Presentación - Tema 1

Estadstica Multivariante Lic. MSc. Juan Carlos Sejas Ch.
Estadstica Multivariante
Mtodos Multivariantes
MTODOS MULTIVARIANTES O MULTIVARIADO
Mtodos estadsticos que permiten la investigacin simultanea de ms de dos variables. Ej. Los consumidores que evalan los supermercados pueden tomar en cuenta la distancia de cada tienda, la limpieza que perciben, los niveles de precios y muchos otros atributos de las tiendas. Las ventas dependen de muchas variables simultneamente. Los procedimientos que comprenden variables mltiples pueden considerarse interrelaciones complejas entre variables de una manera ms eficiente que los procedimientos sencillos como las tabulaciones cruzadas. Simplifica el problema El procedimiento con mtodos multivariantes revelan relaciones que los mtodos sencillos pasan por alto. Los procedimientos se han simplificado con el uso de programas como el SPSS.
Estadstica Multivariante 2
Mtodos Multivariantes
MTODOS MULTIVARIANTES O MULTIVARIADO Anlisis en Componentes Principales [ACP] Anlisis de Clasificacin Numrica [CLUSTER] Anlisis Factorial de Correspondencia [AFC] Regresin Logstica Binaria [RLB] Anlisis DELPHI
Anlisis en Componentes Principales - ACP
POSICIONAMIENTO EN EL MERCADO: Aproximacin cuantitativa

ANLISIS EN COMPONENTES PRINCIPALES ACP DESCRIPCIN DE CASOS DE ESTUDIO INTERPRETACIN DE RESULTADOS
Caso :
Posicionamiento de una marca ficticia de mermelada Investigacin de 5 marcas de mermeladas. Evaluacin realizada con un grupo de jueces que evaluaron cada mermelada en base a variables sensoriales.
Resultado esperado: Posicionamiento ficticia
de
la
mermelada
Las variables originales (x1, x2, x3) tienen correlacin, los componentes principales (z1, z2) son ortogonales. Los nuevos componentes principales o factores sern una combinacin lineal de las variables originales, y adems sern independientes entre s. El ACP permite la reduccin de la dimensin del problema. Va a permitir visualizar an si se tienen ms de tres variables, es decir, ms de 3 dimensiones.
Anlisis en Componentes Principales ACP 1. Es una Tcnica descriptiva multidimensional. Herramienta que sabe solamente describir y maneja muchas variables que deben ser cuantitativas. Eventualmente alguna variable binaria u ordinal. Matriz de datos x Deseamos obtener otras p variables relacionadas con las primeras segn:
x1 x2 x3....... xp
1 2 . . n
Z1 a11 X 1 a12 X 2 ...... a1 p X p
Z 2 a21 X 1 a22 X 2 ...... a2 p X p . . . Z p a p1 X 1 a p 2 X 2 ...... a pp X p

Anlisis en Componentes Principales ACP Ejemplo 1
DESCRIPCIN DE VARIABLES
Aroma Color Sabor Textura ( 0 20 ) ( 0 20 ) ( 0 30 ) ( 0 30 )
La escala de medicin utilizada: Promedio
DESCRIPCIN DE LA BASE DE DATOS

Marca Marca 1 Ficticia Don Serafn Marca 3 Marca 4 Malloa Marca 5 Aroma 10 16 13 12 12 Color 15 17 13 20 11 Sabor 18 24 20 10 14 Textura 11 16 14 25 11
SALIDAS DEL SPSS

Matri z de correlacionesCoeficientes r Correlacin AROMA COLOR SABOR TEXTURA AROMA 1.000 .176 .600 .194 COLOR .176 1.000 -.201 .863 SABOR .600 -.201 1.000 -.468 TEXTURA .194 .863 -.468 1.000
Si mejora la textura puede empeora el sabor 10
Si mejora la textura, mejora el color

SALIDAS DEL SPSS

Varianza total explicada Sumas de las saturaciones al cuadrado de la extraccin % de la Total v arianza % acumulado 2.075 51.884 51.884 1.565 39.137 91.021
Componente 1 2 3 4
Autov alores iniciales % de la Total v arianza % acumulado 2.075 51.884 51.884 1.565 39.137 91.021 .328 8.208 99.229 .031 .771 100.000
Mtodo de extraccin: Anlisis de Componentes principales.
Zs
11
Anlisis en Componentes Principales - ACP Ejemplo 1
Cmo bautizo a los componentes principales (Zs)?

Los coeficientes factoriales deben ser prximos a (1 , -1). Una variable debe tener coeficientes factoriales elevados slo con un factor. No deben existir factores con coeficientes factoriales similares
SALIDAS DEL SPSS
12
Anlisis en Componentes Principales - ACP Ejemplo 1 SALIDAS DEL SPSS

Z1
a Matri z de componentes
Z2
Aroma
Sabor
AROMA COLOR SABOR TEXTURA
Componente 1 2 -.011 .943 .886 .309 -.594 .740 .968 .182
Textura Color
Mtodo de extraccin: Anlisis de componentes principales. a. 2 componentes extra dos

Este es el segundo ms alto, entonces Z1 es Color Este es el ms alto, entonces Z1 es Textura Este es el ms alto, entonces Z2 es Aroma
Este es el segundo ms alto, entonces Z2 es Sabor Estadstica Multivariante
13
Anlisis en Componentes Principales ACP
Ejemplo 1
SALIDAS DEL SPSS

Grfico de componentes
1.0 sabor aroma
.5 color textura 0.0
Componente 2
-.5
-1.0 -1.0 -.5 0.0 .5 1.0
Componente 1
14
Ejemplo 1
RESULTADOS DEL POSICIONAMIENTO

Aroma, Sabor
2,0
Ficticia D on Serafn
Las coordenadas tienen 5 decimales de precisin
1,5
1,0
,5
Marca 3
0,0
Marca 4
-,5
Color, textura
Marca 1 Malloa Marca 5
-1,0 -1,0 -,5 0,0 2 ,5 1,0 1,5 2,0
REGR factor score 1 for analysis
15
Ejemplo 2
INDICADORES FINANCIEROS C.A.M.E.L. 1998
Banco Econmico Banco Bisa Banco Unin
Banco Santa Cruz Banco Banco Bisa Unin
Earnings (Ganancias)
Liquidez
Fuente: Revista Nueva Economa. Ao 1 N 5, Marzo de 1999.

Ejemplo 2
INDICADORES FINANCIEROS C.A.M.E.L. 1998
Disponibilidades/obligaciones a corto plazo

Disponibilidades+inversiones temporarias/Obligaciones a CP
Resultado neto de la gestin/Activos+contingente Resultado neto de la gestin/Patrimonio Gastos de Administracin /resultado despus de incobrables Gastos de Administracin/resultado de operacin bruto Utilidad Neta/Spread Efectivo
17 Incobrabilidad/Spread Efectivo
Ejemplo 3
Otro Ejemplo
Resultado Esperado
R1. Cuales es la percepcin sobre las bondades (posicionamiento) de los talleres en el Proyecto?
Poblacin
Variable
Mtodo de colecta
Encuesta
Mtodo estadstico
Tamao de la Muestra
P1. 44 adolescentes hijos de reclusos de los recintos penitenciarios de Cochabamba que actualmente participan en las actividades del proyecto Casa del Adolescente
Z1: trato (Cuantitativa) Z2 mtodo (Cuantitativa) Z3 contenido (Cuantitativa) Z4 profesor (Cuantitativa) Z5 Talleres (Cuantitativa)
Anlisis en No Corresponde. Componentes Censo Principales
18
Ejemplo 3
Los Datos A los beneficiarios se les ha pedido que califiquen del uno al diez, siendo uno la menor calificacin y 10 la mayor calificacin. P4. El trato que reciben en la el proyecto ______ P5. El mtodo de enseanza________ P6. El contenido del taller________ P7. Como califica al profesor________ Resultado esperado:
Cuales es la percepcin sobre las bondades (posicionamiento) de los talleres en el Proyecto?
19
Ejemplo 3
Descripcin de variables: El trato que reciben 0 - 10 El mtodo de enseanza 0 - 10 El contenido del taller 0 - 10 Como califica al profesor 0 10
20
Ejemplo 3
En base a la encuesta se ha obtenido la siguiente base de datos (cada celda es un promedio).

PROMEDIOS Taller Electricidad Computacin Artesanas Msica Teatro Dulces y Chocolates El trato que El mtodo de El contenido Calificacin reciben enseanza del taller del profesor 10,0000 9,3333 9,8000 9,1250 10,0000 10,0000 8,0000 9,0000 9,0000 9,1250 10,0000 9,2222 7,0000 9,0833 9,6000 8,6875 10,0000 8,6667 9,0000 9,5833 10,0000 9,0625 10,0000 8,8889
21
Ejemplo 3
En base a la encuesta se ha obtenido la siguiente base de datos (cada celda es un promedio).

a Matri z de componentes
Trato que reciben El mt odo de enseanza Contenido del t aller Calif icacin al prof esor
Componente 1 2 -,011 ,994 ,889 -,043 ,986 -,087 ,839 ,160
Mtodo de extraccin: Anlisis de componentes principales. a. 2 componentes extra dos
22
Ejemplo 3
Salidas del SPSS
23
Ejemplo 3
Posicionamiento de los Talleres de la Casa del Adolescente

Agosto de 2007
Electricidad.
Z2 El trato que reciben

Dulces y Choc.
Teatro
REGR factor score 2 for analysis 1
Artesanas
0,50 000
0,00 000
Z1 mtodo de enseanza, la calificacin del profesor y contenido del taller
-0,500 00
Computacin
-1,000 00
Msica
-1,500 00
-1,000 00
0,00 000 1,00 000 Estadstica Multivariante
24
REGR factor score 1 for analys is 1
Ejemplo 4
Calificaciones escolares Vamos a utilizar los datos que recogen las calificaciones de los 15 alumnos de una clase en diversas asignaturas: lenguaje, matemtica, fsica, ingls, filosofa, historia, qumica
Variable LENGUA MATEMTI FSICA INGLS FILOSOF HISTORIA QUMICA PC1 0,500 -0,113 -0,052 0,499 0,450 0,493 -0,073 PC2 0,085 0,555 0,575 0,037 0,122 0,064 0,574
25
Ejemplo 4
Materias de ciencias o materias exactas
Materias no exactas o materias de letras
26
Ejemplo 5
Barmetro empresarial El Barmetro Merco, publicado por CincoDas en marzo de 2001, y que consiste en una clasificacin de las 50 empresas con ms prestigio, en funcin de su puntuacin en las siguientes variables: REF: Resultados econmico-financieros. CPS: Calidad producto/servicio. CCCL: Cultura corporativa y calidad laboral. ERSC: tica y responsabilidad social corporativa. DGPI: Dimensin global y presencia internacional. IDI: Investigacin, desarrollo e innovacin
Variable REF CPS CCCL ERSC DGPI IDI PC1 -0,015 0,053 0,582 0,626 0,245 0,454 PC2 PC3 PC4 PC5 0,743 0,296 0,250 0,538 0,066 0,855 -0,215 -0,464 -0,187 0,038 0,439 -0,063 -0,101 0,107 0,216 0,123 0,629 -0,405 -0,036 -0,614 0,056 -0,068 -0,807 0,316 Estadstica Multivariante PC6 0,093 0,021 0,654 -0,725 -0,050 0,187
27
Ejemplo 5
REF: Resultados econmico-financieros DGPI: Dimensin global y presencia internacional. Grande y rentable?
CCCL: Cultura corporativa y calidad laboral. ERSC: tica y responsabili dad social corporativa valores intangibles?
28
Anlisis Factorial de Correspondencia - AFC
POSICIONAMIENTO EN EL MERCADO: Aproximacin cualitativa

ANLISIS FACTORIAL DE CORRESPONDENCIA AFC DESCRIPCIN DEL ESTUDIO DE CASO INTERPRETACIN DE RESULTADOS
29
Anlisis Factorial de Correspondencia - AFC
ANLISIS FACTORIAL DE CORRESPONDENCIA AFC

El Anlisis de Correspondencias es una tcnica estadstica que se aplica al anlisis de tablas de contingencia y construye un diagrama cartesiano basado en la asociacin entre las variables analizadas. En dicho grfico se representan conjuntamente las distintas modalidades de la tabla de contingencia, de forma que la proximidad entre los puntos representados est relacionada con el nivel de asociacin entre dichas modalidades
30
Anlisis Factorial de Correspondencia AFC Ejemplo 1
Posicionamiento de una marca ficticia de paales en funcin de las caractersticas del producto Investigacin de mercado de 3 marcas paales. Evaluacin realizada a 79 consumidores Resultado esperado: Posicionamiento de 3 marcas de paales para bebe. Variables: Dos variables de tipo cualitativa Variable 1 = Marca (M1, M2, M3) Variable 2 = Caracterstica de la marca (X1 Precio; X2 calidad; X3 Precio y calidad)
31
Anlisis Factorial de Correspondencia AFC Ejemplo 1 DESCRIPCIN DEL PROBLEMA

