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] "/Users/macbook/Desktop/Posgardo ENAH/Metodología Cuantitativa/enbiare_2025_base_de_datos"

Defina ahora la carpeta en la que guardó la base correspondiente a su entidad.

setwd("/Users/macbook/Desktop/Posgardo ENAH/Metodología Cuantitativa/enbiare_2025_base_de_datos")

Compruebe qué archivos se encuentran en esa carpeta.

list.files()

##  [1] "base_oax.rds"                                        
##  [2] "nota_base_datos_enbiare_2025.txt"                    
##  [3] "Práctica 1_4 septiembre.RData"                       
##  [4] "Practica 3.RData"                                    
##  [5] "Practica_1_ENAH_ENBIARE.Rmd"                         
##  [6] "Practica_2_ENAH_ENBIARE (1).Rmd"                     
##  [7] "Practica_3_ENAH_ENBIARE_construccion_variables_files"
##  [8] "Practica_3_ENAH_ENBIARE_construccion_variables.Rmd"  
##  [9] "Practica3.RData"                                     
## [10] "save.R"                                              
## [11] "tabla salud.RData"                                   
## [12] "tabla soledad.RData"                                 
## [13] "tabla_soledad.RData"                                 
## [14] "TENBIARE.csv"                                        
## [15] "THOGAR.csv"                                          
## [16] "TSDEM.csv"                                           
## [17] "TVIVIENDA.csv"

Pregunta 1. ¿Cuál es su directorio de trabajo?

“/Users/macbook/Desktop/Posgardo ENAH/Metodología Cuantitativa/enbiare_2025_base_de_datos”

3 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_oax.rds")

Una vez leído el archivo, compruebe sus dimensiones.

dim(base)

## [1] 1022  285

Pregunta 2.

Entidada:Oacxaca
Nombre del archivo:base_oax
Número de casos:1022
Número de variables:276

4 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)

##  num [1:1022] 8 8 9 10 8 7 5 8 7 9 ...

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

## 
##   0   1   2   3   4   5   6   7   8   9  10 
##   8   6   4   8  17  72  50  95 245 180 337

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   7.000   9.000   8.201  10.000  10.000

Pregunta 3. Registre:

Media:8.201
Mediana:9.00
Mínimo:0.00
Máximo:10.00

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

5 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 
## 1022.000000    8.200587    8.081364    8.319810

6 5. Sexo y satisfacción con la vida

6.1 5.1 Revisar la variable original

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

## 
##   1   2 
## 444 578

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

6.2 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 
##    444    578

6.3 5.3 Frecuencias absolutas y relativas

freq_sexo <- table(base$sexo_f)

freq_sexo

## 
## Hombre  Mujer 
##    444    578

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

## 
## Hombre  Mujer 
##   43.4   56.6

Complete:

Sexo	n	%
Hombre	444	43.4
Mujer	578	56.6
Total	1022	100

6.4 5.4 Satisfacción con la vida según sexo

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

##   Hombre    Mujer 
## 8.252252 8.160900

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 444  8.25 8.06 8.44
## Mujer  578  8.16 8.01 8.32

6.5 5.5 Gráfica de media e IC95%

plot(
  1:nrow(res),
  res[, "media"],
  ylim = c(7.8, 8.5),
  xaxt = "n",
  xlab = "Sexo",
  ylab = "Satisfacción con la vida",
  main = "Gráfica 1. Satisfacción con la vida según sexo, Oaxaca 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: Se observa que las medias son muy semejantes: los hombres tienen 8.25 y las mujeres 8.16, una diferencia de solo 0.09 puntos. Los intervalos de confianza son estrechos y de amplitud similar (0.38 en hombres y 0.31 en mujeres), debido a que ambos grupos tienen tamaños de muestra grandes. En resumen: las medias son prácticamente iguales y no se notan diferencias significativas.

