1 Nivel nacional URBANO (código 1)
1.1 Pregunta CANT_HOG: Cantidad de hogares
Esta pregunta posee 36 categorías de respuesta.
Leemos las respuestas a la pregunta CANT_HOG del censo de viviendas 2017 y obtenemos la tabla de frecuencias por categoría:
tabla_con_clave <- readRDS("censos/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$CANT_HOG
cross_tab = xtabs( ~ unlist(b) + unlist(c))
tabla <- as.data.frame(cross_tab)
d <-tabla[!(tabla$Freq == 0),]
d$anio <- "2017"
categorias <- sort(unique(tabla_con_clave_u$CANT_HOG ))
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]
k <- 2
secuencia_777 <- seq(0,36,1)
for (i in secuencia_777){
j<- paste(i,'hogar',sep = "_")
names(comuna_corr)[k] <- j
k <- k+2
}
renombrar <- seq(1,(ncol(comuna_corr)-2),2)
vv <- -1
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_exp_subset <- df_2017_2 [,-c(2,4,6,8,10,12,14,16,18,20,22,24,26,28,30,32,34,36,38,40,42,44,46,48,50,52,54,56,58,60,62,64,66,68,70,72,74,76),drop=FALSE]
kbl(head(df_2017_exp_subset,50)) %>% kable_styling(bootstrap_options = c("striped", "hover")) %>% kable_paper() %>% scroll_box(width = "100%", height = "300px")| código | 0_hogar | 1_hogar | 2_hogar | 3_hogar | 4_hogar | 5_hogar | 6_hogar | 7_hogar | 8_hogar | 9_hogar | 10_hogar | 11_hogar | 12_hogar | 13_hogar | 14_hogar | 15_hogar | 16_hogar | 17_hogar | 18_hogar | 19_hogar | 20_hogar | 21_hogar | 22_hogar | 23_hogar | 24_hogar | 25_hogar | 26_hogar | 27_hogar | 28_hogar | 29_hogar | 30_hogar | 31_hogar | 32_hogar | 33_hogar | 34_hogar | 35_hogar | 36_hogar | ingresos_expandidos |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 01101 | 10027 | 52780 | 1599 | 487 | 171 | 77 | 45 | 32 | 16 | 9 | 5 | 5 | 3 | 4 | NA | 1 | 1 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | 71930106513 |
| 01107 | 4673 | 27500 | 675 | 164 | 42 | 13 | 8 | 3 | 1 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | 33766585496 |
| 01401 | 608 | 2667 | 58 | 5 | 4 | 3 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | 4966851883 |
| 01404 | 187 | 348 | 5 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 01405 | 776 | 1252 | 18 | 7 | 1 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | 3068247619 |
| 02101 | 13100 | 94209 | 2844 | 871 | 284 | 110 | 70 | 39 | 19 | 18 | 7 | 6 | 1 | 2 | 2 | 2 | NA | NA | NA | 2 | 1 | NA | NA | NA | NA | NA | NA | NA | 1 | NA | NA | NA | NA | NA | NA | NA | NA | 133249367039 |
| 02102 | 494 | 2708 | 113 | 48 | 23 | 11 | 3 | 3 | 2 | NA | NA | NA | 1 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | 4979702302 |
| 02104 | 691 | 3108 | 66 | 11 | 5 | 1 | 2 | 1 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | 5109282942 |
| 02201 | 7333 | 44121 | 834 | 224 | 102 | 43 | 29 | 15 | 3 | 3 | 2 | NA | 2 | NA | NA | NA | 1 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | 1 | NA | NA | NA | NA | NA | NA | NA | NA | NA | 71981127235 |
| 02203 | 340 | 1463 | 37 | 17 | 2 | 3 | 1 | 1 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | 4869699464 |
| 02301 | 1491 | 7477 | 101 | 18 | 5 | 4 | NA | 1 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | 7207910819 |
| 02302 | 337 | 1354 | 16 | 1 | NA | NA | 1 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | 3084818966 |
| 03101 | 8962 | 43516 | 845 | 160 | 41 | 5 | 3 | 1 | 1 | NA | NA | 1 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | 52819016037 |
