UNIVERSIDAD DE CHILE

MAGISTER EN GESTION Y POLITICAS PUBLICAS

ESTADISTICA APLICADA
Y ECONOMETRIA

Sara Arancibia C

2012
1
 Objetivos
Comprender y aplicar los conceptos bsicos de Econometra y
metodologas de Anlisis Multivariante, fundamentales para el
anlisis de informacin.
Conocer y manejar el software estadstico SPSS, con nfasis en
la resolucin de estudios de casos aplicados a la gestin y
polticas pblicas.

Metodologa

Clases tericas y prcticas.

Apoyo de material; transparencias, guas, lecturas
complementarias
Manejo del software SPSS
En los laboratorios se realizarn estudios de casos apoyados de
guas.
2
Evaluacin
Tareas semanales ( 30%), controles (30%), examen (40%)

Bibliografa:

Introduccin a la Econometra. Un enfoque moderno.

Jeffrey y Wooldridge . Ed Thomson Learning
Econometra. Cuarta Edicin
Gujarati Ed. Mc Graw Hill
Anlisis Multivariable para las Ciencias Sociales.
Lvy y Varela Ed Pearson
Anlisis multivariante
Hair-Anderson-Tatham-Black. Ed Prentice Hall.
Anlisis de datos con SPSS 13 Base
Pardo y Ruiz. Ed Mc Graw Hill.
Anlisis Estadstico con SPSS para windows. Estadstica Multivariante.
Visauta y Martori. Ed Mc Graw Hill. Segunda Edicin

3
 Contenidos
Primera sesin
Introduccin a la Econometra
Introduccin al Anlisis Multivariable
Anlisis de varianza
Anlisis no paramtrico de H de Kruskall-Wallis
Gua 1-Estudios de casos

Segunda y Tercera Sesin

Anlisis de regresin lineal simple
Modelos lin-log y log-lin y semilogaritmicos
Gua 2- Estudios de casos

Cuarta y Quinta Sesin

Anlisis de regresin mltiple
Gua 3- Estudios de casos

4
 Contenidos
Sexta Sesin
Modelos de regresin mltiple con variables cualitativas ( dami)
Estimacin ponderada
Gua 4- Estudios de casos

Sptima Sesin
Regresin logstica
Gua 5- Estudios de casos

Octava Sesin
Anlisis Factorial
Gua 6- Estudios de casos

5
Introduccin

Introduccin a la Econometra
Introduccin al Anlisis Multivariante

6
 Introduccin a la Econometra

Naturaleza de la Econometra
y de los datos econmicos
Qu es la Econometra?
Funciones de la Econometra
La metodologa de la Econometra
La regresin es una herramienta fundamental de la
Econometra.
Estructura de los datos econmicos
Relaciones estadsticas vs. Relaciones determinsticas
Regresin vs. Causalidad
Regresin vs. Correlacin
Terminologa

7
 Introduccin
Naturaleza de la econometra y de los datos econmicos
Qu es la La econometra se basa en mtodos
econometra? estadsticos para estimar las relaciones
econmicas, poner a prueba teoras
econmicas y evaluar y poner en prctica
Literalmente, polticas gubernamentales y comerciales.
econometra significa
medicin econmica.

Aplicaciones de la econometra
Pronstico de variables macroeconmicas ( inflacin, el producto
interno bruto)
Estudios aplicados a diversos campos de la economa (Ej: estudio de
los efectos de los gastos de las campaas polticas en los resultados
de las votaciones, en el efecto de los gastos en educacin en el
rendimiento de los estudiantes, etc) 8
 Cules son las funciones de la econometra?

La econometra tiene bsicamente tres funciones estrechamente

interrelacionadas.

1) Probar teoras econmicas o hiptesis.

Por ejemplo, est el consumo
directamente relacionado con el ingreso?,
est la cantidad demandada de un artculo
inversamente relacionada con su precio?.
2) Dar estimaciones numricas de los La Econometra da
coeficientes de las relaciones econmicas. contenido emprico a
Estos son esenciales en la toma de gran parte de la teora
decisiones. Por ejemplo, un asesor econmica
gubernamental necesita tener una
estimacin exacta del coeficiente de la
relacin entre consumo e ingreso con el fin
de determinar el efecto estimulante de una
reduccin de impuestos propuesta.
3) La prediccin de sucesos econmicos
9
 La metodologa de la Econometra

En trminos generales, el anlisis economtrico sigue las

siguientes lneas generales de accin:
1. Enunciado de la teora o hiptesis
2. Especificacin del modelo economtrico dirigido a probar la
teora
3. Estimacin de los parmetros del modelo
4. Verificacin o inferencia estadstica
5. Predicciones o pronsticos
6. Utilizacin del modelo para fines de control o formulacin de
polticas

10
Ejemplo
Consideremos a continuacin la teora keynesiana de la
funcin consumo

Enunciado de la teora o hiptesis

Keynes plantea
La ley sicolgica fundamental consiste en que los hombres
estn dispuestos, por regla general y en promedio, a aumentar
su consumo a medida que aumenta su ingreso, aunque no en la
misma proporcin al incremento en dicho ingreso.

Keynes afirma que la propensin marginal a consumir (PMC),

la tasa de cambio del consumo ante un cambio de una unidad
en el ingreso, es mayor que cero pero menor que uno.

11
 Especificacin del modelo economtrico

Para simplificar, un economista matemtico puede sugerir la

siguiente forma para la funcin de consumo de Keynes:
Y 0 1 X 0 1 1 (1)

en donde
Y gastos de consumo
X ingreso
0 int er sec cin con el eje Y
1 pendiente

El coeficiente de la pendiente 1 representa la propensin marginal

a consumir (PMC)

12
La ecuacin (1), que afirma que el consumo est relacionado
linealmente con el ingreso, es un ejemplo de un modelo
matemtico.
Si el modelo, como del ejemplo anterior, consta de una sola
ecuacin, recibe el nombre de modelo uniecuacional; si tiene
ms de una ecuacin, se denomina modelo multiecuacional o
modelo de ecuaciones simultneas.
El modelo matemtico de la funcin de consumo (1) es de
limitado inters para el econometrista, por cuanto supone una
relacin exacta o determinstica entre el consumo y el ingreso.
Sin embargo, las relaciones existentes entre las variables
econmicas son generalmente inexactas

13
Para tener en cuenta la existencia de una relacin
inexacta entre las variables econmicas, el
econometrista debe modificar la funcin de consumo
determinstica de (1), de la siguiente manera

Y o 1 X u (2)

En la que u representa el trmino de perturbacin o de

error, que es una variable aleatoria ( estocstica) con
propiedades probabilsticas bien definidas.
El trmino perturbacin, u, suele representar todas
aquellas fuerzas que afectan el consumo pero que no se
tienen en cuenta de manera explcita en la ecuacin

14
Estimacin
Habiendo especificado el modelo economtrico, la tarea
siguiente del econometrista consiste en obtener
estimaciones (valores numricos) de los parmetros del
modelo, a partir de la informacin disponible, generalmente
proporcionada por el estadstico econmico. Estas
estimaciones le confieren un contenido emprico a la teora
econmica. As por ejemplo, si en el estudio de la funcin
de consumo anteriormente expuesta, se encuentra que 1
0,8, este valor no slo proporciona una estimacin
numrica de la PMC sino que corrobora la hiptesis
keynesiana segn la cual la PMC es menor que 1.
Cmo se estiman los parmetros?
La tcnica utilizada para obtener dichas estimaciones es el
anlisis de regresin

15
Verificacin ( inferencia estadstica)
Habiendo obtenido ya estimaciones de los parmetros, la tarea
siguiente consiste en desarrollar criterios apropiados dirigidos
a establecer si las estimaciones obtenidas estn de acuerdo
con lo que se espera de la teora que se est verificando.
La refutacin o confirmacin de las teoras econmicas,
basndose en la evidencia emprica, se fundamenta en la
inferencia estadstica ( prueba de hiptesis)

Predicciones o pronsticos
Si el modelo escogido confirma la hiptesis o teora que se
est investigando, se puede entonces proceder a predecir
el (los) valor(es) futuro(s) de la variable dependiente Y con
base en valores futuros, conocidos o esperados, para la(s)
variable(s) explicativa(s) X.

16
Utilizacin de los modelos para fines de control o
formulacin de polticas

Supngase que un economista del gobierno estima la funcin de

consumo keynesiana, obteniendo los siguientes resultados
Y= 5+0,7X
donde el gasto de consumo Y y el ingreso X se miden en miles de
millones de dlares. Adicionalmente se supone que el gobierno
cree que un nivel de gastos de 1060 ( miles de millones de
dlares) mantendr la tasa de desempleo a un nivel relativamente
bajo, del orden del 5%. Qu nivel de ingresos (X) garantizar
que se obtenga la cantidad presupuestada inicialmente de gastos
de consumo?.
Suponiendo que el modelo es aceptable, se tiene que:
1060=5+0,7X o X=1055/ 0,7 =1507

Lo anterior implica que un nivel de ingresos de 1507 (miles de

mill de dlares), dada una PMC=0,7, generar un gasto de
1060 (miles de millones de dlares)
17
 La regresin es una herramienta
fundamental de la econometra.

Interpretacin moderna de la regresin

El anlisis de regresin est relacionado con el estudio de la
dependencia de una variable, la variable dependiente, de una
o ms variables adicionales, las variables explicativas con la
perspectiva de estimar y/ o predecir el valor (poblacional)
medio o promedio de la primera en trminos de valores
conocidos o fijos ( en muestreos repetidos) de las segundas.

Debe tenerse siempre en mente que el xito del anlisis de

regresin depende de la disponibilidad de informacin adecuada.

18
 Estructura de los datos econmicos

Las estructuras de datos ms comunes en la econometra

aplicada son las de los datos de corte transversal, de series de
tiempo, de combinacin de cortes transversales, y de panel.
Datos de corte transversal
Un conjunto de datos de corte transversal consta de una muestra
de individuos, hogares, empresas, ciudades, estados, pases u
otras diversas unidades, tomada en un momento determinado. A
veces, los datos de todas las unidades no corresponden con
exactitud al mismo periodo; por ejemplo, es posible entrevistar a
varias familias durante semanas distintas del ao. En un anlisis
de seccin cruzada pura, ignoraramos cualquier diferencia de
tiempo mnima en la recopilacin de los datos. Si se entrevist a un
grupo de familias en semanas distintas del mismo ao, an
veramos esta informacin como un conjunto de datos de corte
transversal.
19
Tabla 1.1
Conjunto de datos de corte transversal sobre salario
y otras caractersticas individuales
Obs sala educ exper sexo ecivil

1 3.10 11 2 1 0

2 3.24 12 22 1 1

3 3.00 11 2 0 0

4 6.00 8 44 0 1

5 5.30 12 7 0 1

. . . . . .

. . . . . .

. . . . . .

525 11.56 16 5 0 1

526 3.50 14 5 1 0

20
Tabla 1.2
Conjunto de datos sobre las tasas de crecimiento
econmico y caractersticas de los pases

obs pas tpib Consgob60 Secund60

1 Argentina 0.89 9 32
2 Austria 3.32 16 50
3 Blgica 2.56 13 69
4 Bolivia 1.24 18 12
.. . . .

.. . . .

.. . . .

61 Zimbabwe 2.30 17 6

21
Datos de series de tiempo

Un conjunto de datos de series de tiempo (o datos de series

temporales) consta de observaciones, de una o ms variables,
hechas en el tiempo.
Entre los ejemplos de este tipo de informacin se encuentran los
precios de las acciones, el ndice de precios al consumidor, el
producto interno bruto, los ndices anuales de homicidios y las
cifras de venta de automviles. Como los hechos del pasado
pueden tener influencia en los del futuro y los rezagos en el
comportamiento son comunes en las ciencias sociales, el tiempo
es un factor importante en los datos de series de tiempo. A
diferencia del ordenamiento de los datos de corte transversal, la
disposicin cronolgica de las observaciones en una serie
temporal proporciona informacin potencialmente importante.

22
Tabla 1.3
Salario mnimo, desempleo y datos relacionados
para Puerto Rico

obs ao salamin cob desem pib

1 1950 0.20 20.1 15.4 878.7

2 1951 0.21 20.7 16.0 925.0

3 1952 0.23 22.6 14.8 1015.9

. . . . . .

. . . . . .

. . . . . .

37 1986 3.35 58.1 18.9 4281.6

38 1987 3.35 58.2 16.8 4496.7

23
 Combinacin de cortes transversales

Algunos conjuntos de datos tienen caractersticas tanto de corte

transversal como de series temporales.
Por ejemplo, supongamos que se realizaron a escala nacional dos
encuestas transversales de hogares, una en 1985 y otra en 1990. En
1985 se entrevist a una muestra aleatoria de hogares sobre variables
como ingreso, ahorro, tamao de la familia, etc. En 1990 se realiz
una nueva muestra aleatoria con las mismas preguntas. Con el objeto
de aumentar el tamao de nuestra muestra, podemos formar una
combinacin de cortes transversales para los dos aos. Como las
muestras aleatorias se tomaron cada ao, sera mera casualidad que
el mismo hogar apareciera en la muestra de ambos aos. (Por lo
regular, el tamao de la muestra ser muy pequeo, en comparacin
con el de todos los hogares del pas). Este importante factor distingue
a la combinacin de cortes transversales de los conjuntos de datos de
panel.
24
Tabla 1.4
Combinaciones de cortes transversales:
dos aos de precios de la vivienda

obs ao precio imptos piecuad habit Baos

1 1993 85500 42 1600 3 2.0
2 1993 67300 36 1440 3 2.5
3 1993 134000 38 2000 4 2.5
. . . . . . .
. . . . . . .
. . . . . . .
250 1993 243600 41 2600 4 3.0
251 1995 65000 16 1250 2 1.0
252 1995 182400 20 2200 4 2.0
253 1995 97500 15 1540 3 2.0
. . . . . . .
. . . . . . .
. . . . . . .
520 1995 57200 16 1100 2 1.5

25
Datos de panel o longitudinales

Un conjunto de datos de panel (o longitudinales) consta de una

serie temporal para cada miembro del corte transversal en el
conjunto de datos. Como ejemplo, supongamos que tenemos
salario, educacin y antecedentes de empleo de un grupo de
individuos a los que se ha dado seguimiento durante 10 aos; o
tambin podramos reunir informacin, como datos financieros y de
inversiones, sobre el mismo conjunto de empresas durante un
periodo de cinco aos. De igual forma es posible recopilar datos de
panel en unidades geogrficas. Por ejemplo, podemos reunir datos
de los mismos municipios de un pas sobre flujos de migracin,
tasas impositivas, niveles de salarios, gastos gubernamentales,
etc., para los aos 1980, 1985 Y 1990.
La caracterstica fundamental de los datos de panel, que los
distinguen de las combinaciones de cortes transversales, es el
hecho de que se da seguimiento a las mismas unidades
26
Tabla 1.5
Conjunto de datos de panel de dos aos sobre
estadsticas de delincuencia urbana

obs ciudad ao homicidi poblaci desem Polica

os n

1 1 1986 5 350000 8.7 440

2 1 1990 8 359200 7.2 471

3 2 1986 2 64300 5.4 75

4 2 1990 1 65100 5.5 75

. . . . . . .

. . . . . . .

. . . . . . .

297 149 1986 10 260700 9.6 286

298 149 1990 6 245000 9.8 334

299 150 1986 25 543000 4.3 520

300 150 1990 32 546200 5.2 493

27
Nota: Los conjuntos de datos que incluyen la
dimensin del tiempo, como los de series
temporales y de panel, exigen un tratamiento
especial por la correlacin con el paso del
tiempo de la mayor parte de las series de tiempo
econmicas. Otros temas, como las tendencias
y la estacionalidad, surgen en el anlisis de los
datos de series temporales, pero no en los de
corte transversal.

28
Relaciones estadsticas vs. Relaciones determinsticas

En el anlisis de regresin nos interesa lo que se conoce como

dependencia estadstica entre variables, pero no la funcional o
determinstica propia de la fsica clsica.

En las relaciones estadsticas entre variables tratamos esencialmente

con variables aleatorias o estocsticas, esto es variables que tienen
distribuciones de probabilidad.

Por otra parte, en la dependencia funcional o determinstica tambin

manejamos variables, pero stas no son aleatorias o estocsticas.

NOTA: La palabra estocstica viene de la palabra griega stokhos

que significa "centro del blanco". El resultado de lanzar dardos
sobre un tablero es un proceso estocstico, esto es, un proceso
que permite errores.
29
Relaciones estadsticas vs. Relaciones determinsticas

La dependencia del producto de una cosecha respecto a la temperatura

ambiente, la lluvia, el sol y los fertilizantes, por ejemplo, es de
naturaleza estadstica en el sentido que las variables explicativas, si
bien son importantes, no permitirn al agrnomo predecir en forma
exacta el producto de la cosecha debido a los errores involucrados en
la medicin de estas variables y en razn de otra serie de factores
(variables), que afectan colectivamente la produccin pero pueden ser
difciles de identificar individualmente. De esta manera habr alguna
variabilidad "intrnseca" o aleatoria en la variable dependiente, producto
de la cosecha, que no puede ser explicada en su totalidad sin importar
cuntas otras variables explicativas consideremos.

30
 Regresin vs Causalidad

Si bien el anlisis de regresin tiene que ver con la dependencia de

una variable respecto a otras variables, esto no implica causalidad
necesariamente.
En palabras de Kendall y Stuart: "Una relacin estadstica, sin
importar qu tan fuerte y sugestiva sea, nunca podr establecer
una conexin causal: nuestras ideas de causalidad deben venir
de estadsticas externas y, en ltimo trmino, de una u otra
teora."

Por ejemplo si consideramos el producto de una cosecha, no hay una

razn estadstica para suponer que la lluvia no depende del producto
de la cosecha. El hecho de que se trata el producto de la cosecha
como dependiente de la lluvia (entre otras cosas) es debido a
consideraciones no estadsticas: el sentido comn sugiere que la
relacin no puede revertirse, ya que no podemos controlar la lluvia
modificando la produccin de la cosecha.
31
 Regresin vs Correlacin

El anlisis de correlacin est estrechamente relacionado con el

de regresin aunque conceptualmente los dos son muy diferentes.

En el anlisis de correlacin el objetivo principal es medir la

fuerza o el grado de asociacin lineal entre dos variables.
El coeficiente de correlacin, mide esta fuerza de asociacin
(lineal).

Por ejemplo, se puede estar interesado en encontrar la correlacin

(el coeficiente) entre el hbito de fumar y el cncer del pulmn;
entre las calificaciones obtenidas en exmenes de estadstica y
las obtenidas en exmenes de matemticas; entre las altas
calificaciones obtenidas en la escuela secundaria y en la
universidad, y as sucesivamente.

32
 Regresin vs Correlacin

En el anlisis de regresin, como ya se mencion, no

estamos interesados en ese tipo de medicin.
En cambio, se trata de estimar o de predecir el valor
promedio de una variable sobre la base de valores
fijos de otras variables. As, quizs se desee saber si
se puede predecir el promedio de las calificaciones en
un examen de estadstica, conociendo la calificacin
de un estudiante en un examen de matemticas.

33
 Terminologa
Yi 1 2 X 2i 3 X 3i .... n X ni i

En la teora econmica los trminos variable dependiente y variable

independiente estn descritos de varias maneras; a continuacin se
presenta una lista representativa de ellas:

y X1, X2, X3, . Xk

Variable dependiente Variable independiente

Variable explicada Variable explicativa

Variable de respuesta Variables de control

Variable predicha Variables predictora

Regresada Regresora
34
Introduccin al Anlisis Multivariante
Conceptos y tcnicas del Anlisis Multivariable

Qu es el Anlisis Multivariable?
Utilidad del Anlisis Multivariable
Los datos en el Anlisis Multivariable
Variables y escalas de medida
Anlisis inicial de datos
Las tcnicas de Anlisis Multivariable
Tcnicas de anlisis de la dependencia
Tcnicas de anlisis de la interdependencia

35
 Qu es el Anlisis Multivariable?

El anlisis multivariable puede

definirse como el conjunto de
mtodos o tcnicas, diseados
Qu es el Anlisis con el fin de maximizar e
Multivariable? interpretar la informacin
contenida en un conjunto de
variables, sin perder la
interaccin o grado en que se
afectan unas con otras

El anlisis multivariable permite llevar a cabo la

resolucin de problemas y la toma de decisiones con
un enfoque analtico sobre todas las variables que
llegan a influir sobre el o los problemas en cuestin.
36
 Utilidad del Anlisis Multivariable
La complejidad de la realidad socioeconmico-
empresarial y el hecho de que en su conocimiento
confluyan disciplinas cientficas de origen diverso hacen
que el contenido de los mtodos multivariables se
proyecte como un cuerpo de conocimientos de
naturaleza interdisciplinaria.

Las necesidades de En el anlisis multivariable,

informacin de los se puede encontrar una
investigadores y herramienta prctica,
decidores para la verstil y adaptable a todo
planificacin, ejecucin tipo de anlisis, al permitir
de acciones o el control extraer informacin
de resultados son cada relevante, y eficiente.
vez mayores. 37
 Los datos en el Anlisis Multivariable
Variables y escalas de medida

Anlisis
Datos Multivariable

Valores que toman

las Variables

Magnitudes que La precisin de tal

representan distintos representacin depender
conceptos o atributos de directamente de la escala
individuos u objetos de medida

38
 Los datos en el Anlisis Multivariable
Escalas de medida

La tipologa de escalas de medida distingue cuatro bsicas

Nominal
Escalas no mtricas o cualitativas
Ordinal

Intervalo Escalas mtricas o cuantitativas

Razn

39
 Los datos en el Anlisis Multivariable
Escalas de medida
Una variable no mtrica puede ser convertida en variable
ficticias binarias (dummy). Sera necesario contar con un
nmero de ellas igual al nmero de categoras de la variable no
mtrica menos uno.

Ejemplo:
Supngase que se pretende
transformar la variable medios de Categora F1 F2
transporte ms comunes de tres
categoras: 1=autobs, 2=tren y
3=avin. Autobs 1 0
La conversin podra efectuarse por
medio de dos variables ficticias, F1 y Tren 0 1
F2. Los valores que stas tomaran
para representar cada categora seran
Avin 0 0
los siguientes:
40
 Los datos en el Anlisis Multivariable
Anlisis inicial de datos
Antes de comenzar con el anlisis multivariable, es esencial
realizar un examen exhaustivo de los datos.
La deteccin de problemas ocultos en las matrices de datos
supondr un gran avance en la consecucin de resultados
lgicos y consistentes.

