Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
UNIVERSIDAD GALILEO
FACULTAD DE CIENCIA, TECNOLOGA E INDUSTRIA
DOCTORADO EN ADMINISTRACIN CON
ESPECIALIDAD EN FINANZAS
INTRODUCCIN
El siguiente anlisis de casos, est basado en las tcnicas de anlisis multivariante de
datos (SPSS), el cual est dividido en 3 ejercicios, acompaadas de los anlisis
respectivos, referencias conceptuales y conclusiones de cada caso.
1. EJERCICIO 1: ANLISIS DE REGRESIN
Ventas aos 2006-2014
Ventas aos 2006 2014
2006
2007
2008
2009
2010
2011
2012
2013
2014
2015
3064496.07
3404995.63
3783328.48
4203698.31
4670775.9
5189751
5766390
6407100
7119000
8500,000
R2 Lineal = 0.997
Por lo tanto, representa la relacin grfica entre Ventas anuales y Utilidad neta
R2 = Lineal = 0.997
Media
Desviacin tpica
6481766.1180
12030295.51298
10
4731355.2190
8054708.60791
10
1750410.8990
4046345.76839
10
Interpretacin:
Correlaciones
Correlaciones
Cules son las
ventas anuales?
Correlacin de Pearson
Cules son las ventas anuales?
Sig. (bilateral)
N
10
Correlacin de Pearson
.997
Sig. (bilateral)
.000
**
10
.997**
.988**
.000
.000
10
10
.974**
.000
10
**
Correlacin de Pearson
.988
Sig. (bilateral)
.000
.000
10
10
.974
10
**
10
Conclusiones:
La correlacin entre vas anuales y utilidad neta es de (0.997**). Por lo tanto, nos
est indicando una relacin positiva muy fuerte.
El siguiente paso, con el fin de conocer cunto est influenciado las ventas anuales
en la utilidad neta, vamos a realizar el anlisis de regresin.
Para este anlisis realizaremos los siguientes pasos:
1. Analizar
2. Regresin
3. Lineales
4. Variables
a. Dependiente Y: Utilidad neta
b. Independiente X: Ventas totales anuales
5. Estadsticos
a. Coeficientes de regresin:
i. Estimaciones
ii. Ajuste del modelo
iii. Cambio en R cuadrado
iv. Descriptivas
6
Regresin
Estadsticos descriptivos
Estadsticos descriptivos
Media
Desviacin tpica
2213140.7340
4126359.62741
10
6481766.1180
12030295.51298
10
Correlaciones
Correlaciones
Correlacin de Pearson
Cul es la utilidad
bruta?
1.000
.999
.999
1.000
.000
.000
10
10
10
10
Sig. (unilateral)
Variables introducidas
Variables eliminadas
Mtodo
. Introducir
R cuadrado
R cuadrado
corregida
Error tp. de la
estimacin
.999a
.997
.997
224173.28509
Cambio en R
cuadrado
.997
Estadsticos de cambio
Cambio en F
gl1
gl2
3041.362
Sig. Cambio
en F
.000
Sin embargo, lo que interesa es el R2 = 0.997. (Ver grfica 2). Que al multiplicarlo
por 100, nos indica un porcentaje del 99.7%.
Conclusin:
Anova
ANOVAa
Modelo
Suma de cuadrados
gl
Media cuadrtica
Sig.
Regresin
152839564678209.280
152839564678209.280
3041.362
.000b
Residual
402029293981.518
50253661747.690
153241593972190.800
Total
Y = a+ bx
Anlisis frmula regresin
Coeficientesa
Modelo
Coeficientes no estandarizados
Coeficientes
Sig.
-.088
.932
55.149
.000
tipificados
(Constante)
Cules son las ventas anuales?
Error tp.
-7169.712
81524.706
.343
.006
Beta
.999
Coeficientes
Coeficientesa
Coeficientes
tipificados
Coeficientes no estandarizados
Modelo
1 (Constante)
Error tp.
-7169.712
81524.706
Beta
.006
.999
-7169.712
0.343
8500000
Sig.
-.088
.932
55.149
.000
Y = a + bX
Y = a + bX
Y = -7179.712 + (.343)(8500,000)
Y = 2,908,330.288
Interpretacin:
Conclusin:
La utilidad neta probable para ventas anuales de US$ 8,500,000.00 sera de =
US$ 2,908,330.288
2. EJERCICIO 2: ANLISIS EXPLORATORIO
Realizar un anlisis exploratorio de datos del archivo 10 empresas que contiene los
estados de
10
Cuentas
ventas totales
Ventas Contado
Cuentas por cobrar
rotacin de cuentas por cobrar
promedio ventas crdito da
Costos
Gastos
intereses
Utilidad Bruta
Utilidad neta
Activo
No corriente
Corriente
inventario
Pasivo
No Corriente
Corriente
Cuentas Por pagar
plazo promedio de cuentas por pagar
Compras Al Crdito
Promedio compras al crdito (360)
capital (Patrimonio)
RAZONES
INDICES DE LIQUIDEZ
Razn Corriente
Prueba acida
Capital Neto de Trabajo
RAZONES DE ENDEUDAMIENTO
Razones de endeudamiento
Cobertura de Intereses
INDICES DE EFICIENCIA
Rotacion de Cuentas por cobrar
Rotacion de Cuentas por pagar
Rotacion de inventario
Rotacion de Activos Fijos
Rotacion de Activos Totales
INDICES DE RENTABILIDAD
Rentabilidad Sobre Ventas
Rentabilidad Sobre Activo Total
Rentabilidad sobre patrimonio
servicios
1
645,000.00
516,000.00
129,000.00
5.00
358.33
133,300.22
275,000.00
5,000.00
279,699.78
270,000.00
2,137,637.81
2,117,821.81
19,816.00
7,000.00
1,487,434.99
1,330,450.00
156,984.99
75,000.00
2.10
68,000.00
397.22
650,202.82
servicios
2
470,768.60
362,129.69
108,638.91
4.33
301.77
217,904.23
110,650.94
7,500.00
33,574.52
21,487.69
63,528.55
20,253.80
43,274.75
17,350.00
14,487.79
2,981.12
11,506.67
10,408.10
10.47
1,098.57
31.96
49,040.76
INDICADORES
EMPRESAS
servicios
servicios
3
4
953,293.70 192,176.12
706,143.48 142,352.68
247,150.22
49,823.44
3.86
3.86
686.53
138.40
300,000.00
22,130.42
302,163.00
29,205.72
24,762.00
9,733.91
103,980.48
91,016.54
71,746.53
58,250.59
206,155.60 915,507.68
33,900.12
758,355.15
172,255.48 157,152.53
50,000.00
60,390.12
115,518.95 739,643.84
3,250.00
613,514.46
112,268.95 126,129.38
43,075.00
60,952.54
2.17
2.65
36,960.00
36,961.71
222.32
271.98
90,636.65
175,863.84
ventas
5
1,546,872.01
1,104,908.58
441,963.43
3.50
1,227.68
377,066.44
133,277.92
12,171.15
594,564.22
380,521.10
1,445,284.52
659,977.00
785,307.52
360,000.00
640,297.90
54,490.22
585,807.68
75,891.77
1.23
325,601.00
1,115.26
804,986.62
ventas
6
392,975.75
271,017.76
121,957.99
3.22
338.77
99,965.05
5,266.27
2,667.00
165,786.44
157,497.12
224,084.71
135,575.02
175,898.69
56,419.88
124,615.44
28,937.12
95,678.32
59,427.75
3.13
27,961.25
242.75
186,858.27
ventas
7
7,119,000.00
5,932,500.00
1,186,500.00
6.00
3,295.83
3,559,500.00
153,650.00
35,000.00
2,219,350.00
1,997,415.00
3,005,527.65
870,711.65
2,134,816.00
2,000,000.00
621,056.95
424,700.00
196,356.95
75,000.00
8.22
10,389.45
237.19
2,384,470.70
ventas
8
8,202,375.00
7,132,500.00
1,069,875.00
7.67
2,971.88
3,566,250.00
248,464.88
45,000.00
3,317,785.12
2,986,006.61
5,260,579.50
1,039,329.38
4,221,250.10
3,000,000.00
1,726,874.38
1,185,025.12
1,726,874.38
375,960.00
2.44
260,325.12
1,767.46
3,533,705.12
servicios
9
5,695,200.00
4,746,000.00
949,200.00
6.00
2,636.67
1,200,000.00
1,838,814.88
1,582,000.00
1,815,985.12
1,634,386.61
18,838,284.00
18,451,960.00
386,324.00
100,000.00
16,906,378.88
16,363,595.62
542,783.26
426,585.00
17.80
25,399.00
1,255.51
1,931,905.12
ventas
10
39,600,000.00
26,400,000.00
13,200,000.00
3.00
36,666.67
12,056,000.00
834,334.88
210,320.00
13,509,665.12
12,158,698.61
16,924,005.74
3,736,960.00
13,187,045.74
4,625,000.00
3,851,143.88
2,186,835.62
1,664,308.26
426,585.00
1.76
560,000.00
2,740.51
13,117,661.86
60-75
15-50
%
%
2.00
1.00
u
u
0.13
0.08
-137,168.99
3.76
2.25
31,768.08
1.53
1.09
59,986.53
1.25
0.77
31,023.15
1.34
0.73
199,499.84
1.84
1.25
80,220.37
10.87
0.69
1,938,459.05
2.44
0.71
2,494,375.72
0.71
0.53
-156,459.26
7.92
5.14
11,522,737.48
50.00
5.00
%
veces
47.00
55.94
0.23
4.48
0.56
4.20
0.81
9.35
0.44
48.85
0.56
62.16
0.21
63.41
0.33
73.73
0.90
1.15
0.23
64.23
30-60
45-90
12-24
6-12
6-12
das
das
veces
veces
veces
72.00
171.19
19.04
0.24
0.24
83.08
34.37
12.56
17.88
5.70
93.33
166.25
6.00
20.83
3.43
93.33
135.90
0.37
0.19
0.16
102.86
291.95
1.05
1.67
0.76
111.72
115.19
1.77
2.00
1.21
60.00
43.80
1.78
6.81
1.97
46.96
147.29
1.19
6.86
1.36
60.00
20.23
12.00
0.26
0.25
120.00
204.34
2.61
7.06
1.56
50.00
50.00
50.00
%
%
%
0.52
0.13
0.42
0.06
0.34
0.44
0.10
0.35
0.79
0.41
0.06
0.33
0.34
0.26
0.47
0.58
0.70
0.84
0.34
0.66
0.84
0.42
0.57
0.85
0.34
0.09
0.85
0.46
0.72
0.93
Vlidos
10
10
10
Perdidos
Media
6481766.1180
4731355.2190
1750410.8990
Mediana
1250082.8550
905526.0300
344556.8250
192176.12
142352.68
49823.44a
Desv. tp.
