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:

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

setwd("C:/Users/andyz/Desktop/clase del viernes/ll")
library(readr)
base <- read_csv("TENBIARE.csv")
## Rows: 31922 Columns: 275
## ── Column specification ────────────────────────────────────────────────────────
## Delimiter: ","
## chr  (77): LLAVEENB, LLAVEVIV, LLAVEHOG, PA1, PA2, PA3_01, PA3_02, PA3_03, P...
## dbl (198): EDAD, PB1, PB2_1, PB2_2, PB2_3, PB2_4, PB2_5, PB2_6, PB2_7, PB2_8...
## 
## 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.
View(base)

base_col <- base[base$CVE_ENT == "08", ]
saveRDS(base_col, "base_col.rds")
base_col <- readRDS("base_col.rds")

1. Recuperar nuestra base

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

dim(base_col)
## [1] 991 275

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

Entidad: colima

Número de casos: 991

2. Recordar nuestra variable de satisfacción con la vida

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

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

Compruebe que sigue disponible:

str(base_col$satisf_vida)
##  num [1:991] 9 8 10 8 8 10 10 7 10 10 ...
summary(base_col$satisf_vida)
##    Min. 1st Qu.  Median    Mean 3rd Qu.    Max. 
##   0.000   8.000   9.000   8.642  10.000  10.000

Si no aparece en la base, vuelva a crearla:

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

Media: 8.642

Mediana: 9.00

3. Tipos de variables

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

Ejecute:

str(base_col$SEXO)
##  num [1:991] 2 1 1 1 2 2 1 1 2 2 ...
str(base_col$EDAD)
##  num [1:991] 63 29 49 38 54 53 30 23 71 28 ...
str(base_col$satisf_vida)
##  num [1:991] 9 8 10 8 8 10 10 7 10 10 ...
str(base_col$PB1)
##  num [1:991] 4 3 4 4 3 3 3 3 4 4 ...

Complete:

Variable ¿Qué representa? Tipo de variable
SEXO sexo de las personas hombre (1)/mujer(2) numerica
EDAD edad de la persona numerica
satisf_vida ¿que tan satisfecho te encuentras con su vida? numerica
PB1 salud autopercibida (1(muy mala)-5(muy buena) (categorica)

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_col$SEXO)
## 
##   1   2 
## 473 518

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

tapply(base_col$satisf_vida,
       base_col$SEXO,
       mean,
       na.rm = TRUE)
##        1        2 
## 8.718816 8.571429

Calcule también la mediana:

tapply(base_col$satisf_vida,
       base_col$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 representan una media mas alta en satisfaccion con la vida

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

Respuesta:
Parece pequeña la diferencia # 5. Una gráfica comparativa: boxplot

Construya un diagrama de caja:

boxplot(satisf_vida ~ SEXO,
        data = base_col,
        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:
Escriba aquí su interpretación. La mediana son iguales. La disperson es similar. Se observan más valores extremos (5 valores) en hombres (1) y se acumulan los resultados entre 8-10. La grafica nos permite observar la dispersion de los datos # 6. Trabajar con la edad

Observe primero la distribución general de la edad:

summary(base_col$EDAD)
##    Min. 1st Qu.  Median    Mean 3rd Qu.    Max. 
##   18.00   30.00   42.00   43.59   55.00   92.00

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

base_col$grupo_edad <- cut(
  base_col$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_col$grupo_edad)
## 
## 18-29 30-44 45-59 60-74   75+ 
##   246   299   254   146    46

Pregunta 6. ¿Cuál es el grupo de edad con mayor número de casos en su entidad? Respuesta:
el grupo de 30-44 años representa más casos

7. Satisfacción con la vida según grupo de edad

Calcule la media por grupo de edad:

tapply(base_col$satisf_vida,
       base_col$grupo_edad,
       mean,
       na.rm = TRUE)
##    18-29    30-44    45-59    60-74      75+ 
## 8.560976 8.782609 8.696850 8.431507 8.521739

Calcule también la mediana:

tapply(base_col$satisf_vida,
       base_col$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:
el grupo de 30-44 años (8.78) Pregunta 8. ¿Cuál presenta la más baja?

