Estadística para el análisis político 2 - POL304
Analizando el presupuesto provincial del programa JUNTOS
Índice
1.Carga de datos
- Data de la tasa de desnutrición
link="https://docs.google.com/spreadsheets/d/e/2PACX-1vS2q_eR6argdYmBBb_y1EEM68hPzWZKCa9m0dJcTWZIPv0z2D4GdIYIlvnLxw_mpi4ALHQcnugrGUC1/pub?output=xlsx"
library(openxlsx)
Desnut=read.xlsx(link,
sheet = 1,
startRow = 4,
skipEmptyRows = T, skipEmptyCols = T)
head(Desnut)## Ubigeo X2 Departamento,.provincia.y.distrito
## 1 000000 <NA> PERÚ
## 2 010000 <NA> AMAZONAS
## 3 010100 CHACHAPOYAS <NA>
## 4 010101 <NA> CHACHAPOYAS
## 5 010102 <NA> ASUNCION
## 6 010103 <NA> BALSAS
## Tasa.de.Mortalidad.Infantil.1/.2007 Tasa.Global.de.Fecundidad.2/.2007
## 1 <NA> NA
## 2 20.7 2.83
## 3 20.4 2.32
## 4 19.5 2.11
## 5 19.5 2.20
## 6 21.2 2.57
## Desnutrición.Crónica.en.Menores.de.5.años3/.(Patrón.OMS)
## 1 <NA>
## 2 26.8
## 3 20.658649
## 4 9.0577125
## 5 12.0
## 6 25.461957- Data de ingreso percapitaf y población con secundaria completa
link="https://docs.google.com/spreadsheets/d/e/2PACX-1vQA8RBVTCzZqApfoN5J6mue1eJF-B_RQyzRGo8FVCHY0wlx1Avbz0qM7WnCVONEdfWq3ADDJehaLmRM/pub?output=xlsx"
library(openxlsx)
idh=read.xlsx(link,
sheet = 1,
startRow = 5,
skipEmptyRows = T, skipEmptyCols = T)
head(idh)## X1 X2 Distrito habitantes ranking IDH ranking
## 1 000000 PERÚ a/ <NA> 30135875 NA 0.5058382 NA
## 2 010000 AMAZONAS <NA> 417508 19 0.3845648 19
## 3 010100 <NA> CHACHAPOYAS 54783 114 0.4343753 60
## 4 010101 1.0 Chachapoyas 27737 192 0.5467212 136
## 5 010102 2.0 Asuncion 296 1825 0.1683225 1747
## 6 010103 3.0 Balsas 1590 1462 0.2633761 1214
## años ranking % ranking años ranking N.S..mes ranking
## 1 74.31045 NA 67.8731952 NA 8.995900 NA 696.9370 NA
## 2 73.98588 10 53.6528783 19 6.661000 20 435.6736 18
## 3 73.95475 80 45.4878254 100 7.799699 64 599.8076 45
## 4 73.38709 918 62.7192982 476 9.968829 159 866.5725 103
## 5 73.28082 931 0.7514946 1823 6.079101 1068 341.9903 846
## 6 71.96708 1128 14.4828735 1707 5.282190 1362 340.2772 854- Data de medicos por habitantes y asistencia a secundaria
link="https://docs.google.com/spreadsheets/d/e/2PACX-1vSuPexnuLI55RV1Ok5E6kkLT0gZfluCJGzSzEAnP-AuphEVChlSCiAXkREb8gngFqkWquVKTp0hgC7E/pub?output=xlsx"
library(openxlsx)
ide=read.xlsx(link,
sheet = 1,
startRow = 6,
skipEmptyRows = T, skipEmptyCols = T)
head(ide)## X1 X2 Distrito habitantes ranking IDE ranking
## 1 000000 PERÚ a/ <NA> 30135875 - 0.7666263 -
## 2 010000 AMAZONAS <NA> 417508 20.0 0.6279527 20.0
## 3 010100 <NA> CHACHAPOYAS 54783 113.0 0.7736995 26.0
## 4 010200 <NA> BAGUA 77438 79.0 0.6622805 82.0
## 5 010300 <NA> BONGARA 32317 145.0 0.6318249 103.0
## 6 010400 <NA> CONDORCANQUI 51802 119.0 0.4598242 191.0
## % ranking Razon ranking % ranking % ranking
## 1 98.31383 - 22.731906 - 84.98840 - 76.01278 -
## 2 94.94203 24.0 13.313368 14.0 76.32827 24.0 54.35446 17.0
## 3 98.61788 59.0 25.450024 13.0 91.49856 32.0 70.34540 54.0
## 4 94.60787 180.0 14.609121 49.0 79.79018 114.0 64.47904 67.0
## 5 97.46807 113.0 9.010207 114.0 76.42404 133.0 54.83408 96.0
## 6 86.23196 192.0 8.556959 120.0 52.21494 191.0 37.71451 156.0
## % Ranking
## 1 86.11165 -
## 2 66.16264 24.0
## 3 83.97119 52.0
## 4 67.91462 119.0
## 5 72.16926 105.0
## 6 39.48908 191.0- Data de Dinero abonado, hogares abonados, n°de distritos y población infantil
link ="https://docs.google.com/spreadsheets/d/e/2PACX-1vTnk7ME3FuvTBgn-1C7yFCwhHJHc0MAZFuTKXGYSSyqrLMv8seSYSLbR4Juw6NtYD8r2QSGQ9jYzNAX/pub?output=xlsx"
library(openxlsx)
datos=read.xlsx(link,
sheet =2,
startRow = 1,
skipEmptyRows = T, skipEmptyCols = T)
head(datos)## DEPARTAMENTO PROVINCIA DineroAbo NumHog NumDis PobNinos
## 1 AMAZONAS <NA> 6572899.36 33212 NA <NA>
## 2 <NA> BAGUA 1244799.95 6288 5 33.05
## 3 <NA> BONGARA 390799.97 1962 11 28.36
## 4 <NA> CHACHAPOYAS 440400.0 2217 20 25.97
## 5 <NA> CONDORCANQUI 1291199.53 6589 3 46.84
## 6 <NA> LUYA 873799.99 4420 23 31.32- Data de voto a ppk en primera vuelta y relación entre regiones y provincias
link ="https://docs.google.com/spreadsheets/d/e/2PACX-1vTnk7ME3FuvTBgn-1C7yFCwhHJHc0MAZFuTKXGYSSyqrLMv8seSYSLbR4Juw6NtYD8r2QSGQ9jYzNAX/pub?output=xlsx"
library(openxlsx)
datos2=read.xlsx(link,
sheet =3,
startRow = 1,
skipEmptyRows = T, skipEmptyCols = T)
head(datos2)## DEPARTAMENTO PROVINCIA VotoPPK1 Reg_Prov Capital
## 1 AMAZONAS <NA> 11.89 Sentimiento Amazonas Regional <NA>
## 2 <NA> BAGUA 9.77 1 0
## 3 <NA> BONGARA 9.63 0 0
## 4 <NA> CHACHAPOYAS 17.01 0 1
## 5 <NA> CONDORCANQUI 1.40 0 0
## 6 <NA> LUYA 09.09 0 0
## X6 X7
## 1 <NA> <NA>
## 2 <NA> <NA>
## 3 <NA> <NA>
## 4 <NA> <NA>
## 5 votos anulados <NA>
## 6 <NA> <NA>- Data del SIS, analfabetismo, saneamiento, electrificación e identidad
link ="https://docs.google.com/spreadsheets/d/e/2PACX-1vTnk7ME3FuvTBgn-1C7yFCwhHJHc0MAZFuTKXGYSSyqrLMv8seSYSLbR4Juw6NtYD8r2QSGQ9jYzNAX/pub?output=xlsx"
library(openxlsx)
datos3=read.xlsx(link,
sheet =4,
startRow = 1,
skipEmptyRows = T, skipEmptyCols = T)
