Estadstica IV

Carrera Sociologa
Universidad de Chile
Tema: Anlisis Correspondencias

Gabriela Azcar de la Cruz

Introduccin: Qu es un mapa de
correspondencias?
Es una forma grfica de representar la estructura de relacin
entre las categoras de variables cualitativas.
Adultos
Jvenes
Practicar
Deportes /
Ejercicios

Adultos
Ir al Mall

Adultos
Mayores
Compartir con familia

Descansar

Categoras variable Etapa de Vida

Categoras variable tiempo libre

Anlisis Correspondencias Simple

Adultos
Jvenes
Practicar
Deportes /
Ejercicios

Adultos
Ir al Mall

Adultos
Mayores
Compartir con
familia

Descansar

Tcnica de Multivariable de
Anlisis de Datos que
opera sobre la informacin
contenida en tablas de
contingencia .
cuyo objetivo es situar en un
plano cartesiano las categoras
de las variables
en funcin de un punto de
gravedad

Objetivos de la Tcnica
Perspectiva

Perspectiva

Estadstica

Terica

Simplificar la informacin
contenida en una tabla de
contingencia, sobre la
asociacin entre variables
Generar ejes/ factores
explicativos que resuman la
informacin del conjunto de
variables y categoras.
Posicionar las categoras de
las variables en un mapa que
de cuenta de la inercia entre
estas (distancia / dispersin).

Profundizar en el anlisis de
la asociacin entre 2
variables cualitativas.
Analizar la estructura de
relacin entre categoras de
variables asociadas
Identificar dimensiones que
representen esquemas
conceptuales de anlisis.

Condiciones de aplicacin

Mtrica
variables

Relacin
entre
variables

Variables cualitativas (nominales / ordinales)

Variables escalares si se recodifican en variables
ordinales
Mnimo categoras = 3

Variables asociadas ( verificar a travs de chi2)

Es recomendable diferenciar entre variable
independiente y dependiente

Tamao pequeos y grandes.

Mnimo muestral = verificar condiciones aplicacin chi2
Tamao
muestral

(menos de un 20% de celdas esperadas con frecuencia menor

a 5 / es esperable que no existan celdas con valor 0)

Puntuaciones Categoras = Clculo Perfiles

La asignacin de
puntuaciones a las
categoras de las variables se
realiza a partir del clculo de
los perfiles fila y columna.

TABLA CONTINGENCIA
Opinin Democracia

NSE
Alto

A veces
mejor
La
democracia gobierno
preferible a autoritario
otra forma de que
gobierno
democrtico
77
24

Gente como
uno da igual
gobierno
democrtico
que
autoritario
10

Total
111

Medio

324

164

145

634

Bajo

330

96

281

708

732

284

436

1.452

Total

Ejemplo
Perfil Columna Democracia preferible a otra forma de Gobierno /GSE Alto =
77/ 732 = 0,105
Perfil Fila Democracia preferible a otra forma de Gobierno /GSE Alto =
77/ 111= 0,694

Consiste en dividir el valor

de cada celda interna de la
tabla por su marginal fila o
columna, segn sea el perfil
que se est calculando.
Se obtienen 2 tablas de
perfiles. Estos valores
corresponden a las
coordenadas iniciales de
ubicacin de las categoras.

Representacin grfica perfiles fila

Democracia
preferible a otra
forma de gobierno

Perfiles Fila
Opinin Democracia

1.

0.9

NSE
Alto

0.8

Alto

Medio

A veces mejor
Bajo
gobierno
autoritario que
democrtico

0.7

0.6

Medio

Gente como
uno da igual
La democracia A veces mejor
preferible a otra
gobierno
gobierno
forma de
autoritario que democrtico
gobierno
democrtico que autoritario
,694
,220
,086
,512

,259

,229

,467

,136

,397

0.5

0.4

Bajo
0.3

0.2

0.1

0.1

0.2

0.3

0.4

0.5

0.6

0.7

0.8

0.9

Gente como uno da

igual gobierno
democrtico que
autoritario

A partir de las tablas de

frecuencias relativas
(perfiles)es posible establecer
coordenadas de puntos y
medir la distancia entre ellos.
En la representacin grfica
de los perfiles fila, las
categoras de las variables
columna pasan a ser los ejes
de un mapa multidimensional
donde las categoras fila son
posicionadas.

Representacin grfica perfiles fila

Perfiles Fila
Opinin Democracia

Gente como uno da

igual gobierno
democrtico que
autoritario

A veces mejor
gobierno
autoritario que
democrtico

Bajo

Centroide
Alto
Medio

Democracia
preferible a otra
forma de gobierno

NSE
Alto

Gente como
uno da igual
La democracia A veces mejor
preferible a otra
gobierno
gobierno
forma de
autoritario que democrtico
gobierno
democrtico que autoritario
,694
,220
,086

Medio

,512

,259

,229

Bajo

,467

,136

,397

El mapa tridimensional se puede

transformar en un plano en el que los ejes
iniciales forman una figura bidimensional.
Esto se realiza con el fin de simplificar la
representacin grfica del posicionamiento
de las categoras.
Es el caso del ejemplo la figura asume la
forma de un tringulo
El centroide de esta representacin
corresponde al valor promedio de los
perfiles

Inercia del modelo

La inercia corresponde a la dispersin de las
categoras del modelo y es medida en trminos de
distancia.

Alto

Centroide
Bajo

Medio

La distancia de Benzecri es la medida ms comn

utilizada para medir la inercia y corresponde a la
sumatoria de las diferencias de las frecuencias
relativas respecto al centroide, dividida por el
nmero total de puntos (categoras). Se calcula en
funcin de los perfiles filas y columnas. Se denomina
tambin distancia chi2.
La inercia total permite evaluar la dispersin de la
nube de puntos respecto del centroide general, por
ende es la suma de las inercias fila y columna dividida
por el nmero total de categoras.
Geomtricamente la inercia mide lo lejos/cerca que
se encuentran los perfiles fila/columna de su perfil
medio, el cual simboliza la hiptesis de
homogeneidad.

Clculo de Ejes
(Factores)

Punto de origen de los ejes

centroide de la nube de puntos.

corresponde al

Los ejes se obtienen bajo el criterio de maximizar la

explicacin de dispersin de las categoras en el
mapa.

Eje 2
Alto

Los ejes se obtienen en forma jerrquica en funcin

de la proporcin de inercia total que logran explicar.
Los ejes se interpretan como factores y son
independientes (ortogonales) entre s.
Centroide

Bajo
Eje 1

Medio

El nmero de ejes a obtener corresponden al

nmero mnimo de categoras menos 1.
El mapa se construye a partir de los 2 primeros ejes
ms explicativos.
Los ejes se trazan buscando representar la inercia
del modelo, la idea es que mediante su trazado no
se modifique la posicin de los puntos, que no se
altere la dispersin entre ellos.

Normalizacin
Es el proceso mediante el cual
se distribuye la inercia del
modelo en las filas y o
columnas, optimizando la
distancia entre las categoras.
Este proceso No altera la
solucin inicial de trazado de
ejes, solo afecta las
puntuaciones.

Mediante la normalizacin se
simplifica la lectura del mapa y
su interpretacin.

Interpretacin
Valores propios de
los ejes

Contribucin
puntosa a inercia
ejes

Distancia entre
puntos del mapa

Se interpretan como coeficientes de correlacin, miden la relacin entre

puntuaciones filas y columnas.
El valor propio al cuadrado corresponde a la inercia explicada por cada eje, la
que luego se traduce en % de inercia explicada.

Dan cuenta de la importancia de las categoras en los factores

Permiten interpretarlos y denominarlos

Puntos cercanos indican relacin entre categoras

Puntos cercanos al centroide del mapa indican nula asociacin o variabilidad

INTERPRETACIN
ANLISIS CORRESPONDENCIAS SIMPLE
EJEMPLO 1

Variables en Anlisis
Grupo Clasificacin:
1.
2.
3.
4.

Mapuche Urbano
Mapuche Rural
No Mapuche Urbano
No Mapuche Rural

Si Ud. pudiera elegir, qu tipo de trabajo remunerado le gustara que tuvieran

sus hijos hombres?

1.
2.
3.
4.
5.
6.

Que fuera obrero

Que fuera comerciante
Que tuviera un oficio
Que tuviera una profesin
Que trabajara en el campo o en un bosque
Que fuera oficinista, secretario
Referencia del Ejemplo

Mascareo Aldo. 2007 Sociologa de la Cultura. La deconstruccin de lo mapuche Estudios Pblicos. N105. Verano 2007.
En: http://www.cepchile.cl/dms/lang_1/doc_3892.html#.T-yFJ7Xj7ng (Junio, 2012)

Anlisis inicial del comportamiento conjunto de las variables

El anlisis de la distribucin
conjunta de las variables indica que
estas se encuentran asociadas y que
la relacin observada es dbil

Anlisis Correspondencias Simples:

Capacidad Explicativa de los Ejes

El mapa de correspondencias se construye a partir de los 2 primeros ejes, los

que presentan la mayor capacidad explicativa de la inercia del modelo.
El primer eje explica un 80,1% de la inercia del modelo y el segundo eje un
18,9%.
En la tabla se presenta el resultado de la prueba Chi2. El nivel de significacin
de la prueba indica que existe asociacin entre las variables

