1 Propósito

En las prácticas anteriores conocimos la base de la ENBIARE 2025 y comenzamos a comparar grupos.

En esta práctica construiremos y organizaremos distintas variables que podrían estar relacionadas con la satisfacción con la vida.

La pregunta que guiará el trabajo será:

¿Qué características y condiciones de las personas podrían estar relacionadas con su satisfacción con la vida?

Para cada variable seguiremos una misma secuencia:

identificar qué mide y cómo está codificada;
construir o etiquetar la variable;
obtener frecuencias absolutas y relativas;
calcular la satisfacción media para sus categorías;
obtener un intervalo de confianza del 95% (IC95%);
representar gráficamente la media y su IC95%;
interpretar descriptivamente el patrón observado.

Importante: todavía no utilizaremos pruebas de significancia estadística. Los intervalos de confianza se introducirán de manera gráfica y descriptiva. Más adelante estudiaremos formalmente su interpretación.

2 1. Preparar el directorio de trabajo

Comience revisando el directorio actual.

getwd()

## [1] "C:/Users/diana/Desktop/ENAH Diana Mendoza Olivares/1er Semestre Maestría/Materia Métodos cuantitativos"

setwd("C:/Users/diana/Downloads/enbiare_2025_base_de_datos_csv")

Compruebe qué archivos se encuentran en esa carpeta.

list.files()

##  [1] "~$enbiare_2025_fd.xlsx"                             
##  [2] "base_chi.rds"                                       
##  [3] "Diana-Mendoza-Olivares-Practica_1_ENAH_ENBIARE.html"
##  [4] "Diana-Mendoza-Olivares-Practica_2_ENAH_ENBIARE.html"
##  [5] "Diana Mendoza Olivares Practica_1_ENAH_ENBIARE.Rmd" 
##  [6] "Diana Mendoza Olivares Practica_2_ENAH_ENBIARE.Rmd" 
##  [7] "Ejercicio Base ENBIARE.R"                           
##  [8] "enbiare_2025_base_de_datos_csv"                     
##  [9] "enbiare_2025_fd.xlsx"                               
## [10] "Práctica día 4 de septiembre.R"                     
## [11] "Practica_3_ENAH_ENBIARE_construccion_variables.Rmd" 
## [12] "rsconnect"

Pregunta 1. ¿Cuál es su directorio de trabajo?

Respuesta: C:/Users/diana/Desktop/ENAH Diana Mendoza Olivares/1er Semestre Maestría/Materia Métodos cuantitativos # 2. Leer la base de la entidad

Cada estudiante utilizará el archivo .rds correspondiente a la entidad seleccionada.

A partir de esta práctica, independientemente del nombre del archivo, llamaremos base al objeto con el que trabajaremos.

Modifique el nombre del archivo en el siguiente código.

base <- readRDS("base_chi.rds")

Una vez leído el archivo, compruebe sus dimensiones.

dim(base)

## [1] 991 282

Pregunta 2.

Entidad:Chihuahua
Nombre del archivo:base_chi.rds
Número de casos:991
Número de variables:275

3 3. Nuestra variable principal: satisfacción con la vida

La variable PA1 registra la satisfacción actual con la vida en una escala de 0 a 10.

Primero revise cómo se encuentra almacenada.

str(base$PA1)

##  chr [1:991] "09" "08" "10" "08" "08" "10" "10" "07" "10" "10" "05" "10" ...

table(base$PA1, useNA = "ifany")

## 
##  00  01  02  03  04  05  06  07  08  09  10 
##   4   1   1   3   5  48  33  75 218 205 398

Construya una variable numérica llamada satisf_vida.

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

summary(base$satisf_vida)

##    Min. 1st Qu.  Median    Mean 3rd Qu.    Max. 
##   0.000   8.000   9.000   8.642  10.000  10.000

Pregunta 3. Registre:

Media:8.642
Mediana:9
Mínimo:0
Máximo:10

En esta práctica consideraremos satisf_vida como la variable que queremos comprender o explicar.

4 4. Una función que utilizaremos durante toda la práctica

Vamos a construir una función para calcular:

número de casos;
media;
límite inferior del IC95%;
límite superior del IC95%.

