Participación laboral de la mujer

Guía del Trabajo Práctico N°3

Título del Trabajo: Participación laboral de la mujer

Profesor: Mauricio Gallardo

Ayudantes: Consuelo Torres, Guillermo Peralta, Matías Cotroneo

Integrantes: Martín Arriagada- Nicolás Sáez.

1. Usando la función “pairs.panels()“, genere un gráfico de panel con todas las variables explicativas del modelo discriminante, coloreando los puntos en el gráfico de puntos en colores diferentes según las categorías de la variable de agrupación. Interprete los resultados.[pic 1][pic 2]

En este gráfico se representa las variables explicativas del modelo discriminante, donde la diagonal principal incorpora los histogramas de cada una de las variables explicativas.

• La matriz triangular superior contiene, las correlaciones y los asteriscos muestran que son significativas a 95 y 99 % de confianza
• Los histogramas contienen las curvas de distribuciones de los datos, las cuales son distintas entre las variables analizadas.
• La matriz inferior contiene los diagramas de punto por pares de las variables con los con las elipses de confianza y los centroides de información.

Con respecto a las variables edad y escolaridad de la mujer tienen correlación negativa, al igual que adultos con menores y menores con edad entre otras.

La aproximación en el espacio p-dimensional se limitan a un subespacio de menos dimensiones conformado por las combinaciones lineales de los predictores que explican de mejor manera la separación de las clases, después de que se halla las combinaciones por medio de un análisis de variables explicativas del modelo discriminante se clasifican en subespacios según correspondan, y estos pueden ser lo siguientes: desarrollo alto, desarrollo medio y desarrollo bajo.

1. Usando la función “scatterplotMatrix()“, genere un gráfico-matriz de comparación de distribuciones de todas las variables explicativas del modelo discriminante por pares según las categorías de la variable de agrupación. Interprete los resultados.[pic 3]

La matriz scatterplot es un gráfico de panel como el del problema 1, pero este agrupado por variables. Se puede observar en la diagonal principal a las distribuciones por grupo a través de un gráfico de densidad, el cual muestra cómo se separarán los grupos para cada variable.

Por otra parte, se observa “esc_marido” tiene menor área en común al igual que las demás variables en su distribución.

Cada línea del gráfico de densidad cuenta con un color, “participa” de color rosado y “no participa” de color azul. En la parte superior e inferior de gráfico se observan los datos representados por círculos y triángulos con colores, identificando así los valores de la variable “participa” por los triángulos rosados y los datos de la variable “no participa” por círculos de color azul.

La regresión lineal se ve identificada por su color y una línea recta, en el caos de ambos grupos, lo que permite ver como se relacionan las variables en cada grupo en diferentes pendientes y constantes.

1. Usando la función “scatterplot3d ()”, genere un gráfico en tres dimensiones para las tres categorías de desarrollo con las variables: edad, esc, ing_marido. Interprete los resultados. Ayuda: el gráfico no le resultará si no convierte previamente en factor la variable de agrupamiento.[pic 4]

En la siguiente imagen se representa un gráfico en 3D el cual se conforma de 3 partes, ingresos del marido, edad y escolaridad de la mujer en base a estas 3 categorías se compone el gráfico. se puede identificar 2 variables participa y no participa, las cuales no se encuentran dispersas en el gráfico, por lo que las variables no logran separarse y se repite la dispersión, en este caso en la base que es edad. Al estar poco separadas se concluye que no son variables discriminantes.

En aspecto más generales se interpreta que los círculos azules predominan en el área superior derecha del gráfico, mientras que los círculos rojos predominan en el área inferior izquierda de él.

1. Estime un modelo discriminante lineal de Fisher con toda la muestra. Interprete los resultados.

[pic 5]

Este modelo es utilizado para encontrar una combinación lineal de rasgos que caractericen o diferencien el modelo de otros similares.

La primera parte titulada Prior probabilidades de los grupos, muestra probabilidades previas de las variables “No participa” y “Participa”. Estas probabilidades se ven representadas numéricamente por las frecuencias relativas iniciales de cada grupo. Tomando como base a la participación laboral de las mujeres, Estos datos informan que existe un predominio de la variable “No participa” y por lo tanto una mayor probabilidad o prevalencia de que existan mujeres que no tengan participación en algún trabajo remunerado.

La segunda parte Media de grupo, Muestra las medias de cada variable de discriminación dentro de sus respectivos grupos. Si analizamos una a una podemos notar las siguientes características:

• Edad: el promedio en ambos grupos es de 39 años aproximadamente, por tanto, no existe una diferencia significativa entre los grupos.

• Esc: Se evidencia una diferencia importante en los años de escolaridad entre las mujeres que tiene una participación laboral y las que no, además se puede afirmar que las mujeres con trabajo remunerado suelen tener más años de estudio.

• Esc_marid: Podemos observar una diferencia media entre los grupos, donde podemos dilucidar que las mujeres que participan laboralmente tienen mayor probabilidad de tener un marido con escolaridad completa.

• Ing_marido: Se observa una diferencia de carácter importante entre los grupos. Predominando la opción de que, las mujeres que participan en el mercado laboral tienden a tener mayor probabilidad de tener esposos con ingresos más altos en comparación a mujeres que no participan.

• Adultos: en este punto la diferencia entre los grupos es muy reducida, por lo tanto, ambos tienen prácticamente el mismo valor del promedio de adultos.

• Menores: En tanto las mujeres que tienen participación laboral como las que no. Tienen un promedio muy similar de cantidad de menores de edad dentro de sus hogares, en referencia a esto se puede afirmar que no hay diferencia significativa.

La tercera parte titulada Coeficientes de discriminantes lineales: Representa el vector propio que se asocia con el valor propio más alto de la matriz inversa de correlación intra-grupos con la matriz de correlación de entre grupos que se crea en base a las dos variables principales con las variables internas correspondientes de cada grupo.  

...