Estudiantes: Pablo Andres Cobo Bravo & Santiago Guevara Jaramillo

RESUMEN EJECUTIVO

Los ingresos se asocian con la salud, pero no lo explican todo

El análisis de la ECV 2025 encontró una asociación entre los ingresos laborales y la salud general percibida de la población ocupada mayor de 18 años. Esta relación se mantuvo al considerar la edad y la afiliación al sistema de salud, aunque su capacidad explicativa fue limitada. La edad se relacionó con una peor percepción de salud, mientras que la diferencia asociada con la afiliación fue pequeña. Los resultados deben interpretarse con cautela debido a las limitaciones del modelo y a los supuestos estadísticos que no se cumplieron.

  1. Cada millón de pesos adicionales de ingresos mensuales se asoció con una disminución aproximada de 0,021 puntos en la escala de salud percibida, donde 1 representa una salud muy buena y 4 una salud mala, manteniendo constantes la edad y la afiliación.
  2. Cada año adicional de edad se asoció con un aumento de 0,009 puntos en la escala, es decir, con una percepción de salud ligeramente menos favorable.
  3. El modelo múltiple explicó el 6,48 % de la variación en la salud percibida (\(R^2 = 0{,}0648\)), lo que indica que existen otros factores relevantes que no están incluidos en el análisis.

Ingresos, afiliación y salud

¿En qué medida el nivel de ingresos laborales y la afiliación a una entidad de seguridad social en salud se asocian con el estado de salud general percibido de la población ocupada mayor de 18 años en Colombia durante 2025?


Esta pregunta es relevante porque las condiciones económicas y el acceso al sistema de salud pueden estar relacionados con las condiciones de vida y la manera en que las personas valoran su propio estado de salud. Los ingresos laborales pueden reflejar diferencias en los recursos disponibles para satisfacer necesidades básicas, mientras que la afiliación al sistema de salud permite aproximarse a las condiciones de vinculación al sistema de protección en salud.

El análisis busca identificar asociaciones entre estas variables, sin asumir que alguna de ellas causa directamente una mejor o peor percepción de la salud.

Expectativa inicial. Se espera encontrar una asociación positiva entre los ingresos laborales y la salud percibida, de manera que las personas con mayores ingresos tiendan a reportar un mejor estado de salud. Asimismo, se espera que las personas afiliadas al sistema de salud presenten una percepción más favorable de su estado de salud que aquellas no afiliadas.

Decisiones importantes

Para el desarrollo de este análisis se utilizó la base de datos de la Encuesta Nacional de Calidad de Vida (ECV) 2025, producida por el Departamento Administrativo Nacional de Estadística (DANE). La unidad de análisis es la persona y el estudio se concentra en la población ocupada mayor de 18 años en Colombia durante 2025.

A partir de la base original, se seleccionaron las variables necesarias para responder la pregunta de investigación y se asignaron nombres descriptivos para facilitar la lectura del código y la reproducibilidad del procedimiento. Se conservaron los identificadores de persona (DIRECTORIO, SECUENCIA_P y ORDEN), así como la edad (P6040), los ingresos laborales (P8624), la afiliación al sistema de salud (P6090) y el estado de salud percibido (P6127).

Delimitación de la población de estudio

Se incluyeron las personas mayores de 18 años que cumplieran al menos una de las condiciones definidas a partir de las variables de actividad laboral de la encuesta (P6240, P6250, P6260 y P6270). Este procedimiento permitió obtener una base de análisis de 102.908 personas.

Los identificadores se conservaron para reconocer a cada persona y permitir la incorporación de información adicional desde la base original, evitando perder la correspondencia entre registros.

Revisión y construcción de la variable de ingresos laborales

Durante la revisión de los ingresos laborales, se identificó que la variable ingresos_laborales, correspondiente al ingreso recibido en el empleo antes de descuentos, presentaba una proporción considerable de datos faltantes: 66.023 personas (64,16 % de la población seleccionada).

Por esta razón, se revisó la variable posicion_ocupacional para determinar si era posible complementar la información con la variable ingreso_independiente, que registra la ganancia neta o los honorarios netos obtenidos durante el mes anterior.

La revisión permitió identificar que las variables de ingreso correspondían a diferentes grupos ocupacionales. La variable ingresos_laborales contenía información para obreros o empleados de empresas particulares, empleados del gobierno, empleados domésticos y jornaleros o peones. Por su parte, ingreso_independiente registraba información para profesionales independientes, trabajadores por cuenta propia, patrones o empleadores y trabajadores de fincas, tierras o parcelas.