| 03102 | 2454 | 4742 | 91 | 9 | 6 | 5 | NA | 1 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | 5628052276 |
| 03103 | 380 | 2808 | 49 | 9 | 3 | 2 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | 4671058718 |
| 03201 | 951 | 3221 | 42 | 8 | 2 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | 3499391196 |
| 03202 | 1853 | 4202 | 54 | 9 | 2 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | 4895805596 |
| 03301 | 2323 | 13512 | 255 | 50 | 11 | 6 | 3 | 1 | NA | NA | 1 | 1 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | 16404810756 |
| 03303 | 361 | 1354 | 27 | 8 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | 2035200054 |
| 03304 | 895 | 2809 | 34 | 2 | NA | 2 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | 3424422750 |
| 04101 | 16820 | 60491 | 991 | 201 | 59 | 22 | 14 | 3 | 1 | 3 | 1 | NA | 1 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | 61749247282 |
| 04102 | 18321 | 62486 | 856 | 172 | 50 | 14 | 5 | 1 | NA | NA | NA | NA | 1 | NA | NA | NA | NA | NA | 1 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | 61277269093 |
| 04103 | 734 | 2993 | 56 | 8 | 1 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | 2855312920 |
| 04104 | 159 | 396 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | 908664019 |
| 04106 | 814 | 5288 | 63 | 7 | 4 | 2 | NA | NA | NA | NA | 1 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | 7058750373 |
| 04201 | 1081 | 6717 | 64 | 4 | NA | 1 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | 8703433491 |
| 04202 | 303 | 691 | 7 | 2 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | 2122281844 |
| 04203 | 4731 | 5743 | 33 | 6 | 2 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | 6098444926 |
| 04204 | 926 | 4962 | 65 | 18 | 2 | 1 | NA | 1 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | 7690585032 |
| 04301 | 4137 | 26329 | 379 | 65 | 14 | 6 | 2 | 2 | 1 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | 31197719080 |
| 04302 | 542 | 2069 | 24 | 5 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | 3124505460 |
| 04303 | 685 | 4755 | 55 | 13 | 1 | 3 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | 6930326684 |
| 04304 | 511 | 1894 | 17 | 3 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | 2328107498 |
| 05101 | 18081 | 95226 | 1628 | 420 | 153 | 54 | 31 | 8 | 5 | 5 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | 90946261553 |
| 05102 | 512 | 5684 | 40 | 7 | NA | 2 | NA | 1 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | 9352095757 |
| 05103 | 6285 | 12729 | 165 | 22 | 4 | 1 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | 14075920021 |
| 05105 | 10114 | 5351 | 47 | 3 | 1 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | 5490274928 |
| 05107 | 6114 | 8681 | 116 | 13 | 3 | 1 | 1 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | 9839456903 |
| 05109 | 30474 | 114199 | 1604 | 409 | 105 | 31 | 8 | 7 | 3 | 1 | NA | 1 | NA | NA | 1 | NA | NA | 1 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | 118563074323 |
| 05201 | 421 | 2262 | 29 | 8 | 2 | NA | 1 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 05301 | 2681 | 19169 | 193 | 22 | 4 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | 23711104774 |
| 05302 | 575 | 3319 | 25 | 2 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | 3654416747 |
| 05303 | 300 | 2473 | 18 | 5 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | 2855998928 |
