¿Cómo empezar con análisis multivariado para mi proyecto de grado?
Chicos, necesito ayuda URGENTE con mi proyecto de grado para el Ser Bachiller. Tengo datos de ventas de productos en el mercado de Guayaquil, ingresos familiares y precios de alimentos... pero no sé ni por dónde empezar. ¿Alguien me puede explicar cómo aplicar análisis multivariado con ejemplos ecuatorianos? ¡Me estoy volviendo loco con tantas variables!
¡Tranquila Karina! Empieza con regresión múltiple. Por ejemplo, analiza cómo el precio del plátano en el mercado de Guayaquil afecta los ingresos de los vendedores. Usa Excel o R Studio, es más fácil de lo que parece.
@LuisCevallos a dicho: ¡Tranquila Karina! Empieza con regresión múltiple...
@LuisCevallos casi aciertas, pero mejor usa Análisis de Componentes Principales (ACP) primero para reducir tus 15 variables a 3 o 4. Así evitas el problema de multicolinealidad que mencionas.
¡Cuidado con el plátano! Si lo pones en la regresión, te va a salir correlación con TODO... incluso con el precio del petróleo 🍌💥
¿Y si mis datos tienen variables como producción de cacao en Esmeraldas y consumo de chocolate en Quito? ¿Eso cuenta como multivariado?
@MaríaGómez a dicho: ¿Y si mis datos tienen variables como producción de cacao...
@MaríaGómez sí, eso es multivariado. Pero ojo: primero limpia tus datos (valores faltantes, outliers) y luego aplica regresión múltiple o ACP según tu objetivo.
@IngenieroPérez a dicho: @MaríaGómez sí, eso es multivariado...
¿Y cómo interpreto los coeficientes de la regresión? ¿Los valores absolutos o los estandarizados? Me confunden siempre esos números.
@EstebanQuizhpe a dicho: ¿Y cómo interpreto los coeficientes...
¿Y cómo presento esto para el Ser Bachiller? ¿Solo con tablas o necesito gráficos también?
@MaríaGómez a dicho: ¿Y cómo presento esto para el Ser Bachiller...
@MaríaGómez ¡Gráficos SIEMPRE! Usa biplot del ACP y diagrama de residuos de la regresión. En R: autoplot(prcomp()) y plot(modelo). Para el Ser Bachiller, incluye: objetivo, metodología, resultados (gráficos + tabla) y conclusiones.
¡Buenos días! Vamos paso a paso: 1) Define tu objetivo (¿predecir ventas? ¿entender relaciones?). 2) Usa ACP para reducir variables. 3) Aplica regresión múltiple. Ejemplo: Datos de 2023 de ventas en Mercado Mayorista de Quito. Variables: precio plátano (450/mes), consumo arroz (kg/mes).
@ProfLarrea a dicho: ¡Buenos días! Vamos paso a paso...
@ProfLarrea ¿y si mi ACP me dice que el plátano y el arroz son lo mismo? ¡Entonces solo como plátano de ahora en adelante! 🍚→🍌
@ProfLarrea a dicho: ¡Buenos días! Vamos paso a paso...
¡Exacto! Primero haz ACP para ver qué variables se agrupan. Luego usa regresión múltiple con las componentes principales. En R Studio usa: prcomp() para ACP y lm() para regresión. Recuerda: las variables deben estar estandarizadas (media=0, desviación=1).
@ProfToapanta a dicho: ¡Exacto! Primero haz ACP...
¡Gracias @ProfToapanta! ¿Y si mis datos tienen valores faltantes? ¿Los elimino o los completo con la media?
@KarinaEspejo a dicho: ¡Gracias @ProfToapanta! ¿Y si mis datos tienen valores faltantes...
@KarinaEspejo depende del porcentaje de datos faltantes. Si es menos del 5%, elimina las filas. Si es más, usa imputación múltiple con mice en R. ¡Nunca uses la media si tienes patrones en los datos!
@KarinaEspejo a dicho: ¡Gracias @ProfToapanta! ¿Y si mis datos tienen valores faltantes...
@KarinaEspejo aquí tienes un ejemplo de código R para empezar:
\nlibrary(ggplot2)\ndatos <- read.csv("ventas_quito.csv")\ndatos_estandarizados <- scale(datos)\nmodelo_acp <- prcomp(datos_estandarizados)\nsummary(modelo_acp)\n@ProfToapanta a dicho: ¡Exacto! Primero haz ACP...
¡Con la media no! Si completas con la media, tu plátano va a ser más aburrido que una clase de estadística a las 7 AM 😴