análisis 10 empresas spss

TALLER SPSS FINAL

“TALLER SPSS FINAL”Regresión SPSS / Junio 2014

UNIVERSIDAD GALILEOFACULTAD DE CIENCIA, TECNOLOGÍA E INDUSTRIA

DOCTORADO EN ADMINISTRACIÓN CON ESPECIALIDAD EN FINANZAS

ARQ. ALVARO COUTIÑO GCarnet 1300-4393

TALLER SPSS FINAL

Contenido

INTRODUCCIÓN.............................................................................................................2

1. EJERCICIO 1: ANÁLISIS DE REGRESIÓN..........................................................2

2. EJERCICIO 2: ANÁLISIS EXPLORATORIO........................................................8

3. EJERCICIO 3: ANÁLISIS DE CONGLOMERADOS..........................................32

3.1. ANÁLISIS............................................................................................................32

3.1.1. DECRIPTIVOS................................................................................................32

3.1.1.1. Estadísticos descriptivos...............................................................................32

3.2. Estadísticos descriptivos.......................................................................................33

3.3. Gráfico de dispersión............................................................................................33

3.4. Correlaciones:.......................................................................................................34

3.5. ANÁLISIS JERARQUICO DE CONGLOMERADOS......................................35

3.6. Conglomerado......................................................................................................35

3.6.1. Resumen del procesamiento de los casos.........................................................35

3.7. Vinculación promedio (inter-grupos)...................................................................36

3.7.1. Historial de conglomeración.............................................................................36

3.8. Conglomerado de pertenencia..............................................................................37

3.9. Dendograma:........................................................................................................38

3.10. ANÁLISIS NO JERÁRQUICO DE CONGLOMERADOS:...........................39

3.11. Análisis de conglomerados y K-medias............................................................39

3.11.1. Centros iniciales de los conglomerados........................................................39

3.11.2. Historial de iteraciones..................................................................................39

3.11.3. Pertenencia a los conglomerados..................................................................40

3.11.4. Pertenencia conglomerados ordenados por grupo (Realizado en Excel)......40

3.11.5. Centros de los conglomerados finales...........................................................41

3.11.6. Distancias entre los centros de los conglomerados finales...........................41

3.11.7. ANOVA........................................................................................................41

3.11.8. Número de casos en cada conglomerado......................................................41

4. CONCLUSIONES:..................................................................................................42

5. BIBLIOGRAFÍA.....................................................................................................43

1

TALLER SPSS FINAL

INTRODUCCIÓN

El siguiente análisis de casos, está basado en las técnicas de análisis multivariante de

datos (SPSS), el cual está dividido en 3 ejercicios, acompañadas de los análisis

respectivos, referencias conceptuales y conclusiones de cada caso.

1. EJERCICIO 1: ANÁLISIS DE REGRESIÓN Ventas años 2006-2014

Ventas años 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

a. Que puede concluir usted al respecto?

b. Si la venta promedio de aumentará en el año 2015 a US$ 8, 500,000.00 al

año, ¿Cuál sería la utilidad bruta que se esperaría que generara el

portafolio o (la empresa) en el año 2015?

Lo primero es saber si las variables tienen correlación, para esto vamos a analizar si

las variables tienen una relación gráfica:

Relación Gráfica:

Para éste análisis realizamos los siguientes pasos:

1. Insertar información en Vista de datos y vista de variables

2. Gráficos

3. Cuadro de diálogos antiguos

4. Diagrama dispersión simple

5. Eje Y: Variable dependiente: Utilidad neta (Miles)

6. Eje X: Variable independiente: Ventas anuales (Miles)

El siguiente paso es agregar el diagrama de dispersión:

Por lo tanto, el diagrama representa el plano cartesiano y la nube de puntos

representa el flujo de vehículos y los galones vendidos

2

TALLER SPSS FINAL

Gráfico: Diagrama de dispersión: Relación Ventas anuales y Utilidad neta

Ilustración 1 Diagrama de dispersión: Ventas anuales y Utilidades netas

El siguiente paso es agregar la recta:

Gráfico: Línea de ajuste

Interpretaciones:

El diagrama representa el plano cartesiano y la nube de puntos representa las

empresas de estudio.

Por lo tanto, representa la relación gráfica entre Ventas anuales y Utilidad neta

3

R2 Lineal = 0.997

TALLER SPSS FINAL

En consecuencia, la recta es ascendente, lo que nos indica una correlación

positiva.

R2 = Lineal = 0.997

El siguiente paso, es la relación numérica.

Relación numérica:

Para este análisis realizaremos los siguientes pasos:

1. Analizar

2. Correlación

3. Bivariadas

4. Variables

a. Dependiente Y: Utilidad neta operación

b. Independiente X: Ventas totales

5. Opciones:

a. Estadísticos:

i. Medias y desviaciones típicas

ii. Productos cruzados diferenciales y covarianzas

b. Valores perdidos

i. Excluir casos según pareja

6. Coeficiente de correlación:

a. Pearson

7. Prueba de significación:

a. Bilateral

8. Marcar las correlaciones significativas

Correlaciones

Estadísticos descriptivos


Media Desviación típica N

Cuáles son las ventas anuales? 6481766.1180 12030295.51298 10

Cuáles son las ventas al contado? 4731355.2190 8054708.60791 10

Cuáles son las cuentas por cobrar? 1750410.8990 4046345.76839 10

Interpretación:

4

TALLER SPSS FINAL

Correlaciones

CorrelacionesCuáles son las

ventas anuales?Cuáles son las

ventas al contado?

Cuáles son las cuentas por

cobrar?

Cuáles son las ventas anuales?

Correlación de Pearson 1 .997** .988**

Sig. (bilateral) .000 .000

N 10 10 10

Cuáles son las ventas al

contado?

Correlación de Pearson .997** 1 .974**


N 10 10 10

Cuáles son las cuentas por

cobrar?

Correlación de Pearson .988** .974** 1


N 10 10 10

**. La correlación es significativa al nivel 0,01 (bilateral).

Conclusiones:

La correlación entre vas anuales y utilidad neta es de (0.997**). Por lo tanto, nos

está indicando una relación positiva muy fuerte.

El siguiente paso, con el fin de conocer cuánto está influenciado las ventas anuales

en la utilidad neta, vamos a realizar el análisis de regresión.

Para este análisis realizaremos los siguientes pasos:

1. Analizar

2. Regresión

3. Lineales

4. Variables

a. Dependiente Y: Utilidad neta

b. Independiente X: Ventas totales anuales

5. Estadísticos

a. Coeficientes de regresión:

i. Estimaciones

ii. Ajuste del modelo

iii. Cambio en R cuadrado

iv. DescriptivasDónde:

Como resultado del análisis anterior, obtenemos los datos de la regresión para su

análisis

5

TALLER SPSS FINAL

Regresión



Media Desviación típica N

Cuál es la utilidad bruta? 2213140.7340 4126359.62741 10

Cuáles son las ventas anuales? 6481766.1180 12030295.51298 10

Correlaciones

CorrelacionesCuál es la utilidad

bruta?Cuáles son las ventas

anuales?

