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.

DataIntelligence

Abstract

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

El primer paso será construir nuestra tabla de trabajo.

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. 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), ambos 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.

Repetiremos los mismos pasos señalados pero a nivel rural.

---

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-

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

Hagamos un subset con la 3:

tabla_con_clave_r <- filter(tabla_con_clave, tabla_con_clave$REGION == 3)

3.2 Cálculo de frecuencias

tabla_con_clave_f <- tabla_con_clave_r[,-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"

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
1	3101011001	59	2017	03101
2	3101021001	77	2017	03101
3	3101031001	45	2017	03101
4	3101041001	91	2017	03101
5	3101051001	71	2017	03101
6	3101061001	55	2017	03101
7	3101061002	12	2017	03101
8	3101061003	25	2017	03101
9	3101061004	87	2017	03101
10	3101061005	75	2017	03101
11	3101061006	89	2017	03101
12	3101061007	35	2017	03101
13	3101061008	30	2017	03101
14	3101061009	109	2017	03101
15	3101071001	162	2017	03101
16	3101071002	162	2017	03101
17	3101081001	68	2017	03101
18	3101091001	102	2017	03101
19	3101101001	2	2017	03101
20	3101111001	665	2017	03101
21	3101111002	187	2017	03101
22	3101111003	640	2017	03101
23	3101161001	186	2017	03101
24	3101161002	654	2017	03101
25	3101161003	264	2017	03101
26	3101161004	334	2017	03101
27	3101211001	367	2017	03101
28	3101211002	80	2017	03101
29	3101211003	108	2017	03101
30	3101211004	169	2017	03101
31	3101211005	301	2017	03101
32	3101211006	219	2017	03101
33	3101211007	248	2017	03101
34	3101231001	16	2017	03101
35	3101231002	81	2017	03101
36	3101231003	122	2017	03101
37	3101231004	81	2017	03101
38	3101231005	36	2017	03101
39	3101241001	515	2017	03101
40	3101241002	719	2017	03101
41	3101241003	149	2017	03101
42	3101241004	98	2017	03101
43	3101241005	287	2017	03101
129	3102011001	179	2017	03102
130	3102011002	148	2017	03102
131	3102011003	228	2017	03102
132	3102011007	343	2017	03102
133	3102991999	9	2017	03102
219	3103011001	73	2017	03103
220	3103011002	19	2017	03103
221	3103011003	127	2017	03103
222	3103991999	2	2017	03103
308	3201011001	49	2017	03201
309	3201011002	65	2017	03201
310	3201011003	44	2017	03201
311	3201011004	15	2017	03201
312	3201011005	31	2017	03201
313	3201011006	11	2017	03201
399	3202011001	81	2017	03202
400	3202011002	38	2017	03202
401	3202011003	89	2017	03202
402	3202021001	56	2017	03202
403	3202021002	231	2017	03202
404	3202021003	119	2017	03202
490	3301011001	280	2017	03301
491	3301021001	397	2017	03301
492	3301021002	317	2017	03301
493	3301031001	164	2017	03301
494	3301031002	229	2017	03301
495	3301031003	149	2017	03301
496	3301031004	132	2017	03301
497	3301041001	314	2017	03301
498	3301041002	223	2017	03301
499	3301051001	1020	2017	03301
500	3301051002	254	2017	03301
501	3301051003	586	2017	03301
502	3301051004	270	2017	03301
503	3301991999	40	2017	03301
589	3303021001	217	2017	03303
590	3303021002	27	2017	03303
676	3304011001	64	2017	03304
677	3304011002	82	2017	03304
678	3304011003	225	2017	03304
679	3304011004	97	2017	03304
680	3304991999	8	2017	03304
NA	NA	NA	NA	NA
NA.1	NA	NA	NA	NA
NA.2	NA	NA	NA	NA
NA.3	NA	NA	NA	NA
NA.4	NA	NA	NA	NA
NA.5	NA	NA	NA	NA
NA.6	NA	NA	NA	NA
NA.7	NA	NA	NA	NA
NA.8	NA	NA	NA	NA
NA.9	NA	NA	NA	NA
NA.10	NA	NA	NA	NA
NA.11	NA	NA	NA	NA
NA.12	NA	NA	NA	NA
NA.13	NA	NA	NA	NA
NA.14	NA	NA	NA	NA

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
1	03101	3101011001	59	2017	Copiapó	330574.6	2017	3101	153937	50887663717	Urbano
2	03101	3101021001	77	2017	Copiapó	330574.6	2017	3101	153937	50887663717	Urbano
3	03101	3101031001	45	2017	Copiapó	330574.6	2017	3101	153937	50887663717	Urbano
4	03101	3101041001	91	2017	Copiapó	330574.6	2017	3101	153937	50887663717	Urbano
5	03101	3101051001	71	2017	Copiapó	330574.6	2017	3101	153937	50887663717	Urbano
6	03101	3101061001	55	2017	Copiapó	330574.6	2017	3101	153937	50887663717	Urbano
7	03101	3101061002	12	2017	Copiapó	330574.6	2017	3101	153937	50887663717	Urbano
8	03101	3101061003	25	2017	Copiapó	330574.6	2017	3101	153937	50887663717	Urbano
9	03101	3101061004	87	2017	Copiapó	330574.6	2017	3101	153937	50887663717	Urbano
10	03101	3101061005	75	2017	Copiapó	330574.6	2017	3101	153937	50887663717	Urbano
11	03101	3101061006	89	2017	Copiapó	330574.6	2017	3101	153937	50887663717	Urbano
12	03101	3101061007	35	2017	Copiapó	330574.6	2017	3101	153937	50887663717	Urbano
13	03101	3101061008	30	2017	Copiapó	330574.6	2017	3101	153937	50887663717	Urbano
14	03101	3101061009	109	2017	Copiapó	330574.6	2017	3101	153937	50887663717	Urbano
15	03101	3101071001	162	2017	Copiapó	330574.6	2017	3101	153937	50887663717	Urbano
16	03101	3101071002	162	2017	Copiapó	330574.6	2017	3101	153937	50887663717	Urbano
17	03101	3101081001	68	2017	Copiapó	330574.6	2017	3101	153937	50887663717	Urbano
18	03101	3101091001	102	2017	Copiapó	330574.6	2017	3101	153937	50887663717	Urbano
19	03101	3101101001	2	2017	Copiapó	330574.6	2017	3101	153937	50887663717	Urbano
20	03101	3101111001	665	2017	Copiapó	330574.6	2017	3101	153937	50887663717	Urbano
21	03101	3101111002	187	2017	Copiapó	330574.6	2017	3101	153937	50887663717	Urbano
22	03101	3101111003	640	2017	Copiapó	330574.6	2017	3101	153937	50887663717	Urbano
23	03101	3101161001	186	2017	Copiapó	330574.6	2017	3101	153937	50887663717	Urbano
24	03101	3101161002	654	2017	Copiapó	330574.6	2017	3101	153937	50887663717	Urbano
25	03101	3101161003	264	2017	Copiapó	330574.6	2017	3101	153937	50887663717	Urbano
26	03101	3101161004	334	2017	Copiapó	330574.6	2017	3101	153937	50887663717	Urbano
27	03101	3101211001	367	2017	Copiapó	330574.6	2017	3101	153937	50887663717	Urbano
28	03101	3101211002	80	2017	Copiapó	330574.6	2017	3101	153937	50887663717	Urbano
29	03101	3101211003	108	2017	Copiapó	330574.6	2017	3101	153937	50887663717	Urbano
30	03101	3101211004	169	2017	Copiapó	330574.6	2017	3101	153937	50887663717	Urbano
31	03101	3101211005	301	2017	Copiapó	330574.6	2017	3101	153937	50887663717	Urbano
32	03101	3101211006	219	2017	Copiapó	330574.6	2017	3101	153937	50887663717	Urbano
33	03101	3101211007	248	2017	Copiapó	330574.6	2017	3101	153937	50887663717	Urbano
34	03101	3101231001	16	2017	Copiapó	330574.6	2017	3101	153937	50887663717	Urbano
35	03101	3101231002	81	2017	Copiapó	330574.6	2017	3101	153937	50887663717	Urbano
36	03101	3101231003	122	2017	Copiapó	330574.6	2017	3101	153937	50887663717	Urbano
37	03101	3101231004	81	2017	Copiapó	330574.6	2017	3101	153937	50887663717	Urbano
38	03101	3101231005	36	2017	Copiapó	330574.6	2017	3101	153937	50887663717	Urbano
39	03101	3101241001	515	2017	Copiapó	330574.6	2017	3101	153937	50887663717	Urbano
40	03101	3101241002	719	2017	Copiapó	330574.6	2017	3101	153937	50887663717	Urbano
41	03101	3101241003	149	2017	Copiapó	330574.6	2017	3101	153937	50887663717	Urbano
42	03101	3101241004	98	2017	Copiapó	330574.6	2017	3101	153937	50887663717	Urbano
43	03101	3101241005	287	2017	Copiapó	330574.6	2017	3101	153937	50887663717	Urbano
44	03102	3102011001	179	2017	Caldera	299314.8	2017	3102	17662	5286498241	Urbano
45	03102	3102011002	148	2017	Caldera	299314.8	2017	3102	17662	5286498241	Urbano
46	03102	3102011003	228	2017	Caldera	299314.8	2017	3102	17662	5286498241	Urbano
47	03102	3102011007	343	2017	Caldera	299314.8	2017	3102	17662	5286498241	Urbano
48	03102	3102991999	9	2017	Caldera	299314.8	2017	3102	17662	5286498241	Urbano
49	03103	3103011001	73	2017	Tierra Amarilla	315860.6	2017	3103	14019	4428049932	Urbano
50	03103	3103011002	19	2017	Tierra Amarilla	315860.6	2017	3103	14019	4428049932	Urbano
51	03103	3103011003	127	2017	Tierra Amarilla	315860.6	2017	3103	14019	4428049932	Urbano
52	03103	3103991999	2	2017	Tierra Amarilla	315860.6	2017	3103	14019	4428049932	Urbano
53	03201	3201011001	49	2017	Chañaral	286389.3	2017	3201	12219	3499391196	Urbano
54	03201	3201011002	65	2017	Chañaral	286389.3	2017	3201	12219	3499391196	Urbano
55	03201	3201011003	44	2017	Chañaral	286389.3	2017	3201	12219	3499391196	Urbano
56	03201	3201011004	15	2017	Chañaral	286389.3	2017	3201	12219	3499391196	Urbano
57	03201	3201011005	31	2017	Chañaral	286389.3	2017	3201	12219	3499391196	Urbano
58	03201	3201011006	11	2017	Chañaral	286389.3	2017	3201	12219	3499391196	Urbano
59	03202	3202011001	81	2017	Diego de Almagro	325861.5	2017	3202	13925	4537621312	Urbano
60	03202	3202011002	38	2017	Diego de Almagro	325861.5	2017	3202	13925	4537621312	Urbano
61	03202	3202011003	89	2017	Diego de Almagro	325861.5	2017	3202	13925	4537621312	Urbano
62	03202	3202021001	56	2017	Diego de Almagro	325861.5	2017	3202	13925	4537621312	Urbano
63	03202	3202021002	231	2017	Diego de Almagro	325861.5	2017	3202	13925	4537621312	Urbano
64	03202	3202021003	119	2017	Diego de Almagro	325861.5	2017	3202	13925	4537621312	Urbano
65	03301	3301011001	280	2017	Vallenar	311577.0	2017	3301	51917	16176145007	Urbano
66	03301	3301021001	397	2017	Vallenar	311577.0	2017	3301	51917	16176145007	Urbano
67	03301	3301021002	317	2017	Vallenar	311577.0	2017	3301	51917	16176145007	Urbano
68	03301	3301031001	164	2017	Vallenar	311577.0	2017	3301	51917	16176145007	Urbano
69	03301	3301031002	229	2017	Vallenar	311577.0	2017	3301	51917	16176145007	Urbano
70	03301	3301031003	149	2017	Vallenar	311577.0	2017	3301	51917	16176145007	Urbano
71	03301	3301031004	132	2017	Vallenar	311577.0	2017	3301	51917	16176145007	Urbano
72	03301	3301041001	314	2017	Vallenar	311577.0	2017	3301	51917	16176145007	Urbano
73	03301	3301041002	223	2017	Vallenar	311577.0	2017	3301	51917	16176145007	Urbano
74	03301	3301051001	1020	2017	Vallenar	311577.0	2017	3301	51917	16176145007	Urbano
75	03301	3301051002	254	2017	Vallenar	311577.0	2017	3301	51917	16176145007	Urbano
76	03301	3301051003	586	2017	Vallenar	311577.0	2017	3301	51917	16176145007	Urbano
77	03301	3301051004	270	2017	Vallenar	311577.0	2017	3301	51917	16176145007	Urbano
78	03301	3301991999	40	2017	Vallenar	311577.0	2017	3301	51917	16176145007	Urbano
79	03303	3303021001	217	2017	Freirina	289049.9	2017	3303	7041	2035200054	Urbano
80	03303	3303021002	27	2017	Freirina	289049.9	2017	3303	7041	2035200054	Urbano
81	03304	3304011001	64	2017	Huasco	337414.8	2017	3304	10149	3424422750	Urbano
82	03304	3304011002	82	2017	Huasco	337414.8	2017	3304	10149	3424422750	Urbano
83	03304	3304011003	225	2017	Huasco	337414.8	2017	3304	10149	3424422750	Urbano
84	03304	3304011004	97	2017	Huasco	337414.8	2017	3304	10149	3424422750	Urbano
85	03304	3304991999	8	2017	Huasco	337414.8	2017	3304	10149	3424422750	Urbano
NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
NA.1	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
NA.2	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
NA.3	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
NA.4	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
NA.5	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
NA.6	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
NA.7	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
NA.8	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
NA.9	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
NA.10	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
NA.11	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
NA.12	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
NA.13	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
NA.14	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA

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
1	03101	3101011001	59	2017	Copiapó	330574.6	2017	3101	153937	50887663717	Urbano
2	03101	3101021001	77	2017	Copiapó	330574.6	2017	3101	153937	50887663717	Urbano
3	03101	3101031001	45	2017	Copiapó	330574.6	2017	3101	153937	50887663717	Urbano
4	03101	3101041001	91	2017	Copiapó	330574.6	2017	3101	153937	50887663717	Urbano
5	03101	3101051001	71	2017	Copiapó	330574.6	2017	3101	153937	50887663717	Urbano
6	03101	3101061001	55	2017	Copiapó	330574.6	2017	3101	153937	50887663717	Urbano
7	03101	3101061002	12	2017	Copiapó	330574.6	2017	3101	153937	50887663717	Urbano
8	03101	3101061003	25	2017	Copiapó	330574.6	2017	3101	153937	50887663717	Urbano
9	03101	3101061004	87	2017	Copiapó	330574.6	2017	3101	153937	50887663717	Urbano
10	03101	3101061005	75	2017	Copiapó	330574.6	2017	3101	153937	50887663717	Urbano
11	03101	3101061006	89	2017	Copiapó	330574.6	2017	3101	153937	50887663717	Urbano
12	03101	3101061007	35	2017	Copiapó	330574.6	2017	3101	153937	50887663717	Urbano
13	03101	3101061008	30	2017	Copiapó	330574.6	2017	3101	153937	50887663717	Urbano
14	03101	3101061009	109	2017	Copiapó	330574.6	2017	3101	153937	50887663717	Urbano
15	03101	3101071001	162	2017	Copiapó	330574.6	2017	3101	153937	50887663717	Urbano
16	03101	3101071002	162	2017	Copiapó	330574.6	2017	3101	153937	50887663717	Urbano
17	03101	3101081001	68	2017	Copiapó	330574.6	2017	3101	153937	50887663717	Urbano
18	03101	3101091001	102	2017	Copiapó	330574.6	2017	3101	153937	50887663717	Urbano
19	03101	3101101001	2	2017	Copiapó	330574.6	2017	3101	153937	50887663717	Urbano
20	03101	3101111001	665	2017	Copiapó	330574.6	2017	3101	153937	50887663717	Urbano
21	03101	3101111002	187	2017	Copiapó	330574.6	2017	3101	153937	50887663717	Urbano
22	03101	3101111003	640	2017	Copiapó	330574.6	2017	3101	153937	50887663717	Urbano
23	03101	3101161001	186	2017	Copiapó	330574.6	2017	3101	153937	50887663717	Urbano
24	03101	3101161002	654	2017	Copiapó	330574.6	2017	3101	153937	50887663717	Urbano
25	03101	3101161003	264	2017	Copiapó	330574.6	2017	3101	153937	50887663717	Urbano
26	03101	3101161004	334	2017	Copiapó	330574.6	2017	3101	153937	50887663717	Urbano
27	03101	3101211001	367	2017	Copiapó	330574.6	2017	3101	153937	50887663717	Urbano
28	03101	3101211002	80	2017	Copiapó	330574.6	2017	3101	153937	50887663717	Urbano
29	03101	3101211003	108	2017	Copiapó	330574.6	2017	3101	153937	50887663717	Urbano
30	03101	3101211004	169	2017	Copiapó	330574.6	2017	3101	153937	50887663717	Urbano
31	03101	3101211005	301	2017	Copiapó	330574.6	2017	3101	153937	50887663717	Urbano
32	03101	3101211006	219	2017	Copiapó	330574.6	2017	3101	153937	50887663717	Urbano
33	03101	3101211007	248	2017	Copiapó	330574.6	2017	3101	153937	50887663717	Urbano
34	03101	3101231001	16	2017	Copiapó	330574.6	2017	3101	153937	50887663717	Urbano
35	03101	3101231002	81	2017	Copiapó	330574.6	2017	3101	153937	50887663717	Urbano
36	03101	3101231003	122	2017	Copiapó	330574.6	2017	3101	153937	50887663717	Urbano
37	03101	3101231004	81	2017	Copiapó	330574.6	2017	3101	153937	50887663717	Urbano
38	03101	3101231005	36	2017	Copiapó	330574.6	2017	3101	153937	50887663717	Urbano
39	03101	3101241001	515	2017	Copiapó	330574.6	2017	3101	153937	50887663717	Urbano
40	03101	3101241002	719	2017	Copiapó	330574.6	2017	3101	153937	50887663717	Urbano
41	03101	3101241003	149	2017	Copiapó	330574.6	2017	3101	153937	50887663717	Urbano
42	03101	3101241004	98	2017	Copiapó	330574.6	2017	3101	153937	50887663717	Urbano
43	03101	3101241005	287	2017	Copiapó	330574.6	2017	3101	153937	50887663717	Urbano
44	03102	3102011001	179	2017	Caldera	299314.8	2017	3102	17662	5286498241	Urbano
45	03102	3102011002	148	2017	Caldera	299314.8	2017	3102	17662	5286498241	Urbano
46	03102	3102011003	228	2017	Caldera	299314.8	2017	3102	17662	5286498241	Urbano
47	03102	3102011007	343	2017	Caldera	299314.8	2017	3102	17662	5286498241	Urbano
48	03102	3102991999	9	2017	Caldera	299314.8	2017	3102	17662	5286498241	Urbano
49	03103	3103011001	73	2017	Tierra Amarilla	315860.6	2017	3103	14019	4428049932	Urbano
50	03103	3103011002	19	2017	Tierra Amarilla	315860.6	2017	3103	14019	4428049932	Urbano
51	03103	3103011003	127	2017	Tierra Amarilla	315860.6	2017	3103	14019	4428049932	Urbano
52	03103	3103991999	2	2017	Tierra Amarilla	315860.6	2017	3103	14019	4428049932	Urbano
53	03201	3201011001	49	2017	Chañaral	286389.3	2017	3201	12219	3499391196	Urbano
54	03201	3201011002	65	2017	Chañaral	286389.3	2017	3201	12219	3499391196	Urbano
55	03201	3201011003	44	2017	Chañaral	286389.3	2017	3201	12219	3499391196	Urbano
56	03201	3201011004	15	2017	Chañaral	286389.3	2017	3201	12219	3499391196	Urbano
57	03201	3201011005	31	2017	Chañaral	286389.3	2017	3201	12219	3499391196	Urbano
58	03201	3201011006	11	2017	Chañaral	286389.3	2017	3201	12219	3499391196	Urbano
59	03202	3202011001	81	2017	Diego de Almagro	325861.5	2017	3202	13925	4537621312	Urbano
60	03202	3202011002	38	2017	Diego de Almagro	325861.5	2017	3202	13925	4537621312	Urbano
61	03202	3202011003	89	2017	Diego de Almagro	325861.5	2017	3202	13925	4537621312	Urbano
62	03202	3202021001	56	2017	Diego de Almagro	325861.5	2017	3202	13925	4537621312	Urbano
63	03202	3202021002	231	2017	Diego de Almagro	325861.5	2017	3202	13925	4537621312	Urbano
64	03202	3202021003	119	2017	Diego de Almagro	325861.5	2017	3202	13925	4537621312	Urbano
65	03301	3301011001	280	2017	Vallenar	311577.0	2017	3301	51917	16176145007	Urbano
66	03301	3301021001	397	2017	Vallenar	311577.0	2017	3301	51917	16176145007	Urbano
67	03301	3301021002	317	2017	Vallenar	311577.0	2017	3301	51917	16176145007	Urbano
68	03301	3301031001	164	2017	Vallenar	311577.0	2017	3301	51917	16176145007	Urbano
69	03301	3301031002	229	2017	Vallenar	311577.0	2017	3301	51917	16176145007	Urbano
70	03301	3301031003	149	2017	Vallenar	311577.0	2017	3301	51917	16176145007	Urbano
71	03301	3301031004	132	2017	Vallenar	311577.0	2017	3301	51917	16176145007	Urbano
72	03301	3301041001	314	2017	Vallenar	311577.0	2017	3301	51917	16176145007	Urbano
73	03301	3301041002	223	2017	Vallenar	311577.0	2017	3301	51917	16176145007	Urbano
74	03301	3301051001	1020	2017	Vallenar	311577.0	2017	3301	51917	16176145007	Urbano
75	03301	3301051002	254	2017	Vallenar	311577.0	2017	3301	51917	16176145007	Urbano
76	03301	3301051003	586	2017	Vallenar	311577.0	2017	3301	51917	16176145007	Urbano
77	03301	3301051004	270	2017	Vallenar	311577.0	2017	3301	51917	16176145007	Urbano
78	03301	3301991999	40	2017	Vallenar	311577.0	2017	3301	51917	16176145007	Urbano
79	03303	3303021001	217	2017	Freirina	289049.9	2017	3303	7041	2035200054	Urbano
80	03303	3303021002	27	2017	Freirina	289049.9	2017	3303	7041	2035200054	Urbano
81	03304	3304011001	64	2017	Huasco	337414.8	2017	3304	10149	3424422750	Urbano
82	03304	3304011002	82	2017	Huasco	337414.8	2017	3304	10149	3424422750	Urbano
83	03304	3304011003	225	2017	Huasco	337414.8	2017	3304	10149	3424422750	Urbano
84	03304	3304011004	97	2017	Huasco	337414.8	2017	3304	10149	3424422750	Urbano
85	03304	3304991999	8	2017	Huasco	337414.8	2017	3304	10149	3424422750	Urbano
NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
NA.1	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
NA.2	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
NA.3	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
NA.4	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
NA.5	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
NA.6	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
NA.7	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
NA.8	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
NA.9	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
NA.10	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
NA.11	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
NA.12	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
NA.13	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
NA.14	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA

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
3101011001	03101	59	2017	Copiapó	330574.6	2017	3101	153937	50887663717	Urbano	869	0.0056452	03101
3101021001	03101	77	2017	Copiapó	330574.6	2017	3101	153937	50887663717	Urbano	1437	0.0093350	03101
3101031001	03101	45	2017	Copiapó	330574.6	2017	3101	153937	50887663717	Urbano	1502	0.0097572	03101
3101041001	03101	91	2017	Copiapó	330574.6	2017	3101	153937	50887663717	Urbano	1734	0.0112643	03101
3101051001	03101	71	2017	Copiapó	330574.6	2017	3101	153937	50887663717	Urbano	1576	0.0102380	03101
3101061001	03101	55	2017	Copiapó	330574.6	2017	3101	153937	50887663717	Urbano	4376	0.0284272	03101
3101061002	03101	12	2017	Copiapó	330574.6	2017	3101	153937	50887663717	Urbano	2049	0.0133106	03101
3101061003	03101	25	2017	Copiapó	330574.6	2017	3101	153937	50887663717	Urbano	4199	0.0272774	03101
3101061004	03101	87	2017	Copiapó	330574.6	2017	3101	153937	50887663717	Urbano	5838	0.0379246	03101
3101061005	03101	75	2017	Copiapó	330574.6	2017	3101	153937	50887663717	Urbano	3217	0.0208982	03101
3101061006	03101	89	2017	Copiapó	330574.6	2017	3101	153937	50887663717	Urbano	1930	0.0125376	03101
3101061007	03101	35	2017	Copiapó	330574.6	2017	3101	153937	50887663717	Urbano	3446	0.0223858	03101
3101061008	03101	30	2017	Copiapó	330574.6	2017	3101	153937	50887663717	Urbano	2624	0.0170459	03101
3101061009	03101	109	2017	Copiapó	330574.6	2017	3101	153937	50887663717	Urbano	5319	0.0345531	03101
3101071001	03101	162	2017	Copiapó	330574.6	2017	3101	153937	50887663717	Urbano	3367	0.0218726	03101
3101071002	03101	162	2017	Copiapó	330574.6	2017	3101	153937	50887663717	Urbano	2651	0.0172213	03101
3101081001	03101	68	2017	Copiapó	330574.6	2017	3101	153937	50887663717	Urbano	2352	0.0152790	03101
3101091001	03101	102	2017	Copiapó	330574.6	2017	3101	153937	50887663717	Urbano	4467	0.0290184	03101
3101101001	03101	2	2017	Copiapó	330574.6	2017	3101	153937	50887663717	Urbano	94	0.0006106	03101
3101111001	03101	665	2017	Copiapó	330574.6	2017	3101	153937	50887663717	Urbano	3046	0.0197873	03101
3101111002	03101	187	2017	Copiapó	330574.6	2017	3101	153937	50887663717	Urbano	2128	0.0138238	03101
3101111003	03101	640	2017	Copiapó	330574.6	2017	3101	153937	50887663717	Urbano	4579	0.0297459	03101
3101161001	03101	186	2017	Copiapó	330574.6	2017	3101	153937	50887663717	Urbano	3897	0.0253156	03101
3101161002	03101	654	2017	Copiapó	330574.6	2017	3101	153937	50887663717	Urbano	5267	0.0342153	03101
3101161003	03101	264	2017	Copiapó	330574.6	2017	3101	153937	50887663717	Urbano	4789	0.0311101	03101
3101161004	03101	334	2017	Copiapó	330574.6	2017	3101	153937	50887663717	Urbano	4382	0.0284662	03101
3101211001	03101	367	2017	Copiapó	330574.6	2017	3101	153937	50887663717	Urbano	4698	0.0305190	03101
3101211002	03101	80	2017	Copiapó	330574.6	2017	3101	153937	50887663717	Urbano	2574	0.0167211	03101
3101211003	03101	108	2017	Copiapó	330574.6	2017	3101	153937	50887663717	Urbano	4857	0.0315519	03101
3101211004	03101	169	2017	Copiapó	330574.6	2017	3101	153937	50887663717	Urbano	4381	0.0284597	03101
3101211005	03101	301	2017	Copiapó	330574.6	2017	3101	153937	50887663717	Urbano	3957	0.0257053	03101
3101211006	03101	219	2017	Copiapó	330574.6	2017	3101	153937	50887663717	Urbano	5331	0.0346311	03101
3101211007	03101	248	2017	Copiapó	330574.6	2017	3101	153937	50887663717	Urbano	2203	0.0143110	03101
3101231001	03101	16	2017	Copiapó	330574.6	2017	3101	153937	50887663717	Urbano	2431	0.0157922	03101
3101231002	03101	81	2017	Copiapó	330574.6	2017	3101	153937	50887663717	Urbano	4099	0.0266278	03101
3101231003	03101	122	2017	Copiapó	330574.6	2017	3101	153937	50887663717	Urbano	6102	0.0396396	03101
3101231004	03101	81	2017	Copiapó	330574.6	2017	3101	153937	50887663717	Urbano	3368	0.0218791	03101
3101231005	03101	36	2017	Copiapó	330574.6	2017	3101	153937	50887663717	Urbano	3855	0.0250427	03101
3101241001	03101	515	2017	Copiapó	330574.6	2017	3101	153937	50887663717	Urbano	5023	0.0326302	03101
3101241002	03101	719	2017	Copiapó	330574.6	2017	3101	153937	50887663717	Urbano	6270	0.0407309	03101
3101241003	03101	149	2017	Copiapó	330574.6	2017	3101	153937	50887663717	Urbano	3082	0.0200212	03101
3101241004	03101	98	2017	Copiapó	330574.6	2017	3101	153937	50887663717	Urbano	3115	0.0202356	03101
3101241005	03101	287	2017	Copiapó	330574.6	2017	3101	153937	50887663717	Urbano	4323	0.0280829	03101
3102011001	03102	179	2017	Caldera	299314.8	2017	3102	17662	5286498241	Urbano	2174	0.1230891	03102
3102011002	03102	148	2017	Caldera	299314.8	2017	3102	17662	5286498241	Urbano	2696	0.1526441	03102
3102011003	03102	228	2017	Caldera	299314.8	2017	3102	17662	5286498241	Urbano	3928	0.2223984	03102
3102011007	03102	343	2017	Caldera	299314.8	2017	3102	17662	5286498241	Urbano	6749	0.3821198	03102
3102991999	03102	9	2017	Caldera	299314.8	2017	3102	17662	5286498241	Urbano	228	0.0129091	03102
3103011001	03103	73	2017	Tierra Amarilla	315860.6	2017	3103	14019	4428049932	Urbano	6039	0.4307725	03103
3103011002	03103	19	2017	Tierra Amarilla	315860.6	2017	3103	14019	4428049932	Urbano	1412	0.1007205	03103
3103011003	03103	127	2017	Tierra Amarilla	315860.6	2017	3103	14019	4428049932	Urbano	2406	0.1716242	03103
3103991999	03103	2	2017	Tierra Amarilla	315860.6	2017	3103	14019	4428049932	Urbano	78	0.0055639	03103
3201011001	03201	49	2017	Chañaral	286389.3	2017	3201	12219	3499391196	Urbano	4870	0.3985596	03201
3201011002	03201	65	2017	Chañaral	286389.3	2017	3201	12219	3499391196	Urbano	1606	0.1314347	03201
3201011003	03201	44	2017	Chañaral	286389.3	2017	3201	12219	3499391196	Urbano	2325	0.1902774	03201
3201011004	03201	15	2017	Chañaral	286389.3	2017	3201	12219	3499391196	Urbano	1169	0.0956707	03201
3201011005	03201	31	2017	Chañaral	286389.3	2017	3201	12219	3499391196	Urbano	735	0.0601522	03201
3201011006	03201	11	2017	Chañaral	286389.3	2017	3201	12219	3499391196	Urbano	368	0.0301170	03201
3202011001	03202	81	2017	Diego de Almagro	325861.5	2017	3202	13925	4537621312	Urbano	2416	0.1735009	03202
3202011002	03202	38	2017	Diego de Almagro	325861.5	2017	3202	13925	4537621312	Urbano	1650	0.1184919	03202
3202011003	03202	89	2017	Diego de Almagro	325861.5	2017	3202	13925	4537621312	Urbano	3157	0.2267145	03202
3202021001	03202	56	2017	Diego de Almagro	325861.5	2017	3202	13925	4537621312	Urbano	1494	0.1072890	03202
3202021002	03202	231	2017	Diego de Almagro	325861.5	2017	3202	13925	4537621312	Urbano	2848	0.2045242	03202
3202021003	03202	119	2017	Diego de Almagro	325861.5	2017	3202	13925	4537621312	Urbano	1690	0.1213645	03202
3301011001	03301	280	2017	Vallenar	311577.0	2017	3301	51917	16176145007	Urbano	3793	0.0730589	03301
3301021001	03301	397	2017	Vallenar	311577.0	2017	3301	51917	16176145007	Urbano	3947	0.0760252	03301
3301021002	03301	317	2017	Vallenar	311577.0	2017	3301	51917	16176145007	Urbano	2498	0.0481153	03301
3301031001	03301	164	2017	Vallenar	311577.0	2017	3301	51917	16176145007	Urbano	1903	0.0366547	03301
3301031002	03301	229	2017	Vallenar	311577.0	2017	3301	51917	16176145007	Urbano	2039	0.0392742	03301
3301031003	03301	149	2017	Vallenar	311577.0	2017	3301	51917	16176145007	Urbano	3371	0.0649306	03301
3301031004	03301	132	2017	Vallenar	311577.0	2017	3301	51917	16176145007	Urbano	2241	0.0431651	03301
3301041001	03301	314	2017	Vallenar	311577.0	2017	3301	51917	16176145007	Urbano	4893	0.0942466	03301
3301041002	03301	223	2017	Vallenar	311577.0	2017	3301	51917	16176145007	Urbano	2552	0.0491554	03301
3301051001	03301	1020	2017	Vallenar	311577.0	2017	3301	51917	16176145007	Urbano	5354	0.1031261	03301
3301051002	03301	254	2017	Vallenar	311577.0	2017	3301	51917	16176145007	Urbano	3313	0.0638134	03301
3301051003	03301	586	2017	Vallenar	311577.0	2017	3301	51917	16176145007	Urbano	5518	0.1062850	03301
3301051004	03301	270	2017	Vallenar	311577.0	2017	3301	51917	16176145007	Urbano	3876	0.0746576	03301
3301991999	03301	40	2017	Vallenar	311577.0	2017	3301	51917	16176145007	Urbano	721	0.0138876	03301
3303021001	03303	217	2017	Freirina	289049.9	2017	3303	7041	2035200054	Urbano	3504	0.4976566	03303
3303021002	03303	27	2017	Freirina	289049.9	2017	3303	7041	2035200054	Urbano	1037	0.1472802	03303
3304011001	03304	64	2017	Huasco	337414.8	2017	3304	10149	3424422750	Urbano	1426	0.1405065	03304
3304011002	03304	82	2017	Huasco	337414.8	2017	3304	10149	3424422750	Urbano	1476	0.1454330	03304
3304011003	03304	225	2017	Huasco	337414.8	2017	3304	10149	3424422750	Urbano	4169	0.4107794	03304
3304011004	03304	97	2017	Huasco	337414.8	2017	3304	10149	3424422750	Urbano	1589	0.1565671	03304
3304991999	03304	8	2017	Huasco	337414.8	2017	3304	10149	3424422750	Urbano	242	0.0238447	03304

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
3101011001	03101	59	2017	Copiapó	330574.6	2017	3101	153937	50887663717	Urbano	869	0.0056452	03101	287269336
3101021001	03101	77	2017	Copiapó	330574.6	2017	3101	153937	50887663717	Urbano	1437	0.0093350	03101	475035714
3101031001	03101	45	2017	Copiapó	330574.6	2017	3101	153937	50887663717	Urbano	1502	0.0097572	03101	496523064
3101041001	03101	91	2017	Copiapó	330574.6	2017	3101	153937	50887663717	Urbano	1734	0.0112643	03101	573216373
3101051001	03101	71	2017	Copiapó	330574.6	2017	3101	153937	50887663717	Urbano	1576	0.0102380	03101	520985585
3101061001	03101	55	2017	Copiapó	330574.6	2017	3101	153937	50887663717	Urbano	4376	0.0284272	03101	1446594493
3101061002	03101	12	2017	Copiapó	330574.6	2017	3101	153937	50887663717	Urbano	2049	0.0133106	03101	677347376
3101061003	03101	25	2017	Copiapó	330574.6	2017	3101	153937	50887663717	Urbano	4199	0.0272774	03101	1388082787
3101061004	03101	87	2017	Copiapó	330574.6	2017	3101	153937	50887663717	Urbano	5838	0.0379246	03101	1929894572
3101061005	03101	75	2017	Copiapó	330574.6	2017	3101	153937	50887663717	Urbano	3217	0.0208982	03101	1063458520
3101061006	03101	89	2017	Copiapó	330574.6	2017	3101	153937	50887663717	Urbano	1930	0.0125376	03101	638008997
3101061007	03101	35	2017	Copiapó	330574.6	2017	3101	153937	50887663717	Urbano	3446	0.0223858	03101	1139160106
3101061008	03101	30	2017	Copiapó	330574.6	2017	3101	153937	50887663717	Urbano	2624	0.0170459	03101	867427776
3101061009	03101	109	2017	Copiapó	330574.6	2017	3101	153937	50887663717	Urbano	5319	0.0345531	03101	1758326350
3101071001	03101	162	2017	Copiapó	330574.6	2017	3101	153937	50887663717	Urbano	3367	0.0218726	03101	1113044711
3101071002	03101	162	2017	Copiapó	330574.6	2017	3101	153937	50887663717	Urbano	2651	0.0172213	03101	876353291
3101081001	03101	68	2017	Copiapó	330574.6	2017	3101	153937	50887663717	Urbano	2352	0.0152790	03101	777511482
3101091001	03101	102	2017	Copiapó	330574.6	2017	3101	153937	50887663717	Urbano	4467	0.0290184	03101	1476676782
3101101001	03101	2	2017	Copiapó	330574.6	2017	3101	153937	50887663717	Urbano	94	0.0006106	03101	31074013
3101111001	03101	665	2017	Copiapó	330574.6	2017	3101	153937	50887663717	Urbano	3046	0.0197873	03101	1006930262
3101111002	03101	187	2017	Copiapó	330574.6	2017	3101	153937	50887663717	Urbano	2128	0.0138238	03101	703462770
3101111003	03101	640	2017	Copiapó	330574.6	2017	3101	153937	50887663717	Urbano	4579	0.0297459	03101	1513701139
3101161001	03101	186	2017	Copiapó	330574.6	2017	3101	153937	50887663717	Urbano	3897	0.0253156	03101	1288249255
3101161002	03101	654	2017	Copiapó	330574.6	2017	3101	153937	50887663717	Urbano	5267	0.0342153	03101	1741136470
3101161003	03101	264	2017	Copiapó	330574.6	2017	3101	153937	50887663717	Urbano	4789	0.0311101	03101	1583121807
3101161004	03101	334	2017	Copiapó	330574.6	2017	3101	153937	50887663717	Urbano	4382	0.0284662	03101	1448577940
3101211001	03101	367	2017	Copiapó	330574.6	2017	3101	153937	50887663717	Urbano	4698	0.0305190	03101	1553039517
3101211002	03101	80	2017	Copiapó	330574.6	2017	3101	153937	50887663717	Urbano	2574	0.0167211	03101	850899046
3101211003	03101	108	2017	Copiapó	330574.6	2017	3101	153937	50887663717	Urbano	4857	0.0315519	03101	1605600880
3101211004	03101	169	2017	Copiapó	330574.6	2017	3101	153937	50887663717	Urbano	4381	0.0284597	03101	1448247366
3101211005	03101	301	2017	Copiapó	330574.6	2017	3101	153937	50887663717	Urbano	3957	0.0257053	03101	1308083731
3101211006	03101	219	2017	Copiapó	330574.6	2017	3101	153937	50887663717	Urbano	5331	0.0346311	03101	1762293245
3101211007	03101	248	2017	Copiapó	330574.6	2017	3101	153937	50887663717	Urbano	2203	0.0143110	03101	728255866
3101231001	03101	16	2017	Copiapó	330574.6	2017	3101	153937	50887663717	Urbano	2431	0.0157922	03101	803626877
3101231002	03101	81	2017	Copiapó	330574.6	2017	3101	153937	50887663717	Urbano	4099	0.0266278	03101	1355025326
3101231003	03101	122	2017	Copiapó	330574.6	2017	3101	153937	50887663717	Urbano	6102	0.0396396	03101	2017166269
3101231004	03101	81	2017	Copiapó	330574.6	2017	3101	153937	50887663717	Urbano	3368	0.0218791	03101	1113375286
3101231005	03101	36	2017	Copiapó	330574.6	2017	3101	153937	50887663717	Urbano	3855	0.0250427	03101	1274365121
3101241001	03101	515	2017	Copiapó	330574.6	2017	3101	153937	50887663717	Urbano	5023	0.0326302	03101	1660476265
3101241002	03101	719	2017	Copiapó	330574.6	2017	3101	153937	50887663717	Urbano	6270	0.0407309	03101	2072702804
3101241003	03101	149	2017	Copiapó	330574.6	2017	3101	153937	50887663717	Urbano	3082	0.0200212	03101	1018830948
3101241004	03101	98	2017	Copiapó	330574.6	2017	3101	153937	50887663717	Urbano	3115	0.0202356	03101	1029739910
3101241005	03101	287	2017	Copiapó	330574.6	2017	3101	153937	50887663717	Urbano	4323	0.0280829	03101	1429074038
3102011001	03102	179	2017	Caldera	299314.8	2017	3102	17662	5286498241	Urbano	2174	0.1230891	03102	650710405
3102011002	03102	148	2017	Caldera	299314.8	2017	3102	17662	5286498241	Urbano	2696	0.1526441	03102	806952738
3102011003	03102	228	2017	Caldera	299314.8	2017	3102	17662	5286498241	Urbano	3928	0.2223984	03102	1175708588
3102011007	03102	343	2017	Caldera	299314.8	2017	3102	17662	5286498241	Urbano	6749	0.3821198	03102	2020075678
3102991999	03102	9	2017	Caldera	299314.8	2017	3102	17662	5286498241	Urbano	228	0.0129091	03102	68243778
3103011001	03103	73	2017	Tierra Amarilla	315860.6	2017	3103	14019	4428049932	Urbano	6039	0.4307725	03103	1907482241
3103011002	03103	19	2017	Tierra Amarilla	315860.6	2017	3103	14019	4428049932	Urbano	1412	0.1007205	03103	445995185
3103011003	03103	127	2017	Tierra Amarilla	315860.6	2017	3103	14019	4428049932	Urbano	2406	0.1716242	03103	759960635
3103991999	03103	2	2017	Tierra Amarilla	315860.6	2017	3103	14019	4428049932	Urbano	78	0.0055639	03103	24637128
3201011001	03201	49	2017	Chañaral	286389.3	2017	3201	12219	3499391196	Urbano	4870	0.3985596	03201	1394716026
3201011002	03201	65	2017	Chañaral	286389.3	2017	3201	12219	3499391196	Urbano	1606	0.1314347	03201	459941260
3201011003	03201	44	2017	Chañaral	286389.3	2017	3201	12219	3499391196	Urbano	2325	0.1902774	03201	665855187
3201011004	03201	15	2017	Chañaral	286389.3	2017	3201	12219	3499391196	Urbano	1169	0.0956707	03201	334789124
3201011005	03201	31	2017	Chañaral	286389.3	2017	3201	12219	3499391196	Urbano	735	0.0601522	03201	210496156
3201011006	03201	11	2017	Chañaral	286389.3	2017	3201	12219	3499391196	Urbano	368	0.0301170	03201	105391273
3202011001	03202	81	2017	Diego de Almagro	325861.5	2017	3202	13925	4537621312	Urbano	2416	0.1735009	03202	787281371
3202011002	03202	38	2017	Diego de Almagro	325861.5	2017	3202	13925	4537621312	Urbano	1650	0.1184919	03202	537671466
3202011003	03202	89	2017	Diego de Almagro	325861.5	2017	3202	13925	4537621312	Urbano	3157	0.2267145	03202	1028744738
3202021001	03202	56	2017	Diego de Almagro	325861.5	2017	3202	13925	4537621312	Urbano	1494	0.1072890	03202	486837073
3202021002	03202	231	2017	Diego de Almagro	325861.5	2017	3202	13925	4537621312	Urbano	2848	0.2045242	03202	928053537
3202021003	03202	119	2017	Diego de Almagro	325861.5	2017	3202	13925	4537621312	Urbano	1690	0.1213645	03202	550705926
3301011001	03301	280	2017	Vallenar	311577.0	2017	3301	51917	16176145007	Urbano	3793	0.0730589	03301	1181811700
3301021001	03301	397	2017	Vallenar	311577.0	2017	3301	51917	16176145007	Urbano	3947	0.0760252	03301	1229794563
3301021002	03301	317	2017	Vallenar	311577.0	2017	3301	51917	16176145007	Urbano	2498	0.0481153	03301	778319437
3301031001	03301	164	2017	Vallenar	311577.0	2017	3301	51917	16176145007	Urbano	1903	0.0366547	03301	592931101
3301031002	03301	229	2017	Vallenar	311577.0	2017	3301	51917	16176145007	Urbano	2039	0.0392742	03301	635305578
3301031003	03301	149	2017	Vallenar	311577.0	2017	3301	51917	16176145007	Urbano	3371	0.0649306	03301	1050326190
3301031004	03301	132	2017	Vallenar	311577.0	2017	3301	51917	16176145007	Urbano	2241	0.0431651	03301	698244139
3301041001	03301	314	2017	Vallenar	311577.0	2017	3301	51917	16176145007	Urbano	4893	0.0942466	03301	1524546440
3301041002	03301	223	2017	Vallenar	311577.0	2017	3301	51917	16176145007	Urbano	2552	0.0491554	03301	795144597
3301051001	03301	1020	2017	Vallenar	311577.0	2017	3301	51917	16176145007	Urbano	5354	0.1031261	03301	1668183454
3301051002	03301	254	2017	Vallenar	311577.0	2017	3301	51917	16176145007	Urbano	3313	0.0638134	03301	1032254722
3301051003	03301	586	2017	Vallenar	311577.0	2017	3301	51917	16176145007	Urbano	5518	0.1062850	03301	1719282088
3301051004	03301	270	2017	Vallenar	311577.0	2017	3301	51917	16176145007	Urbano	3876	0.0746576	03301	1207672594
3301991999	03301	40	2017	Vallenar	311577.0	2017	3301	51917	16176145007	Urbano	721	0.0138876	03301	224647043
3303021001	03303	217	2017	Freirina	289049.9	2017	3303	7041	2035200054	Urbano	3504	0.4976566	03303	1012830704
3303021002	03303	27	2017	Freirina	289049.9	2017	3303	7041	2035200054	Urbano	1037	0.1472802	03303	299744703
3304011001	03304	64	2017	Huasco	337414.8	2017	3304	10149	3424422750	Urbano	1426	0.1405065	03304	481153497
3304011002	03304	82	2017	Huasco	337414.8	2017	3304	10149	3424422750	Urbano	1476	0.1454330	03304	498024237
3304011003	03304	225	2017	Huasco	337414.8	2017	3304	10149	3424422750	Urbano	4169	0.4107794	03304	1406682278
3304011004	03304	97	2017	Huasco	337414.8	2017	3304	10149	3424422750	Urbano	1589	0.1565671	03304	536152108
3304991999	03304	8	2017	Huasco	337414.8	2017	3304	10149	3424422750	Urbano	242	0.0238447	03304	81654380

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 
## -726321170 -334949144  -54763915  271330000 1112553429 
## 
## Coefficients:
##              Estimate Std. Error t value Pr(>|t|)    
## (Intercept) 718436214   66018000   10.88  < 2e-16 ***
## Freq.x        1526038     258218    5.91 7.31e-08 ***
## ---
## Signif. codes:  0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
## 
## Residual standard error: 442200000 on 83 degrees of freedom
## Multiple R-squared:  0.2962, Adjusted R-squared:  0.2877 
## F-statistic: 34.93 on 1 and 83 DF,  p-value: 7.307e-08

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.

8 Modelos alternativos

8.1 Modelo cuadrático

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

linearMod <- lm( multi_pob~(Freq.x^2) , data=h_y_m_comuna_corr_01)
datos <- summary(linearMod)
dato <- datos$adj.r.squared
modelo <- "cuadrático"
sintaxis <- "linearMod <- lm( multi_pob~(Freq.x^2) , data=h_y_m_comuna_corr_01)"
modelos1 <- cbind(modelo,dato,sintaxis)
modelos1

##      modelo       dato               
## [1,] "cuadrático" "0.287693479921362"
##      sintaxis                                                            
## [1,] "linearMod <- lm( multi_pob~(Freq.x^2) , data=h_y_m_comuna_corr_01)"

8.2 Modelo cúbico

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

linearMod <- lm( multi_pob~(Freq.x^3) , data=h_y_m_comuna_corr_01)
datos <- summary(linearMod)
dato <- datos$adj.r.squared
modelo <- "cúbico"
sintaxis <- "linearMod <- lm( multi_pob~(Freq.x^3) , data=h_y_m_comuna_corr_01)"
modelos2 <- cbind(modelo,dato,sintaxis)
modelos2

##      modelo   dato               
## [1,] "cúbico" "0.287693479921362"
##      sintaxis                                                            
## [1,] "linearMod <- lm( multi_pob~(Freq.x^3) , data=h_y_m_comuna_corr_01)"

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)
datos <- summary(linearMod)
dato <- datos$adj.r.squared
modelo <- "logarítmico"
sintaxis <- "linearMod <- lm( multi_pob~log(Freq.x) , data=h_y_m_comuna_corr_01)"
modelos3 <- cbind(modelo,dato,sintaxis)
modelos3

##      modelo        dato               
## [1,] "logarítmico" "0.403831640886372"
##      sintaxis                                                             
## [1,] "linearMod <- lm( multi_pob~log(Freq.x) , data=h_y_m_comuna_corr_01)"

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)
datos <- summary(linearMod)
dato <- datos$adj.r.squared
modelo <- "raíz cuadrada"
sintaxis <- "linearMod <- lm( multi_pob~sqrt(Freq.x) , data=h_y_m_comuna_corr_01)"
modelos5 <- cbind(modelo,dato,sintaxis)
modelos5

##      modelo          dato               
## [1,] "raíz cuadrada" "0.367943647397227"
##      sintaxis                                                              
## [1,] "linearMod <- lm( multi_pob~sqrt(Freq.x) , data=h_y_m_comuna_corr_01)"

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)
datos <- summary(linearMod)
dato <- datos$adj.r.squared
modelo <- "raíz-raíz"
sintaxis <- "linearMod <- lm( sqrt(multi_pob)~sqrt(Freq.x) , data=h_y_m_comuna_corr_01)"
modelos6 <- cbind(modelo,dato,sintaxis)
modelos6

##      modelo      dato              
## [1,] "raíz-raíz" "0.38755764915871"
##      sintaxis                                                                    
## [1,] "linearMod <- lm( sqrt(multi_pob)~sqrt(Freq.x) , data=h_y_m_comuna_corr_01)"

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)
datos <- summary(linearMod)
dato <- datos$adj.r.squared
modelo <- "log-raíz"
sintaxis <- "linearMod <- lm( log(multi_pob)~sqrt(Freq.x) , data=h_y_m_comuna_corr_01)"
modelos7 <- cbind(modelo,dato,sintaxis)
modelos7

##      modelo     dato              
## [1,] "log-raíz" "0.35108178154676"
##      sintaxis                                                                   
## [1,] "linearMod <- lm( log(multi_pob)~sqrt(Freq.x) , data=h_y_m_comuna_corr_01)"

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)
datos <- summary(linearMod)
dato <- datos$adj.r.squared
modelo <- "raíz-log"
sintaxis <- "linearMod <- lm( sqrt(multi_pob)~log(Freq.x) , data=h_y_m_comuna_corr_01)"
modelos8 <- cbind(modelo,dato,sintaxis)
modelos8

##      modelo     dato               
## [1,] "raíz-log" "0.501984912163272"
##      sintaxis                                                                   
## [1,] "linearMod <- lm( sqrt(multi_pob)~log(Freq.x) , data=h_y_m_comuna_corr_01)"

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)
datos <- summary(linearMod)
dato <- datos$adj.r.squared
modelo <- "log-log"
sintaxis <- "linearMod <- lm( log(multi_pob)~log(Freq.x) , data=h_y_m_comuna_corr_01)"
modelos9 <- cbind(modelo,dato,sintaxis)
modelos9

##      modelo    dato               
## [1,] "log-log" "0.576282910777499"
##      sintaxis                                                                  
## [1,] "linearMod <- lm( log(multi_pob)~log(Freq.x) , data=h_y_m_comuna_corr_01)"

modelos_bind <- rbind(modelos1,modelos2,modelos3,modelos5,modelos6,modelos7,modelos8,modelos9)
modelos_bind <- as.data.frame(modelos_bind)
modelos_bind[order(modelos_bind$dato ),]

##          modelo              dato
## 1    cuadrático 0.287693479921362
## 2        cúbico 0.287693479921362
## 6      log-raíz  0.35108178154676
## 4 raíz cuadrada 0.367943647397227
## 5     raíz-raíz  0.38755764915871
## 3   logarítmico 0.403831640886372
## 7      raíz-log 0.501984912163272
## 8       log-log 0.576282910777499
##                                                                     sintaxis
## 1         linearMod <- lm( multi_pob~(Freq.x^2) , data=h_y_m_comuna_corr_01)
## 2         linearMod <- lm( multi_pob~(Freq.x^3) , data=h_y_m_comuna_corr_01)
## 6  linearMod <- lm( log(multi_pob)~sqrt(Freq.x) , data=h_y_m_comuna_corr_01)
## 4       linearMod <- lm( multi_pob~sqrt(Freq.x) , data=h_y_m_comuna_corr_01)
## 5 linearMod <- lm( sqrt(multi_pob)~sqrt(Freq.x) , data=h_y_m_comuna_corr_01)
## 3        linearMod <- lm( multi_pob~log(Freq.x) , data=h_y_m_comuna_corr_01)
## 7  linearMod <- lm( sqrt(multi_pob)~log(Freq.x) , data=h_y_m_comuna_corr_01)
## 8   linearMod <- lm( log(multi_pob)~log(Freq.x) , data=h_y_m_comuna_corr_01)

metodo <- 8
switch (metodo,
        case = linearMod <- lm( multi_pob~(Freq.x^2) , data=h_y_m_comuna_corr_01),
        case = linearMod <- lm( multi_pob~(Freq.x^3) , data=h_y_m_comuna_corr_01),
        case = linearMod <- lm( multi_pob~log(Freq.x) , data=h_y_m_comuna_corr_01),
        case = linearMod <- lm( multi_pob~sqrt(Freq.x) , data=h_y_m_comuna_corr_01),
        case = linearMod <- lm( sqrt(multi_pob)~sqrt(Freq.x) , data=h_y_m_comuna_corr_01),
        case = linearMod <- lm( log(multi_pob)~sqrt(Freq.x) , data=h_y_m_comuna_corr_01),
        case = linearMod <- lm( sqrt(multi_pob)~log(Freq.x) , data=h_y_m_comuna_corr_01),
        case = 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 
## -1.35469 -0.33356 -0.08175  0.28990  1.32071 
## 
## Coefficients:
##             Estimate Std. Error t value Pr(>|t|)    
## (Intercept) 18.00232    0.23813   75.60   <2e-16 ***
## log(Freq.x)  0.53688    0.05001   10.73   <2e-16 ***
## ---
## Signif. codes:  0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
## 
## Residual standard error: 0.5602 on 83 degrees of freedom
## Multiple R-squared:  0.5813, Adjusted R-squared:  0.5763 
## F-statistic: 115.2 on 1 and 83 DF,  p-value: < 2.2e-16

aa <- linearMod$coefficients[1]
aa

## (Intercept) 
##    18.00232

bb <- linearMod$coefficients[2]
bb

## log(Freq.x) 
##   0.5368848

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 
## -1.35469 -0.33356 -0.08175  0.28990  1.32071 
## 
## Coefficients:
##             Estimate Std. Error t value Pr(>|t|)    
## (Intercept) 18.00232    0.23813   75.60   <2e-16 ***
## log(Freq.x)  0.53688    0.05001   10.73   <2e-16 ***
## ---
## Signif. codes:  0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
## 
## Residual standard error: 0.5602 on 83 degrees of freedom
## Multiple R-squared:  0.5813, Adjusted R-squared:  0.5763 
## F-statistic: 115.2 on 1 and 83 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$est_ing <- exp(aa+bb * log(h_y_m_comuna_corr_01$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
1	3101011001	03101	59	2017	Copiapó	330574.6	2017	3101	153937	50887663717	Urbano	869	0.0056452	03101	287269336	587557021
2	3101021001	03101	77	2017	Copiapó	330574.6	2017	3101	153937	50887663717	Urbano	1437	0.0093350	03101	475035714	677851695
3	3101031001	03101	45	2017	Copiapó	330574.6	2017	3101	153937	50887663717	Urbano	1502	0.0097572	03101	496523064	508032112
4	3101041001	03101	91	2017	Copiapó	330574.6	2017	3101	153937	50887663717	Urbano	1734	0.0112643	03101	573216373	741457112
5	3101051001	03101	71	2017	Copiapó	330574.6	2017	3101	153937	50887663717	Urbano	1576	0.0102380	03101	520985585	648961540
6	3101061001	03101	55	2017	Copiapó	330574.6	2017	3101	153937	50887663717	Urbano	4376	0.0284272	03101	1446594493	565823222
7	3101061002	03101	12	2017	Copiapó	330574.6	2017	3101	153937	50887663717	Urbano	2049	0.0133106	03101	677347376	249863323
8	3101061003	03101	25	2017	Copiapó	330574.6	2017	3101	153937	50887663717	Urbano	4199	0.0272774	03101	1388082787	370543536
9	3101061004	03101	87	2017	Copiapó	330574.6	2017	3101	153937	50887663717	Urbano	5838	0.0379246	03101	1929894572	723777196
10	3101061005	03101	75	2017	Copiapó	330574.6	2017	3101	153937	50887663717	Urbano	3217	0.0208982	03101	1063458520	668341428
11	3101061006	03101	89	2017	Copiapó	330574.6	2017	3101	153937	50887663717	Urbano	1930	0.0125376	03101	638008997	732663157
12	3101061007	03101	35	2017	Copiapó	330574.6	2017	3101	153937	50887663717	Urbano	3446	0.0223858	03101	1139160106	443908192
13	3101061008	03101	30	2017	Copiapó	330574.6	2017	3101	153937	50887663717	Urbano	2624	0.0170459	03101	867427776	408649006
14	3101061009	03101	109	2017	Copiapó	330574.6	2017	3101	153937	50887663717	Urbano	5319	0.0345531	03101	1758326350	816901711
15	3101071001	03101	162	2017	Copiapó	330574.6	2017	3101	153937	50887663717	Urbano	3367	0.0218726	03101	1113044711	1010558621
16	3101071002	03101	162	2017	Copiapó	330574.6	2017	3101	153937	50887663717	Urbano	2651	0.0172213	03101	876353291	1010558621
17	3101081001	03101	68	2017	Copiapó	330574.6	2017	3101	153937	50887663717	Urbano	2352	0.0152790	03101	777511482	634092582
18	3101091001	03101	102	2017	Copiapó	330574.6	2017	3101	153937	50887663717	Urbano	4467	0.0290184	03101	1476676782	788303382
19	3101101001	03101	2	2017	Copiapó	330574.6	2017	3101	153937	50887663717	Urbano	94	0.0006106	03101	31074013	95482756
20	3101111001	03101	665	2017	Copiapó	330574.6	2017	3101	153937	50887663717	Urbano	3046	0.0197873	03101	1006930262	2156932270
21	3101111002	03101	187	2017	Copiapó	330574.6	2017	3101	153937	50887663717	Urbano	2128	0.0138238	03101	703462770	1091499925
22	3101111003	03101	640	2017	Copiapó	330574.6	2017	3101	153937	50887663717	Urbano	4579	0.0297459	03101	1513701139	2113011438
23	3101161001	03101	186	2017	Copiapó	330574.6	2017	3101	153937	50887663717	Urbano	3897	0.0253156	03101	1288249255	1088362292
24	3101161002	03101	654	2017	Copiapó	330574.6	2017	3101	153937	50887663717	Urbano	5267	0.0342153	03101	1741136470	2137703016
25	3101161003	03101	264	2017	Copiapó	330574.6	2017	3101	153937	50887663717	Urbano	4789	0.0311101	03101	1583121807	1313496200
26	3101161004	03101	334	2017	Copiapó	330574.6	2017	3101	153937	50887663717	Urbano	4382	0.0284662	03101	1448577940	1490279049
27	3101211001	03101	367	2017	Copiapó	330574.6	2017	3101	153937	50887663717	Urbano	4698	0.0305190	03101	1553039517	1567605235
28	3101211002	03101	80	2017	Copiapó	330574.6	2017	3101	153937	50887663717	Urbano	2574	0.0167211	03101	850899046	691905172
29	3101211003	03101	108	2017	Copiapó	330574.6	2017	3101	153937	50887663717	Urbano	4857	0.0315519	03101	1605600880	812869435
30	3101211004	03101	169	2017	Copiapó	330574.6	2017	3101	153937	50887663717	Urbano	4381	0.0284597	03101	1448247366	1033772541
31	3101211005	03101	301	2017	Copiapó	330574.6	2017	3101	153937	50887663717	Urbano	3957	0.0257053	03101	1308083731	1409325004
32	3101211006	03101	219	2017	Copiapó	330574.6	2017	3101	153937	50887663717	Urbano	5331	0.0346311	03101	1762293245	1188106448
33	3101211007	03101	248	2017	Copiapó	330574.6	2017	3101	153937	50887663717	Urbano	2203	0.0143110	03101	728255866	1270138829
34	3101231001	03101	16	2017	Copiapó	330574.6	2017	3101	153937	50887663717	Urbano	2431	0.0157922	03101	803626877	291595098
35	3101231002	03101	81	2017	Copiapó	330574.6	2017	3101	153937	50887663717	Urbano	4099	0.0266278	03101	1355025326	696535230
36	3101231003	03101	122	2017	Copiapó	330574.6	2017	3101	153937	50887663717	Urbano	6102	0.0396396	03101	2017166269	867843405
37	3101231004	03101	81	2017	Copiapó	330574.6	2017	3101	153937	50887663717	Urbano	3368	0.0218791	03101	1113375286	696535230
38	3101231005	03101	36	2017	Copiapó	330574.6	2017	3101	153937	50887663717	Urbano	3855	0.0250427	03101	1274365121	450673117
39	3101241001	03101	515	2017	Copiapó	330574.6	2017	3101	153937	50887663717	Urbano	5023	0.0326302	03101	1660476265	1880332088
40	3101241002	03101	719	2017	Copiapó	330574.6	2017	3101	153937	50887663717	Urbano	6270	0.0407309	03101	2072702804	2249265863
41	3101241003	03101	149	2017	Copiapó	330574.6	2017	3101	153937	50887663717	Urbano	3082	0.0200212	03101	1018830948	966178036
42	3101241004	03101	98	2017	Copiapó	330574.6	2017	3101	153937	50887663717	Urbano	3115	0.0202356	03101	1029739910	771552534
43	3101241005	03101	287	2017	Copiapó	330574.6	2017	3101	153937	50887663717	Urbano	4323	0.0280829	03101	1429074038	1373744323
44	3102011001	03102	179	2017	Caldera	299314.8	2017	3102	17662	5286498241	Urbano	2174	0.1230891	03102	650710405	1066176321
45	3102011002	03102	148	2017	Caldera	299314.8	2017	3102	17662	5286498241	Urbano	2696	0.1526441	03102	806952738	962691223
46	3102011003	03102	228	2017	Caldera	299314.8	2017	3102	17662	5286498241	Urbano	3928	0.2223984	03102	1175708588	1214075963
47	3102011007	03102	343	2017	Caldera	299314.8	2017	3102	17662	5286498241	Urbano	6749	0.3821198	03102	2020075678	1511706065
48	3102991999	03102	9	2017	Caldera	299314.8	2017	3102	17662	5286498241	Urbano	228	0.0129091	03102	68243778	214104012
49	3103011001	03103	73	2017	Tierra Amarilla	315860.6	2017	3103	14019	4428049932	Urbano	6039	0.4307725	03103	1907482241	658712966
50	3103011002	03103	19	2017	Tierra Amarilla	315860.6	2017	3103	14019	4428049932	Urbano	1412	0.1007205	03103	445995185	319778950
51	3103011003	03103	127	2017	Tierra Amarilla	315860.6	2017	3103	14019	4428049932	Urbano	2406	0.1716242	03103	759960635	886761290
52	3103991999	03103	2	2017	Tierra Amarilla	315860.6	2017	3103	14019	4428049932	Urbano	78	0.0055639	03103	24637128	95482756
53	3201011001	03201	49	2017	Chañaral	286389.3	2017	3201	12219	3499391196	Urbano	4870	0.3985596	03201	1394716026	531798464
54	3201011002	03201	65	2017	Chañaral	286389.3	2017	3201	12219	3499391196	Urbano	1606	0.1314347	03201	459941260	618916579
55	3201011003	03201	44	2017	Chañaral	286389.3	2017	3201	12219	3499391196	Urbano	2325	0.1902774	03201	665855187	501939364
56	3201011004	03201	15	2017	Chañaral	286389.3	2017	3201	12219	3499391196	Urbano	1169	0.0956707	03201	334789124	281664442
57	3201011005	03201	31	2017	Chañaral	286389.3	2017	3201	12219	3499391196	Urbano	735	0.0601522	03201	210496156	415906705
58	3201011006	03201	11	2017	Chañaral	286389.3	2017	3201	12219	3499391196	Urbano	368	0.0301170	03201	105391273	238459379
59	3202011001	03202	81	2017	Diego de Almagro	325861.5	2017	3202	13925	4537621312	Urbano	2416	0.1735009	03202	787281371	696535230
60	3202011002	03202	38	2017	Diego de Almagro	325861.5	2017	3202	13925	4537621312	Urbano	1650	0.1184919	03202	537671466	463946920
61	3202011003	03202	89	2017	Diego de Almagro	325861.5	2017	3202	13925	4537621312	Urbano	3157	0.2267145	03202	1028744738	732663157
62	3202021001	03202	56	2017	Diego de Almagro	325861.5	2017	3202	13925	4537621312	Urbano	1494	0.1072890	03202	486837073	571323479
63	3202021002	03202	231	2017	Diego de Almagro	325861.5	2017	3202	13925	4537621312	Urbano	2848	0.2045242	03202	928053537	1222626563
64	3202021003	03202	119	2017	Diego de Almagro	325861.5	2017	3202	13925	4537621312	Urbano	1690	0.1213645	03202	550705926	856320029
65	3301011001	03301	280	2017	Vallenar	311577.0	2017	3301	51917	16176145007	Urbano	3793	0.0730589	03301	1181811700	1355652660
66	3301021001	03301	397	2017	Vallenar	311577.0	2017	3301	51917	16176145007	Urbano	3947	0.0760252	03301	1229794563	1635150001
67	3301021002	03301	317	2017	Vallenar	311577.0	2017	3301	51917	16176145007	Urbano	2498	0.0481153	03301	778319437	1449062712
68	3301031001	03301	164	2017	Vallenar	311577.0	2017	3301	51917	16176145007	Urbano	1903	0.0366547	03301	592931101	1017237779
69	3301031002	03301	229	2017	Vallenar	311577.0	2017	3301	51917	16176145007	Urbano	2039	0.0392742	03301	635305578	1216931920
70	3301031003	03301	149	2017	Vallenar	311577.0	2017	3301	51917	16176145007	Urbano	3371	0.0649306	03301	1050326190	966178036
71	3301031004	03301	132	2017	Vallenar	311577.0	2017	3301	51917	16176145007	Urbano	2241	0.0431651	03301	698244139	905337265
72	3301041001	03301	314	2017	Vallenar	311577.0	2017	3301	51917	16176145007	Urbano	4893	0.0942466	03301	1524546440	1441683919
73	3301041002	03301	223	2017	Vallenar	311577.0	2017	3301	51917	16176145007	Urbano	2552	0.0491554	03301	795144597	1199708315
74	3301051001	03301	1020	2017	Vallenar	311577.0	2017	3301	51917	16176145007	Urbano	5354	0.1031261	03301	1668183454	2713802085
75	3301051002	03301	254	2017	Vallenar	311577.0	2017	3301	51917	16176145007	Urbano	3313	0.0638134	03301	1032254722	1286545500
76	3301051003	03301	586	2017	Vallenar	311577.0	2017	3301	51917	16176145007	Urbano	5518	0.1062850	03301	1719282088	2015341429
77	3301051004	03301	270	2017	Vallenar	311577.0	2017	3301	51917	16176145007	Urbano	3876	0.0746576	03301	1207672594	1329439961
78	3301991999	03301	40	2017	Vallenar	311577.0	2017	3301	51917	16176145007	Urbano	721	0.0138876	03301	224647043	476900913
79	3303021001	03303	217	2017	Freirina	289049.9	2017	3303	7041	2035200054	Urbano	3504	0.4976566	03303	1012830704	1182268720
80	3303021002	03303	27	2017	Freirina	289049.9	2017	3303	7041	2035200054	Urbano	1037	0.1472802	03303	299744703	386174815
81	3304011001	03304	64	2017	Huasco	337414.8	2017	3304	10149	3424422750	Urbano	1426	0.1405065	03304	481153497	613786124
82	3304011002	03304	82	2017	Huasco	337414.8	2017	3304	10149	3424422750	Urbano	1476	0.1454330	03304	498024237	701138891
83	3304011003	03304	225	2017	Huasco	337414.8	2017	3304	10149	3424422750	Urbano	4169	0.4107794	03304	1406682278	1205473098
84	3304011004	03304	97	2017	Huasco	337414.8	2017	3304	10149	3424422750	Urbano	1589	0.1565671	03304	536152108	767315611
85	3304991999	03304	8	2017	Huasco	337414.8	2017	3304	10149	3424422750	Urbano	242	0.0238447	03304	81654380	200984143
NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
NA.1	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
NA.2	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
NA.3	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
NA.4	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
NA.5	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
NA.6	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
NA.7	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
NA.8	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
NA.9	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
NA.10	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
NA.11	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
NA.12	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
NA.13	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
NA.14	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA

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
1	3101011001	03101	59	2017	Copiapó	330574.6	2017	3101	153937	50887663717	Urbano	869	0.0056452	03101	287269336	587557021	676130.06
2	3101021001	03101	77	2017	Copiapó	330574.6	2017	3101	153937	50887663717	Urbano	1437	0.0093350	03101	475035714	677851695	471713.08
3	3101031001	03101	45	2017	Copiapó	330574.6	2017	3101	153937	50887663717	Urbano	1502	0.0097572	03101	496523064	508032112	338237.09
4	3101041001	03101	91	2017	Copiapó	330574.6	2017	3101	153937	50887663717	Urbano	1734	0.0112643	03101	573216373	741457112	427599.26
5	3101051001	03101	71	2017	Copiapó	330574.6	2017	3101	153937	50887663717	Urbano	1576	0.0102380	03101	520985585	648961540	411777.63
6	3101061001	03101	55	2017	Copiapó	330574.6	2017	3101	153937	50887663717	Urbano	4376	0.0284272	03101	1446594493	565823222	129301.47
7	3101061002	03101	12	2017	Copiapó	330574.6	2017	3101	153937	50887663717	Urbano	2049	0.0133106	03101	677347376	249863323	121944.03
8	3101061003	03101	25	2017	Copiapó	330574.6	2017	3101	153937	50887663717	Urbano	4199	0.0272774	03101	1388082787	370543536	88245.66
9	3101061004	03101	87	2017	Copiapó	330574.6	2017	3101	153937	50887663717	Urbano	5838	0.0379246	03101	1929894572	723777196	123976.91
10	3101061005	03101	75	2017	Copiapó	330574.6	2017	3101	153937	50887663717	Urbano	3217	0.0208982	03101	1063458520	668341428	207753.01
11	3101061006	03101	89	2017	Copiapó	330574.6	2017	3101	153937	50887663717	Urbano	1930	0.0125376	03101	638008997	732663157	379618.22
12	3101061007	03101	35	2017	Copiapó	330574.6	2017	3101	153937	50887663717	Urbano	3446	0.0223858	03101	1139160106	443908192	128818.40
13	3101061008	03101	30	2017	Copiapó	330574.6	2017	3101	153937	50887663717	Urbano	2624	0.0170459	03101	867427776	408649006	155735.14
14	3101061009	03101	109	2017	Copiapó	330574.6	2017	3101	153937	50887663717	Urbano	5319	0.0345531	03101	1758326350	816901711	153581.82
15	3101071001	03101	162	2017	Copiapó	330574.6	2017	3101	153937	50887663717	Urbano	3367	0.0218726	03101	1113044711	1010558621	300136.21
16	3101071002	03101	162	2017	Copiapó	330574.6	2017	3101	153937	50887663717	Urbano	2651	0.0172213	03101	876353291	1010558621	381199.03
17	3101081001	03101	68	2017	Copiapó	330574.6	2017	3101	153937	50887663717	Urbano	2352	0.0152790	03101	777511482	634092582	269597.19
18	3101091001	03101	102	2017	Copiapó	330574.6	2017	3101	153937	50887663717	Urbano	4467	0.0290184	03101	1476676782	788303382	176472.66
19	3101101001	03101	2	2017	Copiapó	330574.6	2017	3101	153937	50887663717	Urbano	94	0.0006106	03101	31074013	95482756	1015774.00
20	3101111001	03101	665	2017	Copiapó	330574.6	2017	3101	153937	50887663717	Urbano	3046	0.0197873	03101	1006930262	2156932270	708119.59
21	3101111002	03101	187	2017	Copiapó	330574.6	2017	3101	153937	50887663717	Urbano	2128	0.0138238	03101	703462770	1091499925	512922.90
22	3101111003	03101	640	2017	Copiapó	330574.6	2017	3101	153937	50887663717	Urbano	4579	0.0297459	03101	1513701139	2113011438	461456.96
23	3101161001	03101	186	2017	Copiapó	330574.6	2017	3101	153937	50887663717	Urbano	3897	0.0253156	03101	1288249255	1088362292	279282.09
24	3101161002	03101	654	2017	Copiapó	330574.6	2017	3101	153937	50887663717	Urbano	5267	0.0342153	03101	1741136470	2137703016	405867.29
25	3101161003	03101	264	2017	Copiapó	330574.6	2017	3101	153937	50887663717	Urbano	4789	0.0311101	03101	1583121807	1313496200	274273.59
26	3101161004	03101	334	2017	Copiapó	330574.6	2017	3101	153937	50887663717	Urbano	4382	0.0284662	03101	1448577940	1490279049	340091.07
27	3101211001	03101	367	2017	Copiapó	330574.6	2017	3101	153937	50887663717	Urbano	4698	0.0305190	03101	1553039517	1567605235	333675.02
28	3101211002	03101	80	2017	Copiapó	330574.6	2017	3101	153937	50887663717	Urbano	2574	0.0167211	03101	850899046	691905172	268805.43
29	3101211003	03101	108	2017	Copiapó	330574.6	2017	3101	153937	50887663717	Urbano	4857	0.0315519	03101	1605600880	812869435	167360.39
30	3101211004	03101	169	2017	Copiapó	330574.6	2017	3101	153937	50887663717	Urbano	4381	0.0284597	03101	1448247366	1033772541	235967.25
31	3101211005	03101	301	2017	Copiapó	330574.6	2017	3101	153937	50887663717	Urbano	3957	0.0257053	03101	1308083731	1409325004	356159.97
32	3101211006	03101	219	2017	Copiapó	330574.6	2017	3101	153937	50887663717	Urbano	5331	0.0346311	03101	1762293245	1188106448	222867.46
33	3101211007	03101	248	2017	Copiapó	330574.6	2017	3101	153937	50887663717	Urbano	2203	0.0143110	03101	728255866	1270138829	576549.63
34	3101231001	03101	16	2017	Copiapó	330574.6	2017	3101	153937	50887663717	Urbano	2431	0.0157922	03101	803626877	291595098	119948.62
35	3101231002	03101	81	2017	Copiapó	330574.6	2017	3101	153937	50887663717	Urbano	4099	0.0266278	03101	1355025326	696535230	169928.09
36	3101231003	03101	122	2017	Copiapó	330574.6	2017	3101	153937	50887663717	Urbano	6102	0.0396396	03101	2017166269	867843405	142222.78
37	3101231004	03101	81	2017	Copiapó	330574.6	2017	3101	153937	50887663717	Urbano	3368	0.0218791	03101	1113375286	696535230	206809.75
38	3101231005	03101	36	2017	Copiapó	330574.6	2017	3101	153937	50887663717	Urbano	3855	0.0250427	03101	1274365121	450673117	116906.13
39	3101241001	03101	515	2017	Copiapó	330574.6	2017	3101	153937	50887663717	Urbano	5023	0.0326302	03101	1660476265	1880332088	374344.43
40	3101241002	03101	719	2017	Copiapó	330574.6	2017	3101	153937	50887663717	Urbano	6270	0.0407309	03101	2072702804	2249265863	358734.59
41	3101241003	03101	149	2017	Copiapó	330574.6	2017	3101	153937	50887663717	Urbano	3082	0.0200212	03101	1018830948	966178036	313490.60
42	3101241004	03101	98	2017	Copiapó	330574.6	2017	3101	153937	50887663717	Urbano	3115	0.0202356	03101	1029739910	771552534	247689.42
43	3101241005	03101	287	2017	Copiapó	330574.6	2017	3101	153937	50887663717	Urbano	4323	0.0280829	03101	1429074038	1373744323	317775.69
44	3102011001	03102	179	2017	Caldera	299314.8	2017	3102	17662	5286498241	Urbano	2174	0.1230891	03102	650710405	1066176321	490421.49
45	3102011002	03102	148	2017	Caldera	299314.8	2017	3102	17662	5286498241	Urbano	2696	0.1526441	03102	806952738	962691223	357081.31
46	3102011003	03102	228	2017	Caldera	299314.8	2017	3102	17662	5286498241	Urbano	3928	0.2223984	03102	1175708588	1214075963	309082.48
47	3102011007	03102	343	2017	Caldera	299314.8	2017	3102	17662	5286498241	Urbano	6749	0.3821198	03102	2020075678	1511706065	223989.64
48	3102991999	03102	9	2017	Caldera	299314.8	2017	3102	17662	5286498241	Urbano	228	0.0129091	03102	68243778	214104012	939052.69
49	3103011001	03103	73	2017	Tierra Amarilla	315860.6	2017	3103	14019	4428049932	Urbano	6039	0.4307725	03103	1907482241	658712966	109076.50
50	3103011002	03103	19	2017	Tierra Amarilla	315860.6	2017	3103	14019	4428049932	Urbano	1412	0.1007205	03103	445995185	319778950	226472.34
51	3103011003	03103	127	2017	Tierra Amarilla	315860.6	2017	3103	14019	4428049932	Urbano	2406	0.1716242	03103	759960635	886761290	368562.46
52	3103991999	03103	2	2017	Tierra Amarilla	315860.6	2017	3103	14019	4428049932	Urbano	78	0.0055639	03103	24637128	95482756	1224137.90
53	3201011001	03201	49	2017	Chañaral	286389.3	2017	3201	12219	3499391196	Urbano	4870	0.3985596	03201	1394716026	531798464	109198.86
54	3201011002	03201	65	2017	Chañaral	286389.3	2017	3201	12219	3499391196	Urbano	1606	0.1314347	03201	459941260	618916579	385377.70
55	3201011003	03201	44	2017	Chañaral	286389.3	2017	3201	12219	3499391196	Urbano	2325	0.1902774	03201	665855187	501939364	215887.90
56	3201011004	03201	15	2017	Chañaral	286389.3	2017	3201	12219	3499391196	Urbano	1169	0.0956707	03201	334789124	281664442	240944.77
57	3201011005	03201	31	2017	Chañaral	286389.3	2017	3201	12219	3499391196	Urbano	735	0.0601522	03201	210496156	415906705	565859.46
58	3201011006	03201	11	2017	Chañaral	286389.3	2017	3201	12219	3499391196	Urbano	368	0.0301170	03201	105391273	238459379	647987.44
59	3202011001	03202	81	2017	Diego de Almagro	325861.5	2017	3202	13925	4537621312	Urbano	2416	0.1735009	03202	787281371	696535230	288301.01
60	3202011002	03202	38	2017	Diego de Almagro	325861.5	2017	3202	13925	4537621312	Urbano	1650	0.1184919	03202	537671466	463946920	281179.95
61	3202011003	03202	89	2017	Diego de Almagro	325861.5	2017	3202	13925	4537621312	Urbano	3157	0.2267145	03202	1028744738	732663157	232075.75
62	3202021001	03202	56	2017	Diego de Almagro	325861.5	2017	3202	13925	4537621312	Urbano	1494	0.1072890	03202	486837073	571323479	382411.97
63	3202021002	03202	231	2017	Diego de Almagro	325861.5	2017	3202	13925	4537621312	Urbano	2848	0.2045242	03202	928053537	1222626563	429293.03
64	3202021003	03202	119	2017	Diego de Almagro	325861.5	2017	3202	13925	4537621312	Urbano	1690	0.1213645	03202	550705926	856320029	506698.24
65	3301011001	03301	280	2017	Vallenar	311577.0	2017	3301	51917	16176145007	Urbano	3793	0.0730589	03301	1181811700	1355652660	357409.09
66	3301021001	03301	397	2017	Vallenar	311577.0	2017	3301	51917	16176145007	Urbano	3947	0.0760252	03301	1229794563	1635150001	414276.67
67	3301021002	03301	317	2017	Vallenar	311577.0	2017	3301	51917	16176145007	Urbano	2498	0.0481153	03301	778319437	1449062712	580089.16
68	3301031001	03301	164	2017	Vallenar	311577.0	2017	3301	51917	16176145007	Urbano	1903	0.0366547	03301	592931101	1017237779	534544.29
69	3301031002	03301	229	2017	Vallenar	311577.0	2017	3301	51917	16176145007	Urbano	2039	0.0392742	03301	635305578	1216931920	596827.82
70	3301031003	03301	149	2017	Vallenar	311577.0	2017	3301	51917	16176145007	Urbano	3371	0.0649306	03301	1050326190	966178036	286614.66
71	3301031004	03301	132	2017	Vallenar	311577.0	2017	3301	51917	16176145007	Urbano	2241	0.0431651	03301	698244139	905337265	403988.07
72	3301041001	03301	314	2017	Vallenar	311577.0	2017	3301	51917	16176145007	Urbano	4893	0.0942466	03301	1524546440	1441683919	294642.13
73	3301041002	03301	223	2017	Vallenar	311577.0	2017	3301	51917	16176145007	Urbano	2552	0.0491554	03301	795144597	1199708315	470105.14
74	3301051001	03301	1020	2017	Vallenar	311577.0	2017	3301	51917	16176145007	Urbano	5354	0.1031261	03301	1668183454	2713802085	506873.76
75	3301051002	03301	254	2017	Vallenar	311577.0	2017	3301	51917	16176145007	Urbano	3313	0.0638134	03301	1032254722	1286545500	388332.48
76	3301051003	03301	586	2017	Vallenar	311577.0	2017	3301	51917	16176145007	Urbano	5518	0.1062850	03301	1719282088	2015341429	365230.41
77	3301051004	03301	270	2017	Vallenar	311577.0	2017	3301	51917	16176145007	Urbano	3876	0.0746576	03301	1207672594	1329439961	342992.77
78	3301991999	03301	40	2017	Vallenar	311577.0	2017	3301	51917	16176145007	Urbano	721	0.0138876	03301	224647043	476900913	661443.71
79	3303021001	03303	217	2017	Freirina	289049.9	2017	3303	7041	2035200054	Urbano	3504	0.4976566	03303	1012830704	1182268720	337405.46
80	3303021002	03303	27	2017	Freirina	289049.9	2017	3303	7041	2035200054	Urbano	1037	0.1472802	03303	299744703	386174815	372396.16
81	3304011001	03304	64	2017	Huasco	337414.8	2017	3304	10149	3424422750	Urbano	1426	0.1405065	03304	481153497	613786124	430425.05
82	3304011002	03304	82	2017	Huasco	337414.8	2017	3304	10149	3424422750	Urbano	1476	0.1454330	03304	498024237	701138891	475026.35
83	3304011003	03304	225	2017	Huasco	337414.8	2017	3304	10149	3424422750	Urbano	4169	0.4107794	03304	1406682278	1205473098	289151.62
84	3304011004	03304	97	2017	Huasco	337414.8	2017	3304	10149	3424422750	Urbano	1589	0.1565671	03304	536152108	767315611	482892.14
85	3304991999	03304	8	2017	Huasco	337414.8	2017	3304	10149	3424422750	Urbano	242	0.0238447	03304	81654380	200984143	830512.99
NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
NA.1	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
NA.2	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
NA.3	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
NA.4	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
NA.5	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
NA.6	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
NA.7	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
NA.8	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
NA.9	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
NA.10	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
NA.11	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
NA.12	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
NA.13	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
NA.14	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA

Guardamos:

saveRDS(h_y_m_comuna_corr_01, "casen_censo_urbano_nivel_nacional_17_r03.rds")

---

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

Hagamos un subset con la 3:

tabla_con_clave_r <- filter(tabla_con_clave, tabla_con_clave$REGION == 3)

3.2 Cálculo de frecuencias

tabla_con_clave_f <- tabla_con_clave_r[,-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
1	3101102901	1	3101	2	2017
2	3101122013	1	3101	54	2017
3	3101122047	1	3101	1	2017
4	3101122901	1	3101	1	2017
5	3101132901	1	3101	1	2017
6	3101162050	1	3101	2	2017
7	3101172013	1	3101	11	2017
8	3101172017	1	3101	18	2017
9	3101172021	1	3101	1	2017
10	3101172026	1	3101	16	2017
11	3101172035	1	3101	15	2017
12	3101172037	1	3101	12	2017
13	3101182901	1	3101	1	2017
14	3101222015	1	3101	1	2017
15	3101222048	1	3101	1	2017
123	3102012001	1	3102	66	2017
124	3102012004	1	3102	2	2017
125	3102022010	1	3102	22	2017
126	3102022901	1	3102	2	2017
127	3102032003	1	3102	10	2017
128	3102032007	1	3102	4	2017
129	3102042002	1	3102	1	2017
237	3103012003	1	3103	2	2017
238	3103012022	1	3103	5	2017
239	3103012029	1	3103	1	2017
240	3103032006	1	3103	1	2017
241	3103032009	1	3103	1	2017
242	3103032014	1	3103	1	2017
243	3103042028	1	3103	1	2017
244	3103052020	1	3103	4	2017
245	3103062901	1	3103	1	2017
246	3103072012	1	3103	1	2017
354	3201012003	1	3201	4	2017
355	3201012005	1	3201	1	2017
356	3201022006	1	3201	6	2017
357	3201032007	1	3201	3	2017
465	3202022901	1	3202	18	2017
466	3202042008	1	3202	14	2017
574	3301032017	1	3301	14	2017
575	3301032901	1	3301	1	2017
576	3301042005	1	3301	10	2017
577	3301042060	1	3301	6	2017
578	3301052002	1	3301	19	2017
579	3301052006	1	3301	1	2017
580	3301052008	1	3301	1	2017
581	3301052010	1	3301	30	2017
582	3301052014	1	3301	2	2017
583	3301052028	1	3301	30	2017
584	3301052036	1	3301	67	2017
585	3301052038	1	3301	3	2017
586	3301052063	1	3301	11	2017
587	3301062901	1	3301	1	2017
588	3301072901	1	3301	3	2017
589	3301082012	1	3301	42	2017
590	3301082901	1	3301	3	2017
591	3301092043	1	3301	1	2017
592	3301092901	1	3301	8	2017
593	3301102901	1	3301	1	2017
594	3301112901	1	3301	1	2017
595	3301122009	1	3301	5	2017
596	3301122025	1	3301	9	2017
597	3301122030	1	3301	12	2017
598	3301122032	1	3301	1	2017
599	3301122033	1	3301	6	2017
600	3301122062	1	3301	1	2017
601	3301132026	1	3301	6	2017
602	3301132901	1	3301	1	2017
603	3301152010	1	3301	18	2017
604	3301152024	1	3301	4	2017
605	3301152901	1	3301	6	2017
713	3302012002	1	3302	19	2017
714	3302012005	1	3302	4	2017
715	3302012029	1	3302	12	2017
716	3302022005	1	3302	28	2017
717	3302032005	1	3302	15	2017
718	3302032018	1	3302	31	2017
719	3302042005	1	3302	31	2017
720	3302052005	1	3302	3	2017
721	3302072003	1	3302	6	2017
722	3302072025	1	3302	2	2017
723	3302072034	1	3302	31	2017
724	3302072901	1	3302	3	2017
725	3302082025	1	3302	1	2017
726	3302092013	1	3302	5	2017
727	3302092033	1	3302	8	2017
728	3302102010	1	3302	4	2017
729	3302102030	1	3302	2	2017
730	3302112015	1	3302	8	2017
731	3302112901	1	3302	1	2017
839	3303022004	1	3303	2	2017
840	3303022005	1	3303	5	2017
841	3303022007	1	3303	3	2017
842	3303022008	1	3303	16	2017
843	3303022009	1	3303	14	2017
844	3303022012	1	3303	5	2017
845	3303022013	1	3303	2	2017
846	3303032010	1	3303	3	2017
847	3303042002	1	3303	9	2017
848	3303042003	1	3303	12	2017
956	3304012009	1	3304	2	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
1	3101102901	2	2017	03101
2	3101122013	54	2017	03101
3	3101122047	1	2017	03101
4	3101122901	1	2017	03101
5	3101132901	1	2017	03101
6	3101162050	2	2017	03101
7	3101172013	11	2017	03101
8	3101172017	18	2017	03101
9	3101172021	1	2017	03101
10	3101172026	16	2017	03101
11	3101172035	15	2017	03101
12	3101172037	12	2017	03101
13	3101182901	1	2017	03101
14	3101222015	1	2017	03101
15	3101222048	1	2017	03101
123	3102012001	66	2017	03102
124	3102012004	2	2017	03102
125	3102022010	22	2017	03102
126	3102022901	2	2017	03102
127	3102032003	10	2017	03102
128	3102032007	4	2017	03102
129	3102042002	1	2017	03102
237	3103012003	2	2017	03103
238	3103012022	5	2017	03103
239	3103012029	1	2017	03103
240	3103032006	1	2017	03103
241	3103032009	1	2017	03103
242	3103032014	1	2017	03103
243	3103042028	1	2017	03103
244	3103052020	4	2017	03103
245	3103062901	1	2017	03103
246	3103072012	1	2017	03103
354	3201012003	4	2017	03201
355	3201012005	1	2017	03201
356	3201022006	6	2017	03201
357	3201032007	3	2017	03201
465	3202022901	18	2017	03202
466	3202042008	14	2017	03202
574	3301032017	14	2017	03301
575	3301032901	1	2017	03301
576	3301042005	10	2017	03301
577	3301042060	6	2017	03301
578	3301052002	19	2017	03301
579	3301052006	1	2017	03301
580	3301052008	1	2017	03301
581	3301052010	30	2017	03301
582	3301052014	2	2017	03301
583	3301052028	30	2017	03301
584	3301052036	67	2017	03301
585	3301052038	3	2017	03301
586	3301052063	11	2017	03301
587	3301062901	1	2017	03301
588	3301072901	3	2017	03301
589	3301082012	42	2017	03301
590	3301082901	3	2017	03301
591	3301092043	1	2017	03301
592	3301092901	8	2017	03301
593	3301102901	1	2017	03301
594	3301112901	1	2017	03301
595	3301122009	5	2017	03301
596	3301122025	9	2017	03301
597	3301122030	12	2017	03301
598	3301122032	1	2017	03301
599	3301122033	6	2017	03301
600	3301122062	1	2017	03301
601	3301132026	6	2017	03301
602	3301132901	1	2017	03301
603	3301152010	18	2017	03301
604	3301152024	4	2017	03301
605	3301152901	6	2017	03301
713	3302012002	19	2017	03302
714	3302012005	4	2017	03302
715	3302012029	12	2017	03302
716	3302022005	28	2017	03302
717	3302032005	15	2017	03302
718	3302032018	31	2017	03302
719	3302042005	31	2017	03302
720	3302052005	3	2017	03302
721	3302072003	6	2017	03302
722	3302072025	2	2017	03302
723	3302072034	31	2017	03302
724	3302072901	3	2017	03302
725	3302082025	1	2017	03302
726	3302092013	5	2017	03302
727	3302092033	8	2017	03302
728	3302102010	4	2017	03302
729	3302102030	2	2017	03302
730	3302112015	8	2017	03302
731	3302112901	1	2017	03302
839	3303022004	2	2017	03303
840	3303022005	5	2017	03303
841	3303022007	3	2017	03303
842	3303022008	16	2017	03303
843	3303022009	14	2017	03303
844	3303022012	5	2017	03303
845	3303022013	2	2017	03303
846	3303032010	3	2017	03303
847	3303042002	9	2017	03303
848	3303042003	12	2017	03303
956	3304012009	2	2017	03304

