Cómo usar la herramienta
Abre un archivo de datos o pulsa «Usar datos de ejemplo», marca las preguntas que deben definir las clases y elige para cada una si es «Categórico», «Ordinal (como categorías)» o «Continuo». Puedes indicar una columna de ponderación, el rango de número de clases, el número de inicios aleatorios y la semilla, y después ejecutar.
Mira primero la tabla de comparación de modelos: para cada k, la log-verosimilitud, el número de parámetros, AIC, BIC, CAIC, el BIC ajustado por tamaño muestral, el R² de entropía, la proporción de la clase más pequeña y cuántos inicios aleatorios alcanzaron la mejor log-verosimilitud. Al elegir un modelo, la tabla de perfiles muestra las probabilidades de respuesta o las medias de cada clase con su índice frente al total; puedes exportar los datos con la pertenencia y las probabilidades posteriores, la tabla de parámetros (typing tool) o introducir las respuestas de un nuevo encuestado para ver sus probabilidades de clase.
Método: algoritmo EM y comparación de modelos
El modelo es P(xᵢ) = Σₖ πₖ Πⱼ fⱼ(xᵢⱼ | k): πₖ es la proporción de la clase k y fⱼ la distribución del indicador j dentro de esa clase (probabilidades de cada opción para indicadores categóricos y ordinales, densidad normal con media y varianza de la clase para los continuos). Los parámetros se estiman por máxima verosimilitud con el algoritmo EM. Los indicadores no respondidos se omiten en la verosimilitud (supuesto de pérdida aleatoria), así que se clasifica a cualquier encuestado que haya respondido algún indicador.
EM puede quedarse en un máximo local, por eso cada k parte por defecto de 10 inicios aleatorios con semilla: cada uno ejecuta un tramo corto de EM, los más prometedores se llevan hasta la convergencia, se conserva la solución con mayor log-verosimilitud y se informa de cuántos de los inicios convergidos la alcanzaron. El mismo archivo, la misma configuración y la misma semilla dan siempre el mismo resultado; las clases se numeran de mayor a menor proporción. La varianza dentro de cada clase de un indicador continuo no baja del 1 % de su varianza total, para que ninguna clase colapse en un único valor.
- Número de parámetros p = (k − 1) + k × (categorías − 1) por cada indicador categórico + 2k por cada indicador continuo.
- BIC = −2 log L + p ln n; la tabla muestra también AIC, CAIC y el BIC ajustado por tamaño muestral (SABIC): cuanto más bajos, mejor.
- El R² de entropía va de 0 a 1: cuanto más cerca de 1, más clara es la pertenencia de los encuestados a su clase.
- Con ponderación, los pesos se reescalan a media 1 y se estima por pseudoverosimilitud; los criterios de información usan el número de encuestados sin ponderar.
Ejemplo práctico
La encuesta sintética de compradores tiene 900 encuestados y 7 indicadores: tienda principal, uso de cupones, compra de productos ecológicos y frecuencia de compra (categóricos), fidelidad a la marca y sensibilidad al precio (1–5, tratados como categorías) y gasto mensual en alimentación (continuo). Cada encuestado se generó a partir de una de tres clases plantadas y alrededor del 4 % de las respuestas están vacías. Ajustando de k = 1 a 6, el BIC es 23.102 con k = 1, 22.076 con k = 2, 21.585 con k = 3, 21.674 con k = 4, 21.762 con k = 5 y 21.858 con k = 6.
El BIC más bajo corresponde a k = 3, con proporciones de clase de 46,3 %, 33,7 % y 20,1 % y un R² de entropía de 0,916. Asignando a cada encuestado su clase más probable, el 97,1 % coincide con su clase plantada (las clases 1 a 3 corresponden, con un emparejamiento uno a uno, a «cazadores de ofertas», «fieles a lo premium» y «compradores por comodidad»). En la clase 1, la proporción que compra sobre todo en tiendas de descuento es del 58 % (frente al 32 % del total) y el gasto mensual medio es de 424 (frente a 466 en el total): el perfil típico del cazador de ofertas.
Los modelos con más clases apenas mejoran el ajuste y el BIC los penaliza; además, las clases sobrantes suelen alcanzarse solo desde unos pocos inicios aleatorios, señal de que EM encontró una solución local inestable.
Cuándo usarla y cuándo no
Para valorar un modelo mira a la vez el BIC, la entropía, la proporción de la clase más pequeña, si varios inicios repiten la mejor log-verosimilitud y si las probabilidades de respuesta forman perfiles de clase claros. Las clases resumen patrones de respuesta y la asignación a la clase más probable tiene error de clasificación, así que conviene conservar las probabilidades posteriores en los análisis posteriores.
- Segmentar con preguntas nominales o mixtas, por ejemplo canal, marca usada, conductas sí/no, valoraciones y gasto juntos.
- Necesitas la probabilidad de pertenencia de cada encuestado a cada clase, no solo una asignación rígida, o una herramienta de clasificación para nuevos encuestados.
- Muestras de solo uno o dos centenares de personas o muchas preguntas con categorías poco frecuentes: los modelos con más clases no estarán identificados.
- Volúmenes de datos muy grandes: aquí el límite es de 20.000 filas y 200.000 respuestas (filas × indicadores).
Cómo interpretar los resultados
En las clases con una probabilidad posterior media superior a 0,8, la pertenencia es bastante fiable; con un R² de entropía por encima de 0,8 aproximadamente, puedes usar la clase más probable como columna de segmento. Pon nombre a las clases a partir de las opciones y medias con índices claramente altos o bajos y compara después las clases en preguntas sociodemográficas y de comportamiento con tablas cruzadas.
El modelo de clases latentes supone que, dentro de cada clase, los indicadores son independientes. Si dos preguntas son casi idénticas (la misma pregunta formulada de dos maneras), el modelo puede crear una clase extra solo para explicar su relación; en ese caso, conserva solo una de las dos.