Correspondencia
Jo Iris Navarro
2025-10-29
Librerías
para el desarrollo del Análisis de Correspondencias Múltiples (ACM)
se utilizan principalmente dos paqueterías especializadas: FactoMineR()
y factoextra(). La primera permite ejecutar el análisis estadístico y
obtener los resultados numéricos, mientras que la segunda facilita la
visualización e interpretación gráfica de dichos resultados, apoyándose
a su vez en la librería ggplot2() para generar gráficos de alta
calidad.
library(readxl)
library(FactoMineR)
library(factoextra)## Cargando paquete requerido: ggplot2## Welcome! Want to learn more? See two factoextra-related books at https://goo.gl/ve3WBalibrary(dplyr)##
## Adjuntando el paquete: 'dplyr'## The following objects are masked from 'package:stats':
##
## filter, lag## The following objects are masked from 'package:base':
##
## intersect, setdiff, setequal, unionlibrary(naniar)Carga de los datos
A continuación, se procede a cargar la base de datos en el software
R, la cual contiene la información correspondiente a los resultados de
las pruebas ICFES de estudiantes de la ciudad de Santa Marta, junto con
diversas variables sociodemográficas y académicas que pueden influir en
el desempeño obtenido. Esta base de datos fue suministrada en formato
Excel y posteriormente organizada para su análisis. Antes de iniciar el
tratamiento estadístico, se realizó una revisión y estandarización de
las variables, verificando sus codificaciones, niveles de respuesta y
posibles valores perdidos, con el fin de garantizar la calidad y
consistencia de los datos utilizados en el análisis de correspondencia
múltiple.
df<-read_excel("C:/Users/ASUS/Downloads/BD FINALIZADA ORGANIZADA.xlsx")
View(df)
str(df)## tibble [8,492 × 58] (S3: tbl_df/tbl/data.frame)
## $ AÑO : num [1:8492] 2022 2022 2022 2022 2022 ...
## $ INSTITUCIÓN : chr [1:8492] "ESCUELA NORMAL SAN PEDRO ALEJANDRINO" "ESCUELA NORMAL SAN PEDRO ALEJANDRINO" "ESCUELA NORMAL SAN PEDRO ALEJANDRINO" "ESCUELA NORMAL SAN PEDRO ALEJANDRINO" ...
## $ cole_nombre_establecimiento : chr [1:8492] "IED ESCUELA NORMAL SUPERIOR SAN PEDRO ALEJANDRINO" "IED ESCUELA NORMAL SUPERIOR SAN PEDRO ALEJANDRINO" "IED ESCUELA NORMAL SUPERIOR SAN PEDRO ALEJANDRINO" "IED ESCUELA NORMAL SUPERIOR SAN PEDRO ALEJANDRINO" ...
## $ JORNADA : chr [1:8492] "UNICA" "UNICA" "UNICA" "UNICA" ...
## $ GRUPO Y JORNADA.1_estandarizada : num [1:8492] 1 1 1 1 1 1 1 1 1 1 ...
## $ cole_area_ubicacion : chr [1:8492] "URBANO" "URBANO" "URBANO" "URBANO" ...
## $ cole_caracter : chr [1:8492] "TÉCNICO/ACADÉMICO" "TÉCNICO/ACADÉMICO" "TÉCNICO/ACADÉMICO" "TÉCNICO/ACADÉMICO" ...
## $ cole_cod_dane_establecimiento : num [1:8492] 2.47e+11 2.47e+11 2.47e+11 2.47e+11 2.47e+11 ...
## $ cole_cod_dane_sede : num [1:8492] 2.47e+11 2.47e+11 2.47e+11 2.47e+11 2.47e+11 ...
## $ cole_calendario : chr [1:8492] "A" "A" "A" "A" ...
## $ cole_codigo_icfes : num [1:8492] 743393 743393 743393 743393 743393 ...
## $ estu_consecutivo : chr [1:8492] "SB11202240073365" "SB11202240098657" "SB11202240098752" "SB11202240098814" ...
## $ estu_discapacidad : chr [1:8492] "N" "N" "N" "N" ...
## $ estu_etnia : chr [1:8492] "No aplica" "No aplica" "No aplica" "No aplica" ...
## $ estu_tieneetnia : chr [1:8492] "No" "No" "No" "No" ...
## $ estu_fechanacimiento : POSIXct[1:8492], format: "2005-11-21" "2003-10-08" ...
## $ edad_prueba : num [1:8492] 16 18 16 16 16 17 17 16 17 17 ...
## $ estu_genero : chr [1:8492] "F" "F" "M" "F" ...
## $ estu_mcpio_presentacion : chr [1:8492] "SANTA MARTA" "SANTA MARTA" "SANTA MARTA" "SANTA MARTA" ...
## $ estu_nacionalidad : chr [1:8492] "COLOMBIA" "COLOMBIA" "COLOMBIA" "COLOMBIA" ...
## $ estu_pais_reside : chr [1:8492] "COLOMBIA" "COLOMBIA" "COLOMBIA" "COLOMBIA" ...
## $ CASTELLANO : num [1:8492] 88 78 82 86 84 86 76 80 72 74 ...
## $ MATEMATICA : num [1:8492] 92 70 72 72 74 80 70 66 78 64 ...
## $ CIENCIAS SOCIALES : num [1:8492] 86 76 82 88 84 86 84 82 80 82 ...
## $ CIENCIAS (FISICA - QUIMICA - BIOLOGIA): num [1:8492] 76 71 70 74 74 75 72 69 70 68 ...
## $ INGLES : num [1:8492] 96 74 74 84 80 84 70 78 74 78 ...
## $ Promedio Calificaciones : num [1:8492] 87.6 73.8 76 80.8 79.2 82.2 74.4 75 74.8 73.2 ...
## $ Puntaje ponderado institucional : num [1:8492] 432 369 382 402 395 ...
## $ LECTURA CRÍTICA (ICFES) : num [1:8492] 66 39 64 56 59 62 47 60 50 57 ...
## $ MATEMATICAS (ICFES) : num [1:8492] 66 35 61 43 52 56 39 50 64 35 ...
## $ SOCIALES Y CIUDADANAS (ICFES) : num [1:8492] 69 37 58 55 57 67 37 61 56 47 ...
## $ CIENCIAS NATURALES (ICFES) : num [1:8492] 65 42 63 45 46 60 40 56 60 27 ...
## $ INGLES (ICFES) : num [1:8492] 69 34 51 50 58 71 44 53 43 48 ...
## $ desemp_ingles : chr [1:8492] "B1" "A-" "A1" "A1" ...
## $ PUNTAJE GLOBAL (ICFES) : num [1:8492] 333 190 303 249 269 310 205 282 282 210 ...
## $ percentil_c_naturales : num [1:8492] 92 27 90 38 41 84 22 74 84 1 ...
## $ percentil_global : num [1:8492] 94 13 83 51 64 86 22 72 72 25 ...
## $ percentil_ingles : num [1:8492] 91 9 55 53 74 93 39 62 37 50 ...
## $ percentil_lectura_critica : num [1:8492] 89 11 83 61 69 79 32 74 40 62 ...
## $ percentil_matematicas : num [1:8492] 89 11 80 28 52 65 19 46 86 11 ...
## $ percentil_sociales_ciudadanas : num [1:8492] 96 22 78 71 77 95 23 86 74 50 ...
## $ estu_dedicacioninternet : chr [1:8492] "Entre 1 y 3 horas" "Entre 1 y 3 horas" "Entre 1 y 3 horas" "Más de 3 horas" ...
## $ estu_dedicacioninternet_num : num [1:8492] 3 3 3 4 4 3 4 2 3 3 ...
## $ estu_dedicacionlecturadiaria : chr [1:8492] "Entre 30 y 60 minutos" "30 minutos o menos" "No leo por entretenimiento" "Entre 1 y 2 horas" ...
## $ estu_dedicacionlecturadiaria_num : num [1:8492] 2 1 0 3 2 4 2 4 1 3 ...
## $ estu_horassemanatrabaja : chr [1:8492] "No trabaja" "No trabaja" "Menos de 10 horas" "Menos de 10 horas" ...
## $ estu_horassemanatrabaja_num : num [1:8492] 0 0 1 1 1 0 0 0 0 1 ...
## $ estu_repite : num [1:8492] 0 0 0 0 10930 ...
## $ fami_educacionmadre : chr [1:8492] "Educación profesional completa" "No sabe" "Secundaria (Bachillerato) completa" "Postgrado" ...
## $ fami_educacionmadre_num : num [1:8492] 8 10 4 9 8 4 1 4 4 6 ...
## $ fami_educacionpadre : chr [1:8492] "Secundaria (Bachillerato) incompleta" "Educación profesional incompleta" "Secundaria (Bachillerato) completa" "Secundaria (Bachillerato) completa" ...
## $ fami_educacionpadre_num : num [1:8492] 3 7 4 4 8 4 3 6 4 4 ...
## $ fami_estratovivienda : chr [1:8492] "Estrato 2" "Estrato 2" "Estrato 2" "Estrato 2" ...
## $ fami_tieneinternet : chr [1:8492] "Si" "Si" "Si" "Si" ...
## $ fami_trabajolabormadre : chr [1:8492] "Es vendedor o trabaja en atención al público" "Pensionado" "Trabaja en el hogar, no trabaja o estudia" "Trabaja como profesional (por ejemplo médico, abogado, ingeniero)" ...
## $ fami_trabajolabormadre_num : num [1:8492] 5 1 0 9 9 11 2 0 5 8 ...
## $ fami_trabajolaborpadre : chr [1:8492] "Trabaja por cuenta propia (por ejemplo plomero, electricista)" "Pensionado" "Es vendedor o trabaja en atención al público" "Es operario de máquinas o conduce vehículos (taxita, chofer)" ...
## $ fami_trabajolaborpadre_num : num [1:8492] 7 1 5 4 9 8 2 11 2 8 ...Preparacion de los datos
En esta etapa se realizó la selección de las variables de interés
relacionadas con los factores sociodemográficos y académicos que podrían
influir en los resultados de las pruebas ICFES. Asimismo, se efectuó una
limpieza y transformación de los datos, ajustando los nombres de las
columnas para facilitar su análisis posterior.
df_mca <- df %>%
select(AÑO,
JORNADA,
`GRUPO Y JORNADA.1_estandarizada`,
cole_area_ubicacion,
cole_caracter,
desemp_ingles,
estu_dedicacioninternet,
estu_dedicacionlecturadiaria,
estu_discapacidad,
edad_prueba,
estu_genero,
estu_horassemanatrabaja,
estu_mcpio_presentacion,
estu_nacionalidad,
estu_tieneetnia,
fami_educacionmadre,
fami_educacionpadre,
fami_estratovivienda,
fami_tieneinternet,
fami_trabajolabormadre,
fami_trabajolaborpadre,
)Posteriormente, se realizó una revisión de la estructura de las
variables de interés con el fin de verificar que cada una de ellas
tuviera el tipo de dato adecuado para el análisis de correspondencias
múltiples.
str(df_mca)## tibble [8,492 × 21] (S3: tbl_df/tbl/data.frame)
## $ AÑO : num [1:8492] 2022 2022 2022 2022 2022 ...
## $ JORNADA : chr [1:8492] "UNICA" "UNICA" "UNICA" "UNICA" ...
## $ GRUPO Y JORNADA.1_estandarizada: num [1:8492] 1 1 1 1 1 1 1 1 1 1 ...
## $ cole_area_ubicacion : chr [1:8492] "URBANO" "URBANO" "URBANO" "URBANO" ...
## $ cole_caracter : chr [1:8492] "TÉCNICO/ACADÉMICO" "TÉCNICO/ACADÉMICO" "TÉCNICO/ACADÉMICO" "TÉCNICO/ACADÉMICO" ...
## $ desemp_ingles : chr [1:8492] "B1" "A-" "A1" "A1" ...
## $ estu_dedicacioninternet : chr [1:8492] "Entre 1 y 3 horas" "Entre 1 y 3 horas" "Entre 1 y 3 horas" "Más de 3 horas" ...
## $ estu_dedicacionlecturadiaria : chr [1:8492] "Entre 30 y 60 minutos" "30 minutos o menos" "No leo por entretenimiento" "Entre 1 y 2 horas" ...
## $ estu_discapacidad : chr [1:8492] "N" "N" "N" "N" ...
## $ edad_prueba : num [1:8492] 16 18 16 16 16 17 17 16 17 17 ...
## $ estu_genero : chr [1:8492] "F" "F" "M" "F" ...
## $ estu_horassemanatrabaja : chr [1:8492] "No trabaja" "No trabaja" "Menos de 10 horas" "Menos de 10 horas" ...
## $ estu_mcpio_presentacion : chr [1:8492] "SANTA MARTA" "SANTA MARTA" "SANTA MARTA" "SANTA MARTA" ...
## $ estu_nacionalidad : chr [1:8492] "COLOMBIA" "COLOMBIA" "COLOMBIA" "COLOMBIA" ...
## $ estu_tieneetnia : chr [1:8492] "No" "No" "No" "No" ...
## $ fami_educacionmadre : chr [1:8492] "Educación profesional completa" "No sabe" "Secundaria (Bachillerato) completa" "Postgrado" ...
## $ fami_educacionpadre : chr [1:8492] "Secundaria (Bachillerato) incompleta" "Educación profesional incompleta" "Secundaria (Bachillerato) completa" "Secundaria (Bachillerato) completa" ...
## $ fami_estratovivienda : chr [1:8492] "Estrato 2" "Estrato 2" "Estrato 2" "Estrato 2" ...
## $ fami_tieneinternet : chr [1:8492] "Si" "Si" "Si" "Si" ...
## $ fami_trabajolabormadre : chr [1:8492] "Es vendedor o trabaja en atención al público" "Pensionado" "Trabaja en el hogar, no trabaja o estudia" "Trabaja como profesional (por ejemplo médico, abogado, ingeniero)" ...
