El documento presenta una introducción al análisis multivariado, describiendo que este conjunto de métodos estadísticos permite analizar múltiples variables de forma simultánea. Explica los diferentes tipos de análisis multivariado como análisis factorial, de clusters, de regresión, de desviaciones y discriminante. También aborda conceptos como escalas de medición, etapas del análisis y características generales. Finalmente, concluye resaltando que el análisis multivariado permite considerar y ponderar múltiples variables para
1. Alumno: AlejandroCandiaToro
Docente: Mgr. José RamiroZapata
Materia: Investigacionde Mercados II
¨LIBEREMOS BOLIVIA¨
ANALISIS MULTIVARIADO
“La cienciase compone de errores,que asu vezsonlos pasoshaciala verdad”. JulesVerne
1. Introduccion
Originalmente,en las estadísticas se utilizaban métodos de prueba y análisis multivariante para
descubrirlasrelacionescausales.Dadoque loscálculosmanualessonmuycomplejos,losmétodos
sólo son practicables en otros campos de aplicación con el desarrollo del hardware y software
correspondiente.Hoyendía, losanálisismultivariantesse suelenllevara cabo mediante el usode
software con el fin de hacer frente a las enormes cantidades de datos y controlar las variables
modificadas en aplicaciones prácticas como las pruebas de usabilidad. Sin embargo, las pruebas
multivariante también puedencontribuir significativamente a mejorar la facilidad de uso a menor
escala.1
2. Desarrollo
El análisis multivariante es el conjunto de métodos estadísticos cuya finalidad es analizar
simultáneamente conjunto de datos multivariantes en el sentido de que hay varias variables
medidasparacada individuouobjetoestudiado. Surazónde serradicaen unmejorentendimiento
del fenómenoobjetode estudiooteniendoinformaciónque los métodosestadísticos univariantes
y bivariantes son incapaces de conseguir.2
¿Qué es el análisis multivariante?
Son todas las técnicas estadísticas que simultáneamente analizan múltiples resultados en los
individuos u objetos bajo investigación.
Paraque unanálisisseconsideremultivariadotodaslasvariablesdebenseraleatoriasyrelacionadas
de tal manera que el efecto que producen no pueda ser interceptado de manera individual.2
Tipos de métodos de análisis multivariante:
Análisis factorial: Reduce la estructura a datos relevantes y variables individuales. Los estudios
factorialesse centranendiferentesvariables,porloque se subdividenenanálisisde componentes
principalesyanálisisde correspondencia.Porejemplo:¿Qué elementosde lawebinfluyenmásen
el comportamiento de compra?
Análisisde clusters:Las observacionesse asignangráficamente agruposde variablesindividualesy
se clasifican sobre la base de ellas. Los resultados son clusters y segmentos, como el número de
compradoresde un producto enparticular,que tienenentre 35 y 47 años y tienenunalto nivel de
ingresos.
Análisisde regresión:Investigalainfluenciade dostiposde variablesunasobre laotra.Se hablade
variables dependientes y no dependientes. Las primeras son las llamadas variables explicadas,
2. Alumno: AlejandroCandiaToro
Docente: Mgr. José RamiroZapata
Materia: Investigacionde Mercados II
¨LIBEREMOS BOLIVIA¨
mientrasque lassegundassonvariablesexplicativas.El primerodescribeelestadoreal sobrelabase
de losdatos,el segundoexplicaestosdatospor mediode relacionesde dependenciaentre lasdos
variables.
Análisisde desviaciones:Determinalainfluenciade variasvariableso de variablesindividualesen
gruposcalculandopromediosestadísticos.Aquíse puedencompararvariablesdentrode ungrupo,
así comodiferentesgrupos,dependiendodedóndese debensuponerlasdesviaciones.Porejemplo:
¿Qué gruposhacenclic con más frecuenciaenel botón"Comprarahora"de su cestade la compra?
Análisis discriminante: Se utiliza en el contextodel análisis de desviaciones para diferenciar entre
grupos que se pueden describir con características similares o idénticas. Por ejemplo, ¿en qué
variables difieren los diferentes grupos de compradores?
Error de mediday medidasmultivariantes:
El uso de múltiplesvariables,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 lasvariablesusadasenlastécnicasmultivariantestienen algúngradode errorde
medida. El impactodel errorde medidaesañadir«ruido» alasvariablesmedidasuobservadas.Por
tanto,el valorobservadoobtenidorepresentatantoel nivel «verdadero»comoel «ruido».Cuando
se calculan correlaciones o medias, normalmente el efecto «verdadero» está parcialmente
camuflado por el error de medida, causando la debilidad de las correlaciones y la pérdida de
precisión de las medias.3
Escalas de medición:
Variable cuantitativa o métrica: es aquella que identifica al sujetocomo diferente a los demás en
cuanto a cantidad o grado.
Variable cualitativa o no métrica: se va identificar al objeto de estudio por características,
propiedades, categorías o atributos.
Escala nominal: asigna un número a una característica o atributo.
Escala ordinal: jerarquiza los datos en relación a la cantidad que poseen.
Etapas del análisis multivariante:
3. Alumno: AlejandroCandiaToro
Docente: Mgr. José RamiroZapata
Materia: Investigacionde Mercados II
¨LIBEREMOS BOLIVIA¨
Objetivos del análisis
Diseño del análisis
Hipótesis del análisis
Realización del análisis
Interpretar resultados
Validación de análisis
Características generales:
Trabajan con varias variables a la vez, generalmente >2 (2 es caso particular)
Implica observación/medición y análisis de más de una variable estadística a la vez.
Basados en la correlación.
Variables correlacionadas, observaciones independientes
Cumplen dos funciones: descriptiva e inferencial
Dependiendode lascaracterísticasde la investigación,entre lastécnicasestadísticasmultivariadas
que podemoselegirtenemosel AnálisisMultivariable de Varianza(MANOVA),RegresiónMúltiple,
Análisis Factorial, Análisis Discriminante, Análisis de Grupos (Cluster Analysis), Escalamiento
Multidimensional, Modelos Causales (Path Analysis), etc.4
3. Conclusión
El análisis multivariante esunode los métodosmás efectivospara probar la usabilidad.Al mismo
tiempo,esmuycomplejoyavecescostoso.Se puedeutilizarsoftwareparaayudar,perolaspruebas
como tales son considerablemente más complejas que las pruebas A/B en términosde diseñode
estudios. La ventaja decisiva radica en el número de variables que pueden considerarse y su
ponderación como medida de la importancia de determinadas variables.
4. Referencias
1.- https://es.ryte.com/wiki/An%C3%A1lisis_Multivariante
2.- https://www.slideshare.net/federicodonneysg/analisis-multivariado-8829215
3.http://www.cyta.com.ar/biblioteca/bddoc/bdlibros/guia_multivariante/guia_multivariante.h
tm
4.- https://www.uv.es/~friasnav/ESTADTema7.pdf
4. Alumno: AlejandroCandiaToro
Docente: Mgr. José RamiroZapata
Materia: Investigacionde Mercados II
¨LIBEREMOS BOLIVIA¨
5. Videos:
https://www.youtube.com/watch?v=_3YKNZW2HNc
https://www.youtube.com/watch?v=9DMz-489uEk