Actividad 3: Rotación de cargo
Diana Beltran
2025-09-28
El presente informe desarrolla un análisis sobre la rotación de empleados utilizando la base de datos rotacion, compuesta por 1.470 observaciones y 24 variables relacionadas con características personales, laborales y de satisfacción de los trabajadores.
El trabajo se estructura en varias etapas: en primer lugar, se seleccionan seis variables (tres categóricas y tres numéricas) con base en criterios teóricos y estadísticos; posteriormente, se realiza un análisis univariado y bivariado para caracterizar la población y explorar la relación con la rotación. Con estas variables se estima un modelo de regresión logística, que permite cuantificar el efecto de cada factor en la probabilidad de rotación, evaluar su poder predictivo mediante la curva ROC y realizar predicciones para empleados hipotéticos.
El objetivo final es identificar los factores que inciden con mayor fuerza en la rotación y proponer lineamientos estratégicos para que la organización reduzca este riesgo y fortalezca la retención de talento.
| variable | tipo_dato | n_niveles | n_miss | pct_miss |
|---|---|---|---|---|
| Rotación | character | 2 | 0 | 0 |
| Edad | numeric | NA | 0 | 0 |
| Viaje de Negocios | character | 3 | 0 | 0 |
| Departamento | character | 3 | 0 | 0 |
| Distancia_Casa | numeric | NA | 0 | 0 |
| Educación | numeric | NA | 0 | 0 |
| Campo_Educación | character | 6 | 0 | 0 |
| Satisfacción_Ambiental | numeric | NA | 0 | 0 |
| Genero | character | 2 | 0 | 0 |
| Cargo | character | 9 | 0 | 0 |
| Satisfación_Laboral | numeric | NA | 0 | 0 |
| Estado_Civil | character | 3 | 0 | 0 |
| Ingreso_Mensual | numeric | NA | 0 | 0 |
| Trabajos_Anteriores | numeric | NA | 0 | 0 |
| Horas_Extra | character | 2 | 0 | 0 |
| Porcentaje_aumento_salarial | numeric | NA | 0 | 0 |
| Rendimiento_Laboral | numeric | NA | 0 | 0 |
| Años_Experiencia | numeric | NA | 0 | 0 |
| Capacitaciones | numeric | NA | 0 | 0 |
| Equilibrio_Trabajo_Vida | numeric | NA | 0 | 0 |
| Antigüedad | numeric | NA | 0 | 0 |
| Antigüedad_Cargo | numeric | NA | 0 | 0 |
| Años_ultima_promoción | numeric | NA | 0 | 0 |
| Años_acargo_con_mismo_jefe | numeric | NA | 0 | 0 |
1. Selección de variables e hipótesis
Variables categóricas
Campo_Educación:
El área de formación académica puede determinar el grado de afinidad entre el empleado y el cargo actual. Un desajuste entre formación y funciones podría incrementar la intención de rotación; por tanto, los empleados con un campo de educación menos relacionado con el cargo tienen mayor probabilidad de rotación.
Satisfacción_Laboral:
La satisfacción laboral es uno de los factores más estudiados en la retención de personal. Bajos niveles de satisfacción suelen asociarse con insatisfacción general y búsqueda de nuevas oportunidades; por ello, a menor satisfacción laboral, mayor probabilidad de rotación.
Equilibrio_Trabajo_Vida:
Un buen balance entre la vida personal y laboral favorece la permanencia en el empleo, mientras que un bajo equilibrio se relaciona con agotamiento y deseo de cambio; en consecuencia, los empleados con bajo equilibrio trabajo–vida presentan mayor probabilidad de rotación.
Variables numéricas
Edad:
La edad influye en las decisiones de movilidad laboral. Los trabajadores jóvenes tienden a rotar más al estar en búsqueda de crecimiento y estabilidad; por tanto, los empleados más jóvenes tienen mayor probabilidad de rotación.
Ingreso_Mensual:
El nivel de remuneración es un factor clave en la retención. Salarios más bajos pueden incentivar la búsqueda de mejores oportunidades; en ese sentido, a menores ingresos, mayor probabilidad de rotación.
