Your SlideShare is downloading. ×
0
Guia 2 - Taller PUCP MAGALLANES
Guia 2 - Taller PUCP MAGALLANES
Guia 2 - Taller PUCP MAGALLANES
Guia 2 - Taller PUCP MAGALLANES
Guia 2 - Taller PUCP MAGALLANES
Guia 2 - Taller PUCP MAGALLANES
Guia 2 - Taller PUCP MAGALLANES
Guia 2 - Taller PUCP MAGALLANES
Guia 2 - Taller PUCP MAGALLANES
Guia 2 - Taller PUCP MAGALLANES
Guia 2 - Taller PUCP MAGALLANES
Guia 2 - Taller PUCP MAGALLANES
Guia 2 - Taller PUCP MAGALLANES
Guia 2 - Taller PUCP MAGALLANES
Guia 2 - Taller PUCP MAGALLANES
Guia 2 - Taller PUCP MAGALLANES
Guia 2 - Taller PUCP MAGALLANES
Guia 2 - Taller PUCP MAGALLANES
Guia 2 - Taller PUCP MAGALLANES
Guia 2 - Taller PUCP MAGALLANES
Guia 2 - Taller PUCP MAGALLANES
Guia 2 - Taller PUCP MAGALLANES
Guia 2 - Taller PUCP MAGALLANES
Guia 2 - Taller PUCP MAGALLANES
Guia 2 - Taller PUCP MAGALLANES
Guia 2 - Taller PUCP MAGALLANES
Guia 2 - Taller PUCP MAGALLANES
Guia 2 - Taller PUCP MAGALLANES
Guia 2 - Taller PUCP MAGALLANES
Guia 2 - Taller PUCP MAGALLANES
Upcoming SlideShare
Loading in...5
×

Thanks for flagging this SlideShare!

Oops! An error has occurred.

×
Saving this for later? Get the SlideShare app to save on your phone or tablet. Read anywhere, anytime – even offline.
Text the download link to your phone
Standard text messaging rates apply

Guia 2 - Taller PUCP MAGALLANES

601

Published on

Taller de Introducción a la Heeramientas Computacionales para el Análisis Político y Social

Taller de Introducción a la Heeramientas Computacionales para el Análisis Político y Social

0 Comments
0 Likes
Statistics
Notes
  • Be the first to comment

  • Be the first to like this

No Downloads
Views
Total Views
601
On Slideshare
0
From Embeds
0
Number of Embeds
0
Actions
Shares
0
Downloads
0
Comments
0
Likes
0
Embeds 0
No embeds

Report content
Flagged as inappropriate Flag as inappropriate
Flag as inappropriate

Select your reason for flagging this presentation as inappropriate.

