Expansión de la CASEN sobre el CENSO (Región 01)

De ingresos sobre una categoría de respuesta RURAL

VE-CC-AJ

DataIntelligence

Martes 06-07-2021

Abstract

Expandiremos los ingresos promedios comunales obtenidos de la CASEN sobre la pregunta (P15): “Nivel del curso más alto aprobado” en la categoría de respuesta “Profesional” (12), que más alto correlaciona con los ingresos expandidos (obtenidos de la multiplicación del ingreso promedio y los habitantes), ambos a nivel comunal.

Haremos el análisis sobre la región 01.

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 de la Casen por zona”

Lo anterior para ir combinando a nivel nacional los mejores modelos para construir una tabla de valores predichos.

1 Variable CENSO

Necesitamos calcular las frecuencias a nivel censal de las respuestas correspondientes a la categoría: “Profesional (4 o más años)” del campo P15 a nivel rural del Censo de personas. Recordemos que ésta fué la más alta correlación en relación a los ingresos expandidos (ver punto 3.4 aquí).

1.1 Lectura y filtrado de la tabla censal de personas

Leemos la tabla Censo 2017 de personas que ya tiene integrada la clave zonal:

tabla_con_clave <- readRDS("../censo_personas_con_clave_17")
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	NHOGAR	PERSONAN	P07	P08	P09	P10	P10COMUNA	P10PAIS	P11	P11COMUNA	P11PAIS	P12	P12COMUNA	P12PAIS	P12A_LLEGADA	P12A_TRAMO	P13	P14	P15	P15A	P16	P16A	P16A_OTRO	P17	P18	P19	P20	P21M	P21A	P10PAIS_GRUPO	P11PAIS_GRUPO	P12PAIS_GRUPO	ESCOLARIDAD	P16A_GRUPO	REGION_15R	PROVINCIA_15R	COMUNA_15R	P10COMUNA_15R	P11COMUNA_15R	P12COMUNA_15R	clave
15	152	15202	1	2	6	13225	1	1	1	1	1	73	1	98	998	3	15101	998	1	98	998	9998	98	2	4	6	2	1	2	98	7	98	98	98	98	9998	998	998	998	4	2	15	152	15202	98	15101	98	15202012006
15	152	15202	1	2	6	13225	3	1	1	1	1	78	1	98	998	2	98	998	1	98	998	9998	98	3	98	98	98	1	2	98	7	98	98	98	98	9998	998	998	998	0	2	15	152	15202	98	98	98	15202012006
15	152	15202	1	2	6	13225	3	1	2	2	2	78	1	98	998	2	98	998	1	98	998	9998	98	3	98	98	98	1	2	98	7	98	1	1	3	1965	998	998	998	0	2	15	152	15202	98	98	98	15202012006
15	152	15202	1	2	6	13225	3	1	3	5	2	52	1	98	998	2	98	998	1	98	998	9998	98	1	2	5	2	1	2	98	7	98	2	1	4	1995	998	998	998	2	2	15	152	15202	98	98	98	15202012006
15	152	15202	1	2	6	13225	3	1	4	11	1	44	1	98	998	2	98	998	1	98	998	9998	98	1	3	5	2	1	2	98	1	Z	98	98	98	9998	998	998	998	3	2	15	152	15202	98	98	98	15202012006
15	152	15202	1	2	6	13225	9	1	1	1	1	39	1	98	998	2	98	998	1	98	998	9998	98	2	8	5	1	1	2	98	8	98	98	98	98	9998	998	998	998	8	2	15	152	15202	98	98	98	15202012006
15	152	15202	1	2	6	13225	9	1	2	2	2	35	1	98	998	2	98	998	1	98	998	9998	98	2	6	5	2	1	2	98	1	Z	2	2	11	2004	998	998	998	6	2	15	152	15202	98	98	98	15202012006
15	152	15202	1	2	6	13225	9	1	3	5	1	13	1	98	998	2	98	998	1	98	998	9998	98	1	7	5	2	1	2	98	98	98	98	98	98	9998	998	998	998	7	2	15	152	15202	98	98	98	15202012006
15	152	15202	1	2	6	13225	9	1	4	5	1	12	1	98	998	2	98	998	1	98	998	9998	98	1	6	5	2	1	2	98	98	98	98	98	98	9998	998	998	998	6	2	15	152	15202	98	98	98	15202012006
15	152	15202	1	2	6	13225	10	1	1	1	2	65	1	98	998	2	98	998	1	98	998	9998	98	2	4	5	2	1	2	98	6	98	3	3	9	1992	998	998	998	4	2	15	152	15202	98	98	98	15202012006
15	152	15202	1	2	6	13225	13	1	1	1	1	50	1	98	998	2	98	998	1	98	998	9998	98	2	5	5	2	1	2	98	1	Z	98	98	98	9998	998	998	998	5	2	15	152	15202	98	98	98	15202012006
15	152	15202	1	2	6	13225	13	1	2	4	2	43	1	98	998	2	98	998	1	98	998	9998	98	2	6	5	2	1	2	98	6	98	2	2	3	2002	998	998	998	6	2	15	152	15202	98	98	98	15202012006
15	152	15202	1	2	6	13225	13	1	3	5	1	15	3	15201	998	2	98	998	1	98	998	9998	98	1	1	7	2	1	2	98	8	98	98	98	98	9998	998	998	998	9	2	15	152	15202	15201	98	98	15202012006
15	152	15202	1	2	6	13225	16	1	1	1	1	75	1	98	998	2	98	998	1	98	998	9998	98	3	98	98	98	1	2	98	7	98	98	98	98	9998	998	998	998	0	2	15	152	15202	98	98	98	15202012006
15	152	15202	1	2	6	13225	16	1	2	16	2	58	4	98	68	6	98	998	5	98	998	9999	1	3	98	98	98	1	2	98	7	98	4	4	99	9999	68	68	68	0	2	15	152	15202	98	98	98	15202012006
15	152	15202	1	2	6	13225	16	1	3	2	2	70	1	98	998	2	98	998	1	98	998	9998	98	3	98	98	98	1	2	98	7	98	5	4	99	9999	998	998	998	0	2	15	152	15202	98	98	98	15202012006
15	152	15202	1	2	6	13225	17	1	1	1	2	43	2	98	998	2	98	998	1	98	998	9998	98	2	8	5	1	1	2	98	1	I	3	3	9	2008	998	998	998	8	2	15	152	15202	98	98	98	15202012006
15	152	15202	1	2	6	13225	17	1	2	4	1	55	2	98	998	2	98	998	1	98	998	9998	98	2	6	5	2	1	2	98	6	98	98	98	98	9998	998	998	998	6	2	15	152	15202	98	98	98	15202012006
15	152	15202	1	2	6	13225	17	1	3	5	2	13	2	98	998	2	98	998	2	15101	998	9998	98	1	7	5	2	1	2	98	98	98	98	98	98	9998	998	998	998	7	2	15	152	15202	98	98	15101	15202012006
15	152	15202	1	2	6	13225	17	1	4	5	1	8	2	98	998	2	98	998	2	15101	998	9998	98	1	2	5	2	1	2	98	98	98	98	98	98	9998	998	998	998	2	2	15	152	15202	98	98	15101	15202012006
15	152	15202	1	2	6	13225	17	1	5	15	2	29	2	98	998	4	98	998	3	98	998	2015	1	2	6	5	2	1	2	98	6	98	5	5	11	2014	998	604	604	6	2	15	152	15202	98	98	98	15202012006
15	152	15202	1	2	6	13225	17	1	6	15	1	4	2	98	998	1	98	998	5	98	998	2015	1	1	0	1	2	1	2	98	98	98	98	98	98	9998	998	998	68	0	2	15	152	15202	98	98	98	15202012006
15	152	15202	1	2	6	13225	17	1	7	15	2	2	2	98	998	1	98	998	3	98	998	2015	1	1	0	1	2	1	2	98	98	98	98	98	98	9998	998	998	604	0	2	15	152	15202	98	98	98	15202012006
15	152	15202	1	2	6	13225	17	1	8	15	1	16	2	98	998	6	98	998	1	98	998	9998	98	2	4	5	2	1	2	98	6	98	98	98	98	9998	998	68	998	4	2	15	152	15202	98	98	98	15202012006
15	152	15202	1	2	6	13225	18	1	1	1	2	74	1	98	998	2	98	998	1	98	998	9998	98	2	2	5	2	1	2	98	6	98	2	2	12	1976	998	998	998	2	2	15	152	15202	98	98	98	15202012006
15	152	15202	1	2	6	13225	19	1	1	1	1	68	1	98	998	2	98	998	1	98	998	9998	98	3	98	98	98	1	2	98	7	98	98	98	98	9998	998	998	998	0	2	15	152	15202	98	98	98	15202012006
15	152	15202	1	2	6	13225	20	1	1	1	1	74	1	98	998	3	15101	998	1	98	998	9998	98	2	2	5	2	1	2	98	1	Z	98	98	98	9998	998	998	998	2	2	15	152	15202	98	15101	98	15202012006
15	152	15202	1	2	6	13225	20	1	2	2	2	65	1	98	998	3	997	998	3	98	998	9999	2	2	2	5	2	1	2	98	6	98	2	2	9	1982	998	998	604	2	2	15	152	15202	98	997	98	15202012006
15	152	15202	1	2	6	13225	25	1	1	1	2	76	1	98	998	2	98	998	1	98	998	9998	98	3	98	98	98	1	2	98	6	98	8	6	3	1981	998	998	998	0	2	15	152	15202	98	98	98	15202012006
15	152	15202	1	2	6	13225	25	1	2	5	2	36	1	98	998	2	98	998	1	98	998	9998	98	2	4	8	1	1	2	98	1	A	0	98	98	9998	998	998	998	12	2	15	152	15202	98	98	98	15202012006
15	152	15202	1	2	6	13225	28	1	1	1	2	31	1	98	998	2	98	998	5	98	998	2007	2	2	5	5	2	1	2	98	1	A	2	2	4	2008	998	998	68	5	2	15	152	15202	98	98	98	15202012006
15	152	15202	1	2	6	13225	28	1	2	4	1	35	1	98	998	2	98	998	5	98	998	2007	2	2	6	5	2	1	2	98	1	F	98	98	98	9998	998	998	68	6	2	15	152	15202	98	98	98	15202012006
15	152	15202	1	2	6	13225	28	1	3	5	1	11	1	98	998	2	98	998	5	98	998	2007	2	1	5	5	2	1	2	98	98	98	98	98	98	9998	998	998	68	5	2	15	152	15202	98	98	98	15202012006
15	152	15202	1	2	6	13225	28	1	4	5	1	8	1	98	998	2	98	998	1	98	998	9998	98	1	2	5	2	1	2	98	98	98	98	98	98	9998	998	998	998	2	2	15	152	15202	98	98	98	15202012006
15	152	15202	1	2	6	13225	28	1	5	15	2	74	1	98	998	2	98	998	1	98	998	9998	98	2	3	5	2	1	2	98	6	98	6	6	99	9999	998	998	998	3	2	15	152	15202	98	98	98	15202012006
15	152	15202	1	2	6	13225	33	1	1	1	1	41	1	98	998	2	98	998	1	98	998	9998	98	2	8	5	1	1	2	98	1	Z	98	98	98	9998	998	998	998	8	2	15	152	15202	98	98	98	15202012006
15	152	15202	1	2	6	13225	33	1	2	2	2	47	1	98	998	2	98	998	1	98	998	9998	98	2	8	5	1	1	2	98	1	A	2	1	4	1996	998	998	998	8	2	15	152	15202	98	98	98	15202012006
15	152	15202	1	2	6	13225	33	1	3	14	1	88	1	98	998	2	98	998	1	98	998	9998	98	3	98	98	98	1	2	98	7	98	98	98	98	9998	998	998	998	0	2	15	152	15202	98	98	98	15202012006
15	152	15202	1	2	6	13225	33	1	4	14	1	65	1	98	998	2	98	998	1	98	998	9998	98	2	2	5	2	1	2	98	7	98	98	98	98	9998	998	998	998	2	2	15	152	15202	98	98	98	15202012006
15	152	15202	1	2	6	13225	36	1	1	1	2	59	1	98	998	2	98	998	1	98	998	9998	98	2	2	5	2	1	2	98	6	98	8	8	2	1998	998	998	998	2	2	15	152	15202	98	98	98	15202012006
15	152	15202	1	2	6	13225	36	1	2	2	1	56	1	98	998	99	99	999	1	98	998	9998	98	2	2	5	2	1	2	98	6	98	98	98	98	9998	998	999	998	2	2	15	152	15202	98	99	98	15202012006
15	152	15202	1	2	6	13225	36	1	3	5	2	36	1	98	998	2	98	998	1	98	998	9998	98	2	8	5	1	1	2	98	6	98	2	2	7	2010	998	998	998	8	2	15	152	15202	98	98	98	15202012006
15	152	15202	1	2	6	13225	36	1	4	12	2	13	1	98	998	2	98	998	1	98	998	9998	98	1	7	5	2	1	2	98	98	98	98	98	98	9998	998	998	998	7	2	15	152	15202	98	98	98	15202012006
15	152	15202	1	2	6	13225	36	1	5	12	2	6	1	98	998	2	98	998	1	98	998	9998	98	1	0	3	1	1	2	98	98	98	98	98	98	9998	998	998	998	0	2	15	152	15202	98	98	98	15202012006
15	152	15202	1	2	6	13225	36	1	6	5	1	24	1	98	998	3	15101	998	1	98	998	9998	98	2	4	7	1	1	2	98	1	Z	98	98	98	9998	998	998	998	12	2	15	152	15202	98	15101	98	15202012006