7 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   31.00   42.00   44.09   56.00   94.00

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 
## 21 17 19 17 21 16 22 22 24 14 16 21 14 27 16 25 19 25 20 25 27 20 27 19 31 16 
## 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 
## 23 19 11 21 17 22 25 15 28 15  8 14 12  9 18 18 11 15 14 21 12 12  9 19 14  4 
## 70 71 72 73 74 75 76 77 78 79 80 81 82 83 84 85 87 88 89 90 94 
##  7  5  4  6  4 10  6  1  3  5  4  1  3  1  4  3  2  1  1  3  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+")
)

7.1 6.1 Frecuencias

freq_edad <- table(base$grupo_edad)

freq_edad

## 
## 18-29 30-44 45-59 60-74   75+ 
##   230   334   252   157    49

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

## 
## 18-29 30-44 45-59 60-74   75+ 
##  22.5  32.7  24.7  15.4   4.8

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

Respuesta: El grupo de 30 a 44 años de edad es el más númeroso (con 334 personas y 32.7%). Y el menos numerosos es el de 75+ (con 49 personas y 4.8%).

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

Respuesta:Se gana en poder comparar por grupos de edad y verlo representado en porcentajes. Se pierden los valores no definidos, que no es éste el caso, y se pierde la variable cuantitativa que ahora es una variable categórica ordinal.

7.2 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
## 18-29 230  8.29 8.05 8.54
## 30-44 334  8.37 8.18 8.56
## 45-59 252  7.98 7.71 8.24
## 60-74 157  8.21 7.93 8.49
## 75+    49  7.73 7.01 8.46

plot(
  1:nrow(res),
  res[, "media"],
  ylim = c(7, 9),
  xaxt = "n",
  xlab = "Grupo de edad",
  ylab = "Satisfacción con la vida",
  main = "Gráfica 2. Satisfacción con la vida según grupo de edad, Oaxaca 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 más alta en el grupo de 30-44 años (media 8.37), disminuye en 45-59 (media 7.98), se recupera parcialmente en 60-74 (media 8.21) y alcanza su valor más bajo en 75+ (media 7.73). Es decir, la satisfacción tiende a ser mayor en la adultez temprana-media (30 a 44 años) y menor en los extremos, especialmente en la mediana edad tardía (45-59 años) y en la vejez avanzada (75+).

Sin embargo, los intervalos de confianza se superponen en varios grupos, por lo que no todas las diferencias son necesariamente significativas. La excepción más clara es el grupo de 30-44, cuyo IC (8.18–8.56) no se superpone con el de 45-59 (7.71–8.24) ni con el de 75+ (7.01–8.46).

8 7. Salud autopercibida

PB1 corresponde a salud autopercibida.

Primero revise las categorías originales.

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

## 
##   1   2   3   4   5 
##   7  49 423 404 139

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
)

8.1 7.1 Frecuencias

freq_salud <- table(base$salud_4)

freq_salud

## 
##      Mala   Regular     Buena Muy buena 
##        56       423       404       139

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

## 
##      Mala   Regular     Buena Muy buena 
##       5.5      41.4      39.5      13.6

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

Respuesta:Regular con 41.4%

8.2 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       56  6.23 5.55 6.92
## Regular   423  7.81 7.62 8.01
## Buena     404  8.57 8.41 8.72
## Muy buena 139  9.11 8.85 9.36

plot(
  1:nrow(res),
  res[, "media"],
  ylim = c(5.5, 10),
  xaxt = "n",
  xlab = "Salud autopercibida",
  ylab = "Satisfacción con la vida",
  main = "Gráfica 3. Satisfacción con la vida según salud autopercibida, Oaxaca 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:Sí. La satisfacción con la vida aumenta de forma ordenada y progresiva a medida que mejora la salud autopercibida (mala 6.23 - regular 7.81 - buena 8.57 - muy buena 9.11), Se puede ver una variación clara: a mejor salud percibida, mayor satisfacción con la vida, y las diferencias entre todos los grupos son significativas. Pero como los datos son de un solo momento en la vida, no podemos saber si una cosa causa la otra, para ahondar en el tema se tendrían que realizar levantamientos en distintas etapas de la vida de las personas encuestadas.

