Detalle de los datos

str(rotacionf)

## 'data.frame':    1470 obs. of  25 variables:
##  $ X                          : int  1 2 3 4 5 6 7 8 9 10 ...
##  $ Rotación                   : chr  "Si" "No" "Si" "No" ...
##  $ Edad                       : int  41 49 37 33 27 32 59 30 38 36 ...
##  $ Viaje.de.Negocios          : chr  "Raramente" "Frecuentemente" "Raramente" "Frecuentemente" ...
##  $ Departamento               : chr  "Ventas" "IyD" "IyD" "IyD" ...
##  $ Distancia_Casa             : int  1 8 2 3 2 2 3 24 23 27 ...
##  $ Educación                  : int  2 1 2 4 1 2 3 1 3 3 ...
##  $ Campo_Educación            : chr  "Ciencias" "Ciencias" "Otra" "Ciencias" ...
##  $ Satisfacción_Ambiental     : int  2 3 4 4 1 4 3 4 4 3 ...
##  $ Genero                     : chr  "F" "M" "M" "F" ...
##  $ Cargo                      : chr  "Ejecutivo_Ventas" "Investigador_Cientifico" "Tecnico_Laboratorio" "Investigador_Cientifico" ...
##  $ Satisfación_Laboral        : int  4 2 3 3 2 4 1 3 3 3 ...
##  $ Estado_Civil               : chr  "Soltero" "Casado" "Soltero" "Casado" ...
##  $ Ingreso_Mensual            : int  5993 5130 2090 2909 3468 3068 2670 2693 9526 5237 ...
##  $ Trabajos_Anteriores        : int  8 1 6 1 9 0 4 1 0 6 ...
##  $ Horas_Extra                : chr  "Si" "No" "Si" "Si" ...
##  $ Porcentaje_aumento_salarial: int  11 23 15 11 12 13 20 22 21 13 ...
##  $ Rendimiento_Laboral        : int  3 4 3 3 3 3 4 4 4 3 ...
##  $ Años_Experiencia           : int  8 10 7 8 6 8 12 1 10 17 ...
##  $ Capacitaciones             : int  0 3 3 3 3 2 3 2 2 3 ...
##  $ Equilibrio_Trabajo_Vida    : int  1 3 3 3 3 2 2 3 3 2 ...
##  $ Antigüedad                 : int  6 10 0 8 2 7 1 1 9 7 ...
##  $ Antigüedad_Cargo           : int  4 7 0 7 2 7 0 0 7 7 ...
##  $ Años_ultima_promoción      : int  0 1 0 3 2 3 0 0 1 7 ...
##  $ Años_acargo_con_mismo_jefe : int  5 7 0 0 2 6 0 0 8 7 ...

#1. Selección de Variables

Para dar inicio con el desarrollo del problema se seleccionarón 3 variables categóricas (Estado_Civil, Viaje de Negocios y Educación) y 3 variables cuantitativas (Distancia a Casa, Antigüedad, edad) que se encuentren relacionadas a la rotación de personal. A continuación, se presenta sus respectivas hipotesis.

Variables Categoricas

1. Viaje de Negocios: En algunos casos los viajes de negocios pueden tardar bastante tiempo o pueden impactar la vida personal de los empleados, ya que, estos pueden realizarse en fechas especiales. Esto puede verse reflejado en el compromiso que tienen los profesionales al trabajar, impactando de forma directa sus resultados.

Hipotesis. Los empleados que realizan viajes de manera continua presentan una mayor rotación en su trabajo.

2. Estado_Civil: Las personas solteras normalmente no cuenta con la mismas responsabilidades comparado con las que se encuentran casadas o compromeditas, lo que quiere decir que pueden tener mayor rotación en el ambito laboral, ya que tienden a buscar mejores oportunidades o salarios, sin compromiso alguno.

Hipotesis. Las personas solteras presentan mayor problebilidad de rotación laboral.

3. Educación: Se brinda mayor oportunidad laboral a las personas que han realizado más estudios o de acuerdo al sector que se especialicen o trabajen, se conseguir trabajo de vuelve más tedioso.

Hipotesis. Es el sector educativo un facot que genera mayor rotación en las empresas.

Variables Cuantitativas

1. Distancia a Casa: Los empleados que realizan trayectos muy largos al momento de dirigirse a su trabajo afecta su vida personal y tiempos de desplazamiento

Hipotesis. Son las personas con mayor distancia a su tabajo, quienes mayor rotación tienen.

