Descomposición en valores singulares y análisis de factores en ciencias humanas y sociales

Autores/as

  • Sergio A. Pernice Universidad del CEMA

DOI:

https://doi.org/10.46661/rev.metodoscuant.econ.empresa.8004

Palabras clave:

Descomposición en Valores Singulares, Análisis de Factores, Ciencias Humanas y Sociales

Resumen

Los objetos de estudio de las ciencias humanas y sociales son intrínsecamente complejos. Porque es filosóficamente atractiva, y además porque ayuda en la práctica a manejar dicha complejidad, una de las ideas fuerza más influyente a
lo largo de la historia y presente de dichas disciplinas, es la noción de que la gran cantidad de manifestaciones empíricas que caracterizan sus objetos de estudio son
expresiones de unos pocos factores que influyen sobre todas las demás variables. La correspondiente metodología estadística para implementar esas ideas tiene diferente nombre y difiere en detalles en distintas disciplinas, pero un nombre que puede ser reconocido en muchas de ellas es el “análisis de factores”. El primer objetivo del presente trabajo es presentar un método clásico de álgebra lineal,
conocido como la “Descomposición en valores singulares” (SVD), de manera intuitiva y a la vez rigurosa a la comunidad de ciencias humanas y sociales. SVD sistematiza
y generaliza la descomposición en factores de cualquier matriz de datos. Además, el método es de enorme importancia en la era de big data y machine learning, que
influye en todas las áreas de estudio. El segundo objetivo es invitar a cuestionar ciertas hipótesis en el análisis de factores tradicional. La SVD revela que los factores son
inherentes a cualquier conjunto de datos estructurados matricialmente; lo crucial es cómo decaen los valores singulares. Los datos determinarán este decaimiento, con
potenciales repercusiones teóricas profundamente transformadoras.

Descargas

Los datos de descargas todavía no están disponibles.

Citas

Alter, O., Brown, P. O., & Botstein, D. (2000). Singular value decomposition for genome-wide expression data processing and modeling. Proceedings of the National Academy of Sciences of the United States of America, 97(18), 10101-10106.

Athey, S., Bayati, M., Doudchenko, N., Imbens, G., & Khosravi, K. (2021). Matrix completion methods for causal panel data models. Journal of the American Statistical Association, 116(536), 1716-1730.https://doi.org/10.1080/01621459.2021.1891924

Athey, S. (2019). 21. The Impact of Machine Learning on Economics. In A. Agrawal, J. Gans & A. Goldfarb (Ed.), The Economics of Artificial Intelligence: An Agenda (pp. 507-552). Chicago: University of Chicago Press.https://doi.org/10.7208/chicago/9780226613475.003.0021

Athey, S., & Imbens, G. W. (2019). Machine learning methods that economists should know about. Annual Review of Economics, 11, 685-725.https://doi.org/10.1146/annurev-economics-080217-053433

Bai, J., & Ng, S. (2002). Determining the number of factors in approximate factor models. Econometrica, 70(1), 191-221.https://doi.org/10.1111/1468-0262.00273

Bai, J., & Ng, S. (2008). Large dimensional factor analysis. Foundations and Trends® in Econometrics, 3(2), 89-163.

https://doi.org/10.1561/0800000002

Bolukbasi, T., Chang, K. W., Zou, J. Y., Saligrama, V., & Kalai, A. T. (2016). Man is to computer programmer as woman is to homemaker? Debiasing word embeddings. Advances in Neural Information Processing Systems, 29: https://scholar.google.com/scholar_lookup?arxiv_id=1607.06520

Burt, C. (1909). Experimental tests of general intelligence. British Journal of Psychology, 3(1), 94.https://doi.org/10.1111/j.2044-8295.1909.tb00197.x

Deerwester, S., Dumais, S. T., Furnas, G. W., Landauer, T. K., & Harshman, R. (1990). Indexing by latent semantic analysis. Journal of the American Society for Information Science, 41(6), 391-407.https://doi.org/10.1002/(SICI)1097-4571(199009)41:6<391::AID-ASI1>3.0.CO;2-9

Eckart, C., & Young, G. (1936). The approximation of one matrix by another of lower rank. Psychometrika, 1(3), 211-218.https://doi.org/10.1007/BF02288367

Maxwell-Garnett, J. C. (1919). On certain independent factors in mental measurements. Proceedings of the Royal Society of London. Series A, Containing Papers of a Mathematical and Physical Character, 96(675), 91-111.https://doi.org/10.1098/rspa.1919.0041

Harman, H. H. (1976). Modern factor analysis. University of Chicago press.

Holter, N. S., Mitra, M., Maritan, A., Cieplak, M., Banavar, J. R., & Fedoroff, N. V. (2000). Fundamental patterns underlying gene expression profiles: simplicity from complexity. Proceedings of the National Academy of Sciences, 97(15), 8409-8414.

https://doi.org/10.1073/pnas.150242097

Holzinger, K. J. (1930). Statistical résumé of the Spearman two-factor theory. (Mimeographed).

Jolliffe, I. T., & Cadima, J. (2016). Principal component analysis: a review and recent developments. Philosophical transactions of the royal society A: Mathematical, Physical and Engineering Sciences, 374(2065), 20150202.https://doi.org/10.1098/rsta.2015.0202

Lay, D. C. (2007). Álgebra Lineal y sus Aplicaciones. Pearson educación.

Liberty, E., Woolfe, F., Martinsson, P. G., Rokhlin, V., & Tygert, M. (2007). Randomized algorithms for the low-rank approximation of matrices. Proceedings of the National Academy of Sciences, 104(51), 20167-20172.https://doi.org/10.1073/pnas.0709640104

Lintner, J. (1975). The valuation of risk assets and the selection of risky investments in stock portfolios and capital budgets. In Stochastic optimization models in finance (pp. 131-155). Academic Press.

Mossin, J. (1966). Equilibrium in a capital asset market. Econometrica: Journal of the Econometric Society, 768-783.https://doi.org/10.2307/1910098

Muller, N., Magaia, L., & Herbst, B. M. (2004). Singular value decomposition, eigenfaces, and 3D reconstructions. SIAM Review, 46(3), 518-545.https://doi.org/10.1137/S0036144501387517

Novembre, J., Johnson, T., Bryc, K., Kutalik, Z., Boyko, A. R., Auton, A., ... & Bustamante, C. D. (2008). Genes mirror geography within Europe. Nature, 456(7218), 98-101.https://doi.org/10.1038/nature07331

Pearson, K. (1901). LIII. On lines and planes of closest fit to systems of points in space. The London, Edinburgh, and Dublin Philosophical Magazine and Journal of Science, 2(11), 559-572.https://doi.org/10.1080/14786440109462720

Ross, S. A. (2013). The arbitrage theory of capital asset pricing. In Handbook of the fundamentals of financial decision making: Part I (pp. 11-30).https://doi.org/10.1142/9789814417358_0001

Sharpe, W. F. (1964). Capital asset prices: A theory of market equilibrium under conditions of risk. The Journal of Finance, 19(3), 425-442.

https://doi.org/10.1111/j.1540-6261.1964.tb02865.x

Spearman, C. (1904). General Intelligence, Objectively Determined and Measured. The American Journal of Psychology, 15(2), 201-292. https://doi.org/10.2307/1412107.

Spearman, C. (1927). The Abilities of Man: Their Nature and Measurement. Journal of Philosophical Studies, 2(8), 557-560.https://doi.org/10.1017/S0031819100015825

Stewart, G. (1993): On the Early History of the Singular Value Decomposition". SIAM Review, 35( 4), 551-566.https://doi.org/10.1137/1035134

Stock, J. & Watson, M. (2011). Dynamic factor models. Oxford Handbooks Online.https://doi.org/10.1093/oxfordhb/9780195398649.013.0003

Stock, J. & Watson, M. (2015). Factor Models for Macroeconomics. En Taylor, J. B. y Uhlig, H. (Eds.), Handbook of Macroeconomics (Vol. 2). North Holland.

Thomson, G. (1938). Methods of Estimating Mental Factors. Nature, 141, 246.https://doi.org/10.1038/141246a0

Thurstone, L. (1931). Multiple factor analysis. Psychological Review, 38(5), p. 406.https://doi.org/10.1037/h0069792

Thurstone, L. (1947). Multiple-factor analysis; a development and expansion of The Vectors of Mind. University of Chicago Press.

Turk, M., & Pentland, A. (1991a). Eigenfaces for recognition. Journal of cognitive neuroscience, 3(1), 71-86. https://scholar.google.com.ar/scholar?q=Eigenfaces+for+recognition.+Journal+of+Cognitive+Neuroscience,+(3).&hl=es&as_sdt=0&as_vis=1&oi=scholarthttps://doi.org/10.1162/jocn.1991.3.1.71

Turk, M. & Pentland, A. (1991b). Face recognition using Eigenfaces. Proc. of Computer Vision and Pattern Recognition, (3), 586-591.

Descargas

Publicado

2024-03-01

Cómo citar

Pernice, S. A. (2024). Descomposición en valores singulares y análisis de factores en ciencias humanas y sociales. Revista De Métodos Cuantitativos Para La Economía Y La Empresa, 37, 1–29. https://doi.org/10.46661/rev.metodoscuant.econ.empresa.8004

Número

Sección

Artículos