Tcnicas de anlisis multivariante

1
Técnicas de análisis multivariante

• Pedro Juez Martel

2
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
3
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
4
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

5
Regresión logística
1
6
Regresión logística
1
7
Regresión logística
1
8
Regresión logística
1
9
Regresión logística
10
Regresión logística
11
Regresión logística
12
Regresión logística
13
Regresión logística
14
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
15
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
16
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
17
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
18
Ejemplo de Anova para dos factores
19
Ejemplo de Anova para dos factores
20
Ejemplo de Anova para dos factores
21
Ejemplo de Anova para dos factores
22
Ejemplo de Anova para dos factores
23
Ejemplo de Anova para dos factores
24
Análisis factorial

• Permite agrupar variables con alta correlación.
• Estas variables se denominan factores y al ver
  con qué variables están más correlacionados.

25
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.

26
Análisis factorial
27
Análisis factorial
28
Análisis factorial
29
Análisis factorial
30
Análisis factorial
31
Análisis factorial