Media-Lab Prado. Modelos Lineales en para procesar encuestas de Satisfacción. Manuel Pérez Gómez 16/06/2016

Tamaño: px

Comenzar la demostración a partir de la página:

Download "Media-Lab Prado. Modelos Lineales en para procesar encuestas de Satisfacción. Manuel Pérez Gómez 16/06/2016"

Fernando Aguilar Macías
hace 7 años
Vistas:

1 Media-Lab Prado Modelos Lineales en para procesar encuestas de Satisfacción Manuel Pérez Gómez 16/06/2016

2 Análisis de los Sectores. TPV Caja Compras Almacén Grupos Informes TPV Caja Compras Almacén Grupos Informes Reservas Recepción Registro de Pasajeros Almacenes Salones BAR Seguridad Control Adrenalina Experiencia de Cliente Fidelizción Almacén Internet Redes Sociales Posicionamiento Equipos Prestamos Mantenimiento Gestión / Dirección Ventas Gestión RRHH Centralizada Acceso Descentralizado Fidelización de Clientes Prueba de productos Generar ofertas atractivas.

3 Variables de la Encuesta Medidas Objetivas (Características del visitante) Visita fin de semana (Lógica) Número de niños (categórica) Distancia al parque (decimal) Medidas subjetivas (Satisfacción de la experiencia) Cantidad de vueltas (entera rango de 1 a 100) Satisfacción con juegos (entera rango de 1 a 100) tiempo de espera (entera rango de 1 a 100) limpieza (entera rango de 1 a 100) satisfacción general (entera rango de 1 a 100) str(dfsc) 'data.frame': 500 obs. of 8 variables: $ fds : logi TRUE TRUE FALSE TRUE FALSE FALSE... $ nro_hijos : int $ distancia : num $ vueltas : int $ juegos : int $ tiempoespera: int $ limpieza : int $ satgeneral : int

Inspección de datos summary(dfsc) fds nro_hijos distancia vueltas juegos Mode :logical Min. :0.000 Min. : 0.5267 Min. : 72.00 Min. : 57.00 FALSE:259 1st Qu.:0.000 1st Qu.: 10.3181 1st Qu.: 82.

4 Inspección de datos summary(dfsc) fds nro_hijos distancia vueltas juegos Mode :logical Min. :0.000 Min. : Min. : Min. : FALSE:259 1st Qu.: st Qu.: st Qu.: st Qu.: TRUE :241 Median :2.000 Median : Median : Median : NA's :0 Mean :1.738 Mean : Mean : Mean : rd Qu.: rd Qu.: rd Qu.: rd Qu.: Max. :5.000 Max. : Max. : Max. : gpairs

Primeras correlaciones cor(dfsc[,c(2,4:9)]) nro_hijos vueltas juegos tiempoespera limpieza satgeneral ldistasncia nro_hijos 1.000000000-0.04026024 0.004658171-0.02097292-0.01345167 0.31948036-0.

5 Primeras correlaciones cor(dfsc[,c(2,4:9)]) nro_hijos vueltas juegos tiempoespera limpieza satgeneral ldistasncia nro_hijos vueltas juegos tiempoespera limpieza satgeneral ldistasncia

6 Modelo lineal con una variable lm(satgeneral~limpieza,data=dfsc) Call: lm(formula = satgeneral ~ limpieza, data = dfsc) Coefficients: (Intercept) limpieza plot(satgeneral limpieza, data=dfsc,xlab="sat con Limpieza", ylab="sat General") abline(sc,col="blue")

7 Objetos lm sc<- lm (satgeneral limpieza, data=dfsc) (Objeto lm) summary(sc) Call: lm(formula = satgeneral ~ limpieza, data = dfsc) Residuals: Min 1Q Median 3Q Max Coefficients: Estimate Std. Error t value Pr(> t ) (Intercept) <2e-16 *** limpieza <2e-16 *** --- Signif. codes: 0 *** ** 0.01 * Residual standard error: on 498 degrees of freedom Multiple R-squared: , Adjusted R-squared: F-statistic: on 1 and 498 DF, p-value: < 2.2e-16

8 Objetos lm sc<- lm (satgeneral limpieza, data=dfsc) (Objeto lm) $coefficients $residuals $effects $rank $fitted.values $assign $qr $df.residual $xlevels $call $terms $model (coeficientes de la ecuación) (vector de residuos) (valores ajustados) (grados de libertad) (Formula de llamada) (términos de la llamada) (datos del modelo)

9 Modelo lineal varias variables m2<-lm(satgeneral ~ vueltas + juegos + tiempoespera + limpieza,data=dfsc) summary(m2) Call: lm(formula = satgeneral ~ vueltas + juegos + tiempoespera + limpieza, data = dfsc) Residuals: Min 1Q Median 3Q Max Coefficients: Estimate Std.Error t value Pr(> t ) (Intercept) < 2e-16 *** vueltas *** juegos * tiempoespera < 2e-16 *** limpieza e-09 *** --- Signif. codes: 0 *** ** 0.01 * Residual standard error: on 495 degrees of freedom Multiple R-squared: , Adjusted R-squared: F-statistic: on 4 and 495 DF, p-value: < 2.2e-16

10 Analizo coeficientes y grafico (coefplot) coefplot(m2,intercept=false,outer=1.96,lwouter=2, + ylab="raiting caracteristicas", + xlab="asociacion con Sat General")

11 Factores como predictores m2<-lm(satgeneral~vueltas+tiempoespera+limpieza+ldistasncia+nro_hijos+fds, data=dfsc1) > summary(d2) Call: lm(formula = satgeneral ~ vueltas+tiempoespera+limpieza+ldistasncia+nro_hijos+fds,data = dfsc1) Residuals: Min 1Q Median 3Q Max Coefficients: Estimate Std. Error t value Pr(> t ) (Intercept) < 2e-16 *** vueltas e-10 *** tiempoespera < 2e-16 *** limpieza < 2e-16 *** ldistasncia nro_hijos < 2e-16 *** nro_hijos < 2e-16 *** nro_hijos < 2e-16 *** nro_hijos < 2e-16 *** nro_hijos < 2e-16 *** fdstrue Signif. codes: 0 *** ** 0.01 * Residual standard error: on 489 degrees of freedom Multiple R-squared: , Adjusted R-squared: F-statistic: on 10 and 489 DF, p-value: < 2.2e-16

12 Interacciones (Operador : ) m2<-lm(satgeneral~vueltas+juegos+tiempoespera+limpieza+fds+ldistasncia+ + vueltas:hijos+juegos:hijos+tiempoespera:hijos+limpieza:hijos+ + vueltas:fds+juegos:fds+tiempoespera:fds+limpieza:fds, + data=dfsc1) Coefficients: Estimate Std. Error t value Pr(> t ) (Intercept) vueltas juegos ** tiempoespera limpieza ** fdstrue ldistasncia vueltas:hijostrue juegos:hijostrue tiempoesp:hijostrue e-08 *** limpieza:hijostrue vueltas:fdstrue * juegos:fdstrue tiempoespera:fdstrue limpieza:fdstrue

13 Interacciones (Operador : ) m3<-lm(satgeneral~vueltas+juegos+tiempoespera+limpieza+fds+ldistasncia+ + tiempoespera:hijos, data=dfsc1) summary(m3). Coefficients: Estimate Std. Error t value Pr(> t ) (Intercept) vueltas *** juegos * tiempoespera * limpieza e-09 *** fdstrue ldistasncia tiempoespera:hijostrue e-09 *** --- Multiple R-squared: 0.592, Adjusted R-squared: F-statistic: 102 on 7 and 492 DF, p-value: < 2.2e-16

14 Sintaxis Avanzada

15 Referencias

16 GRACIAS Manuel Pérez

Documentos relacionados

Principios de Estadística. Intro. En R. Ejercicios

Principios de Estadística. Intro. En R. Ejercicios Leonardo Collado Torres y María Gutiérrez Arcelus Licenciatura en Ciencias Genómicas, UNAM www.lcg.unam.mx/~lcollado/index.php www.lcg.unam.mx/~mgutierr/index.php Cuernavaca, México Febrero - Junio, 2009