Ejercicios de repaso

Tterreno.sav ¿los cohes de 4 cilindros consumen en

promedio lo mismo que los de 6 a 90, 120 o urbano? Parametrico y no paramétrico

Tablas cruzadas c1 directivos y e6 estudios procedencia

Archivo: trabajo.sav ¿relación entre sexo (c1) e idelología (c9)? Muestrea los residentes de Andalucia y

Aragon (c15) y elige el 20% de cada uno ellos

EJERCICIOS REPASO FACTORIAL Y CLUSTER ARCHIVO DE CC.AA.sav, realiza el análsis

cluster en 2 etapas, jerárquico y no jerárquico. Graba las variables para utilizarlas en otros análisis, ¿existen diferencias entre criterio jerárquico y no-jerárquico??

Análisis factorial con trabajo.sav (b13 a b21): ¿mejora el análisis si elimino alguna variable siguiendo la comunalidad?

Análisis factorial con facto1.

Ejercicios de repaso

Con el fichero de xls de trabajo de IMD realizar descriptivos y factorial y cluster.

variables capital humano, ……..

REGRESION LINEAL

TRATAMOS DE EXPLICAR UNA VARIABLE DEPENDIENTE (EXPLICADA) MÉTRICA A TRAVÉS DE VARIABLES INDEPENDIENTES (EXPLICATIVAS) MÉTRICAS.

UNA INDEPENDIENTE, REGRESION SIMPLE

DOS O MÁS INDEPENDIENTES, REGRESIÓN MÚLTIPLE

REGRESION LINEAL

La F (Anova) nos da información sobre si el modelo es globalmente significativo, válido, si bien eso no implica que todas las variables sirvan

Por lo tanto, hay que ver como contribuye cada variable independiente a la explicación, en signo (sentido), valor (intensidad) y validez (significatividad)

La R2 (R cuadrado corregida) es el grado de la bondad del ajuste, que significa la calidad del ajuste, o el % en el que la variable dependiente es explicada por las independientes Ejemplo: R2 = 0,8, significa que el 80% de la variable está

explicada por las variables independientes.

REGRESIÓN LINEAL

Una vez hemos obtenido las β o estimadores (predictores) podremos predecir la variable dependiente para el sujeto n+1

Por lo tanto es una técnica de ajuste y predicción.

Si hay varias variables la explicación se hará en unidades estandarizadas, en β estandarizadas

Si hay variables no métricas entonces realizaremos la trampa de las ficticias, interpretando sobe la omitida

EJERCICIOS INTERPRETACIÓN DEL EJERCICIO EN

CLASE (EXPLICACIÓN SUELDO, PP.315) ¿Cómo realizaríamos la predicción si un nuevo

individuo tiene 35 años de edad, lleva 3 en la empresa, es mujer, tiene estudios universitarios (1), 2 hijos y categoría media laboral? ESPECIFICA EL MODELO E INTERPRETA

REGRESION LINEAL

FICHERO TTERRENO.SAV ¿PODEMOS EXPLICAR EL PRECIO (PVP) A

TRAVÉS DE EL PESO Y LA POTENCIA? ¿QUÉ INTERPRETACIÓN TENDRÍA?

FICHERO TTERRENO.SAV ¿PODEMOS EXPLICAR EL CONSUMO A

120 KM/H A TRAVÉS DE LA CILINDRADA, CC? ¿QUÉ INTERPRETACIÓN TENDRÍA?

EJERCICIOS

FICHERO TRABAJO.SAV SE PUEDE EXPLICAR LA SATISFACCIÓN

EN EL TRABAJO (b36) con las VARIABLES DESDE b22 hasta b32?

¿cuáles son las variables que realmente contribuyen al model y con las que podríamos resumir toda la información para explicar la SATISFACCIÓN (b36)?

