https://rei.esprint.tech
Vol. 5 N° 1, enero-junio 2026 (1022-1042)
ISSN: 2960-8317
1022
Artículo de revisión
Modelamiento estadístico y análisis multivariado de los factores
de riesgo psicosocial y su impacto en el ausentismo laboral en el
sector industrial ecuatoriano
Statistical modeling and multivariate analysis of psychosocial risk factors and
their impact on absenteeism in the ecuadorian industrial sector
Andrés Alejandro Tello Sarmiento*
Universidad Nacional del Chimborazo
Cuenca - Ecuador
andres.tello@unach.edu.ec
https://orcid.org/0009-0006-9717-3283
Gabriela Joseth Serrano Torres
Universidad Nacional de Chimborazo
Riobamba - Ecuador
gabriela.serrano@unach.edu.ec
https://orcid.org/0009-0005-7448-7610
*Correspondencia:
andres.tello@unach.edu.ec
Cómo citar este artículo:
Tello, A., & Serrano, G. (2026).
Modelamiento estadístico y análisis
multivariado de los factores de riesgo
psicosocial y su impacto en el ausentismo
laboral en el sector industrial ecuatoriano.
Esprint Investigación, 5(1), 1022-1042.
https://doi.org/10.61347/ei.v5i1.326
Recibido: 11 de mayo de 2026
Aceptado: 19 de junio de 2026
Publicado: 24 de junio de 2026
Resumen:
El ausentismo laboral constituye un problema relevante para las
organizaciones industriales por los efectos sobre la productividad, los costos operativos
y el bienestar de los trabajadores. Los factores de riesgo psicosocial han sido identificados
como determinantes potenciales de las ausencias laborales, aunque su comportamiento
en el sector industrial ecuatoriano continúa siendo insuficientemente estudiado mediante
enfoques estadísticos. El objetivo de esta investigación fue analizar la asociación entre los
factores de riesgo psicosocial y el ausentismo laboral autorreportado en trabajadores del
sector industrial ecuatoriano mediante técnicas de modelamiento estadístico y análisis
multivariado. Se desarrolló un estudio cuantitativo, no experimental, transversal y
correlacional-explicativo en una población censal de 119 trabajadores de una empresa
industrial del cantón Tambo, provincia del Cañar. Se utilizó el Cuestionario de
Evaluación de Riesgo Psicosocial y se aplicaron análisis descriptivos, análisis de
componentes principales, correlaciones de Spearman y modelos de regresión binomial
negativa. Los resultados evidenciaron una excelente consistencia interna del
instrumento, identificándose la dimensión “Recuperación” con mayor riesgo y
“Desarrollo de competencias” como la más favorable. El análisis multivariado evidenció
una estructura común entre las dimensiones psicosociales, en la que el primer
componente explicó el 68,92 % de la varianza total. La dimensión Organización del
trabajo fue la única que mostró asociación con los días de ausencia laboral tanto en el
análisis bivariado como en el modelo binomial negativo; en este último, una mejor
percepción de dicha dimensión se vinculó con una disminución del ausentismo. Se
concluye que la organización del tr
abajo constituye el principal factor psicosocial
asociado al ausentismo laboral en la población estudiada.
Palabras clave: Análisis multivariado, ausentismo laboral, factores de riesgo psicosocial,
modelamiento estadístico, organización del trabajo, salud ocupacional.
Abstract: Work absenteeism constitutes a relevant issue for industrial organizations due to its effects
on productivity, operating costs, and workers’ well-being. Psychosocial risk factors have been identified
as potential determinants of work absence; however, their behavior in the Ecuadorian industrial sector
remains insufficiently studied using statistical approaches. The objective of this study was to analyze
the association between psychosocial risk factors and self-reported work absenteeism among workers in
the Ecuadorian industrial sector using statistical modeling techniques and multivariate analysis. A
quantitative, non-experimental, cross-sectional, and correlational-explanatory study was conducted on
a census population of 119 workers from an industrial company in the Tambo canton, Cañar province.
The Psychosocial Risk Assessment Questionnaire was used, and descriptive analyses, principal
component analysis, Spearman correlations, and negative binomial regression models were applied.
The results showed excellent internal consistency of the instrument, with the “Recovery” dimension
identified as the highest risk and “Skills development” as the most favorable. The multivariate analysis
revealed a common structure among the psychosocial dimensions, with the first component explaining
68.92% of the total variance. The Work Organization dimension was the only one associated with days
of work absence in both the bivariate analysis and the negative binomial model; in the latter, a better
perception of this dimension was linked to a reduction in absenteeism. It is concluded that work
organization is the main psychosocial factor associated with work absenteeism in the studied population.
Keywords: Multivariate analysis, occupational health, psychosocial risk factors, statistical modeling,
work absenteeism, work organization.
Copyright: Derechos de autor 2026 Andrés
Alejandro Tello Sarmiento, Gabriela Joseth
Serrano Torres.
Esta obra está bajo una licencia internacional
Creative Commons Atribución-
NoComercial 4.0.
Esprint Investigación
https://rei.esprint.tech
Vol. 5 N° 1, enero-junio 2026 (1022-1042)
ISSN: 2960-8317
Andrés Alejandro Tello Sarmiento, Gabriela Joseth Serrano Torres 1023
1. Introducción
El ausentismo laboral en el sector industrial ecuatoriano constituye una problemática relevante que
afecta directamente la productividad, la eficiencia organizacional y el bienestar de los trabajadores.
Este fenómeno, de carácter multidimensional, se encuentra influido por diversos factores, entre los que
destacan los riesgos psicosociales como el estrés laboral, la sobrecarga de trabajo, el liderazgo deficiente
y un clima organizacional inadecuado (Villamar-Triviño et al., 2025). A pesar de su importancia, en el
contexto ecuatoriano aún es limitada la aplicación de enfoques analíticos avanzados, como el
modelamiento estadístico y el análisis multivariado, que permitan comprender de manera integral las
interrelaciones entre estos factores y su impacto en el ausentismo, lo que dificulta la toma de decisiones
basada en evidencia (Delgado-Delgado & Villacreses-Álvarez, 2023).
A nivel global, el ausentismo laboral representa un desafío para las organizaciones debido a sus
efectos sobre el capital humano, los costos operativos y el desempeño empresarial. En el sector
industrial ecuatoriano, esta problemática se intensifica por las exigencias del entorno laboral, las
condiciones físicas de trabajo y factores socioeconómicos que incrementan la probabilidad de ausencias
laborales (Segura et al., 2025). En este sentido, no solo deben considerarse las tasas de ausentismo, sino
también sus determinantes biológicos, organizacionales y ambientales, lo que evidencia la necesidad
de un enfoque integral en la gestión de la salud ocupacional.
Desde el punto de vista conceptual, el ausentismo laboral se define como la inasistencia del
trabajador a su puesto de trabajo cuando se esperaba su presencia, ya sea por causas justificadas o
injustificadas. Este puede clasificarse en ausentismo justificado, injustificado y médico, y su medición
se realiza mediante indicadores de frecuencia, duración y causas, apoyados en herramientas
estadísticas que permiten analizar patrones según variables sociodemográficas y laborales (Segura et
al., 2025).
El impacto del ausentismo se refleja en el incremento de costos operativos, la disminución de la
productividad y el deterioro del clima organizacional. Asimismo, se asocia con deficiencias en la
gestión preventiva de la salud ocupacional, lo que refuerza la necesidad de implementar estrategias
orientadas al bienestar laboral (Araújo et al., 2022). En este contexto, el presentismo —entendido como
la asistencia al trabajo en condiciones de salud inadecuadas— también constituye un fenómeno
relevante que afecta el desempeño y puede derivar en ausencias futuras.
En el sector industrial, estas problemáticas se acentúan debido a la exposición a riesgos
ergonómicos, la carga física del trabajo y la organización de las tareas. Determinados grupos
ocupacionales presentan perfiles de riesgo diferenciados, lo que exige estrategias de intervención
ajustadas a cada contexto. Por ello, la vigilancia de la salud y el análisis conjunto de variables clínicas
y organizacionales resultan fundamentales para la prevención del ausentismo (Camacho et al., 2025).
