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/karin/OneDrive/Documentos/MAESTRÍA/Métodos cuantitativos"

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

setwd("C:/Users/karin/OneDrive/Documentos/MAESTRÍA/Métodos cuantitativos")

Compruebe qué archivos se encuentran en esa carpeta.

list.files()

##  [1] "Actividad 3_final.RData"                             
##  [2] "base_mex.rds"                                        
##  [3] "Cantera_Karina_Practica_1_ENAH_ENBIARE.Rmd"          
##  [4] "Cantera_Karina_Practica_2_ENAH_ENBIARE.html"         
##  [5] "Cantera_Karina_Practica_2_ENAH_ENBIARE.Rmd"          
##  [6] "Cantera_Karina_Practica_2_ENAH_ENBIARE_files"        
##  [7] "Ejercicio 1.R"                                       
##  [8] "Ejercicio base ENBIARE.R"                            
##  [9] "EJERCICIO HUIX_Met cuantitativos.xlsx"               
## [10] "enbiare_2025_base_de_datos_csv.zip"                  
## [11] "enbiare_2025_fd.xlsx"                                
## [12] "ENLACES RPUBS DE PRÁCTICAS.docx"                     
## [13] "nota_base_datos_enbiare_2025.txt"                    
## [14] "Práctica 1_4 septiembre.RData"                       
## [15] "Practica 18 septiembre.RData"                        
## [16] "Practica_1_ENAH_ENBIARE.html"                        
## [17] "Practica_1_ENAH_ENBIARE_files"                       
## [18] "Practica_3_ENAH_ENBIARE_construccion_variables.html" 
## [19] "Practica_3_ENAH_ENBIARE_construccion_variables.Rmd"  
## [20] "Practica_3_ENAH_ENBIARE_construccion_variables_files"
## [21] "Practica2_terminada.RData"                           
## [22] "rsconnect"                                           
## [23] "table_salud.RData"                                   
## [24] "TENBIARE.csv"                                        
## [25] "THOGAR.csv"                                          
## [26] "TSDEM.csv"                                           
## [27] "TVIVIENDA.csv"

Pregunta 1. ¿Cuál es su directorio de trabajo?

“C:/Users/karin/OneDrive/Documentos/MAESTRÍA/Métodos cuantitativos”

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_mex.rds")

Una vez leído el archivo, compruebe sus dimensiones.

dim(base)

## [1] 1025  283

Pregunta 2.

Entidad: Estado de México
Nombre del archivo: base
1025 casos
276 variables

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 [1:1025] 9 9 10 10 8 7 10 10 7 10 ...

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

## 
##   1   2   3   4   5   6   7   8   9  10 
##   1   2   5   5  45  33 104 240 247 343

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. 
##    1.00    8.00    9.00    8.55   10.00   10.00

Pregunta 3. Registre:

Media: 8.55
Mediana: 9
Mínimo: 1
Máximo: 10

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 
## 1025.000000    8.550244    8.458874    8.641614

6 5. Sexo y satisfacción con la vida

6.1 5.1 Revisar la variable original

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

## 
##   1   2 
## 470 555

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 
##    470    555

6.3 5.3 Frecuencias absolutas y relativas

freq_sexo <- table(base$sexo_f)

freq_sexo

## 
## Hombre  Mujer 
##    470    555

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

## 
## Hombre  Mujer 
##   45.9   54.1

Complete:

Sexo	n	%
Hombre	470	45.9
Mujer	555	54.1
Total	1025	100

6.4 5.4 Satisfacción con la vida según sexo

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

##   Hombre    Mujer 
## 8.634043 8.479279

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 470  8.63 8.51 8.76
## Mujer  555  8.48 8.35 8.61

6.5 5.5 Gráfica de media e IC95%

plot(
  1:nrow(res),
  res[, "media"],
  ylim = c(8.2, 9),
  xaxt = "n",
  xlab = "Sexo",
  ylab = "Satisfacción con la vida",
  main = "Gráfica 1. Satisfacción con la vida según sexo, EDOMEX 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 muy cercanas y los intervalos muy estrechos; los intervalos se cruzan, lo cual quiere decir que las diferencias no son significativas. Sin embargo hay una tendencia a que los hombres expresen una mayor satisfacción, en el EDOMEX presentan una media de 8.63 y las mujeres una media de 8.48.