| 05304 | 400 | 3612 | 34 | 2 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | 4140022481 |
| 05401 | 1413 | 8477 | 111 | 19 | 4 | 1 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | 9183080280 |
| 05402 | 445 | 3814 | 37 | 5 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | 5094117762 |
| 05403 | 3622 | 1735 | 27 | NA | 1 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | 1921527704 |
| 05404 | 366 | 1415 | 17 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | 2333781007 |
| 05405 | 3491 | 1644 | 15 | 4 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | 2160521991 |
| 05501 | 3493 | 24604 | 382 | 52 | 8 | 4 | 1 | 3 | NA | NA | 1 | 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 | 26131733924 |
1.1.0.1 Tabla a correlacionar:
1.1.0.2 Estadísticos básicos de nuestras frecuencias
data_sum <- summary(df_2017_exp_subset)
kbl(head(data_sum)) %>%
kable_styling(bootstrap_options = c("striped", "hover")) %>%
kable_paper() %>%
scroll_box(width = "100%", height = "500px")| código | 0_hogar | 1_hogar | 2_hogar | 3_hogar | 4_hogar | 5_hogar | 6_hogar | 7_hogar | 8_hogar | 9_hogar | 10_hogar | 11_hogar | 12_hogar | 13_hogar | 14_hogar | 15_hogar | 16_hogar | 17_hogar | 18_hogar | 19_hogar | 20_hogar | 21_hogar | 22_hogar | 23_hogar | 24_hogar | 25_hogar | 26_hogar | 27_hogar | 28_hogar | 29_hogar | 30_hogar | 31_hogar | 32_hogar | 33_hogar | 34_hogar | 35_hogar | 36_hogar | ingresos_expandidos | |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| Length:319 | Min. : 72 | Min. : 280 | Min. : 1.0 | Min. : 1.00 | Min. : 1.00 | Min. : 1.00 | Min. : 1.000 | Min. : 1.000 | Min. : 1.000 | Min. : 1.000 | Min. : 1.000 | Min. : 1.000 | Min. : 1.000 | Min. :1.000 | Min. :1.000 | Min. :1.000 | Min. :1.000 | Min. :1.00 | Min. :1 | Min. :1.00 | Min. :1.000 | Min. : NA | Min. :1 | Min. : NA | Min. : NA | Min. :1 | Min. : NA | Min. :1 | Min. :1 | Min. : NA | Min. :1 | Min. : NA | Min. : NA | Min. : NA | Min. : NA | Min. : NA | Min. :1 | Min. :7.054e+08 | |
| Class :character | 1st Qu.: 307 | 1st Qu.: 1819 | 1st Qu.: 14.0 | 1st Qu.: 3.00 | 1st Qu.: 1.00 | 1st Qu.: 1.00 | 1st Qu.: 1.000 | 1st Qu.: 1.000 | 1st Qu.: 1.000 | 1st Qu.: 1.000 | 1st Qu.: 1.000 | 1st Qu.: 1.000 | 1st Qu.: 1.000 | 1st Qu.:1.000 | 1st Qu.:1.000 | 1st Qu.:1.000 | 1st Qu.:1.000 | 1st Qu.:1.00 | 1st Qu.:1 | 1st Qu.:1.25 | 1st Qu.:1.000 | 1st Qu.: NA | 1st Qu.:1 | 1st Qu.: NA | 1st Qu.: NA | 1st Qu.:1 | 1st Qu.: NA | 1st Qu.:1 | 1st Qu.:1 | 1st Qu.: NA | 1st Qu.:1 | 1st Qu.: NA | 1st Qu.: NA | 1st Qu.: NA | 1st Qu.: NA | 1st Qu.: NA | 1st Qu.:1 | 1st Qu.:2.954e+09 | |
| Mode :character | Median : 754 | Median : 4424 | Median : 41.5 | Median : 7.00 | Median : 3.00 | Median : 3.50 | Median : 4.000 | Median : 3.000 | Median : 2.000 | Median : 2.000 | Median : 1.000 | Median : 1.000 | Median : 1.000 | Median :3.000 | Median :1.000 | Median :2.000 | Median :1.000 | Median :1.00 | Median :1 | Median :1.50 | Median :1.000 | Median : NA | Median :1 | Median : NA | Median : NA | Median :1 | Median : NA | Median :1 | Median :1 | Median : NA | Median :1 | Median : NA | Median : NA | Median : NA | Median : NA | Median : NA | Median :1 | Median :5.697e+09 | |
