Antes de iniciar, nos aseguramos de haber instalado las librerías necesarias.

library(tidyverse)
library(summarytools)

En caso de no tenerlas, instalamos las librerías copiando y pegando el siguiente código en la consola.

# install.packages("tidyverse")
# install.packages("summarytools")

Luego podemos comenzar con el análisis de datos. Para ello, crear un nuevo script con el nombre de analisisBivar y copiar y ejecutar cada uno de los códigos R detallados más adelante.

1 Lectura de datos.

Leemos los datos desde SPSS con la librería haven y utilizando el enlace hacia los datos:

library(haven)
enlace<-"http://portal.susalud.gob.pe/wp-content/uploads/archivo/base-de-datos/2015/CUESTIONARIO%2002%20-%20CAPITULOS.sav"
datossalud = read_sav(enlace)

2 Exploración básica.

Exploramos variables que interesan en el análisis. La función attr muestra detalles de las variables.

Observaremos la variable C2P1: profesi?n

head(datossalud$C2P1)

## <labelled<double>[6]>: ¿CUÁL ES SU PROFESIÓN?
## [1] 2 2 2 2 2 1
## 
## Labels:
##  value       label
##      1      Médico
##      2 Enfermero/a

Variable C2P4: sexo.

head(datossalud$C2P4)

## <labelled<double>[6]>: SEXO
## [1] 2 2 2 2 2 1
## 
## Labels:
##  value  label
##      1 Hombre
##      2  Mujer

Variable C2P2EDAD: Tipo de contrato.

head(datossalud$C2P2EDAD)

## [1] 40 42 27 31 38 67

Seleccionamos los datos de los médicos y además solo las variables de interés con el siguiente código:

datostemp <- datossalud[,c("C2P1","C2P4","C2P2EDAD")]
names(datostemp) = c("profesion","sexo","edad")
datos <- datostemp[datostemp$profesion==1,]

Y finalmente observamos los datos:

head(datos)

profesion	sexo	edad
1	1	67
1	1	54
1	2	35
1	1	43
1	1	38
1	1	46

3 Exploración univariada.

Ahora, realizamos el análisis de las variables de interés: Sexo y Edad

Para la variable sexo realizamos una tabla de frecuencias y observamos los resultados.

tabla_sexo  = table(datos$sexo)
tabla_sexo

## 
##    1    2 
## 1657  562

La variable cuantitativa edad se analiza utilizando medidas de posición central, dispersión y además con un histograma.

summary(datos$edad)

##    Min. 1st Qu.  Median    Mean 3rd Qu.    Max. 
##   24.00   37.00   46.00   46.45   56.00   88.00

sd(datos$edad)

## [1] 11.38578

# Coeficiente de variaci?n.
cv = sd(datos$edad)/mean(datos$edad)

library(summarytools)
histo<- hist(datos$edad, 
            main="Histograma de las edades", 
            color='yellow')

cortes <- histo$breaks # Cortes para la variable a partir del histograma
var_cat <- cut(datos$edad,cortes) # categorizada
freq(var_cat) # Tabla de frecuencias

## Frequencies  
## var_cat  
## Type: Factor  
## 
##                 Freq   % Valid   % Valid Cum.   % Total   % Total Cum.
## ------------- ------ --------- -------------- --------- --------------
##       (20,25]      2     0.090          0.090     0.090          0.090
##       (25,30]    173     7.796          7.886     7.796          7.886
##       (30,35]    309    13.925         21.812    13.925         21.812
##       (35,40]    300    13.520         35.331    13.520         35.331
##       (40,45]    291    13.114         48.445    13.114         48.445
##       (45,50]    291    13.114         61.559    13.114         61.559
##       (50,55]    260    11.717         73.276    11.717         73.276
##       (55,60]    301    13.565         86.841    13.565         86.841
##       (60,65]    213     9.599         96.440     9.599         96.440
##       (65,70]     66     2.974         99.414     2.974         99.414
##       (70,75]      7     0.315         99.730     0.315         99.730
##       (75,80]      2     0.090         99.820     0.090         99.820
##       (80,85]      3     0.135         99.955     0.135         99.955
##       (85,90]      1     0.045        100.000     0.045        100.000
##          <NA>      0                              0.000        100.000
##         Total   2219   100.000        100.000   100.000        100.000

4 Análisis bivariado.

4.1 Exploración

Comenzamos observando las diferencias entre los dos grupos: hombres y mujeres Podemos utilizar histogramas o boxplots para observar las diferencias.

