Modelos para FORM
Equipo 2
Octubre, 2023
1. Análisis exploratorio de datos demográficos
Demográficas: Edad Sexo Zonas de Área Metropolitana Estado Civil
2. Análisis exploratorio de variables VI y VD.
Variable Dependiente: Rotación de personal Variables Independiente: Salario Grado de es Horario laboral tudios finalizado Condiciones laborales (clima, baños, etc.) Ubicación de vivienda
3. Regresión Lineal
1. Insertar base de datos
bd <- read.csv("/Users/valeriavillarreal/Documents/FORM_BasedeDatosCorrecta.csv")2. Entender base de datos
summary(bd)## Puesto Antigüedad Motivacion 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
## Estres Transporte Instalaciones Y_Rotacion
## 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 Satisfaccion.en.el.trabajo Emocion
## 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. :3.000Observaciones:
1. Las caracteristicas con las que están mas de acuerdo los empleados
son las instalaciones y jornada laboral.
2. Las caracteristicas con las que mas están en desacuerdo los empleados
son la temperatura y prestaciones.
3. Generar Regresión Lineal
regresion <- lm(Y_Rotacion ~ Antigüedad + Prestaciones + Jornada_Laboral + Herramientas + Temperatura + Estres + Transporte + Instalaciones + Salario + Edad, data = bd)
summary(regresion)##
## Call:
## lm(formula = Y_Rotacion ~ Antigüedad + Prestaciones + Jornada_Laboral +
## Herramientas + Temperatura + Estres + Transporte + Instalaciones +
## Salario + Edad, data = bd)
##
## Residuals:
## Min 1Q Median 3Q Max
## -2.8344 -0.5643 0.1252 0.6257 1.9155
##
## Coefficients:
## Estimate Std. Error t value Pr(>|t|)
## (Intercept) 0.894242 0.599325 1.492 0.13899
## Antigüedad 0.015886 0.007311 2.173 0.03226 *
## Prestaciones 0.205520 0.074818 2.747 0.00720 **
## Jornada_Laboral -0.014858 0.087595 -0.170 0.86567
## Herramientas 0.135305 0.081450 1.661 0.09997 .
## Temperatura -0.178823 0.057157 -3.129 0.00233 **
## Estres 0.026761 0.075244 0.356 0.72289
## Transporte 0.107300 0.070103 1.531 0.12919
## Instalaciones 0.021391 0.100965 0.212 0.83266
## Salario 0.190279 0.086419 2.202 0.03010 *
## Edad 0.028077 0.008638 3.251 0.00159 **
## ---
## Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
##
## Residual standard error: 0.9836 on 95 degrees of freedom
## Multiple R-squared: 0.4652, Adjusted R-squared: 0.4089
## F-statistic: 8.264 on 10 and 95 DF, p-value: 1.647e-094. Generar Regresión Lineal
regresion <- lm(Y_Rotacion ~ Edad + Temperatura + Prestaciones + Salario + Antigüedad, data = bd)
summary(regresion)##
## Call:
## lm(formula = Y_Rotacion ~ Edad + Temperatura + Prestaciones +
## Salario + Antigüedad, data = bd)
##
## Residuals:
## Min 1Q Median 3Q Max
## -2.8072 -0.5906 0.1915 0.5880 2.0290
##
## Coefficients:
## Estimate Std. Error t value Pr(>|t|)
## (Intercept) 1.555513 0.437849 3.553 0.000584 ***
## Edad 0.023381 0.008475 2.759 0.006903 **
## Temperatura -0.160980 0.056977 -2.825 0.005703 **
## Prestaciones 0.257666 0.068795 3.745 0.000301 ***
## Salario 0.276159 0.079077 3.492 0.000715 ***
## Antigüedad 0.018558 0.007198 2.578 0.011390 *
## ---
## Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
##
## Residual standard error: 0.9953 on 100 degrees of freedom
## Multiple R-squared: 0.4235, Adjusted R-squared: 0.3947
## F-statistic: 14.69 on 5 and 100 DF, p-value: 8.679e-11Insights:
Los factores principales que afectan si un empleado decide quedarse en
FORM son las prestaciones y el salario, seguido de edad, temperatura y
antiguedad, esta última no decido sin embargo es tomada en cuenta al
momento de tomar una decisión.