Respuesta:
el grupo de 60-74 años (8.43) Construya ahora un boxplot:

boxplot(satisf_vida ~ grupo_edad,
        data = base_col,
        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:
Escriba aquí tres o cuatro frases. La mayoria de los grupos etarios tuvierion una respuesta entre 8-10, es decir, con una buena satisfaccion de vida. Se presentaron casos mas extremos (4) en la categoria de 18-29. La mediana se comporta igual. # 8. Comparar dos variables categóricas

Ahora trabajaremos con SEXO y PB1 (salud autopercibida).

Antes de analizarla, recuerde cómo está codificada PB1.

table(base_col$PB1)
## 
##   1   2   3   4   5 
##  14  39 292 446 200

Pregunta 10. ¿Qué significan las categorías de PB1?

Respuesta:
Consulte el cuestionario o descriptor y escriba aquí. PB1. En general, ¿cómo considera su salud actualmente? 1 Muy mala (14) 2 Mala (39) 3 Regular (292) 4 Buena (446) 5 Muy buena (200) Construya una tabla de contingencia:

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

tabla_salud
##    
##       1   2   3   4   5
##   1   7  11 116 230 109
##   2   7  28 176 216  91

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  1.479915  2.325581 24.524313 48.625793 23.044397
##   2  1.351351  5.405405 33.976834 41.698842 17.567568

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

Respuesta:
La salud percibida como muy buena (5) es MAYOR en hombres(23.04%) que en mujeres (17.56%)

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:

Variable elegida: PB4__________________________________

¿Qué mide? Frecuencia de soledad B4. Durante las últimas cuatro semanas, ¿con qué frecuencia se ha sentido sola(o)?

Formule una pregunta comparativa.

Ejemplos:

Mi pregunta:
¿La frecuencia de soledad cambia segun la edad?

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

str(base_col$PB4)
##  num [1:991] 2 1 1 2 2 4 1 1 1 3 ...
tapply(base_col$PB4,
       base_col$grupo_edad,
       mean,
       na.rm = TRUE)
##    18-29    30-44    45-59    60-74      75+ 
## 1.796748 1.692308 1.834646 1.890411 1.586957
boxplot(PB4 ~ grupo_edad,
        data = base_col,
        xlab = "Grupo de edad",
        ylab = "Frecuencia de soledad",
        main = "Frecuencia de soledad según grupo de edad")

Pregunta 12. ¿Qué encontró?

Respuesta:
EL PROMEDIO DE LA frecuencia de soledad cambia con la edad,pero muy minimo, manteniendose entre las respuestas 1-2 (nunca o pocas veces).El grupo que tuvo un MAYOR promedio fue el grupo de 60-74 años (1.89) y la menor frecuencia se observó en el grupo de 75+ (1.58)

1 Nunca 2 Pocas veces 3 Algunas veces 4 La mayor parte del tiempo 5 Todo el tiempo

10. Interpretación antropológica

Con base en los resultados obtenidos en esta práctica, redacte un comentario breve de 150 a 200 palabras.

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:

En Colima, la satisfaccion de la vida es un componente que difiere segun el sexo y la edad. Los hombres reportan una satisfaccion promedio de 8.71, ligeramente mayor a la de las mujeres (8.57)Por grupos de edad, la mayor satisfaccion se observa entre los 30-44 años (8.78), seguida de 45-59 (8.70) y 18-29 (8.56), mientras que la menor satisfaccion aparece en el grupo de 60-74 años (8.43), con un ligero aumento en 75+ (8.52). Desde una perspectiva antropologica esto podria explicarse por el hecho de que la etapa de 30-44 años suele coincidir con una mayor estabilidad laboral y familiar, mientras que la vejez (60-74) puede asociarse con perdidas en salud, redes sociales o dependencia. Por otro lado, las brechas economicas y laborales, como el menor acceso a empleo formal, menos ingresos promedio pueden influir en que la satisfaccion sea menor en mujeres que en hombres, así como la violencia sistematica. Estos resultados no permiten afirmar relaciones de causalidad, es decir no podemos decir que si el sexo realmente causa la variacion en la satisfacción, además de que tampoco podemos afirmar que otros factores podrian intervenir (ingreso, salud, escolaridad, estado civil).

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:

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:

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.