Escuela superior politécnica del litoral


Software utilizado para el análisis



Descargar 377.72 Kb.
Página6/9
Fecha de conversión03.12.2017
Tamaño377.72 Kb.
Vistas371
Descargas0
1   2   3   4   5   6   7   8   9

Software utilizado para el análisis.

Para el análisis de las variables se utiliza el paquete estadístico para Windows SPSS (Statistical Package for Social Studies) en su versión 12.0. El programa SPSS es una herramienta muy utilizada en todos los campos en los que se puede aplicar estadística, como por ejemplo la medicina, sociología, psicología, economía, etc.



CAPÍTULO 4
ANÁLISIS MULTIVARIADO
En el presente capítulo se realizará el análisis exploratorio de los datos empleando las técnicas estadísticas: componentes principales y análisis de conglomerados. Este análisis proporcionara información de cómo actúan las variables; además de cómo se agrupan las variables países. Para efectuar los cálculos correspondieres a cada técnica estadística, se utilizó el software estadístico SPSS versión 12.0.



    1. Análisis de componentes principales

Debido a que la información de las exportaciones mundiales de banano es muy extensa en vista de que se cuenta con información desde el año 1990 hasta el año 2003, el análisis de componentes principales se utilizará para reducir el número de variables con el objetivo de facilitar el análisis de los datos y el resultado deseado. Además se utilizará este mismo modelo para interpretar las distancias de las variables en términos de similitud y para identificar la clasificación de las mismas en grupos y patrones.

Cabe mencionar que se utilizó además la técnica de rotación, varimax, con el fin de realizar una mejor interpretación de los componentes.
Para comprender mejor el comportamiento de las exportaciones se analizaron dos situaciones, primero, el comportamiento de los países y luego, el comportamiento del período de estudio.


      1. Análisis del comportamiento de los países.

En este análisis las variables son las exportaciones de países y las observaciones son anuales. En la tabla IV.I se muestra la matriz de comunalidades que son estimaciones de la varianza de cada variable obtenidas a través de las componentes, con el fin de determinar la calidad de representación de las variables, se puede observar que las comunalidades en la tabla son altas o cercanas a 1, lo que indica que las variables representadas por las componentes son muy buenas.




TABLA IV.I

MATRIZ DE COMUNALIDADES

PAÍS

Inicial

Extracción




PAÍS

Inicial

Extracción

Belice

1

0.892




Grenada

1

0.971

Brasil

1

0.959




Santa Lucia

1

0.926

Colombia

1

0.944




San Vicente

1

0.91

Costa Rica

1

0.808




China

1

0.908

Rep.Dominicana

1

0.977




Malasia

1

0.775

Ecuador

1

0.929




Pakistán

1

0.882

Guatemala

1

0.952




Filipinas

1

0.952

Honduras

1

0.913




Tailandia

1

0.846

México

1

0.895




Vietnam

1

0.928

Nicaragua

1

0.845




Camerún

1

0.917

Panamá

1

0.887




Côte d’ Ivoire

1

0.941

Perú

1

0.962




Etiopia

1

0.952

Surinam

1

0.964




Rep. De Guinea

1

0.829

Venezuela

1

0.921




Somalia

1

0.846

Jamaica

1

0.937




Oceanía

1

0.965

Dominica

1

0.975
















FUENTE SPSS, OAV 2005
Se obtuvieron seis componentes principales según el criterio de Káiser, en el cual se seleccionan los componentes cuyos valores sean mayores que uno.
Estos seis componentes expresan el 91.311 % de la varianza por lo que estos componentes representan bien al total de variables perdiendo solamente el 8.7% de la varianza.

En la tabla IV.II se muestran la matriz de componentes rotados con el método de rotación VARIMAX en la cual se puede observar con mayor claridad las variables que intervienen en cada componente.




