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/usuario/Documents/ENBIARE_2025_base_de_datos_csv"

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

setwd("/Users/usuario/Documents/ENBIARE_2025_base_de_datos_csv")

Compruebe qué archivos se encuentran en esa carpeta.

list.files()

##  [1] "base_tlax.rds"                                     
##  [2] "base_tlaxcala_varios.RData"                        
##  [3] "Copia de base_tlax.rds"                            
##  [4] "Ejercicio con ENBIARE.R"                           
##  [5] "enbiare_2025_fd.xlsx"                              
##  [6] "nota_base_datos_enbiare_2025.txt"                  
##  [7] "Practica_1_ENAH_Environment.RData"                 
##  [8] "Practica_3_ENAH_ENBIARE_construccion_variables.Rmd"
##  [9] "Santana_Carlos_Ivan_Practica_1_ENAH_ENBIARE.Rmd"   
## [10] "Santana_Carlos_Ivan_Practica_2_ENAH_ENBIARE.Rmd"   
## [11] "Tabla SALUD.RData"                                 
## [12] "TENBIARE.csv"                                      
## [13] "THOGAR.csv"                                        
## [14] "TSDEM.csv"                                         
## [15] "TVIVIENDA.csv"

Pregunta 1. ¿Cuál es su directorio de trabajo?

“/Users/usuario/Documents/ENBIARE_2025_base_de_datos_csv”

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_tlax.rds")

Una vez leído el archivo, compruebe sus dimensiones.

Pregunta 2.

Tlaxcala
base_tlax
1032
277

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 [1:1032] 8 10 9 9 9 7 10 8 10 9 ...

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

## 
##   0   1   2   3   4   5   6   7   8   9  10 
##   6   4   1   6   8  44  33  89 266 241 334

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   8.463  10.000  10.000

Pregunta 3. Registre:

8.46
9.00
0.00
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 
## 1032.000000    8.463178    8.361326    8.565031

6 5. Sexo y satisfacción con la vida

6.1 5.1 Revisar la variable original

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

## 
##   1   2 
## 443 589

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 
##    443    589

6.3 5.3 Frecuencias absolutas y relativas

freq_sexo <- table(base$sexo_f)

freq_sexo

## 
## Hombre  Mujer 
##    443    589

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

## 
## Hombre  Mujer 
##   42.9   57.1

Complete:

Sexo	n	%
Hombre	443	42.9
Mujer	589	57.1
Total	1032	100

6.4 5.4 Satisfacción con la vida según sexo

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

##   Hombre    Mujer 
## 8.584650 8.371817

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 443  8.58 8.44 8.73
## Mujer  589  8.37 8.23 8.51

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,Tlaxcala_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.

los intervalos se mantienen entre 8-9. Las medias son muy cercanas, pero diferentes y los intervalos estrechos. Los intervalos se cruzan por poco, hay una tendencia de mayor satisfaccion en Hx.

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   44.57   57.25   95.00

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+ 
##   231   337   236   166    62

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

## 
## 18-29 30-44 45-59 60-74   75+ 
##  22.4  32.7  22.9  16.1   6.0

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

Respuesta:De 30-44 es el más con:(32.7%) y el menos numeroso es de 75+ con un (6.0%)

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

Respuesta: Ganamos ver edades en porcentaje de los ecuestados y considerar cuales son las edades más y menos repetidas entre los encuestados para ranquear las variables, perdemos la variable cuantitativa, ahora es una variable categorica 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
## 18-29 231  8.76 8.59 8.93
## 30-44 337  8.62 8.47 8.77
## 45-59 236  8.27 8.02 8.52
## 60-74 166  8.17 7.90 8.44
## 75+    62  8.03 7.47 8.60

plot(
  1:nrow(res),
  res[, "media"],
  ylim = c(7, 9),
  xaxt = "n",
  xlab = "Grupo de edad",
  ylab = "Satisfacción con la vida",
  main = "Grafica 2. Satisfacción con la vida según grupo de edad, Tlaxcala_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?

Se observa que de las personas encuestadas los jovenes de entre 18-29, tienen mayor satisfacción con la vida. Los intervalos se cruzan, sin embargo, de las personas encuestadas el grupo de 75+ es mas amplio, lo cual indica que hay quienes tienen más o menos satisfaccion con la vida, es variable.

8 7. Salud autopercibida

PB1 corresponde a salud autopercibida.

Primero revise las categorías originales.