Los factores de riesgo psicosocial laboral constituyen un eje central en la explicación del ausentismo.
Estos incluyen condiciones del entorno laboral que afectan el bienestar psicológico y social del
trabajador, tales como el estrés, la carga de trabajo excesiva, la falta de apoyo social, la inseguridad
laboral y la inadecuada organización del trabajo (Olmedo et al., 2025). La exposición sostenida a estos
factores puede derivar en ansiedad, depresión, agotamiento profesional (burnout), reducción del
desempeño y aumento de las ausencias laborales.
Diversos modelos teóricos sustentan el análisis de estos factores, entre ellos el modelo Demanda-
Control, que establece que el estrés aumenta cuando las exigencias laborales superan la capacidad de
control del trabajador, y el modelo Esfuerzo-Recompensa, que plantea que el desequilibrio entre
Esprint Investigación
https://rei.esprint.tech
Vol. 5 N° 1, enero-junio 2026 (1022-1042)
ISSN: 2960-8317
Andrés Alejandro Tello Sarmiento, Gabriela Joseth Serrano Torres 1024
esfuerzo y reconocimiento genera tensión laboral (Muñoz et al., 2024). Estos enfoques han permitido
el desarrollo de instrumentos que facilitan la medición de dimensiones críticas del riesgo psicosocial.
Zapata-Constante y Riera-Vázquez (2024) evidencian que los riesgos psicosociales se relacionan con
la salud mental y el ausentismo laboral, al incrementar la probabilidad y duración de las ausencias. De
igual forma, condiciones como la falta de apoyo organizacional, la mala comunicación, el acoso laboral
y la inseguridad en el empleo agravan esta situación, con efectos tanto individuales como
organizacionales.
De manera complementaria, Arrieta (2026) señala que el estrés laboral y los riesgos psicosociales
deterioran la salud mental de los trabajadores, lo que incrementa el ausentismo y reduce la
productividad. Estos factores también favorecen la rotación del personal y el presentismo, afectando
la eficiencia organizacional.
Asimismo, la exposición continua a riesgos psicosociales como conflictos interpersonales,
ambigüedad de roles y falta de reconocimiento impacta negativamente en la salud física y mental,
incrementando los accidentes laborales y reduciendo el compromiso organizacional (Haines et al.,
2025). Por ello, se requiere la implementación de estrategias integrales orientadas al bienestar, la
autonomía y la mejora del clima laboral.
El análisis cuantitativo resulta fundamental para examinar el comportamiento de variables
laborales y de salud ocupacional. El uso de técnicas estadísticas permite identificar relaciones
complejas entre múltiples factores y construir modelos predictivos que facilitan la toma de decisiones
(Espinoza-Freire, 2025). El análisis multivariado es especialmente relevante en el estudio del
ausentismo laboral debido a su naturaleza multidimensional. Este conjunto de técnicas permite
analizar simultáneamente varias variables, identificar patrones y estimar relaciones complejas
mediante herramientas como regresión múltiple, análisis factorial, clúster y modelos de regresión
(Damián & Abril, 2025).
En el contexto ecuatoriano, la normativa en salud y seguridad laboral ha sido fortalecida mediante
la Constitución y el sistema SART del IESS; sin embargo, su aplicación en la gestión de riesgos
psicosociales aún presenta limitaciones, especialmente en el sector industrial. Factores como la carga
laboral, el liderazgo y la participación organizacional influyen directamente en el bienestar de los
trabajadores (Arrieta, 2026).
En este sentido, el presente estudio se justifica por la necesidad de comprender de manera integral
los factores de riesgo psicosocial y su incidencia en el ausentismo laboral en el sector industrial
ecuatoriano. La aplicación del modelamiento estadístico y del análisis multivariado permitirá
identificar relaciones complejas, patrones ocultos y variables determinantes, fortaleciendo así el rigor
metodológico de la investigación.
Bajo esta perspectiva, el objetivo de esta investigación fue analizar la asociación entre los factores
de riesgo psicosocial y el ausentismo laboral autorreportado en trabajadores del sector industrial
ecuatoriano mediante técnicas de modelamiento estadístico y análisis multivariado, con el fin de
comprender su comportamiento y contribución dentro del contexto organizacional.
Para cumplir este propósito, se plantearon como objetivos específicos: identificar y caracterizar los
principales factores de riesgo psicosocial presentes en los trabajadores del sector industrial
ecuatoriano; determinar la asociación entre los factores de riesgo psicosocial y el ausentismo laboral
autorreportado mediante herramientas de estadística inferencial; y construir un modelo estadístico
multivariado que permita estimar la contribución de los factores de riesgo psicosocial sobre el
ausentismo laboral autorreportado en este sector.
Esprint Investigación
https://rei.esprint.tech
Vol. 5 N° 1, enero-junio 2026 (1022-1042)
ISSN: 2960-8317
Andrés Alejandro Tello Sarmiento, Gabriela Joseth Serrano Torres 1025
2. Metodología
Diseño del estudio
La investigación adoptó un enfoque cuantitativo, con diseño no experimental de corte transversal y
alcance correlacional-explicativo. Este diseño permitió analizar, en un momento específico del tiempo,
la asociación entre los factores de riesgo psicosocial y el ausentismo laboral autorreportado, así como
estimar la contribución de cada dimensión psicosocial sobre dicha variable.
Población y muestra
La población de estudio estuvo conformada por 119 registros correspondientes a trabajadores de una
empresa del sector industrial ubicada en el cantón Tambo, provincia del Cañar. Al disponer del acceso
a la totalidad de los registros, se aplicó un censo institucional, por lo que no se realizó muestreo y el
análisis se efectuó sobre el universo completo de datos (n = 119).
Se incluyeron todos los trabajadores mayores de edad con relación laboral activa al momento de la
aplicación del instrumento y que aceptaron participar de forma voluntaria. Se excluyeron los
cuestionarios con respuestas incompletas o inconsistentes que pudieran afectar la validez de la
información.
Instrumentos
La medición de los factores de riesgo psicosocial se realizó mediante el Cuestionario de Evaluación de
Riesgo Psicosocial del Ministerio del Trabajo del Ecuador (2018), instrumento estandarizado de
aplicación institucional en empresas con más de diez trabajadores para la prevención de riesgos
psicosociales.
El cuestionario estuvo conformado por 58 ítems agrupados en ocho dimensiones: (1) carga y ritmo de
trabajo, (2) desarrollo de competencias, (3) liderazgo, (4) margen de acción y control, (5) organización
del trabajo, (6) recuperación, (7) soporte y apoyo, y (8) otros puntos importantes. Además, incluye
subdimensiones como acoso discriminatorio, acoso laboral, acoso sexual, adicción al trabajo,
condiciones de trabajo, doble presencia trabajo-familia, estabilidad laboral y emocional, y
autopercepción de salud.
Las respuestas se estructuraron en una escala Likert de cuatro puntos (1 = en desacuerdo, 4 =
completamente de acuerdo), donde puntuaciones más altas indicaron una percepción más favorable de
las condiciones psicosociales. La guía del instrumento reportó evidencia de validez y consistencia interna
elevada, con un alfa de Cronbach global de 0,967 y coeficientes por dimensión entre 0,806 y 0,904.
Adicionalmente, se incorporó un bloque de preguntas para medir el ausentismo laboral mediante
autorreporte. Este bloque comprendió cuatro indicadores: (a) número de días completos de ausencia
al trabajo en los últimos 12 meses; (b) número de llegadas tardías en los últimos 30 días; (c) número de
salidas antes de finalizar la jornada en los últimos 30 días; y (d) causa principal de las ausencias
laborales durante los últimos 12 meses, con las categorías: enfermedad, motivos familiares, trámites
personales, estrés o malestar emocional, problemas de transporte, y otros.
La variable dependiente utilizada para el modelamiento estadístico fue el número de días completos
de ausencia en los últimos 12 meses, por tratarse de una variable de conteo adecuada para modelos de
regresión. Las variables de llegadas tardías y salidas anticipadas se analizaron de forma
complementaria.