A partir de esta distinción, se construyó la variable ingresos_unificados, que integra los valores de ambas variables según la posición ocupacional de cada persona. De esta manera, se amplió la disponibilidad de información sobre los ingresos mensuales.

Sin embargo, es importante señalar que ambas variables no miden exactamente lo mismo. Mientras ingresos_laborales registra ingresos antes de descuentos, ingreso_independiente recoge ganancias netas u honorarios netos. Por ello, ingresos_unificados se utiliza como una medida operativa de los ingresos laborales mensuales, reconociendo esta diferencia como una limitación metodológica al interpretar los resultados.

Una primera mirada a las condiciones de salud

Variables Númericas

Resumen estadístico de las variables numéricas
variable casos_validos faltantes media mediana desviacion_estandar minimo maximo RIC
Edad (años) 102908 0 43.41 42 14.79 19 9.9e+01 24
Ingresos mensuales (COP) 101889 1019 1394697.17 1000000 2028763.02 0 2.5e+08 1100000

Edad. La muestra está compuesta por 102.908 personas, sin datos faltantes en esta variable. La edad promedio es de 43,41 años y la mediana es de 42 años. Las edades van de los 19 a los 99 años, con una desviación estándar de 14,79 años. Estos resultados muestran que la muestra incluye personas adultas de diferentes edades.

Ingresos laborales. Se construyó la variable ingresos_unificados combinando los ingresos laborales de los trabajadores asalariados con las ganancias netas de los trabajadores independientes y otras posiciones ocupacionales. La media mensual es de $1.394.697 COP y la mediana es de $1.000.000 COP. Como la media supera la mediana, es posible que algunos ingresos elevados estén aumentando el promedio. Además, los ingresos van de $0 a $250.000.000 COP, por lo que conviene revisar los valores más altos para comprobar que sean correctos.

Datos faltantes. La variable de ingresos tiene 1.019 datos faltantes, equivalentes al 0,99 % de la muestra. Estos corresponden a 822 trabajadores sin remuneración y 197 ayudantes sin remuneración. Los casos se dejaron como faltantes y no se reemplazaron por cero, pues no contar con un ingreso registrado no significa necesariamente que la persona no reciba ningún ingreso.

Variables Categóricas

Distribución de la salud general percibida
Estado de salud Frecuencia Porcentaje (%)
Muy bueno 15517 15.08
Bueno 74412 72.31
Regular 12516 12.16
Malo 463 0.45

Salud general percibida. La mayoría de las personas reporta tener una salud buena (72,31 %), seguida de quienes la consideran muy buena (15,08 %). Por otro lado, el 12,16 % califica su salud como regular y menos del 1 % como mala (0,45 %). En general, la percepción de salud es positiva en la población analizada.

Distribución de la afiliación al sistema de salud
Afiliación a salud Frecuencia Porcentaje (%)
Sí 99905 97.08
No 2802 2.72
No sabe / no informa 201 0.20

Afiliación al sistema de salud. El 97,08 % de las personas reporta estar afiliada a una entidad de seguridad social en salud, mientras que el 2,72 % indica no estarlo. Un 0,20 % no sabe o no informa sobre su afiliación. Esto muestra que la gran mayoría de la población analizada reporta tener afiliación al sistema de salud.

Los promedios no cuentan toda la historia

Gráfico 1. Distribución de la variable dependiente

Gráfico 2. Relación entre ingresos y salud percibida

Gráfico 3. Salud percibida según afiliación

¿Qué cambia cuando consideramos más variables?

Para explorar la relación entre los ingresos laborales y el estado de salud percibido, se estimaron dos modelos de regresión lineal. El primero examina la asociación entre los ingresos y la salud percibida; el segundo incorpora la afiliación al sistema de salud y la edad, con el propósito de considerar otras características que también podrían estar relacionadas con la percepción de salud.

La variable dependiente corresponde a una escala de salud percibida de 1 a 4, donde 1 representa un estado de salud muy bueno y 4 uno malo. Por tanto, los coeficientes negativos indican una asociación con una percepción más favorable de la salud, mientras que los positivos indican una asociación con una percepción menos favorable. Los ingresos se expresan en millones de pesos colombianos para facilitar la interpretación de los coeficientes.

