Introducción

La esperanza de vida es uno de los principales indicadores del nivel de desarrollo y bienestar de un país, ya que refleja las condiciones de salud, educación, economía y acceso a servicios básicos de su población. Comprender qué factores determinan la esperanza de vida permite orientar políticas públicas hacia la mejora de la calidad de vida y la sostenibilidad de los sistemas de salud.

En este proyecto se analizarán los datos de la Organización Mundial de la Salud (OMS) disponibles en la base “Life Expectancy (WHO)”, la cual contiene información de más de 190 países durante varios años. El objetivo principal es identificar las variables que influyen de forma significativa en la esperanza de vida de la población, mediante la construcción de un modelo de regresión lineal múltiple.

El análisis permitirá determinar si factores como el producto interno bruto (PIB), el nivel educativo promedio, la mortalidad adulta, el gasto en salud o el consumo de alcohol tienen una relación estadísticamente significativa con la esperanza de vida. A partir de los resultados obtenidos se plantearán conclusiones y recomendaciones que aporten una comprensión más clara sobre los determinantes del bienestar global.

Planteamiento del problema

La diferencia en los niveles de esperanza de vida entre países sigue siendo notoria a nivel mundial. Mientras en algunas naciones supera los 80 años, en otras apenas alcanza los 55. Surge entonces la pregunta:
¿Cuáles son los factores que explican las variaciones en la esperanza de vida entre los distintos países?

Para responder a esta pregunta, se desarrollará un modelo estadístico que permita cuantificar la relación entre la esperanza de vida y diversas variables socioeconómicas y de salud. Este modelo servirá para evaluar qué tan fuerte es el impacto de cada factor y cuál de ellos contribuye más al aumento o disminución de la esperanza de vida.

Carga y exploración de datos

## 
## Call:
## lm(formula = LifeExp ~ GDP + Schooling + Alcohol + AdultMortality + 
##     HealthExpenditure, data = life_data)
## 
## Residuals:
##      Min       1Q   Median       3Q      Max 
## -25.4732  -2.4134   0.5318   2.9354  23.5945 
## 
## Coefficients:
##                     Estimate Std. Error t value Pr(>|t|)    
## (Intercept)        5.590e+01  5.391e-01 103.685  < 2e-16 ***
## GDP                6.324e-05  1.904e-05   3.322 0.000909 ***
## Schooling          1.518e+00  4.301e-02  35.290  < 2e-16 ***
## Alcohol           -5.456e-02  3.248e-02  -1.680 0.093093 .  
## AdultMortality    -3.209e-02  9.333e-04 -34.388  < 2e-16 ***
## HealthExpenditure  6.343e-05  1.245e-04   0.510 0.610356    
## ---
## Signif. codes:  0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
## 
## Residual standard error: 5.081 on 2320 degrees of freedom
## Multiple R-squared:  0.7259, Adjusted R-squared:  0.7253 
## F-statistic:  1229 on 5 and 2320 DF,  p-value: < 2.2e-16
Resultados del modelo de regresión lineal múltiple
term estimate std.error statistic p.value
(Intercept) 55.8976213 0.5391091 103.6851795 0.0000000
GDP 0.0000632 0.0000190 3.3216104 0.0009089
Schooling 1.5176614 0.0430054 35.2900519 0.0000000
Alcohol -0.0545581 0.0324751 -1.6799960 0.0930927
AdultMortality -0.0320935 0.0009333 -34.3877758 0.0000000
HealthExpenditure 0.0000634 0.0001245 0.5096347 0.6103559

Interpretación y conclusiones

El modelo de regresión lineal múltiple muestra que las variables Schooling (años promedio de educación) y GDP (Producto Interno Bruto per cápita) tienen una relación positiva y estadísticamente significativa con la esperanza de vida. Esto significa que los países con mayor nivel educativo y mayor desarrollo económico tienden a presentar una población más longeva. En particular, el coeficiente asociado a la educación indica que por cada año adicional de escolaridad promedio, la esperanza de vida aumenta aproximadamente 1.5 años, lo que resalta la importancia de la educación como determinante de la salud y la calidad de vida.

Por otro lado, la variable Adult Mortality (mortalidad adulta) presenta una relación negativa con la esperanza de vida, lo cual es coherente desde el punto de vista demográfico: a mayor mortalidad en la población adulta, menor es la edad promedio que alcanzan los habitantes.

En cambio, las variables Alcohol y Health Expenditure (gasto en salud) no resultaron estadísticamente significativas en este modelo, lo que sugiere que su efecto directo sobre la esperanza de vida no es tan claro o podría estar mediado por otros factores sociales y económicos.

El valor del R² obtenido indica que el modelo explica una proporción considerable de la variabilidad total de la esperanza de vida, lo que demuestra que el ajuste del modelo es adecuado y que las variables seleccionadas sí contribuyen de manera importante a explicar las diferencias entre países.

En conclusión, los resultados evidencian que el nivel educativo, el desarrollo económico y las condiciones de salud son factores clave para entender las diferencias en longevidad a nivel mundial. Esto refuerza la idea de que invertir en educación, reducción de la pobreza y prevención de la mortalidad puede tener un impacto directo y positivo sobre la calidad y duración de vida de las personas.