Professional Documents
Culture Documents
Práctica N° 02
INTEGRANTES – CODIGOS:
Ayacucho –Perú
2018
¿QUÉ ES EL ANÁLISIS MULTIVARIANTE?
Su razón de ser radica en un mejor entendimiento del fenómeno objeto de estudio obteniendo
información que los métodos estadísticos univariantes y bivariantes son incapaces de
conseguir.
2.1 Métodos de dependencia
Se pueden clasificar en dos grandes subgrupos según que la variable (s) dependiente (s)
sea (n) cuantitativas o cualitativas.
1) Análisis de Regresión
2) Análisis de Supervivencia
3) Análisis de la varianza
Se utilizan en situaciones en las que la muestra total está dividida en varios grupos
basados en una o varias variables independientes no métricas y las variables dependientes
analizadas son métricas. Su objetivo es averiguar si hay diferencias significativas entre dichos
grupos en cuanto a las variables dependientes se refiere.
Por ejemplo, ¿hay diferencias en el nivel de colesterol por sexos? ¿afecta, también, el
tipo de ocupación?
4) Correlación Canónica
Por ejemplo, analizar cómo están relacionadas el tiempo dedicado al trabajo y al ocio de
una persona con su nivel de ingresos, su edad y su nivel de educación
1) Análisis Discriminante
Por ejemplo, determinar las ratios financieras que mejor permiten discriminar entre
empresas rentables y poco rentables.
3) Análisis Conjoint
Se pueden clasificar en dos grandes grupos según que el tipo de datos que analicen sean
métricos o no métricos.
Si los datos son métricos se pueden utilizar, entre otras, las siguientes técnicas:
Así, por ejemplo, si un analista financiero quiere determinar la cual es el estado de salud
financiero de una empresa a partir del conocimiento de un número de ratios financieros,
construyendo varios índices numéricos que definan su situación, el problema se resolvería
mediante un Análisis de Componentes Principales.
2) Escalas Multidimensionales
3) Análisis Cluster
Si los datos son no métricos se pueden utilizar, además de las Escalas Multidimensionales y el
Análisis Cluster, las siguientes técnicas:
1) Análisis de Correspondencias
Se aplica a tablas de contingencia multidimensionales y persigue un objetivo similar al
de las escalas multidimensionales pero representando simultáneamente las filas y columnas de
las tablas de contingencia.
Por ejemplo, analizar el paro en Aragón teniendo en cuenta la provincia, sexo, edad y
nivel de estudios del parado
2) Modelos log-lineales
Los modelos utilizados constan, por lo tanto, de dos partes: un modelo estructural que
especifica las relaciones de dependencia existente entre los constructos latentes y un modelo
de medida que especifica como los indicadores se relacionan con sus correspondientes
constructos.
Por ejemplo, analizar cómo se relacionan los niveles de utilización de los servicios de
una empresa con las percepciones que sus clientes tienen de ella.
Pueden sintetizarse en 6:
Se define el problema especificando los objetivos y las técnicas multivalentes que se van a
utilizar
Se determina el tamaño maestral, las ecuaciones a estimar (si procede), las distancias a
calcular (si procede) y las técnicas de estimación a emplear. Una vez determinado todo esto se
proceden a observar los datos
3) Hipótesis del análisis
Se evalúan las hipótesis subyacentes a la técnica multivalente. Dichas hipótesis pueden ser de
normalidad, linealidad, independencia, homocedasticidad, etc. También se debe decidir qué
hacer con los datos missing.
Se estima el modelo y se evalúa el ajuste a los datos. En este paso pueden aparecer
observaciones atípicas (outliers) o influyentes cuya influencia sobre las estimaciones y la
bondad de ajuste se debe analizar.
Predecir el gasto en cine de una persona a partir de su nivel de ingresos, nivel educativo,
sexo y edad lo cual nos permitiría entender mejor cuáles son las pautas de comportamiento de
la población.
Se decidiría cómo elegir la muestra, el tamaño de la misma y cómo medir las variables
implicadas en el análisis. El gasto en cine podría medirse como el gasto anual en cine medido
en pesetas. El nivel de ingresos podría medirse con una variable ordinal, dadas las reticencias a
dar información precisa sobre este tipo de variables; el nivel educativo sería una variable
ordinal; el sexo una variable binaria y la edad una variable cuantitativa medida en años.
Su razón de ser radica en un mejor entendimiento del fenómeno objeto de estudio obteniendo
información que los métodos estadísticos univariantes y bivariantes son incapaces de
conseguir.
Dicho conjunto de métodos puede dividirse en tres grandes grupos según el papel que
jueguen en el análisis las variables consideradas:
1) Métodos de dependencia
2) Métodos de interdependencia
3) Métodos estructurales
Para llevar a cabo un análisis de este tipo se deben los siguientes pasos:
2) Diseñar el análisis
4) Realizar el análisis
JOBSON, J.D. (1992) Applied Multivariate Data Analysis. Volume II: Categorical and
Multivariate Methods. Springer-Verlag.
VISAUTA, B. (1998) Análisis Estadístico con SPSS para WINDOWS (Vol II. Análisis
Multivariante). Mc-Graw Hill.
- https://econometria.files.wordpress.com/2009/04/curso-basico-de-analisis-estadistico-en-
spss.pdf