Análisis de regresión entre variables del Censo y CASEN a nivel de Zona Censal 2017

Análisis diferenciados para zonas Urbanas y Rurales a nivel nacional.

VE-CC-AJ

DataIntelligence

Lunes 28-06-2021

Abstract

Nuestro objetivo es expandir variables de la CASEN sobre las del CENSO, ambas del año 2017, para poder realizar predicciones a nivel de Zona Censal, tanto a nivel urbano como a nivel rural.

El primer paso será construir nuestra tabla de trabajo con las variables a correlacionar.

El segundo, será calcular las correlaciones entre el ingreso total promedio por comuna multiplicado por la población de la misma y la frecuencia de categorías específicas de respuestas de variables de calidad de la vivienda, extraídas del Censo. Ésto lo haremos para la pregunta P01: Tipo de vivienda y la P03B: Material en la cubierta del techo. Para ésta última también calcularemos la correlación entre la frecuencia de respuestas dividida por la cantidad de personas a nivel comunal y los ingresos expandidos.

En específico, expandiremos los ingresos promedios comunales obtenidos de la CASEN sobre la categoría de respuesta: “tejas o tejuelas de arcilla, metálicas, de cemento, de madera, asfálticas o plásticas” del campo P03B del CENSO de viviendas, que fue la categoría de respuesta que más alto correlaciona con los ingresos expandidos (obtenidos de la multiplicación del ingreso promedio y los habitantes), a nivel comunal.

Por último calcularemos regresiones lineales.

Ensayaremos diferentes modelos dentro del análisis de regresión cuya variable independiente será: “frecuencia de población que posee la variable Censal respecto a la zona” y la dependiente: “ingreso expandido por zona”

Lo anterior para elegir el que posea el mayor coeficiente de determinación y así contruir una tabla de valores predichos.

Aplicaremos la metodología primero a nivel urbano y luego a nivel rural.

Análisis a nivel URBANO TOTAL NACIONAL

1 Construcción de nuestra tabla de trabajo

Obtenemos el dato de “ingreso promedio comunal mensual” según la CASEN 2017.

1.1.1 Leemos la base de datos

# leemos la base de datos:
casen_2017 <- readRDS(file = "../casen_2017_c.rds")

eliminated_100 <- casen_2017[c(1:10),]
eliminated_100 %>%  kbl() %>%
kable_material(c("striped", "hover"), font_size = 12)%>%
   scroll_box(width = "100%", height = "500px")

comuna	folio	o	id_vivienda	hogar	region	provincia	zona	expr	expc	expr_div	varstrat	varunit	fecha_dia	fecha_mes	fecha_año	tot_hog	tot_per	tot_par	tot_nuc	pres	marca	pco1	sexo	edad	h4m	h4a	ecivil	h6l	h6h	pareja	nucleo	pco2	h9a	h9	h10a	h10b	h10c	h10d	h10e	h10f	e1	e2	e3	e4	e5a	e5b	e6a	e6b	e7	e7_subarea	e7_cod_area	e8	e9nom	e9dir	e9com	e9com_c_cod	e9com_p_cod	e9rbd	e9rbd_sup	e9depen	e9dv	e9te	e9sup_g	e10	e11	e12a	e12b	e12c	e12d	e12e	e13a	e13b1	e13b2	e14pbu	e14pbt	e14pbd	e14pbm	e14bu	e14bt	e14bd	e14bm	e14bpc	e14mu	e14mt	e14md	e14mm	e15a	e15b	e16	e17	e18a	e18b	e19_1	e19_2	e0	o1	o2	o3	o4	o5	o6	o7r1	o7r2	o8	o9a	o9b	oficio4	oficio1	o10	o11	o12	o13	o14	o15	o16	o17	o18	o19	o20	o22	rama4_sub	rama1_sub	rama4	rama1	o23	o24a	o24b	o24c	o24d	o25a_hr	o25a_min	o25b	o25c	o25d	o25e	o26	o27	o28	o29	o30	o0	ch1	y1	y2_dias	y2_hrs	y3a	y3ap	y3b	y3bp	y3c	y3cp	y3d	y3dp	y3e	y3ep	y3f	y3fp	y4a	y4b	y4c	y4d	y5a	y5b	y5c	y5d	y5e	y5f	y5g	y5h	y5i	y5j	y5k	y5l	ch2	y6	y7	y8	y9	ch3	y10	y11	y19t	y19n	y20a	y20b	y20c	y20d	y20e	y20amonto	y20bmonto	y20cmonto	y20dmonto	y20emonto	y21a	y21b	y22a	y22b	y22c	y22d	y22e	y22amonto	y22bmonto	y22cmonto	y22dmonto	y22emonto	y23b	y23c	y23bmonto	y23cmonto	y24	y24_o	y25a	y25b	y25c	y25d	y25amonto	y25bmonto	y25cmonto	y25dmonto	y25e	y25ep	y25f	y25fp	y25g	y25gp	y26_1a	y26_1b	y26_1c	y26_1d	y26_1e	y26_1f	y26_1g	y26_1h	y26_1i	y26_1j	y26_1amonto	y26_1dmonto	y26_2bm1	y26_2bm2	y26_3b_in	y26_4b_mo	y26_2c	y26_3c_in	y26_4c_mo	y26_2em1	y26_2em2	y26_3e_in	y26_4e_mo	y26_2f	y26_3f_in	y26_4f_mo	y26_2g	y26_3g_in	y26_4g_mo	y26_2h	y26_3h_in	y26_4h_mo	y26_2i	y26_2j	y26_3j_in	y26_4j_mo	y27a	y27b	y27c	y27d	y27e	y27f	y27g	y0	s1	s1c	s2a1	s2a2	s3	s4	s5	s6	s7	s8	s9	s10	s11	s12	s13	s13p	s14	s15	s16	s17	s18a	s18b	s18c	s18d	s18e	s19a	s19b	s19c	s20a	s20b	s20c	s21a	s21b	s21c	s22a	s22b	s22c	s23a	s23b	s23c	s24a	s24b	s24c	s25a	s25b	s25c	s26a	s26b_c1	s26b_c2	s26b_c3	s26c	s26d	s27a	s27b	s27c	s27d	s28	s29	s30	s31a1	s31a2	s31a3	s32a	s32b	s32c	s32d	s32e	s32f	s33a1	s33a2	s33b1	s33b2	s33c1	s33c2	s33d1	s33d2	s33e1	s33e2	s33f1	s33f2	s33g1	s33g2	s33h1	s33h2	s33i1	s33i2	s33j1	s33j2	ch4	s34a	s34b_ord	s34c	s0	r1a	r1a_cod	r1b	r1b_esp	r1b_c_cod	r1b_p_cod	r1c_año	r1cp	r2	r2_c_cod	r2_p_cod	r3	r4	r5	r6	r7a	r7b	r7c	r7d	r7e	r7f	r7g	r7h	r7i	r7j	r7k	r8a	r8b	r8c	r8d	r8e	r8f	r8g	r8h	r9a	r9b	r9c	r9d	r9e	r9f	r9g	r9h	r9i	r9j	r9k	r9l	r9m	r9n	r9o	r9p	r9q	r9r	r9s	r10a	r10b	r10c	r10d	r10e	r10f	r10g	r10h	r10i	r11	r12a	r12b	r13a	r13b	r14	r15	r16a	r16b	r16c	r16d	r16e	r17a	r17b	r17c	r17d	r18	r19	r20	r21a	r21b	r21c	r21d	r21e	r21f	r21g	r21h	r21i	r21j	r22	r23	r24	r0	v1	v2	v3	v4	v5	v6	v7	v8	v9	v10	v11_o1	v11_o2	v12	v12mt	v13	v14	v15	v16	v17	v18	v19	v20	v21	v22	v23	v24	v25	v26	v27a	v27b	v28	v29	v30a	v30b	v31	v32	v33	v34	v35	v36a	v36b	v36c	v37a	v37b	v37c	v37d	v37e	v37f	v37g	v37h	v37i	v38a	v38b	v38c	v38d	v38e	v39a	v39b	v39c	v39d	v39e	v39f	v39g	v40	v0a_1	v0a_2	v0a_3	v0b	y0101	y0301	y0302	y0303	y0304	y0305	y0306	y0401	y0402	y0403	y0404	y0501	y0502	y0503	y0504	y0505	y0506	y0507	y0508	y0509	y0510	y0511	y0512	yids	yosa	yta1	y0701	y0801	y0901	yac2	y1101	yosi	yta2	yre1	yama	yah1	yah2	yrut	yre2	yre3	y260201	y260202	y2603	yinv01	yinv02	yinv03	ymon	yorf	yesp	yotp	y2601	y2604	ymes	yfa1	yfa2	ydes	ydon	ydim	yotr	y2301	y2401	y2501	y2502	y2503	y2504	y2505	y2506	y2507	y2302	y2303	y2001	y2002	y2003	y2004	y2005	y2201	y2202	y2203	y2204	y2205	yfam	ytro	yaut	ysub	ytot	y0101h	y0301h	y0302h	y0401h	y0701h	y260201h	y2603h	y2004h	y2201h	y2401h	y2501h	y2504h	y260202h	yauth	ysubh	ytoth	yaimh	ypch	y0101c	y0701c	y260201c	y2603c	y0101ch	y0701ch	y2603ch	y260201ch	yaimcorh	yautcor	ytotcor	yautcorh	ymonecorh	ytotcorh	yoprcor	yoprcorh	ytrabajocor	ytrabajocorh	ypchautcor	ypc	ypchtrabajo	pobreza	dau	dautr	qaut	qautr	numper	asiste	esc	educ	depen	activ	indmat	indsan	calglobviv	iae	iai	hacinamiento	hh_d_rez	hh_d_cot	hh_d_jub	hh_d_habitab	hh_d_estado	hh_d_tsocial	pobreza_multi_4d	pobreza_multi_5d	codigo
Algarrobo	5.6021e+11	1	5602100101	1	Región de Valparaíso	San Antonio	Urbano	92	141	122	51051	5105100268	22	12	2017	1	2	0	1	Presente y contesta	J	Jefe(a) de hogar	Mujer	60	NA	NA	Separado(a)	NA	NA	No tiene pareja en el hogar	1	Jefe(a) de núcleo	Es miembro del hogar	Persona que más aportó	No, sin dificultad	No, sin dificultad	No, sin dificultad	No, sin dificultad	No, sin dificultad	No, sin dificultad	Sí, lee y escribe	No	No	NA	NA	NA	Educación Media Científico-Humanista	4		NA	NA	NA				NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	Contesta al menos una pregunta	Sí	NA	NA	NA	NA	NA	NA	NA	NA	VENDEDORA DE ROPA	ATENCIÓN DE CLIENTES	Vendedores y demostradores de tiendas y almacenes	Trabajadores de los servicios y vendedores de comerci	24	No	Permanente?	2016	No	Empleado u obrero del sector privado	Plazo indefinido	No tiene	Jornada parcial?	Sólo diurno	Directamente con la empresa o negocio donde trabaja	COMERCIO DE ROPA	NA	NA	Venta al por menor de productos textiles, prendas de vestir,	Comercio al por mayor y al por menor	De 10 a 49 personas	No	No	No	No	0	10	4	A pie	NA	NA	No	NA	Sí	Sí, AFP (Administradora de Fondos de Pensiones). Cotización	No	Contesta al menos una pregunta	Asalariado	160000	16	96	0	NA	0	NA	0	NA	0	NA	0	NA	0	NA	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	No tiene ocupación secundaria	NA	NA	NA	NA	NA	NA	NA	No recibió	NA	No	No	No	No	No	NA	NA	NA	NA	NA	No, no ha sido invitada	No	No	No	No	No	No	NA	NA	NA	NA	NA	No	No	NA	NA	3000	3000	No recibió	No recibió	No	No	NA	NA	NA	NA	No recibió	NA	No recibió	NA	No recibió	NA	No	No	Sí	No	No	No	No	No	No	No	NA	NA	NA	NA	NA	NA	109000	Compañía de Seguros	Renta vitalicia inmediata	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	No	No	Si	Si	No	No	No	Contesta al menos una pregunta	NA	NA	NA	NA	No retiró alimento	1	39	NA	NA	Sí, durante el último año	NA	Sí, durante el último año	NA	Sistema Público FONASA Grupo B	Muy Bien	Respuesta dada directamente por la persona	No	Sí, enfermedad no provocada por el trabajo	Sí	NA	No	No	No	No	No	1	Consultorio general (Municipal o SNSS)	No, gratuito por pertenencia a FONASA grupos A o B o por ser	No tuvo atención	NA	NA	No tuvo atención	NA	NA	No tuvo atención	NA	NA	No tuvo atención	NA	NA	1	Consultorio general (Municipal o SNSS)	No, gratuito por pertenencia a FONASA grupos A o B o por ser	No tuvo atención	NA	NA	1	Otro control	NA	NA	Consultorio general (Municipal o SNSS)	No, gratuito por pertenencia a FONASA grupos A o B o por ser	No	NA	NA	NA	No ha estado en tratamiento por ninguna condicion de salud a	NA	NA	No tiene ninguna condición de larga duración	NA	NA	NA	NA	NA	NA	NA	NA	Ninguna	NA	Ninguna	NA	Ninguna	NA	Ninguna	NA	Ninguna	NA	Ninguna	NA	Ninguna	NA	Ninguna	NA	Ninguna	NA	Ninguna	NA	No tiene dificultades para realizar sus actividades	NA	NA	NA	Contesta al menos una pregunta	Chilena (Exclusiva)	NA	En otra comuna de Chile. Especifique comuna	LAS CONDES	Las Condes	NA	NA	NA	En esta comuna	NA	NA	No pertenece a ningún pueblo indígena	NA	NA	No participa en ninguna organización o grupo	Sí, alguien fuera del hogar	Sí, alguien fuera del hogar	Ambas	Sí, alguien fuera del hogar	Sí, alguien fuera del hogar	Ambas	Sí, alguien fuera del hogar	Sí, alguien fuera del hogar	Sí, alguien fuera del hogar	Sí, alguien fuera del hogar	Sí, alguien fuera del hogar	No	No	No	No	No	No	No	No	No	No	No	No	No	No	No	No	No	No	No	No	No	No	No	No	No	No	Sí	No	No	No	No	No	No	No	No	No	Ambos padres	Educación Media Científico-Humanista	Educación Media Científico-Humanista	4	4	Sí	1	Sí	Sí	Sí	Sí	No	No	Sí	No	No	NA	En el hogar	Al menos una vez al día	Sí	No	No	Sí	Sí	No	No	No	No	No	Sí, prepago	Heterosexual (Atracción hacia el sexo opuesto)	Femenino	Contesta al menos una pregunta	Casa aislada (no pareada)	Hormigón armado	Bueno	Cerámico, porcelanato, flexit o similar	Bueno	Planchas metálicas (zinc, cobre, etc.)	Bueno	1	Propio pagado	Está inscrito en el conservador de bienes raíces a nombre de	NA	NA	De 41 a 60 m2	NA	Propia pagada	2008	No, sólo con recursos propios	No, sin crédito hipotecario	NA	NA	160000	Red pública con medidor propio	NA	Con llave dentro de la vivienda	Sí, con W.C. conectado al alcantarillado	Sí, de la red pública con medidor propio	No, no ha hecho nada	NA	2	1	1	NA	NA	NA	NA	NA	1	NA	NA	Gas licuado (cilindro	Gas licuado (cilindro	Gas licuado (cilindro	Si	Si	Si	Si	Si	Si	Si	Si	Si	Nunca	Nunca	Nunca	Nunca	Nunca	Nunca	Nunca	Nunca	Nunca	Nunca	Nunca	Nunca	No. No tuvo ninguna pérdida o daño a causa de desastres	1	NA	NA	En el interior de la vivienda	160000	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	109000	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	3000	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	269000	3000	272000	310000	3000	0	6667	0e+00	0	109000	0	0	3000	0	0	0	428667	3000	591667	160000	295834	160000	NA	NA	109000	310000	NA	109000	NA	160000	269000	272000	428667	431667	591667	160000	160000	160000	319667	214334	295834	159834	No pobres	VI	VI	III	III	2	No	12	M. Hum. Completa	NA	Ocupados	Vivienda Aceptable	Aceptable	Aceptable	Sin allegamiento externo	Sin allegamiento interno	Sin hacinamiento (2,49 y menos)	0	0	0	0	0	0	No pobre	No pobre	5602
Algarrobo	5.6021e+11	2	5602100101	1	Región de Valparaíso	San Antonio	Urbano	92	141	NA	51051	5105100268	22	12	2017	1	2	0	1	Presente pero no contesta		Hijo(a) sólo del jefe(a)	Mujer	23	NA	NA	Soltero(a)	NA	NA	No tiene pareja en el hogar	1	Hijo(a) sólo de jefe(a)	NA	Otro integrande del hogar	No, sin dificultad	No, sin dificultad	No, sin dificultad	No, sin dificultad	No, sin dificultad	No, sin dificultad	Sí, lee y escribe	No	No	NA	Terminó de estudiar	Hace tres años o más (2014 o antes)	Técnico Nivel Superior Completo (Carreras 1 a 3 años)	2	ADMINISTRACIÓN DE EMPRESAS	Educación Comercial y Administración	Administración de Empresas y Derecho	Centro de Formación Técnica				NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	Presente, pero no contesta	Sí	NA	NA	NA	NA	NA	NA	NA	NA	ENCARGADA FIAMBRERA	ATENDER Y VENDER PRODUCTOS DE FIAMBRERA	Vendedores y demostradores de tiendas y almacenes	Trabajadores de los servicios y vendedores de comerci	18	No	Permanente?	2014	No	Empleado u obrero del sector privado	Plazo indefinido	Sí, firmó	Jornada parcial?	Sólo diurno	Directamente con la empresa o negocio donde trabaja	SUPERMERCADO	NA	NA	Venta al por menor en almacenes no especializados con surtid	Comercio al por mayor y al por menor	De 200 Y más personas	Si	No	No	No	0	10	2	A pie	NA	NA	No	NA	Sí	Sí, AFP (Administradora de Fondos de Pensiones). Cotización	Sí	Presente, pero no contesta	Asalariado	150000	10	90	3000	Mensual (1 vez por mes)	0	NA	0	NA	0	NA	0	NA	0	NA	80000	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	No tiene ocupación secundaria	NA	NA	NA	NA	NA	NA	NA	No recibió	NA	No	No	No	No	No	NA	NA	NA	NA	NA	NA	NA	No	No	No	No	No	NA	NA	NA	NA	NA	No	No	NA	NA	NA	NA	No recibió	No recibió	No	No	NA	NA	NA	NA	No recibió	NA	No recibió	NA	No recibió	NA	No	No	No	No	No	No	No	No	No	No	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	Si	No	Si	Si	No	No	No	Presente, pero no contesta	NA	NA	NA	NA	NA	No ha tenido hijos	NA	No	NA	Sí, durante el último año	NA	NA	NA	Sistema Público FONASA Grupo B	Muy Bien	NA	NA	No tuvo ninguna enfermedad o accidente	NA	NA	NA	NA	NA	NA	NA	No tuvo atención	NA	NA	No tuvo atención	NA	NA	No tuvo atención	NA	NA	No tuvo atención	NA	NA	No tuvo atención	NA	NA	No tuvo atención	NA	NA	No tuvo atención	NA	NA	No tuvo atención	NA	NA	NA	NA	NA	No	NA	NA	NA	No ha estado en tratamiento por ninguna condicion de salud a	NA	NA	No tiene ninguna condición de larga duración	NA	NA	NA	NA	NA	NA	NA	NA	Ninguna	NA	Ninguna	NA	Ninguna	NA	Ninguna	NA	Ninguna	NA	Ninguna	NA	Ninguna	NA	Ninguna	NA	Ninguna	NA	Ninguna	NA	No tiene dificultades para realizar sus actividades	NA	NA	NA	Presente, pero no contesta	Chilena (Exclusiva)	NA	En otra comuna de Chile. Especifique comuna	SANTIAGO	Santiago	NA	NA	NA	En esta comuna	NA	NA	No pertenece a ningún pueblo indígena	NA	NA	No participa en ninguna organización o grupo	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	En el hogar	Al menos una vez al día	Sí	No	Sí	Sí	Sí	Sí	No	No	No	No	Sí, prepago	NA	NA	Presente, pero no contesta	Casa aislada (no pareada)	Hormigón armado	Bueno	Cerámico, porcelanato, flexit o similar	Bueno	Planchas metálicas (zinc, cobre, etc.)	Bueno	1	Propio pagado	Está inscrito en el conservador de bienes raíces a nombre de	NA	NA	De 41 a 60 m2	NA	Propia pagada	2008	No, sólo con recursos propios	No, sin crédito hipotecario	NA	NA	160000	Red pública con medidor propio	NA	Con llave dentro de la vivienda	Sí, con W.C. conectado al alcantarillado	Sí, de la red pública con medidor propio	No, no ha hecho nada	NA	2	1	1	NA	NA	NA	NA	NA	1	NA	NA	Gas licuado (cilindro	Gas licuado (cilindro	Gas licuado (cilindro	Si	Si	Si	Si	Si	Si	Si	Si	Si	Nunca	Nunca	Nunca	Nunca	Nunca	Nunca	Nunca	Nunca	Nunca	Nunca	Nunca	Nunca	No. No tuvo ninguna pérdida o daño a causa de desastres	1	NA	NA	En el interior de la vivienda	150000	3000	NA	NA	NA	NA	NA	6667	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	159667	NA	159667	310000	3000	0	6667	0e+00	0	109000	0	0	3000	0	0	0	428667	3000	591667	160000	295834	150000	NA	NA	NA	310000	NA	109000	NA	160000	159667	159667	428667	431667	591667	150000	150000	159667	319667	214334	295834	159834	No pobres	VI	VI	III	III	2	No	14	Técnico Nivel Superior Completo	NA	Ocupados	Vivienda Aceptable	Aceptable	Aceptable	Sin allegamiento externo	Sin allegamiento interno	Sin hacinamiento (2,49 y menos)	0	0	0	0	0	0	No pobre	No pobre	5602
Algarrobo	5.6021e+11	1	5602100103	1	Región de Valparaíso	San Antonio	Urbano	92	141	NA	51051	5105100268	22	12	2017	1	2	1	1	Presente pero no contesta	J	Jefe(a) de hogar	Hombre	65	NA	NA	Casado(a)	1	NA	Legal	1	Jefe(a) de núcleo	Es miembro del hogar	Persona que más aportó	No, sin dificultad	No, sin dificultad	Sí, algo de dificultad	Sí, algo de dificultad	No, sin dificultad	No, sin dificultad	Sí, lee y escribe	No	No	NA	NA	NA	Educación Media Técnica Profesional	4		NA	NA	NA				NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	Presente, pero no contesta	Sí	NA	NA	NA	NA	NA	NA	NA	NA	CHOFER DE CAMIONES	TRANSPORTAR CONTENEDORES	Conductores de camiones pesados	Operadores de instalaciones y máquinas y montadore	36	No	Permanente?	1975	No	Empleado u obrero del sector privado	Plazo indefinido	Sí, firmó	Jornada completa?	Rotativo o turnos	Directamente con la empresa o negocio donde trabaja	EMPRESA DE TRANSPORTE DE GRANDES CARGAS	NA	NA	Transporte de carga por carretera	Transporte, almacenamiento y comunicaciones	De 200 Y más personas	No	No	No	No	0	25	6	Vehículo motorizado particular (auto, camioneta, motocicleta	NA	Auto	No	NA	Sí	Sí, AFP (Administradora de Fondos de Pensiones). Cotización	No	Contesta al menos una pregunta	Asalariado	6e+05	26	144	No sabe	NA	40000	Semanal (1 vez por semana)	0	NA	0	NA	0	NA	0	NA	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	No tiene ocupación secundaria	NA	NA	NA	NA	NA	NA	NA	No recibió	NA	No	No	No	No	No	NA	NA	NA	NA	NA	No, no ha sido invitada	No	No	No	No	No	No	NA	NA	NA	NA	NA	No	No	NA	NA	10000	10000	No recibió	No recibió	No	Si	NA	NA	NA	59188	No recibió	NA	No recibió	NA	No recibió	NA	No	No	No	No	No	No	No	No	No	No	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	No	No	Si	No	No	No	No	Presente, pero no contesta	NA	NA	NA	NA	No retiró alimento	3	23	NA	NA	NA	NA	NA	NA	Sistema Público FONASA Grupo B	6	NA	No	No tuvo ninguna enfermedad o accidente	NA	NA	NA	NA	NA	NA	NA	No tuvo atención	NA	NA	No tuvo atención	NA	NA	No tuvo atención	NA	NA	No tuvo atención	NA	NA	No tuvo atención	NA	NA	No tuvo atención	NA	NA	No tuvo atención	NA	NA	No tuvo atención	NA	NA	NA	NA	NA	No	NA	NA	NA	No ha estado en tratamiento por ninguna condicion de salud a	NA	NA	No tiene ninguna condición de larga duración	NA	NA	NA	NA	NA	NA	NA	NA	Ninguna	NA	Ninguna	NA	Ninguna	NA	Ninguna	NA	Ninguna	NA	Ninguna	NA	Ninguna	NA	Ninguna	NA	Ninguna	NA	Ninguna	NA	No tiene dificultades para realizar sus actividades	NA	NA	NA	Presente, pero no contesta	Chilena (Exclusiva)	NA	En otra comuna de Chile. Especifique comuna	RECOLETA	Recoleta	NA	NA	NA	En esta comuna	NA	NA	No pertenece a ningún pueblo indígena	NA	NA	No participa en ninguna organización o grupo	Sí, alguien fuera del hogar	No conoce	Sí, alguien fuera del hogar	Sí, alguien fuera del hogar	Sí, alguien fuera del hogar	Sí, alguien fuera del hogar	Sí, alguien dentro del hogar	No conoce	Sí, alguien fuera del hogar	Sí, alguien fuera del hogar	Sí, alguien fuera del hogar	No	No	No	No	No	No	No	No	No	No	No	No	No	No	No	No	No	No	No	No	No	No	No	No	No	No	Sí	No	No	No	No	No	No	No	No	No	Ambos padres	Humanidades (S. Antiguo)	Humanidades (S. Antiguo)	4	4	Sí	1	Sí	No	Sí	No	No	No	No	No	No	Alto costo del servicio de internet	No lo usa	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	Sí, contrato	NA	NA	Presente, pero no contesta	Casa aislada (no pareada)	Albañilería (bloque de cemento, piedra o ladrillo)	Bueno	Cerámico, porcelanato, flexit o similar	Bueno	Planchas metálicas (zinc, cobre, etc.)	Bueno	1	Propio pagándose	Está inscrito en el conservador de bienes raíces a nombre de	2	NA	De 41 a 60 m2	NA	Propia pagándose	2011	No, sólo con recursos propios	Sí, Banco Estado	2e+05	NA	180000	Red pública con medidor propio	NA	Con llave dentro de la vivienda	Sí, con W.C. conectado al alcantarillado	Sí, de la red pública con medidor propio	Sí, reparaciones estructurales de muros, techo o piso	Con recursos propios y/o crédito (sin subsidio estatal)	3	1	1	NA	NA	NA	NA	NA	1	NA	NA	Gas licuado (cilindro	Gas licuado (cilindro	Gas licuado (cilindro	Si	Si	Si	Si	Si	Si	Si	Si	Si	Muchas veces	Siempre	Nunca	Nunca	Nunca	Nunca	Nunca	Nunca	Nunca	Nunca	Nunca	Muchas veces	No. No tuvo ninguna pérdida o daño a causa de desastres	2	NA	NA	Fuera de la vivienda (entrada del domicilio o vivienda, otro	600000	NA	172000	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	10000	NA	NA	NA	4932	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	772000	14932	786932	600000	0	172000	0	0e+00	220000	0	0	0	10000	0	4932	81000	992000	95932	1267932	180000	633966	600000	NA	NA	NA	600000	NA	NA	220000	180000	772000	786932	992000	1087932	1267932	600000	600000	772000	772000	496000	633966	386000	No pobres	IX	IX	V	V	2	No	12	M. Téc Completa	NA	Ocupados	Vivienda Aceptable	Aceptable	Aceptable	Sin allegamiento externo	Sin allegamiento interno	Sin hacinamiento (2,49 y menos)	0	0	1	0	0	0	No pobre	No pobre	5602
Algarrobo	5.6021e+11	2	5602100103	1	Región de Valparaíso	San Antonio	Urbano	92	141	145	51051	5105100268	22	12	2017	1	2	1	1	Presente y contesta	C	Esposo(a) o pareja de distinto sexo	Mujer	68	NA	NA	Casado(a)	1	NA	Legal	1	Esposo(a) o pareja de distinto sexo	NA	Otro integrande del hogar	No, sin dificultad	No, sin dificultad	Sí, algo de dificultad	Sí, algo de dificultad	No, sin dificultad	No, sin dificultad	Sí, lee y escribe	No	No	NA	NA	NA	Educación Media Técnica Profesional	4		NA	NA	NA				NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	Contesta al menos una pregunta	No	No	No	Sí	No	No	Jubilado(a), pensionado(a) o montepiado(a)	NA	NA			NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA		NA	NA	NA	NA		NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	Sí	No está cotizando	No	Presente, pero no contesta	Familiar no Remunerado/ Inactivos y Desocupados	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	0	No recibió	NA	No	No	No	No	No	NA	NA	NA	NA	NA	NA	NA	No	No	No	No	No	NA	NA	NA	NA	NA	No	No	NA	NA	NA	NA	No recibió	No recibió	No	No	NA	NA	NA	NA	No recibió	NA	No recibió	NA	No recibió	NA	No	Sí	No	No	No	No	No	No	No	No	NA	NA	220000	81000	AFP, Administradora de Fondos de Pensiones	Retiro programado	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	No	No	Si	No	No	No	No	Contesta al menos una pregunta	NA	NA	NA	NA	No retiró alimento	3	26	NA	NA	No	Otra razón	Sí, durante el último año	NA	Sistema Público FONASA Grupo B	5	Respuesta dada directamente por la persona	NA	Sí, accidente no laboral ni escolar	Sí	NA	No	No	No	No	No	3	Hospital público o del SNSS	No, gratuito por pertenencia a FONASA grupos A o B o por ser	1	SAPU (Servicio de Atención Primaria de Urgencia)	No, gratuito por pertenencia a FONASA grupos A o B o por ser	No tuvo atención	NA	NA	3	Hospital público o del SNSS	No, gratuito por pertenencia a FONASA grupos A o B o por ser	No tuvo atención	NA	NA	1	Consultorio general (Municipal o SNSS)	No, gratuito por pertenencia a FONASA grupos A o B o por ser	No tuvo atención	NA	NA	No tuvo atención	NA	NA	NA	NA	NA	No	NA	NA	NA	Enfermedad pulmonar obstructiva cronica	Si	NA	Dificultad física y/o de movilidad	NA	NA	NA	NA	NA	NA	NA	NA	Ninguna	NA	Ninguna	NA	Ninguna	NA	Ninguna	NA	Ninguna	NA	Ninguna	NA	Ninguna	NA	Ninguna	NA	Ninguna	NA	Ninguna	NA	No tiene dificultades para realizar sus actividades	NA	NA	NA	Contesta al menos una pregunta	Chilena (Exclusiva)	NA	En otra comuna de Chile. Especifique comuna	ANGOL	Angol	NA	NA	NA	En esta comuna	NA	NA	No pertenece a ningún pueblo indígena	NA	NA	Agrupaciones de adulto mayor (club de adulto mayor, asistent	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	No lo usa	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	Sí, contrato	Heterosexual (Atracción hacia el sexo opuesto)	Femenino	Contesta al menos una pregunta	Casa aislada (no pareada)	Albañilería (bloque de cemento, piedra o ladrillo)	Bueno	Cerámico, porcelanato, flexit o similar	Bueno	Planchas metálicas (zinc, cobre, etc.)	Bueno	1	Propio pagándose	Está inscrito en el conservador de bienes raíces a nombre de	2	NA	De 41 a 60 m2	NA	Propia pagándose	2011	No, sólo con recursos propios	Sí, Banco Estado	2e+05	NA	180000	Red pública con medidor propio	NA	Con llave dentro de la vivienda	Sí, con W.C. conectado al alcantarillado	Sí, de la red pública con medidor propio	Sí, reparaciones estructurales de muros, techo o piso	Con recursos propios y/o crédito (sin subsidio estatal)	3	1	1	NA	NA	NA	NA	NA	1	NA	NA	Gas licuado (cilindro	Gas licuado (cilindro	Gas licuado (cilindro	Si	Si	Si	Si	Si	Si	Si	Si	Si	Muchas veces	Siempre	Nunca	Nunca	Nunca	Nunca	Nunca	Nunca	Nunca	Nunca	Nunca	Muchas veces	No. No tuvo ninguna pérdida o daño a causa de desastres	2	NA	NA	Fuera de la vivienda (entrada del domicilio o vivienda, otro	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	220000	81000	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	220000	81000	301000	600000	0	172000	0	0e+00	220000	0	0	0	10000	0	4932	81000	992000	95932	1267932	180000	633966	NA	NA	220000	NA	600000	NA	NA	220000	180000	220000	301000	992000	1087932	1267932	NA	NA	NA	772000	496000	633966	386000	No pobres	IX	IX	V	V	2	No	12	M. Téc Completa	NA	Inactivos	Vivienda Aceptable	Aceptable	Aceptable	Sin allegamiento externo	Sin allegamiento interno	Sin hacinamiento (2,49 y menos)	0	0	1	0	0	0	No pobre	No pobre	5602
Algarrobo	5.6021e+11	1	5602100105	1	Región de Valparaíso	San Antonio	Urbano	92	141	140	51051	5105100268	5	1	2018	1	3	1	1	Presente y contesta	J	Jefe(a) de hogar	Hombre	79	NA	NA	Casado(a)	1	NA	Legal	1	Jefe(a) de núcleo	Es miembro del hogar	Persona que más aportó	No, sin dificultad	No, sin dificultad	No, sin dificultad	No, sin dificultad	No, sin dificultad	No, sin dificultad	Sí, lee y escribe	No	No	NA	NA	NA	Humanidades (Sistema Antiguo)	6		NA	NA	NA				NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	Contesta al menos una pregunta	No	No	No	Sí	No	No	Jubilado(a), pensionado(a) o montepiado(a)	NA	NA			NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA		NA	NA	NA	NA		NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	Sí	No está cotizando	No	Contesta al menos una pregunta	Familiar no Remunerado/ Inactivos y Desocupados	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	0	No recibió	NA	No	No	No	No	No	NA	NA	NA	NA	NA	No, no ha sido invitada	No	No	No	No	No	No	NA	NA	NA	NA	NA	No	No	NA	NA	0	0	No recibió	No sabe	No	No	NA	NA	NA	NA	No recibió	NA	No recibió	NA	No recibió	NA	No	No	Sí	No	No	No	No	No	No	No	NA	NA	NA	NA	NA	NA	220000	Compañía de Seguros	Renta vitalicia inmediata	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	No	No	Si	No	No	No	No	Contesta al menos una pregunta	NA	NA	NA	NA	Sí, Bebida Láctea (Leche) y Crema Años Dorados	5	21	NA	NA	NA	NA	NA	NA	Sistema Público FONASA Grupo B	4	Respuesta dada directamente por la persona	No	No tuvo ninguna enfermedad o accidente	NA	NA	NA	NA	NA	NA	NA	No tuvo atención	NA	NA	No tuvo atención	NA	NA	No tuvo atención	NA	NA	No tuvo atención	NA	NA	No tuvo atención	NA	NA	No tuvo atención	NA	NA	No tuvo atención	NA	NA	No tuvo atención	NA	NA	NA	NA	NA	Sí, por enfermedad que sólo requirió tratamiento médico	2	Hospital Público o del SNSS	No, gratuito por pertenencia a FONASA grupos A o B o por ser	Diabetes	Si	NA	No tiene ninguna condición de larga duración	NA	NA	NA	NA	NA	NA	NA	NA	Ninguna	NA	Ninguna	NA	Ninguna	NA	Ninguna	NA	Ninguna	NA	Ninguna	NA	Ninguna	NA	Ninguna	NA	Ninguna	NA	Ninguna	NA	No tiene dificultades para realizar sus actividades	NA	NA	NA	Contesta al menos una pregunta	Chilena (Exclusiva)	NA	En otra comuna de Chile. Especifique comuna	SANTIAGO	Santiago	NA	NA	NA	En esta comuna	NA	NA	No pertenece a ningún pueblo indígena	NA	NA	No participa en ninguna organización o grupo	Ambas	Sí, alguien fuera del hogar	Ambas	Sí, alguien fuera del hogar	Sí, alguien fuera del hogar	Ambas	Sí, alguien fuera del hogar	No conoce	Ambas	No conoce	Sí, alguien fuera del hogar	No	No	No	No	No	No	No	No	No	No	No	No	No	No	No	No	No	No	No	No	No	No	No	No	No	No	Sí	No	No	No	No	No	No	No	No	No	Sólo su madre	No sabe	No sabe	NA	NA	Sí	1	Sí	No	Sí	No	No	No	No	Sí	No	NA	No lo usa	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	Sí, prepago	Heterosexual (Atracción hacia el sexo opuesto)	Masculino	Contesta al menos una pregunta	Casa aislada (no pareada)	Hormigón armado	Bueno	Cerámico, porcelanato, flexit o similar	Bueno	Tejas o tejuela (arcilla, metálica, cemento, madera, asfálti	No sabe/no responde	2	Arrendado con contrato	NA	NA	NA	De 41 a 60 m2	NA	Arrendada con contrato	NA	NA	NA	NA	150000	180000	Red pública con medidor propio	NA	Con llave dentro de la vivienda	Sí, con W.C. conectado al alcantarillado	Sí, de la red pública con medidor propio	No, no ha hecho nada	NA	2	1	1	NA	NA	NA	NA	NA	1	NA	NA	Gas licuado (cilindro	Gas licuado (cilindro	Gas licuado (cilindro	Si	Si	Si	Si	Si	No	Si	Si	Si	Nunca	Nunca	Nunca	Nunca	Nunca	Nunca	Nunca	Nunca	Siempre	Nunca	Nunca	Nunca	No. No tuvo ninguna pérdida o daño a causa de desastres	1	NA	NA	Fuera de la vivienda (entrada del domicilio o vivienda, otro	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	220000	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	220000	NA	220000	0	0	0	0	2e+05	0	220000	0	0	0	0	0	0	420000	0	420000	0	140000	NA	NA	NA	220000	NA	2e+05	220000	NA	0	220000	220000	420000	420000	420000	NA	NA	NA	200000	140000	140000	66667	No pobres	IV	IV	II	II	3	No	12	M. Hum. Completa	NA	Inactivos	Vivienda Aceptable	Aceptable	Aceptable	Sin allegamiento externo	Sin allegamiento interno	Sin hacinamiento (2,49 y menos)	1	1	1	NA	NA	0	NA	NA	5602
Algarrobo	5.6021e+11	2	5602100105	1	Región de Valparaíso	San Antonio	Urbano	92	141	NA	51051	5105100268	5	1	2018	1	3	1	1	No está presente	C	Esposo(a) o pareja de distinto sexo	Mujer	67	NA	NA	Casado(a)	1	NA	Legal	1	Esposo(a) o pareja de distinto sexo	NA	Otro integrande del hogar	No, sin dificultad	No, sin dificultad	No, sin dificultad	No, sin dificultad	No, sin dificultad	No, sin dificultad	Sí, lee y escribe	No	No	NA	NA	NA	Humanidades (Sistema Antiguo)	6		NA	NA	NA				NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	No está presente	Sí	NA	NA	NA	NA	NA	NA	NA	NA	VENDEDOR DE FERIA LIBRE	VENDER ROPA EN FERIA LIBRE	Vendedores de quioscos y de puestos de mercado	Trabajadores de los servicios y vendedores de comerci	12	Sí, ahora mismo	Ocasional o eventual?	2000	No	Trabajador por cuenta propia	NA	NA	NA	NA	NA	VENTA DE ROPA EN FERIA LBIRE	NA	NA	Venta al por menor en puestos de venta y mercados	Comercio al por mayor y al por menor	Sólo 1 personas (el entrevistado)	No	No	No	No	0	20	5	Vehículo motorizado particular (auto, camioneta, motocicleta	NA	Auto	No	NA	Sí	No está cotizando	No	No está presente	Patrón o empleador/ Trabajador Cuenta Propia	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	2e+05	0	0	No tiene ocupación secundaria	NA	NA	No recibió	NA	No	No	No	No	No	NA	NA	NA	NA	NA	NA	NA	No	No	No	No	No	NA	NA	NA	NA	NA	No	No	NA	NA	NA	NA	No recibió	No recibió	No	No	NA	NA	NA	NA	No recibió	NA	No recibió	NA	No recibió	NA	No	No	No	No	No	No	No	No	No	No	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	No	No	Si	No	No	Si	No	No esta presente	NA	NA	NA	NA	Sí, Bebida Láctea (Leche) y Crema Años Dorados	5	19	NA	NA	Sí, hace más de un año y hasta 2 años	NA	Sí, durante el último año	NA	Sistema Público FONASA Grupo B	Muy Bien	NA	NA	No tuvo ninguna enfermedad o accidente	NA	NA	NA	NA	NA	NA	NA	No tuvo atención	NA	NA	No tuvo atención	NA	NA	No tuvo atención	NA	NA	No tuvo atención	NA	NA	No tuvo atención	NA	NA	No tuvo atención	NA	NA	No tuvo atención	NA	NA	No tuvo atención	NA	NA	NA	NA	NA	No	NA	NA	NA	No ha estado en tratamiento por ninguna condicion de salud a	NA	NA	No tiene ninguna condición de larga duración	NA	NA	NA	NA	NA	NA	NA	NA	Ninguna	NA	Ninguna	NA	Ninguna	NA	Ninguna	NA	Ninguna	NA	Ninguna	NA	Ninguna	NA	Ninguna	NA	Ninguna	NA	Ninguna	NA	No tiene dificultades para realizar sus actividades	NA	NA	NA	No esta presente	Chilena (Exclusiva)	NA	En otra comuna de Chile. Especifique comuna	SANTIAGO	Santiago	NA	NA	NA	En esta comuna	NA	NA	No pertenece a ningún pueblo indígena	NA	NA	No participa en ninguna organización o grupo	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	No lo usa	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	Sí, prepago	NA	NA	No está presente	Casa aislada (no pareada)	Hormigón armado	Bueno	Cerámico, porcelanato, flexit o similar	Bueno	Tejas o tejuela (arcilla, metálica, cemento, madera, asfálti	No sabe/no responde	2	Arrendado con contrato	NA	NA	NA	De 41 a 60 m2	NA	Arrendada con contrato	NA	NA	NA	NA	150000	180000	Red pública con medidor propio	NA	Con llave dentro de la vivienda	Sí, con W.C. conectado al alcantarillado	Sí, de la red pública con medidor propio	No, no ha hecho nada	NA	2	1	1	NA	NA	NA	NA	NA	1	NA	NA	Gas licuado (cilindro	Gas licuado (cilindro	Gas licuado (cilindro	Si	Si	Si	Si	Si	No	Si	Si	Si	Nunca	Nunca	Nunca	Nunca	Nunca	Nunca	Nunca	Nunca	Siempre	Nunca	Nunca	Nunca	No. No tuvo ninguna pérdida o daño a causa de desastres	1	NA	NA	Fuera de la vivienda (entrada del domicilio o vivienda, otro	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	2e+05	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	200000	NA	200000	0	0	0	0	2e+05	0	220000	0	0	0	0	0	0	420000	0	420000	0	140000	NA	2e+05	NA	NA	NA	2e+05	220000	NA	0	200000	200000	420000	420000	420000	200000	200000	200000	200000	140000	140000	66667	No pobres	IV	IV	II	II	3	No	12	M. Hum. Completa	NA	Ocupados	Vivienda Aceptable	Aceptable	Aceptable	Sin allegamiento externo	Sin allegamiento interno	Sin hacinamiento (2,49 y menos)	1	1	1	NA	NA	0	NA	NA	5602
Algarrobo	5.6021e+11	3	5602100105	1	Región de Valparaíso	San Antonio	Urbano	92	141	NA	51051	5105100268	5	1	2018	1	3	1	1	Presente y contesta		Nieto(a)	Hombre	15	10	2002	Soltero(a)	NA	NA	No tiene pareja en el hogar	1	Otro familiar	NA	Otro integrande del hogar	No, sin dificultad	No, sin dificultad	No, sin dificultad	No, sin dificultad	No, sin dificultad	No, sin dificultad	Sí, lee y escribe	No	Sí	NA	NA	NA	Educación Básica	7		NA	NA	NA	CARLOS ALESSANDRI	EL OLMO 1599	ALGARROBO	Algarrobo	NA	2084	NA	Municipal	2	Educación básica	NA	Municipal	Jornada completa (mañana y tarde)	No sabe/no responde	No sabe/no responde	No sabe/no responde	No sabe/no responde	NA	No	NA	NA	NA	NA	NA	NA	No sabe/no responde	No sabe/no responde	No sabe/no responde	No sabe/no responde	No sabe/no responde	NA	NA	NA	NA	No	NA	NA	NA	NA	NA	NA	NA	No está presente	No	No	No	No	No	No	Estudiante	NA	NA			NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA		NA	NA	NA	NA		NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	No	NA	No	No está presente	Familiar no Remunerado/ Inactivos y Desocupados	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	0	No recibió	NA	No	No	No	No	No	NA	NA	NA	NA	NA	NA	NA	No	No	No	No	No	NA	NA	NA	NA	NA	No	No	NA	NA	NA	NA	No recibió	No recibió	No	No	NA	NA	NA	NA	No recibió	NA	No recibió	NA	No recibió	NA	No	No	No	No	No	No	No	No	No	No	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	No	No	No	No	No	No	No	No esta presente	NA	NA	NA	NA	NA	No ha tenido hijos	NA	NA	NA	NA	NA	NA	NA	Sistema Público FONASA Grupo B	Muy Bien	NA	NA	No tuvo ninguna enfermedad o accidente	NA	NA	NA	NA	NA	NA	NA	No tuvo atención	NA	NA	No tuvo atención	NA	NA	No tuvo atención	NA	NA	No tuvo atención	NA	NA	No tuvo atención	NA	NA	No tuvo atención	NA	NA	No tuvo atención	NA	NA	No tuvo atención	NA	NA	NA	NA	NA	No	NA	NA	NA	No ha estado en tratamiento por ninguna condicion de salud a	NA	NA	No tiene ninguna condición de larga duración	NA	NA	NA	NA	NA	NA	NA	NA	Ninguna	NA	Ninguna	NA	Ninguna	NA	Ninguna	NA	Ninguna	NA	Ninguna	NA	Ninguna	NA	Ninguna	NA	Ninguna	NA	Ninguna	NA	No tiene dificultades para realizar sus actividades	NA	NA	NA	No esta presente	Chilena (Exclusiva)	NA	En otra comuna de Chile. Especifique comuna	SANTIAGO	Santiago	NA	NA	NA	En esta comuna	NA	NA	No pertenece a ningún pueblo indígena	NA	NA	No participa en ninguna organización o grupo	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	En el hogar	Al menos una vez al día	Sí	Sí	Sí	Sí	Sí	No	No	Sí	No	No	Sí, prepago	NA	NA	No está presente	Casa aislada (no pareada)	Hormigón armado	Bueno	Cerámico, porcelanato, flexit o similar	Bueno	Tejas o tejuela (arcilla, metálica, cemento, madera, asfálti	No sabe/no responde	2	Arrendado con contrato	NA	NA	NA	De 41 a 60 m2	NA	Arrendada con contrato	NA	NA	NA	NA	150000	180000	Red pública con medidor propio	NA	Con llave dentro de la vivienda	Sí, con W.C. conectado al alcantarillado	Sí, de la red pública con medidor propio	No, no ha hecho nada	NA	2	1	1	NA	NA	NA	NA	NA	1	NA	NA	Gas licuado (cilindro	Gas licuado (cilindro	Gas licuado (cilindro	Si	Si	Si	Si	Si	No	Si	Si	Si	Nunca	Nunca	Nunca	Nunca	Nunca	Nunca	Nunca	Nunca	Siempre	Nunca	Nunca	Nunca	No. No tuvo ninguna pérdida o daño a causa de desastres	1	NA	NA	Fuera de la vivienda (entrada del domicilio o vivienda, otro	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	0	0	0	0	2e+05	0	220000	0	0	0	0	0	0	420000	0	420000	0	140000	NA	NA	NA	NA	NA	2e+05	220000	NA	0	NA	NA	420000	420000	420000	NA	NA	NA	200000	140000	140000	66667	No pobres	IV	IV	II	II	3	Si	7	Básica Incom.	Municipal	Inactivos	Vivienda Aceptable	Aceptable	Aceptable	Sin allegamiento externo	Sin allegamiento interno	Sin hacinamiento (2,49 y menos)	1	1	1	NA	NA	0	NA	NA	5602
Algarrobo	5.6021e+11	1	5602100204	1	Región de Valparaíso	San Antonio	Urbano	57	88	NA	51051	5105100268	22	12	2017	1	5	1	1	No está presente	J	Jefe(a) de hogar	Hombre	45	NA	NA	Conviviente o pareja sin acuerdo de unión civil	NA	1	De hecho	1	Jefe(a) de núcleo	Es miembro del hogar	Persona que más aportó	No, sin dificultad	No, sin dificultad	No, sin dificultad	No, sin dificultad	No, sin dificultad	No, sin dificultad	Sí, lee y escribe	No	No	NA	NA	NA	Educación Básica	8		NA	NA	NA				NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	No está presente	Sí	NA	NA	NA	NA	NA	NA	NA	NA	CONSTRUCTOR DE VIVIENDAS	CONSTRUIR VIVIENDAS Y HACER AMPLIACIONES	Albañiles y mamposteros	Oficiales, operarios y artesanos de artes mecánicas y de otr	50	Sí, ahora mismo	Por plazo o tiempo determinado?	2017	No	Empleado u obrero del sector privado	Plazo fijo	Sí, firmó	Jornada completa?	Rotativo o turnos	Directamente con la empresa o negocio donde trabaja	CONSTRUCCIÓN DE CASAS	NA	NA	Construcción de edificios completos y de partes de edificios	Construcción	De 200 Y más personas	No	No	No	No	0	30	6	A pie	NA	NA	No	NA	Sí	Sí, AFP (Administradora de Fondos de Pensiones). Cotización	No	No está presente	Asalariado	280000	14	112	0	NA	0	NA	0	NA	0	NA	0	NA	0	NA	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	No tiene ocupación secundaria	NA	NA	NA	NA	NA	NA	NA	No recibió	NA	No	No	No	No	No	NA	NA	NA	NA	NA	Sí participa	NA	Sí	No	No	No	No	16634	NA	NA	NA	NA	No	No	NA	NA	0	0	No recibió	No recibió	No	No	NA	NA	NA	NA	No recibió	NA	No recibió	NA	No recibió	NA	No	No	No	No	No	No	No	No	No	No	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	No	No	Si	Si	No	No	No	No esta presente	NA	NA	NA	NA	NA	3	25	NA	NA	NA	NA	NA	NA	Sistema Público FONASA Grupo B	6	NA	No	Sí, enfermedad no provocada por el trabajo	Sí	NA	No	No	No	No	No	No tuvo atención	NA	NA	No tuvo atención	NA	NA	3	Consultorio general (Municipal o SNSS)	No, gratuito por pertenencia a FONASA grupos A o B o por ser	No tuvo atención	NA	NA	No tuvo atención	NA	NA	No tuvo atención	NA	NA	No tuvo atención	NA	NA	1	Otro control	NA	NA	Consultorio general (Municipal o SNSS)	No, gratuito por pertenencia a FONASA grupos A o B o por ser	No	NA	NA	NA	Depresion	Si	NA	No tiene ninguna condición de larga duración	NA	NA	NA	NA	NA	NA	NA	NA	Ninguna	NA	Ninguna	NA	Ninguna	NA	Ninguna	NA	Ninguna	NA	Ninguna	NA	Ninguna	NA	Ninguna	NA	Ninguna	NA	Ninguna	NA	No tiene dificultades para realizar sus actividades	NA	NA	NA	No esta presente	Chilena (Exclusiva)	NA	En esta comuna		NA	NA	NA	NA	En esta comuna	NA	NA	No pertenece a ningún pueblo indígena	NA	NA	No participa en ninguna organización o grupo	Sí, alguien fuera del hogar	Sí, alguien fuera del hogar	Sí, alguien fuera del hogar	Sí, alguien fuera del hogar	Sí, alguien fuera del hogar	Sí, alguien fuera del hogar	Sí, alguien fuera del hogar	Sí, alguien fuera del hogar	Sí, alguien fuera del hogar	No conoce	No conoce	Sí	Sí	No	No	Sí	No	No	No	Sí	No	No	No	No	No	No	No	No	No	No	No	No	No	No	No	No	No	No	No	No	Sí	No	No	No	No	No	No	Ambos padres	Nunca asistió	Primaria o Preparatoria (S. Antiguo)	NA	No sabe	No	NA	Sí	No	Sí	No	Sí	No	No	Sí	No	NA	En el hogar	Al menos una vez al día	Sí	Sí	Sí	Sí	Sí	No	No	No	No	No	Sí, prepago	NA	NA	No está presente	Casa aislada (no pareada)	Tabique forrado por ambas caras (madera, acero, lata u otro)	Bueno	Parquet, madera, piso flotante o similar	Bueno	Tejas o tejuela (arcilla, metálica, cemento, madera, asfálti	Bueno	1	Arrendado con contrato	NA	NA	NA	De 30 a 40 m2	NA	Arrendada con contrato	NA	NA	NA	NA	280000	2e+05	Red pública con medidor propio	NA	Con llave dentro de la vivienda	Sí, con W.C. conectado al alcantarillado	Sí, de la red pública con medidor propio	No, no ha hecho nada	NA	3	2	1	NA	NA	NA	NA	NA	1	NA	NA	Gas licuado (cilindro	Gas licuado (cilindro	Gas licuado (cilindro	Si	Si	Si	Si	Si	Si	Si	Si	Si	Pocas veces	Siempre	Pocas veces	Pocas veces	Pocas veces	Muchas veces	Nunca	Pocas veces	Pocas veces	Nunca	Muchas veces	Muchas veces	No. No tuvo ninguna pérdida o daño a causa de desastres	2	1	4	En el interior de la vivienda	280000	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	16634	NA	NA	NA	NA	NA	NA	280000	16634	296634	780000	0	0	0	0e+00	0	0	22182	16634	0	11052	0	0	780000	49868	829868	0	165974	280000	NA	NA	NA	780000	NA	NA	NA	0	280000	296634	780000	829868	829868	280000	280000	280000	780000	156000	165974	156000	No pobres	IV	IV	II	II	5	No	8	Básica Compl.	NA	Ocupados	Vivienda Aceptable	Aceptable	Aceptable	Sin allegamiento externo	Sin allegamiento interno	Sin hacinamiento (2,49 y menos)	0	0	0	0	0	1	No pobre	No pobre	5602
Algarrobo	5.6021e+11	2	5602100204	1	Región de Valparaíso	San Antonio	Urbano	57	88	88	51051	5105100268	22	12	2017	1	5	1	1	Presente y contesta	C	Esposo(a) o pareja de distinto sexo	Mujer	52	NA	NA	Conviviente o pareja sin acuerdo de unión civil	NA	1	De hecho	1	Esposo(a) o pareja de distinto sexo	NA	Otro integrande del hogar	No, sin dificultad	No, sin dificultad	No, sin dificultad	No, sin dificultad	No, sin dificultad	No, sin dificultad	Sí, lee y escribe	No	No	NA	NA	NA	Educación Media Científico-Humanista	1		NA	NA	NA				NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	Contesta al menos una pregunta	No	No	No	Sí	Si, ahora mismo	No	No tiene con quien dejar a los niños	NA	NA			NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA		NA	NA	NA	NA		NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	No	NA	No	Contesta al menos una pregunta	Familiar no Remunerado/ Inactivos y Desocupados	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	0	No recibió	NA	No	No	No	No	No	NA	NA	NA	NA	NA	NA	NA	No	No	No	No	No	NA	NA	NA	NA	NA	No	No	NA	NA	NA	NA	$132.627 por 3 causantes	No recibió	No	No	132627	NA	NA	NA	No recibió	NA	No recibió	NA	No recibió	NA	No	No	No	No	No	No	No	No	No	No	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	No	No	Si	Si	No	No	No	Contesta al menos una pregunta	NA	NA	NA	NA	NA	5	15	NA	NA	Sí, durante el último año	NA	Sí, durante el último año	NA	Sistema Público FONASA Grupo A	5	Respuesta dada directamente por la persona	NA	No tuvo ninguna enfermedad o accidente	NA	NA	NA	NA	NA	NA	NA	No tuvo atención	NA	NA	No tuvo atención	NA	NA	No tuvo atención	NA	NA	No tuvo atención	NA	NA	No tuvo atención	NA	NA	1	Consultorio general (Municipal o SNSS)	No, gratuito por pertenencia a FONASA grupos A o B o por ser	No tuvo atención	NA	NA	2	Control ginecológico	NA	NA	Consultorio general (Municipal o SNSS)	No, gratuito por pertenencia a FONASA grupos A o B o por ser	No	NA	NA	NA	No ha estado en tratamiento por ninguna condicion de salud a	NA	NA	No tiene ninguna condición de larga duración	NA	NA	NA	NA	NA	NA	NA	NA	Ninguna	NA	Ninguna	NA	Ninguna	NA	Ninguna	NA	Ninguna	NA	Ninguna	NA	Ninguna	NA	Ninguna	NA	Ninguna	NA	Ninguna	NA	No tiene dificultades para realizar sus actividades	NA	NA	NA	Contesta al menos una pregunta	Chilena (Exclusiva)	NA	En esta comuna		NA	NA	NA	NA	En esta comuna	NA	NA	Mapuche	No habla ni entiende	NA	No participa en ninguna organización o grupo	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	En el hogar	Al menos una vez al día	Sí	Sí	Sí	Sí	Sí	No	No	No	No	No	Sí, prepago	Heterosexual (Atracción hacia el sexo opuesto)	Femenino	Contesta al menos una pregunta	Casa aislada (no pareada)	Tabique forrado por ambas caras (madera, acero, lata u otro)	Bueno	Parquet, madera, piso flotante o similar	Bueno	Tejas o tejuela (arcilla, metálica, cemento, madera, asfálti	Bueno	1	Arrendado con contrato	NA	NA	NA	De 30 a 40 m2	NA	Arrendada con contrato	NA	NA	NA	NA	280000	2e+05	Red pública con medidor propio	NA	Con llave dentro de la vivienda	Sí, con W.C. conectado al alcantarillado	Sí, de la red pública con medidor propio	No, no ha hecho nada	NA	3	2	1	NA	NA	NA	NA	NA	1	NA	NA	Gas licuado (cilindro	Gas licuado (cilindro	Gas licuado (cilindro	Si	Si	Si	Si	Si	Si	Si	Si	Si	Pocas veces	Siempre	Pocas veces	Pocas veces	Pocas veces	Muchas veces	Nunca	Pocas veces	Pocas veces	Nunca	Muchas veces	Muchas veces	No. No tuvo ninguna pérdida o daño a causa de desastres	2	1	4	En el interior de la vivienda	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	11052	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	11052	11052	780000	0	0	0	0e+00	0	0	22182	16634	0	11052	0	0	780000	49868	829868	0	165974	NA	NA	NA	NA	780000	NA	NA	NA	0	NA	11052	780000	829868	829868	NA	NA	NA	780000	156000	165974	156000	No pobres	IV	IV	II	II	5	No	9	M. Hum. Incompleta	NA	Inactivos	Vivienda Aceptable	Aceptable	Aceptable	Sin allegamiento externo	Sin allegamiento interno	Sin hacinamiento (2,49 y menos)	0	0	0	0	0	1	No pobre	No pobre	5602
Algarrobo	5.6021e+11	3	5602100204	1	Región de Valparaíso	San Antonio	Urbano	57	88	191	51051	5105100268	22	12	2017	1	5	1	1	No está presente		Hijo(a) sólo del esposo(a)/pareja	Mujer	35	NA	NA	Soltero(a)	NA	NA	No tiene pareja en el hogar	1	Hijo(a) sólo de esposo(a)/pareja	NA	Otro integrande del hogar	No, sin dificultad	No, sin dificultad	No, sin dificultad	No, sin dificultad	No, sin dificultad	No, sin dificultad	Sí, lee y escribe	No	No	NA	NA	NA	Educación Media Científico-Humanista	4		NA	NA	NA				NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	Presente, pero no contesta	Sí	NA	NA	NA	NA	NA	NA	NA	NA	ADMINISTRADORA DE EMPRESAS	VER LAS FINANZAS Y VENTAS. ADMINISTRAR DINERO	Empleados de contabilidad y cálculo de costos	Empleados de oficina	45	Sí, ahora mismo	Permanente?	2005	No	Empleado u obrero del sector privado	Plazo indefinido	Sí, firmó	Jornada completa?	Rotativo o turnos	Directamente con la empresa o negocio donde trabaja	SERVICIO DE SALUD	NA	NA	Actividades de hospitales	Servicios sociales y de salud	De 200 Y más personas	No	No	No	No	0	30	5	Transporte público (bus, microbús, metro, taxi colectivo, et	Taxi colectivo	NA	No	NA	Sí	Sí, AFP (Administradora de Fondos de Pensiones). Cotización	No	Presente, pero no contesta	Asalariado	5e+05	20	180	0	NA	0	NA	0	NA	0	NA	0	NA	0	NA	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	No tiene ocupación secundaria	NA	NA	NA	NA	NA	NA	NA	No recibió	NA	No	No	No	No	No	NA	NA	NA	NA	NA	NA	NA	No	No	No	No	No	NA	NA	NA	NA	NA	No	No	NA	NA	NA	NA	No recibió	No recibió	No	No	NA	NA	NA	NA	No recibió	NA	No recibió	NA	No recibió	NA	No	No	No	No	No	No	No	No	No	No	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	No	No	Si	Si	No	No	No	Presente, pero no contesta	NA	NA	NA	NA	NA	No ha tenido hijos	NA	No	NA	No	Le da miedo o le disgusta	Sí, durante el último año	NA	Sistema Público FONASA Grupo B	Muy Bien	NA	NA	No tuvo ninguna enfermedad o accidente	NA	NA	NA	NA	NA	NA	NA	No tuvo atención	NA	NA	No tuvo atención	NA	NA	No tuvo atención	NA	NA	No tuvo atención	NA	NA	No tuvo atención	NA	NA	No tuvo atención	NA	NA	No tuvo atención	NA	NA	No tuvo atención	NA	NA	NA	NA	NA	No	NA	NA	NA	No ha estado en tratamiento por ninguna condicion de salud a	NA	NA	No tiene ninguna condición de larga duración	NA	NA	NA	NA	NA	NA	NA	NA	Ninguna	NA	Ninguna	NA	Ninguna	NA	Ninguna	NA	Ninguna	NA	Ninguna	NA	Ninguna	NA	Ninguna	NA	Ninguna	NA	Ninguna	NA	No tiene dificultades para realizar sus actividades	NA	NA	NA	No esta presente	Chilena (Exclusiva)	NA	En esta comuna		NA	NA	NA	NA	En esta comuna	NA	NA	Mapuche	No habla ni entiende	NA	No participa en ninguna organización o grupo	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	En el hogar	Al menos una vez al día	Sí	Sí	Sí	Sí	Sí	Sí	Sí	No	No	No	Sí, prepago	Heterosexual (Atracción hacia el sexo opuesto)	Femenino	Contesta al menos una pregunta	Casa aislada (no pareada)	Tabique forrado por ambas caras (madera, acero, lata u otro)	Bueno	Parquet, madera, piso flotante o similar	Bueno	Tejas o tejuela (arcilla, metálica, cemento, madera, asfálti	Bueno	1	Arrendado con contrato	NA	NA	NA	De 30 a 40 m2	NA	Arrendada con contrato	NA	NA	NA	NA	280000	2e+05	Red pública con medidor propio	NA	Con llave dentro de la vivienda	Sí, con W.C. conectado al alcantarillado	Sí, de la red pública con medidor propio	No, no ha hecho nada	NA	3	2	1	NA	NA	NA	NA	NA	1	NA	NA	Gas licuado (cilindro	Gas licuado (cilindro	Gas licuado (cilindro	Si	Si	Si	Si	Si	Si	Si	Si	Si	Pocas veces	Siempre	Pocas veces	Pocas veces	Pocas veces	Muchas veces	Nunca	Pocas veces	Pocas veces	Nunca	Muchas veces	Muchas veces	No. No tuvo ninguna pérdida o daño a causa de desastres	2	1	4	En el interior de la vivienda	500000	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	500000	NA	500000	780000	0	0	0	0e+00	0	0	22182	16634	0	11052	0	0	780000	49868	829868	0	165974	500000	NA	NA	NA	780000	NA	NA	NA	0	500000	500000	780000	829868	829868	500000	500000	500000	780000	156000	165974	156000	No pobres	IV	IV	II	II	5	No	12	M. Hum. Completa	NA	Ocupados	Vivienda Aceptable	Aceptable	Aceptable	Sin allegamiento externo	Sin allegamiento interno	Sin hacinamiento (2,49 y menos)	0	0	0	0	0	1	No pobre	No pobre	5602

1.1.2 Eliminamos del dataframe los registros que no posean valores en la columna del ingreso total

casen_2017 <- casen_2017[!is.na(casen_2017$ytotcor),]

1.1.3 Excluimos los outliers

Q <- quantile(casen_2017$ytotcor, probs=c(.25, .75), na.rm = FALSE)
iqr <- IQR(casen_2017$ytotcor)
casen_2017_sin_o <- subset(casen_2017, casen_2017$ytotcor > (Q[1] - 1.5*iqr) & casen_2017$ytotcor < (Q[2]+1.5*iqr))
casen_2017_sin_o <- data.frame(lapply(casen_2017_sin_o, as.character), stringsAsFactors=FALSE)

# despleguemos los primeros 100 registros en pantalla del subset creado:
# eliminated_100 <- eliminated[c(1:100),]
# eliminated_100 %>%  kbl() %>%
# kable_material(c("striped", "hover"), font_size = 12)%>%
#    scroll_box(width = "100%", height = "500px")

1.1.4 Hacemos un subset con los registros URBANOS

casen_2017_sin_o_urbano <- filter(casen_2017_sin_o, casen_2017_sin_o$zona == "Urbano")

1.1.5 Obtenemos los promedios de ingreso comunales

b <-  as.numeric(casen_2017_sin_o_urbano$ytotcor)
a <- casen_2017_sin_o_urbano$comuna
promedios_grupales <-aggregate(b, by=list(a), FUN = mean , na.rm=TRUE )

1.1.6 Veamos los primeros 5 registros

head(promedios_grupales,5)

##         Group.1        x
## 1     Algarrobo 374530.6
## 2         Alhué 336617.4
## 3   Alto Biobío 244525.3
## 4 Alto Hospicio 301933.4
## 5         Ancud 229798.1

1.1.7 Renombramos y agregamos una columna año

#Asignamos nombres con sentido a las cabeceras:
names(promedios_grupales)[1] <- "comuna"
names(promedios_grupales)[2] <- "promedio_i"
promedios_grupales$año <- "2017"

1.1.8 Agregamos los códigos comunales

codigos_comunales <- readRDS(file = "../codigos_comunales_2011-2017.rds")
names(codigos_comunales)[1] <- "código"
names(codigos_comunales)[2] <- "comuna"

df_2017 = merge( x = promedios_grupales, y = codigos_comunales, by = "comuna", all.x = TRUE)

1.1.9 Veamos los primeros 5 registros

head(df_2017,5)

##          comuna promedio_i  año código
## 1     Algarrobo   374530.6 2017  05602
## 2         Alhué   336617.4 2017  13502
## 3   Alto Biobío   244525.3 2017  08314
## 4 Alto Hospicio   301933.4 2017  01107
## 5         Ancud   229798.1 2017  10202

1.1.10 Agreguemos una columna con la variable de ingresos ponderada por población

La población comunal ésta vez la extraeremos del Censo 2017 -contamos las frecuencias de los registros por comuna-, pero para los años anteriores utilizaremos las proyecciones de población obtenidas desde el INE.

