Gua de trabajo SPSS

An lisis de Correspondencis Mu ltiples

Material de ayudanta
Estadstica IV 2012
Facultad de Ciencias Sociales Universidad de Chile











Andrea Baeza, Carla Brega, Catalina Canals, Carolina Galleguillos
RESUMEN: Correspondencias Mltiples
El anlisis de correspondencias mltiples es una tcnica estadstica para analizar la relacin entre
categoras de variables cualitativas. A diferencia del anlisis de correspondencia simple, este trabaja con
ms de 2 variables, lo que permite incluir variables objetos, que son aquellas donde cada categora tiene
frecuencia igual a 1 (como pases o comunas).
Al igual que en el anlisis de correspondencias simples, las relaciones entre las categoras de las
variables, se analizan a travs de los mapas perceptuales, donde cada categora es ubicada en un punto.
La distancia entre las distintas categoras nos permitir analizar qu tan relacionadas estn.
Usos:
Profundizar el anlisis de la asociacin entre variables cualitativas (nominales u ordinales)
Analizar la estructura de la relacin entre categoras de variables
Identificar dimensiones que representen esquemas conceptuales de anlisis
Corroborar dependencia entre dos variables cualitativas
Condiciones:
a) Cantidad de variables: ms de 2.
b) Variables admitidas: nominales y ordinales. Si existen variables cuantitativas, stas pueden
recodificarse a ordinales (Por ejemplo, tendencia poltica de 1 a 7, donde 1= extrema izquierda y 7=
extrema derecha, podemos tener 1,2 y 4= izquierda extrema o moderada, 4=centro, 5,6 y 7= derecha
moderada o extrema).
c) Relacin entre las variables: de asociacin segn el estadgrafo chi
2
. Si no hay relacin entre las
variables, no tiene sentido realizar un anlisis de correspondencias.



EJERCICIO DE APLICACIN

0. DISPONER LA BASE DE DATOS
La base de datos utilizada para este ejercicio es parte de una encuesta sobre percepciones socio-
culturales en la poblacin adulta (mayor de 18 aos) en algunos distritos de Espaa. La base consta de
1.200 casos, por tanto, es una muestra grande. Se trabajar con 3 variables.
La pregunta que gua este ejercicio es Cmo se relacionan los distintos tramos etarios con los aspectos
que ms les preocupan en su vida y aquellos con los que ms se sienten satisfechos?
0.a. Variables a utilizar y Valores perdidos
Las variables que vamos a usar son:
*Tramos de edad (tedad): variable ordinal, cuyas categoras son:
{1, Jvenes}
{2, Adultos jvenes}
{3, Adultos}
{4, Adultos mayores}

*Preocupaciones: aspecto que ms le preocupa (a1): variable nominal, cuyas categoras son:

{1, Su vida afectiva}
{2, El dinero}
{3, Armona familiar}
{4, Su salud}
{9, NS/NR} Marcar como Valor Perdido

*Satisfaccin: aspecto con que se siente ms satisfecho (a2): variable nominal, cuyas categoras son:

{1, Tiempo libre}
{2, Casa en que vive}
{3, Calidad del medioambiente}
{4, Comprar lo que quiere}
{9, NS/NR} Marcar como Valor Perdido

O.b. Descriptivos
Analizar Estadsticos Descriptivos
Descriptivos
Ingresar variables
Tramos de edad
Preocupaciones: aspectos que ms le
preocupan
Satisfaccin: aspecto con que se siente
ms satisfecho

Opciones
Media
Desviacin Tpica
Mnimo
Mximo
Lista de Variables

PEGAR
SINTAXIS Ejecutar
DATASET ACTIVATE Conjunto_de_datos1.
DESCRIPTIVES VARIABLES=tedad a1 a2
/STATISTICS=MEAN STDDEV MIN MAX.


