Análisis Encuesta Organizacional FORM

Evidencia de Análisis de datos para FORM

En esta evidencia se hicieron 2 análisis los cuales nos permiten trabajar los siguientes subobjetivos:

- Determinar el perfil para obtener una segmentación de empleado e Identificar patrones de comportamiento que indican una mayor probabilidad de que los empleados renuncien o cambien de trabajo. / Análisis usado: Clústeres Mediante K-Means y Modelo de Regresión.

- Determinar las variables críticas que afectan la satisfacción y el compromiso de los colaboradores. / Análisis Usado: Modelo de Regresión.

- Determinar cómo se distribuye el comportamiento de las preguntas según la respuesta de otras / Análisis Usado: Árbol de Decisiones

Carga de paquetes y librerías de R que servirán para poder hacer el análisis de Clústeres.

ipak <- function(pkg){
  new.pkg <- pkg[!(pkg %in% installed.packages()[, "Package"])]
  if (length(new.pkg)) 
    install.packages(new.pkg, dependencies = TRUE)
  sapply(pkg, require, character.only = TRUE)
}

packages <- c("tidyverse","cluster", "factoextra","NbClust","tidyr")
ipak(packages)

##  tidyverse    cluster factoextra    NbClust      tidyr 
##       TRUE       TRUE       TRUE       TRUE       TRUE

Carga de la Base de Datos de la Encuesta Realizada a FORM, la cual se usará para detectar clústeres.

ELF<- read.csv("C://Users/IanAb/Documents/7to Semestre/DATA BASE/EncuestaFORMLimpia.csv")

Cálculo de la Matriz de Distancia

Este cálculo se hace con la finalidad de poder visualizar las relaciones existentes entre los datos presentes en la base de datos de la Encuesta realizada en FORM.

m.distancia <- get_dist(ELF, method = "euclidean")
fviz_dist(m.distancia, gradient = list(low = "orange", mid = "white", high = "#634200"))

Al haber ciertas tendencias en el gráfico y no ser disperso, nos indica que la base de datos se puede clusterizar.

Creación de Clústeres

A continuación se hace la selección de datos para que se pueda hacer una clusterización de los datos de la base de datos de FORM.

#estimar el número de clústers
#Elbow, silhouette o gap_stat  method

#Limpieza y selección de DATOS
datos_numericos <- ELF[sapply(ELF, is.numeric)]
datos_escalados <- scale(datos_numericos)

k <- 4 
indices_centroides_iniciales <- sample(1:nrow(datos_escalados), k)
centroides_iniciales <- datos_escalados[indices_centroides_iniciales, ]

set.seed(123) # Para reproducibilidad
wcss <- vector() # Inicializar vector para almacenar los valores de WCSS
max_k <- 10 #Máximo de clusters establecidos
for (k in 1:max_k) {
  kmeans_model <- kmeans(datos_escalados, centers = k, nstart = 25)
  wcss[k] <- kmeans_model$tot.withinss
}
par(mar = c(4, 4, 1, 1)) # Los números representan los márgenes inferior, izquierdo, superior y derecho respectivamente.
plot(1:max_k, wcss, type = "b", xlab = "Numero de Clusters", ylab = "WCSS", main = "Metodo del Codo", pch = 19, frame = FALSE)

A continuación se hacen diferentes visualizaciones de gráficos de Clúster para poder detectar el número óptimo de Clústeres.

fviz_nbclust(datos_escalados, kmeans, method = "wss")

fviz_nbclust(datos_escalados, kmeans, method = "silhouette")

fviz_nbclust(datos_escalados, kmeans, method = "gap_stat")

Como podemos ver el número óptimo de Clústeres podrías estar entre 2-5

Pero debido a que queremos saber exactamente cuál es el número de clústeres más óptimo para poder analizar nuestra información, se realiza el siguiente código, el cuál calcula 30 estimadores diferentes de clústeres, y te da un pequeño análisis final, el cual revela el número de clústeres ideal.

resnumclust<-NbClust(datos_escalados, distance = "euclidean", min.nc=2, max.nc=10, method = "kmeans", index = "alllong")

## *** : The Hubert index is a graphical method of determining the number of clusters.
##                 In the plot of Hubert index, we seek a significant knee that corresponds to a 
##                 significant increase of the value of the measure i.e the significant peak in Hubert
##                 index second differences plot. 
##

