Dinámicas temporales y espaciales del cultivo de café en Colombia

Descripción de la base de datos

El análisis utilizó la información proveniente de las Evaluaciones Agropecuarias Municipales (EVA), disponibles en el portal oficial de datos abiertos del Gobierno de Colombia:

https://www.datos.gov.co/Agricultura-y-Desarrollo-Rural

El conjunto de datos está conformado por dos bases independientes, cada una correspondiente a distintos periodos de consolidación:

• EVA 2007–2018: 206.068 registros
  
• EVA 2018–2024: 141.073 registros

Ambos archivos fueron descargados por separado, unificados y armonizados en una única base consolidada. Para ello fue necesario realizar un proceso de depuración, estandarización y tratamiento de datos, que incluyó:

• Normalización de nombres (eliminación de tildes, conversión a mayúsculas, limpieza de caracteres especiales),
  
• Homologación de llaves geográficas mediante código DANE (municipal y departamental),
  
• Verificación y conversión de tipos de dato,
  
• Eliminación de duplicados cuando aplicaba,
  
• Integración de estructuras variables entre ambos periodos,
  
• Filtrado específico del cultivo de interés (café).

Tras este proceso, se obtuvo una base homogénea y consistente, adecuada para llevar a cabo el análisis temporal, espacial y productivo del cultivo de café a nivel municipal y departamental en Colombia.

1. Evolución del Área Sembrada de Café por Año

El siguiente gráfico muestra la evolución del área sembrada de café en Colombia entre 2007 y 2023. La tendencia general evidencia cuatro fases claras en el comportamiento del cultivo:

1. Crecimiento sostenido (2007–2013):
   Se observa un incremento continuo del área sembrada, pasando de valores cercanos a 860.000 hectáreas en 2007 a un máximo aproximado de 1 millón de hectáreas en 2013. Este comportamiento coincide con los procesos de renovación cafetera adelantados en el país durante esos años.

2. Estabilización y ligero descenso (2013–2017):
   Tras el pico de 2013, el área cultivada presenta una leve reducción y se mantiene alrededor de 930.000 hectáreas, reflejando un periodo de ajuste después de la expansión.

3. Reducción marcada (2017–2021):
   A partir de 2017 se evidencia una disminución más pronunciada del área sembrada, alcanzando niveles cercanos a 870.000 hectáreas hacia 2020–2021. Este comportamiento puede asociarse a fluctuaciones en precios, sustitución de cultivos o decisiones locales de manejo agrícola.

4. Estabilidad reciente (2021–2023):
   En los últimos años, el área sembrada se mantiene relativamente estable entre 865.000 y 870.000 hectáreas, indicando una fase de consolidación.

En conjunto, la serie temporal muestra un ciclo completo: expansión → estabilización → contracción → estabilidad, útil para comprender la dinámica espacial y temporal del cultivo de café en Colombia.

2. Evolución de la Producción de Café por Año

El gráfico siguiente representa la variación de la producción total de café en Colombia entre 2007 y 2023. La serie evidencia un comportamiento más fluctuante que el área sembrada, con cinco etapas principales:

1. Disminución inicial (2007–2012):
   La producción desciende desde valores próximos a 850.000–900.000 toneladas hasta un mínimo cercano a 650.000 toneladas en 2012. Este periodo coincide con afectaciones por el fenómeno de La Niña, problemas fitosanitarios como la roya y procesos de renovación que reducen temporalmente el rendimiento.

2. Recuperación acelerada (2012–2015):
   Desde 2013 se observa una recuperación sostenida, alcanzando nuevamente niveles superiores a 800.000 toneladas hacia 2015, favorecida por cafetales renovados y mejores condiciones climáticas.

3. Estabilidad en niveles altos (2015–2019):
   Durante este periodo, la producción se mantiene entre 820.000 y 880.000 toneladas, alcanzando su máximo cerca de 900.000 toneladas en 2019, lo que refleja una etapa de consolidación productiva.

4. Descenso reciente (2020–2021):
   Se aprecia una caída asociada posiblemente a restricciones derivadas de la pandemia, aumentos en los costos de insumos y cambios climáticos que afectaron la productividad.

5. Recuperación leve (2022–2023):
   Aunque no se alcanzan los niveles del periodo 2015–2019, se observa un pequeño repunte en 2023, estabilizando la producción alrededor de 730.000–760.000 toneladas.

En conjunto, la evolución muestra un ciclo completo: caída → recuperación → estabilidad → descenso → ligera recuperación, útil para comprender la dinámica temporal de la caficultura colombiana.

3. Mapa de la producción de café por departamento

3.1. Tabla de producción de café por departamento

Interpretación de la Producción de Café por Departamento

La distribución espacial de la producción de café en Colombia muestra una clara concentración en los departamentos del Eje Cafetero y del sur occidente andino. Según los resultados, Huila ocupa el primer lugar con 2.20 millones de toneladas, seguido de Antioquia con 1.94 millones y Tolima con 1.54 millones, consolidándose como los principales aportantes al total nacional.

Departamentos como Cauca (1.22 millones) y Caldas (1.14 millones) mantienen una producción elevada y estable, apoyada en condiciones agroclimáticas favorables y una larga tradición cafetera. Otros territorios como Valle del Cauca, Risaralda, Santander, Cundinamarca y Nariño presentan aportes significativos que completan el núcleo cafetero del país.

En conjunto, estos resultados reflejan que la producción se concentra en regiones con ventajas en altitud, clima, suelos y tecnificación, además de contar con una fuerte organización institucional y procesos de renovación continua. Esta concentración geográfica subraya la relevancia estratégica del Eje Cafetero ampliado y de los departamentos del sur andino para la caficultura nacional.

Producción de café por departamento

Departamento	Producción total (ton)	Producción (millones de ton)
HUILA	2196323.95	2.20
ANTIOQUIA	1936479.19	1.94
TOLIMA	1541138.17	1.54
CAUCA	1215489.98	1.22
CALDAS	1141907.39	1.14
VALLE DEL CAUCA	923441.67	0.92
RISARALDA	805313.94	0.81
SANTANDER	653870.29	0.65
CUNDINAMARCA	557031.97	0.56
NARINO	531848.13	0.53
QUINDIO	341020.29	0.34
NORTE DE SANTANDER	302123.97	0.30
CESAR	292205.83	0.29
MAGDALENA	216031.14	0.22
BOYACA	138464.05	0.14
LA GUAJIRA	52153.84	0.05
CAQUETA	49307.84	0.05
META	39256.08	0.04
CASANARE	32640.44	0.03
BOLIVAR	12937.96	0.01
CHOCO	2440.18	0.00
PUTUMAYO	1802.17	0.00
ARAUCA	300.85	0.00
CORDOBA	0.00	0.00
GUAVIARE	0.00	0.00
SUCRE	0.00	0.00

4. Mapa de la producción de café por municipio

4.1. Tabla de producción de café por municipio

Interpretación de la Producción de Café por Municipio

Los diez municipios con mayor producción de café en Colombia muestran una marcada concentración geográfica de la actividad cafetera, destacando principalmente los departamentos de Huila, Tolima, Antioquia, Risaralda y Caldas.

Huila como líder nacional

Cuatro de los diez primeros municipios pertenecen al departamento de Huila, consolidando su rol como principal productor del país.
Pitalito encabeza la lista con 287.15 mil toneladas, seguido de Acevedo (222.56 mil ton), La Plata (164.56 mil ton) y Garzón (157.81 mil ton). Las condiciones de altitud, la adopción de variedades mejoradas y la fuerte orientación hacia cafés especiales explican este liderazgo.

Tolima en el sur andino

El departamento del Tolima aporta dos municipios: Planadas (191.73 mil ton) y Ataco (134.00 mil ton). Ambos se han posicionado como productores de café de alta calidad, particularmente en regiones de montaña con microclimas estables.

Antioquia: tradición productiva

Ciudad Bolívar (154.32 mil ton) y Andes (151.96 mil ton) representan la tradición cafetera antioqueña, apoyada en suelos fértiles, amplias áreas cultivadas y una estructura productiva consolidada.

Eje Cafetero tradicional

Finalmente, Belén de Umbría en Risaralda (132.50 mil ton) y Manizales en Caldas (125.61 mil ton) aportan significativamente a la producción nacional, respaldando el peso histórico del Eje Cafetero en la caficultura del país.

En conjunto, estos resultados evidencian que la producción se concentra en territorios con condiciones agroclimáticas óptimas, fuerte tradición cafetera y altos niveles de tecnificación, configurando un corredor estratégico para la caficultura colombiana.