Es fundamental inspeccionar:
Analizar si es relevante para el
anlisis obtener los datos
Anlisis de datos ausentes perdidos.
(missing values) Determinar si la informacin que
falta puede ser completada.
Sustituir los datos por valores
estimados

41
 Los datos en el Anlisis Multivariable
Anlisis inicial de datos

Es fundamental inspeccionar:

Histogramas de cada variable

Representaciones grficas Grficos de dispersin
para el anlisis de datos Grfico de cajas ( Boxplot)

Tablas Tablas de frecuencia

Tablas de contingencia

Deteccin de outliers Estudiar los casos atpicos

42
 Los datos en el Anlisis Multivariable
Anlisis inicial de datos

Es fundamental inspeccionar:

Normalidad de las variables

Supuestos Linealidad ( existencia de
subyacentes en asociaciones lineales entre
los mtodos variables)
multivariables Homocedasticidad
(Varianza de los errores es
constante)

43
Las tcnicas del Anlisis Multivariable

Tipologa de las tcnicas

De anlisis de la dependencia
De anlisis de la interdependencia
Otras tcnicas

44
 Las tcnicas del Anlisis Multivariable
Tcnicas aplicables cuando una o varias
De anlisis de la variables dependientes van a ser explica-
dependencia das por un conjunto de variables indepen-
dientes que actan como predictoras

Tcnicas que otorgan la misma

De anlisis de la consideracin a todas las variables objeto
de estudio, sin distinguir entre dependien-
interdependencia tes e independientes, y que tienen como
fin descubrir las interrelaciones entre ellas.
Son tcnicas de clasificacin.
Tcnicas novedosas que permiten un
Otras tcnicas tratamiento ms eficaz y eficiente en
grandes cantidades de datos, como
anlisis con redes neuronales, data
mining.
45
 Tcnicas de anlisis de la dependencia
Tcnica Variable Variables
dependiente independientes
Anlisis de la varianza y la Mtrica No mtricas
covarianza
Anlisis discriminante No mtrica Mtricas
Regresin lineal mltiple Mtrica Mtricas
dem con variables ficticias Mtrica No mtricas
Modelos de eleccin discreta No mtrica Mtricas
dem con variables ficticias No mtrica No mtricas
Anlisis conjunto Mtrica o no No mtricas
mtrica
Segmentacin Jerrquica No mtrica o No mtricas
mtrica
Anlisis de ecuaciones estructurales Mtrica Mtricas o no mtricas
Anlisis con clases latentes No mtrica latente No mtricas observables
46
 Terminologa
Variable ficticia
Variable binaria que se suele emplear para representar una
categora de una variable no mtrica.

Variable mtrica (o cuantitativa)

Variable medida en escala de intervalo o de razn, capaz de
reflejar, por tanto, diferencias de grado o cantidad entre sus
elementos. La diferencia entre dos elementos consecutivos es
constante a lo largo de toda la escala.

Variable no mtrica (o cualitativa)

Variable medida en escala nominal u ordinal que identifica
categoras o propiedades. Si es ordinal, los nmeros asignados
a cada categora guardan una relacin de orden; pero, por lo
dems, son simples etiquetas sin ningn otro significado.

47
ANOVA (o anlisis de la varianza)

Mtodo para contrastar si diversas muestras proceden

de poblaciones con igual media.

ANCOVA (o anlisis de la covarianza)

Proceso que comienza por emplear la regresin para

eliminar la variacin experimentada por la variable
dependiente producida por una variable independiente
no controlada (covariable) cuyos efectos se consideran
indeseados, y sigue con un ANOVA sobre la variable
dependiente ajustada.

48
Anlisis discriminante

Tcnica de clasificacin que permite agrupar a los elementos

de una muestra en dos o ms categoras diferentes,
predefinidas en una variable dependiente no mtrica, en
funcin de una serie de variables independientes mtricas
combinadas linealmente.
Regresin lineal mltiple
Tcnica que pretende determinar la combinacin lineal de
variables independientes cuyos cambios son los mejores
predictores de los cambios experimentados por la variable
dependiente. Todas las variables que intervienen en la
regresin son mtricas, aunque admite la posibilidad de
trabajar con variables independientes no mtricas si se
emplean variables ficticias para su transformacin en
variables dami. 49
Modelo logit
Modelo de eleccin discreta en el que la funcin de
distribucin de probabilidad de la variable perturbacin
es la funcin logstica.

Modelo logit multinomial

Modelo logit en el que la variable dependiente es
politmica en lugar de dicotmica.

Modelo probit
Modelo de eleccin discreta en el que la funcin de
distribucin de probabilidad de b, variable perturbacin
es la funcin normal.

50
Anlisis conjunto
Tcnica que se emplea para entender cmo conforman
los individuos sus preferencias hacia los objetos,
normalmente marcas o productos.

Segmentacin jerrquica
Tcnica de anlisis de la dependencia que tiene por
objeto distinguir grupos de elementos homogneos en
una poblacin a travs de un proceso iterativo
descendente de particin de la muestra total en
sucesivos grupos en virtud del valor adoptado por la
variable dependiente, el cual es funcin de los valores
presentados por las variables independientes.

51
Anlisis con clases latentes
Tcnica que busca distinguir en una muestra grupos de
elementos homogneos en funcin de los valores que
adopta una variable latente no mtrica. Tales valores
son las categoras de esa variable, las cuales reciben el
nombre de clases latentes.

Anlisis con ecuaciones estructurales (o anlisis de

estructuras de covarianzas)
Tcnica que permite analizar varias relaciones de
dependencia que se presentan simultneamente.

52
Tcnicas de anlisis de la interdependencia

Se incluyen en esta categora las siguientes: el

anlisis factorial y por componentes principales, el
anlisis de correspondencias, el anlisis de
conglomerados, el escalamiento multidimensional y el
anlisis con clases latentes.
En el cuadro siguiente se observan algunas
caractersticas diferenciadoras entre ellas, como son
el tipo de variables que permiten manejar y qu clase
de elementos componen los grupos que resultan de la
aplicacin de cada una.

53
Tcnicas de anlisis de la interdependencia.

Tcnica Variable Forma grupos de

Anlisis factorial y por Mtrica Variables
componentes principales
Anlisis de No mtrica Categoras de variables
correspondencias
Anlisis de conglomerados Mtrica y no Objetos
mtrica
Escalamiento Mtrica y no Objetos
multidimensional mtrica
Anlisis con clases latentes No mtricas Objetos y categoras de
variables

54
Anlisis factorial
Tcnica de anlisis de la interdependencia presentada por un cierto
nmero de variables susceptible de ser sintetizada en un conjunto de
factores comunes que subyacen tras ella. Dichos factores pueden ser
comunes (captan la variabilidad compartida por todas las variables), o
especficos (captan la variabilidad propia de cada variable, sin relacin
con las dems).

Anlisis por componentes principales

Tcnica de anlisis de la interdependencia presentada por un cierto
nmero de variables susceptible de ser sintetizada en un conjunto de
factores comunes que subyacen tras ella. Dichos factores o
componentes buscan explicar la mayor proporcin posible de la
variabilidad total, lo que quiere decir que, a diferencia de lo que ocurre
en anlisis factorial. no existen factores especficos.

55
Anlisis de correspondencias
Tcnica basada en el estudio de la asociacin entre las
categoras de mltiples variables no mtricas, que
persigue la elaboracin de un mapa perceptual que ponga
de manifiesto dicha asociacin en modo grfico.

Anlisis de conglomerados (o anlisis cluster)

Tcnica cuyo fin es clasificar sujetos u objetos en funcin
de ciertas caractersticas de
modo que los elementos de cada grupo sean muy
similares entre s.

56
Escalamiento multidimensional
Tcnica cuyo fin es elaborar una representacin grfica
que permita conocer la imagen que los individuos se
crean de un conjunto de objetos por posicionamiento de
cada uno en relacin a los dems.

Anlisis con clases latentes

Tcnica que busca distinguir en una muestra grupos de
elementos homogneos en funcin de los valores que
adopta una variable latente no mtrica. Tales valores son
las categoras de esa variable, las cuales reciben el
nombre de clases latentes.

57
 Otras tcnicas

Eleccin multicriterio discreta

Conjunto de mtodos de ayuda en la resolucin de problemas de
decisin en los que se han de tener en cuenta diferentes puntos de vista
o criterios y en los que se baraja un nmero finito de alternativas.

Data mining (o minera de datos o extraccin de datos)

Proceso mediante el cual se explora y analiza un gran volumen de datos
con el fin de descubrir relaciones, reglas o patrones de comportamiento
en ellos que sean de utilidad para el usuario en la toma de decisiones.

Anlisis con redes neuronales

Tcnica cuya forma de proceder pretende replicar el funcionamiento del
cerebro humano, intentando aprender de los errores cometidos en aras
de la consecucin del mejor resultado posible.

58
 La eleccin de una tcnica concreta

A la luz de lo expuesto en este apartado se deduce que la eleccin

de una determinada tcnica de anlisis multivariable pasa por dar
respuesta previa a preguntas como

Sigue un fin predictivo o clasificatorio?

Se puede distinguir entre variables dependiente e
independientes?
Cuntas variables dependientes hay?
Qu tipo de escalas de medida presentan las
variables?
Estas se distribuyen normalmente?

59
 TECNICAS DE ANLISIS DE LA DEPENDENCIA

VARIABLE INDEPENDIENTE

Mtrica No mtrica

VARIABLE DEPENDIENTE VARIABLE DEPENDIENTE

Mtrica No mtrica Mtrica No mtrica

Simple Mltiple Simple Mltiple

Anlisis Anlisis Modelo de

Regresin ANOVA, MANOVA
con ecuaciones Discriminante eleccin discreta
Lineal mltiple ANCOVA MANCOCA
estructurales Modelos de con variable
Anlisis conjunto Anlisis con
Eleccin discreta Ficticias
Segmentacin Ecuaciones Anlisis conjunto
Jerrquica estructurales Segmentacin
Regresin lineal
Jerrquica
con variable
Anlisis con
ficticias
Clases latentes

60
 TCNICAS DE ANLISIS DE LA INTERDEPENCIA

VARIABLES

Mtricas No mtrica

Anlisis factorial Anlisis de correspondencias

Anlisis por componentes principales Anlisis de conglomerados
Anlisis de conglomerados Escalamiento multidimensional
Escalamiento multidimensional Anlisis con clase latentes

OTRAS TCNICAS

Eleccin multicriterio discreta

Redes neuronales
Data mining

61
 Tcnicas a estudiar
De anlisis de la dependencia
Anlisis de varianza de En SPSS
un factor men Analizar/Comparar Medias

Regresin lineal simple De anlisis de la dependencia

En SPSS
men Analizar/Regresin

Regresin lineal mltiple De anlisis de la dependencia

En SPSS
men Analizar/Regresin
De anlisis de la dependencia
Regresin logstica
En SPSS
men Analizar/Regresin/Logstica

De anlisis de la interdependencia
Anlisis Factorial En SPSS
men Analizar/Reduccin de datos
62
Anlisis de Varianza de un factor

El anlisis ANOVA de un factor

Datos y supuestos
Prueba de homogeneidad de Varianzas.
Comparaciones post-hoc
Prueba no parmetrica H de Kruskal-Wallis

63
 Anlisis de Varianza
Anlisis de varianza de un factor
El anlisis ANOVA de un factor es una generalizacin de la prueba
T para dos muestras independientes al caso de diseos con ms
de dos muestras.
Sirve para comparar varios grupos en una variable cuantitativa.

Variable Independiente (VI)

Variable Dependiente (VD)
o factor

Variable categrica
Variable cuantitativa en la que
(Nominal u ordinal)
se desea comparar los grupos
que define los grupos

64
 Anlisis de varianza de un factor
Datos. Los valores de la variable de factor deben ser
enteros y la variable dependiente debe ser cuantitativa
(nivel de medida de intervalo).

Supuestos. Cada grupo es una muestra aleatoria

independiente procedente de una poblacin normal. El
anlisis de varianza es robusto a las desviaciones de la
normalidad, aunque los datos debern ser simtricos.
Los grupos deben proceder de poblaciones con
varianzas iguales. Para contrastar este supuesto, utilice
la prueba de Levene de homogeneidad de varianzas.

65
Anlisis de varianza de un factor
La hiptesis que se pone a prueba en el ANOVA de un
factor es que las medias poblacionales ( las medias de la
VD en cada nivel de la VI) son iguales.

H 0 : 1 2 3 ... n
Si las medias poblacionales son iguales, eso significa que
los grupos no difieren en la VD y que, en consecuencia, la
VI o factor es independiente de la VD.

El procedimiento para poner a prueba la Ho consiste en obtener

un estadstico, llamado F, que refleja el grado de parecido
existente entre las medias que se estn comparando.
2 2
1 n Y
F
2 2
2 S j 66
 Anlisis de varianza de un factor
El numerador del estadstico F es una
estimacin de la varianza poblacional
basada en la variabilidad existente
2 2
1 n Y
entre las medias de cada grupo
F
2 2 El denominador del estadstico F es
2 S j una estimacin de la varianza
poblacional, basada en la variabilidad
existente dentro de cada grupo ( j se
refiere a los distintos grupos o niveles
del factor)

Si las medias poblacionales son iguales, las medias muestrales de los diferentes
grupos sern parecidas, existiendo entre ellas tan slo diferencias atribuibles al
2
azar. En ese caso, la estimacin ( basada en las diferencias entre las
1 2
medias muestrales) reflejar el mismo grado de variacin que la estimacin
2
basada en las diferencias entre las puntuaciones individuales dentro de
cada grupo) y el cuociente F tomar un valor prximo a 1
67
Anlisis de varianza de un factor
2
Por el contrario, si las medias muestrales son distintas, la estimacin
2 1
reflejar mayor grado de variacin que la estimacin , en cuyo
2
caso el cuociente F tomar un valor mayor que 1. Cuanto ms
diferentes sean las medias muestrales, mayor ser el valor de F.

2 2 Si las poblaciones muestreadas

1 n Y son normales y sus varianzas
F iguales, el estadstico F se
2 2
distribuye segn el modelo de
2 S j
probabilidad F de Fisher
Snedecor

Los grados de libertad del numerador son el nmero de

grupos menos 1;los del denominador el nmero total de
observaciones menos el nmero de grupos.
68
 Anlisis de varianza de un factor

Ejemplo: ANOVA de un factor

Consideremos el archivo de Datos de empleados

Variable dependiente: Salario actual (salario)

Factor: Categora laboral (catlab)
Descriptivos

Salario actual

Des viacin
N Media tpica Mnimo Mximo
Adminis trativo 363 $27,838.54 $7,567.995 $15,750 $80,000
Seguridad 27 $30,938.89 $2,114.616 $24,300 $35,250
Directivo 84 $63,977.80 $18,244.776 $34,410 $135,000
Total 474 $34,419.57 $17,075.661 $15,750 $135,000

69
Anlisis de varianza de un factor
ANOVA

Salario actual
Suma de
cuadrados gl Media cuadrtica F Sig.
Inter-grupos 89438483925,9 2 44719241962,971 434,481 ,000
Intra-grupos 48478011510,4 471 102925714,459
Total 137916495436 473

La tabla ANOVA muestra el resultado del estadstico F ( cuociente entre

dos estimadores diferentes de la varianza poblacional. Uno de los
estimadores se obtiene a partir de la variacin existente entre las medias
de los grupos (variacin Inter-grupos). El otro estimador se obtiene a
partir de la variacin existente entre las puntuaciones dentro de cada
grupo (variacin Intra-grupos)

La tabla ofrece una cuantificacin de ambas fuentes de variacin (Suma

de cuadrados), los grados de libertad asociados a cada suma de
cuadrados (gl) y el valor concreto que adopta cada estimador de la
varianza poblacional (medias cuadrticas, que se obtienen dividiendo
las sumas de cuadrados entre sus correspondientes grados de libertad)
70
Anlisis de varianza de un factor
ANOVA

Salario actual
Suma de
cuadrados gl Media cuadrtica F Sig.
Inter-grupos 89438483925,9 2 44719241962,971 434,481 ,000
Intra-grupos 48478011510,4 471 102925714,459
Total 137916495436 473

El cuociente entre las dos medias

Puesto que el nivel
cuadrticas (la inter-grupos y la
crtico (Sig=0,000)
intra-grupos) proporciona el valor
es menor que 0,05,
del estadstico F, el cual aparece
debe rechazarse la
acompaado de su correspondiente
hiptesis de
nivel de significacin observado
igualdad de medias
(Sig)

Puede concluirse que las poblaciones definidas por la variable

catlab no poseen el mismo salario medio: hay al menos una
poblacin cuyo salario medio difiere del de al menos otra.
71
 Anlisis de varianza de un factor

Prueba de homogeneidad de las varianzas

El estadstico F del ANOVA de un factor se basa en el cumplimiento

de dos supuestos fundamentales:
normalidad y homocedasticidad

Normalidad significa que la variable Homocedasticidad o

dependiente se distribuye normalmente igualdad de varianzas
en la J poblaciones muestreadas significa que la J
(tantas como grupos definidos por la poblaciones muestreadas
variable factor); si los tamaos de los poseen la misma varianza;
grupos son grandes, el estadstico F se con grupos de distinto,
comporta razonablemente bien incluso tamao el incumplimiento
con distribuciones poblacionales de este supuesto debe ser
sensiblemente alejadas de la cuidadosamente vigilado.
normalidad
72
 Prueba de homogeneidad de las varianzas.
Prueba de Levene

La prueba de Levene permite contrastar el supuesto de homogeneidad

de varianzas, es decir permite contrastar la hiptesis de que los grupos
definidos por la variable factor proceden de poblaciones con las misma
varianza
Prueba de homogeneidad de varianzas

Salario actual
Estads tico
de Levene gl1 gl2 Sig.
59,733 2 471 ,000

La tabla contiene el estadstico de Levene. Puesto que el nivel crtico es

menor que 0,05, se debe rechazar la hiptesis de igualdad de varianzas
y concluir, que en las poblaciones definidas por las tres categoras
laborales, las varianzas de la variable salario no son iguales.

73
 Pruebas robustas de igualdad de las medias

Salario actual
a
Estads tico gl1 gl2 Sig.
Welch 162,200 2 117,312 ,000
Brown-Forsythe 306,810 2 93,906 ,000
a. Dis tribuidos en F asintticamente.

El estadstico de Welch y el de Brown-Forsythe contrasta

la igualdad de las medias de grupo. Este estadstico es
preferible al estadstico F cuando no se puede mantener
el supuesto de igualdad de varianzas.
Puesto que el nivel crtico asociado a ambos estadsticos
es menor que 0,05, se puede rechazar la hiptesis de
igualdad de medias y concluir que los promedios
salariales de las poblaciones no son iguales

74
 Comparaciones post-hoc

El estadstico F del ANOVA nicamente permite

contrastar la hiptesis general de que los J promedios
comparados son iguales. Rechazar esa hiptesis
significa que las medias poblacionales comparadas no
son iguales, pero no permite precisar dnde en concreto
se encuentran las diferencias detectadas.

Para saber qu media difiere de qu otra se debe utilizar

un tipo particular de contrastes denominados
comparaciones mltiples post-hoc

Asumiendo varianzas iguales

Existen varios mtodos , el ms utilizado es la opcin Tukey

75
 No asumiendo varianzas iguales

Existen varios mtodos , el ms utilizado es la opcin Games -Howell

En nuestro ejemplo por la prueba de Levene, no podemos
asumir que las varianzas poblacionales sean iguales por tanto
debe prestarse atencin a la opcin de Games- Howell
Comparaciones mltiples

Variable dependiente: Salario actual

Games-Howell

Intervalo de confianza al 95%

Diferencia de Lmite
(I) Categora laboral (J) Categora laboral medias (I-J) Error tpico Sig. Lmite inferior s uperior
Adminis trativo Seguridad -$3,100.349* $568.679 ,000 -$4,454.82 -$1,745.88
Directivo -$36,139.258* $2,029.912 ,000 -$40,977.01 -$31,301.51
Seguridad Adminis trativo $3,100.349* $568.679 ,000 $1,745.88 $4,454.82
Directivo -$33,038.909* $2,031.840 ,000 -$37,881.37 -$28,196.45
Directivo Adminis trativo $36,139.258* $2,029.912 ,000 $31,301.51 $40,977.01
Seguridad $33,038.909* $2,031.840 ,000 $28,196.45 $37,881.37
*. La diferencia entre las medias es significativa al nivel .05.

Puede concluirse que todos los promedios comparados

difieren significativamente.
76
 Anlisis no paramtrico
Prueba de H de Kruskal-Wallis
La prueba de Mann- Whitney para dos muestras independientes
fue extendida al caso de ms de dos muestras por Kruskal y Wallis
(1952). La situacin experimental que permite resolver esta prueba
es similar a la estudiada a propsito del ANOVA de un factor
completamente aleatorizado: J muestras son aleatoria e
independientemente extradas de J poblaciones para averiguar si
las J poblaciones son idnticas o alguna de ellas presenta
promedios mayores que otra.
Las ventajas fundamentales de esta prueba frente al estadstico F del
ANOVA de un factor son dos:
(1) no necesita establecer supuestos sobre las poblaciones originales
tan exigentes como los del estadstico F (normalidad,
homocedasticidad); y
(2) permite trabajar con datos ordinales.
Si se cumplen los supuestos en los que se basa el estadstico F, la
potencia de ste es mayor que la que es posible alcanzar con el
estadstico H de Kruskal- Wallis. 77
Ejemplo:
Pruebas no paramtricas /Varias muestras independientes
H de Kruskal-Wallis
Rangos Estadsticos de contrastea, b
Rango Salario actual
Categora laboral N promedio Chi-cuadrado 207,679
Salario actual Adminis trativo 363 190,37 gl 2
Seguridad 27 278,98 Sig. asintt. ,000
Directivo 84 427,85 a. Prueba de Kruskal-Wallis
Total 474 b. Variable de agrupacin: Categora laboral

La primera tabla ofrece el tamao de cada grupo (N) y los rangos

promedios resultantes de la asignacin de rangos a las
puntuaciones de los tres grupos.
En la segunda tabla, puesto que el nivel crtico es menor que 0,05,
se puede rechazar la hiptesis de igualdad de medias
poblacionales y concluir que las poblaciones comparadas difieren
en salario actual.
78
 Anlisis de regresin lineal

Anlisis de regresin lineal simple

Anlisis de regresin lineal mltiple

79
 Anlisis de regresin lineal simple

Anlisis de regresin con dos variables: Algunas ideas bsicas

Concepto de funcin de regresin poblacional
Significado del trmino lineal
Especificacin estocstica de la FRP
Funcin de regresin muestral (FRM)

Anlisis de regresin con dos variables: problema de estimacin.

