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/bruja/OneDrive/Escritorio/enbiare_2025_base_de_datos_csv"

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

setwd("C:/Users/bruja/OneDrive/Escritorio/enbiare_2025_base_de_datos_csv")

Compruebe qué archivos se encuentran en esa carpeta.

list.files()

##  [1] "17 sept 26.Rhistory"                                 
##  [2] "base enbiare instrucciones.R"                        
##  [3] "base_CDMX.rds"                                       
##  [4] "enbiare_2025_fd.xlsx"                                
##  [5] "nota_base_datos_enbiare_2025.txt"                    
##  [6] "Práctica 1  4 sept 2026.RData"                       
##  [7] "Practica_1_ENAH_ENBIARE-11-sept-2026.html"           
##  [8] "Practica_1_ENAH_ENBIARE 11 sept 2026 corr.Rmd"       
##  [9] "Practica_1_ENAH_ENBIARE 11 sept 2026.Rmd"            
## [10] "Practica_1_ENAH_ENBIARE.Rmd"                         
## [11] "Practica_2_ENAH_ENBIARE-1.html"                      
## [12] "Practica_2_ENAH_ENBIARE 1.Rmd"                       
## [13] "Practica_2_ENAH_ENBIARE.Rmd"                         
## [14] "Practica_3_ENAH_ENBIARE_construccion_variables.Rmd"  
## [15] "Practica_3_ENAH_ENBIARE_construccion_variables1.html"
## [16] "Practica_3_ENAH_ENBIARE_construccion_variables1.Rmd" 
## [17] "rsconnect"                                           
## [18] "TENBIARE.csv"                                        
## [19] "THOGAR.csv"                                          
## [20] "TSDEM.csv"                                           
## [21] "TVIVIENDA.csv"

base <- readRDS("base_CDMX.rds")

3 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.

4 1. Preparar el directorio de trabajo

Comience revisando el directorio actual.

getwd()

## [1] "C:/Users/bruja/OneDrive/Escritorio/enbiare_2025_base_de_datos_csv"

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

setwd("C:/Users/bruja/OneDrive/Escritorio/enbiare_2025_base_de_datos_csv")

Compruebe qué archivos se encuentran en esa carpeta.

list.files()

##  [1] "17 sept 26.Rhistory"                                 
##  [2] "base enbiare instrucciones.R"                        
##  [3] "base_CDMX.rds"                                       
##  [4] "enbiare_2025_fd.xlsx"                                
##  [5] "nota_base_datos_enbiare_2025.txt"                    
##  [6] "Práctica 1  4 sept 2026.RData"                       
##  [7] "Practica_1_ENAH_ENBIARE-11-sept-2026.html"           
##  [8] "Practica_1_ENAH_ENBIARE 11 sept 2026 corr.Rmd"       
##  [9] "Practica_1_ENAH_ENBIARE 11 sept 2026.Rmd"            
## [10] "Practica_1_ENAH_ENBIARE.Rmd"                         
## [11] "Practica_2_ENAH_ENBIARE-1.html"                      
## [12] "Practica_2_ENAH_ENBIARE 1.Rmd"                       
## [13] "Practica_2_ENAH_ENBIARE.Rmd"                         
## [14] "Practica_3_ENAH_ENBIARE_construccion_variables.Rmd"  
## [15] "Practica_3_ENAH_ENBIARE_construccion_variables1.html"
## [16] "Practica_3_ENAH_ENBIARE_construccion_variables1.Rmd" 
## [17] "rsconnect"                                           
## [18] "TENBIARE.csv"                                        
## [19] "THOGAR.csv"                                          
## [20] "TSDEM.csv"                                           
## [21] "TVIVIENDA.csv"

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. 
##   2.000   8.000   9.000   8.644  10.000  10.000

Pregunta 3. Registre:

**Media:8.644
**Mediana:9.0
**Mínimo:2.0
**Máximo:10.0

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 
## 988.000000   8.643725   8.559447   8.728002

6 5. Sexo y satisfacción con la vida

6.1 5.1 Revisar la variable original

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

## 
##   1   2 
## 448 540

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 
##    448    540

6.3 5.3 Frecuencias absolutas y relativas

freq_sexo <- table(base$sexo_f)

freq_sexo

## 
## Hombre  Mujer 
##    448    540

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

## 
## Hombre  Mujer 
##   45.3   54.7

Complete:

Sexo	n	%
Hombre	448	45.3
Mujer	540	54.7
Total	988	100

6.4 5.4 Satisfacción con la vida según sexo

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

##   Hombre    Mujer 
## 8.669643 8.622222

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 448  8.67 8.55 8.79
## Mujer  540  8.62 8.50 8.74

6.5 5.5 Gráfica de media e IC95%

plot(
  1:nrow(res),
  res[, "media"],
  ylim = c(8.4, 9),
  xaxt = "n",
  xlab = "Sexo",
  ylab = "Satisfacción con la vida",
  main = "Gráfica 1.Satisfacción con la vida según sexo,CDMX 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 cercanos y los intervalos muy estrechos. Los intervalos se cruzan lo cual indica que no hay diferencias significativas en las medias de la satisfaccion de la vida entre hombres y mujeres, los hombres presentan el 8.66 y las mujeres el 8.62.

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   34.00   46.00   47.39   60.00   99.00

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 
## 14  9 12  7  8 12 10 20 17 16 23 21 18 17 21 16 22 18 30 23 25 16 22 21 24 21 
## 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 
## 12 17 15 14 17 18 22 16 13 21 17 24 14 21 11 13 16 12 15 28 17 15 11 14 13  7 
## 70 71 72 73 74 75 76 77 78 79 80 81 82 83 84 85 86 87 88 89 99 
## 11  6 11  9  6 12  9  2  1  3  4  5  5  4  5  2  4  3  1  4  5

Ahora construiremos grupos de edad.

base$grupo_edad <- cut(
  base$EDAD,
  breaks = c(17, 29, 44, 59, 74, 89),
  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+ 
##   169   306   253   191    64

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

## 
## 18-29 30-44 45-59 60-74   75+ 
##  17.2  31.1  25.7  19.4   6.5

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

Respuesta: El grupo de 30-44 años de edad es el más numeroso (31.1%), el menos numeroso es el de 75+ (6.5%)

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

Respuesta: ganamos en que vamos a poder comparar por grupos de edad y verlo en porcentajes. Perdemos los valores que no estaban definidos y perdemos la variable cuantitativa y 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
## 18-29 169  8.64 8.46 8.82
## 30-44 306  8.69 8.54 8.83
## 45-59 253  8.58 8.40 8.75
## 60-74 191  8.58 8.37 8.79
## 75+    64  8.86 8.52 9.20

plot(
  1:nrow(res),
  res[, "media"],
  ylim = c(8, 9.5),
  xaxt = "n",
  xlab = "Grupo de edad",
  ylab = "Satisfacción con la vida",
  main = "Gráfica 2. Satisfacción con la vida según grupo de edad, CDMX 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: Se observa que la satisfacción con la vida es mayor en el grupo de 75+, se muestra un intervalo mayor en el grupo de 75+, es un grupo con menos casos por lo que considero que el intervalo es más amplio ya que contestan un número menor de participantes y están situados en los extremos.

8 7. Salud autopercibida

PB1 corresponde a salud autopercibida.

Primero revise las categorías originales.

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

## 
##   1   2   3   4   5 
##   5  28 273 496 186

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 
##        33       273       496       186

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

## 
##      Mala   Regular     Buena Muy buena 
##       3.3      27.6      50.2      18.8

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

Respuesta: La categoría de salud más frecuente es la buena con 50.2% que corresponde a 496 personas

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       33  7.61 6.99 8.23
## Regular   273  8.18 8.00 8.37
## Buena     496  8.81 8.70 8.91
## Muy buena 186  9.07 8.90 9.24

plot(
  1:nrow(res),
  res[, "media"],
  ylim = c(6.8, 9.3),
  xaxt = "n",
  xlab = "Salud autopercibida",
  ylab = "Satisfacción con la vida",
  main = "Gráfica 3. Satisfacción con la vida según salud autopercibida. CDMX 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: A mejor salud autopercibida hay mejor 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 
## 572 258 112  32  14

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 
##                       572                       258                       112 
## La mayor parte del tiempo            Todo el tiempo 
##                        32                        14

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

## 
##                     Nunca               Pocas veces             Algunas veces 
##                      57.9                      26.1                      11.3 
## La mayor parte del tiempo            Todo el tiempo 
##                       3.2                       1.4

