manualSPAD PDF

rsal
Servei dEstadstica
Universitat Autnoma de Barcelona
Edificio D (Servei dInformtica)
08193 Bellaterra (Barcelona)
Tel. +34 93 581 13 47
Fax +34 93 581 20 94
s.estadistica@uab.es
www.uab.es/s-estadistica/
Manual de introduccin a los

mtodos factoriales y
clasificacin con SPAD
Mnica Bcue Bertaut

Profesora titular
Departamento Estadstica e Investigacin Operativa
Universidad Politcnica de Catalunya
Joan Valls i Marsal

Asesor estadstico
Servei dEstadstica UAB
La vida es el arte de obtener conclusiones a partir de evidencias insuficientes

(S. Butler)
ndice
1 Prlogo................................................................................................ 3
2 Manejo de bases de datos con SPAD ................................................. 4
2.1 El archivo BASE de SPAD ..................................................................................... 4

2.2 Creacin de un archivo BASE................................................................................. 9
2.3 Importacin de archivos de texto........................................................................... 11
2.4 Importacin de archivos de SAS ........................................................................... 13
2.5 Exportacin de ficheros BASE.............................................................................. 14
3 Construccin de anlisis estadsticos con SPAD: la filire ....... 15
3.1 Creacin de una filire........................................................................................... 15

3.2 Abrir una filire existente............................................................................... 23
3.3 Construcciones complejas de filires .................................................................... 23
3.4 Los mtodos........................................................................................................... 24
4 Caracterizacin de variables............................................................. 27
4.1 Caracterizacin de una variable cualitativa ........................................................... 27

4.2 Caracterizacin de una variable continua.............................................................. 32
5 Anlisis factoriales simples............................................................... 36
5.1 Anlisis de componentes principales..................................................................... 36

5.2 Anlisis de correspondencias simples ................................................................... 46
5.3 Anlisis de correspondencias mltiples................................................................. 50
6 Mtodos de clasificacin .................................................................. 55
7 Casos propuestos.............................................................................. 63
7.1 Estudio de la relacin calidad-precio para 35 marcas de whisky (ACP)............... 63

7.2 Opinin de los estudiantes estadounidenses sobre la guerra del Vietnam (ACS) . 65
7.3 Anlisis cualitativo de razas de perros (ACM)...................................................... 66
8 Bibliografa ....................................................................................... 68
Anlisis factoriales con SPAD 2

1 Prlogo
Desde hace una treintena de aos, los mtodos de anlisis multivariante de datos han
probado su eficacia en el estudio de grandes masas de informacin compleja. Se trata de
mtodos llamados multidimensionales, por oposicin a los mtodos de estadstica
descriptiva que tratan nicamente una o dos variables.
Actualmente, los mtodos factoriales se enmarcan en las tcnicas de Data Mining (o minera
de datos). stos permiten confrontar numerosas informaciones, lo cul es ms rico que
anlisis separados. Las representaciones simplificadas de grandes tablas de datos se han
manifestado como un instrumento de sntesis notable, debido a su capacidad para reducir la
dimensionalidad. Permiten extraer las tendencias ms destacadas, jerarquizarlas y eliminar
los efectos marginales o puntuales que perturban la percepcin global de los hechos
recogidos en los datos. El desarrollo de algoritmos de clasificacin resulta ser en muchas
ocasiones un complemento ideal a los mtodos factoriales y permiten describir tipologas
de individuos segn las variables en estudio.
Estos mtodos nacidos en la universidad se han aplicado a todo tipo de dominios

cientficos como la ecologa, la lingstica, la psicometra, el anlisis de mercados, la
arqueologa, ... Tambin han experimentado un gran xito en ramas de la banca y seguros
donde deben analizarse grandes ficheros de datos.
SPAD (Systme Portable pour lAnalyse de Donnes), permite implementar una estrategia de
anlisis adecuada al tratamiento exploratorio multivariante de grandes tablas de datos. Su
concepcin es original y adaptada para un proceso natural de aprendizaje a partir de los
datos (data learning).
Este sencillo manual pretende ser una herramienta para aquellas personas con
conocimientos de estadstica multivariante que quieran iniciarse al tratamiento de los datos
con SPAD. El manual est divido en diversos apartados. En los primeros, se centra el
inters en el manejo de bases de datos, para pasar luego a la prctica de los anlisis
factoriales y la obtencin de grficos. Es por tanto aconsejable realizar una lectura lineal. Se
ha utilizado la versin 4.5 de SPAD.

2 Manejo de bases de datos con SPAD
SPAD posee diferentes herramientas para el manejo de datos. En general, trabaja con un
tipo de ficheros de formato definido, para los que se dispone de un editor. Igualmente
ofrece opciones para importar / exportar bases con otros formatos: ficheros de textos,
ficheros de tablas de SAS, ficheros SPSS y OBDC. Todas estas herramientas se encuentran
en las opciones del men Base de la ventana principal de SPAD.
2.1 El archivo BASE de SPAD

El archivo BASE, con extensin .sba, es el archivo predefinido de trabajo de SPAD donde
se almacenan los datos y los meta datos. SPAD incorpora un editor de este tipo de
ficheros, llamado EDIBASE. Todos los anlisis de datos requerirn un fichero BASE.
SPAD ofrece la posibilidad de abrir / crear / modificar este tipo de archivos.
Ejemplo 1. SPAD dispone de un conjunto de archivos BASE que se instalan en el fichero

por defecto ...\Archivos de programa\Cisia\Spad\Bases. Para abrirlos, debemos
seleccionar el comando Editer Base del men Base.

Podemos seleccionar el archivo BASE deseado. Seleccionaremos el archivo
Enquete.sba.

Esta opcin nos abre una nueva ventana (EDIBASE), con la que podemos editar el
archivo.
Esta ventana se organiza en cuatro subventanas, accesibles por men va Fentre o bien
con los iconos de la barra de herramientas:
Ventana Entte ( ). Datos generales sobre la base de datos. Nombre, nmero de

individuos y variables, ...
Ventana Variables ( ). Etiquetas y tipo de las variables de la base.
Ventana Modalits( ). Etiquetas de las modalidades de las variables de tipo
nominal.
Ventana Valeurs ( ). Valores de las variables para cada uno de los individuos.
La ventana que aparece por defecto es la ventana Valeurs, en forma de matriz, y se

puede editar directamente. Destacamos que las dos primeras columnas corresponden a los
identificadores de individuos y a sus etiquetas (Libelles). Las opciones del men
Edition permiten aadir / suprimir individuos, entre otras. Los valores faltantes
(missings) se indican con una ausencia de valor.

La ventana Variables contiene cinco columnas:
Ident. Se registra el identificador corto, limitado a cuatro caracteres.

Libel. Contiene la etiqueta de la variable.
Type. Tipo de la variable. C si se trata de variables numricas continuas, N si se trata
de variables numricas nominales o cualitativas y T si se trata de variable textuales
(provenientes, por ejemplo, de respuestas abiertas).
Min, Max. Indica el rango de variacin de las variables. En el caso de variables
nominales, SPAD impone la restriccin que las categoras tomen los valores 1, 2, ..., N
para variables con N categoras. En el caso de variables textuales, presenta unos valores
nulos.
Si seleccionamos la variable Statut matrimonial y cliqueamos sobre el icono

Modalits aparecer la pantalla con las etiquetas para cada categora de la variables.
Esta ventana es tambin editable y se nos presentan dos columnas correspondientes a las
etiquetas cortas (4 letras) y largas. El hecho de disponer de dos tamaos de etiquetas es til
para un uso posterior en la parte grfica del programa.

En el comando Enregistrer sous del men Fichier podemos guardar el fichero
con otro nombre y tambin exportarlo a formato SPSS.

2.2 Creacin de un archivo BASE
Para crear un nuevo archivo BASE debemos seleccionar la opcin Nouvelle Base del
men Base. Esta accin nos abrir una nueva base vaca.
Ejemplo 2. Crearemos una base con 10 individuos con los datos siguientes:
Id Etiqueta Sexo Salario anual Qu es lo que ms le gust del viaje?

1 Juan Hombre 18.000 La gente, el ambiente de la ciudad
2 Silvia Mujer 15.000 La cocina tradicional
3 Jos Hombre 25.000 La cultura, el ambiente cultural
4 Pedro Hombre 17.000 Las noches y el ocio.
5 Ana Mujer 19.000 Las comodidades del transporte pblico.
6 David Hombre 30.000 La gente. Son muy agradables.
7 Cristina Mujer 22.000 Cultura, comida, museos,...
8 Marta Mujer 10.000 Disfrutar de la ciudad, con todos sus
equipamientos culturales y tursticos
9 Vanesa Mujer 13.000 Ir al teatro.
10 Carlos Hombre 21.000 El buen ambiente.
Primeramente debemos definir las variables y su tipo. Por defecto ya viene definido un
identificador de individuo y su etiqueta. Debemos por tanto aadir tres nuevas variables:
una nominal (N), otra continua (C) y otra textual (T). Debemos tambin definir su rango y
las etiquetas de las modalidades de la variable nominal.

Para introducir los valores, debemos cliquear sobre el icono Valeurs. Observaremos que
la matriz de valores est vaca. Debemos ejecutar la opcin Ajuter N fois del men
Edition, y indicar que queremos aadir 10 individuos.
Ya podemos introducir los datos. El editor de bases de SPAD permite realizar las
operaciones Copiar / Cortar / Pegar usuales en Windows. As pues, puede interaccionar
con otras aplicaciones que contengan datos, como WORD, EXCEL, SPSS,...
Una vez los hayamos introducido debemos guardar la base, utilizando la opcin
Enregistrer del men Fichier y debemos indicarle el nombre y el directorio donde
se guardar el fichero de datos. Supongamos que guardamos el fichero con el nombre
Prueba.sba.

2.3 Importacin de archivos de texto
Para importar archivos ASCII que contengan datos a SPAD debemos seleccionar la opcin
Importation fichier Ascii dentro de Importer del men Base.
Supongamos que disponemos de un archivo ASCII (.txt o .dat) que contiene los datos del
ejemplo 2, donde los valores de las variables estn separados por un espacio tabulador. Le
indicaremos a SPAD dnde se encuentra este archivo. Si tuvisemos nuestros datos en un
archivo EXCEL, bastara con guardarlo en formato texto para poder luego realizar la
importacin desde SPAD. Aconsejamos que siempre se trabaje con archivos de texto
separados por tabuladores.

A continuacin, se nos presenta una pantalla donde debemos indicar de qu tipo es el
archivo de texto. En nuestro caso, debemos indicarle que es de formato delimitado,
separado por tabuladores. En el caso que se encontrasen las etiquetas de las variables en la
primera lnea, deberamos indicarlo. En nuestro fichero no es necesario. Si el fichero de
texto fuera de formato fijo deberamos indicarle entre qu columnas se encuentran las
variables. Existen otras opciones y detalles, como por ejemplo que un individuo pueda
representar ms de una lnea. Para importar el archivo prueba.txt debemos
parametrizar la pantalla como se muestra a continuacin.
Cliqueamos sobre el botn Suivant y nos aparece una nueva ventana donde debemos
indicar de qu tipo son las variables

Para crear el archivo SPAD debemos cliquear sobre el botn Executer y indicar el
nombre del nuevo archivo. Slo nos quedar comprobar que la importacin se ha realizado
correctamente, abriendo el nuevo archivo con EDIBASE, y indicar las etiquetas de las
modalidades de la variable nominal sexo.
2.4 Importacin de archivos de SAS

SPAD tiene una utilidad que permite importar datos procedentes de una tabla predefinida
en formato de SAS, con extensin .xpt.
El procedimiento es similar a de la importacin a partir de un archivo ASCII. Debemos

elegir la opcin Importation SAS de Importer en el men Base.
Se abrir una pantalla donde tendremos que especificar el tipo de cada una de las variables.

2.5 Exportacin de ficheros BASE
SAS permite exportar ficheros BASE (.sba) a diferentes formatos de archivo:
Formato SPSS. Debemos editar el archivo BASE y, mediante la opcin

Enregistrer sous, sealar que deseamos guardar el fichero en formato SPSS (.sav).
Formato SAS. Debemos escoger la opcin Exportation SAS de Exporter en
el men Base e indicar a SPAD qu archivo se desea exportar a formato tabla de SAS
(.xpt).
Formato texto. Debemos escoger la opcin Exportation texte de Exporter
en el men Base.

3 Construccin de anlisis estadsticos con SPAD: la
filire
La filire es el objeto bsico para realizar anlisis con SPAD. En ella, se indican el
archivo BASE que se utiliza y se parametrizan los anlisis. Toda la informacin y resultados
se puede guardar en una filire, mediante un archivo con extensin .fil.
En una filire se definen en un primer momento, de forma encadenada y secuencial,

los anlisis que se realizarn sobre los datos y en un segundo momento se ejecuta la
filire, produciendo los resultados. Tanto las parametrizaciones como los resultados se
presentan como iconos.
3.1 Creacin de una filire

Para crear una nueva filire debemos ejecutar la opcin Nouvelle filire del
men Filire.
Por defecto, al abrir SPAD ya nos aparecer una filire vaca, con el siguiente aspecto:
El primer paso que se debe realizar es indicar con qu archivo BASE se desea trabajar. Para
ello se puede ejecutar la opcin Slectionner Base del men Filire o bien

hacer un doble clic sobre el icono BASE. Nos aparecer una nueva pantalla donde
debemos indicar el directorio del archivo de datos.
Ejemplo 3. Retomemos los datos del archivo Enquete.sba. Abriremos una nueva
filire y seleccionaremos este archivo. La filire debera tener el siguiente aspecto:
Una vez tenemos la filire referida a un archivo de datos, ya podemos empezar a

encadenar anlisis, mediante los mtodos (mthodes). Todos los mtodos disponibles los
encontramos en la ventana Mthodes, agrupados segn su tipo.

Destacaremos los siguientes grupos de mtodos:
Description statistique. Realizan anlisis estadsticos descriptivos.

Analyses factorielles. Mtodos para realizar anlisis factoriales: anlisis de
componentes principales, correspondencias simples y mltiples, ...
Classification. Mtodos para ejecutar algoritmos de clasificacin.
Para introducir un nuevo mtodo a la filire basta con seleccionar la opcin Insrer
Mthode del men Mthode o bien cliquear con el botn de la derecha en el icono
BASE, y seleccionar la misma opcin en el submen que aparece.
Esta accin nos insertar un nuevo icono vaco, donde deberemos indicar el mtodo que
deseemos ejecutar.
Para indicar el mtodo debemos arrastrar el icono desde la ventana Mthodes.

Supongamos que queremos realizar histogramas y diagramas de barras de las variables de la
base. El mtodo adecuado es Stats. Procedemos arrastrar el icono hasta el icono vaco.

Esta accin definir un mtodo dentro de la filire con este aspecto:
Para parametrizar el mtodo basta con realizar un doble clic sobre el icono Stats. Se nos
abrir una ventana de parametrizacin donde debemos indicarle las variables continuas y
categricas que queremos analizar.
En la subventana Tris--plat (diagramas de barras), indicaremos que conjunto de variables

categricas queremos realizar el diagrama. Podemos seleccionar las variables una por una o
bien todas a la vez. Supongamos que elegimos las tres variables tal como sigue:

Realizamos lo mismo con las variables continuas, en la subventana Histogrammes-
Dicrtisation.

Opcionalmente SPAD permite discretizar las variables continuas. Para ello deberamos
cambiar la opcin Pour histogrammes por la opcin Pour discretisation
en Slection des variables.
En las otras subventanas podramos definir con que subgrupo de individuos desearamos
realizara los anlisis (Individus), establecer una variable de ponderacin
(Pondration), o segmentar el archivo de datos segn variables categricas (Tris
dits par modalits). En nuestro ejemplo, los parmetros por defecto sern
suficientes. Por tanto, cliqueraremos sobre el botn OK. De esta forma, la filire ya estar
parametrizada y, por tanto, lista para ejecutar.

