Análisis de datos

La recolección de datos y ciertos análisis preliminares se obtuvieron de distintas fuentes datos, de las cuales destacan resultados del INEGI del impacto del Covid-19 en la educación (ECOVID-ED 2020), Human Development Data Center y México índice de progreso social ¿Cómo vamos?.

Data Sicience y Data Mining

Data Science es la ciencia centrada en el estudio de los datos. Se encarga de extraer información de grandes cantidades de datos. Esta ciencia de datos combina la estadística, las matemáticas y la informática para interpretar datos. El objetivo es tomar decisiones base a datos obtenidos y una vez hecho un análisis de los mismos. (N., 2019)

Ahora bien, el Data Mining se define a un proceso utilizado para la recolección y almacenamiento de datos útiles, esto ayuda a tomar mejores decisiones basadas en información, segmentando los datos y evaluandolos. (N., 2019)

Correlación y Regresión Líneal simple

La correlación lineal y la regresión lineal simple son métodos estadísticos que estudian la relación lineal existente entre dos variables. Por norma general, los estudios de correlación lineal preceden a la generación de modelos de regresión lineal. Primero se analiza si ambas variables están correlacionadas y, en caso de estarlo, se procede a generar el modelo de regresión.

Regresión Línea Simple \[ Y=β_{0}+β_{1X1}+ϵ \]

https://www.maximaformacion.es/wp-content/uploads/2020/07/Qu%C3%A9-es-la-correlacion_valores-del-coeficiente.png

Regresión Líneal Múltiple

La regresión lineal múltiple es una extensión de la regresión lineal simple, por lo que es fundamental comprender esta última. Los modelos de regresión múltiple pueden emplearse para predecir el valor de la variable dependiente o para evaluar la influencia que tienen los predictores sobre ella (esto último se debe que analizar con cautela para no malinterpretar causa-efecto).

Importar

library(pacman)
p_load("base64enc", "htmltools", "mime", "xfun","readr", "readxl", "knitr","DT","dplyr", "ggplot2","plotly", "gganimate","gifski","scales", "hpackedbubble", "MASS", "psych", "GGally", "ISLR", "plotrix")

IDHmexico <- read_csv("IDHmexico.csv")
IDH_ESTADOS2 <- read_excel("IDH_ESTADOS2.xlsx")
Ciclo2019 <- read_csv("Ciclo2019.csv")
abandonan2020 <- read_excel("Abandonan2020.xlsx")
desercion <- read_csv("desercion.csv")
inscritos1 <- read_csv("inscritos1.csv") 
inscritos2 <- read_csv("inscritos2.csv")
pibescolaridad <- read.csv("pibescolaridad.csv")
datos <- read_csv("IPS2.csv", col_types = cols(PIB = col_number(), 
    Nutricion.y.Cuidados.Medicos.Basicos = col_number(), 
    Agua.y.Saneamiento = col_number(), Vivienda = col_number(), 
    Seguridad.Personal = col_number(), Acceso.a.Conocimientos.Basicos = col_number(), 
    Acceso.a.Informacion.y.Comunicaciones = col_number(), 
    Salud.y.Bienestar = col_number(), Calidad.Medioambiental = col_number(), 
    Derechos.Personales = col_number(), Libertas.Personal.y.de.Eleccion = col_number(), 
    Inclusion = col_number(), Acceso.a.Educacion.Superior = col_number()))

Descargar

xfun::embed_file("ProyectoFinal1.Rmd")

xfun::embed_file("IDHmexico.csv")

xfun::embed_file("Ciclo2019.csv")

xfun::embed_file("desercion.csv")

xfun::embed_file("inscritos1.csv")

xfun::embed_file("inscritos2.csv")

xfun::embed_file("IDH_ESTADOS2.xlsx")

xfun::embed_file("Abandonan2020.xlsx")

xfun::embed_file("pibescolaridad.xlsx")

xfun::embed_file("IPS2.csv")

¿Cómo ha sido el comportamiento del IDH en los últimos años en México?