Producción total de café por municipio y departamento

Municipio	Departamento	Codigo_DANE	Producción (ton)	Producción (miles de ton)
PITALITO	HUILA	41551	287155.00	287.15
ACEVEDO	HUILA	41006	222561.98	222.56
PLANADAS	TOLIMA	73555	191726.18	191.73
LA PLATA	HUILA	41396	164561.38	164.56
GARZON	HUILA	41298	157811.64	157.81
CIUDAD BOLIVAR	ANTIOQUIA	05101	154318.47	154.32
ANDES	ANTIOQUIA	05034	151961.61	151.96
ATACO	TOLIMA	73067	134002.68	134.00
BELEN DE UMBRIA	RISARALDA	66088	132504.76	132.50
MANIZALES	CALDAS	17001	125607.86	125.61
EL TAMBO	CAUCA	19256	124281.60	124.28
CIENAGA	MAGDALENA	47189	121879.09	121.88
SALGAR	ANTIOQUIA	05642	120804.03	120.80
LIBANO	TOLIMA	73411	119010.92	119.01
CONCORDIA	ANTIOQUIA	05209	115432.98	115.43
SEVILLA	VALLE DEL CAUCA	76736	114236.72	114.24
BETANIA	ANTIOQUIA	05091	109569.58	109.57
IBAGUE	TOLIMA	73001	107573.62	107.57
CAJIBIO	CAUCA	19130	102925.72	102.93
MORALES	CAUCA	19473	101285.65	101.29
SANTUARIO	RISARALDA	66687	98525.23	98.53
BETULIA	ANTIOQUIA	05093	98345.41	98.35
PEREIRA	RISARALDA	66001	96602.61	96.60
CHAPARRAL	TOLIMA	73168	96354.55	96.35
ROVIRA	TOLIMA	73624	95275.07	95.28
FRESNO	TOLIMA	73283	94260.22	94.26
ANSERMA	CALDAS	17042	93363.60	93.36
EL AGUILA	VALLE DEL CAUCA	76243	90616.73	90.62
SAN AGUSTIN	HUILA	41668	90227.32	90.23
SANTA ROSA DE CABAL	RISARALDA	66682	87744.70	87.74
SUAZA	HUILA	41770	87072.69	87.07
RIOBLANCO	TOLIMA	73616	85942.71	85.94
ALGECIRAS	HUILA	41020	83280.74	83.28
GIGANTE	HUILA	41306	80541.64	80.54
PIENDAMO	CAUCA	19548	79118.00	79.12
APIA	RISARALDA	66045	78569.62	78.57
ORTEGA	TOLIMA	73504	78464.83	78.46
CHINCHINA	CALDAS	17174	75708.25	75.71
TIMANA	HUILA	41807	75171.54	75.17
LA UNION	NARINO	52399	74968.83	74.97
MARSELLA	RISARALDA	66440	72509.03	72.51
PITAL	HUILA	41548	71433.82	71.43
PALESTINA	HUILA	41530	71318.88	71.32
PENSILVANIA	CALDAS	17541	70372.33	70.37
ANSERMANUEVO	VALLE DEL CAUCA	76041	68761.99	68.76
GUADALUPE	HUILA	41319	67605.60	67.61
PAEZ	CAUCA	19517	67135.83	67.14
TRUJILLO	VALLE DEL CAUCA	76828	66090.11	66.09
AGUSTIN CODAZZI	CESAR	20013	64814.09	64.81
PUEBLO BELLO	CESAR	20570	64740.02	64.74
INZA	CAUCA	19355	63176.93	63.18
PALESTINA	CALDAS	17524	62750.98	62.75
NEIVA	HUILA	41001	62531.99	62.53
CAICEDONIA	VALLE DEL CAUCA	76122	61845.15	61.85
NEIRA	CALDAS	17486	61432.61	61.43
TULUA	VALLE DEL CAUCA	76834	59969.98	59.97
CALARCA	QUINDIO	63130	59797.60	59.80
AGUADAS	CALDAS	17013	59645.70	59.65
TIMBIO	CAUCA	19807	58978.22	58.98
SAMANA	CALDAS	17662	57580.17	57.58
MANZANARES	CALDAS	17433	57106.73	57.11
TARQUI	HUILA	41791	56760.79	56.76
VIOTA	CUNDINAMARCA	25878	56652.94	56.65
QUINCHIA	RISARALDA	66594	56033.97	56.03
CALDONO	CAUCA	19137	55812.94	55.81
ISNOS	HUILA	41359	55704.95	55.70
SALADOBLANCO	HUILA	41660	55245.57	55.25
ANZOATEGUI	TOLIMA	73043	53984.20	53.98
SOCORRO	SANTANDER	68755	53628.06	53.63
RIOSUCIO	CALDAS	17614	52819.40	52.82
TELLO	HUILA	41799	52685.51	52.69
EL CAIRO	VALLE DEL CAUCA	76246	52560.95	52.56
SANTA MARTA	MAGDALENA	47001	51946.35	51.95
MARQUETALIA	CALDAS	17444	51858.43	51.86
LA CELIA	RISARALDA	66383	51638.90	51.64
SAN LORENZO	NARINO	52687	51203.02	51.20
SAN ANTONIO	TOLIMA	73675	51131.72	51.13
VILLAHERMOSA	TOLIMA	73870	50865.77	50.87
SANTA MARIA	HUILA	41676	50773.66	50.77
ABEJORRAL	ANTIOQUIA	05002	50510.49	50.51
LA PAZ	CESAR	20621	49472.99	49.47
BELALCAZAR	CALDAS	17088	48762.42	48.76
PACORA	CALDAS	17513	47603.68	47.60
RISARALDA	CALDAS	17616	47218.25	47.22
ITUANGO	ANTIOQUIA	05361	46670.86	46.67
QUIMBAYA	QUINDIO	63594	46536.31	46.54
POPAYAN	CAUCA	19001	45928.50	45.93
SUAREZ	CAUCA	19780	45004.68	45.00
SANTANDER DE QUILICHAO	CAUCA	19698	44837.37	44.84
RIOFRIO	VALLE DEL CAUCA	76616	44461.41	44.46
OPORAPA	HUILA	41503	43973.38	43.97
SONSON	ANTIOQUIA	05756	43831.59	43.83
BUESACO	NARINO	52110	43010.53	43.01
COLON	NARINO	52203	42468.12	42.47
GUATICA	RISARALDA	66318	41963.81	41.96
GENOVA	QUINDIO	63302	41273.69	41.27
FILADELFIA	CALDAS	17272	40693.04	40.69
TERUEL	HUILA	41801	39749.23	39.75
JARDIN	ANTIOQUIA	05364	39288.24	39.29
FREDONIA	ANTIOQUIA	05282	38983.86	38.98
PALERMO	HUILA	41524	38729.79	38.73
BOLIVAR	CAUCA	19100	38541.05	38.54
DOLORES	TOLIMA	73236	38310.73	38.31
SALAMINA	CALDAS	17653	38086.94	38.09
IQUIRA	HUILA	41357	36921.42	36.92
BALBOA	CAUCA	19075	36422.91	36.42
LA ARGENTINA	HUILA	41378	36393.51	36.39
VALLEDUPAR	CESAR	20001	35980.01	35.98
PIENDAMO - TUNIA	CAUCA	19548	35926.43	35.93
TAMESIS	ANTIOQUIA	05789	34109.04	34.11
BALBOA	RISARALDA	66075	34074.52	34.07
CANASGORDAS	ANTIOQUIA	05138	33722.22	33.72
PIJAO	QUINDIO	63548	33474.91	33.47
SAN VICENTE DE CHUCURI	SANTANDER	68689	33184.40	33.18
LA VEGA	CAUCA	19397	32908.38	32.91
CAICEDO	ANTIOQUIA	05125	32422.45	32.42
NARINO	ANTIOQUIA	05483	32051.33	32.05
VILLARRICA	TOLIMA	73873	31424.29	31.42
PALOCABILDO	TOLIMA	73520	31273.88	31.27
SAN GIL	SANTANDER	68679	30742.37	30.74
SAN JOSE	CALDAS	17665	30675.72	30.68
CIRCASIA	QUINDIO	63190	30592.69	30.59
ICONONZO	TOLIMA	73352	29861.17	29.86
ARMENIA	QUINDIO	63001	29450.93	29.45
SAN JUAN DE RIOSECO	CUNDINAMARCA	25662	29347.70	29.35
ARANZAZU	CALDAS	17050	29326.86	29.33
ALBAN	NARINO	52019	29307.03	29.31
CASABIANCA	TOLIMA	73152	28912.16	28.91
FUNDACION	MAGDALENA	47288	28535.15	28.54
NATAGA	HUILA	41483	28363.29	28.36
FILANDIA	QUINDIO	63272	28299.92	28.30
EBEJICO	ANTIOQUIA	05240	28108.16	28.11
DABEIBA	ANTIOQUIA	05234	28076.84	28.08
COLOMBIA	HUILA	41206	27985.18	27.99
CONSACA	NARINO	52207	27443.51	27.44
PARAMO	SANTANDER	68533	27406.21	27.41
ARGELIA	VALLE DEL CAUCA	76054	27301.38	27.30
ARATOCA	SANTANDER	68051	27255.27	27.26
VALLE DE SAN JOSE	SANTANDER	68855	27159.36	27.16
PACHO	CUNDINAMARCA	25513	26997.32	27.00
CALOTO	CAUCA	19142	26824.03	26.82
SANTA BARBARA	ANTIOQUIA	05679	26798.34	26.80
PATIA	CAUCA	19532	26737.94	26.74
TORIBIO	CAUCA	19821	26453.96	26.45
BUGALAGRANDE	VALLE DEL CAUCA	76113	26245.69	26.25
SUPIA	CALDAS	17777	26131.30	26.13
MISTRATO	RISARALDA	66456	26032.12	26.03
CONVENCION	NORTE DE SANTANDER	54206	25634.28	25.63
CAMPOALEGRE	HUILA	41132	25514.36	25.51
JERICO	ANTIOQUIA	05368	25472.43	25.47
ALPUJARRA	TOLIMA	73024	25287.24	25.29
LIBORINA	ANTIOQUIA	05411	25266.94	25.27
TAMARA	CASANARE	85400	25106.92	25.11
ANZA	ANTIOQUIA	05044	25084.73	25.08
YOLOMBO	ANTIOQUIA	05890	24663.32	24.66
SABANALARGA	ANTIOQUIA	05628	24315.20	24.32
TORO	VALLE DEL CAUCA	76823	24099.76	24.10
VILLAMARIA	CALDAS	17873	23834.35	23.83
HERVEO	TOLIMA	73347	23721.62	23.72
MONIQUIRA	BOYACA	15469	23708.21	23.71
SANTAFE DE ANTIOQUIA	ANTIOQUIA	05042	23569.00	23.57
CUNDAY	TOLIMA	73226	23507.94	23.51
PINCHOTE	SANTANDER	68549	22943.65	22.94
COROMORO	SANTANDER	68217	22846.04	22.85
AMALFI	ANTIOQUIA	05031	22825.69	22.83
LA JAGUA DE IBIRICO	CESAR	20400	22529.37	22.53
TAMINANGO	NARINO	52786	22486.66	22.49
CORINTO	CAUCA	19212	22371.68	22.37
ARGELIA	ANTIOQUIA	05055	22216.74	22.22
CURITI	SANTANDER	68229	22195.19	22.20
MONTEBELLO	ANTIOQUIA	05467	22149.21	22.15
