23análisis Discrinante (Discr)

Captulo 23
Anlisis discriminante: El procedimiento Discriminante

Introduccin
Con independencia del rea de conocimiento en la que se est trabajando, es frecuente tener que enfrentarse con la necesidad de identificar las caractersticas que permiten diferenciar a dos o ms grupos de sujetos. Y, casi siempre, para poder clasificar nuevos casos como pertenecientes a uno u otro grupo: se beneficiar este paciente del tratamiento, o no?devolver este cliente el crdito, o no?, se adaptar este candidato al puesto de trabajo, o no?, etc. A falta de otra informacin, cualquier profesional se limita a utilizar su propia experiencia o la de otros, o su intuicin, para anticipar el comportamiento de un sujeto: el paciente se beneficiar del tratamiento, el cliente devolver el crdito o el candidato se adaptar a su puesto de trabajo en la medida en que se parezcan a los pacientes, clientes o candidatos que se benefician del tratamiento, que devuelven el crdito o que se adaptan a su puesto de trabajo. Pero a medida que los problemas se hacen ms complejos y las consecuencias de una mala decisin ms graves, las impresiones subjetivas basadas en la propia intuicin o experiencia deben ser sustituidas por argumentos ms consistentes. El anlisis discriminante ayuda a identificar las caractersticas que diferencian (discriminan) a dos o ms grupos y a crear una funcin capaz de distinguir con la mayor precisin posible a los miembros de uno u otro grupo. Obviamente, para llegar a conocer en qu se diferencian los grupos necesitamos disponer de la informacin (cuantificada en una serie de variables) en la que suponemos que se diferencian. El anlisis discriminante es una tcnica estadstica capaz de decirnos qu variables permiten diferenciar a los grupos y cuntas de estas variables son necesarias para alcanzar la mejor clasificacin posible. La pertenencia a los grupos, conocida de antemano, se utiliza como variable dependiente (una variable categrica con tantos valores discretos como grupos). Las variables en las que suponemos que se diferencian los grupos se utilizan como variables independientes o variables de clasificacin (tambin llamadas variables discriminantes). Segn vere-
Captulo 23. Anlisis discriminante
mos, deben ser variables cuantitativas continuas o, al menos, admitir un tratamiento numrico con significado. El objetivo ltimo del anlisis discriminante es encontrar la combinacin lineal de las variables independientes que mejor permite diferenciar (discriminar) a los grupos. Una vez encontrada esa combinacin (la funcin discriminante) podr ser utilizada para clasificar nuevos casos. Se trata de una tcnica de anlisis multivariante que es capaz de aprovechar las relaciones existentes entre una gran cantidad de variables independientes para maximizar la capacidad de discriminacin. El anlisis discriminante es aplicable a muy diversas reas de conocimiento. Se ha utilizado para distinguir grupos de sujetos patolgicos y normales a partir de los resultados obtenidos en pruebas diagnsticas, como los parmetros hemodinmicos en el mbito clnico mdico o las pruebas psicodiagnsticas en el mbito clnico psicolgico. En el campo de los recursos humanos se aplica a la seleccin de personal para realizar un filtrado de los curricula previo a la entrevista personal. En banca se ha utilizado para atribuir riesgos crediticios y en las compaas aseguradoras para predecir la siniestralidad. El anlisis discriminante es conceptualmente muy similar al anlisis de varianza multivariante de un factor. Su propsito es el mismo que el del anlisis de regresin logstica, pero a diferencia de l, slo admite variables cuantitativas. Si alguna de las variables independientes es categrica, es preferible utilizar la regresin logstica.
El caso de dos grupos

Segn hemos sealado ya, el anlisis discriminante permite diferenciar entre cualquier nmero de grupos. Sin embargo, por simplicidad, comenzaremos con el caso de dos grupos, para ampliar posteriormente el razonamiento al caso de k grupos. En la figura 23.1 estn representadas, en el espacio bivariante definido por las variables X1 y X2, las nubes de puntos correspondientes a dos grupos hipotticos. Los dos grupos representados se diferencian entre s en ambas variables, pero no por completo, pues, de hecho, se solapan en una pequea regin situada entre ambos. En la figura 23.1 tambin est representada la funcin D, que es una combinacin lineal de ambas variables. Sobre la funcin D se representa la proyeccin de las dos nubes de puntos en forma de histograma, como si la funcin D cortara a las dos nubes de puntos en la direccin de su eje. Las dos lneas punteadas de cada uno de los histogramas representan la ubicacin proyectada de los puntos medios de cada grupo (los centroides).
Figura 23.1. Diagramas de dispersin de dos grupos en dos variables de clasificacin.
El propsito del anlisis discriminante consiste en aprovechar la informacin contenida en las variables independientes para crear una funcin D combinacin lineal de X1 y X2 capaz de diferenciar lo ms posible a ambos grupos. La funcin discriminante es de la forma:
Donde b1 y b2 son las ponderaciones de las variables independientes que consiguen hacer que los sujetos de uno de los grupos obtengan puntuaciones mximas en D, y los sujetos del otro grupo puntuaciones mnimas. Una vez hallada la funcin discriminante D, carece de sentido intentar representar la situacin de los grupos en el espacio definido por las variables X1 y X2. Conviene ms bien centrar el inters en la representacin de la funcin discriminante, que es unidimensional. La representacin en p dimensiones resulta complicada cuando p es mayor de 2 y aade poco o nada a la interpretacin de la funcin. En la figura 23.2 est representa slo la funcin discriminante D extrada del espacio de las variables X1 y X2. Los grupos aparecen representados por sus histogramas y las proyecciones de los centroides aparecen marcadas por lneas de puntos.
Figura 23.2. Histogramas de cada grupo y centroides representados sobre la funcin discriminante.
Sustituyendo en la funcin discriminante el valor de las medias del grupo 1 en las variables X1 y X2, obtenemos el centroide del grupo 1:
De igual modo, sustituyendo las medias del grupo 2, obtenemos el centroide del grupo 2:
La funcin D debe ser tal que la distancia d entre los dos centroides sea mxima, consiguiendo de esta forma que los grupos estn lo ms distantes posible. Podemos expresar esta distancia de la siguiente manera: donde e son las medias del grupo 1 y del grupo 2 en la funcin D.
Como puede observarse en la figura 23.1, se desea reducir la dimensionalidad de las p variables independientes a una sola dimensin (la de la combinacin lineal D) en la que los grupos se diferencien lo ms posible. Las puntuaciones de los sujetos en esa nueva dimensin (denominadas puntuaciones discriminantes) sern las que nos permitan llevar a cabo la clasificacin de los sujetos. Es importante sealar que los grupos deben diferenciarse de antemano en las variables independientes. El anlisis busca diferenciar los dos grupos al mximo combinando las variables independientes pero si los grupos no difieren en las variables independientes, el anlisis ser infructuoso: no podr encontrar una dimensin en la que los grupos difieran. Dicho de otro modo, si el solapamiento entre los casos de ambos grupos es excesivo, los centroides se encontrarn en la misma o parecida ubicacin en el espacio p-dimensional y, en esas condiciones, no ser posible encontrar una funcin discriminante til para la clasificacin. Es decir, si los centroides estn muy prximos, las medias de los grupos en la funcin discriminante sern tan parecidas (osea, el valor de d ser tan pequeo) que no ser posible distinguir a los sujetos de uno y otro grupo. Los supuestos del anlisis son los mismos que los del anlisis de regresin mltiple. En especial, debe cumplirse que la distribucin de las variables independientes sea normal.
Para llevar a cabo un Anlisis discriminante:
| Seleccionar la opcin Clasificar > Discriminante... del men Analizar para acceder al
cuadro de dilogo Anlisis discriminante que muestra la figura 23.3.
Figura 23.3. Cuadro de dilogo Anlisis discriminante.
La lista de variables del archivo de datos contiene un listado con todas las variables del archivo excepto las que tienen formato de cadena. Para obtener un Anlisis discriminante con las especificaciones que el programa tiene establecidas por defecto:
| Seleccionar una variable categrica (nominal u ordinal) y trasladarla al cuadro Variable de agrupacin. La variable de agrupacin es aquella que define los grupos que se desea comparar.
| Seleccionar al menos una variable cuantitativa (de intervalo o razn) y trasladarla a

la lista Independientes. Las variables independientes son aquellas en las que se desea comparar los grupos.
| Pulsar el botn Definir rango... para acceder al subcuadro de dilogo Definir rango
que muestra la figura 23.4.
Figura 23.4. Subcuadro de dilogo Anlisis discriminante: Definir rango.
Tras seleccionar la variable de agrupacin es necesario introducir los cdigos que identifican a los grupos que se desea comparar. El anlisis incluir tantos grupos como nmeros enteros consecutivos contenga la variable de agrupacin entre los lmites del rango definido (ambos lmites incluidos). Para ello:
| Introducir el nmero correspondiente al lmite inferior del rango en el cuadro de

texto Mnimo y el nmero correspondiente al lmite superior del rango en el cuadro de texto Mximo. Pulsar el botn Continuar para volver al cuadro de dilogo principal.
Ejemplo (Anlisis discriminante)

Este ejemplo muestra cmo llevar a cabo un anlisis discriminante con las especificaciones que el programa tiene establecidas por defecto. Vamos a averiguar en qu se diferencian los vehculos producidos en EE.UU. y los producidos en Europa. Para ello, utilizaremos el archivo Coches.sav, que se encuentra en la misma carpeta en la que ha sido instalado el SPSS. El archivo contiene informacin tcnica (consumo, aceleracin, peso, cilindrada, etc.) sobre una muestra de 406 vehculos. Antes de iniciar el anlisis hemos obtenido una representacin de la dispersin de los vehculos estadounidenses y europeos en las variables aceleracin y peso (figura 23.5). El archivo de datos contiene una variable llamada origen con tres valores: 1 = E.UU, 2 = Europa y 3 = Japn. Para trabajar nicamente con los vehculos de fabricacin estadounidense y europea, hay que filtrar el archivo de datos antes de obtener el diagrama de dispersin. Para ello:
| Seleccionar la opcin Seleccionar casos... del men Datos ara acceder al cuadro de
dilogo Seleccionar casos.
| Marcar la opcin Si se satisface la condicin y pulsar el botn Si... para acceder al

cuadro de dilogo Seleccionar casos: Si.
| Establecer la condicin de filtrado (por ejemplo, origen < 3") y pulsar el botn Continuar. Aceptando estas selecciones, el archivo de datos queda filtrado dejando disponibles 306 vehculos de los 406 originales.
El diagrama de dispersin muestra que los vehculos estadounidenses tienden a situarse preferentemente en la zona de pesos altos (a la derecha), mientras que los vehculos europeos tienden a situarse ms bien en la zona de pesos bajos (a la izquierda). En cuanto al eje vertical, las diferencias en aceleracin parecen ser menores, si bien los vehculos con tiempos de aceleracin ms largos son europeos y los vehculos con tiempos de aceleracin ms cortos son estadounidenses.
Figura 23.5. Diagrama de dispersin (peso por aceleracin) distinguiendo el pas de origen.
30
Aceleracin 0 a 100 km/h (segundos)
20
10
Pas de origen
Europa 0 400 600 800 1000 1200 1400 1600 1800 EE.UU.
Peso total (kg)
Puesto que los casos de ambos grupos no se solapan por completo, el diagrama sugiere que existen diferencias entre ambos grupos de vehculos. Por otro lado, se aprecia cierta relacin entre las variables peso y aceleracin, dado que la nube de puntos adopta una forma ligeramente elipsoidal inclinada (de hecho, la correlacin entre ambas variables vale 0,430, p < 0,001). Si efectuamos un contraste sobre medias para comparar ambos grupos, podremos comprobar que los grupos difieren significativamente tanto en aceleracin como en peso. Sin embargo, estos contrastes no tienen en cuenta la correlacin existente entre las variables ni nos ayudan a clasificar los vehculos como pertenecientes a uno u otro grupo. Recordemos que el anlisis discriminante no slo permite averiguar en qu variables se diferencian los grupos sino, adems, construir una funcin para clasificar los vehculos.
10
Para llevar a cabo el anlisis discriminante con las especificaciones que el programa tiene establecidas por defecto:
| En el cuadro de dilogo Anlisis discriminante (ver figura 23.3), trasladar la variable