Modelo simple

El modelo simple permite examinar si los ingresos laborales se relacionan con la percepción del estado general de salud, sin incorporar otras variables explicativas.

## 
## Call:
## lm(formula = salud_numerica ~ ingresos_millones, data = base_modelos)
## 
## Residuals:
##     Min      1Q  Median      3Q     Max 
## -1.0111 -0.0042  0.0119  0.0349  5.7321 
## 
## Coefficients:
##                     Estimate Std. Error t value Pr(>|t|)    
## (Intercept)        2.0110815  0.0020389  986.38   <2e-16 ***
## ingresos_millones -0.0229725  0.0008276  -27.76   <2e-16 ***
## ---
## Signif. codes:  0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
## 
## Residual standard error: 0.5358 on 101688 degrees of freedom
## Multiple R-squared:  0.007521,   Adjusted R-squared:  0.007511 
## F-statistic: 770.6 on 1 and 101688 DF,  p-value: < 2.2e-16

Los resultados muestran una asociación negativa y estadísticamente significativa entre los ingresos y la puntuación de salud percibida ((\beta=-0,02297); (p<0,001)). En promedio, un aumento de un millón de pesos en los ingresos se asocia con una disminución de aproximadamente 0,023 puntos en la escala. Esto indica una relación entre mayores ingresos y una percepción más favorable de la salud.

Sin embargo, el modelo presenta un (R^2=0,0075), lo que significa que los ingresos explican aproximadamente el 0,75 % de la variación observada en la puntuación de salud percibida. Por tanto, aunque la asociación es estadísticamente significativa, su capacidad explicativa por sí sola es limitada.

Modelo múltiple: Incorporar otras características

El segundo modelo incorpora la afiliación al sistema de salud y la edad. La afiliación permite comparar a las personas afiliadas y no afiliadas, mientras que la edad se incluye porque la percepción del estado de salud puede variar a lo largo del ciclo de vida

## 
## Call:
## lm(formula = salud_numerica ~ ingresos_millones + afiliacion_salud + 
##     edad, data = base_modelos)
## 
## Residuals:
##     Min      1Q  Median      3Q     Max 
## -1.4323 -0.1319  0.0328  0.1594  5.1641 
## 
## Coefficients:
##                      Estimate Std. Error t value Pr(>|t|)    
## (Intercept)         1.6316545  0.0052486 310.872   <2e-16 ***
## ingresos_millones  -0.0213406  0.0008039 -26.547   <2e-16 ***
## afiliacion_saludNo -0.0220250  0.0100206  -2.198    0.028 *  
## edad                0.0087005  0.0001107  78.621   <2e-16 ***
## ---
## Signif. codes:  0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
## 
## Residual standard error: 0.5201 on 101686 degrees of freedom
## Multiple R-squared:  0.06479,    Adjusted R-squared:  0.06476 
## F-statistic:  2348 on 3 and 101686 DF,  p-value: < 2.2e-16

Los resultados muestran que la asociación entre ingresos y salud percibida se mantiene al incorporar las otras variables ((\beta=-0,02134); (p<0,001)). Por cada millón de pesos adicionales, la puntuación estimada disminuye aproximadamente 0,021 puntos, manteniendo constantes la edad y la afiliación.

La edad presenta una asociación positiva y estadísticamente significativa ((\beta=0,00870); (p<0,001)). Esto significa que cada año adicional se asocia con un aumento de aproximadamente 0,009 puntos en la puntuación de salud percibida, manteniendo constantes las demás variables. En consecuencia, una mayor edad se relaciona con una percepción menos favorable de la salud.

Por su parte, el coeficiente de las personas no afiliadas es negativo ((\beta=-0,02203); (p=0,028)). En comparación con las personas afiliadas, las no afiliadas presentan una puntuación estimada ligeramente menor, manteniendo constantes los ingresos y la edad. Aunque esta asociación es estadísticamente significativa al nivel del 5 %, su magnitud es pequeña y no permite concluir que la falta de afiliación produzca una mejor percepción de salud.

Tabla comparativa

Tabla 1. Comparación del ajuste de los modelos
Modelo Observaciones R² R² ajustado Error residual Estadístico F Valor p global
Modelo simple 101690 0.0075 0.0075 0.5358 770.5907 0
Modelo múltiple 101690 0.0648 0.0648 0.5201 2348.1621 0

El modelo simple presenta un (R^2) de 0,0075, mientras que el modelo múltiple alcanza un valor de 0,0648. Esto representa un aumento de aproximadamente 5,73 puntos porcentuales en la proporción de variación explicada al incorporar la edad y la afiliación al sistema de salud. Asimismo, el error estándar residual disminuye de 0,5358 a 0,5201.

