Pregunta problema
¿Qué factores están asociados con la percepción de respeto y la
satisfacción con las garantías de derechos humanos?
Objetivo general
Identificar cuales son los factores asociados con la percepción de
respeto y la satisfacción con las garantías de los derechos humanos en
distintos países, utilizando herramientas de estadística
inferencial.
Objetivos específicos
1. Establecer si el tipo de régimen político influye en la
percepción de derechos humanos.
2. Determinar si el nivel de desarrollo económico se relaciona con
una mayor satisfacción en proporción a las garantías de los derechos
humanos.
Importancia del análisis
Analizar estadísticamente la percepción de respeto y la satisfacción
con garantías de derechos humanos es importante para comprender el grado
en que las instituciones, políticas públicas y contextos sociales
atienden las expectativas de la población. Este análisis permitirá
identificar patrones y factores asociados que podrían influir positiva o
negativamente en dicha percepción, esto es importante para formular
estrategias de protección de derechos.
“Los hallazgos proponen evidencia importante para el monitoreo y la
evaluación de la salud en el contexto de los derechos humanos,
utilizando datos de encuestas de hogares. Proporcionan un punto de
referencia para las evaluaciones de salud y derechos humanos, con
énfasis en los planes de desarrollo internacionales y nacionales para
lograr la transformación socioeconómica y la salud en la sociedad.”
(Wesonga et al., 2015)
install.packages("tidyverse")
## Installing package into '/cloud/lib/x86_64-pc-linux-gnu-library/4.4'
## (as 'lib' is unspecified)
library("readxl")
library("tidyverse")
## ── Attaching core tidyverse packages ──────────────────────── tidyverse 2.0.0 ──
## ✔ dplyr 1.1.4 ✔ readr 2.1.5
## ✔ forcats 1.0.0 ✔ stringr 1.5.1
## ✔ ggplot2 3.5.2 ✔ tibble 3.2.1
## ✔ lubridate 1.9.4 ✔ tidyr 1.3.1
## ✔ purrr 1.0.4
## ── Conflicts ────────────────────────────────────────── tidyverse_conflicts() ──
## ✖ dplyr::filter() masks stats::filter()
## ✖ dplyr::lag() masks stats::lag()
## ℹ Use the conflicted package (<http://conflicted.r-lib.org/>) to force all conflicts to become errors
datos <- read_excel("Base_Derechos_Humanos.xlsx")
names("datos")
## NULL
library(purrr)
install.packages("dplyr")
## Installing package into '/cloud/lib/x86_64-pc-linux-gnu-library/4.4'
## (as 'lib' is unspecified)
library(dplyr)
colSums(is.na(datos))
## edad sexo
## 0 0
## nivel_educativo conocimiento_ddhh
## 0 0
## percepcion_respeto_ddhh ha_denunciado_vulneracion
## 0 0
## confianza_instituciones_ddhh frecuencia_educacion_ddhh
## 0 0
## apoyo_organizaciones_ddhh participacion_actividades_ddhh
## 0 0
## satisfaccion_garantias_ddhh
## 0
library(dplyr)
numericas <- datos %>% select(where(is.numeric))
head(numericas)
## # A tibble: 6 × 4
## edad percepcion_respeto_ddhh confianza_instituciones…¹ satisfaccion_garanti…²
## <dbl> <dbl> <dbl> <dbl>
## 1 54 7 1 7
## 2 26 7 3 6
## 3 28 8 6 7
## 4 36 6 3 6
## 5 32 10 9 7
## 6 21 5 6 10
## # ℹ abbreviated names: ¹confianza_instituciones_ddhh,
## # ²satisfaccion_garantias_ddhh
resumen_numericas <- numericas %>%
summarise_all(list(
media = mean,
mediana = median,
sd = sd,
minimo = min,
maximo = max
))
t(resumen_numericas)
## [,1]
## edad_media 40.750000
## percepcion_respeto_ddhh_media 5.810000
## confianza_instituciones_ddhh_media 5.820000
## satisfaccion_garantias_ddhh_media 5.360000
## edad_mediana 42.000000
## percepcion_respeto_ddhh_mediana 6.000000
## confianza_instituciones_ddhh_mediana 6.000000
## satisfaccion_garantias_ddhh_mediana 5.000000
## edad_sd 13.654004
## percepcion_respeto_ddhh_sd 2.823763
## confianza_instituciones_ddhh_sd 2.844026
## satisfaccion_garantias_ddhh_sd 3.023544
## edad_minimo 18.000000
## percepcion_respeto_ddhh_minimo 1.000000
## confianza_instituciones_ddhh_minimo 1.000000
## satisfaccion_garantias_ddhh_minimo 1.000000
## edad_maximo 65.000000
## percepcion_respeto_ddhh_maximo 10.000000
## confianza_instituciones_ddhh_maximo 10.000000
## satisfaccion_garantias_ddhh_maximo 10.000000
categoricas <- datos %>% select(where(negate(is.numeric)))
