mis documentos
TÉCNICAS MULTIVARIANTES
É
1. Introducción
2.
2 Clasificación de las técnicas
3. Etapas de análisis
4. Supuestos básicos
5. Valores perdidos y anómalos
p
introducción
Definición.
D fi i ió
-
Conjunto de métodos estadísticos cuya finalidad es analizar
simultáneamente conjuntos d d t
i ltá
t
j t
de datos multivariantes: h
lti
i t
hay
variasvariables medidas para cada caso.
-
Permiten un mejor entendimiento del fenómeno objeto de
estudio, obteniendo información que los métodos univariantes
y bivariantes son incapaces de conseguir.
p
g
Objetivos.
Objetivos
-
Proporcionar métodos para estudiar datos multivariantes
que el análisis estadístico uni y bidimensional es incapaz de
conseguir.
-
Ayudar al investigador atomar decisiones óptimas en el
contexto en el que se encuentre teniendo en cuenta la
información disponible por el conjunto de datos analizado.
clasificación
3 grupos:
-
Métodos de dependencia
-
Métodos de interdependencia
-
Métodos estructurales
Métodos de dependencia:
-
Suponen que las variables analizadas están divididas en dos
grupos: las variables dependientesy las variables
independientes.
independientes
-
El objetivo consiste en determinar si el conjunto de variables
independientes
afecta
al
conjunto
de
variables
dependientes y de qué forma.
clasificación
Métodos de interdependencia:
Mét d d i t d
d
i
-
No distinguen entre variables dependientes e independientes
y su objetivo consiste en id tifi
bj ti
i t
identificarqué variables están
é
i bl
tá
relacionadas, cómo lo están y por qué.
Métodos estructurales:
-
Suponen que las variables están divididas en dos grupos: el
de las variables dependientes y el de las independientes.
-
El objetivo es analizar como las variables independientes
afectan a las variables dependientes y las relaciones de
las variables de los dos grupos entre sí
sí.Regresión
clasificación
Supervivencia
Métrica
MANOVA
Correlación canónica
Dependencia
Discriminante
No métrica
Regresión logística
Conjoint
C j i t
Co po e tes p c pa es
Componentes principales
Factorial
Métrica
Cluster
Escalas multidimensionales
Interdependencia
Correspondencias
C
d
i
Modelos log-lineales
No métrica
Cluster
Escalas multidimensionalesModelos estructurales
clasificación
¿La investigación responde a un problema de d
L i
ti
ió
d
bl
d dependencia
d
i
entre variables o de interdependencia de las mismas?
¿Cómo están medidas las variables: métricas o no métricas?
Si es un problema de dependencias,
p
p
,
¿cuántas variables dependientes existen?
clasificación
Análisis de dependencias
variasrelaciones
una
relación
1 variable
dependiente
dependencia
métrica
> 1 variable
dependiente
dependencia
no métrica
dependencia
métrica
dependencia
no métrica
independencia
no métrica
ecuaciones
estructurales
regresión
múltiple
análisis
discriminante
independencia
métrica
Regresión
logística
MANOVA
correlación
canónica
clasificaciónRegresión li
R
ió lineal múltiple:
l últi l
-
Relación entre 1 variable dependiente métrica y varias
variables i d
i bl independientes métricas o no métricas.
di t
ét i
ét i
Y1
-
(X1, X2, X3, .... Xm)
Por ejemplo: Determinar si existe o no relación entre el
resultado neto y la superficie, dimensión e inversión
inicial.
¿Y si el resultado neto está codificado en Pérdidas = 0,y
Ganancias = 2?
clasificación
-
Análisis discriminante. P
A áli i di
i i
t Proporciona reglas d clasificación
i
l de l ifi
ió
óptimas de nuevas observaciones de las que se desconoce
su grupo de procedencia basándose en la información
g p
p
proporcionada los valores que en ella toman las variables
independientes.
-
Modelos de regresión logística. Se utilizan como...
Regístrate para leer el documento completo.