Anlisis Correspondencias Simples: Anlisis Variable Fila

La columna masa presenta el peso de cada categora de la variable Expectativas sobre

el trabajo de los hijos, este dato corresponde a la proporcin de casos que representa
cada categora. Se observa que la categora con mayor proporcin de respuestas es que
tuviera una profesin.
Los puntajes en la dimensin son las coordenadas de ubicacin de las categoras en los
ejes (dimensiones) del mapa.
Interesa el anlisis de la contribucin de las categoras (puntos) a la inercia de cada
dimensin. Se observa que en la dimensin 1 pesas mas las categora que tuviera un
oficio ,que trabajara en el campo o el bosque y que tuviera una profesin .
En la segunda dimensin pesa mas que fuera oficinista, secretario.

Anlisis Correspondencias Simples: Anlisis Variable Columna

La columna masa presenta el peso de cada categora de la variable Grupo de

Clasificacin este dato corresponde a la proporcin de casos que representa cada
categora. Se observa que las categoras con mayor proporcin de casos son no
mapuche urbano y mapuche urbano).
Los puntajes en la dimensin son las coordenadas de ubicacin de las categoras en los
ejes (dimensiones) del mapa.
Interesa el anlisis de la contribucin de las categoras (puntos) a la inercia de cada
dimensin. Se observa que en la dimensin 1 pesas mas las categora mapuche rural.
En la segunda dimensin pesa mas no mapuche rural.

Anlisis del Mapa de

Correspondencias
Se observa que las
expectativas de Mapuche
y No Mapuche Urbanos
son comunes, en tanto
ambos grupos aspiran
principalmente a que sus
hijos
tengan
una
profesin. Ambos grupos
presentan
comportamientos
muy
semejantes en tanto la
distancia entre ellos es
pequea.
Mapuche y No Mapuche
Rurales se caracterizan por
desear,
en
mayor
proporcin que el resto,
que sus hijos sean
comerciantes
o
que
tengan un oficio. Estos
grupos, sin embargo, son
mas distantes entre s que
los anteriores, lo que da
cuenta
de
comportamientos
diferenciados entre las
expectativas
de
las
personas que habitan en
zonas rurales relativas a su
identificacin
con
la
cultura mapuche.

Expectativas tales como que los hijos trabajen en el campo o bosque y que sean obreros no se asocian
a ninguno de los grupos analizados, lo que significa que en todos ellos es posible observar una baja
proporcin -que se deduce de la tabla de contingencia- de sujetos que aspiran a que sus hijos trabajen en
estas reas.
Se concluye por lo tanto que las diferencias de expectativas no se relacionan con la distincin Mapuche/
No Mapuche, sino por la distincin Urbano/ Rural. La interpenetracin simblica (o su indistincin) al
interior de estos grupos es mas alta entre Mapuche y No Mapuche urbanos.

INTERPRETACIN
ANLISIS CORRESPONDENCIAS SIMPLE
EJEMPLO 2

Elementos tericos
Pregunta de Investigacin
Cmo se estructura la relacin entre el
nivel socioeconmico y la opinin
sobre la democracia?

Concepto central
Relacin entre NSE y Opinin sobre
democracia

Hiptesis
La relacin indica valoracin por parte
de los segmentos de mayores recursos
e indiferencia por parte de los
segmentos de menores recursos

Muestra PNUD 2009= 1500 casos

Variables
NSE
Alto
Medio
Bajo
Opinion sobre democracia

Prefiere democracia a otra forma de

gobierno.
A veces es mejor un gobierno autoritario
que uno democrtico.
A gente como uno da lo mismo un
gobierno democrtico que uno autoritario

Tabla Contingencia

La tabla de
contingencia
muestra la
distribucin
conjunta de las
categoras de
las variables

Mediante la prueba chi2

verificamos que ambas variables se
encuentren asociadas.
Tambin observamos que no hay
celdas con casos 0 en la tabla de
frecuencias observada ni en la de
frecuencias esperadas

Clculo Perfiles Fila y Columna

La masa de cada categora
corresponde a su peso, la
proporcin del total de casos
que representa.

