1 1. Introducción

Este informe analiza los factores que influyen en la satisfacción con la gobernanza global y en el apoyo a la cooperación internacional, utilizando datos simulados sobre percepciones ciudadanas relacionadas con la Agenda 2030.

2 2. Planteamiento del problema

2.1 2.1 Pregunta problema

¿Qué factores influyen en el nivel de satisfacción con la gobernanza global y el apoyo a la cooperación internacional?

2.2 2.2 Objetivo general

Analizar los factores sociodemográficos, actitudinales e informativos que influyen en la satisfacción con la gobernanza global y en el apoyo a iniciativas internacionales.

2.3 2.3 Objetivos específicos

  1. Evaluar la relación entre el conocimiento sobre los ODS y la confianza en la gobernanza global.
  2. Determinar si la participación en espacios internacionales influye en el apoyo a iniciativas climáticas.
  3. Analizar si la frecuencia de lectura de la Agenda 2030 y la percepción de justicia global explican diferencias en la satisfacción con la gestión global.

2.4 2.4 Justificación

Comprender estos factores permite identificar qué elementos aumentan la satisfacción ciudadana y el apoyo a la cooperación internacional, lo que es fundamental para fortalecer políticas y campañas educativas vinculadas a la Agenda 2030.

3 3. Preparación de los datos

if(!file.exists(params$data_file)) stop("No se encontró el archivo de datos.")

datos <- read_excel(params$data_file) %>%
  clean_names() %>%
  mutate(
    sexo = as.factor(sexo),
    nivel_educativo = factor(nivel_educativo, levels=c("Secundaria","Técnico","Universitario","Postgrado")),
    conocimiento_ods = factor(conocimiento_ods, levels=c("Bajo","Medio","Alto")),
    apoyo_iniciativas_climaticas = factor(apoyo_iniciativas_climaticas),
    participacion_espacios_internacionales = factor(participacion_espacios_internacionales),
    frecuencia_lectura_agenda2030 = factor(frecuencia_lectura_agenda2030, levels=c("Nunca","Baja","Media","Alta")),
    confianza_gobernanza_global = as.numeric(confianza_gobernanza_global),
    percepcion_justicia_global = as.numeric(percepcion_justicia_global),
    actitud_cooperacion = as.numeric(actitud_cooperacion),
    satisfaccion_gestion_global = as.numeric(satisfaccion_gestion_global)
  )

4 4. Tabla de variables

Variable Tipo Descripción
edad Numérica Edad del participante (18–65)
sexo Categórica Masculino / Femenino / Otro
nivel_educativo Ordinal Secundaria / Técnico / Universitario / Postgrado
conocimiento_ods Ordinal Bajo / Medio / Alto
confianza_gobernanza_global Ordinal Escala 1–10
apoyo_iniciativas_climaticas Categórica Sí / No
percepcion_justicia_global Ordinal Escala 1–10
participacion_espacios_internacionales Categórica Sí / No
frecuencia_lectura_agenda2030 Categórica Nunca / Baja / Media / Alta
actitud_cooperacion Ordinal Escala 1–10
satisfaccion_gestion_global Ordinal Escala 1–10

5 5. Análisis exploratorio (EDA)

5.1 5.1 Valores faltantes

missing <- datos %>% summarise(across(everything(), ~sum(is.na(.))))
missing %>% t() %>% data.frame() %>% kable() %>% kable_styling()
.
edad 0
sexo 0
nivel_educativo 0
conocimiento_ods 0
confianza_gobernanza_global 0
apoyo_iniciativas_climaticas 0
percepcion_justicia_global 0
participacion_espacios_internacionales 0
frecuencia_lectura_agenda2030 0
actitud_cooperacion 0
satisfaccion_gestion_global 0 
num_summary <- datos %>% 
  select(edad, confianza_gobernanza_global, percepcion_justicia_global, actitud_cooperacion, satisfaccion_gestion_global) %>%
  summarise(across(everything(), list(mean=mean, median=median, sd=sd, min=min, max=max), na.rm=TRUE))
num_summary %>% kable(digits=2) %>% kable_styling()
edad_mean edad_median edad_sd edad_min edad_max confianza_gobernanza_global_mean confianza_gobernanza_global_median confianza_gobernanza_global_sd confianza_gobernanza_global_min confianza_gobernanza_global_max percepcion_justicia_global_mean percepcion_justicia_global_median percepcion_justicia_global_sd percepcion_justicia_global_min percepcion_justicia_global_max actitud_cooperacion_mean actitud_cooperacion_median actitud_cooperacion_sd actitud_cooperacion_min actitud_cooperacion_max satisfaccion_gestion_global_mean satisfaccion_gestion_global_median satisfaccion_gestion_global_sd satisfaccion_gestion_global_min satisfaccion_gestion_global_max
39.13 38 13.93 18 65 5.19 5 2.73 1 10 5.01 5 2.66 1 10 5.22 5 3.16 1 10 5.41 5 3.05 1 10