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                     572  8.92 8.82 9.02
## Pocas veces               258  8.43 8.27 8.59
## Algunas veces             112  8.06 7.78 8.35
## La mayor parte del tiempo  32  8.03 7.53 8.54
## Todo el tiempo             14  7.21 5.76 8.67

plot(
  1:nrow(res),
  res[, "media"],
  ylim = c(5.5, 9.5),
  xaxt = "n",
  xlab = "Frecuencia de soledad",
  ylab = "Satisfacción con la vida",
  main = "Gráfica 4. Satisfacción con la vida según frecuencia de soledad. CDMX 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:No es una relación causal pero se observa que a mayor percepción de soledad hay menor satisfacción con la vida. Hay 14 personas que todo el tiempo se sienten solas, presentan una media de 7.21 y su satisfacción con la vida es la más baja.

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 
##  23  94 138 231 380 122

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","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(6.3, 9.7),
  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 del hogar para llegar a fin de mes. CDMX 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 grafica muestra que quienes tienen mucha dificultad para llegar a fin de mes, 23 participantes, demuestran tener menor satisfacción con la vida. Y quienes tienen menor dificultad para llegar a fin de mes, 122 personas, tienen mayor satisfacción con la vida, esto puede significar que las dificultades que se presentan por la falta de una economía buena se manifiestan en la insatisfacción por la vida.

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 [1:988] "03" "05" "04" "08" "05" "02" "05" "08" "06" "04" "03" "05" ...

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

## 
##  00  01  02  03  04  05  06  07  08  09  10 
## 102  25  63  84  93 189 125 141 115  34  17

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

Respuesta: es una variable caracter de acuerdo a R, con 11 niveles distintos (del 00 al 10). La tabla de frecuencias muestra cómo se distribuyen estas 988 observaciones en cada una de esas 11 categorías en donde el valor “05” es el más frecuente con 189 participantes y el valor 01 es el menos frecuente con 25 participantes.

Antes de modificarla, piense:

¿Conviene conservar todos sus valores o agruparlos?

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

Decisión tomada: Decidí conservar todos los valores para que no se pierda información.

**Justificación:* Los datos que reportan las 11 categorías son importantes para realizar un análisis más completo de los participantes con respecto a la confianza interpersonal que muestran. Es importante señalar que en la categoría 00 hay un número significativo de participantes: 102. La categoría menos frecuente es la categoría 10 con 17 participantes.

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 
## 102  25  63  84  93 189 125 141 115  34  17

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

## 
##    0    1    2    3    4    5    6    7    8    9   10 
## 10.3  2.5  6.4  8.5  9.4 19.1 12.7 14.3 11.6  3.4  1.7

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

round(res, 2)

##      n media   LI   LS
## 0  102  8.79 8.50 9.09
## 1   25  8.36 7.68 9.04
## 2   63  8.38 7.98 8.78
## 3   84  8.52 8.18 8.87
## 4   93  8.48 8.24 8.73
## 5  189  8.46 8.24 8.67
## 6  125  8.62 8.41 8.82
## 7  141  8.80 8.62 8.99
## 8  115  8.89 8.68 9.09
## 9   34  9.18 8.81 9.55
## 10  17  8.88 8.18 9.58

Construya también la gráfica correspondiente.

plot(
  0:10,
  res[, "media"],
  ylim = c(7, 10),
  xaxt = "n",
  xlab = "Nivel de confianza interpersonal",
  ylab = "Satisfacción con la vida",
  main = "Gráfica 6.Satisfacción con la vida según confianza interpersonal. CDMX 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: A mayor confianza interpersonal hay mayor satisfacción con la vida, lo cual queda expuesto en los puntajes alcanzados en la categoría 10 en donde encontramos el límite superior con 9.58 y el límite inferior 8.18 y una media de 8.8 en 17 participantes.

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:PB2_8
¿Qué mide?: Dificultad para realizar actividades diarias con autonomía e independencia, por condiciones emocionales o mentales (autismo, de´resión, bipolaridad, esquizofrenia, etc)
Tipo de variable: Cualitativa ordinal
¿Cómo está codificada?: 1 No tiene dificultad 2 Lo hace con poca dificultad 3 Lo hace con mucha dificultad 4 No puede hacerlo
¿Necesita recodificación o agrupamiento?: No
¿Por qué podría relacionarse con satisfacción con la vida?: Porque la realización de actividades de manera autónoma e independiente permite la movilidad y ejecución de tareas cotidianas y de autocuidado asimismo las condiciones mentales o emodionales llegan a impedir enfrentar y solucionar los problemas y los retos de cada día.