Por ahora utilizaremos el IC95% principalmente para visualizar la precisión de las medias. Su interpretación estadística formal se revisará posteriormente.

IC_media <- function(x){
  x <- x[!is.na(x)]
  n <- length(x)
  media <- mean(x)
  error <- qt(0.975, df = n - 1) * sd(x) / sqrt(n)

  c(
    n = n,
    media = media,
    LI = media - error,
    LS = media + error
  )
}

Compruebe la función con satisfacción con la vida.

IC_media(base$satisf_vida)

##          n      media         LI         LS 
## 991.000000   8.641776   8.542246   8.741306

5 5. Sexo y satisfacción con la vida

5.1 5.1 Revisar la variable original

table(base$SEXO, useNA = "ifany")

## 
##   1   2 
## 473 518

Aunque R almacene SEXO mediante números, esos números representan categorías, no cantidades.

5.2 5.2 Construir la variable

base$sexo_f <- factor(
  base$SEXO,
  levels = c(1, 2),
  labels = c("Hombre", "Mujer")
)

table(base$sexo_f)

## 
## Hombre  Mujer 
##    473    518

5.3 5.3 Frecuencias absolutas y relativas

freq_sexo <- table(base$sexo_f)

freq_sexo

## 
## Hombre  Mujer 
##    473    518

round(prop.table(freq_sexo) * 100, 1)

## 
## Hombre  Mujer 
##   47.7   52.3

Complete:

Sexo	n	%
Hombre	473	47.7
Mujer	518	52.3
Total	991	100

5.4 5.4 Satisfacción con la vida según sexo

tapply(
  base$satisf_vida,
  base$sexo_f,
  mean,
  na.rm = TRUE
)

##   Hombre    Mujer 
## 8.718816 8.571429

Obtenga ahora media e IC95%.

grupos <- split(base$satisf_vida, base$sexo_f)
res <- t(sapply(grupos, IC_media))
round(res, 2)

##          n media   LI   LS
## Hombre 473  8.72 8.56 8.87
## Mujer  518  8.57 8.44 8.70

5.5 5.5 Gráfica de media e IC95%

plot(
  1:nrow(res),
  res[, "media"],
  ylim = c(8, 9),
  xaxt = "n",
  xlab = "Sexo",
  ylab = "Satisfacción con la vida",
  main = "Gráfica 1.Satisfacción con la vida según sexo Chihuahua 2025",
  pch = 19
)

axis(1, at = 1:nrow(res), labels = rownames(res))

arrows(
  1:nrow(res),
  res[, "LI"],
  1:nrow(res),
  res[, "LS"],
  angle = 90,
  code = 3,
  length = 0.05
)

Pregunta 4. ¿Qué observa? ¿Las medias son semejantes o diferentes? Observe también la amplitud de los intervalos.

Respuesta:Las medias son semejantes. Los hombres presentan una media de satisfacción con la vida de 8.72 y la mujeres de 8.57. Los intervalos de confianza son estrechos y se superponen. Lo cual indica que no hay diferencia significativa en las medias de satisfacción de la vida entre hombres y mujeres.

6 6. Edad: de una variable cuantitativa a grupos de edad

EDAD es una variable cuantitativa. Revise primero su distribución.

summary(base$EDAD)

##    Min. 1st Qu.  Median    Mean 3rd Qu.    Max. 
##   18.00   30.00   42.00   43.59   55.00   92.00

table(base$EDAD)

## 
## 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 
## 20 17 18 23 20 27 15 26 18 13 21 28 21 16 21 24 26 22 20 22 18 18 16 22 19 13 
## 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 
## 21 14 16 19 19 22 12 17 25 22 21 18 11 18 12  8 14 10 12 16 13  9 12 11 10 10 
## 70 71 72 73 74 75 76 77 78 79 80 81 82 83 84 86 87 92 
##  2  4  6 12  5  8  8  2  2  3  5  6  3  4  1  2  1  1

Ahora construiremos grupos de edad.