15	152	15202	1	2	6	13225	36	1	7	11	2	24	1	98	998	3	15101	998	1	98	998	9998	98	2	4	7	1	1	2	98	1	N	2	2	11	2015	998	998	998	12	2	15	152	15202	98	15101	98	15202012006
15	152	15202	1	2	6	13225	36	1	8	12	1	6	1	98	998	2	98	998	2	15101	998	9998	98	1	0	3	1	1	2	98	98	98	98	98	98	9998	998	998	998	0	2	15	152	15202	98	98	15101	15202012006
15	152	15202	1	2	6	13225	36	1	9	12	2	1	1	98	998	1	98	998	2	15101	998	9998	98	3	98	98	98	1	2	98	98	98	98	98	98	9998	998	998	998	0	2	15	152	15202	98	98	15101	15202012006
15	152	15202	1	2	6	13225	38	1	1	1	1	19	1	98	998	3	15101	998	2	15101	998	9998	98	1	1	8	2	1	2	98	1	A	98	98	98	9998	998	998	998	9	2	15	152	15202	98	15101	15101	15202012006
15	152	15202	1	2	6	13225	39	1	1	1	1	21	1	98	998	2	98	998	1	98	998	9998	98	2	1	7	2	1	2	98	1	F	98	98	98	9998	998	998	998	9	2	15	152	15202	98	98	98	15202012006
15	152	15202	1	2	6	13225	39	1	2	4	2	22	1	98	998	2	98	998	1	98	998	9998	98	2	1	8	2	1	2	98	6	98	0	98	98	9998	998	998	998	9	2	15	152	15202	98	98	98	15202012006
15	152	15202	1	2	6	13225	43	1	1	1	2	26	1	98	998	2	98	998	1	98	998	9998	98	2	8	5	1	1	2	98	6	98	2	2	10	2013	998	998	998	8	2	15	152	15202	98	98	98	15202012006
15	152	15202	1	2	6	13225	43	1	2	2	1	24	1	98	998	2	98	998	1	98	998	9998	98	2	8	5	1	1	2	98	1	Z	98	98	98	9998	998	998	998	8	2	15	152	15202	98	98	98	15202012006
15	152	15202	1	2	6	13225	43	1	3	13	2	71	1	98	998	2	98	998	1	98	998	9998	98	2	1	5	2	1	2	98	6	98	3	3	12	1974	998	998	998	1	2	15	152	15202	98	98	98	15202012006
15	152	15202	1	2	6	13225	43	1	4	5	2	6	1	98	998	2	98	998	1	98	998	9998	98	1	0	3	1	1	2	98	98	98	98	98	98	9998	998	998	998	0	2	15	152	15202	98	98	98	15202012006
15	152	15202	1	2	6	13225	43	1	5	5	2	3	1	98	998	1	98	998	1	98	998	9998	98	1	0	1	1	1	2	98	98	98	98	98	98	9998	998	998	998	0	2	15	152	15202	98	98	98	15202012006
15	152	15202	1	2	8	13910	5	1	1	1	1	44	1	98	998	2	98	998	3	98	998	2005	2	2	4	7	1	1	2	98	6	98	98	98	98	9998	998	998	604	12	2	15	152	15202	98	98	98	15202012008
15	152	15202	1	2	8	13910	5	1	2	2	2	42	1	98	998	2	98	998	1	98	998	9998	98	2	3	5	2	1	2	98	1	P	3	3	12	2006	998	998	998	3	2	15	152	15202	98	98	98	15202012008
15	152	15202	1	2	8	13910	5	1	3	5	2	10	1	98	998	2	98	998	1	98	998	9998	98	1	4	5	2	1	2	98	98	98	98	98	98	9998	998	998	998	4	2	15	152	15202	98	98	98	15202012008
15	152	15202	1	2	8	13910	7	1	1	1	2	70	1	98	998	2	98	998	1	98	998	9998	98	2	2	5	2	1	2	98	6	98	7	7	6	1994	998	998	998	2	2	15	152	15202	98	98	98	15202012008
15	152	15202	1	2	8	13910	7	1	2	5	1	44	1	98	998	2	98	998	1	98	998	9998	98	2	5	5	2	1	2	98	7	98	98	98	98	9998	998	998	998	5	2	15	152	15202	98	98	98	15202012008
15	152	15202	1	2	8	13910	8	1	1	1	1	58	1	98	998	2	98	998	3	98	998	2004	2	2	4	5	2	1	2	98	6	98	98	98	98	9998	998	998	604	4	2	15	152	15202	98	98	98	15202012008
15	152	15202	1	2	8	13910	8	1	2	2	2	59	1	98	998	2	98	998	3	98	998	2004	2	2	2	5	2	1	2	98	6	98	3	3	7	1999	998	998	604	2	2	15	152	15202	98	98	98	15202012008
15	152	15202	1	2	8	13910	19	1	1	1	1	58	99	99	999	99	99	999	99	99	999	9999	99	99	99	99	99	99	99	99	99	99	98	98	98	9998	999	999	999	99	99	15	152	15202	99	99	99	15202012008
15	152	15202	1	2	8	13910	21	1	1	1	1	53	1	98	998	2	98	998	1	98	998	9998	98	2	8	5	1	1	2	98	1	H	98	98	98	9998	998	998	998	8	2	15	152	15202	98	98	98	15202012008
15	152	15202	1	2	8	13910	21	1	2	2	2	46	1	98	998	2	98	998	1	98	998	9998	98	2	3	5	2	1	2	98	6	98	3	3	2	1990	998	998	998	3	2	15	152	15202	98	98	98	15202012008
15	152	15202	1	2	8	13910	22	1	1	1	2	73	1	98	998	2	98	998	1	98	998	9998	98	3	98	98	98	1	2	98	6	98	6	5	3	1979	998	998	998	0	2	15	152	15202	98	98	98	15202012008
15	152	15202	1	2	8	13910	30	1	1	1	1	57	1	98	998	2	98	998	2	997	998	9998	98	2	3	5	2	1	2	98	6	98	98	98	98	9998	998	998	998	3	2	15	152	15202	98	98	997	15202012008
15	152	15202	1	2	12	8394	3	1	1	2	2	64	1	98	998	2	98	998	3	98	998	1974	4	3	98	98	98	1	2	98	1	A	12	10	99	9999	998	998	604	0	2	15	152	15202	98	98	98	15202012012
15	152	15202	1	2	12	8394	3	1	2	1	1	74	2	98	998	2	98	998	1	98	998	9998	98	3	98	98	98	1	2	98	99	99	98	98	98	9998	998	998	998	0	2	15	152	15202	98	98	98	15202012012
15	152	15202	1	2	12	8394	3	1	3	5	2	38	1	98	998	2	98	998	1	98	998	9998	98	2	8	5	1	1	2	98	2	A	0	98	98	9998	998	998	998	8	2	15	152	15202	98	98	98	15202012012
15	152	15202	1	2	12	8394	3	1	4	14	1	38	99	99	999	99	99	999	99	99	999	9999	99	99	99	99	99	99	99	99	8	98	98	98	98	9998	999	999	999	99	99	15	152	15202	99	99	99	15202012012
15	152	15202	1	2	12	8394	9	1	1	1	2	79	1	98	998	2	98	998	1	98	998	9998	98	3	98	98	98	1	2	98	8	98	2	2	99	9999	998	998	998	0	2	15	152	15202	98	98	98	15202012012
15	152	15202	1	2	12	8394	19	1	1	1	1	46	99	99	999	99	99	999	99	99	999	9999	99	99	99	99	99	99	99	99	99	99	98	98	98	9998	999	999	999	99	99	15	152	15202	99	99	99	15202012012
15	152	15202	1	2	12	8394	20	1	1	1	2	58	1	98	998	2	98	998	1	98	998	9998	98	2	8	5	1	1	2	98	1	A	3	3	7	1982	998	998	998	8	2	15	152	15202	98	98	98	15202012012
15	152	15202	1	2	12	8394	21	1	1	1	2	45	1	98	998	6	98	998	2	997	998	9998	98	2	4	5	2	1	2	98	1	A	6	6	2	2007	998	68	998	4	2	15	152	15202	98	98	997	15202012012
15	152	15202	1	2	12	8394	21	1	2	5	2	10	1	98	998	6	98	998	2	3201	998	9998	98	1	4	5	2	1	2	98	98	98	98	98	98	9998	998	68	998	4	2	15	152	15202	98	98	3201	15202012012
15	152	15202	1	2	12	8394	24	1	1	1	1	67	1	98	998	2	98	998	1	98	998	9998	98	3	98	98	98	1	2	98	8	98	98	98	98	9998	998	998	998	0	2	15	152	15202	98	98	98	15202012012
15	152	15202	1	2	12	8394	24	1	2	2	2	53	1	98	998	2	98	998	3	98	998	9999	99	3	98	98	98	1	2	98	8	98	0	98	98	9998	998	998	604	0	2	15	152	15202	98	98	98	15202012012
15	152	15202	1	2	12	8394	27	1	1	1	1	48	1	98	998	2	98	998	1	98	998	9998	98	2	4	7	1	1	2	98	8	98	98	98	98	9998	998	998	998	12	2	15	152	15202	98	98	98	15202012012
15	152	15202	1	2	12	8394	31	1	1	1	1	49	1	98	998	4	98	998	3	98	998	2001	2	2	8	5	1	1	2	98	1	A	98	98	98	9998	998	604	604	8	2	15	152	15202	98	98	98	15202012012
15	152	15202	1	2	12	8394	42	1	1	1	1	46	1	98	998	2	98	998	3	98	998	1992	3	2	8	5	1	1	2	98	2	A	98	98	98	9998	998	998	604	8	2	15	152	15202	98	98	98	15202012012
15	152	15202	1	2	12	8394	42	1	2	2	2	24	1	98	998	6	98	998	5	98	998	2013	1	2	7	5	2	1	2	98	6	98	2	2	6	2016	998	68	68	7	2	15	152	15202	98	98	98	15202012012
15	152	15202	1	2	12	8394	42	1	3	6	2	2	1	98	998	1	98	998	1	98	998	9998	98	3	98	98	98	1	2	98	98	98	98	98	98	9998	998	998	998	0	2	15	152	15202	98	98	98	15202012012
15	152	15202	1	2	12	8394	42	1	4	5	1	0	1	98	998	1	98	998	2	15101	998	9998	98	99	99	99	99	1	2	98	98	98	98	98	98	9998	998	998	998	99	2	15	152	15202	98	98	15101	15202012012
15	152	15202	1	2	12	8394	42	1	5	5	2	13	1	98	998	2	98	998	3	98	998	9999	99	1	7	5	2	1	2	98	98	98	98	98	98	9998	998	998	604	7	2	15	152	15202	98	98	98	15202012012
15	152	15202	1	2	12	8394	42	1	6	5	1	6	1	98	998	2	98	998	2	15101	998	9998	98	1	0	3	1	1	2	98	98	98	98	98	98	9998	998	998	998	0	2	15	152	15202	98	98	15101	15202012012
15	152	15202	1	2	15	4094	2	1	1	1	1	41	1	98	998	2	98	998	1	98	998	9998	98	2	4	12	1	1	2	98	1	O	98	98	98	9998	998	998	998	16	2	15	152	15202	98	98	98	15202012015
15	152	15202	1	2	15	4094	8	1	1	17	1	70	2	98	998	2	98	998	1	98	998	9998	98	3	98	98	98	1	2	98	7	98	98	98	98	9998	998	998	998	0	2	15	152	15202	98	98	98	15202012015
15	152	15202	1	2	15	4094	8	1	2	17	1	47	2	98	998	3	15101	998	2	8101	998	9998	98	2	4	8	1	1	2	98	1	Z	98	98	98	9998	998	998	998	12	2	15	152	15202	98	15101	8101	15202012015
15	152	15202	1	2	15	4094	8	1	3	17	1	19	2	98	998	3	15101	998	2	15101	998	9998	98	1	99	7	99	1	2	98	1	I	98	98	98	9998	998	998	998	99	2	15	152	15202	98	15101	15101	15202012015
15	152	15202	1	2	15	4094	8	1	4	17	1	43	2	98	998	3	4302	998	2	8101	998	9998	98	99	4	8	1	1	2	98	1	N	98	98	98	9998	998	998	998	12	2	15	152	15202	98	4302	8101	15202012015
15	152	15202	1	2	15	4094	8	1	5	17	2	35	2	98	998	6	98	998	5	98	998	2016	1	2	8	5	1	1	2	98	1	I	2	2	3	2007	998	68	68	8	2	15	152	15202	98	98	98	15202012015
15	152	15202	1	2	15	4094	8	1	6	17	1	36	3	13123	998	3	13123	998	2	12101	998	9998	98	2	5	12	1	2	98	98	1	J	98	98	98	9998	998	998	998	17	98	15	152	15202	13123	13123	12101	15202012015
15	152	15202	1	2	15	4094	8	1	7	17	2	25	2	98	998	3	15101	998	2	15101	998	9998	98	2	5	12	1	1	2	98	1	Q	1	1	12	2011	998	998	998	17	2	15	152	15202	98	15101	15101	15202012015
15	152	15202	1	2	15	4094	9	1	1	1	1	72	1	98	998	2	98	998	1	98	998	9998	98	2	1	5	2	1	2	98	1	G	98	98	98	9998	998	998	998	1	2	15	152	15202	98	98	98	15202012015
15	152	15202	1	2	15	4094	12	1	1	1	1	21	1	98	998	3	15101	998	2	15101	998	9998	98	2	4	8	1	1	2	98	1	N	98	98	98	9998	998	998	998	12	2	15	152	15202	98	15101	15101	15202012015
15	152	15202	1	2	15	4094	15	1	1	1	1	61	1	98	998	2	98	998	1	98	998	9998	98	2	3	7	2	1	2	98	4	98	98	98	98	9998	998	998	998	11	2	15	152	15202	98	98	98	15202012015
15	152	15202	1	2	15	4094	15	1	2	5	2	31	1	98	998	3	15101	998	1	98	998	9998	98	2	4	12	1	1	2	98	1	P	1	1	10	2007	998	998	998	16	2	15	152	15202	98	15101	98	15202012015
15	152	15202	1	2	15	4094	16	1	1	1	1	34	1	98	998	3	15101	998	1	98	998	9998	98	2	5	12	1	1	2	98	1	O	98	98	98	9998	998	998	998	17	2	15	152	15202	98	15101	98	15202012015