ARBOLEDA	NARINO	52051	22139.58	22.14
LA FLORIDA	NARINO	52381	21969.95	21.97
LA SIERRA	CAUCA	19392	21928.65	21.93
CORDOBA	QUINDIO	63212	21772.07	21.77
SANDONA	NARINO	52683	21726.36	21.73
PAICOL	HUILA	41518	21694.30	21.69
VENADILLO	TOLIMA	73861	21138.97	21.14
ALCALA	VALLE DEL CAUCA	76020	20754.65	20.75
LA MESA	CUNDINAMARCA	25386	20681.89	20.68
BOLIVAR	VALLE DEL CAUCA	76100	20412.54	20.41
VERGARA	CUNDINAMARCA	25862	20356.11	20.36
PEQUE	ANTIOQUIA	05543	20342.09	20.34
QUIPILE	CUNDINAMARCA	25596	20204.29	20.20
OCAMONTE	SANTANDER	68498	20142.94	20.14
BUENOS AIRES	CAUCA	19110	19936.20	19.94
SAN CALIXTO	NORTE DE SANTANDER	54670	19624.94	19.62
DAGUA	VALLE DEL CAUCA	76233	19589.52	19.59
OIBA	SANTANDER	68500	19484.57	19.48
SAMANIEGO	NARINO	52678	19322.62	19.32
LA PALMA	CUNDINAMARCA	25394	19232.71	19.23
BARBOSA	ANTIOQUIA	05079	19230.99	19.23
AGRADO	HUILA	41013	18958.26	18.96
SUCRE	CAUCA	19785	18906.25	18.91
ROSAS	CAUCA	19622	18883.53	18.88
PAIME	CUNDINAMARCA	25518	18568.43	18.57
SARDINATA	NORTE DE SANTANDER	54720	18441.74	18.44
CONFINES	SANTANDER	68209	18390.78	18.39
VALLE DE SAN JUAN	TOLIMA	73854	18229.34	18.23
GUADALUPE	SANTANDER	68320	18186.63	18.19
EL COLEGIO	CUNDINAMARCA	25245	18131.22	18.13
MONTENEGRO	QUINDIO	63470	18044.55	18.04
GUADUAS	CUNDINAMARCA	25320	18026.52	18.03
JAMUNDI	VALLE DEL CAUCA	76364	17929.45	17.93
CUCUTILLA	NORTE DE SANTANDER	54223	17745.08	17.75
SALAZAR	NORTE DE SANTANDER	54660	17718.07	17.72
SANTO DOMINGO	ANTIOQUIA	05690	17688.86	17.69
PUEBLO RICO	ANTIOQUIA	05576	17628.00	17.63
TOLEDO	NORTE DE SANTANDER	54820	17621.23	17.62
SOPETRAN	ANTIOQUIA	05761	17536.18	17.54
RIONEGRO	SANTANDER	68615	17504.00	17.50
ARGELIA	CAUCA	19050	17459.39	17.46
SAN ROQUE	ANTIOQUIA	05670	17448.80	17.45
MERCADERES	CAUCA	19450	17125.13	17.13
SAN PABLO	NARINO	52693	17077.12	17.08
SAN CARLOS	ANTIOQUIA	05649	17038.04	17.04
FALAN	TOLIMA	73270	17030.29	17.03
EL CARMEN	NORTE DE SANTANDER	54245	16982.84	16.98
PULI	CUNDINAMARCA	25580	16884.02	16.88
AIPE	HUILA	41016	16800.22	16.80
PUERTO RICO	CAQUETA	18592	16761.89	16.76
YACOPI	CUNDINAMARCA	25885	16608.61	16.61
ARBOLEDAS	NORTE DE SANTANDER	54051	16534.27	16.53
URRAO	ANTIOQUIA	05847	16503.33	16.50
HELICONIA	ANTIOQUIA	05347	16440.16	16.44
SUAITA	SANTANDER	68770	16115.39	16.12
ANGOSTURA	ANTIOQUIA	05038	16108.14	16.11
CHARALA	SANTANDER	68167	15996.03	16.00
MATANZA	SANTANDER	68444	15985.60	15.99
HOBO	HUILA	41349	15960.20	15.96
SASAIMA	CUNDINAMARCA	25718	15771.84	15.77
TARSO	ANTIOQUIA	05792	15692.69	15.69
MOGOTES	SANTANDER	68464	15690.22	15.69
DOS QUEBRADAS	RISARALDA	66170	15685.00	15.69
SANTA ISABEL	TOLIMA	73686	15633.65	15.63
YOTOCO	VALLE DEL CAUCA	76890	15590.52	15.59
LA MERCED	CALDAS	17388	15580.29	15.58
EL TABLON	NARINO	52258	15574.00	15.57
CAJAMARCA	TOLIMA	73124	15454.37	15.45
LOURDES	NORTE DE SANTANDER	54418	15287.03	15.29
BUENAVISTA	QUINDIO	63111	15243.51	15.24
ELIAS	HUILA	41244	14800.33	14.80
VERSALLES	VALLE DEL CAUCA	76863	14711.60	14.71
SUPATA	CUNDINAMARCA	25777	14472.77	14.47
PRADO	TOLIMA	73563	14170.70	14.17
HISPANIA	ANTIOQUIA	05353	14008.27	14.01
FLORIDA	VALLE DEL CAUCA	76275	13973.50	13.97
BARAYA	HUILA	41078	13876.66	13.88
TOLEDO	ANTIOQUIA	05819	13749.52	13.75
ARACATACA	MAGDALENA	47053	13670.55	13.67
PUENTE NACIONAL	SANTANDER	68572	13639.50	13.64
ZETAQUIRA	BOYACA	15897	13525.47	13.53
OBANDO	VALLE DEL CAUCA	76497	13289.02	13.29
CARAMANTA	ANTIOQUIA	05145	13143.18	13.14
ALVARADO	TOLIMA	73026	13139.99	13.14
CHAGUANI	CUNDINAMARCA	25168	13075.14	13.08
VIANI	CUNDINAMARCA	25867	12913.57	12.91
BURITICA	ANTIOQUIA	05113	12740.23	12.74
RIVERA	HUILA	41615	12656.22	12.66
EL PLAYON	SANTANDER	68255	12599.70	12.60
CACHIRA	NORTE DE SANTANDER	54128	12570.22	12.57
NILO	CUNDINAMARCA	25488	12548.14	12.55
EL CARMEN DE CHUCURI	SANTANDER	68235	12404.56	12.40
RESTREPO	VALLE DEL CAUCA	76606	12398.03	12.40
ANOLAIMA	CUNDINAMARCA	25040	12202.26	12.20
SANTA ROSA DEL SUR	BOLIVAR	13688	12138.50	12.14
FRONTINO	ANTIOQUIA	05284	12016.12	12.02
VENECIA	ANTIOQUIA	05861	11873.50	11.87
URUMITA	LA GUAJIRA	44855	11858.32	11.86
AGUACHICA	CESAR	20011	11852.95	11.85
SAN VICENTE DEL CAGUAN	CAQUETA	18753	11832.07	11.83
FLORENCIA	CAQUETA	18001	11650.90	11.65
MESETAS	META	50330	11537.89	11.54
LABATECA	NORTE DE SANTANDER	54377	11494.26	11.49
HACARI	NORTE DE SANTANDER	54344	11459.52	11.46
BUCARASICA	NORTE DE SANTANDER	54109	11446.71	11.45
LA VEGA	CUNDINAMARCA	25402	11422.09	11.42
EL ZULIA	NORTE DE SANTANDER	54261	11407.51	11.41
GRAMALOTE	NORTE DE SANTANDER	54313	11392.90	11.39
GINEBRA	VALLE DEL CAUCA	76306	11238.16	11.24
ULLOA	VALLE DEL CAUCA	76845	11215.26	11.22
TOPAIPI	CUNDINAMARCA	25823	11171.72	11.17
GIRALDO	ANTIOQUIA	05306	11084.36	11.08
ALMAGUER	CAUCA	19022	11029.54	11.03
ZAPATOCA	SANTANDER	68895	11015.52	11.02
CACHIPAY	CUNDINAMARCA	25123	11007.77	11.01
EL ROSARIO	NARINO	52256	10923.38	10.92
EL TAMBO	NARINO	52260	10905.29	10.91
ARMENIA	ANTIOQUIA	05059	10867.76	10.87
LINARES	NARINO	52411	10861.49	10.86
ALEJANDRIA	ANTIOQUIA	05021	10858.76	10.86
LA CUMBRE	VALLE DEL CAUCA	76377	10856.67	10.86
CAPARRAPI	CUNDINAMARCA	25148	10819.77	10.82
LEIVA	NARINO	52405	10772.03	10.77
VITERBO	CALDAS	17877	10716.62	10.72
SAN JOSE DE PARE	BOYACA	15664	10614.21	10.61
EL DOVIO	VALLE DEL CAUCA	76250	10578.48	10.58
CHIMA	SANTANDER	68176	10550.78	10.55
LEJANIAS	META	50400	10423.94	10.42
EL COPEY	CESAR	20238	10389.33	10.39
SAN JERONIMO	ANTIOQUIA	05656	10352.31	10.35
SAN RAFAEL	ANTIOQUIA	05667	10300.40	10.30
SAN ANDRES	SANTANDER	68669	10268.80	10.27
AMAGA	ANTIOQUIA	05030	10253.73	10.25
JAMBALO	CAUCA	19364	10189.11	10.19
TESALIA	HUILA	41797	10161.24	10.16
TIBACUY	CUNDINAMARCA	25805	10056.32	10.06
MIRAFLORES	BOYACA	15455	10038.21	10.04
VIJES	VALLE DEL CAUCA	76869	9914.61	9.91
SAN PEDRO DE CARTAGO	NARINO	52694	9865.89	9.87
SANTA ROSA DE OSOS	ANTIOQUIA	05686	9832.21	9.83
BARBOSA	SANTANDER	68077	9827.69	9.83
LA VICTORIA	VALLE DEL CAUCA	76403	9815.06	9.82
GUAYABAL DE SIQUIMA	CUNDINAMARCA	25328	9801.39	9.80
LOS ANDES	NARINO	52418	9797.41	9.80
COCORNA	ANTIOQUIA	05197	9759.30	9.76
GOMEZ PLATA	ANTIOQUIA	05310	9748.03	9.75
TITIRIBI	ANTIOQUIA	05809	9550.57	9.55
URAMITA	ANTIOQUIA	05842	9519.01	9.52
ROLDANILLO	VALLE DEL CAUCA	76622	9461.03	9.46
SANTA FE DE ANTIOQUIA	ANTIOQUIA	05042	9385.48	9.39
DURANIA	NORTE DE SANTANDER	54239	9380.29	9.38
PALMAS DEL SOCORRO	SANTANDER	68524	9370.42	9.37
VILLANUEVA	LA GUAJIRA	44874	9333.55	9.33
EL TABLON DE GOMEZ	NARINO	52258	9287.54	9.29
SAN CAYETANO	CUNDINAMARCA	25653	9221.76	9.22
GALAN	SANTANDER	68296	9100.76	9.10
VALPARAISO	ANTIOQUIA	05856	9087.89	9.09
MARMATO	CALDAS	17442	9048.58	9.05
TOGUI	BOYACA	15816	9038.85	9.04
FLORENCIA	CAUCA	19290	8911.66	8.91
MEDELLIN	ANTIOQUIA	05001	8772.94	8.77
OCANA	NORTE DE SANTANDER	54498	8760.38	8.76
SAN ANDRES	ANTIOQUIA	05647	8479.00	8.48
LA TEBAIDA	QUINDIO	63401	8401.39	8.40
SAN FRANCISCO	CUNDINAMARCA	25658	8365.28	8.37