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%.

Revisar la variable

str(base$PB2_8)

##  num [1:988] 1 1 1 1 1 1 1 1 2 1 ...

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

## 
##  00  01  02  03  04  05  06  07  08  09  10 
## 102  25  63  84  93 189 125 141 115  34  17

base$act_aut_ind <- as.numeric(base$PB2_8)

freq_act_aut_ind <- table(base$act_aut_ind)

freq_act_aut_ind

## 
##   1   2   3   4 
## 912  63   9   4

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

## 
##    1    2    3    4 
## 92.3  6.4  0.9  0.4

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

round(res, 2)

##     n media   LI    LS
## 1 912  8.70 8.62  8.79
## 2  63  8.24 7.86  8.61
## 3   9  6.67 5.39  7.94
## 4   4  6.25 2.27 10.23

Pregunta 15. ¿Qué patrón encontró?

Respuesta: A mayor dificultad mental o emocional para desenvolverse de manera autónoma e independiente, menor es la satisfacción con la vida.La mayoría de los participantes no reporta problemas de autonomía: El 92.3% de la población no tiene dificultades para realizar sus actividades diarias por causas emocionales o mentales (Grupo 1) y goza de un nivel de satisfacción con la vida muy alto (8.70 de promedio). Cualquier limitación en la autonomía impacta el bienestar:En cuanto aparece una dificultad moderada (Grupo 2), la satisfacción cae a 8.24. Esta diferencia es real y confiable: depender de otros o tener limitaciones cotidianas por salud mental y/o emocional afecta directamente cómo la persona evalúa su vida.Las limitaciones severas impactan con más fuerza, pero son casos aislados en la muestra:En las categorías con limitaciones severas o totales (Grupos 3 y 4), la satisfacción cae drásticamente hasta 6.67 y 6.25. Sin embargo, representan a menos del 1 % de los participantes (13 personas en total).

#Construya una gráfica

plot(
  1:nrow(res),
  res[, "media"],
  ylim = c(3, 10),
  xaxt = "n",
  xlab = "Dificultad para realizar actividades diarias",
  ylab = "Satisfacción con la vida",
  main = "Gráfica 7. Satisfacción con la vida según la dificultad para realizar actividades diarias. CDMX 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 relación descriptiva observa entre la dificultad para realizar actividades diarias y satisfacción con la vida?

Respuesta: A mayor facilidad para realizar las actividades diarias hay mayor satisfacción con la vida, lo cual queda expuesto en los puntajes alcanzados en la categoría 1 en donde encontramos el límite superior con 8.79 y el límite inferior 8.62 y una media de 8.70 en 912 participantes que conforman el 92.3% de la muestra.

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: dificultad para realizar actividades diarias con autonomía e independencia por condiciones emocionales o mentales.

Complete la siguiente tabla.

Posible factor	Variable utilizada	¿Qué patrón descriptivo observó?
Sexo	`sexo_f`	Los hombres reportan un promedio ligeramente mayor (8.67) de satisfacción con la vida que las mujeres (8.62).
Curso de vida	`grupo_edad`	El grupo de 30 a 44 años (31.1%) representan el más numeroso con respecto a la satisfacción con la vida
Salud	`salud_f`	La categoría más frecuente de salud es “buena” con 50.2% que corresponde a 496 personas
Soledad	`soledad_f`	Se observa que a mayor percepción de soledad hay menor satisfacción con la vida. Hay 14 personas que todo el tiempo se sienten solas, presentan una media de 7.21 y su satisfacción con la vida es la más baja.
Capacidad económica	`fin_mes_f`	Quienes tienen mayores dificultades económicas y por ende mayor dificultad para llegar a fin de mes, 23 participantes, son quienes demuestran tener menor satisfacción. Hay 122 personas, que tienen mayor satisfacción con la vida, esto puede significar que las dificultades que se presentan por la falta de una economía buena se manifiestan en la insatisfacción por la vida.
Confianza interpersonal	`PF1_1`	Se distribuyen las 988 participaciones en cada una de esas 11 categorías en donde el valor “05” es el más frecuente con 189 participantes y el valor 01 es el menos frecuente con 25 participantes.Por lo que se observa que a mayor confianza interpersonal hay mayor satisfacción con la vida.
Dificultad para realizar actividades con autonomía e independencia	PB2_8	las dificultades mentales o emocionales repercuten en el funcionamiento y maneras de desenvolverse con autónomía e independiente, y a mayores dificultades para realizar actividades es menor la satisfacción con la vida.En este estudio la mayoría de los participantes no reporta problemas de autonomía:
El 92.3% de la población participante, corresponde al grupo 1 y no tiene dificultades para realizar sus actividades diarias por causas emocionales o mentales y goza de un nivel de satisfacción con la vida muy alto (8.70 de promedio).

