En esta sección se cargan las librerías necesarias para el análisis:
dplyr: para manipulación y transformación de datos (filtrar, mutar, seleccionar, resumir). labelled: para asignar etiquetas descriptivas a las variables. tidyr: para reorganizar y estructurar datos cuando sea necesario.
Estas librerías permiten trabajar la base de datos de forma eficiente y ordenada.
library(dplyr)##
## Attaching package: 'dplyr'## The following objects are masked from 'package:stats':
##
## filter, lag## The following objects are masked from 'package:base':
##
## intersect, setdiff, setequal, unionlibrary(labelled)
library(tidyr)Aquí se importa la base de datos original en formato CSV y se guarda como el objeto nuevoleon. Este será el dataset principal sobre el cual se realizará todo el análisis posterior.
nuevoleon <- read.csv("~/Desktop/analisis de decisiones/ITER_19CSV20.csv")En esta sección se realiza la preparación estructural de la base:
Filtrado municipal: Se extraen únicamente los registros correspondientes al municipio con clave MUN == 36 (Mier y Noriega).
Agregar total estatal: Se añade a la base el registro correspondiente al “Total de la Entidad” para poder comparar el municipio contra el promedio estatal.
Crear diccionario de variables: Se construye una tabla (variables_info) que vincula: 1. El nombre técnico de cada variable. 2. Su descripción completa.
Seleccionar solo variables relevantes: Se conservan únicamente las variables que aparecen en el diccionario.
Asignar etiquetas descriptivas: Se recorren las variables y se les asigna su descripción como etiqueta (var_label), facilitando la interpretación del dataset.
mierynoriega <- subset(nuevoleon, MUN == 36)
############################################################
# AGREGAR TOTAL ESTATAL
############################################################
mierynoriega_final <- bind_rows(
mierynoriega,
nuevoleon %>% filter(NOM_LOC == "Total de la Entidad")
)
############################################################
# CREAR DICCIONARIO DE VARIABLES
############################################################
variables_info <- data.frame(
codigo = c("ENTIDAD","NOM_ENT","MUN","NOM_MUN","LOC","NOM_LOC","LONGITUD","LATITUD","ALTITUD","POBTOT","POBFEM","POBMAS","P_3YMAS","P_3YMAS_F","P_3YMAS_M","P_6A11","P_6A11_F","P_6A11_M","P_12A14","P_12A14_F","P_12A14_M","P_15A17","P_15A17_F","P_15A17_M","P_18A24","P_18A24_F","P_18A24_M","P_15YMAS","P_15YMAS_F","P_15YMAS_M","PROM_HNV","P3YM_HLI","P3YM_HLI_F","P3YM_HLI_M","P3HLINHE_M","P3HLI_HE","P3HLI_HE_F","POB_AFRO","POB_AFRO_F","POB_AFRO_M","PCON_DISC","PCON_LIMI","P6A11_NOA","P6A11_NOAF","P6A11_NOAM","P12A14NOA","P12A14NOAF","P12A14NOAM","P15A17A","P15A17A_F","P15A17A_M","P18A24A","P18A24A_F","P18A24A_M","P15YM_AN","P15YM_AN_F","P15YM_AN_M","P15YM_SE","P15YM_SE_F","P15YM_SE_M","P15PRI_IN","P15PRI_INF","P15PRI_INM","P15PRI_CO","P15PRI_COF","P15PRI_COM","P15SEC_IN","P15SEC_INF","P15SEC_INM","P15SEC_CO","P15SEC_COF","P15SEC_COM","P18YM_PB","P18YM_PB_F","P18YM_PB_M","GRAPROES","GRAPROES_F","GRAPROES_M","PEA","PEA_F","PEA_M","POCUPADA","POCUPADA_F","POCUPADA_M","PDESOCUP","PDESOCUP_F","PDESOCUP_M","VIVPAR_HAB","VPH_S_ELEC","VPH_AGUAFV","VPH_NODREN","VPH_NDEAED","VPH_SNBIEN","VPH_SINCINT","VPH_SINLTC","VPH_SINRTV"),
descripcion = c("Clave de la entidad federativa","Nombre de la entidad federativa","Clave del municipio","Nombre del municipio","Clave de la localidad","Nombre de la localidad","Longitud geográfica","Latitud geográfica","Altitud en metros","Población total","Población femenina","Población masculina","Población de 3 años y más","Mujeres de 3 años y más","Hombres de 3 años y más","Población de 6 a 11 años","Mujeres de 6 a 11 años","Hombres de 6 a 11 años","Población de 12 a 14 años","Mujeres de 12 a 14 años","Hombres de 12 a 14 años","Población de 15 a 17 años","Mujeres de 15 a 17 años","Hombres de 15 a 17 años","Población de 18 a 24 años","Mujeres de 18 a 24 años","Hombres de 18 a 24 años","Población de 15 años y más","Mujeres de 15 años y más","Hombres de 15 años y más","Promedio de hijos nacidos vivos","Población de 3+ que habla lengua indígena","Mujeres que hablan lengua indígena","Hombres que hablan lengua indígena","Hombres indígenas que no hablan español","Población indígena que habla español","Mujeres indígenas que hablan español","Población afrodescendiente","Mujeres afrodescendientes","Hombres afrodescendientes","Población con discapacidad","Población con limitación","Niños 6–11 que no asisten a la escuela","Niñas 6–11 que no asisten a la escuela","Niños 6–11 que no asisten a la escuela","Adolescentes 12–14 que no asisten a la escuela","Mujeres 12–14 que no asisten","Hombres 12–14 que no asisten","Jóvenes 15–17 que asisten","Mujeres 15–17 que asisten","Hombres 15–17 que asisten","Jóvenes 18–24 que asisten","Mujeres 18–24 que asisten","Hombres 18–24 que asisten","Población 15+ analfabeta","Mujeres 15+ analfabetas","Hombres 15+ analfabetas","Población 15+ sin escolaridad","Mujeres sin escolaridad","Hombres sin escolaridad","Primaria incompleta","Mujeres primaria incompleta","Hombres primaria incompleta","Primaria completa","Mujeres primaria completa","Hombres primaria completa","Secundaria incompleta","Mujeres secundaria incompleta","Hombres secundaria incompleta","Secundaria completa","Mujeres secundaria completa","Hombres secundaria completa","Educación postbásica 18+","Mujeres postbásica","Hombres postbásica","Promedio de años de escolaridad","Promedio escolaridad mujeres","Promedio escolaridad hombres","Población económicamente activa","Mujeres económicamente activas","Hombres económicamente activos","Población ocupada","Mujeres ocupadas","Hombres ocupados","Población desocupada","Mujeres desocupadas","Hombres desocupados","Viviendas particulares habitadas","Viviendas sin electricidad","Viviendas con agua entubada","Viviendas sin drenaje","Viviendas sin electrodomésticos básicos","Viviendas sin bienes básicos","Viviendas sin sanitario","Viviendas sin línea telefónica","Viviendas sin televisión"