Esprint Investigación
https://rei.esprint.tech
Vol. 5 N° 1, enero-junio 2026 (1022-1042)
ISSN: 2960-8317
Andrés Alejandro Tello Sarmiento, Gabriela Joseth Serrano Torres 1026
Con el fin de caracterizar la población estudiada y explorar posibles subgrupos, se recolectó
información sociodemográfica y laboral: edad, sexo, nivel de instrucción, área de trabajo y tiempo de
permanencia en la empresa.
Procedimiento
El cuestionario fue administrado en formato digital mediante Google Forms, plataforma que facilitó la
distribución, el acceso remoto y la recolección automatizada de respuestas. Antes de la recolección de
datos, se socializó con los participantes el objetivo del estudio, el carácter voluntario de la participación
y las condiciones de anonimato y confidencialidad, en cumplimiento con los lineamientos de la guía
oficial del Ministerio del Trabajo. El formulario fue habilitado durante el horario laboral y el personal
a cargo estuvo disponible para resolver dudas durante el periodo de aplicación.
No se solicitó información personal identificatoria en ningún apartado del instrumento. El tiempo
estimado de respuesta fue de entre 15 y 20 minutos, conforme a lo indicado en la guía oficial. Una vez
cerrado el periodo de recolección, las respuestas fueron exportadas desde Google Forms en formato de
hoja de cálculo (.xlsx) para su posterior depuración y análisis estadístico. Se revisó la integridad de cada
registro, descartando aquellos con respuestas incompletas o con patrones de respuesta inconsistentes.
Análisis estadístico
El análisis estadístico se realizó con el software R (versión 4.5.3). El nivel de significancia estadística se
fijó en α = 0,05 para todas las pruebas. El análisis se desarrolló en cuatro etapas sucesivas:
Primero, se calcularon frecuencias, porcentajes, medias y desviaciones estándar para todas las
variables del estudio. Las puntuaciones de cada dimensión se obtuvieron promediando los ítems
correspondientes. La consistencia interna del instrumento en la muestra se evaluó mediante el alfa de
Cronbach global y por dimensión.
Segundo, se: exploró la estructura multivariada de los factores de riesgo psicosocial mediante un
Análisis de Componentes Principales (ACP) sobre las puntuaciones dimensionales. La adecuación de
los datos se verificó con el índice KMO y la prueba de esfericidad de Bartlett; el número de
componentes retenidos se definió con el criterio de Kaiser y el gráfico de sedimentación. Este análisis
se utilizó con fines exploratorios y para apoyar la evaluación de colinealidad entre dimensiones.
Tercero, se examinó la distribución de las variables mediante la prueba de Kolmogorov-Smirnov
con corrección de Lilliefors. Debido a que la mayoría de las variables no cumplió el supuesto de
normalidad, se empleó el coeficiente de correlación de Spearman (ρ) para evaluar la asociación entre
cada dimensión psicosocial y el número de días de ausencia.
Cuarto, para el modelamiento multivariado se ajustó un modelo de regresión para datos de conteo,
tomando como variable dependiente el número de días completos de ausencia en los últimos 12 meses.
Se evaluó inicialmente un modelo de Poisson; no obstante, debido a la evidencia de sobredispersión,
se ajustó un modelo de regresión binomial negativa como alternativa más apropiada. Se reportaron los
coeficientes en escala logarítmica y las razones de tasas de incidencia (IRR) con intervalos de confianza
al 95%, junto con indicadores globales de ajuste del modelo.
Consideraciones éticas
El estudio respetó los principios de participación voluntaria, anonimato, confidencialidad y uso
exclusivamente académico de la información, en concordancia con los lineamientos de la guía oficial
Esprint Investigación
https://rei.esprint.tech
Vol. 5 N° 1, enero-junio 2026 (1022-1042)
ISSN: 2960-8317
Andrés Alejandro Tello Sarmiento, Gabriela Joseth Serrano Torres 1027
del Ministerio del Trabajo, que establece que el cuestionario no debe solicitar datos personales
identificatorios y que la información debe ser manejada con estricta cautela. Los datos fueron
analizados de forma agregada, sin posibilidad de identificación individual de los participantes. Dado
que el estudio no implicó intervención sobre los participantes, no se utilizó información clínica ni datos
sensibles de carácter médico, y el instrumento empleado es de aplicación institucional estandarizada
en el país, no se requirió dictamen de un comité de ética formal.
3. Resultados
La Tabla 1 presenta la distribución de las características sociodemográficas de la población analizada.
Se evidenció un predominio del personal del área operativa (75,6 %) en comparación con el área
administrativa (24,4 %). En relación con el nivel educativo, el más frecuente fue el bachillerato (48,7
%), seguido de estudios de tercer nivel (34,5 %). En cuanto a la experiencia laboral dentro de la
empresa, se observó que el 90,8 % de los participantes reportó entre 0 y 2 años de antigüedad. Respecto
al grupo etario, predominó el rango de 25 a 34 años (52,1 %). En la autoidentificación étnica, el 61,3 %
se identificó como mestizo y el 37,8 % como indígena. Finalmente, el 66,4 % de los participantes
correspondió al género masculino.
Tabla 1
Información sociodemográfica de la población estudiada
Variable Categoría n Representatividad
Área de trabajo
Operativa 90 75.6%
Administrativa 29 24.4%
Nivel de educación
Bachillerato 58 48.7%
Tercer nivel 41 34.5%
Técnico/Tecnológico 6 5.0%
Cuarto nivel 5 4.2%
Educación media 4 3.4%
Educación básica 4 3.4%
Otro 1 0.8%
Experiencia en la empresa
0–2 años 108 90.8%
3–10 años 10 8.4%
11–20 años 1 0.8%
Grupo etario
16–24 años 31 26.0%
25–34 años 62 52.1%
35–43 años 14 11.8%
44–52 años 11 9.2%
Igual o superior a 53 años 1 0.8%
Esprint Investigación
https://rei.esprint.tech
Vol. 5 N° 1, enero-junio 2026 (1022-1042)
ISSN: 2960-8317
Andrés Alejandro Tello Sarmiento, Gabriela Joseth Serrano Torres 1028
Autoidentificación étnica
Mestizo/a 73 61.3%
Indígena 45 37.8%
Montubio/a 1 0.8%
Género
Masculino 79 66.4%
Femenino 40 33.6%
Consistencia interna del instrumento
La Tabla 2 presenta los coeficientes alfa de Cronbach por dimensión. El coeficiente alfa de Cronbach
global del cuestionario fue de 0,970, lo que evidencia una consistencia interna excelente. A nivel
dimensional, seis de las ocho dimensiones alcanzaron valores de alfa entre 0,807 y 0,940, interpretados
como niveles de fiabilidad entre buenos y excelentes. Las dimensiones Liderazgo (α = 0,903) y Otros
puntos importantes (α = 0,940) presentaron los coeficientes más altos. En contraste, la dimensión
Desarrollo de competencias registró un alfa de 0,566, valor inferior al umbral convencional de
aceptabilidad, por lo que sus resultados deben interpretarse con cautela cuando se analicen de forma
independiente.
Tabla 2
Consistencia interna del cuestionario por dimensión (alfa de Cronbach)
Dimensión Etiqueta Nro. ítems α Interpretación
Carga y ritmo de trabajo CRT 4 0,757 Aceptable
Desarrollo de competencias DC 4 0,566 Inaceptable
Liderazgo LI 6 0,903 Excelente
Margen de acción y control MAC 4 0,872 Buena
Organización del trabajo OT 6 0,837 Buena
Recuperación RE 5 0,876 Buena
Soporte y apoyo SA 5 0,807 Buena
Otros puntos importantes OPI 24 0,940 Excelente
Caracterización de los factores de riesgo psicosocial
La Tabla 3 presenta las puntuaciones medias, desviaciones estándar (DE) y la distribución porcentual
por nivel de riesgo para cada dimensión del cuestionario. Dado que el instrumento utiliza una escala
de 1 a 4, en la cual puntuaciones más altas reflejan condiciones psicosociales más favorables, es decir,
una menor percepción de riesgo, los resultados se interpretan en ese sentido. Las dimensiones
analizadas corresponden a constructos compuestos, integrados por múltiples ítems del cuestionario
de factores de riesgo psicosocial, los cuales fueron agregados para su respectiva evaluación.
