Académique Documents
Professionnel Documents
Culture Documents
Giorgio Boccardo
Contenidos
1. El anlisis multivariante
La lgica del anlisis multivariante
Distribucin de una variable multivariante
15-09-2016
1. ANLISIS MULTIVARIANTE
Modelo
Estadstico
Modelo
Terico
Realidad
15-09-2016
3. Los modelos tericos se formula en trminos lgicosustantivos, esto es, deben tener capacidad explicativa
de la realidad social.
15-09-2016
1. EL ANLISIS MULTIVARIANTE
15-09-2016
Qu es una variable?
Es una forma de representar ordenadamente la
distribucin de una caracterstica de los miembros de un
grupo.
Distribucin lineal
15-09-2016
Curva de Phillips
15-09-2016
Logstica
Exponencial,
raz
No lineal
Polinmica
de grado n
Otros
15-09-2016
15-09-2016
15-09-2016
Modelo terico
Comprobacin de supuestos
Definicin de variables
Eleccin de variables
La ecuacin de la recta
Depuracin de datos
Evaluacin
positiva:
Significatividad: estadstica y lgicoConclusiones
sustantiva
Residuos
Casos atpicos
Evaluacin negativa:
modificaciones
10
15-09-2016
Condiciones de aplicacin
Tamao muestral
Nivel de medicin de las variables
Linealidad
Ausencia de colinealidad
Aditividad
Homocedasticidad
Normalidad
Independencia de los trminos del error
11
15-09-2016
Supuesto 3: Linealidad
La relacin entre la variable Yi y cada variable Xip ha de ser lineal
El efecto de cada variable Yi es el mismo, cualquiera que sea la Xip
Bajas correlaciones parciales indican que es improbable que para
cada Xip, la cantidad de cambio en el valor medio de Yi este asociado
con el cambio en una unidad en Xip, manteniendo el resto de las Xip
constantes.
12
15-09-2016
Forma grfica
Grficos de regresin
Grficos de residuos
13
15-09-2016
Asociacin inversa
Cuando el signo es negativo
expresa una correlacin
inversa.
14
15-09-2016
15
15-09-2016
16
15-09-2016
Supuesto 5: Aditividad
La prediccin de la Yi exige que los efectos
de las distintas Xip puedan sumarse entre s.
Cada Xip incluida en el modelo provoca la
misma cantidad de cambio,
indistintamente de los valores de las otras
Xip incluidas.
Si se ve influenciada por los valores que
presentan las otras Xip, el modelo de
regresin no ser aditivo(interactivo).
Supuesto 6: Homocedasticidad
Igualdad de varianza de los valores de las Xip o
igualdad de las varianzas de los trminos de error
residual en la serie de variables Xip
Comprobacin
Test de Levane: se rechaza con p0,05
La d de Durbin-Watson: se acepta con valores entre
1,5 y 2,5.
17
15-09-2016
Supuesto 7: Normalidad
Se espera que la distribucin de los residuos sea
normal (no confundir los residuos con el error de
prediccin (i)).
Residuo: diferencia entre valor observado de Yi y sus
correspondientes valores predichos, a partir de la
ecuacin de regresin.
i: diferencia entre el valor poblacional de Yi y el valor
predicho por la ecuacin.
18
15-09-2016
Z de curtosis
Clculo:
Clculo:
-1,96
-2,54
-1,96
-2,54
19
15-09-2016
Test de Kolmogorov-Smirnov-Lilliefors
(prueba hiptesis)
Se basa en el clculo de la mxima diferencia (D) entre
las frecuencias acumuladas observadas (AOi) y las
frecuencias acumuladas esperadas (AEi)
20
15-09-2016
21
15-09-2016
Detectar correlacin
Forma Grfica
Coeficiente Durbin-Watson
22
15-09-2016
Bibliografa
Cea, M. A. (2004). Anlisis Multivariable.
Teora y Prctica de la Investigacin Social.
Captulo 1: Regresin mltiple.
Hair, J. F. (1999). Anlisis multivariante (Vol.
491). Madrid: Prentice Hall.
Uebersax, J. S. (2006). Introduction to the
tetrachoric and polychoric correlation
coefficients. Obtenido de http://www. johnuebersax. com/stat/tetra. htm
23