Ambos modelos son globalmente significativos ((p<0,001)). No obstante, el modelo múltiple presenta un mejor ajuste y una mayor capacidad explicativa que el simple. Aun así, explica alrededor del 6,48 % de la variación observada, por lo que la mayor parte de las diferencias en la percepción de salud permanece sin explicar mediante las variables incluidas

Tabla de coeficientes

Tabla 2. Coeficientes de los modelos de regresión lineal
Modelo Variable Coeficiente Error estándar Valor t Valor p
Modelo simple Intercepto 2.0111 0.0020 986.3795 < 0,001
Modelo simple Ingresos (millones de COP) -0.0230 0.0008 -27.7595 < 0,001
Modelo múltiple Intercepto 1.6317 0.0052 310.8717 < 0,001
Modelo múltiple Ingresos (millones de COP) -0.0213 0.0008 -26.5469 < 0,001
Modelo múltiple No afiliado/a -0.0220 0.0100 -2.1980 0,028
Modelo múltiple Edad (años) 0.0087 0.0001 78.6206 < 0,001

Los resultados muestran que una asociación estadísticamente significativa no necesariamente representa una diferencia de gran magnitud. Aunque los coeficientes de ingresos y edad presentan valores p inferiores a 0,001, sus magnitudes son pequeñas en la escala de salud percibida. La asociación con la afiliación también es pequeña, pese a alcanzar significancia estadística al nivel del 5 %.

En conjunto, los modelos muestran una asociación entre mayores ingresos laborales y una percepción más favorable de la salud, así como una asociación entre mayor edad y una percepción menos favorable. Sin embargo, estos resultados no deben interpretarse como relaciones causales. Además, dado que la salud percibida es una variable ordinal, el uso de regresión lineal supone que las distancias entre sus categorías son equivalentes, por lo que los resultados deben entenderse como una aproximación

¿Qué nos dicen los modelos sobre la salud percibida?

Los resultados muestran una asociación negativa entre los ingresos laborales y la puntuación de salud percibida, tanto en el modelo simple como en el múltiple. Como una puntuación más baja representa una mejor percepción de salud, los mayores ingresos se relacionan con una valoración más favorable del estado general de salud. Esta asociación invita a considerar que las condiciones económicas pueden formar parte de las experiencias cotidianas desde las cuales las personas evalúan su bienestar. Contar con mayores recursos podría facilitar el acceso a servicios, medicamentos, alimentación adecuada y condiciones de vida más favorables; sin embargo, estos mecanismos no fueron examinados directamente en el modelo y no pueden darse por demostrados a partir de estos resultados.

Al incorporar la edad y la afiliación al sistema de salud, el coeficiente de ingresos pasa de −0,02297 a −0,02134. La asociación conserva su dirección y significancia estadística, aunque su magnitud disminuye ligeramente. Esto sugiere que las diferencias de edad y afiliación incluidas en el análisis no explican por completo la asociación observada entre ingresos y salud percibida. No obstante, la capacidad explicativa del modelo múltiple sigue siendo limitada: las variables consideradas explican aproximadamente el 6,48 % de la variación de la puntuación de salud.

La edad presenta una asociación positiva con la puntuación de salud: por cada año adicional, esta aumenta aproximadamente 0,0087 puntos, manteniendo constantes los ingresos y la afiliación. Este resultado es compatible con una percepción menos favorable de la salud a edades mayores, aunque la edad puede relacionarse con múltiples experiencias y condiciones que el análisis no contempla.

En cuanto a la afiliación, las personas no afiliadas presentan una puntuación estimada 0,022 puntos menor que las afiliadas, manteniendo constantes las otras variables. Aunque la diferencia es estadísticamente significativa al nivel del 5 %, su magnitud es pequeña y no permite concluir que carecer de afiliación favorezca la salud. El resultado también podría estar relacionado con diferencias entre los grupos que el modelo no recoge.

En conjunto, los hallazgos muestran que los ingresos y la edad están asociados con la salud percibida, pero también evidencian que estas variables son insuficientes para comprenderla por sí solas. La percepción de salud se sitúa en un contexto social más amplio, en el que podrían intervenir las condiciones laborales, la educación, el territorio, la estabilidad económica y la presencia de enfermedades. Como estas dimensiones no se incorporaron al modelo, constituyen posibles líneas de investigación y no explicaciones comprobadas por este análisis. Además, los resultados describen asociaciones en la muestra y no permiten establecer causalidad.

Tabla 3. Síntesis de las asociaciones estimadas
Variable Modelo simple Modelo múltiple Interpretación
Ingresos (por millón de COP) -0,02297*** -0,02134*** Mayores ingresos se asocian con una mejor percepción de salud
No afiliado/a (ref.: afiliado/a) — -0,02203* Diferencia pequeña frente a las personas afiliadas
Edad (por año) — 0,00870*** Mayor edad se asocia con una percepción menos favorable
R² 0,0075 0,0648 El modelo múltiple explica una mayor proporción de la variación

Diagnosticar antes de concluir

El modelo múltiple permite examinar la asociación entre los ingresos laborales, la afiliación al sistema de salud y la edad con la salud percibida. Sin embargo, antes de interpretar sus coeficientes, es necesario evaluar si los residuos presentan patrones que puedan afectar la validez de las inferencias estadísticas.

La verificación se realiza mediante gráficos y pruebas estadísticas complementarias. Ninguna prueba aislada garantiza que todos los supuestos se cumplan; por ello, los resultados se interpretarán conjuntamente y se identificarán las limitaciones que deban tenerse en cuenta al presentar las conclusiones

Linealidad: ¿los residuos muestran patrones?

  • La línea roja de tendencia muestra una pendiente descendente clara en lugar de mantenerse horizontal en cero, lo que evidencia un patrón sistemático y sugiere que el supuesto de linealidad no se cumple estrictamente.

Normalidad de los errores

Hipótesis de Shapiro-Wilk

## 
##  Shapiro-Wilk normality test
## 
## data:  residuos_muestra
## W = 0.89768, p-value < 2.2e-16
  • Tanto la evidencia gráfica (el gráfico Q-Q se aleja notablemente de la línea diagonal teórica y el histograma muestra picos escalonados) como la prueba numérica de Shapiro-Wilk (p<2.2×10−16) rechazan rotundamente la normalidad de los errores.

Homocedasticidad: ¿la dispersión es constante?

## 
##  studentized Breusch-Pagan test
## 
## data:  modelo_multiple
## BP = 1838, df = 3, p-value < 2.2e-16
  • Breusch-Pagan (\(p<0{,}001\)) aporta evidencia de varianza no constante. Por ello, conviene revisar los errores estándar y los valores p con errores estándar robustos.

Independencia ¿hay patrones en el orden de las observaciones?

## 
##  Durbin-Watson test
## 
## data:  modelo_multiple
## DW = 1.5819, p-value < 2.2e-16
## alternative hypothesis: true autocorrelation is greater than 0
  • Durbin-Watson detecta autocorrelación positiva según el orden actual de las filas, pero eso no demuestra dependencia temporal: los datos son transversales y el orden de los registros puede ser arbitrario. Además, puede haber correlación entre personas del mismo hogar.

Multicolinealidad ¿los predictores están demasiado relacionados?

## ingresos_millones  afiliacion_salud              edad 
##          1.001371          1.003935          1.004046
  • Los VIF cercanos a 1 indican que no hay señales de multicolinealidad problemática entre los predictores incluidos. No significa que las variables sean completamente independientes entre sí.

Casos atípicos e influyentes

  • Los gráficos señalan de forma clara observaciones específicas que actúan como puntos influyentes o atípicos extremos (por ejemplo, las observaciones 77946, 24844 y 68000).

¿Qué puede mejorarse?

¿Qué parte de la inferencia puede verse afectada?

  • Los errores estándar y los pp-valores (Inferencia estadística): Debido a la heteroscedasticidad, los errores estándar calculados por el modelo clásico están sesgados. Esto significa que las pruebas de significancia individual (valores tt y pp-valores) pueden no ser confiables, llevando potencialmente a conclusiones erróneas sobre la significancia estadística de los predictores.

  • La precisión de los coeficientes: La presencia de puntos de alta influencia (identificados en la distancia de Cook) puede arrastrar o distorsionar la pendiente de la línea de regresión, haciendo que los coeficientes estimados reflejen desproporcionadamente a un grupo muy reducido de observaciones extremas en lugar de la tendencia general de la población ocupada.

¿Qué decisión razonable tomaría?