Tabla de contingencia Caractersti ca de la marca * Marca Recuento M1 Caracterstica de la marca Total
5 eligen la marca 1 por el precio Frecuencias bidimensionales. Dos variables Estadstica Multivariante
precio calidad "precio-calidad"
5 10 6 21
Marca M2 14 6 11 31
M3 7 15 5 27
Total 26 31 22 79
Frecuencias marginales que manejan solo una variable
79 paps
32
PRINCIPIO DEL MODELO
1. Estudiar la dependencia entre dos variables de tipo cualitativas, nunca cuantitativa.
y x
Ni1 ni2 ni3.nij
nij
33
2. Las variables originales tiene asociacin. Si las variables son cuantitativas hay correlacin, si las variables son cualitativas hay asociacin. 3. Perfiles de fila y columna, condicionales relativas frecuencias
4. Nocin de Masa, frecuencias marginales relativas 5. Resultado final: Representacin factorial
34
SALIDAS DEL SPSS

Tabla de correspondencias Caracterstica de la marca precio calidad "precio-calidad" Margen activ o Marca M3 14 6 11 31 7 15 5 27
Tabla de contingencia
M1 5 10 6 21
M2
Margen activ o 26 31 22 79
35
SALIDAS DEL SPSS

Perfiles de fil a Caracterstica de la marca precio calidad "precio-calidad" Masa
19,2% de los papas que compran por el precio eligen la marca 1
Frecuencias condicionales relativas
M1 .192 .323 .273 .266
Marca M2 M3 .538 .269 .194 .484 .500 .227 .392 .342
Margen activ o 1.000 1.000 1.000
La condicin es por fila la lectura se la realiza de manera horizontal Estadstica Multivariante 36
SALIDAS DEL SPSS

Perfiles de columna Caracterstica de la marca precio calidad "precio-calidad" Margen activ o
23.8% del total de paps que han elegido la marca 1 lo hacen por el precio
Marca M1 .238 .476 .286 1.000 M2 .452 .194 .355 1.000 M3 .259 .556 .185 1.000 Masa .329 .392 .278
La condicin es por columna, la lectura se realiza de manera vertical Estadstica Multivariante 37
SALIDAS DEL SPSS

Antes en el AFC se llamaban Zs ahora son factores
Resumen Proporcin de inercia Conf ianza para el Valor propio Desv iacin tpica .101 .103 Correlacin 2 -.036
Dimensin 1 2 Total
Valor propio .334 .068
Inercia .111 .005 .116
Chi-cuadrado
Sig.
9.170
.057a
Explicada .960 .040 1.000
Acumulada .960 1.000 1.000
a. 4 grados de libertad
Si eliminamos F2 entonces tenemos una sola variable y analizamos una lnea recta, estaramos en una situacin de ranking. Con ms de una variable ya no se puede hablar de ranking.
H0: X e Y son independientes y la alternativa es H1: X e Y son dependientes
38
SALIDAS DEL SPSS

Frecuencia marginal relativa calculada para una sola variable
Examen de l os puntos de fila a Puntuacin en la dimensin De los puntos a la inercia de la dimensin 1 2 .248 .422 .606 .002 .146 .576 1.000 1.000 Contribucin De la dimensin a la inercia del punto 1 2 Total .933 .067 1.000 1.000 .000 1.000 .858 .142 1.000
Caracterstica de la marca precio calidad "precio-calidad" Total activ o
Masa .329 .392 .278 1.000
1 -.502 .718 -.418
2 .296 .018 -.376
Inercia .030 .067 .019 .116
a. Normalizacin Simtrica
F1
F2
39,2% de los paps eligen un paal por la calidad, la masa de precio es 32,9%. El atributo ms apreciado es la calidad.
Los Fs son coordenadas en el plano factorial
39
SALIDAS DEL SPSS

Frecuencia marginal relativa calculada para una sola variable F1 F2
a Examen de los puntos columna
Los Fs son coordenadas en el plano factorial

