CRITIC:A DE PROGRAMAS DE ORDENADC7R

133

EI Paquete Estadstico SPAD

por XAV I E R M I LLET Centre d'I nform^tica
Universitat de Barcelona Diagonal 645, 080^8 Barcelona

DESCRIPCION GENERAL Spad (Sisteme Protable pur 1`Analyses des Donnes) es un paquete estadstico general. Implementa mtodos descriptivos y multidimensionales aplicables a grandes matrices de datos cuantitativos, cualitativos o textuales. El programa incluye utilidades propias de un sistema de software general tales como: seleccin de variables y casos, recodificacin de datos, utilizacin de ficheras de trabajo y auxiliares, uso de etiquetas para la identificacin de las variables, tabulacin y representaciones grf cas de los resultados. Pero sin lugar a dudas lo ms interesante son una serie de anlisis exploratorios multidimensionales basados en las tcnicas desarrolladas a partir de los trabajos de Benzecri (1973, 1980, 1982). Las dos caractersticas ms destacables de este Software son la potencia y especifcidad de mtodos en el tratamiento de informacin textual junto con la corcondancia de los mtodos multidimensionales reproducidos con trabajos de importante base terica. De forma generai los mtodos que presenta el paquete se pueden catalogar en los siguientes grandes grupos: Pvltodos estadisticos descriptivos bsicos. Mtodos factoriales. Anlisis de correspondencias simples y mltiples. Anlisis en componentes principales. Anlisis lineal discriminante. Mtodos de clasif^cacin.

1 34

EST A DIST IC.A ESPA!^C}LA

El empleo de varios tipos de tcnicas combinadas (factorizacin y clasificacin) de forma muy fcil es lo que da al paquete unas grandes posibilidades de anlisis.

F,STRUCTURA DEL PAQUETE

El paquete est organizado de forma modular, a partir de las denominadas ETAPES o conjunto de instrucciones que engloban una funcin tal como: lectura de datos, factorizacin de matrices, almacenado de resultados intermedios, clasificaciones, representaciones... La combinacin de estas ETAPES es lo que da gran flexibilidad al paquete y permite crear ficheros de e^ ecucin para los diferentes tipos de anlisis, que abarcarn desde la descripcin de una variable cualitatiwa hasta el tratamiento de datos textuales.

Un ejemplo: Descripcin de una variable Cualitativa

En este caso el anlisis persigue ta caracterizacin en clases de individuos diferenciados por una variable cualitativa. De forma complementaria el estudio se puede completar con el anlisis de las correspondencias de la tabla de contingencias resultante de las clases de individuos generados y otras variables cuantitativas. Las etapas establecidas sern:
etapas: DONNE LILEX TAMIS APLUM ^ Lectura de los datos numricos Seleccin de variables a utilizar. Creacin de las tablas con las variables cuantitativas a describir. Anlisis de la tabla creada al cruzar la variable del paso anterior con otras variables cuantitativas.

ENUMERACION GENERAL DE LOS PRINCIPALES METODOS Y SUS ETAPES Tratamiento de datos tipo texto En el tratamiento de los datos textuales las funciones ms generales eon sus distintas etapas sern: Entrada Etapes AFLEX

Del texto

CRITICA DE PROC,RAMAS DE ORDENAD(7R

l35

DOTEX DISCO

De respuestas Creacin de ficheros de trabajo

CORTE

Gestin y rectificacin de las palabras

Construccn de tablas de contingenc^as para analizar Etapes COLEX COLEX TALEX Anlisis Etapes APLLIM ASPAR APLUM

Clculo de frecuencias de los nombres en los textos Clculo de frecuencias de las respuestas en los textos Clculo de frecuencias de las respuestas y las variables

De las tablas de contingencia de los nombres y los textos De 1as tablas de contingencia de los nombres y las respuestas De las tablas de contingencia de los nombres y las variables

Caracterizacin de los textos Etapes MOCAR Por nombres y respuestas tipicas Por respuestas tpicas y distancias RQCAR Grficas factoriales Etapes POLEX POSIT

Situaci^n de la palabra en el espacio factorial Situacin de las variables ilustrativas

Mtodos y etapas generaies Entrada de datos Etapes DONNE DPLUM LILEX ECRIT

Entrada de datos numricos Entrada de datos en frecuencias Creacin de un diccianario de variables y datos Introduccin de transformaciones de un diccionario

Gestin y utilidades de SPAD Etapes ECRIT LISTP CODAJ

Gestin de un diccionario Listado de parmetros e instrucciones Preparacin de ficheros

136

ESTADI5TICA ESPAOLA

ARCHI TRANS VALDA

Almacenado de resultados Creacin de ficheros de trabajo (NLEG) a partir de (NDIC, NDON) Madificacin de ausencias ("missing").

Rectificacin y Transforrnaciones
Etapes CODAJ CREAT CR4IS FREGA REDRE Preparacin de ficheros Rectificaciones generales Combinaciones de variables de grupos diferentes Codificacin en clases de variables contnuas Redef nicin de una muestra

COM RO

Recodi ficacin en rango esti mas de rangos.

Seleccin de datos
Etapes LILEX ARCHI Para un tratamienta Para guardar resultados

Estadsticos bsieos
Etapes TRIHI TABUL COMPL Histogramas Tabulaciones Medias, desviaciones y correlaciones

MULTCT Tablas de correspondencias

REPLA DIS2G MCREG FUSIL

G rficas para dos coordenadas Anliss discriminante en dos grupos Regresin y anlisis de la varianza Mejor regresin y anlisis discriminante

Clasificaciones
Etapes ECLAT SEM IS RECIP TA14^ IS INERC ARCHI Mixtas para datos nominales Mixtas para coordenadas factoriales Jerrquicas para coordenadas factoriales Caracterizacin de clases Calidad de una particin Para almacenar una particin

Anlisis factorial Etapes COMPL En componentes principales

CRITICA DE PROGRAMAS DE IJRDENADC)R

l37

CORBI APLUM MULTC MULDI CLAIR ARCHI

Correspondencias simples Correspondencias simples Correspondecias mltiples Correspondencias mltiples Descripcin detallada de u factor Para almacenado de un factor

Grficas factoriales Etapes FPLAN GRAFK POSIT Asociadas a un anlisis Asociadas a una particin Para un grupo de variables nominales

CONSIDERACIONES GENERALES E1 paquete est escrito en Fortran dndole la caracterstica de absoluta portabilidad. E1 tamao total unas 40.000 lineas de programa fuente genera ficheros ejecutables grandes y poco optimizados, siendo la ejecucin relativamente lenta. Es remarcable que el diseo del paquete es para el tratamiento y anlisis de matrices de datas de grandes dimensiones. Ello significa que permite tratar tablas de 70 por 1600 de forma sencilla, y por tanto muy en concordancia con el uso habitual del tipo de mtodos que implementa. La sintaxis de las Procedures es sencilla pero rgida ya que sigue normas de posicin fijas. Por todo ello el uso inicial del paquete no es muy prctico y se hace recomendable utilizar los ficheros de instrucciones ya creados limitndose a sustituir las instrucciones. La documentacin disponible, ver apartado de bibliografa, es un tanto farragosa al mezclar mtodos y el empieo del paquete. Se hecha muy en falta manuales de introduccin o iniciacin. Por el contrario, la bibliografa que describe las metodologas implementadas es de gran calidad.
La parte grfica tanto para lo que hace referencia a los graficos factoriales como a los de clasificacin es muy til y potente, y se combina muy adecuadamente con las utilidades bsicas del paquete (identificadores y/o etiquetas...). Toda esta potencialidad grfica es limitada a la impresin de resultados echndose en falta salidas de representacin grf^ca de calidad. No dispone de ninguna utilidad de intercambio directo con otros paquetes. Los mtodos estadsticos ms comunes y presentes en la mayora de paquetes se presentan en ste de forma rigurosa. Sin duda la caracterstica diferencial del paquete es la incorporacin de mtodos no presentes en otros sisternas de software estadstico, destacando los mtodos de correspondencia y el anlisis y tratamiento de informaciones textuales.

138

ESTADISTICA ESPAIgOLA

La versin de SPAD denominada SPAD.N supera en algunas cuestiones a su predecesora flexibilizacin la sintaxis de las instru^cciones de comunicacin con el paquete SAS. Es per una versin parcial al no incluir la parte ms novedosa y peculiar del paquete como es el tratamiento de datos textuales y encuestas.

BIBLIOGRAFIA
J. P. BENZECRI (1973). "Analyse des Donnes" Tome I; "La Taxinvmie" Tome II; Correspondances Dunod - Pars. J. P. BENZECRI ET Co^tr. ( 1980). "Linguistique et Lexicvlogie, Pratique de 1'Analyse des Donns" Tome III - Dunod - Pars. J. P. BENZECRI (19$2). "Construction d'une Classification Ascendante Hirarchique par la Recherche en Chaine des Voisins Rciproques" - Cahiers de 1'Analyse des Donnes, Vol. VII, No. 2, pp. 209-218. J. M. BOUROCHE, G. SAPORTA (1983). "L'Analyse des Donnes" - P.U.F., Collection "Que sais je" - Pars. F. CAILLEZ, J. P. PAGES ( 1976). "Intrvduction l'Analyse des Donnes" - SMASH, 9, rue Duban 75016 Pars.

E. DIDAY (19$3). "Elments d'Analyse de.s Donnes "- Dunod - Pars. M. GREENACRE ( l 984). "Theory and Application of Correspondence Analysis "- Academic Press London.
M. JAMSU, M. O. LEBEAUx (1978). "Classificativn Automatiyue pour !'Analyse des Donnes" Tome 1-"Mthodes et algorithmes" Tome 2- "Logiciel.s' Dunod - Pars. J. JUAN (19$2). "Programme de Classification Hirarchique par 1'Algvrithme de !a Recherche en Chaine des Voisins Rciproques" Cahiers de 1'Analyse des Donnes, Vol. 7, No. 2, pp. 219-225.
L. LEBART, A. MORINEAU, N. TABARD (1977). "Techniques de la Description Statistique, Mthodes et Logiciels pour 1'Analyse des Grands Tableaux" - Dunod - Pars. ^

L. LEBART, A. MORINEAU, J. P. FENELON { 1979). "Traitement des Donnes Slatistiques, ^tilhodes ei Prugrammes" - Dunod - Pars. L. LEBART, A. MORINEAU, K, W. WARw1CK ( 1984). "Multivariate Descriptrve Statistical Analysis, Cvrrespvndence Analysis und Related Teehniques Jvr Lurge Matrices" - Wiley - New York.

I. C. LERMAN ( 19$1 ). "Classificativn et Analyse Ordinule des Dvnnes" - Dunod - Pars.

L. L. MA^ QU^TTY ( 19b6). "Similurity AnulySls hy Rc^ciprocul Puirs u/^ Discrete unc! Cvntinou.S^ l)atu" - Educ, Psych. Measurement, Vol. 26, pp. 825-831. A. MORINEAU ( 1982). "Cholce of Methods anc! AlKorithms f^^r Statiaticul Treutment oJ'Lurge Arru^'s uf Datu" - Proceedings in Computational Statistics (COMPSTAT), Physica Verlag, Vienne. L. LEBART ( 1981). "Une prvcclure d'[Link] Lexicule F,crite en Lunguge FOR TRAN" - Les Cahiers de 1'Analyse des Donnes, Vol. 6, No. 2, pp. 229-243. L. LEBART ( 1982). "E.^cplorutory Analysis of LarKe Sparse 11^lutrices +^'ith Application to Te_xtual Datu "- CM PSTAT - pp. 67-76.

CRITICA DE PROGRAMAS DE ORDENADOR

1 39

L. LEBART (1982). "L'Analyse Statistique des [Link] Libres dans !es Enquete.s SocioEconomiques "- Consommation - No. 1, pp. 39-42 - Dunod - Pars. A. MORtNEAU (1984). "Computational and Statistical Methods for Exploratory Analysis of Textua! Data" - COMPSTAT - Physica-Verlag - Vienna. T. ALUJA, L. LEBART (1984). "Loca! and Partial Principal Component Analysis" - COMPSTAT Physiea-Verlag - Vienna.
T. ALUJA, L. LEBART ( 19SS). "Factorial Analysis upon a graph" - Bulletin Technique du CESIA Vol. 3- pp. 4-34. J. P. BENZECRI (1973) - "L'Analyse des Donnes "- Tome 2- Dunod - Parrs. A. D. CLIFF, . K. ORD (1981). "Spatial processes, Models and Applications "- Pion limited London.