## *** : The D index is a graphical method of determining the number of clusters. 
##                 In the plot of D index, we seek a significant knee (the significant peak in Dindex
##                 second differences plot) that corresponds to a significant increase of the value of
##                 the measure. 
##  
## ******************************************************************* 
## * Among all indices:                                                
## * 10 proposed 2 as the best number of clusters 
## * 4 proposed 3 as the best number of clusters 
## * 2 proposed 4 as the best number of clusters 
## * 1 proposed 6 as the best number of clusters 
## * 3 proposed 7 as the best number of clusters 
## * 1 proposed 8 as the best number of clusters 
## * 2 proposed 9 as the best number of clusters 
## * 5 proposed 10 as the best number of clusters 
## 
##                    ***** Conclusion *****                            
##  
## * According to the majority rule, the best number of clusters is  2 
##  
##  
## *******************************************************************

Según estos datos el número de clústeres ideal para poder trabajar la información es 2

Se crea k2 para poder visualizar en datos como se ven los clústeres dentro del data frame.

k2 <- kmeans(datos_escalados, centers = 4)
k2

## K-means clustering with 4 clusters of sizes 45, 27, 9, 25
## 
## Cluster means:
##   Antiguedad    Salario Prestaciones Jornada_Laboral Herramientas Temperatura
## 1  0.1744489  0.4547268    0.8114496       0.4553069    0.6485722  0.30299671
## 2 -0.5145195  0.1276206   -0.7249346      -0.2157419    0.2923616 -0.07121457
## 3 -0.2509097 -1.4247477   -1.0350742      -0.3040377   -1.7024180  0.70301567
## 4  0.3320005 -0.4434292   -0.3050532      -0.4770977   -0.8703100 -0.72156798
##        Estrés Transporte Instalaciones   Rotación       Edad Dependientes
## 1  0.30900582  0.3030690     0.5273121  0.4916137  0.2338760    0.2265705
## 2  0.04400083  0.1410431     0.2302236 -0.4348050 -0.8461325   -0.5503336
## 3 -0.88351663 -0.5954382    -1.2552190 -2.1139388 -0.6542528   -0.1787708
## 4 -0.28566538 -0.4834931    -0.7459244  0.3457027  0.7283773    0.2508909
## 
## Clustering vector:
##   [1] 1 4 3 2 2 1 4 1 4 1 1 1 1 2 1 2 2 1 3 3 2 2 2 2 1 4 1 2 4 1 1 4 2 2 1 4 3
##  [38] 3 4 1 1 4 4 4 1 2 3 4 3 1 2 2 1 2 2 4 1 1 4 1 1 2 4 1 4 2 4 1 2 4 1 1 1 4
##  [75] 3 1 4 4 3 1 1 1 1 4 1 2 2 1 1 2 1 1 1 1 4 2 4 2 1 1 2 1 4 2 1 1
## 
## Within cluster sum of squares by cluster:
## [1] 285.39104 207.64482  84.84052 296.87159
##  (between_SS / total_SS =  30.6 %)
## 
## Available components:
## 
## [1] "cluster"      "centers"      "totss"        "withinss"     "tot.withinss"
## [6] "betweenss"    "size"         "iter"         "ifault"

str(k2)

## List of 9
##  $ cluster     : int [1:106] 1 4 3 2 2 1 4 1 4 1 ...
##  $ centers     : num [1:4, 1:12] 0.174 -0.515 -0.251 0.332 0.455 ...
##   ..- attr(*, "dimnames")=List of 2
##   .. ..$ : chr [1:4] "1" "2" "3" "4"
##   .. ..$ : chr [1:12] "Antiguedad" "Salario" "Prestaciones" "Jornada_Laboral" ...
##  $ totss       : num 1260
##  $ withinss    : num [1:4] 285.4 207.6 84.8 296.9
##  $ tot.withinss: num 875
##  $ betweenss   : num 385
##  $ size        : int [1:4] 45 27 9 25
##  $ iter        : int 4
##  $ ifault      : int 0
##  - attr(*, "class")= chr "kmeans"

#Se quita la columana de edad ya que afecta a los datos que queremos analizar
DS2<-subset(datos_escalados,select=-Edad)
k22<-kmeans(DS2,centers=4)
k22

