Análisis Multivariado Mercados

Investigación de Mercados II
Tema: Análisis Multivariado
Alumna: Nayde Paula Zequita Zelaya
Docente: Mgr. José Ramiro Zapata Barrientos
“LIBEREMOS BOLIVIA” 1
Análisis Multivariado
“Si aprendes a buscar, encontrarás” (Platón)
1. Introducción
Originalmente, en las estadísticas se utilizaban métodos de prueba y análisis multivariante
para descubrir las relaciones causales. Dado que los cálculos manuales son muy complejos, los
métodos sólo son practicables en otros campos de aplicación con el desarrollo del hardware y
software correspondiente.1
Hoy en día se utilizan métodos de análisis multivariante en áreas
muy diferentes:
 Lingüística, Ciencias Naturales y Humanidades.
 Economía, seguros y servicios financieros.
 Minería de datos, big data y bases de datos relacionales.
Los datos multivariados surgen en distintas áreas o ramas de la ciencia. Ejemplos:
 Investigación de mercados: Identificar características de los individuos para determinar
qué tipo de personas compran determinado producto.
 Agricultura: Resistencia de determinado tipo de cosechas a daños por plagas y sequías.
 Psicología: Relación entre el comportamiento de adolescentes y actitudes de los
padres.
Los datos multivariados surgen cuando a un mismo individuo se le mide más de una
característica de interés. Un individuo puede ser un objeto o concepto que se puede medir.
Más generalmente, los individuos son llamados unidades experimentales.
Ejemplos de objetos: personas, animales, terrenos, compañías, países, etc.
Ejemplos de conceptos: amor, amistad, noviazgo, etc.
Características de los individuos: Los individuos deben de ser independientes entre sí. Una
variable es una característica o atributo que se le mide a un individuo.1
Hoy en día, los análisis multivariantes se suelen llevar a cabo mediante el uso de 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 pueden contribuir significativamente a mejorar la facilidad de uso a
menor escala.
2. Desarrollo
El análisis multivariante o análisis multivariado es un método estadístico utilizado para
determinar la contribución de varios factores en un simple evento o resultado.
Según Salvador Figuera M. (2000) 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. Su
razón de ser radica en un mejor entendimiento del fenómeno objeto de estudio obteniendo
información que los métodos estadísticos univariantes y bivariantes son incapaces de
conseguir.
2.1. Objetivos del análisis multivariado
 Proporcionar métodos cuya finalidad es el estudio conjunto de datos multivariantes
que el análisis estadístico uni y bidimensional no pueden conseguir.
 Ayudar al analista o investigador a tomar decisiones óptimas en el contexto en el que
se encuentre teniendo en cuenta la información disponible por el conjunto de datos
analizado.4
2.2.Tipos de métodos de análisis multivariado
Se pueden clasificar en tres grandes grupos:
 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.
 Métodos de interdependencia Estos métodos no distinguen entre variables
dependientes e independientes y su objetivo consiste en identificar qué variables
están relacionadas, cómo lo están y por qué.
 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 sólo como las variables independientes
afectan a las variables dependientes, sino también cómo están relacionadas las
variables de los dos grupos entre sí.5

