El Análisis Multivariante es el conjunto de métodos estadísticos cuya finalidad es analizar simultáneamente conjuntos de datos multivariantes en el sentido de que hay varias variables medidas para cada individuo ú objeto estudiado.
Su razón de ser radica en un mejor entendimiento del fenómeno objeto de estudio obteniendo información que los métodos estadísticos univariantes y bivariantes son incapaces de conseguir.2
2.2 Objetivos del Análisis Multivariado
• Proporcionar métodos cuya finalidad es el estudio conjunto de datos multivariantes que el análisis estadístico uni y bidimensional es incapaz de conseguir
• Ayudar al analista o investigador a tomar decisiones óptimas en el contexto en el que se encuentre teniendo en cuenta la información disponible por el conjunto de datos analizado.
Planificacion Anual 4to Grado Educacion Primaria 2024 Ccesa007.pdf
Analisis multivariado
1. Investigación de Mercados II
Tema: Análisis Multivariado
Alumno: Nadim Ever Chambi Chipata
Docente: Mgr. José Ramiro Zapata Barrientos
Grupo: 09 Semestre II/2020
3.- ANÁLISIS MULTIVARIADO
1.-Introducción
El origen del análisis multivariado se remonta a los comienzos del siglo XX, con Pearson y Sperman,
época en la cual se empezaron a introducir los conceptos de la estadística moderna. Las bases
definitivas de este tipo de análisis se establecieron en la década 1930-40 con Hotelling, Wilks,
Fisher, Mahalanobis, y Bartlett (Bramardi, 2002). En términos generales, el análisis multivariado se
refiere a todos aquellos métodos estadísticos que analizan simultáneamente medidas múltiples
(más de dos variables) de cada individuo. Por su parte Hair (1992) puntualiza que para el caso
del análisis de datos resultantes de caracterización de recursos genéticos vegetales (colecciones de
germoplasma), el problema es representar geométricamente, cuantificar la asociación entre
individuos y clasificarlos respecto a un conjunto de variables, las cuales pueden ser cuantitativas,
cualitativas o la combinación de ambas. Teniendo en cuenta los objetivos que se desean alcanzar,
este investigador clasifica los métodos multivariados en dos grandes grupos. El primero se
denomina de ordenación ó reducción de datos y permite arreglar y representar gráficamente el
material bajo estudio en un número reducido de dimensiones. El segundo se denomina de
clasificación y permite la búsqueda de grupos similares lo más homogéneos posible para clasificar
los elementos. El nuevo conjunto de variables no correlacionadas obtenidas, llamadas factores
subyacentes se pueden usar en el análisis futuro de los datos (Johnson, 2000). Otra de las técnicas
más usadas en la reducción de datos son las técnicas de escalamiento óptimo, dentro de las cuales
el análisis de correspondencias múltiple, también conocido como análisis de homogeneidad,
permite encontrar las cuantificaciones óptimas, es decir, que separen al máximo las categorías
entre sí. Esto implica que los objetos de la misma categoría se representan cercanos entre sí,
mientras que los objetos de categorías diferentes se representan lo más alejado posible.1
2.-Desarrollo
2.1 Definición
El Análisis Multivariante es el conjunto de métodos estadísticos cuya finalidad es analizar
simultáneamente conjuntos de datos multivariantes en el sentido de que hay varias variables
medidas para cada individuo ú objeto estudiado.
Su razón de ser radica en un mejor entendimiento del fenómeno objeto de estudio obteniendo
información que los métodos estadísticos univariantes y bivariantes son incapaces de conseguir.2
2.2 Objetivos del Análisis Multivariado
Proporcionar métodos cuya finalidad es el estudio conjunto de datos multivariantes que
el análisis estadístico uni y bidimensional es incapaz de conseguir
2. Investigación de Mercados II
Tema: Análisis Multivariado
Alumno: Nadim Ever Chambi Chipata
Docente: Mgr. José Ramiro Zapata Barrientos
Grupo: 09 Semestre II/2020
Ayudar al analista o investigador a tomar decisiones óptimas en el contexto en el que se
encuentre teniendo en cuenta la información disponible por el conjunto de datos
analizado.3
2.3 Etapas del Análisis multivariado
1. Objetivos del análisis
Se desarrolla el problema especificado los objetivos y las técnicas multivariante que se van a
emplear. El investigador debe constituir el conflicto en términos conceptuales especificando los
conceptos y las relaciones fundamentales que se van a investigar. Se deben formar si dichas
relaciones van a ser semejantes de dependencia o de interdependencia. Con todo esto se plantea
las variables a examinar.
2. Descripción del análisis
Se determina el tamaño maestral, las ecuaciones a estimar (si procede), las distancias a calcular (si
procede) y las técnicas de estimación a emplear. Luego de definido todo esto se procede a
observar los datos.