head(datos3)## DEPARTAMENTO PROVINCIA SIS Analf Elec Sanea Iden
## 1 AMAZONAS <NA> 72.97 <NA> <NA> <NA> <NA>
## 2 <NA> BAGUA 72.99 16.6 67.64 48.3 89.77
## 3 <NA> BONGARA 70.43 14.16 82.44 62.52 91.32
## 4 <NA> CHACHAPOYAS 59.2 11.5 87.49 76.06 91.69
## 5 <NA> CONDORCANQUI 79.59 22.27 81.56 13.45 84.11
## 6 <NA> LUYA 82.23 18.19 85.33 56.22 91.042.Limpieza de la base de datos
- Data de la tasa de desnutrición
Se revisan últimas filas de la data
tail(Desnut,12)## Ubigeo
## 2058 250400
## 2059 250401
## 2060 1/ Fuente: INEI. Perú: Mortalidad Infantil y sus Diferenciales por Departamento, Provincia y Distrito 2007.
## 2061 2/ Fuente: Perú: Fecundidad y sus Diferenciales por Departamento, Provincia y Distrito 2007
## 2062 3/ Fuente: Mapa de Desnutrición Crónica en Niños Menores de Cinco Años a nivel Provincial y Distrital, 2009
## 2063 4/ Por Ley Nº 28884 se crea en el departamento de Amazonas, provincia de Bagua, el distrito de Bagua
## 2064 y por Ley Nº 29218 del 25 de Abril del 2008, 'se ha delimitado y redelimitado la Provincia de Bagua y los distritos Bagua, Aramango, Copallin, El parco, Imaza y La Peca, en el departamento de Amazonas.
## 2065 5/ Creación territorial, según Decreto Ley Nº 29558 del 15 de Julio del 2010.
## 2066 6/ Creación territorial, según Decreto Ley Nº 29538 del 7 de Junio del 2010.
## 2067 7/ Creación territorial, según Decreto Ley Nº 29539 del 14 de Julio del 2010.
## 2068 8/ Creación territorial, según Decreto Ley Nº 29541 del 14 de Junio del 2010.
## 2069 FUENTE: Insituto Nacional de Estadística e Informática - INEI.
## X2 Departamento,.provincia.y.distrito
## 2058 PURUS <NA>
## 2059 <NA> PURUS
## 2060 <NA> <NA>
## 2061 <NA> <NA>
## 2062 <NA> <NA>
## 2063 <NA> <NA>
## 2064 <NA> <NA>
## 2065 <NA> <NA>
## 2066 <NA> <NA>
## 2067 <NA> <NA>
## 2068 <NA> <NA>
## 2069 <NA> <NA>
## Tasa.de.Mortalidad.Infantil.1/.2007 Tasa.Global.de.Fecundidad.2/.2007
## 2058 31.3 2.84
## 2059 31.3 2.84
## 2060 <NA> NA
## 2061 <NA> NA
## 2062 <NA> NA
## 2063 <NA> NA
## 2064 <NA> NA
## 2065 <NA> NA
## 2066 <NA> NA
## 2067 <NA> NA
## 2068 <NA> NA
## 2069 <NA> NA
## Desnutrición.Crónica.en.Menores.de.5.años3/.(Patrón.OMS)
## 2058 66.606504
## 2059 66.606504
## 2060 <NA>
## 2061 <NA>
## 2062 <NA>
## 2063 <NA>
## 2064 <NA>
## 2065 <NA>
## 2066 <NA>
## 2067 <NA>
## 2068 <NA>
## 2069 <NA>Se elimina las filas que no nos interesan
Desnut=Desnut[-c(2060:2069),]
tail(Desnut)## Ubigeo X2 Departamento,.provincia.y.distrito
## 2054 250300 PADRE ABAD <NA>
## 2055 250301 <NA> PADRE ABAD
## 2056 250302 <NA> IRAZOLA
## 2057 250303 <NA> CURIMANA
## 2058 250400 PURUS <NA>
## 2059 250401 <NA> PURUS
## Tasa.de.Mortalidad.Infantil.1/.2007 Tasa.Global.de.Fecundidad.2/.2007
## 2054 13.2 3.04
## 2055 12.6 2.98
## 2056 13.7 3.11
## 2057 14.0 3.06
## 2058 31.3 2.84
## 2059 31.3 2.84
## Desnutrición.Crónica.en.Menores.de.5.años3/.(Patrón.OMS)
## 2054 33.732955999999994
## 2055 27.400616
## 2056 38.085798
## 2057 43.038106
## 2058 66.606504
## 2059 66.606504Se elimina la información de los departamentos y distritos
Desnut=Desnut[!is.na(Desnut$X2),]
head(Desnut)## Ubigeo X2 Departamento,.provincia.y.distrito
## 3 010100 CHACHAPOYAS <NA>
## 25 010200 BAGUA <NA>
## 32 010300 BONGARA <NA>
## 45 010400 CONDORCANQUI <NA>
## 49 010500 LUYA <NA>
## 73 010600 RODRIGUEZ DE MENDOZA <NA>
## Tasa.de.Mortalidad.Infantil.1/.2007 Tasa.Global.de.Fecundidad.2/.2007
## 3 20.4 2.32
## 25 16.9 2.81
## 32 21.4 2.47
## 45 28.5 4.81
## 49 24.5 3.07
## 73 14.3 2.39
## Desnutrición.Crónica.en.Menores.de.5.años3/.(Patrón.OMS)
## 3 20.658649
## 25 40.005875
## 32 30.370397
## 45 56.755867
## 49 30.627197
## 73 23.47929Se resetea el índice y se elimina las columnas que no nos interesan
row.names(Desnut)=NULL
Desnut=Desnut[-c(1,3:5)]
head(Desnut)## X2
## 1 CHACHAPOYAS
## 2 BAGUA
## 3 BONGARA
## 4 CONDORCANQUI
## 5 LUYA
## 6 RODRIGUEZ DE MENDOZA
## Desnutrición.Crónica.en.Menores.de.5.años3/.(Patrón.OMS)
## 1 20.658649
## 2 40.005875
## 3 30.370397
## 4 56.755867
## 5 30.627197
## 6 23.47929Se renombra las columnas
names(Desnut)=c("PROVINCIA","desn")
head(Desnut)## PROVINCIA desn
## 1 CHACHAPOYAS 20.658649
## 2 BAGUA 40.005875
## 3 BONGARA 30.370397
## 4 CONDORCANQUI 56.755867
## 5 LUYA 30.627197
## 6 RODRIGUEZ DE MENDOZA 23.47929Se convierte a numérica la variable
Desnut$desn= as.numeric(Desnut$desn)
str(Desnut$desn)## num [1:195] 20.7 40 30.4 56.8 30.6 ...*Data de ingreso percapitaf y población con secundaria completa
Se revisan las últimas filas de la data
tail(idh,20)## X1
## 2042 250105
## 2043 250106
## 2044 250107
## 2045 250200
## 2046 250201
## 2047 250202
## 2048 250203
## 2049 250204
## 2050 250300
## 2051 250301
## 2052 250302
## 2053 250303
## 2054 250400
## 2055 250401
## 2056 a/ Incluye las cifras estimadas del distrito de Carmen Alto en la provincia de Huamanga, departamento de Ayacucho, donde. Autoridades locales no permitieron la ejecución del Censo de Población y Vivienda 2007.
## 2057 1/ Cifras estimadas. Autoridades locales no permitieron la ejecución del Censo de Población y Vivienda 2007.
## 2058 2/ Incluye a la población ubicada en área temporal por límites de fronteras de los distritos de Pangoa y Mazamari.
