Tí ol: Anàlisi dels iscos psicosocials al eball i el seu
e ec e sob e la salu
Au o : Aniol Ga iga Reixach
Di ec o : Da id Mo iña Sole
Depa amen : Economia, Es adís ica i Economia Aplicada
Con oca ò ia: Gene 2022
:
G au en Es adís ica
RESUM
Aques és un es udi de la segona enques a ca alana de les condicions de eball
(II ECCT) eali zada l'any 2010. L'enques a es basa en el mè ode COPSOQ desen olupa
a Dinama ca l'any 2000.
En el eball, es busca, pe una banda, con i ma que les dades obse ades
s'ajus en al model de dimensions eo i za , pe e -ho s'ha u ili za una anàlisi
ac o ial con i ma ò ia (CFA). Amb l'ajuda d'aques mè ode s'ha pogu con i ma el
model eo i za a pa i de les dades obse ades. També ha pe mès ob ia una qües ió
que no apo a a no a in o mació, ja que les espos es e en mol simila s a l'an e io .
D'al a banda, amb aques es udi es ol b inda una eina que ajudi a p edi quan
un indi idu po es a en isc de pa i una malal ia men al en unció al que hagi espos .
Pe e -ho s'ha aplica a les dades l'algo i me "Random o es " que p ediu quan un
indi idu es à en isc de pa i una malal ia de salu men al p àc icamen en un 75% dels
casos.
Pa aules clau:
Random o es , A b es de decisió/ eg essió, bagging, CFA, iscos psicosocials,
COPSOQ, Salu men al.
ABSTRACT
This is a s udy o he second Ca alan su ey on wo king condi ions (II ECCT)
ca ied ou in 2010. The su ey is based on he COPSOQ me hod de eloped in
Denma k in 2000.
The wo k seeks o con i m ha he obse ed da a con o m o he heo ized
model o dimensions, using a con i ma o y ac o analysis (CFA) o do so. Using his
me hod, i has been possible o con i m he heo ized model om he obse ed da a.
I also made i possible o igno e a ques ion ha did no p o ide new in o ma ion, as
he answe s we e e y simila o he p e ious one.
On he o he hand, his s udy aims o p o ide a ool o help p edic when an
indi idual may be a isk o men al illness depending on how has esponded. The
andom o es was he chosen algo i hm because apa om p edic i shows which
a iables helps o alida e he p edic ion. The esul s a e ha almos 75% o cases a e
well p edic ed.
Key wo ds:
Random Fo es , decision/ eg ession ees, bagging, CFA, psychosocial isks,
COPSOQ, men al heal h
CLASSIFICACIÓ AMS
• 62H25 Fac o analysis and p incipal componen s; co espondence analysis
• 62P25 Applica ions o s a is ics o social sciences
• 62H30 Classi ica ion and disc imina ion; clus e analysis (s a is ical aspec s)
• 91C20 Clus e ing in he social and beha io al sciences
Índex
1. In oducció ..................................................................................................... 4
1.1 Objec ius ................................................................................................. 5
1.2 Ag aïmen s .............................................................................................. 5
2. Mè odes ......................................................................................................... 6
2.1 Qües iona i ............................................................................................. 6
2.2 Va iables ................................................................................................. 8
2.3 Anàlisi ac o ial com i ma o i ............................................................... 10
2.4 Model p edic iu .................................................................................... 11
2.5 So wa e emplea ................................................................................. 12
3. Resul a s ....................................................................................................... 13
3.1 Desc ip i a bi a ian : ............................................................................ 13
3.2 Es udi del qües iona i ........................................................................... 17
3.2.1 Relació en e les qües ions ............................................................... 17
3.2.2 Anàlisi ac o ial con i ma o i ............................................................. 18
3.3 Model p edic iu .................................................................................... 22
3.3.1 Salu Men al ...................................................................................... 22
3.3.2 Salu au o pe cebuda ........................................................................ 23
3.3.3 Pe cepció de l’a ec e de la eina sob e la salu ................................. 25
4. Conclusions................................................................................................... 27
5. Bibliog a ia ................................................................................................... 29
6. Annex ............................................................................................................ 30
1. In oducció
Ac ualmen el mo o econòmic de Ca alunya cons a de més de 600 mil emp eses
que donen eina a ap oximadamen 3,5 milions de pe sones. S’ha a alua en di e ses
ocasions la compe i i i a d’aques es emp eses pe ò no és an comú es udia com són
les condicions d’aques es eines i com a ec en a la salu de les pe sones. (Idesca .
Demog a ia i Socie a , n.d.)
Aques e , o i que no és un p oblema que hagi apa egu en aques s momen s,
s’ha is e lec i de o ma cla a en aques s úl ims anys on, pe desg àcia i degu a la
pandèmia que pa im, mol es pe sones els han modi ica les se es condicions labo als.
Pe aques mo iu és de i al impo ància eni en comp e les condicions labo als de les
pe sones pe què a ec en a la salu men al de o hom.
Pe es udia -ho i en end e-ho cal sabe que s’en én pe Salu . El concep e de
salu és més ampli del que sembla a p ime a is a; du an la cons i ució de la OMS
l’any 1946 a la Con e ència In e nacional de Salu celeb ada a No a Yo k es de inia la
salu de l’indi idu com “Un es a de benes a ísic, men al i social, i no solamen
l’absència d’a eccions i malal ies”. (Wo ld Heal h O ganiza ion. Heal h De ini ion, n.d.)
Pe ac ua en conseqüència l’any 2000 es a c ea la me odologia COPSOQ pe a
la in es igació, la a aluació i la p e enció dels iscos psicosocials mi jançan una
enques a. La p ime a e sió a se c eada pe el “Na ional Resea ch Cen e o he
Wo king En i onmen ” de Dinama ca. Aques a ou aduïda i adap ada a la nos a
comuni a pe p ime cop l’any 2005 so a el nom de COPSOQ-Is as. Amb aques a
me odologia s’ha es a enques an una mos a de la població ac i a de Ca alunya cada
cinc anys. (Nübling M, 2013)
Els iscos psicosocials als que es à exposada la població ac i a es an desc i s pe
les següen s cinc dimensions; Doble P esencia (DP), que s’en én com la necessi a de
pensa en els p oblemes de la lla men e s’es à eballan ; Exigències psicològiques a
la eina (EPF), que comp en di e sos ipus d’exigencia que po eni una eina; Con ol
sob e la eina (CSF), és a di el con ol que e una pe sona sob e la eina que eali za;
Supo Social i Quali a del lide a ge (SSQL), com el p opi nom indica aques a dimensió
con empla la elació de l’indi idu amb el seu en o n pe sonal a la eina; inalmen ,
Compensacions pe la eina (CF), que ambé s’en en pel nom de la dimensió que en
aques cas s’explica quan la pe sona enques ada se sen alo ada i compensada pel
eball eali za . Cadascuna d’elles es a o mada pe di e en s ca ego ies que es an
ep esen ades al qües iona i pe es o menys p egun es. (Ins i u o Sindical del T abajo
Ambien e y Salud, 2010)

Recen men , en la ece ca de salu ocupacions, i mi jançan aques es enques es,
s’ ha demos a que l’exposició a ac o s de isc compo a p oblemes de salu ísica
com malal ies ca dio ascula s o p oblemes musculoesquelè ic. També es cons a en
p oblemes de salu men al com absen isme. Pe desg àcia, es udis mes conc e s
apun en la DP com una causa d’es és i al a de i ali a o que una al a exposició a les
EPF ajuden a pa i dep essió. (U ze e al., 2021)
1.1 Objec ius
P ime amen es busca co obo a que les dimensions es an cons uïdes segons el
model a p io i, alho a que es busca edui el nomb e de p egun es ja que en enques a
un indi idu es a da p àc icamen mi ja ho a conc e amen 27,4 minu s de mi jana.
