Análisis de Correspondencia Múltiple para un Estudio de mercado sobre la elaboración de un nuevo prototipo de Cubrebocas
Fabiola Hernández, Yaret Duran, Francisco Martinez
2022-06-03
Análisis de Correspondencia Múltiple
Este código corresponde al proyecto Estudio de mercado para la elaboración de un nuevo prototipo de Tapabocas.
Puede consultarse en el siguiente link: https://guzlop20.wixsite.com/website-1
Cargar las librerias necesarias.
library(FactoMineR)
library(ade4)##
## Attaching package: 'ade4'## The following object is masked from 'package:FactoMineR':
##
## reconstlibrary(FactoClass)## Loading required package: ggplot2## Loading required package: ggrepel## Loading required package: xtable## Loading required package: scatterplot3dlibrary(factoextra)## Welcome! Want to learn more? See two factoextra-related books at https://goo.gl/ve3WBalibrary(missMDA)
library(readxl)Cargar la base de datos.
(Esta base esta disponible en el siguiente link: https://docs.google.com/spreadsheets/d/1fsrUd2wR0T0SpUPVBatWuIRS74tCkyfW/edit?usp=sharing&ouid=101816877119135543848&rtpof=true&sd=true)
base <- read_excel("cubrebocas.xlsx")Cambiar las varibles a factores.
names(base)## [1] "matricula" "licenciatura"
## [3] "sexo" "edad"
## [5] "leido" "interes.proteger"
## [7] "interesante.moleste" "interesante.lavable"
## [9] "interesante.Facildequitar" "interesante.estético"
## [11] "interesante.precio" "importancia.precio"
## [13] "importancia.moleste" "importancia.estetico"
## [15] "importancia.lavable" "importancia.facildequitar"
## [17] "precio.de.interes" "gustaría.cubrebocas.artesanal"
## [19] "pref.diseño.a.proteccion" "crees.que.es.seguro"
## [21] "cubrebocas.usas.más"Matricula <- as.factor(base$matricula)
Sexo <- as.factor(base$sexo)
Edad <- as.factor(base$edad)
Has.leído <- as.factor(base$leido)
Interés.proteger <- as.factor(base$interes.proteger)
Interés.moleste <- as.factor(base$interesante.moleste)
Interés.lavable <-as.factor(base$interesante.lavable)
Interés.fácildequitar <- as.factor(base$interesante.Facildequitar)
Interés.estético <- as.factor(base$importancia.estetico)
Interés.precio <- as.factor(base$interesante.precio)
Importancia.precio <- as.factor(base$importancia.precio)
Importancia.moleste <- as.factor(base$importancia.moleste)
Importancia.estético <- as.factor(base$importancia.estetico)
Importancia.lavable <- as.factor(base$importancia.lavable)
Importancia.fácildequitar <- as.factor(base$importancia.facildequitar)
Precio <- as.factor(base$precio.de.interes)
Interés.artesanal <- as.factor(base$gustaría.cubrebocas.artesanal)
Consideras.seguro <- as.factor(base$crees.que.es.seguro)
Cubrebocas.usas <- as.factor(base$cubrebocas.usas.más)
Prefieres.diseño <- as.factor(base$pref.diseño.a.proteccion)
Base de datos con las variables.