BRICENO	ANTIOQUIA	05107	8348.50	8.35
EL PENOL	NARINO	52254	8305.99	8.31
PUEBLORRICO	ANTIOQUIA	05576	8204.74	8.20
SALENTO	QUINDIO	63690	8132.72	8.13
MIRANDA	CAUCA	19455	8080.07	8.08
FLORIDABLANCA	SANTANDER	68276	8063.32	8.06
GUADALUPE	ANTIOQUIA	05315	8050.13	8.05
BARICHARA	SANTANDER	68079	7947.37	7.95
FUSAGASUGA	CUNDINAMARCA	25290	7731.17	7.73
HATO	SANTANDER	68344	7635.44	7.64
SIMACOTA	SANTANDER	68745	7612.23	7.61
BECERRIL	CESAR	20045	7460.09	7.46
PIEDECUESTA	SANTANDER	68547	7425.99	7.43
TOTORO	CAUCA	19824	7366.93	7.37
GUACARI	VALLE DEL CAUCA	76318	7356.64	7.36
PUEBLO RICO	RISARALDA	66572	7316.56	7.32
BUCARAMANGA	SANTANDER	68001	7261.60	7.26
SOTARA	CAUCA	19760	7178.00	7.18
EL PENON	CUNDINAMARCA	25258	7123.99	7.12
BARRANCAS	LA GUAJIRA	44078	7106.16	7.11
LA CEJA	ANTIOQUIA	05376	6908.64	6.91
BETULIA	SANTANDER	68092	6846.88	6.85
SAN ANTONIO DEL TEQUENDAMA	CUNDINAMARCA	25645	6812.58	6.81
ALBAN	CUNDINAMARCA	25019	6718.50	6.72
CHACHAGUI	NARINO	52240	6400.31	6.40
LA UNION	VALLE DEL CAUCA	76400	6398.29	6.40
PRADERA	VALLE DEL CAUCA	76563	6363.17	6.36
CHINACOTA	NORTE DE SANTANDER	54172	6269.76	6.27
CHITARAQUE	BOYACA	15185	6197.54	6.20
SILVANIA	CUNDINAMARCA	25743	6084.71	6.08
PANDI	CUNDINAMARCA	25524	6056.24	6.06
BERBEO	BOYACA	15090	6039.87	6.04
SAN LUIS DE CUBARRAL	META	50223	5867.00	5.87
TONA	SANTANDER	68820	5774.10	5.77
MARIQUITA	TOLIMA	73443	5732.00	5.73
BUGA	VALLE DEL CAUCA	76111	5641.00	5.64
OLAYA	ANTIOQUIA	05501	5637.51	5.64
BOCHALEMA	NORTE DE SANTANDER	54099	5600.90	5.60
BITUIMA	CUNDINAMARCA	25095	5512.36	5.51
TEORAMA	NORTE DE SANTANDER	54800	5458.28	5.46
YARUMAL	ANTIOQUIA	05887	5351.97	5.35
ARBELAEZ	CUNDINAMARCA	25053	5341.66	5.34
YACUANQUER	NARINO	52885	5309.25	5.31
VEGACHI	ANTIOQUIA	05858	5299.99	5.30
DOSQUEBRADAS	RISARALDA	66170	5280.30	5.28
JESUS MARIA	SANTANDER	68368	5271.55	5.27
SANTANA	BOYACA	15686	5267.80	5.27
SAN PEDRO	VALLE DEL CAUCA	76670	5223.53	5.22
SAN ANDRES DE CUERQUIA	ANTIOQUIA	05647	5197.99	5.20
LERIDA	TOLIMA	73408	5151.48	5.15
GIRARDOTA	ANTIOQUIA	05308	5114.18	5.11
CALI	VALLE DEL CAUCA	76001	5108.00	5.11
BUENAVISTA	BOYACA	15109	5089.25	5.09
TENA	CUNDINAMARCA	25797	5056.16	5.06
SOTARA PAISPAMBA	CAUCA	19760	5009.60	5.01
GUAVATA	SANTANDER	68324	4991.02	4.99
MANAURE	CESAR	20443	4973.00	4.97
PENOL	ANTIOQUIA	05541	4972.61	4.97
LA JAGUA DEL PILAR	LA GUAJIRA	44420	4905.97	4.91
PASTO	NARINO	52001	4821.48	4.82
GUAPOTA	SANTANDER	68322	4804.66	4.80
PALMIRA	VALLE DEL CAUCA	76520	4789.82	4.79
RAGONVALIA	NORTE DE SANTANDER	54599	4763.82	4.76
FLORIAN	SANTANDER	68271	4626.63	4.63
VENECIA	CUNDINAMARCA	25506	4618.58	4.62
GRANADA	ANTIOQUIA	05313	4617.43	4.62
ALBANIA	SANTANDER	68020	4587.15	4.59
ANGELOPOLIS	ANTIOQUIA	05036	4491.12	4.49
ENCINO	SANTANDER	68264	4432.85	4.43
PAUNA	BOYACA	15531	4330.78	4.33
LA PENA	CUNDINAMARCA	25398	4306.66	4.31
ABREGO	NORTE DE SANTANDER	54003	4236.52	4.24
ANORI	ANTIOQUIA	05040	4219.18	4.22
CURUMANI	CESAR	20228	4188.71	4.19
SAN JUAN DEL CESAR	LA GUAJIRA	44650	4120.37	4.12
SAN BERNARDO	NARINO	52685	4113.40	4.11
CARTAGO	VALLE DEL CAUCA	76147	4094.95	4.09
CONTRATACION	SANTANDER	68211	4054.67	4.05
ANCUYA	NARINO	52036	4020.99	4.02
CALIMA EL DARIEN	VALLE DEL CAUCA	76126	3941.00	3.94
PURACE	CAUCA	19585	3930.17	3.93
EL DONCELLO	CAQUETA	18247	3915.06	3.92
FONSECA	LA GUAJIRA	44279	3883.43	3.88
PURIFICACION	TOLIMA	73585	3843.09	3.84
SAN FRANCISCO	ANTIOQUIA	05652	3841.81	3.84
MELGAR	TOLIMA	73449	3815.69	3.82
RIOHACHA	LA GUAJIRA	44001	3807.49	3.81
PAILITAS	CESAR	20517	3750.83	3.75
YUMBO	VALLE DEL CAUCA	76892	3703.59	3.70
PAEZ	BOYACA	15514	3696.54	3.70
SAN LUIS	TOLIMA	73678	3664.99	3.66
RETIRO	ANTIOQUIA	05607	3655.69	3.66
SAN SEBASTIAN	CAUCA	19693	3598.65	3.60
PAMPLONITA	NORTE DE SANTANDER	54520	3594.20	3.59
RONCESVALLES	TOLIMA	73622	3540.04	3.54
ANDALUCIA	VALLE DEL CAUCA	76036	3535.00	3.54
VILLA CARO	NORTE DE SANTANDER	54871	3517.29	3.52
EL MOLINO	LA GUAJIRA	44110	3489.06	3.49
MARIPI	BOYACA	15442	3471.97	3.47
POLICARPA	NARINO	52540	3464.62	3.46
SAN BERNARDO	CUNDINAMARCA	25649	3431.49	3.43
VELEZ	SANTANDER	68861	3285.31	3.29
GUAYATA	BOYACA	15325	3277.79	3.28
MANAURE BALCON DEL CESAR	CESAR	20443	3256.67	3.26
SAN LUIS	ANTIOQUIA	05660	3244.39	3.24
MEDINA	CUNDINAMARCA	25438	3218.57	3.22
CAMPAMENTO	ANTIOQUIA	05134	3203.82	3.20
MARULANDA	CALDAS	17446	3167.50	3.17
COPER	BOYACA	15212	3101.09	3.10
ARMERO (GUAYABAL)	TOLIMA	73055	3077.00	3.08
SAN EDUARDO	BOYACA	15660	3051.07	3.05
GUAYABETAL	CUNDINAMARCA	25335	3028.23	3.03
SANTIAGO DE CALI	VALLE DEL CAUCA	76001	3004.55	3.00
YALI	ANTIOQUIA	05885	2976.50	2.98
BRICENO	BOYACA	15106	2943.78	2.94
NUNCHIA	CASANARE	85225	2885.09	2.89
SUCRE	SANTANDER	68773	2816.49	2.82
VICTORIA	CALDAS	17867	2815.78	2.82
SANTIAGO	NORTE DE SANTANDER	54680	2782.08	2.78
SAN BENITO	SANTANDER	68673	2768.31	2.77
JERUSALEN	CUNDINAMARCA	25368	2728.63	2.73
SAN PABLO DE BORBUR	BOYACA	15681	2674.21	2.67
LA BELLEZA	SANTANDER	68377	2630.30	2.63
CALDAS	ANTIOQUIA	05129	2626.01	2.63
LA CRUZ	NARINO	52378	2580.50	2.58
EL PAUJIL	CAQUETA	18256	2564.04	2.56
GACHETA	CUNDINAMARCA	25297	2521.39	2.52
BELLO	ANTIOQUIA	05088	2461.94	2.46
CISNEROS	ANTIOQUIA	05190	2439.00	2.44
EL CASTILLO	META	50251	2429.48	2.43
GUADALAJARA DE BUGA	VALLE DEL CAUCA	76111	2414.95	2.41
DON MATIAS	ANTIOQUIA	05237	2407.00	2.41
FUNES	NARINO	52287	2391.39	2.39
DIBULLA	LA GUAJIRA	44090	2335.82	2.34
VILLAGOMEZ	CUNDINAMARCA	25871	2331.18	2.33
GUEPSA	SANTANDER	68327	2312.56	2.31
CHIMICHAGUA	CESAR	20175	2270.71	2.27
LA ESPERANZA	NORTE DE SANTANDER	54385	2241.79	2.24
SANTACRUZ	NARINO	52699	2223.86	2.22
MANTA	CUNDINAMARCA	25436	2221.81	2.22
EL DORADO	META	50270	2185.02	2.19
VILLETA	CUNDINAMARCA	25875	2179.08	2.18
TIBIRITA	CUNDINAMARCA	25807	2171.45	2.17
SAN JUAN DE ARAMA	META	50683	2163.90	2.16
CONCEPCION	ANTIOQUIA	05206	2128.09	2.13
CARMEN DE VIBORAL	ANTIOQUIA	05148	2100.00	2.10
TOCAIMA	CUNDINAMARCA	25815	2094.06	2.09
MACHETA	CUNDINAMARCA	25426	2079.34	2.08
EL CERRITO	VALLE DEL CAUCA	76248	2062.81	2.06
SAN SEBASTIAN DE MARIQUITA	TOLIMA	73443	2033.24	2.03
BOLIVAR	SANTANDER	68101	1974.32	1.97
LOS PATIOS	NORTE DE SANTANDER	54405	1969.06	1.97
ABRIAQUI	ANTIOQUIA	05004	1956.15	1.96
SURATA	SANTANDER	68780	1947.87	1.95
MACEO	ANTIOQUIA	05425	1936.30	1.94
CAMPOHERMOSO	BOYACA	15135	1934.69	1.93
CHITAGA	NORTE DE SANTANDER	54174	1908.06	1.91
QUETAME	CUNDINAMARCA	25594	1903.47	1.90
CALIMA	VALLE DEL CAUCA	76126	1886.40	1.89
SANTA BARBARA	SANTANDER	68705	1854.99	1.85
MONTANITA	CAQUETA	18410	1844.00	1.84
OTANCHE	BOYACA	15507	1796.92	1.80
SACAMA	CASANARE	85315	1791.76	1.79
UBALA	CUNDINAMARCA	25839	1758.18	1.76
LOS SANTOS	SANTANDER	68418	1727.40	1.73
PISBA	BOYACA	15550	1704.19	1.70
HERRAN	NORTE DE SANTANDER	54347	1692.16	1.69
MOCOA	PUTUMAYO	86001	1691.42	1.69
NATAGAIMA	TOLIMA	73483	1672.49	1.67
CHIRIGUANA	CESAR	20178	1646.40	1.65
LA PLAYA	NORTE DE SANTANDER	54398	1622.14	1.62
GIRON	SANTANDER	68307	1596.07	1.60
