1 | 2 | 2 | 1 | 2 | 2 | 2 |
| 55 | NA | 2 | 0 | 0 | 3 | 1 | 2 | 2 | 1 | 2 | 2 | 2 |
| 56 | NA | 2 | 0 | 2 | 2 | 1 | 2 | 1 | 1 | 1 | 1 | 2 |
| 57 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 58 | NA | 0 | 4 | 0 | 2 | 2 | 1 | 1 | 2 | 2 | 2 | 2 |
| 59 | NA | 1 | 0 | 0 | 3 | 1 | 2 | 2 | 2 | 2 | 2 | 2 |
| 60 | 11 | 11 | 4 | 0 | 2 | 1 | 2 | 2 | 2 | 2 | 2 | 2 |
| 61 | NA | 2 | 0 | 0 | 2 | 1 | 2 | 2 | 2 | 2 | 2 | 2 |
| 62 | 3 | 3 | 17 | 3 | 2 | 1 | 2 | 1 | 2 | 2 | 2 | 2 |
| 63 | NA | 1 | 0 | 0 | 1 | 1 | 2 | 2 | 2 | 2 | 2 | 1 |
| 64 | NA | 1 | 0 | 0 | 1 | 1 | 2 | 2 | 2 | 2 | 2 | 1 |
| 65 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 66 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 67 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 68 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 69 | NA | 0 | 3 | 0 | 2 | 1 | 2 | 2 | 2 | 2 | 2 | 2 |
| 70 | NA | 0 | 4 | 0 | 2 | 1 | 1 | 2 | 2 | 2 | 2 | 2 |
| 71 | NA | 4 | 8 | 0 | 1 | 1 | 2 | 2 | 2 | 2 | 2 | 2 |
| 72 | NA | 1 | 1 | 2 | 1 | 2 | 2 | 1 | 2 | 2 | 2 | 2 |
| 73 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 74 | NA | 6 | 0 | 0 | 1 | 2 | 2 | 2 | 2 | 1 | 2 | 2 |
| 75 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 76 | NA | 2 | 2 | 4 | 2 | 2 | 2 | 1 | 2 | 2 | 2 | 2 |
| 77 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 78 | 1 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 79 | 3 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 80 | NA | 0 | 1 | 1 | 3 | 2 | 2 | 1 | 2 | 2 | 2 | 2 |
| 81 | NA | 0 | 2 | 2 | 3 | 2 | 2 | 1 | 2 | 2 | 2 | 2 |
| 82 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 83 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 84 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 85 | 1 | 1 | 1 | 2 | 2 | 2 | 2 | 1 | 1 | 2 | 2 | 2 |
| 86 | NA | 0 | 2 | 2 | 3 | 2 | 2 | 1 | 2 | 2 | 2 | 2 |
| 87 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 88 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 89 | 3 | 2 | 3 | 0 | 1 | 2 | 2 | 2 | 2 | 2 | 1 | 2 |
| 90 | 1 | 1 | 1 | 2 | 1 | 2 | 2 | 1 | 2 | 2 | 2 | 2 |
| 91 | NA | 8 | 0 | 0 | 1 | 1 | 2 | 2 | 2 | 1 | 2 | 2 |
| 92 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 93 | 2 | 5 | 0 | 0 | 3 | 1 | 2 | 2 | 1 | 2 | 2 | 2 |
| 94 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 95 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 96 | NA | 0 | 10 | 1 | 1 | 1 | 2 | 2 | 2 | 2 | 2 | 2 |
| 97 | 4 | 4 | 5 | 4 | 2 | 1 | 2 | 2 | 2 | 2 | 2 | 2 |
| 98 | 3 | 1 | 2 | 3 | 3 | 2 | 1 | 1 | 2 | 2 | 2 | 2 |
| 99 | NA | 4 | 0 | 0 | 3 | 1 | 2 | 2 | 2 | 2 | 2 | 2 |
| 100 | NA | 1 | 0 | 0 | 1 | 1 | 2 | 2 | 2 | 2 | 2 | 2 |
| 101 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 102 | NA | 0 | 1 | 0 | 1 | 1 | 2 | 2 | 1 | 2 | 2 | 2 |
| 103 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 104 | 3 | 2 | 1 | 0 | 1 | 1 | 2 | 2 | 1 | 1 | 2 | 2 |
| 105 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 106 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 107 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 108 | 2 | 2 | 0 | 2 | 4 | 1 | 2 | 1 | 1 | 1 | 1 | 2 |
| 109 | NA | 0 | 5 | 0 | 2 | 1 | 2 | 2 | 1 | 1 | 2 | 2 |
| 110 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 111 | 6 | 2 | 0 | 2 | 2 | 2 | 1 | 2 | 2 | 2 | 2 | 2 |
| 112 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 113 | 3 | 2 | 8 | 8 | 1 | 1 | 2 | 1 | 1 | 1 | 2 | 2 |
| 114 | 2 | 2 | 0 | 0 | 3 | 1 | 2 | 2 | 1 | 1 | 2 | 2 |
| 115 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 116 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 117 | NA | 2 | 3 | 5 | 2 | 2 | 2 | 1 | 2 | 2 | 2 | 2 |
| 118 | NA | 1 | 0 | 0 | 3 | 2 | 2 | 2 | 2 | 2 | 1 | 2 |
| 119 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 120 | 2 | 2 | 0 | 0 | 5 | 1 | 2 | 2 | 2 | 2 | 2 | 2 |
| 121 | 8 | 8 | 7 | 10 | 1 | 1 | 2 | 1 | 2 | 2 | 2 | 2 |
| 122 | 12 | 12 | 8 | 10 | 1 | 1 | 1 | 1 | 1 | 1 | 1 | 2 |
| 123 | NA | 2 | 3 | 0 | 2 | 1 | 2 | 2 | 1 | 2 | 2 | 2 |
| 124 | NA | 7 | 1 | 8 | 2 | 1 | 2 | 1 | 2 | 2 | 2 | 2 |
| 125 | 1 | 1 | 1 | 0 | 2 | 1 | 2 | 2 | 2 | 2 | 2 | 2 |
| 126 | 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 |
| 128 | NA | 2 | 0 | 0 | 3 | 1 | 2 | 2 | 2 | 1 | 2 | 2 |
| 129 | 3 | 6 | 4 | 0 | 2 | 1 | 1 | 2 | 2 | 2 | 2 | 2 |
| 130 | NA | 1 | 0 | 0 | 4 | 1 | 1 | 2 | 1 | 1 | 2 | 2 |
| 131 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 132 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 133 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 134 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 135 | NA | 2 | 0 | 2 | 2 | 1 | 2 | 2 | 1 | 1 | 1 | 1 |
| 136 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 137 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 138 | 1 | 1 | 0 | 0 | 5 | 1 | 2 | 2 | 2 | 2 | 2 | 2 |
| 139 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 140 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 141 | 6 | 6 | 0 | 0 | 3 | 1 | 2 | 2 | 2 | 2 | 2 | 2 |
| 142 | NA | 3 | 0 | 0 | 4 | 1 | 2 | 2 | 2 | 2 | 2 | 2 |
| 143 | NA | 1 | 0 | 0 | 2 | 2 | 2 | 2 | 1 | 2 | 2 | 2 |
| 144 | 1 | 1 | 0 | 1 | 3 | 1 | 2 | 2 | 2 | 2 | 2 | 2 |
| 145 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 146 | 2 | 3 | 0 | 0 | 2 | 1 | 2 | 2 | 1 | 1 | 2 | 2 |
| 147 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 148 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 149 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 150 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 151 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 152 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 153 | NA | 3 | 6 | 9 | 2 | 1 | 2 | 1 | 2 | 1 | 2 | 2 |
| 154 | NA | 2 | 1 | 0 | 4 | 1 | 1 | 2 | 1 | 1 | 2 | 2 |
| 155 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 156 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 157 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 158 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 159 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 160 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 161 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 162 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 163 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 164 | NA | 2 | 0 | 2 | 2 | 2 | 2 | 1 | 2 | 1 | 2 | 2 |
| 165 | NA | 1 | 0 | 0 | 6 | 1 | 2 | 2 | 1 | 1 | 2 | 2 |
| 166 | NA | 0 | 4 | 4 | 4 | 1 | 1 | 2 | 1 | 1 | 1 | 2 |
| 167 | 2 | 2 | 1 | 3 | 5 | 2 | 2 | 1 | 1 | 2 | 2 | 2 |
| 168 | NA | 1 | 0 | 0 | 4 | 1 | 2 | 2 | 2 | 2 | 2 | 2 |
| 169 | NA | 1 | 0 | 0 | 3 | 1 | 2 | 2 | 2 | 2 | 2 | 2 |
| 170 | NA | 0 | 1 | 0 | 2 | 1 | 2 | 2 | 2 | 1 | 2 | 2 |
| 171 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 172 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 173 | NA | 1 | 1 | 2 | 1 | 1 | 2 | 2 | 1 | 1 | 2 | 2 |
| 174 | 2 | 3 | 0 | 3 | 2 | 1 | 2 | 2 | 2 | 2 | 2 | 2 |
| 175 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 176 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 177 | NA | 0 | 2 | 0 | 4 | 1 | 1 | 2 | 1 | 2 | 2 | 2 |
| 178 | NA | 0 | 2 | 0 | 4 | 2 | 1 | 2 | 2 | 1 | 1 | 2 |
| 179 | 6 | 8 | 0 | 0 | 5 | 1 | 1 | 2 | 1 | 1 | 2 | 2 |
| 180 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 181 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 182 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 183 | NA | 3 | 0 | 2 | 2 | 2 | 1 | 1 | 2 | 2 | 1 | 2 |
| 184 | 2 | 2 | 0 | 0 | 2 | 1 | 2 | 2 | 1 | 1 | 2 | 2 |
| 185 | NA | 6 | 0 | 0 | 2 | 1 | 2 | 2 | 1 | 1 | 1 | 2 |
| 186 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 187 | 2 | 4 | 0 | 0 | 2 | 1 | 2 | 2 | 2 | 2 | 2 | 2 |
| 188 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 189 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 190 | 5 | 5 | 3 | 8 | 2 | 1 | 2 | 1 | 2 | 1 | 2 | 2 |
| 191 | 1 | 2 | 1 | 1 | 3 | 1 | 2 | 1 | 1 | 2 | 2 | 2 |
| 192 | 7 | 33 | 27 | 55 | 3 | 1 | 1 | 2 | 1 | 2 | 2 | 2 |
| 193 | 20 | 20 | 40 | 30 | 3 | 1 | 1 | 1 | 2 | 2 | 2 | 2 |
| 194 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 195 | NA | 1 | 0 | 0 | 3 | 2 | 2 | 2 | 2 | 1 | 2 | 2 |
| 196 | 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 |
| 198 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 199 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 200 | NA | 2 | 1 | 2 | 3 | 1 | 1 | 1 | 1 | 1 | 1 | 2 |
| 201 | 1 | 1 | 0 | 0 | 2 | 1 | 2 | 2 | 2 | 2 | 2 | 2 |
| 202 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 203 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 204 | 2 | 2 | 1 | 3 | 2 | 2 | 2 | 1 | 2 | 2 | 2 | 2 |
| 205 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 206 | NA | 1 | 0 | 1 | 4 | 2 | 2 | 1 | 2 | 2 | 2 | 2 |
| 207 | 6 | 2 | 0 | 0 | 2 | 1 | 2 | 2 | 2 | 1 | 2 | 2 |
| 208 | NA | 4 | 2 | 2 | 4 | 2 | 2 | 1 | 2 | 2 | 2 | 2 |
| 209 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 210 | 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 |
| 212 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 213 | NA | 1 | 0 | 0 | 2 | 1 | 2 | 2 | 2 | 1 | 2 | 2 |
| 214 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 215 | NA | 1 | 1 | 2 | 2 | 2 | 2 | 1 | 2 | 2 | 2 | 2 |
| 216 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 217 | NA | 3 | 0 | 3 | 5 | 1 | 2 | 1 | 1 | 2 | 1 | 2 |
| 218 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 219 | NA | 1 | 1 | 2 | 5 | 2 | 2 | 1 | 2 | 2 | 2 | 2 |
| 220 | 2 | 2 | 0 | 2 | 6 | 1 | 2 | 1 | 2 | 2 | 2 | 2 |
| 221 | NA | 0 | 2 | 0 | 2 | 1 | 2 | 2 | 1 | 1 | 2 | 2 |
| 222 | NA | 1 | 0 | 0 | 2 | 2 | 2 | 2 | 1 | 1 | 2 | 2 |
| 223 | NA | 0 | 3 | 3 | 2 | 2 | 2 | 1 | 1 | 2 | 2 | 2 |
| 224 | NA | 2 | 0 | 1 | 2 | 2 | 2 | 1 | 2 | 2 | 2 | 2 |
| 225 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 226 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 227 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 228 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 229 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 230 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 231 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 232 | 1 | 2 | 4 | 6 | 2 | 2 | 2 | 1 | 2 | 2 | 2 | 2 |
| 233 | 1 | 3 | 0 | 0 | 1 | 1 | 2 | 2 | 1 | 1 | 2 | 2 |
| 234 | NA | 1 | 6 | 1 | 5 | 1 | 1 | 2 | 2 | 2 | 2 | 2 |
| 235 | NA | 0 | 1 | 0 | 6 | 1 | 2 | 2 | 1 | 1 | 2 | 2 |
| 236 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 237 | NA | 1 | 0 | 0 | 1 | 1 | 2 | 2 | 2 | 2 | 2 | 2 |
| 238 | NA | 1 | 0 | 0 | 2 | 1 | 2 | 2 | 2 | 2 | 2 | 1 |
| 239 | 2 | 2 | 4 | 4 | 1 | 1 | 1 | 1 | 1 | 1 | 1 | 2 |
| 240 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 241 | NA | 4 | 0 | 0 | 3 | 1 | 2 | 2 | 1 | 2 | 2 | 2 |
| 242 | NA | 0 | 6 | 6 | 2 | 2 | 2 | 1 | 2 | 2 | 2 | 2 |
| 243 | NA | 2 | 2 | 4 | 2 | 2 | 2 | 1 | 2 | 2 | 2 | 2 |