El índice de educación es un promedio de años promedio de escolaridad (de adultos) y años esperados de escolaridad (de niños), ambos expresados como un índice obtenido escalando con los máximos correspondientes. En la siguiente gráfica se puede observar el índice de educación en México desde al año 1990 hasta el 2019, al igual el índice de desarrollo humano en ese tiempo.

plot_ly(IDHmexico,x = ~Anio, y = ~IDH, colors = "blue",mode="lines+markers", name = "IDH") %>% 
  add_lines(x = ~Anio, y = ~Educacion,mode="lines", name = "Índice de educación") %>%
  group_by(Pais) %>%
  add_lines() %>%
  rangeslider() %>%
  layout(title = 'IDH vs Índice de educación en México Fuente: Human Development Report Office 2020',
         xaxis = list(title = 'Año'),
         yaxis = list(title = 'IDH'))

En 1990, año de la creación del término IDH, el país inicio con un valor de 0.656 y un índice educativo de menos de 0.50, como se puede observar, el IDH tuvo su mayor incremento para el año 2004, aumentando casi el doble de lo calculado para el año 2003, en el año 2019 México tenía un IDH de 0.916 y un nivel eduactivo de 0.703.

Predecir el comportamiento del índice de educación en el desarrollo humano de México, a partir de la llegada de la COVID-19, podría ser arriesgado y poco certero, pues se requiere disponibilidad de fuentes de información actualizadas que permitan calcular el índice de manera sólida y precisa.

Sin embargo, el Programa de las Naciones Unidas (PNUD) alerta que el IDH mundial podría retroceder por primera vez desde la creación este concepto. A pesar de que aún falta información y datos se prevee una situación de IDH negativo.

“El mundo ha visto muchas crisis en los últimos 30 años, incluida la crisis financiera mundial de 2007-2009. Todas han golpeado con fuerza al desarrollo humano pero, en general, a nivel global se ha conseguido avanzar cada año”, explica Achim Steiner, Administrador del PNUD. “La COVID-19, con su triple impacto en salud, educación e ingresos, puede alterar esta tendencia”. ()

Comportamiento del IDH en México por estados

fig <- plot_ly(data = IDH_ESTADOS2, x = ~Year, y = ~IDH, color = ~Estado)

fig

Se observa que la variación del índice de desarrollo humano (IDH) en México, ha aumentado en los últimos 10 años.

Sin embargo, el estado con un mayor IDH siempre ha sido la Ciudad de México, con un valor de 0.897 en el 2019, y debajo de este le siguen los estados de Aguascalientes, Campeche, Baja California Sur, Nuevo León y Sonora. Por otra parte, los estados que cuentan con el menor IDH son Chiapas, Guerrero y Oaxaca.

Alumnos que terminaron el ciclo escolar 2019-2020

El fenómeno de la deserción está presente cada año, por lo que en la siguiente gráfica se muestra la cantidad de alumnos que si concluyeron el ciclo escolar 2019-2020 que fue justo en el que se inicio la pandemia con COVID-19.

data.frame(Ciclo2019)

##        Nivel    Total Concluyo
## 1 Preescolar  4536946  4438783
## 2   Primaria 13394007 13247942
## 3 Secundaria  6798828  6579647
## 4      Media  5321364  5140112
## 5   Superior  3561079  3471139

              hpackedbubble(Ciclo2019$Nivel, Ciclo2019$Concluyo, Ciclo2019$Total, 
              title = "Alumnos que concluyeron el ciclo 2019-2020 Fuente: Ecovid-Ed 2020",
              pointFormat = "<b>{point.name}:</b> {point.y} Alumnos que concluyeron",
              dataLabelsFilter = 100,
              packedbubbleMinSize = "50%",
              packedbubbleMaxSize = "100%",
              theme = "Watermelon",
              titleColor = "black",
              packedbubbleZMin = 0,
              packedbubbleZmax = 10000, split = 1,
              gravitational = 0.02,
              parentNodeLimit = 1,
              dragBetweenSeries = 0,
              width = "100%")

Según datos de Statista, se estima que más de 2,83 millones de estudiantes abandonaron la escuela entre abril y agosto de 2020.

