Técnicas Multivariadas

UNIVERSIDAD NACIONAL AGRARIA LA MOLINA

Dpto. académico de Estadística e Informática

Análisis de
Correspondencias

Mg. Jesús Salinas Flores jsalinas@[Link]

Introducción

Mg. Jesús Salinas Flores jsalinas@[Link]

Mg. Jesús Salinas Flores 1

Técnicas Multivariadas

Ejemplo – Consumo de cervezas

Se quiere determinar el
posicionamiento del mercado
cervecero en los estudiantes de
la UNA La Molina entre las
edades de 18 a 28 años.

Materiales y métodos

ATRIBUTOS
MARCAS Sabor Precio Presentación Publicidad Calidad
Cristal
Pilsen
Cusqueña
Brahma
Barena
Dorada

Mg. Jesús Salinas Flores 2

Técnicas Multivariadas

Tabla de Datos
Atributo
Marca
Sabor Precio Presentación Publicidad Calidad Total

Cristal 32 5 14 49 23 123
Pilsen 22 28 25 31 17 123
Cusqueña 51 4 24 10 34 123
Brahma 9 61 12 33 8 123
Barena 15 29 34 40 5 123
Dorada 10 91 11 11 0 123
Total 139 218 120 174 87 738

Análisis por Filas (% fila)

Atributo
Marca
Sabor Precio Presentación Publicidad Calidad

Cristal
X
Pilsen
X
Cusqueña
X
Brahma
X
Barena
X
Dorada
X

Mg. Jesús Salinas Flores 3

Técnicas Multivariadas

Análisis por Columnas (% columna)

Atributo
Marca
Sabor Precio Presentación Publicidad Calidad

Cristal
X
Pilsen

Cusqueña
X X
Brahma

Barena
X
Dorada
X

Prueba de Independencia

H0: El atributo preferido es independiente de la marca de cerveza

H1: El atributo preferido es dependiente de la marca de cerveza

Summary

Confidence Singular
Proportion of Inertia Value

Singular Standard Correlation

Dimension Value Inertia Chi Square Sig. Accounted for Cumulative Deviation 2
1 .582 .339 .752 .752 .026 .255
2 .287 .083 .183 .935 .032
3 .165 .027 .061 .996
4 .044 .002 .004 1.000
Total .451 332.527 .000a 1.000 1.000
a. 20 degrees of freedom

Mg. Jesús Salinas Flores 4

Técnicas Multivariadas

CALIDAD

SABOR PRECIO

PRESENTACION

PUBLICIDAD

Análisis de Correspondencia

El AC es una técnica desarrollada por Benzecri en 1973

El AC permite analizar variables nominales y ordinales que dan

lugar a una tabla de contingencia

Permite obtener mapas perceptuales

Mg. Jesús Salinas Flores 5

Técnicas Multivariadas

Tipos de Análisis de Correspondencias

AC Simple AC Múltiple

Cuando el análisis es Si el análisis es de

de dos variables tres o más variables

Finalidad del ACS (Uriel, 2005)

Variable 2

A B C D E
Variable 1

1
2 Tabla de
3
4
contingencia

1 D
A

2 B

C 4

3 E

Mg. Jesús Salinas Flores 6

Técnicas Multivariadas

Metodología

Mg. Jesús Salinas Flores jsalinas@[Link]

Ejemplo – Niveles de Inglés (Renom, 1997)

Clase A Clase B Clase C Total Marginal
Hombres 100 200 200 500 0.25
Mujeres 300 600 600 1500 0.75
Total 400 800 800 2000

Marginal 0.20 0.40 0.40

Clase A Clase B Clase C Total

Hombres 0.20 0.40 0.40 1
Mujeres 0.20 0.40 0.40 1
Total 0.20 0.40 0.40 1

Clase A Clase B Clase C Total

Hombres 0.25 0.25 0.25 0.25
Mujeres 0.75 0.75 0.75 0.75
Total 1 1 1 1

Mg. Jesús Salinas Flores 7

Técnicas Multivariadas

Ejemplo – Niveles de inglés (Renom, 1997)

Clase A Clase B Clase C Total Marginal
Hombres 150 50 300 500 0.25
Mujeres 250 750 500 1500 0.75
Total 400 800 800 2000