| 244 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 245 | 3 | 7 | 0 | 0 | 1 | 1 | 2 | 2 | 1 | 1 | 1 | 2 |
| 246 | 1 | 3 | 1 | 3 | 2 | 1 | 2 | 1 | 1 | 1 | 2 | 2 |
| 247 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 248 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 249 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 250 | NA | 1 | 2 | 3 | 5 | 2 | 2 | 1 | 2 | 2 | 2 | 2 |
| 251 | 3 | 1 | 2 | 0 | 5 | 2 | 2 | 2 | 1 | 2 | 2 | 2 |
| 252 | 1 | 1 | 0 | 0 | 1 | 1 | 2 | 2 | 2 | 2 | 2 | 2 |
| 253 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 254 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 255 | NA | 0 | 3 | 0 | 2 | 1 | 2 | 2 | 2 | 1 | 2 | 2 |
| 256 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 257 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 258 | 1 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 259 | NA | 1 | 0 | 0 | 2 | 1 | 2 | 2 | 2 | 1 | 2 | 2 |
| 260 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 261 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 262 | 1 | 1 | 0 | 1 | 3 | 2 | 2 | 1 | 2 | 2 | 2 | 2 |
| 263 | 5 | 12 | 8 | 20 | 1 | 2 | 1 | 2 | 2 | 2 | 2 | 2 |
| 264 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 265 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 266 | NA | 1 | 2 | 0 | 2 | 1 | 2 | 2 | 2 | 2 | 2 | 2 |
| 267 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 268 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 269 | 1 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 270 | NA | 1 | 0 | 0 | 2 | 1 | 2 | 2 | 2 | 2 | 2 | 2 |
| 271 | 1 | 2 | 0 | 0 | 5 | 1 | 1 | 2 | 2 | 2 | 2 | 2 |
| 272 | 1 | 4 | 0 | 2 | 2 | 2 | 1 | 1 | 1 | 1 | 1 | 2 |
| 273 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 274 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 275 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 276 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 277 | 2 | 2 | 0 | 0 | 4 | 1 | 2 | 2 | 2 | 1 | 2 | 2 |
| 278 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 279 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 280 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 281 | NA | 1 | 2 | 0 | 2 | 1 | 2 | 2 | 2 | 2 | 2 | 2 |
| 282 | NA | 1 | 11 | 12 | 2 | 2 | 2 | 1 | 2 | 2 | 2 | 2 |
| 283 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 284 | NA | 1 | 0 | 0 | 2 | 1 | 2 | 2 | 2 | 2 | 2 | 2 |
| 285 | NA | 2 | 0 | 2 | 2 | 2 | 2 | 1 | 2 | 2 | 2 | 2 |
| 286 | NA | 2 | 0 | 2 | 2 | 2 | 2 | 1 | 2 | 2 | 2 | 2 |
| 287 | NA | 1 | 0 | 1 | 2 | 2 | 2 | 1 | 2 | 2 | 2 | 2 |
| 288 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 289 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 290 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 291 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 292 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 293 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 294 | 1 | 1 | 0 | 0 | 2 | 1 | 2 | 2 | 2 | 2 | 2 | 2 |
| 295 | 12 | 12 | 0 | 7 | 2 | 1 | 1 | 2 | 1 | 2 | 2 | 2 |
| 296 | 3 | 1 | 2 | 1 | 2 | 1 | 2 | 2 | 2 | 2 | 2 | 2 |
| 297 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 298 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 299 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 300 | 3 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 301 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 302 | 1 | 2 | 0 | 2 | 1 | 2 | 2 | 1 | 2 | 2 | 2 | 2 |
| 303 | NA | 1 | 0 | 0 | 1 | 1 | 2 | 2 | 2 | 2 | 2 | 2 |
| 304 | NA | 1 | 0 | 0 | 2 | 1 | 2 | 2 | 2 | 2 | 2 | 2 |
| 305 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 306 | NA | 1 | 0 | 0 | 2 | 1 | 2 | 2 | 2 | 2 | 2 | 2 |
| 307 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 308 | 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 |
| 310 | 2 | 3 | 0 | 0 | 5 | 1 | 2 | 2 | 1 | 1 | 1 | 2 |
| 311 | 1 | 3 | 2 | 0 | 2 | 1 | 2 | 2 | 1 | 2 | 2 | 2 |
| 312 | NA | 1 | 0 | 0 | 2 | 1 | 2 | 2 | 2 | 2 | 2 | 2 |
| 313 | NA | 1 | 0 | 0 | 2 | 2 | 2 | 2 | 2 | 2 | 1 | 2 |
| 314 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 315 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 316 | 5 | 6 | 0 | 0 | 2 | 1 | 2 | 2 | 1 | 1 | 2 | 2 |
| 317 | NA | 2 | 0 | 0 | 2 | 1 | 2 | 2 | 1 | 2 | 2 | 2 |
| 318 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 319 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 320 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 321 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 322 | 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 |
| 324 | NA | 3 | 3 | 3 | 2 | 1 | 2 | 1 | 2 | 2 | 2 | 2 |
| 325 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 326 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 327 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 328 | 1 | 1 | 0 | 1 | 4 | 1 | 1 | 1 | 2 | 2 | 2 | 2 |
| 329 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 330 | NA | 0 | 1 | 0 | 2 | 2 | 2 | 1 | 2 | 2 | 2 | 2 |
| 331 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 332 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 333 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 334 | NA | 0 | 3 | 0 | 5 | 1 | 2 | 2 | 2 | 2 | 2 | 2 |
| 335 | NA | 1 | 3 | 2 | 1 | 1 | 2 | 2 | 2 | 2 | 2 | 2 |
| 336 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 337 | NA | 0 | 2 | 1 | 3 | 2 | 2 | 1 | 2 | 2 | 1 | 2 |
| 338 | NA | 2 | 2 | 0 | 3 | 1 | 2 | 2 | 2 | 1 | 2 | 1 |
| 339 | NA | 0 | 3 | 0 | 2 | 1 | 2 | 2 | 2 | 2 | 2 | 2 |
| 340 | NA | 0 | 1 | 0 | 4 | 1 | 2 | 2 | 2 | 2 | 2 | 2 |
| 341 | NA | 2 | 0 | 0 | 5 | 1 | 2 | 2 | 2 | 2 | 2 | 2 |
| 342 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 343 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 344 | 1 | 1 | 0 | 0 | 2 | 1 | 2 | 2 | 2 | 1 | 2 | 2 |
| 345 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 346 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 347 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 348 | NA | 1 | 1 | 0 | 2 | 1 | 2 | 2 | 2 | 1 | 2 | 2 |
| 349 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 350 | 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 |
| 352 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 353 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 354 | NA | 0 | 1 | 0 | 3 | 1 | 2 | 2 | 2 | 2 | 2 | 2 |
| 355 | NA | 1 | 0 | 0 | 2 | 1 | 2 | 2 | 2 | 2 | 2 | 2 |
| 356 | NA | 0 | 1 | 0 | 2 | 1 | 2 | 2 | 2 | 2 | 2 | 2 |
| 357 | NA | 2 | 0 | 0 | 2 | 1 | 2 | 2 | 2 | 2 | 2 | 2 |
| 358 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 359 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 360 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 361 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 362 | 2 | 2 | 0 | 0 | 5 | 1 | 2 | 2 | 1 | 1 | 2 | 2 |
| 363 | NA | 1 | 0 | 0 | 2 | 1 | 2 | 2 | 2 | 1 | 2 | 2 |
| 364 | NA | 2 | 0 | 0 | 2 | 1 | 2 | 2 | 2 | 2 | 2 | 2 |
| 365 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 366 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 367 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 368 | 2 | 4 | 2 | 6 | 2 | 1 | 2 | 1 | 2 | 2 | 2 | 2 |
| 369 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 370 | NA | 1 | 0 | 0 | 2 | 1 | 2 | 2 | 2 | 2 | 2 | 2 |
| 371 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 372 | NA | 1 | 0 | 0 | 2 | 1 | 2 | 2 | 2 | 2 | 2 | 2 |
| 373 | NA | 1 | 0 | 0 | 5 | 1 | 2 | 2 | 2 | 2 | 2 | 2 |
| 374 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 375 | NA | 1 | 0 | 0 | 1 | 1 | 2 | 2 | 2 | 2 | 2 | 2 |
| 376 | 2 | 2 | 0 | 2 | 2 | 2 | 2 | 1 | 2 | 2 | 2 | 2 |
| 377 | 2 | 2 | 0 | 0 | 3 | 1 | 2 | 2 | 2 | 2 | 2 | 2 |
| 378 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 379 | NA | 2 | 0 | 0 | 3 | 1 | 2 | 2 | 2 | 2 | 2 | 2 |
| 380 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 381 | 1 | 1 | 0 | 0 | 1 | 1 | 2 | 2 | 2 | 2 | 2 | 2 |
| 382 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 383 | 12 | 15 | 5 | 10 | 1 | 1 | 2 | 1 | 1 | 1 | 2 | 2 |
| 384 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 385 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 386 | NA | 1 | 0 | 0 | 2 | 1 | 2 | 2 | 2 | 2 | 2 | 2 |
| 387 | NA | 2 | 0 | 0 | 1 | 1 | 2 | 2 | 2 | 2 | 2 | 2 |
| 388 | NA | 0 | 3 | 0 | 4 | 1 | 2 | 2 | 1 | 1 | 2 | 2 |
| 389 | NA | 0 | 1 | 0 | 6 | 1 | 2 | 2 | 2 | 2 | 2 | 2 |
| 390 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 391 | NA | 0 | 2 | 0 | 1 | 1 | 2 | 2 | 2 | 2 | 2 | 2 |
| 392 | NA | 1 | 0 | 0 | 1 | 1 | 2 | 2 | 2 | 1 | 2 | 2 |
| 393 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 394 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 395 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 396 | NA | 0 | 3 | 0 | 5 | 1 | 2 | 1 | 2 | 2 | 2 | 2 |
| 397 | NA | 2 | 0 | 0 | 3 | 1 | 2 | 2 | 2 | 1 | 2 | 2 |
| 398 | NA | 4 | 0 | 0 | 2 | 1 | 2 | 2 | 2 | 2 | 2 | 2 |
| 399 | 1 | 12 | 0 | 0 | 3 | 1 | 2 | 2 | 2 | 1 | 2 | 2 |
| 400 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 401 | NA | 1 | 0 | 0 | 6 | 2 | 1 | 2 | 2 | 2 | 2 | 2 |
| 402 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 403 | 2 | 2 | 0 | 2 | 2 | 2 | 2 | 1 | 2 | 2 | 2 | 2 |
| 404 | 3 | 3 | 0 | 3 | 1 | 2 | 2 | 1 | 2 | 2 | 2 | 2 |
| 405 | 1 | 2 | 0 | 0 | 5 | 1 | 2 | 2 | 2 | 2 | 2 | 2 |
| 406 | NA | 3 | 0 | 0 | 5 | 1 | 2 | 2 | 2 | 2 | 2 | 2 |
| 407 | NA | 1 | 2 | 2 | 5 | 1 | 2 | 1 | 2 | 2 | 2 | 2 |
| 408 | NA | 0 | 15 | 0 | 2 | 1 | 2 | 2 | 1 | 1 | 2 | 2 |
| 409 | NA | 0 | 3 | 0 | 2 | 1 | 1 | 2 | 2 | 2 | 2 | 2 |
| 410 | 3 | 4 | 0 | 0 | 1 | 1 | 1 | 2 | 2 | 2 | 2 | 2 |
| 411 | NA | 1 | 0 | 0 | 2 | 1 | 2 | 2 | 2 | 2 | 2 | 2 |
| 412 | NA | 1 | 0 | 0 | 2 | 1 | 2 | 2 | 2 | 2 | 2 | 2 |
| 413 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 414 | NA | 1 | 0 | 0 | 1 | 1 | 2 | 2 | 2 | 2 | 2 | 2 |
| 415 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 416 | 2 | 3 | 3 | 1 | 1 | 2 | 1 | 2 | 2 | 2 | 2 | 1 |
| 417 | 3 | 3 | 0 | 0 | 5 | 1 | 2 | 2 | 2 | 2 | 2 | 2 |
| 418 | NA | 4 | 0 | 4 | 2 | 1 | 2 | 1 | 2 | 2 | 2 | 2 |
| 419 | NA | 1 | 0 | 1 | 6 | 2 | 2 | 1 | 2 | 2 | 2 | 2 |
| 420 | NA | 1 | 0 | 1 | 6 | 1 | 2 | 1 | 2 | 2 | 2 | 2 |
| 421 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 422 | 2 | 2 | 0 | 0 | 1 | 1 | 1 | 2 | 1 | 1 | 1 | 2 |
| 423 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 424 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 425 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 426 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 427 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 428 | NA | 1 | 0 | 1 | 2 | 2 | 2 | 1 | 2 | 2 | 2 | 2 |
| 429 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 430 | 5 | 15 | 5 | 20 | 1 | 1 | 1 | 2 | 2 | 2 | 2 | 2 |
| 431 | 1 | 25 | 5 | 30 | 1 | 1 | 2 | 1 | 2 | 2 | 2 | 2 |
| 432 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 433 | NA | 2 | 0 | 1 | 3 | 2 | 2 | 1 | 2 | 2 | 2 | 2 |
