Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Intro Multi Variant e
Intro Multi Variant e
SE I:: NI N I SI ES T n,, n cii ac ca fiic siif as Clla e.. C ntte an riia ar va ullttiiv Mu cnicas de Anlisis M c T descripcin y d S SS PS SP nS en de ad da biilliid niib on po sp diis
F.SECUNDARIAS
- SOPORTE IMPRESO - SOPORTE MAGNTICO
OBTENCIN DE INFORMACIN
F.PRIMARIAS
- UNIVERSO - CUESTIONARIO - MUESTREO - PRETEST Y TRABAJO DE CAMPO - CONTROL - CODIFICACIN Y TABULACIN
ANLISIS
SIMPLE
- ESTADSTICA DESCRIPTIVA - ANLISIS DE CORRELACIN: Numrica, ordinal o categrica - NMEROS NDICES
MULTIVARIANTE
- GRFICOS Y TABLAS
- ANLISIS DE DEPENDENCIA: Anova, Ancova, Manova y Mancova. Anlisis de Regresin. Anlisis Discriminante. Correlacin Canvnica - ANLISIS DE INTERDEPENDENCIA: - Entre variables: Anlisis Factorial. Componentes principales - Entre sujetos: Anlisis Cluster. Anlisis Multidimensional No-Mtrico. Anlisis Conjunto
ANLISIS DE INTERDEPENDENCIA.
ENTRE VARIABLES:
COMPONENTES PRINCIPALES. ANLISIS FACTORIAL. ANLISIS CONJUNTO.
ENTRE SUJETOS:
CLUSTER O ANLISIS DE GRUPOS. ANLISIS MULTIDIMENSIONAL NO MTRICO.
SI HA REALIZADO
PERSONAL PROPIO CONSULTORA EXTERNA PERSONAL INTERNO Y EXTERNO
TOTAL
88.6% 94.5%
Ordinal Intervalo
Razn
ES
CONDICIONADA POR LOS OBJETIVOS EXPERIMENTALES, LOS RECURSOS DISPONIBLES, Y LA DIFICULTAD DE PERCEPCIN EXPERIMENTAL.
: PROCEDIMIENTO SPPS
MEN: ESTADSTICA - RESUMIR - TABLAS DE CONTINGENCIA
FACTOR 1 FACTOR 2 Medidas para el estudio de la correlacin, dependencia y asociacin entre factores Control de la informacin a mostrar en las casillas interiores de la tabla y marginales de filas y columnas.
ANLISIS DE LA VARIANZA
C APROPIADO CUANDO......
Se desea analizar si los distintos niveles de un determinado factor inciden en los valores de una variable cuantitativa. Si se emplean como explicativos dos o ms factores hablamos de una ANOVA multifactorial y, en ese caso, cobrarn inters los efectos de los niveles de cada uno de los factores y los efectos de las interacciones entre los niveles de los factores. Algunas variantes de esta tcnica son especialmente atractivas para casos experimentales concretos, en especial el ANCOVA.
: PROCEDIMIENTO SPPS
MEN (Anova Unifactorial): ESTADSTICA - COMPARAR MEDIAS - ANOVA DE UN FACTOR MEN (ANOVA Multifactorial): ESTADSTICA - MODELO LINEAL GENERAL - COMPONENTES DE LA VARIANZA
VARIABLES A EXPLICAR FACTOR EXPLICATIVO
Contrastes de existencia de tendencia en la endgena y contrastes "t" de significacin para los niveles del factor. Pruebas a posteriori para determinar qu medias difieren en el caso en que el ANOVA resulte significativo. Test de homogeneidad de varianzas, presencia de estadsticos descriptivos y tratamiento de los valores perdidos.
ANLISIS DE REGRESIN
C APROPIADO CUANDO......
SIEMPRE que la calidad de los datos lo permita para el anlisis de dependencia univariante o multivariante. Su precisin, refinamiento y potencia de anlisis es muy superior a las de otras tcnicas de anlisis de dependencia, permitiendo la realizacin de ejercicios de simulacin y prediccin. Como contrapartida, sus virtudes slo pueden explotarse asumiendo una complejidad que puede llegar a ser muy acusada, de modo que su aplicacin exige un importante compromiso de recursos tcnicos.