4. Clusters
1. Importar Base de datos
clusterbase <- bd[,c("Salario", "Prestaciones", "Jornada_Laboral", "Herramientas", "Temperatura", "Estres", "Transporte", "Instalaciones")]
clusterbase## Salario Prestaciones Jornada_Laboral Herramientas Temperatura Estres
## 1 5 4 5 5 2 5
## 2 4 4 5 4 3 2
## 3 2 1 1 1 3 1
## 4 5 4 5 5 4 5
## 5 3 1 5 5 4 3
## 6 4 5 5 5 2 4
## 7 2 3 4 4 2 5
## 8 5 4 5 5 4 4
## 9 4 1 4 1 5 4
## 10 5 4 5 5 1 5
## 11 5 5 1 5 5 5
## 12 5 4 5 5 5 4
## 13 4 5 5 5 1 5
## 14 4 4 5 5 1 5
## 15 5 5 5 5 1 5
## 16 4 2 5 5 4 2
## 17 2 2 5 4 3 4
## 18 5 5 5 5 5 5
## 19 1 1 4 1 4 2
## 20 4 1 5 3 3 1
## 21 4 1 5 4 1 5
## 22 4 1 2 4 5 2
## 23 4 3 4 5 1 2
## 24 4 1 3 4 3 4
## 25 4 4 5 5 4 4
## 26 5 2 4 1 1 3
## 27 4 4 5 5 1 5
## 28 3 1 3 4 3 5
## 29 4 5 4 1 1 1
## 30 3 4 5 5 5 3
## 31 5 4 5 5 5 5
## 32 1 5 5 1 1 3
## 33 5 2 5 1 5 5
## 34 4 2 5 5 2 5
## 35 5 4 4 5 3 4
## 36 4 2 3 5 1 5
## 37 1 1 3 1 5 5
## 38 4 5 5 1 5 3
## 39 4 1 5 1 1 1
## 40 5 5 3 5 4 4
## 41 5 5 5 5 5 2
## 42 2 4 4 2 2 4
## 43 1 5 1 1 1 3
## 44 4 3 4 4 1 1
## 45 5 5 5 5 5 3
## 46 5 2 5 3 1 1
## 47 2 2 5 1 5 1
## 48 4 3 5 3 1 3
## 49 1 2 4 1 5 4
## 50 5 5 5 5 5 5
## 51 5 5 1 5 1 5
## 52 3 3 4 5 4 5
## 53 5 5 5 5 5 5
## 54 4 2 4 5 4 3
## 55 3 2 4 4 4 3
## 56 4 1 2 1 1 1
## 57 4 4 4 5 5 4
## 58 4 5 3 5 1 1
## 59 5 5 5 1 5 5
## 60 5 5 5 5 5 5
## 61 5 5 5 5 1 3
## 62 2 1 1 5 1 5
## 63 2 5 5 5 1 4
## 64 5 5 5 5 1 5
## 65 4 4 4 1 1 5
## 66 4 2 4 4 1 5
## 67 1 3 3 3 1 5
## 68 5 5 5 5 5 4
## 69 4 2 2 3 3 4
## 70 2 2 4 5 1 1
## 71 1 4 5 5 4 5
## 72 5 5 5 5 5 5
## 73 5 5 5 3 3 2
## 74 3 2 1 2 3 4
## 75 1 1 5 1 5 1
## 76 1 3 5 5 5 1
## 77 1 1 3 1 1 3
## 78 5 1 3 5 3 3
## 79 1 1 2 1 4 4
## 80 5 5 4 5 5 5
## 81 4 4 5 5 5 4
## 82 5 5 5 5 5 5
## 83 5 5 5 5 1 5
## 84 5 1 1 1 1 5
## 85 5 5 5 5 2 5
## 86 5 1 5 5 1 5
## 87 5 4 5 5 5 3
## 88 5 5 5 5 5 3
## 89 5 4 5 5 2 5
## 90 5 1 5 5 5 1
## 91 4 4 5 5 5 4
## 92 3 5 5 4 5 5
## 93 3 3 4 4 4 3
## 94 2 5 5 5 5 3
## 95 2 2 2 3 5 4
## 96 4 4 2 4 4 2
## 97 5 3 5 3 1 5
## 98 4 2 1 5 5 5
## 99 5 4 5 4 5 5
## 100 4 5 5 5 1 5
## 101 4 1 5 5 5 4
## 102 5 5 5 5 5 3
## 103 2 2 3 4 3 2
## 104 4 2 5 3 1 3
## 105 5 3 5 5 1 3
## 106 4 5 5 5 5 5
## Transporte Instalaciones
## 1 4 5
## 2 2 4
## 3 4 4
## 4 5 5
## 5 1 5
## 6 5 4
## 7 1 4
## 8 5 5
## 9 5 5
## 10 2 5
## 11 1 5
## 12 5 5
## 13 5 5
## 14 5 5
## 15 5 5
## 16 5 5
## 17 5 4
## 18 4 5
## 19 1 3
## 20 5 2
## 21 5 5
## 22 4 5
## 23 1 4
## 24 2 2
## 25 4 5
## 26 1 4
## 27 5 5
## 28 5 4
## 29 5 4
## 30 5 5
## 31 5 5
## 32 4 4
## 33 5 5
## 34 5 5
## 35 5 5
## 36 1 5
## 37 1 1
## 38 5 4
## 39 5 2
## 40 5 5
## 41 5 5
## 42 5 5
## 43 1 1
## 44 4 5
## 45 5 5
## 46 5 5
## 47 5 5
## 48 5 2
## 49 5 1
## 50 5 5
## 51 1 5
## 52 5 5
## 53 5 5
## 54 4 4
## 55 5 4
## 56 2 1
## 57 4 4
## 58 5 5
## 59 5 1
## 60 2 5
## 61 5 5
## 62 5 5
## 63 5 1
## 64 2 5
## 65 1 5
## 66 4 3
## 67 4 4
## 68 5 5
## 69 5 5
## 70 5 2
## 71 4 5
## 72 4 5
## 73 5 5
## 74 1 3
## 75 1 1