| 434 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 435 | NA | 1 | 0 | 1 | 2 | 1 | 2 | 2 | 2 | 1 | 2 | 2 |
| 436 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 437 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 438 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 439 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 440 | 2 | 2 | 0 | 0 | 1 | 1 | 2 | 2 | 2 | 2 | 2 | 2 |
| 441 | 3 | 3 | 0 | 0 | 3 | 1 | 2 | 2 | 2 | 2 | 2 | 2 |
| 442 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 443 | 1 | 1 | 0 | 0 | 1 | 1 | 2 | 2 | 2 | 1 | 1 | 2 |
| 444 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 445 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 446 | 1 | 1 | 0 | 0 | 6 | 1 | 2 | 2 | 2 | 2 | 2 | 2 |
| 447 | NA | 7 | 0 | 4 | 5 | 1 | 2 | 1 | 2 | 2 | 2 | 2 |
| 448 | 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 |
| 450 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 451 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 452 | 3 | 3 | 1 | 0 | 1 | 1 | 1 | 2 | 2 | 1 | 2 | 2 |
| 453 | NA | 4 | 0 | 0 | 5 | 1 | 2 | 2 | 2 | 2 | 2 | 2 |
| 454 | NA | 2 | 0 | 0 | 5 | 1 | 2 | 2 | 2 | 1 | 2 | 2 |
| 455 | NA | 0 | 3 | 0 | 6 | 1 | 2 | 2 | 2 | 2 | 2 | 2 |
| 456 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 457 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 458 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 459 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 460 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 461 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 462 | 1 | 1 | 0 | 0 | 1 | 1 | 2 | 2 | 2 | 2 | 2 | 2 |
| 463 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 464 | 3 | 3 | 7 | 2 | 2 | 1 | 1 | 2 | 2 | 2 | 2 | 2 |
| 465 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 466 | NA | 3 | 0 | 0 | 3 | 1 | 2 | 2 | 1 | 2 | 2 | 2 |
| 467 | 1 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 468 | 1 | 1 | 0 | 0 | 3 | 2 | 2 | 2 | 2 | 1 | 2 | 2 |
| 469 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 470 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 471 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 472 | NA | 1 | 0 | 0 | 2 | 1 | 2 | 2 | 2 | 2 | 2 | 2 |
| 473 | 2 | 2 | 3 | 3 | 1 | 1 | 1 | 1 | 1 | 1 | 2 | 2 |
| 474 | 2 | 1 | 2 | 0 | 2 | 1 | 2 | 2 | 2 | 1 | 2 | 2 |
| 475 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 476 | 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 |
| 478 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 479 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 480 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 481 | NA | 1 | 2 | 1 | 5 | 2 | 2 | 1 | 2 | 1 | 2 | 2 |
| 482 | NA | 3 | 1 | 2 | 3 | 1 | 2 | 1 | 2 | 1 | 2 | 2 |
| 483 | NA | 5 | 0 | 0 | 2 | 1 | 2 | 2 | 2 | 2 | 2 | 2 |
| 484 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 485 | 1 | 1 | 0 | 0 | 1 | 1 | 2 | 2 | 2 | 1 | 2 | 2 |
| 486 | 2 | 2 | 0 | 0 | 1 | 1 | 2 | 2 | 2 | 1 | 2 | 2 |
| 487 | 1 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 488 | 2 | 2 | 0 | 2 | 2 | 1 | 2 | 1 | 2 | 2 | 2 | 2 |
| 489 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 490 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 491 | NA | 1 | 0 | 0 | 4 | 1 | 2 | 2 | 2 | 2 | 2 | 2 |
| 492 | NA | 1 | 0 | 0 | 3 | 2 | 2 | 2 | 2 | 1 | 2 | 2 |
| 493 | NA | 1 | 0 | 0 | 1 | 1 | 2 | 2 | 2 | 1 | 2 | 2 |
| 494 | NA | 0 | 1 | 0 | 2 | 2 | 2 | 2 | 1 | 2 | 2 | 2 |
| 495 | NA | 1 | 0 | 0 | 1 | 1 | 2 | 2 | 2 | 2 | 2 | 2 |
| 496 | 2 | 2 | 0 | 2 | 2 | 2 | 2 | 1 | 2 | 2 | 2 | 2 |
| 497 | NA | 1 | 0 | 1 | 2 | 2 | 2 | 1 | 2 | 2 | 2 | 2 |
| 498 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 499 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 500 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 501 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 502 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 503 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 504 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 505 | NA | 1 | 1 | 0 | 3 | 2 | 1 | 2 | 2 | 2 | 2 | 2 |
| 506 | NA | 1 | 0 | 0 | 3 | 1 | 1 | 2 | 1 | 2 | 2 | 2 |
| 507 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 508 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 509 | NA | 2 | 0 | 2 | 2 | 2 | 2 | 1 | 2 | 2 | 2 | 2 |
| 510 | NA | 0 | 2 | 2 | 4 | 1 | 2 | 1 | 2 | 2 | 2 | 2 |
| 511 | 1 | 1 | 0 | 0 | 1 | 1 | 2 | 2 | 2 | 1 | 2 | 2 |
| 512 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 513 | NA | 2 | 0 | 1 | 2 | 1 | 2 | 2 | 2 | 2 | 1 | 2 |
| 514 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 515 | NA | 1 | 0 | 0 | 6 | 1 | 2 | 2 | 2 | 1 | 2 | 2 |
| 516 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 517 | NA | 1 | 0 | 0 | 6 | 1 | 2 | 2 | 1 | 1 | 2 | 2 |
| 518 | NA | 3 | 0 | 3 | 2 | 1 | 2 | 1 | 1 | 2 | 2 | 2 |
| 519 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 520 | NA | 0 | 1 | 0 | 2 | 1 | 2 | 2 | 1 | 2 | 2 | 2 |
| 521 | NA | 1 | 0 | 0 | 1 | 1 | 1 | 2 | 1 | 1 | 2 | 2 |
| 522 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 523 | NA | 7 | 0 | 5 | 1 | 1 | 2 | 1 | 1 | 1 | 2 | 2 |
| 524 | 1 | 1 | 0 | 1 | 3 | 2 | 1 | 2 | 2 | 2 | 2 | 2 |
| 525 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 526 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 527 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 528 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 529 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 530 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 531 | NA | 0 | 1 | 0 | 2 | 1 | 2 | 2 | 1 | 1 | 1 | 2 |
| 532 | 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 |
| 534 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 535 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 536 | NA | 1 | 0 | 1 | 6 | 2 | 2 | 1 | 2 | 2 | 2 | 2 |
| 537 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 538 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 539 | NA | 1 | 0 | 0 | 5 | 1 | 2 | 2 | 1 | 2 | 2 | 2 |
| 540 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 541 | NA | 1 | 0 | 0 | 3 | 1 | 2 | 2 | 1 | 2 | 2 | 2 |
| 542 | NA | 1 | 0 | 0 | 3 | 1 | 2 | 2 | 1 | 2 | 2 | 2 |
| 543 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 544 | NA | 3 | 0 | 1 | 2 | 1 | 2 | 1 | 1 | 2 | 2 | 2 |
| 545 | NA | 1 | 0 | 0 | 2 | 2 | 2 | 2 | 2 | 1 | 2 | 2 |
| 546 | NA | 1 | 0 | 0 | 1 | 1 | 2 | 2 | 2 | 2 | 2 | 2 |
| 547 | NA | 1 | 2 | 3 | 1 | 2 | 1 | 2 | 2 | 1 | 2 | 2 |
| 548 | NA | 1 | 1 | 0 | 2 | 1 | 2 | 2 | 2 | 2 | 2 | 2 |
| 549 | NA | 1 | 0 | 0 | 4 | 1 | 2 | 2 | 2 | 2 | 2 | 2 |
| 550 | NA | 1 | 0 | 0 | 3 | 1 | 2 | 2 | 2 | 2 | 2 | 2 |
| 551 | 5 | 5 | 35 | 40 | 1 | 1 | 1 | 1 | 2 | 2 | 2 | 2 |
| 552 | NA | 3 | 7 | 6 | 2 | 1 | 2 | 2 | 2 | 1 | 2 | 2 |
| 553 | NA | 2 | 2 | 4 | 3 | 2 | 2 | 1 | 2 | 2 | 2 | 2 |
| 554 | NA | 2 | 2 | 4 | 3 | 2 | 2 | 1 | 2 | 2 | 2 | 2 |
| 555 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 556 | NA | 1 | 0 | 1 | 1 | 2 | 2 | 1 | 2 | 2 | 2 | 2 |
| 557 | NA | 1 | 0 | 0 | 1 | 1 | 2 | 2 | 1 | 1 | 1 | 2 |
| 558 | NA | 0 | 6 | 0 | 2 | 1 | 2 | 2 | 2 | 2 | 2 | 2 |
| 559 | NA | 0 | 6 | 0 | 1 | 1 | 2 | 2 | 2 | 2 | 2 | 2 |
| 560 | 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 |
| 562 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 563 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 564 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 565 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 566 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 567 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 568 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 569 | 1 | 2 | 1 | 0 | 5 | 1 | 2 | 2 | 2 | 2 | 2 | 2 |
| 570 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 571 | NA | 1 | 1 | 0 | 2 | 1 | 2 | 2 | 2 | 1 | 2 | 2 |
| 572 | NA | 1 | 0 | 0 | 4 | 1 | 2 | 2 | 2 | 2 | 2 | 2 |
| 573 | NA | 0 | 5 | 0 | 1 | 1 | 1 | 1 | 1 | 1 | 2 | 2 |
| 574 | NA | 0 | 3 | 0 | 1 | 1 | 1 | 1 | 1 | 1 | 2 | 2 |
| 575 | NA | 0 | 5 | 3 | 1 | 1 | 1 | 1 | 1 | 1 | 2 | 2 |
| 576 | NA | 2 | 2 | 4 | 1 | 2 | 1 | 1 | 2 | 2 | 2 | 2 |
| 577 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 578 | NA | 1 | 0 | 0 | 3 | 1 | 2 | 2 | 2 | 2 | 2 | 2 |
| 579 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 580 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 581 | NA | 0 | 10 | 2 | 3 | 1 | 2 | 1 | 2 | 1 | 2 | 2 |
| 582 | NA | 1 | 2 | 1 | 3 | 1 | 2 | 2 | 2 | 1 | 2 | 2 |
| 583 | NA | 0 | 3 | 0 | 2 | 1 | 2 | 2 | 1 | 1 | 2 | 2 |
| 584 | NA | 0 | 6 | 0 | 2 | 1 | 2 | 1 | 1 | 1 | 2 | 2 |
| 585 | NA | 2 | 1 | 3 | 1 | 2 | 2 | 1 | 1 | 1 | 2 | 2 |
| 586 | 10 | 10 | 10 | 20 | 1 | 1 | 1 | 1 | 1 | 1 | 2 | 1 |
| 587 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 588 | 1 | 1 | 1 | 0 | 3 | 1 | 2 | 2 | 1 | 1 | 2 | 1 |
| 589 | NA | 1 | 1 | 0 | 3 | 1 | 1 | 2 | 2 | 2 | 2 | 2 |
| 590 | NA | 1 | 0 | 0 | 4 | 1 | 2 | 2 | 2 | 2 | 2 | 2 |
| 591 | NA | 1 | 0 | 0 | 3 | 2 | 2 | 2 | 1 | 2 | 2 | 2 |
| 592 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 593 | NA | 1 | 2 | 2 | 5 | 2 | 2 | 2 | 2 | 1 | 2 | 2 |
| 594 | NA | 2 | 0 | 0 | 4 | 1 | 2 | 2 | 1 | 2 | 2 | 2 |
| 595 | NA | 1 | 0 | 0 | 5 | 1 | 2 | 2 | 2 | 2 | 2 | 2 |
| 596 | NA | 1 | 2 | 0 | 5 | 1 | 2 | 2 | 1 | 1 | 2 | 2 |
| 597 | NA | 1 | 0 | 0 | 4 | 1 | 2 | 2 | 2 | 2 | 2 | 2 |
| 598 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 599 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 600 | NA | 1 | 0 | 0 | 4 | 1 | 2 | 2 | 2 | 1 | 2 | 1 |
| 601 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 602 | NA | 1 | 1 | 1 | 3 | 2 | 2 | 1 | 2 | 2 | 2 | 2 |
| 603 | NA | 1 | 0 | 0 | 6 | 2 | 2 | 2 | 2 | 1 | 2 | 2 |
| 604 | NA | 1 | 2 | 3 | 5 | 2 | 2 | 1 | 2 | 2 | 2 | 2 |
| 605 | NA | 1 | 0 | 1 | 4 | 2 | 2 | 1 | 2 | 2 | 2 | 2 |
| 606 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 607 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 608 | NA | 2 | 0 | 2 | 2 | 2 | 2 | 1 | 2 | 2 | 2 | 2 |
| 609 | NA | 3 | 0 | 0 | 2 | 1 | 2 | 2 | 2 | 2 | 2 | 2 |
| 610 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 611 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 612 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 613 | 1 | 1 | 0 | 0 | 1 | 1 | 2 | 2 | 2 | 2 | 2 | 2 |
| 614 | 3 | 3 | 0 | 0 | 5 | 1 | 2 | 2 | 2 | 1 | 2 | 2 |
| 615 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 616 | 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 |
| 618 | NA | 5 | 0 | 2 | 4 | 1 | 2 | 1 | 1 | 1 | 2 | 2 |
| 619 | NA | 1 | 0 | 0 | 1 | 1 | 2 | 2 | 2 | 1 | 2 | 2 |
| 620 | NA | 2 | 0 | 0 | 6 | 1 | 2 | 2 | 2 | 2 | 2 | 2 |
| 621 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 622 | NA | 0 | 5 | 5 | 1 | 2 | 2 | 1 | 2 | 2 | 2 | 2 |
| 623 | 1 | 1 | 9 | 4 | 4 | 1 | 1 | 2 | 1 | 2 | 2 | 2 |
