TAREA 2

Encuesta Nacional de Salud y Nutricion 2018

El presente estudio utiliza datos provenientes de la Encuesta Nacional de Salud y Nutrición (ENSANUT) 2018 con el objetivo de analizar dos dimensiones clave de la salud y bienestar de las mujeres ecuatorianas: (i) el ingreso mensual autodeclarado y (ii) la prevalencia de depresión postparto.

Cambiar directorio de trabajo setwd(“C:\Users\Garciadaniel\Desktop\TAREA 2 BUSINESS”)

options(repos = c(CRAN = "https://cloud.r-project.org"))
library(haven)
data <- read_dta("Data1_R.dta")
View(data)
library(haven)
data <- read_dta("Data1_R.dta")
View(data)
head(data)
# A tibble: 6 × 50
  area       empleo          region   edad t_hijos nac_vivo_murieron mortinato_2
  <dbl+lbl>  <dbl+lbl>       <dbl+l> <dbl>   <dbl> <dbl+lbl>         <dbl+lbl>  
1 1 [Urbano] 1 [Trabajó al… 1 [Sie…    19       1 0 [No]            0 [No]     
2 1 [Urbano] 0 [No trabajó] 1 [Sie…    23       1 0 [No]            0 [No]     
3 1 [Urbano] 1 [Trabajó al… 1 [Sie…    38       5 0 [No]            0 [No]     
4 1 [Urbano] 0 [No trabajó] 1 [Sie…    18       1 0 [No]            0 [No]     
5 1 [Urbano] 0 [No trabajó] 1 [Sie…    21       1 0 [No]            0 [No]     
6 1 [Urbano] 1 [Trabajó al… 1 [Sie…    22       1 0 [No]            0 [No]     
# ℹ 43 more variables: depresion_pp <dbl+lbl>, intensidad_dpp <dbl+lbl>,
#   etnia <dbl+lbl>, f2_s2_216_1 <dbl+lbl>, f2_s2_216_2 <dbl>,
#   f2_s2_218_1_a <dbl+lbl>, tiempo_dpp <dbl+lbl>, f2_s5_504a_1 <dbl+lbl>,
#   f2_s5_504b_1 <dbl+lbl>, f2_s5_504c_1 <dbl+lbl>, f2_s5_504d_1 <dbl+lbl>,
#   f2_s5_504e_1 <dbl+lbl>, f2_s5_504f_1 <dbl+lbl>, f2_s5_504g_1 <dbl+lbl>,
#   f2_s5_504h_1 <dbl+lbl>, f2_s5_504i_1 <dbl+lbl>, f2_s5_504j_1 <dbl+lbl>,
#   f2_s5_504k_1 <dbl+lbl>, est_civil <dbl+lbl>, q_usted <dbl+lbl>, …
  1. Ingreso mensual de las mujeres

Estadísticas descriptivas

media <- mean(data$ingrl, na.rm = TRUE)  # Calcula la media
print(media)
[1] 162.6633
desviacion <- sd(data$ingrl, na.rm = TRUE)  # Calcula la desviación estándar
print(desviacion)
[1] 329.8832

El ingreso promedio mensual de las mujeres encuestadas en 2018 fue de USD 162,66, con una desviación estándar de USD 329,88, lo que refleja una elevada dispersión en la distribución de los ingresos y sugiere marcadas desigualdades económicas. Este valor se encuentra significativamente por debajo del Salario Básico Unificado vigente en ese año (USD 386), lo que evidencia una brecha estructural de ingresos por género en el mercado laboral ecuatoriano.

Tamaño de la muestra y error estándar

n <- length(data$ingrl)  # Número de observaciones
print(n)
[1] 16451

summary(data$ingrl)

error_estandar <- desviacion / sqrt(n)
print(error_estandar)
[1] 2.571959

La muestra de la encuesta está compuesta por 16.451 observaciones. El error estándar asociado a la estimación del ingreso promedio es de 2,57, un valor relativamente bajo en relación con la media, lo que indica un alto grado de precisión en la estimación del ingreso medio poblacional.

