Técnicas de análisis multivariante Modelo de factores de certeza Diciembre 1996 Técnicas de análisis multivariante Pedro Juez Martel Francisco Javier Díez Vegas
Modelo de factores de certeza Diciembre 1996 Regresión logística Es un modelo que determina probabilidades. La variable explicada (dependiente) es dicotómica (1= Presencia; 0= Ausencia). Las variables explicativas pueden ser: cuantitativas cualitativas: se deben categorizar si tienen más de dos niveles 1 Francisco Javier Díez Vegas
Modelo de factores de certeza Diciembre 1996 Regresión logística La categorización consiste en representar las variables cualitativas a través de unas variables denominadas ficticias. El número de variables será igual al número de niveles menos 1. P.e. Variable situación laboral: fijo, temporal, en paro. Se representaría por dos variables = 3 niveles - 1 = 2. La representación sería así: Trabajador fijo: VF1: 1 y VF2: 0 Trabajador temporal: VF1: 0 y VF2: 1 Trabajador en paro: VF1: 0 y VF2: 0 1 Francisco Javier Díez Vegas
Modelo de factores de certeza Diciembre 1996 Regresión logística Ejemplo: Una empresa de seguros desea establecer un modelo que determine la probabilidad de que se suscriba un seguro. Las variables explicativas elegidas son: Ingresos (en MM. de pts.) Situación laboral: Trabajador fijo: VF1: 1 y VF2: 0 Trabajador temporal: VF1: 0 y VF2: 1 Trabajador en paro: VF1: 0 y VF2: 0 Cargas familiares: 1 = Sí 0 = No Francisco Javier Díez Vegas
Modelo de factores de certeza Diciembre 1996 Regresión logística 1 Francisco Javier Díez Vegas
Modelo de factores de certeza Diciembre 1996 Regresión logística 1 Francisco Javier Díez Vegas
Modelo de factores de certeza Diciembre 1996 Regresión logística 1 Francisco Javier Díez Vegas
Modelo de factores de certeza Diciembre 1996 Regresión logística 1 Francisco Javier Díez Vegas
Modelo de factores de certeza Diciembre 1996 Regresión logística Francisco Javier Díez Vegas
Modelo de factores de certeza Diciembre 1996 Regresión logística Francisco Javier Díez Vegas
Modelo de factores de certeza Diciembre 1996 Regresión logística Francisco Javier Díez Vegas
Modelo de factores de certeza Diciembre 1996 Regresión logística Francisco Javier Díez Vegas
Modelo de factores de certeza Diciembre 1996 Regresión logística Francisco Javier Díez Vegas
Análisis de la varianza Modelo de factores de certeza Diciembre 1996 Análisis de la varianza Permite estudiar si un conjunto de variable/s independientes o explicativas influyen sobre una variable explicada. VARIACIÓN TOTAL = VARIACIÓN ENTRE+ VARIACIÓN INTRA Variación total: Mide la variación de cada elemento respecto a la media total. Variación entre: Mide la variación de la media de cada uno de los grupos respecto a la media total. Variación Intra: Mide la variación de cada elemento respecto a la media en cada grupo. 1 Francisco Javier Díez Vegas
Análisis de la varianza Modelo de factores de certeza Diciembre 1996 Análisis de la varianza Si la VE es igual que la VI significará que los grupos no son distintos respecto a la variable explicada. Es decir, la variable explicativa no servirá para explicarla. El estadístico empleado es: VE/VI. Cuanto mayor sea este cociente más representativa será la variable. 1 Francisco Javier Díez Vegas
Modelo de factores de certeza Diciembre 1996 Anova para un factor En el ANOVA para un factor encontramos una sola variable explicativa. La representatividad de la variable viene determinada por un contraste F 1 Francisco Javier Díez Vegas
Anova para dos factores Modelo de factores de certeza Diciembre 1996 Anova para dos factores En el ANOVA para dos factores encontramos dos variables explicativas. Cuando existe más de una variable explicativa hemos de estudiar las interacciones. Es decir el efecto que tiene la presencia de los dos factores a la vez. 1 Francisco Javier Díez Vegas
Ejemplo de Anova para dos factores Modelo de factores de certeza Diciembre 1996 Ejemplo de Anova para dos factores Francisco Javier Díez Vegas
Ejemplo de Anova para dos factores Modelo de factores de certeza Diciembre 1996 Ejemplo de Anova para dos factores Francisco Javier Díez Vegas
Ejemplo de Anova para dos factores Modelo de factores de certeza Diciembre 1996 Ejemplo de Anova para dos factores Francisco Javier Díez Vegas
Ejemplo de Anova para dos factores Modelo de factores de certeza Diciembre 1996 Ejemplo de Anova para dos factores Francisco Javier Díez Vegas
Ejemplo de Anova para dos factores Modelo de factores de certeza Diciembre 1996 Ejemplo de Anova para dos factores Francisco Javier Díez Vegas
Ejemplo de Anova para dos factores Modelo de factores de certeza Diciembre 1996 Ejemplo de Anova para dos factores Francisco Javier Díez Vegas
Modelo de factores de certeza Diciembre 1996 Análisis factorial Permite agrupar variables con alta correlación. Estas variables se denominan factores y al ver con qué variables están más correlacionados. Francisco Javier Díez Vegas
Modelo de factores de certeza Diciembre 1996 Análisis factorial Prueba de esfericidad de Bartlett: Contrasta que existe ausencia de correlación entre las variables. Indice KMO: Un índice KMO bajo indica que la intercorrelación no es grande y, por lo tanto, el análisis factorial no sería útil. Correlación múltiple: Indica el grado de asociación entre una variable y todas las otras que intervienen en el análisis. Francisco Javier Díez Vegas
Modelo de factores de certeza Diciembre 1996 Análisis factorial Francisco Javier Díez Vegas
Modelo de factores de certeza Diciembre 1996 Análisis factorial Francisco Javier Díez Vegas
Modelo de factores de certeza Diciembre 1996 Análisis factorial Francisco Javier Díez Vegas
Modelo de factores de certeza Diciembre 1996 Análisis factorial Francisco Javier Díez Vegas
Modelo de factores de certeza Diciembre 1996 Análisis factorial Francisco Javier Díez Vegas
Modelo de factores de certeza Diciembre 1996 Análisis factorial Francisco Javier Díez Vegas