Educación:
El nivel educativo puede abrir más alternativas de empleo en el mercado laboral, lo que aumenta la rotación; por tanto, los empleados con mayor nivel educativo tienen mayor probabilidad de rotación.
2. Análisis univariado
El 83.9% de los empleados no ha rotado de cargo.
Solo el 16.1% ha presentado rotación.
Esto confirma que la base está desbalanceada, predominando la categoría No rotación. Aun así, la proporción de empleados que sí rota es relevante y amerita el análisis posterior, ya que puede señalar factores críticos de retención.
Variables categóricas
El análisis univariado muestra que la mayoría de empleados provienen de campos técnicos y científicos, lo que refleja un perfil de contratación especializado. En cuanto a la satisfacción laboral y el equilibrio trabajo–vida, predominan los niveles intermedios y altos, aunque persiste un grupo con baja satisfacción y bajo balance entre vida personal y laboral. Estos segmentos menos favorecidos pueden representar un mayor riesgo de rotación frente a quienes manifiestan percepciones más positivas.
Análisis univariado: Variables numéricas
La distribución de la Edad muestra una concentración de empleados entre los 30 y 40 años, lo cual refleja una fuerza laboral predominantemente joven–adulta, etapa en la que suelen darse mayores decisiones de movilidad laboral.
En cuanto al Ingreso Mensual, la mayoría de los empleados percibe salarios en rangos bajos o medios, con pocos casos en niveles altos. Esto evidencia una fuerte asimetría en la remuneración, lo que podría generar incentivos para buscar nuevas oportunidades en el mercado.
Finalmente, el Nivel Educativo se concentra en formación técnica/tecnológica y pregrado, con una menor proporción de empleados con posgrado. Esta distribución sugiere que la mayoría de la fuerza laboral tiene acceso a estudios superiores, lo cual puede facilitar la movilidad laboral hacia otras organizaciones.
3. Análisis bivariado
El análisis univariado y bivariado muestra que la rotación no se distribuye de manera homogénea entre las características de los empleados.
En las variables categóricas, se observa que la rotación es más frecuente en quienes reportan baja satisfacción laboral y bajo equilibrio trabajo–vida, lo que confirma el peso de los factores psicosociales en la permanencia. Asimismo, ciertos campos de educación, como mercadeo y técnicos, presentan una mayor propensión a la rotación en comparación con áreas como ciencias o salud.
En las variables numéricas, los empleados que rotan tienden a ser más jóvenes y a tener ingresos mensuales más bajos, lo que refleja tanto menor estabilidad en etapas tempranas de la carrera como condiciones económicas que impulsan la movilidad. Finalmente, el nivel educativo muestra que los empleados con mayor formación presentan una probabilidad ligeramente mayor de rotar, probablemente porque cuentan con más alternativas laborales en el mercado.
4. Estimación del modelo de regresión logística
| Variable | OR | IC 95% | p-valor |
|---|---|---|---|
| Campo: Humanidades | 1.96 | (0.72, 4.8) | 1.57e-01 |
| Campo: Mercadeo | 1.87 | (1.18, 2.94) | 6.95e-03 |
| Campo: Otra | 0.82 | (0.39, 1.58) | 5.74e-01 |
| Campo: Salud | 0.86 | (0.6, 1.23) | 4.14e-01 |
| Campo: Técnicos | 1.71 | (1.05, 2.73) | 2.78e-02 |
| Satisfacción Laboral | 0.77 | (0.68, 0.88) | 6.83e-05 |
| Equilibrio Trabajo-Vida | 0.77 | (0.63, 0.94) | 9.00e-03 |
| Edad | 0.97 | (0.95, 0.99) | 6.31e-04 |
| Ingreso Mensual | 1.00 | (1, 1) | 4.88e-05 |
| Educación | 1.00 | (0.86, 1.16) | 9.90e-01 |
- Satisfacción laboral: OR = 0.77 (p < 0.001). Un
mayor nivel de satisfacción reduce la probabilidad de rotación.
- Equilibrio trabajo–vida: OR = 0.77 (p = 0.009). Un
mejor balance disminuye la probabilidad de rotación.
