Escuela de Ingeniera Comercial Facultad de Ciencias Econmicas y Administrativas Universidad de Valparaso

Mtodos loglineales
Ramo : mtodos cuantitativos Integrantes : Natalia Araya Ignacio Llano Macarena Snchez

INTRODUCCIN

Un problema al que se enfrenta cotidianamente el Tasador es el anlisis de Variables Cualitativas (No Numricas). Debido a que las Variables Cualitativas no presentan un comportamiento lineal ; al aplicar las tcnicas convencionales de regresin mltiple, pueden generar modelos irreales o simplemente no convergen a ningn valor. La Regresin Loglineal, es un mtodo estadstico cuyo objetivo consiste en estudiar la "Clasificacin" de las Variables Cualitativas. Es esencialmente un Modelo de Regresin Lineal Mltiple entre las Variables Cualitativas y el Logaritmo Neperiano de la Frecuencia de los datos (referenciales).
El Paquete Estadstico SPSS, permite mediante un algoritmo, determinar el Modelo Saturado y el Modelo Jerrquico mas adecuado.

Qu es la Regresin Loglineal?

Los Modelos Loglineal, a diferencia de los Modelos de Regresin Mltiple, permiten un mejor anlisis para el caso de variables cualitativas (categricas) dicotmicas o politmicas.

Recordemos: Los modelos de regresin mltiple son el estudio de la posible relacin entre varias variables independientes (predictoras o explicativas) y otra variable dependiente (criterio, explicada, respuesta).

Por ejemplo: Estudiaremos la inteligencia humana y es posible que consideremos una variable el tamao del cerebro (explicativa) o tambin podria ser la edad o el sexo (podriamos aadirlas al estudio como variables independientes)
Sigamos en el tema

La Regresin o Anlisis Loglineal, es un mtodo estadstico cuyo objetivo consiste en estudiar la "Clasificacin" de las Variables Cualitativas.

La Regresin Loglineal, es esencialmente un Modelo de Regresin Lineal Mltiple entre las Variables Cualitativas y el Logaritmo Neperiano de la Frecuencia

Donde A, B y C; son Variables Cualitativas

El uso fundamental del anlisis Loglineal, consiste en determinar la contribucin de las diferentes variables categoriales seleccionas, en la conformacin de una "Tabla de Contingencia".

Qu son las Tablas de Contingencia?

Combinacin de dos o mas tablas de distribucin de frecuencia, arregladas de manera que cada celda o casilla de la Tabla resultante represente una nica combinacin de las "variables cruzadas (crosstabuled)".

Por ejemplo: Tabla de Contingencia del anlisis de la relacin que existe entre la Preferencia de la poblacin de vivir en casa o apartamento en Dos principales ciudades:

VIVIR EN CASAS

VIVIR EN APART.

CARACAS

10

40

50

VALENCIA

30

20

50

50

50

100

Examinando estas frecuencias, podemos identificar las relaciones entre las variables de la "Tabla de Contingencia" (por ejemplo, La poblacin de Caracas claramente prefiere vivir en apartamentos).

La Regresin Loglineal, nos proporciona una manera ms sofisticada de analizar las "Tablas de Contingencia" y determinar las interacciones estadsticas de las variables seleccionadas.

Variables de Diseo vs. Variables de Respuesta

En la Regresin Loglineal, no se pueden hablar de Variables Dependientes o Independientes, ya que se trata de relacionar nicamente la el Logaritmo Neperiano de la Frecuencia (ocurrencia o conteo de datos) en funcin de una serie de variables categoriales (cualitativas).

Entonces, hablaramos de "Variables de Diseo" y "Variable de Respuesta"; siendo las " Variables de Diseo" aquellas variables categoriales (Dicotmicas o politmicas) que seleccionamos para construir nuestra Tabla de Contingencia y la "Variable de Respuesta" la frecuencia o ocurrencia de la data.

La Bondad de Ajuste

La bondad de ajuste de una Regresin Loglineal, se basa en la "significancia" de la desviacin (residuo) entre la Frecuencia Observada de los datos y la Frecuencia Esperada que genera el modelo loglineal. Es decir, el modelo ser mejor en funcin de la minimizacin de la diferencia entre la Frecuencia Observada y la Esperada.