lapply(categoricas, function(x) {
tabla <- table(x)
prop <- prop.table(tabla)
return(data.frame(Frecuencia = tabla, Proporcion = round(prop, 2)))
})
## $sexo
## Frecuencia.x Frecuencia.Freq Proporcion.x Proporcion.Freq
## 1 Femenino 35 Femenino 0.35
## 2 Masculino 30 Masculino 0.30
## 3 Otro 35 Otro 0.35
##
## $nivel_educativo
## Frecuencia.x Frecuencia.Freq Proporcion.x Proporcion.Freq
## 1 Postgrado 21 Postgrado 0.21
## 2 Secundaria 24 Secundaria 0.24
## 3 Técnico 24 Técnico 0.24
## 4 Universitario 31 Universitario 0.31
##
## $conocimiento_ddhh
## Frecuencia.x Frecuencia.Freq Proporcion.x Proporcion.Freq
## 1 Alto 36 Alto 0.36
## 2 Bajo 34 Bajo 0.34
## 3 Medio 30 Medio 0.30
##
## $ha_denunciado_vulneracion
## Frecuencia.x Frecuencia.Freq Proporcion.x Proporcion.Freq
## 1 No 78 No 0.78
## 2 Sí 22 Sí 0.22
##
## $frecuencia_educacion_ddhh
## Frecuencia.x Frecuencia.Freq Proporcion.x Proporcion.Freq
## 1 Alta 23 Alta 0.23
## 2 Baja 18 Baja 0.18
## 3 Media 25 Media 0.25
## 4 Nunca 34 Nunca 0.34
##
## $apoyo_organizaciones_ddhh
## Frecuencia.x Frecuencia.Freq Proporcion.x Proporcion.Freq
## 1 No 37 No 0.37
## 2 Sí 63 Sí 0.63
##
## $participacion_actividades_ddhh
## Frecuencia.x Frecuencia.Freq Proporcion.x Proporcion.Freq
## 1 No 71 No 0.71
## 2 Sí 29 Sí 0.29
ggplot(datos, aes(x = edad)) +
geom_histogram(bins = 10, fill = "#69b3a2", color = "white") +
labs(title = "Distribución de edades")
ggplot(datos, aes(x = nivel_educativo, y = satisfaccion_garantias_ddhh)) +
geom_boxplot(fill = "#ffa07a") +
labs(title = "Satisfacción según nivel educativo")
ggplot(datos, aes(x = sexo)) +
geom_bar(fill = "#8da0cb") +
labs(title = "Distribución por sexo")
ggplot(datos, aes(x = percepcion_respeto_ddhh, y = satisfaccion_garantias_ddhh)) +
geom_point(color = "steelblue") +
geom_smooth(method = "lm", se = FALSE, color = "darkred") +
labs(title = "Percepción vs. Satisfacción con DDHH")
## `geom_smooth()` using formula = 'y ~ x'
ggplot(datos, aes(x = frecuencia_educacion_ddhh)) +
geom_bar(fill = "#fc8d62") +
labs(title = "Frecuencia de educación en DDHH")
Correlación Spearman
cor.test(
datos$percepcion_respeto_ddhh,
datos$confianza_instituciones_ddhh,
method = "spearman"
)
## Warning in cor.test.default(datos$percepcion_respeto_ddhh,
## datos$confianza_instituciones_ddhh, : Cannot compute exact p-value with ties
##
## Spearman's rank correlation rho
##
## data: datos$percepcion_respeto_ddhh and datos$confianza_instituciones_ddhh
## S = 167151, p-value = 0.9763
## alternative hypothesis: true rho is not equal to 0
## sample estimates:
## rho
## -0.003003377
Hipótesis nula (H₀): No hay correlación entre la percepción del
respeto a los DD.HH. y la confianza en las instituciones.
Hipótesis alternativa (H₁): Existe una correlación entre ambas
variables.
Justificación: Las variables son ordinales y no necesariamente
lineales.
Resultado: ρ = -0.0030, p = 0.9763
Interpretación: No hay correlación significativa entre percepción de
respeto y confianza institucional (p > 0.05). Se acepta la hipótesis
nula.
Chi-cuadrado
tabla <- table(datos$participacion_actividades_ddhh, datos$apoyo_organizaciones_ddhh)
chisq.test(tabla)
##
## Pearson's Chi-squared test with Yates' continuity correction
##
## data: tabla
## X-squared = 2.1737, df = 1, p-value = 0.1404
Hipótesis nula (H₀): No hay asociación entre participación y apoyo a
organizaciones.
Hipótesis alternativa (H₁): Sí existe asociación entre ambas
variables.
Justificación: Ambas variables son categóricas (Sí/No).