1.1.11 Leemos los microdatos del Censo a nivel de personas

library("rio")
x <- import("../Microdato_Censo2017-Personas.csv")

r3_100 <- x[c(1:100),]
kbl(r3_100) %>%
  kable_styling(bootstrap_options = c("striped", "hover")) %>%
  kable_paper() %>%
  scroll_box(width = "100%", height = "300px")

REGION	PROVINCIA	COMUNA	DC	AREA	ZC_LOC	ID_ZONA_LOC	NVIV	NHOGAR	PERSONAN	P07	P08	P09	P10	P10COMUNA	P10PAIS	P11	P11COMUNA	P11PAIS	P12	P12COMUNA	P12PAIS	P12A_LLEGADA	P12A_TRAMO	P13	P14	P15	P15A	P16	P16A	P16A_OTRO	P17	P18	P19	P20	P21M	P21A	P10PAIS_GRUPO	P11PAIS_GRUPO	P12PAIS_GRUPO	ESCOLARIDAD	P16A_GRUPO	REGION_15R	PROVINCIA_15R	COMUNA_15R	P10COMUNA_15R	P11COMUNA_15R	P12COMUNA_15R
15	152	15202	1	2	6	13225	1	1	1	1	1	73	1	98	998	3	15101	998	1	98	998	9998	98	2	4	6	2	1	2	98	7	98	98	98	98	9998	998	998	998	4	2	15	152	15202	98	15101	98
15	152	15202	1	2	6	13225	3	1	1	1	1	78	1	98	998	2	98	998	1	98	998	9998	98	3	98	98	98	1	2	98	7	98	98	98	98	9998	998	998	998	0	2	15	152	15202	98	98	98
15	152	15202	1	2	6	13225	3	1	2	2	2	78	1	98	998	2	98	998	1	98	998	9998	98	3	98	98	98	1	2	98	7	98	1	1	3	1965	998	998	998	0	2	15	152	15202	98	98	98
15	152	15202	1	2	6	13225	3	1	3	5	2	52	1	98	998	2	98	998	1	98	998	9998	98	1	2	5	2	1	2	98	7	98	2	1	4	1995	998	998	998	2	2	15	152	15202	98	98	98
15	152	15202	1	2	6	13225	3	1	4	11	1	44	1	98	998	2	98	998	1	98	998	9998	98	1	3	5	2	1	2	98	1	Z	98	98	98	9998	998	998	998	3	2	15	152	15202	98	98	98
15	152	15202	1	2	6	13225	9	1	1	1	1	39	1	98	998	2	98	998	1	98	998	9998	98	2	8	5	1	1	2	98	8	98	98	98	98	9998	998	998	998	8	2	15	152	15202	98	98	98
15	152	15202	1	2	6	13225	9	1	2	2	2	35	1	98	998	2	98	998	1	98	998	9998	98	2	6	5	2	1	2	98	1	Z	2	2	11	2004	998	998	998	6	2	15	152	15202	98	98	98
15	152	15202	1	2	6	13225	9	1	3	5	1	13	1	98	998	2	98	998	1	98	998	9998	98	1	7	5	2	1	2	98	98	98	98	98	98	9998	998	998	998	7	2	15	152	15202	98	98	98
15	152	15202	1	2	6	13225	9	1	4	5	1	12	1	98	998	2	98	998	1	98	998	9998	98	1	6	5	2	1	2	98	98	98	98	98	98	9998	998	998	998	6	2	15	152	15202	98	98	98
15	152	15202	1	2	6	13225	10	1	1	1	2	65	1	98	998	2	98	998	1	98	998	9998	98	2	4	5	2	1	2	98	6	98	3	3	9	1992	998	998	998	4	2	15	152	15202	98	98	98
15	152	15202	1	2	6	13225	13	1	1	1	1	50	1	98	998	2	98	998	1	98	998	9998	98	2	5	5	2	1	2	98	1	Z	98	98	98	9998	998	998	998	5	2	15	152	15202	98	98	98
15	152	15202	1	2	6	13225	13	1	2	4	2	43	1	98	998	2	98	998	1	98	998	9998	98	2	6	5	2	1	2	98	6	98	2	2	3	2002	998	998	998	6	2	15	152	15202	98	98	98
15	152	15202	1	2	6	13225	13	1	3	5	1	15	3	15201	998	2	98	998	1	98	998	9998	98	1	1	7	2	1	2	98	8	98	98	98	98	9998	998	998	998	9	2	15	152	15202	15201	98	98
15	152	15202	1	2	6	13225	16	1	1	1	1	75	1	98	998	2	98	998	1	98	998	9998	98	3	98	98	98	1	2	98	7	98	98	98	98	9998	998	998	998	0	2	15	152	15202	98	98	98
15	152	15202	1	2	6	13225	16	1	2	16	2	58	4	98	68	6	98	998	5	98	998	9999	1	3	98	98	98	1	2	98	7	98	4	4	99	9999	68	68	68	0	2	15	152	15202	98	98	98
15	152	15202	1	2	6	13225	16	1	3	2	2	70	1	98	998	2	98	998	1	98	998	9998	98	3	98	98	98	1	2	98	7	98	5	4	99	9999	998	998	998	0	2	15	152	15202	98	98	98
15	152	15202	1	2	6	13225	17	1	1	1	2	43	2	98	998	2	98	998	1	98	998	9998	98	2	8	5	1	1	2	98	1	I	3	3	9	2008	998	998	998	8	2	15	152	15202	98	98	98
15	152	15202	1	2	6	13225	17	1	2	4	1	55	2	98	998	2	98	998	1	98	998	9998	98	2	6	5	2	1	2	98	6	98	98	98	98	9998	998	998	998	6	2	15	152	15202	98	98	98
15	152	15202	1	2	6	13225	17	1	3	5	2	13	2	98	998	2	98	998	2	15101	998	9998	98	1	7	5	2	1	2	98	98	98	98	98	98	9998	998	998	998	7	2	15	152	15202	98	98	15101
15	152	15202	1	2	6	13225	17	1	4	5	1	8	2	98	998	2	98	998	2	15101	998	9998	98	1	2	5	2	1	2	98	98	98	98	98	98	9998	998	998	998	2	2	15	152	15202	98	98	15101
15	152	15202	1	2	6	13225	17	1	5	15	2	29	2	98	998	4	98	998	3	98	998	2015	1	2	6	5	2	1	2	98	6	98	5	5	11	2014	998	604	604	6	2	15	152	15202	98	98	98
15	152	15202	1	2	6	13225	17	1	6	15	1	4	2	98	998	1	98	998	5	98	998	2015	1	1	0	1	2	1	2	98	98	98	98	98	98	9998	998	998	68	0	2	15	152	15202	98	98	98
15	152	15202	1	2	6	13225	17	1	7	15	2	2	2	98	998	1	98	998	3	98	998	2015	1	1	0	1	2	1	2	98	98	98	98	98	98	9998	998	998	604	0	2	15	152	15202	98	98	98
15	152	15202	1	2	6	13225	17	1	8	15	1	16	2	98	998	6	98	998	1	98	998	9998	98	2	4	5	2	1	2	98	6	98	98	98	98	9998	998	68	998	4	2	15	152	15202	98	98	98
15	152	15202	1	2	6	13225	18	1	1	1	2	74	1	98	998	2	98	998	1	98	998	9998	98	2	2	5	2	1	2	98	6	98	2	2	12	1976	998	998	998	2	2	15	152	15202	98	98	98
15	152	15202	1	2	6	13225	19	1	1	1	1	68	1	98	998	2	98	998	1	98	998	9998	98	3	98	98	98	1	2	98	7	98	98	98	98	9998	998	998	998	0	2	15	152	15202	98	98	98
15	152	15202	1	2	6	13225	20	1	1	1	1	74	1	98	998	3	15101	998	1	98	998	9998	98	2	2	5	2	1	2	98	1	Z	98	98	98	9998	998	998	998	2	2	15	152	15202	98	15101	98
15	152	15202	1	2	6	13225	20	1	2	2	2	65	1	98	998	3	997	998	3	98	998	9999	2	2	2	5	2	1	2	98	6	98	2	2	9	1982	998	998	604	2	2	15	152	15202	98	997	98
15	152	15202	1	2	6	13225	25	1	1	1	2	76	1	98	998	2	98	998	1	98	998	9998	98	3	98	98	98	1	2	98	6	98	8	6	3	1981	998	998	998	0	2	15	152	15202	98	98	98
15	152	15202	1	2	6	13225	25	1	2	5	2	36	1	98	998	2	98	998	1	98	998	9998	98	2	4	8	1	1	2	98	1	A	0	98	98	9998	998	998	998	12	2	15	152	15202	98	98	98
15	152	15202	1	2	6	13225	28	1	1	1	2	31	1	98	998	2	98	998	5	98	998	2007	2	2	5	5	2	1	2	98	1	A	2	2	4	2008	998	998	68	5	2	15	152	15202	98	98	98
15	152	15202	1	2	6	13225	28	1	2	4	1	35	1	98	998	2	98	998	5	98	998	2007	2	2	6	5	2	1	2	98	1	F	98	98	98	9998	998	998	68	6	2	15	152	15202	98	98	98
15	152	15202	1	2	6	13225	28	1	3	5	1	11	1	98	998	2	98	998	5	98	998	2007	2	1	5	5	2	1	2	98	98	98	98	98	98	9998	998	998	68	5	2	15	152	15202	98	98	98
15	152	15202	1	2	6	13225	28	1	4	5	1	8	1	98	998	2	98	998	1	98	998	9998	98	1	2	5	2	1	2	98	98	98	98	98	98	9998	998	998	998	2	2	15	152	15202	98	98	98
15	152	15202	1	2	6	13225	28	1	5	15	2	74	1	98	998	2	98	998	1	98	998	9998	98	2	3	5	2	1	2	98	6	98	6	6	99	9999	998	998	998	3	2	15	152	15202	98	98	98
15	152	15202	1	2	6	13225	33	1	1	1	1	41	1	98	998	2	98	998	1	98	998	9998	98	2	8	5	1	1	2	98	1	Z	98	98	98	9998	998	998	998	8	2	15	152	15202	98	98	98
15	152	15202	1	2	6	13225	33	1	2	2	2	47	1	98	998	2	98	998	1	98	998	9998	98	2	8	5	1	1	2	98	1	A	2	1	4	1996	998	998	998	8	2	15	152	15202	98	98	98
15	152	15202	1	2	6	13225	33	1	3	14	1	88	1	98	998	2	98	998	1	98	998	9998	98	3	98	98	98	1	2	98	7	98	98	98	98	9998	998	998	998	0	2	15	152	15202	98	98	98
15	152	15202	1	2	6	13225	33	1	4	14	1	65	1	98	998	2	98	998	1	98	998	9998	98	2	2	5	2	1	2	98	7	98	98	98	98	9998	998	998	998	2	2	15	152	15202	98	98	98
15	152	15202	1	2	6	13225	36	1	1	1	2	59	1	98	998	2	98	998	1	98	998	9998	98	2	2	5	2	1	2	98	6	98	8	8	2	1998	998	998	998	2	2	15	152	15202	98	98	98
15	152	15202	1	2	6	13225	36	1	2	2	1	56	1	98	998	99	99	999	1	98	998	9998	98	2	2	5	2	1	2	98	6	98	98	98	98	9998	998	999	998	2	2	15	152	15202	98	99	98
15	152	15202	1	2	6	13225	36	1	3	5	2	36	1	98	998	2	98	998	1	98	998	9998	98	2	8	5	1	1	2	98	6	98	2	2	7	2010	998	998	998	8	2	15	152	15202	98	98	98
15	152	15202	1	2	6	13225	36	1	4	12	2	13	1	98	998	2	98	998	1	98	998	9998	98	1	7	5	2	1	2	98	98	98	98	98	98	9998	998	998	998	7	2	15	152	15202	98	98	98
15	152	15202	1	2	6	13225	36	1	5	12	2	6	1	98	998	2	98	998	1	98	998	9998	98	1	0	3	1	1	2	98	98	98	98	98	98	9998	998	998	998	0	2	15	152	15202	98	98	98
15	152	15202	1	2	6	13225	36	1	6	5	1	24	1	98	998	3	15101	998	1	98	998	9998	98	2	4	7	1	1	2	98	1	Z	98	98	98	9998	998	998	998	12	2	15	152	15202	98	15101	98
15	152	15202	1	2	6	13225	36	1	7	11	2	24	1	98	998	3	15101	998	1	98	998	9998	98	2	4	7	1	1	2	98	1	N	2	2	11	2015	998	998	998	12	2	15	152	15202	98	15101	98
15	152	15202	1	2	6	13225	36	1	8	12	1	6	1	98	998	2	98	998	2	15101	998	9998	98	1	0	3	1	1	2	98	98	98	98	98	98	9998	998	998	998	0	2	15	152	15202	98	98	15101
15	152	15202	1	2	6	13225	36	1	9	12	2	1	1	98	998	1	98	998	2	15101	998	9998	98	3	98	98	98	1	2	98	98	98	98	98	98	9998	998	998	998	0	2	15	152	15202	98	98	15101
15	152	15202	1	2	6	13225	38	1	1	1	1	19	1	98	998	3	15101	998	2	15101	998	9998	98	1	1	8	2	1	2	98	1	A	98	98	98	9998	998	998	998	9	2	15	152	15202	98	15101	15101
15	152	15202	1	2	6	13225	39	1	1	1	1	21	1	98	998	2	98	998	1	98	998	9998	98	2	1	7	2	1	2	98	1	F	98	98	98	9998	998	998	998	9	2	15	152	15202	98	98	98
15	152	15202	1	2	6	13225	39	1	2	4	2	22	1	98	998	2	98	998	1	98	998	9998	98	2	1	8	2	1	2	98	6	98	0	98	98	9998	998	998	998	9	2	15	152	15202	98	98	98
15	152	15202	1	2	6	13225	43	1	1	1	2	26	1	98	998	2	98	998	1	98	998	9998	98	2	8	5	1	1	2	98	6	98	2	2	10	2013	998	998	998	8	2	15	152	15202	98	98	98
15	152	15202	1	2	6	13225	43	1	2	2	1	24	1	98	998	2	98	998	1	98	998	9998	98	2	8	5	1	1	2	98	1	Z	98	98	98	9998	998	998	998	8	2	15	152	15202	98	98	98
15	152	15202	1	2	6	13225	43	1	3	13	2	71	1	98	998	2	98	998	1	98	998	9998	98	2	1	5	2	1	2	98	6	98	3	3	12	1974	998	998	998	1	2	15	152	15202	98	98	98
15	152	15202	1	2	6	13225	43	1	4	5	2	6	1	98	998	2	98	998	1	98	998	9998	98	1	0	3	1	1	2	98	98	98	98	98	98	9998	998	998	998	0	2	15	152	15202	98	98	98
15	152	15202	1	2	6	13225	43	1	5	5	2	3	1	98	998	1	98	998	1	98	998	9998	98	1	0	1	1	1	2	98	98	98	98	98	98	9998	998	998	998	0	2	15	152	15202	98	98	98
15	152	15202	1	2	8	13910	5	1	1	1	1	44	1	98	998	2	98	998	3	98	998	2005	2	2	4	7	1	1	2	98	6	98	98	98	98	9998	998	998	604	12	2	15	152	15202	98	98	98
15	152	15202	1	2	8	13910	5	1	2	2	2	42	1	98	998	2	98	998	1	98	998	9998	98	2	3	5	2	1	2	98	1	P	3	3	12	2006	998	998	998	3	2	15	152	15202	98	98	98
15	152	15202	1	2	8	13910	5	1	3	5	2	10	1	98	998	2	98	998	1	98	998	9998	98	1	4	5	2	1	2	98	98	98	98	98	98	9998	998	998	998	4	2	15	152	15202	98	98	98
15	152	15202	1	2	8	13910	7	1	1	1	2	70	1	98	998	2	98	998	1	98	998	9998	98	2	2	5	2	1	2	98	6	98	7	7	6	1994	998	998	998	2	2	15	152	15202	98	98	98
15	152	15202	1	2	8	13910	7	1	2	5	1	44	1	98	998	2	98	998	1	98	998	9998	98	2	5	5	2	1	2	98	7	98	98	98	98	9998	998	998	998	5	2	15	152	15202	98	98	98
15	152	15202	1	2	8	13910	8	1	1	1	1	58	1	98	998	2	98	998	3	98	998	2004	2	2	4	5	2	1	2	98	6	98	98	98	98	9998	998	998	604	4	2	15	152	15202	98	98	98
15	152	15202	1	2	8	13910	8	1	2	2	2	59	1	98	998	2	98	998	3	98	998	2004	2	2	2	5	2	1	2	98	6	98	3	3	7	1999	998	998	604	2	2	15	152	15202	98	98	98
15	152	15202	1	2	8	13910	19	1	1	1	1	58	99	99	999	99	99	999	99	99	999	9999	99	99	99	99	99	99	99	99	99	99	98	98	98	9998	999	999	999	99	99	15	152	15202	99	99	99
15	152	15202	1	2	8	13910	21	1	1	1	1	53	1	98	998	2	98	998	1	98	998	9998	98	2	8	5	1	1	2	98	1	H	98	98	98	9998	998	998	998	8	2	15	152	15202	98	98	98
15	152	15202	1	2	8	13910	21	1	2	2	2	46	1	98	998	2	98	998	1	98	998	9998	98	2	3	5	2	1	2	98	6	98	3	3	2	1990	998	998	998	3	2	15	152	15202	98	98	98
15	152	15202	1	2	8	13910	22	1	1	1	2	73	1	98	998	2	98	998	1	98	998	9998	98	3	98	98	98	1	2	98	6	98	6	5	3	1979	998	998	998	0	2	15	152	15202	98	98	98
15	152	15202	1	2	8	13910	30	1	1	1	1	57	1	98	998	2	98	998	2	997	998	9998	98	2	3	5	2	1	2	98	6	98	98	98	98	9998	998	998	998	3	2	15	152	15202	98	98	997
15	152	15202	1	2	12	8394	3	1	1	2	2	64	1	98	998	2	98	998	3	98	998	1974	4	3	98	98	98	1	2	98	1	A	12	10	99	9999	998	998	604	0	2	15	152	15202	98	98	98
15	152	15202	1	2	12	8394	3	1	2	1	1	74	2	98	998	2	98	998	1	98	998	9998	98	3	98	98	98	1	2	98	99	99	98	98	98	9998	998	998	998	0	2	15	152	15202	98	98	98
15	152	15202	1	2	12	8394	3	1	3	5	2	38	1	98	998	2	98	998	1	98	998	9998	98	2	8	5	1	1	2	98	2	A	0	98	98	9998	998	998	998	8	2	15	152	15202	98	98	98
15	152	15202	1	2	12	8394	3	1	4	14	1	38	99	99	999	99	99	999	99	99	999	9999	99	99	99	99	99	99	99	99	8	98	98	98	98	9998	999	999	999	99	99	15	152	15202	99	99	99
15	152	15202	1	2	12	8394	9	1	1	1	2	79	1	98	998	2	98	998	1	98	998	9998	98	3	98	98	98	1	2	98	8	98	2	2	99	9999	998	998	998	0	2	15	152	15202	98	98	98
15	152	15202	1	2	12	8394	19	1	1	1	1	46	99	99	999	99	99	999	99	99	999	9999	99	99	99	99	99	99	99	99	99	99	98	98	98	9998	999	999	999	99	99	15	152	15202	99	99	99
15	152	15202	1	2	12	8394	20	1	1	1	2	58	1	98	998	2	98	998	1	98	998	9998	98	2	8	5	1	1	2	98	1	A	3	3	7	1982	998	998	998	8	2	15	152	15202	98	98	98
15	152	15202	1	2	12	8394	21	1	1	1	2	45	1	98	998	6	98	998	2	997	998	9998	98	2	4	5	2	1	2	98	1	A	6	6	2	2007	998	68	998	4	2	15	152	15202	98	98	997
15	152	15202	1	2	12	8394	21	1	2	5	2	10	1	98	998	6	98	998	2	3201	998	9998	98	1	4	5	2	1	2	98	98	98	98	98	98	9998	998	68	998	4	2	15	152	15202	98	98	3201
15	152	15202	1	2	12	8394	24	1	1	1	1	67	1	98	998	2	98	998	1	98	998	9998	98	3	98	98	98	1	2	98	8	98	98	98	98	9998	998	998	998	0	2	15	152	15202	98	98	98
15	152	15202	1	2	12	8394	24	1	2	2	2	53	1	98	998	2	98	998	3	98	998	9999	99	3	98	98	98	1	2	98	8	98	0	98	98	9998	998	998	604	0	2	15	152	15202	98	98	98
15	152	15202	1	2	12	8394	27	1	1	1	1	48	1	98	998	2	98	998	1	98	998	9998	98	2	4	7	1	1	2	98	8	98	98	98	98	9998	998	998	998	12	2	15	152	15202	98	98	98
15	152	15202	1	2	12	8394	31	1	1	1	1	49	1	98	998	4	98	998	3	98	998	2001	2	2	8	5	1	1	2	98	1	A	98	98	98	9998	998	604	604	8	2	15	152	15202	98	98	98
15	152	15202	1	2	12	8394	42	1	1	1	1	46	1	98	998	2	98	998	3	98	998	1992	3	2	8	5	1	1	2	98	2	A	98	98	98	9998	998	998	604	8	2	15	152	15202	98	98	98
15	152	15202	1	2	12	8394	42	1	2	2	2	24	1	98	998	6	98	998	5	98	998	2013	1	2	7	5	2	1	2	98	6	98	2	2	6	2016	998	68	68	7	2	15	152	15202	98	98	98
15	152	15202	1	2	12	8394	42	1	3	6	2	2	1	98	998	1	98	998	1	98	998	9998	98	3	98	98	98	1	2	98	98	98	98	98	98	9998	998	998	998	0	2	15	152	15202	98	98	98
15	152	15202	1	2	12	8394	42	1	4	5	1	0	1	98	998	1	98	998	2	15101	998	9998	98	99	99	99	99	1	2	98	98	98	98	98	98	9998	998	998	998	99	2	15	152	15202	98	98	15101
15	152	15202	1	2	12	8394	42	1	5	5	2	13	1	98	998	2	98	998	3	98	998	9999	99	1	7	5	2	1	2	98	98	98	98	98	98	9998	998	998	604	7	2	15	152	15202	98	98	98
15	152	15202	1	2	12	8394	42	1	6	5	1	6	1	98	998	2	98	998	2	15101	998	9998	98	1	0	3	1	1	2	98	98	98	98	98	98	9998	998	998	998	0	2	15	152	15202	98	98	15101
15	152	15202	1	2	15	4094	2	1	1	1	1	41	1	98	998	2	98	998	1	98	998	9998	98	2	4	12	1	1	2	98	1	O	98	98	98	9998	998	998	998	16	2	15	152	15202	98	98	98
15	152	15202	1	2	15	4094	8	1	1	17	1	70	2	98	998	2	98	998	1	98	998	9998	98	3	98	98	98	1	2	98	7	98	98	98	98	9998	998	998	998	0	2	15	152	15202	98	98	98
15	152	15202	1	2	15	4094	8	1	2	17	1	47	2	98	998	3	15101	998	2	8101	998	9998	98	2	4	8	1	1	2	98	1	Z	98	98	98	9998	998	998	998	12	2	15	152	15202	98	15101	8101
15	152	15202	1	2	15	4094	8	1	3	17	1	19	2	98	998	3	15101	998	2	15101	998	9998	98	1	99	7	99	1	2	98	1	I	98	98	98	9998	998	998	998	99	2	15	152	15202	98	15101	15101
15	152	15202	1	2	15	4094	8	1	4	17	1	43	2	98	998	3	4302	998	2	8101	998	9998	98	99	4	8	1	1	2	98	1	N	98	98	98	9998	998	998	998	12	2	15	152	15202	98	4302	8101
15	152	15202	1	2	15	4094	8	1	5	17	2	35	2	98	998	6	98	998	5	98	998	2016	1	2	8	5	1	1	2	98	1	I	2	2	3	2007	998	68	68	8	2	15	152	15202	98	98	98
15	152	15202	1	2	15	4094	8	1	6	17	1	36	3	13123	998	3	13123	998	2	12101	998	9998	98	2	5	12	1	2	98	98	1	J	98	98	98	9998	998	998	998	17	98	15	152	15202	13123	13123	12101
15	152	15202	1	2	15	4094	8	1	7	17	2	25	2	98	998	3	15101	998	2	15101	998	9998	98	2	5	12	1	1	2	98	1	Q	1	1	12	2011	998	998	998	17	2	15	152	15202	98	15101	15101
15	152	15202	1	2	15	4094	9	1	1	1	1	72	1	98	998	2	98	998	1	98	998	9998	98	2	1	5	2	1	2	98	1	G	98	98	98	9998	998	998	998	1	2	15	152	15202	98	98	98
15	152	15202	1	2	15	4094	12	1	1	1	1	21	1	98	998	3	15101	998	2	15101	998	9998	98	2	4	8	1	1	2	98	1	N	98	98	98	9998	998	998	998	12	2	15	152	15202	98	15101	15101
15	152	15202	1	2	15	4094	15	1	1	1	1	61	1	98	998	2	98	998	1	98	998	9998	98	2	3	7	2	1	2	98	4	98	98	98	98	9998	998	998	998	11	2	15	152	15202	98	98	98
15	152	15202	1	2	15	4094	15	1	2	5	2	31	1	98	998	3	15101	998	1	98	998	9998	98	2	4	12	1	1	2	98	1	P	1	1	10	2007	998	998	998	16	2	15	152	15202	98	15101	98
15	152	15202	1	2	15	4094	16	1	1	1	1	34	1	98	998	3	15101	998	1	98	998	9998	98	2	5	12	1	1	2	98	1	O	98	98	98	9998	998	998	998	17	2	15	152	15202	98	15101	98

1.1.12 Obtenemos la cantidad de personas por comuna:

my_summary_data <- x %>%
    group_by(x$COMUNA) %>%
    summarise(Count = n()) 
head(my_summary_data,5)

## # A tibble: 5 x 2
##   `x$COMUNA`  Count
##        <int>  <int>
## 1       1101 191468
## 2       1107 108375
## 3       1401  15711
## 4       1402   1250
## 5       1403   1728

1.1.13 Agregamos un cero antes de cada código comunal de cuatro dígitos para poder hacer el merge posteriormente con la tabla de frecuencias.

names(my_summary_data)[1] <- "comuna"     
names(my_summary_data)[2] <- "personas"
my_summary_data

## # A tibble: 346 x 2
##    comuna personas
##     <int>    <int>
##  1   1101   191468
##  2   1107   108375
##  3   1401    15711
##  4   1402     1250
##  5   1403     1728
##  6   1404     2730
##  7   1405     9296
##  8   2101   361873
##  9   2102    13467
## 10   2103    10186
## # ... with 336 more rows

# recogemos el campo Comuna:
codigos <- my_summary_data$comuna
# construimos una secuencia llamada rango del 1 al total de filas del dataset:
rango <- seq(1:nrow(my_summary_data))
# Creamos un string que agrega un cero a todos los registros:
cadena <- paste("0",codigos[rango], sep = "")

# El string cadena tiene o 5 o 6 digitos, los cuales siempre deben ser siempre 5 agregandole un cero al inicio de los que tienen 4.
# Para ello extraemos un substring de la cadena sobre todas las filas (rangos) comenzando desde el primero o el segundo y llegando siempre al 6.

cadena <- substr(cadena,(nchar(cadena)[rango])-(4),6)
codigos <- as.data.frame(codigos)
cadena <- as.data.frame(cadena)
comuna_corr <- cbind(my_summary_data,cadena)
head(comuna_corr,5)

##   comuna personas cadena
## 1   1101   191468  01101
## 2   1107   108375  01107
## 3   1401    15711  01401
## 4   1402     1250  01402
## 5   1403     1728  01403

names(comuna_corr)[3] <- "código"  
head(comuna_corr,5)

##   comuna personas código
## 1   1101   191468  01101
## 2   1107   108375  01107
## 3   1401    15711  01401
## 4   1402     1250  01402
## 5   1403     1728  01403

1.1.14 unimos:

df_2017_2 = merge( x = df_2017, y = comuna_corr, by = "código", all.x = TRUE)
head(df_2017_2,5)

##   código      comuna.x promedio_i  año comuna.y personas
## 1  01101       Iquique   356487.6 2017     1101   191468
## 2  01107 Alto Hospicio   301933.4 2017     1107   108375
## 3  01401  Pozo Almonte   299998.6 2017     1401    15711
## 4  01405          Pica   330061.1 2017     1405     9296
## 5  02101   Antofagasta   347580.2 2017     2101   361873

1.1.15 Agregamos la columna “Ingresos_expandidos”

df_2017_2$Ingresos_expandidos <- df_2017_2$promedio_i*df_2017_2$personas
df_2017_2$tipo <- "Urbano"

r3_100 <- df_2017_2[c(1:100),]
kbl(r3_100) %>%
  kable_styling(bootstrap_options = c("striped", "hover")) %>%
  kable_paper() %>%
  scroll_box(width = "100%", height = "300px")

código	comuna.x	promedio_i	año	comuna.y	personas	Ingresos_expandidos	tipo
01101	Iquique	356487.6	2017	1101	191468	68255976664	Urbano
01107	Alto Hospicio	301933.4	2017	1107	108375	32722034397	Urbano
01401	Pozo Almonte	299998.6	2017	1401	15711	4713278189	Urbano
01405	Pica	330061.1	2017	1405	9296	3068247619	Urbano
02101	Antofagasta	347580.2	2017	2101	361873	125779893517	Urbano
02102	Mejillones	369770.7	2017	2102	13467	4979702302	Urbano
02104	Taltal	376328.9	2017	2104	13317	5011572025	Urbano
02201	Calama	416281.1	2017	2201	165731	68990679686	Urbano
02203	San Pedro de Atacama	437934.7	2017	2203	10996	4815529626	Urbano
02301	Tocopilla	271720.8	2017	2301	25186	6843559467	Urbano
02302	María Elena	466266.9	2017	2302	6457	3010685220	Urbano
03101	Copiapó	330574.6	2017	3101	153937	50887663717	Urbano
03102	Caldera	299314.8	2017	3102	17662	5286498241	Urbano
03103	Tierra Amarilla	315860.6	2017	3103	14019	4428049932	Urbano
03201	Chañaral	286389.3	2017	3201	12219	3499391196	Urbano
03202	Diego de Almagro	325861.5	2017	3202	13925	4537621312	Urbano
03301	Vallenar	311577.0	2017	3301	51917	16176145007	Urbano
03303	Freirina	289049.9	2017	3303	7041	2035200054	Urbano
03304	Huasco	337414.8	2017	3304	10149	3424422750	Urbano
04101	La Serena	272136.8	2017	4101	221054	60156924947	Urbano
04102	Coquimbo	264340.0	2017	4102	227730	60198159091	Urbano
04103	Andacollo	251267.7	2017	4103	11044	2775000288	Urbano
04104	La Higuera	214257.0	2017	4104	4241	908664019	Urbano
04106	Vicuña	245957.4	2017	4106	27771	6830481918	Urbano
04201	Illapel	270316.5	2017	4201	30848	8338722128	Urbano
04202	Canela	233397.3	2017	4202	9093	2122281844	Urbano
04203	Los Vilos	282415.6	2017	4203	21382	6038609501	Urbano
04204	Salamanca	262056.9	2017	4204	29347	7690585032	Urbano
04301	Ovalle	274771.4	2017	4301	111272	30574361012	Urbano
04302	Combarbalá	228990.4	2017	4302	13322	3050610572	Urbano
04303	Monte Patria	225369.1	2017	4303	30751	6930326684	Urbano
04304	Punitaqui	212496.1	2017	4304	10956	2328107498	Urbano
05101	Valparaíso	297929.0	2017	5101	296655	88382118059	Urbano
05102	Casablanca	341641.8	2017	5102	26867	9178890241	Urbano
05103	Concón	318496.3	2017	5103	42152	13425257057	Urbano
05105	Puchuncaví	296035.5	2017	5105	18546	5490274928	Urbano
05107	Quintero	308224.7	2017	5107	31923	9839456903	Urbano
05109	Viña del Mar	337006.1	2017	5109	334248	112643604611	Urbano
05301	Los Andes	339720.2	2017	5301	66708	22662055502	Urbano
05302	Calle Larga	246387.3	2017	5302	14832	3654416747	Urbano
05303	Rinconada	273904.7	2017	5303	10207	2795744821	Urbano
05304	San Esteban	219571.6	2017	5304	18855	4140022481	Urbano
05401	La Ligua	250134.4	2017	5401	35390	8852256241	Urbano
05402	Cabildo	262745.9	2017	5402	19388	5094117762	Urbano
05403	Papudo	294355.2	2017	5403	6356	1870921373	Urbano
05404	Petorca	237510.8	2017	5404	9826	2333781007	Urbano
05405	Zapallar	294389.2	2017	5405	7339	2160521991	Urbano
05501	Quillota	286029.5	2017	5501	90517	25890529852	Urbano
05502	Calera	277181.9	2017	5502	50554	14012652087	Urbano
05503	Hijuelas	254094.0	2017	5503	17988	4570642363	Urbano
05504	La Cruz	328899.7	2017	5504	22098	7268025571	Urbano
05506	Nogales	259917.8	2017	5506	22120	5749381300	Urbano
05601	San Antonio	240181.3	2017	5601	91350	21940563450	Urbano
05602	Algarrobo	374530.6	2017	5602	13817	5174889009	Urbano
05603	Cartagena	237892.8	2017	5603	22738	5409207209	Urbano
05604	El Quisco	270498.2	2017	5604	15955	4315799297	Urbano
05605	El Tabo	287271.0	2017	5605	13286	3816682340	Urbano
05606	Santo Domingo	380941.2	2017	5606	10900	4152259195	Urbano
05701	San Felipe	291406.4	2017	5701	76844	22392830676	Urbano
05702	Catemu	225438.7	2017	5702	13998	3155690632	Urbano
05703	Llaillay	273336.7	2017	5703	24608	6726268693	Urbano
05704	Panquehue	328043.3	2017	5704	7273	2385858928	Urbano
05705	Putaendo	309628.4	2017	5705	16754	5187514898	Urbano
05706	Santa María	256403.4	2017	5706	15241	3907844674	Urbano
05801	Quilpué	325763.9	2017	5801	151708	49420995419	Urbano
05802	Limache	302436.4	2017	5802	46121	13948668423	Urbano
05803	Olmué	293997.6	2017	5803	17516	5149662271	Urbano
05804	Villa Alemana	349020.1	2017	5804	126548	44167801659	Urbano
06101	Rancagua	305346.7	2017	6101	241774	73824887908	Urbano
06102	Codegua	280555.6	2017	6102	12988	3643855827	Urbano
06103	Coinco	217173.2	2017	6103	7359	1598177470	Urbano
06104	Coltauco	272655.7	2017	6104	19597	5343233497	Urbano
06105	Doñihue	297198.5	2017	6105	20887	6207585840	Urbano
06106	Graneros	302119.6	2017	6106	33437	10101973302	Urbano
06107	Las Cabras	270208.1	2017	6107	24640	6657927091	Urbano
06108	Machalí	296592.0	2017	6108	52505	15572561454	Urbano
06109	Malloa	206698.3	2017	6109	13407	2771203849	Urbano
06110	Mostazal	285112.9	2017	6110	25343	7225617109	Urbano
06111	Olivar	285334.4	2017	6111	13608	3882831040	Urbano
06112	Peumo	243837.8	2017	6112	14313	3490050484	Urbano
06113	Pichidegua	234187.0	2017	6113	19714	4616762518	Urbano
06114	Quinta de Tilcoco	210835.7	2017	6114	13002	2741286093	Urbano
06115	Rengo	283302.7	2017	6115	58825	16665280705	Urbano
06116	Requínoa	288865.3	2017	6116	27968	8078983811	Urbano
06117	San Vicente	285655.7	2017	6117	46766	13358975033	Urbano
06201	Pichilemu	325754.6	2017	6201	16394	5340420543	Urbano
06202	La Estrella	277359.1	2017	6202	3041	843449095	Urbano
06203	Litueche	283451.3	2017	6203	6294	1784042184	Urbano
06204	Marchihue	282485.5	2017	6204	7308	2064404399	Urbano
06205	Navidad	236383.5	2017	6205	6641	1569822543	Urbano
06206	Paredones	231532.2	2017	6206	6188	1432721549	Urbano
06301	San Fernando	317033.9	2017	6301	73973	23451947536	Urbano
06302	Chépica	245508.7	2017	6302	15037	3691714537	Urbano
06303	Chimbarongo	250783.3	2017	6303	35399	8877476445	Urbano
06304	Lolol	236668.2	2017	6304	6811	1611947197	Urbano
06305	Nancagua	239990.4	2017	6305	17833	4279748425	Urbano
06306	Palmilla	246745.0	2017	6306	12482	3079870843	Urbano
06307	Peralillo	258455.9	2017	6307	11007	2844823958	Urbano
06308	Placilla	240573.8	2017	6308	8738	2102134220	Urbano
06310	Santa Cruz	289940.1	2017	6310	37855	10975681744	Urbano

saveRDS(df_2017_2, "ingresos_expandidos_17_urbano_nacional.rds")

2 Correlaciones

Debemos filtrar la tabla censal a nivel urbano

2.1 Construcción de la tabla con frecuencias de respuesta por categoría P01

2.1.1 Pregunta P01: Tipo de vivienda

Ésta pregunta posee 10 categorías de respuesta:

1 Casa
2 Departamento en edificio
3 Vivienda tradicional indígena (ruka, pae pae u otras)
4 Pieza en casa antigua o en conventillo
5 Mediagua, mejora, rancho o choza
6 Móvil (carpa, casa rodante o similar)
7 Otro tipo de vivienda particular
8 Vivienda colectiva
9 Operativo personas en tránsito (no es vivienda)
10 Operativo calle (no es vivienda)

2.1.2 Cálculo de frecuencias

Leemos los datos del censo viviendas 2017 y obtenemos la tabla de frecuencias por categoría de respuesta:

Debemos filtrar la tabla Censal a nivel urbano, ésto es, AREA = 1

tabla_con_clave <- readRDS("../censo_viviendas_con_clave_17.rds")
tabla_con_clave <- filter(tabla_con_clave, tabla_con_clave$AREA == 1)

b <- tabla_con_clave$COMUNA
c <- tabla_con_clave$P01
cross_tab =  xtabs( ~ unlist(b) + unlist(c))
tabla <- as.data.frame(cross_tab)
d <-tabla[!(tabla$Freq == 0),]
d$anio <- "2017"

d_t <- filter(d,d$unlist.c. == 1)
for(i in 2:10){
  d_i <- filter(d,d$unlist.c. == i)
  d_t = merge( x = d_t, y = d_i, by = "unlist.b.", all.x = TRUE)
}

tablamadre <- head(d_t,50)
kbl(tablamadre) %>%
  kable_styling(bootstrap_options = c("striped", "hover")) %>%
  kable_paper() %>%
  scroll_box(width = "100%", height = "300px")

unlist.b.	unlist.c..x	Freq.x	anio.x	unlist.c..y	Freq.y	anio.y	unlist.c..x	Freq.x	anio.x	unlist.c..y	Freq.y	anio.y	unlist.c..x	Freq.x	anio.x	unlist.c..y	Freq.y	anio.y	unlist.c..x	Freq.x	anio.x	unlist.c..y	Freq.y	anio.y	unlist.c..x	Freq.x	anio.x	unlist.c..y	Freq.y	anio.y
1101	1	37206	2017	2	22525	2017	3	18	2017	4	4478	2017	5	357	2017	6	38	2017	7	640	2017	8	236	2017	9	1	2017	10	1	2017
1107	1	26357	2017	2	4142	2017	3	13	2017	4	445	2017	5	1750	2017	6	24	2017	7	348	2017	8	11	2017	NA	NA	NA	10	1	2017
1401	1	2978	2017	2	3	2017	3	3	2017	4	209	2017	5	88	2017	6	2	2017	7	62	2017	8	22	2017	9	1	2017	NA	NA	NA
1404	1	476	2017	2	1	2017	3	6	2017	4	6	2017	5	37	2017	NA	NA	NA	7	14	2017	8	3	2017	NA	NA	NA	NA	NA	NA
1405	1	1898	2017	2	5	2017	3	2	2017	4	26	2017	5	92	2017	6	1	2017	7	30	2017	8	13	2017	NA	NA	NA	NA	NA	NA
2101	1	79530	2017	2	27939	2017	3	26	2017	4	744	2017	5	2694	2017	6	38	2017	7	617	2017	8	164	2017	9	1	2017	10	1	2017
2102	1	2708	2017	2	471	2017	3	1	2017	4	13	2017	5	178	2017	6	4	2017	7	31	2017	8	234	2017	9	1	2017	NA	NA	NA
2104	1	3731	2017	2	3	2017	3	2	2017	4	15	2017	5	94	2017	6	3	2017	7	37	2017	8	20	2017	9	1	2017	10	1	2017
2201	1	46279	2017	2	3683	2017	3	27	2017	4	1585	2017	5	345	2017	6	16	2017	7	778	2017	8	332	2017	9	1	2017	10	1	2017
2203	1	1572	2017	2	2	2017	3	11	2017	4	145	2017	5	53	2017	NA	NA	NA	7	81	2017	8	115	2017	9	1	2017	10	1	2017
2301	1	7808	2017	2	1110	2017	NA	NA	NA	4	33	2017	5	65	2017	6	11	2017	7	70	2017	8	48	2017	9	1	2017	10	1	2017
2302	1	1656	2017	2	3	2017	3	1	2017	4	22	2017	5	4	2017	6	1	2017	7	22	2017	8	84	2017	NA	NA	NA	NA	NA	NA
3101	1	44851	2017	2	6812	2017	3	5	2017	4	351	2017	5	1329	2017	6	35	2017	7	152	2017	8	106	2017	NA	NA	NA	10	1	2017
3102	1	6903	2017	2	52	2017	NA	NA	NA	4	31	2017	5	198	2017	6	33	2017	7	91	2017	8	33	2017	NA	NA	NA	10	1	2017
3103	1	3114	2017	2	3	2017	3	1	2017	4	34	2017	5	89	2017	6	1	2017	7	9	2017	8	5	2017	NA	NA	NA	10	1	2017
3201	1	4066	2017	2	74	2017	NA	NA	NA	4	5	2017	5	66	2017	6	1	2017	7	12	2017	8	28	2017	NA	NA	NA	NA	NA	NA
3202	1	5549	2017	2	510	2017	NA	NA	NA	4	23	2017	5	14	2017	6	1	2017	7	23	2017	8	96	2017	NA	NA	NA	NA	NA	NA
3301	1	15367	2017	2	511	2017	3	10	2017	4	62	2017	5	133	2017	6	14	2017	7	66	2017	8	53	2017	9	1	2017	10	1	2017
3303	1	1689	2017	NA	NA	NA	NA	NA	NA	NA	NA	NA	5	54	2017	NA	NA	NA	7	7	2017	8	8	2017	NA	NA	NA	NA	NA	NA
3304	1	3417	2017	2	187	2017	3	2	2017	4	7	2017	5	102	2017	6	3	2017	7	24	2017	8	24	2017	9	1	2017	10	1	2017
4101	1	60391	2017	2	17590	2017	3	4	2017	4	166	2017	5	144	2017	6	31	2017	7	281	2017	8	180	2017	NA	NA	NA	10	1	2017
4102	1	71679	2017	2	9190	2017	3	8	2017	4	277	2017	5	403	2017	6	13	2017	7	337	2017	8	156	2017	9	1	2017	10	1	2017
4103	1	3690	2017	2	24	2017	3	1	2017	4	11	2017	5	39	2017	NA	NA	NA	7	27	2017	8	15	2017	NA	NA	NA	NA	NA	NA
4104	1	548	2017	NA	NA	NA	NA	NA	NA	4	3	2017	5	3	2017	NA	NA	NA	7	1	2017	8	2	2017	NA	NA	NA	NA	NA	NA
4106	1	6048	2017	2	58	2017	3	1	2017	4	14	2017	5	43	2017	6	3	2017	7	12	2017	8	23	2017	NA	NA	NA	NA	NA	NA
4201	1	7404	2017	2	212	2017	3	1	2017	4	39	2017	5	157	2017	6	12	2017	7	42	2017	8	24	2017	NA	NA	NA	NA	NA	NA
4202	1	970	2017	NA	NA	NA	NA	NA	NA	4	4	2017	5	23	2017	6	1	2017	7	5	2017	8	6	2017	NA	NA	NA	NA	NA	NA
4203	1	10338	2017	2	10	2017	3	1	2017	4	22	2017	5	102	2017	6	2	2017	7	40	2017	8	46	2017	NA	NA	NA	10	1	2017
4204	1	5669	2017	2	132	2017	NA	NA	NA	4	16	2017	5	113	2017	6	14	2017	7	31	2017	8	69	2017	NA	NA	NA	10	1	2017
4301	1	28797	2017	2	1575	2017	3	2	2017	4	127	2017	5	279	2017	6	18	2017	7	137	2017	8	44	2017	9	1	2017	10	1	2017
4302	1	2598	2017	2	1	2017	NA	NA	NA	4	5	2017	5	21	2017	6	3	2017	7	12	2017	8	15	2017	NA	NA	NA	NA	NA	NA
4303	1	5313	2017	NA	NA	NA	NA	NA	NA	4	25	2017	5	159	2017	NA	NA	NA	7	15	2017	8	7	2017	NA	NA	NA	NA	NA	NA
4304	1	2359	2017	2	1	2017	NA	NA	NA	4	5	2017	5	47	2017	6	8	2017	7	5	2017	8	4	2017	NA	NA	NA	10	1	2017
5101	1	82486	2017	2	30689	2017	3	17	2017	4	714	2017	5	1181	2017	6	24	2017	7	500	2017	8	359	2017	9	1	2017	10	1	2017
5102	1	5268	2017	2	890	2017	NA	NA	NA	4	28	2017	5	39	2017	6	5	2017	7	16	2017	8	10	2017	NA	NA	NA	10	1	2017
5103	1	10396	2017	2	8548	2017	3	4	2017	4	45	2017	5	91	2017	6	1	2017	7	121	2017	8	22	2017	NA	NA	NA	NA	NA	NA
5105	1	13424	2017	2	1759	2017	NA	NA	NA	4	15	2017	5	168	2017	6	4	2017	7	146	2017	8	15	2017	NA	NA	NA	10	1	2017
5107	1	13280	2017	2	1315	2017	3	2	2017	4	43	2017	5	189	2017	6	11	2017	7	89	2017	8	23	2017	9	1	2017	10	1	2017
5109	1	77662	2017	2	67357	2017	3	18	2017	4	327	2017	5	1024	2017	6	5	2017	7	451	2017	8	273	2017	9	1	2017	10	1	2017
5201	1	2586	2017	2	1	2017	3	31	2017	4	18	2017	5	23	2017	6	4	2017	7	60	2017	8	112	2017	NA	NA	NA	NA	NA	NA
5301	1	18093	2017	2	3763	2017	3	1	2017	4	86	2017	5	56	2017	6	14	2017	7	56	2017	8	61	2017	9	1	2017	10	1	2017
5302	1	3844	2017	NA	NA	NA	NA	NA	NA	4	13	2017	5	52	2017	NA	NA	NA	7	12	2017	8	4	2017	NA	NA	NA	NA	NA	NA
5303	1	2748	2017	NA	NA	NA	NA	NA	NA	4	6	2017	5	36	2017	6	2	2017	7	4	2017	8	6	2017	NA	NA	NA	NA	NA	NA
5304	1	4005	2017	2	1	2017	NA	NA	NA	4	15	2017	5	21	2017	NA	NA	NA	7	6	2017	8	3	2017	NA	NA	NA	NA	NA	NA
5401	1	8627	2017	2	1261	2017	NA	NA	NA	4	24	2017	5	84	2017	6	5	2017	7	24	2017	8	11	2017	9	1	2017	10	1	2017
5402	1	3906	2017	2	312	2017	NA	NA	NA	4	20	2017	5	45	2017	NA	NA	NA	7	18	2017	8	10	2017	NA	NA	NA	NA	NA	NA
5403	1	3064	2017	2	2278	2017	NA	NA	NA	4	2	2017	5	31	2017	NA	NA	NA	7	10	2017	8	8	2017	NA	NA	NA	NA	NA	NA
5404	1	1747	2017	2	1	2017	NA	NA	NA	4	7	2017	5	34	2017	NA	NA	NA	7	9	2017	8	11	2017	NA	NA	NA	NA	NA	NA
5405	1	4423	2017	2	681	2017	NA	NA	NA	4	5	2017	5	23	2017	6	4	2017	7	18	2017	8	7	2017	NA	NA	NA	NA	NA	NA
5501	1	24824	2017	2	3435	2017	3	3	2017	4	57	2017	5	149	2017	6	3	2017	7	78	2017	8	45	2017	NA	NA	NA	10	1	2017

Agregamos un cero a los códigos comunales de 4 dígitos, columna nueva que quedará en el campo llamado código:

codigos <- d_t$unlist.b.
rango <- seq(1:nrow(d_t))
cadena <- paste("0",codigos[rango], sep = "")
cadena <- substr(cadena,(nchar(cadena)[rango])-(4),6)
codigos <- as.data.frame(codigos)
cadena <- as.data.frame(cadena)
comuna_corr <- cbind(d_t,cadena)
comuna_corr <- comuna_corr[,-c(1),drop=FALSE] 
names(comuna_corr)[31] <- "código"

tablamadre <- head(comuna_corr,50)
kbl(tablamadre) %>%
  kable_styling(bootstrap_options = c("striped", "hover")) %>%
  kable_paper() %>%
  scroll_box(width = "100%", height = "300px")

unlist.c..x	Freq.x	anio.x	unlist.c..y	Freq.y	anio.y	unlist.c..x.1	Freq.x.1	anio.x.1	unlist.c..y.1	Freq.y.1	anio.y.1	unlist.c..x.2	Freq.x.2	anio.x.2	unlist.c..y.2	Freq.y.2	anio.y.2	unlist.c..x.3	Freq.x.3	anio.x.3	unlist.c..y.3	Freq.y.3	anio.y.3	unlist.c..x.4	Freq.x.4	anio.x.4	unlist.c..y.4	Freq.y.4	anio.y.4	código
1	37206	2017	2	22525	2017	3	18	2017	4	4478	2017	5	357	2017	6	38	2017	7	640	2017	8	236	2017	9	1	2017	10	1	2017	01101
1	26357	2017	2	4142	2017	3	13	2017	4	445	2017	5	1750	2017	6	24	2017	7	348	2017	8	11	2017	NA	NA	NA	10	1	2017	01107
1	2978	2017	2	3	2017	3	3	2017	4	209	2017	5	88	2017	6	2	2017	7	62	2017	8	22	2017	9	1	2017	NA	NA	NA	01401
1	476	2017	2	1	2017	3	6	2017	4	6	2017	5	37	2017	NA	NA	NA	7	14	2017	8	3	2017	NA	NA	NA	NA	NA	NA	01404
1	1898	2017	2	5	2017	3	2	2017	4	26	2017	5	92	2017	6	1	2017	7	30	2017	8	13	2017	NA	NA	NA	NA	NA	NA	01405
1	79530	2017	2	27939	2017	3	26	2017	4	744	2017	5	2694	2017	6	38	2017	7	617	2017	8	164	2017	9	1	2017	10	1	2017	02101
1	2708	2017	2	471	2017	3	1	2017	4	13	2017	5	178	2017	6	4	2017	7	31	2017	8	234	2017	9	1	2017	NA	NA	NA	02102
1	3731	2017	2	3	2017	3	2	2017	4	15	2017	5	94	2017	6	3	2017	7	37	2017	8	20	2017	9	1	2017	10	1	2017	02104
1	46279	2017	2	3683	2017	3	27	2017	4	1585	2017	5	345	2017	6	16	2017	7	778	2017	8	332	2017	9	1	2017	10	1	2017	02201
1	1572	2017	2	2	2017	3	11	2017	4	145	2017	5	53	2017	NA	NA	NA	7	81	2017	8	115	2017	9	1	2017	10	1	2017	02203
1	7808	2017	2	1110	2017	NA	NA	NA	4	33	2017	5	65	2017	6	11	2017	7	70	2017	8	48	2017	9	1	2017	10	1	2017	02301
1	1656	2017	2	3	2017	3	1	2017	4	22	2017	5	4	2017	6	1	2017	7	22	2017	8	84	2017	NA	NA	NA	NA	NA	NA	02302
1	44851	2017	2	6812	2017	3	5	2017	4	351	2017	5	1329	2017	6	35	2017	7	152	2017	8	106	2017	NA	NA	NA	10	1	2017	03101
1	6903	2017	2	52	2017	NA	NA	NA	4	31	2017	5	198	2017	6	33	2017	7	91	2017	8	33	2017	NA	NA	NA	10	1	2017	03102
1	3114	2017	2	3	2017	3	1	2017	4	34	2017	5	89	2017	6	1	2017	7	9	2017	8	5	2017	NA	NA	NA	10	1	2017	03103
1	4066	2017	2	74	2017	NA	NA	NA	4	5	2017	5	66	2017	6	1	2017	7	12	2017	8	28	2017	NA	NA	NA	NA	NA	NA	03201
1	5549	2017	2	510	2017	NA	NA	NA	4	23	2017	5	14	2017	6	1	2017	7	23	2017	8	96	2017	NA	NA	NA	NA	NA	NA	03202
1	15367	2017	2	511	2017	3	10	2017	4	62	2017	5	133	2017	6	14	2017	7	66	2017	8	53	2017	9	1	2017	10	1	2017	03301
1	1689	2017	NA	NA	NA	NA	NA	NA	NA	NA	NA	5	54	2017	NA	NA	NA	7	7	2017	8	8	2017	NA	NA	NA	NA	NA	NA	03303
1	3417	2017	2	187	2017	3	2	2017	4	7	2017	5	102	2017	6	3	2017	7	24	2017	8	24	2017	9	1	2017	10	1	2017	03304
1	60391	2017	2	17590	2017	3	4	2017	4	166	2017	5	144	2017	6	31	2017	7	281	2017	8	180	2017	NA	NA	NA	10	1	2017	04101
1	71679	2017	2	9190	2017	3	8	2017	4	277	2017	5	403	2017	6	13	2017	7	337	2017	8	156	2017	9	1	2017	10	1	2017	04102
1	3690	2017	2	24	2017	3	1	2017	4	11	2017	5	39	2017	NA	NA	NA	7	27	2017	8	15	2017	NA	NA	NA	NA	NA	NA	04103
1	548	2017	NA	NA	NA	NA	NA	NA	4	3	2017	5	3	2017	NA	NA	NA	7	1	2017	8	2	2017	NA	NA	NA	NA	NA	NA	04104
1	6048	2017	2	58	2017	3	1	2017	4	14	2017	5	43	2017	6	3	2017	7	12	2017	8	23	2017	NA	NA	NA	NA	NA	NA	04106
1	7404	2017	2	212	2017	3	1	2017	4	39	2017	5	157	2017	6	12	2017	7	42	2017	8	24	2017	NA	NA	NA	NA	NA	NA	04201
1	970	2017	NA	NA	NA	NA	NA	NA	4	4	2017	5	23	2017	6	1	2017	7	5	2017	8	6	2017	NA	NA	NA	NA	NA	NA	04202
1	10338	2017	2	10	2017	3	1	2017	4	22	2017	5	102	2017	6	2	2017	7	40	2017	8	46	2017	NA	NA	NA	10	1	2017	04203
1	5669	2017	2	132	2017	NA	NA	NA	4	16	2017	5	113	2017	6	14	2017	7	31	2017	8	69	2017	NA	NA	NA	10	1	2017	04204
1	28797	2017	2	1575	2017	3	2	2017	4	127	2017	5	279	2017	6	18	2017	7	137	2017	8	44	2017	9	1	2017	10	1	2017	04301
1	2598	2017	2	1	2017	NA	NA	NA	4	5	2017	5	21	2017	6	3	2017	7	12	2017	8	15	2017	NA	NA	NA	NA	NA	NA	04302
1	5313	2017	NA	NA	NA	NA	NA	NA	4	25	2017	5	159	2017	NA	NA	NA	7	15	2017	8	7	2017	NA	NA	NA	NA	NA	NA	04303
1	2359	2017	2	1	2017	NA	NA	NA	4	5	2017	5	47	2017	6	8	2017	7	5	2017	8	4	2017	NA	NA	NA	10	1	2017	04304
1	82486	2017	2	30689	2017	3	17	2017	4	714	2017	5	1181	2017	6	24	2017	7	500	2017	8	359	2017	9	1	2017	10	1	2017	05101
1	5268	2017	2	890	2017	NA	NA	NA	4	28	2017	5	39	2017	6	5	2017	7	16	2017	8	10	2017	NA	NA	NA	10	1	2017	05102
1	10396	2017	2	8548	2017	3	4	2017	4	45	2017	5	91	2017	6	1	2017	7	121	2017	8	22	2017	NA	NA	NA	NA	NA	NA	05103
1	13424	2017	2	1759	2017	NA	NA	NA	4	15	2017	5	168	2017	6	4	2017	7	146	2017	8	15	2017	NA	NA	NA	10	1	2017	05105
1	13280	2017	2	1315	2017	3	2	2017	4	43	2017	5	189	2017	6	11	2017	7	89	2017	8	23	2017	9	1	2017	10	1	2017	05107
1	77662	2017	2	67357	2017	3	18	2017	4	327	2017	5	1024	2017	6	5	2017	7	451	2017	8	273	2017	9	1	2017	10	1	2017	05109
1	2586	2017	2	1	2017	3	31	2017	4	18	2017	5	23	2017	6	4	2017	7	60	2017	8	112	2017	NA	NA	NA	NA	NA	NA	05201
1	18093	2017	2	3763	2017	3	1	2017	4	86	2017	5	56	2017	6	14	2017	7	56	2017	8	61	2017	9	1	2017	10	1	2017	05301
1	3844	2017	NA	NA	NA	NA	NA	NA	4	13	2017	5	52	2017	NA	NA	NA	7	12	2017	8	4	2017	NA	NA	NA	NA	NA	NA	05302
1	2748	2017	NA	NA	NA	NA	NA	NA	4	6	2017	5	36	2017	6	2	2017	7	4	2017	8	6	2017	NA	NA	NA	NA	NA	NA	05303
1	4005	2017	2	1	2017	NA	NA	NA	4	15	2017	5	21	2017	NA	NA	NA	7	6	2017	8	3	2017	NA	NA	NA	NA	NA	NA	05304
1	8627	2017	2	1261	2017	NA	NA	NA	4	24	2017	5	84	2017	6	5	2017	7	24	2017	8	11	2017	9	1	2017	10	1	2017	05401
1	3906	2017	2	312	2017	NA	NA	NA	4	20	2017	5	45	2017	NA	NA	NA	7	18	2017	8	10	2017	NA	NA	NA	NA	NA	NA	05402
1	3064	2017	2	2278	2017	NA	NA	NA	4	2	2017	5	31	2017	NA	NA	NA	7	10	2017	8	8	2017	NA	NA	NA	NA	NA	NA	05403
1	1747	2017	2	1	2017	NA	NA	NA	4	7	2017	5	34	2017	NA	NA	NA	7	9	2017	8	11	2017	NA	NA	NA	NA	NA	NA	05404
1	4423	2017	2	681	2017	NA	NA	NA	4	5	2017	5	23	2017	6	4	2017	7	18	2017	8	7	2017	NA	NA	NA	NA	NA	NA	05405
1	24824	2017	2	3435	2017	3	3	2017	4	57	2017	5	149	2017	6	3	2017	7	78	2017	8	45	2017	NA	NA	NA	10	1	2017	05501

Hacemos la unión de las frecuencias con los ingresos promedio comunales expandidos a nivel urbano:

ingresos_expandidos_2017 <- readRDS("ingresos_expandidos_17_urbano_nacional.rds")
df_2017_2 = merge( x = comuna_corr, y = ingresos_expandidos_2017, by = "código", all.x = TRUE)
tablamadre <- head(df_2017_2,50)
kbl(tablamadre) %>%
  kable_styling(bootstrap_options = c("striped", "hover")) %>%
  kable_paper() %>%
  scroll_box(width = "100%", height = "300px")

código	unlist.c..x	Freq.x	anio.x	unlist.c..y	Freq.y	anio.y	unlist.c..x.1	Freq.x.1	anio.x.1	unlist.c..y.1	Freq.y.1	anio.y.1	unlist.c..x.2	Freq.x.2	anio.x.2	unlist.c..y.2	Freq.y.2	anio.y.2	unlist.c..x.3	Freq.x.3	anio.x.3	unlist.c..y.3	Freq.y.3	anio.y.3	unlist.c..x.4	Freq.x.4	anio.x.4	unlist.c..y.4	Freq.y.4	anio.y.4	comuna.x	promedio_i	año	comuna.y	personas	Ingresos_expandidos	tipo
01101	1	37206	2017	2	22525	2017	3	18	2017	4	4478	2017	5	357	2017	6	38	2017	7	640	2017	8	236	2017	9	1	2017	10	1	2017	Iquique	356487.6	2017	1101	191468	68255976664	Urbano
01107	1	26357	2017	2	4142	2017	3	13	2017	4	445	2017	5	1750	2017	6	24	2017	7	348	2017	8	11	2017	NA	NA	NA	10	1	2017	Alto Hospicio	301933.4	2017	1107	108375	32722034397	Urbano
01401	1	2978	2017	2	3	2017	3	3	2017	4	209	2017	5	88	2017	6	2	2017	7	62	2017	8	22	2017	9	1	2017	NA	NA	NA	Pozo Almonte	299998.6	2017	1401	15711	4713278189	Urbano
01404	1	476	2017	2	1	2017	3	6	2017	4	6	2017	5	37	2017	NA	NA	NA	7	14	2017	8	3	2017	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
01405	1	1898	2017	2	5	2017	3	2	2017	4	26	2017	5	92	2017	6	1	2017	7	30	2017	8	13	2017	NA	NA	NA	NA	NA	NA	Pica	330061.1	2017	1405	9296	3068247619	Urbano
02101	1	79530	2017	2	27939	2017	3	26	2017	4	744	2017	5	2694	2017	6	38	2017	7	617	2017	8	164	2017	9	1	2017	10	1	2017	Antofagasta	347580.2	2017	2101	361873	125779893517	Urbano
02102	1	2708	2017	2	471	2017	3	1	2017	4	13	2017	5	178	2017	6	4	2017	7	31	2017	8	234	2017	9	1	2017	NA	NA	NA	Mejillones	369770.7	2017	2102	13467	4979702302	Urbano
02104	1	3731	2017	2	3	2017	3	2	2017	4	15	2017	5	94	2017	6	3	2017	7	37	2017	8	20	2017	9	1	2017	10	1	2017	Taltal	376328.9	2017	2104	13317	5011572025	Urbano
02201	1	46279	2017	2	3683	2017	3	27	2017	4	1585	2017	5	345	2017	6	16	2017	7	778	2017	8	332	2017	9	1	2017	10	1	2017	Calama	416281.1	2017	2201	165731	68990679686	Urbano
02203	1	1572	2017	2	2	2017	3	11	2017	4	145	2017	5	53	2017	NA	NA	NA	7	81	2017	8	115	2017	9	1	2017	10	1	2017	San Pedro de Atacama	437934.7	2017	2203	10996	4815529626	Urbano
02301	1	7808	2017	2	1110	2017	NA	NA	NA	4	33	2017	5	65	2017	6	11	2017	7	70	2017	8	48	2017	9	1	2017	10	1	2017	Tocopilla	271720.8	2017	2301	25186	6843559467	Urbano
02302	1	1656	2017	2	3	2017	3	1	2017	4	22	2017	5	4	2017	6	1	2017	7	22	2017	8	84	2017	NA	NA	NA	NA	NA	NA	María Elena	466266.9	2017	2302	6457	3010685220	Urbano
03101	1	44851	2017	2	6812	2017	3	5	2017	4	351	2017	5	1329	2017	6	35	2017	7	152	2017	8	106	2017	NA	NA	NA	10	1	2017	Copiapó	330574.6	2017	3101	153937	50887663717	Urbano
03102	1	6903	2017	2	52	2017	NA	NA	NA	4	31	2017	5	198	2017	6	33	2017	7	91	2017	8	33	2017	NA	NA	NA	10	1	2017	Caldera	299314.8	2017	3102	17662	5286498241	Urbano
03103	1	3114	2017	2	3	2017	3	1	2017	4	34	2017	5	89	2017	6	1	2017	7	9	2017	8	5	2017	NA	NA	NA	10	1	2017	Tierra Amarilla	315860.6	2017	3103	14019	4428049932	Urbano
03201	1	4066	2017	2	74	2017	NA	NA	NA	4	5	2017	5	66	2017	6	1	2017	7	12	2017	8	28	2017	NA	NA	NA	NA	NA	NA	Chañaral	286389.3	2017	3201	12219	3499391196	Urbano
03202	1	5549	2017	2	510	2017	NA	NA	NA	4	23	2017	5	14	2017	6	1	2017	7	23	2017	8	96	2017	NA	NA	NA	NA	NA	NA	Diego de Almagro	325861.5	2017	3202	13925	4537621312	Urbano
03301	1	15367	2017	2	511	2017	3	10	2017	4	62	2017	5	133	2017	6	14	2017	7	66	2017	8	53	2017	9	1	2017	10	1	2017	Vallenar	311577.0	2017	3301	51917	16176145007	Urbano
03303	1	1689	2017	NA	NA	NA	NA	NA	NA	NA	NA	NA	5	54	2017	NA	NA	NA	7	7	2017	8	8	2017	NA	NA	NA	NA	NA	NA	Freirina	289049.9	2017	3303	7041	2035200054	Urbano
03304	1	3417	2017	2	187	2017	3	2	2017	4	7	2017	5	102	2017	6	3	2017	7	24	2017	8	24	2017	9	1	2017	10	1	2017	Huasco	337414.8	2017	3304	10149	3424422750	Urbano
04101	1	60391	2017	2	17590	2017	3	4	2017	4	166	2017	5	144	2017	6	31	2017	7	281	2017	8	180	2017	NA	NA	NA	10	1	2017	La Serena	272136.8	2017	4101	221054	60156924947	Urbano
04102	1	71679	2017	2	9190	2017	3	8	2017	4	277	2017	5	403	2017	6	13	2017	7	337	2017	8	156	2017	9	1	2017	10	1	2017	Coquimbo	264340.0	2017	4102	227730	60198159091	Urbano
04103	1	3690	2017	2	24	2017	3	1	2017	4	11	2017	5	39	2017	NA	NA	NA	7	27	2017	8	15	2017	NA	NA	NA	NA	NA	NA	Andacollo	251267.7	2017	4103	11044	2775000288	Urbano
04104	1	548	2017	NA	NA	NA	NA	NA	NA	4	3	2017	5	3	2017	NA	NA	NA	7	1	2017	8	2	2017	NA	NA	NA	NA	NA	NA	La Higuera	214257.0	2017	4104	4241	908664019	Urbano
04106	1	6048	2017	2	58	2017	3	1	2017	4	14	2017	5	43	2017	6	3	2017	7	12	2017	8	23	2017	NA	NA	NA	NA	NA	NA	Vicuña	245957.4	2017	4106	27771	6830481918	Urbano
04201	1	7404	2017	2	212	2017	3	1	2017	4	39	2017	5	157	2017	6	12	2017	7	42	2017	8	24	2017	NA	NA	NA	NA	NA	NA	Illapel	270316.5	2017	4201	30848	8338722128	Urbano
04202	1	970	2017	NA	NA	NA	NA	NA	NA	4	4	2017	5	23	2017	6	1	2017	7	5	2017	8	6	2017	NA	NA	NA	NA	NA	NA	Canela	233397.3	2017	4202	9093	2122281844	Urbano
04203	1	10338	2017	2	10	2017	3	1	2017	4	22	2017	5	102	2017	6	2	2017	7	40	2017	8	46	2017	NA	NA	NA	10	1	2017	Los Vilos	282415.6	2017	4203	21382	6038609501	Urbano
04204	1	5669	2017	2	132	2017	NA	NA	NA	4	16	2017	5	113	2017	6	14	2017	7	31	2017	8	69	2017	NA	NA	NA	10	1	2017	Salamanca	262056.9	2017	4204	29347	7690585032	Urbano
04301	1	28797	2017	2	1575	2017	3	2	2017	4	127	2017	5	279	2017	6	18	2017	7	137	2017	8	44	2017	9	1	2017	10	1	2017	Ovalle	274771.4	2017	4301	111272	30574361012	Urbano
04302	1	2598	2017	2	1	2017	NA	NA	NA	4	5	2017	5	21	2017	6	3	2017	7	12	2017	8	15	2017	NA	NA	NA	NA	NA	NA	Combarbalá	228990.4	2017	4302	13322	3050610572	Urbano
04303	1	5313	2017	NA	NA	NA	NA	NA	NA	4	25	2017	5	159	2017	NA	NA	NA	7	15	2017	8	7	2017	NA	NA	NA	NA	NA	NA	Monte Patria	225369.1	2017	4303	30751	6930326684	Urbano
04304	1	2359	2017	2	1	2017	NA	NA	NA	4	5	2017	5	47	2017	6	8	2017	7	5	2017	8	4	2017	NA	NA	NA	10	1	2017	Punitaqui	212496.1	2017	4304	10956	2328107498	Urbano
05101	1	82486	2017	2	30689	2017	3	17	2017	4	714	2017	5	1181	2017	6	24	2017	7	500	2017	8	359	2017	9	1	2017	10	1	2017	Valparaíso	297929.0	2017	5101	296655	88382118059	Urbano
05102	1	5268	2017	2	890	2017	NA	NA	NA	4	28	2017	5	39	2017	6	5	2017	7	16	2017	8	10	2017	NA	NA	NA	10	1	2017	Casablanca	341641.8	2017	5102	26867	9178890241	Urbano
05103	1	10396	2017	2	8548	2017	3	4	2017	4	45	2017	5	91	2017	6	1	2017	7	121	2017	8	22	2017	NA	NA	NA	NA	NA	NA	Concón	318496.3	2017	5103	42152	13425257057	Urbano
05105	1	13424	2017	2	1759	2017	NA	NA	NA	4	15	2017	5	168	2017	6	4	2017	7	146	2017	8	15	2017	NA	NA	NA	10	1	2017	Puchuncaví	296035.5	2017	5105	18546	5490274928	Urbano
05107	1	13280	2017	2	1315	2017	3	2	2017	4	43	2017	5	189	2017	6	11	2017	7	89	2017	8	23	2017	9	1	2017	10	1	2017	Quintero	308224.7	2017	5107	31923	9839456903	Urbano
05109	1	77662	2017	2	67357	2017	3	18	2017	4	327	2017	5	1024	2017	6	5	2017	7	451	2017	8	273	2017	9	1	2017	10	1	2017	Viña del Mar	337006.1	2017	5109	334248	112643604611	Urbano
05201	1	2586	2017	2	1	2017	3	31	2017	4	18	2017	5	23	2017	6	4	2017	7	60	2017	8	112	2017	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
05301	1	18093	2017	2	3763	2017	3	1	2017	4	86	2017	5	56	2017	6	14	2017	7	56	2017	8	61	2017	9	1	2017	10	1	2017	Los Andes	339720.2	2017	5301	66708	22662055502	Urbano
05302	1	3844	2017	NA	NA	NA	NA	NA	NA	4	13	2017	5	52	2017	NA	NA	NA	7	12	2017	8	4	2017	NA	NA	NA	NA	NA	NA	Calle Larga	246387.3	2017	5302	14832	3654416747	Urbano
05303	1	2748	2017	NA	NA	NA	NA	NA	NA	4	6	2017	5	36	2017	6	2	2017	7	4	2017	8	6	2017	NA	NA	NA	NA	NA	NA	Rinconada	273904.7	2017	5303	10207	2795744821	Urbano
05304	1	4005	2017	2	1	2017	NA	NA	NA	4	15	2017	5	21	2017	NA	NA	NA	7	6	2017	8	3	2017	NA	NA	NA	NA	NA	NA	San Esteban	219571.6	2017	5304	18855	4140022481	Urbano
05401	1	8627	2017	2	1261	2017	NA	NA	NA	4	24	2017	5	84	2017	6	5	2017	7	24	2017	8	11	2017	9	1	2017	10	1	2017	La Ligua	250134.4	2017	5401	35390	8852256241	Urbano
05402	1	3906	2017	2	312	2017	NA	NA	NA	4	20	2017	5	45	2017	NA	NA	NA	7	18	2017	8	10	2017	NA	NA	NA	NA	NA	NA	Cabildo	262745.9	2017	5402	19388	5094117762	Urbano
05403	1	3064	2017	2	2278	2017	NA	NA	NA	4	2	2017	5	31	2017	NA	NA	NA	7	10	2017	8	8	2017	NA	NA	NA	NA	NA	NA	Papudo	294355.2	2017	5403	6356	1870921373	Urbano
05404	1	1747	2017	2	1	2017	NA	NA	NA	4	7	2017	5	34	2017	NA	NA	NA	7	9	2017	8	11	2017	NA	NA	NA	NA	NA	NA	Petorca	237510.8	2017	5404	9826	2333781007	Urbano
05405	1	4423	2017	2	681	2017	NA	NA	NA	4	5	2017	5	23	2017	6	4	2017	7	18	2017	8	7	2017	NA	NA	NA	NA	NA	NA	Zapallar	294389.2	2017	5405	7339	2160521991	Urbano
05501	1	24824	2017	2	3435	2017	3	3	2017	4	57	2017	5	149	2017	6	3	2017	7	78	2017	8	45	2017	NA	NA	NA	10	1	2017	Quillota	286029.5	2017	5501	90517	25890529852	Urbano

2.1.3 Correlaciones

1 Casa

dat1 <- data.frame(df_2017_2$Freq.x, df_2017_2$Ingresos_expandidos)
chart.Correlation(dat1)

2 Departamento en edificio

dat1 <- data.frame(df_2017_2$Freq.y, df_2017_2$Ingresos_expandidos)
chart.Correlation(dat1)

3 Vivienda tradicional indígena (ruka, pae pae u otras)

dat1 <- data.frame(df_2017_2$Freq.x.1, df_2017_2$Ingresos_expandidos)
chart.Correlation(dat1)

4 Pieza en casa antigua o en conventillo

dat1 <- data.frame(df_2017_2$Freq.y.1, df_2017_2$Ingresos_expandidos)
chart.Correlation(dat1)

5 Mediagua, mejora, rancho o choza

dat1 <- data.frame(df_2017_2$Freq.x.2, df_2017_2$Ingresos_expandidos)
chart.Correlation(dat1)

6 Móvil (carpa, casa rodante o similar)

dat1 <- data.frame(df_2017_2$Freq.y.2, df_2017_2$Ingresos_expandidos)
chart.Correlation(dat1)

7 Otro tipo de vivienda particular

dat1 <- data.frame(df_2017_2$Freq.x.3, df_2017_2$Ingresos_expandidos)
chart.Correlation(dat1)

8 Vivienda colectiva

dat1 <- data.frame(df_2017_2$Freq.y.3, df_2017_2$Ingresos_expandidos)
chart.Correlation(dat1)

9 Operativo personas en tránsito (no es vivienda)

# dat1 <- data.frame(df_2017_2$Freq.x.4, df_2017_2$Ingresos_expandidos)
# chart.Correlation(dat1)

10 Operativo calle (no es vivienda)

# dat1 <- data.frame(df_2017_2$Freq.y.4, df_2017_2$Ingresos_expandidos)
# chart.Correlation(dat1)

2.2 Construcción de la tabla con frecuencias de respuesta por categoría P03B

2.2.1 Pregunta P03B: Material en la cubierta del techo

1 Tejas o tejuelas de arcilla, metálicas, de cemento, de madera, asfálticas o plásticas
2 Losa hormigón
3 Planchas metálicas de zinc, cobre, etc. o fibrocemento (tipo pizarreño)
4 Fonolita o plancha de fieltro embreado
5 Paja, coirón, totora o caña
6 Materiales precarios (lata, cartón, plásticos, etc.)
7 Sin cubierta sólida de techo
98 No aplica
99 Missing

2.2.2 Cálculo de frecuencias

b <- tabla_con_clave$COMUNA
c <- tabla_con_clave$P03B
cross_tab =  xtabs( ~ unlist(b) + unlist(c))
tabla <- as.data.frame(cross_tab)
d <-tabla[!(tabla$Freq == 0),]
d$anio <- "2017"

d_t <- filter(d,d$unlist.c. == 1)
for(i in 2:7){
  d_i <- filter(d,d$unlist.c. == i)
  d_t = merge( x = d_t, y = d_i, by = "unlist.b.", all.x = TRUE)
}

tablamadre <- head(d_t,50)
kbl(tablamadre) %>%
  kable_styling(bootstrap_options = c("striped", "hover")) %>%
  kable_paper() %>%
  scroll_box(width = "100%", height = "300px")

unlist.b.	unlist.c..x	Freq.x	anio.x	unlist.c..y	Freq.y	anio.y	unlist.c..x	Freq.x	anio.x	unlist.c..y	Freq.y	anio.y	unlist.c..x	Freq.x	anio.x	unlist.c..y	Freq.y	anio.y	unlist.c.	Freq	anio
1101	1	15377	2017	2	17254	2017	3	20590	2017	4	633	2017	5	42	2017	6	543	2017	7	172	2017
1107	1	7455	2017	2	7667	2017	3	11760	2017	4	344	2017	5	18	2017	6	726	2017	7	183	2017
1401	1	612	2017	2	61	2017	3	1944	2017	4	44	2017	5	3	2017	6	44	2017	7	16	2017
1404	1	109	2017	2	5	2017	3	215	2017	4	8	2017	5	3	2017	6	9	2017	7	1	2017
1405	1	303	2017	2	36	2017	3	857	2017	4	15	2017	5	30	2017	6	25	2017	7	2	2017
2101	1	28170	2017	2	30642	2017	3	37052	2017	4	665	2017	5	20	2017	6	672	2017	7	133	2017
2102	1	707	2017	2	596	2017	3	1529	2017	4	32	2017	5	1	2017	6	23	2017	7	6	2017
2104	1	638	2017	2	72	2017	3	2388	2017	4	15	2017	NA	NA	NA	6	30	2017	7	13	2017
2201	1	14960	2017	2	3786	2017	3	24947	2017	4	394	2017	5	11	2017	6	596	2017	7	100	2017
2203	1	188	2017	2	8	2017	3	1224	2017	4	12	2017	5	44	2017	6	33	2017	7	1	2017
2301	1	2380	2017	2	906	2017	3	4059	2017	4	74	2017	NA	NA	NA	6	81	2017	7	29	2017
2302	1	398	2017	2	3	2017	3	925	2017	4	1	2017	NA	NA	NA	6	18	2017	7	3	2017
3101	1	7882	2017	2	3656	2017	3	32229	2017	4	206	2017	5	19	2017	6	204	2017	7	38	2017
3102	1	907	2017	2	73	2017	3	3751	2017	4	24	2017	5	10	2017	6	18	2017	7	9	2017
3103	1	221	2017	2	4	2017	3	2602	2017	4	11	2017	5	6	2017	6	4	2017	7	4	2017
3201	1	215	2017	2	68	2017	3	2903	2017	4	30	2017	5	2	2017	6	33	2017	7	4	2017
3202	1	614	2017	2	670	2017	3	2910	2017	4	3	2017	5	1	2017	6	17	2017	7	5	2017
3301	1	4375	2017	2	315	2017	3	8802	2017	4	83	2017	5	8	2017	6	114	2017	7	23	2017
3303	1	244	2017	2	3	2017	3	1116	2017	4	3	2017	NA	NA	NA	6	6	2017	7	1	2017
3304	1	476	2017	2	48	2017	3	2250	2017	4	26	2017	NA	NA	NA	6	13	2017	7	5	2017
4101	1	21870	2017	2	6787	2017	3	32337	2017	4	232	2017	5	5	2017	6	111	2017	7	33	2017
4102	1	18658	2017	2	3363	2017	3	40546	2017	4	358	2017	5	6	2017	6	150	2017	7	41	2017
4103	1	393	2017	2	2	2017	3	2611	2017	4	26	2017	5	1	2017	6	6	2017	7	3	2017
4104	1	58	2017	NA	NA	NA	3	323	2017	4	3	2017	NA	NA	NA	6	8	2017	NA	NA	NA
4106	1	616	2017	2	18	2017	3	4680	2017	4	15	2017	5	2	2017	6	8	2017	7	2	2017
4201	1	478	2017	2	74	2017	3	6176	2017	4	14	2017	NA	NA	NA	6	14	2017	7	3	2017
4202	1	19	2017	2	4	2017	3	672	2017	4	1	2017	NA	NA	NA	6	1	2017	7	1	2017
4203	1	805	2017	2	11	2017	3	4908	2017	4	20	2017	NA	NA	NA	6	7	2017	7	2	2017
4204	1	499	2017	2	85	2017	3	4363	2017	4	10	2017	NA	NA	NA	6	13	2017	7	6	2017
4301	1	4774	2017	2	744	2017	3	20873	2017	4	134	2017	5	7	2017	6	70	2017	7	17	2017
4302	1	96	2017	2	1	2017	3	1982	2017	4	2	2017	NA	NA	NA	6	3	2017	7	1	2017
4303	1	299	2017	2	6	2017	3	4464	2017	4	13	2017	5	1	2017	6	12	2017	7	1	2017
4304	1	117	2017	2	5	2017	3	1766	2017	4	4	2017	NA	NA	NA	6	7	2017	7	3	2017
5101	1	19130	2017	2	13731	2017	3	60998	2017	4	257	2017	5	17	2017	6	2385	2017	7	85	2017
5102	1	855	2017	2	347	2017	3	4464	2017	4	17	2017	NA	NA	NA	6	27	2017	7	1	2017
5103	1	4150	2017	2	2588	2017	3	5977	2017	4	66	2017	5	2	2017	6	51	2017	7	2	2017
5105	1	1161	2017	2	54	2017	3	4111	2017	4	24	2017	5	1	2017	6	20	2017	7	6	2017
5107	1	1959	2017	2	471	2017	3	6209	2017	4	33	2017	5	2	2017	6	41	2017	7	12	2017
5109	1	23960	2017	2	29228	2017	3	60722	2017	4	259	2017	5	13	2017	6	1061	2017	7	96	2017
5201	1	224	2017	2	4	2017	3	2039	2017	4	7	2017	NA	NA	NA	6	15	2017	7	1	2017
5301	1	5043	2017	2	1231	2017	3	12847	2017	4	50	2017	5	6	2017	6	47	2017	7	19	2017
5302	1	728	2017	2	26	2017	3	2533	2017	4	22	2017	NA	NA	NA	6	10	2017	NA	NA	NA
5303	1	386	2017	2	7	2017	3	2086	2017	4	3	2017	NA	NA	NA	6	1	2017	7	1	2017
5304	1	709	2017	2	7	2017	3	2905	2017	4	10	2017	NA	NA	NA	6	2	2017	7	4	2017
5401	1	1223	2017	2	355	2017	3	6944	2017	4	14	2017	5	1	2017	6	17	2017	7	11	2017
5402	1	432	2017	2	85	2017	3	3263	2017	4	18	2017	NA	NA	NA	6	19	2017	7	3	2017
5403	1	241	2017	2	43	2017	3	1465	2017	4	2	2017	NA	NA	NA	6	4	2017	NA	NA	NA
5404	1	99	2017	2	1	2017	3	1320	2017	4	4	2017	5	1	2017	6	4	2017	NA	NA	NA
5405	1	321	2017	2	20	2017	3	1293	2017	4	11	2017	5	3	2017	6	9	2017	7	1	2017
5501	1	5492	2017	2	1290	2017	3	17994	2017	4	50	2017	5	2	2017	6	73	2017	7	5	2017

codigos <- d_t$
unlist.b.
rango <- seq(1:nrow(d_t))
cadena <- paste("0",codigos[rango], sep = "")
cadena <- substr(cadena,(nchar(cadena)[rango])-(4),6)
codigos <- as.data.frame(codigos)
cadena <- as.data.frame(cadena)
comuna_corr <- cbind(d_t,cadena)
comuna_corr <- comuna_corr[,-c(1),drop=FALSE]

names(comuna_corr)[22] <- "código" 
tablamadre <- head(comuna_corr,50)
kbl(tablamadre) %>%
  kable_styling(bootstrap_options = c("striped", "hover")) %>%
  kable_paper() %>%
  scroll_box(width = "100%", height = "300px")

unlist.c..x	Freq.x	anio.x	unlist.c..y	Freq.y	anio.y	unlist.c..x.1	Freq.x.1	anio.x.1	unlist.c..y.1	Freq.y.1	anio.y.1	unlist.c..x.2	Freq.x.2	anio.x.2	unlist.c..y.2	Freq.y.2	anio.y.2	unlist.c.	Freq	anio	código
1	15377	2017	2	17254	2017	3	20590	2017	4	633	2017	5	42	2017	6	543	2017	7	172	2017	01101
1	7455	2017	2	7667	2017	3	11760	2017	4	344	2017	5	18	2017	6	726	2017	7	183	2017	01107
1	612	2017	2	61	2017	3	1944	2017	4	44	2017	5	3	2017	6	44	2017	7	16	2017	01401
1	109	2017	2	5	2017	3	215	2017	4	8	2017	5	3	2017	6	9	2017	7	1	2017	01404
1	303	2017	2	36	2017	3	857	2017	4	15	2017	5	30	2017	6	25	2017	7	2	2017	01405
1	28170	2017	2	30642	2017	3	37052	2017	4	665	2017	5	20	2017	6	672	2017	7	133	2017	02101
1	707	2017	2	596	2017	3	1529	2017	4	32	2017	5	1	2017	6	23	2017	7	6	2017	02102
1	638	2017	2	72	2017	3	2388	2017	4	15	2017	NA	NA	NA	6	30	2017	7	13	2017	02104
1	14960	2017	2	3786	2017	3	24947	2017	4	394	2017	5	11	2017	6	596	2017	7	100	2017	02201
1	188	2017	2	8	2017	3	1224	2017	4	12	2017	5	44	2017	6	33	2017	7	1	2017	02203
1	2380	2017	2	906	2017	3	4059	2017	4	74	2017	NA	NA	NA	6	81	2017	7	29	2017	02301
1	398	2017	2	3	2017	3	925	2017	4	1	2017	NA	NA	NA	6	18	2017	7	3	2017	02302
1	7882	2017	2	3656	2017	3	32229	2017	4	206	2017	5	19	2017	6	204	2017	7	38	2017	03101
1	907	2017	2	73	2017	3	3751	2017	4	24	2017	5	10	2017	6	18	2017	7	9	2017	03102
1	221	2017	2	4	2017	3	2602	2017	4	11	2017	5	6	2017	6	4	2017	7	4	2017	03103
1	215	2017	2	68	2017	3	2903	2017	4	30	2017	5	2	2017	6	33	2017	7	4	2017	03201
1	614	2017	2	670	2017	3	2910	2017	4	3	2017	5	1	2017	6	17	2017	7	5	2017	03202
1	4375	2017	2	315	2017	3	8802	2017	4	83	2017	5	8	2017	6	114	2017	7	23	2017	03301
1	244	2017	2	3	2017	3	1116	2017	4	3	2017	NA	NA	NA	6	6	2017	7	1	2017	03303
1	476	2017	2	48	2017	3	2250	2017	4	26	2017	NA	NA	NA	6	13	2017	7	5	2017	03304
1	21870	2017	2	6787	2017	3	32337	2017	4	232	2017	5	5	2017	6	111	2017	7	33	2017	04101
1	18658	2017	2	3363	2017	3	40546	2017	4	358	2017	5	6	2017	6	150	2017	7	41	2017	04102
1	393	2017	2	2	2017	3	2611	2017	4	26	2017	5	1	2017	6	6	2017	7	3	2017	04103
1	58	2017	NA	NA	NA	3	323	2017	4	3	2017	NA	NA	NA	6	8	2017	NA	NA	NA	04104
1	616	2017	2	18	2017	3	4680	2017	4	15	2017	5	2	2017	6	8	2017	7	2	2017	04106
1	478	2017	2	74	2017	3	6176	2017	4	14	2017	NA	NA	NA	6	14	2017	7	3	2017	04201
1	19	2017	2	4	2017	3	672	2017	4	1	2017	NA	NA	NA	6	1	2017	7	1	2017	04202
1	805	2017	2	11	2017	3	4908	2017	4	20	2017	NA	NA	NA	6	7	2017	7	2	2017	04203
1	499	2017	2	85	2017	3	4363	2017	4	10	2017	NA	NA	NA	6	13	2017	7	6	2017	04204
1	4774	2017	2	744	2017	3	20873	2017	4	134	2017	5	7	2017	6	70	2017	7	17	2017	04301
1	96	2017	2	1	2017	3	1982	2017	4	2	2017	NA	NA	NA	6	3	2017	7	1	2017	04302
1	299	2017	2	6	2017	3	4464	2017	4	13	2017	5	1	2017	6	12	2017	7	1	2017	04303
1	117	2017	2	5	2017	3	1766	2017	4	4	2017	NA	NA	NA	6	7	2017	7	3	2017	04304
1	19130	2017	2	13731	2017	3	60998	2017	4	257	2017	5	17	2017	6	2385	2017	7	85	2017	05101
1	855	2017	2	347	2017	3	4464	2017	4	17	2017	NA	NA	NA	6	27	2017	7	1	2017	05102
1	4150	2017	2	2588	2017	3	5977	2017	4	66	2017	5	2	2017	6	51	2017	7	2	2017	05103
1	1161	2017	2	54	2017	3	4111	2017	4	24	2017	5	1	2017	6	20	2017	7	6	2017	05105
1	1959	2017	2	471	2017	3	6209	2017	4	33	2017	5	2	2017	6	41	2017	7	12	2017	05107
1	23960	2017	2	29228	2017	3	60722	2017	4	259	2017	5	13	2017	6	1061	2017	7	96	2017	05109
1	224	2017	2	4	2017	3	2039	2017	4	7	2017	NA	NA	NA	6	15	2017	7	1	2017	05201
1	5043	2017	2	1231	2017	3	12847	2017	4	50	2017	5	6	2017	6	47	2017	7	19	2017	05301
1	728	2017	2	26	2017	3	2533	2017	4	22	2017	NA	NA	NA	6	10	2017	NA	NA	NA	05302
1	386	2017	2	7	2017	3	2086	2017	4	3	2017	NA	NA	NA	6	1	2017	7	1	2017	05303
1	709	2017	2	7	2017	3	2905	2017	4	10	2017	NA	NA	NA	6	2	2017	7	4	2017	05304
1	1223	2017	2	355	2017	3	6944	2017	4	14	2017	5	1	2017	6	17	2017	7	11	2017	05401
1	432	2017	2	85	2017	3	3263	2017	4	18	2017	NA	NA	NA	6	19	2017	7	3	2017	05402
1	241	2017	2	43	2017	3	1465	2017	4	2	2017	NA	NA	NA	6	4	2017	NA	NA	NA	05403
1	99	2017	2	1	2017	3	1320	2017	4	4	2017	5	1	2017	6	4	2017	NA	NA	NA	05404
1	321	2017	2	20	2017	3	1293	2017	4	11	2017	5	3	2017	6	9	2017	7	1	2017	05405
1	5492	2017	2	1290	2017	3	17994	2017	4	50	2017	5	2	2017	6	73	2017	7	5	2017	05501