El Modelo Loglineal Saturado

El Anlisis o Regresin Loglineal, analiza el Logaritmo Neperiano (Ln) de la Frecuencia de cada celda o casilla de una Tabla de Contingencia, por medio de un modelo lineal. Por lo tanto, el Ln de la frecuencia de cada celda o casilla se puede expresar como la suma de las contribuciones de las diferentes variables que intervienen en la formacin del Modelo Loglineal. Se define como Modelo Saturado (o Completo) a aquel que contiene TODOS los posibles efectos principales y TODAS las posibles combinaciones (efectos de 2do., 3er. o ensimo orden) de la Variables seleccionadas que lo componen. Debido a que el Modelo Loglineal Saturado, puede reproducir perfectamente la data estudiada, debido a que contiene todas las posibles combinaciones de las variables seleccionadas; se supone en un modelo pesado y complejo, y usualmente no es el modelo ms deseable.

Ejemplo de un Modelo Loglineal Saturado

Supongamos que para un estudio de valoracin de apartamentos vacacionales en una ciudad costera, queremos estudiar la relacin entre las Variables Categoriales: X: Vista al Mar Y: Edificio con Piscina Z: Edificio con Puestos de Estacionamiento para visitantes La ecuacin para un Modelo Loglineal Saturado, esta dado por:

Donde: Representa la Frecuencia de cada celda o cuadrcula de la Tabla de Contingencia producto de la interaccin de los Datos (referenciales) y Variables seleccionadas Representa el Trmino Independiente de la Ecuacin Representa el "efecto principal" de la Variable Cuantitativa o Categorial X Representa el "efecto principal" de la Variable Cuantitativa o Categorial Y Representa el "efecto principal" de la Variable Cuantitativa o Categorial Z Representa el "efecto de segundo orden" o combinacin de las Variables Categoriales X Y Representa el "efecto de segundo orden" o combinacin de las Variables Categoriales X Z Representa el "efecto de segundo orden" o combinacin de las Variables Categoriales Y Z Representa el "efecto de tercer orden" o combinacin de las Variables Categoriales X, Y Z

Los Modelos Loglineal Jerrquicos

Se define como Modelos Loglineal Jerrquicos, a los diferentes modelos, todos sub-juegos (ecuaciones de menor orden que el Modelo Saturado) provenientes del Modelo Loglineal Saturado, que cumplan las condiciones siguientes: Si un parmetro es nulo, tambin los sern aquellos trminos de orden inferior. Que exista completa independencia entre las variables seleccionadas Si estas condiciones se cumplen, se genera un Modelo Loglineal ms sencillo, ms elegante y con un grado aceptable de precisin

Obtencin del Modelo Jerrquico de Mejor Ajuste

El Mtodo de bsqueda del Mejor Modelo Jerrquico ms utilizado por los paquetes estadsticos dedicados en el conocido como "Retro-eliminacin"

Pasos para el funcionamiento del ssps

El paquete estadstico SPSS, mediante el Mdulo Loglineal, permite la determinacin de Modelos Estadsticos Saturados y Jerrquicos. Dentro de los "Modelos Jerrquicos", el SPSS permite o bien seleccionar automticamente el Modelo Jerrquico de Mejor Ajuste, o permite al usuario escoger o modelar cualquier sub-juego de variables.

Entrar correctamente los datos a correlacionar en el "Editor de Datos" (Data Editor) del paquete SPSS Los procedimientos de clculo en el SPSS se encuentran en el Men Analyze

Dentro del Men Analyze se encuentra la subrutina o mdulo Loglineal.

Dentro del mdulo Loglineal, se encuentran Tres (3) Submens:

General Logit Model Selection

Una vez ubicados en la pantalla Model Selection Loglineal Anlisis, se procede a:

Seleccionar la "Variables de Diseo" que van a ser correlacionada. Definir los Rangos mnimos y mximos de la data que conforman cada una de las "Variables de Diseo". Definir las Opciones de clculo y salida de los modelos. E Iniciar el anlisis mediante el botn OK.

Una vez el SPSS finalizado los clculos, presentar la salida de los modelos en la pantalla SPSS Viewer, en forma de texto. De all el usuario podr o bien imprimirlo en papel o "exportar" la salida en un archivo de texto para su uso en un procesador de palabras u hoja de clculo.

Conclusin:

Finalmente podemos concluir que los modelos loglineales son una forma o mtodo ms de los muchos que hay para tener resultados sobre diferentes variables cuantitativas. Tenemos dos tipos uno que es mas complicado y difcil el cual es llamado saturado. Y otro que es mas sencillo y que es aceptado el cual tambin lleva a resultados ponderados. El cual es llamado modelo jerrquico. En definitiva estos dos modelos pueden ayudarnos a obtener un anlisis concreto de variables cuantitativas y con la ayuda del programa ssps se puede lograr de una manera mas fcil y exacto.