2. INVESTIGACION DEMERCADOS2 RENGIFO VEDIA MAYLEN FABIOLA
Mgr. JOSERAMIRO ZAPATA BARRIENTOS
LIBEREMOS BOLIVIA
ANALISIS MULTIVARIABLE
«Tu mejor profesor es tu mayor error.»
1.INTRODUCCION.-
El origendel análisismultivariadose remontaaloscomienzosdel 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.4
En la evaluaciónyrecopilaciónde datosestadísticosse utilizanmétodosde análisismultivariantes para aclarar y
explicarlasrelacionesentre lasdiferentesvariablesque pueden estar asociadas con estos datos.1
El Análisis de
Correspondencias Múltiple es una extensión del Análisis de Correspondencias Simple. La estructura de datos
sobre losque se aplica el MCA puede ser una matriz formada por variables ficticias de ausencia – presencia de
cada nivel de las variables nominales ó una matriz Burt, que no es más que el conjunto de todas las tablas de
contingencia par a par del conjunto de variables que están siendo analizadas.4
2.-DESARROLLO.-
2.1Importancia para la usabilidad
Como método cuantitativo, el análisis multivariante es uno de los métodos más efectivos para probar la
usabilidad.Al mismotiempo,es muy complejo y a veces costoso. Se puede utilizar software para ayudar, pero
las pruebas como tales son considerablemente más complejas que las pruebas A/B en términos de diseño de
estudios.Laventajadecisivaradicaenel númerode variablesque pueden considerarse y su ponderación como
medida de la importancia de determinadas variables.1
2.2OBJEETIVO
definir si existe asociación entre una variable a la que llamamos predictora y otra a la que denominamos
resultado,respuestaoevento. Paradeterminarsi esaasociaciónexistemásalládel azares que realizamos tests
3. INVESTIGACION DEMERCADOS2 RENGIFO VEDIA MAYLEN FABIOLA
Mgr. JOSERAMIRO ZAPATA BARRIENTOS
LIBEREMOS BOLIVIA
estadísticos. Empleamos habitualmente un valor de p< 0.05, lo cual implica una probabilidad < 5% de que la
asociación hallada sea azarosa. Decimos entonces que la asociación es estadísticamente significativa.2
2.3ESTABLECER LA SIGNIFICACION PRACTICA ASI COMO LA ESTADISTICA
La fuerzadel análisismultivariante reside ensusmediosaparentemente «mágicos» para clasificar una variedad
de posibles alternativas y encontrar aquellas que tienen significación estadística.5
2.4TAMAÑO MUESTRAL AFECTA A TODOS LOS RESULTADOS
La discusión de la potencia estadística demuestra que el impacto sustancial del tamaño muestral opera en la
consecución de la significación estadística, tanto en tamaños muestrales grandes como pequeños.5
2.5PROCURAR LA PARSIMONIA DEL MODELO
Las técnicasmultivariantes se diseñanparaacomodarlas variablesenel análisis. Este carácter, sin embargo, no
deberíasustituirel desarrollode modelos conceptuales antes de que se apliquen las técnicas multivariantes.5
2.6ATENDER A LOS ERRORES
Inclusoconla capacidaddel análisismultivariante.difícilmenteconseguiremosla mejor predicción en el primer
análisis.5
2.7VALIDAR LOS RESULTADOS
La capacidad del análisis multivariante para identificar interrelaciones complejas también implica que puede
darse el caso de que los resultados sean especificas sólo para la muestra y no generalizables a la población.5
2.8Tipos de métodos de análisis multivariante
Los métodos de determinación de la estructura incluyen el dominio:
Análisis factorial: Reduce la estructura a datos relevantes y variables individuales. Los estudios
factorialesse centranendiferentesvariables,porloque se subdividenenanálisisde componentesprincipales y
análisis de correspondencia. Por ejemplo: ¿Qué elementos de laweb influyen más en el comportamiento de
compra?
Análisisde clusters:Lasobservaciones se asignan gráficamente a grupos de variables individuales y se
clasifican sobre la base de ellas.
Los procedimientos de revisión estructural incluyen, entre otros, el TLD:
4. INVESTIGACION DEMERCADOS2 RENGIFO VEDIA MAYLEN FABIOLA
Mgr. JOSERAMIRO ZAPATA BARRIENTOS
LIBEREMOS BOLIVIA
Análisis de regresión: Investiga la influencia de dos tipos de variables una sobre la otra. Se habla de
variablesdependientesynodependientes.Lasprimerassonlasllamadasvariablesexplicadas, mientras que las
segundas son variables explicativas
Análisis de desviaciones: Determina la influencia de varias variables o de variables individuales en
grupos calculando promedios estadísticos. Aquí se pueden comparar variables dentro de un grupo así como
diferentesgrupos,dependiendode dónde se debensuponerlasdesviaciones. Por ejemplo: ¿Qué grupos hacen
clic con más frecuencia en el botón "Comprar ahora" de su cesta de la compra?
Análisisdiscriminante:Se utilizaenel contextodel análisisde desviacionesparadiferenciarentre grupos
que se pueden describir con características similares o idénticas. Por ejemplo, ¿en qué variables difieren los
diferentes grupos de compradores?1
2.9Tipología de técnicas multivariantes
a) Modelos de rango completo y no completo.
- Análisis de regresión múltiple.
- Análisis de la varianza (ANOVA).
- Análisis de la covarianza (ANCOVA).
- Análisis multivariante de la varianza (MANOVA).
- Análisis multivariante de la covarianza (MANCOVA).
- Correlación canónica.
b) Reducción de la dimensionalidad.
- Análisis de componentes principales
- Análisis factorial.
c) Clasificación y Discriminación.
- Análisis de Conglomerados.
- Análisis discriminante.
c) Otros procedimientos multivariantes.
- Análisis conjunto.
- Escalamiento multidimensional.
- Análisis de correspondencias.
- Análisis logit.
- Modelos de ecuaciones estructurales.3
3.-CONCLUCION
Se trata de una serie de procedimientos estadísticos que se realiza con el fin de analizar la interrelación que
pueda existir entre todas las variables
4.- REFERENCIAS
4.1 https://es.ryte.com/wiki/An%C3%A1lisis_Multivariante