Los valores corresponden a la

divisin de las celdas originales
de la tabla de contingencia por
su respectivo marginal.
Representan proporciones de
casos, por eso la suma es =1.
Son las coordenadas iniciales
de ubicacin de las categoras

Tabla Resumen

La tabla resumen muestra informacin sobre los ejes. Se presenta:

Valor propio de cada eje
Inercia asociada cada eje (valor propio al cuadrado)
La proporcin de inercia explicada por cada eje.
Se muestra adems el resultado de la prueba Chi2 de la tabla de contingencia original

Contribucin Fila / Columnas

En estas tablas figuran los puntajes de las categoras en cada uno de los ejes. A partir de ellas se puede
construir el mapa de posicionamiento.
Se muestra adems la inercia asociada a cada categora y su contribucin a la inercia de cada eje. A partir de
esta ltima informacin es factible interpretar y denominar los ejes

Contribucin Fila / Columnas

NSE
Alto
Medio
Bajo
Active Total
Opinin Democracia
La democracia preferible a otra
forma de gobierno
A veces mejor gobierno autoritario
que democrtico
Gente como uno da igual gobierno
democrtico que autoritario

Contribucin
categorias a la inercia
de los ejes
EJE 1
EJE 2
,250
,674
,272
,292
,478
,035
1,000
1,000
EJE 1
EJE 2
,081

,415

,282

,523

,637

,063

1,000

1,000

El Eje 1 se explica principalmente por

su relacin con la opinin de
indiferencia hacia la democracia. Por
ende este eje representa el
posicionamiento normativo en torno a
la democracia
El je 2 se explica principalmente por el
NSE Alto. Este eje representa por lo
tanto la participacin (inclusin)
econmica de los sujetos

Mapa categoras columna

Mapa categoras columna

Mapa categoras conjuntas

Escalamiento ptimo
(Correspondencias
Mltiples)

Objetivos de la Tcnica
Perspectiva

Perspectiva

Estadstica

Terica

Simplificar la informacin
contenida en una tabla de
contingencia, sobre la
asociacin entre variables
Generar ejes/ factores
explicativos que resuman la
informacin del conjunto de
variables y categoras.
Posicionar las categoras de
las variables en un mapa que
de cuenta de la inercia entre
estas (distancia / dispersin).

Profundizar en el anlisis de
la asociacin entre 2
variables cualitativas.
Analizar la estructura de
relacin entre categoras de
variables asociadas
Identificar dimensiones que
representen esquemas
conceptuales de anlisis.

Condiciones de aplicacin

Mtrica
variables

Relacin
entre
variables

Variables cualitativas (nominales / ordinales)

Variables escalares si se recodifican en variables
ordinales
Mnimo categoras = 3

Variables asociadas ( verificar a travs de chi2)

Es recomendable diferenciar entre variable
independiente y dependiente

Tamao pequeos y grandes.

Mnimo muestral = verificar condiciones aplicacin chi2
Tamao
muestral

(menos de un 20% de celdas esperadas con frecuencia menor

a 5 / es esperable que no existan celdas con valor 0)

Puntuaciones Categoras = Clculo Perfiles

La asignacin de
puntuaciones a las
categoras de las variables se
realiza a partir del clculo de
los perfiles fila y columna.

TABLA CONTINGENCIA
Opinin Democracia

NSE
Alto

A veces
mejor
La
democracia gobierno
preferible a autoritario
otra forma de que
gobierno
democrtico
77
24

Gente como
uno da igual
gobierno
democrtico
que
autoritario
10

Total
111

Medio

324

164

145

634

Bajo

330

96

281

708

732

284

436

1.452

Total

Ejemplo
Perfil Columna Democracia preferible a otra forma de Gobierno /GSE Alto =
77/ 732 = 0,105
Perfil Fila Democracia preferible a otra forma de Gobierno /GSE Alto =
77/ 111= 0,694

Consiste en dividir el valor

de cada celda interna de la
tabla por su marginal fila o
columna, segn sea el perfil
que se est calculando.
Se obtienen 2 tablas de
perfiles. Estos valores
corresponden a las
coordenadas iniciales de
ubicacin de las categoras.

Representacin grfica perfiles fila

Democracia
preferible a otra
forma de gobierno

Perfiles Fila
Opinin Democracia

1.

0.9

NSE
Alto

0.8

Alto

Medio

A veces mejor
Bajo
gobierno
autoritario que
democrtico

0.7

0.6

Medio

Gente como
uno da igual
La democracia A veces mejor
preferible a otra
gobierno
gobierno
forma de
autoritario que democrtico
gobierno
democrtico que autoritario
,694
,220
,086
,512

,259

,229

,467

,136

,397

0.5

0.4

Bajo
0.3

0.2

0.1

0.1

0.2

0.3

0.4

0.5

0.6

0.7

0.8

0.9

Gente como uno da

igual gobierno
democrtico que
autoritario

A partir de las tablas de

frecuencias relativas
(perfiles)es posible establecer
coordenadas de puntos y
medir la distancia entre ellos.
En la representacin grfica
de los perfiles fila, las
categoras de las variables
columna pasan a ser los ejes
de un mapa multidimensional
donde las categoras fila son
posicionadas.