Antes de ejecutar la filire debemos guardarla sobre un archivo .fil. Para ello,
debemos seleccionar la opcin Sauvegarder Filire del men Filire.
Opcionalmente, podemos dar a la filire una etiqueta larga.
Una vez guardada, ya podemos ejecutar la filire, seleccionando la opcin Excuter

filire del men Filire.

Despus de la ejecucin nos aparecern los iconos de resultados, a la derecha de los
mtodos. Nuestra filire tendr el aspecto siguiente:
Podemos realizar un doble click sobre cada uno de los iconos. Los smbolos de los iconos
nos indicarn el tipo de los resultados:
Icono Listage. Proporciona los resultados estadsticos en forma de listado,

en formato texto, mediante un navegador de resultados.
Icono Graphiques. Nos proporciona una interficie interactiva para la
edicin de grficos. Permite realizar una gama amplia de grficos: dispersin, diagramas
de barras, boxplots, realizar rotaciones, inserir una lnea de regresin, ...
Icono Excel. Crea una hoja de EXCEL con los datos del anlisis. Resulta muy
til en muchas ocasiones, por ejemplo, cuando deseamos hacer grficos en formato
EXCEL.

3.2 Abrir una filire existente
Para abrir una filire existente basta con ejecutar la opcin Ouvrir filire del
men Filire e indicar dnde se encuentra el archivo .fil.
Tanto los iconos de resultado como las parametrizaciones de los mtodos no se pierden y
son de immediato editables. Cabe destacar que SPAD utiliza muchos ficheros intermedios,
muchos de los cules van ligados a la filire. Es recomendable crear un directorio propio
para cada anlisis o bien para cada archivo BASE. No es recomendable copiar la filire a
otro directorio, pues dara problemas en la localizacin de ficheros.
3.3 Construcciones complejas de filires

En el apartado 3.1 hemos creado una filire sencilla, con un nico mtodo. En la prctica,
las filires son mucho ms complejas, pudindose encadenar un nmero ilimitado de
mtodos.
Cabe destacar que el modo de encadenar los anlisis no es indiferente. Hay anlisis que se
alimentan de anlisis anteriores. Esto provoca que ciertos encadenamientos sean imposibles
de ejecutar. El caso de los anlisis factoriales es un ejemplo. Primero debe realizarse el
anlisis factorial para luego aplicar la clasificacin sobre los ejes factoriales creados.
Un mismo mtodo puede ser encadenado tantas veces consecutivas como se desee. En el
caso de disponer de bases de datos complejos, es aconsejable realizar diversas filires,
separando los anlisis.
SPAD dispone de una opcin para crear filires predefinidas, es decir, encaradas a
realizar un anlisis clsico. Para crear una nueva filire predefinida debe ejecutarse la
opcin Filire prdfinie del men Filire.

Nos aparecer una pantalla donde debemos seleccionar el anlisis deseado.
Si escogemos la filire seleccionada en la figura anterior realizaramos un anlisis

idntico al del ejemplo 3.
Observamos que hay muchas opciones para escoger la filire predefinida. Ms

adelante entraremos en detalle.
3.4 Los mtodos

Como hemos visto, para definir un anlisis necesitamos encadenar un conjunto de mtodos
dentro de una filire. SPAD tiene definidos muchos mtodos agrupados segn el tipo
de anlisis de realizan, constituyendo mdulos. Destacamos los mtodos siguientes:
Mdulo estadstica descriptiva
STATS. Tablas de frecuencias y grficos descriptivos (histogramas, diagramas de

barra, diagramas de dispersin, boxplots, ...)
DEMOD. Caracterizacin de una variable cualitativa. Realiza comparaciones

mltiples entre medias y proporciones con el resto de variables para observar las
relaciones ms evidentes.
DESCO. Caracterizacin de una variable continua. Realiza comparaciones

mltiples entre proporciones y calcula correlaciones para observar las relaciones ms
evidentes.

TABLE. Construccin de tablas cruzadas con los estadsticos usuales, recuentos,
medias, desviaciones, ...
BIVAR. Analiza pares de variables continuas, su correlacin y las posibles

relaciones del espacio bidimensional creado con el resto de variables.
MSMOD. Caracterizacin de una variable nominal siguiendo un criterio de

recubrimiento.
XLSTAT. Creacin de un archivo en formato EXCEL que contiene los datos de

la base SPAD y carga del paquete de macros estadsticas XLSTAT, que realiza diversos
anlisis estadsticos, siempre con macros.
Mdulo de anlisis factoriales
COPRI. Anlisis de componentes principales.
CORBI. Anlisis de correspondencias simples (o binarias).
CORMU. Anlisis de correspondencias mltiples.
COREM. Anlisis de correspondencias mltiples con la opcin de escoger las

modalidades activas en el anlisis.
CORCO. Analiza de correspondencias mltiples condicionales.
TABLE+COPRI. Anlisis de componentes principales partiendo de una tabla

resumida, por ejemplo, de una tabla de medias.
TABLE+CORBI. Anlisis de correspondencias mltiples partiendo de una tabla

de contingencia resumida.
DEFAC. Descripcin de los ejes factoriales.
TYTRA1. Anlisis de correspondencias mltiples con una variable tiempo.
Mdulo de mtodos de clasificacin
RECIP-SEMIS. Particin de los individuos en clases. rbol de agregacin.
PARTI-DECLA. Particin de los individuos en clases. Algoritmo de k-medias.
CLASS-MINER. Caracterizacin de las clases de individuos.
MSCLA. Caracterizacin de las clases de individuos

TYTRA2. Particin de los individuos (partiendo de TYTRA1).
Mdulo de anlisis estadstico de datos textuales
MOTS. Creacin del glosario de palabras.
SEGME. Creacin del glosario de segmentos repetidos.
VOSPEC. Formas lxicas caractersticas segn grupos de individuos.
TALEX. Creacin de tablas de contingencia lxicas.
CORBIT. Anlisis de correspondencias simples en un tabla de contingencia

lxica.
TEXNU. Creacin de un archivo BASE conteniendo las palabras y la frecuencia

para cada uno de los individuos.
CORDA. Concordancias de formas lxicas.
Mdulo de exportacin de datos
ESCAL. Creacin de un archivo BASE conteniendo ejes factoriales y/o

particiones de individuos.
EXDON. Creacin de un fichero de texto conteniendo los datos originales.
EXGUS. Creacin de un fichero de texto conteniendo las coordenadas

factoriales.
Otros mdulos
Segmentacin. Mtodos para ajustar rboles de regresin y clasificacin.
Decisin Modelos. Mtodos para ajustar modelos de regresin lineales, log-
lineales, lineales generales,...
Tablas mltiples. Mtodos para construir tablas mltiples y realizar anlisis
factoriales mltiples.
Amado. Mtodos que interaccionan con el software AMADO.

4 Caracterizacin de variables
SPAD ofrece un mtodo original y poco conocido para caracterizar una variable respuesta
a partir de un conjunto de variables explicativas. Este mtodo se diferencia cuando la
variable respuesta es categrica o bien continua. En cualquier caso se aplica un algoritmo
que realiza comparaciones mltiples entre medias y / o proporciones para hallar las
variables explicativas relacionadas. Este mtodo permite, por ejemplo que sepamos que
caractersticas diferencian a los clientes buenos de los clientes malos, tomando como
explicativas la edad, el nivel de estudios, los aos en la entidad bancaria,... En el caso que la
variable sea continua, nos permitira hallar las diferencias entre individuos con valores altos
y valores bajos de la variable respuesta. Es un mtodo que se enmarca claramente entre las
tcnicas ms recientes de Minera de datos (Data Mining). Pueden darse los dos casos
siguientes:
Caracterizacin de una categora de una variable categrica respuesta a partir de las

categoras (A, B, C, ...) de una variable explicativa. La categora de la variable respuesta
define implcitamente un subgrupo de individuos del conjunto global de individuos. El
algoritmo realiza pruebas estadsticas para comparar las proporciones de individuos que
presentan las categoras A, B, C, ... dentro del subgrupo respecto las proporciones en la
muestra global. En el caso que se desee caracterizar el subgrupo de individuos a partir de
una variable explicativa continua se realiza un test de comparacin de medias entre la
media del subgrupo respecto la media global.
Caracterizacin de una variable continua respuesta a partir de las categoras (A, B,

C...) de una variable explicativa. Se procede a realizar pruebas de comparaciones mltiples
entre las medias dentro de los individuos que forman las categoras con la media global de
la variable continua respuesta. En el caso que se desee caracterizar la variable continua a
partir de variables continuas explicativas se procede a calcular las correlaciones bivariadas.
SPAD ordena las caractersticas influyentes por el p-valor asociado a la prueba estadstica y
adems incorpora un nuevo elemento, el valor-test. Este estadstico se distribuye segn una
normal estandarizada, por lo que cuando sea superior a 2 o bien inferior a 2 se considerar
que una caracterstica es influyente, con un nivel de significacin asociado de 0,05.
4.1 Caracterizacin de una variable cualitativa

Ejemplo 4. En el archivo de datos Enquete.sba, se desea observar qu caractersticas
diferencian a hombres y mujeres, a partir del resto de variables presentes en la base de
datos. En primer lugar, debemos crear una nueva filire, indicar el archivo BASE y
encadenar el mtodo DEMOD.

Realizando un doble clic sobre el icono DEMOD parametrizaremos el mtodo. Debemos
indicar como variable nominal para caracterizar la variable Sexo, tal como sigue:
El resto de variables deben ser consideradas como variables nominales caracterizantes o

bien continuas caracterizantes. Para ello podemos utilizar los botones .

En la subventana Paramtres, podemos indicar algunos detalles sobre la
caracterizacin, como por ejemplo, de que modo van a listarse las variables caractersticas,
cuntas van a listarse y con qu criterio. Si ejecutamos la filire, nos aparecer un
icono de resultado tipo listado:
En l encontraremos los resultados siguientes:
Caracterizacin del sexo segn las variables categricas

CARACTERISATION PAR LES MODALITES DES CLASSES OU MODALITES
DE Sexe de l'enqut(e)
masculin
----------------------------------------------------------------------------------------------------------------------------------
V.TEST PROBA ---- POURCENTAGES ---- MODALITES IDEN POIDS
CLA/MOD MOD/CLA GLOBAL CARACTERISTIQUES DES VARIABLES
----------------------------------------------------------------------------------------------------------------------------------
43.81 masculin Sex1 138
20.45 0.000 100.00 100.00 43.81 masculin Sexe de l'enqut(e) Sex1 138
5.71 0.000 61.54 63.77 45.40 oui, plein temps Exercez-vous en ce moment une activit professionnelle Trv1 143
4.40 0.000 55.23 68.84 54.60 actif Situation actuelle de la personne interroge Sit1 172
4.37 0.000 56.41 63.77 49.52 non Avez-vous t au chmage ces douze derniers mois ? Chm2 156
3.69 0.000 59.79 42.03 30.79 non Avez-vous des conflits travail - vie personnelle Cnf2 97
3.66 0.000 48.30 92.75 84.13 non Avez-vous souffert rcemment d'un tat dpressif Dpr2 265
3.51 0.000 53.75 62.32 50.79 non Avez-vous souffert rcemment de nervosit Nrf2 160
3.25 0.001 64.29 26.09 17.78 cep et cap Niveau d'tudes de l'enqut(e) Dip3 56
3.06 0.001 50.50 73.19 63.49 non Avez-vous souffert rcemment de maux de tte Tet2 200
2.70 0.003 57.89 31.88 24.13 assez souvent Regardez-vous la tlvision ? Tl2 76
2.58 0.005 51.66 56.52 47.94 pas du tout d'accord Les gens comme moi se sentent souvent seuls Seu4 151
-2.42 0.008 34.23 27.54 35.24 non Exercez-vous en ce moment une activit professionnelle Trv3 111
-2.77 0.003 0.00 0.00 3.17 pas du tout Etes-vous satisfait de votre tat de sant Snt4 10
-3.06 0.001 32.17 26.81 36.51 oui Avez-vous souffert rcemment de maux de tte Tet1 115
-3.35 0.000 15.63 3.62 10.16 n'a jamais travaill Exercez-vous en ce moment une activit professionnelle Trv4 32
-3.51 0.000 33.55 37.68 49.21 oui Avez-vous souffert rcemment de nervosit Nrf1 155
-3.66 0.000 20.00 7.25 15.87 oui Avez-vous souffert rcemment d'un tat dpressif Dpr1 50
-4.24 0.000 0.00 0.00 6.03 veuf(ve) Statut matrimonial Mat5 19
-4.30 0.000 30.28 31.16 45.08 *Reponse manquante* Avez-vous des conflits travail - vie personnelle 19_ 142
-4.30 0.000 30.28 31.16 45.08 *Reponse manquante* Avez-vous t au chmage ces douze derniers mois ? 20_ 142
-7.87 0.000 0.00 0.00 16.51 mnagre s.prof. Situation actuelle de la personne interroge Sit3 52
-20.45 0.000 0.00 0.00 56.19 fminin Sexe de l'enqut(e) Sex2 177
----------------------------------------------------------------------------------------------------------------------------------
fminin
----------------------------------------------------------------------------------------------------------------------------------
----------------------------------------------------------------------------------------------------------------------------------
56.19 fminin Sex2 177
20.45 0.000 100.00 100.00 56.19 fminin Sexe de l'enqut(e) Sex2 177
7.87 0.000 100.00 29.38 16.51 mnagre s.prof. Situation actuelle de la personne interroge Sit3 52
4.30 0.000 69.72 55.93 45.08 *Reponse manquante* Avez-vous des conflits travail - vie personnelle 19_ 142
4.30 0.000 69.72 55.93 45.08 *Reponse manquante* Avez-vous t au chmage ces douze derniers mois ? 20_ 142
4.24 0.000 100.00 10.73 6.03 veuf(ve) Statut matrimonial Mat5 19
3.66 0.000 80.00 22.60 15.87 oui Avez-vous souffert rcemment d'un tat dpressif Dpr1 50
3.51 0.000 66.45 58.19 49.21 oui Avez-vous souffert rcemment de nervosit Nrf1 155
3.35 0.000 84.38 15.25 10.16 n'a jamais travaill Exercez-vous en ce moment une activit professionnelle Trv4 32
3.06 0.001 67.83 44.07 36.51 oui Avez-vous souffert rcemment de maux de tte Tet1 115
2.77 0.003 100.00 5.65 3.17 pas du tout Etes-vous satisfait de votre tat de sant Snt4 10
2.42 0.008 65.77 41.24 35.24 non Exercez-vous en ce moment une activit professionnelle Trv3 111
-2.58 0.005 48.34 41.24 47.94 pas du tout d'accord Les gens comme moi se sentent souvent seuls Seu4 151
-2.70 0.003 42.11 18.08 24.13 assez souvent Regardez-vous la tlvision ? Tl2 76
-3.06 0.001 49.50 55.93 63.49 non Avez-vous souffert rcemment de maux de tte Tet2 200
-3.25 0.001 35.71 11.30 17.78 cep et cap Niveau d'tudes de l'enqut(e) Dip3 56
-3.51 0.000 46.25 41.81 50.79 non Avez-vous souffert rcemment de nervosit Nrf2 160
-3.66 0.000 51.70 77.40 84.13 non Avez-vous souffert rcemment d'un tat dpressif Dpr2 265
-3.69 0.000 40.21 22.03 30.79 non Avez-vous des conflits travail - vie personnelle Cnf2 97
-4.37 0.000 43.59 38.42 49.52 non Avez-vous t au chmage ces douze derniers mois ? Chm2 156
-4.40 0.000 44.77 43.50 54.60 actif Situation actuelle de la personne interroge Sit1 172
-5.71 0.000 38.46 31.07 45.40 oui, plein temps Exercez-vous en ce moment une activit professionnelle Trv1 143
-20.45 0.000 0.00 0.00 43.81 masculin Sexe de l'enqut(e) Sex1 138
----------------------------------------------------------------------------------------------------------------------------------