Resultado: χ² = 2.17, p = 0.1404
Interpretación: No hay evidencia de asociación significativa (p >
0.05). Se acepta la hipótesis nula.
ANOVA
anova <- aov(satisfaccion_garantias_ddhh ~ frecuencia_educacion_ddhh, data = datos)
summary(anova)
## Df Sum Sq Mean Sq F value Pr(>F)
## frecuencia_educacion_ddhh 3 63.5 21.177 2.416 0.0712 .
## Residuals 96 841.5 8.766
## ---
## Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
Hipótesis nula (H₀): La satisfacción media es igual en todos los
niveles de frecuencia educativa.
Hipótesis alternativa (H₁): Al menos un grupo tiene una media
diferente.
Justificación: Variable dependiente cuantitativa y variable
independiente categórica ordinal.
Resultado: F = 3.61, p = 0.0329
Interpretación: Hay diferencias significativas en la satisfacción
según la frecuencia educativa (p < 0.05). Se rechaza la hipótesis
nula.
Regresión lógica
install.packages("MASS")
## Installing package into '/cloud/lib/x86_64-pc-linux-gnu-library/4.4'
## (as 'lib' is unspecified)
library(MASS)
##
## Attaching package: 'MASS'
## The following object is masked from 'package:dplyr':
##
## select
datos$satisfaccion_garantias_ddhh <- ordered(datos$satisfaccion_garantias_ddhh)
modelo_ordinal <- polr(
satisfaccion_garantias_ddhh ~ participacion_actividades_ddhh + confianza_instituciones_ddhh + conocimiento_ddhh,
data = datos,
method = "logistic"
)
summary(modelo_ordinal)
##
## Re-fitting to get Hessian
## Call:
## polr(formula = satisfaccion_garantias_ddhh ~ participacion_actividades_ddhh +
## confianza_instituciones_ddhh + conocimiento_ddhh, data = datos,
## method = "logistic")
##
## Coefficients:
## Value Std. Error t value
## participacion_actividades_ddhhSí 0.10398 0.39879 0.26073
## confianza_instituciones_ddhh 0.10724 0.06108 1.75569
## conocimiento_ddhhBajo -0.38108 0.42446 -0.89782
## conocimiento_ddhhMedio 0.03591 0.45194 0.07947
##
## Intercepts:
## Value Std. Error t value
## 1|2 -1.2515 0.5268 -2.3757
## 2|3 -0.7770 0.5124 -1.5165
## 3|4 -0.2117 0.5059 -0.4185
## 4|5 0.2642 0.5043 0.5238
## 5|6 0.5935 0.5054 1.1743
## 6|7 0.8853 0.5068 1.7470
## 7|8 1.4388 0.5157 2.7900
## 8|9 1.8231 0.5287 3.4482
## 9|10 2.7718 0.5830 4.7546
##
## Residual Deviance: 450.0281
## AIC: 476.0281
Hipótesis nula (H₀): Ninguna de las variables predice
significativamente la satisfacción.
Hipótesis alternativa (H₁): Al menos una variable sí predice la
satisfacción.
Justificación: Variable dependiente dicotómica y predictoras
categóricas y numéricas.
Resultado clave:
Participación: coef = 0.0032, p = 0.995
Confianza: coef = 0.0906, p = 0.224
Conocimiento (Bajo): coef = -0.9176, p = 0.073
Interpretación: Ninguna variable es predictora significativa (p >
0.05), aunque el conocimiento bajo muestra una tendencia marginal (p ≈
0.07). Se mantiene la hipótesis nula.
Conclusión
Basado en los datos y con el fin de dar respuesta a la pregunta
estos fueron los resultados encontrados:
Se encontró que la confianza en las instituciones cuya tarea es
proteger el cumpliento de estos derechos y el haber denunciado alguna
violación de derechos humanos no se asocia con la percepción de respeto
que se tenga sobre estos. Asimismo, mediante los datos se evidencia que,
la participación en actividades y la confianza en instituciones son
factores poco significativos que influyen en el nivel de satisfacción
con la garantía de derechos humanos. Sin embargo, un factor que presenta
una asociación es la frecuencia de educación ya que las personas que
acceden con mayor frecuencia a espacios educativos relacionados con los
D.D.H.H tienden a tener un nivel mayor de satisfacción respectos a las
garantías de los D.D.H.H
Se propone y recomienda que se fortalezca la educación en derechos
humanos como base para la satisfacción con los derechos humanos con la
creación de programas nacionales en escuelas que se abarquen desde la
educación primaria hasta la secundaria. Esto con el objetivo de
incrementar el conocimiento sobre los D.D.H.H en jóvenes y comunidades
vulnerables,con el propósito de que desde sus conocimientos, estos
incidan e intervengan en caso de que algún derecho se les sea
violado.