Monografías
Publicar | Monografías por Categorías | Directorio de Sitios | Software Educativo | Juegos Educativos | Cursos On-Line Gratis

 

Correlación canónica - Monografía



 
DESCARGA ESTA MONOGRAFÍA EN TU PC
Esta monografía en formato html para que puedas guardarla en tu pc e imprimirla.



Vínculo Patrocinado




Aquí te dejamos la descarga gratuita
Nota: para poder abrir archivos html solo necesitas tener instalado internet explorer u otro navegador web.




¿ Que es la Correlación Canónica?



El análisis de correlación Canónica es un modelo estadístico multivariante que facilita el estudio de las interrelaciones entre múltiples variables dependientes y múltiples variables independientes.

Análisis de Regresión Múltiple.



El análisis de regresión múltiple es una técnica estadística que puede utilizarse para analizar la relación entre UNA UNICA VARIABLE DEPENDIENTE Y VARIAS VARIABLES INDEPENDIENTES.

Regresión Múltiple predice una única variable dependiente a partir de un conjunto de múltiples variables independientes
Correlación Canónica predice simultáneamente múltiples variables dependientes a partir de múltiples variables independientes.
El Objetivo de la Correlación Canónica es cuantificar la validez de la relación, en este caso entre los dos conjuntos de variables: dependientes e Independientes.

La correlación Canónica establece el menor numero de restricciones sobre los tipos de datos con los que trabaja. Es por esto que la calidad de la información obtenida es mas baja que la obtenida con otras técnicas.
Los resultados obtenidos a partir de un análisis canónico deben dar respuestas a cuestiones relacionadas con el numero de maneras en las que se relacionan dos conjuntos de múltiples variables y la validez de sus relaciones

Primer paso



Problema de Investigación



Seleccionar objetivos:



Determinar la relaciones entre los conjuntos de variables.
Alcanzar la correlación mixta.
Explicar la naturaleza de las relaciones entre las variables.

Suponemos que a cada conjunto se le puede dar un significado teórico, al menos hasta el punto en que un conjunto pueda ser definido como las variables independientes y el otro como las variables dependientes.

Segundo Paso



Cuestiones de diseño de investigación.


Numero de observaciones por variable.
Tamaño muestral global.

Los tamaños muestrales que son muy pequeños no representan las correlaciones adecuadamente y esconderán cualquier relación significativa. Los que son muy grandes tendrán una tendencia a indicar una significación estadística en todas las instancias.
También se alienta al investigador a mantener por lo menos 10 observaciones por variable para evitar el sobreajuste de los datos.

Tercer Paso



Supuestos.



Linealidad de correlaciones.
Linealidad de relación.
Normalidad multivariante.

El supuesto de linealidad afecta a dos aspectos de los resultados de la correlación canónica:
1. El coeficiente de correlación entre cualesquiera dos variables, esta basado en una relación lineal.
2. La correlación canónica es la relación lineal entre dos valores teóricos. Si los valores teóricos se relacionan de una manera no lineal, la relación no será reflejada por la correlación canónica.

De esta manera, aunque el análisis de correlación canónica es el mas extendido, esta restringido a la identificación de relaciones lineales.

La multicolinealidad entre algún conjunto de variables distorsionara la capacidad de la técnica para aislar el impacto de cualquier variable única, haciendo que la interpretación sea menos fiable.

Cuarto paso



Estimación y selección de la función canónica.



Derivar las funciones canónicas.
Seleccionar las funciones para interpretación
Significación estadística.
Magnitud de relaciones.
Medida de redundancia de la varianza compartida.

La obtención de sucesivos valores teóricos canónicos es similar al procedimiento empleado en el análisis factorial sin rotación. El primer factor extraído explica la máxima cantidad de varianza en el conjunto de variables. Después se calcula el segundo factor para que explique lo mas posible la varianza no explicada por el primer factor y así sucesivamente hasta que todos los factores han sido considerados. Por tanto, los posteriores factores se calculan a partir de los residuos o de la varianza restante de los primeros factores.

Al igual que cualquier investigación que utiliza otras técnicas estadísticas, la practica mas común es analizar las funciones cuyos coeficientes de correlación canónica son estadísticamente significativos para un nivel, normalmente 0.05 o mayor.Si se consideran no significativas otras funciones independientes, estas relaciones entre las variables no se interpretan.

El nivel de significación de una correlación canónica, que generalmente se considera como el mínimo aceptable para la interpretación, es el nivel 0.05 que se ha llegado a convertir en el nivel mas habitualmente aceptado para considerar que un coeficiente de correlación es estadísticamente significativo.

No se han establecido una líneas básicas que consideren cuales son los tamaños aceptables para las correlaciones canónicas. La decisión se basa habitualmente en la contribución de los resultados para una mejor comprensión del problema de investigación que se esta estudiando.

El índice de redundancia es el equivalente de calcular el coeficiente de correlación múltiple al cuadrado entre el conjunto predictor total y cada una de las variables en el conjunto criterio, y después promediar estos coeficiente al cuadrado para obtener un R a cuadrado medio. Proporciona una medida resumen de la capacidad del conjunto de la variables predictoras para explicar la variacion de las variables criterio.

Quinto paso



Interpretación de las funciones canónicas y las variables.



Ponderaciones canónicas.
Cargas canónicas.
Cargas canónicas cruzadas.

La realización de las interpretaciones comprende el examen de las funciones can0onicas para determinar la importancia relativa de cada una de las variables originales en las relaciones canónicas. Se han propuesto tres métodos:
1. Las variables con ponderaciones relativamente mayores contribuyen mas al valor teórico y viceversa. Igualmente, las variables cuyas ponderaciones tienen signos contrarios presentan una relación inversa unas de otras y las variables con ponderaciones del mismo signo presentan una relación directa.

El empleo de las cargas canónicas ha sustituido al uso de ponderaciones canónicas como base de interpretación, debido a las deficiencias inherentes a estas ultimas. Las cargas canónicas reflejan la varianza que la variable observada comparte con el valor teórico canónico y puede ser interpretada como una carga factorial para valorar la contribución relativa de cada variable a cada función canónica.
Se considera cada función canónica independiente de forma separada y se calcula la correlación dentro del conjunto entre variable y valor teórico. Cuanto mayor sea el coeficiente, mayor es la importancia que tiene para calcular el valor teórico canónico.

Se ha sugerido el calculo de las cargas cruzadas canónicas como una alternativa a las cargas convencionales. Este procedimiento consiste en correlacionar cada una de las variables dependientes originales observadas directamente con el valor teórico canónico independiente , y viceversa. Estas proporcionan una medida mas directa de las relaciones entre las variables dependientes e independientes eliminando un paso intermedio incluido en las cargas convencionales.

Sexto Paso



Validación de los resultados.



Muestras divididas / múltiples.
Análisis de sensibilidad de la composición del valor teórico.

Autor:

Marcelo





Creative Commons License
Estos contenidos son Copyleft bajo una Licencia de Creative Commons.
Pueden ser distribuidos o reproducidos, mencionando su autor.
Siempre que no sea para un uso económico o comercial.
No se pueden alterar o transformar, para generar unos nuevos.

 
TodoMonografías.com © 2006 - Términos y Condiciones - Esta obra está bajo una licencia de Creative Commons. Creative Commons License