Parte 1 : Indice de felicidad
link1="https://es.wikipedia.org/wiki/%C3%8Dndice_global_de_felicidad"
path1='//*/div/table/tbody'
library(htmltab)
felicidad=htmltab(doc = link1,which = path1)str(felicidad)## 'data.frame': 156 obs. of 9 variables:
## $ № : chr "1" "2" "3" "4" ...
## $ País : chr "Finlandia" "Colombia" "Noruega" "Dinamarca" ...
## $ Puntuación : chr "7.633" "7.594" "7.560" "7.555" ...
## $ PIB per cápita : chr "1.305" "1.456" "1.372" "1.351" ...
## $ Apoyo social : chr "1.592" "1.582" "1.595" "1.590" ...
## $ Esperanza de años de vida saludable : chr "0.874" "0.873" "0.870" "0.868" ...
## $ Libertad para tomar decisiones vitales: chr "0.681" "0.686" "0.685" "0.683" ...
## $ Generosidad : chr "0.192" "0.286" "0.285" "0.284" ...
## $ Percepción de la corrupción : chr "0.393" "0.130" "0.410" "0.408" ...names(felicidad)## [1] "№"
## [2] "País"
## [3] "Puntuación"
## [4] "PIB per cápita"
## [5] "Apoyo social"
## [6] "Esperanza de años de vida saludable"
## [7] "Libertad para tomar decisiones vitales"
## [8] "Generosidad"
## [9] "Percepción de la corrupción"newN=c("n","pais","puntuacion","pbi","apoyosoc","esperanza","libertad","generosidad","percepcioncorrupcion")
names(felicidad)=newNfelicidad$n =NULLfelicidad[,c(2:8)]=lapply(felicidad[,c(2:8)],as.numeric)felicidad[!complete.cases(felicidad),]## [1] pais puntuacion pbi
## [4] apoyosoc esperanza libertad
## [7] generosidad percepcioncorrupcion
## <0 rows> (or 0-length row.names)felicidad$pais=as.character(felicidad$pais)str(felicidad)## 'data.frame': 156 obs. of 8 variables:
## $ pais : chr "Finlandia" "Colombia" "Noruega" "Dinamarca" ...
## $ puntuacion : num 7.63 7.59 7.56 7.55 7.5 ...
## $ pbi : num 1.3 1.46 1.37 1.35 1.34 ...
## $ apoyosoc : num 1.59 1.58 1.59 1.59 1.64 ...
## $ esperanza : num 0.874 0.873 0.87 0.868 0.914 0.927 0.878 0.896 0.876 0.913 ...
## $ libertad : num 0.681 0.686 0.685 0.683 0.677 0.66 0.638 0.653 0.669 0.659 ...
## $ generosidad : num 0.192 0.286 0.285 0.284 0.353 0.256 0.333 0.321 0.365 0.285 ...
## $ percepcioncorrupcion: num 0.393 0.13 0.41 0.408 0.138 0.357 0.295 0.291 0.389 0.383 ...summary(felicidad)## pais puntuacion pbi apoyosoc
## Length:156 Min. :2.905 Min. :0.0000 Min. :0.000
## Class :character 1st Qu.:4.454 1st Qu.:0.6162 1st Qu.:1.067
## Mode :character Median :5.378 Median :0.9495 Median :1.255
## Mean :5.384 Mean :0.8941 Mean :1.214
## 3rd Qu.:6.168 3rd Qu.:1.2025 3rd Qu.:1.466
## Max. :7.633 Max. :2.0960 Max. :1.644
## esperanza libertad generosidad percepcioncorrupcion
## Min. :0.0000 Min. :0.0000 Min. :0.0000 Min. :0.00000
## 1st Qu.:0.4223 1st Qu.:0.3560 1st Qu.:0.1108 1st Qu.:0.05175
## Median :0.6510 Median :0.4870 Median :0.1750 Median :0.08200
## Mean :0.5989 Mean :0.4555 Mean :0.1821 Mean :0.11306
## 3rd Qu.:0.7820 3rd Qu.:0.5800 3rd Qu.:0.2422 3rd Qu.:0.13650
## Max. :1.0300 Max. :0.7240 Max. :0.5980 Max. :0.45700Analisis:
shapiro.test(felicidad$puntuacion)##
## Shapiro-Wilk normality test
##
## data: felicidad$puntuacion
## W = 0.9838, p-value = 0.06475el p-value es mayor a 0.05 Es normmal
library(DescTools)
Skew(felicidad$puntuacion)## [1] 0.03563908es asimetria positiva
No hay atipicos