La fuente no especifica la fecha de publicación. La fecha de publicación corresponde a la fecha de acceso a los datos.

fig <- plot_ly(data = abandonan2020, x = ~Nivel, y = ~Valor, color = ~Estado)

fig

hpackedbubble(abandonan2020$Estado, abandonan2020$Nivel, abandonan2020$Valor,
              title = "Estudiantes que abandonaron sus estudios del ciclo 2019 - 2020, por estados",
              pointFormat = "<b>{point.name}: </b> {point.y} %",
              dataLabelsFilter = 100,
              packedbubbleMinSize = "10%",
              packedbubbleMaxSize = "60%",
              theme = "watermelon",
              packedbubbleZMin = 0,
              packedbubbleZmax = 10000, split = 1,
              gravitational = 0.0625,
              parentNodeLimit = 1,
              dragBetweenSeries = 0,
              seriesInteraction = 0,
              width = "100%",
              height = "1000px"    )       

covid <- plot_ly(desercion, x = ~Nivel, y =~Estudiantes, type = 'bar', name = 'Estudiantes')
covid <- covid %>% layout(title = 'Deserción Escolar por pandemia COVID-19 en México Fuente: Statista')
covid

colores <- c("lightpink", "lightcoral", "lightpink3", "pink")
proporciones <- c(6.7, 8.9, 58.9, 25.5) 
etiquetas <- c("6.7%", "8.9%","58.9%", "25.5%") 
pie3D(proporciones,labels=etiquetas,
      explode=0.1,
      main="Motivos de deserción en el ciclo 2019-2020 Fuente: Ecovid-Ed 2020")
legend("top", legend = c("Tenian que trabajar", "Falta de Recursos", "Covid-19", "Otra razón"),
       fill = rainbow(length(proporciones)))

inscritos <- c(inscritos1$ciclo)
respuesta <- c(inscritos1$respuesta)
respuesta <- paste(respuesta,inscritos)
respuesta <- paste(respuesta, "%", sep = "")
colores <- c("lightpink", "lightcoral")
pie3D(inscritos, respuesta, explode= 0.1, edges = NA, radius = .85, height = .15, theta = pi/3, start=0,border=par("fg"), labelcex = 1,
    main= "Personas inscritas en el ciclo 2019 - 2020",
   col= colores)

inscritosz <- c(inscritos2$ciclo)
respuestaz <- c(inscritos2$respuesta)
respuestaz <- paste(respuestaz,inscritosz)
respuestaz <- paste(respuestaz, "%", sep = "")
colores <- c("lightpink", "lightcoral")
pie3D(inscritosz, respuestaz, explode= 0.1, edges = NA, radius = .85, height = .15, theta = pi/3, start=0,border=par("fg"), labelcex = 1,
    main= "Personas inscritas en el ciclo 2020 - 2021",
   col= colores)

Correlacion lineal: IDH/Educacion vs PIB

Se dispone información obtenida del informe “Principales Cifras del Sistema Educativo Nacional 2018-2019” de la eficiencia del sistema educativo escolarizado por entidad federativa, esto representa el número de alumnos que terminan la educación superior en el ciclo escolar 2018-2019 de cada cien que iniciaron sus estudios en el ciclo 2002-2003; así como información del INEGI sobre los resultados del Producto Interno Bruto por Entidad Federativa 2019 en México. A continuación se muestra un diagrama a cerca de la correlación de estas dos variables, ambas importantes para el estudio del IDH en el país.