## 76 5 5
## 77 5 3
## 78 3 5
## 79 1 4
## 80 5 5
## 81 5 5
## 82 5 5
## 83 5 5
## 84 5 1
## 85 5 5
## 86 5 5
## 87 2 5
## 88 5 5
## 89 5 5
## 90 5 5
## 91 5 5
## 92 2 5
## 93 5 5
## 94 5 5
## 95 2 4
## 96 5 4
## 97 1 5
## 98 5 5
## 99 5 5
## 100 3 5
## 101 5 5
## 102 5 5
## 103 4 5
## 104 5 5
## 105 5 5
## 106 5 5# Library
library(hclust1d)## Loaded hclust1d version 0.1.1## To acknowledge my work please cite hclust1d in publications as:## Nowakowski, Szymon (2023). hclust1d: Hierarchical Clustering of Univariate (1d) Data. https://cran.r-project.org/package=hclust1d2. Realiza un agrupamiento jerárquico
dist_matrix <- dist(clusterbase)
hclust_result <- hclust1d(dist_matrix)3. Grafica el dendrograma
plot(hclust_result, cex = 0.6, hang = -1)
4. Determinar el número de grupos
grupos <- 55. Realizar la clasificación
segmentos <- kmeans(clusterbase, grupos)
segmentos## K-means clustering with 5 clusters of sizes 27, 40, 13, 13, 13
##
## Cluster means:
## Salario Prestaciones Jornada_Laboral Herramientas Temperatura Estres
## 1 3.555556 2.074074 3.777778 4.333333 2.703704 3.111111
## 2 4.450000 4.525000 4.850000 4.950000 3.900000 4.325000
## 3 2.076923 1.538462 2.461538 1.461538 3.153846 3.153846
## 4 4.230769 3.538462 3.923077 4.076923 1.769231 4.230769
## 5 3.538462 3.384615 4.769231 1.846154 2.923077 2.846154
## Transporte Instalaciones
## 1 4.703704 4.592593
## 2 4.625000 4.950000
## 3 2.384615 2.230769
## 4 1.384615 4.692308
## 5 4.923077 3.461538
##
## Clustering vector:
## [1] 2 4 3 2 4 2 4 2 5 4 4 2 2 2 2 1 1 2 3 5 1 1 4 3 2 4 2 1 5 2 2 5 5 1 2 4 3
## [38] 5 5 2 2 5 3 1 2 1 5 5 3 2 4 2 2 1 1 3 2 1 5 2 2 1 5 4 4 1 1 2 1 1 2 2 5 3
## [75] 3 1 3 1 3 2 2 2 2 3 2 1 2 2 2 1 2 2 1 2 3 1 4 1 2 4 1 2 1 1 1 2
##
## Within cluster sum of squares by cluster:
## [1] 273.6296 206.5250 187.3846 131.8462 181.0769
## (between_SS / total_SS = 44.7 %)
##
## Available components:
##
## [1] "cluster" "centers" "totss" "withinss" "tot.withinss"
## [6] "betweenss" "size" "iter" "ifault"6. Revisar la asignación de grupos
asignacion <- cbind(clusterbase, cluster=segmentos$cluster)
asignacion## Salario Prestaciones Jornada_Laboral Herramientas Temperatura Estres
## 1 5 4 5 5 2 5
## 2 4 4 5 4 3 2
## 3 2 1 1 1 3 1
## 4 5 4 5 5 4 5
## 5 3 1 5 5 4 3
## 6 4 5 5 5 2 4
## 7 2 3 4 4 2 5
## 8 5 4 5 5 4 4
## 9 4 1 4 1 5 4
## 10 5 4 5 5 1 5
## 11 5 5 1 5 5 5
## 12 5 4 5 5 5 4
## 13 4 5 5 5 1 5
## 14 4 4 5 5 1 5
## 15 5 5 5 5 1 5
## 16 4 2 5 5 4 2
## 17 2 2 5 4 3 4
## 18 5 5 5 5 5 5
## 19 1 1 4 1 4 2
## 20 4 1 5 3 3 1
## 21 4 1 5 4 1 5
## 22 4 1 2 4 5 2
## 23 4 3 4 5 1 2
## 24 4 1 3 4 3 4
## 25 4 4 5 5 4 4
## 26 5 2 4 1 1 3
## 27 4 4 5 5 1 5
## 28 3 1 3 4 3 5
## 29 4 5 4 1 1 1
## 30 3 4 5 5 5 3
## 31 5 4 5 5 5 5
## 32 1 5 5 1 1 3
## 33 5 2 5 1 5 5
## 34 4 2 5 5 2 5
## 35 5 4 4 5 3 4
## 36 4 2 3 5 1 5
## 37 1 1 3 1 5 5
## 38 4 5 5 1 5 3
## 39 4 1 5 1 1 1
## 40 5 5 3 5 4 4
## 41 5 5 5 5 5 2
## 42 2 4 4 2 2 4
## 43 1 5 1 