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+")
)

6.1 6.1 Frecuencias

freq_edad <- table(base$grupo_edad)

freq_edad

## 
## 18-29 30-44 45-59 60-74   75+ 
##   246   299   254   146    46

round(prop.table(freq_edad) * 100, 1)

## 
## 18-29 30-44 45-59 60-74   75+ 
##  24.8  30.2  25.6  14.7   4.6

Pregunta 5. ¿Cuál es el grupo más numeroso? ¿Cuál es el menos numeroso?

Respuesta: El grupo más numeroso es de 30 a 44 años de edad con 299 personas, representa el 30.2%. El grupo menos numeroso es de 75+ con 46 personas, representa el 4.6%.

Pregunta 6. ¿Qué ganamos y qué información perdemos al transformar la edad exacta en grupos de edad?

Respuesta: Ganamos: Que simplificamos la información. En lugar de trabajar con muchas edades distintas, podemos comparar más fácilmente cinco grupos y ver como se distribuye la población. Perdemos: Perdemos precisión. Una persona de 30 y una de 44 años de edad quedan dentro del mismo grupo, aunque sus edades sean distintas.Es decir, al agrupar las edades ganamos una forma más sencilla de organizar, resumir y comparar información entre grupos. Sin embargo, perdemos precisión, porque dejamos de conocer la edad exacta de cada persona y personas con edades diferentes quedan clasificadas dentro del mismo grupo.

6.2 6.2 Satisfacción según grupos de edad

grupos <- split(base$satisf_vida, base$grupo_edad)
res <- t(sapply(grupos, IC_media))

round(res, 2)

##         n media   LI   LS
## 18-29 246  8.56 8.36 8.76
## 30-44 299  8.78 8.61 8.95
## 45-59 254  8.70 8.49 8.90
## 60-74 146  8.43 8.15 8.71
## 75+    46  8.52 8.04 9.01

plot(
  1:nrow(res),
  res[, "media"],
  ylim = c(8, 10),
  xaxt = "n",
  xlab = "Grupo de edad",
  ylab = "Satisfacción con la vida",
  main = "Gráfica 2.Satisfacción con la vida según grupo de edad. Chi 2025",
  pch = 19
)

axis(1, at = 1:nrow(res), labels = rownames(res))

arrows(
  1:nrow(res),
  res[, "LI"],
  1:nrow(res),
  res[, "LS"],
  angle = 90,
  code = 3,
  length = 0.05
)

Pregunta 7. ¿Se observa algún patrón entre edad y satisfacción con la vida? ¿Algún grupo tiene un intervalo considerablemente más amplio? ¿Qué podría explicar esa mayor amplitud?

Respuesta: La satisfacción con la vida es parecida en todos los grupos de edad. Sube un poco entre los 30 y 59 años y después baja ligeramente a partir de los 60 años de edad, sin embargo, las diferencias son pequeñas. El grupo de 75 años o más tiene el intervalo más amplio, probablemente porque tiene muchas menos personas (sólo 46), por lo que hay mayor incertidumbre en su resultado.

7 7. Salud autopercibida

PB1 corresponde a salud autopercibida.

Primero revise las categorías originales.

table(base$PB1, useNA = "ifany")

## 
##   1   2   3   4   5 
##  14  39 292 446 200

Construya una variable con etiquetas.

base$salud_f <- factor(
  base$PB1,
  levels = 1:5,
  labels = c(
    "Muy mala",
    "Mala",
    "Regular",
    "Buena",
    "Muy buena"
  ),
  ordered = TRUE
)

base$salud_4 <- factor(
  ifelse(base$PB1 %in% c(1, 2), "Mala",
         ifelse(base$PB1 == 3, "Regular",
                ifelse(base$PB1 == 4, "Buena", "Muy buena"))),
  levels = c("Mala", "Regular", "Buena", "Muy buena"),
  ordered = TRUE
)

7.1 7.1 Frecuencias

freq_salud <- table(base$salud_4)

freq_salud

## 
##      Mala   Regular     Buena Muy buena 
##        53       292       446       200

round(prop.table(freq_salud) * 100, 1)

## 
##      Mala   Regular     Buena Muy buena 
##       5.3      29.5      45.0      20.2

Pregunta 8. ¿Cuál es la categoría de salud más frecuente?