## 2059 3/ Provincias de Lima y Callao.
## 2060 Fuente: INEI. Censo de Población y Vivienda 2007. ENAHO y ENAPRES.
## 2061 Elaboración: PNUD-Perú.
## X2 Distrito habitantes ranking IDH ranking años
## 2042 5.0 Yarinacocha 94304 55 0.4750668 324 75.24140
## 2043 6.0 Nueva Requena 5468 818 0.3131789 897 73.34425
## 2044 7.0 Manantay 77653 70 0.4810236 309 75.14924
## 2045 <NA> ATALAYA 50569 125 0.2611797 162 62.05999
## 2046 1.0 Raymondi 32474 167 0.2624791 1219 61.59682
## 2047 2.0 Sepahua 8037 618 0.2980093 995 61.21639
## 2048 3.0 Tahuania 7860 631 0.1919767 1659 65.56441
## 2049 4.0 Yurua 2198 1314 0.1693254 1743 62.00338
## 2050 <NA> PADRE ABAD 56756 111 0.3728368 82 78.77254
## 2051 1.0 Padre Abad 26364 212 0.4161015 476 77.62689
## 2052 2.0 Irazola 22779 243 0.3283280 808 78.89258
## 2053 3.0 Curimana 7613 641 0.3039023 962 78.83507
## 2054 <NA> PURUS 4251 195 0.2862257 138 68.60871
## 2055 1.0 Purus 4251 957 0.2862257 1076 68.60871
## 2056 <NA> <NA> NA NA NA NA NA
## 2057 <NA> <NA> NA NA NA NA NA
## 2058 <NA> <NA> NA NA NA NA NA
## 2059 <NA> <NA> NA NA NA NA NA
## 2060 <NA> <NA> NA NA NA NA NA
## 2061 <NA> <NA> NA NA NA NA NA
## ranking % ranking años ranking N.S..mes ranking
## 2042 633 60.73808 522 9.449050 239 586.7984 357
## 2043 923 31.91933 1242 6.519032 912 323.5306 901
## 2044 651 53.19289 679 8.551766 388 687.6970 249
## 2045 187 22.99781 183 6.239831 122 300.1544 131
## 2046 1764 20.89197 1541 6.323195 976 318.2964 916
## 2047 1772 26.76953 1384 7.032598 751 379.1261 726
## 2048 1628 11.40391 1762 5.548338 1261 183.6848 1466
## 2049 1753 13.18104 1728 4.402193 1654 159.8511 1565
## 2050 17 38.73143 121 7.193236 87 406.6648 88
## 2051 326 44.32234 914 7.676127 572 507.7652 463
## 2052 200 31.03530 1268 6.657738 861 333.1001 878
## 2053 213 28.93897 1322 6.795543 823 276.6664 1053
## 2054 157 17.43073 191 7.233476 86 342.9416 105
## 2055 1473 17.43073 1635 7.233476 685 342.9416 843
## 2056 NA NA NA NA NA NA NA
## 2057 NA NA NA NA NA NA NA
## 2058 NA NA NA NA NA NA NA
## 2059 NA NA NA NA NA NA NA
## 2060 NA NA NA NA NA NA NA
## 2061 NA NA NA NA NA NA NASe eliminan las filas innecesarias
idh=idh[-c(2056:2061),]
tail(idh)## X1 X2 Distrito habitantes ranking IDH ranking
## 2050 250300 <NA> PADRE ABAD 56756 111 0.3728368 82
## 2051 250301 1.0 Padre Abad 26364 212 0.4161015 476
## 2052 250302 2.0 Irazola 22779 243 0.3283280 808
## 2053 250303 3.0 Curimana 7613 641 0.3039023 962
## 2054 250400 <NA> PURUS 4251 195 0.2862257 138
## 2055 250401 1.0 Purus 4251 957 0.2862257 1076
## años ranking % ranking años ranking N.S..mes ranking
## 2050 78.77254 17 38.73143 121 7.193236 87 406.6648 88
## 2051 77.62689 326 44.32234 914 7.676127 572 507.7652 463
## 2052 78.89258 200 31.03530 1268 6.657738 861 333.1001 878
## 2053 78.83507 213 28.93897 1322 6.795543 823 276.6664 1053
## 2054 68.60871 157 17.43073 191 7.233476 86 342.9416 105
## 2055 68.60871 1473 17.43073 1635 7.233476 685 342.9416 843Se elimina la información de los distritos y departamentos
idh=idh[is.na(idh$X2),]
head(idh)## X1 X2 Distrito habitantes ranking IDH ranking
## 3 010100 <NA> CHACHAPOYAS 54783 114 0.4343753 60
## 25 010200 <NA> BAGUA 77438 80 0.3866636 75
## 32 010300 <NA> BONGARA 32317 146 0.3497911 94
## 45 010400 <NA> CONDORCANQUI 51802 120 0.1866263 192
## 49 010500 <NA> LUYA 52185 118 0.3075981 128
## 73 010600 <NA> RODRIGUEZ DE MENDOZA 30236 154 0.3310619 108
## años ranking % ranking años ranking N.S..mes ranking
## 3 73.95475 80 45.487825 100 7.799699 64 599.8076 45
## 25 76.87897 37 39.843663 118 6.971553 101 467.6442 73
## 32 73.36928 95 29.456796 160 6.464213 114 455.7142 79
## 45 70.39137 144 8.012634 195 5.577313 147 180.0702 186
## 49 74.06573 79 34.403834 137 5.504034 150 327.8493 116
## 73 73.35318 97 26.603732 169 6.076635 128 427.0962 86Se elimina las columnas que no nos interesan
idh=idh[-c(1:2,4:9,11:13,15)]
head(idh)## Distrito % N.S..mes
## 3 CHACHAPOYAS 45.487825 599.8076
## 25 BAGUA 39.843663 467.6442
## 32 BONGARA 29.456796 455.7142
## 45 CONDORCANQUI 8.012634 180.0702
## 49 LUYA 34.403834 327.8493
## 73 RODRIGUEZ DE MENDOZA 26.603732 427.0962Se resetea el índice y se nombra a las variables
row.names(idh)=NULL
names(idh)=c("PROVINCIA","secundaria","percapitaf")
head(idh)## PROVINCIA secundaria percapitaf
## 1 CHACHAPOYAS 45.487825 599.8076
## 2 BAGUA 39.843663 467.6442
## 3 BONGARA 29.456796 455.7142
## 4 CONDORCANQUI 8.012634 180.0702
## 5 LUYA 34.403834 327.8493
## 6 RODRIGUEZ DE MENDOZA 26.603732 427.0962Se convierte a numéricas las variables
idh[c(2,3)]=lapply(idh[c(2,3)],as.numeric)
str(idh)## 'data.frame': 195 obs. of 3 variables:
## $ PROVINCIA : chr "CHACHAPOYAS" "BAGUA" "BONGARA" "CONDORCANQUI" ...
## $ secundaria: num 45.49 39.84 29.46 8.01 34.4 ...
## $ percapitaf: num 600 468 456 180 328 ...*Data de medicos por habitantes y asistencia a secundaria
Se revisan las últimas filas de la data
tail(ide,20)## X1
## 205 220900
## 206 221000
## 207 230000
## 208 230100
## 209 230200
## 210 230300
## 211 230400
## 212 240000
## 213 240100
## 214 240200
## 215 240300
## 216 250000
## 217 250100
## 218 250200
## 219 250300
## 220 250400
## 221 a/ Incluye las cifras estimadas del distrito de Carmen Alto en la provincia de Huamanga, departamento de Ayacucho, donde. Autoridades locales no permitieron la ejecución del Censo de Población y Vivienda 2007.
## 222 1/ Incluye a la población ubicada en área temporal por límites de fronteras de los distritos de Pangoa y Mazamari.