2. Antigüedad: Las personas que presetan varios años de antigüedad en una empresa por agradecimiento y reconocimiento a todo lo que han logrado en su camino laboral tienden a buscar la estabilidad laboral.

Hipotesis. Las personas con mayor antigüedad en una empresa, son las que menor rotación presentan.

3. Edad: Actualmente, las personas jovenes tienden a estar en constante cambio en diferentes aspectos de su vida, incluyendo a nivel laboral.

Hipotesis. Son las personas jovenes quienes mayor rotación tienen en una empresa

#2. Análisis Univariado

Realizar un análisis univariado (caracterización). Nota: Los indicadores o gráficos se usan dependiendo del tipo de variable (cuantitativo o cualitativo). Incluir interpretaciones de la rotación.

Variables Categoricas

library(plotly)

## Loading required package: ggplot2

## 
## Attaching package: 'plotly'

## The following object is masked from 'package:ggplot2':
## 
##     last_plot

## The following object is masked from 'package:stats':
## 
##     filter

## The following object is masked from 'package:graphics':
## 
##     layout

ImagenVN <- plot_ly(alpha = 0.6)
ImagenVN <- ImagenVN %>% add_histogram(x = rotacionf$Viaje.de.Negocios, marker = list(color = "lightred"))
ImagenVN <- ImagenVN %>% layout(barmode = "overlay", title = "Histograma Viaje de Negocios")
ImagenVN

ImagenEC <- plot_ly(alpha = 0.6)
ImagenEC <- ImagenEC %>% add_histogram(x = rotacionf$Estado_Civil, marker = list(color = "lightgreen"))
ImagenEC <- ImagenEC %>% layout(barmode = "overlay", title = "Histograma Estado Civil")
ImagenEC

ImagenED <- plot_ly(alpha = 0.6)
ImagenED <- ImagenED %>% add_histogram(x = rotacionf$Campo_Educación, marker = list(color = "lightblue"))
ImagenED <- ImagenED %>% layout(barmode = "overlay", title = "Histograma Educación")
ImagenED

Análisis. Se observa que la mayoría de profesionales encuestados se encuentra en el sector de la ciencia, seguido por el sector salud. Adicionalmente, la mayoría de ellos se encuentra casado y viajan de manera exporadica por temas laborales

Variables Cuantitativas

summary(rotacionf[, c("Distancia_Casa","Antigüedad_Cargo", "Edad")])

##  Distancia_Casa   Antigüedad_Cargo      Edad      
##  Min.   : 1.000   Min.   : 0.000   Min.   :18.00  
##  1st Qu.: 2.000   1st Qu.: 2.000   1st Qu.:30.00  
##  Median : 7.000   Median : 3.000   Median :36.00  
##  Mean   : 9.193   Mean   : 4.229   Mean   :36.92  
##  3rd Qu.:14.000   3rd Qu.: 7.000   3rd Qu.:43.00  
##  Max.   :29.000   Max.   :18.000   Max.   :60.00

hist(x = rotacionf$Distancia_Casa, 
     main = "Histograma de Distancia a Casa", 
     xlab = "Distancia", ylab = "Frecuencia",
     col = "green")

hist(x = rotacionf$Antigüedad_Cargo, 
     main = "Histograma de Antigüedad", 
     xlab = "Tiempos", ylab = "Frecuencia",
     col = "blue")

hist(x = rotacionf$Edad, 
     main = "Histograma de Edad", 
     xlab = "Edad", ylab = "Frecuencia",
     col = "orange")

Análisis. Aunque la unidad en la que se esta midiendo la distancia no es clara, se observa que los empleados viven entre 1 a 29 Km (asumiendo que sea la unidad de medida) y su media de distancia es de 9,193 Km. Por otro lado, se observa que la edad de las personas encuentadas tienen una edad mínima de 18, una edad maxima de 60 y un promedio de edad de 37 años, pero el rango de edad que presenta mayor cantidad de personas laborando es entre los 30 a 40 años.

De igual manera, dentro de las personas encuentadas se encuentra que los años de antigudad es de 0 a 18 años y que el promedio del mismo es de 4 años realizando la misma labor o laborando en la misma empresa, pero la mayoría de ellos tienen una antiguedad entre los 0 a 2 años.

Unidad 3 - Modelo Regresión Logistica Binomial

Paula Ginette Gonzalez Torres

2023-10-01

Detalle de los datos