## $ fami_trabajolaborpadre : chr [1:8492] "Trabaja por cuenta propia (por ejemplo plomero, electricista)" "Pensionado" "Es vendedor o trabaja en atención al público" "Es operario de máquinas o conduce vehículos (taxita, chofer)" ...Dicho resumen permitió identificar que las variables fueron
reconocidas por R como tipo integer o character, sin embargo, para
incluirlas en el análisis de correspondencias múltiples (MCA) fue
necesario transformarlas al tipo factor. Para ello, se utilizó el
comando as.factor(), el cual convierte las variables categóricas al
formato adecuado para este tipo de análisis.
df$AÑO<-as.factor(df$AÑO)
df$`GRUPO Y JORNADA.1_estandarizada`<-as.factor(df$`GRUPO Y JORNADA.1_estandarizada`)
df$estu_repite<-as.numeric(as.character(df$estu_repite))
df$edad_prueba <- as.numeric(as.character(df$edad_prueba))
df[c("cole_area_ubicacion", "cole_caracter", "desemp_ingles",
"estu_dedicacioninternet","estu_dedicacionlecturadiaria",
"estu_discapacidad","estu_genero","estu_horassemanatrabaja",
"estu_mcpio_presentacion", "estu_nacionalidad", "estu_tieneetnia",
"fami_educacionmadre", "fami_educacionpadre","fami_estratovivienda",
"fami_tieneinternet", "fami_trabajolabormadre","fami_trabajolaborpadre")] <-
lapply(df[c("cole_area_ubicacion", "cole_caracter", "desemp_ingles",
"estu_dedicacioninternet","estu_dedicacionlecturadiaria",
"estu_discapacidad","estu_genero","estu_horassemanatrabaja",
"estu_mcpio_presentacion", "estu_nacionalidad", "estu_tieneetnia",
"fami_educacionmadre", "fami_educacionpadre","fami_estratovivienda",
"fami_tieneinternet", "fami_trabajolabormadre","fami_trabajolaborpadre")], as.factor)
levels(df$AÑO)<-c("2022","2023","2024")
levels(df$`GRUPO Y JORNADA.1_estandarizada`)<-c("A","B","C","D","E","F","G","H","I")
df$estu_repite <- cut(df$estu_repite,
breaks = c(0, 1, 300000),
labels = c("0", "1-300000"),
include.lowest = TRUE)
df$edad_pruebas <- cut(df$edad_prueba,
breaks = c(12, 14, 17, 20, 22),
labels = c("12-14", "15-17", "18-20", "21-22"),
include.lowest = TRUE)
levels(df$cole_area_ubicacion)<-c("R","U")
levels(df$cole_caracter)<-c("ACADÉMICO","NO APLICA","TÉCNICO","TÉCNICO/ACADÉMICO")
levels(df$desemp_ingles)<-c("A-", "A1" ,"A2" ,"B+", "B1")
levels(df$estu_dedicacioninternet)<-c("30 minutos o menos","Entre 1 y 3 horas","Entre 30 y 60 minutos","Más de 3 horas","No Navega Internet")
levels(df$estu_dedicacionlecturadiaria)<-c("30 minutos o menos","Entre 1 y 2 horas","Entre 30 y 60 minutos","Más de 2 horas","No leo por entretenimiento")
levels(df$estu_discapacidad)<-c("N","S")
levels(df$estu_horassemanatrabaja)<-c("Entre 11 y 20 horas","Entre 21 y 30 horas","Más de 30 horas","Menos de 10 horas","No trabaja")
levels(df$estu_mcpio_presentacion)<-c("CIÉNAGA","SANTA MARTA")
levels(df$estu_nacionalidad)<-c("COLOMBIA","PERÚ","VANUATU","VENEZUELA")
levels(df$estu_tieneetnia)<-c("No","Si")
levels(df$fami_educacionmadre)<-c("Educación profesional completa", "Educación profesional incompleta",
"Ninguno" , "No Aplica" ,
"No sabe" , "Postgrado" ,
"Primaria completa" , "Primaria incompleta" ,
"Secundaria (Bachillerato) completa", "Secundaria (Bachillerato) incompleta",
"Técnica o tecnológica completa" , "Técnica o tecnológica incompleta" )
levels(df$fami_educacionpadre)<-c("Educación profesional completa" , "Educación profesional incompleta",
"Ninguno" , "No Aplica" ,
"No sabe" , "Postgrado" ,
"Primaria completa" , "Primaria incompleta" ,
"Secundaria (Bachillerato) completa", "Secundaria (Bachillerato) incompleta",
"Técnica o tecnológica completa" , "Técnica o tecnológica incompleta")
levels(df$fami_estratovivienda)<-c("Estrato 1", "Estrato 2", "Estrato 3", "Estrato 4", "Estrato 5", "Estrato 6",
"No sabe", "Sin Estrato")
levels(df$fami_tieneinternet)<-c("No","Si")
levels(df$fami_trabajolabormadre)<-c("Es agricultor, pesquero o jornalero",
"Es dueño de un negocio grande, tiene un cargo de nivel directivo o gerencial",
"Es dueño de un negocio pequeño (tiene pocos empleados o no tiene, por ejemplo tienda, papelería, etc",
"Es operario de máquinas o conduce vehículos (taxita, chofer)",
"Es vendedor o trabaja en atención al público",
"No aplica",
"No sabe",
"Pensionado",
"Tiene un trabajo de tipo auxiliar administrativo (por ejemplo, secretario o asistente)",
"Trabaja como personal de limpieza, mantenimiento, seguridad o construcción",
"Trabaja como profesional (por ejemplo médico, abogado, ingeniero)",
"Trabaja en el hogar, no trabaja o estudia",
"Trabaja por cuenta propia (por ejemplo plomero, electricista)")
levels(df$fami_trabajolaborpadre)<-c("Es agricultor, pesquero o jornalero",
"Es dueño de un negocio grande, tiene un cargo de nivel directivo o gerencial",
"Es dueño de un negocio pequeño (tiene pocos empleados o no tiene, por ejemplo tienda, papelería, etc",
"Es operario de máquinas o conduce vehículos (taxita, chofer)",
"Es vendedor o trabaja en atención al público",
"No aplica",
"No sabe",
"Pensionado",
"Tiene un trabajo de tipo auxiliar administrativo (por ejemplo, secretario o asistente)",
"Trabaja como personal de limpieza, mantenimiento, seguridad o construcción",
"Trabaja como profesional (por ejemplo médico, abogado, ingeniero)",
"Trabaja en el hogar, no trabaja o estudia",
"Trabaja por cuenta propia (por ejemplo plomero, electricista)")
df_mca[] <- lapply(df_mca, as.factor)
lapply(df_mca, levels)## $AÑO
## [1] "2022" "2023" "2024"
##
## $JORNADA
## [1] "MAÑANA" "TARDE" "UNICA"
##
## $`GRUPO Y JORNADA.1_estandarizada`
## [1] "1" "2" "3" "4" "5" "6" "7" "8" "9"
##
## $cole_area_ubicacion
## [1] "RURAL" "URBANO"
##
## $cole_caracter
## [1] "ACADÉMICO" "NO APLICA" "TÉCNICO"
## [4] "TÉCNICO/ACADÉMICO"
##
## $desemp_ingles
## [1] "A-" "A1" "A2" "B+" "B1"
##
## $estu_dedicacioninternet
## [1] "30 minutos o menos" "Entre 1 y 3 horas" "Entre 30 y 60 minutos"
## [4] "Más de 3 horas" "No Navega Internet"
##
## $estu_dedicacionlecturadiaria
## [1] "30 minutos o menos" "Entre 1 y 2 horas"
## [3] "Entre 30 y 60 minutos" "Más de 2 horas"
## [5] "No leo por entretenimiento"
##
## $estu_discapacidad
## [1] "N" "S"
##
## $edad_prueba
## [1] "12" "13" "14" "15" "16" "17" "18" "19" "20" "21" "22"
##
## $estu_genero
## [1] "F" "M"
##
## $estu_horassemanatrabaja
## [1] "Entre 11 y 20 horas" "Entre 21 y 30 horas" "Más de 30 horas"
## [4] "Menos de 10 horas" "No trabaja"
##
## $estu_mcpio_presentacion
## [1] "CIÉNAGA" "SANTA MARTA"
##
## $estu_nacionalidad
## [1] "COLOMBIA" "PERÚ" "VANUATU" "VENEZUELA"
##
## $estu_tieneetnia
## [1] "No" "Si"
##
## $fami_educacionmadre
## [1] "Educación profesional completa"
## [2] "Educación profesional incompleta"
## [3] "Ninguno"
## [4] "No Aplica"
## [5] "No sabe"
## [6] "Postgrado"
## [7] "Primaria completa"
## [8] "Primaria incompleta"
## [9] "Secundaria (Bachillerato) completa"
## [10] "Secundaria (Bachillerato) incompleta"
## [11] "Técnica o tecnológica completa"
## [12] "Técnica o tecnológica incompleta"
##
## $fami_educacionpadre
## [1] "Educación profesional completa"
## [2] "Educación profesional incompleta"
## [3] "Ninguno"
## [4] "No Aplica"
## [5] "No sabe"
## [6] "Postgrado"
## [7] "Primaria completa"
## [8] "Primaria incompleta"
## [9] "Secundaria (Bachillerato) completa"
## [10] "Secundaria (Bachillerato) incompleta"
## [11] "Técnica o tecnológica completa"
## [12] "Técnica o tecnológica incompleta"
##
## $fami_estratovivienda
## [1] "Estrato 1" "Estrato 2" "Estrato 3" "Estrato 4" "Estrato 5"
## [6] "Estrato 6" "No sabe" "Sin Estrato"
##
## $fami_tieneinternet
## [1] "No" "Si"
##
## $fami_trabajolabormadre
## [1] "Es agricultor, pesquero o jornalero"
## [2] "Es dueño de un negocio grande, tiene un cargo de nivel directivo o gerencial"
## [3] "Es dueño de un negocio pequeño (tiene pocos empleados o no tiene, por ejemplo tienda, papelería, etc"
## [4] "Es operario de máquinas o conduce vehículos (taxita, chofer)"
## [5] "Es vendedor o trabaja en atención al público"
## [6] "No aplica"
## [7] "No sabe"
## [8] "Pensionado"
## [9] "Tiene un trabajo de tipo auxiliar administrativo (por ejemplo, secretario o asistente)"
## [10] "Trabaja como personal de limpieza, mantenimiento, seguridad o construcción"
## [11] "Trabaja como profesional (por ejemplo médico, abogado, ingeniero)"
## [12] "Trabaja en el hogar, no trabaja o estudia"
## [13] "Trabaja por cuenta propia (por ejemplo plomero, electricista)"
##
## $fami_trabajolaborpadre
## [1] "Es agricultor, pesquero o jornalero"
## [2] "Es dueño de un negocio grande, tiene un cargo de nivel directivo o gerencial"
## [3] "Es dueño de un negocio pequeño (tiene pocos empleados o no tiene, por ejemplo tienda, papelería, etc"
## [4] "Es operario de máquinas o conduce vehículos (taxita, chofer)"
## [5] "Es vendedor o trabaja en atención al público"
## [6] "No aplica"
## [7] "No sabe"
## [8] "Pensionado"
## [9] "Tiene un trabajo de tipo auxiliar administrativo (por ejemplo, secretario o asistente)"
## [10] "Trabaja como personal de limpieza, mantenimiento, seguridad o construcción"
## [11] "Trabaja como profesional (por ejemplo médico, abogado, ingeniero)"
## [12] "Trabaja en el hogar, no trabaja o estudia"
## [13] "Trabaja por cuenta propia (por ejemplo plomero, electricista)"Ahora se realiza una revisión gráfica de la distribución de las
variables seleccionadas. Para ello, se utiliza el comando for(), que
permite repetir un mismo proceso sobre todas las variables, generando
así una visualización rápida de su comportamiento dentro del conjunto de
datos.
df_datos<-na.omit(df_mca)
for (i in 1:21){
plot(df_datos[,i],main=colnames(df_datos)[i],
ylab="Cantidad", col="steelblue", las=2)
}
A partir de estas gráficas se identificaron las opciones de respuesta
o categorías con menor frecuencia dentro de las variables
sociodemográficas y académicas. Sin embargo, se decidió mantener todas
las variables y sus categorías, ya que cada una aporta información
relevante para comprender la relación entre los factores
sociodemográficos y los resultados obtenidos en las pruebas ICFES.