Respuesta:La categoría más frecuente es Buena con 446 personas, representando el 45% del total.

7.2 7.2 Salud y satisfacción con la vida

grupos <- split(base$satisf_vida, base$salud_4)
res <- t(sapply(grupos, IC_media))

round(res, 2)

##             n media   LI   LS
## Mala       53  6.98 6.36 7.61
## Regular   292  8.22 8.02 8.42
## Buena     446  8.86 8.73 8.98
## Muy buena 200  9.21 9.03 9.40

plot(
  1:nrow(res),
  res[, "media"],
  ylim = c(6.2, 9.5),
  xaxt = "n",
  xlab = "Salud autopercibida",
  ylab = "Satisfacción con la vida",
  main = "Gráfica 3.Satisfacción con la vida según salud autopercibida. Chihuahua 2025",
  pch = 19
)

axis(1, at = 1:nrow(res), labels = rownames(res))

arrows(
  1:nrow(res),
  res[, "LI"],
  1:nrow(res),
  res[, "LS"],
  angle = 90,
  code = 3,
  length = 0.05
)

Pregunta 9. ¿Parece existir un gradiente entre salud autopercibida y satisfacción con la vida?

Respuesta:Se observa una relación clara: las personas que consideran que tienen mejor salud también tienen también reportan mayor satisfacción con la vida. La satisfacción promedio aumenta de 6.98 entre quienes consideran su salud mala, hasta 9.21 entre quienes la consideran muy buena.No podemos decir que una mejor salud causa una mayor satisfacción con la vida, con esta gráfica sólo podemos hablar de que existe una relación o asociación entre ambas variables.

8 8. Soledad

Trabajaremos ahora con PB4, frecuencia con que la persona reporta haberse sentido sola.

Antes de construir la variable, observe los códigos.

table(base$PB4, useNA = "ifany")

## 
##   1   2   3   4   5 
## 549 230 132  42  38

Construya la variable etiquetada.

base$soledad_f <- factor(
  base$PB4,
  levels = 1:5,
  labels = c(
    "Nunca",
    "Pocas veces",
    "Algunas veces",
    "La mayor parte del tiempo",
    "Todo el tiempo"
  ),
  ordered = TRUE
)

8.1 8.1 Frecuencias

freq_soledad <- table(base$soledad_f)

freq_soledad

## 
##                     Nunca               Pocas veces             Algunas veces 
##                       549                       230                       132 
## La mayor parte del tiempo            Todo el tiempo 
##                        42                        38

round(prop.table(freq_soledad) * 100, 1)

## 
##                     Nunca               Pocas veces             Algunas veces 
##                      55.4                      23.2                      13.3 
## La mayor parte del tiempo            Todo el tiempo 
##                       4.2                       3.8

8.2 8.2 Soledad y satisfacción

grupos <- split(base$satisf_vida, base$soledad_f)
res <- t(sapply(grupos, IC_media))

round(res, 2)

##                             n media   LI   LS
## Nunca                     549  9.01 8.89 9.12
## Pocas veces               230  8.49 8.30 8.68
## Algunas veces             132  7.89 7.58 8.21
## La mayor parte del tiempo  42  7.95 7.34 8.57
## Todo el tiempo             38  7.63 6.92 8.34

plot(
  1:nrow(res),
  res[, "media"],
  ylim = c(6.5, 9.5),
  xaxt = "n",
  xlab = "Frecuencia de soledad",
  ylab = "Satisfacción con la vida",
  main = "Gráfica 4.Satisfacción con la vida según frecuencia de soledad.Chihuahua 2025",
  pch = 19
)

axis(1, at = 1:nrow(res), labels = rownames(res), las = 2)

arrows(
  1:nrow(res),
  res[, "LI"],
  1:nrow(res),
  res[, "LS"],
  angle = 90,
  code = 3,
  length = 0.05
)

Pregunta 10. Conforme aumenta la frecuencia de soledad, ¿qué sucede descriptivamente con la satisfacción con la vida?

Respuesta:Conforme aumenta la frecuencia de la soledad, la satisfacción con la vida tiende a dismunuir. Quienes nunca reportan sentirse solos presentan la media más alta de satisfacción con la vida (9.01), mientras que quienes reportan sentirse solos todo el tiempo presentan la media más baja (7.63).

9 9. Capacidad económica

Trabajaremos con PC1, relacionada con la capacidad del hogar para llegar a fin de mes.

Antes de etiquetar sus categorías, consulte el descriptor de ENBIARE y escriba exactamente qué significa cada código.

table(base$PC1, useNA = "ifany")

## 
##   1   2   3   4   5   6 
##  46  80 176 178 356 155

Pregunta 11. Escriba el significado de las categorías de PC1.

Respuesta: 1 Con mucha dificultad 2 Con dificultad 3 Con poca dificultad 4 Con poca facilidad 5 Con facilidad 6 Con mucha facilidad

Construya ahora una variable factor utilizando las etiquetas verificadas en el descriptor.

base$fin_mes_f <- factor(
  base$PC1,
  levels = c(1,2,3,4,5,6),
  labels = c("Mucha dificultad","Con dificultad","Con poca dificultad","Con poca facilidad"," Con facilidad"," Con mucha facilidad"),
ordered = TRUE
)

Obtenga frecuencias absolutas y relativas.

freq_economia <- table(base$fin_mes_f)

freq_economia
round(prop.table(freq_economia) * 100, 1)

Calcule la satisfacción media y los IC95%.

grupos <- split(base$satisf_vida, base$fin_mes_f)
res <- t(sapply(grupos, IC_media))

round(res, 2)

Utilice el mismo procedimiento de las secciones anteriores para construir una gráfica de media e IC95%.

plot(
  1:nrow(res),
  res[, "media"],
  ylim = c(7, 9.6),
  xaxt = "n",
  xlab = "Capacidad del hogar para llegar a fin de mes",
  ylab = "Satisfacción con la vida",
  main = "Gráfica 4.Satisfacción con la vida según capacidad del hogar para llegar a fin de mes.Chihuahua 2025",
  pch = 19
)

axis(1, at = 1:nrow(res), labels = rownames(res), las = 2)

arrows(
  1:nrow(res),
  res[, "LI"],
  1:nrow(res),
  res[, "LS"],
  angle = 90,
  code = 3,
  length = 0.05
)

Pregunta 12. ¿Observa algún patrón entre la capacidad económica y la satisfacción con la vida?

Respuesta:Podemos observar que quienes tienen mucha dificuktad para llegar a fin de mes (46 personas) muestran menor satisfacción con la vida (con una media de 7.67), mientras que quienes llegan a finde mes con mucha facilidad (115 personas) muestran una maypr satisfacción con la vida (9.34).

10 10. Confianza interpersonal

PF1_1 se refiere a la confianza en la mayoría de la gente.

Revise primero la variable.

str(base$PF1_1)

##  chr [1:991] "08" "00" "03" "02" "01" "09" "00" "02" "05" "00" "00" "09" ...

table(base$PF1_1, useNA = "ifany")

## 
##  00  01  02  03  04  05  06  07  08  09  10 
## 187  39  84  97  61 193  83 111  92  20  24

Pregunta 13. De acuerdo con el descriptor, ¿cómo está medida PF1_1? Es una variable cuantitativa, sin embargo R la tiene como variable caracter.

saveRDS(base,"base_chi.rds")

00 Nada en absoluto 01 - 09 Nivel de confianza 10 Completamente

Antes de modificarla, piense:

¿Conviene conservar todos sus valores o agruparlos?

Si decide agruparla, deberá justificar los puntos de corte. Un agrupamiento simplifica la interpretación, pero también implica pérdida de información.

Decisión tomada: Conservar los valores originales de 0 a 10, sin agruparlos. Justificación: Se conservan todos los valores porque la escala de 0 a 10 representa distintos niveles de confianza. Agruparlos implicaría establecer puntos de corte que no están justificados y produciría pérdida de información.