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
03101	3101172035	15	2017	Copiapó	308502.8	2017	3101	153937	47489990283	Rural
03101	3101102901	2	2017	Copiapó	308502.8	2017	3101	153937	47489990283	Rural
03101	3101122013	54	2017	Copiapó	308502.8	2017	3101	153937	47489990283	Rural
03101	3101222048	1	2017	Copiapó	308502.8	2017	3101	153937	47489990283	Rural
03101	3101172037	12	2017	Copiapó	308502.8	2017	3101	153937	47489990283	Rural
03101	3101182901	1	2017	Copiapó	308502.8	2017	3101	153937	47489990283	Rural
03101	3101222015	1	2017	Copiapó	308502.8	2017	3101	153937	47489990283	Rural
03101	3101162050	2	2017	Copiapó	308502.8	2017	3101	153937	47489990283	Rural
03101	3101122047	1	2017	Copiapó	308502.8	2017	3101	153937	47489990283	Rural
03101	3101122901	1	2017	Copiapó	308502.8	2017	3101	153937	47489990283	Rural
03101	3101132901	1	2017	Copiapó	308502.8	2017	3101	153937	47489990283	Rural
03101	3101172026	16	2017	Copiapó	308502.8	2017	3101	153937	47489990283	Rural
03101	3101172013	11	2017	Copiapó	308502.8	2017	3101	153937	47489990283	Rural
03101	3101172017	18	2017	Copiapó	308502.8	2017	3101	153937	47489990283	Rural
03101	3101172021	1	2017	Copiapó	308502.8	2017	3101	153937	47489990283	Rural
03102	3102022010	22	2017	NA	NA	NA	NA	NA	NA	NA
03102	3102022901	2	2017	NA	NA	NA	NA	NA	NA	NA
03102	3102012001	66	2017	NA	NA	NA	NA	NA	NA	NA
03102	3102012004	2	2017	NA	NA	NA	NA	NA	NA	NA
03102	3102042002	1	2017	NA	NA	NA	NA	NA	NA	NA
03102	3102032003	10	2017	NA	NA	NA	NA	NA	NA	NA
03102	3102032007	4	2017	NA	NA	NA	NA	NA	NA	NA
03103	3103012022	5	2017	Tierra Amarilla	312457.3	2017	3103	14019	4380339153	Rural
03103	3103032014	1	2017	Tierra Amarilla	312457.3	2017	3103	14019	4380339153	Rural
03103	3103012029	1	2017	Tierra Amarilla	312457.3	2017	3103	14019	4380339153	Rural
03103	3103032006	1	2017	Tierra Amarilla	312457.3	2017	3103	14019	4380339153	Rural
03103	3103032009	1	2017	Tierra Amarilla	312457.3	2017	3103	14019	4380339153	Rural
03103	3103072012	1	2017	Tierra Amarilla	312457.3	2017	3103	14019	4380339153	Rural
03103	3103042028	1	2017	Tierra Amarilla	312457.3	2017	3103	14019	4380339153	Rural
03103	3103052020	4	2017	Tierra Amarilla	312457.3	2017	3103	14019	4380339153	Rural
03103	3103062901	1	2017	Tierra Amarilla	312457.3	2017	3103	14019	4380339153	Rural
03103	3103012003	2	2017	Tierra Amarilla	312457.3	2017	3103	14019	4380339153	Rural
03201	3201032007	3	2017	NA	NA	NA	NA	NA	NA	NA
03201	3201012005	1	2017	NA	NA	NA	NA	NA	NA	NA
03201	3201022006	6	2017	NA	NA	NA	NA	NA	NA	NA
03201	3201012003	4	2017	NA	NA	NA	NA	NA	NA	NA
03202	3202022901	18	2017	Diego de Almagro	374511.6	2017	3202	13925	5215073473	Rural
03202	3202042008	14	2017	Diego de Almagro	374511.6	2017	3202	13925	5215073473	Rural
03301	3301032017	14	2017	Vallenar	254290.6	2017	3301	51917	13202005308	Rural
03301	3301032901	1	2017	Vallenar	254290.6	2017	3301	51917	13202005308	Rural
03301	3301042005	10	2017	Vallenar	254290.6	2017	3301	51917	13202005308	Rural
03301	3301042060	6	2017	Vallenar	254290.6	2017	3301	51917	13202005308	Rural
03301	3301052002	19	2017	Vallenar	254290.6	2017	3301	51917	13202005308	Rural
03301	3301052006	1	2017	Vallenar	254290.6	2017	3301	51917	13202005308	Rural
03301	3301052008	1	2017	Vallenar	254290.6	2017	3301	51917	13202005308	Rural
03301	3301052010	30	2017	Vallenar	254290.6	2017	3301	51917	13202005308	Rural
03301	3301052014	2	2017	Vallenar	254290.6	2017	3301	51917	13202005308	Rural
03301	3301052028	30	2017	Vallenar	254290.6	2017	3301	51917	13202005308	Rural
03301	3301052036	67	2017	Vallenar	254290.6	2017	3301	51917	13202005308	Rural
03301	3301052038	3	2017	Vallenar	254290.6	2017	3301	51917	13202005308	Rural
03301	3301052063	11	2017	Vallenar	254290.6	2017	3301	51917	13202005308	Rural
03301	3301062901	1	2017	Vallenar	254290.6	2017	3301	51917	13202005308	Rural
03301	3301072901	3	2017	Vallenar	254290.6	2017	3301	51917	13202005308	Rural
03301	3301082012	42	2017	Vallenar	254290.6	2017	3301	51917	13202005308	Rural
03301	3301082901	3	2017	Vallenar	254290.6	2017	3301	51917	13202005308	Rural
03301	3301092043	1	2017	Vallenar	254290.6	2017	3301	51917	13202005308	Rural
03301	3301092901	8	2017	Vallenar	254290.6	2017	3301	51917	13202005308	Rural
03301	3301102901	1	2017	Vallenar	254290.6	2017	3301	51917	13202005308	Rural
03301	3301112901	1	2017	Vallenar	254290.6	2017	3301	51917	13202005308	Rural
03301	3301122009	5	2017	Vallenar	254290.6	2017	3301	51917	13202005308	Rural
03301	3301122025	9	2017	Vallenar	254290.6	2017	3301	51917	13202005308	Rural
03301	3301122030	12	2017	Vallenar	254290.6	2017	3301	51917	13202005308	Rural
03301	3301122032	1	2017	Vallenar	254290.6	2017	3301	51917	13202005308	Rural
03301	3301122033	6	2017	Vallenar	254290.6	2017	3301	51917	13202005308	Rural
03301	3301122062	1	2017	Vallenar	254290.6	2017	3301	51917	13202005308	Rural
03301	3301132026	6	2017	Vallenar	254290.6	2017	3301	51917	13202005308	Rural
03301	3301132901	1	2017	Vallenar	254290.6	2017	3301	51917	13202005308	Rural
03301	3301152010	18	2017	Vallenar	254290.6	2017	3301	51917	13202005308	Rural
03301	3301152024	4	2017	Vallenar	254290.6	2017	3301	51917	13202005308	Rural
03301	3301152901	6	2017	Vallenar	254290.6	2017	3301	51917	13202005308	Rural
03302	3302012002	19	2017	Alto del Carmen	227130.4	2017	3302	5299	1203563833	Rural
03302	3302012005	4	2017	Alto del Carmen	227130.4	2017	3302	5299	1203563833	Rural
03302	3302012029	12	2017	Alto del Carmen	227130.4	2017	3302	5299	1203563833	Rural
03302	3302022005	28	2017	Alto del Carmen	227130.4	2017	3302	5299	1203563833	Rural
03302	3302032005	15	2017	Alto del Carmen	227130.4	2017	3302	5299	1203563833	Rural
03302	3302032018	31	2017	Alto del Carmen	227130.4	2017	3302	5299	1203563833	Rural
03302	3302042005	31	2017	Alto del Carmen	227130.4	2017	3302	5299	1203563833	Rural
03302	3302052005	3	2017	Alto del Carmen	227130.4	2017	3302	5299	1203563833	Rural
03302	3302072003	6	2017	Alto del Carmen	227130.4	2017	3302	5299	1203563833	Rural
03302	3302072025	2	2017	Alto del Carmen	227130.4	2017	3302	5299	1203563833	Rural
03302	3302072034	31	2017	Alto del Carmen	227130.4	2017	3302	5299	1203563833	Rural
03302	3302072901	3	2017	Alto del Carmen	227130.4	2017	3302	5299	1203563833	Rural
03302	3302082025	1	2017	Alto del Carmen	227130.4	2017	3302	5299	1203563833	Rural
03302	3302092013	5	2017	Alto del Carmen	227130.4	2017	3302	5299	1203563833	Rural
03302	3302092033	8	2017	Alto del Carmen	227130.4	2017	3302	5299	1203563833	Rural
03302	3302102010	4	2017	Alto del Carmen	227130.4	2017	3302	5299	1203563833	Rural
03302	3302102030	2	2017	Alto del Carmen	227130.4	2017	3302	5299	1203563833	Rural
03302	3302112015	8	2017	Alto del Carmen	227130.4	2017	3302	5299	1203563833	Rural
03302	3302112901	1	2017	Alto del Carmen	227130.4	2017	3302	5299	1203563833	Rural
03303	3303022004	2	2017	Freirina	214803.3	2017	3303	7041	1512429891	Rural
03303	3303022005	5	2017	Freirina	214803.3	2017	3303	7041	1512429891	Rural
03303	3303022007	3	2017	Freirina	214803.3	2017	3303	7041	1512429891	Rural
03303	3303022008	16	2017	Freirina	214803.3	2017	3303	7041	1512429891	Rural
03303	3303022009	14	2017	Freirina	214803.3	2017	3303	7041	1512429891	Rural
03303	3303022012	5	2017	Freirina	214803.3	2017	3303	7041	1512429891	Rural
03303	3303022013	2	2017	Freirina	214803.3	2017	3303	7041	1512429891	Rural
03303	3303032010	3	2017	Freirina	214803.3	2017	3303	7041	1512429891	Rural
03303	3303042002	9	2017	Freirina	214803.3	2017	3303	7041	1512429891	Rural
03303	3303042003	12	2017	Freirina	214803.3	2017	3303	7041	1512429891	Rural
03304	3304012009	2	2017	Huasco	227560.7	2017	3304	10149	2309513927	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
03101	3101172035	15	2017	Copiapó	308502.8	2017	3101	153937	47489990283	Rural
03101	3101102901	2	2017	Copiapó	308502.8	2017	3101	153937	47489990283	Rural
03101	3101122013	54	2017	Copiapó	308502.8	2017	3101	153937	47489990283	Rural
03101	3101222048	1	2017	Copiapó	308502.8	2017	3101	153937	47489990283	Rural
03101	3101172037	12	2017	Copiapó	308502.8	2017	3101	153937	47489990283	Rural
03101	3101182901	1	2017	Copiapó	308502.8	2017	3101	153937	47489990283	Rural
03101	3101222015	1	2017	Copiapó	308502.8	2017	3101	153937	47489990283	Rural
03101	3101162050	2	2017	Copiapó	308502.8	2017	3101	153937	47489990283	Rural
03101	3101122047	1	2017	Copiapó	308502.8	2017	3101	153937	47489990283	Rural
03101	3101122901	1	2017	Copiapó	308502.8	2017	3101	153937	47489990283	Rural
03101	3101132901	1	2017	Copiapó	308502.8	2017	3101	153937	47489990283	Rural
03101	3101172026	16	2017	Copiapó	308502.8	2017	3101	153937	47489990283	Rural
03101	3101172013	11	2017	Copiapó	308502.8	2017	3101	153937	47489990283	Rural
03101	3101172017	18	2017	Copiapó	308502.8	2017	3101	153937	47489990283	Rural
03101	3101172021	1	2017	Copiapó	308502.8	2017	3101	153937	47489990283	Rural
03102	3102022010	22	2017	NA	NA	NA	NA	NA	NA	NA
03102	3102022901	2	2017	NA	NA	NA	NA	NA	NA	NA
03102	3102012001	66	2017	NA	NA	NA	NA	NA	NA	NA
03102	3102012004	2	2017	NA	NA	NA	NA	NA	NA	NA
03102	3102042002	1	2017	NA	NA	NA	NA	NA	NA	NA
03102	3102032003	10	2017	NA	NA	NA	NA	NA	NA	NA
03102	3102032007	4	2017	NA	NA	NA	NA	NA	NA	NA
03103	3103012022	5	2017	Tierra Amarilla	312457.3	2017	3103	14019	4380339153	Rural
03103	3103032014	1	2017	Tierra Amarilla	312457.3	2017	3103	14019	4380339153	Rural
03103	3103012029	1	2017	Tierra Amarilla	312457.3	2017	3103	14019	4380339153	Rural
03103	3103032006	1	2017	Tierra Amarilla	312457.3	2017	3103	14019	4380339153	Rural
03103	3103032009	1	2017	Tierra Amarilla	312457.3	2017	3103	14019	4380339153	Rural
03103	3103072012	1	2017	Tierra Amarilla	312457.3	2017	3103	14019	4380339153	Rural
03103	3103042028	1	2017	Tierra Amarilla	312457.3	2017	3103	14019	4380339153	Rural
03103	3103052020	4	2017	Tierra Amarilla	312457.3	2017	3103	14019	4380339153	Rural
03103	3103062901	1	2017	Tierra Amarilla	312457.3	2017	3103	14019	4380339153	Rural
03103	3103012003	2	2017	Tierra Amarilla	312457.3	2017	3103	14019	4380339153	Rural
03201	3201032007	3	2017	NA	NA	NA	NA	NA	NA	NA
03201	3201012005	1	2017	NA	NA	NA	NA	NA	NA	NA
03201	3201022006	6	2017	NA	NA	NA	NA	NA	NA	NA
03201	3201012003	4	2017	NA	NA	NA	NA	NA	NA	NA
03202	3202022901	18	2017	Diego de Almagro	374511.6	2017	3202	13925	5215073473	Rural
03202	3202042008	14	2017	Diego de Almagro	374511.6	2017	3202	13925	5215073473	Rural
03301	3301032017	14	2017	Vallenar	254290.6	2017	3301	51917	13202005308	Rural
03301	3301032901	1	2017	Vallenar	254290.6	2017	3301	51917	13202005308	Rural
03301	3301042005	10	2017	Vallenar	254290.6	2017	3301	51917	13202005308	Rural
03301	3301042060	6	2017	Vallenar	254290.6	2017	3301	51917	13202005308	Rural
03301	3301052002	19	2017	Vallenar	254290.6	2017	3301	51917	13202005308	Rural
03301	3301052006	1	2017	Vallenar	254290.6	2017	3301	51917	13202005308	Rural
03301	3301052008	1	2017	Vallenar	254290.6	2017	3301	51917	13202005308	Rural
03301	3301052010	30	2017	Vallenar	254290.6	2017	3301	51917	13202005308	Rural
03301	3301052014	2	2017	Vallenar	254290.6	2017	3301	51917	13202005308	Rural
03301	3301052028	30	2017	Vallenar	254290.6	2017	3301	51917	13202005308	Rural
03301	3301052036	67	2017	Vallenar	254290.6	2017	3301	51917	13202005308	Rural
03301	3301052038	3	2017	Vallenar	254290.6	2017	3301	51917	13202005308	Rural
03301	3301052063	11	2017	Vallenar	254290.6	2017	3301	51917	13202005308	Rural
03301	3301062901	1	2017	Vallenar	254290.6	2017	3301	51917	13202005308	Rural
03301	3301072901	3	2017	Vallenar	254290.6	2017	3301	51917	13202005308	Rural
03301	3301082012	42	2017	Vallenar	254290.6	2017	3301	51917	13202005308	Rural
03301	3301082901	3	2017	Vallenar	254290.6	2017	3301	51917	13202005308	Rural
03301	3301092043	1	2017	Vallenar	254290.6	2017	3301	51917	13202005308	Rural
03301	3301092901	8	2017	Vallenar	254290.6	2017	3301	51917	13202005308	Rural
03301	3301102901	1	2017	Vallenar	254290.6	2017	3301	51917	13202005308	Rural
03301	3301112901	1	2017	Vallenar	254290.6	2017	3301	51917	13202005308	Rural
03301	3301122009	5	2017	Vallenar	254290.6	2017	3301	51917	13202005308	Rural
03301	3301122025	9	2017	Vallenar	254290.6	2017	3301	51917	13202005308	Rural
03301	3301122030	12	2017	Vallenar	254290.6	2017	3301	51917	13202005308	Rural
03301	3301122032	1	2017	Vallenar	254290.6	2017	3301	51917	13202005308	Rural
03301	3301122033	6	2017	Vallenar	254290.6	2017	3301	51917	13202005308	Rural
03301	3301122062	1	2017	Vallenar	254290.6	2017	3301	51917	13202005308	Rural
03301	3301132026	6	2017	Vallenar	254290.6	2017	3301	51917	13202005308	Rural
03301	3301132901	1	2017	Vallenar	254290.6	2017	3301	51917	13202005308	Rural
03301	3301152010	18	2017	Vallenar	254290.6	2017	3301	51917	13202005308	Rural
03301	3301152024	4	2017	Vallenar	254290.6	2017	3301	51917	13202005308	Rural
03301	3301152901	6	2017	Vallenar	254290.6	2017	3301	51917	13202005308	Rural
03302	3302012002	19	2017	Alto del Carmen	227130.4	2017	3302	5299	1203563833	Rural
03302	3302012005	4	2017	Alto del Carmen	227130.4	2017	3302	5299	1203563833	Rural
03302	3302012029	12	2017	Alto del Carmen	227130.4	2017	3302	5299	1203563833	Rural
03302	3302022005	28	2017	Alto del Carmen	227130.4	2017	3302	5299	1203563833	Rural
03302	3302032005	15	2017	Alto del Carmen	227130.4	2017	3302	5299	1203563833	Rural
03302	3302032018	31	2017	Alto del Carmen	227130.4	2017	3302	5299	1203563833	Rural
03302	3302042005	31	2017	Alto del Carmen	227130.4	2017	3302	5299	1203563833	Rural
03302	3302052005	3	2017	Alto del Carmen	227130.4	2017	3302	5299	1203563833	Rural
03302	3302072003	6	2017	Alto del Carmen	227130.4	2017	3302	5299	1203563833	Rural
03302	3302072025	2	2017	Alto del Carmen	227130.4	2017	3302	5299	1203563833	Rural
03302	3302072034	31	2017	Alto del Carmen	227130.4	2017	3302	5299	1203563833	Rural
03302	3302072901	3	2017	Alto del Carmen	227130.4	2017	3302	5299	1203563833	Rural
03302	3302082025	1	2017	Alto del Carmen	227130.4	2017	3302	5299	1203563833	Rural
03302	3302092013	5	2017	Alto del Carmen	227130.4	2017	3302	5299	1203563833	Rural
03302	3302092033	8	2017	Alto del Carmen	227130.4	2017	3302	5299	1203563833	Rural
03302	3302102010	4	2017	Alto del Carmen	227130.4	2017	3302	5299	1203563833	Rural
03302	3302102030	2	2017	Alto del Carmen	227130.4	2017	3302	5299	1203563833	Rural
03302	3302112015	8	2017	Alto del Carmen	227130.4	2017	3302	5299	1203563833	Rural
03302	3302112901	1	2017	Alto del Carmen	227130.4	2017	3302	5299	1203563833	Rural
03303	3303022004	2	2017	Freirina	214803.3	2017	3303	7041	1512429891	Rural
03303	3303022005	5	2017	Freirina	214803.3	2017	3303	7041	1512429891	Rural
03303	3303022007	3	2017	Freirina	214803.3	2017	3303	7041	1512429891	Rural
03303	3303022008	16	2017	Freirina	214803.3	2017	3303	7041	1512429891	Rural
03303	3303022009	14	2017	Freirina	214803.3	2017	3303	7041	1512429891	Rural
03303	3303022012	5	2017	Freirina	214803.3	2017	3303	7041	1512429891	Rural
03303	3303022013	2	2017	Freirina	214803.3	2017	3303	7041	1512429891	Rural
03303	3303032010	3	2017	Freirina	214803.3	2017	3303	7041	1512429891	Rural
03303	3303042002	9	2017	Freirina	214803.3	2017	3303	7041	1512429891	Rural
03303	3303042003	12	2017	Freirina	214803.3	2017	3303	7041	1512429891	Rural
03304	3304012009	2	2017	Huasco	227560.7	2017	3304	10149	2309513927	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
3101102901	03101	2	2017	Copiapó	308502.8	2017	3101	153937	47489990283	Rural	26	0.0001689	03101
3101122013	03101	54	2017	Copiapó	308502.8	2017	3101	153937	47489990283	Rural	332	0.0021567	03101
3101122047	03101	1	2017	Copiapó	308502.8	2017	3101	153937	47489990283	Rural	183	0.0011888	03101
3101122901	03101	1	2017	Copiapó	308502.8	2017	3101	153937	47489990283	Rural	54	0.0003508	03101
3101132901	03101	1	2017	Copiapó	308502.8	2017	3101	153937	47489990283	Rural	14	0.0000909	03101
3101162050	03101	2	2017	Copiapó	308502.8	2017	3101	153937	47489990283	Rural	33	0.0002144	03101
3101172013	03101	11	2017	Copiapó	308502.8	2017	3101	153937	47489990283	Rural	194	0.0012603	03101
3101172017	03101	18	2017	Copiapó	308502.8	2017	3101	153937	47489990283	Rural	121	0.0007860	03101
3101172021	03101	1	2017	Copiapó	308502.8	2017	3101	153937	47489990283	Rural	74	0.0004807	03101
3101172026	03101	16	2017	Copiapó	308502.8	2017	3101	153937	47489990283	Rural	340	0.0022087	03101
3101172035	03101	15	2017	Copiapó	308502.8	2017	3101	153937	47489990283	Rural	293	0.0019034	03101
3101172037	03101	12	2017	Copiapó	308502.8	2017	3101	153937	47489990283	Rural	859	0.0055802	03101
3101182901	03101	1	2017	Copiapó	308502.8	2017	3101	153937	47489990283	Rural	17	0.0001104	03101
3101222015	03101	1	2017	Copiapó	308502.8	2017	3101	153937	47489990283	Rural	97	0.0006301	03101
3101222048	03101	1	2017	Copiapó	308502.8	2017	3101	153937	47489990283	Rural	62	0.0004028	03101
3102012001	03102	66	2017	NA	NA	NA	NA	NA	NA	NA	590	0.0334051	03102
3102012004	03102	2	2017	NA	NA	NA	NA	NA	NA	NA	117	0.0066244	03102
3102022010	03102	22	2017	NA	NA	NA	NA	NA	NA	NA	542	0.0306874	03102
3102022901	03102	2	2017	NA	NA	NA	NA	NA	NA	NA	53	0.0030008	03102
3102032003	03102	10	2017	NA	NA	NA	NA	NA	NA	NA	297	0.0168158	03102
3102032007	03102	4	2017	NA	NA	NA	NA	NA	NA	NA	181	0.0102480	03102
3102042002	03102	1	2017	NA	NA	NA	NA	NA	NA	NA	22	0.0012456	03102
3103012003	03103	2	2017	Tierra Amarilla	312457.3	2017	3103	14019	4380339153	Rural	74	0.0052786	03103
3103012022	03103	5	2017	Tierra Amarilla	312457.3	2017	3103	14019	4380339153	Rural	553	0.0394465	03103
3103012029	03103	1	2017	Tierra Amarilla	312457.3	2017	3103	14019	4380339153	Rural	86	0.0061345	03103
3103032006	03103	1	2017	Tierra Amarilla	312457.3	2017	3103	14019	4380339153	Rural	476	0.0339539	03103
3103032009	03103	1	2017	Tierra Amarilla	312457.3	2017	3103	14019	4380339153	Rural	22	0.0015693	03103
3103032014	03103	1	2017	Tierra Amarilla	312457.3	2017	3103	14019	4380339153	Rural	41	0.0029246	03103
3103042028	03103	1	2017	Tierra Amarilla	312457.3	2017	3103	14019	4380339153	Rural	195	0.0139097	03103
3103052020	03103	4	2017	Tierra Amarilla	312457.3	2017	3103	14019	4380339153	Rural	952	0.0679078	03103
3103062901	03103	1	2017	Tierra Amarilla	312457.3	2017	3103	14019	4380339153	Rural	122	0.0087025	03103
3103072012	03103	1	2017	Tierra Amarilla	312457.3	2017	3103	14019	4380339153	Rural	27	0.0019260	03103
3201012003	03201	4	2017	NA	NA	NA	NA	NA	NA	NA	27	0.0022097	03201
3201012005	03201	1	2017	NA	NA	NA	NA	NA	NA	NA	29	0.0023734	03201
3201022006	03201	6	2017	NA	NA	NA	NA	NA	NA	NA	699	0.0572060	03201
3201032007	03201	3	2017	NA	NA	NA	NA	NA	NA	NA	185	0.0151404	03201
3202022901	03202	18	2017	Diego de Almagro	374511.6	2017	3202	13925	5215073473	Rural	294	0.0211131	03202
3202042008	03202	14	2017	Diego de Almagro	374511.6	2017	3202	13925	5215073473	Rural	319	0.0229084	03202
3301032017	03301	14	2017	Vallenar	254290.6	2017	3301	51917	13202005308	Rural	386	0.0074349	03301
3301032901	03301	1	2017	Vallenar	254290.6	2017	3301	51917	13202005308	Rural	9	0.0001734	03301
3301042005	03301	10	2017	Vallenar	254290.6	2017	3301	51917	13202005308	Rural	184	0.0035441	03301
3301042060	03301	6	2017	Vallenar	254290.6	2017	3301	51917	13202005308	Rural	172	0.0033130	03301
3301052002	03301	19	2017	Vallenar	254290.6	2017	3301	51917	13202005308	Rural	574	0.0110561	03301
3301052006	03301	1	2017	Vallenar	254290.6	2017	3301	51917	13202005308	Rural	55	0.0010594	03301
3301052008	03301	1	2017	Vallenar	254290.6	2017	3301	51917	13202005308	Rural	17	0.0003274	03301
3301052010	03301	30	2017	Vallenar	254290.6	2017	3301	51917	13202005308	Rural	343	0.0066067	03301
3301052014	03301	2	2017	Vallenar	254290.6	2017	3301	51917	13202005308	Rural	37	0.0007127	03301
3301052028	03301	30	2017	Vallenar	254290.6	2017	3301	51917	13202005308	Rural	523	0.0100738	03301
3301052036	03301	67	2017	Vallenar	254290.6	2017	3301	51917	13202005308	Rural	537	0.0103434	03301
3301052038	03301	3	2017	Vallenar	254290.6	2017	3301	51917	13202005308	Rural	87	0.0016758	03301
3301052063	03301	11	2017	Vallenar	254290.6	2017	3301	51917	13202005308	Rural	90	0.0017335	03301
3301062901	03301	1	2017	Vallenar	254290.6	2017	3301	51917	13202005308	Rural	11	0.0002119	03301
3301072901	03301	3	2017	Vallenar	254290.6	2017	3301	51917	13202005308	Rural	19	0.0003660	03301
3301082012	03301	42	2017	Vallenar	254290.6	2017	3301	51917	13202005308	Rural	796	0.0153322	03301
3301082901	03301	3	2017	Vallenar	254290.6	2017	3301	51917	13202005308	Rural	177	0.0034093	03301
3301092043	03301	1	2017	Vallenar	254290.6	2017	3301	51917	13202005308	Rural	60	0.0011557	03301
3301092901	03301	8	2017	Vallenar	254290.6	2017	3301	51917	13202005308	Rural	141	0.0027159	03301
3301102901	03301	1	2017	Vallenar	254290.6	2017	3301	51917	13202005308	Rural	42	0.0008090	03301
3301112901	03301	1	2017	Vallenar	254290.6	2017	3301	51917	13202005308	Rural	13	0.0002504	03301
3301122009	03301	5	2017	Vallenar	254290.6	2017	3301	51917	13202005308	Rural	198	0.0038138	03301
3301122025	03301	9	2017	Vallenar	254290.6	2017	3301	51917	13202005308	Rural	264	0.0050850	03301
3301122030	03301	12	2017	Vallenar	254290.6	2017	3301	51917	13202005308	Rural	159	0.0030626	03301
3301122032	03301	1	2017	Vallenar	254290.6	2017	3301	51917	13202005308	Rural	43	0.0008282	03301
3301122033	03301	6	2017	Vallenar	254290.6	2017	3301	51917	13202005308	Rural	108	0.0020802	03301
3301122062	03301	1	2017	Vallenar	254290.6	2017	3301	51917	13202005308	Rural	27	0.0005201	03301
3301132026	03301	6	2017	Vallenar	254290.6	2017	3301	51917	13202005308	Rural	146	0.0028122	03301
3301132901	03301	1	2017	Vallenar	254290.6	2017	3301	51917	13202005308	Rural	33	0.0006356	03301
3301152010	03301	18	2017	Vallenar	254290.6	2017	3301	51917	13202005308	Rural	218	0.0041990	03301
3301152024	03301	4	2017	Vallenar	254290.6	2017	3301	51917	13202005308	Rural	43	0.0008282	03301
3301152901	03301	6	2017	Vallenar	254290.6	2017	3301	51917	13202005308	Rural	124	0.0023884	03301
3302012002	03302	19	2017	Alto del Carmen	227130.4	2017	3302	5299	1203563833	Rural	645	0.1217211	03302
3302012005	03302	4	2017	Alto del Carmen	227130.4	2017	3302	5299	1203563833	Rural	48	0.0090583	03302
3302012029	03302	12	2017	Alto del Carmen	227130.4	2017	3302	5299	1203563833	Rural	117	0.0220796	03302
3302022005	03302	28	2017	Alto del Carmen	227130.4	2017	3302	5299	1203563833	Rural	540	0.1019060	03302
3302032005	03302	15	2017	Alto del Carmen	227130.4	2017	3302	5299	1203563833	Rural	821	0.1549349	03302
3302032018	03302	31	2017	Alto del Carmen	227130.4	2017	3302	5299	1203563833	Rural	512	0.0966220	03302
3302042005	03302	31	2017	Alto del Carmen	227130.4	2017	3302	5299	1203563833	Rural	560	0.1056803	03302
3302052005	03302	3	2017	Alto del Carmen	227130.4	2017	3302	5299	1203563833	Rural	419	0.0790715	03302
3302072003	03302	6	2017	Alto del Carmen	227130.4	2017	3302	5299	1203563833	Rural	73	0.0137762	03302
3302072025	03302	2	2017	Alto del Carmen	227130.4	2017	3302	5299	1203563833	Rural	28	0.0052840	03302
3302072034	03302	31	2017	Alto del Carmen	227130.4	2017	3302	5299	1203563833	Rural	229	0.0432157	03302
3302072901	03302	3	2017	Alto del Carmen	227130.4	2017	3302	5299	1203563833	Rural	52	0.0098132	03302
3302082025	03302	1	2017	Alto del Carmen	227130.4	2017	3302	5299	1203563833	Rural	24	0.0045292	03302
3302092013	03302	5	2017	Alto del Carmen	227130.4	2017	3302	5299	1203563833	Rural	58	0.0109455	03302
3302092033	03302	8	2017	Alto del Carmen	227130.4	2017	3302	5299	1203563833	Rural	149	0.0281185	03302
3302102010	03302	4	2017	Alto del Carmen	227130.4	2017	3302	5299	1203563833	Rural	113	0.0213248	03302
3302102030	03302	2	2017	Alto del Carmen	227130.4	2017	3302	5299	1203563833	Rural	115	0.0217022	03302
3302112015	03302	8	2017	Alto del Carmen	227130.4	2017	3302	5299	1203563833	Rural	53	0.0100019	03302
3302112901	03302	1	2017	Alto del Carmen	227130.4	2017	3302	5299	1203563833	Rural	27	0.0050953	03302
3303022004	03303	2	2017	Freirina	214803.3	2017	3303	7041	1512429891	Rural	35	0.0049709	03303
3303022005	03303	5	2017	Freirina	214803.3	2017	3303	7041	1512429891	Rural	208	0.0295413	03303
3303022007	03303	3	2017	Freirina	214803.3	2017	3303	7041	1512429891	Rural	79	0.0112200	03303
3303022008	03303	16	2017	Freirina	214803.3	2017	3303	7041	1512429891	Rural	693	0.0984235	03303
3303022009	03303	14	2017	Freirina	214803.3	2017	3303	7041	1512429891	Rural	418	0.0593666	03303
3303022012	03303	5	2017	Freirina	214803.3	2017	3303	7041	1512429891	Rural	206	0.0292572	03303
3303022013	03303	2	2017	Freirina	214803.3	2017	3303	7041	1512429891	Rural	38	0.0053970	03303
3303032010	03303	3	2017	Freirina	214803.3	2017	3303	7041	1512429891	Rural	73	0.0103678	03303
3303042002	03303	9	2017	Freirina	214803.3	2017	3303	7041	1512429891	Rural	223	0.0316716	03303
3303042003	03303	12	2017	Freirina	214803.3	2017	3303	7041	1512429891	Rural	319	0.0453061	03303
3304012009	03304	2	2017	Huasco	227560.7	2017	3304	10149	2309513927	Rural	201	0.0198049	03304

