Introduccion Al Analisis Multivariado PDF

Autor: Lic. Rubn J.
Rodrguez Estadstica II
Licenciatura en Sociologa - UCES
1
UNIVERSIDAD DE CIENCIAS EMPRESARIALES Y SOCIALES
Facultad de Psicologa y Ciencias Sociales
Licenciatura en Sociologa
ESTADSTICA II (Plan 2008)
INTRODUCCIN AL
ANLISIS MULTIVARIADO
Prof. Titular
Lic. Rubn Jos Rodrguez
3 de abril de 2009
Autor: Lic. Rubn J. Rodrguez Estadstica II
2
NDICE
Definicin y finalidad del AM
Tipo de relaciones entre variables
Criterios para la Clasificacin de AM
Clasificacin de los Mtodos de AM
Definicin de las Tcnicas de AM
3
Definicin
Engloba a mltiples tcnicas estadsticas que describen
y explican las relaciones entre ms de dos variables.
La complejidad matemtica del AM aumenta con el nmero
de variables.
El clculo de los algoritmos y frmulas del AM se pueden
hacer por el crecimiento de las capacidades de
procesamiento de las PCs, los paquetes informticos
de estadstica (SPSS, SAS, Systat, SPAD, Minitab,
Mystat, Statgraphics, SphinxSurvey, StatSoft) y programas
especficos de AM (AnwwerTree, Clementine, Neural
Connection, Conjoint Analyzer, EQS Multivariate Software).
4
Finalidades del anlisis
Explicar
V1
V2
V3
V4
Si los efectos en la V4
se deben a las varia-
ciones de las variables
V1-V2-V3.
Sintetizar
Reducir mltiples varia-
bles o indicadores a un
menor nmero de Fac-
tores explicativos.
Clasificar
Agrupar unidades, mar-
cas, compaas, ideas,
objetos en clases homo-
gneas dentro de s y
heterogneas entre s.
5
TIPOS DE RELACIONES ENTRE
VARIABLES (a) *
Las proposiciones relacionan variables entre s:
Cuanto ms conocimiento ( X
1
) posee un hombre, tanto
mayor es su prestigio ( Y
1
) . Proposicin bivariada: X Y
A mayor inversin publicitaria ( X
1
) , mayor incremento
en las ventas ( Y
1
) , siempre y cuando la comunicacin impacte
en el target ( Z
1
) . Proposicin multivariada: X Z Y
Se puede afirmar que una variable X es la causa de otra Y
cuando se dan tres tipos de evidencias:
1. Que X e Y varan concomitantemente en la forma
prevista en la hiptesis.
2. Que Y no precede a X en el tiempo.
3. Que no haya otros factores ( antecedente o
interviniente) ( Z, K..) que determinen Y.
El concepto de asociacin o correlacin entre variables no
implica nexo causal. La causalidad implica asociacin, pero
no a la inversa.
* Zetterberg, Hans, Teora y Verificacin en Sociologa, Buenos Aires: Ed. Nueva Visin, l968, cp. IV: Sobre las
proposiciones en sociologa, pgs. 55-70
6
VARIABLES (b)
1. REVERSIBLE
(Si X, entonces Y, y si Y entonces X)
(X Y : Relacin Simtrica)
Si la frecuencia de interaccin entre dos personas
aumenta, el grado de simpata mutua, aumenta, y
viceversa
2. IRREVERSIBLE
(Si X, entonces Y, pero si Y, entonces ninguna
conclusin acerca de X)
(X Y : Relacin Asimtrica)
Las condiciones habitacionales influyen en la mortalidad
infantil.
7
VARIABLES (c)
3. DETERMINSTICA
(Si X, entonces siempre Y)
Si hay aumento en el nmero de miembros de un
grupo completamente inestructurado, siempre hay
aumento en el anonimato de las acciones del grupo
4. ESTOCSTICAS
(Si X, entonces probablemente Y)
Si una persona debe elegir entre conformarse a una
norma y abandonar una alta posicin ( se predice que en
un nmero grande de personas n - ) la mayora se
desviar de la norma y conservar el rango
8
VARIABLES (d)
