3.4. Ajustes y especificación del prototipo final

Las variables seleccionadas y sus respectivos valores para la valoración del modelo se presentan a continuación:

Para finalizar, se presenta el modelo de estimación para clasificar el criterio de compra de los consumidores y que permitirá diagnosticar sobre las variables o atributos destacables en los productos y por otro lado, pronosticar la probabilidad de que cierta persona que valora de distinta manera las marcas y la calidad de los productos Cárnicos pertenezca o no al grupo de diferenciadores de productos o al grupo de tomadores de decisión a través del precio de la mercancía de manera principal.

De la misma forma el modelo final especificado y estimado para interpretación de coeficientes:

Retomando la ecuación (7) tenemos: = , con lo cual queda linealizada la expresión para propósitos de interpretación de los coeficientes, en nuestro caso tenemos:

=

3.5. Verificación de la calidad del modelo propuesto.

3.5.1 Influencia de Cook.

Teniendo el propósito de medir aquellas observaciones que suelen tener un peso específico mayor en la estimación de los coeficientes de regresión (sobreestimados), por lo que diremos se trata de valores atípicos, para ello es recomendable detectar aquellos valores que tengan una distancia de Cook superior a 1.

Por tanto, los valores por encima de 1 que deben ser revisados, para comprobar su influencia en la estimación de los parámetros del modelo son:

3.5.2 Residuales no tipificados.

Con relación a los residuos no tipificados u ordinarios derivados de la utilización del modelo con trato a los valores observados, tenemos lo siguiente:

Como se puede deducir, un porcentaje significativamente alto (65.5%) del total de los residuales se ubican en un intervalo relativamente moderado de -.38 a .38 y teniendo como moda igualmente un error bajo (56 casos con un error de .28), lo que abona en el fortalecimiento del prototipo estimado.

3.5.3 Análisis de casos atípicos.

Respecto a los casos atípicos detectados se puede destacar lo siguiente; los casos que aparecen en la tabla siguiente se refieren a los valores pronosticados que difieren en más de 2 desviaciones estándar del verdadero valor. De esta manera, por ejemplo el caso o folio número 24 nos muestra que efectivamente sí fue seleccionado en la estimación del modelo, así mismo a qué categoría pertenece realmente, en este caso a atributo en donde los (**) significan que han sido mal clasificados en el modelo, la probabilidad pronosticada por el modelo, grupo pronosticado y los residuales. Para resto de los atípicos, vid., tabla 38.