| 624 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 625 | 1 | 1 | 2 | 0 | 5 | 1 | 2 | 2 | 1 | 2 | 2 | 2 |
| 626 | NA | 0 | 1 | 0 | 5 | 1 | 2 | 2 | 1 | 2 | 2 | 2 |
| 627 | NA | 1 | 2 | 3 | 5 | 2 | 1 | 1 | 1 | 1 | 2 | 2 |
| 628 | NA | 2 | 0 | 0 | 1 | 1 | 2 | 2 | 2 | 2 | 2 | 2 |
| 629 | NA | 3 | 0 | 0 | 1 | 1 | 2 | 2 | 2 | 2 | 2 | 2 |
| 630 | 1 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 631 | NA | 0 | 1 | 0 | 2 | 2 | 2 | 1 | 2 | 2 | 2 | 2 |
| 632 | NA | 0 | 1 | 1 | 2 | 2 | 2 | 1 | 2 | 2 | 2 | 2 |
| 633 | 12 | 16 | 0 | 2 | 1 | 1 | 2 | 2 | 2 | 2 | 2 | 2 |
| 634 | 14 | 12 | 6 | 6 | 1 | 1 | 2 | 2 | 2 | 2 | 2 | 2 |
| 635 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 636 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 637 | NA | 0 | 4 | 3 | 4 | 1 | 2 | 1 | 2 | 2 | 2 | 2 |
| 638 | 1 | 3 | 0 | 0 | 5 | 1 | 2 | 2 | 2 | 2 | 2 | 2 |
| 639 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 640 | NA | 0 | 2 | 2 | 2 | 2 | 2 | 1 | 2 | 2 | 2 | 2 |
| 641 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 642 | 3 | 3 | 0 | 0 | 1 | 1 | 2 | 2 | 2 | 2 | 2 | 2 |
| 643 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 644 | NA | 2 | 0 | 2 | 5 | 2 | 2 | 1 | 2 | 2 | 2 | 2 |
| 645 | NA | 1 | 0 | 0 | 5 | 1 | 2 | 2 | 2 | 2 | 2 | 2 |
| 646 | NA | 0 | 3 | 0 | 2 | 1 | 1 | 2 | 2 | 2 | 2 | 2 |
| 647 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 648 | 1 | 1 | 0 | 0 | 1 | 1 | 2 | 2 | 2 | 1 | 2 | 2 |
| 649 | 1 | 1 | 0 | 0 | 2 | 1 | 2 | 2 | 2 | 1 | 2 | 2 |
| 650 | 1 | 1 | 0 | 0 | 2 | 1 | 2 | 2 | 2 | 2 | 1 | 2 |
| 651 | NA | 4 | 0 | 4 | 2 | 2 | 2 | 1 | 2 | 2 | 2 | 2 |
| 652 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 653 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 654 | NA | 2 | 0 | 0 | 5 | 1 | 2 | 2 | 1 | 1 | 2 | 2 |
| 655 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 656 | NA | 0 | 2 | 0 | 5 | 2 | 1 | 2 | 2 | 2 | 2 | 2 |
| 657 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 658 | 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 |
| 660 | NA | 1 | 0 | 1 | 3 | 2 | 1 | 2 | 2 | 2 | 2 | 2 |
| 661 | NA | 1 | 0 | 1 | 2 | 2 | 1 | 2 | 2 | 2 | 2 | 2 |
| 662 | NA | 1 | 0 | 1 | 2 | 2 | 2 | 1 | 2 | 2 | 2 | 2 |
| 663 | NA | 1 | 0 | 1 | 3 | 2 | 2 | 1 | 2 | 2 | 2 | 2 |
| 664 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 665 | 3 | 3 | 0 | 0 | 2 | 1 | 2 | 2 | 1 | 1 | 2 | 2 |
| 666 | 1 | 1 | 0 | 0 | 4 | 1 | 1 | 1 | 1 | 1 | 2 | 2 |
| 667 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 668 | 2 | 3 | 0 | 3 | 3 | 2 | 2 | 1 | 1 | 1 | 2 | 2 |
| 669 | NA | 3 | 0 | 0 | 2 | 1 | 2 | 2 | 1 | 2 | 2 | 2 |
| 670 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 671 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 672 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 673 | 1 | 1 | 0 | 1 | 6 | 1 | 2 | 1 | 2 | 2 | 2 | 2 |
| 674 | NA | 1 | 0 | 1 | 6 | 1 | 2 | 1 | 2 | 2 | 2 | 2 |
| 675 | 5 | 5 | 5 | 0 | 2 | 1 | 2 | 2 | 1 | 1 | 2 | 2 |
| 676 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 677 | NA | 3 | 1 | 4 | 5 | 1 | 2 | 1 | 2 | 2 | 2 | 2 |
| 678 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 679 | NA | 2 | 1 | 2 | 2 | 1 | 1 | 2 | 2 | 1 | 2 | 2 |
| 680 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 681 | 2 | 2 | 0 | 0 | 2 | 1 | 1 | 1 | 1 | 1 | 2 | 2 |
| 682 | 8 | 9 | 6 | 0 | 2 | 1 | 1 | 1 | 1 | 1 | 2 | 2 |
| 683 | 3 | 3 | 0 | 0 | 5 | 1 | 2 | 2 | 2 | 2 | 2 | 2 |
| 684 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 685 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 686 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 687 | NA | 0 | 5 | 5 | 1 | 2 | 2 | 1 | 2 | 2 | 2 | 2 |
| 688 | NA | 2 | 0 | 2 | 1 | 1 | 1 | 2 | 2 | 2 | 2 | 2 |
| 689 | NA | 1 | 0 | 0 | 1 | 1 | 2 | 2 | 2 | 2 | 2 | 2 |
| 690 | NA | 0 | 2 | 2 | 2 | 2 | 2 | 1 | 2 | 2 | 2 | 2 |
| 691 | NA | 4 | 1 | 0 | 2 | 1 | 2 | 2 | 2 | 2 | 2 | 2 |
| 692 | 3 | 2 | 1 | 3 | 1 | 1 | 2 | 2 | 2 | 1 | 2 | 2 |
| 693 | NA | 1 | 0 | 0 | 3 | 1 | 2 | 2 | 1 | 1 | 2 | 2 |
| 694 | 2 | 2 | 3 | 5 | 1 | 1 | 2 | 1 | 2 | 2 | 2 | 2 |
| 695 | 1 | 0 | 4 | 4 | 2 | 1 | 2 | 1 | 2 | 2 | 2 | 2 |
| 696 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 697 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 698 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 699 | 4 | 4 | 0 | 0 | 1 | 2 | 2 | 2 | 2 | 2 | 1 | 2 |
| 700 | NA | 2 | 0 | 0 | 3 | 1 | 2 | 2 | 2 | 2 | 1 | 2 |
| 701 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 702 | 1 | 1 | 0 | 0 | 3 | 1 | 2 | 2 | 2 | 2 | 2 | 2 |
| 703 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 704 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 705 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 706 | NA | 1 | 0 | 0 | 2 | 1 | 2 | 2 | 2 | 2 | 2 | 2 |
| 707 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 708 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 709 | 1 | 3 | 2 | 5 | 1 | 1 | 2 | 1 | 2 | 2 | 2 | 2 |
| 710 | 3 | 3 | 0 | 1 | 3 | 1 | 2 | 2 | 1 | 1 | 2 | 2 |
| 711 | 9 | 9 | 9 | 12 | 2 | 1 | 1 | 1 | 1 | 1 | 1 | 2 |
| 712 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 713 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 714 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 715 | NA | 1 | 0 | 0 | 3 | 1 | 2 | 2 | 2 | 2 | 2 | 2 |
| 716 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 717 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 718 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 719 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 720 | 5 | 3 | 0 | 3 | 3 | 2 | 2 | 1 | 2 | 2 | 2 | 2 |
| 721 | NA | 1 | 0 | 0 | 1 | 1 | 2 | 2 | 2 | 2 | 2 | 1 |
| 722 | NA | 1 | 0 | 0 | 1 | 1 | 2 | 2 | 2 | 1 | 2 | 2 |
| 723 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 724 | 6 | 4 | 3 | 7 | 1 | 1 | 1 | 1 | 1 | 1 | 2 | 2 |
| 725 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 726 | 4 | 3 | 1 | 4 | 2 | 1 | 2 | 1 | 2 | 2 | 2 | 2 |
| 727 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 728 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 729 | NA | 0 | 2 | 0 | 3 | 1 | 2 | 2 | 2 | 2 | 2 | 2 |
| 730 | 3 | 3 | 4 | 2 | 5 | 1 | 2 | 1 | 2 | 2 | 2 | 2 |
| 731 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 732 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 733 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 734 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 735 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 736 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 737 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 738 | NA | 0 | 2 | 2 | 2 | 1 | 2 | 1 | 2 | 2 | 2 | 2 |
| 739 | NA | 3 | 0 | 3 | 2 | 1 | 2 | 1 | 2 | 2 | 2 | 2 |
| 740 | 3 | 3 | 0 | 0 | 3 | 1 | 2 | 2 | 1 | 1 | 2 | 2 |
| 741 | NA | 0 | 1 | 0 | 6 | 1 | 1 | 2 | 1 | 1 | 1 | 2 |
| 742 | 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 |
| 744 | NA | 4 | 0 | 0 | 4 | 1 | 2 | 2 | 2 | 2 | 2 | 2 |
| 745 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 746 | NA | 1 | 0 | 1 | 1 | 1 | 2 | 2 | 2 | 1 | 2 | 2 |
| 747 | NA | 0 | 2 | 0 | 3 | 1 | 2 | 2 | 1 | 2 | 2 | 2 |
| 748 | NA | 4 | 4 | 0 | 2 | 1 | 1 | 2 | 2 | 1 | 2 | 2 |
| 749 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 750 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 751 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 752 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 753 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 754 | 4 | 1 | 0 | 0 | 6 | 1 | 2 | 2 | 1 | 1 | 2 | 2 |
| 755 | 3 | 3 | 1 | 4 | 2 | 1 | 2 | 1 | 1 | 1 | 2 | 2 |
| 756 | 6 | 2 | 0 | 0 | 1 | 1 | 2 | 2 | 1 | 1 | 2 | 2 |
| 757 | 10 | 9 | 1 | 0 | 1 | 1 | 2 | 2 | 1 | 1 | 2 | 2 |
| 758 | NA | 4 | 0 | 0 | 1 | 1 | 1 | 2 | 2 | 2 | 2 | 2 |
| 759 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 760 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 761 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 762 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 763 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 764 | 20 | 20 | 5 | 25 | 2 | 1 | 1 | 1 | 1 | 1 | 1 | 2 |
| 765 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 766 | NA | 0 | 3 | 0 | 2 | 1 | 2 | 2 | 2 | 2 | 2 | 2 |
| 767 | NA | 0 | 4 | 1 | 3 | 1 | 2 | 2 | 2 | 2 | 2 | 2 |
| 768 | NA | 0 | 5 | 0 | 1 | 1 | 2 | 2 | 2 | 2 | 2 | 2 |
| 769 | NA | 1 | 0 | 0 | 1 | 1 | 2 | 2 | 2 | 2 | 2 | 1 |
| 770 | NA | 0 | 1 | 0 | 4 | 1 | 2 | 2 | 2 | 2 | 2 | 2 |
| 771 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 772 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 773 | NA | 3 | 7 | 0 | 1 | 2 | 2 | 2 | 2 | 2 | 1 | 2 |
| 774 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 775 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 776 | NA | 1 | 0 | 1 | 6 | 1 | 1 | 2 | 1 | 2 | 2 | 2 |
| 777 | 1 | 1 | 0 | 1 | 6 | 2 | 2 | 1 | 2 | 2 | 2 | 2 |
| 778 | 2 | 1 | 2 | 2 | 3 | 1 | 2 | 1 | 1 | 1 | 2 | 2 |
| 779 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 780 | NA | 0 | 3 | 3 | 1 | 2 | 2 | 1 | 2 | 2 | 2 | 2 |
| 781 | NA | 1 | 2 | 3 | 1 | 2 | 2 | 1 | 2 | 2 | 2 | 2 |
| 782 | NA | 1 | 0 | 0 | 3 | 1 | 2 | 2 | 2 | 1 | 2 | 2 |
| 783 | 1 | 1 | 0 | 0 | 4 | 1 | 2 | 2 | 2 | 1 | 2 | 2 |
| 784 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 785 | NA | 0 | 1 | 1 | 3 | 2 | 2 | 2 | 2 | 2 | 1 | 2 |
| 786 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 787 | NA | 0 | 3 | 3 | 1 | 2 | 2 | 1 | 2 | 2 | 2 | 2 |
| 788 | 5 | 5 | 0 | 0 | 1 | 1 | 2 | 2 | 2 | 2 | 1 | 2 |
| 789 | NA | 0 | 2 | 2 | 1 | 2 | 2 | 1 | 2 | 2 | 2 | 2 |
| 790 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 791 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 792 | 1 | 1 | 0 | 0 | 6 | 1 | 2 | 2 | 1 | 1 | 2 | 2 |
| 793 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 794 | 1 | 2 | 1 | 2 | 1 | 2 | 2 | 2 | 2 | 2 | 1 | 2 |
| 795 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 796 | NA | 0 | 5 | 1 | 1 | 1 | 2 | 1 | 2 | 2 | 2 | 2 |
| 797 | NA | 2 | 1 | 3 | 2 | 2 | 2 | 1 | 2 | 2 | 2 | 2 |
| 798 | 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 |
| 800 | 1 | 1 | 0 | 0 | 6 | 1 | 2 | 2 | 1 | 1 | 2 | 2 |
| 801 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 802 | NA | 1 | 0 | 0 | 5 | 1 | 2 | 2 | 2 | 2 | 2 | 2 |
| 803 | 1 | 1 | 0 | 1 | 5 | 1 | 2 | 2 | 1 | 2 | 2 | 2 |
| 804 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 805 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 806 | NA | 1 | 0 | 1 | 5 | 2 | 2 | 2 | 2 | 2 | 1 | 2 |
| 807 | NA | 0 | 9 | 2 | 3 | 1 | 2 | 2 | 2 | 2 | 2 | 2 |
| 808 | NA | 0 | 6 | 2 | 3 | 1 | 2 | 2 | 2 | 2 | 2 | 2 |
| 809 | 1 | 2 | 0 | 0 | 4 | 1 | 2 | 2 | 1 | 1 | 2 | 2 |
| 810 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 811 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 812 | 3 | 3 | 0 | 0 | 5 | 1 | 1 | 1 | 2 | 1 | 2 | 2 |
| 813 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 814 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 815 | NA | 0 | 2 | 0 | 2 | 1 | 2 | 1 | 2 | 2 | 2 | 2 |
