Prof.: José Luis Zapata Sánchez Integrantes: Lía J. Dzib Cocom. Nora Del C. Ramírez de la Cruz

1. Prof.: José Luis Zapata Sánchez Integrantes: Lía J. Dzib Cocom. Nora Del C. Ramírez de la Cruz Olivia G. Ortega Góngora Nallely Tun González. Regresión Ordinal

2. Regresión Ordinal ¿Que es una regresión Ordinal? Es un método matemático que modeliza la relación entre una variable dependiente Y, las variables independientes X. Desde la perspectiva de una escala ordinal. ¿Que es una escala ordinal? Es una escala de clasificación en la que los números se asignan a los objetos para indicar el grado relativo en la que los objetos poseen ciertas características. ¿Para que sirve? Una regresión ordinal nos permite determinar si un objeto tiene mas o menos cantidad de ciertas características que algún otro objeto. De manera que, una escala ordinal nos indique la posición relativa, pero no la magnitud de las referencias entre los objetos.

3. Ejemplos: Un claro ejemplo de lo que significa esto es La clasificación de calidad, Clasificaciones de los equipos de un torneo, Clase socioeconómica y Condición laboral. En investigación de mercados las escalas ordinales se utilizan para medir las actitudes, opiniones, percepciones y preferencias relativas. Las mediciones de este tipo incluyen juicios de “ Mayor que” y “menor que”. Por parte del entrevistado.

4. EFECTOS DE LAS ESCALAS SOBRE ANALISIS Además de calcular frecuencias permite calcular medidas percentiles y una gran variedad de otros valores estadísticos que pudieran utilizarse. Una aplicación interesante para jerarquización de artículos durables, en orden de prioridad respecto a su compra. Estos datos son utilizados para evaluar el grado o atractivo de los nuevos bienes durables y evaluar el valor de los existentes. COMPARACION DE PAREJAS: las comparaciones por parejas son esencialmente UN medio de generar una escala ordinal sin pedir al entrevistados que considere todas las alternativas en forma simultanea. Mas bien, los entrevistados solo escogen la de mayor preferencia (o la mas bonita, o cualquier otra característica que desea medir) de dos alternativas al mismo tiempo.

5. COCA, PEPSI COCA, 7 UP COCA, DR. PEPPER COCA, SLICE PEPSI, 7 UP PEPSI, DR. PEPPER PEPSI, SLICE 7 UP, DR. PEPPER 7 UP, SLICE DR. PEPPER. SLICE El valor derivado de escala por cada marca es la cantidad de veces que esta fue preferida en comparaciones que la involucran. ESCALA SEMANTICA: se obtienes respuestas a u estimulo en términos de categoría semánticas. Por ejemplo:

6. Una modificación de escala semántica es la llamada Stapel, la que utiliza una sola palabra clave (por ejemplo, agrada) y permite que las persona evalúen un objeto (por ejemplo, yogur) es una forma de escala, desde, por ejemplo, “no se aplica”, “se aplica” ESCALA DE FOTOS: UNA ALTERNATIVA A UNA ESCALA SEMANTICA ES LA ESCALA ILUSTRADA. PARA NIÑOS Y REGIONES POR SU POCO CONOCIMIENTO O BAJA EDUCACION El análisis de regresión sirve tanto para EXPLORAR datos como para CONFIRMAR teorías. Si el análisis de regresión se realiza con variables tipificadas los coeficientes b, pasan a denominarse: β (coeficientes de regresión estandarizados) β i = b i ( Desv. Típica Xi /Desv. Típica Y ) Al coeficiente de correlación R elevado al cuadrado se le llama coeficiente de determinación y es una medida de la bondad del ajuste del modelo ya que da la proporción de variación de Y explicada por el modelo. Se suele emplear R2 ajustado, que es una corrección de R2 para ajustar mejor el modelo a la población objeto de estudio.

7. Regresión logística ordinal. • variable dependiente • categórica con más de dos valores y una o mas variables independientes que pueden ser tanto categóricas como cuantitativas. • se pueden ordenar cardinalmente. • Se ajusta con función logit oprobit Orderer probit regresión • el modelo de regresión logística: • precisa incluir como variable dependiente mas de dos categorías (c); en este caso se definen c-1 logit o ecuaciones simultáneas, cada uno de ellos comparando una determinada categoría con la definida como de referencia, que en el caso particular de la regresión logística multinomial debe ser la categoría de valor mas bajo. • Es importante tener claro que el modelo mas simple de esta regresión, donde la • variable independiente es categórica binaria, equivale a una tabla de contingencia (χ2). Sin embargo el modelo se va a ir complicando conforme añadamos categorías a la variable independiente o introduzcamos un predictor (variable independiente) cuantitativo.

8. MODELO DE REGRESION POR RESPUESTA CATEGORICA:

9. FORMULACION DE LA REGRESION ORDINAL:

10. MODELO DE REGRESION ORDINAL EN R.

11. EJEMPLO DE APLICACIÓN:

14. Cómo Obtener una regresión ordinal Elija en los menús: Analizar Regresión Ordinal... Seleccione una variable dependiente. Pulse en Aceptar.

15. Regresión ordinal opciones • Iteraciones. El algoritmo iterativo puede personalizarse: • Iteraciones máximas. • Máxima subdivisión por pasos. • Convergencia del logaritmo de la verosimilitud. • Convergencia de los parámetros.

16. Resultados regresión ordinal Mostrar. Genera tablas correspondientes a: • Imprimir el historial de iteraciones. • Estadísticos de bondad de ajuste. • Estadísticos de resumen. • Estimación de los parámetros. • Covarianza asintótica de las estimaciones de los parámetros.

17. Modelo de ubicación de la r.o • Especificar modelo. • Factores y covariables. • Modelo de ubicación. Construir términos Para las covariables y los factores seleccionados: Interacción. Crea el término de interacción de mayor nivel con todas las variables seleccionadas. Este es el método por defecto. Efectos principales. Crea un término de efectos principales para cada variable seleccionada. Todas de 2. Crea todas las interacciones dobles posibles de las variables seleccionadas. Todas de 3. Crea todas las interacciones triples posibles de las variables seleccionadas. Todas de 4. Crea todas las interacciones cuádruples posibles de las variables seleccionadas. Todas de 5. Crea todas las interacciones quíntuples posibles de las variables seleccionadas.

18. Modelo de escala de la r.O • Factores y covariables. • Modelo de escala. Construir términos Para las covariables y los factores seleccionados: Interacción. Crea el término de interacción de mayor nivel con todas las variables seleccionadas. Este es el método por defecto. Efectos principales. Crea un término de efectos principales para cada variable seleccionada. Todas de 2. Crea todas las interacciones dobles posibles de las variables seleccionadas. Todas de 3. Crea todas las interacciones triples posibles de las variables seleccionadas. Todas de 4. Crea todas las interacciones cuádruples posibles de las variables seleccionadas. Todas de 5. Crea todas las interacciones quíntuples posibles de las variables seleccionadas.