Correlacion entre PIB y generosidad
shapiro.test(felicidad$pbi)##
## Shapiro-Wilk normality test
##
## data: felicidad$pbi
## W = 0.97748, p-value = 0.01176cor.test(felicidad$pbi,felicidad$generosidad,method = "spearman")## Warning in cor.test.default(felicidad$pbi, felicidad$generosidad, method =
## "spearman"): Cannot compute exact p-value with ties##
## Spearman's rank correlation rho
##
## data: felicidad$pbi and felicidad$generosidad
## S = 628978, p-value = 0.9417
## alternative hypothesis: true rho is not equal to 0
## sample estimates:
## rho
## 0.005898693p-value es de 0.9417 es mayor a 0.05 No correlacion
Tomando a esperanza como variable dep
shapiro.test(felicidad$esperanza)##
## Shapiro-Wilk normality test
##
## data: felicidad$esperanza
## W = 0.95408, p-value = 5.151e-05el p-value es menor a 0.05 no es normal
todocontrol2=lm(esperanza~pbi+apoyosoc+percepcioncorrupcion+libertad+generosidad,data = felicidad)
summary(todocontrol2)##
## Call:
## lm(formula = esperanza ~ pbi + apoyosoc + percepcioncorrupcion +
## libertad + generosidad, data = felicidad)
##
## Residuals:
## Min 1Q Median 3Q Max
## -0.44391 -0.06484 0.01431 0.07939 0.24825
##
## Coefficients:
## Estimate Std. Error t value Pr(>|t|)
## (Intercept) -0.003605 0.047854 -0.075 0.94004
## pbi 0.445871 0.036908 12.081 < 2e-16 ***
## apoyosoc 0.139466 0.048666 2.866 0.00476 **
## percepcioncorrupcion 0.122647 0.128416 0.955 0.34108
## libertad 0.046434 0.078767 0.590 0.55641
## generosidad -0.002610 0.116482 -0.022 0.98216
## ---
## Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
##
## Residual standard error: 0.1295 on 150 degrees of freedom
## Multiple R-squared: 0.7373, Adjusted R-squared: 0.7285
## F-statistic: 84.18 on 5 and 150 DF, p-value: < 2.2e-16Solo generosidad tiene un efecto inverso
Tomando a percepcion como variable dep
shapiro.test(felicidad$percepcioncorrupcion)##
## Shapiro-Wilk normality test
##
## data: felicidad$percepcioncorrupcion
## W = 0.81431, p-value = 8.486e-13El p-value es menor a 0.05 NO es normal
todocontrol3=lm(percepcioncorrupcion~pbi+apoyosoc+esperanza+libertad+generosidad,data = felicidad)
summary(todocontrol3)##
## Call:
## lm(formula = percepcioncorrupcion ~ pbi + apoyosoc + esperanza +
## libertad + generosidad, data = felicidad)
##
## Residuals:
## Min 1Q Median 3Q Max
## -0.18413 -0.05413 -0.01276 0.04097 0.31134
##
## Coefficients:
## Estimate Std. Error t value Pr(>|t|)
## (Intercept) -0.04356 0.03013 -1.446 0.150266
## pbi 0.04141 0.03269 1.267 0.207190
## apoyosoc -0.03841 0.03153 -1.218 0.225052
## esperanza 0.04928 0.05160 0.955 0.341075
## libertad 0.19913 0.04727 4.213 4.34e-05 ***
## generosidad 0.25261 0.07090 3.563 0.000492 ***
## ---
## Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
##
## Residual standard error: 0.08212 on 150 degrees of freedom
## Multiple R-squared: 0.3098, Adjusted R-squared: 0.2868
## F-statistic: 13.47 on 5 and 150 DF, p-value: 7.529e-11link2="https://docs.google.com/spreadsheets/d/e/2PACX-1vTFLhCO2eqAth81eQsaT03RQx32n9GRxx6ixAR2trHCt4rWR6QIHk-Ig-b9VmXpBg/pub?output=csv"
ide=read.csv(link2,stringsAsFactors = F)str(ide)## 'data.frame': 195 obs. of 13 variables:
## $ regionUbigeo : int 10000 10000 10000 10000 10000 10000 10000 20000 20000 20000 ...
## $ provinciaUbigeo: int 10100 10200 10300 10400 10500 10600 10700 20100 20200 20300 ...
## $ PROVINCIA : chr "CHACHAPOYAS" "BAGUA" "BONGARA" "CONDORCANQUI" ...
## $ IDE : num 0.774 0.662 0.632 0.46 0.605 ...
## $ identidad : num 98.6 94.6 97.5 86.2 96.2 ...
## $ salud : num 25.45 14.61 9.01 8.56 12.42 ...
## $ educacion : num 91.5 79.8 76.4 52.2 74.7 ...
## $ saneamiento : num 70.3 64.5 54.8 37.7 43.3 ...
## $ electrificacion: num 84 67.9 72.2 39.5 67.4 ...
## $ poblacion : int 54783 77438 32317 51802 52185 30236 118747 161003 7974 16879 ...
## $ costa : chr "NO" "NO" "NO" "NO" ...
## $ capital : chr "SI" "NO" "NO" "NO" ...
## $ tamano : chr "Pequena" "Pequena" "Muy pequena" "Pequena" ...names(ide)## [1] "regionUbigeo" "provinciaUbigeo" "PROVINCIA"
## [4] "IDE" "identidad" "salud"
## [7] "educacion" "saneamiento" "electrificacion"
## [10] "poblacion" "costa" "capital"
## [13] "tamano"ide[,c(3,11:13)]=lapply(ide[,c(3,11:13)],as.factor)ide=ide[complete.cases(ide),]str(ide)## 'data.frame': 195 obs. of 13 variables:
## $ regionUbigeo : int 10000 10000 10000 10000 10000 10000 10000 20000 20000 20000 ...
## $ provinciaUbigeo: int 10100 10200 10300 10400 10500 10600 10700 20100 20200 20300 ...
## $ PROVINCIA : Factor w/ 195 levels "ABANCAY","ACOBAMBA",..: 46 19 24 59 116 156 186 90 4 11 ...
## $ IDE : num 0.774 0.662 0.632 0.46 0.605 ...
## $ identidad : num 98.6 94.6 97.5 86.2 96.2 ...
## $ salud : num 25.45 14.61 9.01 8.56 12.42 ...
## $ educacion : num 91.5 79.8 76.4 52.2 74.7 ...
## $ saneamiento : num 70.3 64.5 54.8 37.7 43.3 ...
## $ electrificacion: num 84 67.9 72.2 39.5 67.4 ...
## $ poblacion : int 54783 77438 32317 51802 52185 30236 118747 161003 7974 16879 ...
## $ costa : Factor w/ 2 levels "NO","SI": 1 1 1 1 1 1 1 1 1 1 ...
## $ capital : Factor w/ 2 levels "NO","SI": 2 1 1 1 1 1 1 2 1 1 ...
## $ tamano : Factor w/ 5 levels "Grande","Mediana",..: 5 5 4 5 5 4 2 2 4 4 ...summary(ide)## regionUbigeo provinciaUbigeo PROVINCIA IDE
## Min. : 10000 Min. : 10100 ABANCAY : 1 Min. :0.4245
## 1st Qu.: 50000 1st Qu.: 50750 ACOBAMBA : 1 1st Qu.:0.5806
## Median :100000 Median :101100 ACOMAYO : 1 Median :0.6367
## Mean :113795 Mean :114358 AIJA : 1 Mean :0.6519
## 3rd Qu.:170000 3rd Qu.:170250 ALTO AMAZONAS: 1 3rd Qu.:0.7164
## Max. :250000 Max. :250400 AMBO : 1 Max. :0.9104
## (Other) :189
## identidad salud educacion saneamiento
## Min. :81.97 Min. : 2.598 Min. :44.03 Min. : 0.2351
## 1st Qu.:96.54 1st Qu.: 6.485 1st Qu.:74.06 1st Qu.:40.9610
## Median :97.90 Median :10.380 Median :82.49 Median :54.2229
## Mean :97.30 Mean :11.919 Mean :80.42 Mean :56.2641
## 3rd Qu.:98.87 3rd Qu.:14.744 3rd Qu.:89.02 3rd Qu.:72.4629
## Max. :99.50 Max. :44.741 Max. :99.50 Max. :99.5000
##
## electrificacion poblacion costa capital tamano
## Min. :33.83 Min. : 4251 NO:163 NO:170 Grande :15
## 1st Qu.:61.31 1st Qu.: 32188 SI: 32 SI: 25 Mediana :46
## Median :74.29 Median : 63039 Muy grande : 1
## Mean :72.11 Mean : 154543 Muy pequena:69
## 3rd Qu.:85.02 3rd Qu.: 121804 Pequena :64
## Max. :99.50 Max. :8481415
## Analisis de Variables:
Tomando a identidad como variable dep
shapiro.test(ide$identidad)##
## Shapiro-Wilk normality test
##
## data: ide$identidad
## W = 0.72664, p-value < 2.2e-16Es menor a 0.05 , es decir es No Normal
names(ide)## [1] "regionUbigeo" "provinciaUbigeo" "PROVINCIA"
## [4] "IDE" "identidad" "salud"
## [7] "educacion" "saneamiento" "electrificacion"
## [10] "poblacion" "costa" "capital"
## [13] "tamano"todocontrol=lm(identidad~regionUbigeo+provinciaUbigeo+PROVINCIA+IDE+salud+educacion+saneamiento+electrificacion+poblacion+costa+capital+tamano,data = ide)
summary(todocontrol)##
