Analisis multivariante 1.introduccion 2.desarrollo 3.conclusiones. 4.referencias 5. videos

1. Investigacionde mercados2-Gr-09 Ivan HaroldTorico Vargas
Lic. Mgr Jose RamiroZapata
“LIBEREMOS BOLIVIA”
Análisis Multivariado
1. Introducción. -
El análisismultivariante noesfácil de definir.Enun sentidoamplio,se refiere atodoslos métodos
estadísticosque analizansimultáneamente medidasmúltiplesde cadaindividuouobjetosometido
a investigación. Cualquier análisis simultáneo de más de dos variables puede ser considerado
aproximadamente como un análisis multivariante. En sentido estricto, muchas técnicas
multivariantes son extensiones del análisis univariante (análisis de distribuciones de una sola
variable) y del análisis bivariante (clasificaciones cruzadas, correlación, análisis de la varianza y
regresionessimples utilizadas para analizar dos variables).Por ejemplo, una regresiónsimple (con
una variable predictor) se extiende al caso multivariante para incluir varias variables predictor. De
la mismaforma, la variable dependiente que se encuentraenel análisisde la varianza se extiende
para incluir múltiples variables dependientes en el análisis multivariante de la varianza, Como
veremos más adelante, en muchas ocasiones las técnicas multivariantes son un medio de
representar en un análisis simple aquello que requirió varios análisis utilizando técnicas
univariantes. Otras técnicas multivariantes, sin embargo, están diseñadas exclusivamente para
tratar con problemas multivariantes,tales como el análisis factorial que sirve para identificar la
estructura subyacente de un conjunto de variables o el análisis discriminante que sirve para
diferenciar entre grupos basados en un conjunto de variables.2
Una de lasrazonesde ladificultadde definirelanálisismultivarianteesque eltérminomultivariante
no se usa de la misma forma en la literatura. Para algunos investigadores, multivariante significa
simplemente examinar relaciones entre más de dos variables. Otros usan el término sólo para
problemas en los que se supone que todas las variables múltiples tienen una distribución normal
multivariante.Sinembargo,paraserconsideradoverdaderamente multivariante,todaslasvariables
debenseraleatoriasyestarinterrelacionadasde tal formaque susdiferentesefectosnopuedanser
interpretados separadamente con algún sentido. Algunos autores afirman que el propósito del
análisis multivariante es medir, explicar y predecir el grado de relación de los valores teóricos
(combinaciones ponderadas de variables). Por tanto, el carácter multivariante reside en los
múltiples valores teóricos (combinaciones múltiples de variables) y no sólo en el número de
variables u observaciones. A efectos de este libro, no insistiremos en una definición rígida del
análisis multivariante. En lugar de esto, el análisis multivariante incluirá tanto técnicas
multivariables como técnicas multivariantes, debido a que los autores creen que el conocimiento
de las técnicas multivariables es un primer paso esencial en la comprensión del análisis
multivariante.
Aunque el análisis multivariante tiene sus raíces en la estadística univariante y bivariante, la
extensión al dominio multivariante introduce conceptos y cuestiones adicionales. Estos conceptos
van desde la necesidad de un entendimiento conceptual del elemento básico del análisis
multivariante(el valorteórico) alascuestiones específicas acercade lostiposde escalasde medida

2. Investigacionde mercados2-Gr-09 Ivan HaroldTorico Vargas
Lic. Mgr Jose RamiroZapata
“LIBEREMOS BOLIVIA”
utilizadasylosresultadosestadísticosde lostestde significaciónylosintervalosde confianza.Cada
conceptojuegaunpapel importante enlacorrecta aplicaciónde cualquier técnica multivariante.1
2. Desarrollo. -
El análisisde losdatosimplicalaseparación,identificaciónymedidade lavariaciónenunconjunto
de variables,tantoentre ellasmismascomoentre una variable dependiente yuna o más variables
independientes. El término clave aquí es medida, dado que el investigador no puede separar o
identificar una variación a menos que pueda ser mesurable. La medida es importante para
representarconprecisiónel conceptode nuestrointerésyescrucial enla seleccióndel métodode
análisismultivarianteapropiado.Enlossiguientespárrafosvamosadiscutirel conceptode medida
enlo que se refiere al análisis de datos y particularmente a las diversas técnicas multivariantes.1
Existen dos tipos básicos de datos: no métricos (cualitativos) y métricos (cuantitativos).Los datos
no métricos son atributos, características o propiedades categóricas que identifican o describena
un sujeto. Describen diferencias en tipo o clase indicando la presencia o ausencia de una
característica o propiedad. Muchas propiedades son discretas porque tienen una característica
peculiarque excluye todaslasdemás características.Por ejemplo,si unoes hombre,no puede ser
mujer;Nohay cantidadde «género»,sólolacondiciónde serhombre omujer.Porel contrario,las
medidasde datosmétricosestánconstituidasde tal formaque lossujetospuedenseridentificados
por diferencias entre grado o cantidad. Las variables medidas métricamente reflejan cantidades
relativasogrado. Las medidasmétricassonlasmás apropiadaspara casos que involucrancantidad
o magnitud, tales como el nivel de satisfacción o la demanda de trabajo.