ggplot(data = pibescolaridad, aes(x=pib, y = escolaridad)) +
  geom_point(colour="red4") +
  ggtitle("Diagrama de dispersion de estados de México") +
  theme_bw() +
  theme(plot.title = element_text(hjust = 0.5))

El diagrama de dispersión parece indicar una posible relación lineal positiva entre ambas variables.

par (mfrow = c(1,2))
hist(pibescolaridad$pib, breaks = 10, main = "", xlab = "% de variación de PIB", border="darkred")
hist(pibescolaridad$escolaridad, breaks = 10, main = "", xlab = "Eficiencia del sistema educativo", border="blue")

par(mfrow = c(1,1))
qqnorm(pibescolaridad$pib, main = "% de variación de PIB", col = "darkred")
qqline(pibescolaridad$pib)

qqnorm(pibescolaridad$escolaridad, main = "Eficiencia del sistema educativo", col = "darkred")
qqline(pibescolaridad$escolaridad)

shapiro.test(pibescolaridad$pib)

## 
##  Shapiro-Wilk normality test
## 
## data:  pibescolaridad$pib
## W = 0.94051, p-value = 0.07741

shapiro.test(pibescolaridad$escolaridad)

## 
##  Shapiro-Wilk normality test
## 
## data:  pibescolaridad$escolaridad
## W = 0.98937, p-value = 0.9843

Regresion lineal multiple: IDH, índice de Progeso Social (IPS) y PIB per cápita.

Matriz de Coeficientes de correlacion

round( cor( x = datos, method = "pearson"), 3)