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

## 
##   1   2   3   4   5 
##  12  20 350 497 153

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 
##        32       350       497       153

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

## 
##      Mala   Regular     Buena Muy buena 
##       3.1      33.9      48.2      14.8

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

La categoria de salud más frecuente es “buena” respecto a 497 personas encuestadas con (48.2%)

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       32  6.78 5.63 7.94
## Regular   350  7.85 7.65 8.04
## Buena     497  8.76 8.65 8.88
## Muy buena 153  9.25 9.08 9.42

plot(
  1:nrow(res),
  res[, "media"],
  ylim = c(5, 10),
  xaxt = "n",
  xlab = "Salud autopercibida",
  ylab = "Satisfacción con la vida",
  main = "Grafica 3. Satisfacción con la vida según salud autopercibida en Tlaxcala_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, sí parece existir un gradiente claro y ascendente. A mejor salud autopercibida hay una mejor satisfacción con la vida.
Los datos muestran que a medida que mejora la salud autopercibida, la media de satisfacción con la vida se incrementa de forma continua y sostenida: Mala: 6.78%, Regular: 7.85%, Buena: 8.76% y Muy buena: 9.25%

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 
## 611 216 135  50  20

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 
##                       611                       216                       135 
## La mayor parte del tiempo            Todo el tiempo 
##                        50                        20

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

## 
##                     Nunca               Pocas veces             Algunas veces 
##                      59.2                      20.9                      13.1 
## La mayor parte del tiempo            Todo el tiempo 
##                       4.8                       1.9

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                     611  8.79 8.68 8.91
## Pocas veces               216  8.30 8.08 8.52
## Algunas veces             135  7.97 7.68 8.26
## La mayor parte del tiempo  50  7.08 6.49 7.67
## Todo el tiempo             20  6.90 5.46 8.34

plot(
  1:nrow(res),
  res[, "media"],
  ylim = c(5, 9),
  xaxt = "n",
  xlab = "Frecuencia de soledad",
  ylab = "Satisfacción con la vida",
  main = "Grafica 4. Satisfacción con la vida según frecuencia de soledad en Tlaxcala_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?

A mayor satisfacción con la vida, disminuye la frecuencia de soledad, segun las personas encuestadas en Tlaxcala. Presentando la media más alta con un valor de 8.79 quienes eligieron la opción “nunca” se sienten solas.

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 
##  85 120 203 222 308  94

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","Poca dificultad","Poca facilidad","Con facilidad","Mucha facilidad"),
  ordered = TRUE
)

Obtenga frecuencias absolutas y relativas.

freq_economia <- table(base$fin_mes_f)

freq_economia

## 
## Mucha dificultad   Con dificultad  Poca dificultad   Poca facilidad 
##               85              120              203              222 
##    Con facilidad  Mucha facilidad 
##              308               94

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

## 
## Mucha dificultad   Con dificultad  Poca dificultad   Poca facilidad 
##              8.2             11.6             19.7             21.5 
##    Con facilidad  Mucha facilidad 
##             29.8              9.1

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)

##                    n media   LI   LS
## Mucha dificultad  85  7.67 7.15 8.19
## Con dificultad   120  7.88 7.53 8.24
## Poca dificultad  203  8.19 7.95 8.44
## Poca facilidad   222  8.35 8.17 8.53
## Con facilidad    308  8.99 8.88 9.11
## Mucha facilidad   94  9.03 8.66 9.40

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, 10 ),
  xaxt = "n",
  xlab = "Capacidad del hogar para llegar a fin de mes",
  ylab = "Satisfacción con la vida",
  main = "Grafica 5. Satisfacción con la vida según la capacidad del hogar para llegar a fin de mes en Tlaxcala_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?

A mayor satisfacción con la vida, las personas encuestadas en Tlaxcala, declaran tener facilidad para llegar al fin de mes en cuanto a su capacidad economica y viceversa. Los resultados nos permiten observar que pueden tener facilidad de capaciddad economica para llegar a fin de mes, pero es importante observar que solo 94 de las 1032 personas encuestadas llegan con mucha facilidad y 308 siendo la mayoria que responde solo “con facilidad”, lo cual no deja observar que aún hay algun factor que pueda evaluarse del porque no todos llegan con mucha facilidad.

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 [1:1032] "08" "03" "05" "05" "02" "05" "09" "10" "08" "05" "05" "01" ...

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

## 
##  00  01  02  03  04  05  06  07  08  09  10 
## 124  40  87  83  71 240 105 130  94  33  25

saveRDS(base, "base_tlax.rds")

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

Es cuantitativa, pero es una variable caracter.

