PDF de programación - IBM SPSS Categories 21

i

IBM SPSS Categories 21

Jacqueline J. Meulman
Willem J. Heiser

Nota: Antes de utilizar esta información y el producto que admite, lea la información general
en Avisos el p. 307.

Esta edición se aplica a IBM® SPSS® Statistics 21 y a todas las versiones y modificaciones
posteriores hasta que se indique lo contrario en nuevas ediciones.
Capturas de pantalla de productos de Adobe reimpresas con permiso de Adobe Systems
Incorporated.
Capturas de pantalla de productos de Microsoft reimpresas con permiso de Microsoft Corporation.

Materiales bajo licencia: Propiedad de IBM

© Copyright IBM Corporation 1989, 2012.

Derechos restringidos para los usuarios del gobierno de Estados Unidos: Uso, duplicación o
revelación restringidos por GSA ADP Schedule Contract con IBM Corp.

Prefacio

IBM® SPSS® Statistics es un sistema global para el análisis de datos. El módulo adicional
opcional Categorías proporciona las técnicas de análisis adicionales que se describen en este
manual. El módulo adicional Categorías se debe utilizar con el sistema básico de SPSS Statistics y
está completamente integrado en dicho sistema.

Acerca de IBM Business Analytics

IBM Business Analytics proporciona información completa, coherente y precisa en la que
confían para mejorar el rendimiento de su negocio quienes toman las decisiones. Un conjunto
de documentos que incluye inteligencia comercial, análisis predictivo, rendimiento financiero
y gestión de estrategias y aplicaciones analíticas proporciona ideas claras e inmediatas del
rendimiento actual y la habilidad para predecir resultados futuros. Combinado con numerosas
soluciones para empresas, prácticas de eficacia demostrada y servicios profesionales, las
organizaciones de cualquier tamaño pueden conseguir la más alta productividad, automatizar
decisiones con seguridad y obtener mejores resultados.

Como parte de estos documentos, IBM SPSS Predictive Analytics ayuda a las organizaciones a
predecir situaciones futuras y a actuar de forma proactiva con esa información para mejorar sus
resultados. Clientes comerciales, gubernamentales y académicos de todo el mundo confían en la
tecnología IBM SPSS como mejora competitiva para atraer, conservar y aumentar la clientela
reduciendo el fraude y los riesgos. Al incorporar IBM SPSS a sus operaciones diarias, las
organizaciones se convierten en empresas predictivas – capaces de dirigir y automatizar decisiones
para conseguir los objetivos de la empresa y lograr una mejora competitiva y ostensible. Para
obtener más información o contactar con un representante, visite http://www.ibm.com/spss.

Asistencia técnica

El servicio de asistencia técnica está a disposición de todos los clientes de mantenimiento. Los
clientes podrán ponerse en contacto con este servicio de asistencia técnica si desean recibir ayuda
sobre la utilización de los productos de IBM Corp. o sobre la instalación en alguno de los entornos
de hardware admitidos. Para contactar con el servicio de asistencia técnica, visite el sitio Web de
IBM Corp. en http://www.ibm.com/support. Tenga a mano su identificación, la de su organización
y su contrato de asistencia cuando solicite ayuda.

Asistencia técnica para estudiantes:

Si usted es un estudiante que utiliza una versión académica o para estudiantes de cualquier
producto de software IBM SPSS, consulte nuestras páginas especiales en línea de Soluciones
educativas (http://www.ibm.com/spss/rd/students/) para estudiantes. Si usted es estudiante y utiliza
una copia proporcionada por la universidad del software IBM SPSS, póngase en contacto con el
coordinador del producto IBM SPSS en su universidad.

© Copyright IBM Corporation 1989, 2012.

iii

Servicio de atención al cliente

Si tiene preguntas referentes a su envío o cuenta, póngase en contacto con su oficina local.
Recuerde tener preparado su número de serie para identificarse.

Cursos de preparación

IBM Corp. ofrece cursos de preparación, tanto públicos como in situ. Todos los
cursos incluyen talleres prácticos. Los cursos tendrán lugar periódicamente en
las principales ciudades. Si desea más información sobre estos seminarios, visite
http://www.ibm.com/software/analytics/spss/training.

Agradecimientos

Los procedimientos de escalamiento óptimo y su implementación en IBM® SPSS® Statistics
han sido desarrollados por el grupo Data Theory Scaling System Group (DTSS), formado por
miembros de los departamentos de educación y psicología de la facultad de ciencias sociales y del
comportamiento de la Universidad de Leiden.

Willem Heiser, Jacqueline Meulman, Gerda van den Berg y Patrick Groenen colaboraron en los

procedimientos originales de 1990. Jacqueline Meulman y Peter Neufeglise participaron en el
desarrollo de procedimientos de regresión categórica, análisis de correspondencias, análisis de
componentes principales categórico y escalamiento multidimensional. Además, Anita van der
Kooij contribuyó especialmente a CATREG, CORRESPONDENCE y CATPCA. Willem Heiser,
Jacques Commandeur, Frank Busing, Gerda van den Berg y Patrick Groenen participaron en el
desarrollo del procedimiento PROXSCAL. Frank Busing, Willem Heiser, Patrick Groenen y Peter
Neufeglise participaron en el desarrollo del procedimiento PREFSCAL.

iv

Contenido

Parte I: Manual del usuario

1

Introducción a los procedimientos de escalamiento óptimo de
datos categóricos
1

¿Qué es el escalamiento óptimo? . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1
¿Por qué utilizar el escalamiento óptimo? . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1
Nivel de escalamiento óptimo y nivel de medida . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2
Selección del nivel de escalamiento óptimo. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3
Gráficos de transformación . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3
Códigos de la categoría . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4
¿Qué procedimiento es el mejor para la aplicación? . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6
Regresión categórica . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
Análisis de componentes principales categórico . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8
Análisis de correlación canónica no lineal
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9
Análisis de correspondencias . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10
Análisis de correspondencias múltiple . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11
Multidimensional Scaling. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12
Desplegamiento multidimensional . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13
Relación de aspecto en gráficos de escalamiento óptimo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13
Lecturas recomendadas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13

2 Regresión categórica (CATREG)

15

Para definir la escala en regresión categórica . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 16
Discretización de regresión categórica. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 18
Valores perdidos de regresión categórica. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19
Opciones de regresión categórica . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 20
Regularización de regresión categórica . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 21
Resultados de la regresión categórica . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 22
Regresión categórica: Guardar. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 24
Gráficos de transformación en regresión categórica . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 25
Funciones adicionales del comando CATREG . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 26

v

3 Análisis de componentes principales categórico (CATPCA) 27

Definir escala y ponderación en CATPCA . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 29
Análisis de componentes principales categórico: Discretización . . . . . . . . . . . . . . . . . . . . . . . . . 31
Análisis de componentes principales categórico: Valores perdidos . . . . . . . . . . . . . . . . . . . . . . . 32
Análisis de componentes principales categórico: Opciones . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 33
Análisis de componentes principales categórico: Resultados . . . . . . . . . . . . . . . . . . . . . . . . . . . . 35
Análisis de componentes principales categórico: Guardar . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 37
Análisis de componentes principales categórico: Gráficos de objetos . . . . . . . . . . . . . . . . . . . . . 38
Análisis de componentes principales categórico: Gráficos de categorías . . . . . . . . . . . . . . . . . . . 39
Análisis de componentes principales categórico: gráfico de saturaciones . . . . . . . . . . . . . . . . . . 40
Funciones adicionales del comando CATPCA . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 41

4 Análisis de correlación canónica no lineal (OVERALS)

42

Definir rango y escala. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .