Universidad Técnica de Manabí

Instituto de posgrado
Maestría académica con trayectoria de investigación en
Estadística, mención estadística aplicada
RPC-SO-41-N°701-2018

21-1-2020
MODULO 7

Practica 3 análisis de correlación no

lineal
MODULO 8

MATERIA:
ANÁLISIS MULTIVALENTE 2

DOCENTE:
DRA. LELLY MARIA USECHE CASTRO

AUTOR:
BRYAN ALEJANDRO CRUZ MACIAS
 DOCENTE:

PRACTICA 3.

Se tiene tres grupos definidos de una población determinada; Edad y Estado Civil (variables de
identificación); Mascotas y Noticias (variables de información); y Música y Vecindario
(Variables adicionales), se desean mediante un análisis de correlación canónica no lineal
establecer las relaciones entre los tres grupos de variables.

Resumen de procesamiento de
casos
Casos utilizados en análisis 15

Lista de variables
Nivel de
Número de escalamiento
Establecer categorías óptimo
1 Age in years 10 Ordinal
Marital status 3 Nominal simple
2 Pets owned 5 Nominal múltiple
Newspaper read most often 5 Nominal simple
3 Music preferred 5 Nominal simple
Neighborhood preference 3 Nominal simple

1). Las diferentes variables involucradas en el estudio y el número de categorías de cada una, y
como lo agrupamos. Lo ideal sería hacer inicialmente un EDA. Esta información sirve para
verificar la información.
Vemos como en el primer grupo hay 13 datos, en el grupo 2 hay 10 y en el grupo 3 hay 8
explicado con cada uno de su nivel de escalamiento.

Cargas en componentes
Dimensión
Establecer 1 2
a,b
1 Age in years ,835 ,256
b,c
Marital status ,647 -,608
2 Pets ownedd,e Dimensión 1 ,395 -,431
2 -,276 ,680
b,c
Newspaper read most often -,669 -,389
b,c
3 Music preferred ,782 -,505
Neighborhood preferenceb,c -,690 -,536
a. Nivel de escalamiento óptimo: Ordinal
b. Proyecciones de las variables cuantificadas únicas en el espacio de objeto
c. Nivel de escalamiento óptimo: Nominal simple
d. Nivel de escalamiento óptimo: Nominal múltiple
e. Proyecciones de variables cuantificadas múltiples en el espacio de objeto

2). En la saturación de componentes podemos ver cuantas interacciones hizo el algoritmo para
llegar a una solución de convergencia

Resumen de análisis
Dimensión
1 2 Suma
Pérdida Establecer 1 ,240 ,183 ,423
Establecer 2 ,184 ,409 ,593
Establecer 3 ,172 ,203 ,376
Media ,199 ,265 ,464
Autovalor ,801 ,735
Ajuste 1,536

En el resumen del análisis observamos el Ajuste que debería dar muy cercano al número
de dimensiones para que la relación sea perfecta. Sin embargo, puede considerarse un
buen ajuste, aunque vemos que lo que se perdió fue de 0,464 que sería como la pérdida
promedio. Si las pérdidas dan cercanas a cero quiere decir que tomamos las escalas de
medición de las variables adecuada, la pérdida es como lo que falta para llegar al ajuste.
Por tanto tiene un ajuste adecuado, con una perdida, media de…
El auto valor tiene como referencia el 1, por tanto, mientras más cercano a 1, las
componentes o variables canónicas están aportando y el modelo es adecuado.

Ajuste
Ajuste múltiple Ajuste simple Pérdida simple
Dimensión Dimensión Dimensión
Establecer 1 2 Suma 1 2 Suma 1 2 Suma
a
1 Age in years ,499 ,667 1,167 ,468 ,614 1,082 ,031 ,054 ,085
b
Marital status ,086 1,032 1,118 ,085 1,032 1,117 ,001 ,000 ,001
2 Pets ownedc ,400 ,440 ,840
Newspaper read ,726 ,186 ,912 ,716 ,129 ,845 ,010 ,057 ,067
b
most often
3 Music preferredb ,415 ,584 ,999 ,391 ,568 ,960 ,023 ,016 ,039
Neighborhood ,240 ,604 ,844 ,239 ,604 ,843 ,000 ,000 ,000
b
preference
a. Nivel de escalamiento óptimo: Ordinal
b. Nivel de escalamiento óptimo: Nominal simple
c. Nivel de escalamiento óptimo: Nominal múltiple

La tabla indica que tanto aportan cada una de las variables originales aportan a las
variables canónicas (al modelo) , lo cual se observa que edad en años es la que más
aporta principalmente a la primera variable canónica, seguido estado civil que aporta
más a la segunda variable canónica.
El último conjunto de pérdidas simple lo que se ve si todas están cercanas al cero para
asegurarnos que las variables están muy cercanas al cero excepto periódico y edad en
los años
Grafico de saturaciones y coordenadas
4). En las dimensiones podemos observar muchas combinaciones, como por ejemplo
obtenemos que la personar dentro de los 61 años hasta los 70 años estas personas viven
en villas, dentro del componente 2 obtenemos que de las misma característica les gusta
leer el telégrafo dentro del componente 1 de la dimensión 2 podemos encontrar personas
que estén solteros que les guste leer el diario la nueva ola y les gusten los perros, dentro
de la dimensión 1 con esta misma característica encontramos personas de una
determinada edad le guste escuchar música. En la dimensión 2 del eje y podemos
observar que las personas solteras le gusta leer el diario la nueva ola y les gustan los
perros dentro del componente 1 observamos que al contrario de que no les guste las
músicas en este rango si le gusta la música, dentro del componente 1 encontramos que
personas solteras viven en villas y que leen el telégrafo.