##Analisis inicial de MCA
mca_result <- MCA(df_mca, graph = FALSE)
summary(mca_result)##
## Call:
## MCA(X = df_mca, graph = FALSE)
##
##
## Eigenvalues
## Dim.1 Dim.2 Dim.3 Dim.4 Dim.5 Dim.6 Dim.7
## Variance 0.177 0.124 0.085 0.076 0.072 0.068 0.067
## % of var. 3.614 2.519 1.730 1.554 1.467 1.386 1.358
## Cumulative % of var. 3.614 6.133 7.863 9.417 10.885 12.271 13.628
## Dim.8 Dim.9 Dim.10 Dim.11 Dim.12 Dim.13 Dim.14
## Variance 0.064 0.063 0.062 0.061 0.060 0.060 0.059
## % of var. 1.311 1.275 1.269 1.250 1.233 1.215 1.200
## Cumulative % of var. 14.939 16.214 17.483 18.733 19.966 21.181 22.382
## Dim.15 Dim.16 Dim.17 Dim.18 Dim.19 Dim.20 Dim.21
## Variance 0.058 0.057 0.057 0.057 0.056 0.055 0.055
## % of var. 1.192 1.169 1.168 1.159 1.143 1.130 1.121
## Cumulative % of var. 23.574 24.743 25.911 27.070 28.213 29.343 30.464
## Dim.22 Dim.23 Dim.24 Dim.25 Dim.26 Dim.27 Dim.28
## Variance 0.054 0.054 0.054 0.054 0.053 0.053 0.052
## % of var. 1.110 1.104 1.096 1.093 1.084 1.073 1.065
## Cumulative % of var. 31.574 32.679 33.775 34.868 35.952 37.025 38.090
## Dim.29 Dim.30 Dim.31 Dim.32 Dim.33 Dim.34 Dim.35
## Variance 0.052 0.051 0.051 0.051 0.051 0.050 0.050
## % of var. 1.054 1.042 1.039 1.037 1.035 1.026 1.025
## Cumulative % of var. 39.144 40.186 41.225 42.261 43.297 44.323 45.348
## Dim.36 Dim.37 Dim.38 Dim.39 Dim.40 Dim.41 Dim.42
## Variance 0.050 0.049 0.049 0.049 0.049 0.048 0.048
## % of var. 1.014 1.008 1.003 0.996 0.993 0.987 0.981
## Cumulative % of var. 46.361 47.369 48.373 49.369 50.362 51.349 52.331
## Dim.43 Dim.44 Dim.45 Dim.46 Dim.47 Dim.48 Dim.49
## Variance 0.048 0.048 0.048 0.048 0.047 0.047 0.047
## % of var. 0.977 0.974 0.971 0.970 0.965 0.960 0.958
## Cumulative % of var. 53.308 54.282 55.252 56.222 57.187 58.147 59.105
## Dim.50 Dim.51 Dim.52 Dim.53 Dim.54 Dim.55 Dim.56
## Variance 0.047 0.047 0.046 0.046 0.046 0.046 0.046
## % of var. 0.956 0.950 0.945 0.935 0.934 0.932 0.928
## Cumulative % of var. 60.061 61.011 61.956 62.892 63.826 64.758 65.686
## Dim.57 Dim.58 Dim.59 Dim.60 Dim.61 Dim.62 Dim.63
## Variance 0.045 0.045 0.045 0.044 0.044 0.044 0.044
## % of var. 0.924 0.915 0.914 0.902 0.902 0.891 0.888
## Cumulative % of var. 66.610 67.526 68.440 69.342 70.244 71.135 72.023
## Dim.64 Dim.65 Dim.66 Dim.67 Dim.68 Dim.69 Dim.70
## Variance 0.043 0.043 0.043 0.043 0.043 0.042 0.042
## % of var. 0.883 0.881 0.878 0.869 0.867 0.857 0.848
## Cumulative % of var. 72.906 73.787 74.664 75.533 76.400 77.257 78.105
## Dim.71 Dim.72 Dim.73 Dim.74 Dim.75 Dim.76 Dim.77
## Variance 0.041 0.041 0.041 0.040 0.040 0.040 0.039
## % of var. 0.844 0.840 0.834 0.826 0.818 0.812 0.794
## Cumulative % of var. 78.949 79.789 80.623 81.449 82.267 83.079 83.873
## Dim.78 Dim.79 Dim.80 Dim.81 Dim.82 Dim.83 Dim.84
## Variance 0.039 0.038 0.038 0.038 0.038 0.037 0.037
## % of var. 0.788 0.782 0.782 0.775 0.766 0.761 0.749
## Cumulative % of var. 84.661 85.443 86.225 87.000 87.766 88.527 89.276
## Dim.85 Dim.86 Dim.87 Dim.88 Dim.89 Dim.90 Dim.91
## Variance 0.036 0.036 0.035 0.034 0.033 0.033 0.032
## % of var. 0.739 0.733 0.717 0.693 0.679 0.671 0.658
## Cumulative % of var. 90.015 90.748 91.465 92.157 92.836 93.507 94.165
## Dim.92 Dim.93 Dim.94 Dim.95 Dim.96 Dim.97 Dim.98
## Variance 0.032 0.030 0.029 0.029 0.027 0.026 0.025
## % of var. 0.654 0.602 0.598 0.583 0.553 0.537 0.509
## Cumulative % of var. 94.819 95.420 96.018 96.601 97.154 97.691 98.200
## Dim.99 Dim.100 Dim.101 Dim.102 Dim.103
## Variance 0.024 0.020 0.019 0.016 0.010
## % of var. 0.485 0.405 0.378 0.326 0.206
## Cumulative % of var. 98.685 99.090 99.467 99.794 100.000
##
## Individuals (the 10 first)
## Dim.1 ctr cos2 Dim.2 ctr cos2 Dim.3 ctr cos2
## 1 | 0.319 0.007 0.031 | 0.315 0.009 0.030 | 0.085 0.001 0.002 |
## 2 | -0.025 0.000 0.000 | 0.247 0.006 0.005 | 0.193 0.005 0.003 |
## 3 | 0.163 0.002 0.013 | -0.038 0.000 0.001 | 0.031 0.000 0.000 |
## 4 | 0.366 0.009 0.018 | 0.568 0.031 0.044 | 0.458 0.029 0.028 |
## 5 | 0.437 0.013 0.048 | 1.011 0.097 0.259 | 0.998 0.138 0.252 |
## 6 | 0.119 0.001 0.004 | 0.306 0.009 0.026 | -0.009 0.000 0.000 |
## 7 | 0.225 0.003 0.017 | -0.265 0.007 0.024 | 0.228 0.007 0.018 |
## 8 | 0.123 0.001 0.006 | 0.087 0.001 0.003 | -0.215 0.006 0.019 |
## 9 | 0.239 0.004 0.027 | -0.117 0.001 0.006 | -0.049 0.000 0.001 |
## 10 | 0.350 0.008 0.042 | 0.075 0.001 0.002 | -0.053 0.000 0.001 |
##
## Categories (the 10 first)
## Dim.1 ctr cos2 v.test Dim.2 ctr cos2 v.test
## 2022 | 0.124 0.134 0.007 7.909 | -0.111 0.152 0.006 -7.032 |
## 2023 | 0.013 0.002 0.000 0.895 | 0.001 0.000 0.000 0.097 |
## 2024 | -0.137 0.165 0.009 -8.795 | 0.108 0.146 0.006 6.911 |
## MAÑANA | -0.038 0.012 0.001 -2.352 | 0.044 0.023 0.001 2.744 |
## TARDE | 0.008 0.001 0.000 0.604 | -0.007 0.001 0.000 -0.556 |
## UNICA | 0.032 0.007 0.000 1.788 | -0.040 0.017 0.001 -2.250 |
## 1 | -0.064 0.045 0.003 -4.896 | -0.253 1.009 0.044 -19.385 |
## 2 | 0.009 0.001 0.000 0.475 | -0.053 0.028 0.001 -2.914 |
## 3 | 0.036 0.006 0.000 1.472 | 0.128 0.104 0.003 5.230 |
## 4 | 0.045 0.004 0.000 1.233 | 0.469 0.677 0.019 12.731 |
## Dim.3 ctr cos2 v.test
## 2022 -0.052 0.049 0.001 -3.301 |
## 2023 0.069 0.094 0.003 4.686 |
## 2024 -0.023 0.010 0.000 -1.482 |
## MAÑANA -0.110 0.214 0.006 -6.876 |
## TARDE -0.323 2.430 0.074 -25.073 |
## UNICA 0.623 5.899 0.144 34.987 |
## 1 0.145 0.484 0.015 11.123 |
## 2 -0.204 0.614 0.015 -11.232 |
## 3 -0.181 0.300 0.006 -7.369 |
## 4 0.280 0.350 0.007 7.590 |
##
## Categorical variables (eta2)
## Dim.1 Dim.2 Dim.3
## AÑO | 0.011 0.008 0.003 |
## JORNADA | 0.001 0.001 0.152 |
## GRUPO Y JORNADA.1_estandarizada | 0.006 0.092 0.052 |
## cole_area_ubicacion | 0.002 0.097 0.176 |
## cole_caracter | 0.004 0.061 0.126 |
## desemp_ingles | 0.015 0.217 0.028 |
## estu_dedicacioninternet | 0.670 0.099 0.002 |
## estu_dedicacionlecturadiaria | 0.336 0.031 0.012 |
## estu_discapacidad | 0.000 0.001 0.000 |
## edad_prueba | 0.009 0.091 0.044 |Visualización e interpretación inicial del análisis MCA
Una de las características centrales de la técnica MCA (Análisis de
Correspondencias Múltiples) es el uso de representaciones visuales que
facilitan la interpretación de los resultados. Estas gráficas permiten
observar la relación entre las categorías de las variables
sociodemográficas y los desempeños en las pruebas ICFES, mostrando cómo
ciertos grupos de estudiantes tienden a agruparse según características
comunes o niveles de rendimiento.
Eigenvalores / varianzas
Siguiendo la lógica del Análisis de Componentes Principales (ACP),
que busca reducir las dimensiones de un conjunto de datos creando nuevos
ejes o componentes que resumen la información de las variables
cuantitativas, el Análisis de Correspondencias Múltiples (ACM) aplica el
mismo principio, pero a variables categóricas.
En este caso, el ACM permite representar las categorías de las
variables sociodemográficas y académicas de los estudiantes en un
espacio común, facilitando la detección de patrones y asociaciones entre
ellas.
Una vez generadas las nuevas dimensiones, es fundamental identificar
qué porcentaje de la variabilidad total es explicado por cada una. Esto
se logra mediante la función get_eigenvalue(), que permite observar la
proporción de varianza o inercia explicada por cada eje del
análisis.
eigenvalues <- get_eigenvalue(mca_result)
head(eigenvalues)## eigenvalue variance.percent cumulative.variance.percent
## Dim.1 0.17727049 3.614253 3.614253
## Dim.2 0.12353635 2.518702 6.132955
## Dim.3 0.08487017 1.730363 7.863318
## Dim.4 0.07622242 1.554049 9.417367
## Dim.5 0.07196492 1.467246 10.884613
## Dim.6 0.06798115 1.386024 12.270636En la tabla anterior se observan, en las columnas, los nuevos
componentes o dimensiones generados por el análisis de correspondencia
múltiple (ACM). En la primera columna se presentan los eigenvalores, que
representan la cantidad de varianza o inercia explicada por cada eje. La
segunda columna indica el porcentaje de varianza total explicado por
cada una de las dimensiones, y la tercera muestra el porcentaje
acumulado, que refleja la proporción de información que logran resumir
los primeros ejes del análisis.
Además, para facilitar la interpretación visual, se puede emplear el
comando fviz_screeplot(), el cual permite graficar los porcentajes de
inercia explicados por cada dimensión. Este gráfico, conocido como
“scree plot”, ayuda a identificar cuántas dimensiones aportan
información significativa al modelo y cuáles tienen un peso menor en la
explicación de la variabilidad total del conjunto de datos.
fviz_screeplot(mca_result, addlabels = TRUE, ylim = c(0, 10),title = "Análisis de Correspondencias Múltiples (ACM)")## Warning in geom_bar(stat = "identity", fill = barfill, color = barcolor, :
## Ignoring empty aesthetic: `width`.
Scree plot o porcentajes de inercia explicada por cada dimensión nueva.
Biplot o gráfica de individuos y variables
El análisis MCA permite crear un biplot, que representa gráficamente
una nube de puntos para los individuos (filas) y otra para las variables
(columnas) contenidas en la matriz de datos. l biplot se genera con el
comando fviz_mca_biplot(), del paquete factoextra, el cual utiliza las
funciones gráficas de ggplot2 para su elaboración.
fviz_mca_biplot(mca_result, # resultados del análisis MCA
label = "none",
alpha.ind = 0.1, # nivel de transparencia de los puntos filas o casos
alpha.var = 1, # nivel de transparencia de los puntos columa o variables
max.overlaps = "ggrepel.max.overlaps",
ggtheme = theme_minimal()) # plantilla de estilo para la gráfica## Warning in (function (mapping = NULL, data = NULL, stat = "identity", position
## = "identity", : Ignoring unknown parameters: `max.overlaps`## Warning in (function (mapping = NULL, data = NULL, stat = "identity", position
## = "identity", : Ignoring unknown parameters: `max.overlaps`
Biplot o gráfica con la proyección de individuos y variables.
El biplot representa simultáneamente a los individuos y las
variables, mostrando su distribución sobre los ejes del análisis. En la
gráfica, los individuos aparecen como puntos azules y las variables como
triángulos rojos. Esta visualización permite identificar las relaciones
y asociaciones entre las variables categóricas y su vínculo con los
individuos. La distancia entre los puntos refleja su grado de similitud:
los individuos cercanos presentan características similares, mientras
que las modalidades próximas están asociadas a los mismos grupos de
individuos o a individuos con comportamientos parecidos.
Descripción de las dimensiones
En este análisis de correspondencias, es posible identificar el grado
de correlación entre las variables y sus categorías con cada una de las
dimensiones construidas. Esto permite determinar qué variables tienen
mayor influencia en cada eje del resumen. Para realizar este análisis se
emplea el comando dimdesc(), perteneciente a la librería
FactoMineR.
res.desc<-dimdesc(mca_result,
axes = c(1,2) #definición de los ejes o dimensiones a describir
)Este comando genera un objeto tipo lista que almacena los valores de
correlación de las variables con las dimensiones seleccionadas. Luego,
se extraen dichos valores y se presentan en dos tablas por dimensión:
una muestra la relación de cada variable mediante el coeficiente de
determinación (R²) y su p-value, mientras que la otra incluye las
correlaciones de cada categoría y su p-value correspondiente.
Para acceder a los resultados de la dimensión 1, se utiliza el siguiente llamado:
res.desc[[1]]##
## Link between the variable and the categorical variable (1-way anova)
## =============================================
## R2 p.value
## estu_dedicacioninternet 0.6697286031 0.000000e+00
## estu_dedicacionlecturadiaria 0.3361751680 0.000000e+00
## fami_educacionmadre 0.7282622920 0.000000e+00
## fami_educacionpadre 0.6165434792 0.000000e+00
## fami_estratovivienda 0.4462285430 0.000000e+00
## fami_tieneinternet 0.3164853608 0.000000e+00
## fami_trabajolabormadre 0.3194294800 0.000000e+00
## fami_trabajolaborpadre 0.2263468540 0.000000e+00
## desemp_ingles 0.0151870142 4.098192e-27
## estu_horassemanatrabaja 0.0147495402 2.621681e-26
## AÑO 0.0111932500 1.780051e-21
## edad_prueba 0.0094445465 3.973979e-13
## GRUPO Y JORNADA.1_estandarizada 0.0057730097 5.998681e-08
## cole_caracter 0.0037946672 4.585585e-07
## cole_area_ubicacion 0.0020251747 3.346430e-05
## JORNADA 0.0007466034 4.199765e-02
##
## Link between variable and the categories of the categorical variables
## ================================================================
## Estimate
## fami_tieneinternet=fami_tieneinternet_Si 0.256299679
## estu_dedicacioninternet=estu_dedicacioninternet_Entre 1 y 3 horas 0.244366575
## estu_dedicacionlecturadiaria=estu_dedicacionlecturadiaria_30 minutos o menos 0.103141095
## estu_dedicacionlecturadiaria=estu_dedicacionlecturadiaria_Entre 30 y 60 minutos 0.116034777
## fami_educacionpadre=fami_educacionpadre_Secundaria (Bachillerato) completa 0.070093169
## estu_dedicacioninternet=estu_dedicacioninternet_Más de 3 horas 0.222125639
## fami_estratovivienda=fami_estratovivienda_Estrato 3 0.237234893
## fami_educacionmadre=fami_educacionmadre_Secundaria (Bachillerato) completa 0.089924022
## fami_educacionmadre=fami_educacionmadre_Técnica o tecnológica completa 0.147231945
## fami_educacionpadre=fami_educacionpadre_Educación profesional completa 0.154247473
## fami_educacionpadre=fami_educacionpadre_Técnica o tecnológica completa 0.133675175
## fami_educacionmadre=fami_educacionmadre_Educación profesional completa 0.162687219
## estu_dedicacioninternet=estu_dedicacioninternet_Entre 30 y 60 minutos 0.209651445
## estu_dedicacionlecturadiaria=estu_dedicacionlecturadiaria_Entre 1 y 2 horas 0.112941656
## fami_educacionpadre=fami_educacionpadre_Secundaria (Bachillerato) incompleta 0.046773941
