La Regresion Categórica (CATREG), y Aplicación de …simposioestadistica.unal.edu.co/fileadmin/content/eventos/... · 2 AtenaidaBeatrízQuintero,DayanaPaolaMengual,SulmiraMedina&AtenaidaPastoraMengual

XXV Simposio Internacional de Estadística 2015Armenia, Colombia, 5, 6, 7 y 8 de Agosto de 2015

La Regresion Categórica (CATREG), y Aplicación de MétodosEstadisticos Multivariados Contribuyen al Análisis de La

Producción Caprina y Ovina en el Municipio de Riohacha,Departamento de La Guajira

Atenaida Beatríz Quintero1,a, Dayana Paola Mengual2,b, Sulmira Medina1,c,Atenaida Pastora Mengual2,d

1Universidad de La Guajira, Riohacha, Colombia2Universidad de Santander, Riohacha, Colombia

ResumenEl sector agropecuario en Colombia es un escenario de gran atractivo mundial para la inversión

extranjera directa. Colombia es un país agropecuario por excelencia, su desarrollo ha logrado quecada año se incrementen las áreas para la explotación pecuaria, cuenta actualmente con 1.142.000fincas de ovinos y 1.088.000 fincas de caprinos, sin embargo el departamento de la guajira cuentacon la mayor cantidad de caprino y ovinos en el país, el consumo de caprino se estima en un 82%de caprinos y el 18% de ovinos según censo elaborado por el (ICA) año 2012. el objetivo de estainvestigación es identificar a partir de criterios estadísticos, análisis multivariado y regresión cate-górica (CATREG) los principales indicadores que inciden en el desarrollo productivo, comercial ysocial de caprinos y ovinos en el municipio de Riohacha departamento de la guajira. el diagnóstico yevaluación de esta investigación es en cuatro escenarios (productores, transportadores, intermediariosy consumidores) se puede decir que los métodos estadísticos multivariados son fundamentales en lasinvestigaciones agropecuarias, ya que se observa que ellos han aportado al análisis de variables cate-góricas o cualitativas (estadística no paramétrica) ya que estos métodos han sido esenciales desde losenfoques Univariados, bivariados, y multivariados, siendo una alternativa válida para el análisis de lainformación, que puede resultar en algunos casos más conveniente que la trasformación de los datospara que se cumplan los supuestos de los métodos estadísticos paramétricos. Como otra alternativade análisis se propuso desde 1972 el modelo lineal generalizado donde la variable respuesta puedepresentar distribuciones: binomial, Poisson, multinomial, geométrica, hipergeometrica, entre otras.Por ser los modelos de regresión de amplia aplicación, se seleccionó el análisis de regresión categórica(CATREG), con el propósito de brindar un detallado análisis de los aspectos teoricoŋpracticos de lasnueve variables, relacionados con indicadores económicos y productivos del ganado caprino y ovino,municipio de Riohacha departamento de La Guajira. En las investigaciones cualitativas, rodríguez etal. (2006), señala el uso de la informática con software especializado. Los métodos estadísticos mul-tivariados cuando involucran variables cualitativas y mixtas, requieren técnicas apropiadas para suanálisis e interpretación, en la reducción de datos cualitativos se aplica el escalamiento óptimo (CAP-CA), en variables mixtas y el análisis de correspondencias múltiples (ACM) en variables categóricas,se aprecia que las variables que más inciden son las relacionadas con indicadores: socioŋeconómico,productivo y reproductivo.

Palabras clave: Análisis de regresión categórica (CATREG), Simposio de Estadística, Métodos Es-tadísticos Multivariados, Ganado CaprinoŋOvino.

aDoctora en Ciencias Veterinarias. E-mail: [email protected]. en Ciencias de la Comunicación. E-mail: [email protected]. en Gerencia de Mercadeo. E-mail: [email protected] principal por la Facultad de Ciencias Económicas y Administrativas. E-mail: [email protected]

1

2 Atenaida Beatríz Quintero, Dayana Paola Mengual, Sulmira Medina & Atenaida Pastora Mengual

AbstractThe agricultural sector in Colombia is a scene of great global attractiveness for foreign direct

investment. Colombia is a farming country par excellence, its development has made each year forlivestock production areas, currently has 1,142,000 1,088,000 farms of sheep and goat farms, howeverGuajira department has the will increméntenlas largest number of goats and sheep in the country,consumption of goat is estimated at 82% of goats and sheep 18% according to census prepared by the(ICA) year 2012. Objective of this research is to identify the basis of criteria statistics, multivariateanalysis and categorical regression (CATREG) the main indicators impacting in the productive, com-mercial and social development of sheep and goats in the town of la Guajira department Riohacha. Indiagnosis and evaluation of this research in four scenarios (producers, transporters, traders and consu-mers) can say that multivariate statistical methods are fundamental in agricultural research becauseit shows that they have contributed to the analysis of categorical or qualitative variables (nonparame-tric statistics) as these methods have been essential since the Univariate approaches, bivariate, andmultivariate being valid for the analysis of alternative information may result in some more suitablecases the transformation of data to be meeting the assumptions of parametric statistical methods. Asanother alternative analysis was proposed since 1972 the generalized linear model where the responsevariable can submit distributions: binomial, Poisson, multinomial, geometric, hypergeometric, amongothers. Because regression models widely applicable categorical regression analysis (CATREG) wasselected in order to provide a detailed analysis of the theoreticalŋpractical nine variables, issues rela-ted to economic and productive indicators of goats and sheep municipality of La Guajira DepartmentRiohacha. In qualitative research, Rodriguez et al. (2006) notes the use of computers with specializedsoftware.

Multivariate statistical methods when they involve qualitative and mixed variables, require appro-priate analysis and interpretation techniques, in which the optimal scaling (CAPCA) stands in mixedvariables multiple correspondence analysis (MCA) in categorical variables shows that the variablesmost impact are those related indicators: socioŋeconomic, productive and reproductive.

Key words: Categorical regression analysis (CATREG), Multivariate Statistical Methods, LivestockCaprinoŋSheep.

1. Introducción

Colombia cuenta con un alto potencial productivo, destacado por su área de producción y su caráctertropical, además su desarrollo ha logrado que cada año se incrementen las áreas disponibles para laexplotación pecuaria y en éstas áreas entre la Alta , Media y Baja Guajira se encuentra ubicado elganado caprino y ovino del municipio de Riohacha, departamento de La Guajira, Colombia (Muñoz,2007). Las cabras y las ovejas poseen la gran ventaja de ser especies con grandes facilidades de consumo dematerial silvestre, por lo que el empleo de técnicas d producción con el silvo pastoreo, crea la posibilidadde aprovechar al máximo la estructura de las zonas de difícil acceso a la ganadería mayor (Boza yGuerrero, 1992). la producción caprina y ovina ha progresado rápidamente en los últimos diez años en eldepartamento de la Guajira y en particular en el municipio de Riohacha área en estudio, en este municipioel ganado caprino y ovino pertenece a la raza criolla que se origina de cruces de razas españolas (Márquez,2006), sin embrago la etnia wayuu tradicionalmente se ha dedicado a la actividad del pastoreo, cría,sacrificio y cuidado del ganado menor, sin aplicación de nuevas tecnologías, mediante el uso de técnicasprimitivas que generan el recurso económico el cual se encarga de satisfacer las necesidades básicas de lasfamilias de esta región. Respecto a lo anteriormente dicho se propone para el desarrollo socioŋeconómicoproductivo de esta investigación científica, la aplicación de la regresión categórica (CATREG) en variablescategóricas o cualitativas teniendo en cuenta que este tipo de variables no es exclusivo del área de lasciencias de la conducta, sociales, humanísticas y pedagógicas sino que también pueden estar presentesen diversas ramas de la ciencias así como las bilógicas y agropecuarias, esto puede estar dado por lapresencia de técnicas no experimentales en la recogida de información, como: encuestas, entrevistas,debates, criterios de expertos, etc., combinadas o no con técnicas experimentales que puede, aportarigualmente variables de este tipo, de acuerdo con los objetivos de la investigación que se desarrolla.

El interés por cuantificar los datos cualitativos data de principios del siglo XX, hasta llegar a sistemastan depurados como el propuesto por la Escuela holandesa de Escalamiento de datos, con los trabajos de

XXV Simposio de Estadística (2015)

La Regresion Categórica (CATREG), y Aplicación de Métodos Estadisticos Multivariados Contribuyen al Análisis de La Producción Caprina y Ovina en el Municipio de Riohacha, Departamento de La Guajira3

Gifi (1981; 1990) y Correa (2008). Se considera que de los Métodos Estadísticos que más han aportadoal análisis de las variables cualitativas, son los de la Estadística no paramétrica han sido esenciales,desde enfoques Univariado, Bivariado y multivariado, siendo una alternativa válida de análisis de lainformación, que algunas veces es más conveniente que la transformación de los datos, para que secumplan los supuestos de los Métodos Estadísticos paramétricos. Se puede asegurar que en la actualidadla Modelación Estadística cuenta con los respaldos teóricos, metodológicos y computacionales que brindanuna gran viabilidad como un área de desarrollo de la Matemática Aplicada y la posibilidad de considerarmodelos paramétricos y no paramétricos (Ojeda, 2004).

En la Estadística Multivariada, se aprecian avances en la aplicación de las técnicas de EscalamientoMultidimensional, Escalamiento Óptimo y los Mapas Auto Organizados Kohonen y coeficiente de esfuer-zos, entre otras, tomando en cuenta diversos trabajos como los de Linares (2001), Miret (2002; 2005),Tapia (2007) y Herrera (2009), entre otros trabajos científicos, el objetivo de esta trabajo es tener encuenta los diferentes procedimientos y nuevos software que ha aportado la estadística para el procesamien-to e interpretación de las variables categóricas o cualitativas, presentando una aplicación del análisis deregresión categórica(CATREG), criterios de análisis multivariado con aplicación del (CAPTCA y ACM)en variables mixtas y variables categóricas.

2. Materiales y Métodos

La investigación se llevó a cabo en el municipio de Riohacha, Departamento de La Guajira-Colombiaárea en estudio

Figura 1: Departamento de la Guajira.

3. Determinación del tamaño de muestra por escenario

Los tamaños de muestras (ni), para análisis multivariado aplicado a la producción-comercializaciónde caprino-ovino en el municipio de Riohacha, departamento de La Guajira. Se diseñaron 334 encuesta,teniendo en cuenta los criterios dados por: Triola (2004), Martínez (2012), en entre otros autores.y técnicade muestreo para variables cualitativas en cuatro escenarios como lo muestra la tabla 1.



Tabla 1: Determinación del tamaño de muestra por escenarioTamaño demuestra

Productores(n1)

Transportadores(n2)

Intermediarios(n3)

Consumidores(n4)

Preliminar (n0) 221 195 119 100

Con corrección para

población finita (ni) 109 70 55 100

4. Diseño metodológico de la investigación

Se realizó una investigación de tipo Exploratorio-descriptivo, con el objetivo de especificar las ca-racterísticas y propiedades más importantes del ganado caprino y ovino en lo productivo, económico ysocial. Como Métodos teóricos de investigación se aplicó: Aanálisis y síntesis, Inducción y deducción y elHistórico-lógico. Como Método empírico de investigación, se utilizó el Diseño no experimental de cortetransversal, con el uso de la encuesta y la Observación científica, para captar información en un tiempoúnico, con el propósito de describir variables y analizar su incidencia e interrelación en un momento dado,considerando los criterios de Hernández et al. (2003) y Tamayo (2003).

En la tabla 2. Se resumen los principales Métodos Estadísticos relacionados con el análisis de variablescategóricas o cualitativas, según el número de variables involucradas. De los procedimientos clásicos repor-tados en esta tabla, los de más amplia aplicación, son los correspondientes a la Estadística no paramétrica.Relacionados con las Ciencias Agropecuarias se reportan los trabajos de De Calzadilla (1999) y Cabrera(2002), en que además se valora el uso de las transformaciones Box-Cox, la tesis doctoral de mi autoríaQuintero (2010) realiza un análisis multivariado aplicado al sistema de producción-comercialización delganado caprino y ovino, utilizando Escalamiento Multidimensional, Mapas Auto Organizados y Escala-miento Óptimo, en las modalidades de Análisis de Componentes Principales Categórico (CATPCA) yAnálisis de Correspondencias Múltiples (ACM), ya que de los cuatro escenarios investigados, dos incluíansolo variables cualitativas ( transportadores y consumidores) y los dos restantes (productores e inter-mediarios) incluían variables con características mixtas, donde se observa predominio de las variablescualitativas. Linares (2001), indica que aunque las primeras ideas del Escalamiento Multidimensionalsurgen en la primera mitad del pasado siglo, su historia comienza con un trabajo de Torgenson en (1952),que fueron perfeccionadas por Kruskal en la década del 60, citado por Quintero (2010). Por otra parteMiret (2002 y 2005), señala que el Escalamiento Multidimensional consiste esencialmente en representardisimilaridades entre objetos o individuos, como distancias entre puntos en un espacio de dimensión re-ducida, mientras que los Mapas Auto Organizados de Kohonen, se caracterizan por su capacidad paraclasificar un conjunto complejo de patrones de manera no supervisada, extrayendo criterios de clasifi-cación no obvios ni expresados de manera explícita, El Análisis de Correspondencias Múltiples (ACM),versión 1.0. Y el Análisis de Regresión Categórica (CATREG), versión 2.1. Los cuales fueron implemen-tados por la Facultad de Ciencias Sociales y de la Conducta, de la Universidad Leiden de Holanda, porel Data Theory Scaling System Group (DTSS). La Regresión Categórica (CATREG), cuantifica datoscategóricos por asignación de valores numéricos a las categorías, resultando una ecuación de regresiónlineal óptima para las variables transformadas, es conocida como CATREG (Regresión Categórica conEscalamiento Óptimo, mediante el uso del Método de los Mínimos Cuadrados Alternados), no siendonecesarias suposiciones sobre la distribución de las variables (SPSS versión 18.0, 2009). El ejemplo deaplicación del CATREG que se muestra presenta una igualdad en el análisis categórico que se hizo con losresultados de la tesis doctoral del análisis multivariado Quintero (2010) autoría defendida y desarrolladaen el convenio de intercambio internacional UNAH-UNIGUAJIRA. (Universidad Agraria de La HabanaCuba, convenio Universidad de La Guajira, Colombia).



Tabla 2: Métodos estadísticos relacionados con variables categóricos

Variable Método descriptivo Método inferencial

Univariado

Moda, mediana, rango, cuantiles, frecuen-cias,porcientos, etcTablas de frecuencia, gráficos de barras,sectores, etc

Docimas de proporciones y Docimas no Pa-ramétricas. series temporales

Bivariado

Tablas de frecuencia bivariadas o tablasde contingencia, medidas de asociación noparamétricas (coeficiente de contingencia,Spearman, Kendall, etc.)Gráficos de barras , mosaico,etc.

Docima chi cuadradoregresión logitregresión probit

Multivariado

Coeficiente de fiabilidad, coeficiente de es-fuerzo (stress)Matriz de correlaciones.Análisis cluster.Análisis de correspondencia múltiple.Escalamiento multidimensional (EMD)Escalamiento óptimo. mapas auto organi-zados (SOM)

Regresión logística. Regresión Poisson.Modelo log lineal. Regresión categórica.Regresión lineal Generalizado.

5. Resultados y Discusión

La información analizada se corresponde con indicadores económicos y productivos de una mues-tra seleccionada al azar de 8 productores de ganado caprino y ovino (indígenas Wayuú), del municipioRiohacha, del departamento de La Guajira, Colombia. En la Tabla 3 se recogen las variables, que fueronseleccionadas mediante una encuesta dirigida a productores. Del procesamiento de la información aporta-da por las variables con el software SPSS versión 18.0, versión 2009, complementado con el StatgraphicsPlus 5.1 (2001), se incluyeron los siguientes aspectos:

• Resultados de la Tabla de ANOVA.

• Significación de los coeficientes de regresión parcial.

• Correlaciones, Importancia y Tolerancia de las variables independientes.

• Coeficientes de determinación.

• Cumplimiento de los supuestos teóricos del modelo (No Multicolinealidad de las variables indepen-dientes y en los errores: Normalidad, Incorrelación y Homocedasticidad)

Tabla 3: Características de las variablesVariables Denominación Clasificación

DependienteY: Indicador que determina la compra-venta Nominal

X1: Familia o casta Nominal

E. Fijos

X2: Animales producidos para el consumo Nominal

X3: Rentabilidad de la comercialización Binaria

X4: Promedio de vida del ganado en meses para el sacrificio. Numérica

X5: Numero de animales caprino y ovino con problemas reproductivos. Numérica

X6: Número de animales caprino y ovino con problemas reproductivos de leche Numérica

X7: Número de animales muertos por enfemedad Numérica

X8: Número de cabras en ordeño Numérica



El ajuste del modelo resultó significativo (F = 2,157; p = 0,045), con un coeficiente de determinación(R2), que indica que el 57,4% de la variabilidad del indicador que determinan la compra-venta, estáexplicada por las variables incluidas en el modelo, lo cual se considera aceptable dadas las condicionesnaturales en que se realizó esta investigación, estando la posibilidad de mejorar este indicador con lainclusión de otras variables de interés y/o explorando otros modelos. La Tabla 4 muestra los coeficientesde regresión parcial estandarizados, indicando que excepto la variable Número de animales muertospor enfermedades, el resto presentan aportes estadísticamente significativos a la variable dependiente orespuesta, de forma positiva o negativa.

Tabla 4: Coeficiente de regresión y su significación

VariableCoeficientes estandarizados

GL F Valor PBeta ES

X1 0.355 0.146 0.146 5.953 0.008

X2 −0.306 0.141 0.141 4.688 0.041

X3 0.283 0.153 0.153 3.415 0.050

X4 −0.491 0.156 0.156 9.964 0.001

X5 0.370 0.166 0.166 4.974 0.008

X6 −0.357 0.149 0.149 5.769 0.024

X7 0.254 0.160 0.160 2.532 0.101

X8 −0.312 0.156 0.156 4.005 0.032

Se observa que la variable X4: Promedio de vida del ganado en meses para el sacrificio, es la quepresenta las más altas correlaciones en cada tipo, siendo estas aceptables, además esta es la variable quese destaca por su importancia relativa.

Los Métodos Estadísticos Multivariados cuando involucran variables cualitativas y mixtas, requierentécnicas apropiadas para su análisis e interpretación, en las que se destaca el Escalamiento. En tal sentido,Linares (2001), señala que aunque en la primera mitad de este siglo surgieron las primeras ideas, lahistoria de las técnicas de EMD, comienza con un trabajo de Torgerson en 1952, quien introdujo eltérmino y esbozó las primeras ideas. En 1962, Shepard hizo una formulación bastante precisa del EMDcuando demostró empíricamente, que si se conocía una ordenación de las distancias entre puntos, podríaencontrarse una configuración de puntos en un espacio euclidiano de baja dimensión cuyas interdistanciaseuclidianas reproducían prácticamente la ordenación original. Las ideas de Shepard fueron refinadas porKruskal en los años 60 y desarrolladas por otros autores como Guttman y Lingoes.

Cuadras (2007), expresa, que en el plano teórico, el EMD, comienza con el teorema de I. J. Schoenbergacerca de la posibilidad de construir las coordenadas de un conjunto de puntos dadas sus distancias. SegúnMiret (2002), el problema del EMD, consiste esencialmente, en representar disimilaridades entre objetos oindividuos como distancias entre puntos en un espacio de dimensión reducida. Multidimensional (EMD).El resultado final es una configuración de puntos que se identifican con los n objetos en un espacioeuclidiano de baja dimensión.

Guerra (2009) propone el esquema de la figura 2. Resumiendo la implementación de estas técnicas, pro-puesta en el software SPSS versión 16.0 (2007), en los procedimientos de Escalamiento Multidimensionaly en Reducción de datos, la técnica de Escalamiento Óptimo.



Figura 2: Resumen de Análisis Multidimensional.

5.1. Productores

En la figura 3 y 4, se refleja el gráfico de las rancherías con las variables, y el mapa de cluster de lostransportadores se puede observar que las rancherías se agrupan en su conjunto con una buena parte delas variables, de las cuales solo ocho de estas variables aparecen más distantes y cinco de ellas, la 15,16, 21, 22 y 23 (Promedio de vida en años del ganado, Promedio de vida del ganado en meses para elsacrificio, Tipos de enfermedades que padece el ganado caprino y ovino, Número de animales muertos porenfermedades y Número de cabras en ordeño respectivamente), corresponden a variables productivas. Yen el mapa de cluster en el cual se observa que los tres primeros Cluster abarcan gran parte del área.

Figura 3: Gráfico conjunto de las rancherías de Productores Indígenas Wayuú con las variables.



Figura 4: Mapa de los cluster de los productores.

Tabla 5: Otros indicadores reportados en la producción caprina y ovinaIndicador %

No reciben asistencia técnica 65.1

Venden por mes de 1 a 5 caprino y ovinos 89.9

Producen de 5 a 25 caprinos-ovinos 50.5

Venta a intermediarios minoristas 66.1

No realizan aportes a la economía del municipio. 66.1

Dificultades con robo de animales 41.3

Mejor lugar para el sacrificio 75.2

Rentabilidad de las ventas 55.0

Ubicación territorial de las rancherías dificulta la ayuda. 43.8

Meses de mayor producción: Enero-Marzo y Julio-Octubre. 72.5

Otros resultados obtenidos de las encuestas realizadas, que con más frecuencia se presentaron en laproducción caprina y ovina en el municipio de Riohacha, se reflejan en la tabla 5. Se destaca que el 89.9%de los productores, solo venden de 1 a 5 caprinos-ovinos, y aunque el 50.5% de estos, producen de 5 a 25animales, esta diferencia entre lo que se vende y se produce, pudiera deberse en buena medida, a que estasfamilias indígenas Wayuú dejan parte de estas producciones para pagar pleitos entre castas, deudas, parael consumo familiar y cumplir con eventos sociales como bautizos, compromisos de parejas (chichamaya)y fallecimientos, entre otros.

5.2. Transportadores

Del análisis de las encuestas realizadas en este escenario, en el que todas las variables son categóricas,los indicadores más frecuentes, se muestran en la tabla 6, se puede apreciar que en general se transportadiariamente de 1-20 animales en vehículos automotores y que existe preferencia de realizar el traslado alMercado público nuevo de Riohacha, donde se realiza el sacrificio y venta del producto. Por otra parte el81.4% de los Transportadores coinciden con el criterio de que en el proceso de venta lo que determina elprecio, es fundamentalmente el peso y tamaño de estos animales.



Tabla 6: Otros indicadores de mayor frecuencia en el escenario Transportadores

Indicador %

Uso de vehículo automotor para el traslado de los animales 85.7

Transporte de los animales desde las rancherías 70.0

Transporte de 1-20 animales diarios 90.0

Determinan el precio por el peso y el tamaño 81.4

Uso del matadero del mercado nuevo 67.1

Traslados al Mercado público nuevo de Riohacha 85.7Procurar mejoras en las condiciones higiénicos sanitarias para el sacri-ficio

65.7

5.3. Intermediarios

Los indicadores más frecuentes, se resumen en la tabla 7, Otros indicadores reflejan que estos inter-mediarios compran en mataderos y/o en carreteras y venden a negocios particulares o en otros estable-cimientos. Es de destacar que más del 70% de los encuestados refieren no utilizar ninguna técnica paraeliminar los desechos del sacrificio, aspecto que refleja las condiciones no favorables en que se desarrollaeste proceso, y debe tenerse en cuenta por su incidencia negativa en el medioambiente del municipio deRiohacha, área en estudio.

Tabla 7: Otros indicadores de mayor frecuencia en los Intermediarios.

Indicador %

Compran de 1 a 20 unidades semanales. 60.0

Ventas a negocios particulares y/o establecimientos (tiendas). 80.0

No utilizan ninguna técnica para eliminar los desechos del sacrificio 70.9

Compran los animales en el matadero y/o en carreteras. 80.0

Volúmenes de compras cubren las demandas. 54.5

Realizan las ventas del ganado en canal. 81.8

5.4. Consumidores

Del análisis de las encuestas realizadas en este escenario, los indicadores más frecuentes, se muestrana continuación: De la figura 5, se resume que un 81% de los consumidores expresan que realizan suscompras teniendo en cuenta: bajos precios, rapidez por la compra y mejor comodidad en la compra;mientras que solo el 19% restante se interesan por la calidad de la carne y el peso adecuado del producto.Estos criterios pudieran estar enmarcados en consumidores de tipo medio-bajo.



Figura 5: Motivos de los consumidores para la compra del ganado caprino y ovino

Por otra parte, de la figura 6. se puede resumir que el 74% de los consumidores del municipio deRiohacha tienen preferencias por la compra de ganado caprino y el 50% de ellos lo compran por kilo-gramos, solo el 26% compra ganado ovino. Esto puede estar motivado porque el ganado caprino en eldepartamento de La Guajira es el más predominante y por lo tanto posee la mayor demanda.

Figura 6: Preferencia o estilos para la compra del ganado caprino y ovino

6. Conclusiones

El análisis realizado permite concluir que: La Estadística continúa aportando a los especialistas de lasdiversas ramas de la ciencia, un amplio campo teórico-práctico y algorítmico para el procesamiento, aná-lisis e interpretación de los resultados de investigaciones que incluyen variables categóricas o cualitativas.

Por el enfoque multidisciplinario de muchas investigaciones, es poco probable que este tipo de variablesno esté presente en una amplia gama de acciones de la actividad investigativa

Existen condiciones para el procesamiento estadístico automatizado de la información, lo cual semanifiesta en la aplicación del CATREG, que resulta una alternativa de análisis para establecer relaciónentre variables, que incluya las de tipo categóricas o cualitativa.

En el caso que se analiza, en que la variable respuesta es nominal y las predictoras son mixtas, fallanlos métodos clásicos asociados a los Modelos de Regresión Lineal Múltiple.

Las fortalezas y debilidades aportadas por el análisis de estos resultados del CATREG, son elementosde valor teórico-práctico, que aportan criterios de utilidad para experiencia futuras, en este ámbito uotros, de la investigación científica.

En la aplicación el análisis multivariado al sistema de producción y comercialización de caprinos y ovi-nos se observaron resultados de variables cualitativas o categóricas utilizando el análisis de corresponden-



cia múltiple (ACM) y para variables mixtas se utilizó el (CATPCA) para analizar variables cuantitativasy cualitativas. Los resultados anteriores unidos con los indicadores de calidad sirvieron para el análisis ymanejo de la información en la producción caprina-ovina del municipio de Riohacha, departamento de laguajira.

Referencias

Boza, J. & Guerrero, J.E. (1992), ‘Estrategias para la alimentación de ovejas y cabras en zonas semiáridasmediterráneas.’, 371–378.

Cabrera, A. (2002), Criterios estadísticos en la descripción del patrón espacial y diseño de muestreos paraThrips palmi Karny en papa., Tesis de Doctorado, Centro Nacional de Salud Agropecuaria (CENSA), La Habana, Cuba.

Correa, G. (2008), Contribuciones al Análisis Multivariante no lineal, Tesis de Doctorado, Universidadde Salamanca, Departamento de Estadística, España.

Cuadras, C. M., (2007), Nuevos Métodos de Análisis Multivariante., CMC. Ed. Barcelona, Barcelona,España.

Cuesta, J.A. (2005), Análisis Multivariante. Departamento de Matemática. Estadística y Computación.,CMC Editions, Universidad de Cantabria, España 55p.

De Calzadilla, J., (1999), Procedimientos de la Estadística no paramétrica. Aplicaciones en las CienciasAgropecuarias. Tesis de Maestría Universidad Agraria de la Habana,San José de las Lajas La Habana,Cuba

Hair, J.F., Anderson, R.E., Tatham, R.L. & Lack, W.C. (1999),Analisis Multivariate., 799.

Hernández , S. R. & Fernández, C. & Baptista, P. (2003), Procedimientos de Escalamiento Muldimensionaly Mapas Auto Organizados para visualizar información relacionada con métodos Estádisticos noparamétricos. Memorias del VII Encuentro de Editores de Revistas Científicas. Instituto de CienciaAnimal. La Habana, La habana, Cuba

Herrera, M. R., Caraballo, Y., Guerra, C. W. & Torres, V. (2009), Metodología de la Investigación.,tercera edn, Mc Graw-Hill. Ed.Interamericana Editores S.A. México, México 684p.

Guerra , C. W. (2009), Apuntes sobre Escalamiento Óptimo y Muyltidimensional. Aplicaciones., CentroUniversitario de Guines. La Habana, La habana, Cuba 15p.

Linares, G. (2001), Escalonamiento Muldimensional:Conceptos y enfoques, Revista Investigación Opera-cional 22(2), 173–183.

Márquez, J. (2006), Protección a la producción de caprinos en Riohacha., Instituto Colombiano Agrope-cuario. CIA Colombia 30p.

Martínez, B. C., (2012),Estadísitca y Muestreo., Ed. Ecoe,Ediciones.13ř. Bogotá Bogotá, Colombia.

Mederos, M.V., Linares, G.& Miret, E. (2004),Una comparación de dos métodos de gradiente en elEscalonamiento Multidimensional, Revista Ciencias Matemáticas 22(1), 44–56.

Miret, E., Linares, G., Miret, E. (2002), Estudio comparativo de procedimientos de Escalonamiento Multi-dimensional a través de experimentos de simulación, Revista Investigación Operacional 23(1), 73–82.

Miret, E. (2005), Un enfoque unificado para técnicas de representación euclidiana, Tesis para optar porel grado de Doctor en Ciencias Matemáticas, UH, La habana La habana, Cuba 148p.



Muñoz, M.D.L. (2007), Secretaría Técnico Nacional de la Cadena Productiva Ovino Caprina, Ministeriode Agricultura y Desarrollo Rural*http://cadenaovinocaprina.blogspot.com/

Ojeda, M.M. (2003),La inferencia en el Muestreo de poblaciones finitas y el análisis de datos de encuetas,Revista Investigación Operacional 24(2), 143–152.

Rodríguez, G., Gil,J.& García, E. (2006), Metodología de la investigación cualitativa, Editorial FélixVarela. La habana, Cuba 378p.

Quintero, A. (2010), Análisis multivariado aplicado al sistema de producción- comercialización del ganadocaprino y ovino en el municipio de Riohacha departamento de la Guajira, Tesis en opción de gradocientífico de Doctor en Ciencias Veterinarias, Universidad Agraria de la Habana (UNAH), San Joséde las Lajas San José de las Lajas, Cuba 100p.

Tamayo, M. (2003),El proceso de Investigación Científica., Ed. Limusa- Noriega, México 440p.

Tapia, J.E. (2007), El escalamiento Óptimo con base en el Análisis de Componentes Principales, no linealespara la construcción de índice de condiciones de vida y socio-económico. Aplicación en el ámbitonacional., Proyecto previo a la obtención del Título de Ingeniero Matemático, Escuela PolitécnicaNacional, Facultad de Ciencias. Quito, Ecuador.

Triola, M. (2004), Estadística, 9ř Edición, México.


Documents

La Regresion Categórica (CATREG), y Aplicación de …simposioestadistica.unal.edu.co/fileadmin/content/eventos/... · 2 AtenaidaBeatrízQuintero,DayanaPaolaMengual,SulmiraMedina&AtenaidaPastoraMengual