GLOSARIO DE MÉTODOS DE ANÁLISIS MULTIVARIANTE

Veamos brevemente las características fundamentales de cada Técnica:

Análisis de la varianza (ANOVA): Tiene por objeto determinar en qué medida una variable dependiente de naturaleza continua está condicionada por los valores que toman variables independientes de naturaleza categórica , llamadas factores.

Modelos de Regresión Lineal: Se trata de cuantificar la influencia que ejercen las variables explicativas sobre 1 variable dependiente de carácter continuo.

Análisis Multivariante de la Varianza (MANOVA) (ir a MANOVA):Es la generalización del ANOVA, para el caso en que el número de variables dependientes de naturaleza continua sea superior a uno.

Regresión multivariante y análisis canónico: Son generalizaciones del modelo de regresión: En la regresión múltiple se trata de cuantificar la influencia de las variables explicativas sobre un conjunto de variables dependientes. En el análisis canónico, se trata de analizar la interdependencia entre dos conjuntos de variables.

Análisis Discriminante: (ir análisis discriminante) Se utiliza para caracterizar mediante un conjunto de variables independientes, las diferencias existentes entre individuos de distintos grupos y también para clasificar nuevos casos en uno de esos grupos a partir de la información sobre las variables consideradas.

Modelo logit binomial y multinomial: Son similares a los modelos discriminantes.Si la variable independiente (categórica) ofrece sólo dos posibles niveles hablamos de binomial y son más los niveles de polinomial.

Análisis de Componentes Principales: Es una técnica de reducción de datos. Que trata de tranformar un conjunto de variables en otro conjunto, de menor dimensión ,de variables, con la particularidad de que las nuevas variables estén incorrelacionadas entre sí.

Análisis Factorial: Su pretensión es similar al A.C.P. pero aquí se formula un modelo teórico en el que se explica el comportamiento de las variables observables en función de unos factor (comunes) que se pretenden obtener y unos factores específicos.

Análisis de Correpondencias: Es similar al anterior , pero de aplicación a variables categóricas , empleándose las correspondencias entre niveles de las categorias, en lugar de las correlaciones.

Escalas multidimensionales: Son un conjunto de técnicas que utilizan las proximidades entre los objetos para realizar una representación de los mismos.

Análisis Cluster: (ir análisis cluster)  El objetivo es la partición de un conjunto de individuos en grupos o subconjuntos coherentes, homógeneos internamente y bien diferenciados entre sí

Como puede observarse, existen innumerables técnicas y métodos de análisis multivariante. El estudio de todos y cada una de ellos nos llevaría a una labor inacabable que, por otro lado, no tiene sentido en estas páginas. Recordemos que aquí nos interesa remarcar únicamente la base metodológica que debe inspirar nuestro trabajo empírico.

En este sentido, recordémoslo, necesitaremos, a menudo, procesar una gran cantidad de datos que debemos reducir y explicar. De una gran cantidad de variables observables deseamos obtener una pequeña cantidad de categorías explicativas, operativas e interesantes, funciones de las primeras pero que no serán observables directamente. En esta línea, necesitaremos utilizar técnicas de reducción de datos y el análisis factorial y al análisis de componentes principales como inmejorables instrumentos para ello.

Por otro lado, nos interesará también clasificar y ordenar, conglomerar y agrupar los individuos de nuestro estudio: Las unidades vecinales, los barrios, los distritos, los municipios, las provincias, las comunidades autónomas,las empresas proveedoras, los clientes, los sectores económicos, las ramas de actividad, etc. Estaremos interesados en poner orden en la configuración interna del espacio complejo analizado. Deseamos, en consecuencia, agrupar los distintos individuos en conglomerados homogéneos desde el punto de vista socioeconómico para descubrir la estructura de la realidad social y económica . En este sentido, necesitaremos acudir a una técnica potente de agrupación como el análisis cluster.

Por último, pretendemos confirmar la validez de nuestras conclusiones, llegando a ser capaces de ver si las características obtenidas como factores explicativos nos discriminan con suficiente exactitud los conglomerados homogéneos obtenidos. Necesitaremos, pues, el análisis discriminante para ello.

Así pues, sin desmerecer la importancia de otros métodos multivariantes y otras técnicas estadísticas, nuestra secuencia metodológica combinada será la formada por estas tres técnicas: Factorial-Cluster-Discriminante .

 ir a introducción al análisis multivariante

 

 

 

 

 

 

 

 

 

 

c