## Call:
## lm(formula = identidad ~ regionUbigeo + provinciaUbigeo + PROVINCIA +
## IDE + salud + educacion + saneamiento + electrificacion +
## poblacion + costa + capital + tamano, data = ide)
##
## Residuals:
## ALL 195 residuals are 0: no residual degrees of freedom!
##
## Coefficients: (14 not defined because of singularities)
## Estimate Std. Error t value Pr(>|t|)
## (Intercept) 9.791e+01 NA NA NA
## regionUbigeo -8.213e-04 NA NA NA
## provinciaUbigeo 8.185e-04 NA NA NA
## PROVINCIAACOBAMBA 9.348e-01 NA NA NA
## PROVINCIAACOMAYO -6.460e-01 NA NA NA
## PROVINCIAAIJA 2.201e-01 NA NA NA
## PROVINCIAALTO AMAZONAS -3.579e+00 NA NA NA
## PROVINCIAAMBO 1.319e-01 NA NA NA
## PROVINCIAANDAHUAYLAS 3.800e-01 NA NA NA
## PROVINCIAANGARAES 5.404e-01 NA NA NA
## PROVINCIAANTA 4.868e-02 NA NA NA
## PROVINCIAANTABAMBA -1.907e+00 NA NA NA
## PROVINCIAANTONIO RAYMONDI -1.280e+00 NA NA NA
## PROVINCIAAREQUIPA 1.542e+00 NA NA NA
## PROVINCIAASCOPE 1.796e+00 NA NA NA
## PROVINCIAASUNCION -1.030e+00 NA NA NA
## PROVINCIAATALAYA -1.308e+01 NA NA NA
## PROVINCIAAYABACA -2.685e+00 NA NA NA
## PROVINCIAAYMARAES -6.395e-01 NA NA NA
## PROVINCIAAZANGARO 1.278e+00 NA NA NA
## PROVINCIABAGUA -3.435e+00 NA NA NA
## PROVINCIABARRANCA 1.648e+00 NA NA NA
## PROVINCIABELLAVISTA -3.251e+00 NA NA NA
## PROVINCIABOLIVAR -1.001e+00 NA NA NA
## PROVINCIABOLOGNESI -1.886e+00 NA NA NA
## PROVINCIABONGARA -6.562e-01 NA NA NA
## PROVINCIACAJABAMBA -2.631e+00 NA NA NA
## PROVINCIACAJAMARCA 2.482e-01 NA NA NA
## PROVINCIACAJATAMBO 4.367e-02 NA NA NA
## PROVINCIACALCA -1.055e+00 NA NA NA
## PROVINCIACALLAO 1.703e+00 NA NA NA
## PROVINCIACAMANA 7.702e-01 NA NA NA
## PROVINCIACANAS 2.498e-01 NA NA NA
## PROVINCIACANCHIS -3.344e-01 NA NA NA
## PROVINCIACANDARAVE 2.078e+00 NA NA NA
## PROVINCIACANETE 1.610e+00 NA NA NA
## PROVINCIACANGALLO 1.570e+00 NA NA NA
## PROVINCIACANTA 8.824e-01 NA NA NA
## PROVINCIACARABAYA 6.689e-01 NA NA NA
## PROVINCIACARAVELI 4.532e-01 NA NA NA
## PROVINCIACARHUAZ 1.308e-01 NA NA NA
## PROVINCIACARLOS F. FITZCARRALD -1.358e+00 NA NA NA
## PROVINCIACASMA -1.553e+00 NA NA NA
## PROVINCIACASTILLA 4.374e-01 NA NA NA
## PROVINCIACASTROVIRREYNA 1.047e-01 NA NA NA
## PROVINCIACAYLLOMA 3.746e-01 NA NA NA
## PROVINCIACELENDIN -1.593e+00 NA NA NA
## PROVINCIACHACHAPOYAS 6.573e-01 NA NA NA
## PROVINCIACHANCHAMAYO -2.622e-01 NA NA NA
## PROVINCIACHEPEN 1.228e+00 NA NA NA
## PROVINCIACHICLAYO 8.626e-01 NA NA NA
## PROVINCIACHINCHA 1.739e+00 NA NA NA
## PROVINCIACHINCHEROS -3.474e-01 NA NA NA
## PROVINCIACHOTA -2.199e+00 NA NA NA
## PROVINCIACHUCUITO 1.040e+00 NA NA NA
## PROVINCIACHUMBIVILCAS -3.934e-01 NA NA NA
## PROVINCIACHUPACA -4.826e-01 NA NA NA
## PROVINCIACHURCAMPA -1.259e-01 NA NA NA
## PROVINCIACONCEPCION 8.848e-02 NA NA NA
## PROVINCIACONDESUYOS -3.408e-01 NA NA NA
## PROVINCIACONDORCANQUI -1.197e+01 NA NA NA
## PROVINCIACONTRALMIRANTE VILLAR 1.794e+00 NA NA NA
## PROVINCIACONTUMAZA -1.197e+00 NA NA NA
## PROVINCIACORONEL PORTILLO 3.087e-01 NA NA NA
## PROVINCIACORONGO -2.323e+00 NA NA NA
## PROVINCIACOTABAMBAS -2.587e+00 NA NA NA
## PROVINCIACUSCO 1.223e-01 NA NA NA
## PROVINCIACUTERVO -1.104e+00 NA