Los métodos de análisis multivariado se diferencian unos de otros, según su área de
aplicación, se referirá a una o más problemas y según se requiera uno o más grupos de
variables.4
2.3.Importancia para la usabilidad
Como método cuantitativo, el análisis multivariante es uno de los métodos más efectivos para
probar la usabilidad. Al mismo tiempo, 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. La ventaja decisiva radica en el número de
variables que pueden considerarse y su ponderación como medida de la importancia de
determinadas variables.2
2.4.Escalas de medida
El análisis de los datos implica la separación, identificación y medida de la variación en un
conjunto de variables, tanto entre ellas mismas como entre una variable dependiente y una o
más variables independientes. El término clave aquí es medido, dado que el investigador no
puede separar o identificar una variación a menos que pueda ser mesurable. La medida es
importante para representar con precisión el concepto de nuestro interés y es crucial en la
selección del método de análisis multivariante apropiado.
2.5.Tipos básicos de datos
Existen dos tipos básicos de datos, no métricos (cualitativos) y métricos (cuantitativos). Los
datos no métricos son atributos, características o propiedades categóricas que identifican o
describen a un sujeto. Describen diferencias en tipo o clase indicando la presencia o ausencia
de una característica o propiedad. Muchas propiedades son discretas porque tienen una
característica peculiar que excluye todas las demás características. Por ejemplo, si uno es
hombre, no puede ser mujer; No hay cantidad de «género», sólo la condición de ser hombre o
mujer. Por el contrario, las medidas de datos métricos están constituidas de tal forma que los
sujetos pueden ser identificados por diferencias entre grado o cantidad. Las variables medidas
métricamente reflejan cantidades relativas o grado. Las medidas métricas son las más
apropiadas para casos que involucran cantidad o magnitud, tales como el nivel de satisfacción
o la demanda de trabajo.2
2.5.1. Escalas de medidas no métricas
Las medidas no métricas pueden tener escalas nominales u ordinales. La medida con una
escala nominal asigna números que se usan para etiquetar o identificar sujetos u objetos. Las
escalas nominales, también conocidas como escalas de categoría, proporcionan el número de
ocurrencias en cada clase o categoría de la variable que se está estudiando. Por tanto, los
números o símbolos asignados a los objetos no tienen más significado cuantitativo que indicar
la presencia o ausencia del atributo o característica bajo investigación. Los ejemplos de datos
con escala nominal incluyen el sexo, la religión o el partido político de una persona. Para
trabajar con estos datos, el analista puede asignar números a cada categoría, por ejemplo, 2

para mujeres y 1 para hombres. Estos números sólo representan categorías o clases y no
implican cantidades de un atributo o característica.1
Las escalas ordinales representan un nivel superior de precisión de la medida. Las variables
pueden ser ordenadas o clasificadas con escalas ordinales en relación a la cantidad del atributo
poseído. Cada subclase puede ser comparada con otra en términos de una relación de «mayor
que» o «menor que». Por ejemplo. los diferentes niveles de satisfacción del consumidor
individual con diferentes productos nuevos puede ilustrarse en una escala ordinal. La siguiente
escala muestra la idea que tiene un encuestado acerca de tres productos. El encuestado está
más satisfecho con A que con B y más satisfecho con B que con C.
Los números utilizados en escalas ordinales como éstas no son cuantitativos, dado que indican
sólo posiciones relativas en series ordenadas. No hay medida de cuánta satisfacción recibe el
consumidor en términos absolutos, el investigador ni conoce la diferencia exacta entre puntos
de la escala de satisfacción. Muchas escalas de las ciencias del comportamiento caen dentro
de esta categoría ordinal.1
2.5.2. Escalas de medidas métricas
Las escalas de intervalos y de razón (ambas métricas) proporcionan el nivel más alto de medida
de precisión, permitiendo realizar casi todas las operaciones matemáticas. Estas dos escalas
tienen unidades constantes de medida, de tal forma que las diferencias entre dos puntos
adyacentes de cualquier parte de la escala son iguales. La única diferencia real entre las escalas
de intervalo y las de razón es que las de intervalo tienen un punto cero arbitrario, mientras
que las escalas de razón tienen un punto de cero absoluto. Las escalas de intervalo más
familiares son las escalas de temperatura Celsius y Fahrenheit. Ambas tienen un punto de cero
arbitrario, pero ese cero no indica una cantidad cero o ausencia de temperatura, dado que
podemos registrar temperaturas por debajo del punto cero de esa escala. Por tanto, no es
posible decir que un valor cualquiera situado en un intervalo de la escala es un múltiplo de
cualquier otro punto de la escala. Por ejemplo, si un día se registran 80°F, no se puede decir
que sea dos veces más caluroso que uno de 40°F porque sabemos que 80°F, en una escala
diferente como Celsius, equivalen a 26,7°C. De la misma forma, 40°F en Celsius corresponden a
4,4°C. Aunque 80°F son, desde luego, dos veces 40°F, no se puede afirmar que el calor de 80°F
sea dos veces el calor de 40°F porque usando diferentes escalas, el calor no es dos veces
mayor; esto es, 4,4°F X 2 '* 26,7°C.
Las escalas de razón representan la forma superior de medida de precisión, dado que poseen
las ventajas de todas las escalas inferiores más un punto de cero absoluto. Con las medidas de
escala de razón se permiten todas las operaciones matemáticas. El peso que tenemos en el
baño u otras máquinas de peso comunes utilizan estas escalas, dado que tienen un punto de
cero absoluto y que pueden ser expresados en términos de múltiplos cuando se relaciona un
punto con otro de la escala; por ejemplo, 100 kilos es dos veces más pesado que 50 kilos.