Regresión…

Podemos sufrir el problema de COLINEALIDAD o Correlación entre las variables INDEPENDIENTES, en este caso, se pueden enmascarar variables buenas, con pobres betas por culpa de la influencia de otras variables……

El análisis discriminante y la regresión logística son técnicas SIMILARES A LA REGRESIÓN; son estadísticas apropiadas cuando la variable dependiente es categórica (NOMINAL) y las variables independientes son métricas.

ANÁLISIS DISCRIMINANTE y REGRESIÓN LOGÍSTICA

A MODO DE REPASO, TANTO FACTORIAL COMO CLUSTER Y DISCRIMINANTE, TODAS LAS

MULTIVARIANTES FUNCIONAN MEJOR CON DATOS MÉTRICOS

El A.D. tiene la capacidad de tratar tanto dos grupos como grupos múltiples (tres o más). Sin embargo, no tiene la misma interpretación directa que la regresión

La regresión logística o análisis logit, está restringida en su forma básica a dos grupos, a una respuesta dicotómica, si bien es más estable y presenta mejores propiedades que el AD. • No se basa en una distribución paramétrica• Tiene interpretación directa como la regresión

ANÁLISIS DISCRIMINANTE y REGRESIÓN LOGÍSTICA

AD y Regresión logística AD lo utilizaremos cuando su variable dependiente o

explicada es categórica, pudiendo representar más de dos respuestas o categorías EJEMPLO: SUBESPECIE

A B C D

EJEMPLO: TIPO DE EMPRESAS EXCELENTE (GACELA) SUPERVIVIENTE RETRASADA (TORTUGA)

EJEMPLO: CLASIFICACIÓN IDEOLÓGICA DERECHA CENTRO IZQUIERDA

Regresión logística

El LOGIT, sólo admite una respuesta (variable explicada o dependiente) DICOTÓMICA (2 CATEGORÍAS)

VOTACIÓN ELECCIONES PP PSOE

EJEMPLO: DEPARTAMENTO DE MK SI NO

REGRESION LOGISTICA Son técnicas de PREDICCIÓN

TENEMOS LOS GRUPOS ESTABLECIDOS A PRIORI

POR EJEMPLO, DESPUÉS DE HABER REALIZADO UN ANÁLISIS CLUSTER Y OBTENIDO DIFERENTES SEGMENTOS DE MERCADO O DIFERENTES GRUPOS (2)

QUEREMOS SABER QUE VARIABLES DISCRIMINAN A LAS OBSERVACIONES A QUE PERTENEZCAN A UNO U OTRO GRUPO O CATEGORÍA. ES DECIR, QUEREMOS SABER QUÉ VARIABLES HACEN QUE LOS INDIVIDUOS PERTENEZCAN A UNO U OTRO GRUPO

Regresión logística

LO QUE NOS INTERESA ES DETERMINAR QUE VARIABLES INDEPENDIENTES EXPLICAN LA PERTENENCIA A UN DETERMINADO GRUPO

SI LO AVERIGUAMOS, PODREMOS PREDECIR YA QUE PARA NUEVAS EMPRESAS O PERSONAS EN LA MUESTRA PODREMOS PRONOSTICAR A QUÉ GRUPO PERTENECERÍA

UTILIDADES DE LAS HERRAMIENTAS UTILIDADES

EMPRESAS: EL QUE LA EMPRESA SOBREVIVA (1) O QUIEBRE (0)

QUE LA EMPRESA EXPORTE O NO QUE LOS CONSUMIDORES COMPREN (1) O NO(2) MÉDICAS

POR EJEMPLO, SI DETERMINAMOS LAS VARIABLES QUE EXPLICAN EL SUFRIR (1) O NO SUFRIR (0) UN ATAQUE AL CORAZÓN PODREMOS PRONOSTICA LA POSIBILIDAD O PROBABILIDAD DE QUE LAS PERSONAS EN FUNCIÓN DE SU CONDUCTA SUFRAN O NO EL ATAQUE

Regresión logística Ofrece una medida de ajuste o bondad

expresada como -2 log. Verosimilitud (-2LL) cuanto MÁS BAJA

mejor, cero sería lo perfecto. Además, se apoya en una Chi-Cuadrado, que nos corrobora la VALORACIÓN GLOBAL DEL MODELO, lo que tampoco implica (como en la regresión) que todas las variables sean buenas.