Contribucin
Puntuacin en la dimensin De los puntos a la inercia de la dimensin 1 2 .076 .659 .589 .019 .336 .322 1.000 1.000
Marca M1 M2 M3 Total activ o
Masa .266 .392 .342 1.000
1 .308 -.708 .573
2 -.412 .058 .254
Inercia .011 .066 .039 .116
De la dimensin a la inercia del punto 1 2 Total .732 .268 1.000 .999 .001 1.000 .961 .039 1.000
40
SALIDAS DEL SPSS

Puntos de columna y de fila Simtrica Normalizacin
.4 .2 M2 -.0 calidad precio
M3
Dimensin 2
-.2 "precio-calidad" -.4 -.6 -.8 -.6 -.4 -.2 0.0 .2 .4 .6 .8 M1 Marca Caracterstica de la marca
Dimensin 1
OTRO EJEMPLO
Resultado Esperado
R4. Cules son las motivaciones principales que induce a los adolescentes a participar del proyecto?
Poblacin
Variable
Mtodo de colecta
Encuesta
Mtodo estadstico
Tamao de la Muestra
P1. 44 adolescentes hijos de reclusos de los recintos penitenciarios de Cochabamba que actualmente participan en las actividades del proyecto Casa del Adolescente
W1: que me motiva a entrar al proyecto. (Cualitativa)
No Anlisis factorial de Corresponde. Censo correspondencia
42
Los Datos Para aplicar ste mtodo se ha pedido a los adolescentes que respondan para cada taller en el que participan, cual es la motivacin ms importante que los hacen participar en ese taller:
Obligado por mis padres Voluntad propia Por estar con mis amigos Porque alguien me recomend que participara
43
Salidas del SPSS
44

Los desempleados de Bolivia
Tabla de correspondencias Niv el de Estudio Bachiller Tcnico 268 149 108 138 1997 1415 561 417 288 331 3250 2872 6472 5322
Sexo y Departamento Hombre La Paz Hombre Cochabamba Hombre Santa Cruz Mujer La Paz Mujer cochabamba Mujer Santa Cruz Margen activ o
Ninguno 147 182 415 72 57 204 1077
Primaria 1120 751 6545 902 534 5931 15783
Secundaria 908 564 5690 1646 1127 9434 19369
Univ ersitario 127 50 670 461 260 2196 3764
Maestria 94 58 877 236 127 1890 3282
Margen activ o 2813 1851 17609 4295 2724 25777 55069
45

Perfiles de fila Niv el de Estudio Bachiller Tcnico ,095 ,053 ,058 ,075 ,113 ,080 ,131 ,097 ,106 ,122 ,126 ,111 ,118 ,097
Sexo y Departamento Hombre La Paz Hombre Cochabamba Hombre Santa Cruz Mujer La Paz Mujer cochabamba Mujer Santa Cruz Masa
Ninguno ,052 ,098 ,024 ,017 ,021 ,008 ,020
Primaria ,398 ,406 ,372 ,210 ,196 ,230 ,287
Secundaria ,323 ,305 ,323 ,383 ,414 ,366 ,352
Univ ersitario ,045 ,027 ,038 ,107 ,095 ,085 ,068
Maestria ,033 ,031 ,050 ,055 ,047 ,073 ,060
Margen activ o 1,000 1,000 1,000 1,000 1,000 1,000
46

Perfiles de columna Niv el de Estudio Bachiller Tcnico ,041 ,028 ,017 ,026 ,309 ,266 ,087 ,078 ,044 ,062 ,502 ,540 1,000 1,000
Sexo y Departamento Hombre La Paz Hombre Cochabamba Hombre Sant a Cruz Mujer La Paz Mujer cochabamba Mujer Santa Cruz Margen activ o
Ninguno ,136 ,169 ,385 ,067 ,053 ,189 1,000
Primaria ,071 ,048 ,415 ,057 ,034 ,376 1,000
Secundaria ,047 ,029 ,294 ,085 ,058 ,487 1,000
Univ ersitario ,034 ,013 ,178 ,122 ,069 ,583 1,000
Maestria ,029 ,018 ,267 ,072 ,039 ,576 1,000
Masa ,051 ,034 ,320 ,078 ,049 ,468
47