NA NA
## PROVINCIADANIEL ALCIDES CARRION 1.965e+00 NA NA NA
## PROVINCIADATEM DEL MARANON -1.606e+01 NA NA NA
## PROVINCIADOS DE MAYO -1.068e+00 NA NA NA
## PROVINCIAEL COLLAO 1.683e+00 NA NA NA
## PROVINCIAEL DORADO -6.969e-01 NA NA NA
## PROVINCIAESPINAR 3.956e-01 NA NA NA
## PROVINCIAFERRENAFE -7.932e-01 NA NA NA
## PROVINCIAGENERAL SANCHEZ CERRO 1.308e+00 NA NA NA
## PROVINCIAGRAN CHIMU -1.431e+00 NA NA NA
## PROVINCIAGRAU -2.757e+00 NA NA NA
## PROVINCIAHUACAYBAMBA -1.431e+00 NA NA NA
## PROVINCIAHUALGAYOC -2.087e+00 NA NA NA
## PROVINCIAHUALLAGA -8.829e-01 NA NA NA
## PROVINCIAHUAMALIES -3.041e+00 NA NA NA
## PROVINCIAHUAMANGA 1.594e+00 NA NA NA
## PROVINCIAHUANCA SANCOS 1.489e+00 NA NA NA
## PROVINCIAHUANCABAMBA -3.402e+00 NA NA NA
## PROVINCIAHUANCANE 7.844e-01 NA NA NA
## PROVINCIAHUANCAVELICA 1.188e+00 NA NA NA
## PROVINCIAHUANCAYO 1.220e+00 NA NA NA
## PROVINCIAHUANTA 2.338e-01 NA NA NA
## PROVINCIAHUANUCO -2.398e-01 NA NA NA
## PROVINCIAHUARAL 1.078e+00 NA NA NA
## PROVINCIAHUARAZ 5.749e-01 NA NA NA
## PROVINCIAHUARI -1.357e+00 NA NA NA
## PROVINCIAHUARMEY -7.458e-01 NA NA NA
## PROVINCIAHUAROCHIRI 9.755e-01 NA NA NA
## PROVINCIAHUAURA 1.325e+00 NA NA NA
## PROVINCIAHUAYLAS -1.440e+00 NA NA NA
## PROVINCIAHUAYTARA -7.017e-01 NA NA NA
## PROVINCIAICA 1.825e+00 NA NA NA
## PROVINCIAILO 1.855e+00 NA NA NA
## PROVINCIAISLAY 1.369e-01 NA NA NA
## PROVINCIAJAEN -2.579e+00 NA NA NA
## PROVINCIAJAUJA 1.179e-01 NA NA NA
## PROVINCIAJORGE BASADRE 1.996e+00 NA NA NA
## PROVINCIAJULCAN -2.218e-01 NA NA NA
## PROVINCIAJUNIN 9.399e-01 NA NA NA
## PROVINCIALA CONVENCION -2.095e+00 NA NA NA
## PROVINCIALA MAR 6.124e-02 NA NA NA
## PROVINCIALA UNION -1.684e+00 NA NA NA
## PROVINCIALAMAS -1.139e+00 NA NA NA
## PROVINCIALAMBAYEQUE 1.415e-01 NA NA NA
## PROVINCIALAMPA 1.422e+00 NA NA NA
## PROVINCIALAURICOCHA -2.136e+00 NA NA NA
## PROVINCIALEONCIO PRADO -2.637e+00 NA NA NA
## PROVINCIALIMA 1.793e+00 NA NA NA
## PROVINCIALORETO -7.817e+00 NA NA NA
## PROVINCIALUCANAS 9.325e-01 NA NA NA
## PROVINCIALUYA -2.095e+00 NA NA NA
## PROVINCIAMANU -4.056e+00 NA NA NA
## PROVINCIAMARANON -1.362e+00 NA NA NA
## PROVINCIAMARISCAL CACERES -1.751e+00 NA NA NA
## PROVINCIAMARISCAL LUZURIAGA -2.260e+00 NA NA NA
## PROVINCIAMARISCAL NIETO 1.956e+00 NA NA NA
## PROVINCIAMARISCAL RAMON CASTILLA -6.480e+00 NA NA NA
## PROVINCIAMAYNAS -1.557e+00 NA NA NA
## PROVINCIAMELGAR 1.129e+00 NA NA NA
## PROVINCIAMOHO 6.078e-02 NA NA NA
## PROVINCIAMORROPON -5.520e-01 NA NA NA
## PROVINCIAMOYOBAMBA -1.611e+00 NA NA NA
## PROVINCIANAZCA 1.542e+00 NA NA NA
## PROVINCIAOCROS -1.039e+00 NA NA NA
## PROVINCIAOTUZCO -1.004e+00 NA NA NA
## PROVINCIAOXAPAMPA -2.855e+00 NA NA NA
## PROVINCIAOYON 7.878e-01 NA NA NA
## PROVINCIAPACASMAYO 1.188e+00 NA NA NA
## PROVINCIAPACHITEA -3.571e+00 NA NA NA
## PROVINCIAPADRE ABAD -1.385e-01 NA NA NA
## PROVINCIAPAITA 1.512e+00 NA NA NA