## K-means clustering with 4 clusters of sizes 29, 42, 13, 22
## 
## Cluster means:
##    Antiguedad    Salario Prestaciones Jornada_Laboral Herramientas Temperatura
## 1 -0.43412159  0.1811505    0.2235827       0.4754019    0.1670737  -1.0723744
## 2  0.32383994  0.3335470    0.4832468       0.4780116    0.5213541   0.8136200
## 3 -0.17531142 -1.0537147   -1.1176558      -0.3108297   -1.7462593   0.2861225
## 4  0.05760441 -0.2529113   -0.5568519      -1.3555616   -0.1836654  -0.3087625
##        Estrés Transporte Instalaciones   Rotación Dependientes
## 1  0.05679417  0.2908790     0.1403235  0.2400431  0.111257860
## 2  0.14432414  0.3725087     0.3882955  0.3985582 -0.034006053
## 3 -0.87128563 -0.3631633    -1.2622148 -1.6529564 -0.007280258
## 4  0.16445764 -0.8799879    -0.1804090 -0.1005573 -0.077435470
## 
## Clustering vector:
##   [1] 1 2 3 2 4 2 4 2 2 1 4 2 1 1 1 2 1 2 3 3 1 4 4 4 2 4 1 4 1 2 2 1 3 1 2 4 3
##  [38] 3 3 2 2 1 4 1 2 1 3 1 3 2 4 2 2 2 2 3 2 1 2 2 1 4 1 1 4 1 4 2 4 1 2 2 1 4
##  [75] 3 2 3 4 3 2 2 2 1 4 2 1 2 2 1 2 2 2 2 2 4 4 1 4 2 1 2 2 4 1 1 2
## 
## Within cluster sum of squares by cluster:
## [1] 199.2447 238.6959 144.4055 220.3491
##  (between_SS / total_SS =  30.5 %)
## 
## Available components:
## 
## [1] "cluster"      "centers"      "totss"        "withinss"     "tot.withinss"
## [6] "betweenss"    "size"         "iter"         "ifault"

Esta información nos dice que el clúster 1 está compuesto por personas que contestaron datos medianamente positivos en la encuesta, es decir que, por ejemplo, en la parte de la encuesta en donde eran oraciones y la gente respondía si estaba o no de acuerdo, las personas en el clúster 1 tendieron a contestar en esas oraciones en que estaban tan de acuerdo con la oración establecida. Y viceversa las personas en el clúster 2 tendieron a no estar de acuerdo con las oraciones de la encuesta.

A continuación se hacen dos gráficos para que se pueda ver como se distribuyen los clústeres dentro de la encuesta, como se verá a continuación el Clúster 1 es el más grande dentro de la base de datos, por ende, se podría decir que basado en las oraciones de la encuesta la mayoría de la gente se encuentra cómoda dentro de FORM. Y el Clúster 2 es el que cuenta con datos más diversos/dispersos.

# Paleta de colores personalizada para FORM

colores_base <- c("darkorange", "darkgoldenrod", "gray", "brown")
generar_variantes <- function(color, n) {
  color_fun <- colorRampPalette(c("ivory", color))
  return(color_fun(n))
}
mi_paleta <- c(colores_base, generar_variantes(colores_base[1], 10), generar_variantes(colores_base[2], 10), generar_variantes(colores_base[3], 10))


#Visualización/Gráfico 1

fviz_cluster(k22, data = DS2, ellipse.type = "norm",palette =mi_paleta, ggtheme = theme_minimal())

#Visualización/Gráfico 2

visualizacion2 <- hcut(DS2, k = 4, stand = TRUE)
fviz_dend(visualizacion2, rect = TRUE, cex = 0.5,
          k_colors = c("orange","#AD7B39", "gray", "brown"))

Ahora se usarán los siguientes códigos para visualizar la distribución de las categorías/columnas Salario, Prestaciones y Temperatura dentro de cada clúster definido por la Columna Clúster en términos de porcentajes, esto nos ayudará a entender cómo se relacionan las variables en el conjunto de datos. Estas variables fueron elegidas por el Modelo de Regresión, ya que, al realizarlo, estas resultaron ser las variables más relevantes para hacer predicciones sobre el valor de la respuesta de Rotación.

set.seed(200)
kmeans_result <- kmeans(DS2, centers = 4)
kmeans_result$centers

##    Antiguedad    Salario Prestaciones Jornada_Laboral Herramientas Temperatura
## 1 -0.41214676 -1.5910729   -1.0350742      -1.2752926  -1.77366014   0.1868622
## 2  0.48326149 -0.3608401   -0.3983419      -0.4836742  -0.45199584  -0.7119568
## 3 -0.55802788  0.0192572   -0.7618043       0.1254014   0.04949067   0.2191218
## 4  0.04285545  0.5295731    0.8179843       0.4944643   0.60830491   0.3074850
##       Estrés Transporte Instalaciones   Rotación Dependientes
## 1 -0.6450121 -1.4055677    -1.8008918 -1.5928283  -0.07743547
## 2 -0.1899346 -0.2348163    -0.2830433  0.4017670   0.17415564
## 3 -0.4860091  0.2347771     0.1544357 -0.9177533  -0.49198900
## 4  0.4783786  0.3107541     0.4569282  0.4972779   0.14065573

