ANÁLISIS DUAL
Diana Mosquera, Lina Ospina, Yeferson Garzón
2026-04-12
¿Qué nos hace felices?: Un análisis multivariado del bienestar global (2018 - 2022)
Contexto del problema
El World Happiness Report es un informe anual que busca medir qué tan satisfechas se sienten las personas con su vida en distintos países. Para hacerlo, utiliza datos de la encuesta Gallup World Poll, una de las fuentes más amplias a nivel mundial sobre opinión pública.
La base de la medición es la Escalera de Cantril. A cada persona se le pide imaginar una escalera donde el peldaño 0 representa la peor vida posible y el 10 la mejor. Luego, debe ubicarse en el peldaño que mejor refleje su situación actual.
Así, el informe no mide la felicidad como una emoción momentánea, sino como una evaluación general de la vida. En términos técnicos, se trata de una medida de bienestar subjetivo basada en percepciones individuales, lo que permite comparar cómo se sienten las personas entre países de manera estandarizada.
Variables del dataset
El puntaje de felicidad no se presenta solo como un número, sino que se explica a partir de seis factores clave que ayudan a entender por qué algunos países reportan mayor bienestar que otros.
Estos factores son:
- Producción económica (GDP), que refleja el nivel de ingresos
- Apoyo social, relacionado con la red de respaldo de las personas
- Esperanza de vida, como indicador de salud
- Libertad para tomar decisiones de vida
- Percepción de corrupción
- Generosidad, asociada a comportamientos de bienestar social
Ahora bien, estos factores no “suman” directamente para dar el puntaje final. Más bien, se usan para explicar qué tanto se aleja cada país de un punto de referencia llamado Dystopia.
Dystopia es un país hipotético construido con los peores valores observados en cada uno de estos factores. Funciona como una línea de referencia. A partir de ahí, se analiza cuánto aporta cada variable para que un país esté mejor posicionado en términos de felicidad.
En términos simples, el modelo no responde solo a la idea de “qué tan feliz es un país”, sino “qué factores explican que sea más feliz que el peor escenario posible”.
## Rows: 1502 Columns: 11
## ── Column specification ────────────────────────────────────────────────────────
## Delimiter: ";"
## chr (2): Country, Regional indicator
## dbl (9): Ranking, Happiness score, GDP per capita, Social support, Healthy l...
##
## ℹ Use `spec()` to retrieve the full column specification for this data.
## ℹ Specify the column types or set `show_col_types = FALSE` to quiet this message.str(datos)## tibble [753 × 9] (S3: tbl_df/tbl/data.frame)
## $ Regional indicator : chr [1:753] "South Asia" "Central and Eastern Europe" "Middle East and North Africa" "Sub-Saharan Africa" ...
## $ Happiness score : num [1:753] 3.63 4.59 5.29 3.79 6.39 ...
## $ GDP per capita : num [1:753] 2.01 5.55 5.94 4.43 6.5 ...
## $ Social support : num [1:753] 0.201 0.555 0.594 0.443 0.65 ...
## $ Healthy life expectancy : num [1:753] 59 70 68 59 69 68 73 73 66 68 ...
## $ Freedom to make life choices: num [1:753] 0.117 0.578 0.107 0 0.786 ...
## $ Generosity : num [1:753] 0.3196 0.2497 0.0924 0.132 0.1037 ...
## $ Perceptions of corruption : num [1:753] 0.0794 0.071 0.2944 0.1341 0.1171 ...
## $ Year : Factor w/ 5 levels "2018","2019",..: 1 1 1 1 1 1 1 1 1 1 ...
## - attr(*, "na.action")= 'omit' Named int [1:2] 204 274
## ..- attr(*, "names")= chr [1:2] "204" "274"Análisis exploratorio de los datos
str(datos)## tibble [753 × 9] (S3: tbl_df/tbl/data.frame)
## $ Regional indicator : chr [1:753] "South Asia" "Central and Eastern Europe" "Middle East and North Africa" "Sub-Saharan Africa" ...