5. SECUENCIAL
(Si X, entonces ms tarde Y)
Si los votantes estn suj etos a influencias
contradictorias de sus grupos primarios durante una
campaa electoral, posiblemente demoren en tomar
una decisin
6. CONCOMITANTE
(Si X, entonces tambin Y)
Cuanto mayor es el porcentaj e de movilidad social,
menor es la medida en que las clases baj as aceptan
ideologas clasistas militantes
9
VARIABLES (e)
7. SUFICIENTE *
(Si X, entonces Y, independientemente de cualquier otra
variable)
La compra de un producto ( Y) en el canal self service
depende de su presencia y visibilidad en la gndola
( X)
8. CONTINGENTE
(Si X, entonces Y, pero slo si Z)
A mayor nivel de ingreso ( X) de una familia, mayor
posibilidad de educacin ( Y) para los hij os, slo si los
padres tienen inters
* X es condicin suficiente cuando es el nico factor relevante que se mantiene constante dado
que los restantes factores: m, n , p , q, r, s pueden o no estar presentes. En forma simblica:
m, n, XY; p, q, X Y; r ,s, X Y. En forma tabular: X * Y = N; X * No Y = 0. Nunca puede darse
el caso en que est presente X pero no est Y, la celda X* No Y = 0, por definicin de condicin
suficiente. Esta condicin fue establecida por John Stuart Mill (1806-73). Orlansky, Dora,
Metodologa de la Ciencias Sociales. El problema del Anlisis Multivariable (Modelo de Paul
Lazarsfeld), Buenos Aires: Ed. Nueva Visin, Ficha n 134, Serie Metodologa, pgs. 4-5.
10
VARIABLES (f)
9. NECESARIA *
(Si X, y slo si X, entonces Y)
Se requiere haber recibido un alto impacto de un spot de
TV (X) para poder recordar espontneamente (Y) la
marca del comercial publicitado
10. SUSTITUIBLE
(Si X, entonces Y; pero si Z, entonces tambin Y)
La compra de una marca (Y) depende de haber estado
expuesto al spot (X), pero tambin de la promocin en
el P. de V. (Z)
* X es condicin necesaria cuando se mantienen constantes, los factores relevantes m, n, p, q..., y el fenmeno Y
slo se observa si est presente X, entonces se dice que X es una condicin necesaria para la ocurrencia de Y.
Simblicamente: m, n, p no Y; m, n, q no Y; m, n, X Y; X Y. En forma tabular: No X * Y = 0. No puede
existir ningn caso en que Y est presente sin que lo est X, por definicin de condicin necesaria. Galileo Galilei
(1623) defini la causa eficiente como la condicin necesaria y suficiente para la aparicin de algo: aquella y no
otra, debe llamarse causa, a cuya presencia siempre sigue el efecto y a cuya eliminacin el efecto
desaparece. La causa sine qua non, es la condicin necesaria. Bunge, Mario, Causalidad. El principio de
causalidad en la ciencia moderna, Buenos Aires: Ed. Eudeba, l965, pgs. 45-46.
11
CRITERIOS DE CLASIFICACIN DE LOS
MTODOS MULTIVARIADOS (a)
1. Segn la distincin del rol de las variables:
MTODOS DE INTERDEPENDENCIA: No hay distincin
entre las variables, todas cumplen similar rol. Son MTODOS
DESCRIPTIVOS: sintetizan informacin, muestran la
estructura de los datos o establecen clasificaciones.
Ejemplos: Anlisis Factorial, Cluster Analysis, Anlisis Factorial
de Correspondencias, Anlisis Multidimensional.
MTODOS DE DEPENDENCIA: Diferencias entre variables
explicativas, independientes (VI) o predictivas (X) y variables
explicadas, dependientes (VD) o criterios (Y). Son MTODOS
EXPLICATIVOS: explican los efectos multivariados de las