El grupo de menos individuos, normalmente el que toma valor 0, debe tener más individuos que el número de variables y, además, como mínimo el 10% de la muestra total.

Regresión logística

Se ofrece la Matriz de clasificación o confusiónMatriz de clasificación o confusión, donde se recogen los valores observados y los predicted para evaluar, con las variables que hemos utilizado, si el modelo es capaz o no de predecir la pertenencia de un individuo a uno u otro grupo

Posteriormente, debemos evaluar la contribución de cada variable (Significatividad) y la interpretación de las mismas como la influencia significativa (+) positiva o negativa (-) en la probabilidad de pertenecer al grupo 1. No obstante la intensidad de la influencia NO SE INTERPRETA COMO EN LA REGRESIÓN, sino en el cambio exponenecial que debe estar alejado de 1 por arriba (+) o por abajo (-)

Regresión logística: ejercicios

Ejercicio de predicción de quiebra empresarial (AMD-Levy)

¿Cómo funciona el modelo? ¿Qué variable es la más importante?

ANÁLISIS DISCRIMINATE

El análisis discriminante permite determinar cuáles son las variables (de entre la serie de variables seleccionadas previamente por el investigador), que mejor explican la pertenencia de un individuo a un grupo determinado (Pedret et al., 2000:228). En otras palabras, tratamos de determinar si un conjunto de variables pueden explicar la conjunto de variables pueden explicar la pertenencia a un grupo previamente pertenencia a un grupo previamente determinado por el investigadordeterminado por el investigador

ANÁLISIS DISCRIMINANTE

La ecuación lineal discriminante, similar a una regresión múltiple, es la siguiente:

D = B0 + B1 X1 + B2 X2 + ……..+ Bp Xp

Donde Xi son las variables independientes, B0 es la constante y Bi son los coeficientes estimados a partir de los datos originales de modo que los valores de la función difieran el máximo posible entre los diferentes grupos.

ANÁLISIS DISCRIMINANTE

Muestra total: relación óptima de 20 a 1. Mínima de 5 a 1.

El grupo de menos individuos tiene que ser como mínimo mayor que el número de variables

La regla general es que cada grupo tenga al menos 20 individuos.

ESTIMARÁ TANTAS FUNCIONES DISCRIMINANTES COMO GRUPOS MENOS 1 SI POR EJEMPLO HAY 3 GRUPOS CON UNA SOLA

FUNCIÓN PUEDE DISCRIMINAR ENTRE EL 3 Y 2 PERO NO 1 Y 2

Análisis discriminante

LAS PONDERACIONES o CARGAS FACTORIALES ESTANDARIZADAS, SEÑALAN EL SIGNO Y CUANTÍA QUE CADA VARIABLE TIENE DE DISCRIMINACIÓN.

Es la contribución de la variable a la función discriminante

Funciona como las β de la regresión, si bien el signo no importa

La Matriz de estructura nos ordenará la importancia en términos de contribución de cada variable

El stepwisestepwise es muy válido para quedarnos las que realmente importan

Análisis discriminante

LA CAPACIDAD DE PREDICCIÓN O POTENCIA DE CLASIFICACIÓN LA OBSERVAREMOS EN LA “MATRIZ DE MATRIZ DE CONFUSIÓNCONFUSIÓN”, QUE CLASIFICA LOS GRUPOS OBSERVADOS (A PRIORI) Y LOS ESTIMADOS CON LAS VARIABLES INDEPENDIENTES

Pruebas de igualdad de las medias de los grupos

,136 97,534 3 46 ,000

,126 106,818 3 46 ,000

,553 12,381 3 46 ,000

IMAGEN

VARIEDAD

instituto

Lambdade Wilks F gl1 gl2 Sig.

LA IGUALDAD DE MEDIAS (COMPARACIÓN DE MEDIAS) UTILIZA UNA F, COMO EL ANOVA UN FACTOR Y ME

DICE QUE TODAS LAS VARIABLES FUNCIONAN COMO DISCRIMINANTES

Resultados de la prueba

18,317

,882

18

4003,896

,602

M de Box

Aprox.

gl1

gl2

Sig.

F

Contrasta la hipótesis nula de que las matricesde covarianza poblacionales son iguales.

EL M-BOX ME INDICA SI REALMENTE HAY DIFERENCIAS ENTRE LOS GRUPOS (MATRICES DE COVARIANZAS)

ES COMO EL KMO Y BARLETT DEL FACTORIAL, ME INDICA SI LA PRUEBA PUEDE FUNCIONAR, SIN EMBARGO, NO ES TAN ESTRICTO COMO EN EL

CASO FACTORIAL

Autovalores

12,563a 93,3 93,3 ,962

,829a 6,2 99,4 ,673

,077a ,6 100,0 ,267

Función1

2

3

Autovalor % de varianza % acumuladoCorrelacióncanónica

Se han empleado las 3 primeras funciones discriminantescanónicas en el análisis.

a.

Lambda de Wilks

,037 149,493 9 ,000

,508 30,858 4 ,000

,928 3,377 1 ,066

Contraste delas funciones1 a la 3

2 a la 3

3

Lambdade Wilks Chi-cuadrado gl Sig.

EN ESTE CASO, 3 FUNCIONES DISCRIMINANTES PORQUE HEMOS TRABAJADO CON 4 GRUPOS; LAS TRES SON

SIGNIFICATIVAS

Resultados de la clasificacióna

17 0 0 0 17

0 13 0 0 13

0 0 12 0 12

0 0 0 8 8

100,0 ,0 ,0 ,0 100,0

,0 100,0 ,0 ,0 100,0

,0 ,0 100,0 ,0 100,0

,0 ,0 ,0 100,0 100,0

Número inicial de casos1

2

3

4

1

2

3

4

Recuento

%

Original1 2 3 4

Grupo de pertenencia pronosticado

Total

Clasificados correctamente el 100,0% de los casos agrupados originales.a.

LA MATRIZ DE CONFUSIÓN NOS INDICA QUE CAPACIDAD DE CLASIFICACIÓN O PREDICCIÓN TIENE EL MÉTODO, COMPARANDO

LOS CASOS PRONOSTICADOS Y COMPARÁNDOLO CON LOS GRUPOS A PRIORI.

EJERCICIOS DISCRIMINANTE EJERCICIO DISCRIMINANTE ARCHIVO: 13.1

ESTUDIOS (EGB, BUP FP) POR LA EDAD HABITAT Nº LIBROS LEIDOS HORAS TV NOTA MEDIA NUMERO HERMANOS

MUNDO.SAV CLIMA (TROPICAL, MEDITERRANEO O TEMPLADO)

CON INGESTA CALORÍAS PIB-CAP % HABITANTES CIUDADES POBLAC

EJERCICIOS DISCRIMINANTE

TRABAJO.SAV

B1 (DEPENDIENTE, DICOTOMICA)

C1 (CATEGORIACA), C2, C6

TODO ELLO EN INDIVIDUOS DE MENOS DE 60 AÑOS

ARCHIVO: TERRENO.SAV CILINDRO (4,5,6,7,8)

TODAS LAS VARIABLES MENOS MARCA

EJERCICIOS DISCRIMINANTE

11.1 (CANCER) NODOS (DEPENDIENTE, DICOTOMICA)