datos1 <- ELF
datos1$Cluster <- kmeans_result$cluster


contingency <- table(datos1$Cluster, datos1$Salario)
contingency <- prop.table(contingency, margin = 1) * 100

contingency2 <- table(datos1$Cluster, datos1$Prestaciones)
contingency2 <- prop.table(contingency2, margin = 1) * 100

contingency3 <- table(datos1$Cluster, datos1$Temperatura)
contingency3 <- prop.table(contingency3, margin = 1) * 100


print(contingency)

##    
##             1         2         3         4         5
##   1 66.666667 11.111111 11.111111 11.111111  0.000000
##   2 10.344828 24.137931  6.896552 41.379310 17.241379
##   3  4.545455  9.090909  9.090909 54.545455 22.727273
##   4  2.173913  2.173913  6.521739 21.739130 67.391304

print(contingency3)

##    
##             1         2         3         4         5
##   1 22.222222  0.000000 22.222222 22.222222 33.333333
##   2 62.068966  6.896552 17.241379  6.896552  6.896552
##   3 22.727273  4.545455 13.636364 18.181818 40.909091
##   4 21.739130  8.695652  4.347826 13.043478 52.173913

print(contingency2)

##    
##             1         2         3         4         5
##   1 66.666667 22.222222  0.000000  0.000000 11.111111
##   2 27.586207 24.137931 20.689655 10.344828 17.241379
##   3 31.818182 45.454545  9.090909  9.090909  4.545455
##   4  0.000000  0.000000  4.347826 36.956522 58.695652

En esta parte lo que se hace es añadir una nueva columna a mi data frame original llamada Clúster y se le asigna el clúster correspondiente a cada variable gracias a cálculos previamente realizados.

DFEF  <- ELF
DFEF$cluster<-as.factor(k22$cluster)
# DFEF

Por último, se hacen estos códigos para poder exportar este data frame con la columna de clúster a un Excel y así se pueda usar en POWER BI.

getwd()

## [1] "C:/Users/IanAb/Documents/7to Semestre/Actividades"

library(openxlsx)
write.xlsx(DFEF, "ClustersFORM.xlsx")

Árbol de Decisiones Encuesta FORM

Carga de Paquete y Librería a usar, junto con creación del árbol de decisiones.

library(rpart)
library(rpart.plot)
df_arbol<-ELF
df_arbol$Rotación <- as.factor(df_arbol$Rotación)
df_arbol$Salario <- as.factor(df_arbol$Salario)
df_arbol$Prestaciones <- as.factor(df_arbol$Prestaciones)
df_arbol$Temperatura <- as.factor(df_arbol$Temperatura)

arbol <- rpart(formula= Rotación ~ Salario + Prestaciones + Temperatura,data=df_arbol)
arbol

## n= 106 
## 
## node), split, n, loss, yval, (yprob)
##       * denotes terminal node
## 
##  1) root 106 50 5 (0.085 0.047 0.14 0.2 0.53)  
##    2) Prestaciones=1,2 40 29 5 (0.17 0.12 0.22 0.2 0.27)  
##      4) Salario=1,2 13  8 1 (0.38 0.15 0.077 0.38 0) *
##      5) Salario=3,4,5 27 16 5 (0.074 0.11 0.3 0.11 0.41)  
##       10) Salario=3,4 20 12 3 (0.05 0.1 0.4 0.15 0.3) *
##       11) Salario=5 7  2 5 (0.14 0.14 0 0 0.71) *
##    3) Prestaciones=3,4,5 66 21 5 (0.03 0 0.091 0.2 0.68) *

rpart.plot(arbol,box.palette = list("orange","#AD7B39", "#FFC981","gray", "yellow", "#FFEECB"))

# Gráfico de preuba para corroborar otra información adicional
# prp(arbol,extra=7)

Esta Herramienta del Árbol de Decisiones sirve para poder ver como se distribuye el comportamiento de ciertas respuestas según la acción tomada en otras preguntas. En este caso el Árbol de decisiones selecciona las dos variables va Influyentes para la variable de Rotación.