1 1 3
## 44 4 3 4 4 1 1
## 45 5 5 5 5 5 3
## 46 5 2 5 3 1 1
## 47 2 2 5 1 5 1
## 48 4 3 5 3 1 3
## 49 1 2 4 1 5 4
## 50 5 5 5 5 5 5
## 51 5 5 1 5 1 5
## 52 3 3 4 5 4 5
## 53 5 5 5 5 5 5
## 54 4 2 4 5 4 3
## 55 3 2 4 4 4 3
## 56 4 1 2 1 1 1
## 57 4 4 4 5 5 4
## 58 4 5 3 5 1 1
## 59 5 5 5 1 5 5
## 60 5 5 5 5 5 5
## 61 5 5 5 5 1 3
## 62 2 1 1 5 1 5
## 63 2 5 5 5 1 4
## 64 5 5 5 5 1 5
## 65 4 4 4 1 1 5
## 66 4 2 4 4 1 5
## 67 1 3 3 3 1 5
## 68 5 5 5 5 5 4
## 69 4 2 2 3 3 4
## 70 2 2 4 5 1 1
## 71 1 4 5 5 4 5
## 72 5 5 5 5 5 5
## 73 5 5 5 3 3 2
## 74 3 2 1 2 3 4
## 75 1 1 5 1 5 1
## 76 1 3 5 5 5 1
## 77 1 1 3 1 1 3
## 78 5 1 3 5 3 3
## 79 1 1 2 1 4 4
## 80 5 5 4 5 5 5
## 81 4 4 5 5 5 4
## 82 5 5 5 5 5 5
## 83 5 5 5 5 1 5
## 84 5 1 1 1 1 5
## 85 5 5 5 5 2 5
## 86 5 1 5 5 1 5
## 87 5 4 5 5 5 3
## 88 5 5 5 5 5 3
## 89 5 4 5 5 2 5
## 90 5 1 5 5 5 1
## 91 4 4 5 5 5 4
## 92 3 5 5 4 5 5
## 93 3 3 4 4 4 3
## 94 2 5 5 5 5 3
## 95 2 2 2 3 5 4
## 96 4 4 2 4 4 2
## 97 5 3 5 3 1 5
## 98 4 2 1 5 5 5
## 99 5 4 5 4 5 5
## 100 4 5 5 5 1 5
## 101 4 1 5 5 5 4
## 102 5 5 5 5 5 3
## 103 2 2 3 4 3 2
## 104 4 2 5 3 1 3
## 105 5 3 5 5 1 3
## 106 4 5 5 5 5 5
## Transporte Instalaciones cluster
## 1 4 5 2
## 2 2 4 4
## 3 4 4 3
## 4 5 5 2
## 5 1 5 4
## 6 5 4 2
## 7 1 4 4
## 8 5 5 2
## 9 5 5 5
## 10 2 5 4
## 11 1 5 4
## 12 5 5 2
## 13 5 5 2
## 14 5 5 2
## 15 5 5 2
## 16 5 5 1
## 17 5 4 1
## 18 4 5 2
## 19 1 3 3
## 20 5 2 5
## 21 5 5 1
## 22 4 5 1
## 23 1 4 4
## 24 2 2 3
## 25 4 5 2
## 26 1 4 4
## 27 5 5 2
## 28 5 4 1
## 29 5 4 5
## 30 5 5 2
## 31 5 5 2
## 32 4 4 5
## 33 5 5 5
## 34 5 5 1
## 35 5 5 2
## 36 1 5 4
## 37 1 1 3
## 38 5 4 5
## 39 5 2 5
## 40 5 5 2
## 41 5 5 2
## 42 5 5 5
## 43 1 1 3
## 44 4 5 1
## 45 5 5 2
## 46 5 5 1
## 47 5 5 5
## 48 5 2 5
## 49 5 1 3
## 50 5 5 2
## 51 1 5 4
## 52 5 5 2
## 53 5 5 2
## 54 4 4 1
## 55 5 4 1
## 56 2 1 3
## 57 4 4 2
## 58 5 5 1
## 59 5 1 5
## 60 2 5 2
## 61 5 5 2
## 62 5 5 1
## 63 5 1 5
## 64 2 5 4
## 65 1 5 4
## 66 4 3 1
## 67 4 4 1
## 68 5 5 2
## 69 5 5 1
## 70 5 2 1
## 71 4 5 2
## 72 4 5 2
## 73 5 5 5
## 74 1 3 3
## 75 1 1 3
## 76 5 5 1
## 77 5 3 3
## 78 3 5 1
## 79 1 4 3
## 80 5 5 2
## 81 5 5 2
## 82 5 5 2
## 83 5 5 2
## 84 5 1 3
## 85 5 5 2
## 86 5 5 1
## 87 2 5 2
## 88 5 5 2
## 89 5 5 2
## 90 5 5 1
## 91 5 5 2
## 92 2 5 2
## 93 5 5 1
## 94 5 5 2
## 95 2 4 3
## 96 5 4 1
## 97 1 5 4
## 98 5 5 1
## 99 5 5 2
## 100 3 5 4
## 101 5 5 1
## 102 5 5 2
## 103 4 5 1
## 104 5 5 1
## 105 5 5 1
## 106 5 5 27. Graficar resultados
# install.packages("ggplot2")
library(ggplot2)
#install.packages("factoextra")
library(factoextra)## Welcome! Want to learn more? See two factoextra-related books at https://goo.gl/ve3WBafviz_cluster(segmentos, data=clusterbase,
palette=c("red","blue","green","purple", "pink"),
ellipse.type = "euclid",
star.plot= T,
repel= T,
ggtheme = theme()
)
## 8. Optimizar cantidad de grupos
library(cluster)
library(data.table)
set.seed(123)9. aleatorio el 123
