Descripción del análisis multivariado.

1. Materia: Investigación de Mercados II - G_09
Tema: Análisis Multivariado
Alumna: Saavedra Cardenas Estephani Fernanda
1
¨LIBEREMOS BOLIVIA¨
Docente: Mgr. José Ramiro Zapata Barrientos
ANÁLISIS MULTIVARIADO
¨El sabio no dice todo lo que piensa, pero siempre piensa todo lo que dice¨
Aristóteles.
1. INTRODUCCIÓN
El Análisis Multivariante es el conjunto de métodos estadísticos cuya finalidad es analizar
simultáneamente un conjunto de datos multivariantes en el sentido de que hay varias variables
medidas para cada individuo u objeto estudiado. Su razón de ser radica en un mejor entendimiento
del fenómeno objeto de estudio o teniendo información que los métodos estadísticos univariantes
y bivariantes son incapaces de conseguir.1
El resultado estudiado es el evento, la variable dependiente o la variable respuesta.
El análisis multivariante mediante técnicas de proyección sobre variables latentes tiene muchas
ventajas sobre los métodos de regresión tradicionales:
• Se puede utilizar la información de múltiples variables de entrada, aunque éstas no sean
linealmente independientes.2
• Puede trabajar con matrices que contengan más variables que observaciones
• Puede trabajar con matrices incompletas, siempre que los valores faltantes estén
aleatoriamente distribuidos y no superen un 10%
• Puesto que se basan en la extracción secuencial de los factores, que extraen la mayor
variabilidad posible de la matriz de las X (variables explicativas, tienen que ser
dependientes) pueden separar la información del ruido. Se asume que las X se miden con
ruido.
2. DESARROLLO
2.1. Los objetivos del Análisis Multivariante pueden sintetizarse en dos:
• 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 a tomar decisiones optimas en el contexto en el que se encuentre
teniendo en cuenta la información disponible por el conjunto de datos analizado.3
2.2. Sus tipos de técnicas se clasifican en tres grupos y cada uno se divide en sub-grupos:
2.2.1.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.4
Métodos de dependencia: Se pueden clasificar en dos grandes subgrupos según que
la variable dependiente sea cuantitativa o cualitativa. Si la variable dependiente es
cuantitativa, se pueden aplicar las siguientes:
a) Análisis de Regresión: Es la técnica adecuada si en el análisis hay una o varias variables
dependientes métricas cuyo valor depende de una o varias variables independientes
métricas.
b) Análisis de Supervivencia: Es similar al análisis de regresión, pero con la diferencia de
que la variable independiente es el tiempo de supervivencia de un individuo u objeto.

2. Materia: Investigación de Mercados II - G_09
Tema: Análisis Multivariado
Alumna: Saavedra Cardenas Estephani Fernanda
2
¨LIBEREMOS BOLIVIA¨
Docente: Mgr. José Ramiro Zapata Barrientos
c) Análisis de la varianza: Se utiliza en situaciones en las que la muestra total está dividida
en varios grupos basados en una o varias variables independientes no métricas y las
variables dependientes analizadas son métricas. Su objetivo es averiguar si hay
diferencias significativas entre dichos grupos en cuanto a las variables dependientes
se refiere.
d) Correlación Canónica: Su objetivo es relacionar simultáneamente varias variables
métricas dependientes e independientes calculando combinaciones lineales de cada
conjunto de variables que maximicen la correlación existente entre los dos conjuntos
de variables.
Si la variable dependiente es cualitativa, las técnicas que se pueden aplicar son las
siguientes:
a) Análisis Discriminante: Esta técnica proporciona reglas de clasificación optimas de
nuevas observaciones de las que se desconoce su grupo de procedencia
basándose en la información proporcionada los valores que en ella toman las
variables independientes.
b) Modelos de regresión logística: Son modelos de regresión en los que la variable
dependiente es no métrica. Se utilizan como una alternativa al análisis
discriminante cuando no hay normalidad.
c) Análisis Conjunto: Es una técnica que analiza el efecto de variables independientes
no métricas sobre variables métricas o no métricas. La diferencia de conjunto con
el Análisis de la Varianza radica en que las variables dependientes pueden ser no
métricas y los valores de las variables independientes no métricas son fijadas por
el analista.
2.2.2.Métodos de interdependencia: Estos métodos no distinguen entre variables
dependientes e independientes y su objetivo consiste en identificar que variables
están relacionadas, como lo están y por qué.
2.2.3.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
analizar, no solo como las variables independientes afectan a las variables
dependientes, sino también como están relacionadas las variables de los dos grupos
entre sí.5
a) Análisis factorial: Reduce la estructura a datos relevantes y variables individuales.
Los estudios factoriales se centran en diferentes variables, por lo que se subdividen
en análisis de componentes principales y análisis de correspondencia.
b) Análisis de clusters: Las observaciones se asignan gráficamente a grupos de
variables individuales y se clasifican sobre la base de ellas. Los resultados son
clusters y segmentos, como el número de compradores de un producto en
particular, que tienen entre 35 y 47 años y tienen un alto nivel de ingresos.
c) Análisis de regresión: Investiga la influencia de dos tipos de variables una sobre la
otra. Se habla de variables dependientes y no dependientes. Las primeras son las
llamadas variables explicadas, mientras que las segundas son variables explicativas.
El primero describe el estado real sobre la base de los datos, el segundo explica
estos datos por medio de relaciones de dependencia entre las dos variables.
d) Análisis de desviaciones: Determina la influencia de varias variables o de variables
individuales en grupos calculando promedios estadísticos. Aquí se pueden

3. Materia: Investigación de Mercados II - G_09
Tema: Análisis Multivariado
Alumna: Saavedra Cardenas Estephani Fernanda
3
¨LIBEREMOS BOLIVIA¨
Docente: Mgr. José Ramiro Zapata Barrientos
comparar variables dentro de un grupo, así como diferentes grupos, dependiendo
de dónde se deben suponer las desviaciones.
e) Análisis discriminante: Se utiliza en el contexto del análisis de desviaciones para
diferenciar entre grupos que se pueden describir con características similares o
idénticas.
3. CONCLUSIONES
Se puede decir que el análisis multivariado es toda aquella técnica estadística que simultáneamente
analiza múltiples resultados en los individuos o objetos de investigación, para que este se considere
multivariado debe ser aleatorio y relacionado de tal manera que el efecto que produzca no puede
ser interpretado de manera individual; este análisis nos sirve para esclarecer la distribución real de
varias variables y hallar la causa-efectos entre las mismas.
4. REFERENCIAS
• https://es.wikipedia.org/wiki/An%C3%A1lisis_multivariante
• https://es.ryte.com/wiki/An%C3%A1lisis_Multivariante
• https://www.academia.cat/files/425-3397-DOCUMENT/Sancho-9-14Maig12.pdf
• https://www.google.com/search?q=analisis+multivariado+metodos+de+interdependencia
&oq=analisis+multivariado+metodos+de+interdepende&aqs=chrome.1.69i57j33.20070j0j
15&sourceid=chrome&ie=UTF-8
• http://www.cyta.com.ar/biblioteca/bddoc/bdlibros/guia_multivariante/guia_multivariant
e.htm
• ckhlQaptWmJOcSoATrah7
5. VIDEOS
https://youtu.be/6xNe1uklDHM

4. Materia: Investigación de Mercados II - G_09
Tema: Análisis Multivariado
Alumna: Saavedra Cardenas Estephani Fernanda
4
¨LIBEREMOS BOLIVIA¨
Docente: Mgr. José Ramiro Zapata Barrientos
https://youtu.be/_3YKNZW2HNc