El objetivo de este libro es presentar las técnicas de segmentación más utilizadas hoy en día, aplicables a la obtención de perfiles, reconocimiento de patrones, análisis de mercados, análisis del fraude y otras disciplinas muy en boga en la actualidad. El contenido se dirige a docentes y estudiantes universitarios de todos los niveles que imparten o cursan materias relacionadas con la clasificación y la segmentación. Asimismo, es útil para los profesionales de la Economía, Empresa, Ciencias Sociales, Ciencias Experimentales, Minería de Datos y otras ramas científicas en las que se aplican las técnicas de modernas de segmentación.
El libro comienza introduciendo al lector en los conceptos esenciales para el trabajo con técnicas de clasificación y segmentación. En primer lugar, se abordan las técnicas predictivas de segmentación incluyendo los modelos de variable dependiente limitada (Logit, Probit, recuento, etc.), modelos censurados y truncados, modelos de selección muestral y modelos de duración. A continuación, se tratan las técnicas predictivas de segmentación ad-hoc, incluyendo árboles de decisión y el modelo discriminante. Más adelante, se desarrollan las técnicas descriptivas de segmentación post-hoc entre las que se encuentran el análisis clúster y las redes neuronales. Otro bloque de contenido incluye las técnicas descriptivas de segmentación basadas en la reducción de la dimensión, como el escalamiento multidimensional y el análisis de correspondencias. Finalmente, se desarrollan contenidos relativos al análisis conjunto y a los modelos de ecuaciones estructurales.
Representa un valor añadido fundamental el análisis detallado de las posibilidades del software actual para realizar segmentación. Se utilizan los programas Eviews, SAS, SPSS y STATGRAPHICS. Se hace hincapié en las herramientas de Minería de Datos aplicables a la segmentación, utilizándose en concreto el software SAS Enterprise Miner.
En cuanto a la metodología, cada capítulo comienza con una exposición resumida de los conceptos teóricos y posteriormente se enfoca la parte práctica ilustrando cada concepto teórico con ejemplos desarrollados de forma muy detallada. Los capítulos finalizan con la resolución clara y precisa de problemas representativos del tema en estudio.
Capítulo 1. Técnicas de segmentación. Conceptos y clasificación
Conceptos básicos
Clasificación de las técnicas de segmentación
Capítulo 2. Modelos de variable dependiente limitada. Elección discreta y recuento
Modelos de variable dependiente limitada
Modelos de elección discreta
Modelos de elección discreta binaria
Modelos de elección múltiple
Modelo Logit y Probit Ordenados
Modelos de datos de recuento
SPSS y los modelos de variable dependiente limitada
SAS y los modelos de variable dependiente limitada
SAS y el modelo Probit: Procedimiento PROBIT
Modelos de variable dependiente limitada con Eviews: MLP, Logit y Probit.
Modelos de variable dependiente limitada con STATA: Logit y Probit
STATGRAPHICS y los modelos de variable dependiente limitada
Técnicas predictivas de modelización con SAS Enterprise Miner
Modelos de recuento con Eviews: Poisson, binomial negativa y exponencial
Modelo de Poisson con STATA
Modelo de Poisson con STATGRAPHICS
Capítulo 3. Modelos censurados, truncados, de selección muestral y de duración
Modelos censurados: El modelo Tobit
Selección muestral: modelos truncados
Corrección de la selección muestral: Estimación bietápica de Heckman o Heckit .
Modelos de duración, fallos y supervivencia
SAS y el modelo Tobit de regresión censurada: Procedimiento LIFEREG
SAS y el modelo de supervivencia no paramétrico: Procedimiento LIFETEST
SAS y el modelo de supervivencia de Cox: Procedimiento PHREG
Modelos Tobit censurado y truncado con Eviews.
Modelos Tobit censurado y truncado con STATA.
SPSS y los modelos de duración y supervivencia
STATGRAPHICS y los modelos de duración y supervivencia
Capítulo 4. Segmentación Ad-Hoc. Árboles de decisión
Los árboles de decisión como técnica predictiva de segmentación
Características de los árboles de decisión
Tipos de árboles de decisión
Árboles de decisión con SPSS
Creación de un árbol de decisión. Método CHAID
Métodos CRT y QUEST. Poda de árboles
Árboles de decisión con Enterprise Miner. Nodo TREE
Capítulo 5. Segmentación Ad-Hoc. Modelo discriminante
El modelo de análisis discriminante como técnica de clasificación y segmentación
Hipótesis en el modelo discriminante
Estimación del modelo discriminante
Interpretación de la función discriminante
Clasificación de los individuos
Análisis discriminante canónico
SPSS y el análisis discriminante
SAS y el análisis discriminante: Procedimiento DISCRIM
Ejemplo de análisis discriminante con SAS
SAS y el análisis discriminante canónico: Procedimiento CANDISC
Ejemplo de análisis discriminante canónico
SAS y el análisis discriminante paso a paso: Procedimiento STEPDISC y ejemplo práctico
Predicción y análisis discriminante a través de redes neuronales con el nodo Two Stage Model de SAS Enterprise Miner
Probabilidad de pertenencia a un segmento
Análisis discriminante con STATGRAPHICS
Capítulo 6. Segmentación Post-Hoc. Clustering y redes neuronales
El análisis cluster como técnica de clasificación y segmentación
SPSS y el análisis cluster jerárquico
SPSS y el análisis cluster no jerárquico
SAS y el análisis cluster jerárquico
SAS y el análisis cluster no jerárquico
STATGRAPHICS y el análisis cluster
Análisis cluster con Enterprise Miner. El nodo Clustering
Análisis cluster con redes neuronales: Nodo Som/Kohonen
Capítulo 7. Escalamiento multidimensional
Escalamiento multidimensional
Tipos de escalamiento multidimensional
Modelo de escalamiento métrico
Modelos de escalamiento no métrico
Modelo de escalamiento de diferencias individuales (INDSCAL)
Modelo de escalamiento desdoblado (unfolding)
Modelo de escalamiento con replicación
Modelos GEMSCAL e IDIOSCAL
Modelos para matrices asimétricas
Capítulo 8. Análisis de correspondencias
Análisis de correspondencias
Análisis de correspondencias simples con SPSS
Análisis de correspondencias múltiples con SPSS
Análisis de correspondencias en SAS. Procedimiento CORRESP
Capítulo 9. Análisis conjunto
Introducción al análisis conjunto
Análisis conjunto en el esquema de métodos de reducción de la dimensión
Módulo Categorías de SPSS y procedimientos de reducción de la dimensión
Fases del análisis conjunto según el método del perfil completo
Ejemplo de análisis conjunto con SPSS
Capítulo 10. Ecuaciones estructurales
Modelización con ecuaciones estructurales
Modelo de análisis factorial confirmatorio. Identificación, estimación y diagnosis
Modelo de estructura de la covarianza
Especificación del modelo de medida
Especificación del modelo estructural
Modelo general de estructura de la covarianza
Modelos estructurales con SAS. PROC CALIS
(0 Comentarios)
