regresión logística

Download Report

Transcript regresión logística

Ejercicios de repaso

 Tterreno.sav

 ¿los cohes de 4 cilindros consumen en promedio lo mismo que los de 6 a 90, 120 o urbano? Parametrico y no paramétrico  Tablas cruzadas c1 directivos y e6 estudios procedencia  Archivo: trabajo.sav

 ¿relación entre sexo (c1) e idelología (c9)?

 Muestrea los residentes de Andalucia y Aragon (c15) y elige el 20% de cada uno ellos

EJERCICIOS REPASO FACTORIAL Y CLUSTER

 ARCHIVO DE CC.AA.sav, realiza el análsis cluster en 2 etapas, jerárquico y no jerárquico. Graba las variables para utilizarlas en otros análisis, ¿existen diferencias entre criterio jerárquico y no-jerárquico??

 Análisis factorial con trabajo.sav (b13 a b21): ¿mejora el análisis si elimino alguna variable siguiendo la comunalidad?

 Análisis factorial con facto1.

Ejercicios de repaso

 Con el fichero de xls de trabajo de IMD realizar descriptivos y factorial y cluster. variables capital humano, ……..

REGRESION LINEAL

 TRATAMOS DE EXPLICAR UNA VARIABLE DEPENDIENTE (EXPLICADA) MÉTRICA A TRAVÉS DE VARIABLES INDEPENDIENTES (EXPLICATIVAS) MÉTRICAS.  UNA INDEPENDIENTE, REGRESION SIMPLE  DOS O MÁS INDEPENDIENTES, REGRESIÓN MÚLTIPLE

REGRESION LINEAL

 La F (Anova) nos da información sobre si el modelo es globalmente significativo, válido, si bien eso no implica que todas las variables sirvan  Por lo tanto, hay que ver como contribuye cada variable independiente a la explicación, en signo (sentido), valor (intensidad) y validez (significatividad)  La R 2 (R cuadrado corregida) es el grado de la bondad del ajuste, que significa la calidad del ajuste, o el % en el que la variable dependiente es explicada por las independientes  Ejemplo: R 2 = 0,8, significa que el 80% de la variable está explicada por las variables independientes.

REGRESIÓN LINEAL

    Una vez hemos obtenido las β o estimadores (predictores) podremos predecir la variable dependiente para el sujeto n+1 Por lo tanto es una técnica de ajuste y predicción. Si hay varias variables la explicación se hará en unidades estandarizadas, en β estandarizadas Si hay variables no métricas entonces realizaremos la trampa de las ficticias, interpretando sobe la omitida

EJERCICIOS

 INTERPRETACIÓN DEL EJERCICIO EN CLASE (EXPLICACIÓN SUELDO, PP.315)  ¿Cómo realizaríamos la predicción si un nuevo individuo tiene 35 años de edad, lleva 3 en la empresa, es mujer, tiene estudios universitarios (1), 2 hijos y categoría media laboral?

 ESPECIFICA EL MODELO E INTERPRETA

REGRESION LINEAL

 FICHERO TTERRENO.SAV

 ¿PODEMOS EXPLICAR EL PRECIO (PVP) A TRAVÉS DE EL PESO Y LA POTENCIA? ¿QUÉ INTERPRETACIÓN TENDRÍA?

 FICHERO TTERRENO.SAV

 ¿PODEMOS EXPLICAR EL CONSUMO A 120 KM/H A TRAVÉS DE LA CILINDRADA, CC? ¿QUÉ INTERPRETACIÓN TENDRÍA?

EJERCICIOS

 FICHERO TRABAJO.SAV

 SE PUEDE EXPLICAR LA SATISFACCIÓN EN EL TRABAJO (b36) con las VARIABLES DESDE b22 hasta b32?

 ¿cuáles son las variables que realmente contribuyen al model y con las que podríamos resumir toda la información para explicar la SATISFACCIÓN (b36)?