Construya la variable que utilizará, obtenga sus frecuencias absolutas y relativas y posteriormente calcule la satisfacción media y su IC95%.

base$confianza <- as.numeric(base$PF1_1)

freq_confianza <- table(base$confianza)

freq_confianza

## 
##   0   1   2   3   4   5   6   7   8   9  10 
## 187  39  84  97  61 193  83 111  92  20  24

round(prop.table(freq_confianza) * 100, 1)

## 
##    0    1    2    3    4    5    6    7    8    9   10 
## 18.9  3.9  8.5  9.8  6.2 19.5  8.4 11.2  9.3  2.0  2.4

grupos <- split(base$satisf_vida, base$confianza)
res <- t(sapply(grupos, IC_media))

round(res, 2)

##      n media   LI   LS
## 0  187  8.47 8.18 8.75
## 1   39  8.36 7.78 8.94
## 2   84  8.51 8.16 8.86
## 3   97  8.35 7.99 8.71
## 4   61  8.02 7.60 8.43
## 5  193  8.75 8.53 8.96
## 6   83  8.75 8.50 8.99
## 7  111  8.85 8.59 9.11
## 8   92  9.02 8.79 9.26
## 9   20  9.60 9.32 9.88
## 10  24  9.29 8.68 9.91

Construya también la gráfica correspondiente.

plot(
  0:10,
  res[, "media"],
  ylim = c(7, 10),
  xaxt = "n",
  xlab = "Nivel de confianza interpersonal",
  ylab = "Satisfacción con la vida",
  main = "Gráfica 6.Satisfacción con la vida según confianza interpersonal. Chihuahua 2025",
  pch = 19
)

axis(1, at = 0:10, labels = 0:10)

arrows(
  0:10,
  res[, "LI"],
  0:10,
  res[, "LS"],
  angle = 90,
  code = 3,
  length = 0.05
)

Pregunta 14. ¿Qué relación descriptiva observa entre confianza interpersonal y satisfacción con la vida?

De manera sólo descriptiva podemos observar que hay una tendencia general a una mayor satisfacción con la vida conforme aumenta la confianza interpersonal, aunque la relación no es completamente lineal. A partir del nivel 5 la satisfacción tiende a aumentar, alcanzando su media más alta en el nivel 9 (9.60), mientras que en el nivel 10 disminye ligeramente (9.29).

11 11. Una variable adicional

Seleccione una variable adicional de ENBIARE que considere que podría estar relacionada con la satisfacción con la vida.

Antes de analizarla complete:

Variable original: PE3_01
¿Qué mide?: Frecuencia con la que la persona ha expresado o comunicado sus pensamientos o emociones a través de redes sociales durante las últimas cuatro semanas.
Tipo de variable:Cualitativa ordinal.
¿Cómo está codificada?: 1= nunca: 2= Pocas veces: 3= Algunas veces; 4= La mayor parte del tiempo; 5= Todo el tiempo.
¿Necesita recodificación o agrupamiento?:No. Se conservarán las cinco categorías originales porque representan niveles ordenados de frecuencia.
¿Por qué podría relacionarse con satisfacción con la vida?:Porque expresar pensamientos o emociones a través de redes sociales puede estar relacionado con las formas de expresión, comunicación e interacción social de las personas y, por ello, podría presentar diferencias en la satisfacción con la vida.

Ahora siga la misma secuencia utilizada durante la práctica:

construya o etiquete la variable;
obtenga frecuencias absolutas;
obtenga frecuencias relativas;
calcule satisfacción media por categoría;
calcule IC95%;
construya la gráfica de media e IC95%.

base$expresa_redes <- factor(
  base$PE3_01,
  levels = c("1", "2", "3", "4", "5"),
  labels = c("Nunca", "Pocas veces", "Algunas veces",
             "La mayor parte del tiempo", "Todo el tiempo")
)

freq_redes <- table(base$expresa_redes)
freq_redes

## 
##                     Nunca               Pocas veces             Algunas veces 
##                       700                       191                        74 
## La mayor parte del tiempo            Todo el tiempo 
##                        15                        11

round(prop.table(freq_redes) * 100, 1)