Resumen Proporcin de inercia Conf ianza para el Valor propio Desv iacin tpica ,004 ,006 Correlacin 2 ,244
Dimensin 1 2 3 4 5 Total
Valor propio ,218 ,091 ,035 ,024 ,006
Inercia ,047 ,008 ,001 ,001 ,000 ,057
Chi-cuadrado
Sig.
3160,768
,000a
Explicada ,825 ,144 ,021 ,010 ,001 1,000
Acumulada ,825 ,969 ,989 ,999 1,000 1,000
a. 30 grados de libertad
48

a Examen de los puntos de fila
Puntuacin en la dimensin De los puntos a la inercia de la dimensin 1 2 ,143 ,036 ,236 ,433 ,261 ,295 ,051 ,094 ,029 ,141 ,280 ,001 1,000 1,000
Contribucin De la dimensin a la inercia del punto 1 2 Total ,924 ,040 ,964 ,743 ,238 ,982 ,833 ,164 ,997 ,645 ,207 ,852 ,463 ,386 ,849 ,983 ,001 ,983
Sexo y Departamento Hombre La Paz Hombre Cochabamba Hombre Santa Cruz Mujer La Paz Mujer cochabamba Mujer Santa Cruz Total activ o
Masa ,051 ,034 ,320 ,078 ,049 ,468 1,000
1 -,781 -1,235 -,421 ,376 ,360 ,361
2 ,253 1,082 -,290 ,330 ,508 -,016
Inercia ,007 ,015 ,015 ,004 ,003 ,014 ,057
49

50

51

Msica y Edad Supongamos 400 tiendas de discos repartidas entre los pases de la U.E. Se clasifica a los compradores en 3 categoras distintas: Jvenes Edad Media Mayores
Los tipos de msica los clasificamos en 5 tipos: A = Msica disco B = Rocknroll y msica americana C = Pop y msica inglesa (meldicas) D = Jazz y msica autctona E = Clsica Estadstica Multivariante
52

Tabla de correspondencias compradores media edad may ores 0 0 45 30 80 5 160 0 30 20 10 60
Tipo de Msica Musica Disco Rock n Rol & musica americana Pop & msica inglesa Jazz & musica autoctona clsica Margen activ o
jv enes 70 45 30 0 35 180
Margen activ o 70 90 90 100 50 400
53
54
Clasificacin Numrica - Segmentacin de Mercado (CLUSTER)
CLASIFICACIN NUMRICA SEGMENTACIN DE MERCADO - CLUSTER DESCRIPCIN DEL ESTUDIO DE CASO INTERPRETACIN DE RESULTADOS
55
DESCRIPCIN DEL CASO Se trata de una Compaa ficticia que se dedica a la distribucin de productos industriales. Los datos se obtuvieron de encuestas a clientes de esta empresa. Resultado esperado Realizar la segmentacin de mercado de 100 clientes de la empresa ficticia.
56
DESCRIPCIN DE VARIABLES X1: Velocidad de entrega. Tiempo transcurrido entre pedido y entrega X2: Imagen del fabricante Imagen conjunta del fabricante X3: Calidad de producto Nivel de calidad percibido en un producto Pobre
10 Excelente
57
EL MODELO
Subdividir un conjunto de n individuos en un nmero de clases o
grupos considerando p variables simultneamente. El CLUSTER calcula las distancias en hiperespacios multivariables y pide ayuda al ACP para visualizar
La tcnica, agrupa filas en grupos o segmentos.
x1 x2 x3....... xp
1 2 3 . . n
x1 x2 x3....... xp
G1 G2 Gi . . GQ
Xnp
58
x2 A
F
E
Ejemplo: Segmentar a nios de acuerdo al peso y talla para una campaa de nutricin
x1
59
Salidas del SPSS

Total Variance Explained Extraction Sums of Squared Loadings % of Cumulativ Total Variance e% 1,506 50,207 50,207 1,035 34,516 84,723
Component Z 1 Velocidad Z 2 Imagen Z 3 calidad
Initial Eigenv alues % of Cumulativ Total Variance e% 1,506 50,207 50,207 1,035 34,516 84,723 ,458 15,277 100,000
Extraction Method: Principal Component Analy sis.