Mtodo de Mnimos cuadrados ordinarios (MCO)
Modelo clsico: Supuestos detrs del mtodo MCO
Precisin o errores estndar de MCO
Propiedades de los estimadores de MCO
Coeficiente de determinacin r2:una medida de bondad de ajuste
Coeficiente de correlacin muestral y propiedades de r
Interpretacin de la pendiente

80
 Anlisis de regresin lineal simple

Modelo clsico de regresin lineal normal (MCRLN)

Regresin con dos variables: estimacin de intervalos
y pruebas de hiptesis.
Intervalos de confianza
Pruebas t
Aplicacin problemas de prediccin
Prediccin del valor de la media condicional
Prediccin de un valor individual

Formas funcionales de los modelos de regresin

Modelo log-lineal
Modelos semilogaritmicos

81
 Anlisis de regresin lineal simple

Algunas ideas bsicas

El anlisis de regresin se relaciona en gran

medida con la estimacin y/o prediccin de la
media (de la poblacin) o valor promedio de la
variable dependiente, con base en los valores
conocidos o fijos de las variables explicativas.

Consideremos los datos de la tabla siguiente, la que se

refiere a la poblacin total de 60 familias de una
comunidad hipottica, as como a su ingreso semanal (X)
y a su gasto de consumo semanal (Y), dados en dlares.

82
 Algunas ideas bsicas
Tabla 1
Gastos de consumo familiar semanal Y,$. Ingreso familiar semanal X,$
Y\X 80 100 120 140 160 180 200 220 240 260
55 65 79 80 102 110 120 135 137 150
60 70 84 93 107 115 136 137 145 152
65 74 90 95 110 120 140 140 155 175
70 80 94 103 116 130 144 152 165 178
75 85 98 108 118 135 145 157 175 180
88 113 125 140 160 185
115 162 191
Total 325 462 445 707 678 750 685 1043 777 1211
Medias 65 77 89 101 113 125 137 149 155 173

Las 60 familias se dividen en 10 grupos de ingresos

(de $80 a $260). Se tienen 10 valores fijos de X y los
correspondientes valores de Y para cada uno de los valores X;
as que hay 10 subpoblaciones Y
83
Algunas ideas bsicas

A estos valores medios se les

Se tienen 10 valores denomina valores esperados
condicionales, en vista de que
medios para las 10 dependen de los valores
subpoblaciones de Y. dados a la variable condicional
X. Se denota por E(Y/X)

Resulta importante distinguir dichos valores condicionales

esperados del valor esperado incondicional del gasto de
consumo semanal, E(Y).

E(Y)=7272/60=121,2
Es incondicional en el sentido de que para obtener esta cifra
se omiten los niveles de ingresos de las diversas familias

84
Algunas ideas bsicas
Cul es el valor esperado del gasto de consumo semanal
de una familia?

La media incondicional: $121,20

Cul es el valor esperado del gasto de consumo semanal

de una familia cuyo ingreso mensual es, digamos, $140?

La media condicional: $101

Saber el nivel de ingreso nos permite predecir mejor

el valor medio del gasto de consumo

85
Algunas ideas bsicas
Se puede observar en l grfico de dispersin, al unir las
medias condicionales la recta de regresin poblacional (RRP).
( o regresin de Y sobre X).
El adjetivo poblacional se debe al hecho de que en este
ejemplo se consider una poblacin de 60 familias.
Grfico de dispersin
Gasto de consumo v/s Ingreso
200

180
A pesar de la
160
variabilidad del
gasto para cada
140
ingreso, en
120
promedio el
100
consumo semanal
80
se incrementa en
60 la misma medida
40
0 20 40 60 80 100 120 140 160 180 200 220 240 260 280
que el ingreso
Ingreso semanal
86
 Curva de regresin poblacional
Desde el punto de vista geomtrico, una curva de
regresin poblacional es simplemente el lugar geomtrico
de las medias condicionales de la variable dependiente para los
valores fijos de la (s) variables explicativa(s).

Es la curva que conecta las

medias de las
subpoblaciones de Y que
corresponden a los valores
del regresor X

87
Concepto de funcin de regresin poblacional (FRP)
Es claro que cada media condicional E(Y/Xi) es funcin de Xi,
donde Xi es un valor dado de X.
E(Y/Xi)=f(Xi) (1)
y f(Xi) denota alguna funcin de la variable explicativa X.

Qu forma toma la funcin f(Xi)?

En una situacin real no tenemos la totalidad de la poblacin
para efectuar el anlisis.
La forma funcional de la FRP es, una pregunta emprica, aunque
en casos especficos la teora puede tener algo que decir. Por
ejemplo, un economista podra plantear que el gasto de
consumo est relacionado linealmente con el ingreso.

Por tanto, como una primera aproximacin podemos suponer

que la FRP es una funcin lineal de Xi
E (Y / X i ) 1 2 X i
88
 Ecuacin de regresin poblacional FRP

Ecuacin de
E (Y / X i ) 1 2 X i regresin (2)
poblacional FRP

Donde 1 y 2 son parmetros no conocidos pero

fijos que se denominan coeficientes de regresin.

En el anlisis de regresin el inters es estimar la FRP,

es decir estimar los valores de 1 y 2 no
conocidos con base en las observaciones de Y y X

89
 Significado del trmino lineal
Linealidad en las variables
Se dice que una funcin Y=f(X) es lineal en X si X aparece
elevado a una potencia o ndice de 1 solamente y dicha variable
no est multiplicada ni dividida por alguna otra variable

E (Y / X i ) 1 2 X ies lineal en Xi.

Geomtricamente la curva de regresin es una lnea recta

Linealidad en los parmetros

Se dice que una funcin es lineal en el parmetro, 1 por ejemplo
si 1 aparece elevado a una potencia o ndice de 1 solamente y
no est multiplicado ni dividido por ningn otro parmetro.
E (Y / X i ) 1 2 X i2 Es lineal en los parmetros pero no
es lineal en la variable X
90
 Especificacin estocstica de la FRP

Qu podemos decir sobre la relacin entre el gasto de

consumo de una familia individual y un nivel dado de ingresos?
Se observa en la figura , que dado el nivel de ingresos de Xi, el
gasto de consumo de una familia individual est agrupado alrededor
del consumo promedio de todas las familias en ese nivel de Xi, esto
es, alrededor de su esperanza condicional. Por consiguiente,
podemos expresar la desviacin de un Yi individual alrededor de su
valor esperado de la siguiente manera:

ui Yi E (Y / X i ) o Yi E (Y / X i ) ui (3)

Donde la desviacin ui es una variable aleatoria no observable

que toma valores positivos o negativos. Tcnicamente , ui es
conocida como perturbacin estocstica o trmino de error
estocstico.
91
 Especificacin estocstica de la FRP

Se puede decir que el gasto de una familia individual,

dado su nivel de ingresos, puede ser expresado como la
suma de dos componentes

Yi E (Y / X i ) ui (4)

La media del gasto Componente aleatorio .

de consumo de todas Es un sustituto para todas
las familias con el aquellas variables que son
mismo nivel de omitidas del modelo pero que
ingresos. colectivamente afectan a Y
92
 Especificacin estocstica de la FRP

Si se supone que E (Y / X i ) es lineal en Xi como en la ec (2)

la ecuacin (3) puede escribirse como

Yi E (Y / X i ) ui 1 2 X i ui (5)

La ecuacin plantea que el gasto de consumo de una familia

est relacionado linealmente con su ingreso, ms el trmino de
perturbacin. As los gastos de consumo individual, dado
X=US$80, pueden ser expresados como

Y1 55 1 2 80 u2
Y2 60 1 2 80 u2
Y3 65 1 2 80 u3
Y4 70 1 2 80 u4
Y5 75 1 2 80 u5
93
 Especificacin estocstica de la FRP
Ahora, si se toma el valor esperado de (5), obtenemos

Yi E (Y / X i ) ui (5)
E (Yi / X i ) E E (Y / X i ) E (ui / X i )
E (Y/X i ) E (ui / X i )
Puesto que E (Yi / X i ) es lo mismo que E (Y / X i )

Implica que E (ui / X i ) 0 (6)

As, el supuesto de que la recta de regresin pasa a travs de las

medias condicionales de Y implica que los valores de la media
condicional de ui son cero.
94
 Especificacin estocstica de la FRP

La especificacin estocstica

Yi E (Y / X i ) ui 1 2 X i ui (7)

Tiene la ventaja que muestra claramente otras variables adems del

ingreso, que afectan el gasto de consumo y que un gasto de
consumo de familias individuales no puede ser explicado en su
totalidad solamente por la(s) variable(s) incluida(s) en el modelo de
regresin.

95
 Funcin de regresin muestral (FRM)
En la prctica lo que se tiene al alcance no es ms que una
muestra de valores de Y que corresponden a algunos valores fijos
de X. Por consiguiente la labor ahora es estimar la FRP con base
en informacin muestral.
Supngase que no se conoca la poblacin de la tabla 1 y que la
nica informacin que se tena era una muestra de valores de Y
seleccionada aleatoriamente para valores dados de X tal como se
presenta en la tabla 2 Y X
70 80
De la muestra de la tabla 2, 65 100
90 120
se puede predecir el gasto de 95 140
consumo semanal promedio Y para 110 160
la poblacin correspondiente a los 115 180
120 200
valores de X seleccionados? 140 220
155 240
Se puede estimar la forma FRP a 150 260
partir de la informacin muestral? Tabla 2 Primera muestra 96
 Funcin de regresin muestral (FRM)
Consideremos otra muestra tomada de la poblacin de la tabla 1.
Las rectas de la figura se conocen como rectas de regresin
muestral. En general, se podran obtener N FRM diferentes para N
muestras diferentes y estas FRM no necesariamente son iguales

Y X
55 80
88 100
90 120
80 140
118 160
120 180
145 200
135 220
145 240
175 260

Tabla 3 Segunda muestra

97
 Ahora, en forma anloga a la FRP en la cual se basa la recta de
regresin poblacional, se puede desarrollar el concepto de funcin
de regresin muestral.
La contraparte muestral de (1) puede escribirse como

Yi 1 2 X i
Donde Es la contraparte de
Yi estimador de E(Y/X) E (Y / X i ) 1 2 X i

1 estimador de 1

2 estimador de 2
Un estimador, conocido tambin como estadstico (muestral) es
simplemente una regla, o mtodo que dice cmo estimar el
parmetro poblacional a partir de la informacin suministrada por la
muestra disponible. Un valor numrico particular obtenido por el
estimador en una aplicacin es conocido como estimado.
98
 Funcin de regresin muestral (FRM)
en su forma estocstica
La FRM en su forma estocstica se puede
expresar como

Yi 1 2 X i i (8)

Donde i denota el trmino residual (muestral)
Conceptualmente es anlogo a ui y puede ser considerado
como un estimado de ui

El objetivo principal en el anlisis de regresin

es estimar la FRP
Yi 1 2 X i i

Con base en la FRM Yi 1 2 X i i

99
 Rectas de regresin muestral y poblacional

Debido a fluctuaciones muestrales el estimado de la FRP basado

en FRM es, en el mejor de los casos, una aproximacin.
100
 Rectas de regresin muestral y poblacional

Para X=Xi, se tiene una observacin muestral Y=Yi. En trminos de

la FRM, la Yi observada puede ser expresada como

Yi Yi i

Y en trminos de la FRP, puede ser expresada como

Yi E (Y / X i ) i

Dado que la FRM es apenas una aproximacin de la FRP, se

puede disear un mtodo que haga que esta aproximacin
sea lo ms ajustada posible?

101
 Funcin de regresin simple:
problema de estimacin
La tarea consiste en estimar la funcin de regresin
poblacional (FRP) con base en la funcin de regresin
muestral (FRM) en la forma ms precisa posible.
Los dos mtodos de estimacin que suelen utilizarse
son:
1) Los mnimos cuadrados ordinarios (MCO)
2) La mxima verosimilitud (MV).

El mtodo de MCO es el que ms se emplea en el

anlisis de regresin por ser en gran medida ms
intuitivo y matemticamente ms simple.
102
 Mtodo de mnimos cuadrados ordinarios (MCO)
El mtodo MCO se atribuye a Carl Friedrich Gauss un matemtico
alemn. Bajo ciertos supuestos el mtodo tiene algunas
propiedades estadsticas muy atractivas que lo han convertido en
uno de los ms eficaces y populares del anlisis de regresin.

Primero se estima ui Yi 1 2 X i (9)

que muestra que los residuos son simplemente las

diferencias entre los valores observados y los
estimados de Y.
Ahora, dados n pares de observaciones de Y y X, se
est interesado en determinar la FRM de tal manera
que est lo ms cerca posible a la Y observada.
103
 Mtodo de mnimos cuadrados ordinarios (MCO)
Con este fin se puede adoptar el siguiente criterio: seleccionar
la FRM de tal manera que la suma de los residuos :



sea la menor posible. i i
u Y Y i

Este criterio, no es muy bueno

porque a todos los residuos se les
da la misma importancia sin
considerar qu tan cerca o qu
tan dispersas estn las
observaciones individuales de la
FRM. Debido a lo anterior, es muy
posible que la suma algebraica de
los residuos sea pequea (aun

cero) a pesar de que las u estn
i
bastante dispersas alrededor de
FRM.
104
Valores ajustados y residuos

105
 Mtodo de mnimos cuadrados ordinarios (MCO)

Se puede evitar este problema si se adopta el criterio de

mnimos cuadrados, el cual establece que la FRM puede
determinarse en forma tal que

2 2

2



i i i 1 2 i
u Y Y i Y X (10)

sea la menor posible. Este mtodo da ms peso a los residuos

tales como u1 y u4 que a los residuos u 2 y u3

El procedimiento de MCO genera las siguientes ecuaciones

para estimar 1 y 2 donde n es el tamao de la muestra

106
 Mtodo de mnimos cuadrados ordinarios (MCO)

Y n X
i 1 2 i Ecuaciones
normales
Y X X X
i i 1 i 2 i
2

Resolviendo las ecuaciones normales simultneamente se obtiene

2
xy i i

1 Y - 2 X
Estimadores
x 2
i
de mnimos
cuadrados

107
 Modelo clsico de regresin lineal:
supuestos detrs del mtodo MCO

El modelo de Gauss, modelo clsico o estndar de regresin

lineal (MCRL) el cual es el cimiento de la mayor parte de la
teora economtrica, plantea 10 supuestos.

Supuesto 1: Modelo de regresin lineal

El modelo de regresin es lineal en los parmetros
Yi 1 2 X i i modelo simple

Supuesto 2: Los valores de X son fijos en muestreo

repetido.
Significa que el anlisis de regresin es un anlisis de
regresin condicional, esto es, condicionado a los valores
dados del (los) regresor X.
108
Supuesto 3: El valor medio de la perturbacin ui es igual
a cero.
Dado el valor de X, el valor esperado del trmino aleatorio de
perturbacin ui es cero.
E (ui / X i ) 0

Ntese que el supuesto

E(ui/Xi)=0 implica que

E (Y / X i ) 1 2 X i

109
Supuesto 4: Homocedasticidad o igual varianza de ui.
Dado el valor de X, la varianza de ui es la misma para todas
las observaciones, es decir, las varianzas condicionales de ui
son idnticas.
var( ui / Xi) 2

Homocedasticidad Heterocedasticidad
110
Supuesto 5: No existe auto correlacin entre las
perturbaciones.
Dados dos valores cualquiera de X, Xi y Xj , la correlacin entre
dos ui y uj es cero.
cov( ui, uj / Xi, X j ) 0

111
Supuesto 6: La covarianza entre ui y Xi es cero o E(uiXi)=0

cov( ui, X i ) 0

Supuesto 7: El nmero de observaciones n debe ser mayor

que el nmero de parmetros por estimar.

Supuesto 8: Variabilidad en los valores de X.

No todos los valores de X en una muestra dada deben ser
iguales.
var( X ) 0

Recordar que la varianza muestral de X es

var( X )
X i X
2

n 1
112
Supuesto 9: El modelo de regresin est correctamente
especificado.

Supuesto 10:No hay multicolinealidad perfecta.

No hay relaciones perfectamente lineales entre las variables
explicativas.
113
 Precisin o errores estndar de los mnimos
cuadrados estimados
Lo que se requiere es alguna medida de confiabilidad o precisin

de los estimadores 1 y 2 . En estadstica la precisin de un
valor estimado es medida por su error estndar (ee). Los errores
estndar de los MCO estimados pueden obtenerse de la siguiente
manera
2
var( 2 ) ee( 2 ) (11)
x 2
i x 2
i

Nota: El error estndar es la desviacin estndar de la distribucin

muestral del estimador, y la distribucin muestral es una distribucin
del conjunto de valores del estimador obtenidos de todas las
muestras posibles de igual tamao de una poblacin dada.
114
Precisin o errores estndar de los mnimos
cuadrados estimados
Nota: 2 es estimada mediante la frmula

Suma de residuos

2

u 2
i
al cuadrado (SRC)
(12)
n2 Nmero de
grados de libertad

Donde 2 es el estimador de MCO de la verdadera 2

.
El trmino nmero de grados de libertad significa el nmero
total de observaciones n menos el nmero de restricciones
puestas en ellas.

115
 Error estndar de la regresin

u 2
i (13)
n2

Es la desviacin estndar de los valores de Y

alrededor de la recta de regresin estimada, la cual
es utilizada como una medida resumen de la
bondad del ajuste de dicha recta

116
 Propiedades de los estimadores de mnimos
cuadrados: Teorema de Gauss-Markov

Dados los supuestos del modelo de regresin lineal

clsica, los estimativos de mnimos cuadrados
poseen propiedades ideales u ptimas, las cuales se
encuentran resumidas en el teorema de Gauss
Markov

Un estimador 2 de MCO es el mejor estimador
lineal insesgado (MELI) de 2 si:

1. Es lineal, es decir, una funcin lineal de una

variable aleatoria tal como la variable dependiente Y
en el modelo de regresin.
117
 Propiedades de los estimadores de mnimos
cuadrados: Teorema de Gauss-Markov

2. Es insesgado, es decir, su valor promedio o

esperado, E ( 2 ) es igual al valor verdadero, E ( )
2 2

3. Tiene varianza mnima entre la clase de todos los

estimadores lineales insesgados; a un estimador
insesgado con varianza mnima se le conoce como
estimador eficiente

118
 Teorema de Gauss-Markov

En el contexto del anlisis de regresin se puede demostrar

que los estimadores de MCO son MELI

Teorema de Gauss-Markov: Dados los supuestos

del modelo clsico de regresin lineal, los
estimadores de mnimos cuadrados, en la clase
de estimadores lineales insesgados, tienen
varianza mnima; es decir son MELI

119
 Coeficiente de determinacin r2
Una medida de la bondad del ajuste

La cantidad r2 se conoce como coeficiente de

determinacin (muestral) y es la medida ms
frecuente utilizada de la bondad del ajuste de
una recta de regresin.

Mide la proporcin o el porcentaje de la variacin

total en Y explicada por el modelo de regresin

120
 Coeficiente de determinacin r2

Para calcular r2 , para cada i se escribe:

yi yi i
Elevando la expresin al cuadrado en ambos lados y
sumando sobre la muestra, se obtiene

(14)

puesto que yi ui 0 y y i 2 xi

121
 Coeficiente de determinacin r2
Las diversas sumas de cuadrados que aparecen en la expresin
anterior pueden describirse de la manera siguiente

Y Y
2
y 2
i i (STC)

variacin total de los valores reales de y con respecto a su media

muestral, los cuales pueden ser llamados suma total de cuadrados
(STC)
2

2
2

y i Yi Y Y Y 2 xi
2 2
(SEC)

variacin de los valores Y estimados alrededor de su media Y Y

que apropiadamente puede llamarse la suma de los cuadrados
debida a la regresin [es decir, debida a la(s) variable(s)
explicativa(s)], o explicada por sta, o simplemente la suma
explicada de cuadrados (SEC).
122
 Coeficiente de determinacin r2

u
2 la variacin residual o no explicada
i (SRC) de los valores de Y alrededor de la
recta de regresin, o simplemente
la suma de residuos al cuadrado
As, (14) es
(SRC).
STC = SEC + SRC

123
 Coeficiente de determinacin r2

muestra que la variacin total en

los valores Y observados STC = SEC + SRC
alrededor del valor de su media
puede ser dividida en dos partes,
una atribuible a la recta de
regresin y la otra a fuerzas
aleatorias, puesto que no todas
las observaciones Y caen sobre
la recta ajustada. Ahora
dividiendo por la STS en ambos
lados, se obtiene

2

2
Ahora, se define r como Y i Y
r2 SEC

Yi Y STC
2

124
 Coeficiente de determinacin r2

O en forma alterna
2

r 1
2 u i
1
SRC Coeficiente de
(15) determinacin
Y
2
i Y STC

La cantidad r2 as definida se conoce como el coeficiente de

determinacin (muestral) y es la medida ms frecuentemente
utilizada de la bondad del ajuste de una recta de regresin

r2 mide la proporcin o el porcentaje de la variacin total

en Y explicada por el modelo de regresin.

125
 Coeficiente de correlacin muestral

Una cantidad estrechamente relacionada con r 2 pero

conceptualmente muy diferente de sta es el coeficiente de
correlacin, el cual, es una medida del grado de asociacin entre
dos variables. Puede ser calculado a partir de

r r 2
O a partir de su definicin

r
xy

x y
n xi yi
n x x n y y
i i i i

x y
2
i
2
i
i
2
i
2
i
2
i
2

(16)
126
 Propiedades de r
Puede tener signo positivo o negativo, dependiendo del signo del
trmino en el numerador de (16), el cual mide la covariacin muestral
de dos variables.
Cae entre los lmites de -1 y 1
Es simtrico por naturaleza; es decir, el coeficiente de correlacin
entre X y Y (rxy) es el mismo que entre Y y X (ryx).
Es independiente del origen y de la escala
Si X y Y son estadsticamente independientes, el coeficiente de
correlacin entre ellos es cero; pero si r = O, esto no significa que las
dos variables sean independientes. En otras palabras, una
correlacin igual a cero no necesariamente implica independencia.
Es una medida de asociacin lineal o dependencia lineal
solamente; su uso en la descripcin de relaciones no lineales no
tiene significado. 127
Coeficiente de correlacin muestral

128
 Interpretacin de la pendiente:

Puesto que el coeficiente de la pendiente es

simplemente la tasa de cambio, se mide en
las unidades de la siguientes proporcin

unidades de la variabl e dependient e (Y)

unidades de la variable explicativ a (X)

La interpretacin del coeficiente de la pendiente

2 es que si X cambia en una unidad , la Y
cambia en promedio en 2 unidades

129
Ejemplo; Gasto de consumo familiar e ingreso familiar

Considerando una muestra de una poblacin donde X representa

ingreso familiar por semana e Y gastos de consumo familiar por
semana, se obtienen los siguientes clculos
Y X

70 80
1 24,4545 se( 1 ) 6,4138
65 100

90 120
95 140 2 0,5091 se( 2 ) 0,0357
110 160
115 180
120 200 r 2 0,9621 r 0,9809
140 220
155 240
150 260
Por tanto la lnea de regresin estimada es

Yi 24,4545 0,5091X i

130
Ejemplo; Gasto de consumo familiar e ingreso familiar
Resultados en SPSS

Resumen del modelo

R cuadrado Error tp. de la

Modelo R R cuadrado corregida estimacin
1 ,981 a ,962 ,957 6,493
a. Variables predictoras : (Constante), X

Coeficientesa

Coeficientes
Coeficientes no estandarizad
estandarizados os
Modelo B Error tp. Beta t Sig.
1 (Cons tante) 24,455 6,414 3,813 ,005
X ,509 ,036 ,981 14,243 ,000
a. Variable dependiente: Y

131
Ejemplo; Gasto de consumo familiar e ingreso familiar
Interpretacin:

El valor de 1 0,5091 que mide la pendiente de la lnea, muestra que
dentro del rango de la muestra de X comprendido entre $80 y $260
semanales, a medida que X aumenta, digamos en $1, el aumento
estimado en el promedio de gastos de consumo semanales es de

aproximadamente 51 centavos. El valor de 24,45 , el cual
1

corresponde a la interseccin de la lnea, indica el nivel promedio de

los gastos de consumo semanales cuando el ingreso semanal es
cero. No obstante, esta es una interpretacin mecnica de la
interseccin. En el anlisis de regresin esta interpretacin literal del
intercepto no es siempre significativa, aunque en el ejemplo que
estamos considerando se puede argumentar que una familia sin
ingreso alguno( ya sea por desempleo, despido, etc.) puede
mantener algn nivel mnimo de gastos de consumo, ya sea
tomando dinero prestado o utilizando sus ahorros.
132
Ejemplo; Gasto de consumo familiar e ingreso familiar
Sin embargo en general, se debe apelar al sentido comn para
interpretar la interseccin puesto que es muy comn que el rango
que ha tomado la muestra de valores de X no haya incluido el
valor cero como uno de los valores observados.
Quiz sea mejor interpretar la interseccin como el efecto medio
o promedio que tienen todas las variables omitidas del modelo de
regresin sobre el valor de Y. El valor de 0,9621 para r cuadrado
significa que cerca del 96% de la variacin en los gastos de
consumo semanales se explica por la variable ingreso; puesto
que r cuadrado puede tener un valor mximo de 1 solamente, el r
cuadrado observado sugiere que la lnea de regresin muestral
se ajusta muy bien a la informacin. El coeficiente de correlacin
de 0,9809 muestra que las dos variables, gastos de consumo e
ingreso, estn muy positivamente correlacionadas.

133
 Ejemplo: Salario y educacin

De la poblacin de trabajadores en 1976, sea y = sala, en la que

sala se mide, en dlares por hora. As, para una persona
cualquiera, si sala = 6.75, el salario por hora es de 6.75 dlares.
Sea x = educ los aos de escolaridad; por ejemplo, educ = 12
corresponde a la educacin preparatoria completa. Puesto que el
salario promedio de la muestra es de 5.90 dlares, el ndice de
precios al consumidor indica que esta suma es equivalente a 16.64
dlares de 1997.
Con los datos de SALA 1.RAW, en los que n = 526 individuos,
obtenemos la siguiente lnea de regresin de MCO (o funcin de
regresin muestra!):

sala 0.90 0.54 educ.

134
Ejemplo: Salario y educacin
Debemos interpretar con cuidado la ecuacin. La intercepcin -
0.90 significa literalmente que una persona sin instruccin
recibe un salario pronosticado de -90 centavos de dlar por
hora, lo que, desde luego, es una tontera. Resulta que ningn
miembro de la muestra tiene menos de ocho aos de
educacin, lo que explica el pronstico descabellado de una
escolaridad de 0 aos.
Para una persona con ocho aos de escolaridad, el salario
pronosticado es

sala = -0.90 + 0.54(8) = 3.42, o 3.42 dlares por hora

(en dlares de 1976).

La estimacin de la pendiente implica que un ao ms de

educacin aumenta el salario promedio en 54 centavos de
dlar por hora.
135
 Ejemplo: Resultados electorales y gastos de campaa

El archivo VOTE 1.RAW contiene datos sobre los resultados

electorales y los gastos de campaa de 173 contiendas
bipartidistas para la Cmara de los Representantes
estadounidense en 1988.
En cada contienda hay dos candidatos, A y B.
Sea votoA el porcentaje de los votos recibidos por el
candidato A y partA el porcentaje de participacin de los
gastos de su campaa, ambos en el total correspondiente.
Adems de partA, muchos otros factores influyen en los
resultados electorales (entre ellos la calidad de los
candidatos y posiblemente las sumas gastadas por A y B).
No obstante, podemos estimar un modelo de regresin
simple para averiguar si gastar ms que el contrario produce
un porcentaje mayor en la votacin.
136
 Ejemplo: Resultados electorales y gastos de campaa
La ecuacin estimada con las 173 observaciones es
votoA = 40.90 + 0.306 partA.

Esto significa que, si la participacin de los gastos del

candidato A aumenta un punto porcentual, ste casi obtiene
un tercio de punto porcentual ms de R la2 votacin total.
En la ecuacin de los resultados electorales = 0.505.
As, la participacin en los gastos de campaa explica algo
ms de 50 por ciento de la variacin en los resultados de
esta muestra, lo cual es una proporcin bastante
considerable.

137
 El supuesto de normalidad: El modelo clsico de
regresin lineal normal

Recordemos que con los supuestos vistos anteriormente los

estimadores de MCO 1 , 2 , 2 satisfacan diferentes propiedades
estadsticas muy deseables, tales como insesgamiento y varianza
mnima . Si nuestro objetivo es nicamente la estimacin puntual el
mtodo de MCO ser suficiente, sin embargo la estimacin puntual
es slo la formulacin de un aspecto de la inferencia estadstica.

Nuestro inters no consiste solamente en estimar la funcin muestral

de regresin (FRM), sino tambin en utilizarla para obtener inferencias
respecto a la funcin de regresin poblacional (FRP).

138
 El supuesto de normalidad: El modelo clsico de
regresin lineal normal

La regresin lineal normal clsica supone que cada ui,

est normalmente distribuida con

Media : E(ui ) 0
Eui E (ui ) E (ui2 ) 2
2
Varianza :
Cov(ui , u j ) :
E ui E (ui ) u j E (u j ) E (ui u j ) 0 i j

Estos supuestos pueden expresarse en forma ms compacta como

ui ~ N(0, 2 )

139
El supuesto de normalidad

La regresin lineal normal clsica supone que la distribucin

probablistica de ui es normal.
La suposicin de normalidad permite utilizar las pruebas
estadsticas t, F,2

Consideremos el ejemplo consumo e ingreso.

Yi 24,4545 0,5091X i

Obtuvimos que la PMC estimada es de 0,5091,

correspondiente a una sola estimacin puntual de la PMC de
la poblacional desconocida.
Qu tan confiable es esta estimacin?.
Debido a fluctuaciones muestrales, es posible que una sola
estimacin difiera del valor verdadero, aunque en un muestreo
repetido se espera que su valor medio sea igual al valor

verdadero E ( 2 ) 2
140
 Estimacin de intervalos

Ahora, en estadstica, la confiabilidad de un estimador

puntual se mide por su error estndar. Por consiguiente,
en lugar de depender de un solo estimador puntual, se
puede construir un intervalos alrededor del estimador
puntual, por ejemplo, dentro de dos o tres errores
estndar a cada lado del estimador puntual, tal que este
intervalo tenga, digamos, 95% de probabilidad de incluir
el verdadero valor del parmetro. Esta es la idea bsica
de la estimacin de intervalos.

141
 Estimacin de intervalos

Consideremos el ejemplo hipottico consumo-ingreso. La ecuacin

Yi 24,4545 0,5091X i
muestra que la propensin marginal a consumir (PMC) estimada es
0,5091, la cual constituye una nica estimacin (puntual) de la PMC
poblacional desconocida 2 que es un (punto) estimado de la
poblacin desconocida PMC 2 .

Qu tan confiable es esta estimacin?

Debido a las fluctuaciones muestrales, es probable que una sola
estimacin difiera del valor verdadero, aunque en un muestreo
repetido se espera que el valor de su media sea igual al valor

verdadero (Nota: E ( ) )
2 2

142
 Estimacin de intervalos
Ahora, en estadstica, la confiabilidad de un estimador puntual se
mide por su error estndar. Por consiguiente, en lugar de depender
de un solo estimador puntual, se puede construir un intervalo
alrededor del estimador puntual, por ejemplo, dentro de dos o tres
errores estndar a cada lado del estimador puntual, tal que este
intervalo tenga, digamos, 95% de probabilidad de incluir el verdadero
valor del parmetro. sta es, a grandes rasgos, la idea bsica de la
estimacin de intervalos.
Para ser ms especfico, supngase que se desea encontrar qu tan"

cerca" est por ejemplo, 2 de 2

Con este fin, tratamos de encontrar dos nmeros positivos, y , este

ltimo situado entre 0 y 1, tal que la probabilidad de que el intervalo


aleatorio 2 - , 2 - contenga el verdadero 2 sea 1 - .

143
 Estimacin de intervalos

Simblicamente


Pr 2 - 2 2 1

Tal intervalo, si existe, se conoce como intervalo de confianza;
a 1 - se le denomina coeficiente de confianza; y (0 < < 1)
se conoce como el nivel de significancia.
Los puntos extremos del intervalo de confianza se conocen como
lmites de confianza (tambin denominados valores crticos),

siendo 2 - el lmite de confianza inferior y 2
el lmite de confianza superior.
Obsrvese que en la prctica y 1 - son expresados
frecuentemente en forma porcentual como 100 y 100(1 - )%.

144
Intervalos de confianza para los
coeficientes de regresin 1 y 2

Intervalo de confianza de 100(1-) por ciento para

- t /2 se ( )

Al regresar a nuestro ejemplo ilustrativo de consumo e ingreso

encontramos que

2 0,5091 se( 2 ) 0,0357

Si suponemos que que =5%, es decir un coeficiente de

confianza del 95% entonces la tabla t muestra que para 8 gl, el t
crtico es t 0,025 2.306

145
 Intervalos de confianza para los
coeficientes de regresin 1 y 2

Al sustituir esos valores se obtiene que el intervalo de confianza

del 95% para 2 es el siguiente:

0,4268 2 0,5914

La interpretacin de este intervalo de confianza es: dado un

coeficiente de confianza del 95%, a largo plazo, en 95 de cada cien
casos, intervalos como (0,4268 ; 0,5914) contendrn el verdadero
2 .
Como se advirti antes, obsrvese que no se puede decir que la
probabilidad de que el intervalo especfico (0,4268 ; 0,5914)
contenga el verdadero 2 . de 95% porque este intervalo es ahora fijo
y no aleatorio;por consiguiente 2 se encontrar o no dentro de l.

146
 Intervalos de confianza para los
coeficientes de regresin 1 y 2

Para el ejemplo consumo-ingreso, el intervalo de confianza para

1 al 95% es:
9,6643 1 39,2448
Utilizando


- t /2 se ( )

Se tiene 24,4545 - 2,306(6,4138)

Se debe ser cauteloso al interpretar el intervalo de confianza

( 9,6643; 39,2448). A largo plazo, en 95 de cada 100 casos, intervalos
como ( 9,6643; 39,2448) contendrn el verdadero 1; la probabilidad de
que este intervalo fijo incluya el verdadero 1 es 1 o 0
147
 Prueba de hiptesis. Prueba t

La idea fundamental detrs de las pruebas de significancia consiste

en utilizar un estadstico de prueba ( estimador).
Bajo el supuesto de normalidad la variable

1 1
t

se( 1 )

sigue la distribucin t con N-2 grados de libertad. Si el valor

verdadero de 1 se especifica en la hiptesis nula, el valor t puede
calcularse fcilmente a partir de la muestra disponible, pudiendo
servir por tanto como estadstico de prueba

148
Prueba de hiptesis. Prueba t
Consideremos nuevamente el ejemplo de
consumo -ingreso. Sabemos que

1 0,5091 se( 1 ) 0,0357

Si Ho: 1=0,3 y H1: 10,3

0,5091 0,3
t 5,86
0,0357
Si 5%, , , gl 8 entonces t0, 025 2.306
luego el t calculado es mayor al t de tabla y por lo tanto se rechaza la hiptesis nula

El procedimiento anterior se denomina prueba t. En el lenguaje

de pruebas de significancia, se dice que un estadstico es
estadsticamente significativo si el valor del estadstico de prueba
se encuentra en la regin crtica. En nuestro ejemplo, el
estadstico t es significativo y procedemos a rechazar la hiptesis
nula.
149
 Aplicacin problema de prediccin

Con base en los datos muestrales, se obtuvo la siguiente

regresin muestral.

Yi 24,4545 0,5091X i
Donde Yt es el estimador del verdadero E (Yi ) correspondiente
a X dada. Qu uso se puede dar a esta regresin histrica?
Uno es predecir o pronosticar el gasto de consumo futuro Y
correspondiente a algn nivel dado de ingreso X.
Ahora, hay dos clases de predicciones:
1) la prediccin del valor de la media condicional de Y
correspondiente a un valor escogido X, por ejemplo, que es el
punto sobre la recta de regresin poblacional misma, y
2) prediccin de un valor individual Y correspondiente a X 0 .
Se llamarn estas dos predicciones de prediccin media y la
prediccin individual. 150
 Aplicacin problema de prediccin
Supngase que Xo = 100 y se desea predecir
E(Y I Xo = 100). Ahora, puede demostrarse que la regresin
histrica
Yi 24,4545 0,5091X i
proporciona la estimacin puntual de esta prediccin media de la
siguiente forma:
Y0 1 2 X 0
24.4545 0.5091(100) 75.3645

Donde Y0 = estimador de E(Y I Xo). Puede demostrarse que este
predictor puntual es el mejor estimador lineal e insesgado (MELI).

Puesto que Y0 es un estimador, es probable que ste sea diferente
de su verdadero valor. La diferencia entre los dos valores dar
alguna idea sobre el error de prediccin o de pronstico.
151
 Aplicacin problema de prediccin

se demuestra que en la ecuacin Y0 1 2 X 0

Y0 est normalmente distribuida con media 1 2 X 0 y con una
varianza dada por la siguiente frmula:
var(Y0 )

2 1 X X
0 2

2

n
xi

Al reemplazar 2 desconocida por su estimador insesgado se

cumple que la variable
Y 0 1 2 X 0
t
ee(Y 0 )
sigue una distribucin t con n - 2 g de l. La distribucin t
puede ser utilizada por consiguiente para construir intervalos
de confianza para el verdadero E(Yo I Xo) y para hacer
pruebas de hiptesis acerca de tal valor de la manera usual,
a saber,

1 2 X 0 - t / 2 ee(Y 0 )

152
 Aplicacin problema de prediccin
Para los datos del ejemplo (tabla 3.3 anexo 1)

1 100 1702
var(Y0 ) 42.159 10.4759
10 33000

y ee(Y0 ) 3.2366

Por consiguiente, el intervalo de confianza al 95% para el

verdadero E (Y / X 0 ) 1 2 X 0

es 67.9010 E (Y / X 100) 82.8381

Por tanto, dada X0 =100, en muestreo repetido, en 95 de cada 100

intervalos como el anterior estar incluido el verdadero valor medio;
la mejor estimacin del verdadero valor medio es, por supuesto, la
estimacin puntual 75.3645
153
 Prediccin individual
Si nuestro inters est en predecir un valor individual Y, Y0
correspondiente a un valor dado X, digamos X0, entonces el mejor
estimador lineal insesgado de Y0 est dado tambin por

Y0 1 2 X 0
(17)
24.4545 0.5091(100) 75.3645
Pero su varianza es la siguiente
1 X X
2
var(Y0 Y 0 ) E (Y0 Y 0 ) 1 0 2
2
2

(18)
n
xi

Puede demostrarse adems que Y0 tambin sigue una distribucin
normal con media

y varianza dadas por (17) y (18), respectivamente.
Sustituyendo 2 desconocida por 2 se cumple que

Y0 Y0
t tambin sigue una distribucin t
ee(Y0 Y0 )

154
 Prediccin individual
Por consiguiente, la distribucin t puede utilizarse para hacer
inferencia sobre la verdadera Yo. Al continuar con nuestro ejemplo
consumo-ingreso, se ve que la prediccin puntual de Yo es
75.3645, igual a Y y su varianza es 52.6349. Por consiguiente, el
0
intervalo de confianza al 95% para Yo correspondiente a Xo =100
es
(58.6345 Y0 / X 0 100) 92.0945)

Comparando este intervalo con

67.9010 E (Y / X 100) 82.8381

Se ve que el intervalo de confianza para el Y0 individual es ms

amplio que el intervalo para el valor medio de Y0

155
Intervalos de confianza para Y media y
para valores individuales de Y

156
Formas funcionales de los modelos de regresin

Consideremos algunos modelos de regresin que

pueden ser no lineales en las variables pero que son
lineales en los parmetros o que pueden serIo
mediante transformaciones apropiadas de las
variables.

En particular, consideremos los modelos de regresin:

1. El modelo log-lineal
2. Modelos semilogartmicos

157
Cmo medir la elasticidad: Modelo Log-Lineal

Considrese el siguiente modelo, conocido como el

modelo de regresin exponencial:
2 i
Yi 1 X i e
El cual puede ser expresado alternativamente

ln Yi ln 1 2 ln X i i
Si escribimos como

ln Yi 2 ln X i i
Donde ln 1 este modelo es lineal en los parmetros y 2
y lineal en los logaritmos de las variables Y y X y puede ser
estimado por regresin MCO
158
Cmo medir la elasticidad: Modelo Log-Lineal

Una caracterstica importante del modelo log-Iog, que

lo ha hecho muy popular en el trabajo emprico, es
que el coeficiente de la pendiente 2 mide la
elasticidad de Y con respecto a X, es decir, el cambio
porcentual en Y ante un pequeo cambio porcentual
en X dado. As, si Yrepresenta la cantidad
demandada de un bien y X su precio unitario, 2 mide
la elasticidad-precio de la demanda, un parmetro de
gran inters en economa.

159
Modelo de elasticidad constante
Si la relacin entre la cantidad demandada y el precio es como
se muestra en la figura (a ) la transformacin doble-Iog
presentada en la figura ( b) dar entonces la estimacin de la
elasticidad-precio (-2 )
lnY

ln de cantidad demandada
Y
Yi 1 X i 2 e i
ln Y ln 1 2 ln X i
Cantidad demandada

lnX
Precio X Ln del Precio

160
Ejemplo
Gasto en bienes duraderos respecto al gasto de
consumo personal total

Consideremos datos sobre el gasto de consumo personal total

(GCPERT), el gasto en bienes duraderos (GASBD), el gasto en
bienes perecederos (GASBPER) y el gasto en servicios
(GASERV), todos medidos en millones de dlares de 1992.
(tabla 6.3-Anexo 1)

Su pngase que se desea calcular la elasticidad del gasto en

bienes durables respecto al gasto de consumo personal total. Al
graficar el logaritmo del gasto en bienes durables en comparacin
con el logaritmo del gasto de consumo personal total, se observar
que la relacin entre las dos variables es lineal. Por tanto, el
modelo del doble logaritmo podra resultar adecuado. Los
resultados de la regresin son:
161
 In GASBD = -9.6971 + 1.9056 In GCPERT,
ee = (0.4341) (0.0514)
t = (-22.3370)* (37.0962)* r = 0.9849

donde * indica que el valor p es extremadamente pequeo.

Todos estos resultados muestran que la elasticidad de GASBD

respecto a GCPERT es de casi 1.90, lo que sugiere que si el gasto
personal total aumenta 1 %, en promedio, el gasto en bienes
duraderos se incrementa casi 1.90%. En consecuencia, el gasto en
bienes duraderos es muy sensible a los cambios en el gasto de
consumo personal. sta es una razn por la que los productores de
bienes duraderos siguen muy de cerca los cambios en el ingreso
personal y el gasto de consumo personal.

162
Ejemplo: Salario y ventas
Podemos estimar un modelo de elasticidad constante que relacione
el salario del director ejecutivo con las ventas de la empresa. Sea
vtas las ventas anuales de la compaa, medidas en millones de
dlares. Un modelo de elasticidad constante es
ln sala 0 1 ln vtas u
en el que es la elasticidad de sala en relacin con vtas. Este
modelo se encuentra entre los de regresin simple, al definir la
variable dependiente como y = log(sala) y la independiente como
x = log(vtas). La estimacin de esta ecuacin mediante MCO da
ln sala 4.822 0.257 ln vtas
n 209, R 2 0.211.
El coeficiente de ln(vtas) es la elasticidad estimada de sala con
respecto a vtas. Implica que un incremento de uno por ciento en
las ventas de la compaa aumenta el salario del director ejecutivo
en alrededor de 0.257 por ciento, que es la interpretacin usual de
elasticidad. 163
Cmo medir la tasa de crecimiento: Modelo Log-Lin

Los economistas, la gente de negocios y los gobiernos

frecuentemente estn interesados en encontrar la tasa de
crecimiento de ciertas variables econmicas. tales como
poblacin, PNB, oferta monetaria, empleo, productividad, dficit
comercial. etc.
Supngase que se desea saber la tasa de crecimiento del gasto
de consumo personal en servicios.
Sea Y, el gasto real en servicios en el tiempo t, y Yo el valor inicial
del gasto en servicios.
Recordemos la muy conocida frmula del inters compuesto, vista
en los cursos bsicos de economa.

Yi Y0 (1 r) t (1)
Donde r es la tasa de inters compuesta de Y

164
Cmo medir la tasa de crecimiento: Modelo Log-Lin
Tomando el logaritmo natural, podemos escribir

ln Yi ln Y0 t ln(1 r) (2)
Ahora sea 1 lnY 0 2 ln(1 r)

Se puede escribir (2) as

ln Yi 1 2 t (3)
Agregando el trmino de perturbacin, se obtiene
ln Yi 1 2 t i (4)
Este modelo es igual a cualquier otro modelo de regresin
lineal en el sentido de que los parmetros 1 y 2 son lineales.
La nica diferencia es que la variable dependiente o regresada
es el logaritmo de Y y el regresor o variable explicativa es el
"tiempo", que adquiere valores de 1 ,2,3, etc.
165
 Cmo medir la tasa de crecimiento: Modelo Log-Lin

Modelos como ln Yi 1 2 t i
se denominan modelos semilog porque solamente una variable (en
este caso la regresada) aparece en forma logartmica.
Para fines descriptivos, un modelo en el cual la variable regresada
es logartmica se denominar modelo log-lin.

En este modelo el coeficiente de la pendiente mide el

cambio proporcional constante o relativo en Y para un
cambio absoluto dado en el valor del regresor (en este
caso la variable t ), es decir;

cambio relativo en Y
2
cambio absoluto en X
166
Cmo medir la tasa de crecimiento: Modelo Log-Lin

Si se multiplica el cambio relativo en Y por 100, 2 nos dar

entonces el cambio porcentual, o la tasa de crecimiento, en Y
ocasionada por un cambio absoluto en X, el regresor.
Es decir, 100 por 2 da como resultado la tasa de crecimiento en Y;
100 por 2 se conoce en la literatura como la semielasticidad de Y
respecto a X.