| NA | Mean : 2219 | Mean : 14793 | Mean : 232.4 | Mean : 56.39 | Mean : 22.32 | Mean : 12.25 | Mean : 9.099 | Mean : 5.915 | Mean : 4.259 | Mean : 3.864 | Mean : 2.262 | Mean : 2.115 | Mean : 2.429 | Mean :2.818 | Mean :1.583 | Mean :1.667 | Mean :1.857 | Mean :1.50 | Mean :1 | Mean :1.50 | Mean :1.333 | Mean :NaN | Mean :1 | Mean :NaN | Mean :NaN | Mean :1 | Mean :NaN | Mean :1 | Mean :1 | Mean :NaN | Mean :1 | Mean :NaN | Mean :NaN | Mean :NaN | Mean :NaN | Mean :NaN | Mean :1 | Mean :1.784e+10 | |
| NA | 3rd Qu.: 2282 | 3rd Qu.: 15196 | 3rd Qu.: 162.0 | 3rd Qu.: 39.00 | 3rd Qu.: 23.00 | 3rd Qu.: 14.00 | 3rd Qu.: 8.500 | 3rd Qu.: 6.500 | 3rd Qu.: 3.000 | 3rd Qu.: 3.250 | 3rd Qu.: 2.000 | 3rd Qu.: 1.750 | 3rd Qu.: 2.000 | 3rd Qu.:4.000 | 3rd Qu.:1.250 | 3rd Qu.:2.000 | 3rd Qu.:2.000 | 3rd Qu.:1.25 | 3rd Qu.:1 | 3rd Qu.:1.75 | 3rd Qu.:1.500 | 3rd Qu.: NA | 3rd Qu.:1 | 3rd Qu.: NA | 3rd Qu.: NA | 3rd Qu.:1 | 3rd Qu.: NA | 3rd Qu.:1 | 3rd Qu.:1 | 3rd Qu.: NA | 3rd Qu.:1 | 3rd Qu.: NA | 3rd Qu.: NA | 3rd Qu.: NA | 3rd Qu.: NA | 3rd Qu.: NA | 3rd Qu.:1 | 3rd Qu.:1.857e+10 | |
| NA | Max. :30474 | Max. :159223 | Max. :3577.0 | Max. :1038.00 | Max. :412.00 | Max. :182.00 | Max. :120.000 | Max. :59.000 | Max. :47.000 | Max. :25.000 | Max. :13.000 | Max. :10.000 | Max. :14.000 | Max. :6.000 | Max. :6.000 | Max. :3.000 | Max. :5.000 | Max. :4.00 | Max. :1 | Max. :2.00 | Max. :2.000 | Max. : NA | Max. :1 | Max. : NA | Max. : NA | Max. :1 | Max. : NA | Max. :1 | Max. :1 | Max. : NA | Max. :1 | Max. : NA | Max. : NA | Max. : NA | Max. : NA | Max. : NA | Max. :1 | Max. :1.870e+11 |
1.1.0.3 Gráficas:
library(plotly)
df_2017_fig <- df_2017_exp_subset
df_2017_fig <- mutate_all(df_2017_fig, ~replace(., is.na(.), -99))fig <- plot_ly(df_2017_fig, x = df_2017_fig$código, y = df_2017_fig[,2]
, name = colnames(df_2017_fig[2]), type = 'scatter', mode = 'lines',
width=7000, height=400)
grafica_fn <- function(g){
fig <<- fig %>% add_trace(y = ~df_2017_fig[,g]
, name = colnames(df_2017_fig[g]), mode = 'lines',
width=7000, height=400)
}
for (g in 3:(ncol(df_2017_fig))) {
grafica_fn(g)
}
fig <- fig %>% layout(autosize = T)
fig 2 \(\tau\) de Kendall
df_2017_2 <- df_2017_fig
df_2017_2f <- filter(df_2017_2, df_2017_2$ingresos_expandidos != 'is.na')
III <- seq(2,(ncol(df_2017_2))-17,1)
my_data <- df_2017_2f[, c(III)]
tabla <- cor(x=my_data, y=df_2017_2f$ingresos_expandidos, method=c("kendall"), use = "pairwise")
tabla <- as.data.frame(tabla)tabla %>% rownames_to_column("Hogares")%>%
mutate(Correlación = cell_spec(Correlación, background=ifelse(Correlación == max(Correlación), "#fc0303", "#5cb81f"))) %>%
kbl(booktabs = T, linesep = "", escape=FALSE) %>%
kable_paper(full_width = F) %>%
column_spec(1, color = "black")%>%
column_spec(2, color = "white")| Hogares | Correlación |
|---|---|
| 0_hogar | 0.676155535304055 |
| 1_hogar | 0.859027884901738 |
| 2_hogar | 0.780422736945696 |
| 3_hogar | 0.699306057070795 |
| 4_hogar | 0.668724341965606 |
| 5_hogar | 0.606551409163688 |
| 6_hogar | 0.517189893264121 |
| 7_hogar | 0.5247893282221 |
| 8_hogar | 0.46906387458193 |
| 9_hogar | 0.434179612636807 |
| 10_hogar | 0.399444038189912 |
| 11_hogar | 0.326300310170205 |
| 12_hogar | 0.202646303752479 |
| 13_hogar | 0.207733213504476 |
| 14_hogar | 0.213072114278386 |
| 15_hogar | 0.20782606044725 |
| 16_hogar | 0.172431981344319 |
| 17_hogar | 0.188916947041082 |
| 18_hogar | 0.111659856813325 |
| 19_hogar | 0.109814947579633 |
| 20_hogar | 0.128835631558939 |
2.1 Kendall
3 Nivel nacional RURAL (código 1)
3.1 Pregunta CANT_HOG: Cantidad de hogares
Esta pregunta posee 36 categorías de respuesta.