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 01 y con la zona = 2:

tabla_con_clave <- filter(tabla_con_clave, tabla_con_clave$REGION == 1) 
tabla_con_clave <- filter(tabla_con_clave, tabla_con_clave$AREA== 2)

1.2 Cálculo de frecuencias

tabla_con_clave_f <- tabla_con_clave[,-c(1,2,4,5,6,7,8,9,10,11,13,14,15,16,17,18,19,20),drop=FALSE]

names(tabla_con_clave_f)[9] <- "Nivel del curso más alto aprobado"

# Ahora filtramos por Nivel del curso más alto aprobado = 11.
tabla_con_clave_ff <- filter(tabla_con_clave_f, tabla_con_clave_f$`Nivel del curso más alto aprobado` == 12)

# Determinamos las frecuencias por zona:
b <- tabla_con_clave_ff$clave
c <- tabla_con_clave_ff$`Nivel del curso más alto aprobado`
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	1101092001	12	1101	6	2017
2	1101092004	12	1101	15	2017
3	1101092005	12	1101	2	2017
4	1101092006	12	1101	31	2017
5	1101092007	12	1101	2	2017
6	1101092010	12	1101	31	2017
7	1101092014	12	1101	1	2017
8	1101092016	12	1101	4	2017
9	1101092018	12	1101	6	2017
10	1101092019	12	1101	2	2017
11	1101092021	12	1101	6	2017
12	1101092022	12	1101	1	2017
13	1101092023	12	1101	3	2017
14	1101092024	12	1101	2	2017
15	1101092901	12	1101	5	2017
16	1101112003	12	1101	3	2017
17	1101112013	12	1101	26	2017
18	1101112019	12	1101	1	2017
19	1101112025	12	1101	3	2017
100	1107012901	12	1107	1	2017
101	1107032006	12	1107	122	2017
182	1401012001	12	1401	55	2017
183	1401012021	12	1401	1	2017
184	1401012901	12	1401	1	2017
185	1401022005	12	1401	184	2017
186	1401022014	12	1401	1	2017
187	1401022015	12	1401	50	2017
188	1401022019	12	1401	1	2017
189	1401022024	12	1401	1	2017
190	1401032002	12	1401	17	2017
191	1401032007	12	1401	3	2017
192	1401032011	12	1401	46	2017
193	1401032012	12	1401	71	2017
194	1401032026	12	1401	2	2017
195	1401052009	12	1401	2	2017
196	1401052020	12	1401	5	2017
197	1401052901	12	1401	11	2017
198	1401062013	12	1401	139	2017
199	1401062023	12	1401	20	2017
200	1401072008	12	1401	7	2017
281	1402012002	12	1402	45	2017
282	1402012003	12	1402	3	2017
283	1402012004	12	1402	2	2017
284	1402012005	12	1402	1	2017
285	1402012006	12	1402	5	2017
286	1402012007	12	1402	1	2017
287	1402012008	12	1402	3	2017
288	1402012010	12	1402	1	2017
289	1402992999	12	1402	1	2017
370	1403012008	12	1403	69	2017
371	1403012009	12	1403	1	2017
372	1403012013	12	1403	1	2017
373	1403012015	12	1403	3	2017
374	1403022002	12	1403	2	2017
375	1403022005	12	1403	6	2017
376	1403022006	12	1403	3	2017
377	1403022017	12	1403	4	2017
378	1403022018	12	1403	1	2017
379	1403992999	12	1403	59	2017
460	1404022016	12	1404	1	2017
461	1404022022	12	1404	3	2017
462	1404022034	12	1404	10	2017
463	1404032014	12	1404	3	2017
464	1404032901	12	1404	5	2017
465	1404042023	12	1404	13	2017
466	1404042037	12	1404	2	2017
467	1404042901	12	1404	4	2017
468	1404052033	12	1404	2	2017
469	1404062901	12	1404	2	2017
470	1404072004	12	1404	4	2017
471	1404072015	12	1404	2	2017
472	1404072031	12	1404	3	2017
473	1404082901	12	1404	1	2017
554	1405012008	12	1405	71	2017
555	1405012010	12	1405	7	2017
556	1405012014	12	1405	4	2017
557	1405012901	12	1405	1	2017
558	1405022003	12	1405	875	2017
559	1405022012	12	1405	167	2017
560	1405032001	12	1405	1	2017
NA	NA	NA	NA	NA	NA
NA.1	NA	NA	NA	NA	NA
NA.2	NA	NA	NA	NA	NA
NA.3	NA	NA	NA	NA	NA
NA.4	NA	NA	NA	NA	NA
NA.5	NA	NA	NA	NA	NA
NA.6	NA	NA	NA	NA	NA
NA.7	NA	NA	NA	NA	NA
NA.8	NA	NA	NA	NA	NA
NA.9	NA	NA	NA	NA	NA
NA.10	NA	NA	NA	NA	NA
NA.11	NA	NA	NA	NA	NA
NA.12	NA	NA	NA	NA	NA
NA.13	NA	NA	NA	NA	NA
NA.14	NA	NA	NA	NA	NA
NA.15	NA	NA	NA	NA	NA
NA.16	NA	NA	NA	NA	NA
NA.17	NA	NA	NA	NA	NA
NA.18	NA	NA	NA	NA	NA
NA.19	NA	NA	NA	NA	NA

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	1101092001	6	2017	01101
2	1101092004	15	2017	01101
3	1101092005	2	2017	01101
4	1101092006	31	2017	01101
5	1101092007	2	2017	01101
6	1101092010	31	2017	01101
7	1101092014	1	2017	01101
8	1101092016	4	2017	01101
9	1101092018	6	2017	01101
10	1101092019	2	2017	01101
11	1101092021	6	2017	01101
12	1101092022	1	2017	01101
13	1101092023	3	2017	01101
14	1101092024	2	2017	01101
15	1101092901	5	2017	01101
16	1101112003	3	2017	01101
17	1101112013	26	2017	01101
18	1101112019	1	2017	01101
19	1101112025	3	2017	01101
100	1107012901	1	2017	01107
101	1107032006	122	2017	01107
182	1401012001	55	2017	01401
183	1401012021	1	2017	01401
184	1401012901	1	2017	01401
185	1401022005	184	2017	01401
186	1401022014	1	2017	01401
187	1401022015	50	2017	01401
188	1401022019	1	2017	01401
189	1401022024	1	2017	01401
190	1401032002	17	2017	01401
191	1401032007	3	2017	01401
192	1401032011	46	2017	01401
193	1401032012	71	2017	01401
194	1401032026	2	2017	01401
195	1401052009	2	2017	01401
196	1401052020	5	2017	01401
197	1401052901	11	2017	01401
198	1401062013	139	2017	01401
199	1401062023	20	2017	01401
200	1401072008	7	2017	01401
281	1402012002	45	2017	01402
282	1402012003	3	2017	01402
283	1402012004	2	2017	01402
284	1402012005	1	2017	01402
285	1402012006	5	2017	01402
286	1402012007	1	2017	01402
287	1402012008	3	2017	01402
288	1402012010	1	2017	01402
289	1402992999	1	2017	01402
370	1403012008	69	2017	01403
371	1403012009	1	2017	01403
372	1403012013	1	2017	01403
373	1403012015	3	2017	01403
374	1403022002	2	2017	01403
375	1403022005	6	2017	01403
376	1403022006	3	2017	01403
377	1403022017	4	2017	01403
378	1403022018	1	2017	01403
379	1403992999	59	2017	01403
460	1404022016	1	2017	01404
461	1404022022	3	2017	01404
462	1404022034	10	2017	01404
463	1404032014	3	2017	01404
464	1404032901	5	2017	01404
465	1404042023	13	2017	01404
466	1404042037	2	2017	01404
467	1404042901	4	2017	01404
468	1404052033	2	2017	01404
469	1404062901	2	2017	01404
470	1404072004	4	2017	01404
471	1404072015	2	2017	01404
472	1404072031	3	2017	01404
473	1404082901	1	2017	01404
554	1405012008	71	2017	01405
555	1405012010	7	2017	01405
556	1405012014	4	2017	01405
557	1405012901	1	2017	01405
558	1405022003	875	2017	01405
559	1405022012	167	2017	01405
560	1405032001	1	2017	01405
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
NA.15	NA	NA	NA	NA
NA.16	NA	NA	NA	NA
NA.17	NA	NA	NA	NA
NA.18	NA	NA	NA	NA
NA.19	NA	NA	NA	NA

