TALLER SPSS FINAL
“TALLER SPSS FINAL”Regresión SPSS / Junio 2014
UNIVERSIDAD GALILEOFACULTAD DE CIENCIA, TECNOLOGÍA E INDUSTRIA
DOCTORADO EN ADMINISTRACIÓN CON ESPECIALIDAD EN FINANZAS
ARQ. ALVARO COUTIÑO GCarnet 1300-4393
TALLER SPSS FINAL
Contenido
INTRODUCCIÓN.............................................................................................................2
1. EJERCICIO 1: ANÁLISIS DE REGRESIÓN..........................................................2
2. EJERCICIO 2: ANÁLISIS EXPLORATORIO........................................................8
3. EJERCICIO 3: ANÁLISIS DE CONGLOMERADOS..........................................32
3.1. ANÁLISIS............................................................................................................32
3.1.1. DECRIPTIVOS................................................................................................32
3.1.1.1. Estadísticos descriptivos...............................................................................32
3.2. Estadísticos descriptivos.......................................................................................33
3.3. Gráfico de dispersión............................................................................................33
3.4. Correlaciones:.......................................................................................................34
3.5. ANÁLISIS JERARQUICO DE CONGLOMERADOS......................................35
3.6. Conglomerado......................................................................................................35
3.6.1. Resumen del procesamiento de los casos.........................................................35
3.7. Vinculación promedio (inter-grupos)...................................................................36
3.7.1. Historial de conglomeración.............................................................................36
3.8. Conglomerado de pertenencia..............................................................................37
3.9. Dendograma:........................................................................................................38
3.10. ANÁLISIS NO JERÁRQUICO DE CONGLOMERADOS:...........................39
3.11. Análisis de conglomerados y K-medias............................................................39
3.11.1. Centros iniciales de los conglomerados........................................................39
3.11.2. Historial de iteraciones..................................................................................39
3.11.3. Pertenencia a los conglomerados..................................................................40
3.11.4. Pertenencia conglomerados ordenados por grupo (Realizado en Excel)......40
3.11.5. Centros de los conglomerados finales...........................................................41
3.11.6. Distancias entre los centros de los conglomerados finales...........................41
3.11.7. ANOVA........................................................................................................41
3.11.8. Número de casos en cada conglomerado......................................................41
4. CONCLUSIONES:..................................................................................................42
5. BIBLIOGRAFÍA.....................................................................................................43
1
TALLER SPSS FINAL
INTRODUCCIÓN
El siguiente análisis de casos, está basado en las técnicas de análisis multivariante de
datos (SPSS), el cual está dividido en 3 ejercicios, acompañadas de los análisis
respectivos, referencias conceptuales y conclusiones de cada caso.
1. EJERCICIO 1: ANÁLISIS DE REGRESIÓN Ventas años 2006-2014
Ventas años 2006 2014
2006 2007 2008 2009 2010 2011 2012 2013 2014 2015
3064496.07 3404995.63 3783328.48 4203698.31 4670775.9 5189751 5766390 6407100 7119000 8500,000
a. Que puede concluir usted al respecto?
b. Si la venta promedio de aumentará en el año 2015 a US$ 8, 500,000.00 al
año, ¿Cuál sería la utilidad bruta que se esperaría que generara el
portafolio o (la empresa) en el año 2015?
Lo primero es saber si las variables tienen correlación, para esto vamos a analizar si
las variables tienen una relación gráfica:
Relación Gráfica:
Para éste análisis realizamos los siguientes pasos:
1. Insertar información en Vista de datos y vista de variables
2. Gráficos
3. Cuadro de diálogos antiguos
4. Diagrama dispersión simple
5. Eje Y: Variable dependiente: Utilidad neta (Miles)
6. Eje X: Variable independiente: Ventas anuales (Miles)
El siguiente paso es agregar el diagrama de dispersión:
Por lo tanto, el diagrama representa el plano cartesiano y la nube de puntos
representa el flujo de vehículos y los galones vendidos
2
TALLER SPSS FINAL
Gráfico: Diagrama de dispersión: Relación Ventas anuales y Utilidad neta
Ilustración 1 Diagrama de dispersión: Ventas anuales y Utilidades netas
El siguiente paso es agregar la recta:
Gráfico: Línea de ajuste
Interpretaciones:
El diagrama representa el plano cartesiano y la nube de puntos representa las
empresas de estudio.
Por lo tanto, representa la relación gráfica entre Ventas anuales y Utilidad neta
3
R2 Lineal = 0.997
TALLER SPSS FINAL
En consecuencia, la recta es ascendente, lo que nos indica una correlación
positiva.
R2 = Lineal = 0.997
El siguiente paso, es la relación numérica.
Relación numérica:
Para este análisis realizaremos los siguientes pasos:
1. Analizar
2. Correlación
3. Bivariadas
4. Variables
a. Dependiente Y: Utilidad neta operación
b. Independiente X: Ventas totales
5. Opciones:
a. Estadísticos:
i. Medias y desviaciones típicas
ii. Productos cruzados diferenciales y covarianzas
b. Valores perdidos
i. Excluir casos según pareja
6. Coeficiente de correlación:
a. Pearson
7. Prueba de significación:
a. Bilateral
8. Marcar las correlaciones significativas
Correlaciones
Estadísticos descriptivos
Estadísticos descriptivos
Media Desviación típica N
Cuáles son las ventas anuales? 6481766.1180 12030295.51298 10
Cuáles son las ventas al contado? 4731355.2190 8054708.60791 10
Cuáles son las cuentas por cobrar? 1750410.8990 4046345.76839 10
Interpretación:
4
TALLER SPSS FINAL
Correlaciones
CorrelacionesCuáles son las
ventas anuales?Cuáles son las
ventas al contado?
Cuáles son las cuentas por
cobrar?
Cuáles son las ventas anuales?
Correlación de Pearson 1 .997** .988**
Sig. (bilateral) .000 .000
N 10 10 10
Cuáles son las ventas al
contado?
Correlación de Pearson .997** 1 .974**
Sig. (bilateral) .000 .000
N 10 10 10
Cuáles son las cuentas por
cobrar?
Correlación de Pearson .988** .974** 1
Sig. (bilateral) .000 .000
N 10 10 10
**. La correlación es significativa al nivel 0,01 (bilateral).
Conclusiones:
La correlación entre vas anuales y utilidad neta es de (0.997**). Por lo tanto, nos
está indicando una relación positiva muy fuerte.
El siguiente paso, con el fin de conocer cuánto está influenciado las ventas anuales
en la utilidad neta, vamos a realizar el análisis de regresión.
Para este análisis realizaremos los siguientes pasos:
1. Analizar
2. Regresión
3. Lineales
4. Variables
a. Dependiente Y: Utilidad neta
b. Independiente X: Ventas totales anuales
5. Estadísticos
a. Coeficientes de regresión:
i. Estimaciones
ii. Ajuste del modelo
iii. Cambio en R cuadrado
iv. DescriptivasDónde:
Como resultado del análisis anterior, obtenemos los datos de la regresión para su
análisis
5
TALLER SPSS FINAL
Regresión
Estadísticos descriptivos
Estadísticos descriptivos
Media Desviación típica N
Cuál es la utilidad bruta? 2213140.7340 4126359.62741 10
Cuáles son las ventas anuales? 6481766.1180 12030295.51298 10
Correlaciones
CorrelacionesCuál es la utilidad
bruta?Cuáles son las ventas
anuales?