origen al cuadro Variable de agrupacin las variables acel (aceleracin) y peso a la lista Independientes.
| Pulsar en Definir rango... para acceder al subcuadro de dilogo Anlisis discriminante: Definir rango (ver figura 23.4) e introducir los valores 1 y 2 en los cuadros de texto Mnimo y Mximo, respectivamente. Pulsar el botn Continuar. Aceptando las selecciones hechas, el Visor ofrece los resultados que muestran las tablas 23.1 a la 23.7. La tabla 23.1 ofrece un resumen con el total de casos procesados, el nmero de casos vlidos para el anlisis y el nmero de casos excluidos. Dentro de los casos excluidos se distingue entre los que son excluidos porque su cdigo en la variable de agrupacin no est dentro del rango seleccionado (en ele ejemplo, 80 vehculos japoneses con el cdigo 3 en la variable origen), los que son excluidos porque tienen un valor perdido en al menos una variable discriminante, y los que cumplen las dos condiciones anteriores.
Tabla 23.1. Tabla resumen de los casos procesados.
Casos no ponderados Vlidos Excluidos Por pertenecer a un grupo fuera de rango Por tener valor perdido en al menos una variable discriminante Por pertenecer a un grupo fuera de rango o por tener valor perdido en al menos una variable discriminante Total Total N 326 80 0 0 80 406 Porcentaje 80.3 19.7 .0 .0 19.7 100.0
11
La tabla 23.2 ofrece un resumen del nmero de casos vlidos en cada variable discriminante. La informacin de esta tabla posee un inters especial, pues un nmero desigual de casos en cada uno de los grupos puede afectar a la clasificacin. En nuestro ejemplo, los vehculos europeos representan menos del 25% del total de vehculos analizados.
Tabla 23.2. Estadsticos por grupo (n de casos vlidos en cada variable).
Pas de origen EE.UU. Europa Total N vlido (segn lista) No ponderados Ponderados 253 253 253 253 73 73 73 73 326 326 326 326
Peso total (kg) Aceleracin 0 a 100 km/h Peso total (kg) Aceleracin 0 a 100 km/h Peso total (kg) Aceleracin 0 a 100 km/h
La tabla 23.3 contiene los autovalores y algunos estadsticos descriptivos multivariantes. Esta tabla y la siguiente se encuentran estrechamente relacionadas y cobran mayor significado en el caso de ms de dos grupos. Como veremos ms adelante, cuando se trabaja con ms de dos grupos se obtiene ms de una funcin discriminante: en estas tablas es posible comparar de manera global la capacidad discriminativa de cada funcin. En la tabla aparece una fila numerada por cada funcin discriminante; como en nuestro ejemplo slo hay una funcin, slo se muestra una fila. Esta nica funcin explica el 100% de las diferencias existentes entre los sujetos de los grupos. El autovalor es el cociente entre la variacin debida a las diferencias entre los grupos (medida mediante la suma de cuadrados inter-grupos) y la variacin que se da dentro de cada grupo combinada en una nica cantidad (medida mediante la suma de cuadrados intra-grupos). Este estadstico se diferencia de la F del anlisis de varianza multivariante en que no intervienen los grados de libertad. Su inters principal radica en que permite comparar cmo se distribuye la dispersin inter-grupos cuando existe ms de una funcin. Aunque un autovalor tiene un mnimo de cero, no tiene un mximo, lo cual lo hace difcilmente interpretable por s slo. Por esta razn se acostumbra a utilizar el estadstico lambda de Wilks, que se encuentra estrechamente relacionado con los autovalores. La correlacin cannica es la correlacin entre la combinacin lineal de las variables independientes (la funcin discriminante) y una combinacin lineal de variables indicador (unos y ceros) que recogen la pertenencia de los sujetos a los grupos. En el caso de dos grupos, la co-
12
rrelacin cannica es la correlacin simple entre las puntuaciones discriminantes y una variable con cdigos 1 y 0 segn cada caso pertenezca a un grupo o a otro. Una correlacin cannica alta indica que las variables discriminantes permiten diferenciar entre los grupos. Con ms de dos grupos, la correlacin cannica es equivalente al estadstico eta utilizado en el anlisis de varianza de un factor (eta = raz cuadrada del cociente entre la suma de cuadrados inter-grupos y la suma de cuadrados total). El autovalor obtenido en nuestro ejemplo est bastante prximo a 0 y la correlacin cannica es moderada, por lo que debemos suponer que las variables discriminantes utilizadas (peso y aceleracin) no permiten distinguir demasiado bien entre los dos grupos.
Tabla 23.3. Autovalores.
Funcin 1 Autovalor .294a % de varianza 100.0 % acumulado 100.0 Correlacin cannica .477
a. Se han empleado las 1 primeras funciones discriminantes cannicas en el anlisis.
13
El estadstico lambda de Wilks expresa la proporcin de variabilidad total no debida a las diferencias entre los grupos; permite contrastar la hiptesis nula de que las medias multivariantes de los grupos (los centroides) son iguales. Wilks (1932), basndose en el principio de razn de verosimilitud generalizada (segn el cual la varianza generalizada de una espacio multivariante puede ser calculada mediante el determinante de la matriz de dispersin), plante el estadstico , definido como:
donde S es la matriz de varianzas-covarianzas combinada, calculada a partir de las matrices de varianzas-covarianzas de cada grupo, y T es la matriz de varianzas-covarianzas total, calculada sobre todos los casos como si pertenecieran a un nico grupo. Cuando los grupos se encuentren superpuestos en el espacio multidimensional, los valores del numerador y del denominador sern aproximadamente iguales y su cociente valdr 1; a medida que los grupos se vayan separando ms y ms, la variabilidad inter-grupos ir aumentando y la variabilidad intra-grupos se ir haciendo comparativamente menor respecto a la variabilidad total, disminuyendo as el valor del cociente. Por tanto, valores prximos a 1 indicarn un gran parecido entre los grupos, mientras que valores prximos a 0 indicarn una gran diferencia entre ellos. Ntese que lambda + eta2 = 1.
Tabla 23.4. Lambda de Wilks.
Contraste de las funciones 1 Lambda de Wilks .773 Chicuadrado 83.202 gl 2 Sig. .000
Aunque Schatzoff (1966) obtuvo los puntos crticos exactos de la distribucin de bajo ciertas condiciones, es ms frecuente utilizar una transformacin de que posee distribucin aproximada conocida. Bartlett (1947) ha demostrado que el estadstico:
se aproxima a la distribucin chi-cuadrado con (pk)(gk 1) grados de libertad: p es el nmero de variables independientes o discriminantes, g es el nmero de grupos, y k es el nmero
14
funciones discriminantes obtenidas con anterioridad al contraste (cunado slo existe una funcin porque slo hay dos grupos, k = 0). La gran ventaja diagnstica del estadstico lambda es que, puesto que se basa en las matrices de varianzas-covarianzas, puede calcularse antes de obtener las funciones discriminantes. En nuestro ejemplo, el valor de lambda es moderadamente alto (0,773), lo cual significa que existe bastante solapamiento entre los grupos. Sin embargo, el valor transformado de lambda (Chi-cuadrado = 83,202) tiene asociado, con 2 grados de libertad, un nivel crtico (Sig.) de 0,000, por lo que podemos rechazar la hiptesis nula de que los grupos comparados tienen promedios iguales en las dos variables discriminantes.
15
La tabla de coeficientes estandarizados (tabla 23.5) contiene una versin estandarizada de los coeficientes de la funcin cannica discriminante. Estos coeficientes estandarizados son independientes de la mtrica original de las variables discriminantes y, por tanto, son preferibles a los coeficientes brutos cuando las variables poseen una mtrica distinta. Son los coeficientes que el programa ofrece por defecto, mientras que los coeficientes brutos deben solicitarse de manera explcita. Atendiendo al valor de los coeficientes estandarizados de la tabla 23.5 podemos concluir que la variable peso tiene mayor importancia que la variable aceleracin a la hora de predecir el grupo de pertenencia de los vehculos.
Tabla 23.5. Coeficientes estandarizados de las funciones discriminantes cannicas.
Funcin 1 .919 -.184
Peso total (kg) Aceleracin 0 a 100 km/h
Para interpretar los signos de las ponderaciones resulta til inspeccionar primero la ubicacin de los centroides de cada grupo. Los centroides se muestran en la tabla 23.7. Podemos comprobar que el grupo de coches estadounidenses tiende a obtener puntuaciones positivas en la funcin discriminante, mientras que el grupo de vehculos europeos tiende a obtener puntuaciones negativas. Sabido esto, la funcin discriminante nos indica que un incremento en el peso (por encima de la media) har ms probable que el vehculo obtenga una puntuacin positiva y, con ello, que se ajuste al patrn de los vehculos estadounidenses. Por el contrario, un peso por debajo de la media ser caracterstico de un vehculo europeo. En cuanto a la variable aceleracin, un valor por encima de la media (mayor nmero de segundos en alcanzar los 100 km/h) har disminuir la puntuacin discriminante (dado que el signo es negativo) y ser ms caracterstico de los vehculos europeos, y viceversa, una puntuacin en aceleracin por debajo de la media aumentar las posibilidades de que el vehculo sea clasificado como estadounidense. Basndonos en estos resultados, podemos afirmar que los vehculos estadounidenses tienen mayor peso y tardan menos en alcanzar los 100 km/h.
16
La matriz de estructura (tabla 23.6) contiene las correlaciones entre las variables discriminantes y la funcin discriminante estandarizada. Mientras que los coeficientes estandarizados muestran la contribucin neta de cada variable independiente a la funcin discriminante (de manera similar a como lo hacen los coeficientes beta de un anlisis de regresin mltiple), las correlaciones muestran la relacin bruta entre cada variable y la funcin discriminante. Cuando existe colinealidad entre las variables independientes puede ocurrir que alguna de ellas quede fuera del anlisis por no aportar informacin nueva. Sin embargo, no por ello carece de inters conocer cmo se relaciona cada variable independiente con la funcin discriminante. Conocer estas relaciones puede ayudar a interpretar mejor la funcin discriminante. En la tabla 23.6 podemos apreciar que la aceleracin correlaciona alto con la funcin discriminante, aunque sea una variable poco importante en la funcin. Posiblemente, la poca importancia de esta variable en la funcin se deba a su relacin con la variable peso, la cual ha capitalizado la informacin que comparte con la aceleracin y la aporta de manera individual a la funcin discriminante. La matriz de estructura presenta las variables ordenadas por su grado de correlacin (de mayor a menor) con la funcin discriminante. Este orden puede ser distinto del orden en el que aparecen en otras tablas y del orden en que han sido incluidas en el anlisis.
Tabla 23.6. Matriz de estructura.
Funcin 1 .985 -.513
17
La tabla 23.7 contiene la ubicacin de los centroides en la funcin discriminante (bruta) tal y como se muestran en la figura 23.2. Esta tabla es de gran utilidad para interpretar la funcin discriminante. Podemos observar que el grupo de vehculos estadounidenses se encuentra localizado, en promedio, en las puntuaciones positivas de la funcin, mientras que los vehculos europeos se encuentran ubicados en las puntuaciones negativas. Si desconocemos la procedencia de un vehculo pero tenemos informacin sobre su peso y aceleracin, podemos calcular su puntuacin discriminante y, a partir de ella, asignarlo al grupo de cuyo centroide se encuentre ms prximo.
Tabla 23.7. Valores de los centroides en la funcin discriminante.
Pas de origen EE.UU. Europa Funcin 1 .290 -1.006
18
Estadsticos
El subcuadro de dilogo Estadsticos permite obtener informacin adicional sobre algunos aspectos del anlisis. Parte de esta informacin es descriptiva, pero tambin contiene estadsticos que permiten comprobar algunos de los supuestos en los que se fundamenta la tcnica. Para obtener esta informacin:
| Pulsar en el botn Estadsticos... (ver figura 23.3) para acceder al subcuadro de dilogo
Anlisis discriminate: Estadsticos que se muestra en la figura 23.6.
Figura 23.6. Subcuadro de dilogo Anlisis discriminante: Estadsticos.
19
Descriptivos. Este apartado contiene opciones que permiten obtener informacin descriptiva y contrastes univariantes y multivariantes sobre las variables utilizadas en el anlisis:
G Medias. Media, desviacin tpica, nmero de casos vlidos (ponderado y no ponderado) para cada uno de los grupos y para la muestra total (tabla 23.8).
Tabla 23.8. Estadsticos descriptivos.
Pas de origen EE.UU. Europa Total Media 1122.11 14.93 810.12 16.82 1052.25 15.35 Desv. tp. 262.87 2.80 163.62 3.01 276.55 2.95 N vlido (segn lista) No ponderados Ponderados 253 253.000 253 253.000 73 73.000 73 73.000 326 326.000 326 326.000
G ANOVAs univariados. Tabla de ANOVA con estadsticos F que permiten contrastar

la hiptesis de igualdad de medias entre los grupos en cada variable independiente. La tabla de ANOVA incluye tambin el estadstico lambda de Wilks univariante. La informacin de esta tabla suele utilizarse como prueba preliminar para detectar si los grupos difieren en las variables de clasificacin seleccionadas; sin embargo, debe tenerse en cuenta que una variable no significativa a nivel univariante podra aportar informacin discriminativa a nivel multivariante.
Tabla 23.9. Pruebas de igualdad de las medias de los grupos.
Lambda de Wilks .778 .928 F 92.381 25.022 gl1 1 1 gl2 324 324 Sig. .000 .000
20
G M de Box. Prueba M de Box para el contraste de la hiptesis nula de igualdad de las

matrices de varianzas-covarianzas poblacionales. Uno de los supuestos del anlisis discriminante es que todos los grupos proceden de la misma poblacin y, ms concretamente, que las matrices de varianzas-covarianzas poblacionales correspondientes a cada grupo son iguales entre s. El estadstico M de Box toma la forma:
donde S es la matriz de varianzas-covarianzas combinada, S(j) es la matriz de varianzas-covarianzas del j-simo grupo, n es el nmero total de casos, nj es el nmero de casos en el j-simo grupo y g es el nmero de grupos. El estadstico M carece de distribucin muestral conocida, pero puede transformase en un estadstico F e interpretarse como tal (muchos analistas critican el uso de este estadstico por ser demasiado sensible a pequeas desviaciones de la normalidad multivariante y a tamaos muestrales grandes, tendiendo a ser conservador). La tabla 23.10 muestra los logaritmos de los determinantes de todas las matrices utilizadas en el clculo del estadstico M. Dado que el estadstico es multivariante, la tabla permite comprobar qu grupos (cuando hay ms de dos) difieren ms.
Tabla 23.10. Logaritmos de los determinantes.
Pas de origen EE.UU. Europa Intra-grupos combinada Rango 2 2 2 Logaritmo del determinante 12.963 12.379 12.954
La tabla 23.11 ofrece la prueba M de Box y su transformacin en un estadstico F. El resultado de la prueba permite rechazar la hiptesis de igualdad de matrices de varianzas-covarianzas (Sig. = 0,000 < 0,05) y, por tanto, concluir que uno de los dos grupos es ms variable que el otro.
Tabla 23.11. Tabla de resultados de la prueba M de Box.
M de Box F Aprox. gl1 gl2 Sig. 39.135 12.906 3 263888.2 .000
21
Matrices. Las opciones de este apartado permiten obtener las matrices de varianzas-covarianzas utilizadas en el anlisis.
G Correlacin intra-grupos. Muestra la matriz de correlaciones intra-grupo combinada, es decir la matriz de correlaciones entre las variables independientes estimada a partir de las correlaciones obtenidas dentro de cada grupo (ver tabla 23.12). Aparece en la misma tabla que la matriz de varianzas-covarianzas intra-grupos combinada.
G Covarianza intra-grupos. Matriz de varianzas-covarianzas intra-grupo combinada

(ver tabla 23.12). Esta matriz se calcula obteniendo las matrices de sumas de cuadrados y productos cruzados de cada grupo por separado, sumando a continuacin las matrices de todos los grupos y dividiendo finalmente por los grados de libertad. Es la matriz S utilizada en el clculo de la lambda de Wilks. La matriz se ofrece junto a la de correlaciones intra-grupo en una nica tabla.
Tabla 23.12. Matrices intra-grupo combinadas.
Peso total (kg) 59693.536 -248.818 1.000 -.357 Aceleracin 0 a 100 km/h -248.818 8.117 -.357 1.000
Covarianza Correlacin
Peso total (kg) Aceleracin 0 a 100 km/h Peso total (kg) Aceleracin 0 a 100 km/h
G Covarianza de grupos separados. Matrices de varianzas-covarianzas de cada grupo

(ver tabla 23.13). En la tabla, la matriz de cada grupo se presenta precedida de un encabezado que indica el grupo al que se refiere. Las matrices de varianza-covarianza individuales calculadas por separado para cada uno de los grupos se utilizan en ocasiones especiales para obtener una estimacin de la matriz de varianzas-covarianzas intra-grupo combinada. La suma de estas matrices slo ser igual a la matriz de varianzas-covarianzas combinada cuando los tamaos de los grupos sean grandes y similares. Estas matrices aparecen en la misma tabla que la matriz de varianzas-covarianzas total.
22
G Covarianza total. Matriz de varianzas-covarianzas total, es decir, calculada sobre todos los sujetos de la muestra como si pertenecieran a un nico grupo (ver tabla 23.13). Aparece en la ltima submatriz de la tabla 23.13, con el encabezado Total. Es la matriz T utilizada en el clculo de la lambda de Wilks.
Tabla 23.13. Matrices de varianzas-covarianzas.
Pas de origen EE.UU. Europa Total Peso total (kg) 69099.515 -340.100 26772.610 70.669 76477.740 -351.030 Aceleracin 0 a 100 km/h -340.100 7.846 70.669 9.066 -351.030 8.717
23
Coeficientes de la funcin. Este apartado contiene opciones que permiten seleccionar algunos coeficientes adicionales utilizados en la clasificacin de los casos.
G Coeficientes no tipificados. Coeficientes brutos de la funcin cannica discriminante.

