Untitled
2026-07-04
Encuesta de hogares abril 2026
Cargar los datos del módulo de caracteristicas generales
Cargar los datos de ocupados
datos <- read.csv2("B.CSV", fileEncoding = "UTF-8")## Warning in scan(file = file, what = what, sep = sep, quote = quote, dec = dec,
## : entrada inválida encontrada en la conexión de entrada 'B.CSV'B <- read.csv2("C:/Users/Usuario/Desktop/Hogares/B.CSV")
B <- read.csv2(
"C:/Users/Usuario/Desktop/Hogares/B.CSV",
fileEncoding = "Latin1"
)library(readxl)
library(readr)
library(dplyr)
library(skimr)
library(DescTools)
library(knitr)Introducción
La Gran Encuesta Integrada de Hogares (GEIH) es una de las principales fuentes de información socioeconómica en Colombia, ya que permite caracterizar las condiciones laborales de la población ocupada. Entre los aspectos de mayor interés se encuentra el análisis de los ingresos laborales y los factores que pueden influir en ellos, como las características sociodemográficas y las condiciones del empleo.
En este trabajo se utilizará una muestra de la GEIH correspondiente al mes de abril, con el propósito de identificar los factores asociados al ingreso laboral mensual de la población ocupada mediante técnicas de análisis descriptivo e inferencial, que posteriormente servirán como base para la aplicación de modelos supervisados y no supervisados.
Pregunta de investigación
¿Qué factores sociodemográficos y laborales están asociados con el ingreso laboral mensual de la población ocupada en la GEIH de abril?
# Objetivo general
Analizar la relación entre variables sociodemográficas y laborales con el ingreso laboral mensual de la población ocupada registrada en la GEIH correspondiente al mes de abril.
Hipótesis
las personas con mayor nivel educativo, mayor experiencia laboral, empleos formales y jornadas de trabajo más extensas tienden a percibir ingresos más altos, mientras que variables como el sexo, la edad y el tipo de ocupación también pueden generar diferencias salariales.
Variables de estudio
Las variables seleccionadas para el análisis fueron elegidas por su posible influencia sobre el ingreso laboral de los trabajadores.
| Variable | Tipo | Descripción | Justificación |
|---|---|---|---|
| INGLABO | Continua | Ingreso laboral mensual | Variable respuesta del estudio. |
| P6800 | Continua | Horas trabajadas normalmente por semana | Permite evaluar si una mayor cantidad de horas trabajadas se relaciona con mayores ingresos. |
| RAMA2D_R4 | Categórica | Rama de actividad económica | Permite analizar si el sector económico donde trabaja la persona influye en el ingreso laboral. |
| P6440 | Categórica | Posición ocupacional | Permite evaluar diferencias salariales según la condición laboral (empleado, independiente, patrón, etc.). |
# Justificación de las variables
La variable INGLABO constituye la variable dependiente del estudio, ya que representa el ingreso laboral mensual percibido por los trabajadores ocupados. Como variables explicativas se consideran las horas trabajadas semanalmente (P6800), la posición ocupacional (P6440) y la rama de actividad económica (RAMA2D_R4). Estas variables permiten analizar cómo las condiciones laborales y el sector económico en el que se desempeñan los trabajadores pueden estar asociadas con las diferencias en el ingreso laboral mensual.
# Tipo de variables
De acuerdo con la pregunta de investigación, se definió una variable respuesta y tres variables explicativas, las cuales permitirán analizar los factores asociados al ingreso laboral mensual de la población ocupada.
- Variable respuesta (dependiente)
- INGLABO: Ingreso laboral mensual.
- Variables explicativas (independientes)
- P6800: Horas trabajadas normalmente por semana.
- RAMA2D_R4: Rama de actividad económica.
- P6440: Posición ocupacional.