Autovalores: es la cantidad de informacin que se lleva cada uno de los Zs. Vamos a retener los Zs cuyo valor es mayor que uno. Estadstica Multivariante Aproxim adamen te un 15, 277 no entra
60
Salidas del SPSS

Component
a Matrix
v elocidad de entrega imagen del f abricante calidad del produc to
Component 1 2 -, 813 ,384 ,267 ,940 ,880 6, 990E-02
Velocidad es negativo y va hacia la izquierda. Hacia la izquierda es valorada como una empresa rpida
imagen
Extraction Method: Princ ipal Component Analy sis. a. 2 components ext ract ed.
Es el ms alto y como es positivo va hacia la derecha es valorada como buena calidad Es el que falta por bautizar, como es positivo, va arriba. Hacia arriba la imagen es valorada positivamente
velocidad
calidad
61
Salidas del SPSS: Segmentacin clientes

3 3 3
Imagen
3 3 2 2 2 2 2 2 2 2 2 22 2
1 1
1 1 2 2 1 1 1 1 1 11 1 1 2 2
12 1 2 2
Velocidad
1 1 1 1
-1
1 1 2
2 22 2 2 2 2 2 2 22 2 22 2 2 2 2 2 2 2 4 4 4 2 2 4 22 2 22 2 4 4 2 4 2 4 4 2 2 4 2
Calidad
4 4 4
-2
-3 -2 -1 0 1 2 3
62
REGR factor score 1 for anal ysis
Regresin Logstica Binaria - RLB
MTODO: REGRESIN LOGSTICA BINARIA
DESCRIPCIN DEL ESTUDIO DE CASO INTERPRETACIN DE RESULTADOS
63
Estimacin de la demanda
Compra de un producto existente en el mercado Datos del ingreso, patrimonio y edad de 42 clientes.
Resultado esperado:
Estimacin de la demanda y seleccin de determinantes de demanda
DESCRIPCIN DEL PROBLEMA
COMPRA 1
INGRESO 502
VIVIENDA 1
EDAD 43
1
0 1
703
429 485
1
1 0
61
52 36
65
PRINCIPIO DEL MODELO 1. Variable dependiente de naturaleza cualitativa binaria, variables independientes, naturaleza diversa 2. Modelo de la regresin logstica binaria 3. Estimacin de probabilidades, grupo de pertenencia 4. Test de WALD, significacin de los coeficientes de regresin
66
Modelo de Regresin Lineal Simple, RLS y Mltiple, RLM
y x
1 y= 1+ e-z
y 1 1 x1 2 x2 ... p x p
Modelo de Regresin Logstico Binario RLB

Funcin de distribucin logstica
Donde:
Z = 1 + 1X1 + 2X2 + + pXp

a Tabla de clasificaci n
Pronosticado Compra del serv icio 0 1 17 3 3 19 Porcentaje correcto 85.0 86.4 85.7
Paso 1
Observ ado Compra del serv icio Porcentaje global
0 1
a. El v alor de corte es .500
No compra = 0 Compra = 1
68
De una chi cuadrado

Variables en l a ecuacin Paso a 1 INGRESOS VIVIENDA EDAD Constante B .020 2. 764 -. 082 -6.958 E.T. .008 1. 181 .074 3. 864 Wald 6. 564 5. 478 1. 224 3. 242 gl 1 1 1 1 Sig. .010 .019 .269 .072 Exp(B) 1. 020 15. 856 .921 .001
a. Variable(s) introduc ida(s ) en el paso 1: INGRESOS, VIVIENDA, EDAD.
Z = 1 + 2 Ingreso+ 3 vivienda + 4 edad
Si es menor a 0,05, la variable es incluida
Z = -6.95 + 0,2 Ingreso + 2.76 vivienda 0,82 edad

Son los antilogaritmos de los coeficientes de la columna B.
69
Z = 1 + 2 Ingreso+ 3 vivienda + 4 edad Z = -6.958 + 0,2 Ingreso + 2.764 vivienda 0,82 edad Aplicamos EXP o antilog a cada coeficiente (base e; e=2,71728) y obtenemos lo mismo que en la columna EXP(B) en la diapositiva anterior; ordenando: L = 0,001 + 1,02020 Ingreso + 15,85 vivienda - 0,921 edad
En el cuadro anterior observamos que la constante y la variable edad no eran estadsticamente significativos. Por tanto, ambas variables son eliminadas del modelo. Interpretacin: a cada coeficiente le podemos restar 1 y multiplicarlo por 100, entonces obtenemos la variacin porcentual en la chance de debido a un incremento de una unidad en el j-esimo regresor. Por ejemplo: 1,0202 1 = 0,02020 X 100 = 2,02%
El SPSS arroja probabilidades.
Escalamiento multidimensional- MDS Ejemplo 1: Turismo
71
Escalamiento multidimensional- MDS Ejemplo 2: Crmenes
72
Escalamiento multidimensional- MDS Ejemplo 3: geopoltica
73
Escalamiento multidimensional- MDS Ejemplo 4: rendimiento en bolsas de valores
74
Escalamiento multidimensional- MDS Ejemplo 5: distancias entre ciudades
75

Presentación - Tema 1

Hochgeladen von

Dokumentinformationen

Originaltitel

Copyright

Verfügbare Formate

Dieses Dokument teilen

Dokument teilen oder einbetten

Freigabeoptionen

Stufen Sie dieses Dokument als nützlich ein?

