2.
4 análisis multivariante
El análisis multivariante estudia de tres o más variables de forma conjunta cuyo
objetivo principal es estudiar las relaciones de dependencia entre variables
seleccionadas, el cual debe distinguir de variables dependientes e independientes
y/o métodos de interdependencia. Otra definición que le da sentido según el
profesor titular de la universidad en España, lo define como el conjunto de métodos
estadísticos cuya finalidad es analizar simultáneamente el conjunto de datos
multivariante en el sentido que hay variables medidas para cada individuo u objeto
medido.
Proseguimos a explicar los tipos de técnicas multivariante, la técnica de
interdependencia la cual consiste en métodos que no distinguen entre variables
dependientes e independientes cuyo objetivo es identificar que variable está
relacionada, como lo están y por qué. En cambio, el método de dependencia
consiste en suponer que las variables analizadas están divididas en dependientes
e independientes y su objetivo es analizar si el conjunto de variable independiente
afecta al conjunto de variable dependiente y de qué forma. Por lo que los métodos
estructurales son algo similar ya que en este su objetivo es analizar como las
variables independientes afectan las variables dependientes y ver cómo están
relacionadas las variables de los dos grupos entre sí. Viendo desde otro punto de
vista se explica los métodos de dependencia como la regresión lineal y es que esta
consiste en el estudio de la relación funcional entre dos variables poblacionales, en
cambio el análisis de la varianza se utiliza para comparar si los valores de un
conjunto de datos numéricos son distintos en cuanto a valores de otro o más
conjuntos de datos. El segmento de jerarquía se trata de un grupo de métodos en
el cual trata de buscar grupos homogéneos de una población basándose en la
combinación de variables interdependientes explicativas. En cuanto al análisis
discriminante solo analiza si existe diferencias de importancia entre grupos de
objetos respecto a un conjunto de variables medidas sobre los mismos, por si en
caso de que existan se deberá explicar sus procedimientos y en qué sentido se dan,
y por ultimo tenemos la regresión logística y es que esta consiste en estudiar cómo
influye en la probabilidad de aparición de un suceso, la presencia o no de diversos
factores. Para ser más precisos consiste en modelos de regresión en los que la
variable dependiente no es métrica.
Los métodos de interdependencia tenemos como primer punto el análisis factorial
el cual consiste en la reducción de datos usada para explicar la variabilidad entre
las variables observables en términos de un número menor de variables. En
segundo es el análisis de correspondencia el cual se define como una técnica
estadística basada en las tablas de contingencia y nos muestra una representación
gráfica basada en la asociación entre las variables analizadas. Y por último el
análisis cluster se trata de un conjunto de técnicas que se utilizan para clasificar
objetos o casos en grupos homogéneos
CONCLUSION
Para finalizar este tema el análisis multivariante es un método estadístico utilizado
para determinar la contribución de varios factores en un simple evento o resultado
por lo que los factores de estudio se le puede llamar variable independiente o
variable dependiente o dicho de una manera más fácil de comprender es un
conjunto de métodos estadísticos el cual su finalidad es analizar un conjunto de
datos multivariantes dándole un sentido que hay variables medidas para cada
individuo u objeto estudiado. Por lo que su razon de ser, radica en un mejor
entendimiento del fenómeno objeto de estudio obteniendo información que los
métodos estadísticos ya sean estos univariantes y bivariantes el cual son difícil o
incapaces de conseguir. Es importante ver que los análisis multivariante
proporcionan métodos cuya finalidad es el estudio conjunto de datos multivarientes,
por lo que se debe ayudar al analista a tomar decisiones optimas en el contexto en
el que se encuentre teniendo en cuenta la información disponible por el conjunto de
datos analizados
Dicho conjunto de métodos puede dividirse en tres grandes grupos según el papel
que jueguen en el análisis las variables consideradas: Métodos de dependencia,
Métodos de interdependencia, Métodos estructurales. Para llevar a cabo un análisis
de este tipo se deben los siguientes pasos: Establecer los objetivos del análisis,
Diseñar el análisis, Evaluar las hipótesis subyacentes a la técnica a utilizar, Realizar
el análisis, Interpretar los resultados obtenidos, Validar dichos resultados´.
Así, como Hair et al. (1999) dicen: “Sólo a través del análisis multivariante las
relaciones múltiples de este tipo podrán ser examinadas adecuadamente para
obtener un entendimiento más completo y real del entorno que permita tomar las
decisiones más adecuadas.” Por lo que englobamos las técnicas de dependencia
métrica ya que para terminar el tema lo mencionamos brevemente como la técnica
adecuada si en el análisis hay una o varias variables dependientes métricas cuyo
valor depende de una o varias variables dependientes métricas, por lo que debemos
mencionar y tener en cuenta las etapas de un análisis multivariante el cual consiste
en objetivos de análisis, nos habla sobre definir los problemas especificando los
objetivos y técnicas multivariantes, y como siguiente punto el diseño del análisis,
por lo que determina el tamaño muestral, y ecuaciones a estimar, el siguiente es la
hipótesis y es que esta nos describe que se debe estimar el modelo y evaluar los
ajuste de datos, lo que después se debe realizar una hipótesis es decir puede ser
normativa, linealidad, independencia, etc. y en base a eso nos vamos a la
interpretación de resultados el cual nos habla sobre interpretaciones que pueden
llevar a re-especificaciones adicionales a las variables o del modelo con lo cual se
puede volver a los pasos anteriores. Por lo que sigue el último paso es la validación
del análisis, en esta consiste en establecer la validez de los resultados obtenidos
analizando si los resultados obtenidos con la muestra se generalizan a la población
de la que procede y para ellos se puede dividir la muestra en varias partes en las
que el modelo se vuelve a estimar y se comparan los resultados.
REFERENCIA BIBLIOGRAFICAS
Capítulo 7. Teoría sobre análisis multivariante (Manuel sosa)
ANALISIS MULTIVARIADO (Alejandro Rosas)
https://es.slideshare.net/federicodonneysg/analisis-multivariado-8829215
https://ciberconta.unizar.es/leccion/anamul/inicio.html
http://bibing.us.es/proyectos/abreproy/11162/fichero/Proyecto+Manuel+Sosa%252
FCap%C3%ADtulo+7.pdf+
