Manzanos y comunidades: el CPV-2024 al máximo detalle • censosbo

Los microdatos del CPV-2024 llegan hasta el municipio: 343 unidades para todo el país. Pero el INE también publica, en su geoportal, una ficha resumen por cada unidad censal —manzano urbano o comunidad rural—. Son 268.604 unidades: casi mil veces más resolución espacial.

Función	Qué devuelve
`get_unidades_2024()`	El universo: 268.604 unidades con población y viviendas
`get_fichas_2024()`	194 indicadores para las 150.744 unidades con ficha
`get_geo_manzanos()` / `get_geo_comunidades()`	Las geometrías
`mapa_man()`	Mapas de un municipio a nivel de manzano

Dos tablas, no una

La distinción entre las dos primeras funciones responde a cómo publica el INE.

De todas las unidades se conoce cuánta gente y cuántas viviendas hay. Pero el INE no libera la ficha detallada de las unidades con poca población, por reserva estadística: en un manzano de seis viviendas, publicar la desagregación por edad, sexo y nivel educativo permitiría identificar personas.

unidades <- get_unidades_2024(as = "tibble", verbose = FALSE)

unidades |>
  etiquetar_valores() |>
  group_by(area) |>
  summarise(
    unidades      = n(),
    con_ficha     = sum(ficha),
    pct_unidades  = round(100 * mean(ficha), 1),
    pct_poblacion = round(100 * sum(personas[ficha]) / sum(personas), 1)
  )
#> # A tibble: 2 × 5
#>   area   unidades con_ficha pct_unidades pct_poblacion
#>   <fct>     <int>     <int>        <dbl>         <dbl>
#> 1 Urbana   247429    131801         53.3          89.5
#> 2 Rural     21175     18943         89.5          99.2

Ese es el punto clave para interpretar todo lo demás: se pierde casi la mitad de los manzanos, pero solo el 10% de la población urbana. Las unidades sin ficha son las pequeñas.

unidades |>
  filter(area == 1, personas > 0) |>
  mutate(tiene = ifelse(ficha, "Con ficha", "Sin ficha")) |>
  ggplot(aes(personas, fill = tiene)) +
  geom_histogram(bins = 55, position = "identity", alpha = 0.75) +
  scale_x_log10(labels = scales::comma) +
  scale_fill_manual(values = c("Con ficha" = "#2E5EA8", "Sin ficha" = "#C8CCD1")) +
  labs(title = "El corte de la reserva estadística es por tamaño",
       subtitle = "Manzanos urbanos, escala logarítmica",
       x = "Personas en el manzano", y = "Manzanos", fill = NULL) +
  theme_minimal(base_size = 11) +
  theme(legend.position = "top", panel.grid.minor = element_blank())

area usa el mismo código que en los microdatos (1 = Urbana, 2 = Rural), así que etiquetar_valores() se comporta igual en ambas fuentes.

Los 194 indicadores

get_fichas_2024() devuelve conteos, no porcentajes. Cada bloque temático trae su propio total, que es el denominador correcto:

codebook(tabla = "ficha") |>
  filter(grepl("^serv_agua", variable)) |>
  select(variable, etiqueta) |>
  head(5)
#>              variable                                    etiqueta
#> 1     serv_agua_total Viviendas ocupadas por procedencia del agua
#> 2   serv_agua_caneria                     Agua por cañería de red
#> 3    serv_agua_pileta                      Agua de pileta pública
#> 4     serv_agua_carro                    Agua de carro repartidor
#> 5 serv_agua_pozobomba                      Agua de pozo con bomba

Con eso, calcular un porcentaje es directo:

sucre <- get_fichas_2024(municipio = "Sucre", as = "tibble", verbose = FALSE)

sucre |>
  mutate(pct_caneria = round(100 * serv_agua_caneria / serv_agua_total, 1)) |>
  select(codigo, serv_agua_total, serv_agua_caneria, pct_caneria) |>
  head(5)
#> # A tibble: 5 × 4
#>   codigo        serv_agua_total serv_agua_caneria pct_caneria
#>   <chr>                   <dbl>             <dbl>       <dbl>
#> 1 00414143787-A               9                 1        11.1
#> 2 00414466062-A               5                 0         0  
#> 3 00414475295-A              10                 1        10  
#> 4 00414483400-A              11                 6        54.5
#> 5 00414514716-A               9                 2        22.2