## fami_estratovivienda=fami_estratovivienda_Estrato 2 0.149976332
## fami_trabajolabormadre=fami_trabajolabormadre_Es dueño de un negocio pequeño (tiene pocos empleados o no tiene, por ejemplo tienda, papelería, etc 0.128234609
## fami_trabajolabormadre=fami_trabajolabormadre_Trabaja en el hogar, no trabaja o estudia 0.041000083
## fami_trabajolabormadre=fami_trabajolabormadre_Trabaja como profesional (por ejemplo médico, abogado, ingeniero) 0.160929931
## fami_trabajolaborpadre=fami_trabajolaborpadre_Trabaja como profesional (por ejemplo médico, abogado, ingeniero) 0.121000521
## estu_horassemanatrabaja=Menos de 10 horas 0.047346847
## fami_trabajolabormadre=fami_trabajolabormadre_Tiene un trabajo de tipo auxiliar administrativo (por ejemplo, secretario o asistente) 0.122956207
## estu_dedicacionlecturadiaria=estu_dedicacionlecturadiaria_Más de 2 horas 0.107240664
## fami_trabajolaborpadre=fami_trabajolaborpadre_Es operario de máquinas o conduce vehículos (taxita, chofer) 0.062086107
## fami_trabajolaborpadre=fami_trabajolaborpadre_Trabaja por cuenta propia (por ejemplo plomero, electricista) 0.048478063
## fami_educacionmadre=fami_educacionmadre_Secundaria (Bachillerato) incompleta 0.056585523
## AÑO=2022 0.052345459
## fami_trabajolaborpadre=fami_trabajolaborpadre_Es dueño de un negocio pequeño (tiene pocos empleados o no tiene, por ejemplo tienda, papelería, etc 0.067094191
## fami_educacionmadre=fami_educacionmadre_Técnica o tecnológica incompleta 0.114268459
## fami_educacionpadre=fami_educacionpadre_Educación profesional incompleta 0.112312319
## fami_educacionmadre=fami_educacionmadre_Educación profesional incompleta 0.128743953
## fami_educacionpadre=fami_educacionpadre_Técnica o tecnológica incompleta 0.108056087
## fami_trabajolaborpadre=fami_trabajolaborpadre_Tiene un trabajo de tipo auxiliar administrativo (por ejemplo, secretario o asistente) 0.090360088
## fami_educacionpadre=fami_educacionpadre_Primaria incompleta 0.018100845
## fami_trabajolaborpadre=fami_trabajolaborpadre_Es vendedor o trabaja en atención al público 0.037631687
## desemp_ingles=A2 0.016628755
## fami_estratovivienda=fami_estratovivienda_Estrato 4 0.213727945
## desemp_ingles=B1 0.062601537
## cole_caracter=TÉCNICO/ACADÉMICO 0.031043345
## fami_trabajolaborpadre=fami_trabajolaborpadre_Pensionado 0.095123634
## estu_dedicacioninternet=estu_dedicacioninternet_30 minutos o menos 0.153812127
## estu_horassemanatrabaja=Entre 11 y 20 horas 0.041990676
## fami_educacionmadre=fami_educacionmadre_Postgrado 0.176596743
## fami_trabajolabormadre=fami_trabajolabormadre_Trabaja por cuenta propia (por ejemplo plomero, electricista) 0.086112211
## GRUPO Y JORNADA.1_estandarizada=5 0.094109790
## fami_trabajolabormadre=fami_trabajolabormadre_Es vendedor o trabaja en atención al público 0.045115511
## fami_educacionpadre=fami_educacionpadre_Primaria completa 0.018196809
## cole_area_ubicacion=URBANO 0.033426892
## fami_educacionpadre=fami_educacionpadre_Postgrado 0.172942693
## edad_prueba=18 0.067345163
## edad_prueba=15 0.180321168
## fami_trabajolaborpadre=fami_trabajolaborpadre_Es dueño de un negocio grande, tiene un cargo de nivel directivo o gerencial 0.087548493
## edad_prueba=16 0.130652868
## fami_educacionmadre=fami_educacionmadre_Primaria completa 0.037799156
## fami_educacionmadre=fami_educacionmadre_Primaria incompleta 0.021446233
## edad_prueba=19 0.044519451
## fami_estratovivienda=fami_estratovivienda_Sin Estrato 0.126578299
## GRUPO Y JORNADA.1_estandarizada=6 0.054300664
## edad_prueba=14 0.367711946
## fami_estratovivienda=fami_estratovivienda_Estrato 5 0.173769476
## fami_educacionpadre=fami_educacionpadre_No Aplica 0.047006162
## estu_horassemanatrabaja=Más de 30 horas 0.025332807
## JORNADA=MAÑANA -0.016146023
## cole_caracter=TÉCNICO -0.040986908
## edad_prueba=22 -1.136836157
## fami_trabajolaborpadre=fami_trabajolaborpadre_Trabaja como personal de limpieza, mantenimiento, seguridad o construcción -0.005869081
## cole_caracter=ACADÉMICO -0.015802166
## desemp_ingles=A1 -0.022504520
## cole_area_ubicacion=RURAL -0.033426892
## edad_prueba=21 -0.484723119
## GRUPO Y JORNADA.1_estandarizada=1 -0.043915236
## AÑO=2024 -0.057829501
## desemp_ingles=A- -0.098673761
## estu_horassemanatrabaja=No trabaja -0.073235896
## fami_trabajolaborpadre=fami_trabajolaborpadre_No sabe -0.491785599
## fami_trabajolabormadre=fami_trabajolabormadre_No sabe -0.722659524
## fami_tieneinternet=fami_tieneinternet_No -0.256299679
## fami_estratovivienda=fami_estratovivienda_No sabe -1.096356474
## fami_educacionpadre=fami_educacionpadre_No sabe -0.816306205
## fami_educacionmadre=fami_educacionmadre_No sabe -1.006227668
## estu_dedicacionlecturadiaria=estu_dedicacionlecturadiaria_No leo por entretenimiento -0.439358191
## estu_dedicacioninternet=estu_dedicacioninternet_No Navega Internet -0.829955787
## p.value
## fami_tieneinternet=fami_tieneinternet_Si 0.000000e+00
## estu_dedicacioninternet=estu_dedicacioninternet_Entre 1 y 3 horas 1.713419e-114
## estu_dedicacionlecturadiaria=estu_dedicacionlecturadiaria_30 minutos o menos 4.428424e-95
## estu_dedicacionlecturadiaria=estu_dedicacionlecturadiaria_Entre 30 y 60 minutos 1.134460e-84
## fami_educacionpadre=fami_educacionpadre_Secundaria (Bachillerato) completa 2.379480e-77
## estu_dedicacioninternet=estu_dedicacioninternet_Más de 3 horas 9.550093e-67
## fami_estratovivienda=fami_estratovivienda_Estrato 3 1.511870e-66
## fami_educacionmadre=fami_educacionmadre_Secundaria (Bachillerato) completa 5.288218e-62
## fami_educacionmadre=fami_educacionmadre_Técnica o tecnológica completa 2.483913e-60
## fami_educacionpadre=fami_educacionpadre_Educación profesional completa 1.261837e-53
## fami_educacionpadre=fami_educacionpadre_Técnica o tecnológica completa 2.637780e-48
## fami_educacionmadre=fami_educacionmadre_Educación profesional completa 1.197065e-47
## estu_dedicacioninternet=estu_dedicacioninternet_Entre 30 y 60 minutos 5.270704e-40
## estu_dedicacionlecturadiaria=estu_dedicacionlecturadiaria_Entre 1 y 2 horas 1.288618e-34
## fami_educacionpadre=fami_educacionpadre_Secundaria (Bachillerato) incompleta 9.774780e-28
## fami_estratovivienda=fami_estratovivienda_Estrato 2 2.175838e-24
## fami_trabajolabormadre=fami_trabajolabormadre_Es dueño de un negocio pequeño (tiene pocos empleados o no tiene, por ejemplo tienda, papelería, etc 1.701432e-22
## fami_trabajolabormadre=fami_trabajolabormadre_Trabaja en el hogar, no trabaja o estudia 2.242790e-22
## fami_trabajolabormadre=fami_trabajolabormadre_Trabaja como profesional (por ejemplo médico, abogado, ingeniero) 2.890908e-22
## fami_trabajolaborpadre=fami_trabajolaborpadre_Trabaja como profesional (por ejemplo médico, abogado, ingeniero) 8.338821e-22
## estu_horassemanatrabaja=Menos de 10 horas 1.966522e-19
## fami_trabajolabormadre=fami_trabajolabormadre_Tiene un trabajo de tipo auxiliar administrativo (por ejemplo, secretario o asistente) 1.095773e-18
## estu_dedicacionlecturadiaria=estu_dedicacionlecturadiaria_Más de 2 horas 3.198386e-18
## fami_trabajolaborpadre=fami_trabajolaborpadre_Es operario de máquinas o conduce vehículos (taxita, chofer) 5.277579e-18
## fami_trabajolaborpadre=fami_trabajolaborpadre_Trabaja por cuenta propia (por ejemplo plomero, electricista) 7.058683e-18
## fami_educacionmadre=fami_educacionmadre_Secundaria (Bachillerato) incompleta 1.654903e-15
## AÑO=2022 2.320766e-15
## fami_trabajolaborpadre=fami_trabajolaborpadre_Es dueño de un negocio pequeño (tiene pocos empleados o no tiene, por ejemplo tienda, papelería, etc 2.381251e-14
## fami_educacionmadre=fami_educacionmadre_Técnica o tecnológica incompleta 1.204565e-13
## fami_educacionpadre=fami_educacionpadre_Educación profesional incompleta 3.075131e-13
## fami_educacionmadre=fami_educacionmadre_Educación profesional incompleta 3.551120e-13
## fami_educacionpadre=fami_educacionpadre_Técnica o tecnológica incompleta 3.674432e-13
## fami_trabajolaborpadre=fami_trabajolaborpadre_Tiene un trabajo de tipo auxiliar administrativo (por ejemplo, secretario o asistente) 2.505335e-11
## fami_educacionpadre=fami_educacionpadre_Primaria incompleta 2.226090e-09
## fami_trabajolaborpadre=fami_trabajolaborpadre_Es vendedor o trabaja en atención al público 5.026298e-09
## desemp_ingles=A2 1.004194e-08
## fami_estratovivienda=fami_estratovivienda_Estrato 4 1.283466e-08
## desemp_ingles=B1 2.523464e-08
## cole_caracter=TÉCNICO/ACADÉMICO 6.784833e-08
## fami_trabajolaborpadre=fami_trabajolaborpadre_Pensionado 2.810805e-07
## estu_dedicacioninternet=estu_dedicacioninternet_30 minutos o menos 1.111172e-06
## estu_horassemanatrabaja=Entre 11 y 20 horas 1.469377e-06
## fami_educacionmadre=fami_educacionmadre_Postgrado 3.739189e-06
## fami_trabajolabormadre=fami_trabajolabormadre_Trabaja por cuenta propia (por ejemplo plomero, electricista) 5.270264e-06
## GRUPO Y JORNADA.1_estandarizada=5 5.585776e-06
## fami_trabajolabormadre=fami_trabajolabormadre_Es vendedor o trabaja en atención al público 9.150726e-06
## fami_educacionpadre=fami_educacionpadre_Primaria completa 2.108334e-05
## cole_area_ubicacion=URBANO 3.346430e-05
## fami_educacionpadre=fami_educacionpadre_Postgrado 4.289283e-05
## edad_prueba=18 4.579865e-05
## edad_prueba=15 2.107966e-04
## fami_trabajolaborpadre=fami_trabajolaborpadre_Es dueño de un negocio grande, tiene un cargo de nivel directivo o gerencial 4.883094e-04
## edad_prueba=16 7.067076e-04
## fami_educacionmadre=fami_educacionmadre_Primaria completa 1.386434e-03
## fami_educacionmadre=fami_educacionmadre_Primaria incompleta 3.067498e-03
## edad_prueba=19 5.650489e-03
## fami_estratovivienda=fami_estratovivienda_Sin Estrato 5.769881e-03
## GRUPO Y JORNADA.1_estandarizada=6 1.094106e-02
## edad_prueba=14 1.247991e-02
## fami_estratovivienda=fami_estratovivienda_Estrato 5 2.879733e-02
## fami_educacionpadre=fami_educacionpadre_No Aplica 3.889811e-02
## estu_horassemanatrabaja=Más de 30 horas 4.370618e-02
## JORNADA=MAÑANA 1.864376e-02
## cole_caracter=TÉCNICO 3.055630e-03
## edad_prueba=22 2.990942e-03
## fami_trabajolaborpadre=fami_trabajolaborpadre_Trabaja como personal de limpieza, mantenimiento, seguridad o construcción 1.504525e-03
## cole_caracter=ACADÉMICO 2.876815e-04
## desemp_ingles=A1 4.291878e-05
## cole_area_ubicacion=RURAL 3.346430e-05
## edad_prueba=21 7.024119e-06
## GRUPO Y JORNADA.1_estandarizada=1 9.650639e-07
## AÑO=2024 1.200720e-18
## desemp_ingles=A- 7.738224e-26
## estu_horassemanatrabaja=No trabaja 2.056972e-27
## fami_trabajolaborpadre=fami_trabajolaborpadre_No sabe 0.000000e+00
## fami_trabajolabormadre=fami_trabajolabormadre_No sabe 0.000000e+00
## fami_tieneinternet=fami_tieneinternet_No 0.000000e+00
## fami_estratovivienda=fami_estratovivienda_No sabe 0.000000e+00
## fami_educacionpadre=fami_educacionpadre_No sabe 0.000000e+00
## fami_educacionmadre=fami_educacionmadre_No sabe 0.000000e+00
## estu_dedicacionlecturadiaria=estu_dedicacionlecturadiaria_No leo por entretenimiento 0.000000e+00
## estu_dedicacioninternet=estu_dedicacioninternet_No Navega Internet 0.000000e+00Para acceder a los resultados de la dimensión 2, se utiliza el siguiente llamado:
res.desc[[2]]##
## Link between the variable and the categorical variable (1-way anova)
## =============================================
## R2 p.value
## desemp_ingles 0.2167631973 0.000000e+00
## fami_educacionmadre 0.4981951086 0.000000e+00
## fami_educacionpadre 0.4674831396 0.000000e+00
## fami_estratovivienda 0.1970597314 0.000000e+00
## fami_trabajolabormadre 0.2996189992 0.000000e+00
## fami_trabajolaborpadre 0.2920990886 0.000000e+00
## cole_area_ubicacion 0.0973466063 4.261545e-191
## estu_dedicacioninternet 0.0993426624 6.302540e-191
## GRUPO Y JORNADA.1_estandarizada 0.0924945924 1.674404e-172
## edad_prueba 0.0914903930 1.889758e-168
## fami_tieneinternet 0.0789272161 8.242943e-154
## cole_caracter 0.0610728241 1.287990e-115
## estu_horassemanatrabaja 0.0456704558 1.379188e-84
## estu_dedicacionlecturadiaria 0.0307793095 3.190979e-56
## estu_nacionalidad 0.0114363653 5.006486e-21
## AÑO 0.0077373893 4.805280e-15
## estu_tieneetnia 0.0040552856 4.268335e-09
## estu_genero 0.0009939250 3.666281e-03
## JORNADA 0.0010639477 1.090722e-02
## estu_discapacidad 0.0006328961 2.043117e-02
##
## Link between variable and the categories of the categorical variables
## ================================================================
## Estimate
## fami_trabajolaborpadre=fami_trabajolaborpadre_Trabaja como profesional (por ejemplo médico, abogado, ingeniero) 0.5290990333
## fami_trabajolabormadre=fami_trabajolabormadre_Trabaja como profesional (por ejemplo médico, abogado, ingeniero) 0.5416762978
## fami_educacionpadre=fami_educacionpadre_Educación profesional completa 0.4142967413
## fami_educacionmadre=fami_educacionmadre_Educación profesional completa 0.4380871798
## cole_area_ubicacion=URBANO 0.1934658462
## fami_estratovivienda=fami_estratovivienda_Estrato 3 0.2572665120
## fami_tieneinternet=fami_tieneinternet_Si 0.1068473598
## desemp_ingles=A2 0.0052956417
## desemp_ingles=B1 0.1519116220
## cole_caracter=TÉCNICO/ACADÉMICO 0.2255723695
## estu_dedicacioninternet=estu_dedicacioninternet_Más de 3 horas 0.1536413824
## edad_prueba=16 0.0756573600
## estu_horassemanatrabaja=No trabaja 0.1431222525
## fami_educacionmadre=fami_educacionmadre_Técnica o tecnológica completa 0.1808123821
## fami_trabajolabormadre=fami_trabajolabormadre_Tiene un trabajo de tipo auxiliar administrativo (por ejemplo, secretario o asistente) 0.2001253223
## fami_educacionpadre=fami_educacionpadre_Técnica o tecnológica completa 0.1592927489
## fami_trabajolaborpadre=fami_trabajolaborpadre_No sabe 0.1409744589
## fami_educacionmadre=fami_educacionmadre_Postgrado 0.6367918017
## cole_caracter=ACADÉMICO 0.0697857981
## fami_educacionpadre=fami_educacionpadre_No sabe 0.0850671884