Seguidamen es ol p opo ciona una eina amb la que a pa i d’aques a enques a es
pugui de ec a quan un indi idu es a exposa a un ipus conc e de isc social i pode
p edi si aques e un e ec e nega iu a la se a salu men al.
1.2 Ag aïmen s
P ime amen , és opo ú ag ai el u o d’aques p ojec e, Da id Mo iña Sole pe
o a l’ajuda p es ada du an o a la eali zació del eball. També es p ecís ag ai a la
Ma a F anch Pujol pe la co ecció g ama ical o og à ica i de o ma en la edacció
d’alguns apa a s.
2. Mè odes
L’enques a es a aplica a 3601 indi idus. To i així, pe al d’e i a biaix s’han
exclòs de l’anàlisi o s aquells indi idus que eballen de o ma au ònoma o ho an
sense con ac e. Així que la mos a amb la que eballa aques es udi és de 2566
pe sones.
2.1 Qües iona i
El qües iona i en el que es basa aques eball es a o gani za de la següen
mane a; la p ime a pa desc iu el pe il sociodemog à ic de l’indi idu. Seguidamen es
p egun a sob e el ipus de eina i les condicions que aques a compo a. Desp és
s’en a a la pa de les condicions ísiques de la eina amb les p egun es 28 29 i 30. Les
dimensions dels iscos psicosocials desc i es an e io men es an dis ibuïdes de la
següen o ma en e les p egun es 31 i 35 amb l’excepció de la doble p esencia que
deba amb les p egun es 64 i 65;
Subdimensio
P egun a
Opcions
de
espos a
Doble p esencia
Doble P esencia
(DP)
Quina pa del eball amilia i domès ic a os è?
(P64)
B
Si al a algun dia de casa, les eines domès iques que
eali za es queden sense e ? (P65A)
A
Quan és a l'emp esa, pensa en les eines domès iques
i amilia s? (P65B)
A
Hi ha momen s que necessi a ia se a l'emp esa i a
casa alho a? (P65C)
A
Exigències psicològiques a la eina
Exigències
psicològiques
quan i a i es
(EPF)
Ha de eballa mol de p essa (P31A)
A
La dis ibució de asques és i egula , cosa que
p o oca que se li acumuli la eina (P31B)
A
Té emps de po a la eina al dia (P31C)
A
in e ida
Exigències
emocionals (EE)
Li cos a oblida els p oblemes de la eina (P31D)
A
La se a eina, en gene al, desgas a emocionalmen
(P31E)
A
Exigència
d'amaga
La se a eina eque eix que amagui les se es
emocions (P31F)
A
emocions (EAE)
Con ol sob e la eina
In luencia (In)
Té in luència sob e la quan i a de eball que se li
assigna (P32A)
A
Es é en comp e la se a opinió quan se li assignen les
asques (P32B)
A
Té in luència sob e l’o d e en què eali za les eines
(P32C)
A
Possibili a s de
desen olupamen
al eball (PDT)
La se a eina eque eix que ingui inicia i a (P32F)
A
La se a eina pe me que ap engui coses no es (P32G)
A
Con ol del
emps (CdT)
Po decidi quan a un descans (P32D)
A
Si é algun assump e pe sonal o amilia , po deixa el
seu lloc de eball almenys una ho a, sense ha e de
demana un pe mís especia (P32E)
A
Sen i de la eina
(SF)
Se sen comp omès amb la se a p o essió (P32H)
A
Tenen sen i les se es eines (P32I)
A
In eg ació en
l'emp esa (IE)
Pa la amb en usiasme de la se a emp esa a al es
pe sones (P32J)
A
Supo social i quali a del lide a ge
P e isibili a
(P e)
A la se a emp esa, se li in o ma amb p ou an elació
dels can is que poden a ec a el seu u u ? (P34C)
A
Rep o a la in o mació que necessi a pe e bé la se a
eina? (P34D)
A
Cla eda de ol
(CR)
Sap exac amen quin ma ge d’au onomia é a la se a
eina? (P34A)
A
Sap exac amen quines asques són esponsabili a
se a? (P34B)
A
Quali a del
lide a ge (QL)
Els seus/les se es caps immedia s plani iquen bé la
eina? (P34I)
A
Els seus/les se es caps immedia s es comuniquen bé
amb els eballado s i eballado es? (P34J)
A
Supo social a la
eina (SSF)
Rep aju i supo de les se es companyes o companys?
(P34E)
A
Rep aju i supo del seu supe io immedia /a? (P34F)
A
Possibili a s de
elació social
(PRS)
El seu lloc de eball es oba aïlla dels seus
companys/es? (P34G)
A
in e ida
Sen imen de
G up (SG)
A la eina, sen que o ma pa d’un g up? (P34H)
A
Compensacions a la eina
Insegu e a a la
eina (IF)
Com se ia de di ícil oba una al a eina en el cas que
es quedés a l’a u (P33A)
A
Si li can ien les asques con a la se a olun a (P33B)
A
Si li can ien l’ho a i ( o n, dies de la se mana, ho es
d’en ada i so ida) con a la se a olun a (P33C)
A
Si li a ien el sala i (que no l’ac uali zin, que l’abaixin,
que in odueixin el sala i a iable, que paguin en
espècie, e c.) (P33D)
A
Es ima (Es )
Els seus supe io s li donen el econeixemen que
me eix? (P35A)
A
En les si uacions di ícils a la eina ep el supo
necessa i? (P35B)
A
A la eina el ac en injus amen . (P35C)
A
in e ida
Si pensa en o a la eina i l’es o ç que ha eali za , el
econeixemen que ep a la se a eina li sembla
adequa ? (P35D)
A
Taula 1. Qües ions que cons ueixen les dimensions de iscos psicosocials.
L’opció de espos a A codi ica amb els alo s de 0 a 4 les següen s espos es:
Semp e, Mol es egades, De egades, Només alguna egada, Mai.
L’opció de espos a A in e ida codi ica amb els ma eixos alo s que l’an e io
pe ò a la in e sa.
L’opció de espos a B ambé p en alo s de 0 a 4 pe les següen s espos es: Soc
el/la esponsable p incipal i aig la majo pa de les eines amilia s i domès iques, Faig
ap oximadamen la mei a de les eines amilia s i domès iques, Faig més o menys una
qua a pa de les eines amilia s i domès iques, Només aig eines pun uals, No aig
cap d'aques es eines o gai ebé cap. (Moncada e al., 2005)
2.2 Va iables
Podem pa la de es ipus de a iables; les sociodemog à iques, que desc iuen
aspec es basics de l’indi idu; les dimensions de iscos psicosocials de les quals s’ha
pa la ja abans en aques es udi amb l’a egi de les condicions ambien als cons uïda a
pa i de les p egun es 28, 29 i 30; inalmen les a iables espos a que son es pe
una banda la salu men al de l’indi idu cons uïda amb la p egun a 44, la salu au o
pe cebuda del pacien que és la espos a a la p egun a 41 i inalmen la espos a a la
p egun a 42A que li demana a la pe sona enques ada si sen que la eina a ec a
di ec amen a la se a salu .
Les a iables sociodemog à iques es an cons uïdes de la ma eixa mane a que
p esen a el qües iona i hi ha més in o mació sob e les se es dis ibucions i alo s a
l’annex. Aques es son el sexe de l’indi idu, la se a eda , la nacionali a , el lloc de
Les di e encies més impo an s es oben en el con ol sob e el eball on les
pe sones amb nacionali a espanyola semblen les menys exposades.
Seguidamen es mos a el ma eix g à ic que els an e io s aques cop es a i ica
pe el sec o de eball.