),
stringsAsFactors = FALSE
)
############################################################
# 6. SELECCIONAR SOLO VARIABLES DE INTERÉS
############################################################
vars_to_keep <- intersect(variables_info$codigo,
names(mierynoriega_final))
df <- mierynoriega_final[, vars_to_keep]
############################################################
# 7. ASIGNAR DESCRIPCIONES COMO LABELS
############################################################
for(i in seq_len(nrow(variables_info))) {
codigo_var <- variables_info$codigo[i]
descripcion_var <- variables_info$descripcion[i]
if(codigo_var %in% names(df)) {
labelled::var_label(df[[codigo_var]]) <- descripcion_var
}
}
print(variables_info)## codigo descripcion
## 1 ENTIDAD Clave de la entidad federativa
## 2 NOM_ENT Nombre de la entidad federativa
## 3 MUN Clave del municipio
## 4 NOM_MUN Nombre del municipio
## 5 LOC Clave de la localidad
## 6 NOM_LOC Nombre de la localidad
## 7 LONGITUD Longitud geográfica
## 8 LATITUD Latitud geográfica
## 9 ALTITUD Altitud en metros
## 10 POBTOT Población total
## 11 POBFEM Población femenina
## 12 POBMAS Población masculina
## 13 P_3YMAS Población de 3 años y más
## 14 P_3YMAS_F Mujeres de 3 años y más
## 15 P_3YMAS_M Hombres de 3 años y más
## 16 P_6A11 Población de 6 a 11 años
## 17 P_6A11_F Mujeres de 6 a 11 años
## 18 P_6A11_M Hombres de 6 a 11 años
## 19 P_12A14 Población de 12 a 14 años
## 20 P_12A14_F Mujeres de 12 a 14 años
## 21 P_12A14_M Hombres de 12 a 14 años
## 22 P_15A17 Población de 15 a 17 años
## 23 P_15A17_F Mujeres de 15 a 17 años
## 24 P_15A17_M Hombres de 15 a 17 años
## 25 P_18A24 Población de 18 a 24 años
## 26 P_18A24_F Mujeres de 18 a 24 años
## 27 P_18A24_M Hombres de 18 a 24 años
## 28 P_15YMAS Población de 15 años y más
## 29 P_15YMAS_F Mujeres de 15 años y más
## 30 P_15YMAS_M Hombres de 15 años y más
## 31 PROM_HNV Promedio de hijos nacidos vivos
## 32 P3YM_HLI Población de 3+ que habla lengua indígena
## 33 P3YM_HLI_F Mujeres que hablan lengua indígena
## 34 P3YM_HLI_M Hombres que hablan lengua indígena
## 35 P3HLINHE_M Hombres indígenas que no hablan español
## 36 P3HLI_HE Población indígena que habla español
## 37 P3HLI_HE_F Mujeres indígenas que hablan español
## 38 POB_AFRO Población afrodescendiente
## 39 POB_AFRO_F Mujeres afrodescendientes
## 40 POB_AFRO_M Hombres afrodescendientes
## 41 PCON_DISC Población con discapacidad
## 42 PCON_LIMI Población con limitación
## 43 P6A11_NOA Niños 6–11 que no asisten a la escuela
## 44 P6A11_NOAF Niñas 6–11 que no asisten a la escuela
## 45 P6A11_NOAM Niños 6–11 que no asisten a la escuela
## 46 P12A14NOA Adolescentes 12–14 que no asisten a la escuela
## 47 P12A14NOAF Mujeres 12–14 que no asisten
## 48 P12A14NOAM Hombres 12–14 que no asisten
## 49 P15A17A Jóvenes 15–17 que asisten
## 50 P15A17A_F Mujeres 15–17 que asisten
## 51 P15A17A_M Hombres 15–17 que asisten
## 52 P18A24A Jóvenes 18–24 que asisten
## 53 P18A24A_F Mujeres 18–24 que asisten
## 54 P18A24A_M Hombres 18–24 que asisten
## 55 P15YM_AN Población 15+ analfabeta
## 56 P15YM_AN_F Mujeres 15+ analfabetas
## 57 P15YM_AN_M Hombres 15+ analfabetas
## 58 P15YM_SE Población 15+ sin escolaridad
## 59 P15YM_SE_F Mujeres sin escolaridad
## 60 P15YM_SE_M Hombres sin escolaridad
## 61 P15PRI_IN Primaria incompleta
## 62 P15PRI_INF Mujeres primaria incompleta
## 63 P15PRI_INM Hombres primaria incompleta
## 64 P15PRI_CO Primaria completa
## 65 P15PRI_COF Mujeres primaria completa
## 66 P15PRI_COM Hombres primaria completa
## 67 P15SEC_IN Secundaria incompleta
## 68 P15SEC_INF Mujeres secundaria incompleta
## 69 P15SEC_INM Hombres secundaria incompleta
## 70 P15SEC_CO Secundaria completa
## 71 P15SEC_COF Mujeres secundaria completa
## 72 P15SEC_COM Hombres secundaria completa
## 73 P18YM_PB Educación postbásica 18+
## 74 P18YM_PB_F Mujeres postbásica
## 75 P18YM_PB_M Hombres postbásica
## 76 GRAPROES Promedio de años de escolaridad
## 77 GRAPROES_F Promedio escolaridad mujeres
## 78 GRAPROES_M Promedio escolaridad hombres
## 79 PEA Población económicamente activa
## 80 PEA_F Mujeres económicamente activas
## 81 PEA_M Hombres económicamente activos
## 82 POCUPADA Población ocupada
## 83 POCUPADA_F Mujeres ocupadas
## 84 POCUPADA_M Hombres ocupados
## 85 PDESOCUP Población desocupada
## 86 PDESOCUP_F Mujeres desocupadas
## 87 PDESOCUP_M Hombres desocupados
## 88 VIVPAR_HAB Viviendas particulares habitadas
## 89 VPH_S_ELEC Viviendas sin electricidad
## 90 VPH_AGUAFV Viviendas con agua entubada
## 91 VPH_NODREN Viviendas sin drenaje
## 92 VPH_NDEAED Viviendas sin electrodomésticos básicos
## 93 VPH_SNBIEN Viviendas sin bienes básicos
## 94 VPH_SINCINT Viviendas sin sanitario
## 95 VPH_SINLTC Viviendas sin línea telefónica
## 96 VPH_SINRTV Viviendas sin televisiónEsta sección realiza limpieza y construcción de indicadores:
El resultado es un conjunto de indicadores comparables entre localidades.
