Actividad 1 - Datos RotaciĆ³n

La siguiente actividad corresponde a una compaƱƭa que presenta una situaciĆ³n de alta rotaciĆ³n (personas que se retiran de manera voluntaria de la compaƱƭa) en algunos empleados. La actividad consiste en por medio de la exploraciĆ³n de una base de datos en la cual se identifican posibles factores que se relacionan con la rotaciĆ³n tales como salario, carga laboral entre otros. Se pretende que el estudiante realice una descripciĆ³n de la base, luego relaciones entre factores previamente identificados con la rotaciĆ³n y finalmente con estos factores proponer una estrategia de retenciĆ³n para mejorar las cifras de rotaciĆ³n.

Las variables que se priorizaron son:

. El ingreso mensual: . Los viajes de negocio:

library(readxl)
datos = read_excel("~/Desktop/Datos_RotacioĢn.xlsx")
head(datos,3)
## # A tibble: 3 x 24
##   RotaciĆ³n  Edad `Viaje de Negocios` Departamento Distancia_Casa EducaciĆ³n
##   <chr>    <dbl> <chr>               <chr>                 <dbl>     <dbl>
## 1 Si          41 Raramente           Ventas                    1         2
## 2 No          49 Frecuentemente      IyD                       8         1
## 3 Si          37 Raramente           IyD                       2         2
## # ā€¦ with 18 more variables: Campo_EducaciĆ³n <chr>,
## #   SatisfacciĆ³n_Ambiental <dbl>, Genero <chr>, Cargo <chr>,
## #   SatisfaciĆ³n_Laboral <dbl>, Estado_Civil <chr>, Ingreso_Mensual <dbl>,
## #   Trabajos_Anteriores <dbl>, Horas_Extra <chr>,
## #   Porcentaje_aumento_salarial <dbl>, Rendimiento_Laboral <dbl>,
## #   AƱos_Experiencia <dbl>, Capacitaciones <dbl>,
## #   Equilibrio_Trabajo_Vida <dbl>, AntigĆ¼edad <dbl>, AntigĆ¼edad_Cargo <dbl>,
## #   AƱos_ultima_promociĆ³n <dbl>, AƱos_acargo_con_mismo_jefe <dbl>

Vamos a realizar una exploraciĆ³n univariada de datos:

require(ggplot2)
## Loading required package: ggplot2
require(ggpubr)
## Loading required package: ggpubr
g1=ggplot(datos,aes(x=Edad))+geom_histogram()+theme_bw()
g2=ggplot(datos,aes(x=`Viaje de Negocios`))+geom_bar()+theme_bw()
ggarrange(g1, g2,labels = c("A", "B"),ncol = 2, nrow = 1)
## `stat_bin()` using `bins = 30`. Pick better value with `binwidth`.

datos$Edad_grupo=cut(datos$Edad,breaks = c(0,30,40,50,60))

require(table1)
## Loading required package: table1
## 
## Attaching package: 'table1'
## The following objects are masked from 'package:base':
## 
##     units, units<-
y <- table1::table1(~ Edad+`Viaje de Negocios`+Estado_Civil+Ingreso_Mensual+Genero | RotaciĆ³n, data = datos)
y
No
(N=1233)		 Si
(N=237)		 Overall
(N=1470)
Edad
Mean (SD) 37.6 (8.89) 33.6 (9.69) 36.9 (9.14)
Median [Min, Max] 36.0 [18.0, 60.0] 32.0 [18.0, 58.0] 36.0 [18.0, 60.0]
Viaje de Negocios
Frecuentemente 208 (16.9%) 69 (29.1%) 277 (18.8%)
No_Viaja 138 (11.2%) 12 (5.1%) 150 (10.2%)
Raramente 887 (71.9%) 156 (65.8%) 1043 (71.0%)
Estado_Civil
Casado 589 (47.8%) 84 (35.4%) 673 (45.8%)
Divorciado 294 (23.8%) 33 (13.9%) 327 (22.2%)
Soltero 350 (28.4%) 120 (50.6%) 470 (32.0%)
Ingreso_Mensual
Mean (SD) 6830 (4820) 4790 (3640) 6500 (4710)
Median [Min, Max] 5200 [1050, 20000] 3200 [1010, 19900] 4920 [1010, 20000]
Genero
F 501 (40.6%) 87 (36.7%) 588 (40.0%)
M 732 (59.4%) 150 (63.3%) 882 (60.0%) 
#es cuanti
t.test(datos$Edad~datos$RotaciĆ³n)
## 
##  Welch Two Sample t-test
## 
## data:  datos$Edad by datos$RotaciĆ³n
## t = 5.828, df = 316.93, p-value = 1.38e-08
## alternative hypothesis: true difference in means is not equal to 0
## 95 percent confidence interval:
##  2.618930 5.288346
## sample estimates:
## mean in group No mean in group Si 
##         37.56123         33.60759
#es cuali
require(CGPfunctions)
## Loading required package: CGPfunctions
## Registered S3 methods overwritten by 'parameters':
##   method                           from      
##   as.double.parameters_kurtosis    datawizard
##   as.double.parameters_skewness    datawizard
##   as.double.parameters_smoothness  datawizard
##   as.numeric.parameters_kurtosis   datawizard
##   as.numeric.parameters_skewness   datawizard
##   as.numeric.parameters_smoothness datawizard
##   ci.blavaan                       bayestestR
##   print.parameters_distribution    datawizard
##   print.parameters_kurtosis        datawizard
##   print.parameters_skewness        datawizard
##   summary.parameters_kurtosis      datawizard
##   summary.parameters_skewness      datawizard
## Registered S3 methods overwritten by 'lme4':
##   method                          from
##   cooks.distance.influence.merMod car 
##   influence.merMod                car 
##   dfbeta.influence.merMod         car 
##   dfbetas.influence.merMod        car
PlotXTabs2(data = datos,x = Edad_grupo,y = RotaciĆ³n)

PlotXTabs2(data = datos,x = Estado_Civil,y = RotaciĆ³n)

PlotXTabs2(data = datos,x = Genero,y = RotaciĆ³n)