Ante este diagnóstico y teniendo en cuenta que no se busca un modelo perfecto sino un ejercicio analítico riguroso, la decisión más sensata y defendible desde el punto de vista metodológico combina dos acciones clave:

  1. Revisar la especificación y limitar las conclusiones: Reconocer de manera transparente que hay limitaciones estructurales evidentes debido a la naturaleza de la variable dependiente y al incumplimiento de la homocedasticidad y la normalidad. Por lo tanto, las conclusiones deben limitarse a un carácter exploratorio y descriptivo-asociativo, aclarando que los resultados sugieren tendencias generales pero que se beneficiarían en el futuro de técnicas especializadas (como modelos de regresión ordinal).

  2. Aplicar un análisis de sensibilidad frente a los casos atípicos: Una decisión razonable consiste en documentar la presencia de las observaciones extremas (como la 77946) y realizar un análisis de sensibilidad (es decir, verificar brevemente si el signo o la magnitud de los coeficientes cambian de forma drástica al incluir o excluir dichos puntos). Si los resultados globales se mantienen estables, se fortalece la validez del análisis a pesar de los valores atípicos; si cambian, se discute el peso de la heterogeneidad del mercado laboral colombiano en los extremos de ingreso.

¿Qué dijeron los datos sobre la percepción de salud?

El análisis de la ECV 2025 permitió explorar la asociación entre los ingresos laborales, la afiliación al sistema de salud y la salud general percibida de la población ocupada mayor de 18 años incluida en la muestra. Los resultados muestran una asociación estadísticamente significativa entre los ingresos y la salud percibida. En el modelo simple, un aumento de un millón de pesos en los ingresos mensuales se relacionó con una disminución de 0,023 puntos en la escala de salud, donde los valores más altos representan una peor percepción. Al incorporar la edad y la afiliación al modelo, esta asociación se mantuvo, con un coeficiente de −0,021 puntos. Sin embargo, el modelo simple explicó apenas el 0,75 % de la variación observada, mientras que el modelo múltiple alcanzó un R² de 6,48 %. Esto indica que, aunque se identifican asociaciones, gran parte de las diferencias en la salud percibida no se explican mediante las variables incluidas.

La edad presentó una asociación positiva con la puntuación de salud: por cada año adicional, esta aumentó aproximadamente 0,009 puntos, manteniendo constantes los demás predictores. Por su parte, la falta de afiliación se asoció con una puntuación ligeramente menor que la de las personas afiliadas. Esta diferencia fue estadísticamente significativa, pero pequeña, por lo que no permite concluir que carecer de afiliación favorezca la salud.

Los diagnósticos identificaron heterocedasticidad, desviaciones de la normalidad de los residuos y posibles observaciones influyentes. Además, la naturaleza ordinal de la variable dependiente limita la adecuación de la regresión lineal. Estas condiciones aconsejan interpretar los resultados con cautela y revisar la inferencia mediante errores estándar robustos.

Entre las principales limitaciones se encuentran el uso de una aproximación lineal para una variable ordinal y la posible falta de representatividad poblacional de las estimaciones al no incorporar el diseño muestral de la encuesta. Asimismo, los ingresos laborales se construyeron a partir de variables con criterios de medición diferentes. Como extensión, se propone estimar un modelo de regresión logística ordinal, incorporar los factores de expansión y las características del diseño muestral, y realizar un análisis de sensibilidad frente a las observaciones influyentes. En conjunto, los hallazgos describen asociaciones en la muestra analizada, pero no permiten establecer relaciones causales.

Alcances y limitaciones

Este análisis presenta tres limitaciones principales:

Primero, la regresión lineal se utilizó para estudiar una variable de salud percibida de naturaleza ordinal, por lo que sería conveniente contrastar los resultados con un modelo de regresión logística ordinal.

Segundo, las pruebas de diagnóstico identificaron heterocedasticidad, desviaciones de la normalidad de los residuos y observaciones potencialmente influyentes, aspectos que requieren cautela al interpretar la significancia estadística.

Finalmente, las variables incluidas explican una proporción limitada de la variación en la salud percibida y no incorporan otras dimensiones sociales relevantes, como las condiciones laborales, el nivel educativo o la presencia de enfermedades. Además, al no incorporar el diseño muestral de la ECV, los resultados deben interpretarse como asociaciones observadas en la muestra analizada, sin generalizarlos automáticamente a toda la población colombiana.