Representacin grfica perfiles fila

Perfiles Fila
Opinin Democracia

Gente como uno da

igual gobierno
democrtico que
autoritario

A veces mejor
gobierno
autoritario que
democrtico

Bajo

Centroide
Alto
Medio

Democracia
preferible a otra
forma de gobierno

NSE
Alto

Gente como
uno da igual
La democracia A veces mejor
preferible a otra
gobierno
gobierno
forma de
autoritario que democrtico
gobierno
democrtico que autoritario
,694
,220
,086

Medio

,512

,259

,229

Bajo

,467

,136

,397

El mapa tridimensional se puede

transformar en un plano en el que los ejes
iniciales forman una figura bidimensional.
Esto se realiza con el fin de simplificar la
representacin grfica del posicionamiento
de las categoras.
Es el caso del ejemplo la figura asume la
forma de un tringulo
El centroide de esta representacin
corresponde al valor promedio de los
perfiles

Inercia del modelo

La inercia corresponde a la dispersin de las
categoras del modelo y es medida en trminos de
distancia.

Alto

Centroide
Bajo

Medio

La distancia de Benzecri es la medida ms comn

utilizada para medir la inercia y corresponde a la
sumatoria de las diferencias de las frecuencias
relativas respecto al centroide, dividida por el
nmero total de puntos (categoras). Se calcula en
funcin de los perfiles filas y columnas. Se denomina
tambin distancia chi2.
La inercia total permite evaluar la dispersin de la
nube de puntos respecto del centroide general, por
ende es la suma de las inercias fila y columna dividida
por el nmero total de categoras.
Geomtricamente la inercia mide lo lejos/cerca que
se encuentran los perfiles fila/columna de su perfil
medio, el cual simboliza la hiptesis de
homogeneidad.

Clculo de Ejes
(Factores)

Punto de origen de los ejes

centroide de la nube de puntos.

corresponde al

Los ejes se obtienen bajo el criterio de maximizar la

explicacin de dispersin de las categoras en el
mapa.

Eje 2
Alto

Los ejes se obtienen en forma jerrquica en funcin

de la proporcin de inercia total que logran explicar.
Los ejes se interpretan como factores y son
independientes (ortogonales) entre s.
Centroide

Bajo
Eje 1

Medio

El nmero de ejes a obtener corresponden al

nmero mnimo de categoras menos 1.
El mapa se construye a partir de los 2 primeros ejes
ms explicativos.
Los ejes se trazan buscando representar la inercia
del modelo, la idea es que mediante su trazado no
se modifique la posicin de los puntos, que no se
altere la dispersin entre ellos.

Normalizacin
Es el proceso mediante el cual
se distribuye la inercia del
modelo en las filas y o
columnas, optimizando la
distancia entre las categoras.
Este proceso No altera la
solucin inicial de trazado de
ejes, solo afecta las
puntuaciones.

Mediante la normalizacin se
simplifica la lectura del mapa y
su interpretacin.

Interpretacin
Valores propios de
los ejes

Contribucin
puntosa a inercia
ejes

Distancia entre
puntos del mapa

Se interpretan como coeficientes de correlacin, miden la relacin entre

puntuaciones filas y columnas.
El valor propio al cuadrado corresponde a la inercia explicada por cada eje, la
que luego se traduce en % de inercia explicada.

Dan cuenta de la importancia de las categoras en los factores

Permiten interpretarlos y denominarlos

Puntos cercanos indican relacin entre categoras

Puntos cercanos al centroide del mapa indican nula asociacin o variabilidad

INTERPRETACIN
ANLISIS CORRESPONDENCIAS SIMPLE
EJEMPLO 1

Variables en Anlisis
Grupo Clasificacin:
1.
2.
3.
4.

Mapuche Urbano
Mapuche Rural
No Mapuche Urbano
No Mapuche Rural

Si Ud. pudiera elegir, qu tipo de trabajo remunerado le gustara que tuvieran

sus hijos hombres?

1.
2.
3.
4.
5.
6.