- Edad: OR = 0.97 (p < 0.001). Empleados más
jóvenes presentan mayor tendencia a rotar.
- Campo de educación:
- Mercadeo: OR = 1.87 (p = 0.006) → mayor probabilidad de
rotación.
- Técnicos: OR = 1.71 (p = 0.028) → mayor probabilidad de
rotación.
- Otras áreas: sin significancia estadística.
- Mercadeo: OR = 1.87 (p = 0.006) → mayor probabilidad de
rotación.
- Ingreso mensual y nivel educativo: no mostraron efectos significativos en la rotación. Esto indica que, bajo esta base de datos, no aportan evidencia fuerte para explicar la rotación, aunque fueron consideradas por criterios teóricos. Su falta de significancia constituye un hallazgo importante, ya que sugiere que futuros modelos podrían beneficiarse de la selección de otras covariables más informativas.
Conclusión: La rotación está explicada principalmente por satisfacción laboral, equilibrio trabajo–vida, edad y el campo de formación académica.
5. Evaluación
La curva ROC del modelo logístico arrojó un AUC de
0.692, lo que indica un poder predictivo moderado.
Esto significa que el modelo logra discriminar en aproximadamente un
69% de los casos entre empleados que rotan y los que
no, superando al azar pero sin llegar a un nivel excelente.
El punto de corte óptimo, calculado en 0.19, sugiere que a partir de esta probabilidad se puede clasificar a un empleado como candidato a rotar, maximizando el balance entre sensibilidad y especificidad.
6. Predicción individual
## ### Perfil del empleado
##
##
## Table: Parámetros utilizados en la predicción
##
## | Edad| Ingreso_Mensual| Educación| Satisfación_Laboral| Equilibrio_Trabajo_Vida|Campo_Educación |
## |----:|---------------:|---------:|-------------------:|-----------------------:|:---------------|
## | 25| 2500| 5| 1| 1|Humanidades |
##
## ### Resultados del modelo
##
##
## Table: Probabilidad de rotación y decisión
##
## | Probabilidad|Decisión |
## |------------:|:---------------------------|
## | 0.617|🔴 Intervenir (Alto riesgo) |Se realizó una predicción para un empleado con las siguientes
características:
- Edad: 25 años
- Ingreso mensual: 2,500
- Nivel educativo: Posgrado (5)
- Satisfacción laboral: Muy insatisfecho (1)
- Equilibrio trabajo–vida: Muy bajo (1)
- Campo de educación: Humanidades
El modelo estimó una probabilidad de rotación del
61.7%, lo cual supera el umbral de decisión (0.5).
Por tanto, la recomendación es intervenir, dado que el
empleado se clasifica en alto riesgo de rotación.
7. Conclusiones
El análisis realizado permitió identificar los principales factores asociados a la rotación de empleados en la organización. Los resultados muestran que la edad y el ingreso mensual se relacionan negativamente con la rotación: los empleados más jóvenes y con menores ingresos presentan mayor probabilidad de abandonar el cargo. Asimismo, la satisfacción laboral y el equilibrio trabajo–vida se evidencian como factores clave en la decisión de permanencia, confirmando que condiciones desfavorables en estos aspectos incrementan el riesgo de rotación.
El modelo de regresión logística, aunque con un poder predictivo moderado (AUC ≈ 0.69), permite estimar la probabilidad de rotación y ofrece una herramienta práctica para identificar perfiles de riesgo.
Recomendaciones estratégicas
- Mejorar la satisfacción laboral: implementar
programas de reconocimiento, desarrollo profesional y condiciones de
trabajo motivadoras.
- Promover el equilibrio trabajo–vida: flexibilizar
horarios, teletrabajo y políticas que reduzcan el desgaste.
- Retener talento joven: diseñar planes de carrera e
incentivos para empleados en etapas tempranas de su trayectoria.
- Ajustar políticas salariales: evaluar incrementos progresivos o beneficios adicionales que aumenten la percepción de estabilidad económica.
Con estas acciones, la empresa podrá disminuir la rotación, fortalecer el compromiso organizacional y mantener un equipo estable y motivado.