Correlación de PearsonCuál es la utilidad bruta? 1.000 .999

Cuáles son las ventas anuales? .999 1.000

Sig. (unilateral)Cuál es la utilidad bruta? . .000

Cuáles son las ventas anuales? .000 .

NCuál es la utilidad bruta? 10 10

Cuáles son las ventas anuales? 10 10

Variables introducidas / eliminadas

Variables introducidas/eliminadasa

Modelo Variables introducidas Variables eliminadas Método

1 Cuáles son las ventas anuales?b . Introducir

a. Variable dependiente: Cual es la utilidad bruta?

b. Todas las variables solicitadas introducidas.

Resumen del modelo

Resumen del modelo

Modelo R R cuadradoR cuadrado corregida

Error típ. de la estimación

Estadísticos de cambioCambio en R

cuadradoCambio en F gl1 gl2 Sig. Cambio

en F

1 .999a .997 .997 224173.28509 .997 3041.362 1 8 .000

a. Variables predictoras: (Constante), Cuales son las ventas anuales?

Por lo tanto, en el análisis podemos observar los mismos datos de la correlación de

Pearson.

Dónde:

Correlación de Pearson = 0.999** (Ver tabla).

Sin embargo, lo que interesa es el R2 = 0.997. (Ver gráfica 2). Que al multiplicarlo

por 100, nos indica un porcentaje del 99.7%.

6

TALLER SPSS FINAL

Conclusión:

Se puede afirmar que el las ventas anuales influencian en un 99.7% en la utilidad

neta generada.Anova

ANOVAa

Modelo Suma de cuadrados gl Media cuadrática F Sig.

1

Regresión 152839564678209.280 1 152839564678209.280 3041.362 .000b

Residual 402029293981.518 8 50253661747.690

Total 153241593972190.800 9


b. Variables predictoras: (Constante), Cuales son las ventas anuales?

El siguiente paso, es aplicar la fórmula de regresión en el análisis anterior.

Por lo tanto, se substituyen los valores en la fórmula de regresión obtenidos en el

análisis anterior.

Fórmula

Y = a+ bxAnálisis fórmula regresión

Coeficientesa

Modelo Coeficientes no estandarizados Coeficientes

tipificados

t Sig.

B Error típ. Beta

1(Constante) -7169.712 81524.706 -.088 .932

Cuáles son las ventas anuales? .343 .006 .999 55.149 .000


CoeficientesCoeficientesa

Modelo

Coeficientes no estandarizadosCoeficientes tipificados

t Sig.B Error típ. Beta1 (Constante) -7169.712 81524.706 -.088 .932

Cuáles son las ventas anuales?

.343 .006 .999 55.149 .000


a b X Y

-7169.712 0.343 8500000 Y = a + bX

Y = a + bXY = -7179.712 + (.343)(8500,000)

Y = 2,908,330.288

Interpretación:

7

TALLER SPSS FINAL

Al remplazar los valores en la fórmula de regresión tenemos que el valor de a = -

7169.712 y el valor de b = .343 y el valor de X = 8, 500,000.00 (miles).

Por lo tanto, el valor de Y = 2,908,330.288

Conclusión: La utilidad neta probable para ventas anuales de US$ 8,500,000.00 sería de =

US$ 2,908,330.288

2. EJERCICIO 2: ANÁLISIS EXPLORATORIO

Realizar un análisis exploratorio de datos del archivo 10 empresas que contiene los

estados de resultados y balance general y razones financieras de un portafolio

compuesto por 10 empresas.

Análisis exploratorio de datos:

Como primer paso,

Cargue en SPSS el archivo 10 empresas, (archivo → abrir → datos) este

contiene los balances generales, estado de resultados y razones financieras de las

empresas que están en estudio.

Siguiente paso, Analizar → Estadísticos descriptivos → frecuencias y seleccione las

variables que queremos analizar:

Como primer punto analizaremos las siguientes variables y seguiremos hasta

finalizar con el estudio de todas las variables del estado de resultados, balance general y

razones financieras. En consecuencia, podremos al finalizar realizar el análisis de

brecha de la empresa, la competencia y el sector.

8

TALLER SPSS FINAL

INDICADORESEMPRESAS

servicios servicios servicios servicios ventas ventas ventas ventas servicios ventasCuentas 1 2 3 4 5 6 7 8 9 10ventas totales 645,000.00 470,768.60 953,293.70 192,176.12 1,546,872.01 392,975.75 7,119,000.00 8,202,375.00 5,695,200.00 39,600,000.00Ventas Contado 60-75 % 516,000.00 362,129.69 706,143.48 142,352.68 1,104,908.58 271,017.76 5,932,500.00 7,132,500.00 4,746,000.00 26,400,000.00Cuentas por cobrar 15-50 % 129,000.00 108,638.91 247,150.22 49,823.44 441,963.43 121,957.99 1,186,500.00 1,069,875.00 949,200.00 13,200,000.00rotación de cuentas por cobrar 5.00 4.33 3.86 3.86 3.50 3.22 6.00 7.67 6.00 3.00promedio ventas crédito día 358.33 301.77 686.53 138.40 1,227.68 338.77 3,295.83 2,971.88 2,636.67 36,666.67Costos 133,300.22 217,904.23 300,000.00 22,130.42 377,066.44 99,965.05 3,559,500.00 3,566,250.00 1,200,000.00 12,056,000.00Gastos 275,000.00 110,650.94 302,163.00 29,205.72 133,277.92 5,266.27 153,650.00 248,464.88 1,838,814.88 834,334.88intereses 5,000.00 7,500.00 24,762.00 9,733.91 12,171.15 2,667.00 35,000.00 45,000.00 1,582,000.00 210,320.00Utilidad Bruta 279,699.78 33,574.52 103,980.48 91,016.54 594,564.22 165,786.44 2,219,350.00 3,317,785.12 1,815,985.12 13,509,665.12Utilidad neta 270,000.00 21,487.69 71,746.53 58,250.59 380,521.10 157,497.12 1,997,415.00 2,986,006.61 1,634,386.61 12,158,698.61Activo 2,137,637.81 63,528.55 206,155.60 915,507.68 1,445,284.52 224,084.71 3,005,527.65 5,260,579.50 18,838,284.00 16,924,005.74No corriente 2,117,821.81 20,253.80 33,900.12 758,355.15 659,977.00 135,575.02 870,711.65 1,039,329.38 18,451,960.00 3,736,960.00Corriente 19,816.00 43,274.75 172,255.48 157,152.53 785,307.52 175,898.69 2,134,816.00 4,221,250.10 386,324.00 13,187,045.74inventario 7,000.00 17,350.00 50,000.00 60,390.12 360,000.00 56,419.88 2,000,000.00 3,000,000.00 100,000.00 4,625,000.00Pasivo 1,487,434.99 14,487.79 115,518.95 739,643.84 640,297.90 124,615.44 621,056.95 1,726,874.38 16,906,378.88 3,851,143.88No Corriente 1,330,450.00 2,981.12 3,250.00 613,514.46 54,490.22 28,937.12 424,700.00 1,185,025.12 16,363,595.62 2,186,835.62Corriente 156,984.99 11,506.67 112,268.95 126,129.38 585,807.68 95,678.32 196,356.95 1,726,874.38 542,783.26 1,664,308.26Cuentas Por pagar 75,000.00 10,408.10 43,075.00 60,952.54 75,891.77 59,427.75 75,000.00 375,960.00 426,585.00 426,585.00plazo promedio de cuentas por pagar 2.10 10.47 2.17 2.65 1.23 3.13 8.22 2.44 17.80 1.76Compras Al Crédito 68,000.00 1,098.57 36,960.00 36,961.71 325,601.00 27,961.25 10,389.45 260,325.12 25,399.00 560,000.00Promedio compras al crédito (360) 397.22 31.96 222.32 271.98 1,115.26 242.75 237.19 1,767.46 1,255.51 2,740.51capital (Patrimonio) 650,202.82 49,040.76 90,636.65 175,863.84 804,986.62 186,858.27 2,384,470.70 3,533,705.12 1,931,905.12 13,117,661.86