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: Conviene conservar los valores. Justificación: Cada valor tiene un caracter que representa un punto observable en el estudio.

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 
## 124  40  87  83  71 240 105 130  94  33  25

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

## 
##    0    1    2    3    4    5    6    7    8    9   10 
## 12.0  3.9  8.4  8.0  6.9 23.3 10.2 12.6  9.1  3.2  2.4

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

round(res, 2)

##      n media   LI   LS
## 0  124  8.32 7.97 8.68
## 1   40  8.18 7.52 8.83
## 2   87  8.15 7.84 8.46
## 3   83  7.95 7.53 8.37
## 4   71  8.39 8.02 8.77
## 5  240  8.50 8.30 8.69
## 6  105  8.35 7.97 8.73
## 7  130  8.85 8.65 9.04
## 8   94  8.80 8.52 9.07
## 9   33  9.18 8.55 9.81
## 10  25  8.56 7.87 9.25

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 la confianza interpersonal. Tlaxcala 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?

La relación no es monótona no estrictamente ascendente. Aunque los niveles más altos de confianza (7, 8 y 9) tienden a mostrar medias de satisfacción superiores a la media general, la satisfacción con la vida se mantiene relativamente (entre 8.0 y 8.5) a lo largo de la mayoría de las categorías de confianza, mostrando además un amplio en sus intervalos de confianza.

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:* PG1_1
¿Qué mide?: En los últimos 12 meses, ¿usted ha ayudado económicamente a persona que no son parte de su hogar?
Tipo de variable: Cuantitativa
¿Cómo está codificada?:

¿Necesita recodificación o agrupamiento?: No
¿Por qué podría relacionarse con satisfacción con la vida?: Si al tener una satisfacción con la vida y al alcanzar a terminar el mes economicamente ayudan economicamente a otras personas.

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$expresa_ayuda_a_otros <- factor(
  base$PG1_1,
  levels = c("1", "2"),
  labels = c("Si", "No")
)

freq_expresa_ayuda_a_otros <- table(base$expresa_ayuda_a_otros)
freq_expresa_ayuda_a_otros

## 
##  Si  No 
## 430 602

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

## 
##   Si   No 
## 41.7 58.3

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

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
## Si 430  8.56 8.42 8.70
## No 602  8.39 8.25 8.53

plot(
  1:2, res[, "media"],
  ylim = range(res[, c("LI", "LS")]),
  xaxt = "n",
  xlab = "expresa_ayuda_a_otros",
  ylab = "Satisfacción con la vida",
  main = "Gráfica 7. Satisfacción con la vida según expresa ayuda a otros. Tlaxcala 2025",
  pch = 19
)

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

arrows(
  1:2, res[, "LI"],
  1:2, res[, "LS"],
  angle = 90,
  code = 3,
  length = 0.05
)

Pregunta 15. ¿Qué patrón encontró?

El patrón que se observa es una diferencia leve pero positiva en la satisfacción con la vida a favor de quienes sí expresan prestar ayuda a otros, aunque sin significancia estadística clara. Se percibe entre los encuestados la mayoria de ellos “no” expresan ayuda a otros, considerando que 602 eligieron la respuesta “NO” y 430 eligieron “SI”.

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`	Diferencia en las medias: Los hombres reportan un promedio de satisfacción con la vida ligeramente superior (8.58)
Curso de vida	`grupo_edad`	El grupo más joven (18-29 años; CI: 8.59 - 8.93) no presenta ningún cruce con el grupo de 60-74 años (CI: 7.90 - 8.44)
Esto confirma que existe una diferencia estadísticamente significativa donde los jóvenes reportan niveles de bienestar o satisfaccion con la vida. sistemáticamente superiores a los de los adultos mayores.
Salud	`salud_f`	la media de satisfacción con la vida se incrementa de forma continua y sostenida:
Mala: 6.78%, Regular: 7.85%, Buena: 8.76% y Muy buena: 9.25%