Caracterizacin del sexo segn las variables continuas
CARACTERISATION PAR LES CONTINUES DES CLASSES OU MODALITES
DE Sexe de l'enqut(e)
masculin
+--------+-------+-------------------+-------------------+-----------------------------------------------------------------------+
| V.TEST | PROBA | MOYENNES | ECARTS TYPES | VARIABLES CARACTERISTIQUES |
| | | CLASSE GENERALE | CLASSE GENERAL | NUM.LIBELLE IDEN |
+--------+-------+-------------------+-------------------+-----------------------------------------------------------------------+
| masculin ( POIDS = 138.00 EFFECTIF = 138 ) Sex1 |
| |
| 6.69 | 0.000 | 6533.19 4408.55 | 5486.12 4575.34 | 51.Salaire mens. de l'enqut Salr |
| | | | | |
| -2.33 | 0.010 | 6.49 6.65 | 1.32 1.06 | 41.Famille, enfants : importance accorde Fami |
+--------+-------+-------------------+-------------------+-----------------------------------------------------------------------+
fminin
+--------+-------+-------------------+-------------------+-----------------------------------------------------------------------+
| V.TEST | PROBA | MOYENNES | ECARTS TYPES | VARIABLES CARACTERISTIQUES |
| | | CLASSE GENERALE | CLASSE GENERAL | NUM.LIBELLE IDEN |
+--------+-------+-------------------+-------------------+-----------------------------------------------------------------------+
| fminin ( POIDS = 177.00 EFFECTIF = 177 ) Sex2 |
| |
| 2.33 | 0.010 | 6.77 6.65 | 0.78 1.06 | 41.Famille, enfants : importance accorde Fami |
| | | | | |
| -6.69 | 0.000 | 2751.33 4408.55 | 2742.02 4575.34 | 51.Salaire mens. de l'enqut Salr |
+--------+-------+-------------------+-------------------+-----------------------------------------------------------------------+
Mediante los resultados obtenidos, podramos concluir lo siguiente:
Los hombres presentan mayor frecuencia de situacin laboral en activo, trabajando a tiempo completo, y su
frecuencia de haber estado en el paro, sufrido una depresin, conflictos de trabajo o nerviosismo es menor que
el de las mujeres, que presentan mayor desempleo y mayores niveles de depresin, conflictos, ... Se observa
tambin que los hombres presentan un salario superior al de las mujeres y por otro lado, las mujeres atorgan
mayor importancia a la familia y nios.
Obviamente, se podran entrar ms en detalle sobre los porcentajes implicados en cada

caso, pero muchas veces podemos conformaremos con hallar los perfiles generales.
Las columnas presentadas en las tablas representan:
MODALITES CARACTERISTIQUES Caracterstica que resulta ser significativa.

DES VARIABLES Variable nominal asociada a la caracterstica.
GLOBAL Porcentaje de individuos en la muestra que presentan la caracterstica
MOD/CLA Porcentaje de individuos de la submuestra definida por el sexo (hombres o
mujeres) que presentan la caracterstica.
CLA/MOD Porcentaje de individuos de la submuestra definida por la caracterstica
explicativa que estn presentes en la submuestra definida por el sexo.
PROBA P-valor asociado a la prueba estadstica.
V.TEST Valor test asociado a la prueba estadstica.
Por ejemplo, observamos que en general un 45,40% de los individuos encuestados trabajan
a tiempo completo. En el caso de los hombres este porcentaje aumenta al 63,77 %, y
observamos que el 61,54% de las personas que trabajan a tiempo completo son hombres.
En el caso de las tablas para variables continuas caractersticas, las columnas representan:
VARIABLES CARACTERISTIQUES Variable continua que resulta ser significativa.

MOYENNES Media general (para todos los encuestados) y media definida por el sexo
(en los hombres o mujeres)
ECARTS TYPES Desviacin tpica general (para todos los encuestados) y desviacin
tpica definida por el sexo (en los hombres o mujeres).
PROBA P-valor asociado a la prueba estadstica.
V.TEST Valor test asociado a la prueba estadstica.

Por ejemplo, observamos que el salario medio de los encuestados es de 4.408,55 ff,
mientras que para los hombres, esta media aumenta hasta los 6533,19 ff.
4.2 Caracterizacin de una variable continua
En el caso de querer caracterizar una variable continua deberamos utilizar el mtodo

DESCO, que presenta unos resultados similares al mtodo DEMOD.
Retomemos el ejemplo 4. Supongamos que queremos caracterizar la variable continua

edad. Debemos pues inserir un nuevo mtodo en la filire tal como sigue:
En la parametrizacin del mtodo debemos realizar las acciones siguientes:

Si ejecutamos la filire nos aparecer un icono de resultados tipo listado.
En l se nos presentarn los siguientes resultados:
Caracterizacin de la variable edad a partir de modalidades de variables categricas:

DESCRIPTION DE VARIABLES CONTINUES
DESCRIPTION DE : Age de l'enqut(e)
CARACTERISATION PAR LES MODALITES
DE LA VARIABLE : Age de l'enqut(e)
SUR 315.0 INDIVIDUS ACTIFS MOYENNE = 43.756
ECART-TYPE = 16.581
+--------------+-------------------+--------------------+------------------------------------------------------------+-----------+
| V.TEST PROB.| MOYENNE E-TYPE | MODALITES |LIBELLE DE LA VARIABLE | POIDS |
+--------------+-------------------+--------------------+------------------------------------------------------------+-----------+
| 12.01 0.000 | 68.46 6.73 |retrait |Situation actuelle de la personne interroge | 54.00 |

| 6.93 0.000 | 52.54 17.87 |non |Exercez-vous en ce moment une activit professionnelle | 111.00 |
| 6.71 0.000 | 50.69 18.97 |*Reponse manquante* |Avez-vous t au chmage ces douze derniers mois ? | 142.00 |
| 6.71 0.000 | 50.69 18.97 |*Reponse manquante* |Avez-vous des conflits travail - vie personnelle | 142.00 |
| 6.29 0.000 | 67.00 10.94 |veuf(ve) |Statut matrimonial | 19.00 |
| 5.92 0.000 | 55.93 15.66 |aucun diplme |Niveau d'tudes de l'enqut(e) | 54.00 |
| 5.30 0.000 | 48.16 17.37 |tous les jours |Regardez-vous la tlvision ? | 176.00 |
| 5.09 0.000 | 49.33 15.64 |propritaire |Statut d'occupation du logement | 133.00 |
| 4.12 0.000 | 46.10 16.75 |oui |La famille est le seul endroit o l'on se sent bien | 230.00 |
| 4.12 0.000 | 55.86 14.59 |ne sait pas |Estimez-vous que la socit a besoin de se transformer | 29.00 |
| 3.93 0.000 | 51.83 16.03 |cep seul |Niveau d'tudes de l'enqut(e) | 54.00 |
| 3.85 0.000 | 49.23 16.55 |semblables |Opinion sur les conditions de vie venir | 95.00 |
| 3.76 0.000 | 58.06 16.40 |2001 5000 |Taille d'agglomration (nombre d'habitants) | 18.00 |
| 3.58 0.000 | 58.73 16.01 | la femme seule |Les travaux du mnage,les soins des enfants incombent ... | 15.00 |
| 3.25 0.001 | 52.50 15.30 |peu |Etes-vous satisfait de votre tat de sant | 34.00 |
| 2.96 0.002 | 48.07 18.19 |beaucoup |Etes-vous inquiet du risque d'une agression dans la rue | 92.00 |
| 2.94 0.002 | 45.26 15.31 |oui |Avez-vous eu des enfants | 243.00 |
| 2.94 0.002 | 47.21 18.70 |non |Vous imposez-vous rgulirement des restrictions | 122.00 |
| 2.77 0.003 | 46.80 15.92 |trs |Etes-vous satisfait de votre logement proprement dit | 132.00 |
| 2.68 0.004 | 44.86 17.10 |non |Disposez-vous d'un magntoscope | 264.00 |
| 2.44 0.007 | 46.17 16.77 |oui |Avez-vous souffert rcemment de mal au dos | 149.00 |
| 2.41 0.008 | 54.62 18.75 |ne sait pas |Opinion sur les conditions de vie venir | 13.00 |
| -2.34 0.010 | 40.82 16.20 |assez mal |Opinion sur le fonctionnement de la justice en 1986 | 113.00 |
| -2.35 0.009 | 42.24 16.42 |homme et femme |Les travaux du mnage,les soins des enfants incombent ... | 214.00 |
| -2.38 0.009 | 37.65 15.23 |peu |Etes-vous satisfait de votre cadre de vie quotidien | 37.00 |
| -2.44 0.007 | 41.59 16.11 |non |Avez-vous souffert rcemment de mal au dos | 166.00 |
| -2.45 0.007 | 28.57 8.24 |ne sait pas |Les dpenses de logement sont pour vous une charge ... | 7.00 |
| -2.68 0.004 | 38.06 12.09 |oui |Disposez-vous d'un magntoscope | 51.00 |
| -2.72 0.003 | 38.90 14.33 |plus de 200000 |Taille d'agglomration (nombre d'habitants) | 68.00 |
| -2.73 0.003 | 41.07 16.56 |assez |Etes-vous satisfait de votre logement proprement dit | 150.00 |
| -2.76 0.003 | 40.21 15.57 |souhaitable |La diffusion de l'informatique est une chose ... | 109.00 |
| -2.81 0.003 | 41.02 15.07 |pas du tout d'accord|Les gens comme moi se sentent souvent seuls | 151.00 |
| -2.87 0.002 | 39.64 14.45 |un peu |Etes-vous inquiet du risque d'une agression dans la rue | 94.00 |
| -2.91 0.002 | 34.04 11.79 |chmeur |Situation actuelle de la personne interroge | 23.00 |
| -2.94 0.002 | 37.02 13.43 |bac ou bs |Niveau d'tudes de l'enqut(e) | 45.00 |
| -2.94 0.002 | 41.57 14.67 |oui |Vous imposez-vous rgulirement des restrictions | 193.00 |
| -3.05 0.001 | 31.44 8.97 |concubinage |Statut matrimonial | 16.00 |
| -3.07 0.001 | 37.57 12.85 |cep et cap |Niveau d'tudes de l'enqut(e) | 56.00 |
| -3.11 0.001 | 38.21 12.92 |non |Estimez-vous que la socit a besoin de se transformer | 68.00 |
| -3.12 0.001 | 38.25 19.46 |non |Avez-vous eu des enfants | 69.00 |
| -3.25 0.001 | 39.72 14.89 |dissout si accord |Opinion sur le mariage | 114.00 |
| -3.38 0.000 | 35.79 12.63 |tudes sup. g.coles|Niveau d'tudes de l'enqut(e) | 43.00 |
| -3.54 0.000 | 38.78 12.00 |non |Avez-vous des conflits travail - vie personnelle | 97.00 |
| -3.65 0.000 | 29.47 7.62 |oui |Avez-vous t au chmage ces douze derniers mois ? | 17.00 |
| -3.79 0.000 | 39.56 16.93 |locataire |Statut d'occupation du logement | 131.00 |
| -3.98 0.000 | 37.14 10.89 |oui |Avez-vous des conflits travail - vie personnelle | 76.00 |
| -4.06 0.000 | 37.03 12.92 |assez souvent |Regardez-vous la tlvision ? | 76.00 |
| -4.26 0.000 | 36.92 12.98 |trs |Etes-vous satisfait de votre tat de sant | 80.00 |
| -4.28 0.000 | 28.76 5.80 |amliorer beaucoup |Opinion sur les conditions de vie venir | 21.00 |
| -4.41 0.000 | 36.86 13.97 |non |La famille est le seul endroit o l'on se sent bien | 83.00 |
| -4.59 0.000 | 35.64 12.57 |amliorer un peu |Opinion sur les conditions de vie venir | 69.00 |
| -4.63 0.000 | 32.71 17.21 |clibataire |Statut matrimonial | 42.00 |
| -4.80 0.000 | 21.17 2.48 |tudiant |Situation actuelle de la personne interroge | 12.00 |
| -5.03 0.000 | 39.00 11.52 |non |Avez-vous t au chmage ces douze derniers mois ? | 156.00 |
| -5.83 0.000 | 37.77 11.24 |oui, plein temps |Exercez-vous en ce moment une activit professionnelle | 143.00 |
| -6.57 0.000 | 38.15 11.34 |actif |Situation actuelle de la personne interroge | 172.00 |
+--------------+-------------------+--------------------+------------------------------------------------------------+-----------+
| | 43.76 16.58 | ENSEMBLE | 315.00 |
+--------------+-------------------+--------------------+------------------------------------------------------------+-----------+
Correlaciones con el resto de variables continuas

CORRELATION AVEC LES VARIABLES CONTINUES
DE LA VARIABLE : Age de l'enqut(e)
+--------+--------+--------+--------------------------------------------------------------------+------------+
| V.TEST | PROBA. | CORR. | NUM . LIBELLE DE LA VARIABLE | POIDS |
+--------+--------+--------+--------------------------------------------------------------------+------------+
| 99.90 | 0.000 | 1.000 | 4 . Age de l'enqut(e) | 315.000 |
| 5.38 | 0.000 | 0.295 | 28 . Nombre d'enfants eus | 315.000 |
| 4.92 | 0.000 | 0.271 | 46 . Religion : importance accorde | 315.000 |
| -3.12 | 0.001 | -0.175 | 43 . Temps libre, dtente : importance accorde | 315.000 |
| -4.26 | 0.000 | -0.237 | 42 . Travail, profession : importance accorde | 315.000 |
| -5.99 | 0.000 | -0.343 | 50 . Prestat familiales : montant mensuel moyen | 283.000 |
| -7.46 | 0.000 | -0.399 | 26 . Nb person. dans logmt | 315.000 |
+--------+--------+--------+--------------------------------------------------------------------+------------+
Podemos observar relaciones obvias, como por ejemplo que las personas jubiladas
(retraits) presentan una media de edad superior, y otras ms interesantes como que las
personas que cada da ven la televisin presentan una media de edad superior a la global.
Por el otro lado observamos que la edad est relacionada positivamente con el nmero de
hijos y la importancia atorgada a la religin y est relacionada inversamente con el nmero
de personas con el que se convive, el monto de prestaciones familiares recibido, la
importancia atorgada al trabajo y la importancia atorgada al tiempo libre.

5 Anlisis factoriales simples
En este apartado presentamos los mtodos multivariantes simples de reduccin de datos
que pueden realizarse con SPAD: anlisis de componentes principales (ACP), anlisis de
correspondencias simples (ACS) y anlisis de correspondencias mltiples (ACM). Cabe
destacar que en su origen SPAD se desarroll para ejecutar estos anlisis. Por otro lado,
SPAD presenta una forma original de ejecutar estos mtodos, combinndolos con los
mtodos de clasificacin. El entorno grfico con el que se realizan los grficos factoriales es
otro logro de SPAD.
5.1 Anlisis de componentes principales

El anlisis de componentes principales se utiliza cuando la matriz de datos est compuesta
por un conjunto de variables continuas (activas). Igualmente puede ser de nuestro inters
utilizar variables ilustrativas (continuas o categricas) que no participen en la creacin de
los ejes pero que estemos interesados en proyectarlas en el espacio factorial creado.
Ejemplo 5. En la tabla siguiente se muestra la reparticin, en porcentajes, de los gastos

publicitarios en los diferentes medios de comunicacin en 16 pases de Europa, en el ao
1990. Los datos se han extrado de Press Landscape update & Eur. Direct Marketing NTC,
1991.
Newspapers Magazines TV Radio Cinema Outdoor/Transport

BEL Belgium 35.3 20.5 27.5 1.2 1.4 14.2
DK Denmark 76.1 11.8 9.6 0.8 0.4 1.3
FR France 28.6 27.5 24.8 6.6 0.8 11.7
AL Germany 46.0 27.9 15.8 5.1 1.2 3.9
GR Greece 26.0 28.2 35.3 5.7 0.0 4.8
IR Ireland 63.7 5.4 19.6 6.2 0.0 5.1
IT Italy 27.8 24.0 43.02 1.4 0.0 3.6
NE Neth 50.4 27.8 9.0 2.2 0.3 10.4
POR Portugal 25.1 21.7 37.1 6.7 0.0 9.5
ESP Spain 37.6 15.4 31.3 10.3 0.8 4.7
UK U.K. 44.1 19.3 30.5 2.2 0.5 3.4
AUT Austria 51.6 18.0 17.7 8.0 0.4 4.4
FIN Finland 67.2 13.5 12.9 4.0 0.1 2.3
NOR Norway 77.2 15.8 2.5 1.0 1.2 2.2
SUE Sweden 78.6 14.3 2.2 0.0 0.6 4.3
SUI Switz 61.1 16.8 6.7 1.7 0.9 12.7
Los datos se encuentran en el archivo caspub.sba. Para realizar un anlisis de

componentes principales debemos crear una filire, indicar el archivo de datos y
encadenar el mtodo COPRI.

