Analisis multivariante
Es el conjunto de métodos estadísticos cuya finalidad es analizar simultáneamente conjuntos de datos multivariantes en el sentido de que hay varias variables medidas para cada individuo ú objeto estudiado.
Su razón de ser radica en un mejor entendimiento del fenómeno objeto de estudio obteniendo información que los métodos estadísticos univariantes ybivariantes son incapaces de conseguir.
1. OBJETIVOS DEL ANÁLISIS MULTIVARIANTE
Pueden sintetizarse en dos:
• Proporcionar métodos cuya finalidad es el estudio conjunto de datos multivariantes que el análisis estadístico uni y bidimensional es incapaz de conseguir
• Ayudar al analista o investigador a tomar decisiones óptimas en el contexto en el que se encuentre teniendo en cuenta lainformación disponible por el conjunto de datos analizado
2. TIPOS DE TECNICAS MULTIVARIANTES
Se pueden clasificar en tres grandes grupos (ver esquema adjunto):
1) Métodos de dependencia
Suponen que las variables analizadas están divididas en dos grupos: las variables dependientes y las variables independientes. El objetivo de los métodos de dependencia consiste en determinar si elconjunto de variables independientes afecta al conjunto de variables dependientes y de qué forma.
2) Métodos de interdependencia
Estos métodos no distinguen entre variables dependientes e independientes y su objetivo consiste en identificar qué variables están relacionadas, cómo lo están y por qué.
3) Métodos estructurales
Suponen que las variables están divididas en dos grupos: el de lasvariables dependientes y el de las independientes. El objetivo de estos métodos es analizar, no sólo como las variables independientes afectan a las variables dependientes, sino también cómo están relacionadas las variables de los dos grupos entre sí.
Métodos de dependencia
Se pueden clasificar en dos grandes subgrupos según que la variable (s) dependiente (s) sea (n) cuantitativaso cualitativas.
• Si la variable dependiente es cuantitativa algunas de las técnicas que se pueden aplicar son las siguientes:
1) Análisis de Regresión
Es la técnica adecuada si en el análisis hay una o varias variables dependientes métricas cuyo valor depende de una o varias variables independientes métricas.
Por ejemplo, intentar predecir el gasto anual en cine de una persona apartir de su nivel de ingresos, nivel educativo, sexo y edad.
2) Análisis de Supervivencia
Es similar al análisis de regresión pero con la diferencia de que la variable independiente es el tiempo de supervivencia de un individuo ú objeto.
Por ejemplo, intentar predecir el tiempo de permanencia en el desempleo de un individuo a partir de su nivel de estudios y de su edad.
3) Análisis dela 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 decolesterol por sexos? ¿afecta, también, el tipo de ocupación?.
4) Correlación Canónica
Su objetivo es relacionar simultáneamente varias variables métricas dependientes e independientes calculando combinaciones lineales de cada conjunto de variables que maximicen la correlación existente entre los dos conjuntos de variables.
Por ejemplo, analizar cómo están relacionadas el tiempo dedicado altrabajo y al ocio de una persona con su nivel de ingresos, su edad y su nivel de educación
• Si la variable dependiente es cualitativa algunas de las técnicas que se pueden aplicar son las siguientes:
1) Análisis Discriminante
Esta técnica proporciona reglas de clasificación óptimas de nuevas observaciones de las que se desconoce su grupo de procedencia basándose en la información...
Regístrate para leer el documento completo.