Son los coeficientes utilizados por el programa para calcular las puntuaciones discriminantes y la ubicacin de los centroides de los grupos de la tabla 23.7. No es habitual solicitar esta tabla por dos motivos. En primer lugar, el programa calcula de manera automtica las puntuaciones discriminantes. En segundo lugar, este conjunto de coeficientes depende de la variabilidad y la mtrica de las variables (de manera similar a lo que sucede con los coeficientes de regresin no tipificados del anlisis de regresin mltiple), lo que dificulta su interpretacin. La funcin discriminante incluye una constante correctora que consigue que las puntuaciones discriminantes tomen el valor 0 en algn punto entre los dos centroides.
Tabla 23.14. Coeficientes de la funcin discriminante (no tipificados).
Funcin 1 .004 -.065 -2.967
Peso total (kg) Aceleracin 0 a 100 km/h (Constante) Coeficientes no tipificados
A modo de ejemplo, puede comprobarse que a partir de las medias de cada grupo en las variables discriminantes (ver tabla 23.8) y este conjunto de coeficientes se obtienen los centroides en la funcin discriminante (ver tabla 23.7):
24
G Coeficientes de clasificacin de Fisher. Fisher (1936) present la primera aproximacin a la clasificacin multivariante para el caso de dos grupos. Los coeficientes propuestos por Fisher se utilizan nicamente para la clasificacin. Al solicitar esta opcin se obtiene una funcin de clasificacin para cada grupo. En el caso de dos grupos, la diferencia entre ambas funciones da lugar a un vector de coeficientes proporcional a los coeficientes no tipificados de la funcin discriminante cannica. Para aplicar estos coeficientes, se calcula cada una de las funciones para un sujeto dado y se clasifica al sujeto en el grupo en el que la funcin obtiene una puntuacin mayor. En la prctica, el programa no utiliza estos coeficientes para la clasificacin de los sujetos.
Tabla 23.15. Funciones de clasificacin de Fisher.
Pas de origen EE.UU. Europa .030 .025 2.769 2.853 -38.385 -35.003
Peso total (kg) Aceleracin 0 a 100 km/h (Constante)
Funciones discriminantes lineales de Fisher
25
Mtodo
Las variables independientes pueden incorporarse a la funcin discriminate utilizando dos estrategias distintas. Por defecto, el SPSS utiliza una estrategia de inclusin forzosa de variables que permite construir la funcin discriminante incorporando todas las variables independientes incluidas en el anlisis. Segn hemos visto en los ejemplos anteriores, los nicos estadsticos que se obtienen con esta estrategia se refieren al ajuste global de la funcin discriminante; no se obtienen estadsticos referidos a la significacin individual de cada coeficiente discriminante (como, por ejemplo, los estadsticos t del anlisis de regresin mltiple). Una manera de obtener informacin sobre la significacin individual de cada variable en la funcin discriminante consiste en utilizar una estrategia de inclusin por pasos. Con esta estrategia, las variables se van incorporando a la funcin discriminante una a una y, de esta manera, es posible, por un lado, construir una funcin utilizando nicamente aquellas variables que realmente son tiles para la clasificacin y, por otra, evaluar la contribucin individual de cada variable al modelo discriminate. Para utilizar esta estrategia de inclusin por pasos:
| En el cuadro de dilogo Anlisis discriminante (ver figura 23.3), seleccionar la opcin

Usar mtodo de inclusin por pasos.
| Pulsar en el botn Mtodo... (inactivo hasta que se marca la opcin Usar mtodo de
inclusin por pasos) para acceder al subcuadro de dilogo Anlisis discriminante: Mtodo de inclusin por pasos que muestra en la figura 23.7.
Figura 23.7. Subcuadro de dilogo Anlisis discriminante: Mtodo de inclusin por pasos.
26
Mtodo. En la estrategia de inclusin por pasos, las variables independientes van siendo incorporadas paso a paso a la funcin discriminate tras evaluar su grado de contribucin individual a la diferenciacin entre los grupos. Las opciones de este apartado permiten seleccionar el estadstico que ser utilizado como mtodo de seleccin de variables:
F Lambda de Wilks. Cada variable independiente candidata a ser incluida en el modelo

se evala mediante un estadstico Fcambio que mide el cambio que se produce en el valor de la lambda de Wilks al incorporar cada una de las variables al modelo. Obtenido el valor del estadstico Fcambio para cada variable, se incorpora al modelo la variable a la que le corresponde el mayor valor Fcambio (o, lo que es lo mismo, la que produce el mayor cambio en la lambda de Wilks):
donde n es el nmero de casos vlidos, g es el nmero de grupos, p es la lambda de Wilks que corresponde al modelo antes de incluir la variable que se est evaluando y p+1 es la lambda de Wilks que corresponde al modelo despus de incluir esa variable. Este estadstico F es tambin conocido como R de Rao (ver Tatsuoka, 1971).
F Varianza no explicada. Utiliza como criterio de inclusin la suma de la variacin

entre todos los pares de grupos no explicada por las variables ya incluidas en el modelo. Se incorpora al modelo la variable que minimiza la cantidad de varianza no explicada. La cantidad de varianza explica por el modelo, R2, es proporcional, en una constante c, a la distancia H de Mahalanobis (ver ms abajo):
Para calcular la cantidad de varianza no explicada se utiliza el estadstico R (Dixon, 1973):
donde g es el nmero de grupos, y a y b son dos grupos cualesquiera.
27
F Distancia de Mahalanobis. Se incorpora en cada paso la variable que maximiza la

distancia de Mahalanobis (1936) entre los dos grupos ms prximos. La distancia multivariante entre los grupos a y b se define como:
donde n es el nmero de casos vlidos, g es el nmero de grupos, es la media del grupo a en la i-sima variable independiente, es la media del grupo b en la i-sima variable independiente, y es un elemento de la inversa de la matriz de varianzas-covarianzas intra-grupos. Morrison (1976).
F Menor razn F. Se incorpora en cada paso la variable que maximiza la menor razn
F para las parejas de grupos. El estadstico F utilizado es la distancia de Mahalanobis ponderada por el tamao de los grupos:
F V de Rao. El estadstico V de Rao (1952) es una transformacin de la traza de LawleyHotelling (Lawley, 1938; Hotelling, 1931) que es directamente proporcional a la distancia entre los grupos. Al utilizar este criterio, la variable que se incorpora al modelo es aquella que produce un mayor incremento en el valor de V:
donde p es el nmero de variables en el modelo, g es el nmero de grupos, nk es el nmero de casos vlidos del grupo k, es la media del grupo k en la i-sima variable, es la media de todos los grupos en la i-sima variable, y es un elemento de la inversa de la matriz de varianzas-covarianzas intra-grupos. Esta opcin permite especificar el incremento mnimo que se tiene que dar en el valor de V para que una variable pueda ser incorporada al modelo. Para establecer ese mnimo, introducir un valor mayor que 0 en el cuadro de texto V para entrar.
28
Criterios. Cualquiera que sea el mtodo seleccionado, en la estrategia de inclusin por pasos siempre se comienza seleccionando la mejor variable independiente desde el punto de vista de la clasificacin (es decir, la variable independiente en la que ms se diferencian los grupos). Pero esta variable slo es seleccionada si cumple el criterio de entrada. A continuacin, se selecciona la variable independiente que, cumpliendo el criterio de entrada, ms contribuye a conseguir que la funcin discriminante diferencie a los grupos. Etc. Cada vez que se incorpora una nueva variable al modelo, las variables previamente seleccionadas son evaluadas nuevamente para determinar si cumplen o no el criterio de salida. Si alguna variable de las ya seleccionadas cumple el criterio de salida, es expulsada del modelo. Las opciones de este apartado permiten establecer los criterios de entrada y salida utilizados por el programa para incorporar o eliminar variables. De acuerdo con estos criterios, slo son incluidas en el modelo aquellas variables que contribuyen a discriminar significativamente entre los grupos*:
F Usar valor de F. Una variable pasa a formar parte de la funcin discriminante si el

valor del estadstico F es mayor que 3,84 (valor de entrada). Y es expulsada de la funcin si el valor del estadstico F es menor que 2,71 (valor de salida). Para modificar los valores de entrada y salida:
| Seleccionar el criterio Usar valor de F (si no est ya seleccionado) e introducir los valores deseados (siempre mayores que 0) en los cuadros de texto Entrada y Salida. El valor de entrada debe ser mayor que el de salida.
F Usar la probabilidad de F. Una variable pasa a formar parte de la funcin discriminante si el nivel crtico asociado al valor del estadstico F es menor que 0,05 (probabilidad de entrada). Y es expulsada de la funcin si ese nivel crtico es mayor que 0,10 (probabilidad de salida). Para modificar los valores de entrada y salida:
* Superado el criterio de significacin, una variable slo pasa a formar parte del modelo si su nivel de tolerancia es mayor que el nivel establecido por defecto (este nivel es 0,001, pero puede cambiarse mediante sintaxis) y si, adems, su incorporacin al modelo no hace que alguna de las variables previamente seleccionadas pase a tener un nivel de tolerancia por debajo del nivel establecido por defecto. La tolerancia de una variable independiente es la proporcin de varianza de esa variable que no est asociada (que no depende) del resto de variables independientes incluidas en la ecuacin. Una variable con una tolerancia de, por ejemplo, 0,01 es una variable que comparte el 99 % de su varianza con el resto de variables independientes, lo cual significa que se trata de una variable redundante casi por completo.
29
| Seleccionar el criterio Usar valor de F (si no est ya seleccionado) e introducir los valores deseados (siempre entre 0 y 1) en los cuadros de texto Entrada y Salida. El valor de entrada debe ser menor que el de salida. Mostrar. Las opciones de este apartado permiten obtener informacin detallada sobre algunos aspectos relacionados con el proceso de inclusin por pasos:
G Resumen de los pasos. Estadsticos para cada una de las variables despus de cada
paso, as como estadsticos de resumen del paso. Para omitir de los resultados la informacin sobre el proceso por pasos, desactive esta seleccin.
G F para distancias por parejas. Muestra una matriz de estadsticos F que contrasta si
cada pareja de grupos difieren en la funcin discriminante. Se comparan todas las parejas de grupos. Esta opcin es til en el caso de ms de dos grupos.
30
Ejemplo (Anlisis discriminante > Mtodo)

