RESUMEN: ANÁLISIS MULTIVARIADO

El análisis multivariado proporciona una reducción de la dimensionalidad de la

pendiente del objeto en un conjunto de atributos, generando así un mapa de percepción
de la pendiente. Sin embargo, la variable independiente y la variable dependiente se
verifican al mismo tiempo.

Esta es una técnica combinada que puede ser muy útil en situaciones donde hay muchos
atributos. Se usa comúnmente para evaluar la efectividad de las campañas publicitarias.
También se puede utilizar cuando los atributos son demasiado similares para el análisis
factorial.

El principal enfoque estructural es el desarrollo de una tabla de contingencia, también

conocida como tabulación cruzada. Esto significa que la forma de las variables no debe
ser métrica. El análisis de correspondencias es difícil de interpretar, ya que las
dimensiones son una combinación de variables independientes y dependientes.

Objetivos

• Optimizar los datos o simplificar la estructura: Esto ayuda a simplificar los

datos en la mayor medida posible sin sacrificar información valiosa y sirve para
facilitar la explicación de datos.
• Ordenar y agrupar: Cuando tengamos múltiples variables, se creará un conjunto
de objetos o variables "similares" en función de las características medidas para
ordenar y agrupar los datos.
• Investigar la relación de dependencia entre variables: La relación entre
variables es algo que puede resultar preocupante para muchos. El análisis
multivariado nos servirá para saber si todas las variables son independientes o
dependientes entre sí.
• Relación predictiva entre variables: Deben determinarse para predecir el valor
de una o más variables a partir de observaciones de otras variables.
• Construcción y prueba de hipótesis: Se prueban hipótesis estadísticas
específicas expresadas en parámetros poblacionales multivariados. Esto se
puede hacer para probar hipótesis o reafirmar hipótesis previas.
 ¿Cómo se hace un análisis multivariado?

1. Obtener una descripción general

Primero, hay que obtener un resumen o una descripción general de una tabla. Suele
denominarse como análisis de componentes principales o análisis factorial. En la
descripción general, es posible identificar los patrones dominantes en los datos, como
grupos, valores atípicos, tendencias y más. Los patrones se muestran como dos gráficos.

2. Analizar los grupos de la tabla

Luego, hay que analizar los grupos de la tabla, identificar en qué se diferencian estos
grupos y a qué grupo pertenecen las filas individuales de la tabla. Este tipo de análisis
se denomina clasificación y análisis discriminante, como mencionamos previamente.

3. Establecer relaciones entre columnas

Posteriormente, hay que establecer relaciones entre columnas en tablas de datos, por
ejemplo, podrían ser relaciones entre las condiciones de operación del proceso y la
calidad del producto.

El objetivo de todo esto es utilizar un conjunto de variables (columnas) para predecir

otras, con el fin de optimizarlas y averiguar qué columnas son importantes en la relación.
El análisis correspondiente se denomina análisis de regresión múltiple o mínimos
cuadrados parciales, según el tamaño de la tabla de datos.

Ventajas

Una de las ventajas del análisis multivariado es que permite a los investigadores ver
la relación entre variables y cuantificar la relación entre ellas. Se puede usar la tabulación
cruzada, correlación parcial y regresión múltiple para controlar la asociación entre
variables.

También se pueden ingresar otras variables para determinar el vínculo entre variables
independientes y dependientes o especificar las condiciones bajo las cuales ocurre la
asociación.
Otra de las ventajas del análisis multivariado es la capacidad de obtener una visión
general más realista y precisa que cuando se analiza una sola variable. Además, en
comparación con las técnicas univariadas, las técnicas de análisis multivariado dan como
resultado una potente y confiable prueba de significación.

Desventajas

Una de las desventajas más relevantes del análisis multivariado es que sus técnicas
son complejas, involucran matemáticas avanzadas y requieren procedimientos
estadísticos para analizar datos. Estos procedimientos estadísticos pueden resultar
costosos y complicados para una persona u organización.

Otra de las principales desventajas del análisis multivariado es que los resultados del
modelado estadístico no siempre son fáciles de entender para estudiantes o personas
sin mucha formación.

Para que el análisis multivariado produzca resultados significativos, se necesitan

grandes muestras de datos. De lo contrario, el resultado no tendrá mucho sentido debido
al alto índice de error estándar. El error estándar determina la confianza que tendremos
en los resultados.

Realizar procedimientos estadísticos es algo muy sencillo, pero se requiere

entrenamiento estadístico para una comprensión absoluta de los datos.

Bibliografía:

• García, M. (2021). ¿Qué es el análisis multivariado? Aprende a dominar datos y

variables. Crehana. Disponible en: https://www.crehana.com/es/blog/desarrollo-
web/analisis-multivariado/