## 
##                     Nunca               Pocas veces             Algunas veces 
##                      70.6                      19.3                       7.5 
## La mayor parte del tiempo            Todo el tiempo 
##                       1.5                       1.1

grupos <- split(base$satisf_vida, base$expresa_redes)

res <- t(sapply(grupos, function(x) {
  x <- x[!is.na(x)]
  n <- length(x)
  media <- mean(x)
  error <- qt(0.975, df = n - 1) * sd(x) / sqrt(n)
  c(n = n, media = media, LI = media - error, LS = media + error)
}))

round(res, 2)

##                             n media   LI   LS
## Nunca                     700  8.65 8.53 8.77
## Pocas veces               191  8.63 8.42 8.85
## Algunas veces              74  8.43 8.00 8.87
## La mayor parte del tiempo  15  9.40 8.94 9.86
## Todo el tiempo             11  8.82 7.83 9.81

plot(
  1:5, res[, "media"],
  ylim = range(res[, c("LI", "LS")]),
  xaxt = "n",
  xlab = "Frecuencia de expresión en redes sociales",
  ylab = "Satisfacción con la vida",
  main = "Gráfica 7. Satisfacción con la vida según expresión en redes sociales. Chi 2025",
  pch = 19
)

axis(
  1, at = 1:5,
  labels = rownames(res)
)

arrows(
  1:5, res[, "LI"],
  1:5, res[, "LS"],
  angle = 90,
  code = 3,
  length = 0.05
)

Pregunta 15. ¿Qué patrón encontró?

Respuesta: No se observa un patrón lineal claro entre la frecuencia de expresar pensamientos o oemociones en redes sociales y la satisfacción con la vida. Las medias son similares en las primeras categorías, mientras que “la mayor parte del tiempo” presenta la media más alta (9.40); sin embargo, esta categpría tiene pocos casos (n=15) y u intervalo de confianza amplio.

12 12. Integración de resultados

Hasta ahora hemos examinado posibles relaciones entre satisfacción con la vida y:

sexo;
edad;
salud autopercibida;
soledad;
capacidad económica;
confianza interpersonal;
una variable seleccionada por usted.

Complete la siguiente tabla.

Posible factor	Variable utilizada	¿Qué patrón descriptivo observó?
Sexo	`sexo_f`	Los hombres presentan una media ligeramente mayor (8.72) que las muejres (8.57), aunque las medias son muy semejantes.
Curso de vida	`grupo_edad`	Las medias son semejantes y no muestran una tendencia lineal con la edad; la mayor media corresponde a 30-44 años (8.78) y la menor a 60-74 años (8.43).
Salud	`salud_f`	Se observa un patrón ascendente claro: a mejor salud autopercibida, mayor satisfacción media con la vida (6.98 en mala, 8.22 en regular, 8.86 en buena y 9.21 en muy buena).
Soledad	`soledad_f`	Se observa una tendencia descendente: en general, a mayor frecuencia de soledad, menor satisfacción con la vida.
Capacidad económica	`fin_mes_f`	Se observa una tendencia ascendente: a mayor facilidad para llegar a fin de mes, mayor satisfacción media con la vida.
Confianza interpersonal	freq_confianza	Se observa una endencia general ascendente, especialmente en los niveles medios y altos: los niveles más altos de confianza interpersonal presentan mayor satisfacción media con la vida.
Variable propia	expresa_redes	No se observa un patrón lineal claro. Las medias son semejantes en las primeras categorías; “la mayor parte del tiempo” presenta la media más alta (9.40), pero corrresponde a pocos casos (n=15) y debe interpretarse con cautela.

13 13. Interpretación antropológica

Observe conjuntamente sus resultados y gráficas.

Redacte un comentario de 200 a 250 palabras que responda:

¿Qué variables parecen mostrar diferencias más claras en satisfacción con la vida?
¿En cuáles las medias parecen muy semejantes?
¿En alguna observa un posible gradiente?
¿Qué explicaciones sociales, culturales o demográficas podrían plantearse como hipótesis?
¿Qué aspectos importantes para comprender la satisfacción con la vida no pueden conocerse solamente mediante estas variables?
¿Qué podría aportar una aproximación cualitativa o etnográfica?

