Dataset Salarios al rededor del mundo
08/12/2023
Introduccion
En el siguiente informe se analizara un dataSet sobre el salario de diferente tipos de personas al rededor del mundo y de diferentes razas de personas
Origen y obtencion del dataset
El dataSet fue obtenido en la pagina de ‘Kaggle’
https://www.kaggle.com/datasets/amirmahdiabbootalebi/salary-by-job-title-and-country
Este conjunto de datos se origina a partir de una combinación de encuestas salariales disponibles públicamente, datos recopilados por sitios web de búsqueda de empleo de buena reputación y estadísticas laborales gubernamentales. Ha sido cuidadosamente seleccionado para garantizar la precisión y exhaustividad de los datos.
Importar el dataset desde el archivo CSV
Salario <- read.csv("C:/Users/Chovi/Desktop/Salary.csv")Visualizacion de datos
head(Salario)## Edad Sexo NivelEducativo PuestoTrabajo AñosExperiencia Salario Pais
## 1 32 Male 1 Software Engineer 5 90000 UK
## 2 28 Female 2 Data Analyst 3 65000 USA
## 3 45 Male 3 Manager 15 150000 Canada
## 4 36 Female 1 Sales Associate 7 60000 USA
## 5 52 Male 2 Director 20 200000 USA
## 6 29 Male 1 Marketing Analyst 2 55000 USA
## Raza senior
## 1 White 0
## 2 Hispanic 0
## 3 White 1
## 4 Hispanic 0
## 5 Asian 0
## 6 Hispanic 0Limpieza de datos para un mejor manejo de estos
Salario <- Salario %>%
select(-senior, -Raza, -Pais)
write.csv(Salario, 'SalarioLimpio.csv', row.names = FALSE)Verificar que esten limpios exitosamente
Se ha realizado una modifucacion de los datos eliminando algunas columnas como: seniors, raza, pais
head(Salario)## Edad Sexo NivelEducativo PuestoTrabajo AñosExperiencia Salario
## 1 32 Male 1 Software Engineer 5 90000
## 2 28 Female 2 Data Analyst 3 65000
## 3 45 Male 3 Manager 15 150000
## 4 36 Female 1 Sales Associate 7 60000
## 5 52 Male 2 Director 20 200000
## 6 29 Male 1 Marketing Analyst 2 55000Propuesta de hipotesis nula (H0) e hipotesis alternativa (H1)
En este caso investigaremos si existen diferencias salariales significativa entre direfentes grupos de empreados en funcion de su nivel educativo
Hipotesis Nula (H0)
No hay diferencia significativa en el salario entre los grupos de empleados con diferentes niveles educativos.
Hipotesis Alternativa (H1)
Hay una diferencia significativa en el salario entre los grupos de empleados con diferentes niveles educativos.
Recuento estadistico sobre el nivel educativo
summary(Salario$NivelEducativo)## Min. 1st Qu. Median Mean 3rd Qu. Max.
## 0.000 1.000 1.000 1.622 2.000 3.000- 0 educación secundaria | 1 licenciatura | 2 maestría | 3 doctorado -
Recuento estadistico sobre el Salario
summary(Salario$Salario)## Min. 1st Qu. Median Mean 3rd Qu. Max.
