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.

1. Recuperar nuestra base

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

load("C:/Users/MARIA TERESA/Downloads/enbiare_2025_base_de_datos_csv/métodos cuantitativos.RData")
base <- TENBIARE[TENBIARE$CVE_ENT == "24", ]
dim(base)
## [1] 1012  275

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

Entidad: San Luis Potosí

Número de casos: 1012 # 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$satisf_vida)
##  NULL
summary(base$satisf_vida)
## Length  Class   Mode 
##      0   NULL   NULL

Si no aparece en la base, vuelva a crearla:

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

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

Media: 8.5

Mediana: 9.0 Tipos de variables

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

Ejecute:

str(base$SEXO)
##  num [1:1012] 2 2 2 1 2 2 2 1 1 2 ...
str(base$EDAD)
##  num [1:1012] 73 45 88 23 38 34 64 62 39 21 ...
str(base$satisf_vida)
##  num [1:1012] 9 9 5 10 10 10 8 9 10 6 ...
str(base$PB1)
##  num [1:1012] 3 3 2 5 5 5 3 4 4 2 ...

Complete:

Variable ¿Qué representa? Tipo de variable
SEXO sexo categórica
EDAD años cuantitativa
satisf_vida bienestar cuantitativa
PB1 salud antopercibida cuantitativa

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$SEXO)
## 
##   1   2 
## 483 529

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

tapply(base$satisf_vida,
       base$SEXO,
       mean,
       na.rm = TRUE)
##        1        2 
## 8.598344 8.410208

Calcule también la mediana:

tapply(base$satisf_vida,
       base$SEXO,
       median,
       na.rm = TRUE)
## 1 2 
## 9 9

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

Respuesta:
El grupo 1 presenta la media más alta de satisfacción con la vida con 8.59 frente al grupo 2 con 8.41

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

Respuesta:
La diferencia parece pequeña.La media del grupo 1 es 8.59 y la del grupo 2 es de 8.41, por lo que hay una diferencia de 0.18 puntos.

5. Una gráfica comparativa: boxplot

Construya un diagrama de caja:

boxplot(satisf_vida ~ SEXO,
        data = base,
        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:
Lo que nos muestra el boxplot es que los dos grupos tienen igual mediana, de 9 y, la dispersión central es similar. En ambos la mayor parte de los valores se concentran entre 8 y 10 También se puede observar algunos valores extremos en ambos grupos.

6. Trabajar con la edad

Observe primero la distribución general de la edad:

summary(base$EDAD)
##    Min. 1st Qu.  Median    Mean 3rd Qu.    Max. 
##   18.00   33.00   44.00   46.29   60.00   96.00

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

base$grupo_edad <- cut(
  base$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$grupo_edad)
## 
## 18-29 30-44 45-59 60-74   75+ 
##   196   328   228   195    65

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

Respuesta:
El grupo de edad con mayor número de casos es de 30 a 44 años, con 328 personas.

7. Satisfacción con la vida según grupo de edad

Calcule la media por grupo de edad:

tapply(base$satisf_vida,
       base$grupo_edad,
       mean,
       na.rm = TRUE)
##    18-29    30-44    45-59    60-74      75+ 
## 8.785714 8.740854 8.385965 8.102564 8.015385

Calcule también la mediana:

tapply(base$satisf_vida,
       base$grupo_edad,
       median,
       na.rm = TRUE)
## 18-29 30-44 45-59 60-74   75+ 
##     9     9     9     8     9

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

Respuesta:
El grupo de 18 a 29 años presenta la media más alta de satisfacción con la vida con aprox. 8.78 puntos.

Pregunta 8. ¿Cuál presenta la más baja?

Respuesta:
El grupo de 75 años y más presenta la media más baja con aproximadamente 8.01 puntos.