Cada dimensión se calculó a partir de la suma o promedio de los ítems que la conforman. Debido a
que las puntuaciones resultantes representan índices numéricos derivados de la agregación de reactivos
tipo Likert, fueron tratadas como variables cuantitativas para los análisis descriptivos e inferenciales.
Esprint Investigación
https://rei.esprint.tech
Vol. 5 N° 1, enero-junio 2026 (1022-1042)
ISSN: 2960-8317
Andrés Alejandro Tello Sarmiento, Gabriela Joseth Serrano Torres 1029
Tabla 3
Estadística descriptiva y clasificación por nivel de riesgo de las dimensiones psicosociales y subdimensiones
Dimensión Etiqueta Media DE Mediana
Bajo
riesgo
Bajo
riesgo
%
Riesgo
medio
Riesgo
medio
%
Alto
riesgo
Alto
riesgo
%
1. Carga y ritmo de
trabajo
CRT 2,82 0,78 3,00 60 50,4 46 38,7 13 10,9
2. Desarrollo de
competencias
DC 3,18 0,59 3,25 84 70,6 33 27,7 2 1,7
3. Liderazgo LI 2,81 0,87 3,00 61 51,3 40 33,6 18 15,1
4. Margen de
acción y control
MAC 2,86 0,89 3,00 64 53,8 36 30,3 19 16,0
5. Organización
del trabajo
OT 2,95 0,72 3,00 66 55,5 44 37,0 9 7,6
6. Recuperación RE 2,25 0,89 2,20 30 25,2 44 37,0 45 37,8
7. Soporte y apoyo SA 2,87 0,75 3,00 63 52,9 43 36,1 13 10,9
8. Otros puntos
importantes
OPI 2,94 0,66 3,00 64 53,8 47 39,5 8 6,7
8.1 OPI: Acoso
discriminatorio
OPI_AD 3,17 0,73 3,25 82 68,9 30 25,2 7 5,9
8.2 OPI: Acoso
laboral
OPI_AL 2,72 0,97 3,00 66 55,5 29 24,4 24 20,2
8.3 OPI: Acoso
sexual
OPI_AS 3,37 0,84 3,50 94 79,0 17 14,3 8 6,7
8.4 OPI: Adicción
al trabajo
OPI_AT 2,98 0,73 3,00 71 59,7 37 31,1 11 9,2
8.5 OPI:
Condiciones del
trabajo
OPI_CT 2,57 0,90 2,50 47 39,5 48 40,3 24 20,2
8.6 OPI: Doble
presencia (laboral-
familiar)
OPI_DP 2,79 0,88 3,00 65 54,6 37 31,1 17 14,3
8.7 OPI:
Estabilidad laboral
y emocional
OPI_ELE 2,89 0,80 3,00 64 53,8 38 31,9 17 14,3
8.8 OPI: Salud
autopercibida
OPI_SAP 2,87 0,90 3,00 71 59,7 33 27,7 15 12,6
Esprint Investigación
https://rei.esprint.tech
Vol. 5 N° 1, enero-junio 2026 (1022-1042)
ISSN: 2960-8317
Andrés Alejandro Tello Sarmiento, Gabriela Joseth Serrano Torres 1030
La dimensión con mayor proporción de trabajadores en nivel de alto riesgo fue Recuperación (RE),
donde el 37,8 % de los participantes se ubicó en esta categoría, con una puntuación media de 2,25 (DE
= 0,89), la más baja entre las dimensiones principales. Le siguieron en nivel de riesgo las dimensiones
de Liderazgo (LI), con un 15,1 % en alto riesgo y una media de 2,81, y Margen de acción y control
(MAC), con un 16,0 % en alto riesgo y una media de 2,86.
En contraste, la dimensión Desarrollo de competencias (DC) presentó el perfil más favorable, con el
70,6 % de los trabajadores en nivel de bajo riesgo y apenas un 1,7 % en alto riesgo (media = 3,18), lo
que sugiere una percepción positiva respecto a las oportunidades de capacitación y desarrollo dentro
de la organización.
En relación con las subdimensiones de Otros puntos importantes (OPI), los resultados evidenciaron
patrones de riesgo heterogéneos que no se reflejan plenamente en la puntuación global de la dimensión
(media = 2,94; 6,7 % en alto riesgo). Las subdimensiones con mayor proporción de alto riesgo fueron
Acoso laboral (OPI_AL) y Condiciones del trabajo (OPI_CT), ambas con 20,2 %, seguidas de Doble
presencia laboral-familiar (OPI_DP) y Estabilidad laboral y emocional (OPI_ELE), con 14,3 % cada una.
Por el contrario, Acoso sexual (OPI_AS) y Acoso discriminatorio (OPI_AD) presentaron las menores
proporciones de alto riesgo (6,7 % y 5,9 %, respectivamente), aunque estos valores no son despreciables
desde una perspectiva de salud ocupacional.
Estructura multivariada de los factores de riesgo psicosocial
Con el propósito de explorar la estructura interna de los factores de riesgo psicosocial e identificar
posibles patrones latentes entre las ocho dimensiones del cuestionario, se realizó un Análisis de
Componentes Principales (ACP) a partir de las puntuaciones promedio de dichas dimensiones. Dado
que cada una constituye una medida compuesta derivada de múltiples reactivos, las puntuaciones
fueron tratadas como variables cuantitativas para el análisis multivariado basado en la matriz de
correlaciones. Previamente, se evaluó la adecuación de los datos mediante el índice Kaiser-Meyer-
Olkin (KMO) (Tabla 4) y la prueba de esfericidad de Bartlett (Tabla 5).
Tabla 1
Índices de adecuación muestral KMO por dimensión psicosocial
Dimensión KMO
CRT 0,89
DC 0,91
LI 0,92
MAC 0,91
OT 0,93
RE 0,92
SA 0,93
OPI 0,93
Global 0.92
Esprint Investigación
https://rei.esprint.tech
Vol. 5 N° 1, enero-junio 2026 (1022-1042)
ISSN: 2960-8317
Andrés Alejandro Tello Sarmiento, Gabriela Joseth Serrano Torres 1031
Tabla 5
Test de esfericidad de Bartlett
Estadístico del test Valor
Chi-cuadrado 673,14
Grados de libertad (gl) 28
P-valor 2,2 x 10
-16
El índice KMO global fue 0,92 y los índices individuales por dimensión oscilaron entre 0,89 y 0,93,
lo que evidenció factibilidad para el ACP. La prueba de Bartlett fue significativa (χ²(28) = 673,14) con
p < 2,2 × 10⁻¹⁶, por lo que se rechazó la hipótesis de matriz identidad. La Tabla 6 presenta los autovalores
y la varianza explicada por cada componente.
Tabla 6
Autovalores y varianza explicada por componente principal
Componente Autovalor Varianza Varianza acumulada
CP1 5,513 68,92 68,92
CP2 0,574 7,18 76,1
CP3 0,513 6,42 82,51
CP4 0,413 5,16 87,68
CP5 0,3 3,75 91,43
CP6 0,252 3,15 94,58
CP7 0,241 3,01 97,6
CP8 0,192 2,4 100
Aplicando el criterio de Kaiser (autovalores > 1), se retuvo un único componente principal (CP1),
con un autovalor de 5,513, el cual explicó el 68,92 % de la varianza total de las dimensiones
psicosociales. El segundo componente presentó un autovalor de 0,574, valor claramente inferior al
umbral de retención. La Figura 1 muestra de manera gráfica este resultado, evidenciando un marcado
punto de inflexión tras el primer componente y una tendencia prácticamente plana a partir del
segundo.
Esprint Investigación
https://rei.esprint.tech
Vol. 5 N° 1, enero-junio 2026 (1022-1042)
ISSN: 2960-8317
Andrés Alejandro Tello Sarmiento, Gabriela Joseth Serrano Torres 1032
Figura 1
Gráfico de sedimentación del Análisis de Componentes Principales sobre las dimensiones del cuestionario de riesgo
psicosocial
La Tabla 7 presenta las cargas factoriales de cada dimensión en CP1 y sus comunalidades.
