INTRODUCCIN AL ANLISIS

MULTIVARIADO
CLASIFICACIN DE LAS TCNICAS
MULTIVARIADAS

Julia Moreno Madueo

Mtodos y Tcnicas de Investigacin en Psicologa, grupo M2
Facultad de Psicologa, Universidad de Granada

Las tcnicas multivariadas se pueden clasificar en funcin de la tcnica

obteniendo 2 tipos:

Explicativas
Descriptivas

- EXPLICATIVAS
Se emplean en contextos de investigacin experimentales. En estas
tcnicas consideramos a las variables independientes como causas
potenciales de las variables dependientes. Su objetivo es contrastar
hiptesis relativas.
Aqu podemos distinguir las siguientes tcnicas:
a) Anlisis de regresin mltiple
Intenta predecir el criterio desde el conjunto de predictores mtricos
(expresan magnitud) medidos. Se consigue combinando linealmente los
predictores, es decir, la suma ponderada de los valores de los
predictores.
Los pesos de cada variable (ya que cada valor puede tener un peso
diferente) se determinan mediante un proceso de estimacin llamado
mnimos cuadrados que intenta obtener pesos cuya suma de los
cuadrados de los errores de prediccin sea mnima.
Esta tcnica se puede usar con bajo la condicin de que las variables
estn medidas en una escala de intervalos o de razn (escalares).
b) Anlisis discriminante
Se utiliza en los casos en los que la muestra pueda dividirse en grupos
conocidos de antemano (como variables politmicas y dicotmicas),
siempre que los predictores sean variables escalares.
- Sus objetivos son:

Calcular la probabilidad de que los individuos pertenezcan a

uno u otro de los grupos a partir de los predictores
Determinar cuales de las variables predictoras son realmente
tiles (ya que algunos pueden resultar innecesarios)

c) Anlisis multivariado de varianza y covarianza

- Podemos distinguir entre los siguientes:

MANOVA:
Su objetivo es determinar si una o ms variables independientes (pueden
ser mtricas o no) producen efectos diferentes sobre dos o ms variables
dependientes (deben ser variables mtricas).
Tambin es aplicable en diseos de medidas repetidas (se mide la misma
variable dependiente de forma reiterada).
MANCOVA:
Si en el diseo no se ha podido realizar un control experimental
adecuado. Intenta un control estadstico midiendo variables relacionadas
con las dependientes antes de que se apliquen las independientes a los
sujetos (covariados).
Se basa en asumir que lo que puede ser predicho por los covariados no es
atribuible a las independientes.
d) Anlisis de regresin logstica
Esta tcnica se utiliza cuando las variables predictoras no son mtricas.
Su objetivo es predecir el grupo al que pertenece un individuo, y para ello
trata de combinar variables predictoras con la ponderacin adecuada.
Aunque la relacin entre la mezcla de variables y la variable predictora no
es lineal y la estimacin de los pesos se realiza por un proceso interactivo
denominado mxima verosimilitud.
e) Ecuaciones lineales estructurales (LISREL)
Utilizada cuando nos centramos en relaciones de prediccin secuenciales.
Se construye un modelo estructural donde se especifica la forma en que
estn relacionadas las variables predictoras y los criterios.
El modelo suele basarse en presupuestos tericos y define qu variables
se van a emplear para cada variable criterio o predictora.
El modelo de medida nos permite determinar cmo cada tarea contribuye
a la medicin de la capacidad de memoria operativa.

- DESCRIPTIVAS
Los aplicamos en contextos no experimentales. Su objetivo es resumir el
conjunto de datos conforme nuestros objetivos.
Los tipos de tcnicas descriptivas son los siguientes:
a) Anlisis de datos categricos
Se utiliza cuando queremos medir variables de carcter categrico
(nominal) u ordinal.

Nuestro objetivo es establecer si existe una relacin entre las variables

medidas.
Para analizar la relacin entre variables cualitativas utilizamos el anlisis
de frecuencias de mltiples vas (anlisis log-lineal). Cuando solamente
hay dos variables se mide la asociacin con el estadstico c2, pero cuando
el nmero de variables es mayor de dos, se utiliza el anlisis de tablas de
contingencia mltiples.
El anlisis de datos categricos puede tambin utilizarse por la tcnica de
anlisis por correspondencias. Los objetivos y mtodos son los mismos
aunque realiza una transformacin de los datos no mtricos para obtener
datos mtricos y adquirir las dimensiones subyacentes a los mismos y
mapas de representacin de la cercana de los valores de las variables
medidas.
b) Correlacin cannica
Medimos a un grupo de sujetos dos conjuntos de variables y varias
medidas. Se correlacionan combinaciones lineales de las variables de un
conjunto con combinaciones lineales de las variables del otro conjunto.
c) Anlisis de cluster
Esta tcnica consiste en clasificar individuos o variables semejantes entre
s en las variables que hemos medido sin un criterio de clasificacin a
priori. Permite agrupar individuos o variables en funcin de su semejanza.
d) Anlisis factorial y de componentes principales
Su objetivo es reducir los datos a partir de las correlaciones para
encontrar un nmero reducido de factores que los expliquen. En las
etapas se miden las variables, se computan las correlaciones y arreglan
en una matriz para posteriormente extraer los factores (que son
combinaciones lineales de las variables). A veces es necesario rotar para
interpretar los resultados de forma ms efectiva.
e) Anlisis de supervivencia
El inters se centr en establecer el tiempo necesario que ha de
transcurrir para que ocurra algo. Trata de describir la proporcin de casos
en diferentes momentos del tiempo que permanecen en el estudio. A
menudo se emplea ms de un grupo. El anlisis presenta curvas de
supervivencia para cada grupo, aunque tambin es posible realizar
pruebas estadsticas para comparar los grupos.