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   43.00   44.99   57.00   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+ 
##   218   325   258   175    49

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

## 
## 18-29 30-44 45-59 60-74   75+ 
##  21.3  31.7  25.2  17.1   4.8

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

Respuesta: el grupo etario de 30 a 44 años, representan el 31.7%

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

Respuesta:una de las ganancias es que se pueden comparar grupos de edad, por otra parte se perdió la variable cuantitavida discreta para transformarla en variable categórica ordina, también se pueden perder los datos no especificados, aunque en el caso de la base del EDOMEX no se presentó esa perdida.

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
## 18-29 218  8.72 8.53 8.90
## 30-44 325  8.63 8.47 8.79
## 45-59 258  8.41 8.23 8.60
## 60-74 175  8.50 8.28 8.73
## 75+    49  8.16 7.64 8.69

plot(
  1:nrow(res),
  res[, "media"],
  ylim = c(7.5, 10),
  xaxt = "n",
  xlab = "Grupo de edad",
  ylab = "Satisfacción con la vida",
  main = "Gráfica 2. Satisfacción con la vida según grupo de edad, EDOMEX 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: El intervalo de edad más joven (18 a 29 años) presenta la media más alta con 8.72 y un intervalo de confianza más cerrado. Todos los intervalos se cruzan, por lo que no se observa una diferencia significativa entre grupos de edad. Por su parte, el grupo de 75 años y más presenta mayor amplitud, esto debido a que hay pocos participantes (48 personas) en este rango de edad.

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  34 357 468 156

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 
##        44       357       468       156

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

## 
##      Mala   Regular     Buena Muy buena 
##       4.3      34.8      45.7      15.2

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

Respuesta:la categoría “buena” con 45.7%.

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       44  7.52 6.86 8.19
## Regular   357  8.17 8.01 8.33
## Buena     468  8.75 8.63 8.87
## Muy buena 156  9.12 8.92 9.31

plot(
  1:nrow(res),
  res[, "media"],
  ylim = c(6.3, 9.5),
  xaxt = "n",
  xlab = "Salud autopercibida",
  ylab = "Satisfacción con la vida",
  main = "Gráfica3.Satisfacción con la vida según salud autopercibida,EDOMEX 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: Si existe una relación, entre más alta es la media también se muestra un incremento con 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 
## 525 257 150  71  22

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 
##                       525                       257                       150 
## La mayor parte del tiempo            Todo el tiempo 
##                        71                        22

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

## 
##                     Nunca               Pocas veces             Algunas veces 
##                      51.2                      25.1                      14.6 
## La mayor parte del tiempo            Todo el tiempo 
##                       6.9                       2.1

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                     525  8.98 8.88 9.09
## Pocas veces               257  8.22 8.03 8.42
## Algunas veces             150  8.15 7.90 8.39
## La mayor parte del tiempo  71  8.03 7.69 8.36
## Todo el tiempo             22  6.55 5.51 7.59

plot(
  1:nrow(res),
  res[, "media"],
  ylim = c(5.4, 9.2),
  xaxt = "n",
  xlab = "Frecuencia de soledad",
  ylab = "Satisfacción con la vida",
  main = "Gráfica 4.Satisfacción con la vida según frecuencia de soledad,EDOMEX 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: La tabla y la gráfica muestran una relación inversa entre las variables, ya que mientras se incrementan las categorías de percepción de soledad, la satisfacción con la vida disminuye; de esta forma la categoría de soledad “Nunca” presenta una media de satisfacción de vida de 8.98, mientras que la categoría “Todo el tiempo” tiene una media de 6.55.

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 
##  51 122 217 244 310  81

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

Respuesta:capacidad del hogar para llegar a fin de mes. 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)

##                    n media   LI   LS
## Mucha dificultad  51  7.86 7.32 8.41
## Dificultad       122  8.06 7.75 8.36
## Poca dificultad  217  8.27 8.07 8.46
## Poca facilidad   244  8.52 8.34 8.71
## Facilidad        310  8.92 8.78 9.06
## Mucha facilidad   81  9.16 8.87 9.45

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

plot(
  1:nrow(res),
  res[, "media"],
  ylim = c(7.2, 9.6),
  xaxt = "n",
  xlab = "Capacidad para llegar a fin de mes",
  ylab = "Satisfacción con la vida",
  main = "Gráfica 5.Satisfacción con la vida según capacidad económica,EDOMEX 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: La gráfica muestra una relación entre ambas variables, ya que mientras incrementan las categorías de la variable capacidad para llegar a fin de mes; la media de la variable satisfacción con la vida también va en ascenso. De esta forma la categoría “mucha dificultad” presenta una media de satisfacción con la vida de 7.86, mientras que la categoría “mucha facilidad” tiene una media de 9.45.