df <- df %>%
filter(PROM_HNV != "*")
# DEFINIR VARIABLES DE CARENCIAS
vars_vivienda <- c(
"VPH_S_ELEC",
"VPH_AGUAFV",
"VPH_NODREN",
"VPH_NDEAED",
"VPH_SNBIEN",
"VPH_SINCINT",
"VPH_SINLTC",
"VPH_SINRTV"
)
# ASEGURAR QUE SEAN NUMÉRICAS
df[vars_vivienda] <- lapply(df[vars_vivienda], as.numeric)
df$VIVPAR_HAB <- as.numeric(df$VIVPAR_HAB)
# CALCULAR PORCENTAJES
for (v in vars_vivienda) {
nueva_var <- paste0(v, "_pct")
df[[nueva_var]] <- df[[v]] / df$VIVPAR_HAB
}
# CREAR VARIABLES BINARIAS (1 SI > PROMEDIO)
for (v in vars_vivienda) {
pct_var <- paste0(v, "_pct")
bin_var <- paste0(v, "_alto")
promedio <- mean(df[[pct_var]], na.rm = TRUE)
df[[bin_var]] <- ifelse(df[[pct_var]] > promedio, 1, 0)
}
# SUMAR TODAS LAS VARIABLES BINARIAS
vars_binarias <- paste0(vars_vivienda, "_alto")
df$indice_carencias_vivienda <- rowSums(df[, vars_binarias], na.rm = TRUE)
# CALCULAR PROMEDIO DEL % DE CARENCIAS POR LOCALIDAD
vars_pct <- paste0(vars_vivienda, "_pct")
df$promedio_pct_carencias <- rowMeans(df[, vars_pct], na.rm = TRUE)Aquí se construye una tabla resumen (tabla_general) con los principales indicadores demográficos y socioeconómicos:
Se transforman variables en porcentajes y métricas interpretables, y se seleccionan únicamente los indicadores clave para diagnóstico general.
tabla_general <- df %>%
mutate(
across(-NOM_LOC, ~ suppressWarnings(as.numeric(.)))
) %>%
mutate(
`Población total` = POBTOT,
`Promedio hijos nacidos vivos` = PROM_HNV,
`% habla lengua indígena` = 100*(P3YM_HLI/P_3YMAS),
`% indígena que no habla español` = 100*(P3HLI_HE/P_3YMAS),
`% con discapacidad` = 100*(PCON_DISC/POBTOT),
`% con limitación` = 100*(PCON_LIMI/POBTOT),
`Grado promedio escolaridad` = GRAPROES,
`Grado promedio mujeres` = GRAPROES_F,
`Grado promedio hombres` = GRAPROES_M,
`% rezago educativo` = 100*((P15YM_SE+P15PRI_IN+P15SEC_IN)/P_15YMAS),
`PEA total` = PEA,
`% PEA sobre 15+` = 100*(PEA/P_15YMAS),
`PEA mujeres` = 100*(PEA_F/P_15YMAS_F),
`PEA hombres` = 100*(PEA_M/P_15YMAS_M),
`% desocupación` = 100-(100*POCUPADA/PEA),
`Viviendas habitadas` = VIVPAR_HAB,
`Índice carencias vivienda` = promedio_pct_carencias
) %>%
select(NOM_LOC,
`Población total`,
`Promedio hijos nacidos vivos`,
`% habla lengua indígena`,
`% indígena que no habla español`,
`% con discapacidad`,
`% con limitación`,
`Grado promedio escolaridad`,
`Grado promedio mujeres`,
`Grado promedio hombres`,
`% rezago educativo`,
`PEA total`,
`% PEA sobre 15+`,
`PEA mujeres`,
`PEA hombres`,
`% desocupación`,
`Viviendas habitadas`,
`Índice carencias vivienda`)
tabla_general## NOM_LOC Población total
## 1 Total del Municipio 7652
## 2 Mier y Noriega 1180
## 3 La Cardona 479
## 4 Cerros Blancos 586
## 5 Dolores 549
## 6 El Gallito 206
## 7 Jesús María del Terrero (El Lindero) 215
## 8 La Joya del Zacate 45
## 9 Lagunita de Taberna 208
## 10 Las Mesas de San Juan 124
## 11 Las Palomas (Lajillas) 865
## 12 La Presita de Cerros Blancos (La Presita) 515
## 13 El Refugio de Cerros Blancos 531
## 14 San Antonio de Alamitos 412
## 15 San Elías 30
## 16 San Isidro 414
## 17 San José de Cuatro Caminos 84
## 18 San José de Medina (Rancho de Abajo) 14
## 19 San Rafael de los Martínez 657
## 20 Tapona Moreña 519
## 21 Total de la Entidad 5784442
## Promedio hijos nacidos vivos % habla lengua indígena
## 1 3.20 0.06984216
## 2 3.03 0.35682426
## 3 3.84 0.00000000
## 4 3.32 0.00000000
## 5 2.91 0.19267823
## 6 3.59 0.00000000
## 7 3.85 0.00000000
## 8 3.67 0.00000000
## 9 3.51 0.00000000
## 10 3.08 0.00000000
## 11 2.93 0.00000000
## 12 3.67 0.00000000