## 223 Fuente: INEI. Censo de Población y Vivienda 2007. ENAHO 2012 y ENAPRES 2012.
## 224 Elaboración: PNUD-Perú.
## X2 Distrito habitantes ranking IDE ranking
## 205 <NA> SAN MARTIN 179184 28.0 0.8285461 10.0
## 206 <NA> TOCACHE 73460 82.0 0.6456299 91.0
## 207 TACNA <NA> 328915 21.0 0.8952655 1.0
## 208 <NA> TACNA 302852 14.0 0.9104090 1.0
## 209 <NA> CANDARAVE 8435 189.0 0.6520944 88.0
## 210 <NA> JORGE BASADRE 9641 187.0 0.8487091 7.0
## 211 <NA> TARATA 7987 192.0 0.7413551 41.0
## 212 TUMBES <NA> 228227 23.0 0.7374755 10.0
## 213 <NA> TUMBES 159548 32.0 0.7622368 29.0
## 214 <NA> CONTRALMIRANTE VILLAR 19180 174.0 0.6658642 77.0
## 215 <NA> ZARUMILLA 49499 126.0 0.6849057 65.0
## 216 UCAYALI <NA> 477616 18.0 0.6202063 23.0
## 217 <NA> CORONEL PORTILLO 366040 11.0 0.6670186 76.0
## 218 <NA> ATALAYA 50569 124.0 0.4245137 194.0
## 219 <NA> PADRE ABAD 56756 110.0 0.5022896 183.0
## 220 <NA> PURUS 4251 194.0 0.4473006 192.0
## 221 <NA> <NA> NA <NA> NA <NA>
## 222 <NA> <NA> NA <NA> NA <NA>
## 223 <NA> <NA> NA <NA> NA <NA>
## 224 <NA> <NA> NA <NA> NA <NA>
## % ranking Razon ranking % ranking % ranking
## 205 98.32579 77.0 21.329846 20.0 99.50000 3.0 85.393466 15.0
## 206 94.94572 176.0 10.509511 93.0 92.43233 28.0 43.607708 134.0
## 207 99.49787 1.0 42.655397 1.0 90.22830 3.0 92.681588 3.0
## 208 99.49284 14.0 44.741326 1.0 90.05181 41.0 95.876591 5.0
## 209 99.50000 11.0 7.113219 134.0 90.04666 42.0 40.111196 148.0
## 210 99.50000 12.0 30.079867 6.0 97.32764 6.0 83.975437 24.0
## 211 99.31568 24.0 22.536622 14.0 90.17304 40.0 68.725352 57.0
## 212 98.78743 9.0 14.919978 13.0 84.74258 14.0 74.758732 9.0
## 213 99.11836 37.0 18.381964 30.0 86.26609 61.0 77.677777 34.0
## 214 99.18719 34.0 6.623644 144.0 81.46419 105.0 59.791859 81.0
## 215 97.47540 112.0 6.975793 135.0 81.20866 106.0 71.022713 52.0
## 216 96.15788 23.0 10.750006 20.0 80.81996 19.0 35.612859 24.0
## 217 97.59218 109.0 12.519509 67.0 85.42861 69.0 42.851141 139.0
## 218 84.28946 193.0 4.520634 181.0 55.46519 188.0 13.242539 193.0
## 219 97.30866 119.0 4.498354 183.0 73.20130 149.0 13.243004 192.0
## 220 91.96672 187.0 15.954234 43.0 51.38777 192.0 0.235054 194.0
## 221 NA <NA> NA <NA> NA <NA> NA <NA>
## 222 NA <NA> NA <NA> NA <NA> NA <NA>
## 223 NA <NA> NA <NA> NA <NA> NA <NA>
## 224 NA <NA> NA <NA> NA <NA> NA <NA>
## % Ranking
## 205 95.50407 10.0
## 206 74.31333 95.0
## 207 94.13266 4.0
## 208 95.21436 11.0
## 209 84.53397 50.0
## 210 93.41834 15.0
## 211 74.90245 89.0
## 212 85.58236 8.0
## 213 87.41957 37.0
## 214 81.44944 58.0
## 215 81.11974 60.0
## 216 79.59577 14.0
## 217 86.77154 43.0
## 218 51.72527 170.0
## 219 59.89457 149.0
## 220 53.47037 167.0
## 221 NA <NA>
## 222 NA <NA>
## 223 NA <NA>
## 224 NA <NA>Se eliminan las filas que no se necesitan
ide=ide[-c(221:224),]
tail(ide)## X1 X2 Distrito habitantes ranking IDE ranking
## 215 240300 <NA> ZARUMILLA 49499 126.0 0.6849057 65.0
## 216 250000 UCAYALI <NA> 477616 18.0 0.6202063 23.0
## 217 250100 <NA> CORONEL PORTILLO 366040 11.0 0.6670186 76.0
## 218 250200 <NA> ATALAYA 50569 124.0 0.4245137 194.0
## 219 250300 <NA> PADRE ABAD 56756 110.0 0.5022896 183.0
## 220 250400 <NA> PURUS 4251 194.0 0.4473006 192.0
## % ranking Razon ranking % ranking % ranking
## 215 97.47540 112.0 6.975793 135.0 81.20866 106.0 71.022713 52.0
## 216 96.15788 23.0 10.750006 20.0 80.81996 19.0 35.612859 24.0
## 217 97.59218 109.0 12.519509 67.0 85.42861 69.0 42.851141 139.0
## 218 84.28946 193.0 4.520634 181.0 55.46519 188.0 13.242539 193.0
## 219 97.30866 119.0 4.498354 183.0 73.20130 149.0 13.243004 192.0
## 220 91.96672 187.0 15.954234 43.0 51.38777 192.0 0.235054 194.0
## % Ranking
## 215 81.11974 60.0
## 216 79.59577 14.0
## 217 86.77154 43.0
## 218 51.72527 170.0
## 219 59.89457 149.0
## 220 53.47037 167.0Se elimina la información de los departamentos
ide=ide[complete.cases(ide$Distrito),]
head(ide)## X1 X2 Distrito habitantes ranking IDE ranking
## 3 010100 <NA> CHACHAPOYAS 54783 113.0 0.7736995 26.0
## 4 010200 <NA> BAGUA 77438 79.0 0.6622805 82.0
## 5 010300 <NA> BONGARA 32317 145.0 0.6318249 103.0
## 6 010400 <NA> CONDORCANQUI 51802 119.0 0.4598242 191.0
## 7 010500 <NA> LUYA 52185 117.0 0.6047198 126.0
## 8 010600 <NA> RODRIGUEZ DE MENDOZA 30236 153.0 0.6312264 104.0
## % ranking Razon ranking % ranking % ranking
## 3 98.61788 59.0 25.450024 13.0 91.49856 32.0 70.34540 54.0
## 4 94.60787 180.0 14.609121 49.0 79.79018 114.0 64.47904 67.0
## 5 97.46807 113.0 9.010207 114.0 76.42404 133.0 54.83408 96.0
## 6 86.23196 192.0 8.556959 120.0 52.21494 191.0 37.71451 156.0
## 7 96.19272 155.0 12.418003 70.0 74.72597 143.0 43.34842 136.0
## 8 97.34310 117.0 14.878682 48.0 79.42439 115.0 46.50182 124.0
## % Ranking
## 3 83.97119 52.0
## 4 67.91462 119.0
## 5 72.16926 105.0
## 6 39.48908 191.0
## 7 67.39611 123.0
## 8 67.54610 120.0Se eliminan las columnas que no nos interesan
ide=ide[-c(1:2,4:11,13,15:17)]
head(ide)## Distrito % %.1
## 3 CHACHAPOYAS 91.49856 70.34540
## 4 BAGUA 79.79018 64.47904
## 5 BONGARA 76.42404 54.83408
## 6 CONDORCANQUI 52.21494 37.71451
## 7 LUYA 74.72597 43.34842
## 8 RODRIGUEZ DE MENDOZA 79.42439 46.50182Se resetea el índice y se renombra las columnas
row.names(ide)= NULL
names(ide)=c("PROVINCIA","MedxHab","AsisSec")
head(ide)## PROVINCIA MedxHab AsisSec
## 1 CHACHAPOYAS 91.49856 70.34540
## 2 BAGUA 79.79018 64.47904
## 3 BONGARA 76.42404 54.83408
## 4 CONDORCANQUI 52.21494 37.71451
## 5 LUYA 74.72597 43.34842
## 6 RODRIGUEZ DE MENDOZA 79.42439 46.50182Se convierte las variables a numéricas
ide[c(2,3)]=lapply(ide[c(2,3)],as.numeric)
str(ide)## 'data.frame': 195 obs. of 3 variables:
## $ PROVINCIA: chr "CHACHAPOYAS" "BAGUA" "BONGARA" "CONDORCANQUI" ...
## $ MedxHab : num 91.5 79.8 76.4 52.2 74.7 ...
## $ AsisSec : num 70.3 64.5 54.8 37.7 43.3 ...- Data de Dinero abonado, hogares abonados, n°de distritos y población infantil
Se elimina la información de los departamentos
datos=datos[!is.na(datos$PROVINCIA),]
datos=datos[-1]
head(datos)## PROVINCIA DineroAbo NumHog NumDis PobNinos
## 2 BAGUA 1244799.95 6288 5 33.05
## 3 BONGARA 390799.97 1962 11 28.36
## 4 CHACHAPOYAS 440400.0 2217 20 25.97
## 5 CONDORCANQUI 1291199.53 6589 3 46.84
## 6 LUYA 873799.99 4420 23 31.32
## 7 RODRIGUEZ DE MENDOZA 362400.0 1828 8 30.79Se convierte a numéricas las variables
datos[c(2:5)]=lapply(datos[c(2:5)],as.numeric)
str(datos)## 'data.frame': 173 obs. of 5 variables:
## $ PROVINCIA: chr "BAGUA" "BONGARA" "CHACHAPOYAS" "CONDORCANQUI" ...
## $ DineroAbo: num 1244800 390800 440400 1291200 873800 ...
## $ NumHog : num 6288 1962 2217 6589 4420 ...
## $ NumDis : num 5 11 20 3 23 8 7 4 6 1 ...
## $ PobNinos : num 33 28.4 26 46.8 31.3 ...- Data de voto a ppk en primera vuelta, relación entre regiones y provincias y si la provincia es capital o no
Se elimina la data de los departamentos y las columnas que no nos interesan
datos2=datos2[!is.na(datos2$PROVINCIA),]
datos2=datos2[-c(1,6:7)]
head(datos2)## PROVINCIA VotoPPK1 Reg_Prov Capital
## 2 BAGUA 9.77 1 0
## 3 BONGARA 9.63 0 0
## 4 CHACHAPOYAS 17.01 0 1
## 5 CONDORCANQUI 1.40 0 0
## 6 LUYA 09.09 0 0
## 7 RODRIGUEZ DE MENDOZA 20.17 1 0Se convierten variables a numéricas y factores según corresponde
datos2$VotoPPK1=as.numeric(datos2$VotoPPK1)
datos2[c(3:4)]=lapply(datos2[c(3:4)],factor)
str(datos2)## 'data.frame': 173 obs. of 4 variables:
## $ PROVINCIA: chr "BAGUA" "BONGARA" "CHACHAPOYAS" "CONDORCANQUI" ...
## $ VotoPPK1 : num 9.77 9.63 17.01 1.4 9.09 ...
## $ Reg_Prov : Factor w/ 2 levels "0","1": 2 1 1 1 1 2 2 1 1 1 ...
## $ Capital : Factor w/ 2 levels "0","1": 1 1 2 1 1 1 1 1 1 1 ...- Data del SIS, analfabetismo, saneamiento, electrificación e identidad
Se elimina la información de los departamentos
datos3=datos3[!is.na(datos3$PROVINCIA),]
datos3=datos3[-c(1)]
head(datos3)## PROVINCIA SIS Analf Elec Sanea Iden
## 2 BAGUA 72.99 16.6 67.64 48.3 89.77
## 3 BONGARA 70.43 14.16 82.44 62.52 91.32
## 4 CHACHAPOYAS 59.2 11.5 87.49 76.06 91.69
## 5 CONDORCANQUI 79.59 22.27 81.56 13.45 84.11
## 6 LUYA 82.23 18.19 85.33 56.22 91.04
## 7 RODRIGUEZ DE MENDOZA 69.39 15.21 77.44 59.03 90.26Se convierte las variables a numéricas
datos3[c(2:6)]=lapply(datos3[c(2:6)],as.numeric)
str(datos3)## 'data.frame': 173 obs. of 6 variables:
## $ PROVINCIA: chr "BAGUA" "BONGARA" "CHACHAPOYAS" "CONDORCANQUI" ...
## $ SIS : num 73 70.4 59.2 79.6 82.2 ...
## $ Analf : num 16.6 14.2 11.5 22.3 18.2 ...
## $ Elec : num 67.6 82.4 87.5 81.6 85.3 ...
## $ Sanea : num 48.3 62.5 76.1 13.4 56.2 ...
## $ Iden : num 89.8 91.3 91.7 84.1 91 ...3.Aplicación del merge
- Merge de datas
JUNTOS=merge(Desnut,idh,by="PROVINCIA")
JUNTOS=merge(JUNTOS,ide, by= "PROVINCIA")
JUNTOS=merge(datos,JUNTOS,by="PROVINCIA")
JUNTOS= merge(JUNTOS, datos2, by= "PROVINCIA")
JUNTOS= merge(JUNTOS,datos3, by= "PROVINCIA")
head(JUNTOS)## PROVINCIA DineroAbo NumHog NumDis PobNinos desn secundaria
## 1 ABANCAY 918499.4 4615 8 26.85 24.42078 66.56863
## 2 ACOBAMBA 938099.6 4731 8 30.27 55.16297 36.52375
## 3 ACOMAYO 525000.0 2645 7 30.07 63.59085 43.78907
## 4 AIJA 84700.0 427 4 27.26 38.89286 34.78537
## 5 ALTO AMAZONAS 2356300.0 11927 6 38.66 31.50458 31.06007
## 6 AMBO 943296.3 4762 8 29.14 44.29124 36.00732
## percapitaf MedxHab AsisSec VotoPPK1 Reg_Prov Capital SIS Analf Elec
## 1 532.8766 93.69086 63.00113 8.59 0 1 63.18 13.85 90.66
## 2 199.5093 77.54075 31.17210 7.38 1 0 88.12 22.98 79.90
## 3 234.7709 83.12670 48.23934 4.22 0 0 83.11 21.65 77.68
## 4 269.8365 89.49891 47.78407 9.48 0 0 71.91 12.07 78.72
## 5 342.6022 61.71118 44.49094 24.19 0 0 79.92 17.55 71.59
## 6 343.1504 74.88339 25.58357 14.06 1 0 75.51 20.37 72.22
## Sanea Iden
## 1 68.21 88.90
## 2 60.74 90.06
## 3 69.63 90.02
## 4 74.76 91.64
## 5 46.90 90.08
## 6 44.50 88.52Se pone las Provincias en el índice
row.names(JUNTOS)=JUNTOS$PROVINCIA
JUNTOS=JUNTOS[-1]Se revisa las variables de la data
names(JUNTOS)## [1] "DineroAbo" "NumHog" "NumDis" "PobNinos" "desn"
## [6] "secundaria" "percapitaf" "MedxHab" "AsisSec" "VotoPPK1"
## [11] "Reg_Prov" "Capital" "SIS" "Analf" "Elec"
## [16] "Sanea" "Iden"Se ordena las columnas de la data
JUNTOS= JUNTOS[c(1:7,13:14,8:9,15:17,10:12)]
head(JUNTOS)## DineroAbo NumHog NumDis PobNinos desn secundaria
## ABANCAY 918499.4 4615 8 26.85 24.42078 66.56863
## ACOBAMBA 938099.6 4731 8 30.27 55.16297 36.52375
## ACOMAYO 525000.0 2645 7 30.07 63.59085 43.78907
## AIJA 84700.0 427 4 27.26 38.89286 34.78537
## ALTO AMAZONAS 2356300.0 11927 6 38.66 31.50458 31.06007
## AMBO 943296.3 4762 8 29.14 44.29124 36.00732
## percapitaf SIS Analf MedxHab AsisSec Elec Sanea Iden
## ABANCAY 532.8766 63.18 13.85 93.69086 63.00113 90.66 68.21 88.90
## ACOBAMBA 199.5093 88.12 22.98 77.54075 31.17210 79.90 60.74 90.06
## ACOMAYO 234.7709 83.11 21.65 83.12670 48.23934 77.68 69.63 90.02
## AIJA 269.8365 71.91 12.07 89.49891 47.78407 78.72 74.76 91.64
## ALTO AMAZONAS 342.6022 79.92 17.55 61.71118 44.49094 71.59 46.90 90.08
## AMBO 343.1504 75.51 20.37 74.88339 25.58357 72.22 44.50 88.52
## VotoPPK1 Reg_Prov Capital
## ABANCAY 8.59 0 1
## ACOBAMBA 7.38 1 0
## ACOMAYO 4.22 0 0
## AIJA 9.48 0 0
## ALTO AMAZONAS 24.19 0 0
## AMBO 14.06 1 04.Descripción de datos
- Variable Dependiente
Dinero abonado
summary(JUNTOS$DineroAbo)## Min. 1st Qu. Median Mean 3rd Qu. Max.