## desemp_ingles=B+ 0.3804693311
## fami_educacionpadre=fami_educacionpadre_Postgrado 0.6542433594
## fami_trabajolabormadre=fami_trabajolabormadre_No sabe 0.1172865100
## fami_educacionmadre=fami_educacionmadre_No sabe 0.1370984310
## GRUPO Y JORNADA.1_estandarizada=4 0.0593193761
## fami_estratovivienda=fami_estratovivienda_Estrato 2 0.1083468201
## fami_educacionpadre=fami_educacionpadre_Educación profesional incompleta 0.2011196668
## fami_educacionmadre=fami_educacionmadre_Educación profesional incompleta 0.2260569573
## GRUPO Y JORNADA.1_estandarizada=6 0.1693154330
## GRUPO Y JORNADA.1_estandarizada=5 0.1278797847
## GRUPO Y JORNADA.1_estandarizada=7 0.2123764495
## fami_trabajolaborpadre=fami_trabajolaborpadre_Tiene un trabajo de tipo auxiliar administrativo (por ejemplo, secretario o asistente) 0.1871336473
## estu_nacionalidad=COLOMBIA 0.1157636692
## edad_prueba=15 0.1284448921
## estu_dedicacionlecturadiaria=estu_dedicacionlecturadiaria_Más de 2 horas 0.0869162519
## fami_trabajolaborpadre=fami_trabajolaborpadre_Pensionado 0.1754913705
## estu_dedicacionlecturadiaria=estu_dedicacionlecturadiaria_Entre 1 y 2 horas 0.0484016868
## AÑO=2024 0.0380574602
## fami_estratovivienda=fami_estratovivienda_No sabe 0.1423887706
## estu_horassemanatrabaja=Entre 11 y 20 horas 0.0008713709
## estu_dedicacionlecturadiaria=estu_dedicacionlecturadiaria_No leo por entretenimiento 0.0113207517
## estu_tieneetnia=estu_tieneetnia_No 0.1722480664
## fami_educacionpadre=fami_educacionpadre_Técnica o tecnológica incompleta 0.0626745945
## fami_trabajolabormadre=fami_trabajolabormadre_Pensionado 0.2246001522
## estu_dedicacioninternet=estu_dedicacioninternet_Entre 1 y 3 horas 0.0534646542
## estu_dedicacioninternet=estu_dedicacioninternet_No Navega Internet 0.0654080633
## cole_caracter=TÉCNICO 0.0870926777
## estu_genero=M 0.0112359520
## JORNADA=MAÑANA 0.0158392161
## estu_discapacidad=S 0.0485548468
## edad_prueba=14 0.1701456133
## fami_trabajolaborpadre=fami_trabajolaborpadre_Es dueño de un negocio grande, tiene un cargo de nivel directivo o gerencial 0.0581505655
## JORNADA=UNICA -0.0137035250
## estu_dedicacionlecturadiaria=estu_dedicacionlecturadiaria_Entre 30 y 60 minutos -0.0422948670
## edad_prueba=21 -0.2674969296
## estu_discapacidad=N -0.0485548468
## fami_trabajolaborpadre=fami_trabajolaborpadre_Es operario de máquinas o conduce vehículos (taxita, chofer) -0.0318706826
## fami_estratovivienda=fami_estratovivienda_Estrato 6 -0.1105469072
## estu_genero=F -0.0112359520
## GRUPO Y JORNADA.1_estandarizada=2 -0.1241093798
## fami_estratovivienda=fami_estratovivienda_Estrato 5 -0.1184464806
## edad_prueba=20 -0.3002587772
## GRUPO Y JORNADA.1_estandarizada=3 -0.0605000943
## estu_horassemanatrabaja=Más de 30 horas -0.0586157907
## estu_tieneetnia=estu_tieneetnia_Si -0.1722480664
## fami_trabajolaborpadre=fami_trabajolaborpadre_Es vendedor o trabaja en atención al público -0.0854885901
## fami_trabajolabormadre=fami_trabajolabormadre_No aplica -0.1472220367
## estu_horassemanatrabaja=Entre 21 y 30 horas -0.0634941692
## AÑO=2022 -0.0387297608
## fami_trabajolabormadre=fami_trabajolabormadre_Es agricultor, pesquero o jornalero -0.3822645163
## edad_prueba=17 -0.0526857685
## desemp_ingles=A1 -0.1794219725
## fami_trabajolaborpadre=fami_trabajolaborpadre_No aplica -0.1114339368
## fami_educacionpadre=fami_educacionpadre_Secundaria (Bachillerato) completa -0.1077317674
## fami_trabajolaborpadre=fami_trabajolaborpadre_Trabaja por cuenta propia (por ejemplo plomero, electricista) -0.0943316114
## edad_prueba=19 -0.2073229802
## estu_nacionalidad=VENEZUELA -0.1200330451
## fami_trabajolaborpadre=fami_trabajolaborpadre_Trabaja en el hogar, no trabaja o estudia -0.1861554153
## cole_caracter=NO APLICA -0.3824508453
## fami_educacionmadre=fami_educacionmadre_Secundaria (Bachillerato) completa -0.0738054590
## fami_educacionmadre=fami_educacionmadre_Ninguno -0.4968751353
## estu_dedicacionlecturadiaria=estu_dedicacionlecturadiaria_30 minutos o menos -0.1043438235
## fami_trabajolaborpadre=fami_trabajolaborpadre_Trabaja como personal de limpieza, mantenimiento, seguridad o construcción -0.1621474038
## estu_horassemanatrabaja=Menos de 10 horas -0.0218836634
## fami_educacionpadre=fami_educacionpadre_Primaria completa -0.3164299644
## fami_educacionpadre=fami_educacionpadre_Ninguno -0.4631930218
## estu_dedicacioninternet=estu_dedicacioninternet_30 minutos o menos -0.1627455508
## fami_estratovivienda=fami_estratovivienda_Sin Estrato -0.2258928784
## estu_dedicacioninternet=estu_dedicacioninternet_Entre 30 y 60 minutos -0.1097685491
## edad_prueba=18 -0.1882261720
## fami_trabajolabormadre=fami_trabajolabormadre_Trabaja como personal de limpieza, mantenimiento, seguridad o construcción -0.2404294508
## GRUPO Y JORNADA.1_estandarizada=1 -0.1945502351
## fami_trabajolaborpadre=fami_trabajolaborpadre_Es agricultor, pesquero o jornalero -0.3900609652
## fami_educacionmadre=fami_educacionmadre_Primaria completa -0.3603852653
## fami_trabajolabormadre=fami_trabajolabormadre_Trabaja en el hogar, no trabaja o estudia -0.1492366834
## fami_educacionpadre=fami_educacionpadre_Secundaria (Bachillerato) incompleta -0.2455999967
## fami_tieneinternet=fami_tieneinternet_No -0.1068473598
## fami_educacionmadre=fami_educacionmadre_Primaria incompleta -0.4114386642
## fami_educacionmadre=fami_educacionmadre_Secundaria (Bachillerato) incompleta -0.2525215921
## cole_area_ubicacion=RURAL -0.1934658462
## fami_estratovivienda=fami_estratovivienda_Estrato 1 -0.1162295897
## fami_educacionpadre=fami_educacionpadre_Primaria incompleta -0.4238295670
## desemp_ingles=A- -0.3582546223
## p.value
## fami_trabajolaborpadre=fami_trabajolaborpadre_Trabaja como profesional (por ejemplo médico, abogado, ingeniero) 2.492589e-309
## fami_trabajolabormadre=fami_trabajolabormadre_Trabaja como profesional (por ejemplo médico, abogado, ingeniero) 0.000000e+00
## fami_educacionpadre=fami_educacionpadre_Educación profesional completa 0.000000e+00
## fami_educacionmadre=fami_educacionmadre_Educación profesional completa 0.000000e+00
## cole_area_ubicacion=URBANO 4.261545e-191
## fami_estratovivienda=fami_estratovivienda_Estrato 3 9.896721e-189
## fami_tieneinternet=fami_tieneinternet_Si 8.242943e-154
## desemp_ingles=A2 2.013184e-124
## desemp_ingles=B1 1.659165e-111
## cole_caracter=TÉCNICO/ACADÉMICO 2.345737e-94
## estu_dedicacioninternet=estu_dedicacioninternet_Más de 3 horas 5.890877e-92
## edad_prueba=16 6.120471e-91
## estu_horassemanatrabaja=No trabaja 9.816385e-87
## fami_educacionmadre=fami_educacionmadre_Técnica o tecnológica completa 2.093263e-84
## fami_trabajolabormadre=fami_trabajolabormadre_Tiene un trabajo de tipo auxiliar administrativo (por ejemplo, secretario o asistente) 4.779773e-74
## fami_educacionpadre=fami_educacionpadre_Técnica o tecnológica completa 4.963201e-73
## fami_trabajolaborpadre=fami_trabajolaborpadre_No sabe 6.029435e-66
## fami_educacionmadre=fami_educacionmadre_Postgrado 2.389877e-64
## cole_caracter=ACADÉMICO 3.370119e-57
## fami_educacionpadre=fami_educacionpadre_No sabe 1.919131e-55
## desemp_ingles=B+ 1.947382e-53
## fami_educacionpadre=fami_educacionpadre_Postgrado 2.193469e-46
## fami_trabajolabormadre=fami_trabajolabormadre_No sabe 1.868117e-43
## fami_educacionmadre=fami_educacionmadre_No sabe 4.162564e-38
## GRUPO Y JORNADA.1_estandarizada=4 1.837638e-37
## fami_estratovivienda=fami_estratovivienda_Estrato 2 8.652333e-36
## fami_educacionpadre=fami_educacionpadre_Educación profesional incompleta 1.236195e-33
## fami_educacionmadre=fami_educacionmadre_Educación profesional incompleta 1.309828e-33
## GRUPO Y JORNADA.1_estandarizada=6 3.978585e-32
## GRUPO Y JORNADA.1_estandarizada=5 1.922115e-30
## GRUPO Y JORNADA.1_estandarizada=7 2.187836e-29
## fami_trabajolaborpadre=fami_trabajolaborpadre_Tiene un trabajo de tipo auxiliar administrativo (por ejemplo, secretario o asistente) 1.183264e-28
## estu_nacionalidad=COLOMBIA 1.364423e-22
## edad_prueba=15 2.029200e-20
## estu_dedicacionlecturadiaria=estu_dedicacionlecturadiaria_Más de 2 horas 6.864195e-16
## fami_trabajolaborpadre=fami_trabajolaborpadre_Pensionado 8.768630e-15
## estu_dedicacionlecturadiaria=estu_dedicacionlecturadiaria_Entre 1 y 2 horas 4.927036e-13
## AÑO=2024 4.523393e-12
## fami_estratovivienda=fami_estratovivienda_No sabe 3.390818e-11
## estu_horassemanatrabaja=Entre 11 y 20 horas 5.662888e-11
## estu_dedicacionlecturadiaria=estu_dedicacionlecturadiaria_No leo por entretenimiento 9.910493e-10
## estu_tieneetnia=estu_tieneetnia_No 4.268335e-09
## fami_educacionpadre=fami_educacionpadre_Técnica o tecnológica incompleta 3.305086e-08
## fami_trabajolabormadre=fami_trabajolabormadre_Pensionado 2.062825e-07
## estu_dedicacioninternet=estu_dedicacioninternet_Entre 1 y 3 horas 3.871857e-07
## estu_dedicacioninternet=estu_dedicacioninternet_No Navega Internet 5.767903e-05
## cole_caracter=TÉCNICO 2.447899e-04
## estu_genero=M 3.666281e-03
## JORNADA=MAÑANA 6.071086e-03
## estu_discapacidad=S 2.043117e-02
## edad_prueba=14 3.246056e-02
## fami_trabajolaborpadre=fami_trabajolaborpadre_Es dueño de un negocio grande, tiene un cargo de nivel directivo o gerencial 4.966207e-02
## JORNADA=UNICA 2.444265e-02
## estu_dedicacionlecturadiaria=estu_dedicacionlecturadiaria_Entre 30 y 60 minutos 2.160067e-02
## edad_prueba=21 2.143641e-02
## estu_discapacidad=N 2.043117e-02
## fami_trabajolaborpadre=fami_trabajolaborpadre_Es operario de máquinas o conduce vehículos (taxita, chofer) 1.619773e-02
## fami_estratovivienda=fami_estratovivienda_Estrato 6 4.968533e-03
## estu_genero=F 3.666281e-03
## GRUPO Y JORNADA.1_estandarizada=2 3.562170e-03
## fami_estratovivienda=fami_estratovivienda_Estrato 5 2.937052e-05
## edad_prueba=20 3.972118e-07
## GRUPO Y JORNADA.1_estandarizada=3 1.661171e-07
## estu_horassemanatrabaja=Más de 30 horas 3.014709e-08
## estu_tieneetnia=estu_tieneetnia_Si 4.268335e-09
## fami_trabajolaborpadre=fami_trabajolaborpadre_Es vendedor o trabaja en atención al público 1.325136e-10
## fami_trabajolabormadre=fami_trabajolabormadre_No aplica 1.092572e-10
## estu_horassemanatrabaja=Entre 21 y 30 horas 2.106317e-11
## AÑO=2022 1.906019e-12
## fami_trabajolabormadre=fami_trabajolabormadre_Es agricultor, pesquero o jornalero 1.200579e-12
## edad_prueba=17 1.127834e-13
## desemp_ingles=A1 8.181461e-14
## fami_trabajolaborpadre=fami_trabajolaborpadre_No aplica 7.194168e-17
## fami_educacionpadre=fami_educacionpadre_Secundaria (Bachillerato) completa 1.101923e-19
## fami_trabajolaborpadre=fami_trabajolaborpadre_Trabaja por cuenta propia (por ejemplo plomero, electricista) 8.743094e-21
## edad_prueba=19 2.140507e-21
## estu_nacionalidad=VENEZUELA 7.070883e-23
## fami_trabajolaborpadre=fami_trabajolaborpadre_Trabaja en el hogar, no trabaja o estudia 3.384859e-26
## cole_caracter=NO APLICA 5.683155e-31
## fami_educacionmadre=fami_educacionmadre_Secundaria (Bachillerato) completa 4.928387e-36
## fami_educacionmadre=fami_educacionmadre_Ninguno 1.468831e-40
## estu_dedicacionlecturadiaria=estu_dedicacionlecturadiaria_30 minutos o menos 1.018127e-40
## fami_trabajolaborpadre=fami_trabajolaborpadre_Trabaja como personal de limpieza, mantenimiento, seguridad o construcción 1.605805e-43
## estu_horassemanatrabaja=Menos de 10 horas 1.722723e-46
## fami_educacionpadre=fami_educacionpadre_Primaria completa 3.646398e-54
## fami_educacionpadre=fami_educacionpadre_Ninguno 6.653925e-60
## estu_dedicacioninternet=estu_dedicacioninternet_30 minutos o menos 4.045655e-67
## fami_estratovivienda=fami_estratovivienda_Sin Estrato 4.902773e-71
## estu_dedicacioninternet=estu_dedicacioninternet_Entre 30 y 60 minutos 1.569792e-71
## edad_prueba=18 2.554427e-81
## fami_trabajolabormadre=fami_trabajolabormadre_Trabaja como personal de limpieza, mantenimiento, seguridad o construcción 8.850974e-82
## GRUPO Y JORNADA.1_estandarizada=1 1.464805e-85
## fami_trabajolaborpadre=fami_trabajolaborpadre_Es agricultor, pesquero o jornalero 3.282022e-89
## fami_educacionmadre=fami_educacionmadre_Primaria completa 4.329424e-90
## fami_trabajolabormadre=fami_trabajolabormadre_Trabaja en el hogar, no trabaja o estudia 3.253746e-104
## fami_educacionpadre=fami_educacionpadre_Secundaria (Bachillerato) incompleta 1.619349e-108
## fami_tieneinternet=fami_tieneinternet_No 8.242943e-154
## fami_educacionmadre=fami_educacionmadre_Primaria incompleta 5.622678e-173
## fami_educacionmadre=fami_educacionmadre_Secundaria (Bachillerato) incompleta 1.877910e-173
## cole_area_ubicacion=RURAL 4.261545e-191
## fami_estratovivienda=fami_estratovivienda_Estrato 1 4.695842e-193
## fami_educacionpadre=fami_educacionpadre_Primaria incompleta 1.366589e-214
## desemp_ingles=A- 8.890121e-295Análisis sobre las variables (columnas)
En el análisis de los resultados del MCA, se pueden examinar por
separado las variables y los individuos. En este caso, se analiza el
comportamiento de las variables o columnas del data.frame(). Para ello,
se utiliza el comando get_mca_var(), que permite extraer los resultados
de las categorías de las variables activas. Esta función genera una
lista con las coordenadas de las categorías en cada dimensión, los
valores de coseno al cuadrado y la contribución de cada categoría a los
factores o dimensiones.
variables <- get_mca_var(mca_result)
variables## Multiple Correspondence Analysis Results for variables
## ===================================================
## Name Description
## 1 "$coord" "Coordinates for categories"
## 2 "$cos2" "Cos2 for categories"
## 3 "$contrib" "contributions of categories"También es posible acceder de forma individual a los valores
contenidos en cada elemento de la lista generada, lo que permite
examinar con mayor detalle los resultados de las categorías de las
variables. A continuación, se muestra un ejemplo de esta revisión.