Para pareametrizar el mtodo debemos realizar un doble clic sobre el icono. Nos aparecer
una nueva ventana donde debemos indicarle las variables continuas activas.
En la subventana Paramtres podemos especificar algunas opciones de anlisis. Podramos

realizar un anlisis norme o non norme para que el espacio factorial sea ortonormal o
bien ortogonal, respectivamente. En la mayora de casos se utiliza la primera opcin para
igualar las escalas en que estn medidas las variables. Tambin podemos indicar cuantos
ejes factoriales se desean conservar (como mximo tantos como variables continuas
activas), y cuantos queremos editar en los resultados de salida. Las opciones por defecto
son en la mayora de casos suficientes.

Una vez parametrizado, la filire deber tener el aspecto siguiente:
La ejecutamos y obtenemos tres iconos de resultados.

En el primer icono, , encontraremos los resultados del anlisis factorial. Los
resultados ms relevantes son:
Valores propios del ACP. En nuestro ejemplo observamos que los dos primeros ejes
factoriales conservan un 70,69% de la inercia.
VALEURS PROPRES
APERCU DE LA PRECISION DES CALCULS : TRACE AVANT DIAGONALISATION .. 6.0000
SOMME DES VALEURS PROPRES .... 6.0000
HISTOGRAMME DES 6 PREMIERES VALEURS PROPRES
+--------+------------+----------+----------+----------------------------------------------------------------------------------+
| NUMERO | VALEUR | POURCENT.| POURCENT.| |
| | PROPRE | | CUMULE | |
+--------+------------+----------+----------+----------------------------------------------------------------------------------+
| 1 | 2.7120 | 45.20 | 45.20 | ******************************************************************************** |
| 2 | 1.5297 | 25.49 | 70.69 | ********************************************** |
| 3 | 0.7817 | 13.03 | 83.72 | ************************ |
| 4 | 0.5795 | 9.66 | 93.38 | ****************** |
| 5 | 0.3965 | 6.61 | 99.99 | ************ |
| 6 | 0.0006 | 0.01 | 100.00 | * |
+--------+------------+----------+----------+----------------------------------------------------------------------------------+
Coordenadas de las variables en el espacio factorial. Nos puede ayudar a interpretar el

ACP y sus ejes.
COORDONNEES DES VARIABLES SUR LES AXES 1 A 5
VARIABLES ACTIVES
----------------------------+------------------------------------+-------------------------------+-------------------------------
VARIABLES | COORDONNEES | CORRELATIONS VARIABLE-FACTEUR | ANCIENS AXES UNITAIRES
----------------------------+------------------------------------+-------------------------------+-------------------------------
IDEN - LIBELLE COURT | 1 2 3 4 5 | 1 2 3 4 5 | 1 2 3 4 5
----------------------------+------------------------------------+-------------------------------+-------------------------------
C2 - Diarios | 0.99 -0.05 0.03 -0.01 0.10 | 0.99 -0.05 0.03 -0.01 0.10 | 0.60 -0.04 0.04 -0.02 0.16
C3 - Revistas | -0.69 0.42 -0.34 0.32 0.36 | -0.69 0.42 -0.34 0.32 0.36 | -0.42 0.34 -0.39 0.42 0.57
C4 - Televisin | -0.87 -0.28 -0.12 0.02 -0.38 | -0.87 -0.28 -0.12 0.02 -0.38 | -0.53 -0.23 -0.14 0.02 -0.61
C5 - Radio | -0.53 -0.40 0.71 0.10 0.21 | -0.53 -0.40 0.71 0.10 0.21 | -0.32 -0.32 0.80 0.14 0.34
C6 - Cine | 0.20 0.79 0.34 0.39 -0.26 | 0.20 0.79 0.34 0.39 -0.26 | 0.12 0.64 0.39 0.51 -0.41
C7 - OUTDOOR/TRANSPORT | -0.40 0.70 0.17 -0.56 0.05 | -0.40 0.70 0.17 -0.56 0.05 | -0.24 0.57 0.19 -0.74 0.08
----------------------------+------------------------------------+-------------------------------+-------------------------------
Coordenadas de los individuos en el espacio factorial. Podemos observar qu pases

estn bien representados en los ejes, a partir de las contribuciones y los cosenos
cuadrados.
COORDONNEES, CONTRIBUTIONS ET COSINUS CARRES DES INDIVIDUS
AXES 1 A 5
+---------------------------------------+-------------------------------+--------------------------+--------------------------+
| INDIVIDUS | COORDONNEES | CONTRIBUTIONS | COSINUS CARRES |
|---------------------------------------+-------------------------------+--------------------------+--------------------------|
| IDENTIFICATEUR P.REL DISTO | 1 2 3 4 5 | 1 2 3 4 5 | 1 2 3 4 5 |
+---------------------------------------+-------------------------------+--------------------------+--------------------------+
| Blgica 6.25 9.53 | -0.83 2.62 0.20 -0.55 -1.29 | 1.6 27.9 0.3 3.3 26.0 | 0.07 0.72 0.00 0.03 0.17 |
| Dinamarca 6.25 6.81 | 2.40 -0.79 -0.59 0.08 -0.25 | 13.3 2.5 2.8 0.1 1.0 | 0.85 0.09 0.05 0.00 0.01 |
| Francia 6.25 6.19 | -1.99 1.26 0.63 -0.05 0.50 | 9.1 6.4 3.1 0.0 3.9 | 0.64 0.26 0.06 0.00 0.04 |
| Alemania 6.25 4.55 | -0.32 1.02 0.29 1.77 0.44 | 0.2 4.2 0.7 33.8 3.0 | 0.02 0.23 0.02 0.69 0.04 |
| Grecia 6.25 6.92 | -2.26 -0.90 -0.80 0.36 0.50 | 11.7 3.3 5.1 1.4 3.9 | 0.74 0.12 0.09 0.02 0.04 |
| Irlanda 6.25 7.30 | 1.19 -1.83 1.00 -1.22 -0.21 | 3.3 13.8 7.9 15.9 0.7 | 0.19 0.46 0.14 0.20 0.01 |
| Italia 6.25 7.91 | -1.72 -0.96 -1.86 0.13 -0.76 | 6.8 3.8 27.5 0.2 9.0 | 0.37 0.12 0.44 0.00 0.07 |
| Holanda 6.25 4.32 | -0.20 1.11 -0.85 -0.60 1.40 | 0.1 5.0 5.8 3.9 30.9 | 0.01 0.29 0.17 0.08 0.45 |
| Portugal 6.25 6.74 | -2.34 -0.71 0.07 -0.88 0.04 | 12.6 2.0 0.0 8.4 0.0 | 0.81 0.07 0.00 0.12 0.00 |
| Espaa 6.25 6.66 | -1.15 -0.91 1.95 0.64 -0.52 | 3.1 3.4 30.5 4.4 4.3 | 0.20 0.13 0.57 0.06 0.04 |
| Reino Unido 6.25 1.61 | -0.28 -0.43 -0.77 0.42 -0.77 | 0.2 0.7 4.7 1.9 9.3 | 0.05 0.11 0.37 0.11 0.37 |
| Austria 6.25 2.25 | -0.12 -0.91 1.00 0.27 0.57 | 0.0 3.4 8.0 0.8 5.2 | 0.01 0.37 0.44 0.03 0.15 |
| Finlandia 6.25 3.89 | 1.37 -1.37 -0.09 -0.17 0.32 | 4.3 7.7 0.1 0.3 1.6 | 0.48 0.48 0.00 0.01 0.03 |
| Noruega 6.25 8.59 | 2.61 0.77 0.03 1.06 -0.21 | 15.7 2.4 0.0 12.1 0.7 | 0.79 0.07 0.00 0.13 0.01 |
| Suecia 6.25 7.12 | 2.59 0.27 -0.55 -0.15 0.15 | 15.5 0.3 2.4 0.2 0.3 | 0.94 0.01 0.04 0.00 0.00 |
| Suiza 6.25 5.60 | 1.04 1.78 0.34 -1.11 0.09 | 2.5 12.9 0.9 13.3 0.1 | 0.19 0.57 0.02 0.22 0.00 |
+---------------------------------------+-------------------------------+--------------------------+--------------------------+

En el segundo icono, , podemos editar los grficos factoriales. Realizando un doble
clic nos aparece una pantalla donde se editarn los grficos. En primer lugar, debemos
ejecutar la opcin Nouveau del men Graphique.
Se nos abrir una nueva pantalla donde indicaremos el tipo de grfico a realizar.
Bsicamente hay tres grficos factoriales interesantes:
Grfico de las proyecciones de las variables sobre los ejes factoriales
Nos aparecer un grfico con el siguiente aspecto:

Para editar las etiquetas basta con realizar un doble clic sobre las flechas. SPAD permite
arrastar las etiquetas.
Las flechas deben interpretarse como direcciones de crecimiento de las variables en el

espacio factorial. Observamos pues que los pases que utilizan mucha publicidad en
televisin tambin utilizan la radio y muy poco el cine. Por el otro lado los pasos que
utilizan revistas como medio, suelen tambin utilizar ms recurson en publicidad outdoor.
Grfico de las proyecciones de los individuos (pases) sobre los ejes factioriales

Nos aparecer un grfico con el aspecto siguiente:
Para editar todas las etiquetas de una sola vez, podemos seleccionar la opcin De tous les
points en el men Selection y luego la opcin crire les libelles en
Habillage. Para deseleccionar los puntos, basta con ejecutar la opcin Dslection
totale en Slection.

A veces puede resultar interesante ponderar los puntos a partir de la contribucin de cada
pas en el espacio factorial creado. Para ello debemos ejecutar la opcin Styles pour
les categories en Preferences, que nos permite realizar esta opcin y muchas
otras, como el color de los smbolos, tamao de las etiquetas, smbolos, ...

Los pases cercanos son pases que presentan distribuciones parecidas en el reparto de los
gastos publicitarios. Observamos que podes pueden diferenciar claramente los pases
latinos de los pases anglosajones.
Grfico de las proyecciones de las variables y individuos utilizando los ejes unitarios
Si editamos las etiquetas y asignamos un peso a los pases proporcional a sus

contribuciones, obtendremos el grfico siguiente:

Muy a menudo se suelen interpretar estos grficos diferenciando en los cuatro cuadrantes.
Los pases ms alejados del origen de coordenadas son los pases que presentan un perfil
ms alejado del perfil medio. En este grfico podramos concluir lo siguiente:
Portugal , Grecia, Italia y Espaa tienden a dedicar ms recursos publicitarios en televisin y radio y muy
poco en el cine. Francia y Blgica dedican ms recursos en revistas y outdoor. Por el otro lado, pases
nrdicos como Suiza, Noruega, Suecia, Dinamarca, Finlandia y Irlanda destinan ms recursos a los
diarios. Suiza, Holanda y Alemania en concreto dedican ms recursos al cine.

5.2 Anlisis de correspondencias simples
El anlisis de correspondencias simples se utiliza cuando queremos analizar dos variables
categricas, que definen una tabla de contingencia. El inters recae en analizar las
asociaciones entre las categoras de ambas variables, y su proyeccin en un biplot.
Ejemplo 6. Del archivo de datos enquete.sba deseamos analizar conjuntamente dos

variables categricas, el nivel de estudios y la opinin acerca de las condiciones de vida en
un futuro. En anlisis de correspondencias simples se realiza sobre las frecuencias creadas
en la tabla de contingencia. En nuestro caso, debemos crear esta tabla de contingencia, por
lo que escogeremos el mtodo TABLE+CORBI. La filire debe tener el aspecto siguiente:
Realizamos un doble clic sobre el icono del mtodo y debemos indicar qu variables
definen las columnas y las filas de la tabla de contingencia. Para ello, debemos cliquear en el
botn Construction du tableau de la subventana Comandes.

En la subventana Paramtres de lanalyse podemos indicar algunas opciones sobre el
anlisis factorial. En la mayora de casos, los parmetros por defecto son suficientes. Si
ejecutamos la filire, nos crea los siguientes iconos de salida:
Del el icono de listado, destacaremos los siguientes resultados:
Tabla de contingencia. Definida por las dos variables categricas. Podemos observar las
frecuencias absolutas y las frecuencias relativas por fila y por columna. Tambin se realiza
un contraste de independencia de ji-cuadrado, en el que observamos que se rechaza la
hiptesis de independencia.
EDITION DES COMMANDES
COMMANDE 1
TABLEAU 1 EN LIGNE : 32 . Opinion sur les conditions de vie venir
EN COLONNE : 7 . Niveau d'tudes de l'enqut(e)
EDITION DES TABLEAUX
TABLEAU 1 EN LIGNE : Opinion sur les conditions de vie venir POIDS TOTAL : 315.
EN COLONNE : Niveau d'tudes de l'enqut(e)
EFF. | | | | | | | | | |
%COL | Dip1 | Dip2 | Dip3 | Dip4 | Dip5 | Dip6 | Dip7 | Dip8 | Dip9 | TOT.
%LIG | | | | | | | | | |
-----+--------+--------+--------+--------+--------+--------+--------+--------+--------+--------
| 0 | 1 | 5 | 1 | 0 | 2 | 3 | 9 | 0 | 21
Ftr1 | 0.00 | 1.85 | 8.93 | 3.57 | 0.00 | 11.76 | 6.67 | 20.93 | 0.00 | 6.67
| 0.00 | 4.76 | 23.81 | 4.76 | 0.00 | 9.52 | 14.29 | 42.86 | 0.00 | 100.00
-----+--------+--------+--------+--------+--------+--------+--------+--------+--------+--------
| 7 | 11 | 12 | 7 | 2 | 4 | 14 | 10 | 2 | 69
Ftr2 | 12.96 | 20.37 | 21.43 | 25.00 | 22.22 | 23.53 | 31.11 | 23.26 | 22.22 | 21.90
| 10.14 | 15.94 | 17.39 | 10.14 | 2.90 | 5.80 | 20.29 | 14.49 | 2.90 | 100.00
-----+--------+--------+--------+--------+--------+--------+--------+--------+--------+--------
| 16 | 17 | 14 | 8 | 4 | 6 | 16 | 10 | 4 | 95
Ftr3 | 29.63 | 31.48 | 25.00 | 28.57 | 44.44 | 35.29 | 35.56 | 23.26 | 44.44 | 30.16
| 16.84 | 17.89 | 14.74 | 8.42 | 4.21 | 6.32 | 16.84 | 10.53 | 4.21 | 100.00
-----+--------+--------+--------+--------+--------+--------+--------+--------+--------+--------
| 19 | 13 | 17 | 10 | 1 | 3 | 9 | 14 | 2 | 88
Ftr4 | 35.19 | 24.07 | 30.36 | 35.71 | 11.11 | 17.65 | 20.00 | 32.56 | 22.22 | 27.94
| 21.59 | 14.77 | 19.32 | 11.36 | 1.14 | 3.41 | 10.23 | 15.91 | 2.27 | 100.00
-----+--------+--------+--------+--------+--------+--------+--------+--------+--------+--------
| 6 | 11 | 5 | 1 | 2 | 0 | 3 | 0 | 1 | 29
Ftr5 | 11.11 | 20.37 | 8.93 | 3.57 | 22.22 | 0.00 | 6.67 | 0.00 | 11.11 | 9.21
| 20.69 | 37.93 | 17.24 | 3.45 | 6.90 | 0.00 | 10.34 | 0.00 | 3.45 | 100.00
-----+--------+--------+--------+--------+--------+--------+--------+--------+--------+--------
| 6 | 1 | 3 | 1 | 0 | 2 | 0 | 0 | 0 | 13
Ftr6 | 11.11 | 1.85 | 5.36 | 3.57 | 0.00 | 11.76 | 0.00 | 0.00 | 0.00 | 4.13
| 46.15 | 7.69 | 23.08 | 7.69 | 0.00 | 15.38 | 0.00 | 0.00 | 0.00 | 100.00
-----+--------+--------+--------+--------+--------+--------+--------+--------+--------+--------
| 54 | 54 | 56 | 28 | 9 | 17 | 45 | 43 | 9 | 315
TOT. | 100.00 | 100.00 | 100.00 | 100.00 | 100.00 | 100.00 | 100.00 | 100.00 | 100.00 | 100.00
| 17.14 | 17.14 | 17.78 | 8.89 | 2.86 | 5.40 | 14.29 | 13.65 | 2.86 | 100.00
---------------------------------------------------------------------------------------------------------------------------------------
KHI2 = 63.41 / 40 DEGRES DE LIBERTE / 34 EFFECTIFS THEORIQUES INFERIEURS A 5
PROBA ( KHI2 > 63.41 ) = 0.011 / V.TEST = 2.30
---------------------------------------------------------------------------------------------------------------------------------------
Valores propios del anlisis factorial. Observamos que con los dos primeros ejes
conservamos un 83% de la inercia.
VALEURS PROPRES
+--------+------------+----------+----------+----------------------------------------------------------------------------------+
+--------+------------+----------+----------+----------------------------------------------------------------------------------+
| 1 | 0.1112 | 55.27 | 55.27 | ******************************************************************************** |
| 2 | 0.0571 | 28.36 | 83.63 | ****************************************** |
| 3 | 0.0193 | 9.59 | 93.22 | ************** |
| 4 | 0.0114 | 5.66 | 98.88 | ********* |
| 5 | 0.0022 | 1.12 | 100.00 | ** |
+--------+------------+----------+----------+----------------------------------------------------------------------------------+