Este ejemplo muestra cmo utilizar la estrategia de inclusin de variables por pasos y cmo interpretar los resultados obtenidos. Aunque cada uno de los mtodos disponibles puede dar lugar a una funcin discriminate distinta y los estadsticos que aparecen en las tablas de resultados dependen del mtodo seleccionado, creemos que basta con estudiar uno cualquiera de los mtodos disponibles para comprender cmo funciona la estrategia de inclusin por pasos. Para construir un modelo por pasos:
| En el cuadro de dilogo Anlisis discriminante (ver figura 23.3), trasladar las variables
consumo, motor (cilindrada), peso, acel (aceleracin), cv (potencia), ao y cilindr (nmero de cilindros) a la lista Independientes y la variable origen al cuadro Variable de agrupacin.
| Pulsar el botn Definir rango... para acceder al subcuadro de dilogo Definir rango
y escribir el valor 1 (el cdigo de EE.UU. en la variable origen) en la casilla Mnimo y el valor 2 (el cdigo de Europa en la variable origen) en la casilla Mximo. Pulsar el botn Continuar para volver al cuadro de dilogo principal.
| Seleccionar la opcin Usar mtodo de inclusin por pasos y pulsar el botn Mtodo... para acceder al subcuadro de dilogo Anlisis discriminante: Mtodo de inclusin por pasos (ver figura 23.7).
| Seleccionar la opcin F para distancias por parejas del apartado Mostrar. Pulsar
el botn Continuar para volver al cuadro de dilogo principal. Aceptando estas elecciones, el Visor ofrece los resultados que muestran las tablas 23.16 a la 23.27.
31
La tabla 23.16 indica que disponemos de 312 casos vlidos. Se han excluido 94 casos de la muestra original de 406 casos. De estos 94 casos, 79 no pertenecen a ninguno de los grupos seleccionados (bien por que en la variable de agrupacin, origen, tienen el cdigo del pas no seleccionado Japn, bien porque tienen valor perdido en esa variable); 14 casos pertenecen a uno de los dos grupos seleccionados (EE.UU. o Europa; cdigos 1 y 2 en la variable origen) pero no disponen de informacin completa en todas las variables independientes; y en 1 caso se dan ambas circunstancias. Los casos excluidos por tener algn valor perdido en las variables independientes no se utilizan para calcular la funcin discriminante, pero pueden ser utilizados ms tarde en la fase de clasificacin (ver ms adelante). En ocasiones puede resultar interesante realizar un anlisis pormenorizado de los valores perdidos (por ejemplo, con el mdulo Valores perdidos). Si la muestra contiene muchos casos con valor perdido en al menos una variable independiente, la funcin discriminante se construir a partir de un nmero muy reducido de casos. Esto representa un serio inconveniente por dos razones. Por un lado, las estimaciones basadas en pocos casos suelen ser poco eficientes (muy variables y, por tanto, inestables: cambian mucho al utilizar muestras distintas). Por otro, si los casos con valores perdidos difieren de los casos vlidos en alguna caracterstica concreta, las estimaciones estarn sesgadas. Si, por ejemplo, los fabricantes de vehculos de ms cilindrada tienen por costumbre no informar de los consumos de sus vehculos, podemos encontrarnos con que los casos de los que se dispone informacin son en su mayora vehculos de bajo consumo. Los resultados obtenidos prescindiendo del consumo de los vehculos de gran cilindrada podran ser, obviamente, muy distintos de los obtenidos si se contara con informacin sobre el consumo de todos los vehculos. Siempre es, por tanto, conveniente detenerse a revisar los valores perdidos para averiguar si poseen alguna caracterstica comn. Podra ocurrir, por ejemplo, que la mayor parte de los valores perdidos se concentraran en una o dos variables; excluir esa o esas variables del anlisis permitira aumentar el nmero de casos vlidos y, con ello, obtener estimaciones menos sesgadas y ms eficientes.
Tabla 23.16. Resumen de los casos procesados.
Casos no ponderados N Vlidos 312 Excluidos Por pertenecer a un grupo fuera de rango 79 Por tener valor perdido en al menos una variable discriminante 14 Por pertnecer a un grupo fuera de rango o por tener valor perdido 1 en al menos una variable discriminante Total 94 Total 406 Porcentaje 76.8 19.5 3.4 .2 23.2 100.0
32
La tabla 23.17 informa del nmero de casos vlidos en cada grupo y en cada una de las variables independientes. Puesto que la exclusin de casos se realiza segn lista (es decir, se excluyen del anlisis los casos con valor perdido en al menos una variable independiente), el nmero de casos vlido de todas las variables es el mismo en cada grupo.
Tabla 23.17. Estadsticos por grupo (n de casos vlidos en cada variable).
N vlido (segn lista) No ponderados Ponderados 244 244.000 244 244.000 244 244.000 244 244.000 244 244.000 244 244.000 244 244.000 68 68.000 68 68.000 68 68.000 68 68.000 68 68.000 68 68.000 68 68.000 312 312.000 312 312.000 312 312.000 312 312.000 312 312.000 312 312.000 312 312.000
Pas de origen EE.UU. Consumo (l/100Km) Cilindrada en cc Potencia (CV) Peso total (kg) Aceleracin 0 a 100 km/h Ao del modelo Nmero de cilindros Europa Consumo (l/100Km) Cilindrada en cc Potencia (CV) Peso total (kg) Aceleracin 0 a 100 km/h Ao del modelo Nmero de cilindros Total Consumo (l/100Km) Cilindrada en cc Potencia (CV) Peso total (kg) Aceleracin 0 a 100 km/h Ao del modelo Nmero de cilindros
33
La tabla de variables introducidas/eliminadas (tabla 23.18) muestra un resumen de todos los pasos llevados a cabo en la construccin de la funcin discriminante y recuerda los criterios utilizados en la seleccin de variables. En cada paso se informa de la variable que ha sido incorporada al modelo y, en su caso, de la variable o variables que han sido expulsadas. En nuestro ejemplo, todos los pasos llevados a cabo han sido de incorporacin de variables: en el primer paso, cilindrada; en el segundo, potencia; etc. As, hasta un total de 5 variables. En ninguno de los 5 pasos ha habido expulsin de variables. Si alguna de las variables previamente incorporadas hubiera sido expulsada en algn paso posterior, la tabla mostrara una columna adicional indicando tal circunstancia. Las notas a pie de tabla recuerdan algunas de las opciones establecidas para el anlisis: la seleccin de variables se ha llevado a cabo utilizando el estadstico lambda de Wilks global, el nmero mximo de pasos permitidos es 14 (valor que no se ha alcanzado puesto que slo se han realizado 6 pasos), el valor del estadstico F para incorporar variables es 3,84 (criterio de entrada), el valor del estadstico F para excluir variables es 2,71 (criterio de salida) y, por ltimo, en la nota d se informa de que se ha alcanzado alguno de los criterios de parada (los niveles del estadstico F, el criterio de tolerancia y la V mnima de Rao), por lo que alguna de las variables independientes inicialmente propuestas no ha sido incluida en el modelo final. Puede observarse que el valor del estadstico lambda de Wilks va disminuyendo en cada paso, lo cual es sntoma de que, conforme se van incorporando variables al modelo, los grupos van estando cada vez menos solapados. En la columna F exacta se encuentra el valor transformado de la lambda de Wilks y su significacin. Los valores del estadstico se refieren al estadstico global y no al cambio en el estadstico. Esta tabla siempre recoge el estadstico seleccionado en la opcin Mtodo, por lo que la cabecera de la columna cambiar de un anlisis a otro dependiendo del estadstico elegido.
Tabla 23.18. Variables introducidas/eliminadas (resumen del anlisis por pasos).
Lambda de Wilks Paso 1 2 3 4 5 Introducidas Cilindrada en cc Potencia (CV) Ao del modelo Peso total (kg) Consumo (l/100Km) Estadstico .704 .660 .631 .620 .606 gl1 1 2 3 4 5 gl2 1 1 1 1 1 gl3 310.000 310.000 310.000 310.000 310.000
a,b,c,d
Estadstico 130.522 79.582 60.009 47.075 39.744
F exacta gl1 gl2 1 310.000 2 309.000 3 308.000 4 307.000 5 306.000
Sig. .000 .000 .000 .000 .000
En cada paso se introduce la variable que minimiza la lambda de Wilks global. a. El nmero mximo de pasos es 14. b. La F parcial mnima para entrar es 3.84. c. La F parcial mxima para salir es 2.71. d. El nivel de F, la tolerancia o el VIN son insuficientes para continuar los clculos.
34
La tabla 23.19 se encuentra dividida por cada uno de los pasos. En cada paso se mencionan las variables incorporadas al modelo hasta ese momento y, para cada variable, el nivel de tolerancia, el valor del estadstico F que permite valorar si la variable debe o no ser expulsada, (F para ser eliminar) y la lambda de Wilks global que obtendramos si se eliminara la variable del modelo. Esta tabla permite valorar (mediante F y lambda) el efecto de la exclusin de cada variable y (mediante el nivel de tolerancia) el grado de colinealidad existente entre las variables independientes. Puesto que las variables utilizadas en nuestro ejemplo se encuentran muy relacionadas entre s, la tolerancia disminuye sensiblemente en el momento en que se incorpora una nueva variable al modelo (recordemos que la tolerancia es la proporcin de varianza de una variable independiente que no est explicada por el resto de variables independientes). En el paso 0 todas las variables tiene una tolerancia igual a 1, pues todava no existen variables en el modelo. En el paso 1 permanece en ese valor de tolerancia para la primera variable pues, al estar sola, no existen variables que puedan explicar nada de ella (vase la tolerancia de la variable cilindrada en el paso 1). En el segundo paso, al incorporarse la variable potencia al modelo, la tolerancia baja a 0,212, lo cual es sntoma de que existe una alta correlacin entre ambas variables (es fcil deducir que la correlacin entre las dos variables es de 0,89). Sin embargo, la variable ao del modelo no correlaciona tanto con la potencia y cilindrada: al incorporarse al modelo en el tercer paso, su tolerancia slo baja hasta 0,799.
Tabla 23.19. Variables incluidas en el anlisis (variables seleccionadas en cada paso).
Paso 1 2 3 Tolerancia 1.000 .212 .212 .210 .208 .799 .114 .205 .767 .179 .114 .194 .509 .127 .157 F para eliminar 130.522 84.720 20.452 88.464 14.658 14.110 71.727 12.097 17.124 5.591 71.054 15.813 24.242 11.612 6.839 Lambda de Wilks .841 .704 .812 .661 .660 .765 .644 .654 .631 .747 .638 .654 .629 .620
Cilindrada en cc Cilindrada en cc Potencia (CV) Cilindrada en cc Potencia (CV) Ao del modelo Cilindrada en cc Potencia (CV) Ao del modelo Peso total (kg) Cilindrada en cc Potencia (CV) Ao del modelo Peso total (kg) Consumo (l/100Km)
35
La tabla 23.20 ofrece una evaluacin de las variables candidatas a ser incluidas en el modelo en cada uno de los pasos. La tabla muestra, en cada paso, las variables que todava no han sido incorporadas al modelo.
Tabla 23.20. Variables no incluidas en el anlisis (variables no seleccionadas en cada paso)
Paso 0 Tolerancia 1.000 1.000 1.000 1.000 1.000 1.000 1.000 .302 .212 .188 .717 .814 .138 .277 .186 .506 .799 .137 .221 .179 .502 .137 .157 .382 .135 .380 .132 Tolerancia mnima 1.000 1.000 1.000 1.000 1.000 1.000 1.000 .302 .212 .188 .717 .814 .138 .174 .119 .149 .208 .083 .172 .114 .149 .082 .114 .110 .067 .107 .066 F para introducir 66.617 130.522 58.615 85.178 22.220 .016 107.273 4.448 20.452 4.257 1.809 19.892 .308 .672 2.648 1.637 14.110 1.033 .893 5.591 2.502 1.120 6.839 .235 .564 .460 1.285 Lambda de Wilks .823 .704 .841 .784 .933 1.000 .743 .694 .660 .694 .700 .661 .703 .659 .654 .657 .631 .658 .629 .620 .626 .629 .606 .619 .619 .605 .604
Consumo (l/100Km) Cilindrada en cc Potencia (CV) Peso total (kg) Aceleracin 0 a 100 km/h Ao del modelo Nmero de cilindros Consumo (l/100Km) Potencia (CV) Peso total (kg) Aceleracin 0 a 100 km/h Ao del modelo Nmero de cilindros Consumo (l/100Km) Peso total (kg) Aceleracin 0 a 100 km/h Ao del modelo Nmero de cilindros Consumo (l/100Km) Peso total (kg) Aceleracin 0 a 100 km/h Nmero de cilindros Consumo (l/100Km) Aceleracin 0 a 100 km/h Nmero de cilindros Aceleracin 0 a 100 km/h Nmero de cilindros
Antes de iniciar la construccin del modelo (paso 0) la tolerancia de todas las variables es la mxima posible y, puesto que las variables estn siendo evaluadas individualmente, la F para entrar en el modelo (F para introducir) coincide con el valor de la F univariante que se obtendra al marcar la opcin ANOVAs univariantes del cuadro de dilogo Anlisis discriminante: Estadsticos (ver figura 23.6). Adems, para cada variable ya incorporada al modelo, el valor de la F para salir en un determinado paso (F para eliminar de la tabla 23.19) coincide con el valor de la F para entrar en el paso anterior (F para introducir de la tabla 23.20).
36
En cuanto a la tolerancia de las variables, la tabla incluye dos columnas: la primera (Tolerancia) ofrece, en cada paso, la tolerancia que tendra cada variable si fuera incorporada al modelo en el siguiente paso; la segunda columna (Tolerancia mnima) ofrece la tolerancia correspondiente a la variable (de las ya incluidas en el modelo) cuya tolerancia ms se vera afectada por la incorporacin de la nueva variable (es decir, la tolerancia de la variable cuya tolerancia pasara a ser la ms pequea de todas). En el paso 3, por ejemplo, la variable peso es la mejor candidata para ser incorporada al modelo en el siguiente paso (es la que hara menor el valor de la lambda de Wilks). Al ser incorporada en el paso 4 (ver tabla 23.19), su tolerancia dentro de la ecuacin es el valor informado antes de entrar (en la tabla 23.20). Y la variable a la que ms afecta su inclusin es a la cilindrada: en el paso 3 (tabla 23.20) se indica que la tolerancia mnima pasar a ser 0,084, y en el paso 4 (tabla 23.19) se confirma ese valor. La tabla 23.21 siempre muestra el estadstico lambda de Wilks global para el modelo generado en cada paso, independientemente de que se haya optado por otro estadstico como mtodo de seleccin de variables. Segn sabemos ya, este estadstico permite valorar el grado de diferenciacin entre los grupos tomando como referencia las variables independientes incluidas en cada paso. En este caso, la informacin de la tabla 23.21 coincide exactamente con la de la tabla 23.18.
Tabla 23.21. Lambda de Wilks.
Nmero de variables 1 2 3 4 5 F exacta gl1 gl2 1 310.000 2 309.000 3 308.000 4 307.000 5 306.000
Paso 1 2 3 4 5
Lambda .704 .660 .631 .620 .606
gl1 1 2 3 4 5
gl2 1 1 1 1 1
gl3 310 310 310 310 310
Estadstico 130.522 79.582 60.009 47.075 39.744
Sig. 6.569E-21 .000 .000 .000 .000
37
La tabla 23.22 ofrece estadsticos F que permiten contrastar la hiptesis de igualdad de medias entre cada dos grupos. Esta tabla tiene mayor sentido cuando el anlisis busca discriminar entre ms de dos grupos, pues permite averiguar qu grupos difieren de qu otros (recordemos que la lambda de Wilks hace una valoracin global del grado de diferenciacin entre los grupos). Puesto que en nuestro ejemplo estamos utilizando slo dos grupos, los valores de esta tabla coinciden con los de la tabla 23.21.
Tabla 23.22. Estadstico F para la comparacin de los grupos por pares.
Origen EE.UU. Paso 1 2 3 4 5 F Sig. F Sig. F Sig. F Sig. F Sig. Europa 130.522 .000 79.582 .000 60.009 .000 47.075 .000 39.744 .000
En la tabla 23.23 podemos apreciar que el autovalor ha aumentado respecto al caso de dos variables (ver tabla 23.3). Tambin ha aumentado considerablemente la correlacin cannica. Tcnicamente, el autovalor es proporcional a la dispersin obtenida en la direccin del mayor autovector de la nube de puntos multivariante. Si el autovalor aumenta es porque la nube de puntos multivariante aumenta su dispersin y es posible distinguir mejor los grupos.
Funcin 1 Autovalor .649 % de varianza 100.0 % Correlacin acumulado cannica 100.0 .627
La tabla 23.24 muestra el valor de la lambda de Wilks para el modelo final. Su significacin se evala mediante una transformacin chi-cuadrado (ver tabla 23.4).
Tabla 23.24. Lambda de Wilks global.
Contraste de las funciones 1 Lambda de Wilks .606 Chi-cuadrado 153.879 gl 5 Sig. .000
38
La tabla 23.25 ofrece la matriz de coeficientes estandarizados. Estos coeficientes permiten valorar la contribucin neta de cada variable a la funcin discriminante. As, la variable que ms contribuye a diferenciar los grupos es la cilindrada (un anlisis factorial de las variables independientes nos dira que las variables correlacionan mucho entre s, por lo que no es de extraar que la variable cilindrada pueda estar capitalizando las relacin entre de la funcin discriminante y el resto de variables independientes). As pues, a mayor cilindrada, mayor puntuacin en la funcin discriminante y, en consecuencia, mayor tendencia a que el vehculo sea clasificado como estadounidense (ver la tabla de los centroides 23.27). La variable potencia, sin embargo, presenta un coeficiente negativo. Esto quiere decir que para vehculos con iguales puntuaciones en las restantes variables, los que tienen mayor potencia tendrn una puntuacin menor en la funcin discriminante y, consecuentemente, ser ms fcil que sean clasificados como vehculos europeos. De manera similar podemos interpretar que, manteniendo constantes el resto de variables, los vehculos estadounidenses presentan, comparativamente, un mayor consumo y menor peso y antigedad.
Funcin 1 .595 2.052 -.801 -.856 .605
Consumo (l/100Km) Cilindrada en cc Potencia (CV) Peso total (kg) Ao del modelo
39
En la matriz de estructura (tabla 23.26) se encuentran los coeficientes de correlacin brutos entre cada variable y la funcin discriminante. Puede observarse que el signo de los coeficientes correspondientes a las variables potencia y peso han cambiado (respecto al que tenan en la matriz de coeficientes estandarizados). Este cambio de signo es consecuencia del alto grado de colinealidad entre las variables. En nuestro ejemplo, el valor de los coeficientes de correlacin indican que la funcin discriminante distingue bsicamente entre vehculos grandes (los estadounidenses) y vehculos pequeos (los europeos). Aunque no han sido utilizadas para construir la funcin discriminante, la tabla tambin informa de las correlaciones existentes entre la funcin discriminante y las variables aceleracin y nmero de cilindros.
Funcin 1 .805 .768 .650 .575 .540 -.294 -.009
Cilindrada en cc Nmero de cilindrosa Peso total (kg) Consumo (l/100Km) Potencia (CV) Aceleracin 0 a 100 km/h a Ao del modelo
a. Variable no utilizada en el anlisis.
La tabla de centroides (23.27) muestra que los vehculos estadounidenses obtienen, en trminos generales, mayores puntuaciones que los vehculos europeos.
Tabla 23.27. Valores de los centroides en la funcin discriminante.
Origen EE.UU. Europa Funcin 1 .424 -1.522
40
El problema de la clasificacin
En los apartados precedentes hemos estudiado, bsicamente, cmo construir o estimar la funcin discriminante. Si nuestro objetivo consiste en averiguar en qu difieren dos grupos, con lo visto hasta ahora es ms que suficiente. Sin embargo, la mayor utilidad de una funcin discriminante radica en su capacidad para clasificar nuevos casos. Ahora bien, la clasificacin de casos es algo muy distinto de la estimacin de la funcin discriminante. De hecho, una funcin perfectamente estimada puede no pasar de una pobre capacidad clasificatoria. Una vez obtenida la funcin discriminate podemos utilizarla, en primer lugar, para efectuar una clasificacin de los mismos casos utilizados para obtener la funcin: esto permitir comprobar el grado de eficacia la funcin desde el punto de vista de la clasificacin. Si los resultados son satisfactorios, la funcin discriminante podr utilizarse, en segundo lugar, para clasificar futuros casos de los que, conociendo su puntuacin en las variables independientes, se desconozca el grupo al que pertenecen. Una manera de clasificar los casos consiste en calcular la distancia existente entre los centroides de ambos grupos y situar un punto de corte dc equidistante de ambos centroides (ver figura 23.8). A partir de ese momento, los casos cuyas puntuaciones discriminantes sean mayores que el punto de corte dc sern asignados al grupo superior y los casos cuyas puntuaciones discriminantes sean menores que el punto de corte dc sern asignados al grupo inferior.
Figura 23.8. Utilizacin de un punto de corte equidistante de ambos centroides (n1 = n2).
Esta regla de clasificacin tiene un serio inconveniente: slo permite distinguir entre dos grupos y es difcilmente aplicable al caso de ms de dos grupos. Adems, no tiene en cuenta que los
41
grupos pueden tener distinto tamao. Si ambos grupos son de igual tamao, la situacin real ser muy similar a la descrita en la figura 23.8. Pero si, por el contrario, los tamaos muestrales son muy desiguales, la situacin real ser ms parecida a la que muestra la figura 23.9. En esta figura puede verse con claridad que, si utilizamos el punto de corte dc como punto de clasificacin, la proporcin de casos mal clasificados en el grupo de menor tamao (zona rayada horizontalmente) ser mucho menor que en el grupo de mayor tamao (zona rayada verticalmente). Por tanto, con tamaos desiguales es preferible utilizar una regla de clasificacin que desplace el punto de corte hacia el centroide del grupo de menor tamao buscando igualar los errores de clasificacin. Para calcular este punto de corte podemos utilizar una distancia ponderada:
Figura 23.9. Utilizacin de un punto de corte equidistante de ambos centroides (n1 = / n2).
Fukunaga y Kessell (1973) y Glick (1978) han propuesto una regla de clasificacin basada en la teora bayesiana. Esta otra regla permite incorporar fcilmente la informacin relativa al tamao de los grupos y, adems, es extensible al caso de ms de dos grupos. Es frecuente que, aunque los tamaos de los grupos sean intrnsecamente diferentes, se desee compensar estadsticamente esa desigualdad a la hora de clasificar a los sujetos. Esta situacin es muy frecuente en el mbito clnico cuando se comparan sujetos normales con sujetos enfermos. Si podemos estimar la proporcin de casos que, en la poblacin, pertenece a cada
42
uno de los grupos, tendremos una probabilidad a priori: P(gk). Estas probabilidades a priori pueden estimarse a partir de la muestra (si se ha realizado un muestreo aleatorio), o recurriendo directamente a datos poblacionales previos (si se tienen). Las probabilidades a priori ofrecen alguna informacin sobre la representatividad de los casos, pero no ofrecen informacin concreta sobre un caso en particular. Adems, las probabilidades a priori no tienen en cuenta que las probabilidades de aparicin de las variables independientes en cada grupo pueden no ser simtricas. Por ejemplo, una sintomatologa diagnstica puede ser ms frecuente en un grupo patolgico que un grupo normal. Por supuesto, siempre es posible aprovechar la informacin adicional que proporciona saber a qu grupo pertenece cada caso. Si asumimos que las puntuaciones discriminantes se distribuyen normalmente, podemos calcular la probabilidad asociada a un caso (es decir, la probabilidad que queda por encima o por debajo de ese caso) en cada uno de los grupos utilizados en el anlisis. Esto es lo que se conoce como probabilidad condicional: P(D > di | G = gk) o, simplemente, P(di | gk). La probabilidad condicional de una puntuacin discriminante puede calcularse mediante tablas de probabilidad asinttica o a partir de los cuantiles observados (ver figura 23.10).
Figura 23.10. Probabilidad condicional de la puntuacin discriminante di en el grupo 2.
Una puntuacin discriminante tiene asociadas tantas probabilidades condicionales como grupos hay en el anlisis. Esas probabilidades condicionales indican cmo es de probable una puntuacin concreta en cada uno de los grupos. Pero slo son tiles cuando se conoce a qu grupo pertenece un caso. Cuando se desea clasificar un caso nuevo (del que, obviamente se desconoce a qu grupo pertenece), es necesario comparar las probabilidades condicionales que le corres-
43
ponden en cada uno de los grupos del anlisis. Por ello, para clasificar un caso nuevo, es ms apropiado utilizar las probabilidades a posteriori, es decir, las probabilidades de pertenecer a cada uno de los grupos, dado que a ese caso le corresponde una determinada puntuacin discriminate, es decir: P(G = gk | D = di) o, simplemente, P(gk | di). Estas probabilidades a posteriori se obtienen utilizando el teorema de Bayes:
El sumatorio del denominador posee tantos trminos como grupos (no hay lmite en el nmero de grupos). Con esta regla de clasificacin, los casos nuevos son clasificados en el grupo al que corresponde mayor probabilidad a posteriori. Aunque en la estimacin de las probabilidades a priori es habitual utilizar los tamaos de los grupos, la aplicacin del teorema de Bayes permite manipular esas probabilidades y asignarles un valor arbitrario (para reflejar mejor la composicin de la poblacin, para compensar el coste de una clasificacin errnea, etc.). La manipulacin de las probabilidades a priori hace que se desplace el punto de clasificacin. Si se asigna igual probabilidad a priori a todos los grupos, el punto de corte para la clasificacin ser equidistante de todos ellos; si se aumenta la probabilidad a priori de un grupo, el punto de corte para la clasificacin se alejar de su centroide. Una forma ms de determinar el punto de corte ptimo para la clasificacin consiste en la curva COR (curva caracterstica del receptor ideal), disponible como procedimiento adicional dentro del propio SPSS. Ninguno de los procedimientos mencionados valora el coste de la clasificacin errnea de los sujetos: todos ellos asumen igual coste para los aciertos y los errores en todos los grupos. Si existen costes diferenciales para cada tipo de acierto y para cada tipo de error, ser necesario establecer el punto de corte mediante otro tipo de procedimientos ms caractersticos de la Teora de la toma de decisiones.
44
Seleccin de las opciones de clasificacin