Es importante entender los diferentes tipos de escalas de medida por dos razones. En primer
lugar, el investigador debe identificar la escala de medida de cada variable empleada, de tal
forma que no se estén utilizando datos no métricos como si fueran métricos. En segundo lugar,
la escala de medida es crucial para determinar qué técnica multivariante es la más conveniente
para los datos, consideración hecha tanto para las variables dependientes como las
independientes.3
2.6.Representación para el análisis multivariante (interpretación)
Como se ha podido comprobar, el análisis multivariante tiene un carácter variado y puede ser
bastante poderoso. Este poder es especialmente tentador cuando el investigador no está
seguro del diseño del análisis más apropiado y utiliza el análisis multivariante como un
sustituto del necesario análisis conceptual. Incluso cuando se aplica correctamente, los
esfuerzos por acomodar las múltiples variables y relaciones crean complejidades adicionales
en los resultados y su interpretación. Por tanto, advertimos contra su uso sin la base
conceptual apropiada para apoyar la técnica seleccionada sobre aquellos conceptos básicos
mencionados previamente y los temas abordados en la siguiente sección.3
Hemos discutido también varios asuntos particularmente aplicables al análisis multivariantes.
Por tanto, mientras no exista una única «respuesta», hemos encontrado que el análisis y la
interpretación de cualquier problema multivariante puede verse ayudado por un conjunto
general de directrices. No se trata de ningún modo de una lista exhaustiva de consideraciones,
sino que la lista representa más bien una «filosofía del análisis multivariante».3
3. Conclusiones
 El análisis multivariado analiza la relación entre varias variables
independientes y al menos una dependiente.
 Requiere el uso de computadora para efectuar cálculos necesarios.
 Cuantifica la relación de una o más variables independientes con la variable
independiente.
 Busca un mejor entendimiento del fenómeno objeto de estudio obteniendo
información que los métodos estadísticos univariantes y bivariantes no
pueden proporcionar.
 Ayudan al investigador a tomar decisiones óptimas en el contexto en el que se
encuentre teniendo en cuenta la información disponible por el conjunto de
datos analizado.
4. Referencias
1. http://allman.rhon.itam.mx/~lnieto/index_archivos/Modulo61.pdf
2. https://es.ryte.com/wiki/An%C3%A1lisis_Multivariante
3. http://www.cyta.com.ar/biblioteca/bddoc/bdlibros/guia_multivariante/guia_multi
variante.htm
4. https://es.slideshare.net/jpgv84/1-semana-analisis-multivariante
5. https://es.slideshare.net/federicodonneysg/analisis-multivariado-8829215

5. Videos
https://www.youtube.com/watch?v=LOrm70UMyto
https://www.youtube.com/watch?v=rxd6LGPEl7o

Análisis Multivariado Mercados

Recomendados

Recomendados

Más contenido relacionado

La actualidad más candente

La actualidad más candente (19)

Similar a Análisis Multivariado Mercados

Similar a Análisis Multivariado Mercados (20)

Más de NaydePaulaZequitaZel

Más de NaydePaulaZequitaZel (16)

Último

Último (20)

Análisis Multivariado Mercados