Este documento explica el análisis multivariado, un método estadístico que analiza conjuntos de datos con múltiples variables. Describe los tipos de métodos multivariados como el análisis factorial, de clúster y de regresión. Explica que el análisis multivariado ayuda a entender mejor los fenómenos al obtener información que otros métodos estadísticos no pueden conseguir.
1. PATIÑOCRISPIN KARLAPATRICIA
MGR. JOSE RAMIROZAPATA
MATERIA:INVESTIGACIÓN DE MERCADOSII
1
LIBEREMOS BOLIVIA
ANÁLISIS MULTIVARIADO
1. INTRODUCCIÓN.- El análisismultivariante oanálisismultivariado esun
métodoestadísticoutilizadoparadeterminarlacontribuciónde variosfactores enun
simple eventooresultado.1
Los factoresde estudiosonlosllamados factoresde riesgo (bioestadística), variables
independientes ovariablesexplicativas.
El resultadoestudiadoesel evento,lavariable dependienteolavariable respuesta.
El análisismultivariante enlasestadísticasse utilizabanmétodosde pruebayanálisismultivariante
para descubrirlasrelacionescausales.Dadoque loscálculosmanualesson muycomplejos,los
métodossólosonpracticablesenotroscamposde aplicaciónconel desarrollodel hardware y
software correspondiente.2
El análisismultivariante mediantetécnicasde proyecciónsobrevariableslatentestiene muchas
ventajassobre los métodosde regresión tradicionales:
se puede utilizarlainformaciónde múltiplesvariablesde entrada,aunque éstasnosean
linealmenteindependientes
puede trabajarcon matrices que contenganmásvariablesque observaciones
puede trabajarcon matricesincompletas,siempre que losvaloresfaltantesestén
aleatoriamentedistribuidosynosuperenun10%
puestoque se basanen laextracciónsecuencial de losfactores,que extraenlamayor
variabilidadposible de lamatrizde lasX (variablesexplicativas,tienenque serdependientes)
puedensepararlainformacióndel ruido.Se asume que lasXse midenconruido.2
2. DESARROLLO. –
Tipos de métodos de análisismultivariante:
Los métodosmultivariantespuedensubdividirse segúndiferentesaspectos.Enprimerlugar,se
diferencianenfunciónde si se debe descubriroverificarunaestructuracon ellos.Losmétodosde
determinaciónde laestructuraincluyenel dominio:
Análisisfactorial: Reduce laestructuraa datos relevantesyvariablesindividuales.Los
estudiosfactorialesse centranendiferentesvariables,porloque se subdividenenanálisis
de componentesprincipalesyanálisisde correspondencia.Porejemplo:¿Qué elementos
de la webinfluyenmásenel comportamientode compra?
Análisisde clúster: Las observacionesse asignangráficamenteagruposde variables
individualesyse clasificansobre labase de ellas. Losresultadossonclusters ysegmentos,
como el númerode compradoresde unproductoen particular,que tienenentre35 y 47
años ytienenunaltonivel de ingresos.
2. PATIÑOCRISPIN KARLAPATRICIA
MGR. JOSE RAMIROZAPATA
MATERIA:INVESTIGACIÓN DE MERCADOSII
2
LIBEREMOS BOLIVIA
Los procedimientosde revisiónestructural incluyen,entre otros,el TLD:
Análisisde regresión:Investigalainfluenciade dostiposde variablesunasobre laotra. Se
hablade variablesdependientesynodependientes.Lasprimerassonlasllamadas
variablesexplicadas,mientrasque lassegundassonvariablesexplicativas.El primero
describe el estadoreal sobre labase de losdatos,el segundoexplicaestosdatospor
mediode relacionesde dependenciaentre lasdosvariables.Enlapráctica, varioscambios
de loselementosde lapáginawebcorrespondenavariablesindependientes,mientrasque
losefectossobre latasa de conversiónseríanlavariable dependiente.
Análisisde desviaciones:Determinalainfluenciade variasvariablesode variables
individualesengruposcalculandopromediosestadísticos.Aquíse puedencomparar
variablesdentrode ungrupoasí como diferentesgrupos,dependiendode dónde se deben
suponerlasdesviaciones.Porejemplo:¿Qué gruposhacenclicconmás frecuenciaenel
botón"Comprar ahora"de sucesta de la compra?
Análisisdiscriminante:Se utilizaenel contextodel análisisde desviacionespara
diferenciarentre gruposque se puedendescribirconcaracterísticassimilaresoidénticas.
Por ejemplo,¿enqué variablesdifierenlosdiferentesgruposde compradores? 2
Clasificaciónde las técnicas multivariantes
Para ayudarle a familiarizarse conlastécnicasmultivariantes, presentamosunaclasificaciónde
losmétodosmultivariantes. Estaclasificación se basaentresjuicios que el analistadebehacer
sobre el objetoainvestigaryla naturalezade losdatos:
¿puedendividirselasvariablesendependientesoindependientesbasándose la
clasificaciónenalgunateoría?
Si puede hacerse,¿cuántasde estasvariablessontratadascomodependientesenun
análisissimple?
¿Cómoson lasvariablesmedidas?
La selecciónde latécnicamultivarianteapropiadadependede lasrespuestasaestastres
cuestiones.
Cuandoconsideramoslaaplicaciónde lastécnicasestadísticasmultivariantes,laprimera
cuestiónque nosdebemospreguntares,¿puedendividirse lasvariablesmediante la
clasificaciónde dependiente e independiente?Larespuestaaestacuestiónindicasi se debería
utilizarunanálisisde dependenciaointerdependencia.