2 Variable CASEN

2.1 Tabla de ingresos expandidos

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

h_y_m_2017_censo <- readRDS("../corre_ing_exp-censo_casen/Ingresos_expandidos_rural_17.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	personas	Ingresos_expandidos
01101	Iquique	272529.7	2017	191468	52180713221
01401	Pozo Almonte	243272.4	2017	15711	3822052676
01402	Camiña	226831.0	2017	1250	283538750
01404	Huara	236599.7	2017	2730	645917134
01405	Pica	269198.0	2017	9296	2502464414
02103	Sierra Gorda	322997.9	2017	10186	3290056742
02104	Taltal	288653.8	2017	13317	3844002134
02201	Calama	238080.9	2017	165731	39457387800
02203	San Pedro de Atacama	271472.6	2017	10996	2985112297
02301	Tocopilla	166115.9	2017	25186	4183793832
03101	Copiapó	251396.0	2017	153937	38699138722
03103	Tierra Amarilla	287819.4	2017	14019	4034940816
03202	Diego de Almagro	326439.0	2017	13925	4545663075
03301	Vallenar	217644.6	2017	51917	11299454698
03302	Alto del Carmen	196109.9	2017	5299	1039186477
03303	Freirina	202463.8	2017	7041	1425547554
03304	Huasco	205839.6	2017	10149	2089066548
04101	La Serena	200287.4	2017	221054	44274327972
04102	Coquimbo	206027.8	2017	227730	46918711304
04103	Andacollo	217096.4	2017	11044	2397612293
04104	La Higuera	231674.2	2017	4241	982530309
04105	Paiguano	174868.5	2017	4497	786383423
04106	Vicuña	169077.1	2017	27771	4695441470
04201	Illapel	165639.6	2017	30848	5109649759
04202	Canela	171370.3	2017	9093	1558270441
04203	Los Vilos	173238.5	2017	21382	3704185607
04204	Salamanca	193602.0	2017	29347	5681637894
04301	Ovalle	230819.8	2017	111272	25683781418
04302	Combarbalá	172709.2	2017	13322	2300832587
04303	Monte Patria	189761.6	2017	30751	5835357638
04304	Punitaqui	165862.0	2017	10956	1817183694
04305	Río Hurtado	182027.2	2017	4278	778712384
05101	Valparaíso	251998.5	2017	296655	74756602991
05102	Casablanca	252317.7	2017	26867	6779018483
05105	Puchuncaví	231606.0	2017	18546	4295363979
05107	Quintero	285125.8	2017	31923	9102071069
05301	Los Andes	280548.0	2017	66708	18714795984
05302	Calle Larga	234044.6	2017	14832	3471349123
05303	Rinconada	246136.9	2017	10207	2512319225
05304	San Esteban	211907.3	2017	18855	3995512770
05401	La Ligua	172675.9	2017	35390	6111000517
05402	Cabildo	212985.0	2017	19388	4129354103
05404	Petorca	270139.8	2017	9826	2654393853
05405	Zapallar	235661.4	2017	7339	1729518700
05501	Quillota	212067.6	2017	90517	19195726144
05502	Calera	226906.2	2017	50554	11471016698
05503	Hijuelas	215402.0	2017	17988	3874650405
05504	La Cruz	243333.4	2017	22098	5377180726
05506	Nogales	219800.7	2017	22120	4861992055
05601	San Antonio	230261.5	2017	91350	21034388728

3 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)

comunas_con_ing_exp<-comunas_con_ing_exp[!(is.na(comunas_con_ing_exp$Ingresos_expandidos)),]

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	personas	Ingresos_expandidos
1	01101	1101092019	2	2017	Iquique	272529.7	2017	191468	52180713221
2	01101	1101092018	6	2017	Iquique	272529.7	2017	191468	52180713221
3	01101	1101092001	6	2017	Iquique	272529.7	2017	191468	52180713221
4	01101	1101092004	15	2017	Iquique	272529.7	2017	191468	52180713221
5	01101	1101092006	31	2017	Iquique	272529.7	2017	191468	52180713221
6	01101	1101092007	2	2017	Iquique	272529.7	2017	191468	52180713221
7	01101	1101092010	31	2017	Iquique	272529.7	2017	191468	52180713221
8	01101	1101092005	2	2017	Iquique	272529.7	2017	191468	52180713221
9	01101	1101092016	4	2017	Iquique	272529.7	2017	191468	52180713221
10	01101	1101092023	3	2017	Iquique	272529.7	2017	191468	52180713221
11	01101	1101092024	2	2017	Iquique	272529.7	2017	191468	52180713221
12	01101	1101092021	6	2017	Iquique	272529.7	2017	191468	52180713221
13	01101	1101092022	1	2017	Iquique	272529.7	2017	191468	52180713221
14	01101	1101112013	26	2017	Iquique	272529.7	2017	191468	52180713221
15	01101	1101112019	1	2017	Iquique	272529.7	2017	191468	52180713221
16	01101	1101092901	5	2017	Iquique	272529.7	2017	191468	52180713221
17	01101	1101112003	3	2017	Iquique	272529.7	2017	191468	52180713221
18	01101	1101112025	3	2017	Iquique	272529.7	2017	191468	52180713221
19	01101	1101092014	1	2017	Iquique	272529.7	2017	191468	52180713221
22	01401	1401012001	55	2017	Pozo Almonte	243272.4	2017	15711	3822052676
23	01401	1401012021	1	2017	Pozo Almonte	243272.4	2017	15711	3822052676
24	01401	1401032026	2	2017	Pozo Almonte	243272.4	2017	15711	3822052676
25	01401	1401052009	2	2017	Pozo Almonte	243272.4	2017	15711	3822052676
26	01401	1401052020	5	2017	Pozo Almonte	243272.4	2017	15711	3822052676
27	01401	1401012901	1	2017	Pozo Almonte	243272.4	2017	15711	3822052676
28	01401	1401022005	184	2017	Pozo Almonte	243272.4	2017	15711	3822052676
29	01401	1401022014	1	2017	Pozo Almonte	243272.4	2017	15711	3822052676
30	01401	1401022015	50	2017	Pozo Almonte	243272.4	2017	15711	3822052676
31	01401	1401022019	1	2017	Pozo Almonte	243272.4	2017	15711	3822052676
32	01401	1401022024	1	2017	Pozo Almonte	243272.4	2017	15711	3822052676
33	01401	1401032002	17	2017	Pozo Almonte	243272.4	2017	15711	3822052676
34	01401	1401032007	3	2017	Pozo Almonte	243272.4	2017	15711	3822052676
35	01401	1401032011	46	2017	Pozo Almonte	243272.4	2017	15711	3822052676
36	01401	1401032012	71	2017	Pozo Almonte	243272.4	2017	15711	3822052676
37	01401	1401062013	139	2017	Pozo Almonte	243272.4	2017	15711	3822052676
38	01401	1401062023	20	2017	Pozo Almonte	243272.4	2017	15711	3822052676
39	01401	1401072008	7	2017	Pozo Almonte	243272.4	2017	15711	3822052676
40	01401	1401052901	11	2017	Pozo Almonte	243272.4	2017	15711	3822052676
41	01402	1402012008	3	2017	Camiña	226831.0	2017	1250	283538750
42	01402	1402012010	1	2017	Camiña	226831.0	2017	1250	283538750
43	01402	1402992999	1	2017	Camiña	226831.0	2017	1250	283538750
44	01402	1402012002	45	2017	Camiña	226831.0	2017	1250	283538750
45	01402	1402012003	3	2017	Camiña	226831.0	2017	1250	283538750
46	01402	1402012004	2	2017	Camiña	226831.0	2017	1250	283538750
47	01402	1402012005	1	2017	Camiña	226831.0	2017	1250	283538750
48	01402	1402012006	5	2017	Camiña	226831.0	2017	1250	283538750
49	01402	1402012007	1	2017	Camiña	226831.0	2017	1250	283538750
60	01404	1404022016	1	2017	Huara	236599.7	2017	2730	645917134
61	01404	1404022022	3	2017	Huara	236599.7	2017	2730	645917134
62	01404	1404022034	10	2017	Huara	236599.7	2017	2730	645917134
63	01404	1404032014	3	2017	Huara	236599.7	2017	2730	645917134
64	01404	1404032901	5	2017	Huara	236599.7	2017	2730	645917134
65	01404	1404042023	13	2017	Huara	236599.7	2017	2730	645917134
66	01404	1404042037	2	2017	Huara	236599.7	2017	2730	645917134
67	01404	1404042901	4	2017	Huara	236599.7	2017	2730	645917134
68	01404	1404052033	2	2017	Huara	236599.7	2017	2730	645917134
69	01404	1404062901	2	2017	Huara	236599.7	2017	2730	645917134
70	01404	1404072004	4	2017	Huara	236599.7	2017	2730	645917134
71	01404	1404072015	2	2017	Huara	236599.7	2017	2730	645917134
72	01404	1404072031	3	2017	Huara	236599.7	2017	2730	645917134
73	01404	1404082901	1	2017	Huara	236599.7	2017	2730	645917134
74	01405	1405012008	71	2017	Pica	269198.0	2017	9296	2502464414
75	01405	1405012010	7	2017	Pica	269198.0	2017	9296	2502464414
76	01405	1405012014	4	2017	Pica	269198.0	2017	9296	2502464414
77	01405	1405012901	1	2017	Pica	269198.0	2017	9296	2502464414
78	01405	1405022003	875	2017	Pica	269198.0	2017	9296	2502464414
79	01405	1405022012	167	2017	Pica	269198.0	2017	9296	2502464414
80	01405	1405032001	1	2017	Pica	269198.0	2017	9296	2502464414
NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
NA.1	NA	NA	NA	NA	NA	NA	NA	NA	NA
NA.2	NA	NA	NA	NA	NA	NA	NA	NA	NA
NA.3	NA	NA	NA	NA	NA	NA	NA	NA	NA
NA.4	NA	NA	NA	NA	NA	NA	NA	NA	NA
NA.5	NA	NA	NA	NA	NA	NA	NA	NA	NA
NA.6	NA	NA	NA	NA	NA	NA	NA	NA	NA
NA.7	NA	NA	NA	NA	NA	NA	NA	NA	NA
NA.8	NA	NA	NA	NA	NA	NA	NA	NA	NA
NA.9	NA	NA	NA	NA	NA	NA	NA	NA	NA
NA.10	NA	NA	NA	NA	NA	NA	NA	NA	NA
NA.11	NA	NA	NA	NA	NA	NA	NA	NA	NA
NA.12	NA	NA	NA	NA	NA	NA	NA	NA	NA
NA.13	NA	NA	NA	NA	NA	NA	NA	NA	NA
NA.14	NA	NA	NA	NA	NA	NA	NA	NA	NA
NA.15	NA	NA	NA	NA	NA	NA	NA	NA	NA
NA.16	NA	NA	NA	NA	NA	NA	NA	NA	NA
NA.17	NA	NA	NA	NA	NA	NA	NA	NA	NA
NA.18	NA	NA	NA	NA	NA	NA	NA	NA	NA
NA.19	NA	NA	NA	NA	NA	NA	NA	NA	NA
NA.20	NA	NA	NA	NA	NA	NA	NA	NA	NA
NA.21	NA	NA	NA	NA	NA	NA	NA	NA	NA
NA.22	NA	NA	NA	NA	NA	NA	NA	NA	NA
NA.23	NA	NA	NA	NA	NA	NA	NA	NA	NA
NA.24	NA	NA	NA	NA	NA	NA	NA	NA	NA
NA.25	NA	NA	NA	NA	NA	NA	NA	NA	NA
NA.26	NA	NA	NA	NA	NA	NA	NA	NA	NA
NA.27	NA	NA	NA	NA	NA	NA	NA	NA	NA
NA.28	NA	NA	NA	NA	NA	NA	NA	NA	NA
NA.29	NA	NA	NA	NA	NA	NA	NA	NA	NA
NA.30	NA	NA	NA	NA	NA	NA	NA	NA	NA
NA.31	NA	NA	NA	NA	NA	NA	NA	NA	NA