Cuidado con los bloques de respuesta múltiple

Dos bloques no son categorías excluyentes: salud_lugar_* (dónde acude una persona por problemas de salud) y tic_* (equipamiento del hogar). Una misma persona puede acudir a la farmacia y al centro público; un hogar puede tener radio y televisor.

fichas <- get_fichas_2024(as = "tibble", verbose = FALSE)

tibble(
  bloque = c("serv_agua_* (excluyente)", "tic_* (múltiple)"),
  total  = c(sum(fichas$serv_agua_total), sum(fichas$tic_total)),
  suma_categorias = c(
    sum(fichas$serv_agua_caneria + fichas$serv_agua_pileta + fichas$serv_agua_carro +
        fichas$serv_agua_pozobomba + fichas$serv_agua_pozosinbomba +
        fichas$serv_agua_vertienteno + fichas$serv_agua_vertientesi +
        fichas$serv_agua_lluvia + fichas$serv_agua_otra),
    sum(fichas$tic_radio + fichas$tic_tv + fichas$tic_celular + fichas$tic_internet)
  )
) |>
  mutate(razon = round(suma_categorias / total, 2))
#> # A tibble: 2 × 4
#>   bloque                     total suma_categorias razon
#>   <chr>                      <dbl>           <dbl> <dbl>
#> 1 serv_agua_* (excluyente) 3322402         3322402  1   
#> 2 tic_* (múltiple)         3322402         9785275  2.95

En el primero la razón es exactamente 1; en el segundo es mucho mayor. Por eso el denominador correcto es siempre el total del bloque, nunca la suma de categorías.

Para qué sirve bajar del municipio al manzano

Si la desigualdad en condiciones de vida ocurriera sobre todo entre municipios, el nivel municipal bastaría. Se puede medir: para cada indicador, qué fracción de la varianza entre unidades explica el municipio al que pertenecen, y qué fracción queda dentro.

indicadores <- tribble(
  ~nombre,               ~num,                          ~den,
  "Agua por cañería",    "serv_agua_caneria",           "serv_agua_total",
  "Alcantarillado",      "serv_desague_alcantarillado", "serv_desague_total",
  "Internet",            "tic_internet",                "tic_total",
  "Piso de tierra",      "mat_piso_tierra",             "viv_tipo_presentes",
  "Paredes de adobe",    "mat_pared_adobe",             "viv_tipo_presentes",
  "Hacinamiento alto",   "hac_alto",                    "viv_tipo_presentes",
  "Vivienda alquilada",  "viv_tenencia_alquilada",      "viv_tenencia_total"
)

base <- fichas |>
  mutate(mun = paste(idep, iprov, imun)) |>
  filter(viv_tipo_presentes >= 10)   # evita porcentajes inestables

# R2 = SS_entre / SS_total, calculado directo para no armar una matriz de
# diseño de 150.000 x 343 con lm(y ~ mun).
r2_municipio <- function(num, den) {
  d <- base |>
    transmute(mun, y = 100 * .data[[num]] / .data[[den]]) |>
    filter(is.finite(y))
  gran_media <- mean(d$y)
  ss_entre <- d |>
    group_by(mun) |>
    summarise(n = n(), m = mean(y), .groups = "drop") |>
    summarise(ss = sum(n * (m - gran_media)^2)) |>
    pull(ss)
  ss_entre / sum((d$y - gran_media)^2)
}

varianza <- indicadores |>
  rowwise() |>
  mutate(entre = round(100 * r2_municipio(num, den), 1)) |>
  ungroup() |>
  mutate(dentro = round(100 - entre, 1)) |>
  arrange(dentro)

varianza |> select(nombre, entre, dentro)
#> # A tibble: 7 × 3
#>   nombre             entre dentro
#>   <chr>              <dbl>  <dbl>
#> 1 Paredes de adobe    67.5   32.5
#> 2 Piso de tierra      52.7   47.3
#> 3 Alcantarillado      43.1   56.9
#> 4 Internet            39.5   60.5
#> 5 Agua por cañería    38.2   61.8
#> 6 Vivienda alquilada  24.5   75.5
#> 7 Hacinamiento alto   17.1   82.9