R. C. GEARY (1954). "The continguity ratio and Statistical mapping" - The Inc. Statistician - p. 1 15-145. L. LEBART (1969). "Analyse Statistique de !a Contiguit" - Publ. de 1'ISU P- XVIII - p. 81-1 12. L. LEBART, N. TABARD (1973). "Recherches sur la Description Automatique des Donnes Socioconomiques" - Report CREDOC-CORDES - No. 13/1971 - Chapitre III. L. LEBART (197H). "Programme d'Agrgation sous Contraintes" - Cahiers de 1'Analyse des Donnes - Vol. 3, No. 3, pp. 275-287. L. LEBART (1984). "Correspondence Analvsis of Graph Structures" - Bulletin technique du CESIA Vol. 2, No. 1-2, p. 5-19.

..

REVISTA ESTADISTICA ESPANOL.A INFORMACIl7N PARA LOS AUT(JRES Euvi^o de oc^inaks

[Link] originales deben cnviarse al Director de la Revista, INE, Paseo de la GsteUana, 183. 2$071 Madrid. Deben estar redactados en castellano y no haber sida publicados o estar en proceso de publicacin en otro lugar. Se enviarn 4 copias del trabajo y la revista acusar siempre su recibo.

PRESENTACION DE LOS MAIYUSCItITOS

Estruciura La primera pgina debe incluir exclusivarnente ei ttulo del artculo y el nombre, direccin completa y telfono del autor. En el caso de varios autores se indicar a quin debe dirigirse la correspondencia. La segunda pgina contendr nicarnente el ttulo y resumen del trabajo de un mximo de 100 palabras, seguida de 3 a palabras clave y la clasificacin AMS del artculo. El texto del artculo comenzar en la tercera pgina y las secciones se numerarn consecutivamente. La ltima pgina del original contendr en ingls el ttulo del artculo, un resumen del mismo bajo el epgrafe Summary y las palabras clave. EI manuscrito debe mecanograf arse a doble espacio. Cuando el ttulo del artculo contenga ms de 80 caracteres, se deber indicar un ttulo alternativo de dicha longitud o menor.

Grncos Todos los diagramas o grficas se numerarn sucesivamente y se indicar su posicidn

en el texto con el nombre de figura. Se cnlc^carn al ^inal del manuscrito y debern ser de la calidad necesaria para su reproduccin. Referen+cis El sistema de referencia a seguir es el oficial del International Statistical Institute. [Link] autores se citarn en el texto por su nombre, seguido de la fecha de publicacin; ejemplo: Box (1986), y las referencias se situarfin en orden alfabtico al final del texto, como sigue : a) Libros: Weisberg, S. (1985). Applied Linear Regression, l^iew York: Wiley. b) Artfculos: Mahalanobis, P. c. (195()). Wi^y Statistics? Snnkhya, 10, 195-^28. e) Trabajos en obrus colectivas: B^x, t;. E. P. {1983). An Apc^logy for Ecumenism in Statistics. Scientific Inference, Data Anulysis and Robuts ^iess, 1d. C. E. P. , Leonard, T. y Wu, C. F., pp. 51-84. New York: Acadcn^ic-Press. Evaluacin de los originales Los originales ser^n sometidos a un proceso de evaluacin garantizando el anonimato tanto del autor como de los evaluadores. El objetivo de la revista es que el autor reciba infotmacin sobre el resultado de la evaluacin en un plazo niximu de tres meses. Pruebas y separatas Aceptado el artculo y antes de su publicacin definitiva, el autor o autores recibir 2 juegos de pruebas para correcciones, unc^ ^le los cuales deber devulver corregidu a la Revista en un plazo de una semana desdc tiu recepcin. tJna vez publicado, recibir 25 separatas de su trabajo. L,os posibles c^stes de impresin derivadus de cualyuier mudificacin de la versin final aceptada dcl manuscrito o de retraso en la correccin de pruebas sern a cargo del autor o autc^res ci^ l mismo.