title: “Práctica 2. Comparación de grupos con ENBIARE 2025” author: “Elizabeth Montes” date: “11 septiembre 2026” output: html_document — —

Propósito

En la Práctica 1 comenzamos a trabajar con la base de la Encuesta Nacional de Bienestar Autorreportado (ENBIARE) 2025 correspondiente a la entidad seleccionada por cada estudiante.

En esta segunda práctica continuaremos trabajando con la misma entidad y la misma base. El objetivo será dar un paso adicional: pasar de describir una sola variable a comparar grupos de población.

Trabajaremos principalmente con:

• SEXO
• EDAD
• satisf_vida
• PB1 (salud autopercibida)

Importante: todavía no realizaremos pruebas de significancia estadística. Primero aprenderemos a describir y comparar resultados de manera correcta.

1. Recuperar nuestra base

Confirme que el objeto que contiene los datos de su entidad se llama base_CDMX.

# Cambia la función y el nombre de la ruta según el formato de tu archivo (.rds, .csv, .sav, etc.)

base_CDMX <- readRDS("base_CDMX.rds")

Pregunta 1. ¿Qué entidad está analizando y cuántos casos contiene su base?

Entidad: CDMX

Número de casos: 988

2. Recordar nuestra variable de satisfacción con la vida

En la práctica anterior generamos la variable numérica satisf_vida a partir de PA1.

Compruebe que sigue disponible:

str(base_CDMX$satisf_vida)

##  num [1:988] 8 8 10 9 7 7 10 9 8 5 ...

summary(base_CDMX$satisf_vida)

##    Min. 1st Qu.  Median    Mean 3rd Qu.    Max. 
##   2.000   8.000   9.000   8.644  10.000  10.000

Si no aparece en la base, vuelva a crearla:

base_CDMX$satisf_vida <- as.numeric(base_CDMX$PA1)

Pregunta 2. Registre nuevamente la media y la mediana de satisfacción con la vida en su entidad.

Media: 8.644

Mediana: 9

3. Tipos de variables

Antes de comparar grupos, identifique la naturaleza de las variables que utilizaremos.

Ejecute:

str(base_CDMX$SEXO)

##  num [1:988] 2 1 2 2 2 2 2 1 1 2 ...

str(base_CDMX$EDAD)

##  num [1:988] 58 42 23 34 46 48 41 41 38 75 ...

str(base_CDMX$satisf_vida)

##  num [1:988] 8 8 10 9 7 7 10 9 8 5 ...

str(base_CDMX$PB1)

##  num [1:988] 5 4 5 4 4 3 5 4 4 1 ...

Complete:

Variable	¿Qué representa?	Tipo de variable
SEXO	sexo de las personas (1=hombre, 2=mujer)	numérica
EDAD	edad de la persona	numérica
satisf_vida	¿Qué tan satisfecho(a) se encuentra actualmente con la vida?	cuantitativa
PB1	¿Cómo considera su salud actualmente?	numérica

Para esta práctica basta distinguir entre variables categóricas y cuantitativas. Más adelante revisaremos con mayor detalle las escalas de medición.

4. Satisfacción con la vida según sexo

Primero observe cuántos registros existen en cada categoría de SEXO.

table(base_CDMX$SEXO)

## 
##   1   2 
## 448 540

Ahora calcule la media de satisfacción con la vida para cada grupo:

tapply(base_CDMX$satisf_vida,
       base_CDMX$SEXO,
       mean,
       na.rm = TRUE)

##        1        2 
## 8.669643 8.622222

Calcule también la mediana:

tapply(base_CDMX$satisf_vida,
       base_CDMX$SEXO,
       median,
       na.rm = TRUE)

## 1 2 
## 9 9

Pregunta 3. ¿Qué grupo presenta la media más alta de satisfacción con la vida?

Respuesta:
Los hombres.

Pregunta 4. ¿La diferencia entre los grupos parece grande o pequeña? Descríbala sin hablar todavía de significancia estadística.