1 EJEMPLO
: PROCEDIMIENTO SPPS
MEN (Regresin Lineal MCO y Regresin MCP - WLS): ESTADSTICA - REGRESIN - LINEAL
VARIABLE A EXPLICAR VARIABLES EXPLICATIVAS Mtodo para la inclusin selectiva de las variables exgenas Posibilidad de limitar el anlisis a un conjunto de casos segn el valor de una variable Seleccin mtodo de Mnimos Cuadrados Ponderados (WLS) Intervalos de confianza para los coeficientes, matriz de varianzas y covarianzas, correlaciones parciales y semiparciales, test multicolinealidad, Durbin Watson.
: PROCEDIMIENTO SPPS
MEN (Regresin Curvilnea): ESTADSTICA - REGRESIN - ESTIMACIN CURVILNEA
VARIABLES A PREDECIR VARIABLES PREDICTORA TIEMPO Variable etiquetar punto. para cada
: PROCEDIMIENTO SPPS
MEN (Regresin genrica NO Lineal): ESTADSTICA - REGRESIN - NO LINEAL
VARIABLES A EXPLICAR EXPRESIN NO LINEAL DEL MODELO
La sintaxis de la expresin no lineal del se escribir utilizando variables dependientes (cuadro superior), el cuadro operativo bsico y las funciones prediseadas.
C APROPIADOS CUANDO......
En trminos generales, todas estas tcnicas permiten explicar el valor de un factor utilizando la informacin de variables explicativas cuantitativas. En el campo de la medicina, resulta especialmente atractivo para la diagnosis y para la determinacin del nivel de estmulo efectivo en los tratamientos.
Modelos LOGIT - PROBIT El modelo LOGIT es en realidad un tipo especfico de regresin en el que la variable endgena es dicotmica mientras que las explicativas pueden ser continuas o categricas. El contexto es similar al descrito en el cuadro anterior para el anlisis discriminante, pero ahora el anlisis suele enfocarse a aquellos casos en los que la variable endgena puede interpretarse en trminos de probabilidad y el objetivo es cuantificar la relacin entre las caractersticas individuales de los individuos y esa probabilidad. Los coeficientes de regresin logstica, aunque difciles de interpretar, pueden utilizarse para estimar la razn de las ventajas relativas de cada variable independiente del modelo. La regresin logstica es aplicable a un rango ms amplio de situaciones de investigacin que el anlisis discriminante. La regresin PROBIT, muy similar a la empleada en el LOGIT, suele utilizarse en aquellos casos en los que se sospecha que una respuesta dicotmica est influida por el nivel de alguna o algunas variables explicativas. El procedimiento, permitir estimar muy fcilmente la intensidad necesaria para que un estmulo llegue a inducir una determinada proporcin de respuestas.
: PROCEDIMIENTO SPPS
MEN (DISCRIMINANTE): ESTADSTICA - CLASIFICAR DISCRIMINANTE
FACTOR DE AGRUPACIN A EXPLICAR
VARIABLES DISCRIMINANTES
Estadsticos descriptivos de las variables independientes segn los diferentes grupos. Coeficientes de la funcin de clasificacin de Fisher y descomposicin de Matrices de Varianzas y Covarianzas.
Controla cmo usar para la clasificacin de individuos el resultado obtenido en las funciones discriminantes, en especial para fines predictivos.
: PROCEDIMIENTO SPPS
MEN (ANLISIS PROBIT): ESTADSTICA - REGRESIN - PROBIT
Variable que contiene, para cada nivel de exposicin (casos) el % de reacciones positivas a ese nivel de estimulacin. Variable que contiene, para cada nivel de exposicin (casos) el nmero de sujetos expuestos a ese nivel de estimulacin. Variable o variables predictoras, esto es, variables de estmulos.
Permite obtener una prueba de paralelismo (todos los niveles del factor tiene pendiente comn ) y controlar algunos aspectos de la estimacin de los parmetros.
CORRELACIN CANNICA
C APROPIADA CUANDO......
Se desea abordar el estudio de un fenmeno de causalidad entre dos fenmenos que vienen representadas, tanto el causado como el explicativo, por un conjunto de variables, y no se desea restringir el modo en que cada una de las variables explicativas incide en cada una de las explicadas.
C APROPIADO CUANDO......
Se desea reducir las dimensiones de un conjunto de variables sin prdida excesiva de informacin. El mtodo de componentes principales permitir generar combinaciones lineales de las variables originales de modo que las nuevas variables contengan gran parte de la informacin original. Su coste debe valorarse en trminos de interpretabilidad de esos componentes. Aunque no es infrecuente su confusin con el anlisis factorial existen importantes diferencias conceptuales; en todo caso, la relacin provendra del hecho de que la tcnica de componentes principales es uno de los mtodos de extraccin factorial ms utilizados.
ANLISIS FACTORIAL
C APROPIADO CUANDO......
Se desea obtener una medicin de una serie de factores de naturaleza inobservables, aprovechando para ello la dependencia o relacin comn de un conjunto de variables en torno a estos factores. El anlisis requiere datos expresados en variables de intervalo.
: PROCEDIMIENTO SPPS
MEN: ESTADSTICA - REDUCCIN DE DATOS - FACTORIAL El anlisis factorial implica, generalmente el desarrollo de tres etapas: Anlisis Preliminar de viabilidad, Extraccin Factorial y Rotacin factorial. El SPSS ofrece una gran flexibilidad para afrontar cada una de estas tres etapas.
Conjunto de variables fundamental, a partir para las que se desea encontrar factores subyacentes comunes. Posibilidad de limitar el anlisis a un nmero limitado de casos segn una variable de seleccin. Ofrece varios mtodos de rotacin tanto ortogonales como oblicuos. Permite obtener y guardar el valor de los factores a partir de las variables originales
Facilitan el anlisis preliminar de las variables y sus correlaciones de cara a anticipar la viabilidad del anlisis.
Permite especificar el mtodo de extraccin, el nmero de factores a extraer as como las iteraciones mximas a considerar en la extraccin.
ANLISIS CONJUNTO
C APROPIADO CUANDO......
Se desea establecer en que medida los distintos atributos de un objeto inciden en su seleccin preferente por parte de un conjunto de individuos. El anlisis conjunto intentar aproximarse a la estructura subyacente de seleccin determinando la importancia relativa de cada atributo as como la combinacin de los mismos que resulte ms atractiva.
ANLISIS CLUSTER
C APROPIADO CUANDO......
Se desea aprovechar la informacin relativa a un conjunto de variables para clasificar a un grupo amplio de sujetos y objetos en subgrupos de mxima homogeneidad intergrupal y mayor heterogeneidad entregrupal. El anlisis cluster no debe confundirse con el discriminante, ya que ese ltimo tiene por objeto explicar una clasificacin establecida a priori mientras que el anlisis cluster intenta, precisamente, generar esa clasificacin a partir de un nico grupo global.
: PROCEDIMIENTO SPPS
MEN: ESTADSTICA - CLASIFICAR - CONGLOMERADOS JERRQUICOS
Conjunto de variables utilizadas para la segmentacin Variable que etiquetar cada individuo u objeto a clasificar. El SPSS ofrece la posibilidad de aplicar la metodologa CLUSTER a variables, en lugar de objetos o sujetos.
Guarda el grupo de pertenencia de objetos Permite elaborar el clsico Dendograma o grfico de agrupacin secuencial de los objetos analizados.
El anlisis Cluster viene condicionado sensiblemente por el mtodo de aglomeracin utilizado, la medida de distancia empleada. El SPSS ofrece una amplia variedad de mtodos.
C APROPIADO CUANDO......
Se desea comprender la estructura subyacente a de un conjunto de medidas de similitud o distancia entre objetos o sujetos. Para ello se asignan las observaciones disponibles de esos sujetos u objetos a posiciones especficas en un espacio conceptual (normalmente de dos o tres dimensiones) de modo que las distancias entre los puntos en el espacio concuerden al mximo con las disimilaridades observadas. En muchos casos, las dimensiones de este espacio conceptual son interpretables y se pueden utilizar para comprender mejor los datos. El escalamiento multidimensional puede tambin aplicarse a valoraciones subjetivas de disimilaridad entre objetos o conceptos.
: PROCEDIMIENTO SPPS
MEN: ESTADSTICA - ESCALAS - ESCALAMIENTO MULTIDIMENSIONAL
Conjunto de matrices de variables a partir de las cuales se calcularn las distancias entre objetos o sujetos para explicar sus similaridades Permite controlar nivel de media, condicionalidad, dimensiones y mtodo escalamiento. el la las el de
Normalmente, los datos de partida son matrices que reflejan la similitud o diferencia percibida entre los objetos o sujetos que ocupan cada fila y columna (los datos son distancias). No obstante, si no se han creado las matrices a partir de las variables en bruto, el SPSS las crea conforme a una medida de distancia elegida por el usuario (crear distancias a partir de datos).