varianza |>
  select(nombre, entre, dentro) |>
  pivot_longer(-nombre) |>
  mutate(name = factor(name, c("dentro", "entre"),
                       c("Dentro del municipio", "Entre municipios")),
         nombre = factor(nombre, varianza$nombre)) |>
  ggplot(aes(value, nombre, fill = name)) +
  geom_col(width = 0.7) +
  geom_vline(xintercept = 50, linetype = "dashed", color = "grey30") +
  scale_fill_manual(values = c("Dentro del municipio" = "#B4530F",
                               "Entre municipios" = "#B8C4D4")) +
  scale_x_continuous(labels = \(x) paste0(x, "%"),
                     expand = expansion(mult = c(0, 0.04))) +
  labs(title = "Dónde está la desigualdad en condiciones de vida",
       x = "% de la varianza entre unidades censales", y = NULL, fill = NULL) +
  theme_minimal(base_size = 11) +
  theme(legend.position = "top", panel.grid.minor = element_blank())

En la mayoría de los indicadores el municipio explica menos de la mitad de la varianza: un promedio municipal de “80% con agua por cañería” puede esconder manzanos al 100% y manzanos al 20%.

La excepción va en la dirección esperable y es informativa: los materiales de construcción son regionales —el adobe responde al clima y a la tradición constructiva de cada zona—, mientras que el hacinamiento es casi enteramente intramunicipal. Para estudiar dónde se construye con adobe, el municipio basta; para estudiar quién vive hacinado, no.

Mapas a nivel de manzano

mapa_man() pide siempre un municipio: dibujar 268.604 unidades del país entero no produce nada legible. Las geometrías se descargan al caché la primera vez.

get_fichas_2024(municipio = "Cochabamba", as = "tibble", verbose = FALSE) |>
  mutate(pct = 100 * tic_internet / tic_total) |>
  mapa_man("pct", municipio = "Cochabamba", area = "urbano",
           titulo = "Hogares con internet (%) — Cochabamba, 2024",
           etiqueta_fill = "%")

Los manzanos grises son los que no tienen ficha: no es un vacío del paquete, es la reserva estadística del INE.

El mismo municipio con un indicador de materiales, que dibuja una ciudad distinta:

get_fichas_2024(municipio = "Cochabamba", as = "tibble", verbose = FALSE) |>
  mutate(pct = 100 * mat_pared_adobe / viv_tipo_presentes) |>
  mapa_man("pct", municipio = "Cochabamba", area = "urbano",
           titulo = "Viviendas con paredes de adobe (%) — Cochabamba, 2024",
           etiqueta_fill = "%", paleta = "Oranges")

Para trabajar con las geometrías directamente:

manzanos <- get_geo_manzanos(municipio = "Sucre", verbose = FALSE)
manzanos
#> Simple feature collection with 7399 features and 5 fields
#> Geometry type: MULTIPOLYGON
#> Dimension:     XY
#> Bounding box:  xmin: -65.54193 ymin: -19.13961 xmax: -65.10028 ymax: -18.70328
#> Geodetic CRS:  WGS 84
#> # A tibble: 7,399 × 6
#>    codigo        nombre     idep  iprov imun                           geometria
#>  * <chr>         <chr>      <chr> <chr> <chr>                 <MULTIPOLYGON [°]>
#>  1 04144245560-A AZARI BAJA 01    01    01    (((-65.24162 -19.09746, -65.24247…
#>  2 04142703883-A AZARI BAJA 01    01    01    (((-65.23925 -19.10076, -65.2392 …
#>  3 04139661122-A AZARI BAJA 01    01    01    (((-65.23175 -19.10594, -65.23118…
#>  4 04132568675-A AZARI BAJA 01    01    01    (((-65.23355 -19.11735, -65.23406…
#>  5 04141420362-A AZARI BAJA 01    01    01    (((-65.23171 -19.10406, -65.23187…
#>  6 04131919016-A AZARI BAJA 01    01    01    (((-65.23401 -19.11845, -65.23341…
#>  7 04143310533-A AZARI BAJA 01    01    01    (((-65.24107 -19.09722, -65.24032…
#>  8 04143788615-A AZARI BAJA 01    01    01    (((-65.24284 -19.09737, -65.24283…
#>  9 04138078691-A AZARI BAJA 01    01    01    (((-65.23221 -19.11033, -65.23214…
#> 10 04142930138-A AZARI BAJA 01    01    01    (((-65.23834 -19.09959, -65.23777…
#> # ℹ 7,389 more rows