2.1 Escalas de medidas no métricas
Las medidas 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. Las escalas
nominales, tambiénconocidascomoescalasde categoría, proporcionanel númerode ocurrencias
en cada clase o categoría de la variable que se está estudiando.Portanto,losnúmeroso símbolos
asignados a los objetos no tienen más significado cuantitativo que indicar la presencia o ausencia
del atributoo característica bajo investigación.Losejemplosde datoscon escalanominal incluyen
el sexo, la religión o el partido político de una persona. Para trabajar con estos datos, el analista
puede asignar números a cada categoría, por ejemplo, 2 para mujeres y 1 para hombres. Estos
números sólo representan categorías o clases y no implican cantidades de un atributo o
característica.
Las escalasordinalesrepresentanunnivel superiorde precisiónde lamedida.Lasvariablespueden
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». Por ejemplo. los diferentes niveles de satisfacción del consumidor individual con
diferentesproductosnuevospueden ilustrarse enunaescalaordinal.Lasiguiente escalamuestrala

3. Investigacionde mercados2-Gr-09 Ivan HaroldTorico Vargas
Lic. Mgr Jose RamiroZapata
“LIBEREMOS BOLIVIA”
idea que tiene un encuestado acerca de tres productos. El encuestado está más satisfecho con A
que con B y más satisfecho con B que con C.
Los númerosutilizadosenescalasordinalescomoéstasnosoncuantitativos,dadoque indicansólo
posicionesrelativasenseriesordenadas.Nohaymedidadecuántasatisfacciónrecibeelconsumidor
en términos absolutos,el investigador ni conoce la diferencia exacta entre puntos de la escala de
satisfacción. Muchas escalas de las ciencias del comportamiento caen dentro de esta categoría
ordinal.1
Escalas de medidas métricas
Las escalasde intervalosyde razón (ambas métricas) proporcionanel nivel másaltode medidade
precisión, permitiendo realizar casi todas las operaciones matemáticas. Estas dos escalas tienen
unidades constantes de medida,de tal forma que las diferencias entre dos puntos adyacentesde
cualquierparte de la escala soniguales.La única diferenciareal entre lasescalasde intervaloylas
de razón esque las de intervalotienenunpuntocero arbitrario,mientrasque lasescalasde razón
tienen un punto de cero absoluto.1
Las escalas de intervalo más familiares son las escalas de
temperaturaCelsiusyFahrenheit.Ambastienenunpuntode ceroarbitrario,peroeseceronoindica
una cantidad cero o ausencia de temperatura, dado que podemos registrar temperaturas por
debajodel puntocero de esa escala.Por tanto,no es posible decirque unvalorcualquierasituado
en un intervalode la escalaes un múltiplode cualquierotropuntode la escala.Por ejemplo,si un
día se registran 80°F, no se puede decir que sea dos veces más caluroso que uno de 40°F porque
sabemos que 80°F, en una escala diferente como Celsius, equivalen a 26,7°C. De la misma forma,
40°F en Celsiuscorrespondena 4,4°C. Aunque 80°F son, desde luego,dosveces40°F, no se puede
afirmarque el calorde 80°Fseadosvecesel calorde 40°Fporque usandodiferentesescalas,elcalor
no es dos veces mayor; esto es, 4,4°F X 2 '* 26,7°C.