Correlación de PearsonCuál es la utilidad bruta? 1.000 .999
Cuáles son las ventas anuales? .999 1.000
Sig. (unilateral)Cuál es la utilidad bruta? . .000
Cuáles son las ventas anuales? .000 .
NCuál es la utilidad bruta? 10 10
Cuáles son las ventas anuales? 10 10
Variables introducidas / eliminadas
Variables introducidas/eliminadasa
Modelo Variables introducidas Variables eliminadas Método
1 Cuáles son las ventas anuales?b . Introducir
a. Variable dependiente: Cual es la utilidad bruta?
b. Todas las variables solicitadas introducidas.
Resumen del modelo
Resumen del modelo
Modelo R R cuadradoR cuadrado corregida
Error típ. de la estimación
Estadísticos de cambioCambio en R
cuadradoCambio en F gl1 gl2 Sig. Cambio
en F
1 .999a .997 .997 224173.28509 .997 3041.362 1 8 .000
a. Variables predictoras: (Constante), Cuales son las ventas anuales?
Por lo tanto, en el análisis podemos observar los mismos datos de la correlación de
Pearson.
Dónde:
Correlación de Pearson = 0.999** (Ver tabla).
Sin embargo, lo que interesa es el R2 = 0.997. (Ver gráfica 2). Que al multiplicarlo
por 100, nos indica un porcentaje del 99.7%.
6
TALLER SPSS FINAL
Conclusión:
Se puede afirmar que el las ventas anuales influencian en un 99.7% en la utilidad
neta generada.Anova
ANOVAa
Modelo Suma de cuadrados gl Media cuadrática F Sig.
1
Regresión 152839564678209.280 1 152839564678209.280 3041.362 .000b
Residual 402029293981.518 8 50253661747.690
Total 153241593972190.800 9
a. Variable dependiente: Cual es la utilidad bruta?
b. Variables predictoras: (Constante), Cuales son las ventas anuales?
El siguiente paso, es aplicar la fórmula de regresión en el análisis anterior.
Por lo tanto, se substituyen los valores en la fórmula de regresión obtenidos en el
análisis anterior.
Fórmula
Y = a+ bxAnálisis fórmula regresión
Coeficientesa
Modelo Coeficientes no estandarizados Coeficientes
tipificados
t Sig.
B Error típ. Beta
1(Constante) -7169.712 81524.706 -.088 .932
Cuáles son las ventas anuales? .343 .006 .999 55.149 .000
a. Variable dependiente: Cual es la utilidad bruta?
CoeficientesCoeficientesa
Modelo
Coeficientes no estandarizadosCoeficientes tipificados
t Sig.B Error típ. Beta1 (Constante) -7169.712 81524.706 -.088 .932
Cuáles son las ventas anuales?
.343 .006 .999 55.149 .000
a. Variable dependiente: Cual es la utilidad bruta?
a b X Y
-7169.712 0.343 8500000 Y = a + bX
Y = a + bXY = -7179.712 + (.343)(8500,000)
Y = 2,908,330.288
Interpretación:
7
TALLER SPSS FINAL
Al remplazar los valores en la fórmula de regresión tenemos que el valor de a = -
7169.712 y el valor de b = .343 y el valor de X = 8, 500,000.00 (miles).
Por lo tanto, el valor de Y = 2,908,330.288
Conclusión: La utilidad neta probable para ventas anuales de US$ 8,500,000.00 sería de =
US$ 2,908,330.288
2. EJERCICIO 2: ANÁLISIS EXPLORATORIO
Realizar un análisis exploratorio de datos del archivo 10 empresas que contiene los
estados de resultados y balance general y razones financieras de un portafolio
compuesto por 10 empresas.
Análisis exploratorio de datos:
Como primer paso,
Cargue en SPSS el archivo 10 empresas, (archivo → abrir → datos) este
contiene los balances generales, estado de resultados y razones financieras de las
empresas que están en estudio.
Siguiente paso, Analizar → Estadísticos descriptivos → frecuencias y seleccione las
variables que queremos analizar:
Como primer punto analizaremos las siguientes variables y seguiremos hasta
finalizar con el estudio de todas las variables del estado de resultados, balance general y
razones financieras. En consecuencia, podremos al finalizar realizar el análisis de
brecha de la empresa, la competencia y el sector.
8
TALLER SPSS FINAL
INDICADORESEMPRESAS
servicios servicios servicios servicios ventas ventas ventas ventas servicios ventasCuentas 1 2 3 4 5 6 7 8 9 10ventas totales 645,000.00 470,768.60 953,293.70 192,176.12 1,546,872.01 392,975.75 7,119,000.00 8,202,375.00 5,695,200.00 39,600,000.00Ventas Contado 60-75 % 516,000.00 362,129.69 706,143.48 142,352.68 1,104,908.58 271,017.76 5,932,500.00 7,132,500.00 4,746,000.00 26,400,000.00Cuentas por cobrar 15-50 % 129,000.00 108,638.91 247,150.22 49,823.44 441,963.43 121,957.99 1,186,500.00 1,069,875.00 949,200.00 13,200,000.00rotación de cuentas por cobrar 5.00 4.33 3.86 3.86 3.50 3.22 6.00 7.67 6.00 3.00promedio ventas crédito día 358.33 301.77 686.53 138.40 1,227.68 338.77 3,295.83 2,971.88 2,636.67 36,666.67Costos 133,300.22 217,904.23 300,000.00 22,130.42 377,066.44 99,965.05 3,559,500.00 3,566,250.00 1,200,000.00 12,056,000.00Gastos 275,000.00 110,650.94 302,163.00 29,205.72 133,277.92 5,266.27 153,650.00 248,464.88 1,838,814.88 834,334.88intereses 5,000.00 7,500.00 24,762.00 9,733.91 12,171.15 2,667.00 35,000.00 45,000.00 1,582,000.00 210,320.00Utilidad Bruta 279,699.78 33,574.52 103,980.48 91,016.54 594,564.22 165,786.44 2,219,350.00 3,317,785.12 1,815,985.12 13,509,665.12Utilidad neta 270,000.00 21,487.69 71,746.53 58,250.59 380,521.10 157,497.12 1,997,415.00 2,986,006.61 1,634,386.61 12,158,698.61Activo 2,137,637.81 63,528.55 206,155.60 915,507.68 1,445,284.52 224,084.71 3,005,527.65 5,260,579.50 18,838,284.00 16,924,005.74No corriente 2,117,821.81 20,253.80 33,900.12 758,355.15 659,977.00 135,575.02 870,711.65 1,039,329.38 18,451,960.00 3,736,960.00Corriente 19,816.00 43,274.75 172,255.48 157,152.53 785,307.52 175,898.69 2,134,816.00 4,221,250.10 386,324.00 13,187,045.74inventario 7,000.00 17,350.00 50,000.00 60,390.12 360,000.00 56,419.88 2,000,000.00 3,000,000.00 100,000.00 4,625,000.00Pasivo 1,487,434.99 14,487.79 115,518.95 739,643.84 640,297.90 124,615.44 621,056.95 1,726,874.38 16,906,378.88 3,851,143.88No Corriente 1,330,450.00 2,981.12 3,250.00 613,514.46 54,490.22 28,937.12 424,700.00 1,185,025.12 16,363,595.62 2,186,835.62Corriente 156,984.99 11,506.67 112,268.95 126,129.38 585,807.68 95,678.32 196,356.95 1,726,874.38 542,783.26 1,664,308.26Cuentas Por pagar 75,000.00 10,408.10 43,075.00 60,952.54 75,891.77 59,427.75 75,000.00 375,960.00 426,585.00 426,585.00plazo promedio de cuentas por pagar 2.10 10.47 2.17 2.65 1.23 3.13 8.22 2.44 17.80 1.76Compras Al Crédito 68,000.00 1,098.57 36,960.00 36,961.71 325,601.00 27,961.25 10,389.45 260,325.12 25,399.00 560,000.00Promedio compras al crédito (360) 397.22 31.96 222.32 271.98 1,115.26 242.75 237.19 1,767.46 1,255.51 2,740.51capital (Patrimonio) 650,202.82 49,040.76 90,636.65 175,863.84 804,986.62 186,858.27 2,384,470.70 3,533,705.12 1,931,905.12 13,117,661.86