3. Deducciones del análisis
Se evalúan las hipótesis subyacentes a la técnica multivariante. Dichas hipótesis pueden ser de
normalidad, linealidad, independencia, homocedasticidad, etc. También se debe decidir qué hacer
con los datos desaparecidos.
4. Trabajo de análisis
Se estima el modelo y se evalúa el ajuste a los datos. En este paso pueden aparecer observaciones
atípicas (valores atípicos) o influyentes cuya influencia sobre las estimaciones y la bondad de
ajuste se debe analizar.
3. Investigación de Mercados II
Tema: Análisis Multivariado
Alumno: Nadim Ever Chambi Chipata
Docente: Mgr. José Ramiro Zapata Barrientos
Grupo: 09 Semestre II/2020
5. Interpretación de resultados
Dichas interpretaciones pueden llevar a especificaciones adicionales de las variables o del modelo
con lo cual se puede volver de nuevo a los pasos 3 y 4.
6. Validación de análisis
Consiste en establecer la validez de los resultados obtenidos y analizando sí los resultados
obtenidos con la muestra se generalizar a la población de la que procede. Para ello se puede
dividir la muestra en varias partes en las que el modelo se vuelve a estimar y se comparar los
resultados. Otras técnicas que se pueden utilizar aquí son las técnicas de re muestreo.4
2.4 Tipos de Análisis multivariado
1) Métodos de dependencia
Suponen que las variables analizadas están divididas en dos grupos: las variables
dependientes y las variables independientes. El objetivo de los métodos de dependencia consiste
en determinar si el conjunto de variables independientes afecta al conjunto de variables
dependientes y de qué forma.
2) Métodos de interdependencia
Estos métodos no distinguen entre variables dependientes e independientes y su objetivo
consiste en identificar qué variables están relacionadas, cómo lo están y por qué.
3) Métodos estructurales
Suponen que las variables están divididas en dos grupos: el de las variables dependientes y
el de las independientes. El objetivo de estos métodos es análizar, no sólo como las variables
independientes afectan a las variables dependientes, sino también cómo están relacionadas las
variables de los dos grupos entre sí.5
2.5 Ventajas del análisis multivariado
Técnicas multivariantes permiten a los investigadores observan las relaciones entre las variables
de una manera general y cuantificar las relaciones entre las variables. Se puede comprobar la
asociación entre las variables mediante tabulaciones cruzadas, correlación parcial y regresiones
múltiples, e introducir otras variables para determinar los vínculos entre las variables
independientes y dependientes o para especificar las condiciones en las que la asociación lleva a
4. Investigación de Mercados II
Tema: Análisis Multivariado
Alumno: Nadim Ever Chambi Chipata
Docente: Mgr. José Ramiro Zapata Barrientos
Grupo: 09 Semestre II/2020
cabo. Esto da un aspecto mucho más rico y realista a una sola variable y proporciona una poderosa
prueba de significación con respecto a las técnicas univariantes.6
2.6 Desventajas del análisis multivariado
Técnicas multivariantes son complejas e implican las matemáticas de alto nivel que requieren de
un programa estadístico para analizar los datos. Estos programas estadísticos son generalmente
caros. Los resultados del análisis multivariado no siempre son fáciles de interpretar, y tienden a
basarse en hipótesis que pueden ser difíciles de evaluar. Para las técnicas multivariantes para dar
resultados significativos, necesitan una amplia muestra de datos, de lo contrario los resultados no
tienen sentido debido a errores en alto nivel. Los errores estándar determinan el grado de
confianza que puede estar en los resultados, y usted puede tener más confianza en los resultados
de una muestra grande de uno pequeño. Realización de programas de estadística es bastante
simple, pero requiere un estadístico para dar sentido a la salida.6
3.-Conclusiones
La construcción de modelos multivariantes ejerce, pues, un papel importante en el desarrollo de
las diferentes disciplinas basadas en el análisis de datos cuantitativos y requiere, por lo tanto, una
atención especial en la formación de futuros profesionales e investigadores. Conocer la lógica, las
características específicas de las diferentes técnicas disponibles, los objetivos particulares que
permiten lograr y las condiciones en que pueden ser utilizadas son algunos de los retos
importantes a los que nos enfrentaremos en este material.
Para hacerlo, en este texto nos adentraremos en los aspectos básicos involucrados en el análisis
multivariante de los datos como el marco analítico general que se propone analizar e interpretar
las relaciones simultáneas entre diversas variables mediante la construcción de modelos
estadísticos complejos que permiten distinguir la contribución independiente de cada una de ellas
en el sistema de relaciones para, de este modo, describir, explicar o predecir los fenómenos que
son objeto de interés.