Intervalo de confianza

z <- qnorm(0.975)  # Z-score para un intervalo de confianza del 95%
z2<- qnorm(0.95)   # Z-score para un intervalo de confianza del 90%
z3<- qnorm(0.995)   # Z-score para un intervalo de confianza del 99%
margen_error <- z * error_estandar  # Margen de error
print(margen_error)
[1] 5.040948
IC_inferior <- media - margen_error
print(IC_inferior)
[1] 157.6223
IC_superior <- media + margen_error
print(IC_superior)
[1] 167.7042
cat("El intervalo de confianza para la media de 'ingrl' es: [", IC_inferior, ",", IC_superior, "]\n")
El intervalo de confianza para la media de 'ingrl' es: [ 157.6223 , 167.7042 ]
intervalo95<-cbind(IC_inferior,media,IC_superior);intervalo95 #Para transformar a matriz
     IC_inferior    media IC_superior
[1,]    157.6223 162.6633    167.7042
colnames(intervalo95)<-c("IC_low","media","IC_high");intervalo95 #Para cambiar nombres más cortos de columnas
       IC_low    media  IC_high
[1,] 157.6223 162.6633 167.7042

Intervalo de confianza simplificado

media_test <- t.test(data$ingrl, conf.level = 0.95)
print(media_test$conf.int)
[1] 157.6220 167.7046
attr(,"conf.level")
[1] 0.95

Con un nivel de confianza del 95%, se estima que el ingreso promedio poblacional se encuentra en el rango de USD 157,62 a USD 167,70.

Gráfico de intervalo de confianza

labels<-c("CI_95")
names(labels)<-labels
labelsre1<-round(c(media),2) 
labelsre2<-round(c(IC_inferior),2) 
labelsre3<-round(c(IC_superior),2) 
names(labelsre1)<-labelsre1

xre1<-c(media)
y1<-(4)
lre1<-c(IC_inferior)
ure1<-c(IC_superior)
options(repos = c(CRAN = "https://cloud.r-project.org"))
install.packages("plotrix")
package 'plotrix' successfully unpacked and MD5 sums checked

The downloaded binary packages are in
    C:\Users\Garciadaniel\AppData\Local\Temp\Rtmp8yeWeh\downloaded_packages
library(plotrix)
plotCI(xre1,y1, ui=ure1,li=lre1,col="#898989",scol="#898989",
       err="x",
       axes=FALSE,   ## disable axes (including tick labels)
       pch=21,
       pt.bg=16,
       cex = 0.30,
       slty = 1,
       lwd=1,
       xlab="",
       ylab="",
       ylim=c(1,7),
       xlim=c(154,169),   ## suppress x-axis label
       main="Intervalo de Confianza para el Ingreso Promedio",
       cex.main=0.85,
       font.main = 1)
abline(v = xre1, col = "red",lty = 2)
#text(-200,"Media",col="blue")
axis(side=1,cex.axis=0.65)         ## add default y-axis (ticks+labels)
axis(side=2,at=4,  ## add custom x-axis
     labels= labels,cex.axis=0.30)
box(bty="l")         ## add box
text(xre1, y1+0.03, labelsre1, cex = 0.65, pos= 3)
text(lre1, y1+0.03, labelsre2, cex = 0.65, pos= 3)
text(ure1, y1+0.03, labelsre3, cex = 0.65, pos= 3)

El gráfico representa visualmente el intervalo de confianza para la media del ingreso, donde la línea roja indica el valor observado de la media. La representación gráfica permite corroborar la brecha existente respecto al ingreso promedio.”