Con histogramas:

config_grafico <- par(mfrow=c(1,2))
hist(datos$edad[datos$sexo==1],
     prob=T,xlab="Edad (años)",ylab="Densidad",
     main="Hombres",xlim=c(20,90),ylim=c(0,0.04))
hist(datos$edad[datos$sexo==2],
     prob=T,xlab="Edad (a?os)",ylab="Densidad",
     main="Mujeres",xlim=c(20,90))

par(config_grafico)

O utilizando boxplots:

boxplot(edad~sexo,
        datos,
        xlab="Sexo",
        ylab="Edad (a?os)", 
        xaxt="n")
axis(1, at=1:2,
     labels=c("Hombre","Mujer"))

¿Qué observo en estos resultados?

¿Quién tiene mayor edad?
¿Quién tiene mayor dispersión en sus datos?

Para una comparación cuantitativa, veremos los siguientes resultados con las medidas de resumen:

by(datos$edad,datos$sexo,summary)

## datos$sexo: 1
##    Min. 1st Qu.  Median    Mean 3rd Qu.    Max. 
##   24.00   38.00   48.00   47.77   57.00   88.00 
## ------------------------------------------------------------ 
## datos$sexo: 2
##    Min. 1st Qu.  Median    Mean 3rd Qu.    Max. 
##   25.00   34.00   40.00   42.56   51.00   68.00

by(datos$edad,datos$sexo,sd)

## datos$sexo: 1
## [1] 11.2988
## ------------------------------------------------------------ 
## datos$sexo: 2
## [1] 10.74499

¿Qué conclusiones obtiene a partir de este análisis?

4.2 Prueba de hipótesis.

Evaluamos ahora si existe o no asociación entre el sexo y la edad mediante una prueba de hipótesis.

Realizamos esta prueba utilizando la prueba t.test.

Las hipótesis que estamos utilizando para esta prueba son las siguientes:

\(H_0:\) La edad promedio es la misma entre hombre y mujeres.
\(H_1:\) La edad promedio es diferente entre hombre y mujeres.

t.test(edad~sexo,datos)

## 
##  Welch Two Sample t-test
## 
## data:  edad by sexo
## t = 9.7861, df = 1012.4, p-value < 2.2e-16
## alternative hypothesis: true difference in means is not equal to 0
## 95 percent confidence interval:
##  4.158236 6.244127
## sample estimates:
## mean in group 1 mean in group 2 
##        47.76524        42.56406

Observamos el p-valor y concluimos:

A un 5% de significación, concluimos que existe evidencia de una diferencia estadisticamente significativa entre las edades de hombre y mujeres médicos.

5 Ejercicio

Crear un nuevo script, copiar el código y cambiar la profesión para realizar un análisis de la asociación entre el sexo y las edades de los enfermeros(as).
Crear un reporte con sus resultados y conclusiones. Sus conclusiones deben responder las siguientes preguntas:

¿Son diferentes las edades entre hombre y mujeres para el grupo de enfermeros? (Observar y comparar boxplots)
¿Qué grupo tiene mayor edad? (Comparar medidas de posición central)
¿Qué grupo tiene mayor dispersión de edades? (Comparar medidas de dispersión)
¿Existe evidencia entre una relación entre el sexo y la edad en el grupo de enfermeros? (Realizar prueba de hipótesis y concluir)

Análisis bivariado: Cualitativa vs. Cuantitativa

JULIO CHAVEZ

10 de mayo del 2021