Las opciones de clasificacin no afectan a la funcin discriminante; slo influyen en el resultado de la clasificacin de los casos. El proceso de clasificacin asigna o pronostica un grupo a todos los casos utilizados en la estimacin de la funcin discriminante y a todos los casos que, aun no perteneciendo a ninguno de los grupos utilizados (es decir, aun teniendo valor perdido en la variable de agrupacin), poseen informacin completa en las variables independientes. Tambin es posible, opcionalmente, clasificar los casos con informacin incompleta (es decir, con valor perdido en alguna de las variables independientes). Para clasificar los casos utilizando la funcin discriminante:
| En el cuadro de dilogo Anlisis discriminante (ver figura 23.3), pulsar en el botn Clasificar... para acceder al subcuadro de dilogo Anlisis discriminante: Clasificacin que muestra la figura 23.11.
Figura 23.11. Subcuadro de dilogo Anlisis discriminante: Clasificacin.
45
Probabilidades previas. Las opciones de este apartado permiten controlar el valor que adoptarn las probabilidades previas o probabilidades a priori:
F Todos los grupos iguales. Se asigna la misma probabilidad a todos los grupos. Si el
anlisis discrimina entre k grupos, la probabilidad a priori asignada a cada grupo vale 1/k. Con esta opcin el tamao de los grupos no influya en la clasificacin.
F Calcular segn el tamao de los grupos. La probabilidad a priori que se asigna a cada grupo es proporcional a su tamao. Siendo N el tamao de la muestra y ng el tamao de un grupo cualquiera, la probabilidad a priori asignada a ese grupo es ng/N. Con esta opcin, si un caso posee una puntuacin discriminante equidistante de los centroides de dos grupos, el caso es clasificado en el grupo de mayor tamao. Mediante sintaxis, es posible asignar a cada grupo probabilidades a priori personalizadas.
46
Mostrar. Estas opciones permiten decidir qu aspectos de la clasificacin deseamos que muestre el Visor de resultados:
G Resultados para cada caso. Muestra un listado de los casos del archivo de datos con
el resultado de la clasificacin. Esta informacin incluye, para cada caso: el nmero del caso en el archivo de datos, el nmero de variables independientes en las que tiene valor perdido y el grupo al que de hecho pertenece (grupo nominal). Adems, para el grupo pronosticado con mayor probabilidad: el grupo asignado (marcado con dos asteriscos si difiere del nominal), la probabilidad condicional de obtener una puntuacin discriminante como la obtenida o mayor en ese grupo, P(di | gk), la probabilidad a posteriori de ese grupo, P(gk | di), y la distancia de Mahalanobis del caso al centroide de ese grupo. Y para el grupo pronosticado con la segunda mayor probabilidad: el grupo asignado, la probabilidad a posteriori de ese grupo, P(gk | di), y la distancia de Mahalanobis al centroide de ese grupo. Por ltimo, el listado ofrece las puntuaciones discriminantes en cada una de las funciones discriminantes obtenidas.
G Limitar a los primeros n. Permite limitar el listado con los detalles de la clasificacin
a los primeros n casos del archivo. Esta seleccin slo afecta a la tabla de resultados para cada caso.
G Tabla de resumen. Muestra una tabla de clasificacin de tamao gxg con el grupo
nominal en las filas y el grupo pronosticado en las columnas. La tabla ofrece las frecuencias absolutas, los porcentajes de fila y el porcentaje total de clasificaciones correctas. Esta tabla se denomina tambin matriz de confusin. En la diagonal principal de la matriz se encuentran las clasificaciones correctas.
G Clasificacin dejando uno fuera. Ofrece una validacin cruzada para comprobar la
capacidad predictiva de la funcin discriminante. Para ello, el SPSS genera tantas funciones discriminantes como casos vlidos tiene el anlisis; cada una de esas funciones se obtiene eliminando un caso; despus, cada caso es clasificado utilizando la funcin discriminante en la que no ha intervenido. La tabla de clasificacin incluye una segunda matriz de confusin con el resultado de la clasificacin siguiendo esta estrategia.
47
Usar matriz de covarianza. La clasificacin siempre se basa en las funciones discriminantes. Pero esta clasificacin puede realizarse a partir de matrices de varianzas-covarianzas distintas y el resultado de la clasificacin puede ser diferente con cada estrategia.
F Intra-grupos. La probabilidad a posteriori de un caso en un grupo dado se calcula a

partir de la matriz de varianzas-covarianzas combinada de las variables discriminantes. Por tanto, no se tiene en cuenta la distinta variabilidad de las puntuaciones discriminantes dentro de cada grupo.
F Grupos separados. La probabilidad a posteriori de un caso en un grupo determinado

se calcula utilizando la matriz de varianzas-covarianzas de las funciones discriminantes en ese grupo. De esta manera se tiene en cuenta la diferente variabilidad de los grupos en las funciones discriminantes. Seleccionando esta opcin, el Visor muestra la matriz de varianzas-covarianzas de las funciones discriminantes para cada grupo.
48
Grficos. Estas opciones permiten decidir cmo sern representados los casos en las funciones discriminantes. El tipo de grfico ofrecido depende del nmero de funciones estimadas:
G Grupos combinados. Muestra un diagrama de dispersin de todos los casos en el plano definido por las dos primeras funciones discriminantes. Cuando slo existe una funcin discriminante, este grfico se omite y aparece una advertencia indicando tal circunstancia.
G Grupos separados. En el caso de dos grupos (una sola funcin discriminante), esta
opcin ofrece el histograma de cada grupo en la funcin discriminante (incluyendo los casos con valor perdido en la variable de agrupacin). En el caso de ms de dos grupos (ms de una funcin discriminante), ofrece un diagrama de dispersin de cada grupo en el plano definido por las dos primeras funciones discriminantes.
G Mapa territorial. En el caso de ms de dos grupos (ms de una funcin discriminate),

muestra la ubicacin de los centroides en el plano definido por las dos primeras funciones discriminantes, as como las fronteras territoriales utilizadas en la clasificacin. Las fronteras varan dependiendo de las probabilidades a priori seleccionadas.
G Reemplazar los valores perdidos con la media. Sustituye los valores perdidos de las
variables independientes por sus medias aritmticas. Estas medias se calculan a partir de los casos vlidos en cada variable. Los casos cuyo valor perdido es sustituido intervienen en la clasificacin.
49
Ejemplo (Anlisis discriminante > Clasificar)

Este ejemplo muestra cmo clasificar casos y cmo interpretar los resultados de la clasificacin. Continuamos utilizando dos grupos (vehculos estadounidenses y europeos: cdigos 1 y 2 de la variable origen) y las variables independientes que han resultado significativas en el ejemplo anterior: consumo, motor (cilindrada), cv (potencia), peso y ao. Para solicitar los resultados de la clasificacin:
consumo, motor (cilindrada), cv (potencia), peso y ao a la lista Independientes y la variable origen al cuadro Variable de agrupacin.
| Pulsar en Definir rango... para acceder al subcuadro de dilogo Anlisis discriminante: Definir rango (ver figura 23.4), e introducir el valor 1 (cdigo para EE.UU. en la variable origen) en el cuadro de texto Mnimo y el valor 2 (cdigo de Europa en la variable origen) en el cuadro de texto Mximo. Pulsar el botn Continuar para volver al cuadro de dilogo principal.
| Pulsar en el botn Clasificar... para acceder al subcuadro de dilogo Anlisis

discriminante: Clasificacin (ver figura 23.11) y seleccionar las opciones Resultados para cada caso, Tabla de resumen, Clasificacin dejando uno fuera del apartado Mostrar; y las opciones Grupos combinados y Grupos separados del apartado Grficos. Seleccionar tambin la opcin Reemplazar los valores perdidos con la media. Pulsar el botn Continuar para volver al cuadro de dilogo principal. Aceptando estas elecciones, el Visor ofrece, entre otros, los resultados que muestran las tablas 23.28 y 23.29, y las figuras 23.12 a la 23.15
50
La tabla 23.28 se ha modificado sustancialmente llevando los casos a la dimensin de las capas y transponiendo despus las filas y las columnas para reducir las dimensiones de la tabla y economizar espacio. La tabla contiene toda la informacin necesaria para valorar la clasificacin del caso 54. La penltima columna incluye la clasificacin original o estndar y la ltima columna ofrece la clasificacin resultante de la validacin cruzada. El vehculo en cuestin (el caso nmero 54) pertenece (grupo real) al grupo 1 (estadounidense), pero ha sido clasificado (grupo pronosticado) en el grupo 2 (europeo). Recordemos que el centroide del grupo estadounidense vale 0,424 y el del grupo europeo 1,522. La puntuacin del caso es 1,033 (= puntuacin discriminate). El caso se encuentra entre ambos centroides, pero ms prximo al centroide de los vehculos europeos. P(D>d | G=g) es la probabilidad condicional: la probabilidad de obtener una puntuacin como la obtenida o ms extrema (en la direccin de la cola en la que se encuentra el caso), dentro del grupo pronosticado (en este caso, dentro del grupo europeo). Esta probabilidad indica el grado de rareza del caso dentro del grupo en el que ha sido clasificado. La probabilidad condicional del caso 54 se vale 0,625, lo que indica que ese caso se encuentra prximo al centroide del grupo pronosticado y no debe ser considerado un caso atpico dentro de l
Tabla 23.28. Estadsticos de clasificacin por caso.
Nmero de caso: 54 Original 1 2** .625 1 .720 .239 1 .280 2.123 -1.033 Validacin cruzadaa 1 2** .524 5 .733 4.180 1 .267 6.195
Grupo real Grupo mayor
Grupo pronosticado P(D>d | G=g)
p gl
P(G=g | D=d) Distancia de Mahalanobis al cuadrado hasta el centroide Segundo grupo mayor Grupo P(G=g | D=d) Distancia de Mahalanobis al cuadrado hasta el centroide Funcin 1
Puntuaciones discriminantes
Para los datos originales, la distancia de Mahalanobis al cuadrado se basa en las funciones cannicas. Para los datos validados mediante validacin cruzada, la distancia de Mahalanobis al cuadrado se basa en las observaciones. **. Caso mal clasificado a. La validacin cruzada slo se aplica a los casos del anlisis. En la validacin cruzada, cada caso se clasifica mediante las funciones derivadas a partir del resto de los casos.
51
A partir de estas probabilidades condicionales y de las probabilidades previas de cada grupo (en nuestro ejemplo, 0,5 para ambos), se calculan las probabilidades a posteriori de cada grupo: P(G=g | D=d). Dada una puntuacin discriminate de 0,907, la probabilidad a posteriori de pertenecer al grupo europeo vale 0,720. Y la probabilidad a posteriori de pertenecer al grupo estadounidense es la complementaria: 10,720 = 0,280. Consecuentemente, el caso ha sido asignado al grupo 2, que es al que corresponde mayor probabilidad a posteriori. La tabla tambin informa de la distancia del caso a cada uno de los centroides. Esta distancia se calcula a partir de las puntuaciones en las variables independientes originales. El caso se encuentra ms prximo al grupo europeo (0,239) que al estadounidense (2,123). En la columna correspondiente a la validacin cruzada podemos comprobar que el caso es clasificado tambin en el grupo europeo. Pero tambin podemos comprobar que la distancia al centroide del grupo es muy grande (4,180) en comparacin con la distancia original, por lo que podemos pesar que se trata de un caso bastante extremo. No obstante, la distancia al centroide de ese grupo es menor que la distancia al centroide del otro grupo (6,195). Y la probabilidad a posteriori del grupo pronosticado (grupo mayor = 0,733) es tambin es mayor que la del otro grupo (segundo grupo mayor = 0,267).
52
Las figuras 23.12 y 23.13 muestran los histogramas de las puntuaciones discriminantes. El primero de ellos contiene los vehculos pertenecientes al grupo estadounidense. El segundo, los pertenecientes al grupo europeo.
Figura 23.12. Histograma de las puntuaciones discriminantes. Vehculos estadounidenses.
35
30
25
20
15
10 Desv. tp. = 1.09 Media = .39 0

5 .7 -2 5 .2 -2 5 .7 -1 5 .2 -1 -.7 -.2 5 .2 5 .7 25 1. 75 1. 25 2. 75 2. 5 5
N = 253.00
Figura 23.13. Histograma de las puntuaciones discriminantes. Vehculos europeos.

