Análisis Multivariado

Investigación de Mercados II
Tema: Análisis Multivariado
Alumno: Américo Gómez Lizárraga
Docente: Mgr. José Ramiro Zapata Barrientos
Grupo: 09
1
“LIBEREMOS BOLIVIA”
Análisis Multivariado
“Nunca consideresel estudio como una obligación,sino como una oportunidad para penetraren el
bello y maravilloso mundo delsaber”.
AlbertEinstein
1. Introducción
Enel presente trabajose vaadesarrollarloquees elanálisis multivariadoquealolargode lahistoria
ha tenidounrol importante paradescubrirvariassorpresasde lahumanidad atravésde unanálisis
exhaustivo. Para ello se verán sus antecedentes, su concepto, ciertas características y otros
elementos que presenta este tipo de análisis.
Vamos a obtener de diferentes fuentes información sobre este tema para lo que apoyaremos el
trabajo en referencias y videos, ya que el objetivo es tener un aprendizaje acorde al nivel
universitario que se tiene.
El origendel análisismultivariadose remontaaloscomienzosdel sigloXX,conPearsonySperman,
época en la cual se empezaron a introducir los conceptos de la estadística moderna. Las bases
definitivasdeestetipodeanálisisse establecieronenladécada1930-40conHotelling,Wilks,Fisher,
Mahalanobis,yBartlett (Bramardi,2002). En términosgenerales,el análisismultivariadose refiere
a todos aquellos métodos estadísticos que analizan simultáneamente medidas múltiples (más de
dosvariables) de cadaindividuo. Porsuparte Hair(Hairet al.,1992) puntualizaque parael casodel
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.Teniendoen cuenta los objetivosque se desean alcanzar,
este investigador clasifica los métodos multivariados en dos grandes grupos. (1)
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. (1)
El segundo se denomina de clasificación y permite la búsqueda de grupos similares lo más
homogéneos posible para clasificar los elementos. Cada base de datos está compuesta por un
conjunto de objetos o casos representativos de un problema en cuestión (en este caso son las
accesiones) yasuvez,cadaobjeto,sedescribemedianteunconjuntodeatributosorasgos,también
conocidoscomovariablesde entradaocaracterísticas(enestecasosonlosdescriptores),loscuales
pueden ser cualitativos (categóricos) o cuantitativos (numéricos). En ocasiones algunas variables
pueden crear ruido en los datos, pues aquellas que son redundantes ó irrelevantes degradan la
clasificación. (1)

Grupo: 09
2
La eliminación de estos rasgos resulta en una igual o mejor clasificación que con el conjunto
completo,noobstante,puedenobtenerse resultados noconsistentes,porlocual losinvestigadores
no deben hacer uso indiscriminado de los métodos de selección de variables. La reducción de la
dimensionalidad con la de extracción de atributos se trata de encontrar un número más reducido
de nuevos atributos a partir de transformaciones de los iniciales. (1)
2. Desarrollo
i. Concepto
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 u objeto estudiado. (2)
Su razón de ser radica en un mejor entendimiento del fenómeno objeto de estudio consiguiendo
información que losmétodosestadísticosunivariantesybivariantessonincapacesde conseguir en
un tiempo determinado. (2)
El análisis simultáneo de múltiples características de dichos individuos, objetos o entes es la
característica clave del Análisis Multivariante. Y ello porque dicha simultaneidad en el análisis
permite analizar la interrelación existente entre todas las variables aleatorias que representan
dichas características. De lo anterior se deduce que el carácter multivariante de las técnicas
englobadas bajo la denominación de Análisis Multivariante, no reside tanto en la multiplicidad de
variables consideradas en el estudio, como en la consideración conjunta e interrelacionada de las
mismas. (3)
ii. Tipos de técnicas
Las técnicasestadísticasmultivariadaspermitenestablecer,apartirde numerososdatosyvariables,
ciertasrelaciones,investigarestructurasyensayardiversasmanerasde organizardichosdatos,bien
transformándolos y presentándolos bajo una forma nueva más asequible, bien reduciéndolos, sin
perder demasiada información inicial, asequible, bien reduciéndolos, sin perder demasiada
informacióninicial,componerunresumenlomáscompletoposible del conjuntode datosoriginal,
habitualmente bastante complejo. (5)
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. (5)
Estos pueden ser agrupados en los siguientes tipos:
a) Modelos de rango completo y no completo. (3)