Al cruzar la salud autopercibida con la satisfacción con la vida, el patrón principal que se observa es un ascendente positivo muy marcado y estadísticamente significativo: a mejor estado de salud, mayor es el nivel promedio de satisfacción con la vida. | Soledad | soledad_f |Presentando la media más alta con un valor de 8.79 quienes eligieron la opción “nunca” se sienten solas.| A partir de estos datos sobre la frecuencia con la que se experimenta soledad, se observa un gradiente negativo muy marcado y claro: a mayor frecuencia de soledad, menor es el nivel promedio de satisfacción con la vida. | Capacidad económica | fin_mes_f |Los grupos intermedios (poca dificultad / poca facilidad) forman un bloque medio entre 8.19 y 8.35. |Mucha dificultad: Registra la satisfacción promedio más baja (7.67).|Mucha facilidad: Alcanza el punto máximo con 9.03| A partir de los resultados sobre la capacidad económica para llegar a fin de mes, se observa un gradiente positivo claro y constante: a mayor facilidad económica reportada, mayor es la satisfacción con la vida. | Confianza interpersonal |Al comparar los niveles con menor satisfacción (como 7.53 - 8.37) frente a los niveles de alta confianza (como 8.65 - 9.04 o 8.52 - 9.07), los intervalos dejan de cruzarse, confirmando que una confianza interpersonal alta sí está asociada de forma significativa con mayor bienestar. | Variable propia |Las personas que expresan ayudar a otros muestran una media de satisfacción con la vida ligeramente más alta (8.56) en comparación con quienes no ayudan (8.39), representando una diferencia de 0.17 puntos. |La mayoría de las personas consultadas reporta no prestar ayuda a otros (58.3%, n de personas cosultadas: 602), frente a un 41.7% (n de personas consultadas:430) que manifiesta sí hacerlo. |

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?

Interpretación final:

Los datos revelan que la salud autopercibida, la capacidad económica y la soledad son las variables que muestran las diferencias más claras en la satisfacción con la vida. En las tres se observa un gradiente continuo: el bienestar aumenta drásticamente a mejor salud y mayor holgura financiera, mientras que se reduce notablemente ante la soledad frecuente. Por el contrario, en variables como el sexo y la ayuda a otros, las medias son muy semejantes (diferencias de solo 0.21 y 0.17 puntos), presentando cruces en sus intervalos de confianza. Desde una perspectiva socio-cultural, estos hallazgos sugieren que el bienestar es subjetivo, la salud y los recursos económicos actúan cómo amortiguadores básicos frente al estrés cotidiano de las personas encuestadas en Tlaxcala, mientras que la soledad evidencia la importancia del tejido comunitario. Sorprendentemente a mi percepción, la ayuda a otros no marca un salto contundente en el bienestar personal, lo que podría explicarse porque en ciertos contextos el apoyo mutuo puede operar como una obligación social que derive de la necesidad colectiva.finalmente, las encuestas cuantitativas son de gran apoyo, para ciertos estudios, pues permiten captar el significado subjetivo que las personas otorgan a “estar solo”, “llegar a fin de mes” o “sentirse sano”. Una aproximación cualitativa o etnográfica aportaría valor al profundizar en las redes formales e informales de cuidado, la calidad de los vínculos familiares y las narrativas sobre lo que constituye una “buena vida”, dimensiones invisibles para los indicadores numéricos estandarizados.

15 14. Para discutir en clase

Seleccione una gráfica que considere especialmente interesante.

Prepare para compartir:

Entidad: Tlaxcala
Variable seleccionada: PG1_1 Expresan ayuda a otros
Patrón observado: El patrón que se observa es una diferencia leve pero positiva en la satisfacción con la vida a favor de quienes sí expresan prestar ayuda a otros, aunque sin significancia estadística clara. Se percibe entre los encuestados la mayoria de ellos “no” expresan ayuda a otros, considerando que 602 eligieron la respuesta “NO” y 430 eligieron “SI”. Aún cuando los encuestados puedan tener satisfaccion con la vida, la mayoria de los encuestados expresan no ayudar a otros.
Una posible interpretación antropológica: El hecho de que la mayoría de las personas no exprese brindar ayuda a otros, no significa necesariamente que sean apáticas. Antropológicamente, puede responder a situaciones donde las personas apenas cuentan con los recursos o el tiempo necesarios para sostener a sus propios núcleos familiares inmediatos. La ayuda hacia “otros” fuera del círculo primario ocurre cuando hay un excedente de capital social o material.

Finalmente responda:

¿Que dos intervalos de confianza se superpongan significa necesariamente que no existe una diferencia entre los grupos? Qué se superpongan no descarta por completo que exista una diferencia, lo que significa técnicamente es que con solo ver la gráfica no podemos confirmar esa diferencia con suficiente certeza.

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.

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

ENBIARE 2025

Nombre:Carlos Iván Santana Gaspar

Fecha:18/09/2026