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
3101102901	03101	2	2017	Copiapó	308502.8	2017	3101	153937	47489990283	Rural	26	0.0001689	03101	8021072
3101122013	03101	54	2017	Copiapó	308502.8	2017	3101	153937	47489990283	Rural	332	0.0021567	03101	102422918
3101122047	03101	1	2017	Copiapó	308502.8	2017	3101	153937	47489990283	Rural	183	0.0011888	03101	56456006
3101122901	03101	1	2017	Copiapó	308502.8	2017	3101	153937	47489990283	Rural	54	0.0003508	03101	16659149
3101132901	03101	1	2017	Copiapó	308502.8	2017	3101	153937	47489990283	Rural	14	0.0000909	03101	4319039
3101162050	03101	2	2017	Copiapó	308502.8	2017	3101	153937	47489990283	Rural	33	0.0002144	03101	10180591
3101172013	03101	11	2017	Copiapó	308502.8	2017	3101	153937	47489990283	Rural	194	0.0012603	03101	59849537
3101172017	03101	18	2017	Copiapó	308502.8	2017	3101	153937	47489990283	Rural	121	0.0007860	03101	37328835
3101172021	03101	1	2017	Copiapó	308502.8	2017	3101	153937	47489990283	Rural	74	0.0004807	03101	22829205
3101172026	03101	16	2017	Copiapó	308502.8	2017	3101	153937	47489990283	Rural	340	0.0022087	03101	104890940
3101172035	03101	15	2017	Copiapó	308502.8	2017	3101	153937	47489990283	Rural	293	0.0019034	03101	90391310
3101172037	03101	12	2017	Copiapó	308502.8	2017	3101	153937	47489990283	Rural	859	0.0055802	03101	265003876
3101182901	03101	1	2017	Copiapó	308502.8	2017	3101	153937	47489990283	Rural	17	0.0001104	03101	5244547
3101222015	03101	1	2017	Copiapó	308502.8	2017	3101	153937	47489990283	Rural	97	0.0006301	03101	29924768
3101222048	03101	1	2017	Copiapó	308502.8	2017	3101	153937	47489990283	Rural	62	0.0004028	03101	19127171
3102012001	03102	66	2017	NA	NA	NA	NA	NA	NA	NA	590	0.0334051	03102	NA
3102012004	03102	2	2017	NA	NA	NA	NA	NA	NA	NA	117	0.0066244	03102	NA
3102022010	03102	22	2017	NA	NA	NA	NA	NA	NA	NA	542	0.0306874	03102	NA
3102022901	03102	2	2017	NA	NA	NA	NA	NA	NA	NA	53	0.0030008	03102	NA
3102032003	03102	10	2017	NA	NA	NA	NA	NA	NA	NA	297	0.0168158	03102	NA
3102032007	03102	4	2017	NA	NA	NA	NA	NA	NA	NA	181	0.0102480	03102	NA
3102042002	03102	1	2017	NA	NA	NA	NA	NA	NA	NA	22	0.0012456	03102	NA
3103012003	03103	2	2017	Tierra Amarilla	312457.3	2017	3103	14019	4380339153	Rural	74	0.0052786	03103	23121842
3103012022	03103	5	2017	Tierra Amarilla	312457.3	2017	3103	14019	4380339153	Rural	553	0.0394465	03103	172788897
3103012029	03103	1	2017	Tierra Amarilla	312457.3	2017	3103	14019	4380339153	Rural	86	0.0061345	03103	26871329
3103032006	03103	1	2017	Tierra Amarilla	312457.3	2017	3103	14019	4380339153	Rural	476	0.0339539	03103	148729684
3103032009	03103	1	2017	Tierra Amarilla	312457.3	2017	3103	14019	4380339153	Rural	22	0.0015693	03103	6874061
3103032014	03103	1	2017	Tierra Amarilla	312457.3	2017	3103	14019	4380339153	Rural	41	0.0029246	03103	12810750
3103042028	03103	1	2017	Tierra Amarilla	312457.3	2017	3103	14019	4380339153	Rural	195	0.0139097	03103	60929177
3103052020	03103	4	2017	Tierra Amarilla	312457.3	2017	3103	14019	4380339153	Rural	952	0.0679078	03103	297459368
3103062901	03103	1	2017	Tierra Amarilla	312457.3	2017	3103	14019	4380339153	Rural	122	0.0087025	03103	38119793
3103072012	03103	1	2017	Tierra Amarilla	312457.3	2017	3103	14019	4380339153	Rural	27	0.0019260	03103	8436348
3201012003	03201	4	2017	NA	NA	NA	NA	NA	NA	NA	27	0.0022097	03201	NA
3201012005	03201	1	2017	NA	NA	NA	NA	NA	NA	NA	29	0.0023734	03201	NA
3201022006	03201	6	2017	NA	NA	NA	NA	NA	NA	NA	699	0.0572060	03201	NA
3201032007	03201	3	2017	NA	NA	NA	NA	NA	NA	NA	185	0.0151404	03201	NA
3202022901	03202	18	2017	Diego de Almagro	374511.6	2017	3202	13925	5215073473	Rural	294	0.0211131	03202	110106399
3202042008	03202	14	2017	Diego de Almagro	374511.6	2017	3202	13925	5215073473	Rural	319	0.0229084	03202	119469188
3301032017	03301	14	2017	Vallenar	254290.6	2017	3301	51917	13202005308	Rural	386	0.0074349	03301	98156173
3301032901	03301	1	2017	Vallenar	254290.6	2017	3301	51917	13202005308	Rural	9	0.0001734	03301	2288615
3301042005	03301	10	2017	Vallenar	254290.6	2017	3301	51917	13202005308	Rural	184	0.0035441	03301	46789471
3301042060	03301	6	2017	Vallenar	254290.6	2017	3301	51917	13202005308	Rural	172	0.0033130	03301	43737984
3301052002	03301	19	2017	Vallenar	254290.6	2017	3301	51917	13202005308	Rural	574	0.0110561	03301	145962807
3301052006	03301	1	2017	Vallenar	254290.6	2017	3301	51917	13202005308	Rural	55	0.0010594	03301	13985983
3301052008	03301	1	2017	Vallenar	254290.6	2017	3301	51917	13202005308	Rural	17	0.0003274	03301	4322940
3301052010	03301	30	2017	Vallenar	254290.6	2017	3301	51917	13202005308	Rural	343	0.0066067	03301	87221677
3301052014	03301	2	2017	Vallenar	254290.6	2017	3301	51917	13202005308	Rural	37	0.0007127	03301	9408752
3301052028	03301	30	2017	Vallenar	254290.6	2017	3301	51917	13202005308	Rural	523	0.0100738	03301	132993986
3301052036	03301	67	2017	Vallenar	254290.6	2017	3301	51917	13202005308	Rural	537	0.0103434	03301	136554055
3301052038	03301	3	2017	Vallenar	254290.6	2017	3301	51917	13202005308	Rural	87	0.0016758	03301	22123283
3301052063	03301	11	2017	Vallenar	254290.6	2017	3301	51917	13202005308	Rural	90	0.0017335	03301	22886154
3301062901	03301	1	2017	Vallenar	254290.6	2017	3301	51917	13202005308	Rural	11	0.0002119	03301	2797197
3301072901	03301	3	2017	Vallenar	254290.6	2017	3301	51917	13202005308	Rural	19	0.0003660	03301	4831521
3301082012	03301	42	2017	Vallenar	254290.6	2017	3301	51917	13202005308	Rural	796	0.0153322	03301	202415321
3301082901	03301	3	2017	Vallenar	254290.6	2017	3301	51917	13202005308	Rural	177	0.0034093	03301	45009437
3301092043	03301	1	2017	Vallenar	254290.6	2017	3301	51917	13202005308	Rural	60	0.0011557	03301	15257436
3301092901	03301	8	2017	Vallenar	254290.6	2017	3301	51917	13202005308	Rural	141	0.0027159	03301	35854975
3301102901	03301	1	2017	Vallenar	254290.6	2017	3301	51917	13202005308	Rural	42	0.0008090	03301	10680205
3301112901	03301	1	2017	Vallenar	254290.6	2017	3301	51917	13202005308	Rural	13	0.0002504	03301	3305778
3301122009	03301	5	2017	Vallenar	254290.6	2017	3301	51917	13202005308	Rural	198	0.0038138	03301	50349540
3301122025	03301	9	2017	Vallenar	254290.6	2017	3301	51917	13202005308	Rural	264	0.0050850	03301	67132720
3301122030	03301	12	2017	Vallenar	254290.6	2017	3301	51917	13202005308	Rural	159	0.0030626	03301	40432206
3301122032	03301	1	2017	Vallenar	254290.6	2017	3301	51917	13202005308	Rural	43	0.0008282	03301	10934496
3301122033	03301	6	2017	Vallenar	254290.6	2017	3301	51917	13202005308	Rural	108	0.0020802	03301	27463385
3301122062	03301	1	2017	Vallenar	254290.6	2017	3301	51917	13202005308	Rural	27	0.0005201	03301	6865846
3301132026	03301	6	2017	Vallenar	254290.6	2017	3301	51917	13202005308	Rural	146	0.0028122	03301	37126428
3301132901	03301	1	2017	Vallenar	254290.6	2017	3301	51917	13202005308	Rural	33	0.0006356	03301	8391590
3301152010	03301	18	2017	Vallenar	254290.6	2017	3301	51917	13202005308	Rural	218	0.0041990	03301	55435352
3301152024	03301	4	2017	Vallenar	254290.6	2017	3301	51917	13202005308	Rural	43	0.0008282	03301	10934496
3301152901	03301	6	2017	Vallenar	254290.6	2017	3301	51917	13202005308	Rural	124	0.0023884	03301	31532035
3302012002	03302	19	2017	Alto del Carmen	227130.4	2017	3302	5299	1203563833	Rural	645	0.1217211	03302	146499089
3302012005	03302	4	2017	Alto del Carmen	227130.4	2017	3302	5299	1203563833	Rural	48	0.0090583	03302	10902258
3302012029	03302	12	2017	Alto del Carmen	227130.4	2017	3302	5299	1203563833	Rural	117	0.0220796	03302	26574253
3302022005	03302	28	2017	Alto del Carmen	227130.4	2017	3302	5299	1203563833	Rural	540	0.1019060	03302	122650400
3302032005	03302	15	2017	Alto del Carmen	227130.4	2017	3302	5299	1203563833	Rural	821	0.1549349	03302	186474034
3302032018	03302	31	2017	Alto del Carmen	227130.4	2017	3302	5299	1203563833	Rural	512	0.0966220	03302	116290750
3302042005	03302	31	2017	Alto del Carmen	227130.4	2017	3302	5299	1203563833	Rural	560	0.1056803	03302	127193007
3302052005	03302	3	2017	Alto del Carmen	227130.4	2017	3302	5299	1203563833	Rural	419	0.0790715	03302	95167625
3302072003	03302	6	2017	Alto del Carmen	227130.4	2017	3302	5299	1203563833	Rural	73	0.0137762	03302	16580517
3302072025	03302	2	2017	Alto del Carmen	227130.4	2017	3302	5299	1203563833	Rural	28	0.0052840	03302	6359650
3302072034	03302	31	2017	Alto del Carmen	227130.4	2017	3302	5299	1203563833	Rural	229	0.0432157	03302	52012855
3302072901	03302	3	2017	Alto del Carmen	227130.4	2017	3302	5299	1203563833	Rural	52	0.0098132	03302	11810779
3302082025	03302	1	2017	Alto del Carmen	227130.4	2017	3302	5299	1203563833	Rural	24	0.0045292	03302	5451129
3302092013	03302	5	2017	Alto del Carmen	227130.4	2017	3302	5299	1203563833	Rural	58	0.0109455	03302	13173561
3302092033	03302	8	2017	Alto del Carmen	227130.4	2017	3302	5299	1203563833	Rural	149	0.0281185	03302	33842425
3302102010	03302	4	2017	Alto del Carmen	227130.4	2017	3302	5299	1203563833	Rural	113	0.0213248	03302	25665732
3302102030	03302	2	2017	Alto del Carmen	227130.4	2017	3302	5299	1203563833	Rural	115	0.0217022	03302	26119993
3302112015	03302	8	2017	Alto del Carmen	227130.4	2017	3302	5299	1203563833	Rural	53	0.0100019	03302	12037910
3302112901	03302	1	2017	Alto del Carmen	227130.4	2017	3302	5299	1203563833	Rural	27	0.0050953	03302	6132520
3303022004	03303	2	2017	Freirina	214803.3	2017	3303	7041	1512429891	Rural	35	0.0049709	03303	7518115
3303022005	03303	5	2017	Freirina	214803.3	2017	3303	7041	1512429891	Rural	208	0.0295413	03303	44679082
3303022007	03303	3	2017	Freirina	214803.3	2017	3303	7041	1512429891	Rural	79	0.0112200	03303	16969459
3303022008	03303	16	2017	Freirina	214803.3	2017	3303	7041	1512429891	Rural	693	0.0984235	03303	148858673
3303022009	03303	14	2017	Freirina	214803.3	2017	3303	7041	1512429891	Rural	418	0.0593666	03303	89787771
3303022012	03303	5	2017	Freirina	214803.3	2017	3303	7041	1512429891	Rural	206	0.0292572	03303	44249476
3303022013	03303	2	2017	Freirina	214803.3	2017	3303	7041	1512429891	Rural	38	0.0053970	03303	8162525
3303032010	03303	3	2017	Freirina	214803.3	2017	3303	7041	1512429891	Rural	73	0.0103678	03303	15680639
3303042002	03303	9	2017	Freirina	214803.3	2017	3303	7041	1512429891	Rural	223	0.0316716	03303	47901131
3303042003	03303	12	2017	Freirina	214803.3	2017	3303	7041	1512429891	Rural	319	0.0453061	03303	68522246
3304012009	03304	2	2017	Huasco	227560.7	2017	3304	10149	2309513927	Rural	201	0.0198049	03304	45739708

