Mtodos loglineales

Ramo : mtodos cuantitativos

Integrantes : Natalia Araya
Ignacio Llano
Macarena Snchez
Escuela de Ingeniera Comercial
Facultad de Ciencias Econmicas y Administrativas
Universidad de Valparaso
INTRODUCCIN
Un problema al que se enfrenta cotidianamente el Tasador es el anlisis
de Variables Cualitativas (No Numricas). Debido a que las Variables
Cualitativas no presentan un comportamiento lineal ; al aplicar las
tcnicas convencionales de regresin mltiple, pueden generar modelos
irreales o simplemente no convergen a ningn valor.

La Regresin Loglineal, es un mtodo estadstico cuyo objetivo consiste
en estudiar la "Clasificacin" de las Variables Cualitativas. Es
esencialmente un Modelo de Regresin Lineal Mltiple entre las
Variables Cualitativas y el Logaritmo Neperiano de la Frecuencia de los
datos (referenciales).

El Paquete Estadstico SPSS, permite mediante un algoritmo, determinar el
Modelo Saturado y el Modelo Jerrquico mas adecuado.
Qu es la Regresin Loglineal?
Los Modelos Loglineal, a diferencia de los Modelos de
Regresin Mltiple, permiten un mejor anlisis para el
caso de variables cualitativas (categricas) dicotmicas o
politmicas.


Recordemos:
Los modelos de regresin mltiple son el estudio de la
posible relacin entre varias variables independientes
(predictoras o explicativas) y otra variable dependiente
(criterio, explicada, respuesta).






Por ejemplo:
Estudiaremos la inteligencia humana y es
posible que consideremos una variable el
tamao del cerebro (explicativa) o tambin
podria ser la edad o el sexo (podriamos
aadirlas al estudio como variables
independientes)

Sigamos en el tema
La Regresin o Anlisis Loglineal, es un mtodo
estadstico cuyo objetivo consiste en estudiar la
"Clasificacin" de las Variables Cualitativas.


La Regresin Loglineal, es esencialmente un Modelo de
Regresin Lineal Mltiple entre las Variables
Cualitativas y el Logaritmo Neperiano de la Frecuencia




Donde A, B y C; son Variables Cualitativas

El uso fundamental del anlisis Loglineal, consiste en determinar la
contribucin de las diferentes variables categoriales seleccionas, en
la conformacin de una "Tabla de Contingencia".
Qu son las Tablas de
Contingencia?


Combinacin de dos o mas tablas de distribucin de
frecuencia, arregladas de manera que cada celda o casilla
de la Tabla resultante represente una nica combinacin
de las "variables cruzadas (crosstabuled)".


VIVIR EN CASAS VIVIR EN APART.

CARACAS 10 40 50
VALENCIA 30 20 50

50 50 100
Por ejemplo:
Tabla de Contingencia del anlisis de la relacin que existe
entre la Preferencia de la poblacin de vivir en casa o
apartamento en Dos principales ciudades:

Examinando estas frecuencias, podemos identificar las
relaciones entre las variables de la "Tabla de
Contingencia" (por ejemplo, La poblacin de Caracas
claramente prefiere vivir en apartamentos).

La Regresin Loglineal, nos proporciona una manera
ms sofisticada de analizar las "Tablas de Contingencia"
y determinar las interacciones estadsticas de las
variables seleccionadas.
Variables de Diseo vs. Variables
de Respuesta


En la Regresin Loglineal, no se pueden hablar de
Variables Dependientes o Independientes, ya que se
trata de relacionar nicamente la el Logaritmo Neperiano
de la Frecuencia (ocurrencia o conteo de datos) en
funcin de una serie de variables categoriales
(cualitativas).




Entonces, hablaramos de "Variables de Diseo" y
"Variable de Respuesta"; siendo las " Variables de
Diseo" aquellas variables categoriales (Dicotmicas o
politmicas) que seleccionamos para construir nuestra
Tabla de Contingencia y la "Variable de Respuesta" la
frecuencia o ocurrencia de la data.
La Bondad de Ajuste
La bondad de ajuste de una Regresin Loglineal, se basa
en la "significancia" de la desviacin (residuo) entre la
Frecuencia Observada de los datos y la Frecuencia
Esperada que genera el modelo loglineal.

Es decir, el modelo ser mejor en funcin de la
minimizacin de la diferencia entre la Frecuencia
Observada y la Esperada.