  1. Proporción de mujeres con depresión postparto
library(haven)
p <- sum(as_factor(data$depresion_pp) == "Si", na.rm = TRUE) / sum(!is.na(data$depresion_pp))
print(p)
[1] 0.2202298

El 22% de las mujeres encuestadas reportó haber experimentado depresión postparto. Este hallazgo evidencia una problemática relevante de salud pública que debe ser priorizada en el diseño e implementación de políticas públicas orientadas a la salud mental materna.

n <- length(data$depresion_pp)
print(n)
[1] 16451

Error estándar

error_estandarp <- sqrt((p * (1 - p)) / n)
print(error_estandarp)
[1] 0.003230912

El error estándar asociado a la estimación de la proporción de mujeres con depresión postparto fue de 0,0032, lo que refleja un alto nivel de precisión estadística en la estimación de esta proporción a nivel poblacional.

margen_errorp <- z * error_estandarp
print(margen_errorp)
[1] 0.006332472

El margen de error estimado para la proporción de mujeres ecuatorianas con depresión postparto es de 0,006, lo que refuerza la precisión y confiabilidad.

Intervalo de confianza

IC_inferiorp <- p - margen_errorp
print(IC_inferiorp)
[1] 0.2138973
IC_superiorp <- p + margen_errorp
print(IC_superiorp)
[1] 0.2265622

Con un nivel de confianza del 95%, se estima que la proporción de mujeres ecuatorianas que han experimentado depresión postparto se encuentra en el rango comprendido entre el 21,4% y el 22,7%, lo que evidencia una alta prevalencia de esta condición en esta población.

Se muestra el intervalo de confianza

cat("El intervalo de confianza para la media de 'mujeres con depresión post partol' es: [", IC_inferiorp, ",", IC_superiorp, "]")
El intervalo de confianza para la media de 'mujeres con depresión post partol' es: [ 0.2138973 , 0.2265622 ]
intervalo95p<-cbind(IC_inferiorp,p,IC_superiorp);intervalo95p #Para transformar a matriz
     IC_inferiorp         p IC_superiorp
[1,]    0.2138973 0.2202298    0.2265622
colnames(intervalo95p)<-c("IC_low","p","IC_high");intervalo95p #Para cambiar nombres más cortos de columnas
        IC_low         p   IC_high
[1,] 0.2138973 0.2202298 0.2265622

Intervalo de confianza simplificado

library(haven)
depresion_factor <- as_factor(data$depresion_pp)

prop_test <- prop.test(
  sum(depresion_factor == "Si", na.rm = TRUE),  # éxitos
  sum(!is.na(depresion_factor)),                # total válido
  conf.level = 0.95
)
print(prop_test$conf.int)
[1] 0.2139329 0.2266579
attr(,"conf.level")
[1] 0.95

Con un nivel de confianza del 95%, se estima que entre el 21,4 % y el 22,7 % de las mujeres ecuatorianas presentan síntomas de depresión postparto, lo que pone de manifiesto una prevalencia significativa de esta condición en el país.

Prueba de hipótesis

Se plantean dos pruebas de hipótesis para evaluar si el ingreso medio problacional difiere de USD 450

H0: El ingreso promedio poblacional es igual a USD 450
HA: El ingreso promedio poblacional es diferente a USD 450
t_prueba <- t.test(data$ingrl, mu = 450, conf.level = 0.95)
print(t_prueba)

    One Sample t-test

data:  data$ingrl
t = -111.72, df = 16450, p-value < 2.2e-16
alternative hypothesis: true mean is not equal to 450
95 percent confidence interval:
 157.6220 167.7046
sample estimates:
mean of x 
 162.6633

Análisis: El p-valor es estadísticamente significativo. Se rechaza la hipótesis nula, indicando que el ingreso promedio es significativamente diferente de USD 450.

if (t_prueba$p.value < 0.05) {
  cat("Rechazamos la hipótesis nula: Entonces tenemos evidencia de que la media de 'ingrl' es diferente de 450.\n")
} else {
  cat("No rechazamos la hipótesis nula: Entonces tenemos evidencia de que la media de 'ingrl' es igual a 450.\n")
}
Rechazamos la hipótesis nula: Entonces tenemos evidencia de que la media de 'ingrl' es diferente de 450.
H0: El ingreso promedio poblacional es mayor e igual a $450
HA: El ingreso promedio poblacional es menor a $450
t_prueba2 <- t.test(data$ingrl, mu = 450, alternative = "less", conf.level = 0.95)
print(t_prueba2)