## 13 3.03 0.00000000
## 14 2.85 0.00000000
## 15 2.78 0.00000000
## 16 3.36 0.00000000
## 17 3.84 0.00000000
## 18 4.20 0.00000000
## 19 2.91 0.00000000
## 20 3.16 0.00000000
## 21 1.88 1.41508646
## % indígena que no habla español % con discapacidad % con limitación
## 1 0.06984216 6.168322 12.924726
## 2 0.35682426 5.000000 12.542373
## 3 0.00000000 4.175365 25.887265
## 4 0.00000000 4.266212 4.436860
## 5 0.19267823 10.200364 10.200364
## 6 0.00000000 2.427184 20.873786
## 7 0.00000000 6.046512 8.837209
## 8 0.00000000 6.666667 20.000000
## 9 0.00000000 4.326923 6.250000
## 10 0.00000000 8.870968 12.096774
## 11 0.00000000 5.086705 13.526012
## 12 0.00000000 9.708738 14.563107
## 13 0.00000000 8.662900 16.007533
## 14 0.00000000 8.252427 21.844660
## 15 0.00000000 13.333333 3.333333
## 16 0.00000000 7.246377 14.251208
## 17 0.00000000 3.571429 21.428571
## 18 0.00000000 7.142857 7.142857
## 19 0.00000000 7.305936 11.719939
## 20 0.00000000 1.156069 1.734104
## 21 1.38514897 3.806867 9.532017
## Grado promedio escolaridad Grado promedio mujeres Grado promedio hombres
## 1 6.59 6.82 6.36
## 2 7.27 7.43 7.11
## 3 5.30 5.59 5.02
## 4 6.65 6.99 6.29
## 5 7.46 7.53 7.39
## 6 5.44 5.71 5.19
## 7 6.51 6.75 6.24
## 8 6.13 6.15 6.12
## 9 5.87 6.36 5.38
## 10 6.58 6.68 6.50
## 11 6.71 7.04 6.38
## 12 5.83 6.26 5.43
## 13 6.64 6.63 6.64
## 14 6.80 7.12 6.45
## 15 6.11 7.78 4.44
## 16 5.69 5.64 5.75
## 17 5.98 5.40 6.47
## 18 6.13 7.20 4.33
## 19 7.47 7.76 7.18
## 20 6.27 6.38 6.17
## 21 10.74 10.60 10.88
## % rezago educativo PEA total % PEA sobre 15+ PEA mujeres PEA hombres
## 1 35.553819 2356 46.02461 20.525705 72.07741
## 2 30.595238 285 33.92857 21.330275 47.52475
## 3 50.154799 138 42.72446 7.006369 76.50602
## 4 38.692098 224 61.03542 29.189189 93.40659
## 5 26.178010 200 52.35602 22.564103 83.42246
## 6 41.610738 16 10.73826 2.777778 18.18182
## 7 36.486486 65 43.91892 16.883117 73.23944
## 8 43.333333 14 46.66667 0.000000 82.35294
## 9 34.074074 58 42.96296 13.432836 72.05882
## 10 34.246575 31 42.46575 3.030303 75.00000
## 11 34.000000 174 34.80000 14.062500 56.55738
## 12 41.193182 170 48.29545 14.880952 78.80435
## 13 36.871508 150 41.89944 14.948454 73.78049
## 14 32.014388 130 46.76259 19.178082 77.27273
## 15 38.888889 8 44.44444 0.000000 88.88889
## 16 44.897959 116 39.45578 8.724832 71.03448
## 17 40.909091 28 42.42424 0.000000 77.77778
## 18 37.500000 2 25.00000 0.000000 66.66667
## 19 26.744186 232 53.95349 25.339367 84.21053
## 20 37.142857 306 87.42857 68.862275 104.37158
## 21 9.029475 2862003 65.27008 50.434671 80.26085
## % desocupación Viviendas habitadas Índice carencias vivienda
## 1 3.9473684 1877 0.26098828
## 2 3.5087719 332 0.13629518
## 3 1.4492754 131 0.27576336
## 4 0.0000000 122 0.25512295
## 5 8.5000000 142 0.26584507
## 6 0.0000000 54 0.33796296
## 7 0.0000000 51 0.24754902
## 8 0.0000000 12 0.26041667
## 9 1.7241379 43 0.37790698
## 10 0.0000000 22 0.42045455
## 11 1.1494253 199 0.27512563
## 12 13.5294118 129 0.29844961
## 13 16.6666667 129 0.28488372
## 14 0.7692308 92 0.22010870
## 15 0.0000000 7 0.28571429
## 16 0.0000000 101 0.32673267
## 17 0.0000000 26 0.23076923
## 18 0.0000000 3 0.33333333
## 19 4.7413793 155 0.22258065
## 20 0.0000000 118 0.41843220
## 21 1.9061475 1545418 0.04597502En esta sección se generan indicadores específicos de asistencia y rezago escolar:
% de niños 6–11 que no asisten. % de adolescentes 12–14 que no asisten. % de jóvenes 15–17 fuera de la escuela. % de población 18+ sin educación postbásica.