Se dice que son las más influyentes ya que en el modelo de Regresión que se mostrará a continuación, al realizar los códigos correspondientes, se revela que las dos variables más influyentes para la rotación son las Prestaciones y Salario.

Antes de explicar el Árbol es necesario entender que significan los números y categorías. En la encuesta realizada al Personal de FORM se le dieron ciertas afirmaciones/oraciones, y se les pidió que eligieran el valor de la escala con el cual se identificaban.

Dicha escala era de 5 valores, los cuales se muestra a continuación:

- Totalmente de acuerdo (5)

- Medianamente de Acuerdo (4)

- Ni de Acuerdo ni en Desacuerdo (3)

- Medianamente en Desacuerdo (2)

- Totalmente en Desacuerdo (1)

Ahora bien las categorías Salario y Prestaciones hacen alusión al área a que se refería la pregunta realizada. Para poder ver las preguntas/afirmaciones/oraciones que se hicieron pueden ver el dashboard compartido en la Evidencia “Dashboard para FORM (Avance)”

Por ende el cuadro que se encuentra en la parte superior del árbol hace referencia a la pregunta de Prestaciones e indica que si las personas contestaron a esa pregunta con 1 o 2 estás personas se clasificaran del lado izquierdo; en caso de que las personas hayan contestado a la pregunta de Prestaciones con un valor de 3,4 o 5 se les clasificará/agrupará del lado derecho.

Ahora bien, este Árbol se interpreta/lee de la siguiente manera del 100% (106 personas) que contestaron la pregunta de “Prestaciones”, el 62% contesto que esta de cierta manera de acuerdo en que las prestaciones son algo que hace que se queden en la empresa.

Por ende 38% de las personas contestaron en que no están tan de acuerdo en que las prestaciones son algo que los hace quedarse en la empresa. Ahora bien, ese 38% se distribuye de la siguiente manera, 12.5% contesto en que no están tan de acuerdo en que el salario que reciben es bueno para el trabajo que realizan (ya que seleccionaron como respuesta el valor 1,2) y 25.5% están medianamente de acuerdo en que reciben un buen salario (ya que seleccionaron como respuesta el valor 3,4,5).

La información relevante que podemos obtener aquí es que se podría decir que el 38% de las personas que contestaron la encuesta consideran que las prestaciones que ofrecen FORM no son suficientes para retenerlos a largo/mediano plazo. Y que también de ese 38%, 12% igual considera que no reciben un salario digno de su trabajo.

Si bien son porcentajes que representan una minoría en la empresa, es de vital importancia atender esta situación ya que si se quiere tener una tasa de rotación de personal baja, se debe analizar las áreas de mejora que la empresa pueda tener en este aspecto; y según este árbol de decisiones las áreas de prestaciones y salarios pueden ser una de las áreas a mejorar para poder potencializar la retención del talento humano.

Análisis de Regresión Lineal

Análisis exploratorio de Variables Independientes y Dependientes

Se usa la misma base de datos “EFL”.

dataRg<-ELF
dataRg$Edad <- as.integer(sub(" años", "", dataRg$Edad))
summary(dataRg)

##     Puesto            Antiguedad     Motivación           Salario     
##  Length:106         Min.   : 1.00   Length:106         Min.   :1.000  
##  Class :character   1st Qu.: 1.00   Class :character   1st Qu.:3.000  
##  Mode  :character   Median : 9.00   Mode  :character   Median :4.000  
##                     Mean   :14.08                      Mean   :3.792  
##                     3rd Qu.:34.50                      3rd Qu.:5.000  
##                     Max.   :36.00                      Max.   :5.000  
##   Prestaciones   Jornada_Laboral  Herramientas    Temperatura   
##  Min.   :1.000   Min.   :1.00    Min.   :1.000   Min.   :1.000  
##  1st Qu.:2.000   1st Qu.:4.00    1st Qu.:3.000   1st Qu.:1.000  
##  Median :4.000   Median :5.00    Median :5.000   Median :3.000  
##  Mean   :3.274   Mean   :4.16    Mean   :3.877   Mean   :3.123  
##  3rd Qu.:5.000   3rd Qu.:5.00    3rd Qu.:5.000   3rd Qu.:5.000  
##  Max.   :5.000   Max.   :5.00    Max.   :5.000   Max.   :5.000  
##      Estrés        Transporte    Instalaciones      Rotación    
##  Min.   :1.000   Min.   :1.000   Min.   :1.000   Min.   :1.000  
##  1st Qu.:3.000   1st Qu.:4.000   1st Qu.:4.000   1st Qu.:3.000  
##  Median :4.000   Median :5.000   Median :5.000   Median :5.000  
##  Mean   :3.679   Mean   :4.009   Mean   :4.311   Mean   :4.038  
##  3rd Qu.:5.000   3rd Qu.:5.000   3rd Qu.:5.000   3rd Qu.:5.000  
##  Max.   :5.000   Max.   :5.000   Max.   :5.000   Max.   :5.000  
##  Conflicto.Acoso    Satisfacción.en.el.trabajo   Emoción         
##  Length:106         Length:106                 Length:106        
##  Class :character   Class :character           Class :character  
##  Mode  :character   Mode  :character           Mode  :character  
##                                                                  
##                                                                  
##                                                                  
##       Edad          Genero          Estado.Civil        Municipio        
##  Min.   :18.00   Length:106         Length:106         Length:106        
##  1st Qu.:25.25   Class :character   Class :character   Class :character  
##  Median :33.50   Mode  :character   Mode  :character   Mode  :character  
##  Mean   :35.62                                                           
##  3rd Qu.:45.00                                                           
##  Max.   :68.00                                                           
##  Escolaridad         Dependientes  
##  Length:106         Min.   :0.000  
##  Class :character   1st Qu.:0.000  
##  Mode  :character   Median :1.000  
##                     Mean   :1.085  
##                     3rd Qu.:2.000  
##                     Max.   :3.000