Els alo s més ex ems es oben en els sec o s de anspo i ag icul u a pe ò cal
eni en comp e que son els sec o s amb menys ep esen ació pe la qual cosa les
dades poden no se o almen ep esen a i es.

Aques s dos g à ics mos en l’es a i icació a pa i del ipus de con ac e i la
du ada de la jo nada labo al espec i amen .
Cal eni en comp e al eu e aques s g à ics que la ep esen ació de pe sones
amb un con ac e empo al o que eballen a emps pa cial és mol in e io que les
al es espos es.
Finalmen l’ul ima aula mos a l’es a i icació pe sou.
És in e essan comp o a que el con ol que e un indi idu sob e el eball que
eali za augmen a amb el sou pe ò ambé implica més exigència.
3.2 Es udi del qües iona i
3.2.1 Relació en e les qües ions
Un dels objec iu d’aques eball és anali za la p òpia enques a, en conc e les
p egun es que ajuden a de ini les dimensions de iscos psicosocials. P ime amen s’ha
es udia la co elació en e aques es p egun es i comp o a així quines podien esul a
edundan s, alho a que ajuda a eu e si la cons ucció de les dimensions es co espon
amb la elació de les p egun es.
Abans de eu e conclusions d’aques g à ic cal eni en comp e que les
p egun es 31 i 33 pe al com es an o mulades donen una espos a in e sa a la es a
de p egun es, pe an no s’hau ia de eu e com la o mació de es dimensions sinó
que el e de que un indi idu pugui o no es a exposa a la isc de la doble p esencia no
es a co elaciona amb el e que aques ma eix indi idu pugui es a exposa a la es a
de iscos.
També podem eu e en el g à ic com les qües ions P65_2 i P65_3 es an
o amen co elacionades, el que ens po a a pensa que pod ien se edundan s. Les
dues p egun es de ineixen una pa dels iscos d’es a exposa a la doble p esencia.
3.2.2 Anàlisi ac o ial con i ma o i
Amb la in enció de con i ma la hipò esi plan ejada an e io men sob e la
edundància de les qües ions P65_2 i P65_3 o al es, s’aplica un anàlisi ac o ial
con i ma o i. L’es uc u a d’aques es a explicada en de all a la Taula 1, o i així cal
ema ca que és un model complex ja que inclou l’es udi de la o mació de les
dimensions a pa i de les subdimensions. Es udian ambé la o mació de les segones
amb cada qües ió.
Del g à ic an e io en des aca pe una banda com l’es ima (P35) i la insegu e a
(P33) desc iuen les compensacions a la eina de o ma in e sa. Això és àcil d’en end e
al eu e com es an plan ejades les qües ions de cada una de les p egun es ja que les
espos es espe ades són in e ses.
D’al a banda podem comp o a com les dues qües ions mencionades
an e io men , la P65_2 i P65_3, desc iuen mol conside ablemen la Doble p esencia.
Aques g à ic pe ò, dona una isio mol gene al de com és el model i quines
pa icula i a s p esen a, pe això s’ha es udia cada dimensió pe sepa a ;
3.2.2.1 Con ol sob e la eina
Tal com s’in ueix en el g à ic gene al aques a dimensió no p esen a cap ipus de
dada ala man i enin en comp e que el p- alo és p àc icamen nul, podem
co obo a que la cons ucció d’aques a dimensió s’adequa als alo s obse a s en la
mos a.
3.2.2.2 Exigències sob e la eina
En aques g à ic podem des aca l’al a co elació en la subdimensió, exigències
d’amaga emocions, o i així el p- alo de la cons ucció d’aques a dimensió igual que
en l’an e io ambé és p àc icamen nul pe la qual cosa pensem que les dades
obse ades co obo en el model eo i za .
3.2.2.3 Supo social i quali a del lide a ge
Igual que en els dos g à ics an e io s no hi ha cap alo que essal i i el p- alo
ambé es p àc icamen nul pe això les dades co obo en el model eo i za .
3.2.2.4 Compensacions a la eina
En aques cas al com s’ha comen a en el g à ic gene al eiem que la elació
en e les dues subdimensions és nega i a pe ò saben que es deu a la mane a com
es an e es les p egun es no és ala man ni a ec a als esul a s així que ambé posem
pensa que el model eo i za es a en aco d amb les dades obse ades.

3.2.2.5 Doble p esencia
En aques cas la doble p esencia es a explicada pe les dues qües ions que
ha ien p eocupa pe la co elació que enen. Veien doncs que la dimensió DP depèn
bàsicamen d’aques es dues s’ha decidi elimina la que menys pes é, la P65_3
(314,75).
Ome en les espos es de la qües ió edundan el model de iscos psicosocials
queda de la següen o ma.
És p àc icamen igual que el p ime amb la ma eixa elació nega i a en les
compensacions a la eina pe ò sense els dos alo s ex emadamen al s en la dimensió
de doble p esencia.
Pe la econs ucció de la a iable que indica quan un indi idu es a exposa a la
doble p esencia s’ha u ili za el ma eix mè ode que amb la es a de dimensions
explica an e io men , ome en les espos es a la qües ió P65_3 que com bé s’ha di
s’han conside a edundan s.
3.3 Model p edic iu
To i que el model p e eu el càlcul de l’”ou o bag e o ” s’ha sepa a el se de
dades en un 80% pe l’en enamen del mè ode i un 20% pe la pos e io a aluació.
En cada cas s’ha calcula un andom o es de 500 a b es amb es a iables pe
escolli en cada node i cap lími màxim de nodes inals. Ja que no hi ha e idencia
cien í ica que a ali que pe més a b es o més a iables de decisió es millo i la iabili a
de la p edicció.(Oshi o T.M., 2012)
Com s’ha explica an e io men el andom o es pe me eu e quin e ec e e
cada a iable en la p edicció de la espos a. En la següen aula es mos en les dues
mesu es que p opo ciona el model. La p ime a, “MeanDec easeAccu acy” indica com
dec eix l’exac i ud de la p edicció quan s’exclou la a iable en qües ió. La segona
mesu a “MeanDec easeGini” indica quin dec eixemen e la impu esa de Gini quan la
a iable s’u ili za pe di idi el node.
3.3.1 Salu Men al
La p ime a a iable a la que s’ha aplica el model és una a iable c eada com
s’explica a l’inici d’aques apa a a pa i de la p egun a 44. És una a iable dico òmica
que indica si l’indi idu es a en isc de pa i una malal ia men al.
G acies a aques a aula eiem com les a iables que desc iuen les condicions
labo als són el conjun que més a ec a o i així so p èn com la esidencia és la a iable
que més pes p en en l’exac i ud de la p edicció. Pel que a a la in e p e ació de la
segona mesu a, el dec eixemen de l’índex de Gini cal eni en comp e que les es
a iables amb un alo més al ; Residencia, Eda i Sec o , són a iables amb més de
cinc ca ego ies men e que la majo ia de la es a son dico òmiques.
Pe la espos a de Salu men al el model aconsegueix p edi en el millo dels
casos ins a un 74,88% dels casos quan un indi idu es a en isc de pa i una malal ia
men al. Això si amb un e o ipus dos del 17,98%, al i com es po eu e a la aula de
la d e a.
3.3.2 Salu au o pe cebuda
Aques a és la única espos a no dico òmica, on la pe sona enques ada alo a en
una escala de l’1 al 5 la quali a de la se a p òpia salu . El e que la a iable ingui mes
de dues ca ego es com a espos a, po implica menys capaci a p edic i a pel model.
Com en el cas an e io p ime amen s’anali za la aula de esul a s;
Pe aques a a iable espos a les explica i es que més in lueixen són les que
enen més de dues ca ego ies com l’Eda o la Residencia de l’indi idu.
