Informe Descriptivo sobre Salarios de Profesores

Introducción

El presente informe tiene como objetivo analizar los salarios de profesores universitarios en relación con el género y otras características relevantes. Se utilizan datos recopilados de un conjunto de profesores, donde se incluyen variables como salario, género, años de servicio, entre otras variables. El análisis busca identificar posibles diferencias salariales entre hombres y mujeres, así como determinar si estas diferencias pueden explicarse exclusivamente por el género o si otros factores también desempeñan un papel significativo, para ello, se utilizó la función ggplot para mayor comodidad para el análisis.

1. Análisis Descriptivo

1.1 Diferencia Salarial entre Hombres y Mujeres

Para investigar si existe una diferencia salarial entre hombres y mujeres, se realizó una prueba t. Los resultados mostraron una diferencia salarial estadísticamente significativa (p = 0.0027), lo que sugiere que los salarios varían según el género.

# Código para la prueba t
t.test(salary ~ sex, data = salaries)

1.2 Factores que explican la Diferencia Salarial

1.2.1 Comparación de características entre Hombres y Mujeres

Se compararon las características de antigüedad y experiencia académica entre hombres y mujeres, así como la distribución en el escalafón docente y áreas teóricas/aplicadas.

# Código para visualizar características entre hombres y mujeres
# Comparación de antigüedad entre hombres y mujeres

ggplot(salaries, aes(x = sex, y = yrs.since.phd, fill = sex)) +
  geom_boxplot() +
  labs(x = "Género", y = "Años desde el doctorado", title = "Comparación de antigüedad entre hombres y mujeres")

ggplot(salaries, aes(x = sex, y = yrs.service, fill = sex)) +
  geom_boxplot() +
  labs(x = "Género", y = "Años de servicio", title = "Comparación de experiencia académica entre hombres y mujeres")

# Comparación de distribución en el escalafón docente y áreas disciplinarias

ggplot(salaries, aes(x = rank, fill = sex)) +
  geom_bar(position = "dodge") +
  labs(x = "Rango académico", y = "Número de profesores", title = "Distribución de profesores por rango académico y género")

ggplot(salaries, aes(x = discipline, fill = sex)) +
  geom_bar(position = "dodge") +
  labs(x = "Área disciplinaria", y = "Número de profesores", title = "Distribución de profesores por área disciplinaria y género")

1.2.2 Relación entre características y salario

Se ajustó un modelo de regresión lineal múltiple para analizar la relación entre salario y otras variables predictoras, incluyendo género, antigüedad, experiencia, rango académico y disciplina. El análisis mostró que, aunque el género no es significativo (p = 0.2158), otras variables como años de servicio, rango académico y disciplina sí lo son.

# Código para ajustar el modelo de regresión

lm_model <- lm(salary ~ sex + yrs.since.phd + yrs.service + rank + discipline, data = salaries)

summary(lm_model)

Conclusiones

Se evidencia una diferencia salarial significativa entre hombres y mujeres, según la prueba t realizada (p = 0.0027).

Las diferencias salariales no son exclusivamente atribuibles al género de los profesores. Factores como años de servicio, rango académico y disciplina también influyen en el salario.

Basándonos en los resultados obtenidos, se evidencia una diferencia salarial significativa entre hombres y mujeres, con hombres recibiendo salarios más altos en promedio. Sin embargo, el análisis de regresión múltiple revela que estas diferencias salariales no pueden atribuirse exclusivamente al género, ya que otros factores como la antigüedad, el rango académico y el área disciplinaria también influyen en los salarios. Por lo tanto, mientras que el género puede ser un factor contribuyente, no es el único determinante de las diferencias salariales observadas. Es importante considerar estos hallazgos al abordar cuestiones de equidad salarial en el ámbito académico y tomar medidas para abordar las disparidades salariales en función de una variedad de factores.