Cancel
No notes for slide

Transcript

  • 1. INTRODUCCIÓN ALAS HERRAMIENTAS COMPUTACIONALES PARA EL ANÁLISIS SOCIAL TALLER FACULTAD DE CIENCIAS SOCIALES Especialidad de Ciencia Política y Gobierno Lic. José Manuel MAGALLANES BrCs, Mag.
  • 2. Parte II ANÁLISIS MULTIVARIDO
  • 3. Prof. José Manuel MAGALLANES EXPLORAR DATOS VERIFICAR ALEATORIDAD VERIFICAR CONFIABILIDAD Y VALIDEZ REDUCIR OBSERVADAS A LATENTES PROBAR MODELOS CONSTRUIR RUTA EXPLICATIVA PLANTEAR HIPOTESIS CONTRASTARHIPOTESIS OPERACIONALIZAR VARIABLES MEDIR ¿Paramétricos?
  • 4. Prof. José Manuel MAGALLANES AUTODEFENSA RESPON PROVOCACIÓN INSANIA ES ESENCIAL COMENZAR CON UN MODELO HIPOTÉTICO PARA CUALQUIER DISEÑO MULTIVARIADO “ EL NIVEL DE RESPONSABILIDAD QUE LOS JURADOS LE ATRIBUYEN A UNA ACUSADA DE ASESINAR A SU ESPOSO, PUEDE EXPLICARSE POR LA PERCEPCIÓN DE LOS JURADOS RESPECTO A SI ESTE CRIMEN SE DEBE A PROVOCACION DEL ESPOSO, AUTODEFENSA E INSANIA DE LA ACUSADA, CONSIDERANDO QUE ELLA SUFRÍA MALTRATOS”
  • 5. Prof. José Manuel MAGALLANES VERIFICAR ALEATORIDAD OK si > 0.05 NPAR TESTS /RUNS(MEDIAN)= a_caused a_passion a_provo b_defend b_protect b_save c_insane c_mental c_stable respon /MISSING ANALYSIS.
  • 6. Prof. José Manuel MAGALLANES VERIFICAR CONFIABILIDAD -VALIDEZ RELIABILITY /VARIABLES= a_provo a_caused a_passion /SCALE(' PROVOCACION ') ALL/MODEL=ALPHA /STATISTICS=SCALE /SUMMARY=TOTAL .
  • 7. Prof. José Manuel MAGALLANES VERIFICAR CONFIABILIDAD -VALIDEZ RELIABILITY /VARIABLES= b_defend b_protect b_save /SCALE(' AUTODEFENSA ') ALL/MODEL=ALPHA /STATISTICS=SCALE /SUMMARY=TOTAL .
  • 8. Prof. José Manuel MAGALLANES VERIFICAR CONFIABILIDAD -VALIDEZ RELIABILITY /VARIABLES= c_insane c_mental c_stable /SCALE(' INSANIA ') ALL/MODEL=ALPHA /STATISTICS=SCALE /SUMMARY=TOTAL ..
  • 9. Prof. José Manuel MAGALLANES REDUCIR OBSERVADAS A LATENTES CORRELATIONS /VARIABLES= a_caused a_passion a_provo b_defend b_protect b_save c_insane c_mental c_stable /PRINT=TWOTAIL NOSIG. FACTOR /VARIABLES a_caused a_passion a_provo b_defend b_protect b_save c_insane c_mental c_stable /PRINT INITIAL KMO EXTRACTION ROTATION /FORMAT BLANK(.33) /PLOT ROTATION /CRITERIA MINEIGEN(1) ITERATE(25) /EXTRACTION PC /CRITERIA ITERATE(25) /ROTATION VARIMAX /METHOD=CORRELATION .
  • 10. Prof. José Manuel MAGALLANES REDUCIR OBSERVADAS A LATENTES Es de esperarse que entre las variables aparezcan correlaciones
  • 11. Prof. José Manuel MAGALLANES REDUCIR OBSERVADAS A LATENTES Es de esperarse que entre las variables aparezcan correlaciones Y que aparezcan correlaciones indeseadas
  • 12. Prof. José Manuel MAGALLANES REDUCIR OBSERVADAS A LATENTES Ho:La matriz de correlación es una matriz identidad Ho es <0.05 (significativa). Rechazamos Ho KMO es > 0.5 por lo que es válido el AF
  • 13. Prof. José Manuel MAGALLANES REDUCIR OBSERVADAS A LATENTES ¿Nos quedamos con todas las variables? (suponiendo que están bien los factores) ¿Con cuantos factores nos quedamos?
  • 14. Prof. José Manuel MAGALLANES REDUCIR OBSERVADAS A LATENTES ¿Nos quedamos con todas las variables? (suponiendo que están bien los factores) ¿Con cuantos factores nos quedamos? Los factores recomendados recogen el 65% de las variables en conjunto
  • 15. Prof. José Manuel MAGALLANES REDUCIR OBSERVADAS A LATENTES Indican qué tan relacionada está cada variable con los factores hallados LO IDEAL ES QUE CADA VARIABLE SE ACERQUE A UN COMPONENTE CUANDO ELLO NO OCURRE SE UTILIZA UNA TÉCNICA DE ROTACIÓN MATRIZ CON COMPONENTES ROTADOS SE VE QUE CADA VARIABLE PUEDE REPRESENTARSE CON UN FACTOR