Descripción del conjunto de datos
head(datos)## PERIODO MES PER DIRECTORIO SECUENCIA_P ORDEN HOGAR REGIS AREA CLASE
## 1 20260418 4 2026 8567919 1 1 1 60 NA 2
## 2 20260418 4 2026 8567919 1 2 1 60 NA 2
## 3 20260418 4 2026 8567920 1 1 1 60 NA 2
## 4 20260418 4 2026 8567920 1 5 1 60 NA 2
## 5 20260418 4 2026 8567921 1 1 1 60 NA 2
## 6 20260418 4 2026 8567921 1 2 1 60 NA 2
## FEX_C18 DPTO FT P3044S2 P6440 P6450 P6460 P6460S1 P6400 P6410 P6422
## 1 51.927846885 8 1 4290 1 2 2 12 1 NA 1
## 2 51.927846885 8 1 4711 2 NA NA NA NA NA NA
## 3 82.949794752 8 1 311 2 NA NA NA NA NA NA
## 4 82.949794752 8 1 4111 2 NA NA NA NA NA NA
## 5 56.917932174 8 1 5619 2 NA NA NA NA NA NA
## 6 56.917932174 8 1 4781 2 NA NA NA NA NA NA
## P6420S2 P6424S1 P6424S2 P6424S3 P6424S5 P6430 P6430S1 P3045S1 P3045S2 P3045S3
## 1 NA 2 2 1 2 1 1 1 9
## 2 NA NA NA NA NA 4 NA NA NA
## 3 NA NA NA NA NA 4 NA NA NA
## 4 NA NA NA NA NA 4 NA NA NA
## 5 NA NA NA NA NA 4 NA NA NA
## 6 NA NA NA NA NA 4 NA NA NA
## P3046 P3363 P3363S1 P9440 P6500 P3364 P3364S1 P6510 P6510S1 P6510S2 P6590
## 1 1 1 NA 2 2000000 2 NA 2 NA NA 2
## 2 NA NA NA NA NA NA NA NA NA NA NA
## 3 NA NA NA NA NA NA NA NA NA NA NA
## 4 NA NA NA NA NA NA NA NA NA NA NA
## 5 NA NA NA NA NA NA NA NA NA NA NA
## 6 NA NA NA NA NA NA NA NA NA NA NA
## P6590S1 P6600 P6600S1 P6610 P6610S1 P6620 P6620S1 P6585S1 P6585S1A1 P6585S1A2
## 1 NA 2 NA 2 NA 2 NA 2 NA NA
## 2 NA NA NA NA NA NA NA NA NA NA
## 3 NA NA NA NA NA NA NA NA NA NA
## 4 NA NA NA NA NA NA NA NA NA NA
## 5 NA NA NA NA NA NA NA NA NA NA
## 6 NA NA NA NA NA NA NA NA NA NA
## P6585S2 P6585S2A1 P6585S2A2 P6585S3 P6585S3A1 P6585S3A2 P6585S4 P6585S4A1
## 1 1 250000 1 2 NA NA 2 NA
## 2 NA NA NA NA NA NA NA NA
## 3 NA NA NA NA NA NA NA NA
## 4 NA NA NA NA NA NA NA NA
## 5 NA NA NA NA NA NA NA NA
## 6 NA NA NA NA NA NA NA NA
## P6585S4A2 P6545 P6545S1 P6545S2 P6580 P6580S1 P6580S2 P6630S1 P6630S1A1
## 1 NA 2 NA NA 2 NA NA 1 1423500
## 2 NA NA NA NA NA NA NA NA NA
## 3 NA NA NA NA NA NA NA NA NA
## 4 NA NA NA NA NA NA NA NA NA
## 5 NA NA NA NA NA NA NA NA NA
## 6 NA NA NA NA NA NA NA NA NA
## P6630S2 P6630S2A1 P6630S3 P6630S3A1 P6630S4 P6630S4A1 P6630S6 P6630S6A1 P6640
## 1 2 NA 2 NA 2 NA 2 NA 2
## 2 NA NA NA NA NA NA NA NA NA
## 3 NA NA NA NA NA NA