5.2 5.2 Distribuciones categóricas

cat_vars <- c("sexo","nivel_educativo","conocimiento_ods","apoyo_iniciativas_climaticas","participacion_espacios_internacionales","frecuencia_lectura_agenda2030")
for(v in cat_vars){
  print(datos %>% count(!!sym(v)) %>% mutate(prop=n/sum(n)) %>% kable(caption=paste("Distribución de",v)))
}
## 
## 
## Table: Distribución de sexo
## 
## |sexo      |  n| prop|
## |:---------|--:|----:|
## |Femenino  | 44| 0.44|
## |Masculino | 30| 0.30|
## |Otro      | 26| 0.26|
## 
## 
## Table: Distribución de nivel_educativo
## 
## |nivel_educativo |  n| prop|
## |:---------------|--:|----:|
## |Secundaria      | 21| 0.21|
## |Técnico         | 29| 0.29|
## |Universitario   | 26| 0.26|
## |Postgrado       | 24| 0.24|
## 
## 
## Table: Distribución de conocimiento_ods
## 
## |conocimiento_ods |  n| prop|
## |:----------------|--:|----:|
## |Bajo             | 32| 0.32|
## |Medio            | 33| 0.33|
## |Alto             | 35| 0.35|
## 
## 
## Table: Distribución de apoyo_iniciativas_climaticas
## 
## |apoyo_iniciativas_climaticas |  n| prop|
## |:----------------------------|--:|----:|
## |No                           | 29| 0.29|
## |Sí                           | 71| 0.71|
## 
## 
## Table: Distribución de participacion_espacios_internacionales
## 
## |participacion_espacios_internacionales |  n| prop|
## |:--------------------------------------|--:|----:|
## |No                                     | 61| 0.61|
## |Sí                                     | 39| 0.39|
## 
## 
## Table: Distribución de frecuencia_lectura_agenda2030
## 
## |frecuencia_lectura_agenda2030 |  n| prop|
## |:-----------------------------|--:|----:|
## |Nunca                         | 25| 0.25|
## |Baja                          | 25| 0.25|
## |Media                         | 26| 0.26|
## |Alta                          | 24| 0.24|

5.3 5.3 Gráficos

ggplot(datos, aes(edad)) + geom_histogram(bins=12, color="black", fill=NA) + labs(title="Distribución de la edad")

ggplot(datos, aes(sexo)) + geom_bar() + labs(title="Distribución por sexo")

ggplot(datos, aes(nivel_educativo, satisfaccion_gestion_global)) +
  geom_boxplot() + labs(title="Satisfacción según nivel educativo")

ggplot(datos, aes(frecuencia_lectura_agenda2030)) + geom_bar() +
  labs(title="Frecuencia de lectura sobre Agenda 2030")

ggplot(datos, aes(confianza_gobernanza_global, satisfaccion_gestion_global)) +
  geom_point() + geom_smooth(method="lm") +
  labs(title="Relación entre confianza y satisfacción")

6 6. Pruebas de hipótesis

6.1 6.1 Prueba 1 — Correlación Spearman: Confianza ↔︎ Satisfacción

H0: No existe relación entre la confianza y la satisfacción.
H1: Existe relación significativa entre confianza y satisfacción.

Técnica: Correlación de Spearman
Justificación: Se usa para variables ordinales o no normales.

spearman_res <- cor.test(datos$confianza_gobernanza_global, datos$satisfaccion_gestion_global, method="spearman")
spearman_res
## 
##  Spearman's rank correlation rho
## 
## data:  datos$confianza_gobernanza_global and datos$satisfaccion_gestion_global
## S = 180673, p-value = 0.4052
## alternative hypothesis: true rho is not equal to 0
## sample estimates:
##         rho 
## -0.08414817

Interpretación:
Si p < 0.05, existe asociación significativa entre ambas percepciones.

6.2 6.2 Prueba 2 — Chi-cuadrado: Participación ↔︎ Apoyo climático

H0: No hay asociación entre participación internacional y apoyo climático.
H1: Sí hay asociación entre ambas variables.