167
 Cmo medir la tasa de crecimiento: Modelo Log-Lin

Ejemplo: Para ilustrar el modelo de crecimiento

ln Yi 1 2 t i
consideremos los datos sobre el gasto en servicios
proporcionados en (tabla 6.3-Anexo 1). Los resultados
de la regresin son los siguientes:
ln GES T = 7.7890 + 0.00743t
ee = (0.0023) (0.00017)
t = (3.387.619)* (44.2826)* r2 = 0.9894

Nota: GES significa gasto en servicios y el asterisco (*)

denota que el valor p es extremadamente pequeo.

168
 Cmo medir la tasa de crecimiento: Modelo Log-Lin
La interpretacin de la ecuacin es
que durante un periodo de un
trimestre, el gasto en servicios se
increment a una tasa (trimestral)
de 0.743%. Aproximadamente esto
es igual a un crecimiento anual de
2.97%. Puesto que
7.7890 = ln(GES) al comienzo del
periodo de anlisis, si se toma su
antilogaritmo se tiene 2.41390
(billones de dlares), como el valor
inicial de GES (es decir, el valor al
final del ltimo trimestre de 1992).
169
Cmo medir la tasa de crecimiento: Modelo Log-Lin
Ejemplo: Salario y educacin
Recuerde el ejemplo del salario y la educacin, en el que hicimos la
regresin del salario por hora sobre los aos de escolaridad.
Obtuvimos una estimacin de la pendiente de 0.54, que significa
que pronosticamos que cada ao adicional de instruccin aumenta
. promedio el salario por hora en 54 centavos de dlar.
en
A causa del carcter lineal de
sala 0.90 0.54 educ.

0, 54 centavos es el incremento tanto para el primer ao como para

el vigsimo, lo que acaso no sea razonable.

Ahora, consideremos ln(sala) como la variable dependiente,

obtenemos la siguiente relacin:
ln sala 0.584 0.083 educ
n 526, R 2 0.186
170
 Cmo medir la tasa de crecimiento: Modelo Log-Lin

El coeficiente de educ tiene una interpretacin porcentual cuando se

multiplica por 100: sala aumenta 8.3 por ciento por cada ao
adicional de escolaridad. Es lo que entienden los economistas
cuando se refieren al "rendimiento de otro ao de estudios".

Es importante recordar que la principal razn para tomar el logaritmo

de sala es imponer un efecto porcentual constante de la educacin
en sala.

La intercepcin no es muy significativa, ya que da el log(sala)

pronosticado cuando educ = 0. La R cuadrada muestra que educ
explica alrededor de 18.6 por ciento de la variacin en log(sala) (que
no es sala).

171
 El modelo Lin-Log
A diferencia del modelo de crecimiento recin
estudiado, en el cual se estaba interesado en
encontrar el crecimiento porcentual en Y, ante un
cambio unitario absoluto en X, ahora hay inters en
encontrar el cambio absoluto en Y debido a un
cambio porcentual en X. Un modelo que puede lograr
este propsito puede escribirse como
Yi 1 2lnX i i
Para fines descriptivos, llamamos a este modelo un
modelo lin-Iog.

172
 El modelo Lin-Log
Interpretacin de la pendiente

cambio en Y cambio en Y
2
cambio en ln X cambio relativo en X

Simblicamente, se tiene Y
2
X / X

En forma equivalente Y 2 X / X

Esta ecuacin plantea que el cambio absoluto en Y

(= Y) es igual a la pendiente multiplicada por el
cambio relativo en X.
173
 El modelo Lin-Log
Si este ltimo es multiplicado por 100 entonces
Y 2 X / X
da el cambio absoluto en Y ocasionado por un cambio porcentual
en X. As, si X/X cambia en 0.01 unidades (o 1%), el cambio
absoluto en Y es 0.01(2).

Por tanto, si en una aplicacin se encuentra que 2 = 500, entonces

el cambio absoluto en Y es (0.01)(500), o 5.0.

Por consiguiente, cuado se utiliza MCO para estimar regresiones

como en
Yi 1 2lnX i i
se debe multiplicar el valor del coeficiente de la pendiente
estimado, 2 por 0.01 o, dividido entre 100.
174
 El modelo Lin-Log
Ejemplo:
Como ejemplo del modelo lin-Iog,
consideremos el gasto alimenticio
en India, (tabla 2.8-Anexo 1). Si se
grafican los datos, se obtiene la
grfica de la figura . Tal y como
esta figura sugiere, el gasto
alimenticio se incrementa en
forma ms lenta, conforme el
gasto total aumenta, lo cual quiz
proporcione sustento a la ley de
Engels.

Nota:Cundo resulta til un modelo lin-log ? Se ha encontrado una

interesante aplicacin en los as conocidos modelos de gasto Engel
[nombrados en honor del estadstico alemn Emst Engel (1821-1896).
Engel postul que "el gasto total que se dedica a los alimentos tiende a
incrementarse en progresin aritmtica, mientras que el gasto total aumenta
en progresin geomtrica. 175
 El modelo Lin-Log
Los resultados de ajustar el modelo lin-Iog a los datos son los
siguientes:

GASAL I = -1 283.912 + 257.2700 ln GASTOTi

t = (-4.3848)* (5.6625)* r2 = 0.3769

Interpretado de la forma antes descrita, el coeficiente de la

pendiente, que vale casi 257, significa que un incremento en el
gasto total en alimentos de 1%, en promedio, propicia un
incremento de casi 2.57 rupias en el gasto en alimento de las 55
familias incluidas en la muestra. (Nota: se dividi el coeficiente
estimado de la pendiente entre 100.)

176
Anlisis de regresin mltiple

Anlisis de regresin mltiple: problema de la estimacin

Notacin y supuestos
Interpretacin de la ecuacin de regresin mltiple
Significado de los coeficientes de regresin parcial
Estimacin MCO de los coeficientes de regresin parcial
El coeficiente de determinacin mltiple R2
El coeficiente de correlacin mltiple R
Anlisis de regresin mltiple: el problema de la inferencia
El supuesto de normalidad
Prueba de hiptesis en regresin mltiple
Prueba t para coeficientes individuales
Prueba F de significacin global
Modelos de regresin con variables dicotmicas
Problemas en el anlisis de regresin
Estimacin ponderada
177
 Anlisis de regresin mltiple
El modelo de dos variables, con frecuencia es
inadecuado en la prctica. Es el caso del ejemplo
consumoingreso, en donde se supuso implcitamente que
solamente el ingreso X afecta el consumo Y. Pero la teora
econmica rara vez es tan simple, ya que, adems del
ingreso, existen muchas otras variables que
probablemente afectan el gasto de consumo.
Por consiguiente, se necesita ampliar el modelo simple de
regresin con dos variables para considerar modelos que
contengan ms de dos variables.
La adicin de variables conduce al anlisis de los modelos
de regresin mltiple, es decir, a modelos en los cuales la
variable dependiente, o regresada, Y, depende de dos o
ms variables explicativas, o regresoras.
178
 Modelo de tres variables

Generalizando la funcin de regresin poblacional (FRP) de

dos variables se puede escribir la FRP de tres variables as:

Yi 1 2 X 2i 3X3i i

donde Y es la variable dependiente, X2 y X3 las variables

explicativas (o regresoras). ui es el trmino de perturbacin
estocstica, e i la isima observacin.
Los coeficientes se denominan coeficientes de regresin parcial

Se contina operando dentro del marco del modelo clsico de

regresin lineal (MCRL).

179
 Modelo de tres variables
Supuestos
Especficamente. se supone lo siguiente
Valor medio de ui, igual a cero
E (ui / X 2i , X 3i ) 0 para cada i

No correlacin serial
cov( ui , u j ) 0 i j
Homocedasticidad
var( ui ) 2
180
 Supuestos
Covarianza entre ui y cada variable X igual a cero

cov( ui , X 2i ) cov( ui , X 3i ) 0

No hay sesgo de especificacin

El modelo est especificado correctamente
No hay colinealidad exacta entre las variables X
No hay relacin lineal exacta entre X2 y X3

Adicionalmente, se supone que el modelo de regresin mltiple

es lineal en los parmetros, que los valores de las regresoras
son fijos en muestreos repetido y que hay suficiente variabilidad
en dichos valores.. 181
 Interpretacin de la ecuacin de regresin mltiple
Dados los supuestos del modelo de regresin clsico, se cumple
que, al tomar la esperanza condicional de Y a ambos lados de
Yi 1 2 X 2i 3X3i i
se obtiene

E (Yi / X 2i , X 3i ) 1 2 X 2i 3X3i
Expresado en palabras, de la expresin anterior se obtiene la media
condicional o el valor esperado de Y condicionado a los valores dados o
fijos de las variables X2 y X3. Por consiguiente, igual que en el caso de
dos variables, el anlisis de regresin mltiple es el anlisis de regresin
condicional, sobre los valores fijos de las variables explicativas, y lo que
obtenemos es el valor promedio o la media de Y, o la respuesta media de
Y a valores dados de las regresoras X.
Nota: Las propiedades de los estimadores MCO del modelo de
regresin mltiples son similares a aquellas del modelo con dos
variables 182
Significado de los coeficientes de regresin parcial

Los coeficientes de regresin 2 y 3 se denominan

coeficientes de regresin parcial.

2 mide el cambio en el valor de la media de Y,

E(Y) por unidad de cambio en X2 permaneciendo X3
constante.
3 mide el cambio en el valor medio de Y, E(Y) por
unidad de cambio en X3 cuando el valor de X2 se
conserva constante.

183
 El coeficiente de determinacin mltiple R2

En el caso de tres variables nos gustara conocer la

proporcin de la variacin en Y explicada por las variables X
y X conjuntamente. La medida que da esta informacin es
conocida como el coeficiente de determinacin mltiple y se
denota por R2;conceptualmente se asemeja a r2.

R 1
2 SRC
1
u 2
i

STC y i
2

R2, al igual que r2, se encuentra entre 0 y 1.

Se dice que el ajuste del modelo es mejor entre ms cerca

est R2 de 1
184
 El coeficiente de correlacin mltiple R

Recurdese que en el caso de dos variables, se

defini r como el coeficiente de correlacin y se
indic que ste mide el grado de asociacin (lineal)
entre las dos variables.
El anlogo de r para tres o ms variables es el
coeficiente de correlacin mltiple, denotado por R, el
cual es una medida del grado de asociacin entre Y y
todas las variables explicativas conjuntamente.
Aun cuando r puede ser positivo o negativo, R
siempre se considera positivo. En la prctica, sin
embargo, R tiene poca importancia. La medida de
mayor significado es R2.

185
Ejemplo: Mortalidad Infantil respecto al PIB
per cpita y a la tasa de alfabetizacin en las mujeres

Consideremos como ejemplo el comportamiento de la mortalidad

infantil (MI) en relacin con el PIB per cpita (PIBPC) y el
alfabetismo femenino medido por la tasa de alfabetizacin en las
mujeres (TAM). A priori. se espera que la TAM tambin ejerza un
impacto negativo en la MI al igual que el PIBPC. cuando se
introducen ambas variables en el modelo, se requiere eliminar la
influencia neta de cada regresora. Es decir. se necesita estimar los
coeficientes de regresin (parcial) de cada regresora. Por lo tanto.
el modelo es:

MI i 1 2 PIBPCi 3TAM i ui

186
Ejemplo: Mortalidad Infantil respecto al PIB
per cpita y a la tasa de alfabetizacin en las mujeres

Tngase en cuenta que MI es el nmero de muertes de nios menores

de 5 aos por cada 1 000 nacimientos vivos. el PIBPC es el PIB per
cpita en 1980 y que la TAM se mide en porcentaje. La muestra se
realiz en 64 pases.
Utilizando un paquete estadstico se obtienen los siguientes resultados:

MI i 263,6416 0,0056 PIBPCi 2,2316TAM i

ee (11,5932) (0,0019)
R 2 0,7077 R 2 0,6981

187
Interpretacin
El coeficiente de regresin parcial -0,0056 del PIBPC indica que
si la influencia de la TAM se mantiene constante, conforme el
PIBPC se incrementa, digamos en un dlar, en promedio, la
mortalidad infantil disminuye en 0.0056 unidades. Para hacerlo
interpretable desde el punto de vista econmico, si el PIB per
cpita se incrementara mil dlares, en promedio, el nmero de
muertes de nios menores de 5 aos se reducira a 5.6 por cada
1000 nacimientos vivos.
El coeficiente -2.2316 seala que si la influencia del PIBPC se
mantiene constante, el nmero de muertes de nios menores de 5
aos disminuira, en promedio, 2.23 por cada mil nacimientos
vivos, en tanto que la tasa de alfabetizacin en las mujeres subira
un punto porcentual. El valor de la interseccin de casi 263, si se
interpretara de una forma mecanicista, significara que si los
valores del PIBPC y de la TAM fuesen cero, la mortalidad infantil
promedio sera de aproximadamente 263 muertes por cada mil
nacimientos vivos. 188
El valor de la interseccin de casi 263, si se interpretara de una
forma mecanicista, significara que si los valores del PIBPC y de la
TAM fuesen cero, la mortalidad infantil promedio sera de
aproximadamente 263 muertes por cada mil nacimientos vivos.
Por supuesto, tal interpretacin debera tomarse con mucho
cuidado.
El valor de R2 de casi 0.71 significa que casi 71 % de la variacin
en la mortalidad infantil se explica mediante el PIBPC y la TAM, lo
cual es un gran porcentaje si se considera que el valor mximo
que puede tener R2 es 1l. De todo lo dicho hasta aqu, los
resultados de la regresin tienen sentido.

189
 Anlisis de regresin mltiple: el problema de la
inferencia
El supuesto de normalidad
Como ya se sabe, si el nico objetivo es la estimacin puntual de
los parmetros de los modelos de regresin, ser suficiente el
mtodo de mnimos cuadrados ordinarios (MCO), el cual no hace
supuestos sobre la distribucin de probabilidad de las
perturbaciones u. Pero si el objetivo no slo es la estimacin sino
adems la inferencia, entonces, como se analiz para el modelo de
regresin simple, se debe suponer que las u siguen alguna
distribucin de probabilidad.
Se supuso que las u seguan la distribucin normal con media cero
y varianza constante. Se mantiene el mismo supuesto para los
modelos de regresin mltiple. Con el supuesto de normalidad , se
halla que los estimadores MCO de los coeficientes de regresin
parcial, son los mejores estimadores lineales insesgados (MELI)..

190
 El supuesto de normalidad
Consideremos nuevamente el ejemplo de la regresin de la
mortalidad infantil (MI) sobre el PIB per cpita (PIBP) y la tasa
de analfabetismo en las mujeres (TAM) para una muestra de
64 pases. Los resultados de la regresin se reproducen a
continuacin.

MI i 263,6416 0,0056 PIBPCi 2,2316TAM i

ee (11,5932) (0,0019)
R 2 0,7077 R 2 0,6981

Qu hay respecto a la significancia estadstica de los

resultados observados? Considrese por ejemplo el coeficiente del
PIBP (-0.0056). Es estadsticamente significativo este coeficiente; es
decir, es estadsticamente diferente de cero? Ambos coeficientes
son estadsticamente significativos?
191
 Prueba de hiptesis sobre coeficientes
individuales de regresin parcial

Bajo el supuesto de que ui ~ N (0, 2 ) entonces, se puede

utilizar la prueba t para demostrar una hiptesis sobre cualquier
coeficiente de regresin parcial individual .
Para ilustrar el procedimiento, considrese la regresin sobre la
mortalidad infantil.
La hiptesis nula establece que, manteniendo X3 constante
(la tasa de alfabetismo en las mujeres), el ingreso personal
disponible no tiene influencia (lineal) sobre el gasto personal de
consumo. Para probar la hiptesis nula, se utiliza la prueba t
donde:
H0 : 2 0 y H1 : 2 0

192
 Prueba de hiptesis sobre coeficientes
individuales de regresin parcial

Para el ejemplo considerado se tiene

0.0056
t 2.8187
0.0020

193
 Prueba de hiptesis sobre coeficientes
individuales de regresin parcial
Puesto que el valor t calculado de 2.8187 (en trminos absolutos)
excede el valor crtico t de 2, se puede rechazar la hiptesis nula de
que el PIBP no tiene ningn efecto sobre la mortalidad infantil. Para
expresarlo en trminos ms positivos, si se mantiene la tasa de
analfabetismo para las mujeres constante, el PIB per cpita tiene un
efecto significativo (negativo) sobre la mortalidad infantil, como se
podra esperar a priori. De forma grfica, la situacin es la que se
muestra en la figura anterior.

En la prctica, no se tiene que suponer un valor particular de para

llevar a cabo la prueba de hiptesis. Uno simplemente utiliza el valor
p dado, que en el caso actual es de 0.0065. La interpretacin de
este valor p (es decir, el nivel exacto de significancia) es que si la
hiptesis nula fuese verdadera, la probabilidad de obtener un valor t
igual a 2.8187 o mayor (en trminos absolutos ) es de slo 0.0065 o
0.65%. que de hecho es una probabilidad pequea, mucho menor
que el valor artificial mente adoptado de = 5%. 194
 Prueba de hiptesis sobre coeficientes
individuales de regresin parcial
Existe una conexin muy estrecha entre la prueba de hiptesis
y la estimacin del intervalo de confianza. Para este ejemplo, el
intervalo de 95% de confianza para es

- t /2 se( )

que para 2 de este ejemplo se convierte en

0.0096 2 0.0016

o sea, el intervalo de -0.0096 a -0.0016 incluye al verdadero

coeficiente 2 con un coeficiente de confianza del 95%. Por tanto,
si 100 muestras de tamao 64 se seleccionan y 100 intervalos de
confianza como el anterior se forman, entonces se espera que 95
de ellos contengan el verdadero parmetro de poblacin 2 .Puesto
que el intervalo no incluye el valor cero de la hiptesis nula, se
puede rechazar tal hiptesis (que el verdadero 2 es cero con 95%
de confianza). 195
 Prueba de la significacin global de la regresin

La prueba t hace referencia a la prueba de significancia

individual de los coeficientes de regresin parcial estimados, es
decir, bajo la hiptesis separada de que cada uno de los
verdaderos coeficientes de regresin parcial de la poblacin era
cero. Pero ahora considrese la siguiente hiptesis:

H 0 : 2 3 0

Esta hiptesis nula es conjunta de que 2 y 3 son iguales a

cero en forma conjunta o simultnea. Una prueba de tal
hiptesis se denomina prueba de significancia global de la recta
de regresin observada o estimada, es decir, si
Y est relacionada o no linealmente con X2 y X3 a la vez..

196
Prueba de la significacin global de la regresin

La significacin global de la regresin se puede probar con la

relacin de la varianza explicada a la varianza no explicada: Esta
sigue una distribucin F con k-1 y n-k grados de libertad, donde n
es el nmero de observaciones y k es el nmero de parmetros
estimados. R 2 /(k 1)
Fk 1, n k
(1 R 2 ) /(n k )

Si la relacin F calculada excede el valor tabulado de F al

nivel especificado de significacin y grados de libertad, se
acepta la hiptesis de que los parmetros de la regresin no
son todos iguales a cero y que R cuadrado es
significativamente diferente de cero.
H 0 : 1 2 3 .... n 0

H1 : No todas las son cero

197
 Modelos de regresin con variables
dicotmicas
En el anlisis de regresin, la variable dependiente o regresada,
est influida frecuentemente no slo por variables de razn de
escala (por ejemplo: ingreso, produccin, precios, costos,
estatura y temperatura), sino tambin por variables que son
esencialmente cualitativas por naturaleza, o de escala nominal
(por ejemplo, sexo, raza, color, religin, nacionalidad, regin
geogrfica, trastornos polticos y afiliacin a un partido).

Por ejemplo, manteniendo los dems factores constantes, se ha

encontrado que las trabajadoras ganan menos que sus colegas
masculinos y que las personas de color ganan menos que las
blancas. Este patrn puede resultar de la discriminacin sexual o
racial, pero cualquiera que sea la razn, las variables cualitativas
tales como sexo y raza s influyen sobre la variable
dependiente y es claro que deben ser incluidas dentro de las
explicativas, o regresoras. 198
 Modelos de regresin con variables
dicotmicas
Puesto que tales variables usualmente indican la presencia o
ausencia de una "cualidad" o atributo, tal como femenino o
masculino, negro o blanco, catlico o no catlico, demcrata o
republicano son variables de escala nominal esencialmente.
Se podran "cuantificar" tales atributos mediante la elaboracin de
variables artificiales que tomaran los valores 0 y 1, donde 1
indicara la presencia (o la posesin) de ese atributo y 0 la
ausencia de tal atributo. Por ejemplo, el 1 puede indicar que una
persona es de sexo masculino y 0 puede designar una de sexo
femenino; o el 1 puede indicar que una persona se ha graduado
en la universidad y 0 que no lo ha hecho y as sucesivamente. Las
variables que adquieren tales valores 0 y 1 se llaman variables
dictomas. Tales variables son, por tanto, esencialmente un
recurso para clasificar datos en categoras mutuamente
excluyentes, como masculino o femenino.
199
 Modelos de regresin con variables
dicotmicas
Las variables ficticias se pueden usar para establecer
cambios en la ordenada en el origen, cambios en la
pendiente y cambios tanto en la ordenada en el origen
como en la pendiente. Y b0 b1 X b2 D u
Y b0 b1 X b2 XD u
Y b0 b1 X b2 D b2 DX u

200
 Modelos de regresin con variables
dicotmicas

Si una variable cualitativa tiene m categoras, slo hay

que agregar (m-1) variables dicotmicas

Ejemplo: Considrese el siguiente modelo:

Yi 1 2 D2i 3 D3i X i ui

donde Y = salario por hora en dlares

X = educacin (aos de escolaridad)
D2 = 1 si es mujer; 0 en otro caso
D3 = 1 si no es blanco y no hispano; 0 en otro caso

201
 Modelos de regresin con variables
dicotmicas

En este modelo el sexo y la raza son regresoras cualitativas y la

escolaridad es cuantitativa. Est implcita en este modelo la
suposicin de que el efecto diferencial de la variable dictoma sexo,
D2, es constante en las dos categoras de raza y el efecto diferencial
de la variable dictoma raza, D3, tambin es constante en los dos
sexos. Es decir, si el salario medio es mayor para los hombres que
para las mujeres, se debe a que pertenezcan o no pertenezcan a la
categora de no hispanos ni blancos. De igual forma, si por ejemplo
los no blancos ni hispanos tienen salarios medios menores, se debe
a que son hombres o mujeres.

202
 Modelos de regresin con variables
dicotmicas
En muchas aplicaciones, dicha suposicin puede ser
insostenible. Una mujer no blanca ni hispana tal vez gane menor
salario que un hombre de esa misma categora. En otras
palabras, quiz haya una interaccin entre las dos variables
cualitativas D2 y D3. Por tanto, su efecto sobre la media quiz
no sea simplemente aditivo, sino multiplicativo, como en el
siguiente modelo:
Yi 1 2 D2i 3 D3i 4 D2i D3i X i ui
de donde
E (Yi / D2i 1, D3i 1, X i ) 1 2 3 4 X i
Que es la funcin salario medio por hora para las trabajadoras
no blancas ni hispanas.