Todos los indicadores se calculan: - Total - Hombres - Mujeres
Finalmente se crea tabla_escolaridad, que contiene únicamente los porcentajes educativos por localidad.
df <- df %>%
mutate(across(-NOM_LOC, ~ suppressWarnings(as.numeric(.))))
tabla_escolaridad <- df %>%
mutate(
# 6-11 años que no asisten
`% 6-11 no asiste (Total)` = 100*(P6A11_NOA/P_6A11),
`% 6-11 no asiste (Hombres)` = 100*(P6A11_NOAM/P_6A11_M),
`% 6-11 no asiste (Mujeres)` = 100*(P6A11_NOAF/P_6A11_F),
# 12-14 años que no asisten
`% 12-14 no asiste (Total)` = 100*(P12A14NOA/P_12A14),
`% 12-14 no asiste (Hombres)` = 100*(P12A14NOAM/P_12A14_M),
`% 12-14 no asiste (Mujeres)` = 100*(P12A14NOAF/P_12A14_F),
# 15-17 fuera de la escuela
`% 15-17 fuera escuela (Total)` = 100 - 100*(P15A17A/P_15A17),
`% 15-17 fuera escuela (Hombres)` = 100 - 100*(P15A17A_M/P_15A17_M),
`% 15-17 fuera escuela (Mujeres)` = 100 - 100*(P15A17A_F/P_15A17_F),
# 18+ sin postbásica
`% 18+ sin postbásica (Total)` = 100 - 100*(P18YM_PB/P_15YMAS),
`% 18+ sin postbásica (Hombres)` = 100 - 100*(P18YM_PB_M/P_15YMAS_M),
`% 18+ sin postbásica (Mujeres)` = 100 - 100*(P18YM_PB_F/P_15YMAS_F)
) %>%
select(NOM_LOC, starts_with("%"))
tabla_escolaridad## NOM_LOC % 6-11 no asiste (Total)
## 1 Total del Municipio 2.263374
## 2 Mier y Noriega 2.962963
## 3 La Cardona 1.923077
## 4 Cerros Blancos 7.246377
## 5 Dolores 0.000000
## 6 El Gallito 0.000000
## 7 Jesús María del Terrero (El Lindero) 0.000000
## 8 La Joya del Zacate 0.000000
## 9 Lagunita de Taberna 3.846154
## 10 Las Mesas de San Juan 0.000000
## 11 Las Palomas (Lajillas) 2.083333
## 12 La Presita de Cerros Blancos (La Presita) 0.000000
## 13 El Refugio de Cerros Blancos 3.508772
## 14 San Antonio de Alamitos 1.724138
## 15 San Elías 0.000000
## 16 San Isidro 2.325581
## 17 San José de Cuatro Caminos 0.000000
## 18 San José de Medina (Rancho de Abajo) 0.000000
## 19 San Rafael de los Martínez 1.136364
## 20 Tapona Moreña 4.347826
## 21 Total de la Entidad 4.000635
## % 6-11 no asiste (Hombres) % 6-11 no asiste (Mujeres)
## 1 2.857143 1.659751
## 2 3.896104 1.724138
## 3 0.000000 4.000000
## 4 8.571429 5.882353
## 5 0.000000 0.000000
## 6 0.000000 0.000000
## 7 0.000000 0.000000
## 8 0.000000 0.000000
## 9 7.142857 0.000000
## 10 0.000000 0.000000
## 11 4.838710 0.000000
## 12 0.000000 0.000000
## 13 3.225806 3.846154
## 14 0.000000 3.225806
## 15 0.000000 0.000000
## 16 0.000000 4.545455
## 17 0.000000 0.000000
## 18 0.000000 0.000000
## 19 2.500000 0.000000
## 20 6.451613 2.631579
## 21 4.098332 3.899424
## % 12-14 no asiste (Total) % 12-14 no asiste (Hombres)
## 1 11.213235 10.909091
## 2 6.250000 9.375000
## 3 2.325581 4.347826
## 4 14.000000 12.000000
## 5 6.250000 0.000000
## 6 6.666667 16.666667
## 7 16.666667 14.285714
## 8 0.000000 NaN
## 9 0.000000 0.000000
## 10 0.000000 0.000000
## 11 12.307692 10.344828
## 12 23.333333 26.315789
## 13 12.500000 8.333333
## 14 32.258065 31.250000
## 15 NaN NaN
## 16 8.695652 0.000000
## 17 33.333333 0.000000
## 18 NaN NaN
## 19 6.000000 8.000000
## 20 17.073171 21.739130
## 21 6.617438 6.968464
## % 12-14 no asiste (Mujeres) % 15-17 fuera escuela (Total)
## 1 11.524164 41.92140
## 2 3.125000 33.33333
## 3 0.000000 32.25806
## 4 16.000000 34.28571
## 5 16.666667 30.00000
## 6 0.000000 45.45455
## 7 20.000000 21.42857
## 8 0.000000 50.00000
## 9 0.000000 83.33333
## 10 0.000000 85.71429
## 11 13.888889 52.45902
## 12 18.181818 44.73684
## 13 14.285714 50.00000
## 14 33.333333 66.66667
## 15 NaN 100.00000
## 16 15.384615 20.68966
## 17 50.000000 42.85714
## 18 NaN 100.00000
## 19 4.000000 23.07692
## 20 11.111111 35.29412
## 21 6.254993 27.43737
## % 15-17 fuera escuela (Hombres) % 15-17 fuera escuela (Mujeres)
## 1 41.94915 41.89189
## 2 47.61905 23.33333
## 3 35.00000 27.27273
## 4 36.84211 31.25000
## 5 26.66667 33.33333
## 6 40.00000 50.00000
## 7 16.66667 25.00000
## 8 50.00000 NaN
## 9 85.71429 80.00000
## 10 75.00000 100.00000
## 11 44.44444 64.00000
## 12 27.27273 68.75000
## 13 53.84615 47.36842
## 14 60.00000 75.00000
## 15 100.00000 100.00000
## 16 42.85714 0.00000
## 17 75.00000 0.00000
## 18 NaN 100.00000
## 19 18.18182 26.66667
## 20 31.25000 38.88889
## 21 28.09128 26.75317
## % 18+ sin postbásica (Total) % 18+ sin postbásica (Hombres)
## 1 88.61106 89.92891
## 2 78.21429 79.70297
## 3 94.73684 96.98795
## 4 89.10082 88.46154
## 