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:

  1. identificar qué mide y cómo está codificada;
  2. construir o etiquetar la variable;
  3. obtener frecuencias absolutas y relativas;
  4. calcular la satisfacción media para sus categorías;
  5. obtener un intervalo de confianza del 95% (IC95%);
  6. representar gráficamente la media y su IC95%;
  7. 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/luist/Downloads/ENBIARE"

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

setwd("C:/Users/luist/Downloads/ENBIARE")

Compruebe qué archivos se encuentran en esa carpeta.

list.files()
##  [1] "base_QRO.rds"                                       
##  [2] "ejercicio1.R"                                       
##  [3] "ejercicio2.R"                                       
##  [4] "ejercicio3.RData"                                   
##  [5] "ejercicio4.RData"                                   
##  [6] "ejercicio5.RData"                                   
##  [7] "enbiare_2025_base_de_datos_csv.zip"                 
##  [8] "enbiare_2025_fd.xlsx"                               
##  [9] "Practica 1.RData"                                   
## [10] "Practica_1_ENAH_ENBIARE.html"                       
## [11] "Practica_1_ENAH_ENBIARE.Rmd"                        
## [12] "Practica_2_ENAH_ENBIARE.html"                       
## [13] "Practica_2_ENAH_ENBIARE.Rmd"                        
## [14] "Practica_3_ENAH_ENBIARE_construccion_variables.html"
## [15] "Practica_3_ENAH_ENBIARE_construccion_variables.Rmd" 
## [16] "rsconnect"

Pregunta 1. ¿Cuál es su directorio de trabajo?

“C:/Users/luist/Downloads/ENBIARE”

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_QRO.rds")

Una vez leído el archivo, compruebe sus dimensiones.

dim(base)
## [1] 998 285

Pregunta 2.

  • **Entidad:Qerétaro
  • **Nombre del archivo:base
  • **Número de casos:998
  • **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$PA1)
##  num [1:998] 8 9 10 10 7 9 9 10 10 10 ...
table(base$PA1, useNA = "ifany")
## 
##   0   2   3   4   5   6   7   8   9  10 
##   2   1   2   5  31  47  76 244 219 371

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   8.647  10.000  10.000

Pregunta 3. Registre:

  • **Media:8.647
  • **Mediana:9.000
  • **Mínimo:0.000
  • **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 
## 998.000000   8.647295   8.556675   8.737914

6 5. Sexo y satisfacción con la vida

6.1 5.1 Revisar la variable original

table(base$SEXO, useNA = "ifany")
## 
##   1   2 
## 469 529

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 
##    469    529

6.3 5.3 Frecuencias absolutas y relativas

freq_sexo <- table(base$sexo_f)

freq_sexo
## 
## Hombre  Mujer 
##    469    529
round(prop.table(freq_sexo) * 100, 1)
## 
## Hombre  Mujer 
##     47     53

Complete:

Sexo n %
Hombre 469 47
Mujer 529 53
Total 998 100

6.4 5.4 Satisfacción con la vida según sexo

tapply(
  base$satisf_vida,
  base$sexo_f,
  mean,
  na.rm = TRUE
)
##   Hombre    Mujer 
## 8.631130 8.661626

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 469  8.63 8.50 8.77
## Mujer  529  8.66 8.54 8.78

6.5 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, Qerétaro 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.

Las medias son muy similares y los intervalos se cruzan, lo cual indica que no hay diferencias significativas en las medias de satisfacción con la vida.

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   41.00   43.65   56.00   93.00

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+ 
##   222   351   224   156    45
round(prop.table(freq_edad) * 100, 1)
## 
## 18-29 30-44 45-59 60-74   75+ 
##  22.2  35.2  22.4  15.6   4.5

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

El grupo más numeroso es el de 30 a 44 años de edad con 351 personas (35.2%). Y el menos numeroso es el de 75 años o más con 45 personas (4.5%).

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

Gracias a las transformaciones en la variable de edad podemos saber con mayor exactitud cuantos hombres y mujeres hay por cada grupo y los porcentajes exactos que representan a dichos grupos. Lo que perdemos es que los valores no estan definidos y la variable cuantitativa se convierte en 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
## 18-29 222  8.67 8.49 8.84
## 30-44 351  8.71 8.56 8.86
## 45-59 224  8.55 8.36 8.74
## 60-74 156  8.81 8.57 9.05
## 75+    45  7.98 7.35 8.61
plot(
  1:nrow(res),
  res[, "media"],
  ylim = c(7, 9.5),
  xaxt = "n",
  xlab = "Grupo de edad",
  ylab = "Satisfacción con la vida",
  main = "Gráfica 2. Satisfacción con la vida según el grupo de edad, Querétaro 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?

