Analisi fattoriale Metodi Quantitativi per Economia, Finanza e Management Esercitazione n°10

PROC FACTOR – Opzioni Analisi fattoriale con il metodo delle componenti principali. PROC FACTOR DATA=libreria.dataset N=8 FUZZ=0.35 SCREE OUT=FACTORS ROTATE=VARIMAX REORDER; VAR elenco variabili; RUN; OPZIONE DESCRIZIONE OUT = Produce in output un data set che contiene le variabili originali e i fattori non ruotati N=num Consente di specificare il numero di fattori che si vuole estrarre ROTATE=metodo Specifica che il criterio per la rotazione dei fattori (VARIMAX, …) SCREE Produce scree plot REORDER Ordina le variabili in modo da facilitare la lettura dei loadings FUZZ=valore Stampa solo |loadings| > valore indicato.

Step di analisi (1/2) STEP 1: scegliere quanti fattori considerare (scelta di varie soluzioni) la regola autovalori > 1 lettura dello SCREE PLOT STEP 2: confrontare le soluzioni scelte loadings cumunalità finali PROC FACTOR DATA=data set SCREE FUZZ=k; VAR elenco variabili; RUN; PROC FACTOR DATA=data set SCREE FUZZ=k N=n; VAR elenco variabili; RUN;

Step di analisi (2/2) STEP 3: una volta scelta la soluzione finale ruotare i fattori interpretare i fattori salvare il data set con i fattori STEP 4: se l’interpretazione non è soddisfacente ripetere lo step n°3 variando metodo di rotazione o provando un’altra soluzione. PROC FACTOR DATA=data set SCREE FUZZ=k OUT=data set output ROTATE= metodo di rotazione REORDER N=n; VAR elenco variabili; RUN;

PROC REG – Sintassi proc reg data=dataset; model variabile_dipendente= Modello di regressione lineare proc reg data=dataset; model variabile_dipendente= regressore_1 ... regressore_p /option(s); run; OPTIONS: STB calcola i coefficienti standardizzati selection=stepwise applica la procedura stepwise per la selezione dei regressori slentry=… livello di significatività richiesto per il test F parziale affinchè il singolo regressore possa entrare nel modello slstay=… livello di significatività richiesto per il test F parziale affinchè il singolo regressore non sia rimosso dal modello VIF per verificare presenza di multicollinearietà

Statistiche di influenza PROC REG – Sintassi Statistiche di influenza La PROC REG fornisce nell’output i valori della distanza di Cook e del levarage H per ogni osservazione del dataset: proc reg data=dataset; model variabile_dipendente= regressore_1 ... regressore_p / influence r; output out=dataset_output cookd=cook H=leverage; run; OPTIONS: Influence e r forniscono una serie di indicatori di influenza tra cui D e H Cookd= crea nel dataset di output una variabile con i valori della Distanza di Cook per ogni osservazione H= crea nel dataset di output una variabile con i valori del Leverage per ogni osservazione

Esercizio

Esercizio Variabile dipendente e 21 variabili di soddisfazione

Esercizio Analisi fattoriale sulle 21 variabili di soddisfazione (esclusa la soddisfazione globale) del dataset TELEFONIA. Creazione di un dataset di output contenente i fattori scelti. Stimare un Modello di regressione lineare sul dataset salvato in output al punto (2) (quello che contiene i fattori). La variabile dipendente è il livello di soddisfazione globale sull’utilizzo del telefono cellulare (SODDISFAZIONE_GLOBALE) Utilizzare come regressori SOLO i fattori ottenuti al punto (2)

Esercizio Utilizzare la PROC REG selezionando i regressori con la procedura automatica stepwise Commentare R-quadro e R-quadro corretto Capacità esplicativa del modello (test F) Significatività dei singoli regressori (test t) Analisi di influenza Multicollinearità Interpretare i coefficienti standardizzati Ordinare i regressori per importanza nella spiegazione della variabile dipendente

Esercizio Variabile dipendente: soddisfazione_globale Lista regressori: CambioTariffa_2 MMSTuoOperatore_2 Copertura_2 NoScattoRisp_2 Autoricarica_2 CostoMMS_2 NumeriFissi_2 DurataMinContratto_2 vsPochiNumeri_2 Diffusione_2 ComodatoUso_2 ChiarezzaTariffe_2 AccessoWeb_2 AltriOperatori_2 SMSTuoOperatore_2 Assistenza_2 Immagine_2 ChiamateTuoOperatore_2 Promozioni_2 CostoSMS_2 NavigazioneWeb_2