Anlisis Multivariante Y Aplicaciones

Captulo II

Gerardo Colmenares

ANLISIS DE CORRESPONDENCIA

Esta tcnica estadstica es de gran utilidad puesto que la interpretacin del resultado puede hacerse de manera sencilla a travs de grficas. Con este procedimiento se puede evidenciar de manera ms perceptible el grado de relacin entre las categoras de cada variable; de ah el nombre de mapas perceptuales. Cuando el grado de asociacin es alto, stas parecern en el diagrama relativamente juntas (Salvador, 2001).

Segn Daz (2002), es una tcnica de reduccin de variables mediante la construccin de variables no observadas. Las

variables originales deben conformarse de atributos o categoras.

Mide el grado de asociacin presente entre un conjunto de variables; es decir, construye un diagrama cartesiano o mapa perceptual basado en la relacin de dependencia e independencia de los atributos o categoras de las variables.

Un medio descriptivo numrico prximo a estos mapas de percepcin, son las tablas de contingencia o tambin conocidas tablas cruzadas o matriz de tabulacin.

En

las

tablas

de

contingencia

cada

variable

con

su

correspondientes atributos es contabilizada contra las otras

1

Anlisis Multivariante Y Aplicaciones

Captulo II

Gerardo Colmenares

variables, representando, la frecuencia de asociacin de las categoras. La finalidad es poner de manifiesto grficamente las relaciones de dependencia existentes entre las diversas

modalidades de dos o ms variables categricas, es decir cualitativas, a partir de la informacin proporcionada por sus estas tablas tablas de frecuencias cruzadas o tablas de contingencia.

Las variables categricas muestran en un mapa su recomposicin mediante la asociacin de categoras o atributos para

conformacin de conglomerados a travs de la varianza. Esos conglomerados estn conformados por categoras de las variables originales y tendran una varianza mnima internamente y mxima entre ellos.

Surge con el fin de definir, describir e interpretar las relaciones entre variables categricas a travs de un grfico geomtrico.

Una de las aplicaciones de ACM es la deteccin de variables latentes a partir de un conjunto de variables originales.

El mapa perceptual muestra los puntos (categoras de las variables observadas) que indican la relacin o correspondencia que pudiera existir entre las variables de estudio.

Anlisis Multivariante Y Aplicaciones

Captulo II

Gerardo Colmenares

Las relaciones se pueden observar cuando se forman algunos conglomerados (concentracin de puntos) que describen cierto comportamiento particular (patrn).

Generalmente, al inicio muestra un mapa o grfico donde los puntos (variables observadas) se encuentran en el centro del eje; esto indica que existe colinealidad entre las variables; es decir, existen variables que estn fuertemente interrelacionadas, y, por tanto, resulta difcil medir sus efectos individuales sobre la variable respuesta (variable de inters).

Las variables redundantes pueden ser identificadas a travs de la matriz de correlacin y de este modo, se podra mitigar este fenmeno, siempre y cuando las variables sean cuantitativas.

Seguidamente se muestran dos mapas perceptuales en los que se representan mediante crculos las nuevas variables despus de reagruparse las categoras.

Anlisis Multivariante Y Aplicaciones

Captulo II

Gerardo Colmenares

En estos grficos, usando MINITAB, se observa cada categora identificada por un nmero que al mostrar su grado asociacin o similitud, estructura estos cluster que conforman la variable respuesta.

A su vez, cada eje, en cada una de sus direcciones identifica una caracterstica no presente en las observaciones originales, marcando en estos mapas un alto grado de similitud hacia esa caracterstica nueva o en su defecto, su opuesto, la disimilitud.

Puede revisarse Hair et al., en el captulo diez.

Anlisis Multivariante Y Aplicaciones

Captulo II

Gerardo Colmenares

De acuerdo a los grficos aportados por los mapas perceptuales, se asocia a cada modalidad un punto en el espacio P, de forma que:

Anlisis Multivariante Y Aplicaciones

Captulo II

Gerardo Colmenares

a) Cuanto ms alejado del origen de coordenadas est el punto asociado a una modalidad de una variable, ms diferente es su perfil condicional del perfil marginal correspondiente a las otras variables. b) Los puntos correspondientes a dos modalidades diferentes de una misma variable estarn ms cercanos cuanto ms se parezcan sus perfiles condicionales. c) Dichos puntos tendern a estar ms cerca de aquellas modalidades con las que tienen una mayor afinidad; es decir, aqullas en los que las frecuencias observadas de la celda correspondiente tiende a ser mayor que la esperada bajo la hiptesis de independencia de las variables correspondientes.