Baixe o app para aproveitar ainda mais
Prévia do material em texto
ANÁLISE DISCRIMINANTE Hair_HATCO: clientes de uma grande empresa que é fornecedora no setor industrial (HATCO – Hair, Anderson and Tatham Company) Total de observações: 100 Variável dependente: X11 = comportamento de compra (0 = uso de especificação de compra, com detalhes das características do produto desejadas, 1 = análise do valor total) 2 grupos: 0 - uso de especificação de compra 1 = análise do valor total Variáveis independentes: avaliação de 0 a 10 de atributos da HATCO: X1 = rapidez na entrega do produto X2 = nível de preço X3 = flexibilidade de preço X4 = imagem do fornecedor X5 = serviço como um todo X6 = imagem da força de vendas X7 = qualidade do produto Aplique a técnica de análise discriminante stepwise pelo critério Wilks’ lambda com iguais probabilidades a priori. 1o exercício: Comente sobre as estatísticas descritivas e as correlações entre as variáveis independentes. Group Statistics Specification Buying Mean Std. Deviation Valid N (listwise) Unweighted Weighted Unweighted Weighted Specification Buying Delivery Speed 2,500 1,0190 40 40,000 Price Level 2,988 1,1711 40 40,000 Price Flexibility 6,803 ,8905 40 40,000 Manufacturer Image 5,300 ,8488 40 40,000 Service 2,715 ,9161 40 40,000 Salesforce Image 2,625 ,6084 40 40,000 Product Quality 8,292 ,9297 40 40,000 Total Value Analysis Delivery Speed 4,192 1,0375 60 60,000 Price Level 1,948 1,0262 60 60,000 Price Flexibility 8,622 1,1642 60 60,000 Manufacturer Image 5,213 1,2918 60 60,000 Service 3,050 ,5887 60 60,000 Salesforce Image 2,692 ,8664 60 60,000 Product Quality 6,090 1,2931 60 60,000 Total Delivery Speed 3,515 1,3207 100 100,000 Price Level 2,364 1,1957 100 100,000 Price Flexibility 7,894 1,3865 100 100,000 Manufacturer Image 5,248 1,1314 100 100,000 Service 2,916 ,7513 100 100,000 Salesforce Image 2,665 ,7709 100 100,000 Product Quality 6,971 1,5852 100 100,000 Algumas variáveis têm médias mais altas no grupo “análise do valor total” e outras no grupo “especificação de compra”. É possível que algumas tenham médias estatisticamente diferentes nos dois grupos. Há algumas correlações expressivas. A mais alta, em módulo, é 0,791 (entre imagem do fabricante e imagem da força de vendas). O método stepwise só incluirá no modelo as variáveis com poder de discriminação dos grupos e com correlações toleráveis entre si. 2o exercício: Teste a hipótese da igualdade da variância nos grupos. Box's M 14,651 F Approx. 2,356 df1 6 df2 47039,932 Sig. ,028 Tests null hypothesis of equal population covariance matrices. H0: a variância é igual nos grupos H1: a variância é diferente nos grupos Expectativa: H0 verdadeira, ou seja, se um grupo tem comportamento uniforme, o outro também deveria ter; ou se um grupo tem uma certa dispersão, o outro também deveria ter algo semelhante. Dessa maneira, não haveria grande interferência no teste de igualdade de média. A probab de H0 ser verdadeira (0,028) é menor que 0,05. Logo, H0 é falsa. Mas como o resultado 0,028 não é muito inferior a 0,05, considera-se que a condição de igualdade de variâncias não foi fortemente rejeitada. Como este teste é sensível ao tamanho de amostra e a não normalidade de variáveis, é muito difícil H0 ser verdadeira. Apesar de tecnicamente H0 ser rejeitada, este resultado é favorável, pois a rejeição não foi muito intensa. 3o exercício: Teste da hipótese de igualdade de média nos grupos e método stepwise. Teste a igualdade de média dos grupos Qual a primeira variável a ser incluída no modelo? Qual a justificativa? Interprete os resultados obtidos para Wilks’lambda após a aplicação do método stepwise. H0: as médias de velocidade de entrega são iguais nos grupos. H1: as médias de velocidade de entrega são diferentes nos grupos. Decisão: o nível de significância observado é 0,000, inferior ao nível de significância do teste (0,05). Logo, H0 é rejeitada. Este resultado indica que esta é uma variável com chance de ser incluída no modelo discriminante. H0: as médias de nível de preço são iguais nos grupos. H1: as médias de nível de preço são diferentes nos grupos. Decisão: o nível de significância observado é 0,000, inferior ao nível de significância do teste (0,05). Logo, H0 é rejeitada. H0: as médias de flexibilidade de preço são iguais nos grupos. H1: as médias de flexibilidade de preço são diferentes nos grupos. Decisão: o nível de significância observado é 0,000, inferior ao nível de significância do teste (0,05). Logo, H0 é rejeitada. H0: as médias de imagem do fabricante são iguais nos grupos. H1: as médias de imagem do fabricante são diferentes nos grupos. Decisão: o nível de significância observado é 0,709, superior ao nível de significância do teste (0,05). Logo, H0 não é rejeitada. Este resultado indica que esta é uma variável sem chance de ser incluída no modelo discriminante. H0: as médias de serviço são iguais nos grupos. H1: as médias de serviço são diferentes nos grupos. Decisão: o nível de significância observado é 0,028, inferior ao nível de significância do teste (0,05). Logo, H0 é rejeitada. Porém, a rejeição não foi muito forte. H0: as médias de imagem da força de vendas são iguais nos grupos. H1: as médias de imagem da força de vendas são diferentes nos grupos. Decisão: o nível de significância observado é 0,674, superior ao nível de significância do teste (0,05). Logo, H0 não é rejeitada. Este resultado indica que esta é uma variável sem chance de ser incluída no modelo discriminante. H0: as médias de qualidade do produto são iguais nos grupos. H1: as médias de qualidade do produto são diferentes nos grupos. Decisão: o nível de significância observado é 0,000, inferior ao nível de significância do teste (0,05). Logo, H0 é rejeitada. Decisões: Variáveis H0 Resultado Delivery Speed falsa satisf Price Level falsa satisf Price Flexibility falsa satisf Manufacturer Image verdadeira insatisf Service falsa satisf Salesforce Image verdadeira insatisf Product Quality falsa satisf b) Será incluída a variável Qualidade do Produto no passo 1 do método stepwise, pois corresponde ao menor valor da estatística Wilks’ Lambda (0,532) e ao maior F (86,2). c) O valor de Wilks’Lambda no passo 1 é igual ao da variável Qualidade do Produto (0,532). No último passo o seu valor final é 0,341. A diminuição no seu valor é resultado do efeito conjunto das 3 variáveis incluídas no modelo discriminante. Último passo: H0: o vetor das 3 médias é igual nos grupos. H1: o vetor das 3 médias é diferente nos grupos. Decisão: o nível de significância observado é 0,000, inferior ao nível de significância do teste (0,05). Logo, H0 é rejeitada. Este resultado indica que as 3 variáveis conjuntamente têm um bom poder discriminante nos dois grupos. Apesar de nível de preço e serviço terem H0 falsa no teste de igualdade de médias, nenhuma foi incluída pelos motivos abaixo: - baixo poder de discriminação dos grupos, F baixo - correlação com variáveis melhores que foram preferidas pelo método stepwise. 4o exercício: Quais as expressões da função discriminante padronizada e não padronizada? Standardized Canonical Discriminant Function Coefficients Function 1 Delivery Speed ,437 Price Flexibility ,526 Product Quality -,629 Canonical Discriminant Function Coefficients Function 1 Delivery Speed ,424 Price Flexibility ,495 Product Quality -,541 (Constant) -1,624 Unstandardized coefficients Funçãodiscriminante padronizada: F1p : 0,437 . velocidade de entrega + 0,526 . flexibilidade de preço –0,629 . qualidade do produto Função discriminante não padronizada: F1np : -1,624 + 0,424 . velocidade de entrega + 0,495 . flexibilidade de preço –0,541 . qualidade do produto 5o exercício: Quais os centróides de cada grupo? Recalcule os seus valores usando a função discriminante não padronizada. Functions at Group Centroids Specification Buying Function 1 Specification Buying -1,686 Total Value Analysis 1,124 Unstandardized canonical discriminant functions evaluated at group means Função discriminante não padronizada: F1np : -1,624 + 0,424 . velocidade de entrega + 0,495 . flexibilidade de preço –0,541 . qualidade do produto Centróide do grupo 1: -1,624 + 0,424 . 2,50 + 0,495 . 6,803 –0,541 . 8,292 = -1,682 Centróide do grupo 2: -1,624 + 0,424 . 4,192 + 0,495 . 8,622 –0,541 . 6,09 = 1,127 6o exercício: Qual a importância das variáveis em termos de pesos e cargas discriminantes? Qual a melhor estatística para se fazer o ranking das variáveis? Standardized Canonical Discriminant Function Coefficients PESO DISCRIMINANTE Function 1 Delivery Speed ,437 Price Flexibility ,526 Product Quality -,629 Structure Matrix CARGA DISCRIMINANTE Function 1 Product Quality -,674 Price Flexibility ,609 Delivery Speed ,584 Price Level(a) -,379 Salesforce Image(a) -,193 Manufacturer Image(a) -,172 Service(a) ,136 Pesos discriminantes: -0,629; 0,526; 0,437 Ranking decrescente: qualidade do produto, flexibilidade de preço, velocidade de entrega Cargas discriminantes: -0,674; 0,609; 0,584 Ranking decrescente: qualidade do produto, flexibilidade de preço, velocidade de entrega Neste caso, os rankings coincidiram. 7o exercício: Qual o valor do eigenvalue? Interprete os resultados obtidos para correlação canônica e Wilks’lambda e relacione-os entre si. Eigenvalues Function Eigenvalue % of Variance Cumulative % Canonical Correlation 1 1,934(a) 100,0 100,0 ,812 a First 1 canonical discriminant functions were used in the analysis. eigenvalue: 1,934 correlação canônica = 0,812 Wilks’lambda no terceiro passo = 0, 341 0,341 + (0,812)2 = 1,00034 8o exercício: Obtenha o escore de corte com base nos centróides, faça as alocações dos 3 primeiros elementos com base neste escore de corte e refaça as alocações com base no coeficiente de classificação de Fisher. Functions at Group Centroids Specification Buying Function 1 Specification Buying -1,686 Total Value Analysis 1,124 Unstandardized canonical discriminant functions evaluated at group means Classification Function Coefficients Specification Buying Specification Buying Total Value Analysis Delivery Speed 1,982 3,174 Price Flexibility 5,759 7,149 Product Quality 6,357 4,836 (Constant) -49,116 -52,891 Fisher's linear discriminant functions Group Statistics Specification Buying Mean Std. Deviation Valid N (listwise) Unweighted Weighted Unweighted Weighted Specification Buying Delivery Speed 2,500 1,0190 40 40,000 Price Level 2,988 1,1711 40 40,000 Price Flexibility 6,803 ,8905 40 40,000 Manufacturer Image 5,300 ,8488 40 40,000 Service 2,715 ,9161 40 40,000 Salesforce Image 2,625 ,6084 40 40,000 Product Quality 8,292 ,9297 40 40,000 Total Value Analysis Delivery Speed 4,192 1,0375 60 60,000 Price Level 1,948 1,0262 60 60,000 Price Flexibility 8,622 1,1642 60 60,000 Manufacturer Image 5,213 1,2918 60 60,000 Service 3,050 ,5887 60 60,000 Salesforce Image 2,692 ,8664 60 60,000 Product Quality 6,090 1,2931 60 60,000 Grupo 1: 40 casos Grupo 2: 60 casos Escore de corte = [60 . (-1,686) + 40 . (1,124)] / 100 = -0,562 9o exercício: Interprete a matriz de classificação. Considerando a precisão da classificação, valeu a pena ter usado o modelo discriminante? O modelo discriminante acertou 86% das classificações a posteriori dos elementos nos 2 grupos. Houve 14 classificações erradas de elementos: 4 do grupo 1 alocados no grupo 2 e 10 do grupo 2 alocados no grupo 1. Precisão da classificação: grupos de tamanhos diferentes: 40 e 60 Critério da probabilidade máxima: o maior grupo contém 60% da amostra. Como o resultado 86% excede 60%, a precisão da classificação foi alta. Critério da probabilidade proporcional: p2 + (1-p)2 = 0,42 + 0,62 = 0,52. Como o resultado 86% excede 52%, a precisão da classificação foi alta.
Compartilhar