TABLA IV.II

MATRIZ DE COMPONENTES ROTADOS



PAÍSES

Componentes

1

2

3

4

5

6

Jamaica

.911

.042

-.273

-.060

.111

.120

Tailandia

-.866

-.205

.065

.198

-.093

.033

Republica De Guinea

-.807

-.078

-.261

.086

-.215

-.224

México

.743

.388

-.291

.093

.297

.107

Santa Lucia

.733

.500

-.238

-.146

.160

-.185

Panamá

.671

.466

-.427

-.135

.128

.055

Filipinas

-.638

-.452

.314

.358

-.334

.040

Côte d’ Ivoire

-.612

-.578

.253

.397

-.100

-.036

Colombia

-.564

-.474

-.208

.526

.257

.121

Malasia

-.550

-.097

.448

-.149

-.417

.256

Camerún

-.546

-.460

.335

.398

-.364

.065

Oceanía

.480

.473

-.170

.449

.340

-.405

Belice

-.126

-.875

-.287

.103

-.038

-.125

Etiopia

-.032

.872

.275

-.058

.304

-.140

Ecuador

-.354

-.852

.182

.040

-.082

.191

Grenada

.509

.812

-.185

-.110

-.079

.021

San Vicente Y Granadinas

.286

.768

-.115

-.351

.173

-.268

Costa Rica

.094

-.755

-.200

.190

.380

.090

Honduras

.554

.701

.195

-.169

-.004

-.218

Dominica

.569

.661

-.332

-.152

.251

-.132

Guatemala

-.552

-.608

.406

.261

-.206

-.046

Surinam

.171

.016

-.945

-.068

.191

-.039

Pakistán

.097

.131

.903

-.104

.009

-.167

Perú

-.465

-.056

.739

.265

-.353

.045

Brasil

-.557

.180

.713

.311

-.078

.066

Somalia

.229

.217

-.275

-.754

-.238

-.212

Nicaragua

.066

.236

.125

-.739

.105

.460

Republica Dominicana

-.246

-.534

.256

.632

-.406

-.041

Venezuela

.219

-.078

-.298

.000

.873

-.122

China

.430

.410

.012

.024

.718

.196

Vietnam

.163

-.277

-.121

-.023

-.029

.899




FUENTE SPSS, OAV 2005

En este sentido, se pueden determinar, utilizando la tabla anterior, las variables más representativas que influyen en cada componente para lo que nos basamos en aquellas variables cuyos coeficientes sean cercanos a uno, es decir que aporten con una carga alta.


De esta manera, en la primera componente, que aporta con aproximadamente el 26.04 % de la información de las variables, se puede ver que los países más representativos con una relación positiva son: Jamaica (0.911), México (0.743), Santa Lucia (0.733), Panamá (0.671); opuesto a ellos se encuentran Tailandia (-0.866), Republica de Guinea (-0.807), Filipinas (-.638), Côte d’ Ivoire (-0.612). En esta componente Centroamérica y el Caribe se encuentran cercanos entre ellos y opuestos a los países del Lejano Oriente y África. Por lo que se denominará a esta componente “Influencia de Centroamérica y Caribe”.
La segunda componente, que aporta con aproximadamente el 25.60 % de la variabilidad, se encuentra el Ecuador (0.852), Belice (0.875), Costa Rica (0.755); opuesto a ellos se encuentran Etiopía (0.872), Honduras (0.701), Dominica (0.661), San Vicente Y Granadinas (0.768), Granada (0.812). A esta componente se la denominará “Influencia del Ecuador”.
La tercera componente, que aporta con aproximadamente el 14.95 % de la variabilidad, se encuentra conformada por Pakistán (0.875), Perú (0.739), Brasil (0.713), Surinam (-0.945); debido a que las variables más representativas pertenecen al Lejano Oriente y Suramérica por lo cual se le atribuirá el nombre de “Lejano Oriente vs. Suramérica”.
En la cuarta componente las variables más representativas son Republica Dominicana (.632), Somalia (-0.754), Nicaragua (-0.739).
En la quinta componente las variables más representativas son Venezuela (0.873) y China (0.718).
En la sexta componente no se define claramente un grupo de variables, pues la única variable sobresaliente es Vietnam (0.899).
Estas tres últimas componentes aportan muy poco a la explicación de las variables aproximadamente un 24%, por lo cual se analizarán las correlaciones existentes entre los componentes y las variables utilizadas con los tres primeros componentes principales que expresan el 86 % de la información de las variables, se observa en las GRÁFICOS 4.1 y 4.2 el análisis de los planos respectivos a estos componentes.