CARMEN DEL ATRATO	CHOCO	27245	1579.00	1.58
LABRANZAGRANDE	BOYACA	15377	1447.02	1.45
ZIPACON	CUNDINAMARCA	25898	1394.01	1.39
LA VICTORIA	BOYACA	15401	1391.02	1.39
CHARTA	SANTANDER	68169	1383.56	1.38
LA GLORIA	CESAR	20383	1379.97	1.38
GUAITARILLA	NARINO	52320	1359.06	1.36
VILLAVICENCIO	META	50001	1350.62	1.35
AGUADA	SANTANDER	68013	1346.07	1.35
RONDON	BOYACA	15621	1345.27	1.35
QUIPAMA	BOYACA	15580	1344.01	1.34
ALTAMIRA	HUILA	41026	1341.66	1.34
RIO DE ORO	CESAR	20614	1336.69	1.34
MONTERREY	CASANARE	85162	1295.85	1.30
NOCAIMA	CUNDINAMARCA	25491	1289.44	1.29
ANAPOIMA	CUNDINAMARCA	25035	1277.72	1.28
GONZALEZ	CESAR	20310	1269.86	1.27
MURILLO	TOLIMA	73461	1254.90	1.25
GUACA	SANTANDER	68318	1254.07	1.25
CHIPATA	SANTANDER	68179	1247.55	1.25
GAMBITA	SANTANDER	68298	1229.56	1.23
COPACABANA	ANTIOQUIA	05212	1210.56	1.21
VILLANUEVA	SANTANDER	68872	1189.21	1.19
CUMBITARA	NARINO	52233	1182.27	1.18
QUEBRADANEGRA	CUNDINAMARCA	25592	1168.87	1.17
FOMEQUE	CUNDINAMARCA	25279	1168.24	1.17
GARAGOA	BOYACA	15299	1149.51	1.15
MACANAL	BOYACA	15425	1144.69	1.14
JUNIN	CUNDINAMARCA	25372	1140.81	1.14
SILVIA	CAUCA	19743	1134.28	1.13
JORDAN	SANTANDER	68370	1127.82	1.13
VILLA DEL ROSARIO	NORTE DE SANTANDER	54874	1100.11	1.10
SABANETA	ANTIOQUIA	05631	1094.56	1.09
CAQUEZA	CUNDINAMARCA	25151	1083.64	1.08
TANGUA	NARINO	52788	1066.61	1.07
PACHAVITA	BOYACA	15511	1061.62	1.06
TUNUNGUA	BOYACA	15832	1044.00	1.04
NIMAIMA	CUNDINAMARCA	25489	1002.64	1.00
PROVIDENCIA	NARINO	52565	991.42	0.99
UBAQUE	CUNDINAMARCA	25841	987.02	0.99
MOLAGAVITA	SANTANDER	68468	976.79	0.98
DONMATIAS	ANTIOQUIA	05237	963.16	0.96
ONZAGA	SANTANDER	68502	946.85	0.95
HATO NUEVO	LA GUAJIRA	44378	946.00	0.95
CUBARRAL	META	50223	924.06	0.92
BELTRAN	CUNDINAMARCA	25086	887.51	0.89
LEBRIJA	SANTANDER	68406	885.56	0.89
EL CARMEN DE ATRATO	CHOCO	27245	861.18	0.86
SAN CAYETANO	NORTE DE SANTANDER	54673	855.17	0.86
MUZO	BOYACA	15480	843.69	0.84
PAYA	BOYACA	15533	834.24	0.83
LA VIRGINIA	RISARALDA	66400	832.81	0.83
COYAIMA	TOLIMA	73217	819.96	0.82
SAN MATEO	BOYACA	15673	750.82	0.75
GACHALA	CUNDINAMARCA	25293	721.82	0.72
MALLAMA	NARINO	52435	716.00	0.72
GAMA	CUNDINAMARCA	25299	706.91	0.71
CHINAVITA	BOYACA	15172	706.89	0.71
URIBE	META	50370	704.63	0.70
LA ESTRELLA	ANTIOQUIA	05380	697.87	0.70
ALMEIDA	BOYACA	15022	683.48	0.68
APULO	CUNDINAMARCA	25599	681.13	0.68
EL CARMEN DE VIBORAL	ANTIOQUIA	05148	664.36	0.66
ARMERO	TOLIMA	73055	662.89	0.66
EL GUACAMAYO	SANTANDER	68245	658.90	0.66
LA LLANADA	NARINO	52385	642.10	0.64
VALDIVIA	ANTIOQUIA	05854	607.02	0.61
GUATEQUE	BOYACA	15322	604.71	0.60
LA PAZ	SANTANDER	68397	589.60	0.59
CEPITA	SANTANDER	68160	564.34	0.56
MORALES	BOLIVAR	13473	560.87	0.56
SAN JOAQUIN	SANTANDER	68682	543.17	0.54
ENCISO	SANTANDER	68266	541.34	0.54
LA SALINA	CASANARE	85136	536.78	0.54
GUTIERREZ	CUNDINAMARCA	25339	534.45	0.53
LA MONTANITA	CAQUETA	18410	532.68	0.53
TENZA	BOYACA	15798	493.32	0.49
CHOACHI	CUNDINAMARCA	25181	477.13	0.48
SAN ALBERTO	CESAR	20710	475.27	0.48
PAJARITO	BOYACA	15518	443.42	0.44
VISTAHERMOSA	META	50711	433.66	0.43
SOMONDOCO	BOYACA	15761	413.43	0.41
MARINILLA	ANTIOQUIA	05440	400.25	0.40
FOSCA	CUNDINAMARCA	25281	397.06	0.40
SAN MIGUEL	SANTANDER	68686	386.34	0.39
YOPAL	CASANARE	85001	368.85	0.37
ACACIAS	META	50006	367.77	0.37
TUQUERRES	NARINO	52838	360.75	0.36
GUATAPE	ANTIOQUIA	05321	335.89	0.34
LANDAZURI	SANTANDER	68385	333.57	0.33
HATONUEVO	LA GUAJIRA	44378	331.67	0.33
MONGUA	BOYACA	15464	323.94	0.32
ITAGUI	ANTIOQUIA	05360	321.21	0.32
SAN JOSE DE MIRANDA	SANTANDER	68684	307.83	0.31
PAMPLONA	NORTE DE SANTANDER	54518	306.60	0.31
RESTREPO	META	50606	303.23	0.30
TAME	ARAUCA	81794	300.85	0.30
CUCUTA	NORTE DE SANTANDER	54001	294.00	0.29
CABRERA	CUNDINAMARCA	25120	283.57	0.28
CARACOLI	ANTIOQUIA	05142	281.02	0.28
SAN MARTIN	CESAR	20770	255.34	0.26
CUMARAL	META	50226	243.06	0.24
TAURAMENA	CASANARE	85410	232.29	0.23
SAN JACINTO	BOLIVAR	13654	222.59	0.22
GUACAMAYAS	BOYACA	15317	214.51	0.21
ENVIGADO	ANTIOQUIA	05266	200.55	0.20
BELEN	NARINO	52083	195.00	0.20
SAN VICENTE	ANTIOQUIA	05674	193.00	0.19
SAN VICENTE FERRER	ANTIOQUIA	05674	190.86	0.19
REMEDIOS	ANTIOQUIA	05604	189.89	0.19
SUAREZ	TOLIMA	73770	181.59	0.18
RECETOR	CASANARE	85279	175.11	0.18
PASCA	CUNDINAMARCA	25535	165.25	0.17
EL TARRA	NORTE DE SANTANDER	54250	164.90	0.16
PELAYA	CESAR	20550	163.53	0.16
BELEN DE LOS ANDAQUIES	CAQUETA	18094	155.20	0.16
IMUES	NARINO	52354	151.57	0.15
SANTA ROSA	CAUCA	19701	147.00	0.15
MALAGA	SANTANDER	68432	139.70	0.14
CABRERA	SANTANDER	68121	137.59	0.14
SOCOTA	BOYACA	15755	136.00	0.14
CAROLINA	ANTIOQUIA	05150	129.69	0.13
CUMBAL	NARINO	52227	126.03	0.13
SAN JOSE DE CUCUTA	NORTE DE SANTANDER	54001	115.36	0.12
UMBITA	BOYACA	15842	103.50	0.10
CHAMEZA	CASANARE	85015	101.86	0.10
LA URIBE	META	50370	101.00	0.10
ILES	NARINO	52352	97.17	0.10
SANTA HELENA DEL OPON	SANTANDER	68720	90.45	0.09
SANTA MARIA	BOYACA	15690	84.67	0.08
SUTATENZA	BOYACA	15778	84.64	0.08
NARINO	NARINO	52480	81.00	0.08
SANTA SOFIA	BOYACA	15696	79.39	0.08
IPIALES	NARINO	52356	79.00	0.08
PARATEBUENO	CUNDINAMARCA	25530	77.77	0.08
AGUAZUL	CASANARE	85010	75.00	0.07
EL PENON	SANTANDER	68250	69.39	0.07
BARRANCA DE UPIA	META	50110	69.00	0.07
CACOTA	NORTE DE SANTANDER	54125	68.50	0.07
LA CAPILLA	BOYACA	15380	64.98	0.06
SAN MIGUEL	PUTUMAYO	86757	62.75	0.06
TIBU	NORTE DE SANTANDER	54810	62.00	0.06
EL CALVARIO	META	50245	55.00	0.06
SAN LUIS DE GACENO	BOYACA	15667	53.83	0.05
RICAURTE	NARINO	52612	52.00	0.05
PUERTO BOYACA	BOYACA	15572	49.62	0.05
CAPITANEJO	SANTANDER	68147	37.51	0.04
DISTRACCION	LA GUAJIRA	44098	36.00	0.04
SABANALARGA	CASANARE	85300	35.93	0.04
PUERTO CAICEDO	PUTUMAYO	86569	31.00	0.03
VISTA HERMOSA	META	50711	29.00	0.03
SAN JUANITO	META	50686	28.82	0.03
SAN JOSE DEL FRAGUA	CAQUETA	18610	28.00	0.03
SUSACON	BOYACA	15774	26.00	0.03
GUAMAL	META	50318	25.00	0.03
HATO COROZAL	CASANARE	85125	24.00	0.02
MORELIA	CAQUETA	18479	18.00	0.02
ORITO	PUTUMAYO	86320	17.00	0.02
TIQUISIO	BOLIVAR	13810	16.00	0.02
AGUA DE DIOS	CUNDINAMARCA	25001	15.91	0.02
CHIVOR	BOYACA	15236	11.62	0.01
PAZ DE ARIPORO	CASANARE	85250	11.00	0.01
CUBARA	BOYACA	15223	10.12	0.01
CHITA	BOYACA	15183	9.90	0.01
PUERTO RICO	META	50590	9.00	0.01
AQUITANIA	BOYACA	15047	7.75	0.01
SOLANO	CAQUETA	18756	6.00	0.01
CASTILLA LA NUEVA	META	50150	5.00	0.00
PADILLA	CAUCA	19513	4.00	0.00
TUMACO	NARINO	52835	4.00	0.00
EL CHARCO	NARINO	52250	2.00	0.00
SAN MARTIN DE LOBA	BOLIVAR	13667	0.00	0.00
COVARACHIA	BOYACA	15218	0.00	0.00
EL ESPINO	BOYACA	15248	0.00	0.00
LOS CORDOBAS	CORDOBA	23419	0.00	0.00
PLANETA RICA	CORDOBA	23555	0.00	0.00
CHIPAQUE	CUNDINAMARCA	25178	0.00	0.00
PUERRES	NARINO	52573	0.00	0.00
CALIFORNIA	SANTANDER	68132	0.00	0.00
CHALAN	SUCRE	70230	0.00	0.00
TRINIDAD	CASANARE	85430	0.00	0.00
PUERTO ASIS	PUTUMAYO	86568	0.00	0.00
VILLAGARZON	PUTUMAYO	86885	0.00	0.00
EL RETORNO	GUAVIARE	95025	0.00	0.00
MIRAFLORES	GUAVIARE	95200	0.00	0.00

