Documentos de Académico
Documentos de Profesional
Documentos de Cultura
7 8
Esquema metodológico del ADLineal
DISEÑO DEL ANÁLISIS
Variables en el análisis
Lambda
Matrices intra-grupo combinadas
Paso Tolerancia F para salir de Wilks
Número de 1 Edad en años 1,000 90,129
Educacion Horas de organizacio Numero 2 Edad en años ,889 137,910 ,920
en años Edad en años TV por día nes de hijos Educacion en años ,889 81,283 ,830
Correlación Educacion en años 1,000 -,334 -,326 ,133 -,259 3 Edad en años ,888 129,786 ,851
Edad en años -,334 1,000 ,092 -,040 ,477 Educacion en años ,801 106,190 ,816
Horas de TV por día -,326 ,092 1,000 -,125 ,050 Horas de TV por día ,894 29,035 ,700
Número de organizaciones ,133 -,040 -,125 1,000 -,072
Numero de hijos -,259 ,477 ,050 -,072 1,000 Variables no incluidas en el análisis
Tolerancia Lambda
Paso Tolerancia mín. F para entrar de Wilks
0 Educacion en años 1,000 1,000 38,094 ,920
Edad en años 1,000 1,000 90,129 ,830
Horas de TV por día 1,000 1,000 14,995 ,967
Pruebas de igualdad de las medias de los grupos Número de
1,000 1,000 ,708 ,998
organizaciones
Lambda Numero de hijos 1,000 1,000 6,039 ,986
de Wilks F gl1 gl2 Sig. 1 Educacion en años ,889 ,889 81,283 ,700
Educacion en años ,920 38,094 1 440 ,000 Horas de TV por día ,992 ,992 7,518 ,816
Número de
Edad en años ,830 90,129 1 440 ,000 organizaciones
,998 ,998 1,239 ,828
Horas de TV por día ,967 14,995 1 440 ,000 Numero de hijos ,773 ,773 4,588 ,821
2 Horas de TV por día ,894 ,801 29,035 ,657
Número de organizaciones ,998 ,708 1 440 ,401 Número de
,982 ,874 ,001 ,700
Numero de hijos ,986 6,039 1 440 ,014 organizaciones
Numero de hijos ,761 ,725 ,952 ,699
3 Número de
,975 ,794 ,183 ,657
organizaciones
19 Numero de hijos ,761 ,725 ,598 ,656
Lambda de Wilks Tolerancia
La tolerancia es una medida del grado de
SCIntragrupos asociación lineal entre las variables
Λ= independientes.
SCEntregrupos + SCIntragrupos Se usa como protección contra la
multicolinealidad.
La variable que se incluye es la que Una tolerancia de 0 significa que la
minimiza la lambda, sin tener en cuenta el variable en cuestión es combinación lineal
perfecta del resto de las variables
efecto de las variables que se hayan independientes.
podido entrar en el modelo Una tolerancia de 1 significa que la
variables es totalmente independiente de
las otras variables que ya están en el
21
modelo. 22
Estimación de la función
Coeficientes discriminantes bp
discriminante
Obtención de la ecuación asociada a cada Los coeficientes se estiman teniendo en
función discriminante. Si la variable a cuenta que las puntuaciones
explicar es de m grupos, el AD calcula m-1 discriminantes de los individuos de un
funciones discriminante. grupo sean lo más distintas posible de
Zi=bo + b1X1i+…….+ bpXpi las puntuaciones discriminantes de los
individuos de otro grupo.
Esto ocurre cuando el ratio SC
int er SC int ra
es máximo
23 24
Coeficientes de las funciones canónicas discriminantes
25 26
Función
Interpretación de las f.d.
1
media de cada grupo también llamada Z i = −9.040 + 0.409 Educacion + 0.069 Edad + 0.339 Horas
centro de gravedad.
Estos coeficientes se obtienen aplicando la Funciones en los centroides de los grupos
fd dentro de cada grupo, es decir Función
multiplicando los coeficientes no Decision de suscripcion 1
estandarizados bp de la fd por los valores No -1,231
medios en cada grupo de las variables Si ,423
35 36
Posicionamiento de los grupos
Validación de las f.d.
en la f.d.
Se obtiene para cada individuo una
puntuación discriminante.
Cada individuo es asignado al grupo cuya
0
37 38
Decision de suscripcion
Función
1
Clasificación
No -1,231
− 1.231(113) + 0.423(329)
Si ,423 C= ≈0 Resultados de la clasificaciónb,c
Funciones discriminantes canónicas no tipificadas 113 + 329
evaluadas en las medias de los grupos Grupo de pertenencia
pronosticado
Decision de suscripcion No Si Total
Z i = −9.040 + 0.409 Educacion + 0.069 Edad + 0.339 Horas Original Recuento No
Si
93
68
20
261
113
329
% No 82,3 17,7 100,0
Si Z i < C , se clasifica al individuo " i" en el grupo I Si 20,7 79,3 100,0
Validación cruzadaa Recuento No 93 20 113
Si 68 261 329
Si Z i > C , se clasifica al individuo " i" en el grupo II % No 82,3 17,7 100,0
Si 20,7 79,3 100,0
a. La validación cruzada sólo se aplica a los casos del análisis. En la validación cruzada,
Educación Edad Hora Suscripción Zi Predicción Error cada caso se clasifica mediante las funciones derivadas a partir del resto de los casos.
12 18 3 0 -1.873 0 No b. Clasificados correctamente el 80,1% de los casos agrupados originales.
16 31 2 1 50 1 No c. Clasificados correctamente el 80,1% de los casos agrupados validados mediante
12 20 4 1 -1.396 0 Si validación cruzada.
15 43 2 0 0.74 1 Si
39 40
Bibliografía
Aplicaciones del AD 1. Luque, Teodoro & otros. “Técnicas de análisis de
datos en investigación de mercados”. Ediciones
Determinar cuáles son las diferencias Pirámide. 2000. España
básicas entre segmentos 2. Pedret, Ramón & otros. “Herramientas para
segmentar mercados y posicionar productos:
Determinar con fin predictivo el grupo a
análisis de información cuantitativa en
que pertenece un individuo pendiente de investigación comercial”. Ediciones Deusto.
clasificación, ya sea porque durante la 2000. España.
entrevista no ha manifestado su grupo de 3. Uriel, Ezequiel & Aldas, Joaquín. “Análisis
pertenencia o porque es un individuo que Multivariante Aplicado. Aplicaciones al
marketing, investigación de mercados,
no forma parte de la muestra analizada: economía, dirección de empresas y turismo”.
nuevo comprador de un producto, nuevo Editorial Thomson. 2005. España.
consumidor, etc.
41 42