Leemos las respuestas a la pregunta CANT_HOG del censo de viviendas 2017 y obtenemos la tabla de frecuencias por categoría:
tabla_con_clave <- readRDS("censos/censo_viviendas_con_clave_17.rds")
tabla_con_clave_u <- filter(tabla_con_clave, tabla_con_clave$AREA == 2)
b <- tabla_con_clave_u$COMUNA
c <- tabla_con_clave_u$CANT_HOG
cross_tab = xtabs( ~ unlist(b) + unlist(c))
tabla <- as.data.frame(cross_tab)
d <-tabla[!(tabla$Freq == 0),]
d$anio <- "2017"
categorias <- sort(unique(tabla_con_clave_u$CANT_HOG ))
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]k <- 2
secuencia_777 <- seq(0,14,1)
for (i in secuencia_777){
j<- paste(i,'hogar',sep = "_")
names(comuna_corr)[k] <- j
k <- k+2
}renombrar <- seq(1,(ncol(comuna_corr)-2),2)
vv <- -1
for (v in renombrar) {
vv <- vv+1
contador <- paste0("categoria_",vv)
names(comuna_corr)[v] <- contador
}
ingresos_expandidos_2017 <- readRDS("Ingresos_expandidos_rural_17.rds")
df_2017_2 = merge( x = comuna_corr, y = ingresos_expandidos_2017, by = "código", all.x = TRUE)
df_2017_exp_subset <- df_2017_2 [,-c(2,4,6,8,10,12,14,16,18,20,22,24,26,28,30,32,34,36,38,40,42,44,46,48,50,52,54,56,58,60,62,64,66,68,70,72,74,76),drop=FALSE]
kbl(head(df_2017_exp_subset,50)) %>% kable_styling(bootstrap_options = c("striped", "hover")) %>% kable_paper() %>% scroll_box(width = "100%", height = "300px")| código | 0_hogar | 1_hogar | 2_hogar | 3_hogar | 4_hogar | 5_hogar | 6_hogar | 7_hogar | 8_hogar | 9_hogar | 10_hogar | 11_hogar | 12_hogar | 13_hogar | 14_hogar | ingresos_expandidos |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 01101 | 691 | 755 | 15 | 2 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | 52180713221 |
| 01107 | 36 | 47 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 01401 | 4192 | 1337 | 9 | NA | 1 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | 3822052676 |
| 01402 | 611 | 470 | 7 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | 283538750 |
| 01403 | 1553 | 459 | 10 | 3 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 01404 | 1733 | 580 | 6 | 2 | 1 | 1 | NA | NA | NA | NA | NA | NA | NA | NA | NA | 645917134 |
| 01405 | 322 | 324 | 3 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | 2502464414 |
| 02101 | 370 | 301 | 10 | 4 | 1 | 1 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 02102 | 432 | 138 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 02103 | 184 | 334 | 5 | 3 | NA | 1 | NA | NA | NA | NA | NA | NA | NA | NA | NA | 3290056742 |
| 02104 | 362 | 295 | 5 | NA | NA | 1 | NA | NA | NA | NA | NA | NA | NA | NA | NA | 3844002134 |
| 02201 | 3283 | 956 | 9 | 2 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | 39457387800 |
| 02202 | 333 | 87 | 6 | 1 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 02203 | 772 | 1307 | 20 | 5 | 1 | 2 | 1 | NA | NA | NA | NA | NA | NA | NA | NA | 2985112297 |
| 02301 | 1310 | 212 | 1 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | 4183793832 |
| 02302 | 98 | 58 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 03101 | 958 | 946 | 12 | 2 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | 38699138722 |
| 03102 | 7499 | 798 | 5 | 2 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 03103 | 518 | 928 | 5 | 2 | 1 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | 4034940816 |