##                                       Nutricion.y.Cuidados.Medicos.Basicos
## Nutricion.y.Cuidados.Medicos.Basicos                                 1.000
## Agua.y.Saneamiento                                                   0.579
## Vivienda                                                             0.759
## Seguridad.Personal                                                  -0.128
## Acceso.a.Conocimientos.Basicos                                       0.391
## Acceso.a.Informacion.y.Comunicaciones                                0.604
## Salud.y.Bienestar                                                    0.058
## Calidad.Medioambiental                                              -0.472
## Derechos.Personales                                                 -0.175
## Libertas.Personal.y.de.Eleccion                                      0.578
## Inclusion                                                           -0.015
## Acceso.a.Educacion.Superior                                          0.495
## PIB                                                                  0.197
##                                       Agua.y.Saneamiento Vivienda
## Nutricion.y.Cuidados.Medicos.Basicos               0.579    0.759
## Agua.y.Saneamiento                                 1.000    0.760
## Vivienda                                           0.760    1.000
## Seguridad.Personal                                -0.317   -0.340
## Acceso.a.Conocimientos.Basicos                     0.280    0.506
## Acceso.a.Informacion.y.Comunicaciones              0.844    0.765
## Salud.y.Bienestar                                 -0.324   -0.121
## Calidad.Medioambiental                            -0.180   -0.556
## Derechos.Personales                                0.117    0.009
## Libertas.Personal.y.de.Eleccion                    0.770    0.619
## Inclusion                                         -0.118   -0.052
## Acceso.a.Educacion.Superior                        0.727    0.619
## PIB                                                0.440    0.256
##                                       Seguridad.Personal
## Nutricion.y.Cuidados.Medicos.Basicos              -0.128
## Agua.y.Saneamiento                                -0.317
## Vivienda                                          -0.340
## Seguridad.Personal                                 1.000
## Acceso.a.Conocimientos.Basicos                    -0.446
## Acceso.a.Informacion.y.Comunicaciones             -0.444
## Salud.y.Bienestar                                 -0.033
## Calidad.Medioambiental                             0.344
## Derechos.Personales                                0.244
## Libertas.Personal.y.de.Eleccion                   -0.423
## Inclusion                                         -0.188
## Acceso.a.Educacion.Superior                       -0.292
## PIB                                               -0.160
##                                       Acceso.a.Conocimientos.Basicos
## Nutricion.y.Cuidados.Medicos.Basicos                           0.391
## Agua.y.Saneamiento                                             0.280
## Vivienda                                                       0.506
## Seguridad.Personal                                            -0.446
## Acceso.a.Conocimientos.Basicos                                 1.000
## Acceso.a.Informacion.y.Comunicaciones                          0.424
## Salud.y.Bienestar                                             -0.220
## Calidad.Medioambiental                                        -0.467
## Derechos.Personales                                           -0.246
## Libertas.Personal.y.de.Eleccion                                0.263
## Inclusion                                                     -0.089
## Acceso.a.Educacion.Superior                                    0.594
## PIB                                                            0.220
##                                       Acceso.a.Informacion.y.Comunicaciones
## Nutricion.y.Cuidados.Medicos.Basicos                                  0.604
## Agua.y.Saneamiento                                                    0.844
## Vivienda                                                              0.765
## Seguridad.Personal                                                   -0.444
## Acceso.a.Conocimientos.Basicos                                        0.424
## Acceso.a.Informacion.y.Comunicaciones                                 1.000
## Salud.y.Bienestar                                                    -0.235
## Calidad.Medioambiental                                               -0.351
## Derechos.Personales                                                  -0.128
## Libertas.Personal.y.de.Eleccion                                       0.793
## Inclusion                                                             0.137
## Acceso.a.Educacion.Superior                                           0.828
## PIB                                                                   0.525
##                                       Salud.y.Bienestar Calidad.Medioambiental
## Nutricion.y.Cuidados.Medicos.Basicos              0.058                 -0.472
## Agua.y.Saneamiento                               -0.324                 -0.180
## Vivienda                                         -0.121                 -0.556
## Seguridad.Personal                               -0.033                  0.344
## Acceso.a.Conocimientos.Basicos                   -0.220                 -0.467
## Acceso.a.Informacion.y.Comunicaciones            -0.235                 -0.351
## Salud.y.Bienestar                                 1.000                 -0.113
## Calidad.Medioambiental                           -0.113                  1.000
## Derechos.Personales                              -0.143                  0.097
## Libertas.Personal.y.de.Eleccion                  -0.166                 -0.260
## Inclusion                                         0.207                  0.079
## Acceso.a.Educacion.Superior                      -0.508                 -0.279
## PIB                                              -0.379                  0.084
##                                       Derechos.Personales
## Nutricion.y.Cuidados.Medicos.Basicos               -0.175
## Agua.y.Saneamiento                                  0.117
## Vivienda                                            0.009
## Seguridad.Personal                                  0.244
## Acceso.a.Conocimientos.Basicos                     -0.246
## Acceso.a.Informacion.y.Comunicaciones              -0.128
## Salud.y.Bienestar                                  -0.143
## Calidad.Medioambiental                              0.097
## Derechos.Personales                                 1.000
## Libertas.Personal.y.de.Eleccion                    -0.177
## Inclusion                                          -0.034
## Acceso.a.Educacion.Superior                         0.007
## PIB                                                 0.061
##                                       Libertas.Personal.y.de.Eleccion Inclusion
## Nutricion.y.Cuidados.Medicos.Basicos                            0.578    -0.015
## Agua.y.Saneamiento                                              0.770    -0.118
## Vivienda                                                        0.619    -0.052
## Seguridad.Personal                                             -0.423    -0.188
## Acceso.a.Conocimientos.Basicos                                  0.263    -0.089
## Acceso.a.Informacion.y.Comunicaciones                           0.793     0.137
## Salud.y.Bienestar                                              -0.166     0.207
## Calidad.Medioambiental                                         -0.260     0.079
## Derechos.Personales                                            -0.177    -0.034
## Libertas.Personal.y.de.Eleccion                                 1.000     0.179
## Inclusion                                                       0.179     1.000
## Acceso.a.Educacion.Superior                                     0.671     0.064
## PIB                                                             0.446     0.153
##                                       Acceso.a.Educacion.Superior    PIB
## Nutricion.y.Cuidados.Medicos.Basicos                        0.495  0.197
## Agua.y.Saneamiento                                          0.727  0.440
## Vivienda                                                    0.619  0.256
## Seguridad.Personal                                         -0.292 -0.160
## Acceso.a.Conocimientos.Basicos                              0.594  0.220
## Acceso.a.Informacion.y.Comunicaciones                       0.828  0.525
## Salud.y.Bienestar                                          -0.508 -0.379
## Calidad.Medioambiental                                     -0.279  0.084
## Derechos.Personales                                         0.007  0.061
## Libertas.Personal.y.de.Eleccion                             0.671  0.446
## Inclusion                                                   0.064  0.153
## Acceso.a.Educacion.Superior                                 1.000  0.687
## PIB                                                         0.687  1.000

Una vez calculado el coeficiente de correlación de cada una de las variables, podemos concluir lo siguiente para las variables más importantes:

La variable de nutrición y cuidados medicos básicos tiene una alta correlación con vivienda, acceso a información y comunicación, agua y saneamiento, libertad personal y de elección y acceso a educación superior; esto tiene sentido, debido a que esta variable tienen dependencia o relación, al decir que las personas que tienen acceso a estas áreas de oportunidad como la vivienda, educación y otras, se pudiese pensar que tienen una mejor calidad de vida. Más sin embargo, esta variable tiene una baja correlación con el PIB y salud y bienestar, lo que puede caudar algo de ruido, dado a que estas dos variables pudiesen ser fundamentales para tener una buena calidad de vida. Además, tmabién encontramos una correlación negativa con seguridad personal, calidad medioambiental, derechos personales e inclusión; lo que de igual manera algunas de estas definitivamente no tendrían relación con nuestra variable.

Para la variable de Agua y saneamiento existe una alta correlación con la mayoria de las variables, exceptuando la correlación negativa que existe con seguridad personal e inclusión, que tendría sentido dado a que estas variables no tienen relación con el saneamiento más bien es algo social, sin embargo también se puede encontrar una correlación negativa con calidad medioambiental y salud y bienestar, lo que de igual manera genera ruido, ya que el saneamiento si tuviese relación con estas dos variables.

Para vivienda se muestra una muy alta correlación con nutrición, saneamiento, acceso a conocimientos básicos, acceso a información, educación y PIB; todas estas variables nos muestran que las personas que tienen acceso a una vivienda de igual manera les da la oportunidad a tener acceso a una buena educación, a información y una buena calidad de vida, lo que conlleva obviamente tendría que haber una relación con PIB.

Salud y bienestar solamente tiene una correlación positiva con dos variables que son nutrición e inclusión, con esto podemos notar que esta variable no tiene relación alguna con ninguna otra. Sin emabrgo, con las dos mencionadas podemos ver una relación muy baja.

Para Acceso a Educación Superior sus más altas variables correlacionadas son Acceso a información, lo que totalmemte tienen un sentido lógico, también con PIB, acceso a conocimeintos básicos, libertades de elección, vivienda y saneamiento; con todo lo anterior, podemos concluir que el sentido lógico de esto es más que evidente, dado a que al tener una educación tendría senido a tener acceso a información y así poder ser personas con una buen nivel de conocimiento, lo que conllevaría a elevar el PIB o bien al tener un alto PIB, conlleva a tener un amplio acceso a más servicios de calidad. Dado a esto, es la razón por la que el PIB tiene solamente una correlación negativa con Seguridad y Bienestar.

Distribucion de los datos

multi.hist(x = datos, dcol = c("blue", "red"), dlty = c("dotted", "solid"),main = "")

Analizando las gráficas solamente 4 de las 13 de ellas tienen un comportamiento irregular, lo que es altamente favorable, ya que nos permite un mejor análisis promedios de los datos.

Ahora exploremos este mismo analisis usando GGally.

ggpairs(datos, lower = list(continuous = "smooth"),
        diag = list(continuous = "barDiag"), axisLabels = "none")

## `stat_bin()` using `bins = 30`. Pick better value with `binwidth`.
## `stat_bin()` using `bins = 30`. Pick better value with `binwidth`.
## `stat_bin()` using `bins = 30`. Pick better value with `binwidth`.
## `stat_bin()` using `bins = 30`. Pick better value with `binwidth`.
## `stat_bin()` using `bins = 30`. Pick better value with `binwidth`.
## `stat_bin()` using `bins = 30`. Pick better value with `binwidth`.
## `stat_bin()` using `bins = 30`. Pick better value with `binwidth`.
## `stat_bin()` using `bins = 30`. Pick better value with `binwidth`.
## `stat_bin()` using `bins = 30`. Pick better value with `binwidth`.
## `stat_bin()` using `bins = 30`. Pick better value with `binwidth`.
## `stat_bin()` using `bins = 30`. Pick better value with `binwidth`.
## `stat_bin()` using `bins = 30`. Pick better value with `binwidth`.
## `stat_bin()` using `bins = 30`. Pick better value with `binwidth`.

Generacion del modelo

Ahora una vez que entendemos la forma en la cual se relacionan las variables, podemos empezar a experimentar con la generacion del modelo.

modelo <- lm(PIB ~ Nutricion.y.Cuidados.Medicos.Basicos + Agua.y.Saneamiento + Vivienda + Seguridad.Personal + Acceso.a.Conocimientos.Basicos + Salud.y.Bienestar + Calidad.Medioambiental + Derechos.Personales + Libertas.Personal.y.de.Eleccion + Inclusion + Acceso.a.Educacion.Superior , data = datos )

summary(modelo)

## 
## Call:
## lm(formula = PIB ~ Nutricion.y.Cuidados.Medicos.Basicos + Agua.y.Saneamiento + 
##     Vivienda + Seguridad.Personal + Acceso.a.Conocimientos.Basicos + 
##     Salud.y.Bienestar + Calidad.Medioambiental + Derechos.Personales + 
##     Libertas.Personal.y.de.Eleccion + Inclusion + Acceso.a.Educacion.Superior, 
##     data = datos)
## 
## Residuals:
##     Min      1Q  Median      3Q     Max 
## -115270  -36986     498   25781  241700 
## 
## Coefficients:
##                                       Estimate Std. Error t value Pr(>|t|)   
## (Intercept)                          -312997.4  1047323.3  -0.299  0.76813   
## Nutricion.y.Cuidados.Medicos.Basicos    1939.2    12012.6   0.161  0.87337   
## Agua.y.Saneamiento                     -4552.0     3839.2  -1.186  0.24965   
## Vivienda                                1146.2     2915.2   0.393  0.69835   
## Seguridad.Personal                     -1735.9     1767.6  -0.982  0.33781   
## Acceso.a.Conocimientos.Basicos         -6239.7     4485.9  -1.391  0.17952   
## Salud.y.Bienestar                       2441.8     5994.6   0.407  0.68810   
## Calidad.Medioambiental                  5214.3     3162.4   1.649  0.11480   
## Derechos.Personales                     1007.3     2766.3   0.364  0.71959   
## Libertas.Personal.y.de.Eleccion          838.6     4359.1   0.192  0.84939   
## Inclusion                              -1519.0     2869.6  -0.529  0.60241   
## Acceso.a.Educacion.Superior            12777.8     3613.1   3.537  0.00207 **
## ---
## Signif. codes:  0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
## 
## Residual standard error: 80040 on 20 degrees of freedom
## Multiple R-squared:  0.6181, Adjusted R-squared:  0.408 
## F-statistic: 2.942 on 11 and 20 DF,  p-value: 0.01742