#coordenadas
head(variables$coord)## Dim 1 Dim 2 Dim 3 Dim 4 Dim 5
## 2022 0.124492132 -0.110681166 -0.05195370 0.1896178 -0.08827193
## 2023 0.013191611 0.001422951 0.06905173 -0.2088782 0.02061256
## 2024 -0.137184341 0.107788714 -0.02312027 0.0378758 0.06496855
## MAÑANA -0.037707815 0.043977725 -0.11022252 0.3452973 0.32833643
## TARDE 0.007782625 -0.007163282 -0.32306644 0.2645826 -0.39349901
## UNICA 0.031846972 -0.040075312 0.62317096 -0.8064321 0.22199242#cosenos cuadrados: calidad en el mapa de factores
head(variables$cos2)## Dim 1 Dim 2 Dim 3 Dim 4 Dim 5
## 2022 7.366804e-03 5.822946e-03 0.0012830050 0.0170904496 0.0037037402
## 2023 9.437333e-05 1.098079e-06 0.0025858467 0.0236613633 0.0002304186
## 2024 9.110475e-03 5.624430e-03 0.0002587722 0.0006944734 0.0020433289
## MAÑANA 6.517252e-04 8.864766e-04 0.0055685541 0.0546497358 0.0494128535
## TARDE 4.296418e-05 3.639807e-05 0.0740351582 0.0496565733 0.1098352137
## UNICA 3.765080e-04 5.961996e-04 0.1441625010 0.2414201324 0.0182942318#contribucion en los factores o dimensions
head(variables$contrib)## Dim 1 Dim 2 Dim 3 Dim 4 Dim 5
## 2022 0.1341325458 0.1521386300 0.048793818 0.72370617 0.166115894
## 2023 0.0016436895 0.0000274439 0.094070759 0.95843789 0.009885611
## 2024 0.1649009349 0.1460838840 0.009783205 0.02923422 0.091103702
## MAÑANA 0.0120045415 0.0234309581 0.214242141 2.34111561 2.242005189
## TARDE 0.0006751843 0.0008207974 2.430162190 1.81487341 4.251802429
## UNICA 0.0073758068 0.0167597968 5.898873078 10.99923721 0.882805736Correlaciones entre variables y los factores creados
Con los resultados del MCA es posible visualizar gráficamente la asociación de cada variable con las dimensiones o factores obtenidos. Para ello, se emplea el comando fviz_mca_var() con el argumento choice = “mca.cor”, que permite representar dichas correlaciones de la siguiente manera:
fviz_mca_var(mca_result,
choise="mca.cor", #tipo de analisis solicitado: correlaciones
repel=TRUE, #evitar la superposicion de etiquetas
ggtheme= theme_minimal()
)
Biplot de correlaciones entre variables y dimensiones.
El biplot de correlaciones muestra la relación entre las variables y
las dimensiones del análisis. En esta gráfica se pueden identificar las
variables que presentan mayor correlación con cada factor, representadas
según las coordenadas que reflejan los valores de las correlaciones
cuadráticas.
Coordenadas para las categorías de las variables activas
Aunque la gráfica anterior muestra la correlación general de las
variables con las dimensiones, no permite visualizar las categorías de
respuesta dentro del mismo plano. Por ello, es necesario utilizar las
coordenadas de cada categoría, obtenidas previamente y accesibles
mediante el comando (variable $coord). Con el uso del comando
fviz_mca_var(), es posible representar gráficamente estas coordenadas y
evaluar visualmente la asociación entre cada categoría y las dimensiones
o factores del análisis.
fviz_mca_var(mca_result,
repel=TRUE,
ggtheme= theme_minimal(),
max.overlps="ggrepel.max.overlaps",
col.var = "black",
shape.var = 15
)
Biplot de asociación entre categorías y dimensiones
El biplot de asociación entre categorías y dimensiones, con ajustes en color y forma, muestra las relaciones entre las categorías de las variables. Su interpretación se basa en los siguientes criterios:
Las categorías con perfiles similares se agrupan o aparecen cercanas entre sí.
Las variables con correlaciones negativas se ubican en cuadrantes opuestos respecto al origen.
La distancia de cada punto al origen indica la calidad de su representación: las categorías más alejadas están mejor representadas en el mapa biplot.
Calidad de la representación de las categorías
En el biplot generado a partir de los dos primeros factores, se
observa que el primer factor explica el 3.6% de la varianza y el
segundo, el 2.5%, sumando en total un 6.1% del comportamiento de los
datos analizados.
Dado que las dimensiones creadas representan bajos niveles de varianza, no todos los puntos se proyectan con igual precisión en la gráfica. Por ello, es necesario evaluar la calidad de la representación mediante los cosenos cuadráticos (cos²), los cuales indican el grado de asociación entre cada categoría y una dimensión específica.
Los valores de cos² para cada categoría pueden obtenerse con el siguiente comando:
head(round(variables $ cos2, 3), 103)## Dim 1
## 2022 0.007
## 2023 0.000
## 2024 0.009
## MAÑANA 0.001
## TARDE 0.000
## UNICA 0.000
## 1 0.003
## 2 0.000
## 3 0.000
## 4 0.000
## 5 0.002
## 6 0.001
## 7 0.000
## 8 0.000
## 9 0.000
## RURAL 0.002
## URBANO 0.002
## ACADÉMICO 0.002
## NO APLICA 0.000
## TÉCNICO 0.001
## TÉCNICO/ACADÉMICO 0.003
## A- 0.013
## A1 0.002
## A2 0.004
## B+ 0.000
## B1 0.004
## estu_dedicacioninternet_30 minutos o menos 0.003
## estu_dedicacioninternet_Entre 1 y 3 horas 0.059
## estu_dedicacioninternet_Entre 30 y 60 minutos 0.020
## estu_dedicacioninternet_Más de 3 horas 0.034
## estu_dedicacioninternet_No Navega Internet 0.666
## estu_dedicacionlecturadiaria_30 minutos o menos 0.049
## estu_dedicacionlecturadiaria_Entre 1 y 2 horas 0.018
## estu_dedicacionlecturadiaria_Entre 30 y 60 minutos 0.044
## estu_dedicacionlecturadiaria_Más de 2 horas 0.009
## estu_dedicacionlecturadiaria_No leo por entretenimiento 0.336
## estu_discapacidad.N 0.000
## S 0.000
## 12 0.000
## 13 0.000
## 14 0.001
## 15 0.002
## 16 0.001
## 17 0.000
## 18 0.002
## 19 0.001
## 20 0.000
## 21 0.002
## 22 0.001
## F 0.000
## M 0.000
## Entre 11 y 20 horas 0.003
## Entre 21 y 30 horas 0.000
## Más de 30 horas 0.000
## Menos de 10 horas 0.010
## No trabaja 0.014
## CIÉNAGA 0.000
## SANTA MARTA 0.000
## COLOMBIA 0.000
## PERÚ 0.000
## VANUATU 0.000
## VENEZUELA 0.000
## estu_tieneetnia_No 0.000
## estu_tieneetnia_Si 0.000
## fami_educacionmadre_Educación profesional completa 0.024
## fami_educacionmadre_Educación profesional incompleta 0.006
## fami_educacionmadre_Ninguno 0.000
## fami_educacionmadre_No Aplica 0.000
## fami_educacionmadre_No sabe 0.718
## fami_educacionmadre_Postgrado 0.003
## fami_educacionmadre_Primaria completa 0.001
## fami_educacionmadre_Primaria incompleta 0.001
## fami_educacionmadre_Secundaria (Bachillerato) completa 0.032
## fami_educacionmadre_Secundaria (Bachillerato) incompleta 0.007
## fami_educacionmadre_Técnica o tecnológica completa 0.031
## fami_educacionmadre_Técnica o tecnológica incompleta 0.006
## fami_educacionpadre_Educación profesional completa 0.028
## fami_educacionpadre_Educación profesional incompleta 0.006
## fami_educacionpadre_Ninguno 0.000
## fami_educacionpadre_No Aplica 0.001
## fami_educacionpadre_No sabe 0.605
## fami_educacionpadre_Postgrado 0.002
## fami_educacionpadre_Primaria completa 0.002
## fami_educacionpadre_Primaria incompleta 0.004
## fami_educacionpadre_Secundaria (Bachillerato) completa 0.040
## fami_educacionpadre_Secundaria (Bachillerato) incompleta 0.014
## fami_educacionpadre_Técnica o tecnológica completa 0.025
## fami_educacionpadre_Técnica o tecnológica incompleta 0.006
## fami_estratovivienda_Estrato 1 0.000
## fami_estratovivienda_Estrato 2 0.012
## fami_estratovivienda_Estrato 3 0.034
## fami_estratovivienda_Estrato 4 0.004
## fami_estratovivienda_Estrato 5 0.001
## fami_estratovivienda_Estrato 6 0.000
## fami_estratovivienda_No sabe 0.427
## fami_estratovivienda_Sin Estrato 0.001
## fami_tieneinternet_No 0.316
## fami_tieneinternet_Si 0.316
## fami_trabajolabormadre_Es agricultor, pesquero o jornalero 0.000
## fami_trabajolabormadre_Es dueño de un negocio grande, tiene un cargo de nivel directivo o gerencial 0.000
## fami_trabajolabormadre_Es dueño de un negocio pequeño (tiene pocos empleados o no tiene, por ejemplo tienda, papelería, etc 0.011
## fami_trabajolabormadre_Es operario de máquinas o conduce vehículos (taxita, chofer) 0.000
## fami_trabajolabormadre_Es vendedor o trabaja en atención al público 0.002
## Dim 2
## 2022 0.006
## 2023 0.000
## 2024 0.006
## MAÑANA 0.001
## TARDE 0.000
## UNICA 0.001
## 1 0.044
## 2 0.001
## 3 0.003
## 4 0.019
## 5 0.015
## 6 0.016
## 7 0.015
## 8 0.000
## 9 0.000
## RURAL 0.097
## URBANO 0.097
## ACADÉMICO 0.029
## NO APLICA 0.016
## TÉCNICO 0.002
## TÉCNICO/ACADÉMICO 0.049
## A- 0.147
## A1 0.007
## A2 0.064
## B+ 0.028
## B1 0.058
## estu_dedicacioninternet_30 minutos o menos 0.035
## estu_dedicacioninternet_Entre 1 y 3 horas 0.003
## estu_dedicacioninternet_Entre 30 y 60 minutos 0.037
## estu_dedicacioninternet_Más de 3 horas 0.048
## estu_dedicacioninternet_No Navega Internet 0.002
## estu_dedicacionlecturadiaria_30 minutos o menos 0.021
## estu_dedicacionlecturadiaria_Entre 1 y 2 horas 0.006
## estu_dedicacionlecturadiaria_Entre 30 y 60 minutos 0.001
## estu_dedicacionlecturadiaria_Más de 2 horas 0.008
## estu_dedicacionlecturadiaria_No leo por entretenimiento 0.004
## estu_discapacidad.N 0.001
## S 0.001
## 12 0.000
## 13 0.000
## 14 0.001
## 15 0.010
## 16 0.047
## 17 0.006
## 18 0.042
## 19 0.011
## 20 0.003
## 21 0.001
## 22 0.000
## F 0.001
## M 0.001
## Entre 11 y 20 horas 0.005
## Entre 21 y 30 horas 0.005
## Más de 30 horas 0.004
## Menos de 10 horas 0.024
## No trabaja 0.045
## CIÉNAGA 0.000
## SANTA MARTA 0.000
## COLOMBIA 0.011
## PERÚ 0.000
## VANUATU 0.000
## VENEZUELA 0.011
## estu_tieneetnia_No 0.004
## estu_tieneetnia_Si 0.004
## fami_educacionmadre_Educación profesional completa 0.175
## fami_educacionmadre_Educación profesional incompleta 0.017
## fami_educacionmadre_Ninguno 0.021
## fami_educacionmadre_No Aplica 0.000
## fami_educacionmadre_No sabe 0.019
## fami_educacionmadre_Postgrado 0.033
## fami_educacionmadre_Primaria completa 0.047
## fami_educacionmadre_Primaria incompleta 0.088
## fami_educacionmadre_Secundaria (Bachillerato) completa 0.018
## fami_educacionmadre_Secundaria (Bachillerato) incompleta 0.089
## fami_educacionmadre_Técnica o tecnológica completa 0.044
## fami_educacionmadre_Técnica o tecnológica incompleta 0.000
## fami_educacionpadre_Educación profesional completa 0.170
## fami_educacionpadre_Educación profesional incompleta 0.017
## fami_educacionpadre_Ninguno 0.031
## fami_educacionpadre_No Aplica 0.000
## fami_educacionpadre_No sabe 0.029
## fami_educacionpadre_Postgrado 0.024
## fami_educacionpadre_Primaria completa 0.028
## fami_educacionpadre_Primaria incompleta 0.109
## fami_educacionpadre_Secundaria (Bachillerato) completa 0.010
## fami_educacionpadre_Secundaria (Bachillerato) incompleta 0.056
## fami_educacionpadre_Técnica o tecnológica completa 0.038
## fami_educacionpadre_Técnica o tecnológica incompleta 0.004
## fami_estratovivienda_Estrato 1 0.098
## fami_estratovivienda_Estrato 2 0.018
## fami_estratovivienda_Estrato 3 0.096
## fami_estratovivienda_Estrato 4 0.000
## fami_estratovivienda_Estrato 5 0.002
## fami_estratovivienda_Estrato 6 0.001
## fami_estratovivienda_No sabe 0.005
## fami_estratovivienda_Sin Estrato 0.037
## fami_tieneinternet_No 0.079
## fami_tieneinternet_Si 0.079
## fami_trabajolabormadre_Es agricultor, pesquero o jornalero 0.006
## fami_trabajolabormadre_Es dueño de un negocio grande, tiene un cargo de nivel directivo o gerencial 0.000
## fami_trabajolabormadre_Es dueño de un negocio pequeño (tiene pocos empleados o no tiene, por ejemplo tienda, papelería, etc 0.000
## fami_trabajolabormadre_Es operario de máquinas o conduce vehículos (taxita, chofer) 0.000
## fami_trabajolabormadre_Es vendedor o trabaja en atención al público 0.000
## Dim 3
## 2022 0.001
## 2023 0.003
## 2024 0.000
## MAÑANA 0.006
## TARDE 0.074
## UNICA 0.144
## 1 0.015
## 2 0.015
## 3 0.006
## 4 0.007