El que implica eni una espos a amb a ies possibles ca ego ies es un descens
impo an de la capaci a p edic i a, men e que amb la ul ima a iable dico omica
es udiada p edia el compo amen de p ac icamen es de cada qua e pe sones, amb
una a iable ca ego ia la capaci a p edic i a és de només 49,5% i un 24,89% d’e o
ipus II. En aques cas pe o l’e o de ipusII no és an p eocupan com en el cas
an e io ja que com es po eu e en la aula la majo ia dels e o s es oba en les
p ime es es ca ego ies de la espos a el que implica que la majo ia dels indi idus
conside a que e una salu bona o ins i o millo que bona.
aux8i9 <- dd[,c(27,28,32,33,79:84,87:92,97:198,227:269,271,276:282)]
aux8i9[aux8i9 == 8] <- NA
aux8i9[aux8i9 == 9] <- NA
dd[,c(27,28,32,33,79:84,87:92,97:198,227:269,271,276:282)] <- aux8i9
aux98i99 <- dd[,c(37,41:58,60:78,85,86,93,94,96,199:227,270,272:275,283)]
aux98i99[aux98i99 == 98] <- NA
aux98i99[aux98i99 == 99] <- NA
dd[,c(37,41:58,60:78,85,86,93,94,96,199:227,270,272:275,283)] <- aux98i99
emo e(aux8i9)
emo e(aux98i99)
```
Desc ip i a bàsica:
```{ }
aux <- dd[,c(13,16,18,21,23,59,65,283)]
names(aux) <- c("Residencia", "Sexe", "Eda ", "Nacionali a ", "Sec o ","Ho a i",
"Con ac e", "Sala i")
aux <- as.da a. ame(lapply(aux, ac o ))
le els(aux$Residencia) <- c("Àmbi Me opoli à", "Com. gi onines", "Camp de
Ta agona", "Com. cen als", "Te es de l'Eb e", "Àmbi de Ponen ", "Al Pi ineu i A an")
le els(aux$Sexe) <- c("Home", "Dona")
le els(aux$Eda ) <- c("De 16 a 24", "De 25 a 34", "De 35 a 44", "De 45 a 54", "Mes de
54")
le els(aux$Nacionali a ) <- c("Espanyola", "Eu opea", "Fo a d'Eu opa")
le els(aux$Sec o ) <- c("T anspo ", "Come ç i hos ele ia", "Res a sec o se eis",
"Indùs ia", "Cons ucció", "Ag icul u a")
le els(aux$Con ac e) <- c("Con ac e ix/inde ini /pe manen ", "Con ac e Tempo al")
le els(aux$Ho a i) <- c("Temps Comple ", "Temps Pa cial")
le els(aux$Sala i) <- c("600 o menys", "En e 601 i 1000", "En e 1001 i 1500", "En e
1501 i 2000", "Mes de 2000")
pe cen (aux$Residencia)[1:7]
pe cen (aux$Sexe)[1:2]
pe cen (aux$Eda )[1:5]
pe cen (aux$Nacionali a )[1:3]
pe cen (aux$Sec o )[1:6]
pe cen (aux$Ho a i)[1:2]
pe cen (aux$Con ac e)[1:2]
pe cen (aux$Sala i)[1:5]
p op. able( able(aux$Ho a i))
p op. able( able(aux$Con ac e))
p op. able( able(aux$Con ac e, aux$Ho a i))
mean(dd$Q3_1); sd(dd$Q3_1)

inici <- dmy_hms(pas e(dd$FECHAINI, dd$HORAINI))
inal <- dmy_hms(pas e(dd$FECHAFIN, dd$HORAFIN))
di <- di ime( inal, inici, uni s = "mins")
summa y(as.nume ic(di ))
mean(di )
```
Co plo
```{ }
co <-
ound(co (na.omi (dd[, e (c(132,133,135:158,160:165,167,168,274,276,278,280))])), 1)
#p.ma <-
co _pma (na.omi (dd[, e (c(132,133,135:158,160:165,167,168,274,276,278,280))]))
pl <- ggco plo (co ,
hc.o de = T,
ype = " ull",
# p.ma = p.ma ,
# lab = T,
# lab_size = 4,
# me hod = "ci cle",
gg heme = heme_g ay)+
labs(cap ion = "G à ic 1. Co elació en e les qües ions que cons ueixen les
dimensions de iscos psicosocials.") +
heme(plo .cap ion = elemen _ ex (hjus = 0.7, ace = "i alic", size = 15))
#pl
ggsa e("co plo .png", pl, wid h=10, heigh =10, dpi=700)
```
G a ic co elacions pe dimensio
```{ }
#Exigencies psicologiques a la eina
co .ep <- ound(co (na.omi (dd[, e (c(132,133,135:138))])),2)
p.ma .ep <- co _pma (dd[, e (c(132,133,135:138))])
ggco plo (co .ep , hc.o de = F,
ype = "uppe ",
# p.ma = p.ma .ep ,
lab = T,
lab_size = 4,
me hod = "ci cle",
gg heme = heme_g ay)
#Con ol sob e la eina
co .cs <- ound(co (na.omi (dd[, e (c(139:148))])),2)
p.ma .cs <- co _pma (dd[, e (c(139:148))])
ggco plo (co .cs , hc.o de = F,
ype = "uppe ",
# p.ma = p.ma .cs ,
lab = T,
lab_size = 4,
me hod = "ci cle",
gg heme = heme_g ay)
#Exigencies psicologiques a la eina
co .ssql <- ound(co (na.omi (dd[, e (c(153:158,160:163))])),2)
p.ma .ssql <- co _pma (dd[, e (c(153:158,160:163))])
ggco plo (co .ssql, hc.o de = F,
ype = "uppe ",
# p.ma = p.ma .ssql,
lab = T,
lab_size = 4,
me hod = "ci cle",
gg heme = heme_g ay)
#Exigencies psicologiques a la eina
co .c <- ound(co (na.omi (dd[, e (c(149:151,164,165,167,168))])),2)
p.ma .c <- co _pma (dd[, e (c(149:151,164,165,167,168))])
ggco plo (co .c , hc.o de = F,
ype = "uppe ",
# p.ma = p.ma .c ,
lab = T,
lab_size = 4,
me hod = "ci cle",
gg heme = heme_g ay)
#Exigencies psicologiques a la eina
co .dp <- ound(co (na.omi (dd[, e (c(274,276,278,280))])),2)
p.ma .dp <- co _pma (dd[, e (c(274,276,278,280 ))])
ggco plo (co .dp, hc.o de = F,
ype = "uppe ",
# p.ma = p.ma .dp,
lab = T,
lab_size = 4,
me hod = "ci cle",
gg heme = heme_g ay)
```
m a
```{ }
model.CSF <- 'In =~ P32A + P32B + P32C
PDF =~ P32F + P32G
CdT =~ P32D + P32E
SF =~ P32H + P32I
IE =~ P32J'
model.EPF <- 'EPQ =~ P31A + P31B + P31c_in
EE =~ P31D + P31E
EAE =~ P31F'
model.SSiQL <- 'P e =~ P34C + P34D
CR =~ P34A + P34B
QL =~ P34I + P34J
SSF =~ P34E + P34F
PRS =~ P34g_in
SG =~ P34H'
model.CF <- 'IF =~ P33A + P33B + P33C + P33D
Es =~ P35A + P35B + P35c_in + P35D'
model.DP <- 'DP =~ P64 + P65_1 + P65_2 + P65_3'
model. o al <- 'In =~ P32A + P32B + P32C
PDF =~ P32F + P32G
CdT =~ P32D + P32E
SF =~ P32H + P32I
IE =~ P32J
EPQ =~ P31A + P31B + P31c_in
EE =~ P31D + P31E
EAE =~ P31F
P e =~ P34C + P34D
CR =~ P34A + P34B
QL =~ P34I + P34J
SSF =~ P34E + P34F
PRS =~ P34g_in
SG =~ P34H
IF =~ P33A + P33B + P33C + P33D
Es =~ P35A + P35B + P35c_in + P35D
DP =~ P64 + P65_1 + P65_2 + P65_3'
```
CSF:
```{ }
i .cs <- c a(model.CSF, da a = dd)
summa y( i .cs )
png("CSF.png", wid h = 750, heigh = 375)
semPa hs( i .cs , wha = "pa ", o a ion = 2)
i le(main = "Con ol sob e la eina", sub = "G à ic 3. Anàlisi de la dimensió CSF")
de .o ()
```
EPF:
```{ }
i .ep <- c a(model.EPF, da a = dd)
summa y( i .ep )
png("EPF.png", wid h = 750, heigh = 375)
semPa hs( i .ep , wha = "pa ", i le = T, o a ion = 2)
i le(main = "Exigències psicològiques a la eina", sub = "G à ic 4. Anàlisi de la dimensió
EPF")
de .o ()
```
SSiQL:
```{ }
i .ssql <- c a(model.SSiQL, da a = dd)
summa y( i .ssql)
png("SSiQL.png", wid h = 750, heigh = 375)
semPa hs( i .ssql, wha = "pa ", o a ion = 2, i le = T)
i le(main = "Supo social i quali a del lide a ge", sub = "G à ic 5. Anàlisi de la
dimensió SSiQL")
de .o ()
```
CF:
```{ }
i .c <- c a(model.CF, da a = dd)
summa y( i .c )
png("CF.png", wid h = 750, heigh = 375)
semPa hs( i .c , wha = "pa ", o a ion = 2, i le = T)
i le(main = "Compensacions a la eina", sub = "G à ic 6. Anàlisi de la dimensió CF")
de .o ()
```
DP:
```{ }
i .dp <- c a(model.DP, da a = dd)
summa y( i .dp, i .measu es = T)
png("DP.png", wid h = 750, heigh = 375)
semPa hs( i .dp, wha = "pa ", o a ion = 2, i le = T)
i le(main = "Doble p esència", sub = "G à ic 7. Anàlisi de la dimensió DP")
de .o ()
```
To al:
```{ }
i <- c a(model. o al, da a = dd)
summa y( i , i .measu es = T)
semPa hs( i , wha = "pa ")
```
Nou model sense P65C
```{ }
model. o alnou <- 'In =~ P32A + P32B + P32C
PDF =~ P32F + P32G
CdT =~ P32D + P32E
SF =~ P32H + P32I
IE =~ P32J
EPQ =~ P31A + P31B + P31c_in
EE =~ P31D + P31E
EAE =~ P31F
P e =~ P34C + P34D
CR =~ P34A + P34B
QL =~ P34I + P34J
SSF =~ P34E + P34F
PRS =~ P34g_in
SG =~ P34H
IF =~ P33A + P33B + P33C + P33D
Es =~ P35A + P35B + P35c_in + P35D
DP =~ P64 + P65_1 + P65_2'
modelsubdimencions <- 'In =~ P32A + P32B + P32C
PDF =~ P32F + P32G
CdT =~ P32D + P32E
SF =~ P32H + P32I
IE =~ P32J
EPQ =~ P31A + P31B + P31c_in
EE =~ P31D + P31E
EAE =~ P31F
P e =~ P34C + P34D
CR =~ P34A + P34B
QL =~ P34I + P34J
SSF =~ P34E + P34F
PRS =~ P34g_in
SG =~ P34H
IF =~ P33A + P33B + P33C + P33D
Es =~ P35A + P35B + P35c_in + P35D
CSF =~ In + PDF + CdT + SF + IE

EPF =~ EPQ + EE + EAE
SSiQL =~ P e + CR + QL + SSF + PRS + SG
CF =~ IF + Es
DP =~ P64 + P65_1 + P65_2 + P65_3'
```
model guai: posa lo el p ime de o s
```{ }
i .modelsubdimencions <- c a(modelsubdimencions, da a = dd)
summa y( i .modelsubdimencions, i .measu es = T)
semPa hs( i .modelsubdimencions, wha = "pa ")
i le(main = "Model gene al", sub = "G à ic 2. Anàlisi dimencional pe CFA")
png("Modelguai1.png", wid h = 1000, heigh = 500)
semPa hs( i .modelsubdimencions, wha = "pa ")
i le(main = "Model gene al", sub = "G à ic 2. Anàlisi dimencional pe CFA")
de .o ()
```
Dp:
```{ }
model.DPnou <- 'DP =~ P64 + P65_1 + P65_2'
i .dpnou <- c a(model.DPnou, da a = dd)
summa y( i .dpnou, i .measu es = T)
semPa hs( i .dpnou, wha = "pa ", o a ion = 2, i le = T)
i le(main = "Doble p esència sense P65_3")
```
To al:
```{ }
modelsubdimencions2 <- 'In =~ P32A + P32B + P32C
PDF =~ P32F + P32G
CdT =~ P32D + P32E
SF =~ P32H + P32I
IE =~ P32J
EPQ =~ P31A + P31B + P31c_in
EE =~ P31D + P31E
EAE =~ P31F
P e =~ P34C + P34D
CR =~ P34A + P34B
QL =~ P34I + P34J
SSF =~ P34E + P34F
PRS =~ P34g_in
SG =~ P34H
IF =~ P33A + P33B + P33C + P33D
Es =~ P35A + P35B + P35c_in + P35D
CSF =~ In + PDF + CdT + SF + IE
EPF =~ EPQ + EE + EAE
SSiQL =~ P e + CR + QL + SSF + PRS + SG
CF =~ IF + Es
DP =~ P64 + P65_1 + P65_2'
i .modelsubdimencions2 <- c a(modelsubdimencions2, da a = dd)
summa y( i .modelsubdimencions2, i .measu es = T)
png("Modelguai2.png", wid h = 1000, heigh = 500)
semPa hs( i .modelsubdimencions2, wha = "pa ")
i le(main = "Model gene al sense P65_3", sub = "G à ic 8. Anàlisi dimencional pe CFA
sense la P65_3")
de .o ()
```
Co sense P65C
```{ }
co <- ound(co (na.omi (dd[, e (c(132,133,135:158,160:165,167,168,274,276,278))])),
1)
p.ma <-
co _pma (na.omi (dd[, e (c(132,133,135:158,160:165,167,168,274,276,278))]))
ggco plo (co ,
hc.o de = T,
ype = " ull",
# p.ma = p.ma ,
lab = T,
lab_size = 4,
me hod = "ci cle",
gg heme = heme_g ay)
```
Recons uccio DP
```{ }
dd$DobleP es <- owSums(dd[,c(275,277,279)])
quan ile(dd$DobleP es, c(0.33,0.66), na. m = T)
dd$DobleP es_C <- i else(dd$DobleP es<3, 1, i else(dd$DobleP es<=5, 2, 3))
dd$DobleP es2k <- i else(dd$DobleP es_C < 3, 0, 1)
```
Quan ils P44 (Salu Men al)
```{ }
dd$Salu Men al <- owSums(dd[,227:238])
quan ile(dd$Salu Men al, c(0.33,0.66), na. m = T)
dd$Salu Men al_C <- i else(dd$Salu Men al<=18, 1, i else(dd$Salu Men al<=22, 2, 3))
dd$Salu Men al2k <- i else(dd$Salu Men al_C < 3, 0, 1)
able(dd$Salu Men al); able(dd$Salu Men al_C); able(dd$Salu Men al2k)
```
Exposició iscos ambien als/ ísics:
```{ }
summa y(dd[,97:132])
co <- ound(co (na.omi (dd[, e (97:132)])), 1)
p.ma <- co _pma (na.omi (dd[, e (97:132)]))
ggco plo (co ,
hc.o de = F,
ype = " ull",
# p.ma = p.ma ,
lab = T,
lab_size = 2,
me hod = "ci cle",
gg heme = heme_g ay)
dd <- add_column(dd, P29b_in = ((dd$P29B - 2)*-1)+2, .a e = 110)
dd$Cond_Ambien alsNou <- owSums(dd[,c(97:109,111:132)])
quan ile(dd$Cond_Ambien alsNou, c(0.33,0.66), na. m = T)
dd$Cond_Ambien alsNou_C <- i else(dd$Cond_Ambien alsNou<=12, 1,
i else(dd$Cond_Ambien alsNou<=28, 2, 3))
dd$Cond_Ambien alsNou2k <- i else(dd$Cond_Ambien alsNou_C < 3, 0, 1)
able(dd$Cond_Ambien alsNou); able(dd$Cond_Ambien alsNou_C); able(dd$Cond_A
mbien alsNou2k)
summa y(dd[,c(97:109,111:132)])
```
- Eda Q3_2
- Sexe Q2
- Con ac e ixe/ empo al P7
- Temps pa cial/comple P12
- Nacionali a (Spain s UE s Res a) Q4Ca
- Sec o ocupacional Q6
- Te i o i Q1
- Sala i P66
- Exposició a iscos ambien als/ ísics (P28 (expo a enomens ambien als), P29(expo a
iscos ísics), P30(expo a iscos a ios)) al no ens ag ada
- Dimensions de iscos psicosocials
80%:
```{ }
se .seed(1234)
dd <- cbind(aux, dd[,c(317:321,332,198,199,328,329)])
dd [,15:18] <- as.da a. ame(lapply(dd [,15:18], ac o ))
le els(dd [,15]) <- c("Excel·len ", "Mol bona", "Bona", "Regula ", "Dolen a")
le els(dd [,16]) <- c("A ec a", "No a ec a")
le els(dd [,17]) <- c("Gens exposa ", "Poc exposa ", "Exposa ")
le els(dd [,18]) <- c("No exposició", "Exposició")
colnames(dd [,15:18]) = c("Salu au ope cebuda", "A ec ació de la eina
au ope cebuda", "Salu men als en quan ils", "Salu men al bina ia")
ain <- sample(1:n ow(dd), size = ound(0.8*n ow(dd)))
dd ain <- na.omi (dd [ ain,-c(15:17)])
dd es <- na.omi (dd [- ain,-c(15:17)])
dd ainsalmen <- na.omi (dd [ ain,-c(15, 16,18)])
dd es salmen <- na.omi (dd [- ain,-c(15, 16,18)])
dd ainsalgen <- na.omi (dd [ ain,-c(15, 17,18)])
dd es salgen <- na.omi (dd [- ain,-c(15, 17,18)])
dd ain eina <- na.omi (dd [ ain,-c(16:18)])
dd es eina <- na.omi (dd [- ain,-c(16:18)])
summa y(dd )
```
Salu men al 2k
```{ }
<- andomFo es ( ac o (Salu Men al2k) ~ ., impo ance = T, da a = dd ain,
keep. o es = T)
#bosc <- $ o es
#bosc$nodep ed
p ed <- p edic ( , dd es )
le els(p ed) <- c("No exposició p edi a", "Exposició p edi a")
( es <- able(p ed , dd es $Salu Men al2k))
sum(diag( es))/n ow(dd es )
93/n ow(dd es )
as.da a. ame.ma ix( es)
es <- lex able(as.da a. ame.ma ix( es) %>% ownames_ o_column("Dades
obse ades / Dades p edi es"))
es <- add_ oo e (x = es, `Dades obse ades / Dades p edi es` = "Taula 11.
P edicció pe la a iable Salu Men al")
es <- me ge_a (x = es, j = 1:3, pa = " oo e ")
es <- heme_box( es)
es
eda [1,i] <- sp in ("%.2 %%",
ound(p op. able( able(dd $ExigPsico2k[which(dd $Eda == le els(dd $Eda )[i-
1])]))*100, 2))[2]
eda [2,i] <- sp in ("%.2 %%",
ound(p op. able( able(dd $DobleP es2k[which(dd $Eda == le els(dd $Eda )[i-
1])]))*100, 2))[2]
eda [3,i] <- sp in ("%.2 %%",
ound(p op. able( able(dd $Con olT eb2k[which(dd $Eda == le els(dd $Eda )[i-
1])]))*100, 2))[2]
eda [4,i] <- sp in ("%.2 %%",
ound(p op. able( able(dd $Supo Social2k[which(dd $Eda == le els(dd $Eda )[i-
1])]))*100, 2))[2]
eda [5,i] <- sp in ("%.2 %%",
ound(p op. able( able(dd $Es ima2k[which(dd $Eda == le els(dd $Eda )[i-
1])]))*100, 2))[2]
eda [6,i] <- sp in ("%.2 %%",
ound(p op. able( able(dd $Salu Men al2k[which(dd $Eda == le els(dd $Eda )[i-
1])]))*100, 2))[2]
eda [7,i] <- sp in ("%.2 %%", sum(p op. able( able(dd $P41[which(dd $Eda ==
le els(dd $Eda )[i-1])]))[4:5]*100))
eda [8,i] <- sp in ("%.2 %%", ound(p op. able( able(dd $P42A[which(dd $Eda ==
le els(dd $Eda )[i-1])]))*100, 2))[1]
eda [9,i] <- sp in ("%.2 %%", p op. able( able(dd $Eda ))*100)[i-1]
}
colnames( eda ) <- c("Va iable", le els(dd $Eda ))
eda <- lex able(as.da a. ame.ma ix( eda ))
eda <- dele e_pa ( eda , pa = "heade ")
eda <- add_heade ( eda , `De 16 a 24` = "De 16 a 24", `De 25 a 34` = "De 25 a 34",
`De 35 a 44` = "De 35 a 44", `De 45 a 54` = "De 45 a 54", `Mes de 54` = "Mes de 54",
op = T)
eda <- bold(x = eda , pa = "body",i = 1:9, j = 1)
eda <- add_ oo e (x = eda , Va iable = "Taula 4. Relació de la a iable Eda amb els
iscos psicosocials i les espos es")
eda <- me ge_a (x = eda , j = 1:6, pa = " oo e ")
eda <- heme_box( eda )
eda
sa e_as_image( eda , pa h = "Taula Eda .png")
```
Nacionali a
```{ }
aux1 <- ma ix( ep(c("Exigències Psicològiques", "Doble p esencia", "Con ol del
T eball", "Supo Social", "Es ima", "Salu Men al", "Salu au o pe cebuda", "A ec ació
de la eina en la Salu ", "To al"), each = leng h(le els(dd $Nacionali a ))+1), n ow = 9,
by ow = T)
nacionali a <- aux1

i <- 1
o (i in 2:4) {
nacionali a [1,i] <- sp in ("%.2 %%",
ound(p op. able( able(dd $ExigPsico2k[which(dd $Nacionali a ==
le els(dd $Nacionali a )[i-1])]))*100, 2))[2]
nacionali a [2,i] <- sp in ("%.2 %%",
ound(p op. able( able(dd $DobleP es2k[which(dd $Nacionali a ==
le els(dd $Nacionali a )[i-1])]))*100, 2))[2]
nacionali a [3,i] <- sp in ("%.2 %%",
ound(p op. able( able(dd $Con olT eb2k[which(dd $Nacionali a ==
le els(dd $Nacionali a )[i-1])]))*100, 2))[2]
nacionali a [4,i] <- sp in ("%.2 %%",
ound(p op. able( able(dd $Supo Social2k[which(dd $Nacionali a ==
le els(dd $Nacionali a )[i-1])]))*100, 2))[2]
nacionali a [5,i] <- sp in ("%.2 %%",
ound(p op. able( able(dd $Es ima2k[which(dd $Nacionali a ==
le els(dd $Nacionali a )[i-1])]))*100, 2))[2]
nacionali a [6,i] <- sp in ("%.2 %%",
ound(p op. able( able(dd $Salu Men al2k[which(dd $Nacionali a ==
le els(dd $Nacionali a )[i-1])]))*100, 2))[2]
nacionali a [7,i] <- sp in ("%.2 %%",
sum(p op. able( able(dd $P41[which(dd $Nacionali a == le els(dd $Nacionali a )[i-
1])]))[4:5]*100))
nacionali a [8,i] <- sp in ("%.2 %%",
ound(p op. able( able(dd $P42A[which(dd $Nacionali a ==
le els(dd $Nacionali a )[i-1])]))*100, 2))[1]
nacionali a [9,i] <- sp in ("%.2 %%", p op. able( able(dd $Nacionali a ))*100)[i-1]
}
colnames( nacionali a ) <- c("Va iable", le els(dd $Nacionali a ))
nacionali a <- lex able(as.da a. ame.ma ix( nacionali a ))
nacionali a <- dele e_pa ( nacionali a , pa = "heade ")
nacionali a <- add_heade ( nacionali a , Espanyola = "Espanyola", Eu opea =
"Eu opea", `Fo a d'Eu opa` = "Fo a d'Eu opa", op = T)
nacionali a <- bold(x = nacionali a , pa = "body",i = 1:9, j = 1)
nacionali a <- add_ oo e (x = nacionali a , Va iable = "Taula 5. Relació de la
a iable Nacionali a amb els iscos psicosocials i les espos es")
nacionali a <- me ge_a (x = nacionali a , j = 1:4, pa = " oo e ")
nacionali a <- heme_box( nacionali a )
nacionali a
sa e_as_image( nacionali a , pa h = "Taula Nacionali a .png")
```
Sec o
```{ }
aux1 <- ma ix( ep(c("Exigències Psicològiques", "Doble p esencia", "Con ol del
T eball", "Supo Social", "Es ima", "Salu Men al", "Salu au o pe cebuda", "A ec ació
de la eina en la Salu ", "To al"), each = leng h(le els(dd $Sec o ))+1), n ow = 9, by ow
= T)
sec o <- aux1
i <- 1
o (i in 2:7) {
sec o [1,i] <- sp in ("%.2 %%",
ound(p op. able( able(dd $ExigPsico2k[which(dd $Sec o == le els(dd $Sec o )[i-
1])]))*100, 2))[2]
sec o [2,i] <- sp in ("%.2 %%",
ound(p op. able( able(dd $DobleP es2k[which(dd $Sec o == le els(dd $Sec o )[i-
1])]))*100, 2))[2]
sec o [3,i] <- sp in ("%.2 %%",
ound(p op. able( able(dd $Con olT eb2k[which(dd $Sec o ==
le els(dd $Sec o )[i-1])]))*100, 2))[2]
sec o [4,i] <- sp in ("%.2 %%",
ound(p op. able( able(dd $Supo Social2k[which(dd $Sec o ==
le els(dd $Sec o )[i-1])]))*100, 2))[2]
sec o [5,i] <- sp in ("%.2 %%",
ound(p op. able( able(dd $Es ima2k[which(dd $Sec o == le els(dd $Sec o )[i-
1])]))*100, 2))[2]
sec o [6,i] <- sp in ("%.2 %%",
ound(p op. able( able(dd $Salu Men al2k[which(dd $Sec o ==
le els(dd $Sec o )[i-1])]))*100, 2))[2]
sec o [7,i] <- sp in ("%.2 %%", sum(p op. able( able(dd $P41[which(dd $Sec o ==
le els(dd $Sec o )[i-1])]))[4:5]*100))
sec o [8,i] <- sp in ("%.2 %%",
ound(p op. able( able(dd $P42A[which(dd $Sec o == le els(dd $Sec o )[i-
1])]))*100, 2))[1]
sec o [9,i] <- sp in ("%.2 %%", p op. able( able(dd $Sec o ))*100)[i-1]
}
colnames( sec o ) <- c("Va iable", le els(dd $Sec o ))
sec o <- lex able(as.da a. ame.ma ix( sec o ))
sec o <- dele e_pa ( sec o , pa = "heade ")
sec o <- add_heade ( sec o , `T anspo ` = "T anspo ", `Come ç i hos ele ia` =
"Come ç i hos ele ia", `Res a sec o se eis` = "Res a sec o se eis", `Indùs ia` =
"Indùs ia", `Cons ucció` = "Cons ucció", `Ag icul u a` = "Ag icul u a", op = T)
sec o <- bold(x = sec o , pa = "body",i = 1:9, j = 1)
sec o <- add_ oo e (x = sec o , Va iable = "Taula 6. Relació de la a iable Sec o
amb els iscos psicosocials i les espos es")
sec o <- me ge_a (x = sec o , j = 1:7, pa = " oo e ")
sec o <- heme_box( sec o )
sec o
sa e_as_image( sec o , pa h = "Taula Sec o .png")
```
Con ac e
```{ }
aux1 <- ma ix( ep(c("Exigències Psicològiques", "Doble p esencia", "Con ol del
T eball", "Supo Social", "Es ima", "Salu Men al", "Salu au o pe cebuda", "A ec ació
de la eina en la Salu ", "To al"), each = leng h(le els(dd $Con ac e))+1), n ow = 9,
by ow = T)
con ac e <- aux1
i <- 1
o (i in 2:3) {
con ac e[1,i] <- sp in ("%.2 %%",
ound(p op. able( able(dd $ExigPsico2k[which(dd $Con ac e ==
le els(dd $Con ac e)[i-1])]))*100, 2))[2]
con ac e[2,i] <- sp in ("%.2 %%",
ound(p op. able( able(dd $DobleP es2k[which(dd $Con ac e ==
le els(dd $Con ac e)[i-1])]))*100, 2))[2]
con ac e[3,i] <- sp in ("%.2 %%",
ound(p op. able( able(dd $Con olT eb2k[which(dd $Con ac e ==
le els(dd $Con ac e)[i-1])]))*100, 2))[2]
con ac e[4,i] <- sp in ("%.2 %%",
ound(p op. able( able(dd $Supo Social2k[which(dd $Con ac e ==
le els(dd $Con ac e)[i-1])]))*100, 2))[2]
con ac e[5,i] <- sp in ("%.2 %%",
ound(p op. able( able(dd $Es ima2k[which(dd $Con ac e ==
le els(dd $Con ac e)[i-1])]))*100, 2))[2]
con ac e[6,i] <- sp in ("%.2 %%",
ound(p op. able( able(dd $Salu Men al2k[which(dd $Con ac e ==
le els(dd $Con ac e)[i-1])]))*100, 2))[2]
con ac e[7,i] <- sp in ("%.2 %%",
sum(p op. able( able(dd $P41[which(dd $Con ac e == le els(dd $Con ac e)[i-
1])]))[4:5]*100))
con ac e[8,i] <- sp in ("%.2 %%",
ound(p op. able( able(dd $P42A[which(dd $Con ac e == le els(dd $Con ac e)[i-
1])]))*100, 2))[1]
con ac e[9,i] <- sp in ("%.2 %%", p op. able( able(dd $Con ac e))*100)[i-1]
}
colnames( con ac e) <- c("Va iable", le els(dd $Con ac e))
con ac e <- lex able(as.da a. ame.ma ix( con ac e))
con ac e <- dele e_pa ( con ac e, pa = "heade ")
con ac e <- add_heade ( con ac e, `Con ac e ix/inde ini /pe manen ` =
"Con ac e ix/inde ini /pe manen ", `Con ac e Tempo al` = "Con ac e Tempo al",
op = T)
con ac e <- bold(x = con ac e, pa = "body",i = 1:9, j = 1)
con ac e <- add_ oo e (x = con ac e, Va iable = "Taula 7. Relació de la a iable
Con ac e amb els iscos psicosocials i les espos es")
con ac e <- me ge_a (x = con ac e, j = 1:3, pa = " oo e ")
con ac e <- heme_box( con ac e)
con ac e
sa e_as_image( con ac e, pa h = "Taula Con ac e.png")
```
Ho a i
```{ }
aux1 <- ma ix( ep(c("Exigències Psicològiques", "Doble p esencia", "Con ol del
T eball", "Supo Social", "Es ima", "Salu Men al", "Salu au o pe cebuda", "A ec ació
de la eina en la Salu ", "To al"), each = leng h(le els(dd $Ho a i))+1), n ow = 9, by ow
= T)
ho a i <- aux1
i <- 1
o (i in 2:3) {
ho a i[1,i] <- sp in ("%.2 %%",
ound(p op. able( able(dd $ExigPsico2k[which(dd $Ho a i == le els(dd $Ho a i)[i-
1])]))*100, 2))[2]
ho a i[2,i] <- sp in ("%.2 %%",
ound(p op. able( able(dd $DobleP es2k[which(dd $Ho a i == le els(dd $Ho a i)[i-
1])]))*100, 2))[2]
ho a i[3,i] <- sp in ("%.2 %%",
ound(p op. able( able(dd $Con olT eb2k[which(dd $Ho a i ==
le els(dd $Ho a i)[i-1])]))*100, 2))[2]
ho a i[4,i] <- sp in ("%.2 %%",
ound(p op. able( able(dd $Supo Social2k[which(dd $Ho a i ==
le els(dd $Ho a i)[i-1])]))*100, 2))[2]
ho a i[5,i] <- sp in ("%.2 %%",
ound(p op. able( able(dd $Es ima2k[which(dd $Ho a i == le els(dd $Ho a i)[i-
1])]))*100, 2))[2]
ho a i[6,i] <- sp in ("%.2 %%",
ound(p op. able( able(dd $Salu Men al2k[which(dd $Ho a i ==
le els(dd $Ho a i)[i-1])]))*100, 2))[2]
ho a i[7,i] <- sp in ("%.2 %%", sum(p op. able( able(dd $P41[which(dd $Ho a i ==
le els(dd $Ho a i)[i-1])]))[4:5]*100))
ho a i[8,i] <- sp in ("%.2 %%", ound(p op. able( able(dd $P42A[which(dd $Ho a i
== le els(dd $Ho a i)[i-1])]))*100, 2))[1]
ho a i[9,i] <- sp in ("%.2 %%", p op. able( able(dd $Ho a i))*100)[i-1]
}
colnames( ho a i) <- c("Va iable", le els(dd $Ho a i))
ho a i <- lex able(as.da a. ame.ma ix( ho a i))
ho a i <- dele e_pa ( ho a i, pa = "heade ")
ho a i <- add_heade ( ho a i, `Temps Comple ` = "Temps Comple ", `Temps
Pa cial` = "Temps Pa cial", op = T)
ho a i <- bold(x = ho a i, pa = "body",i = 1:9, j = 1)
ho a i <- add_ oo e (x = ho a i, Va iable = "Taula 8. Relació de la a iable Ho a i
amb els iscos psicosocials i les espos es")
ho a i <- me ge_a (x = ho a i, j = 1:3, pa = " oo e ")
ho a i <- heme_box( ho a i)
ho a i
sa e_as_image( ho a i, pa h = "Taula Ho a i.png")
```
Sala i
```{ }
aux1 <- ma ix( ep(c("Exigències Psicològiques", "Doble p esencia", "Con ol del
T eball", "Supo Social", "Es ima", "Salu Men al", "Salu au o pe cebuda", "A ec ació
de la eina en la Salu ", "To al"), each = leng h(le els(dd $Sala i))+1), n ow = 9, by ow
= T)
sala i <- aux1
i <- 1
o (i in 2:6) {
sala i[1,i] <- sp in ("%.2 %%",
ound(p op. able( able(dd $ExigPsico2k[which(dd $Sala i == le els(dd $Sala i)[i-
1])]))*100, 2))[2]
sala i[2,i] <- sp in ("%.2 %%",
ound(p op. able( able(dd $DobleP es2k[which(dd $Sala i == le els(dd $Sala i)[i-
1])]))*100, 2))[2]
sala i[3,i] <- sp in ("%.2 %%",
ound(p op. able( able(dd $Con olT eb2k[which(dd $Sala i == le els(dd $Sala i)[i-
1])]))*100, 2))[2]
sala i[4,i] <- sp in ("%.2 %%",
ound(p op. able( able(dd $Supo Social2k[which(dd $Sala i == le els(dd $Sala i)[i-
1])]))*100, 2))[2]
sala i[5,i] <- sp in ("%.2 %%",
ound(p op. able( able(dd $Es ima2k[which(dd $Sala i == le els(dd $Sala i)[i-
1])]))*100, 2))[2]
sala i[6,i] <- sp in ("%.2 %%",
ound(p op. able( able(dd $Salu Men al2k[which(dd $Sala i == le els(dd $Sala i)[i-
1])]))*100, 2))[2]
sala i[7,i] <- sp in ("%.2 %%", sum(p op. able( able(dd $P41[which(dd $Sala i ==
le els(dd $Sala i)[i-1])]))[4:5]*100))
sala i[8,i] <- sp in ("%.2 %%", ound(p op. able( able(dd $P42A[which(dd $Sala i
== le els(dd $Sala i)[i-1])]))*100, 2))[2]
sala i[9,i] <- sp in ("%.2 %%", p op. able( able(dd $Sala i))*100)[i-1]
}
colnames( sala i) <- c("Va iable", le els(dd $Sala i))
sala i <- lex able(as.da a. ame.ma ix( sala i))
sala i <- dele e_pa ( sala i, pa = "heade ")
sala i <- add_heade ( sala i, `600 o menys` = "600 o menys", `En e 601 i 1000` =
"En e 601 i 1000", `En e 1001 i 1500` = "En e 1001 i 1500", `En e 1501 i 2000` =
"En e 1501 i 2000", `Mes de 2000` = "Mes de 2000", op = T)
sala i <- bold(x = sala i, pa = "body",i = 1:9, j = 1)
sala i <- add_ oo e (x = sala i, Va iable = "Taula 9. Relació de la a iable Sala i amb
els iscos psicosocials i les espos es")

sala i <- me ge_a (x = sala i, j = 1:6, pa = " oo e ")
sala i <- heme_box( sala i)
sala i
sa e_as_image( sala i, pa h = "Taula Sala i.png")
```
```{ }
able(dd $Salu Men al2k); able(dd $P42A); able(dd $P41)
able(dd $Salu Men al2k, dd $P42A, dd $P41)
able(dd $P42A[dd $P41 %in% c("Excel·len ", "Mol bona", "Bona")])
able(dd $P42A[dd $P41 %in% c("Regula ", "Dolen a")])
644/(644 + 1654)
860/(860 + 1451)
57/(57+184)
(2566-sum(dd $P41 %in% c("Excel·len ", "Mol bona", "Bona")))/2566
able(dd $Salu Men al2k, dd $P42A)
397/(397+380)
able(dd $P42A)
```