ANÁLISIS MULTIVARIANTE

El análisis multivariante es el conjunto de métodos estadísticos que analizan simultáneamente

medidas múltiples de cada individuo u objeto sometido a la investigación. Cualquier análisis
simultaneo de más de dos variables puede ser considerado aproximadamente como un análisis
multivariante.

ESCALAS DE MEDIDA

 Escalas de medida no métricas: Pueden tener escalas nominales u ordinales. La

medida con una escala nominal asigna números que se usan para etiquetar o
identificar sujetos u objetos. Los números o símbolos asignados a los objetos no tienen
más significado cuantitativo que indicar la presencia o ausencia del atributo o
característica bajo investigación.
Las escalas ordinales pueden ser ordenadas o clasificadas con escalas ordinales en
relación a la cantidad del atributo poseído. Cada subclase puede ser comparada con
otra en términos de una relación de “mayor que” o “menor que”.
 Escalas de medida métricas: Las escalas de intervalo y de razón (ambas métricas)
proporcionan el nivel más alto de medida de precisión, permitiendo realizar casi todas
las operaciones matemáticas. Las escalas de intervalo más familiares con las escalas de
temperatura Celcius y Fahrenheit. Ambas tienen un punto cero arbitrario, pero ese
cero no significa ausencia de temperatura, dado que hay temperaturas por debajo del
punto cero. Las escalas de razón representan la forma superior de medida de
precisión, ya que poseen las ventajas de todas las escalas inferiores más un punto cero
absoluto. Las máquinas de peso usan las escalas de razón ya que tienen un punto cero
absoluto, por ejemplo 100 kg es dos veces más pesado que 50 kg.

Es importante entender los diferentes tipos de escalas de medida por dos razones. En primer
lugar, el investigador debe identificar la escala de medida de cada variable, para que no se
estén usando datos no métricos como si fueran métricos. En segundo lugar, la escala de
medida es crucial para determinar que técnica multivariante es la más conveniente para los
datos, consideración hecha tanto para las variables dependientes como las independientes.

ERROR DE MEDIDA Y MEDIDAS MULTIVARIANTES

El error de medida es el grado en que los valores observados no son representativos de los
valores verdaderos. El error de medida va desde errores en la entrada de los datos a la
imprecisión en la medición pasando por la incapacidad de los encuestados a dar información
precisa. Por lo tanto, hay que asumir que todas las variables usadas en las técnicas
multivariantes tienen algún grado de error de medida. El objetivo del investigador de reducir el
error de medida puede optar por desarrollar medidas multivariantes, también conocidas como
escalas sumadas, donde diversas variables se unen en una medida compuesta para
representar un concepto. El objetivo es evitar usar solo una única variable para representar un
concepto, y en su lugar usar varias variables como indicadores.

TIPOS DE TÉCNICAS MULTIVARIANTES

 Regresión múltiple: es el análisis adecuado cuando el problema del investigador

incluye una única variable métrica dependiente que está relacionada con otras
variables métricas independientes. El objetivo de la regresión múltiple es predecir los
 cambios en la variable dependiente en respuesta a cambios en varias de las variables
independientes.
 Análisis discriminante múltiple: Si la única variable dependiente es dicotómica o
multidicotomica y por tanto no métrica, la técnica multivariante apropiada a usar es el
análisis discriminante múltiple. El análisis discriminante múltiple puede usarse para
distinguir innovadores de no innovadores de acuerdo a sus perfiles demográficos y
psicográficos.
 Análisis multivariante de la varianza y covarianza: puede ser usada para explorar las
relaciones entre diversas categorías de variables independientes y dos o más variables
métricas dependientes.
 Análisis conjunto:
 Correlación canónica: el objetivo es correlacionar simultáneamente varias variables
dependientes métricas y varias variables métricas independientes.
 Análisis cluster: esta técnica desarrolla subgrupos significativos de individuos u
objetos.
 Análisis multidimensional: el objetivo es transformar los juicios de los consumidores
de similitud o preferencia en distancias representadas en un espacio multidimensional.
 Análisis de correspondencia: es una técnica de interdependencia que facilita tanto la
reducción dimensional de una clasificación de objetos sobre un conjunto de atributos y
el mapa perceptual de objetos relativos al estos atributos.
 Modelos de probabilidad lineal
 Modelos de ecuaciones estructurales

ORIENTACIONES PARA EL ANALISIS MULTIVARIANTE Y SU INTERPRETACION

 Establecer la significación práctica así como la estadística

 El tamaño muestral afecta a todos los resultados
 Conocer los datos
 Procurar la parsimonia del modelo
 Atender a los errores
 Validar los resultados

UNA PAROXIMACIÓN ORGANIZADA AL DISEÑO DE MODELOS MULTIVARIANTES

Para finalizar con éxito un análisis multivariante implica algo más que la selección del método
correcto. Para ayudar al investigador en la aplicación de métodos multivariantes hay una
aproximación al análisis multivariante en seis pasos.

1. Definir el problema de investigación, objetivos y técnica multivariante adecuada

2. Desarrollo del proyecto de análisis
3. Evaluación de los supuestos básicos de la técnica multivariante
4. Estimación del modelo multivariante y valoración del ajuste del modelo
5. Interpretar el valor teórico
6. Validación del modelo multivariante