Varianza
12030295.51298
144728010129534.500
8054708.60791
64878330758337.430
4046345.76839
16372914077356.977
Asimetra
2.804
2.587
3.095
.687
.687
.687
Curtosis
8.268
7.195
9.684
1.334
1.334
1.334
39407823.88
26257647.32
13150176.56
Mnimo
192176.12
142352.68
49823.44
Mximo
39600000.00
26400000.00
13200000.00
Suma
64817661.18
47313552.19
17504108.99
25
451320.3875
339351.7075
118628.2200
50
1250082.8550
905526.0300
344556.8250
75
7389843.7500
6232500.0000
1099031.2500
Moda
Rango
Percentiles
12
Por lo tanto, la desviacin estndar es mayor en las ventas totales anuales, ventas
al contado y ventas al crdito. Lo que nos representa una mayor incertidumbre
en los datos.
En consecuencia, las mediciones caen fuera del rango de valores en el cual sera
razonable esperar que ocurrieran si el modelo fuera correcto.
13
7. Asimetra5:
Rango estadstico: (R) o recorrido estadstico al intervalo entre el valor mximo y el valor mnimo; por
ello, comparte unidades con los datos. Permite obtener una idea de la dispersin de los datos, cuanto
mayor es el rango, ms dispersos estn los datos de un conjunto.
5
Las medidas de asimetra son indicadores que permiten establecer el grado de simetra (o asimetra) que
presenta una distribucin de probabilidad de una variable aleatoria sin tener que hacer su representacin
grfica. Por lo tanto, como eje de simetra consideramos una recta paralela al eje de ordenadas que pasa
por la media de la distribucin. Si una distribucin es simtrica, existe el mismo nmero de valores a la
derecha que a la izquierda de la media, por tanto, el mismo nmero de desviaciones con signo positivo
que con signo negativo. Decimos que hay asimetra positiva (o a la derecha) si la "cola" a la derecha de la
media es ms larga que la de la izquierda, es decir, si hay valores ms separados de la media a la derecha.
Diremos que hay asimetra negativa (o a la izquierda) si la "cola" a la izquierda de la media es ms larga
que la de la derecha, es decir, si hay valores ms separados de la media a la izquierda.
14
Ventas anuales totales: 2,804 positiva, por lo tanto, los datos se inclinan a la
izquierda
Ventas al crdito totales anuales: 3.095 positiva, por lo tanto, los datos se
inclinan a la izquierda.
8. Curtosis6:
Ventas anuales totales: 8.268 Positiva, por lo tanto, quiere decir que hay algunos
valores que afectan la distribucin y la hacen leptocrtica7.
Ventas al contado: 7.195 positiva, por lo tanto, quiere decir que hay algunos
valores que afectan la distribucin y la hacen leptocrtica
Ventas al crdito: 9.684 Positiva, quiere decir que hay algunos valores que
afectan la distribucin y la hacen leptocrtica
Esquemas Curtosis
Curtosis: Es una medida de la forma. As, las medidas de curtosis tratan de estudiar la proporcin de la
varianza que se explica por la combinacin de datos extremos respecto a la media en contraposicin con
datos poco alejados de la misma. Una mayor curtosis implica una mayor concentracin de datos muy
cerca de la media de la distribucin coexistiendo al mismo tiempo con una relativamente elevada
frecuencia de datos muy alejados de la misma. Esto explica una forma de la distribucin de frecuencias
con colas muy elevadas y con un centro muy apuntado.
7
Curtosis Leptocrtica: Ms apuntada y con colas ms anchas que la normal. Por lo tanto, la curva
leptocrtica es la que est por encima de la normal, o sea que es ms alta y fina. Hay una mayor
centralizacin de las variables en torno a la media, con valores grandes para el coeficiente
15
Indicadores de liquidez
Estadsticos
Cul es la razn de
Cul es la razn de
Cul es la razn de
razn corriente?
liquidez prueba cida? liquidez de capital neto
de trabajo?