Respuesta:
Es pequeña, la diferencia de hombres con respecto a las mujeres es de 4 centésimas.

5. Una gráfica comparativa: boxplot

Construya un diagrama de caja:

boxplot(satisf_vida ~ SEXO,
        data = base_CDMX,
        xlab = "Sexo",
        ylab = "Satisfacción con la vida",
        main = "Satisfacción con la vida según sexo")

Pregunta 5. Observe la posición de las medianas, la dispersión y los valores extremos. ¿Qué información aporta el boxplot que no se aprecia únicamente comparando las medias?

Respuesta:
En las medianas y la dispersión el comportamiento de los datos son parecidos en los grupos; hay datos atípicos sobre la satisfacción por la vida, algunos hombres contestaron 4 y las mujeres contestaron 2, 3 y 4 son valores extremos que es lo que diferencia los dos grupos. Además del valor central, se ve la variabilidad y la disperción de los datos y los valores extremos que con el puro valor de la media no se veía.

6. Trabajar con la edad

Observe primero la distribución general de la edad:

summary(base_CDMX$EDAD)

##    Min. 1st Qu.  Median    Mean 3rd Qu.    Max. 
##   18.00   34.00   46.00   47.39   60.00   99.00

En lugar de trabajar únicamente con la edad exacta, construiremos grupos.

base_CDMX$grupo_edad <- cut(
  base_CDMX$EDAD,
  breaks = c(17, 29, 44, 59, 74, Inf),
  labels = c("18-29", "30-44", "45-59", "60-74", "75+")
)

Compruebe cuántos casos quedaron en cada grupo:

table(base_CDMX$grupo_edad)

## 
## 18-29 30-44 45-59 60-74   75+ 
##   169   306   253   191    69

Pregunta 6. ¿Cuál es el grupo de edad con mayor número de casos en su entidad?

Respuesta:
Edad de 30-44 años con 306 personas.

7. Satisfacción con la vida según grupo de edad

Calcule la media por grupo de edad:

tapply(base_CDMX$satisf_vida,
       base_CDMX$grupo_edad,
       mean,
       na.rm = TRUE)

##    18-29    30-44    45-59    60-74      75+ 
## 8.639053 8.686275 8.577075 8.581152 8.884058

Calcule también la mediana:

tapply(base_CDMX$satisf_vida,
       base_CDMX$grupo_edad,
       median,
       na.rm = TRUE)

## 18-29 30-44 45-59 60-74   75+ 
##     9     9     9     9     9

Pregunta 7. ¿Qué grupo presenta la media de satisfacción con la vida más alta?

Respuesta:
Las personas de 75+ años de edad (8.88).

Pregunta 8. ¿Cuál presenta la más baja?

Respuesta:
Las personas de 45-59 años de edad (8.57).

Construya ahora un boxplot:

boxplot(satisf_vida ~ grupo_edad,
        data = base_CDMX,
        xlab = "Grupo de edad",
        ylab = "Satisfacción con la vida",
        main = "Satisfacción con la vida según grupo de edad")

Pregunta 9. Describa el patrón general que observa entre edad y satisfacción con la vida.

Respuesta:
Las medianas son muy similares en todos los grupos de edad, en todos ellos la mediana de 9. Los rangos van de 8 a 10, lo que distingue en la gráfica son los valores bajos, los atípicos, en los grupos de edad siguientes: 30-44, 45-59 y 60-74. No existen diferencias marcadas entre los grupos de edad, sin embargo, se requiere de un análisis más detallado para ver si las diferencias mostradas son significativas.

8. Comparar dos variables categóricas

Ahora trabajaremos con SEXO y PB1 (salud autopercibida).

Antes de analizarla, recuerde cómo está codificada PB1.

table(base_CDMX$PB1)

## 
##   1   2   3   4   5 
##   5  28 273 496 186

Pregunta 10. ¿Qué significan las categorías de PB1?