1. ESTADSTICOS DESCRIPTIVOS
La tabla muestra los descriptivos para cada variable: Media, Desviacin tpica, Mnimo, Mximo y
Nmero de casos vlidos.
Cmo se observa, hay la variable tramos de edad tiene 1200 casos; mientras que la variable referente a
los aspectos de mayor preocupacin tiene 42 casos menos y la variable referente al aspecto de mayor
satisfaccin tiene 55 casos menos. Esta disminucin de casos se debe a los casos perdidos que
establecimos anteriormente (9=NS/NR).


A partir de esto, el nmero de casos vlidos con el que trabajaremos ser de 1.108, ya que excluye
segn lista como se indica en la tabla (que no es significativamente distinto de los 1.200 casos de la
muestra total inicial).

Por lo dems, tambin podemos observar la media de cada variable, pero es difcil de interpretar dado
que estas no son variables cuantitativas. En cuanto a la desviacin tpica, podemos ver que la variable
tramos de edad, es la que presenta mayor dispersin, y la variable Satisfaccin es la que presenta
menos.

2. ANLISIS DE CORRESPONDENCIAS MLTIPLES
Analizar Reduccin de datos (o dimensiones, segn la versin SPSS) Escalamiento ptimo



Nivel de escalamiento ptimo:
Todas las variables son nominales mltiples
Nmero de conjuntos de Variables:
Un conjunto
Anlisis seleccionado: Anlisis de correspondencias mltiple

DEFINIR


En la nueva ventana, tenemos que tomar decisiones referentes al Anlisis propiamente tal:

Variables de anlisis: Agregamos aquellas variables que nos interesa analizar sus relaciones.
Preocupaciones ms importantes (a1)
Aspectos de mayor satisfaccin (a2)
Tramos de edad (tedad)

Al agregar las variables de anlisis aparece entre parntesis un valor =1. Este indica el peso
proporcional- asignado a cada variable. Es decir, en nuestro modelo se le otorgar igual peso
(importancia) a cada variable. Eventualmente, en Definir ponderacin de la variable se le pueden
asignar distintos pesos a las variables segn la importancia para el modelo, pero en este caso,
mantendremos todas las variables con peso =1.

Variables suplementarias: En esta seccin se pueden agregar variables, que no sern parte del modelo,
pero que nos interesa que sean igualmente ubicadas en el mapa generado por este. En este caso no
ingresaremos variables suplementarias.

Variables de etiqueta: Si quisiramos etiquetar a todos los casos, es decir, si quisiramos utilizar una
variable objeto, la incluimos en este mdulo. Sin embargo, esto solo es til cuando se trabaja con pocos
casos.

Dimensiones de la solucin: Aqu dejaremos el valor predeterminado 2, ya que la solucin entregada en
un plano (2 dimensiones) es la ms sencilla para interpretar los resultados.

*Discretizar: En este modulo podemos definir las categoras de cada variable. Esto se usa para
transofrmar variables continuas (cadena), en discretas. En nuestro caso no es necesario.
Continuar

Perdidos: Aqu se determina qu hacer con los valores perdidos. Hay tres opciones posibles:
1. Excluir casos perdidos; para las correlaciones
imputar tras cuentificacin: Se trata de excluir a
los sujetos slo en las variables en las que
presentan valores perdidos, imputando la moda
o un valor de categora extra para el clculo de
correlaciones entre variables.
2. Imputar valores perdidos: Rellenar los casos
perdidos con algun valor (moda u otra
categoria).
3. Excluir a los objetos con valores perdidos en
esta variable: Dejar fuera los sujetos con valores
perdidos.
Dejaremos la opcion predeterminada (1).
Continuar


Opciones
Objetos suplementarios: Se puede asignar una condicin
de suplemetariedad a un individuo u objeto. Con ello
este es ignorado en la construccin del modelo. En este
caso no se ignorar ningun individuo/objeto.
Mtodo de Normalizacin: Principal por variable.