Que fuera obrero

Que fuera comerciante
Que tuviera un oficio
Que tuviera una profesin
Que trabajara en el campo o en un bosque
Que fuera oficinista, secretario
Referencia del Ejemplo

Mascareo Aldo. 2007 Sociologa de la Cultura. La deconstruccin de lo mapuche Estudios Pblicos. N105. Verano 2007.
En: http://www.cepchile.cl/dms/lang_1/doc_3892.html#.T-yFJ7Xj7ng (Junio, 2012)

Anlisis inicial del comportamiento conjunto de las variables

El anlisis de la distribucin
conjunta de las variables indica que
estas se encuentran asociadas y que
la relacin observada es dbil

Anlisis Correspondencias Simples:

Capacidad Explicativa de los Ejes

El mapa de correspondencias se construye a partir de los 2 primeros ejes, los

que presentan la mayor capacidad explicativa de la inercia del modelo.
El primer eje explica un 80,1% de la inercia del modelo y el segundo eje un
18,9%.
En la tabla se presenta el resultado de la prueba Chi2. El nivel de significacin
de la prueba indica que existe asociacin entre las variables

Anlisis Correspondencias Simples: Anlisis Variable Fila

La columna masa presenta el peso de cada categora de la variable Expectativas sobre

el trabajo de los hijos, este dato corresponde a la proporcin de casos que representa
cada categora. Se observa que la categora con mayor proporcin de respuestas es que
tuviera una profesin.
Los puntajes en la dimensin son las coordenadas de ubicacin de las categoras en los
ejes (dimensiones) del mapa.
Interesa el anlisis de la contribucin de las categoras (puntos) a la inercia de cada
dimensin. Se observa que en la dimensin 1 pesas mas las categora que tuviera un
oficio ,que trabajara en el campo o el bosque y que tuviera una profesin .
En la segunda dimensin pesa mas que fuera oficinista, secretario.

Anlisis Correspondencias Simples: Anlisis Variable Columna

La columna masa presenta el peso de cada categora de la variable Grupo de

Clasificacin este dato corresponde a la proporcin de casos que representa cada
categora. Se observa que las categoras con mayor proporcin de casos son no
mapuche urbano y mapuche urbano).
Los puntajes en la dimensin son las coordenadas de ubicacin de las categoras en los
ejes (dimensiones) del mapa.
Interesa el anlisis de la contribucin de las categoras (puntos) a la inercia de cada
dimensin. Se observa que en la dimensin 1 pesas mas las categora mapuche rural.
En la segunda dimensin pesa mas no mapuche rural.

Anlisis del Mapa de

Correspondencias
Se observa que las
expectativas de Mapuche
y No Mapuche Urbanos
son comunes, en tanto
ambos grupos aspiran
principalmente a que sus
hijos
tengan
una
profesin. Ambos grupos
presentan
comportamientos
muy
semejantes en tanto la
distancia entre ellos es
pequea.
Mapuche y No Mapuche
Rurales se caracterizan por
desear,
en
mayor
proporcin que el resto,
que sus hijos sean
comerciantes
o
que
tengan un oficio. Estos
grupos, sin embargo, son
mas distantes entre s que
los anteriores, lo que da
cuenta
de
comportamientos
diferenciados entre las
expectativas
de
las
personas que habitan en
zonas rurales relativas a su
identificacin
con
la
cultura mapuche.

Expectativas tales como que los hijos trabajen en el campo o bosque y que sean obreros no se asocian
a ninguno de los grupos analizados, lo que significa que en todos ellos es posible observar una baja
proporcin -que se deduce de la tabla de contingencia- de sujetos que aspiran a que sus hijos trabajen en
estas reas.
Se concluye por lo tanto que las diferencias de expectativas no se relacionan con la distincin Mapuche/
No Mapuche, sino por la distincin Urbano/ Rural. La interpenetracin simblica (o su indistincin) al
interior de estos grupos es mas alta entre Mapuche y No Mapuche urbanos.

Estadstica IV
Carrera Sociologa
Universidad de Chile
Tema: Escalamiento Optimo

Gabriela Azcar de la Cruz

Introduccin: Qu es un mapa de
correspondencias mltiples?
Es una forma grfica de representar la estructura de relacin
entre las categoras de 2 o mas variables cualitativas junto con
los objetos que representan esas categoras
Adultos
Jvenes

Estudiar

Practicar
Deportes /
Ejercicios

Adultos
Mayores
Compartir con familia

Trabajar
Adultos
Ir al Mall

Descansar

Categoras variable Actividad Principal

Categoras variable Etapas de vida
Categoras variable Tiempo libre

Escalamiento ptimo
Adultos
Jvenes

Estudiar

Practicar
Deportes /
Ejercicios

Adultos
Mayores
Compartir con familia

Trabajar
Adultos
Ir al Mall

Descansar

Tcnica de Multivariable de
Anlisis de Datos que
opera sobre las puntuaciones
de un conjunto de objetos en un
grupo de variables cualitativas.
y cuyo objetivo es situar en un
plano cartesiano los objetos y
categoras de las variables
en funcin de ejes trazados en
funcin de un punto de gravedad

Los objetos corresponden a los individuos,

instituciones, pases, etc. que conforman la
muestra y que se encuentran en las filas de la
base de datos

Objetivos de la Tcnica
Perspectiva

Perspectiva

Estadstica

Terica

Posicionar objetos, segn

sus puntuaciones en un
conjunto de variables
cualitativas, en un mapa
perceptual.
Posicionar las categoras de
las variables en un mapa
perceptual.
Generar ejes/ factores
explicativos que resumen la
informacin del conjunto
de categoras.