str(dataRg)

## 'data.frame':    106 obs. of  21 variables:
##  $ Puesto                    : chr  "Administrativo" "Costurera" "Ayudante general" "Ayudante general" ...
##  $ Antiguedad                : int  9 36 4 2 1 36 36 36 36 1 ...
##  $ Motivación                : chr  "Por el salario" "Otro" "Ubicación de la empresa" "Ubicación de la empresa" ...
##  $ Salario                   : int  5 4 2 5 3 4 2 5 4 5 ...
##  $ Prestaciones              : int  4 4 1 4 1 5 3 4 1 4 ...
##  $ Jornada_Laboral           : int  5 5 1 5 5 5 4 5 4 5 ...
##  $ Herramientas              : int  5 4 1 5 5 5 4 5 1 5 ...
##  $ Temperatura               : int  2 3 3 4 4 2 2 4 5 1 ...
##  $ Estrés                    : int  5 2 1 5 3 4 5 4 4 5 ...
##  $ Transporte                : int  4 2 4 5 1 5 1 5 5 2 ...
##  $ Instalaciones             : int  5 4 4 5 5 4 4 5 5 5 ...
##  $ Rotación                  : int  4 5 1 4 3 5 3 5 5 5 ...
##  $ Conflicto.Acoso           : chr  "No" "No" "Si" "No" ...
##  $ Satisfacción.en.el.trabajo: chr  "cotización ante imss, fecha de pago, comer a las 3pm" "Ninguno" "mucho trabajo, estrés" "Todo bien " ...
##  $ Emoción                   : chr  "agusto, feliz" "Bien" "cómoda, no satisfecha" "Tranquila y contenta " ...
##  $ Edad                      : int  30 54 21 20 43 61 55 29 56 36 ...
##  $ Genero                    : chr  "Femenino" "Femenino" "Femenino" "Femenino" ...
##  $ Estado.Civil              : chr  "Unión libre" "Casado" "Soltero" "Casado" ...
##  $ Municipio                 : chr  "Apodaca" "Apodaca" "Apodaca" "Apodaca" ...
##  $ Escolaridad               : chr  "Licenciatura" "Primaria" "Preparatoria" "Preparatoria" ...
##  $ Dependientes              : int  0 0 0 0 0 2 1 0 0 2 ...

Análisis Exploratorio de datos Demográficos

datademo <- select(dataRg, "Edad", "Genero", "Estado.Civil", "Municipio", "Escolaridad", "Dependientes")
summary(datademo)

##       Edad          Genero          Estado.Civil        Municipio        
##  Min.   :18.00   Length:106         Length:106         Length:106        
##  1st Qu.:25.25   Class :character   Class :character   Class :character  
##  Median :33.50   Mode  :character   Mode  :character   Mode  :character  
##  Mean   :35.62                                                           
##  3rd Qu.:45.00                                                           
##  Max.   :68.00                                                           
##  Escolaridad         Dependientes  
##  Length:106         Min.   :0.000  
##  Class :character   1st Qu.:0.000  
##  Mode  :character   Median :1.000  
##                     Mean   :1.085  
##                     3rd Qu.:2.000  
##                     Max.   :3.000