Tabla 7
Cargas factoriales en CP1, comunalidades y varianza explicada por dimensión
Dimensión Carga factorial CP1 Comunalidad Porcentaje explicado
Carga y ritmo de trabajo 0,816 0,665 66,5
Desarrollo de competencias 0,785 0,616 61,6
Liderazgo 0,837 0,701 70,1
Margen de acción y control 0,832 0,692 69,2
Organización del trabajo 0,829 0,688 68,8
Recuperación 0,804 0,646 64,6
Soporte y apoyo 0,885 0,782 78,2
Otros puntos importantes 0,850 0,722 72,2
Todas las dimensiones presentaron cargas positivas elevadas sobre el primer componente (CP1),
con valores que oscilaron entre 0,785 (Desarrollo de competencias) y 0,885 (Soporte y apoyo). Sin
embargo, este resultado debe interpretarse como evidencia de covariación entre las dimensiones, más
que como una confirmación concluyente de la unidimensionalidad del instrumento.
Asociación entre los factores de riesgo psicosocial y el ausentismo laboral
La Tabla 8 presenta la estadística descriptiva de las cuatro variables de ausentismo laboral
autorreportado.
Esprint Investigación
https://rei.esprint.tech
Vol. 5 N° 1, enero-junio 2026 (1022-1042)
ISSN: 2960-8317
Andrés Alejandro Tello Sarmiento, Gabriela Joseth Serrano Torres 1033
Tabla 2
Estadística descriptiva de las variables de ausentismo laboral autorreportado
Dimensión Media DE Mediana Min Max % Ceros
Días ausencia (últimos 12 meses) 1,43 2,92 0 0 23 57,1%
Llegadas tardías (últimos 30 días) 2,19 4,15 0 0 30 53,8%
Salidas anticipadas (últimos 30 días) 0,62 1,98 0 0 15 80,7%
Días ausencia (últimos 30 días) 0,27 0,58 0 0 3 79,0%
La variable principal objeto de estudio, días de ausencia en los últimos 12 meses (AL12ME),
presentó una media de 1,43 días (DE = 2,92), una mediana de 0, un valor máximo de 23 días y un 57,1
% de trabajadores que no reportaron ausencias en el periodo analizado. Esta distribución, caracterizada
por una alta concentración en el valor cero, baja media y presencia de valores extremos, es propia de
variables de conteo con exceso de ceros y asimetría positiva con cola derecha extendida.
De manera similar, las variables de ausentismo de corto plazo mostraron patrones comparables:
llegadas tardías en los últimos 30 días (media = 2,19; 53,8 % de ceros), salidas anticipadas en los últimos
30 días (media = 0,62; 80,7 % de ceros) y días de ausencia en los últimos 30 días (media = 0,27; 79,0 %
de ceros).
La Figura 2 presenta la distribución de las principales causas de ausencia reportadas por los
trabajadores. Este resultado permite contextualizar el ausentismo laboral y analizar en qué medida los
factores psicosociales se encuentran entre los motivos predominantes de ausencia en la población
estudiada.
Figura 2
Distribución de la causa principal de ausencia laboral autorreportada
La Tabla 9 presenta los resultados de la prueba de normalidad de Kolmogorov-Smirnov con
corrección de Lilliefors aplicada a todas las variables del estudio.
44 (37,0%)
37 (31,1%)
17 (14,3%)
12 (10,1%)
5 (4,2%)
2 (1,7%)
1 (0,8%)
1 (0,8%)
0 5 10 15 20 25 30 35 40 45 50
Enfermedad
Sin ausentismo reportado
Motivos familiares
Trámites personales
Problemas de transporte
Horarios de trabajo seguidos
Terninada la produccion
Vacaciones
Esprint Investigación
https://rei.esprint.tech
Vol. 5 N° 1, enero-junio 2026 (1022-1042)
ISSN: 2960-8317
Andrés Alejandro Tello Sarmiento, Gabriela Joseth Serrano Torres 1034
Tabla 9
Resultados de la prueba de normalidad Kolmogorov-Smirnov (corrección de Lilliefors)
Dimensiones Estadístico D P-valor Distribución
Carga y ritmo de trabajo 0,0933 0,0127 No normal
Desarrollo de competencias 0,1355 0 No normal
Liderazgo 0,113 0,0008 No normal
Margen de acción y control 0,1343 0 No normal
Organización del trabajo 0,1063 0,0021 No normal
Recuperación 0,1364 0 No normal
Soporte y apoyo 0,0971 0,0078 No normal
Otros puntos importantes 0,0756 0,091 Normal
Días ausencia 12 meses 0,3126 0 No normal
Días ausencia 30 días 0,4691 0 No normal
Llegadas tardías 30 días 0,2988 0 No normal
Salidas anticipadas 30 días 0,4298 0 No normal
Principalmente, las variables analizadas (11 de 12) mostraron distribuciones significativamente
distintas a la normal (p < 0,05), siendo la única excepción la dimensión “Otros puntos importantes” (p
= 0,091). Sin embargo, dado que la gran mayoría de las variables no cumplen el supuesto de
normalidad, se optó por el uso del coeficiente de correlación de Spearman (ρ) para el análisis bivariado.
La Tabla 10 presenta los coeficientes obtenidos de las dimensiones psicosociales y la variable de
ausentismo laboral.
Tabla 3
Correlaciones de Spearman entre dimensiones psicosociales y variables de ausentismo laboral
Dimensión
Días de ausencia 12
meses
Días de ausencia 30
días
Llegadas tardías 30
días
Salidas anticipadas
30 días
rho p-valor rho p-valor rho p-valor rho p-valor
Organización del
trabajo
-0.190 * 0,0382 -0.169 ns 0,0661 -0.241 ** 0,0083 -0.037 ns 0,6898
Otros puntos
importantes
-0.172 ns 0,0617 -0.174 ns 0,0588 -0.115 ns 0,2112 -0.018 ns 0,8446
Carga y ritmo de
trabajo
-0.134 ns 0,1469 -0.234 * 0,0104 -0.144 ns 0,1189 -0.119 ns 0,1963
Esprint Investigación
https://rei.esprint.tech
Vol. 5 N° 1, enero-junio 2026 (1022-1042)
ISSN: 2960-8317
Andrés Alejandro Tello Sarmiento, Gabriela Joseth Serrano Torres 1035
Margen de acción y
control
-0.121 ns 0,1897 -0.171 ns 0,0623 -0.176 ns 0,0555 -0.032 ns 0,7309
Liderazgo -0.109 ns 0,2392 -0.156 ns 0,0894 -0.169 ns 0,0661 0.009 ns 0,9198
Soporte y apoyo -0.105 ns 0,2558 -0.128 ns 0,1659 -0.091 ns 0,3245 0.008 ns 0,9302
Recuperación -0.085 ns 0,3557 -0.150 ns 0,1029 -0.080 ns 0,3889 0.113 ns 0,2220
Desarrollo de
competencias
-0.073 ns 0,4285 -0.115 ns 0,2114 -0.058 ns 0,5298 0.086 ns 0,3498
Con respecto a la variable principal de análisis, “Días de ausencia” en los 12 meses, únicamente la
dimensión “Organización del trabajo” mostró una correlación estadísticamente significativa (ρ =
−0,190; p = 0,038). El signo negativo se interpreta en función de la dirección de la escala del instrumento:
dado que puntuaciones más altas indican menor riesgo percibido, el coeficiente negativo indica que
una peor percepción de la organización del trabajo se asocia con un mayor número de días de ausencia.
Las demás dimensiones mostraron coeficientes negativos en la misma dirección, pero sin alcanzar
significancia estadística (p > 0,05).
Para las variables de ausentismo de corto plazo, se observaron asociaciones significativas adicionales.
