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.

base_chis <- readRDS("base_chis.rds")
dim(base_chis)

## [1] 1020  276

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

Entidad: Chiapas.

Número de casos: 1020 personas.

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_chis$satisf_vida)

##  num [1:1020] 10 8 8 8 7 9 10 7 10 10 ...

summary(base_chis$satisf_vida)

##    Min. 1st Qu.  Median    Mean 3rd Qu.    Max. 
##   0.000   8.000   9.000   8.747  10.000  10.000

Si no aparece en la base, vuelva a crearla:

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

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

Media: 8.747

Mediana: 9

3. Tipos de variables

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

Ejecute:

str(base_chis$SEXO)

##  num [1:1020] 1 1 2 1 1 1 1 1 2 1 ...

str(base_chis$EDAD)

##  num [1:1020] 26 52 52 48 55 67 46 53 20 77 ...

str(base_chis$satisf_vida)

##  num [1:1020] 10 8 8 8 7 9 10 7 10 10 ...

str(base_chis$PB1)

##  num [1:1020] 4 4 4 5 1 4 4 3 5 4 ...

Complete:

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

## 
##   1   2 
## 493 527

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

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

##        1        2 
## 8.868154 8.633776

Calcule también la mediana:

tapply(base_chis$satisf_vida,
       base_chis$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 muy pequeña la diferencia. La diferencia es de aproximadamente 0.23 puntos.

5. Una gráfica comparativa: boxplot

Construya un diagrama de caja:

boxplot(satisf_vida ~ SEXO,
        data = base_chis,
        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:
El boxplot muestra que hombres y mujeres tienen una mediana de satisfacción con la vida muy similar, alrededor de 9. También permite observar que la mayoría de los datos están entre 8 y 10, pero hay valores extremos bajos en ambos grupos, desde el 0 hasta el 4. La gráfica permite ver la disperción de los datos.

6. Trabajar con la edad

Observe primero la distribución general de la edad:

summary(base_chis$EDAD)

##    Min. 1st Qu.  Median    Mean 3rd Qu.    Max. 
##   18.00   32.00   45.00   46.22   59.00   99.00

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

base_chis$grupo_edad <- cut(
  base_chis$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_chis$grupo_edad)

## 
## 18-29 30-44 45-59 60-74   75+ 
##   215   276   281   181    67

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 el de 45-59 años, con 281 personas.

7. Satisfacción con la vida según grupo de edad

Calcule la media por grupo de edad:

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

##    18-29    30-44    45-59    60-74      75+ 
## 8.958140 8.862319 8.665480 8.618785 8.283582

Calcule también la mediana:

tapply(base_chis$satisf_vida,
       base_chis$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 que muestra mayor satisfacción con la vida es el de 18-29 con una media de 8.95.

Pregunta 8. ¿Cuál presenta la más baja?

Respuesta:
El grupo de 75+ presenta la satisfacción con la vida más baja con una media de 8.28.

Construya ahora un boxplot:

boxplot(satisf_vida ~ grupo_edad,
        data = base_chis,
        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:
La media de satisfacción con la vida es muy parecida entre los diferentes grupos de edad. La media es de 9 para todos los grupos. Pero podemos observar que conforme avanza la edad, es decir en los grupos de 45-59, 60-74 y +75 ya hay valores extremos bajos, desde 0 hasta 4.

8. Comparar dos variables categóricas

Ahora trabajaremos con SEXO y PB1 (salud autopercibida).

Antes de analizarla, recuerde cómo está codificada PB1.

table(base_chis$PB1)

## 
##   1   2   3   4   5 
##  12  32 261 461 254

Pregunta 10. ¿Qué significan las categorías de PB1?

Respuesta:
1 Muy mala 2 Mala 3 Regular 4 Buena 5 Muy buena

La que más se repite es la categoría de Buena, con 461 personas. La que menos se repitió fue la categoría   Muy mala, con 12 personas.

Construya una tabla de contingencia:

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

tabla_salud

##    
##       1   2   3   4   5
##   1   5  12 108 238 130
##   2   7  20 153 223 124

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  1.014199  2.434077 21.906694 48.275862 26.369168
##   2  1.328273  3.795066 29.032258 42.314991 23.529412

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

Respuesta:
Los hombres (1) se autoperciben con valores más altos de salud, es decir hay más hombres que respondieron tener una salud Buena y Muy buena respecto de las mujeres (2). Asimismo, más número de mujeres se autopercibieron con valores bajos de salud, como Mala y Regular.

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 cambia según sexo? - ¿La frecuencia de soledad cambia según la edad? - ¿La frecuencia de soledad cambia según la situación conyugal? - ¿La frecuencia de soledad cambia entre personas que viven solas y personas que viven acompañadas?

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

table(base_chis$PB4)

## 
##   1   2   3   4   5 
## 586 212 112  59  51

Pregunta 12. ¿Qué encontró?

Respuesta:
Durante las últimas cuatro semanas, ¿con qué frecuencia se ha sentido sola(o)? 1 Nunca 2 Pocas veces 3 Algunas veces 4 La mayor parte del tiempo 5 Todo el tiempo

La mayoría de las respuestas muestran que la gente menciona que Nunca se siente sola, con un total de 586 personas, mientras que solo 51 personas mencionaron que Todo el tiempo se sienten solas.

10. Interpretación antropológica

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

Incluya:

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

Interpretación final:

Los resultados que analizamos a partir de estas encuestas muestran, por ejemplo, algunas diferencias relacionadas con el sexo y la edad. En cuanto al sexo, los hombres mostraron una autopercecpión de su salud más positiva respecto a las mujeres, ya que como pudimos ver, más hombres mencionaron tener una salud buena o muy buena, mientras que mayor número de mujeres mencionaron tener salud regular o mala. Con relación a la edad, la satisfacción con la vida presenta medias muy similares entre los grupos, pero pudimos ver que en los grupos de 45-59, 60-74 y 75+ aparecia mayor número de valores bajos o incluso extremos. Pese a estos hallazgos, al final pudimos observar que la mayoría de las personas no se autoperciben o no se sienten solas o en soledad.

Desde una perspectiva antropológica podemos pensar que estas diferencias se explican por condiciones sociales diferentes en relación al sexo y a los grupos etarios. Por ejemplo, mayor carga de trabajo en el hogar y de responsabilidades familiares podrían hacer que las mujeres auto perciban su salud como más mala, mientras que los hombres en tanto proveedores o “cabezas del hogar” procuran mantener una imagen y auto imagen más sana y fuerte, evitando parecer débiles. Esta interpretación se basa en los estereotipos de género, pero se requeriría un estudio más profundo para ver otro tipo de factores que pudieran estar influyendo en la auto percepción de la salud.

También pudimos observar que las personas más jovenes se sienten con mayor satisfacción en su vida y esto podría deberse a que aún no cargan con tantas responsabilidades o que no presentan signos o malestares propios de la edad.

Respecto a la variable de soledad, las respuestas que obtuvimos no nos permiten afirmar ninguna hipótesis sobre por qué la gente se siente más o menos sola, ya que no hemos contrastado este dato con ningún otro.

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: Chiapas
Media de satisfacción en hombres: 8.868
Media de satisfacción en mujeres: 8.863
Grupo de edad con mayor satisfacción media: 18-29 años (8.95)

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.

Práctica 2. Comparación de grupos con ENBIARE 2025

Nombre: Denise Cazes

Fecha: 11-09-26