Grupo: 09
3
- Análisis de regresión múltiple. (3)
- Análisis de la varianza (ANOVA). (3)
- Análisis de la covarianza (ANCOVA). (3)
- Análisis multivariante de la varianza (MANOVA). (3)
- Análisis multivariante de la covarianza (MANCOVA). (3)
- Correlación canónica. (3)
b) Reducción de la dimensionalidad. (3)
- Análisis de componentes principales. (3)
- Análisis factorial. (3)
c) Clasificación y Discriminación. (3)
- Análisis de Conglomerados. (3)
- Análisis discriminante. (3)
c) Otros procedimientos multivariantes.
- Análisis conjunto. (3)
- Escalamiento multidimensional. (3)
- Análisis de correspondencias. (3)
- Análisis logit. (3)
- Modelos de ecuaciones estructurales. (3)
iii. Ventajas
 Se puede utilizar la información de múltiples variables de entrada, aunque éstas no sean
linealmente independientes. (4)
 Puede trabajar con matrices que contengan más variables que observaciones. (4)
 Puede trabajar con matrices incompletas, siempre que los valores faltantes estén
aleatoriamente distribuidos y no superen un 10%. (4)
 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 informacióndel ruido. Se asume que las X se miden con
ruido. (4)

Grupo: 09
4
3. Conclusiones
El análisis multivariado puede contribuir a enriquecer el debate público sobre los fenómenos que
son objeto de interés para los profesionales y los investigadores, gracias a la oportunidad que les
ofrece para llevar a cabo un análisis complejo de los datos obtenidos en sus estudios.
Al serviciode la investigacióncuantitativa,ycomo extensiónde lastécnicasde análisisunivariante
y bivariante,el análisismultivariante tienecomoobjetivoprincipal modelarlasmúltiplesrelaciones
existentes entre diversas variables de manera simultánea.
La construcciónde modelosmultivariantesejerce,pues,unpapel importanteenel desarrollode 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.
Conocerla lógica,lascaracterísticas específicasde lasdiferentestécnicasdisponibles,losobjetivos
particularesque permitenlograry las condicionesenque puedenserutilizadassonalgunosde los
retos importantes a los que nos enfrentaremos en este material. Para hacerlo, en este texto nos
adentraremosenlosaspectosbásicosinvolucradosenelanálisismultivariantede losdatoscomoel
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.
La clave de este marco analítico general no se encuentra, por lo tanto, en el hecho de que los
investigadores dispongan de múltiples variables, sino en la capacidad que las diferentes técnicas
disponibleslesofrecenparaestimarel pesoespecíficoolaimportanciarelativade cadaunade ellas
en sus modelos.
En este sentido, elanálisismultivariantepuedeproporcionarlasevidenciasnecesariasquepermitan
establecer inferencias a partir de la observación de asociaciones entre las variables, de forma que
sea posible extraer conclusiones no sesgadas que, además, sean generalizables más allá de los
límites de los estudios particulares siempre que sea posible.
Finalmente puedo afirmar que es de gran ayuda este análisis, debido a la información que logra
proporcionar en el ámbito empresarial y para todo tipo de instituciones; por lo tanto, se debe
profundizar un poco más a lo largo de la investigación.
4. Referencias
1. https://www.ecured.cu/An%C3%A1lisis_multivariados#:~:text=El%20origen%20del%2
0an%C3%A1lisis%20multivariado,conceptos%20de%20la%20estad%C3%ADstica%20m
oderna
2. http://www.ciberconta.unizar.es/leccion/anamul/inicio.html
3. https://guiasjuridicas.wolterskluwer.es/Content/Documento.aspx?params=H4sIAAAA
AAAEAMtMSbF1jTAAASNDSwtDtbLUouLM_DxbIwMDS0MDIwuQQGZapUt-
ckhlQaptWmJOcSoATrah7TUAAAA=WKE

Grupo: 09
5
4. https://es.wikipedia.org/wiki/An%C3%A1lisis_multivariante
5. https://www.uv.es/~friasnav/ESTADTema7.pdf
5. Videos:
https://youtu.be/6xNe1uklDHM
https://youtu.be/__NwvXa3zjQ
https://youtu.be/hXxeAzTkkUU

Análisis Multivariado

Más contenido relacionado

Similar a Análisis Multivariado

Más de AmricoGmezLizrraga

Análisis Multivariado