Interpretación final: Al observar los resultados, encuentro que las diferencias más claras en la satisfacción con la vida aparecen principalmente en la salud, la soledad y la capacidad económica. Por ejemplo, las personas que consideran que tienen una mejor salud presentan también una satisfacción con la vida más alta. Algo parecido parece con la capacidad económica: confomorme aumenta la facilidad para llegar a fin de mes, también aumenta la satisfacción. En el caso de la soledad ocurre lo contrario, ya que en general una mayor frecuencia de soledad se relaciona con una menor satisfacción con la vida. En cambio, en variables como el sexo y la edad las diferencias son menores. La confianza inyterpersonal parece mostrar una tendencia hacia una mayor satisfacción en los niveles altos de confianza, aunque no ocurre de manera completamente lineal, En la variable que elegí, sobre la expresión de pensamientos o emociones en redes sociales, tampoco encontré un patrón claro, por lo que no podría afirmar que expresarse con mayor frecuencia en redes esté relacionado directamente con una mayor o menor satisfacción con la vida. Desde una mirada antropológica, considero que estos datos muestran una parte del problema, pero no explican cómo viven las personas estas situaciones ni qué significado les dan. Dos personas pueden encontrarse en condiciones parecidas y experimentarlas de manera diferente. Una investigación cualitativa o etnográfica permitiría acercarnos precisamente a esas experiencias, conocer su contexto, sus relaciones y comprender qué significa para ellas sentirse satisfechas con su vida.

14 14. Para discutir en clase

Seleccione una gráfica que considere especialmente interesante.

Prepare para compartir:

Entidad:Chihuahua
Variable seleccionada:Salud autopercibida
Patrón observado:Se observa una tendencia bastante clara: las personas que consideran que tienen una mejor salud también presentan una satisfacción con la vida más alta. La media va aumentando desde 6.98 entre quienes consideran que su salud es mala, hasta 9.21 entre quienes dicen tener buena salud.
Una posible interpretación antropológica:Estos datos me hacen pensar que la salud y la satisfacción con la vida pueden estar relacionadas, pero los números por ´si solos no nos dicen por qué. También habría que conocer cómo viven las personas, qué entienden por tener buena salud y qué cosas consideran importantes para sentirse satisfechas con su vida. Dos personas pueden encontrarse en situaciones parecidas y vivirlas o interpretarlas de manera diferente.

Finalmente responda:

¿Que dos intervalos de confianza se superpongan significa necesariamente que no existe una diferencia entre los grupos? Yo entiendo que no necesariamente. Aunque los intervalos se crucen o coincidan en una parte, eso no basta para decir que los grupos son iguales o que no hay diferencia. Tendríamos que hacer otro análisis para poder afirmarlo.

Por ahora no es necesario resolver formalmente esta pregunta. La retomaremos cuando estudiemos inferencia estadística.

15 Cierre

Al terminar esta práctica deberá poder:

iniciar un análisis desde la lectura del archivo de datos;
distinguir entre códigos numéricos y variables cuantitativas;
construir y etiquetar variables;
agrupar una variable cuando exista una justificación;
obtener frecuencias absolutas y relativas;
calcular medias por grupos;
representar medias mediante intervalos de confianza del 95%;
identificar descriptivamente patrones y gradientes;
distinguir entre un resultado observado y una posible explicación;
relacionar decisiones estadísticas con preguntas antropológicas.

Nota metodológica: continuamos trabajando descriptivamente con los registros de la muestra de ENBIARE correspondientes a cada entidad. Los intervalos de confianza utilizados en esta práctica tienen una finalidad introductoria. Posteriormente incorporaremos el factor de expansión y el diseño complejo de la encuesta para realizar estimaciones poblacionales y estudiaremos formalmente la inferencia estadística.

Práctica 3. Construcción de variables relacionadas con la satisfacción con la vida

ENBIARE 2025

Diana Mendoza Olivares

18 de septiembre de 2026