## 
##  Moran I test under randomisation
## 
## data:  cafe_sf_clean$rend_prom  
## weights: W_queen    
## 
## Moran I statistic standard deviate = 13.781, p-value < 2.2e-16
## alternative hypothesis: greater
## sample estimates:
## Moran I statistic       Expectation          Variance 
##      0.3490339831     -0.0015105740      0.0006469963

## 
##  Moran I test under randomisation
## 
## data:  cafe_sf_clean$rend_prom  
## weights: W_knn    
## 
## Moran I statistic standard deviate = 15.007, p-value < 2.2e-16
## alternative hypothesis: greater
## sample estimates:
## Moran I statistic       Expectation          Variance 
##      0.3805922197     -0.0015105740      0.0006482957

Interpretación

Índice de Moran global

Se aplicó el Índice de Moran global para evaluar la autocorrelación espacial del rendimiento promedio del café a nivel municipal. Se utilizaron dos estructuras de vecindad: contigüidad tipo Queen y vecinos más cercanos (k=4).

• Moran con contigüidad Queen

• Moran’s I = 0.349

• Esperado bajo aleatoriedad = -0.0015

• Varianza ≈ 0.00065

• p < 2.2e-16

Existe autocorrelación espacial positiva fuerte y altamente significativa. Municipios con alto rendimiento tienden a ser vecinos de municipios con alto rendimiento; lo mismo ocurre con los municipios de bajo rendimiento.

El valor de I (≈0.35) indica una estructura espacial marcada, muy superior a lo esperado bajo aleatoriedad.

Moran con k vecinos más cercanos (k=4)

• Moran’s I = 0.381

• Esperado = -0.0015

• p < 2.2e-16

El patrón se mantiene incluso con una estructura de vecindad alternativa. El I es aún mayor (0.38), lo que indica que el efecto espacial no depende del tipo de matriz de pesos: el rendimiento agrícola muestra un fuerte patrón geográfico.

Mapa LISA del rendimiento promedio del café

Interpretación de los clústeres LISA

LISA = Local Indicators of Spatial Association / (Indicadores Locales de Asociación Espacial)

El análisis LISA permitió identificar patrones locales de autocorrelación espacial en el rendimiento promedio del café.
Se evidencian clústeres Alto–Alto en la zona cafetera tradicional del centro-occidente, indicando regiones con alta productividad rodeadas de municipios igualmente productivos.
Por otro lado, los clústeres Bajo–Bajo se concentran en zonas periféricas del sur y suroccidente, reflejando continuidad territorial en rendimientos bajos.
Asimismo, aparecen algunos municipios Alto–Bajo y Bajo–Alto, los cuales representan outliers espaciales respecto a su entorno inmediato.
Estos patrones confirman la existencia de dependencia espacial significativa y resaltan áreas geográficamente coherentes tanto de alto desempeño como de vulnerabilidad agrícola.

Modelo Areal

## 
## Call:
## errorsarlm(formula = rend_prom ~ 1, data = cafe_sf_model, listw = W_queen, 
##     na.action = na.exclude, zero.policy = TRUE)
## 
## Residuals:
##        Min         1Q     Median         3Q        Max 
## -0.8719002 -0.0680285  0.0095114  0.0874411  0.7070611 
## 
## Type: error 
## Coefficients: (asymptotic standard errors) 
##             Estimate Std. Error z value  Pr(>|z|)
## (Intercept) 0.767391   0.012183  62.991 < 2.2e-16
## 
## Lambda: 0.48467, LR test value: 126.1, p-value: < 2.22e-16
## Asymptotic standard error: 0.043648
##     z-value: 11.104, p-value: < 2.22e-16
## Wald statistic: 123.3, p-value: < 2.22e-16
## 
## Log likelihood: 249.0567 for error model
## ML residual variance (sigma squared): 0.026131, (sigma: 0.16165)
## Number of observations: 663 
## Number of parameters estimated: 3 
## AIC: -492.11, (AIC for lm: -368.01)

## 
## Call:errorsarlm(formula = rend_prom ~ dens_vias, data = cafe_sf_model, 
##     listw = W_queen, na.action = na.exclude, zero.policy = TRUE)
## 
## Residuals:
##        Min         1Q     Median         3Q        Max 
## -0.8660347 -0.0660250  0.0095693  0.0886167  0.7044022 
## 
## Type: error 
## Coefficients: (asymptotic standard errors) 
##             Estimate Std. Error z value Pr(>|z|)
## (Intercept) 0.760043   0.012912  58.862   <2e-16
## dens_vias   0.127921   0.079999   1.599   0.1098
## 
## Lambda: 0.47885, LR test value: 120.48, p-value: < 2.22e-16
## Asymptotic standard error: 0.043921
##     z-value: 10.903, p-value: < 2.22e-16
## Wald statistic: 118.86, p-value: < 2.22e-16
## 
## Log likelihood: 250.3214 for error model
## ML residual variance (sigma squared): 0.02607, (sigma: 0.16146)
## Number of observations: 663 
## Number of parameters estimated: 4 
## AIC: -492.64, (AIC for lm: -374.17)

Conclusiones del análisis espacial

Autocorrelación espacial global

La prueba de autocorrelación espacial global de Moran I aplicada al rendimiento promedio de café (rend_prom) mostró evidencia clara de patrón espacial:

• Con matriz de pesos de tipo contigüidad queen se obtuvo
  un valor de Moran I de 0.349
  con valor-p < 1.65e-43.

• Con matriz de pesos basada en vecinos más cercanos (k = 4), el valor de Moran I fue
  de 0.381
  con valor-p < 3.30e-51.

En ambos casos, los valores de Moran I son positivos y estadísticamente significativos, y la expectativa bajo aleatoriedad es cercana a cero (-0.002).
Esto indica que el rendimiento promedio no se distribuye al azar en el espacio, sino que presenta agrupamientos (clusters) de municipios con rendimientos similares (altos cerca de altos y bajos cerca de bajos), lo cual justifica el uso de modelos espaciales.

---

Modelos de error espacial (SEM)

Se ajustaron modelos de error espacial (SEM) usando la matriz de pesos de contigüidad queen:

1. Modelo base (solo intercepto)

   • Intercepto: 0.767
     
   • Parámetro de autocorrelación espacial en el error:
     λ = 0.485 (p-valor < 2.20e-16)
     
   • Varianza residual (σ²): 0.0261
     
   • AIC del modelo SEM: -492.11
     
   • AIC del modelo lineal sin estructura espacial: -368.01

   La significancia de λ y la mejora en AIC frente al modelo lineal simple sugieren que la dependencia espacial en los errores es relevante y que el modelo espacial captura mejor la estructura de los datos.

2. Modelo con densidad de vías (SEM + dens_vias)

   • Intercepto: 0.76
     
   • Coeficiente de dens_vias: 0.128
     (p-valor = 0.11)
     
   • Parámetro λ: 0.479
     
   • Varianza residual (σ²): 0.0261
     
   • AIC del modelo SEM con vías: -492.64

   La inclusión de la densidad de vías produce:

   • Una ligera reducción del parámetro λ (de 0.485 a 0.479),
     lo que indica que las vías explican solo una pequeña fracción de la autocorrelación espacial en los errores.
   • Una mejora marginal en el AIC (-492.11 → -492.64), lo que sugiere un ajuste algo mejor pero no sustancial.
   • El coeficiente de dens_vias es positivo pero no significativo al 5%, por lo que no se puede concluir con evidencia fuerte que una mayor densidad de vías se asocie de manera robusta con un mayor rendimiento promedio, al menos con la información disponible.

