TEORIA DE SISTEMAS

ARROYO ROJAS ELVIS 20030347C

PRIMERO HICE UN MODELO DE REGRESION LOGISTICA CON TODAS LAS VARIABLES
LUEGO UN MODELO QUE TRAS APLICAR UN METODO DE ELIMINACION DE VARIABLES
IRRELEVANTES REDUJO MIS VARIABLES A 10

REGRESION LOGISTICA CON TODO LOS DATOS

DEFINICION DEL PROBLEMA

OBJETIVOS
ENCONTRAR UN MODELO DE PREDICCION PARA SABER CUANDO ABANDONARA LA COMPAA
CHURN UN CLIENTE QUE UTILIZA LLAMADA A LARGA DISTANCIA
VARIABLE DEPENDIENTE
V20 = Abandona (si/no)
VARIABLE INDEPENDIENTES
V1 V2 V3 V4 V5 V6 V7 V8 V9 V10 V11 V12 V13 V14 V15 V16 V17 V18 V19
RESULTADOS E INTERPRETACIONES

Resumen del procesamiento de los casos

Casos no ponderados

Casos seleccionados

N
Incluidos en el anlisis
Casos perdidos
Total

Casos no seleccionados
Total

Porcentaje

3333

100.0

.0

3333

100.0

.0

3333

100.0

a. Si est activada la ponderacin, consulte la tabla de clasificacin para ver el

nmero total de casos.

NOS INDICA QUE NO HAY VALORES PEDIDOS Y LOS CASOS SON 3333
Codificacin de la variable
dependiente
Valor original

Valor interno

No

Yes

NOS MUESTRA LA CODIFICACION DE LA VARIABLE DEPENDIENTE

0 SI NO ABANDONA LA COMPAA
1 SI ABANDONA LA COMPAA

Codificaciones de variables categricas

Codificacin de
parmetros
Frecuencia
V5

V4

(1)

no

2411

1.000

yes

922

.000

no

3010

1.000

yes

323

.000

NOS MUESTRA LA CODIFICACION HECHA POR EL MODELO DONDE LAS

VARIABLES V5 Y V4 SON DICOTOMICAS
BLOQUE 0
Tabla de clasificacin

a,b

Pronosticado
V20
Observado
Paso 0

V20

No

Yes

2850

100.0

Yes

483

.0
85.5

a. En el modelo se incluye una constante.

b. El valor de corte es .500

Historial de iteraciones

Paso 0

correcto

No

Porcentaje global

Iteracin

Porcentaje

a,b,c

-2 log de la

Coeficientes

verosimilitud

Constant

2814.747

-1.420

2758.884

-1.737

2758.293

-1.775

2758.293

-1.775

LAS ESTIMACION HAN CAMBIANDO EN MENOS DE 0.001 EN V4 Y SE

OBSERVA QUE EL PROCESO HA NECESITADO 4 CICLOS PARA ESTIMAR
DE MANERA ADECUADA LA CONSTANTE QUE ES -1.775
Tabla de clasificacin

a,b

Pronosticado
V20
Observado
Paso 0

V20

Porcentaje

No

Yes

correcto

No

2850

100.0

Yes

483

.0

Porcentaje global

85.5

a. En el modelo se incluye una constante.

b. El valor de corte es .500

ELMODELO CON SOLO LA CONSTANTE HA PRONOSTICADO

CORRECTAMENTE UN 85.5% DE LOS CASOS Y NINGUNA PERSONA QUE SE
HAYA RETIRADO HA SIDO DETECTADA

Variables en la ecuacin
B
Paso 0

Constante

-1.775

E.T.
.049

Wald

gl

1301.312

Sig.
1

.000

Exp(B)
.169

BLOQUE 1

Historial
-2 log de la
Iteracin
Paso 1

verosimilitud
1

2415.550

Constant
-3.208

V1
.000

V2
.000

V3
.000

V4(1)
-1.210

V5(1)
.554

V6
.008

2186.137

-6.174

.000

.001

.000

-1.745

1.229

.020

2154.823

-8.135

.000

.001

.000

-1.996

1.818

.031

2153.730

-8.638

.000

.001

.000

-2.050

2.019

.036

2153.728

-8.663

.000

.001

.000

-2.052

2.032

.036

2153.728

-8.663

.000

.001

.000

-2.052

2.032

.036

a. Mtodo: Introducir
b. En el modelo se incluye una constante.
c. -2 log de la verosimilitud inicial: 2758.293

d. La estimacin ha finalizado en el nmero de iteracin 6 porque las estimaciones de los parmetros han cambiado en menos de .0
e. Redundancias en la matriz del diseo:
V9 = 9E-004 - 5E-007*V2 - 5E-008*V3 - 7E-005*V4(1) - 3E-004*V5(1) - 1E-005*V6 + .17*V7 + 1E-006*V8

EL MODELO FINAL SERIA

CHURN=-8.663+0.001V2 -2.052V5+0.36V6+..0.512V19
EL PROCESO TERMINA CON 6 BUCLES DONDE LA CONSTANTE AHORA ES
-8.663 8 (HA CAMBIADO)
Resumen del modelo
-2 log de la
Paso
1

verosimilitud
2153.728

R cuadrado de

R cuadrado de

Cox y Snell

Nagelkerke

.166

.295

a. La estimacin ha finalizado en el nmero de iteracin 6

porque las estimaciones de los parmetros han cambiado en
menos de .001.

2LL DISMINUYO DE 2758.293 HA 2153.728 LO QUE INDICA QUE ESTE

MODELO SE ADECUA MEJOR A LOS DATOS

Tabla de clasificacin

Pronosticado
Observado

V20

Porcentaje

No
Paso 1

V20

Yes

correcto

No

2771

79

97.2

Yes

374

109

22.6

Porcentaje global

86.4

a. El valor de corte es .500

REGRESION LOGISTICA ELIMINANDO DATOS

VEMOS COMO SE COMPORTA NUESTRO MODELO
SI USAMOS EL METODO DELANTE DE WALD
OBTENEMOS

Variables en la ecuacin
B
a

Paso 1

V4(1)

Paso 2

Paso 4

Paso 5

Paso 6

Sig.

Exp(B)

188.916

.000

.176

-.306

.113

7.376

.007

.737

-1.907

.133

205.011

.000

.149

.441

.036

148.424

.000

1.554

-.961

.129

55.750

.000

.382

-1.936

.139

194.591

.000

.144

V7

.012

.001

137.862

.000

1.012

V19

.482

.038

162.251

.000

1.619

Constante

-3.378

.251

181.185

.000

.034

V4(1)

-1.983

.141

197.213

.000

.138

V5(1)

.878

.142

38.391

.000

2.405

V7

.012

.001

138.933

.000

1.013

V19

.486

.038

162.500

.000

1.626

Constante

-4.056

.280

210.422

.000

.017

V4(1)

-2.005

.143

197.151

.000

.135

V5(1)

.919

.143

41.089

.000

2.507

V7

.013

.001

140.077

.000

1.013

V10

.007

.001

35.325

.000

1.007

V19

.499

.039

167.004

.000

1.647

Constante

-5.497

.380

209.176

.000

.004

V4(1)

-1.989

.143

192.287

.000

.137

V5(1)

.935

.144

42.130

.000

2.547

V7

.013

.001

141.750

.000

1.013

V4(1)

Constante
Paso 3

gl

.126

V19
c

Wald

-1.735

Constante
b

E.T.

V4(1)

Paso 7

Paso 8

V10

.007

.001

37.446

.000

1.007

V18

.309

.075

16.922

.000

1.363

V19

.506

.039

169.527

.000

1.658

Constante

-6.488

.457

201.285

.000

.002

V4(1)

-2.011

.144

194.300

.000

.134

V5(1)

.928

.144

41.391

.000

2.529

V7

.013

.001

143.282

.000

1.013

V10

.007

.001

37.789

.000

1.007

V17

-.090

.025

13.265

.000

.914

V18

.322

.075

18.283

.000

1.379

V19

.507

.039

169.626

.000

1.660

Constante

-6.145

.465

174.655

.000

.002

V4(1)

-2.042

.145

197.865

.000

.130

V5(1)

.938

.145

41.975

.000

2.555

V7

.013

.001

144.421

.000

1.013

V10

.007

.001

39.483

.000

1.007

V15

.081

.025

10.947

.001

1.085

V17

-.091

.025

13.427

.000

.913

V18

.324

.075

18.482

.000

1.383

V19

.513

.039

171.854

.000

1.670

-6.945

.529

172.050

.000

.001

.000

.000

4.758

.029

1.000

V4(1)

-2.048

.145

198.844

.000

.129

V5(1)

.931

.145

41.329

.000

2.537

V7

.013

.001

144.749

.000

1.013

V10

.007

.001

39.409

.000

1.007

V15

.080

.025

10.458

.001

1.083

V17

-.090

.025

12.897

.000

.914

V18

.319

.075

17.878

.000

1.376

V19

.511

.039

170.427

.000

1.667

-7.131

.537

176.108

.000

.001

.000

.000

4.862

.027

1.000

V4(1)

-2.047

.145

198.385

.000

.129

V5(1)

2.007

.571

12.351

.000

7.442

V6

.036

.018

3.956

.047

1.036

V7

.013

.001

144.916

.000

1.013

V10

.007

.001

39.444

.000

1.007

V15

.081

.025

10.725

.001

1.084

V17

-.090

.025

13.044

.000

.914

V18

.322

.076

18.111

.000

1.379

Constante
i

Paso 9

V1

Constante
Paso 10

V1

V19
Constante

.511

.039

169.756

.000

1.666

-8.231

.785

110.055

.000

.000

a. Variable(s) introducida(s) en el paso 1: V4.

b. Variable(s) introducida(s) en el paso 2: V19.
c. Variable(s) introducida(s) en el paso 3: V7.
d. Variable(s) introducida(s) en el paso 4: V5.
e. Variable(s) introducida(s) en el paso 5: V10.
f. Variable(s) introducida(s) en el paso 6: V18.
g. Variable(s) introducida(s) en el paso 7: V17.
h. Variable(s) introducida(s) en el paso 8: V15.
i. Variable(s) introducida(s) en el paso 9: V1.
j. Variable(s) introducida(s) en el paso 10: V6.

DONDE SE VE QUE NOS QUEDAMOS CON V1 V4 V5 V6 V7 V10 V15 V17V18Y

V19
Resumen del modelo
-2 log de la
Paso
1
2
3
4
5
6
7
8
9
10

verosimilitud

R cuadrado de

R cuadrado de

Cox y Snell

Nagelkerke

2587.894

.050

.089

2438.196

.092

.163

2287.376

.132

.234

2244.072

.143

.254

2207.893

.152

.270

2190.622

.157

.278

2176.531

.160

.285

2165.519

.163

.289

2160.741

.164

.292

2156.742

.165

.293

a. La estimacin ha finalizado en el nmero de iteracin 5

porque las estimaciones de los parmetros han cambiado en
menos de .001.
b. La estimacin ha finalizado en el nmero de iteracin 6
porque las estimaciones de los parmetros han cambiado en
menos de .001.

2LL ES 2156 SE LOGRO EN EL PASO 10 Y EL MODELO ES

CHURN =-8.231+0.0001V1-2.047V4+2.007V5 +0.036V6+0.013V7+0.007V10+0.081V15

-0.09V17 + 0.322V18 +0.511 V 19