Sind diese Inhalte unangemessen?

Copyright:

Verfügbare Formate

Presentación - Tema 1

Hochgeladen von

Copyright:

Verfügbare Formate

Estadstica Multivariante Lic. MSc. Juan Carlos Sejas Ch.

Anlisis en Componentes Principales - ACP

POSICIONAMIENTO EN EL MERCADO: Aproximacin cuantitativa

Anlisis en Componentes Principales - ACP

Resultado esperado: Posicionamiento ficticia

Anlisis en Componentes Principales - ACP

Z1 a11 X 1 a12 X 2 ...... a1 p X p

Z 2 a21 X 1 a22 X 2 ...... a2 p X p . . . Z p a p1 X 1 a p 2 X 2 ...... a pp X p

Anlisis en Componentes Principales ACP Ejemplo 1

La escala de medicin utilizada: Promedio

Anlisis en Componentes Principales ACP Ejemplo 1

DESCRIPCIN DE LA BASE DE DATOS

Anlisis en Componentes Principales ACP Ejemplo 1

SALIDAS DEL SPSS

Si mejora la textura, mejora el color

Anlisis en Componentes Principales ACP Ejemplo 1

SALIDAS DEL SPSS

Mtodo de extraccin: Anlisis de Componentes principales.

Anlisis en Componentes Principales - ACP Ejemplo 1

Cmo bautizo a los componentes principales (Zs)?

SALIDAS DEL SPSS

Anlisis en Componentes Principales - ACP Ejemplo 1 SALIDAS DEL SPSS

AROMA COLOR SABOR TEXTURA

Componente 1 2 -.011 .943 .886 .309 -.594 .740 .968 .182

Mtodo de extraccin: Anlisis de componentes principales. a. 2 componentes extra dos

Este es el segundo ms alto, entonces Z2 es Sabor Estadstica Multivariante

Anlisis en Componentes Principales ACP

SALIDAS DEL SPSS

.5 color textura 0.0

-1.0 -1.0 -.5 0.0 .5 1.0

Anlisis en Componentes Principales ACP

RESULTADOS DEL POSICIONAMIENTO

Las coordenadas tienen 5 decimales de precisin

Marca 1 Malloa Marca 5

-1,0 -1,0 -,5 0,0 2 ,5 1,0 1,5 2,0

REGR factor score 1 for analysis

Anlisis en Componentes Principales - ACP

INDICADORES FINANCIEROS C.A.M.E.L. 1998

Banco Econmico Banco Bisa Banco Unin

Banco Santa Cruz Banco Banco Bisa Unin

Fuente: Revista Nueva Economa. Ao 1 N 5, Marzo de 1999.

Anlisis en Componentes Principales ACP

INDICADORES FINANCIEROS C.A.M.E.L. 1998

Disponibilidades/obligaciones a corto plazo

Anlisis en Componentes Principales - ACP

Anlisis en No Corresponde. Componentes Censo Principales

Anlisis en Componentes Principales ACP

Anlisis en Componentes Principales ACP

Anlisis en Componentes Principales ACP

En base a la encuesta se ha obtenido la siguiente base de datos (cada celda es un promedio).

Anlisis en Componentes Principales - ACP

En base a la encuesta se ha obtenido la siguiente base de datos (cada celda es un promedio).

Componente 1 2 -,011 ,994 ,889 -,043 ,986 -,087 ,839 ,160

Mtodo de extraccin: Anlisis de componentes principales. a. 2 componentes extra dos

Anlisis en Componentes Principales - ACP

Salidas del SPSS

Anlisis en Componentes Principales ACP

Posicionamiento de los Talleres de la Casa del Adolescente

Z2 El trato que reciben

REGR factor score 2 for analysis 1

Z1 mtodo de enseanza, la calificacin del profesor y contenido del taller

0,00 000 1,00 000 Estadstica Multivariante

REGR factor score 1 for analys is 1