Marginal 0.20 0.40 0.40

Clase A Clase B Clase C Total

Hombres 0.30 0.10 0.60 1
Mujeres 0.17 0.50 0.33 1
Total 0.20 0.40 0.40 1

Tabla de Datos
Parte de una tabla de contingencia que contiene dos variables,
con sus diversas modalidades, y cada casilla recoge la
frecuencia en que se presentan.
1 ........ j ..... p Total fila
1 k1.
.
.
i kij ki.
.
.
n kn.
Total columna k.1 k.j k.p k

kij Número de individuos/casos que poseen a la vez la modalidad “i”

de la primera variable y la modalidad “j” de la segunda variable

Mg. Jesús Salinas Flores 8

Técnicas Multivariadas

Consideraciones generales…
El AC trata de determinar la posición que tienen los distintos niveles de
las variables y relacionarlos entre sí en unas coordenadas a las que
denominamos dimensiones.

Éstas dimensiones tienen mucha similaridad con lo que en el análisis

factorial se denominaban factores.

…Consideraciones generales

Lo que en AF se denomina autovalores en ACS se denomina inercia.

La inercia va a determinar la cantidad de información o variancia que

conseguimos explicar de las relaciones existentes entre las variables.

Mg. Jesús Salinas Flores 9

Técnicas Multivariadas

Distancia de Benzecri e Inercia Total

p
1 fij
d 2 (i, G j )   (  f. j ) 2
j 1 f. j f i .

1 fij ( f  f i . f. j ) 2
Inercia Total= Inercia(i)   fi.  (  f. j ) 2   ij
i i j f. j f i . i j f i . f. j

calculado
2
IT 
Total de la tabla

Inercia Total y Chi-cuadrado

1 fij ( fij  fi. f. j )2
Inercia Total= Inercia(i)   fi.  (  f. j )  
2

i i j f. j f i . i j f i . f. j

𝑘𝑖. 𝑘.𝑗 𝑘 𝑘𝑘𝑖. 𝑘.𝑗

(𝑂𝑖𝑗 −𝑒𝑖𝑗 )2 (𝑘𝑖𝑗 − 𝑘 )2 (𝑘𝑘𝑖𝑗 −𝑘 𝑘 )2
𝜒2 = σ σ = σσ 𝑘𝑖. 𝑘.𝑗 = σσ 𝑘𝑘𝑖. 𝑘.𝑗
𝑒𝑖𝑗
𝑘 𝑘 𝑘

calculado
2
IT  Residuo Estandarizado
Total de la tabla

Mg. Jesús Salinas Flores 10

Técnicas Multivariadas

…Consideraciones generales

La inercia total va a ser igual al valor que en las chi-cuadrado de las tablas
de contingencia dividido por el número total de individuos. Esta inercia
total va a ser posteriormente repartida entre las distintas dimensiones.

Si en el AF extraía factores, en ACS se extraen dimensiones o

componentes. El número máximo de éstas será igual al mínimo del
número de filas o del número de columnas menos uno.

Caso práctico

Mg. Jesús Salinas Flores jsalinas@[Link]

Mg. Jesús Salinas Flores 11

Técnicas Multivariadas

Ejemplo – Renta/Opinión (Luque, 2000)

Se pretende buscar la relación entre el poder
económico de la persona y la opinión que tiene
sobre el sistema sanitario público.

Se recogen para ello opiniones de 500 personas.

En cuanto al nivel de renta se han dividido a las

personas entrevistadas en cuatro niveles según
distintos tramos de renta.

Tabla de datos

Opinión sobre el sistema

sanitario público

Nivel de renta Bueno Malo Regular Total

Bajo 75 40 35 150
Medio 60 50 70 180
Alto 20 40 30 90
Muy Alto 15 40 25 80
Total 170 170 160 500

Mg. Jesús Salinas Flores 12

Técnicas Multivariadas

Interpretación de los resultados…

En la práctica suelen ser suficientes dos o tres componentes para

estudiar la relación entre líneas y columnas.

Es posible obtener una visión global bastante buena si se representan

simultáneamente los puntos fila y columna sobre el plano formado por
los dos primeros componentes, que recoge la mayor cantidad de
información.