En el caso del estado de Querétaro, las medias de satisfacción con la vida en relación con los grupos de edad son muy similares entre sí a excepecion de las personas que pertenecen al grupo de 75 años o más. En el caso del grupo de 75 años o más se tienen intervalos de confianza mucho más amplios (LI= 7.35, LS= 8.61) en comparación con los demás grupos. El grupo de 30 a 44 años de edad es el que muestra los intervalos más pequeños (LI= 8.56, LS= 8.86).

Estos datos nos demuestran que las personas mayores a 75 años de edad en el estado de Querétaro son las que sienten menor satisfacción con la vida, sin embargo el grupo que siente mayor satisfacción con la vida es el que va de los 60 a los 74 años de edad, seguido por los grupos más jovenes. Es probable que en la vejez ( de 60 a 74 años de edad) exista mayor satisfacción con la vida debido a que las actividades diarias ya no representan lo mismo que en una edad más joven. También es probable que muchos adultos mayores que viven en Querétaro reciban beneficios por parte de sus familias o el estado que les ayude a mejorar su calidad de vida. Sin embargo son meras especulaciones. De igual manera, este fenómeno puede cambiar conforme la edad avanza ya que las personas mayores de 75 años son las que muestran menor satisfacción con su vida, y esto quizas se puede atribuir al desarrollo de más enfermedades o padecimientos que interfieran con la salud y calidad de vida de estas personas. También es importante señalar que conforme la edad avanza las capacidades fisicas e intelectuales se van deteriorando y esto puede contribuir a la satisfacción que sienten estas personas respecto a su vida.

8 7. Salud autopercibida

PB1 corresponde a salud autopercibida.

Primero revise las categorías originales.

table(base$PB1, useNA = "ifany")
## 
##   1   2   3   4   5 
##  10  36 306 463 183

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 
##        46       306       463       183
round(prop.table(freq_salud) * 100, 1)
## 
##      Mala   Regular     Buena Muy buena 
##       4.6      30.7      46.4      18.3

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

La categoría más frecuente es “buena” con 463 personas (46.4%).

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       46  7.35 6.81 7.88
## Regular   306  8.15 7.97 8.34
## Buena     463  8.83 8.72 8.95
## Muy buena 183  9.33 9.18 9.48
plot(
  1:nrow(res),
  res[, "media"],
  ylim = c(6.7, 9.5),
  xaxt = "n",
  xlab = "Salud autopercibida",
  ylab = "Satisfacción con la vida",
  main = "Gráfica 3. Satisfacción con la vida según salud autopercibida, Querétaro 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?

Si,en este caso aumenta. A mayor o mejor salud autopercibida, mayor es la satisfacción con la vida.

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 
## 561 234 139  49  15

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 
##                       561                       234                       139 
## La mayor parte del tiempo            Todo el tiempo 
##                        49                        15
round(prop.table(freq_soledad) * 100, 1)
## 
##                     Nunca               Pocas veces             Algunas veces 
##                      56.2                      23.4                      13.9 
## La mayor parte del tiempo            Todo el tiempo 
##                       4.9                       1.5

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                     561  9.00 8.89 9.10
## Pocas veces               234  8.41 8.21 8.60
## Algunas veces             139  8.14 7.89 8.39
## La mayor parte del tiempo  49  7.33 6.86 7.79
## Todo el tiempo             15  8.33 7.19 9.47
plot(
  1:nrow(res),
  res[, "media"],
  ylim = c(6.7, 10),
  xaxt = "n",
  xlab = "Frecuencia de soledad",
  ylab = "Satisfacción con la vida",
  main = "Gráfica 4. Satisfacción con la vida según frecuencia de soledad, Querétaro 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?

En general podríamos decir que la soledad se relaciona con la satisfacción con la vida en cuanto que a menor percepción de soledad mayor es la satisfacción con la vida. Sin embargo, es importante señalar que la media de las personas que contestaron “la mayor parte del tiempo” es más baja (7.33) que la de las personas que contestaron “todo el tiempo” (8.33).

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 
##  50 105 168 175 369 131

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

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(1:6),
  labels = c(
    "Con 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(6.5, 9.5),
  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 la capacidad económica, Querétaro 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?

En el caso de Querétaro, la muestra nos arroja datos muy interesante. A pesar de que se podría decir que la satisfacción con la vida tiene una relación estrecha y positiva con la facilidad que tienen los individuos para llegar a fin de mes, en el caso de las personas que tienen “mucha dificultad”, se puede observar que su satisfacción con la vida tiene una media de 8.14 que es más alta que la del grupo siguiente o las personas que mencionaron tener “dificultad” para llegar a fin de mes (mean= 7.80).

