DISEÑOS MULTIVARIADOS DE INVESTIGACION

PROF: Guillermo Alberto Mota de la Cruz

Análisis multivariante Conjunto de procedimientos estadístico-econométricos que estudian y

analizan de forma simultánea ciertas características de cada individuo, objeto o entidad que
forma parte de una determinada investigación.
Objetivos del análisis multivariante
Pueden sintetizarse en dos:
1)Proporcionar métodos, cuya finalidad es el estudio conjunto de datos multivariantes, que el
análisis estadístico uni y bidimensional es incapaz de conseguir.
2)Ayudar a analizar e investigar, a tomar decisiones optimas, en el contexto en el que se
encuentre, teniendo en cuenta la información disponible por el conjunto de datos analizado
Tipos de técnicas multivariantes
Métodos de dependencia
Método de independencia
Métodos estructurales
Métodos de dependencia
Análisis de regresión
Análisis de supervivencia
Análisis de la varianza
Correlación canónica
Modelo estadístico es una ecuación matemática que reproduce los fenómenos que observamos
de la forma más exacta posible. Para ello tiene en cuenta los datos suministrados y la influencia
que el azar tiene en estas observaciones.
Valor Teórico es un valor que no depende de la muestra que hemos tomado, sino de la
distribución teórica del estadístico de contraste cuando la hipótesis nula es cierta.
Tipos de variables
Las variables cualitativas son aquellas características o cualidades que no pueden ser
calculadas con números, sino que son clasificadas con palabras.
Este tipo de variable, a su vez, se divide en:
 Cualitativa nominal: aquellas variables que no siguen ningún orden en específico. Por
ejemplo, los colores, tales como el negro, naranja o amarillo.
 Cualitativa ordinal: aquellas que siguen un orden o jerarquía. Por ejemplo, el nivel
socioeconómico alto, medio o bajo.
 Cualitativa binaria: variables que permiten tan solo dos resultados. Por ejemplo, sí o
no; hombre o mujer.
Las variables cuantitativas son aquellas características o cualidades que sí pueden expresarse o
medirse a través de números.
Este tipo de variable, a su vez, se divide en:
 Cuantitativa discreta: aquella variable que utiliza valores enteros y no finitos. Por
ejemplo, la cantidad de familiares que tiene una persona, tal como 2, 3, 4 o más.
 Cuantitativa continua: aquella variable que utiliza valores finitos y objetivos, y suele
caracterizarse por utilizar valores decimales. Por ejemplo, el peso de una persona, tal
como 64.3 kg, 72.3 kg, etc.
La variable independiente (VI) es la que cambia o es controlada para ver sus efectos en la
variable dependiente (VD). Por ejemplo, en un estudio se quiere medir los efectos de la
La variable dependiente (VD) es la que es afectada por la variable independiente (VD). Se
trata del efecto, de lo que se mide. Por ejemplo, en un estudio se quiere medir la cantidad de sol
que una planta recibe y su altura. La cantidad de sol es la VI, es la causa. La altura de la planta
sería la VD, el efecto que se mide.
Análisis de correlación consiste en un procedimiento estadístico para determinar si dos
variables están relacionadas o no. 
Coeficiente de correlación es una medida que permite conocer el grado de asociación lineal
entre dos variables cuantitativas (X, Y)
Coeficiente de determinación es la proporción de la varianza total de la variable explicada por
la regresión. Es también denominado R cuadrado y sirve para reflejar la bondad del ajuste de un
modelo a la variable que se pretende explicar.
Análisis de regresión lineal simple es una metodología estadística que se utiliza para
establecer la posible relación entre dos tipos de variables: independientes (regresoras) y
dependientes (o predichas o estimadas).
Análisis regresión lineal múltiple es la gran técnica estadística para comprobar hipótesis y
relaciones explicativas