4 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

5 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	personas	Ingresos_expandidos
1	01101	1101092019	2	2017	Iquique	272529.7	2017	191468	52180713221
2	01101	1101092018	6	2017	Iquique	272529.7	2017	191468	52180713221
3	01101	1101092001	6	2017	Iquique	272529.7	2017	191468	52180713221
4	01101	1101092004	15	2017	Iquique	272529.7	2017	191468	52180713221
5	01101	1101092006	31	2017	Iquique	272529.7	2017	191468	52180713221
6	01101	1101092007	2	2017	Iquique	272529.7	2017	191468	52180713221
7	01101	1101092010	31	2017	Iquique	272529.7	2017	191468	52180713221
8	01101	1101092005	2	2017	Iquique	272529.7	2017	191468	52180713221
9	01101	1101092016	4	2017	Iquique	272529.7	2017	191468	52180713221
10	01101	1101092023	3	2017	Iquique	272529.7	2017	191468	52180713221
11	01101	1101092024	2	2017	Iquique	272529.7	2017	191468	52180713221
12	01101	1101092021	6	2017	Iquique	272529.7	2017	191468	52180713221
13	01101	1101092022	1	2017	Iquique	272529.7	2017	191468	52180713221
14	01101	1101112013	26	2017	Iquique	272529.7	2017	191468	52180713221
15	01101	1101112019	1	2017	Iquique	272529.7	2017	191468	52180713221
16	01101	1101092901	5	2017	Iquique	272529.7	2017	191468	52180713221
17	01101	1101112003	3	2017	Iquique	272529.7	2017	191468	52180713221
18	01101	1101112025	3	2017	Iquique	272529.7	2017	191468	52180713221
19	01101	1101092014	1	2017	Iquique	272529.7	2017	191468	52180713221
22	01401	1401012001	55	2017	Pozo Almonte	243272.4	2017	15711	3822052676
23	01401	1401012021	1	2017	Pozo Almonte	243272.4	2017	15711	3822052676
24	01401	1401032026	2	2017	Pozo Almonte	243272.4	2017	15711	3822052676
25	01401	1401052009	2	2017	Pozo Almonte	243272.4	2017	15711	3822052676
26	01401	1401052020	5	2017	Pozo Almonte	243272.4	2017	15711	3822052676
27	01401	1401012901	1	2017	Pozo Almonte	243272.4	2017	15711	3822052676
28	01401	1401022005	184	2017	Pozo Almonte	243272.4	2017	15711	3822052676
29	01401	1401022014	1	2017	Pozo Almonte	243272.4	2017	15711	3822052676
30	01401	1401022015	50	2017	Pozo Almonte	243272.4	2017	15711	3822052676
31	01401	1401022019	1	2017	Pozo Almonte	243272.4	2017	15711	3822052676
32	01401	1401022024	1	2017	Pozo Almonte	243272.4	2017	15711	3822052676
33	01401	1401032002	17	2017	Pozo Almonte	243272.4	2017	15711	3822052676
34	01401	1401032007	3	2017	Pozo Almonte	243272.4	2017	15711	3822052676
35	01401	1401032011	46	2017	Pozo Almonte	243272.4	2017	15711	3822052676
36	01401	1401032012	71	2017	Pozo Almonte	243272.4	2017	15711	3822052676
37	01401	1401062013	139	2017	Pozo Almonte	243272.4	2017	15711	3822052676
38	01401	1401062023	20	2017	Pozo Almonte	243272.4	2017	15711	3822052676
39	01401	1401072008	7	2017	Pozo Almonte	243272.4	2017	15711	3822052676
40	01401	1401052901	11	2017	Pozo Almonte	243272.4	2017	15711	3822052676
41	01402	1402012008	3	2017	Camiña	226831.0	2017	1250	283538750
42	01402	1402012010	1	2017	Camiña	226831.0	2017	1250	283538750
43	01402	1402992999	1	2017	Camiña	226831.0	2017	1250	283538750
44	01402	1402012002	45	2017	Camiña	226831.0	2017	1250	283538750
45	01402	1402012003	3	2017	Camiña	226831.0	2017	1250	283538750
46	01402	1402012004	2	2017	Camiña	226831.0	2017	1250	283538750
47	01402	1402012005	1	2017	Camiña	226831.0	2017	1250	283538750
48	01402	1402012006	5	2017	Camiña	226831.0	2017	1250	283538750
49	01402	1402012007	1	2017	Camiña	226831.0	2017	1250	283538750
60	01404	1404022016	1	2017	Huara	236599.7	2017	2730	645917134
61	01404	1404022022	3	2017	Huara	236599.7	2017	2730	645917134
62	01404	1404022034	10	2017	Huara	236599.7	2017	2730	645917134
63	01404	1404032014	3	2017	Huara	236599.7	2017	2730	645917134
64	01404	1404032901	5	2017	Huara	236599.7	2017	2730	645917134
65	01404	1404042023	13	2017	Huara	236599.7	2017	2730	645917134
66	01404	1404042037	2	2017	Huara	236599.7	2017	2730	645917134
67	01404	1404042901	4	2017	Huara	236599.7	2017	2730	645917134
68	01404	1404052033	2	2017	Huara	236599.7	2017	2730	645917134
69	01404	1404062901	2	2017	Huara	236599.7	2017	2730	645917134
70	01404	1404072004	4	2017	Huara	236599.7	2017	2730	645917134
71	01404	1404072015	2	2017	Huara	236599.7	2017	2730	645917134
72	01404	1404072031	3	2017	Huara	236599.7	2017	2730	645917134
73	01404	1404082901	1	2017	Huara	236599.7	2017	2730	645917134
74	01405	1405012008	71	2017	Pica	269198.0	2017	9296	2502464414
75	01405	1405012010	7	2017	Pica	269198.0	2017	9296	2502464414
76	01405	1405012014	4	2017	Pica	269198.0	2017	9296	2502464414
77	01405	1405012901	1	2017	Pica	269198.0	2017	9296	2502464414
78	01405	1405022003	875	2017	Pica	269198.0	2017	9296	2502464414
79	01405	1405022012	167	2017	Pica	269198.0	2017	9296	2502464414
80	01405	1405032001	1	2017	Pica	269198.0	2017	9296	2502464414
NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
NA.1	NA	NA	NA	NA	NA	NA	NA	NA	NA
NA.2	NA	NA	NA	NA	NA	NA	NA	NA	NA
NA.3	NA	NA	NA	NA	NA	NA	NA	NA	NA
NA.4	NA	NA	NA	NA	NA	NA	NA	NA	NA
NA.5	NA	NA	NA	NA	NA	NA	NA	NA	NA
NA.6	NA	NA	NA	NA	NA	NA	NA	NA	NA
NA.7	NA	NA	NA	NA	NA	NA	NA	NA	NA
NA.8	NA	NA	NA	NA	NA	NA	NA	NA	NA
NA.9	NA	NA	NA	NA	NA	NA	NA	NA	NA
NA.10	NA	NA	NA	NA	NA	NA	NA	NA	NA
NA.11	NA	NA	NA	NA	NA	NA	NA	NA	NA
NA.12	NA	NA	NA	NA	NA	NA	NA	NA	NA
NA.13	NA	NA	NA	NA	NA	NA	NA	NA	NA
NA.14	NA	NA	NA	NA	NA	NA	NA	NA	NA
NA.15	NA	NA	NA	NA	NA	NA	NA	NA	NA
NA.16	NA	NA	NA	NA	NA	NA	NA	NA	NA
NA.17	NA	NA	NA	NA	NA	NA	NA	NA	NA
NA.18	NA	NA	NA	NA	NA	NA	NA	NA	NA
NA.19	NA	NA	NA	NA	NA	NA	NA	NA	NA
NA.20	NA	NA	NA	NA	NA	NA	NA	NA	NA
NA.21	NA	NA	NA	NA	NA	NA	NA	NA	NA
NA.22	NA	NA	NA	NA	NA	NA	NA	NA	NA
NA.23	NA	NA	NA	NA	NA	NA	NA	NA	NA
NA.24	NA	NA	NA	NA	NA	NA	NA	NA	NA
NA.25	NA	NA	NA	NA	NA	NA	NA	NA	NA
NA.26	NA	NA	NA	NA	NA	NA	NA	NA	NA
NA.27	NA	NA	NA	NA	NA	NA	NA	NA	NA
NA.28	NA	NA	NA	NA	NA	NA	NA	NA	NA
NA.29	NA	NA	NA	NA	NA	NA	NA	NA	NA
NA.30	NA	NA	NA	NA	NA	NA	NA	NA	NA
NA.31	NA	NA	NA	NA	NA	NA	NA	NA	NA