NA NA NA
## 4 NA NA NA NA NA NA NA NA NA
## 5 NA NA NA NA NA NA NA NA NA
## 6 NA NA NA NA NA NA NA NA NA
## P6640S1 P1800 P1800S1 P1801S1 P1801S2 P1801S3 P1802 P3047 P3048 P3049 P6765
## 1 NA NA NA NA NA NA NA NA NA NA NA
## 2 NA 2 NA NA NA NA 3 1 1 1 7
## 3 NA 2 NA NA NA NA 3 1 1 1 6
## 4 NA 2 NA NA NA NA 3 1 1 1 6
## 5 NA 2 NA NA NA NA 3 1 1 1 6
## 6 NA 2 NA NA NA NA 3 1 1 1 6
## P6765S1 P3051 P3052 P3053 P3365 P3365S1 P3054 P3054S1 P3055 P3055S1 P3056
## 1 NA NA NA NA NA NA NA NA NA NA
## 2 NA NA NA NA NA NA NA NA NA 1
## 3 NA 2000000 1 2 NA 2 NA 2 NA NA
## 4 NA 1700000 1 2 NA 2 NA 2 NA NA
## 5 NA 150000 1 2 NA 2 NA 2 NA NA
## 6 NA 720000 1 2 NA 2 NA 2 NA NA
## P3057 P6760 P3058S1 P3058S2 P3058S3 P3058S4 P3058S5 P3059 P3061 P3062S1
## 1 NA NA NA NA NA NA NA NA NA NA
## 2 30000 1 0 30000 0 0 0 NA NA NA
## 3 NA NA NA NA NA NA NA NA NA NA
## 4 NA NA NA NA NA NA NA NA NA NA
## 5 NA NA NA NA NA NA NA NA NA NA
## 6 NA NA NA NA NA NA NA NA NA NA
## P3062S2 P3062S3 P3062S4 P3062S5 P3062S6 P3062S7 P3062S8 P3062S9 P3063 P3063S1
## 1 NA NA NA NA NA NA NA NA NA NA
## 2 NA NA NA NA NA NA NA NA NA NA
## 3 NA NA NA NA NA NA NA NA NA NA
## 4 NA NA NA NA NA NA NA NA NA NA
## 5 NA NA NA NA NA NA NA NA NA NA
## 6 NA NA NA NA NA NA NA NA NA NA
## P3064 P3064S1 P3065 P3066 P3560 P3561 P3067 P3067S1 P3067S2 P6775 P3068 P3562
## 1 NA NA NA NA NA NA NA NA NA NA NA NA
## 2 NA NA NA NA NA NA 2 NA NA 2 NA 2
## 3 NA NA 2 2 2 2 NA NA NA NA NA NA
## 4 NA NA 2 2 2 2 NA NA NA NA NA NA
## 5 NA NA 2 2 2 2 NA NA NA NA NA NA
## 6 NA NA 2 2 2 2 NA NA NA NA NA NA
## P3563 P6750 P3073 P550 P6780 P6780S1 P1879 P1879S1 P1805 P6790 P6800
## 1 NA NA NA NA NA NA NA NA NA 12 48
## 2 2 30000 1 50000 3 NA 1 NA 2 2 60
## 3 NA 2000000 1 24000000 3 NA 1 NA 1 12 48
## 4 NA 1700000 1 18400000 3 NA 1 NA 1 12 48
## 5 NA 100000 1 400000 3 NA 4 NA 2 4 20
## 6 NA 400000 1 3600000 3 NA 3 NA 2 12 30
## P6810 P6810S1 P6850 P6830 P6830S1 P3069 P6880 P6880S1 P6915 P6915S1 P6920
## 1 NA 48 NA NA 8 4 NA 1 NA 1
## 2 NA 60 NA NA 1 1 NA 2 NA 2
## 3 NA 48 NA NA 1 8 NA 2 NA 2
## 4 NA 48 NA NA 1 9 NA 2 NA 2
## 5 2 20 NA NA 1 1 NA 2 NA 2
## 6 1 30 NA NA 1 6 NA 5 NA 2
## P6930 P6940 P6960 P6990 P9450 P7020 P760 P7026 P7028 P7028S1 P1880 P1880S1
## 1 1 1 5 1 1 1 0 120 4 NA 3
## 2 NA NA