Las escalas de razón representan la forma superior de medida de precisión, dado que poseen las
ventajas de todas las escalas inferiores más un punto de cero absoluto. Con las medidas de escala
de razón se permiten todas las operaciones matemáticas.El peso que tenemos en el baño u otras
máquinasde pesocomunesutilizanestasescalas,dadoque tienenunpuntode ceroabsolutoyque
puedenserexpresadosentérminosdemúltiploscuandose relacionaunpuntoconotrode laescala;
por ejemplo, 100 kilos es dos veces más pesado que 50 kilos.
Es importante entenderlosdiferentestiposde escalasde medidapordosrazones.Enprimerlugar,
el investigadordebe identificarlaescalade medidade cadavariable empleada,de tal formaque no
se esténutilizandodatosnométricoscomosifueranmétricos.Ensegundolugar,laescalademedida
es crucial para determinar qué técnica multivariante es la más conveniente para los datos,
consideraciónhechatantoparalasvariablesdependientescomolasindependientes.Enladiscusión
de las técnicas y su clasificación, que haremos en posteriores secciones de este capítulo, las

4. Investigacionde mercados2-Gr-09 Ivan HaroldTorico Vargas
Lic. Mgr Jose RamiroZapata
“LIBEREMOS BOLIVIA”
propiedadesmétricasonométricasde lasvariablesdependientesoindependientessonlosfactores
determinantes en la selección de la técnica apropiada.
ERROR DE MEDIDA Y MEDIDAS MULTIVARIANTES
El uso de múltiples variables, así como la dependencia de su combinación (el valor teórico) en las
técnicasmultivariantestambiéndirigesuatenciónauntema complementario,el errorde medida.
El error de medidaesel grado en que los valoresobservadosnosonrepresentativosde losvalores
«verdaderos». El error de medida tiene múltiples fuentes,que van desde errores en la entrada de
datos a la imprecisión en la medición (por ejemplo,imponiendoescalas de puntuación de siete
puntosa laactitudmedidacuandoel investigadorsabe quelosencuestadossólopuedenresponder
con precisión a una puntuación de tres puntos) pasando por la incapacidad de los encuestados a
proporcionarinformaciónprecisa(porejemplo,lasrespuestasala renta de una economíafamiliar
pueden ser razonablemente precisas pero rara vez lo son completamente). Por tanto, se debe
asumirque todas lasvariables usadasenlastécnicasmultivariantestienenalgúngradode errorde
medida.1
El impacto del error de medida es añadir «ruido» a las variables medidas u observadas.
Por tanto, el valor observado obtenido representa tanto el nivel «verdadero» como el «ruido».
Cuandose calculancorrelacionesomedias,normalmente el efecto«verdadero» estáparcialmente
camuflado por el error de medida, causando la debilidad de las correlaciones y la pérdida de
precisión de las medias.
El objetivodel investigadorde reducirel errorde medidapuede seguirvarioscaminos.Al valorarel
grado de errorde medidapresenteencualquiermedición,el analistadebeenfrentarsetantoconla
validezcomoconla fiabilidadde lamedida.Lavalidezesel gradoenque la medidarepresentacon
precisión lo que se supone que representa. Por ejemplo, si queremos medir la renta discrecional,
no preguntaremosporlarentatotal de las economíasdomésticas.Asegurarlavalidezempiezacon
unconocimientoprofundode loquese vaamedirysóloentoncesrealizarlamedidatan«correcta»
y precisacomo sea posible.Sinembargo,laprecisiónnoasegurala validez.Ennuestroejemplode
la renta,el investigadorpodríadefinirmuyprecisamente el total de larenta familiarperono tiene
una medida válida de la renta discrecional porque no se ha planteado la pregunta «correcta».
Si lavalidezestáasegurada,elinvestigadordebeconsiderarlafiabilidadde lasmedidas.Lafiabilidad
esel gradoenque lavariable observadamideel valor«verdadero»yestá «libre deerror»;portanto
es lo opuesto al error de medida. Si la misma medida se realiza repetidas veces, por ejemplo, las
medidas más fiables mostrarán una mayor consistencia que las medidas menos fiables. El
investigadordeberávalorarsiempre lasvariablesque estánsiendousadasysi se puedenencontrar
medidas alternativas válidas, elegir la variable con la mayor fiabilidad.