| 03201 | 1483 | 415 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 03202 | 444 | 246 | 2 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | 4545663075 |
| 03301 | 1250 | 1908 | 15 | NA | 2 | 1 | NA | NA | NA | NA | NA | NA | NA | NA | NA | 11299454698 |
| 03302 | 1150 | 1737 | 14 | 1 | 1 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | 1039186477 |
| 03303 | 875 | 855 | 16 | 1 | 1 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | 1425547554 |
| 03304 | 1956 | 500 | 3 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | 2089066548 |
| 04101 | 2893 | 5704 | 52 | 6 | 4 | 1 | NA | NA | NA | NA | NA | NA | NA | NA | NA | 44274327972 |
| 04102 | 3347 | 4036 | 42 | 5 | 1 | 1 | NA | NA | NA | NA | NA | NA | NA | NA | NA | 46918711304 |
| 04103 | 288 | 405 | 6 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | 2397612293 |
| 04104 | 1020 | 1055 | 9 | 3 | 1 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | 982530309 |
| 04105 | 749 | 1587 | 11 | 1 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | 786383423 |
| 04106 | 1187 | 3296 | 63 | 5 | 2 | NA | 1 | NA | NA | NA | NA | NA | NA | NA | NA | 4695441470 |
| 04201 | 1041 | 3359 | 17 | NA | NA | NA | NA | NA | NA | NA | NA | 1 | NA | NA | NA | 5109649759 |
| 04202 | 1571 | 2679 | 17 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | 1558270441 |
| 04203 | 1279 | 1434 | 8 | 1 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | 3704185607 |
| 04204 | 932 | 3683 | 20 | 2 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | 5681637894 |
| 04301 | 3208 | 7834 | 51 | 8 | 1 | 1 | 1 | NA | NA | NA | NA | NA | NA | NA | NA | 25683781418 |
| 04302 | 1547 | 2767 | 21 | 3 | NA | 1 | NA | 1 | NA | NA | NA | NA | NA | NA | NA | 2300832587 |
| 04303 | 2112 | 5358 | 55 | 4 | 1 | 1 | NA | NA | NA | NA | NA | NA | NA | NA | NA | 5835357638 |
| 04304 | 537 | 1828 | 11 | 5 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | 1817183694 |
| 04305 | 1064 | 1675 | 12 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | 778712384 |
| 05101 | 945 | 275 | 3 | NA | 1 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | 74756602991 |
| 05102 | 2384 | 2938 | 17 | 1 | 1 | 1 | NA | NA | NA | NA | NA | NA | NA | NA | NA | 6779018483 |
| 05103 | 281 | 772 | 7 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 05104 | 87 | 349 | 2 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 05105 | 950 | 965 | 4 | 1 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | 4295363979 |
| 05107 | 875 | 1600 | 12 | 1 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | 9102071069 |
| 05201 | 157 | 138 | 3 | NA | NA | NA | NA | 1 | NA | NA | NA | NA | NA | NA | NA | NA |
| 05301 | 285 | 1214 | 11 | 1 | 1 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | 18714795984 |
| 05302 | 242 | 1313 | 8 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | 3471349123 |
| 05303 | 162 | 660 | 4 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | 2512319225 |
3.1.0.1 Tabla a correlacionar:
3.1.0.2 Estadísticos básicos de nuestras frecuencias
data_sum <- summary(df_2017_exp_subset)
kbl(head(data_sum)) %>%