Profundizar en el anlisis de
la relacin entre variables
cualitativas.
Analizar la estructura de
relacin entre categoras
asociadas.
Identificar dimensiones que
representen esquemas
conceptuales de anlisis.

Condiciones de aplicacin

Mtrica
variables

Variables cualitativas (nominales / ordinales)

Variables escalares si se recodifican en variables
ordinales
2 o ms variables

Relacin
entre
variables

Es recomendable que al menos 2 variables estn

asociadas (chi2).
Es recomendable diferenciar entre variables
independientes y dependientes, especialmente cuando
se persigue posicionar las variables y no necesariamente
los objetos.

Tamao
muestral

Tamao pequeos y grandes.

Si se persigue posicionar los objetos la base de datos
debe ser pequea.

Clculo de puntuaciones objetos y categoras

Valor Variable 1
Objeto 1

Valor Variable 2
Valor Variable 3

Categora 2
Variable 2

Categora 2
Variable 1

Categora 1
Variable 2

Categora 1
Variable 3

Estas se obtienen de un algoritmo de clculo

(alternancia de mnimos cuadrados)
mediante el cual se combinan los valores de
los objetos en cada una de las variables.
Lo que se obtiene es una puntuacin final de
carcter intervalar.

Categora 1
Variable 1

Categora 2
Variable 3

El punto de partida es el clculo de las

puntuaciones objeto.

En un primer grfico de dispersin las

puntuaciones objeto generan una serie de
nubes de puntos. Es posible identificar tantas
nubes como nmero de categoras.
Las puntuaciones de las categoras se
obtienen como promedio de las puntuaciones
objeto en todos los objetos asociados a la
categora (que inicialmente tenan valores en
esa categora)

Trazado de ejes o factores

Categora 2
Variable 2

Categora 2
Variable 1

El sistema de referencia para el trazado de

los ejes se establece mediante el mismo
procedimiento utilizado para anlisis de
correspondencias simples.
Una vez calculadas las puntuaciones de las
categoras se trazan los ejes, procurando
explicar la inercia del modelo en funcin de
un valor centroide general.

Categora 1
Variable 1

Categora 1
Variable 2

Categora 2
Variable 3

Categora 1
Variable 3

Los ejes se obtienen de manera jerrquica en

relacin con su capacidad explicativa.
Se generan mapas con los dos ejes ms
explicativos, con el fin de simplificar la
interpretacin.
El mximo de factores posibles es igual a al
total de categoras menos el nmero de
variables.

Normalizacin
Un proceso de optimizacin de
la solucin inicial. La solucin
ptima se logra mediante un
proceso iterativo
Se persigue maximizar la
dispersin entre categoras de
una misma variable a la vez
que la obtencin de grupos de
objetos internamente
semejantes
La dispersin de las categoras
se denomina varianza y la
dispersin de los objetos se
denomina Loss

Interpretacin
Valores propios de
los ejes, % inercia
explicada

Medidas de
discriminacin

Mapa
posicionamiento
objetos

Mapa de categoras
conjunto

Dan cuenta del peso explicativo de los ejes, se traducen en % de inercia total
explicada por el factor.

Indican cuanto explica cada variable, del valor propio de cada dimensin.
Permiten establecer la relacin entre variables y dimensiones.

Presenta la ubicacin de cada objeto en el mapa, dando cuenta de

constelaciones de casos asociados a categoras de variables.

Muestra el posicionamiento de las categoras.

Categoras cercanas representan asociacin.
Categoras cercanas al centro dan cuenta de indiferenciacin.
Categoras lejanas del centro dan cuenta de diferenciacin.

INTERPRETACIN
ANLISIS CORRESPONDENCIAS MLTIPLES
EJEMPLO 1

Elementos tericos
Pregunta de Investigacin
Qu caractersticas tienen los
participantes en el concurso Santiago
en 100 palabras en relacin con su
edad y la forma en que aluden a la
ciudad en sus cuentos?