El investigadorpuede tambiénoptarpordesarrollarmedicionesmultivariantes,tambiénconocidas
como escalas sumadas, donde diversas variables se unen en una medida compuesta para
representar un concepto (por ejemplo, una escala de personalidad de entrada múltiple o

5. Investigacionde mercados2-Gr-09 Ivan HaroldTorico Vargas
Lic. Mgr Jose RamiroZapata
“LIBEREMOS BOLIVIA”
puntuaciones sumadas de un producto). El objetivo es evitar usar sólo una única variable para
representar un concepto, y en su lugar utilizar varias variables como indicadores, representando
todos ellos diferentes facetasdel concepto para obtener una perspectiva más completa.El uso de
indicadores múltiples permite al investigador llegar a una especificación más precisa de las
respuestasdeseadasynodejalafiabilidadplenaaunaúnicarespuestasinoenlarespuesta«media»
o «típica» de un conjunto de respuestas relacionadas. Por ejemplo, al medir la satisfacción, uno
podría preguntarunaúnicacuestión,«¿cuál es sugradode satisfacción?»,ybasarel análisisenuna
única respuesta. O se podría desarrollar una escala aditiva que combinara varias respuestas de
satisfacción, quizá en diferentes formatos de respuesta y en diferentes áreas de interés, que
contemple lasatisfaccióntotal.Lapremisabásicaesque lasrespuestasmúltiplesreflejanconmayor
precisión la respuesta «verdadera» que la respuesta única.
El impactodel errorde medidayla escasafiabilidadnopuedenserobservadasdirectamente,dado
que se encuentran en las variables observadas. El investigador debe, por tanto, trabajar siempre
para aumentar la validez y la fiabilidad, lo que al final llevará a un retrato más «auténtico» de las
variablesde interés.Losmalosresultadosnosiemprese debenal errorde medida,perolapresencia
del errorde medidaesgarantía de distorsiónenlasrelacionesobservadasyhace menospoderosas
lastécnicasmultivariantes.Reducirelerrorde medida,aunque impliqueesfuerzo,tiempoyrecursos
adicionales, puede mejorar resultados débiles o marginales, así como fortalecer resul-tados
probados.2
3.Conclusion.
En este trabajo se había propuesto, por una parte, brindar un panorama introductorio sobre
distintosconceptosdel análisismultivariante y,por otra,proporcionarinformaciónenformabreve
acerca de algunas aplicaciones en el área de Psicología Educativa y Psicometría, las cuales fueron
implementadas con el fin de lograr los objetivos planteados en cada una de las investigaciones
presentadas y en las que, de diferente manera, se ha tenido la oportunidad de intervenir.
Pues bien, en atención tanto al desarrollo de los conceptos, como a la presentación de las
aplicaciones realizadas del tema objetode estudio, se considera que la meta perseguida,más allá
de algunas debilidades que difícilmente puedan evitarse en este tipo de elaboraciones, ha sido
razonablemente lograda.
El análisis multivariante es, en esencia, un conjunto de técnicas orientadas al estudio de varias
variables de modo simultáneo, con el objeto de comprender mejor el fenómeno o evento que se
analiza. Esta situación se presenta debido a que mediante los métodos disponibles es posible
generar una explicación más rica y cercana a la realidad, lo que deriva, a su vez, en un mayor
conocimientodel fenómenoy,porlotanto, enun escenarioapropiadoparalaselecciónoptimade
la decisión o respuesta de interés.

6. Investigacionde mercados2-Gr-09 Ivan HaroldTorico Vargas
Lic. Mgr Jose RamiroZapata
“LIBEREMOS BOLIVIA”
En vistade ello,yde las diferentesapreciacionesrealizadasendistintos momentosde este trabajo,
se podría señalarque el desarrollode lateoríamultivariante–que se iniciórealmenteenel sigloXX–
, junto con sus aplicaciones–surgidas en la década del treinta–, así como el notable y sostenido
progresode latecnologíayde programasestadísticos,soncomponentesde unmismoconjuntoque
usados en forma complementada permiten llevar adelante numerosas investigaciones, explicar
muchos fenómenos, alcanzar diversos objetivos y probar diversidad de hipótesis, todo lo cual de
otra manera no hubiera resultado posible.