5 86.64921 88.77005
## 6 94.63087 94.80519
## 7 87.83784 85.91549
## 8 86.66667 82.35294
## 9 96.29630 100.00000
## 10 98.63014 97.50000
## 11 92.60000 94.26230
## 12 92.61364 93.47826
## 13 87.70950 87.19512
## 14 86.69065 87.87879
## 15 83.33333 100.00000
## 16 93.53741 95.86207
## 17 95.45455 91.66667
## 18 87.50000 100.00000
## 19 84.18605 88.51675
## 20 95.14286 93.98907
## 21 51.07853 49.71140
## % 18+ sin postbásica (Mujeres)
## 1 87.32122
## 2 76.83486
## 3 92.35669
## 4 89.72973
## 5 84.61538
## 6 94.44444
## 7 89.61039
## 8 92.30769
## 9 92.53731
## 10 100.00000
## 11 91.01562
## 12 91.66667
## 13 88.14433
## 14 85.61644
## 15 66.66667
## 16 91.27517
## 17 100.00000
## 18 80.00000
## 19 80.09050
## 20 96.40719
## 21 52.43149Aquí se construye una tabla con porcentajes específicos de carencias habitacionales: - Viviendas sin electricidad. - Sin agua entubada. - Sin drenaje. - Sin electrodomésticos básicos. - Sin bienes básicos. - Sin sanitario. - Sin línea telefónica. - Sin televisión.
Cada indicador se calcula como proporción del total de viviendas habitadas y se organiza en tabla_vivienda para su análisis comparativo.
tabla_vivienda <- df %>%
mutate(
`Viviendas sin electricidad (%)` = 100*(VPH_S_ELEC / VIVPAR_HAB),
`Viviendas sin agua entubada (%)` = 100*(VPH_AGUAFV / VIVPAR_HAB),
`Viviendas sin drenaje (%)` = 100*(VPH_NODREN / VIVPAR_HAB),
`Viviendas sin electrodomésticos básicos (%)` = 100*(VPH_NDEAED / VIVPAR_HAB),
`Viviendas sin bienes básicos (%)` = 100*(VPH_SNBIEN / VIVPAR_HAB),
`Viviendas sin sanitario (%)` = 100*(VPH_SINCINT / VIVPAR_HAB),
`Viviendas sin línea telefónica (%)` = 100*(VPH_SINLTC / VIVPAR_HAB),
`Viviendas sin televisión (%)` = 100*(VPH_SINRTV / VIVPAR_HAB)
) %>%
select(
NOM_LOC,
`Viviendas sin electricidad (%)`,
`Viviendas sin agua entubada (%)`,
`Viviendas sin drenaje (%)`,
`Viviendas sin electrodomésticos básicos (%)`,
`Viviendas sin bienes básicos (%)`,
`Viviendas sin sanitario (%)`,
`Viviendas sin línea telefónica (%)`,
`Viviendas sin televisión (%)`
)
tabla_vivienda## NOM_LOC Viviendas sin electricidad (%)
## 1 Total del Municipio 2.1310602
## 2 Mier y Noriega 2.7108434
## 3 La Cardona 0.7633588
## 4 Cerros Blancos 1.6393443
## 5 Dolores 1.4084507
## 6 El Gallito 0.0000000
## 7 Jesús María del Terrero (El Lindero) 0.0000000
## 8 La Joya del Zacate 0.0000000
## 9 Lagunita de Taberna 0.0000000
## 10 Las Mesas de San Juan 0.0000000
## 11 Las Palomas (Lajillas) 2.5125628
## 12 La Presita de Cerros Blancos (La Presita) 1.5503876
## 13 El Refugio de Cerros Blancos 3.8759690
## 14 San Antonio de Alamitos 1.0869565
## 15 San Elías 0.0000000
## 16 San Isidro 2.9702970
## 17 San José de Cuatro Caminos 7.6923077
## 18 San José de Medina (Rancho de Abajo) 0.0000000
## 19 San Rafael de los Martínez 1.2903226
## 20 Tapona Moreña 3.3898305
## 21 Total de la Entidad 0.1843514
## Viviendas sin agua entubada (%) Viviendas sin drenaje (%)
## 1 20.7245605 54.5018647
## 2 3.9156627 14.7590361
## 3 9.9236641 11.4503817
## 4 4.0983607 80.3278689
## 5 16.1971831 78.8732394
## 6 14.8148148 70.3703704
## 7 1.9607843 66.6666667
## 8 100.0000000 8.3333333
## 9 20.9302326 100.0000000
## 10 100.0000000 100.0000000
## 11 35.6783920 65.8291457
## 12 28.6821705 86.8217054
## 13 6.9767442 95.3488372
## 14 3.2608696 59.7826087
## 15 85.7142857 28.5714286
## 16 76.2376238 33.6633663
## 17 3.8461538 0.0000000
## 18 33.3333333 100.0000000
## 19 7.0967742 52.2580645
## 20 51.6949153 55.0847458
## 21 0.7828303 0.9466694
## Viviendas sin electrodomésticos básicos (%) Viviendas sin bienes básicos (%)
## 1 0.95897709 3.6760788
## 2 0.90361446 6.0240964
## 3 0.00000000 8.3969466
## 4 0.81967213 0.8196721
## 5 1.40845070 2.1126761
## 6 0.00000000 1.8518519
## 7 0.00000000 1.9607843
## 8 0.00000000 0.0000000
## 9 0.00000000 2.3255814
## 10 0.00000000 4.5454545
## 11 1.00502513 2.0100503
## 12 1.55038760 0.7751938
## 13 0.77519380 3.1007752
## 14 0.00000000 2.1739130
## 15 0.00000000 0.0000000
## 16 0.00000000 2.9702970
## 17 0.00000000 7.6923077
## 18 0.00000000 0.0000000
## 19 0.64516129 1.9354839
## 20 3.38983051 7.6271186
## 21 0.04723641 0.2837420
## Viviendas sin sanitario (%) Viviendas sin línea telefónica (%)
## 1 87.85296 28.66276
## 2 58.13253 12.95181
## 3 99.23664 73.28244
## 4 95.08197 15.57377
## 5 95.77465 11.97183
## 6 100.00000 72.22222
## 7 94.11765 