…Interpretación de los resultados

Si dos filas (columnas) tienen una estructura semejante, su situación será próxima sobre el
plano (no siempre es cierto lo inverso; dependerá de la calidad de representación de los
puntos).

La situación cercana de un punto fila “i” y un punto columna “j” sólo se puede interpretar si
están alejados del origen.

Cuando una línea tiene un perfil próximo al perfil medio, tiene un comportamiento medio y
se encontrará próxima al origen.

Mg. Jesús Salinas Flores 13

Técnicas Multivariadas

Ayudas a la interpretación
• Expresa la participación que tiene el elemento “i” en la
Contribución inercia explicada por el componente .
Absoluta (CA) • . es la inercia explicada por el componente .

f i F2 (i )
CA (i ) 

• Recoge la participación del componente  en la
Contribución
explicación del elemento “i”.
Relativa (CR)
• Mide la calidad de representación de “i” sobre el eje 

F2 (i )
CR  (i )  2
d (i, G )
, 

CR  (i )  1

Interpretación de los componentes…

Se buscan aquellos puntos i (j) de mayor CA

Dentro de éstos se separan los puntos que se proyectan del

lado positivo de los que intervienen del lado negativo, que
estarán en oposición.

Mg. Jesús Salinas Flores 14

Técnicas Multivariadas

…Interpretación de los componentes

Se estudia la calidad de representación CR de estos puntos. Si un punto
tiene un CR pequeño es de suponer que tenga un papel importante
sobre otro eje, y para su estudio sería necesario considerar el conjunto
de los ejes.

Se buscan aquellos puntos i (j) que si bien no contribuyen a la formación

del factor, si se encuentran bien representados (CR alto). Estos puntos
son ilustrativos de la significación del eje.

Ejemplo – Atributos / Empresas

(Pedret,2000)

En un estudio sobre material eléctrico, se entrevistó

a una muestra de clientes de 9 empresas de
distribución, con el fin de determinar el
posicionamiento de dichas empresas con respecto a
7 atributos de importancia dentro de su sector de
actividad.

Mg. Jesús Salinas Flores 15

Técnicas Multivariadas

Tabla de datos

Tabla de correspondencias

Empresas

Atributos Emp1 Emp2 Emp3 Emp4 Emp5 Emp6 Emp7 Emp8 Emp9 Margen activo
Precios/Descuentos 16 17 18 19 16 45 15 19 18 183
Variedad Marcas 8 15 18 17 27 20 2 14 53 174
Rapidez entrega 20 20 23 21 29 20 18 19 25 195
Información técnica 11 13 12 17 20 16 15 10 44 158
Trato del personal 28 25 25 22 30 26 24 22 26 228
Condiciones de pago 21 21 20 24 27 22 18 21 24 198
Facilidad de acceso 21 21 21 23 26 15 16 18 21 182
Margen activo 125 132 137 143 175 164 108 123 211 1318

Posicionamiento ideal

Atributos IDEAL
Precios/Descuentos 45
Variedad/Marcas 53
Rapidez entrega 29
Información técnica 44
Trato del personal 30
Condiciones de pago 27
Facilidad de acceso 26

Mg. Jesús Salinas Flores 16

Técnicas Multivariadas

Consideraciones Finales

Mg. Jesús Salinas Flores jsalinas@[Link]

Consideraciones al ACS (Pedret, 2000)

El método se aplica a matrices de valores absolutos (obtenidas por simple conteo)

Es necesario que los márgenes de filas y columnas tengan un sentido; es decir, la suma de
cada fila y columna debe poderse interpretar

De no cumplirse, el análisis puede realizarse, pero se corre el riesgo de que los resultados
que se obtengan no reflejen la estructura del fenómeno que se está analizando, sino que
más bien estén reflejando el método que hayamos utilizado para recoger los datos

Mg. Jesús Salinas Flores 17

Técnicas Multivariadas

Ejemplo - Marcas
NSE
Adultos A/B Auto Total
Marca 1 25 35 10 70
Marca 2 30 30 5 65
Marca 3 35 20 15 70
Marca 4 40 15 20 75
Marca 5 25 10 15 50
Total 155 110 65 330

Mg. Jesús Salinas Flores 18