FUENTE SPSS, OAV 2005

Según los cuales se determinaron las siguientes resoluciones:



  • Existe una posible relación directa entre Ecuador y Filipinas.

  • Los mayores exportadores mundiales como Ecuador, Filipinas, Costa Rica, Camerún, Côte d’ Ivoire, Guatemala, etc. tienden a agruparse entre ellos.

  • Los países del Caribe se encuentran relacionados directamente.

  • Los países de Centroamérica (México, Panamá, Nicaragua, Honduras) y el Caribe (Jamaica, Dominica, Granada, Santa Lucia y San Vicente y Granadinas) se encuentran opuestos a los países del Lejano Oriente (Malasia, Tailandia, Filipinas) y África (Somalia, Etiopia, Camerún, Côte d’ Ivoire, Rep. Guinea).

  • El Ecuador se encuentra opuesto a los países del Caribe (Jamaica, Dominica, Granada, Santa Lucia y San Vicente y Granadinas); a los países de Centroamérica (Panamá, México); a los países del Lejano Oriente (China, Vietnam); a los países de África (Somalia, Etiopia); y a Oceanía.

Analizando el espacio de componentes se pueden identificar tres grupos de variables que representan a los grandes exportadores mundiales, dentro los cuales se encuentra Ecuador, los exportadores de Latinoamérica y el Caribe y los exportadores del Lejano Oriente y África (véase GRÁFICO 4.3).


Se puede decir que podría existir una predisposición a agruparse según su situación geográfica a los países cuyos niveles de exportación son medios o pequeños.


GRAFICO 4.3



COMPONENTES EN EL ESPACIO




FUENTE SPSS, OAV 2005


      1. Análisis del comportamiento del período de estudio.

Para realizar este análisis se traspone la matriz que se utilizó en el análisis anterior para observar el comportamiento de las exportaciones a lo largo de los años, es decir que en este caso las variables, son los años de estudio y las observaciones, son las exportaciones anuales de los países.


En la tabla IV.III se observan los resultados obtenidos y es posible darse cuenta que solo se obtuvo un componente principal lo que indica que el comportamiento de las exportaciones se ha mantenido constante o que el mercado se compensa a si mismo y mantiene en promedio los niveles de las exportaciones de banano de los países.


TABLA IV.III

MATRIZ DE COMPONENTES Y TOTAL DE LA VARIANZA EXPLICADA: ANÁLISIS DEL COMPORTAMIENTO DEL PERÍODO DE ESTUDIO

MATRIZ DE COMUNALIDADES




TOTAL DE LA VARIANZA EXPLICADA




Componente

Total

% de la varianza

% acumulado

f1996

1.00




1.00

13.71

97.94

97.94

f1994

1.00




2.00

0.21

1.47

99.41

f1995

1.00




3.00

0.04

0.27

99.68

f1998

1.00




4.00

0.02

0.17

99.85

f2000

0.99




5.00

0.01

0.07

99.92

f1999

0.99




6.00

0.01

0.04

99.96

f2001

0.99




7.00

0.00

0.02

99.98

f1997

0.99




8.00

0.00

0.01

99.99

f2003

0.99




9.00

0.00

0.01

99.99

f1991

0.99




10.00

0.00

0.00

100.00

f2002

0.98




11.00

0.00

0.00

100.00

f1993

0.98




12.00

0.00

0.00

100.00

f1992

0.98




13.00

0.00

0.00

100.00

f1990

0.97




14.00

0.00

0.00

100.00

FUENTE SPSS, OAV 2005



    1. Análisis de conglomerados

Mediante el análisis de conglomerados lo que se pretende realizar es agrupar las variables que sean más homogéneas dentro de cada grupo y más diferentes entre grupos.


Con el fin de determinar la similitud entre las variables se utilizó como media para clasificarlas la distancia Euclídea al cuadrado, y para la elaboración de los Dendogramas, algoritmos jerárquicos con la vinculación promedio Inter-grupos.




Compartir con tus amigos:
1   2   3   4   5   6   7   8   9


La base de datos está protegida por derechos de autor ©psicolog.org 2019
enviar mensaje

enter | registro
    Página principal


subir archivos