Respuesta:
1= muy mala, 2=mala, 3=regular, 4=buena, 5=muy buena. Lo que más se repite es la categoría buena (496 personas) y lo que menos se repite es la categoría muy mala (5 personas). Construya una tabla de contingencia:

tabla_salud <- table(base_CDMX$SEXO, base_CDMX$PB1)

tabla_salud

##    
##       1   2   3   4   5
##   1   1  15 108 240  84
##   2   4  13 165 256 102

La tabla anterior muestra frecuencias absolutas. Para facilitar la comparación entre los grupos, obtenga porcentajes por fila:

prop.table(tabla_salud, 1) * 100

##    
##              1          2          3          4          5
##   1  0.2232143  3.3482143 24.1071429 53.5714286 18.7500000
##   2  0.7407407  2.4074074 30.5555556 47.4074074 18.8888889

Pregunta 11. ¿Qué diferencias observa en la salud autopercibida según sexo?

Respuesta:
El 24.10 % de los hombres se autopercibieron como Regular, el 53.57 % con buena salud, las mujeres en los mismos rangos se autoperciben con el 30.55% y47.40% respectivamente Los hombres parecen tener una mejor percepción de salud con respecto a las mujeres. En cuanto a la percepción de salud muy buena, hombres y mujeres se autoperciben de manera similar

9. Elegir una comparación propia

Seleccione ahora una variable adicional de ENBIARE que considere interesante para su proyecto o para una pregunta antropológica.

Puede utilizar, por ejemplo:

• PB4: frecuencia de soledad.
• PC1: capacidad del hogar para llegar a fin de mes.
• PF1_1: confianza en la mayoría de la gente.

Variable elegida: PB4

¿Qué mide? frecuencia de soledad

Formule una pregunta comparativa.

Ejemplos:

• ¿La frecuencia de soledad cambia según sexo?
• ¿La capacidad para llegar a fin de mes varía entre grupos de edad?
• ¿La confianza en otras personas presenta diferencias según sexo?

Mi pregunta:
¿La frecuencia de soledad varia según el sexo?

Obtenga una tabla o un resumen adecuado. Escriba su código en el siguiente bloque:

table(base_CDMX\(SEXO) table(base_CDMX\)PB4) tabla_frecuencia <- table(base_CDMX\(SEXO, base_CDMX\)PB4) tabla_frecuencia tabla_porcentaje <- prop.table(table(base_CDMX\(SEXO, base_CDMX\)PB4), margin = 1) * 100 round(tabla_porcentaje, 2)

Pregunta 12. ¿Qué encontró?

Respuesta:
En la CDMX los participantes contestaron la pregunta ¿Con qué frecuencia se ha sentido solo(a)? con respecto a los siguientes códigos y conceptos. 1 Nunca 2 Pocas veces 3 Algunas veces 4 La mayor parte del tiempo 5 Todo el tiempo Comparando las respuestas de hombres y mujeres, se observa que la gran mayoría nunca se han sentido solos,278 de 448 hombres y 294 de 540 mujeres; encontramos en el otro extremo, todo el tiempo, a 6 hombres y 8 mujeres. Convertidos los datos a porcentajes tenemos que el 62.05 % de hombres nunca se han sentido solos, 25.22% pocas veces, 8.04% algunas veces, 3.35% la mayor parte del tiempo y el 1.34% todo el tiempo. En cuanto a las mujeres se observa que es menor el porcentaje de las que nunca se han sentido solas 54.44%, 26.85% pocas veces, 14.07% algunas veces, 3.15%la mayor parte del tiempo y el 1.48% todo el tiempo.

10. Interpretación antropológica

Los datos reflejan cómo la frecuencia de la soledad está atravesada por el género y las expectativas socioculturales. Aunque en ambos grupos predomina la vivencia de no haberse sentido solos nunca (62.05% en hombres frente al 54.44% en mujeres), el análisis de los datos intermedios revela una mayor frecuencia de soledad entre las mujeres, especialmente en la categoría “algunas veces” (14.07% vs. 8.04%).