## $ Happiness score : num [1:753] 3.63 4.59 5.29 3.79 6.39 ...
## $ GDP per capita : num [1:753] 2.01 5.55 5.94 4.43 6.5 ...
## $ Social support : num [1:753] 0.201 0.555 0.594 0.443 0.65 ...
## $ Healthy life expectancy : num [1:753] 59 70 68 59 69 68 73 73 66 68 ...
## $ Freedom to make life choices: num [1:753] 0.117 0.578 0.107 0 0.786 ...
## $ Generosity : num [1:753] 0.3196 0.2497 0.0924 0.132 0.1037 ...
## $ Perceptions of corruption : num [1:753] 0.0794 0.071 0.2944 0.1341 0.1171 ...
## $ Year : Factor w/ 5 levels "2018","2019",..: 1 1 1 1 1 1 1 1 1 1 ...
## - attr(*, "na.action")= 'omit' Named int [1:2] 204 274
## ..- attr(*, "names")= chr [1:2] "204" "274"Se evidencia la presencia de tres valores nulos en la variable Regional indicators. Al representar solo 3 datos de un total de 756, se procede a eliminar esos registros.
Los datos muestran un patrón claro, en el que no todas las variables se comportan igual entre países.
La percepción de corrupción y la generosidad presentan alta variabilidad, lo que refleja diferencias marcadas en aspectos institucionales y culturales. En cambio, el puntaje de felicidad es más estable y se concentra alrededor de 5.4 sobre 10, lo que indica que el bienestar general es relativamente homogéneo.
En términos técnicos, esto implica mayor dispersión en corrupción y generosidad y menor dispersión en el puntaje de felicidad.
Respecto a la calidad de los datos, solo existe un valor faltante en corrupción. La variable Dystopia presenta ausencias en algunos años, por lo que fue excluida para asegurar la comparabilidad del análisis.
## Happiness score GDP per capita Social support
## Happiness score 1.00 0.78 0.73
## GDP per capita 0.78 1.00 0.76
## Social support 0.73 0.76 1.00
## Healthy life expectancy 0.65 0.75 0.62
## Freedom to make life choices 0.59 0.41 0.42
## Generosity 0.07 -0.11 -0.02
## Perceptions of corruption 0.07 0.02 0.14
## Healthy life expectancy
## Happiness score 0.65
## GDP per capita 0.75
## Social support 0.62
## Healthy life expectancy 1.00
## Freedom to make life choices 0.34
## Generosity -0.07
## Perceptions of corruption -0.29
## Freedom to make life choices Generosity
## Happiness score 0.59 0.07
## GDP per capita 0.41 -0.11
## Social support 0.42 -0.02
## Healthy life expectancy 0.34 -0.07
## Freedom to make life choices 1.00 0.24
## Generosity 0.24 1.00
## Perceptions of corruption 0.14 0.07
## Perceptions of corruption
## Happiness score 0.07
## GDP per capita 0.02
## Social support 0.14
## Healthy life expectancy -0.29
## Freedom to make life choices 0.14
## Generosity 0.07
## Perceptions of corruption 1.00
A partir de la matriz de correlaciones, se puede evidenciar que la mayoría de los factores se relacionan positivamente con la felicidad.
El PIB, la salud y el apoyo social son los más influyentes, lo que indica que las condiciones económicas y de vida son clave. La libertad y la corrupción tienen un efecto moderado, mientras que la generosidad aporta poco.
Además, varias variables están relacionadas entre sí, especialmente economía, salud y apoyo social, lo que muestra que el bienestar depende de factores interconectados.
Aptitud del dataset
El análisis exploratorio muestra que el dataset es adecuado para aplicar el Análisis Factorial Múltiple (MFA).
Las variables presentan relaciones significativas entre sí, especialmente entre economía, salud y apoyo social, lo que confirma que existe una estructura común que puede analizarse de forma conjunta.
Análsis e Interpretación
Debido a la naturaleza del conjunto de datos, se aplica un Análisis Factorial Múltiple Dual (DMFA) para estudiar la estructura de los datos a lo largo de los diferentes años.
Valores propios
El análisis de los valores propios obtenido a partir del Análisis Dual (DMFA) permite evaluar la proporción de varianza explicada por cada dimensión factorial y, por tanto, determinar la cantidad de componentes necesarias para representar adecuadamente la estructura de los datos. De acuerdo con los resultados, la primera componente presenta un valor propio de 3.70, explicando aproximadamente 52.89% de la varianza total, lo que indica que esta dimensión captura la mayor parte de la información contenida en los indicadores analizados. Por su parte, la segunda componente registra un valor propio de 1.21, aportando 17.25% de la varianza adicional. En conjunto, las dos primeras dimensiones alcanzan una varianza acumulada de aproximadamente 70.13%, lo que representa una capacidad explicativa considerable para un modelo de reducción de dimensionalidad. Este resultado sugiere que el plano factorial definido por las dos primeras componentes es suficiente para representar de manera sintética la estructura subyacente de los datos, permitiendo interpretar adecuadamente las relaciones entre las variables y las diferencias entre regiones y periodos analizados, sin incurrir en una pérdida significativa de información. En consecuencia, se justifica la selección de estas dos dimensiones principales para la visualización e interpretación del modelo analítico.
res.dmfa$eig## eigenvalue percentage of variance cumulative percentage of variance
## comp 1 3.7020215 52.886021 52.88602
## comp 2 1.2073522 17.247889 70.13391
## comp 3 0.9562566 13.660809 83.79472
## comp 4 0.5528048 7.897212 91.69193
## comp 5 0.2529754 3.613934 95.30586
## comp 6 0.1882199 2.688855 97.99472
## comp 7 0.1403696 2.005280 100.00000Contribuciones del modelo general
El análisis de las contribuciones de las variables a las dimensiones factoriales permite identificar cuáles indicadores explican en mayor medida la variabilidad capturada por cada eje del modelo. En la Dimensión 1, se observa que las variables con mayor peso explicativo corresponden a Happiness score (≈22.9%), GDP per capita (≈22.6%), Social support (≈21.7%) y Healthy life expectancy (≈21.7%), lo que indica que este eje está fuertemente asociado con factores estructurales de bienestar y desarrollo socioeconómico. En conjunto, estas variables concentran la mayor parte de la contribución a esta dimensión, sugiriendo que el primer eje representa principalmente un gradiente de prosperidad económica, salud y apoyo social entre las regiones analizadas.En otras palabras, valores altos en esta dimensión estarían asociados con contextos donde existen mejores condiciones económicas, mayor respaldo social y mejores resultados en salud, lo que se traduce en mayores niveles de satisfacción con la vida.
Por otro lado, la Dimensión 2 está dominada por variables relacionadas con percepciones sociales e institucionales, destacándose Generosity (≈62.2%) como la principal variable explicativa, seguida de Freedom to make life choices (≈17.7%) y Perceptions of corruption (≈13.9%). Este patrón sugiere que el segundo eje captura diferencias vinculadas a factores culturales, institucionales y de comportamiento prosocial, más que a condiciones estructurales de desarrollo, donde valores altos reflejan sociedades con mayores niveles de altruismo, mayor libertad individual y determinadas percepciones sobre la transparencia o corrupción en las instituciones.
En conjunto, esta distribución de contribuciones evidencia que el modelo distingue claramente entre una primera dimensión asociada a condiciones materiales y de bienestar objetivo, y una segunda dimensión vinculada a percepciones sociales, valores culturales y confianza institucional, lo que permite interpretar de manera más robusta las dinámicas regionales del bienestar analizadas en el estudio.
res.dmfa$var ## $coord
## Dim.1 Dim.2 Dim.3 Dim.4
## Happiness score 0.920909224 0.06774006 -0.060419139 -0.007775054
## GDP per capita 0.915536886 -0.19094072 0.046169349 0.146068598
## Social support 0.895562312 -0.10430633 0.004834932 0.111732300
## Healthy life expectancy 0.895421495 -0.15325823 0.018009279 0.158634849
## Freedom to make life choices 0.632036436 0.46274623 -0.167997046 -0.589252132
## Generosity 0.005773799 0.86628473 -0.319218315 0.382557347
## Perceptions of corruption 0.111467445 0.40908912 0.905540434 0.013821495
## Dim.5
## Happiness score -0.0164734693
## GDP per capita 0.0551654139
## Social support -0.3822295340
## Healthy life expectancy 0.3201344706
## Freedom to make life choices 0.0320633567
## Generosity 0.0068707374
## Perceptions of corruption 0.0001327528
##
## $cor
## Dim.1 Dim.2 Dim.3 Dim.4
## Happiness score 0.920909224 0.06774006 -0.060419139 -0.007775054
## GDP per capita 0.915536886 -0.19094072 0.046169349 0.146068598
## Social support 0.895562312 -0.10430633 0.004834932 0.111732300
## Healthy life expectancy 0.895421495 -0.15325823 0.018009279 0.158634849
## Freedom to make life choices 0.632036436 0.46274623 -0.167997046 -0.589252132
## Generosity 0.005773799 0.86628473 -0.319218315 0.382557347
## Perceptions of corruption 0.111467445 0.40908912 0.905540434 0.013821495
## Dim.5
## Happiness score -0.0164734693
## GDP per capita 0.0551654139
## Social support -0.3822295340
## Healthy life expectancy 0.3201344706
## Freedom to make life choices 0.0320633567
## Generosity 0.0068707374
## Perceptions of corruption 0.0001327528
##
## $cos2
## Dim.1 Dim.2 Dim.3 Dim.4
## Happiness score 8.480738e-01 0.004588716 3.650472e-03 6.045147e-05
## GDP per capita 8.382078e-01 0.036458360 2.131609e-03 2.133604e-02
## Social support 8.020319e-01 0.010879810 2.337657e-05 1.248411e-02
## Healthy life expectancy 8.017797e-01 0.023488084 3.243341e-04 2.516502e-02
## Freedom to make life choices 3.994701e-01 0.214134078 2.822301e-02 3.472181e-01
## Generosity 3.333676e-05 0.750449242 1.019003e-01 1.463501e-01
## Perceptions of corruption 1.242499e-02 0.167353912 8.200035e-01 1.910337e-04
## Dim.5
## Happiness score 2.713752e-04
## GDP per capita 3.043223e-03
## Social support 1.460994e-01
## Healthy life expectancy 1.024861e-01
## Freedom to make life choices 1.028059e-03
## Generosity 4.720703e-05
## Perceptions of corruption 1.762331e-08
##
## $contrib
## Dim.1 Dim.2 Dim.3 Dim.4
## Happiness score 2.290840e+01 0.3800644 0.381746111 0.01093541
## GDP per capita 2.264189e+01 3.0196955 0.222911798 3.85959633
## Social support 2.166470e+01 0.9011298 0.002444591 2.25832081
## Healthy life expectancy 2.165789e+01 1.9454211 0.033917061 4.55224221
## Freedom to make life choices 1.079059e+01 17.7358419 2.951405227 62.81024490
## Generosity 9.005015e-04 62.1566135 10.656170264 26.47410317
## Perceptions of corruption 3.356272e-01 13.8612338 85.751404948 0.03455717
## Dim.5
## Happiness score 1.072734e-01
## GDP per capita 1.202972e+00
## Social support 5.775243e+01
## Healthy life expectancy 4.051227e+01
## Freedom to make life choices 4.063869e-01
## Generosity 1.866072e-02
## Perceptions of corruption 6.966412e-06Contribuciones parciales
En este punto es posible identificar los cambios de las contribuciones de cada variable por año.
res.dmfa$var.partiel## $Gr2018
## Dim.1 Dim.2 Dim.3 Dim.4
## Happiness score 0.91904360 0.19585234 0.28138647 0.088916005
## GDP per capita 0.94841138 -0.06094990 0.30442305 0.301470197
## Social support 0.94841145 -0.06094967 0.30442484 0.301470361
## Healthy life expectancy 0.90537442 -0.03623367 0.28558779 0.306991008
## Freedom to make life choices 0.57474632 0.59783119 0.18419681 -0.548536446
## Generosity 0.09993606 0.87662426 -0.06219186 0.356881915
## Perceptions of corruption 0.42963350 0.62296205 0.88848886 0.009214251
## Dim.5
## Happiness score -0.07559533
## GDP per capita -0.30437864
## Social support -0.30437881
## Healthy life expectancy 0.21283022
## Freedom to make life choices 0.10889822
## Generosity 0.13224634
## Perceptions of corruption 0.03823158
##
## $Gr2019
## Dim.1 Dim.2 Dim.3 Dim.4
## Happiness score 0.92994068 0.15936997 0.28178786 0.03774568
## GDP per capita 0.90267408 -0.07907884 0.31634257 0.19545020
## Social support 0.87805887 -0.04673426 0.13911102 0.09612405
## Healthy life expectancy 0.89284725 -0.03758313 0.28926483 0.21401388
## Freedom to make life choices 0.62245104 0.56271219 0.16894810 -0.57149408
## Generosity 0.04274174 0.88074613 -0.09725236 0.37492085
## Perceptions of corruption 0.39986754 0.60783096 0.89121271 -0.01692055
## Dim.5
## Happiness score -0.0006992272
## GDP per capita 0.1179717259
## Social support -0.4022292345
## Healthy life expectancy 0.3332239832
## Freedom to make life choices 0.0005613796
## Generosity 0.0691524771
## Perceptions of corruption 0.2056745773
##
## $Gr2020
## Dim.1 Dim.2 Dim.3 Dim.4
## Happiness score 0.913911485 -0.10962899 -0.4480431 -0.02613649
## GDP per capita 0.909461072 -0.37089044 -0.2783181 0.12082218
## Social support 0.894834302 -0.21628808 -0.2160353 0.05990179
## Healthy life expectancy 0.902450689 -0.32156443 -0.3097457 0.11547623
## Freedom to make life choices 0.642543717 0.33048853 -0.5612843 -0.59483582
## Generosity -0.008445632 0.85936132 -0.5523157 0.36172683
## Perceptions of corruption -0.368555131 0.07856046 0.9430560 0.05837174
## Dim.5
## Happiness score 0.0001576827
## GDP per capita 0.1035000458
## Social support -0.3815173771
## Healthy life expectancy 0.3223167493
## Freedom to make life choices 0.0292982452
## Generosity 0.0164678782
## Perceptions of corruption -0.2243811235
##
## $Gr2021
## Dim.1 Dim.2 Dim.3 Dim.4
## Happiness score 0.91693527 -0.1710694 -0.4420456 -0.102498819
## GDP per capita 0.91704000 -0.4227448 -0.2727643 0.050075721
## Social support 0.88769471 -0.2499854 -0.2009105 0.009074713
## Healthy life expectancy 0.90189004 -0.3818865 -0.3041390 0.030191544
## Freedom to make life choices 0.65409410 0.2571683 -0.5399477 -0.636385709
## Generosity -0.09859962 0.8684248 -0.4632199 0.391441206
## Perceptions of corruption -0.36758814 0.1769531 0.9378760 0.114732240
## Dim.5
## Happiness score 0.01909333
## GDP per capita 0.10803456
## Social support -0.39066657
## Healthy life expectancy 0.34033594
## Freedom to make life choices 0.04143396
## Generosity -0.03314922
## Perceptions of corruption -0.23528582
##
## $Gr2022
## Dim.1 Dim.2 Dim.3 Dim.4
## Happiness score 0.92506429 0.19910381 0.2727436 -0.05256745
## GDP per capita 0.89837143 -0.09432728 0.3724297 0.03904389
## Social support 0.86538154 0.01529023 0.1408904 0.06813551
## Healthy life expectancy 0.87389527 -0.05869515 0.3409851 0.10402125
## Freedom to make life choices 0.67197650 0.51203723 0.1491884 -0.60321883
## Generosity -0.01628558 0.85982189 -0.3072839 0.43323025
## Perceptions of corruption 0.43777053 0.45960970 0.9006737 -0.09467162
## Dim.5
## Happiness score -0.043491056
## GDP per capita 0.132871272
## Social support -0.427561990
## Healthy life expectancy 0.373717407
## Freedom to make life choices 0.009365025
## Generosity -0.104768750
## Perceptions of corruption 0.202402113El análisis de las contribuciones parciales de las variables por grupo (años) permite examinar la estabilidad y variación de la estructura factorial a lo largo del periodo analizado (2018–2022). En términos generales, la Dimensión 1 presenta un patrón altamente consistente entre los años, con cargas elevadas para variables como Happiness score, GDP per capita, Social support y Healthy life expectancy, cuyos coeficientes se mantienen cercanos o superiores a 0.90 en la mayoría de los periodos. Este comportamiento indica que el primer eje factorial captura de manera robusta un gradiente estructural de bienestar socioeconómico, en el cual los niveles de felicidad se encuentran estrechamente asociados con factores de desarrollo económico, apoyo social y condiciones de salud. La estabilidad de estas cargas a lo largo del tiempo sugiere que la relación entre estas variables constituye un componente estructural del bienestar global, relativamente independiente de fluctuaciones coyunturales.
Por otro lado, la Dimensión 2 evidencia una mayor variabilidad temporal, lo que indica que este eje está asociado a factores más sensibles al contexto social e institucional. En particular, la variable Generosity presenta consistentemente las mayores cargas positivas en esta dimensión (alrededor de 0.86–0.88), seguida por Freedom to make life choices y, en algunos casos, Perceptions of corruption, lo que sugiere que este eje refleja dinámicas relacionadas con comportamientos prosociales, libertades individuales y percepciones institucionales. Es relevante observar que durante los años 2020 y 2021, coincidentes con el periodo más crítico de la pandemia de COVID-19, varias variables asociadas al bienestar objetivo presentan cargas negativas o reducidas en esta dimensión, lo que puede interpretarse como una reconfiguración temporal en la estructura de los determinantes del bienestar. Posteriormente, en 2022, se observa una tendencia hacia la recuperación de los patrones previos, lo cual sugiere que los efectos de la crisis sanitaria pudieron alterar momentáneamente la relación entre los factores económicos, sociales e institucionales que explican la percepción de bienestar en las distintas regiones.
