Análisis Chaid

ANÁLISIS CHAID

En el análisis de las encuestas de opinión pública casi siempre se usan análisis descriptivos univariados y bivariados. En la mayoría de estudios se recurre a subjetividades basadas en la experiencia del investigador. En vísperas de los comicios electorales siempre se pone en debate la obligatoriedad del voto. En una encuesta a nivel nacional para medir la intención de votopresidencial se incluyó la pregunta ¿Acudiría a votar si el voto fuese voluntario? Antes de apelar a la subjetividad decido aplicar el método CHAID para determinar cuáles serían las variables que más influyen en la decisión de acudir o no acudir a votar.

“La necesidad de explorar y determinar las variables que más influyen en la decisión de acudir o no a votar en un contexto de voto voluntario”Principales:
-

Específicos
-

Aplicar el método CHAID para determinar las variables más influyentes sobre la intención de ir o no a votar voluntariamente. Determinar el patrón de las personas que votarían o no votarían en un contexto de voto voluntario.

Analizar univariada y bivariadamente las variables que podrían explicar la decisión de acudir o no a votar. Comprobar que el criterio delinvestigador complementado con el análisis estadístico tiende a brindar las mejores soluciones.

-

-

“A través del método CHAID es posible construir un patrón de comportamiento de los entrevistados identificando las variables más significativas que puedan explicar su posición frente al voto voluntario”

Los árboles de decisión son métodos de análisis multivariante no paramétrico. Son gráficos queilustran las reglas de decisión partiendo de un nodo principal. Están formados por: nodos, ramas, nodos hojas. Pueden ser descritos en dos fases: Aprendizaje y Clasificación. Morgan y Sonquist (1963) propusieron esta técnica.

Análisis basados en árboles de decisión:

Estratificación

Predicción

Reducción y selección de predictores

Combinación de categorías y discretización de predictorescontinuos

Propuesta por Kass (1980) y es un método estadístico muy eficiente para segmentar. El algoritmo comienza con un único nodo inicial que contiene todas las observaciones y continúa recursivamente hasta que no se pueden encontrar más segmentaciones significativas. En cada nodo se examinan todas las variables predictoras como candidatas para realizar la segmentación del mismo, evaluando susignificancia estadística (F, continua / X2, nominal). Se selecciona la variable predictora con mayor nivel de significación para efectuar la segmentación del nodo. Kass utiliza la desigualdad de Bonferroni para estimar la significación estadística de cada variable.

Algoritmo CHAID:
1 2 3 4 5 6 7 • Se busca la variable predictora con la menor significación estadística respecto a la variable criterio. •Fundir en una categoría compuesta la pareja que proporcione el mayor nivel crítico. • Calcular el nivel crítico basado en el nuevo conjunto de categorías de la variable predictora. • Repetir los pasos anteriores hasta que sólo queden dos categorías. Buscar aquel cuyo nivel crítico sea menor en el paso 3. • Calcular el nivel crítico corregido mediante Bonferroni para el conjunto de categorías de lavariable predictora y la variable criterio. • Seleccionar la variable predictora cuyo nivel crítico corregido sea el menor (la más significativa). • El procedimiento se repite para cada variable predictora.

Ventajas
-

Desventajas
-

Transparencia. Se expresa como una serie de pautas y el usuario puede comprobar la racionalidad del modelo. Construcción sencilla. Pueden manejar fácilmentevariables independientes tanto categóricas como continuas relacionadas. Seguridad. Sus resultados son producto de un método de combinación de categorías de variables es minucioso.

-

El volumen de datos que se necesita para asegurar de que los nodos hoja sea significativa debería ser grande. Tiempo. Tarda más en realizar los cálculos de las divisiones de los nodos porque es un análisis minucioso.

-...