6 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	personas	Ingresos_expandidos	Freq.y	p_poblacional	código.y
1101092001	01101	6	2017	Iquique	272529.7	2017	191468	52180713221	57	0.0002977	01101
1101092004	01101	15	2017	Iquique	272529.7	2017	191468	52180713221	247	0.0012900	01101
1101092005	01101	2	2017	Iquique	272529.7	2017	191468	52180713221	76	0.0003969	01101
1101092006	01101	31	2017	Iquique	272529.7	2017	191468	52180713221	603	0.0031494	01101
1101092007	01101	2	2017	Iquique	272529.7	2017	191468	52180713221	84	0.0004387	01101
1101092010	01101	31	2017	Iquique	272529.7	2017	191468	52180713221	398	0.0020787	01101
1101092014	01101	1	2017	Iquique	272529.7	2017	191468	52180713221	23	0.0001201	01101
1101092016	01101	4	2017	Iquique	272529.7	2017	191468	52180713221	20	0.0001045	01101
1101092018	01101	6	2017	Iquique	272529.7	2017	191468	52180713221	74	0.0003865	01101
1101092019	01101	2	2017	Iquique	272529.7	2017	191468	52180713221	25	0.0001306	01101
1101092021	01101	6	2017	Iquique	272529.7	2017	191468	52180713221	177	0.0009244	01101
1101092022	01101	1	2017	Iquique	272529.7	2017	191468	52180713221	23	0.0001201	01101
1101092023	01101	3	2017	Iquique	272529.7	2017	191468	52180713221	288	0.0015042	01101
1101092024	01101	2	2017	Iquique	272529.7	2017	191468	52180713221	14	0.0000731	01101
1101092901	01101	5	2017	Iquique	272529.7	2017	191468	52180713221	30	0.0001567	01101
1101112003	01101	3	2017	Iquique	272529.7	2017	191468	52180713221	33	0.0001724	01101
1101112013	01101	26	2017	Iquique	272529.7	2017	191468	52180713221	104	0.0005432	01101
1101112019	01101	1	2017	Iquique	272529.7	2017	191468	52180713221	34	0.0001776	01101
1101112025	01101	3	2017	Iquique	272529.7	2017	191468	52180713221	21	0.0001097	01101
1401012001	01401	55	2017	Pozo Almonte	243272.4	2017	15711	3822052676	684	0.0435364	01401
1401012021	01401	1	2017	Pozo Almonte	243272.4	2017	15711	3822052676	66	0.0042009	01401
1401012901	01401	1	2017	Pozo Almonte	243272.4	2017	15711	3822052676	20	0.0012730	01401
1401022005	01401	184	2017	Pozo Almonte	243272.4	2017	15711	3822052676	631	0.0401629	01401
1401022014	01401	1	2017	Pozo Almonte	243272.4	2017	15711	3822052676	34	0.0021641	01401
1401022015	01401	50	2017	Pozo Almonte	243272.4	2017	15711	3822052676	371	0.0236140	01401
1401022019	01401	1	2017	Pozo Almonte	243272.4	2017	15711	3822052676	24	0.0015276	01401
1401022024	01401	1	2017	Pozo Almonte	243272.4	2017	15711	3822052676	16	0.0010184	01401
1401032002	01401	17	2017	Pozo Almonte	243272.4	2017	15711	3822052676	53	0.0033734	01401
1401032007	01401	3	2017	Pozo Almonte	243272.4	2017	15711	3822052676	21	0.0013366	01401
1401032011	01401	46	2017	Pozo Almonte	243272.4	2017	15711	3822052676	446	0.0283878	01401
1401032012	01401	71	2017	Pozo Almonte	243272.4	2017	15711	3822052676	2025	0.1288906	01401
1401032026	01401	2	2017	Pozo Almonte	243272.4	2017	15711	3822052676	13	0.0008274	01401
1401052009	01401	2	2017	Pozo Almonte	243272.4	2017	15711	3822052676	55	0.0035007	01401
1401052020	01401	5	2017	Pozo Almonte	243272.4	2017	15711	3822052676	143	0.0091019	01401
1401052901	01401	11	2017	Pozo Almonte	243272.4	2017	15711	3822052676	118	0.0075107	01401
1401062013	01401	139	2017	Pozo Almonte	243272.4	2017	15711	3822052676	694	0.0441729	01401
1401062023	01401	20	2017	Pozo Almonte	243272.4	2017	15711	3822052676	105	0.0066832	01401
1401072008	01401	7	2017	Pozo Almonte	243272.4	2017	15711	3822052676	83	0.0052829	01401
1402012002	01402	45	2017	Camiña	226831.0	2017	1250	283538750	434	0.3472000	01402
1402012003	01402	3	2017	Camiña	226831.0	2017	1250	283538750	140	0.1120000	01402
1402012004	01402	2	2017	Camiña	226831.0	2017	1250	283538750	53	0.0424000	01402
1402012005	01402	1	2017	Camiña	226831.0	2017	1250	283538750	134	0.1072000	01402
1402012006	01402	5	2017	Camiña	226831.0	2017	1250	283538750	198	0.1584000	01402
1402012007	01402	1	2017	Camiña	226831.0	2017	1250	283538750	44	0.0352000	01402
1402012008	01402	3	2017	Camiña	226831.0	2017	1250	283538750	87	0.0696000	01402
1402012010	01402	1	2017	Camiña	226831.0	2017	1250	283538750	32	0.0256000	01402
1402992999	01402	1	2017	Camiña	226831.0	2017	1250	283538750	8	0.0064000	01402
1404022016	01404	1	2017	Huara	236599.7	2017	2730	645917134	35	0.0128205	01404
1404022022	01404	3	2017	Huara	236599.7	2017	2730	645917134	186	0.0681319	01404
1404022034	01404	10	2017	Huara	236599.7	2017	2730	645917134	202	0.0739927	01404
1404032014	01404	3	2017	Huara	236599.7	2017	2730	645917134	37	0.0135531	01404
1404032901	01404	5	2017	Huara	236599.7	2017	2730	645917134	117	0.0428571	01404
1404042023	01404	13	2017	Huara	236599.7	2017	2730	645917134	287	0.1051282	01404
1404042037	01404	2	2017	Huara	236599.7	2017	2730	645917134	13	0.0047619	01404
1404042901	01404	4	2017	Huara	236599.7	2017	2730	645917134	143	0.0523810	01404
1404052033	01404	2	2017	Huara	236599.7	2017	2730	645917134	6	0.0021978	01404
1404062901	01404	2	2017	Huara	236599.7	2017	2730	645917134	25	0.0091575	01404
1404072004	01404	4	2017	Huara	236599.7	2017	2730	645917134	54	0.0197802	01404
1404072015	01404	2	2017	Huara	236599.7	2017	2730	645917134	29	0.0106227	01404
1404072031	01404	3	2017	Huara	236599.7	2017	2730	645917134	49	0.0179487	01404
1404082901	01404	1	2017	Huara	236599.7	2017	2730	645917134	26	0.0095238	01404
1405012008	01405	71	2017	Pica	269198.0	2017	9296	2502464414	645	0.0693847	01405
1405012010	01405	7	2017	Pica	269198.0	2017	9296	2502464414	53	0.0057014	01405
1405012014	01405	4	2017	Pica	269198.0	2017	9296	2502464414	67	0.0072074	01405
1405012901	01405	1	2017	Pica	269198.0	2017	9296	2502464414	115	0.0123709	01405
1405022003	01405	875	2017	Pica	269198.0	2017	9296	2502464414	3757	0.4041523	01405
1405022012	01405	167	2017	Pica	269198.0	2017	9296	2502464414	668	0.0718589	01405
1405032001	01405	1	2017	Pica	269198.0	2017	9296	2502464414	44	0.0047332	01405

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	personas	Ingresos_expandidos	Freq.y	p_poblacional	código.y	multi_pob
1101092001	01101	6	2017	Iquique	272529.7	2017	191468	52180713221	57	0.0002977	01101	15534192
1101092004	01101	15	2017	Iquique	272529.7	2017	191468	52180713221	247	0.0012900	01101	67314832
1101092005	01101	2	2017	Iquique	272529.7	2017	191468	52180713221	76	0.0003969	01101	20712256
1101092006	01101	31	2017	Iquique	272529.7	2017	191468	52180713221	603	0.0031494	01101	164335398
1101092007	01101	2	2017	Iquique	272529.7	2017	191468	52180713221	84	0.0004387	01101	22892493
1101092010	01101	31	2017	Iquique	272529.7	2017	191468	52180713221	398	0.0020787	01101	108466814
1101092014	01101	1	2017	Iquique	272529.7	2017	191468	52180713221	23	0.0001201	01101	6268183
1101092016	01101	4	2017	Iquique	272529.7	2017	191468	52180713221	20	0.0001045	01101	5450594
1101092018	01101	6	2017	Iquique	272529.7	2017	191468	52180713221	74	0.0003865	01101	20167196
1101092019	01101	2	2017	Iquique	272529.7	2017	191468	52180713221	25	0.0001306	01101	6813242
1101092021	01101	6	2017	Iquique	272529.7	2017	191468	52180713221	177	0.0009244	01101	48237754
1101092022	01101	1	2017	Iquique	272529.7	2017	191468	52180713221	23	0.0001201	01101	6268183
1101092023	01101	3	2017	Iquique	272529.7	2017	191468	52180713221	288	0.0015042	01101	78488549
1101092024	01101	2	2017	Iquique	272529.7	2017	191468	52180713221	14	0.0000731	01101	3815416
1101092901	01101	5	2017	Iquique	272529.7	2017	191468	52180713221	30	0.0001567	01101	8175890
1101112003	01101	3	2017	Iquique	272529.7	2017	191468	52180713221	33	0.0001724	01101	8993480
1101112013	01101	26	2017	Iquique	272529.7	2017	191468	52180713221	104	0.0005432	01101	28343087
1101112019	01101	1	2017	Iquique	272529.7	2017	191468	52180713221	34	0.0001776	01101	9266009
1101112025	01101	3	2017	Iquique	272529.7	2017	191468	52180713221	21	0.0001097	01101	5723123
1401012001	01401	55	2017	Pozo Almonte	243272.4	2017	15711	3822052676	684	0.0435364	01401	166398322
1401012021	01401	1	2017	Pozo Almonte	243272.4	2017	15711	3822052676	66	0.0042009	01401	16055978
1401012901	01401	1	2017	Pozo Almonte	243272.4	2017	15711	3822052676	20	0.0012730	01401	4865448
1401022005	01401	184	2017	Pozo Almonte	243272.4	2017	15711	3822052676	631	0.0401629	01401	153504884
1401022014	01401	1	2017	Pozo Almonte	243272.4	2017	15711	3822052676	34	0.0021641	01401	8271262
1401022015	01401	50	2017	Pozo Almonte	243272.4	2017	15711	3822052676	371	0.0236140	01401	90254060
1401022019	01401	1	2017	Pozo Almonte	243272.4	2017	15711	3822052676	24	0.0015276	01401	5838538
1401022024	01401	1	2017	Pozo Almonte	243272.4	2017	15711	3822052676	16	0.0010184	01401	3892358
1401032002	01401	17	2017	Pozo Almonte	243272.4	2017	15711	3822052676	53	0.0033734	01401	12893437
1401032007	01401	3	2017	Pozo Almonte	243272.4	2017	15711	3822052676	21	0.0013366	01401	5108720
1401032011	01401	46	2017	Pozo Almonte	243272.4	2017	15711	3822052676	446	0.0283878	01401	108499490
1401032012	01401	71	2017	Pozo Almonte	243272.4	2017	15711	3822052676	2025	0.1288906	01401	492626610
1401032026	01401	2	2017	Pozo Almonte	243272.4	2017	15711	3822052676	13	0.0008274	01401	3162541
1401052009	01401	2	2017	Pozo Almonte	243272.4	2017	15711	3822052676	55	0.0035007	01401	13379982
1401052020	01401	5	2017	Pozo Almonte	243272.4	2017	15711	3822052676	143	0.0091019	01401	34787953
1401052901	01401	11	2017	Pozo Almonte	243272.4	2017	15711	3822052676	118	0.0075107	01401	28706143
1401062013	01401	139	2017	Pozo Almonte	243272.4	2017	15711	3822052676	694	0.0441729	01401	168831046
1401062023	01401	20	2017	Pozo Almonte	243272.4	2017	15711	3822052676	105	0.0066832	01401	25543602
1401072008	01401	7	2017	Pozo Almonte	243272.4	2017	15711	3822052676	83	0.0052829	01401	20191609
1402012002	01402	45	2017	Camiña	226831.0	2017	1250	283538750	434	0.3472000	01402	98444654
1402012003	01402	3	2017	Camiña	226831.0	2017	1250	283538750	140	0.1120000	01402	31756340
1402012004	01402	2	2017	Camiña	226831.0	2017	1250	283538750	53	0.0424000	01402	12022043
1402012005	01402	1	2017	Camiña	226831.0	2017	1250	283538750	134	0.1072000	01402	30395354
1402012006	01402	5	2017	Camiña	226831.0	2017	1250	283538750	198	0.1584000	01402	44912538
1402012007	01402	1	2017	Camiña	226831.0	2017	1250	283538750	44	0.0352000	01402	9980564
1402012008	01402	3	2017	Camiña	226831.0	2017	1250	283538750	87	0.0696000	01402	19734297
1402012010	01402	1	2017	Camiña	226831.0	2017	1250	283538750	32	0.0256000	01402	7258592
1402992999	01402	1	2017	Camiña	226831.0	2017	1250	283538750	8	0.0064000	01402	1814648
1404022016	01404	1	2017	Huara	236599.7	2017	2730	645917134	35	0.0128205	01404	8280989
1404022022	01404	3	2017	Huara	236599.7	2017	2730	645917134	186	0.0681319	01404	44007541
1404022034	01404	10	2017	Huara	236599.7	2017	2730	645917134	202	0.0739927	01404	47793136
1404032014	01404	3	2017	Huara	236599.7	2017	2730	645917134	37	0.0135531	01404	8754188
1404032901	01404	5	2017	Huara	236599.7	2017	2730	645917134	117	0.0428571	01404	27682163
1404042023	01404	13	2017	Huara	236599.7	2017	2730	645917134	287	0.1051282	01404	67904109
1404042037	01404	2	2017	Huara	236599.7	2017	2730	645917134	13	0.0047619	01404	3075796
1404042901	01404	4	2017	Huara	236599.7	2017	2730	645917134	143	0.0523810	01404	33833755
1404052033	01404	2	2017	Huara	236599.7	2017	2730	645917134	6	0.0021978	01404	1419598
1404062901	01404	2	2017	Huara	236599.7	2017	2730	645917134	25	0.0091575	01404	5914992
1404072004	01404	4	2017	Huara	236599.7	2017	2730	645917134	54	0.0197802	01404	12776383
1404072015	01404	2	2017	Huara	236599.7	2017	2730	645917134	29	0.0106227	01404	6861391
1404072031	01404	3	2017	Huara	236599.7	2017	2730	645917134	49	0.0179487	01404	11593384
1404082901	01404	1	2017	Huara	236599.7	2017	2730	645917134	26	0.0095238	01404	6151592
1405012008	01405	71	2017	Pica	269198.0	2017	9296	2502464414	645	0.0693847	01405	173632697
1405012010	01405	7	2017	Pica	269198.0	2017	9296	2502464414	53	0.0057014	01405	14267493
1405012014	01405	4	2017	Pica	269198.0	2017	9296	2502464414	67	0.0072074	01405	18036265
1405012901	01405	1	2017	Pica	269198.0	2017	9296	2502464414	115	0.0123709	01405	30957768
1405022003	01405	875	2017	Pica	269198.0	2017	9296	2502464414	3757	0.4041523	01405	1011376808
1405022012	01405	167	2017	Pica	269198.0	2017	9296	2502464414	668	0.0718589	01405	179824250
1405032001	01405	1	2017	Pica	269198.0	2017	9296	2502464414	44	0.0047332	01405	11844711

7 Análisis de regresión

Aplicaremos un análisis de regresión donde:

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

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

7.1 Diagrama de dispersión loess

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)

7.2 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.