Construya ahora un boxplot:

boxplot(satisf_vida ~ grupo_edad,
        data = base,
        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:
Se aprecia que los grupos tienen distribuciones bastante similares aunque los grupos de mayor edad muestran mayor dispersión, aunque el grupo de 75 años y más, su mediana es de 9.Eso probablemente ocurre porque algunos valores bajos arrastran la media hacia abajo.

8. Comparar dos variables categóricas

Ahora trabajaremos con SEXO y PB1 (salud autopercibida).

Antes de analizarla, recuerde cómo está codificada PB1.

table(base$PB1)
## 
##   1   2   3   4   5 
##   5  42 309 475 181

Pregunta 10. ¿Qué significan las categorías de PB1?

Respuesta:
La salud autopercibida..

Construya una tabla de contingencia:

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

tabla_salud
##    
##       1   2   3   4   5
##   1   1  15 122 243 102
##   2   4  27 187 232  79

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  0.2070393  3.1055901 25.2587992 50.3105590 21.1180124
##   2  0.7561437  5.1039698 35.3497164 43.8563327 14.9338374

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

Respuesta:
El grupo de sexo 1 concentra una mayor proporción de respuestas en las categorías altas de salud autopercibida, mientras que el grupo de sexo 2 concentra mayor proporción de la categoría 3. Por lo tanto, el grupo 1 reporta una salud autopercibida más favorable que el grupo 2.

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: PC1 ¿Qué mide? capacidad del hogar para llegar a fin de mes.

Formule una pregunta comparativa.

Ejemplos:

Mi pregunta:
¿La capacidad para llegar a fin de mes varía según el sexo? Obtenga una tabla o un resumen adecuado. Escriba su código en el siguiente bloque:

# Escriba aquí su código
tabla_pc1_sexo<-
table(base$SEXO, base$PC1)
tabla_pc1_sexo
##    
##       1   2   3   4   5   6
##   1  21  52  95  96 166  53
##   2  35  86 111  79 170  48
prop.table (tabla_pc1_sexo,
1)*100
##    
##             1         2         3         4         5         6
##   1  4.347826 10.766046 19.668737 19.875776 34.368530 10.973085
##   2  6.616257 16.257089 20.982987 14.933837 32.136106  9.073724

Pregunta 12. ¿Qué encontró?

Respuesta:
Se observan diferencias enla distribución de la capacidad del hogar para llegar al fin de mes según el sexo. El grupo 1 de sexo se encuentra mayor proporción de respuesta en la categorías 4, 5 y 6, mientras que las categorías del sexo 2 presentan una mayor proporción en las categorías 1, 2 y 3

10. Interpretación antropológica

Los resultados obtenidos para San Luis Potosí, muestran que el bienestar no se distribuyen de manera homogénea en la población. La satisfacción con la vida es en general alta, con una media de 8.5 y una mediana de 9, sin embargo encontramos algunas diferencias al comparar grupos. Las mediasde satisfacción disminuyen conforme aumenta la edad aunque las medianas son semejantes en casi todos los grupos, lo que muestraque una sola medida no describe por completo la experiencia de bienestar. También observamos diferencias según sexo tanto en la salud autopercibida como en la capacidad del hogar para llegar a fin de mes. Desde una perspectiva antropológica, estos datos nos perciben pensar que el bienestar no depende unicamente de características individuales sino quese relaciona con condiciones culturales, sociales y económicas.

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:

Los resultados de San Luis Potosí muestran que el bienestar presenta algunas diferencias entre los grupos analizados. Según el sexo, el grupo 1 presentó una media de satisfacción con la vida, mayor que el grupo 2 (8.59 frente a 8.41) además de una mayor concentración en las categorías altas de satisfacción autopercibida.Desde una perspectiva antropológica estas diferencias nos muestran que el bienestarse vive dentro de condiciones sociales, económicas y culturales particulares. Sin embargo, estos datos son descriptivos y no pueden afirmar que el sexo o la edad, causan las diferencias observadas.

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.