## 3400 288500 572900 812818 1044800 5307300hist(JUNTOS$DineroAbo)
- Variables Independientes
Variable Desnutrición
summary(JUNTOS$desn)## Min. 1st Qu. Median Mean 3rd Qu. Max.
## 4.04 25.70 38.79 35.81 44.24 66.61Variable Ingreso percapita familiar
summary(JUNTOS$percapitaf)## Min. 1st Qu. Median Mean 3rd Qu. Max.
## 108.4 260.6 340.5 403.1 509.4 1113.7Variable Población con secundaria completa
summary(JUNTOS$secundaria)## Min. 1st Qu. Median Mean 3rd Qu. Max.
## 8.013 31.422 41.661 44.929 57.743 85.946Variable Médicos por cada 10 000 habitantes
summary(JUNTOS$MedxHab)## Min. 1st Qu. Median Mean 3rd Qu. Max.
## 44.03 72.59 81.51 79.61 88.41 99.50Variable Asistencia Secundaria
summary(JUNTOS$AsisSec)## Min. 1st Qu. Median Mean 3rd Qu. Max.
## 0.2351 39.6135 52.3377 53.1703 66.3363 98.0614Variable Analfabetismo
summary(JUNTOS$Analf)## Min. 1st Qu. Median Mean 3rd Qu. Max.
## 7.08 13.36 16.40 16.74 20.70 29.00Variable saneamiento
summary(JUNTOS$Sanea)## Min. 1st Qu. Median Mean 3rd Qu. Max.
## 0.29 44.50 57.26 1053.89 69.89 43369.00Variable electrificación
summary(JUNTOS$Elec)## Min. 1st Qu. Median Mean 3rd Qu. Max.
## 39.95 70.61 78.84 77.10 85.32 96.82Variable identidad
summary(JUNTOS$Iden)## Min. 1st Qu. Median Mean 3rd Qu. Max.
## 73.18 87.97 89.52 89.15 91.11 99.15Variable SIS
summary(JUNTOS$SIS)## Min. 1st Qu. Median Mean 3rd Qu. Max.
## 21.05 56.35 71.25 67.19 79.56 90.63Variable Voto a PPK en 1era vuelta
summary(JUNTOS$VotoPPK1)## Min. 1st Qu. Median Mean 3rd Qu. Max.
## 1.400 5.650 9.050 9.916 12.440 42.540Variable Capital
table(JUNTOS$Capital)##
## 0 1
## 156 17prop.table(table(JUNTOS$Capital))*100##
## 0 1
## 90.17341 9.82659Variable de relación entre movimientos regionales y provinciales
table(JUNTOS$Reg_Prov)##
## 0 1
## 115 58prop.table(table(JUNTOS$Reg_Prov))*100##
## 0 1
## 66.47399 33.52601- Variables de control
Variable de Población de niños menores a 14 años
summary(JUNTOS$PobNinos)## Min. 1st Qu. Median Mean 3rd Qu. Max.
## 17.48 26.60 29.17 29.64 32.38 46.84Variable de número de distritos donde se ejecuta el programa JUNTOS
summary(JUNTOS$NumDis)## Min. 1st Qu. Median Mean 3rd Qu. Max.
## 1.000 4.000 7.000 7.636 10.000 23.000Variable de número de hogares abonados
summary(JUNTOS$NumHog)## Min. 1st Qu. Median Mean 3rd Qu. Max.
## 17 1456 2897 4099 5262 269115.Análisis Factorial
- Latente técnica Se revisa la correlación entre las variables observables
library(psych)
KMO(JUNTOS[,c(5:9)])## Kaiser-Meyer-Olkin factor adequacy
## Call: KMO(r = JUNTOS[, c(5:9)])
## Overall MSA = 0.85
## MSA for each item =
## desn secundaria percapitaf SIS Analf
## 0.94 0.83 0.83 0.80 0.90Se realiza la prueba de esfericidad
cortest.bartlett(JUNTOS[,c(5:9)], n=nrow(JUNTOS[,c(5:9)]))## R was not square, finding R from data## $chisq
## [1] 711.4177
##
## $p.value
## [1] 2.221694e-146
##
## $df
## [1] 10Se ve resultado de latente
resultadoEFA=fa(JUNTOS[c(5:9)],
1,
rotate="oblimin", scores=T)
print(resultadoEFA,digits=2,cut = 0.1)## Factor Analysis using method = minres
## Call: fa(r = JUNTOS[c(5:9)], nfactors = 1, rotate = "oblimin", scores = T)
## Standardized loadings (pattern matrix) based upon correlation matrix
## MR1 h2 u2 com
## desn 0.74 0.55 0.45 1
## secundaria -0.83 0.69 0.31 1
## percapitaf -0.84 0.70 0.30 1
## SIS 0.94 0.88 0.12 1
## Analf 0.89 0.80 0.20 1
##
## MR1
## SS loadings 3.63
## Proportion Var 0.73
##
## Mean item complexity = 1
## Test of the hypothesis that 1 factor is sufficient.
##
## The degrees of freedom for the null model are 10 and the objective function was 4.2 with Chi Square of 711.42
## The degrees of freedom for the model are 5 and the objective function was 0.18
##
## The root mean square of the residuals (RMSR) is 0.03
## The df corrected root mean square of the residuals is 0.04
##
## The harmonic number of observations is 173 with the empirical chi square 3.12 with prob < 0.68
## The total number of observations was 173 with Likelihood Chi Square = 31.14 with prob < 8.8e-06
##
## Tucker Lewis Index of factoring reliability = 0.925
## RMSEA index = 0.176 and the 90 % confidence intervals are 0.119 0.235
## BIC = 5.37
## Fit based upon off diagonal values = 1
## Measures of factor score adequacy
## MR1
## Correlation of (regression) scores with factors 0.97
## Multiple R square of scores with factors 0.95
## Minimum correlation of possible factor scores 0.90Se guarda la latente en nueva variable
JUNTOS[,c(18)]=factor.scores(JUNTOS[,c(5:9)],resultadoEFA)$scores
names(JUNTOS)[c(18)]=c("latTecnica")- Latente de presencia estatal
Se revisa la correlación entre las variables observables
library(psych)
KMO(JUNTOS[,c(10:14)])## Kaiser-Meyer-Olkin factor adequacy
## Call: KMO(r = JUNTOS[, c(10:14)])
## Overall MSA = 0.66
## MSA for each item =
## MedxHab AsisSec Elec Sanea Iden
## 0.74 0.66 0.62 0.74 0.66Se realiza la prueba de esfericidad
cortest.bartlett(JUNTOS[c(10:14)], n=nrow(JUNTOS[c(10:14)]))## R was not square, finding R from data## $chisq
## [1] 170.384
##
## $p.value
## [1] 2.309919e-31
##
## $df
## [1] 10resultadoEFA=fa(JUNTOS[c(10:14)],
1,
rotate="oblimin", scores=T)