## 5 0.000
## 6 0.000
## 7 0.004
## 8 0.005
## 9 0.011
## RURAL 0.176
## URBANO 0.176
## ACADÉMICO 0.025
## NO APLICA 0.047
## TÉCNICO 0.037
## TÉCNICO/ACADÉMICO 0.057
## A- 0.017
## A1 0.014
## A2 0.005
## B+ 0.004
## B1 0.001
## estu_dedicacioninternet_30 minutos o menos 0.001
## estu_dedicacioninternet_Entre 1 y 3 horas 0.002
## estu_dedicacioninternet_Entre 30 y 60 minutos 0.000
## estu_dedicacioninternet_Más de 3 horas 0.000
## estu_dedicacioninternet_No Navega Internet 0.000
## estu_dedicacionlecturadiaria_30 minutos o menos 0.001
## estu_dedicacionlecturadiaria_Entre 1 y 2 horas 0.009
## estu_dedicacionlecturadiaria_Entre 30 y 60 minutos 0.000
## estu_dedicacionlecturadiaria_Más de 2 horas 0.001
## estu_dedicacionlecturadiaria_No leo por entretenimiento 0.003
## estu_discapacidad.N 0.000
## S 0.000
## 12 0.000
## 13 0.000
## 14 0.000
## 15 0.004
## 16 0.013
## 17 0.000
## 18 0.015
## 19 0.013
## 20 0.004
## 21 0.003
## 22 0.000
## F 0.086
## M 0.086
## Entre 11 y 20 horas 0.008
## Entre 21 y 30 horas 0.005
## Más de 30 horas 0.010
## Menos de 10 horas 0.031
## No trabaja 0.065
## CIÉNAGA 0.000
## SANTA MARTA 0.000
## COLOMBIA 0.008
## PERÚ 0.002
## VANUATU 0.000
## VENEZUELA 0.008
## estu_tieneetnia_No 0.011
## estu_tieneetnia_Si 0.011
## fami_educacionmadre_Educación profesional completa 0.097
## fami_educacionmadre_Educación profesional incompleta 0.001
## fami_educacionmadre_Ninguno 0.011
## fami_educacionmadre_No Aplica 0.001
## fami_educacionmadre_No sabe 0.000
## fami_educacionmadre_Postgrado 0.042
## fami_educacionmadre_Primaria completa 0.011
## fami_educacionmadre_Primaria incompleta 0.022
## fami_educacionmadre_Secundaria (Bachillerato) completa 0.021
## fami_educacionmadre_Secundaria (Bachillerato) incompleta 0.000
## fami_educacionmadre_Técnica o tecnológica completa 0.081
## fami_educacionmadre_Técnica o tecnológica incompleta 0.019
## fami_educacionpadre_Educación profesional completa 0.125
## fami_educacionpadre_Educación profesional incompleta 0.001
## fami_educacionpadre_Ninguno 0.016
## fami_educacionpadre_No Aplica 0.000
## fami_educacionpadre_No sabe 0.000
## fami_educacionpadre_Postgrado 0.036
## fami_educacionpadre_Primaria completa 0.003
## fami_educacionpadre_Primaria incompleta 0.023
## fami_educacionpadre_Secundaria (Bachillerato) completa 0.052
## fami_educacionpadre_Secundaria (Bachillerato) incompleta 0.000
## fami_educacionpadre_Técnica o tecnológica completa 0.049
## fami_educacionpadre_Técnica o tecnológica incompleta 0.011
## fami_estratovivienda_Estrato 1 0.011
## fami_estratovivienda_Estrato 2 0.007
## fami_estratovivienda_Estrato 3 0.005
## fami_estratovivienda_Estrato 4 0.011
## fami_estratovivienda_Estrato 5 0.003
## fami_estratovivienda_Estrato 6 0.001
## fami_estratovivienda_No sabe 0.002
## fami_estratovivienda_Sin Estrato 0.010
## fami_tieneinternet_No 0.002
## fami_tieneinternet_Si 0.002
## fami_trabajolabormadre_Es agricultor, pesquero o jornalero 0.027
## fami_trabajolabormadre_Es dueño de un negocio grande, tiene un cargo de nivel directivo o gerencial 0.008
## fami_trabajolabormadre_Es dueño de un negocio pequeño (tiene pocos empleados o no tiene, por ejemplo tienda, papelería, etc 0.005
## fami_trabajolabormadre_Es operario de máquinas o conduce vehículos (taxita, chofer) 0.001
## fami_trabajolabormadre_Es vendedor o trabaja en atención al público 0.018
## Dim 4
## 2022 0.017
## 2023 0.024
## 2024 0.001
## MAÑANA 0.055
## TARDE 0.050
## UNICA 0.241
## 1 0.032
## 2 0.002
## 3 0.000
## 4 0.025
## 5 0.016
## 6 0.001
## 7 0.001
## 8 0.044
## 9 0.054
## RURAL 0.012
## URBANO 0.012
## ACADÉMICO 0.079
## NO APLICA 0.005
## TÉCNICO 0.109
## TÉCNICO/ACADÉMICO 0.223
## A- 0.020
## A1 0.006
## A2 0.004
## B+ 0.000
## B1 0.003
## estu_dedicacioninternet_30 minutos o menos 0.012
## estu_dedicacioninternet_Entre 1 y 3 horas 0.002
## estu_dedicacioninternet_Entre 30 y 60 minutos 0.000
## estu_dedicacioninternet_Más de 3 horas 0.001
## estu_dedicacioninternet_No Navega Internet 0.000
## estu_dedicacionlecturadiaria_30 minutos o menos 0.000
## estu_dedicacionlecturadiaria_Entre 1 y 2 horas 0.011
## estu_dedicacionlecturadiaria_Entre 30 y 60 minutos 0.005
## estu_dedicacionlecturadiaria_Más de 2 horas 0.011
## estu_dedicacionlecturadiaria_No leo por entretenimiento 0.002
## estu_discapacidad.N 0.000
## S 0.000
## 12 0.000
## 13 0.000
## 14 0.000
## 15 0.000
## 16 0.007
## 17 0.000
## 18 0.012
## 19 0.000
## 20 0.003
## 21 0.001
## 22 0.000
## F 0.179
## M 0.179
## Entre 11 y 20 horas 0.013
## Entre 21 y 30 horas 0.005
## Más de 30 horas 0.000
## Menos de 10 horas 0.007
## No trabaja 0.024
## CIÉNAGA 0.001
## SANTA MARTA 0.001
## COLOMBIA 0.000
## PERÚ 0.002
## VANUATU 0.001
## VENEZUELA 0.000
## estu_tieneetnia_No 0.008
## estu_tieneetnia_Si 0.008
## fami_educacionmadre_Educación profesional completa 0.067
## fami_educacionmadre_Educación profesional incompleta 0.004
## fami_educacionmadre_Ninguno 0.026
## fami_educacionmadre_No Aplica 0.003
## fami_educacionmadre_No sabe 0.000
## fami_educacionmadre_Postgrado 0.015
## fami_educacionmadre_Primaria completa 0.001
## fami_educacionmadre_Primaria incompleta 0.031
## fami_educacionmadre_Secundaria (Bachillerato) completa 0.062
## fami_educacionmadre_Secundaria (Bachillerato) incompleta 0.000
## fami_educacionmadre_Técnica o tecnológica completa 0.001
## fami_educacionmadre_Técnica o tecnológica incompleta 0.003
## fami_educacionpadre_Educación profesional completa 0.055
## fami_educacionpadre_Educación profesional incompleta 0.000
## fami_educacionpadre_Ninguno 0.027
## fami_educacionpadre_No Aplica 0.009
## fami_educacionpadre_No sabe 0.000
## fami_educacionpadre_Postgrado 0.006
## fami_educacionpadre_Primaria completa 0.000
## fami_educacionpadre_Primaria incompleta 0.029
## fami_educacionpadre_Secundaria (Bachillerato) completa 0.050
## fami_educacionpadre_Secundaria (Bachillerato) incompleta 0.003
## fami_educacionpadre_Técnica o tecnológica completa 0.005
## fami_educacionpadre_Técnica o tecnológica incompleta 0.001
## fami_estratovivienda_Estrato 1 0.002
## fami_estratovivienda_Estrato 2 0.021
## fami_estratovivienda_Estrato 3 0.004
## fami_estratovivienda_Estrato 4 0.002
## fami_estratovivienda_Estrato 5 0.008
## fami_estratovivienda_Estrato 6 0.000
## fami_estratovivienda_No sabe 0.000
## fami_estratovivienda_Sin Estrato 0.001
## fami_tieneinternet_No 0.005
## fami_tieneinternet_Si 0.005
## fami_trabajolabormadre_Es agricultor, pesquero o jornalero 0.000
## fami_trabajolabormadre_Es dueño de un negocio grande, tiene un cargo de nivel directivo o gerencial 0.003
## fami_trabajolabormadre_Es dueño de un negocio pequeño (tiene pocos empleados o no tiene, por ejemplo tienda, papelería, etc 0.003
## fami_trabajolabormadre_Es operario de máquinas o conduce vehículos (taxita, chofer) 0.000
## fami_trabajolabormadre_Es vendedor o trabaja en atención al público 0.000
## Dim 5
## 2022 0.004
## 2023 0.000
## 2024 0.002
## MAÑANA 0.049
## TARDE 0.110
## UNICA 0.018
## 1 0.120
## 2 0.047
## 3 0.002
## 4 0.007
## 5 0.001
## 6 0.012
## 7 0.005
## 8 0.000
## 9 0.003
## RURAL 0.273
## URBANO 0.273
## ACADÉMICO 0.053
## NO APLICA 0.144
## TÉCNICO 0.039
## TÉCNICO/ACADÉMICO 0.003
## A- 0.017
## A1 0.004
## A2 0.008
## B+ 0.000
## B1 0.000
## estu_dedicacioninternet_30 minutos o menos 0.005
## estu_dedicacioninternet_Entre 1 y 3 horas 0.002
## estu_dedicacioninternet_Entre 30 y 60 minutos 0.003
## estu_dedicacioninternet_Más de 3 horas 0.006
## estu_dedicacioninternet_No Navega Internet 0.001
## estu_dedicacionlecturadiaria_30 minutos o menos 0.009
## estu_dedicacionlecturadiaria_Entre 1 y 2 horas 0.015
## estu_dedicacionlecturadiaria_Entre 30 y 60 minutos 0.000
## estu_dedicacionlecturadiaria_Más de 2 horas 0.026
## estu_dedicacionlecturadiaria_No leo por entretenimiento 0.007
## estu_discapacidad.N 0.000
## S 0.000
## 12 0.001
## 13 0.001
## 14 0.000
## 15 0.049
## 16 0.027
## 17 0.018
## 18 0.027
## 19 0.004
## 20 0.002
## 21 0.007
## 22 0.000
## F 0.079
## M 0.079
## Entre 11 y 20 horas 0.002
## Entre 21 y 30 horas 0.001
## Más de 30 horas 0.000
## Menos de 10 horas 0.037
## No trabaja 0.039
## CIÉNAGA 0.000
## SANTA MARTA 0.000
## COLOMBIA 0.025
## PERÚ 0.002
## VANUATU 0.000
## VENEZUELA 0.028
## estu_tieneetnia_No 0.011
## estu_tieneetnia_Si 0.011
## fami_educacionmadre_Educación profesional completa 0.007
## fami_educacionmadre_Educación profesional incompleta 0.001
## fami_educacionmadre_Ninguno 0.000
## fami_educacionmadre_No Aplica 0.000
## fami_educacionmadre_No sabe 0.001
## fami_educacionmadre_Postgrado 0.000
## fami_educacionmadre_Primaria completa 0.003
## fami_educacionmadre_Primaria incompleta 0.000
## fami_educacionmadre_Secundaria (Bachillerato) completa 0.006
## fami_educacionmadre_Secundaria (Bachillerato) incompleta 0.021
## fami_educacionmadre_Técnica o tecnológica completa 0.088
## fami_educacionmadre_Técnica o tecnológica incompleta 0.001
## fami_educacionpadre_Educación profesional completa 0.013
## fami_educacionpadre_Educación profesional incompleta 0.002
## fami_educacionpadre_Ninguno 0.001
## fami_educacionpadre_No Aplica 0.001
## fami_educacionpadre_No sabe 0.000
## fami_educacionpadre_Postgrado 0.002
## fami_educacionpadre_Primaria completa 0.002
## fami_educacionpadre_Primaria incompleta 0.010
## fami_educacionpadre_Secundaria (Bachillerato) completa 0.005
## fami_educacionpadre_Secundaria (Bachillerato) incompleta 0.017
## fami_educacionpadre_Técnica o tecnológica completa 0.046
## fami_educacionpadre_Técnica o tecnológica incompleta 0.003
## fami_estratovivienda_Estrato 1 0.003
## fami_estratovivienda_Estrato 2 0.001
## fami_estratovivienda_Estrato 3 0.006
## fami_estratovivienda_Estrato 4 0.008
## fami_estratovivienda_Estrato 5 0.003
## fami_estratovivienda_Estrato 6 0.004
## fami_estratovivienda_No sabe 0.002
## fami_estratovivienda_Sin Estrato 0.014
## fami_tieneinternet_No 0.002
## fami_tieneinternet_Si 0.002
## fami_trabajolabormadre_Es agricultor, pesquero o jornalero 0.007
## fami_trabajolabormadre_Es dueño de un negocio grande, tiene un cargo de nivel directivo o gerencial 0.001
## fami_trabajolabormadre_Es dueño de un negocio pequeño (tiene pocos empleados o no tiene, por ejemplo tienda, papelería, etc 0.000
## fami_trabajolabormadre_Es operario de máquinas o conduce vehículos (taxita, chofer) 0.000
## fami_trabajolabormadre_Es vendedor o trabaja en atención al público 0.004Cuando una categoría está bien representada por las dos dimensiones principales, la suma de sus cosenos cuadráticos (cos²) se aproxima a 1, indicando una buena calidad de representación. No obstante, en algunos casos es necesario considerar más de dos dimensiones para describir adecuadamente los datos.
La calidad de representación de las categorías puede analizarse mediante una gráfica de barras, utilizando la variable $cos2 dentro del comando fviz_cos2(), lo que permite visualizar de forma sencilla qué categorías se ajustan mejor al modelo.
fviz_cos2(mca_result,
choice = "var", # selección de las varianzas
axes = 1:2, top = 30) # ejes o dimensiones considerar en la gráfica)
La gráfica permite identificar que las cinco primeras categorías con
mayores valores de cos² son las mejor representadas en el diagrama de
dispersión. Estas pertenecen principalmente a las variables “educacion
madre” y “tiempo de navegacion de internet”. En contraste, las
categorías con valores inferiores a 0.2 presentan una representación
menos precisa, por lo que su interpretación debe hacerse con precaución,
pudiendo requerir un análisis con más dimensiones.