---

Síntesis

En conjunto, los resultados permiten concluir que:

• Existe autocorrelación espacial positiva significativa en el rendimiento promedio del café, tanto con vecinos tipo queen como con vecinos k-NN.
• El modelo de error espacial mejora claramente frente a un modelo lineal sin estructura espacial, confirmando la importancia de considerar la dependencia espacial.
• La densidad de vías muestra una asociación positiva pero débil con el rendimiento promedio y solo contribuye de forma marginal a reducir la autocorrelación espacial restante, por lo que otras covariables espaciales (por ejemplo, climáticas, edáficas o topográficas) probablemente desempeñan un papel más determinante en la explicación de la variabilidad espacial del rendimiento.

Calcular una nueva matriz W con

## Neighbour list object:
## Number of regions: 663 
## Number of nonzero links: 3372 
## Percentage nonzero weights: 0.7671151 
## Average number of links: 5.085973 
## 2 disjoint connected subgraphs
## Link number distribution:
## 
##   1   2   3   4   5   6   7   8   9  10  11  13 
##  10  37  71 144 140 135  64  33  18   8   2   1 
## 10 least connected regions:
## 87 147 150 297 355 372 376 381 506 553 with 1 link
## 1 most connected region:
## 189 with 13 links

1. Autocorrelación espacial del rendimiento cafetero

Evaluamos la existencia de autocorrelación espacial en el rendimiento promedio del café (rend_prom) utilizando diferentes esquemas de matrices espaciales: contigüidad tipo Queen, matriz basada en el inverso de la distancia entre centroides, y matriz k-NN.

## 
##  Moran I test under randomisation
## 
## data:  cafe_sf_clean$rend_prom  
## weights: W_queen    
## 
## Moran I statistic standard deviate = 13.781, p-value < 2.2e-16
## alternative hypothesis: greater
## sample estimates:
## Moran I statistic       Expectation          Variance 
##      0.3490339831     -0.0015105740      0.0006469963

## 
##  Moran I test under randomisation
## 
## data:  cafe_sf_clean$rend_prom  
## weights: listw_dist    
## 
## Moran I statistic standard deviate = 13.63, p-value < 2.2e-16
## alternative hypothesis: greater
## sample estimates:
## Moran I statistic       Expectation          Variance 
##      0.3647813781     -0.0015105740      0.0007222497

—————————————————-

ANÁLISIS DE AUTOCORRELACIÓN ESPACIAL - RENDIMIENTO CAFÉ

—————————————————-

Moran’s I con matriz Queen

• Estadístico I: 0.3490
• Valor-p: < 2.2e-16

Interpretación: El valor positivo y estadísticamente significativo de Moran’s I indica que el rendimiento del café presenta un patrón de agrupamiento espacial. Municipios con rendimientos elevados tienden a estar rodeados por otros municipios también con altos rendimientos, y lo mismo ocurre con los valores bajos.

---

Moran’s I con matriz de distancia (W_dist)

• Estadístico I: 0.3648
  
• Valor-p: < 2.2e-16

Interpretación: La autocorrelación espacial sigue siendo fuerte y significativa. El valor levemente mayor frente a W_queen sugiere que la similitud espacial no solo ocurre entre municipios contiguos, sino también entre municipios cercanos en sentido geográfico continuo.

---

Moran’s I con matriz k-NN

• Estadístico I: 0.3806
• Valor-p: < 2.2e-16

Interpretación: Este valor es el mayor entre las tres matrices. Esto es coherente porque k-NN garantiza un número equilibrado de vecinos, capturando conectividad espacial más estable y reflejando patrones regionales amplios.

---

Conclusión sobre la autocorrelación

En los tres casos:

1. Moran’s I es positivo
2. Altamente significativo (p < 0.001)
3. Indica agrupamiento espacial claro del rendimiento cafetero

Esto confirma que el rendimiento del café en Colombia es un fenómeno espacialmente estructurado, no aleatorio. Esta dependencia territorial justifica plenamente el uso de modelos espaciales como SEM o SAR.

## 
## Call:
## errorsarlm(formula = rend_prom ~ 1, data = cafe_sf_clean, listw = W_queen, 
##     zero.policy = TRUE)
## 
## Residuals:
##        Min         1Q     Median         3Q        Max 
## -0.8719002 -0.0680285  0.0095114  0.0874411  0.7070611 
## 
## Type: error 
## Coefficients: (asymptotic standard errors) 
##             Estimate Std. Error z value  Pr(>|z|)
## (Intercept) 0.767391   0.012183  62.991 < 2.2e-16
## 
## Lambda: 0.48467, LR test value: 126.1, p-value: < 2.22e-16
## Asymptotic standard error: 0.043648
##     z-value: 11.104, p-value: < 2.22e-16
## Wald statistic: 123.3, p-value: < 2.22e-16
## 
## Log likelihood: 249.0567 for error model
## ML residual variance (sigma squared): 0.026131, (sigma: 0.16165)
## Number of observations: 663 
## Number of parameters estimated: 3 
## AIC: -492.11, (AIC for lm: -368.01)

## 
## Call:
## errorsarlm(formula = rend_prom ~ 1, data = cafe_sf_clean, listw = listw_dist, 
##     zero.policy = TRUE)
## 
## Residuals:
##        Min         1Q     Median         3Q        Max 
## -0.8317542 -0.0668988  0.0095427  0.0868142  0.7157125 
## 
## Type: error 
## Coefficients: (asymptotic standard errors) 
##             Estimate Std. Error z value  Pr(>|z|)
## (Intercept) 0.767924   0.012049  63.735 < 2.2e-16
## 
## Lambda: 0.48282, LR test value: 131.75, p-value: < 2.22e-16
## Asymptotic standard error: 0.041816
##     z-value: 11.546, p-value: < 2.22e-16
## Wald statistic: 133.32, p-value: < 2.22e-16
## 
## Log likelihood: 251.8819 for error model
## ML residual variance (sigma squared): 0.025744, (sigma: 0.16045)
## Number of observations: 663 
## Number of parameters estimated: 3 
## AIC: -497.76, (AIC for lm: -368.01)

—————————————————-

MODELOS ESPACIALES SEM - ANÁLISIS COMPARATIVO

—————————————————-

2. Modelos SEM con matriz Queen

Se ajustó un modelo de error espacial (SEM) usando W_queen como matriz de pesos.

SEM con solo intercepto

• Lambda (λ): 0.4847 (p < 0.001)
• AIC: -492.11

Interpretación: - El parámetro de autocorrelación espacial del error (λ) es moderadamente alto (≈0.48) y altamente significativo. - Esto indica que los municipios comparten efectos no observados que se transmiten espacialmente: clima, suelos, infraestructura, tradición productiva, etc. - El AIC mejora notablemente respecto al modelo no espacial (AIC = -368), lo cual evidencia que el modelo espacial captura de forma mucho más adecuada la estructura del rendimiento cafetero.

SEM con densidad de vías como covariable

• dens_vias: p = 0.109
• Lambda (λ): 0.4788 (p < 0.001)
• AIC: -492.64

Resultados clave: 1. La densidad de vías no es estadísticamente significativa, pero tiene efecto positivo. 2. λ disminuye levemente → parte de la dependencia espacial se explica por la conectividad vial. 3. El AIC mejora marginalmente respecto al SEM base, indicando que incluir la infraestructura vial aporta información, aunque su efecto no es fuerte.

---

3. Modelos SEM con matriz basada en distancia (W_dist)

Se ajustó un modelo SEM equivalente usando la matriz del inverso de la distancia entre centroides.

SEM con solo intercepto

• Lambda (λ): 0.4828 (p < 0.001)
• AIC: -497.76

Interpretación: - λ sigue siendo muy similar al modelo Queen → la dependencia espacial persiste en cualquier matriz. - El AIC es más bajo que con W_queen, lo que indica que la matriz basada en distancia proporciona un ajuste ligeramente mejor. - Esto sugiere que: 1. La interacción espacial del rendimiento no depende exclusivamente de la contigüidad física. 2. También se transmite a municipalidades cercanas aunque no compartan frontera. 3. Esto es coherente con procesos agroecológicos (clima, altitud, vegetación continua) que se extienden más allá de límites administrativos.

---

4. Comparación final de modelos

Modelo	Lambda (λ)	AIC
SEM Queen	0.48467	-492.11
SEM Distancia	0.48282	-497.76

Interpretación: - Ambos λ son casi idénticos → fuerte dependencia espacial en los dos casos. - El AIC del modelo con W_dist es menor → mejor ajuste. - Esto sugiere que el rendimiento cafetero presenta un patrón espacial suave y continuo, mejor capturado por matrices basadas en distancia que por fronteras administrativas estrictas.

---

Conclusión general

1. El rendimiento del café en Colombia presenta una autocorrelación espacial positiva significativa, evidenciada por valores de Moran’s I entre 0.34 y 0.38 en diferentes esquemas de vecindad. Esto muestra que el rendimiento está espacialmente agrupado y no sigue un patrón aleatorio.

2. Los modelos espaciales SEM confirman esta dependencia: el parámetro λ ≈ 0.48 es altamente significativo en todos los casos. El rendimiento está influido por procesos espaciales subyacentes que afectan de manera similar a municipios vecinos o próximos, tales como clima, altitud, calidad del suelo y prácticas agrícolas regionales.

3. La comparación entre matrices espaciales muestra que la matriz basada en el inverso de distancia produce el mejor ajuste (AIC = -497.76), lo cual indica que la estructura espacial del rendimiento es continua y no se restringe únicamente a la contigüidad entre municipios.

##  [1] "./wc2.1_30s_prec_01.tif" "./wc2.1_30s_prec_02.tif"
##  [3] "./wc2.1_30s_prec_03.tif" "./wc2.1_30s_prec_04.tif"
##  [5] "./wc2.1_30s_prec_05.tif" "./wc2.1_30s_prec_06.tif"
##  [7] "./wc2.1_30s_prec_07.tif" "./wc2.1_30s_prec_08.tif"
##  [9] "./wc2.1_30s_prec_09.tif" "./wc2.1_30s_prec_10.tif"
## [11] "./wc2.1_30s_prec_11.tif" "./wc2.1_30s_prec_12.tif"

## class       : SpatRaster 
## size        : 21600, 43200, 12  (nrow, ncol, nlyr)
## resolution  : 0.008333333, 0.008333333  (x, y)
## extent      : -180, 180, -90, 90  (xmin, xmax, ymin, ymax)
## coord. ref. : lon/lat WGS 84 (EPSG:4326) 
## sources     : wc2.1_30s_prec_01.tif  
##               wc2.1_30s_prec_02.tif  
##               wc2.1_30s_prec_03.tif  
##               ... and 9 more sources
## names       : wc2.1~ec_01, wc2.1~ec_02, wc2.1~ec_03, wc2.1~ec_04, wc2.1~ec_05, wc2.1~ec_06, ... 
## min values  :           0,           0,           0,           0,           0,           0, ... 
## max values  :         973,        1309,        1145,        1049,        2081,        2226, ...