print(resultadoEFA,digits=2,cut = 0.2)## Factor Analysis using method = minres
## Call: fa(r = JUNTOS[c(10:14)], nfactors = 1, rotate = "oblimin", scores = T)
## Standardized loadings (pattern matrix) based upon correlation matrix
## MR1 h2 u2 com
## MedxHab 0.52 0.269 0.73 1
## AsisSec 0.69 0.477 0.52 1
## Elec 0.94 0.878 0.12 1
## Sanea -0.22 0.046 0.95 1
## Iden 0.33 0.107 0.89 1
##
## MR1
## SS loadings 1.78
## Proportion Var 0.36
##
## Mean item complexity = 1
## Test of the hypothesis that 1 factor is sufficient.
##
## The degrees of freedom for the null model are 10 and the objective function was 1.01 with Chi Square of 170.38
## The degrees of freedom for the model are 5 and the objective function was 0.04
##
## The root mean square of the residuals (RMSR) is 0.05
## The df corrected root mean square of the residuals is 0.07
##
## The harmonic number of observations is 173 with the empirical chi square 8.07 with prob < 0.15
## The total number of observations was 173 with Likelihood Chi Square = 7.33 with prob < 0.2
##
## Tucker Lewis Index of factoring reliability = 0.971
## RMSEA index = 0.054 and the 90 % confidence intervals are 0 0.127
## BIC = -18.44
## Fit based upon off diagonal values = 0.98
## Measures of factor score adequacy
## MR1
## Correlation of (regression) scores with factors 0.95
## Multiple R square of scores with factors 0.90
## Minimum correlation of possible factor scores 0.79Se guarda la latente en nueva variable
JUNTOS[,c(19)]=factor.scores(JUNTOS[,c(10:14)],resultadoEFA)$scores
names(JUNTOS)[c(19)]=c("ide")6.Análisis de Clusters
- Cluster de Variable dependiente [Dinero Abonado]
Se plantea seed para que análisis aleatorio sea siempre el mismo
set.seed(123)Se crea subset con solo la variable dependiente
ProvinciasSub=JUNTOS[c(1)]Se revisa que no haya casos perdidos
summary(ProvinciasSub)## DineroAbo
## Min. : 3400
## 1st Qu.: 288500
## Median : 572900
## Mean : 812818
## 3rd Qu.:1044800
## Max. :5307300Se normaliza la escala de las variables
prov_sub.scaled<- scale(ProvinciasSub)
# resultado
head(prov_sub.scaled)## DineroAbo
## ABANCAY 0.1307946
## ACOBAMBA 0.1550523
## ACOMAYO -0.3562115
## AIJA -0.9011392
## ALTO AMAZONAS 1.9102573
## AMBO 0.1614839Se realiza método jerárquico para ver en cuantos grupos dividir los casos
library(NbClust)
nb <- NbClust(prov_sub.scaled, method = "complete") ## Warning in max(DiffLev[, 5], na.rm = TRUE): ningun argumento finito para
## max; retornando -Inf
## *** : The Hubert index is a graphical method of determining the number of clusters.
## In the plot of Hubert index, we seek a significant knee that corresponds to a
## significant increase of the value of the measure i.e the significant peak in Hubert
## index second differences plot.
## ## *** : The D index is a graphical method of determining the number of clusters.
## In the plot of D index, we seek a significant knee (the significant peak in Dindex
## second differences plot) that corresponds to a significant increase of the value of
## the measure.
## ## Warning in matrix(c(results), nrow = 2, ncol = 26): la longitud de los
## datos [51] no es un submúltiplo o múltiplo del número de filas [2] en la
## matriz## Warning in matrix(c(results), nrow = 2, ncol = 26, dimnames =
## list(c("Number_clusters", : la longitud de los datos [51] no es un
## submúltiplo o múltiplo del número de filas [2] en la matriz
## *******************************************************************
## * Among all indices:
## * 1 proposed 3 as the best number of clusters
## * 2 proposed 4 as the best number of clusters
## * 1 proposed 9 as the best number of clusters
## * 2 proposed 15 as the best number of clusters
##
## ***** Conclusion *****
##
## * According to the majority rule, the best number of clusters is 4
##
##
## *******************************************************************Crear variable nueva con la división de los grupos
library(factoextra)## Loading required package: ggplot2##
## Attaching package: 'ggplot2'## The following objects are masked from 'package:psych':
##
## %+%, alpha## Welcome! Related Books: `Practical Guide To Cluster Analysis in R` at https://goo.gl/13EFCZsolucionJerarquica = eclust(prov_sub.scaled,
FUNcluster ="hclust",
k = 4,
method = "complete",
graph = F)
ProvinciasSub$jerarquica = solucionJerarquica$clusterRevisar la distribución de la variable nueva
table(ProvinciasSub$jerarquica)##
## 1 2 3 4
## 45 108 19 1Revisar media de las variables según su grupo
aggregate(cbind(DineroAbo)~ jerarquica, data=ProvinciasSub,FUN=mean)## jerarquica DineroAbo
## 1 1 1145639.8
## 2 2 345707.4
## 3 3 2443157.7
## 4 4 5307299.9Se reconfigura el orden de los grupos de la variable jerárquica si necesario y se la convierte en ordinal
library(car)## Loading required package: carData##
## Attaching package: 'car'## The following object is masked from 'package:psych':
##
## logitProvinciasSub$jerarquica=factor(car::recode(ProvinciasSub$jerarquica,
"1=2;2=1;3=3;4=4"), ordered=T)
str(ProvinciasSub$jerarquica)## Ord.factor w/ 4 levels "1"<"2"<"3"<"4": 2 2 1 1 3 2 3 2 1 1 ...Se revisa el nuevo orden
table(ProvinciasSub$jerarquica)##
## 1 2 3 4
## 108 45 19 1Se revisa las siluetas
siluetas = solucionJerarquica$silinfo$widths
siluetas[siluetas$sil_width<0,]## cluster neighbor sil_width
## JULCAN 2 1 -0.04298952
## TAYACAJA 3 1 -0.03285671Se carga el mapa de provincias
folder='mapas'
fileName='provinciasPeru.shp' # nivel 2 son provincias
fileToRead=file.path(folder,fileName)
library(rgdal)
PeruProvs <- rgdal::readOGR(fileToRead,stringsAsFactors=FALSE) Se crea subdata con variable jerárquica y se hace merge con el mapa
miniData=as.data.frame(ProvinciasSub[c(2)])
PeruProvs=merge(PeruProvs,miniData,by.x='NOMBPROV',by.y=0,all.x=T)Se configura los colores, el borde y leyenda del mapa
paleta=c("indianred4","lightcoral","lightgreen","green4") #colores
plot(PeruProvs,col='white',border=NA)
plot(PeruProvs,
col=paleta[PeruProvs$jerarquica],
border='gray25',add=T)
legend("right",title= "JUNTOS",legend = c("Muy Bajo","Bajo","Medio","Alto"),fill=paleta,cex=0.9,bty="n")- Cluster de Variable dependiente y latentes
Se crea subset con solo las variables latentes y la dependiente
provinciasSub=JUNTOS[c(1,18:19)]Se revisa que no haya casos perdidos
summary(provinciasSub)## DineroAbo latTecnica.MR1 ide.MR1
## Min. : 3400 Min. :-2.5679900 Min. :-3.537939
## 1st Qu.: 288500 1st Qu.:-0.7195119 1st Qu.:-0.572601
## Median : 572900 Median : 0.0971227 Median : 0.118791
## Mean : 812818 Mean : 0.0000000 Mean : 0.000000
## 3rd Qu.:1044800 3rd Qu.: 0.7798755 3rd Qu.: 0.653689
## Max. :5307300 Max. : 1.5791641 Max. : 1.833048Se normaliza la escala de las variables
prov_sub.scaled<- scale(provinciasSub)
# resultado
head(prov_sub.scaled)## DineroAbo latTecnica ide
## ABANCAY 0.1307946 -0.581394062 1.21778124
## ACOBAMBA 0.1550523 1.349894979 0.05283593
## ACOMAYO -0.3562115 1.117922818 0.04422499
## AIJA -0.9011392 0.009583572 0.17022089
## ALTO AMAZONAS 1.9102573 0.524564219 -0.59315509
## AMBO 0.1614839 0.633341592 -0.60447639Se realiza método jerárquico para ver en cuantos grupos dividir los casos
library(NbClust)
nb <- NbClust(prov_sub.scaled, method = "complete") 