El área rural: puntos, no polígonos

El INE publica casi todas las comunidades rurales como un punto, no como un polígono. No hay superficie que colorear, así que para mapas rurales suele funcionar mejor graduar el tamaño.

library(sf)
#> Linking to GEOS 3.12.1, GDAL 3.8.4, PROJ 9.4.0; sf_use_s2() is TRUE

geo_pando <- get_geo_comunidades(departamento = "Pando", verbose = FALSE)
u_pando   <- get_unidades_2024(departamento = "Pando", area = "rural",
                               as = "tibble", verbose = FALSE)

geo_pando |>
  left_join(u_pando, by = "codigo") |>
  ggplot() +
  geom_sf(aes(size = personas, color = ficha), alpha = 0.7) +
  scale_size_continuous(range = c(0.4, 5), labels = scales::comma) +
  scale_color_manual(values = c("TRUE" = "#1F6F5C", "FALSE" = "#C8CCD1"),
                     labels = c("TRUE" = "Con ficha", "FALSE" = "Sin ficha")) +
  labs(title = "Comunidades rurales de Pando",
       subtitle = "El tamaño es la población empadronada",
       size = "Personas", color = NULL) +
  theme_void(base_size = 11)

El gradiente urbano-rural

Como area comparte dominio con los microdatos, la comparación es directa.

comparar <- function(num, den, nombre) {
  fichas |>
    group_by(area) |>
    summarise(pct = 100 * sum(.data[[num]]) / sum(.data[[den]]), .groups = "drop") |>
    mutate(indicador = nombre)
}

bind_rows(
  comparar("serv_desague_alcantarillado", "serv_desague_total", "Alcantarillado"),
  comparar("serv_agua_caneria", "serv_agua_total", "Agua por cañería"),
  comparar("tic_internet", "tic_total", "Internet"),
  comparar("serv_combustible_lena", "serv_combustible_total", "Cocina con leña"),
  comparar("mat_piso_tierra", "viv_tipo_presentes", "Piso de tierra"),
  comparar("edu_superior_m", "edu_total_m", "Educación superior (mujeres)"),
  comparar("hac_alto", "viv_tipo_presentes", "Hacinamiento alto")
) |>
  mutate(area = ifelse(area == 1, "Urbana", "Rural")) |>
  pivot_wider(names_from = area, values_from = pct) |>
  mutate(brecha = Urbana - Rural, across(where(is.numeric), \(x) round(x, 1))) |>
  arrange(desc(abs(brecha)))
#> # A tibble: 7 × 4
#>   indicador                    Urbana Rural brecha
#>   <chr>                         <dbl> <dbl>  <dbl>
#> 1 Alcantarillado                 67     3.9   63.1
#> 2 Cocina con leña                 2.3  59.2  -56.9
#> 3 Piso de tierra                  7.5  61.5  -54  
#> 4 Agua por cañería               85.3  36.2   49.1
#> 5 Internet                       84    46.1   37.8
#> 6 Educación superior (mujeres)   41.4  10.1   31.3
#> 7 Hacinamiento alto              12.5  20.9   -8.5

El alcantarillado rural es el dato más duro de la tabla. Y el hacinamiento va en dirección contraria a lo que suele suponerse de un problema urbano: es mayor en el área rural.