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? La variable de capacidad económica para llegar a fin de mes es la que muestra diferencias más claras de satisfacción por la vida siendo 23 participantes quienes les cuesta más trabajo para llegar a fin de mes y quienes tienen facilidad son 380 participantes y 122 participantes mayor facilidad son quienes muestran mayores niveles de satisfacción por la vida respectivamente.ambién expresa una experiencia cotidiana de seguridad, autonomía y control sobre la propia vida. La dificultad económica puede involucrar preocupación constante, incertidumbre y necesidad de restringir consumos considerados socialmente importantes. También puede limitar la participación en reuniones, celebraciones, actividades recreativas y prácticas de cuidado familiar. Por tanto, el bienestar económico tiene una dimensión material, pero también relacional y simbólica: disponer de recursos permite cumplir obligaciones, corresponder favores, cuidar a otras personas y mantener una posición social valorada.
¿En cuáles las medias parecen muy semejantes? En la variable de Sexo, las medias son muy cercanos y los intervalos muy estrechos. Los intervalos se cruzan lo cual indica que no hay diferencias significativas en las medias de la satisfaccion de la vida entre hombres y mujeres, los hombres presentan el 8.66 y las mujeres el 8.62. Antropológica, este resultado no significa necesariamente que hombres y mujeres tengan las mismas experiencias, oportunidades o dificultades. Puede indicar que distintas trayectorias sociales producen niveles globales similares de satisfacción. Por ejemplo, las cargas de cuidado, las expectativas laborales, la autonomía económica y las redes familiares pueden afectar de manera diferente a cada grupo, pero esas diferencias podrían compensarse al resumirse en una sola puntuación general. También debe considerarse que una variable binaria de sexo puede ocultar la diversidad de identidades, roles y experiencias de género. Asimismo, las normas culturales pueden influir en la manera en que las personas expresan o evalúan públicamente su bienestar.
¿En alguna observa un posible gradiente? no
¿Qué explicaciones sociales, culturales o demográficas podrían plantearse como hipótesis? Una hipótesis con respecto a la variable sobre sexo podría ser: La variable sexo, considerado aisladamente, no explica diferencias relevantes en la satisfacción con la vida. Una variable con respecto a la variable capacidad económica para llegar a fin de mes, podría ser: A mayor facilidad para llegar a fin de mes, mayor satisfacción con la vida, debido a la reducción del estrés y la incertidumbre cotidiana.
¿Qué aspectos importantes para comprender la satisfacción con la vida no pueden conocerse solamente mediante estas variables? Las variables analizadas permiten identificar patrones y asociaciones, pero no permiten conocer cómo las personas construyen y experimentan subjetivamente la satisfacción con la vida. Por ejemplo, saber que quienes tienen mayor facilidad para llegar a fin de mes presentan mayor satisfacción no explica qué significa para ellos tener una vida satisfactoria ni qué elementos consideran indispensables para sentirse bien.

Tampoco podemos conocer solamente mediante estas variables:

El significado que las personas atribuyen al dinero y a la seguridad económica. Para algunas personas, llegar a fin de mes puede significar tranquilidad; para otras, poder apoyar a sus hijos, mantener su vivienda, atender una enfermedad o conservar cierta autonomía.

Las estrategias cotidianas frente a las dificultades económicas: qué gastos se priorizan, qué se sacrifica, a quién se recurre cuando faltan recursos y cómo se reorganiza la vida familiar.