Técnica: Chi-cuadrado
Justificación: Compara dos variables categóricas.

tabla <- table(datos$participacion_espacios_internacionales, datos$apoyo_iniciativas_climaticas)
chi <- chisq.test(tabla, simulate.p.value=TRUE)
chi
## 
##  Pearson's Chi-squared test with simulated p-value (based on 2000
##  replicates)
## 
## data:  tabla
## X-squared = 0.58307, df = NA, p-value = 0.5082

Interpretación:
Un p < 0.05 indica asociación entre participación y apoyo.

6.3 6.3 Prueba 3 — ANOVA: Satisfacción según frecuencia de lectura

H0: No hay diferencias en satisfacción entre los grupos.
H1: Al menos un grupo difiere del resto.

Técnica: ANOVA
Justificación: Compara la media de más de dos grupos.

aov_mod <- aov(satisfaccion_gestion_global ~ frecuencia_lectura_agenda2030, data=datos)
summary(aov_mod)
##                               Df Sum Sq Mean Sq F value Pr(>F)
## frecuencia_lectura_agenda2030  3   40.0   13.32   1.449  0.233
## Residuals                     96  882.2    9.19

Interpretación:
Si p < 0.05, la lectura de la Agenda 2030 se relaciona con diferencias en satisfacción.

6.4 6.4 Prueba 4 — t-test: Justicia global según apoyo

H0: No hay diferencia en la percepción de justicia entre quienes apoyan y no apoyan.
H1: Sí existe diferencia significativa.

Técnica: t-test independiente
Justificación: Compara medias entre dos grupos.

tres <- t.test(percepcion_justicia_global ~ apoyo_iniciativas_climaticas, data=datos)
tres
## 
##  Welch Two Sample t-test
## 
## data:  percepcion_justicia_global by apoyo_iniciativas_climaticas
## t = -1.1856, df = 52.201, p-value = 0.2412
## alternative hypothesis: true difference in means between group No and group Sí is not equal to 0
## 95 percent confidence interval:
##  -1.8685750  0.4805226
## sample estimates:
## mean in group No mean in group Sí 
##         4.517241         5.211268

Interpretación:
Un p < 0.05 indica diferencias significativas de percepción.

6.5 6.5 Prueba 5 — Regresión logística: Predictores del apoyo

H0: Ninguna variable predice el apoyo climático.
H1: Al menos un predictor influye significativamente.

Técnica: Regresión logística
Justificación: Modelo adecuado para variables binarias.

datos$apoyo_bin <- ifelse(datos$apoyo_iniciativas_climaticas=="Si",1,
                           ifelse(datos$apoyo_iniciativas_climaticas=="No",0,NA))

if(length(unique(na.omit(datos$apoyo_bin)))<2){
  cat("No puede ajustarse la regresión logística: solo una categoría presente.")
} else {
  logit <- glm(apoyo_bin ~ actitud_cooperacion + conocimiento_ods +
                 participacion_espacios_internacionales +
                 percepcion_justicia_global + edad,
               data=datos, family=binomial)
  summary(logit)
  exp(coef(logit)) %>% enframe(name="Variable", value="OR") %>% kable()
}
## No puede ajustarse la regresión logística: solo una categoría presente.

Interpretación:
Un OR > 1 indica mayor probabilidad de apoyo.
Variables con p < 0.05 se consideran predictoras significativas.

7 7. Respuesta a la pregunta problema

Los resultados muestran que factores como la confianza, la lectura sobre la Agenda 2030, la participación en espacios internacionales y la percepción de justicia global influyen en la satisfacción y el apoyo a la cooperación internacional.

8 8. Conclusiones

  1. La confianza en la gobernanza global se asocia con mayor satisfacción.
  2. La participación en espacios internacionales puede relacionarse con el apoyo climático.
  3. La lectura frecuente sobre ODS influye en percepciones positivas de gestión global.
  4. La percepción de justicia global marca diferencias entre quienes apoyan y no apoyan iniciativas internacionales.
  5. La regresión logística evidencia posibles predictores del apoyo climático dependiendo de su significancia.

9 9. Propuestas

  1. Impulsar campañas educativas sobre la Agenda 2030.
  2. Ampliar espacios de participación internacional.
  3. Mejorar la comunicación institucional para fortalecer confianza.
  4. Desarrollar programas de sensibilización sobre justicia global.
  5. Realizar encuestas periódicas sobre percepciones ciudadanas.