Modelo de Regresión Lineal

regresionF <- lm( Rotación ~ Salario + Prestaciones + Jornada_Laboral + Herramientas + Temperatura + Estrés + Transporte + Instalaciones + Conflicto.Acoso, data=dataRg)
summary (regresionF)

## 
## Call:
## lm(formula = Rotación ~ Salario + Prestaciones + Jornada_Laboral + 
##     Herramientas + Temperatura + Estrés + Transporte + Instalaciones + 
##     Conflicto.Acoso, data = dataRg)
## 
## Residuals:
##     Min      1Q  Median      3Q     Max 
## -3.0624 -0.6444  0.1742  0.7601  2.0695 
## 
## Coefficients:
##                                     Estimate Std. Error t value Pr(>|t|)    
## (Intercept)                         2.155175   0.604075   3.568 0.000566 ***
## Salario                             0.183708   0.094051   1.953 0.053729 .  
## Prestaciones                        0.299393   0.081487   3.674 0.000395 ***
## Jornada_Laboral                    -0.040359   0.099399  -0.406 0.685630    
## Herramientas                        0.137645   0.090219   1.526 0.130412    
## Temperatura                        -0.162673   0.063386  -2.566 0.011839 *  
## Estrés                              0.001298   0.082590   0.016 0.987494    
## Transporte                          0.094415   0.077552   1.217 0.226454    
## Instalaciones                      -0.014934   0.112110  -0.133 0.894310    
## Conflicto.AcosoPrefiero no decirlo  0.264413   1.134678   0.233 0.816240    
## Conflicto.AcosoSi                   0.175659   0.321619   0.546 0.586230    
## ---
## Signif. codes:  0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
## 
## Residual standard error: 1.089 on 95 degrees of freedom
## Multiple R-squared:  0.3447, Adjusted R-squared:  0.2758 
## F-statistic: 4.998 on 10 and 95 DF,  p-value: 8.232e-06

Se seleccionan solo las variables de Salario, Prestaciones y Temperatura, ya que son las que indica el modelo que tienen más relevancia (Esto se puede ver con los *).

regresionF <- lm( Rotación ~ Salario + Prestaciones + Temperatura , data=dataRg)
summary (regresionF)

## 
## Call:
## lm(formula = Rotación ~ Salario + Prestaciones + Temperatura, 
##     data = dataRg)
## 
## Residuals:
##     Min      1Q  Median      3Q     Max 
## -3.3567 -0.6312  0.2871  0.7267  1.9292 
## 
## Coefficients:
##              Estimate Std. Error t value Pr(>|t|)    
## (Intercept)   2.55741    0.38178   6.699 1.17e-09 ***
## Salario       0.23803    0.08448   2.817  0.00581 ** 
## Prestaciones  0.32148    0.07301   4.403 2.64e-05 ***
## Temperatura  -0.15205    0.06147  -2.474  0.01503 *  
## ---
## Signif. codes:  0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
## 
## Residual standard error: 1.08 on 102 degrees of freedom
## Multiple R-squared:  0.3079, Adjusted R-squared:  0.2876 
## F-statistic: 15.13 on 3 and 102 DF,  p-value: 3.241e-08

Ya que nuestro modelo de regresión obtiene un valor p value menor a 0.05 se puede decir que sí es válido. Otra información que obtenemos de este código es el valor de nuestra “Adjusted R-squared” lo cual significa que el 28.76% de la variabilidad de nuestra Rotación es predicha con el modelo teniendo en cuenta 3 variables predictoras (Salario, Prestaciones, Temperatura).

Ya que el P Value de los coeficientes de nuestras 3 variables es menor a 0.05, indica que si tienen cierto impacto y ayudan a predecir el aspecto de la rotación.

A la vez con nuestros coeficientes podemos realizar la fórmula para predecir qué valor (1-5), podría elegir una persona en la oración/ pregunta ” Es muy probable que siga trabajando en FORM en un futuro “, según su elección en las preguntas de Salario, Prestaciones, Temperatura. Dicha formula es la siguiente:

A continuación se hace una predicción ejemplo:

datosFinF <- data.frame(Salario= 5, Prestaciones= 4, Temperatura= 2)
predict(regresionF, datosFinF)

##       1 
## 4.72939

Esto nos indica que una persona que haya estado Completamente de Acuerdo con la oración de Salario, Medianamente de Acuerdo con la oración de Prestaciones y haya estado Medianamente en Desacuerdo con la oración de Temperatura; probablemente haya estado casi Totalmente de Acuerdo en que es probable en que esté en FORM en un Futuro.