Concepto central
Caractersticas etarias y narrativas de
los participantes del concurso
Santiago en 100 palabras

Tipo de participante
Premiado
Seleccionado
No seleccionado
Tramo de edad generacional
Pre-Adolescentes
Adolescentes
Jvenes
Adultos Jvenes
Adultos
Adultos Mayores
Tipo de alusin a la ciudad
No habla de la ciuadad
Habla de una accin en la ciudad
Habla de un lugar genrico en la ciudad
Habla de un lugar especfico enla ciudad
Habla de la ciudad de manera global

Muestra: Participantes en concurso Santiago en 100 palabras = 1028 casos

Tesis Doctoral Luis Campos, Socilogo Universidad de Chile

Tablas de Frecuencias

Permiten observas como se distribuyen las variables de manera independiente.

Seala la moda de cada variable. En el caso analizado las categoras que representan
una mayor cantidad de casos son:
No seleccionado
Jvenes
Habla de la ciudad de manera global

Historial de Iteraciones
Indica como en cada paso iterativo se va aumentando
la varianza entre las categoras a la vez que se
disminuye la dispersin (Loss) entre los objetos.
Indica adems en qu paso iterativo se encontr la
solucin ptima.

Resumen del Modelo

Da cuenta de la capacidad explicativa de cada

dimensin, tanto en trminos de valores propios como
de proporcin de inercia explicada.
Se deben considerar como ejes suficientemente
explicativos aquellas que presenten una inercia
superior a un 0,2. (20%)

Coordenadas de las categoras

Muestra las
puntuaciones finales
de cada categora en
cada eje o dimensin.
Estas son las que
permiten la
construccin del mapa
de categoras
conjuntas.

Medidas de Discriminacin

Muestra la contribucin de cada variable a cada eje o

dimensin.
Vemos que la dimensin 1 est explicada
principalmente por el tipo de participante y la
dimensin 2 por el tipo de alusin a la ciudad y los
tramos de edad generacional

Mapa Categoras Variable 1

Mapa Categoras Variable 2

Mapa Categoras Variable 3

Mapa Categoras Conjuntas

La categora jvenes
se ubica en el medio
del mapa dado que
los jvenes se
encuentran
repartidos entre
todas las categoras
de las dems
variables.
La categora pre
adolescente se
encuentra aislada
dado que presenta
casos en solo algunas
categoras de las
variables restantes,
sin que se evidencie
un comportamiento
particular, es decir no
se relaciona con
ninguna otra
categora en especial

INTERPRETACIN
ANLISIS CORRESPONDENCIAS MLTIPLES
EJEMPLO 2

Elementos tericos
Pregunta de Investigacin
Qu constelaciones de exclusin de
jvenes se conforman a partir del
comportamiento de las regiones?

Regiones
I a XIII (Ao 2001)
Indice exclusion educacin
Alto Medio - Bajo
Indice exclusion trabajo

Concepto central

Alto Medio Bajo

Constelaciones de Exclusin de
Jvenes

Indice exclusion salud

Alto Medio - Bajo

Muestra ndices de Exclusin Regionales INJUV 2001= 13 casos (Regiones)

Tablas de Frecuencias

Permiten observas como se distribuyen las variables de manera independiente.

Seala la moda de cada variable. En el caso analizado las categoras que representan
una mayor cantidad de casos son:
Medio nivel de exclusin en educacin
Alto nivel de exclusin en trabajo
Medio nivel de exclusin en salud

Historial de Iteraciones
Indica como en cada paso iterativo se va aumentando
la varianza entre las categoras a la vez que se
disminuye la dispersin (Loss) entre los objetos.
Indica adems en qu paso iterativo se encontr la
solucin ptima.

Resumen del Modelo

Da cuenta de la capacidad explicativa de cada

dimensin, tanto en trminos de valores propios como
de proporcin de inercia explicada.
Se deben considerar como ejes suficientemente
explicativos aquellas que presenten una inercia
superior a un 0,2. (20%)

Coordenadas de las categoras y Objetos

Muestra las puntuaciones finales de cada
categora en cada eje o dimensin.
Estas son las que permiten la construccin del
mapa de categoras conjuntas.
Tambin se obtienen las puntuaciones de los
objetos en las dimensiones

Medidas de Discriminacin

Muestra la contribucin de cada variable a cada eje o

dimensin.
Vemos que la dimensin 1 est explicada
principalmente por el ndice de exclusin en salud y la
dimensin 2 por el ndice de exclusin en educacin

Mapa Objetos

Mapa Categoras Variable 1

Mapa Categoras Variable 2

Mapa Categoras Variable 3

Mapa Categoras y Objetos Conjuntos