## 350 70000 115000 115307 160000 250000El valor de los salarios en base a Dolares Americanos (USD)
Grafico de punto
Este grafico de puntos tiene relacion entre el salario de las personas y su nivel educacion utilizando una muestra de 250 personas
muestra <- Salario %>% sample_n(250)
ggplot(muestra, aes(x = NivelEducativo, y = Salario)) +
geom_point(color = "orange") +
geom_smooth(method = "lm", se = FALSE, color = "green") +
labs(x = "Nivel Educativo", y = "Salario", title = "Relación entre Nivel Educativo y Salario en una Muestra de 250 Personas")## `geom_smooth()` using formula = 'y ~ x'
- 0 educación secundaria | 1 licenciatura | 2 maestría | 3 doctorado -
Grafico de mujeres
Este grafico esta realizado solo con mujeres
muestra <- Salario %>% sample_n(250)
muestra_mujeres <- muestra %>% filter(Sexo == "Female")
ggplot(muestra_mujeres, aes(x = NivelEducativo, y = Salario)) +
geom_point(color = "purple") +
geom_smooth(method = "lm", se = FALSE, color = "green") +
labs(x = "Nivel Educativo", y = "Salario", title = "Relación entre Nivel Educativo y Salario en Mujeres unicamente")## `geom_smooth()` using formula = 'y ~ x'
- 0 educación secundaria | 1 licenciatura | 2 maestría | 3 doctorado -
Grafico de hombres
Este grafico esta realizado solo con hombres
muestra <- Salario %>% sample_n(250)
muestra_hombres <- muestra %>% filter(Sexo == "Male")
ggplot(muestra_hombres, aes(x = NivelEducativo, y = Salario)) +
geom_point(color = "darkblue") +
geom_smooth(method = "lm", se = FALSE, color = "green") +
labs(x = "Nivel Educativo", y = "Salario", title = "Relación entre Nivel Educativo y Salario en hombres unicamente")## `geom_smooth()` using formula = 'y ~ x'
- 0 educación secundaria | 1 licenciatura | 2 maestría | 3 doctorado -
Grafico de caja
Este grafico de cajatiene relacion entre el sueldo y el genero de las personas
ggplot(Salario, aes(x = Sexo, y = Salario, fill = Sexo)) +
geom_boxplot() +
labs(x = "Género", y = "Salario", title = "Comparación de Salario entre Hombres y Mujeres") +
scale_fill_manual(values = c("Male" = "darkblue", "Female" = "purple"))
Test sobre los Datos
Prueba ANOVA para grupos de edad
La prueba de ANOVA revela diferencias significativas en el salario y la edad de las personas. Específicamente, se observa que el grupo de edad impacta de manera significativa en el salario, indicando que hay variaciones en el salario entre diferentes rangos de edad.
anova_edad <- aov(Salario ~ Edad, data = Salario)
summary(anova_edad)## Df Sum Sq Mean Sq F value Pr(>F)
## Edad 1 9.886e+12 9.886e+12 7550 <2e-16 ***
## Residuals 6682 8.750e+12 1.309e+09
## ---
## Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1Prueba ANOVA para genero
La prueba de ANOVA muestra diferencias estadísticamente significativas en el salario y el genero de las personas. Se observa que el género tiene un impacto significativo en el salario, indicando que hay variaciones en el tiempo de sueño entre hombres y mujeres.
anova_genero <- aov(Salario~ Sexo, data = Salario)
summary(anova_genero)## Df Sum Sq Mean Sq F value Pr(>F)
## Sexo 1 3.019e+11 3.019e+11 110 <2e-16 ***
## Residuals 6682 1.833e+13 2.744e+09
## ---
## Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1ANOVA para la interacción nivel educacional y salario
Los resultados sugieren que hay una asociación significativa entre el nivel educativo y Salario que ganan las personas. El Nivel de educacion tiene un impacto significativo en el Salario
anova_salario <- aov(Salario~ NivelEducativo, data = Salario)
summary(anova_salario)## Df Sum Sq Mean Sq F value Pr(>F)
## NivelEducativo 1 7.764e+12 7.764e+12 4771 <2e-16 ***
## Residuals 6682 1.087e+13 1.627e+09
## ---
## Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1Conclucion e interpretacion de los datos
En los graficos de puntos que se han proporcionado, no se logra apreciar una diferencia significativa entre el salario recibido por hombres y mujeres, pero si podemos encontrar una diferencia de sueldo bastante amplia entre el nivel educacional y el sueldo de las personas. Podemos decir que a mayor nivel educacional, las personas obtienen un mayor sueldo a diferencia de las personas con menos nivel eduacional, cuyo sueldo es menor.
Adicionalmente, gracias a los datos obtenidos en el grafico de caja, se logra apreciar de mejor manera la diferencia de salario entre hombres y mujeres que el grafico de puntos no nos lograba dar. esto gracias a que con el grafico de caja se trabajo con toda la poblacion del data set y no con una pequeña muestra
En conclucion, podemos decir que en base a la evidencia mostrada por los diferentes graficos que se han entregado, son de ayuda para rechazar la hipotesis nula y respaldar la hipotesis alterativa. La diferencia observada en el sueldo de las personas sugiere que a mayor nivel de educacion mayor podra ser su sueldo.