Base <- cbind.data.frame(Sexo,Edad,Has.leído,Interés.proteger,Interés.moleste,Interés.fácildequitar,Interés.estético,Interés.precio,Importancia.precio,Importancia.moleste,Importancia.estético,Importancia.lavable,Importancia.fácildequitar,Precio,Interés.artesanal,Consideras.seguro,Cubrebocas.usas,Prefieres.diseño)
Base## Sexo Edad Has.leído Interés.proteger Interés.moleste
## 1 Femenino 20 Sí Sí Interesante
## 2 Masculino 20 Sí Sí Muy interesante
## 3 Femenino 19 Sí Sí La más interesante
## 4 Femenino 19 Sí Sí Muy interesante
## 5 Femenino 18 No Sí La más interesante
## 6 Femenino 20 Sí Sí Interesante
## 7 Masculino 20 Sí Sí Poco interesante
## 8 Masculino 23 Sí Sí La más interesante
## 9 Femenino 21 Sí Sí Interesante
## 10 Masculino 19 Sí Sí Muy interesante
## 11 Masculino 20 Sí Sí Interesante
## 12 Femenino 20 Sí Sí La más interesante
## 13 Femenino 19 No Sí Poco interesante
## 14 Femenino 19 Sí Sí Muy interesante
## 15 Femenino 20 Sí Sí Poco interesante
## 16 Femenino 22 Sí Sí La más interesante
## 17 Masculino 24 Sí Sí Muy interesante
## 18 Femenino 18 Sí Sí La más interesante
## 19 Masculino 25 Sí Sí La más interesante, Interesante
## 20 Femenino 18 Sí Sí Muy interesante
## 21 Femenino 24 Sí Sí Interesante
## 22 Femenino 22 No Sí Interesante
## 23 Femenino 22 Sí No lo sé La más interesante
## 24 Masculino 21 No Sí La más interesante
## 25 Masculino 21 Sí Sí Interesante
## 26 Femenino 22 Sí Sí La más interesante, Interesante
## 27 Femenino 23 Sí Sí Muy interesante
## 28 Femenino 22 Sí Sí Interesante
## 29 Femenino 23 Sí Sí Poco interesante
## 30 Femenino 23 Sí Sí Muy interesante
## 31 Masculino 25 Sí Sí La más interesante
## 32 Femenino 22 Sí Sí La más interesante
## 33 Femenino 19 Sí Sí La más interesante
## 34 Femenino 22 Sí Sí Interesante
## 35 Masculino 21 Sí Sí Muy interesante
## 36 Masculino 28 Sí Sí Muy interesante
## Interés.fácildequitar Interés.estético Interés.precio
## 1 Interesante Poco importante Muy interesante
## 2 Interesante Importante Muy interesante
## 3 La más interesante Muy importante Muy interesante
## 4 Muy interesante Nada importante La más interesante
## 5 Interesante Importante La más interesante
## 6 Muy interesante Poco importante La más interesante
## 7 Poco interesante Importante Muy interesante
## 8 Interesante Nada importante Poco interesante
## 9 Poco interesante Importante Nada interesante
## 10 Muy interesante Nada importante Interesante
## 11 Interesante Poco importante Interesante
## 12 La más interesante Muy importante La más interesante
## 13 Nada interesante Muy importante Interesante
## 14 Muy interesante Nada importante Muy interesante
## 15 Interesante Nada importante Poco interesante
## 16 Muy interesante Nada importante La más interesante
## 17 Interesante Poco importante La más interesante
## 18 La más interesante Nada importante Muy interesante
## 19 Poco interesante La más importante La más interesante
## 20 Muy interesante Nada importante La más interesante
## 21 Muy interesante La más importante Muy interesante
## 22 Interesante Importante La más interesante, Interesante
## 23 La más interesante Importante La más interesante
## 24 Nada interesante Nada importante La más interesante, Interesante
## 25 Muy interesante Muy importante Muy interesante
## 26 La más interesante Poco importante La más interesante
## 27 Interesante Poco importante La más interesante
## 28 Muy interesante Nada importante La más interesante
## 29 Poco interesante Nada importante Poco interesante
## 30 Interesante Importante Muy interesante
## 31 Interesante Poco importante Interesante
## 32 La más interesante La más importante La más interesante
## 33 Interesante Muy importante Poco interesante
## 34 Poco interesante Nada importante Interesante
## 35 Interesante Muy importante Muy interesante
## 36 Interesante Importante Muy interesante
## Importancia.precio Importancia.moleste Importancia.estético
## 1 Importante La más importante Poco importante
## 2 La más importante Muy importante Importante
## 3 Importante Poco importante Muy importante
## 4 Importante Muy importante Nada importante
## 5 Nada importante Poco importante Importante
## 6 La más importante Importante Poco importante
## 7 Poco importante Nada importante Importante
## 8 Poco importante La más importante Nada importante
## 9 La más importante Muy importante Importante
## 10 La más importante Poco importante Nada importante
## 11 Muy importante La más importante Poco importante
## 12 La más importante Importante Muy importante
## 13 La más importante Poco importante Muy importante
## 14 Importante Poco importante Nada importante
## 15 La más importante Poco importante Nada importante
## 16 La más importante Importante Nada importante
## 17 Muy importante Importante Poco importante
## 18 Importante La más importante Nada importante
## 19 Muy importante Importante La más importante
## 20 La más importante Muy importante Nada importante
## 21 Muy importante La más importante La más importante
## 22 La más importante Muy importante Importante
## 23 La más importante La más importante Importante
## 24 Importante La más importante Nada importante
## 25 Muy importante Importante Muy importante
## 26 Muy importante Importante Poco importante
## 27 Muy importante Importante Poco importante
## 28 La más importante Muy importante Nada importante
## 29 Importante Importante Nada importante
## 30 La más importante Muy importante Importante
## 31 Muy importante Poco importante Poco importante
## 32 La más importante La más importante La más importante
## 33 Nada importante Muy importante Muy importante
## 34 La más importante Muy importante Nada importante
## 35 La más importante Importante Muy importante
## 36 Muy importante La más importante Importante
## Importancia.lavable Importancia.fácildequitar Precio Interés.artesanal
## 1 Muy importante Nada importante hasta $50 Sí
## 2 Poco importante Nada importante $101 a $150 Sí
## 3 La más importante Nada importante hasta $50 Sí
## 4 La más importante Poco importante hasta $50 Sí
## 5 La más importante Muy importante hasta $50 No
## 6 Nada importante Muy importante hasta $50 Sí
## 7 Muy importante La más importante hasta $50 Sí
## 8 Muy importante Importante hasta $50 Sí
## 9 Poco importante Nada importante $101 a $150 No
## 10 Importante Muy importante hasta $50 No
## 11 Importante Nada importante $51 a $100 Sí
## 12 Nada importante Poco importante $51 a $100 Sí
## 13 Importante Nada importante hasta $50 Sí
## 14 La más importante Muy importante hasta $50 Sí
## 15 Importante Muy importante hasta $50 Sí
## 16 Poco importante Muy importante hasta $50 Sí
## 17 La más importante Nada importante hasta $50 Sí
## 18 Poco importante Muy importante hasta $50 Sí
## 19 Poco importante Poco importante hasta $50 Sí
## 20 Poco importante Importante $51 a $100 Sí
## 21 La más importante La más importante hasta $50 Sí
## 22 Poco importante Nada importante $51 a $100 Sí
## 23 La más importante La más importante hasta $50 Sí
## 24 Muy importante Poco importante hasta $50 No
## 25 Muy importante Importante hasta $50 Sí
## 26 La más importante Nada importante hasta $50 Sí
## 27 La más importante Nada importante hasta $50 Sí
## 28 Poco importante Importante hasta $50 No
## 29 Poco importante Poco importante No pagaría No
## 30 Nada importante Poco importante $51 a $100 Sí
## 31 Importante Poco importante $101 a $150 Sí
## 32 La más importante La más importante hasta $50 No
## 33 Poco importante Poco importante $51 a $100 No
## 34 Importante Poco importante hasta $50 No
## 35 Poco importante Nada importante hasta $50 No
## 36 Nada importante Poco importante hasta $50 No
## Consideras.seguro Cubrebocas.usas Prefieres.diseño
## 1 Sí Mascarilla quirúrgica Sí
## 2 Tal vez KN95 Sí
## 3 Tal vez KN95 No
## 4 Tal vez KN95 No
## 5 Sí Mascarilla quirúrgica Sí
## 6 Sí KN95 No
## 7 Tal vez Mascarilla quirúrgica No
## 8 Sí Mascara de tela No
## 9 Sí Mascarilla quirúrgica No
## 10 Sí Mascarilla quirúrgica No
## 11 Sí Mascarilla quirúrgica No
## 12 Sí KN95 No
## 13 Sí Mascarilla quirúrgica Sí
## 14 Sí Mascara de tela No
## 15 Sí KN95 No
## 16 Tal vez Mascarilla quirúrgica Sí
## 17 Tal vez KN95 No
## 18 Sí KN95 Sí
## 19 Sí KN95 Sí
## 20 Sí Mascarilla quirúrgica No
## 21 Tal vez KN95 Sí
## 22 Sí KN95 No
## 23 Tal vez KN95 Sí
## 24 No sé KN95 No
## 25 Tal vez Carbón activado No
## 26 Sí KN95 No
## 27 Sí Mascarilla quirúrgica No
## 28 No Mascarilla quirúrgica No
## 29 Tal vez KN95 No
## 30 Sí KN95 No
## 31 Sí KN95 No
## 32 Sí KN95 Sí
## 33 Sí Mascarilla quirúrgica No
## 34 Sí KN95 No
## 35 Sí Mascarilla quirúrgica No
## 36 Tal vez Mascarilla quirúrgica No
Vector con el número de categorías por variable.
cats = apply(Base, 2, function(x) nlevels(as.factor(x)))
cats## Sexo Edad Has.leído
## 2 9 2
## Interés.proteger Interés.moleste Interés.fácildequitar
## 2 5 5
## Interés.estético Interés.precio Importancia.precio
## 5 6 5
## Importancia.moleste Importancia.estético Importancia.lavable
## 5 5 5
## Importancia.fácildequitar Precio Interés.artesanal
## 5 4 2
## Consideras.seguro Cubrebocas.usas Prefieres.diseño
## 4 4 2
Aplicar el análisis de correspondencia múltiple.
mca1 = MCA(Base, graph = F)
summary(mca1)##
## Call:
## MCA(X = Base, graph = F)
##
##
## Eigenvalues
## Dim.1 Dim.2 Dim.3 Dim.4 Dim.5 Dim.6 Dim.7
## Variance 0.280 0.237 0.225 0.217 0.201 0.182 0.180
## % of var. 8.531 7.238 6.869 6.629 6.142 5.555 5.484
## Cumulative % of var. 8.531 15.769 22.638 29.267 35.409 40.964 46.449
## Dim.8 Dim.9 Dim.10 Dim.11 Dim.12 Dim.13 Dim.14
## Variance 0.160 0.155 0.136 0.128 0.117 0.103 0.099
## % of var. 4.883 4.736 4.139 3.891 3.556 3.147 3.019
## Cumulative % of var. 51.332 56.067 60.206 64.097 67.653 70.800 73.818
## Dim.15 Dim.16 Dim.17 Dim.18 Dim.19 Dim.20 Dim.21
## Variance 0.096 0.091 0.080 0.072 0.070 0.063 0.056
## % of var. 2.930 2.782 2.447 2.192 2.131 1.913 1.708
## Cumulative % of var. 76.748 79.530 81.977 84.169 86.300 88.213 89.921
## Dim.22 Dim.23 Dim.24 Dim.25 Dim.26 Dim.27 Dim.28
## Variance 0.051 0.044 0.040 0.034 0.032 0.027 0.023
## % of var. 1.567 1.357 1.227 1.043 0.981 0.827 0.711
## Cumulative % of var. 91.488 92.846 94.072 95.115 96.096 96.923 97.635
## Dim.29 Dim.30 Dim.31 Dim.32 Dim.33 Dim.34 Dim.35
## Variance 0.019 0.016 0.014 0.010 0.008 0.006 0.004
## % of var. 0.580 0.492 0.421 0.296 0.257 0.184 0.135
## Cumulative % of var. 98.215 98.706 99.128 99.424 99.681 99.865 100.000
##
## Individuals (the 10 first)
## Dim.1 ctr cos2 Dim.2 ctr cos2 Dim.3 ctr cos2
## 1 | -0.252 0.629 0.028 | -0.390 1.781 0.067 | -0.022 0.006 0.000
## 2 | -0.108 0.115 0.005 | -0.518 3.147 0.106 | 0.581 4.163 0.133
## 3 | -0.016 0.003 0.000 | 0.252 0.745 0.027 | -0.285 1.000 0.034
## 4 | 0.153 0.234 0.013 | 0.461 2.490 0.113 | -0.281 0.976 0.042
## 5 | 0.217 0.467 0.013 | 0.416 2.023 0.046 | 0.062 0.048 0.001
## 6 | -0.317 0.999 0.046 | -0.259 0.787 0.031 | -0.459 2.601 0.096
## 7 | -0.027 0.007 0.000 | -0.343 1.380 0.021 | 1.503 27.873 0.403
## 8 | 0.529 2.775 0.064 | 0.160 0.301 0.006 | 0.283 0.985 0.018
## 9 | 0.378 1.418 0.030 | -0.624 4.566 0.083 | 0.820 8.298 0.143
## 10 | 0.578 3.315 0.141 | 0.077 0.070 0.003 | -0.651 5.231 0.179
##
## 1 |
## 2 |
## 3 |
## 4 |
## 5 |
## 6 |
## 7 |
## 8 |
## 9 |
## 10 |
##
## Categories (the 10 first)
## Dim.1 ctr cos2 v.test Dim.2 ctr cos2 v.test Dim.3
## Femenino | 0.014 0.003 0.000 0.120 | 0.343 1.838 0.236 2.871 | -0.141
## Masculino | -0.029 0.005 0.000 -0.120 | -0.686 3.677 0.236 -2.871 | 0.282
## 18 | 0.440 0.320 0.018 0.784 | 1.013 2.002 0.093 1.807 | -0.187
## 19 | 0.754 1.881 0.114 1.994 | 0.403 0.635 0.033 1.067 | -0.858
## 20 | -0.142 0.078 0.005 -0.413 | -0.722 2.372 0.126 -2.098 | 0.157
## 21 | 0.794 1.391 0.079 1.661 | -0.622 1.008 0.048 -1.302 | 0.835
## 22 | -0.428 0.706 0.044 -1.243 | 0.794 2.870 0.152 2.308 | 0.131
## 23 | 0.388 0.332 0.019 0.811 | -0.204 0.109 0.005 -0.427 | 0.162
## 24 | -1.922 4.076 0.217 -2.757 | 0.046 0.003 0.000 0.066 | -0.060
## 25 | -1.265 1.766 0.094 -1.815 | -0.771 0.774 0.035 -1.107 | -0.805
## ctr cos2 v.test
## Femenino 0.328 0.040 -1.181 |
## Masculino 0.655 0.040 1.181 |
## 18 0.072 0.003 -0.334 |
## 19 3.026 0.147 -2.269 |
## 20 0.118 0.006 0.456 |
## 21 1.911 0.087 1.746 |
## 22 0.082 0.004 0.380 |
## 23 0.072 0.003 0.339 |
## 24 0.005 0.000 -0.085 |
## 25 0.887 0.038 -1.154 |
##
## Categorical variables (eta2)
## Dim.1 Dim.2 Dim.3
## Sexo | 0.000 0.236 0.040 |
## Edad | 0.532 0.458 0.307 |
## Has.leído | 0.116 0.010 0.010 |
## Interés.proteger | 0.069 0.085 0.066 |
## Interés.moleste | 0.260 0.200 0.058 |
## Interés.fácildequitar | 0.243 0.402 0.169 |
## Interés.estético | 0.727 0.548 0.615 |
## Interés.precio | 0.371 0.201 0.400 |
## Importancia.precio | 0.385 0.257 0.230 |
## Importancia.moleste | 0.254 0.087 0.565 |
Data frames para hacer la gráfica con ggplot.
mca1_vars_df = data.frame(mca1$var$coord, Variable = rep(names(cats), cats))
mca1_obs_df = data.frame(mca1$ind$coord)
Gráfica.
ggplot(data = mca1_obs_df, aes(x = Dim.1, y = Dim.2)) + geom_hline(yintercept = 0,
colour = "gray70") + geom_vline(xintercept = 0, colour = "gray70") + geom_point(colour = "gray50",
alpha = 0.7) + geom_density2d(colour = "gray80") + geom_text(data = mca1_vars_df,
aes(x = Dim.1, y = Dim.2, label = rownames(mca1_vars_df), colour = Variable)) +
ggtitle("ACM con todas las variables") + scale_colour_discrete(name = "Variable") +theme_minimal()