Vlidos
10
10
10
Perdidos
Media
3.1790
1.3240
1605444.1970
Mediana
1.6850
.7500
70103.4500
.13a
.08a
-156459.26a
Desv. tp.
3.48839
1.45664
3606676.94164
Varianza
12.169
2.122
13008118561327.113
Asimetra
1.628
2.384
2.805
.687
.687
.687
Curtosis
1.798
6.137
8.198
1.334
1.334
1.334
Rango
10.74
5.06
11679196.74
Mnimo
.13
.08
-156459.26
Mximo
10.87
5.14
11522737.48
Suma
31.79
13.24
16054441.97
25
1.1150
.6500
-17966.1875
50
1.6850
.7500
70103.4500
75
4.8000
1.5000
2077438.2175
Moda
Percentiles
16
17
aqu
Indicadores de endeudamiento
Estadsticos
Cul es la razn de
endeudamiento?
Vlidos
10
10
Perdidos
Media
.4970
38.7500
Mediana
.5000
52.3950
.23a
1.15a
Desv. tp.
.25069
29.94947
Varianza
.063
896.971
Asimetra
.339
-.345
.687
.687
Curtosis
-1.276
-2.105
1.334
1.334
.69
72.58
Moda
Rango
18
.21
1.15
Mximo
.90
73.73
Suma
4.97
387.50
25
.2300
4.4100
50
.5000
52.3950
75
.7275
63.6150
Percentiles
Indicadores de eficiencia
Estadsticos
19
Cul es la razn
de eficiencia de
rotacin de
cuentas por
pagar?
Cul es la razn
de eficiencia de
rotacin de
inventario?
Cul es la razn
de eficiencia de
rotacin de
activos fijos?
Cul es la razn
de eficiencia de
rotacin de
activos totales?
Vlidos
10
10
10
10
10
Perdidos
Media
84.3280
133.0510
5.8380
6.3800
1.6540
Mediana
88.2050
141.5950
2.2000
4.4050
1.2350
60.00
20.23
.37
.19
.16a
Desv. tp.
24.17972
84.22847
6.45733
7.42944
1.73164
Varianza
584.659
7094.435
41.697
55.197
2.999
-.089
.315
1.185
1.237
1.660
.687
.687
.687
.687
.687
-1.155
-.059
.230
.406
2.737
1.334
1.334
1.334
1.334
1.334
Rango
73.04
271.72
18.67
20.64
5.54
Mnimo
46.96
20.23
.37
.19
.16
Mximo
120.00
291.95
19.04
20.83
5.70
Suma
843.28
1330.51
58.38
63.80
16.54
25
60.0000
41.4425
1.1550
.2550
.2475
50
88.2050
141.5950
2.2000
4.4050
1.2350
75
105.0750
179.4775
12.1400
9.7650
2.3350
Moda
Asimetra
Error tp. de asimetra
Curtosis
Percentiles
20
21
Indicadores de rentabilidad
Estadsticos
Cul es el ndice de
Cul es el ndice de
rentabilidad sobre
rentabilidad sobre activo
ventas?
total?
N
Cul es el ndice de
rentabilidad sobre
patrimonio?
Vlidos
10
10
10
Perdidos
22
.3570
.3880
.6760
Mediana
.3750
.3450
.8150
.34
.06
.84a
Desv. tp.
.16627
.25772
.22979
Varianza
.028
.066
.053
Asimetra
-.794
.097
-.491
.687
.687
.687
Curtosis
.075
-1.749
-1.902
1.334
1.334
1.334
Rango
.52
.66
.60
Mnimo
.06
.06
.33
Mximo
.58
.72
.93
3.57
3.88
6.76
25
.2800
.1200
.4350
50
.3750
.3450
.8150
75
.4750
.6700
.8500
Moda
Suma
Percentiles
23
Vlidos
10
10
Perdidos
Media
4.6440
4862.2530
Mediana
4.0950
957.1050
Moda
Desv. tp.
3.86
138.40a
1.50289
11239.85047
24
2.259
126334238.684
Asimetra
.938
3.095
.687
.687
Curtosis
.132
9.684
1.334
1.334
Rango
4.67
36528.27
Mnimo
3.00
138.40
Mximo
7.67
36666.67
Suma
46.44
48622.53
25
3.4300
329.5200
50
4.0950
957.1050
75
6.0000
3052.8675
Percentiles
25
Cul es el promedio de
las compras al crdito?
Vlidos
10
10
10
Perdidos
Media
5.1970
135269.6100
728.2160
Mediana
2.5450
36960.8550
257.3650
1.23a
1098.57a
31.96a
Desv. tp.
5.37942
186577.00324
901.74558
Varianza
28.938
34810978138.281
813145.094
Asimetra
1.757
1.632
1.583
.687
.687
.687
Curtosis
2.637
1.992
1.685
1.334
1.334
1.334
Rango
16.57
558901.43
2708.55
Mnimo
1.23
1098.57
31.96
Moda
26
17.80
560000.00
2740.51
Suma
51.97
1352696.10
7282.16
25
2.0150
21646.6125
195.5550
50
2.5450
36960.8550
257.3650
75
8.7825
276644.0900
1383.4975
Percentiles
27
Vlidos
10
10
10
Perdidos
Media
2153211.6370
393082.8490
193415.4060
Mediana
338533.2200
201057.4400
18466.5750
22130.43
5266.27
2667.00a
3743439.07308
559302.29681
491828.52873
14013336093867.723
312819059215.524
241895301671.974
Asimetra
2.462
2.335
3.074
.687
.687
.687
Curtosis
6.460
5.612
9.558
1.334
1.334
1.334
Moda
Desv. tp.
Varianza
28
12033869.57
1833548.61
1579333.00
Mnimo
22130.43
5266.27
2667.00
Mximo
12056000.00
1838814.88
1582000.00
Suma
21532116.37
3930828.49
1934154.06
25
124966.4275
90289.6350
6875.0000
50
338533.2200
201057.4400
18466.5750
75
3561187.5000
435205.9700
86330.0000
Percentiles
29
30
Cul es el patrimonio?
Vlidos
10
10
10
Perdidos
Media
4902059.5760
2622746.3000
2292530.1760
Mediana
1791461.1650
689970.8700
727579.7200
63528.55
14497.79
49040.76a
7034053.46743
5147117.66610
3980065.87537
49477908182708.340
26492820268695.477
15840924372279.664
Asimetra
1.593
2.895
2.692
.687
.687
.687
Curtosis
1.062
8.658
7.694
1.334
1.334
1.334
18774755.45
16891881.09
13068621.10
Mnimo
63528.55
14497.79
49040.76
Mximo
18838284.00
16906378.88
13117661.86
Suma
49020595.76
26227463.00
22925301.76
25
219602.4325
122341.3175
154557.0425
50
1791461.1650
689970.8700
727579.7200
75
8176436.0600
2257941.7550
2671779.3050
Moda
Desv. tp.
Varianza
Rango
Percentiles
31
32
Vlidos
10
10
Perdidos
1027616.0000
5.8380
80195.0600
2.2000
Media
Mediana
7000.00
.37a
Desv. tp.
1632311.20254
6.45733
Varianza
2664439861932.537
41.697
Asimetra
1.571
1.185
.687
.687
Curtosis
1.479
.230
1.334
1.334
4618000.00
18.67
Mnimo
7000.00
.37
Mximo
4625000.00
19.04
Suma
10276160.00
58.38
25
41837.5000
1.1550
50
80195.0600
2.2000
75
2250000.0000
12.1400
Moda
Rango
Percentiles
33
EN RESUMEN:
El siguiente paso es realizar un anlisis de brecha para comparar el sector, la empresa y
la competencia para as realizar un portafolio eficiente u ptimo.
34
Es ta do de re s ulta do s y Ba la nc e ge ne ra l
Id
ve nta s
c o nta do
ve nta s
c ue nta s po r
c o bra r
ro ta c i n
c ue nta s
po r
ve nta s
c re dito da
c o s to s
ga s to s
inte re s e s
utilida d bruta
utilida d ne ta
a c tivo
c o rrie nte
a c tivo to ta l
a c tivo no
c o rrie nte
pa s ivo to ta l
pa s ivo no
c o rrie nte
pa s ivo
c o rrie nte
c ue nta s po r
pa ga rpla zo
c ue nta s
c o m pra s
c r dito
pro m e dio
c o m pra s
c r dito
pa trimo nio
1 S e c to r 1
6481766
4731355.21
1750410.89
4.64
4862.25
2153211.64
393082.85
193415.41
2213140.73
1974600.88
4902059.58
2572683.81
2338114.66
1027616
2622746.3
2219377.92
521869
135269.61
5.2
135269.61
728.22
2292530.17
2 Em pre s a 2
7119000
5932500
1186500
3295.83
3559500
153650
35000
2219350
1997415
3005527.65
2134816
870711.65
2000000
621056.95
424700
196356.95
75000
8.22
10389.45
237.19
2384470.7
3 Co mpe te nc ia m ixta 3
645000
516000
129000
358.33
133300.22
275000
5000
279699.78
279999
2137637.81
2117821.81
19816
7000
1487434.99
1330450
156984.99
75000
2.1
68000
397.22
650202.82
4 Co mpe te nc ia s e rvic io s 4
470769
362129.69
108638.91
4.33
301.77
217904.23
110650.94
7500
33574.52
21487.69
63528.55
43274.75
20253.8
17350
14497.79
2981.12
11506.67
10408.1
10.47
1098.57
31.96
49040.76
5 Co mpe te nc ia m ixta 5
953294
706143.48
247150.22
3.86
686.53
300000
302163
24762
103980.48
71746.53
206155.6
172255.48
33900.12
50000
115518.95
3250
112268.95
43075
2.17
36960
222.32
90636.65
6 Co mpe te nc ia s e rvic io s 6
192176
142352.68
49823.44
3.86
138.4
22130.43
29205.72
9733.91
91016.54
58250.59
915507.68
157152.53
758355.15
60390.12
739643.84
613514.46
126129.38
60952.54
2.65
36961.71
271.98
175863.84
7 Co mpe te nc ia ve nta s 7
1546872
1104908.58
441963.43
3.5
1227.68
377066.44
133277.92
12171.15
594564.22
380521.1
1445284.52
785307.52
659977
360000
640297.9
54490.22
585807.68
75891.77
1.23
325601
115.26
804956.62
8 Co mpe te nc ia ve nta s 8
392976
271017.76
121957.99
3.22
338.77
99965.05
5266.27
2667
165786.44
157497.12
224084.71
175898.69
135575.02
56419.88
124615.44
28937.12
95678.32
59427.75
3.13
27961.25
242.75
186858.27
9 Co mpe te nc ia ve nta s 9
8202375
7132500
1069875
7.67
2971.88
3566250
248464.88
45000
3317785.12
2986006.61
5260579.5
4221250.1
1039329.38
3000000
1726874.38
1185025.12
1726874.38
375960
2.44
260325.12
1767.46
3533705.12
10 Co mpe te nc ia ve nta s 10
5695200
4746000
949200
2636.67
1200000
1838814.88
1582000
1815985.12
1634386.61
18838284
386324
18451960
100000
16906378.88
16363595.62
542783.26
426585
17.8
25399
1255.51
1931905.12
11 Co mpe te nc ia m ixta 11
39600000
26400000
13200000
36666.67
12056000
834334.88
210320
13509665.12
12158698.61
16924005.74
13187045.74
3736960
4625000
3851143.88
2186835.62
1664308.26
426585
1.76
560000
2740.51
13117661.86
EN RESUMEN:
ra z n c o rrie
prue
nteba c ca
idapita lene
nde
touda
tracbajo
m
o be
ie nto
rtura inte rero
s etac
s i n cro
uentas
ta c i nc ocue
robra
tac
nta
r is npainve
ro
gar
tanta
c iorio
n aro
ctivo
ta c ifijo
n are
c tivo
nta bilida
to tare
ld nta
ve nta
bilida
s re
d nta
a c tivo
bilidatodtapal trim o nio
3.18
1.32
1605444
0.5
38.75
84.32
10.87
0.69
1938459
0.13
0.08
-137169
3.76
2.25
1.53
133.05
5.84
0.21
63.41
60
43.8
1.78
0.7
55.94
72
171.19
19.04
21768.1
0.23
4.48
83.08
34.37
12.56
1.09
59986.5
0.56
4.2
93.33
166.25
1.25
0.77
31023.2
0.81
9.35
93.33
1.34
0.73
199500
0.44
48.85
1.84
1.25
80220.4
0.56
2.44
0.71
2494376
0.71
0.53
7.92
5.14
6.38
1.65
0.36
0.39
0.68
6.81
1.97
0.34
0.66
0.84
0.24
0.24
0.52
0.13
0.42
17.88
5.7
0.06
0.34
0.44
20.83
3.43
0.1
0.35
0.79
135.9
0.37
0.19
0.16
0.41
0.06
0.33
102.86
291.95
1.05
1.67
0.76
0.34
0.26
0.47
62.16
111.72
115.19
1.77
1.21
0.58
0.7
0.84
0.33
73.73
46.96
147.29
1.19
6.86
1.26
0.42
0.57
0.85
-156459
0.9
1.15
60
20.23
12
0.26
0.25
0.34
0.09
0.85
1.2E+07
0.23
64.23
120
204.34
2.62
7.06
1.56
0.46
0.72
0.93
Ventas totales
Ventas al contado
Ventas al crdito
Preguntas
1. Utilizar anlisis clster jerrquico y no jerrquico (con todos los conglomerados).Para
homogenizar las variables, estandarcelas por medio del procedimiento descriptivos
pidiendo que guarde los valores tipificados como variables.
2. Utilice estas variables tipificadas (en la base de datos original).
3. Indique que casos quedan en cada conglomerado para cada uno de los procedimientos:
3.1. jerrquico
3.2. no jerrquico.
4. Proponga un nombre para cada conglomerado.
Como primer paso,
Cargue en SPSS el archivo de nombre 10 empresas, (archivo abrir datos) se trata
de clasificar a las empresas por las ventas totales, las ventas al contado y las ventas al
crdito.
3.1. ANLISIS
3.1.1. DECRIPTIVOS
3.1.1.1.
Estadsticos descriptivos
Estadsticos descriptivos
N
Mnimo
Mximo
Media
Desv. tp.
10
192176.12
39600000.00
6481766.1180
12030295.51298
10
142352.68
26400000.00
4731355.2190
8054708.60791
10
10
49823.44
13200000.00
1750410.8990
4046345.76839
Como paso siguiente, se procede a tipificar 8 las variables, ya que, al trabajar con
distancias, todas las variables han de venir medidas en las mismas unidades.
Para ste anlisis realizamos los siguientes pasos:
1. Analizar
1.1. Estadsticos descriptivos
1.1.1. Descriptivos
1.1.1.1.
Mnimo
Mximo
Media
Desv. tp.
10
-.52281
2.75290
.0000000
1.00000000
10
-.56973
2.69018
.0000000
1.00000000
10
-.42028
2.82961
.0000000
1.00000000
10
El siguiente paso, es realizar grficos de dispersin 9 en tres dimensiones para las tres
variables tipificadas con el objeto de observar los posibles grupos.
Para ste anlisis realizamos los siguientes pasos:
1. Grficos
1.1. Dispersin
1.1.1. Seleccionamos 3D (Variables tipificadas: Eje X: ventas totales Eje Y: ventas
contado, Eje Z: ventas por cobrar)
Tipificar las variables: Procedimiento para estandarizar las variables y que exista as una comparabilidad
entre las variables. (Prez Lpez, 2004, pg. 447)
9
Grfico de dispersin: Observa la relacin entre dos o ms variables. (Prez Lpez, 2004, pg. 82)
33
Interpretacin:
Se observa que se podra agrupar a los individuos en 2 grupos.
Es siguiente paso es realizar un anlisis de correlaciones Bivariadas10:
Para ste anlisis realizamos los siguientes pasos:
1. Analizar
1.1. Correlaciones
1.1.1. Bivariadas
3.4. Correlaciones:
Correlaciones
Puntuacin Z:
Cuales son las
ventas anuales?
Puntuacin Z: Cuales son las ventas
anuales?
Puntuacin Z:
Cuales son las
ventas al contado?
Puntuacin Z: cuales
son las cuentas por
cobrar?
.997**
.988**
.000
.000
10
10
10
Correlacin de Pearson
.997**
.974**
Sig. (bilateral)
.000
Correlacin de Pearson
Sig. (bilateral)
N
10
.000
10
**
10
**
Correlacin de Pearson
.988
.974
Sig. (bilateral)
.000
.000
10
10
10
10
Correlaciones Bivariadas: Permite comprobar la independencia de las variables continuas. (Prez Lpez,
2004, pg. 446)
34
Historial de conglomeracin
b.
Rangos 2 4
1.1.1.1.2.
Grficos
a.
Dendograma
b.
Horizontal
1.1.1.1.3.
Mtodo
1.1.1.1.4.
Guardar
1.1.1.1.5.
3.6. Conglomerado
Rango 2 4
Perdidos
Total
11
Anlisis jerrquico: Procedimiento que intenta identificar grupos relativamente homogneos de casos o de
variables basndose en caractersticas seleccionadas, mediante un algoritmo que comienza con cada caso o
cada variable en un conglomerado diferente y combina los conglomerados hasta que slo queda uno. (Prez
Lpez, 2004, pg. 440)
35
Porcentaje
Porcentaje
Porcentaje
10
100.0
.0
10
100.0
Interpretacin:
Coeficientes
Prxima etapa
Conglomerado 2
Conglomerado 1
Conglomerado 2
.000
.001
.002
.006
.022
.031
.086
.802
10
28.358
RANGO DE SOLUCIONES 2
CLUSTER
12
Historial de conglomeracin: Muestra los casos o conglomerados combinados en cada etapa, las distancias
entre los casos o los conglomerados que se combinan, as como el ltimo nivel del proceso de aglomeracin
en el que cada caso o variable se uni a su conglomerado correspondiente. (Prez Lpez, 2004, pg. 441)
36
Interpretacin
La columna conglomerado que se combina informa sobre los conglomerados o casos
fundidos en cada etapa. En la primera etapa se han fundido los casos 2 y 6 del archivo de
datos. Como el anlisis se inicia con todos los casos separados en conglomerados
individuales, la primera etapa siempre se refiere a casos individuales. A partir de ese
momento, estos dos casos constituyen el conglomerado 1 y son indivisibles en las etapas
posteriores.
La Columna Coeficientes, ofrece el valor de la distancia la que se encuentran los casos
antes de la fusin. En la primera etapa, la distancia a la que se encuentran los casos 2 y 6
vale 0, lo que significa que se trata de casos con idnticas puntuaciones.
La columna Etapa en la que el conglomerado aparece por primera vez recoge la etapa
en la que se han formado los conglomerados que se estn fundiendo en cada momento. El
valor 0 indica que el conglomerado correspondiente es un caso individual. Un valor mayor
que 0 indica el nmero de etapa en la que se form el conglomerado. En nuestro caso, el
valor 0 nos indica que los conglomerados son casos individuales, lo que significa el
surgimiento de 2 conglomerados.
La columna Prxima etapa, indica la etapa en la que el conglomerado que se acaba de
formar volver a fundirse con otros elementos. En nuestro caso es en las etapas 2, 3, 4, 5 y
8 respectivamente.
3.8. Conglomerado de pertenencia13
Conglomerado de pertenencia
Caso
4 conglomerados
3 conglomerados
2 conglomerados
13
Conglomerado de pertenencia: Permite guardar los conglomerados de pertenencia para una solucin nica o
un rango de soluciones. Las variables pueden emplearse en anlisis posteriores para explorar otras diferencias
entre los grupos. (Prez Lpez, 2004, pg. 442)
37
10
3.9. Dendograma14:
Interpretacin:
Para interpretar estos resultados se recuerda que el objetivo es agrupar los individuos
considerando sus caractersticas. Por lo tanto, tener un solo grupo no aporta informacin.
En consecuencia, sabiendo que a menor distancia los conglomerados son ms homogneos,
es conveniente detener el proceso de unin cuando las lneas horizontales sean muy largas:
en el caso de estudio, se detiene el proceso en la distancia 10 obteniendo 2 clusters.
Se observa en el dendograma la conformacin de 2 grupos:
14
Dendograma: Se usan para evaluar la cohesin de los conglomerados que se han formado y proporcionar
informacin sobre el nmero adecuado de conglomerados que deben conservarse. (Prez Lpez, 2004, pg.
443)
38
3.10.
Variables: Tipificadas
2.1.1.2.
2.1.2. Opciones
2.1.2.1. Informacin de conglomerados de cada caso
3.11.
Anlisis de conglomerados y K-medias
3.11.1. Centros iniciales de los conglomerados
Centros iniciales de los conglomerados
Conglomerado
1
2.75290
-.52281
2.69018
-.56973
2.82961
-.42028
.000
.363
.000
.000
a. Se ha logrado la convergencia debido a que los centros de los conglomerados no presentan ningn cambio o ste es pequeo. El
cambio mximo de coordenadas absolutas para cualquier centro es de .000. La iteracin actual es 2. La distancia mnima entre los
centros iniciales es de 5.650.
15
Anlisis no jerrquico: Procedimiento que intenta identificar grupos de casos relativamente homogneos
basndose en las caractersticas seleccionadas y utilizando un algoritmo que pueden gestionar un gran nmero
de casos. (Prez Lpez, 2004, pg. 437)
39
Conglomerado
Distancia
.300
.324
.259
.363
.184
.336
.600
.761
.402
10
.000
Conglomerado
Distancia
10
0.3
0.324
0.259
0.363
0.184
0.336
0.6
0.761
0.402
Interpretacin:
40
2.75290
-.30588
2.69018
-.29891
2.82961
-.31440
5.308
5.308
3.11.7. ANOVA
ANOVA
Conglomerado
Media cuadrtica
gl
Error
Media cuadrtica
Sig.
gl
1.000
9.000
Vlidos
10.000
Perdidos
.000
41
4. CONCLUSIONES:
En los anteriores anlisis, se pudo comprobar cmo la herramienta de SPSS, se utiliz
como un instrumento de anlisis multivariante de datos Cuantitativos, el cul est diseado
para el manejo de datos estadsticos.
Por lo tanto, esta herramienta es de gran importancia en el diseo y planificacin de
proyectos inmobiliarios, as como tambin permite el anlisis de empresas y su evolucin y
comparacin con el mercado, tambin se pudo observar la utilizacin para predecir las
ventas, as como tambin en el anlisis de estados financieros y balances generales de 10
empresas y la optimizacin del portafolio de negocios combinado con otros programas
como Excel.
Otro valioso ejemplo fue el realizado con el anlisis de regresin, el cul ayuda a la
organizacin a anticipar los cambios de manera que pueda planificar e implementar
estrategias que mejoren los resultados. Al aplicar soluciones de anlisis de regresin a los
datos que ya tiene, su organizacin podr descubrir patrones y asociaciones inesperados y
desarrollar modelos para guiar interacciones de primera lnea. Esto significa que puede
impedir que clientes de gran valor se vayan, vender servicios adicionales a los clientes
actuales, desarrollar productos de forma ms eficaz o identificar y minimizar fraudes y
riesgos. El anlisis de regresin le brinda la capacidad de pronosticar y el poder de
actuar. Todo esto es posible a travs del uso de la herramienta SPSS.
42
BIBLIOGRAFA
43
IBM SPSS Statistics Base 20. (Mayo de 2014). Google. Recuperado el Mayo de
2014, de
ftp://public.dhe.ibm.com/software/analytics/spss/documentation/statistics/20.0/es/cli
ent/Manuals/IBM_SPSS_Statistics_Base.pdf
Lind, D. A., Marchal, W. G., & Wathen, S. .. (2008). Estadstica aplicada a los
negocios y la economa. Mxico D. F.: McGraw-Hill Interamericana.
44