| 816 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 817 | NA | 3 | 0 | 0 | 4 | 1 | 2 | 2 | 1 | 2 | 2 | 2 |
| 818 | NA | 4 | 0 | 1 | 4 | 1 | 2 | 1 | 2 | 2 | 2 | 2 |
| 819 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 820 | 7 | 8 | 5 | 5 | 4 | 1 | 1 | 1 | 1 | 1 | 2 | 2 |
| 821 | NA | 0 | 3 | 0 | 4 | 1 | 2 | 2 | 2 | 2 | 2 | 2 |
| 822 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 823 | NA | 0 | 1 | 0 | 2 | 1 | 2 | 2 | 2 | 2 | 2 | 2 |
| 824 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 825 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 826 | 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 |
| 828 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 829 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 830 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 831 | NA | 1 | 2 | 1 | 4 | 1 | 2 | 2 | 2 | 2 | 2 | 2 |
| 832 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 833 | NA | 2 | 1 | 1 | 3 | 1 | 2 | 2 | 1 | 1 | 1 | 2 |
| 834 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 835 | NA | 1 | 3 | 4 | 3 | 1 | 1 | 2 | 1 | 1 | 2 | 2 |
| 836 | NA | 1 | 0 | 0 | 5 | 1 | 2 | 2 | 2 | 2 | 2 | 2 |
| 837 | 1 | 1 | 0 | 0 | 5 | 1 | 2 | 2 | 2 | 2 | 2 | 2 |
| 838 | 8 | 8 | 0 | 0 | 4 | 1 | 2 | 2 | 2 | 2 | 2 | 2 |
| 839 | 4 | 6 | 0 | 0 | 5 | 1 | 2 | 2 | 2 | 2 | 2 | 2 |
| 840 | 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 |
| 842 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 843 | NA | 1 | 1 | 2 | 4 | 2 | 2 | 1 | 2 | 2 | 2 | 2 |
| 844 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 845 | NA | 1 | 0 | 0 | 2 | 1 | 1 | 2 | 1 | 1 | 2 | 2 |
| 846 | NA | 0 | 2 | 0 | 6 | 1 | 2 | 2 | 2 | 1 | 2 | 2 |
| 847 | NA | 1 | 0 | 0 | 2 | 1 | 2 | 2 | 2 | 2 | 2 | 2 |
| 848 | NA | 1 | 0 | 0 | 4 | 1 | 2 | 2 | 2 | 2 | 2 | 2 |
| 849 | NA | 1 | 0 | 0 | 3 | 1 | 2 | 2 | 2 | 2 | 2 | 2 |
| 850 | NA | 1 | 0 | 0 | 2 | 1 | 2 | 2 | 2 | 2 | 2 | 2 |
| 851 | NA | 1 | 0 | 0 | 2 | 1 | 2 | 2 | 2 | 2 | 2 | 2 |
| 852 | NA | 1 | 0 | 0 | 1 | 1 | 1 | 2 | 1 | 1 | 2 | 2 |
| 853 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 854 | 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 |
| 856 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 857 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 858 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 859 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 860 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 861 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 862 | 2 | 1 | 0 | 1 | 5 | 1 | 2 | 2 | 2 | 2 | 2 | 2 |
| 863 | NA | 0 | 2 | 0 | 4 | 1 | 2 | 2 | 2 | 2 | 2 | 2 |
| 864 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 865 | 1 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 866 | NA | 3 | 0 | 3 | 6 | 2 | 2 | 1 | 2 | 2 | 2 | 1 |
| 867 | NA | 5 | 0 | 5 | 2 | 2 | 2 | 1 | 2 | 2 | 2 | 2 |
| 868 | NA | 3 | 0 | 3 | 2 | 2 | 2 | 1 | 2 | 2 | 2 | 2 |
| 869 | NA | 4 | 0 | 4 | 2 | 2 | 2 | 1 | 2 | 2 | 2 | 2 |
| 870 | NA | 2 | 0 | 2 | 2 | 2 | 2 | 1 | 2 | 2 | 2 | 2 |
| 871 | NA | 3 | 0 | 3 | 2 | 2 | 2 | 1 | 2 | 2 | 2 | 2 |
| 872 | NA | 2 | 0 | 0 | 6 | 2 | 2 | 2 | 2 | 2 | 2 | 1 |
| 873 | NA | 1 | 2 | 3 | 2 | 2 | 2 | 1 | 1 | 1 | 1 | 1 |
| 874 | NA | 1 | 0 | 0 | 5 | 1 | 2 | 2 | 2 | 2 | 2 | 2 |
| 875 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 876 | NA | 1 | 1 | 0 | 3 | 1 | 2 | 2 | 2 | 2 | 2 | 2 |
| 877 | NA | 4 | 0 | 4 | 5 | 2 | 2 | 1 | 1 | 2 | 2 | 2 |
| 878 | 2 | 2 | 0 | 0 | 3 | 1 | 2 | 2 | 2 | 2 | 2 | 2 |
| 879 | 2 | 2 | 0 | 2 | 2 | 2 | 2 | 1 | 2 | 2 | 2 | 2 |
| 880 | 5 | 5 | 0 | 2 | 2 | 1 | 2 | 1 | 2 | 2 | 2 | 2 |
| 881 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 882 | 1 | 0 | 2 | 0 | 3 | 1 | 2 | 2 | 2 | 1 | 2 | 2 |
| 883 | NA | 7 | 3 | 8 | 2 | 1 | 1 | 2 | 1 | 1 | 1 | 2 |
| 884 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 885 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 886 | NA | 1 | 0 | 0 | 3 | 1 | 2 | 2 | 2 | 1 | 2 | 2 |
| 887 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 888 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 889 | NA | 2 | 0 | 2 | 2 | 2 | 2 | 2 | 2 | 2 | 1 | 2 |
| 890 | NA | 1 | 0 | 0 | 3 | 1 | 2 | 2 | 2 | 2 | 2 | 2 |
| 891 | NA | 0 | 1 | 0 | 1 | 1 | 2 | 2 | 2 | 2 | 2 | 2 |
| 892 | NA | 0 | 6 | 2 | 2 | 1 | 1 | 2 | 2 | 2 | 2 | 2 |
| 893 | NA | 0 | 5 | 3 | 5 | 1 | 1 | 1 | 2 | 2 | 2 | 2 |
| 894 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 895 | NA | 1 | 0 | 0 | 1 | 1 | 2 | 2 | 2 | 1 | 1 | 2 |
| 896 | 3 | 3 | 2 | 2 | 2 | 1 | 2 | 2 | 1 | 1 | 1 | 1 |
| 897 | 2 | 2 | 2 | 1 | 4 | 1 | 2 | 2 | 2 | 1 | 1 | 2 |
| 898 | 2 | 3 | 3 | 0 | 1 | 1 | 2 | 2 | 1 | 1 | 1 | 2 |
| 899 | NA | 6 | 0 | 6 | 2 | 2 | 2 | 1 | 2 | 2 | 2 | 2 |
| 900 | NA | 4 | 0 | 4 | 2 | 2 | 2 | 1 | 2 | 2 | 2 | 2 |
| 901 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 902 | NA | 0 | 1 | 0 | 1 | 1 | 2 | 2 | 2 | 2 | 2 | 2 |
| 903 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 904 | NA | 1 | 0 | 0 | 2 | 2 | 2 | 2 | 2 | 2 | 2 | 1 |
| 905 | NA | 2 | 2 | 2 | 3 | 2 | 2 | 1 | 2 | 2 | 2 | 2 |
| 906 | NA | 0 | 2 | 2 | 3 | 2 | 2 | 1 | 2 | 2 | 2 | 2 |
| 907 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 908 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 909 | NA | 1 | 0 | 0 | 3 | 1 | 2 | 2 | 2 | 1 | 2 | 2 |
| 910 | NA | 14 | 0 | 14 | 2 | 1 | 1 | 2 | 2 | 2 | 1 | 2 |
| 911 | 4 | 4 | 0 | 4 | 2 | 2 | 2 | 1 | 2 | 2 | 2 | 2 |
| 912 | NA | 1 | 1 | 0 | 4 | 1 | 2 | 2 | 1 | 2 | 2 | 2 |
| 913 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 914 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 915 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 916 | NA | 1 | 1 | 1 | 2 | 2 | 2 | 1 | 2 | 2 | 2 | 2 |
| 917 | 1 | 1 | 1 | 1 | 2 | 2 | 2 | 1 | 2 | 2 | 2 | 2 |
| 918 | NA | 1 | 1 | 1 | 2 | 2 | 2 | 1 | 2 | 2 | 2 | 2 |
| 919 | 20 | 20 | 10 | 10 | 1 | 1 | 1 | 1 | 1 | 1 | 1 | 2 |
| 920 | NA | 5 | 0 | 0 | 4 | 1 | 2 | 2 | 1 | 1 | 2 | 2 |
| 921 | NA | 1 | 1 | 0 | 4 | 1 | 2 | 2 | 2 | 1 | 2 | 2 |
| 922 | 1 | 1 | 0 | 1 | 5 | 2 | 2 | 1 | 2 | 2 | 2 | 2 |
| 923 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 924 | 1 | 1 | 0 | 0 | 6 | 1 | 2 | 2 | 2 | 2 | 2 | 2 |
| 925 | NA | 0 | 2 | 0 | 4 | 2 | 2 | 2 | 2 | 1 | 2 | 2 |
| 926 | NA | 0 | 2 | 1 | 5 | 2 | 2 | 2 | 1 | 2 | 2 | 2 |
| 927 | 4 | 4 | 0 | 2 | 5 | 1 | 2 | 1 | 2 | 2 | 2 | 2 |
| 928 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 929 | NA | 0 | 24 | 0 | 2 | 1 | 2 | 2 | 1 | 2 | 2 | 2 |
| 930 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 931 | 3 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 932 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 933 | NA | 3 | 0 | 3 | 2 | 2 | 2 | 1 | 2 | 2 | 2 | 2 |
| 934 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 935 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 936 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 937 | 2 | 2 | 2 | 0 | 4 | 1 | 2 | 2 | 2 | 2 | 2 | 2 |
| 938 | 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 |
| 940 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 941 | NA | 1 | 0 | 0 | 6 | 1 | 2 | 2 | 2 | 2 | 2 | 2 |
| 942 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 943 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 944 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 945 | NA | 1 | 0 | 0 | 3 | 1 | 2 | 2 | 2 | 2 | 2 | 2 |
| 946 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 947 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 948 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 949 | NA | 1 | 0 | 0 | 1 | 1 | 2 | 2 | 2 | 1 | 2 | 2 |
| 950 | NA | 0 | 1 | 0 | 1 | 1 | 2 | 2 | 2 | 2 | 2 | 2 |
| 951 | NA | 1 | 0 | 0 | 1 | 1 | 2 | 2 | 2 | 1 | 2 | 2 |
| 952 | 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 |
| 954 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 955 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 956 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 957 | NA | 0 | 1 | 1 | 3 | 2 | 2 | 1 | 2 | 2 | 2 | 2 |
| 958 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 959 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 960 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 961 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 962 | NA | 1 | 0 | 1 | 1 | 2 | 2 | 1 | 2 | 2 | 2 | 2 |
| 963 | NA | 2 | 1 | 2 | 2 | 1 | 2 | 1 | 2 | 2 | 2 | 2 |
| 964 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 965 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 966 | 1 | 1 | 0 | 0 | 2 | 1 | 2 | 2 | 2 | 1 | 2 | 2 |
| 967 | NA | 1 | 1 | 0 | 5 | 1 | 1 | 2 | 2 | 2 | 2 | 2 |
| 968 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 969 | 4 | 2 | 0 | 0 | 1 | 1 | 2 | 2 | 2 | 2 | 2 | 2 |
| 970 | 6 | 1 | 2 | 2 | 1 | 1 | 2 | 1 | 2 | 2 | 2 | 2 |
| 971 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 972 | NA | 1 | 0 | 0 | 6 | 1 | 2 | 2 | 2 | 2 | 2 | 2 |
| 973 | NA | 0 | 1 | 1 | 1 | 2 | 2 | 1 | 2 | 2 | 2 | 2 |
| 974 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 975 | NA | 4 | 3 | 0 | 2 | 1 | 2 | 1 | 2 | 2 | 2 | 2 |
| 976 | NA | 0 | 1 | 0 | 2 | 2 | 2 | 1 | 2 | 2 | 2 | 2 |
| 977 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 978 | NA | 3 | 0 | 0 | 2 | 1 | 2 | 2 | 1 | 1 | 2 | 2 |
| 979 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 980 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 981 | NA | 1 | 1 | 0 | 5 | 2 | 2 | 2 | 2 | 1 | 1 | 2 |
| 982 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 983 | NA | 1 | 0 | 1 | 3 | 2 | 2 | 1 | 2 | 2 | 2 | 2 |
| 984 | NA | 0 | 5 | 3 | 1 | 1 | 2 | 2 | 1 | 1 | 1 | 2 |
| 985 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 986 | 2 | 4 | 0 | 2 | 2 | 2 | 2 | 1 | 2 | 2 | 2 | 2 |
| 987 | NA | 4 | 1 | 2 | 2 | 1 | 2 | 1 | 2 | 2 | 2 | 2 |
| 988 | NA | 3 | 0 | 1 | 6 | 1 | 1 | 2 | 2 | 2 | 2 | 2 |
| 989 | NA | 1 | 0 | 0 | 2 | 1 | 2 | 2 | 2 | 1 | 2 | 2 |
| 990 | NA | 1 | 0 | 0 | 6 | 1 | 2 | 2 | 2 | 2 | 2 | 2 |
| 991 | NA | 2 | 1 | 0 | 5 | 1 | 2 | 2 | 1 | 2 | 2 | 2 |
| 992 | 3 | 3 | 0 | 0 | 5 | 1 | 2 | 2 | 2 | 2 | 2 | 2 |
| 993 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 994 | NA | 3 | 0 | 0 | 2 | 1 | 2 | 2 | 2 | 2 | 2 | 2 |
| 995 | 1 | 3 | 0 | 3 | 3 | 1 | 2 | 1 | 2 | 2 | 2 | 2 |
| 996 | NA | 1 | 0 | 0 | 3 | 1 | 2 | 2 | 2 | 2 | 2 | 2 |
| 997 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 998 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 999 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 1000 | 4 | 7 | 0 | 0 | 2 | 1 | 2 | 2 | 2 | 2 | 2 | 2 |
RESULTADOS DESCRIPTIVOS
En esta sección se presentan las estadísticas descriptivas de las variables seleccionadas en el estudio. El objetivo es analizar el comportamiento general de los datos, identificar tendencias y observar la dispersión y concentración de las respuestas.