RAZONES INDICES DE LIQUIDEZ Razón Corriente 2.00 u 0.13 3.76 1.53 1.25 1.34 1.84 10.87 2.44 0.71 7.92Prueba acida 1.00 u 0.08 2.25 1.09 0.77 0.73 1.25 0.69 0.71 0.53 5.14Capital Neto de Trabajo -137,168.99 31,768.08 59,986.53 31,023.15 199,499.84 80,220.37 1,938,459.05 2,494,375.72 -156,459.26 11,522,737.48RAZONES DE ENDEUDAMIENTO Razones de endeudamiento 50.00 % 47.00 0.23 0.56 0.81 0.44 0.56 0.21 0.33 0.90 0.23Cobertura de Intereses 5.00 veces 55.94 4.48 4.20 9.35 48.85 62.16 63.41 73.73 1.15 64.23INDICES DE EFICIENCIA Rotacion de Cuentas por cobrar 30-60 días 72.00 83.08 93.33 93.33 102.86 111.72 60.00 46.96 60.00 120.00Rotacion de Cuentas por pagar 45-90 días 171.19 34.37 166.25 135.90 291.95 115.19 43.80 147.29 20.23 204.34Rotacion de inventario 12-24 veces 19.04 12.56 6.00 0.37 1.05 1.77 1.78 1.19 12.00 2.61Rotacion de Activos Fijos 6-12 veces 0.24 17.88 20.83 0.19 1.67 2.00 6.81 6.86 0.26 7.06Rotacion de Activos Totales 6-12 veces 0.24 5.70 3.43 0.16 0.76 1.21 1.97 1.36 0.25 1.56INDICES DE RENTABILIDAD Rentabilidad Sobre Ventas 50.00 % 0.52 0.06 0.10 0.41 0.34 0.58 0.34 0.42 0.34 0.46Rentabilidad Sobre Activo Total 50.00 % 0.13 0.34 0.35 0.06 0.26 0.70 0.66 0.57 0.09 0.72Rentabilidad sobre patrimonio 50.00 % 0.42 0.44 0.79 0.33 0.47 0.84 0.84 0.85 0.85 0.93
TALLER SPSS FINAL
Análisis de los Estados de Resultados y Balance General del Portafolio de 10 empresas
EstadísticosCuáles son las ventas
anuales?Cuáles son las ventas al
contado?Cuáles son las cuentas por
cobrar?
NVálidos 10 10 10
Perdidos 0 0 0
Media 6481766.1180 4731355.2190 1750410.8990
Mediana 1250082.8550 905526.0300 344556.8250
Moda 192176.12a 142352.68a 49823.44a
Desv. típ. 12030295.51298 8054708.60791 4046345.76839
Varianza 144728010129534.500 64878330758337.430 16372914077356.977
Asimetría 2.804 2.587 3.095
Error típ. de asimetría .687 .687 .687
Curtosis 8.268 7.195 9.684
Error típ. de curtosis 1.334 1.334 1.334
Rango 39407823.88 26257647.32 13150176.56
Mínimo 192176.12 142352.68 49823.44
Máximo 39600000.00 26400000.00 13200000.00
Suma 64817661.18 47313552.19 17504108.99
Percentiles
25 451320.3875 339351.7075 118628.2200
50 1250082.8550 905526.0300 344556.8250
75 7389843.7500 6232500.0000 1099031.2500
a. Existen varias modas. Se mostrará el menor de los valores.
Estado de resultados y balance general
TALLER SPSS FINAL
12
TALLER SPSS FINAL
Resumen e interpretación de datos Descriptivos:
1. Media1:
Cuáles son las ventas anuales:
1.1. Ventas totales anuales Media: Q. 6,481,766.1180
1.2. Ventas al contado totales anuales Media: Q. 4,731,355.2190
1.3. Ventas por cobrar totales anuales Media : Q. 1,750,410.8990
Conclusiones:
La media nos indica que el promedio anual es de Q. 6,481,766.1180 ventas
anuales totales, de las cuales la media de las ventas totales al contado es de Q.
4,731,355.2190 y las ve t al crédito es de Q. 1,750,410.8990
La media o promedio se determina sumando todas las ventas dividido entre el
total de empresas.
2. La desviación estándar2: Muestra la dispersión de los datos con respecto a la media
una vez estandarizada.
2.1. La desviación estándar ventas anuales totales fue de: 12030295.51298 es una
mayor desviación que su media 6481766.1180
2.2. La desviación estándar ventas al contado anuales totales fue de: 8054708.60791
tiene una mayor desviación que su media de 4731355.2190
2.3. La desviación estándar ventas al crédito fue de: 4046345.76839 tiene una
mayor desviación que su media de 1750410.8990 Conclusiones:
Por lo tanto, la desviación estándar es mayor en las ventas totales anuales, ventas
al contado y ventas al crédito. Lo que nos representa una mayor incertidumbre
en los datos.
En consecuencia, las mediciones caen fuera del rango de valores en el cual sería
razonable esperar que ocurrieran si el modelo fuera correcto.
3. La varianza3: Es la desviación estándar elevada al cuadrado.
Ventas totales anuales: 144728010129534.500
1 Media estadística es el promedio de un conjunto de números.2 La desviación estándar o desviación típica: Es una medida de dispersión para variables de razón y de intervalo. Se define como la raíz cuadrada de la varianza de la variable. Por lo tanto, La desviación típica es una medida del grado de dispersión de los datos con respecto al valor promedio. Dicho de otra manera, la desviación estándar es simplemente el "promedio" o variación esperada con respecto a la media aritmética.3 Varianza: Es una medida de dispersión definida como la esperanza del cuadrado de la desviación de dicha variable respecto a su media.
13
TALLER SPSS FINAL
Ventas al contado anuales totales: 64878330758337.430
Ventas al crédito totales anuales: 16372914077356.977
4. Mínimo según tipo de ventas: Ventas anuales totales mínimo: Q. 192,176.12
Ventas al contado totales anuales mínimo: Q. 142,352.68
Ventas al contado totales anuales mínimo: Q 49,823.44
5. Máximo según tipo de ventas: Ventas totales anuales máximo: Q. 3,9600,000.00
Ventas al contado totales anuales máximo: Q. 2,640,0000.00
Ventas al crédito totales anuales máximos: Q. 13,200,000.00
6. Rango4: Nos dice la distancia entre los mínimos y los máximos Ventas totales anuales mínimos y máximos rango: Q. 39,407,823.88
Ventas al contado totales anuales mínimos y máximos: Q. 26,257,647.32
Ventas al crédito totales anuales mínimos y máximos: Q. 13,150,176.56
7. Asimetría5: Ventas anuales totales: 2,804 positiva, por lo tanto, los datos se inclinan a la
izquierda
Ventas al contado anuales totales: 2.587positiva, por lo tanto, los datos se
inclinan a la izquierda.