BIBLIOGRAFA
I. BIBLIOGRAFA GENERAL
BERSTEIN, I. (1998): Applied Multivariate Analysis Aplications Academic Press. Inc. New York. BISQUERA ALZINA, R. (1989): Introduccin conceptual al anlisis multivariable: un enfoque informtico con los paquetes SPSS-X, BMDP, LISREL y SPAD. Vol. 1, PPU, S.A.
COOLEY, W. y LOHNES, P. (1971): Multivariate Data Analysis. New York: John Wiley Cop. CUADRAS, C.M. (1991): Mtodos de Anlisis Multivariante. Barcelona: PPU (2 edicin). DANIEL PEA SANCHES DE RIVERA. (1989): Estadstica modelos y mtodos, 1. Fundamentos. Alianza Editorial. DILLON y GOLDSTEIN. (1984): Multivariate Analysis. Methods and applications. John Wiley & Sons. FERRN ARANAZ, M. (1996): SPSS para Windows, Programacin y Anlisis Estadstico. McGraw-Hill Interamericana, Madrid. FLURY, B., RIEDWYL, H. (1988): Multivariate statistics: a practical approach. Chapman and Hall. HAIR, ANDERSON, TATHAM Y BLACK (1998): Multivariate Data Analysis. Fifth Edition, Prentice-Hall, New Jersey. HAIR, J.F.et al (1999): Anlisis Multivariante. 5 edicin, Prentice-Hall Iberia, Madrid. JOHNSON R. (1994): Applied multivariate statistical analysis. Madison, thurd. de. pp. 459-491. RICHARD A. JOHNSON, DEAN W. WICHERN. (1981): Applied multivariate statistical analysis. Pretince-Hall. RICHARD A. JOHNSON, DEAN W. WICHERN. (1992): Applied Multivariate statistical anlysis. Third edition, Prentice-Hall International, Inc. SNCHEZ CARRIN, J.J. (1995): Manual de Anlisis de Datos. Alianza Editorial. URIEL, E. (1985): Anlisis de datos: Series temporales y anlisis multivariante. Editorial AC, Coleccin plan nuevo, Madrid. URIEL, E. (1995): Anlisis de datos: Series temporales y anlisis multivariante. Editorial AC.
VICNS OTERO, J. (1997): Obtencin y Anlisis de datos. Facultad de Econmicas UAM. WILLIAM, R. DILLON and MATTHEW GOLDSTEIN. (1984): Multivariate Analysis. Methodos and Applications.
BISHOP, Y.M.M.; FIENBERG, S.E. Y HOLLAND, P.W. (1977): Discrete Multivariante Massachusetts. Analysis. Theory and Practice. MIT PRESS, Cambridge,
EVERITT, B. (1977): The analysis of Contingency Tables. London Chapman and Hall. FIENBERG, S.E. (1987): The analysis of cross-classified categorical data. Cambridge, Mass.: M.I.T. Press. GOKHALE, D.V. (1978): The information in contingency tables. New York: M. Dekker. GOKHALE, D.V. y KULLBACK, S. (1978): The information in contingency tables Statistics: Textbooks and monographs. Vol 3. De. Owen. Minton y Pratt, Nueva York. HABERMAN, S.J. (1978): Analysis of qualitative data. Introductors topics and New developments. New York. Academic Press. MAXWELL, A.E. (1971): Analysing qualitative data. Harmondsworth: Penguin Books, 1970. OBRIEN, L.G. (1989): The statistical anlysis of contingency table designs. Newcastle Upon Tyne: Newcastle University. RUZ-MAYA, L. (1990): Metodologa Estadstica para el Anlisis de Datos Cualitativos. Centro de estudios Sociolgicos. Madrid. SNCHEZ CARRIN, J.J. (1984): Anlisis de tablas de contingencia. Coleccin monografas n 105. CIS. SPSS. Crosstabulation and measures of association, Cap. 10, Statistics Guide. UPTON, GRAHAM, J.G. (1978): The analysis of cross-tabulated data. John Wiley Cop.
COCHRAN, W.G. (1976): Analysis of Covariance: Its nature and uses. Biometrics, Vol. 13.
ELLEN R. GIRDEN. (1992): ANOVA. Repeated Measures. SAGE University Paper. GIRDEN, E. (1992): Anova: repeated measures. Newbury Park, 1992-VI. INVERSEN, G.R. y NORPORTH, H. Analysis of Variance. Quantitative Applications in the Social Sciences N 1. A Sage University Paper Series. RUZ-MAYA. (1986): Mtodos Estadsticos de Investigacin. I.N.E. RUPERT G. MILLER, JR. (1985): Beyond ANOVA, basics of applied statistics. John Wiley & Sons. WILDT, A.R. y ATHOLA, O. (1978) Analysis of Covariance. Quantitative Applications in the Social Sciences. A Sage University Paper Series.