203
 Modelos de regresin con variables
dicotmicas

Obsrvese que
2 = efecto diferencial de ser mujer
3 = efecto diferencial de ser no blanco ni hispano
4 = efecto diferencial de ser mujer no blanca ni hispana
lo cual muestra que el salario medio por hora de las mujeres no
blancas ni hispanas es diferente (en una cantidad igual a 4 ) del
salario medio por hora de las mujeres blancas o hispanas. Si por
ejemplo los tres coeficientes de las variables dictomas son
negativos, implicara que las trabajadoras no blancas ni hispanas
ganan un salario medio por hora mucho ms bajo que las
trabajadoras blancas o hispanas, si se compara con la categora
base, la cual en el ejemplo presente es la de hombres blancos o
hispanos.

204
 Modelos de regresin con variables
dicotmicas
Ejemplo:
Ingresos promedio por hora en comparacin con la escolaridad,
sexo y raza
Los resultados de la regresin basados en el modelo

Yi 1 2 D2i 3 D3i X i ui
donde Y = salario por hora en dlares
X = educacin (aos de escolaridad)
D2 = 1 si es mujer; 0 en otro caso
D3 = 1 si no es blanco y no hispano; 0 en otro caso
son

Y i 0.2610 2.3606 D2i 1.7327 D3i 0.8028 X i
t (0.2357)** (-5.4873)* (-2.1803)* (9.9094)*
R 2 0.2032 n 528
205
 Modelos de regresin con variables
dicotmicas

donde * indica los valores p menores que el 5%, y ** seala los

valores p mayores que 5%.
Los coeficientes diferenciales de la interseccin son
estadsticamente significativos y tienen los signos que se esperaban
y la escolaridad tiene un gran efecto positivo sobre el salario por
hora.
Como lo muestra la ecuacin, ceteris paribus, los ingresos promedio
por hora de las mujeres son inferiores por casi $2.36;adems, los
ingresos promedio por hora de los trabajadores no blancos ni
hispanos tambin son menores por $1.73.

206
 Modelos de regresin con variables
dicotmicas

Ahora consideremos los resultados del modelo

Yi 1 2 D2i 3 D3i 4 D2i D3i X i ui
Que incluye la variable dicotmica de interaccin.

Y i 0.2610 2.3606 D2i 1.7327 D3i 2.1289D2i D3i 0.8028 X i

t (0.2357)** (-5.4873)* (-2.1803)* (1.7420)** (9.9095)**
R 2 0.2032 n 528

donde * indica los valores p menores que el 5%, y ** seala los

valores p mayores que 5%.

Como se observa las dos variables dicotmicas aditivas siguen

siendo estadsticamente significativas, pero la variable dicotmica
interactiva no est al nivel convencional del 5% 207
Si se considera estadsticamente significativa
entonces se interpreta de la siguiente manera. Si se
mantiene constante el nivel de educacin y si se
aaden los tres coeficientes de las variables
dicotmicas entonces se obtendr

-1,964=-2,3605-1,732+2,128

Lo cual significa que los salarios medios por hora de

las trabajadoras no blancas ni hispanas es menor
por casi $1,96, valor que est entre -2,3605
(diferencia slo debida a sexo) y -1,7327 ( diferencia
slo debida a la raza)

208
Problemas en el anlisis de regresin
Multicolinealidad:
Se refiere al caso en el cual dos o ms variables
explicatorias en el modelo de regresin estn altamente
correlacionadas, haciendo difcil o imposible aislar sus
efectos individuales sobre la variable dependiente. Con
multicolinealidad, los coeficientes de MCO estimados
pueden ser estadsticamente insignificantes (y an tener el
signo contrario) aunque R cuadrado puede ser alto. La
multicolinealidad puede ser superada a veces o reducirse
coleccionando ms datos, usando informacin a priori,
transformando la relacin funcional, o reduciendo una de las
variables altamente colineales.

209
 Heteroscedasticidad

Si no se mantiene la suposicin de MCO de que la

varianza del trmino de error es constante para todos los
valores de las variables independientes, enfrentamos el
problema de la heterocedasticidad. Esto conduce a
estimaciones sesgadas e ineficientes (es decir, con
varianza mayor que la mnima) de los errores estndar
( y as pruebas estadsticas incorrectas e intervalos de
confianza tambin incorrectos)

210
Autocorrelacin:
Cuando el trmino de error en un perodo est correlacionado
positivamente con el trmino de error en el perodo anterior,
enfrentamos el problema de autocorrelacin (de primer orden
positiva). Esto es comn en anlisis de series de tiempo.
La presencia de autocorrelacin de primer orden se prueba
utilizando la tabla del estadstico de Durbin- Watson a los
niveles de significacin del 5% o 1% para n observaciones y k,
variables explicatorias

211
 Estimacin ponderada ( MCP- WLS)

Los modelos de regresin lineal tpicos asumen

que la varianza es constante en la poblacin objeto de
estudio. Cuando ste no es el caso (por ejemplo cuando
los casos con puntuaciones mayores en un atributo
muestran ms variabilidad que los casos con
puntuaciones menores en ese atributo), la regresin
lineal mediante mnimos cuadrados ordinarios (MCO,
OLS) deja de proporcionar estimaciones ptimas para el
modelo.

212
 Estimacin ponderada ( MCP- WLS)
Si las diferencias de variabilidad se pueden pronosticar a
partir de otra variable, el procedimiento Estimacin
ponderada permite calcular los coeficientes de un
modelo de regresin lineal mediante mnimos cuadrados
ponderados (MCP, WLS), de forma que se les d mayor
ponderacin a las observaciones ms precisas (es decir,
aqullas con menos variabilidad) al determinar los
coeficientes de regresin.
Ejemplo.
Cules son los efectos de la inflacin y el paro sobre los cambios en
el precio de las acciones? Debido a que los valores con mayor valor de
cotizacin suelen mostrar ms variabilidad que aquellos con menor
valor de cotizacin, la estimacin de mnimos cuadrados ordinarios no
generar estimaciones que sean ptimas. El mtodo de Estimacin
ponderada permite capturar el efecto del precio de cotizacin sobre la
variabilidad de los cambios en el precio, al calcular el modelo lineal. 213
 Estimacin ponderada ( MCP- WLS)

Consideraciones sobre los datos

Datos. Las variables dependiente e independientes deben ser
cuantitativas. Las variables categricas, como la religin, la edad o
el lugar de residencia, han de recodificarse como variables binarias
(dummy) . La variable de ponderacin deber ser cuantitativa y
estar relacionada con la variabilidad de la variable dependiente

Supuestos. Para cada valor de la variable independiente, la

distribucin de la variable dependiente debe ser normal. La relacin
entre la variable dependiente y cada variable independiente debe ser
lineal y todas las observaciones deben ser independientes. La
varianza de la variable dependiente puede cambiar segn los niveles
de la variable o variables independientes, pero las diferencias se
deben poder pronosticar en funcin de la variable de ponderacin.

214
 Regresin Logstica
Consideraciones sobre los datos
Fases fundamentales
Fundamentos Funcin logstica
Clculo de las probabilidades pronosticadas
Interpretacin de los coeficientes
El problema de clasificacin
Estadsticos: Puntuacin de Rao, Chi cuadrado, Wald
Regresin logstica versus anlisis discriminante

215
 Regresin Logstica
La regresin logstica resulta til para los casos en los
que se desea predecir la presencia o ausencia de una
caracterstica o resultado segn los valores de un
conjunto de variables predictoras.
Es similar a un modelo de regresin lineal pero est
adaptado para modelos en los que la variable
dependiente es dicotmica.

Los coeficientes de regresin logstica pueden

utilizarse para estimar la razn de las ventajas (odds
ratio) de cada variable independiente del modelo.
La regresin logstica se puede aplicar a un rango ms
amplio de situaciones de investigacin que el anlisis
discriminante.
216
Regresin logstica: Consideraciones sobre los datos

Datos. La variable dependiente debe ser dicotmica. Las variables

independientes pueden estar a nivel de intervalo o ser categricas; si
son categricas, deben ser variables dummy o estar codificadas como
indicadores (existe una opcin en el procedimiento para recodificar
automticamente las variables categricas).

Supuestos. La regresin logstica no se basa en supuestos

distribucionales en el mismo sentido en que lo hace el anlisis
discriminante. Sin embargo, la solucin puede ser ms estable si los
predictores tienen una distribucin normal multivariante.
Adicionalmente, al igual que con otras formas de regresin, la
multicolinealidad entre los predictores puede llevar a estimaciones
sesgadas y a errores tpicos inflados.
El procedimiento es ms eficaz cuando la pertenencia a grupos es una
variable categrica autntica.
217
 Regresin Logstica
El anlisis de regresin logstica tiene como finalidad principal
pronosticar la pertenencia a un grupo a partir de una serie de
variables independientes.

Grupo 1
Variables independientes Variable dependiente
dicotmica
Grupo 2

Para llevar a cabo un anlisis de regresin logstica binaria es

necesario disponer de una variable categrica que defina dos grupos:
Los clientes que devuelven un crdito y los que no
Los ciudadanos que votan y los que no
Los pacientes que tienen una determinada enfermedad y los que no

218
 Regresin Logstica
Grupo 1
Variables independientes Variable dependiente
o predictoras (covariables) dicotmica
Grupo 2

Las variables en las que La variable dicotmica es la

se supone que se variable dependiente del anlisis,
diferencian los grupos es decir, la variable cuyos
valores se desea pronosticar.

El anlisis de regresin logstica genera una serie de pesos o

coeficientes que:
(1) Informan sobre la capacidad individual de cada variable
independiente para diferenciar entre los grupos.
(2) Permiten obtener pronsticos que sirven para clasificar a los
sujetos
219
 Fases fundamentales
Un anlisis de regresin logstica consta de cuatro fases
fundamentales:
La seleccin de las variables de anlisis.
La estimacin de los pesos o coeficientes de las variables
seleccionadas.
La clasificacin de los casos.
El anlisis de los residuos.

La seleccin de las variables puede realizarse a partir de criterios

tericos o puede obedecer a criterios estadsticos
La estimacin de los pesos o coeficientes asociados a cada variable se
realiza mediante una algoritmo iterativo de mxima verosimilitud.
La clasificacin de los casos se realiza a partir de los pronsticos del
modelo estimado.
El anlisis de los residuos permite detectar posibles casos atpicos o
predicciones anmalas.
220
Fundamentos Funcin Logstica

1
Y ( B0 B1 X )
1 e

El coeficiente Bo representa la posicin de la curva sobre el eje horizontal

o las abscisas (ms hacia la izquierda o ms hacia la derecha). Y el
coeficiente B1 representa la pendiente de la curva medida en la zona de
inflexin de la curva.
1 0<Y<1
Y ( B0 B1 B2 X 2 Bk X k )
1 e
El exponente del nmero e es una ecuacin lineal mltiple en la que cada
variable independiente recibe una ponderacin proporcional a su capacidad
para predecir Y. 221
 Fundamentos Funcin Logstica

Si dos sucesos son exclusivos entre s (no se solapan) y exhaustivos

(agotan el espacio muestral de posibles sucesos), la probabilidad de
aparicin de cualquiera de ellos es igual a 1 menos la probabilidad de
aparicin del otro.

Supongamos que la variable Y puede tomar slo dos valores (0 y 1)

Sea P(Y = 1) la probabilidad de que la variable Y tome el valor 1,
entonces la probabilidad de que Y tome el valor 0 ser:
P(Y = 0) = 1-P (Y = 1).

222
 Ejemplo
Supongamos que interesa explicar y predecir si una persona
ha votado o no en las ltimas elecciones a partir de un
conjunto de caractersticas socio-demogrficas.
La variable que distingue a los sujetos que manifiestan haber
votado de aquellos que manifiestan no haber votado es la
variable voto.
Vot en 1992?

Porcentaje Porcentaje
Frecuencia Porcentaje vlido acumulado
Vlidos S vot 1032 68,8 71,1 71,1
No vot 420 28,0 28,9 100,0
Total 1452 96,8 100,0
Perdidos Sis tema 48 3,2
Total 1500 100,0

223
 Ejemplo
Consideremos en primer lugar la variable lee como variable
independiente (Lee el peridico?)

Lee el peridico?

Porcentaje Porcentaje
Frecuencia Porcentaje vlido acumulado
Vlidos S lee 862 57,5 85,3 85,3
No lee 148 9,9 14,7 100,0
Total 1010 67,3 100,0
Perdidos Sis tema 490 32,7
Total 1500 100,0

En el ejemplo propuesto, el fenmeno que interesa estudiar es la

abstencin, es decir, el hecho de que una persona no acuda a
votar.
Una buena estimacin de la probabilidad de este fenmeno es la
frecuencia relativa de abstencin observada en la muestra.
224
 Ejemplo
Tabla de contingencia Vot en 1992? * Lee el peridico?

Lee el peridico?
S lee No lee Total
Vot en S vot Recuento 624 68 692
1992? % de Lee el peridico? 74,9% 47,6% 70,9%
No vot Recuento 209 75 284
% de Lee el peridico? 25,1% 52,4% 29,1%
Total Recuento 833 143 976
% de Lee el peridico? 100,0% 100,0% 100,0%

En las frecuencias marginales de la tabla puede apreciarse que se

ha abstenido de votar el 29,1% de los encuestados. La estimacin
de la probabilidad del suceso No vot ser P(Y = 1) = 0,291. Por
tanto, la probabilidad del suceso S vot ser P(Y = 0) = 0,709.

225
 Ejemplo

Se sabe que aproximadamente una tercera parte de los sujetos

encuestados se abstiene y que, por tanto, cabe esperar que una de
cada tres personas no acuda a las urnas; pero no se sabe nada
acerca de las caractersticas de las personas que se abstienen.

La pregunta que interesa responder en este momento es:

es posible utilizar alguna otra variable, previa a la votacin,
que permita pronosticar adecuadamente la probabilidad de
que un sujeto no vote?.
Es decir, es posible construir un modelo de regresin que
permita pronosticar la probabilidad de abstencin a partir de
una o varias variables independiente?.

226
 Ecuacin logstica
Si existen variables capaces de predecir la abstencin, entonces es
posible incluirlas en un modelo de regresin y utilizarlas para
corregir las estimaciones de proporcin de votantes y no votantes.

El problema que surge en una situacin de estas caractersticas es

que, al tener que pronosticar una probabilidad (es decir, un valor
comprendido entre 0 y 1), un modelo de regresin lineal puede
plantear serios problemas de prediccin por no tener mximo ni
mnimo tericos en los pronsticos que arroja. Por esta razn es
ms apropiado recurrir a un modelo de tipo logstico. Considrese
la siguiente ecuacin logstica:

1
P(Y 1)
1 e ( B0 B1 X )
227
Definida la ecuacin que puede utilizarse, el objetivo consiste en
encontrar una variable que discrimine bien entre los dos posibles
valores de Y.
La figura muestra cuatro curvas logsticas correspondientes a
cuatro posibles variables independientes o predictoras.

228
Las curvas se encuentran ordenadas por orden creciente de
capacidad discriminativa. Puesto que el coeficiente que controla la
pendiente de la curva es B1, una buena variable predictora ser
aquella que genere una curva con mucha pendiente (es decir, una
variable que tenga asociado un coeficiente muy alto, en valor
absoluto), mientras que una mala variable predictora ser aquella
que genere una curva sin pendiente o con muy poca pendiente (es
decir, que tenga asociado un coeficiente B1 prximo a 0, en valor
absoluto).

El objeto de anlisis de regresin logstica es encontrar las

variables con mayor (en valor absoluto) coeficiente asociado.

229
 Supongamos, por simplicidad, que para clasificar a un sujeto
como votante o abstencionista se decide establecer como
punto de corte el valor de probabilidad 0,5.

0 1
0,5
Los sujetos con un pronstico
mayor que 0,5 son
Los sujetos con un pronstico clasificados como
menor o igual que 0,5 son abstencionista
clasificados como votantes

Una buena variable predictora (podra decirse ptima) ser aquella

que permita obtener pronsticos (probabilidades) iguales a 0 para el
suceso Y=0 y pronsticos iguales a 1 para el suceso Y=1 .

230
 Clculo de las probabilidades pronosticadas

Utilizando los datos de la tabla ( software SPSS) del ejemplo;

Variables en la ecuacin

B E.T. Wald gl Sig. Exp(B)

Pas
a
o LEE 1,192 ,186 41,258 1 ,000 3,293
1 Cons tante -1,094 ,080 187,316 1 ,000 ,335
a. Variable(s ) introducida(s) en el paso 1: LEE.

la ecuacin de regresin logstica toma la forma :

1 1
P(Y 1) B0 B1 X
( 1,094 1,192 X )
1 e 1 e
Donde Y=0 S vot X=0 S lee
Y=1 No vot X=1 No lee

231
Clculo de las probabilidades pronosticadas
En el caso de que un encuestado no lea el peridico , la
probabilidad pronosticada por la ecuacin de regresin
logstica para la categora No vot vale:

1 1
P(Y 1 X 1) 1,094 1,192 1
0,098
0,5245
1 e 1 e

Y en el caso de que un encuestado lea el peridico, la probabilidad

pronosticada para la categora No vot vale:

1 1
P Y 1 X 0 = 0, 2509
1,094 1,192 0
1 e 1 e 1,094

232
 Clculo de las probabilidades pronosticadas

Por tanto, a partir de los pronsticos derivados de la ecuacin de

regresin logstica, se puede afirmar que, entre los sujetos que
manifiestan no leer el peridico, la probabilidad de abstencin en las
elecciones es mayor (aproximadamente el doble) que entre los
sujetos que manifiestan leer el peridico.

Es muy importante tener en cuenta que los pronsticos

obtenidos con la ecuacin de regresin logstica siempre
se refieren a una de las dos categoras de la variable
dependiente: aquella codificada con el valor mayor y que
es la que el procedimiento Regresin logstica codifica
internamente con el valor 1. En el ejemplo, la categora
No vot.
233
 Interpretacin de los coeficientes

Cmo interpretar los coeficientes de un modelo de regresin logstica? Ya se

ha dicho que P(Y 0) 1 P (Y 1)

Dividiendo la probabilidad de uno de los sucesos por su probabilidad

complementaria y simplificando se obtiene el cuociente denominado la ventaja
(odds) del suceso Y=1 frente al suceso Y=0 :

P Y 1


1/ 1 e
B0 B1 X
e B0 B1 X
P Y 0
11/ 1 e 0 1
B B X

La ventaja de un suceso es el cuociente entre la

probabilidad de que el suceso ocurra y la probabilidad de
que no ocurra 234
 Interpretacin de los coeficientes
Tomando el logaritmo neperiano de la ventaja se obtiene la
transformacin logit:

P Y 1
ln B0 B1 X
P Y 0
Este modelo se ajusta a un modelo de regresin lineal. Por tanto, el
coeficiente de regresin de un modelo logstico puede interpretarse
como el cambio que se produce en la transformacin logit (en el
logaritmo de la ventaja del suceso Y = 1) por cada unidad de
cambio que se produce en la variable independiente.
Un coeficiente positivo debe interpretarse como un incremento
en la probabilidad que el individuo tome el valor 1 debido a una
variacin unitaria en la variable, mientras que un valor negativo
debe interpretarse como una disminucin en la misma
probabilidad 235
 Interpretacin de los coeficientes
Con los datos del ejemplo, la transformacin logit del suceso No
vot (Y = 1), cuando el encuestado Lee el peridico (X = 0) vale:

P Y 1 X 0 0, 2509
ln
P Y 0
B0 ln ln 0,335 1, 094
X 0 1 0, 2509

Y la transformacin logit del suceso No vot cuando el encuestado

No lee el peridico (X = 1) vale:

P Y 1 X 1 0,5245
ln
P Y 0
B0 B1 ln ln 1,103 0, 098
X 1 1 0,5245

Por tanto, la diferencia entre ambos logaritmos permite obtener el valor del
coeficiente:
B1 0,098 1,094 1,192

236
 Interpretacin de los coeficientes
As, en el modelo de regresin logstica, el coeficiente de regresin
asociado a una variable independiente representa el cambio
producido en la transformacin logit por unidad de cambio en
la variable independiente.

Es preferible interpretar directamente el cambio en las ventajas y no

en los logaritmos de las ventajas. Volviendo a la expresin de la
ventaja:
P Y 1
e B0 B1 X e B0 e B1 X
P Y 0

Se ve claramente que una ventaja se puede expresar en trminos

de potencias del nmero e. Por ello se suele informar del valor
exponencial de los coeficientes de regresin.

237
 Interpretacin de los coeficientes

En los resultados de la regresin logstica se incluye tanto el valor del

coeficiente de regresin (B) como el de Exp(B) . En el ejemplo, la ventaja
del suceso No vot cuando el encuestado No lee el peridico vale
1,103, mientras que la ventaja de ese mismo suceso cuando el
encuestado S lee el peridico vale 0,335.

Si se expresa el cambio proporcional de la ventaja en trminos

de un cociente (como una razn) se obtiene
1,103/0,335 = 3,293, que es justamente el valor de Exp(B). A
este cambio proporcional se le denomina razn de las ventajas
(odds ratio en ingls), dado que es el resultado de dividir dos
ventajas. Y se interpreta en trminos del cambio
proporcional (ya sea aumento o disminucin) que se
produce en la ventaja del suceso o evento de inters (No
vota en el ejemplo) por cada unidad de cambio que se
produce en la variable independiente (VI).

238
 El problema de la clasificacin
Una ecuacin de regresin logstica raramente arroja pronsticos
con valores 0 y 1, es decir, raramente genera una curva en forma
de escaln Lo habitual es encontrar que la probabilidades
pronosticadas adoptan valores comprendidos entre 0 y 1.

Este es el motivo que obliga a tener que establecer un punto

de corte para poder tomar la decisin de clasificar a los
sujetos en uno u otro grupo a partir de las probabilidades
pronosticadas.

Cuando la variable independiente es dicotmica, como en el

ejemplo, establecer el punto de corte es una tarea bastante
sencilla. Puesto que una variable dicotmica slo adopta dos
valores (en el ejemplo: 0 = Si lee el peridico y 1 = No lee el
peridico), slo es posible obtener dos pronsticos. (0,2509 y
0,5245).
239
Tambin se ha visto que la probabilidad del suceso No vot
vale 0,291 As parece razonable pensar que el punto del corte
debera encontrarse entre las dos probabilidades pronosticadas;
ese punto de corte bien podra ser, por ejemplo 0,291.

0 1
0,291 Los sujetos con un pronstico
Los sujetos con un pronstico mayor que el punto de corte
menor o igual que el punto de son clasificados en el grupo
corte son clasificados en el que no votan
grupo que s votan

240
 En los modelos con ms de una variable independiente se
incrementa el nmero de valores distintos que es posible
pronosticar
Existen dos caminos alternativos para determinar el punto de corte
ptimo, es decir, para encontrar cul es el valor (la probabilidad) a
partir del cual se consigue diferenciar al mximo a los sujetos de
uno y otro grupo y, consecuentemente, para efectuar la mejor
clasificacin posible.

El primero de estos caminos El segundo camino para

consiste en generar mltiples determinar el punto de corte
tablas de clasificacin variando ptimo consiste en utilizar la
en cada una de ellas el punto de curva COR.
corte hasta optimizar el
porcentaje de casos
correctamente clasificados.
241
Tablas de clasificacin con distintos valores de corte

Tabla de clasificacina

Pronosticado

Vot en 1992? Porcentaje

Obs ervado S vot No vot correcto
Pas o 1 Vot en 1992? S vot 624 68 90,2
No vot 209 75 26,4
Porcentaje global 71,6
a. El valor de corte es ,500

Tabla de clasificacina

Pronosticado

Vot en 1992? Porcentaje

Obs ervado S vot No vot correcto
Pas o 1 Vot en 1992? S vot 624 68 90,2
No vot 209 75 26,4
Porcentaje global 71,6
a. El valor de corte es ,300

242
 Tabla de clasificacina

Pronosticado

Vot en 1992? Porcentaje

Obs ervado S vot No vot correcto
Pas o 1 Vot en 1992? S vot 624 68 90,2
No vot 209 75 26,4
Porcentaje global 71,6
a. El valor de corte es ,260

Tabla de clasificacina

Pronosticado

Vot en 1992? Porcentaje

Obs ervado S vot No vot correcto
Pas o 1 Vot en 1992? S vot 0 692 ,0
No vot 0 284 100,0
Porcentaje global 29,1
a. El valor de corte es ,250

243
 Regresin logstica mltiple

Nos interesa interpretar un anlisis de regresin logstica utilizando ms de

una variable independiente.
Variables independientes
Variable dependiente
Leer
Voto Edad
Hijos
Educ
Ingfam91

Consideremos la misma variable dependiente que en el primer

ejemplo (voto) y, adems de la variable independiente all utilizada
(leer), otras cuatro nuevas: edad (Edad del encuestado), hijos
(Nmero de hijos), educ (Aos de escolarizacin) e ingfam91
(Ingresos familiares en 1991)

244
 Estadstico de puntuacin de Rao
La tabla siguiente contiene los valores del estadstico de
puntuacin de Rao. Este estadstico mide la contribucin
individual de cada variable a la mejora del ajuste global del modelo.
El nivel crtico (Sig) asociado a cada estadstico indica qu variables
contribuyen significativamente al ajuste. Puede verse que,
exceptuando la variable hijos, todas las variables incluidas en el
anlisis son significativas; por tanto, buenas candidatas para formar
parte del modelo de regresin. La ltima lnea, Estadsticos
globales, contiene una valoracin global de todas las variables
independientes tomadas juntas.
Variables que no estn en la ecuacin

Puntuacin gl Sig.
Paso Variables LEE 45,137 1 ,000
0 EDAD 20,956 1 ,000
EDUC 60,910 1 ,000
INGFAM91 53,935 1 ,000
HIJOS ,188 1 ,664
Estadsticos globales 136,954 5 ,000

245
 El estadstico chi-cuadrado
Pruebas omnibus sobre los coeficientes del modelo

Chi-cuadrado gl Sig.
Pas o 1 Pas o 143,754 5 ,000
Bloque 143,754 5 ,000
Modelo 143,754 5 ,000

El estadstico chi-cuadrado permite contrastar la hiptesis de

que el incremento obtenido en el ajuste global del modelo es
nulo. Este estadstico sirve para determinar si, al introducir las
cinco variables independientes en el modelo, se consigue un
incremento significativo del ajuste global. Este incremento se
valora tomando como punto de referencia el modelo nulo.
Puesto que el modelo se construye en un nico paso (pues se
est utilizando el mtodo introducir; ver siguiente apartado),
todas las secciones de tabla informan del mismo valor; la mejora
respecto al modelo nulo, es decir, respecto al modelo del paso 0
(Chi-cuadrado = 143,754). En el ejemplo, esta mejora es
significativa:
246
 Resumen de los modelos

R cuadrado
-2 log de la R cuadrado de
Pas o veros imilitud de Cox y Snell Nagelkerke
1 a
970,392 ,143 ,205
a. La es timacin ha finalizado en el nmero de
iteracin 5 porque las es timaciones de los
parmetros han cambiado en menos de ,001.

La tabla ofrece un resumen del modelo. Contiene tres

estadsticos que permiten valorar el ajuste global del modelo en el
paso 1, es decir, del modelo que incluye todas las variables.

Los parmetros estn estimados a travs del mtodo de mxima

verosimilitud (-2LL), de modo que sus valores tendern a 0 si la
verosimilitud tiende a mxima y al revs si sta es baja.En el
ejemplo se observa un un bajo ajuste del modelo a los datos.
Este resultado queda corroborado con el estadstico de Cox y
Snell, que se interpreta de la misma forma que el coeficiente de
determinacin de un modelo de regresin lineal.
247
 Matriz de confusin
Tabla de clasificacina

Pronosticado

Vot en 1992? Porcentaje

Observado S vot No vot correcto
Paso 1 Vot en 1992? S vot 615 54 91,9
No vot 189 76 28,7
Porcentaje global 74,0
a. El valor de corte es ,500

La tabla muestra la matriz de confusin con los resultados de la

clasificacin.
Aunque no es posible mejorar el porcentaje global de clasificacin
correcta sin incluir nuevas variables independientes, si es posible
equilibrar la tasa de aciertos en los dos grupos manipulando el
punto de corte utilizado en la clasificacin.

248
 Variables en la ecuacin

B E.T. Wald gl Sig. Exp(B)

Paso
a
LEE ,671 ,207 10,468 1 ,001 1,956
1 EDAD -,034 ,006 36,188 1 ,000 ,967
EDUC -,192 ,032 35,276 1 ,000 ,825
INGFAM91 -,056 ,016 12,722 1 ,000 ,945
HIJOS ,018 ,051 ,125 1 ,723 1,018
Constante 3,636 ,526 47,706 1 ,000 37,957
a. Variable(s) introducida(s) en el paso 1: LEE, EDAD, EDUC, INGFAM91, HIJOS.

La tabla muestra las estimaciones de los coeficientes (B) del

modelo y los datos necesarios para valorar su significacin e
interpretarlos.
La significacin de cada coeficiente se evala a partir del
estadstico de Wald. Este estadstico permite contrastar la
hiptesis nula de que el coeficiente vale cero en la
poblacin y se obtiene elevando al cuadrado el cociente
entre el valor estimado del coeficiente (B) y su error tpico
(error tip).
249
 Estadstico de Wald

2
Coeficiente
Estadstico de Wald
E.estndar
Es un estadstico similar a una t2. Cuando el nivel crtico
(Sig.) asociado al estadstico de Wald es menor que 0,05, se
puede rechazar la hiptesis nula y, por tanto, concluir que la
correspondiente variable independiente est
significativamente relacionada con la variable dependiente.
Un inconveniente de este estadstico es que es demasiado
sensible al tamao de los coeficientes; en general, cuando el
valor de un coeficiente es muy grande (en valor absoluto) el
estadstico de Wald es poco fiable. En estos casos es
preferible evaluar la significacin de las variables utilizando
un mtodo por pasos

250
 Razn de las ventajas

La columna de la razn de las ventajas, Exp(B), permite

cuantificar en qu grado aumenta la abstencin cuando los
sujetos no leen el peridico (y se mantienen constantes las
restantes variables). Puesto que el punto de comparacin es el
valor 1 y el Exp(B) de la variable leer vale 1,956, se puede
concluir que la ventaja de la abstencin entre los sujetos que no
leen el peridico es aproximadamente el doble que entre los que
s lo leen.

El signo negativo del resto de los coeficientes indica que el

incremento en cualquiera de las dems variables disminuye la
probabilidad de que un sujeto no vote: la abstencin es menos
probable a medida que aumentan la edad, los ingresos familiares
y los aos de escolarizacin.

251
 Anlisis de regresin logstica por pasos

Cuando, se dispone de ms de una variable independiente,

existen varios mtodos para seleccionar la variable o variables
que deben formar parte del modelo final.

El mtodo de introduccin forzosa hace que el modelo de regresin

incluya todas las variables independientes seleccionadas.

Los mtodos de seleccin por pasos permiten utilizar criterios

estadsticos para, de forma automtica, incluir en el modelo las
variables que son significativas y dejar fuera las que no lo son.

Los mtodos de seleccin por bloques permiten al usuario manipular

la inclusin y/o exclusin de variables mediante la combinacin
secuenciada de distintos procedimientos, pudiendo generar modelos
jerrquicos. 252
Regresin logstica multinomial

La opcin Regresin logstica multinomial resulta til en aquellas

situaciones en las que desee poder clasificar a los sujetos segn
los valores de un conjunto de variables predictoras. Este tipo de
regresin es similar a la regresin logstica, pero ms general, ya
que la variable dependiente no est restringida a dos categoras.

Ejemplo. Para conseguir una produccin y distribucin de

pelculas ms eficaz, los estudios de cine necesitan predecir qu
tipo de pelculas es ms probable que vayan a ver los
aficionados. Mediante una regresin logstica multinomial, el
estudio puede determinar la influencia que la edad, el sexo y las
relaciones de pareja de cada persona tienen sobre el tipo de
pelcula que prefieren. De esta manera, el estudio puede orientar
la campaa publicitaria de una pelcula concreta al grupo de la
poblacin que tenga ms probabilidades de ir a verla.

253
 Regresin logstica versus anlisis discriminante

La regresin logstica se puede aplicar a un rango ms amplio de

situaciones de investigacin que el anlisis discriminante.

El anlisis discriminante resulta til para las situaciones en las que

se desea construir un modelo predictivo para pronosticar el grupo de
pertenencia de un caso a partir de las caractersticas observadas de
cada caso. El procedimiento genera una funcin discriminante (o,
para ms de dos grupos, un conjunto de funciones discriminantes)
basada en combinaciones lineales de las variables predictoras que
proporcionan la mejor discriminacin posible entre los grupos. Las
funciones se generan a partir de una muestra de casos para los que
se conoce el grupo de pertenencia; posteriormente, las funciones
pueden ser aplicadas a nuevos casos que dispongan de medidas
para las variables predictoras pero de los que se desconozca el
grupo de pertenencia.
254
 Anlisis discriminante

Datos. La variable de agrupacin debe tener un nmero limitado de

categoras distintas, codificadas como nmeros enteros. Las
variables independientes que sean nominales deben ser
recodificadas a variables dummy o de contraste.

Supuestos. Los casos deben ser independientes. Las variables

predictoras deben tener una distribucin normal multivariada y las
matrices de varianzas-covarianzas intra-grupos deben ser iguales en
todos los grupos. Se asume que la pertenencia al grupo es
mutuamente exclusiva (es decir, ningn caso pertenece a ms de un
grupo) y exhaustiva de modo colectivo (es decir, todos los casos son
miembros de un grupo). El procedimiento es ms efectivo cuando la
pertenencia al grupo es una variable verdaderamente categrica; si
la pertenencia al grupo se basa en los valores de una variable
continua (por ejemplo, un cociente de inteligencia alto respecto a uno
bajo), deber considerar el uso de la regresin lineal para
aprovechar la informacin ms rica ofrecida por la propia variable
continua. 255
Anlisis Factorial

Datos y supuestos
Tcnica del anlisis factorial
Fases del anlisis factorial
Matriz de correlaciones
Extraccin de factores
Mtodos de Rotacin
Puntuaciones factoriales

256
 Anlisis Factorial
El anlisis factorial es una tcnica de reduccin de datos que
sirve para encontrar grupos homogneos de variables a partir
de un conjunto numeroso de variables.

v1, v2, v3,.vn

v1, v5,v7 V3,v4,v9..

v2,v8,v10.

Esos grupos homogneos se forman con las variables que

correlacionan mucho entre s y procurando, inicialmente, que
unos grupos sean independientes de otros. 257
 Datos y supuestos

Objetivo
Buscar el nmero mnimo de dimensiones capaces de explicar el
mximo de informacin contenida en los datos.

Variables

En el anlisis factorial no existe variable dependiente. Todas las

variables del anlisis tienen el mismo rango: todas ellas son
independientes en el sentido de que no existe a priori una
dependencia conceptual de unas variables sobre otras.
Las variables deberan ser cuantitativas a nivel de intervalo o de
razn. Los datos categricos (como la religin o el pas de
origen) no son adecuados para el anlisis factorial.

258
 Datos y supuestos

Supuestos
Los datos han de tener una distribucin normal bivariada para
cada pareja de variables, y las observaciones deben ser
independientes.

Ejemplo
Qu actitudes subyacentes hacen que las personas
respondan a las preguntas de una encuesta poltica de la
manera en que lo hacen? Con el anlisis factorial, se puede
investigar el nmero de factores subyacentes y, en muchos
casos, se puede identificar lo que los factores representan
conceptualmente. Adicionalmente, se pueden calcular las
puntuaciones factoriales para cada encuestado, que pueden
utilizarse en anlisis subsiguientes.

259
 Tcnica del anlisis factoriaI.

Cada variable aparece como combinacin lineal de una serie

de factores

X i Ai1F1 Ai 2 F2 Ai 3 F3 ..... Aik Fk U i

donde F son los factores comunes a todas las variables y U es el factor
nico referido a la parte de la variable i que no puede ser explicada por
los factores comunes. Las A, son los coeficientes de cada uno de los
factores. Los factores nicos se asume que estn incorrelacionados con
el resto de factores nicos y con los factores comunes.
Cada factor es una combinacin lineal de las variables originales

F j W j1 X 1 W j 2 X 2 W j 3 X 3 ..... Wip X p
Wj son los coeficientes de las puntuaciones factoriales
P es el nmero de variables
260
 Fases del Anlisis factorial

El anlisis factorial consta de cuatro fases caractersticas:

El clculo de una matriz capaz de expresar la variabilidad conjunta de
todas las variable.
La extraccin del nmero ptimo de factores.
La rotacin de la solucin para facilitar su interpretacin.
La estimacin de las puntuaciones de los sujetos en las nuevas
dimensiones.

Para ejecutar correctamente un anlisis factorial es necesario tomar

algunas decisiones en cada una de estas fases.

261
Ejemplo
Analicemos, por ejemplo, la pregunta del cuestionario cuyos
datos recoge el archivo trabajo.sav y referida a la evaluacin
por parte de los encuestados de la importancia que segn su
opinin pueden tener cada una de las causas que se
enumeran, en el alto ndice de paro en un pas.

B13: La crisis econmica.

B14: La poltica de empleo del gobierno.
B15: La mala gestin de los empresarios.
B16: La comodidad de la gente, que slo quiere buenos trabajos.
B17: La falta de preparacin del trabajador.
B18: Las pocas ganas de trabajar de la gente.
B19: El no saber buscar trabajo.
B20: Que hay mucho pluriempleo.
B21: Que el trabajo que hay no se reparte bien socialmente.

262
 El modelo matemtico que subyace a esta tcnica es similar
al de la regresin simple y en l cada variable aparece como
combinacin lineal de una serie de factores que no son en
este momento observables. Por ejemplo, B13 (la crisis
econmica) puede aparecer expresada como:

B13 = a(sujeto) + b(externos al sujeto) + c(entorno) + UB13

donde sujeto, externos al sujeto y entorno no son variables

independientes sino grupos de variables desconocidas por
nosotros a priori, que pueden ser los factores subyacentes y
que hemos denominado sujeto como factor que puede
englobar las variables referidas a causas del paro inherentes
al propio sujeto, externas al sujeto, en donde estaran como
causantes del paro el gobierno y los empresarios, por ejemplo,
y el entorno en donde bien podran estar la crisis econmica
y el reparto del trabajo.
263
 Descriptivos

Estadsticos descriptivos

Des viacin
Media tpica N del anlis is
Cris is 3,93 ,882 1009
Poltica de empleo 3,91 ,933 1009
Empres arios 3,53 1,005 1009
Comodidad 3,02 1,133 1009
Preparacin 2,92 1,086 1009
Ganas de trabajar 2,85 1,203 1009
Bs queda 2,77 1,099 1009
Pluriempleo 3,57 1,005 1009
Reparto 3,87 ,877 1009

Figura 1

264
 Matriz de correlaciones
Matriz de correlacionesa

Poltica de Ganas de
Cris is empleo Empres arios Comodidad Preparacin trabajar Bs queda Pluriempleo Reparto
Correlacin Cris is 1,000 ,397 ,185 -,120 -,003 -,157 -,101 ,019 ,084
Poltica de empleo ,397 1,000 ,202 -,077 -,050 -,104 -,078 ,054 ,103
Empres arios ,185 ,202 1,000 ,028 -,010 -,024 ,044 ,101 ,161
Comodidad -,120 -,077 ,028 1,000 ,336 ,559 ,387 ,214 ,043
Preparacin -,003 -,050 -,010 ,336 1,000 ,425 ,345 ,115 ,045
Ganas de trabajar -,157 -,104 -,024 ,559 ,425 1,000 ,451 ,195 ,071
Bs queda -,101 -,078 ,044 ,387 ,345 ,451 1,000 ,231 ,134
Pluriempleo ,019 ,054 ,101 ,214 ,115 ,195 ,231 1,000 ,376
Reparto ,084 ,103 ,161 ,043 ,045 ,071 ,134 ,376 1,000
Sig. (Unilateral) Cris is ,000 ,000 ,000 ,457 ,000 ,001 ,273 ,004
Poltica de empleo ,000 ,000 ,007 ,057 ,000 ,006 ,044 ,001
Empres arios ,000 ,000 ,185 ,373 ,221 ,082 ,001 ,000
Comodidad ,000 ,007 ,185 ,000 ,000 ,000 ,000 ,087
Preparacin ,457 ,057 ,373 ,000 ,000 ,000 ,000 ,077
Ganas de trabajar ,000 ,000 ,221 ,000 ,000 ,000 ,000 ,012
Bs queda ,001 ,006 ,082 ,000 ,000 ,000 ,000 ,000
Pluriempleo ,273 ,044 ,001 ,000 ,000 ,000 ,000 ,000
Reparto ,004 ,001 ,000 ,087 ,077 ,012 ,000 ,000
a. Determinante = ,240

Figura 2

Es importante que todas las variables tengan al menos un coeficiente de

correlacin significativo en la matriz.
265
 El ndice KMO
Inversa de la matriz de correlaciones

Poltica de Ganas de
Cris is empleo Empres arios Comodidad Preparacin trabajar Bs queda Pluriempleo Reparto
Cris is 1,239 -,441 -,134 ,061 -,115 ,138 ,059 -,008 -,049
Poltica de empleo -,441 1,223 -,153 ,014 ,034 ,024 ,048 -,043 -,059
Empres arios -,134 -,153 1,086 -,063 ,032 ,054 -,058 -,038 -,128
Comodidad ,061 ,014 -,063 1,548 -,148 -,674 -,207 -,160 ,080
Preparacin -,115 ,034 ,032 -,148 1,290 -,376 -,231 ,005 ,005
Ganas de trabajar ,138 ,024 ,054 -,674 -,376 1,740 -,361 -,067 -,027
Bs queda ,059 ,048 -,058 -,207 -,231 -,361 1,380 -,144 -,086
Pluriempleo -,008 -,043 -,038 -,160 ,005 -,067 -,144 1,247 -,427
Reparto -,049 -,059 -,128 ,080 ,005 -,027 -,086 -,427 1,201

KMO y prueba de Bartlett

Figura 3 Medida de adecuacin muestral de
Kais er-Meyer-Olkin. ,712

Prueba de esfericidad Chi-cuadrado

1434,418
de Bartlett aproximado
gl 36
Sig. ,000

Figura 4
En la tabla tenemos la inversa de la matriz de correlaciones, los KMO
(Kaiser-Meyer-Olkin) y el test de Bartlett. Este ltimo, es decir, el test de
Bartlett, se utiliza para verificar si la matriz de correlaciones es una matriz de
identidad, es decir, si todos los coeficientes de la diagonal son iguales a la
unidad y los externos a la diagonal iguales a O.
266
 El ndice KMO
Este estadstico se obtiene a partir de la transformacin X2 del
determinante de la matriz de correlaciones y cuanto mayor sea y
por
tanto menor el grado de significacin, ms improbable que la
matriz sea una matriz de identidad. En el ejemplo, con un valor
1434,418 y un grado de significacin p = 0,000 resulta evidente
que no se trata de una matriz de identidad.

En el supuesto de que no se pudiese rechazar esta

hiptesis, se desaconseja proceder a realizar un anlisis
factorial con los datos.

267
 El ndice KMO
El ndice KMO nos compara los coeficientes de correlacin de
Pearson obtenidos en la Figura 2 con los coeficientes de
correlacin parcial entre variables. Se obtiene

ij
r
i j
2

KMO
r a
i j
2
ij
i j
2
ij

rij el coeficiente de correlacin de Pearson entre las variables i y j y

aij es el coeficiente de correlacin parcial entre las variables i y j.

268
 El ndice KMO
Si la suma de los coeficientes de correlacin parcial al cuadrado es
muy pequea, KMO ser un ndice muy prximo a la unidad y por
tanto el anlisis factorial un procedimiento adecuado. En cambio,
valores pequeos en este ndice nos dan a entender todo lo
contrario. De hecho para Kaiser :

1 KMO > 0,90 son considerados excelentes.

0,90 KMO > 0,80 son considerados buenos.
0,80 KMO > 0,70 son considerados aceptables.
0,70 KMO > 0,60 son considerados mediocres o regulares.
0,60 KMO > 0,50 son considerados malos.
KMO < 0,50 son considerados inaceptables o muy malos.