25.49020
## 8 83.33333 16.66667
## 9 95.34884 79.06977
## 10 95.45455 31.81818
## 11 88.44221 16.58291
## 12 94.57364 12.40310
## 13 95.34884 13.95349
## 14 78.26087 25.00000
## 15 100.00000 14.28571
## 16 97.02970 27.72277
## 17 100.00000 26.92308
## 18 100.00000 33.33333
## 19 94.19355 16.12903
## 20 100.00000 95.76271
## 21 28.43755 3.72100
## Viviendas sin televisión (%)
## 1 10.282365
## 2 9.638554
## 3 17.557252
## 4 5.737705
## 5 4.929577
## 6 11.111111
## 7 7.843137
## 8 0.000000
## 9 4.651163
## 10 4.545455
## 11 8.040201
## 12 12.403101
## 13 8.527132
## 14 6.521739
## 15 0.000000
## 16 20.792079
## 17 38.461538
## 18 0.000000
## 19 4.516129
## 20 17.796610
## 21 2.376639El perfil sociodemográfico del municipio muestra un patrón de rezago estructural consistente frente al promedio estatal. Mientras la entidad presenta un grado promedio de escolaridad de 10.74 años y un rezago educativo de 9.0%, el total del municipio apenas alcanza 6.59 años de escolaridad promedio y concentra 35.55% de rezago educativo, es decir, casi cuatro veces más que el promedio estatal. Esta brecha confirma una desventaja acumulada en capital humano que condiciona tanto las oportunidades laborales como el bienestar general.
La fecundidad es significativamente más alta en el municipio (3.20 hijos en promedio) respecto a la entidad (1.88), lo que sugiere una dinámica demográfica más tradicional y posiblemente asociada a menores niveles educativos y contextos rurales. En varias localidades pequeñas el promedio supera incluso los 3.5 o 4 hijos, como San José de Medina (4.20) o La Cardona (3.84), reforzando la relación entre menor escolaridad y mayor fecundidad.
En términos de composición indígena, la presencia es prácticamente marginal en el municipio (0.07%) comparada con el 1.41% estatal, por lo que las brechas observadas no están asociadas a concentración indígena ni a barreras lingüísticas estructurales.
Las condiciones de salud y funcionalidad muestran niveles superiores al promedio estatal. El municipio registra 6.17% de población con discapacidad (vs. 3.80% estatal) y 12.92% con alguna limitación (vs. 9.53%), lo que podría vincularse con envejecimiento relativo, condiciones de acceso a servicios médicos o características laborales históricas. Algunas localidades presentan valores particularmente elevados, como La Cardona (25.88% con limitación) y San Antonio de Alamitos (21.84%), lo que apunta a focos específicos de vulnerabilidad.
En el mercado laboral, la participación económica también es menor. Mientras en la entidad 65.27% de la población de 15 años y más forma parte de la PEA, en el municipio la proporción es de 46.02%. Además, la estructura es marcadamente masculinizada: en el total municipal, 72% de la PEA corresponde a hombres y solo 20.5% a mujeres, reflejando una baja inserción femenina en actividades económicas formales. Algunas localidades presentan participaciones extremadamente bajas, como El Gallito (10.7%) o San José de Medina (25%), lo que sugiere economías de subsistencia o dependencia de actividades no registradas.
El desempleo abierto no parece ser el principal problema —la tasa municipal es de 3.94%, cercana a la estatal (1.90%)— pero esto puede ocultar subempleo o baja calidad ocupacional, especialmente considerando el bajo nivel educativo promedio.
En vivienda, el índice de carencias del municipio (0.2609) es casi seis veces mayor que el estatal (0.0459), confirmando condiciones habitacionales significativamente más precarias. Localidades como Las Mesas de San Juan (0.4204), Tapona Moreña (0.4184) y Lagunita de Taberna (0.3779) muestran niveles especialmente altos, evidenciando desigualdades internas marcadas.
En conjunto, el municipio presenta un perfil típico de rezago rural estructural: baja escolaridad, alta fecundidad, limitada participación económica —especialmente femenina— y mayores carencias en vivienda. Las brechas respecto al promedio estatal son amplias y persistentes, lo que sugiere que las desventajas no son coyunturales sino históricas y acumulativas. La mejora sostenible requeriría intervenciones integrales centradas en educación media y superior, fortalecimiento de la participación laboral femenina y reducción de carencias habitacionales, ya que estos factores operan de manera interrelacionada en la reproducción del rezago.
