Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Anlisis
multivariante
El anlisis multivariante es un mtodo estadstico utilizado para determinar la
contribucin de varios factores en un simple evento o resultado.
Los factores de estudio son los llamados factores de riesgo (bioestadstica),
variables
independientes
o
variables
explicativas.
El resultado estudiado es el evento, la variable dependiente o la variable
respuesta.
El anlisis multivariante mediante tcnicas de proyeccin sobre variables
latentes tiene muchas ventajas sobre los mtodos deregresin tradicionales:
se puede utilizar la informacin de mltiples variables de entrada, aunque stas
no
sean
linealmente
independientes
puede trabajar con matrices que contengan ms variables que observaciones
puede trabajar con matrices incompletas, siempre que los valores faltantes
estn
aleatoriamente
distribuidos
y
no
superen
un
10%
puesto que se basan en la extraccin secuencial de los factores, que extraen la
mayor variabilidad posible de la matriz de las X (variables explicativas, tienen
que ser dependientes) pueden separar la informacin del ruido. Se asume que
las
X
se
miden
con
ruido.
Tcnicas
Multivariantes
Anlisis
de
Componentes
principales
Anlisis
factorial
Anlisis
discriminante
Anlisis
de
Correlacin
Cannica
Anlisis
Cluster
Anlisis
de
Escalamiento
Dimensional
Anlisis
de
correspondencias
Anlisis
factorial
confirmatorio
Modelo
de
Ecuaciones
Estructurales
(SEM),
anlisis
causal.
Anlisis
conjunto
Escalamiento
ptimo
Regresin
Lineal
Mltiple
Regresin
Logit
y
Probit
Anlisis
Manova
Tres o ms variables. Estas relaciones pueden ser de diversos tipos.
Descriptivas como establecer perfiles, separacin de grupos, segmentacin,
determinar influencias eficientes entre varias variables, entre otras
En
general
se
las
clasifica
en
dos
grandes
grupos
1. Mtodos explicativos como regresin lineal, anlisis discriminante, regresin
logstica, modelos de respuesta probit, logic, modelos loglineales, entre otros
2. Mtodos descriptivos como anlisis de conglomerados, anlisis factorial,
anlisis de componentes principales, anlisis de correspondencias simples y
mltiples, etc. Este tipo de anlisis ha avanzado mucho y hoy ocupa el corazn
del anlisis estadstico avanzado. Desafortunadamente es exigente y poco
amigable en comprensin matemtica aunque lo es grficamente La gran virtud
de este tipo de anlisis es que sintetiza las relaciones entre las variables
estudiadas, que de otro modo, tendran que establecerse con los anlisis
anteriores, largos y que conllevan a equvocos Su difusin depende en gran
medida de la disposicin del profesional a adoptar nuevos enfoques.
TIPOS DE TECNICAS MULTIVARIANTES El anlisis multivariante es un
conjunto de tcnicas de anlisis de datos en expansin. Entre las tcnicas ms
conocidas expuestas en este texto tenemos (1) regresin mltiple y correlacin
mltiple; (2) anlisis discriminante mltiple; (3) componentes principales y
anlisis factorial comn; (4) anlisis multivariante de varianza y covarianza; (5)
correlacin cannica; (6) anlisis cluster; (7) anlisis multidimensional y (8)
anlisis conjunto. Entre las tcnicas emergentes tambin incluidas estn (9)
anlisis de correspondencias; (10) modelos de probabilidad lineal como logit y
probit; y (11) modelos de ecuaciones simultneas/estructurales. En este
apartado, introduciremos cada una de las tcnicas multivariantes, definiendo
brevemente
la
tcnica
y
el
objetivo
de
su
aplicacin.
COMPONENTES FACTORIALES Y ANALISIS FACTORIAL COMUNEl anlisis
factorial, que incluye variaciones tales como el anlisis de componentes y el
anlisis factorial comn, es una aproximacin estadstica que puede usarse
para analizar interrelaciones entre un gran nmero de variables y explicar estas
variables en trminos de sus dimensiones subyacentes comunes (factores). El
objetivo es encontrar un modo de condensar la informacin contenida en un
nmero de variables originales en un conjunto ms pequeo de variables
(factores) con una prdida mnima de informacin.Si se proporciona una
estimacin emprica de la estructura de las variables consideradas, el anlisis
factorial se convierte en una base objetiva para crear escalas aditivas.
