Mi área de especialización es la investigación del consumidor. Tengo siete variables explicativas y una variable de respuesta. Todas son categóricas.
Mi objetivo es reemplazar la variable de respuesta con una o una combinación de las variables explicativas.
Mi enfoque:
- Realizar análisis de contingencia de cada una de las variables explicativas con la respuesta.
- Del análisis de contingencia, seleccione la variable explicativa con el R-cuadrado (U) más alto. Dado que el número de niveles es diferente, no creo que los valores de la razón de verosimilitud ni de la chi-cuadrado de Pearson sean útiles para la selección del modelo.
- De la tabla de Medidas de Asociación, utilice los valores de Lambda e Incertidumbre. Seleccione la variable explicativa con los valores más altos.
A continuación se muestra un resumen que describe las variables y resultados del análisis de contingencia.
Variable # |
# niveles |
Rsq(U) |
LR-chi cuadrado |
Chi cuadrado de Pearson |
Lambda Asym (C|R, R|C) |
Síntoma Lambda |
Coeficiente de incertidumbre (C|R, R|C) |
Coeficiente de incertidumbre (Sym) |
A |
4 |
.08 |
248 |
268 |
.08, .13 |
.1 |
.08, .08 |
.08 |
B |
3 |
.02 |
76 |
75 |
.06, .02 |
.04 |
.02, .03 |
.03 |
C |
10 |
.04 |
136 |
153 |
.05, .04 |
.045 |
.04, .03 |
.034 |
D |
10 |
.31 |
961 |
1207 |
.33, .13 |
.22 |
.3, .2 |
.245 |
E |
18 |
.34 |
1056 |
1498 |
.34, .1 |
.21 |
.34, .19 |
.24 |
F |
40 |
.345 |
1084 |
1590 |
.34, .05 |
.17 |
.35, .15 |
.21 |
G |
6 |
.32 |
1000 |
1286 |
.35, .28 |
.31 |
.32, .26 |
.29 |
La variable respuesta tiene 6 niveles.
Los niveles de las variables D, E, F y G se ordenan por intensidad ascendente. Se asume que los límites inferior y superior son similares.
Preguntas:
- ¿Es válido el enfoque descrito?
- ¿Puedo combinar una de las variables D, E, F, G (me inclino por seleccionar G) con una o más de A, B, C para obtener un mejor modelo (es decir, un mejor sustituto de la respuesta)? De ser así, ¿cómo se podría hacer esto y qué métricas se podrían utilizar para seleccionar el mejor modelo?