EDAD ACIDO GRADO ETAPA RADIOGRAFÍA

REVALORIZACIÓN PV ARCHIVO: CRECIMIENTO

GENERO (NIÑO/NIÑA) DISTANCIA EDAD

ANÁLISIS DISCRIMINANTE

REGRESIÓN LOGÍSTICA

EJERCICIOS DE PRÁCTICA CLUSTER

Archivo: mundo.sav Variables:

Alfabetización (alfabet) Incremento población (inc_pob) Esperanza vida femenina (espvidaf) Mortalidad infantil (mortinf) Numero promedio hijos mujer (fertilid) Tasa natalidad (tas_nat) Log_pib Urbana Tasa mortalidad (tasa_mor)

Ejercicios práctica: FACTORIAL

ARCHIVO: FACTO2.SAV PRINCIPLES EMPRESAS ESPAÑOLAS

CASH/VENTAS; INMOVILIZADO/ACTIVO; VENTAS /PALANTILLA; VENTAS/ACTIVO; BEFOS /VENTAS; VENTAS / INMOVILIZADO

Ejercicios de repaso

Fichereo: comparación medias y tablas.xls Averigua: si existe relación de contingencia entre el

tamaño y el pertenencer a un instituto Existen diferencias entre la imagen y el tamaño, y

entre los productos y el tamaño Existen diferencias entre el tamaño y las

rentabilidades 94?? Antes debes analizar los datos

Fichero: comparación medias.xls Realizar una prueba para averiguar si el tamaño nos

lleva o no a una diferente variedad de productos Antes, realiza un estudio de los datos

Tablas de contingencia: dicotomías múltiples; EJERCICIO Fichero: directivos; variable C1 (c1.1 a c1.11) C1. Podría indicar qué incentivos salariales tiene en su

empresa (elija los que crea convenientes) Por resultado empresa por resultado negocio Por objetivos individuales Por objetivos equipo Por evaluación cumplimiento Colectivos Comisiones Participación en beneficios otros

MUESTRAS Y MUESTREO

CONCEPTOS BÁSICOS

-MUESTRA: conjunto reducido de individuos o elementos de una población, escogidos para obtener información sobre los mismos y generalizarla al resto de la población

-POBLACIÓN: todos y cada uno de los individuos o elementos de los cuales se quiere tener una información

-ERROR SISTEMÁTICO: o de muestreo, es el asociado a la difernecia entre un estimador concreto de una muestra y el parámetro calculado en la población

PLANIFICACIÓN DE LA OBTENCIÓN DE LA MUESTRA

Fuente: Investigación de Mercados

Miquel et al. (1997:140) capítulo 7

Tipos de muestreo Aleatorio Estratificado (afijaciones)

-Afijación simple: consiste en el reparto a partes iguales de la muestra entre los diversos estratos conocidos

-Afijación proporcional: consiste en el reparto proporcional de la muestra entre los distintos estratos, en base al número de efectivos de cada uno de los mismos (así se mantiene constante el coeficiente de elevación)

Por conglomerados otros

CÁLCULO DEL TAMAÑO MUESTRAL

TABLA DE MUESTRAS EN FUNCIÓN DEL ERROR Y LA POBLACIÓN

Fuente: Miquel et al. (1997:151)

CÁLCULO DE LA MUESTRA

Fuente: Miquel et al. (1997:150)

EJERCICIOS

N= 25.534, ERROR DEL 5%, Z = 2, VARIANZA = 3.56 PRETEST

LO ANTERIOR CON POBLACIÓN INFINITA N = 54.000, ERROR DEL 7%, 95,5%

CONFIANZA, P=Q LO ANTERIOR CON POBLACIÓN INFINITA

EJERCICIOS

FICHERO: TRABAJO SELECCIONAR FORMA ALEATORIA 200

CASOS POR CONGLOMERADOS: POR SEXOS PROCEDE: DATOS /SELECCIONAR

CASOS SOBRE EL SECTOR DEL AZULEJO

SUPONIENDO VARIABLE ES NOMINAL

BASE DE DATOS SABI