Proyecciones de los puntos fila y columna sobre el espacio factorial. Se puede entrar
ms en detalle sobre el anlisis factorial. Las contribuciones indican cuando una categora
est bien representada sobre un eje factorial.
COORDONNEES, CONTRIBUTIONS DES FREQUENCES SUR LES AXES 1 A 5
FREQUENCES ACTIVES
+------------------------------------------+-------------------------------+--------------------------+--------------------------+
| FREQUENCES | COORDONNEES | CONTRIBUTIONS | COSINUS CARRES |
|------------------------------------------+-------------------------------+--------------------------+--------------------------|
| IDEN - LIBELLE COURT P.REL DISTO | 1 2 3 4 5 | 1 2 3 4 5 | 1 2 3 4 5 |
+------------------------------------------+-------------------------------+--------------------------+--------------------------+
| Dip1 - 17.14 0.24 | 0.33 0.36 0.02 -0.02 0.03 | 17.1 39.5 0.2 0.6 7.5 | 0.45 0.54 0.00 0.00 0.00 |
| Dip2 - 17.14 0.19 | 0.34 -0.23 0.13 0.05 -0.02 | 17.7 16.4 15.7 3.6 2.1 | 0.60 0.29 0.09 0.01 0.00 |
| Dip3 - 17.78 0.02 | -0.07 0.09 0.08 0.03 -0.05 | 0.8 2.4 5.5 1.5 23.2 | 0.23 0.34 0.27 0.04 0.13 |
| Dip4 - 8.89 0.08 | -0.05 0.08 -0.07 -0.25 -0.02 | 0.2 1.1 2.5 48.0 1.9 | 0.03 0.09 0.07 0.81 0.01 |
| Dip5 - 2.86 0.46 | 0.45 -0.47 -0.07 0.17 0.09 | 5.1 11.1 0.8 6.9 9.5 | 0.43 0.48 0.01 0.06 0.02 |
| Dip6 - 5.40 0.32 | -0.22 0.30 -0.33 0.27 -0.01 | 2.3 8.5 30.9 33.8 0.3 | 0.15 0.28 0.35 0.22 0.00 |
| Dip7 - 14.29 0.12 | -0.11 -0.26 -0.19 -0.05 -0.03 | 1.5 17.4 26.0 2.7 5.6 | 0.10 0.58 0.29 0.02 0.01 |
| Dip8 - 13.65 0.46 | -0.66 -0.02 0.14 0.01 0.05 | 54.0 0.1 13.9 0.3 14.1 | 0.95 0.00 0.04 0.00 0.01 |
| Dip9 - 2.86 0.19 | 0.22 -0.27 -0.17 -0.10 0.17 | 1.3 3.6 4.5 2.6 35.9 | 0.26 0.38 0.16 0.05 0.15 |
+------------------------------------------+-------------------------------+--------------------------+--------------------------+
COORDONNEES, CONTRIBUTIONS ET COSINUS CARRES DES INDIVIDUS
AXES 1 A 5
+---------------------------------------+-------------------------------+--------------------------+--------------------------+
| INDIVIDUS | COORDONNEES | CONTRIBUTIONS | COSINUS CARRES |
|---------------------------------------+-------------------------------+--------------------------+--------------------------|
| IDENTIFICATEUR P.REL DISTO | 1 2 3 4 5 | 1 2 3 4 5 | 1 2 3 4 5 |
+---------------------------------------+-------------------------------+--------------------------+--------------------------+
| Ftr1 : amliorer beaucou 6.67 1.01 | -0.97 -0.01 0.16 0.22 0.01 | 56.4 0.0 9.3 27.1 0.6 | 0.93 0.00 0.03 0.05 0.00 |
| Ftr2 : amliorer un peu 21.90 0.06 | -0.12 -0.15 -0.11 -0.04 -0.07 | 2.9 9.2 14.0 2.6 49.3 | 0.25 0.42 0.22 0.02 0.09 |
| Ftr3 : semblables 30.16 0.03 | 0.09 -0.08 -0.12 0.02 0.06 | 2.0 3.5 22.4 1.3 40.7 | 0.24 0.20 0.45 0.02 0.09 |
| Ftr4 : dtriorer un peu 27.94 0.06 | -0.03 0.16 0.12 -0.12 0.01 | 0.3 13.1 20.6 36.9 1.1 | 0.02 0.47 0.25 0.26 0.00 |
| Ftr5 : dtriorer beauco 9.21 0.55 | 0.63 -0.27 0.24 0.13 -0.03 | 33.1 11.8 28.6 14.6 2.6 | 0.72 0.13 0.11 0.03 0.00 |
| Ftr6 : ne sait pas 4.13 1.08 | 0.38 0.93 -0.15 0.22 -0.06 | 5.3 62.4 5.1 17.4 5.6 | 0.13 0.80 0.02 0.04 0.00 |
+---------------------------------------+-------------------------------+--------------------------+--------------------------+
En el segundo icono podemos realizar el grfico de correspondencias, de la forma

siguiente:
Despus de editar las etiquetas tendremos el grfico siguiente:

En l, podemos observar, que se observa que a mayor formacin en estudios ms optimista
es la opinin sobre el avenir.

5.3 Anlisis de correspondencias mltiples
El anlisis de correspondencias mltiples se utiliza cuando queremos analizar un conjunto
de variables categricas. Se crea una tabla individuos variables dummies (binarias), donde
cada una de las variables categricas define un conjunto de variables dummies (binarias)
para cada una de sus modalidades, excepto la redundante.
Ejemplo 7. El archivo de datos credit.sba contiene informacin referente a 480 clientes de

una entidad bancaria. Se dispone de las siguientes variables categricas:
Tipo de cliente (bueno/malo)

Edad del cliente (-23, 23-40, 40-50, +50, aos)
Situacin familiar (soltero, casado, divorciado, viudo)
Antigedad (-1, 1-4, 4-6, 6-12, +12, aos)
Domiciliacin del salario (domiciliacin, no domiciliacin)
Domiciliacin de los ahorros (no ahorros, -10KF, 10-100 KF, +100KF)
Profesin (empresario, trabajador, otra)
Media actual (-2KF, 2-5 KF, +5KF)
Media movimientos (-10KF, 10-30 KF, 30-50 KF, +50 KF)
Acumulacin de dbito (-40, 40-100, +100)
Descubierto (autorizado, prohibido)
Cheques (autorizado, prohibido)
Mediante un anlisis de correspondencias mltiples se estudiarn de forma conjunta las

asociaciones entre las variables de forma conjunta.
Primeramente debemos crear una nueva filire, indicar el archivo de datos e inserir el
mtodo CORMU.
Realizaremos un doble clic sobre el icono CORMU. Debemos indicar las variables
nominales que deseamos analizar. Podemos dejar el resto de parmetros con sus valores
por defecto.

Guardando y ejecutando la filire obtendremos los iconos de salida siguientes:
Estos iconos son los mismos que para el caso de correspondencias simples. Destacaremos
los siguientes resultados:
Diagramas de barras de las variables categricas. Podemos observar las frecuencias de

cada una de las categoras. SPAD elimina por defecto aquellas categoras con una
frecuencia observada baja.
TRI-A-PLAT DES QUESTIONS ACTIVES
----------------------------+-----------------+-----------------------------------------------------------------------------------
MODALITES | AVANT APUREMENT | APRES APUREMENT
IDENT LIBELLE | EFF. POIDS | EFF. POIDS HISTOGRAMME DES POIDS RELATIFS
----------------------------+-----------------+-----------------------------------------------------------------------------------
1 . Type de client
BON - bon client | 237 237.00 | 237 237.00 *******************************
MAUV - mauvais client | 231 231.00 | 231 231.00 ******************************
----------------------------+-----------------+-----------------------------------------------------------------------------------
2 . Age du client
AGE1 - moins de 23 ans | 88 88.00 | 88 88.00 ************

AGE2 - de 23 40 ans | 150 150.00 | 150 150.00 ********************
AGE3 - de 40 50 ans | 122 122.00 | 122 122.00 ****************
AGE4 - plus de 50 ans | 108 108.00 | 108 108.00 **************
----------------------------+-----------------+-----------------------------------------------------------------------------------
3 . Situation familiale
CELB - clibataire | 170 170.00 | 170 170.00 **********************
MARI - mari | 221 221.00 | 221 221.00 *****************************
DIVO - divorc | 61 61.00 | 61 61.00 ********
VEUF - veuf | 16 16.00 | 16 16.00 ***
----------------------------+-----------------+-----------------------------------------------------------------------------------
4 . Anciennet
ANC1 - anc. 1 an ou moins | 199 199.00 | 199 199.00 **************************
ANC2 - anc. de 1 4 ans | 47 47.00 | 47 47.00 *******
ANC3 - anc. de 4 6 ans | 69 69.00 | 69 69.00 *********
ANC4 - anc. de 6 12 ans | 66 66.00 | 66 66.00 *********
ANC5 - anc. plus 12 ans | 87 87.00 | 87 87.00 ************
----------------------------+-----------------+-----------------------------------------------------------------------------------
5 . Domiciliation du salaire
Soui - domicile salaire | 316 316.00 | 316 316.00 *****************************************
Snon - non dimicile salaire | 152 152.00 | 152 152.00 ********************
----------------------------+-----------------+-----------------------------------------------------------------------------------
6 . Domiciliation de l'pargne
EPA0 - pas d'pargne | 370 370.00 | 372 372.00 ************************************************
EPA1 - moins de 10KF pargn | 58 58.00 | 60 60.00 ********
EPA2 - de 10 100KF pargn | 32 32.00 | 36 36.00 *****
EPA3 - plus de 100KF pargn | 8 8.00 | === VENTILEE ===
----------------------------+-----------------+-----------------------------------------------------------------------------------
7 . Profession
CADR - cadre | 77 77.00 | 77 77.00 **********
EMPL - employ | 237 237.00 | 237 237.00 *******************************
AUTR - autre | 154 154.00 | 154 154.00 ********************
----------------------------+-----------------+-----------------------------------------------------------------------------------
8 . Moyenne en cours
ENC1 - moins de 2KF encours | 98 98.00 | 98 98.00 *************
ENC2 - de 2 5 KF encours | 308 308.00 | 308 308.00 ****************************************
ENC3 - plus de 5 KF encours | 62 62.00 | 62 62.00 ********
----------------------------+-----------------+-----------------------------------------------------------------------------------
9 . Moyenne des mouvements
MOU1 - moins 10 KF mouvt | 154 154.00 | 154 154.00 ********************
MOU2 - de 10 30KF mouvt | 71 71.00 | 71 71.00 **********
MOU3 - de 30 50KF mouvt | 129 129.00 | 129 129.00 *****************
MOU4 - plus de 50KF mouvt | 114 114.00 | 114 114.00 ***************
----------------------------+-----------------+-----------------------------------------------------------------------------------
10 . Cumul des dbits
DEB1 - moins de 40 dbits | 171 171.00 | 171 171.00 **********************
DEB2 - de 40 100 dbits | 161 161.00 | 161 161.00 *********************
DEB3 - plus de 100 dbits | 136 136.00 | 136 136.00 ******************
----------------------------+-----------------+-----------------------------------------------------------------------------------
11 . Autorisation de dcouvert
Doui - dcouvert autoris | 202 202.00 | 202 202.00 **************************
Dnon - dcouvert interdit | 266 266.00 | 266 266.00 ***********************************
----------------------------+-----------------+-----------------------------------------------------------------------------------
12 . Interdiction de chquier
Coui - chquier autoris | 415 415.00 | 415 415.00 ******************************************************
Cnon - chquier interdit | 53 53.00 | 53 53.00 *******
----------------------------+-----------------+-----------------------------------------------------------------------------------
Valores propios asociados al anlisis factorial. Observamos que, por ejemplo, se

necesitan conservar 16 ejes para conservar el 80% de la inercia. Este resultado es habitual
en el anlisis de correspondencias mltiples, ya que la variabilidad inicial suele ser elevada.
VALEURS PROPRES
+--------+------------+----------+----------+----------------------------------------------------------------------------------+
+--------+------------+----------+----------+----------------------------------------------------------------------------------+
| 1 | 0.2540 | 12.19 | 12.19 | ******************************************************************************** |
| 2 | 0.1694 | 8.13 | 20.33 | ****************************************************** |
| 3 | 0.1417 | 6.80 | 27.13 | ********************************************* |
| 4 | 0.1292 | 6.20 | 33.33 | ***************************************** |
| 5 | 0.1086 | 5.21 | 38.54 | *********************************** |
| 6 | 0.1045 | 5.02 | 43.56 | ********************************* |
| 7 | 0.0980 | 4.71 | 48.26 | ******************************* |
| 8 | 0.0946 | 4.54 | 52.81 | ****************************** |
| 9 | 0.0902 | 4.33 | 57.14 | ***************************** |
| 10 | 0.0830 | 3.98 | 61.12 | *************************** |
| 11 | 0.0798 | 3.83 | 64.95 | ************************** |
| 12 | 0.0791 | 3.80 | 68.75 | ************************* |
| 13 | 0.0732 | 3.51 | 72.26 | ************************ |
| 14 | 0.0685 | 3.29 | 75.55 | ********************** |
| 15 | 0.0660 | 3.17 | 78.71 | ********************* |
| 16 | 0.0619 | 2.97 | 81.69 | ******************** |
| 17 | 0.0612 | 2.94 | 84.62 | ******************** |
| 18 | 0.0557 | 2.67 | 87.30 | ****************** |
| 19 | 0.0524 | 2.51 | 89.81 | ***************** |
| 20 | 0.0506 | 2.43 | 92.24 | **************** |
| 21 | 0.0470 | 2.26 | 94.50 | *************** |
| 22 | 0.0400 | 1.92 | 96.42 | ************* |
| 23 | 0.0342 | 1.64 | 98.06 | *********** |
| 24 | 0.0273 | 1.31 | 99.36 | ********* |
| 25 | 0.0132 | 0.64 | 100.00 | ***** |
+--------+------------+----------+----------+----------------------------------------------------------------------------------+
Coordenadas, contribuciones y cosenos cuadrados de las variables categricas.