Hacemos el merge con los ingresos comunales:

ingresos_expandidos_2017 <- readRDS("ingresos_expandidos_17_urbano_nacional.rds")
df_2017_2 = merge( x = comuna_corr, y = ingresos_expandidos_2017, by = "código", all.x = TRUE)
tablamadre <- head(df_2017_2,50)
kbl(tablamadre) %>%
  kable_styling(bootstrap_options = c("striped", "hover")) %>%
  kable_paper() %>%
  scroll_box(width = "100%", height = "300px")

código	unlist.c..x	Freq.x	anio.x	unlist.c..y	Freq.y	anio.y	unlist.c..x.1	Freq.x.1	anio.x.1	unlist.c..y.1	Freq.y.1	anio.y.1	unlist.c..x.2	Freq.x.2	anio.x.2	unlist.c..y.2	Freq.y.2	anio.y.2	unlist.c.	Freq	anio	comuna.x	promedio_i	año	comuna.y	personas	Ingresos_expandidos	tipo
01101	1	15377	2017	2	17254	2017	3	20590	2017	4	633	2017	5	42	2017	6	543	2017	7	172	2017	Iquique	356487.6	2017	1101	191468	68255976664	Urbano
01107	1	7455	2017	2	7667	2017	3	11760	2017	4	344	2017	5	18	2017	6	726	2017	7	183	2017	Alto Hospicio	301933.4	2017	1107	108375	32722034397	Urbano
01401	1	612	2017	2	61	2017	3	1944	2017	4	44	2017	5	3	2017	6	44	2017	7	16	2017	Pozo Almonte	299998.6	2017	1401	15711	4713278189	Urbano
01404	1	109	2017	2	5	2017	3	215	2017	4	8	2017	5	3	2017	6	9	2017	7	1	2017	NA	NA	NA	NA	NA	NA	NA
01405	1	303	2017	2	36	2017	3	857	2017	4	15	2017	5	30	2017	6	25	2017	7	2	2017	Pica	330061.1	2017	1405	9296	3068247619	Urbano
02101	1	28170	2017	2	30642	2017	3	37052	2017	4	665	2017	5	20	2017	6	672	2017	7	133	2017	Antofagasta	347580.2	2017	2101	361873	125779893517	Urbano
02102	1	707	2017	2	596	2017	3	1529	2017	4	32	2017	5	1	2017	6	23	2017	7	6	2017	Mejillones	369770.7	2017	2102	13467	4979702302	Urbano
02104	1	638	2017	2	72	2017	3	2388	2017	4	15	2017	NA	NA	NA	6	30	2017	7	13	2017	Taltal	376328.9	2017	2104	13317	5011572025	Urbano
02201	1	14960	2017	2	3786	2017	3	24947	2017	4	394	2017	5	11	2017	6	596	2017	7	100	2017	Calama	416281.1	2017	2201	165731	68990679686	Urbano
02203	1	188	2017	2	8	2017	3	1224	2017	4	12	2017	5	44	2017	6	33	2017	7	1	2017	San Pedro de Atacama	437934.7	2017	2203	10996	4815529626	Urbano
02301	1	2380	2017	2	906	2017	3	4059	2017	4	74	2017	NA	NA	NA	6	81	2017	7	29	2017	Tocopilla	271720.8	2017	2301	25186	6843559467	Urbano
02302	1	398	2017	2	3	2017	3	925	2017	4	1	2017	NA	NA	NA	6	18	2017	7	3	2017	María Elena	466266.9	2017	2302	6457	3010685220	Urbano
03101	1	7882	2017	2	3656	2017	3	32229	2017	4	206	2017	5	19	2017	6	204	2017	7	38	2017	Copiapó	330574.6	2017	3101	153937	50887663717	Urbano
03102	1	907	2017	2	73	2017	3	3751	2017	4	24	2017	5	10	2017	6	18	2017	7	9	2017	Caldera	299314.8	2017	3102	17662	5286498241	Urbano
03103	1	221	2017	2	4	2017	3	2602	2017	4	11	2017	5	6	2017	6	4	2017	7	4	2017	Tierra Amarilla	315860.6	2017	3103	14019	4428049932	Urbano
03201	1	215	2017	2	68	2017	3	2903	2017	4	30	2017	5	2	2017	6	33	2017	7	4	2017	Chañaral	286389.3	2017	3201	12219	3499391196	Urbano
03202	1	614	2017	2	670	2017	3	2910	2017	4	3	2017	5	1	2017	6	17	2017	7	5	2017	Diego de Almagro	325861.5	2017	3202	13925	4537621312	Urbano
03301	1	4375	2017	2	315	2017	3	8802	2017	4	83	2017	5	8	2017	6	114	2017	7	23	2017	Vallenar	311577.0	2017	3301	51917	16176145007	Urbano
03303	1	244	2017	2	3	2017	3	1116	2017	4	3	2017	NA	NA	NA	6	6	2017	7	1	2017	Freirina	289049.9	2017	3303	7041	2035200054	Urbano
03304	1	476	2017	2	48	2017	3	2250	2017	4	26	2017	NA	NA	NA	6	13	2017	7	5	2017	Huasco	337414.8	2017	3304	10149	3424422750	Urbano
04101	1	21870	2017	2	6787	2017	3	32337	2017	4	232	2017	5	5	2017	6	111	2017	7	33	2017	La Serena	272136.8	2017	4101	221054	60156924947	Urbano
04102	1	18658	2017	2	3363	2017	3	40546	2017	4	358	2017	5	6	2017	6	150	2017	7	41	2017	Coquimbo	264340.0	2017	4102	227730	60198159091	Urbano
04103	1	393	2017	2	2	2017	3	2611	2017	4	26	2017	5	1	2017	6	6	2017	7	3	2017	Andacollo	251267.7	2017	4103	11044	2775000288	Urbano
04104	1	58	2017	NA	NA	NA	3	323	2017	4	3	2017	NA	NA	NA	6	8	2017	NA	NA	NA	La Higuera	214257.0	2017	4104	4241	908664019	Urbano
04106	1	616	2017	2	18	2017	3	4680	2017	4	15	2017	5	2	2017	6	8	2017	7	2	2017	Vicuña	245957.4	2017	4106	27771	6830481918	Urbano
04201	1	478	2017	2	74	2017	3	6176	2017	4	14	2017	NA	NA	NA	6	14	2017	7	3	2017	Illapel	270316.5	2017	4201	30848	8338722128	Urbano
04202	1	19	2017	2	4	2017	3	672	2017	4	1	2017	NA	NA	NA	6	1	2017	7	1	2017	Canela	233397.3	2017	4202	9093	2122281844	Urbano
04203	1	805	2017	2	11	2017	3	4908	2017	4	20	2017	NA	NA	NA	6	7	2017	7	2	2017	Los Vilos	282415.6	2017	4203	21382	6038609501	Urbano
04204	1	499	2017	2	85	2017	3	4363	2017	4	10	2017	NA	NA	NA	6	13	2017	7	6	2017	Salamanca	262056.9	2017	4204	29347	7690585032	Urbano
04301	1	4774	2017	2	744	2017	3	20873	2017	4	134	2017	5	7	2017	6	70	2017	7	17	2017	Ovalle	274771.4	2017	4301	111272	30574361012	Urbano
04302	1	96	2017	2	1	2017	3	1982	2017	4	2	2017	NA	NA	NA	6	3	2017	7	1	2017	Combarbalá	228990.4	2017	4302	13322	3050610572	Urbano
04303	1	299	2017	2	6	2017	3	4464	2017	4	13	2017	5	1	2017	6	12	2017	7	1	2017	Monte Patria	225369.1	2017	4303	30751	6930326684	Urbano
04304	1	117	2017	2	5	2017	3	1766	2017	4	4	2017	NA	NA	NA	6	7	2017	7	3	2017	Punitaqui	212496.1	2017	4304	10956	2328107498	Urbano
05101	1	19130	2017	2	13731	2017	3	60998	2017	4	257	2017	5	17	2017	6	2385	2017	7	85	2017	Valparaíso	297929.0	2017	5101	296655	88382118059	Urbano
05102	1	855	2017	2	347	2017	3	4464	2017	4	17	2017	NA	NA	NA	6	27	2017	7	1	2017	Casablanca	341641.8	2017	5102	26867	9178890241	Urbano
05103	1	4150	2017	2	2588	2017	3	5977	2017	4	66	2017	5	2	2017	6	51	2017	7	2	2017	Concón	318496.3	2017	5103	42152	13425257057	Urbano
05105	1	1161	2017	2	54	2017	3	4111	2017	4	24	2017	5	1	2017	6	20	2017	7	6	2017	Puchuncaví	296035.5	2017	5105	18546	5490274928	Urbano
05107	1	1959	2017	2	471	2017	3	6209	2017	4	33	2017	5	2	2017	6	41	2017	7	12	2017	Quintero	308224.7	2017	5107	31923	9839456903	Urbano
05109	1	23960	2017	2	29228	2017	3	60722	2017	4	259	2017	5	13	2017	6	1061	2017	7	96	2017	Viña del Mar	337006.1	2017	5109	334248	112643604611	Urbano
05201	1	224	2017	2	4	2017	3	2039	2017	4	7	2017	NA	NA	NA	6	15	2017	7	1	2017	NA	NA	NA	NA	NA	NA	NA
05301	1	5043	2017	2	1231	2017	3	12847	2017	4	50	2017	5	6	2017	6	47	2017	7	19	2017	Los Andes	339720.2	2017	5301	66708	22662055502	Urbano
05302	1	728	2017	2	26	2017	3	2533	2017	4	22	2017	NA	NA	NA	6	10	2017	NA	NA	NA	Calle Larga	246387.3	2017	5302	14832	3654416747	Urbano
05303	1	386	2017	2	7	2017	3	2086	2017	4	3	2017	NA	NA	NA	6	1	2017	7	1	2017	Rinconada	273904.7	2017	5303	10207	2795744821	Urbano
05304	1	709	2017	2	7	2017	3	2905	2017	4	10	2017	NA	NA	NA	6	2	2017	7	4	2017	San Esteban	219571.6	2017	5304	18855	4140022481	Urbano
05401	1	1223	2017	2	355	2017	3	6944	2017	4	14	2017	5	1	2017	6	17	2017	7	11	2017	La Ligua	250134.4	2017	5401	35390	8852256241	Urbano
05402	1	432	2017	2	85	2017	3	3263	2017	4	18	2017	NA	NA	NA	6	19	2017	7	3	2017	Cabildo	262745.9	2017	5402	19388	5094117762	Urbano
05403	1	241	2017	2	43	2017	3	1465	2017	4	2	2017	NA	NA	NA	6	4	2017	NA	NA	NA	Papudo	294355.2	2017	5403	6356	1870921373	Urbano
05404	1	99	2017	2	1	2017	3	1320	2017	4	4	2017	5	1	2017	6	4	2017	NA	NA	NA	Petorca	237510.8	2017	5404	9826	2333781007	Urbano
05405	1	321	2017	2	20	2017	3	1293	2017	4	11	2017	5	3	2017	6	9	2017	7	1	2017	Zapallar	294389.2	2017	5405	7339	2160521991	Urbano
05501	1	5492	2017	2	1290	2017	3	17994	2017	4	50	2017	5	2	2017	6	73	2017	7	5	2017	Quillota	286029.5	2017	5501	90517	25890529852	Urbano

Correlacionamos:

1 Tejas o tejuelas de arcilla, metálicas, de cemento, de madera, asfálticas o plásticas

dat1 <- data.frame(df_2017_2$Freq.x, df_2017_2$Ingresos_expandidos)
chart.Correlation(dat1)

2 Losa hormigón

dat1 <- data.frame(df_2017_2$Freq.y, df_2017_2$Ingresos_expandidos)
chart.Correlation(dat1)

3 Planchas metálicas de zinc, cobre, etc. o fibrocemento (tipo pizarreño)

dat1 <- data.frame(df_2017_2$Freq.x.1, df_2017_2$Ingresos_expandidos)
chart.Correlation(dat1)

4 Fonolita o plancha de fieltro embreado

dat1 <- data.frame(df_2017_2$Freq.y.1, df_2017_2$Ingresos_expandidos)
chart.Correlation(dat1)

5 Paja, coirón, totora o caña

dat1 <- data.frame(df_2017_2$Freq.x.2, df_2017_2$Ingresos_expandidos)
chart.Correlation(dat1)

6 Materiales precarios (lata, cartón, plásticos, etc.)

dat1 <- data.frame(df_2017_2$Freq.y.2, df_2017_2$Ingresos_expandidos)
chart.Correlation(dat1)

7 Sin cubierta sólida de techo

dat1 <- data.frame(df_2017_2$Freq, df_2017_2$Ingresos_expandidos)
chart.Correlation(dat1)

2.3 Cálculo de correlaciones entre la frecuencia de la variable por población y los ingresos expandidos

2.3.1 P03B: Material en la cubierta del techo

Verifiquemos que nuestra tabla a correlacionar sea la correcta:

tablamadre <- head(df_2017_2,50)
kbl(tablamadre) %>%
  kable_styling(bootstrap_options = c("striped", "hover")) %>%
  kable_paper() %>%
  scroll_box(width = "100%", height = "300px")

código	unlist.c..x	Freq.x	anio.x	unlist.c..y	Freq.y	anio.y	unlist.c..x.1	Freq.x.1	anio.x.1	unlist.c..y.1	Freq.y.1	anio.y.1	unlist.c..x.2	Freq.x.2	anio.x.2	unlist.c..y.2	Freq.y.2	anio.y.2	unlist.c.	Freq	anio	comuna.x	promedio_i	año	comuna.y	personas	Ingresos_expandidos	tipo
01101	1	15377	2017	2	17254	2017	3	20590	2017	4	633	2017	5	42	2017	6	543	2017	7	172	2017	Iquique	356487.6	2017	1101	191468	68255976664	Urbano
01107	1	7455	2017	2	7667	2017	3	11760	2017	4	344	2017	5	18	2017	6	726	2017	7	183	2017	Alto Hospicio	301933.4	2017	1107	108375	32722034397	Urbano
01401	1	612	2017	2	61	2017	3	1944	2017	4	44	2017	5	3	2017	6	44	2017	7	16	2017	Pozo Almonte	299998.6	2017	1401	15711	4713278189	Urbano
01404	1	109	2017	2	5	2017	3	215	2017	4	8	2017	5	3	2017	6	9	2017	7	1	2017	NA	NA	NA	NA	NA	NA	NA
01405	1	303	2017	2	36	2017	3	857	2017	4	15	2017	5	30	2017	6	25	2017	7	2	2017	Pica	330061.1	2017	1405	9296	3068247619	Urbano
02101	1	28170	2017	2	30642	2017	3	37052	2017	4	665	2017	5	20	2017	6	672	2017	7	133	2017	Antofagasta	347580.2	2017	2101	361873	125779893517	Urbano
02102	1	707	2017	2	596	2017	3	1529	2017	4	32	2017	5	1	2017	6	23	2017	7	6	2017	Mejillones	369770.7	2017	2102	13467	4979702302	Urbano
02104	1	638	2017	2	72	2017	3	2388	2017	4	15	2017	NA	NA	NA	6	30	2017	7	13	2017	Taltal	376328.9	2017	2104	13317	5011572025	Urbano
02201	1	14960	2017	2	3786	2017	3	24947	2017	4	394	2017	5	11	2017	6	596	2017	7	100	2017	Calama	416281.1	2017	2201	165731	68990679686	Urbano
02203	1	188	2017	2	8	2017	3	1224	2017	4	12	2017	5	44	2017	6	33	2017	7	1	2017	San Pedro de Atacama	437934.7	2017	2203	10996	4815529626	Urbano
02301	1	2380	2017	2	906	2017	3	4059	2017	4	74	2017	NA	NA	NA	6	81	2017	7	29	2017	Tocopilla	271720.8	2017	2301	25186	6843559467	Urbano
02302	1	398	2017	2	3	2017	3	925	2017	4	1	2017	NA	NA	NA	6	18	2017	7	3	2017	María Elena	466266.9	2017	2302	6457	3010685220	Urbano
03101	1	7882	2017	2	3656	2017	3	32229	2017	4	206	2017	5	19	2017	6	204	2017	7	38	2017	Copiapó	330574.6	2017	3101	153937	50887663717	Urbano
03102	1	907	2017	2	73	2017	3	3751	2017	4	24	2017	5	10	2017	6	18	2017	7	9	2017	Caldera	299314.8	2017	3102	17662	5286498241	Urbano
03103	1	221	2017	2	4	2017	3	2602	2017	4	11	2017	5	6	2017	6	4	2017	7	4	2017	Tierra Amarilla	315860.6	2017	3103	14019	4428049932	Urbano
03201	1	215	2017	2	68	2017	3	2903	2017	4	30	2017	5	2	2017	6	33	2017	7	4	2017	Chañaral	286389.3	2017	3201	12219	3499391196	Urbano
03202	1	614	2017	2	670	2017	3	2910	2017	4	3	2017	5	1	2017	6	17	2017	7	5	2017	Diego de Almagro	325861.5	2017	3202	13925	4537621312	Urbano
03301	1	4375	2017	2	315	2017	3	8802	2017	4	83	2017	5	8	2017	6	114	2017	7	23	2017	Vallenar	311577.0	2017	3301	51917	16176145007	Urbano
03303	1	244	2017	2	3	2017	3	1116	2017	4	3	2017	NA	NA	NA	6	6	2017	7	1	2017	Freirina	289049.9	2017	3303	7041	2035200054	Urbano
03304	1	476	2017	2	48	2017	3	2250	2017	4	26	2017	NA	NA	NA	6	13	2017	7	5	2017	Huasco	337414.8	2017	3304	10149	3424422750	Urbano
04101	1	21870	2017	2	6787	2017	3	32337	2017	4	232	2017	5	5	2017	6	111	2017	7	33	2017	La Serena	272136.8	2017	4101	221054	60156924947	Urbano
04102	1	18658	2017	2	3363	2017	3	40546	2017	4	358	2017	5	6	2017	6	150	2017	7	41	2017	Coquimbo	264340.0	2017	4102	227730	60198159091	Urbano
04103	1	393	2017	2	2	2017	3	2611	2017	4	26	2017	5	1	2017	6	6	2017	7	3	2017	Andacollo	251267.7	2017	4103	11044	2775000288	Urbano
04104	1	58	2017	NA	NA	NA	3	323	2017	4	3	2017	NA	NA	NA	6	8	2017	NA	NA	NA	La Higuera	214257.0	2017	4104	4241	908664019	Urbano
04106	1	616	2017	2	18	2017	3	4680	2017	4	15	2017	5	2	2017	6	8	2017	7	2	2017	Vicuña	245957.4	2017	4106	27771	6830481918	Urbano
04201	1	478	2017	2	74	2017	3	6176	2017	4	14	2017	NA	NA	NA	6	14	2017	7	3	2017	Illapel	270316.5	2017	4201	30848	8338722128	Urbano
04202	1	19	2017	2	4	2017	3	672	2017	4	1	2017	NA	NA	NA	6	1	2017	7	1	2017	Canela	233397.3	2017	4202	9093	2122281844	Urbano
04203	1	805	2017	2	11	2017	3	4908	2017	4	20	2017	NA	NA	NA	6	7	2017	7	2	2017	Los Vilos	282415.6	2017	4203	21382	6038609501	Urbano
04204	1	499	2017	2	85	2017	3	4363	2017	4	10	2017	NA	NA	NA	6	13	2017	7	6	2017	Salamanca	262056.9	2017	4204	29347	7690585032	Urbano
04301	1	4774	2017	2	744	2017	3	20873	2017	4	134	2017	5	7	2017	6	70	2017	7	17	2017	Ovalle	274771.4	2017	4301	111272	30574361012	Urbano
04302	1	96	2017	2	1	2017	3	1982	2017	4	2	2017	NA	NA	NA	6	3	2017	7	1	2017	Combarbalá	228990.4	2017	4302	13322	3050610572	Urbano
04303	1	299	2017	2	6	2017	3	4464	2017	4	13	2017	5	1	2017	6	12	2017	7	1	2017	Monte Patria	225369.1	2017	4303	30751	6930326684	Urbano
04304	1	117	2017	2	5	2017	3	1766	2017	4	4	2017	NA	NA	NA	6	7	2017	7	3	2017	Punitaqui	212496.1	2017	4304	10956	2328107498	Urbano
05101	1	19130	2017	2	13731	2017	3	60998	2017	4	257	2017	5	17	2017	6	2385	2017	7	85	2017	Valparaíso	297929.0	2017	5101	296655	88382118059	Urbano
05102	1	855	2017	2	347	2017	3	4464	2017	4	17	2017	NA	NA	NA	6	27	2017	7	1	2017	Casablanca	341641.8	2017	5102	26867	9178890241	Urbano
05103	1	4150	2017	2	2588	2017	3	5977	2017	4	66	2017	5	2	2017	6	51	2017	7	2	2017	Concón	318496.3	2017	5103	42152	13425257057	Urbano
05105	1	1161	2017	2	54	2017	3	4111	2017	4	24	2017	5	1	2017	6	20	2017	7	6	2017	Puchuncaví	296035.5	2017	5105	18546	5490274928	Urbano
05107	1	1959	2017	2	471	2017	3	6209	2017	4	33	2017	5	2	2017	6	41	2017	7	12	2017	Quintero	308224.7	2017	5107	31923	9839456903	Urbano
05109	1	23960	2017	2	29228	2017	3	60722	2017	4	259	2017	5	13	2017	6	1061	2017	7	96	2017	Viña del Mar	337006.1	2017	5109	334248	112643604611	Urbano
05201	1	224	2017	2	4	2017	3	2039	2017	4	7	2017	NA	NA	NA	6	15	2017	7	1	2017	NA	NA	NA	NA	NA	NA	NA
05301	1	5043	2017	2	1231	2017	3	12847	2017	4	50	2017	5	6	2017	6	47	2017	7	19	2017	Los Andes	339720.2	2017	5301	66708	22662055502	Urbano
05302	1	728	2017	2	26	2017	3	2533	2017	4	22	2017	NA	NA	NA	6	10	2017	NA	NA	NA	Calle Larga	246387.3	2017	5302	14832	3654416747	Urbano
05303	1	386	2017	2	7	2017	3	2086	2017	4	3	2017	NA	NA	NA	6	1	2017	7	1	2017	Rinconada	273904.7	2017	5303	10207	2795744821	Urbano
05304	1	709	2017	2	7	2017	3	2905	2017	4	10	2017	NA	NA	NA	6	2	2017	7	4	2017	San Esteban	219571.6	2017	5304	18855	4140022481	Urbano
05401	1	1223	2017	2	355	2017	3	6944	2017	4	14	2017	5	1	2017	6	17	2017	7	11	2017	La Ligua	250134.4	2017	5401	35390	8852256241	Urbano
05402	1	432	2017	2	85	2017	3	3263	2017	4	18	2017	NA	NA	NA	6	19	2017	7	3	2017	Cabildo	262745.9	2017	5402	19388	5094117762	Urbano
05403	1	241	2017	2	43	2017	3	1465	2017	4	2	2017	NA	NA	NA	6	4	2017	NA	NA	NA	Papudo	294355.2	2017	5403	6356	1870921373	Urbano
05404	1	99	2017	2	1	2017	3	1320	2017	4	4	2017	5	1	2017	6	4	2017	NA	NA	NA	Petorca	237510.8	2017	5404	9826	2333781007	Urbano
05405	1	321	2017	2	20	2017	3	1293	2017	4	11	2017	5	3	2017	6	9	2017	7	1	2017	Zapallar	294389.2	2017	5405	7339	2160521991	Urbano
05501	1	5492	2017	2	1290	2017	3	17994	2017	4	50	2017	5	2	2017	6	73	2017	7	5	2017	Quillota	286029.5	2017	5501	90517	25890529852	Urbano

Correlacionamos entre:

\[ \frac{Freq.x}{personas} \ e \ Ingresos\_expandidos \]

1 Tejas o tejuelas de arcilla, metálicas, de cemento, de madera, asfálticas o plásticas

dat1 <- data.frame(df_2017_2$Freq.x/df_2017_2$personas, df_2017_2$Ingresos_expandidos)
chart.Correlation(dat1)

2 Losa hormigón

dat1 <- data.frame(df_2017_2$Freq.y/df_2017_2$personas, df_2017_2$Ingresos_expandidos)
chart.Correlation(dat1)

3 Planchas metálicas de zinc, cobre, etc. o fibrocemento (tipo pizarreño)

dat1 <- data.frame(df_2017_2$Freq.x.1/df_2017_2$personas, df_2017_2$Ingresos_expandidos)
chart.Correlation(dat1)

4 Fonolita o plancha de fieltro embreado

dat1 <- data.frame(df_2017_2$Freq.y.1/df_2017_2$personas, df_2017_2$Ingresos_expandidos)
chart.Correlation(dat1)

5 Paja, coirón, totora o caña

dat1 <- data.frame(df_2017_2$Freq.x.2/df_2017_2$personas, df_2017_2$Ingresos_expandidos)
chart.Correlation(dat1)

6 Materiales precarios (lata, cartón, plásticos, etc.)

dat1 <- data.frame(df_2017_2$Freq.y.2/df_2017_2$personas, df_2017_2$Ingresos_expandidos)
chart.Correlation(dat1)

7 Sin cubierta sólida de techo

dat1 <- data.frame(df_2017_2$Freq/df_2017_2$personas, df_2017_2$Ingresos_expandidos)
chart.Correlation(dat1)

3 Variable CENSO

Necesitamos calcular las frecuencias a nivel censal de las respuestas correspondientes a la categoría: “tejas o tejuelas de arcilla, metálicas, de cemento, de madera, asfálticas o plásticas” del campo P03B del Censo de viviendas. Recordemos que ésta fué la más alta correlación en relación a los ingresos expandidos (ver punto 1.2 aquí).

3.1 Lectura y filtrado de la tabla censal de viviendas

Leemos la tabla Casen 2017 de viviendas que ya tiene integrada la clave zonal:

Filtramos por área = 1 -URBANO-

tabla_con_clave <- readRDS("../censo_viviendas_con_clave_17.rds")
tabla_con_clave <- filter(tabla_con_clave, tabla_con_clave$AREA == 1)
r3_100 <- tabla_con_clave[c(1:100),]
kbl(r3_100) %>%
  kable_styling(bootstrap_options = c("striped", "hover")) %>%
  kable_paper() %>%
  scroll_box(width = "100%", height = "300px")

REGION	PROVINCIA	COMUNA	DC	AREA	ZC_LOC	ID_ZONA_LOC	NVIV	P01	P02	P03A	P03B	P03C	P04	P05	CANT_HOG	CANT_PER	REGION_15R	PROVINCIA_15R	COMUNA_15R	clave
15	152	15201	1	1	1	1767	1	1	1	2	1	3	2	1	1	1	15	152	15201	15201011001
15	152	15201	1	1	1	1767	2	1	2	98	98	98	98	98	0	0	15	152	15201	15201011001
15	152	15201	1	1	1	1767	3	1	3	98	98	98	98	98	0	0	15	152	15201	15201011001
15	152	15201	1	1	1	1767	4	1	1	2	3	1	99	1	2	3	15	152	15201	15201011001
15	152	15201	1	1	1	1767	5	1	3	98	98	98	98	98	0	0	15	152	15201	15201011001
15	152	15201	1	1	1	1767	6	1	2	98	98	98	98	98	0	0	15	152	15201	15201011001
15	152	15201	1	1	1	1767	7	5	2	98	98	98	98	98	0	0	15	152	15201	15201011001
15	152	15201	1	1	1	1767	8	1	1	3	3	1	99	1	1	4	15	152	15201	15201011001
15	152	15201	1	1	1	1767	9	1	3	98	98	98	98	98	0	0	15	152	15201	15201011001
15	152	15201	1	1	1	1767	10	1	2	98	98	98	98	98	0	0	15	152	15201	15201011001
15	152	15201	1	1	1	1767	11	1	4	98	98	98	98	98	0	0	15	152	15201	15201011001
15	152	15201	1	1	1	1767	12	1	1	4	3	3	3	4	1	1	15	152	15201	15201011001
15	152	15201	1	1	1	1767	13	1	3	98	98	98	98	98	0	0	15	152	15201	15201011001
15	152	15201	1	1	1	1767	14	1	1	2	3	1	2	1	1	1	15	152	15201	15201011001
15	152	15201	1	1	1	1767	15	1	1	2	1	1	1	1	1	2	15	152	15201	15201011001
15	152	15201	1	1	1	1767	16	1	1	5	1	5	2	1	1	2	15	152	15201	15201011001
15	152	15201	1	1	1	1767	17	1	1	5	3	1	3	1	1	1	15	152	15201	15201011001
15	152	15201	1	1	1	1767	18	1	3	98	98	98	98	98	0	0	15	152	15201	15201011001
15	152	15201	1	1	1	1767	19	1	4	98	98	98	98	98	0	0	15	152	15201	15201011001
15	152	15201	1	1	1	1767	20	1	4	98	98	98	98	98	0	0	15	152	15201	15201011001
15	152	15201	1	1	1	1767	21	4	2	98	98	98	98	98	0	0	15	152	15201	15201011001
15	152	15201	1	1	1	1767	22	1	3	98	98	98	98	98	0	0	15	152	15201	15201011001
15	152	15201	1	1	1	1767	23	1	1	5	3	1	2	1	1	1	15	152	15201	15201011001
15	152	15201	1	1	1	1767	24	1	1	3	1	1	6	1	1	4	15	152	15201	15201011001
15	152	15201	1	1	1	1767	25	1	1	5	6	1	1	4	2	4	15	152	15201	15201011001
15	152	15201	1	1	1	1767	26	4	3	98	98	98	98	98	0	0	15	152	15201	15201011001
15	152	15201	1	1	1	1767	27	1	1	5	99	3	3	1	1	4	15	152	15201	15201011001
15	152	15201	1	1	1	1767	28	1	1	6	3	2	1	1	1	3	15	152	15201	15201011001
15	152	15201	1	1	1	1767	29	1	1	2	3	1	99	1	1	2	15	152	15201	15201011001
15	152	15201	1	1	1	1767	30	1	2	98	98	98	98	98	0	0	15	152	15201	15201011001
15	152	15201	1	1	1	1767	31	1	1	2	3	1	1	1	1	1	15	152	15201	15201011001
15	152	15201	1	1	1	1767	32	1	1	3	1	1	2	1	1	6	15	152	15201	15201011001
15	152	15201	1	1	1	1767	33	8	1	98	98	98	98	98	98	8	15	152	15201	15201011001
15	152	15201	1	1	1	1767	34	3	4	98	98	98	98	98	0	0	15	152	15201	15201011001
15	152	15201	1	1	1	1767	35	1	2	98	98	98	98	98	0	0	15	152	15201	15201011001
15	152	15201	1	1	1	1767	36	1	3	98	98	98	98	98	0	0	15	152	15201	15201011001
15	152	15201	1	1	1	1767	37	1	1	5	3	3	1	1	1	4	15	152	15201	15201011001
15	152	15201	1	1	1	1767	38	1	1	1	1	4	2	1	1	1	15	152	15201	15201011001
15	152	15201	1	1	1	1767	39	1	1	5	3	4	3	1	1	7	15	152	15201	15201011001
15	152	15201	1	1	1	1767	40	1	1	5	3	2	1	1	1	7	15	152	15201	15201011001
15	152	15201	1	1	1	1767	41	1	2	98	98	98	98	98	0	0	15	152	15201	15201011001
15	152	15201	1	1	1	1767	42	1	1	2	3	1	2	1	1	2	15	152	15201	15201011001
15	152	15201	1	1	1	1767	43	1	1	1	1	1	2	1	1	1	15	152	15201	15201011001
15	152	15201	1	1	1	1767	44	1	1	2	3	1	1	1	1	1	15	152	15201	15201011001
15	152	15201	1	1	1	1767	45	1	3	98	98	98	98	98	0	0	15	152	15201	15201011001
15	152	15201	1	1	1	1767	46	1	1	5	6	1	1	1	1	2	15	152	15201	15201011001
15	152	15201	1	1	1	1767	47	1	1	5	3	4	0	1	1	3	15	152	15201	15201011001
15	152	15201	1	1	1	1767	48	1	1	3	3	1	1	1	1	1	15	152	15201	15201011001
15	152	15201	1	1	1	1767	49	1	2	98	98	98	98	98	0	0	15	152	15201	15201011001
15	152	15201	1	1	1	1767	50	1	2	98	98	98	98	98	0	0	15	152	15201	15201011001
15	152	15201	1	1	1	1767	51	1	3	98	98	98	98	98	0	0	15	152	15201	15201011001
15	152	15201	1	1	1	1767	52	1	2	98	98	98	98	98	0	0	15	152	15201	15201011001
15	152	15201	1	1	1	1767	53	1	1	1	3	1	1	1	1	1	15	152	15201	15201011001
15	152	15201	1	1	1	1767	54	1	1	5	3	4	1	1	1	2	15	152	15201	15201011001
15	152	15201	1	1	1	1767	55	1	1	2	2	1	4	1	1	4	15	152	15201	15201011001
15	152	15201	1	1	1	1767	56	8	1	98	98	98	98	98	98	4	15	152	15201	15201011001
15	152	15201	1	1	1	1767	57	1	2	98	98	98	98	98	0	0	15	152	15201	15201011001
15	152	15201	1	1	1	1767	58	1	4	98	98	98	98	98	0	0	15	152	15201	15201011001
15	152	15201	1	1	1	1767	59	1	3	98	98	98	98	98	0	0	15	152	15201	15201011001
15	152	15201	1	1	1	1767	60	1	3	98	98	98	98	98	0	0	15	152	15201	15201011001
15	152	15201	1	1	1	1767	61	1	1	2	3	1	1	1	1	3	15	152	15201	15201011001
15	152	15201	1	1	1	1767	62	1	1	5	3	1	2	1	1	2	15	152	15201	15201011001
15	152	15201	1	1	1	1767	63	1	3	98	98	98	98	98	0	0	15	152	15201	15201011001
15	152	15201	1	1	1	1767	64	1	1	5	3	2	4	1	1	1	15	152	15201	15201011001
15	152	15201	1	1	1	1767	65	1	2	98	98	98	98	98	0	0	15	152	15201	15201011001
15	152	15201	1	1	1	1767	66	1	3	98	98	98	98	98	0	0	15	152	15201	15201011001
15	152	15201	1	1	1	1767	67	5	2	98	98	98	98	98	0	0	15	152	15201	15201011001
15	152	15201	1	1	1	1767	68	1	2	98	98	98	98	98	0	0	15	152	15201	15201011001
15	152	15201	1	1	1	1767	69	1	2	98	98	98	98	98	0	0	15	152	15201	15201011001
15	152	15201	1	1	1	1767	70	1	1	1	3	3	1	1	1	1	15	152	15201	15201011001
15	152	15201	1	1	1	1767	71	1	4	98	98	98	98	98	0	0	15	152	15201	15201011001
15	152	15201	1	1	1	1767	72	1	3	98	98	98	98	98	0	0	15	152	15201	15201011001
15	152	15201	1	1	1	1767	73	1	1	2	3	1	1	1	1	1	15	152	15201	15201011001
15	152	15201	1	1	1	1767	74	1	3	98	98	98	98	98	0	0	15	152	15201	15201011001
15	152	15201	1	1	1	1767	75	1	1	5	3	4	1	1	1	2	15	152	15201	15201011001
15	152	15201	1	1	1	1767	76	1	1	5	3	4	1	1	1	1	15	152	15201	15201011001
15	152	15201	1	1	1	1767	77	1	1	3	6	1	1	1	1	3	15	152	15201	15201011001
15	152	15201	1	1	1	1767	78	5	1	3	3	1	1	1	1	3	15	152	15201	15201011001
15	152	15201	1	1	1	1767	79	1	4	98	98	98	98	98	0	0	15	152	15201	15201011001
15	152	15201	1	1	1	1767	80	1	1	2	1	1	3	1	1	5	15	152	15201	15201011001
15	152	15201	1	1	1	1767	81	1	2	98	98	98	98	98	0	0	15	152	15201	15201011001
15	152	15201	1	1	1	1767	82	1	4	98	98	98	98	98	0	0	15	152	15201	15201011001
15	152	15201	1	1	1	1767	83	1	1	5	3	2	1	1	1	2	15	152	15201	15201011001
15	152	15201	1	1	1	1767	84	4	1	5	3	2	0	1	1	2	15	152	15201	15201011001
15	152	15201	1	1	1	1767	85	8	1	98	98	98	98	98	98	8	15	152	15201	15201011001
15	152	15201	1	1	1	1767	86	1	2	98	98	98	98	98	0	0	15	152	15201	15201011001
15	152	15201	1	1	1	1767	87	1	1	3	3	1	2	1	1	1	15	152	15201	15201011001
15	152	15201	1	1	1	1767	88	1	2	98	98	98	98	98	0	0	15	152	15201	15201011001
15	152	15201	1	1	1	1767	89	5	1	4	3	2	1	2	1	2	15	152	15201	15201011001
15	152	15201	1	1	1	1767	90	1	1	5	3	3	2	1	3	6	15	152	15201	15201011001
15	152	15201	1	1	1	1767	91	1	1	2	3	1	1	1	1	1	15	152	15201	15201011001
15	152	15201	1	1	1	1767	92	1	4	98	98	98	98	98	0	0	15	152	15201	15201011001
15	152	15201	1	1	1	1767	93	5	1	4	3	5	1	1	1	5	15	152	15201	15201011001
15	152	15201	1	1	1	1767	94	1	1	5	3	3	99	1	1	3	15	152	15201	15201011001
15	152	15201	1	1	1	1767	95	1	1	5	3	2	2	1	1	2	15	152	15201	15201011001
15	152	15201	1	1	1	1767	96	1	1	2	3	4	6	1	1	1	15	152	15201	15201011001
15	152	15201	1	1	1	1767	97	1	1	5	1	1	1	1	1	1	15	152	15201	15201011001
15	152	15201	1	1	1	1767	98	1	4	98	98	98	98	98	0	0	15	152	15201	15201011001
15	152	15201	1	1	1	1767	99	1	1	2	7	4	1	1	1	1	15	152	15201	15201011001
15	152	15201	1	1	1	1767	100	1	3	98	98	98	98	98	0	0	15	152	15201	15201011001

Despleguemos los códigos de regiones de nuestra tabla:

regiones <- unique(tabla_con_clave$REGION)
regiones

##  [1] 15 14 13 12 11 10  9 16  8  7  6  5  4  3  2  1

# tabla_con_clave <- filter(tabla_con_clave, tabla_con_clave$REGION == 1)

3.2 Cálculo de frecuencias

tabla_con_clave_f <- tabla_con_clave[,-c(1,2,4,5,6,7,8,9,10,11,13,14,15,16,17,18,19,20),drop=FALSE] 
names(tabla_con_clave_f)[2] <- "Tipo de techo" 
# Ahora filtramos por Tipo de techo = 1.
tabla_con_clave_ff <- filter(tabla_con_clave_f, tabla_con_clave_f$`Tipo de techo` == 1)
# Determinamos las frecuencias por zona:
b <- tabla_con_clave_ff$clave
c <- tabla_con_clave_ff$`Tipo de techo`
d <- tabla_con_clave_ff$COMUNA
cross_tab =  xtabs( ~ unlist(b) + unlist(c)+ unlist(d))
tabla <- as.data.frame(cross_tab)
d <-tabla[!(tabla$Freq == 0),]
names(d)[1] <- "zona" 
d$anio <- "2017"

Veamos los primeros 100 registros:

r3_100 <- d[c(1:100),]
kbl(r3_100) %>%
  kable_styling(bootstrap_options = c("striped", "hover")) %>%
  kable_paper() %>%
  scroll_box(width = "100%", height = "300px")

	zona	unlist.c.	unlist.d.	Freq	anio
219	1101011001	1	1101	298	2017
220	1101011002	1	1101	95	2017
221	1101021001	1	1101	55	2017
222	1101021002	1	1101	2	2017
223	1101021003	1	1101	265	2017
224	1101021004	1	1101	178	2017
225	1101021005	1	1101	337	2017
226	1101031001	1	1101	194	2017
227	1101031002	1	1101	482	2017
228	1101031003	1	1101	328	2017
229	1101031004	1	1101	171	2017
230	1101041001	1	1101	135	2017
231	1101041002	1	1101	228	2017
232	1101041003	1	1101	235	2017
233	1101041004	1	1101	636	2017
234	1101041005	1	1101	403	2017
235	1101041006	1	1101	214	2017
236	1101051001	1	1101	364	2017
237	1101051002	1	1101	350	2017
238	1101051003	1	1101	303	2017
239	1101051004	1	1101	200	2017
240	1101051005	1	1101	269	2017
241	1101051006	1	1101	256	2017
242	1101061001	1	1101	105	2017
243	1101061002	1	1101	349	2017
244	1101061003	1	1101	259	2017
245	1101061004	1	1101	134	2017
246	1101061005	1	1101	144	2017
247	1101071001	1	1101	271	2017
248	1101071002	1	1101	453	2017
249	1101071003	1	1101	483	2017
250	1101071004	1	1101	211	2017
251	1101081001	1	1101	601	2017
252	1101081002	1	1101	469	2017
253	1101081003	1	1101	328	2017
254	1101081004	1	1101	284	2017
255	1101101001	1	1101	230	2017
256	1101101002	1	1101	420	2017
257	1101101003	1	1101	323	2017
258	1101101004	1	1101	249	2017
259	1101101005	1	1101	481	2017
260	1101101006	1	1101	356	2017
261	1101111001	1	1101	249	2017
262	1101111002	1	1101	184	2017
263	1101111003	1	1101	353	2017
264	1101111004	1	1101	279	2017
265	1101111005	1	1101	359	2017
266	1101111006	1	1101	60	2017
267	1101111007	1	1101	234	2017
268	1101111008	1	1101	322	2017
269	1101111009	1	1101	317	2017
270	1101111010	1	1101	21	2017
271	1101111011	1	1101	309	2017
272	1101111012	1	1101	109	2017
273	1101111013	1	1101	227	2017
274	1101111014	1	1101	138	2017
275	1101991999	1	1101	68	2017
5345	1107011001	1	1107	245	2017
5346	1107011002	1	1107	284	2017
5347	1107011003	1	1107	280	2017
5348	1107021001	1	1107	738	2017
5349	1107021002	1	1107	407	2017
5350	1107021003	1	1107	323	2017
5351	1107021004	1	1107	466	2017
5352	1107021005	1	1107	471	2017
5353	1107021006	1	1107	201	2017
5354	1107021007	1	1107	466	2017
5355	1107021008	1	1107	416	2017
5356	1107031001	1	1107	358	2017
5357	1107031002	1	1107	594	2017
5358	1107031003	1	1107	251	2017
5359	1107041001	1	1107	233	2017
5360	1107041002	1	1107	342	2017
5361	1107041003	1	1107	252	2017
5362	1107041004	1	1107	272	2017
5363	1107041005	1	1107	207	2017
5364	1107041006	1	1107	249	2017
5365	1107041007	1	1107	359	2017
5366	1107991999	1	1107	41	2017
12440	1401011001	1	1401	197	2017
12441	1401011002	1	1401	411	2017
12442	1401991999	1	1401	4	2017
17512	1404011001	1	1404	104	2017
17513	1404991999	1	1404	5	2017
22583	1405011001	1	1405	298	2017
22584	1405991999	1	1405	5	2017
27963	2101011001	1	2101	240	2017
27964	2101011002	1	2101	442	2017
27965	2101011003	1	2101	410	2017
27966	2101011004	1	2101	872	2017
27967	2101011005	1	2101	542	2017
27968	2101011006	1	2101	97	2017
27969	2101011008	1	2101	318	2017
27970	2101011009	1	2101	462	2017
27971	2101011010	1	2101	264	2017
27972	2101011011	1	2101	79	2017
27973	2101011012	1	2101	282	2017
27974	2101011013	1	2101	735	2017
27975	2101011014	1	2101	516	2017
27976	2101011015	1	2101	424	2017

Agregamos un cero a los códigos comunales de cuatro dígitos:

codigos <- d$unlist.d.
rango <- seq(1:nrow(d))
cadena <- paste("0",codigos[rango], sep = "")
cadena <- substr(cadena,(nchar(cadena)[rango])-(4),6)
codigos <- as.data.frame(codigos)
cadena <- as.data.frame(cadena)
comuna_corr <- cbind(d,cadena)
comuna_corr <- comuna_corr[,-c(2,3),drop=FALSE]
names(comuna_corr)[4] <- "código" 
r3_100 <- comuna_corr[c(1:100),]
kbl(r3_100) %>%
  kable_styling(bootstrap_options = c("striped", "hover")) %>%
  kable_paper() %>%
  scroll_box(width = "100%", height = "300px")

	zona	Freq	anio	código
219	1101011001	298	2017	01101
220	1101011002	95	2017	01101
221	1101021001	55	2017	01101
222	1101021002	2	2017	01101
223	1101021003	265	2017	01101
224	1101021004	178	2017	01101
225	1101021005	337	2017	01101
226	1101031001	194	2017	01101
227	1101031002	482	2017	01101
228	1101031003	328	2017	01101
229	1101031004	171	2017	01101
230	1101041001	135	2017	01101
231	1101041002	228	2017	01101
232	1101041003	235	2017	01101
233	1101041004	636	2017	01101
234	1101041005	403	2017	01101
235	1101041006	214	2017	01101
236	1101051001	364	2017	01101
237	1101051002	350	2017	01101
238	1101051003	303	2017	01101
239	1101051004	200	2017	01101
240	1101051005	269	2017	01101
241	1101051006	256	2017	01101
242	1101061001	105	2017	01101
243	1101061002	349	2017	01101
244	1101061003	259	2017	01101
245	1101061004	134	2017	01101
246	1101061005	144	2017	01101
247	1101071001	271	2017	01101
248	1101071002	453	2017	01101
249	1101071003	483	2017	01101
250	1101071004	211	2017	01101
251	1101081001	601	2017	01101
252	1101081002	469	2017	01101
253	1101081003	328	2017	01101
254	1101081004	284	2017	01101
255	1101101001	230	2017	01101
256	1101101002	420	2017	01101
257	1101101003	323	2017	01101
258	1101101004	249	2017	01101
259	1101101005	481	2017	01101
260	1101101006	356	2017	01101
261	1101111001	249	2017	01101
262	1101111002	184	2017	01101
263	1101111003	353	2017	01101
264	1101111004	279	2017	01101
265	1101111005	359	2017	01101
266	1101111006	60	2017	01101
267	1101111007	234	2017	01101
268	1101111008	322	2017	01101
269	1101111009	317	2017	01101
270	1101111010	21	2017	01101
271	1101111011	309	2017	01101
272	1101111012	109	2017	01101
273	1101111013	227	2017	01101
274	1101111014	138	2017	01101
275	1101991999	68	2017	01101
5345	1107011001	245	2017	01107
5346	1107011002	284	2017	01107
5347	1107011003	280	2017	01107
5348	1107021001	738	2017	01107
5349	1107021002	407	2017	01107
5350	1107021003	323	2017	01107
5351	1107021004	466	2017	01107
5352	1107021005	471	2017	01107
5353	1107021006	201	2017	01107
5354	1107021007	466	2017	01107
5355	1107021008	416	2017	01107
5356	1107031001	358	2017	01107
5357	1107031002	594	2017	01107
5358	1107031003	251	2017	01107
5359	1107041001	233	2017	01107
5360	1107041002	342	2017	01107
5361	1107041003	252	2017	01107
5362	1107041004	272	2017	01107
5363	1107041005	207	2017	01107
5364	1107041006	249	2017	01107
5365	1107041007	359	2017	01107
5366	1107991999	41	2017	01107
12440	1401011001	197	2017	01401
12441	1401011002	411	2017	01401
12442	1401991999	4	2017	01401
17512	1404011001	104	2017	01404
17513	1404991999	5	2017	01404
22583	1405011001	298	2017	01405
22584	1405991999	5	2017	01405
27963	2101011001	240	2017	02101
27964	2101011002	442	2017	02101
27965	2101011003	410	2017	02101
27966	2101011004	872	2017	02101
27967	2101011005	542	2017	02101
27968	2101011006	97	2017	02101
27969	2101011008	318	2017	02101
27970	2101011009	462	2017	02101
27971	2101011010	264	2017	02101
27972	2101011011	79	2017	02101
27973	2101011012	282	2017	02101
27974	2101011013	735	2017	02101
27975	2101011014	516	2017	02101
27976	2101011015	424	2017	02101

3.3 Tabla de ingresos expandidos

Hemos calculado ya éste valor como conclusión del punto 1.1 de aquí

h_y_m_2017_censo <- readRDS("ingresos_expandidos_17_urbano_nacional.rds")
tablamadre <- head(h_y_m_2017_censo,50)
kbl(tablamadre) %>%
  kable_styling(bootstrap_options = c("striped", "hover")) %>%
  kable_paper() %>%
  scroll_box(width = "100%", height = "300px")

código	comuna.x	promedio_i	año	comuna.y	personas	Ingresos_expandidos	tipo
01101	Iquique	356487.6	2017	1101	191468	68255976664	Urbano
01107	Alto Hospicio	301933.4	2017	1107	108375	32722034397	Urbano
01401	Pozo Almonte	299998.6	2017	1401	15711	4713278189	Urbano
01405	Pica	330061.1	2017	1405	9296	3068247619	Urbano
02101	Antofagasta	347580.2	2017	2101	361873	125779893517	Urbano
02102	Mejillones	369770.7	2017	2102	13467	4979702302	Urbano
02104	Taltal	376328.9	2017	2104	13317	5011572025	Urbano
02201	Calama	416281.1	2017	2201	165731	68990679686	Urbano
02203	San Pedro de Atacama	437934.7	2017	2203	10996	4815529626	Urbano
02301	Tocopilla	271720.8	2017	2301	25186	6843559467	Urbano
02302	María Elena	466266.9	2017	2302	6457	3010685220	Urbano
03101	Copiapó	330574.6	2017	3101	153937	50887663717	Urbano
03102	Caldera	299314.8	2017	3102	17662	5286498241	Urbano
03103	Tierra Amarilla	315860.6	2017	3103	14019	4428049932	Urbano
03201	Chañaral	286389.3	2017	3201	12219	3499391196	Urbano
03202	Diego de Almagro	325861.5	2017	3202	13925	4537621312	Urbano
03301	Vallenar	311577.0	2017	3301	51917	16176145007	Urbano
03303	Freirina	289049.9	2017	3303	7041	2035200054	Urbano
03304	Huasco	337414.8	2017	3304	10149	3424422750	Urbano
04101	La Serena	272136.8	2017	4101	221054	60156924947	Urbano
04102	Coquimbo	264340.0	2017	4102	227730	60198159091	Urbano
04103	Andacollo	251267.7	2017	4103	11044	2775000288	Urbano
04104	La Higuera	214257.0	2017	4104	4241	908664019	Urbano
04106	Vicuña	245957.4	2017	4106	27771	6830481918	Urbano
04201	Illapel	270316.5	2017	4201	30848	8338722128	Urbano
04202	Canela	233397.3	2017	4202	9093	2122281844	Urbano
04203	Los Vilos	282415.6	2017	4203	21382	6038609501	Urbano
04204	Salamanca	262056.9	2017	4204	29347	7690585032	Urbano
04301	Ovalle	274771.4	2017	4301	111272	30574361012	Urbano
04302	Combarbalá	228990.4	2017	4302	13322	3050610572	Urbano
04303	Monte Patria	225369.1	2017	4303	30751	6930326684	Urbano
04304	Punitaqui	212496.1	2017	4304	10956	2328107498	Urbano
05101	Valparaíso	297929.0	2017	5101	296655	88382118059	Urbano
05102	Casablanca	341641.8	2017	5102	26867	9178890241	Urbano
05103	Concón	318496.3	2017	5103	42152	13425257057	Urbano
05105	Puchuncaví	296035.5	2017	5105	18546	5490274928	Urbano
05107	Quintero	308224.7	2017	5107	31923	9839456903	Urbano
05109	Viña del Mar	337006.1	2017	5109	334248	112643604611	Urbano
05301	Los Andes	339720.2	2017	5301	66708	22662055502	Urbano
05302	Calle Larga	246387.3	2017	5302	14832	3654416747	Urbano
05303	Rinconada	273904.7	2017	5303	10207	2795744821	Urbano
05304	San Esteban	219571.6	2017	5304	18855	4140022481	Urbano
05401	La Ligua	250134.4	2017	5401	35390	8852256241	Urbano
05402	Cabildo	262745.9	2017	5402	19388	5094117762	Urbano
05403	Papudo	294355.2	2017	5403	6356	1870921373	Urbano
05404	Petorca	237510.8	2017	5404	9826	2333781007	Urbano
05405	Zapallar	294389.2	2017	5405	7339	2160521991	Urbano
05501	Quillota	286029.5	2017	5501	90517	25890529852	Urbano
05502	Calera	277181.9	2017	5502	50554	14012652087	Urbano
05503	Hijuelas	254094.0	2017	5503	17988	4570642363	Urbano

4 Unión Censo-Casen

Integramos a la tabla censal de frecuencias la tabla de ingresos expandidos de la Casen.

comunas_con_ing_exp = merge( x = comuna_corr, y = h_y_m_2017_censo, by = "código", all.x = TRUE)
r3_100 <- comunas_con_ing_exp[c(1:100),]
kbl(r3_100) %>%
  kable_styling(bootstrap_options = c("striped", "hover")) %>%
  kable_paper() %>%
  scroll_box(width = "100%", height = "300px")

código	zona	Freq	anio	comuna.x	promedio_i	año	comuna.y	personas	Ingresos_expandidos	tipo
01101	1101031004	171	2017	Iquique	356487.6	2017	1101	191468	68255976664	Urbano
01101	1101041002	228	2017	Iquique	356487.6	2017	1101	191468	68255976664	Urbano
01101	1101031003	328	2017	Iquique	356487.6	2017	1101	191468	68255976664	Urbano
01101	1101041004	636	2017	Iquique	356487.6	2017	1101	191468	68255976664	Urbano
01101	1101041001	135	2017	Iquique	356487.6	2017	1101	191468	68255976664	Urbano
01101	1101051004	200	2017	Iquique	356487.6	2017	1101	191468	68255976664	Urbano
01101	1101051005	269	2017	Iquique	356487.6	2017	1101	191468	68255976664	Urbano
01101	1101051006	256	2017	Iquique	356487.6	2017	1101	191468	68255976664	Urbano
01101	1101041005	403	2017	Iquique	356487.6	2017	1101	191468	68255976664	Urbano
01101	1101061002	349	2017	Iquique	356487.6	2017	1101	191468	68255976664	Urbano
01101	1101061003	259	2017	Iquique	356487.6	2017	1101	191468	68255976664	Urbano
01101	1101041003	235	2017	Iquique	356487.6	2017	1101	191468	68255976664	Urbano
01101	1101061001	105	2017	Iquique	356487.6	2017	1101	191468	68255976664	Urbano
01101	1101071001	271	2017	Iquique	356487.6	2017	1101	191468	68255976664	Urbano
01101	1101041006	214	2017	Iquique	356487.6	2017	1101	191468	68255976664	Urbano
01101	1101051001	364	2017	Iquique	356487.6	2017	1101	191468	68255976664	Urbano
01101	1101061005	144	2017	Iquique	356487.6	2017	1101	191468	68255976664	Urbano
01101	1101051003	303	2017	Iquique	356487.6	2017	1101	191468	68255976664	Urbano
01101	1101081002	469	2017	Iquique	356487.6	2017	1101	191468	68255976664	Urbano
01101	1101081003	328	2017	Iquique	356487.6	2017	1101	191468	68255976664	Urbano
01101	1101081004	284	2017	Iquique	356487.6	2017	1101	191468	68255976664	Urbano
01101	1101101001	230	2017	Iquique	356487.6	2017	1101	191468	68255976664	Urbano
01101	1101101002	420	2017	Iquique	356487.6	2017	1101	191468	68255976664	Urbano
01101	1101101003	323	2017	Iquique	356487.6	2017	1101	191468	68255976664	Urbano
01101	1101061004	134	2017	Iquique	356487.6	2017	1101	191468	68255976664	Urbano
01101	1101011001	298	2017	Iquique	356487.6	2017	1101	191468	68255976664	Urbano
01101	1101011002	95	2017	Iquique	356487.6	2017	1101	191468	68255976664	Urbano
01101	1101071002	453	2017	Iquique	356487.6	2017	1101	191468	68255976664	Urbano
01101	1101071003	483	2017	Iquique	356487.6	2017	1101	191468	68255976664	Urbano
01101	1101051002	350	2017	Iquique	356487.6	2017	1101	191468	68255976664	Urbano
01101	1101081001	601	2017	Iquique	356487.6	2017	1101	191468	68255976664	Urbano
01101	1101111005	359	2017	Iquique	356487.6	2017	1101	191468	68255976664	Urbano
01101	1101111006	60	2017	Iquique	356487.6	2017	1101	191468	68255976664	Urbano
01101	1101111007	234	2017	Iquique	356487.6	2017	1101	191468	68255976664	Urbano
01101	1101111008	322	2017	Iquique	356487.6	2017	1101	191468	68255976664	Urbano
01101	1101111009	317	2017	Iquique	356487.6	2017	1101	191468	68255976664	Urbano
01101	1101111010	21	2017	Iquique	356487.6	2017	1101	191468	68255976664	Urbano
01101	1101111011	309	2017	Iquique	356487.6	2017	1101	191468	68255976664	Urbano
01101	1101111012	109	2017	Iquique	356487.6	2017	1101	191468	68255976664	Urbano
01101	1101111013	227	2017	Iquique	356487.6	2017	1101	191468	68255976664	Urbano
01101	1101111014	138	2017	Iquique	356487.6	2017	1101	191468	68255976664	Urbano
01101	1101991999	68	2017	Iquique	356487.6	2017	1101	191468	68255976664	Urbano
01101	1101071004	211	2017	Iquique	356487.6	2017	1101	191468	68255976664	Urbano
01101	1101021004	178	2017	Iquique	356487.6	2017	1101	191468	68255976664	Urbano
01101	1101021003	265	2017	Iquique	356487.6	2017	1101	191468	68255976664	Urbano
01101	1101111004	279	2017	Iquique	356487.6	2017	1101	191468	68255976664	Urbano
01101	1101021005	337	2017	Iquique	356487.6	2017	1101	191468	68255976664	Urbano
01101	1101031001	194	2017	Iquique	356487.6	2017	1101	191468	68255976664	Urbano
01101	1101031002	482	2017	Iquique	356487.6	2017	1101	191468	68255976664	Urbano
01101	1101101006	356	2017	Iquique	356487.6	2017	1101	191468	68255976664	Urbano
01101	1101111001	249	2017	Iquique	356487.6	2017	1101	191468	68255976664	Urbano
01101	1101101004	249	2017	Iquique	356487.6	2017	1101	191468	68255976664	Urbano
01101	1101101005	481	2017	Iquique	356487.6	2017	1101	191468	68255976664	Urbano
01101	1101111003	353	2017	Iquique	356487.6	2017	1101	191468	68255976664	Urbano
01101	1101021002	2	2017	Iquique	356487.6	2017	1101	191468	68255976664	Urbano
01101	1101111002	184	2017	Iquique	356487.6	2017	1101	191468	68255976664	Urbano
01101	1101021001	55	2017	Iquique	356487.6	2017	1101	191468	68255976664	Urbano
01107	1107011001	245	2017	Alto Hospicio	301933.4	2017	1107	108375	32722034397	Urbano
01107	1107021005	471	2017	Alto Hospicio	301933.4	2017	1107	108375	32722034397	Urbano
01107	1107021002	407	2017	Alto Hospicio	301933.4	2017	1107	108375	32722034397	Urbano
01107	1107021003	323	2017	Alto Hospicio	301933.4	2017	1107	108375	32722034397	Urbano
01107	1107021004	466	2017	Alto Hospicio	301933.4	2017	1107	108375	32722034397	Urbano
01107	1107021006	201	2017	Alto Hospicio	301933.4	2017	1107	108375	32722034397	Urbano
01107	1107991999	41	2017	Alto Hospicio	301933.4	2017	1107	108375	32722034397	Urbano
01107	1107021007	466	2017	Alto Hospicio	301933.4	2017	1107	108375	32722034397	Urbano
01107	1107021008	416	2017	Alto Hospicio	301933.4	2017	1107	108375	32722034397	Urbano
01107	1107041007	359	2017	Alto Hospicio	301933.4	2017	1107	108375	32722034397	Urbano
01107	1107031002	594	2017	Alto Hospicio	301933.4	2017	1107	108375	32722034397	Urbano
01107	1107031003	251	2017	Alto Hospicio	301933.4	2017	1107	108375	32722034397	Urbano
01107	1107011002	284	2017	Alto Hospicio	301933.4	2017	1107	108375	32722034397	Urbano
01107	1107031001	358	2017	Alto Hospicio	301933.4	2017	1107	108375	32722034397	Urbano
01107	1107021001	738	2017	Alto Hospicio	301933.4	2017	1107	108375	32722034397	Urbano
01107	1107041004	272	2017	Alto Hospicio	301933.4	2017	1107	108375	32722034397	Urbano
01107	1107041005	207	2017	Alto Hospicio	301933.4	2017	1107	108375	32722034397	Urbano
01107	1107041006	249	2017	Alto Hospicio	301933.4	2017	1107	108375	32722034397	Urbano
01107	1107011003	280	2017	Alto Hospicio	301933.4	2017	1107	108375	32722034397	Urbano
01107	1107041003	252	2017	Alto Hospicio	301933.4	2017	1107	108375	32722034397	Urbano
01107	1107041001	233	2017	Alto Hospicio	301933.4	2017	1107	108375	32722034397	Urbano
01107	1107041002	342	2017	Alto Hospicio	301933.4	2017	1107	108375	32722034397	Urbano
01401	1401991999	4	2017	Pozo Almonte	299998.6	2017	1401	15711	4713278189	Urbano
01401	1401011001	197	2017	Pozo Almonte	299998.6	2017	1401	15711	4713278189	Urbano
01401	1401011002	411	2017	Pozo Almonte	299998.6	2017	1401	15711	4713278189	Urbano
01404	1404011001	104	2017	NA	NA	NA	NA	NA	NA	NA
01404	1404991999	5	2017	NA	NA	NA	NA	NA	NA	NA
01405	1405011001	298	2017	Pica	330061.1	2017	1405	9296	3068247619	Urbano
01405	1405991999	5	2017	Pica	330061.1	2017	1405	9296	3068247619	Urbano
02101	2101011005	542	2017	Antofagasta	347580.2	2017	2101	361873	125779893517	Urbano
02101	2101011010	264	2017	Antofagasta	347580.2	2017	2101	361873	125779893517	Urbano
02101	2101011017	317	2017	Antofagasta	347580.2	2017	2101	361873	125779893517	Urbano
02101	2101011018	745	2017	Antofagasta	347580.2	2017	2101	361873	125779893517	Urbano
02101	2101011006	97	2017	Antofagasta	347580.2	2017	2101	361873	125779893517	Urbano
02101	2101011008	318	2017	Antofagasta	347580.2	2017	2101	361873	125779893517	Urbano
02101	2101011021	124	2017	Antofagasta	347580.2	2017	2101	361873	125779893517	Urbano
02101	2101011009	462	2017	Antofagasta	347580.2	2017	2101	361873	125779893517	Urbano
02101	2101011019	166	2017	Antofagasta	347580.2	2017	2101	361873	125779893517	Urbano
02101	2101011020	604	2017	Antofagasta	347580.2	2017	2101	361873	125779893517	Urbano
02101	2101011012	282	2017	Antofagasta	347580.2	2017	2101	361873	125779893517	Urbano
02101	2101011013	735	2017	Antofagasta	347580.2	2017	2101	361873	125779893517	Urbano
02101	2101021001	287	2017	Antofagasta	347580.2	2017	2101	361873	125779893517	Urbano
02101	2101011011	79	2017	Antofagasta	347580.2	2017	2101	361873	125779893517	Urbano

5 Proporción poblacional zonal respecto a la comunal

Del censo obtenemos la cantidad de población a nivel de zona y estimamos su proporción a nivel comunal. Ya hemos calculado ésta proporción aquí.

prop_pob <- readRDS("../tabla_de_prop_pob.rds")
names(prop_pob)[1] <- "zona"
names(prop_pob)[3] <- "p_poblacional"

Veamos los 100 primeros registros:

r3_100 <- prop_pob[c(1:100),]
kbl(r3_100) %>%
  kable_styling(bootstrap_options = c("striped", "hover")) %>%
  kable_paper() %>%
  scroll_box(width = "100%", height = "300px")

zona	Freq	p_poblacional	código
1101011001	2491	0.0130100	01101
1101011002	1475	0.0077036	01101
1101021001	1003	0.0052385	01101
1101021002	54	0.0002820	01101
1101021003	2895	0.0151200	01101
1101021004	2398	0.0125243	01101
1101021005	4525	0.0236332	01101
1101031001	2725	0.0142321	01101
1101031002	3554	0.0185618	01101
1101031003	5246	0.0273988	01101
1101031004	3389	0.0177001	01101
1101041001	1800	0.0094010	01101
1101041002	2538	0.0132555	01101
1101041003	3855	0.0201339	01101
1101041004	5663	0.0295767	01101
1101041005	4162	0.0217373	01101
1101041006	2689	0.0140441	01101
1101051001	3296	0.0172144	01101
1101051002	4465	0.0233198	01101
1101051003	4656	0.0243174	01101
1101051004	2097	0.0109522	01101
1101051005	3569	0.0186402	01101
1101051006	2741	0.0143157	01101
1101061001	1625	0.0084871	01101
1101061002	4767	0.0248971	01101
1101061003	4826	0.0252053	01101
1101061004	4077	0.0212934	01101
1101061005	2166	0.0113126	01101
1101071001	2324	0.0121378	01101
1101071002	2801	0.0146291	01101
1101071003	3829	0.0199981	01101
1101071004	1987	0.0103777	01101
1101081001	5133	0.0268087	01101
1101081002	3233	0.0168853	01101
1101081003	2122	0.0110828	01101
1101081004	2392	0.0124929	01101
1101092001	57	0.0002977	01101
1101092004	247	0.0012900	01101
1101092005	76	0.0003969	01101
1101092006	603	0.0031494	01101
1101092007	84	0.0004387	01101
1101092010	398	0.0020787	01101
1101092012	58	0.0003029	01101
1101092014	23	0.0001201	01101
1101092016	20	0.0001045	01101
1101092017	8	0.0000418	01101
1101092018	74	0.0003865	01101
1101092019	25	0.0001306	01101
1101092021	177	0.0009244	01101
1101092022	23	0.0001201	01101
1101092023	288	0.0015042	01101
1101092024	14	0.0000731	01101
1101092901	30	0.0001567	01101
1101101001	2672	0.0139553	01101
1101101002	4398	0.0229699	01101
1101101003	4524	0.0236280	01101
1101101004	3544	0.0185096	01101
1101101005	4911	0.0256492	01101
1101101006	3688	0.0192617	01101
1101111001	3886	0.0202958	01101
1101111002	2312	0.0120751	01101
1101111003	4874	0.0254560	01101
1101111004	4543	0.0237272	01101
1101111005	4331	0.0226200	01101
1101111006	3253	0.0169898	01101
1101111007	4639	0.0242286	01101
1101111008	4881	0.0254925	01101
1101111009	5006	0.0261454	01101
1101111010	366	0.0019115	01101
1101111011	4351	0.0227244	01101
1101111012	2926	0.0152819	01101
1101111013	3390	0.0177053	01101
1101111014	2940	0.0153550	01101
1101112003	33	0.0001724	01101
1101112013	104	0.0005432	01101
1101112019	34	0.0001776	01101
1101112025	21	0.0001097	01101
1101112901	6	0.0000313	01101
1101991999	1062	0.0055466	01101
1107011001	4104	0.0378685	01107
1107011002	4360	0.0402307	01107
1107011003	8549	0.0788835	01107
1107012003	3	0.0000277	01107
1107012901	17	0.0001569	01107
1107021001	6701	0.0618316	01107
1107021002	3971	0.0366413	01107
1107021003	6349	0.0585836	01107
1107021004	5125	0.0472895	01107
1107021005	4451	0.0410704	01107
1107021006	3864	0.0356540	01107
1107021007	5235	0.0483045	01107
1107021008	4566	0.0421315	01107
1107031001	4195	0.0387082	01107
1107031002	7099	0.0655040	01107
1107031003	4720	0.0435525	01107
1107032005	38	0.0003506	01107
1107032006	2399	0.0221361	01107
1107032008	4	0.0000369	01107
1107041001	3630	0.0334948	01107
1107041002	5358	0.0494394	01107

6 Ingreso medio

Deseamos el valor del ingreso promedio a nivel comunal. Ésta información está contenida en el campo promedio_i de la tabla obtenida en el punto 4.

r3_100 <- comunas_con_ing_exp[c(1:100),]
kbl(r3_100) %>%
  kable_styling(bootstrap_options = c("striped", "hover")) %>%
  kable_paper() %>%
  scroll_box(width = "100%", height = "300px")

código	zona	Freq	anio	comuna.x	promedio_i	año	comuna.y	personas	Ingresos_expandidos	tipo
01101	1101031004	171	2017	Iquique	356487.6	2017	1101	191468	68255976664	Urbano
01101	1101041002	228	2017	Iquique	356487.6	2017	1101	191468	68255976664	Urbano
01101	1101031003	328	2017	Iquique	356487.6	2017	1101	191468	68255976664	Urbano
01101	1101041004	636	2017	Iquique	356487.6	2017	1101	191468	68255976664	Urbano
01101	1101041001	135	2017	Iquique	356487.6	2017	1101	191468	68255976664	Urbano
01101	1101051004	200	2017	Iquique	356487.6	2017	1101	191468	68255976664	Urbano
01101	1101051005	269	2017	Iquique	356487.6	2017	1101	191468	68255976664	Urbano
01101	1101051006	256	2017	Iquique	356487.6	2017	1101	191468	68255976664	Urbano
01101	1101041005	403	2017	Iquique	356487.6	2017	1101	191468	68255976664	Urbano
01101	1101061002	349	2017	Iquique	356487.6	2017	1101	191468	68255976664	Urbano
01101	1101061003	259	2017	Iquique	356487.6	2017	1101	191468	68255976664	Urbano
01101	1101041003	235	2017	Iquique	356487.6	2017	1101	191468	68255976664	Urbano
01101	1101061001	105	2017	Iquique	356487.6	2017	1101	191468	68255976664	Urbano
01101	1101071001	271	2017	Iquique	356487.6	2017	1101	191468	68255976664	Urbano
01101	1101041006	214	2017	Iquique	356487.6	2017	1101	191468	68255976664	Urbano
01101	1101051001	364	2017	Iquique	356487.6	2017	1101	191468	68255976664	Urbano
01101	1101061005	144	2017	Iquique	356487.6	2017	1101	191468	68255976664	Urbano
01101	1101051003	303	2017	Iquique	356487.6	2017	1101	191468	68255976664	Urbano
01101	1101081002	469	2017	Iquique	356487.6	2017	1101	191468	68255976664	Urbano
01101	1101081003	328	2017	Iquique	356487.6	2017	1101	191468	68255976664	Urbano
01101	1101081004	284	2017	Iquique	356487.6	2017	1101	191468	68255976664	Urbano
01101	1101101001	230	2017	Iquique	356487.6	2017	1101	191468	68255976664	Urbano
01101	1101101002	420	2017	Iquique	356487.6	2017	1101	191468	68255976664	Urbano
01101	1101101003	323	2017	Iquique	356487.6	2017	1101	191468	68255976664	Urbano
01101	1101061004	134	2017	Iquique	356487.6	2017	1101	191468	68255976664	Urbano
01101	1101011001	298	2017	Iquique	356487.6	2017	1101	191468	68255976664	Urbano
01101	1101011002	95	2017	Iquique	356487.6	2017	1101	191468	68255976664	Urbano
01101	1101071002	453	2017	Iquique	356487.6	2017	1101	191468	68255976664	Urbano
01101	1101071003	483	2017	Iquique	356487.6	2017	1101	191468	68255976664	Urbano
01101	1101051002	350	2017	Iquique	356487.6	2017	1101	191468	68255976664	Urbano
01101	1101081001	601	2017	Iquique	356487.6	2017	1101	191468	68255976664	Urbano
01101	1101111005	359	2017	Iquique	356487.6	2017	1101	191468	68255976664	Urbano
01101	1101111006	60	2017	Iquique	356487.6	2017	1101	191468	68255976664	Urbano
01101	1101111007	234	2017	Iquique	356487.6	2017	1101	191468	68255976664	Urbano
01101	1101111008	322	2017	Iquique	356487.6	2017	1101	191468	68255976664	Urbano
01101	1101111009	317	2017	Iquique	356487.6	2017	1101	191468	68255976664	Urbano
01101	1101111010	21	2017	Iquique	356487.6	2017	1101	191468	68255976664	Urbano
01101	1101111011	309	2017	Iquique	356487.6	2017	1101	191468	68255976664	Urbano
01101	1101111012	109	2017	Iquique	356487.6	2017	1101	191468	68255976664	Urbano
01101	1101111013	227	2017	Iquique	356487.6	2017	1101	191468	68255976664	Urbano
01101	1101111014	138	2017	Iquique	356487.6	2017	1101	191468	68255976664	Urbano
01101	1101991999	68	2017	Iquique	356487.6	2017	1101	191468	68255976664	Urbano
01101	1101071004	211	2017	Iquique	356487.6	2017	1101	191468	68255976664	Urbano
01101	1101021004	178	2017	Iquique	356487.6	2017	1101	191468	68255976664	Urbano
01101	1101021003	265	2017	Iquique	356487.6	2017	1101	191468	68255976664	Urbano
01101	1101111004	279	2017	Iquique	356487.6	2017	1101	191468	68255976664	Urbano
01101	1101021005	337	2017	Iquique	356487.6	2017	1101	191468	68255976664	Urbano
01101	1101031001	194	2017	Iquique	356487.6	2017	1101	191468	68255976664	Urbano
01101	1101031002	482	2017	Iquique	356487.6	2017	1101	191468	68255976664	Urbano
01101	1101101006	356	2017	Iquique	356487.6	2017	1101	191468	68255976664	Urbano
01101	1101111001	249	2017	Iquique	356487.6	2017	1101	191468	68255976664	Urbano
01101	1101101004	249	2017	Iquique	356487.6	2017	1101	191468	68255976664	Urbano
01101	1101101005	481	2017	Iquique	356487.6	2017	1101	191468	68255976664	Urbano
01101	1101111003	353	2017	Iquique	356487.6	2017	1101	191468	68255976664	Urbano
01101	1101021002	2	2017	Iquique	356487.6	2017	1101	191468	68255976664	Urbano
01101	1101111002	184	2017	Iquique	356487.6	2017	1101	191468	68255976664	Urbano
01101	1101021001	55	2017	Iquique	356487.6	2017	1101	191468	68255976664	Urbano
01107	1107011001	245	2017	Alto Hospicio	301933.4	2017	1107	108375	32722034397	Urbano
01107	1107021005	471	2017	Alto Hospicio	301933.4	2017	1107	108375	32722034397	Urbano
01107	1107021002	407	2017	Alto Hospicio	301933.4	2017	1107	108375	32722034397	Urbano
01107	1107021003	323	2017	Alto Hospicio	301933.4	2017	1107	108375	32722034397	Urbano
01107	1107021004	466	2017	Alto Hospicio	301933.4	2017	1107	108375	32722034397	Urbano
01107	1107021006	201	2017	Alto Hospicio	301933.4	2017	1107	108375	32722034397	Urbano
01107	1107991999	41	2017	Alto Hospicio	301933.4	2017	1107	108375	32722034397	Urbano
01107	1107021007	466	2017	Alto Hospicio	301933.4	2017	1107	108375	32722034397	Urbano
01107	1107021008	416	2017	Alto Hospicio	301933.4	2017	1107	108375	32722034397	Urbano
01107	1107041007	359	2017	Alto Hospicio	301933.4	2017	1107	108375	32722034397	Urbano
01107	1107031002	594	2017	Alto Hospicio	301933.4	2017	1107	108375	32722034397	Urbano
01107	1107031003	251	2017	Alto Hospicio	301933.4	2017	1107	108375	32722034397	Urbano
01107	1107011002	284	2017	Alto Hospicio	301933.4	2017	1107	108375	32722034397	Urbano
01107	1107031001	358	2017	Alto Hospicio	301933.4	2017	1107	108375	32722034397	Urbano
01107	1107021001	738	2017	Alto Hospicio	301933.4	2017	1107	108375	32722034397	Urbano
01107	1107041004	272	2017	Alto Hospicio	301933.4	2017	1107	108375	32722034397	Urbano
01107	1107041005	207	2017	Alto Hospicio	301933.4	2017	1107	108375	32722034397	Urbano
01107	1107041006	249	2017	Alto Hospicio	301933.4	2017	1107	108375	32722034397	Urbano
01107	1107011003	280	2017	Alto Hospicio	301933.4	2017	1107	108375	32722034397	Urbano
01107	1107041003	252	2017	Alto Hospicio	301933.4	2017	1107	108375	32722034397	Urbano
01107	1107041001	233	2017	Alto Hospicio	301933.4	2017	1107	108375	32722034397	Urbano
01107	1107041002	342	2017	Alto Hospicio	301933.4	2017	1107	108375	32722034397	Urbano
01401	1401991999	4	2017	Pozo Almonte	299998.6	2017	1401	15711	4713278189	Urbano
01401	1401011001	197	2017	Pozo Almonte	299998.6	2017	1401	15711	4713278189	Urbano
01401	1401011002	411	2017	Pozo Almonte	299998.6	2017	1401	15711	4713278189	Urbano
01404	1404011001	104	2017	NA	NA	NA	NA	NA	NA	NA
01404	1404991999	5	2017	NA	NA	NA	NA	NA	NA	NA
01405	1405011001	298	2017	Pica	330061.1	2017	1405	9296	3068247619	Urbano
01405	1405991999	5	2017	Pica	330061.1	2017	1405	9296	3068247619	Urbano
02101	2101011005	542	2017	Antofagasta	347580.2	2017	2101	361873	125779893517	Urbano
02101	2101011010	264	2017	Antofagasta	347580.2	2017	2101	361873	125779893517	Urbano
02101	2101011017	317	2017	Antofagasta	347580.2	2017	2101	361873	125779893517	Urbano
02101	2101011018	745	2017	Antofagasta	347580.2	2017	2101	361873	125779893517	Urbano
02101	2101011006	97	2017	Antofagasta	347580.2	2017	2101	361873	125779893517	Urbano
02101	2101011008	318	2017	Antofagasta	347580.2	2017	2101	361873	125779893517	Urbano
02101	2101011021	124	2017	Antofagasta	347580.2	2017	2101	361873	125779893517	Urbano
02101	2101011009	462	2017	Antofagasta	347580.2	2017	2101	361873	125779893517	Urbano
02101	2101011019	166	2017	Antofagasta	347580.2	2017	2101	361873	125779893517	Urbano
02101	2101011020	604	2017	Antofagasta	347580.2	2017	2101	361873	125779893517	Urbano
02101	2101011012	282	2017	Antofagasta	347580.2	2017	2101	361873	125779893517	Urbano
02101	2101011013	735	2017	Antofagasta	347580.2	2017	2101	361873	125779893517	Urbano
02101	2101021001	287	2017	Antofagasta	347580.2	2017	2101	361873	125779893517	Urbano
02101	2101011011	79	2017	Antofagasta	347580.2	2017	2101	361873	125779893517	Urbano

7 Ingreso promedio expandido por zona (multi_pob)

En éste momento vamos a construir nuestra variable dependiente de regresión aplicando la siguiente fórmula:

\[ multi\_pob = promedio\_i \cdot personas \cdot p\_poblacional \]

Para ello integramos a la tabla de ingresos expandidos a nivel zonal (punto 6) la tabla de proporciones poblacionales zonales respecto al total comunal (punto 5) :

h_y_m_comuna_corr_01 = merge( x = comunas_con_ing_exp, y = prop_pob, by = "zona", all.x = TRUE)
tablamadre <- head(h_y_m_comuna_corr_01,100)
kbl(tablamadre) %>%
  kable_styling(bootstrap_options = c("striped", "hover")) %>%
  kable_paper() %>%
  scroll_box(width = "100%", height = "300px")

zona	código.x	Freq.x	anio	comuna.x	promedio_i	año	comuna.y	personas	Ingresos_expandidos	tipo	Freq.y	p_poblacional	código.y
10101011001	10101	60	2017	Puerto Montt	298113.4	2017	10101	245902	73306683889	Urbano	584	0.0023749	10101
10101011002	10101	177	2017	Puerto Montt	298113.4	2017	10101	245902	73306683889	Urbano	2941	0.0119600	10101
10101021001	10101	82	2017	Puerto Montt	298113.4	2017	10101	245902	73306683889	Urbano	3953	0.0160755	10101
10101021002	10101	77	2017	Puerto Montt	298113.4	2017	10101	245902	73306683889	Urbano	1107	0.0045018	10101
10101021003	10101	70	2017	Puerto Montt	298113.4	2017	10101	245902	73306683889	Urbano	2294	0.0093289	10101
10101021004	10101	99	2017	Puerto Montt	298113.4	2017	10101	245902	73306683889	Urbano	3391	0.0137900	10101
10101021005	10101	171	2017	Puerto Montt	298113.4	2017	10101	245902	73306683889	Urbano	2564	0.0104269	10101
10101031001	10101	133	2017	Puerto Montt	298113.4	2017	10101	245902	73306683889	Urbano	4530	0.0184220	10101
10101031002	10101	115	2017	Puerto Montt	298113.4	2017	10101	245902	73306683889	Urbano	4740	0.0192760	10101
10101031003	10101	94	2017	Puerto Montt	298113.4	2017	10101	245902	73306683889	Urbano	4107	0.0167018	10101
10101031004	10101	88	2017	Puerto Montt	298113.4	2017	10101	245902	73306683889	Urbano	2856	0.0116144	10101
10101031005	10101	146	2017	Puerto Montt	298113.4	2017	10101	245902	73306683889	Urbano	5690	0.0231393	10101
10101031006	10101	94	2017	Puerto Montt	298113.4	2017	10101	245902	73306683889	Urbano	2460	0.0100040	10101
10101031007	10101	39	2017	Puerto Montt	298113.4	2017	10101	245902	73306683889	Urbano	2292	0.0093208	10101
10101031008	10101	54	2017	Puerto Montt	298113.4	2017	10101	245902	73306683889	Urbano	3585	0.0145790	10101
10101031009	10101	166	2017	Puerto Montt	298113.4	2017	10101	245902	73306683889	Urbano	4436	0.0180397	10101
10101031010	10101	92	2017	Puerto Montt	298113.4	2017	10101	245902	73306683889	Urbano	3566	0.0145017	10101
10101031011	10101	49	2017	Puerto Montt	298113.4	2017	10101	245902	73306683889	Urbano	2757	0.0112118	10101
10101031012	10101	94	2017	Puerto Montt	298113.4	2017	10101	245902	73306683889	Urbano	1849	0.0075193	10101
10101031013	10101	73	2017	Puerto Montt	298113.4	2017	10101	245902	73306683889	Urbano	3945	0.0160430	10101
10101031014	10101	109	2017	Puerto Montt	298113.4	2017	10101	245902	73306683889	Urbano	2265	0.0092110	10101
10101031015	10101	31	2017	Puerto Montt	298113.4	2017	10101	245902	73306683889	Urbano	1930	0.0078487	10101
10101031016	10101	248	2017	Puerto Montt	298113.4	2017	10101	245902	73306683889	Urbano	3071	0.0124887	10101
10101031017	10101	60	2017	Puerto Montt	298113.4	2017	10101	245902	73306683889	Urbano	3885	0.0157990	10101
10101041001	10101	70	2017	Puerto Montt	298113.4	2017	10101	245902	73306683889	Urbano	4342	0.0176574	10101
10101041002	10101	55	2017	Puerto Montt	298113.4	2017	10101	245902	73306683889	Urbano	2169	0.0088206	10101
10101041003	10101	774	2017	Puerto Montt	298113.4	2017	10101	245902	73306683889	Urbano	5202	0.0211548	10101
10101051001	10101	246	2017	Puerto Montt	298113.4	2017	10101	245902	73306683889	Urbano	2463	0.0100162	10101
10101051002	10101	33	2017	Puerto Montt	298113.4	2017	10101	245902	73306683889	Urbano	1913	0.0077795	10101
10101051003	10101	65	2017	Puerto Montt	298113.4	2017	10101	245902	73306683889	Urbano	3272	0.0133061	10101
10101051004	10101	307	2017	Puerto Montt	298113.4	2017	10101	245902	73306683889	Urbano	3633	0.0147742	10101
10101061001	10101	1239	2017	Puerto Montt	298113.4	2017	10101	245902	73306683889	Urbano	6787	0.0276004	10101
10101061002	10101	329	2017	Puerto Montt	298113.4	2017	10101	245902	73306683889	Urbano	2729	0.0110979	10101
10101061003	10101	160	2017	Puerto Montt	298113.4	2017	10101	245902	73306683889	Urbano	3668	0.0149165	10101
10101061004	10101	110	2017	Puerto Montt	298113.4	2017	10101	245902	73306683889	Urbano	2995	0.0121796	10101
10101061005	10101	312	2017	Puerto Montt	298113.4	2017	10101	245902	73306683889	Urbano	2571	0.0104554	10101
10101061006	10101	401	2017	Puerto Montt	298113.4	2017	10101	245902	73306683889	Urbano	4130	0.0167953	10101
10101061007	10101	12	2017	Puerto Montt	298113.4	2017	10101	245902	73306683889	Urbano	817	0.0033225	10101
10101061008	10101	388	2017	Puerto Montt	298113.4	2017	10101	245902	73306683889	Urbano	2109	0.0085766	10101
10101061009	10101	1	2017	Puerto Montt	298113.4	2017	10101	245902	73306683889	Urbano	168	0.0006832	10101
10101061010	10101	6	2017	Puerto Montt	298113.4	2017	10101	245902	73306683889	Urbano	1543	0.0062749	10101
10101071001	10101	20	2017	Puerto Montt	298113.4	2017	10101	245902	73306683889	Urbano	2352	0.0095648	10101
10101071002	10101	54	2017	Puerto Montt	298113.4	2017	10101	245902	73306683889	Urbano	3919	0.0159372	10101
10101071003	10101	112	2017	Puerto Montt	298113.4	2017	10101	245902	73306683889	Urbano	4978	0.0202438	10101
10101071004	10101	75	2017	Puerto Montt	298113.4	2017	10101	245902	73306683889	Urbano	3443	0.0140015	10101
10101071005	10101	61	2017	Puerto Montt	298113.4	2017	10101	245902	73306683889	Urbano	2751	0.0111874	10101
10101071006	10101	60	2017	Puerto Montt	298113.4	2017	10101	245902	73306683889	Urbano	4214	0.0171369	10101
10101071007	10101	29	2017	Puerto Montt	298113.4	2017	10101	245902	73306683889	Urbano	2345	0.0095363	10101
10101071008	10101	77	2017	Puerto Montt	298113.4	2017	10101	245902	73306683889	Urbano	5480	0.0222853	10101
10101071009	10101	49	2017	Puerto Montt	298113.4	2017	10101	245902	73306683889	Urbano	3549	0.0144326	10101
10101071010	10101	48	2017	Puerto Montt	298113.4	2017	10101	245902	73306683889	Urbano	3521	0.0143187	10101
10101071011	10101	43	2017	Puerto Montt	298113.4	2017	10101	245902	73306683889	Urbano	3094	0.0125822	10101
10101071012	10101	47	2017	Puerto Montt	298113.4	2017	10101	245902	73306683889	Urbano	2621	0.0106587	10101
10101071014	10101	26	2017	Puerto Montt	298113.4	2017	10101	245902	73306683889	Urbano	875	0.0035583	10101
10101131001	10101	88	2017	Puerto Montt	298113.4	2017	10101	245902	73306683889	Urbano	604	0.0024563	10101
10101151001	10101	65	2017	Puerto Montt	298113.4	2017	10101	245902	73306683889	Urbano	3973	0.0161568	10101
10101151002	10101	136	2017	Puerto Montt	298113.4	2017	10101	245902	73306683889	Urbano	4655	0.0189303	10101
10101151003	10101	25	2017	Puerto Montt	298113.4	2017	10101	245902	73306683889	Urbano	592	0.0024075	10101
10101151004	10101	7	2017	Puerto Montt	298113.4	2017	10101	245902	73306683889	Urbano	325	0.0013217	10101
10101151005	10101	3	2017	Puerto Montt	298113.4	2017	10101	245902	73306683889	Urbano	384	0.0015616	10101
10101161001	10101	10	2017	Puerto Montt	298113.4	2017	10101	245902	73306683889	Urbano	739	0.0030053	10101
10101161002	10101	49	2017	Puerto Montt	298113.4	2017	10101	245902	73306683889	Urbano	6507	0.0264618	10101
10101161003	10101	77	2017	Puerto Montt	298113.4	2017	10101	245902	73306683889	Urbano	2841	0.0115534	10101
10101161004	10101	27	2017	Puerto Montt	298113.4	2017	10101	245902	73306683889	Urbano	1224	0.0049776	10101
10101161005	10101	1	2017	Puerto Montt	298113.4	2017	10101	245902	73306683889	Urbano	188	0.0007645	10101
10101161006	10101	12	2017	Puerto Montt	298113.4	2017	10101	245902	73306683889	Urbano	435	0.0017690	10101
10101171001	10101	25	2017	Puerto Montt	298113.4	2017	10101	245902	73306683889	Urbano	1747	0.0071045	10101
10101171002	10101	125	2017	Puerto Montt	298113.4	2017	10101	245902	73306683889	Urbano	2902	0.0118014	10101
10101171003	10101	531	2017	Puerto Montt	298113.4	2017	10101	245902	73306683889	Urbano	2873	0.0116835	10101
10101171004	10101	521	2017	Puerto Montt	298113.4	2017	10101	245902	73306683889	Urbano	4707	0.0191418	10101
10101171005	10101	153	2017	Puerto Montt	298113.4	2017	10101	245902	73306683889	Urbano	3782	0.0153801	10101
10101171006	10101	85	2017	Puerto Montt	298113.4	2017	10101	245902	73306683889	Urbano	3515	0.0142943	10101
10101181001	10101	54	2017	Puerto Montt	298113.4	2017	10101	245902	73306683889	Urbano	3155	0.0128303	10101
10101181002	10101	44	2017	Puerto Montt	298113.4	2017	10101	245902	73306683889	Urbano	2282	0.0092801	10101
10101181003	10101	33	2017	Puerto Montt	298113.4	2017	10101	245902	73306683889	Urbano	1312	0.0053355	10101
10101181004	10101	24	2017	Puerto Montt	298113.4	2017	10101	245902	73306683889	Urbano	1466	0.0059617	10101
10101991999	10101	27	2017	Puerto Montt	298113.4	2017	10101	245902	73306683889	Urbano	1400	0.0056933	10101
10102051001	10102	36	2017	Calbuco	266643.0	2017	10102	33985	9061860782	Urbano	3082	0.0906871	10102
10102051002	10102	59	2017	Calbuco	266643.0	2017	10102	33985	9061860782	Urbano	3879	0.1141386	10102
10102141001	10102	64	2017	Calbuco	266643.0	2017	10102	33985	9061860782	Urbano	3356	0.0987494	10102
10102141002	10102	95	2017	Calbuco	266643.0	2017	10102	33985	9061860782	Urbano	5586	0.1643666	10102
10102991999	10102	1	2017	Calbuco	266643.0	2017	10102	33985	9061860782	Urbano	93	0.0027365	10102
10104011001	10104	54	2017	Fresia	214742.9	2017	10104	12261	2632962373	Urbano	2769	0.2258380	10104
10104011002	10104	83	2017	Fresia	214742.9	2017	10104	12261	2632962373	Urbano	4559	0.3718294	10104
10105011001	10105	57	2017	Frutillar	266881.6	2017	10105	18428	4918093598	Urbano	3426	0.1859127	10105
10105011002	10105	38	2017	Frutillar	266881.6	2017	10105	18428	4918093598	Urbano	3126	0.1696332	10105
10105011003	10105	198	2017	Frutillar	266881.6	2017	10105	18428	4918093598	Urbano	3037	0.1648036	10105
10105011004	10105	97	2017	Frutillar	266881.6	2017	10105	18428	4918093598	Urbano	3287	0.1783699	10105
10105991999	10105	9	2017	Frutillar	266881.6	2017	10105	18428	4918093598	Urbano	76	0.0041242	10105
10106011001	10106	91	2017	Los Muermos	225441.2	2017	10106	17068	3847831214	Urbano	5180	0.3034919	10106
10106011002	10106	39	2017	Los Muermos	225441.2	2017	10106	17068	3847831214	Urbano	2748	0.1610030	10106
10106991999	10106	4	2017	Los Muermos	225441.2	2017	10106	17068	3847831214	Urbano	178	0.0104289	10106
10107011001	10107	49	2017	Llanquihue	237305.7	2017	10107	17591	4174444092	Urbano	4286	0.2436473	10107
10107011002	10107	20	2017	Llanquihue	237305.7	2017	10107	17591	4174444092	Urbano	1159	0.0658860	10107
10107011003	10107	113	2017	Llanquihue	237305.7	2017	10107	17591	4174444092	Urbano	3146	0.1788415	10107
10107021001	10107	35	2017	Llanquihue	237305.7	2017	10107	17591	4174444092	Urbano	2292	0.1302939	10107
10107021002	10107	95	2017	Llanquihue	237305.7	2017	10107	17591	4174444092	Urbano	3221	0.1831050	10107
10107991999	10107	5	2017	Llanquihue	237305.7	2017	10107	17591	4174444092	Urbano	118	0.0067080	10107
10108011001	10108	45	2017	Maullín	261660.2	2017	10108	14216	3719761516	Urbano	3797	0.2670934	10108
10108071001	10108	52	2017	Maullín	261660.2	2017	10108	14216	3719761516	Urbano	2824	0.1986494	10108

Hacemos la multiplicación que queda almacenada en la variable multi_pob:

h_y_m_comuna_corr_01$multi_pob <- h_y_m_comuna_corr_01$promedio_i * h_y_m_comuna_corr_01$personas * h_y_m_comuna_corr_01$p_poblacional
tablamadre <- head(h_y_m_comuna_corr_01,100)
kbl(tablamadre) %>%
  kable_styling(bootstrap_options = c("striped", "hover")) %>%
  kable_paper() %>%
  scroll_box(width = "100%", height = "300px")

zona	código.x	Freq.x	anio	comuna.x	promedio_i	año	comuna.y	personas	Ingresos_expandidos	tipo	Freq.y	p_poblacional	código.y	multi_pob
10101011001	10101	60	2017	Puerto Montt	298113.4	2017	10101	245902	73306683889	Urbano	584	0.0023749	10101	174098232
10101011002	10101	177	2017	Puerto Montt	298113.4	2017	10101	245902	73306683889	Urbano	2941	0.0119600	10101	876751541
10101021001	10101	82	2017	Puerto Montt	298113.4	2017	10101	245902	73306683889	Urbano	3953	0.0160755	10101	1178442312
10101021002	10101	77	2017	Puerto Montt	298113.4	2017	10101	245902	73306683889	Urbano	1107	0.0045018	10101	330011546
10101021003	10101	70	2017	Puerto Montt	298113.4	2017	10101	245902	73306683889	Urbano	2294	0.0093289	10101	683872164
10101021004	10101	99	2017	Puerto Montt	298113.4	2017	10101	245902	73306683889	Urbano	3391	0.0137900	10101	1010902575
10101021005	10101	171	2017	Puerto Montt	298113.4	2017	10101	245902	73306683889	Urbano	2564	0.0104269	10101	764362785
10101031001	10101	133	2017	Puerto Montt	298113.4	2017	10101	245902	73306683889	Urbano	4530	0.0184220	10101	1350453750
10101031002	10101	115	2017	Puerto Montt	298113.4	2017	10101	245902	73306683889	Urbano	4740	0.0192760	10101	1413057566
10101031003	10101	94	2017	Puerto Montt	298113.4	2017	10101	245902	73306683889	Urbano	4107	0.0167018	10101	1224351777
10101031004	10101	88	2017	Puerto Montt	298113.4	2017	10101	245902	73306683889	Urbano	2856	0.0116144	10101	851411901
10101031005	10101	146	2017	Puerto Montt	298113.4	2017	10101	245902	73306683889	Urbano	5690	0.0231393	10101	1696265306
10101031006	10101	94	2017	Puerto Montt	298113.4	2017	10101	245902	73306683889	Urbano	2460	0.0100040	10101	733358990
10101031007	10101	39	2017	Puerto Montt	298113.4	2017	10101	245902	73306683889	Urbano	2292	0.0093208	10101	683275937
10101031008	10101	54	2017	Puerto Montt	298113.4	2017	10101	245902	73306683889	Urbano	3585	0.0145790	10101	1068736577
10101031009	10101	166	2017	Puerto Montt	298113.4	2017	10101	245902	73306683889	Urbano	4436	0.0180397	10101	1322431089
10101031010	10101	92	2017	Puerto Montt	298113.4	2017	10101	245902	73306683889	Urbano	3566	0.0145017	10101	1063072422
10101031011	10101	49	2017	Puerto Montt	298113.4	2017	10101	245902	73306683889	Urbano	2757	0.0112118	10101	821898673
10101031012	10101	94	2017	Puerto Montt	298113.4	2017	10101	245902	73306683889	Urbano	1849	0.0075193	10101	551211696
10101031013	10101	73	2017	Puerto Montt	298113.4	2017	10101	245902	73306683889	Urbano	3945	0.0160430	10101	1176057405
10101031014	10101	109	2017	Puerto Montt	298113.4	2017	10101	245902	73306683889	Urbano	2265	0.0092110	10101	675226875
10101031015	10101	31	2017	Puerto Montt	298113.4	2017	10101	245902	73306683889	Urbano	1930	0.0078487	10101	575358882
10101031016	10101	248	2017	Puerto Montt	298113.4	2017	10101	245902	73306683889	Urbano	3071	0.0124887	10101	915506284
10101031017	10101	60	2017	Puerto Montt	298113.4	2017	10101	245902	73306683889	Urbano	3885	0.0157990	10101	1158170600
10101041001	10101	70	2017	Puerto Montt	298113.4	2017	10101	245902	73306683889	Urbano	4342	0.0176574	10101	1294408429
10101041002	10101	55	2017	Puerto Montt	298113.4	2017	10101	245902	73306683889	Urbano	2169	0.0088206	10101	646607988
10101041003	10101	774	2017	Puerto Montt	298113.4	2017	10101	245902	73306683889	Urbano	5202	0.0211548	10101	1550785962
10101051001	10101	246	2017	Puerto Montt	298113.4	2017	10101	245902	73306683889	Urbano	2463	0.0100162	10101	734253330
10101051002	10101	33	2017	Puerto Montt	298113.4	2017	10101	245902	73306683889	Urbano	1913	0.0077795	10101	570290954
10101051003	10101	65	2017	Puerto Montt	298113.4	2017	10101	245902	73306683889	Urbano	3272	0.0133061	10101	975427079
10101051004	10101	307	2017	Puerto Montt	298113.4	2017	10101	245902	73306683889	Urbano	3633	0.0147742	10101	1083046021
10101061001	10101	1239	2017	Puerto Montt	298113.4	2017	10101	245902	73306683889	Urbano	6787	0.0276004	10101	2023295718
10101061002	10101	329	2017	Puerto Montt	298113.4	2017	10101	245902	73306683889	Urbano	2729	0.0110979	10101	813551497
10101061003	10101	160	2017	Puerto Montt	298113.4	2017	10101	245902	73306683889	Urbano	3668	0.0149165	10101	1093479990
10101061004	10101	110	2017	Puerto Montt	298113.4	2017	10101	245902	73306683889	Urbano	2995	0.0121796	10101	892849665
10101061005	10101	312	2017	Puerto Montt	298113.4	2017	10101	245902	73306683889	Urbano	2571	0.0104554	10101	766449579
10101061006	10101	401	2017	Puerto Montt	298113.4	2017	10101	245902	73306683889	Urbano	4130	0.0167953	10101	1231208386
10101061007	10101	12	2017	Puerto Montt	298113.4	2017	10101	245902	73306683889	Urbano	817	0.0033225	10101	243558656
10101061008	10101	388	2017	Puerto Montt	298113.4	2017	10101	245902	73306683889	Urbano	2109	0.0085766	10101	628721183
10101061009	10101	1	2017	Puerto Montt	298113.4	2017	10101	245902	73306683889	Urbano	168	0.0006832	10101	50083053
10101061010	10101	6	2017	Puerto Montt	298113.4	2017	10101	245902	73306683889	Urbano	1543	0.0062749	10101	459988993
10101071001	10101	20	2017	Puerto Montt	298113.4	2017	10101	245902	73306683889	Urbano	2352	0.0095648	10101	701162742
10101071002	10101	54	2017	Puerto Montt	298113.4	2017	10101	245902	73306683889	Urbano	3919	0.0159372	10101	1168306456
10101071003	10101	112	2017	Puerto Montt	298113.4	2017	10101	245902	73306683889	Urbano	4978	0.0202438	10101	1484008558
10101071004	10101	75	2017	Puerto Montt	298113.4	2017	10101	245902	73306683889	Urbano	3443	0.0140015	10101	1026404473
10101071005	10101	61	2017	Puerto Montt	298113.4	2017	10101	245902	73306683889	Urbano	2751	0.0111874	10101	820109993
10101071006	10101	60	2017	Puerto Montt	298113.4	2017	10101	245902	73306683889	Urbano	4214	0.0171369	10101	1256249912
10101071007	10101	29	2017	Puerto Montt	298113.4	2017	10101	245902	73306683889	Urbano	2345	0.0095363	10101	699075948
10101071008	10101	77	2017	Puerto Montt	298113.4	2017	10101	245902	73306683889	Urbano	5480	0.0222853	10101	1633661490
10101071009	10101	49	2017	Puerto Montt	298113.4	2017	10101	245902	73306683889	Urbano	3549	0.0144326	10101	1058004494
10101071010	10101	48	2017	Puerto Montt	298113.4	2017	10101	245902	73306683889	Urbano	3521	0.0143187	10101	1049657319
10101071011	10101	43	2017	Puerto Montt	298113.4	2017	10101	245902	73306683889	Urbano	3094	0.0125822	10101	922362892
10101071012	10101	47	2017	Puerto Montt	298113.4	2017	10101	245902	73306683889	Urbano	2621	0.0106587	10101	781355249
10101071014	10101	26	2017	Puerto Montt	298113.4	2017	10101	245902	73306683889	Urbano	875	0.0035583	10101	260849234
10101131001	10101	88	2017	Puerto Montt	298113.4	2017	10101	245902	73306683889	Urbano	604	0.0024563	10101	180060500
10101151001	10101	65	2017	Puerto Montt	298113.4	2017	10101	245902	73306683889	Urbano	3973	0.0161568	10101	1184404580
10101151002	10101	136	2017	Puerto Montt	298113.4	2017	10101	245902	73306683889	Urbano	4655	0.0189303	10101	1387717926
10101151003	10101	25	2017	Puerto Montt	298113.4	2017	10101	245902	73306683889	Urbano	592	0.0024075	10101	176483139
10101151004	10101	7	2017	Puerto Montt	298113.4	2017	10101	245902	73306683889	Urbano	325	0.0013217	10101	96886858
10101151005	10101	3	2017	Puerto Montt	298113.4	2017	10101	245902	73306683889	Urbano	384	0.0015616	10101	114475550
10101161001	10101	10	2017	Puerto Montt	298113.4	2017	10101	245902	73306683889	Urbano	739	0.0030053	10101	220305810
10101161002	10101	49	2017	Puerto Montt	298113.4	2017	10101	245902	73306683889	Urbano	6507	0.0264618	10101	1939823963
10101161003	10101	77	2017	Puerto Montt	298113.4	2017	10101	245902	73306683889	Urbano	2841	0.0115534	10101	846940199
10101161004	10101	27	2017	Puerto Montt	298113.4	2017	10101	245902	73306683889	Urbano	1224	0.0049776	10101	364890815
10101161005	10101	1	2017	Puerto Montt	298113.4	2017	10101	245902	73306683889	Urbano	188	0.0007645	10101	56045321
10101161006	10101	12	2017	Puerto Montt	298113.4	2017	10101	245902	73306683889	Urbano	435	0.0017690	10101	129679334
10101171001	10101	25	2017	Puerto Montt	298113.4	2017	10101	245902	73306683889	Urbano	1747	0.0071045	10101	520804128
10101171002	10101	125	2017	Puerto Montt	298113.4	2017	10101	245902	73306683889	Urbano	2902	0.0118014	10101	865125118
10101171003	10101	531	2017	Puerto Montt	298113.4	2017	10101	245902	73306683889	Urbano	2873	0.0116835	10101	856479829
10101171004	10101	521	2017	Puerto Montt	298113.4	2017	10101	245902	73306683889	Urbano	4707	0.0191418	10101	1403219824
10101171005	10101	153	2017	Puerto Montt	298113.4	2017	10101	245902	73306683889	Urbano	3782	0.0153801	10101	1127464919
10101171006	10101	85	2017	Puerto Montt	298113.4	2017	10101	245902	73306683889	Urbano	3515	0.0142943	10101	1047868638
10101181001	10101	54	2017	Puerto Montt	298113.4	2017	10101	245902	73306683889	Urbano	3155	0.0128303	10101	940547810
10101181002	10101	44	2017	Puerto Montt	298113.4	2017	10101	245902	73306683889	Urbano	2282	0.0092801	10101	680294803
10101181003	10101	33	2017	Puerto Montt	298113.4	2017	10101	245902	73306683889	Urbano	1312	0.0053355	10101	391124795
10101181004	10101	24	2017	Puerto Montt	298113.4	2017	10101	245902	73306683889	Urbano	1466	0.0059617	10101	437034260
10101991999	10101	27	2017	Puerto Montt	298113.4	2017	10101	245902	73306683889	Urbano	1400	0.0056933	10101	417358775
10102051001	10102	36	2017	Calbuco	266643.0	2017	10102	33985	9061860782	Urbano	3082	0.0906871	10102	821793583
10102051002	10102	59	2017	Calbuco	266643.0	2017	10102	33985	9061860782	Urbano	3879	0.1141386	10102	1034308017
10102141001	10102	64	2017	Calbuco	266643.0	2017	10102	33985	9061860782	Urbano	3356	0.0987494	10102	894853753
10102141002	10102	95	2017	Calbuco	266643.0	2017	10102	33985	9061860782	Urbano	5586	0.1643666	10102	1489467539
10102991999	10102	1	2017	Calbuco	266643.0	2017	10102	33985	9061860782	Urbano	93	0.0027365	10102	24797795
10104011001	10104	54	2017	Fresia	214742.9	2017	10104	12261	2632962373	Urbano	2769	0.2258380	10104	594623017
10104011002	10104	83	2017	Fresia	214742.9	2017	10104	12261	2632962373	Urbano	4559	0.3718294	10104	979012761
10105011001	10105	57	2017	Frutillar	266881.6	2017	10105	18428	4918093598	Urbano	3426	0.1859127	10105	914336264
10105011002	10105	38	2017	Frutillar	266881.6	2017	10105	18428	4918093598	Urbano	3126	0.1696332	10105	834271792
10105011003	10105	198	2017	Frutillar	266881.6	2017	10105	18428	4918093598	Urbano	3037	0.1648036	10105	810519332
10105011004	10105	97	2017	Frutillar	266881.6	2017	10105	18428	4918093598	Urbano	3287	0.1783699	10105	877239725
10105991999	10105	9	2017	Frutillar	266881.6	2017	10105	18428	4918093598	Urbano	76	0.0041242	10105	20282999
10106011001	10106	91	2017	Los Muermos	225441.2	2017	10106	17068	3847831214	Urbano	5180	0.3034919	10106	1167785663
10106011002	10106	39	2017	Los Muermos	225441.2	2017	10106	17068	3847831214	Urbano	2748	0.1610030	10106	619512548
10106991999	10106	4	2017	Los Muermos	225441.2	2017	10106	17068	3847831214	Urbano	178	0.0104289	10106	40128542
10107011001	10107	49	2017	Llanquihue	237305.7	2017	10107	17591	4174444092	Urbano	4286	0.2436473	10107	1017092114
10107011002	10107	20	2017	Llanquihue	237305.7	2017	10107	17591	4174444092	Urbano	1159	0.0658860	10107	275037275
10107011003	10107	113	2017	Llanquihue	237305.7	2017	10107	17591	4174444092	Urbano	3146	0.1788415	10107	746563647
10107021001	10107	35	2017	Llanquihue	237305.7	2017	10107	17591	4174444092	Urbano	2292	0.1302939	10107	543904602
10107021002	10107	95	2017	Llanquihue	237305.7	2017	10107	17591	4174444092	Urbano	3221	0.1831050	10107	764361572
10107991999	10107	5	2017	Llanquihue	237305.7	2017	10107	17591	4174444092	Urbano	118	0.0067080	10107	28002069
10108011001	10108	45	2017	Maullín	261660.2	2017	10108	14216	3719761516	Urbano	3797	0.2670934	10108	993523809
10108071001	10108	52	2017	Maullín	261660.2	2017	10108	14216	3719761516	Urbano	2824	0.1986494	10108	738928427

8 Análisis de regresión

Aplicaremos un análisis de regresión donde:

\[ Y(dependiente) = ingreso \ expandido \ por \ zona \ (multi\_pob)\]

\[ X(independiente) = frecuencia \ de \ población \ que \ posee \ la \ variable \ Censal \ respecto \ a \ la \ zona \ (Freq.x) \]

8.1 Diagrama de dispersión

scatter.smooth(x=h_y_m_comuna_corr_01$Freq.x, y=h_y_m_comuna_corr_01$multi_pob, main="multi_pob ~ Freq.x",
     xlab = "Freq.x",
     ylab = "multi_pob",
           col = 2)

8.2 Outliers

Hemos demostrado en el punto 5.7.2 de aquí que la exclusión de ouliers no genera ninguna mejora en el modelo de regresión.

8.3 Modelo lineal

Aplicaremos un análisis de regresión lineal del ingreso expandido por zona sobre las frecuencias de respuestas zonales.

linearMod <- lm( multi_pob~(Freq.x) , data=h_y_m_comuna_corr_01)
summary(linearMod)

## 
## Call:
## lm(formula = multi_pob ~ (Freq.x), data = h_y_m_comuna_corr_01)
## 
## Residuals:
##        Min         1Q     Median         3Q        Max 
## -1.039e+09 -3.204e+08 -1.451e+07  2.855e+08  3.889e+09 
## 
## Coefficients:
##              Estimate Std. Error t value Pr(>|t|)    
## (Intercept) 692501597    8067586   85.84   <2e-16 ***
## Freq.x        1237768      25676   48.21   <2e-16 ***
## ---
## Signif. codes:  0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
## 
## Residual standard error: 436500000 on 5052 degrees of freedom
##   (15 observations deleted due to missingness)
## Multiple R-squared:  0.3151, Adjusted R-squared:  0.3149 
## F-statistic:  2324 on 1 and 5052 DF,  p-value: < 2.2e-16

8.4 Gráfica de la recta de regresión lineal

ggplot(h_y_m_comuna_corr_01, aes(x = Freq.x , y = multi_pob)) + 
  geom_point() +
  stat_smooth(method = "lm", col = "red")

Obtenemos que nuestro modelo lineal da cuenta del 0.3149 de la variabilidad de los datos de respuesta en torno a su media. Modelos alternativos pueden ofrecernos una explicación de la variable dependiente aún mayor.

9 Modelos alternativos

9.1 Modelo cuadrático

\[ \hat Y = \beta_0 + \beta_1 X^2 \]

linearMod <- lm( multi_pob~(Freq.x^2) , data=h_y_m_comuna_corr_01)
summary(linearMod)$adj.r.squared

## [1] 0.3149309

9.2 Modelo cúbico

\[ \hat Y = \beta_0 + \beta_1 X^3 \]

linearMod <- lm( multi_pob~(Freq.x^3) , data=h_y_m_comuna_corr_01)
summary(linearMod)$adj.r.squared

## [1] 0.3149309

8.3 Modelo logarítmico

\[ \hat Y = \beta_0 + \beta_1 ln X \]

linearMod <- lm( multi_pob~log(Freq.x) , data=h_y_m_comuna_corr_01)
summary(linearMod)$adj.r.squared

## [1] 0.5028485

8.4 Modelo exponencial

\[ \hat Y = \beta_0 + \beta_1 e^X \]

No es aplicable sin una transformación pues los valores elevados a $e$ de Freq.x tienden a infinito.

8.5 Modelo con raíz cuadrada

\[ \hat Y = \beta_0 + \beta_1 \sqrt {X} \]

linearMod <- lm( multi_pob~sqrt(Freq.x) , data=h_y_m_comuna_corr_01)
summary(linearMod)$adj.r.squared

## [1] 0.4529973

8.6 Modelo raíz-raíz

\[ \hat Y = {\beta_0}^2 + 2 \beta_0 \beta_1 \sqrt{X}+ \beta_1^2 X \]

linearMod <- lm( sqrt(multi_pob)~sqrt(Freq.x) , data=h_y_m_comuna_corr_01)
summary(linearMod)$adj.r.squared

## [1] 0.4553581

8.7 Modelo log-raíz

\[ \hat Y = e^{\beta_0 + \beta_1 \sqrt{X}} \]

linearMod <- lm( log(multi_pob)~sqrt(Freq.x) , data=h_y_m_comuna_corr_01)
summary(linearMod)$adj.r.squared

## [1] 0.3593132

8.8 Modelo raíz-log

\[ \hat Y = {\beta_0}^2 + 2 \beta_0 \beta_1 \ln{X}+ \beta_1^2 ln^2X \]

linearMod <- lm( sqrt(multi_pob)~log(Freq.x) , data=h_y_m_comuna_corr_01)
summary(linearMod)$adj.r.squared

## [1] 0.6174455

8.9 Modelo log-log

\[ \hat Y = e^{\beta_0+\beta_1 ln{X}} \]

linearMod <- lm( log(multi_pob)~log(Freq.x) , data=h_y_m_comuna_corr_01)
summary(linearMod)$adj.r.squared

## [1] 0.6545895

9 Modelo log-log (log-log)

Es éste el modelo que nos entrega el mayor coeficiente de determinación de todos (0.6545895).

9.1 Diagrama de dispersión sobre log-log

Desplegamos una curva suavizada por loess en el diagrama de dispersión.

scatter.smooth(x=log(h_y_m_comuna_corr_01$Freq.x), y=log(h_y_m_comuna_corr_01$multi_pob), lpars = list(col = "red", lwd = 2, lty = 1), main="multi_pob ~ Freq.x")

9.2 Modelo log-log

Observemos nuevamente el resultado sobre log-log.

linearMod <- lm(log( multi_pob)~log(Freq.x) , data=h_y_m_comuna_corr_01)
summary(linearMod)

## 
## Call:
## lm(formula = log(multi_pob) ~ log(Freq.x), data = h_y_m_comuna_corr_01)
## 
## Residuals:
##     Min      1Q  Median      3Q     Max 
## -4.9171 -0.3213  0.0648  0.3950  2.5846 
## 
## Coefficients:
##              Estimate Std. Error t value Pr(>|t|)    
## (Intercept) 17.361982   0.031913  544.04   <2e-16 ***
## log(Freq.x)  0.641075   0.006551   97.86   <2e-16 ***
## ---
## Signif. codes:  0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
## 
## Residual standard error: 0.6128 on 5052 degrees of freedom
##   (15 observations deleted due to missingness)
## Multiple R-squared:  0.6547, Adjusted R-squared:  0.6546 
## F-statistic:  9577 on 1 and 5052 DF,  p-value: < 2.2e-16

ggplot(h_y_m_comuna_corr_01, aes(x = log(Freq.x) , y = log(multi_pob))) + geom_point() + stat_smooth(method = "lm", col = "red")

9.3 Análisis de residuos

par(mfrow = c (2,2))
plot(linearMod)

9.4 Ecuación del modelo

\[ \hat Y = e^{17.361982+0.641075 \cdot ln{X}} \]

10 Aplicación la regresión a los valores de la variable a nivel de zona

Esta nueva variable se llamará: est_ing

h_y_m_comuna_corr_01$est_ing <- exp(17.361982+0.641075 * log(h_y_m_comuna_corr_01$Freq.x))

r3_100 <- h_y_m_comuna_corr_01[c(1:100),]
kbl(r3_100) %>%
  kable_styling(bootstrap_options = c("striped", "hover")) %>%
  kable_paper() %>%
  scroll_box(width = "100%", height = "300px")

zona	código.x	Freq.x	anio	comuna.x	promedio_i	año	comuna.y	personas	Ingresos_expandidos	tipo	Freq.y	p_poblacional	código.y	multi_pob	est_ing
10101011001	10101	60	2017	Puerto Montt	298113.4	2017	10101	245902	73306683889	Urbano	584	0.0023749	10101	174098232	478785832
10101011002	10101	177	2017	Puerto Montt	298113.4	2017	10101	245902	73306683889	Urbano	2941	0.0119600	10101	876751541	957927055
10101021001	10101	82	2017	Puerto Montt	298113.4	2017	10101	245902	73306683889	Urbano	3953	0.0160755	10101	1178442312	584939828
10101021002	10101	77	2017	Puerto Montt	298113.4	2017	10101	245902	73306683889	Urbano	1107	0.0045018	10101	330011546	561817185
10101021003	10101	70	2017	Puerto Montt	298113.4	2017	10101	245902	73306683889	Urbano	2294	0.0093289	10101	683872164	528517295
10101021004	10101	99	2017	Puerto Montt	298113.4	2017	10101	245902	73306683889	Urbano	3391	0.0137900	10101	1010902575	660031724
10101021005	10101	171	2017	Puerto Montt	298113.4	2017	10101	245902	73306683889	Urbano	2564	0.0104269	10101	764362785	936981377
10101031001	10101	133	2017	Puerto Montt	298113.4	2017	10101	245902	73306683889	Urbano	4530	0.0184220	10101	1350453750	797555966
10101031002	10101	115	2017	Puerto Montt	298113.4	2017	10101	245902	73306683889	Urbano	4740	0.0192760	10101	1413057566	726565623
10101031003	10101	94	2017	Puerto Montt	298113.4	2017	10101	245902	73306683889	Urbano	4107	0.0167018	10101	1224351777	638463268
10101031004	10101	88	2017	Puerto Montt	298113.4	2017	10101	245902	73306683889	Urbano	2856	0.0116144	10101	851411901	612029290
10101031005	10101	146	2017	Puerto Montt	298113.4	2017	10101	245902	73306683889	Urbano	5690	0.0231393	10101	1696265306	846692055
10101031006	10101	94	2017	Puerto Montt	298113.4	2017	10101	245902	73306683889	Urbano	2460	0.0100040	10101	733358990	638463268
10101031007	10101	39	2017	Puerto Montt	298113.4	2017	10101	245902	73306683889	Urbano	2292	0.0093208	10101	683275937	363249245
10101031008	10101	54	2017	Puerto Montt	298113.4	2017	10101	245902	73306683889	Urbano	3585	0.0145790	10101	1068736577	447514701
10101031009	10101	166	2017	Puerto Montt	298113.4	2017	10101	245902	73306683889	Urbano	4436	0.0180397	10101	1322431089	919324364
10101031010	10101	92	2017	Puerto Montt	298113.4	2017	10101	245902	73306683889	Urbano	3566	0.0145017	10101	1063072422	629721120
10101031011	10101	49	2017	Puerto Montt	298113.4	2017	10101	245902	73306683889	Urbano	2757	0.0112118	10101	821898673	420489765
10101031012	10101	94	2017	Puerto Montt	298113.4	2017	10101	245902	73306683889	Urbano	1849	0.0075193	10101	551211696	638463268
10101031013	10101	73	2017	Puerto Montt	298113.4	2017	10101	245902	73306683889	Urbano	3945	0.0160430	10101	1176057405	542928550
10101031014	10101	109	2017	Puerto Montt	298113.4	2017	10101	245902	73306683889	Urbano	2265	0.0092110	10101	675226875	702030806
10101031015	10101	31	2017	Puerto Montt	298113.4	2017	10101	245902	73306683889	Urbano	1930	0.0078487	10101	575358882	313536189
10101031016	10101	248	2017	Puerto Montt	298113.4	2017	10101	245902	73306683889	Urbano	3071	0.0124887	10101	915506284	1189148490
10101031017	10101	60	2017	Puerto Montt	298113.4	2017	10101	245902	73306683889	Urbano	3885	0.0157990	10101	1158170600	478785832
10101041001	10101	70	2017	Puerto Montt	298113.4	2017	10101	245902	73306683889	Urbano	4342	0.0176574	10101	1294408429	528517295
10101041002	10101	55	2017	Puerto Montt	298113.4	2017	10101	245902	73306683889	Urbano	2169	0.0088206	10101	646607988	452809978
10101041003	10101	774	2017	Puerto Montt	298113.4	2017	10101	245902	73306683889	Urbano	5202	0.0211548	10101	1550785962	2466678730
10101051001	10101	246	2017	Puerto Montt	298113.4	2017	10101	245902	73306683889	Urbano	2463	0.0100162	10101	734253330	1182991710
10101051002	10101	33	2017	Puerto Montt	298113.4	2017	10101	245902	73306683889	Urbano	1913	0.0077795	10101	570290954	326358029
10101051003	10101	65	2017	Puerto Montt	298113.4	2017	10101	245902	73306683889	Urbano	3272	0.0133061	10101	975427079	503995209
10101051004	10101	307	2017	Puerto Montt	298113.4	2017	10101	245902	73306683889	Urbano	3633	0.0147742	10101	1083046021	1363500218
10101061001	10101	1239	2017	Puerto Montt	298113.4	2017	10101	245902	73306683889	Urbano	6787	0.0276004	10101	2023295718	3335060105
10101061002	10101	329	2017	Puerto Montt	298113.4	2017	10101	245902	73306683889	Urbano	2729	0.0110979	10101	813551497	1425359248
10101061003	10101	160	2017	Puerto Montt	298113.4	2017	10101	245902	73306683889	Urbano	3668	0.0149165	10101	1093479990	897881856
10101061004	10101	110	2017	Puerto Montt	298113.4	2017	10101	245902	73306683889	Urbano	2995	0.0121796	10101	892849665	706152975
10101061005	10101	312	2017	Puerto Montt	298113.4	2017	10101	245902	73306683889	Urbano	2571	0.0104554	10101	766449579	1377695164
10101061006	10101	401	2017	Puerto Montt	298113.4	2017	10101	245902	73306683889	Urbano	4130	0.0167953	10101	1231208386	1618168550
10101061007	10101	12	2017	Puerto Montt	298113.4	2017	10101	245902	73306683889	Urbano	817	0.0033225	10101	243558656	170627526
10101061008	10101	388	2017	Puerto Montt	298113.4	2017	10101	245902	73306683889	Urbano	2109	0.0085766	10101	628721183	1584339595
10101061009	10101	1	2017	Puerto Montt	298113.4	2017	10101	245902	73306683889	Urbano	168	0.0006832	10101	50083053	34690693
10101061010	10101	6	2017	Puerto Montt	298113.4	2017	10101	245902	73306683889	Urbano	1543	0.0062749	10101	459988993	109412336
10101071001	10101	20	2017	Puerto Montt	298113.4	2017	10101	245902	73306683889	Urbano	2352	0.0095648	10101	701162742	236739530
10101071002	10101	54	2017	Puerto Montt	298113.4	2017	10101	245902	73306683889	Urbano	3919	0.0159372	10101	1168306456	447514701
10101071003	10101	112	2017	Puerto Montt	298113.4	2017	10101	245902	73306683889	Urbano	4978	0.0202438	10101	1484008558	714357192
10101071004	10101	75	2017	Puerto Montt	298113.4	2017	10101	245902	73306683889	Urbano	3443	0.0140015	10101	1026404473	552418071
10101071005	10101	61	2017	Puerto Montt	298113.4	2017	10101	245902	73306683889	Urbano	2751	0.0111874	10101	820109993	483886272
10101071006	10101	60	2017	Puerto Montt	298113.4	2017	10101	245902	73306683889	Urbano	4214	0.0171369	10101	1256249912	478785832
10101071007	10101	29	2017	Puerto Montt	298113.4	2017	10101	245902	73306683889	Urbano	2345	0.0095363	10101	699075948	300413727
10101071008	10101	77	2017	Puerto Montt	298113.4	2017	10101	245902	73306683889	Urbano	5480	0.0222853	10101	1633661490	561817185
10101071009	10101	49	2017	Puerto Montt	298113.4	2017	10101	245902	73306683889	Urbano	3549	0.0144326	10101	1058004494	420489765
10101071010	10101	48	2017	Puerto Montt	298113.4	2017	10101	245902	73306683889	Urbano	3521	0.0143187	10101	1049657319	414968092
10101071011	10101	43	2017	Puerto Montt	298113.4	2017	10101	245902	73306683889	Urbano	3094	0.0125822	10101	922362892	386712996
10101071012	10101	47	2017	Puerto Montt	298113.4	2017	10101	245902	73306683889	Urbano	2621	0.0106587	10101	781355249	409404971
10101071014	10101	26	2017	Puerto Montt	298113.4	2017	10101	245902	73306683889	Urbano	875	0.0035583	10101	260849234	280102520
10101131001	10101	88	2017	Puerto Montt	298113.4	2017	10101	245902	73306683889	Urbano	604	0.0024563	10101	180060500	612029290
10101151001	10101	65	2017	Puerto Montt	298113.4	2017	10101	245902	73306683889	Urbano	3973	0.0161568	10101	1184404580	503995209
10101151002	10101	136	2017	Puerto Montt	298113.4	2017	10101	245902	73306683889	Urbano	4655	0.0189303	10101	1387717926	809042681
10101151003	10101	25	2017	Puerto Montt	298113.4	2017	10101	245902	73306683889	Urbano	592	0.0024075	10101	176483139	273147587
10101151004	10101	7	2017	Puerto Montt	298113.4	2017	10101	245902	73306683889	Urbano	325	0.0013217	10101	96886858	120776990
10101151005	10101	3	2017	Puerto Montt	298113.4	2017	10101	245902	73306683889	Urbano	384	0.0015616	10101	114475550	70159015
10101161001	10101	10	2017	Puerto Montt	298113.4	2017	10101	245902	73306683889	Urbano	739	0.0030053	10101	220305810	151805665
10101161002	10101	49	2017	Puerto Montt	298113.4	2017	10101	245902	73306683889	Urbano	6507	0.0264618	10101	1939823963	420489765
10101161003	10101	77	2017	Puerto Montt	298113.4	2017	10101	245902	73306683889	Urbano	2841	0.0115534	10101	846940199	561817185
10101161004	10101	27	2017	Puerto Montt	298113.4	2017	10101	245902	73306683889	Urbano	1224	0.0049776	10101	364890815	286962074
10101161005	10101	1	2017	Puerto Montt	298113.4	2017	10101	245902	73306683889	Urbano	188	0.0007645	10101	56045321	34690693
10101161006	10101	12	2017	Puerto Montt	298113.4	2017	10101	245902	73306683889	Urbano	435	0.0017690	10101	129679334	170627526
10101171001	10101	25	2017	Puerto Montt	298113.4	2017	10101	245902	73306683889	Urbano	1747	0.0071045	10101	520804128	273147587
10101171002	10101	125	2017	Puerto Montt	298113.4	2017	10101	245902	73306683889	Urbano	2902	0.0118014	10101	865125118	766460122
10101171003	10101	531	2017	Puerto Montt	298113.4	2017	10101	245902	73306683889	Urbano	2873	0.0116835	10101	856479829	1937327073
10101171004	10101	521	2017	Puerto Montt	298113.4	2017	10101	245902	73306683889	Urbano	4707	0.0191418	10101	1403219824	1913858040
10101171005	10101	153	2017	Puerto Montt	298113.4	2017	10101	245902	73306683889	Urbano	3782	0.0153801	10101	1127464919	872497189
10101171006	10101	85	2017	Puerto Montt	298113.4	2017	10101	245902	73306683889	Urbano	3515	0.0142943	10101	1047868638	598570371
10101181001	10101	54	2017	Puerto Montt	298113.4	2017	10101	245902	73306683889	Urbano	3155	0.0128303	10101	940547810	447514701
10101181002	10101	44	2017	Puerto Montt	298113.4	2017	10101	245902	73306683889	Urbano	2282	0.0092801	10101	680294803	392454580
10101181003	10101	33	2017	Puerto Montt	298113.4	2017	10101	245902	73306683889	Urbano	1312	0.0053355	10101	391124795	326358029
10101181004	10101	24	2017	Puerto Montt	298113.4	2017	10101	245902	73306683889	Urbano	1466	0.0059617	10101	437034260	266092050
10101991999	10101	27	2017	Puerto Montt	298113.4	2017	10101	245902	73306683889	Urbano	1400	0.0056933	10101	417358775	286962074
10102051001	10102	36	2017	Calbuco	266643.0	2017	10102	33985	9061860782	Urbano	3082	0.0906871	10102	821793583	345079852
10102051002	10102	59	2017	Calbuco	266643.0	2017	10102	33985	9061860782	Urbano	3879	0.1141386	10102	1034308017	473654787
10102141001	10102	64	2017	Calbuco	266643.0	2017	10102	33985	9061860782	Urbano	3356	0.0987494	10102	894853753	499010638
10102141002	10102	95	2017	Calbuco	266643.0	2017	10102	33985	9061860782	Urbano	5586	0.1643666	10102	1489467539	642809280
10102991999	10102	1	2017	Calbuco	266643.0	2017	10102	33985	9061860782	Urbano	93	0.0027365	10102	24797795	34690693
10104011001	10104	54	2017	Fresia	214742.9	2017	10104	12261	2632962373	Urbano	2769	0.2258380	10104	594623017	447514701
10104011002	10104	83	2017	Fresia	214742.9	2017	10104	12261	2632962373	Urbano	4559	0.3718294	10104	979012761	589502927
10105011001	10105	57	2017	Frutillar	266881.6	2017	10105	18428	4918093598	Urbano	3426	0.1859127	10105	914336264	463298027
10105011002	10105	38	2017	Frutillar	266881.6	2017	10105	18428	4918093598	Urbano	3126	0.1696332	10105	834271792	357250419
10105011003	10105	198	2017	Frutillar	266881.6	2017	10105	18428	4918093598	Urbano	3037	0.1648036	10105	810519332	1029313371
10105011004	10105	97	2017	Frutillar	266881.6	2017	10105	18428	4918093598	Urbano	3287	0.1783699	10105	877239725	651452368
10105991999	10105	9	2017	Frutillar	266881.6	2017	10105	18428	4918093598	Urbano	76	0.0041242	10105	20282999	141890721
10106011001	10106	91	2017	Los Muermos	225441.2	2017	10106	17068	3847831214	Urbano	5180	0.3034919	10106	1167785663	625324491
10106011002	10106	39	2017	Los Muermos	225441.2	2017	10106	17068	3847831214	Urbano	2748	0.1610030	10106	619512548	363249245
10106991999	10106	4	2017	Los Muermos	225441.2	2017	10106	17068	3847831214	Urbano	178	0.0104289	10106	40128542	84368162
10107011001	10107	49	2017	Llanquihue	237305.7	2017	10107	17591	4174444092	Urbano	4286	0.2436473	10107	1017092114	420489765
10107011002	10107	20	2017	Llanquihue	237305.7	2017	10107	17591	4174444092	Urbano	1159	0.0658860	10107	275037275	236739530
10107011003	10107	113	2017	Llanquihue	237305.7	2017	10107	17591	4174444092	Urbano	3146	0.1788415	10107	746563647	718439564
10107021001	10107	35	2017	Llanquihue	237305.7	2017	10107	17591	4174444092	Urbano	2292	0.1302939	10107	543904602	338903769
10107021002	10107	95	2017	Llanquihue	237305.7	2017	10107	17591	4174444092	Urbano	3221	0.1831050	10107	764361572	642809280
10107991999	10107	5	2017	Llanquihue	237305.7	2017	10107	17591	4174444092	Urbano	118	0.0067080	10107	28002069	97343100
10108011001	10108	45	2017	Maullín	261660.2	2017	10108	14216	3719761516	Urbano	3797	0.2670934	10108	993523809	398149514
10108071001	10108	52	2017	Maullín	261660.2	2017	10108	14216	3719761516	Urbano	2824	0.1986494	10108	738928427	436817291

11 División del valor estimado entre la población total de la zona para obtener el ingreso medio por zona

\[ Ingreso \_ Medio\_zona = est\_ing / (personas * p\_poblacional) \]

h_y_m_comuna_corr_01$ing_medio_zona <- h_y_m_comuna_corr_01$est_ing  /( h_y_m_comuna_corr_01$personas  * h_y_m_comuna_corr_01$p_poblacional)

r3_100 <- h_y_m_comuna_corr_01[c(1:100),]
kbl(r3_100) %>%
  kable_styling(bootstrap_options = c("striped", "hover")) %>%
  kable_paper() %>%
  scroll_box(width = "100%", height = "300px")

zona	código.x	Freq.x	anio	comuna.x	promedio_i	año	comuna.y	personas	Ingresos_expandidos	tipo	Freq.y	p_poblacional	código.y	multi_pob	est_ing	ing_medio_zona
10101011001	10101	60	2017	Puerto Montt	298113.4	2017	10101	245902	73306683889	Urbano	584	0.0023749	10101	174098232	478785832	819838.75
10101011002	10101	177	2017	Puerto Montt	298113.4	2017	10101	245902	73306683889	Urbano	2941	0.0119600	10101	876751541	957927055	325714.74
10101021001	10101	82	2017	Puerto Montt	298113.4	2017	10101	245902	73306683889	Urbano	3953	0.0160755	10101	1178442312	584939828	147973.65
10101021002	10101	77	2017	Puerto Montt	298113.4	2017	10101	245902	73306683889	Urbano	1107	0.0045018	10101	330011546	561817185	507513.27
10101021003	10101	70	2017	Puerto Montt	298113.4	2017	10101	245902	73306683889	Urbano	2294	0.0093289	10101	683872164	528517295	230391.15
10101021004	10101	99	2017	Puerto Montt	298113.4	2017	10101	245902	73306683889	Urbano	3391	0.0137900	10101	1010902575	660031724	194642.21
10101021005	10101	171	2017	Puerto Montt	298113.4	2017	10101	245902	73306683889	Urbano	2564	0.0104269	10101	764362785	936981377	365437.35
10101031001	10101	133	2017	Puerto Montt	298113.4	2017	10101	245902	73306683889	Urbano	4530	0.0184220	10101	1350453750	797555966	176060.92
10101031002	10101	115	2017	Puerto Montt	298113.4	2017	10101	245902	73306683889	Urbano	4740	0.0192760	10101	1413057566	726565623	153283.89
10101031003	10101	94	2017	Puerto Montt	298113.4	2017	10101	245902	73306683889	Urbano	4107	0.0167018	10101	1224351777	638463268	155457.33
10101031004	10101	88	2017	Puerto Montt	298113.4	2017	10101	245902	73306683889	Urbano	2856	0.0116144	10101	851411901	612029290	214295.97
10101031005	10101	146	2017	Puerto Montt	298113.4	2017	10101	245902	73306683889	Urbano	5690	0.0231393	10101	1696265306	846692055	148803.52
10101031006	10101	94	2017	Puerto Montt	298113.4	2017	10101	245902	73306683889	Urbano	2460	0.0100040	10101	733358990	638463268	259537.91
10101031007	10101	39	2017	Puerto Montt	298113.4	2017	10101	245902	73306683889	Urbano	2292	0.0093208	10101	683275937	363249245	158485.71
10101031008	10101	54	2017	Puerto Montt	298113.4	2017	10101	245902	73306683889	Urbano	3585	0.0145790	10101	1068736577	447514701	124829.76
10101031009	10101	166	2017	Puerto Montt	298113.4	2017	10101	245902	73306683889	Urbano	4436	0.0180397	10101	1322431089	919324364	207241.74
10101031010	10101	92	2017	Puerto Montt	298113.4	2017	10101	245902	73306683889	Urbano	3566	0.0145017	10101	1063072422	629721120	176590.33
10101031011	10101	49	2017	Puerto Montt	298113.4	2017	10101	245902	73306683889	Urbano	2757	0.0112118	10101	821898673	420489765	152517.14
10101031012	10101	94	2017	Puerto Montt	298113.4	2017	10101	245902	73306683889	Urbano	1849	0.0075193	10101	551211696	638463268	345301.93
10101031013	10101	73	2017	Puerto Montt	298113.4	2017	10101	245902	73306683889	Urbano	3945	0.0160430	10101	1176057405	542928550	137624.47
10101031014	10101	109	2017	Puerto Montt	298113.4	2017	10101	245902	73306683889	Urbano	2265	0.0092110	10101	675226875	702030806	309947.38
10101031015	10101	31	2017	Puerto Montt	298113.4	2017	10101	245902	73306683889	Urbano	1930	0.0078487	10101	575358882	313536189	162453.98
10101031016	10101	248	2017	Puerto Montt	298113.4	2017	10101	245902	73306683889	Urbano	3071	0.0124887	10101	915506284	1189148490	387218.66
10101031017	10101	60	2017	Puerto Montt	298113.4	2017	10101	245902	73306683889	Urbano	3885	0.0157990	10101	1158170600	478785832	123239.60
10101041001	10101	70	2017	Puerto Montt	298113.4	2017	10101	245902	73306683889	Urbano	4342	0.0176574	10101	1294408429	528517295	121722.09
10101041002	10101	55	2017	Puerto Montt	298113.4	2017	10101	245902	73306683889	Urbano	2169	0.0088206	10101	646607988	452809978	208764.40
10101041003	10101	774	2017	Puerto Montt	298113.4	2017	10101	245902	73306683889	Urbano	5202	0.0211548	10101	1550785962	2466678730	474178.92
10101051001	10101	246	2017	Puerto Montt	298113.4	2017	10101	245902	73306683889	Urbano	2463	0.0100162	10101	734253330	1182991710	480305.20
10101051002	10101	33	2017	Puerto Montt	298113.4	2017	10101	245902	73306683889	Urbano	1913	0.0077795	10101	570290954	326358029	170600.12
10101051003	10101	65	2017	Puerto Montt	298113.4	2017	10101	245902	73306683889	Urbano	3272	0.0133061	10101	975427079	503995209	154032.77
10101051004	10101	307	2017	Puerto Montt	298113.4	2017	10101	245902	73306683889	Urbano	3633	0.0147742	10101	1083046021	1363500218	375309.72
10101061001	10101	1239	2017	Puerto Montt	298113.4	2017	10101	245902	73306683889	Urbano	6787	0.0276004	10101	2023295718	3335060105	491389.44
10101061002	10101	329	2017	Puerto Montt	298113.4	2017	10101	245902	73306683889	Urbano	2729	0.0110979	10101	813551497	1425359248	522300.93
10101061003	10101	160	2017	Puerto Montt	298113.4	2017	10101	245902	73306683889	Urbano	3668	0.0149165	10101	1093479990	897881856	244787.86
10101061004	10101	110	2017	Puerto Montt	298113.4	2017	10101	245902	73306683889	Urbano	2995	0.0121796	10101	892849665	706152975	235777.29
10101061005	10101	312	2017	Puerto Montt	298113.4	2017	10101	245902	73306683889	Urbano	2571	0.0104554	10101	766449579	1377695164	535859.65
10101061006	10101	401	2017	Puerto Montt	298113.4	2017	10101	245902	73306683889	Urbano	4130	0.0167953	10101	1231208386	1618168550	391808.37
10101061007	10101	12	2017	Puerto Montt	298113.4	2017	10101	245902	73306683889	Urbano	817	0.0033225	10101	243558656	170627526	208846.42
10101061008	10101	388	2017	Puerto Montt	298113.4	2017	10101	245902	73306683889	Urbano	2109	0.0085766	10101	628721183	1584339595	751227.88
10101061009	10101	1	2017	Puerto Montt	298113.4	2017	10101	245902	73306683889	Urbano	168	0.0006832	10101	50083053	34690693	206492.22
10101061010	10101	6	2017	Puerto Montt	298113.4	2017	10101	245902	73306683889	Urbano	1543	0.0062749	10101	459988993	109412336	70908.84
10101071001	10101	20	2017	Puerto Montt	298113.4	2017	10101	245902	73306683889	Urbano	2352	0.0095648	10101	701162742	236739530	100654.56
10101071002	10101	54	2017	Puerto Montt	298113.4	2017	10101	245902	73306683889	Urbano	3919	0.0159372	10101	1168306456	447514701	114191.04
10101071003	10101	112	2017	Puerto Montt	298113.4	2017	10101	245902	73306683889	Urbano	4978	0.0202438	10101	1484008558	714357192	143502.85
10101071004	10101	75	2017	Puerto Montt	298113.4	2017	10101	245902	73306683889	Urbano	3443	0.0140015	10101	1026404473	552418071	160446.72
10101071005	10101	61	2017	Puerto Montt	298113.4	2017	10101	245902	73306683889	Urbano	2751	0.0111874	10101	820109993	483886272	175894.68
10101071006	10101	60	2017	Puerto Montt	298113.4	2017	10101	245902	73306683889	Urbano	4214	0.0171369	10101	1256249912	478785832	113617.90
10101071007	10101	29	2017	Puerto Montt	298113.4	2017	10101	245902	73306683889	Urbano	2345	0.0095363	10101	699075948	300413727	128108.20
10101071008	10101	77	2017	Puerto Montt	298113.4	2017	10101	245902	73306683889	Urbano	5480	0.0222853	10101	1633661490	561817185	102521.38
10101071009	10101	49	2017	Puerto Montt	298113.4	2017	10101	245902	73306683889	Urbano	3549	0.0144326	10101	1058004494	420489765	118481.20
10101071010	10101	48	2017	Puerto Montt	298113.4	2017	10101	245902	73306683889	Urbano	3521	0.0143187	10101	1049657319	414968092	117855.18
10101071011	10101	43	2017	Puerto Montt	298113.4	2017	10101	245902	73306683889	Urbano	3094	0.0125822	10101	922362892	386712996	124988.04
10101071012	10101	47	2017	Puerto Montt	298113.4	2017	10101	245902	73306683889	Urbano	2621	0.0106587	10101	781355249	409404971	156201.82
10101071014	10101	26	2017	Puerto Montt	298113.4	2017	10101	245902	73306683889	Urbano	875	0.0035583	10101	260849234	280102520	320117.17
10101131001	10101	88	2017	Puerto Montt	298113.4	2017	10101	245902	73306683889	Urbano	604	0.0024563	10101	180060500	612029290	1013293.53
10101151001	10101	65	2017	Puerto Montt	298113.4	2017	10101	245902	73306683889	Urbano	3973	0.0161568	10101	1184404580	503995209	126855.07
10101151002	10101	136	2017	Puerto Montt	298113.4	2017	10101	245902	73306683889	Urbano	4655	0.0189303	10101	1387717926	809042681	173800.79
10101151003	10101	25	2017	Puerto Montt	298113.4	2017	10101	245902	73306683889	Urbano	592	0.0024075	10101	176483139	273147587	461397.95
10101151004	10101	7	2017	Puerto Montt	298113.4	2017	10101	245902	73306683889	Urbano	325	0.0013217	10101	96886858	120776990	371621.51
10101151005	10101	3	2017	Puerto Montt	298113.4	2017	10101	245902	73306683889	Urbano	384	0.0015616	10101	114475550	70159015	182705.77
10101161001	10101	10	2017	Puerto Montt	298113.4	2017	10101	245902	73306683889	Urbano	739	0.0030053	10101	220305810	151805665	205420.39
10101161002	10101	49	2017	Puerto Montt	298113.4	2017	10101	245902	73306683889	Urbano	6507	0.0264618	10101	1939823963	420489765	64621.14
10101161003	10101	77	2017	Puerto Montt	298113.4	2017	10101	245902	73306683889	Urbano	2841	0.0115534	10101	846940199	561817185	197753.32
10101161004	10101	27	2017	Puerto Montt	298113.4	2017	10101	245902	73306683889	Urbano	1224	0.0049776	10101	364890815	286962074	234446.14
10101161005	10101	1	2017	Puerto Montt	298113.4	2017	10101	245902	73306683889	Urbano	188	0.0007645	10101	56045321	34690693	184524.96
10101161006	10101	12	2017	Puerto Montt	298113.4	2017	10101	245902	73306683889	Urbano	435	0.0017690	10101	129679334	170627526	392247.19
10101171001	10101	25	2017	Puerto Montt	298113.4	2017	10101	245902	73306683889	Urbano	1747	0.0071045	10101	520804128	273147587	156352.37
10101171002	10101	125	2017	Puerto Montt	298113.4	2017	10101	245902	73306683889	Urbano	2902	0.0118014	10101	865125118	766460122	264114.45
10101171003	10101	531	2017	Puerto Montt	298113.4	2017	10101	245902	73306683889	Urbano	2873	0.0116835	10101	856479829	1937327073	674321.99
10101171004	10101	521	2017	Puerto Montt	298113.4	2017	10101	245902	73306683889	Urbano	4707	0.0191418	10101	1403219824	1913858040	406598.27
10101171005	10101	153	2017	Puerto Montt	298113.4	2017	10101	245902	73306683889	Urbano	3782	0.0153801	10101	1127464919	872497189	230697.30
10101171006	10101	85	2017	Puerto Montt	298113.4	2017	10101	245902	73306683889	Urbano	3515	0.0142943	10101	1047868638	598570371	170290.29
10101181001	10101	54	2017	Puerto Montt	298113.4	2017	10101	245902	73306683889	Urbano	3155	0.0128303	10101	940547810	447514701	141843.01
10101181002	10101	44	2017	Puerto Montt	298113.4	2017	10101	245902	73306683889	Urbano	2282	0.0092801	10101	680294803	392454580	171978.34
10101181003	10101	33	2017	Puerto Montt	298113.4	2017	10101	245902	73306683889	Urbano	1312	0.0053355	10101	391124795	326358029	248748.50
10101181004	10101	24	2017	Puerto Montt	298113.4	2017	10101	245902	73306683889	Urbano	1466	0.0059617	10101	437034260	266092050	181508.90
10101991999	10101	27	2017	Puerto Montt	298113.4	2017	10101	245902	73306683889	Urbano	1400	0.0056933	10101	417358775	286962074	204972.91
10102051001	10102	36	2017	Calbuco	266643.0	2017	10102	33985	9061860782	Urbano	3082	0.0906871	10102	821793583	345079852	111966.21
10102051002	10102	59	2017	Calbuco	266643.0	2017	10102	33985	9061860782	Urbano	3879	0.1141386	10102	1034308017	473654787	122107.45
10102141001	10102	64	2017	Calbuco	266643.0	2017	10102	33985	9061860782	Urbano	3356	0.0987494	10102	894853753	499010638	148692.09
10102141002	10102	95	2017	Calbuco	266643.0	2017	10102	33985	9061860782	Urbano	5586	0.1643666	10102	1489467539	642809280	115075.06
10102991999	10102	1	2017	Calbuco	266643.0	2017	10102	33985	9061860782	Urbano	93	0.0027365	10102	24797795	34690693	373018.21
10104011001	10104	54	2017	Fresia	214742.9	2017	10104	12261	2632962373	Urbano	2769	0.2258380	10104	594623017	447514701	161616.00
10104011002	10104	83	2017	Fresia	214742.9	2017	10104	12261	2632962373	Urbano	4559	0.3718294	10104	979012761	589502927	129305.31
10105011001	10105	57	2017	Frutillar	266881.6	2017	10105	18428	4918093598	Urbano	3426	0.1859127	10105	914336264	463298027	135230.01
10105011002	10105	38	2017	Frutillar	266881.6	2017	10105	18428	4918093598	Urbano	3126	0.1696332	10105	834271792	357250419	114283.56
10105011003	10105	198	2017	Frutillar	266881.6	2017	10105	18428	4918093598	Urbano	3037	0.1648036	10105	810519332	1029313371	338924.39
10105011004	10105	97	2017	Frutillar	266881.6	2017	10105	18428	4918093598	Urbano	3287	0.1783699	10105	877239725	651452368	198190.56
10105991999	10105	9	2017	Frutillar	266881.6	2017	10105	18428	4918093598	Urbano	76	0.0041242	10105	20282999	141890721	1866983.17
10106011001	10106	91	2017	Los Muermos	225441.2	2017	10106	17068	3847831214	Urbano	5180	0.3034919	10106	1167785663	625324491	120719.01
10106011002	10106	39	2017	Los Muermos	225441.2	2017	10106	17068	3847831214	Urbano	2748	0.1610030	10106	619512548	363249245	132186.77
10106991999	10106	4	2017	Los Muermos	225441.2	2017	10106	17068	3847831214	Urbano	178	0.0104289	10106	40128542	84368162	473978.44
10107011001	10107	49	2017	Llanquihue	237305.7	2017	10107	17591	4174444092	Urbano	4286	0.2436473	10107	1017092114	420489765	98107.74
10107011002	10107	20	2017	Llanquihue	237305.7	2017	10107	17591	4174444092	Urbano	1159	0.0658860	10107	275037275	236739530	204261.89
10107011003	10107	113	2017	Llanquihue	237305.7	2017	10107	17591	4174444092	Urbano	3146	0.1788415	10107	746563647	718439564	228366.04
10107021001	10107	35	2017	Llanquihue	237305.7	2017	10107	17591	4174444092	Urbano	2292	0.1302939	10107	543904602	338903769	147863.77
10107021002	10107	95	2017	Llanquihue	237305.7	2017	10107	17591	4174444092	Urbano	3221	0.1831050	10107	764361572	642809280	199568.23
10107991999	10107	5	2017	Llanquihue	237305.7	2017	10107	17591	4174444092	Urbano	118	0.0067080	10107	28002069	97343100	824941.53
10108011001	10108	45	2017	Maullín	261660.2	2017	10108	14216	3719761516	Urbano	3797	0.2670934	10108	993523809	398149514	104858.97
10108071001	10108	52	2017	Maullín	261660.2	2017	10108	14216	3719761516	Urbano	2824	0.1986494	10108	738928427	436817291	154680.34

Guardamos:

saveRDS(h_y_m_comuna_corr_01, "casen_censo_urbano_nivel_nacional_17.rds")

Análisis a nivel RURAL TOTAL NACIONAL

1 Construcción de nuestra tabla de trabajo

Obtenemos el dato de “ingreso promedio comunal mensual” según la CASEN 2017.

1.1.1 Leemos la base de datos

# leemos la base de datos:
casen_2017 <- readRDS(file = "../casen_2017_c.rds")

eliminated_100 <- casen_2017[c(1:10),]
eliminated_100 %>%  kbl() %>%
kable_material(c("striped", "hover"), font_size = 12)%>%
   scroll_box(width = "100%", height = "500px")

comuna	folio	o	id_vivienda	hogar	region	provincia	zona	expr	expc	expr_div	varstrat	varunit	fecha_dia	fecha_mes	fecha_año	tot_hog	tot_per	tot_par	tot_nuc	pres	marca	pco1	sexo	edad	h4m	h4a	ecivil	h6l	h6h	pareja	nucleo	pco2	h9a	h9	h10a	h10b	h10c	h10d	h10e	h10f	e1	e2	e3	e4	e5a	e5b	e6a	e6b	e7	e7_subarea	e7_cod_area	e8	e9nom	e9dir	e9com	e9com_c_cod	e9com_p_cod	e9rbd	e9rbd_sup	e9depen	e9dv	e9te	e9sup_g	e10	e11	e12a	e12b	e12c	e12d	e12e	e13a	e13b1	e13b2	e14pbu	e14pbt	e14pbd	e14pbm	e14bu	e14bt	e14bd	e14bm	e14bpc	e14mu	e14mt	e14md	e14mm	e15a	e15b	e16	e17	e18a	e18b	e19_1	e19_2	e0	o1	o2	o3	o4	o5	o6	o7r1	o7r2	o8	o9a	o9b	oficio4	oficio1	o10	o11	o12	o13	o14	o15	o16	o17	o18	o19	o20	o22	rama4_sub	rama1_sub	rama4	rama1	o23	o24a	o24b	o24c	o24d	o25a_hr	o25a_min	o25b	o25c	o25d	o25e	o26	o27	o28	o29	o30	o0	ch1	y1	y2_dias	y2_hrs	y3a	y3ap	y3b	y3bp	y3c	y3cp	y3d	y3dp	y3e	y3ep	y3f	y3fp	y4a	y4b	y4c	y4d	y5a	y5b	y5c	y5d	y5e	y5f	y5g	y5h	y5i	y5j	y5k	y5l	ch2	y6	y7	y8	y9	ch3	y10	y11	y19t	y19n	y20a	y20b	y20c	y20d	y20e	y20amonto	y20bmonto	y20cmonto	y20dmonto	y20emonto	y21a	y21b	y22a	y22b	y22c	y22d	y22e	y22amonto	y22bmonto	y22cmonto	y22dmonto	y22emonto	y23b	y23c	y23bmonto	y23cmonto	y24	y24_o	y25a	y25b	y25c	y25d	y25amonto	y25bmonto	y25cmonto	y25dmonto	y25e	y25ep	y25f	y25fp	y25g	y25gp	y26_1a	y26_1b	y26_1c	y26_1d	y26_1e	y26_1f	y26_1g	y26_1h	y26_1i	y26_1j	y26_1amonto	y26_1dmonto	y26_2bm1	y26_2bm2	y26_3b_in	y26_4b_mo	y26_2c	y26_3c_in	y26_4c_mo	y26_2em1	y26_2em2	y26_3e_in	y26_4e_mo	y26_2f	y26_3f_in	y26_4f_mo	y26_2g	y26_3g_in	y26_4g_mo	y26_2h	y26_3h_in	y26_4h_mo	y26_2i	y26_2j	y26_3j_in	y26_4j_mo	y27a	y27b	y27c	y27d	y27e	y27f	y27g	y0	s1	s1c	s2a1	s2a2	s3	s4	s5	s6	s7	s8	s9	s10	s11	s12	s13	s13p	s14	s15	s16	s17	s18a	s18b	s18c	s18d	s18e	s19a	s19b	s19c	s20a	s20b	s20c	s21a	s21b	s21c	s22a	s22b	s22c	s23a	s23b	s23c	s24a	s24b	s24c	s25a	s25b	s25c	s26a	s26b_c1	s26b_c2	s26b_c3	s26c	s26d	s27a	s27b	s27c	s27d	s28	s29	s30	s31a1	s31a2	s31a3	s32a	s32b	s32c	s32d	s32e	s32f	s33a1	s33a2	s33b1	s33b2	s33c1	s33c2	s33d1	s33d2	s33e1	s33e2	s33f1	s33f2	s33g1	s33g2	s33h1	s33h2	s33i1	s33i2	s33j1	s33j2	ch4	s34a	s34b_ord	s34c	s0	r1a	r1a_cod	r1b	r1b_esp	r1b_c_cod	r1b_p_cod	r1c_año	r1cp	r2	r2_c_cod	r2_p_cod	r3	r4	r5	r6	r7a	r7b	r7c	r7d	r7e	r7f	r7g	r7h	r7i	r7j	r7k	r8a	r8b	r8c	r8d	r8e	r8f	r8g	r8h	r9a	r9b	r9c	r9d	r9e	r9f	r9g	r9h	r9i	r9j	r9k	r9l	r9m	r9n	r9o	r9p	r9q	r9r	r9s	r10a	r10b	r10c	r10d	r10e	r10f	r10g	r10h	r10i	r11	r12a	r12b	r13a	r13b	r14	r15	r16a	r16b	r16c	r16d	r16e	r17a	r17b	r17c	r17d	r18	r19	r20	r21a	r21b	r21c	r21d	r21e	r21f	r21g	r21h	r21i	r21j	r22	r23	r24	r0	v1	v2	v3	v4	v5	v6	v7	v8	v9	v10	v11_o1	v11_o2	v12	v12mt	v13	v14	v15	v16	v17	v18	v19	v20	v21	v22	v23	v24	v25	v26	v27a	v27b	v28	v29	v30a	v30b	v31	v32	v33	v34	v35	v36a	v36b	v36c	v37a	v37b	v37c	v37d	v37e	v37f	v37g	v37h	v37i	v38a	v38b	v38c	v38d	v38e	v39a	v39b	v39c	v39d	v39e	v39f	v39g	v40	v0a_1	v0a_2	v0a_3	v0b	y0101	y0301	y0302	y0303	y0304	y0305	y0306	y0401	y0402	y0403	y0404	y0501	y0502	y0503	y0504	y0505	y0506	y0507	y0508	y0509	y0510	y0511	y0512	yids	yosa	yta1	y0701	y0801	y0901	yac2	y1101	yosi	yta2	yre1	yama	yah1	yah2	yrut	yre2	yre3	y260201	y260202	y2603	yinv01	yinv02	yinv03	ymon	yorf	yesp	yotp	y2601	y2604	ymes	yfa1	yfa2	ydes	ydon	ydim	yotr	y2301	y2401	y2501	y2502	y2503	y2504	y2505	y2506	y2507	y2302	y2303	y2001	y2002	y2003	y2004	y2005	y2201	y2202	y2203	y2204	y2205	yfam	ytro	yaut	ysub	ytot	y0101h	y0301h	y0302h	y0401h	y0701h	y260201h	y2603h	y2004h	y2201h	y2401h	y2501h	y2504h	y260202h	yauth	ysubh	ytoth	yaimh	ypch	y0101c	y0701c	y260201c	y2603c	y0101ch	y0701ch	y2603ch	y260201ch	yaimcorh	yautcor	ytotcor	yautcorh	ymonecorh	ytotcorh	yoprcor	yoprcorh	ytrabajocor	ytrabajocorh	ypchautcor	ypc	ypchtrabajo	pobreza	dau	dautr	qaut	qautr	numper	asiste	esc	educ	depen	activ	indmat	indsan	calglobviv	iae	iai	hacinamiento	hh_d_rez	hh_d_cot	hh_d_jub	hh_d_habitab	hh_d_estado	hh_d_tsocial	pobreza_multi_4d	pobreza_multi_5d	codigo
Algarrobo	5.6021e+11	1	5602100101	1	Región de Valparaíso	San Antonio	Urbano	92	141	122	51051	5105100268	22	12	2017	1	2	0	1	Presente y contesta	J	Jefe(a) de hogar	Mujer	60	NA	NA	Separado(a)	NA	NA	No tiene pareja en el hogar	1	Jefe(a) de núcleo	Es miembro del hogar	Persona que más aportó	No, sin dificultad	No, sin dificultad	No, sin dificultad	No, sin dificultad	No, sin dificultad	No, sin dificultad	Sí, lee y escribe	No	No	NA	NA	NA	Educación Media Científico-Humanista	4		NA	NA	NA				NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	Contesta al menos una pregunta	Sí	NA	NA	NA	NA	NA	NA	NA	NA	VENDEDORA DE ROPA	ATENCIÓN DE CLIENTES	Vendedores y demostradores de tiendas y almacenes	Trabajadores de los servicios y vendedores de comerci	24	No	Permanente?	2016	No	Empleado u obrero del sector privado	Plazo indefinido	No tiene	Jornada parcial?	Sólo diurno	Directamente con la empresa o negocio donde trabaja	COMERCIO DE ROPA	NA	NA	Venta al por menor de productos textiles, prendas de vestir,	Comercio al por mayor y al por menor	De 10 a 49 personas	No	No	No	No	0	10	4	A pie	NA	NA	No	NA	Sí	Sí, AFP (Administradora de Fondos de Pensiones). Cotización	No	Contesta al menos una pregunta	Asalariado	160000	16	96	0	NA	0	NA	0	NA	0	NA	0	NA	0	NA	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	No tiene ocupación secundaria	NA	NA	NA	NA	NA	NA	NA	No recibió	NA	No	No	No	No	No	NA	NA	NA	NA	NA	No, no ha sido invitada	No	No	No	No	No	No	NA	NA	NA	NA	NA	No	No	NA	NA	3000	3000	No recibió	No recibió	No	No	NA	NA	NA	NA	No recibió	NA	No recibió	NA	No recibió	NA	No	No	Sí	No	No	No	No	No	No	No	NA	NA	NA	NA	NA	NA	109000	Compañía de Seguros	Renta vitalicia inmediata	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	No	No	Si	Si	No	No	No	Contesta al menos una pregunta	NA	NA	NA	NA	No retiró alimento	1	39	NA	NA	Sí, durante el último año	NA	Sí, durante el último año	NA	Sistema Público FONASA Grupo B	Muy Bien	Respuesta dada directamente por la persona	No	Sí, enfermedad no provocada por el trabajo	Sí	NA	No	No	No	No	No	1	Consultorio general (Municipal o SNSS)	No, gratuito por pertenencia a FONASA grupos A o B o por ser	No tuvo atención	NA	NA	No tuvo atención	NA	NA	No tuvo atención	NA	NA	No tuvo atención	NA	NA	1	Consultorio general (Municipal o SNSS)	No, gratuito por pertenencia a FONASA grupos A o B o por ser	No tuvo atención	NA	NA	1	Otro control	NA	NA	Consultorio general (Municipal o SNSS)	No, gratuito por pertenencia a FONASA grupos A o B o por ser	No	NA	NA	NA	No ha estado en tratamiento por ninguna condicion de salud a	NA	NA	No tiene ninguna condición de larga duración	NA	NA	NA	NA	NA	NA	NA	NA	Ninguna	NA	Ninguna	NA	Ninguna	NA	Ninguna	NA	Ninguna	NA	Ninguna	NA	Ninguna	NA	Ninguna	NA	Ninguna	NA	Ninguna	NA	No tiene dificultades para realizar sus actividades	NA	NA	NA	Contesta al menos una pregunta	Chilena (Exclusiva)	NA	En otra comuna de Chile. Especifique comuna	LAS CONDES	Las Condes	NA	NA	NA	En esta comuna	NA	NA	No pertenece a ningún pueblo indígena	NA	NA	No participa en ninguna organización o grupo	Sí, alguien fuera del hogar	Sí, alguien fuera del hogar	Ambas	Sí, alguien fuera del hogar	Sí, alguien fuera del hogar	Ambas	Sí, alguien fuera del hogar	Sí, alguien fuera del hogar	Sí, alguien fuera del hogar	Sí, alguien fuera del hogar	Sí, alguien fuera del hogar	No	No	No	No	No	No	No	No	No	No	No	No	No	No	No	No	No	No	No	No	No	No	No	No	No	No	Sí	No	No	No	No	No	No	No	No	No	Ambos padres	Educación Media Científico-Humanista	Educación Media Científico-Humanista	4	4	Sí	1	Sí	Sí	Sí	Sí	No	No	Sí	No	No	NA	En el hogar	Al menos una vez al día	Sí	No	No	Sí	Sí	No	No	No	No	No	Sí, prepago	Heterosexual (Atracción hacia el sexo opuesto)	Femenino	Contesta al menos una pregunta	Casa aislada (no pareada)	Hormigón armado	Bueno	Cerámico, porcelanato, flexit o similar	Bueno	Planchas metálicas (zinc, cobre, etc.)	Bueno	1	Propio pagado	Está inscrito en el conservador de bienes raíces a nombre de	NA	NA	De 41 a 60 m2	NA	Propia pagada	2008	No, sólo con recursos propios	No, sin crédito hipotecario	NA	NA	160000	Red pública con medidor propio	NA	Con llave dentro de la vivienda	Sí, con W.C. conectado al alcantarillado	Sí, de la red pública con medidor propio	No, no ha hecho nada	NA	2	1	1	NA	NA	NA	NA	NA	1	NA	NA	Gas licuado (cilindro	Gas licuado (cilindro	Gas licuado (cilindro	Si	Si	Si	Si	Si	Si	Si	Si	Si	Nunca	Nunca	Nunca	Nunca	Nunca	Nunca	Nunca	Nunca	Nunca	Nunca	Nunca	Nunca	No. No tuvo ninguna pérdida o daño a causa de desastres	1	NA	NA	En el interior de la vivienda	160000	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	109000	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	3000	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	269000	3000	272000	310000	3000	0	6667	0e+00	0	109000	0	0	3000	0	0	0	428667	3000	591667	160000	295834	160000	NA	NA	109000	310000	NA	109000	NA	160000	269000	272000	428667	431667	591667	160000	160000	160000	319667	214334	295834	159834	No pobres	VI	VI	III	III	2	No	12	M. Hum. Completa	NA	Ocupados	Vivienda Aceptable	Aceptable	Aceptable	Sin allegamiento externo	Sin allegamiento interno	Sin hacinamiento (2,49 y menos)	0	0	0	0	0	0	No pobre	No pobre	5602
Algarrobo	5.6021e+11	2	5602100101	1	Región de Valparaíso	San Antonio	Urbano	92	141	NA	51051	5105100268	22	12	2017	1	2	0	1	Presente pero no contesta		Hijo(a) sólo del jefe(a)	Mujer	23	NA	NA	Soltero(a)	NA	NA	No tiene pareja en el hogar	1	Hijo(a) sólo de jefe(a)	NA	Otro integrande del hogar	No, sin dificultad	No, sin dificultad	No, sin dificultad	No, sin dificultad	No, sin dificultad	No, sin dificultad	Sí, lee y escribe	No	No	NA	Terminó de estudiar	Hace tres años o más (2014 o antes)	Técnico Nivel Superior Completo (Carreras 1 a 3 años)	2	ADMINISTRACIÓN DE EMPRESAS	Educación Comercial y Administración	Administración de Empresas y Derecho	Centro de Formación Técnica				NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	Presente, pero no contesta	Sí	NA	NA	NA	NA	NA	NA	NA	NA	ENCARGADA FIAMBRERA	ATENDER Y VENDER PRODUCTOS DE FIAMBRERA	Vendedores y demostradores de tiendas y almacenes	Trabajadores de los servicios y vendedores de comerci	18	No	Permanente?	2014	No	Empleado u obrero del sector privado	Plazo indefinido	Sí, firmó	Jornada parcial?	Sólo diurno	Directamente con la empresa o negocio donde trabaja	SUPERMERCADO	NA	NA	Venta al por menor en almacenes no especializados con surtid	Comercio al por mayor y al por menor	De 200 Y más personas	Si	No	No	No	0	10	2	A pie	NA	NA	No	NA	Sí	Sí, AFP (Administradora de Fondos de Pensiones). Cotización	Sí	Presente, pero no contesta	Asalariado	150000	10	90	3000	Mensual (1 vez por mes)	0	NA	0	NA	0	NA	0	NA	0	NA	80000	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	No tiene ocupación secundaria	NA	NA	NA	NA	NA	NA	NA	No recibió	NA	No	No	No	No	No	NA	NA	NA	NA	NA	NA	NA	No	No	No	No	No	NA	NA	NA	NA	NA	No	No	NA	NA	NA	NA	No recibió	No recibió	No	No	NA	NA	NA	NA	No recibió	NA	No recibió	NA	No recibió	NA	No	No	No	No	No	No	No	No	No	No	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	Si	No	Si	Si	No	No	No	Presente, pero no contesta	NA	NA	NA	NA	NA	No ha tenido hijos	NA	No	NA	Sí, durante el último año	NA	NA	NA	Sistema Público FONASA Grupo B	Muy Bien	NA	NA	No tuvo ninguna enfermedad o accidente	NA	NA	NA	NA	NA	NA	NA	No tuvo atención	NA	NA	No tuvo atención	NA	NA	No tuvo atención	NA	NA	No tuvo atención	NA	NA	No tuvo atención	NA	NA	No tuvo atención	NA	NA	No tuvo atención	NA	NA	No tuvo atención	NA	NA	NA	NA	NA	No	NA	NA	NA	No ha estado en tratamiento por ninguna condicion de salud a	NA	NA	No tiene ninguna condición de larga duración	NA	NA	NA	NA	NA	NA	NA	NA	Ninguna	NA	Ninguna	NA	Ninguna	NA	Ninguna	NA	Ninguna	NA	Ninguna	NA	Ninguna	NA	Ninguna	NA	Ninguna	NA	Ninguna	NA	No tiene dificultades para realizar sus actividades	NA	NA	NA	Presente, pero no contesta	Chilena (Exclusiva)	NA	En otra comuna de Chile. Especifique comuna	SANTIAGO	Santiago	NA	NA	NA	En esta comuna	NA	NA	No pertenece a ningún pueblo indígena	NA	NA	No participa en ninguna organización o grupo	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	En el hogar	Al menos una vez al día	Sí	No	Sí	Sí	Sí	Sí	No	No	No	No	Sí, prepago	NA	NA	Presente, pero no contesta	Casa aislada (no pareada)	Hormigón armado	Bueno	Cerámico, porcelanato, flexit o similar	Bueno	Planchas metálicas (zinc, cobre, etc.)	Bueno	1	Propio pagado	Está inscrito en el conservador de bienes raíces a nombre de	NA	NA	De 41 a 60 m2	NA	Propia pagada	2008	No, sólo con recursos propios	No, sin crédito hipotecario	NA	NA	160000	Red pública con medidor propio	NA	Con llave dentro de la vivienda	Sí, con W.C. conectado al alcantarillado	Sí, de la red pública con medidor propio	No, no ha hecho nada	NA	2	1	1	NA	NA	NA	NA	NA	1	NA	NA	Gas licuado (cilindro	Gas licuado (cilindro	Gas licuado (cilindro	Si	Si	Si	Si	Si	Si	Si	Si	Si	Nunca	Nunca	Nunca	Nunca	Nunca	Nunca	Nunca	Nunca	Nunca	Nunca	Nunca	Nunca	No. No tuvo ninguna pérdida o daño a causa de desastres	1	NA	NA	En el interior de la vivienda	150000	3000	NA	NA	NA	NA	NA	6667	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	159667	NA	159667	310000	3000	0	6667	0e+00	0	109000	0	0	3000	0	0	0	428667	3000	591667	160000	295834	150000	NA	NA	NA	310000	NA	109000	NA	160000	159667	159667	428667	431667	591667	150000	150000	159667	319667	214334	295834	159834	No pobres	VI	VI	III	III	2	No	14	Técnico Nivel Superior Completo	NA	Ocupados	Vivienda Aceptable	Aceptable	Aceptable	Sin allegamiento externo	Sin allegamiento interno	Sin hacinamiento (2,49 y menos)	0	0	0	0	0	0	No pobre	No pobre	5602
Algarrobo	5.6021e+11	1	5602100103	1	Región de Valparaíso	San Antonio	Urbano	92	141	NA	51051	5105100268	22	12	2017	1	2	1	1	Presente pero no contesta	J	Jefe(a) de hogar	Hombre	65	NA	NA	Casado(a)	1	NA	Legal	1	Jefe(a) de núcleo	Es miembro del hogar	Persona que más aportó	No, sin dificultad	No, sin dificultad	Sí, algo de dificultad	Sí, algo de dificultad	No, sin dificultad	No, sin dificultad	Sí, lee y escribe	No	No	NA	NA	NA	Educación Media Técnica Profesional	4		NA	NA	NA				NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	Presente, pero no contesta	Sí	NA	NA	NA	NA	NA	NA	NA	NA	CHOFER DE CAMIONES	TRANSPORTAR CONTENEDORES	Conductores de camiones pesados	Operadores de instalaciones y máquinas y montadore	36	No	Permanente?	1975	No	Empleado u obrero del sector privado	Plazo indefinido	Sí, firmó	Jornada completa?	Rotativo o turnos	Directamente con la empresa o negocio donde trabaja	EMPRESA DE TRANSPORTE DE GRANDES CARGAS	NA	NA	Transporte de carga por carretera	Transporte, almacenamiento y comunicaciones	De 200 Y más personas	No	No	No	No	0	25	6	Vehículo motorizado particular (auto, camioneta, motocicleta	NA	Auto	No	NA	Sí	Sí, AFP (Administradora de Fondos de Pensiones). Cotización	No	Contesta al menos una pregunta	Asalariado	6e+05	26	144	No sabe	NA	40000	Semanal (1 vez por semana)	0	NA	0	NA	0	NA	0	NA	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	No tiene ocupación secundaria	NA	NA	NA	NA	NA	NA	NA	No recibió	NA	No	No	No	No	No	NA	NA	NA	NA	NA	No, no ha sido invitada	No	No	No	No	No	No	NA	NA	NA	NA	NA	No	No	NA	NA	10000	10000	No recibió	No recibió	No	Si	NA	NA	NA	59188	No recibió	NA	No recibió	NA	No recibió	NA	No	No	No	No	No	No	No	No	No	No	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	No	No	Si	No	No	No	No	Presente, pero no contesta	NA	NA	NA	NA	No retiró alimento	3	23	NA	NA	NA	NA	NA	NA	Sistema Público FONASA Grupo B	6	NA	No	No tuvo ninguna enfermedad o accidente	NA	NA	NA	NA	NA	NA	NA	No tuvo atención	NA	NA	No tuvo atención	NA	NA	No tuvo atención	NA	NA	No tuvo atención	NA	NA	No tuvo atención	NA	NA	No tuvo atención	NA	NA	No tuvo atención	NA	NA	No tuvo atención	NA	NA	NA	NA	NA	No	NA	NA	NA	No ha estado en tratamiento por ninguna condicion de salud a	NA	NA	No tiene ninguna condición de larga duración	NA	NA	NA	NA	NA	NA	NA	NA	Ninguna	NA	Ninguna	NA	Ninguna	NA	Ninguna	NA	Ninguna	NA	Ninguna	NA	Ninguna	NA	Ninguna	NA	Ninguna	NA	Ninguna	NA	No tiene dificultades para realizar sus actividades	NA	NA	NA	Presente, pero no contesta	Chilena (Exclusiva)	NA	En otra comuna de Chile. Especifique comuna	RECOLETA	Recoleta	NA	NA	NA	En esta comuna	NA	NA	No pertenece a ningún pueblo indígena	NA	NA	No participa en ninguna organización o grupo	Sí, alguien fuera del hogar	No conoce	Sí, alguien fuera del hogar	Sí, alguien fuera del hogar	Sí, alguien fuera del hogar	Sí, alguien fuera del hogar	Sí, alguien dentro del hogar	No conoce	Sí, alguien fuera del hogar	Sí, alguien fuera del hogar	Sí, alguien fuera del hogar	No	No	No	No	No	No	No	No	No	No	No	No	No	No	No	No	No	No	No	No	No	No	No	No	No	No	Sí	No	No	No	No	No	No	No	No	No	Ambos padres	Humanidades (S. Antiguo)	Humanidades (S. Antiguo)	4	4	Sí	1	Sí	No	Sí	No	No	No	No	No	No	Alto costo del servicio de internet	No lo usa	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	Sí, contrato	NA	NA	Presente, pero no contesta	Casa aislada (no pareada)	Albañilería (bloque de cemento, piedra o ladrillo)	Bueno	Cerámico, porcelanato, flexit o similar	Bueno	Planchas metálicas (zinc, cobre, etc.)	Bueno	1	Propio pagándose	Está inscrito en el conservador de bienes raíces a nombre de	2	NA	De 41 a 60 m2	NA	Propia pagándose	2011	No, sólo con recursos propios	Sí, Banco Estado	2e+05	NA	180000	Red pública con medidor propio	NA	Con llave dentro de la vivienda	Sí, con W.C. conectado al alcantarillado	Sí, de la red pública con medidor propio	Sí, reparaciones estructurales de muros, techo o piso	Con recursos propios y/o crédito (sin subsidio estatal)	3	1	1	NA	NA	NA	NA	NA	1	NA	NA	Gas licuado (cilindro	Gas licuado (cilindro	Gas licuado (cilindro	Si	Si	Si	Si	Si	Si	Si	Si	Si	Muchas veces	Siempre	Nunca	Nunca	Nunca	Nunca	Nunca	Nunca	Nunca	Nunca	Nunca	Muchas veces	No. No tuvo ninguna pérdida o daño a causa de desastres	2	NA	NA	Fuera de la vivienda (entrada del domicilio o vivienda, otro	600000	NA	172000	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	10000	NA	NA	NA	4932	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	772000	14932	786932	600000	0	172000	0	0e+00	220000	0	0	0	10000	0	4932	81000	992000	95932	1267932	180000	633966	600000	NA	NA	NA	600000	NA	NA	220000	180000	772000	786932	992000	1087932	1267932	600000	600000	772000	772000	496000	633966	386000	No pobres	IX	IX	V	V	2	No	12	M. Téc Completa	NA	Ocupados	Vivienda Aceptable	Aceptable	Aceptable	Sin allegamiento externo	Sin allegamiento interno	Sin hacinamiento (2,49 y menos)	0	0	1	0	0	0	No pobre	No pobre	5602
Algarrobo	5.6021e+11	2	5602100103	1	Región de Valparaíso	San Antonio	Urbano	92	141	145	51051	5105100268	22	12	2017	1	2	1	1	Presente y contesta	C	Esposo(a) o pareja de distinto sexo	Mujer	68	NA	NA	Casado(a)	1	NA	Legal	1	Esposo(a) o pareja de distinto sexo	NA	Otro integrande del hogar	No, sin dificultad	No, sin dificultad	Sí, algo de dificultad	Sí, algo de dificultad	No, sin dificultad	No, sin dificultad	Sí, lee y escribe	No	No	NA	NA	NA	Educación Media Técnica Profesional	4		NA	NA	NA				NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	Contesta al menos una pregunta	No	No	No	Sí	No	No	Jubilado(a), pensionado(a) o montepiado(a)	NA	NA			NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA		NA	NA	NA	NA		NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	Sí	No está cotizando	No	Presente, pero no contesta	Familiar no Remunerado/ Inactivos y Desocupados	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	0	No recibió	NA	No	No	No	No	No	NA	NA	NA	NA	NA	NA	NA	No	No	No	No	No	NA	NA	NA	NA	NA	No	No	NA	NA	NA	NA	No recibió	No recibió	No	No	NA	NA	NA	NA	No recibió	NA	No recibió	NA	No recibió	NA	No	Sí	No	No	No	No	No	No	No	No	NA	NA	220000	81000	AFP, Administradora de Fondos de Pensiones	Retiro programado	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	No	No	Si	No	No	No	No	Contesta al menos una pregunta	NA	NA	NA	NA	No retiró alimento	3	26	NA	NA	No	Otra razón	Sí, durante el último año	NA	Sistema Público FONASA Grupo B	5	Respuesta dada directamente por la persona	NA	Sí, accidente no laboral ni escolar	Sí	NA	No	No	No	No	No	3	Hospital público o del SNSS	No, gratuito por pertenencia a FONASA grupos A o B o por ser	1	SAPU (Servicio de Atención Primaria de Urgencia)	No, gratuito por pertenencia a FONASA grupos A o B o por ser	No tuvo atención	NA	NA	3	Hospital público o del SNSS	No, gratuito por pertenencia a FONASA grupos A o B o por ser	No tuvo atención	NA	NA	1	Consultorio general (Municipal o SNSS)	No, gratuito por pertenencia a FONASA grupos A o B o por ser	No tuvo atención	NA	NA	No tuvo atención	NA	NA	NA	NA	NA	No	NA	NA	NA	Enfermedad pulmonar obstructiva cronica	Si	NA	Dificultad física y/o de movilidad	NA	NA	NA	NA	NA	NA	NA	NA	Ninguna	NA	Ninguna	NA	Ninguna	NA	Ninguna	NA	Ninguna	NA	Ninguna	NA	Ninguna	NA	Ninguna	NA	Ninguna	NA	Ninguna	NA	No tiene dificultades para realizar sus actividades	NA	NA	NA	Contesta al menos una pregunta	Chilena (Exclusiva)	NA	En otra comuna de Chile. Especifique comuna	ANGOL	Angol	NA	NA	NA	En esta comuna	NA	NA	No pertenece a ningún pueblo indígena	NA	NA	Agrupaciones de adulto mayor (club de adulto mayor, asistent	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	No lo usa	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	Sí, contrato	Heterosexual (Atracción hacia el sexo opuesto)	Femenino	Contesta al menos una pregunta	Casa aislada (no pareada)	Albañilería (bloque de cemento, piedra o ladrillo)	Bueno	Cerámico, porcelanato, flexit o similar	Bueno	Planchas metálicas (zinc, cobre, etc.)	Bueno	1	Propio pagándose	Está inscrito en el conservador de bienes raíces a nombre de	2	NA	De 41 a 60 m2	NA	Propia pagándose	2011	No, sólo con recursos propios	Sí, Banco Estado	2e+05	NA	180000	Red pública con medidor propio	NA	Con llave dentro de la vivienda	Sí, con W.C. conectado al alcantarillado	Sí, de la red pública con medidor propio	Sí, reparaciones estructurales de muros, techo o piso	Con recursos propios y/o crédito (sin subsidio estatal)	3	1	1	NA	NA	NA	NA	NA	1	NA	NA	Gas licuado (cilindro	Gas licuado (cilindro	Gas licuado (cilindro	Si	Si	Si	Si	Si	Si	Si	Si	Si	Muchas veces	Siempre	Nunca	Nunca	Nunca	Nunca	Nunca	Nunca	Nunca	Nunca	Nunca	Muchas veces	No. No tuvo ninguna pérdida o daño a causa de desastres	2	NA	NA	Fuera de la vivienda (entrada del domicilio o vivienda, otro	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	220000	81000	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	220000	81000	301000	600000	0	172000	0	0e+00	220000	0	0	0	10000	0	4932	81000	992000	95932	1267932	180000	633966	NA	NA	220000	NA	600000	NA	NA	220000	180000	220000	301000	992000	1087932	1267932	NA	NA	NA	772000	496000	633966	386000	No pobres	IX	IX	V	V	2	No	12	M. Téc Completa	NA	Inactivos	Vivienda Aceptable	Aceptable	Aceptable	Sin allegamiento externo	Sin allegamiento interno	Sin hacinamiento (2,49 y menos)	0	0	1	0	0	0	No pobre	No pobre	5602
Algarrobo	5.6021e+11	1	5602100105	1	Región de Valparaíso	San Antonio	Urbano	92	141	140	51051	5105100268	5	1	2018	1	3	1	1	Presente y contesta	J	Jefe(a) de hogar	Hombre	79	NA	NA	Casado(a)	1	NA	Legal	1	Jefe(a) de núcleo	Es miembro del hogar	Persona que más aportó	No, sin dificultad	No, sin dificultad	No, sin dificultad	No, sin dificultad	No, sin dificultad	No, sin dificultad	Sí, lee y escribe	No	No	NA	NA	NA	Humanidades (Sistema Antiguo)	6		NA	NA	NA				NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	Contesta al menos una pregunta	No	No	No	Sí	No	No	Jubilado(a), pensionado(a) o montepiado(a)	NA	NA			NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA		NA	NA	NA	NA		NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	Sí	No está cotizando	No	Contesta al menos una pregunta	Familiar no Remunerado/ Inactivos y Desocupados	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	0	No recibió	NA	No	No	No	No	No	NA	NA	NA	NA	NA	No, no ha sido invitada	No	No	No	No	No	No	NA	NA	NA	NA	NA	No	No	NA	NA	0	0	No recibió	No sabe	No	No	NA	NA	NA	NA	No recibió	NA	No recibió	NA	No recibió	NA	No	No	Sí	No	No	No	No	No	No	No	NA	NA	NA	NA	NA	NA	220000	Compañía de Seguros	Renta vitalicia inmediata	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	No	No	Si	No	No	No	No	Contesta al menos una pregunta	NA	NA	NA	NA	Sí, Bebida Láctea (Leche) y Crema Años Dorados	5	21	NA	NA	NA	NA	NA	NA	Sistema Público FONASA Grupo B	4	Respuesta dada directamente por la persona	No	No tuvo ninguna enfermedad o accidente	NA	NA	NA	NA	NA	NA	NA	No tuvo atención	NA	NA	No tuvo atención	NA	NA	No tuvo atención	NA	NA	No tuvo atención	NA	NA	No tuvo atención	NA	NA	No tuvo atención	NA	NA	No tuvo atención	NA	NA	No tuvo atención	NA	NA	NA	NA	NA	Sí, por enfermedad que sólo requirió tratamiento médico	2	Hospital Público o del SNSS	No, gratuito por pertenencia a FONASA grupos A o B o por ser	Diabetes	Si	NA	No tiene ninguna condición de larga duración	NA	NA	NA	NA	NA	NA	NA	NA	Ninguna	NA	Ninguna	NA	Ninguna	NA	Ninguna	NA	Ninguna	NA	Ninguna	NA	Ninguna	NA	Ninguna	NA	Ninguna	NA	Ninguna	NA	No tiene dificultades para realizar sus actividades	NA	NA	NA	Contesta al menos una pregunta	Chilena (Exclusiva)	NA	En otra comuna de Chile. Especifique comuna	SANTIAGO	Santiago	NA	NA	NA	En esta comuna	NA	NA	No pertenece a ningún pueblo indígena	NA	NA	No participa en ninguna organización o grupo	Ambas	Sí, alguien fuera del hogar	Ambas	Sí, alguien fuera del hogar	Sí, alguien fuera del hogar	Ambas	Sí, alguien fuera del hogar	No conoce	Ambas	No conoce	Sí, alguien fuera del hogar	No	No	No	No	No	No	No	No	No	No	No	No	No	No	No	No	No	No	No	No	No	No	No	No	No	No	Sí	No	No	No	No	No	No	No	No	No	Sólo su madre	No sabe	No sabe	NA	NA	Sí	1	Sí	No	Sí	No	No	No	No	Sí	No	NA	No lo usa	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	Sí, prepago	Heterosexual (Atracción hacia el sexo opuesto)	Masculino	Contesta al menos una pregunta	Casa aislada (no pareada)	Hormigón armado	Bueno	Cerámico, porcelanato, flexit o similar	Bueno	Tejas o tejuela (arcilla, metálica, cemento, madera, asfálti	No sabe/no responde	2	Arrendado con contrato	NA	NA	NA	De 41 a 60 m2	NA	Arrendada con contrato	NA	NA	NA	NA	150000	180000	Red pública con medidor propio	NA	Con llave dentro de la vivienda	Sí, con W.C. conectado al alcantarillado	Sí, de la red pública con medidor propio	No, no ha hecho nada	NA	2	1	1	NA	NA	NA	NA	NA	1	NA	NA	Gas licuado (cilindro	Gas licuado (cilindro	Gas licuado (cilindro	Si	Si	Si	Si	Si	No	Si	Si	Si	Nunca	Nunca	Nunca	Nunca	Nunca	Nunca	Nunca	Nunca	Siempre	Nunca	Nunca	Nunca	No. No tuvo ninguna pérdida o daño a causa de desastres	1	NA	NA	Fuera de la vivienda (entrada del domicilio o vivienda, otro	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	220000	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	220000	NA	220000	0	0	0	0	2e+05	0	220000	0	0	0	0	0	0	420000	0	420000	0	140000	NA	NA	NA	220000	NA	2e+05	220000	NA	0	220000	220000	420000	420000	420000	NA	NA	NA	200000	140000	140000	66667	No pobres	IV	IV	II	II	3	No	12	M. Hum. Completa	NA	Inactivos	Vivienda Aceptable	Aceptable	Aceptable	Sin allegamiento externo	Sin allegamiento interno	Sin hacinamiento (2,49 y menos)	1	1	1	NA	NA	0	NA	NA	5602
Algarrobo	5.6021e+11	2	5602100105	1	Región de Valparaíso	San Antonio	Urbano	92	141	NA	51051	5105100268	5	1	2018	1	3	1	1	No está presente	C	Esposo(a) o pareja de distinto sexo	Mujer	67	NA	NA	Casado(a)	1	NA	Legal	1	Esposo(a) o pareja de distinto sexo	NA	Otro integrande del hogar	No, sin dificultad	No, sin dificultad	No, sin dificultad	No, sin dificultad	No, sin dificultad	No, sin dificultad	Sí, lee y escribe	No	No	NA	NA	NA	Humanidades (Sistema Antiguo)	6		NA	NA	NA				NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	No está presente	Sí	NA	NA	NA	NA	NA	NA	NA	NA	VENDEDOR DE FERIA LIBRE	VENDER ROPA EN FERIA LIBRE	Vendedores de quioscos y de puestos de mercado	Trabajadores de los servicios y vendedores de comerci	12	Sí, ahora mismo	Ocasional o eventual?	2000	No	Trabajador por cuenta propia	NA	NA	NA	NA	NA	VENTA DE ROPA EN FERIA LBIRE	NA	NA	Venta al por menor en puestos de venta y mercados	Comercio al por mayor y al por menor	Sólo 1 personas (el entrevistado)	No	No	No	No	0	20	5	Vehículo motorizado particular (auto, camioneta, motocicleta	NA	Auto	No	NA	Sí	No está cotizando	No	No está presente	Patrón o empleador/ Trabajador Cuenta Propia	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	2e+05	0	0	No tiene ocupación secundaria	NA	NA	No recibió	NA	No	No	No	No	No	NA	NA	NA	NA	NA	NA	NA	No	No	No	No	No	NA	NA	NA	NA	NA	No	No	NA	NA	NA	NA	No recibió	No recibió	No	No	NA	NA	NA	NA	No recibió	NA	No recibió	NA	No recibió	NA	No	No	No	No	No	No	No	No	No	No	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	No	No	Si	No	No	Si	No	No esta presente	NA	NA	NA	NA	Sí, Bebida Láctea (Leche) y Crema Años Dorados	5	19	NA	NA	Sí, hace más de un año y hasta 2 años	NA	Sí, durante el último año	NA	Sistema Público FONASA Grupo B	Muy Bien	NA	NA	No tuvo ninguna enfermedad o accidente	NA	NA	NA	NA	NA	NA	NA	No tuvo atención	NA	NA	No tuvo atención	NA	NA	No tuvo atención	NA	NA	No tuvo atención	NA	NA	No tuvo atención	NA	NA	No tuvo atención	NA	NA	No tuvo atención	NA	NA	No tuvo atención	NA	NA	NA	NA	NA	No	NA	NA	NA	No ha estado en tratamiento por ninguna condicion de salud a	NA	NA	No tiene ninguna condición de larga duración	NA	NA	NA	NA	NA	NA	NA	NA	Ninguna	NA	Ninguna	NA	Ninguna	NA	Ninguna	NA	Ninguna	NA	Ninguna	NA	Ninguna	NA	Ninguna	NA	Ninguna	NA	Ninguna	NA	No tiene dificultades para realizar sus actividades	NA	NA	NA	No esta presente	Chilena (Exclusiva)	NA	En otra comuna de Chile. Especifique comuna	SANTIAGO	Santiago	NA	NA	NA	En esta comuna	NA	NA	No pertenece a ningún pueblo indígena	NA	NA	No participa en ninguna organización o grupo	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	No lo usa	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	Sí, prepago	NA	NA	No está presente	Casa aislada (no pareada)	Hormigón armado	Bueno	Cerámico, porcelanato, flexit o similar	Bueno	Tejas o tejuela (arcilla, metálica, cemento, madera, asfálti	No sabe/no responde	2	Arrendado con contrato	NA	NA	NA	De 41 a 60 m2	NA	Arrendada con contrato	NA	NA	NA	NA	150000	180000	Red pública con medidor propio	NA	Con llave dentro de la vivienda	Sí, con W.C. conectado al alcantarillado	Sí, de la red pública con medidor propio	No, no ha hecho nada	NA	2	1	1	NA	NA	NA	NA	NA	1	NA	NA	Gas licuado (cilindro	Gas licuado (cilindro	Gas licuado (cilindro	Si	Si	Si	Si	Si	No	Si	Si	Si	Nunca	Nunca	Nunca	Nunca	Nunca	Nunca	Nunca	Nunca	Siempre	Nunca	Nunca	Nunca	No. No tuvo ninguna pérdida o daño a causa de desastres	1	NA	NA	Fuera de la vivienda (entrada del domicilio o vivienda, otro	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	2e+05	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	200000	NA	200000	0	0	0	0	2e+05	0	220000	0	0	0	0	0	0	420000	0	420000	0	140000	NA	2e+05	NA	NA	NA	2e+05	220000	NA	0	200000	200000	420000	420000	420000	200000	200000	200000	200000	140000	140000	66667	No pobres	IV	IV	II	II	3	No	12	M. Hum. Completa	NA	Ocupados	Vivienda Aceptable	Aceptable	Aceptable	Sin allegamiento externo	Sin allegamiento interno	Sin hacinamiento (2,49 y menos)	1	1	1	NA	NA	0	NA	NA	5602
Algarrobo	5.6021e+11	3	5602100105	1	Región de Valparaíso	San Antonio	Urbano	92	141	NA	51051	5105100268	5	1	2018	1	3	1	1	Presente y contesta		Nieto(a)	Hombre	15	10	2002	Soltero(a)	NA	NA	No tiene pareja en el hogar	1	Otro familiar	NA	Otro integrande del hogar	No, sin dificultad	No, sin dificultad	No, sin dificultad	No, sin dificultad	No, sin dificultad	No, sin dificultad	Sí, lee y escribe	No	Sí	NA	NA	NA	Educación Básica	7		NA	NA	NA	CARLOS ALESSANDRI	EL OLMO 1599	ALGARROBO	Algarrobo	NA	2084	NA	Municipal	2	Educación básica	NA	Municipal	Jornada completa (mañana y tarde)	No sabe/no responde	No sabe/no responde	No sabe/no responde	No sabe/no responde	NA	No	NA	NA	NA	NA	NA	NA	No sabe/no responde	No sabe/no responde	No sabe/no responde	No sabe/no responde	No sabe/no responde	NA	NA	NA	NA	No	NA	NA	NA	NA	NA	NA	NA	No está presente	No	No	No	No	No	No	Estudiante	NA	NA			NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA		NA	NA	NA	NA		NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	No	NA	No	No está presente	Familiar no Remunerado/ Inactivos y Desocupados	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	0	No recibió	NA	No	No	No	No	No	NA	NA	NA	NA	NA	NA	NA	No	No	No	No	No	NA	NA	NA	NA	NA	No	No	NA	NA	NA	NA	No recibió	No recibió	No	No	NA	NA	NA	NA	No recibió	NA	No recibió	NA	No recibió	NA	No	No	No	No	No	No	No	No	No	No	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	No	No	No	No	No	No	No	No esta presente	NA	NA	NA	NA	NA	No ha tenido hijos	NA	NA	NA	NA	NA	NA	NA	Sistema Público FONASA Grupo B	Muy Bien	NA	NA	No tuvo ninguna enfermedad o accidente	NA	NA	NA	NA	NA	NA	NA	No tuvo atención	NA	NA	No tuvo atención	NA	NA	No tuvo atención	NA	NA	No tuvo atención	NA	NA	No tuvo atención	NA	NA	No tuvo atención	NA	NA	No tuvo atención	NA	NA	No tuvo atención	NA	NA	NA	NA	NA	No	NA	NA	NA	No ha estado en tratamiento por ninguna condicion de salud a	NA	NA	No tiene ninguna condición de larga duración	NA	NA	NA	NA	NA	NA	NA	NA	Ninguna	NA	Ninguna	NA	Ninguna	NA	Ninguna	NA	Ninguna	NA	Ninguna	NA	Ninguna	NA	Ninguna	NA	Ninguna	NA	Ninguna	NA	No tiene dificultades para realizar sus actividades	NA	NA	NA	No esta presente	Chilena (Exclusiva)	NA	En otra comuna de Chile. Especifique comuna	SANTIAGO	Santiago	NA	NA	NA	En esta comuna	NA	NA	No pertenece a ningún pueblo indígena	NA	NA	No participa en ninguna organización o grupo	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	En el hogar	Al menos una vez al día	Sí	Sí	Sí	Sí	Sí	No	No	Sí	No	No	Sí, prepago	NA	NA	No está presente	Casa aislada (no pareada)	Hormigón armado	Bueno	Cerámico, porcelanato, flexit o similar	Bueno	Tejas o tejuela (arcilla, metálica, cemento, madera, asfálti	No sabe/no responde	2	Arrendado con contrato	NA	NA	NA	De 41 a 60 m2	NA	Arrendada con contrato	NA	NA	NA	NA	150000	180000	Red pública con medidor propio	NA	Con llave dentro de la vivienda	Sí, con W.C. conectado al alcantarillado	Sí, de la red pública con medidor propio	No, no ha hecho nada	NA	2	1	1	NA	NA	NA	NA	NA	1	NA	NA	Gas licuado (cilindro	Gas licuado (cilindro	Gas licuado (cilindro	Si	Si	Si	Si	Si	No	Si	Si	Si	Nunca	Nunca	Nunca	Nunca	Nunca	Nunca	Nunca	Nunca	Siempre	Nunca	Nunca	Nunca	No. No tuvo ninguna pérdida o daño a causa de desastres	1	NA	NA	Fuera de la vivienda (entrada del domicilio o vivienda, otro	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	0	0	0	0	2e+05	0	220000	0	0	0	0	0	0	420000	0	420000	0	140000	NA	NA	NA	NA	NA	2e+05	220000	NA	0	NA	NA	420000	420000	420000	NA	NA	NA	200000	140000	140000	66667	No pobres	IV	IV	II	II	3	Si	7	Básica Incom.	Municipal	Inactivos	Vivienda Aceptable	Aceptable	Aceptable	Sin allegamiento externo	Sin allegamiento interno	Sin hacinamiento (2,49 y menos)	1	1	1	NA	NA	0	NA	NA	5602
Algarrobo	5.6021e+11	1	5602100204	1	Región de Valparaíso	San Antonio	Urbano	57	88	NA	51051	5105100268	22	12	2017	1	5	1	1	No está presente	J	Jefe(a) de hogar	Hombre	45	NA	NA	Conviviente o pareja sin acuerdo de unión civil	NA	1	De hecho	1	Jefe(a) de núcleo	Es miembro del hogar	Persona que más aportó	No, sin dificultad	No, sin dificultad	No, sin dificultad	No, sin dificultad	No, sin dificultad	No, sin dificultad	Sí, lee y escribe	No	No	NA	NA	NA	Educación Básica	8		NA	NA	NA				NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	No está presente	Sí	NA	NA	NA	NA	NA	NA	NA	NA	CONSTRUCTOR DE VIVIENDAS	CONSTRUIR VIVIENDAS Y HACER AMPLIACIONES	Albañiles y mamposteros	Oficiales, operarios y artesanos de artes mecánicas y de otr	50	Sí, ahora mismo	Por plazo o tiempo determinado?	2017	No	Empleado u obrero del sector privado	Plazo fijo	Sí, firmó	Jornada completa?	Rotativo o turnos	Directamente con la empresa o negocio donde trabaja	CONSTRUCCIÓN DE CASAS	NA	NA	Construcción de edificios completos y de partes de edificios	Construcción	De 200 Y más personas	No	No	No	No	0	30	6	A pie	NA	NA	No	NA	Sí	Sí, AFP (Administradora de Fondos de Pensiones). Cotización	No	No está presente	Asalariado	280000	14	112	0	NA	0	NA	0	NA	0	NA	0	NA	0	NA	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	No tiene ocupación secundaria	NA	NA	NA	NA	NA	NA	NA	No recibió	NA	No	No	No	No	No	NA	NA	NA	NA	NA	Sí participa	NA	Sí	No	No	No	No	16634	NA	NA	NA	NA	No	No	NA	NA	0	0	No recibió	No recibió	No	No	NA	NA	NA	NA	No recibió	NA	No recibió	NA	No recibió	NA	No	No	No	No	No	No	No	No	No	No	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	No	No	Si	Si	No	No	No	No esta presente	NA	NA	NA	NA	NA	3	25	NA	NA	NA	NA	NA	NA	Sistema Público FONASA Grupo B	6	NA	No	Sí, enfermedad no provocada por el trabajo	Sí	NA	No	No	No	No	No	No tuvo atención	NA	NA	No tuvo atención	NA	NA	3	Consultorio general (Municipal o SNSS)	No, gratuito por pertenencia a FONASA grupos A o B o por ser	No tuvo atención	NA	NA	No tuvo atención	NA	NA	No tuvo atención	NA	NA	No tuvo atención	NA	NA	1	Otro control	NA	NA	Consultorio general (Municipal o SNSS)	No, gratuito por pertenencia a FONASA grupos A o B o por ser	No	NA	NA	NA	Depresion	Si	NA	No tiene ninguna condición de larga duración	NA	NA	NA	NA	NA	NA	NA	NA	Ninguna	NA	Ninguna	NA	Ninguna	NA	Ninguna	NA	Ninguna	NA	Ninguna	NA	Ninguna	NA	Ninguna	NA	Ninguna	NA	Ninguna	NA	No tiene dificultades para realizar sus actividades	NA	NA	NA	No esta presente	Chilena (Exclusiva)	NA	En esta comuna		NA	NA	NA	NA	En esta comuna	NA	NA	No pertenece a ningún pueblo indígena	NA	NA	No participa en ninguna organización o grupo	Sí, alguien fuera del hogar	Sí, alguien fuera del hogar	Sí, alguien fuera del hogar	Sí, alguien fuera del hogar	Sí, alguien fuera del hogar	Sí, alguien fuera del hogar	Sí, alguien fuera del hogar	Sí, alguien fuera del hogar	Sí, alguien fuera del hogar	No conoce	No conoce	Sí	Sí	No	No	Sí	No	No	No	Sí	No	No	No	No	No	No	No	No	No	No	No	No	No	No	No	No	No	No	No	No	Sí	No	No	No	No	No	No	Ambos padres	Nunca asistió	Primaria o Preparatoria (S. Antiguo)	NA	No sabe	No	NA	Sí	No	Sí	No	Sí	No	No	Sí	No	NA	En el hogar	Al menos una vez al día	Sí	Sí	Sí	Sí	Sí	No	No	No	No	No	Sí, prepago	NA	NA	No está presente	Casa aislada (no pareada)	Tabique forrado por ambas caras (madera, acero, lata u otro)	Bueno	Parquet, madera, piso flotante o similar	Bueno	Tejas o tejuela (arcilla, metálica, cemento, madera, asfálti	Bueno	1	Arrendado con contrato	NA	NA	NA	De 30 a 40 m2	NA	Arrendada con contrato	NA	NA	NA	NA	280000	2e+05	Red pública con medidor propio	NA	Con llave dentro de la vivienda	Sí, con W.C. conectado al alcantarillado	Sí, de la red pública con medidor propio	No, no ha hecho nada	NA	3	2	1	NA	NA	NA	NA	NA	1	NA	NA	Gas licuado (cilindro	Gas licuado (cilindro	Gas licuado (cilindro	Si	Si	Si	Si	Si	Si	Si	Si	Si	Pocas veces	Siempre	Pocas veces	Pocas veces	Pocas veces	Muchas veces	Nunca	Pocas veces	Pocas veces	Nunca	Muchas veces	Muchas veces	No. No tuvo ninguna pérdida o daño a causa de desastres	2	1	4	En el interior de la vivienda	280000	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	16634	NA	NA	NA	NA	NA	NA	280000	16634	296634	780000	0	0	0	0e+00	0	0	22182	16634	0	11052	0	0	780000	49868	829868	0	165974	280000	NA	NA	NA	780000	NA	NA	NA	0	280000	296634	780000	829868	829868	280000	280000	280000	780000	156000	165974	156000	No pobres	IV	IV	II	II	5	No	8	Básica Compl.	NA	Ocupados	Vivienda Aceptable	Aceptable	Aceptable	Sin allegamiento externo	Sin allegamiento interno	Sin hacinamiento (2,49 y menos)	0	0	0	0	0	1	No pobre	No pobre	5602
Algarrobo	5.6021e+11	2	5602100204	1	Región de Valparaíso	San Antonio	Urbano	57	88	88	51051	5105100268	22	12	2017	1	5	1	1	Presente y contesta	C	Esposo(a) o pareja de distinto sexo	Mujer	52	NA	NA	Conviviente o pareja sin acuerdo de unión civil	NA	1	De hecho	1	Esposo(a) o pareja de distinto sexo	NA	Otro integrande del hogar	No, sin dificultad	No, sin dificultad	No, sin dificultad	No, sin dificultad	No, sin dificultad	No, sin dificultad	Sí, lee y escribe	No	No	NA	NA	NA	Educación Media Científico-Humanista	1		NA	NA	NA				NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	Contesta al menos una pregunta	No	No	No	Sí	Si, ahora mismo	No	No tiene con quien dejar a los niños	NA	NA			NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA		NA	NA	NA	NA		NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	No	NA	No	Contesta al menos una pregunta	Familiar no Remunerado/ Inactivos y Desocupados	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	0	No recibió	NA	No	No	No	No	No	NA	NA	NA	NA	NA	NA	NA	No	No	No	No	No	NA	NA	NA	NA	NA	No	No	NA	NA	NA	NA	$132.627 por 3 causantes	No recibió	No	No	132627	NA	NA	NA	No recibió	NA	No recibió	NA	No recibió	NA	No	No	No	No	No	No	No	No	No	No	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	No	No	Si	Si	No	No	No	Contesta al menos una pregunta	NA	NA	NA	NA	NA	5	15	NA	NA	Sí, durante el último año	NA	Sí, durante el último año	NA	Sistema Público FONASA Grupo A	5	Respuesta dada directamente por la persona	NA	No tuvo ninguna enfermedad o accidente	NA	NA	NA	NA	NA	NA	NA	No tuvo atención	NA	NA	No tuvo atención	NA	NA	No tuvo atención	NA	NA	No tuvo atención	NA	NA	No tuvo atención	NA	NA	1	Consultorio general (Municipal o SNSS)	No, gratuito por pertenencia a FONASA grupos A o B o por ser	No tuvo atención	NA	NA	2	Control ginecológico	NA	NA	Consultorio general (Municipal o SNSS)	No, gratuito por pertenencia a FONASA grupos A o B o por ser	No	NA	NA	NA	No ha estado en tratamiento por ninguna condicion de salud a	NA	NA	No tiene ninguna condición de larga duración	NA	NA	NA	NA	NA	NA	NA	NA	Ninguna	NA	Ninguna	NA	Ninguna	NA	Ninguna	NA	Ninguna	NA	Ninguna	NA	Ninguna	NA	Ninguna	NA	Ninguna	NA	Ninguna	NA	No tiene dificultades para realizar sus actividades	NA	NA	NA	Contesta al menos una pregunta	Chilena (Exclusiva)	NA	En esta comuna		NA	NA	NA	NA	En esta comuna	NA	NA	Mapuche	No habla ni entiende	NA	No participa en ninguna organización o grupo	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	En el hogar	Al menos una vez al día	Sí	Sí	Sí	Sí	Sí	No	No	No	No	No	Sí, prepago	Heterosexual (Atracción hacia el sexo opuesto)	Femenino	Contesta al menos una pregunta	Casa aislada (no pareada)	Tabique forrado por ambas caras (madera, acero, lata u otro)	Bueno	Parquet, madera, piso flotante o similar	Bueno	Tejas o tejuela (arcilla, metálica, cemento, madera, asfálti	Bueno	1	Arrendado con contrato	NA	NA	NA	De 30 a 40 m2	NA	Arrendada con contrato	NA	NA	NA	NA	280000	2e+05	Red pública con medidor propio	NA	Con llave dentro de la vivienda	Sí, con W.C. conectado al alcantarillado	Sí, de la red pública con medidor propio	No, no ha hecho nada	NA	3	2	1	NA	NA	NA	NA	NA	1	NA	NA	Gas licuado (cilindro	Gas licuado (cilindro	Gas licuado (cilindro	Si	Si	Si	Si	Si	Si	Si	Si	Si	Pocas veces	Siempre	Pocas veces	Pocas veces	Pocas veces	Muchas veces	Nunca	Pocas veces	Pocas veces	Nunca	Muchas veces	Muchas veces	No. No tuvo ninguna pérdida o daño a causa de desastres	2	1	4	En el interior de la vivienda	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	11052	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	11052	11052	780000	0	0	0	0e+00	0	0	22182	16634	0	11052	0	0	780000	49868	829868	0	165974	NA	NA	NA	NA	780000	NA	NA	NA	0	NA	11052	780000	829868	829868	NA	NA	NA	780000	156000	165974	156000	No pobres	IV	IV	II	II	5	No	9	M. Hum. Incompleta	NA	Inactivos	Vivienda Aceptable	Aceptable	Aceptable	Sin allegamiento externo	Sin allegamiento interno	Sin hacinamiento (2,49 y menos)	0	0	0	0	0	1	No pobre	No pobre	5602
Algarrobo	5.6021e+11	3	5602100204	1	Región de Valparaíso	San Antonio	Urbano	57	88	191	51051	5105100268	22	12	2017	1	5	1	1	No está presente		Hijo(a) sólo del esposo(a)/pareja	Mujer	35	NA	NA	Soltero(a)	NA	NA	No tiene pareja en el hogar	1	Hijo(a) sólo de esposo(a)/pareja	NA	Otro integrande del hogar	No, sin dificultad	No, sin dificultad	No, sin dificultad	No, sin dificultad	No, sin dificultad	No, sin dificultad	Sí, lee y escribe	No	No	NA	NA	NA	Educación Media Científico-Humanista	4		NA	NA	NA				NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	Presente, pero no contesta	Sí	NA	NA	NA	NA	NA	NA	NA	NA	ADMINISTRADORA DE EMPRESAS	VER LAS FINANZAS Y VENTAS. ADMINISTRAR DINERO	Empleados de contabilidad y cálculo de costos	Empleados de oficina	45	Sí, ahora mismo	Permanente?	2005	No	Empleado u obrero del sector privado	Plazo indefinido	Sí, firmó	Jornada completa?	Rotativo o turnos	Directamente con la empresa o negocio donde trabaja	SERVICIO DE SALUD	NA	NA	Actividades de hospitales	Servicios sociales y de salud	De 200 Y más personas	No	No	No	No	0	30	5	Transporte público (bus, microbús, metro, taxi colectivo, et	Taxi colectivo	NA	No	NA	Sí	Sí, AFP (Administradora de Fondos de Pensiones). Cotización	No	Presente, pero no contesta	Asalariado	5e+05	20	180	0	NA	0	NA	0	NA	0	NA	0	NA	0	NA	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	No tiene ocupación secundaria	NA	NA	NA	NA	NA	NA	NA	No recibió	NA	No	No	No	No	No	NA	NA	NA	NA	NA	NA	NA	No	No	No	No	No	NA	NA	NA	NA	NA	No	No	NA	NA	NA	NA	No recibió	No recibió	No	No	NA	NA	NA	NA	No recibió	NA	No recibió	NA	No recibió	NA	No	No	No	No	No	No	No	No	No	No	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	No	No	Si	Si	No	No	No	Presente, pero no contesta	NA	NA	NA	NA	NA	No ha tenido hijos	NA	No	NA	No	Le da miedo o le disgusta	Sí, durante el último año	NA	Sistema Público FONASA Grupo B	Muy Bien	NA	NA	No tuvo ninguna enfermedad o accidente	NA	NA	NA	NA	NA	NA	NA	No tuvo atención	NA	NA	No tuvo atención	NA	NA	No tuvo atención	NA	NA	No tuvo atención	NA	NA	No tuvo atención	NA	NA	No tuvo atención	NA	NA	No tuvo atención	NA	NA	No tuvo atención	NA	NA	NA	NA	NA	No	NA	NA	NA	No ha estado en tratamiento por ninguna condicion de salud a	NA	NA	No tiene ninguna condición de larga duración	NA	NA	NA	NA	NA	NA	NA	NA	Ninguna	NA	Ninguna	NA	Ninguna	NA	Ninguna	NA	Ninguna	NA	Ninguna	NA	Ninguna	NA	Ninguna	NA	Ninguna	NA	Ninguna	NA	No tiene dificultades para realizar sus actividades	NA	NA	NA	No esta presente	Chilena (Exclusiva)	NA	En esta comuna		NA	NA	NA	NA	En esta comuna	NA	NA	Mapuche	No habla ni entiende	NA	No participa en ninguna organización o grupo	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	En el hogar	Al menos una vez al día	Sí	Sí	Sí	Sí	Sí	Sí	Sí	No	No	No	Sí, prepago	Heterosexual (Atracción hacia el sexo opuesto)	Femenino	Contesta al menos una pregunta	Casa aislada (no pareada)	Tabique forrado por ambas caras (madera, acero, lata u otro)	Bueno	Parquet, madera, piso flotante o similar	Bueno	Tejas o tejuela (arcilla, metálica, cemento, madera, asfálti	Bueno	1	Arrendado con contrato	NA	NA	NA	De 30 a 40 m2	NA	Arrendada con contrato	NA	NA	NA	NA	280000	2e+05	Red pública con medidor propio	NA	Con llave dentro de la vivienda	Sí, con W.C. conectado al alcantarillado	Sí, de la red pública con medidor propio	No, no ha hecho nada	NA	3	2	1	NA	NA	NA	NA	NA	1	NA	NA	Gas licuado (cilindro	Gas licuado (cilindro	Gas licuado (cilindro	Si	Si	Si	Si	Si	Si	Si	Si	Si	Pocas veces	Siempre	Pocas veces	Pocas veces	Pocas veces	Muchas veces	Nunca	Pocas veces	Pocas veces	Nunca	Muchas veces	Muchas veces	No. No tuvo ninguna pérdida o daño a causa de desastres	2	1	4	En el interior de la vivienda	500000	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	500000	NA	500000	780000	0	0	0	0e+00	0	0	22182	16634	0	11052	0	0	780000	49868	829868	0	165974	500000	NA	NA	NA	780000	NA	NA	NA	0	500000	500000	780000	829868	829868	500000	500000	500000	780000	156000	165974	156000	No pobres	IV	IV	II	II	5	No	12	M. Hum. Completa	NA	Ocupados	Vivienda Aceptable	Aceptable	Aceptable	Sin allegamiento externo	Sin allegamiento interno	Sin hacinamiento (2,49 y menos)	0	0	0	0	0	1	No pobre	No pobre	5602

1.1.2 Eliminamos del dataframe los registros que no posean valores en la columna del ingreso total

casen_2017 <- casen_2017[!is.na(casen_2017$ytotcor),]

1.1.3 Excluimos los outliers

Q <- quantile(casen_2017$ytotcor, probs=c(.25, .75), na.rm = FALSE)
iqr <- IQR(casen_2017$ytotcor)
casen_2017_sin_o <- subset(casen_2017, casen_2017$ytotcor > (Q[1] - 1.5*iqr) & casen_2017$ytotcor < (Q[2]+1.5*iqr))
casen_2017_sin_o <- data.frame(lapply(casen_2017_sin_o, as.character), stringsAsFactors=FALSE)

# despleguemos los primeros 100 registros en pantalla del subset creado:
# eliminated_100 <- eliminated[c(1:100),]
# eliminated_100 %>%  kbl() %>%
# kable_material(c("striped", "hover"), font_size = 12)%>%
#    scroll_box(width = "100%", height = "500px")

1.1.4 Hacemos un subset con los registros RURALES

casen_2017_sin_o_urbano <- filter(casen_2017_sin_o, casen_2017_sin_o$zona == "Rural")

1.1.5 Obtenemos los promedios de ingreso comunales

b <-  as.numeric(casen_2017_sin_o_urbano$ytotcor)
a <- casen_2017_sin_o_urbano$comuna
promedios_grupales <-aggregate(b, by=list(a), FUN = mean , na.rm=TRUE )

1.1.6 Veamos los primeros 5 registros:

head(promedios_grupales,5)

##           Group.1        x
## 1       Algarrobo 248705.3
## 2           Alhué 260653.7
## 3     Alto Biobío 130542.9
## 4 Alto del Carmen 227130.4
## 5           Ancud 197429.5

1.1.7 Renombramos y agregamos una columna año:

#Asignamos nombres con sentido a las cabeceras:
names(promedios_grupales)[1] <- "comuna"
names(promedios_grupales)[2] <- "promedio_i"
promedios_grupales$año <- "2017"

1.1.8 Agregamos los codigos comunales:

codigos_comunales <- readRDS(file = "../codigos_comunales_2011-2017.rds")
names(codigos_comunales)[1] <- "código"
names(codigos_comunales)[2] <- "comuna"

df_2017 = merge( x = promedios_grupales, y = codigos_comunales, by = "comuna", all.x = TRUE)

1.1.9 Veamos los primeros 5 registros:

head(df_2017,5)

##            comuna promedio_i  año código
## 1       Algarrobo   248705.3 2017  05602
## 2           Alhué   260653.7 2017  13502
## 3     Alto Biobío   130542.9 2017  08314
## 4 Alto del Carmen   227130.4 2017  03302
## 5           Ancud   197429.5 2017  10202

1.1.10 Agreguemos una columna con la variable de ingresos ponderada por población.

La población comunal ésta vez la extraeremos del Censo 2017 -contamos las frecuencias de los registros por comuna en el Censo del 2017-, pero para los años anteriores utilizaremos las proyecciones de población obtenidas desde el INE.

1.1.11 Leemos los microdatos del Censo a nivel de personas

library("rio")
x <- import("../Microdato_Censo2017-Personas.csv")

r3_100 <- x[c(1:100),]
kbl(r3_100) %>%
  kable_styling(bootstrap_options = c("striped", "hover")) %>%
  kable_paper() %>%
  scroll_box(width = "100%", height = "300px")

REGION	PROVINCIA	COMUNA	DC	AREA	ZC_LOC	ID_ZONA_LOC	NVIV	NHOGAR	PERSONAN	P07	P08	P09	P10	P10COMUNA	P10PAIS	P11	P11COMUNA	P11PAIS	P12	P12COMUNA	P12PAIS	P12A_LLEGADA	P12A_TRAMO	P13	P14	P15	P15A	P16	P16A	P16A_OTRO	P17	P18	P19	P20	P21M	P21A	P10PAIS_GRUPO	P11PAIS_GRUPO	P12PAIS_GRUPO	ESCOLARIDAD	P16A_GRUPO	REGION_15R	PROVINCIA_15R	COMUNA_15R	P10COMUNA_15R	P11COMUNA_15R	P12COMUNA_15R
15	152	15202	1	2	6	13225	1	1	1	1	1	73	1	98	998	3	15101	998	1	98	998	9998	98	2	4	6	2	1	2	98	7	98	98	98	98	9998	998	998	998	4	2	15	152	15202	98	15101	98
15	152	15202	1	2	6	13225	3	1	1	1	1	78	1	98	998	2	98	998	1	98	998	9998	98	3	98	98	98	1	2	98	7	98	98	98	98	9998	998	998	998	0	2	15	152	15202	98	98	98
15	152	15202	1	2	6	13225	3	1	2	2	2	78	1	98	998	2	98	998	1	98	998	9998	98	3	98	98	98	1	2	98	7	98	1	1	3	1965	998	998	998	0	2	15	152	15202	98	98	98
15	152	15202	1	2	6	13225	3	1	3	5	2	52	1	98	998	2	98	998	1	98	998	9998	98	1	2	5	2	1	2	98	7	98	2	1	4	1995	998	998	998	2	2	15	152	15202	98	98	98
15	152	15202	1	2	6	13225	3	1	4	11	1	44	1	98	998	2	98	998	1	98	998	9998	98	1	3	5	2	1	2	98	1	Z	98	98	98	9998	998	998	998	3	2	15	152	15202	98	98	98
15	152	15202	1	2	6	13225	9	1	1	1	1	39	1	98	998	2	98	998	1	98	998	9998	98	2	8	5	1	1	2	98	8	98	98	98	98	9998	998	998	998	8	2	15	152	15202	98	98	98
15	152	15202	1	2	6	13225	9	1	2	2	2	35	1	98	998	2	98	998	1	98	998	9998	98	2	6	5	2	1	2	98	1	Z	2	2	11	2004	998	998	998	6	2	15	152	15202	98	98	98
15	152	15202	1	2	6	13225	9	1	3	5	1	13	1	98	998	2	98	998	1	98	998	9998	98	1	7	5	2	1	2	98	98	98	98	98	98	9998	998	998	998	7	2	15	152	15202	98	98	98
15	152	15202	1	2	6	13225	9	1	4	5	1	12	1	98	998	2	98	998	1	98	998	9998	98	1	6	5	2	1	2	98	98	98	98	98	98	9998	998	998	998	6	2	15	152	15202	98	98	98
15	152	15202	1	2	6	13225	10	1	1	1	2	65	1	98	998	2	98	998	1	98	998	9998	98	2	4	5	2	1	2	98	6	98	3	3	9	1992	998	998	998	4	2	15	152	15202	98	98	98
15	152	15202	1	2	6	13225	13	1	1	1	1	50	1	98	998	2	98	998	1	98	998	9998	98	2	5	5	2	1	2	98	1	Z	98	98	98	9998	998	998	998	5	2	15	152	15202	98	98	98
15	152	15202	1	2	6	13225	13	1	2	4	2	43	1	98	998	2	98	998	1	98	998	9998	98	2	6	5	2	1	2	98	6	98	2	2	3	2002	998	998	998	6	2	15	152	15202	98	98	98
15	152	15202	1	2	6	13225	13	1	3	5	1	15	3	15201	998	2	98	998	1	98	998	9998	98	1	1	7	2	1	2	98	8	98	98	98	98	9998	998	998	998	9	2	15	152	15202	15201	98	98
15	152	15202	1	2	6	13225	16	1	1	1	1	75	1	98	998	2	98	998	1	98	998	9998	98	3	98	98	98	1	2	98	7	98	98	98	98	9998	998	998	998	0	2	15	152	15202	98	98	98
15	152	15202	1	2	6	13225	16	1	2	16	2	58	4	98	68	6	98	998	5	98	998	9999	1	3	98	98	98	1	2	98	7	98	4	4	99	9999	68	68	68	0	2	15	152	15202	98	98	98
15	152	15202	1	2	6	13225	16	1	3	2	2	70	1	98	998	2	98	998	1	98	998	9998	98	3	98	98	98	1	2	98	7	98	5	4	99	9999	998	998	998	0	2	15	152	15202	98	98	98
15	152	15202	1	2	6	13225	17	1	1	1	2	43	2	98	998	2	98	998	1	98	998	9998	98	2	8	5	1	1	2	98	1	I	3	3	9	2008	998	998	998	8	2	15	152	15202	98	98	98
15	152	15202	1	2	6	13225	17	1	2	4	1	55	2	98	998	2	98	998	1	98	998	9998	98	2	6	5	2	1	2	98	6	98	98	98	98	9998	998	998	998	6	2	15	152	15202	98	98	98
15	152	15202	1	2	6	13225	17	1	3	5	2	13	2	98	998	2	98	998	2	15101	998	9998	98	1	7	5	2	1	2	98	98	98	98	98	98	9998	998	998	998	7	2	15	152	15202	98	98	15101
15	152	15202	1	2	6	13225	17	1	4	5	1	8	2	98	998	2	98	998	2	15101	998	9998	98	1	2	5	2	1	2	98	98	98	98	98	98	9998	998	998	998	2	2	15	152	15202	98	98	15101
15	152	15202	1	2	6	13225	17	1	5	15	2	29	2	98	998	4	98	998	3	98	998	2015	1	2	6	5	2	1	2	98	6	98	5	5	11	2014	998	604	604	6	2	15	152	15202	98	98	98
15	152	15202	1	2	6	13225	17	1	6	15	1	4	2	98	998	1	98	998	5	98	998	2015	1	1	0	1	2	1	2	98	98	98	98	98	98	9998	998	998	68	0	2	15	152	15202	98	98	98
15	152	15202	1	2	6	13225	17	1	7	15	2	2	2	98	998	1	98	998	3	98	998	2015	1	1	0	1	2	1	2	98	98	98	98	98	98	9998	998	998	604	0	2	15	152	15202	98	98	98
15	152	15202	1	2	6	13225	17	1	8	15	1	16	2	98	998	6	98	998	1	98	998	9998	98	2	4	5	2	1	2	98	6	98	98	98	98	9998	998	68	998	4	2	15	152	15202	98	98	98
15	152	15202	1	2	6	13225	18	1	1	1	2	74	1	98	998	2	98	998	1	98	998	9998	98	2	2	5	2	1	2	98	6	98	2	2	12	1976	998	998	998	2	2	15	152	15202	98	98	98
15	152	15202	1	2	6	13225	19	1	1	1	1	68	1	98	998	2	98	998	1	98	998	9998	98	3	98	98	98	1	2	98	7	98	98	98	98	9998	998	998	998	0	2	15	152	15202	98	98	98
15	152	15202	1	2	6	13225	20	1	1	1	1	74	1	98	998	3	15101	998	1	98	998	9998	98	2	2	5	2	1	2	98	1	Z	98	98	98	9998	998	998	998	2	2	15	152	15202	98	15101	98
15	152	15202	1	2	6	13225	20	1	2	2	2	65	1	98	998	3	997	998	3	98	998	9999	2	2	2	5	2	1	2	98	6	98	2	2	9	1982	998	998	604	2	2	15	152	15202	98	997	98
15	152	15202	1	2	6	13225	25	1	1	1	2	76	1	98	998	2	98	998	1	98	998	9998	98	3	98	98	98	1	2	98	6	98	8	6	3	1981	998	998	998	0	2	15	152	15202	98	98	98
15	152	15202	1	2	6	13225	25	1	2	5	2	36	1	98	998	2	98	998	1	98	998	9998	98	2	4	8	1	1	2	98	1	A	0	98	98	9998	998	998	998	12	2	15	152	15202	98	98	98
15	152	15202	1	2	6	13225	28	1	1	1	2	31	1	98	998	2	98	998	5	98	998	2007	2	2	5	5	2	1	2	98	1	A	2	2	4	2008	998	998	68	5	2	15	152	15202	98	98	98
15	152	15202	1	2	6	13225	28	1	2	4	1	35	1	98	998	2	98	998	5	98	998	2007	2	2	6	5	2	1	2	98	1	F	98	98	98	9998	998	998	68	6	2	15	152	15202	98	98	98
15	152	15202	1	2	6	13225	28	1	3	5	1	11	1	98	998	2	98	998	5	98	998	2007	2	1	5	5	2	1	2	98	98	98	98	98	98	9998	998	998	68	5	2	15	152	15202	98	98	98
15	152	15202	1	2	6	13225	28	1	4	5	1	8	1	98	998	2	98	998	1	98	998	9998	98	1	2	5	2	1	2	98	98	98	98	98	98	9998	998	998	998	2	2	15	152	15202	98	98	98
15	152	15202	1	2	6	13225	28	1	5	15	2	74	1	98	998	2	98	998	1	98	998	9998	98	2	3	5	2	1	2	98	6	98	6	6	99	9999	998	998	998	3	2	15	152	15202	98	98	98
15	152	15202	1	2	6	13225	33	1	1	1	1	41	1	98	998	2	98	998	1	98	998	9998	98	2	8	5	1	1	2	98	1	Z	98	98	98	9998	998	998	998	8	2	15	152	15202	98	98	98
15	152	15202	1	2	6	13225	33	1	2	2	2	47	1	98	998	2	98	998	1	98	998	9998	98	2	8	5	1	1	2	98	1	A	2	1	4	1996	998	998	998	8	2	15	152	15202	98	98	98
15	152	15202	1	2	6	13225	33	1	3	14	1	88	1	98	998	2	98	998	1	98	998	9998	98	3	98	98	98	1	2	98	7	98	98	98	98	9998	998	998	998	0	2	15	152	15202	98	98	98
15	152	15202	1	2	6	13225	33	1	4	14	1	65	1	98	998	2	98	998	1	98	998	9998	98	2	2	5	2	1	2	98	7	98	98	98	98	9998	998	998	998	2	2	15	152	15202	98	98	98
15	152	15202	1	2	6	13225	36	1	1	1	2	59	1	98	998	2	98	998	1	98	998	9998	98	2	2	5	2	1	2	98	6	98	8	8	2	1998	998	998	998	2	2	15	152	15202	98	98	98
15	152	15202	1	2	6	13225	36	1	2	2	1	56	1	98	998	99	99	999	1	98	998	9998	98	2	2	5	2	1	2	98	6	98	98	98	98	9998	998	999	998	2	2	15	152	15202	98	99	98
15	152	15202	1	2	6	13225	36	1	3	5	2	36	1	98	998	2	98	998	1	98	998	9998	98	2	8	5	1	1	2	98	6	98	2	2	7	2010	998	998	998	8	2	15	152	15202	98	98	98
15	152	15202	1	2	6	13225	36	1	4	12	2	13	1	98	998	2	98	998	1	98	998	9998	98	1	7	5	2	1	2	98	98	98	98	98	98	9998	998	998	998	7	2	15	152	15202	98	98	98
15	152	15202	1	2	6	13225	36	1	5	12	2	6	1	98	998	2	98	998	1	98	998	9998	98	1	0	3	1	1	2	98	98	98	98	98	98	9998	998	998	998	0	2	15	152	15202	98	98	98
15	152	15202	1	2	6	13225	36	1	6	5	1	24	1	98	998	3	15101	998	1	98	998	9998	98	2	4	7	1	1	2	98	1	Z	98	98	98	9998	998	998	998	12	2	15	152	15202	98	15101	98
15	152	15202	1	2	6	13225	36	1	7	11	2	24	1	98	998	3	15101	998	1	98	998	9998	98	2	4	7	1	1	2	98	1	N	2	2	11	2015	998	998	998	12	2	15	152	15202	98	15101	98
15	152	15202	1	2	6	13225	36	1	8	12	1	6	1	98	998	2	98	998	2	15101	998	9998	98	1	0	3	1	1	2	98	98	98	98	98	98	9998	998	998	998	0	2	15	152	15202	98	98	15101
15	152	15202	1	2	6	13225	36	1	9	12	2	1	1	98	998	1	98	998	2	15101	998	9998	98	3	98	98	98	1	2	98	98	98	98	98	98	9998	998	998	998	0	2	15	152	15202	98	98	15101
15	152	15202	1	2	6	13225	38	1	1	1	1	19	1	98	998	3	15101	998	2	15101	998	9998	98	1	1	8	2	1	2	98	1	A	98	98	98	9998	998	998	998	9	2	15	152	15202	98	15101	15101
15	152	15202	1	2	6	13225	39	1	1	1	1	21	1	98	998	2	98	998	1	98	998	9998	98	2	1	7	2	1	2	98	1	F	98	98	98	9998	998	998	998	9	2	15	152	15202	98	98	98
15	152	15202	1	2	6	13225	39	1	2	4	2	22	1	98	998	2	98	998	1	98	998	9998	98	2	1	8	2	1	2	98	6	98	0	98	98	9998	998	998	998	9	2	15	152	15202	98	98	98
15	152	15202	1	2	6	13225	43	1	1	1	2	26	1	98	998	2	98	998	1	98	998	9998	98	2	8	5	1	1	2	98	6	98	2	2	10	2013	998	998	998	8	2	15	152	15202	98	98	98
15	152	15202	1	2	6	13225	43	1	2	2	1	24	1	98	998	2	98	998	1	98	998	9998	98	2	8	5	1	1	2	98	1	Z	98	98	98	9998	998	998	998	8	2	15	152	15202	98	98	98
15	152	15202	1	2	6	13225	43	1	3	13	2	71	1	98	998	2	98	998	1	98	998	9998	98	2	1	5	2	1	2	98	6	98	3	3	12	1974	998	998	998	1	2	15	152	15202	98	98	98
15	152	15202	1	2	6	13225	43	1	4	5	2	6	1	98	998	2	98	998	1	98	998	9998	98	1	0	3	1	1	2	98	98	98	98	98	98	9998	998	998	998	0	2	15	152	15202	98	98	98
15	152	15202	1	2	6	13225	43	1	5	5	2	3	1	98	998	1	98	998	1	98	998	9998	98	1	0	1	1	1	2	98	98	98	98	98	98	9998	998	998	998	0	2	15	152	15202	98	98	98
15	152	15202	1	2	8	13910	5	1	1	1	1	44	1	98	998	2	98	998	3	98	998	2005	2	2	4	7	1	1	2	98	6	98	98	98	98	9998	998	998	604	12	2	15	152	15202	98	98	98
15	152	15202	1	2	8	13910	5	1	2	2	2	42	1	98	998	2	98	998	1	98	998	9998	98	2	3	5	2	1	2	98	1	P	3	3	12	2006	998	998	998	3	2	15	152	15202	98	98	98
15	152	15202	1	2	8	13910	5	1	3	5	2	10	1	98	998	2	98	998	1	98	998	9998	98	1	4	5	2	1	2	98	98	98	98	98	98	9998	998	998	998	4	2	15	152	15202	98	98	98
15	152	15202	1	2	8	13910	7	1	1	1	2	70	1	98	998	2	98	998	1	98	998	9998	98	2	2	5	2	1	2	98	6	98	7	7	6	1994	998	998	998	2	2	15	152	15202	98	98	98
15	152	15202	1	2	8	13910	7	1	2	5	1	44	1	98	998	2	98	998	1	98	998	9998	98	2	5	5	2	1	2	98	7	98	98	98	98	9998	998	998	998	5	2	15	152	15202	98	98	98
15	152	15202	1	2	8	13910	8	1	1	1	1	58	1	98	998	2	98	998	3	98	998	2004	2	2	4	5	2	1	2	98	6	98	98	98	98	9998	998	998	604	4	2	15	152	15202	98	98	98
15	152	15202	1	2	8	13910	8	1	2	2	2	59	1	98	998	2	98	998	3	98	998	2004	2	2	2	5	2	1	2	98	6	98	3	3	7	1999	998	998	604	2	2	15	152	15202	98	98	98
15	152	15202	1	2	8	13910	19	1	1	1	1	58	99	99	999	99	99	999	99	99	999	9999	99	99	99	99	99	99	99	99	99	99	98	98	98	9998	999	999	999	99	99	15	152	15202	99	99	99
15	152	15202	1	2	8	13910	21	1	1	1	1	53	1	98	998	2	98	998	1	98	998	9998	98	2	8	5	1	1	2	98	1	H	98	98	98	9998	998	998	998	8	2	15	152	15202	98	98	98
15	152	15202	1	2	8	13910	21	1	2	2	2	46	1	98	998	2	98	998	1	98	998	9998	98	2	3	5	2	1	2	98	6	98	3	3	2	1990	998	998	998	3	2	15	152	15202	98	98	98
15	152	15202	1	2	8	13910	22	1	1	1	2	73	1	98	998	2	98	998	1	98	998	9998	98	3	98	98	98	1	2	98	6	98	6	5	3	1979	998	998	998	0	2	15	152	15202	98	98	98
15	152	15202	1	2	8	13910	30	1	1	1	1	57	1	98	998	2	98	998	2	997	998	9998	98	2	3	5	2	1	2	98	6	98	98	98	98	9998	998	998	998	3	2	15	152	15202	98	98	997
15	152	15202	1	2	12	8394	3	1	1	2	2	64	1	98	998	2	98	998	3	98	998	1974	4	3	98	98	98	1	2	98	1	A	12	10	99	9999	998	998	604	0	2	15	152	15202	98	98	98
15	152	15202	1	2	12	8394	3	1	2	1	1	74	2	98	998	2	98	998	1	98	998	9998	98	3	98	98	98	1	2	98	99	99	98	98	98	9998	998	998	998	0	2	15	152	15202	98	98	98
15	152	15202	1	2	12	8394	3	1	3	5	2	38	1	98	998	2	98	998	1	98	998	9998	98	2	8	5	1	1	2	98	2	A	0	98	98	9998	998	998	998	8	2	15	152	15202	98	98	98
15	152	15202	1	2	12	8394	3	1	4	14	1	38	99	99	999	99	99	999	99	99	999	9999	99	99	99	99	99	99	99	99	8	98	98	98	98	9998	999	999	999	99	99	15	152	15202	99	99	99
15	152	15202	1	2	12	8394	9	1	1	1	2	79	1	98	998	2	98	998	1	98	998	9998	98	3	98	98	98	1	2	98	8	98	2	2	99	9999	998	998	998	0	2	15	152	15202	98	98	98
15	152	15202	1	2	12	8394	19	1	1	1	1	46	99	99	999	99	99	999	99	99	999	9999	99	99	99	99	99	99	99	99	99	99	98	98	98	9998	999	999	999	99	99	15	152	15202	99	99	99
15	152	15202	1	2	12	8394	20	1	1	1	2	58	1	98	998	2	98	998	1	98	998	9998	98	2	8	5	1	1	2	98	1	A	3	3	7	1982	998	998	998	8	2	15	152	15202	98	98	98
15	152	15202	1	2	12	8394	21	1	1	1	2	45	1	98	998	6	98	998	2	997	998	9998	98	2	4	5	2	1	2	98	1	A	6	6	2	2007	998	68	998	4	2	15	152	15202	98	98	997
15	152	15202	1	2	12	8394	21	1	2	5	2	10	1	98	998	6	98	998	2	3201	998	9998	98	1	4	5	2	1	2	98	98	98	98	98	98	9998	998	68	998	4	2	15	152	15202	98	98	3201
15	152	15202	1	2	12	8394	24	1	1	1	1	67	1	98	998	2	98	998	1	98	998	9998	98	3	98	98	98	1	2	98	8	98	98	98	98	9998	998	998	998	0	2	15	152	15202	98	98	98
15	152	15202	1	2	12	8394	24	1	2	2	2	53	1	98	998	2	98	998	3	98	998	9999	99	3	98	98	98	1	2	98	8	98	0	98	98	9998	998	998	604	0	2	15	152	15202	98	98	98
15	152	15202	1	2	12	8394	27	1	1	1	1	48	1	98	998	2	98	998	1	98	998	9998	98	2	4	7	1	1	2	98	8	98	98	98	98	9998	998	998	998	12	2	15	152	15202	98	98	98
15	152	15202	1	2	12	8394	31	1	1	1	1	49	1	98	998	4	98	998	3	98	998	2001	2	2	8	5	1	1	2	98	1	A	98	98	98	9998	998	604	604	8	2	15	152	15202	98	98	98
15	152	15202	1	2	12	8394	42	1	1	1	1	46	1	98	998	2	98	998	3	98	998	1992	3	2	8	5	1	1	2	98	2	A	98	98	98	9998	998	998	604	8	2	15	152	15202	98	98	98
15	152	15202	1	2	12	8394	42	1	2	2	2	24	1	98	998	6	98	998	5	98	998	2013	1	2	7	5	2	1	2	98	6	98	2	2	6	2016	998	68	68	7	2	15	152	15202	98	98	98
15	152	15202	1	2	12	8394	42	1	3	6	2	2	1	98	998	1	98	998	1	98	998	9998	98	3	98	98	98	1	2	98	98	98	98	98	98	9998	998	998	998	0	2	15	152	15202	98	98	98
15	152	15202	1	2	12	8394	42	1	4	5	1	0	1	98	998	1	98	998	2	15101	998	9998	98	99	99	99	99	1	2	98	98	98	98	98	98	9998	998	998	998	99	2	15	152	15202	98	98	15101
15	152	15202	1	2	12	8394	42	1	5	5	2	13	1	98	998	2	98	998	3	98	998	9999	99	1	7	5	2	1	2	98	98	98	98	98	98	9998	998	998	604	7	2	15	152	15202	98	98	98
15	152	15202	1	2	12	8394	42	1	6	5	1	6	1	98	998	2	98	998	2	15101	998	9998	98	1	0	3	1	1	2	98	98	98	98	98	98	9998	998	998	998	0	2	15	152	15202	98	98	15101
15	152	15202	1	2	15	4094	2	1	1	1	1	41	1	98	998	2	98	998	1	98	998	9998	98	2	4	12	1	1	2	98	1	O	98	98	98	9998	998	998	998	16	2	15	152	15202	98	98	98
15	152	15202	1	2	15	4094	8	1	1	17	1	70	2	98	998	2	98	998	1	98	998	9998	98	3	98	98	98	1	2	98	7	98	98	98	98	9998	998	998	998	0	2	15	152	15202	98	98	98
15	152	15202	1	2	15	4094	8	1	2	17	1	47	2	98	998	3	15101	998	2	8101	998	9998	98	2	4	8	1	1	2	98	1	Z	98	98	98	9998	998	998	998	12	2	15	152	15202	98	15101	8101
15	152	15202	1	2	15	4094	8	1	3	17	1	19	2	98	998	3	15101	998	2	15101	998	9998	98	1	99	7	99	1	2	98	1	I	98	98	98	9998	998	998	998	99	2	15	152	15202	98	15101	15101
15	152	15202	1	2	15	4094	8	1	4	17	1	43	2	98	998	3	4302	998	2	8101	998	9998	98	99	4	8	1	1	2	98	1	N	98	98	98	9998	998	998	998	12	2	15	152	15202	98	4302	8101
15	152	15202	1	2	15	4094	8	1	5	17	2	35	2	98	998	6	98	998	5	98	998	2016	1	2	8	5	1	1	2	98	1	I	2	2	3	2007	998	68	68	8	2	15	152	15202	98	98	98
15	152	15202	1	2	15	4094	8	1	6	17	1	36	3	13123	998	3	13123	998	2	12101	998	9998	98	2	5	12	1	2	98	98	1	J	98	98	98	9998	998	998	998	17	98	15	152	15202	13123	13123	12101
15	152	15202	1	2	15	4094	8	1	7	17	2	25	2	98	998	3	15101	998	2	15101	998	9998	98	2	5	12	1	1	2	98	1	Q	1	1	12	2011	998	998	998	17	2	15	152	15202	98	15101	15101
15	152	15202	1	2	15	4094	9	1	1	1	1	72	1	98	998	2	98	998	1	98	998	9998	98	2	1	5	2	1	2	98	1	G	98	98	98	9998	998	998	998	1	2	15	152	15202	98	98	98
15	152	15202	1	2	15	4094	12	1	1	1	1	21	1	98	998	3	15101	998	2	15101	998	9998	98	2	4	8	1	1	2	98	1	N	98	98	98	9998	998	998	998	12	2	15	152	15202	98	15101	15101
15	152	15202	1	2	15	4094	15	1	1	1	1	61	1	98	998	2	98	998	1	98	998	9998	98	2	3	7	2	1	2	98	4	98	98	98	98	9998	998	998	998	11	2	15	152	15202	98	98	98
15	152	15202	1	2	15	4094	15	1	2	5	2	31	1	98	998	3	15101	998	1	98	998	9998	98	2	4	12	1	1	2	98	1	P	1	1	10	2007	998	998	998	16	2	15	152	15202	98	15101	98
15	152	15202	1	2	15	4094	16	1	1	1	1	34	1	98	998	3	15101	998	1	98	998	9998	98	2	5	12	1	1	2	98	1	O	98	98	98	9998	998	998	998	17	2	15	152	15202	98	15101	98

1.1.12 Obtenemos la cantidad de personas por comuna:

my_summary_data <- x %>%
    group_by(x$COMUNA) %>%
    summarise(Count = n()) 
head(my_summary_data,5)

## # A tibble: 5 x 2
##   `x$COMUNA`  Count
##        <int>  <int>
## 1       1101 191468
## 2       1107 108375
## 3       1401  15711
## 4       1402   1250
## 5       1403   1728

1.1.13 Agregamos un cero antes de cada código comunal para poder hacer el merge posteriormente con la tabla de frecuencias.

names(my_summary_data)[1] <- "comuna"     
names(my_summary_data)[2] <- "personas"
my_summary_data

## # A tibble: 346 x 2
##    comuna personas
##     <int>    <int>
##  1   1101   191468
##  2   1107   108375
##  3   1401    15711
##  4   1402     1250
##  5   1403     1728
##  6   1404     2730
##  7   1405     9296
##  8   2101   361873
##  9   2102    13467
## 10   2103    10186
## # ... with 336 more rows

# recogemos el campo Comuna:
codigos <- my_summary_data$comuna
# construimos una secuencia llamada rango del 1 al total de filas del dataset:
rango <- seq(1:nrow(my_summary_data))
# Creamos un string que agrega un cero a todos los registros:
cadena <- paste("0",codigos[rango], sep = "")

# El string cadena tiene o 5 o 6 digitos, los cuales siempre deben ser siempre 5 agregandole un cero al inicio de los que tienen 4.
# Para ello extraemos un substring de la cadena sobre todas las filas (rangos) comenzando desde el primero o el segundo y llegando siempre al 6.

cadena <- substr(cadena,(nchar(cadena)[rango])-(4),6)
codigos <- as.data.frame(codigos)
cadena <- as.data.frame(cadena)
comuna_corr <- cbind(my_summary_data,cadena)
head(comuna_corr,5)

##   comuna personas cadena
## 1   1101   191468  01101
## 2   1107   108375  01107
## 3   1401    15711  01401
## 4   1402     1250  01402
## 5   1403     1728  01403

names(comuna_corr)[3] <- "código"  
head(comuna_corr,5)

##   comuna personas código
## 1   1101   191468  01101
## 2   1107   108375  01107
## 3   1401    15711  01401
## 4   1402     1250  01402
## 5   1403     1728  01403

1.1.14 unimos:

df_2017_2 = merge( x = df_2017, y = comuna_corr, by = "código", all.x = TRUE)
head(df_2017_2,5)

##   código     comuna.x promedio_i  año comuna.y personas
## 1  01101      Iquique   289375.3 2017     1101   191468
## 2  01401 Pozo Almonte   263069.6 2017     1401    15711
## 3  01402       Camiña   262850.3 2017     1402     1250
## 4  01404        Huara   253968.5 2017     1404     2730
## 5  01405         Pica   290496.7 2017     1405     9296

1.1.15 Agregamos la columna “Ingresos_expandidos”

df_2017_2$Ingresos_expandidos <- df_2017_2$promedio_i*df_2017_2$personas
df_2017_2$tipo <- "Rural"

r3_100 <- df_2017_2[c(1:100),]
kbl(r3_100) %>%
  kable_styling(bootstrap_options = c("striped", "hover")) %>%
  kable_paper() %>%
  scroll_box(width = "100%", height = "300px")

código	comuna.x	promedio_i	año	comuna.y	personas	Ingresos_expandidos	tipo
01101	Iquique	289375.3	2017	1101	191468	55406102543	Rural
01401	Pozo Almonte	263069.6	2017	1401	15711	4133086727	Rural
01402	Camiña	262850.3	2017	1402	1250	328562901	Rural
01404	Huara	253968.5	2017	1404	2730	693334131	Rural
01405	Pica	290496.7	2017	1405	9296	2700457509	Rural
02103	Sierra Gorda	403458.5	2017	2103	10186	4109628188	Rural
02104	Taltal	345494.0	2017	2104	13317	4600943086	Rural
02201	Calama	310025.0	2017	2201	165731	51380756402	Rural
02203	San Pedro de Atacama	356147.9	2017	2203	10996	3916202829	Rural
02301	Tocopilla	180218.1	2017	2301	25186	4538972205	Rural
03101	Copiapó	308502.8	2017	3101	153937	47489990283	Rural
03103	Tierra Amarilla	312457.3	2017	3103	14019	4380339153	Rural
03202	Diego de Almagro	374511.6	2017	3202	13925	5215073473	Rural
03301	Vallenar	254290.6	2017	3301	51917	13202005308	Rural
03302	Alto del Carmen	227130.4	2017	3302	5299	1203563833	Rural
03303	Freirina	214803.3	2017	3303	7041	1512429891	Rural
03304	Huasco	227560.7	2017	3304	10149	2309513927	Rural
04101	La Serena	233184.2	2017	4101	221054	51546306303	Rural
04102	Coquimbo	231810.7	2017	4102	227730	52790242466	Rural
04103	Andacollo	242908.2	2017	4103	11044	2682678345	Rural
04104	La Higuera	250699.6	2017	4104	4241	1063217069	Rural
04105	Paiguano	205942.1	2017	4105	4497	926121774	Rural
04106	Vicuña	176130.6	2017	4106	27771	4891322768	Rural
04201	Illapel	191976.8	2017	4201	30848	5922099530	Rural
04202	Canela	171370.3	2017	4202	9093	1558270441	Rural
04203	Los Vilos	173238.5	2017	4203	21382	3704185607	Rural
04204	Salamanca	223234.2	2017	4204	29347	6551254640	Rural
04301	Ovalle	241393.7	2017	4301	111272	26860360045	Rural
04302	Combarbalá	179139.6	2017	4302	13322	2386498044	Rural
04303	Monte Patria	201205.8	2017	4303	30751	6187280931	Rural
04304	Punitaqui	171931.7	2017	4304	10956	1883683880	Rural
04305	Río Hurtado	182027.2	2017	4305	4278	778712384	Rural
05101	Valparaíso	331716.1	2017	5101	296655	98405237576	Rural
05102	Casablanca	268917.1	2017	5102	26867	7224996933	Rural
05105	Puchuncaví	279614.4	2017	5105	18546	5185728335	Rural
05107	Quintero	334628.2	2017	5107	31923	10682335196	Rural
05301	Los Andes	324402.1	2017	5301	66708	21640215030	Rural
05302	Calle Larga	242743.8	2017	5302	14832	3600375502	Rural
05303	Rinconada	326532.5	2017	5303	10207	3332917471	Rural
05304	San Esteban	223168.6	2017	5304	18855	4207844130	Rural
05401	La Ligua	181468.0	2017	5401	35390	6422154059	Rural
05402	Cabildo	231277.8	2017	5402	19388	4484014285	Rural
05404	Petorca	298208.9	2017	5404	9826	2930200178	Rural
05405	Zapallar	292882.3	2017	5405	7339	2149463129	Rural
05501	Quillota	220926.8	2017	5501	90517	19997628209	Rural
05502	Calera	226906.2	2017	5502	50554	11471016698	Rural
05503	Hijuelas	253739.9	2017	5503	17988	4564273201	Rural
05504	La Cruz	291124.1	2017	5504	22098	6433259569	Rural
05506	Nogales	264475.3	2017	5506	22120	5850194593	Rural
05601	San Antonio	266331.2	2017	5601	91350	24329353815	Rural
05602	Algarrobo	248705.3	2017	5602	13817	3436360895	Rural
05603	Cartagena	255065.0	2017	5603	22738	5799668561	Rural
05606	Santo Domingo	295805.3	2017	5606	10900	3224277385	Rural
05701	San Felipe	256901.6	2017	5701	76844	19741348746	Rural
05702	Catemu	219965.5	2017	5702	13998	3079076756	Rural
05703	Llaillay	313038.9	2017	5703	24608	7703261166	Rural
05704	Panquehue	240463.7	2017	5704	7273	1748892567	Rural
05705	Putaendo	207222.5	2017	5705	16754	3471806107	Rural
05706	Santa María	254903.6	2017	5706	15241	3884985562	Rural
05801	Quilpué	350448.5	2017	5801	151708	53165847934	Rural
05802	Limache	279190.4	2017	5802	46121	12876538521	Rural
05803	Olmué	233137.4	2017	5803	17516	4083634793	Rural
05804	Villa Alemana	266308.0	2017	5804	126548	33700746618	Rural
06101	Rancagua	243717.4	2017	6101	241774	58924531866	Rural
06102	Codegua	276373.5	2017	6102	12988	3589538376	Rural
06103	Coinco	194921.9	2017	6103	7359	1434429947	Rural
06104	Coltauco	293400.3	2017	6104	19597	5749765679	Rural
06105	Doñihue	243136.0	2017	6105	20887	5078381306	Rural
06106	Graneros	267256.9	2017	6106	33437	8936268375	Rural
06107	Las Cabras	201772.1	2017	6107	24640	4971665251	Rural
06108	Machalí	286915.2	2017	6108	52505	15064483265	Rural
06109	Malloa	276400.8	2017	6109	13407	3705705866	Rural
06110	Mostazal	285936.2	2017	6110	25343	7246479867	Rural
06111	Olivar	290455.2	2017	6111	13608	3952514328	Rural
06112	Peumo	249607.9	2017	6112	14313	3572637330	Rural
06113	Pichidegua	224660.7	2017	6113	19714	4428961321	Rural
06114	Quinta de Tilcoco	227956.8	2017	6114	13002	2963894903	Rural
06115	Rengo	262231.1	2017	6115	58825	15425743606	Rural
06116	Requínoa	287708.6	2017	6116	27968	8046635027	Rural
06117	San Vicente	264809.8	2017	6117	46766	12384093360	Rural
06201	Pichilemu	264464.1	2017	6201	16394	4335624803	Rural
06202	La Estrella	217285.6	2017	6202	3041	660765530	Rural
06203	Litueche	250592.6	2017	6203	6294	1577230106	Rural
06204	Marchihue	237849.2	2017	6204	7308	1738201845	Rural
06205	Navidad	185013.2	2017	6205	6641	1228672744	Rural
06206	Paredones	201487.6	2017	6206	6188	1246805092	Rural
06301	San Fernando	251445.2	2017	6301	73973	18600156701	Rural
06302	Chépica	207192.9	2017	6302	15037	3115559148	Rural
06303	Chimbarongo	249916.5	2017	6303	35399	8846795793	Rural
06304	Lolol	210117.9	2017	6304	6811	1431112941	Rural
06305	Nancagua	220059.8	2017	6305	17833	3924325946	Rural
06306	Palmilla	237432.8	2017	6306	12482	2963635932	Rural
06307	Peralillo	238247.5	2017	6307	11007	2622389705	Rural
06308	Placilla	234396.0	2017	6308	8738	2048152347	Rural
06309	Pumanque	251491.6	2017	6309	3421	860352827	Rural
06310	Santa Cruz	234705.6	2017	6310	37855	8884779087	Rural
07101	Talca	277465.4	2017	7101	220357	61141442674	Rural
07102	Constitución	225570.4	2017	7102	46068	10391579084	Rural
07103	Curepto	191743.1	2017	7103	9448	1811588746	Rural
07104	Empedrado	204416.7	2017	7104	4142	846693796	Rural

saveRDS(df_2017_2, "ingresos_expandidos_17_rural_nacional.rds")

2 Correlaciones

Debemos filtrar la tabla censal a nivel rural

2.1 Construcción de la tabla con frecuencias de respuesta por categoría P01

2.1.1 Pregunta P01: Tipo de vivienda

Ésta pregunta posee 10 categorías de respuesta:

2.1.2 Cálculo de frecuencias

Leemos los datos del censo viviendas 2017 y obtenemos la tabla de frecuencias por categoría de respuesta:

Debemos filtrar la tabla censal a nivel rural, ésto es, AREA = 2

tabla_con_clave <- readRDS("../censo_viviendas_con_clave_17.rds")
tabla_con_clave <- filter(tabla_con_clave, tabla_con_clave$AREA == 2)

b <- tabla_con_clave$COMUNA
c <- tabla_con_clave$P01
cross_tab =  xtabs( ~ unlist(b) + unlist(c))
tabla <- as.data.frame(cross_tab)
d <-tabla[!(tabla$Freq == 0),]
d$anio <- "2017"

d_t <- filter(d,d$unlist.c. == 1)
for(i in 2:10){
  d_i <- filter(d,d$unlist.c. == i)
  d_t = merge( x = d_t, y = d_i, by = "unlist.b.", all.x = TRUE)
}

tablamadre <- head(d_t,50)
kbl(tablamadre) %>%
  kable_styling(bootstrap_options = c("striped", "hover")) %>%
  kable_paper() %>%
  scroll_box(width = "100%", height = "300px")

unlist.b.	unlist.c..x	Freq.x	anio.x	unlist.c..y	Freq.y	anio.y	unlist.c..x	Freq.x	anio.x	unlist.c..y	Freq.y	anio.y	unlist.c..x	Freq.x	anio.x	unlist.c..y	Freq.y	anio.y	unlist.c..x	Freq.x	anio.x	unlist.c..y	Freq.y	anio.y	unlist.c..x	Freq.x	anio.x	unlist.c..y	Freq.y	anio.y
1101	1	1177	2017	NA	NA	NA	3	2	2017	4	11	2017	5	229	2017	6	17	2017	7	27	2017	8	25	2017	NA	NA	NA	NA	NA	NA
1107	1	53	2017	NA	NA	NA	NA	NA	NA	4	1	2017	5	16	2017	6	8	2017	7	5	2017	8	5	2017	NA	NA	NA	NA	NA	NA
1401	1	4877	2017	2	1	2017	3	28	2017	4	39	2017	5	455	2017	6	8	2017	7	131	2017	8	20	2017	NA	NA	NA	NA	NA	NA
1402	1	828	2017	2	10	2017	3	12	2017	4	13	2017	5	213	2017	6	1	2017	7	11	2017	8	4	2017	NA	NA	NA	NA	NA	NA
1403	1	826	2017	2	2	2017	3	1141	2017	4	10	2017	5	32	2017	6	1	2017	7	13	2017	8	5	2017	9	1	2017	NA	NA	NA
1404	1	1790	2017	2	3	2017	3	55	2017	4	44	2017	5	406	2017	NA	NA	NA	7	25	2017	8	5	2017	NA	NA	NA	NA	NA	NA
1405	1	526	2017	NA	NA	NA	3	9	2017	4	8	2017	5	77	2017	6	1	2017	7	28	2017	8	10	2017	NA	NA	NA	NA	NA	NA
2101	1	537	2017	2	1	2017	3	5	2017	4	7	2017	5	88	2017	6	6	2017	7	43	2017	8	12	2017	NA	NA	NA	NA	NA	NA
2102	1	528	2017	2	2	2017	NA	NA	NA	NA	NA	NA	5	20	2017	6	2	2017	7	18	2017	8	6	2017	NA	NA	NA	NA	NA	NA
2103	1	466	2017	NA	NA	NA	NA	NA	NA	4	21	2017	5	36	2017	6	1	2017	7	3	2017	8	43	2017	NA	NA	NA	NA	NA	NA
2104	1	392	2017	NA	NA	NA	3	48	2017	4	5	2017	5	171	2017	6	25	2017	7	22	2017	8	25	2017	NA	NA	NA	NA	NA	NA
2201	1	3715	2017	NA	NA	NA	3	110	2017	4	25	2017	5	360	2017	6	10	2017	7	30	2017	8	12	2017	NA	NA	NA	NA	NA	NA
2202	1	173	2017	NA	NA	NA	NA	NA	NA	4	6	2017	5	234	2017	6	1	2017	7	13	2017	8	12	2017	NA	NA	NA	NA	NA	NA
2203	1	1835	2017	2	3	2017	3	67	2017	4	84	2017	5	73	2017	6	6	2017	7	40	2017	8	57	2017	NA	NA	NA	NA	NA	NA
2301	1	772	2017	NA	NA	NA	3	3	2017	4	15	2017	5	724	2017	6	1	2017	7	8	2017	8	2	2017	NA	NA	NA	NA	NA	NA
2302	1	142	2017	NA	NA	NA	NA	NA	NA	4	3	2017	5	3	2017	NA	NA	NA	7	8	2017	8	10	2017	NA	NA	NA	NA	NA	NA
3101	1	1706	2017	NA	NA	NA	3	4	2017	NA	NA	NA	5	152	2017	6	3	2017	7	53	2017	8	6	2017	NA	NA	NA	NA	NA	NA
3102	1	5827	2017	2	19	2017	3	16	2017	4	64	2017	5	2285	2017	6	35	2017	7	58	2017	8	6	2017	NA	NA	NA	NA	NA	NA
3103	1	1246	2017	2	1	2017	3	3	2017	4	15	2017	5	174	2017	6	1	2017	7	14	2017	8	35	2017	NA	NA	NA	NA	NA	NA
3201	1	1758	2017	NA	NA	NA	NA	NA	NA	4	5	2017	5	114	2017	6	5	2017	7	16	2017	8	3	2017	NA	NA	NA	NA	NA	NA
3202	1	643	2017	2	10	2017	NA	NA	NA	4	12	2017	5	16	2017	NA	NA	NA	7	11	2017	8	6	2017	NA	NA	NA	NA	NA	NA
3301	1	2688	2017	2	3	2017	3	2	2017	4	22	2017	5	399	2017	6	6	2017	7	56	2017	8	10	2017	NA	NA	NA	NA	NA	NA
3302	1	2535	2017	2	4	2017	3	22	2017	4	22	2017	5	271	2017	6	3	2017	7	46	2017	8	24	2017	NA	NA	NA	NA	NA	NA
3303	1	1355	2017	NA	NA	NA	3	1	2017	4	19	2017	5	356	2017	6	3	2017	7	14	2017	8	5	2017	NA	NA	NA	NA	NA	NA
3304	1	1994	2017	NA	NA	NA	3	4	2017	4	15	2017	5	428	2017	6	6	2017	7	12	2017	8	1	2017	NA	NA	NA	NA	NA	NA
4101	1	7715	2017	2	235	2017	3	4	2017	4	24	2017	5	563	2017	6	9	2017	7	110	2017	8	17	2017	NA	NA	NA	NA	NA	NA
4102	1	5969	2017	2	1130	2017	3	4	2017	4	33	2017	5	237	2017	6	17	2017	7	42	2017	8	4	2017	NA	NA	NA	NA	NA	NA
4103	1	620	2017	NA	NA	NA	NA	NA	NA	4	14	2017	5	47	2017	6	2	2017	7	16	2017	NA	NA	NA	NA	NA	NA	NA	NA	NA
4104	1	1882	2017	NA	NA	NA	3	1	2017	4	11	2017	5	159	2017	6	2	2017	7	33	2017	8	15	2017	NA	NA	NA	NA	NA	NA
4105	1	2258	2017	NA	NA	NA	3	2	2017	4	16	2017	5	48	2017	6	5	2017	7	19	2017	8	25	2017	NA	NA	NA	NA	NA	NA
4106	1	4299	2017	2	2	2017	3	6	2017	4	15	2017	5	194	2017	6	11	2017	7	27	2017	8	23	2017	NA	NA	NA	NA	NA	NA
4201	1	4208	2017	NA	NA	NA	3	1	2017	4	14	2017	5	179	2017	6	1	2017	7	15	2017	8	11	2017	NA	NA	NA	NA	NA	NA
4202	1	3878	2017	NA	NA	NA	3	5	2017	4	16	2017	5	333	2017	6	3	2017	7	32	2017	8	2	2017	NA	NA	NA	NA	NA	NA
4203	1	2597	2017	NA	NA	NA	3	1	2017	4	3	2017	5	106	2017	6	2	2017	7	13	2017	8	5	2017	NA	NA	NA	NA	NA	NA
4204	1	4400	2017	NA	NA	NA	3	1	2017	4	22	2017	5	184	2017	6	7	2017	7	23	2017	8	16	2017	NA	NA	NA	NA	NA	NA
4301	1	10140	2017	2	3	2017	3	5	2017	4	76	2017	5	818	2017	6	7	2017	7	55	2017	8	12	2017	NA	NA	NA	NA	NA	NA
4302	1	3999	2017	2	3	2017	3	7	2017	4	20	2017	5	287	2017	6	3	2017	7	21	2017	8	4	2017	NA	NA	NA	NA	NA	NA
4303	1	6771	2017	NA	NA	NA	3	4	2017	4	55	2017	5	651	2017	6	6	2017	7	44	2017	8	24	2017	NA	NA	NA	NA	NA	NA
4304	1	2162	2017	2	1	2017	3	3	2017	4	8	2017	5	186	2017	6	2	2017	7	19	2017	8	2	2017	NA	NA	NA	NA	NA	NA
4305	1	2529	2017	2	1	2017	3	3	2017	4	13	2017	5	184	2017	6	6	2017	7	15	2017	8	13	2017	NA	NA	NA	NA	NA	NA
5101	1	1130	2017	2	1	2017	3	1	2017	4	2	2017	5	76	2017	6	6	2017	7	8	2017	8	2	2017	NA	NA	NA	NA	NA	NA
5102	1	4943	2017	2	261	2017	3	2	2017	4	14	2017	5	67	2017	6	7	2017	7	48	2017	8	8	2017	NA	NA	NA	NA	NA	NA
5103	1	1037	2017	NA	NA	NA	NA	NA	NA	4	1	2017	5	18	2017	6	1	2017	7	3	2017	8	2	2017	NA	NA	NA	NA	NA	NA
5104	1	425	2017	NA	NA	NA	NA	NA	NA	4	3	2017	5	8	2017	NA	NA	NA	7	2	2017	8	7	2017	9	1	2017	NA	NA	NA
5105	1	1846	2017	2	6	2017	NA	NA	NA	4	3	2017	5	54	2017	6	2	2017	7	9	2017	NA	NA	NA	NA	NA	NA	NA	NA	NA
5107	1	2302	2017	2	119	2017	3	1	2017	4	4	2017	5	28	2017	6	3	2017	7	31	2017	8	2	2017	NA	NA	NA	NA	NA	NA
5201	1	196	2017	NA	NA	NA	3	77	2017	4	1	2017	5	14	2017	6	3	2017	7	8	2017	8	2	2017	NA	NA	NA	NA	NA	NA
5301	1	1442	2017	2	2	2017	NA	NA	NA	4	4	2017	5	49	2017	6	1	2017	7	14	2017	8	19	2017	NA	NA	NA	NA	NA	NA
5302	1	1469	2017	NA	NA	NA	NA	NA	NA	4	7	2017	5	77	2017	6	1	2017	7	9	2017	NA	NA	NA	NA	NA	NA	NA	NA	NA
5303	1	776	2017	NA	NA	NA	NA	NA	NA	4	3	2017	5	36	2017	6	2	2017	7	9	2017	8	6	2017	NA	NA	NA	NA	NA	NA

Agregamos un cero a los códigos comunales de 4 dígitos, columna nueva que quedará en el campo llamado código:

codigos <- d_t$unlist.b.
rango <- seq(1:nrow(d_t))
cadena <- paste("0",codigos[rango], sep = "")
cadena <- substr(cadena,(nchar(cadena)[rango])-(4),6)
codigos <- as.data.frame(codigos)
cadena <- as.data.frame(cadena)
comuna_corr <- cbind(d_t,cadena)
comuna_corr <- comuna_corr[,-c(1),drop=FALSE] 
names(comuna_corr)[31] <- "código"

tablamadre <- head(comuna_corr,50)
kbl(tablamadre) %>%
  kable_styling(bootstrap_options = c("striped", "hover")) %>%
  kable_paper() %>%
  scroll_box(width = "100%", height = "300px")

unlist.c..x	Freq.x	anio.x	unlist.c..y	Freq.y	anio.y	unlist.c..x.1	Freq.x.1	anio.x.1	unlist.c..y.1	Freq.y.1	anio.y.1	unlist.c..x.2	Freq.x.2	anio.x.2	unlist.c..y.2	Freq.y.2	anio.y.2	unlist.c..x.3	Freq.x.3	anio.x.3	unlist.c..y.3	Freq.y.3	anio.y.3	unlist.c..x.4	Freq.x.4	anio.x.4	unlist.c..y.4	Freq.y.4	anio.y.4	código
1	1177	2017	NA	NA	NA	3	2	2017	4	11	2017	5	229	2017	6	17	2017	7	27	2017	8	25	2017	NA	NA	NA	NA	NA	NA	01101
1	53	2017	NA	NA	NA	NA	NA	NA	4	1	2017	5	16	2017	6	8	2017	7	5	2017	8	5	2017	NA	NA	NA	NA	NA	NA	01107
1	4877	2017	2	1	2017	3	28	2017	4	39	2017	5	455	2017	6	8	2017	7	131	2017	8	20	2017	NA	NA	NA	NA	NA	NA	01401
1	828	2017	2	10	2017	3	12	2017	4	13	2017	5	213	2017	6	1	2017	7	11	2017	8	4	2017	NA	NA	NA	NA	NA	NA	01402
1	826	2017	2	2	2017	3	1141	2017	4	10	2017	5	32	2017	6	1	2017	7	13	2017	8	5	2017	9	1	2017	NA	NA	NA	01403
1	1790	2017	2	3	2017	3	55	2017	4	44	2017	5	406	2017	NA	NA	NA	7	25	2017	8	5	2017	NA	NA	NA	NA	NA	NA	01404
1	526	2017	NA	NA	NA	3	9	2017	4	8	2017	5	77	2017	6	1	2017	7	28	2017	8	10	2017	NA	NA	NA	NA	NA	NA	01405
1	537	2017	2	1	2017	3	5	2017	4	7	2017	5	88	2017	6	6	2017	7	43	2017	8	12	2017	NA	NA	NA	NA	NA	NA	02101
1	528	2017	2	2	2017	NA	NA	NA	NA	NA	NA	5	20	2017	6	2	2017	7	18	2017	8	6	2017	NA	NA	NA	NA	NA	NA	02102
1	466	2017	NA	NA	NA	NA	NA	NA	4	21	2017	5	36	2017	6	1	2017	7	3	2017	8	43	2017	NA	NA	NA	NA	NA	NA	02103
1	392	2017	NA	NA	NA	3	48	2017	4	5	2017	5	171	2017	6	25	2017	7	22	2017	8	25	2017	NA	NA	NA	NA	NA	NA	02104
1	3715	2017	NA	NA	NA	3	110	2017	4	25	2017	5	360	2017	6	10	2017	7	30	2017	8	12	2017	NA	NA	NA	NA	NA	NA	02201
1	173	2017	NA	NA	NA	NA	NA	NA	4	6	2017	5	234	2017	6	1	2017	7	13	2017	8	12	2017	NA	NA	NA	NA	NA	NA	02202
1	1835	2017	2	3	2017	3	67	2017	4	84	2017	5	73	2017	6	6	2017	7	40	2017	8	57	2017	NA	NA	NA	NA	NA	NA	02203
1	772	2017	NA	NA	NA	3	3	2017	4	15	2017	5	724	2017	6	1	2017	7	8	2017	8	2	2017	NA	NA	NA	NA	NA	NA	02301
1	142	2017	NA	NA	NA	NA	NA	NA	4	3	2017	5	3	2017	NA	NA	NA	7	8	2017	8	10	2017	NA	NA	NA	NA	NA	NA	02302
1	1706	2017	NA	NA	NA	3	4	2017	NA	NA	NA	5	152	2017	6	3	2017	7	53	2017	8	6	2017	NA	NA	NA	NA	NA	NA	03101
1	5827	2017	2	19	2017	3	16	2017	4	64	2017	5	2285	2017	6	35	2017	7	58	2017	8	6	2017	NA	NA	NA	NA	NA	NA	03102
1	1246	2017	2	1	2017	3	3	2017	4	15	2017	5	174	2017	6	1	2017	7	14	2017	8	35	2017	NA	NA	NA	NA	NA	NA	03103
1	1758	2017	NA	NA	NA	NA	NA	NA	4	5	2017	5	114	2017	6	5	2017	7	16	2017	8	3	2017	NA	NA	NA	NA	NA	NA	03201
1	643	2017	2	10	2017	NA	NA	NA	4	12	2017	5	16	2017	NA	NA	NA	7	11	2017	8	6	2017	NA	NA	NA	NA	NA	NA	03202
1	2688	2017	2	3	2017	3	2	2017	4	22	2017	5	399	2017	6	6	2017	7	56	2017	8	10	2017	NA	NA	NA	NA	NA	NA	03301
1	2535	2017	2	4	2017	3	22	2017	4	22	2017	5	271	2017	6	3	2017	7	46	2017	8	24	2017	NA	NA	NA	NA	NA	NA	03302
1	1355	2017	NA	NA	NA	3	1	2017	4	19	2017	5	356	2017	6	3	2017	7	14	2017	8	5	2017	NA	NA	NA	NA	NA	NA	03303
1	1994	2017	NA	NA	NA	3	4	2017	4	15	2017	5	428	2017	6	6	2017	7	12	2017	8	1	2017	NA	NA	NA	NA	NA	NA	03304
1	7715	2017	2	235	2017	3	4	2017	4	24	2017	5	563	2017	6	9	2017	7	110	2017	8	17	2017	NA	NA	NA	NA	NA	NA	04101
1	5969	2017	2	1130	2017	3	4	2017	4	33	2017	5	237	2017	6	17	2017	7	42	2017	8	4	2017	NA	NA	NA	NA	NA	NA	04102
1	620	2017	NA	NA	NA	NA	NA	NA	4	14	2017	5	47	2017	6	2	2017	7	16	2017	NA	NA	NA	NA	NA	NA	NA	NA	NA	04103
1	1882	2017	NA	NA	NA	3	1	2017	4	11	2017	5	159	2017	6	2	2017	7	33	2017	8	15	2017	NA	NA	NA	NA	NA	NA	04104
1	2258	2017	NA	NA	NA	3	2	2017	4	16	2017	5	48	2017	6	5	2017	7	19	2017	8	25	2017	NA	NA	NA	NA	NA	NA	04105
1	4299	2017	2	2	2017	3	6	2017	4	15	2017	5	194	2017	6	11	2017	7	27	2017	8	23	2017	NA	NA	NA	NA	NA	NA	04106
1	4208	2017	NA	NA	NA	3	1	2017	4	14	2017	5	179	2017	6	1	2017	7	15	2017	8	11	2017	NA	NA	NA	NA	NA	NA	04201
1	3878	2017	NA	NA	NA	3	5	2017	4	16	2017	5	333	2017	6	3	2017	7	32	2017	8	2	2017	NA	NA	NA	NA	NA	NA	04202
1	2597	2017	NA	NA	NA	3	1	2017	4	3	2017	5	106	2017	6	2	2017	7	13	2017	8	5	2017	NA	NA	NA	NA	NA	NA	04203
1	4400	2017	NA	NA	NA	3	1	2017	4	22	2017	5	184	2017	6	7	2017	7	23	2017	8	16	2017	NA	NA	NA	NA	NA	NA	04204
1	10140	2017	2	3	2017	3	5	2017	4	76	2017	5	818	2017	6	7	2017	7	55	2017	8	12	2017	NA	NA	NA	NA	NA	NA	04301
1	3999	2017	2	3	2017	3	7	2017	4	20	2017	5	287	2017	6	3	2017	7	21	2017	8	4	2017	NA	NA	NA	NA	NA	NA	04302
1	6771	2017	NA	NA	NA	3	4	2017	4	55	2017	5	651	2017	6	6	2017	7	44	2017	8	24	2017	NA	NA	NA	NA	NA	NA	04303
1	2162	2017	2	1	2017	3	3	2017	4	8	2017	5	186	2017	6	2	2017	7	19	2017	8	2	2017	NA	NA	NA	NA	NA	NA	04304
1	2529	2017	2	1	2017	3	3	2017	4	13	2017	5	184	2017	6	6	2017	7	15	2017	8	13	2017	NA	NA	NA	NA	NA	NA	04305
1	1130	2017	2	1	2017	3	1	2017	4	2	2017	5	76	2017	6	6	2017	7	8	2017	8	2	2017	NA	NA	NA	NA	NA	NA	05101
1	4943	2017	2	261	2017	3	2	2017	4	14	2017	5	67	2017	6	7	2017	7	48	2017	8	8	2017	NA	NA	NA	NA	NA	NA	05102
1	1037	2017	NA	NA	NA	NA	NA	NA	4	1	2017	5	18	2017	6	1	2017	7	3	2017	8	2	2017	NA	NA	NA	NA	NA	NA	05103
1	425	2017	NA	NA	NA	NA	NA	NA	4	3	2017	5	8	2017	NA	NA	NA	7	2	2017	8	7	2017	9	1	2017	NA	NA	NA	05104
1	1846	2017	2	6	2017	NA	NA	NA	4	3	2017	5	54	2017	6	2	2017	7	9	2017	NA	NA	NA	NA	NA	NA	NA	NA	NA	05105
1	2302	2017	2	119	2017	3	1	2017	4	4	2017	5	28	2017	6	3	2017	7	31	2017	8	2	2017	NA	NA	NA	NA	NA	NA	05107
1	196	2017	NA	NA	NA	3	77	2017	4	1	2017	5	14	2017	6	3	2017	7	8	2017	8	2	2017	NA	NA	NA	NA	NA	NA	05201
1	1442	2017	2	2	2017	NA	NA	NA	4	4	2017	5	49	2017	6	1	2017	7	14	2017	8	19	2017	NA	NA	NA	NA	NA	NA	05301
1	1469	2017	NA	NA	NA	NA	NA	NA	4	7	2017	5	77	2017	6	1	2017	7	9	2017	NA	NA	NA	NA	NA	NA	NA	NA	NA	05302
1	776	2017	NA	NA	NA	NA	NA	NA	4	3	2017	5	36	2017	6	2	2017	7	9	2017	8	6	2017	NA	NA	NA	NA	NA	NA	05303

Hacemos la unión de las frecuencias con los ingresos promedio comunales expandidos a nivel rural:

ingresos_expandidos_2017 <- readRDS("ingresos_expandidos_17_rural_nacional.rds")
df_2017_2 = merge( x = comuna_corr, y = ingresos_expandidos_2017, by = "código", all.x = TRUE)
tablamadre <- head(df_2017_2,50)
kbl(tablamadre) %>%
  kable_styling(bootstrap_options = c("striped", "hover")) %>%
  kable_paper() %>%
  scroll_box(width = "100%", height = "300px")

código	unlist.c..x	Freq.x	anio.x	unlist.c..y	Freq.y	anio.y	unlist.c..x.1	Freq.x.1	anio.x.1	unlist.c..y.1	Freq.y.1	anio.y.1	unlist.c..x.2	Freq.x.2	anio.x.2	unlist.c..y.2	Freq.y.2	anio.y.2	unlist.c..x.3	Freq.x.3	anio.x.3	unlist.c..y.3	Freq.y.3	anio.y.3	unlist.c..x.4	Freq.x.4	anio.x.4	unlist.c..y.4	Freq.y.4	anio.y.4	comuna.x	promedio_i	año	comuna.y	personas	Ingresos_expandidos	tipo
01101	1	1177	2017	NA	NA	NA	3	2	2017	4	11	2017	5	229	2017	6	17	2017	7	27	2017	8	25	2017	NA	NA	NA	NA	NA	NA	Iquique	289375.3	2017	1101	191468	55406102543	Rural
01107	1	53	2017	NA	NA	NA	NA	NA	NA	4	1	2017	5	16	2017	6	8	2017	7	5	2017	8	5	2017	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
01401	1	4877	2017	2	1	2017	3	28	2017	4	39	2017	5	455	2017	6	8	2017	7	131	2017	8	20	2017	NA	NA	NA	NA	NA	NA	Pozo Almonte	263069.6	2017	1401	15711	4133086727	Rural
01402	1	828	2017	2	10	2017	3	12	2017	4	13	2017	5	213	2017	6	1	2017	7	11	2017	8	4	2017	NA	NA	NA	NA	NA	NA	Camiña	262850.3	2017	1402	1250	328562901	Rural
01403	1	826	2017	2	2	2017	3	1141	2017	4	10	2017	5	32	2017	6	1	2017	7	13	2017	8	5	2017	9	1	2017	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
01404	1	1790	2017	2	3	2017	3	55	2017	4	44	2017	5	406	2017	NA	NA	NA	7	25	2017	8	5	2017	NA	NA	NA	NA	NA	NA	Huara	253968.5	2017	1404	2730	693334131	Rural
01405	1	526	2017	NA	NA	NA	3	9	2017	4	8	2017	5	77	2017	6	1	2017	7	28	2017	8	10	2017	NA	NA	NA	NA	NA	NA	Pica	290496.7	2017	1405	9296	2700457509	Rural
02101	1	537	2017	2	1	2017	3	5	2017	4	7	2017	5	88	2017	6	6	2017	7	43	2017	8	12	2017	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
02102	1	528	2017	2	2	2017	NA	NA	NA	NA	NA	NA	5	20	2017	6	2	2017	7	18	2017	8	6	2017	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
02103	1	466	2017	NA	NA	NA	NA	NA	NA	4	21	2017	5	36	2017	6	1	2017	7	3	2017	8	43	2017	NA	NA	NA	NA	NA	NA	Sierra Gorda	403458.5	2017	2103	10186	4109628188	Rural
02104	1	392	2017	NA	NA	NA	3	48	2017	4	5	2017	5	171	2017	6	25	2017	7	22	2017	8	25	2017	NA	NA	NA	NA	NA	NA	Taltal	345494.0	2017	2104	13317	4600943086	Rural
02201	1	3715	2017	NA	NA	NA	3	110	2017	4	25	2017	5	360	2017	6	10	2017	7	30	2017	8	12	2017	NA	NA	NA	NA	NA	NA	Calama	310025.0	2017	2201	165731	51380756402	Rural
02202	1	173	2017	NA	NA	NA	NA	NA	NA	4	6	2017	5	234	2017	6	1	2017	7	13	2017	8	12	2017	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
02203	1	1835	2017	2	3	2017	3	67	2017	4	84	2017	5	73	2017	6	6	2017	7	40	2017	8	57	2017	NA	NA	NA	NA	NA	NA	San Pedro de Atacama	356147.9	2017	2203	10996	3916202829	Rural
02301	1	772	2017	NA	NA	NA	3	3	2017	4	15	2017	5	724	2017	6	1	2017	7	8	2017	8	2	2017	NA	NA	NA	NA	NA	NA	Tocopilla	180218.1	2017	2301	25186	4538972205	Rural
02302	1	142	2017	NA	NA	NA	NA	NA	NA	4	3	2017	5	3	2017	NA	NA	NA	7	8	2017	8	10	2017	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
03101	1	1706	2017	NA	NA	NA	3	4	2017	NA	NA	NA	5	152	2017	6	3	2017	7	53	2017	8	6	2017	NA	NA	NA	NA	NA	NA	Copiapó	308502.8	2017	3101	153937	47489990283	Rural
03102	1	5827	2017	2	19	2017	3	16	2017	4	64	2017	5	2285	2017	6	35	2017	7	58	2017	8	6	2017	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
03103	1	1246	2017	2	1	2017	3	3	2017	4	15	2017	5	174	2017	6	1	2017	7	14	2017	8	35	2017	NA	NA	NA	NA	NA	NA	Tierra Amarilla	312457.3	2017	3103	14019	4380339153	Rural
03201	1	1758	2017	NA	NA	NA	NA	NA	NA	4	5	2017	5	114	2017	6	5	2017	7	16	2017	8	3	2017	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
03202	1	643	2017	2	10	2017	NA	NA	NA	4	12	2017	5	16	2017	NA	NA	NA	7	11	2017	8	6	2017	NA	NA	NA	NA	NA	NA	Diego de Almagro	374511.6	2017	3202	13925	5215073473	Rural
03301	1	2688	2017	2	3	2017	3	2	2017	4	22	2017	5	399	2017	6	6	2017	7	56	2017	8	10	2017	NA	NA	NA	NA	NA	NA	Vallenar	254290.6	2017	3301	51917	13202005308	Rural
03302	1	2535	2017	2	4	2017	3	22	2017	4	22	2017	5	271	2017	6	3	2017	7	46	2017	8	24	2017	NA	NA	NA	NA	NA	NA	Alto del Carmen	227130.4	2017	3302	5299	1203563833	Rural
03303	1	1355	2017	NA	NA	NA	3	1	2017	4	19	2017	5	356	2017	6	3	2017	7	14	2017	8	5	2017	NA	NA	NA	NA	NA	NA	Freirina	214803.3	2017	3303	7041	1512429891	Rural
03304	1	1994	2017	NA	NA	NA	3	4	2017	4	15	2017	5	428	2017	6	6	2017	7	12	2017	8	1	2017	NA	NA	NA	NA	NA	NA	Huasco	227560.7	2017	3304	10149	2309513927	Rural
04101	1	7715	2017	2	235	2017	3	4	2017	4	24	2017	5	563	2017	6	9	2017	7	110	2017	8	17	2017	NA	NA	NA	NA	NA	NA	La Serena	233184.2	2017	4101	221054	51546306303	Rural
04102	1	5969	2017	2	1130	2017	3	4	2017	4	33	2017	5	237	2017	6	17	2017	7	42	2017	8	4	2017	NA	NA	NA	NA	NA	NA	Coquimbo	231810.7	2017	4102	227730	52790242466	Rural
04103	1	620	2017	NA	NA	NA	NA	NA	NA	4	14	2017	5	47	2017	6	2	2017	7	16	2017	NA	NA	NA	NA	NA	NA	NA	NA	NA	Andacollo	242908.2	2017	4103	11044	2682678345	Rural
04104	1	1882	2017	NA	NA	NA	3	1	2017	4	11	2017	5	159	2017	6	2	2017	7	33	2017	8	15	2017	NA	NA	NA	NA	NA	NA	La Higuera	250699.6	2017	4104	4241	1063217069	Rural
04105	1	2258	2017	NA	NA	NA	3	2	2017	4	16	2017	5	48	2017	6	5	2017	7	19	2017	8	25	2017	NA	NA	NA	NA	NA	NA	Paiguano	205942.1	2017	4105	4497	926121774	Rural
04106	1	4299	2017	2	2	2017	3	6	2017	4	15	2017	5	194	2017	6	11	2017	7	27	2017	8	23	2017	NA	NA	NA	NA	NA	NA	Vicuña	176130.6	2017	4106	27771	4891322768	Rural
04201	1	4208	2017	NA	NA	NA	3	1	2017	4	14	2017	5	179	2017	6	1	2017	7	15	2017	8	11	2017	NA	NA	NA	NA	NA	NA	Illapel	191976.8	2017	4201	30848	5922099530	Rural
04202	1	3878	2017	NA	NA	NA	3	5	2017	4	16	2017	5	333	2017	6	3	2017	7	32	2017	8	2	2017	NA	NA	NA	NA	NA	NA	Canela	171370.3	2017	4202	9093	1558270441	Rural
04203	1	2597	2017	NA	NA	NA	3	1	2017	4	3	2017	5	106	2017	6	2	2017	7	13	2017	8	5	2017	NA	NA	NA	NA	NA	NA	Los Vilos	173238.5	2017	4203	21382	3704185607	Rural
04204	1	4400	2017	NA	NA	NA	3	1	2017	4	22	2017	5	184	2017	6	7	2017	7	23	2017	8	16	2017	NA	NA	NA	NA	NA	NA	Salamanca	223234.2	2017	4204	29347	6551254640	Rural
04301	1	10140	2017	2	3	2017	3	5	2017	4	76	2017	5	818	2017	6	7	2017	7	55	2017	8	12	2017	NA	NA	NA	NA	NA	NA	Ovalle	241393.7	2017	4301	111272	26860360045	Rural
04302	1	3999	2017	2	3	2017	3	7	2017	4	20	2017	5	287	2017	6	3	2017	7	21	2017	8	4	2017	NA	NA	NA	NA	NA	NA	Combarbalá	179139.6	2017	4302	13322	2386498044	Rural
04303	1	6771	2017	NA	NA	NA	3	4	2017	4	55	2017	5	651	2017	6	6	2017	7	44	2017	8	24	2017	NA	NA	NA	NA	NA	NA	Monte Patria	201205.8	2017	4303	30751	6187280931	Rural
04304	1	2162	2017	2	1	2017	3	3	2017	4	8	2017	5	186	2017	6	2	2017	7	19	2017	8	2	2017	NA	NA	NA	NA	NA	NA	Punitaqui	171931.7	2017	4304	10956	1883683880	Rural
04305	1	2529	2017	2	1	2017	3	3	2017	4	13	2017	5	184	2017	6	6	2017	7	15	2017	8	13	2017	NA	NA	NA	NA	NA	NA	Río Hurtado	182027.2	2017	4305	4278	778712384	Rural
05101	1	1130	2017	2	1	2017	3	1	2017	4	2	2017	5	76	2017	6	6	2017	7	8	2017	8	2	2017	NA	NA	NA	NA	NA	NA	Valparaíso	331716.1	2017	5101	296655	98405237576	Rural
05102	1	4943	2017	2	261	2017	3	2	2017	4	14	2017	5	67	2017	6	7	2017	7	48	2017	8	8	2017	NA	NA	NA	NA	NA	NA	Casablanca	268917.1	2017	5102	26867	7224996933	Rural
05103	1	1037	2017	NA	NA	NA	NA	NA	NA	4	1	2017	5	18	2017	6	1	2017	7	3	2017	8	2	2017	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
05104	1	425	2017	NA	NA	NA	NA	NA	NA	4	3	2017	5	8	2017	NA	NA	NA	7	2	2017	8	7	2017	9	1	2017	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
05105	1	1846	2017	2	6	2017	NA	NA	NA	4	3	2017	5	54	2017	6	2	2017	7	9	2017	NA	NA	NA	NA	NA	NA	NA	NA	NA	Puchuncaví	279614.4	2017	5105	18546	5185728335	Rural
05107	1	2302	2017	2	119	2017	3	1	2017	4	4	2017	5	28	2017	6	3	2017	7	31	2017	8	2	2017	NA	NA	NA	NA	NA	NA	Quintero	334628.2	2017	5107	31923	10682335196	Rural
05201	1	196	2017	NA	NA	NA	3	77	2017	4	1	2017	5	14	2017	6	3	2017	7	8	2017	8	2	2017	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
05301	1	1442	2017	2	2	2017	NA	NA	NA	4	4	2017	5	49	2017	6	1	2017	7	14	2017	8	19	2017	NA	NA	NA	NA	NA	NA	Los Andes	324402.1	2017	5301	66708	21640215030	Rural
05302	1	1469	2017	NA	NA	NA	NA	NA	NA	4	7	2017	5	77	2017	6	1	2017	7	9	2017	NA	NA	NA	NA	NA	NA	NA	NA	NA	Calle Larga	242743.8	2017	5302	14832	3600375502	Rural
05303	1	776	2017	NA	NA	NA	NA	NA	NA	4	3	2017	5	36	2017	6	2	2017	7	9	2017	8	6	2017	NA	NA	NA	NA	NA	NA	Rinconada	326532.5	2017	5303	10207	3332917471	Rural

2.1.3 Correlaciones

1 Casa

dat1 <- data.frame(df_2017_2$Freq.x, df_2017_2$Ingresos_expandidos)
chart.Correlation(dat1)

2 Departamento en edificio

dat1 <- data.frame(df_2017_2$Freq.y, df_2017_2$Ingresos_expandidos)
chart.Correlation(dat1)

3 Vivienda tradicional indígena (ruka, pae pae u otras)

dat1 <- data.frame(df_2017_2$Freq.x.1, df_2017_2$Ingresos_expandidos)
chart.Correlation(dat1)

4 Pieza en casa antigua o en conventillo

dat1 <- data.frame(df_2017_2$Freq.y.1, df_2017_2$Ingresos_expandidos)
chart.Correlation(dat1)

5 Mediagua, mejora, rancho o choza

dat1 <- data.frame(df_2017_2$Freq.x.2, df_2017_2$Ingresos_expandidos)
chart.Correlation(dat1)

6 Móvil (carpa, casa rodante o similar)

dat1 <- data.frame(df_2017_2$Freq.y.2, df_2017_2$Ingresos_expandidos)
chart.Correlation(dat1)

7 Otro tipo de vivienda particular

dat1 <- data.frame(df_2017_2$Freq.x.3, df_2017_2$Ingresos_expandidos)
chart.Correlation(dat1)

8 Vivienda colectiva

dat1 <- data.frame(df_2017_2$Freq.y.3, df_2017_2$Ingresos_expandidos)
chart.Correlation(dat1)

9 Operativo personas en tránsito (no es vivienda)

# dat1 <- data.frame(df_2017_2$Freq.x.4, df_2017_2$Ingresos_expandidos)
# chart.Correlation(dat1)

10 Operativo calle (no es vivienda)

# dat1 <- data.frame(df_2017_2$Freq.y.4, df_2017_2$Ingresos_expandidos)
# chart.Correlation(dat1)

2.2 Construcción de la tabla con frecuencias de respuesta por categoría P03B

2.2.1 Pregunta P03B: Material en la cubierta del techo

2.2.2 Cálculo de frecuencias

tabla_con_clave <- readRDS("../censo_viviendas_con_clave_17.rds")
tabla_con_clave <- filter(tabla_con_clave, tabla_con_clave$AREA == 2)

b <- tabla_con_clave$COMUNA
c <- tabla_con_clave$P03B
cross_tab =  xtabs( ~ unlist(b) + unlist(c))
tabla <- as.data.frame(cross_tab)
d <-tabla[!(tabla$Freq == 0),]
d$anio <- "2017"

d_t <- filter(d,d$unlist.c. == 1)
for(i in 2:7){
  d_i <- filter(d,d$unlist.c. == i)
  d_t = merge( x = d_t, y = d_i, by = "unlist.b.", all.x = TRUE)
}

tablamadre <- head(d_t,50)
kbl(tablamadre) %>%
  kable_styling(bootstrap_options = c("striped", "hover")) %>%
  kable_paper() %>%
  scroll_box(width = "100%", height = "300px")

unlist.b.	unlist.c..x	Freq.x	anio.x	unlist.c..y	Freq.y	anio.y	unlist.c..x	Freq.x	anio.x	unlist.c..y	Freq.y	anio.y	unlist.c..x	Freq.x	anio.x	unlist.c..y	Freq.y	anio.y	unlist.c.	Freq	anio
1101	1	141	2017	2	14	2017	3	536	2017	4	18	2017	5	1	2017	6	47	2017	7	10	2017
1107	1	8	2017	2	6	2017	3	16	2017	NA	NA	NA	NA	NA	NA	6	7	2017	7	7	2017
1401	1	321	2017	2	51	2017	3	818	2017	4	31	2017	5	15	2017	6	80	2017	7	16	2017
1402	1	82	2017	2	6	2017	3	369	2017	4	5	2017	5	1	2017	6	3	2017	7	1	2017
1403	1	41	2017	2	3	2017	3	344	2017	4	2	2017	5	69	2017	6	3	2017	NA	NA	NA
1404	1	96	2017	2	8	2017	3	405	2017	4	12	2017	5	6	2017	6	53	2017	7	7	2017
1405	1	65	2017	2	6	2017	3	228	2017	4	5	2017	5	10	2017	6	11	2017	NA	NA	NA
2101	1	52	2017	2	23	2017	3	179	2017	4	9	2017	NA	NA	NA	6	43	2017	7	4	2017
2102	1	46	2017	2	3	2017	3	73	2017	4	1	2017	NA	NA	NA	6	11	2017	7	1	2017
2103	1	48	2017	2	5	2017	3	285	2017	4	1	2017	NA	NA	NA	6	1	2017	NA	NA	NA
2104	1	63	2017	NA	NA	NA	3	186	2017	4	3	2017	NA	NA	NA	6	36	2017	7	9	2017
2201	1	118	2017	2	10	2017	3	694	2017	4	28	2017	5	33	2017	6	65	2017	7	3	2017
2202	1	20	2017	NA	NA	NA	3	67	2017	NA	NA	NA	5	4	2017	6	3	2017	NA	NA	NA
2203	1	236	2017	2	5	2017	3	870	2017	4	21	2017	5	176	2017	6	21	2017	NA	NA	NA
2301	1	26	2017	NA	NA	NA	3	159	2017	4	3	2017	NA	NA	NA	6	16	2017	7	3	2017
2302	1	12	2017	2	1	2017	3	38	2017	4	1	2017	5	1	2017	6	5	2017	NA	NA	NA
3101	1	137	2017	2	8	2017	3	767	2017	4	16	2017	5	10	2017	6	12	2017	7	2	2017
3102	1	107	2017	2	6	2017	3	620	2017	4	8	2017	5	5	2017	6	34	2017	7	7	2017
3103	1	18	2017	2	1	2017	3	886	2017	4	1	2017	5	10	2017	6	9	2017	7	1	2017
3201	1	14	2017	2	3	2017	3	364	2017	4	1	2017	5	1	2017	6	26	2017	7	1	2017
3202	1	32	2017	NA	NA	NA	3	201	2017	4	2	2017	NA	NA	NA	6	12	2017	NA	NA	NA
3301	1	324	2017	2	3	2017	3	1466	2017	4	15	2017	5	22	2017	6	67	2017	7	12	2017
3302	1	214	2017	2	1	2017	3	1445	2017	4	13	2017	5	31	2017	6	27	2017	7	7	2017
3303	1	71	2017	NA	NA	NA	3	770	2017	4	5	2017	5	2	2017	6	17	2017	7	2	2017
3304	1	55	2017	NA	NA	NA	3	390	2017	4	7	2017	5	1	2017	6	35	2017	7	2	2017
4101	1	1321	2017	2	52	2017	3	4286	2017	4	32	2017	5	7	2017	6	32	2017	7	9	2017
4102	1	695	2017	2	13	2017	3	3279	2017	4	22	2017	5	10	2017	6	30	2017	7	8	2017
4103	1	27	2017	NA	NA	NA	3	369	2017	4	3	2017	NA	NA	NA	6	4	2017	7	2	2017
4104	1	105	2017	NA	NA	NA	3	915	2017	4	20	2017	NA	NA	NA	6	17	2017	7	3	2017
4105	1	146	2017	2	1	2017	3	1424	2017	4	4	2017	5	2	2017	6	8	2017	7	4	2017
4106	1	365	2017	2	8	2017	3	2929	2017	4	12	2017	5	2	2017	6	29	2017	7	7	2017
4201	1	218	2017	2	1	2017	3	3135	2017	4	6	2017	NA	NA	NA	6	4	2017	7	2	2017
4202	1	103	2017	NA	NA	NA	3	2551	2017	4	5	2017	5	6	2017	6	5	2017	7	8	2017
4203	1	140	2017	2	3	2017	3	1280	2017	4	5	2017	5	2	2017	6	4	2017	NA	NA	NA
4204	1	276	2017	2	11	2017	3	3369	2017	4	8	2017	5	2	2017	6	11	2017	7	2	2017
4301	1	686	2017	2	11	2017	3	7049	2017	4	45	2017	5	7	2017	6	35	2017	7	5	2017
4302	1	121	2017	2	1	2017	3	2621	2017	4	5	2017	5	3	2017	6	9	2017	7	8	2017
4303	1	287	2017	2	8	2017	3	5043	2017	4	16	2017	5	1	2017	6	23	2017	7	4	2017
4304	1	96	2017	2	1	2017	3	1705	2017	4	5	2017	5	1	2017	6	18	2017	7	1	2017
4305	1	108	2017	NA	NA	NA	3	1529	2017	4	4	2017	5	1	2017	6	30	2017	NA	NA	NA
5101	1	48	2017	NA	NA	NA	3	210	2017	4	2	2017	NA	NA	NA	6	13	2017	7	4	2017
5102	1	670	2017	2	3	2017	3	2226	2017	4	14	2017	NA	NA	NA	6	23	2017	7	6	2017
5103	1	170	2017	2	1	2017	3	599	2017	4	6	2017	NA	NA	NA	6	1	2017	7	2	2017
5104	1	45	2017	NA	NA	NA	3	302	2017	NA	NA	NA	NA	NA	NA	6	1	2017	NA	NA	NA
5105	1	208	2017	2	2	2017	3	739	2017	4	11	2017	5	2	2017	6	3	2017	7	2	2017
5107	1	758	2017	2	32	2017	3	776	2017	4	16	2017	NA	NA	NA	6	12	2017	7	7	2017
5201	1	21	2017	NA	NA	NA	3	120	2017	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
5301	1	101	2017	2	2	2017	3	1105	2017	4	1	2017	NA	NA	NA	6	9	2017	NA	NA	NA
5302	1	285	2017	2	5	2017	3	1022	2017	4	1	2017	NA	NA	NA	6	4	2017	7	1	2017
5303	1	178	2017	2	6	2017	3	473	2017	4	3	2017	NA	NA	NA	6	2	2017	7	2	2017

codigos <- d_t$
unlist.b.
rango <- seq(1:nrow(d_t))
cadena <- paste("0",codigos[rango], sep = "")
cadena <- substr(cadena,(nchar(cadena)[rango])-(4),6)
codigos <- as.data.frame(codigos)
cadena <- as.data.frame(cadena)
comuna_corr <- cbind(d_t,cadena)
comuna_corr <- comuna_corr[,-c(1),drop=FALSE]

names(comuna_corr)[22] <- "código" 
tablamadre <- head(comuna_corr,50)
kbl(tablamadre) %>%
  kable_styling(bootstrap_options = c("striped", "hover")) %>%
  kable_paper() %>%
  scroll_box(width = "100%", height = "300px")

unlist.c..x	Freq.x	anio.x	unlist.c..y	Freq.y	anio.y	unlist.c..x.1	Freq.x.1	anio.x.1	unlist.c..y.1	Freq.y.1	anio.y.1	unlist.c..x.2	Freq.x.2	anio.x.2	unlist.c..y.2	Freq.y.2	anio.y.2	unlist.c.	Freq	anio	código
1	141	2017	2	14	2017	3	536	2017	4	18	2017	5	1	2017	6	47	2017	7	10	2017	01101
1	8	2017	2	6	2017	3	16	2017	NA	NA	NA	NA	NA	NA	6	7	2017	7	7	2017	01107
1	321	2017	2	51	2017	3	818	2017	4	31	2017	5	15	2017	6	80	2017	7	16	2017	01401
1	82	2017	2	6	2017	3	369	2017	4	5	2017	5	1	2017	6	3	2017	7	1	2017	01402
1	41	2017	2	3	2017	3	344	2017	4	2	2017	5	69	2017	6	3	2017	NA	NA	NA	01403
1	96	2017	2	8	2017	3	405	2017	4	12	2017	5	6	2017	6	53	2017	7	7	2017	01404
1	65	2017	2	6	2017	3	228	2017	4	5	2017	5	10	2017	6	11	2017	NA	NA	NA	01405
1	52	2017	2	23	2017	3	179	2017	4	9	2017	NA	NA	NA	6	43	2017	7	4	2017	02101
1	46	2017	2	3	2017	3	73	2017	4	1	2017	NA	NA	NA	6	11	2017	7	1	2017	02102
1	48	2017	2	5	2017	3	285	2017	4	1	2017	NA	NA	NA	6	1	2017	NA	NA	NA	02103
1	63	2017	NA	NA	NA	3	186	2017	4	3	2017	NA	NA	NA	6	36	2017	7	9	2017	02104
1	118	2017	2	10	2017	3	694	2017	4	28	2017	5	33	2017	6	65	2017	7	3	2017	02201
1	20	2017	NA	NA	NA	3	67	2017	NA	NA	NA	5	4	2017	6	3	2017	NA	NA	NA	02202
1	236	2017	2	5	2017	3	870	2017	4	21	2017	5	176	2017	6	21	2017	NA	NA	NA	02203
1	26	2017	NA	NA	NA	3	159	2017	4	3	2017	NA	NA	NA	6	16	2017	7	3	2017	02301
1	12	2017	2	1	2017	3	38	2017	4	1	2017	5	1	2017	6	5	2017	NA	NA	NA	02302
1	137	2017	2	8	2017	3	767	2017	4	16	2017	5	10	2017	6	12	2017	7	2	2017	03101
1	107	2017	2	6	2017	3	620	2017	4	8	2017	5	5	2017	6	34	2017	7	7	2017	03102
1	18	2017	2	1	2017	3	886	2017	4	1	2017	5	10	2017	6	9	2017	7	1	2017	03103
1	14	2017	2	3	2017	3	364	2017	4	1	2017	5	1	2017	6	26	2017	7	1	2017	03201
1	32	2017	NA	NA	NA	3	201	2017	4	2	2017	NA	NA	NA	6	12	2017	NA	NA	NA	03202
1	324	2017	2	3	2017	3	1466	2017	4	15	2017	5	22	2017	6	67	2017	7	12	2017	03301
1	214	2017	2	1	2017	3	1445	2017	4	13	2017	5	31	2017	6	27	2017	7	7	2017	03302
1	71	2017	NA	NA	NA	3	770	2017	4	5	2017	5	2	2017	6	17	2017	7	2	2017	03303
1	55	2017	NA	NA	NA	3	390	2017	4	7	2017	5	1	2017	6	35	2017	7	2	2017	03304
1	1321	2017	2	52	2017	3	4286	2017	4	32	2017	5	7	2017	6	32	2017	7	9	2017	04101
1	695	2017	2	13	2017	3	3279	2017	4	22	2017	5	10	2017	6	30	2017	7	8	2017	04102
1	27	2017	NA	NA	NA	3	369	2017	4	3	2017	NA	NA	NA	6	4	2017	7	2	2017	04103
1	105	2017	NA	NA	NA	3	915	2017	4	20	2017	NA	NA	NA	6	17	2017	7	3	2017	04104
1	146	2017	2	1	2017	3	1424	2017	4	4	2017	5	2	2017	6	8	2017	7	4	2017	04105
1	365	2017	2	8	2017	3	2929	2017	4	12	2017	5	2	2017	6	29	2017	7	7	2017	04106
1	218	2017	2	1	2017	3	3135	2017	4	6	2017	NA	NA	NA	6	4	2017	7	2	2017	04201
1	103	2017	NA	NA	NA	3	2551	2017	4	5	2017	5	6	2017	6	5	2017	7	8	2017	04202
1	140	2017	2	3	2017	3	1280	2017	4	5	2017	5	2	2017	6	4	2017	NA	NA	NA	04203
1	276	2017	2	11	2017	3	3369	2017	4	8	2017	5	2	2017	6	11	2017	7	2	2017	04204
1	686	2017	2	11	2017	3	7049	2017	4	45	2017	5	7	2017	6	35	2017	7	5	2017	04301
1	121	2017	2	1	2017	3	2621	2017	4	5	2017	5	3	2017	6	9	2017	7	8	2017	04302
1	287	2017	2	8	2017	3	5043	2017	4	16	2017	5	1	2017	6	23	2017	7	4	2017	04303
1	96	2017	2	1	2017	3	1705	2017	4	5	2017	5	1	2017	6	18	2017	7	1	2017	04304
1	108	2017	NA	NA	NA	3	1529	2017	4	4	2017	5	1	2017	6	30	2017	NA	NA	NA	04305
1	48	2017	NA	NA	NA	3	210	2017	4	2	2017	NA	NA	NA	6	13	2017	7	4	2017	05101
1	670	2017	2	3	2017	3	2226	2017	4	14	2017	NA	NA	NA	6	23	2017	7	6	2017	05102
1	170	2017	2	1	2017	3	599	2017	4	6	2017	NA	NA	NA	6	1	2017	7	2	2017	05103
1	45	2017	NA	NA	NA	3	302	2017	NA	NA	NA	NA	NA	NA	6	1	2017	NA	NA	NA	05104
1	208	2017	2	2	2017	3	739	2017	4	11	2017	5	2	2017	6	3	2017	7	2	2017	05105
1	758	2017	2	32	2017	3	776	2017	4	16	2017	NA	NA	NA	6	12	2017	7	7	2017	05107
1	21	2017	NA	NA	NA	3	120	2017	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	05201
1	101	2017	2	2	2017	3	1105	2017	4	1	2017	NA	NA	NA	6	9	2017	NA	NA	NA	05301
1	285	2017	2	5	2017	3	1022	2017	4	1	2017	NA	NA	NA	6	4	2017	7	1	2017	05302
1	178	2017	2	6	2017	3	473	2017	4	3	2017	NA	NA	NA	6	2	2017	7	2	2017	05303

Hacemos el merge con los ingresos comunales:

ingresos_expandidos_2017 <- readRDS("ingresos_expandidos_17_rural_nacional.rds")
df_2017_2 = merge( x = comuna_corr, y = ingresos_expandidos_2017, by = "código", all.x = TRUE)
tablamadre <- head(df_2017_2,50)
kbl(tablamadre) %>%
  kable_styling(bootstrap_options = c("striped", "hover")) %>%
  kable_paper() %>%
  scroll_box(width = "100%", height = "300px")

código	unlist.c..x	Freq.x	anio.x	unlist.c..y	Freq.y	anio.y	unlist.c..x.1	Freq.x.1	anio.x.1	unlist.c..y.1	Freq.y.1	anio.y.1	unlist.c..x.2	Freq.x.2	anio.x.2	unlist.c..y.2	Freq.y.2	anio.y.2	unlist.c.	Freq	anio	comuna.x	promedio_i	año	comuna.y	personas	Ingresos_expandidos	tipo
01101	1	141	2017	2	14	2017	3	536	2017	4	18	2017	5	1	2017	6	47	2017	7	10	2017	Iquique	289375.3	2017	1101	191468	55406102543	Rural
01107	1	8	2017	2	6	2017	3	16	2017	NA	NA	NA	NA	NA	NA	6	7	2017	7	7	2017	NA	NA	NA	NA	NA	NA	NA
01401	1	321	2017	2	51	2017	3	818	2017	4	31	2017	5	15	2017	6	80	2017	7	16	2017	Pozo Almonte	263069.6	2017	1401	15711	4133086727	Rural
01402	1	82	2017	2	6	2017	3	369	2017	4	5	2017	5	1	2017	6	3	2017	7	1	2017	Camiña	262850.3	2017	1402	1250	328562901	Rural
01403	1	41	2017	2	3	2017	3	344	2017	4	2	2017	5	69	2017	6	3	2017	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
01404	1	96	2017	2	8	2017	3	405	2017	4	12	2017	5	6	2017	6	53	2017	7	7	2017	Huara	253968.5	2017	1404	2730	693334131	Rural
01405	1	65	2017	2	6	2017	3	228	2017	4	5	2017	5	10	2017	6	11	2017	NA	NA	NA	Pica	290496.7	2017	1405	9296	2700457509	Rural
02101	1	52	2017	2	23	2017	3	179	2017	4	9	2017	NA	NA	NA	6	43	2017	7	4	2017	NA	NA	NA	NA	NA	NA	NA
02102	1	46	2017	2	3	2017	3	73	2017	4	1	2017	NA	NA	NA	6	11	2017	7	1	2017	NA	NA	NA	NA	NA	NA	NA
02103	1	48	2017	2	5	2017	3	285	2017	4	1	2017	NA	NA	NA	6	1	2017	NA	NA	NA	Sierra Gorda	403458.5	2017	2103	10186	4109628188	Rural
02104	1	63	2017	NA	NA	NA	3	186	2017	4	3	2017	NA	NA	NA	6	36	2017	7	9	2017	Taltal	345494.0	2017	2104	13317	4600943086	Rural
02201	1	118	2017	2	10	2017	3	694	2017	4	28	2017	5	33	2017	6	65	2017	7	3	2017	Calama	310025.0	2017	2201	165731	51380756402	Rural
02202	1	20	2017	NA	NA	NA	3	67	2017	NA	NA	NA	5	4	2017	6	3	2017	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
02203	1	236	2017	2	5	2017	3	870	2017	4	21	2017	5	176	2017	6	21	2017	NA	NA	NA	San Pedro de Atacama	356147.9	2017	2203	10996	3916202829	Rural
02301	1	26	2017	NA	NA	NA	3	159	2017	4	3	2017	NA	NA	NA	6	16	2017	7	3	2017	Tocopilla	180218.1	2017	2301	25186	4538972205	Rural
02302	1	12	2017	2	1	2017	3	38	2017	4	1	2017	5	1	2017	6	5	2017	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
03101	1	137	2017	2	8	2017	3	767	2017	4	16	2017	5	10	2017	6	12	2017	7	2	2017	Copiapó	308502.8	2017	3101	153937	47489990283	Rural
03102	1	107	2017	2	6	2017	3	620	2017	4	8	2017	5	5	2017	6	34	2017	7	7	2017	NA	NA	NA	NA	NA	NA	NA
03103	1	18	2017	2	1	2017	3	886	2017	4	1	2017	5	10	2017	6	9	2017	7	1	2017	Tierra Amarilla	312457.3	2017	3103	14019	4380339153	Rural
03201	1	14	2017	2	3	2017	3	364	2017	4	1	2017	5	1	2017	6	26	2017	7	1	2017	NA	NA	NA	NA	NA	NA	NA
03202	1	32	2017	NA	NA	NA	3	201	2017	4	2	2017	NA	NA	NA	6	12	2017	NA	NA	NA	Diego de Almagro	374511.6	2017	3202	13925	5215073473	Rural
03301	1	324	2017	2	3	2017	3	1466	2017	4	15	2017	5	22	2017	6	67	2017	7	12	2017	Vallenar	254290.6	2017	3301	51917	13202005308	Rural
03302	1	214	2017	2	1	2017	3	1445	2017	4	13	2017	5	31	2017	6	27	2017	7	7	2017	Alto del Carmen	227130.4	2017	3302	5299	1203563833	Rural
03303	1	71	2017	NA	NA	NA	3	770	2017	4	5	2017	5	2	2017	6	17	2017	7	2	2017	Freirina	214803.3	2017	3303	7041	1512429891	Rural
03304	1	55	2017	NA	NA	NA	3	390	2017	4	7	2017	5	1	2017	6	35	2017	7	2	2017	Huasco	227560.7	2017	3304	10149	2309513927	Rural
04101	1	1321	2017	2	52	2017	3	4286	2017	4	32	2017	5	7	2017	6	32	2017	7	9	2017	La Serena	233184.2	2017	4101	221054	51546306303	Rural
04102	1	695	2017	2	13	2017	3	3279	2017	4	22	2017	5	10	2017	6	30	2017	7	8	2017	Coquimbo	231810.7	2017	4102	227730	52790242466	Rural
04103	1	27	2017	NA	NA	NA	3	369	2017	4	3	2017	NA	NA	NA	6	4	2017	7	2	2017	Andacollo	242908.2	2017	4103	11044	2682678345	Rural
04104	1	105	2017	NA	NA	NA	3	915	2017	4	20	2017	NA	NA	NA	6	17	2017	7	3	2017	La Higuera	250699.6	2017	4104	4241	1063217069	Rural
04105	1	146	2017	2	1	2017	3	1424	2017	4	4	2017	5	2	2017	6	8	2017	7	4	2017	Paiguano	205942.1	2017	4105	4497	926121774	Rural
04106	1	365	2017	2	8	2017	3	2929	2017	4	12	2017	5	2	2017	6	29	2017	7	7	2017	Vicuña	176130.6	2017	4106	27771	4891322768	Rural
04201	1	218	2017	2	1	2017	3	3135	2017	4	6	2017	NA	NA	NA	6	4	2017	7	2	2017	Illapel	191976.8	2017	4201	30848	5922099530	Rural
04202	1	103	2017	NA	NA	NA	3	2551	2017	4	5	2017	5	6	2017	6	5	2017	7	8	2017	Canela	171370.3	2017	4202	9093	1558270441	Rural
04203	1	140	2017	2	3	2017	3	1280	2017	4	5	2017	5	2	2017	6	4	2017	NA	NA	NA	Los Vilos	173238.5	2017	4203	21382	3704185607	Rural
04204	1	276	2017	2	11	2017	3	3369	2017	4	8	2017	5	2	2017	6	11	2017	7	2	2017	Salamanca	223234.2	2017	4204	29347	6551254640	Rural
04301	1	686	2017	2	11	2017	3	7049	2017	4	45	2017	5	7	2017	6	35	2017	7	5	2017	Ovalle	241393.7	2017	4301	111272	26860360045	Rural
04302	1	121	2017	2	1	2017	3	2621	2017	4	5	2017	5	3	2017	6	9	2017	7	8	2017	Combarbalá	179139.6	2017	4302	13322	2386498044	Rural
04303	1	287	2017	2	8	2017	3	5043	2017	4	16	2017	5	1	2017	6	23	2017	7	4	2017	Monte Patria	201205.8	2017	4303	30751	6187280931	Rural
04304	1	96	2017	2	1	2017	3	1705	2017	4	5	2017	5	1	2017	6	18	2017	7	1	2017	Punitaqui	171931.7	2017	4304	10956	1883683880	Rural
04305	1	108	2017	NA	NA	NA	3	1529	2017	4	4	2017	5	1	2017	6	30	2017	NA	NA	NA	Río Hurtado	182027.2	2017	4305	4278	778712384	Rural
05101	1	48	2017	NA	NA	NA	3	210	2017	4	2	2017	NA	NA	NA	6	13	2017	7	4	2017	Valparaíso	331716.1	2017	5101	296655	98405237576	Rural
05102	1	670	2017	2	3	2017	3	2226	2017	4	14	2017	NA	NA	NA	6	23	2017	7	6	2017	Casablanca	268917.1	2017	5102	26867	7224996933	Rural
05103	1	170	2017	2	1	2017	3	599	2017	4	6	2017	NA	NA	NA	6	1	2017	7	2	2017	NA	NA	NA	NA	NA	NA	NA
05104	1	45	2017	NA	NA	NA	3	302	2017	NA	NA	NA	NA	NA	NA	6	1	2017	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
05105	1	208	2017	2	2	2017	3	739	2017	4	11	2017	5	2	2017	6	3	2017	7	2	2017	Puchuncaví	279614.4	2017	5105	18546	5185728335	Rural
05107	1	758	2017	2	32	2017	3	776	2017	4	16	2017	NA	NA	NA	6	12	2017	7	7	2017	Quintero	334628.2	2017	5107	31923	10682335196	Rural
05201	1	21	2017	NA	NA	NA	3	120	2017	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
05301	1	101	2017	2	2	2017	3	1105	2017	4	1	2017	NA	NA	NA	6	9	2017	NA	NA	NA	Los Andes	324402.1	2017	5301	66708	21640215030	Rural
05302	1	285	2017	2	5	2017	3	1022	2017	4	1	2017	NA	NA	NA	6	4	2017	7	1	2017	Calle Larga	242743.8	2017	5302	14832	3600375502	Rural
05303	1	178	2017	2	6	2017	3	473	2017	4	3	2017	NA	NA	NA	6	2	2017	7	2	2017	Rinconada	326532.5	2017	5303	10207	3332917471	Rural

Correlacionamos:

1 Tejas o tejuelas de arcilla, metálicas, de cemento, de madera, asfálticas o plásticas

dat1 <- data.frame(df_2017_2$Freq.x, df_2017_2$Ingresos_expandidos)
chart.Correlation(dat1)

2 Losa hormigón

dat1 <- data.frame(df_2017_2$Freq.y, df_2017_2$Ingresos_expandidos)
chart.Correlation(dat1)

3 Planchas metálicas de zinc, cobre, etc. o fibrocemento (tipo pizarreño)

dat1 <- data.frame(df_2017_2$Freq.x.1, df_2017_2$Ingresos_expandidos)
chart.Correlation(dat1)

4 Fonolita o plancha de fieltro embreado

dat1 <- data.frame(df_2017_2$Freq.y.1, df_2017_2$Ingresos_expandidos)
chart.Correlation(dat1)

5 Paja, coirón, totora o caña

dat1 <- data.frame(df_2017_2$Freq.x.2, df_2017_2$Ingresos_expandidos)
chart.Correlation(dat1)

6 Materiales precarios (lata, cartón, plásticos, etc.)

dat1 <- data.frame(df_2017_2$Freq.y.2, df_2017_2$Ingresos_expandidos)
chart.Correlation(dat1)

7 Sin cubierta sólida de techo

dat1 <- data.frame(df_2017_2$Freq, df_2017_2$Ingresos_expandidos)
chart.Correlation(dat1)

2.3 Cálculo de correlaciones entre la frecuencia de la variable por población y los ingresos expandidos

2.3.1 P03B: Material en la cubierta del techo

Verifiquemos que nuestra tabla a correlacionar sea la correcta:

tablamadre <- head(df_2017_2,50)
kbl(tablamadre) %>%
  kable_styling(bootstrap_options = c("striped", "hover")) %>%
  kable_paper() %>%
  scroll_box(width = "100%", height = "300px")

código	unlist.c..x	Freq.x	anio.x	unlist.c..y	Freq.y	anio.y	unlist.c..x.1	Freq.x.1	anio.x.1	unlist.c..y.1	Freq.y.1	anio.y.1	unlist.c..x.2	Freq.x.2	anio.x.2	unlist.c..y.2	Freq.y.2	anio.y.2	unlist.c.	Freq	anio	comuna.x	promedio_i	año	comuna.y	personas	Ingresos_expandidos	tipo
01101	1	141	2017	2	14	2017	3	536	2017	4	18	2017	5	1	2017	6	47	2017	7	10	2017	Iquique	289375.3	2017	1101	191468	55406102543	Rural
01107	1	8	2017	2	6	2017	3	16	2017	NA	NA	NA	NA	NA	NA	6	7	2017	7	7	2017	NA	NA	NA	NA	NA	NA	NA
01401	1	321	2017	2	51	2017	3	818	2017	4	31	2017	5	15	2017	6	80	2017	7	16	2017	Pozo Almonte	263069.6	2017	1401	15711	4133086727	Rural
01402	1	82	2017	2	6	2017	3	369	2017	4	5	2017	5	1	2017	6	3	2017	7	1	2017	Camiña	262850.3	2017	1402	1250	328562901	Rural
01403	1	41	2017	2	3	2017	3	344	2017	4	2	2017	5	69	2017	6	3	2017	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
01404	1	96	2017	2	8	2017	3	405	2017	4	12	2017	5	6	2017	6	53	2017	7	7	2017	Huara	253968.5	2017	1404	2730	693334131	Rural
01405	1	65	2017	2	6	2017	3	228	2017	4	5	2017	5	10	2017	6	11	2017	NA	NA	NA	Pica	290496.7	2017	1405	9296	2700457509	Rural
02101	1	52	2017	2	23	2017	3	179	2017	4	9	2017	NA	NA	NA	6	43	2017	7	4	2017	NA	NA	NA	NA	NA	NA	NA
02102	1	46	2017	2	3	2017	3	73	2017	4	1	2017	NA	NA	NA	6	11	2017	7	1	2017	NA	NA	NA	NA	NA	NA	NA
02103	1	48	2017	2	5	2017	3	285	2017	4	1	2017	NA	NA	NA	6	1	2017	NA	NA	NA	Sierra Gorda	403458.5	2017	2103	10186	4109628188	Rural
02104	1	63	2017	NA	NA	NA	3	186	2017	4	3	2017	NA	NA	NA	6	36	2017	7	9	2017	Taltal	345494.0	2017	2104	13317	4600943086	Rural
02201	1	118	2017	2	10	2017	3	694	2017	4	28	2017	5	33	2017	6	65	2017	7	3	2017	Calama	310025.0	2017	2201	165731	51380756402	Rural
02202	1	20	2017	NA	NA	NA	3	67	2017	NA	NA	NA	5	4	2017	6	3	2017	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
02203	1	236	2017	2	5	2017	3	870	2017	4	21	2017	5	176	2017	6	21	2017	NA	NA	NA	San Pedro de Atacama	356147.9	2017	2203	10996	3916202829	Rural
02301	1	26	2017	NA	NA	NA	3	159	2017	4	3	2017	NA	NA	NA	6	16	2017	7	3	2017	Tocopilla	180218.1	2017	2301	25186	4538972205	Rural
02302	1	12	2017	2	1	2017	3	38	2017	4	1	2017	5	1	2017	6	5	2017	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
03101	1	137	2017	2	8	2017	3	767	2017	4	16	2017	5	10	2017	6	12	2017	7	2	2017	Copiapó	308502.8	2017	3101	153937	47489990283	Rural
03102	1	107	2017	2	6	2017	3	620	2017	4	8	2017	5	5	2017	6	34	2017	7	7	2017	NA	NA	NA	NA	NA	NA	NA
03103	1	18	2017	2	1	2017	3	886	2017	4	1	2017	5	10	2017	6	9	2017	7	1	2017	Tierra Amarilla	312457.3	2017	3103	14019	4380339153	Rural
03201	1	14	2017	2	3	2017	3	364	2017	4	1	2017	5	1	2017	6	26	2017	7	1	2017	NA	NA	NA	NA	NA	NA	NA
03202	1	32	2017	NA	NA	NA	3	201	2017	4	2	2017	NA	NA	NA	6	12	2017	NA	NA	NA	Diego de Almagro	374511.6	2017	3202	13925	5215073473	Rural
03301	1	324	2017	2	3	2017	3	1466	2017	4	15	2017	5	22	2017	6	67	2017	7	12	2017	Vallenar	254290.6	2017	3301	51917	13202005308	Rural
03302	1	214	2017	2	1	2017	3	1445	2017	4	13	2017	5	31	2017	6	27	2017	7	7	2017	Alto del Carmen	227130.4	2017	3302	5299	1203563833	Rural
03303	1	71	2017	NA	NA	NA	3	770	2017	4	5	2017	5	2	2017	6	17	2017	7	2	2017	Freirina	214803.3	2017	3303	7041	1512429891	Rural
03304	1	55	2017	NA	NA	NA	3	390	2017	4	7	2017	5	1	2017	6	35	2017	7	2	2017	Huasco	227560.7	2017	3304	10149	2309513927	Rural
04101	1	1321	2017	2	52	2017	3	4286	2017	4	32	2017	5	7	2017	6	32	2017	7	9	2017	La Serena	233184.2	2017	4101	221054	51546306303	Rural
04102	1	695	2017	2	13	2017	3	3279	2017	4	22	2017	5	10	2017	6	30	2017	7	8	2017	Coquimbo	231810.7	2017	4102	227730	52790242466	Rural
04103	1	27	2017	NA	NA	NA	3	369	2017	4	3	2017	NA	NA	NA	6	4	2017	7	2	2017	Andacollo	242908.2	2017	4103	11044	2682678345	Rural
04104	1	105	2017	NA	NA	NA	3	915	2017	4	20	2017	NA	NA	NA	6	17	2017	7	3	2017	La Higuera	250699.6	2017	4104	4241	1063217069	Rural
04105	1	146	2017	2	1	2017	3	1424	2017	4	4	2017	5	2	2017	6	8	2017	7	4	2017	Paiguano	205942.1	2017	4105	4497	926121774	Rural
04106	1	365	2017	2	8	2017	3	2929	2017	4	12	2017	5	2	2017	6	29	2017	7	7	2017	Vicuña	176130.6	2017	4106	27771	4891322768	Rural
04201	1	218	2017	2	1	2017	3	3135	2017	4	6	2017	NA	NA	NA	6	4	2017	7	2	2017	Illapel	191976.8	2017	4201	30848	5922099530	Rural
04202	1	103	2017	NA	NA	NA	3	2551	2017	4	5	2017	5	6	2017	6	5	2017	7	8	2017	Canela	171370.3	2017	4202	9093	1558270441	Rural
04203	1	140	2017	2	3	2017	3	1280	2017	4	5	2017	5	2	2017	6	4	2017	NA	NA	NA	Los Vilos	173238.5	2017	4203	21382	3704185607	Rural
04204	1	276	2017	2	11	2017	3	3369	2017	4	8	2017	5	2	2017	6	11	2017	7	2	2017	Salamanca	223234.2	2017	4204	29347	6551254640	Rural
04301	1	686	2017	2	11	2017	3	7049	2017	4	45	2017	5	7	2017	6	35	2017	7	5	2017	Ovalle	241393.7	2017	4301	111272	26860360045	Rural
04302	1	121	2017	2	1	2017	3	2621	2017	4	5	2017	5	3	2017	6	9	2017	7	8	2017	Combarbalá	179139.6	2017	4302	13322	2386498044	Rural
04303	1	287	2017	2	8	2017	3	5043	2017	4	16	2017	5	1	2017	6	23	2017	7	4	2017	Monte Patria	201205.8	2017	4303	30751	6187280931	Rural
04304	1	96	2017	2	1	2017	3	1705	2017	4	5	2017	5	1	2017	6	18	2017	7	1	2017	Punitaqui	171931.7	2017	4304	10956	1883683880	Rural
04305	1	108	2017	NA	NA	NA	3	1529	2017	4	4	2017	5	1	2017	6	30	2017	NA	NA	NA	Río Hurtado	182027.2	2017	4305	4278	778712384	Rural
05101	1	48	2017	NA	NA	NA	3	210	2017	4	2	2017	NA	NA	NA	6	13	2017	7	4	2017	Valparaíso	331716.1	2017	5101	296655	98405237576	Rural
05102	1	670	2017	2	3	2017	3	2226	2017	4	14	2017	NA	NA	NA	6	23	2017	7	6	2017	Casablanca	268917.1	2017	5102	26867	7224996933	Rural
05103	1	170	2017	2	1	2017	3	599	2017	4	6	2017	NA	NA	NA	6	1	2017	7	2	2017	NA	NA	NA	NA	NA	NA	NA
05104	1	45	2017	NA	NA	NA	3	302	2017	NA	NA	NA	NA	NA	NA	6	1	2017	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
05105	1	208	2017	2	2	2017	3	739	2017	4	11	2017	5	2	2017	6	3	2017	7	2	2017	Puchuncaví	279614.4	2017	5105	18546	5185728335	Rural
05107	1	758	2017	2	32	2017	3	776	2017	4	16	2017	NA	NA	NA	6	12	2017	7	7	2017	Quintero	334628.2	2017	5107	31923	10682335196	Rural
05201	1	21	2017	NA	NA	NA	3	120	2017	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
05301	1	101	2017	2	2	2017	3	1105	2017	4	1	2017	NA	NA	NA	6	9	2017	NA	NA	NA	Los Andes	324402.1	2017	5301	66708	21640215030	Rural
05302	1	285	2017	2	5	2017	3	1022	2017	4	1	2017	NA	NA	NA	6	4	2017	7	1	2017	Calle Larga	242743.8	2017	5302	14832	3600375502	Rural
05303	1	178	2017	2	6	2017	3	473	2017	4	3	2017	NA	NA	NA	6	2	2017	7	2	2017	Rinconada	326532.5	2017	5303	10207	3332917471	Rural

Correlacionamos entre:

\[ \frac{Freq.x}{personas} \ e \ Ingresos\_expandidos \]

1 Tejas o tejuelas de arcilla, metálicas, de cemento, de madera, asfálticas o plásticas

dat1 <- data.frame(df_2017_2$Freq.x/df_2017_2$personas, df_2017_2$Ingresos_expandidos)
chart.Correlation(dat1)

2 Losa hormigón

dat1 <- data.frame(df_2017_2$Freq.y/df_2017_2$personas, df_2017_2$Ingresos_expandidos)
chart.Correlation(dat1)

3 Planchas metálicas de zinc, cobre, etc. o fibrocemento (tipo pizarreño)

dat1 <- data.frame(df_2017_2$Freq.x.1/df_2017_2$personas, df_2017_2$Ingresos_expandidos)
chart.Correlation(dat1)

4 Fonolita o plancha de fieltro embreado

dat1 <- data.frame(df_2017_2$Freq.y.1/df_2017_2$personas, df_2017_2$Ingresos_expandidos)
chart.Correlation(dat1)

5 Paja, coirón, totora o caña

dat1 <- data.frame(df_2017_2$Freq.x.2/df_2017_2$personas, df_2017_2$Ingresos_expandidos)
chart.Correlation(dat1)

6 Materiales precarios (lata, cartón, plásticos, etc.)

dat1 <- data.frame(df_2017_2$Freq.y.2/df_2017_2$personas, df_2017_2$Ingresos_expandidos)
chart.Correlation(dat1)

7 Sin cubierta sólida de techo

dat1 <- data.frame(df_2017_2$Freq/df_2017_2$personas, df_2017_2$Ingresos_expandidos)
chart.Correlation(dat1)

3 Variable CENSO

3.1 Lectura y filtrado de la tabla censal de viviendas

Leemos la tabla Casen 2017 de viviendas que ya tiene integrada la clave zonal:

Filtramos por área = 2 -RURAL-

tabla_con_clave <- readRDS("../censo_viviendas_con_clave_17.rds")
tabla_con_clave <- filter(tabla_con_clave, tabla_con_clave$AREA == 2)
r3_100 <- tabla_con_clave[c(1:100),]
kbl(r3_100) %>%
  kable_styling(bootstrap_options = c("striped", "hover")) %>%
  kable_paper() %>%
  scroll_box(width = "100%", height = "300px")

REGION	PROVINCIA	COMUNA	DC	AREA	ZC_LOC	ID_ZONA_LOC	NVIV	P01	P02	P03A	P03B	P03C	P04	P05	CANT_HOG	CANT_PER	REGION_15R	PROVINCIA_15R	COMUNA_15R	clave
15	152	15202	1	2	6	13225	1	3	1	5	3	5	1	4	1	1	15	152	15202	15202012006
15	152	15202	1	2	6	13225	2	1	3	98	98	98	98	98	0	0	15	152	15202	15202012006
15	152	15202	1	2	6	13225	3	1	1	5	3	5	2	3	1	4	15	152	15202	15202012006
15	152	15202	1	2	6	13225	4	1	4	98	98	98	98	98	0	0	15	152	15202	15202012006
15	152	15202	1	2	6	13225	5	3	4	98	98	98	98	98	0	0	15	152	15202	15202012006
15	152	15202	1	2	6	13225	6	3	4	98	98	98	98	98	0	0	15	152	15202	15202012006
15	152	15202	1	2	6	13225	7	3	4	98	98	98	98	98	0	0	15	152	15202	15202012006
15	152	15202	1	2	6	13225	8	3	3	98	98	98	98	98	0	0	15	152	15202	15202012006
15	152	15202	1	2	6	13225	9	3	1	5	3	5	1	4	1	4	15	152	15202	15202012006
15	152	15202	1	2	6	13225	10	1	1	5	3	4	1	4	1	1	15	152	15202	15202012006
15	152	15202	1	2	6	13225	11	1	2	98	98	98	98	98	0	0	15	152	15202	15202012006
15	152	15202	1	2	6	13225	12	1	4	98	98	98	98	98	0	0	15	152	15202	15202012006
15	152	15202	1	2	6	13225	13	1	1	5	3	4	1	4	1	3	15	152	15202	15202012006
15	152	15202	1	2	6	13225	14	1	3	98	98	98	98	98	0	0	15	152	15202	15202012006
15	152	15202	1	2	6	13225	15	1	4	98	98	98	98	98	0	0	15	152	15202	15202012006
15	152	15202	1	2	6	13225	16	1	1	5	3	5	1	3	1	3	15	152	15202	15202012006
15	152	15202	1	2	6	13225	17	1	1	5	3	5	2	4	1	8	15	152	15202	15202012006
15	152	15202	1	2	6	13225	18	3	1	5	3	5	1	1	1	1	15	152	15202	15202012006
15	152	15202	1	2	6	13225	19	3	1	5	3	5	1	3	1	1	15	152	15202	15202012006
15	152	15202	1	2	6	13225	20	1	1	5	3	5	2	1	1	2	15	152	15202	15202012006
15	152	15202	1	2	6	13225	21	1	4	98	98	98	98	98	0	0	15	152	15202	15202012006
15	152	15202	1	2	6	13225	22	1	4	98	98	98	98	98	0	0	15	152	15202	15202012006
15	152	15202	1	2	6	13225	23	3	4	98	98	98	98	98	0	0	15	152	15202	15202012006
15	152	15202	1	2	6	13225	24	1	3	98	98	98	98	98	0	0	15	152	15202	15202012006
15	152	15202	1	2	6	13225	25	1	1	5	3	5	1	4	1	2	15	152	15202	15202012006
15	152	15202	1	2	6	13225	26	1	4	98	98	98	98	98	0	0	15	152	15202	15202012006
15	152	15202	1	2	6	13225	27	3	4	98	98	98	98	98	0	0	15	152	15202	15202012006
15	152	15202	1	2	6	13225	28	3	1	5	3	5	1	4	1	5	15	152	15202	15202012006
15	152	15202	1	2	6	13225	29	1	4	98	98	98	98	98	0	0	15	152	15202	15202012006
15	152	15202	1	2	6	13225	30	3	4	98	98	98	98	98	0	0	15	152	15202	15202012006
15	152	15202	1	2	6	13225	31	1	3	98	98	98	98	98	0	0	15	152	15202	15202012006
15	152	15202	1	2	6	13225	32	3	4	98	98	98	98	98	0	0	15	152	15202	15202012006
15	152	15202	1	2	6	13225	33	1	1	5	3	5	3	4	1	4	15	152	15202	15202012006
15	152	15202	1	2	6	13225	34	1	4	98	98	98	98	98	0	0	15	152	15202	15202012006
15	152	15202	1	2	6	13225	35	3	4	98	98	98	98	98	0	0	15	152	15202	15202012006
15	152	15202	1	2	6	13225	36	1	1	5	3	5	3	2	1	9	15	152	15202	15202012006
15	152	15202	1	2	6	13225	37	3	3	98	98	98	98	98	0	0	15	152	15202	15202012006
15	152	15202	1	2	6	13225	38	1	1	5	3	5	99	4	1	1	15	152	15202	15202012006
15	152	15202	1	2	6	13225	39	1	1	5	3	5	1	4	1	2	15	152	15202	15202012006
15	152	15202	1	2	6	13225	40	1	3	98	98	98	98	98	0	0	15	152	15202	15202012006
15	152	15202	1	2	6	13225	41	1	3	98	98	98	98	98	0	0	15	152	15202	15202012006
15	152	15202	1	2	6	13225	42	3	3	98	98	98	98	98	0	0	15	152	15202	15202012006
15	152	15202	1	2	6	13225	43	3	1	5	3	5	2	1	1	5	15	152	15202	15202012006
15	152	15202	1	2	6	13225	44	1	4	98	98	98	98	98	0	0	15	152	15202	15202012006
15	152	15202	1	2	6	13225	45	1	4	98	98	98	98	98	0	0	15	152	15202	15202012006
15	152	15202	1	2	8	13910	1	1	2	98	98	98	98	98	0	0	15	152	15202	15202012008
15	152	15202	1	2	8	13910	2	1	3	98	98	98	98	98	0	0	15	152	15202	15202012008
15	152	15202	1	2	8	13910	3	1	3	98	98	98	98	98	0	0	15	152	15202	15202012008
15	152	15202	1	2	8	13910	4	3	3	98	98	98	98	98	0	0	15	152	15202	15202012008
15	152	15202	1	2	8	13910	5	3	1	5	3	5	2	3	1	3	15	152	15202	15202012008
15	152	15202	1	2	8	13910	6	1	2	98	98	98	98	98	0	0	15	152	15202	15202012008
15	152	15202	1	2	8	13910	7	1	1	5	99	5	2	4	1	2	15	152	15202	15202012008
15	152	15202	1	2	8	13910	8	3	1	5	3	5	3	3	1	2	15	152	15202	15202012008
15	152	15202	1	2	8	13910	9	3	3	98	98	98	98	98	0	0	15	152	15202	15202012008
15	152	15202	1	2	8	13910	10	3	3	98	98	98	98	98	0	0	15	152	15202	15202012008
15	152	15202	1	2	8	13910	11	1	4	98	98	98	98	98	0	0	15	152	15202	15202012008
15	152	15202	1	2	8	13910	12	1	2	98	98	98	98	98	0	0	15	152	15202	15202012008
15	152	15202	1	2	8	13910	13	1	4	98	98	98	98	98	0	0	15	152	15202	15202012008
15	152	15202	1	2	8	13910	14	3	3	98	98	98	98	98	0	0	15	152	15202	15202012008
15	152	15202	1	2	8	13910	15	1	4	98	98	98	98	98	0	0	15	152	15202	15202012008
15	152	15202	1	2	8	13910	16	1	4	98	98	98	98	98	0	0	15	152	15202	15202012008
15	152	15202	1	2	8	13910	17	3	2	98	98	98	98	98	0	0	15	152	15202	15202012008
15	152	15202	1	2	8	13910	18	1	2	98	98	98	98	98	0	0	15	152	15202	15202012008
15	152	15202	1	2	8	13910	19	3	1	99	99	99	99	99	1	1	15	152	15202	15202012008
15	152	15202	1	2	8	13910	20	1	2	98	98	98	98	98	0	0	15	152	15202	15202012008
15	152	15202	1	2	8	13910	21	1	1	5	3	5	1	4	1	2	15	152	15202	15202012008
15	152	15202	1	2	8	13910	22	3	1	5	3	5	2	4	1	1	15	152	15202	15202012008
15	152	15202	1	2	8	13910	23	1	4	98	98	98	98	98	0	0	15	152	15202	15202012008
15	152	15202	1	2	8	13910	24	3	4	98	98	98	98	98	0	0	15	152	15202	15202012008
15	152	15202	1	2	8	13910	25	3	3	98	98	98	98	98	0	0	15	152	15202	15202012008
15	152	15202	1	2	8	13910	26	1	2	98	98	98	98	98	0	0	15	152	15202	15202012008
15	152	15202	1	2	8	13910	27	1	4	98	98	98	98	98	0	0	15	152	15202	15202012008
15	152	15202	1	2	8	13910	28	3	2	98	98	98	98	98	0	0	15	152	15202	15202012008
15	152	15202	1	2	8	13910	29	1	3	98	98	98	98	98	0	0	15	152	15202	15202012008
15	152	15202	1	2	8	13910	30	1	1	5	1	4	2	4	1	1	15	152	15202	15202012008
15	152	15202	1	2	12	8394	1	3	4	98	98	98	98	98	0	0	15	152	15202	15202012012
15	152	15202	1	2	12	8394	2	3	4	98	98	98	98	98	0	0	15	152	15202	15202012012
15	152	15202	1	2	12	8394	3	3	1	5	3	5	2	3	1	4	15	152	15202	15202012012
15	152	15202	1	2	12	8394	4	3	2	98	98	98	98	98	0	0	15	152	15202	15202012012
15	152	15202	1	2	12	8394	5	3	3	98	98	98	98	98	0	0	15	152	15202	15202012012
15	152	15202	1	2	12	8394	6	3	3	98	98	98	98	98	0	0	15	152	15202	15202012012
15	152	15202	1	2	12	8394	7	3	4	98	98	98	98	98	0	0	15	152	15202	15202012012
15	152	15202	1	2	12	8394	8	3	2	98	98	98	98	98	0	0	15	152	15202	15202012012
15	152	15202	1	2	12	8394	9	3	1	5	3	5	1	4	1	1	15	152	15202	15202012012
15	152	15202	1	2	12	8394	10	3	4	98	98	98	98	98	0	0	15	152	15202	15202012012
15	152	15202	1	2	12	8394	11	3	2	98	98	98	98	98	0	0	15	152	15202	15202012012
15	152	15202	1	2	12	8394	12	3	4	98	98	98	98	98	0	0	15	152	15202	15202012012
15	152	15202	1	2	12	8394	13	3	4	98	98	98	98	98	0	0	15	152	15202	15202012012
15	152	15202	1	2	12	8394	14	3	2	98	98	98	98	98	0	0	15	152	15202	15202012012
15	152	15202	1	2	12	8394	15	3	2	98	98	98	98	98	0	0	15	152	15202	15202012012
15	152	15202	1	2	12	8394	16	3	4	98	98	98	98	98	0	0	15	152	15202	15202012012
15	152	15202	1	2	12	8394	17	3	2	98	98	98	98	98	0	0	15	152	15202	15202012012
15	152	15202	1	2	12	8394	18	3	2	98	98	98	98	98	0	0	15	152	15202	15202012012
15	152	15202	1	2	12	8394	19	3	1	99	99	99	99	99	1	1	15	152	15202	15202012012
15	152	15202	1	2	12	8394	20	3	1	5	3	5	3	99	1	1	15	152	15202	15202012012
15	152	15202	1	2	12	8394	21	3	1	5	99	5	1	4	1	2	15	152	15202	15202012012
15	152	15202	1	2	12	8394	22	3	2	98	98	98	98	98	0	0	15	152	15202	15202012012
15	152	15202	1	2	12	8394	23	3	4	98	98	98	98	98	0	0	15	152	15202	15202012012
15	152	15202	1	2	12	8394	24	3	1	5	3	5	1	2	1	2	15	152	15202	15202012012
15	152	15202	1	2	12	8394	25	3	4	98	98	98	98	98	0	0	15	152	15202	15202012012

Despleguemos los códigos de regiones de nuestra tabla:

regiones <- unique(tabla_con_clave$REGION)
regiones

##  [1] 15 14 13 12 11 10  9 16  8  7  6  5  4  3  2  1

# tabla_con_clave <- filter(tabla_con_clave, tabla_con_clave$REGION == 1)

3.2 Cálculo de frecuencias

tabla_con_clave_f <- tabla_con_clave[,-c(1,2,4,5,6,7,8,9,10,11,13,14,15,16,17,18,19,20),drop=FALSE] 
names(tabla_con_clave_f)[2] <- "Tipo de techo" 
# Ahora filtramos por Tipo de techo = 1.
tabla_con_clave_ff <- filter(tabla_con_clave_f, tabla_con_clave_f$`Tipo de techo` == 1)
# Determinamos las frecuencias por zona:
b <- tabla_con_clave_ff$clave
c <- tabla_con_clave_ff$`Tipo de techo`
d <- tabla_con_clave_ff$COMUNA
cross_tab =  xtabs( ~ unlist(b) + unlist(c)+ unlist(d))
tabla <- as.data.frame(cross_tab)
d <-tabla[!(tabla$Freq == 0),]
names(d)[1] <- "zona" 
d$anio <- "2017"

Veamos los primeros 100 registros:

r3_100 <- d[c(1:100),]
kbl(r3_100) %>%
  kable_styling(bootstrap_options = c("striped", "hover")) %>%
  kable_paper() %>%
  scroll_box(width = "100%", height = "300px")

	zona	unlist.c.	unlist.d.	Freq	anio
943	1101092004	1	1101	6	2017
944	1101092005	1	1101	1	2017
945	1101092006	1	1101	35	2017
946	1101092007	1	1101	1	2017
947	1101092010	1	1101	36	2017
948	1101092012	1	1101	3	2017
949	1101092016	1	1101	1	2017
950	1101092017	1	1101	5	2017
951	1101092018	1	1101	6	2017
952	1101092019	1	1101	2	2017
953	1101092021	1	1101	11	2017
954	1101092023	1	1101	13	2017
955	1101092024	1	1101	1	2017
956	1101112003	1	1101	9	2017
957	1101112013	1	1101	9	2017
958	1101112025	1	1101	1	2017
959	1101112901	1	1101	1	2017
8562	1107032005	1	1107	5	2017
8563	1107042002	1	1107	3	2017
16781	1401012001	1	1401	62	2017
16782	1401012018	1	1401	1	2017
16783	1401012021	1	1401	2	2017
16784	1401012901	1	1401	3	2017
16785	1401022014	1	1401	2	2017
16786	1401022015	1	1401	16	2017
16787	1401022019	1	1401	4	2017
16788	1401022024	1	1401	1	2017
16789	1401032002	1	1401	4	2017
16790	1401032007	1	1401	1	2017
16791	1401032011	1	1401	38	2017
16792	1401032012	1	1401	162	2017
16793	1401032026	1	1401	3	2017
16794	1401032901	1	1401	1	2017
16795	1401052009	1	1401	7	2017
16796	1401052020	1	1401	10	2017
16797	1401052901	1	1401	3	2017
16798	1401072008	1	1401	1	2017
24401	1402012001	1	1402	4	2017
24402	1402012002	1	1402	38	2017
24403	1402012003	1	1402	10	2017
24404	1402012004	1	1402	1	2017
24405	1402012005	1	1402	4	2017
24406	1402012006	1	1402	8	2017
24407	1402012007	1	1402	1	2017
24408	1402012008	1	1402	6	2017
24409	1402012009	1	1402	6	2017
24410	1402012010	1	1402	2	2017
24411	1402992999	1	1402	2	2017
32014	1403012008	1	1403	18	2017
32015	1403012009	1	1403	9	2017
32016	1403012012	1	1403	1	2017
32017	1403022002	1	1403	1	2017
32018	1403022005	1	1403	4	2017
32019	1403022901	1	1403	2	2017
32020	1403992999	1	1403	6	2017
39623	1404022013	1	1404	1	2017
39624	1404022016	1	1404	2	2017
39625	1404022022	1	1404	14	2017
39626	1404022024	1	1404	1	2017
39627	1404022034	1	1404	16	2017
39628	1404032014	1	1404	1	2017
39629	1404032017	1	1404	4	2017
39630	1404032020	1	1404	2	2017
39631	1404032028	1	1404	1	2017
39632	1404042023	1	1404	25	2017
39633	1404042037	1	1404	2	2017
39634	1404042901	1	1404	5	2017
39635	1404052025	1	1404	1	2017
39636	1404062005	1	1404	1	2017
39637	1404062018	1	1404	2	2017
39638	1404062901	1	1404	5	2017
39639	1404072004	1	1404	6	2017
39640	1404072015	1	1404	1	2017
39641	1404072031	1	1404	5	2017
39642	1404082901	1	1404	1	2017
47245	1405012008	1	1405	51	2017
47246	1405012010	1	1405	5	2017
47247	1405012014	1	1405	3	2017
47248	1405012901	1	1405	2	2017
47249	1405022901	1	1405	2	2017
47250	1405032009	1	1405	2	2017
56059	2101012001	1	2101	1	2017
56060	2101012005	1	2101	1	2017
56061	2101012012	1	2101	1	2017
56062	2101012013	1	2101	10	2017
56063	2101012901	1	2101	1	2017
56064	2101102007	1	2101	18	2017
56065	2101102014	1	2101	5	2017
56066	2101102016	1	2101	1	2017
56067	2101122014	1	2101	12	2017
56068	2101122019	1	2101	2	2017
63671	2102012001	1	2102	5	2017
63672	2102022003	1	2102	20	2017
63673	2102022006	1	2102	16	2017
63674	2102022008	1	2102	4	2017
63675	2102022901	1	2102	1	2017
71278	2103012008	1	2103	18	2017
71279	2103012901	1	2103	1	2017
71280	2103032002	1	2103	29	2017
78883	2104012008	1	2104	8	2017

Agregamos un cero a los códigos comunales de cuatro dígitos:

codigos <- d$unlist.d.
rango <- seq(1:nrow(d))
cadena <- paste("0",codigos[rango], sep = "")
cadena <- substr(cadena,(nchar(cadena)[rango])-(4),6)
codigos <- as.data.frame(codigos)
cadena <- as.data.frame(cadena)
comuna_corr <- cbind(d,cadena)
comuna_corr <- comuna_corr[,-c(2,3),drop=FALSE]
names(comuna_corr)[4] <- "código" 
r3_100 <- comuna_corr[c(1:100),]
kbl(r3_100) %>%
  kable_styling(bootstrap_options = c("striped", "hover")) %>%
  kable_paper() %>%
  scroll_box(width = "100%", height = "300px")

	zona	Freq	anio	código
943	1101092004	6	2017	01101
944	1101092005	1	2017	01101
945	1101092006	35	2017	01101
946	1101092007	1	2017	01101
947	1101092010	36	2017	01101
948	1101092012	3	2017	01101
949	1101092016	1	2017	01101
950	1101092017	5	2017	01101
951	1101092018	6	2017	01101
952	1101092019	2	2017	01101
953	1101092021	11	2017	01101
954	1101092023	13	2017	01101
955	1101092024	1	2017	01101
956	1101112003	9	2017	01101
957	1101112013	9	2017	01101
958	1101112025	1	2017	01101
959	1101112901	1	2017	01101
8562	1107032005	5	2017	01107
8563	1107042002	3	2017	01107
16781	1401012001	62	2017	01401
16782	1401012018	1	2017	01401
16783	1401012021	2	2017	01401
16784	1401012901	3	2017	01401
16785	1401022014	2	2017	01401
16786	1401022015	16	2017	01401
16787	1401022019	4	2017	01401
16788	1401022024	1	2017	01401
16789	1401032002	4	2017	01401
16790	1401032007	1	2017	01401
16791	1401032011	38	2017	01401
16792	1401032012	162	2017	01401
16793	1401032026	3	2017	01401
16794	1401032901	1	2017	01401
16795	1401052009	7	2017	01401
16796	1401052020	10	2017	01401
16797	1401052901	3	2017	01401
16798	1401072008	1	2017	01401
24401	1402012001	4	2017	01402
24402	1402012002	38	2017	01402
24403	1402012003	10	2017	01402
24404	1402012004	1	2017	01402
24405	1402012005	4	2017	01402
24406	1402012006	8	2017	01402
24407	1402012007	1	2017	01402
24408	1402012008	6	2017	01402
24409	1402012009	6	2017	01402
24410	1402012010	2	2017	01402
24411	1402992999	2	2017	01402
32014	1403012008	18	2017	01403
32015	1403012009	9	2017	01403
32016	1403012012	1	2017	01403
32017	1403022002	1	2017	01403
32018	1403022005	4	2017	01403
32019	1403022901	2	2017	01403
32020	1403992999	6	2017	01403
39623	1404022013	1	2017	01404
39624	1404022016	2	2017	01404
39625	1404022022	14	2017	01404
39626	1404022024	1	2017	01404
39627	1404022034	16	2017	01404
39628	1404032014	1	2017	01404
39629	1404032017	4	2017	01404
39630	1404032020	2	2017	01404
39631	1404032028	1	2017	01404
39632	1404042023	25	2017	01404
39633	1404042037	2	2017	01404
39634	1404042901	5	2017	01404
39635	1404052025	1	2017	01404
39636	1404062005	1	2017	01404
39637	1404062018	2	2017	01404
39638	1404062901	5	2017	01404
39639	1404072004	6	2017	01404
39640	1404072015	1	2017	01404
39641	1404072031	5	2017	01404
39642	1404082901	1	2017	01404
47245	1405012008	51	2017	01405
47246	1405012010	5	2017	01405
47247	1405012014	3	2017	01405
47248	1405012901	2	2017	01405
47249	1405022901	2	2017	01405
47250	1405032009	2	2017	01405
56059	2101012001	1	2017	02101
56060	2101012005	1	2017	02101
56061	2101012012	1	2017	02101
56062	2101012013	10	2017	02101
56063	2101012901	1	2017	02101
56064	2101102007	18	2017	02101
56065	2101102014	5	2017	02101
56066	2101102016	1	2017	02101
56067	2101122014	12	2017	02101
56068	2101122019	2	2017	02101
63671	2102012001	5	2017	02102
63672	2102022003	20	2017	02102
63673	2102022006	16	2017	02102
63674	2102022008	4	2017	02102
63675	2102022901	1	2017	02102
71278	2103012008	18	2017	02103
71279	2103012901	1	2017	02103
71280	2103032002	29	2017	02103
78883	2104012008	8	2017	02104

3.3 Tabla de ingresos expandidos

Hemos calculado ya éste valor como conclusión del punto 1.1 de aquí

h_y_m_2017_censo <- readRDS("ingresos_expandidos_17_rural_nacional.rds")
tablamadre <- head(h_y_m_2017_censo,50)
kbl(tablamadre) %>%
  kable_styling(bootstrap_options = c("striped", "hover")) %>%
  kable_paper() %>%
  scroll_box(width = "100%", height = "300px")

código	comuna.x	promedio_i	año	comuna.y	personas	Ingresos_expandidos	tipo
01101	Iquique	289375.3	2017	1101	191468	55406102543	Rural
01401	Pozo Almonte	263069.6	2017	1401	15711	4133086727	Rural
01402	Camiña	262850.3	2017	1402	1250	328562901	Rural
01404	Huara	253968.5	2017	1404	2730	693334131	Rural
01405	Pica	290496.7	2017	1405	9296	2700457509	Rural
02103	Sierra Gorda	403458.5	2017	2103	10186	4109628188	Rural
02104	Taltal	345494.0	2017	2104	13317	4600943086	Rural
02201	Calama	310025.0	2017	2201	165731	51380756402	Rural
02203	San Pedro de Atacama	356147.9	2017	2203	10996	3916202829	Rural
02301	Tocopilla	180218.1	2017	2301	25186	4538972205	Rural
03101	Copiapó	308502.8	2017	3101	153937	47489990283	Rural
03103	Tierra Amarilla	312457.3	2017	3103	14019	4380339153	Rural
03202	Diego de Almagro	374511.6	2017	3202	13925	5215073473	Rural
03301	Vallenar	254290.6	2017	3301	51917	13202005308	Rural
03302	Alto del Carmen	227130.4	2017	3302	5299	1203563833	Rural
03303	Freirina	214803.3	2017	3303	7041	1512429891	Rural
03304	Huasco	227560.7	2017	3304	10149	2309513927	Rural
04101	La Serena	233184.2	2017	4101	221054	51546306303	Rural
04102	Coquimbo	231810.7	2017	4102	227730	52790242466	Rural
04103	Andacollo	242908.2	2017	4103	11044	2682678345	Rural
04104	La Higuera	250699.6	2017	4104	4241	1063217069	Rural
04105	Paiguano	205942.1	2017	4105	4497	926121774	Rural
04106	Vicuña	176130.6	2017	4106	27771	4891322768	Rural
04201	Illapel	191976.8	2017	4201	30848	5922099530	Rural
04202	Canela	171370.3	2017	4202	9093	1558270441	Rural
04203	Los Vilos	173238.5	2017	4203	21382	3704185607	Rural
04204	Salamanca	223234.2	2017	4204	29347	6551254640	Rural
04301	Ovalle	241393.7	2017	4301	111272	26860360045	Rural
04302	Combarbalá	179139.6	2017	4302	13322	2386498044	Rural
04303	Monte Patria	201205.8	2017	4303	30751	6187280931	Rural
04304	Punitaqui	171931.7	2017	4304	10956	1883683880	Rural
04305	Río Hurtado	182027.2	2017	4305	4278	778712384	Rural
05101	Valparaíso	331716.1	2017	5101	296655	98405237576	Rural
05102	Casablanca	268917.1	2017	5102	26867	7224996933	Rural
05105	Puchuncaví	279614.4	2017	5105	18546	5185728335	Rural
05107	Quintero	334628.2	2017	5107	31923	10682335196	Rural
05301	Los Andes	324402.1	2017	5301	66708	21640215030	Rural
05302	Calle Larga	242743.8	2017	5302	14832	3600375502	Rural
05303	Rinconada	326532.5	2017	5303	10207	3332917471	Rural
05304	San Esteban	223168.6	2017	5304	18855	4207844130	Rural
05401	La Ligua	181468.0	2017	5401	35390	6422154059	Rural
05402	Cabildo	231277.8	2017	5402	19388	4484014285	Rural
05404	Petorca	298208.9	2017	5404	9826	2930200178	Rural
05405	Zapallar	292882.3	2017	5405	7339	2149463129	Rural
05501	Quillota	220926.8	2017	5501	90517	19997628209	Rural
05502	Calera	226906.2	2017	5502	50554	11471016698	Rural
05503	Hijuelas	253739.9	2017	5503	17988	4564273201	Rural
05504	La Cruz	291124.1	2017	5504	22098	6433259569	Rural
05506	Nogales	264475.3	2017	5506	22120	5850194593	Rural
05601	San Antonio	266331.2	2017	5601	91350	24329353815	Rural

4 Unión Censo-Casen

Integramos a la tabla censal de frecuencias la tabla de ingresos expandidos de la Casen.

comunas_con_ing_exp = merge( x = comuna_corr, y = h_y_m_2017_censo, by = "código", all.x = TRUE)
r3_100 <- comunas_con_ing_exp[c(1:100),]
kbl(r3_100) %>%
  kable_styling(bootstrap_options = c("striped", "hover")) %>%
  kable_paper() %>%
  scroll_box(width = "100%", height = "300px")

código	zona	Freq	anio	comuna.x	promedio_i	año	comuna.y	personas	Ingresos_expandidos	tipo
01101	1101112003	9	2017	Iquique	289375.3	2017	1101	191468	55406102543	Rural
01101	1101092007	1	2017	Iquique	289375.3	2017	1101	191468	55406102543	Rural
01101	1101112025	1	2017	Iquique	289375.3	2017	1101	191468	55406102543	Rural
01101	1101092018	6	2017	Iquique	289375.3	2017	1101	191468	55406102543	Rural
01101	1101092024	1	2017	Iquique	289375.3	2017	1101	191468	55406102543	Rural
01101	1101092006	35	2017	Iquique	289375.3	2017	1101	191468	55406102543	Rural
01101	1101112013	9	2017	Iquique	289375.3	2017	1101	191468	55406102543	Rural
01101	1101092004	6	2017	Iquique	289375.3	2017	1101	191468	55406102543	Rural
01101	1101092016	1	2017	Iquique	289375.3	2017	1101	191468	55406102543	Rural
01101	1101092017	5	2017	Iquique	289375.3	2017	1101	191468	55406102543	Rural
01101	1101112901	1	2017	Iquique	289375.3	2017	1101	191468	55406102543	Rural
01101	1101092019	2	2017	Iquique	289375.3	2017	1101	191468	55406102543	Rural
01101	1101092023	13	2017	Iquique	289375.3	2017	1101	191468	55406102543	Rural
01101	1101092010	36	2017	Iquique	289375.3	2017	1101	191468	55406102543	Rural
01101	1101092005	1	2017	Iquique	289375.3	2017	1101	191468	55406102543	Rural
01101	1101092012	3	2017	Iquique	289375.3	2017	1101	191468	55406102543	Rural
01101	1101092021	11	2017	Iquique	289375.3	2017	1101	191468	55406102543	Rural
01107	1107032005	5	2017	NA	NA	NA	NA	NA	NA	NA
01107	1107042002	3	2017	NA	NA	NA	NA	NA	NA	NA
01401	1401032002	4	2017	Pozo Almonte	263069.6	2017	1401	15711	4133086727	Rural
01401	1401022015	16	2017	Pozo Almonte	263069.6	2017	1401	15711	4133086727	Rural
01401	1401072008	1	2017	Pozo Almonte	263069.6	2017	1401	15711	4133086727	Rural
01401	1401032011	38	2017	Pozo Almonte	263069.6	2017	1401	15711	4133086727	Rural
01401	1401052009	7	2017	Pozo Almonte	263069.6	2017	1401	15711	4133086727	Rural
01401	1401022014	2	2017	Pozo Almonte	263069.6	2017	1401	15711	4133086727	Rural
01401	1401032012	162	2017	Pozo Almonte	263069.6	2017	1401	15711	4133086727	Rural
01401	1401022024	1	2017	Pozo Almonte	263069.6	2017	1401	15711	4133086727	Rural
01401	1401052020	10	2017	Pozo Almonte	263069.6	2017	1401	15711	4133086727	Rural
01401	1401032901	1	2017	Pozo Almonte	263069.6	2017	1401	15711	4133086727	Rural
01401	1401052901	3	2017	Pozo Almonte	263069.6	2017	1401	15711	4133086727	Rural
01401	1401012001	62	2017	Pozo Almonte	263069.6	2017	1401	15711	4133086727	Rural
01401	1401032007	1	2017	Pozo Almonte	263069.6	2017	1401	15711	4133086727	Rural
01401	1401012901	3	2017	Pozo Almonte	263069.6	2017	1401	15711	4133086727	Rural
01401	1401032026	3	2017	Pozo Almonte	263069.6	2017	1401	15711	4133086727	Rural
01401	1401012021	2	2017	Pozo Almonte	263069.6	2017	1401	15711	4133086727	Rural
01401	1401022019	4	2017	Pozo Almonte	263069.6	2017	1401	15711	4133086727	Rural
01401	1401012018	1	2017	Pozo Almonte	263069.6	2017	1401	15711	4133086727	Rural
01402	1402012009	6	2017	Camiña	262850.3	2017	1402	1250	328562901	Rural
01402	1402012006	8	2017	Camiña	262850.3	2017	1402	1250	328562901	Rural
01402	1402012003	10	2017	Camiña	262850.3	2017	1402	1250	328562901	Rural
01402	1402012008	6	2017	Camiña	262850.3	2017	1402	1250	328562901	Rural
01402	1402992999	2	2017	Camiña	262850.3	2017	1402	1250	328562901	Rural
01402	1402012004	1	2017	Camiña	262850.3	2017	1402	1250	328562901	Rural
01402	1402012002	38	2017	Camiña	262850.3	2017	1402	1250	328562901	Rural
01402	1402012007	1	2017	Camiña	262850.3	2017	1402	1250	328562901	Rural
01402	1402012010	2	2017	Camiña	262850.3	2017	1402	1250	328562901	Rural
01402	1402012005	4	2017	Camiña	262850.3	2017	1402	1250	328562901	Rural
01402	1402012001	4	2017	Camiña	262850.3	2017	1402	1250	328562901	Rural
01403	1403012008	18	2017	NA	NA	NA	NA	NA	NA	NA
01403	1403012009	9	2017	NA	NA	NA	NA	NA	NA	NA
01403	1403012012	1	2017	NA	NA	NA	NA	NA	NA	NA
01403	1403022002	1	2017	NA	NA	NA	NA	NA	NA	NA
01403	1403022005	4	2017	NA	NA	NA	NA	NA	NA	NA
01403	1403022901	2	2017	NA	NA	NA	NA	NA	NA	NA
01403	1403992999	6	2017	NA	NA	NA	NA	NA	NA	NA
01404	1404062005	1	2017	Huara	253968.5	2017	1404	2730	693334131	Rural
01404	1404072031	5	2017	Huara	253968.5	2017	1404	2730	693334131	Rural
01404	1404082901	1	2017	Huara	253968.5	2017	1404	2730	693334131	Rural
01404	1404042037	2	2017	Huara	253968.5	2017	1404	2730	693334131	Rural
01404	1404042023	25	2017	Huara	253968.5	2017	1404	2730	693334131	Rural
01404	1404022013	1	2017	Huara	253968.5	2017	1404	2730	693334131	Rural
01404	1404052025	1	2017	Huara	253968.5	2017	1404	2730	693334131	Rural
01404	1404062901	5	2017	Huara	253968.5	2017	1404	2730	693334131	Rural
01404	1404022024	1	2017	Huara	253968.5	2017	1404	2730	693334131	Rural
01404	1404072015	1	2017	Huara	253968.5	2017	1404	2730	693334131	Rural
01404	1404042901	5	2017	Huara	253968.5	2017	1404	2730	693334131	Rural
01404	1404022016	2	2017	Huara	253968.5	2017	1404	2730	693334131	Rural
01404	1404032017	4	2017	Huara	253968.5	2017	1404	2730	693334131	Rural
01404	1404032020	2	2017	Huara	253968.5	2017	1404	2730	693334131	Rural
01404	1404072004	6	2017	Huara	253968.5	2017	1404	2730	693334131	Rural
01404	1404032028	1	2017	Huara	253968.5	2017	1404	2730	693334131	Rural
01404	1404022022	14	2017	Huara	253968.5	2017	1404	2730	693334131	Rural
01404	1404032014	1	2017	Huara	253968.5	2017	1404	2730	693334131	Rural
01404	1404022034	16	2017	Huara	253968.5	2017	1404	2730	693334131	Rural
01404	1404062018	2	2017	Huara	253968.5	2017	1404	2730	693334131	Rural
01405	1405012901	2	2017	Pica	290496.7	2017	1405	9296	2700457509	Rural
01405	1405012008	51	2017	Pica	290496.7	2017	1405	9296	2700457509	Rural
01405	1405012014	3	2017	Pica	290496.7	2017	1405	9296	2700457509	Rural
01405	1405032009	2	2017	Pica	290496.7	2017	1405	9296	2700457509	Rural
01405	1405012010	5	2017	Pica	290496.7	2017	1405	9296	2700457509	Rural
01405	1405022901	2	2017	Pica	290496.7	2017	1405	9296	2700457509	Rural
02101	2101102014	5	2017	NA	NA	NA	NA	NA	NA	NA
02101	2101102016	1	2017	NA	NA	NA	NA	NA	NA	NA
02101	2101122014	12	2017	NA	NA	NA	NA	NA	NA	NA
02101	2101012001	1	2017	NA	NA	NA	NA	NA	NA	NA
02101	2101012005	1	2017	NA	NA	NA	NA	NA	NA	NA
02101	2101012012	1	2017	NA	NA	NA	NA	NA	NA	NA
02101	2101012013	10	2017	NA	NA	NA	NA	NA	NA	NA
02101	2101012901	1	2017	NA	NA	NA	NA	NA	NA	NA
02101	2101102007	18	2017	NA	NA	NA	NA	NA	NA	NA
02101	2101122019	2	2017	NA	NA	NA	NA	NA	NA	NA
02102	2102012001	5	2017	NA	NA	NA	NA	NA	NA	NA
02102	2102022003	20	2017	NA	NA	NA	NA	NA	NA	NA
02102	2102022006	16	2017	NA	NA	NA	NA	NA	NA	NA
02102	2102022008	4	2017	NA	NA	NA	NA	NA	NA	NA
02102	2102022901	1	2017	NA	NA	NA	NA	NA	NA	NA
02103	2103012008	18	2017	Sierra Gorda	403458.5	2017	2103	10186	4109628188	Rural
02103	2103032002	29	2017	Sierra Gorda	403458.5	2017	2103	10186	4109628188	Rural
02103	2103012901	1	2017	Sierra Gorda	403458.5	2017	2103	10186	4109628188	Rural
02104	2104012008	8	2017	Taltal	345494.0	2017	2104	13317	4600943086	Rural

5 Proporción poblacional zonal respecto a la comunal

Del censo obtenemos la cantidad de población a nivel de zona y estimamos su proporción a nivel comunal. Ya hemos calculado ésta proporción aquí.

prop_pob <- readRDS("../tabla_de_prop_pob.rds")
names(prop_pob)[1] <- "zona"
names(prop_pob)[3] <- "p_poblacional"

Veamos los 100 primeros registros:

r3_100 <- prop_pob[c(1:100),]
kbl(r3_100) %>%
  kable_styling(bootstrap_options = c("striped", "hover")) %>%
  kable_paper() %>%
  scroll_box(width = "100%", height = "300px")

zona	Freq	p_poblacional	código
1101011001	2491	0.0130100	01101
1101011002	1475	0.0077036	01101
1101021001	1003	0.0052385	01101
1101021002	54	0.0002820	01101
1101021003	2895	0.0151200	01101
1101021004	2398	0.0125243	01101
1101021005	4525	0.0236332	01101
1101031001	2725	0.0142321	01101
1101031002	3554	0.0185618	01101
1101031003	5246	0.0273988	01101
1101031004	3389	0.0177001	01101
1101041001	1800	0.0094010	01101
1101041002	2538	0.0132555	01101
1101041003	3855	0.0201339	01101
1101041004	5663	0.0295767	01101
1101041005	4162	0.0217373	01101
1101041006	2689	0.0140441	01101
1101051001	3296	0.0172144	01101
1101051002	4465	0.0233198	01101
1101051003	4656	0.0243174	01101
1101051004	2097	0.0109522	01101
1101051005	3569	0.0186402	01101
1101051006	2741	0.0143157	01101
1101061001	1625	0.0084871	01101
1101061002	4767	0.0248971	01101
1101061003	4826	0.0252053	01101
1101061004	4077	0.0212934	01101
1101061005	2166	0.0113126	01101
1101071001	2324	0.0121378	01101
1101071002	2801	0.0146291	01101
1101071003	3829	0.0199981	01101
1101071004	1987	0.0103777	01101
1101081001	5133	0.0268087	01101
1101081002	3233	0.0168853	01101
1101081003	2122	0.0110828	01101
1101081004	2392	0.0124929	01101
1101092001	57	0.0002977	01101
1101092004	247	0.0012900	01101
1101092005	76	0.0003969	01101
1101092006	603	0.0031494	01101
1101092007	84	0.0004387	01101
1101092010	398	0.0020787	01101
1101092012	58	0.0003029	01101
1101092014	23	0.0001201	01101
1101092016	20	0.0001045	01101
1101092017	8	0.0000418	01101
1101092018	74	0.0003865	01101
1101092019	25	0.0001306	01101
1101092021	177	0.0009244	01101
1101092022	23	0.0001201	01101
1101092023	288	0.0015042	01101
1101092024	14	0.0000731	01101
1101092901	30	0.0001567	01101
1101101001	2672	0.0139553	01101
1101101002	4398	0.0229699	01101
1101101003	4524	0.0236280	01101
1101101004	3544	0.0185096	01101
1101101005	4911	0.0256492	01101
1101101006	3688	0.0192617	01101
1101111001	3886	0.0202958	01101
1101111002	2312	0.0120751	01101
1101111003	4874	0.0254560	01101
1101111004	4543	0.0237272	01101
1101111005	4331	0.0226200	01101
1101111006	3253	0.0169898	01101
1101111007	4639	0.0242286	01101
1101111008	4881	0.0254925	01101
1101111009	5006	0.0261454	01101
1101111010	366	0.0019115	01101
1101111011	4351	0.0227244	01101
1101111012	2926	0.0152819	01101
1101111013	3390	0.0177053	01101
1101111014	2940	0.0153550	01101
1101112003	33	0.0001724	01101
1101112013	104	0.0005432	01101
1101112019	34	0.0001776	01101
1101112025	21	0.0001097	01101
1101112901	6	0.0000313	01101
1101991999	1062	0.0055466	01101
1107011001	4104	0.0378685	01107
1107011002	4360	0.0402307	01107
1107011003	8549	0.0788835	01107
1107012003	3	0.0000277	01107
1107012901	17	0.0001569	01107
1107021001	6701	0.0618316	01107
1107021002	3971	0.0366413	01107
1107021003	6349	0.0585836	01107
1107021004	5125	0.0472895	01107
1107021005	4451	0.0410704	01107
1107021006	3864	0.0356540	01107
1107021007	5235	0.0483045	01107
1107021008	4566	0.0421315	01107
1107031001	4195	0.0387082	01107
1107031002	7099	0.0655040	01107
1107031003	4720	0.0435525	01107
1107032005	38	0.0003506	01107
1107032006	2399	0.0221361	01107
1107032008	4	0.0000369	01107
1107041001	3630	0.0334948	01107
1107041002	5358	0.0494394	01107

6 Ingreso medio

Deseamos el valor del ingreso promedio a nivel comunal, pero expandido a nivel zonal. Ésta información está contenida en el campo promedio_i de la tabla obtenida en el punto 3.

