ANÁLISIS DE COMPONENTES PRINCIPALES DE NUESTRA REGRESIÓN LA DEMANDA DE LA PAPA

ANÁLISIS DE COMPONENTES PRINCIPALES DE NUESTRA REGRESIÓN LA DEMANDA DE LA PAPA

• Principal Component Analysis (PCA) es un método estadístico que permite simplificar la complejidad de espacios muestrales con muchas dimensiones a la vez que conserva su información.
• El análisis de componentes principales (ACP) modela la estructura de varianza de un conjunto de variables observadas usando combinaciones lineales de las variables. Estas combinaciones lineales, o componentes, pueden usarse en análisis posteriores, y los coeficientes de combinación, o cargas , pueden usarse para interpretar los componentes. 
• Si bien generalmente necesitamos tantos componentes como variables para reproducir la estructura de varianza original, generalmente esperamos dar cuenta de la mayor parte de la variabilidad original usando una cantidad relativamente pequeña de componentes.
• Podemos, por ejemplo, tener una gran cantidad de variables que describen el estado de salud individual que deseamos reducir a un conjunto manejable. Al formar combinaciones lineales de las variables observadas, podemos lograr la reducción de datos mediante la creación de un puñado de medidas que describen la salud general ( p. ej ., "fuerza", "estado físico", "discapacidades"). Los coeficientes de estas combinaciones lineales se pueden usar para brindar interpretación a las medidas de salud construidas recientemente.
• Los componentes principales de un conjunto de variables se obtienen calculando la descomposición de valores propios de la matriz de varianza observada. El primer componente principal es la combinación lineal de longitud unitaria de las variables originales con varianza máxima. Los componentes principales posteriores maximizan la varianza entre las combinaciones lineales de longitud unitaria que son ortogonales a los componentes anteriores.

REALIZACION DE COMPONENTES PRINCIPALES

• EViews le permite calcular los componentes principales de la matriz de correlación o covarianza estimada de un grupo de series y mostrar los resultados de diversas formas. 
• Puede mostrar la tabla de valores propios y vectores propios, mostrar gráficos de líneas de los valores propios ordenados y examinar diagramas de dispersión de las cargas y las puntuaciones de los componentes. 
• Además, puede guardar las puntuaciones de los componentes y las cargas correspondientes en el archivo de trabajo.

VER LOS COMPONENTES

• Podremos elegir entre mostrar los valores propios y los vectores propios en forma tabular, o mostrar gráficos de líneas de los valores propios ordenados, o diagramas de dispersión de las cargas, puntajes o ambos (biplot). A medida que seleccione diferentes métodos de visualización, el resto del cuadro de diálogo cambiará para proporcionarle diferentes configuraciones.
• Al hacer click en Aceptar , EViews mostrará un carrete que contiene los resultados del análisis de componentes principales y los resultados del procedimiento de selección de factores, con lo que se obtiene la tabla de resultados de los componentes principales:
• Aquí mostramos la tabla. El encabezado describe la muestra de observaciones, el método utilizado para calcular la matriz de dispersión e información sobre el número de componentes retenidos.

...