Gráfico de individuos
A continuación, se presentan los individuos en el plano factorial.
# Muestra a los individuos (países) en el plano factorial.
plot.DMFA(res.dmfa, choix="ind",invisible="quali", label="none")
El mapa factorial de individuos permite visualizar la distribución de los países en el espacio definido por las dos primeras componentes principales, las cuales explican conjuntamente aproximadamente 70.13% de la varianza total (Dimensión 1 = 52.89% y Dimensión 2 = 17.25%). En el gráfico se observa una alta concentración de observaciones alrededor del origen, lo que sugiere que una proporción importante de los países presenta perfiles relativamente similares en los indicadores analizados de bienestar. Asimismo, la superposición de los puntos correspondientes a los diferentes años (2018–2022) indica que no se evidencian desplazamientos estructurales pronunciados en la posición de los individuos a lo largo del tiempo, lo que sugiere cierta estabilidad en la estructura global de los determinantes del bienestar entre países durante el periodo analizado. No obstante, algunos países se ubican en posiciones más extremas sobre la Dimensión 1, reflejando diferencias significativas en los niveles de desarrollo socioeconómico y bienestar, mientras que las variaciones en la Dimensión 2 capturan diferencias relacionadas con factores sociales e institucionales. En conjunto, el gráfico evidencia una estructura relativamente estable del sistema de bienestar global, con variaciones moderadas entre países y años.
res.dmfa$group## $coord
## Dim.1 Dim.2 Dim.3 Dim.4 Dim.5
## Gr2018 3.872788 1.4600720 0.6644994 0.6203595 0.1187684
## Gr2019 3.711753 1.4182443 0.6914650 0.5529849 0.2827746
## Gr2020 3.596164 0.9390023 1.3404601 0.5130554 0.2585383
## Gr2021 3.615339 0.9975150 1.2550843 0.5279625 0.2775801
## Gr2022 3.708615 1.2100775 0.8398437 0.5474104 0.3340969
##
## $coord.n
## Dim.1 Dim.2 Dim.3 Dim.4 Dim.5
## Gr2018 0.9629010 0.3630213 0.1652161 0.1542415 0.02952969
## Gr2019 0.9699259 0.3706044 0.1806881 0.1445016 0.07389241
## Gr2020 0.9231315 0.2410409 0.3440947 0.1317008 0.06636651
## Gr2021 0.9224005 0.2545012 0.3202163 0.1347019 0.07082047
## Gr2022 0.9632209 0.3142876 0.2181286 0.1421763 0.08677339
##
## $cos2
## Dim.1 Dim.2 Dim.3 Dim.4 Dim.5
## Gr2018 78.80708 11.201244 2.320101 2.022109 0.07411734
## Gr2019 78.91958 11.522022 2.738842 1.751673 0.45804410
## Gr2020 72.46625 4.940720 10.068498 1.474978 0.37454723
## Gr2021 72.96831 5.554885 8.793909 1.556117 0.43014298
## Gr2022 79.55936 8.470209 4.080043 1.733380 0.64567304El análisis de las coordenadas, coordenadas normalizadas y cosenos cuadrados (cos²) para los grupos correspondientes a los años 2018–2022 permite evaluar la posición relativa de cada periodo en el espacio factorial y la calidad de su representación en las dimensiones principales. Las coordenadas en la Dimensión 1 se mantienen consistentemente altas y positivas para todos los años (≈3.6–3.9), lo que confirma la estabilidad estructural de este eje en el tiempo. Esta estabilidad también se refleja en los valores elevados de cos², que superan el 72% en todos los periodos, alcanzando aproximadamente 79% en 2018, 2019 y 2022, lo que indica que esta dimensión representa adecuadamente la posición de los grupos temporales. En contraste, la Dimensión 2 presenta mayor variabilidad, evidenciando una disminución en su valor durante 2020 y 2021, años en los que también se observa una reducción en su cos² (≈5%), lo que sugiere una menor capacidad explicativa de este eje durante ese periodo.En conjunto, estos resultados evidencian una estructura factorial estable dominada por la primera dimensión, con variaciones coyunturales en las dimensiones secundarias asociadas a cambios contextuales en el periodo analizado.