Además, la calidad de representación puede visualizarse directamente en el biplot ajustando el color de los puntos según el valor de cos². Esto se logra con el argumento col.var=, combinado con gradient.cols=, que permite crear un gradiente de colores. Por ejemplo, al definir gradient.cols =c(“#00AFBB”, “#E7B800”, “#FC4E07”), las categorías con bajo cos² aparecerán en amarillo, las de valores intermedios en azul verdozo, y las mejor representadas (alto cos²) en Naranja.
fviz_mca_var(mca_result,
col.var = "contrib", # Colorea según la contribución
gradient.cols = c("#00AFBB", "#E7B800", "#FC4E07"),
repel = TRUE,
title = "Contribución de las Variables a las Dimensiones 1 y 2")
Biplot de asociación entre categorías y dimensiones con señalización de la calidad de representación.
Contribución de las categorias sobre las dimensiones creadas
Finalmente, resulta esencial identificar las categorías que tienen mayor influencia en la construcción de las dimensiones o factores del análisis, más allá de las variables a las que pertenecen. Para ello, se analiza la contribución porcentual de cada categoría en la definición de los ejes obtenidos.
Una forma inicial de revisar estos valores es utilizando el argumento $contrib, que permite mostrar una tabla con los porcentajes de contribución de cada categoría en cada dimensión del MCA.
head(round(variables $ contrib, 2))## Dim 1 Dim 2 Dim 3 Dim 4 Dim 5
## 2022 0.13 0.15 0.05 0.72 0.17
## 2023 0.00 0.00 0.09 0.96 0.01
## 2024 0.16 0.15 0.01 0.03 0.09
## MAÑANA 0.01 0.02 0.21 2.34 2.24
## TARDE 0.00 0.00 2.43 1.81 4.25
## UNICA 0.01 0.02 5.90 11.00 0.88En esta tabla, las filas corresponden a las categorías activas incluidas en el análisis, mientras que las columnas representan las dimensiones creadas. Las categorías con mayores valores porcentuales son las que más contribuyen a la formación de cada dimensión y, por tanto, tienen una mayor influencia en la explicación de la variabilidad del conjunto de datos.
De manera visual, esta contribución puede representarse con una gráfica de barras utilizando el comando fviz_contrib(), que permite mostrar de forma clara qué categorías aportan más a cada dimensión del análisis.
#contribucion de las catergorias a la dimension 1.
fviz_contrib(mca_result, #objeto tipo lista con resultados mca
choice = "var", #criterio a representar: varianza
axes = 1, # selección del eje o dimensión a analizar = eje 1
top = 20) # selección de las 15 categorías con mayor contribución
Contribución de las categorías a las dimensiones 1 y 2.
#contribucion de las catergorias a la dimension 2.
fviz_contrib(mca_result, #objeto tipo lista con resultados mca
choice = "var", #criterio a representar: varianza
axes = 2, # selección del eje o dimensión a analizar = eje 2
top = 17) # selección de las 15 categorías con mayor contribución
Contribución de las categorías a las dimensiones 1 y 2.
En las gráficas de contribución, la línea roja punteada indica el valor promedio esperado si todas las categorías aportaran de forma uniforme. Las categorías que se ubican por encima de esta línea tienen una contribución relevante a la dimensión correspondiente, mientras que aquellas por debajo presentan una influencia menor.
A partir de los resultados obtenidos, se observa lo siguiente:
En la dimensión 1, 12 categorías destacan por su alta contribución. Entre ellas, las categorías No sabe de “fami educacion madre y padre”, No navega internet y entre 1 y 3 horas de “estu dedicacion internet”,y otro mas .
En la dimensión 2, el número de categorías que superan el promedio es mayor. Las cinco más influyentes son de “trabajo del padre”, la de “educacion incompleta”, de “educacion padre completa”, entre otras.
También es posible calcular la contribución total de cada categoría a las dimensiones de interés, en este caso, los ejes 1 y 2. Para ello, se emplea el mismo comando fviz_contrib(), ajustando el argumento axes= para especificar las dimensiones que se desean analizar.
# Total contribution to dimension 1 and 2
fviz_contrib(mca_result, #objeto tipo lista con resultados mca
choice = "var", #criterio de representación = varianzas
axes = 1:2, # ejes seleccionados en la representación = ejes 1 y 2 simultáneos
top = 20) #selección de las 20 categorías con mayor contribución
Contribución total de las categorías a las dimensiones 1 y 2.
En la gráfica se identificaron 20 categorías con una contribución superior al promedio esperado del conjunto de variables activas. Entre ellas:
Las categorías no sabe de “educacion de la madre” destacan como las de mayor influencia sobre las dimensiones analizadas.
Otras cinco categorías presentan una relevancia intermedia, entre las que se incluyen la categoría No navega internet de “internet”, y las siguientes.
Asimismo, se identificaron ocho categorías adicionales con influencia moderada.
El resto de las categorías se ubican por debajo del promedio esperado, por lo que se consideran de baja relevancia en la contribución a los ejes del análisis.
La contribución de las categorías también puede visualizarse directamente en el biplot, utilizando la coloración de los puntos según el nivel de aporte de cada una. Esto se logra mediante el argumento col.var = “contrib”, que asigna colores en función del grado de contribución de las categorías a las dimensiones, de la siguiente forma:
fviz_mca_var(mca_result,
col.var = "contrib", # Colorea según la contribución
gradient.cols = c("#00AFBB", "#E7B800", "#FC4E07"),
repel = TRUE,
title = "Contribución de las Variables a las Dimensiones 1 y 2",
ggtheme = theme_minimal())
Biplot de distribución de las categorías activas señaladas por su contribución a cada dimensión.
El biplot de distribución de las categorías activas, coloreado según su nivel de contribución, permite identificar cuáles categorías aportan más a la construcción de las dimensiones y en qué polos o extremos influyen.
Se observa que las categorías “fami_educacionmadre_No sabe”, “fami_educacionpadre_No sabe” y “aprob_gob_1” tienen una fuerte influencia sobre los valores negativos de dicha dimension.
Analísis sobre los indivios
También es posible aplicar el análisis de correspondencias a los perfiles de los individuos (filas) dentro del MCA. Este procedimiento permite agrupar y ubicar a los individuos con respuestas similares, así como identificar aquellos que más influyen en la configuración del biplot según las nuevas dimensiones o ejes.
El comando get_mca_ind(), perteneciente a la librería factoextra, permite extraer los resultados correspondientes a los individuos. Esta función genera una lista que contiene las coordenadas, los valores de cosenos cuadráticos (cos²) y las contribuciones de cada individuo en la matriz de datos.
indiv<-get_mca_ind(mca_result)
indiv## Multiple Correspondence Analysis Results for individuals
## ===================================================
## Name Description
## 1 "$coord" "Coordinates for the individuals"
## 2 "$cos2" "Cos2 for the individuals"
## 3 "$contrib" "contributions of the individuals"Los resultados obtenidos para los individuos siguen la misma estructura y tipo de información que la descrita previamente para las categorías de las variables activas. Es decir, se presentan sus coordenadas, los valores de cos² (que indican la calidad de representación) y las contribuciones de cada caso o individuo a las dimensiones del análisis.
#coordenadas para las filas
head(indiv$coord,3)## Dim 1 Dim 2 Dim 3 Dim 4 Dim 5
## 1 0.31883995 0.31482161 0.08472750 -0.09228555 0.13156044
## 2 -0.02531202 0.24714107 0.19289347 -0.08195596 0.12017989
## 3 0.16292876 -0.03761236 0.03096974 -0.45769924 -0.08435353#cualidad de la representacion
head(indiv$cos2,3)## Dim 1 Dim 2 Dim 3 Dim 4 Dim 5
## 1 3.127813e-02 0.0304947018 0.002208737 0.002620370 0.005325323
## 2 4.833221e-05 0.0046075795 0.002806843 0.000506692 0.001089549
## 3 1.294914e-02 0.0006900913 0.000467865 0.102189365 0.003470978#contribucion de cada individuo
head(indiv$contrib,3)## Dim 1 Dim 2 Dim 3 Dim 4 Dim 5
## 1 6.753035e-03 0.0094476616 0.0009960559 0.001315754 0.002832173
## 2 4.256054e-05 0.0058221727 0.0051626182 0.001037692 0.002363376
## 3 1.763393e-03 0.0001348517 0.0001330792 0.032364409 0.001164329En la tabla anterior, cada fila corresponde a uno de los individuos activos incluidos en la matriz de datos —en este caso, se muestran solo los tres primeros casos. En las columnas de cada fila se presentan los valores obtenidos por cada individuo (i) en las diferentes dimensiones o ejes calculados en el análisis.
Calidad de la representación de los individuos en el análisis MCA
Con el comando fviz_mca_ind() se puede generar una gráfica de dispersión que muestra la distribución de los individuos proyectados sobre el biplot de las dimensiones analizadas. Al igual que en el caso de las categorías, es posible destacar con colores la calidad de representación o la contribución de cada individuo en la gráfica.
Para indicar la calidad de la representación de los individuos, se utiliza el argumento col.ind =, por ejemplo:
fviz_mca_ind(mca_result,
col.ind = "cos2",
gradient.cols=c("#00AFBB", "#E7B800", "#FC4E07"),
repel = TRUE,
max.overlaps="ggrepel.max.overlaps",
ggthme = theme_minimal()
)## Warning in (function (mapping = NULL, data = NULL, stat = "identity", position
## = "identity", : Ignoring unknown parameters: `max.overlaps`
Biplot de distribución de los encuestados por Latinobarómetro, señalados por la calidad de su representación en el gráfico (cos2).
El biplot de los formularios del icfes, coloreado según la calidad de representación (cos²), muestra la dispersión de los individuos activos utilizados en el análisis MCA.
El gráfico muestra que solo una parte de los individuos está bien representada por las dimensiones 1 y 2 (principalmente en el cuadrante izquierdo). La mayoría presenta valores bajos de cos², concentrándose cerca del centro del gráfico, lo cual indica que se requerirían más dimensiones para capturar plenamente la variabilidad del conjunto de respuestas individuales.
Contribución de los casos al análisis MCA
En caso de que se desee identificar la contribución de cada caso o individuo (fila) en la construcción de las dimensiones o ejes obtenidos a partir del análisis, es posible hacerlo utilizando nuevamente el comando fviz_mca_ind(). En esta ocasión, se puede emplear el argumento col.ind = “contrib”, el cual permite representar gráficamente el nivel de contribución de cada individuo mediante gradientes de color. De esta forma, los tonos más intensos señalarán a los casos que ejercen una mayor influencia en la definición de las dimensiones consideradas en el biplot.
fviz_mca_ind(mca_result,
col.ind = "contrib", # colorear los casos a partir del valor de contribución
gradient.cols = c("#00AFBB", "#E7B800", "#FC4E07"),
repel = TRUE,
max.overlaps = "ggrepel.max.overlaps",
ggtheme = theme_minimal()
)## Warning in (function (mapping = NULL, data = NULL, stat = "identity", position
## = "identity", : Ignoring unknown parameters: `max.overlaps`
Biplot de distribución de los encuestados por Latinobarómetro, señalados por la contribución de su representación en el gráfico.
A partir de esta gráfica se observa que los casos con mayor contribución a la construcción de las dimensiones o ejes calculados se representan con tonalidades rojizas, mientras que aquellos con menor aportación aparecen en colores verde turquesa.
El gráfico muestra que el caso número 3864 es el que ejerce la mayor contribución, por lo que podría resultar relevante analizarlo con mayor detalle en etapas posteriores del estudio.
Asimismo, comienzan a distinguirse agrupaciones o “nubes” de casos con características similares, donde los individuos cercanos entre sí en el plano factorial tienden a compartir perfiles semejantes en sus respuestas a las categorías de las variables analizadas. Estos grupos se concentran principalmente en los extremos del eje o dimensión 1, lo que sugiere una mayor capacidad de dicha dimensión para capturar la variabilidad de los datos.
Por otra parte, también es posible visualizar la contribución individual de los casos sobre las dimensiones creadas mediante gráficas de barras, que se construyen a partir de los valores de los cosenos cuadráticos (cos²) y las contribuciones. Para ello se utiliza el comando fviz_contrib(), que permite identificar, por ejemplo, los 20 individuos con mayor influencia en la conformación simultánea de ambas dimensiones.
fviz_contrib(mca_result, #objeto tipo lista con los resultados mca
choice = "ind", #selección de los individuos para representarlos
axes = 1:2, #ejes o dimensiones a incluir
top = 50) #selección de los 20 casos con mayor nivel
Gráficas de barras para los 20 casos con mayor contribución a las dimensiones 1 y 2.
A partir de la gráfica de barras, es posible identificar con mayor precisión cuáles son los casos que más contribuyen a la construcción de las dimensiones 1 y 2 del análisis. En este caso, se observa que el caso 3864 presenta la mayor influencia, seguido en orden de importancia por los casos 7377, 3616 y 4838, entre otros con niveles de contribución similares.
Al igual que en las gráficas anteriores, los casos ubicados por encima de la línea roja punteada horizontal representan aquellos cuya contribución supera el promedio esperado del conjunto total de individuos.
Siguiendo esta misma lógica, también es posible analizar la calidad de la representación de los individuos dentro del biplot mediante el cálculo de los cosenos cuadráticos (cos²). Esto se realiza utilizando el comando fviz_cos2(), el cual permite visualizar gráficamente qué tan bien están representados los casos en las dos primeras dimensiones.
fviz_cos2(mca_result,
choice = "ind",
axes = 1:2,
top = 20)
Gráfica de barras sobre la calidad de representación de cada individuo sobre los ejes 1 y 2.
A partir de la gráfica de barras se pueden identificar los casos con mayores valores de cosenos cuadráticos (cos²), lo que indica que están mejor representados en el espacio formado por las dos primeras dimensiones del análisis.
En este caso, los casos 2378 y 8037 presentan los valores más altos de cos², por lo que son los individuos cuya posición en el biplot refleja con mayor precisión su perfil en relación con las variables analizadas.
Asimismo, se observan siete casos adicionales (desde el 1011 hasta el 8242) con valores equivalentes de cos², lo que sugiere que estos también están adecuadamente representados y contribuyen de forma relevante a la interpretación del modelo.
Agrupamiento de individuos
Otra forma de analizar los perfiles de los individuos en el espacio definido por las dimensiones del MCA consiste en representar visualmente sus agrupamientos. Esto se logra coloreando los puntos según una variable categórica y añadiendo elipses de concentración que indican la posición del centroide de cada grupo y la dispersión de sus miembros.
Para realizarlo, se emplea el comando fviz_mca_ind() con el argumento habillage=, donde se especifica la variable tipo factor() que servirá como criterio de agrupación y coloración de los individuos.
Además, se puede añadir una elipse de confianza para cada grupo usando addEllipses = TRUE, y definir que el centro de cada elipse se ubique en el punto medio de la categoría mediante ellipse.type = “confidence”.
Por último, el argumento palette= permite personalizar los colores de los grupos, facilitando la interpretación visual de los patrones de agrupamiento en el biplot.
fviz_mca_ind(mca_result, #objeto tipo lista con resultados mca
label = "none", # ocultar las etiquetas de los individuos
habillage = "fami_educacionmadre", # colorear a los grupos
addEllipses = TRUE,
ggtheme = theme_minimal()
)
Biplot con la distribución de los individuos, agrupados por colores y con elipses de confianza.