CUADRAS,
ABELLANO.
(1973):
Anlisis
Estadstico
Multivariante.
Representacin Cannica de Funciones. Resumen de tsis. V.A. Barcelona. PETER A. LACHEMBRUCH. (1975): Discriminant analysis. Hoguer Press. VISAUTA VINACUA, B. (1997): SPSS para Windows. McGraw-Hill. WILLIAM R. KLECKA. (1976): Discriminant analysis. Series: Quantitative Applications in the Social Sciencies.
ANDERSON, SIMON P.; ANDRE; THISSE, JACQUES FRANCOIS. (1992): Discrete choice theory of product differentiation. Cambridge and London: MIT Press, pag. XVIII, 423.
BESANKO D., PERRY M.K. and SPADY R.H. (1990): The logical model of monopolistic competition: brand diversity. The Journal of Industrial Econmics, Vol. 38, n 4 June.
GRACIA DIEZ, M. (1988): Modelos con variable dependiente cualitativa y de variacin limitada. Cuadernos econmicos, ICE, nmero 39, 1988/2. GRACIA DEZ, M. (1991): A Qualitative Analysis of Unemployment in Spain. Universidad Complutense de Madrid, pag. 159-73. JOHNSTON, J. (1989): Mtodos de econometra. Ed. Vicens Vives, Barcelona. JUDGE G. (1980): The theory and practice of econometrics. Jhon Wiley and sons, New York. LEHRER, EVELYN L. (1992): The impact of Children on Married Womens Labor Supply: Black-White Differentials Revisited. Journal of Human Resources; 27 (3), pag. 422-44.
Micro TSP, Users Manual. (1986) Mc Graw Hill. MILLN J.A., RUIZ P. (1987): Modelos logit de adopcin de innovaciones en invernaderos de Almera. Investigacin agraria, 2 (2). NOREEN, E. (1988): An empirical comparison of probit and OLS Regression hypothesis tests. Journal of accounting research. Vol. 26, N 1 Spring, USA. NOVALES, A. (1988): Econometra. McGraw Hill, Madrid. RODRGUEZ GUTIERREZ, CSAR. (1992): La adquisicin de capital humano: Un modelo terico y su contrastacin. Investigaciones Econmicas. 16 (2). Pg. 305-16. TIM FUTING LIAO. (1988): Interpreting probability model. Logit, Probit and other generalizad Linear Models. Series: Cuantitative Applications in the Social Sciences. A Sage University papers series.
VICNS, J. (1995): Modelos con variables cualitativas dicotmicas. (Nov. 1995). Instituto L.R.Klein.
LEVINE. (1977): Canonical Analysis and Factor Composition. Beverly Hills: Sage Publications. Sage University Papers.
APARICIO PREZ F. (1988): La difcil realizacin de un anlisis de componentes principales mediante los programas estadsticos ms difundidos en el mercado. Estadstica espaola, Vol. 30, n 117, Madrid.
BATISTA FOQUET Y MARTNEZ ARIAS. (1989): Anlisis multivariante. Anlisis en componentes principales. Coleccin ESADE. Editorial Hispano Europea, S.A. pp.49-54.
HARMAN, HARRY. (1976): Modern factor analysis. Chicago University Press. HARMAN, HARRY. (1980): Anlisis Factorial Moderno. Editorial Salts. HOTTELING, H. (1993): Analysis of a Complex of Statistical Variables into Principal Components. J. Educ. Psycology, n 24. JRESKOG, K.G., KLOVAN, J.E., REYMENT, R.A. (1976): Geological Factor Analysis. Elsevier Scient. Pub. Co. KIM JAE-ON y MUELLER, CHARLES. (1978): Factor analysis, Statistical Methods and Practical Issues. Sage University Paper. KIM JAE-ON y MUELLER, CHARLES. (1978): Introduction to factor analysis. Sage University Paper.
MARTN REYES, G. (1978): Algunos mtodos multivariantes y sus apllicaciones en economa. Cuadernos de CC. Econmicas y Empresariales, n 2, Universidad de Mlaga.