REGRESION MULTIPLE La regresin mltiple es el mtodo de anlisis
apropiado cuando el problema del investigador incluye una nica variable
mtrica dependiente que se supone est relacionada con una o ms variables
mtricas independientes. El objetivo del anlisis de la regresin mltiple es
predecir los cambios en la variable dependiente en respuesta a cambios en
varias de las variables independientes. Este objetivo se consigue muy a
menudo a travs de la regla estadstica de los mnimos cuadrados. La
regresin mltiple es til siempre que el investigador est interesado en
predecir la cantidad o la magnitud de la variable dependiente. Por ejemplo, se
puede hacer la prediccin de los gastos mensuales de cenar fuera de casa
(variables dependientes) con informacin referente a la renta familiar, su
tamao y la edad del cabeza de familia (variables independientes). De la
misma forma. el investigador puede intentar predecir las ventas de una
compaa a partir de informacin sobre sus gastos en publicidad, el nmero de
vendedores y el nmero de tiendas que distribuyen sus productos.
ayudar
en
el
diseo
del
producto
ptimo.
CORRELACION CANONICA El anlisis de correlacin cannica puede verse
como una extensin lgica de un anlisis de regresin mltiple. Recordemos
que el anlisis de regresin mltiple implica una nica variable dependiente
mtrica y varias variables mtricas independientes. Con el anlisis cannico el
objetivo es correlacionar simultneamente varias variables dependientes
mtricas y varias variables mtricas independientes. Mientras que la regresin
mltiple implica una nica variable dependiente, la correlacin cannica implica
mltiples variables dependientes. El principio subyacente es desarrollar una
combinacin lineal de cada conjunto de variables (tanto independientes como
dependientes) para maximizar la correlacin entre los dos conjuntos. O dicho
de otra forma, el procedimiento implica obtener un conjunto de ponderaciones
para las variables dependientes e independientes que proporcione la
correlacin nica mxima entre el conjunto de variables dependientes y el
conjunto
de
variables
independientes.
ANALISIS CLUSTER El anlisis cluster es una tcnica analtica para
desarrollar subgrupos significativos de individuo u objetos. De forma especfica,
el objetivo es clasificar una muestra de. Entidades (personas u objetos) en un
nmero pequeo de grupos mutuamente excluyentes basados en similitudes
entre las entidades. En el anlisis cluster, a diferencia del anlisis
discriminante, los grupos no estn predefinidos. Por consiguiente, se usa la
tcnica para identificar los grupos. Habitualmente, el anlisis cluster implica al
menos dos etapas. La primera es la medida de alguna forma de similitud o
asociacin entre las entidades para determinar cuntos grupos existen en
realidad en la muestra. La segunda etapa es describir las personas o variables
pata determinar su composicin. Este paso puede llevarse a cabo aplicando el
anlisis discriminante a los grupos identificados por la tcnica cluster.
ANALISIS MULTIDIMENSIONAL En el anlisis multidimensional, el objetivo es
transformar los juicios de los consumidores de similitud o preferencia (por
ejemplo, preferencias por tiendas o marcas comerciales) en distancias.
Representadas en un espacio multidimensional. Si los objetos A y B son en
opinin de los encuestados ms similares que el resto de los pares posibles de
objetos, las tcnicas de anlisis multidimensional situarn a los objetos A y B de
tal forma que la distancia entre ellos en un espacio multidimensional es menor
que la distancia entre cualquier otro par de objetos. Los mapas perceptuales
resultantes muestran el posicionamiento relativo entre los objetos, pero es
necesario un anlisis adicional para evaluar qu atributos predicen la posicin
de
cada
objeto.
ANALISIS DE CORRESPONDENCIAS Para finalizar, el anlisis de
correspondencias es una tcnica de interdependencia recientemente
desarrollada que facilita tanto la reduccin dimensional de una clasificacin de
objetos (por ejemplo: productos, personas, etc.,) sobre un conjunto de atributos
y el mapa perceptual de objetos relativos a estos atributos. Los investigadores
se enfrentan constantemente a la necesidad de cuantificar datos cualitativos
que encuentran en variables nominales. El anlisis de correspondencias difiere
de otras tcnicas de interdependencia discutidas antes en su capacidad para
acomodar tanto datos no mtricos como relaciones no lineales. En su forma