Análisis Encuesta Organizacional FORM

Ian Abraham Quiroz Cuapio A01731418

2023-10-25

Evidencia de Análisis de datos para FORM

En esta evidencia se hicieron 2 análisis los cuales nos permiten trabajar los siguientes subobjetivos:

- Determinar el perfil para obtener una segmentación de empleado e Identificar patrones de comportamiento que indican una mayor probabilidad de que los empleados renuncien o cambien de trabajo. / Análisis usado: Clústeres Mediante K-Means y Modelo de Regresión.

- Determinar las variables críticas que afectan la satisfacción y el compromiso de los colaboradores. / Análisis Usado: Modelo de Regresión.

- Determinar cómo se distribuye el comportamiento de las preguntas según la respuesta de otras / Análisis Usado: Árbol de Decisiones

Carga de paquetes y librerías de R que servirán para poder hacer el análisis de Clústeres.

Carga de la Base de Datos de la Encuesta Realizada a FORM, la cual se usará para detectar clústeres.

Cálculo de la Matriz de Distancia

Este cálculo se hace con la finalidad de poder visualizar las relaciones existentes entre los datos presentes en la base de datos de la Encuesta realizada en FORM.

Al haber ciertas tendencias en el gráfico y no ser disperso, nos indica que la base de datos se puede clusterizar.

Creación de Clústeres

A continuación se hace la selección de datos para que se pueda hacer una clusterización de los datos de la base de datos de FORM.

A continuación se hacen diferentes visualizaciones de gráficos de Clúster para poder detectar el número óptimo de Clústeres.

Como podemos ver el número óptimo de Clústeres podrías estar entre 2-5

Según estos datos el número de clústeres ideal para poder trabajar la información es 2

Se crea k2 para poder visualizar en datos como se ven los clústeres dentro del data frame.

En esta parte lo que se hace es añadir una nueva columna a mi data frame original llamada Clúster y se le asigna el clúster correspondiente a cada variable gracias a cálculos previamente realizados.

Por último, se hacen estos códigos para poder exportar este data frame con la columna de clúster a un Excel y así se pueda usar en POWER BI.

Árbol de Decisiones Encuesta FORM

Carga de Paquete y Librería a usar, junto con creación del árbol de decisiones.

Esta Herramienta del Árbol de Decisiones sirve para poder ver como se distribuye el comportamiento de ciertas respuestas según la acción tomada en otras preguntas. En este caso el Árbol de decisiones selecciona las dos variables va Influyentes para la variable de Rotación.

Se dice que son las más influyentes ya que en el modelo de Regresión que se mostrará a continuación, al realizar los códigos correspondientes, se revela que las dos variables más influyentes para la rotación son las Prestaciones y Salario.

Antes de explicar el Árbol es necesario entender que significan los números y categorías. En la encuesta realizada al Personal de FORM se le dieron ciertas afirmaciones/oraciones, y se les pidió que eligieran el valor de la escala con el cual se identificaban.

Dicha escala era de 5 valores, los cuales se muestra a continuación:

- Totalmente de acuerdo (5)

- Medianamente de Acuerdo (4)

- Ni de Acuerdo ni en Desacuerdo (3)

- Medianamente en Desacuerdo (2)

- Totalmente en Desacuerdo (1)

Ahora bien las categorías Salario y Prestaciones hacen alusión al área a que se refería la pregunta realizada. Para poder ver las preguntas/afirmaciones/oraciones que se hicieron pueden ver el dashboard compartido en la Evidencia “Dashboard para FORM (Avance)”

Ahora bien, este Árbol se interpreta/lee de la siguiente manera del 100% (106 personas) que contestaron la pregunta de “Prestaciones”, el 62% contesto que esta de cierta manera de acuerdo en que las prestaciones son algo que hace que se queden en la empresa.

Análisis de Regresión Lineal

Análisis exploratorio de Variables Independientes y Dependientes

Se usa la misma base de datos “EFL”.

Análisis Exploratorio de datos Demográficos

Modelo de Regresión Lineal

Se seleccionan solo las variables de Salario, Prestaciones y Temperatura, ya que son las que indica el modelo que tienen más relevancia (Esto se puede ver con los *).

Ya que el P Value de los coeficientes de nuestras 3 variables es menor a 0.05, indica que si tienen cierto impacto y ayudan a predecir el aspecto de la rotación.

A continuación se hace una predicción ejemplo: