1 REGRESION ...........................................................................................................

2
1.1 FASE 1. OBJETIVOS ..................................................................................... 2
1.2 FASE 2. DISEÑO ............................................................................................. 2
1.3 FASE 3. SUPUESTOS ..................................................................................... 2
1.4 FASE 4. EXTRACCION ................................................................................. 2
1.5 FASE 5. INTERRETACION .......................................................................... 2
1.6 FASE 6: VALIDACIÓN .................................................................................. 3
2 FACTORIAL ........................................................................................................... 3
2.1 FASE 1. OBJETIVOS ..................................................................................... 3
2.2 FASE 2. DISEÑO ............................................................................................. 3
2.3 FASE 3. SUPUESTOS ..................................................................................... 3
2.4 FASE 4 EXTRACCION .................................................................................. 3
2.5 FASE 5. INTERPRETACION........................................................................ 3
2.6 FASE 6: VALIDACIÓN .................................................................................. 3
3 CORRESPONDENCIA .......................................................................................... 4
3.1 FASE 1. OBJETIVOS ..................................................................................... 4
3.2 FASE 2. DISEÑO ............................................................................................. 4
3.3 FASE 3. SUPUESTOS ..................................................................................... 4
3.4 FASE 4. EXTRACCIÓN ................................................................................. 4
3.5 FASE 5. INTERPRETACIÓN........................................................................ 4
3.6 FASE 6: VALIDACIÓN .................................................................................. 5
4 CONGLOMERADOS ............................................................................................. 5
4.1 FASE 1. OBJETIVOS ..................................................................................... 5
4.2 FASE 2. DISEÑO ............................................................................................. 5
4.3 FASE 3. SUPUESTOS ..................................................................................... 5
4.4 FASE 4. EXTRACCIÓN ................................................................................. 5
4.5 FASE 5. INTERPRETACIÓN........................................................................ 6
4.6 FASE 6: VALIDACIÓN .................................................................................. 6
5 DISCRIMINANTE ................................................................................................. 6
5.1 FASE 1. OBJETIVOS ..................................................................................... 6
5.2 FASE 2. DISEÑO ............................................................................................. 6
5.3 FASE 3. SUPUESTOS ..................................................................................... 6
5.4 FASE 4 EXTRACCION .................................................................................. 7
5.5 FASE 5. INTERPRETACION........................................................................ 7
5.6 FASE 6: VALIDACIÓN .................................................................................. 7

Página 1 de 7
1 REGRESION

1.1 FASE 1. OBJETIVOS

Ofrecer una explicación del problema a estudiar para la predicción y relación estadística
de un conjunto de variables definidas y maximizar la potencia predictiva conjunta de las
variables independientes.

1.2 FASE 2. DISEÑO

Tamaño de la muestra:
Definición de las variables: definir cuál será la variable criterio y cuales las
pronosticadoras.
1. Asegurar la potencia estadística y la generabilidad del análisis de regresión mediante
el adecuado tamaño de la muestra.
2. Determinar cuál será la variable criterio y cuáles las variables pronosticadoras que se
utilizarán.
3. Realizar las transformaciones oportunas en las variables en el caso de que éstas no
cumplan las condiciones del análisis de regresión.

1.3 FASE 3. SUPUESTOS

El análisis de regresión múltiple presenta un conjunto de supuestos previos sin los cuales
la interpretación de los resultados puede ser altamente errónea
1. Linealidad: la relación entre las variables se ajusta a una línea recta.
2. Normalidad: los residuos se distribuyen de una forma que se ajusta a la curva normal.
3. Homoscedasticidad: la distribución de residuos es similar para diferentes valores
pronosticados.
4. Independencia de los residuos: los residuos no se encuentran correlacionados entre sí.

1.4 FASE 4. EXTRACCION

En la etapa de extracción, deben realizarse tres tareas
1. Seleccionar un método para especificar el modelo de regresión a estimar;
2. Valorar la significación estadística del modelo general para predecir la variable
criterio;
3. Estimar la capacidad de las variables pronosticadoras para predecir la variable
criterio; y
4. Determinar si cualquiera de las observaciones ejerce una influencia indebida en los
resultados.

1.5 FASE 5. INTERRETACION

En la fase de interpretación, hay que llevar a cabo dos tareas importantes
1. Interpretar la ecuación de regresión: valorar en qué medida varían los valores de la
variable criterio por cada variación unitaria de las variables pronosticadoras
(coeficientes de regresión).
2. Determinar la importancia relativa de cada una de las variables pronosticadoras en la
explicación de la variable criterio mediante un análisis de la presencia de efectos de
multicolinealidad entre las variables pronosticadoras.

Página 2 de 7
1.6 FASE 6: VALIDACIÓN
Además del submuestreo, se podría replantear el análisis de regresión mediante otros
procedimientos:
• Probar con otras variables alternativas que puedan representar a la variables
originales.
• Realizar el análisis excluyendo aquellos casos que se puedan considerar como
observaciones influyentes o casos extremos.
• Utilizar diversos procedimientos de selección y comparar los resultados de esos
métodos.
• Obtener muestras adicionales para validar los resultados mediante el estadístico Press.

2 FACTORIAL

2.1 FASE 1. OBJETIVOS

Encontrar la manera de condensar la información de una serie de variables originales en
una serie de dimensiones con la menor perdida de información posible.

2.2 FASE 2. DISEÑO

Definición de las variables a utilizar.
Tamaño de la muestra (reducción de datos a través de la matriz de correlaciones, KMO)

2.3 FASE 3. SUPUESTOS

El principal supuesto previo que debe valorarse en el AF es que existan suficientes
correlaciones significativas entre las entidades a factorializar
Las variables que se usen deben estar suficientemente correlacionadas para justificar la
aplicación del AF
Para ello, se deben valorar algunas matrices de correlaciones, el test de esfericidad de
Bartlett o la prueba KMO (Kaiser-Meyer-Olkin)

2.4 FASE 4 EXTRACCION

de los factores: en la aplicación de un análisis de componentes principales a cuantos
factores de deben extraer. Autovalores, criterio del porcentaje de varianza explicada
(principio de parsimonia), grafico de sedimentación (elementos a extraer),
heterogeneidad de la muestra, criterio de raíz latente, criterio de contraste de caída,
criterio establecido a priori.

2.5 FASE 5. INTERPRETACION

En esta fase se trata de determinar el contenido específico de cada uno de los factores
extraídos Para ello, se trata de valorar qué variables presentan cargas factoriales
significativas en cada uno de los factores (o componentes) extraídos para llegar a una
interpretación adecuada hay que evaluar las cargas o saturaciones factoriales, rotar la
solución factorial y valorar las comunalidades
2.6 FASE 6: VALIDACIÓN
La repetición del análisis en otra muestra o mediante un submuestreo y con los siguientes
propósitos
Generalización: se trata de valorar en qué medida los resultados obtenidos son aplicables
a muestras diferentes.

Página 3 de 7
Influencia de los casos: determinar en qué medida los resultados se ven influidos por
casos concretos
Replicación: los resultados deberían ser replicables, es decir, deberían ser similares a los
que se obtendrían en otras investigaciones.
Estabilidad: la estructura factorial debería ser estable de unos análisis a otros.
Impacto de los outliers: establecer el impacto que tienen los casos extremos, mediante su
inclusión y su exclusión en el análisis.

3 CORRESPONDENCIA
3.1 FASE 1. OBJETIVOS
Se trata de definir las dimensiones que estructuran las características socioeconómicas de
la población española

3.2 FASE 2. DISEÑO

En la etapa de diseño se trata de delimitar las condiciones relativas a las variables y al
tamaño de la muestra.
Las variables deben ser categóricas u ordinales, pero también se pueden emplear variables
métricas que tengan pocos valores o se discreticen
Como el punto de partida es una tabla de contingencia, es muy necesario que exista un
suficiente número de casos.
Además, es necesario que en la tabla de contingencia no exista ninguna celdilla con pocos
casos (nunca menos de 5).
Tampoco debería haber una gran diferencia en el número de casos de unas celdillas y de
otras.
De ocurrir alguna de esas dos situaciones, las categorías afectadas se situarían muy
alejadas del resto de las categorías.

3.3 FASE 3. SUPUESTOS

El análisis de correspondencias carece de supuestos previos. No obstante, es conveniente
que las categorías de las variables sean exhaustivas y excluyentes. Asimismo, es muy
importante que las categorías que se analicen sean directamente comparables.

3.4 FASE 4. EXTRACCIÓN

En la fase de extracción deben definirse las condiciones del análisis de correspondencias.
En el análisis de correspondencias simples hay que determinar:
 El número de dimensiones en la solución.
 La medida de la distancia (Χ2 o la distancia euclídea).
 El método de estandarización.
 El método de normalización.

3.5 FASE 5. INTERPRETACIÓN

En la fase de interpretación se trata de realizar diversas tareas:
a) Analizar la asociación entre las categorías.
b) Determinar el contenido sustantivo de cada una de las dimensiones, hasta llegar a
denominarlas.
c) Determinar grupos de categorías.
d) Establecer la puntuación de cada caso en las dimensiones extraídas.

Página 4 de 7
3.6 FASE 6: VALIDACIÓN
En la fase de validación se trata de replicar la dispersión de las categorías en el espacio
perceptual.
Una forma de validar es aplicar el mismo análisis de correspondencias a una submuestra.
Otra forma de validar es modificar alguna de las condiciones del diseño y la extracción
de las dimensiones.

4 CONGLOMERADOS

4.1 FASE 1. OBJETIVOS

Desarrollo de una tipología o clasificación. Se pueden trazar los perfiles o clasificar a las
entidades en grupos de entidades semejantes.
Investigación de esquemas conceptuales útiles para agrupar entidades. Los esquemas de
clasificación pueden generalizarse y aplicarse a una amplia variedad de estudios.
Generar hipótesis mediante la exploración de datos. Si se generan agrupaciones
inesperadas, esto sugeriría relaciones a investigar.
Probar hipótesis, o intentar determinar si los grupos definidos mediante otros
procedimientos están de hecho presentes en los datos.
Reducir datos. Se puede obtener una descripción más concisa y comprensible de las
entidades con una mínima pérdida de información.

4.2 FASE 2. DISEÑO

Selección de variables: se trata de seleccionar las variables con cuidado para evitar incluir
variables altamente correlacionadas.
Estandarización de variables: para calcular las distancias entre casos es necesario
convertir las variables a una misma unidad de medida.
Detección de “outliers”: detectar los casos con rasgos claramente diferentes a los demás.
Determinación de la medida: Establecer qué tipo de medida se utilizará para calcular la
distancia.

4.3 FASE 3. SUPUESTOS

Es conveniente que se cumplan dos condiciones:
Representatividad: los casos seleccionados representan a grupos “reales” en la población.
Multicolinealidad: se han eliminado variables que sólo aportan información redundante.

4.4 FASE 4. EXTRACCIÓN

La etapa de extracción implica cuatro tareas:
Método de conglomeración: hay que seleccionar un método de conglomeración.
Determinación de las distancias: valorar las distancias que existen entre las entidades.
Determinación del número de conglomerados: Establecer el número de conglomerados
que van a formar parte de la solución final.
Replanteamiento de la solución: examinar la estructura de cada conglomerado y decidir
si hay o no que replantear la solución.

Página 5 de 7
4.5 FASE 5. INTERPRETACIÓN
Una vez decidido cuántos conglomerados distinguir, la fase de interpretación implica dos
tareas:
Asignación a conglomerados. Se trata de asignar las entidades a cada uno de los
conglomerados de la solución final.
Denominación de los conglomerados. Hay que determinar cuál es el contenido sustantivo
de cada uno de los conglomerados y, a partir de ahí, asignarles un nombre.

4.6 FASE 6: VALIDACIÓN

Se puede valorar en qué medida la presencia o no de una variable puede modificar la
agrupación de entidades en conglomerados.
Para determinar en qué medida cada una de las variables contribuye a explicar la
agrupación en conglomerados se utiliza el análisis discriminante.
Así, el análisis discriminante puede utilizarse para valorar la consistencia de los resultados
de un análisis de conglomerados

5 DISCRIMINANTE

5.1 FASE 1. OBJETIVOS

Los objetivos del análisis discriminante tienen que ver, por una parte, con la
discriminación y, por otra, con la clasificación:
1. Discriminación: encontrar las variables que mejor diferencien entre la pertenencia a
un grupo y a los demás.
2. Clasificación: derivar una regla que pueda usarse de manera óptima para asignar
nuevos casos a los grupos predefinidos.

5.2 FASE 2. DISEÑO

En la fase de diseño existen tres tareas de especial relevancia:
• Seleccionar variables: Establecer si las variables que van a tomarse en cuenta cumplen
una serie de condiciones previas.
• Tamaño de la muestra: Determinar si la muestra tiene un tamaño adecuado para que
los resulta-dos sean estables y extrapolables.
• División de la muestra: Elaborar muestras de análisis y de validación para llevar a
cabo una validación cruzada.

5.3 FASE 3. SUPUESTOS

El análisis discriminante parte de un conjunto de supuestos para que los resultados no

estén sesgados desde el principio:
Normalidad. La distribución de las frecuencias para las variables independientes debe
ajustarse a una curva normal.
Matriz de varianzas-covarianzas. Los diferentes grupos deben exhibir varianzas iguales.
Multicolinealidad. Las variables independientes no deberían estar altamente
correlacionadas entre sí para evitar efectos de multicolinealidad

Página 6 de 7
5.4 FASE 4 EXTRACCION
En la etapa de extracción se trata de estimar las funciones discriminantes y evaluar la
exactitud predictiva mediante la matriz de clasificación.
Diversas tareas son específicas de esta fase:
• Método de cálculo: introducir todas las variables o elegir un método de selección
“paso a paso”.
• Significación: valorar en qué medida cada una de las variables presenta medias
iguales en grupo.
• Funciones: determinar el número de funciones discriminantes que es adecuado
retener.

5.5 FASE 5. INTERPRETACION

En la fase de interpretación se trata de abordar las siguientes tareas:
• Evaluación de las funciones: establecer la contribución específica de cada variable a
cada función y el contenido sustantivo de éstas.
• Capacidad predictiva: determinar la capacidad de las variables para preveer la
clasificación de los casos mediante la matriz de clasificación.
• Discriminación entre grupos: deducir los rasgos específicos de cada grupo a partir de
sus puntuaciones discriminantes en las funciones.

5.6 FASE 6: VALIDACIÓN

Puede llevarse a cabo este proceso repetidas veces, dividiendo aleatoriamente la muestra
total en muestras de análisis y muestras de validación.
Otro método consiste en obtener una nueva muestra que se utilice para validar con los
nuevos datos las funciones derivadas de la muestra anterior.
Un método distinto supone analizar los perfiles de los grupos en cada una de las variables,
para garantizar que se corresponden con la definición de los grupos

Página 7 de 7