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 [1:1025] "07" "04" "05" "06" "04" "03" "06" "09" "05" "10" "06" "05" ...

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

## 
##  00  01  02  03  04  05  06  07  08  09  10 
## 109  30  82  90  88 225 113 128 115  24  21

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

Respuesta: 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: Se conservan todos los valores

Justificación: Considero relevante mostrar la frecuencia absoluta de los valores extremos “00= nada en absoluto” y “10= Completamente”, así como identificar las categorías en las que se concentraron la mayoría de las respuestas.

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

freq_confianza <- table(base$PF1_1)

freq_confianza

## 
##  00  01  02  03  04  05  06  07  08  09  10 
## 109  30  82  90  88 225 113 128 115  24  21

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

## 
##   00   01   02   03   04   05   06   07   08   09   10 
## 10.6  2.9  8.0  8.8  8.6 22.0 11.0 12.5 11.2  2.3  2.0

grupos <- split(base$satisf_vida, base$PF1_1)
res <- t(sapply(grupos, IC_media))

round(res, 2)

##      n media   LI   LS
## 00 109  8.58 8.26 8.90
## 01  30  8.33 7.67 9.00
## 02  82  8.37 8.03 8.71
## 03  90  8.18 7.87 8.49
## 04  88  8.19 7.82 8.57
## 05 225  8.45 8.24 8.67
## 06 113  8.69 8.48 8.90
## 07 128  8.67 8.46 8.89
## 08 115  9.03 8.82 9.23
## 09  24  9.21 8.86 9.56
## 10  21  8.71 7.92 9.50

Construya también la gráfica correspondiente.

plot(
  1:nrow(res),
  res[, "media"],
  ylim = c(7.5, 9.6),
  xaxt = "n",
  xlab = "Nivel de confianza interpersonal",
  ylab = "Satisfacción con la vida",
  main = "Gráfica 6.Satisfacción con la vida según confianza interpersonal,EDOMEX 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?

Respuesta: No se observa una relación tan clara entre el nivel de confianza interpersonal y la satisfacción con la vida; por ejemplo la categoría más baja “00= nada en absoluto” presenta una media de satisfacción de vida de 8.58, la cual es superior a la que se presenta en las categorías 1 a la 5; sin embargo se observa que en las categorías “8 y 9” se encuentran las medioas más altas de satisfacción con la vida (9.03 y 9.21 respectivamente). Mientras que la categoría “10” tiene una media de 8.71, sin embargo es probable que este dato sea más bajo debido a que hay mayor dispersión de datos en la variable de satisfacción de vida.

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: E2. ¿Considera que el tiempo que le dedicó a dormir y descansar fue…?
¿Qué mide?: Tiempo dedicado a dormir y descansar
Tipo de variable: Ordinal
¿Cómo está codificada?: PE2_06
¿Necesita recodificación o agrupamiento?: No
¿Por qué podría relacionarse con satisfacción con la vida?: El descanso y las horas de sueño son necesarias para la regeneración celular y la recuperación de energía, e incluso también puede influir en el estado emocional, pues algunos apuntan que la falta de sueño y descanso pueden estar asociadas a estados de irritabilidad y a algunas enfermedades; y como se vió en los ejercicios anteriores hay una relación entre la autopercepción de condición de salud y 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%.

str(base$PE2_06)

##  num [1:1025] 2 2 2 2 1 2 2 2 1 2 ...

table(base$PE2_06, useNA = "ifany")

## 
##    1    2    3 <NA> 
##  246  760   18    1

base$descanso_f <- factor(
  base$PE2_06,
  levels = 1:3,
  labels = c(
    "Insuficiente",
    "Adecuado",
    "Excesivo"
  ),
  ordered = TRUE
)

Frecuancia absoluta y frecuencia relativa de la variable tiempo dedicado a dormir y descansar:

freq_descanso <- table(base$descanso_f)

freq_descanso

## 
## Insuficiente     Adecuado     Excesivo 
##          246          760           18

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

## 
## Insuficiente     Adecuado     Excesivo 
##         24.0         74.2          1.8

Relación entre las variables satisfacción con la vida y tiempo dedicado a descansar:

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

round(res, 2)

##                n media   LI   LS
## Insuficiente 246  8.27 8.06 8.48
## Adecuado     760  8.65 8.55 8.75
## Excesivo      18  8.22 7.51 8.94

plot(
  1:nrow(res),
  res[, "media"],
  ylim = c(7.45, 9.05),
  xaxt = "n",
  xlab = "Tiempo dedicado a dormir y descansar",
  ylab = "Satisfacción con la vida",
  main = "Gráfica 7.Satisfacción con la vida según tiempo de descanso,EDOMEX 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 15. ¿Qué patrón encontró?