NA 2 2 2 NA NA NA NA NA
## 3 NA NA NA 2 2 1 0 24 4 NA 3
## 4 NA NA NA 2 2 2 NA NA NA NA NA
## 5 NA NA NA 2 2 1 12 24 4 NA 11
## 6 NA NA NA 2 2 2 NA NA NA NA NA
## P7040 P7045 P3071S3 P3072S2 P7050 P7070 P7075 P7077 P7090 P7100 P7110 P7120
## 1 2 NA NA NA NA NA NA NA 2 NA NA NA
## 2 2 NA NA NA NA NA NA NA 2 NA NA NA
## 3 2 NA NA NA NA NA NA NA 2 NA NA NA
## 4 2 NA NA NA NA NA NA NA 2 NA NA NA
## 5 2 NA NA NA NA NA NA NA 2 NA NA NA
## 6 2 NA NA NA NA NA NA NA 1 10 2 1
## P7130 P7140S1 P7140S2 P7140S3 P7140S4 P7140S5 P7140S6 P7140S7 P7140S8 P7140S9
## 1 2 NA NA NA NA NA NA NA NA NA
## 2 2 NA NA NA NA NA NA NA NA NA
## 3 2 NA NA NA NA NA NA NA NA NA
## 4 2 NA NA NA NA NA NA NA NA NA
## 5 2 NA NA NA NA NA NA NA NA NA
## 6 2 NA NA NA NA NA NA NA NA NA
## P7140S9A1 P7150 P7160 P7170S1 P7170S5 P7170S6 P7180 P514 P515 P1881 P1881S1
## 1 NA NA NA 1 1 1 2 1 1 1 NA
## 2 NA NA NA 1 1 2 2 1 1 14 NA
## 3 NA NA NA 1 1 1 2 1 1 3 NA
## 4 NA NA NA 1 1 1 2 1 1 12 NA
## 5 NA NA NA 1 1 1 2 1 1 14 NA
## 6 NA NA NA 1 1 1 2 1 1 2 NA
## P1882 P7240 P7240S1 OCI INGLABO RAMA2D_R4 RAMA4D_R4 OFICIO_C8 P6426
## 1 60 8 1 2000000 42 4290 7126 12
## 2 NA 3 1 30000 47 4711 5223 2
## 3 10 3 1 2000000 3 311 6223 96
## 4 10 3 1 1700000 41 4111 9313 72
## 5 NA 3 1 100000 56 5619 7514 4
## 6 30 3 1 400000 47 4781 5211 120La base de datos utilizada corresponde a la Gran Encuesta Integrada de Hogares (GEIH) del mes de abril. Inicialmente se verificó la estructura del conjunto de datos con el fin de identificar el número de observaciones, variables y la presencia de datos faltantes.
n_observaciones <- nrow(datos)n_variables <- ncol(datos)registros_validos <- sum(complete.cases(datos))datos_faltantes <- sum(is.na(datos))resumen_base <- data.frame(
Indicador = c("Número de observaciones",
"Número de variables",
"Registros válidos",
"Datos faltantes"),
Valor = c(n_observaciones,
n_variables,
registros_validos,
datos_faltantes)
)knitr::kable(
resumen_base,
caption = "Se registró la siguiente información"
)| Indicador | Valor |
|---|---|
| Número de observaciones | 376 |
| Número de variables | 208 |
| Registros válidos | 0 |
| Datos faltantes | 47680 |
Estadística Descriptiva
Se calculo las caracteristicas de estadistica descriptiva para las variables continuas.
mode(B)## [1] "list"Función para calcular la moda
mode<- function(x){
x <- na.omit(x)
ux <- unique(x)
ux[which.max(tabulate(match(x, ux)))]
}Para el calculo de las estadisticas se implementó
r estadisticas_descriptivas
Variables continuas
variables_continuas <- datos %>%
select(INGLABO, P6800)# Calcular estadísticas descriptivas
resumen_estadistico <- data.frame(
Variable = names(variables_continuas),
Media = sapply(variables_continuas, mean, na.rm = TRUE),
Mediana = sapply(variables_continuas, median, na.rm = TRUE),
Moda = sapply(variables_continuas, mode),
Minimo = sapply(variables_continuas, min, na.rm = TRUE),
Maximo = sapply(variables_continuas, max, na.rm = TRUE),
Desviacion_Estandar = sapply(variables_continuas, sd, na.rm = TRUE),
Coeficiente_Variacion = sapply(
variables_continuas,
function(x) (sd(x, na.rm = TRUE) / mean(x, na.rm = TRUE)) * 100
),
Percentil_25 = sapply(
variables_continuas,
quantile,
probs = 0.25,
na.rm = TRUE
),
Percentil_50 = sapply(
variables_continuas,
quantile,
probs = 0.50,
na.rm = TRUE
),
Percentil_75 = sapply(
variables_continuas,
quantile,
probs = 0.75,
na.rm = TRUE
)
)knitr::kable(
resumen_estadistico,
digits = 2,
caption = "Medidas descriptivas de las variables continuas"
)| Variable | Media | Mediana | Moda | Minimo | Maximo | Desviacion_Estandar | Coeficiente_Variacion | Percentil_25 | Percentil_50 | Percentil_75 | |
|---|---|---|---|---|---|---|---|---|---|---|---|
| INGLABO | INGLABO | 1219236.35 | 1000000 | 1750905 | 0 | 6400000 | 972137.81 | 79.73 | 500000 | 1000000 | 1750905 |
| P6800 | P6800 | 40.58 | 42 | 48 | 1 | 72 | 12.14 | 29.92 | 35 | 42 | 48 |
Con el propósito de describir el comportamiento de las variables continuas se calcularon medidas de tendencia central, dispersión y posición. En particular, se obtuvieron la media, mediana, moda, valores mínimo y máximo, desviación estándar, coeficiente de variación y los percentiles 25, 50 y 75 para las variables INGLABO y P6800. Estas medidas permiten resumir la distribución de los datos e identificar la variabilidad y concentración de los valores antes de realizar análisis inferenciales.
Visualización
Con el fin de analizar la distribución de las variables continuas, se construyeron histogramas y diagramas de caja (boxplots). Estas representaciones gráficas permiten identificar la forma de la distribución, la dispersión de los datos, posibles valores atípicos y la existencia de asimetrías.
#r hist_inglabo, fig.width=7, fig.height=5
hist(datos$INGLABO,
main = "Histograma del ingreso laboral mensual",
xlab = "Ingreso laboral",
col = "steelblue",
border = "white")
#r box_inglabo
boxplot(datos$INGLABO,
main = "Boxplot del ingreso laboral",
ylab = "Ingreso laboral",
col = "lightblue")
#r hist_p6800
hist(datos$P6800,
main = "Histograma de horas trabajadas por semana",
xlab = "Horas trabajadas",
col = "darkseagreen",
border = "white")
#r box_p6800
boxplot(datos$P6800,
main = "Boxplot de horas trabajadas",
ylab = "Horas",
col = "lightgreen")
Los histogramas permiten identificar la forma de la distribución de las variables continuas. En el caso del ingreso laboral es común encontrar una distribución asimétrica hacia la derecha, debido a que una pequeña proporción de trabajadores percibe ingresos considerablemente superiores al promedio. Por otra parte, el boxplot facilita la identificación de valores atípicos, mientras que para la variable horas trabajadas se espera una distribución más concentrada alrededor de la jornada laboral habitual.
Variables Categóricas
#r frecuencia_p6440
# Frecuencia absoluta
frecuencia_abs <- table(datos$P6440)
# Frecuencia relativa
frecuencia_rel <- prop.table(frecuencia_abs)*100
# Tabla
tabla_frecuencia <- data.frame(
Categoria = names(frecuencia_abs),
Frecuencia = as.vector(frecuencia_abs),
Porcentaje = round(as.vector(frecuencia_rel),2)
)
knitr::kable(tabla_frecuencia,
caption = "Frecuencias de la posición ocupacional")| Categoria | Frecuencia | Porcentaje |
|---|---|---|
| 1 | 169 | 44.95 |
| 2 | 207 | 55.05 |
#r barras_p6440
barplot(frecuencia_abs,
col="steelblue",
main="Posición ocupacional",
xlab="Categoría",
ylab="Frecuencia")
##Cruces Relevantes
#r cruce1
boxplot(INGLABO ~ P6440,
data = datos,
col = "skyblue",
main = "Ingreso laboral según posición ocupacional",
xlab = "Posición ocupacional",
ylab = "Ingreso")
#r cruce2
plot(datos$P6800,
datos$INGLABO,
pch = 19,
col = "darkblue",
xlab = "Horas trabajadas",
ylab = "Ingreso laboral",
main = "Ingreso laboral vs Horas trabajadas")
abline(lm(INGLABO ~ P6800, data = datos),
col = "red",
lwd = 2)
#r cruce3
boxplot(
INGLABO ~ RAMA2D_R4,
data = datos,
col = "lightgreen",
las = 2,
main = "Ingreso laboral según rama de actividad económica",
xlab = "Rama de actividad económica",
ylab = "Ingreso laboral mensual"
)
Con el propósito de responder la pregunta de investigación, se realizaron cruces entre la variable de interés, INGLABO (ingreso laboral mensual), y las variables explicativas seleccionadas. Estos cruces permiten explorar de manera preliminar la existencia de asociaciones entre el ingreso laboral y diferentes características laborales de la población ocupada. En particular, se analizó la relación entre el ingreso y la posición ocupacional (P6440) para identificar posibles diferencias salariales según el tipo de vinculación laboral; la relación entre el ingreso laboral y las horas trabajadas por semana (P6800) para evaluar si una mayor dedicación laboral se asocia con mayores ingresos; y, finalmente, la relación entre el ingreso laboral y la rama de actividad económica (RAMA2D_R4) con el fin de explorar posibles diferencias en los ingresos entre los distintos sectores económicos. Estos análisis constituyen una primera aproximación descriptiva que servirá como base para el desarrollo del análisis inferencial y la evaluación de las hipótesis planteadas.
Correlaciones entre variables
datos_cor <- B[, c("P6590S1", "P6800")]
datos_cor <- na.omit(datos_cor)
plot(datos_cor$P6800,
datos_cor$P6590S1,
xlab = "Horas trabajadas",
ylab = "Ingreso mensual",
main = "Horas trabajadas vs Ingreso mensual",
pch = 19)
modelo <- lm(P6590S1 ~ P6800, data = datos_cor)cor(datos_cor$P6590S1,
datos_cor$P6800,
method = "pearson")## [1] 0.2995647cor.test(datos_cor$P6590S1,
datos_cor$P6800,
method = "pearson")##
## Pearson's product-moment correlation
##
## data: datos_cor$P6590S1 and datos_cor$P6800
## t = 12.29, df = 1532, p-value < 2.2e-16
## alternative hypothesis: true correlation is not equal to 0
## 95 percent confidence interval:
## 0.2533134 0.3444496
## sample estimates:
## cor
## 0.2995647Se realizó un análisis de correlación de Pearson entre las horas trabajadas semanalmente (P6800) y el ingreso mensual (P6590S1) con el fin de evaluar si existe una relación lineal entre ambas variables. El coeficiente obtenido fue r = 0.2996, lo que indica una correlación positiva débil. En relación con la hipótesis planteada, los resultados ofrecen evidencia parcial a favor de la afirmación de que jornadas laborales más extensas tienden a asociarse con mayores ingresos. No obstante, la magnitud de la correlación indica que las horas trabajadas, por sí solas, no constituyen un factor suficiente para explicar las diferencias observadas en el ingreso mensual de las personas.
"RAMA2D_R4" %in% names(B)## [1] TRUEstr(B$RAMA2D_R4)## int [1:29874] 42 47 3 41 56 47 47 56 71 3 ...datos_cor <- B[, c("P6590S1", "RAMA2D_R4")]
datos_cor <- na.omit(datos_cor)
plot(datos_cor$RAMA2D_R4,
datos_cor$P6590S1,
xlab = "RAMA",
ylab = "Ingreso mensual",
main = "Ingreso mensual vs actividad económica",
pch = 19)
cor(datos_cor$P6590S1,
datos_cor$RAMA2D_R4,
method = "pearson")## [1] -0.04969062Hipótesis
Se plantea como hipótesis que el ingreso laboral mensual de la población ocupada se encuentra asociado con las características laborales de los trabajadores. En particular, se espera que las personas que trabajan un mayor número de horas por semana (P6800) tiendan a percibir ingresos más altos. Asimismo, se espera que existan diferencias significativas en el ingreso laboral según la posición ocupacional (P6440) y la rama de actividad económica (RAMA2D_R4), debido a que las condiciones de empleo y el sector económico en el que se desempeñan los trabajadores influyen en la remuneración percibida. Con base en esto, se comparó el ingreso laboral (INGLABO) entre las dos categorías de posición ocupacional (P6440). H0: el ingreso laboral promedio es igual entre las dos categorías de posición ocupacional. H1: el ingreso laboral promedio es diferente entre las dos categorías de posición ocupacional.
t.test(INGLABO ~ P6440, data = datos)##
## Welch Two Sample t-test
##
## data: INGLABO by P6440
## t = 10.671, df = 311.74, p-value < 2.2e-16
## alternative hypothesis: true difference in means between group 1 and group 2 is not equal to 0
## 95 percent confidence interval:
## 788121 1144469
## sample estimates:
## mean in group 1 mean in group 2
## 1735658.6 769363.4boxplot(INGLABO ~ P6440, data = datos,
col = "skyblue",
main = "Ingreso laboral según posición ocupacional (Actividad 7)",
xlab = "Posición ocupacional",
ylab = "Ingreso laboral mensual")
Interpretación Se realizó una prueba t para comparar el ingreso laboral entre las dos categorías de posición ocupacional. El resultado fue t = 33.34, con 21392 grados de libertad y un valor p prácticamente igual a cero (p < 2.2e-16), por lo que se rechaza la hipótesis nula. La categoría 1 tiene un ingreso promedio de $2,594,665 y la categoría 2 de $1,473,206, una diferencia de $1,121,458. El intervalo de confianza del 95% (entre $1,055,530 y $1,187,387) no incluye el cero, lo que confirma que la diferencia es real y no producto del azar. Este resultado va en la línea de la hipótesis planteada: la posición ocupacional sí está asociada con diferencias en el ingreso laboral. Hay que tener en cuenta que, con una muestra tan grande, es más fácil que una diferencia salga significativa aunque en la práctica sea pequeña; sin embargo, en este caso la diferencia también es grande en términos reales, ya que el ingreso de la categoría 1 es más del 75% superior al de la categoría 2.
Historia con Datos:
El análisis realizado con la información de la Gran Encuesta Integrada de Hogares (GEIH) correspondiente al mes de abril permitió explorar algunos de los factores asociados al ingreso laboral mensual de la población ocupada. Aunque el ingreso de una persona depende de múltiples condiciones económicas y sociales, los resultados obtenidos ofrecen una aproximación a la manera en que ciertas características laborales pueden influir en las diferencias observadas entre los trabajadores.
En primer lugar, el análisis descriptivo mostró que el ingreso laboral presenta una distribución desigual. Los histogramas y diagramas de caja evidenciaron la presencia de valores atípicos y una marcada asimetría hacia la derecha, lo que indica que mientras la mayoría de las personas percibe ingresos cercanos a los niveles habituales, existe un grupo reducido de trabajadores que recibe remuneraciones considerablemente superiores. Este comportamiento es frecuente en estudios sobre ingresos, ya que las diferencias salariales suelen reflejar distintos niveles de cualificación, experiencia, responsabilidad y condiciones de contratación.
En cuanto a las horas trabajadas por semana, se observó una distribución más concentrada alrededor de las jornadas laborales habituales. Esto sugiere que una gran parte de la población ocupada mantiene horarios relativamente similares, aunque existen casos de jornadas más extensas que pueden responder a necesidades del empleo o a la realización de actividades adicionales para complementar los ingresos.
Uno de los aspectos más relevantes del estudio fue el análisis de la relación entre las horas trabajadas y el ingreso mensual. La correlación de Pearson obtenida fue positiva, aunque de baja magnitud (r = 0,2996), lo que indica que existe una tendencia según la cual las personas que trabajan más horas suelen obtener mayores ingresos. Sin embargo, la intensidad de esta relación no es suficiente para afirmar que el número de horas trabajadas sea el principal determinante del ingreso laboral. En consecuencia, es razonable considerar que intervienen otros factores relacionados con la formación, la experiencia, la productividad, el tipo de contrato o las características propias de cada ocupación.
Los cruces realizados también evidenciaron diferencias entre los trabajadores según su posición ocupacional. Los diagramas de caja permitieron observar que no todos los grupos presentan el mismo nivel de ingresos, lo que refleja que la forma de vinculación laboral puede influir en la remuneración percibida. Este resultado coincide con la realidad del mercado laboral, donde empleados, trabajadores independientes, empleadores y otras categorías ocupacionales enfrentan condiciones económicas distintas.
Por otra parte, el análisis de la rama de actividad económica mostró una correlación prácticamente nula con el ingreso mensual. Este hallazgo no significa que el sector económico carezca de importancia, sino que la codificación utilizada para representar esta variable no permite establecer una relación lineal directa mediante el coeficiente de Pearson. En este contexto, las diferencias salariales entre sectores deben analizarse mediante comparaciones entre grupos y no únicamente a través de una medida de correlación.
En conjunto, los resultados permiten responder la pregunta de investigación planteada al inicio del trabajo. La evidencia indica que el ingreso laboral mensual sí presenta asociaciones con algunas características laborales, especialmente con las horas trabajadas y la posición ocupacional; sin embargo, dichas asociaciones son moderadas o dependen del tipo de análisis realizado. Esto demuestra que el comportamiento del ingreso laboral es un fenómeno complejo que no puede explicarse únicamente por una sola variable.
Finalmente, este ejercicio pone de manifiesto la utilidad de la estadística descriptiva e inferencial para comprender fenómenos sociales y económicos a partir de datos reales. El análisis de la GEIH permitió identificar patrones, explorar relaciones entre variables y generar conclusiones sustentadas en evidencia. Estos resultados constituyen una base importante para estudios posteriores en los que se incorporen modelos estadísticos más robustos que permitan explicar con mayor precisión los factores que determinan el ingreso laboral de la población ocupada en Colombia.