La dimensión “Organización del trabajo” también se asoció significativamente con las llegadas tardías
en los últimos 30 días (ρ = −0,241; p = 0,008), y la dimensión Carga y ritmo de trabajo mostró una
correlación significativa con los días de ausencia en los últimos 30 días (ρ = −0,234; p = 0,010).
La asociación global entre el score psicosocial agregado y “Días de ausencia” en los 12 meses, el
análisis de Spearman arrojó un coeficiente de ρ = −0,160; p = 0,083), que no alcanzó significancia
estadística. La Figura 3 muestra los valores obtenidos de la correlación de Spearman entre las
dimensiones de los factores psicosociales y la variable Días de ausencia en los últimos 12 meses.
Figura 1
Forest plot de correlaciones de Spearman (ρ) con intervalos de confianza al 95% entre dimensiones psicosociales y días de
ausencia en los últimos 12 meses
Esprint Investigación
https://rei.esprint.tech
Vol. 5 N° 1, enero-junio 2026 (1022-1042)
ISSN: 2960-8317
Andrés Alejandro Tello Sarmiento, Gabriela Joseth Serrano Torres 1036
Modelamiento estadístico multivariado
La variable de análisis “Días de ausencia” en los últimos 12 meses es una variable de conteo discreto
no negativo, con alta concentración en el valor cero (57,1%) y una distribución marcadamente
asimétrica, por lo que se plantea un modelo de regresión binomial negativa (BN). La Tabla 11 presenta
los indicadores de dispersión que fundamentan la elección del modelo.
Tabla 11
Indicadores de sobredispersión de la variable AL12ME
Indicador Valor
Media 1,43
Varianza 8,55
Razón Varianza/Media 5,99
% Ceros 57,1%
La razón varianza/media fue de 5,99, valor que supera ampliamente el umbral de sobredispersión
(> 2) y por tanto vuelve más apropiada la binomial negativa. Por ello, aunque la regresión de Poisson
se ajustó como modelo de referencia, la regresión binomial negativa (BN) es el modelo estadísticamente
apropiado para los datos. Se realizó el test de razón de verosimilitud (LRT) comparando el modelo de
Poisson con el binomial negativo, ambos ajustados con los mismos predictores. El resultado fue: χ²(1)
= 182,62, p < 2,2 × 10⁻¹⁶, rechazando contundentemente el modelo de Poisson.
De las ocho dimensiones psicosociales disponibles, tres pares presentaron correlaciones (Spearman)
superiores a |r| = 0,70 indicando multicolinealidad. La Tabla 12 muestra los resultados de la evaluación
de multicolinealidad entre dimensiones, identificando correlaciones altas entre los predictores.
Tabla 12
Evaluación de multicolinealidad entre dimensiones
Dimensión 1 Dimensión 2 r
Liderazgo Margen de acción y control 0,752
Recuperación Soporte y apoyo 0,720
Soporte y apoyo Otros puntos importantes 0,753
Para resolver esta situación, se aplicó un criterio basado en la relevancia empírica: dentro de cada
par, se retuvo la dimensión con mayor correlación absoluta con la variable AL12ME. Bajo este criterio,
se excluyeron Liderazgo (|ρ| = 0,109 < 0,121 de MAC), Recuperación (|ρ| = 0,085 < 0,105 de SA) y
Soporte y apoyo (|ρ| = 0,105 < 0,172 de OPI). El conjunto de predictores finales sin multicolinealidad
severa quedó conformado por: CRT, DC, MAC, OT y OPI.
La Tabla 13 presenta los indicadores de ajuste de los cuatro modelos evaluados.
Esprint Investigación
https://rei.esprint.tech
Vol. 5 N° 1, enero-junio 2026 (1022-1042)
ISSN: 2960-8317
Andrés Alejandro Tello Sarmiento, Gabriela Joseth Serrano Torres 1037
Tabla 13
Comparación de modelos de regresión para la variable AL12ME
Modelo Predictores AIC BIC LogLik Pseudo R
2
Poisson completo
CRT, DC, MAC,
OT, OPI
555,99 572,67 -272,00 0,0481
BN completo
CRT, DC, MAC,
OT, OPI
375,38 394,83 -180,69 0,0561
BN reducido (OT) OT 368,95 377,29 -181,48 0,0411
BN global SCORE_GLOBAL 371,40 379,74 -182,70 0,0174
La comparación del criterio de información de Akaike (AIC) evidencia que los tres modelos
binomiales negativos (BN) superan ampliamente al modelo de Poisson completo (ΔAIC > 180 puntos).
Entre los modelos BN, el modelo completo (AIC = 375,38) y el modelo reducido con la dimensión
Organización del trabajo como único predictor (AIC = 368,95) presentan valores cercanos, con una
diferencia de 6,43 puntos a favor del modelo reducido. En términos interpretativos, una diferencia de
AIC inferior a 10 indica que ambos modelos son comparables en ajuste; sin embargo, la menor
complejidad del modelo reducido y su mayor interpretabilidad lo posicionan como la opción más
parsimoniosa. No obstante, el modelo completo se reporta por su valor explicativo, ya que permite
evaluar la contribución individual de cada dimensión manteniendo el control del resto de variables.
Resultados del modelo binomial negativo completo
La Tabla 14 presenta los coeficientes, IRR, intervalos de confianza al 95%, p-valores y valores VIF del
modelo BN completo.
Tabla 14
Coeficientes e IRR del modelo de regresión binomial negativa completo
Predictor Beta IRR IC: 95 low IC: 95 hi p_valor Sig VIF
(Intercept) 1,4229 4,1489 0,3803 54,4741 0,1515 ns --
SCORE_CRT -0,3512 0,7038 0,3037 1,5873 0,3182 ns 2,485
SCORE_DC 0,5749 1,7770 0,5725 5,5761 0,1874 ns 2,211
SCORE_MAC 0,1839 1,2019 0,6427 2,3018 0,5343 ns 2,331
SCORE_OT -0,8746 0,4170 0,1535 1,0894 0,0251 * 2,702
SCORE_OPI 0,0216 1,0218 0,3987 2,6283 0,9596 ns 2,670
Nota. ns = no significativo (p ≥ 0,05); * p < 0,05.
Todos los valores VIF se situaron entre 2,211 y 2,702, muy por debajo del umbral crítico de 5,
confirmando que la multicolinealidad residual entre los predictores seleccionados no representa un
problema para la estimación del modelo.
Esprint Investigación
https://rei.esprint.tech
Vol. 5 N° 1, enero-junio 2026 (1022-1042)
ISSN: 2960-8317
Andrés Alejandro Tello Sarmiento, Gabriela Joseth Serrano Torres 1038
En el modelo completo, únicamente la dimensión Organización del trabajo (SCORE_OT) alcanzó
significancia estadística (β = −0,875; IRR = 0,4170; p = 0,025). El IRR de 0,417 indica que, por cada
incremento de un punto en la puntuación de OT, lo que equivale a una mejora en la percepción de las
condiciones de organización del trabajo, la tasa esperada de días de ausencia se reduce en un 58,3% (1
− 0,417), manteniendo constantes las demás dimensiones. Las restantes dimensiones no mostraron
asociaciones estadísticamente significativas en el modelo multivariado.
Resultados del modelo binomial negativo reducido y ecuación del modelo
La Tabla 15 presenta los resultados del modelo BN reducido con OT como único predictor.
Tabla 15
Coeficientes e IRR del modelo de regresión binomial negativa reducido
Predictor Beta IRR IC: 95 low IC: 95 hi p_valor Sig
(Intercept) 2,0349 7,6515 1,5124 44,3454 0,0041 **
SCORE_OT -0,5909 0,5538 0,3094 0,9671 0,0131 *
Nota. * p < 0,05; ** p < 0,01.
En el modelo reducido con Organización del trabajo como único predictor, la asociación se mantuvo
significativa ( = 0,591; = 0,554; 95%: 0,309 0,967; = 0,013), con un pseudo R² de
0,041. La ecuación del modelo reducido puede expresarse como:
(
)
=
+
(
)
= 2,035 0,591
(
)
Donde μ_i representa el número esperado de días de ausencia para el individuo i. En consecuencia:
=
(
,,
)
Así, un trabajador con puntuación OT = 1 tendría un valor esperado aproximado de 4,24 días de
ausencia, mientras que un trabajador con OT = 4 tendría un valor esperado de 0,72 días.