Respuesta: De acuerdo con el cuadro y la gráfica, parece haber una relación entre las variables satisfacción con la vida y tiempo dedicado al descanso y sueño; entre las categorías “insuficiente” con media de 8.27, y “adecuado” con media de 8.65, parece existir una diferencia significativa pues sus valores extremos no se cruzan. Por su parte la categoría “excesivo” presenta la media más pequeña con 8.22; sin embargo es probable que esto sea producto de los pocos participantes que eligieron esta clasificación.

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`	Las medias son muy cercanas y los intervalos se cruzan; no son estadísticamente significativas. Sin embargo hay una tendencia a que los hombres expresen una mayor satisfacción
Curso de vida	`grupo_edad`	El grupo más joven (18 a 29 años) presenta la media más alta con 8.72 y un intervalo de confianza más cerrado; el grupo de 75 años y más presenta mayor amplitud y la media más baja (8.16)
Salud	`salud_f`	Presenta una relación progresiva, entre más alta es la media también se muestra un incremento en la satisfacción con la vida.
Soledad	`soledad_f`	Se mumestra una relación inversa con la satisfacción con la vida; mientras se incrementan las categorías de percepción de soledad, la satisfacción con la vida disminuye
Capacidad económica	`fin_mes_f`	Muestra una relación progresiva con la satisfacción con la vida; mientras incrementan las categorías de la variable capacidad económica; la media de la satisfacción también asciende
Confianza interpersonal	PF1_1	Las categorías más altas de confianza muestran también una mayor satisfacción con la vida
Tiempo de descanso	´descanso_f´	Parece haber una relación progresiva entre las variables satisfacción con la vida y tiempo dedicado al descanso y sueño

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:Al observar el conjunto de gráficas y tablas, parece ser que las variables percepción de salud, capacidad económica, soledad y tiempo de descanso y sueño, tienen una relación significativa con la satisfacción con la vida. Otras variables como el sexo, la edad y confianza interpersonal presentan medias muy semejantes. A partir de estos datos, parece probable que la condición de salud sea un factor importante en la calidad de vida de las personas; esto lo relaciono también con la capacidad económica ya que el poder adquisitivo condiciona las posibilidades de cubrir una buena alimentación, los costos de exámenes clínicos y acudir de forma temprana y eficiente a centros de salud. Además de estos factores, las relaciones sociales parecen tener un papel importante en el bienestar, ya que quienes tienen más limitadas sus redes socioafectivas pueden tener menores redes de apoyo y acompañamiento, lo cual afecta la calidad de vida. Los datos construidos en este ejercicio son importantes porque dan un panorama de la percepción de la calidad de vida de hombres y mujeres, sin embargo, para indagar en las experiencias, los significados y las percepciones de las personas sería conveniente recurrir al método etnográfico, ya que permitiría indagar en la subjetividad y profundizar en cómo se entreteje el género, la edad, la situación económica, la redes socioafectivas y los tiempos de descanso, en la satisfacción de vida de las personas.

15 14. Para discutir en clase

Seleccione una gráfica que considere especialmente interesante.

Prepare para compartir:

Entidad: Estado de México
Variable seleccionada: Capacidad del hogar para llegar a fin de mes
Patrón observado: La capacidad económica del hogar muestra una relación progresiva con la satisfacción con la vida
Una posible interpretación antropológica: El poder adquisitivo está relacionado con el desarrollo social, pues entre mayor sean los ingresos hay más opciones para tener una alimentación adecuada, acceso eficiente a los recursos médicos y terapéuticos, acceso a la educación, así como amplia las posibilidad de tener espacios recreativos, como son las actividades deportivas y artísticas.

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.

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_mex.rds")

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

ENBIARE 2025

Karina Cantera Reyes

18 de septiembre