Esta opcin optimiza la asociacin entre las variables, es
til cuando el inters principal est en la correlacin
entre las variables. Cuando se utilizan variables objeto,
se recomienda utilizar el mtodo Simtrico. Este
distribuye la normalizacin entre variables y ojetos.
Criterios: El criterio de convergencia e iteraciones
mximas determinan hasta qu punto el programa debe intentar optimizar la solucin. Dejamos las
opciones predeterminadas.
Convergencia: ,00001
Iteraciones mximas: 100
Etiquetar grficos con: Se puede optar por etiquetar segn (1) etiquetas, (2) Nombres. Para el caso de la
etiqueta hay que determinar la longitud mxima. Dejamos las opciones predeterminadas.
Etiquetas de variable o de valor
Limite de longitud de etiqueta: 20
Dimensiones del grfico: Cuando uno trabaja con
muchas dimensiones, se puede elegir grficar una
menor cantidad de ellas. En este caso como
trabajamos con 2, no es necesario. Por tanto,
dejamos las opciones predeterminadas.
Mostrar todas las dimensiones de la solucin

Continuar


Resultados
Tablas: Marcaremos todas las opciones menos
puntuaciones de los objetos (esto se utiliza para conocer
las coordenadas de las variables objeto; en nuestro caso
no utilizamos variables objeto por lo que no tendra
sentido pedir esta salida).
Medidas Discriminantes
Historial de iteracin
Correlaciones de variables originales
Correlaciones de variables transformadas

Cuantificaciones y contribuciones de las categoras:
Indican las coordenadas de posicionamiento en el mapa
perceptual de las categoras y sus contribucin a las
dimensiones. Inclumos aqu todas las variables.
Estadsticos descriptivos: Inclumos aqu todas las
variables.
Continuar

*Guardar: Esta ventana puede ser util cuando se quiere guardar informacin en la base de datos. En
este caso no guardaremos nada.
*Grficos: Objetos. Se utiliza para grficar las categoras de las variables objetos. En este caso no es
necesario.
Grficos: Variable. En Grficos de categoras conjuntas se pide el mapa de posicionamiento conjunto
de las categoras de las variables que participaron en la construccin del modelo. Este es la principal
herramienta de interpretacin del mismo. Incluir aqu todas las variables.
Continuar
PEGAR
MULTIPLE CORRES VARIABLES=tedad a1 a2
/ANALYSIS=tedad(WEIGHT=1) a1(WEIGHT=1) a2(WEIGHT=1)
/MISSING=tedad(PASSIVE,MODEIMPU) a1(PASSIVE,MODEIMPU) a2(PASSIVE,MODEIMPU)
/DIMENSION=2
/NORMALIZATION=VPRINCIPAL
/MAXITER=100
/CRITITER=.00001
/PRINT=CORR DESCRIP(tedad a1 a2) HISTORY DISCRIM OCORR QUANT(tedad a1 a2)
/PLOT=OBJECT(20) JOINTCAT(tedad a1 a2) (20) DISCRIM (20).

Ejecutar
3. RESULTADOS
3.a. Resumen del procesamiento de casos

Resumen del procesamiento de los
casos
Casos activos vlidos 1108
Casos activos con valores
perdidos
92
Casos suplementarios 0
Total 1200
Casos usados en el anlisis 1200

La primera salida nos indica la cantidad de casos vlidos (1108).
3.b. Estadsticos descriptivos
A continuacin se presentan los estadsticos
descriptivos, que nos permiten conocer mejor las
caractersticas de la poblacin y muestra, en
cuanto a los tramos de edad, hay alrededor de 300
casos para cada categora.
En cuanto a las preocupaciones, hay 63 personas,
donde el aspecto de mayor preocupacin es la vida
afectiva, casi 300 que se preocupan por el dinero, y
prcticamente la misma cantidad que se preocupa
por la armona familiar, y 525 preocupado por su
salud.
Finalmente, en cuanto a la satisfaccin, la mayor
parte de las personas, estn ms satisfechas con la
casa en que viven (574), una parte importante
(310) con su tiempo libre, 184 con la calidad del
medioambiente y solo 77 con comprar lo que
quiere.