## PROVINCIAPALLASCA -4.542e+00 NA NA NA
## PROVINCIAPALPA 1.382e+00 NA NA NA
## PROVINCIAPARINACOCHAS 1.068e+00 NA NA NA
## PROVINCIAPARURO -8.900e-01 NA NA NA
## PROVINCIAPASCO 2.047e+00 NA NA NA
## PROVINCIAPATAZ -2.441e+00 NA NA NA
## PROVINCIAPAUCAR DEL SARA SARA 2.443e-01 NA NA NA
## PROVINCIAPAUCARTAMBO -1.797e+00 NA NA NA
## PROVINCIAPICOTA -1.693e+00 NA NA NA
## PROVINCIAPISCO 1.251e+00 NA NA NA
## PROVINCIAPIURA 1.138e+00 NA NA NA
## PROVINCIAPOMABAMBA -2.521e+00 NA NA NA
## PROVINCIAPUERTO INCA -8.285e+00 NA NA NA
## PROVINCIAPUNO 1.587e+00 NA NA NA
## PROVINCIAPURUS -5.562e+00 NA NA NA
## PROVINCIAQUISPICANCHI -1.055e+00 NA NA NA
## PROVINCIARECUAY -1.522e+00 NA NA NA
## PROVINCIAREQUENA -5.367e+00 NA NA NA
## PROVINCIARIOJA -2.533e+00 NA NA NA
## PROVINCIARODRIGUEZ DE MENDOZA -1.027e+00 NA NA NA
## PROVINCIASAN ANTONIO DE PUTINA 6.834e-01 NA NA NA
## PROVINCIASAN IGNACIO -2.720e+00 NA NA NA
## PROVINCIASAN MARCOS -2.961e+00 NA NA NA
## PROVINCIASAN MARTIN 3.029e-01 NA NA NA
## PROVINCIASAN MIGUEL -2.112e+00 NA NA NA
## PROVINCIASAN PABLO -1.729e+00 NA NA NA
## PROVINCIASAN ROMAN 8.119e-01 NA NA NA
## PROVINCIASANCHEZ CARRION -2.065e+00 NA NA NA
## PROVINCIASANDIA 2.969e-01 NA NA NA
## PROVINCIASANTA -1.237e+00 NA NA NA
## PROVINCIASANTA CRUZ -2.723e+00 NA NA NA
## PROVINCIASANTIAGO DE CHUCO -2.818e-01 NA NA NA
## PROVINCIASATIPO -1.948e+00 NA NA NA
## PROVINCIASECHURA -2.628e-02 NA NA NA
## PROVINCIASIHUAS -2.701e+00 NA NA NA
## PROVINCIASUCRE 7.612e-01 NA NA NA
## PROVINCIASULLANA 9.331e-02 NA NA NA
## PROVINCIATACNA 2.153e+00 NA NA NA
## PROVINCIATAHUAMANU 1.827e+00 NA NA NA
## PROVINCIATALARA 1.088e+00 NA NA NA
## PROVINCIATAMBOPATA 1.695e+00 NA NA NA
## PROVINCIATARATA 1.730e+00 NA NA NA
## PROVINCIATARMA 7.093e-01 NA NA NA
## PROVINCIATAYACAJA -9.555e-01 NA NA NA
## PROVINCIATOCACHE -3.159e+00 NA NA NA
## PROVINCIATRUJILLO 1.724e+00 NA NA NA
## PROVINCIATUMBES 1.807e+00 NA NA NA
## PROVINCIAUCAYALI -7.310e+00 NA NA NA
## PROVINCIAURUBAMBA -2.678e+00 NA NA NA
## PROVINCIAUTCUBAMBA -3.277e+00 NA NA NA
## PROVINCIAVICTOR FAJARDO 5.525e-01 NA NA NA
## PROVINCIAVILCAS HUAMAN 4.725e-01 NA NA NA
## PROVINCIAVIRU -1.520e-01 NA NA NA
## PROVINCIAYAROWILCA -2.646e-01 NA NA NA
## PROVINCIAYAULI 1.277e+00 NA NA NA
## PROVINCIAYAUYOS 1.177e-01 NA NA NA
## PROVINCIAYUNGAY -2.212e+00 NA NA NA
## PROVINCIAYUNGUYO NA NA NA NA
## PROVINCIAZARUMILLA NA NA NA NA
## IDE NA NA NA NA
## salud NA NA NA NA
## educacion NA NA NA NA
## saneamiento NA NA NA NA
## electrificacion NA NA NA NA
## poblacion NA NA NA NA
## costaSI NA NA NA NA
## capitalSI NA NA NA NA
## tamanoMediana NA NA NA NA
## tamanoMuy grande NA NA NA NA
## tamanoMuy pequena NA NA NA NA
## tamanoPequena NA NA NA NA
##
## Residual standard error: NaN on 0 degrees of freedom
## Multiple R-squared: 1, Adjusted R-squared: NaN
## F-statistic: NaN on 194 and 0 DF, p-value: NA