Correlaciones entre variables del CENSO de Viviendas, Hogares y Personas e Ingresos promedios comunales de la CASEN 2017.

VE-CC-AJ

DataIntelligence

Jueves 09-07-2021

1 Nivel nacional URBANO (código 1)

1.1 Pregunta P03B: Ocupación de la vivienda

Esta pregunta posee 6 categorias de respuesta:

1 Tejas o tejuelas de arcilla, metálicas, de cemento, de madera, asfálticas o plásticas
2 Losa hormigón
3 Planchas metálicas de zinc, cobre, etc. o fibrocemento (tipo pizarreño)
4 Fonolita o plancha de fieltro embreado
5 Paja, coirón, totora o caña
6 Materiales precarios (lata, cartón, plásticos, etc.)
7 Sin cubierta sólida de techo

Leemos las respuestas a la pregunta P03B del censo de viviendas 2017 y obtenemos la tabla de frecuencias por categoría:

tabla_con_clave <- readRDS("../censo_viviendas_con_clave_17.rds")
tabla_con_clave_u <- filter(tabla_con_clave, tabla_con_clave$AREA == 1)
b <- tabla_con_clave_u$COMUNA
c <- tabla_con_clave_u$P03B
cross_tab =  xtabs( ~ unlist(b) + unlist(c))
tabla <- as.data.frame(cross_tab)
d <-tabla[!(tabla$Freq == 0),]
d$anio <- "2017"

categorias <- sort(unique(tabla_con_clave_u$P03B ))
categorias <- as.data.frame(categorias)
names(categorias)[1] <- "cat"

categorias <- filter(categorias, categorias$cat != 99)
categorias <- filter(categorias, categorias$cat != 98)

d_t <- filter(d,d$unlist.c. == categorias[1,1])
for(i in categorias[2,1]:categorias[nrow(categorias),1]){
  d_i <- filter(d,d$unlist.c. == i)
  d_t = merge( x = d_t, y = d_i, by = "unlist.b.", all.x = TRUE)
}
 
# Agregamos un cero a los códigos comunales de 4 dígitos, que queda en la columna llamada **código**:
codigos <- d_t$unlist.b.
rango <- seq(1:nrow(d_t))
cadena <- paste("0",codigos[rango], sep = "")
cadena <- substr(cadena,(nchar(cadena)[rango])-(4),6)
codigos <- as.data.frame(codigos)
cadena <- as.data.frame(cadena)
comuna_corr <- cbind(d_t,cadena)
comuna_corr <- comuna_corr[,-c(1),drop=FALSE] 
 
names(comuna_corr)[ncol(comuna_corr)] <- "código"
 
quitar <- seq(3,(ncol(comuna_corr)-1),3)

comuna_corr <- comuna_corr[,-c(quitar),drop=FALSE]
names(comuna_corr )[2] <- "Tejas o tejuelas de arcilla, metálicas, de cemento, de madera, asfálticas o plásticas"
names(comuna_corr )[4] <- "Losa hormigón"
names(comuna_corr )[6] <- "Planchas metálicas de zinc, cobre, etc. o fibrocemento (tipo pizarreño)"
names(comuna_corr )[8] <- "Fonolita o plancha de fieltro embreado"
names(comuna_corr )[10] <- "Paja, coirón, totora o caña"
names(comuna_corr )[12] <- " Materiales precarios (lata, cartón, plásticos, etc.)"
names(comuna_corr )[14] <- "Sin cubierta sólida de techo"

renombrar <- seq(1,(ncol(comuna_corr)-2),2)
vv <- 0
for (v in renombrar) {
  vv <- vv+1
  contador <- paste0("categoria_",vv)
  names(comuna_corr)[v] <- contador
}

ingresos_expandidos_2017 <- readRDS("Ingresos_expandidos_urbano_17.rds")

df_2017_2 = merge( x = comuna_corr, y = ingresos_expandidos_2017, by = "código", all.x = TRUE)

df_2017_2 <- filter(df_2017_2, df_2017_2$Ingresos_expandidos != 'is.na')
write_xlsx(df_2017_2 ,"P03B_urbano.xlsx")