Regresión…

 Podemos sufrir el problema de COLINEALIDAD o Correlación entre las variables INDEPENDIENTES, en este caso, se pueden enmascarar variables buenas, con pobres betas por culpa de la influencia de otras variables……

ANÁLISIS DISCRIMINANTE y REGRESIÓN LOGÍSTICA

El análisis discriminante y la regresión logística son técnicas SIMILARES A LA REGRESIÓN; son estadísticas apropiadas cuando la variable dependiente independientes son métricas.

es categórica (NOMINAL) y las variables A MODO DE REPASO, TANTO FACTORIAL COMO CLUSTER Y DISCRIMINANTE, TODAS LAS MULTIVARIANTES FUNCIONAN MEJOR CON DATOS

MÉTRICOS

ANÁLISIS DISCRIMINANTE y REGRESIÓN LOGÍSTICA

El

A.D

. tiene la capacidad de tratar tanto dos grupos como grupos múltiples (tres o más). Sin embargo, no tiene la misma interpretación directa que la regresión La restringida en su forma básica a dos grupos, a una respuesta dicotómica, si bien es más estable y presenta mejores propiedades que el AD.

regresión logística o análisis logit

, está No se basa en una distribución paramétrica • Tiene interpretación directa como la regresión

AD y Regresión logística

 AD lo utilizaremos cuando su variable dependiente o explicada es categórica, pudiendo representar más de dos respuestas o categorías    EJEMPLO: SUBESPECIE     A B C D EJEMPLO: TIPO DE EMPRESAS    EXCELENTE (GACELA) SUPERVIVIENTE RETRASADA (TORTUGA) EJEMPLO: CLASIFICACIÓN IDEOLÓGICA  DERECHA   CENTRO IZQUIERDA

Regresión logística

 El LOGIT, sólo admite una respuesta (variable explicada o dependiente) DICOTÓMICA (2 CATEGORÍAS)  VOTACIÓN ELECCIONES  PP  PSOE  EJEMPLO: DEPARTAMENTO DE MK  SI  NO

REGRESION LOGISTICA

Son técnicas de PREDICCIÓN

TENEMOS LOS GRUPOS ESTABLECIDOS A PRIORI

POR EJEMPLO, UN DESPUÉS DE HABER REALIZADO ANÁLISIS CLUSTER Y OBTENIDO DIFERENTES SEGMENTOS DE MERCADO O DIFERENTES GRUPOS (2)

QUEREMOS SABER QUE VARIABLES DISCRIMINAN A LAS OBSERVACIONES A QUE PERTENEZCAN A UNO U OTRO GRUPO O CATEGORÍA. ES DECIR, QUEREMOS SABER QUÉ VARIABLES HACEN QUE LOS PERTENEZCAN A UNO U OTRO GRUPO INDIVIDUOS

Regresión logística

 LO QUE NOS INTERESA ES DETERMINAR QUE VARIABLES INDEPENDIENTES EXPLICAN LA PERTENENCIA A UN DETERMINADO GRUPO  SI LO AVERIGUAMOS, PODREMOS

PREDECIR

YA QUE PARA NUEVAS EMPRESAS O PERSONAS EN LA MUESTRA PODREMOS PRONOSTICAR A QUÉ GRUPO PERTENECERÍA

UTILIDADES DE LAS HERRAMIENTAS

 UTILIDADES     EMPRESAS: EL QUE LA EMPRESA SOBREVIVA (1) O QUIEBRE (0) QUE LA EMPRESA EXPORTE O NO QUE LOS CONSUMIDORES COMPREN (1) O NO(2) MÉDICAS  POR EJEMPLO, SI DETERMINAMOS LAS VARIABLES QUE EXPLICAN EL SUFRIR (1) O NO SUFRIR (0) UN ATAQUE AL CORAZÓN PODREMOS PRONOSTICA LA POSIBILIDAD O PROBABILIDAD DE QUE LAS PERSONAS EN FUNCIÓN DE SU CONDUCTA SUFRAN O NO EL ATAQUE

Regresión logística

 Ofrece una medida de ajuste o bondad expresada como  -2 log. Verosimilitud (-2

LL

) cuanto MÁS BAJA mejor, cero sería lo perfecto. Además, se apoya en una Chi-Cuadrado, que nos corrobora la VALORACIÓN GLOBAL DEL MODELO, lo que tampoco implica (como en la regresión) que todas las variables sean buenas.  El grupo de menos individuos, normalmente el que toma valor 0, debe tener más individuos que el número de variables y, además, como mínimo el 10% de la muestra total.