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 
## -71946398 -26183927 -15541200   8128607 257914377 
## 
## Coefficients:
##             Estimate Std. Error t value Pr(>|t|)    
## (Intercept) 28817660    6411137   4.495 1.98e-05 ***
## Freq.x       2681833     439854   6.097 2.37e-08 ***
## ---
## Signif. codes:  0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
## 
## Residual standard error: 49860000 on 94 degrees of freedom
##   (11 observations deleted due to missingness)
## Multiple R-squared:  0.2834, Adjusted R-squared:  0.2758 
## F-statistic: 37.17 on 1 and 94 DF,  p-value: 2.373e-08

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.

8 Modelos alternativos

8.1 Modelo cuadrático

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

linearMod <- lm( multi_pob~(Freq.x^2) , data=h_y_m_comuna_corr_01)
datos <- summary(linearMod)
dato <- datos$adj.r.squared
modelo <- "cuadrático"
sintaxis <- "linearMod <- lm( multi_pob~(Freq.x^2) , data=h_y_m_comuna_corr_01)"
modelos1 <- cbind(modelo,dato,sintaxis)
modelos1

##      modelo       dato               
## [1,] "cuadrático" "0.275774143510848"
##      sintaxis                                                            
## [1,] "linearMod <- lm( multi_pob~(Freq.x^2) , data=h_y_m_comuna_corr_01)"

8.2 Modelo cúbico

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

linearMod <- lm( multi_pob~(Freq.x^3) , data=h_y_m_comuna_corr_01)
datos <- summary(linearMod)
dato <- datos$adj.r.squared
modelo <- "cúbico"
sintaxis <- "linearMod <- lm( multi_pob~(Freq.x^3) , data=h_y_m_comuna_corr_01)"
modelos2 <- cbind(modelo,dato,sintaxis)
modelos2

##      modelo   dato               
## [1,] "cúbico" "0.275774143510848"
##      sintaxis                                                            
## [1,] "linearMod <- lm( multi_pob~(Freq.x^3) , data=h_y_m_comuna_corr_01)"

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)
datos <- summary(linearMod)
dato <- datos$adj.r.squared
modelo <- "logarítmico"
sintaxis <- "linearMod <- lm( multi_pob~log(Freq.x) , data=h_y_m_comuna_corr_01)"
modelos3 <- cbind(modelo,dato,sintaxis)
modelos3

##      modelo        dato               
## [1,] "logarítmico" "0.326750520471716"
##      sintaxis                                                             
## [1,] "linearMod <- lm( multi_pob~log(Freq.x) , data=h_y_m_comuna_corr_01)"

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)
datos <- summary(linearMod)
dato <- datos$adj.r.squared
modelo <- "raíz cuadrada"
sintaxis <- "linearMod <- lm( multi_pob~sqrt(Freq.x) , data=h_y_m_comuna_corr_01)"
modelos5 <- cbind(modelo,dato,sintaxis)
modelos5

##      modelo          dato               
## [1,] "raíz cuadrada" "0.332836242802862"
##      sintaxis                                                              
## [1,] "linearMod <- lm( multi_pob~sqrt(Freq.x) , data=h_y_m_comuna_corr_01)"

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)
datos <- summary(linearMod)
dato <- datos$adj.r.squared
modelo <- "raíz-raíz"
sintaxis <- "linearMod <- lm( sqrt(multi_pob)~sqrt(Freq.x) , data=h_y_m_comuna_corr_01)"
modelos6 <- cbind(modelo,dato,sintaxis)
modelos6

##      modelo      dato               
## [1,] "raíz-raíz" "0.438720629789788"
##      sintaxis                                                                    
## [1,] "linearMod <- lm( sqrt(multi_pob)~sqrt(Freq.x) , data=h_y_m_comuna_corr_01)"

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)
datos <- summary(linearMod)
dato <- datos$adj.r.squared
modelo <- "log-raíz"
sintaxis <- "linearMod <- lm( log(multi_pob)~sqrt(Freq.x) , data=h_y_m_comuna_corr_01)"
modelos7 <- cbind(modelo,dato,sintaxis)
modelos7

##      modelo     dato               
## [1,] "log-raíz" "0.457998577298983"
##      sintaxis                                                                   
## [1,] "linearMod <- lm( log(multi_pob)~sqrt(Freq.x) , data=h_y_m_comuna_corr_01)"

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)
datos <- summary(linearMod)
dato <- datos$adj.r.squared
modelo <- "raíz-log"
sintaxis <- "linearMod <- lm( sqrt(multi_pob)~log(Freq.x) , data=h_y_m_comuna_corr_01)"
modelos8 <- cbind(modelo,dato,sintaxis)
modelos8

##      modelo     dato              
## [1,] "raíz-log" "0.45031335351767"
##      sintaxis                                                                   
## [1,] "linearMod <- lm( sqrt(multi_pob)~log(Freq.x) , data=h_y_m_comuna_corr_01)"

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)
datos <- summary(linearMod)
dato <- datos$adj.r.squared
modelo <- "log-log"
sintaxis <- "linearMod <- lm( log(multi_pob)~log(Freq.x) , data=h_y_m_comuna_corr_01)"
modelos9 <- cbind(modelo,dato,sintaxis)
modelos9

##      modelo    dato               
## [1,] "log-log" "0.505108023787481"
##      sintaxis                                                                  
## [1,] "linearMod <- lm( log(multi_pob)~log(Freq.x) , data=h_y_m_comuna_corr_01)"

modelos_bind <- rbind(modelos1,modelos2,modelos3,modelos5,modelos6,modelos7,modelos8,modelos9)
modelos_bind <- as.data.frame(modelos_bind)
modelos_bind[order(modelos_bind$dato ),]

##          modelo              dato
## 1    cuadrático 0.275774143510848
## 2        cúbico 0.275774143510848
## 3   logarítmico 0.326750520471716
## 4 raíz cuadrada 0.332836242802862
## 5     raíz-raíz 0.438720629789788
## 7      raíz-log  0.45031335351767
## 6      log-raíz 0.457998577298983
## 8       log-log 0.505108023787481
##                                                                     sintaxis
## 1         linearMod <- lm( multi_pob~(Freq.x^2) , data=h_y_m_comuna_corr_01)
## 2         linearMod <- lm( multi_pob~(Freq.x^3) , data=h_y_m_comuna_corr_01)
## 3        linearMod <- lm( multi_pob~log(Freq.x) , data=h_y_m_comuna_corr_01)
## 4       linearMod <- lm( multi_pob~sqrt(Freq.x) , data=h_y_m_comuna_corr_01)
## 5 linearMod <- lm( sqrt(multi_pob)~sqrt(Freq.x) , data=h_y_m_comuna_corr_01)
## 7  linearMod <- lm( sqrt(multi_pob)~log(Freq.x) , data=h_y_m_comuna_corr_01)
## 6  linearMod <- lm( log(multi_pob)~sqrt(Freq.x) , data=h_y_m_comuna_corr_01)
## 8   linearMod <- lm( log(multi_pob)~log(Freq.x) , data=h_y_m_comuna_corr_01)

metodo <- 8
switch (metodo,
        case = linearMod <- lm( multi_pob~(Freq.x^2) , data=h_y_m_comuna_corr_01),
        case = linearMod <- lm( multi_pob~(Freq.x^3) , data=h_y_m_comuna_corr_01),
        case = linearMod <- lm( multi_pob~log(Freq.x) , data=h_y_m_comuna_corr_01),
        case = linearMod <- lm( multi_pob~sqrt(Freq.x) , data=h_y_m_comuna_corr_01),
        case = linearMod <- lm( sqrt(multi_pob)~sqrt(Freq.x) , data=h_y_m_comuna_corr_01),
        case = linearMod <- lm( log(multi_pob)~sqrt(Freq.x) , data=h_y_m_comuna_corr_01),
        case = linearMod <- lm( sqrt(multi_pob)~log(Freq.x) , data=h_y_m_comuna_corr_01),
        case = 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 
## -1.51650 -0.64384  0.00934  0.40410  2.67424 
## 
## Coefficients:
##             Estimate Std. Error t value Pr(>|t|)    
## (Intercept) 16.14340    0.13374 120.711  < 2e-16 ***
## log(Freq.x)  0.69522    0.07024   9.898 3.03e-16 ***
## ---
## Signif. codes:  0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
## 
## Residual standard error: 0.8355 on 94 degrees of freedom
##   (11 observations deleted due to missingness)
## Multiple R-squared:  0.5103, Adjusted R-squared:  0.5051 
## F-statistic: 97.96 on 1 and 94 DF,  p-value: 3.034e-16

aa <- linearMod$coefficients[1]
aa

## (Intercept) 
##     16.1434

bb <- linearMod$coefficients[2]
bb

## log(Freq.x) 
##   0.6952152

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 
## -1.51650 -0.64384  0.00934  0.40410  2.67424 
## 
## Coefficients:
##             Estimate Std. Error t value Pr(>|t|)    
## (Intercept) 16.14340    0.13374 120.711  < 2e-16 ***
## log(Freq.x)  0.69522    0.07024   9.898 3.03e-16 ***
## ---
## Signif. codes:  0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
## 
## Residual standard error: 0.8355 on 94 degrees of freedom
##   (11 observations deleted due to missingness)
## Multiple R-squared:  0.5103, Adjusted R-squared:  0.5051 
## F-statistic: 97.96 on 1 and 94 DF,  p-value: 3.034e-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$est_ing <- exp(aa+bb * log(h_y_m_comuna_corr_01$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
3101102901	03101	2	2017	Copiapó	308502.8	2017	3101	153937	47489990283	Rural	26	0.0001689	03101	8021072	16606207
3101122013	03101	54	2017	Copiapó	308502.8	2017	3101	153937	47489990283	Rural	332	0.0021567	03101	102422918	164201191
3101122047	03101	1	2017	Copiapó	308502.8	2017	3101	153937	47489990283	Rural	183	0.0011888	03101	56456006	10256278
3101122901	03101	1	2017	Copiapó	308502.8	2017	3101	153937	47489990283	Rural	54	0.0003508	03101	16659149	10256278
3101132901	03101	1	2017	Copiapó	308502.8	2017	3101	153937	47489990283	Rural	14	0.0000909	03101	4319039	10256278
3101162050	03101	2	2017	Copiapó	308502.8	2017	3101	153937	47489990283	Rural	33	0.0002144	03101	10180591	16606207
3101172013	03101	11	2017	Copiapó	308502.8	2017	3101	153937	47489990283	Rural	194	0.0012603	03101	59849537	54322762
3101172017	03101	18	2017	Copiapó	308502.8	2017	3101	153937	47489990283	Rural	121	0.0007860	03101	37328835	76502275
3101172021	03101	1	2017	Copiapó	308502.8	2017	3101	153937	47489990283	Rural	74	0.0004807	03101	22829205	10256278
3101172026	03101	16	2017	Copiapó	308502.8	2017	3101	153937	47489990283	Rural	340	0.0022087	03101	104890940	70487537
3101172035	03101	15	2017	Copiapó	308502.8	2017	3101	153937	47489990283	Rural	293	0.0019034	03101	90391310	67394793
3101172037	03101	12	2017	Copiapó	308502.8	2017	3101	153937	47489990283	Rural	859	0.0055802	03101	265003876	57710259
3101182901	03101	1	2017	Copiapó	308502.8	2017	3101	153937	47489990283	Rural	17	0.0001104	03101	5244547	10256278
3101222015	03101	1	2017	Copiapó	308502.8	2017	3101	153937	47489990283	Rural	97	0.0006301	03101	29924768	10256278
3101222048	03101	1	2017	Copiapó	308502.8	2017	3101	153937	47489990283	Rural	62	0.0004028	03101	19127171	10256278
3102012001	03102	66	2017	NA	NA	NA	NA	NA	NA	NA	590	0.0334051	03102	NA	188783673
3102012004	03102	2	2017	NA	NA	NA	NA	NA	NA	NA	117	0.0066244	03102	NA	16606207
3102022010	03102	22	2017	NA	NA	NA	NA	NA	NA	NA	542	0.0306874	03102	NA	87955393
3102022901	03102	2	2017	NA	NA	NA	NA	NA	NA	NA	53	0.0030008	03102	NA	16606207
3102032003	03102	10	2017	NA	NA	NA	NA	NA	NA	NA	297	0.0168158	03102	NA	50839939
3102032007	03102	4	2017	NA	NA	NA	NA	NA	NA	NA	181	0.0102480	03102	NA	26887540
3102042002	03102	1	2017	NA	NA	NA	NA	NA	NA	NA	22	0.0012456	03102	NA	10256278
3103012003	03103	2	2017	Tierra Amarilla	312457.3	2017	3103	14019	4380339153	Rural	74	0.0052786	03103	23121842	16606207
3103012022	03103	5	2017	Tierra Amarilla	312457.3	2017	3103	14019	4380339153	Rural	553	0.0394465	03103	172788897	31399620
3103012029	03103	1	2017	Tierra Amarilla	312457.3	2017	3103	14019	4380339153	Rural	86	0.0061345	03103	26871329	10256278
3103032006	03103	1	2017	Tierra Amarilla	312457.3	2017	3103	14019	4380339153	Rural	476	0.0339539	03103	148729684	10256278
3103032009	03103	1	2017	Tierra Amarilla	312457.3	2017	3103	14019	4380339153	Rural	22	0.0015693	03103	6874061	10256278
3103032014	03103	1	2017	Tierra Amarilla	312457.3	2017	3103	14019	4380339153	Rural	41	0.0029246	03103	12810750	10256278
3103042028	03103	1	2017	Tierra Amarilla	312457.3	2017	3103	14019	4380339153	Rural	195	0.0139097	03103	60929177	10256278
3103052020	03103	4	2017	Tierra Amarilla	312457.3	2017	3103	14019	4380339153	Rural	952	0.0679078	03103	297459368	26887540
3103062901	03103	1	2017	Tierra Amarilla	312457.3	2017	3103	14019	4380339153	Rural	122	0.0087025	03103	38119793	10256278
3103072012	03103	1	2017	Tierra Amarilla	312457.3	2017	3103	14019	4380339153	Rural	27	0.0019260	03103	8436348	10256278
3201012003	03201	4	2017	NA	NA	NA	NA	NA	NA	NA	27	0.0022097	03201	NA	26887540
3201012005	03201	1	2017	NA	NA	NA	NA	NA	NA	NA	29	0.0023734	03201	NA	10256278
3201022006	03201	6	2017	NA	NA	NA	NA	NA	NA	NA	699	0.0572060	03201	NA	35642847
3201032007	03201	3	2017	NA	NA	NA	NA	NA	NA	NA	185	0.0151404	03201	NA	22013635
3202022901	03202	18	2017	Diego de Almagro	374511.6	2017	3202	13925	5215073473	Rural	294	0.0211131	03202	110106399	76502275
3202042008	03202	14	2017	Diego de Almagro	374511.6	2017	3202	13925	5215073473	Rural	319	0.0229084	03202	119469188	64238509
3301032017	03301	14	2017	Vallenar	254290.6	2017	3301	51917	13202005308	Rural	386	0.0074349	03301	98156173	64238509
3301032901	03301	1	2017	Vallenar	254290.6	2017	3301	51917	13202005308	Rural	9	0.0001734	03301	2288615	10256278
3301042005	03301	10	2017	Vallenar	254290.6	2017	3301	51917	13202005308	Rural	184	0.0035441	03301	46789471	50839939
3301042060	03301	6	2017	Vallenar	254290.6	2017	3301	51917	13202005308	Rural	172	0.0033130	03301	43737984	35642847
3301052002	03301	19	2017	Vallenar	254290.6	2017	3301	51917	13202005308	Rural	574	0.0110561	03301	145962807	79432597
3301052006	03301	1	2017	Vallenar	254290.6	2017	3301	51917	13202005308	Rural	55	0.0010594	03301	13985983	10256278
3301052008	03301	1	2017	Vallenar	254290.6	2017	3301	51917	13202005308	Rural	17	0.0003274	03301	4322940	10256278
3301052010	03301	30	2017	Vallenar	254290.6	2017	3301	51917	13202005308	Rural	343	0.0066067	03301	87221677	109120657
3301052014	03301	2	2017	Vallenar	254290.6	2017	3301	51917	13202005308	Rural	37	0.0007127	03301	9408752	16606207
3301052028	03301	30	2017	Vallenar	254290.6	2017	3301	51917	13202005308	Rural	523	0.0100738	03301	132993986	109120657
3301052036	03301	67	2017	Vallenar	254290.6	2017	3301	51917	13202005308	Rural	537	0.0103434	03301	136554055	190767676
3301052038	03301	3	2017	Vallenar	254290.6	2017	3301	51917	13202005308	Rural	87	0.0016758	03301	22123283	22013635
3301052063	03301	11	2017	Vallenar	254290.6	2017	3301	51917	13202005308	Rural	90	0.0017335	03301	22886154	54322762
3301062901	03301	1	2017	Vallenar	254290.6	2017	3301	51917	13202005308	Rural	11	0.0002119	03301	2797197	10256278
3301072901	03301	3	2017	Vallenar	254290.6	2017	3301	51917	13202005308	Rural	19	0.0003660	03301	4831521	22013635
3301082012	03301	42	2017	Vallenar	254290.6	2017	3301	51917	13202005308	Rural	796	0.0153322	03301	202415321	137878772
3301082901	03301	3	2017	Vallenar	254290.6	2017	3301	51917	13202005308	Rural	177	0.0034093	03301	45009437	22013635
3301092043	03301	1	2017	Vallenar	254290.6	2017	3301	51917	13202005308	Rural	60	0.0011557	03301	15257436	10256278
3301092901	03301	8	2017	Vallenar	254290.6	2017	3301	51917	13202005308	Rural	141	0.0027159	03301	35854975	43534314
3301102901	03301	1	2017	Vallenar	254290.6	2017	3301	51917	13202005308	Rural	42	0.0008090	03301	10680205	10256278
3301112901	03301	1	2017	Vallenar	254290.6	2017	3301	51917	13202005308	Rural	13	0.0002504	03301	3305778	10256278
3301122009	03301	5	2017	Vallenar	254290.6	2017	3301	51917	13202005308	Rural	198	0.0038138	03301	50349540	31399620
3301122025	03301	9	2017	Vallenar	254290.6	2017	3301	51917	13202005308	Rural	264	0.0050850	03301	67132720	47249119
3301122030	03301	12	2017	Vallenar	254290.6	2017	3301	51917	13202005308	Rural	159	0.0030626	03301	40432206	57710259
3301122032	03301	1	2017	Vallenar	254290.6	2017	3301	51917	13202005308	Rural	43	0.0008282	03301	10934496	10256278
3301122033	03301	6	2017	Vallenar	254290.6	2017	3301	51917	13202005308	Rural	108	0.0020802	03301	27463385	35642847
3301122062	03301	1	2017	Vallenar	254290.6	2017	3301	51917	13202005308	Rural	27	0.0005201	03301	6865846	10256278
3301132026	03301	6	2017	Vallenar	254290.6	2017	3301	51917	13202005308	Rural	146	0.0028122	03301	37126428	35642847
3301132901	03301	1	2017	Vallenar	254290.6	2017	3301	51917	13202005308	Rural	33	0.0006356	03301	8391590	10256278
3301152010	03301	18	2017	Vallenar	254290.6	2017	3301	51917	13202005308	Rural	218	0.0041990	03301	55435352	76502275
3301152024	03301	4	2017	Vallenar	254290.6	2017	3301	51917	13202005308	Rural	43	0.0008282	03301	10934496	26887540
3301152901	03301	6	2017	Vallenar	254290.6	2017	3301	51917	13202005308	Rural	124	0.0023884	03301	31532035	35642847
3302012002	03302	19	2017	Alto del Carmen	227130.4	2017	3302	5299	1203563833	Rural	645	0.1217211	03302	146499089	79432597
3302012005	03302	4	2017	Alto del Carmen	227130.4	2017	3302	5299	1203563833	Rural	48	0.0090583	03302	10902258	26887540
3302012029	03302	12	2017	Alto del Carmen	227130.4	2017	3302	5299	1203563833	Rural	117	0.0220796	03302	26574253	57710259
3302022005	03302	28	2017	Alto del Carmen	227130.4	2017	3302	5299	1203563833	Rural	540	0.1019060	03302	122650400	104010237
3302032005	03302	15	2017	Alto del Carmen	227130.4	2017	3302	5299	1203563833	Rural	821	0.1549349	03302	186474034	67394793
3302032018	03302	31	2017	Alto del Carmen	227130.4	2017	3302	5299	1203563833	Rural	512	0.0966220	03302	116290750	111636739
3302042005	03302	31	2017	Alto del Carmen	227130.4	2017	3302	5299	1203563833	Rural	560	0.1056803	03302	127193007	111636739
3302052005	03302	3	2017	Alto del Carmen	227130.4	2017	3302	5299	1203563833	Rural	419	0.0790715	03302	95167625	22013635
3302072003	03302	6	2017	Alto del Carmen	227130.4	2017	3302	5299	1203563833	Rural	73	0.0137762	03302	16580517	35642847
3302072025	03302	2	2017	Alto del Carmen	227130.4	2017	3302	5299	1203563833	Rural	28	0.0052840	03302	6359650	16606207
3302072034	03302	31	2017	Alto del Carmen	227130.4	2017	3302	5299	1203563833	Rural	229	0.0432157	03302	52012855	111636739
3302072901	03302	3	2017	Alto del Carmen	227130.4	2017	3302	5299	1203563833	Rural	52	0.0098132	03302	11810779	22013635
3302082025	03302	1	2017	Alto del Carmen	227130.4	2017	3302	5299	1203563833	Rural	24	0.0045292	03302	5451129	10256278
3302092013	03302	5	2017	Alto del Carmen	227130.4	2017	3302	5299	1203563833	Rural	58	0.0109455	03302	13173561	31399620
3302092033	03302	8	2017	Alto del Carmen	227130.4	2017	3302	5299	1203563833	Rural	149	0.0281185	03302	33842425	43534314
3302102010	03302	4	2017	Alto del Carmen	227130.4	2017	3302	5299	1203563833	Rural	113	0.0213248	03302	25665732	26887540
3302102030	03302	2	2017	Alto del Carmen	227130.4	2017	3302	5299	1203563833	Rural	115	0.0217022	03302	26119993	16606207
3302112015	03302	8	2017	Alto del Carmen	227130.4	2017	3302	5299	1203563833	Rural	53	0.0100019	03302	12037910	43534314
3302112901	03302	1	2017	Alto del Carmen	227130.4	2017	3302	5299	1203563833	Rural	27	0.0050953	03302	6132520	10256278
3303022004	03303	2	2017	Freirina	214803.3	2017	3303	7041	1512429891	Rural	35	0.0049709	03303	7518115	16606207
3303022005	03303	5	2017	Freirina	214803.3	2017	3303	7041	1512429891	Rural	208	0.0295413	03303	44679082	31399620
3303022007	03303	3	2017	Freirina	214803.3	2017	3303	7041	1512429891	Rural	79	0.0112200	03303	16969459	22013635
3303022008	03303	16	2017	Freirina	214803.3	2017	3303	7041	1512429891	Rural	693	0.0984235	03303	148858673	70487537
3303022009	03303	14	2017	Freirina	214803.3	2017	3303	7041	1512429891	Rural	418	0.0593666	03303	89787771	64238509
3303022012	03303	5	2017	Freirina	214803.3	2017	3303	7041	1512429891	Rural	206	0.0292572	03303	44249476	31399620
3303022013	03303	2	2017	Freirina	214803.3	2017	3303	7041	1512429891	Rural	38	0.0053970	03303	8162525	16606207
3303032010	03303	3	2017	Freirina	214803.3	2017	3303	7041	1512429891	Rural	73	0.0103678	03303	15680639	22013635
3303042002	03303	9	2017	Freirina	214803.3	2017	3303	7041	1512429891	Rural	223	0.0316716	03303	47901131	47249119
3303042003	03303	12	2017	Freirina	214803.3	2017	3303	7041	1512429891	Rural	319	0.0453061	03303	68522246	57710259
3304012009	03304	2	2017	Huasco	227560.7	2017	3304	10149	2309513927	Rural	201	0.0198049	03304	45739708	16606207