El Modelo Loglineal Saturado
El Anlisis o Regresin Loglineal, analiza el Logaritmo
Neperiano (Ln) de la Frecuencia de cada celda o casilla de una
Tabla de Contingencia, por medio de un modelo lineal.
Por lo tanto, el Ln de la frecuencia de cada celda o casilla se
puede expresar como la suma de las contribuciones de las
diferentes variables que intervienen en la formacin del Modelo
Loglineal.
Se define como Modelo Saturado (o Completo) a aquel que
contiene TODOS los posibles efectos principales y TODAS las
posibles combinaciones (efectos de 2do., 3er. o ensimo orden)
de la Variables seleccionadas que lo componen.
Debido a que el Modelo Loglineal Saturado, puede reproducir
perfectamente la data estudiada, debido a que contiene todas las
posibles combinaciones de las variables seleccionadas; se supone
en un modelo pesado y complejo, y usualmente no es el modelo
ms deseable.
Ejemplo de un Modelo Loglineal Saturado

Supongamos que para un estudio de valoracin de
apartamentos vacacionales en una ciudad costera,
queremos estudiar la relacin entre las Variables
Categoriales:
X: Vista al Mar
Y: Edificio con Piscina
Z: Edificio con Puestos de Estacionamiento para
visitantes
La ecuacin para un Modelo Loglineal Saturado, esta
dado por:
Donde:
Representa la Frecuencia de cada celda o cuadrcula de la Tabla de
Contingencia producto de la interaccin de los Datos (referenciales) y Variables
seleccionadas
Representa el Trmino Independiente de la Ecuacin
Representa el "efecto principal" de la Variable Cuantitativa o Categorial X
Representa el "efecto principal" de la Variable Cuantitativa o Categorial Y
Representa el "efecto principal" de la Variable Cuantitativa o Categorial Z
Representa el "efecto de segundo orden" o combinacin de las Variables
Categoriales X Y
Representa el "efecto de segundo orden" o combinacin de las Variables
Categoriales X Z
Representa el "efecto de segundo orden" o combinacin de las Variables
Categoriales Y Z
Representa el "efecto de tercer orden" o combinacin de las Variables
Categoriales X, Y Z
Los Modelos Loglineal
Jerrquicos
Se define como Modelos Loglineal Jerrquicos, a los
diferentes modelos, todos sub-juegos (ecuaciones de
menor orden que el Modelo Saturado) provenientes del
Modelo Loglineal Saturado, que cumplan las
condiciones siguientes:
Si un parmetro es nulo, tambin los sern aquellos
trminos de orden inferior.
Que exista completa independencia entre las variables
seleccionadas
Si estas condiciones se cumplen, se genera un Modelo
Loglineal ms sencillo, ms elegante y con un grado
aceptable de precisin
Obtencin del Modelo Jerrquico
de Mejor Ajuste
El Mtodo de bsqueda del Mejor Modelo Jerrquico
ms utilizado por los paquetes estadsticos dedicados en
el conocido como "Retro-eliminacin"
Pasos para el funcionamiento del
ssps

El paquete estadstico SPSS, mediante el Mdulo
Loglineal, permite la determinacin de Modelos
Estadsticos Saturados y Jerrquicos.

Dentro de los "Modelos Jerrquicos", el SPSS permite o
bien seleccionar automticamente el Modelo Jerrquico
de Mejor Ajuste, o permite al usuario escoger o modelar
cualquier sub-juego de variables.
Entrar correctamente los datos a correlacionar en el "Editor de
Datos" (Data Editor) del paquete SPSS

Los procedimientos de clculo en el SPSS se encuentran en el
Men Analyze

Dentro del Men Analyze se encuentra la subrutina o mdulo
Loglineal.

Dentro del mdulo Loglineal, se encuentran Tres (3)
Submens:

General
Logit
Model Selection

Una vez ubicados en la pantalla Model Selection Loglineal Anlisis, se
procede a:

Seleccionar la "Variables de Diseo" que van a ser correlacionada.
Definir los Rangos mnimos y mximos de la data que conforman
cada una de las "Variables de Diseo".
Definir las Opciones de clculo y salida de los modelos.
E Iniciar el anlisis mediante el botn OK.
Una vez el SPSS finalizado los clculos, presentar la salida de los
modelos en la pantalla SPSS Viewer, en forma de texto.
De all el usuario podr o bien imprimirlo en papel o "exportar" la salida
en un archivo de texto para su uso en un procesador de palabras u hoja
de clculo.

Conclusin:
Finalmente podemos concluir que los modelos
loglineales son una forma o mtodo ms de los muchos
que hay para tener resultados sobre diferentes variables
cuantitativas.
Tenemos dos tipos uno que es mas complicado y difcil
el cual es llamado saturado.
Y otro que es mas sencillo y que es aceptado el cual
tambin lleva a resultados ponderados. El cual es
llamado modelo jerrquico.
En definitiva estos dos modelos pueden ayudarnos a
obtener un anlisis concreto de variables cuantitativas y
con la ayuda del programa ssps se puede lograr de una
manera mas fcil y exacto.