    One Sample t-test

data:  data$ingrl
t = -111.72, df = 16450, p-value < 2.2e-16
alternative hypothesis: true mean is less than 450
95 percent confidence interval:
    -Inf 166.894
sample estimates:
mean of x 
 162.6633

Análisis: El p-valor es estadísticamente significativo. Se rechaza la hipótesis nula, concluyendo que la media poblacional es significativamente menor a USD 450.

Interpretación de resultados

if (t_prueba$p.value < 0.05) {
  cat("Rechazamos la hipótesis nula: Entonces tenemos evidencia de que la media poblacional de 'ingrl' es menor a 450.\n")
} else {
  cat("No rechazamos la hipótesis nula: Entonces tenemos evidencia de que la media poblacional de 'ingrl' es mayor e igual a 450.\n")
}
Rechazamos la hipótesis nula: Entonces tenemos evidencia de que la media poblacional de 'ingrl' es menor a 450.

Prueba de hipótesis de proporciones

Prueba de hipótesis para proporción de ‘depresion_pp’

H0: La proporción poblacional es igual a 0.10
HA: La proporción poblacional es diferente a 0.10
library(haven)
depresion <- as_factor(data$depresion_pp)
prop_test <- prop.test(
  sum(depresion == "Si", na.rm = TRUE),              # cantidad de "Si"
  sum(!is.na(depresion)),                            # total válido
  p = 0.10,                                          # proporción esperada
  conf.level = 0.95
)
print(prop_test)

    1-sample proportions test with continuity correction

data:  sum(depresion == "Si", na.rm = TRUE) out of sum(!is.na(depresion)), null probability 0.1
X-squared = 2640.9, df = 1, p-value < 2.2e-16
alternative hypothesis: true p is not equal to 0.1
95 percent confidence interval:
 0.2139329 0.2266579
sample estimates:
        p 
0.2202298

Análisis: El p-valor es estadísticamente significativo, lo indica que la proporción real (22%) es estadísticamente # diferente al valor de referencia del 10%. Este hallazgo demuestra que la depresión # postparto afecta a más del doble de mujeres de lo que hipotéticamente se esperaba.

# Interpretar los resultados:
# Si el valor p es menor a 0.05, rechazamos la hipótesis nula
if (prop_test$p.value < 0.05) {
  cat("Rechazamos la hipótesis nula: Entonces tenemos evidencia de que la proporción de 'depresion_pp' es diferente a 0.10.\n")
} else {
  cat("No rechazamos la hipótesis nula: Entonces tenemos evidencia de que la proporción de 'depresion_pp' es igual a 0.10.\n")
}
Rechazamos la hipótesis nula: Entonces tenemos evidencia de que la proporción de 'depresion_pp' es diferente a 0.10.

Conclusiones

  • El ingreso medio de las mujeres en Ecuador (2018) fue marcadamente inferior al SBU y al umbral hipotético de USD 450, confirmando desigualdades económicas persistentes que deben ser abordadas mediante políticas laborales inclusivas y programas de empoderamiento económico.
  • La prevalencia de depresión postparto (22%) representa una proporción considerable de mujeres afectadas, superando ampliamente valores de referencia hipotéticos. Este resultado subraya la necesidad de fortalecer los servicios de atención psicológica postnatal en el sistema público de salud.
  • Tanto en las estimaciones puntuales como en los intervalos de confianza y pruebas de hipótesis, los resultados obtenidos muestran consistencia y rigor metodológico, permitiendo formular recomendaciones de política pública basadas en evidencia.