optimizacion <- clusGap(clusterbase, FUN= kmeans, nstart=1, K.max=10)
plot(optimizacion, xlab="Número de clusters k")
# El punto mas alto de la grafica indica la cantidad de grupos óptimo5. Perfilado de segmentos
library(dplyr)##
## Attaching package: 'dplyr'## The following objects are masked from 'package:data.table':
##
## between, first, last## The following objects are masked from 'package:stats':
##
## filter, lag## The following objects are masked from 'package:base':
##
## intersect, setdiff, setequal, unionlibrary(cluster)
datos_numericos <- bd[sapply(bd, is.numeric)]
datos_escalados <- scale(datos_numericos)
medianas <- apply(datos_escalados, 2, median)set.seed(123) # Para reproducibilidad
k <- 3 # Cambia este valor por el número de clusters que deseas
indices_centroides_iniciales <- sample(1:nrow(datos_escalados), k)
centroides_iniciales <- datos_escalados[indices_centroides_iniciales, ]1. Ejecutar k-means con los centroides iniciales
resultado_kmeans <- kmeans(datos_escalados, centers = centroides_iniciales)
print(resultado_kmeans)## K-means clustering with 3 clusters of sizes 65, 16, 25
##
## Cluster means:
## Antigüedad Salario Prestaciones Jornada_Laboral Herramientas Temperatura
## 1 0.04581365 0.3626082 0.4480907 0.4960589 0.4534784 0.08958709
## 2 -0.25138960 -1.2012483 -0.9008792 -0.1771124 -1.4441653 0.14653768
## 3 0.04177386 -0.1739824 -0.5884731 -1.1764012 -0.2547780 -0.32671056
## Estres Transporte Instalaciones Y_Rotacion Edad Dependientes
## 1 0.1524490 0.3710519 0.3370262 0.36734886 0.005728939 0.006750785
## 2 -0.9779247 -0.2133885 -1.1244849 -1.39741185 -0.313323737 0.207570080
## 3 0.2295043 -0.8281663 -0.1565978 -0.06076345 0.185631950 -0.150396891
##
## Clustering vector:
## [1] 1 1 2 1 3 1 3 1 3 1 3 1 1 1 1 1 1 1 2 2 1 3 3 3 1 3 1 3 1 1 1 2 2 1 1 3 2
## [38] 2 2 1 1 1 3 1 1 1 2 1 2 1 3 1 1 1 1 2 1 1 1 1 1 3 1 1 3 3 3 1 3 2 1 1 1 3
## [75] 2 2 2 3 2 1 1 1 1 3 1 1 1 1 1 1 1 1 1 1 3 3 3 3 1 1 1 1 3 1 1 1
##
## Within cluster sum of squares by cluster:
## [1] 500.5013 198.3966 272.8571
## (between_SS / total_SS = 22.9 %)
##
## Available components:
##
## [1] "cluster" "centers" "totss" "withinss" "tot.withinss"
## [6] "betweenss" "size" "iter" "ifault"2. Ajustar el modelo k-means para diferentes valores de k
set.seed(123) # Para reproducibilidad
wcss <- vector() # Inicializar vector para almacenar los valores de WCSS
max_k <- 10 # Puedes cambiar esto para probar con más clústeres si lo deseas
for (k in 1:max_k) {
kmeans_model <- kmeans(datos_escalados, centers = k, nstart = 25)
wcss[k] <- kmeans_model$tot.withinss
}3. Graficar el método del codo
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)
4. Establecer una semilla para la reproducibilidad
set.seed(178)5. Realizar K-means con 4 clusters
kmeans_result <- kmeans(datos_escalados, centers = 4)
kmeans_result$centers## Antigüedad Salario Prestaciones Jornada_Laboral Herramientas Temperatura