7.3 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 
## -82923202 -20799761 -15814251   4742860 386357514 
## 
## Coefficients:
##             Estimate Std. Error t value Pr(>|t|)    
## (Intercept) 24487784    6983235   3.507 0.000821 ***
## Freq.x       1151850      61708  18.666  < 2e-16 ***
## ---
## Signif. codes:  0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
## 
## Residual standard error: 55590000 on 66 degrees of freedom
## Multiple R-squared:  0.8407, Adjusted R-squared:  0.8383 
## F-statistic: 348.4 on 1 and 66 DF,  p-value: < 2.2e-16

7.4 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")

Nuestro modelo lineal da cuenta del 0.8383 de la variabilidad de los datos de respuesta en torno a su media, modelos alternativos no pueden ofrecernos una explicación de la variable dependiente aún mayor.

9 Modelo lineal (lineal)

Es éste el modelo que nos entrega el mayor coeficiente de determinación de todos (0.9052).

9.1 Diagrama de dispersión sobre lineal

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

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

9.2 Modelo lineal

Observemos nuevamente el resultado sobre lineal.

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 
## -82923202 -20799761 -15814251   4742860 386357514 
## 
## Coefficients:
##             Estimate Std. Error t value Pr(>|t|)    
## (Intercept) 24487784    6983235   3.507 0.000821 ***
## Freq.x       1151850      61708  18.666  < 2e-16 ***
## ---
## Signif. codes:  0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
## 
## Residual standard error: 55590000 on 66 degrees of freedom
## Multiple R-squared:  0.8407, Adjusted R-squared:  0.8383 
## F-statistic: 348.4 on 1 and 66 DF,  p-value: < 2.2e-16

ggplot(h_y_m_comuna_corr_01, aes(x = (Freq.x) , y = (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

\[ \hat Y = 24487784 + 1151850 \cdot X \]