Satisfaccin: aspecto con el que se siente ms
satisfecho

Frecuencia
Vlidos Tiempo libre 310
Casa en que vive
a
574
Tramos de edad
Frecuencia
Vlidos Jovenes (18 a 30)
a
341
Adultos jovenes (31 a 45) 307
Adultos 249
Adulto Mayor 303
Total 1200
a. Modo.
Preocupaciones: aspecto que ms le preocupa

Frecuencia
Vlidos Su vida afectiva 63
El dinero 290
Armona familiar 280
Su salud
a
525
Total 1158
Perdidos
b
Definidos por el usuario 42
Total 42
Total 1200
a. Modo.
b. Estrategia para valores perdidos: Excluir valores.
Calidad Med.Ambiente 184
Comprar lo que quiere 77
Total 1145
Perdidos
b
Definidos por el usuario 55
Total 55
Total 1200
a. Modo.
b. Estrategia para valores perdidos: Excluir valores.

3.c. Historial de iteraciones (Se muestra solo una parte)


El historial de iteraciones muestra los pasos que fueron
necesarios para llegar a la solucin ltima. Observamos
que el paso 34 se detuvo, dado que el incremento de
varianza explicada dej de ser significativo como para
seguir iterando.


3.d. Resumen del Modelo
La tabla de resumen del modelo, permite observar que se crearon 2 dimensiones (tal como nosotros
sealamos). El autovalor da cuenta de la proporcin de informacin del modelo que es explicada por
cada dimensin; permite analizar de la importancia de cada una de ellas. Ac se puede observar que la
primera dimensin es ms importante para el modelo que la segunda. A su vez, la primera explica ms
inercia (0,5) que la segunda (0,414). Esto quiere decir que las categoras presentan mayor varianza en la
dimensin 1, sin embargo las diferencias entre ambas dimensiones no parecen muy grandes.

Resumen del modelo
Dimensi
n Alfa de Cronbach
Varianza explicada
Total
(Autovalores) Inercia
1 ,501 1,501 ,500
2 ,293 1,243 ,414
Total

2,744 ,915
Media ,407
a
1,372 ,457
a. El Alfa de Cronbach Promedio est basado en los
autovalores promedio.



Historial de iteraciones
Nmero
de
iteracio
nes
Varianza explicada
Prdida Total Incremento
32 1,37185 ,00001 1,62815
33 1,37187 ,00001 1,62813
34
a
1,37187 ,00001 1,62813
a. Se ha detenido el proceso de iteracin debido
a que se ha alcanzado el valor de la prueba para
la convergencia.
3.e. Cuantificaciones
Las siguientes tablas muestran las coordenadas de cada una de las categoras en ambas dimensiones:
puntajes altos en las dimensiones indican que la categora se asocia a dicha dimensin.
En el caso de los tramos de edad, observamos que los jvenes, adultos jvenes y adultos mayores se
asocian ms a la dimensin 1; mientras que los adultos se asocian ms a la dimensin 2. Aun as, los
adultos jvenes no parecen tener una asociacin muy fuerte a ninguna dimensin.
Tramos de edad
Puntos:Coordenadas
Categora Frecuencia
Coordenadas de centroide
Dimensin
1 2
Jovenes (18 a 30) 341 ,883 -,691
Adultos jovenes (31 a 45) 307 ,460 ,396
Adultos 249 -,242 1,251
Adulto Mayor 303 -1,254 -,611
Normalizacin principal por variable.

En el caso de las preocupaciones, la vida afectiva, el dinero y la salud se asocia a la dimensin 1,
mientras que la armona familiar a la dimensin 2. Vale sealar que la vida afectiva parece altamente
asociada a ambas dimensiones.

Preocupaciones: aspecto que ms le preocupa
Puntos:Coordenadas
Categora Frecuencia
Coordenadas de centroide
Dimensin
1 2
Su vida afectiva 63 1,311 -1,095
El dinero 290 ,965 ,087
Armona familiar 280 ,281 ,720
Su salud 525 -,820 -,309
Perdidos 42

Normalizacin principal por variable.

En el caso de las satisfacciones, la casa y comprar lo que se quiere se asocia a la dimensin 1, y el tiempo
libre y calidad del medio ambiente a la dimensin 2.