11 10. Confianza interpersonal

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

Revise primero la variable.

str(base$PF1_1)
##  chr [1:998] "07" "08" "00" "04" "05" "07" "03" "06" "05" "05" "00" "03" ...
table(base$PF1_1, useNA = "ifany")
## 
##  00  01  02  03  04  05  06  07  08  09  10 
##  91  30  54  84  83 209 112 173 118  28  16
saveRDS(base, "base_QRO.rds")

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

Es una variable caracter con valores que van de:

00 = Nada en absoluto de 01 a 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.

En el caso de la variable PF1_1 que determina la confianza que siente los individuos respectoa los demás, yo sí agruparia los valores que van del 01 al 09 y les daría un nuevo valor, por ejemplo 01. En donde las respuestas se agrupen en solo tres grupos generales:

00 = nada en absoluto 01 = en algunas ocasiones 02 = completamente

Esto lo justifico a partir del hecho de que en la encuesta ENBIARE no existen parametros oficiales sobre los valores que van del 01 al 09. Como tal los individuos pueden contestar del 01 al 09 pero estas respuestas siempre se acercan más a los polos “00” y “10”. Además considero que son muchos los valores que hay entre 01 y 09, por lo que las respuestas pueden ser muy diversas pero complejas a la hora de interpretar. Por tal motivo propondría que las respuestas se agrupen en tres grupos generales. Pueden ser los valores 00,01 y 02 respetando las mismas denominaciones que utilicé anteriormente.

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

# Convertir PF1_1 a numérica
base$PF1_1_num <- as.numeric(as.character(base$PF1_1))

# Construir variable agrupada
base$confianza <- ifelse(base$PF1_1_num == 0, 0,
                    ifelse(base$PF1_1_num == 10, 2, 1))

# Frecuencias absolutas
table(base$confianza)
## 
##   0   1   2 
##  91 891  16
# Frecuencias relativas
prop.table(table(base$confianza))
## 
##          0          1          2 
## 0.09118236 0.89278557 0.01603206
# Satisfacción media
media <- mean(base$PF1_1_num, na.rm = TRUE)

# IC 95%
ic95 <- t.test(base$PF1_1_num)$conf.int

# Resultados
media
## [1] 5.016032
ic95
## [1] 4.858974 5.173090
## attr(,"conf.level")
## [1] 0.95

Limites inferiores y limites superiores

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

round(res, 2)
##     n media   LI    LS
## 0  91  8.73 8.36  9.09
## 1 891  8.63 8.54  8.73
## 2  16  8.94 7.83 10.05

Construya también la gráfica correspondiente.

plot(
  1:nrow(res),
  res[, "media"],
  ylim = c(7.8, 10.1),
  xaxt = "n",
  xlab = "Confianza interpersonal",
  ylab = "Satisfacción con la vida",
  main = "Gráfica 6. Satisfacción con la vida según la capacidad de confianza interpersonal, Querétaro 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 14. ¿Qué relación descriptiva observa entre confianza interpersonal y satisfacción con la vida?

En el caso del estado de Querétaro, las personas que contestaron que su nivel de confianza interpersonal es “completamente” tienen una media de satisfacción con la vida más elevada que el resto de la población.

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: PL1, perteneciente al apartado “Oportunidades y logros intergeneracionales”
  • ¿Qué mide?: A traves de la pregunta: ¿Considera que, a lo largo de su vida, ha podido tomar decisiones libremente?, la variable mide la percepecion de libertad que tiene cada individuo respecto a sus decisiones.
  • Tipo de variable:Alfanumérica
  • ¿Cómo está codificada?: En dos codigos (1 = Si, 2 = No)
  • ¿Necesita recodificación o agrupamiento?: No
  • ¿Por qué podría relacionarse con satisfacción con la vida?: Cuando tenemos la oportunidad de decidir libremente tenemos menos posibilidades de sentir frustración o malestar a causa de que alguien más decida por nosotros. Esto puede repercutir en la satisfacción que tenga cada persona respecto a su vida.

Ahora siga la misma secuencia utilizada durante la práctica:

  1. construya o etiquete la variable;
  2. obtenga frecuencias absolutas;
  3. obtenga frecuencias relativas;
  4. calcule satisfacción media por categoría;
  5. calcule IC95%;
  6. construya la gráfica de media e IC95%.
# Construir / etiquetar la variable PL1
base$PL1_cat <- factor(base$PL1,
                       levels = c(1, 2),
                       labels = c("Sí", "No"))

# Frecuencias absolutas
table(base$PL1_cat)
## 
##  Sí  No 
## 954  44
# Frecuencias relativas
prop.table(table(base$PL1_cat))
## 
##         Sí         No 
## 0.95591182 0.04408818
# Satisfacción media por categoría de PL1
media <- aggregate(satisf_vida ~ PL1_cat,
                   data = base,
                   FUN = mean,
                   na.rm = TRUE)

media
##   PL1_cat satisf_vida
## 1      Sí    8.686583
## 2      No    7.795455
# IC95% por categoría
ic95 <- aggregate(satisf_vida ~ PL1_cat,
                  data = base,
                  FUN = function(x) t.test(x)$conf.int)

ic95
##   PL1_cat satisf_vida.1 satisf_vida.2
## 1      Sí      8.595388      8.777778
## 2      No      7.276762      8.314147
# Gráfica de media e IC95%
plot(media$satisf_vida,
     type = "p",
     xaxt = "n",
     ylim = range(unlist(ic95$satisf_vida)),
     xlab = "Capacidad de decidir libremente",
     ylab = "Satisfacción media con la vida",
     main = "Gráfica 7. Satisfacción con la vida según la capacidad de decidir libremente, Querétaro 2025")

axis(1, at = 1:2, labels = media$PL1_cat)

arrows(1:2,
       ic95$satisf_vida[, 1],
       1:2,
       ic95$satisf_vida[, 2],
       angle = 90,
       code = 3,
       length = 0.05)

Pregunta 15. ¿Qué patrón encontró?

Efectivamente, las personas que contestaron que “no” pudieron decidir libremente a lo largo de su vida tuvieron una satisfacción media mucho menor (7.79) que las personas que contestaron que “si” (8.6).

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 PL1 - Capacidad de decidir libremente ¿Qué patrón descriptivo observó?: En el estado de Querétaron las personas que no pudieron decidir libremente a lo largo de su vida tienen menos satisfacción con la vida.
Sexo sexo_f
Curso de vida grupo_edad
Salud salud_f
Soledad soledad_f
Capacidad económica fin_mes_f
Confianza interpersonal confianza
Variable propia PL1_cat

14 13. Interpretación antropológica

Observe conjuntamente sus resultados y gráficas.

Redacte un comentario de 200 a 250 palabras que responda:

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

En el caso del estado de Querétaro, las variables de edad, salud, soledad, capacidad económica y capacidad de decidir libremente fueron las variables que mostraron mayores diferencias entre grupos respecto a los niveles de satisfacción con la vida. En el caso de la variable de confianza se encontraron las medias más parecidas. El gradiente más notorio se encuentra en la Gráfica 3. “Satisfacción con la vida según salud autopercibida”, en donde podemos observar que ante una mejor salud autopercibida, mejores son los niveles de satisfacción con la vida.

A manera de hipótesis se podría decir que mientras más este expuesto una persona a situaciones de vulnerabilidad (mala salud, sentiemiento de soledad, dificultades para llegar a fin de mes, tener niveles bajos de confianza y/o no ser capaz de decidir libremente) menor sera su satisfacción con la vida.

Como tal, los datos que arroja la prueba ENBIARE son meramente estadisticos y no nos permite saber más alla de la interpretación alfanumerica que haga cada persona, por tanto es difícil determinar con precisión las condiciones reales que envuelven a la persona y que le hace determinar que su satisfacción con la vida es mala, regular o buena.

Una aproximación cualitativa o etnográfica permite comprender el significado y las experiencias que están detrás de los patrones encontrados mediante RStudio. Mientras el análisis cuantitativo identifica relaciones, frecuencias o diferencias, la etnografía ayuda a explicar cómo y por qué se producen y cómo son vividas por las personas.

15 14. Para discutir en clase

Seleccione una gráfica que considere especialmente interesante.

Prepare para compartir:

  • Entidad: Querétaro.
  • Variable seleccionada: PL1, Capacidad de decidir libremente a lo largo de la vida.
  • Patrón observado: Las personas que tienen a capacidad de decidir libremente a lo largo de su vida tienen mayor satisfacción con la vida.
  • Una posible interpretación antropológica: La imposibilidad de decidir libremente puede reflejar restricciones sociales y económicas que limitan la agencia de las personas y, con ello, su percepción de satisfacción con la vida.

Finalmente responda:

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

No necesariamente.

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

16 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.

saveRDS(base, "base_QRO.rds")

```