Desde una perspectiva antropológica, estas diferencias sugieren patrones disímiles de socialización emocional. Tradicionalmente, los mandatos de masculinidad inhiben la verbalización de la vulnerabilidad y la afectividad, mientras que en las mujeres existe una mayor apertura cultural para reconocer y expresar el malestar emocional. En los extremos más severos (“todo el tiempo”), las brechas se estrechan (1.34% y 1.48%), señalando que el aislamiento crónico responde a dinámicas estructurales que trascienden el género.

Incluya:

1. una diferencia observada por sexo;
2. una diferencia observada por grupos de edad;
3. una posible explicación antropológica o social;
4. una aclaración sobre lo que estos resultados todavía no permiten afirmar.

Interpretación final:

El análisis evidencia una clara diferencia en el reporte de soledad según el sexo. Si bien en ambos grupos predomina la respuesta “nunca”, la proporción de hombres en esta categoría es mayor que la de las mujeres (62.05% frente a 54.44%). La brecha se acentúa en la frecuencia intermedia (“algunas veces”), donde las mujeres casi duplican el porcentaje masculino (14.07% vs. 8.04%), mientras que en la soledad extrema (“todo el tiempo”) los valores se equiparan (1.34% e 1.48%).

Desde una perspectiva antropológica y social, esto responde a procesos diferenciados de socialización emocional. Los mandatos de masculinidad hegemónica suelen desincentivar el reconocimiento de la vulnerabilidad en los varones, mientras que las mujeres cuentan con mayor permisión cultural para expresar estados afectivos negativos.

Sin embargo, estos resultados todavía no permiten afirmar que las mujeres experimenten un aislamiento social superior en términos objetivos, ni establecer una relación de causalidad. Las cifras únicamente reflejan el autorreporte de las personas, por lo que no es posible determinar si la diferencia se debe a una disparidad real en las redes de apoyo o a la disposición diferenciada para verbalizar la soledad.

11. Comparación entre entidades durante la sesión

Al final de la práctica compartiremos algunos resultados en el grupo.

Prepare tres datos para comunicar en la sesión:

• Entidad: CDMX
• Media de satisfacción en hombres: 8.669643
• Media de satisfacción en mujeres: 8.622222
• Grupo de edad con mayor satisfacción media: 75+ con una media de 8.884058

Observe qué tan similares o diferentes son los resultados entre entidades.

Pregunta para discusión: si diferentes entidades muestran patrones distintos, ¿qué factores sociales, culturales, económicos o demográficos podrían estar relacionados con esas diferencias?

Cierre

Al terminar esta práctica deberá poder:

• distinguir entre variables categóricas y cuantitativas;
• calcular estadísticas descriptivas por grupos;
• comparar satisfacción con la vida según sexo;
• construir grupos de edad;
• comparar satisfacción entre grupos de edad;
• interpretar un boxplot;
• construir una tabla de contingencia;
• calcular porcentajes por fila;
• formular una comparación relacionada con una pregunta antropológica;
• integrar código, resultados e interpretación en un documento R Markdown.

Para guardar su trabajo

Guarde el archivo con un nombre que permita identificarlo, por ejemplo:

Apellido_Nombre_Practica2_ENBIARE.Rmd

En esta práctica puede intentar generar el documento final con Knit → HTML.

Si al generar el documento aparece algún error, no borre el código ni empiece de nuevo. Revise el mensaje de error y consérvelo para comentarlo durante la sesión.

Nota metodológica: en esta práctica seguimos trabajando con los registros de la muestra de ENBIARE correspondientes a cada entidad. Las medias y porcentajes calculados aquí son descriptivos de esos registros. Más adelante incorporaremos el factor de expansión y el diseño muestral para producir estimaciones poblacionales.