## [1] "GEOGCRS[\"WGS 84\",\n    ENSEMBLE[\"World Geodetic System 1984 ensemble\",\n        MEMBER[\"World Geodetic System 1984 (Transit)\"],\n        MEMBER[\"World Geodetic System 1984 (G730)\"],\n        MEMBER[\"World Geodetic System 1984 (G873)\"],\n        MEMBER[\"World Geodetic System 1984 (G1150)\"],\n        MEMBER[\"World Geodetic System 1984 (G1674)\"],\n        MEMBER[\"World Geodetic System 1984 (G1762)\"],\n        MEMBER[\"World Geodetic System 1984 (G2139)\"],\n        MEMBER[\"World Geodetic System 1984 (G2296)\"],\n        ELLIPSOID[\"WGS 84\",6378137,298.257223563,\n            LENGTHUNIT[\"metre\",1]],\n        ENSEMBLEACCURACY[2.0]],\n    PRIMEM[\"Greenwich\",0,\n        ANGLEUNIT[\"degree\",0.0174532925199433]],\n    CS[ellipsoidal,2],\n        AXIS[\"geodetic latitude (Lat)\",north,\n            ORDER[1],\n            ANGLEUNIT[\"degree\",0.0174532925199433]],\n        AXIS[\"geodetic longitude (Lon)\",east,\n            ORDER[2],\n            ANGLEUNIT[\"degree\",0.0174532925199433]],\n    USAGE[\n        SCOPE[\"Horizontal component of 3D system.\"],\n        AREA[\"World.\"],\n        BBOX[-90,-180,90,180]],\n    ID[\"EPSG\",4326]]"

## Coordinate Reference System:
##   User input: WGS 84 
##   wkt:
## GEOGCRS["WGS 84",
##     DATUM["World Geodetic System 1984",
##         ELLIPSOID["WGS 84",6378137,298.257223563,
##             LENGTHUNIT["metre",1]]],
##     PRIMEM["Greenwich",0,
##         ANGLEUNIT["degree",0.0174532925199433]],
##     CS[ellipsoidal,2],
##         AXIS["latitude",north,
##             ORDER[1],
##             ANGLEUNIT["degree",0.0174532925199433]],
##         AXIS["longitude",east,
##             ORDER[2],
##             ANGLEUNIT["degree",0.0174532925199433]],
##     ID["EPSG",4326]]

#3. Convertir municipios a SpatVector y extraer precipitación

##  [1] "prec_01" "prec_02" "prec_03" "prec_04" "prec_05" "prec_06" "prec_07"
##  [8] "prec_08" "prec_09" "prec_10" "prec_11" "prec_12"

#4. Crear un solo valor de precipitación por municipio ## a) Precipitación anual total (suma de los 12 meses)

##  [1] "OBJECTID_1"            "DPTO_CCDGO"            "MPIO_CCDGO"           
##  [4] "Shape_Leng"            "OBJECTID"              "MPIO_CNMBR"           
##  [7] "DESCRPCION"            "DEPTO"                 "P_ENERSI"             
## [10] "P_ENERNO"              "P_ALCANSI"             "P_ALCANNO"            
## [13] "P_ACUESI"              "P_ACUENO"              "P_GASNSI"             
## [16] "P_GASNNO"              "P_GASNNOIN"            "P_TELEFSI"            
## [19] "P_TELEFNO"             "P_TELEFNOI"            "ShapeSTAre"           
## [22] "ShapeSTLen"            "codigo_dane_municipio" "prec_01"              
## [25] "prec_02"               "prec_03"               "prec_04"              
## [28] "prec_05"               "prec_06"               "prec_07"              
## [31] "prec_08"               "prec_09"               "prec_10"              
## [34] "prec_11"               "prec_12"               "geometry"

##    Min. 1st Qu.  Median    Mean 3rd Qu.    Max. 
##   459.2  1492.6  1921.2  2065.2  2406.2  7100.0

##    Min. 1st Qu.  Median    Mean 3rd Qu.    Max. 
##   38.27  124.39  160.10  172.10  200.51  591.67

##    Min. 1st Qu.  Median    Mean 3rd Qu.    Max. 
##    1079    1664    1991    2039    2359    3792

##    Min. 1st Qu.  Median    Mean 3rd Qu.    Max. 
##   89.94  138.67  165.92  169.94  196.55  316.03

Modelo con precipitación anual:

Modelo con precipitación media mensual

## 
## Call:errorsarlm(formula = rend_prom ~ prec_anual, data = cafe_prec_sf, 
##     listw = W_queen, zero.policy = TRUE)
## 
## Residuals:
##        Min         1Q     Median         3Q        Max 
## -0.8723976 -0.0671316  0.0093773  0.0871171  0.7070818 
## 
## Type: error 
## Coefficients: (asymptotic standard errors) 
##                Estimate  Std. Error z value Pr(>|z|)
## (Intercept)  7.7054e-01  4.2355e-02 18.1924   <2e-16
## prec_anual  -1.5466e-06  1.9884e-05 -0.0778    0.938
## 
## Lambda: 0.48502, LR test value: 125.03, p-value: < 2.22e-16
## Asymptotic standard error: 0.043632
##     z-value: 11.116, p-value: < 2.22e-16
## Wald statistic: 123.57, p-value: < 2.22e-16
## 
## Log likelihood: 249.0597 for error model
## ML residual variance (sigma squared): 0.026129, (sigma: 0.16164)
## Number of observations: 663 
## Number of parameters estimated: 4 
## AIC: -490.12, (AIC for lm: -367.09)

## 
## Call:errorsarlm(formula = rend_prom ~ prec_anual, data = cafe_prec_sf, 
##     listw = listw_dist, zero.policy = TRUE)
## 
## Residuals:
##       Min        1Q    Median        3Q       Max 
## -0.830717 -0.066421  0.010635  0.087366  0.715451 
## 
## Type: error 
## Coefficients: (asymptotic standard errors) 
##               Estimate Std. Error z value Pr(>|z|)
## (Intercept) 7.5882e-01 4.3080e-02 17.6141   <2e-16
## prec_anual  4.4487e-06 2.0170e-05  0.2206   0.8254
## 
## Lambda: 0.48214, LR test value: 130.73, p-value: < 2.22e-16
## Asymptotic standard error: 0.041846
##     z-value: 11.522, p-value: < 2.22e-16
## Wald statistic: 132.75, p-value: < 2.22e-16
## 
## Log likelihood: 251.906 for error model
## ML residual variance (sigma squared): 0.025747, (sigma: 0.16046)
## Number of observations: 663 
## Number of parameters estimated: 4 
## AIC: -495.81, (AIC for lm: -367.09)

## 
## Call:errorsarlm(formula = rend_prom ~ prec_media_mensual, data = cafe_prec_sf, 
##     listw = W_queen, zero.policy = TRUE)
## 
## Residuals:
##        Min         1Q     Median         3Q        Max 
## -0.8723976 -0.0671316  0.0093773  0.0871171  0.7070818 
## 
## Type: error 
## Coefficients: (asymptotic standard errors) 
##                       Estimate  Std. Error z value Pr(>|z|)
## (Intercept)         7.7054e-01  4.2355e-02 18.1924   <2e-16
## prec_media_mensual -1.8559e-05  2.3860e-04 -0.0778    0.938
## 
## Lambda: 0.48502, LR test value: 125.03, p-value: < 2.22e-16
## Asymptotic standard error: 0.043632
##     z-value: 11.116, p-value: < 2.22e-16
## Wald statistic: 123.57, p-value: < 2.22e-16
## 
## Log likelihood: 249.0597 for error model
## ML residual variance (sigma squared): 0.026129, (sigma: 0.16164)
## Number of observations: 663 
## Number of parameters estimated: 4 
## AIC: -490.12, (AIC for lm: -367.09)

## 
## Call:errorsarlm(formula = rend_prom ~ prec_media_mensual, data = cafe_prec_sf, 
##     listw = listw_dist, zero.policy = TRUE)
## 
## Residuals:
##       Min        1Q    Median        3Q       Max 
## -0.830717 -0.066421  0.010635  0.087366  0.715451 
## 
## Type: error 
## Coefficients: (asymptotic standard errors) 
##                      Estimate Std. Error z value Pr(>|z|)
## (Intercept)        7.5882e-01 4.3080e-02 17.6141   <2e-16
## prec_media_mensual 5.3385e-05 2.4204e-04  0.2206   0.8254
## 
## Lambda: 0.48214, LR test value: 130.73, p-value: < 2.22e-16
## Asymptotic standard error: 0.041846
##     z-value: 11.522, p-value: < 2.22e-16
## Wald statistic: 132.75, p-value: < 2.22e-16
## 
## Log likelihood: 251.906 for error model
## ML residual variance (sigma squared): 0.025747, (sigma: 0.16046)
## Number of observations: 663 
## Number of parameters estimated: 4 
## AIC: -495.81, (AIC for lm: -367.09)

## 
## Call:errorsarlm(formula = rend_prom ~ prec_anual + prec_media_mensual, 
##     data = cafe_prec_sf, listw = W_queen, zero.policy = TRUE)
## 
## Residuals:
##        Min         1Q     Median         3Q        Max 
## -0.8723976 -0.0671316  0.0093773  0.0871171  0.7070818 
## 
## Type: error 
## Coefficients: (asymptotic standard errors) 
##     (1 not defined because of singularities)
##                       Estimate  Std. Error z value Pr(>|z|)
## (Intercept)         7.7054e-01  4.2355e-02 18.1924   <2e-16
## prec_anual         -1.5466e-06  1.9884e-05 -0.0778    0.938
## prec_media_mensual          NA          NA      NA       NA
## 
## Lambda: 0.48502, LR test value: 125.03, p-value: < 2.22e-16
## Asymptotic standard error: 0.043632
##     z-value: 11.116, p-value: < 2.22e-16
## Wald statistic: 123.57, p-value: < 2.22e-16
## 
## Log likelihood: 249.0597 for error model
## ML residual variance (sigma squared): 0.026129, (sigma: 0.16164)
## Number of observations: 663 
## Number of parameters estimated: 4 
## AIC: -490.12, (AIC for lm: -367.09)