Quote del día: Análsis Loglineal Logit de variables dependientes e independientes

Sin categoría

Les comparto este pequeño y práctico post sobre la función Loglineal Logit de análisis de variables que pueden utilizar a través de SPSS.

Imagen

Análisis loglineal logit.

El procedimiento Análisis loglineal logit analiza la relación entre variables dependientes (o de respuesta) y variables independientes (o explicativas). Las variables dependientes siempre son categóricas, mientras que las variables independientes pueden ser categóricas (factores). Otras variables independientes, las covariables de casilla, pueden ser continuas pero no se aplican en forma de caso por caso. A una casilla dada se le aplica la media ponderada de la covariable para los casos de esa casilla. El logaritmo de las ventajas de las variables dependientes se expresa como una combinación lineal de parámetros. Se supone automáticamente una distribución multinomial; estos modelos se denominan a veces modelos logit multinomiales. Este procedimiento estima los parámetros de los modelos loglineales logit utilizando el algoritmo de Newton-Raphson.

Es posible seleccionar de 1 a 10 variables dependientes y de factor en combinación. Una variable de estructura de casilla permite definir ceros estructurales para tablas incompletas, incluir en el modelo un término de desplazamiento, ajustar un modelo log-tasa o implementar el método de corrección de las tablas marginales. Las variables de contraste permiten el cálculo del logaritmo de la razón de ventajas generalizadas (GLOR). Los valores de la variable de contraste son los coeficientes para la combinación lineal de los logaritmos de las frecuencias esperadas de casilla.

Se muestra automáticamente información sobre el modelo y estadísticos de bondad de ajuste. Además es posible mostrar una variedad de estadísticos y gráficos, o guardar los valores pronosticados y los residuos en el conjunto de datos activo.

Ejemplo. En un estudio en Florida se incluyeron 219 caimanes. ¿Cómo varía el tipo de comida de los caimanes en función del tamaño del caimán y de los cuatro lagos en los que viven? Los resultados del estudio mostraron que la ventaja para un caimán pequeño preferir reptiles a peces es 0,70 veces menor que para un caimán grande; además la ventaja de preferir fundamentalmente reptiles en vez de peces fue más alta en el lago 3.

Estadísticos. Frecuencias observadas y esperadas; residuos brutos, corregidos y de desviación; matriz de diseño; estimaciones de los parámetros; logaritmo de la razón de las ventajas generalizadas; estadístico de Wald; intervalos de confianza. Gráficos: residuos corregidos, residuos de desviación y gráficos de probabilidad normal.

 

Saludos.

 

Fernando Mellado Meza

10 estadísticos más usados en la investigación de mercados

Estadística

Los 10 estadísticos más utilizados en la investigación de mercados

Según lo que hemos experimentado en la práctica es posible determinar que los diez principales estadísticos empleados en la investigación de mercados son los siguientes:

1.- Coeficiente de Correlación de Pearson: Nos permite conocer la intensidad de la relación existente entre una o más variables.

2.- Análisis de Regresión y Regresión Múltiple: Establece que tanto afecta una o más variables dependientes a otra independiente.

3.- Chi square: Nos indica el nivel de significancia ente dos o más variables. El Chi square es ampliamente usado como test de significancia para determinar segmentos en el análisis Chaid, Cart entre otros.

4.-  Varianza y Coeficiente de Variación: La varianza nos proporciona la distribución de la muestra con respecto a la media. El análisis de la varianza (o Anova: Analysis of variance) es un método para comparar dos o más medias, que es necesario porque cuando se quiere comparar más de dos medias es incorrecto utilizar repetidamente el contraste basado en la t de Student. El coeficiente de variación nos sirve para comparar medidas de dos grupos diferentes y que estas se puedan expresar en términos de referencia.

5.- Coeficiente de Kurtosis: No indica que tan concentrada o dispersa se encuentra la muestra con respecto a los valores centrales de referencia.

6.- Prueba de T Studen: Nos indica las probabilidades de que dos grupos de datos distintos pertenezcan a una misma población.

7.- Escalas de Liker: Al aplicarlas en un cuestionario o instrumento nos ayuda a determinar los estadísticos de correlación y regresión. Por lo general se manejan de escalas del 1 al 3, del 1 al 5 o del 1 al 7, siempre impares para evitar el empate de variables y la nulificación de los test.

8.- Media, moda y mediana: Son las medidas de tendencia central ampliamente usadas para describir una variable. Nos indican en donde se ubican los puntos centrales de los datos.

9.-Tasa media de crecimiento anual: Este dato nos permite conocer el comportamiento de una variable a través del tiempo tomando como referencia dos puntos de temporalidad ejemplo: 2005 y 2010. A titulo personal recomiendo que para lograr mayor exactitud en el pronostico de este dato, la serie analizada debe contener al menos 5 años de referencia.

10.- Factoriales: El análisis de la varianza (o Anova: Analysis of variance) es un método para comparar dos o más medias, que es necesario porque cuando se quiere comparar más de dos medias es incorrecto utilizar repetidamente el contraste basado en la t de Student..

En la realidad los estudios de mercados y los modelos actuales de investigación combinan fases cuantitativas con fases cualitativas, en muchos casos una complementa a la otra. Ambas importantes.

La importancia de los números en una investigación se concentra en la necesidad que tenemos por cuantificar, medir y dar proporciones a los hábitos del mercado, así como conocer las tendencias y las estimaciones futuras apoyados de modelos estadísticos y econométricos que nos ayudan a pronosticar ciertos aspectos del mercado.

La estadística descriptiva nos ofrece un panorama de como se comportan las variables del mercado, mientras la estadística inferencial nos proporciona -a través de pruebas o tests- una confirmación de los supuestos e hipótesis planteadas en la investigación.

Por ejemplo, con los análisis de correlación y regresión determinamos que intensidad tiene una variable sobre otra y que tanto la afecta, con ello probar o no las hipótesis y supuestos. Los test de Chi Square, ANOVA, T de Studen entre otros nos ofrecen datos de como se comporta la muestra y que tan significante resultan ciertos ejercicios.

Los coeficientes de Kurtosis y Variación nos indican cuál es la distribución y la dispersión de la muestra, con ello se puede comprobar, por ejemplo, si el promedio de una serie de datos tiene una estructura normal o anormal y si el promedio efectivamente nos describe el comportamiento de los datos de manera correcta.

Fernando Mellado | Estudios Cuantitativos