Exercicis estadística aplicada recerca

1. De totes les variables del fitxer de dades, quines elegiríeu a priori com a variables més apropiades per a explicar l'evolució de la variable que és objecte d'estudi, és a dir, del volum de comerç electrònic a Espanya? Perquè? Quines afegiríeu a la base de dades? NOTA: Heu de justificar la vostra resposta bibliogràficament (és a dir, busqueu alguna referència que recolzi la vostra opinió).He mirat (fent servir el Minitab) si la desviació standard i la “p” em confirmen que existeix un model lineal de dependència directa de les variables una per una, així és com sé que les més adequades per a explicar l’evolució del comerç electrònic són:

• C-6 Llars amb ordinadors (P = 0.0000 però la variància explicada no arribant al 80%)

• C-7 Servidors de webs segurs (mateixa P ivariància que l’anterior)

• C-10 Dominis Internet (resultats una mica millors, variància explicada de aprox. 82%).

• C-11 Dominis.es (variància explicada de 86%).

• C-12 Usuaris Internet (la variància explicada és del voltant del 80%).

Referències:

http://es.wikipedia.org/wiki/Desviaci%C3%B3n_est%C3%A1ndar

http://www2.uiah.fi/projects/metodi/280.htm

2. Una vegadaelegides les variables, penseu en un model en el qual totes les variables tinguin sentit com a indicadors dels diferents elements o agents que feu intervenir en el model. NOTA: Per exemple, a l'article de referència, les variables considerades han estat classificades en 2 grans grups: segons expliqui l'evolució del comerç electrònic o l'evolució dels usuaris d’Internet. Penseu en possiblesalternatives a partir de les variables de la base de dades.

En l’estudi de correlacions entre les variables i l’evolució del comerç electrònic hi ha dos tipus de corbes:

Les variables C-6, C-10, C-12, C-13 i C-17) tenen un comportament tipus “A” i les variables C-7, C-11 i C-9 són de comportament “B”.

És a dir, que hi ha dos grans models que agrupen cadascun un grup particular de variables.Descartarem les altres variables perquè no tenen valors explicatius significatius respecte a la variable objecte de l’estudi (variàncies molt baixes).

Si agafem el model “B”, podem deduir que, malgrat que fins ara la correlació pot haver estat elevada, la regressió linear te poques probabilitats d’ajustar-se a la variable d’estudi. Es a dir, la reducció de la velocitat de creixement del nombre dedominis .es no s’acompanya d’un descens similar en la velocitat de creixement del comerç electrònic.

Comparant les dues corbes explicades per el temps, podríem intruir la possibilitat que el creixement de la variable dominis .es ha precedit la del comerç electrònic en el temps.

Pel que fa a les variables de comportament “A”, és cert que hi ha diferències notables de comportament entre lesvariables independents d’aquest grup i la depenent d’estudi, de manera que la possibilitat que la variable d’estudi sigui explicada de manera satisfactòria per aquest grup de variables independents és elevada. Això s’explica perquè la correlació entre la regressió lineal i la forma de la corba en la part final de la temporalització tenen tendència coincidents.

Una anàlisi multivariant amb lesvariables del grup “A”. En el qual el resultat és:

Regression Analysis: Volumen de n versus Hogares con ; Dominios int; ...

The regression equation is

Volumen de negocio del comercio = - 655 + 16,3 Hogares con ordenador (% total)

+0,000004 Dominios internet (total mundia

+ 0,0298 Usuarios internet (miles)

Predictor Coef SE Coef T P
Constant-655,0 358,7 -1,83 0,072
Hogares 16,34 18,02 0,91 0,367
Dominios 0,00000444 0,00000344 1,29 0,201
Usuarios 0,02978 0,05744 0,52 0,606

S = 220,3 R-Sq = 81,5% R-Sq(adj) = 80,8%

Analysis of Variance

Source DF SS MS F P
Regression 3...