Guia 2 - Taller PUCP MAGALLANES

776 views

Published on

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

  • Be the first to comment

  • Be the first to like this

Guia 2 - Taller PUCP MAGALLANES

  1. 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. 2. Parte II ANÁLISIS MULTIVARIDO
  3. 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. 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. 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. 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. 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. 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. 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. 10. Prof. José Manuel MAGALLANES REDUCIR OBSERVADAS A LATENTES Es de esperarse que entre las variables aparezcan correlaciones
  11. 11. Prof. José Manuel MAGALLANES REDUCIR OBSERVADAS A LATENTES Es de esperarse que entre las variables aparezcan correlaciones Y que aparezcan correlaciones indeseadas
  12. 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. 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. 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. 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. 16. Prof. José Manuel MAGALLANES REDUCIR OBSERVADAS A LATENTES RESPON HEMOS LOGRADO RECONSTRUIR EL MODELO HIPOTÉTICO
  17. 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. 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. 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. 20. Prof. José Manuel MAGALLANES PROBAR MODELOS respon = b 0 + b 1 * provoke + b 2 * selfdef + b 3 * insanity + e
  21. 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. 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. 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. 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. 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. 26. Prof. José Manuel MAGALLANES PROBAR MODELOS ¿Y COMO SE COMPORTAN LOS RESIDUOS? Normalidad de los residuos
  27. 27. Prof. José Manuel MAGALLANES PROBAR MODELOS ¿Y COMO SE COMPORTAN LOS RESIDUOS? INDEPENDENCIA (autocorrelación) Valor aceptable: Entre 1.5 y 2.5
  28. 28. Prof. José Manuel MAGALLANES PROBAR MODELOS ¿Y COMO SE COMPORTAN LOS RESIDUOS? HOMOCEDASTICIDAD
  29. 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. 30. Prof. José Manuel MAGALLANES CONSTRUIR RUTA EXPLICATIVA PROVOKE INSANITY SELFDEF RESPON -0.134 0.132 -0.365

×