## *** : The Hubert index is a graphical method of determining the number of clusters.
## In the plot of Hubert index, we seek a significant knee that corresponds to a
## significant increase of the value of the measure i.e the significant peak in Hubert
## index second differences plot.
## 
## *** : The D index is a graphical method of determining the number of clusters.
## In the plot of D index, we seek a significant knee (the significant peak in Dindex
## second differences plot) that corresponds to a significant increase of the value of
## the measure.
##
## *******************************************************************
## * Among all indices:
## * 8 proposed 2 as the best number of clusters
## * 5 proposed 3 as the best number of clusters
## * 3 proposed 6 as the best number of clusters
## * 1 proposed 8 as the best number of clusters
## * 1 proposed 9 as the best number of clusters
## * 3 proposed 10 as the best number of clusters
## * 1 proposed 12 as the best number of clusters
## * 1 proposed 14 as the best number of clusters
## * 1 proposed 15 as the best number of clusters
##
## ***** Conclusion *****
##
## * According to the majority rule, the best number of clusters is 2
##
##
## *******************************************************************Crear variable nueva con la división de los grupos
library(factoextra)
solucionJerarquica = eclust(prov_sub.scaled,
FUNcluster ="hclust",
k = 2,
method = "complete",
graph = F)
provinciasSub$jerarquica = solucionJerarquica$clusterRevisar la distribución de la variable nueva
table(provinciasSub$jerarquica)##
## 1 2
## 79 94Revisar media de las variables según su grupo
aggregate(cbind(DineroAbo,latTecnica,ide)~ jerarquica, data=provinciasSub,FUN=mean)## jerarquica DineroAbo MR1 MR1
## 1 1 327007.6 -0.7447732 0.4936740
## 2 2 1221105.1 0.6259264 -0.4148962Se reconfigura el orden de los grupos de la variable jerárquica si necesario y se la convierte en ordinal
library(car)
provinciasSub$jerarquica=factor(car::recode(provinciasSub$jerarquica,
"1=1;2=2"), ordered=T)
str(provinciasSub$jerarquica)## Ord.factor w/ 2 levels "1"<"2": 1 2 2 1 2 2 2 2 1 2 ...Se revisa las siluetas
siluetas = solucionJerarquica$silinfo$widths
siluetas[siluetas$sil_width<0,]## cluster neighbor sil_width
## CHUCUITO 1 2 -0.002352550
## ESPINAR 1 2 -0.003006027
## LAMPA 1 2 -0.005090590
## MELGAR 1 2 -0.059331883
## OXAPAMPA 1 2 -0.115661064
## AYMARAES 2 1 -0.020966123
## HUANCANE 2 1 -0.038488354
## HUANUCO 2 1 -0.067722505
## LUCANAS 2 1 -0.128019868
## LA CONVENCION 2 1 -0.169375207
## HUAMANGA 2 1 -0.185233816
## LEONCIO PRADO 2 1 -0.192425117
## PUNO 2 1 -0.307774723
## SULLANA 2 1 -0.364762953Se crea subdata con variable jerárquica y se hace merge con el mapa ya descargado
miniData=as.data.frame(provinciasSub[c(4)])
PeruProvs=merge(PeruProvs,miniData,by.x='NOMBPROV',by.y=0,all.x=T)Se configura los colores, el borde y leyenda del mapa
paleta=c("lightcoral","lightgreen") #colores
plot(PeruProvs,col='white',border=NA)
plot(PeruProvs,
col=paleta[PeruProvs$jerarquica],
border='gray25',add=T)
legend("right",title= "JUNTOS",legend = c("Bajo","Alto"),fill=paleta,cex=0.9,bty="n")7.Análisis de regresión
Se realiza subset con las variables de interes
SubJuntos=JUNTOS[c(1:4,18,19,15:17)]
names(SubJuntos)## [1] "DineroAbo" "NumHog" "NumDis" "PobNinos" "latTecnica"
## [6] "ide" "VotoPPK1" "Reg_Prov" "Capital"Se realiza el modelo
modelo1=glm(DineroAbo~.,data=SubJuntos,family ="gaussian")
summary(modelo1)##
## Call:
## glm(formula = DineroAbo ~ ., family = "gaussian", data = SubJuntos)
##
## Deviance Residuals:
## Min 1Q Median 3Q Max
## -22776 -1653 -253 1411 15112
##
## Coefficients:
## Estimate Std. Error t value Pr(>|t|)
## (Intercept) 8.989e+03 2.500e+03 3.596 0.000427 ***
## NumHog 1.983e+02 8.985e-02 2206.724 < 2e-16 ***
## NumDis 6.216e+01 7.667e+01 0.811 0.418718
## PobNinos -2.908e+02 8.311e+01 -3.499 0.000601 ***
## latTecnica 1.519e+03 5.042e+02 3.014 0.002990 **
## ide 1.911e+02 4.078e+02 0.469 0.639902
## VotoPPK1 -1.202e+01 6.140e+01 -0.196 0.845084
## Reg_Prov1 -9.132e+02 6.571e+02 -1.390 0.166490
## Capital1 -3.786e+03 1.202e+03 -3.148 0.001951 **
## ---
## Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
##
## (Dispersion parameter for gaussian family taken to be 15398252)
##
## Null deviance: 1.1229e+14 on 172 degrees of freedom
## Residual deviance: 2.5253e+09 on 164 degrees of freedom
## AIC: 3364.8
##
## Number of Fisher Scoring iterations: 28.Requisitos de la Regresión Lineal
Residuos cercanos a 0
mean(modelo1$residuals)## [1] -9.791763e-10Homocedasticidad
par(mfrow=c(2,2))
plot(modelo1)
Prueba de multicolinealidad
library(car)
vif(modelo1) ## NumHog NumDis PobNinos latTecnica ide VotoPPK1
## 1.498112 1.366002 1.829755 2.691461 1.666612 1.665415
## Reg_Prov Capital
## 1.081002 1.439447Baja correlación de independientes y residuos
SubJuntos1= SubJuntos[complete.cases(SubJuntos),]
for (var in SubJuntos1[-1]){
var= as.numeric(var)
corr=cor.test(modelo1$residuals,var)
print(corr$p.value)
}## [1] 1
## [1] 1
## [1] 1
## [1] 1
## [1] 1
## [1] 1
## [1] 1
## [1] 1Normalidad de residuos
shapiro.test(modelo1$residuals)##
## Shapiro-Wilk normality test
##
## data: modelo1$residuals
## W = 0.86589, p-value = 2.774e-11x <- modelo1$residuals
h<-hist(x)
xfit<-seq(min(x),max(x),length=40)
yfit<-dnorm(xfit,mean=mean(x),sd=sd(x))
yfit <- yfit*diff(h$mids[1:2])*length(x)
lines(xfit, yfit, col="blue", lwd=2)