9 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 
## 504 266 143  64  45

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
)

9.1 8.1 Frecuencias

freq_soledad <- table(base$soledad_f)

freq_soledad

## 
##                     Nunca               Pocas veces             Algunas veces 
##                       504                       266                       143 
## La mayor parte del tiempo            Todo el tiempo 
##                        64                        45

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

## 
##                     Nunca               Pocas veces             Algunas veces 
##                      49.3                      26.0                      14.0 
## La mayor parte del tiempo            Todo el tiempo 
##                       6.3                       4.4

9.2 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                     504  8.73 8.59 8.88
## Pocas veces               266  7.80 7.56 8.04
## Algunas veces             143  7.78 7.45 8.12
## La mayor parte del tiempo  64  7.34 6.82 7.87
## Todo el tiempo             45  7.13 6.31 7.96

plot(
  1:nrow(res),
  res[, "media"],
  ylim = c(6, 10),
  xaxt = "n",
  xlab = "Frecuencia de soledad",
  ylab = "Satisfacción con la vida",
  main = "Gráfica 4. Satisfacción con la vida según frecuencia de soledad, Oaxaca 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:Podemos describir que a mayor frecuencia de soledad, menor satisfacción con la vida: se pasa de 8.73 (nunca) a 7.13 (todo el tiempo), con una caída ordenada en descendente en cada grupo. La mayor diferencia se da entre no sentirse solo “nunca” y sentirse solo “pocas veces”, y la tendencia es clara aunque algunos grupos intermedios no difieran significativamente entre sí.

10 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 
##  98 185 220 190 243  86

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", "dificultad", "poca dificultad", "poca facilidad", "facilidad", "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(6, 10),
  xaxt = "n",
  xlab = "Capacidad del hogar para llegar a fin de mes",
  ylab = "Satisfacción con la vida",
  main = "Gráfica 5. Satisfacción con la vida según capacidad para llegar a fin de mes, Oaxaca 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: Sí, se observa un patrón claro y ascendente entre capacidad económica y satisfacción con la vida: a mayor capacidad económica, mayor satisfacción, algo esperado. La media sube de 6.93 (mucha dificultad) a 8.77 (facilidad), de forma ordenada en casi todos los grupos. La única excepción es el grupo “mucha facilidad” (8.74), que baja ligeramente respecto a “facilidad” (8.77), aunque la diferencia es mínima y no significativa. Los intervalos más amplios corresponden a los grupos con menos personas (mucha dificultad con 98 personas y mucha facilidad con 86 personas), lo que reduce la precisión de esas estimaciones.

11 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 [1:1022] "02" "04" "05" "00" "02" "03" "05" "03" "04" "05" "04" "08" ...

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

## 
##  00  01  02  03  04  05  06  07  08  09  10 
## 159  68  86 104  85 215  91  90  78  25  21

saveRDS(base, "base_oax.rds")

Pregunta 13. De acuerdo con el descriptor, ¿cómo está medida PF1_1?

Respuesta: Se mide de manera cuantitativa en una variable ordinal con categorías ordenadas: 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

Justificación:

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

base$PF1_1_f <- factor(
  base$PF1_1,
  levels = c(1,2,3),
  labels = c
  ("nada en absoluto", "nivel de confianza", "completamente"),
   ordered = TRUE
)

Calcule la satisfacción media y los IC95%.

grupos <- split(base$satisf_vida, base$PF1_1)

res <- t(sapply(grupos, IC_media))

round(res, 2)

##      n media   LI   LS
## 00 159  8.18 7.84 8.51
## 01  68  7.37 6.73 8.01
## 02  86  7.71 7.25 8.17
## 03 104  7.98 7.63 8.34
## 04  85  8.26 7.87 8.65
## 05 215  8.26 7.99 8.52
## 06  91  8.44 8.13 8.75
## 07  90  8.57 8.30 8.83
## 08  78  8.69 8.30 9.08
## 09  25  8.60 7.91 9.29
## 10  21  8.48 7.59 9.36

Construya también la gráfica correspondiente.

plot(
  0:10,
  res[, "media"],
  ylim = c(0, 10),
  xaxt = "n",
  xlab = "Nivel de confianza en la gente (0 = nada en absoluto; 10 = completamente)",
  ylab = "Satisfacción con la vida",
  main = "Gráfica 6. Satisfacción con la vida según nivel de confianza en la gente, Oaxaca 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?

