Engloba un grupo de técnicas o métodos estadísticos con la finalidad de analizar
simultáneamente cijuntos de datos multivariantes Dar métodos para el estudio de conjunto de datos multivariantes Ayudar al analista a decidir, teniendo en cuenta la información disponible por el conjunto de datos analizado 1. Métodos de dependencia Suponen que las variables se dividen en 2 (dependientes e independientes), su método consiste en determinar si el conjunto de v. independientes afecta el conjunto de v. dependientes 2. métodos de interdependencia No distinguen entre variables dependientes o independientes e identifica que variables están relacionadas, como y por que 3. modelos estructurales No solo analiza el efecto de las variables independientes, sino como están relacionadas las variables de ambos grupos Dependencia métrica Dependencia no métrica Análisis de regresión: se usa si hay varias Análisis discriminante: averigua las variables dependientes métricas cuyo valor características de un grupo para utilizarlas depende de las independientes métricas para estimar el grupo de procedencia de otros individuos Análisis de supervivencia: la variable independiente es el tiempo de supervivencia Modelos de regresión logística: se usa si hay varias variables dependientes no métricas Análisis de la varianza: si la muestra se divide cuyo valor depende de las independientes en varios grupos basados en variables independientes no métricas y las Análisis Conjoint: analiza el efecto de variables dependientes son métricas, averiguan si hay independientes no métricas sobre otras diferencia entre dichos grupos en cuanto a métricas o no métricas, los valores de las variables dependientes variables independientes no métricas son fijadas por el analista Correlación canónica: relacionan simultáneamente las variables métricas dependientes e independientes calculando combinaciones lineales Dependencia métrica: Análisis factorial y análisis de componentes principales: analiza interrelaciones entre variables métricas explicando dichas interrelaciones en términos de un numero menor de variables Escalado multidimensional: trasforma juicios de semejanza o preferencia en distancias representadas en un espacio multidimensional Análisis Cluster: clasifica una muestra de entidades en un numero pequeño de grupos de forma que las observaciones de un grupo sean similares entre si y distintas del resto Dependencia no métrica Análisis de correspondencias: se aplica a tablas multidimensionales y es similas a las escalas multidimensionales Modelos log-lineales: se aplica a tablas de contingencia multidimensional y modelizan relaciones de dependencia multidimensionales de las variables observadas que buscan explicar las frecuencias observadas • objetivo del análisis: definir el problema, los objetivos y técnicas 1
• diseño del análisis: determinar el tamaño muestral, las ecuaciones a estimar, las distancias a 2 calcular y las técnicas de estimación a emplear
• hipótesis del análisis: evaluar las hipótesis subyacentes a la técnica multivariante
3
• relación de análisis: se estima el modelo y se evalúa el ajuste de datos
4
• Interpretación de los resultados: pueden llevar a re-especificaciones de las variables o del