Regresión logística

  Se ofrece la

Matriz de clasificación o confusión

, donde se recogen los valores observados y los predicted para evaluar, con las variables que hemos utilizado, si el modelo es capaz o no de predecir la pertenencia de un individuo a uno u otro grupo Posteriormente, debemos evaluar la contribución de cada variable (Significatividad ) y la interpretación de las mismas como la influencia significativa (+) positiva o negativa (-) en la probabilidad de pertenecer al grupo 1. No obstante la intensidad de la influencia

NO SE INTERPRETA COMO EN LA REGRESIÓN

, sino en el cambio exponenecial que debe estar alejado de 1 por arriba (+) o por abajo (-)

Regresión logística: ejercicios

 Ejercicio de predicción de quiebra empresarial (AMD-Levy)  ¿Cómo funciona el modelo?

 ¿Qué variable es la más importante?

ANÁLISIS DISCRIMINATE

 El análisis discriminante permite determinar cuáles son las variables (de entre la serie de variables seleccionadas previamente por el investigador), que mejor explican la pertenencia de un individuo a un grupo determinado (Pedret et al., 2000:228). En otras palabras, tratamos de determinar si un

conjunto de variables pueden explicar la pertenencia a un grupo previamente determinado por el investigador

ANÁLISIS DISCRIMINANTE

 La una ecuación lineal discriminante, similar a regresión múltiple, es la siguiente: 

D = B0 + B1 X1 + B2 X2 + ……..+ Bp Xp

 Donde

B0 Xi

son las variables independientes, es la constante y

Bi

son los coeficientes estimados a partir de los datos originales de modo que los valores de la función difieran el máximo posible entre los diferentes grupos.

ANÁLISIS DISCRIMINANTE

 Muestra total: relación óptima de 20 a 1. Mínima de 5 a 1.  El grupo de menos individuos tiene que ser como mínimo mayor que el número de variables   La regla general es que cada grupo tenga al menos 20 individuos. ESTIMARÁ TANTAS FUNCIONES DISCRIMINANTES COMO GRUPOS MENOS 1  SI POR EJEMPLO HAY 3 GRUPOS CON UNA SOLA FUNCIÓN PUEDE DISCRIMINAR ENTRE EL 3 Y 2 PERO NO 1 Y 2

Análisis discriminante

     LAS PONDERACIONES o CARGAS FACTORIALES ESTANDARIZADAS, SEÑALAN EL SIGNO Y CUANTÍA QUE CADA VARIABLE TIENE DE DISCRIMINACIÓN. Es la contribución de la variable a la función discriminante Funciona como las β de la regresión, si bien el signo no importa La Matriz de estructura nos ordenará la importancia en términos de contribución de cada variable El

stepwise

es muy válido para quedarnos las que realmente importan

Análisis discriminante

 LA CAPACIDAD DE PREDICCIÓN O POTENCIA DE CLASIFICACIÓN LA OBSERVAREMOS EN LA “

MATRIZ DE CONFUSIÓN

”, QUE CLASIFICA LOS GRUPOS OBSERVADOS (A PRIORI) Y LOS ESTIMADOS CON LAS VARIABLES INDEPENDIENTES

Pruebas de igualdad de las medias de los grupos

IMAGEN VARIEDAD instituto Lambda de Wilks ,136 ,126 ,553 F 97,534 106,818 12,381 gl1 3 3 3 gl2 46 46 46 Sig.