10
2 Desv. tp. = .64 Media = -1.53 0

8 .8 -2 3 .6 -2 8 .3 -2 3 .1 -2 8 .8 -1 3 .6 -1 8 .3 -1 3 .1 -1 -.8 8 -.6 3 -.3 8
N = 73.00
53
Estos histogramas permiten formarse una idea aproximada tanto de la forma de la distribucin como del grado de dispersin de los vehculos dentro de su propio grupo, todo ello tomando como base sus puntuaciones en la funcin discriminante, o lo que es lo mismo, tomando como base sus puntuaciones en el conjunto de variables independientes incluidas en el anlisis. Las leyendas de los grficos ofrecen informacin descriptiva (media, desviacin tpica y nmero de casos) til para la interpretacin. La figura 23.14 muestra el histograma de las puntuaciones discriminantes de los vehculos que no tienen cdigo de grupo o que tienen un cdigo de grupo que se encuentra fuera del rango especificado en el anlisis (es decir, los vehculos del archivo de datos que no pertenecen a ninguno de los dos grupos incluidos en el anlisis). En este histograma podemos apreciar que, si obtuviramos las puntuaciones discriminantes que les asigna la funcin, el grupo de vehculos no incluidos en el anlisis se encontrara en la zona negativa de la funcin discriminante; tambin podemos apreciar en el histograma que existe un caso extremo.
Figura 23.14. Histograma de las puntuaciones discriminantes. Vehculos no incluidos en el anlisis.
30
20
10
Desv. tp. = 1.38 Media = -1.41 0 N = 80.00
00 2. -1
00 0. -1 00 1. -1
0 .0 -8 0 .0 -9
0 .0 -7
0 .0 -5 0 .0 -6
0 .0 -3 0 .0 -4
0 .0 -2
00 0. 0 .0 -1
54
En el histograma de la figura 23.15 estn representados los vehculos de todos los grupos. El grfico incluye una lnea vertical sobre el punto de corte que se est utilizando para la clasificacin (aproximadamente -0,55). Para conocer cul es el punto exacto se han guardado dos variables en el archivo de datos (ver, ms abajo, el apartado Guardar): las puntuaciones discriminantes y el grupo pronosticado para cada caso. Despus se ha ordenado el archivo tomando como criterio de ordenacin las puntuaciones discriminantes: el punto de corte corresponde al valor de la funcin discriminante en el momento en que los casos dejan de ser clasificados en un grupo y pasan a ser clasificados en el otro.
Figura 23.15. Histograma de las puntuaciones discriminantes. Todos los vehculos del archivo.
20
10
Pas de origen Frecuencia

Japn Europa 0
-2.80 -2.00 -1.20 -.40 .40 1.20 2.00
EE.UU.
Este grfico no se encuentra disponible en el procedimiento Discriminante de la versin actual del programa; se ha creado mediante la opcin Barras > Apiladas del men Grficos. Aunque este grfico ha sido descartado de las versiones ms recientes del SPSS, pensamos que es muy ilustrativo comparar la situacin relativa de todos los grupos de manera simultnea, y por esta razn lo ofrecemos. En lugar del histograma con todos los grupos apilados, el Visor emite una advertencia indicando que ya no se ofrece tal histograma.
55
La tabla 23.29 muestra los resultados de la clasificacin (la matriz de confusin). Esta tabla es en s misma un procedimiento de validacin de la funcin, pues resume la capacidad predictiva de la funcin discriminante. Los vehculos estadounidenses son correctamente clasificados en el 76,3 % de los casos y los vehculos europeos en el 94,5%. En total, la funcin consigue clasificar correctamente al 80,4 % de los casos. Si no existen datos previos acerca de la eficacia clasificatoria de otros mtodos, lo apropiado es comparar estos porcentajes con la clasificacin correcta esperable por azar. En nuestro ejemplo, puesto que slo hay dos grupos de vehculos, la expectativa de clasificacin correcta por azar es del 50 %. La tabla 23.29 tambin incluye informacin sobre los casos desagrupados (es decir, los casos que no pertenecen a ninguno de los dos grupos utilizados en el anlisis). Los resultados obtenidos indican que estos casos seran clasificados mayoritariamente (90,1 %) como vehculos europeos. La validacin cruzada (la clasificacin de cada caso tras dejarlo fuera del clculo de la funcin discriminante) arroja resultados similares a los de la clasificacin original.
Tabla 23.29. Resultados de la clasificacin (sin tener en cuenta el tamao de los grupos).
Grupo de pertenencia pronosticado a,b EE.UU. Europa 193 60 4 69 7 73 76.3 23.7 5.5 94.5 8.8 91.3 192 61 4 69 75.9 24.1 5.5 94.5
Original
Recuento
Validacin cruzada c
Recuento %
Pas de origen EE.UU. Europa Casos desagrupados EE.UU. Europa Casos desagrupados EE.UU. Europa EE.UU. Europa
Total 253 73 80 100.0 100.0 100.0 253 73 100.0 100.0
a. Clasificados correctamente el 80.4% de los casos agrupados originales. b. Clasificados correctamente el 80.1% de los casos agrupados validados mediante validacin cruzada. c. La validacin cruzada slo se aplica a los casos del anlisis. En la validacin cruzada, cada caso se clasifica mediante las funciones derivadas a partir del resto de los casos.
56
La tabla de clasificacin muestra que el nmero de casos mal clasificados es mayor en el grupo ms grande (es decir, en el grupo de vehculos estadounidenses). Esto se debe a que el punto de corte para la clasificacin se ha establecido a partir de probabilidades previas idnticas para ambos grupos. Para disminuir el porcentaje de clasificacin incorrecta de ese grupo podemos seleccionar, en el subcuadro de dilogo Anlisis discriminante: Clasificacin (figura 23.11), la opcin Calcular segn tamaos de grupos del apartado Probabilidades previas. Al repetir el anlisis utilizando esta otra estrategia obtenemos una tabla de probabilidades previas (tabla 23.30) que contiene las probabilidades a priori asignadas a cada grupo. Estas probabilidades, segn hemos sealado ya, nicamente reflejan el tamao relativo de cada grupo. En el clculo de estas probabilidades no intervienen los casos con valor perdido (aunque se haya marcado la opcin Reemplazar valores perdidos con la media).
Tabla 23.30. Probabilidades previas.
Casos utilizados en el anlisis No ponderados Ponderados 244 244.000 68 68.000 312 312.000
Pas de origen EE.UU. Europa Total
Previas .782 .218 1.000
57
La tabla de clasificacin (tabla 23.31) permite comprobar que la nueva regla de clasificacin arroja resultados distintos de los obtenidos anteriormente. Ahora, el porcentaje de clasificacin correcta de los vehculos estadounidenses (los vehculos del grupo ms grande) ha subido del 76,3 % al 95,3 %. Como contrapartida, el porcentaje de vehculos correctamente clasificados en el grupo europeo (el grupo ms pequeo) ha bajado del 94,5 % al 63,0 %. En conjunto, el porcentaje de casos correctamente clasificados ha pasado del 80,4 % al 88,0 %, lo que representa una ganancia nada despreciable: la nueva regla clasifica correctamente 25 vehculos ms (287 en lugar de 262). Por otro lado, tambin los vehculos no agrupados (es decir, los que no pertenecen a ninguno de los dos grupos incluidos en el anlisis) se han visto afectados por la nueva regla de clasificacin: ahora se distribuyen de manera homognea entre los dos grupos.
Tabla 23.31. Resultados de la clasificacin (teniendo en cuenta el tamao de los grupos).
Grupo de pertenencia a,b pronosticado EE.UU. Europa 241 12 27 46 44 36 95.3 4.7 37.0 63.0 55.0 45.0 239 14 28 45 94.5 5.5 38.4 61.6
Original
Recuento
Validacin cruzada c
Recuento %
Pas de origen EE.UU. Europa Casos desagrupados EE.UU. Europa Casos desagrupados EE.UU. Europa EE.UU. Europa
Total 253 73 80 100.0 100.0 100.0 253 73 100.0 100.0
a. Clasificados correctamente el 88.0% de los casos agrupados originales. b. Clasificados correctamente el 87.1% de los casos agrupados validados mediante validacin cruzada. c. La validacin cruzada slo se aplica a los casos del anlisis. En la validacin cruzada, cada caso se clasifica mediante las funciones derivadas a partir del resto de los casos.
58
El histograma conjunto de la figura 23.16 muestra los dos puntos de corte utilizados. El trazo discontinuo corresponde al punto de corte (-0,55) resultante de aplicar el criterio que atribuye igual probabilidad previa a los dos grupos; y el trazo continuo corresponde al punto de corte (-1,20) obtenido con el criterio que atribuye mayor probabilidad al grupo ms grande. La figura muestra con claridad que el punto de corte correspondiente al segundo criterio se ha desplazado hacia la izquierda, alejndose del centroide del grupo ms grande e invadiendo el territorio del grupo ms pequeo. De hecho, el vehculo nmero 54, que inicialmente haba sido clasificado en el grupo europeo (a pesar de ser un vehculo estadounidense), con la regla de clasificacin basada en el segundo criterio ha sido clasificado en el grupo estadounidense. (A pesar de este cambio en la clasificacin del vehculo 54, conviene sealar que su puntuacin discriminante no ha cambiado; slo ha cambiado el criterio de clasificacin).
Figura 23.16. Histograma de las puntuaciones discriminantes. Todos los vehculos del archivo.
20
10
Pas de origen Frecuencia

Japn Europa 0
-2.80 -2.00 -1.20 -.40 .40 1.20 2.00
EE.UU.
59
La rareza del caso 54 en el grupo al que realmente pertenece (grupo 1) ha aumentado respecto a la obtenida en la clasificacin anterior (grupo 2). Su probabilidad condicional vale ahora 0,145, lo que significa que se encuentra ms alejado del centro de su propio grupo de lo que se encontraba del grupo en el que fue clasificado anteriormente.
Tabla 23.32. Estadsticos para la clasificacin del caso 54 con el nuevo criterio.
Nmero de caso: 54 Original 1 1 .145 1 .583 2.123 2 .417 .239 -1.033 Validacin cruzadaa 1 1 .288 5 .567 6.195 2 .433 4.180
Grupo real Grupo mayor
p gl
P(G=g | D=d) Distancia de Mahalanobis al cuadrado hasta el centroide Segundo grupo mayor Grupo P(G=g | D=d) Distancia de Mahalanobis al cuadrado hasta el centroide Funcin 1
Para los datos originales, la distancia de Mahalanobis al cuadrado se basa en las funciones cannicas. Para los datos validados mediante validacin cruzada, la distancia de Mahalanobis al cuadrado se basa en las observaciones. a. La validacin cruzada slo se aplica a los casos del anlisis. En la validacin cruzada, cada caso se clasifica mediante las funciones derivadas a partir del resto de los casos.
60
Guardar
Las opciones del cuadro de dilogo Guardar permiten guardar (crear) en el archivo de datos variables nuevas con informacin sobre algunos aspectos del anlisis. Esta opcin es til para distintos fines, como por ejemplo, para utilizarla en otros procedimientos (clculo de la curva COR, etc.). Para crear estas nuevas variables:
| En el cuadro de dilogo Anlisis discriminante (ver figura 23.3), pulsar en el botn Guardar... para acceder al subcuadro de dilogo Anlisis discriminante: Guardar que muestra la figura 23.17.
Figura 23.17. Subcuadro de dilogo Anlisis discriminante: Guardar.
G Grupo de pertenencia pronosticado. Crea una variable categrica con cdigos 1, 2, ...,
que indican el grupo en el que ha sido clasificado cada caso (grupo pronosticado). El grupo pronosticado para cada caso depende de las selecciones hechas en el proceso de clasificacin.
G Puntuaciones discriminantes. Crea tantas variables como funciones discriminantes se

hayan estimado. Cada variable contiene las puntuaciones discriminantes de cada funcin. Las variables se crean en el orden en que se han extrado las funciones, es decir, en el orden definido por el tamao de los autovalores. Las puntuaciones discriminantes no se ven afectadas por las selecciones realizadas en el proceso de clasificacin.
61
G Probabilidades de pertenencia al grupo. Crea tantas variables como grupos se hayan

incluido en el anlisis. Cada variable contiene las probabilidades a posteriori de cada caso en un grupo. Las variables se crean en el orden definido por los cdigos asignados a los grupos. Exportar informacin del modelo al archivo XML. Permite exportar la informacin del modelo a un archivo en formato XML. Los programas SmartScore y las prximas versiones de WhatIf? pueden utilizar este archivo para crear distintos escenarios de clasificacin. Pulsando en el botn Examinar puede seleccionarse la carpeta en la que se desea ubicar el archivo, el nombre del mismo y su formato.
62
Seleccionar
Un problema habitual de los modelos estadsticos es que el modelo estimado siempre se ajusta lo ms perfectamente posible a los datos de la muestra concreta utilizada. Esto, obviamente, constituye un pequeo inconveniente, pues la estructura de la muestra puede presentar ligeras divergencias respecto de la estructura real de la poblacin. Para evitar este efecto de sobreajuste muestral puede llevarse a cabo una validacin cruzada, que consiste en: 1) Seleccionar, de la muestra original, un subconjunto aleatorio de casos (muestra de validacin); 2) Estimar la funcin discriminate con los casos restantes (muestra de entrenamiento); 3) Utilizar esa funcin para clasificar los casos de la muestra de validacin. La validacin cruzada consiste, por tanto, en clasificar casos con una funcin que no incluye informacin sobre ellos. La validacin cruzada puede llevarse a cabo una sola vez o repetirse varias veces. Si la muestra original es grande, podra bastar un solo intento utilizando una muestra de validacin del 10% al 20% de los casos. Con muestras pequeas, puede dividirse la muestra total en 10 submuestras y repetir el proceso de validacin 10 veces, excluyendo cada vez una de las submuestras.
63
Para llevar a cabo una validacin cruzada debe crearse primero una variable (la variable de seleccin) que distinga entre los casos que sern utilizados como muestra de entrenamiento y los que sern utilizados como muestra de validacin. Para seleccionar los casos utilizados en el anlisis:
| En el cuadro de dilogo Anlisis discriminante (ver figura 23.3), pulsar el botn Seleccionar>> para expandir el cuadro de dilogo y hacer que tome el aspecto que muestra la figura 23.18.
Figura 23.18: Cuadro de dilogo Anlisis discriminante (expandido con la opcin Seleccionar).
| Trasladar la variable de seleccin (la variable que identifica a los casos de la muestra de
validacin y a los de la muestra de entrenamiento) y trasladarla al cuadro Variable de seleccin.
64
| Pulsar en el botn Valor... para acceder al subcuadro de dilogo Anlisis discriminante:

Establecer valor que se muestra en la figura 23.19.
Figura 23.19. Subcuadro de dilogo Establecer valor.
| Introducir en el cuadro Valor de la variable de seleccin el valor que identifica a los casos que sern incluidos en el anlisis. Pulsar el botn Continuar para volver al cuadro de dilogo principal. Si se desea repetir el proceso con otra muestra de entrenamiento, se deber especificar un nuevo valor para la variable de seleccin. (Tambin es posible repetir el anlisis utilizando la muestra de entrenamiento como muestra de validacin y la muestra de validacin como muestra de entrenamiento mediante el proceso Ejecutar casos no seleccionados que se encuentra en la carpeta de procesos del programa).
65
Ejemplo (Anlisis discriminante > Seleccionar)

Este ejemplo ilustra el proceso de validacin cruzada, es decir, explica cmo seleccionar una muestra de entrenamiento y cmo clasificar los casos de la muestra de validacin. Comenzaremos creando una variable de seleccin (la variable que distingue entre la muestra de validacin y la de entrenamiento); continuaremos estimando la funcin discriminante a partir de la muestra de entrenamiento; y terminaremos utilizando la funcin discriminante obtenida para clasificar los casos de la muestra de validacin.Para crear la variable de seleccin podemos utilizar la opcin Seleccionar casos del men Datos:
| En la ventana del Editor de datos, seleccionar la opcin Seleccionar casos del men
Datos para acceder al cuadro de dilogo Seleccionar casos.
| Marcar la opcin Muestra aleatoria de casos y pulsar en el botn Muestra... para

acceder al subcuadro de dilogo Seleccionar casos: Muestra aleatoria.
| Seleccionar la opcin Aproximadamente k % de todos los casos e introducir el valor

50 en el correspondiente cuadro de texto (para seleccionar una muestra aleatoria de aproximadamente el 50 % de los casos).
| Pulsar en el botn Continuar para volver al cuadro de dilogo principal.