6–11 años que no asiste 2.26% total en el municipio (vs. 4.00% entidad) 2.86% hombres (vs. 4.10% entidad) 1.66% mujeres (vs. 3.90% entidad)
12–14 años que no asiste 11.21% total en el municipio (vs. 6.62% entidad) 10.91% hombres (vs. 6.97% entidad) 11.52% mujeres (vs. 6.25% entidad)
15–17 años fuera de la escuela 41.92% total en el municipio (vs. 27.44% entidad) 41.95% hombres (vs. 28.09% entidad) 41.89% mujeres (vs. 26.75% entidad)
18+ sin educación postbásica 88.61% total en el municipio (vs. 51.08% entidad) 89.93% hombres (vs. 49.71% entidad) 87.32% mujeres (vs. 52.43% entidad)
El municipio presenta una situación educativa dual. En el grupo de 6 a 11 años, la inasistencia escolar es menor que el promedio estatal (2.26% vs. 4.00%), lo que sugiere una cobertura relativamente adecuada en educación primaria. Sin embargo, a partir de los 12 años la situación cambia significativamente. En el grupo de 12 a 14 años, la inasistencia casi duplica el promedio estatal (11.21% vs. 6.62%), lo que indica problemas de transición o permanencia en secundaria.
La ruptura más crítica ocurre en el grupo de 15 a 17 años. En el municipio, 41.92% de los jóvenes está fuera de la escuela (vs. 27.44% estatal), es decir, prácticamente 4 de cada 10 adolescentes no continúan su trayectoria educativa. Este fenómeno afecta de manera casi simétrica a hombres y mujeres, lo que sugiere un problema estructural más que una brecha de género específica.
En educación de adultos, el rezago es aún más severo: 88.61% de la población de 18 años o más no cuenta con educación postbásica (vs. 51.08% estatal). Esto implica una brecha de más de 37 puntos porcentuales respecto al promedio estatal. El rezago es ligeramente mayor en hombres (89.93%) que en mujeres (87.32%), pero ambos niveles son extremadamente altos.
A nivel de localidades se observan focos críticos. San Antonio de Alamitos presenta 32.26% de inasistencia en 12–14 años y 66.67% de jóvenes de 15–17 fuera de la escuela. Lagunita de Taberna y Las Mesas de San Juan superan 80% de abandono en 15–17 años. San Elías y San José de Medina muestran 100% de jóvenes 15–17 fuera de la escuela, aunque estos valores pueden estar influenciados por tamaños poblacionales muy pequeños.
En conjunto, el diagnóstico indica que el principal problema no está en el acceso inicial a primaria, sino en la permanencia y continuidad educativa a partir de secundaria y media superior. El municipio enfrenta un patrón de abandono temprano que se traduce, en el largo plazo, en niveles extremadamente altos de población adulta sin educación postbásica, perpetuando condiciones de rezago estructural.
El análisis de las condiciones de vivienda en el municipio de Mier y Noriega muestra un rezago estructural profundo en infraestructura básica, particularmente en servicios sanitarios y drenaje, con brechas muy amplias respecto al promedio estatal. En términos de electricidad, 2.13% de las viviendas del municipio no cuentan con este servicio (vs. 0.18% en el total de la entidad), lo que indica una diferencia relevante pero no crítica. Sin embargo, las carencias se vuelven considerablemente más severas en otros rubros. Solo 20.72% de las viviendas cuentan con agua entubada (vs. 0.78% estatal), lo que evidencia una cobertura limitada y muy por debajo del estándar observado a nivel entidad.
La situación más alarmante se presenta en drenaje y sanitario. En el municipio, 54.50% de las viviendas no tienen drenaje (vs. 0.95% estatal), es decir, más de la mitad de los hogares carecen de esta infraestructura básica. Aún más crítico, 87.85% de las viviendas no cuentan con sanitario (vs. 28.44% estatal), lo que revela un problema estructural generalizado y no focalizado. Esta condición no se limita a localidades pequeñas; incluso la cabecera municipal presenta 58.13% de viviendas sin sanitario, confirmando que el rezago es transversal dentro del territorio municipal.
A nivel de localidades, se observa una heterogeneidad marcada. Algunas presentan ausencia total de drenaje, como Lagunita de Taberna (100%), Las Mesas de San Juan (100%) y San José de Medina (100%), mientras que otras superan 80% de carencia, como El Refugio de Cerros Blancos (95.35%), La Presita (86.82%) y Cerros Blancos (80.33%). En sanitario, varias localidades alcanzan también 100% de carencia, entre ellas San José de Cuatro Caminos, Tapona Moreña, El Gallito, San José de Medina y San Elías, lo que indica ausencia total de infraestructura formal en estos asentamientos.
El acceso al agua entubada refleja fuertes desigualdades internas. Mientras algunas localidades alcanzan cobertura total o casi total, como Las Mesas de San Juan (100%), La Joya del Zacate (100%) y San Elías (85.71%), otras muestran niveles extremadamente bajos, como Jesús María del Terrero (1.96%), Mier y Noriega (3.92%) y San Antonio de Alamitos (3.26%). Esto sugiere que la provisión de servicios no sigue un patrón homogéneo, sino que responde a dinámicas territoriales específicas.
En contraste, las carencias relacionadas con bienes durables son significativamente menores. Solo 0.96% de las viviendas carecen de electrodomésticos básicos (vs. 0.05% estatal) y 3.68% no cuentan con bienes básicos (vs. 0.28% estatal). No obstante, la falta de línea telefónica es considerablemente alta, alcanzando 28.66% en el municipio (vs. 3.72% estatal), con localidades como Tapona Moreña (95.76%) y Lagunita de Taberna (79.07%) mostrando niveles de desconexión importantes.
En conjunto, el patrón observado indica que el principal problema del municipio no radica en equipamiento doméstico, sino en infraestructura básica sanitaria. Las brechas frente al promedio estatal en drenaje y sanitario son extraordinariamente amplias y sugieren una condición de rezago rural profundo y estructural. La prioridad de intervención debería centrarse en ampliación de redes de drenaje, instalación de sanitarios y expansión del acceso al agua entubada, dado que estos elementos constituyen la base mínima para mejorar las condiciones de bienestar y salud pública en el territorio.