COORDONNEES, CONTRIBUTIONS ET COSINUS CARRES DES MODALITES ACTIVES
AXES 1 A 5
+------------------------------------------+-------------------------------+--------------------------+--------------------------+
| MODALITES | COORDONNEES | CONTRIBUTIONS | COSINUS CARRES |
|------------------------------------------+-------------------------------+--------------------------+--------------------------|
| IDEN - LIBELLE P.REL DISTO | 1 2 3 4 5 | 1 2 3 4 5 | 1 2 3 4 5 |
+------------------------------------------+-------------------------------+--------------------------+--------------------------+
| 1 . Type de client |
| BON - bon client 4.22 0.97 | 0.67 0.31 -0.09 0.16 -0.01 | 7.4 2.4 0.3 0.8 0.0 | 0.46 0.10 0.01 0.02 0.00 |
| MAUV - mauvais client 4.11 1.03 | -0.68 -0.32 0.09 -0.16 0.01 | 7.6 2.5 0.3 0.8 0.0 | 0.46 0.10 0.01 0.02 0.00 |
+------------------------------------------+--------- CONTRIBUTION CUMULEE = 15.0 4.8 0.5 1.6 0.0 +--------------------------+
| 2 . Age du client |
| AGE1 - moins de 23 ans 1.57 4.32 | -0.81 0.48 -0.52 -0.52 -0.63 | 4.0 2.1 2.9 3.3 5.8 | 0.15 0.05 0.06 0.06 0.09 |
| AGE2 - de 23 40 ans 2.67 2.12 | -0.17 -0.07 -0.55 0.42 -0.06 | 0.3 0.1 5.8 3.6 0.1 | 0.01 0.00 0.14 0.08 0.00 |
| AGE3 - de 40 50 ans 2.17 2.84 | 0.20 -0.01 0.19 -0.23 1.10 | 0.4 0.0 0.6 0.9 24.4 | 0.01 0.00 0.01 0.02 0.43 |

| AGE4 - plus de 50 ans 1.92 3.33 | 0.66 -0.29 0.97 0.11 -0.65 | 3.3 0.9 12.8 0.2 7.4 | 0.13 0.02 0.28 0.00 0.13 |
| 3 . Situation familiale |
| CELB - clibataire 3.03 1.75 | -0.51 0.27 -0.60 0.02 -0.39 | 3.0 1.3 7.6 0.0 4.3 | 0.15 0.04 0.20 0.00 0.09 |
| MARI - mari 3.94 1.12 | 0.41 -0.09 0.24 0.07 0.36 | 2.6 0.2 1.7 0.2 4.8 | 0.15 0.01 0.05 0.00 0.12 |
| DIVO - divorc 1.09 6.67 | 0.00 -0.15 0.25 -0.31 0.26 | 0.0 0.1 0.5 0.8 0.7 | 0.00 0.00 0.01 0.01 0.01 |
| VEUF - veuf 0.28 28.25 | -0.24 -1.06 2.02 -0.03 -1.83 | 0.1 1.9 8.2 0.0 8.8 | 0.00 0.04 0.14 0.00 0.12 |
| 4 . Anciennet |
| ANC1 - anc. 1 an ou moins 3.54 1.35 | -0.48 0.24 0.13 -0.55 0.14 | 3.3 1.2 0.4 8.3 0.6 | 0.17 0.04 0.01 0.22 0.01 |
| ANC2 - anc. de 1 4 ans 0.84 8.96 | -0.38 -0.42 -0.27 0.27 0.34 | 0.5 0.9 0.4 0.5 0.9 | 0.02 0.02 0.01 0.01 0.01 |
| ANC3 - anc. de 4 6 ans 1.23 5.78 | -0.08 0.03 -0.38 0.63 -0.01 | 0.0 0.0 1.2 3.8 0.0 | 0.00 0.00 0.02 0.07 0.00 |
| ANC4 - anc. de 6 12 ans 1.18 6.09 | 0.52 -0.04 -0.90 0.43 -0.87 | 1.3 0.0 6.7 1.7 8.2 | 0.04 0.00 0.13 0.03 0.12 |
| ANC5 - anc. plus 12 ans 1.55 4.38 | 0.98 -0.31 0.83 0.28 0.17 | 5.9 0.9 7.5 1.0 0.4 | 0.22 0.02 0.16 0.02 0.01 |
| 5 . Domiciliation du salaire |
| Soui - domicile salaire 5.63 0.48 | 0.36 0.13 -0.05 0.20 0.05 | 2.9 0.5 0.1 1.8 0.1 | 0.27 0.03 0.01 0.08 0.00 |
| Snon - non dimicile salaire 2.71 2.08 | -0.75 -0.26 0.11 -0.42 -0.09 | 6.0 1.1 0.2 3.7 0.2 | 0.27 0.03 0.01 0.08 0.00 |
| 6 . Domiciliation de l'pargne |
| EPA0 - pas d'pargne 6.62 0.26 | -0.24 0.16 0.23 0.16 -0.06 | 1.5 1.0 2.5 1.4 0.2 | 0.23 0.10 0.20 0.11 0.01 |
| EPA1 - moins de 10KF pargn 1.07 6.80 | 0.46 -0.47 -0.47 -0.19 0.50 | 0.9 1.4 1.7 0.3 2.4 | 0.03 0.03 0.03 0.01 0.04 |
| EPA2 - de 10 100KF pargn 0.64 12.00 | 1.74 -0.86 -1.59 -1.39 -0.25 | 7.6 2.8 11.5 9.5 0.4 | 0.25 0.06 0.21 0.16 0.01 |
| 7 . Profession |
| CADR - cadre 1.37 5.08 | 0.87 -0.58 0.76 -0.42 -0.77 | 4.1 2.7 5.5 1.9 7.4 | 0.15 0.07 0.11 0.04 0.12 |
| EMPL - employ 4.22 0.97 | 0.03 0.05 -0.29 0.51 0.08 | 0.0 0.1 2.5 8.6 0.3 | 0.00 0.00 0.08 0.27 0.01 |
| AUTR - autre 2.74 2.04 | -0.48 0.22 0.06 -0.58 0.26 | 2.5 0.7 0.1 7.1 1.7 | 0.11 0.02 0.00 0.16 0.03 |
| 8 . Moyenne en cours |
| ENC1 - moins de 2KF encours 1.75 3.78 | -0.68 -1.32 0.20 0.21 0.07 | 3.2 17.9 0.5 0.6 0.1 | 0.12 0.46 0.01 0.01 0.00 |
| ENC2 - de 2 5 KF encours 5.48 0.52 | -0.08 0.56 0.19 0.16 -0.03 | 0.1 10.2 1.5 1.0 0.1 | 0.01 0.61 0.07 0.05 0.00 |
| ENC3 - plus de 5 KF encours 1.10 6.55 | 1.46 -0.70 -1.28 -1.11 0.06 | 9.3 3.2 12.8 10.5 0.0 | 0.33 0.08 0.25 0.19 0.00 |
| 9 . Moyenne des mouvements |
| MOU1 - moins 10 KF mouvt 2.74 2.04 | -0.76 0.15 0.09 -0.53 0.17 | 6.2 0.3 0.1 5.9 0.7 | 0.28 0.01 0.00 0.14 0.01 |
| MOU2 - de 10 30KF mouvt 1.26 5.59 | -0.35 0.27 -0.35 0.43 -0.77 | 0.6 0.5 1.1 1.8 6.8 | 0.02 0.01 0.02 0.03 0.10 |
| MOU3 - de 30 50KF mouvt 2.30 2.63 | 0.34 0.08 -0.07 0.60 0.60 | 1.0 0.1 0.1 6.4 7.6 | 0.04 0.00 0.00 0.14 0.14 |
| MOU4 - plus de 50KF mouvt 2.03 3.11 | 0.86 -0.46 0.18 -0.24 -0.43 | 6.0 2.5 0.5 0.9 3.4 | 0.24 0.07 0.01 0.02 0.06 |
| 10 . Cumul des dbits |
| DEB1 - moins de 40 dbits 3.04 1.74 | 0.21 0.74 0.17 -0.27 -0.14 | 0.5 9.8 0.6 1.7 0.6 | 0.03 0.31 0.02 0.04 0.01 |
| DEB2 - de 40 100 dbits 2.87 1.91 | 0.09 0.22 -0.15 0.26 0.07 | 0.1 0.8 0.4 1.5 0.1 | 0.00 0.03 0.01 0.03 0.00 |
| DEB3 - plus de 100 dbits 2.42 2.44 | -0.37 -1.19 -0.04 0.04 0.10 | 1.3 20.2 0.0 0.0 0.2 | 0.06 0.58 0.00 0.00 0.00 |
| 11 . Autorisation de dcouvert |
| Doui - dcouvert autoris 3.60 1.32 | -0.31 -0.46 -0.17 0.37 0.06 | 1.3 4.5 0.8 3.7 0.1 | 0.07 0.16 0.02 0.10 0.00 |
| Dnon - dcouvert interdit 4.74 0.76 | 0.23 0.35 0.13 -0.28 -0.05 | 1.0 3.4 0.6 2.8 0.1 | 0.07 0.16 0.02 0.10 0.00 |
| 12 . Interdiction de chquier |
| Coui - chquier autoris 7.39 0.13 | 0.13 0.07 0.02 -0.08 0.04 | 0.5 0.2 0.0 0.3 0.1 | 0.13 0.04 0.00 0.05 0.01 |
| Cnon - chquier interdit 0.94 7.83 | -1.02 -0.53 -0.15 0.61 -0.33 | 3.9 1.5 0.1 2.7 1.0 | 0.13 0.04 0.00 0.05 0.01 |
Coordenadas y valores-test de las variables categricas

COORDONNEES, CONTRIBUTIONS ET COSINUS CARRES DES MODALITES ACTIVES
AXES 1 A 5
+------------------------------------------+-------------------------------+--------------------------+--------------------------+
| MODALITES | COORDONNEES | CONTRIBUTIONS | COSINUS CARRES |
|------------------------------------------+-------------------------------+--------------------------+--------------------------|
| IDEN - LIBELLE P.REL DISTO | 1 2 3 4 5 | 1 2 3 4 5 | 1 2 3 4 5 |
+------------------------------------------+-------------------------------+--------------------------+--------------------------+
| 1 . Type de client |
| BON - bon client 4.22 0.97 | 0.67 0.31 -0.09 0.16 -0.01 | 7.4 2.4 0.3 0.8 0.0 | 0.46 0.10 0.01 0.02 0.00 |
| MAUV - mauvais client 4.11 1.03 | -0.68 -0.32 0.09 -0.16 0.01 | 7.6 2.5 0.3 0.8 0.0 | 0.46 0.10 0.01 0.02 0.00 |
| 2 . Age du client |
| AGE1 - moins de 23 ans 1.57 4.32 | -0.81 0.48 -0.52 -0.52 -0.63 | 4.0 2.1 2.9 3.3 5.8 | 0.15 0.05 0.06 0.06 0.09 |
| AGE2 - de 23 40 ans 2.67 2.12 | -0.17 -0.07 -0.55 0.42 -0.06 | 0.3 0.1 5.8 3.6 0.1 | 0.01 0.00 0.14 0.08 0.00 |
| AGE3 - de 40 50 ans 2.17 2.84 | 0.20 -0.01 0.19 -0.23 1.10 | 0.4 0.0 0.6 0.9 24.4 | 0.01 0.00 0.01 0.02 0.43 |
| AGE4 - plus de 50 ans 1.92 3.33 | 0.66 -0.29 0.97 0.11 -0.65 | 3.3 0.9 12.8 0.2 7.4 | 0.13 0.02 0.28 0.00 0.13 |
| 3 . Situation familiale |
| CELB - clibataire 3.03 1.75 | -0.51 0.27 -0.60 0.02 -0.39 | 3.0 1.3 7.6 0.0 4.3 | 0.15 0.04 0.20 0.00 0.09 |
| MARI - mari 3.94 1.12 | 0.41 -0.09 0.24 0.07 0.36 | 2.6 0.2 1.7 0.2 4.8 | 0.15 0.01 0.05 0.00 0.12 |
| DIVO - divorc 1.09 6.67 | 0.00 -0.15 0.25 -0.31 0.26 | 0.0 0.1 0.5 0.8 0.7 | 0.00 0.00 0.01 0.01 0.01 |
| VEUF - veuf 0.28 28.25 | -0.24 -1.06 2.02 -0.03 -1.83 | 0.1 1.9 8.2 0.0 8.8 | 0.00 0.04 0.14 0.00 0.12 |
| 4 . Anciennet |
| ANC1 - anc. 1 an ou moins 3.54 1.35 | -0.48 0.24 0.13 -0.55 0.14 | 3.3 1.2 0.4 8.3 0.6 | 0.17 0.04 0.01 0.22 0.01 |
| ANC2 - anc. de 1 4 ans 0.84 8.96 | -0.38 -0.42 -0.27 0.27 0.34 | 0.5 0.9 0.4 0.5 0.9 | 0.02 0.02 0.01 0.01 0.01 |
| ANC3 - anc. de 4 6 ans 1.23 5.78 | -0.08 0.03 -0.38 0.63 -0.01 | 0.0 0.0 1.2 3.8 0.0 | 0.00 0.00 0.02 0.07 0.00 |
| ANC4 - anc. de 6 12 ans 1.18 6.09 | 0.52 -0.04 -0.90 0.43 -0.87 | 1.3 0.0 6.7 1.7 8.2 | 0.04 0.00 0.13 0.03 0.12 |
| ANC5 - anc. plus 12 ans 1.55 4.38 | 0.98 -0.31 0.83 0.28 0.17 | 5.9 0.9 7.5 1.0 0.4 | 0.22 0.02 0.16 0.02 0.01 |
| 5 . Domiciliation du salaire |
| Soui - domicile salaire 5.63 0.48 | 0.36 0.13 -0.05 0.20 0.05 | 2.9 0.5 0.1 1.8 0.1 | 0.27 0.03 0.01 0.08 0.00 |
| Snon - non dimicile salaire 2.71 2.08 | -0.75 -0.26 0.11 -0.42 -0.09 | 6.0 1.1 0.2 3.7 0.2 | 0.27 0.03 0.01 0.08 0.00 |
| 6 . Domiciliation de l'pargne |
| EPA0 - pas d'pargne 6.62 0.26 | -0.24 0.16 0.23 0.16 -0.06 | 1.5 1.0 2.5 1.4 0.2 | 0.23 0.10 0.20 0.11 0.01 |
| EPA1 - moins de 10KF pargn 1.07 6.80 | 0.46 -0.47 -0.47 -0.19 0.50 | 0.9 1.4 1.7 0.3 2.4 | 0.03 0.03 0.03 0.01 0.04 |
| EPA2 - de 10 100KF pargn 0.64 12.00 | 1.74 -0.86 -1.59 -1.39 -0.25 | 7.6 2.8 11.5 9.5 0.4 | 0.25 0.06 0.21 0.16 0.01 |
| 7 . Profession |
| CADR - cadre 1.37 5.08 | 0.87 -0.58 0.76 -0.42 -0.77 | 4.1 2.7 5.5 1.9 7.4 | 0.15 0.07 0.11 0.04 0.12 |
| EMPL - employ 4.22 0.97 | 0.03 0.05 -0.29 0.51 0.08 | 0.0 0.1 2.5 8.6 0.3 | 0.00 0.00 0.08 0.27 0.01 |
| AUTR - autre 2.74 2.04 | -0.48 0.22 0.06 -0.58 0.26 | 2.5 0.7 0.1 7.1 1.7 | 0.11 0.02 0.00 0.16 0.03 |
| 8 . Moyenne en cours |
| ENC1 - moins de 2KF encours 1.75 3.78 | -0.68 -1.32 0.20 0.21 0.07 | 3.2 17.9 0.5 0.6 0.1 | 0.12 0.46 0.01 0.01 0.00 |
| ENC2 - de 2 5 KF encours 5.48 0.52 | -0.08 0.56 0.19 0.16 -0.03 | 0.1 10.2 1.5 1.0 0.1 | 0.01 0.61 0.07 0.05 0.00 |
| ENC3 - plus de 5 KF encours 1.10 6.55 | 1.46 -0.70 -1.28 -1.11 0.06 | 9.3 3.2 12.8 10.5 0.0 | 0.33 0.08 0.25 0.19 0.00 |
| 9 . Moyenne des mouvements |
| MOU1 - moins 10 KF mouvt 2.74 2.04 | -0.76 0.15 0.09 -0.53 0.17 | 6.2 0.3 0.1 5.9 0.7 | 0.28 0.01 0.00 0.14 0.01 |
| MOU2 - de 10 30KF mouvt 1.26 5.59 | -0.35 0.27 -0.35 0.43 -0.77 | 0.6 0.5 1.1 1.8 6.8 | 0.02 0.01 0.02 0.03 0.10 |
| MOU3 - de 30 50KF mouvt 2.30 2.63 | 0.34 0.08 -0.07 0.60 0.60 | 1.0 0.1 0.1 6.4 7.6 | 0.04 0.00 0.00 0.14 0.14 |
| MOU4 - plus de 50KF mouvt 2.03 3.11 | 0.86 -0.46 0.18 -0.24 -0.43 | 6.0 2.5 0.5 0.9 3.4 | 0.24 0.07 0.01 0.02 0.06 |
| 10 . Cumul des dbits |
| DEB1 - moins de 40 dbits 3.04 1.74 | 0.21 0.74 0.17 -0.27 -0.14 | 0.5 9.8 0.6 1.7 0.6 | 0.03 0.31 0.02 0.04 0.01 |
| DEB2 - de 40 100 dbits 2.87 1.91 | 0.09 0.22 -0.15 0.26 0.07 | 0.1 0.8 0.4 1.5 0.1 | 0.00 0.03 0.01 0.03 0.00 |
| DEB3 - plus de 100 dbits 2.42 2.44 | -0.37 -1.19 -0.04 0.04 0.10 | 1.3 20.2 0.0 0.0 0.2 | 0.06 0.58 0.00 0.00 0.00 |
| 11 . Autorisation de dcouvert |
| Doui - dcouvert autoris 3.60 1.32 | -0.31 -0.46 -0.17 0.37 0.06 | 1.3 4.5 0.8 3.7 0.1 | 0.07 0.16 0.02 0.10 0.00 |
| Dnon - dcouvert interdit 4.74 0.76 | 0.23 0.35 0.13 -0.28 -0.05 | 1.0 3.4 0.6 2.8 0.1 | 0.07 0.16 0.02 0.10 0.00 |

| 12 . Interdiction de chquier |
| Coui - chquier autoris 7.39 0.13 | 0.13 0.07 0.02 -0.08 0.04 | 0.5 0.2 0.0 0.3 0.1 | 0.13 0.04 0.00 0.05 0.01 |
| Cnon - chquier interdit 0.94 7.83 | -1.02 -0.53 -0.15 0.61 -0.33 | 3.9 1.5 0.1 2.7 1.0 | 0.13 0.04 0.00 0.05 0.01 |
Grficos factoriales. En este ejemplo no resulta muy apropiado realizar un grfico

factorial, debido a la poca inercia conservada.
La mayora de anlisis de correspondencias mltiples suelen acompaarse de una

clasificacin de los individuos (vase apartado 6).

6 Mtodos de clasificacin
La clasificacin en SPAD se realiza a partir de las coordenadas de los ejes factoriales. Se
suele utilizar el subconjunto de los primeros k ejes factoriales tales que proyecten en
conjunto un mnimo del 80% de la inercial original. Este procedimiento se realiza aplicando
sobre los datos dos algoritmos: algoritmo de clasificacin jerrquica, con el objetivo de
escoger en cuantos grupos deben clasificarse los individuos y el algoritmo de centros
mviles, con el objetivo de mejorar la clasificacin.
Ejemplo 8
Retomaremos la filire del ejemplo 7 para realizar una clasificacin de los clientes del banco
segn sean sus caractersticas.
De la ventana Mthodes Classification arrastaremos el mtodo

RECIP/SEMIS.
En la parametrizacin del mtodo indicaremos que deseamos clasificar los individuos a

partir de los primero 16 ejes factoriales.

Dejaremos el resto de parmetros con sus valores por defecto. Ejecutamos la filire i
obtenemos:
En el icono Listage, obtendremos un histograma de los indices de nivel:
CLASSIFICATION HIERARCHIQUE (VOISINS RECIPROQUES)

SUR LES 10 PREMIERS AXES FACTORIELS
DESCRIPTION DES 50 NOEUDS D'INDICES LES PLUS ELEVES
NUM. AINE BENJ EFF. POIDS INDICE HISTOGRAMME DES INDICES DE NIVEAU
886 849 855 8 8.00 0.00415 ***
887 818 800 10 10.00 0.00418 ***
888 808 857 12 12.00 0.00424 ***
889 866 804 10 10.00 0.00441 ***

890 867 739 16 16.00 0.00467 ***
891 874 863 18 18.00 0.00473 ***
892 875 838 19 19.00 0.00477 ***
893 879 851 19 19.00 0.00477 ***
894 886 829 13 13.00 0.00483 ***
895 884 843 14 14.00 0.00485 ***
896 796 819 26 26.00 0.00498 ***
897 873 834 31 31.00 0.00508 ***
898 882 862 13 13.00 0.00514 ***
899 842 832 16 16.00 0.00540 ****
900 839 892 32 32.00 0.00587 ****
901 869 836 11 11.00 0.00596 ****
902 890 732 22 22.00 0.00606 ****
903 881 856 20 20.00 0.00627 ****
904 876 861 22 22.00 0.00651 ****
905 825 887 14 14.00 0.00671 ****
906 880 872 24 24.00 0.00693 *****
907 888 786 16 16.00 0.00710 *****
908 870 798 12 12.00 0.00768 *****
909 823 900 39 39.00 0.00807 *****
910 904 805 29 29.00 0.00841 *****
911 908 895 26 26.00 0.00854 *****
912 868 864 36 36.00 0.00860 ******
913 858 859 27 27.00 0.00924 ******
914 902 896 48 48.00 0.00944 ******
915 889 891 28 28.00 0.00969 ******
916 911 905 40 40.00 0.01108 *******
917 913 883 43 43.00 0.01204 ********
918 910 901 40 40.00 0.01259 ********
919 903 907 36 36.00 0.01294 ********
920 893 899 35 35.00 0.01422 *********
921 918 877 51 51.00 0.01514 *********
922 885 917 64 64.00 0.01516 *********
923 850 894 23 23.00 0.01683 **********
924 906 922 88 88.00 0.01932 ************
925 912 897 67 67.00 0.02059 ************
926 915 923 51 51.00 0.02408 ***************
927 921 920 86 86.00 0.03601 *********************
928 925 909 106 106.00 0.04002 ************************
929 924 928 194 194.00 0.04372 **************************
930 914 926 99 99.00 0.04393 **************************
931 927 898 99 99.00 0.05132 ******************************
932 916 929 234 234.00 0.05836 ***********************************
933 930 931 198 198.00 0.07475 ********************************************
934 933 932 432 432.00 0.11267 ******************************************************************
935 919 934 468 468.00 0.13731 *********************************************************************************
Parece sensato realizar una particin de los individuos en 3 o bien en 10 grupos. En el

icono grfico podemos visualizar y editar el dendograma.

Classification hierarchique directe
881
856
8% 8% 808
857
786
867
739
732
10%
796
819
866
804
874
11% 863
850
886
829
876
42%
861
805
869
11%
836
877
879
851
7%
842
832
882
3%
862
870
798
884
9% 843
825
818
800
880
50% 872
19% 885
858
859
883
868
864
14%
873
834
823
8% 839
875
838
3 10

Una vez hemos decidido que deseamos clasificar los clientes en tres grupos, arrastramos el
mtodo PARTI-DECLA.
En la parametrizacin indicaremos el nmero de clases elegido:
Tambin indicaremos que deseamos que nos indique en que grupo se ha situado cada uno
de los individuos.

Dejaremos el resto de parmetros con sus valores por defecto. Ejecutamos la filire i
obtendremos, en el icono Listage:
Descomposicin de la inercia en los grupos. Nmero de individuos classificados a cada

grupo antes y despus de aplicar el algoritmo de centros mviles.
DECOMPOSITION DE L'INERTIE
CALCULEE SUR 10 AXES.
+----------------+-----------------+-------------+-------------------+-----------------+
| | INERTIES | EFFECTIFS | POIDS | DISTANCES |
| INERTIES | AVANT APRES | AVANT APRES | AVANT APRES | AVANT APRES |
+----------------+-----------------+-------------+-------------------+-----------------+
| | | | | |
| INTER-CLASSES | 0.2500 0.3012 | | | |
| | | | | |
| INTRA-CLASSE | | | | |
| | | | | |
| CLASSE 1 / 3 | 0.4575 0.3760 | 234 201 | 234.00 201.00 | 0.0945 0.1528 |
| CLASSE 2 / 3 | 0.5054 0.4429 | 198 203 | 198.00 203.00 | 0.1796 0.2278 |
| CLASSE 3 / 3 | 0.0605 0.1532 | 36 64 | 36.00 64.00 | 1.6477 1.0005 |
| | | | | |
| TOTALE | 1.2734 1.2734 | | | |
+----------------+-----------------+-------------+-------------------+-----------------+
QUOTIENT (INERTIE INTER / INERTIE TOTALE) : AVANT ... 0.1963
APRES ... 0.2366
COORDONNEES ET VALEURS-TEST APRES CONSOLIDATION
Individuos que integran cada una de las clases

COMPOSITION DE: Coupure 'a' de l'arbre en 3 classes
CLASSE 1 / 3
0005 0011 0030 0036 0042 0048 0060 0066 0072 0084 0096 0102 0115 0128 0134
0158 0170 0176 0182 0188 0200 0224 0236 0249 0255 0261 0267 0279 0297 0309
0321 0327 0339 0345 0351 0376 0388 0394 0400 0412 0418 0424 0430 0448 0454
0466 0472 0484 0490 0502 0520 0526 0532 0568 0574 0580 0599 0605 0611 0623
0630 0636 0642 0648 0654 0673 0679 0685 0691 0697 0703 0710 0722 0728 0740
0746 0752 0764 0770 0776 0782 0788 0800 0813 0819 0825 0831 0843 0867 0873
0879 0899 0910 0916 0923 0929 0935 0947 0959 0965 0971 0977 0983 0990 1002
1014 1033 1039 1045 1069 1076 1088 1112 1130 1144 1198 1204 1223 1229 1235
1241 1247 1259 1271 1277 1283 1289 1308 1322 1328 1334 1340 1346 1353 1365
1372 1379 1385 1391 1397 1403 1427 1440 1446 1452 1458 1476 1488 1500 1512
1531 1537 1561 1568 1575 1581 1617 1623 1629 1655 1661 1667 1673 1679 1697

1703 1709 1715 1721 1757 1763 1769 1788 1794 1800 1806 1813 1820 1826 1838
1850 1880 0084 0102 0230 0243 0249 0424 0496 0544 0556 0599 0703 0740 0782
0794 0813 0855 0899 0923 0929
CLASSE 2 / 3
0018 0054 0078 0109 0140 0152 0164 0291 0315 0382 0478 0538 0544 0550 0556
0562 0586 0617 0666 0758 0806 0861 0891 0905 0953 0996 1020 1027 1051 1057
1063 1094 1106 1137 1150 1156 1180 1186 1211 1217 1265 1295 1409 1421 1464
1494 1506 1518 1525 1543 1549 1555 1593 1599 1605 1611 1635 1649 1685 1691
1733 1739 1745 1751 1775 1856 1862 1868 1874 1886 1892 1898 1904 1910 1916
1922 0005 0011 0018 0024 0030 0036 0042 0048 0054 0060 0066 0078 0090 0096
0109 0115 0121 0128 0134 0140 0146 0152 0158 0164 0170 0176 0182 0188 0194
0200 0212 0218 0224 0236 0255 0261 0267 0273 0279 0285 0291 0297 0303 0309
0315 0321 0327 0333 0339 0345 0351 0357 0363 0369 0376 0382 0388 0394 0400
0406 0412 0418 0430 0436 0442 0448 0454 0460 0466 0472 0484 0490 0502 0507
0514 0520 0526 0538 0550 0562 0568 0574 0580 0586 0592 0605 0611 0617 0623
0630 0636 0642 0654 0660 0666 0673 0679 0691 0697 0710 0716 0722 0728 0734
0746 0758 0764 0770 0776 0788 0800 0806 0819 0825 0831 0837 0843 0849 0861
0867 0873 0879 0885 0891 0905 0910 0916
CLASSE 3 / 3
0024 0090 0121 0146 0194 0207 0212 0218 0230 0243 0273 0285 0303 0333 0357
0363 0369 0406 0436 0442 0460 0496 0507 0514 0592 0660 0716 0734 0794 0837
0849 0855 0885 0941 1008 1082 1100 1118 1124 1162 1168 1174 1192 1253 1301
1314 1359 1415 1434 1470 1482 1587 1643 1727 1782 1832 1844 0072 0207 0478
0532 0648 0685 0752
Caracterizacin de las clases.

