Contexto y relevancia de la pregunta

La pandemia y confinamiento ha traído una serie de consecuencias y efectos colaterales que valen la pena analizar, entre estos está el sedentarismo y la reducción de la actividad física. Estos dos fenómenos por sí solos atentan significativamente en la salud de las personas,y a esto sumarle el aumento de la ingesta de comida chatarra producto de la comida delivery incrementan las posibilidades de contraer algún tipo de diabetes. Según la “Encuesta de consumo de alimentos y ansiedad durante la cuarentena por Covid-19 en Iberoamérica”, indica que 44% de los chilenos subieron de peso, mientras que la encuesta nacional de la actividad física y deporte sostiene que 81% de los chilenos es inactivo físicamente. Dado la anterior nos surgio la siguente duda sobre que tanta relacion tiene el ingreso y la cantidad de tiempo que uno le puede dedicar al deporte, evaluando esto en un contexto pre pandemico. A partir de la Encuesta Nacional de Hábitos de actividad física y deporte en la poblacion chilena igual o mayor de 18 años que se hizo en 2015, tenemos pensado llevar a cabo una investigación sobre lo anteriomente planteado ocupando las herramientas que nos brinda r studio.

Elección de la Pregunta

Dado lo anterior, queremos llevar a cabo un análisis que contenga la relación del tiempo que dispone a la actividad fisica con el ingreso percibido del individuo.

Base de datos

Encuesta Nacional de Hábitos de actividad física y deporte en la poblacion chilena igual o mayor de 18 años (ENHAD2015)

Graficos

Para comenzar el análisis encontramos pertinente poder representar los datos a partir de los gráficos que nos brinda la herramienta de gg plot, en este caso para hacer una visualización del ingreso promedio y los minutos semanales que destinan a la actividad física los individuos por región.

Las regiones que perciben mayores ingreso promedio por habitantes son la Region Metropolitana y la region de Magallanes.

Lo que podemos concluir a partir del grafico anterior es que regiones como la de Antofagasta (02) y El Maule (07) son las que en promedio destinan mas minutos semanales a la actividad fisica.

Mapas

Con leaflet podemos hacer el mismo analisis de antes pero a traves una visualizacion geografica

ingreso_geo<- enhadcomunas[!duplicated(codigo_region), .(codigo_region,geometry, ingreso)]
ingreso_geo<- st_sf(ingreso_geo)
pal <- colorNumeric(    # definimos la paleta de colores
  palette = "YlOrBr",
  domain = ingreso_geo$ingreso
)
mapa_ingreso <- leaflet() %>% 
  addProviderTiles(providers$CartoDB.Positron) %>% 
  addPolygons(data = ingreso_geo,
              fillColor = ~pal(ingreso),
              color = "#b2aeae",  
              fillOpacity = 1, 
              smoothFactor = 0.2,
              weight = 0.8) %>%   
  addLegend(pal = pal, 
            values = ingreso_geo$ingreso,
            position = "bottomright",
            title = "Ingreso Promedio") %>% 
  addScaleBar(position = "topright")

Regresión

Para poder determinar la relación que tiene los minutos destinados a la actividad fisica y el nivel de ingresos percibido por el individuo, resolvimos responder esto a traves de la herramienta de regresón que nos brinda r. En esta optamos por establecer como nuestra variable dependiente el ingreso y la variable explicativa el ingreso

term estimate std_error statistic p_value lower_ci upper_ci
intercept 711.309 5.649 125.921 0.000 700.237 722.381
P61 0.000 0.000 -1.624 0.104 0.000 0.000

Tomando en cuenta los valores anteriores, podemos sacar diversas conclusiones en torno a los diferentes parámetros; - RSE; El promedio de la predicción del valor, se aleja tantas unidades del verdadero valor de la ecuación. - En torno a los coeficientes de regresión; B1 significa básicamente que por cada año que se aumenta en la edad, aumentarán los minutos de actividad física en las personas, generalmente. - Por otro lado, los diversos parámetros que se nos presentan están correlacionados con básicamente la media de los ingresos comunales con los minutos practicados por cada individuo según su tiempo libre. Esto nos lleva a interpretar que, si bien hay una media, en donde se encuentra la moda, hay una gran diferencia en los extremos comunales, en torno a sus ingresos y el tiempo.

Para profundizar este análisis, decidimos agregar a la regresión anterior las variables de SEXO y EDAD para ver si es que son relevantes para la investigación.

term estimate std_error statistic p_value lower_ci upper_ci
intercept 587.681 18.332 32.057 0.000 551.750 623.613
P61 0.000 0.000 -0.018 0.985 0.000 0.000
SEXO 10.855 8.350 1.300 0.194 -5.512 27.222
EDAD 2.313 0.256 9.022 0.000 1.810 2.815

6. Conclusion

Para concluir la investigación realizada sobre la relación de tiempo que existe en las personas para dedicar exclusivamente a la actividad física según la región en la que reside, se pueden ver diferencias significativas. Podemos especular que las personas que viven en comunas donde hay menos ingresos, deben destinar parte de sus fines de semana, o “tiempo libre” para así sustentar sus hogares. Si bien en las comunas en que hay ingresos superiores también se destina tiempo a las actividades laborales, hay un mayor espacio que se destina a las actividades físicas. Pero a partir de esta investigación no pudimos concluir muchas cosas, al parecer el ingreso es un parámetro no tan significativo para estudiar la actividad física. Estos datos fueron recopilados por la ENHAD haciendo una aproximación a la realidad de las personas en el país. Por otro lado, cabe recalcar que, si bien hay una diferencia significativa entre los dos extremos de ingresos regionales, también existen varias regiones que perciben ingresos similares.