  • 16. Prof. José Manuel MAGALLANES REDUCIR OBSERVADAS A LATENTES RESPON HEMOS LOGRADO RECONSTRUIR EL MODELO HIPOTÉTICO
  • 17. Prof. José Manuel MAGALLANES REDUCIR OBSERVADAS A LATENTES COMPUTE provoke = mean .3 ( a_caused, a_passion, a_provo ) . COMPUTE selfdef = mean .3 ( b_defend, b_protect, b_save ) . COMPUTE insanity = mean .3 ( c_insane, c_mental, c_stable ) . Ahora podemos calcular los constructos que teorizamos
  • 18. Prof. José Manuel MAGALLANES PROBAR MODELOS REGRESSION /DEPENDENT respon /METHOD=FORWARD provoke selfdef insanity /SCATTERPLOT=(*ZRESID ,*ZPRED ) /RESIDUALS DURBIN HIST(ZRESID) NORM(ZRESID) /SAVE PRED ZPRED COOK LEVER ZRESID SRESID . IGRAPH /VIEWNAME='Diagrama de dispersión' /X1 = VAR(LEV_1) TYPE = SCALE /Y = VAR(COO_1) TYPE = SCALE /COLOR = VAR( educ ) TYPE = CATEGORICAL /COORDINATE = VERTICAL /X1LENGTH=3.0 /YLENGTH=3.0 /X2LENGTH=3.0 /CHARTLOOK='NONE' /CATORDER VAR( educ ) (ASCENDING VALUES OMITEMPTY) /SCATTER COINCIDENT = NONE. EXE.
  • 19. Prof. José Manuel MAGALLANES PROBAR MODELOS respon = b 0 + b 1 * provoke + b 2 * selfdef + b 3 * insanity + e EL MÉTODO FORWARD NO RETIRO NIGUNA VARIABLE
  • 20. Prof. José Manuel MAGALLANES PROBAR MODELOS respon = b 0 + b 1 * provoke + b 2 * selfdef + b 3 * insanity + e
  • 21. Prof. José Manuel MAGALLANES PROBAR MODELOS respon = b 0 + b 1 * provoke + b 2 * selfdef + b 3 * insanity + e La H 0 de igualdad a 0 es significativa para todos los casos Los coeficientes de la ecuación están bien determinados
  • 22. Prof. José Manuel MAGALLANES PROBAR MODELOS respon = b 0 + b 1 * provoke + b 2 * selfdef + b 3 * insanity + e ¿Cuanto contribuye cada variable predictora en el modelo? Los BETA nos dan esa información Esta ecuación sirve para “predecir” a la variable respon. Pero no es el real respon… ¿Qué tan fuerte es esa predicción?
  • 23. Prof. José Manuel MAGALLANES PROBAR MODELOS respon = b 0 + b 1 * provoke + b 2 * selfdef + b 3 * insanity + e Esta ecuación sirve para “predecir” a la variable respon. Pero no es el real respon… ¿Qué tan fuerte es esa predicción? El coeficiente de determinación nos informa ello.
  • 24. Prof. José Manuel MAGALLANES PROBAR MODELOS respon = b 0 + b 1 * provoke + b 2 * selfdef + b 3 * insanity + e Pero… todo esto se ha hallado en la muestra … ¿será valido para la población ? Es válido. Se rechaza que R sea = 0
  • 25. Prof. José Manuel MAGALLANES PROBAR MODELOS respon = b 0 + b 1 * provoke + b 2 * selfdef + b 3 * insanity + e Predictoras no deben compartir varianza Como todas son mayores a 0.10 no hay problemas
  • 26. Prof. José Manuel MAGALLANES PROBAR MODELOS ¿Y COMO SE COMPORTAN LOS RESIDUOS? Normalidad de los residuos
  • 27. Prof. José Manuel MAGALLANES PROBAR MODELOS ¿Y COMO SE COMPORTAN LOS RESIDUOS? INDEPENDENCIA (autocorrelación) Valor aceptable: Entre 1.5 y 2.5
  • 28. Prof. José Manuel MAGALLANES PROBAR MODELOS ¿Y COMO SE COMPORTAN LOS RESIDUOS? HOMOCEDASTICIDAD
  • 29. VALORES EXTREMOS Prof. José Manuel MAGALLANES PROBAR MODELOS ¿Y COMO SE COMPORTAN LOS RESIDUOS? Medida de influencia potencial Medida de impacto real Revisar cuando mayor a 0.2 Revisar cuando mayor a 1
  • 30. Prof. José Manuel MAGALLANES CONSTRUIR RUTA EXPLICATIVA PROVOKE INSANITY SELFDEF RESPON -0.134 0.132 -0.365

×