1 / 61

Ejercicios de repaso

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)?

doane
Download Presentation

Ejercicios de repaso

An Image/Link below is provided (as is) to download presentation Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author. Content is provided to you AS IS for your information and personal use only. Download presentation by click this link. While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server. During download, if you can't get a presentation, the file might be deleted by the publisher.

E N D

Presentation Transcript

  1. 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

  2. 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.

  3. Ejercicios de repaso • Con el fichero de xls de trabajo de IMD realizar descriptivos y factorial y cluster. variables capital humano, ……..

  4. 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

  5. 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.

  6. 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

  7. 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

  8. 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?

  9. 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)?

  10. 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……

  11. ANÁLISIS DISCRIMINANTE y REGRESIÓN LOGÍSTICA 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. A MODO DE REPASO, TANTO FACTORIAL COMO CLUSTER Y DISCRIMINANTE, TODAS LAS MULTIVARIANTES FUNCIONAN MEJOR CON DATOS MÉTRICOS

  12. ANÁLISIS DISCRIMINANTE y REGRESIÓN LOGÍSTICA • 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

  13. 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

  14. 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

  15. 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

  16. Regresión logística • LO QUE NOS INTERESA ES DETERMINAR QUE VARIABLES INDEPENDIENTES EXPLICAN LA PERTENENCIA A UN DETERMINADO GRUPO • SI LO AVERIGUAMOS, PODREMOS PREDECIRYA QUE PARA NUEVAS EMPRESAS O PERSONAS EN LA MUESTRA PODREMOS PRONOSTICAR A QUÉ GRUPO PERTENECERÍA

  17. 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

  18. 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.

  19. Regresión logística • Se ofrece la Matriz 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 (-)

  20. Regresión logística: ejercicios • Ejercicio de predicción de quiebra empresarial (AMD-Levy) • ¿Cómo funciona el modelo? • ¿Qué variable es la más importante?

  21. 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 pertenencia a un grupo previamente determinado por el investigador

  22. 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.

  23. 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

  24. 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 stepwise es muy válido para quedarnos las que realmente importan

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

  26. 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

  27. 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

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

  29. 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.

  30. 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

  31. 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

  32. EJERCICIOS DISCRIMINANTE • 11.1 (CANCER) • NODOS (DEPENDIENTE, DICOTOMICA) • EDAD • ACIDO • GRADO • ETAPA • RADIOGRAFÍA • REVALORIZACIÓN PV • ARCHIVO: CRECIMIENTO • GENERO (NIÑO/NIÑA) • DISTANCIA • EDAD

  33. ANÁLISIS DISCRIMINANTE

  34. REGRESIÓN LOGÍSTICA

  35. 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)

  36. Ejercicios práctica: FACTORIAL • ARCHIVO: FACTO2.SAV • PRINCIPLES EMPRESAS ESPAÑOLAS • CASH/VENTAS; INMOVILIZADO/ACTIVO; VENTAS /PALANTILLA; VENTAS/ACTIVO; BEFOS /VENTAS; VENTAS / INMOVILIZADO

  37. 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

More Related