Evidentemente, las técnicas que conforman el análisis multivariante poseen en la actualidad una
enorme importancia puesto que, además de la utilidad que tradicionalmente han tenido, forman
parte del grupo de métodos, más o menos sofisticados, que se encuentran englobados en el
concepto de minería de datos (DM, Data Mining). Este hecho, en razón de la vigencia y utilización
de la DMen diferentes áreas, como Educación, Psicología, Biometría, Ecología,
Economía, Marketing, etc., a efectos de abordar problemas de predicción, clasificación y
segmentación, entre otros, exime ciertamente de mayores comentarios respecto de su relevante
riqueza y validez aplicativa.
Sinembargo,enel empleode lastécnicaspara el análisisde datosmultidimensionales,existendos
cuestionesque,se recuerda,debenobservarse puestoque habitualmente se presentancuandose
utiliza el modelado estadístico como metodología empírica de investigación.
La primera de ellas, quizás muy evidente,es que resulta esencial dar al conocimiento de la teoría
del área de aplicación la máxima importancia, ya que de este saber surgirá la formulación de los
objetivosyde las hipótesis sustantivas –enciertomodo,de las directricesde la investigación–que
orientarán la selección del proceso de modelización subyacente.
La segunda cuestión tiene que ver con el hecho de que las últimas versiones de los paquetes
informáticospresentaninterfacesconel usuariode uso bastantecoloquial,porloque eltrabajocon
modelos estadísticos ha experimentado una simplificación importante que continuamente está
generando una mayor popularidad de éstos. Sin embargo, esta cordial realidad trae consigo el
inconvenientede que,enalgunasocasiones,lautilizaciónde dichosasistentesse realizade manera
incorrecta, debido a que no siempre se cuenta con el conocimiento técnico necesario para
implementar adecuadamente su aplicación.
En definitiva,ymás alláde la prudenciaque se debe tenersobre estos dostemas,la posibilidadde
contar enestostiemposconmétodosymodelos multivariantes,unidaalagranventajaque brindan
el empleo de computadoras personales y de eficientes programas para el proceso de análisis de
datos, son circunstancias sumamente significativasque, sin duda, han impulsado desde los años
setenta, y en gran medida, el estudio de distintos fenómenos en diferentes disciplinas. Las
producciones científicas, en este contexto metodológico y operativo, se habían debilitado en
décadasanteriores,muy probablemente pornocontar con la batería de opciones(procedimientos

7. Investigacionde mercados2-Gr-09 Ivan HaroldTorico Vargas
Lic. Mgr Jose RamiroZapata
“LIBEREMOS BOLIVIA”
estadísticos y tecnología informática) adecuada para llevar adelante las investigaciones que la
realidad educativa, económica y social requería en aquellos momentos.
Independientementede susdebilidades,seesperaqueesteprimer acercamientopornuestraparte,
respectode algunosconceptosyaplicaciones del análisismultivariante,puedaaportaralgomásde
luz a este tema que, se puede decir, posee en general una relativa dificultad de comprensión.
Según nuestro modo de ver, la utilización de técnicas multidimensionales en distintas accionesy
disciplinas es sin duda favorable, en virtud de considerarlo un recurso metodológico muy
conveniente y eficiente a efectos de dar explicaciones, tomar decisiones o proponer soluciones
sobre diferentes problemas y situaciones, que el devenir de la circunstancia plantea diaria y
continuamente, tanto en el ámbito científico como en la actividad profesional.3
4. Referencias. -
1. http://www.cyta.com.ar/biblioteca/bddoc/bdlibros/guia_multivariante/guia_multivariante.htm
2. https://es.ryte.com/wiki/An%C3%A1lisis_Multivariante
3. https://dialnet.unirioja.es/descarga/articulo/5229555.pdf
5.Videos. -
https://www.youtube.com/watch?v=__NwvXa3zjQ

8. Investigacionde mercados2-Gr-09 Ivan HaroldTorico Vargas
Lic. Mgr Jose RamiroZapata
“LIBEREMOS BOLIVIA”
https://www.youtube.com/watch?v=dRLj3rCWHjQ