Para ello, se calcularon medidas como la media, mediana y cuartiles de las variables cuantitativas, además de las modas para las variables cualitativas, permitiendo obtener una primera aproximación al comportamiento lector de la población colombiana.
> MEDIDAS DE DISPERSION POR VARIABLE
#MEDIDAS DE DISPERSION POR VARIABLE
summary(Publicaciones2) CantLibrosComp LibrosLeidosFisicos LibrosLeidosDigitales
Min. : 1.000 Min. : 0.00 Min. : 0.000
1st Qu.: 1.000 1st Qu.: 1.00 1st Qu.: 0.000
Median : 2.000 Median : 2.00 Median : 0.000
Mean : 3.289 Mean : 2.57 Mean : 1.259
3rd Qu.: 4.000 3rd Qu.: 3.00 3rd Qu.: 1.000
Max. :160.000 Max. :200.00 Max. :200.000
NA's :17718 NA's :10877 NA's :10877
LibrosLeidosEstudio Frecuencia Gusto RequerimientoTrabajo
Min. : 0.000 Min. :1.000 Min. :1.000 Min. :1.000
1st Qu.: 0.000 1st Qu.:2.000 1st Qu.:1.000 1st Qu.:2.000
Median : 0.000 Median :2.000 Median :1.000 Median :2.000
Mean : 1.441 Mean :2.477 Mean :1.222 Mean :1.865
3rd Qu.: 2.000 3rd Qu.:3.000 3rd Qu.:1.000 3rd Qu.:2.000
Max. :180.000 Max. :6.000 Max. :2.000 Max. :2.000
NA's :10877 NA's :10877 NA's :10877 NA's :10877
ExigenciaEstudio CulturaGeneral DesarrolloPersonal CompartirNinos
Min. :1.000 Min. :1.000 Min. :1.000 Min. :1.000
1st Qu.:1.000 1st Qu.:1.000 1st Qu.:1.000 1st Qu.:2.000
Median :2.000 Median :2.000 Median :2.000 Median :2.000
Mean :1.653 Mean :1.719 Mean :1.658 Mean :1.908
3rd Qu.:2.000 3rd Qu.:2.000 3rd Qu.:2.000 3rd Qu.:2.000
Max. :2.000 Max. :2.000 Max. :2.000 Max. :2.000
NA's :10877 NA's :10877 NA's :10877 NA's :10877
Otro
Min. :1.000
1st Qu.:2.000
Median :2.000
Mean :1.979
3rd Qu.:2.000
Max. :2.000
NA's :10877 Los resultados muestran que la cantidad de libros comprados tiene un promedio de aproximadamente tres libros al año, aunque existe una alta dispersión de máximo 160 libros. Esto indica que, si bien la mayoría compra pocos libros, hay casos excepcionales de personas con un consumo alto de los mismos.
En cuanto a la lectura de libros en formato físico, podemos notar que la media es de aproximadamente tres libros, lo que la diferencia ligeramente del formato digital, pues este, es de aproximadamente un solo libro, lo que podria sugerir que los formatos impresos aun siguen teniendo cierta relevancia en la preferencia de la población Colombiana.
Por otra parte, la lectura con fines educativos o de estudio muestra un comportamiento similar al formato digital, con una media alrededor de un libro, lo que indica que este tipo de lectura no predomina sin embargo se sigue utilizando.
○ MODA VARIABLES CUANTITATIVAS
La moda indica el valor más frecuente observado en cada variable cuantitativa.
Moda de la cantidad de libros comprados
#Moda de la cantidad de libros comprados
mlv(Publicaciones2$CantLibrosComp, method = "mfv", na.rm = TRUE)[1][1] 1Moda de la cantidad de libros fisicos leidos
#Moda de la cantidad de libros fisicos leidos
mlv(Publicaciones2$LibrosLeidosFisicos, method = "mfv", na.rm = TRUE)[1][1] 1Moda de la cantidad de libros digitales leidos
#Moda de la cantidad de libros digitales leidos
mlv(Publicaciones2$LibrosLeidosDigitales, method = "mfv", na.rm = TRUE)[1][1] 0Moda de la cantidad de libros educativos leidos
#Moda de la cantidad de libros educativos leidos
mlv(Publicaciones2$LibrosLeidosEstudio, method = "mfv", na.rm = TRUE)[1][1] 0Esto sugiere que la mayoría de las personas compra y lee un solo libro físico al año, mientras que una proporción considerable no realiza lecturas digitales ni educativas. Este patrón refleja un bajo nivel de lectura promedio en la población, concentrado en formatos impresos.
○ MODA VARIABLES CUALITATIVAS
En cuanto a las variables cualitativas:
Moda de la frecuencia
#Moda de la frecuencia
ModaFrecuencia<-mlv(Publicaciones2$Frecuencia, method = "mfv", na.rm = TRUE)[1]
if (ModaFrecuencia == 2){
print("Varias veces a la semana.")
}[1] "Varias veces a la semana."Moda sobre si leyó por gusto
#Moda sobre si leyo por gusto
ModaGusto<-mlv(Publicaciones2$Gusto, method = "mfv", na.rm = TRUE)[1]
if (ModaGusto == 1) {
print("Sí.")
} else if (ModaGusto == 2) {
print("No.")
}[1] "Sí."Moda sobre si leyo por requerimientos del trabajo
#Moda sobre si leyo por requerimientos del trabajo
ModaRequerimientoTrabajo<-mlv(Publicaciones2$RequerimientoTrabajo, method = "mfv", na.rm = TRUE)[1]
if (ModaRequerimientoTrabajo == 1) {
print("Sí.")
} else if (ModaRequerimientoTrabajo == 2) {
print("No.")
}[1] "No."Moda sobre si leyo por exigencias de estudio
# Moda sobre si leyo por exigencias de estudio
ModaExigenciaEstudio<-mlv(Publicaciones2$ExigenciaEstudio, method = "mfv", na.rm = TRUE)[1]
if (ModaExigenciaEstudio == 1) {
print("Sí.")
} else if (ModaExigenciaEstudio == 2) {
print("No.")
}[1] "No."Moda sobre si leyo por cultura general
# Moda sobre si leyo por cultura general
ModaCulturaGeneral<-mlv(Publicaciones2$CulturaGeneral, method = "mfv", na.rm = TRUE)[1]
if (ModaCulturaGeneral == 1) {
print("Sí.")
} else if (ModaCulturaGeneral == 2) {
print("No.")
}[1] "No."Moda sobre si leyo por desarrollo personal
# Moda sobre si leyo por desarrollo personal
ModaDesarrolloPersonal<-mlv(Publicaciones2$DesarrolloPersonal, method = "mfv", na.rm = TRUE)[1]
if (ModaDesarrolloPersonal == 1) {
print("Sí.")
} else if (ModaDesarrolloPersonal == 2) {
print("No.")
}[1] "No."Moda sobre si leyo compartir con niños
# Moda sobre si leyo compartir con niños
ModaCompartirNinos<-mlv(Publicaciones2$CompartirNinos, method = "mfv", na.rm = TRUE)[1]
if (ModaCompartirNinos == 1) {
print("Sí.")
} else if (ModaCompartirNinos == 2) {
print("No.")
}[1] "No."Moda sobre si leyo por otra razón
# Moda sobre si leyo por otra razón
ModaOtro<-mlv(Publicaciones2$Otro, method = "mfv", na.rm = TRUE)[1]
if (ModaOtro == 1) {
print("Sí.")
} else if (ModaOtro == 2) {
print("No.")
}[1] "No."Se obtuvo una frecuencia de “varias veces a la semana”, indicando que la lectura es constante, por otro lado la mayor motivación es “por gusto”, ya que para los demas motivos (trabajo, estudio, cultura general, desarrollo personal, compartir con niños u otra razón), la moda fue de “No”, evidenciando que para la mayoria la lectura no es una obligación, en cambio, un interés propio.
> GRÁFICAS
A continuación, se presentan representaciones gráficas que permiten visualizar la distribución y relación de las variables analizadas, facilitando la interpretación de las tendencias observadas en los datos.
BOXPLOT - CANTIDAD DE LIBROS COMPRADOS
#BOXPLOT CANTIDAD DE LIBROS COMPRADOS
# Filtramos NAs para evitar problemas en cada gráfico
Publicaciones2 <- Publicaciones2 %>%
mutate(
CantLibrosComp = as.numeric(CantLibrosComp),
LibrosLeidosFisicos = as.numeric(LibrosLeidosFisicos),
LibrosLeidosDigitales = as.numeric(LibrosLeidosDigitales),
LibrosLeidosEstudio = as.numeric(LibrosLeidosEstudio)
)
# Filtramos valores NA
data_box <- Publicaciones %>%
filter(!is.na(CantLibrosComp))
# Creamos el gráfico
g1 <- ggplot(data_box, aes(y = CantLibrosComp)) +
geom_boxplot(fill = "#d62728", alpha = 0.8, outlier.color = "red") +
theme_minimal() +
labs(
y = "Número de libros comprados"
)
ggplotly(g1)La mediana de 2 indica que la mitad de los encuestados compró dos libros o menos .
El rango intercuartílico (IQR = Q3 – Q1 = 3) muestra que el 50% central de los datos se concentra entre 1 y 4 libros , lo que sugiere baja variabilidad entre la mayoría.
Sin embargo, se observan muchos valores atípicos que representan a quienes adquirieron una cantidad mucho mayor al promedio, incluyendo un caso extremo de aproximadamente 160 libros. Este valor distorsiona la escala del gráfico, haciendo que la caja principal se vea muy pequeña y evidenciando una distribución fuertemente sesgada hacia la derecha.
BOXPLOT - LIBROS EN FORMATOS FISICO LEIDOS
#BOXPLOT LIBROS LEIDOS EN FISICO
# Filtramos NAs para evitar problemas en cada gráfico
Publicaciones2 <- Publicaciones2 %>%
mutate(
CantLibrosComp = as.numeric(CantLibrosComp),
LibrosLeidosFisicos = as.numeric(LibrosLeidosFisicos),
LibrosLeidosDigitales = as.numeric(LibrosLeidosDigitales),
LibrosLeidosEstudio = as.numeric(LibrosLeidosEstudio)
)
# Filtramos valores NA
data_box <- Publicaciones %>%
filter(!is.na(LibrosLeidosFisicos))
# Creamos el gráfico
g1 <- ggplot(data_box, aes(y = LibrosLeidosFisicos)) +
geom_boxplot(fill = "#8B5FBF", alpha = 0.8, outlier.color = "red") +
theme_minimal() +
labs(
y = "Libros en formato fisico leidos"
)
ggplotly(g1)La caja del boxplot muestra que la mayoría de las personas leyeron entre 0 y 50 libros en formato físico, concentrándose en los valores más bajos. A partir del valor 50 comienzan a presentarse varios datos atípicos, con casos que alcanzan los 60, 70 y hasta 80 libros leídos. Esto provoca que el gráfico se vea comprimido y la caja principal quede poco visible, reflejando una distribución sesgada hacia la derecha debido a esos valores extremos.
BOXPLOT - LIBROS EN FORMATO DIGITAL LEIDOS
#BOXPLOT LIBROS DIGITALES LEIDOS
# Filtramos NAs para evitar problemas en cada gráfico
Publicaciones2 <- Publicaciones2 %>%
mutate(
CantLibrosComp = as.numeric(CantLibrosComp),
LibrosLeidosFisicos = as.numeric(LibrosLeidosFisicos),
LibrosLeidosDigitales = as.numeric(LibrosLeidosDigitales),
LibrosLeidosEstudio = as.numeric(LibrosLeidosEstudio)
)
# Filtramos valores NA
data_box <- Publicaciones %>%
filter(!is.na(LibrosLeidosDigitales))
# Creamos el gráfico
g1 <- ggplot(data_box, aes(y = LibrosLeidosDigitales)) +
geom_boxplot(fill = "#2ca02c", alpha = 0.8, outlier.color = "red") +
theme_minimal() +
labs(
y = "Libros Digitales Leidos"
)
ggplotly(g1)El gráfico presenta una clara asimetría hacia la derecha, La mediana igual a 0 indica que la mayoría de los encuestados no leyó libros digitales .
El rango intercuartílico (1) muestra baja variabilidad entre quienes sí leen, y existen varios valores atípicos altos, lo que evidencia que una minoría muy pequeña lee una cantidad considerable de libros digitales , mientras que el resto prácticamente no lo hace.
BOXPLOT - LIBROS ACADÉMICOS LEIDOS
#BOXPLOT LIBROS ACADEMICOS LEIDOS
# Filtramos NAs para evitar problemas en cada gráfico
Publicaciones2 <- Publicaciones2 %>%
mutate(
CantLibrosComp = as.numeric(CantLibrosComp),
LibrosLeidosFisicos = as.numeric(LibrosLeidosFisicos),
LibrosLeidosDigitales = as.numeric(LibrosLeidosDigitales),
LibrosLeidosEstudio = as.numeric(LibrosLeidosEstudio)
)
# Filtramos valores NA
data_box <- Publicaciones %>%
filter(!is.na(LibrosLeidosEstudio))
# Creamos el gráfico
g1 <- ggplot(data_box, aes(y = LibrosLeidosEstudio)) +
geom_boxplot(fill = "#0073C2FF", alpha = 0.8, outlier.color = "red") +
theme_minimal() +
labs(
y = "Libros Academicos leidos"
)
ggplotly(g1)La distribución es claramente asimétrica hacia la derecha, con una gran concentración de personas que leen pocos libros académicos y unos pocos casos que reportan cantidades muy elevadas. Estos valores atípicos amplían la escala del gráfico, haciendo que la caja principal se vea comprimida y evidenciando una fuerte diferencia entre el comportamiento general y los casos extremos.