Cruzar con los microdatos

Las unidades traen idep, iprov e imun, así que agregan y se cruzan con cualquier otra tabla del paquete:

por_municipio <- unidades |>
  group_by(idep, iprov, imun) |>
  summarise(manzanos = sum(area == 1), .groups = "drop")

mapa_mun(por_municipio, "manzanos",
         titulo = "Manzanos urbanos por municipio (CPV-2024)")

Y sirve de comprobación: la población agregada por unidades debe coincidir con los microdatos. Aquí se hace con Pando para no descargar los 282 MB de la tabla de personas completa, pero el resultado es el mismo en los 343 municipios del país: 11.365.333 personas, cuadrando uno a uno.

unidades <- get_unidades_2024(departamento = "Pando", as = "tibble", verbose = FALSE)

pob_micro <- get_personas_2024(departamento = "Pando", verbose = FALSE) |>
  count(idep, iprov, imun, name = "microdatos") |>
  collect()

unidades |>
  group_by(idep, iprov, imun) |>
  summarise(agregado = sum(personas), .groups = "drop") |>
  full_join(pob_micro, by = c("idep", "iprov", "imun")) |>
  summarise(
    municipios     = n(),
    cuadran_exacto = sum(agregado == microdatos),
    poblacion      = sum(agregado)
  )
#> # A tibble: 1 × 3
#>   municipios cuadran_exacto poblacion
#>        <int>          <int>     <int>
#> 1         15             15    134194

Y lo mismo con las viviendas, que es la comprobación que destapó el problema de universo que se explica más abajo:

viv_micro <- get_viviendas_2024(departamento = "Pando", verbose = FALSE) |>
  count(idep, iprov, imun, name = "microdatos") |>
  collect()

unidades |>
  group_by(idep, iprov, imun) |>
  summarise(agregado = sum(viviendas), .groups = "drop") |>
  full_join(viv_micro, by = c("idep", "iprov", "imun")) |>
  summarise(
    municipios     = n(),
    cuadran_exacto = sum(agregado == microdatos),
    viviendas      = sum(agregado)
  )
#> # A tibble: 1 × 3
#>   municipios cuadran_exacto viviendas
#>        <int>          <int>     <int>
#> 1         15             15     42658

De dónde salen estos datos

Del geoportal del INE, que genera una ficha por unidad censal a demanda. El paquete no consulta ese servicio: los datos se descargaron una vez, se consolidaron y se publican como Parquet en un release de GitHub. El proceso completo está en data-raw/fichas/ del repositorio.

Cuatro notas sobre la fuente:

Los conteos corresponden a residentes habituales y no incluyen a las personas que residen en el exterior, por lo que difieren ligeramente de otros totales del censo.
La población agregada por municipio coincide exactamente con get_personas_2024(), como se acaba de comprobar. Y las viviendas también: 4.480.201 en las dos fuentes, cuadrando en los 343 municipios. Que dos productos independientes del INE —el geoportal y los microdatos— den la misma cifra hasta el último municipio es la mejor evidencia de que el universo aplicado es el correcto.

Conviene saber por qué esto no era así antes, porque es un error fácil de repetir. Hasta la versión 1.6.0 el paquete devolvía los 4.490.488 registros crudos de la entidad de vivienda, y entonces el geoportal daba un 0,23% menos, con un déficit sistemático: 323 municipios por debajo y ninguno por encima. La lectura tentadora era que el INE cuenta las viviendas distinto en cada producto. Era falsa. Los 10.287 registros de diferencia son exactamente los de personas censadas en la calle y en tránsito (códigos 15 y 16 de v01_tipoviv), que no son viviendas y que el geoportal ya excluía. Lo delató la forma del desfase: un error de conteo se reparte en las dos direcciones, mientras que un universo mal aplicado va siempre en la misma. Desde la 1.7.0 el argumento universo de get_viviendas_2024() aplica el criterio oficial por defecto, y las dos fuentes cuadran.

La moraleja, que vale más allá de este caso: cuando dos fuentes de la misma institución no cuadran, sospecha del universo antes de concluir que la institución es inconsistente.

El INE cambió su geoportal durante 2026 y la versión nueva (idg.ine.gob.bo) exige captcha para estos endpoints. Los datos provienen del servicio que atiende a geoportal.ine.gob.bo.
Los 34 campos de materiales, hacinamiento y tipo de hogar (mat_*, hac_*, hogar_*) venían de una segunda ficha que ese servicio ya no entrega, y proceden de una captura de junio de 2026. Se validaron contra la ficha PDF oficial del INE y comprobando que sus seis bloques suman exactamente viv_tipo_presentes en las 150.744 fichas.