Tarea Grupal Introducción a R con Microdatos de la GEIH 2026

============================================================

PREGUNTA:

¿Los trabajadores independientes desean convertirse

en asalariados?

VARIABLES:

P6430 = Posición ocupacional

P1805 = Preferencia frente a un empleo asalariado

FEX_C18 = Factor de expansión

============================================================

============================================================

1. CARGAR PAQUETES

============================================================

library(dplyr) library(ggplot2)

============================================================

2. CARGAR BASE DE DATOS

============================================================

ocupados <- read.csv( “~/Diplomado Bases Analitica/01 - Introducción a R/01 - Clase 01/Junio 2026/CSV/Ocupados.CSV”, sep = “;”, fileEncoding = “latin1”, stringsAsFactors = FALSE, check.names = FALSE )

============================================================

3. REVISAR QUE LAS VARIABLES EXISTAN

============================================================

print(names(Ocupados))

============================================================

4. CONVERTIR VARIABLES A FORMATO NUMÉRICO

============================================================

Ocupados <- Ocupados %>% mutate( P6430 = as.numeric(as.character(P6430)), P1805 = as.numeric(as.character(P1805)), FEX_C18 = as.numeric(as.character(FEX_C18)) )

============================================================

5. EXPLORAR VARIABLES

============================================================

cat(“de P6430:”) print(table(Ocupados$P6430, useNA = “ifany”))

cat(“de P1805:”) print(table(Ocupados$P1805, useNA = “ifany”))

============================================================

6. FILTRAR TRABAJADORES INDEPENDIENTES

============================================================

P6430 = 4 corresponde a trabajador por cuenta propia

independientes <- Ocupados %>% filter(P6430 == 4)

Cantidad de trabajadores independientes en la muestra

cat(“de trabajadores independientes en la muestra:”) print(nrow(independientes))

============================================================

7. RECODIFICAR P1805

============================================================

P1805:

1 = Sí

2 = No

independientes <- independientes %>% mutate( preferencia_asalariado = case_when( P1805 == 1 ~ “Sí aceptaría”, P1805 == 2 ~ “No aceptaría”, TRUE ~ NA_character_ ) )

Convertir a factor

independientes\(preferencia_asalariado <- factor( independientes\)preferencia_asalariado, levels = c( “Sí aceptaría”, “No aceptaría” ) )

============================================================

8. ELIMINAR DATOS SIN RESPUESTA

============================================================

independientes_analisis <- independientes %>% filter( !is.na(preferencia_asalariado), !is.na(FEX_C18), FEX_C18 > 0 )

============================================================

9. FRECUENCIAS Y PORCENTAJES

============================================================

resultados <- independientes_analisis %>% group_by(preferencia_asalariado) %>% summarise( n = n(), poblacion_expandida = sum(FEX_C18), .groups = “drop” ) %>% mutate( porcentaje_muestra = n / sum(n) * 100, porcentaje_ponderado = poblacion_expandida / sum(poblacion_expandida) * 100 )

============================================================

10. MOSTRAR RESULTADOS

============================================================

cat(“================ RESULTADOS ================”)

print(resultados)

============================================================

11. GRÁFICO

============================================================

grafico <- ggplot( resultados, aes( x = preferencia_asalariado, y = porcentaje_ponderado ) ) + geom_col( width = 0.65 ) + geom_text( aes( label = paste0( round(porcentaje_ponderado, 1), “%” ) ), vjust = -0.5, size = 5, fontface = “bold” ) + labs( title = “Preferencia por un empleo asalariado”, subtitle = “Trabajadores independientes - GEIH 2026”, x = “Preferencia”, y = “Porcentaje ponderado” ) + scale_y_continuous( limits = c( 0, max(resultados$porcentaje_ponderado) + 10 ), breaks = seq(0, 100, 10) ) + theme_minimal(base_size = 13) + theme( plot.title = element_text( face = “bold”, size = 16 ), plot.subtitle = element_text( size = 12 ), axis.title = element_text( face = “bold” ), axis.text = element_text( size = 11 ) )

Mostrar gráfico

print(grafico)

============================================================

12. INTERPRETACIÓN AUTOMÁTICA

============================================================

si <- resultados %>% filter(preferencia_asalariado == “Sí aceptaría”) %>% pull(porcentaje_ponderado)

no <- resultados %>% filter(preferencia_asalariado == “No aceptaría”) %>% pull(porcentaje_ponderado)

cat(“================ INTERPRETACIÓN ================”)

if (length(si) > 0 && length(no) > 0) { if (si > no) { cat( “La mayoría de los trabajadores independientes”, “manifiesta que sí aceptaría convertirse en asalariado.” ) } else if (no > si) { cat( “La mayoría de los trabajadores independientes”, “manifiesta que no aceptaría convertirse en asalariado.” ) } else { cat( “Existe una proporción igual entre quienes”, “aceptarían y quienes no aceptarían un empleo asalariado.” ) } cat( “que sí aceptaría:”, round(si, 1), “%” ) cat( “Porcentaje que no aceptaría:”, round(no, 1), “%” ) } else { cat( “No hay suficientes datos válidos para realizar”, “la comparación.” ) }