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$est_ing <- 24487784+1151850 * (h_y_m_comuna_corr_01$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	personas	Ingresos_expandidos	Freq.y	p_poblacional	código.y	multi_pob	est_ing
1	1101092001	01101	6	2017	Iquique	272529.7	2017	191468	52180713221	57	0.0002977	01101	15534192	31398884
2	1101092004	01101	15	2017	Iquique	272529.7	2017	191468	52180713221	247	0.0012900	01101	67314832	41765534
3	1101092005	01101	2	2017	Iquique	272529.7	2017	191468	52180713221	76	0.0003969	01101	20712256	26791484
4	1101092006	01101	31	2017	Iquique	272529.7	2017	191468	52180713221	603	0.0031494	01101	164335398	60195134
5	1101092007	01101	2	2017	Iquique	272529.7	2017	191468	52180713221	84	0.0004387	01101	22892493	26791484
6	1101092010	01101	31	2017	Iquique	272529.7	2017	191468	52180713221	398	0.0020787	01101	108466814	60195134
7	1101092014	01101	1	2017	Iquique	272529.7	2017	191468	52180713221	23	0.0001201	01101	6268183	25639634
8	1101092016	01101	4	2017	Iquique	272529.7	2017	191468	52180713221	20	0.0001045	01101	5450594	29095184
9	1101092018	01101	6	2017	Iquique	272529.7	2017	191468	52180713221	74	0.0003865	01101	20167196	31398884
10	1101092019	01101	2	2017	Iquique	272529.7	2017	191468	52180713221	25	0.0001306	01101	6813242	26791484
11	1101092021	01101	6	2017	Iquique	272529.7	2017	191468	52180713221	177	0.0009244	01101	48237754	31398884
12	1101092022	01101	1	2017	Iquique	272529.7	2017	191468	52180713221	23	0.0001201	01101	6268183	25639634
13	1101092023	01101	3	2017	Iquique	272529.7	2017	191468	52180713221	288	0.0015042	01101	78488549	27943334
14	1101092024	01101	2	2017	Iquique	272529.7	2017	191468	52180713221	14	0.0000731	01101	3815416	26791484
15	1101092901	01101	5	2017	Iquique	272529.7	2017	191468	52180713221	30	0.0001567	01101	8175890	30247034
16	1101112003	01101	3	2017	Iquique	272529.7	2017	191468	52180713221	33	0.0001724	01101	8993480	27943334
17	1101112013	01101	26	2017	Iquique	272529.7	2017	191468	52180713221	104	0.0005432	01101	28343087	54435884
18	1101112019	01101	1	2017	Iquique	272529.7	2017	191468	52180713221	34	0.0001776	01101	9266009	25639634
19	1101112025	01101	3	2017	Iquique	272529.7	2017	191468	52180713221	21	0.0001097	01101	5723123	27943334
20	1401012001	01401	55	2017	Pozo Almonte	243272.4	2017	15711	3822052676	684	0.0435364	01401	166398322	87839534
21	1401012021	01401	1	2017	Pozo Almonte	243272.4	2017	15711	3822052676	66	0.0042009	01401	16055978	25639634
22	1401012901	01401	1	2017	Pozo Almonte	243272.4	2017	15711	3822052676	20	0.0012730	01401	4865448	25639634
23	1401022005	01401	184	2017	Pozo Almonte	243272.4	2017	15711	3822052676	631	0.0401629	01401	153504884	236428184
24	1401022014	01401	1	2017	Pozo Almonte	243272.4	2017	15711	3822052676	34	0.0021641	01401	8271262	25639634
25	1401022015	01401	50	2017	Pozo Almonte	243272.4	2017	15711	3822052676	371	0.0236140	01401	90254060	82080284
26	1401022019	01401	1	2017	Pozo Almonte	243272.4	2017	15711	3822052676	24	0.0015276	01401	5838538	25639634
27	1401022024	01401	1	2017	Pozo Almonte	243272.4	2017	15711	3822052676	16	0.0010184	01401	3892358	25639634
28	1401032002	01401	17	2017	Pozo Almonte	243272.4	2017	15711	3822052676	53	0.0033734	01401	12893437	44069234
29	1401032007	01401	3	2017	Pozo Almonte	243272.4	2017	15711	3822052676	21	0.0013366	01401	5108720	27943334
30	1401032011	01401	46	2017	Pozo Almonte	243272.4	2017	15711	3822052676	446	0.0283878	01401	108499490	77472884
31	1401032012	01401	71	2017	Pozo Almonte	243272.4	2017	15711	3822052676	2025	0.1288906	01401	492626610	106269134
32	1401032026	01401	2	2017	Pozo Almonte	243272.4	2017	15711	3822052676	13	0.0008274	01401	3162541	26791484
33	1401052009	01401	2	2017	Pozo Almonte	243272.4	2017	15711	3822052676	55	0.0035007	01401	13379982	26791484
34	1401052020	01401	5	2017	Pozo Almonte	243272.4	2017	15711	3822052676	143	0.0091019	01401	34787953	30247034
35	1401052901	01401	11	2017	Pozo Almonte	243272.4	2017	15711	3822052676	118	0.0075107	01401	28706143	37158134
36	1401062013	01401	139	2017	Pozo Almonte	243272.4	2017	15711	3822052676	694	0.0441729	01401	168831046	184594934
37	1401062023	01401	20	2017	Pozo Almonte	243272.4	2017	15711	3822052676	105	0.0066832	01401	25543602	47524784
38	1401072008	01401	7	2017	Pozo Almonte	243272.4	2017	15711	3822052676	83	0.0052829	01401	20191609	32550734
39	1402012002	01402	45	2017	Camiña	226831.0	2017	1250	283538750	434	0.3472000	01402	98444654	76321034
40	1402012003	01402	3	2017	Camiña	226831.0	2017	1250	283538750	140	0.1120000	01402	31756340	27943334
41	1402012004	01402	2	2017	Camiña	226831.0	2017	1250	283538750	53	0.0424000	01402	12022043	26791484
42	1402012005	01402	1	2017	Camiña	226831.0	2017	1250	283538750	134	0.1072000	01402	30395354	25639634
43	1402012006	01402	5	2017	Camiña	226831.0	2017	1250	283538750	198	0.1584000	01402	44912538	30247034
44	1402012007	01402	1	2017	Camiña	226831.0	2017	1250	283538750	44	0.0352000	01402	9980564	25639634
45	1402012008	01402	3	2017	Camiña	226831.0	2017	1250	283538750	87	0.0696000	01402	19734297	27943334
46	1402012010	01402	1	2017	Camiña	226831.0	2017	1250	283538750	32	0.0256000	01402	7258592	25639634
47	1402992999	01402	1	2017	Camiña	226831.0	2017	1250	283538750	8	0.0064000	01402	1814648	25639634
48	1404022016	01404	1	2017	Huara	236599.7	2017	2730	645917134	35	0.0128205	01404	8280989	25639634
49	1404022022	01404	3	2017	Huara	236599.7	2017	2730	645917134	186	0.0681319	01404	44007541	27943334
50	1404022034	01404	10	2017	Huara	236599.7	2017	2730	645917134	202	0.0739927	01404	47793136	36006284
51	1404032014	01404	3	2017	Huara	236599.7	2017	2730	645917134	37	0.0135531	01404	8754188	27943334
52	1404032901	01404	5	2017	Huara	236599.7	2017	2730	645917134	117	0.0428571	01404	27682163	30247034
53	1404042023	01404	13	2017	Huara	236599.7	2017	2730	645917134	287	0.1051282	01404	67904109	39461834
54	1404042037	01404	2	2017	Huara	236599.7	2017	2730	645917134	13	0.0047619	01404	3075796	26791484
55	1404042901	01404	4	2017	Huara	236599.7	2017	2730	645917134	143	0.0523810	01404	33833755	29095184
56	1404052033	01404	2	2017	Huara	236599.7	2017	2730	645917134	6	0.0021978	01404	1419598	26791484
57	1404062901	01404	2	2017	Huara	236599.7	2017	2730	645917134	25	0.0091575	01404	5914992	26791484
58	1404072004	01404	4	2017	Huara	236599.7	2017	2730	645917134	54	0.0197802	01404	12776383	29095184
59	1404072015	01404	2	2017	Huara	236599.7	2017	2730	645917134	29	0.0106227	01404	6861391	26791484
60	1404072031	01404	3	2017	Huara	236599.7	2017	2730	645917134	49	0.0179487	01404	11593384	27943334
61	1404082901	01404	1	2017	Huara	236599.7	2017	2730	645917134	26	0.0095238	01404	6151592	25639634
62	1405012008	01405	71	2017	Pica	269198.0	2017	9296	2502464414	645	0.0693847	01405	173632697	106269134
63	1405012010	01405	7	2017	Pica	269198.0	2017	9296	2502464414	53	0.0057014	01405	14267493	32550734
64	1405012014	01405	4	2017	Pica	269198.0	2017	9296	2502464414	67	0.0072074	01405	18036265	29095184
65	1405012901	01405	1	2017	Pica	269198.0	2017	9296	2502464414	115	0.0123709	01405	30957768	25639634
66	1405022003	01405	875	2017	Pica	269198.0	2017	9296	2502464414	3757	0.4041523	01405	1011376808	1032356534
67	1405022012	01405	167	2017	Pica	269198.0	2017	9296	2502464414	668	0.0718589	01405	179824250	216846734
68	1405032001	01405	1	2017	Pica	269198.0	2017	9296	2502464414	44	0.0047332	01405	11844711	25639634
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.2	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.4	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.6	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.8	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.10	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.12	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.14	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
NA.15	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
NA.16	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
NA.17	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
NA.18	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
NA.19	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
NA.20	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
NA.21	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
NA.22	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
NA.23	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
NA.24	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
NA.25	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
NA.26	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
NA.27	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
NA.28	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
NA.29	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
NA.30	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
NA.31	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	personas	Ingresos_expandidos	Freq.y	p_poblacional	código.y	multi_pob	est_ing	ing_medio_zona
1	1101092001	01101	6	2017	Iquique	272529.7	2017	191468	52180713221	57	0.0002977	01101	15534192	31398884	550857.61
2	1101092004	01101	15	2017	Iquique	272529.7	2017	191468	52180713221	247	0.0012900	01101	67314832	41765534	169091.23
3	1101092005	01101	2	2017	Iquique	272529.7	2017	191468	52180713221	76	0.0003969	01101	20712256	26791484	352519.53
4	1101092006	01101	31	2017	Iquique	272529.7	2017	191468	52180713221	603	0.0031494	01101	164335398	60195134	99826.09
5	1101092007	01101	2	2017	Iquique	272529.7	2017	191468	52180713221	84	0.0004387	01101	22892493	26791484	318946.24
6	1101092010	01101	31	2017	Iquique	272529.7	2017	191468	52180713221	398	0.0020787	01101	108466814	60195134	151244.06
7	1101092014	01101	1	2017	Iquique	272529.7	2017	191468	52180713221	23	0.0001201	01101	6268183	25639634	1114766.70
8	1101092016	01101	4	2017	Iquique	272529.7	2017	191468	52180713221	20	0.0001045	01101	5450594	29095184	1454759.20
9	1101092018	01101	6	2017	Iquique	272529.7	2017	191468	52180713221	74	0.0003865	01101	20167196	31398884	424309.24
10	1101092019	01101	2	2017	Iquique	272529.7	2017	191468	52180713221	25	0.0001306	01101	6813242	26791484	1071659.36
11	1101092021	01101	6	2017	Iquique	272529.7	2017	191468	52180713221	177	0.0009244	01101	48237754	31398884	177394.82
12	1101092022	01101	1	2017	Iquique	272529.7	2017	191468	52180713221	23	0.0001201	01101	6268183	25639634	1114766.70
13	1101092023	01101	3	2017	Iquique	272529.7	2017	191468	52180713221	288	0.0015042	01101	78488549	27943334	97025.47
14	1101092024	01101	2	2017	Iquique	272529.7	2017	191468	52180713221	14	0.0000731	01101	3815416	26791484	1913677.43
15	1101092901	01101	5	2017	Iquique	272529.7	2017	191468	52180713221	30	0.0001567	01101	8175890	30247034	1008234.47
16	1101112003	01101	3	2017	Iquique	272529.7	2017	191468	52180713221	33	0.0001724	01101	8993480	27943334	846767.70
17	1101112013	01101	26	2017	Iquique	272529.7	2017	191468	52180713221	104	0.0005432	01101	28343087	54435884	523421.96
18	1101112019	01101	1	2017	Iquique	272529.7	2017	191468	52180713221	34	0.0001776	01101	9266009	25639634	754106.88
19	1101112025	01101	3	2017	Iquique	272529.7	2017	191468	52180713221	21	0.0001097	01101	5723123	27943334	1330634.95
20	1401012001	01401	55	2017	Pozo Almonte	243272.4	2017	15711	3822052676	684	0.0435364	01401	166398322	87839534	128420.37
21	1401012021	01401	1	2017	Pozo Almonte	243272.4	2017	15711	3822052676	66	0.0042009	01401	16055978	25639634	388479.30
22	1401012901	01401	1	2017	Pozo Almonte	243272.4	2017	15711	3822052676	20	0.0012730	01401	4865448	25639634	1281981.70
23	1401022005	01401	184	2017	Pozo Almonte	243272.4	2017	15711	3822052676	631	0.0401629	01401	153504884	236428184	374688.09
24	1401022014	01401	1	2017	Pozo Almonte	243272.4	2017	15711	3822052676	34	0.0021641	01401	8271262	25639634	754106.88
25	1401022015	01401	50	2017	Pozo Almonte	243272.4	2017	15711	3822052676	371	0.0236140	01401	90254060	82080284	221240.66
26	1401022019	01401	1	2017	Pozo Almonte	243272.4	2017	15711	3822052676	24	0.0015276	01401	5838538	25639634	1068318.08
27	1401022024	01401	1	2017	Pozo Almonte	243272.4	2017	15711	3822052676	16	0.0010184	01401	3892358	25639634	1602477.12
28	1401032002	01401	17	2017	Pozo Almonte	243272.4	2017	15711	3822052676	53	0.0033734	01401	12893437	44069234	831494.98
29	1401032007	01401	3	2017	Pozo Almonte	243272.4	2017	15711	3822052676	21	0.0013366	01401	5108720	27943334	1330634.95
30	1401032011	01401	46	2017	Pozo Almonte	243272.4	2017	15711	3822052676	446	0.0283878	01401	108499490	77472884	173706.02
31	1401032012	01401	71	2017	Pozo Almonte	243272.4	2017	15711	3822052676	2025	0.1288906	01401	492626610	106269134	52478.58
32	1401032026	01401	2	2017	Pozo Almonte	243272.4	2017	15711	3822052676	13	0.0008274	01401	3162541	26791484	2060883.38
33	1401052009	01401	2	2017	Pozo Almonte	243272.4	2017	15711	3822052676	55	0.0035007	01401	13379982	26791484	487117.89
34	1401052020	01401	5	2017	Pozo Almonte	243272.4	2017	15711	3822052676	143	0.0091019	01401	34787953	30247034	211517.72
35	1401052901	01401	11	2017	Pozo Almonte	243272.4	2017	15711	3822052676	118	0.0075107	01401	28706143	37158134	314899.44
36	1401062013	01401	139	2017	Pozo Almonte	243272.4	2017	15711	3822052676	694	0.0441729	01401	168831046	184594934	265986.94
37	1401062023	01401	20	2017	Pozo Almonte	243272.4	2017	15711	3822052676	105	0.0066832	01401	25543602	47524784	452616.99
38	1401072008	01401	7	2017	Pozo Almonte	243272.4	2017	15711	3822052676	83	0.0052829	01401	20191609	32550734	392177.52
39	1402012002	01402	45	2017	Camiña	226831.0	2017	1250	283538750	434	0.3472000	01402	98444654	76321034	175854.92
40	1402012003	01402	3	2017	Camiña	226831.0	2017	1250	283538750	140	0.1120000	01402	31756340	27943334	199595.24
41	1402012004	01402	2	2017	Camiña	226831.0	2017	1250	283538750	53	0.0424000	01402	12022043	26791484	505499.70
42	1402012005	01402	1	2017	Camiña	226831.0	2017	1250	283538750	134	0.1072000	01402	30395354	25639634	191340.55
43	1402012006	01402	5	2017	Camiña	226831.0	2017	1250	283538750	198	0.1584000	01402	44912538	30247034	152762.80
44	1402012007	01402	1	2017	Camiña	226831.0	2017	1250	283538750	44	0.0352000	01402	9980564	25639634	582718.95
45	1402012008	01402	3	2017	Camiña	226831.0	2017	1250	283538750	87	0.0696000	01402	19734297	27943334	321187.75
46	1402012010	01402	1	2017	Camiña	226831.0	2017	1250	283538750	32	0.0256000	01402	7258592	25639634	801238.56
47	1402992999	01402	1	2017	Camiña	226831.0	2017	1250	283538750	8	0.0064000	01402	1814648	25639634	3204954.25
48	1404022016	01404	1	2017	Huara	236599.7	2017	2730	645917134	35	0.0128205	01404	8280989	25639634	732560.97
49	1404022022	01404	3	2017	Huara	236599.7	2017	2730	645917134	186	0.0681319	01404	44007541	27943334	150232.98
50	1404022034	01404	10	2017	Huara	236599.7	2017	2730	645917134	202	0.0739927	01404	47793136	36006284	178248.93
51	1404032014	01404	3	2017	Huara	236599.7	2017	2730	645917134	37	0.0135531	01404	8754188	27943334	755225.24
52	1404032901	01404	5	2017	Huara	236599.7	2017	2730	645917134	117	0.0428571	01404	27682163	30247034	258521.66
53	1404042023	01404	13	2017	Huara	236599.7	2017	2730	645917134	287	0.1051282	01404	67904109	39461834	137497.68
54	1404042037	01404	2	2017	Huara	236599.7	2017	2730	645917134	13	0.0047619	01404	3075796	26791484	2060883.38
55	1404042901	01404	4	2017	Huara	236599.7	2017	2730	645917134	143	0.0523810	01404	33833755	29095184	203462.83
56	1404052033	01404	2	2017	Huara	236599.7	2017	2730	645917134	6	0.0021978	01404	1419598	26791484	4465247.33
57	1404062901	01404	2	2017	Huara	236599.7	2017	2730	645917134	25	0.0091575	01404	5914992	26791484	1071659.36
58	1404072004	01404	4	2017	Huara	236599.7	2017	2730	645917134	54	0.0197802	01404	12776383	29095184	538799.70
59	1404072015	01404	2	2017	Huara	236599.7	2017	2730	645917134	29	0.0106227	01404	6861391	26791484	923844.28
60	1404072031	01404	3	2017	Huara	236599.7	2017	2730	645917134	49	0.0179487	01404	11593384	27943334	570272.12
61	1404082901	01404	1	2017	Huara	236599.7	2017	2730	645917134	26	0.0095238	01404	6151592	25639634	986139.77
62	1405012008	01405	71	2017	Pica	269198.0	2017	9296	2502464414	645	0.0693847	01405	173632697	106269134	164758.35
63	1405012010	01405	7	2017	Pica	269198.0	2017	9296	2502464414	53	0.0057014	01405	14267493	32550734	614164.79
64	1405012014	01405	4	2017	Pica	269198.0	2017	9296	2502464414	67	0.0072074	01405	18036265	29095184	434256.48
65	1405012901	01405	1	2017	Pica	269198.0	2017	9296	2502464414	115	0.0123709	01405	30957768	25639634	222953.34
66	1405022003	01405	875	2017	Pica	269198.0	2017	9296	2502464414	3757	0.4041523	01405	1011376808	1032356534	274782.15
67	1405022012	01405	167	2017	Pica	269198.0	2017	9296	2502464414	668	0.0718589	01405	179824250	216846734	324620.86
68	1405032001	01405	1	2017	Pica	269198.0	2017	9296	2502464414	44	0.0047332	01405	11844711	25639634	582718.95
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.2	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.4	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.6	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.8	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.10	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.12	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.14	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
NA.15	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
NA.16	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
NA.17	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
NA.18	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
NA.19	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
NA.20	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
NA.21	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
NA.22	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
NA.23	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
NA.24	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
NA.25	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
NA.26	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
NA.27	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
NA.28	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
NA.29	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
NA.30	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
NA.31	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA

Guardamos:

saveRDS(h_y_m_comuna_corr_01, "P15/region_01_P15_r.rds")

12 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

http://r-statistics.co/Linear-Regression.html