kable_styling(bootstrap_options = c("striped", "hover")) %>%
kable_paper() %>%
scroll_box(width = "100%", height = "500px")| código | 0_hogar | 1_hogar | 2_hogar | 3_hogar | 4_hogar | 5_hogar | 6_hogar | 7_hogar | 8_hogar | 9_hogar | 10_hogar | 11_hogar | 12_hogar | 13_hogar | 14_hogar | ingresos_expandidos | |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| Length:319 | Min. : 1.0 | Min. : 3.0 | Min. : 1.00 | Min. : 1.00 | Min. :1.000 | Min. :1.000 | Min. :1.000 | Min. :1 | Min. :1 | Min. : NA | Min. :1 | Min. :1 | Min. : NA | Min. : NA | Min. :1 | Min. :2.792e+08 | |
| Class :character | 1st Qu.: 331.5 | 1st Qu.: 856.5 | 1st Qu.: 6.00 | 1st Qu.: 1.00 | 1st Qu.:1.000 | 1st Qu.:1.000 | 1st Qu.:1.000 | 1st Qu.:1 | 1st Qu.:1 | 1st Qu.: NA | 1st Qu.:1 | 1st Qu.:1 | 1st Qu.: NA | 1st Qu.: NA | 1st Qu.:1 | 1st Qu.:1.809e+09 | |
| Mode :character | Median : 594.0 | Median : 1720.0 | Median :13.00 | Median : 2.00 | Median :1.000 | Median :1.000 | Median :1.000 | Median :1 | Median :1 | Median : NA | Median :1 | Median :1 | Median : NA | Median : NA | Median :1 | Median :3.546e+09 | |
| NA | Mean : 846.8 | Mean : 2154.1 | Mean :16.89 | Mean : 2.69 | Mean :1.208 | Mean :1.079 | Mean :1.167 | Mean :1 | Mean :1 | Mean :NaN | Mean :1 | Mean :1 | Mean :NaN | Mean :NaN | Mean :1 | Mean :8.206e+09 | |
| NA | 3rd Qu.:1049.5 | 3rd Qu.: 2922.0 | 3rd Qu.:21.50 | 3rd Qu.: 4.00 | 3rd Qu.:1.000 | 3rd Qu.:1.000 | 3rd Qu.:1.000 | 3rd Qu.:1 | 3rd Qu.:1 | 3rd Qu.: NA | 3rd Qu.:1 | 3rd Qu.:1 | 3rd Qu.: NA | 3rd Qu.: NA | 3rd Qu.:1 | 3rd Qu.:7.252e+09 | |
| NA | Max. :7499.0 | Max. :16205.0 | Max. :83.00 | Max. :10.00 | Max. :4.000 | Max. :2.000 | Max. :2.000 | Max. :1 | Max. :1 | Max. : NA | Max. :1 | Max. :1 | Max. : NA | Max. : NA | Max. :1 | Max. :7.585e+10 |
3.1.0.3 Gráficas:
library(plotly)
df_2017_fig <- df_2017_exp_subset
df_2017_fig <- mutate_all(df_2017_fig, ~replace(., is.na(.), -99))fig <- plot_ly(df_2017_fig, x = df_2017_fig$código, y = df_2017_fig[,2]
, name = colnames(df_2017_fig[2]), type = 'scatter', mode = 'lines',
width=7000, height=400)
grafica_fn <- function(g){
fig <<- fig %>% add_trace(y = ~df_2017_fig[,g]
, name = colnames(df_2017_fig[g]), mode = 'lines',
width=7000, height=400)
}
for (g in 3:(ncol(df_2017_fig))) {
grafica_fn(g)
}
fig <- fig %>% layout(autosize = T)
fig 4 \(\tau\) de Kendall
df_2017_2 <- df_2017_fig
df_2017_2f <- filter(df_2017_2, df_2017_2$ingresos_expandidos != 'is.na')
df_2017_2f[df_2017_2f == -99] <- NA## [1] 2 3 4 5 6 7 8my_data <- df_2017_2f[, c(III)]
tabla <- cor(x=my_data, y=df_2017_2f$ingresos_expandidos, method=c("kendall"), use = "pairwise")
tabla <- as.data.frame(tabla)tabla %>% rownames_to_column("Hogares")%>%
mutate(Correlación = cell_spec(Correlación, background=ifelse(Correlación == max(Correlación), "#fc0303", "#5cb81f"))) %>%
kbl(booktabs = T, linesep = "", escape=FALSE) %>%
kable_paper(full_width = F) %>%
column_spec(1, color = "black")%>%
column_spec(2, color = "white")| Hogares | Correlación |
|---|---|
| 0_hogar | 0.170800502711448 |
| 1_hogar | 0.322094417685775 |
| 2_hogar | 0.324024662304965 |
| 3_hogar | 0.235841830409904 |
| 4_hogar | 0.213100608037777 |
| 5_hogar | 0.0760791635165139 |
| 6_hogar | 0.440385506050544 |
4.1 Kendall