VIs. Ejemplos: Anlisis de Regresin Mltiple, Anlisis de
Varianza y Covarianza, Anlisis Discriminante, Anlisis
Conjunto, Anlisis CHAID, Anlisis de Correlaciones Cannicas.
12
MTODOS MULTIVARIADOS (b)
2. Segn el nivel de medicin de las variables:
ESCALA MTRICA: Algunos Anlisis requieren que las
variables sean Cuantitativas: Factorial, Cluster,
Multidimensional Mtrico
ESCALA NO MTRICA: Otros Anlisis requieren que las
variables sean Cualitativas o Categoriales:
Multidimensional No Mtrico (Similitudes y Preferencias),
Cluster No Mtrico, Correspondencias Mltiples.
VD-VI MTRICA: Regresin Lineal Mltiple, Anlisis de
Correlaciones Cannicas, Anlisis de Ecuaciones
Estructurales.
VD NO MTRICA-VI MTRICA: Anlisis Discriminante.
VD NO MTRICA-VI NO MTRICA: Anlisis Conjunto.
VD MTRICA-VI NO MTRICA: Anlisis de Varianza y
Covarianza, Anlisis Multivariado de Varianza y
Covarianza, Anlisis CHAID.
13
MTODOS MULTIVARIADOS (c)
3. Segn el nmero de variables:
En el caso de los MTODOS DE INTERDEPENDENCIA el
nmero de variables est condicionado por los lmites
operativos del Programa utilizado.
En el caso de los MTODOS DE DEPENDENCIA se
subdividen segn en n de variables a explicar (VD):
o Una VD: Regresin Lineal Mltiple, Anlisis de
Varianza y Covarianza, Anlisis Discriminante,
Anlisis Conjunto.
o Varias VD: Anlisis de Correlaciones Cannicas,
Anlisis de Ecuaciones Estructurales, Anlisis
Multivariado de la Varianza y la Covarianza, Anlisis
Log-Lineal
14
CLASIFICACIN DE LOS MTODOS DE AM (1)
15
16
17
18
CL A SIFICA CIN DE L OS MTODOS DE A N L ISIS MUL TIVA RIA NTE
So n al g u n as
v ar i ab l es
d ep en d i en t es d e
l as o t r as
Mt o d o s Des c r i p t i v o s
o d e In t er d ep en d en c i a
Mt o d o s Ex p l i c at i v o s
o d e Dep en d en c i a
N d e
Var i ab l es
a ex p l i c ar
Ti p o s d e
Var i ab l es
t r at ad as
Cu an t i t at i v as Cu al i t at i v as
Es
c u an t i t a-
t i v a?
So n
c u an t i t a-
t i v as ?
L as Var i ab l es
Ex p l i c at i v as s o n
c u an t i t at i v as ?
Or d i n al es No m i n al es
-An l i s i s
Fac t o r i al
d e Co m p o -
n en t es
Pr i n c i p al es
-Es c al as
Mu l t i d i -
m en s i o -
n al es
Mt r i c as .
- Es c al as
Mu l t i d i m en -
s i o n al es No
Mt r i c as .
- An l i s i s
d e Co r r es -
p o n d en c i a.
-Reg r e-
s i n
L i n eal
M l t i p l e
-ANOVA
M l t i p l e
-Det ec t o r
Au t o m -
t i c o d e
In t er ac -
c i o n es
(AID,
CHAID)
-An l i s i s
Di s c r i m i -
n an t e
-Co n j o i n t
An al y s i s
.Reg r e-
s i n
L o g s t i c a
-Co r r el a-
c i n
Can n i c a
-Mo d el o
d e
Ec u ac i o -
n es
Es t r u c t u -
r al es
-
MANOVA
-An l i s i s
Di s c r i m i
n an t e
M l t i p l e
-Mo d el o
L o g -
l i n eal
NO
NO
UNA VARIAS
SI
SI
SI
SI NO NO NO NO SI SI
NO SI
L as Var i ab l es
L as Var i ab l es
L as Var i ab l es
Pedret, Ramn et. al. (2000): Herramientas para segmentar mercados y posicionar productos. Anlisis de informacin cuanitativa en Investigacin Comecial, Bilbao,
Edicones Deusto, 2000, p. 35.
An l i s i s
T i p o -
l g i c o
(Cl u s t er
An al y s i s )
.
19
20
Tcnicas
Multivariantes
Mtodos de
Dependencia
Dependiente
Mtrica
Dependiente
No Mtrica
Anlisis de Regresin
Anlisis de Supervivencia
MANOVA
Correlacin Cannica
Anlisis Discriminante
Regresin Logstica
Anlisis Conjoint