,000 ,000 ,000

LA IGUALDAD DE MEDIAS (COMPARACIÓN DE MEDIAS) UTILIZA UNA F, COMO EL ANOVA UN FACTOR Y ME DICE QUE TODAS LAS VARIABLES FUNCIONAN COMO DISCRIMINANTES

Resultados de la prueba

M de Box F Aprox.

gl1 gl2 Sig.

18,317 ,882 18 4003,896 ,602 Contras ta la hi pótesi s nula de que las m atrices de covarianza pobl acionales s on i gual es .

EL M-BOX ME INDICA SI REALMENTE HAY DIFERENCIAS ENTRE LOS GRUPOS (MATRICES DE COVARIANZAS) ES COMO EL KMO Y BARLETT DEL FACTORIAL, ME INDICA SI LA PRUEBA PUEDE FUNCIONAR, SIN EMBARGO, NO ES TAN ESTRICTO COMO EN EL CASO FACTORIAL

Autovalores

Función 1 2 3 Autovalor 12,563 a ,829 a ,077 a % de varianza 93,3 6,2 ,6 % acumulado 93,3 99,4 100,0 Correlación canónica a. Se han empleado las 3 primeras funciones discriminantes canónicas en el análisis.

,962 ,673 ,267 Contras te de las funciones 1 a la 3 2 a la 3 3

Lambda de Wilks

Lam bda de Wi lks ,037 ,508 ,928 Chi -cuadrado 149,493 30,858 3,377 gl 9 4 1 Sig.

,000 ,000 ,066

EN ESTE CASO, 3 FUNCIONES DISCRIMINANTES PORQUE HEMOS TRABAJADO CON 4 GRUPOS; LAS TRES SON SIGNIFICATIVAS

Resultados de la clasificación a

Original Recuento % Número inicial de cas os 1 2 3 4 1 2 3 4 1 Grupo de pertenencia pronosticado 2 3 4 17 0 0 13 0 0 100,0 ,0 0 0 ,0 ,0 0 0 ,0 100,0 ,0 ,0 12 0 ,0 ,0 100,0 ,0 ,0 ,0 ,0 100,0 0 0 0 8 a. Clasificados correctamente el 100,0% de los casos agrupados originales.

Total 17 13 12 8 100,0 100,0 100,0 100,0

LA MATRIZ DE CONFUSIÓN NOS INDICA QUE CAPACIDAD DE CLASIFICACIÓN O PREDICCIÓN TIENE EL MÉTODO, COMPARANDO LOS CASOS PRONOSTICADOS Y COMPARÁNDOLO CON LOS GRUPOS A PRIORI

.

EJERCICIOS DISCRIMINANTE

  

EJERCICIO DISCRIMINANTE ARCHIVO: 13.1

 ESTUDIOS (EGB, BUP FP) POR LA  EDAD      HABITAT Nº LIBROS LEIDOS HORAS TV NOTA MEDIA NUMERO HERMANOS

MUNDO.SAV

 CLIMA (TROPICAL, MEDITERRANEO O TEMPLADO) CON  INGESTA CALORÍAS   PIB-CAP % HABITANTES CIUDADES  POBLAC

EJERCICIOS DISCRIMINANTE

 TRABAJO.SAV B1 (DEPENDIENTE, DICOTOMICA) C1 (CATEGORIACA), C2, C6 TODO ELLO EN INDIVIDUOS DE MENOS DE 60 AÑOS  ARCHIVO: TERRENO.SAV

 CILINDRO (4,5,6,7,8)  TODAS LAS VARIABLES MENOS MARCA

EJERCICIOS DISCRIMINANTE

  

11.1 (CANCER)

 NODOS (DEPENDIENTE, DICOTOMICA)    EDAD ACIDO GRADO   ETAPA RADIOGRAFÍA

REVALORIZACIÓN PV ARCHIVO: CRECIMIENTO

 GENERO (NIÑO/NIÑA)  DISTANCIA  EDAD

ANÁLISIS DISCRIMINANTE

REGRESIÓN LOGÍSTICA

EJERCICIOS DE PRÁCTICA CLUSTER

 Archivo: mundo.sav

 Variables:   Alfabetización (alfabet) Incremento población (inc_pob)  Esperanza vida femenina (espvidaf)  Mortalidad infantil (mortinf)  Numero promedio hijos mujer (fertilid)  Tasa natalidad (tas_nat)  Log_pib  Urbana  Tasa mortalidad (tasa_mor)

Ejercicios práctica: FACTORIAL

 ARCHIVO: FACTO2.SAV

 PRINCIPLES EMPRESAS ESPAÑOLAS  CASH/VENTAS; INMOVILIZADO/ACTIVO; VENTAS /PALANTILLA; VENTAS/ACTIVO; BEFOS /VENTAS; VENTAS / INMOVILIZADO

Ejercicios de repaso

  Fichereo: comparación medias y tablas.xls

  Averigua: si existe relación de contingencia entre el tamaño y el pertenencer a un instituto Existen diferencias entre la imagen y el tamaño, y entre los productos y el tamaño  Existen diferencias entre el tamaño y las rentabilidades 94??

 Antes debes analizar los datos Fichero: comparación medias.xls

 Realizar una prueba para averiguar si el tamaño nos lleva o no a una diferente variedad de productos  Antes, realiza un estudio de los datos

Tablas de contingencia: dicotomías múltiples; EJERCICIO

  Fichero:

directivos

; variable C1 (c1.1 a c1.11) C1. Podría indicar qué incentivos salariales tiene en su empresa (elija los que crea convenientes)  Por resultado empresa         por resultado negocio Por objetivos individuales Por objetivos equipo Por evaluación cumplimiento Colectivos Comisiones Participación en beneficios otros

MUESTRAS Y MUESTREO

CONCEPTOS BÁSICOS

-MUESTRA:

conjunto reducido de individuos o elementos de una población, escogidos para obtener información sobre los mismos y generalizarla al resto de la población

POBLACIÓN:

todos y cada uno de los individuos o elementos de los cuales se quiere tener una información

-ERROR SISTEMÁTICO:

o de muestreo, es el asociado a la difernecia entre un estimador concreto de una muestra y el parámetro calculado en la población

PLANIFICACIÓN DE LA OBTENCIÓN DE LA MUESTRA

Fuente: Investigación de Mercados Miquel et al. (1997:140) capítulo 7

Tipos de muestreo

 

Aleatorio Estratificado (afijaciones) Afijación simple: consiste en el reparto a partes iguales de la muestra entre los diversos estratos conocidos Afijación base al proporcional: consiste en el reparto proporcional de la muestra entre los distintos estratos, en número de efectivos de cada uno de los mismos (así se mantiene constante el coeficiente de elevación)

 

Por conglomerados otros

CÁLCULO DEL TAMAÑO MUESTRAL

TABLA DE MUESTRAS EN FUNCIÓN DEL ERROR Y LA POBLACIÓN

Fuente: Miquel et al. (1997:151)

CÁLCULO DE LA MUESTRA

Fuente: Miquel et al. (1997:150)

EJERCICIOS

 N= 25.534, ERROR DEL 5%, Z = 2, VARIANZA = 3.56 PRETEST  LO ANTERIOR CON POBLACIÓN INFINITA  N = 54.000, ERROR DEL 7%, 95,5% CONFIANZA, P=Q  LO ANTERIOR CON POBLACIÓN INFINITA

EJERCICIOS

 FICHERO: TRABAJO  SELECCIONAR FORMA ALEATORIA 200 CASOS  POR CONGLOMERADOS: POR SEXOS  PROCEDE: DATOS /SELECCIONAR CASOS  SOBRE EL SECTOR DEL AZULEJO  SUPONIENDO VARIABLE ES NOMINAL

BASE DE DATOS SABI