Un análisisde dependenciapuede definirsecomoaquel enel que unavariable oconjuntode
variablesesidentificadocomolavariable dependiente yque vaa ser explicadaporotras
variablesconocidascomovariablesindependientes.Comoejemplode unadependencia
técnicatenemosel análisisde regresiónmúltiple.Comocontraste,unanálisisde
interdependenciaesaquel enque ningunavariableogrupode variablesesdefinidocomo
3. PATIÑOCRISPIN KARLAPATRICIA
MGR. JOSE RAMIROZAPATA
MATERIA:INVESTIGACIÓN DE MERCADOSII
3
LIBEREMOS BOLIVIA
independienteodependiente.Másbien,el procedimientoimplicael análisisde todaslas
variablesdel conjuntosimultáneamente.El análisisfactorial esunejemplode unanálisisde
interdependencia.
Un análisisde dependenciapuede definirsecomoaquel enel que unavariable oconjuntode
variablesesidentificadocomolavariable dependiente yque vaa ser explicadaporotras
variablesconocidascomovariablesindependientes.Comoejemplode unadependencia
técnicatenemosel análisisde regresiónmúltiple.Comocontraste,unanálisisde
interdependenciaesaquel enque ningunavariableogrupode variablesesdefinidocomo
independienteodependiente.Másbien,el procedimientoimplicael análisisde todaslas
variablesdel conjuntosimultáneamente.El análisisfactorial esunejemplode unanálisisde
interdependencia.3
Métodos
En aras a extraerlainformaciónde losdatos, se establece unasecuencialógicade pasospara la
aplicaciónde lastécnicasde análisismultivariado.
1. Recolecciónde datos
En este caso se utilizanlosdatoscorrespondientesalasnotasfinalesde losestudiantesde un
determinadoaño.Comoel principal objetivoescontarconinformaciónsobre losestudiantesque
van a ingresara losproyectosde desarrollode software,se sugiere que lasasignaturas
seleccionadasseanlasque aportenmásala formacióntécnicadel estudiante.
2. Preparación de los datos
Para procesarlos datosse debe tenerencuentael tipode datos enque vienenexpresadaslas
variables(lasnotasdel sistemaeducacionalcubanose expresanenunaescalaordinal,sin
intervalode magnituddefinidae igual entre cualquierparde nivelesconsecutivosde lavariable
[6]; por tanto,se debentransformara numérico).
3. Reducción
ACP:Permite laexploraciónyreducciónde ladimensiónde losdatos,ayudaa losinvestigadoresa
que adquieranciertapercepciónrespectoaunconjuntode datos,y a encontrarla verdadera
dimensión de losdatos,se puede seleccionarunnúmeromenorde variablesque son
combinacioneslinealesde lasanterioresyesposiblesintetizargrandescantidadesde información
para una mejorcomprensiónde lamisma.
4. Clasificacióny Agrupación
4. PATIÑOCRISPIN KARLAPATRICIA
MGR. JOSE RAMIROZAPATA
MATERIA:INVESTIGACIÓN DE MERCADOSII
4
LIBEREMOS BOLIVIA
Análisisde Clúster:permiteconfirmarhipótesissobre lanaturalezade lasobservacionesy
mediante el mismoesposible idearunaclasificaciónoesquemade agrupación.Además,permite
dividirlosestudiantesenestudioenclasesogrupos,enloscualessusintegrantescomparten
similitud.El propósitode este métodoenel procedimientoque se propone,esidentificar3grupos
de estudiantes,cuyaexistenciase asume basadaenlaexperienciade expertosenlabordocente y
productivaenlauniversidad.
5. Identificaciónde estructura y reducción de los datos
AnálisisFactorial Común:tiene comoobjetivoidentificarunnúmerorelativamente pequeñode
factoressubyacentes(latentes),que reflejanqué esloque lasvariablestienenencomún.Este
análisispuede asistirenlaselecciónde unsubgrupode variablesrepresentativaso,incluso,crear
nuevasvariablescomosustitutasde lasvariablesoriginales.Además,permite establecerla
relaciónde lasvariablesmediante el resumende losdatosydescubrirvariablessubyacentesque
puedenserusadasenestudiosposteriores.4
Usos
Hoy endía se utilizanmétodosde análisismultivarianteenáreasmuydiferentes:
Lingüística,CienciasNaturalesyHumanidades.
Economía, segurosyserviciosfinancieros.
Minería de datos,bigdata y basesde datosrelacionales.
Hoy endía, losanálisismultivariantesse suelenllevaracabo mediante el usode software conel
finde hacer frente alas enormescantidadesde datosycontrolarlasvariablesmodificadasen
aplicacionesprácticas comolaspruebasde usabilidad.Sinembargo,laspruebasmultivariante
tambiénpuedencontribuirsignificativamenteamejorarlafacilidadde usoa menorescala.5
3. CONCLUSION.– Es un conjuntode métodosestadísticoscuyafinalidadesanalizar
simultáneamenteconjuntosde datosmultivariantesenel sentidode que hayvarias
variablesmedidasparacada individuo uobjetoestudiado.
Ayudaa mejorarel entendimientodel fenómenoobjetode estudioobteniendoinformaciónque
losmétodosestadísticos univariantesybivariantessonincapacesde conseguir.
Mediante losdiferentestiposque tiene,como:el análisisfactorial,de clúster,de regresión,etc.
Es muy importante conocerysaberpara que nos puede servirhacerunanálisismultivariado.