ANOVA de un Factor

El ANOVA de un factor (Análisis de Varianza) es una técnica estadística que permite analizar si existen diferencias significativas entre las medias de tres o más grupos. Se aplica cuando se tiene una variable dependiente cuantitativa y una variable independiente categórica denominada factor. Su objetivo es determinar si las diferencias observadas entre las medias muestrales pueden atribuirse al efecto del factor o si se deben al azar.

La hipótesis nula plantea que todas las medias poblacionales son iguales, es decir:

H₀: μ₁ = μ₂ = … = μ_c

Mientras que la hipótesis alternativa sostiene que no todas las medias son iguales, es decir, que al menos una media difiere significativamente de otra.

El ANOVA descompone la variabilidad total en:

• Variabilidad entre grupos
• Variabilidad dentro de los grupos

A partir de ellas, calcula el estadístico F. Si el valor p es menor al nivel de significación, se rechaza H₀ y se concluye que existen diferencias significativas entre las medias. Para que el análisis sea válido, deben cumplirse los supuestos de:

• Aleatoriedad
• Independencia
• Normalidad
• Homogeneidad de varianzas (homocedasticidad)

Regresión Lineal Simple y Series de Tiempo

La regresión lineal simple es una técnica estadística que permite analizar la relación entre una variable dependiente cuantitativa Y y una única variable independiente X. Su objetivo es construir una ecuación de la forma:

Ŷ = a + bX

Esta ecuación permite explicar o predecir los valores de Y a partir de X. En ella:

• El intercepto (a) indica el valor estimado de Y cuando X vale cero.
• La pendiente (b) indica cuánto varía Y ante un aumento de una unidad en X.

Para evaluar el modelo se analiza la significancia de la pendiente mediante las hipótesis:

H₀: β₁ = 0  y  H₁: β₁ ≠ 0

Si el valor p es menor al nivel de significación, se rechaza H₀ y se concluye que existe una relación lineal significativa entre X e Y.

También se analiza el coeficiente de determinación (R²), que indica qué porcentaje de la variabilidad de Y es explicado por el modelo. Además, deben verificarse los supuestos de linealidad, independencia de los errores, normalidad del error e igualdad de varianza de los errores mediante el análisis residual.

En series de tiempo se estudia la evolución de una variable a través del tiempo, considerando componentes como:

• Tendencia
• Estacionalidad
• Ciclos
• Aleatoriedad

También puede analizarse la autocorrelación de los residuos mediante el estadístico Durbin-Watson.

Regresión Lineal Múltiple

La regresión lineal múltiple es una técnica estadística que permite analizar la relación entre una variable dependiente cuantitativa y dos o más variables independientes. Es una extensión de la regresión lineal simple, ya que incorpora varias variables explicativas para explicar o predecir el comportamiento de Y. Su ecuación general es:

Ŷ = b₀ + b₁X₁ + b₂X₂ + … + b_kX_k

Donde b₀ es el intercepto y los coeficientes b_j indican el efecto de cada variable independiente sobre Y, manteniendo constantes las demás variables. Para evaluar el modelo se utiliza la prueba F global, que permite determinar si el conjunto de variables independientes explica significativamente a la variable dependiente.

La hipótesis nula plantea que todos los coeficientes son iguales a cero, mientras que la alternativa sostiene que al menos uno es distinto de cero. Si el valor p es menor al nivel de significación, se rechaza H₀ y se concluye que el modelo es globalmente significativo. También se analiza el R², que indica qué proporción de la variabilidad de Y es explicada por el modelo, y el R² ajustado, que resulta más adecuado para comparar modelos con distinta cantidad de variables. Además, se deben verificar los supuestos mediante el análisis residual y revisar la posible existencia de multicolinealidad entre las variables independientes.

Técnicas Multivariantes de Reducción de Datos

La Unidad 11 estudia técnicas multivariantes de reducción de datos, cuyo objetivo es resumir mucha información en una menor cantidad de factores o componentes para facilitar la interpretación.

Análisis de Componentes Principales (ACP)

El análisis de componentes principales se aplica a variables cuantitativas y permite transformar un conjunto amplio de variables correlacionadas en un número menor de componentes principales, conservando la mayor cantidad posible de información. Para decidir cuántos componentes conservar se analizan:

• Los autovalores
• La varianza explicada
• El porcentaje acumulado

Luego se interpretan las cargas factoriales, que indican qué variables se relacionan con cada componente y permiten asignarle un significado.

Análisis Factorial de Correspondencias

Por otro lado, el análisis factorial de correspondencias se utiliza con variables categóricas organizadas en una tabla de contingencia. Su objetivo es analizar la asociación entre las categorías de filas y columnas mediante:

• Perfiles
• Inercia
• Contribuciones
• Mapas perceptuales

En el mapa, las categorías cercanas se interpretan como asociadas o con perfiles similares, mientras que las más alejadas del centro son las que más contribuyen a explicar las diferencias.

Técnicas Multivariantes de Clasificación de Casos

La Unidad 12 trabaja con técnicas multivariantes de clasificación de casos.

Análisis Cluster o de Conglomerados

El análisis cluster o de conglomerados es una técnica de interdependencia que tiene como objetivo formar grupos de casos, individuos u objetos a partir de sus características. Los grupos deben presentar:

• Homogeneidad interna: los elementos de un mismo grupo deben ser parecidos entre sí.
• Heterogeneidad externa: los grupos deben diferenciarse lo máximo posible entre ellos.

Para agrupar los casos se utilizan medidas de distancia, como la distancia euclídea, y métodos jerárquicos o no jerárquicos, como el método de k-medias. Una vez formados los grupos, se interpretan según las medias de las variables y se evalúa qué variables los diferencian.

Análisis Discriminante

En cambio, el análisis discriminante es una técnica de dependencia que parte de grupos ya existentes y busca funciones que permitan diferenciarlos y clasificar correctamente nuevos casos. En este análisis:

• La variable dependiente es categórica y representa el grupo de pertenencia.
• Las variables independientes son cuantitativas.

Para evaluar el modelo se utiliza la matriz de confusión, la Lambda de Wilks (que puede tomar valores entre 0 y 1, donde 0 indica buena discriminación y 1 mala discriminación), la prueba F, los autovalores y la correlación canónica. En síntesis, el cluster forma grupos, mientras que el análisis discriminante clasifica casos en grupos previamente definidos.