## 1 0.5807662 -0.6829375 -0.45964588 -0.4135247 -0.4343081 -0.44284509
## 2 -0.6797783 0.3870086 0.03848613 0.3077267 0.3534262 -0.22329552
## 3 0.6678854 0.5157127 0.87347752 0.4317614 0.5298353 0.74602847
## 4 -0.3334477 -1.0920974 -1.14243027 -1.1869967 -1.5243127 0.02556421
## Estres Transporte Instalaciones Y_Rotacion Edad Dependientes
## 1 -0.5718708 0.07328684 -0.1565978 0.1893696 0.3895726 0.5062559
## 2 0.3317205 0.04109209 0.3882955 -0.1597744 -0.6072619 -0.3380120
## 3 0.2560048 0.33743816 0.3817994 0.6363666 0.6584478 0.1927920
## 4 -0.5456353 -1.05573909 -1.8918372 -1.2671342 -0.1677008 -0.30543996. Añadir la columna de clusters al DataFrame original
bd1 <- bd
bd1$Cluster <- kmeans_result$cluster6. Árbol de Decisiones
1. Seleccionar variables de interes
variables <- bd[,c("Y_Rotacion","Salario", "Temperatura", "Edad", "Prestaciones")]
variables## Y_Rotacion Salario Temperatura Edad Prestaciones
## 1 4 5 2 30 4
## 2 5 4 3 54 4
## 3 1 2 3 21 1
## 4 4 5 4 20 4
## 5 3 3 4 43 1
## 6 5 4 2 61 5
## 7 3 2 2 55 3
## 8 5 5 4 29 4
## 9 5 4 5 56 1
## 10 5 5 1 36 4
## 11 5 5 5 56 5
## 12 5 5 5 36 4
## 13 5 4 1 30 5
## 14 4 4 1 24 4
## 15 4 5 1 42 5
## 16 3 4 4 27 2
## 17 4 2 3 26 2
## 18 5 5 5 45 5
## 19 1 1 4 38 1
## 20 2 4 3 21 1
## 21 5 4 1 26 1
## 22 3 4 5 35 1
## 23 3 4 1 22 3
## 24 4 4 3 24 1
## 25 5 4 4 51 4
## 26 5 5 1 46 2
## 27 5 4 1 30 4
## 28 3 3 3 25 1
## 29 5 4 1 54 5
## 30 5 3 5 58 4
## 31 5 5 5 50 4
## 32 4 1 1 25 5
## 33 1 5 5 20 2
## 34 2 4 2 24 2
## 35 3 5 3 27 4
## 36 5 4 1 51 2
## 37 1 1 5 43 1
## 38 1 4 5 26 5
## 39 5 4 1 50 1
## 40 5 5 4 34 5
## 41 5 5 5 30 5
## 42 5 2 2 34 4
## 43 5 1 1 43 5
## 44 4 4 1 51 3
## 45 4 5 5 25 5
## 46 5 5 1 21 2
## 47 2 2 5 28 2
## 48 5 4 1 58 3
## 49 1 1 5 26 2
## 50 5 5 5 36 5
## 51 5 5 1 21 5
## 52 5 3 4 25 3
## 53 5 5 5 68 5
## 54 5 4 4 18 2
## 55 5 3 4 20 2
## 56 3 4 1 53 1
## 57 4 4 5 30 4
## 58 5 4 1 39 5
## 59 5 5 5 49 5
## 60 5 5 5 47 5
## 61 4 5 1 36 5
## 62 3 2 1 26 1
## 63 5 2 1 43 5
## 64 5 5 1 23 5
## 65 4 4 1 22 4
## 66 3 4 1 24 2
## 67 5 1 1 46 3
## 68 3 5 5 30 5
## 69 4 4 3 33 2
## 70 4 2 1 37 2
## 71 4 1 4 54 4
## 72 5 5 5 31 5
## 73 5 5 3 53 5
## 74 3 3 3 46 2
## 75 1 1 5 18 1
## 76 3 1 5 40 3
## 77 4 1 1 35 1
## 78 5 5 3 44 1
## 79 2 1 4 28 1
## 80 5 5 5 42 5
## 81 5 4 5 33 4
## 82 5 5 5 24 5
## 83 5 5 1 29 5
## 84 5 5 1 42 1
## 85 5 5 2 51 5
## 86 2 5 1 20 1
## 87 1 5 5 22 4
## 88 5 5 5 33 5
## 89 5 5 2 45 4
## 90 5 5 5 28 1
## 91 5 4 5 56 4
## 92 3 3 5 28 5
## 93 5 3 4 34 3
## 94 5 2 5 23 5
## 95 4 2 5 41 2
## 96 4 4 4 26 4
## 97 5 5 1 49 3
## 98 1 4 5 43 2
## 99 5 5 5 48 4
## 100 4 4 1 27 5
## 101 4 4 5 20 1
## 102 5 5 5 41 5
## 103 4 2 3 28 2
## 104 3 4 1 21 2
## 105 5 5 1 39 3
## 106 5 4 5 21 5sapply(variables, function(x) sum(is.na(x)))## Y_Rotacion Salario Temperatura Edad Prestaciones
## 0 0 0 0 0variables <- na.omit(variables)2. Construir arbol de decisión
library(rpart)
library(rpart.plot)
library(dplyr)
