Lección 1
Tema: Conceptos básicos
Análisis multivariante
Conjunto de métodos estadísticos cuya finalidad es
analizar simultáneamente conjuntos de datos
multivariantes, existiendo varias variables medidas
simultáneamente para cada individuo u objeto
estudiado.
(Se logra mejor comprensión del fénomeno)
Tipos de técnicas multivariantes
Métodos de Métodos de Métodos
dependencia interdependencia estructurales
Métodos dependencia
Variable dependientes e independientes. Determinan si
las independientes afectan a las dependientes.
Se pueden clasificar en dos grupos:
Dependencia Dependencia
métrica no métrica
Dependiente cuantitativa (Métrica)
Análisis regresión Análisis supervivencia Análisis varianza Correlación canónica
• Predecir gasto anual en • Variable dependiente, • Variables • Relaciona variables
cine a partir de sus es el tiempo de independientes no son métricas dependientes
ingresos, sexo y edad. supervivencia del métricas y las e independientes
individuo. Ejemplo: dependientes son calculando
Predecir tiempo métricas. Averiguan si combinaciones lineales
permanencia en el hay diferencia entre que maximizan la
desempleo de un grupos. Ejemplo: ¿Hay correlación existente.
individuo a partir de su diferencias en el nivel Ejemplo: Analizar como
nivel de estudio y de su de colesterol por están relacionados el
edad. sexos? tiempo dedicado al
trabajo y al ocio de una
persona con su nivel de
ingresos, edad y nivel
de educación.
Dependiente cualitativa
Análisis discriminante
• Proporciona reglas de clasificación óptimas de nuevas observaciones de las que se
desconoce su grupo de procedencia, a partir de los valores en las variables
independientes.
Regresión logística
• Modelos de regresión donde la variable dependiente es no métrica. Se usan como
alternativa al análisis discriminante cuando no hay normalidad.
Análisis conjunto (conjoint analysis)
• Analiza el efecto de variables independientes no métricas sobre variables métricas o no
métricas. Su diferencia con el ANDEVA es que las variables dependientes pueden ser
no métricas y los valores de las variables independientes no métricas son fijadas por el
analista.
Métodos interdependencia
No distinguen entre variables dependientes e
independientes y su objetivo consiste en identificar que
variables están relacionadas, como lo están y el porqué.
Se pueden clasificar en dos grupos:
Datos Datos no
métricos métricos
Datos métricos
Se utiliza para analizar interrelaciones en términos de un número menor de
Análisis factorial (af) variables denominadas factores (si son inobservables) o componentes principales
y análisis de (si son observables). Ejemplo: para un test inteligencia se usa AF, para el estado de
componentes salud financiero de una empresa se usa ACP.
principales (acp)
Transforma juicios de semejanza o preferencia en distancias representadas en un
Escalas espacio multidimensional.
multidimensionales
. Clasifica una muestra de entidades en un número pequeño de grupos de forma
que las observaciones que pertenecen al grupo sean muy similares entre sí y muy
Análisis cluster diferentes del resto
Datos no métricos
Análisis de correspondencias
• Se usa para tablas de contingencia multidimensionales pero representando
simultáneamente las filas y columnas de las tablas. Ej. Analizar una huelga,
teniendo en cuenta la provincia, sexo, edad y nivel de estudios del huelguero.
Modelos long-lineales
• Se aplica a tablas multidimensionales y modelizan relaciones de dependencia
multidimensional de las variables observadas que buscan explicar las
frecuencias observadas.
Métodos estructurales
Analizan las relaciones existentes entre un grupo de variables
representadas por sistemas de ecuaciones simultáneas en las que se
suponen que algunas de ellas (denominadas constructos) se miden con
error a partir de otras variables observables denominadas indicadores..
Constan de 2 partes:
Modelo estructural Modelo de medida
• Especifica las relaciones de • Especifica como los indicadores
dependencia existente entre los se relacionan con sus
constructos latentes. correspondientes constructos.