RAZONES INDICES DE LIQUIDEZ Razón Corriente 2.00 u 0.13 3.76 1.53 1.25 1.34 1.84 10.87 2.44 0.71 7.92Prueba acida 1.00 u 0.08 2.25 1.09 0.77 0.73 1.25 0.69 0.71 0.53 5.14Capital Neto de Trabajo -137,168.99 31,768.08 59,986.53 31,023.15 199,499.84 80,220.37 1,938,459.05 2,494,375.72 -156,459.26 11,522,737.48RAZONES DE ENDEUDAMIENTO Razones de endeudamiento 50.00 % 47.00 0.23 0.56 0.81 0.44 0.56 0.21 0.33 0.90 0.23Cobertura de Intereses 5.00 veces 55.94 4.48 4.20 9.35 48.85 62.16 63.41 73.73 1.15 64.23INDICES DE EFICIENCIA Rotacion de Cuentas por cobrar 30-60 días 72.00 83.08 93.33 93.33 102.86 111.72 60.00 46.96 60.00 120.00Rotacion de Cuentas por pagar 45-90 días 171.19 34.37 166.25 135.90 291.95 115.19 43.80 147.29 20.23 204.34Rotacion de inventario 12-24 veces 19.04 12.56 6.00 0.37 1.05 1.77 1.78 1.19 12.00 2.61Rotacion de Activos Fijos 6-12 veces 0.24 17.88 20.83 0.19 1.67 2.00 6.81 6.86 0.26 7.06Rotacion de Activos Totales 6-12 veces 0.24 5.70 3.43 0.16 0.76 1.21 1.97 1.36 0.25 1.56INDICES DE RENTABILIDAD Rentabilidad Sobre Ventas 50.00 % 0.52 0.06 0.10 0.41 0.34 0.58 0.34 0.42 0.34 0.46Rentabilidad Sobre Activo Total 50.00 % 0.13 0.34 0.35 0.06 0.26 0.70 0.66 0.57 0.09 0.72Rentabilidad sobre patrimonio 50.00 % 0.42 0.44 0.79 0.33 0.47 0.84 0.84 0.85 0.85 0.93

TALLER SPSS FINAL

Análisis de los Estados de Resultados y Balance General del Portafolio de 10 empresas

EstadísticosCuáles son las ventas

anuales?Cuáles son las ventas al

contado?Cuáles son las cuentas por

cobrar?

NVálidos 10 10 10

Perdidos 0 0 0

Media 6481766.1180 4731355.2190 1750410.8990

Mediana 1250082.8550 905526.0300 344556.8250

Moda 192176.12a 142352.68a 49823.44a

Desv. típ. 12030295.51298 8054708.60791 4046345.76839

Varianza 144728010129534.500 64878330758337.430 16372914077356.977

Asimetría 2.804 2.587 3.095

Error típ. de asimetría .687 .687 .687

Curtosis 8.268 7.195 9.684

Error típ. de curtosis 1.334 1.334 1.334

Rango 39407823.88 26257647.32 13150176.56

Mínimo 192176.12 142352.68 49823.44

Máximo 39600000.00 26400000.00 13200000.00

Suma 64817661.18 47313552.19 17504108.99

Percentiles

25 451320.3875 339351.7075 118628.2200

50 1250082.8550 905526.0300 344556.8250

75 7389843.7500 6232500.0000 1099031.2500

a. Existen varias modas. Se mostrará el menor de los valores.

Estado de resultados y balance general

TALLER SPSS FINAL

12

TALLER SPSS FINAL

Resumen e interpretación de datos Descriptivos:

1. Media1:

Cuáles son las ventas anuales:

1.1. Ventas totales anuales Media: Q. 6,481,766.1180

1.2. Ventas al contado totales anuales Media: Q. 4,731,355.2190

1.3. Ventas por cobrar totales anuales Media : Q. 1,750,410.8990

Conclusiones:

La media nos indica que el promedio anual es de Q. 6,481,766.1180 ventas

anuales totales, de las cuales la media de las ventas totales al contado es de Q.

4,731,355.2190 y las ve t al crédito es de Q. 1,750,410.8990

La media o promedio se determina sumando todas las ventas dividido entre el

total de empresas.

2. La desviación estándar2: Muestra la dispersión de los datos con respecto a la media

una vez estandarizada.

2.1. La desviación estándar ventas anuales totales fue de: 12030295.51298 es una

mayor desviación que su media 6481766.1180

2.2. La desviación estándar ventas al contado anuales totales fue de: 8054708.60791

tiene una mayor desviación que su media de 4731355.2190

2.3. La desviación estándar ventas al crédito fue de: 4046345.76839 tiene una

mayor desviación que su media de 1750410.8990 Conclusiones:

Por lo tanto, la desviación estándar es mayor en las ventas totales anuales, ventas

al contado y ventas al crédito. Lo que nos representa una mayor incertidumbre

en los datos.

En consecuencia, las mediciones caen fuera del rango de valores en el cual sería

razonable esperar que ocurrieran si el modelo fuera correcto.

3. La varianza3: Es la desviación estándar elevada al cuadrado.

Ventas totales anuales: 144728010129534.500

1 Media estadística es el promedio de un conjunto de números.2 La desviación estándar o desviación típica: Es una medida de dispersión para variables de razón y de intervalo. Se define como la raíz cuadrada de la varianza de la variable. Por lo tanto, La desviación típica es una medida del grado de dispersión de los datos con respecto al valor promedio. Dicho de otra manera, la desviación estándar es simplemente el "promedio" o variación esperada con respecto a la media aritmética.3 Varianza: Es una medida de dispersión definida como la esperanza del cuadrado de la desviación de dicha variable respecto a su media.

13

TALLER SPSS FINAL

Ventas al contado anuales totales: 64878330758337.430

Ventas al crédito totales anuales: 16372914077356.977

4. Mínimo según tipo de ventas: Ventas anuales totales mínimo: Q. 192,176.12

Ventas al contado totales anuales mínimo: Q. 142,352.68

Ventas al contado totales anuales mínimo: Q 49,823.44

5. Máximo según tipo de ventas: Ventas totales anuales máximo: Q. 3,9600,000.00

Ventas al contado totales anuales máximo: Q. 2,640,0000.00

Ventas al crédito totales anuales máximos: Q. 13,200,000.00

6. Rango4: Nos dice la distancia entre los mínimos y los máximos Ventas totales anuales mínimos y máximos rango: Q. 39,407,823.88

Ventas al contado totales anuales mínimos y máximos: Q. 26,257,647.32

Ventas al crédito totales anuales mínimos y máximos: Q. 13,150,176.56

7. Asimetría5: Ventas anuales totales: 2,804 positiva, por lo tanto, los datos se inclinan a la

izquierda

Ventas al contado anuales totales: 2.587positiva, por lo tanto, los datos se

inclinan a la izquierda.

Ventas al crédito totales anuales: 3.095 positiva, por lo tanto, los datos se

inclinan a la izquierda.

4 Rango estadístico: (R) o recorrido estadístico al intervalo entre el valor máximo y el valor mínimo; por ello, comparte unidades con los datos. Permite obtener una idea de la dispersión de los datos, cuanto mayor es el rango, más dispersos están los datos de un conjunto.5 Las medidas de asimetría son indicadores que permiten establecer el grado de simetría (o asimetría) que presenta una distribución de probabilidad de una variable aleatoria sin tener que hacer su representación gráfica. Por lo tanto, como eje de simetría consideramos una recta paralela al eje de ordenadas que pasa por la media de la distribución. Si una distribución es simétrica, existe el mismo número de valores a la derecha que a la izquierda de la media, por tanto, el mismo número de desviaciones con signo positivo que con signo negativo. Decimos que hay asimetría positiva (o a la derecha) si la "cola" a la derecha de la media es más larga que la de la izquierda, es decir, si hay valores más separados de la media a la derecha. Diremos que hay asimetría negativa (o a la izquierda) si la "cola" a la izquierda de la media es más larga que la de la derecha, es decir, si hay valores más separados de la media a la izquierda.

14

TALLER SPSS FINAL

Ilustración 2 Asimetría positiva y asimetría negativa: Fuente: Wikipedia.

8. Curtosis6:

Ventas anuales totales: 8.268 Positiva, por lo tanto, quiere decir que hay algunos

valores que afectan la distribución y la hacen leptocúrtica7.

Ventas al contado: 7.195 positiva, por lo tanto, quiere decir que hay algunos

valores que afectan la distribución y la hacen leptocúrtica

Ventas al crédito: 9.684 Positiva, quiere decir que hay algunos valores que

afectan la distribución y la hacen leptocúrtica

Esquemas Curtosis

6 Curtosis: Es una medida de la forma. Así, las medidas de curtosis tratan de estudiar la proporción de la varianza que se explica por la combinación de datos extremos respecto a la media en contraposición con datos poco alejados de la misma. Una mayor curtosis implica una mayor concentración de datos muy cerca de la media de la distribución coexistiendo al mismo tiempo con una relativamente elevada frecuencia de datos muy alejados de la misma. Esto explica una forma de la distribución de frecuencias con colas muy elevadas y con un centro muy apuntado.7 Curtosis Leptocúrtica: Más apuntada y con colas más anchas que la normal. Por lo tanto, la curva leptocúrtica es la que está por encima de la normal, o sea que es más alta y fina. Hay una mayor centralización de las variables en torno a la media, con valores grandes para el coeficiente

15

TALLER SPSS FINAL

Indicadores de liquidez

Estadísticos¿Cuál es la razón de

razón corriente?¿Cuál es la razón de

liquidez prueba ácida?¿Cuál es la razón de

liquidez de capital neto de trabajo?

NVálidos 10 10 10

Perdidos 0 0 0

Media 3.1790 1.3240 1605444.1970

Mediana 1.6850 .7500 70103.4500

Moda .13a .08a -156459.26a

Desv. típ. 3.48839 1.45664 3606676.94164

Varianza 12.169 2.122 13008118561327.113

Asimetría 1.628 2.384 2.805


Curtosis 1.798 6.137 8.198


Rango 10.74 5.06 11679196.74

Mínimo .13 .08 -156459.26

Máximo 10.87 5.14 11522737.48

Suma 31.79 13.24 16054441.97

Percentiles

25 1.1150 .6500 -17966.1875

50 1.6850 .7500 70103.4500

75 4.8000 1.5000 2077438.2175


16

TALLER SPSS FINAL

aquí

17

TALLER SPSS FINAL

Indicadores de endeudamiento

Estadísticos

Cuál es la razón de endeudamiento?

Cuál es la razón de cobertura de intereses?

NVálidos 10 10

Perdidos 0 0

Media .4970 38.7500

Mediana .5000 52.3950

Moda .23a 1.15a

Desv. típ. .25069 29.94947

Varianza .063 896.971

Asimetría .339 -.345

Error típ. de asimetría .687 .687

Curtosis -1.276 -2.105

Error típ. de curtosis 1.334 1.334

Rango .69 72.58

Mínimo .21 1.15

Máximo .90 73.73

Suma 4.97 387.50

Percentiles

25 .2300 4.4100

50 .5000 52.3950

75 .7275 63.6150


18

TALLER SPSS FINAL

Indicadores de eficiencia

Estadísticos¿Cuál es la razón de eficiencia de

rotación de cuentas por

cobrar?

¿Cuál es la razón de eficiencia de

rotación de cuentas por

pagar?


rotación de inventario?


rotación de activos fijos?


rotación de activos totales?

NVálidos 10 10 10 10 10

Perdidos 0 0 0 0 0

Media 84.3280 133.0510 5.8380 6.3800 1.6540

Mediana 88.2050 141.5950 2.2000 4.4050 1.2350

Moda 60.00a 20.23a .37a .19a .16a

19

TALLER SPSS FINAL

Desv. típ. 24.17972 84.22847 6.45733 7.42944 1.73164

Varianza 584.659 7094.435 41.697 55.197 2.999

Asimetría -.089 .315 1.185 1.237 1.660

Error típ. de asimetría .687 .687 .687 .687 .687

Curtosis -1.155 -.059 .230 .406 2.737

Error típ. de curtosis 1.334 1.334 1.334 1.334 1.334

Rango 73.04 271.72 18.67 20.64 5.54

Mínimo 46.96 20.23 .37 .19 .16

Máximo 120.00 291.95 19.04 20.83 5.70

Suma 843.28 1330.51 58.38 63.80 16.54

Percentiles

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


20

TALLER SPSS FINAL

21

TALLER SPSS FINAL

Indicadores de rentabilidad

Estadísticos¿Cuál es el índice de

rentabilidad sobre ventas?

¿Cuál es el índice de rentabilidad sobre activo

total?

¿Cuál es el índice de rentabilidad sobre

patrimonio?

NVálidos 10 10 10

Perdidos 0 0 0

22

TALLER SPSS FINAL

Media .3570 .3880 .6760

Mediana .3750 .3450 .8150

Moda .34 .06a .84a

Desv. típ. .16627 .25772 .22979

Varianza .028 .066 .053

Asimetría -.794 .097 -.491


Curtosis .075 -1.749 -1.902


Rango .52 .66 .60

Mínimo .06 .06 .33

Máximo .58 .72 .93

Suma 3.57 3.88 6.76

Percentiles

25 .2800 .1200 .4350

50 .3750 .3450 .8150

75 .4750 .6700 .8500


23

TALLER SPSS FINAL

Rotación de las cuentas por cobrar

Estadísticos¿Cuál es la rotación de cuentas

por cobrar?¿Cuál es el promedio de las ventas al crédito por día?

NVálidos 10 10

Perdidos 0 0

Media 4.6440 4862.2530

Mediana 4.0950 957.1050

Moda 3.86a 138.40a

Desv. típ. 1.50289 11239.85047

24

TALLER SPSS FINAL

Varianza 2.259 126334238.684

Asimetría .938 3.095


Curtosis .132 9.684


Rango 4.67 36528.27

Mínimo 3.00 138.40

Máximo 7.67 36666.67

Suma 46.44 48622.53

Percentiles

25 3.4300 329.5200

50 4.0950 957.1050

75 6.0000 3052.8675


25

TALLER SPSS FINAL

AQUÍ NOS QUEDAMOS

Cuentas por pagar

Estadísticos¿Cuál es el plazo promedio de las

cuentas por pagar?

¿Cuáles son las ventas al crédito totales?

¿Cuál es el promedio de las compras al

crédito?

NVálidos 10 10 10

Perdidos 0 0 0

Media 5.1970 135269.6100 728.2160

Mediana 2.5450 36960.8550 257.3650

Moda 1.23a 1098.57a 31.96a

Desv. típ. 5.37942 186577.00324 901.74558

Varianza 28.938 34810978138.281 813145.094

Asimetría 1.757 1.632 1.583


Curtosis 2.637 1.992 1.685


Rango 16.57 558901.43 2708.55

Mínimo 1.23 1098.57 31.96

26

TALLER SPSS FINAL

Máximo 17.80 560000.00 2740.51

Suma 51.97 1352696.10 7282.16

Percentiles

25 2.0150 21646.6125 195.5550

50 2.5450 36960.8550 257.3650

75 8.7825 276644.0900 1383.4975


27

TALLER SPSS FINAL

Costos, Gastos e intereses bancarios

Estadísticos¿Cuáles son los costos de

la operación?¿Cuáles son los gastos de

la operación?¿Cuáles son los intereses

bancarios?

NVálidos 10 10 10

Perdidos 0 0 0

Media 2153211.6370 393082.8490 193415.4060

Mediana 338533.2200 201057.4400 18466.5750

Moda 22130.43a 5266.27a 2667.00a

Desv. típ. 3743439.07308 559302.29681 491828.52873

Varianza14013336093867.723 312819059215.524 241895301671.974

Asimetría 2.462 2.335 3.074


Curtosis 6.460 5.612 9.558


28

TALLER SPSS FINAL

Rango 12033869.57 1833548.61 1579333.00

Mínimo 22130.43 5266.27 2667.00

Máximo 12056000.00 1838814.88 1582000.00

Suma 21532116.37 3930828.49 1934154.06

Percentiles

25 124966.4275 90289.6350 6875.0000

50 338533.2200 201057.4400 18466.5750

75 3561187.5000 435205.9700 86330.0000


29

TALLER SPSS FINAL

30

TALLER SPSS FINAL

Activo, Pasivo y Patrimonio

Estadísticos¿Cuál es el activo total? ¿Cuál es el pasivo total? ¿Cuál es el patrimonio?

NVálidos 10 10 10

Perdidos 0 0 0

Media 4902059.5760 2622746.3000 2292530.1760

Mediana 1791461.1650 689970.8700 727579.7200

Moda 63528.55a 14497.79a 49040.76a

Desv. típ. 7034053.46743 5147117.66610 3980065.87537

Varianza 49477908182708.340 26492820268695.477 15840924372279.664

Asimetría 1.593 2.895 2.692


Curtosis 1.062 8.658 7.694


Rango 18774755.45 16891881.09 13068621.10

Mínimo 63528.55 14497.79 49040.76

Máximo 18838284.00 16906378.88 13117661.86

Suma 49020595.76 26227463.00 22925301.76

Percentiles

25 219602.4325 122341.3175 154557.0425

50 1791461.1650 689970.8700 727579.7200

75 8176436.0600 2257941.7550 2671779.3050


31

TALLER SPSS FINAL

32

TALLER SPSS FINAL

Inventario:

Estadísticos¿Cuál es el inventario total? ¿Cuál es la razón de eficiencia de

rotación de inventario?

NVálidos 10 10

Perdidos 0 0

Media 1027616.0000 5.8380

Mediana 80195.0600 2.2000

Moda 7000.00a .37a

Desv. típ. 1632311.20254 6.45733

Varianza 2664439861932.537 41.697

Asimetría 1.571 1.185


Curtosis 1.479 .230


Rango 4618000.00 18.67

Mínimo 7000.00 .37

Máximo 4625000.00 19.04

Suma 10276160.00 58.38

Percentiles

25 41837.5000 1.1550

50 80195.0600 2.2000

75 2250000.0000 12.1400


33

TALLER SPSS FINAL

EN RESUMEN:

El siguiente paso es realizar un análisis de brecha para comparar el sector, la empresa y

la competencia para así realizar un portafolio eficiente u óptimo.

34

TALLER SPSS FINAL

Análisis de brecha para comparar el sector – la empresa – y la competencia.Empresas y Sector

Id ventasventas contado

cuentas por cobrar

rotación cuentas por

ventas credito día

costos gastos intereses utilidad bruta utilidad neta activo totalactivo corriente

activo no corriente

inventario pasivo totalpasivo no corriente

pasivo corriente

cuentas por pagarplazo cuentas

compras crédito

promedio compras crédito

patrimonio

1 Sector 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 Empresa 2 7119000 5932500 1186500 6 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 Competencia mixta 3 645000 516000 129000 5 358.33 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 Competencia servicios 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 Competencia mixta 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 Competencia servicios 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 Competencia ventas 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 Competencia ventas 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 Competencia ventas 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 Competencia ventas 10 5695200 4746000 949200 6 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 Competencia mixta 11 39600000 26400000 13200000 3 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

Estado de resultados y Balance general

indicadores de endeudamiento

razón corrienteprueba ácidacapital neto trabajoendeudamientocobertura interesesrotación cuentas cobrarrotación cuentas pagarrotación inventariorotacion activo fijorotación activo totalrentabilidad ventasrentabilidad activo totalrentabilidad patrimonio

3.18 1.32 1605444 0.5 38.75 84.32 133.05 5.84 6.38 1.65 0.36 0.39 0.68

10.87 0.69 1938459 0.21 63.41 60 43.8 1.78 6.81 1.97 0.34 0.66 0.84

0.13 0.08 -137169 0.7 55.94 72 171.19 19.04 0.24 0.24 0.52 0.13 0.42

3.76 2.25 21768.1 0.23 4.48 83.08 34.37 12.56 17.88 5.7 0.06 0.34 0.44

1.53 1.09 59986.5 0.56 4.2 93.33 166.25 6 20.83 3.43 0.1 0.35 0.79

1.25 0.77 31023.2 0.81 9.35 93.33 135.9 0.37 0.19 0.16 0.41 0.06 0.33

1.34 0.73 199500 0.44 48.85 102.86 291.95 1.05 1.67 0.76 0.34 0.26 0.47

1.84 1.25 80220.4 0.56 62.16 111.72 115.19 1.77 2 1.21 0.58 0.7 0.84

2.44 0.71 2494376 0.33 73.73 46.96 147.29 1.19 6.86 1.26 0.42 0.57 0.85

0.71 0.53 -156459 0.9 1.15 60 20.23 12 0.26 0.25 0.34 0.09 0.85

7.92 5.14 1.2E+07 0.23 64.23 120 204.34 2.62 7.06 1.56 0.46 0.72 0.93

Indicadores Financieros

Indicadores de liquidez indicadores de rentabilidadIndicadores de eficiencia

EN RESUMEN:

La información brindada en el análisis descriptivo se utiliza para

este propósito de comparar la media del sector con la media de la

empresa y los competidores, para así comparar el desempeño de la

empresa comparado con el sector y la competencia.

TALLER SPSS FINAL

3. EJERCICIO 3: ANÁLISIS DE CONGLOMERADOS

1. Con la técnica de Análisis de conglomerados clasificar a las 10 empresas siguientes

según:

Ventas totales

Ventas al contado

Ventas al crédito

Preguntas

1. Utilizar análisis clúster jerárquico y no jerárquico (con todos los conglomerados).Para

homogenizar las variables, estandarícelas 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. jerárquico

3.2. no jerárquico.

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

crédito.

3.1. ANÁLISIS

3.1.1. DECRIPTIVOS

3.1.1.1. Estadísticos descriptivos


N Mínimo Máximo Media Desv. típ.

Cuáles son las ventas anuales? 10 192176.12 39600000.00 6481766.1180 12030295.51298

Cuáles son las ventas al contado? 10 142352.68 26400000.00 4731355.2190 8054708.60791

Cuáles son las cuentas por cobrar? 10 49823.44 13200000.00 1750410.8990 4046345.76839

N válido (según lista) 10

Como paso siguiente, se procede a tipificar8 las variables, ya que, al trabajar con

distancias, todas las variables han de venir medidas en las mismas unidades.


1. Analizar

1.1. Estadísticos descriptivos

1.1.1. Descriptivos

1.1.1.1. Guardar valores tipificados como variables

3.2. Estadísticos descriptivos


N Mínimo Máximo Media Desv. típ.Puntuación Z: Cuales son las ventas anuales? 10 -.52281 2.75290 .0000000 1.00000000

Puntuación Z: Cuales son las ventas al contado? 10 -.56973 2.69018 .0000000 1.00000000

Puntuación Z: cuales son las cuentas por cobrar? 10 -.42028 2.82961 .0000000 1.00000000

N válido (según lista) 10

El siguiente paso, es realizar gráficos de dispersión9 en tres dimensiones para las tres

variables tipificadas con el objeto de observar los posibles grupos.

Para éste análisis realizamos los siguientes pasos:1. Gráficos

1.1. Dispersión

1.1.1. Seleccionamos 3D (Variables tipificadas: Eje X: ventas totales Eje Y: ventas

contado, Eje Z: ventas por cobrar)

3.3. Gráfico de dispersión

8 Tipificar las variables: Procedimiento para estandarizar las variables y que exista así una comparabilidad entre las variables. (Pérez López, 2004, pág. 447)9 Gráfico de dispersión: Observa la relación entre dos o más variables. (Pérez López, 2004, pág. 82)

33

Interpretación: Se observa que se podría agrupar a los individuos en 2 grupos.

Es siguiente paso es realizar un análisis de correlaciones Bivariadas10:


1. Analizar

1.1. Correlaciones

1.1.1. Bivariadas

3.4. Correlaciones:

CorrelacionesPuntuación Z: Cuales son las

ventas anuales?

Puntuación Z: Cuales son las

ventas al contado?

Puntuación Z: cuales son las

cuentas por cobrar?

Puntuación Z: Cuales son las ventas

anuales?

Correlación de Pearson 1 .997** .988**


N 10 10 10

Puntuación Z: Cuales son las ventas

al contado?

Correlación de Pearson .997** 1 .974**


N 10 10 10

Puntuación Z: cuales son las

cuentas por cobrar?

Correlación de Pearson .988** .974** 1


N 10 10 10

**. La correlación es significativa al nivel 0,01 (bilateral).

Se observa que existen dos posibles grupos.

10 Correlaciones Bivariadas: Permite comprobar la independencia de las variables continuas. (Pérez López, 2004, pág. 446)

34

3.5. ANÁLISIS JERARQUICO11 DE CONGLOMERADOS

El siguiente paso es realizar un análisis de jerárquico


1. Analizar

1.1. Clasificar

1.1.1. Conglomerado jerárquico

1.1.1.1. Variables: Tipificadas

1.1.1.1.1. Estadísticos

a. Historial de conglomeración

b. Rangos 2 – 4

1.1.1.1.2. Gráficos

a. Dendograma

b. Horizontal

1.1.1.1.3. Método

1.1.1.1.4. Guardar

1.1.1.1.5. Rango 2 – 43.6. Conglomerado

3.6.1. Resumen del procesamiento de los casos

Resumen del procesamiento de los casosa,b

Casos

Válidos Perdidos Total

N Porcentaje N Porcentaje N Porcentaje

10 100.0 0 .0 10 100.0

a. distancia euclídea al cuadrado usada

b. Vinculación promedio (Inter-grupos)

11 Análisis jerárquico: Procedimiento que intenta identificar grupos relativamente homogéneos de casos o de variables basándose en características seleccionadas, mediante un algoritmo que comienza con cada caso o cada variable en un conglomerado diferente y combina los conglomerados hasta que sólo queda uno. (Pérez López, 2004, pág. 440)

35

Interpretación:

Se muestran el número de porcentaje de casos válidos analizados, el número y

porcentaje de casos con valores perdidos en alguna de las variables incluidas en los

análisis y el tamaño total de la muestra, que no es otra cosa que la suma de los casos

válidos y los perdidos. (Análiss de conglomerados, 2014, pág. 477)

En la tabla siguiente, se muestra el historial del proceso de conglomeración, etapa por

etapa. Por lo tanto en cada etapa se unen dos elementos, como la muestra analizada tienen

10 casos sólo se realizan 9 etapas de fusión.

3.7. Vinculación promedio (inter-grupos)

3.7.1. Historial de conglomeración12

Historial de conglomeración

Etapa Conglomerado que se combina Coeficientes Etapa en la que el conglomerado aparece

por primera vez

Próxima etapa

Conglomerado 1 Conglomerado 2 Conglomerado 1 Conglomerado 2

1 2 6 .000 0 0 2

2 1 2 .001 0 1 3

3 1 4 .002 2 0 4

4 1 3 .006 3 0 5

5 1 5 .022 4 0 8

6 7 8 .031 0 0 7

7 7 9 .086 6 0 8

8 1 7 .802 5 7 9

9 1 10 28.358 8 0 0

Interpretación

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 análisis se inicia con todos los casos separados en conglomerados

individuales, la primera etapa siempre se refiere a casos individuales. A partir de ese

12 Historial de conglomeración: Muestra los casos o conglomerados combinados en cada etapa, las distancias entre los casos o los conglomerados que se combinan, así como el último nivel del proceso de aglomeración en el que cada caso o variable se unió a su conglomerado correspondiente. (Pérez López, 2004, pág. 441)

36

RANGO DE SOLUCIONES 2

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 fusión. 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 idénticas 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 están fundiendo en cada momento. El

valor 0 indica que el conglomerado correspondiente es un caso individual. Un valor mayor

que 0 indica el número de etapa en la que se formó 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 “Próxima etapa”, indica la etapa en la que el conglomerado que se acaba de

formar volverá 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

1 1 1 1

2 1 1 1

3 1 1 1

4 1 1 1

5 1 1 1

6 1 1 1

7 2 2 1

8 2 2 1

9 3 2 1

10 4 3 2

13 Conglomerado de pertenencia: Permite guardar los conglomerados de pertenencia para una solución única o un rango de soluciones. Las variables pueden emplearse en análisis posteriores para explorar otras diferencias entre los grupos. (Pérez López, 2004, pág. 442)

37

3.9. Dendograma14:

Interpretación:

Para interpretar estos resultados se recuerda que el objetivo es agrupar los individuos

considerando sus características. Por lo tanto, tener un solo grupo no aporta información.

En consecuencia, sabiendo que a menor distancia los conglomerados son más homogéneos,

es conveniente detener el proceso de unión cuando las líneas 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 conformación de 2 grupos:

Grupo A: 2, 6, 1, 3, 5, 7, 8, 9 (Empresas de ventas, alquileres, servicios o mixtas que

operan preferiblemente al contado y poco financiamiento.)

Grupo B: 10. (Empresa distribuidora de automóviles que su modelo de negocios

principal es el financiamiento, leasing, o renta de vehículos.)

14 Dendograma: Se usan para evaluar la cohesión de los conglomerados que se han formado y proporcionar información sobre el número adecuado de conglomerados que deben conservarse. (Pérez López, 2004, pág. 443)

38

El siguiente paso es el realizar un análisis no jerárquico

3.10. ANÁLISIS NO JERÁRQUICO15 DE CONGLOMERADOS:


2. Analizar

2.1. Clasificar

2.1.1. Conglomerado de K-medias

2.1.1.1. Variables: Tipificadas

2.1.1.2. Numero de conglomerados (2)

2.1.2. Opciones

2.1.2.1. Información de conglomerados de cada caso3.11. Análisis de conglomerados y K-medias

3.11.1. Centros iniciales de los conglomerados

Centros iniciales de los conglomerados

Conglomerado

1 2

Puntuación Z: Cuales son las ventas anuales? 2.75290 -.52281

Puntuación Z: Cuales son las ventas al contado? 2.69018 -.56973

Puntuación Z: cuales son las cuentas por cobrar? 2.82961 -.42028

3.11.2. Historial de iteraciones

Historial de iteracionesa

Iteración Cambio en los centros de los conglomerados

1 2

1 .000 .363

2 .000 .000

a. Se ha logrado la convergencia debido a que los centros de los conglomerados no presentan ningún cambio o éste es pequeño. El

cambio máximo de coordenadas absolutas para cualquier centro es de .000. La iteración actual es 2. La distancia mínima entre los

centros iniciales es de 5.650.

15 Análisis no jerárquico: Procedimiento que intenta identificar grupos de casos relativamente homogéneos basándose en las características seleccionadas y utilizando un algoritmo que pueden gestionar un gran número de casos. (Pérez López, 2004, pág. 437)

39

3.11.3. Pertenencia a los conglomerados

Pertenencia a los conglomerados

Número de caso Conglomerado Distancia

1 2 .300

2 2 .324

3 2 .259

4 2 .363

5 2 .184

6 2 .336

7 2 .600

8 2 .761

9 2 .402

10 1 .000

3.11.4. Pertenencia conglomerados ordenados por grupo

(Realizado en Excel)

Pertenencia a los conglomerados

Número de caso Conglomerado Distancia

10 1 0

1 2 0.3

2 2 0.324

3 2 0.259

4 2 0.363

5 2 0.184

6 2 0.336

7 2 0.6

8 2 0.761

9 2 0.402

Interpretación:

Grupo A: 2, 6, 1, 3, 5, 7, 8, 9 (Empresas de ventas, alquileres, servicios o mixtas que

operan preferiblemente al contado y poco financiamiento.)

Grupo B: 10. (Empresa distribuidora de automóviles que su modelo de negocios

principal es el financiamiento, leasing, o renta de vehículos.)

40

3.11.5. Centros de los conglomerados finales

Centros de los conglomerados finales

Conglomerado

1 2

Puntuación Z: Cuales son las ventas anuales? 2.75290 -.30588

Puntuación Z: Cuales son las ventas al contado? 2.69018 -.29891

Puntuación Z: cuales son las cuentas por cobrar? 2.82961 -.31440

3.11.6. Distancias entre los centros de los conglomerados finales

Distancias entre los centros de los conglomerados finales

Conglomerado 1 2

1 5.308

2 5.308

3.11.7. ANOVA

ANOVAConglomerado Error F Sig.

Media cuadrática gl Media cuadrática glPuntuación Z: Cuales son las ventas anuales?

8.421 1 .072 8 116.251 .000

Puntuación Z: Cuales son las ventas al contado?

8.041 1 .120 8 67.095 .000

Puntuación Z: cuales son las cuentas por cobrar?

8.896 1 .013 8 686.570 .000

Las pruebas F sólo se deben utilizar con una finalidad descriptiva puesto que los conglomerados han sido elegidos para maximizar las diferencias entre los casos en diferentes conglomerados. Los niveles críticos no son corregidos, por lo que no pueden interpretarse como pruebas de la hipótesis de que los centros de los conglomerados son iguales.

3.11.8. Número de casos en cada conglomerado

Número de casos en cada conglomerado

Conglomerado1 1.000

2 9.000

Válidos 10.000

Perdidos .000

41

4. CONCLUSIONES:

En los anteriores análisis, se pudo comprobar cómo la herramienta de SPSS, se utilizó

como un instrumento de análisis multivariante de datos Cuantitativos, el cuál está diseñado

para el manejo de datos estadísticos.

Por lo tanto, esta herramienta es de gran importancia en el diseño y planificación de

proyectos inmobiliarios, así como también permite el análisis de empresas y su evolución y

comparación con el mercado, también se pudo observar la utilización para predecir las

ventas, así como también en el análisis de estados financieros y balances generales de 10

empresas y la optimización del portafolio de negocios combinado con otros programas

como Excel.

Otro valioso ejemplo fue el realizado con el análisis de regresión, el cuál ayuda a la

organización a anticipar los cambios de manera que pueda planificar e implementar

estrategias que mejoren los resultados. Al aplicar soluciones de análisis de regresión a los

datos que ya tiene, su organización podrá descubrir patrones y asociaciones inesperados y

desarrollar modelos para guiar interacciones de primera línea. Esto significa que puede

impedir que clientes de gran valor se vayan, vender servicios adicionales a los clientes

actuales, desarrollar productos de forma más eficaz o identificar y minimizar fraudes y

riesgos. El análisis de regresión le brinda la capacidad de pronosticar… y el poder de

actuar. Todo esto es posible a través del uso de la herramienta SPSS.

42

BIBLIOGRAFÍA

(Mayo de 2014). Recuperado el Mayo de 2014, de

http://www.uam.es/personal_pdi/ciencias/ajustel/docencia/ad/AD10_11_Discrimina

nte.pdf


ftp://public.dhe.ibm.com/software/analytics/spss/documentation/statistics/20.0/es/

client/Manuals/IBM_SPSS_Statistics_Base.pdf


http://halweb.uc3m.es/esp/Personal/personas/jmmarin/esp/GuiaSPSS/22conglj.pdf

Google. (Ayo de 2014). Recuperado el Mayo de 2014, de

file:///C:/Users/DELL/Downloads/8099-15991-1-PB.pdf

Google. (Mayo de 2014). Recuperado el Mayo de 2014, de

file:///C:/Users/DELL/Downloads/8099-15991-1-PB.pdf


https://www.google.com.gt/url?

sa=t&rct=j&q=&esrc=s&source=web&cd=6&ved=0CEkQFjAF&url=http%3A%2F

%2Fpersonal.us.es%2Fanalopez

%2Fpracticasac1.ppt&ei=DpaHU6YII7JsQT2t4HoDQ&usg=AFQjCNGp3PxExsX

uzuUbmcGQ3vEq1zLa_w


http://rua.ua.es/dspace/bitstream/10045/12079/1/Capitulo9.pdf

You tube. (Mayo de 2014). Recuperado el Mayo de 2014, de

http://www.youtube.com/watch?v=IYg0npCrSGw

You Tube. (Mayo de 2014). Recuperado el Mayo de 2014, de

http://www.youtube.com/watch?v=07lCKn6EEMQ

De la Fuente Fernandez, S. (Mayo de 2014). Google. Recuperado el Mayo de 2014,

de

http://www.fuenterrebollo.com/Economicas/ECONOMETRIA/SEGMENTACION/

CONGLOMERADOS/conglomerados.pdf

43

http://www.fuenterrebollo.com/Economicas/ECONOMETRIA/SEGMENTACION/CONGLOMERADOS/conglomerados.pdf

http://www.fuenterrebollo.com/Economicas/ECONOMETRIA/SEGMENTACION/CONGLOMERADOS/conglomerados.pdf

http://www.youtube.com/watch?v=07lCKn6EEMQ

http://www.youtube.com/watch?v=IYg0npCrSGw

http://rua.ua.es/dspace/bitstream/10045/12079/1/Capitulo9.pdf

https://www.google.com.gt/url?sa=t&rct=j&q=&esrc=s&source=web&cd=6&ved=0CEkQFjAF&url=http%3A%2F%2Fpersonal.us.es%2Fanalopez%2Fpracticasac1.ppt&ei=DpaHU6YII7JsQT2t4HoDQ&usg=AFQjCNGp3PxExsXuzuUbmcGQ3vEq1zLa_w



http://halweb.uc3m.es/esp/Personal/personas/jmmarin/esp/GuiaSPSS/22conglj.pdf

ftp://public.dhe.ibm.com/software/analytics/spss/documentation/statistics/20.0/es/client/Manuals/IBM_SPSS_Statistics_Base.pdf


http://www.uam.es/personal_pdi/ciencias/ajustel/docencia/ad/AD10_11_Discriminante.pdf

http://www.uam.es/personal_pdi/ciencias/ajustel/docencia/ad/AD10_11_Discriminante.pdf

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/

client/Manuals/IBM_SPSS_Statistics_Base.pdf

Lind, D. A., Marchal, W. G., & Wathen, S. .. (2008). Estadística aplicada a los

negocios y la economía. México D. F.: McGraw-Hill Interamericana.

Martinez Miranda, M. D. (Mayo de 2014). Google. Recuperado el Mayo de 2014,

de http://www.ugr.es/~curspss/archivos/Cluster/cluster.pdf

Pérez López, C. (2004). Técnicas de Análisis Multivariante de Datos. Madrid:

PEARSON EDUCACIÓN, S. A.villardón, J. L. (Mayo de 2014). Google. Obtenido

de http://benjamindespensa.tripod.com/spss/AC.pdf

44

http://benjamindespensa.tripod.com/spss/AC.pdf

http://www.ugr.es/~curspss/archivos/Cluster/cluster.pdf



análisis 10 empresas spss

Business