En el ejemplo este valor es de 0,712 y por tanto se puede

considerar como aceptable y continuar con el anlisis
factorial.
269
 Matrices anti-imagen
Matrices anti-imagen

Empresarios

Preparacin
Comodidad

Pluriempleo
Poltica de

Bsqueda
Ganas de

Reparto
trabajar
empleo
Crisis
Cris is ,807 -,291 -,100 ,032 -,072 ,064 ,034 -,005 -,033
Covarianza anti-imagen

Poltica de em pleo -,291 ,818 -,115 ,007 ,022 ,011 ,028 -,028 -,040
Em pres arios -,100 -,115 ,921 -,038 ,023 ,029 -,039 -,028 -,098
Com odidad ,032 ,007 -,038 ,646 -,074 -,250 -,097 -,083 ,043
Preparacin -,072 ,022 ,023 -,074 ,775 -,168 -,130 ,003 ,003
Ganas de trabajar ,064 ,011 ,029 -,250 -,168 ,575 -,151 -,031 -,013
Bs queda ,034 ,028 -,039 -,097 -,130 -,151 ,725 -,083 -,052
Pluriem pleo -,005 -,028 -,028 -,083 ,003 -,031 -,083 ,802 -,285
Reparto -,033 -,040 -,098 ,043 ,003 -,013 -,052 -,285 ,833
Cris is ,601 a -,358 -,116 ,044 -,091 ,094 ,045 -,006 -,040
Correlacin anti-imagen

Poltica de em pleo -,358 ,609 a -,132 ,010 ,027 ,016 ,037 -,034 -,048
Em pres arios -,116 -,132 ,690 a -,049 ,027 ,039 -,047 -,033 -,112
Com odidad ,044 ,010 -,049 ,744 a -,104 -,411 -,142 -,115 ,058
Preparacin -,091 ,027 ,027 -,104 ,791 a -,251 -,173 ,004 ,004
Ganas de trabajar ,094 ,016 ,039 -,411 -,251 ,721 a -,233 -,046 -,019
Bs queda ,045 ,037 -,047 -,142 -,173 -,233 ,816 a -,109 -,067
Pluriem pleo -,006 -,034 -,033 -,115 ,004 -,046 -,109 ,669 a -,349
Reparto -,040 -,048 -,112 ,058 ,004 -,019 -,067 -,349 ,591 a Figura 5
a. Medida de adecuacin m uestral

En la Figura 5 tenemos las matrices anti-imagen de covariancias y

correlaciones entre todas las variables del ejemplo. Sern los negativos
de los coeficientes de correlacin parcial entre cada par de variables,
neutralizando el efecto de todas las restantes. Interesan por tanto
coeficientes cuanto ms pequeos, mejor.
270
En la diagonal de esta ltima tenemos los coeficientes MSA
(Measures of Sampling Adequacy) que vienen a ser los KMO
pero en este caso para cada variable por separado. La
interpretacin de sus valores es idntica a la realizada para los
KMO.
En resumen, tenemos:
Coeficientes de correlacin de Pearson que en la mayora de los casos son
altamente significativos.
El determinante de la matriz de correlaciones (0,240) relativamente bajo.
El ndice KMO = 0,712 bastante aceptable.
El resultado del test de Bartlett con un 2 = 1434,418 Y p = 0,000.
Valores muy bajos en la matrices anti-imagen,
MSA bastante altos en la diagonal de la matriz de correlaciones anti-imagen.

Todo ello nos lleva a concluir que el anlisis factorial que sigue a continuacin
resulta a priori pertinente y puede proporcionamos conclusiones satisfactorias.
271
 Extraccin de factores
Mtodo. Permite especificar el mtodo de extraccin factorial. Los
mtodos disponibles son: Componentes principales, Mnimos
cuadrados no ponderados, Mnimos cuadrados generalizados,
Mxima verosimilitud, factorizacin de Ejes principales, factorizacin
Alfa y factorizacin Imagen.
En SPSS el sistema coge por defecto el mtodo de componentes
principales que es el que hemos utilizado en esta primera parte del
ejemplo.

272
Componentes principales (PC)

Consiste bsicamente en llevar a cabo una combinacin

lineal de todas las variables de modo que el primer
componente principal sea una combinacin que explique
la mayor proporcin de variancia de la muestra, el
segundo la segunda mayor y que a su vez est
incorrelacionado con el primero, y as sucesivamente
hasta tantos componentes como variables.
El mtodo de extraccin de componentes principales,
es el que acta por defecto, asume que es posible
explicar el 100% de la varianza observada y, por ello,
todas las comunalidades iniciales son iguales a la
unidad (que es justamente la varianza de una variable
en puntuaciones tpicas).
273
 Comunalidades
Comunalidades

Inicial Extraccin
Cris is 1,000 ,644
Poltica de empleo 1,000 ,620 La comunalidad de una variable es
Empres arios
Comodidad
1,000
1,000
,329
,592
la proporcin de su varianza que
Preparacin 1,000 ,523 puede ser explicada por el modelo
Ganas de trabajar
Bs queda
1,000 ,684
factorial obtenido.
1,000 ,519
Pluriempleo 1,000 ,646
Reparto 1,000 ,693
Mtodo de extraccin: Anlis is de Componentes principales .

Figura 6
En la Figura 6 tenemos las comunalidades iniciales de la solucin
de componentes principales. Estos resultados se obtienen si en el
subcuadro de dilogo Descriptives de la Figura 2 y dentro de
Statistics seleccionamos Initial Solution. Si utilizamos tantos
componentes principales como variables, cada variable puede ser
explicada por ella misma y por tanto toda la variabilidad de cada
variable, que expresada en unidades de desviacin estandarizadas
es igual a la unidad, explicada a su vez por los factores comunes.
Esta es la razn por la que en la Figura 6 la comunalidad inicial es
igual a la unidad para todas las variables. 274
 Valores propios
La decisin respecto al nmero de factores que deseamos para
representar los datos puede adoptarse desde una doble va que
es la que aparece en el subcuadro de dilogo Extraction. Por
defecto el sistema extraer tantos factores como haya en la
solucin inicial con valores propios (eigenvalues) superiores a la
unidad. En la Figura 7 vemos que hay tres factores con valores
propios superiores a 1 y que en definitiva ser el nmero que
extraer el sistema. Evidentemente, podemos cambiar el valor
por defecto correspondiente al eigenvalue. La segunda
posibilidad corresponde al botn de radio Number of factors y
consiste sencillamente en fijar un nmero entero determinado de
factores, siempre inferior, lgicamente, al nmero de variables.
Los autovalores (o valores propios) expresan la cantidad de
la varianza total que est explicada por cada factor; y los
porcentajes de varianza explicada asociados a cada factor se
obtienen dividiendo su correspondiente autovalor por la
suma de los autovalores (la cual coincide con el nmero de
variables
275
 Matriz Varianza total explicada
Varianza total explicada

Sumas de las saturaciones al cuadrado Suma de las s aturaciones al cuadrado

Autovalores iniciales de la extraccin de la rotacin
% de la % de la % de la
Componente Total varianza % acumulado Total varianza % acumulado Total varianza % acumulado
1 2,449 27,211 27,211 2,449 27,211 27,211 2,274 25,265 25,265
2 1,684 18,714 45,925 1,684 18,714 45,925 1,553 17,252 42,518
3 1,116 12,395 58,320 1,116 12,395 58,320 1,422 15,802 58,320
4 ,848 9,426 67,747
5 ,705 7,834 75,580
6 ,616 6,842 82,422
7 ,597 6,629 89,051
8 ,568 6,314 95,365
9 ,417 4,635 100,000
Mtodo de extraccin: Anlisis de Componentes principales .

Figura 7

La Figura 7 recoge, en porcentajes individuales y acumulados, la

proporcin de variancia total explicada por cada factor, tanto para la
solucin no rotada como para la rotada. En concreto, qu porcentaje
supone 2,449 sobre el total de variabilidad (nueve en el ejemplo) de
toda la muestra. Los tres factores incluidos en el modelo son capaces
de explicar exactamente un 58,32 por 100 de la variabilidad total, lo
que puede interpretarse como un porcentaje aceptable.
276
 Grfico de sedimentacin

El grfico de sedimentacin
sirve para determinar el
nmero ptimo de factores.
Consiste simplemente en una
representacin grfica del
tamao de los autovalores.
Segn se ha sealado ya, los
autovalores indican la
cantidad de varianza que est
explicada por cada
componente principal
Figura 8
Tanto la tabla de porcentajes de varianza explicada como el grfico de
sedimentacin muestran los autovalores ordenados de mayor a menor: el
primer autovalor es el mayor de los posibles, el segundo autovalor es el mayor
de los restantes, y as sucesivamente. Si un autovalor se aproxima a cero,
esto significa que el factor correspondiente a ese autovalor es incapaz de
explicar una cantidad relevante de la varianza total. Por tanto, un factor al que
corresponde un autovalor prximo a cero se considera un factor residual y
277
carente de sentido en el anlisis.
 Matriz de componentes
Matriz de componentesa

Componente
1 2 3 En la Figura 9 tenemos
Cris is -,229 ,640 ,426
Poltica de empleo -,185 ,668 ,373 los coeficientes
Empres arios
Comodidad
,020
,748
,569
-,036
,070
,177
utilizados para expresar
Preparacin ,629 ,002 ,357 cada variable
Ganas de trabajar ,804 -,085 ,174
Bs queda ,718 ,045 ,040
estandarizada en
Pluriempleo
Reparto
,436 ,437 -,515 trminos de los tres
,236 ,551 -,577
Mtodo de extraccin: Anlisis de componentes principales . factores del modelo.
a. 3 componentes extrados

Figura 9

Estos coeficientes se conocen tambin con el nombre de pesos factoriales,

cargas, ponderaciones factoriales o saturaciones factoriales ya que nos
indican la carga de cada variable en cada factor, de modo que los factores con
unos pesos factoriales ms elevados en trminos absolutos nos indican una
relacin estrecha con las variables.

278
 Matriz de componentes

El ideal desde el punto de vista del anlisis factorial es encontrar un

modelo en el que todas las variables saturen en algn factor, es
decir, pesos factoriales altos en uno y bajos en el resto. Por ejemplo
la variable B18 (Ganas de trabajar como posible explicacin del alto
ndice de desempleo en el pas) es una variable con una elevada
carga factorial en el primero de los factores y mucho ms pequea
en los dos restantes. Podramos expresar la variable B18 como:

B18 = 0,80408 F1 - 0,08519 F2 + 0,17407 F3

donde F1, F2 y F3 son los tres factores del modelo.

279
 Matriz de componentes
Matriz de componentesa
Matriz de componentesa
Componente
Componente
1 2 3
1 2 3
Ganas de trabajar ,804 -,085 ,174
Ganas de trabajar ,804 ,174
Comodidad ,748 -,036 ,177
Comodidad ,748 ,177
Bs queda ,718 ,045 ,040
Bs queda ,718
Preparacin ,629 ,002 ,357
Preparacin ,629 ,357
Poltica de empleo -,185 ,668 ,373
Poltica de empleo -,185 ,668 ,373
Cris is -,229 ,640 ,426
Cris is -,229 ,640 ,426
Empres arios ,020 ,569 ,070
Empres arios ,569
Reparto ,236 ,551 -,577
Reparto ,236 ,551 -,577
Pluriempleo ,436 ,437 -,515
Pluriempleo ,436 ,437 -,515
Mtodo de extraccin: Anlisis de componentes principales .
Mtodo de extraccin: Anlisis de componentes principales .
a. 3 componentes extrados
a. 3 componentes extrados

En la Figura 9 aparecen ordenadas las variables tal y como estn en la base

de datos. La segunda tabla de esta figura es la que corresponde a la opcin
que hemos seleccionado en el subcuadro de dilogo Options al seleccionar
Sorted by size el sistema ordena las variables en la matriz de mayor a
menor peso o carga factorial y siempre comenzando por el primer factor,
posteriormente el segundo, y as sucesivamente. Finalmente la opcin del
mismo subcuadro de dilogo Suppress absolute values less than nos
permite una lectura todava ms clara de la matriz puesto que permite
eliminar de la misma aquellos coeficientes con valores inferiores a uno dado
(0,10 por defecto). 280
 Matriz de componentes
Para determinar en qu medida los tres factores son capaces de
explicar las variables originales, podemos sumar la proporcin de
variancia de la variable explicada por cada uno de ellos (es decir, los
coeficientes al cuadrado) y de este modo obtener las comunalidades
que aparecen en la diagonal de la Figura 10. Cojamos de nuevo la
variable B18 (Ganas de trabajar) y calculemos este sumatoria:

B 18 = 0,804082 + 0,085192 + 0,174072 = 0,68410

Casi el 70 por 100 de la variabilidad de B18 es explicada por los tres

factores
del modelo, en tanto que por ejemplo en la variable BI5 (Empresarios)
los mismos nicamente explican en torno al 33 por 100. Reiteramos
que esta proporcin de la variabilidad de cada variable explicada por
los factores del modelo es lo que se conoce con el nombre de
comunalidad de la variable. Obviamente su valor oscila entre 0 y 1 y
la parte de variancia no explicada por el modelo factorial, es decir, 1-
comunalidad, es lo que se conoce con el nombre de factor nico o
unicidad. 281
 Rotacin

La finalidad de la rotacin es la de ayudamos a interpretar.

En el subcuadro de dilogo Rotacin existen varios
procedimientos.
VARIMAX, EQUAMAX y QUARTlMAX son procedimientos
ortogonales es decir que los factores se mantienen
incorrelacionados y los ejes forman ngulos rectos.
El PROMAX y el DlRECT OBLlMIN pertenecen al grupo de
los denominados oblicuos o no ortogonales.
La rotacin no afecta a la comunalidad y al porcentaje de
variancia explicada por el modelo, aunque s puede
cambiar la de cada factor.

282
 Mtodos de Rotacin

Varimax. Mtodo de rotacin ortogonal que minimiza el

nmero de variables que tienen saturaciones altas en cada
factor. Simplifica la interpretacin de los factores opti-
mizando la solucin por columna.
Quartimax. Mtodo de rotacin ortogonal que minimiza el
nmero de factores necesarios para explicar cada variable.
Simplifica la interpretacin de las variables observadas
optimizando la interpretacin por filas.
Equamax. Mtodo de rotacin que es combinacin del
mtodo Varimax, que simplifica los factores, y del mtodo
Quartimax, que simplifica las variables. Se minimiza tanto el
nmero de variables que saturan alto en un factor como el
nmero de factores necesarios para explicar una variable.
283
 Mtodos de Rotacin
Oblimin directo. Mtodo para la rotacin oblicua (no
ortogonal). Cuando delta es igual a cero (el valor por
defecto), las soluciones son las ms oblicuas. A medida que
delta se va haciendo ms negativo, los factores son menos
oblicuos. Para anular el valor por defecto de delta, puede
introducirse un nmero menor o igual que 0,8.
Delta. El valor de delta permite controlar el grado de
oblicuidad que pueden llegar a alcanzar los factores de la
solucin.
Promax. Rotacin oblicua que permite que los factores
estn correlacionados. Puede calcularse ms rpidamente
que una rotacin oblimin directa, por lo que es til para
grandes conjuntos de datos.
Kappa. Parmetro que controla el clculo de la rotacin
Promax. El valor por defecto es 4. Este valor es adecuado
para la mayora de los anlisis. 284
 Matriz factorial
En resumen, todos los mtodos tratan de obtener una matriz
factorial que se aproxime al principio de estructura simple.
Segn este principio, la matriz factorial debe reunir las
siguientes caractersticas:

Cada factor debe tener unos pocos pesos altos y el resto

prximos a 0.
Cada variable no debe estar saturada mas que en un solo
factor.
No deben existir factores con la misma distribucin.

El mtodo utilizado en todos los casos ha sido el de

componentes principales. Todos ellos coinciden a grandes
rasgos en la siguiente asignacin:
285
 Matriz factorial
Factor 1 Variables:

B18: Pocas ganas de trabajar de la gente.

B16: La comodidad de la gente, que slo quiere buenos trabajos.
B19: El no saber buscar trabajo.
B17: La falta de preparacin del trabajador.

Factor 2 Variables:

B 14: La poltica de empleo del gobierno.

B 13: La crisis econmica.
B15: La mala gestin de los empresarios.

Factor 3 Variables:
B21: Que el trabajo que hay no se reparte bien socialmente.
B22: Que hay mucho pluriempleo.

286
 Matriz de pesos factoriales
Matriz de componentes rotadosa Matriz de componentes rotadosa

Componente Componente
1 2 3 1 2 3
Ganas de trabajar ,818 -,111 ,055 Ganas de trabajar ,813 -,122 ,088
Comodidad ,765 -,058 ,062 Comodidad ,761 -,069 ,094
Preparacin ,712 ,085 -,095 Preparacin ,716 ,077 -,063
Bs queda ,688 -,056 ,205 Bs queda ,678 -,068 ,233
Cris is -,090 ,795 -,059 Cris is -,077 ,797 -,051
Poltica de empleo -,067 ,784 ,010 Poltica de empleo -,057 ,785 ,019
Empres arios ,027 ,512 ,257 Empres arios ,023 ,508 ,265
Reparto ,014 ,129 ,822 Reparto -,019 ,117 ,824
Pluriempleo ,226 ,033 ,771 Pluriempleo ,194 ,019 ,780
Mtodo de extraccin: Anlisis de componentes principales . Mtodo de extraccin: Anlisis de componentes principales .

Mtodo de rotacin: Normalizacin Quartimax con Kaiser. Mtodo de rotacin: Normalizacin Equamax con Kais er.
a. La rotacin ha convergido en 5 iteraciones . a. La rotacin ha convergido en 5 iteraciones .

Matriz de componentes rotadosa Matriz de configuracin.a

Componente Componente
1 2 3 1 2 3
Ganas de trabajar ,815 -,118 ,076 Ganas de trabajar ,813 -,085 -,014
Comodidad ,762 -,065 ,083 Comodidad ,762 -,035 -,021
Preparacin ,715 ,080 -,074 Preparacin ,740 ,122 ,146
Bs queda ,682 -,064 ,224 Bs queda ,664 -,048 -,172
Cris is Cris is -,026 ,806 ,106
-,081 ,796 -,053
Poltica de empleo Poltica de empleo -,013 ,790 ,036
-,061 ,785 ,017
Empres arios Empres arios ,028 ,496 -,229
,024 ,509 ,263
Reparto -,091 ,056 -,834
Reparto -,008 ,120 ,823
Pluriempleo ,124 -,028 -,775
Pluriempleo ,205 ,023 ,777
Mtodo de extraccin: Anlisis de componentes principales .
Mtodo de extraccin: Anlisis de componentes principales .
Metodo de rotacin: Normalizacin Oblimin con Kaiser.
Mtodo de rotacin: Normalizacin Varimax con Kaiser.
a. La rotacin ha convergido en 5 iteraciones .
a. La rotacin ha convergido en 5 iteraciones .
287
 Matriz de pesos factoriales
Matriz de configuracin.a

Componente
1 2 3
Ganas de trabajar ,815 -,068 -,002
Comodidad ,765 -,019 ,009
Preparacin ,751 ,136 -,154
Bs queda ,663 -,034 ,161
Cris is -,006 ,804 -,080
Poltica de empleo ,005 ,789 -,010
Empres arios ,034 ,497 ,246
Reparto -,111 ,057 ,841
Pluriempleo ,105 -,022 ,776
Mtodo de extraccin: Anlisis de componentes principales .

Mtodo de rotacin: Normalizacin Promax con Kaiser.

a. La rotacin ha convergido en 5 iteraciones .

Analizando someramente estos resultados, bien podra tratarse

de tres factores claramente diferenciados y referidos:
1) Al trabajador
2) Gobierno y empresarios
3) Reparto o redistribucin del trabajo

288
 Grfico de componentes en espacio rotado
Grficamente podemos ver estos mismos resultados en la
Figura que corresponde al grfico tridimensional de la
solucin rotada VARIMAX y componentes principales.

289
Grfico de componentes en espacio rotado

290
 Grfico de componentes en espacio rotado

Los valores de cada variable en las coordenadas

corresponden a los pesos factoriales de las mismas en
los ejes de cada factor. Pueden ser valores
comprendidos entre -1 y 1,(cuanto mayor sea esta
coordenada, ms contribuye a la formacin del eje, a la
inercia del mismo).
En realidad los planos factoriales estn situados en el
interior de un crculo de radio la unidad, y en ese
sentido lo ideal es que los puntos variables del
estudio no estn concentrados en torno al origen del
espacio bidimensional en este caso (0,0) sino prximos
al borde del crculo o de los ejes factoriales.

291
 Grfico de componentes en espacio rotado
En concreto y referido a los resultados del ejemplo en el grfico de las dos
primeras dimensiones:

Las variables:
B17: La falta de preparacin del trabajador.
B16: La comodidad de la gente, que slo quiere buenos trabajos.
B18: Las pocas ganas de trabajar de la gente.
B 19: El no saber buscar trabajo.
BI3: La crisis econmica.
B14: La poltica de empleo del gobierno
Son las variables que estn mejor representadas sobre el plano.

En peor posicin estn las variables:

B13: La mala gestin de los empresarios.
B20: Que hay mucho pluriempleo.
B21: Que el trabajo que hay no se reparte bien socialmente.

B 16, B 17, B 18 y B19 estn altamente correlacionadas entre si y a su vez

correlacionadas positivamente con el factor1 (estn situadas
B 13 y B14 lo mismo pero para el factor 2. Es negativa en cambio la relacin
con el primer factor. 292
 Matriz de componentes rotados
El primer factor contrapone variables inherentes al propio
trabajador con variables referidas a la redistribucin del trabajo.
En el factor 2 son polticas de empleo y crisis econmica versus
reparto.

Siguiendo con la idea de identificar

Matriz de componentes rotadosa del mejor modo posible las
Componente variables que en cualquier caso
1 2 3
Ganas de trabajar ,815 -,118 tienen pesos factoriales ms
Comodidad
Preparacin
,762
,715
elevados o saturan ms en cada
Bs queda ,682 ,224 uno de los factores , el sistema nos
Cris is ,796
Poltica de empleo ,785 posibilita eliminar de la matriz de
Empres arios
Reparto
,509
,120
,263
,823
pesos factoriales y en las columnas
Pluriempleo ,205 ,777 de los diversos factores, los pesos
Mtodo de extraccin: Anlisis de componentes principales .
de aquellas variables con un valor
Mtodo de rotacin: Normalizacin Varimax con Kaiser.
a. La rotacin ha convergido en 5 iteraciones .
inferior a uno determinado y que
por defecto es 0,10.

293
 Puntuaciones factoriales
Puesto que la finalidad ltima del anlisis factorial es
reducir un gran nmero de variables a un pequeo
nmero de factores, es a veces aconsejable estimar
las puntuaciones factoriales de cada sujeto.
Matriz de coeficientes para el clculo de las
puntuaciones en las componentes

Componente
1 2 3
Cris is -,093 ,380 ,382
Poltica de empleo -,076 ,397 ,335
Empres arios ,008 ,338 ,063
Comodidad ,305 -,021 ,159
Preparacin ,257 ,001 ,320
Ganas de trabajar ,328 -,051 ,156
Bs queda ,293 ,027 ,036
Pluriempleo ,178 ,259 -,462
Reparto ,096 ,327 -,518
Mtodo de extraccin: Anlisis de componentes principales .

Puntuaciones de componentes .

294
Nota: Aunque en la prctica el anlisis factorial
(AF) y el mtodo de componentes principales
(PC) se utilizan indistintamente y dan resultados
similares, conviene sealar que as como en el
anlisis de componentes principales el objetivo
consiste en encontrar una serie de
componentes que expliquen el mximo de
variancia total de las variables originales, el
objetivo del anlisis factorial es encontrar una
serie de factores que expliquen el mximo de
variancia comn de las variables originales.

295