Aceptando estas selecciones, El Editor de datos genera una variable llamada filter_$ que contiene el valor uno para los casos seleccionados (aproximadamente el 50% de los casos del archivo) y el valor cero para los no seleccionados. El archivo de datos queda filtrado con los casos seleccionados. Para desactivar el filtro:
| En la ventana del Editor de datos, seleccionar la opcin Seleccionar casos del men
Datos para acceder al cuadro de dilogo Seleccionar casos.
| Marcar la opcin Todos los casos y pulsar el botn Aceptar para desactivar cualquier
filtro que se encuentre activo.
66
Puesto que la variable filter_$ permanece en el archivo de datos aunque desactivemos el filtrado de casos, ya disponemos de la variable de seleccin (es decir, de una variable en la que la mitad de los casos de la muestra tiene el valor cero y la otra mitad el valor uno). Para comenzar el proceso de validacin cruzada:
consumo, motor (cilindrada), cv (potencia), peso y ao a la lista Independientes.
| Trasladar la variable origen al cuadro Variable de agrupacin. | Pulsar en Definir rango... para acceder al subcuadro de dilogo Anlisis discriminante: Definir rango (ver figura 23.4).
| Introducir el valor 1 (cdigo de EE.UU. en la variable origen) en el cuadro de texto

Mnimo y el valor 2 (cdigo de Europa en la variable origen) en el cuadro de texto Mximo. Pulsar el botn Continuar para volver al cuadro de dilogo principal.

discriminante: Clasificacin (ver figura 23.11).
| Seleccionar la opcin Calcular segn tamaos de grupos del apartado Probabilidades previas, y la opcin Tabla resumen del apartado Mostrar. Pulsar el botn Continuar para volver al cuadro de dilogo principal.
| Pulsar el botn Seleccionar>> para expandir el cuadro de dilogo Anlisis discriminante (ver figura 23.18).
| Trasladar la variable filter_$ recin creada al cuadro Variable de seleccin. | Pulsar en el botn Valor... para acceder al subcuadro de dilogo Anlisis discriminante: Establecer valor (ver figura 23.19).
| Introducir el valor 1 en el cuadro de texto Valor de la variable de seleccin. Pulsar

en el botn Continuar para volver al cuadro de dilogo principal. Aceptando estas selecciones, el Visor ofrece, entre otros, los resultados que muestra la tabla 23.33. Por supuesto, en la fase de estimacin del anlisis intervienen nicamente los casos con valor uno en la variable de seleccin (es decir, aproximadamente el 50 % de los casos de la muestra), mientras que la fase de clasificacin afecta tanto a los casos de la muestra de entrenamiento como a los de la muestra de validacin.
67
La tabla 23.33 contiene las matrices de confusin correspondientes a los casos seleccionados (la muestra de entrenamiento) y a los no seleccionados (la muestra de validacin). En la muestra de entrenamiento se obtiene una tasa de acierto del 89,5 % y, en la de validacin, del 87,4 %. Podemos esperar, por tanto, que la funcin discriminante obtenida clasifique correctamente al 87,4 % de los futuros casos nuevos que se intenten clasificar.
Tabla 23.33. Tabla de clasificacin (funcin obtenida con la muestra de entrenamiento).
Grupo de pertenencia a,b pronosticado EE.UU. Europa 113 7 9 24 32 21 94.2 5.8 27.3 72.7 60.4 39.6 119 5 15 20 11 16 96.0 4.0 42.9 57.1 40.7 59.3
Casos seleccionados
Original
Recuento
Casos no seleccionados
Original
Recuento
Pas de origen EE.UU. Europa Casos desagrupados EE.UU. Europa Casos desagrupados EE.UU. Europa Casos desagrupados EE.UU. Europa Casos desagrupados
Total 120 33 53 100.0 100.0 100.0 124 35 27 100.0 100.0 100.0
a. Clasificados correctamente el 89.5% de los casos agrupados originales seleccionados. b. Clasificados correctamente el 87.4% de casos agrupados originales no seleccionados.
68
Podemos repetir el proceso de validacin cruzada ejecutando de nuevo el anlisis sobre los casos con cdigo cero en la variable de seleccin. Para ello, basta con cambiar el valor de la variable de seleccin en el subcuadro de dilogo Anlisis discriminante: Establecer valor (ver figura 23.19). Sin embargo, esto puede hacerse tambin con el proceso Ejecutar casos no seleccionados. Para ejecutar este proceso:
| En el panel izquierdo (esquema) del Visor, pulsar sobre el icono de libro cerrado del
ttulo Notas. (Con ello queda seleccionada tabla de Notas, condicin necesaria para poder ejecutar el proceso Ejecutar casos no seleccionados con el procedimiento Anlisis discriminante).
| Seleccionar la opcin Ejecutar proceso... del men Utilidades para acceder al cuadro
de dilogo Ejecutar proceso.
| Seleccionar el proceso Ejecutar casos no seleccionados.sbs que se encuentra en la carpeta Scripts que cuelga de la carpeta en la que est instalado el SPSS.
| Pulsar en el botn Ejecutar para ejecutar el proceso y, con l, el nuevo anlisis.

Al ejecutar este proceso, el SPSS repite el anlisis previo conmutando la muestra de validacin por la muestra de entrenamiento. Y el Visor ofrece, entre otras cosas, el resultado de la clasificacin que muestra la tabla 23.34.
69
Por tanto, la tabla 23.34 contiene el resultado de clasificacin tras intercambiar las muestras de entrenamiento y validacin del primer anlisis. Podemos comprobar que el porcentaje de clasificacin correcta en la nueva muestra de entrenamiento es del 86,8 %, y del 87,6 % en la nueva muestra de validacin. Basndonos en estos resultados, podemos concluir que, si utilizamos cualquiera de las dos funciones obtenidas para clasificar nuevos casos, podemos esperar que el porcentaje de clasificacin correcta se encuentre en torno al 87,5 %.
Tabla 23.34. Tabla de clasificacin (funcin obtenida con la muestra de validacin).
Grupo de pertenencia a,b pronosticado EE.UU. Europa 117 7 14 21 13 14 94.4 5.6 40.0 60.0 48.1 51.9 111 9 10 23 34 19 92.5 7.5 30.3 69.7 64.2 35.8
Casos seleccionados
Original
Recuento
Casos no seleccionados
Original
Recuento
Pas de origen EE.UU. Europa Casos desagrupados EE.UU. Europa Casos desagrupados EE.UU. Europa Casos desagrupados EE.UU. Europa Casos desagrupados
Total 124 35 27 100.0 100.0 100.0 120 33 53 100.0 100.0 100.0
a. Clasificados correctamente el 86.8% de los casos agrupados originales seleccionados. b. Clasificados correctamente el 87.6% de casos agrupados originales no seleccionados.
70
El caso de ms de dos grupos

Aunque hasta ahora hemos basado toda nuestra exposicin del anlisis discriminante en la clasificacin de casos en dos grupos, lo cierto es que la tcnica puede utilizarse para efectuar clasificaciones en ms de dos grupos. No obstante, cuando se dispone de ms de dos grupos de clasificacin, la interpretacin de los resultados cambia ligeramente. Con ms de dos grupos es posible obtener ms de una funcin discriminante. En concreto, es posible obtener tantas como nmero de grupos menos uno (a no ser que el nmero de variables independientes sea menor que el nmero de grupos, en cuyo caso el nmero de posibles funciones discriminantes ser igual al nmero de variables menos uno). Las funciones discriminantes se extraen de manera jerrquica, de tal forma que la primera funcin explica el mximo posible de las diferencias entre los grupos, la segunda funcin explica el mximo de las diferencias todava no explicadas, y as sucesivamente hasta alcanzar el 100% de las diferencias existentes. Esto se consigue haciendo que la primera funcin obtenga el mayor cociente entre las sumas de cuadrados inter-grupos e intra-grupos. La segunda, el siguiente mayor cociente entre ambas sumas de cuadrados. Etc. Adems, las funciones resultantes son ortogonales o independientes entre s. En el caso de tres grupos, por ejemplo, el efecto final de esta independencia es que la primera funcin intenta discriminar lo mejor posible entre dos de los grupos y, la segunda, entre los dos grupos que an se encuentren ms prximos.
71
Ejemplo (Anlisis discriminante con tres grupos)

Este ejemplo muestra cmo llevar a cabo un anlisis discriminate con tres grupos utilizando un mtodo de estimacin por pasos. Seguimos utilizando las variables del archivo Coches.sav (pero hemos filtrado el caso 35 para facilitar la lectura de los grficos):
consumo, motor (cilindrada), cv (potencia), peso, acel (aceleracin), ao y cilindr (nmero de cilindros) a la lista Independientes. Trasladar la variable origen al cuadro Variable de agrupacin.
| Pulsar en Definir rango... para acceder al subcuadro de dilogo Anlisis discriminante: Definir rango (ver figura 23.4). Introducir el valor 1 (cdigo de EE.UU. en la variable origen) en el cuadro de texto Mnimo y el valor 3 (cdigo de Japn en la variable origen) en el cuadro de texto Mximo. Pulsar el botn Continuar para volver al cuadro de dilogo principal.
| Seleccionar la opcin Usar mtodo de inclusin por pasos y pulsar en el botn

Mtodo... para acceder al subcuadro de dilogo Anlisis discriminante: Mtodo de inclusin por pasos (ver figura 23.7). Seleccionar la opcin F para distancias por parejas del apartado Mostrar. Pulsar en el botn Continuar para volver al cuadro de dilogo principal.

discriminante: Clasificacin (ver figura 23.11). Seleccionar las opciones Resultados para cada caso y Tabla resumen del apartado Mostrar.
| Seleccionar las opciones Grupos combinados, Grupos separados y Mapa territorial del apartado Grficos.
| Seleccionar la opcin Reemplazar los valores perdidos con la media. Pulsar el

botn Continuar para volver al cuadro de dilogo principal. Aceptando estas elecciones, el Visor ofrece, entre otros, los resultados que se muestran a continuacin (algunas tablas han sido modificadas para economizar espacio).
72
La tabla 23.35 muestra el nmero de casos vlidos de cada grupo. Puede observarse que, ahora, el grupo de vehculos japoneses se incluye como un grupo ms.
Tabla 23.35. Tamaos muestrales de cada grupo.
N vlido (segn lista) No ponderados Consumo Cilindrada en cc Pas de origen (l/100Km) EE.UU. 244 244 Europa 68 68 Japn 79 79 Total 391 391 Potencia (CV) 244 68 79 391 Peso total Aceleracin (kg) 0 a 100 km/h 244 244 68 68 79 79 391 391 Ao del modelo 244 68 79 391 Nmero de cilindros 244 68 79 391
La tabla 20.36 contiene las variables independientes incluidas en el modelo en el ltimo paso. La tabla muestra que han quedado fuera del modelo las variables aceleracin y cilindr (nmero de cilindros).
Tabla 20.36. Variables incluidas en el modelo (ltimo paso).
Paso: 5 Tolerancia .131 .204 .521 .134 .169 F para eliminar 47.381 19.658 11.780 8.939 4.003 Lambda de Wilks .587 .519 .500 .493 .480
Cilindrada en cc Potencia (CV) Ao del modelo Peso total (kg) Consumo (l/100Km)
73
La tabla 23.37 muestra cmo, a medida que se van incorporando nuevas variables al modelo en cada paso, los valores de la lambda de Wilks global y del estadstico F asociado a ella van disminuyendo.
Tabla 23.37: Lambda de Wilks.
Nmero de variables 1 2 3 4 5 F exacta gl1 gl2 2 388.000 4 774.000 6 772.000 8 770.000 10 768.000
Paso 1 2 3 4 5
Lambda .570 .518 .500 .480 .471
gl1 1 2 3 4 5
gl2 2 2 2 2 2
gl3 388 388 388 388 388
Estadstico 146.218 75.407 53.292 42.610 35.149
Sig. .000 .000 .000 .000 .000
La tabla 23.38 ofrece las comparaciones entre pares de grupos. Los valores del estadstico F no coinciden con los del estadstico F asociado a la lambda de Wilks global. La tabla muestra todas las comparaciones posibles entre cada dos grupos y el estadstico F y su significacin para esa comparacin. Vemos que en el primer paso (al incluir la variable cilindrada en el modelo) se consigue distinguir significativamente a los vehculos estadounidenses de los europeos y los japoneses, pero no se consigue discriminar a los japoneses de los europeos. Hasta el paso 3 (momento en el que se incorpora al modelo la variable ao del modelo), no se consigue diferenciar a estos dos grupos.
Tabla 23.38. Comparaciones entre grupos por pares.
Pas de origen EE.UU. Europa Japn Europa Japn 1 2 160.560 97.082 .000 .000 198.782 124.100 .000 .000 .280 .381 .597 .684 Paso 3 69.993 .000 82.545 .000 3.517 .015 4 54.299 .000 62.926 .000 6.646 .000 5 45.756 .000 51.265 .000 5.541 .000
F Sig. F Sig. F Sig.
74
Los autovalores (tabla 23.39) de las dos funciones que componen el modelo son muy desiguales. La primera funcin explica el 93,2 % de la variabilidad disponible en los datos, mientras que la segunda funcin slo explica el 6,8%. De manera similar, la correlacin cannica de la primera funcin es alta (0,704), mientras que la de la segunda funcin es ms bien baja (0,259).
Funcin 1 2 Autovalor .982 a .072 a % de varianza 93.2 6.8 % Correlacin acumulado cannica 93.2 .704 100.0 .259
a. Se han empleado las 2 primeras funciones discriminantes cannicas en el anlisis.
La lambda de Wilks de la tabla 23.40 contrasta de manera jerrquica la significacin de las dos funciones obtenidas. En la primera lnea (1 a la 2) se contrasta la hiptesis nula de que el modelo completo (ambas funciones discriminantes tomadas juntas) no permite distinguir las medias de los grupos. Puesto que el valor de la lambda de Wilks (que coincide con el valor de la lambda del ltimo paso de construccin del modelo; ver tabla 23.37) tiene asociado un nivel crtico (Sig. = 0,000) menor que 0,05, podemos concluir que el modelo permite distinguir significativamente entre los grupos. En la segunda lnea (2) se contrasta si las medias de los grupos son iguales en la segunda funcin discriminante. La lambda de Wilks toma un valor muy prximo a 1, pero el nivel crtico (Sig. = 0,000) es menor que 0,05, por lo que podemos concluir que la segunda funcin permite discriminar entre, al menos, dos de los grupos. Para saber entre qu grupos permite distinguir cada funcin, debemos basarnos en las comparaciones por pares que ofrece la tabla 23.38. Podra ocurrir que la segunda funcin no resultase significativa, en cuyo caso habra que valorar la contribucin de esa funcin al modelo (en trminos de proporcin de varianza explicada) y considerar la posibilidad de utilizar nicamente la primera funcin.
Tabla 23.40. Lambda de Wilks. Contraste de las funciones del modelo.
Contraste de las funciones 1 a la 2 2 Lambda de Wilks .471 .933 Chi-cuadrado 290.917 26.886 gl 10 4 Sig. .000 .000
75
La tabla 23.41 muestra la ubicacin de los centroides en cada una de las funciones discriminantes. La primera funcin distingue fundamentalmente a los vehculos estadounidenses (cuyo centroide est ubicado en la parte positiva) de los vehculos europeos y japoneses (cuyos centroides se encuentran en la parte negativa). En la segunda funcin, el centroide de los vehculos japoneses se sita en la parte positiva, mientras que el de los vehculos europeos se sita en la parte negativa; el de los vehculos estadounidenses queda en la parte central. Dado que la primera funcin ha conseguido explicar el mximo de las diferencias existentes entre los vehculos estadounidenses y el resto, es lgico que la segunda funcin discrimine precisamente entre los dos grupos que han quedado ms prximos en la primera.
Tabla 23.41. Valor de los centroides en las funciones discriminantes.
Pas de origen EE.UU. Europa Japn Funcin 1 2 .766 .001 -1.265 -.472 -1.278 .403
76
La matriz de coeficientes estandarizados (tabla 23.42) contiene ahora dos columnas, una para cada funcin discriminante. Las funciones se encuentran siempre ordenadas en correspondencia con los autovalores de la tabla 23.39, siendo la primera funcin la de mayor capacidad discriminativa. Los coeficientes estandarizados de la primera funcin no difieren sustancialmente de los obtenidos en la funcin estimada en el caso de dos grupos (ver tabla 23.25). Esta primera funcin discrimina, fundamentalmente, entre vehculos de gran cilindrada y vehculos ms optimizados en potencia. Puesto que el nico centroide positivo en esta primera funcin (ver tabla 23.41) es el de los coches estadounidenses, podemos interpretar que los vehculos de gran cilindrada y poca potencia tienden a ser clasificados como estadounidenses. Y lo mismo vale decir de los vehculos que consumen ms y que tienen menor peso y antigedad. La segunda funcin atribuye la mayor ponderacin al peso del vehculo. Puesto que ahora el centroide de los vehculos europeos es negativo y el de los japoneses positivo, podemos interpretar que los coches con mayor peso tendern a ser clasificados como europeos. Mientras que los vehculos con mayor cilindrada, los menos antiguos (ao del modelo ms alto), los ms potentes y los que ms consumen tendern a ser clasificados como vehculos japoneses.
Funcin 1 2 .456 .511 1.697 1.134 -.925 .670 -.296 -2.070 .305 .983
Consumo (l/100Km) Cilindrada en cc Potencia (CV) Peso total (kg) Ao del modelo
77
La matriz de estructura (tabla 23.43) ofrece los coeficientes de correlacin entre las variables independientes y las puntuaciones discriminantes de cada funcin. El coeficiente ms alto de cada variable aparece marcado con un asterisco que indica cul es la funcin con la que ms correlaciona esa variable (lo que no significa que sea sa la funcin en la que ms discrimina la variable). Si existe alta colinealidad (alta relacin entre las variables independientes), los coeficientes de esta tabla puede ser muy distintos de los coeficientes estandarizados, como de hecho sucede. En nuestro ejemplo, la primera funcin correlaciona con la cilindrada, el peso, el consumo y la potencia; la segunda funcin correlaciona con el ao del modelo.
Funcin 1 .876* .834* .762* .669* .565* -.251* -.138 2 -.087 -.104 -.348 -.308 -.016 -.242 .557*
Cilindrada en cc Nmero de cilindrosa Peso total (kg) Consumo (l/100Km) Potencia (CV) Aceleracin 0 a 100 km/ha Ao del modelo
*. Mayor correlacin absoluta entre cada variable y cualquier funcin discriminante. a. Esta variable no se emplea en el anlisis.
78
Hasta aqu hemos discutido el proceso de construccin o estimacin del modelo. Para valorar la capacidad predictiva del modelo estimado debemos prestar atencin a los resultados de la clasificacin. La tabla 23.44 ofrece las probabilidades previas o a priori. Estas probabilidades indican que se ha dado la misma importancia relativa a todos los grupos: 0,333 (a pesar de que los vehculos estadounidenses constituyen ms del 60% de la muestra). Enseguida veremos qu ocurre si utilizamos probabilidades previas basadas en los tamaos de los grupos.
Tabla 23.44. Probabilidades previas (probabilidades a priori utilizadas en la clasificacin).
Casos utilizados en el anlisis No ponderados Ponderados 244 244.000 68 68.000 79 79.000 391 391.000
Pas de origen Previas EE.UU. .333 Europa .333 Japn .333 Total 1.000
79
La figura 23.20 muestra el mapa territorial. Un mapa territorial representa el territorio (espacio) que corresponde a cada uno de los grupos en el plano definido por las dos funciones discriminantes: la primera funcin en el eje de abscisas y la segunda funcin en el eje de ordenadas. Los centroides de cada grupo estn representados por asteriscos. Para representar los centroides se utilizan las coordenadas de la tabla de centroides (ver tabla 23.41). Observando la ubicacin de los centroides en la figura 23.20 se aprecia claramente que la primera funcin posee mayor capacidad discriminativa que la segunda, pues los centroides se dispersan o alejan ms en la direccin horizontal que en la vertical. Las secuencias de nmeros que aparecen dividiendo el plano en territorios son los lmites o fronteras impuestos por la regla de clasificacin. Los nmeros (1, 2, ...) identifican el grupo al que corresponde cada territorio. Conviene tener en cuenta que, puesto que la regla de clasificacin cambia al cambiar las probabilidades previas, si se cambian esas probabilidades tambin cambiarn las fronteras de los territorios (el efecto concreto es que las fronteras se alejan del centroide del grupo al que se le asigna mayor probabilidad). Para conocer el grupo pronosticado de un caso cualquiera (es decir, el grupo en el que ser clasificado), basta con representar en el mapa territorial el punto definido por sus puntuaciones discriminantes en ambas funciones. El grupo pronosticado es aquel al que corresponde el territorio en el que queda ubicado el punto. Prestando atencin a la disposicin de los tres territorios sobre el mapa, resulta fcil anticipar que los vehculos con puntuaciones altas en la primera funcin discriminante sern clasificados en el grupo estadounidense (grupo 1), mientras que los vehculos con puntuaciones prximas a cero o negativas en esa funcin sern clasificados en el grupo europeo (grupo 2) o japons (grupo 3). En este segundo caso, si la puntuacin del vehculo en la segunda funcin discriminante es positiva ser clasificado en el grupo japons, mientras que si la puntuacin en esa funcin es negativa ser clasificado en el grupo europeo.
80
Figura 23.20. Mapa territorial definido por las dos funciones discriminantes. Discriminante cannica Funcin 2 -6.0 -4.0 -2.0 .0 2.0 4.0 6.0 +--------+--------+--------+--------+--------+--------+ 6.0 + 31 + I 31 I I 31 I I 31 I I 31 I I 31 I 4.0 + + + + 31 + + + I 31 I I 31 I I 31 I I 31 I I 31 I 2.0 + + + +31 + + + I 31 I I 31 I I 31 I I 31 I I * 31 I .0 +3333333333333333333333333331 * + + + I222222222222222222222*222221 I I 21 I I 21 I I 21 I I 21 I -2.0 + + + +21 + + + I 21 I I 21 I I 21 I I 21 I I 21 I -4.0 + + + + 21 + + + I 21 I I 21 I I 21 I I 21 I I 21 I -6.0 + 21 + +--------+--------+--------+--------+--------+--------+ -6.0 -4.0 -2.0 .0 2.0 4.0 6.0 Funcin de discriminante cannica 1 Smbolos usados en el mapa territorial Smbolo ------1 2 3 * Grupo ----1 2 3 Etiqueta ---------------------------EE.UU. Europa Japn Indica un centroide de grupo
81
La tabla 23.45 ofrece los resultados de la clasificacin para el caso 54. Su grupo real o nominal es el estadounidense (grupo 1), pero ha sido clasificado en el grupo europeo (grupo 2). Su puntuacin discriminante en la primera funcin (0,474) hace que sea clasificado como vehculo no perteneciente al grupo 1, es decir como vehculo europeo o japons (ver centroides en la tabla 23.41); y su puntuacin discriminante en la segunda funcin (1,078) hace que sea clasificado como vehculo europeo (recordemos que la primera funcin permite discriminar entre vehculos estadounidenses y vehculos europeos-japones; y la segunda entre vehculos europeos y japoneses). La probabilidad condicional, P(D>d | G=g), del caso 54 vale 0,609, lo que permite afirmar que se trata de un vehculo bastante centrado en el grupo en el que ha sido clasificado (grupo 2). Echando un vistazo a sus caractersticas podemos comprobar que se trata, bsicamente, de un vehculo cuya cilindrada, peso, potencia y ao estn claramente por debajo de la media (ver, ms arriba, el comentario de la tabla 23.42).
Tabla 23.45. Resultado de la clasificacin (caso nmero 54).
Nmero de caso: 54 Grupo real Grupo mayor Original 1 2** .609 2 .549 .993 1 .234 2.702 -.474 -1.078
p gl
P(G=g | D=d) Distancia de Mahalanobis al cuadrado hasta el centroide Segundo grupo mayor Grupo P(G=g | D=d) Distancia de Mahalanobis al cuadrado hasta el centroide Funcin 1 Funcin 2
**. Caso mal clasificado
82
La figura 23.21 muestra el diagrama de dispersin de todos los casos utilizados en el anlisis sobre el plano definido por las dos funciones discriminantes. Los casos estn identificados por el pas de origen de los vehculos. La mayor utilidad de este grfico radica en la posibilidad de identificar casos atpicos difciles de clasificar.
Figura 23.21. Diagrama de dispersin de los tres grupos en las dos funciones discriminantes.
6
Funcin discriminante 2
Pas de origen
Centroides de grupo
-2
Japn Europa
-4 -3
EE.UU.
-2
-1
Funcin discriminante 1
En este ejemplo, el diagrama de dispersin tambin nos ofrece pistas sobre la conveniencia de aumentar la probabilidad a priori del grupo estadounidense para mejorar la clasificacin, pues la primera funcin discriminante (el eje horizontal) parece distinguir fcilmente a los vehculos japoneses y europeos de los estadounidenses.
83
Por ltimo, la matriz de confusin de la tabla 23.46 ofrece los resultados de la clasificacin. La tabla indica que se ha clasificado correctamente el 67,4 % de los vehculos, lo cual, comparado con el 33% esperable en una clasificacin completamente al azar, puede interpretarse como una mejora considerable. Los errores de clasificacin no se distribuyen de manera simtrica. En el grupo de vehculos estadounidenses se consigue el porcentaje ms alto de clasificacin correcta, 68,8 %, frente a un porcentaje del 61,6% en el grupo europeo y del 68,4 % en el grupo japons. (Esta circunstancia resulta especialmente llamativa pues, a pesar de que la regla de clasificacin se basa en probabilidades a priori iguales para todos los grupos, el porcentaje de clasificacin correcta ms alto se da precisamente en el grupo de mayor tamao). Basndonos en los porcentajes de clasificacin correcta de cada grupo podemos afirmar que los vehculos estadounidenses se confunden, mayoritariamente, con los vehculos japoneses; y que los vehculos europeos y japoneses no se confunden con los estadounidenses, sino entre s.
Tabla 23.46. Resultados de la clasificacin (probabilidades previas iguales).
Grupo de pertenencia pronosticado a EE.UU. Europa Japn 174 29 50 1 45 27 0 25 54 68.8 11.5 19.8 1.4 61.6 37.0 .0 31.6 68.4
Original
Recuento
Pas de origen EE.UU. Europa Japn EE.UU. Europa Japn
Total 253 73 79 100.0 100.0 100.0
a. Clasificados correctamente el 67.4% de los casos agrupados originales.
84
Vamos a repetir el anlisis con las probabilidades a priori calculadas a partir del tamao de los grupos. Para ello,
| Repetir el anlisis marcando la opcin Calcular segn tamaos de grupos del apartado Probabilidades previas en el cuadro de dilogo Anlisis discriminante: Clasificacin (ver figura 23. 11). Procediendo de esta manera, la matriz de confusin ofrece los resultados que muestra la tabla 23.47. El porcentaje de clasificacin correcta ha subido del 67,4 % al 73,8 %. Al variar los territorios con la nueva regla de clasificacin, ha aumentado el porcentaje de clasificacin correcta de los vehculos ms numerosos (los estadounidenses), pero algunos de los vehculos europeos y japoneses se confunden con los vehculos estadounidenses y la tasa de clasificacin correcta del grupo europeo se ha reducido considerablemente. Probablemente las probabilidades previas podran ser mejor calibradas y ello nos permitira obtener mejores resultados en la clasificacin.
Tabla 23.47. Resultados de clasificacin (probabilidades previas basadas en los tamaos de los grupos).
Grupo de pertenencia a pronosticado EE.UU. Europa Japn 211 12 30 9 36 28 4 23 52 83.4 4.7 11.9 12.3 49.3 38.4 5.1 29.1 65.8
Original
Recuento
Pas de origen EE.UU. Europa Japn EE.UU. Europa Japn
Total 253 73 79 100.0 100.0 100.0
a. Clasificados correctamente el 73.8% de los casos agrupados originales.
< Fin del captulo 23 >

23análisis Discrinante (Discr)

Enviado por

Dados do documento

Título original

Direitos autorais

Formatos disponíveis

Compartilhar este documento

Compartilhar ou incorporar documento

Opções de compartilhamento

Você considera este documento útil?

Este conteúdo é inapropriado?

Direitos autorais:

Formatos disponíveis

23análisis Discrinante (Discr)

Enviado por

Direitos autorais:

Formatos disponíveis

Captulo 23

Anlisis discriminante: El procedimiento Discriminante

Captulo 23. Anlisis discriminante

Captulo 23. Anlisis discriminante

El caso de dos grupos

Captulo 23. Anlisis discriminante

Captulo 23. Anlisis discriminante

Captulo 23. Anlisis discriminante

Para llevar a cabo un Anlisis discriminante:

| Seleccionar al menos una variable cuantitativa (de intervalo o razn) y trasladarla a

Captulo 23. Anlisis discriminante

Figura 23.4. Subcuadro de dilogo Anlisis discriminante: Definir rango.

| Introducir el nmero correspondiente al lmite inferior del rango en el cuadro de

Captulo 23. Anlisis discriminante

Ejemplo (Anlisis discriminante)

| Marcar la opcin Si se satisface la condicin y pulsar el botn Si... para acceder al

Captulo 23. Anlisis discriminante

Aceleracin 0 a 100 km/h (segundos)

Peso total (kg)

Captulo 23. Anlisis discriminante

| En el cuadro de dilogo Anlisis discriminante (ver figura 23.3), trasladar la variable

Captulo 23. Anlisis discriminante

Captulo 23. Anlisis discriminante

a. Se han empleado las 1 primeras funciones discriminantes cannicas en el anlisis.

Captulo 23. Anlisis discriminante

Captulo 23. Anlisis discriminante

Captulo 23. Anlisis discriminante

Peso total (kg) Aceleracin 0 a 100 km/h

Captulo 23. Anlisis discriminante

Peso total (kg) Aceleracin 0 a 100 km/h

Captulo 23. Anlisis discriminante

Captulo 23. Anlisis discriminante

Captulo 23. Anlisis discriminante

G ANOVAs univariados. Tabla de ANOVA con estadsticos F que permiten contrastar

Peso total (kg) Aceleracin 0 a 100 km/h

Captulo 23. Anlisis discriminante

G M de Box. Prueba M de Box para el contraste de la hiptesis nula de igualdad de las

Captulo 23. Anlisis discriminante

G Covarianza intra-grupos. Matriz de varianzas-covarianzas intra-grupo combinada

G Covarianza de grupos separados. Matrices de varianzas-covarianzas de cada grupo

Captulo 23. Anlisis discriminante

Captulo 23. Anlisis discriminante

G Coeficientes no tipificados. Coeficientes brutos de la funcin cannica discriminante.

Peso total (kg) Aceleracin 0 a 100 km/h (Constante) Coeficientes no tipificados

Captulo 23. Anlisis discriminante

Peso total (kg) Aceleracin 0 a 100 km/h (Constante)

Funciones discriminantes lineales de Fisher

Captulo 23. Anlisis discriminante

| En el cuadro de dilogo Anlisis discriminante (ver figura 23.3), seleccionar la opcin

Captulo 23. Anlisis discriminante

F Lambda de Wilks. Cada variable independiente candidata a ser incluida en el modelo

F Varianza no explicada. Utiliza como criterio de inclusin la suma de la variacin

Para calcular la cantidad de varianza no explicada se utiliza el estadstico R (Dixon, 1973):

donde g es el nmero de grupos, y a y b son dos grupos cualesquiera.

Captulo 23. Anlisis discriminante

F Distancia de Mahalanobis. Se incorpora en cada paso la variable que maximiza la

Captulo 23. Anlisis discriminante

F Usar valor de F. Una variable pasa a formar parte de la funcin discriminante si el

Captulo 23. Anlisis discriminante

Captulo 23. Anlisis discriminante

Ejemplo (Anlisis discriminante > Mtodo)

Captulo 23. Anlisis discriminante

Captulo 23. Anlisis discriminante