Ventas al crédito totales anuales: 3.095 positiva, por lo tanto, los datos se
inclinan a la izquierda.
4 Rango estadístico: (R) o recorrido estadístico al intervalo entre el valor máximo y el valor mínimo; por ello, comparte unidades con los datos. Permite obtener una idea de la dispersión de los datos, cuanto mayor es el rango, más dispersos están los datos de un conjunto.5 Las medidas de asimetría son indicadores que permiten establecer el grado de simetría (o asimetría) que presenta una distribución de probabilidad de una variable aleatoria sin tener que hacer su representación gráfica. Por lo tanto, como eje de simetría consideramos una recta paralela al eje de ordenadas que pasa por la media de la distribución. Si una distribución es simétrica, existe el mismo número de valores a la derecha que a la izquierda de la media, por tanto, el mismo número de desviaciones con signo positivo que con signo negativo. Decimos que hay asimetría positiva (o a la derecha) si la "cola" a la derecha de la media es más larga que la de la izquierda, es decir, si hay valores más separados de la media a la derecha. Diremos que hay asimetría negativa (o a la izquierda) si la "cola" a la izquierda de la media es más larga que la de la derecha, es decir, si hay valores más separados de la media a la izquierda.
14
TALLER SPSS FINAL
Ilustración 2 Asimetría positiva y asimetría negativa: Fuente: Wikipedia.
8. Curtosis6:
Ventas anuales totales: 8.268 Positiva, por lo tanto, quiere decir que hay algunos
valores que afectan la distribución y la hacen leptocúrtica7.
Ventas al contado: 7.195 positiva, por lo tanto, quiere decir que hay algunos
valores que afectan la distribución y la hacen leptocúrtica
Ventas al crédito: 9.684 Positiva, quiere decir que hay algunos valores que
afectan la distribución y la hacen leptocúrtica
Esquemas Curtosis
6 Curtosis: Es una medida de la forma. Así, las medidas de curtosis tratan de estudiar la proporción de la varianza que se explica por la combinación de datos extremos respecto a la media en contraposición con datos poco alejados de la misma. Una mayor curtosis implica una mayor concentración de datos muy cerca de la media de la distribución coexistiendo al mismo tiempo con una relativamente elevada frecuencia de datos muy alejados de la misma. Esto explica una forma de la distribución de frecuencias con colas muy elevadas y con un centro muy apuntado.7 Curtosis Leptocúrtica: Más apuntada y con colas más anchas que la normal. Por lo tanto, la curva leptocúrtica es la que está por encima de la normal, o sea que es más alta y fina. Hay una mayor centralización de las variables en torno a la media, con valores grandes para el coeficiente
15
TALLER SPSS FINAL
Indicadores de liquidez
Estadísticos¿Cuál es la razón de
razón corriente?¿Cuál es la razón de
liquidez prueba ácida?¿Cuál es la razón de
liquidez de capital neto de trabajo?
NVálidos 10 10 10
Perdidos 0 0 0
Media 3.1790 1.3240 1605444.1970
Mediana 1.6850 .7500 70103.4500
Moda .13a .08a -156459.26a
Desv. típ. 3.48839 1.45664 3606676.94164
Varianza 12.169 2.122 13008118561327.113
Asimetría 1.628 2.384 2.805
Error típ. de asimetría .687 .687 .687
Curtosis 1.798 6.137 8.198
Error típ. de curtosis 1.334 1.334 1.334
Rango 10.74 5.06 11679196.74
Mínimo .13 .08 -156459.26
Máximo 10.87 5.14 11522737.48
Suma 31.79 13.24 16054441.97
Percentiles
25 1.1150 .6500 -17966.1875
50 1.6850 .7500 70103.4500
75 4.8000 1.5000 2077438.2175
a. Existen varias modas. Se mostrará el menor de los valores.
16
TALLER SPSS FINAL
aquí
17
TALLER SPSS FINAL
Indicadores de endeudamiento
Estadísticos
Cuál es la razón de endeudamiento?
Cuál es la razón de cobertura de intereses?
NVálidos 10 10
Perdidos 0 0
Media .4970 38.7500
Mediana .5000 52.3950
Moda .23a 1.15a
Desv. típ. .25069 29.94947
Varianza .063 896.971
Asimetría .339 -.345
Error típ. de asimetría .687 .687
Curtosis -1.276 -2.105
Error típ. de curtosis 1.334 1.334
Rango .69 72.58
Mínimo .21 1.15
Máximo .90 73.73
Suma 4.97 387.50
Percentiles
25 .2300 4.4100
50 .5000 52.3950
75 .7275 63.6150
a. Existen varias modas. Se mostrará el menor de los valores.
18
TALLER SPSS FINAL
Indicadores de eficiencia
Estadísticos¿Cuál es la razón de eficiencia de
rotación de cuentas por
cobrar?
¿Cuál es la razón de eficiencia de
rotación de cuentas por
pagar?
¿Cuál es la razón de eficiencia de
rotación de inventario?
¿Cuál es la razón de eficiencia de
rotación de activos fijos?
¿Cuál es la razón de eficiencia de
rotación de activos totales?
NVálidos 10 10 10 10 10
Perdidos 0 0 0 0 0
Media 84.3280 133.0510 5.8380 6.3800 1.6540
Mediana 88.2050 141.5950 2.2000 4.4050 1.2350
Moda 60.00a 20.23a .37a .19a .16a
19
TALLER SPSS FINAL
Desv. típ. 24.17972 84.22847 6.45733 7.42944 1.73164
Varianza 584.659 7094.435 41.697 55.197 2.999
Asimetría -.089 .315 1.185 1.237 1.660
Error típ. de asimetría .687 .687 .687 .687 .687
Curtosis -1.155 -.059 .230 .406 2.737
Error típ. de curtosis 1.334 1.334 1.334 1.334 1.334
Rango 73.04 271.72 18.67 20.64 5.54
Mínimo 46.96 20.23 .37 .19 .16
Máximo 120.00 291.95 19.04 20.83 5.70
Suma 843.28 1330.51 58.38 63.80 16.54
Percentiles
25 60.0000 41.4425 1.1550 .2550 .2475
50 88.2050 141.5950 2.2000 4.4050 1.2350
75 105.0750 179.4775 12.1400 9.7650 2.3350
a. Existen varias modas. Se mostrará el menor de los valores.
20
TALLER SPSS FINAL
21
TALLER SPSS FINAL
Indicadores de rentabilidad
Estadísticos¿Cuál es el índice de
rentabilidad sobre ventas?
¿Cuál es el índice de rentabilidad sobre activo
total?
¿Cuál es el índice de rentabilidad sobre
patrimonio?
NVálidos 10 10 10
Perdidos 0 0 0
22
TALLER SPSS FINAL
Media .3570 .3880 .6760
Mediana .3750 .3450 .8150
Moda .34 .06a .84a
Desv. típ. .16627 .25772 .22979
Varianza .028 .066 .053
Asimetría -.794 .097 -.491
Error típ. de asimetría .687 .687 .687
Curtosis .075 -1.749 -1.902
Error típ. de curtosis 1.334 1.334 1.334
Rango .52 .66 .60
Mínimo .06 .06 .33
Máximo .58 .72 .93
Suma 3.57 3.88 6.76
Percentiles
25 .2800 .1200 .4350
50 .3750 .3450 .8150
75 .4750 .6700 .8500
a. Existen varias modas. Se mostrará el menor de los valores.