4. Discusión
El hallazgo principal de este estudio es que la organización del trabajo fue la única dimensión
psicosocial que mostró una asociación consistente con el ausentismo laboral autorreportado, tanto en
el análisis bivariado como en el modelo binomial negativo multivariado. Este resultado es relevante
porque desplaza la explicación del ausentismo desde un enfoque centrado en factores individuales
hacia una interpretación organizacional del fenómeno. En otras palabras, el patrón observado sugiere
que el ausentismo no se presenta como una conducta aislada del trabajador, sino como una respuesta
acumulativa a déficits en la estructura, planificación y funcionamiento cotidiano del trabajo.
La dirección del efecto es también consistente con una interpretación ocupacional sólida: a mejor
percepción de la organización del trabajo, menor número esperado de días de ausencia. Este patrón es
coherente con estudios recientes que han identificado al entorno laboral, la organización del trabajo, el
apoyo social y las condiciones de empleo como factores asociados al ausentismo, especialmente cuando
el diseño del trabajo se caracteriza por altas demandas, baja autonomía o deficiencias en la
Esprint Investigación
https://rei.esprint.tech
Vol. 5 N° 1, enero-junio 2026 (1022-1042)
ISSN: 2960-8317
Andrés Alejandro Tello Sarmiento, Gabriela Joseth Serrano Torres 1039
coordinación interna (Parra et al., 2021; Rivero et al., 2025). En el sector industrial ecuatoriano, donde
la continuidad operativa depende en gran medida de la estabilidad del recurso humano y de procesos
productivos estandarizados, esta asociación adquiere especial relevancia aplicada.
Un aspecto crítico del estudio es que, aunque varias dimensiones psicosociales mostraron medias
desfavorables o proporciones relevantes de alto riesgo, solo la organización del trabajo conservó
asociación independiente en el modelo final. Esto sugiere que el efecto de los riesgos psicosociales
sobre el ausentismo podría estar concentrado o mediado por la forma en que se organiza el trabajo,
más que por exposiciones aisladas a dominios específicos como liderazgo, soporte o recuperación. En
la literatura reciente, esta interpretación es consistente con estudios que señalan que los factores
organizacionales tienden a agrupar el riesgo y a explicar mejor la ocurrencia de ausencias que variables
psicosociales individuales (Béjar et al., 2025; Pulido et al., 2021).
La dimensión de recuperación fue la que mostró mayor proporción de alto riesgo, pero no conservó
asociación en el modelo ajustado. Esta discrepancia requiere una lectura crítica: la recuperación puede
representar un mecanismo proximal del malestar laboral, pero su efecto sobre el ausentismo
probablemente no sea directo o independiente cuando se controla por otras dimensiones
correlacionadas, especialmente la organización del trabajo. En estudios recientes sobre riesgo
psicosocial y ausentismo, la recuperación suele actuar como variable intermedia o como expresión de
una organización inadecuada del tiempo y la carga laboral, más que como predictor aislado (Monroy
& Michel, 2025). Por tanto, este hallazgo debe interpretarse como un indicador de vulnerabilidad
organizacional subyacente.
La ausencia de asociación estadística para liderazgo, soporte y otras dimensiones no debe
interpretarse como ausencia de relevancia. Más bien, puede explicarse por tres factores: colinealidad
entre dimensiones, tamaño muestral limitado para detectar efectos de menor magnitud y posible
homogeneidad de la muestra al provenir de una sola organización. El propio ACP evidenció una
estructura con alta covariación entre dimensiones, lo que respalda la idea de que estos dominios no
operan de manera independiente. En este sentido, el hecho de que solo una dimensión permanezca en
el modelo multivariado no invalida su importancia, sino que sugiere que la varianza explicada por el
resto de dimensiones fue absorbida por una estructura psicosocial común.
El patrón de ausentismo observado, con alta concentración en cero y varianza superior a la media,
respalda la utilización de regresión binomial negativa. Este comportamiento es consistente con
estudios que han aplicado modelos de conteo con sobredispersión en análisis de incapacidad laboral
y ausencias por enfermedad (Guerrero et al., 2025; Chiang et al., 2020). No obstante, debe evitarse una
sobreinterpretación del poder predictivo del modelo: aunque el ajuste fue superior al de Poisson, el
pseudo R² fue bajo, lo que sugiere la existencia de factores no observados, clínicos, familiares,
contractuales u organizacionales que también influyen en el ausentismo.
La interpretación de las razones de incidencia (IRR) resulta especialmente relevante. El IRR de la
organización del trabajo en ambos modelos evidencia un efecto protector consistente cuando mejora
la percepción organizacional. Este hallazgo es coherente con la literatura que identifica la organización
del trabajo, el control y el apoyo como ejes centrales del ausentismo (Rivero et al., 2025). En el contexto
latinoamericano, además, la carga laboral, la falta de apoyo y la desorganización del trabajo han sido
identificadas como determinantes persistentes del ausentismo, lo que refuerza su carácter estructural
(Tatamuez-Tarapues et al., 2018).
Desde una perspectiva aplicada, este estudio aporta evidencia sobre la utilidad del modelamiento
estadístico y del análisis multivariado para identificar factores organizacionales asociados al
Esprint Investigación
https://rei.esprint.tech
Vol. 5 N° 1, enero-junio 2026 (1022-1042)
ISSN: 2960-8317
Andrés Alejandro Tello Sarmiento, Gabriela Joseth Serrano Torres 1040
ausentismo laboral en el sector industrial ecuatoriano, un campo donde aún son limitadas las
investigaciones con enfoques analíticos avanzados. Los resultados sugieren que las estrategias
preventivas no deberían centrarse exclusivamente en el trabajador, sino en la mejora de las condiciones
organizacionales, especialmente en la planificación, coordinación y gestión del trabajo.
Además, considerando que la enfermedad fue la principal causa de ausencia y que la dimensión
recuperación presentó los niveles más altos de riesgo, se recomienda implementar programas de
vigilancia integral de salud ocupacional, que incluyan seguimiento periódico médico, monitoreo de
trabajadores con mayor exposición a riesgos psicosociales, evaluación continua de la carga laboral y
fortalecimiento de mecanismos institucionales orientados a la recuperación física y mental. Estas
acciones podrían contribuir a reducir el ausentismo, mejorar el bienestar laboral y fortalecer la
sostenibilidad operativa.
Entre las limitaciones del estudio, se destaca la naturaleza autorreportada del ausentismo, lo que
puede introducir sesgo de memoria y subregistro, especialmente en periodos de 12 meses. Asimismo,
el análisis se realizó en una sola empresa, lo que limita la generalización de los hallazgos. Desde el
punto de vista psicométrico, aunque el alfa global fue excelente, el valor bajo en la dimensión
desarrollo de competencias (α = 0,566) sugiere cautela en su interpretación, debido a posibles
limitaciones en la consistencia interna de esa subescala.
Finalmente, futuras investigaciones deberían emplear diseños longitudinales o de cohorte para
establecer relaciones temporales entre variables psicosociales y ausentismo, así como incorporar
registros administrativos de asistencia para mejorar la validez de la medición. También se recomienda
ampliar el análisis a múltiples empresas y sectores, e incorporar modelos más complejos como
mediación, interacción o enfoques multinivel. De igual forma, sería pertinente evaluar intervenciones
sobre la organización del trabajo, la recuperación y la carga laboral mediante diseños
cuasiexperimentales, con el fin de estimar su impacto causal en la reducción del ausentismo.
5. Conclusiones
Se identificaron diferencias claras entre dimensiones psicosociales, destacando recuperación como la
dimensión más desfavorable y desarrollo de competencias como la más favorable, con heterogeneidad
relevante dentro de la subdimensión y otros puntos importantes. Esto demuestra que el riesgo
psicosocial no fue uniforme, sino estructurado por dominios específicos que requieren intervenciones
diferenciadas.
La organización del trabajo fue la única dimensión que mostró relación consistente con el
ausentismo en los análisis bivariados y multivariados. En términos prácticos, una peor percepción de
esta dimensión se asoció con un mayor número de días de ausencia, lo que respalda su relevancia como
determinante organizacional del ausentismo.
El modelo binomial negativo fue estadísticamente apropiado para los datos y permitió estimar la
contribución independiente de las dimensiones psicosociales, identificando a organización del trabajo
como predictor significativo del ausentismo. Aunque el valor explicativo global fue moderado, el
modelo es útil y consistente para inferir que el ausentismo en esta población está más estrechamente
vinculado con la estructura organizacional del trabajo que con el resto de las dimensiones evaluadas.
Esprint Investigación
https://rei.esprint.tech
Vol. 5 N° 1, enero-junio 2026 (1022-1042)
ISSN: 2960-8317
Andrés Alejandro Tello Sarmiento, Gabriela Joseth Serrano Torres 1041
Referencias
Araújo, L., Silva, K., Capistrano, G., Leal, M., & de Andrade, F. (2022). A study on occupational health
and safety. BMC Public Health, 22(1), 2186. https://doi.org/10.1186/s12889-022-14584-w
Arrieta, F. (2026). El absentismo laboral: Conceptualización y elementos para combatirlo. Revista de
Estudios Jurídico Laborales y de Seguridad Social (REJLSS), 13, 68–110.
https://doi.org/10.24310/rejlss13202623268
Béjar, V., Madrigal, F., & Madrigal, S. (2025). Factores que inciden en el ausentismo laboral y su impacto
económico en las organizaciones. Latam: revista latinoamericana de Ciencias Sociales y
Humanidades, 6(1), 11. https://dialnet.unirioja.es/servlet/articulo?codigo=10065560
Camacho, M., Carranco, S., Montecé, S., & Fonseca, C. (2025). Análisis de los sistemas de gestión riesgo
laborales en las empresas. Una revisión sistemática. RECIMUNDO, 9(1), 765–782.
https://doi.org/10.26820/recimundo/9.(1).enero.2025.765-782
Chiang, M., Fuentes, Á., & Hidalgo, J. (2020). Work absence, remuneration, and equity: a confused
relationship. Cuadernos de Administración, 36(68), 126–137.
https://doi.org/10.25100/cdea.v36i68.9743
Damián, B., & Abril, A. (2025). Análisis de accidentes laborales en empresas petroleras ecuatorianas,
utilizando técnicas de estadística multivariada. Revista Veritas de Difusão Científica, 6(3), 3930–
3955. https://doi.org/10.61616/rvdc.v6i3.1135
Delgado-Delgado, D., & Villacreses-Álvarez, G. (2023). Ausentismo Laboral Y Su Impacto Al Clima
Organizacional. Revista Científica y Arbitrada de Ciencias Sociales y Trabajo Social: Tejedora. ISSN:
2697-3626, 6(13), 338–353. https://doi.org/10.56124/tj.v6i12ep.0117
Espinoza-Freire, E. (2025). La investigación cuantitativa: fundamentos, características y aplicaciones
en las ciencias sociales. Sociedad & Tecnología, 8(S3), 1283–1298.
https://doi.org/10.51247/st.v8iS3.47
Guerrero, L., Moreno, N., & Molina, J. (2025). Predicción del Ausentismo Laboral por Incapacidad: Una
Aproximación desde los Modelos Lineales Generalizados. Revista EIA, 22(44), 4431 pp. 1–27.
https://n9.cl/dx80bu
Haines, S., Lee, K., Gable, K., Thigpen, J., Gibson, C., Morley, S., Crowl, A., Chahine, E., Hilaire, M.,
Komperda, K., Szollosi, D., & Nola, K. (2025). Exploration of Psychosocial Hazards: Core
Values, Justice and Fairness, and Social Support to Address Workforce Well-Being. American
Journal of Pharmaceutical Education, 89(8). https://doi.org/10.1016/j.ajpe.2025.101460
Ministerio del Trabajo. (2018). Guía para la aplicación del cuestionario de evaluación de riesgo psicosocial.
https://n9.cl/jsrzu
Monroy, V., & Michel, E. (2025). Mental Health Disorders And Productivity: Which Are The Risk And
Mitigating Factors Of Absenteeism And Presenteeism? Evidence From The U.S. Tech Sector.
Revista Investigación & Desarrollo, 24(3), 83–104. https://doi.org/10.23881/idupbo.024.3-5e
Muñoz, C., Lozano, F., Correa, C., Asher, J., Loaiza, J., & Posada, O. (2024). Capítulo 19: El Síndrome de
Burnout: análisis y modelos explicativos. En Gestión del conocimiento. Perspectiva multidisciplinaria
(libro 72) (pp. 346–364). Fondo Editorial de la Universidad Nacional Experimental Sur del Lago,
Jesús María Semprum (UNESUR). https://doi.org/10.59899/Ges-cono-72-C19
Esprint Investigación
https://rei.esprint.tech
Vol. 5 N° 1, enero-junio 2026 (1022-1042)
ISSN: 2960-8317
Andrés Alejandro Tello Sarmiento, Gabriela Joseth Serrano Torres 1042
Olmedo, J., García, J., Romero, A., & Murillo, K. (2025). Factores de Riesgo Psicosocial asociados a
cumplir turnos rotativos en empresa de sector estratégico. RECIAMUC, 9(1), 105-119.
https://doi.org/10.26820/reciamuc/9.(1).ene.2025.105-119
Parra, M., Lay, N., Payares, K., & Pareja, A. (2021). Factores que intervienen en el nivel de ausentismo
del personal que labora en un centro de llamado de Barranquilla (Colombia). Informacion
Tecnologica, 31(6), 77–86. https://doi.org/10.4067/S0718-07642020000600077
Pulido, E., Lora, L., Jiménez, L. (2021). Factores psicosociales que influyen en el ausentismo: Evaluación
de un modelo explicativo. Interdisciplinaria, 38(1), 149–162.
https://doi.org/10.16888/interd.2021.38.1.10
Rivero, R., Velazco, A., Rivera, S., Barriga, M., Cueva, C. (2025). Asociación entre factores
sociolaborales y ausentismo en trabajadores del sector agroexportador. Universidad, Ciencia y
Tecnología, 29(ESPECIAL), 341–348. https://doi.org/10.47460/uct.v29ispecial.939
Segura, Y., Porras, L., & Gutierrez, Y. (2025). Instrumentos de evaluación de factores de riesgo
psicosocial laboral: Revisión sistemática. Vive Revista de Investigación en Salud, 8(22), 218–233.
https://doi.org/10.33996/revistavive.v8i22.372
Tatamuez-Tarapues, R., Domínguez, A., & Matabanchoy-Tulcán, S. (2018). Revisión sistemática:
Factores asociados al ausentismo laboral en países de América Latina. Universidad y Salud, 21(1),
100–112. https://doi.org/10.22267/rus.192101.143
Villamar-Triviño, R., Duque-Cordova, L., Porras-Ramirez, L., Paz-Barzola, D., Escobar-Segovia, K., &
Muriel-Granda, G. (2025). Ausentismo laboral y perfiles clínicos en conductores de una
empresa manufacturera en Ecuador. Revista Ciencias Pedagógicas e Innovación, 13(1), 89–102.
https://doi.org/10.26423/rcpi.v13i1.836
Transparencia
Conflicto de interés
Los autores declaran que no existen conflictos de interés de naturaleza alguna como parte de la
presente investigación.
Fuente de financiamiento
Los autores financiaron completamente la investigación.
Contribución de autoría
Andrés Alejandro Tello Sarmiento: Conceptualización, análisis formal, investigación, gestión de datos,
visualización, redacción - preparación del borrador original, redacción - revisión y edición,
financiamiento, administración del proyecto, recursos, supervisión.
Gabriela Joseth Serrano Torres: Conceptualización, metodología, software, validación, análisis formal,
redacción - preparación del borrador original, redacción - revisión y edición, financiamiento,
supervisión.
Los autores contribuyeron activamente en el análisis de los resultados, revisión y aprobación del
manuscrito final.