Respuesta: Hay una relación positiva entre confianza y satisfacción (a más confianza, más satisfacción), pero con una notoriedad al inicio (el 0 es más alto de lo esperado con 159 personas) y con el pico en el 5 (con 215 personas), no en el 10 (con 21 personas).

12 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:PJ1_1
¿Qué mide?:¿Ha enfrentado algún evento así siendo niña(o) (0 a 11 años)?
Tipo de variable:Experiencias en etapas de la vida
¿Cómo está codificada?:Se mide de manera cuantitativa en una variable ordinal con categorías ordenadas:1 - Sí; 2 - No; 3 - No aplica.
¿Necesita recodificación o agrupamiento?:No
¿Por qué podría relacionarse con satisfacción con la vida?:Las vivencias en la infancia son formadoras de vida, cualquier trauma en edades tempranas afecta el desarrollo cognitivo, social, incluso físico en la vida adulta.

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%.

str(base$PJ1_1)

##  num [1:1022] 2 2 2 2 2 2 2 2 1 2 ...

table(base$PJ1_1, useNA = "ifany")

## 
##   1   2 
## 293 729

base$PJ1_1_f <- factor(
  base$PJ1_1,
  levels = c(1, 2),
  labels = c("Sí", "No")
)

table(base$PJ1_1_f, useNA = "ifany")

## 
##  Sí  No 
## 293 729

prop.table(table(base$PJ1_1_f)) * 100

## 
##       Sí       No 
## 28.66928 71.33072

grupos <- split(base$satisf_vida, base$PJ1_1_f)

res <- t(sapply(grupos, IC_media))

round(res, 2)

##      n media   LI   LS
## Sí 293  8.02 7.81 8.23
## No 729  8.27 8.13 8.42

grupos <- split(base$satisf_vida, base$PJ1_1_f)

res <- t(sapply(grupos, IC_media))

round(res, 2)

##      n media   LI   LS
## Sí 293  8.02 7.81 8.23
## No 729  8.27 8.13 8.42

x <- 1:2
plot(
  x,
  res[, "media"],
  ylim = c(7, 9),
  xaxt = "n",
  xlab = "Experiencia durante la niñez (0 a 11 años)",
  ylab = "Satisfacción con la vida",
  main = "Gráfica 7. Satisfacción con la vida según experiencias durante la niñez",
  pch = 19,
  cex = 1.2
)

axis(
  1,
  at = x,
  labels = rownames(res)
)

arrows(
  x0 = x,
  y0 = res[, "LI"],
  x1 = x,
  y1 = res[, "LS"],
  angle = 90,
  code = 3,
  length = 0.08
)

Pregunta 15. ¿Qué patrón encontró?

Respuesta:Podemos ver que de las 1,022 personas: 293 (28.7%) respondieron que sí habían enfrentado algún evento de este tipo durante la niñez. Mientras que el resto, 729 (71.3%) respondieron que no. Se puede observar que las personas que reportaron haber enfrentado algún evento durante la niñez presentan una satisfacción media con la vida ligeramente menor (8.02) que quienes señalaron no haberlo enfrentado (8.27). Por lo tanto, el patrón descriptivo muestra una menor satisfacción con la vida entre quienes reportaron esta experiencia durante la niñez, algo esperado. Además es difícil que una persona responda a un desconocido, se tiende a omitir ese tipo de información personal .

saveRDS(base, "base_oax.rds")

