Albert Satorra & Juan Carlos Bou

Slides:



Advertisements
Presentaciones similares
ESTRATEGICA Y OPERATIVA
Advertisements

GRÁFICAS Y FUNCIONES MATEMÁTICAS Bernardo Nieto Castellanos.
Correlación ©1997-Sep-06 Pedro Juan Rodríguez Esquerdo Departamento de Matemáticas UPR Río Piedras.
DISEÑOS DE INVESTIGACIÓN
Estadísticas Inferenciales Capítulo 10
ESTRATEGIAS Y DISEÑOS AVANZADOS DE INVESTIGACIÓN SOCIAL
UNIVERSIDAD DE LA LAGUNA Dpto. de Economía y Dirección de Empresas
IMPACTO DE LAS INVERSIONES EN TECNOLOGÍA DE LA INFORMACIÓN (TI) EN LA VARIABLE ESTRATÉGICA DE LA EMPRESA DE SERVICIOS FINANCIEROS AUTORES: ANGELA MARIA.
AUTORES: peter b. seddon y min-yenkiew
¿Cuál es la naturaleza de las ecuaciones simultáneas?
REGRESION Y CORRELACION LINEALES. REGRESION LINEAL SIMPLE Finalidad Estimar los valores de y (variable dependiente) a partir de los valores de x (variable.
Métodos Numéricos por Interpolación
Asimetría – Curtosis – Jarque Bera
ESTRATEGIAS Y DISEÑOS AVANZADOS DE INVESTIGACIÓN SOCIAL
VARIABLES INSTRUMENTALES
Regresión y correlación
Ciclo de formulación del proyecto.
ESTRATEGIAS Y DISEÑOS AVANZADOS DE INVESTIGACIÓN SOCIAL
METODOLOGÍA DE INVESTIGACIÓN
Métodos Matemáticos I.
Regresión lineal Es un modelo matemático para predecir el efecto de una variable sobre otra, ambas cuantitativas. Una variable es la dependiente y otra.
Regresión Lineal Simple
Análisis de Correlación y de Regresión lineal simple
Proyecto CYTED Informe de Tareas Grupo de Investigación Estadística Desarrollo sostenible de Ciencia y Tecnología.
TÉCNICA MULTIVARIABLE / DEPENDENCIA
Regresión lineal. Definición del problema Evaluar la capacidad explicativa de un conjunto de características socio demográficas que inciden en los ingresos.
EXAMINANDO LA VIABILIDAD DE UN MODELO INSTRUCCIONAL: UN ESTUDIO PRELIMINAR DESDE LA PERSPECTIVA DEL ESTUDIANTE Fernando Doménech Betoret Psicología Evolutiva.
Estadística Administrativa II
METODOLOGÍA ANÁLISIS DE DATOS PROPUESTA DE IMPLANTACIÓN DE UN OBSERVATORIO ECONÓMICO DE LA PYME Grupo de Investigación Análisis Estratégico para el Desarrollo.
BIOMETRIA II TEMA 2 El Modelo de Regresión.
El Diagnóstico Estratégico
M.C. Juan Carlos Olivares Rojas
Análisis de selección fenotípica
SISTEMA COSTO-VOLUMEN-UTILIDAD
Método de previsión para el turismo.
COMPORTAMIENTO HUMANO II Dr. Miguel Ángel Sastre Castillo Planeación de los recursos humanos
Métodos de calibración: regresión y correlación
Titular: Agustín Salvia
ING. ADA PAULINA MORA GONZALEZ. Análisis de regresión Es la técnica que se usa para desarrollar la ecuación de la línea y poder realizar predicciones.
Píldora de evaluación estadística de ajuste de curvas Files con las tablas: T_tables.pdf F_tables.pdf Descargadas desde
MAGDA BETANCUR DORIAN ESPINOSA OBEIMAR CASTRILLON.
1 Análisis de los Beneficios. 2 Relevancia de analizar los Beneficios Accionistas crean la empresa Maximizar el beneficio Minimizando el riesgo Objetivo.
Análisis de Datos en Economía
1 ESTRATEGIAS Y DISEÑOS AVANZADOS DE INVESTIGACIÓN SOCIAL Titular: Agustín Salvia MÓDULO 2 A Análisis de Tablas de Contingencia y Coeficientes de Asociación.
Segunda sesión.
SEMINARIO DE INVESTIGACION
1.Introducción 2.Casos simples de reducción del orden 3.Ecuaciones lineales homogéneas con coeficientes constantes 4.Ecuaciones lineales no homogéneas.
ECUACIONES DIFERENCIALES
SEMINARIO DE INVESTIGACION Titular: Agustín Salvia
COSTOS PREDETERMINADOS Profesor: Francisco Javier ortega.
U.D.5. EL SIM Y LA IM EL SIM Conjunto de personas, equipos y procedimiento capaces de recoger, clasificar, analizar, evaluar y distribuir la información.
Titular: Agustín Salvia
Regresión Lineal Simple
TEMARIO CUARTA Y QUINTA CLASE 1. Metodologías para analizar la probabilidad de Incumplimiento de pagos de créditos Análisis Cuantitativo con Variables.
Estrategia de análisis Con introducción al análisis multivariante.
Diseño de investigación
Regresión lineal simple Nazira Calleja
LIMITLESS POWER OF INFORMATION INTELIGENCIA DE NEGOCIOS Marzo 2015.
Unidad 4 Análisis de los Datos.
TEMA : ANALISIS DE REGRESION
Benchmarking LUIS ALFONSO RIVERA VACA.
30. Análisis de la varianza de Kruskal-Wallis
INVESTIGACION COMPARADA
1.Introducción 2.Casos simples de reducción del orden 3.Ecuaciones lineales homogéneas con coeficientes constantes 4.Ecuaciones lineales no homogéneas.
Estadística Administrativa II
REGRESIÓN LINEAL SIMPLE
REGRESIÓN LINEAL SIMPLE. Temas Introducción Análisis de regresión (Ejemplo aplicado) La ecuación de una recta Modelo estadístico y suposiciones Estimación.
Licenciatura en Psicopedagogía: Métodos, Diseños y Técnicas de Investigación Psicológica Tema 9 Fiabilidad de las puntuaciones.
FODA SWOT.
GRÁFICAS Y FUNCIONES MATEMÁTICAS Bernardo Nieto Castellanos.
Transcripción de la presentación:

Albert Satorra & Juan Carlos Bou Seminario Modelos de Ecuaciones Estructurales. Universitat Jaume I, Castelló, 12 y 13 de Julio de 2004 Albert Satorra & Juan Carlos Bou Hopkins and Hopkins (1997): “Strategic planning-financial performance relationships in banks: a causal examination”. Strategic Management Journal, Vol 18 (8), pp. (635-652)

Albert Satorra & Juan Carlos Bou Seminario Modelos de Ecuaciones Estructurales. Universitat Jaume I, Castelló, 12 y 13 de Julio de 2004 Albert Satorra & Juan Carlos Bou Datos a analizar Muestra: 112 bancos comerciales Obtención datos: Cuestionario a directores de oficinas bancarias Variable dependiente: Intensidad de la planificación estratégica Desempeño financiero Variable independientes: Factores directivos Factores del entorno Factores organizativos

Albert Satorra & Juan Carlos Bou Seminario Modelos de Ecuaciones Estructurales. Universitat Jaume I, Castelló, 12 y 13 de Julio de 2004 Albert Satorra & Juan Carlos Bou Conveniencia del análisis LISREL Estimar los coeficientes de un conjunto de ecuaciones estructurales lineales Contemplar modelos que incluyen variables latentes Contemplar la existencia de errores de medida Medir los efectos directos e indirectos de entre variables dependientes e independientes Contemplar la existencia de causalidad reciproca, simultaneidad e interdependencia

Albert Satorra & Juan Carlos Bou Seminario Modelos de Ecuaciones Estructurales. Universitat Jaume I, Castelló, 12 y 13 de Julio de 2004 Albert Satorra & Juan Carlos Bou Análisis LISREL COMPONENTE DE MEDIDA Identificar variables latentes COMPONENTE ESTRUCTURAL Evaluar relaciones causales entre variables latentes Proporcionar un test de ajuste del modelo

Albert Satorra & Juan Carlos Bou Seminario Modelos de Ecuaciones Estructurales. Universitat Jaume I, Castelló, 12 y 13 de Julio de 2004 Albert Satorra & Juan Carlos Bou

Albert Satorra & Juan Carlos Bou Seminario Modelos de Ecuaciones Estructurales. Universitat Jaume I, Castelló, 12 y 13 de Julio de 2004 Albert Satorra & Juan Carlos Bou

Albert Satorra & Juan Carlos Bou Seminario Modelos de Ecuaciones Estructurales. Universitat Jaume I, Castelló, 12 y 13 de Julio de 2004 Albert Satorra & Juan Carlos Bou

Albert Satorra & Juan Carlos Bou Seminario Modelos de Ecuaciones Estructurales. Universitat Jaume I, Castelló, 12 y 13 de Julio de 2004 Albert Satorra & Juan Carlos Bou

Albert Satorra & Juan Carlos Bou Seminario Modelos de Ecuaciones Estructurales. Universitat Jaume I, Castelló, 12 y 13 de Julio de 2004 Albert Satorra & Juan Carlos Bou

Albert Satorra & Juan Carlos Bou Seminario Modelos de Ecuaciones Estructurales. Universitat Jaume I, Castelló, 12 y 13 de Julio de 2004 Albert Satorra & Juan Carlos Bou

Albert Satorra & Juan Carlos Bou Seminario Modelos de Ecuaciones Estructurales. Universitat Jaume I, Castelló, 12 y 13 de Julio de 2004 Albert Satorra & Juan Carlos Bou Covariance matrix:: 0.48 0.76 0.60 0.51 0.46 0.54 -0.06 -0.09 0.01 0.31 -0.17 -0.21 -0.16 0.04 0.44 -0.26 -0.06 -0.16 -0.19 0.16 0.27 0.52 0.32 0.44 0.66 0.23 0.07 -0.24 0.52 0.40 0.51 0.76 0.26 0.19 -0.15 0.76 0.49 0.27 0.43 0.64 0.17 0.10 -0.21 0.77 0.81 0.12 0.16 0.09 0.28 0.18 0.24 0.07 0.36 0.41 0.35 0.34 0.24 0.27 0.64 0.31 0.23 -0.01 0.56 0.67 0.57 0.45 0.23 0.08 0.16 0.07 0.09 0.16 -0.01 0.28 0.30 0.27 0.29 0.30 0.03 0.02 0.04 -0.07 -0.05 -0.03 -0.05 0.06 -0.06 0.03 0.01 -0.07 0.03 0.20 0.32 0.22 0.09 -0.24 -0.33 0.05 -0.02 -0.07 -0.08 0.02 0.05 -0.23 -0.03 0.15 0.06 0.11 -0.03 0.10 0.13 0.16 0.13 0.07 0.06 0.16 0.19 0.21 0.13 0.16 Means: 34.30 12.75 3.50 6.70 7.10 7.00 7.10 7.00 7.05 7.20 7.20 7.30 7.45 21.50 3.54 2.35 S.D.: 58.58 4.10 1.61 1.95 1.65 1.62 1.55 1.52 1.64 1.96 1.88 1.78 1.54 12.87 0.56 0.67