arbol <- rpart(formula = Y_Rotacion ~ ., data=variables)
rpart.plot(arbol, box.palette = "Blues")
arbol## n= 106
##
## node), split, n, deviance, yval
## * denotes terminal node
##
## 1) root 106 171.849100 4.037736
## 2) Prestaciones< 2.5 40 81.975000 3.275000
## 4) Salario< 2.5 13 23.230770 2.461538 *
## 5) Salario>=2.5 27 46.000000 3.666667
## 10) Edad< 43.5 20 34.800000 3.400000 *
## 11) Edad>=43.5 7 5.714286 4.428571 *
## 3) Prestaciones>=2.5 66 52.500000 4.500000
## 6) Edad< 28.5 18 26.500000 3.833333 *
## 7) Edad>=28.5 48 15.000000 4.750000
## 14) Salario< 2.5 7 5.428571 4.285714 *
## 15) Salario>=2.5 41 7.804878 4.829268 *# Seleccionar variables de interes
variableshm <- bd[,c("Salario","Prestaciones","Jornada_Laboral", "Herramientas", "Temperatura", "Estres", "Transporte", "Instalaciones")]
variableshm## Salario Prestaciones Jornada_Laboral Herramientas Temperatura Estres
## 1 5 4 5 5 2 5
## 2 4 4 5 4 3 2
## 3 2 1 1 1 3 1
## 4 5 4 5 5 4 5
## 5 3 1 5 5 4 3
## 6 4 5 5 5 2 4
## 7 2 3 4 4 2 5
## 8 5 4 5 5 4 4
## 9 4 1 4 1 5 4
## 10 5 4 5 5 1 5
## 11 5 5 1 5 5 5
## 12 5 4 5 5 5 4
## 13 4 5 5 5 1 5
## 14 4 4 5 5 1 5
## 15 5 5 5 5 1 5
## 16 4 2 5 5 4 2
## 17 2 2 5 4 3 4
## 18 5 5 5 5 5 5
## 19 1 1 4 1 4 2
## 20 4 1 5 3 3 1
## 21 4 1 5 4 1 5
## 22 4 1 2 4 5 2
## 23 4 3 4 5 1 2
## 24 4 1 3 4 3 4
## 25 4 4 5 5 4 4
## 26 5 2 4 1 1 3
## 27 4 4 5 5 1 5
## 28 3 1 3 4 3 5
## 29 4 5 4 1 1 1
## 30 3 4 5 5 5 3
## 31 5 4 5 5 5 5
## 32 1 5 5 1 1 3
## 33 5 2 5 1 5 5
## 34 4 2 5 5 2 5
## 35 5 4 4 5 3 4
## 36 4 2 3 5 1 5
## 37 1 1 3 1 5 5
## 38 4 5 5 1 5 3
## 39 4 1 5 1 1 1
## 40 5 5 3 5 4 4
## 41 5 5 5 5 5 2
## 42 2 4 4 2 2 4
## 43 1 5 1 1 1 3
## 44 4 3 4 4 1 1
## 45 5 5 5 5 5 3
## 46 5 2 5 3 1 1
## 47 2 2 5 1 5 1
## 48 4 3 5 3 1 3
## 49 1 2 4 1 5 4
## 50 5 5 5 5 5 5
## 51 5 5 1 5 1 5
## 52 3 3 4 5 4 5
## 53 5 5 5 5 5 5
## 54 4 2 4 5 4 3
## 55 3 2 4 4 4 3
## 56 4 1 2 1 1 1
## 57 4 4 4 5 5 4
## 58 4 5 3 5 1 1
## 59 5 5 5 1 5 5
## 60 5 5 5 5 5 5
## 61 5 5 5 5 1 3
## 62 2 1 1 5 1 5
## 63 2 5 5 5 1 4
## 64 5 5 5 5 1 5
## 65 4 4 4 1 1 5
## 66 4 2 4 4 1 5
## 67 1 3 3 3 1 5
## 68 5 5 5 5 5 4
## 69 4 2 2 3 3 4
## 70 2 2 4 5 1 1
## 71 1 4 5 5 4 5
## 72 5 5 5 5 5 5
## 73 5 5 5 3 3 2
## 74 3 2 1 2 3 4
## 75 1 1 5 1 5 1
## 76 1 3 5 5 5 1
## 77 1 1 3 1 1 3
## 78 5 1 3 5 3 3
## 79 1 1 2 1 4 4
## 80 5 5 4 5 5 5
## 81 4 4 5 5 5 4
## 82 5 5 5 5 5 5
## 83 5 5 5 5 1 5
## 84 5 1 1 1 1 5
## 85 5 5 5 5 2 5
## 86 5 1 5 5 1 5
## 87 5 4 5 5 5 3
## 88 5 5 5 5 5 3
## 89 5 4 5 5 2 5
## 90 5 1 5 5 5 1
## 91 4 4 5 5 5 4
## 92 3 5 5 4 5 5
## 93 3 3 4 4 4 3
## 94 2 5 5 5 5 3
## 95 2 2 2 3 5 4
## 96 4 4 2 4 4 2
## 97 5 3 5 3 1 5
## 98 4 2 1 5 5 5
## 99 5 4 5 4 5 5
## 100 4 5 5 5 1 5
## 101 4 1 5 5 5 4
## 102 5 5 5 5 5 3
## 103 2 2 3 4 3 2
## 104 4 2 5 3 1 3
## 105 5 3 5 5 1 3
## 106 4 5 5 5 5 5
## Transporte Instalaciones
## 1 4 5
## 2 2 4
## 3 4 4
## 4 5 5
## 5 1 5
## 6 5 4
## 7 1 4
## 8 5 5
## 9 5 5
## 10 2 5
## 11 1 5
## 12 5 5
## 13 5 5