NARVAIZA SOLS, J.L. (1981): El anlisis Factorial: Exposicin Grfica e Intuitiva. Boletn de Estudios Econmicos, n 36 (113), Deusto, 1981, 259-285. PEARSON, K. (1901): On Lines and Planes of Closest Fit to Systems of Points in Space. Phil. Magasine, Ser. 6, 2. SPEARMAN, C. (1904): General Intelligence Objetively Determined and Measured. American Journal of Psycology, n 15. THURSTONE, L.L. (1931): Multiple Factor Analysis. Psychol. Rev., n 38, 1931, 406.
ALDENDERFER, M.S. Y R.K. BLASHFIELD. (1984): Cluster Analysis. A Sage University Paper, Series: Quantitative Aplications in the Social Sciences. N 07-044. ANDERBERG, M.R. (1973): Cluster Analysis for Applications. Academic Press, New York. BOGGIS, J.G. y J. HELD. (1971): Cluster Analysis. A New Tool in Electricity. Journal of the Market Research Society (England), 13. Abril, 1971, pp. 49-68. DAY, N.E. y R.M. HEELER. (1971): Using Cluster Analysis to Improve Marketing Experiments. Journal of Marketing Research, 8. Agosto, 1971, pp. 340-47. EVERITT, B.S. (1978): Graphical Techniques for Multivariate Data. London: Heineman Educational. EVERITT, B.S. (1993): Cluster Analysis. Tercera Edicin. Edward Arnold. A division of Hodder & Stoughton. JAIN, A.K. y R.C. DUBES. (1988): Algorithms for Clustering Data Prentice Hall, Englewood Clidd, N.J. USA. JAMBU, M. (1983): Cluster Anlysis and Date Analysis. Amsterdam: North-Holland. JARDINE, N. y R. SIBSON. (1971): Mathematical Taxonomy, John Wiley & Sons, Chichester. RAO, C.R. (1952): Advanced Statistical Methods in Biometrics Research. John Wiley & Sons, New York. ROMESBURG, H.CH. (1984): Cluster Analysis for Research. Belmont, Calif: Lifetime Learning Publications. TRYON, R.C.- DANIEL, E.B. (1970): Company. N.Y. Cluster Analysis. MC. Graw Book
SOKAL, R.R. y P.H.A. SNEATH. (1973): Numerical Taxonomy. W.H. Freeman & Co. San Francisco. WARD, Jr. J.H.; HOOK, M.R. (1963): Aplication of Hierachical Grouping Procedure to a Problem of Grouping Profiles. Educ and Psychology Measurement 23, n 1 Pgs. 69-82.
GIL LUEZAS,C. (1985): Una aplicacin del anlisis conjunto a la segmentacin de mercado: la segmentacin componencial. Investigacin y Marketing. GREEN, P.E. and YORAM WIND. (1975): New away to measure consumers judgements. Harward Business Review (Julu-August 1975). GREEN, P.E. and V. SRINIVASAN. (1978): Conjoint analysis in consumer research: issues and outlook. Journal of consumer research. (September 1978). GREEN, P.E. (1990): Conjoint Analysis in Marketing: new development With Implications for Research an Practice. Journal of Marketing, Octubre 1990. HELSEN, K., SHANDLER, B. Y GREEN, P. (1988): Conjoint Internal Validity Under Alternative Profile Presentations. Journal of Consumer Research, Vol. 5. KRIEGER A. Y GREEN, P. (1990): Segmenying Markets With Conjoint Analysis. Journal of Marketing. Vol. 55. MARTN DVILA, M. (1987): Como diagnosticar lo que los consumidores desean realmente: El anlisis conjunto. (Marzo 1987). MGICA GRIJALBA, J.A. (1989): Los modelos multiatributo en marketing. El anlisis conjunto. IPMARK (n 324/16-28 Febrero 1989). MGICA GRIJALBA, J.M. (1989): El anlisis conjunto. IPMARK. n 324.
MGICA GRIJALBA, J.M. (1989): El anlisis conjunto (y II). Alternativas, problemas y limitaciones. IPMARK (n 326/16-31 Febrero 1989). RIVERO, P. Y FERNNDEZ, R. (1993): Anlisis de variables cualitativas: Modelos LOGIT y PROBIT, Universidad Autnoma de Madrid. VARELA GONZLEZ, J.A. (1985): El anlisis conjunto, una tcnica al servicio de la investigacin comercial. Economa y Empresa. WITTINK, D. Y CATTIN, P. (1981): Alternative Estimation Methods for Conjoint Analysis: A Monte Carlo Study. Journal of Marketing Research, Vol XVIII.