BOXPLOT COMPARATIVO - VARIABLES CUANTITATIVAS
datos_long <- Publicaciones %>%
select(CantLibrosComp, LibrosLeidosFisicos, LibrosLeidosDigitales, LibrosLeidosEstudio) %>%
pivot_longer(cols = everything(), names_to = "Variable", values_to = "Valor") %>%
drop_na(Valor)
# Gráfico con ggplot
g_box <- ggplot(datos_long, aes(x = Variable, y = Valor, fill = Variable)) +
geom_boxplot(alpha = 0.8, outlier.color = "red") +
theme_minimal() +
labs(
x = "Variable",
y = "Cantidad de libros"
) +
theme(
legend.position = "none",
axis.text.x = element_text(angle = 25, hjust = 1)
)
# Convertimos a Plotly
ggplotly(g_box)De manera general, el boxplot comparativo evidencia que todas las variables presentan una tendencia similar, caracterizada por una alta concentración de valores en rangos bajos y la presencia de valores atípicos hacia la derecha, lo que indica que solo unas pocas personas reportan cifras mucho más altas que el promedio.
Entre las cuatro variables, se observa que las lecturas en formato digital y académico muestran una mayor dispersión y más casos extremos, lo que sugiere comportamientos más variados entre los participantes. En contraste, las variables libros físicos leídos y libros comprados presentan una dispersión más moderada, aunque mantienen el mismo patrón de asimetría.
En conjunto, el gráfico refleja que la mayoría de los participantes tiene un nivel de compra y lectura relativamente bajo, mientras que unos pocos destacan por consumir o leer cantidades considerablemente mayores, especialmente en formato digital.
Esto evidencia una distribución desigual del hábito lector, donde predominan valores bajos con algunos casos excepcionales que elevan la media general.
GRÁFICO DE TORTAS - LEYO POR GUSTO
# Conversión de variables etiquetadas a factor
Publicaciones2 <- Publicaciones2 %>%
mutate(
Frecuencia = as_factor(Frecuencia),
Gusto = as_factor(Gusto)
)
# Librerías
library(plotly)
library(dplyr)
# Filtrar los "null" y NA solo para el gráfico
df_pie <- Publicaciones2 %>%
filter(!is.na(Gusto) & Gusto != "null" & Gusto != "") %>% # 🔹 elimina null y vacíos
count(Gusto) %>%
mutate(
pct = n / sum(n) * 100,
etiqueta = paste0(Gusto, ": ", round(pct, 1), "%")
)
# Gráfico
plot_ly(
df_pie,
labels = ~Gusto,
values = ~pct,
type = 'pie',
textinfo = 'label+percent',
insidetextorientation = 'radial',
marker = list(colors = c('#0073C2FF', '#EFC000FF'))
) %>%
layout(title = "")Del gráfico podemos concluir que la mayoría de los encuestados lee principalmente por gusto personal, lo cual sugiere una alta motivación hacia la lectura e impulsa el hábito lector sin necesidad de factores externos.
GRÁFICO DE TORTAS - LEYO POR REQUERIMIENTO DEL TRABAJO
# Conversión de variables etiquetadas a factor
Publicaciones2 <- Publicaciones2 %>%
mutate(
RequerimientoTrabajo = as_factor(RequerimientoTrabajo)
)
# Librerías
library(plotly)
library(dplyr)
# Filtrar los "null" y NA solo para el gráfico
df_pie <- Publicaciones2 %>%
filter(!is.na(RequerimientoTrabajo) & Gusto != "null" & RequerimientoTrabajo != "") %>% # 🔹 elimina null y vacíos
count(RequerimientoTrabajo) %>%
mutate(
pct = n / sum(n) * 100,
etiqueta = paste0(RequerimientoTrabajo, ": ", round(pct, 1), "%")
)
# Gráfico
plot_ly(
df_pie,
labels = ~RequerimientoTrabajo,
values = ~pct,
type = 'pie',
textinfo = 'label+percent',
insidetextorientation = 'radial',
marker = list(colors = c('#0073C2FF', '#EFC000FF'))
) %>%
layout(title = "")Con el 13.5% de la población se puede decir que una minoría lee por requisitos laborales, por lo que se puede pensar que la lectura no suele estar asociada al entorno profesionial.
GRÁFICO DE TORTAS - LEYO POR EXIGENCIA DE ESTUDIO
# Conversión de variables etiquetadas a factor
Publicaciones2 <- Publicaciones2 %>%
mutate(
ExigenciaEstudio = as_factor(ExigenciaEstudio)
)
# Librerías
library(plotly)
library(dplyr)
# Filtrar los "null" y NA solo para el gráfico
df_pie <- Publicaciones2 %>%
filter(!is.na(ExigenciaEstudio) & Gusto != "null" & ExigenciaEstudio != "") %>% # 🔹 elimina null y vacíos
count(ExigenciaEstudio) %>%
mutate(
pct = n / sum(n) * 100,
etiqueta = paste0(ExigenciaEstudio, ": ", round(pct, 1), "%")
)
# Gráfico
plot_ly(
df_pie,
labels = ~ExigenciaEstudio,
values = ~pct,
type = 'pie',
textinfo = 'label+percent',
insidetextorientation = 'radial',
marker = list(colors = c('#0073C2FF', '#EFC000FF'))
) %>%
layout(title = "")Del gráfico el 34.7% refleja que la lectura por obligación educativa tiene cierta relevancia, pero no domina el comportamiento del lector.
GRÁFICO DE TORTAS - LEYO POR CULTURA GENERAL
# Conversión de variables etiquetadas a factor
Publicaciones2 <- Publicaciones2 %>%
mutate(
CulturaGeneral = as_factor(CulturaGeneral)
)
# Librerías
library(plotly)
library(dplyr)
# Filtrar los "null" y NA solo para el gráfico
df_pie <- Publicaciones2 %>%
filter(!is.na(CulturaGeneral) & Gusto != "null" & CulturaGeneral != "") %>% # 🔹 elimina null y vacíos
count(CulturaGeneral) %>%
mutate(
pct = n / sum(n) * 100,
etiqueta = paste0(CulturaGeneral, ": ", round(pct, 1), "%")
)
# Gráfico
plot_ly(
df_pie,
labels = ~CulturaGeneral,
values = ~pct,
type = 'pie',
textinfo = 'label+percent',
insidetextorientation = 'radial',
marker = list(colors = c('#0073C2FF', '#EFC000FF'))
) %>%
layout(title = "")De la población unicamente el 28.1% lee por cultura general, evidenciando un bajo interes por este tipo de lectura.
GRÁFICO DE TORTAS - LEYO POR DESARROLLO PERSONAL
# Conversión de variables etiquetadas a factor
Publicaciones2 <- Publicaciones2 %>%
mutate(
DesarrolloPersonal = as_factor(DesarrolloPersonal)
)
# Librerías
library(plotly)
library(dplyr)
# Filtrar los "null" y NA solo para el gráfico
df_pie <- Publicaciones2 %>%
filter(!is.na(DesarrolloPersonal) & Gusto != "null" & DesarrolloPersonal != "") %>% # 🔹 elimina null y vacíos
count(DesarrolloPersonal) %>%
mutate(
pct = n / sum(n) * 100,
etiqueta = paste0(DesarrolloPersonal, ": ", round(pct, 1), "%")
)
# Gráfico
plot_ly(
df_pie,
labels = ~DesarrolloPersonal,
values = ~pct,
type = 'pie',
textinfo = 'label+percent',
insidetextorientation = 'radial',
marker = list(colors = c('#0073C2FF', '#EFC000FF'))
) %>%
layout(title = "")Para el desarrollo personal se puede apreciar que el 34.2% de las personas estan interesadas en el aprendizaje y la mejora continua.
GRÁFICO DE TORTAS - LEYO POR COMPARTIR CON NIÑOS
# Conversión de variables etiquetadas a factor
Publicaciones2 <- Publicaciones2 %>%
mutate(
CompartirNinos = as_factor(CompartirNinos)
)
# Librerías
library(plotly)
library(dplyr)
# Filtrar los "null" y NA solo para el gráfico
df_pie <- Publicaciones2 %>%
filter(!is.na(CompartirNinos) & Gusto != "null" & CompartirNinos != "") %>% # 🔹 elimina null y vacíos
count(CompartirNinos) %>%
mutate(
pct = n / sum(n) * 100,
etiqueta = paste0(CompartirNinos, ": ", round(pct, 1), "%")
)
# Gráfico
plot_ly(
df_pie,
labels = ~CompartirNinos,
values = ~pct,
type = 'pie',
textinfo = 'label+percent',
insidetextorientation = 'radial',
marker = list(colors = c('#0073C2FF', '#EFC000FF'))
) %>%
layout(title = "")En cuanto a compartir con niños, 90.8% no muestra interes en realizar esta actividad, Esto podría deberse a que la mayoría no tiene hijos o no realiza actividades de lectura conjunta.
GRÁFICO DE TORTAS - LEYO POR OTRAS RAZONES
# Conversión de variables etiquetadas a factor
Publicaciones2 <- Publicaciones2 %>%
mutate(
Otro = as_factor(Otro)
)
# Librerías
library(plotly)
library(dplyr)
# Filtrar los "null" y NA solo para el gráfico
df_pie <- Publicaciones2 %>%
filter(!is.na(Otro) & Gusto != "null" & Otro != "") %>% # 🔹 elimina null y vacíos
count(Otro) %>%
mutate(
pct = n / sum(n) * 100,
etiqueta = paste0(Otro, ": ", round(pct, 1), "%")
)
# Gráfico
plot_ly(
df_pie,
labels = ~Otro,
values = ~pct,
type = 'pie',
textinfo = 'label+percent',
insidetextorientation = 'radial',
marker = list(colors = c('#0073C2FF', '#EFC000FF'))
) %>%
layout(title = "")El porcentaje de quienes leen por otras razones es muy bajo, lo que muestra que casi todas las motivaciones lectoras están cubiertas por las categorías anteriores.
En conjunto, los gráficos muestran que las principales motivaciones para leer son el gusto personal (77,8%) , seguido por el desarrollo personal (34,2%) y las exigencias de estudio (34,7%). Esto sugiere que la lectura es, en gran medida, una actividad voluntaria y relacionada con el interés propio, más que con necesidades laborales o familiares.
GRÁFICO DE BARRAS - FRECUENCIA DE LECTURA
library(ggplot2)
library(plotly)
# Gráfico de Frecuencia de lectura
g_frec <- ggplot(Publicaciones2, aes(x = Frecuencia, fill = Frecuencia)) +
geom_bar(alpha = 0.8) +
theme_minimal() +
labs(
x = "Categoría", y = "Número de personas") +
theme(
legend.position = "none",
axis.text.x = element_text(angle = 45, hjust = 1)
)
ggplotly(g_frec)El gráfico muestra que la mayoría de las personas lee con una frecuencia constante, ya que la categoría “varias veces a la semana” concentra el mayor número de participantes, con una diferencia notable frente a las demás categorías. En contraste, los grupos que leen todos los días o varias veces a la semana son considerablemente menores, aunque representan un segmento activo y constante en el hábito lector.
Asimismo, se observa una disminución progresiva en la frecuencia conforme aumenta la regularidad de lectura, lo que indica que leer de manera frecuente no es una práctica común en la mayoría de la población. En general, el gráfico refleja una tendencia hacia la lectura ocasional, con pocos individuos que mantienen una rutina de lectura continua.
RESULTADOS DEL MODELO
> GRÁFICOS DE CORRELACIÓN
CANTIDAD DE LIBROS COMPRADOS VS LIBROS EN FORMATO FÍSICO LEIDOS
ggplot(Publicaciones2, aes(x=LibrosLeidosFisicos, y=CantLibrosComp))+
geom_point()
En base a esta gráfica se puede decir que la relación entre las dos variables tiene una forma lineal con dirección positiva, cuya fuerza es mas o menos homogenea.
VALOR DE LA CORRELACIÓN
cor(Publicaciones2$LibrosLeidosFisicos,Publicaciones2$CantLibrosComp,
use = "complete.obs")[1] 0.7428389Ademas, con un valor de 0.74 se confirma que la correlación entre la cantidad de libros comprados en los ultimos 12 meses y los libros leidos en formato físico tienen una corrrelación positiva intensa.
CANTIDAD DE LIBROS COMPRADOS VS LIBROS EN FORMATO DIGITAL LEIDOS
ggplot(Publicaciones2, aes(x = LibrosLeidosDigitales, y=CantLibrosComp))+
geom_point()
En base a la gráfica se puede decir que la relación entre los libros comprados y los libros leidos en formato digital tiene una forma lineal con dirección positiva, cuya fuerza es mas o menos homogenea.
VALOR DE LA CORRELACIÓN
cor(Publicaciones2$LibrosLeidosDigitales,Publicaciones2$CantLibrosComp,
use = "complete.obs")[1] 0.2062102Sin embargo, con un valor de 0.21 la correlación entre las variables mecionadas tienen una corrrelación positiva debil.
CANTIDAD DE LIBROS COMPRADOS VS LIBROS ACADEMICOS LEIDOS
ggplot(Publicaciones2, aes(x = LibrosLeidosEstudio, y=CantLibrosComp))+
geom_point()
En base a la gráfica se puede decir que la relación entre los libros comprados y los libros académicos leidos tiene una forma lineal con dirección positiva, cuya fuerza es mas o menos homogenea.
VALOR DE LA CORRELACIÓN
cor(Publicaciones2$LibrosLeidosEstudio,Publicaciones2$CantLibrosComp,
use = "complete.obs")[1] 0.3335497Con un valor de 0.33, al igual que en el anterior caso, la correlación entre las variables mecionadas tienen una corrrelación positiva debil.
> MODELO LINEAL
FrecuenciaModelo <- factor(Publicaciones2$Frecuencia)
GustoModelo <- factor(Publicaciones2$Gusto)
RequerimientoTrabajoModelo <- factor(Publicaciones2$RequerimientoTrabajo)
ExigenciaEstudioModelo <- factor(Publicaciones2$ExigenciaEstudio)
CulturaGeneralModelo <- factor(Publicaciones2$CulturaGeneral)
DesarrolloPersonalModelo <- factor(Publicaciones2$DesarrolloPersonal)
CompartirNinosModelo <- factor(Publicaciones2$CompartirNinos)
OtroModelo <- factor(Publicaciones2$Otro)
FrecuenciaModelo2 <- as.factor(FrecuenciaModelo)
GustoModelo2 <- as.factor(GustoModelo)
RequerimientoTrabajoModelo2 <- as.factor(RequerimientoTrabajoModelo)
ExigenciaEstudioModelo2 <- as.factor(ExigenciaEstudioModelo)
CulturaGeneralModelo2 <- as.factor(CulturaGeneralModelo)
DesarrolloPersonalModelo2 <- as.factor(DesarrolloPersonalModelo)
CompartirNinosModelo2 <- as.factor(CompartirNinosModelo)
OtroModelo2 <- as.factor(OtroModelo)
ModeloLineal <- lm(CantLibrosComp ~ LibrosLeidosFisicos +
LibrosLeidosDigitales +
LibrosLeidosEstudio +
FrecuenciaModelo2+
GustoModelo2 +
RequerimientoTrabajoModelo2 +
ExigenciaEstudioModelo2+
CulturaGeneralModelo2 +
DesarrolloPersonalModelo2 +
CompartirNinosModelo2 +
OtroModelo2,
data = Publicaciones2)
summary(ModeloLineal)
Call:
lm(formula = CantLibrosComp ~ LibrosLeidosFisicos + LibrosLeidosDigitales +
LibrosLeidosEstudio + FrecuenciaModelo2 + GustoModelo2 +
RequerimientoTrabajoModelo2 + ExigenciaEstudioModelo2 + CulturaGeneralModelo2 +
DesarrolloPersonalModelo2 + CompartirNinosModelo2 + OtroModelo2,
data = Publicaciones2)
Residuals:
Min 1Q Median 3Q Max
-43.149 -0.658 -0.152 0.469 95.632
Coefficients:
Estimate Std. Error t value
(Intercept) 0.49001 0.42848 1.144
LibrosLeidosFisicos 0.67893 0.01137 59.708
LibrosLeidosDigitales 0.08657 0.01505 5.751
LibrosLeidosEstudio -0.07824 0.01630 -4.799
FrecuenciaModelo2Varias veces a la semana -0.16115 0.14760 -1.092
FrecuenciaModelo2Una vez a la semana -0.34110 0.18525 -1.841
FrecuenciaModelo2Una vez al mes -0.29888 0.21915 -1.364
FrecuenciaModelo2Una vez cada tres meses -0.33045 0.26932 -1.227
FrecuenciaModelo2Por lo menos una vez al año -0.27265 0.36962 -0.738
GustoModelo2No 0.18758 0.16451 1.140
RequerimientoTrabajoModelo2No -0.16860 0.14751 -1.143
ExigenciaEstudioModelo2No -0.11008 0.12968 -0.849
CulturaGeneralModelo2No 0.14226 0.14683 0.969
DesarrolloPersonalModelo2No -0.16568 0.14021 -1.182
CompartirNinosModelo2No -0.29817 0.17663 -1.688
OtroModelo2No 0.92351 0.37093 2.490
Pr(>|t|)
(Intercept) 0.2529
LibrosLeidosFisicos < 0.0000000000000002 ***
LibrosLeidosDigitales 0.00000000953 ***
LibrosLeidosEstudio 0.00000165759 ***
FrecuenciaModelo2Varias veces a la semana 0.2750
FrecuenciaModelo2Una vez a la semana 0.0657 .
FrecuenciaModelo2Una vez al mes 0.1727
FrecuenciaModelo2Una vez cada tres meses 0.2199
FrecuenciaModelo2Por lo menos una vez al año 0.4608
GustoModelo2No 0.2542
RequerimientoTrabajoModelo2No 0.2531
ExigenciaEstudioModelo2No 0.3960
CulturaGeneralModelo2No 0.3327
DesarrolloPersonalModelo2No 0.2374
CompartirNinosModelo2No 0.0915 .
OtroModelo2No 0.0128 *
---
Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
Residual standard error: 3.551 on 3889 degrees of freedom
(17884 observations deleted due to missingness)
Multiple R-squared: 0.5581, Adjusted R-squared: 0.5564
F-statistic: 327.4 on 15 and 3889 DF, p-value: < 0.00000000000000022Análisis de los residuos:
Mínimo (-43.149): El modelo subestimó en 43 libros el valor real en el peor de los casos, es decir, hubo al menos una persona que compró muchos más libros de lo que el modelo predijo.
Máximo (95.632): El modelo se sobreestimó en casi 96 libros en el caso más extremo, es decir, predijo un valor mucho mayor al real para algunas personas.
Mediana (-0.152): Es el residuo central, como está muy cerca de cero, significa que el modelo no tiene un sesgo sistemático, o sea, no tiende a sobreestimar ni subestimar los valores en general.
1Q y 3Q (-0.658 y 0.469): La mayoría de los residuos se encuentran entre esos valores, eso indica que la mayoría de las predicciones están bastante cerca de los valores reales, lo cual es positivo.
Cada uno de los coeficientes estimados en el modelo representa el efecto promedio que tiene cada variable independiente sobre la cantidad de libros comprados, manteniendo las demás constantes. A continuación se interpretan los resultados más relevantes:
(Intercept) = 0.4901, p = 0.2529
El intercepto representa el valor promedio estimado de libros comprados cuando todas las variables independientes valen cero.
Aunque su valor es positivo, no es estadísticamente significativo (p > 0.05), por lo tanto, no se puede afirmar que tenga un efecto real en el modelo, en otras palabras, el punto de partida del modelo no aporta información relevante.
LibrosLeidosFisicos = 0.6789, p < 0.001 (* Altamente significativo)**
Esta variable es la más influyente y significativa del modelo.
El coeficiente positivo indica que por cada libro físico leído, se incrementa en promedio 0.68 la cantidad de libros comprados.
Esto sugiere una relación directa y fuerte entre el hábito de leer libros físicos y la compra de nuevos ejemplares.
LibrosLeidosDigitales = 0.0866, p < 0.001 (* Altamente significativo)**
También muestra un efecto positivo y significativo.
Por cada libro digital leído, la cantidad de libros comprados aumenta en promedio 0.0866.
Aunque el impacto es menor que el de los libros físicos, la significancia estadística demuestra que el consumo de lecturas digitales también fomenta la compra de libros, posiblemente porque amplía el interés por la lectura.
LibrosLeidosEstudio = -0.0782, p < 0.001 (* Altamente significativo)**
Tiene un efecto negativo y significativo, esto significa que a medida que aumenta la cantidad de libros de estudio leídos, disminuye ligeramente la cantidad de libros comprados.
FrecuenciaModelo2 (2 - 6) – No significativos
Las variables FrecuenciaModelo22 a FrecuenciaModelo26 presentan valores p superiores a 0.05, lo cual indica que no existe evidencia estadística de que la frecuencia con la que se aplica cada modelo afecte significativamente la cantidad de libros comprados, aunque los coeficientes son en su mayoría negativos, su falta de significancia impide establecer conclusiones sólidas, esto podría interpretarse como que la frecuencia de ciertas actividades o hábitos no necesariamente influye en la decisión de compra.
GustoModelo22 = 0.1857, p = 0.254
Tiene un coeficiente positivo, lo que sugiere una posible tendencia a comprar más libros entre quienes manifiestan mayor gusto por leer.
Sin embargo, su valor p (0.25) muestra que no es estadísticamente significativo, por lo que no se puede afirmar que el gusto por la lectura sea un factor determinante en la compra de libros dentro de esta muestra.
RequerimientoTrabajoModelo22 = -0.1686, p = 0.253
Presenta un coeficiente negativo, aunque no significativo, esto indica que las exigencias laborales relacionadas con la lectura no tienen un efecto claro en la compra de libros, posiblemente porque el material laboral o técnico suele ser proporcionado por las empresas o adquirido por otras vías.
ExigenciaEstudioModelo22 = -0.1008, p = 0.396
Negativo y no significativo, sugiere que la exigencia académica o el nivel de estudio no influye de manera directa en la compra de libros, lo cual coincide con la interpretación de “LibrosLeidosEstudio”, donde se observó una relación negativa.
CulturaGeneralModelo22 = 0.1422, p = 0.237
Coeficiente positivo pero no significativo, indica que una mayor búsqueda de cultura general podría asociarse con una mayor compra de libros, pero no hay evidencia estadística suficiente para confirmarlo.
DesarrolloPersonalModelo22 = -0.0985, p = 0.237
Aunque el coeficiente es negativo, no existe significancia estadística, lo que sugiere que el desarrollo personal percibido no explica la variación en la compra de libros.
CompartirNinosModelo22 = -0.2926, p = 0.0915
Tiene un efecto negativo marginalmente significativo (p ≈ 0.09), esto sugiere que quienes comparten actividades con niños tienden a comprar ligeramente menos libros, posiblemente porque el tiempo destinado a la lectura personal disminuye.
OtroModelo22 = 0.9235, p = 0.0128 (*)
Es significativo y positivo, indica que las personas clasificadas dentro del modelo “OtroModelo2” compran en promedio casi un libro más que las demás (0.92 libros adicionales), esto demuestra que este grupo tiene un comportamiento de compra de libros notablemente distinto y más activo.
El modelo lineal explica aproximadamente el 55.8% de la variabilidad en la cantidad de libros comprados en un año (Multiple R-squared: 0.5581). Este valor sugiere que las variables incluidas en el modelo, como la cantidad de libros leídos en formato físico y digital, libros leídos para estudio, así como variables relacionadas con la frecuencia, y las motivaciones, tienen un buen poder explicativo sobre la compra de libros.
Al considerar el número de variables predictoras, el R-cuadrado ajustado es de 0.5564, lo cual indica que el modelo mantiene un buen nivel de ajuste sin sobreajustarse. Es decir, la inclusión de estas variables no genera ruido innecesario.
Además, el estadístico F (327.4 con 15 y 3889 grados de libertad) y su p-valor extremadamente bajo (p < 0.00000000000000022) indican que el modelo es estadísticamente significativo en su conjunto.
> EVALUACION DE SUPUESTOS
La regresión lineal asume que los datos deben cumplir los siguientes supuestos, que se verifican analizando el patron de distribución de los residuos:
- Linealidad: La relación entre la variable dependiente (Y) y la variable independiente (X) debe ser lineal
- Normalidad de los residuos: Los residuos deben tener una distribución normal.
- Homocedasticidad (varianza de los residuos): Los residuos deben tener una varianza constante.
○ LINEALIDAD
plot(ModeloLineal)
Al analizar los gráficos de diagnóstico del modelo lineal, se observa que:
- El supuesto de linealidad se cumple parcialmente, aunque hay cierta tendencia en los residuos que podría indicar un ajuste no perfecto.
- El gráfico Q-Q muestra que los residuos no siguen perfectamente una distribución normal, especialmente en los extremos (colas pesadas), aunque el tamaño grande de la muestra mitiga en parte este problema.
- Se identifica presencia de heterocedasticidad, ya que la variabilidad de los residuos aumenta con los valores ajustados.
- Existen algunos valores atípicos e influyentes (como los casos 6526, 1973, 10237 y 18723), que podrían estar afectando el ajuste del modelo.
○ NORMALIDAD
lillie.test(ModeloLineal$residuals)
Lilliefors (Kolmogorov-Smirnov) normality test
data: ModeloLineal$residuals
D = 0.23907, p-value < 0.00000000000000022H0: Los datos son normales.
H1: Los datos no son normales.
si p-value < 0.05 rechazamos H0.
Teniendo en cuenta que nuestra p-value < 0.00000000000000022 se rechaza la hipótesis nula de normalidad, indicando que los datos no provienen de una distribución normal.
○ HOMOCEDASTICIDAD (VARIANZA CONSTANTE)
bptest(ModeloLineal)
studentized Breusch-Pagan test
data: ModeloLineal
BP = 243.07, df = 15, p-value < 0.00000000000000022H0: Varianza constante.
H1: Varianza no constante.
si p-value < 0.05 rechazamos H0.
Teniendo en cuenta que nuestra p-value < 0.00000000000000022 se rechaza la hipótesis nula de homocedasticidad. Esto significa que el modelo presenta heterocedasticidad
Una vez analizada la linealidad, normalidad y homoedasticidad, llegamos a la conclusion de que nuestro modelo no cumple la inferencia, pues no se cumple normalidad y homoedasticidad, unicamente linealidad.
○ MULTICOLINEALIDAD
vif(ModeloLineal) GVIF Df GVIF^(1/(2*Df))
LibrosLeidosFisicos 1.407875 1 1.186539
LibrosLeidosDigitales 2.223386 1 1.491102
LibrosLeidosEstudio 2.784677 1 1.668735
FrecuenciaModelo2 1.109035 5 1.010403
GustoModelo2 1.231858 1 1.109891
RequerimientoTrabajoModelo2 1.078267 1 1.038396
ExigenciaEstudioModelo2 1.236278 1 1.111880
CulturaGeneralModelo2 1.550690 1 1.245267
DesarrolloPersonalModelo2 1.475799 1 1.214825
CompartirNinosModelo2 1.082532 1 1.040448
OtroModelo2 1.011551 1 1.005759