Modelos estructurales
Mtodos de
Interdependencia
Datos Mtricos
Datos No
Mtricos
A. Comp. Principales
Anlisis Factorial
Escalas Multidimensionales
Anlisis Cluster
Anlisis de Correspondencias
Modelos log-lineales
Escalas Multidimensionales
Anlisis Cluster
21
DEFINICIN DE LAS TCNICAS
MULTIVARIANTES DESCRIPTIVAS (1)
Anlisis
Factorial
Reduce un gran nmero de
variables intercorrelacionadas a
un serie de factores comunes
subyacentes, graficndose en los
ejes cartesianos.
Anlisis de
Conglomerados
Cluster Analysis
Clasifica los elementos de la
muestra en grupos que pre-
sentan mediciones semejantes
(homogeneidad).
Anlisis Factorial
de
Correspondencias
Analiza tablas de contingencia y
transforma la f en distancias X
2
(chi cuadrado), utilizndolas para
visualizar los datos en el espacio
cartesiano (perceptual maps).
22
MULTIVARIANTES DESCRIPTIVAS (2)
Anlisis
Multi-
dimencional
Mtrico
y
No Mtrico:
A partir de datos sobre semejanzas o
preferencias percibidas, se representan por un
conjunto de puntos en el espacio, de modo que
las relaciones geomtricas entre los puntos
reflejen las relaciones empricas entre los
datos. Se construyen Mapas Perceptuales que
representan espacialmente la estructura de los
datos.
Se determina: a) qu dimensiones utilizan los
encuestados cuando evalan, b) cuntas
dimensiones se utilizan, c) importancia relativa
de cada dimensin y d) cmo se relacionan
perceptualmente los objetos evaluados.
Las dimensiones percibidas son graficadas en
un mapa espacial, donde se muestra la
situacin relativa de cada objeto.
23
MULTIVARIANTES EXPLICATIVAS (1)
Anlisis de
Regresin Mltiple
Extensin de la Regresin simple
lineal, entre la VD (Y) y dos o
ms VIs (X
j
), de tipo mtrico.
Anlisis de Varianza
y Covarianza (ANOVA-
CANOVA-MANOVA-
MANCOVA)
Extensin de la prueba de
significacin (t) para dos o ms
variables mtricas y una o ms
variables categoriales, para deter-
minar si existen diferencias entre las
medias . Test F (Fisher-Snedecor).
Medicin Conjunta
Conjoint Analysis
Medicin de las evaluaciones
conjuntas de combinaciones de
atributos para determinar las
preferencias e intenciones de
compra de un nuevo producto.
24
MULTIVARIANTES EXPLICATIVAS (2)
Anlisis
Discriminante
Calcula los Coeficientes discriminantes
de las variables que segmentan a la
poblacin en dos grupos con pesos
distintos.
Anlisis de
correlaciones
cannicas
Extensin del Anlisis de Regresin
Mltiple para dos o ms VDs (Y
j
) de tipo
mtrico.
Anlisis
CHAID
(Chi Squared
Automatic
Interaction
Detection)
Tcnica de AM para segmentar basada en el
Automatic Interaction Detection (AID) y el
Classification and Regresin Trees (CART).
Permite generar rboles jerrquicos basada
en X
2
, y obteniendo dendogramas, con nodos
que indican el tamao del subgrupo y el
puntaje de una Escala Likert de 5 puntos de
intencin de compra.
25

Introduccion Al Analisis Multivariado PDF

Загружено:

Сведения о документе

Оригинальное название

Авторское право

Доступные форматы

Поделиться этим документом

Поделиться или встроить документ

Параметры публикации

Этот документ был вам полезен?

Это неприемлемый материал?

Авторское право:

Доступные форматы

Introduccion Al Analisis Multivariado PDF

Загружено:

Авторское право:

Доступные форматы

Autor: Lic. Rubn J.

Вам также может понравиться