TEMA 2. ANALISI BIVARIABLE (2016)

Apunte Catalán
Universidad Universidad Autónoma de Barcelona (UAB)
Grado Criminología - 2º curso
Asignatura Mètodes quantitatius
Año del apunte 2016
Páginas 4
Fecha de subida 01/10/2017
Descargas 0
Subido por

Vista previa del texto

María Aperador Montoya M. Quantitativos TEMA 2. ANALISI BIVARIABLE Taules de contingència 1. Intro & presentació 2. Característiques 3. Nivells d’associació a. Global b. Local Queremos ver la relación entre pertenecer a una clase social y la tenencia de un coche Variable independiente  categoria socioeconomica Variable dependiente  coche CATEGORIA SOCIOECONOMICA TINENÇA COCHE Alta Si Mitjana 650 valors 1234 Baixa TOTAL 14301 3314 observats No 333 1036 1433 1433 Total 714 1567 2466 4747 El que volem saber es si es produeix aquesta relació entre XY, la variable independiente influye sobre la variable dependiente. Valriable independent es columnes, variables dependent files.
Al resultat de la mostra, tenim que han dit que si 3314 i els que no tenen coche son 1433. La segona pregunta qe es a quina categoria socioeconomica pertanyen, tenim la alta (714), mitjana (1567), baixa (2466).
Pertanyer a clase baixa o no te relació amb tenir coche o no? No, el que hauriem de fer es calcular les distribcions a partir de la associació, el que hem de fer es calcular primer la distribucio, que es fa a partir de la proporció que la proporció és la part sobre el tot en percentatges, el calcul de contingencies.
Taula 1: distribució de tinença de coches per la distribució de categoria socioeconomica.
Formalment els tituls s’anuncíen d’aquesta forma. Distribució de variable dependent per variable independent.
María Aperador Montoya M. Quantitativos CATEGORIA SOCIOECONOMICA TINENÇA COCHE Si No Total Alta Mitjana Baixa TOTAL 19,6 37,2 43,2 69,8 91,0 78,7 58,0 13,7 26,0 301 4,5 23,2 72,3 9,0 21,3 42,0 1,3 7,0 21,8 15,0 33,0 51,9 30,2 100,0 tenim les distribucions per fila, per columna i en general. 650/3314 *100, el segundo numero es el nombre 650 partido por el total 714, i el tercer numero es el 650 partido por el total del total4747. El TOTAL es el numero 3314 dividido entre 4747.
La pregunta es, pertanyer a una categoria social o una altra te relació amb la tinença de coche? Veiem les cateogires en funció de la tinença de coche. Veiem la diferent distribució de les categories per categories CATEGORIA SOCIOECONOMICA TINENÇA COCHE Si Alta Mitjana Baixa TOTAL 91,0 78,7 sobre 58,0 infra 69,8 sobre No 9,0 infra 21,3 infra 42,0 sobre 30,2 Total 714 1567 2466 4747 S’han de deixar els valors absoluts en el total. Llavors, d’aquesta manera podem veure realment si té que veure una variable amb l’altra. Ara el que ens interessa es veure la relació o associació s’ha de fer d’aquesta manera.
Hi ha associació entre les dues variables? Per veure això ens hem de fixar quin es el comportament general, quina es la distribució de la població en general que tenen coche o no. Tenim que en general el 69,8 tenen coche i el 30,2 no tenen coche. Si tenir coche o no no depén de la categoria economica, la distribució de tenir coche o no sera la mateixa que la del conjunt de la població. (en la enquesta de la provicncia de barcelona tenim que en total el 69,8 % tenen coche i el 30,2% no enté, si la variable socioeconomica no influis sobre la tinença de cotxe el valor esperat seria …?, en una distribució el valor esperat es la mitjana, en les distribucions mitjanes te a veure amb els valors esperats.) el valor esperat de la distribució de cotxes es el que surt en el TOTAL. El valor esperat en una distribució es María Aperador Montoya M. Quantitativos que el 69,8 tingui cotxe i l’altre no. Llavors que succeeix?, veient els valors particulars, veiem que els que no tenen cotxe que son el 30,2% de la comunitat de Barcelona. Pero si volem mirar-ho de forma més particular veiem que els que tenen més cotxes son els de la classe alta.
La sobre/infra representacion significa qe el valor observado es superior o inferior al valor esperado.
Aquests calculs son sensibles al nombre total de la mostra.
Variables quanitatives - Dispersió - Correlació - Repressió Dispersió Ejemplo; supongamos que se mide la altura de 17 niños de 11 años de edad y se registra el eso. En la tabla de la derecha se presentan los datos.  grafic. Podriem verue com en un grafic de dispersió, a un determinat pes li correspon una determinada altura. La barra del pes depén de la alçada. En el grafico los puntos (x;y) estan dispersos en el plano de definido por las dos variables: altura y peso.
Tenemos que ver como esta la relacion positiva que se ve identificada por la dispersión de los puntos.
Cuando estan mas agrupados entre si, hay una mayor relación que cuando estn.
 Correlación positiva perfecta. A mesura que incrementa x ho fa Y. linea recta cap amun  Correlació negativa perfecta. a mesura que X es mes gran la Y es petita. Cuanto mas gastes en el black fridey menos dienro tendras  Ausencia de correlación. Hi ha una absenscia quan surt tot dispersat  Correlación fuerte y positiva. Hi ha un munt de punts que formen una recta cap amunt A partir de l’analisi de dispersió podem veure la relació que hi aha entre dues variables.
Correlació Lo que mide la correlación es cuanto varia una variable cuando lo hace la otra. Matriz reflejo. La variacion de una variable sobre tora. Los valors que estan en un lado, son ls mismos que estan en el otro lado.
Estos valores tienen que estar entre el 0 y +-1. Entre 0 es que on hay relación entre las dos variables, como por ejemplo dos variables independientes entre si, tendrian un valor 0. Por ejemplo no hay María Aperador Montoya M. Quantitativos relacion entre la edad y el peso en la muesta que hay porque no es un valor cerca de 0. El valor 1 es una relacion directa lineal, cuando dos fenomenos se relacionan de forma directa lineal. Esta relacion, como es una matriz inversa, lo que mide es la fuerza pero no la direccion, lo unico que mide es que cuando uno varia, lo hace la otra, no mira si uno incide sobre otra.
Regresion Recta de regresion. Y=BX+A  formula para calcular las cosas.
Líneas posibles de regresión en la regresión lineal simple.
- Sección A. relación lineal positiva. La liena de regresion tiene la pendiente positiva - Sección B. Relación lineal negativa. La pendiente es negativa.
- Secció C. no hay relación. La pendiente es 0 ...

Tags:
Comprar Previsualizar