# Visualiza las modalidades de la variable cualitativa.
plot.DMFA(res.dmfa, choix="quali", label="none")
En el gráfico se observa que las regiones North America and ANZ y Western Europe se ubican consistentemente en valores positivos de la Dimensión 1, lo que indica que estas regiones mantienen niveles relativamente altos en los indicadores estructurales asociados al bienestar y desarrollo socioeconómico. Sin embargo, al analizar la evolución temporal en la Dimensión 2, se evidencia un desplazamiento descendente a partir del año 2020, que coincide con el periodo de inicio de la pandemia por COVID-19. Este descenso se prolonga hasta 2021, sugiriendo una disminución en los factores asociados a esta dimensión. Considerando que la Dimensión 2 agrupa variables vinculadas con aspectos sociales, institucionales y culturales, como el apoyo social, la libertad para tomar decisiones de vida y la percepción de corrupción, este comportamiento puede interpretarse como una reducción temporal en la percepción de bienestar social e institucional en estas regiones durante los años más críticos de la pandemia. En contraste, otras regiones como South Asia, Sub-Saharan Africa o Middle East and North Africa presentan trayectorias más estables en esta dimensión, sin mostrar variaciones tan pronunciadas, lo que sugiere que el impacto en la percepción social e institucional fue relativamente menos marcado en comparación con las economías desarrolladas.
Desde una perspectiva técnica, el análisis dual permite identificar patrones temporales en la relación entre los indicadores de bienestar y las regiones geográficas. En particular, el desplazamiento observado en la Dimensión 2 para North America and ANZ y Western Europe entre 2020 y 2021 evidencia cómo eventos externos de gran escala, como una crisis sanitaria global, pueden modificar temporalmente variables relacionadas con la percepción social, la confianza institucional y la libertad individual. Este resultado sugiere que, aun en contextos de alto desarrollo económico, los indicadores de bienestar social son sensibles a choques sistémicos que afectan la estabilidad institucional y la percepción ciudadana. En términos de analítica para la toma de decisiones, estos hallazgos resaltan la importancia de monitorear simultáneamente indicadores económicos y sociales, ya que las variaciones en dimensiones asociadas a confianza y cohesión social pueden anticipar cambios en el comportamiento colectivo y en la efectividad de las políticas públicas durante periodos de crisis.
plot(res.dmfa, choix = "var", axes = c(1, 2))Gráficos del modelo general
La representación de la evolución temporal de los grupos muestra que todos los años analizados se ubican en valores positivos de la dimensión asociada al bienestar integral, lo que evidencia estabilidad estructural en este componente a lo largo del periodo. Sin embargo, se observa una disminución en la dimensión de percepción social, cultural e institucional durante 2020 y 2021, coincidiendo con el periodo de mayor impacto de la pandemia. Posteriormente, en 2022 se evidencia una recuperación parcial en esta dimensión, acercándose nuevamente a los niveles observados en 2018 y 2019. Este comportamiento sugiere un efecto coyuntural sobre los factores perceptuales del bienestar, tal y como se ha mencionado a lo largo del análsis.
# Extraer coordenadas de los grupos (años)
coords_grupos <- as.data.frame(res.dmfa$group$coord[, 1:2])
coords_grupos$grupo <- rownames(coords_grupos)
# Graficar
ggplot(coords_grupos, aes(x = Dim.1, y = Dim.2, label = grupo)) +
geom_point(size = 3) +
geom_text(vjust = -0.5, hjust = 0.5) +
geom_hline(yintercept = 0, linetype = "dashed") +
geom_vline(xintercept = 0, linetype = "dashed") +
labs(title = "Evolucion temporal de los grupos",
x = "Bienestar integral", y = "Percepcion social, cultural e institucional") +
theme_minimal()
El análisis de la proyección de variables para los años 2018 y 2019 evidencia una estructura relativamente estable del espacio factorial. Las variables asociadas al bienestar material y estructural —GDP per capita, Social support y Healthy life expectancy— se concentran en el extremo positivo de la dimensión 1, lo que confirma su fuerte asociación con el componente de bienestar integral. El Happiness score se posiciona cercano a este grupo, indicando coherencia entre los determinantes estructurales y el resultado global de bienestar. Por otra parte, variables como Freedom to make life choices y Perceptions of corruption presentan cargas relevantes en la dimensión 2, reflejando su relación con la percepción social e institucional, mientras que Generosity aparece separada del bloque económico, evidenciando un comportamiento más independiente dentro del sistema de variables.
En los años 2020, 2021 y 2022 se observa un reajuste en la configuración del plano factorial. Las variables estructurales continúan agrupadas en la dimensión de bienestar integral, lo que indica estabilidad en los determinantes materiales del bienestar. Sin embargo, se evidencian cambios en la dimensión asociada a la percepción social e institucional: Perceptions of corruption se desplaza hacia valores más bajos de dicha dimensión en 2020 y 2021, sugiriendo una modificación en su relación con el sistema de indicadores durante el periodo de crisis global. Paralelamente, Freedom to make life choices mantiene una contribución positiva en esta dimensión, mientras Generosity permanece relativamente aislada cerca del eje vertical, lo que refuerza su carácter como variable menos alineada con las dinámicas estructurales del bienestar. Estos patrones sugieren que, aunque los determinantes económicos del bienestar permanecen estables, las variables asociadas a percepción institucional presentan mayor sensibilidad ante choques contextuales.
x_lim <- range(coords_var$Dim.1)
y_lim <- range(coords_var$Dim.2)
for (year in levels(coords_var$Year)) {
df_year <- coords_var[coords_var$Year == year, ]
p <- ggplot(df_year, aes(x = Dim.1, y = Dim.2)) +
geom_point(size = 2, color = "blue") +
geom_text(aes(label = Variable), size = 2.5, vjust = -0.5) +
geom_hline(yintercept = 0, linetype = "dashed") +
geom_vline(xintercept = 0, linetype = "dashed") +
coord_cartesian(xlim = x_lim, ylim = y_lim) +
labs(title = paste("", year),
x = "Bienestar integral", y = "Percepcion social, cultural e institucional") +
theme_minimal()
print(p)
}
Conclusiones
El análisis factorial aplicado al conjunto de indicadores de bienestar permitió identificar una estructura latente robusta compuesta principalmente por dos dimensiones, que explican aproximadamente el 70% de la varianza total del sistema. La primera dimensión se asocia con el bienestar integral, determinada principalmente por variables estructurales como GDP per capita, Social support, Healthy life expectancy y Happiness score. La segunda dimensión captura componentes de percepción social, cultural e institucional, donde destacan Generosity, Freedom to make life choices y Perceptions of corruption. Esta diferenciación evidencia que el bienestar global se explica tanto por condiciones materiales como por factores institucionales y sociales.
El análisis temporal realizado mediante DMFA muestra que la estructura general de los determinantes del bienestar permanece relativamente estable entre 2018 y 2022, particularmente en lo relacionado con los factores económicos y de salud. Las variables asociadas al bienestar material mantienen cargas consistentes en la primera dimensión a lo largo del periodo analizado, lo que sugiere que estos determinantes constituyen la base estructural del bienestar en las distintas regiones. Esta estabilidad confirma que los factores socioeconómicos continúan siendo los principales explicadores del nivel agregado de felicidad reportado en los países.
No obstante, el análisis dinámico también evidencia cambios relevantes en la dimensión asociada a percepciones sociales e institucionales, especialmente durante el periodo 2020–2021. Como se discutió anteriormente en la evolución temporal de los grupos, se observa una disminución en la dimensión relacionada con la percepción social, cultural e institucional, coincidente con el periodo de la pandemia por COVID-19. Este comportamiento sugiere que variables vinculadas con confianza institucional, libertad para tomar decisiones y percepción de apoyo social experimentaron una mayor sensibilidad frente a choques globales. Adicionalmente, se observa que las economías emergentes registraron una disminución menos pronunciada en comparación con los países desarrollados, lo que sugiere que el impacto en la percepción institucional y social fue relativamente más fuerte en las economías avanzadas durante dicho periodo.
Finalmente, los resultados evidencian la importancia de considerar el bienestar como un fenómeno multidimensional. Mientras que los determinantes estructurales mantienen una influencia estable en el tiempo, las variables asociadas a percepciones institucionales muestran mayor volatilidad frente a cambios contextuales. En este sentido, los resultados sugieren que las estrategias orientadas a mejorar el bienestar no deben centrarse únicamente en indicadores económicos, sino también en fortalecer la confianza institucional, la libertad individual y el capital social, elementos que influyen significativamente en la percepción global de bienestar de las sociedades.