Revisión de Literatura

Diversos estudios han demostrado que las brechas de ingreso por género constituyen una de las formas más persistentes de desigualdad estructural en América Latina, afectando particularmente a las mujeres en contextos de pobreza, informalidad laboral y responsabilidades domésticas desigualmente distribuidas (Ñopo 2012).

La literatura económica ha destacado que estas disparidades no pueden explicarse únicamente por diferencias en capital humano. (Seguino 2000) argumenta que la desigualdad de género en el ingreso responde también a la segmentación del mercado laboral, la penalización de la maternidad y las normas sociales que reproducen roles tradicionales de género. A ello se suma la sobrecarga de trabajo no remunerado, que impide a muchas mujeres insertarse en empleos formales y bien remunerados (Guadalupe Hidalgo Rodríguez 2013) .

Por otro lado, la literatura sobre salud pública ha advertido sobre la alta prevalencia de trastornos mentales en mujeres durante el periodo perinatal, especialmente en países de ingresos bajos y medios. (Giménez et al. 2025) se estima que cerca del 17% de las mujeres en estos contextos desarrollan síntomas de depresión postparto, aunque las tasas pueden ser mayores en poblaciones vulnerables.

Investigaciones recientes han identificado múltiples factores asociados a la depresión postparto, entre ellos, el estrés crónico, la falta de redes de apoyo, el desempleo, y el bajo nivel socioeconómico (Stewart and Vigod 2019). En Ecuador, (Bazualdo Fiorini and Contreras Rivera 2022) señalan que existen barreras importantes para el acceso a servicios de salud mental en el sistema público, especialmente en zonas rurales y entre mujeres de bajos ingresos. Esta combinación de factores contribuye a una desatención sistemática de la salud mental materna, con implicaciones negativas tanto para el bienestar de las mujeres como para el desarrollo infantil temprano. En este mismo sentido, (Wain, Daley, and Perraillon 2025) advierten que la depresión materna no solo afecta la calidad de vida de la madre, sino que también puede estar asociada a síntomas depresivos en sus parejas, generando un entorno familiar frágil y de riesgo.

Referencias

References

Bazualdo Fiorini, Mg. Enzo, and Dr. Robert Julio Contreras Rivera. 2022. “La Importancia de Las Barreras de Acceso y Equidad En La Atención de Los Servicios de Salud.” Ciencia Latina Revista Científica Multidisciplinar 6 (6): 973–98. https://doi.org/10.37811/cl_rcm.v6i6.3590.
Giménez, Yolanda, Francesc Fatjó, Aida Mallorquí, Alba Sanvicente, Francesc Figueras, and Angela Arranz. 2025. “Progresión posparto de los niveles de ansiedad y depresión en madres de recién nacidos prematuros.” Atención Primaria 57 (3): 103085. https://doi.org/10.1016/j.aprim.2024.103085.
Guadalupe Hidalgo Rodríguez, Alejandra. 2013. “Los discursos sobre la participación de las mujeres en la guerra de Independencia: casos del occidente de méxico.” In. Ledizioni. https://doi.org/10.4000/books.ledizioni.314.
Ñopo, Hugo. 2012. “Overlapping Disadvantages: Ethnicity and Earnings Gaps in Latin America.” In, 245–63. The World Bank. https://doi.org/10.1596/9780821386866_ch13.
Seguino, Stephanie. 2000. “Gender Inequality and Economic Growth: A Cross-Country Analysis.” World Development 28 (7): 1211–30. https://doi.org/10.1016/s0305-750x(00)00018-8.
Stewart, Donna E., and Simone N. Vigod. 2019. “Postpartum Depression: Pathophysiology, Treatment, and Emerging Therapeutics.” Annual Review of Medicine 70 (1): 183–96. https://doi.org/10.1146/annurev-med-041217-011106.
Wain, Kris F., Matthew F. Daley, and Marcelo Coca Perraillon. 2025. “Temporal Association Between Maternal Depression and Paternal Postpartum Depression.” American Journal of Preventive Medicine 68 (6): 1061–71. https://doi.org/10.1016/j.amepre.2025.02.014.