kbl(head(df_2017_2 ,50)) %>%
  kable_styling(bootstrap_options = c("striped", "hover")) %>%
  kable_paper() %>%
  scroll_box(width = "100%", height = "300px")
código categoria_1 Tejas o tejuelas de arcilla, metálicas, de cemento, de madera, asfálticas o plásticas categoria_2 Losa hormigón categoria_3 Planchas metálicas de zinc, cobre, etc. o fibrocemento (tipo pizarreño) categoria_4 Fonolita o plancha de fieltro embreado categoria_5 Paja, coirón, totora o caña categoria_6 Materiales precarios (lata, cartón, plásticos, etc.) categoria_7 Sin cubierta sólida de techo comuna.x promedio_i año personas Ingresos_expandidos
01101 1 15377 2 17254 3 20590 4 633 5 42 6 543 7 172 Iquique 375676.9 2017 191468 71930106513
01107 1 7455 2 7667 3 11760 4 344 5 18 6 726 7 183 Alto Hospicio 311571.7 2017 108375 33766585496
01401 1 612 2 61 3 1944 4 44 5 3 6 44 7 16 Pozo Almonte 316138.5 2017 15711 4966851883
01405 1 303 2 36 3 857 4 15 5 30 6 25 7 2 Pica 330061.1 2017 9296 3068247619
02101 1 28170 2 30642 3 37052 4 665 5 20 6 672 7 133 Antofagasta 368221.4 2017 361873 133249367039
02102 1 707 2 596 3 1529 4 32 5 1 6 23 7 6 Mejillones 369770.7 2017 13467 4979702302
02104 1 638 2 72 3 2388 4 15 NA NA 6 30 7 13 Taltal 383666.2 2017 13317 5109282942
02201 1 14960 2 3786 3 24947 4 394 5 11 6 596 7 100 Calama 434325.1 2017 165731 71981127235
02203 1 188 2 8 3 1224 4 12 5 44 6 33 7 1 San Pedro de Atacama 442861.0 2017 10996 4869699464
02301 1 2380 2 906 3 4059 4 74 NA NA 6 81 7 29 Tocopilla 286187.2 2017 25186 7207910819
02302 1 398 2 3 3 925 4 1 NA NA 6 18 7 3 María Elena 477748.0 2017 6457 3084818966
03101 1 7882 2 3656 3 32229 4 206 5 19 6 204 7 38 Copiapó 343121.0 2017 153937 52819016037
03102 1 907 2 73 3 3751 4 24 5 10 6 18 7 9 Caldera 318653.2 2017 17662 5628052276
03103 1 221 2 4 3 2602 4 11 5 6 6 4 7 4 Tierra Amarilla 333194.9 2017 14019 4671058718
03201 1 215 2 68 3 2903 4 30 5 2 6 33 7 4 Chañaral 286389.3 2017 12219 3499391196
03202 1 614 2 670 3 2910 4 3 5 1 6 17 7 5 Diego de Almagro 351583.9 2017 13925 4895805596
03301 1 4375 2 315 3 8802 4 83 5 8 6 114 7 23 Vallenar 315981.5 2017 51917 16404810756
03303 1 244 2 3 3 1116 4 3 NA NA 6 6 7 1 Freirina 289049.9 2017 7041 2035200054
03304 1 476 2 48 3 2250 4 26 NA NA 6 13 7 5 Huasco 337414.8 2017 10149 3424422750
04101 1 21870 2 6787 3 32337 4 232 5 5 6 111 7 33 La Serena 279340.1 2017 221054 61749247282
04102 1 18658 2 3363 3 40546 4 358 5 6 6 150 7 41 Coquimbo 269078.6 2017 227730 61277269093
04103 1 393 2 2 3 2611 4 26 5 1 6 6 7 3 Andacollo 258539.7 2017 11044 2855312920
04104 1 58 NA NA 3 323 4 3 NA NA 6 8 NA NA La Higuera 214257.0 2017 4241 908664019
04106 1 616 2 18 3 4680 4 15 5 2 6 8 7 2 Vicuña 254177.0 2017 27771 7058750373
04201 1 478 2 74 3 6176 4 14 NA NA 6 14 7 3 Illapel 282139.3 2017 30848 8703433491
04202 1 19 2 4 3 672 4 1 NA NA 6 1 7 1 Canela 233397.3 2017 9093 2122281844
04203 1 805 2 11 3 4908 4 20 NA NA 6 7 7 2 Los Vilos 285214.0 2017 21382 6098444926
04204 1 499 2 85 3 4363 4 10 NA NA 6 13 7 6 Salamanca 262056.9 2017 29347 7690585032
04301 1 4774 2 744 3 20873 4 134 5 7 6 70 7 17 Ovalle 280373.5 2017 111272 31197719080
04302 1 96 2 1 3 1982 4 2 NA NA 6 3 7 1 Combarbalá 234537.3 2017 13322 3124505460
04303 1 299 2 6 3 4464 4 13 5 1 6 12 7 1 Monte Patria 225369.1 2017 30751 6930326684
04304 1 117 2