13 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`	Se observa una diferencia pequeña en la satisfacción con la vida: la media es ligeramente mayor en hombres (8.25) que en mujeres (8.16).
Curso de vida	`grupo_edad`	Se observan variaciones entre los grupos de edad, sin una tendencia lineal. La satisfacción media es mayor en el grupo de 30–44 años (8.37) y menor en el de 75+ años (7.73).
Salud	`salud_f`	Se observa un patrón gradual: conforme mejora la salud autopercibida, aumenta la satisfacción media con la vida, de 6.23 en quienes reportan salud mala a 9.11 en quienes reportan salud muy buena.
Soledad	`soledad_f`	Se observa un patrón inverso: conforme aumenta la frecuencia con que las personas se sienten solas, disminuye la satisfacción media, de 8.73 entre quienes nunca se sienten solos a 7.13 entre quienes se sienten solos todo el tiempo.
Capacidad económica	`fin_mes_f`	Se observa un patrón gradual: conforme aumenta la facilidad económica para llegar a fin de mes, aumenta la satisfacción media, de 6.93 en quienes enfrentan mucha dificultad a 8.74 en quienes tienen mucha facilidad.
Confianza interpersonal	PF1_1	Se observa una tendencia general a una mayor satisfacción conforme aumenta el nivel de confianza interpersonal, aunque existen algunas variaciones entre los niveles.Quienes reportaron haber enfrentado algún evento durante la etapa de 0 a 11 años presentan una satisfacción media ligeramente menor (8.02) que quienes señalaron no haberlo enfrentado (8.27).
Variable propia	PJ1_1	Quienes reportaron haber enfrentado algún evento durante la etapa de 0 a 11 años presentan una satisfacción media ligeramente menor (8.02) que quienes señalaron no haberlo enfrentado (8.27).

14 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?

Respuesta: Si miramos todos los resultados juntos, lo que más parece marcar la diferencia en la satisfacción con la vida es cómo percibimos nuestra salud y cuánta soledad vivimos. Quienes dicen tener mala salud puntúan alrededor de 6.2, mientras que quienes la sienten muy buena llegan a 9.1. Algo parecido pasa con la soledad: quienes nunca se sienten solos rondan el 8.7, y quienes se sienten solos todo el tiempo bajan a 7.1. También la capacidad económica muestra diferencias claras, aunque a partir de cierto nivel de comodidad las medias se estancan.

En cambio, las medias son muy parecidas entre hombres y mujeres (8.25 y 8.16) y entre quienes tuvieron o no experiencias difíciles en la infancia (8.02 y 8.27). Ahí no parece haber grandes diferencias.

Se observa un gradiente en salud, soledad y economía: a mejor salud, menos soledad y más facilidad económica, mayor satisfacción. La edad, en cambio, no sigue una línea recta: baja en la mediana edad y en los mayores de 75+.

Como hipótesis, podríamos pensar que la satisfacción no depende tanto de lo individual, sino de sentirse parte de algo, tener vínculos y reconocimiento. La salud y la soledad serían señales de esa integración social.

Pero estas variables no nos dicen qué significa para cada persona o cultura estar bien, sentirse solo o confiar, o vivir con un trauma. Una mirada cualitativa o etnográfica ayudarían a entender cómo la gente vive y narra su bienestar en su contexto real.

Interpretación final: # 14. Para discutir en clase

Seleccione una gráfica que considere especialmente interesante. Gráfica 6. Satisfacción con la vida según nivel de confianza en la gente, Oaxaca 2025

Prepare para compartir:

Entidad: Oaxaca
Variable seleccionada: ¿Ha enfrentado algún evento así siendo niña(o) (0 a 11 años)?
Patrón observado:Quienes reportaron haber enfrentado algún evento durante la etapa de 0 a 11 años presentan una satisfacción media ligeramente menor (8.02) que quienes señalaron no haberlo enfrentado (8.27).
Una posible interpretación antropológica: Los resultados muestran que la satisfacción con la vida varía sobre todo según la salud autopercibida, la soledad y la capacidad económica, mientras que sexo y experiencias infantiles apenas marcan diferencias. Esto invita a preguntarnos: ¿Qué significa “salud”, “soledad” o “confianza” en distintos contextos culturales? ¿Por qué el sexo no marca diferencias cuando las desigualdades de género son evidentes? ¿Acaso las mujeres resignifican su bienestar o la escala no capta sus tensiones? Desde la antropología social, estos datos son un punto de partida, no una conclusión. Nos permiten formular hipótesis sobre integración social, reciprocidad y reconocimiento, pero no reemplazan la etnografía. Solo escuchando cómo la gente narra su vida, observando sus prácticas cotidianas y entendiendo sus significados locales podremos comprender por qué y cómo se construye la satisfacción en cada contexto social.

Finalmente responda:

¿Que dos intervalos de confianza se superpongan significa necesariamente que no existe una diferencia entre los grupos?

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

Nombre: Voleta Alejandra Vidales Macías

Fecha:18 septeimbre 2026