## 14 5 5
## 15 5 5
## 16 5 5
## 17 5 4
## 18 4 5
## 19 1 3
## 20 5 2
## 21 5 5
## 22 4 5
## 23 1 4
## 24 2 2
## 25 4 5
## 26 1 4
## 27 5 5
## 28 5 4
## 29 5 4
## 30 5 5
## 31 5 5
## 32 4 4
## 33 5 5
## 34 5 5
## 35 5 5
## 36 1 5
## 37 1 1
## 38 5 4
## 39 5 2
## 40 5 5
## 41 5 5
## 42 5 5
## 43 1 1
## 44 4 5
## 45 5 5
## 46 5 5
## 47 5 5
## 48 5 2
## 49 5 1
## 50 5 5
## 51 1 5
## 52 5 5
## 53 5 5
## 54 4 4
## 55 5 4
## 56 2 1
## 57 4 4
## 58 5 5
## 59 5 1
## 60 2 5
## 61 5 5
## 62 5 5
## 63 5 1
## 64 2 5
## 65 1 5
## 66 4 3
## 67 4 4
## 68 5 5
## 69 5 5
## 70 5 2
## 71 4 5
## 72 4 5
## 73 5 5
## 74 1 3
## 75 1 1
## 76 5 5
## 77 5 3
## 78 3 5
## 79 1 4
## 80 5 5
## 81 5 5
## 82 5 5
## 83 5 5
## 84 5 1
## 85 5 5
## 86 5 5
## 87 2 5
## 88 5 5
## 89 5 5
## 90 5 5
## 91 5 5
## 92 2 5
## 93 5 5
## 94 5 5
## 95 2 4
## 96 5 4
## 97 1 5
## 98 5 5
## 99 5 5
## 100 3 5
## 101 5 5
## 102 5 5
## 103 4 5
## 104 5 5
## 105 5 5
## 106 5 5# Construcción de heat map
cor_matrix <- cor(variableshm)
heatmap(cor_matrix,
col = colorRampPalette(c("blue", "white", "red"))(20),
main = "Heatmap de correlación entre causas de rotación",
margins = c(12, 9))
7. Perfilado de nodos
8. Nuevas preguntas, nuevos insights, nuevas visualizaciones
Objetivo: ¿Qué explica la Rotación de Personal?
- Desarrollar planes de acción para la reducción en la rotación de personal de FORM, encontrando los motivos por los que este se ha vuelto un problema en la empresa.
Sub-objetivos: - Conocer la relación entre el puesto y la probabilidad de que se quede en la empresa - ¿En base al puesto, edad, etc., la persona puede que se quede más tiempo en FORM o no? - Detectar causas relevantes que expliquen el fenómeno de la rotación de personal - Obtener resultados de tiempo en la empresa, utilizando la variables obtenidas en las respuestas de las encuestas
Insights:
Regresión Lineal:
Los factores principales que afectan si un empleado decide quedarse en
FORM son las prestaciones y el salario, seguido de edad, temperatura y
antigüedad, esta última no decido sin embargo es tomada en cuenta al
momento de tomar una decisión.
Árbol de Decisiones:
- Hay mayor probabilidad de que las personas que están satisfechas con
las prestaciones sean mayores a 29 años.
- Hay mayor probabilidad de que los colaborares mayores a 29 estén
insatisfechos con su salario al percibirlo injusto.
Heatmap: - Hay una correlación positiva fuerte entre la variable de
estres con la jornada laboral y el trasnporte, lo cual puede significar
que las largas jornadas de trabajo y la complicación de transporte a la
planta puede generar grandes niveles de estres.
- La temperatura es uno de los factores que mayormente genera
descontento entre los colabores y se relacionan con las variables de
herramientas e instalaciones principalmente. Esto quiere decir que las
condiciones laborales son percibidas como desfavorables.
9. Dashboard de encuesta de FORM
Imágen de AVANCE del dashboard 