r3_100 <- comunas_con_ing_exp[c(1:100),]
kbl(r3_100) %>%
  kable_styling(bootstrap_options = c("striped", "hover")) %>%
  kable_paper() %>%
  scroll_box(width = "100%", height = "300px")

código	zona	Freq	anio	comuna.x	promedio_i	año	comuna.y	personas	Ingresos_expandidos	tipo
01101	1101112003	9	2017	Iquique	289375.3	2017	1101	191468	55406102543	Rural
01101	1101092007	1	2017	Iquique	289375.3	2017	1101	191468	55406102543	Rural
01101	1101112025	1	2017	Iquique	289375.3	2017	1101	191468	55406102543	Rural
01101	1101092018	6	2017	Iquique	289375.3	2017	1101	191468	55406102543	Rural
01101	1101092024	1	2017	Iquique	289375.3	2017	1101	191468	55406102543	Rural
01101	1101092006	35	2017	Iquique	289375.3	2017	1101	191468	55406102543	Rural
01101	1101112013	9	2017	Iquique	289375.3	2017	1101	191468	55406102543	Rural
01101	1101092004	6	2017	Iquique	289375.3	2017	1101	191468	55406102543	Rural
01101	1101092016	1	2017	Iquique	289375.3	2017	1101	191468	55406102543	Rural
01101	1101092017	5	2017	Iquique	289375.3	2017	1101	191468	55406102543	Rural
01101	1101112901	1	2017	Iquique	289375.3	2017	1101	191468	55406102543	Rural
01101	1101092019	2	2017	Iquique	289375.3	2017	1101	191468	55406102543	Rural
01101	1101092023	13	2017	Iquique	289375.3	2017	1101	191468	55406102543	Rural
01101	1101092010	36	2017	Iquique	289375.3	2017	1101	191468	55406102543	Rural
01101	1101092005	1	2017	Iquique	289375.3	2017	1101	191468	55406102543	Rural
01101	1101092012	3	2017	Iquique	289375.3	2017	1101	191468	55406102543	Rural
01101	1101092021	11	2017	Iquique	289375.3	2017	1101	191468	55406102543	Rural
01107	1107032005	5	2017	NA	NA	NA	NA	NA	NA	NA
01107	1107042002	3	2017	NA	NA	NA	NA	NA	NA	NA
01401	1401032002	4	2017	Pozo Almonte	263069.6	2017	1401	15711	4133086727	Rural
01401	1401022015	16	2017	Pozo Almonte	263069.6	2017	1401	15711	4133086727	Rural
01401	1401072008	1	2017	Pozo Almonte	263069.6	2017	1401	15711	4133086727	Rural
01401	1401032011	38	2017	Pozo Almonte	263069.6	2017	1401	15711	4133086727	Rural
01401	1401052009	7	2017	Pozo Almonte	263069.6	2017	1401	15711	4133086727	Rural
01401	1401022014	2	2017	Pozo Almonte	263069.6	2017	1401	15711	4133086727	Rural
01401	1401032012	162	2017	Pozo Almonte	263069.6	2017	1401	15711	4133086727	Rural
01401	1401022024	1	2017	Pozo Almonte	263069.6	2017	1401	15711	4133086727	Rural
01401	1401052020	10	2017	Pozo Almonte	263069.6	2017	1401	15711	4133086727	Rural
01401	1401032901	1	2017	Pozo Almonte	263069.6	2017	1401	15711	4133086727	Rural
01401	1401052901	3	2017	Pozo Almonte	263069.6	2017	1401	15711	4133086727	Rural
01401	1401012001	62	2017	Pozo Almonte	263069.6	2017	1401	15711	4133086727	Rural
01401	1401032007	1	2017	Pozo Almonte	263069.6	2017	1401	15711	4133086727	Rural
01401	1401012901	3	2017	Pozo Almonte	263069.6	2017	1401	15711	4133086727	Rural
01401	1401032026	3	2017	Pozo Almonte	263069.6	2017	1401	15711	4133086727	Rural
01401	1401012021	2	2017	Pozo Almonte	263069.6	2017	1401	15711	4133086727	Rural
01401	1401022019	4	2017	Pozo Almonte	263069.6	2017	1401	15711	4133086727	Rural
01401	1401012018	1	2017	Pozo Almonte	263069.6	2017	1401	15711	4133086727	Rural
01402	1402012009	6	2017	Camiña	262850.3	2017	1402	1250	328562901	Rural
01402	1402012006	8	2017	Camiña	262850.3	2017	1402	1250	328562901	Rural
01402	1402012003	10	2017	Camiña	262850.3	2017	1402	1250	328562901	Rural
01402	1402012008	6	2017	Camiña	262850.3	2017	1402	1250	328562901	Rural
01402	1402992999	2	2017	Camiña	262850.3	2017	1402	1250	328562901	Rural
01402	1402012004	1	2017	Camiña	262850.3	2017	1402	1250	328562901	Rural
01402	1402012002	38	2017	Camiña	262850.3	2017	1402	1250	328562901	Rural
01402	1402012007	1	2017	Camiña	262850.3	2017	1402	1250	328562901	Rural
01402	1402012010	2	2017	Camiña	262850.3	2017	1402	1250	328562901	Rural
01402	1402012005	4	2017	Camiña	262850.3	2017	1402	1250	328562901	Rural
01402	1402012001	4	2017	Camiña	262850.3	2017	1402	1250	328562901	Rural
01403	1403012008	18	2017	NA	NA	NA	NA	NA	NA	NA
01403	1403012009	9	2017	NA	NA	NA	NA	NA	NA	NA
01403	1403012012	1	2017	NA	NA	NA	NA	NA	NA	NA
01403	1403022002	1	2017	NA	NA	NA	NA	NA	NA	NA
01403	1403022005	4	2017	NA	NA	NA	NA	NA	NA	NA
01403	1403022901	2	2017	NA	NA	NA	NA	NA	NA	NA
01403	1403992999	6	2017	NA	NA	NA	NA	NA	NA	NA
01404	1404062005	1	2017	Huara	253968.5	2017	1404	2730	693334131	Rural
01404	1404072031	5	2017	Huara	253968.5	2017	1404	2730	693334131	Rural
01404	1404082901	1	2017	Huara	253968.5	2017	1404	2730	693334131	Rural
01404	1404042037	2	2017	Huara	253968.5	2017	1404	2730	693334131	Rural
01404	1404042023	25	2017	Huara	253968.5	2017	1404	2730	693334131	Rural
01404	1404022013	1	2017	Huara	253968.5	2017	1404	2730	693334131	Rural
01404	1404052025	1	2017	Huara	253968.5	2017	1404	2730	693334131	Rural
01404	1404062901	5	2017	Huara	253968.5	2017	1404	2730	693334131	Rural
01404	1404022024	1	2017	Huara	253968.5	2017	1404	2730	693334131	Rural
01404	1404072015	1	2017	Huara	253968.5	2017	1404	2730	693334131	Rural
01404	1404042901	5	2017	Huara	253968.5	2017	1404	2730	693334131	Rural
01404	1404022016	2	2017	Huara	253968.5	2017	1404	2730	693334131	Rural
01404	1404032017	4	2017	Huara	253968.5	2017	1404	2730	693334131	Rural
01404	1404032020	2	2017	Huara	253968.5	2017	1404	2730	693334131	Rural
01404	1404072004	6	2017	Huara	253968.5	2017	1404	2730	693334131	Rural
01404	1404032028	1	2017	Huara	253968.5	2017	1404	2730	693334131	Rural
01404	1404022022	14	2017	Huara	253968.5	2017	1404	2730	693334131	Rural
01404	1404032014	1	2017	Huara	253968.5	2017	1404	2730	693334131	Rural
01404	1404022034	16	2017	Huara	253968.5	2017	1404	2730	693334131	Rural
01404	1404062018	2	2017	Huara	253968.5	2017	1404	2730	693334131	Rural
01405	1405012901	2	2017	Pica	290496.7	2017	1405	9296	2700457509	Rural
01405	1405012008	51	2017	Pica	290496.7	2017	1405	9296	2700457509	Rural
01405	1405012014	3	2017	Pica	290496.7	2017	1405	9296	2700457509	Rural
01405	1405032009	2	2017	Pica	290496.7	2017	1405	9296	2700457509	Rural
01405	1405012010	5	2017	Pica	290496.7	2017	1405	9296	2700457509	Rural
01405	1405022901	2	2017	Pica	290496.7	2017	1405	9296	2700457509	Rural
02101	2101102014	5	2017	NA	NA	NA	NA	NA	NA	NA
02101	2101102016	1	2017	NA	NA	NA	NA	NA	NA	NA
02101	2101122014	12	2017	NA	NA	NA	NA	NA	NA	NA
02101	2101012001	1	2017	NA	NA	NA	NA	NA	NA	NA
02101	2101012005	1	2017	NA	NA	NA	NA	NA	NA	NA
02101	2101012012	1	2017	NA	NA	NA	NA	NA	NA	NA
02101	2101012013	10	2017	NA	NA	NA	NA	NA	NA	NA
02101	2101012901	1	2017	NA	NA	NA	NA	NA	NA	NA
02101	2101102007	18	2017	NA	NA	NA	NA	NA	NA	NA
02101	2101122019	2	2017	NA	NA	NA	NA	NA	NA	NA
02102	2102012001	5	2017	NA	NA	NA	NA	NA	NA	NA
02102	2102022003	20	2017	NA	NA	NA	NA	NA	NA	NA
02102	2102022006	16	2017	NA	NA	NA	NA	NA	NA	NA
02102	2102022008	4	2017	NA	NA	NA	NA	NA	NA	NA
02102	2102022901	1	2017	NA	NA	NA	NA	NA	NA	NA
02103	2103012008	18	2017	Sierra Gorda	403458.5	2017	2103	10186	4109628188	Rural
02103	2103032002	29	2017	Sierra Gorda	403458.5	2017	2103	10186	4109628188	Rural
02103	2103012901	1	2017	Sierra Gorda	403458.5	2017	2103	10186	4109628188	Rural
02104	2104012008	8	2017	Taltal	345494.0	2017	2104	13317	4600943086	Rural

7 Ingreso promedio expandido por zona (multi_pob)

En éste momento vamos a construir nuestra variable dependiente de regresión aplicando la siguiente fórmula:

\[ multi\_pob = promedio\_i \cdot personas \cdot p\_poblacional \]

Para ello integramos a la tabla de ingresos expandidos a nivel zonal (punto 3) la tabla de proporciones poblacionales zonales respecto al total comunal (punto 4) :

h_y_m_comuna_corr_01 = merge( x = comunas_con_ing_exp, y = prop_pob, by = "zona", all.x = TRUE)
tablamadre <- head(h_y_m_comuna_corr_01,100)
kbl(tablamadre) %>%
  kable_styling(bootstrap_options = c("striped", "hover")) %>%
  kable_paper() %>%
  scroll_box(width = "100%", height = "300px")

zona	código.x	Freq.x	anio	comuna.x	promedio_i	año	comuna.y	personas	Ingresos_expandidos	tipo	Freq.y	p_poblacional	código.y
10101032002	10101	2	2017	Puerto Montt	185195.9	2017	10101	245902	45540037617	Rural	129	0.0005246	10101
10101032011	10101	20	2017	Puerto Montt	185195.9	2017	10101	245902	45540037617	Rural	426	0.0017324	10101
10101032019	10101	32	2017	Puerto Montt	185195.9	2017	10101	245902	45540037617	Rural	829	0.0033713	10101
10101062003	10101	10	2017	Puerto Montt	185195.9	2017	10101	245902	45540037617	Rural	158	0.0006425	10101
10101062008	10101	72	2017	Puerto Montt	185195.9	2017	10101	245902	45540037617	Rural	581	0.0023627	10101
10101062013	10101	61	2017	Puerto Montt	185195.9	2017	10101	245902	45540037617	Rural	571	0.0023221	10101
10101062029	10101	1	2017	Puerto Montt	185195.9	2017	10101	245902	45540037617	Rural	47	0.0001911	10101
10101062039	10101	4	2017	Puerto Montt	185195.9	2017	10101	245902	45540037617	Rural	67	0.0002725	10101
10101072014	10101	36	2017	Puerto Montt	185195.9	2017	10101	245902	45540037617	Rural	997	0.0040545	10101
10101072021	10101	4	2017	Puerto Montt	185195.9	2017	10101	245902	45540037617	Rural	44	0.0001789	10101
10101072028	10101	4	2017	Puerto Montt	185195.9	2017	10101	245902	45540037617	Rural	145	0.0005897	10101
10101072029	10101	36	2017	Puerto Montt	185195.9	2017	10101	245902	45540037617	Rural	1051	0.0042741	10101
10101072036	10101	1	2017	Puerto Montt	185195.9	2017	10101	245902	45540037617	Rural	118	0.0004799	10101
10101072045	10101	7	2017	Puerto Montt	185195.9	2017	10101	245902	45540037617	Rural	113	0.0004595	10101
10101082016	10101	13	2017	Puerto Montt	185195.9	2017	10101	245902	45540037617	Rural	121	0.0004921	10101
10101082017	10101	5	2017	Puerto Montt	185195.9	2017	10101	245902	45540037617	Rural	38	0.0001545	10101
10101082018	10101	13	2017	Puerto Montt	185195.9	2017	10101	245902	45540037617	Rural	623	0.0025335	10101
10101082030	10101	3	2017	Puerto Montt	185195.9	2017	10101	245902	45540037617	Rural	176	0.0007157	10101
10101082034	10101	5	2017	Puerto Montt	185195.9	2017	10101	245902	45540037617	Rural	66	0.0002684	10101
10101082042	10101	12	2017	Puerto Montt	185195.9	2017	10101	245902	45540037617	Rural	253	0.0010289	10101
10101082045	10101	6	2017	Puerto Montt	185195.9	2017	10101	245902	45540037617	Rural	123	0.0005002	10101
10101092004	10101	6	2017	Puerto Montt	185195.9	2017	10101	245902	45540037617	Rural	97	0.0003945	10101
10101092008	10101	83	2017	Puerto Montt	185195.9	2017	10101	245902	45540037617	Rural	752	0.0030581	10101
10101092037	10101	11	2017	Puerto Montt	185195.9	2017	10101	245902	45540037617	Rural	276	0.0011224	10101
10101092040	10101	33	2017	Puerto Montt	185195.9	2017	10101	245902	45540037617	Rural	509	0.0020699	10101
10101092041	10101	44	2017	Puerto Montt	185195.9	2017	10101	245902	45540037617	Rural	1683	0.0068442	10101
10101092044	10101	21	2017	Puerto Montt	185195.9	2017	10101	245902	45540037617	Rural	530	0.0021553	10101
10101102005	10101	1	2017	Puerto Montt	185195.9	2017	10101	245902	45540037617	Rural	147	0.0005978	10101
10101102007	10101	12	2017	Puerto Montt	185195.9	2017	10101	245902	45540037617	Rural	824	0.0033509	10101
10101102035	10101	22	2017	Puerto Montt	185195.9	2017	10101	245902	45540037617	Rural	940	0.0038227	10101
10101102037	10101	3	2017	Puerto Montt	185195.9	2017	10101	245902	45540037617	Rural	164	0.0006669	10101
10101102051	10101	1	2017	Puerto Montt	185195.9	2017	10101	245902	45540037617	Rural	57	0.0002318	10101
10101112025	10101	13	2017	Puerto Montt	185195.9	2017	10101	245902	45540037617	Rural	1078	0.0043839	10101
10101122024	10101	6	2017	Puerto Montt	185195.9	2017	10101	245902	45540037617	Rural	952	0.0038715	10101
10101132022	10101	15	2017	Puerto Montt	185195.9	2017	10101	245902	45540037617	Rural	703	0.0028589	10101
10101132023	10101	12	2017	Puerto Montt	185195.9	2017	10101	245902	45540037617	Rural	603	0.0024522	10101
10101132027	10101	1	2017	Puerto Montt	185195.9	2017	10101	245902	45540037617	Rural	105	0.0004270	10101
10101132049	10101	77	2017	Puerto Montt	185195.9	2017	10101	245902	45540037617	Rural	1883	0.0076575	10101
10101142009	10101	2	2017	Puerto Montt	185195.9	2017	10101	245902	45540037617	Rural	59	0.0002399	10101
10101142015	10101	4	2017	Puerto Montt	185195.9	2017	10101	245902	45540037617	Rural	124	0.0005043	10101
10101142027	10101	4	2017	Puerto Montt	185195.9	2017	10101	245902	45540037617	Rural	192	0.0007808	10101
10101142038	10101	3	2017	Puerto Montt	185195.9	2017	10101	245902	45540037617	Rural	53	0.0002155	10101
10101142046	10101	9	2017	Puerto Montt	185195.9	2017	10101	245902	45540037617	Rural	317	0.0012891	10101
10101142047	10101	11	2017	Puerto Montt	185195.9	2017	10101	245902	45540037617	Rural	263	0.0010695	10101
10101142049	10101	61	2017	Puerto Montt	185195.9	2017	10101	245902	45540037617	Rural	973	0.0039569	10101
10101152002	10101	9	2017	Puerto Montt	185195.9	2017	10101	245902	45540037617	Rural	554	0.0022529	10101
10101152006	10101	6	2017	Puerto Montt	185195.9	2017	10101	245902	45540037617	Rural	214	0.0008703	10101
10101152020	10101	22	2017	Puerto Montt	185195.9	2017	10101	245902	45540037617	Rural	617	0.0025091	10101
10101152031	10101	15	2017	Puerto Montt	185195.9	2017	10101	245902	45540037617	Rural	642	0.0026108	10101
10101152033	10101	36	2017	Puerto Montt	185195.9	2017	10101	245902	45540037617	Rural	700	0.0028467	10101
10101152049	10101	9	2017	Puerto Montt	185195.9	2017	10101	245902	45540037617	Rural	96	0.0003904	10101
10101152901	10101	1	2017	Puerto Montt	185195.9	2017	10101	245902	45540037617	Rural	46	0.0001871	10101
10101162006	10101	6	2017	Puerto Montt	185195.9	2017	10101	245902	45540037617	Rural	233	0.0009475	10101
10101162010	10101	5	2017	Puerto Montt	185195.9	2017	10101	245902	45540037617	Rural	351	0.0014274	10101
10101162020	10101	23	2017	Puerto Montt	185195.9	2017	10101	245902	45540037617	Rural	205	0.0008337	10101
10101162031	10101	46	2017	Puerto Montt	185195.9	2017	10101	245902	45540037617	Rural	762	0.0030988	10101
10101162032	10101	2	2017	Puerto Montt	185195.9	2017	10101	245902	45540037617	Rural	24	0.0000976	10101
10101162033	10101	12	2017	Puerto Montt	185195.9	2017	10101	245902	45540037617	Rural	168	0.0006832	10101
10101172029	10101	91	2017	Puerto Montt	185195.9	2017	10101	245902	45540037617	Rural	854	0.0034729	10101
10102012004	10102	2	2017	Calbuco	186292.2	2017	10102	33985	6331140370	Rural	283	0.0083272	10102
10102012008	10102	13	2017	Calbuco	186292.2	2017	10102	33985	6331140370	Rural	697	0.0205090	10102
10102012033	10102	21	2017	Calbuco	186292.2	2017	10102	33985	6331140370	Rural	1490	0.0438429	10102
10102022002	10102	2	2017	Calbuco	186292.2	2017	10102	33985	6331140370	Rural	308	0.0090628	10102
10102022003	10102	2	2017	Calbuco	186292.2	2017	10102	33985	6331140370	Rural	184	0.0054142	10102
10102022010	10102	3	2017	Calbuco	186292.2	2017	10102	33985	6331140370	Rural	294	0.0086509	10102
10102022013	10102	8	2017	Calbuco	186292.2	2017	10102	33985	6331140370	Rural	450	0.0132411	10102
10102032002	10102	2	2017	Calbuco	186292.2	2017	10102	33985	6331140370	Rural	54	0.0015889	10102
10102032011	10102	2	2017	Calbuco	186292.2	2017	10102	33985	6331140370	Rural	163	0.0047962	10102
10102032016	10102	1	2017	Calbuco	186292.2	2017	10102	33985	6331140370	Rural	95	0.0027954	10102
10102032018	10102	5	2017	Calbuco	186292.2	2017	10102	33985	6331140370	Rural	470	0.0138296	10102
10102032034	10102	10	2017	Calbuco	186292.2	2017	10102	33985	6331140370	Rural	695	0.0204502	10102
10102032901	10102	4	2017	Calbuco	186292.2	2017	10102	33985	6331140370	Rural	89	0.0026188	10102
10102042014	10102	4	2017	Calbuco	186292.2	2017	10102	33985	6331140370	Rural	87	0.0025600	10102
10102042019	10102	14	2017	Calbuco	186292.2	2017	10102	33985	6331140370	Rural	336	0.0098867	10102
10102042028	10102	2	2017	Calbuco	186292.2	2017	10102	33985	6331140370	Rural	171	0.0050316	10102
10102042029	10102	2	2017	Calbuco	186292.2	2017	10102	33985	6331140370	Rural	183	0.0053847	10102
10102042035	10102	2	2017	Calbuco	186292.2	2017	10102	33985	6331140370	Rural	271	0.0079741	10102
10102042043	10102	2	2017	Calbuco	186292.2	2017	10102	33985	6331140370	Rural	86	0.0025305	10102
10102042901	10102	7	2017	Calbuco	186292.2	2017	10102	33985	6331140370	Rural	127	0.0037369	10102
10102052012	10102	9	2017	Calbuco	186292.2	2017	10102	33985	6331140370	Rural	302	0.0088863	10102
10102052019	10102	8	2017	Calbuco	186292.2	2017	10102	33985	6331140370	Rural	332	0.0097690	10102
10102052042	10102	10	2017	Calbuco	186292.2	2017	10102	33985	6331140370	Rural	410	0.0120641	10102
10102052043	10102	2	2017	Calbuco	186292.2	2017	10102	33985	6331140370	Rural	273	0.0080330	10102
10102062015	10102	12	2017	Calbuco	186292.2	2017	10102	33985	6331140370	Rural	1129	0.0332205	10102
10102062019	10102	4	2017	Calbuco	186292.2	2017	10102	33985	6331140370	Rural	362	0.0106518	10102
10102062027	10102	1	2017	Calbuco	186292.2	2017	10102	33985	6331140370	Rural	25	0.0007356	10102
10102062038	10102	5	2017	Calbuco	186292.2	2017	10102	33985	6331140370	Rural	357	0.0105046	10102
10102062039	10102	6	2017	Calbuco	186292.2	2017	10102	33985	6331140370	Rural	643	0.0189201	10102
10102072022	10102	5	2017	Calbuco	186292.2	2017	10102	33985	6331140370	Rural	148	0.0043549	10102
10102082022	10102	10	2017	Calbuco	186292.2	2017	10102	33985	6331140370	Rural	565	0.0166250	10102
10102092022	10102	3	2017	Calbuco	186292.2	2017	10102	33985	6331140370	Rural	308	0.0090628	10102
10102102023	10102	14	2017	Calbuco	186292.2	2017	10102	33985	6331140370	Rural	630	0.0185376	10102
10102112023	10102	14	2017	Calbuco	186292.2	2017	10102	33985	6331140370	Rural	650	0.0191261	10102
10102122023	10102	4	2017	Calbuco	186292.2	2017	10102	33985	6331140370	Rural	511	0.0150360	10102
10102132023	10102	7	2017	Calbuco	186292.2	2017	10102	33985	6331140370	Rural	775	0.0228042	10102
10102142901	10102	2	2017	Calbuco	186292.2	2017	10102	33985	6331140370	Rural	55	0.0016184	10102
10102152006	10102	14	2017	Calbuco	186292.2	2017	10102	33985	6331140370	Rural	586	0.0172429	10102
10102162030	10102	7	2017	Calbuco	186292.2	2017	10102	33985	6331140370	Rural	341	0.0100338	10102
10102162031	10102	1	2017	Calbuco	186292.2	2017	10102	33985	6331140370	Rural	361	0.0106223	10102
10102162036	10102	3	2017	Calbuco	186292.2	2017	10102	33985	6331140370	Rural	260	0.0076504	10102

Hacemos la multiplicación que queda almacenada en la variable multi_pob:

h_y_m_comuna_corr_01$multi_pob <- h_y_m_comuna_corr_01$promedio_i * h_y_m_comuna_corr_01$personas * h_y_m_comuna_corr_01$p_poblacional
tablamadre <- head(h_y_m_comuna_corr_01,100)
kbl(tablamadre) %>%
  kable_styling(bootstrap_options = c("striped", "hover")) %>%
  kable_paper() %>%
  scroll_box(width = "100%", height = "300px")

zona	código.x	Freq.x	anio	comuna.x	promedio_i	año	comuna.y	personas	Ingresos_expandidos	tipo	Freq.y	p_poblacional	código.y	multi_pob
10101032002	10101	2	2017	Puerto Montt	185195.9	2017	10101	245902	45540037617	Rural	129	0.0005246	10101	23890269
10101032011	10101	20	2017	Puerto Montt	185195.9	2017	10101	245902	45540037617	Rural	426	0.0017324	10101	78893445
10101032019	10101	32	2017	Puerto Montt	185195.9	2017	10101	245902	45540037617	Rural	829	0.0033713	10101	153527386
10101062003	10101	10	2017	Puerto Montt	185195.9	2017	10101	245902	45540037617	Rural	158	0.0006425	10101	29260949
10101062008	10101	72	2017	Puerto Montt	185195.9	2017	10101	245902	45540037617	Rural	581	0.0023627	10101	107598807
10101062013	10101	61	2017	Puerto Montt	185195.9	2017	10101	245902	45540037617	Rural	571	0.0023221	10101	105746848
10101062029	10101	1	2017	Puerto Montt	185195.9	2017	10101	245902	45540037617	Rural	47	0.0001911	10101	8704206
10101062039	10101	4	2017	Puerto Montt	185195.9	2017	10101	245902	45540037617	Rural	67	0.0002725	10101	12408124
10101072014	10101	36	2017	Puerto Montt	185195.9	2017	10101	245902	45540037617	Rural	997	0.0040545	10101	184640294
10101072021	10101	4	2017	Puerto Montt	185195.9	2017	10101	245902	45540037617	Rural	44	0.0001789	10101	8148619
10101072028	10101	4	2017	Puerto Montt	185195.9	2017	10101	245902	45540037617	Rural	145	0.0005897	10101	26853403
10101072029	10101	36	2017	Puerto Montt	185195.9	2017	10101	245902	45540037617	Rural	1051	0.0042741	10101	194640871
10101072036	10101	1	2017	Puerto Montt	185195.9	2017	10101	245902	45540037617	Rural	118	0.0004799	10101	21853114
10101072045	10101	7	2017	Puerto Montt	185195.9	2017	10101	245902	45540037617	Rural	113	0.0004595	10101	20927135
10101082016	10101	13	2017	Puerto Montt	185195.9	2017	10101	245902	45540037617	Rural	121	0.0004921	10101	22408702
10101082017	10101	5	2017	Puerto Montt	185195.9	2017	10101	245902	45540037617	Rural	38	0.0001545	10101	7037443
10101082018	10101	13	2017	Puerto Montt	185195.9	2017	10101	245902	45540037617	Rural	623	0.0025335	10101	115377034
10101082030	10101	3	2017	Puerto Montt	185195.9	2017	10101	245902	45540037617	Rural	176	0.0007157	10101	32594475
10101082034	10101	5	2017	Puerto Montt	185195.9	2017	10101	245902	45540037617	Rural	66	0.0002684	10101	12222928
10101082042	10101	12	2017	Puerto Montt	185195.9	2017	10101	245902	45540037617	Rural	253	0.0010289	10101	46854558
10101082045	10101	6	2017	Puerto Montt	185195.9	2017	10101	245902	45540037617	Rural	123	0.0005002	10101	22779093
10101092004	10101	6	2017	Puerto Montt	185195.9	2017	10101	245902	45540037617	Rural	97	0.0003945	10101	17964000
10101092008	10101	83	2017	Puerto Montt	185195.9	2017	10101	245902	45540037617	Rural	752	0.0030581	10101	139267303
10101092037	10101	11	2017	Puerto Montt	185195.9	2017	10101	245902	45540037617	Rural	276	0.0011224	10101	51114063
10101092040	10101	33	2017	Puerto Montt	185195.9	2017	10101	245902	45540037617	Rural	509	0.0020699	10101	94264704
10101092041	10101	44	2017	Puerto Montt	185195.9	2017	10101	245902	45540037617	Rural	1683	0.0068442	10101	311684668
10101092044	10101	21	2017	Puerto Montt	185195.9	2017	10101	245902	45540037617	Rural	530	0.0021553	10101	98153817
10101102005	10101	1	2017	Puerto Montt	185195.9	2017	10101	245902	45540037617	Rural	147	0.0005978	10101	27223795
10101102007	10101	12	2017	Puerto Montt	185195.9	2017	10101	245902	45540037617	Rural	824	0.0033509	10101	152601406
10101102035	10101	22	2017	Puerto Montt	185195.9	2017	10101	245902	45540037617	Rural	940	0.0038227	10101	174084128
10101102037	10101	3	2017	Puerto Montt	185195.9	2017	10101	245902	45540037617	Rural	164	0.0006669	10101	30372125
10101102051	10101	1	2017	Puerto Montt	185195.9	2017	10101	245902	45540037617	Rural	57	0.0002318	10101	10556165
10101112025	10101	13	2017	Puerto Montt	185195.9	2017	10101	245902	45540037617	Rural	1078	0.0043839	10101	199641160
10101122024	10101	6	2017	Puerto Montt	185195.9	2017	10101	245902	45540037617	Rural	952	0.0038715	10101	176306479
10101132022	10101	15	2017	Puerto Montt	185195.9	2017	10101	245902	45540037617	Rural	703	0.0028589	10101	130192705
10101132023	10101	12	2017	Puerto Montt	185195.9	2017	10101	245902	45540037617	Rural	603	0.0024522	10101	111673116
10101132027	10101	1	2017	Puerto Montt	185195.9	2017	10101	245902	45540037617	Rural	105	0.0004270	10101	19445568
10101132049	10101	77	2017	Puerto Montt	185195.9	2017	10101	245902	45540037617	Rural	1883	0.0076575	10101	348723845
10101142009	10101	2	2017	Puerto Montt	185195.9	2017	10101	245902	45540037617	Rural	59	0.0002399	10101	10926557
10101142015	10101	4	2017	Puerto Montt	185195.9	2017	10101	245902	45540037617	Rural	124	0.0005043	10101	22964289
10101142027	10101	4	2017	Puerto Montt	185195.9	2017	10101	245902	45540037617	Rural	192	0.0007808	10101	35557609
10101142038	10101	3	2017	Puerto Montt	185195.9	2017	10101	245902	45540037617	Rural	53	0.0002155	10101	9815382
10101142046	10101	9	2017	Puerto Montt	185195.9	2017	10101	245902	45540037617	Rural	317	0.0012891	10101	58707094
10101142047	10101	11	2017	Puerto Montt	185195.9	2017	10101	245902	45540037617	Rural	263	0.0010695	10101	48706517
10101142049	10101	61	2017	Puerto Montt	185195.9	2017	10101	245902	45540037617	Rural	973	0.0039569	10101	180195593
10101152002	10101	9	2017	Puerto Montt	185195.9	2017	10101	245902	45540037617	Rural	554	0.0022529	10101	102598518
10101152006	10101	6	2017	Puerto Montt	185195.9	2017	10101	245902	45540037617	Rural	214	0.0008703	10101	39631919
10101152020	10101	22	2017	Puerto Montt	185195.9	2017	10101	245902	45540037617	Rural	617	0.0025091	10101	114265859
10101152031	10101	15	2017	Puerto Montt	185195.9	2017	10101	245902	45540037617	Rural	642	0.0026108	10101	118895756
10101152033	10101	36	2017	Puerto Montt	185195.9	2017	10101	245902	45540037617	Rural	700	0.0028467	10101	129637117
10101152049	10101	9	2017	Puerto Montt	185195.9	2017	10101	245902	45540037617	Rural	96	0.0003904	10101	17778805
10101152901	10101	1	2017	Puerto Montt	185195.9	2017	10101	245902	45540037617	Rural	46	0.0001871	10101	8519011
10101162006	10101	6	2017	Puerto Montt	185195.9	2017	10101	245902	45540037617	Rural	233	0.0009475	10101	43150640
10101162010	10101	5	2017	Puerto Montt	185195.9	2017	10101	245902	45540037617	Rural	351	0.0014274	10101	65003754
10101162020	10101	23	2017	Puerto Montt	185195.9	2017	10101	245902	45540037617	Rural	205	0.0008337	10101	37965156
10101162031	10101	46	2017	Puerto Montt	185195.9	2017	10101	245902	45540037617	Rural	762	0.0030988	10101	141119262
10101162032	10101	2	2017	Puerto Montt	185195.9	2017	10101	245902	45540037617	Rural	24	0.0000976	10101	4444701
10101162033	10101	12	2017	Puerto Montt	185195.9	2017	10101	245902	45540037617	Rural	168	0.0006832	10101	31112908
10101172029	10101	91	2017	Puerto Montt	185195.9	2017	10101	245902	45540037617	Rural	854	0.0034729	10101	158157283
10102012004	10102	2	2017	Calbuco	186292.2	2017	10102	33985	6331140370	Rural	283	0.0083272	10102	52720692
10102012008	10102	13	2017	Calbuco	186292.2	2017	10102	33985	6331140370	Rural	697	0.0205090	10102	129845662
10102012033	10102	21	2017	Calbuco	186292.2	2017	10102	33985	6331140370	Rural	1490	0.0438429	10102	277575376
10102022002	10102	2	2017	Calbuco	186292.2	2017	10102	33985	6331140370	Rural	308	0.0090628	10102	57377997
10102022003	10102	2	2017	Calbuco	186292.2	2017	10102	33985	6331140370	Rural	184	0.0054142	10102	34277765
10102022010	10102	3	2017	Calbuco	186292.2	2017	10102	33985	6331140370	Rural	294	0.0086509	10102	54769906
10102022013	10102	8	2017	Calbuco	186292.2	2017	10102	33985	6331140370	Rural	450	0.0132411	10102	83831489
10102032002	10102	2	2017	Calbuco	186292.2	2017	10102	33985	6331140370	Rural	54	0.0015889	10102	10059779
10102032011	10102	2	2017	Calbuco	186292.2	2017	10102	33985	6331140370	Rural	163	0.0047962	10102	30365628
10102032016	10102	1	2017	Calbuco	186292.2	2017	10102	33985	6331140370	Rural	95	0.0027954	10102	17697759
10102032018	10102	5	2017	Calbuco	186292.2	2017	10102	33985	6331140370	Rural	470	0.0138296	10102	87557333
10102032034	10102	10	2017	Calbuco	186292.2	2017	10102	33985	6331140370	Rural	695	0.0204502	10102	129473078
10102032901	10102	4	2017	Calbuco	186292.2	2017	10102	33985	6331140370	Rural	89	0.0026188	10102	16580006
10102042014	10102	4	2017	Calbuco	186292.2	2017	10102	33985	6331140370	Rural	87	0.0025600	10102	16207421
10102042019	10102	14	2017	Calbuco	186292.2	2017	10102	33985	6331140370	Rural	336	0.0098867	10102	62594179
10102042028	10102	2	2017	Calbuco	186292.2	2017	10102	33985	6331140370	Rural	171	0.0050316	10102	31855966
10102042029	10102	2	2017	Calbuco	186292.2	2017	10102	33985	6331140370	Rural	183	0.0053847	10102	34091472
10102042035	10102	2	2017	Calbuco	186292.2	2017	10102	33985	6331140370	Rural	271	0.0079741	10102	50485186
10102042043	10102	2	2017	Calbuco	186292.2	2017	10102	33985	6331140370	Rural	86	0.0025305	10102	16021129
10102042901	10102	7	2017	Calbuco	186292.2	2017	10102	33985	6331140370	Rural	127	0.0037369	10102	23659109
10102052012	10102	9	2017	Calbuco	186292.2	2017	10102	33985	6331140370	Rural	302	0.0088863	10102	56260244
10102052019	10102	8	2017	Calbuco	186292.2	2017	10102	33985	6331140370	Rural	332	0.0097690	10102	61849010
10102052042	10102	10	2017	Calbuco	186292.2	2017	10102	33985	6331140370	Rural	410	0.0120641	10102	76379801
10102052043	10102	2	2017	Calbuco	186292.2	2017	10102	33985	6331140370	Rural	273	0.0080330	10102	50857770
10102062015	10102	12	2017	Calbuco	186292.2	2017	10102	33985	6331140370	Rural	1129	0.0332205	10102	210323892
10102062019	10102	4	2017	Calbuco	186292.2	2017	10102	33985	6331140370	Rural	362	0.0106518	10102	67437776
10102062027	10102	1	2017	Calbuco	186292.2	2017	10102	33985	6331140370	Rural	25	0.0007356	10102	4657305
10102062038	10102	5	2017	Calbuco	186292.2	2017	10102	33985	6331140370	Rural	357	0.0105046	10102	66506315
10102062039	10102	6	2017	Calbuco	186292.2	2017	10102	33985	6331140370	Rural	643	0.0189201	10102	119785884
10102072022	10102	5	2017	Calbuco	186292.2	2017	10102	33985	6331140370	Rural	148	0.0043549	10102	27571245
10102082022	10102	10	2017	Calbuco	186292.2	2017	10102	33985	6331140370	Rural	565	0.0166250	10102	105255092
10102092022	10102	3	2017	Calbuco	186292.2	2017	10102	33985	6331140370	Rural	308	0.0090628	10102	57377997
10102102023	10102	14	2017	Calbuco	186292.2	2017	10102	33985	6331140370	Rural	630	0.0185376	10102	117364085
10102112023	10102	14	2017	Calbuco	186292.2	2017	10102	33985	6331140370	Rural	650	0.0191261	10102	121089929
10102122023	10102	4	2017	Calbuco	186292.2	2017	10102	33985	6331140370	Rural	511	0.0150360	10102	95195314
10102132023	10102	7	2017	Calbuco	186292.2	2017	10102	33985	6331140370	Rural	775	0.0228042	10102	144376454
10102142901	10102	2	2017	Calbuco	186292.2	2017	10102	33985	6331140370	Rural	55	0.0016184	10102	10246071
10102152006	10102	14	2017	Calbuco	186292.2	2017	10102	33985	6331140370	Rural	586	0.0172429	10102	109167228
10102162030	10102	7	2017	Calbuco	186292.2	2017	10102	33985	6331140370	Rural	341	0.0100338	10102	63525640
10102162031	10102	1	2017	Calbuco	186292.2	2017	10102	33985	6331140370	Rural	361	0.0106223	10102	67251484
10102162036	10102	3	2017	Calbuco	186292.2	2017	10102	33985	6331140370	Rural	260	0.0076504	10102	48435972

8 Análisis de regresión

Aplicaremos un análisis de regresión donde:

\[ Y(dependiente) = ingreso \ expandido \ por \ zona \ (multi\_pob)\]

\[ X(independiente) = frecuencia \ de \ población \ que \ posee \ la \ variable \ Censal \ respecto \ a \ la \ zona \ (Freq.x) \]

8.1 Diagrama de dispersión

scatter.smooth(x=h_y_m_comuna_corr_01$Freq.x, y=h_y_m_comuna_corr_01$multi_pob, main="multi_pob ~ Freq.x",
     xlab = "Freq.x",
     ylab = "multi_pob",
           col = 2)

8.2 Outliers

Hemos demostrado en el punto 5.7.2 de aquí que la exclusión de ouliers no genera ninguna mejora en el modelo de regresión.

8.3 Modelo lineal

Aplicaremos un análisis de regresión lineal del ingreso expandido por zona sobre las frecuencias de respuestas zonales.

linearMod <- lm( multi_pob~(Freq.x) , data=h_y_m_comuna_corr_01)
summary(linearMod)

## 
## Call:
## lm(formula = multi_pob ~ (Freq.x), data = h_y_m_comuna_corr_01)
## 
## Residuals:
##        Min         1Q     Median         3Q        Max 
## -591608756  -26618000  -14991122   10538131 1010311285 
## 
## Coefficients:
##             Estimate Std. Error t value Pr(>|t|)    
## (Intercept) 28800236     742165   38.81   <2e-16 ***
## Freq.x       2431726      23666  102.75   <2e-16 ***
## ---
## Signif. codes:  0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
## 
## Residual standard error: 58870000 on 7397 degrees of freedom
##   (203 observations deleted due to missingness)
## Multiple R-squared:  0.588,  Adjusted R-squared:  0.588 
## F-statistic: 1.056e+04 on 1 and 7397 DF,  p-value: < 2.2e-16

8.4 Gráfica de la recta de regresión lineal

ggplot(h_y_m_comuna_corr_01, aes(x = Freq.x , y = multi_pob)) + 
  geom_point() +
  stat_smooth(method = "lm", col = "red")

Si bien obtenemos nuestro modelo lineal da cuenta del 0.8214 de la variabilidad de los datos de respuesta en torno a su media, modelos alternativos pueden ofrecernos una explicación de la variable dependiente aún mayor.

9 Modelos alternativos

9.1 Modelo cuadrático

\[ \hat Y = \beta_0 + \beta_1 X^2 \]

linearMod <- lm( multi_pob~(Freq.x^2) , data=h_y_m_comuna_corr_01)
summary(linearMod)$adj.r.squared

## [1] 0.5879598

9.2 Modelo cúbico

\[ \hat Y = \beta_0 + \beta_1 X^3 \]

linearMod <- lm( multi_pob~(Freq.x^3) , data=h_y_m_comuna_corr_01)
summary(linearMod)$adj.r.squared

## [1] 0.5879598

8.3 Modelo logarítmico

\[ \hat Y = \beta_0 + \beta_1 ln X \]

linearMod <- lm( multi_pob~log(Freq.x) , data=h_y_m_comuna_corr_01)
summary(linearMod)$adj.r.squared

## [1] 0.4146671

8.4 Modelo exponencial

\[ \hat Y = \beta_0 + \beta_1 e^X \]

No es aplicable sin una transformación pues los valores elevados a $e$ de Freq.x tienden a infinito.

8.5 Modelo con raíz cuadrada

\[ \hat Y = \beta_0 + \beta_1 \sqrt {X} \]

linearMod <- lm( multi_pob~sqrt(Freq.x) , data=h_y_m_comuna_corr_01)
summary(linearMod)$adj.r.squared

## [1] 0.595172

8.6 Modelo raíz-raíz

\[ \hat Y = {\beta_0}^2 + 2 \beta_0 \beta_1 \sqrt{X}+ \beta_1^2 X \]

linearMod <- lm( sqrt(multi_pob)~sqrt(Freq.x) , data=h_y_m_comuna_corr_01)
summary(linearMod)$adj.r.squared

## [1] 0.612845

8.7 Modelo log-raíz

\[ \hat Y = e^{\beta_0 + \beta_1 \sqrt{X}} \]

linearMod <- lm( log(multi_pob)~sqrt(Freq.x) , data=h_y_m_comuna_corr_01)
summary(linearMod)$adj.r.squared

## [1] 0.4495789

8.8 Modelo raíz-log

\[ \hat Y = {\beta_0}^2 + 2 \beta_0 \beta_1 \ln{X}+ \beta_1^2 ln^2X \]

linearMod <- lm( sqrt(multi_pob)~log(Freq.x) , data=h_y_m_comuna_corr_01)
summary(linearMod)$adj.r.squared

## [1] 0.5632593

8.9 Modelo log-log

\[ \hat Y = e^{\beta_0+\beta_1 ln{X}} \]

linearMod <- lm( sqrt(multi_pob)~sqrt(Freq.x) , data=h_y_m_comuna_corr_01)
summary(linearMod)$adj.r.squared

## [1] 0.612845

9 Modelo raíz-raíz (r-r)

Es éste el modelo que nos entrega el mayor coeficiente de determinación de todos (0.612845).

9.1 Diagrama de dispersión sobre r-r

Desplegamos una curva suavizada por loess en el diagrama de dispersión.

scatter.smooth(x=sqrt(h_y_m_comuna_corr_01$Freq.x), y=sqrt(h_y_m_comuna_corr_01$multi_pob), lpars = list(col = "red", lwd = 2, lty = 1), main="multi_pob ~ Freq.x")

9.2 Modelo r-r

Observemos nuevamente el resultado sobre r-r.

linearMod <- lm(sqrt( multi_pob)~sqrt(Freq.x) , data=h_y_m_comuna_corr_01)
summary(linearMod)

## 
## Call:
## lm(formula = sqrt(multi_pob) ~ sqrt(Freq.x), data = h_y_m_comuna_corr_01)
## 
## Residuals:
##     Min      1Q  Median      3Q     Max 
## -9715.4 -1775.9  -398.2  1354.2 24227.6 
## 
## Coefficients:
##              Estimate Std. Error t value Pr(>|t|)    
## (Intercept)   2280.03      48.54   46.98   <2e-16 ***
## sqrt(Freq.x)  1508.40      13.94  108.22   <2e-16 ***
## ---
## Signif. codes:  0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
## 
## Residual standard error: 2600 on 7397 degrees of freedom
##   (203 observations deleted due to missingness)
## Multiple R-squared:  0.6129, Adjusted R-squared:  0.6128 
## F-statistic: 1.171e+04 on 1 and 7397 DF,  p-value: < 2.2e-16

ggplot(h_y_m_comuna_corr_01, aes(x = sqrt(Freq.x) , y = sqrt(multi_pob))) + geom_point() + stat_smooth(method = "lm", col = "red")

9.3 Análisis de residuos

par(mfrow = c (2,2))
plot(linearMod)

9.4 Ecuación del modelo

\[ \hat Y = {2280.03}^2 + 2 \cdot 2280.03 \cdot 1508.40 \sqrt{X}+ 1508.40^2 X \]

10 Aplicación la regresión a los valores de la variable a nivel de zona

Esta nueva variable se llamará: est_ing

h_y_m_comuna_corr_01$est_ing <- (2280.03)^2 + 2 * 2280.03 * 1508.40 * sqrt(h_y_m_comuna_corr_01$Freq.x)+  1508.40^2 *(h_y_m_comuna_corr_01$Freq.x)  

r3_100 <- h_y_m_comuna_corr_01[c(1:100),]
kbl(r3_100) %>%
  kable_styling(bootstrap_options = c("striped", "hover")) %>%
  kable_paper() %>%
  scroll_box(width = "100%", height = "300px")

zona	código.x	Freq.x	anio	comuna.x	promedio_i	año	comuna.y	personas	Ingresos_expandidos	tipo	Freq.y	p_poblacional	código.y	multi_pob	est_ing
10101032002	10101	2	2017	Puerto Montt	185195.9	2017	10101	245902	45540037617	Rural	129	0.0005246	10101	23890269	19476597
10101032011	10101	20	2017	Puerto Montt	185195.9	2017	10101	245902	45540037617	Rural	426	0.0017324	10101	78893445	81465063
10101032019	10101	32	2017	Puerto Montt	185195.9	2017	10101	245902	45540037617	Rural	829	0.0033713	10101	153527386	116917270
10101062003	10101	10	2017	Puerto Montt	185195.9	2017	10101	245902	45540037617	Rural	158	0.0006425	10101	29260949	49702636
10101062008	10101	72	2017	Puerto Montt	185195.9	2017	10101	245902	45540037617	Rural	581	0.0023627	10101	107598807	227383130
10101062013	10101	61	2017	Puerto Montt	185195.9	2017	10101	245902	45540037617	Rural	571	0.0023221	10101	105746848	197712019
10101062029	10101	1	2017	Puerto Montt	185195.9	2017	10101	245902	45540037617	Rural	47	0.0001911	10101	8704206	14352202
10101062039	10101	4	2017	Puerto Montt	185195.9	2017	10101	245902	45540037617	Rural	67	0.0002725	10101	12408124	28056408
10101072014	10101	36	2017	Puerto Montt	185195.9	2017	10101	245902	45540037617	Rural	997	0.0040545	10101	184640294	128378644
10101072021	10101	4	2017	Puerto Montt	185195.9	2017	10101	245902	45540037617	Rural	44	0.0001789	10101	8148619	28056408
10101072028	10101	4	2017	Puerto Montt	185195.9	2017	10101	245902	45540037617	Rural	145	0.0005897	10101	26853403	28056408
10101072029	10101	36	2017	Puerto Montt	185195.9	2017	10101	245902	45540037617	Rural	1051	0.0042741	10101	194640871	128378644
10101072036	10101	1	2017	Puerto Montt	185195.9	2017	10101	245902	45540037617	Rural	118	0.0004799	10101	21853114	14352202
10101072045	10101	7	2017	Puerto Montt	185195.9	2017	10101	245902	45540037617	Rural	113	0.0004595	10101	20927135	39323952
10101082016	10101	13	2017	Puerto Montt	185195.9	2017	10101	245902	45540037617	Rural	121	0.0004921	10101	22408702	59577458
10101082017	10101	5	2017	Puerto Montt	185195.9	2017	10101	245902	45540037617	Rural	38	0.0001545	10101	7037443	31955447
10101082018	10101	13	2017	Puerto Montt	185195.9	2017	10101	245902	45540037617	Rural	623	0.0025335	10101	115377034	59577458
10101082030	10101	3	2017	Puerto Montt	185195.9	2017	10101	245902	45540037617	Rural	176	0.0007157	10101	32594475	23938077
10101082034	10101	5	2017	Puerto Montt	185195.9	2017	10101	245902	45540037617	Rural	66	0.0002684	10101	12222928	31955447
10101082042	10101	12	2017	Puerto Montt	185195.9	2017	10101	245902	45540037617	Rural	253	0.0010289	10101	46854558	56329241
10101082045	10101	6	2017	Puerto Montt	185195.9	2017	10101	245902	45540037617	Rural	123	0.0005002	10101	22779093	35698717
10101092004	10101	6	2017	Puerto Montt	185195.9	2017	10101	245902	45540037617	Rural	97	0.0003945	10101	17964000	35698717
10101092008	10101	83	2017	Puerto Montt	185195.9	2017	10101	245902	45540037617	Rural	752	0.0030581	10101	139267303	256711150
10101092037	10101	11	2017	Puerto Montt	185195.9	2017	10101	245902	45540037617	Rural	276	0.0011224	10101	51114063	53039567
10101092040	10101	33	2017	Puerto Montt	185195.9	2017	10101	245902	45540037617	Rural	509	0.0020699	10101	94264704	119795833
10101092041	10101	44	2017	Puerto Montt	185195.9	2017	10101	245902	45540037617	Rural	1683	0.0068442	10101	311684668	150936549
10101092044	10101	21	2017	Puerto Montt	185195.9	2017	10101	245902	45540037617	Rural	530	0.0021553	10101	98153817	84499982
10101102005	10101	1	2017	Puerto Montt	185195.9	2017	10101	245902	45540037617	Rural	147	0.0005978	10101	27223795	14352202
10101102007	10101	12	2017	Puerto Montt	185195.9	2017	10101	245902	45540037617	Rural	824	0.0033509	10101	152601406	56329241
10101102035	10101	22	2017	Puerto Montt	185195.9	2017	10101	245902	45540037617	Rural	940	0.0038227	10101	174084128	87517019
10101102037	10101	3	2017	Puerto Montt	185195.9	2017	10101	245902	45540037617	Rural	164	0.0006669	10101	30372125	23938077
10101102051	10101	1	2017	Puerto Montt	185195.9	2017	10101	245902	45540037617	Rural	57	0.0002318	10101	10556165	14352202
10101112025	10101	13	2017	Puerto Montt	185195.9	2017	10101	245902	45540037617	Rural	1078	0.0043839	10101	199641160	59577458
10101122024	10101	6	2017	Puerto Montt	185195.9	2017	10101	245902	45540037617	Rural	952	0.0038715	10101	176306479	35698717
10101132022	10101	15	2017	Puerto Montt	185195.9	2017	10101	245902	45540037617	Rural	703	0.0028589	10101	130192705	65967503
10101132023	10101	12	2017	Puerto Montt	185195.9	2017	10101	245902	45540037617	Rural	603	0.0024522	10101	111673116	56329241
10101132027	10101	1	2017	Puerto Montt	185195.9	2017	10101	245902	45540037617	Rural	105	0.0004270	10101	19445568	14352202
10101132049	10101	77	2017	Puerto Montt	185195.9	2017	10101	245902	45540037617	Rural	1883	0.0076575	10101	348723845	240752037
10101142009	10101	2	2017	Puerto Montt	185195.9	2017	10101	245902	45540037617	Rural	59	0.0002399	10101	10926557	19476597
10101142015	10101	4	2017	Puerto Montt	185195.9	2017	10101	245902	45540037617	Rural	124	0.0005043	10101	22964289	28056408
10101142027	10101	4	2017	Puerto Montt	185195.9	2017	10101	245902	45540037617	Rural	192	0.0007808	10101	35557609	28056408
10101142038	10101	3	2017	Puerto Montt	185195.9	2017	10101	245902	45540037617	Rural	53	0.0002155	10101	9815382	23938077
10101142046	10101	9	2017	Puerto Montt	185195.9	2017	10101	245902	45540037617	Rural	317	0.0012891	10101	58707094	46311155
10101142047	10101	11	2017	Puerto Montt	185195.9	2017	10101	245902	45540037617	Rural	263	0.0010695	10101	48706517	53039567
10101142049	10101	61	2017	Puerto Montt	185195.9	2017	10101	245902	45540037617	Rural	973	0.0039569	10101	180195593	197712019
10101152002	10101	9	2017	Puerto Montt	185195.9	2017	10101	245902	45540037617	Rural	554	0.0022529	10101	102598518	46311155
10101152006	10101	6	2017	Puerto Montt	185195.9	2017	10101	245902	45540037617	Rural	214	0.0008703	10101	39631919	35698717
10101152020	10101	22	2017	Puerto Montt	185195.9	2017	10101	245902	45540037617	Rural	617	0.0025091	10101	114265859	87517019
10101152031	10101	15	2017	Puerto Montt	185195.9	2017	10101	245902	45540037617	Rural	642	0.0026108	10101	118895756	65967503
10101152033	10101	36	2017	Puerto Montt	185195.9	2017	10101	245902	45540037617	Rural	700	0.0028467	10101	129637117	128378644
10101152049	10101	9	2017	Puerto Montt	185195.9	2017	10101	245902	45540037617	Rural	96	0.0003904	10101	17778805	46311155
10101152901	10101	1	2017	Puerto Montt	185195.9	2017	10101	245902	45540037617	Rural	46	0.0001871	10101	8519011	14352202
10101162006	10101	6	2017	Puerto Montt	185195.9	2017	10101	245902	45540037617	Rural	233	0.0009475	10101	43150640	35698717
10101162010	10101	5	2017	Puerto Montt	185195.9	2017	10101	245902	45540037617	Rural	351	0.0014274	10101	65003754	31955447
10101162020	10101	23	2017	Puerto Montt	185195.9	2017	10101	245902	45540037617	Rural	205	0.0008337	10101	37965156	90517381
10101162031	10101	46	2017	Puerto Montt	185195.9	2017	10101	245902	45540037617	Rural	762	0.0030988	10101	141119262	156512524
10101162032	10101	2	2017	Puerto Montt	185195.9	2017	10101	245902	45540037617	Rural	24	0.0000976	10101	4444701	19476597
10101162033	10101	12	2017	Puerto Montt	185195.9	2017	10101	245902	45540037617	Rural	168	0.0006832	10101	31112908	56329241
10101172029	10101	91	2017	Puerto Montt	185195.9	2017	10101	245902	45540037617	Rural	854	0.0034729	10101	158157283	277863859
10102012004	10102	2	2017	Calbuco	186292.2	2017	10102	33985	6331140370	Rural	283	0.0083272	10102	52720692	19476597
10102012008	10102	13	2017	Calbuco	186292.2	2017	10102	33985	6331140370	Rural	697	0.0205090	10102	129845662	59577458
10102012033	10102	21	2017	Calbuco	186292.2	2017	10102	33985	6331140370	Rural	1490	0.0438429	10102	277575376	84499982
10102022002	10102	2	2017	Calbuco	186292.2	2017	10102	33985	6331140370	Rural	308	0.0090628	10102	57377997	19476597
10102022003	10102	2	2017	Calbuco	186292.2	2017	10102	33985	6331140370	Rural	184	0.0054142	10102	34277765	19476597
10102022010	10102	3	2017	Calbuco	186292.2	2017	10102	33985	6331140370	Rural	294	0.0086509	10102	54769906	23938077
10102022013	10102	8	2017	Calbuco	186292.2	2017	10102	33985	6331140370	Rural	450	0.0132411	10102	83831489	42855739
10102032002	10102	2	2017	Calbuco	186292.2	2017	10102	33985	6331140370	Rural	54	0.0015889	10102	10059779	19476597
10102032011	10102	2	2017	Calbuco	186292.2	2017	10102	33985	6331140370	Rural	163	0.0047962	10102	30365628	19476597
10102032016	10102	1	2017	Calbuco	186292.2	2017	10102	33985	6331140370	Rural	95	0.0027954	10102	17697759	14352202
10102032018	10102	5	2017	Calbuco	186292.2	2017	10102	33985	6331140370	Rural	470	0.0138296	10102	87557333	31955447
10102032034	10102	10	2017	Calbuco	186292.2	2017	10102	33985	6331140370	Rural	695	0.0204502	10102	129473078	49702636
10102032901	10102	4	2017	Calbuco	186292.2	2017	10102	33985	6331140370	Rural	89	0.0026188	10102	16580006	28056408
10102042014	10102	4	2017	Calbuco	186292.2	2017	10102	33985	6331140370	Rural	87	0.0025600	10102	16207421	28056408
10102042019	10102	14	2017	Calbuco	186292.2	2017	10102	33985	6331140370	Rural	336	0.0098867	10102	62594179	62788920
10102042028	10102	2	2017	Calbuco	186292.2	2017	10102	33985	6331140370	Rural	171	0.0050316	10102	31855966	19476597
10102042029	10102	2	2017	Calbuco	186292.2	2017	10102	33985	6331140370	Rural	183	0.0053847	10102	34091472	19476597
10102042035	10102	2	2017	Calbuco	186292.2	2017	10102	33985	6331140370	Rural	271	0.0079741	10102	50485186	19476597
10102042043	10102	2	2017	Calbuco	186292.2	2017	10102	33985	6331140370	Rural	86	0.0025305	10102	16021129	19476597
10102042901	10102	7	2017	Calbuco	186292.2	2017	10102	33985	6331140370	Rural	127	0.0037369	10102	23659109	39323952
10102052012	10102	9	2017	Calbuco	186292.2	2017	10102	33985	6331140370	Rural	302	0.0088863	10102	56260244	46311155
10102052019	10102	8	2017	Calbuco	186292.2	2017	10102	33985	6331140370	Rural	332	0.0097690	10102	61849010	42855739
10102052042	10102	10	2017	Calbuco	186292.2	2017	10102	33985	6331140370	Rural	410	0.0120641	10102	76379801	49702636
10102052043	10102	2	2017	Calbuco	186292.2	2017	10102	33985	6331140370	Rural	273	0.0080330	10102	50857770	19476597
10102062015	10102	12	2017	Calbuco	186292.2	2017	10102	33985	6331140370	Rural	1129	0.0332205	10102	210323892	56329241
10102062019	10102	4	2017	Calbuco	186292.2	2017	10102	33985	6331140370	Rural	362	0.0106518	10102	67437776	28056408
10102062027	10102	1	2017	Calbuco	186292.2	2017	10102	33985	6331140370	Rural	25	0.0007356	10102	4657305	14352202
10102062038	10102	5	2017	Calbuco	186292.2	2017	10102	33985	6331140370	Rural	357	0.0105046	10102	66506315	31955447
10102062039	10102	6	2017	Calbuco	186292.2	2017	10102	33985	6331140370	Rural	643	0.0189201	10102	119785884	35698717
10102072022	10102	5	2017	Calbuco	186292.2	2017	10102	33985	6331140370	Rural	148	0.0043549	10102	27571245	31955447
10102082022	10102	10	2017	Calbuco	186292.2	2017	10102	33985	6331140370	Rural	565	0.0166250	10102	105255092	49702636
10102092022	10102	3	2017	Calbuco	186292.2	2017	10102	33985	6331140370	Rural	308	0.0090628	10102	57377997	23938077
10102102023	10102	14	2017	Calbuco	186292.2	2017	10102	33985	6331140370	Rural	630	0.0185376	10102	117364085	62788920
10102112023	10102	14	2017	Calbuco	186292.2	2017	10102	33985	6331140370	Rural	650	0.0191261	10102	121089929	62788920
10102122023	10102	4	2017	Calbuco	186292.2	2017	10102	33985	6331140370	Rural	511	0.0150360	10102	95195314	28056408
10102132023	10102	7	2017	Calbuco	186292.2	2017	10102	33985	6331140370	Rural	775	0.0228042	10102	144376454	39323952
10102142901	10102	2	2017	Calbuco	186292.2	2017	10102	33985	6331140370	Rural	55	0.0016184	10102	10246071	19476597
10102152006	10102	14	2017	Calbuco	186292.2	2017	10102	33985	6331140370	Rural	586	0.0172429	10102	109167228	62788920
10102162030	10102	7	2017	Calbuco	186292.2	2017	10102	33985	6331140370	Rural	341	0.0100338	10102	63525640	39323952
10102162031	10102	1	2017	Calbuco	186292.2	2017	10102	33985	6331140370	Rural	361	0.0106223	10102	67251484	14352202
10102162036	10102	3	2017	Calbuco	186292.2	2017	10102	33985	6331140370	Rural	260	0.0076504	10102	48435972	23938077

11 División del valor estimado entre la población total de la zona para obtener el ingreso medio por zona

\[ Ingreso \_ Medio\_zona = est\_ing / (personas * p\_poblacional) \]

h_y_m_comuna_corr_01$ing_medio_zona <- h_y_m_comuna_corr_01$est_ing  /( h_y_m_comuna_corr_01$personas  * h_y_m_comuna_corr_01$p_poblacional)

r3_100 <- h_y_m_comuna_corr_01[c(1:100),]
kbl(r3_100) %>%
  kable_styling(bootstrap_options = c("striped", "hover")) %>%
  kable_paper() %>%
  scroll_box(width = "100%", height = "300px")

zona	código.x	Freq.x	anio	comuna.x	promedio_i	año	comuna.y	personas	Ingresos_expandidos	tipo	Freq.y	p_poblacional	código.y	multi_pob	est_ing	ing_medio_zona
10101032002	10101	2	2017	Puerto Montt	185195.9	2017	10101	245902	45540037617	Rural	129	0.0005246	10101	23890269	19476597	150981.37
10101032011	10101	20	2017	Puerto Montt	185195.9	2017	10101	245902	45540037617	Rural	426	0.0017324	10101	78893445	81465063	191232.54
10101032019	10101	32	2017	Puerto Montt	185195.9	2017	10101	245902	45540037617	Rural	829	0.0033713	10101	153527386	116917270	141034.10
10101062003	10101	10	2017	Puerto Montt	185195.9	2017	10101	245902	45540037617	Rural	158	0.0006425	10101	29260949	49702636	314573.64
10101062008	10101	72	2017	Puerto Montt	185195.9	2017	10101	245902	45540037617	Rural	581	0.0023627	10101	107598807	227383130	391365.11
10101062013	10101	61	2017	Puerto Montt	185195.9	2017	10101	245902	45540037617	Rural	571	0.0023221	10101	105746848	197712019	346255.73
10101062029	10101	1	2017	Puerto Montt	185195.9	2017	10101	245902	45540037617	Rural	47	0.0001911	10101	8704206	14352202	305366.00
10101062039	10101	4	2017	Puerto Montt	185195.9	2017	10101	245902	45540037617	Rural	67	0.0002725	10101	12408124	28056408	418752.36
10101072014	10101	36	2017	Puerto Montt	185195.9	2017	10101	245902	45540037617	Rural	997	0.0040545	10101	184640294	128378644	128764.94
10101072021	10101	4	2017	Puerto Montt	185195.9	2017	10101	245902	45540037617	Rural	44	0.0001789	10101	8148619	28056408	637645.64
10101072028	10101	4	2017	Puerto Montt	185195.9	2017	10101	245902	45540037617	Rural	145	0.0005897	10101	26853403	28056408	193492.47
10101072029	10101	36	2017	Puerto Montt	185195.9	2017	10101	245902	45540037617	Rural	1051	0.0042741	10101	194640871	128378644	122149.04
10101072036	10101	1	2017	Puerto Montt	185195.9	2017	10101	245902	45540037617	Rural	118	0.0004799	10101	21853114	14352202	121628.83
10101072045	10101	7	2017	Puerto Montt	185195.9	2017	10101	245902	45540037617	Rural	113	0.0004595	10101	20927135	39323952	347999.58
10101082016	10101	13	2017	Puerto Montt	185195.9	2017	10101	245902	45540037617	Rural	121	0.0004921	10101	22408702	59577458	492375.69
10101082017	10101	5	2017	Puerto Montt	185195.9	2017	10101	245902	45540037617	Rural	38	0.0001545	10101	7037443	31955447	840932.82
10101082018	10101	13	2017	Puerto Montt	185195.9	2017	10101	245902	45540037617	Rural	623	0.0025335	10101	115377034	59577458	95629.95
10101082030	10101	3	2017	Puerto Montt	185195.9	2017	10101	245902	45540037617	Rural	176	0.0007157	10101	32594475	23938077	136011.80
10101082034	10101	5	2017	Puerto Montt	185195.9	2017	10101	245902	45540037617	Rural	66	0.0002684	10101	12222928	31955447	484173.44
10101082042	10101	12	2017	Puerto Montt	185195.9	2017	10101	245902	45540037617	Rural	253	0.0010289	10101	46854558	56329241	222645.22
10101082045	10101	6	2017	Puerto Montt	185195.9	2017	10101	245902	45540037617	Rural	123	0.0005002	10101	22779093	35698717	290233.47
10101092004	10101	6	2017	Puerto Montt	185195.9	2017	10101	245902	45540037617	Rural	97	0.0003945	10101	17964000	35698717	368028.01
10101092008	10101	83	2017	Puerto Montt	185195.9	2017	10101	245902	45540037617	Rural	752	0.0030581	10101	139267303	256711150	341371.21
10101092037	10101	11	2017	Puerto Montt	185195.9	2017	10101	245902	45540037617	Rural	276	0.0011224	10101	51114063	53039567	192172.34
10101092040	10101	33	2017	Puerto Montt	185195.9	2017	10101	245902	45540037617	Rural	509	0.0020699	10101	94264704	119795833	235355.27
10101092041	10101	44	2017	Puerto Montt	185195.9	2017	10101	245902	45540037617	Rural	1683	0.0068442	10101	311684668	150936549	89683.04
10101092044	10101	21	2017	Puerto Montt	185195.9	2017	10101	245902	45540037617	Rural	530	0.0021553	10101	98153817	84499982	159433.93
10101102005	10101	1	2017	Puerto Montt	185195.9	2017	10101	245902	45540037617	Rural	147	0.0005978	10101	27223795	14352202	97634.03
10101102007	10101	12	2017	Puerto Montt	185195.9	2017	10101	245902	45540037617	Rural	824	0.0033509	10101	152601406	56329241	68360.73
10101102035	10101	22	2017	Puerto Montt	185195.9	2017	10101	245902	45540037617	Rural	940	0.0038227	10101	174084128	87517019	93103.21
10101102037	10101	3	2017	Puerto Montt	185195.9	2017	10101	245902	45540037617	Rural	164	0.0006669	10101	30372125	23938077	145963.89
10101102051	10101	1	2017	Puerto Montt	185195.9	2017	10101	245902	45540037617	Rural	57	0.0002318	10101	10556165	14352202	251793.02
10101112025	10101	13	2017	Puerto Montt	185195.9	2017	10101	245902	45540037617	Rural	1078	0.0043839	10101	199641160	59577458	55266.66
10101122024	10101	6	2017	Puerto Montt	185195.9	2017	10101	245902	45540037617	Rural	952	0.0038715	10101	176306479	35698717	37498.65
10101132022	10101	15	2017	Puerto Montt	185195.9	2017	10101	245902	45540037617	Rural	703	0.0028589	10101	130192705	65967503	93837.13
10101132023	10101	12	2017	Puerto Montt	185195.9	2017	10101	245902	45540037617	Rural	603	0.0024522	10101	111673116	56329241	93414.99
10101132027	10101	1	2017	Puerto Montt	185195.9	2017	10101	245902	45540037617	Rural	105	0.0004270	10101	19445568	14352202	136687.64
10101132049	10101	77	2017	Puerto Montt	185195.9	2017	10101	245902	45540037617	Rural	1883	0.0076575	10101	348723845	240752037	127855.57
10101142009	10101	2	2017	Puerto Montt	185195.9	2017	10101	245902	45540037617	Rural	59	0.0002399	10101	10926557	19476597	330111.81
10101142015	10101	4	2017	Puerto Montt	185195.9	2017	10101	245902	45540037617	Rural	124	0.0005043	10101	22964289	28056408	226261.36
10101142027	10101	4	2017	Puerto Montt	185195.9	2017	10101	245902	45540037617	Rural	192	0.0007808	10101	35557609	28056408	146127.13
10101142038	10101	3	2017	Puerto Montt	185195.9	2017	10101	245902	45540037617	Rural	53	0.0002155	10101	9815382	23938077	451661.83
10101142046	10101	9	2017	Puerto Montt	185195.9	2017	10101	245902	45540037617	Rural	317	0.0012891	10101	58707094	46311155	146091.97
10101142047	10101	11	2017	Puerto Montt	185195.9	2017	10101	245902	45540037617	Rural	263	0.0010695	10101	48706517	53039567	201671.36
10101142049	10101	61	2017	Puerto Montt	185195.9	2017	10101	245902	45540037617	Rural	973	0.0039569	10101	180195593	197712019	203198.38
10101152002	10101	9	2017	Puerto Montt	185195.9	2017	10101	245902	45540037617	Rural	554	0.0022529	10101	102598518	46311155	83594.14
10101152006	10101	6	2017	Puerto Montt	185195.9	2017	10101	245902	45540037617	Rural	214	0.0008703	10101	39631919	35698717	166816.43
10101152020	10101	22	2017	Puerto Montt	185195.9	2017	10101	245902	45540037617	Rural	617	0.0025091	10101	114265859	87517019	141842.82
10101152031	10101	15	2017	Puerto Montt	185195.9	2017	10101	245902	45540037617	Rural	642	0.0026108	10101	118895756	65967503	102753.12
10101152033	10101	36	2017	Puerto Montt	185195.9	2017	10101	245902	45540037617	Rural	700	0.0028467	10101	129637117	128378644	183398.06
10101152049	10101	9	2017	Puerto Montt	185195.9	2017	10101	245902	45540037617	Rural	96	0.0003904	10101	17778805	46311155	482407.87
10101152901	10101	1	2017	Puerto Montt	185195.9	2017	10101	245902	45540037617	Rural	46	0.0001871	10101	8519011	14352202	312004.39
10101162006	10101	6	2017	Puerto Montt	185195.9	2017	10101	245902	45540037617	Rural	233	0.0009475	10101	43150640	35698717	153213.38
10101162010	10101	5	2017	Puerto Montt	185195.9	2017	10101	245902	45540037617	Rural	351	0.0014274	10101	65003754	31955447	91041.16
10101162020	10101	23	2017	Puerto Montt	185195.9	2017	10101	245902	45540037617	Rural	205	0.0008337	10101	37965156	90517381	441548.20
10101162031	10101	46	2017	Puerto Montt	185195.9	2017	10101	245902	45540037617	Rural	762	0.0030988	10101	141119262	156512524	205397.01
10101162032	10101	2	2017	Puerto Montt	185195.9	2017	10101	245902	45540037617	Rural	24	0.0000976	10101	4444701	19476597	811524.86
10101162033	10101	12	2017	Puerto Montt	185195.9	2017	10101	245902	45540037617	Rural	168	0.0006832	10101	31112908	56329241	335293.10
10101172029	10101	91	2017	Puerto Montt	185195.9	2017	10101	245902	45540037617	Rural	854	0.0034729	10101	158157283	277863859	325367.52
10102012004	10102	2	2017	Calbuco	186292.2	2017	10102	33985	6331140370	Rural	283	0.0083272	10102	52720692	19476597	68821.90
10102012008	10102	13	2017	Calbuco	186292.2	2017	10102	33985	6331140370	Rural	697	0.0205090	10102	129845662	59577458	85476.98
10102012033	10102	21	2017	Calbuco	186292.2	2017	10102	33985	6331140370	Rural	1490	0.0438429	10102	277575376	84499982	56711.40
10102022002	10102	2	2017	Calbuco	186292.2	2017	10102	33985	6331140370	Rural	308	0.0090628	10102	57377997	19476597	63235.70
10102022003	10102	2	2017	Calbuco	186292.2	2017	10102	33985	6331140370	Rural	184	0.0054142	10102	34277765	19476597	105851.07
10102022010	10102	3	2017	Calbuco	186292.2	2017	10102	33985	6331140370	Rural	294	0.0086509	10102	54769906	23938077	81422.03
10102022013	10102	8	2017	Calbuco	186292.2	2017	10102	33985	6331140370	Rural	450	0.0132411	10102	83831489	42855739	95234.98
10102032002	10102	2	2017	Calbuco	186292.2	2017	10102	33985	6331140370	Rural	54	0.0015889	10102	10059779	19476597	360677.72
10102032011	10102	2	2017	Calbuco	186292.2	2017	10102	33985	6331140370	Rural	163	0.0047962	10102	30365628	19476597	119488.32
10102032016	10102	1	2017	Calbuco	186292.2	2017	10102	33985	6331140370	Rural	95	0.0027954	10102	17697759	14352202	151075.81
10102032018	10102	5	2017	Calbuco	186292.2	2017	10102	33985	6331140370	Rural	470	0.0138296	10102	87557333	31955447	67990.31
10102032034	10102	10	2017	Calbuco	186292.2	2017	10102	33985	6331140370	Rural	695	0.0204502	10102	129473078	49702636	71514.58
10102032901	10102	4	2017	Calbuco	186292.2	2017	10102	33985	6331140370	Rural	89	0.0026188	10102	16580006	28056408	315240.54
10102042014	10102	4	2017	Calbuco	186292.2	2017	10102	33985	6331140370	Rural	87	0.0025600	10102	16207421	28056408	322487.45
10102042019	10102	14	2017	Calbuco	186292.2	2017	10102	33985	6331140370	Rural	336	0.0098867	10102	62594179	62788920	186871.79
10102042028	10102	2	2017	Calbuco	186292.2	2017	10102	33985	6331140370	Rural	171	0.0050316	10102	31855966	19476597	113898.23
10102042029	10102	2	2017	Calbuco	186292.2	2017	10102	33985	6331140370	Rural	183	0.0053847	10102	34091472	19476597	106429.49
10102042035	10102	2	2017	Calbuco	186292.2	2017	10102	33985	6331140370	Rural	271	0.0079741	10102	50485186	19476597	71869.36
10102042043	10102	2	2017	Calbuco	186292.2	2017	10102	33985	6331140370	Rural	86	0.0025305	10102	16021129	19476597	226472.05
10102042901	10102	7	2017	Calbuco	186292.2	2017	10102	33985	6331140370	Rural	127	0.0037369	10102	23659109	39323952	309637.42
10102052012	10102	9	2017	Calbuco	186292.2	2017	10102	33985	6331140370	Rural	302	0.0088863	10102	56260244	46311155	153348.20
10102052019	10102	8	2017	Calbuco	186292.2	2017	10102	33985	6331140370	Rural	332	0.0097690	10102	61849010	42855739	129083.55
10102052042	10102	10	2017	Calbuco	186292.2	2017	10102	33985	6331140370	Rural	410	0.0120641	10102	76379801	49702636	121225.94
10102052043	10102	2	2017	Calbuco	186292.2	2017	10102	33985	6331140370	Rural	273	0.0080330	10102	50857770	19476597	71342.85
10102062015	10102	12	2017	Calbuco	186292.2	2017	10102	33985	6331140370	Rural	1129	0.0332205	10102	210323892	56329241	49893.04
10102062019	10102	4	2017	Calbuco	186292.2	2017	10102	33985	6331140370	Rural	362	0.0106518	10102	67437776	28056408	77503.89
10102062027	10102	1	2017	Calbuco	186292.2	2017	10102	33985	6331140370	Rural	25	0.0007356	10102	4657305	14352202	574088.07
10102062038	10102	5	2017	Calbuco	186292.2	2017	10102	33985	6331140370	Rural	357	0.0105046	10102	66506315	31955447	89511.06
10102062039	10102	6	2017	Calbuco	186292.2	2017	10102	33985	6331140370	Rural	643	0.0189201	10102	119785884	35698717	55519.00
10102072022	10102	5	2017	Calbuco	186292.2	2017	10102	33985	6331140370	Rural	148	0.0043549	10102	27571245	31955447	215915.18
10102082022	10102	10	2017	Calbuco	186292.2	2017	10102	33985	6331140370	Rural	565	0.0166250	10102	105255092	49702636	87969.27
10102092022	10102	3	2017	Calbuco	186292.2	2017	10102	33985	6331140370	Rural	308	0.0090628	10102	57377997	23938077	77721.03
10102102023	10102	14	2017	Calbuco	186292.2	2017	10102	33985	6331140370	Rural	630	0.0185376	10102	117364085	62788920	99664.95
10102112023	10102	14	2017	Calbuco	186292.2	2017	10102	33985	6331140370	Rural	650	0.0191261	10102	121089929	62788920	96598.34
10102122023	10102	4	2017	Calbuco	186292.2	2017	10102	33985	6331140370	Rural	511	0.0150360	10102	95195314	28056408	54904.91
10102132023	10102	7	2017	Calbuco	186292.2	2017	10102	33985	6331140370	Rural	775	0.0228042	10102	144376454	39323952	50740.58
10102142901	10102	2	2017	Calbuco	186292.2	2017	10102	33985	6331140370	Rural	55	0.0016184	10102	10246071	19476597	354119.94
10102152006	10102	14	2017	Calbuco	186292.2	2017	10102	33985	6331140370	Rural	586	0.0172429	10102	109167228	62788920	107148.33
10102162030	10102	7	2017	Calbuco	186292.2	2017	10102	33985	6331140370	Rural	341	0.0100338	10102	63525640	39323952	115319.51
10102162031	10102	1	2017	Calbuco	186292.2	2017	10102	33985	6331140370	Rural	361	0.0106223	10102	67251484	14352202	39756.79
10102162036	10102	3	2017	Calbuco	186292.2	2017	10102	33985	6331140370	Rural	260	0.0076504	10102	48435972	23938077	92069.53

Guardamos:

saveRDS(h_y_m_comuna_corr_01, "casen_censo_rural_nivel_nacional.rds")

3 Referencias

https://rpubs.com/osoramirez/316691

https://dataintelligencechile.shinyapps.io/casenfinal

Manual_de_usuario_Censo_2017_16R.pdf

http://www.censo2017.cl/microdatos/

Censo de Población y Vivienda

https://www.ine.cl/estadisticas/sociales/censos-de-poblacion-y-vivienda/poblacion-y-vivienda