El papel de las relaciones familiares, redes de apoyo y comunidad. Una persona con pocos recursos económicos puede experimentar una alta satisfacción si cuenta con redes familiares y comunitarias sólidas, mientras que alguien con mayores recursos puede experimentar aislamiento o falta de apoyo.

Las experiencias de cuidado y reciprocidad, tanto recibir cuidados como proporcionarlos a otras personas.

El sentido de pertenencia, reconocimiento y utilidad social, es decir, sentirse valorado dentro de la familia, el trabajo o la comunidad.

Las expectativas culturales sobre lo que significa “tener una buena vida”. La satisfacción no se construye únicamente a partir de condiciones materiales, sino también de valores, normas, proyectos y comparaciones sociales.

Las experiencias de desigualdad, discriminación o exclusión que pueden influir en el bienestar aunque no aparezcan directamente en las variables analizadas.

La trayectoria de vida. La satisfacción actual puede estar relacionada con experiencias anteriores, cambios familiares, pérdidas, logros, migración, empleo, enfermedad, jubilación o transformaciones en las condiciones económicas.

Las contradicciones entre dimensiones de la vida. Una persona puede tener dificultades económicas y, al mismo tiempo, sentirse satisfecha por sus vínculos familiares; o contar con estabilidad económica pero experimentar soledad o falta de sentido.

Por ello, la satisfacción con la vida debe entenderse no solamente como un resultado individual, sino como una experiencia social, cultural, relacional y situada históricamente.

¿Qué podría aportar una aproximación cualitativa o etnográfica? Una aproximación cualitativa o etnográfica permitiría pasar de la pregunta “qué variables se relacionan con la satisfacción con la vida” a preguntas como “qué significa para las personas estar satisfechas con su vida, cómo construyen ese significado y qué experiencias cotidianas lo sostienen o lo modifican”. Las entrevistas en profundidad permitirían recuperar las narrativas de las personas sobre su vida cotidiana, sus preocupaciones, aspiraciones, relaciones y experiencias de bienestar. Por ejemplo, podrían mostrar que “tener facilidad para llegar a fin de mes” no se refiere únicamente a disponer de dinero, sino a sentirse tranquilo, no depender de otras personas, poder ayudar a la familia o tener capacidad para enfrentar una emergencia. La etnografía, además, permitiría observar prácticas que difícilmente aparecen en una encuesta: formas de organización familiar, redes de ayuda, prácticas de cuidado, estrategias económicas, relaciones de reciprocidad, participación comunitaria y maneras de afrontar las dificultades. También permitiría identificar discursos y significados culturales asociados a la satisfacción con la vida. Por ejemplo, qué consideran los participantes una “vida buena”, qué expectativas tienen respecto al trabajo, la familia, la vivienda, el consumo, el cuidado o la vejez, y cómo esas expectativas influyen en la percepción de bienestar. En este sentido, la aproximación cualitativa no sustituye los resultados cuantitativos, sino que permite interpretarlos y profundizar en ellos. Si el análisis estadístico muestra que la capacidad para llegar a fin de mes es una variable particularmente asociada con la satisfacción, la investigación cualitativa puede ayudar a explicar por qué ocurre, qué experiencias están detrás de esa asociación y cómo las personas viven y significan esa situación en su contexto social y cultural

Interpretación final: Los resultados cuantitativos permiten identificar asociaciones entre determinadas condiciones de vida y la satisfacción con la vida, pero no permiten comprender por sí mismos los significados, experiencias y prácticas mediante los cuales las personas construyen dicha satisfacción. Una aproximación cualitativa o etnográfica permitiría profundizar en las narrativas y experiencias cotidianas de los participantes, explorando el significado que atribuyen a la seguridad económica, las relaciones familiares, las redes de apoyo, el cuidado, la autonomía, el reconocimiento personal y social y los proyectos de vida. De esta manera, sería posible comprender cómo las condiciones señaladas en las variables analizadas se articulan con dimensiones culturales, afectivas y relacionales del bienestar, así como identificar estrategias y recursos que no son visibles mediante las variables cuantitativas.

15 14. Para discutir en clase

Seleccione una gráfica que considere especialmente interesante.

Prepare para compartir:

Entidad:
Variable seleccionada:
Patrón observado:
Una posible interpretación antropológica:

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_CDMX.rds")

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

ENBIARE 2025

Nombre: Montes María Elizabeth

Fecha: 18 septiembre 2026