23
TALLER SPSS FINAL
Rotación de las cuentas por cobrar
Estadísticos¿Cuál es la rotación de cuentas
por cobrar?¿Cuál es el promedio de las ventas al crédito por día?
NVálidos 10 10
Perdidos 0 0
Media 4.6440 4862.2530
Mediana 4.0950 957.1050
Moda 3.86a 138.40a
Desv. típ. 1.50289 11239.85047
24
TALLER SPSS FINAL
Varianza 2.259 126334238.684
Asimetría .938 3.095
Error típ. de asimetría .687 .687
Curtosis .132 9.684
Error típ. de curtosis 1.334 1.334
Rango 4.67 36528.27
Mínimo 3.00 138.40
Máximo 7.67 36666.67
Suma 46.44 48622.53
Percentiles
25 3.4300 329.5200
50 4.0950 957.1050
75 6.0000 3052.8675
a. Existen varias modas. Se mostrará el menor de los valores.
25
TALLER SPSS FINAL
AQUÍ NOS QUEDAMOS
Cuentas por pagar
Estadísticos¿Cuál es el plazo promedio de las
cuentas por pagar?
¿Cuáles son las ventas al crédito totales?
¿Cuál es el promedio de las compras al
crédito?
NVálidos 10 10 10
Perdidos 0 0 0
Media 5.1970 135269.6100 728.2160
Mediana 2.5450 36960.8550 257.3650
Moda 1.23a 1098.57a 31.96a
Desv. típ. 5.37942 186577.00324 901.74558
Varianza 28.938 34810978138.281 813145.094
Asimetría 1.757 1.632 1.583
Error típ. de asimetría .687 .687 .687
Curtosis 2.637 1.992 1.685
Error típ. de curtosis 1.334 1.334 1.334
Rango 16.57 558901.43 2708.55
Mínimo 1.23 1098.57 31.96
26
TALLER SPSS FINAL
Máximo 17.80 560000.00 2740.51
Suma 51.97 1352696.10 7282.16
Percentiles
25 2.0150 21646.6125 195.5550
50 2.5450 36960.8550 257.3650
75 8.7825 276644.0900 1383.4975
a. Existen varias modas. Se mostrará el menor de los valores.
27
TALLER SPSS FINAL
Costos, Gastos e intereses bancarios
Estadísticos¿Cuáles son los costos de
la operación?¿Cuáles son los gastos de
la operación?¿Cuáles son los intereses
bancarios?
NVálidos 10 10 10
Perdidos 0 0 0
Media 2153211.6370 393082.8490 193415.4060
Mediana 338533.2200 201057.4400 18466.5750
Moda 22130.43a 5266.27a 2667.00a
Desv. típ. 3743439.07308 559302.29681 491828.52873
Varianza14013336093867.723 312819059215.524 241895301671.974
Asimetría 2.462 2.335 3.074
Error típ. de asimetría .687 .687 .687
Curtosis 6.460 5.612 9.558
Error típ. de curtosis 1.334 1.334 1.334
28
TALLER SPSS FINAL
Rango 12033869.57 1833548.61 1579333.00
Mínimo 22130.43 5266.27 2667.00
Máximo 12056000.00 1838814.88 1582000.00
Suma 21532116.37 3930828.49 1934154.06
Percentiles
25 124966.4275 90289.6350 6875.0000
50 338533.2200 201057.4400 18466.5750
75 3561187.5000 435205.9700 86330.0000
a. Existen varias modas. Se mostrará el menor de los valores.
29
TALLER SPSS FINAL
30
TALLER SPSS FINAL
Activo, Pasivo y Patrimonio
Estadísticos¿Cuál es el activo total? ¿Cuál es el pasivo total? ¿Cuál es el patrimonio?
NVálidos 10 10 10
Perdidos 0 0 0
Media 4902059.5760 2622746.3000 2292530.1760
Mediana 1791461.1650 689970.8700 727579.7200
Moda 63528.55a 14497.79a 49040.76a
Desv. típ. 7034053.46743 5147117.66610 3980065.87537
Varianza 49477908182708.340 26492820268695.477 15840924372279.664
Asimetría 1.593 2.895 2.692
Error típ. de asimetría .687 .687 .687
Curtosis 1.062 8.658 7.694
Error típ. de curtosis 1.334 1.334 1.334
Rango 18774755.45 16891881.09 13068621.10
Mínimo 63528.55 14497.79 49040.76
Máximo 18838284.00 16906378.88 13117661.86
Suma 49020595.76 26227463.00 22925301.76
Percentiles
25 219602.4325 122341.3175 154557.0425
50 1791461.1650 689970.8700 727579.7200
75 8176436.0600 2257941.7550 2671779.3050
a. Existen varias modas. Se mostrará el menor de los valores.
31
TALLER SPSS FINAL
32
TALLER SPSS FINAL
Inventario:
Estadísticos¿Cuál es el inventario total? ¿Cuál es la razón de eficiencia de
rotación de inventario?
NVálidos 10 10
Perdidos 0 0
Media 1027616.0000 5.8380
Mediana 80195.0600 2.2000
Moda 7000.00a .37a
Desv. típ. 1632311.20254 6.45733
Varianza 2664439861932.537 41.697
Asimetría 1.571 1.185
Error típ. de asimetría .687 .687
Curtosis 1.479 .230
Error típ. de curtosis 1.334 1.334
Rango 4618000.00 18.67
Mínimo 7000.00 .37
Máximo 4625000.00 19.04
Suma 10276160.00 58.38
Percentiles
25 41837.5000 1.1550
50 80195.0600 2.2000
75 2250000.0000 12.1400
a. Existen varias modas. Se mostrará el menor de los valores.
33
TALLER SPSS FINAL
EN RESUMEN:
El siguiente paso es realizar un análisis de brecha para comparar el sector, la empresa y
la competencia para así realizar un portafolio eficiente u óptimo.
34
TALLER SPSS FINAL
Análisis de brecha para comparar el sector – la empresa – y la competencia.Empresas y Sector
Id ventasventas contado
cuentas por cobrar
rotación cuentas por
ventas credito día
costos gastos intereses utilidad bruta utilidad neta activo totalactivo corriente
activo no corriente
inventario pasivo totalpasivo no corriente
pasivo corriente
cuentas por pagarplazo cuentas
compras crédito
promedio compras crédito
patrimonio
1 Sector 1 6481766 4731355.21 1750410.89 4.64 4862.25 2153211.64 393082.85 193415.41 2213140.73 1974600.88 4902059.58 2572683.81 2338114.66 1027616 2622746.3 2219377.92 521869 135269.61 5.2 135269.61 728.22 2292530.17
2 Empresa 2 7119000 5932500 1186500 6 3295.83 3559500 153650 35000 2219350 1997415 3005527.65 2134816 870711.65 2000000 621056.95 424700 196356.95 75000 8.22 10389.45 237.19 2384470.7
3 Competencia mixta 3 645000 516000 129000 5 358.33 133300.22 275000 5000 279699.78 279999 2137637.81 2117821.81 19816 7000 1487434.99 1330450 156984.99 75000 2.1 68000 397.22 650202.82
4 Competencia servicios 4 470769 362129.69 108638.91 4.33 301.77 217904.23 110650.94 7500 33574.52 21487.69 63528.55 43274.75 20253.8 17350 14497.79 2981.12 11506.67 10408.1 10.47 1098.57 31.96 49040.76
5 Competencia mixta 5 953294 706143.48 247150.22 3.86 686.53 300000 302163 24762 103980.48 71746.53 206155.6 172255.48 33900.12 50000 115518.95 3250 112268.95 43075 2.17 36960 222.32 90636.65
6 Competencia servicios 6 192176 142352.68 49823.44 3.86 138.4 22130.43 29205.72 9733.91 91016.54 58250.59 915507.68 157152.53 758355.15 60390.12 739643.84 613514.46 126129.38 60952.54 2.65 36961.71 271.98 175863.84
7 Competencia ventas 7 1546872 1104908.58 441963.43 3.5 1227.68 377066.44 133277.92 12171.15 594564.22 380521.1 1445284.52 785307.52 659977 360000 640297.9 54490.22 585807.68 75891.77 1.23 325601 115.26 804956.62
8 Competencia ventas 8 392976 271017.76 121957.99 3.22 338.77 99965.05 5266.27 2667 165786.44 157497.12 224084.71 175898.69 135575.02 56419.88 124615.44 28937.12 95678.32 59427.75 3.13 27961.25 242.75 186858.27
9 Competencia ventas 9 8202375 7132500 1069875 7.67 2971.88 3566250 248464.88 45000 3317785.12 2986006.61 5260579.5 4221250.1 1039329.38 3000000 1726874.38 1185025.12 1726874.38 375960 2.44 260325.12 1767.46 3533705.12
10 Competencia ventas 10 5695200 4746000 949200 6 2636.67 1200000 1838814.88 1582000 1815985.12 1634386.61 18838284 386324 18451960 100000 16906378.88 16363595.62 542783.26 426585 17.8 25399 1255.51 1931905.12
11 Competencia mixta 11 39600000 26400000 13200000 3 36666.67 12056000 834334.88 210320 13509665.12 12158698.61 16924005.74 13187045.74 3736960 4625000 3851143.88 2186835.62 1664308.26 426585 1.76 560000 2740.51 13117661.86
Estado de resultados y Balance general
indicadores de endeudamiento
razón corrienteprueba ácidacapital neto trabajoendeudamientocobertura interesesrotación cuentas cobrarrotación cuentas pagarrotación inventariorotacion activo fijorotación activo totalrentabilidad ventasrentabilidad activo totalrentabilidad patrimonio
3.18 1.32 1605444 0.5 38.75 84.32 133.05 5.84 6.38 1.65 0.36 0.39 0.68
10.87 0.69 1938459 0.21 63.41 60 43.8 1.78 6.81 1.97 0.34 0.66 0.84
0.13 0.08 -137169 0.7 55.94 72 171.19 19.04 0.24 0.24 0.52 0.13 0.42
3.76 2.25 21768.1 0.23 4.48 83.08 34.37 12.56 17.88 5.7 0.06 0.34 0.44
1.53 1.09 59986.5 0.56 4.2 93.33 166.25 6 20.83 3.43 0.1 0.35 0.79
1.25 0.77 31023.2 0.81 9.35 93.33 135.9 0.37 0.19 0.16 0.41 0.06 0.33
1.34 0.73 199500 0.44 48.85 102.86 291.95 1.05 1.67 0.76 0.34 0.26 0.47
1.84 1.25 80220.4 0.56 62.16 111.72 115.19 1.77 2 1.21 0.58 0.7 0.84
2.44 0.71 2494376 0.33 73.73 46.96 147.29 1.19 6.86 1.26 0.42 0.57 0.85
0.71 0.53 -156459 0.9 1.15 60 20.23 12 0.26 0.25 0.34 0.09 0.85
7.92 5.14 1.2E+07 0.23 64.23 120 204.34 2.62 7.06 1.56 0.46 0.72 0.93
Indicadores Financieros
Indicadores de liquidez indicadores de rentabilidadIndicadores de eficiencia
EN RESUMEN:
La información brindada en el análisis descriptivo se utiliza para
este propósito de comparar la media del sector con la media de la
empresa y los competidores, para así comparar el desempeño de la
empresa comparado con el sector y la competencia.
TALLER SPSS FINAL
3. EJERCICIO 3: ANÁLISIS DE CONGLOMERADOS
1. Con la técnica de Análisis de conglomerados clasificar a las 10 empresas siguientes
según:
Ventas totales
Ventas al contado
Ventas al crédito
Preguntas
1. Utilizar análisis clúster jerárquico y no jerárquico (con todos los conglomerados).Para
homogenizar las variables, estandarícelas por medio del procedimiento “descriptivos”
pidiendo que “guarde los valores tipificados como variables”.
2. Utilice estas variables tipificadas (en la base de datos original).
3. Indique que casos quedan en cada conglomerado para cada uno de los procedimientos:
3.1. jerárquico
3.2. no jerárquico.
4. Proponga un nombre para cada conglomerado.
Como primer paso,
Cargue en SPSS el archivo de nombre 10 empresas, (archivo → abrir → datos) se trata
de clasificar a las empresas por las ventas totales, las ventas al contado y las ventas al
crédito.
3.1. ANÁLISIS
3.1.1. DECRIPTIVOS
3.1.1.1. Estadísticos descriptivos
Estadísticos descriptivos
N Mínimo Máximo Media Desv. típ.
Cuáles son las ventas anuales? 10 192176.12 39600000.00 6481766.1180 12030295.51298
Cuáles son las ventas al contado? 10 142352.68 26400000.00 4731355.2190 8054708.60791
Cuáles son las cuentas por cobrar? 10 49823.44 13200000.00 1750410.8990 4046345.76839
N válido (según lista) 10
Como paso siguiente, se procede a tipificar8 las variables, ya que, al trabajar con
distancias, todas las variables han de venir medidas en las mismas unidades.
Para éste análisis realizamos los siguientes pasos:
1. Analizar
1.1. Estadísticos descriptivos
1.1.1. Descriptivos
1.1.1.1. Guardar valores tipificados como variables
3.2. Estadísticos descriptivos
Estadísticos descriptivos
N Mínimo Máximo Media Desv. típ.Puntuación Z: Cuales son las ventas anuales? 10 -.52281 2.75290 .0000000 1.00000000
Puntuación Z: Cuales son las ventas al contado? 10 -.56973 2.69018 .0000000 1.00000000
Puntuación Z: cuales son las cuentas por cobrar? 10 -.42028 2.82961 .0000000 1.00000000
N válido (según lista) 10
El siguiente paso, es realizar gráficos de dispersión9 en tres dimensiones para las tres
variables tipificadas con el objeto de observar los posibles grupos.
Para éste análisis realizamos los siguientes pasos:1. Gráficos
1.1. Dispersión
1.1.1. Seleccionamos 3D (Variables tipificadas: Eje X: ventas totales Eje Y: ventas
contado, Eje Z: ventas por cobrar)
3.3. Gráfico de dispersión
8 Tipificar las variables: Procedimiento para estandarizar las variables y que exista así una comparabilidad entre las variables. (Pérez López, 2004, pág. 447)9 Gráfico de dispersión: Observa la relación entre dos o más variables. (Pérez López, 2004, pág. 82)
33
Interpretación: Se observa que se podría agrupar a los individuos en 2 grupos.
Es siguiente paso es realizar un análisis de correlaciones Bivariadas10:
Para éste análisis realizamos los siguientes pasos:
1. Analizar
1.1. Correlaciones
1.1.1. Bivariadas
3.4. Correlaciones:
CorrelacionesPuntuación Z: Cuales son las
ventas anuales?
Puntuación Z: Cuales son las
ventas al contado?
Puntuación Z: cuales son las
cuentas por cobrar?
Puntuación Z: Cuales son las ventas
anuales?
Correlación de Pearson 1 .997** .988**
Sig. (bilateral) .000 .000
N 10 10 10
Puntuación Z: Cuales son las ventas
al contado?
Correlación de Pearson .997** 1 .974**
Sig. (bilateral) .000 .000
N 10 10 10
Puntuación Z: cuales son las
cuentas por cobrar?
Correlación de Pearson .988** .974** 1
Sig. (bilateral) .000 .000
N 10 10 10
**. La correlación es significativa al nivel 0,01 (bilateral).
Se observa que existen dos posibles grupos.
10 Correlaciones Bivariadas: Permite comprobar la independencia de las variables continuas. (Pérez López, 2004, pág. 446)
34
3.5. ANÁLISIS JERARQUICO11 DE CONGLOMERADOS
El siguiente paso es realizar un análisis de jerárquico
Para éste análisis realizamos los siguientes pasos:
1. Analizar
1.1. Clasificar
1.1.1. Conglomerado jerárquico
1.1.1.1. Variables: Tipificadas
1.1.1.1.1. Estadísticos
a. Historial de conglomeración
b. Rangos 2 – 4
1.1.1.1.2. Gráficos
a. Dendograma
b. Horizontal
1.1.1.1.3. Método
1.1.1.1.4. Guardar
1.1.1.1.5. Rango 2 – 43.6. Conglomerado
3.6.1. Resumen del procesamiento de los casos
Resumen del procesamiento de los casosa,b
Casos
Válidos Perdidos Total
N Porcentaje N Porcentaje N Porcentaje
10 100.0 0 .0 10 100.0
a. distancia euclídea al cuadrado usada
b. Vinculación promedio (Inter-grupos)
11 Análisis jerárquico: Procedimiento que intenta identificar grupos relativamente homogéneos de casos o de variables basándose en características seleccionadas, mediante un algoritmo que comienza con cada caso o cada variable en un conglomerado diferente y combina los conglomerados hasta que sólo queda uno. (Pérez López, 2004, pág. 440)
35
Interpretación:
Se muestran el número de porcentaje de casos válidos analizados, el número y
porcentaje de casos con valores perdidos en alguna de las variables incluidas en los
análisis y el tamaño total de la muestra, que no es otra cosa que la suma de los casos
válidos y los perdidos. (Análiss de conglomerados, 2014, pág. 477)
En la tabla siguiente, se muestra el historial del proceso de conglomeración, etapa por
etapa. Por lo tanto en cada etapa se unen dos elementos, como la muestra analizada tienen
10 casos sólo se realizan 9 etapas de fusión.
3.7. Vinculación promedio (inter-grupos)
3.7.1. Historial de conglomeración12
Historial de conglomeración
Etapa Conglomerado que se combina Coeficientes Etapa en la que el conglomerado aparece
por primera vez
Próxima etapa
Conglomerado 1 Conglomerado 2 Conglomerado 1 Conglomerado 2
1 2 6 .000 0 0 2
2 1 2 .001 0 1 3
3 1 4 .002 2 0 4
4 1 3 .006 3 0 5
5 1 5 .022 4 0 8
6 7 8 .031 0 0 7
7 7 9 .086 6 0 8
8 1 7 .802 5 7 9
9 1 10 28.358 8 0 0
Interpretación
La columna conglomerado que se combina informa sobre los conglomerados o casos
fundidos en cada etapa. En la primera etapa se han fundido los casos 2 y 6 del archivo de
datos. Como el análisis se inicia con todos los casos separados en conglomerados
individuales, la primera etapa siempre se refiere a casos individuales. A partir de ese
12 Historial de conglomeración: Muestra los casos o conglomerados combinados en cada etapa, las distancias entre los casos o los conglomerados que se combinan, así como el último nivel del proceso de aglomeración en el que cada caso o variable se unió a su conglomerado correspondiente. (Pérez López, 2004, pág. 441)
36
RANGO DE SOLUCIONES 2
momento, estos dos casos constituyen el conglomerado 1 y son indivisibles en las etapas
posteriores.
La Columna “Coeficientes”, ofrece el valor de la distancia la que se encuentran los casos
antes de la fusión. En la primera etapa, la distancia a la que se encuentran los casos 2 y 6
vale 0, lo que significa que se trata de casos con idénticas puntuaciones.
La columna “Etapa en la que el conglomerado aparece por primera vez” recoge la etapa
en la que se han formado los conglomerados que se están fundiendo en cada momento. El
valor 0 indica que el conglomerado correspondiente es un caso individual. Un valor mayor
que 0 indica el número de etapa en la que se formó el conglomerado. En nuestro caso, el
valor 0 nos indica que los conglomerados son casos individuales, lo que significa el
surgimiento de 2 conglomerados.
La columna “Próxima etapa”, indica la etapa en la que el conglomerado que se acaba de
formar volverá a fundirse con otros elementos. En nuestro caso es en las etapas 2, 3, 4, 5 y
8 respectivamente.
3.8. Conglomerado de pertenencia13
Conglomerado de pertenencia
Caso 4 conglomerados 3 conglomerados 2 conglomerados
1 1 1 1
2 1 1 1
3 1 1 1
4 1 1 1
5 1 1 1
6 1 1 1
7 2 2 1
8 2 2 1
9 3 2 1
10 4 3 2
13 Conglomerado de pertenencia: Permite guardar los conglomerados de pertenencia para una solución única o un rango de soluciones. Las variables pueden emplearse en análisis posteriores para explorar otras diferencias entre los grupos. (Pérez López, 2004, pág. 442)
37
3.9. Dendograma14:
Interpretación:
Para interpretar estos resultados se recuerda que el objetivo es agrupar los individuos
considerando sus características. Por lo tanto, tener un solo grupo no aporta información.
En consecuencia, sabiendo que a menor distancia los conglomerados son más homogéneos,
es conveniente detener el proceso de unión cuando las líneas horizontales sean muy largas:
en el caso de estudio, se detiene el proceso en la distancia 10 obteniendo 2 clusters.
Se observa en el dendograma la conformación de 2 grupos:
Grupo A: 2, 6, 1, 3, 5, 7, 8, 9 (Empresas de ventas, alquileres, servicios o mixtas que
operan preferiblemente al contado y poco financiamiento.)
Grupo B: 10. (Empresa distribuidora de automóviles que su modelo de negocios
principal es el financiamiento, leasing, o renta de vehículos.)
14 Dendograma: Se usan para evaluar la cohesión de los conglomerados que se han formado y proporcionar información sobre el número adecuado de conglomerados que deben conservarse. (Pérez López, 2004, pág. 443)
38
El siguiente paso es el realizar un análisis no jerárquico
3.10. ANÁLISIS NO JERÁRQUICO15 DE CONGLOMERADOS:
Para éste análisis realizamos los siguientes pasos:
2. Analizar
2.1. Clasificar
2.1.1. Conglomerado de K-medias
2.1.1.1. Variables: Tipificadas
2.1.1.2. Numero de conglomerados (2)
2.1.2. Opciones
2.1.2.1. Información de conglomerados de cada caso3.11. Análisis de conglomerados y K-medias
3.11.1. Centros iniciales de los conglomerados
Centros iniciales de los conglomerados
Conglomerado
1 2
Puntuación Z: Cuales son las ventas anuales? 2.75290 -.52281
Puntuación Z: Cuales son las ventas al contado? 2.69018 -.56973
Puntuación Z: cuales son las cuentas por cobrar? 2.82961 -.42028
3.11.2. Historial de iteraciones
Historial de iteracionesa
Iteración Cambio en los centros de los conglomerados
1 2
1 .000 .363
2 .000 .000
a. Se ha logrado la convergencia debido a que los centros de los conglomerados no presentan ningún cambio o éste es pequeño. El
cambio máximo de coordenadas absolutas para cualquier centro es de .000. La iteración actual es 2. La distancia mínima entre los
centros iniciales es de 5.650.
15 Análisis no jerárquico: Procedimiento que intenta identificar grupos de casos relativamente homogéneos basándose en las características seleccionadas y utilizando un algoritmo que pueden gestionar un gran número de casos. (Pérez López, 2004, pág. 437)
39
3.11.3. Pertenencia a los conglomerados
Pertenencia a los conglomerados
Número de caso Conglomerado Distancia
1 2 .300
2 2 .324
3 2 .259
4 2 .363
5 2 .184
6 2 .336
7 2 .600
8 2 .761
9 2 .402
10 1 .000
3.11.4. Pertenencia conglomerados ordenados por grupo
(Realizado en Excel)
Pertenencia a los conglomerados
Número de caso Conglomerado Distancia
10 1 0
1 2 0.3
2 2 0.324
3 2 0.259
4 2 0.363
5 2 0.184
6 2 0.336
7 2 0.6
8 2 0.761
9 2 0.402
Interpretación:
Grupo A: 2, 6, 1, 3, 5, 7, 8, 9 (Empresas de ventas, alquileres, servicios o mixtas que
operan preferiblemente al contado y poco financiamiento.)
Grupo B: 10. (Empresa distribuidora de automóviles que su modelo de negocios
principal es el financiamiento, leasing, o renta de vehículos.)
40
3.11.5. Centros de los conglomerados finales
Centros de los conglomerados finales
Conglomerado
1 2
Puntuación Z: Cuales son las ventas anuales? 2.75290 -.30588
Puntuación Z: Cuales son las ventas al contado? 2.69018 -.29891
Puntuación Z: cuales son las cuentas por cobrar? 2.82961 -.31440
3.11.6. Distancias entre los centros de los conglomerados finales
Distancias entre los centros de los conglomerados finales
Conglomerado 1 2
1 5.308
2 5.308
3.11.7. ANOVA
ANOVAConglomerado Error F Sig.
Media cuadrática gl Media cuadrática glPuntuación Z: Cuales son las ventas anuales?
8.421 1 .072 8 116.251 .000
Puntuación Z: Cuales son las ventas al contado?
8.041 1 .120 8 67.095 .000
Puntuación Z: cuales son las cuentas por cobrar?
8.896 1 .013 8 686.570 .000
Las pruebas F sólo se deben utilizar con una finalidad descriptiva puesto que los conglomerados han sido elegidos para maximizar las diferencias entre los casos en diferentes conglomerados. Los niveles críticos no son corregidos, por lo que no pueden interpretarse como pruebas de la hipótesis de que los centros de los conglomerados son iguales.
3.11.8. Número de casos en cada conglomerado
Número de casos en cada conglomerado
Conglomerado1 1.000
2 9.000
Válidos 10.000
Perdidos .000
41
4. CONCLUSIONES:
En los anteriores análisis, se pudo comprobar cómo la herramienta de SPSS, se utilizó
como un instrumento de análisis multivariante de datos Cuantitativos, el cuál está diseñado
para el manejo de datos estadísticos.
Por lo tanto, esta herramienta es de gran importancia en el diseño y planificación de
proyectos inmobiliarios, así como también permite el análisis de empresas y su evolución y
comparación con el mercado, también se pudo observar la utilización para predecir las
ventas, así como también en el análisis de estados financieros y balances generales de 10
empresas y la optimización del portafolio de negocios combinado con otros programas
como Excel.
Otro valioso ejemplo fue el realizado con el análisis de regresión, el cuál ayuda a la
organización a anticipar los cambios de manera que pueda planificar e implementar
estrategias que mejoren los resultados. Al aplicar soluciones de análisis de regresión a los
datos que ya tiene, su organización podrá descubrir patrones y asociaciones inesperados y
desarrollar modelos para guiar interacciones de primera línea. Esto significa que puede
impedir que clientes de gran valor se vayan, vender servicios adicionales a los clientes
actuales, desarrollar productos de forma más eficaz o identificar y minimizar fraudes y
riesgos. El análisis de regresión le brinda la capacidad de pronosticar… y el poder de
actuar. Todo esto es posible a través del uso de la herramienta SPSS.
42
BIBLIOGRAFÍA
(Mayo de 2014). Recuperado el Mayo de 2014, de
http://www.uam.es/personal_pdi/ciencias/ajustel/docencia/ad/AD10_11_Discrimina
nte.pdf
(Mayo de 2014). Recuperado el Mayo de 2014, de
ftp://public.dhe.ibm.com/software/analytics/spss/documentation/statistics/20.0/es/
client/Manuals/IBM_SPSS_Statistics_Base.pdf
(Mayo de 2014). Recuperado el Mayo de 2014, de
http://halweb.uc3m.es/esp/Personal/personas/jmmarin/esp/GuiaSPSS/22conglj.pdf
Google. (Ayo de 2014). Recuperado el Mayo de 2014, de
file:///C:/Users/DELL/Downloads/8099-15991-1-PB.pdf
Google. (Mayo de 2014). Recuperado el Mayo de 2014, de
file:///C:/Users/DELL/Downloads/8099-15991-1-PB.pdf
Google. (Mayo de 2014). Recuperado el Mayo de 2014, de
https://www.google.com.gt/url?
sa=t&rct=j&q=&esrc=s&source=web&cd=6&ved=0CEkQFjAF&url=http%3A%2F
%2Fpersonal.us.es%2Fanalopez
%2Fpracticasac1.ppt&ei=DpaHU6YII7JsQT2t4HoDQ&usg=AFQjCNGp3PxExsX
uzuUbmcGQ3vEq1zLa_w
Google. (Mayo de 2014). Recuperado el Mayo de 2014, de
http://rua.ua.es/dspace/bitstream/10045/12079/1/Capitulo9.pdf
You tube. (Mayo de 2014). Recuperado el Mayo de 2014, de
http://www.youtube.com/watch?v=IYg0npCrSGw
You Tube. (Mayo de 2014). Recuperado el Mayo de 2014, de
http://www.youtube.com/watch?v=07lCKn6EEMQ
De la Fuente Fernandez, S. (Mayo de 2014). Google. Recuperado el Mayo de 2014,
de
http://www.fuenterrebollo.com/Economicas/ECONOMETRIA/SEGMENTACION/
CONGLOMERADOS/conglomerados.pdf
43
IBM SPSS Statistics Base 20. (Mayo de 2014). Google. Recuperado el Mayo de
2014, de
ftp://public.dhe.ibm.com/software/analytics/spss/documentation/statistics/20.0/es/
client/Manuals/IBM_SPSS_Statistics_Base.pdf
Lind, D. A., Marchal, W. G., & Wathen, S. .. (2008). Estadística aplicada a los
negocios y la economía. México D. F.: McGraw-Hill Interamericana.
Martinez Miranda, M. D. (Mayo de 2014). Google. Recuperado el Mayo de 2014,
de http://www.ugr.es/~curspss/archivos/Cluster/cluster.pdf
Pérez López, C. (2004). Técnicas de Análisis Multivariante de Datos. Madrid:
PEARSON EDUCACIÓN, S. A.villardón, J. L. (Mayo de 2014). Google. Obtenido
de http://benjamindespensa.tripod.com/spss/AC.pdf
44
Top Related