Satisfaccin: aspecto con el que se siente ms satisfecho
Puntos:Coordenadas
Categora Frecuencia
Coordenadas de centroide
Dimensin
1 2
Tiempo libre 310 ,315 -1,019
Casa en que vive 574 -,445 ,339
Calidad Med.Ambiente 184 ,531 ,763
Comprar lo que quiere 77 ,618 -,348
Perdidos 55

Normalizacin principal por variable.

3.e. Grfico

Al observar el mapa perceptual se puede asociar cada tramo etario a ciertas preocupaciones y/o
satisfacciones.
Jvenes; se sienten satisfechos con el uso que le dan a su tiempo libre y con sus prcticas de
consumo, siendo lo ms relevante para ellos su vida afectiva y el dinero.
Adultos jvenes: disfrutan de la calidad del medio ambiente y se preocupan por la armona
familiar y el dinero.
Adultos: disfrutan de la casa en que viven y de la calidad del medio ambiente a la vez que les
preocupa la armona familiar.
Adultos mayores: se encuentran preocupados por su salud.

Pistas para interpretar mapas perceptuales:
1. Interpretacin polar: aglomeracin de las categoras de las variables.
2. Interpretacin por proyeccin: proyeccin de puntos tal que se genera
la interpretacin de la asociacin de las categoras de las variables con los
factores. Los puntos se proyectan, de modo que los ms polares dan
sentido a los factores.

3. Interpretacin por cercana: reas compartidas por categoras en el
mapa perceptual.


3.f. Correlaciones
Las siguientes tablas dan cuenta de qu tan asociadas se encuentran las variables. En ambos caso se
evidencia que la variable tramos de edad se correlaciona moderadamente (0,38) con las
preocupaciones. Sin embargo las correlaciones entre los otros pares de variables son menores.

Correlaciones de las Variables originales

Tramos de edad
Preocupaciones:
aspecto que ms
le preocupa
Satisfaccin:
aspecto con el
que se siente
ms satisfecho
Tramos de edad 1,000 ,380 ,002
Preocupaciones: aspecto que
ms le preocupa
,380 1,000 -,036
Satisfaccin: aspecto con el
que se siente ms satisfecho
,002 -,036 1,000
Dimensin 1 2 3
Autovalores 1,381 1,000 ,619
Se han imputado los valores con la moda de la variable.

Correlaciones de las Variables transformadas
Dimensin:1

Tramos de edad
Preocupaciones:
aspecto que ms
le preocupa
Satisfaccin:
aspecto con el
que se siente
ms satisfecho
Tramos de edad 1,000 ,400 ,140
Preocupaciones: aspecto que
ms le preocupa
a

,400 1,000 ,092
Satisfaccin: aspecto con el
que se siente ms satisfecho
a

,140 ,092 1,000
Dimensin 1 2 3
Autovalores 1,459 ,944 ,597
a. Se han imputado los valores perdidos con la moda de la variable cuantificada.

3.g. Objetos
El siguiente grfico presenta dodos los casos en el mapa perceptual. Solo es til cuando hay pocos casos.

3.h. Medidas de discriminacin
Esta tabla permite ver cunto discrimina cada variable en cada dimensin; indican la importancia de
cada variable para cada una de las dimensiones. Ac se ve que la dimensin 1 se encuentra explicada
principalmente por los tramos de edad y aspectos que ms preocupan en la vida y la dimensin 2 por el
aspecto con el que se siente ms satisfecho.

Medidas de discriminacin

Dimensin
Media 1 2
Tramos de edad ,685 ,595 ,640
Preocupaciones: aspecto que
ms le preocupa
,628 ,227 ,428
Satisfaccin: aspecto con el
que se siente ms satisfecho
,188 ,420 ,304
Total activo 1,501 1,243 1,372

El grfico presenta la misma informacin, tramos de edad, se encuentra a ms menos igual distancia de
ambos ejes, dando cuenta de que es importante en ambas dimensiones; satisfaccin en cambio, se
encuentra ms cerca de la dimensin 2, siendo ms importante en esta; mientras que las
preocupaciones se acercan ms a la dimensin 1, evidenciando se ms importantes para esta que para
la dimensin 2.