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
3101102901	03101	2	2017	Copiapó	308502.8	2017	3101	153937	47489990283	Rural	26	0.0001689	03101	8021072	16606207	638700.25
3101122013	03101	54	2017	Copiapó	308502.8	2017	3101	153937	47489990283	Rural	332	0.0021567	03101	102422918	164201191	494581.90
3101122047	03101	1	2017	Copiapó	308502.8	2017	3101	153937	47489990283	Rural	183	0.0011888	03101	56456006	10256278	56045.24
3101122901	03101	1	2017	Copiapó	308502.8	2017	3101	153937	47489990283	Rural	54	0.0003508	03101	16659149	10256278	189931.08
3101132901	03101	1	2017	Copiapó	308502.8	2017	3101	153937	47489990283	Rural	14	0.0000909	03101	4319039	10256278	732591.32
3101162050	03101	2	2017	Copiapó	308502.8	2017	3101	153937	47489990283	Rural	33	0.0002144	03101	10180591	16606207	503218.38
3101172013	03101	11	2017	Copiapó	308502.8	2017	3101	153937	47489990283	Rural	194	0.0012603	03101	59849537	54322762	280014.24
3101172017	03101	18	2017	Copiapó	308502.8	2017	3101	153937	47489990283	Rural	121	0.0007860	03101	37328835	76502275	632250.20
3101172021	03101	1	2017	Copiapó	308502.8	2017	3101	153937	47489990283	Rural	74	0.0004807	03101	22829205	10256278	138598.36
3101172026	03101	16	2017	Copiapó	308502.8	2017	3101	153937	47489990283	Rural	340	0.0022087	03101	104890940	70487537	207316.29
3101172035	03101	15	2017	Copiapó	308502.8	2017	3101	153937	47489990283	Rural	293	0.0019034	03101	90391310	67394793	230016.36
3101172037	03101	12	2017	Copiapó	308502.8	2017	3101	153937	47489990283	Rural	859	0.0055802	03101	265003876	57710259	67183.07
3101182901	03101	1	2017	Copiapó	308502.8	2017	3101	153937	47489990283	Rural	17	0.0001104	03101	5244547	10256278	603310.50
3101222015	03101	1	2017	Copiapó	308502.8	2017	3101	153937	47489990283	Rural	97	0.0006301	03101	29924768	10256278	105734.83
3101222048	03101	1	2017	Copiapó	308502.8	2017	3101	153937	47489990283	Rural	62	0.0004028	03101	19127171	10256278	165423.85
3102012001	03102	66	2017	NA	NA	NA	NA	NA	NA	NA	590	0.0334051	03102	NA	188783673	NA
3102012004	03102	2	2017	NA	NA	NA	NA	NA	NA	NA	117	0.0066244	03102	NA	16606207	NA
3102022010	03102	22	2017	NA	NA	NA	NA	NA	NA	NA	542	0.0306874	03102	NA	87955393	NA
3102022901	03102	2	2017	NA	NA	NA	NA	NA	NA	NA	53	0.0030008	03102	NA	16606207	NA
3102032003	03102	10	2017	NA	NA	NA	NA	NA	NA	NA	297	0.0168158	03102	NA	50839939	NA
3102032007	03102	4	2017	NA	NA	NA	NA	NA	NA	NA	181	0.0102480	03102	NA	26887540	NA
3102042002	03102	1	2017	NA	NA	NA	NA	NA	NA	NA	22	0.0012456	03102	NA	10256278	NA
3103012003	03103	2	2017	Tierra Amarilla	312457.3	2017	3103	14019	4380339153	Rural	74	0.0052786	03103	23121842	16606207	224408.20
3103012022	03103	5	2017	Tierra Amarilla	312457.3	2017	3103	14019	4380339153	Rural	553	0.0394465	03103	172788897	31399620	56780.51
3103012029	03103	1	2017	Tierra Amarilla	312457.3	2017	3103	14019	4380339153	Rural	86	0.0061345	03103	26871329	10256278	119259.05
3103032006	03103	1	2017	Tierra Amarilla	312457.3	2017	3103	14019	4380339153	Rural	476	0.0339539	03103	148729684	10256278	21546.80
3103032009	03103	1	2017	Tierra Amarilla	312457.3	2017	3103	14019	4380339153	Rural	22	0.0015693	03103	6874061	10256278	466194.48
3103032014	03103	1	2017	Tierra Amarilla	312457.3	2017	3103	14019	4380339153	Rural	41	0.0029246	03103	12810750	10256278	250153.13
3103042028	03103	1	2017	Tierra Amarilla	312457.3	2017	3103	14019	4380339153	Rural	195	0.0139097	03103	60929177	10256278	52596.30
3103052020	03103	4	2017	Tierra Amarilla	312457.3	2017	3103	14019	4380339153	Rural	952	0.0679078	03103	297459368	26887540	28243.21
3103062901	03103	1	2017	Tierra Amarilla	312457.3	2017	3103	14019	4380339153	Rural	122	0.0087025	03103	38119793	10256278	84067.86
3103072012	03103	1	2017	Tierra Amarilla	312457.3	2017	3103	14019	4380339153	Rural	27	0.0019260	03103	8436348	10256278	379862.17
3201012003	03201	4	2017	NA	NA	NA	NA	NA	NA	NA	27	0.0022097	03201	NA	26887540	NA
3201012005	03201	1	2017	NA	NA	NA	NA	NA	NA	NA	29	0.0023734	03201	NA	10256278	NA
3201022006	03201	6	2017	NA	NA	NA	NA	NA	NA	NA	699	0.0572060	03201	NA	35642847	NA
3201032007	03201	3	2017	NA	NA	NA	NA	NA	NA	NA	185	0.0151404	03201	NA	22013635	NA
3202022901	03202	18	2017	Diego de Almagro	374511.6	2017	3202	13925	5215073473	Rural	294	0.0211131	03202	110106399	76502275	260211.82
3202042008	03202	14	2017	Diego de Almagro	374511.6	2017	3202	13925	5215073473	Rural	319	0.0229084	03202	119469188	64238509	201374.64
3301032017	03301	14	2017	Vallenar	254290.6	2017	3301	51917	13202005308	Rural	386	0.0074349	03301	98156173	64238509	166421.01
3301032901	03301	1	2017	Vallenar	254290.6	2017	3301	51917	13202005308	Rural	9	0.0001734	03301	2288615	10256278	1139586.50
3301042005	03301	10	2017	Vallenar	254290.6	2017	3301	51917	13202005308	Rural	184	0.0035441	03301	46789471	50839939	276304.01
3301042060	03301	6	2017	Vallenar	254290.6	2017	3301	51917	13202005308	Rural	172	0.0033130	03301	43737984	35642847	207225.86
3301052002	03301	19	2017	Vallenar	254290.6	2017	3301	51917	13202005308	Rural	574	0.0110561	03301	145962807	79432597	138384.32
3301052006	03301	1	2017	Vallenar	254290.6	2017	3301	51917	13202005308	Rural	55	0.0010594	03301	13985983	10256278	186477.79
3301052008	03301	1	2017	Vallenar	254290.6	2017	3301	51917	13202005308	Rural	17	0.0003274	03301	4322940	10256278	603310.50
3301052010	03301	30	2017	Vallenar	254290.6	2017	3301	51917	13202005308	Rural	343	0.0066067	03301	87221677	109120657	318136.03
3301052014	03301	2	2017	Vallenar	254290.6	2017	3301	51917	13202005308	Rural	37	0.0007127	03301	9408752	16606207	448816.40
3301052028	03301	30	2017	Vallenar	254290.6	2017	3301	51917	13202005308	Rural	523	0.0100738	03301	132993986	109120657	208643.70
3301052036	03301	67	2017	Vallenar	254290.6	2017	3301	51917	13202005308	Rural	537	0.0103434	03301	136554055	190767676	355247.07
3301052038	03301	3	2017	Vallenar	254290.6	2017	3301	51917	13202005308	Rural	87	0.0016758	03301	22123283	22013635	253030.29
3301052063	03301	11	2017	Vallenar	254290.6	2017	3301	51917	13202005308	Rural	90	0.0017335	03301	22886154	54322762	603586.24
3301062901	03301	1	2017	Vallenar	254290.6	2017	3301	51917	13202005308	Rural	11	0.0002119	03301	2797197	10256278	932388.95
3301072901	03301	3	2017	Vallenar	254290.6	2017	3301	51917	13202005308	Rural	19	0.0003660	03301	4831521	22013635	1158612.36
3301082012	03301	42	2017	Vallenar	254290.6	2017	3301	51917	13202005308	Rural	796	0.0153322	03301	202415321	137878772	173214.54
3301082901	03301	3	2017	Vallenar	254290.6	2017	3301	51917	13202005308	Rural	177	0.0034093	03301	45009437	22013635	124370.82
3301092043	03301	1	2017	Vallenar	254290.6	2017	3301	51917	13202005308	Rural	60	0.0011557	03301	15257436	10256278	170937.97
3301092901	03301	8	2017	Vallenar	254290.6	2017	3301	51917	13202005308	Rural	141	0.0027159	03301	35854975	43534314	308754.00
3301102901	03301	1	2017	Vallenar	254290.6	2017	3301	51917	13202005308	Rural	42	0.0008090	03301	10680205	10256278	244197.11
3301112901	03301	1	2017	Vallenar	254290.6	2017	3301	51917	13202005308	Rural	13	0.0002504	03301	3305778	10256278	788944.50
3301122009	03301	5	2017	Vallenar	254290.6	2017	3301	51917	13202005308	Rural	198	0.0038138	03301	50349540	31399620	158583.94
3301122025	03301	9	2017	Vallenar	254290.6	2017	3301	51917	13202005308	Rural	264	0.0050850	03301	67132720	47249119	178973.94
3301122030	03301	12	2017	Vallenar	254290.6	2017	3301	51917	13202005308	Rural	159	0.0030626	03301	40432206	57710259	362957.61
3301122032	03301	1	2017	Vallenar	254290.6	2017	3301	51917	13202005308	Rural	43	0.0008282	03301	10934496	10256278	238518.10
3301122033	03301	6	2017	Vallenar	254290.6	2017	3301	51917	13202005308	Rural	108	0.0020802	03301	27463385	35642847	330026.37
3301122062	03301	1	2017	Vallenar	254290.6	2017	3301	51917	13202005308	Rural	27	0.0005201	03301	6865846	10256278	379862.17
3301132026	03301	6	2017	Vallenar	254290.6	2017	3301	51917	13202005308	Rural	146	0.0028122	03301	37126428	35642847	244129.09
3301132901	03301	1	2017	Vallenar	254290.6	2017	3301	51917	13202005308	Rural	33	0.0006356	03301	8391590	10256278	310796.32
3301152010	03301	18	2017	Vallenar	254290.6	2017	3301	51917	13202005308	Rural	218	0.0041990	03301	55435352	76502275	350927.86
3301152024	03301	4	2017	Vallenar	254290.6	2017	3301	51917	13202005308	Rural	43	0.0008282	03301	10934496	26887540	625291.63
3301152901	03301	6	2017	Vallenar	254290.6	2017	3301	51917	13202005308	Rural	124	0.0023884	03301	31532035	35642847	287442.32
3302012002	03302	19	2017	Alto del Carmen	227130.4	2017	3302	5299	1203563833	Rural	645	0.1217211	03302	146499089	79432597	123151.31
3302012005	03302	4	2017	Alto del Carmen	227130.4	2017	3302	5299	1203563833	Rural	48	0.0090583	03302	10902258	26887540	560157.08
3302012029	03302	12	2017	Alto del Carmen	227130.4	2017	3302	5299	1203563833	Rural	117	0.0220796	03302	26574253	57710259	493250.08
3302022005	03302	28	2017	Alto del Carmen	227130.4	2017	3302	5299	1203563833	Rural	540	0.1019060	03302	122650400	104010237	192611.55
3302032005	03302	15	2017	Alto del Carmen	227130.4	2017	3302	5299	1203563833	Rural	821	0.1549349	03302	186474034	67394793	82088.66
3302032018	03302	31	2017	Alto del Carmen	227130.4	2017	3302	5299	1203563833	Rural	512	0.0966220	03302	116290750	111636739	218040.51
3302042005	03302	31	2017	Alto del Carmen	227130.4	2017	3302	5299	1203563833	Rural	560	0.1056803	03302	127193007	111636739	199351.32
3302052005	03302	3	2017	Alto del Carmen	227130.4	2017	3302	5299	1203563833	Rural	419	0.0790715	03302	95167625	22013635	52538.51
3302072003	03302	6	2017	Alto del Carmen	227130.4	2017	3302	5299	1203563833	Rural	73	0.0137762	03302	16580517	35642847	488258.18
3302072025	03302	2	2017	Alto del Carmen	227130.4	2017	3302	5299	1203563833	Rural	28	0.0052840	03302	6359650	16606207	593078.81
3302072034	03302	31	2017	Alto del Carmen	227130.4	2017	3302	5299	1203563833	Rural	229	0.0432157	03302	52012855	111636739	487496.68
3302072901	03302	3	2017	Alto del Carmen	227130.4	2017	3302	5299	1203563833	Rural	52	0.0098132	03302	11810779	22013635	423339.13
3302082025	03302	1	2017	Alto del Carmen	227130.4	2017	3302	5299	1203563833	Rural	24	0.0045292	03302	5451129	10256278	427344.94
3302092013	03302	5	2017	Alto del Carmen	227130.4	2017	3302	5299	1203563833	Rural	58	0.0109455	03302	13173561	31399620	541372.75
3302092033	03302	8	2017	Alto del Carmen	227130.4	2017	3302	5299	1203563833	Rural	149	0.0281185	03302	33842425	43534314	292176.60
3302102010	03302	4	2017	Alto del Carmen	227130.4	2017	3302	5299	1203563833	Rural	113	0.0213248	03302	25665732	26887540	237942.83
3302102030	03302	2	2017	Alto del Carmen	227130.4	2017	3302	5299	1203563833	Rural	115	0.0217022	03302	26119993	16606207	144401.80
3302112015	03302	8	2017	Alto del Carmen	227130.4	2017	3302	5299	1203563833	Rural	53	0.0100019	03302	12037910	43534314	821402.15
3302112901	03302	1	2017	Alto del Carmen	227130.4	2017	3302	5299	1203563833	Rural	27	0.0050953	03302	6132520	10256278	379862.17
3303022004	03303	2	2017	Freirina	214803.3	2017	3303	7041	1512429891	Rural	35	0.0049709	03303	7518115	16606207	474463.05
3303022005	03303	5	2017	Freirina	214803.3	2017	3303	7041	1512429891	Rural	208	0.0295413	03303	44679082	31399620	150959.71
3303022007	03303	3	2017	Freirina	214803.3	2017	3303	7041	1512429891	Rural	79	0.0112200	03303	16969459	22013635	278653.61
3303022008	03303	16	2017	Freirina	214803.3	2017	3303	7041	1512429891	Rural	693	0.0984235	03303	148858673	70487537	101713.62
3303022009	03303	14	2017	Freirina	214803.3	2017	3303	7041	1512429891	Rural	418	0.0593666	03303	89787771	64238509	153680.64
3303022012	03303	5	2017	Freirina	214803.3	2017	3303	7041	1512429891	Rural	206	0.0292572	03303	44249476	31399620	152425.34
3303022013	03303	2	2017	Freirina	214803.3	2017	3303	7041	1512429891	Rural	38	0.0053970	03303	8162525	16606207	437005.44
3303032010	03303	3	2017	Freirina	214803.3	2017	3303	7041	1512429891	Rural	73	0.0103678	03303	15680639	22013635	301556.64
3303042002	03303	9	2017	Freirina	214803.3	2017	3303	7041	1512429891	Rural	223	0.0316716	03303	47901131	47249119	211879.46
3303042003	03303	12	2017	Freirina	214803.3	2017	3303	7041	1512429891	Rural	319	0.0453061	03303	68522246	57710259	180909.90
3304012009	03304	2	2017	Huasco	227560.7	2017	3304	10149	2309513927	Rural	201	0.0198049	03304	45739708	16606207	82617.94

Guardamos:

saveRDS(h_y_m_comuna_corr_01, "casen_censo_rural_nivel_nacional_17_r03.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