Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Tema 1naranget
Tema 1naranget
Modelos Multivariantes 2
ALGUNOS CONCEPTOS PREVIOS
Modelos Multivariantes 7
MODELOS
Y SA
Modelos Multivariantes 9
MODELOS ESTADÍSTICOS
RAZONES DE LA EXPANSIÓN
1.Necesidades de investigación. La complejidad de los fenómenos
sociales requiere un tratamiento de datos multidimensional
PELIGROS y PROBLEMAS:
Olvido de la teoría
Fácil estimación y difícil interpretación
Incluir demasiadas variables (en contra de la parsimonia)
Incumplimento de Supuestos
Casos anómalos
Tamaño muestral (arma de doble filo)
Relevancia conceptual ≠ significación estadística
Modelos Multivariantes 13
TÉCNICAS MULTIVARIANTES
CONFUSIÓN TERMINOLÓGICA. Conceptos relacionados:
– Modelos, métodos, técnicas y análisis
– Multivariantes, multivariables, multivariados
Muy diversas
– Regresión Lineal, Análisis Discriminante, Regresión logística, Análisis de
Varianza, Análisis Conjunto, Análisis de Supervivencia, Análisis de
Estructuras de Covarianza (Ecuaciones Estructurales), …
– Análisis Factorial, Análisis de Correspondencias, Análisis de
Conglomerados, Escalamiento Multidimensional, Análisis Log-Linear, …
Modelos Multivariantes 14
CLASIFICACIÓN
I.N. SHETH, 2 grandes preguntas:
¿Son unas variables dependientes de otras?
¿Cuáles son las propiedades de los datos?
2 grandes tipos:
Métodos de Dependencia: Regresión, Discriminante, Análisis
de Varianza, Análisis Conjunto
Métodos de Interdependencia :Cluster, Factorial,
Correspondencias, Escalamiento
Modelos Multivariantes 15
Todas las técnicas
Multivariantes
NO ¿Algunas de las SÍ
variables son
dependientes de
otras?
Modelos Multivariantes 17
ANÁLISIS DISCRIMINANTE
OBJETIVO: Identificar funciones capaces de separar dos o más grupos
de individuos según sus puntuaciones en una serie de variables, con el fin
de localizar las variables que contribuyen en mayor grado a discriminar a
los sujetos de los diferentes grupos establecidos a priori. Técnica de
clasificación.
Y1 = X1 + X2 + X3 + ... + Xn
(no métrica) (métricas)
Obtener una función discriminante del tipo
Zjk = a + W1X1+ W2X2 + ... + WjXk
Modelos Multivariantes 19
ANÁLISIS CONJUNTO
OBJETIVO: Entender cómo conforman los individuos sus preferencias hacia
los objetos, estimando la importancia relativa que le conceden a cada uno
de los atributos o características de éste.
Modelos Multivariantes 20
ANÁLISIS DE SUPERVIVENCIA
OBJETIVO: Predecir o modelizar el tiempo que transcurre hasta que ocurre
un evento, el RIESGO de…
Modelos Multivariantes 21
ANÁLISIS DE VARIANZA
Modelos Multivariantes 22
ANÁLISIS FACTORIAL
Modelos Multivariantes 23
ANÁLISIS DE
CORRESPONDENCIAS
OBJETIVO: Reducción de datos. A partir de la relación entre variables
observadas identificar DIMENSIONES o variables latentes
Modelos Multivariantes 24
ANÁLISIS DE
CONGLOMERADOS
Modelos Multivariantes 25
ESCALAMIENTO
MULTIDIMENSIONAL
Modelos Multivariantes 26
OTRAS TÉCNICAS
Modelos Multivariantes 27