DESCRIPTION DE PARTITION(S)
DESCRIPTION DE LA Coupure 'a' de l'arbre en 3 classes
CARACTERISATION DES CLASSES PAR LES MODALITES
CARACTERISATION PAR LES MODALITES DES CLASSES OU MODALITES
DE Coupure 'a' de l'arbre en 3 classes
CLASSE 1 / 3
----------------------------------------------------------------------------------------------------------------------------------
----------------------------------------------------------------------------------------------------------------------------------
42.95 CLASSE 1 / 3 aa1a 201
12.70 0.000 70.89 83.58 50.64 bon client Type de client BON 237
10.18 0.000 59.09 90.55 65.81 de 2 5 KF encours Moyenne en cours ENC2 308
10.05 0.000 58.23 91.54 67.52 domicile salaire Domiciliation du salaire Soui 316
5.80 0.000 71.26 30.85 18.59 anc. plus 12 ans Anciennet ANC5 87
5.62 0.000 49.46 91.04 79.06 pas d'pargne Domiciliation de l'pargne EPA0 370
5.45 0.000 63.57 40.80 27.56 de 30 50KF mouvt Moyenne des mouvements MOU3 129
4.76 0.000 46.75 96.52 88.68 chquier autoris Interdiction de chquier Coui 415
4.27 0.000 56.14 47.76 36.54 moins de 40 dbits Cumul des dbits DEB1 171
4.23 0.000 53.39 58.71 47.22 mari Situation familiale MARI 221
3.88 0.000 51.90 61.19 50.64 employ Profession EMPL 237
3.78 0.000 59.26 31.84 23.08 plus de 50 ans Age du client AGE4 108
2.44 0.007 57.58 18.91 14.10 anc. de 6 12 ans Anciennet ANC4 66
-2.44 0.007 35.29 29.85 36.32 clibataire Situation familiale CELB 170
-3.99 0.000 23.86 10.45 18.80 moins de 23 ans Age du client AGE1 88
-4.76 0.000 13.21 3.48 11.32 chquier interdit Interdiction de chquier Cnon 53
-4.97 0.000 26.62 20.40 32.91 autre Profession AUTR 154
-5.37 0.000 19.39 9.45 20.94 moins de 2KF encours Moyenne en cours ENC1 98
-5.68 0.000 0.00 0.00 6.84 de 10 100KF pargn Domiciliation de l'pargne EPA2 32
-6.50 0.000 25.63 25.37 42.52 anc. 1 an ou moins Anciennet ANC1 199
-7.22 0.000 17.65 11.94 29.06 plus de 100 dbits Cumul des dbits DEB3 136
-7.72 0.000 18.18 13.93 32.91 moins 10 KF mouvt Moyenne des mouvements MOU1 154
-8.40 0.000 0.00 0.00 13.25 plus de 5 KF encours Moyenne en cours ENC3 62
-10.05 0.000 11.18 8.46 32.48 non dimicile salaire Domiciliation du salaire Snon 152
-12.70 0.000 14.29 16.42 49.36 mauvais client Type de client MAUV 231
----------------------------------------------------------------------------------------------------------------------------------
CLASSE 2 / 3
----------------------------------------------------------------------------------------------------------------------------------
----------------------------------------------------------------------------------------------------------------------------------
43.38 CLASSE 2 / 3 aa2a 203
16.92 0.000 80.52 91.63 49.36 mauvais client Type de client MAUV 231
11.72 0.000 81.58 61.08 32.48 non dimicile salaire Domiciliation du salaire Snon 152
10.63 0.000 77.92 59.11 32.91 moins 10 KF mouvt Moyenne des mouvements MOU1 154
8.80 0.000 66.83 65.52 42.52 anc. 1 an ou moins Anciennet ANC1 199
7.88 0.000 78.57 37.93 20.94 moins de 2KF encours Moyenne en cours ENC1 98
6.80 0.000 86.79 22.66 11.32 chquier interdit Interdiction de chquier Cnon 53
6.71 0.000 65.58 49.75 32.91 autre Profession AUTR 154
6.48 0.000 66.91 44.83 29.06 plus de 100 dbits Cumul des dbits DEB3 136
6.22 0.000 50.54 92.12 79.06 pas d'pargne Domiciliation de l'pargne EPA0 370
5.09 0.000 68.18 29.56 18.80 moins de 23 ans Age du client AGE1 88
3.83 0.000 55.29 46.31 36.32 clibataire Situation familiale CELB 170
3.18 0.001 51.98 51.72 43.16 dcouvert autoris Autorisation de dcouvert Doui 202
2.34 0.010 75.00 5.91 3.42 veuf Situation familiale VEUF 16
-2.43 0.008 35.40 28.08 34.40 de 40 100 dbits Cumul des dbits DEB2 161
-2.49 0.006 27.59 7.88 12.39 moins de 10KF pargn Domiciliation de l'pargne EPA1 58
-3.18 0.001 36.84 48.28 56.84 dcouvert interdit Autorisation de dcouvert Dnon 266
-3.42 0.000 35.44 41.38 50.64 employ Profession EMPL 237
-3.64 0.000 32.16 27.09 36.54 moins de 40 dbits Cumul des dbits DEB1 171
-3.84 0.000 23.38 8.87 16.45 cadre Profession CADR 77
-4.37 0.000 25.00 13.30 23.08 plus de 50 ans Age du client AGE4 108
-4.80 0.000 16.67 5.42 14.10 anc. de 6 12 ans Anciennet ANC4 66
-5.14 0.000 30.77 33.50 47.22 mari Situation familiale MARI 221
-5.72 0.000 0.00 0.00 6.84 de 10 100KF pargn Domiciliation de l'pargne EPA2 32
-5.88 0.000 21.71 13.79 27.56 de 30 50KF mouvt Moyenne des mouvements MOU3 129
-6.05 0.000 19.30 10.84 24.36 plus de 50KF mouvt Moyenne des mouvements MOU4 114
-6.80 0.000 37.83 77.34 88.68 chquier autoris Interdiction de chquier Coui 415
-7.84 0.000 8.05 3.45 18.59 anc. plus 12 ans Anciennet ANC5 87
-7.96 0.000 1.61 0.49 13.25 plus de 5 KF encours Moyenne en cours ENC3 62
-11.71 0.000 25.00 38.92 67.52 domicile salaire Domiciliation du salaire Soui 316
-16.92 0.000 7.17 8.37 50.64 bon client Type de client BON 237
----------------------------------------------------------------------------------------------------------------------------------
CLASSE 3 / 3
----------------------------------------------------------------------------------------------------------------------------------
----------------------------------------------------------------------------------------------------------------------------------
13.68 CLASSE 3 / 3 aa3a 64
17.84 0.000 98.39 95.31 13.25 plus de 5 KF encours Moyenne en cours ENC3 62
11.72 0.000 100.00 50.00 6.84 de 10 100KF pargn Domiciliation de l'pargne EPA2 32
5.58 0.000 41.38 37.50 12.39 moins de 10KF pargn Domiciliation de l'pargne EPA1 58
5.54 0.000 30.70 54.69 24.36 plus de 50KF mouvt Moyenne des mouvements MOU4 114
5.30 0.000 21.94 81.25 50.64 bon client Type de client BON 237
3.69 0.000 28.57 34.38 16.45 cadre Profession CADR 77
3.50 0.000 15.42 100.00 88.68 chquier autoris Interdiction de chquier Coui 415
2.78 0.003 16.77 82.81 67.52 domicile salaire Domiciliation du salaire Soui 316

2.72 0.003 25.76 26.56 14.10 anc. de 6 12 ans Anciennet ANC4 66
-2.53 0.006 7.79 18.75 32.91 autre Profession AUTR 154
-2.78 0.003 7.24 17.19 32.48 non dimicile salaire Domiciliation du salaire Snon 152
-3.27 0.001 7.54 23.44 42.52 anc. 1 an ou moins Anciennet ANC1 199
-3.50 0.000 0.00 0.00 11.32 chquier interdit Interdiction de chquier Cnon 53
-4.13 0.000 2.04 3.13 20.94 moins de 2KF encours Moyenne en cours ENC1 98
-4.53 0.000 3.90 9.38 32.91 moins 10 KF mouvt Moyenne des mouvements MOU1 154
-5.30 0.000 5.19 18.75 49.36 mauvais client Type de client MAUV 231
-11.85 0.000 0.32 1.56 65.81 de 2 5 KF encours Moyenne en cours ENC2 308
-15.44 0.000 0.00 0.00 79.06 pas d'pargne Domiciliation de l'pargne EPA0 370
----------------------------------------------------------------------------------------------------------------------------------

7 Casos propuestos
7.1 Estudio de la relacin calidad-precio para 35 marcas de
whisky (ACP)
Objetivo:
Analizar la relacin calidad-precio para marcas de whisky.
Datos:
Precio Proporcin de malta Categora Vejez Apreciacin

10,67 20 1 5,0 3
9,15 20 1 5,0 2
9,91 20 1 7,5 2
11,28 25 1 12,0 2
10,67 25 1 12,0 3
11,13 30 1 5,0 0
10,67 30 1 8,0 0
8,39 30 1 5,0 2
11,74 30 1 5,5 0
14,18 30 1 12,0 0
12,50 30 1 12,0 2
11,13 33 2 6,5 1
9,45 33 2 8,0 3
13,26 33 2 12,0 3
11,89 35 2 10,0 2
11,13 40 2 10,5 4
13,26 40 2 8,5 2
12,20 40 2 8,5 2
12,96 40 2 9,5 2
13,26 40 2 8,5 4
12,20 40 2 9,5 2
12,65 40 2 9,5 1
13,72 40 2 12,5 2
16,77 40 2 12,0 3
13,26 40 2 5,5 2
17,23 45 2 12,0 4
14,64 45 2 12,0 3
12,50 45 2 12,0 3
19,36 100 3 8,5 4
24,39 100 3 12,0 3
13,72 100 3 12,0 4
13,11 100 3 12,0 2
15,25 100 3 10,0 3
15,25 100 3 11,0 3
14,48 100 3 12,0 0

Las columnas representan:
El precio del litro de whisky en euros.

La proporcin de malta en porcentaje
La categora (1 lujo, 2 estndar, 3 puro malta)
La vejez en aos
La apreciacin que puede considerarse como una nota de 0 a 4 atribuida por un jurado
(0 mala, 1 mediocre, 2 buena, 4 muy buena)

7.2 Opinin de los estudiantes estadounidenses sobre la
guerra del Vietnam (ACS)
Objetivo:
En mayo de 1967, los responsables del peridico de los estudiantes de la Universidad de

Chapel Hill (Carolina del Norte) desean conocer la opinin de los estudiantes sobre la
guerra del Vietnam. Proponen a cada estudiante que designe la estrategia que sostiene,
eligiendo entre las cuatro estrategias propuestas a continuacin:
Estrategia A: Los EEUU deberan provocar la derrota del poder Norte Vietnamita con
bombardeos intensivos de sus industrias, puertos y aeropuertos y con una invasin
terrestre.
Estrategia B. Los EEUU deberan proseguir con su poltica actual en Vietnam.
Estrategia C. Los EEUU deberan reducir sus actividades militares, para el bombardeo
del Vietnam del Norte e intensificar sus esfuerzos para la abertura de negociaciones.
Estrategia D. Los EEUU deberan retirar inmediatamente sus fuerzas militares del
Vietnam.
El sondeo se repiti durantes cinco aos consecutivos, con un total de 3.147 estudiantes.
Datos:
Sexo Estrategia Ao 1 Ao 2 Ao 3 Ao 4 Ao 5 Total
Hombre A 175 160 132 145 118 730

B 116 126 120 95 176 633
C 131 135 154 185 345 950
D 17 21 29 44 141 252
Mujer A 13 5 22 12 19 71
B 19 9 29 21 27 105
C 40 33 110 58 128 369
D 5 3 6 10 13 37

7.3 Anlisis cualitativo de razas de perros (ACM)
Objetivo:
Seleccionar las razas de perros ms en acuerdo con la funcin que se le pide (compaa,
casa o utilidad), a partir de calidades fsicas y psquicas de las razas. Realizar una
clasificacin de las razas segn sus cualidades.
Datos:
Raza Tamao Peso Velocidad Inteligencia Afeccin Agresividad Funcin
Bass 1 1 1 1 1 2 2
Beau 3 2 3 2 2 2 3
Boxe 2 2 2 2 2 2 1
Buld 1 1 1 2 2 1 1
Bulm 3 3 1 3 1 2 3
Cani 1 1 2 3 2 1 1
Chih 1 1 1 1 2 1 1
Cock 2 1 1 2 2 2 1
Coll 3 2 3 2 2 1 1
Dalm 2 2 2 2 2 1 1
Dobe 3 2 3 3 1 2 3
Dogo 3 3 3 1 1 2 3
Foxh 3 2 3 1 1 2 2
Foxt 1 1 2 2 2 2 1
Galg 3 2 3 1 1 1 2
Gasc 3 2 2 1 1 2 2
Labr 2 2 2 2 2 1 2
Masa 3 2 3 3 2 2 3
Mast 3 3 1 1 1 2 3
Peki 1 1 1 1 2 1 1
Podb 2 2 2 3 2 1 2
Podf 3 2 2 2 1 1 2
Poin 3 2 3 3 1 1 2
Sett 3 2 3 2 1 1 2
Stbe 3 3 1 2 1 2 3
Teck 1 1 1 2 2 1 1
Tern 3 3 1 2 1 1 3

Los valores de las variables responden a las siguientes etiquetas:
Variable Valor 1 Valor 2 Valor 3
Tamao pequeo mediano grande

Peso pequeo mediano grande
Velocidad leve mediano grande
Inteligencia leve mediano grande
Afeccin leve grande
Agresividad leve Grande
Funcin compaa caza utilidad

8 Bibliografa
Aluja T, Morineau A. (1999) Aprender de los datos: el anlisis de componentes principales. Una
aproximacin desde el Data Mining. Ediciones Universitarias de Barcelona. Barcelona.
Bcue M., Lebart L., Salem A. (2002) Anlisis estadstico de datos textuales. Editorial Milenio.
Lleida.
Bnzecri J. P. (1973) LAnalyse de dones. Tomo 1: La taxinomie. Tomo 2: LAnalyse de

Correspondances (2 edicin 1976). Dunod. Pars.
Cuadras C.M. (1991) Mtodos de anlisis multivariante. 2 edicin. Promociones y

Publicaciones Universitarias. Barcelona.
Crivisqui E., Fine J. (1994) Introduccin al anlisis de los datos multidimensionales. PRESTA -94.
Escofier B., Pags J. (1990) Anlisis factoriales Simples y Mltiples. Servicio Editorial
Universidad del Pas Basco. Bilbao.
Lebart L., Morineau A., Piron M. (1984) Multivariate Descriptive Statistical Analysis. John
Wiley. Nueva York.
Morineau A. (1984) Note sur la caractrisation statistique dune classe et les valeurs-test. Technique
du CESIA, 2, pgs. 20-27. Pars.

manualSPAD PDF

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

manualSPAD PDF

Cargado por

Copyright:

Formatos disponibles

rsal

Manual de introduccin a los

Mnica Bcue Bertaut

Joan Valls i Marsal

La vida es el arte de obtener conclusiones a partir de evidencias insuficientes

2 Manejo de bases de datos con SPAD ................................................. 4

2.1 El archivo BASE de SPAD ..................................................................................... 4

3 Construccin de anlisis estadsticos con SPAD: la filire ....... 15

3.1 Creacin de una filire........................................................................................... 15

4.1 Caracterizacin de una variable cualitativa ........................................................... 27

5 Anlisis factoriales simples............................................................... 36

5.1 Anlisis de componentes principales..................................................................... 36

6 Mtodos de clasificacin .................................................................. 55

7.1 Estudio de la relacin calidad-precio para 35 marcas de whisky (ACP)............... 63

Anlisis factoriales con SPAD 2

Estos mtodos nacidos en la universidad se han aplicado a todo tipo de dominios

Anlisis factoriales con SPAD 3

2.1 El archivo BASE de SPAD

Ejemplo 1. SPAD dispone de un conjunto de archivos BASE que se instalan en el fichero

Anlisis factoriales con SPAD 4

Anlisis factoriales con SPAD 5

Ventana Entte ( ). Datos generales sobre la base de datos. Nombre, nmero de

La ventana que aparece por defecto es la ventana Valeurs, en forma de matriz, y se

Anlisis factoriales con SPAD 6

Ident. Se registra el identificador corto, limitado a cuatro caracteres.

Si seleccionamos la variable Statut matrimonial y cliqueamos sobre el icono

Anlisis factoriales con SPAD 7

Anlisis factoriales con SPAD 8

Id Etiqueta Sexo Salario anual Qu es lo que ms le gust del viaje?

Anlisis factoriales con SPAD 9

Anlisis factoriales con SPAD 10

Anlisis factoriales con SPAD 11

Anlisis factoriales con SPAD 12

2.4 Importacin de archivos de SAS

El procedimiento es similar a de la importacin a partir de un archivo ASCII. Debemos

Anlisis factoriales con SPAD 13

Formato SPSS. Debemos editar el archivo BASE y, mediante la opcin

Anlisis factoriales con SPAD 14

En una filire se definen en un primer momento, de forma encadenada y secuencial,

3.1 Creacin de una filire

Anlisis factoriales con SPAD 15

Una vez tenemos la filire referida a un archivo de datos, ya podemos empezar a

Anlisis factoriales con SPAD 16

Description statistique. Realizan anlisis estadsticos descriptivos.

Para indicar el mtodo debemos arrastrar el icono desde la ventana Mthodes.

Anlisis factoriales con SPAD 17

En la subventana Tris--plat (diagramas de barras), indicaremos que conjunto de variables

Anlisis factoriales con SPAD 18

Anlisis factoriales con SPAD 19

Anlisis factoriales con SPAD 20

Una vez guardada, ya podemos ejecutar la filire, seleccionando la opcin Excuter

Anlisis factoriales con SPAD 21

Icono Listage. Proporciona los resultados estadsticos en forma de listado,

Anlisis factoriales con SPAD 22

3.3 Construcciones complejas de filires

Anlisis factoriales con SPAD 23

Si escogemos la filire seleccionada en la figura anterior realizaramos un anlisis

Observamos que hay muchas opciones para escoger la filire predefinida. Ms

3.4 Los mtodos

Mdulo estadstica descriptiva

STATS. Tablas de frecuencias y grficos descriptivos (histogramas, diagramas de

DEMOD. Caracterizacin de una variable cualitativa. Realiza comparaciones

DESCO. Caracterizacin de una variable continua. Realiza comparaciones