el análisis multivariable se trata de más de dos variables.Se refiere a todos los métodos estadísticos que analizan simultáneamente medidas múltiples de cada individuo u objeto sometido a investigación

1. Materia: Investigación de Mercados II Estudiante: Daniela Carolina Higuera Torrico
Docente: Mgr. José Ramiro Zapata Barrientos
GRUPO :09 Tema: Análisis Multivariable
1
ANALISIS MULTIVARIABLE
“Aprender sin reflexionar es malgastar la energía”
AUTOR:(Confucio)
1. INTRODUCCIÓN
El análisis multivariante 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 servicio de la investigación cuantitativa, y como extensión
de las técnicas de análisis univariante y bivariante, el análisis multivariante tiene como
objetivo principal modelar las múltiples relaciones existentes entre diversas variables de
manera simultánea. La construcción de modelos multivariantes ejerce, pues, un papel
importante en el desarrollo de 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. Conocer la lógica, las características específicas de las
diferentes técnicas disponibles, los objetivos particulares que permiten lograr y las
condiciones en que pueden ser utilizadas son algunos de los retos importantes a los que
nos enfrentaremos en este material. Para hacerlo, en este texto nos adentraremos en
los aspectos básicos involucrados en el análisis multivariante de los datos como el 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. 1
Esta primera aproximación al análisis multivariable supone, al mismo tiempo, una
reflexión metodológica en relación, a la aplicación de modelos matemáticos y lenguaje
axiomático en la investigación social. Se analizan, en este sentido, cuestiones relativas
al cumplimiento de los supuestos paramétricos, y toda una serie de limitaciones
referidas a la aplicación de estos modelos a fenómenos de naturaleza social. El Análisis
multivariable, bajo el principio de causación múltiple, como conjunto de métodos
matemático-estadísticos permite el análisis de observaciones multidimensionales;
evidentemente la riqueza y complejidad de lo social requiere un análisis de este tipo que
permita analizar y explicar la importancia de todos los aspectos -variables- que
intervienen en el origen y caracterización de un fenómeno social concreto. De este
modo, y desde un punto de vista conceptual, el Análisis Multivariable se convierte así en
la piedra angular del análisis social desde la perspectiva cualitativa. 2

2. Materia: Investigación de Mercados II Estudiante: Daniela Carolina Higuera Torrico
Docente: Mgr. José Ramiro Zapata Barrientos
GRUPO :09 Tema: Análisis Multivariable
2
El análisis multivariable trata con tres o más variables simultáneamente. Los fenómenos
de salud y enfermedad tienen habitualmente múltiples causas, en vez de una sola. Nos
movemos, por tanto, en un mundo multivariable. Lo más común en cualquier análisis
estadístico es que intentemos explicar un fenómeno teniendo en consideración varias
variables simultáneamente. Por esto es tan importante el análisis multivariable.2
El análisis multivariante 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.5
2. DESARROLLO
2.1. Definición
El análisis multivariante no es fácil de definir. En un sentido amplio, se refiere a todos
los métodos estadísticos que analizan simultáneamente medidas múltiples de cada
individuo u objeto sometido a investigación. Cualquier análisis simultáneo de más de
dos variables puede ser considerado aproximadamente como un análisis multivariante.
En sentido estricto, muchas técnicas multivariantes son extensiones del análisis
univariante (análisis de distribuciones de una sola variable) y del análisis bivariante
(clasificaciones cruzadas, correlación, análisis de la varianza y regresiones simples
utilizadas para analizar dos variables). Por ejemplo, una regresión simple (con una
variable predictor) se extiende al caso multivariante para incluir varias variables
predictor.3
Una de las razones de la dificultad de definir el análisis multivariante es que el término
multivariante no se usa de la misma forma en la literatura. Para algunos investigadores,
multivariante significa simplemente examinar relaciones entre más de dos variables.
Otros usan el término sólo para problemas en los que se supone que todas las variables
múltiples tienen una distribución normal multivariante. Sin embargo, para ser
considerado verdaderamente multivariante, todas las variables deben ser aleatorias y
estar interrelacionadas de tal forma que sus diferentes efectos no puedan ser
interpretados separadamente con algún sentido. Algunos autores afirman que el
propósito del análisis multivariante es medir, explicar y predecir el grado de relación de
los valores teóricos (combinaciones ponderadas de variables). 3
• El análisis multivariante o análisis multivariado es un
método estadístico utilizado para determinar la contribución de varios factores
en un simple evento o resultado.
• Los factores de estudio son los llamados factores de
riesgo (bioestadística), variables independientes o variables explicativas.

3. Materia: Investigación de Mercados II Estudiante: Daniela Carolina Higuera Torrico
Docente: Mgr. José Ramiro Zapata Barrientos
GRUPO :09 Tema: Análisis Multivariable
3
• El resultado estudiado es el evento, la variable dependiente o la variable
respuesta.
• El análisis multivariante mediante técnicas de proyección sobre variables
latentes tiene muchas ventajas sobre los métodos de regresión tradicionales:
• se puede utilizar la información de múltiples variables de entrada, aunque éstas
no sean linealmente independientes
• puede trabajar con matrices que contengan más variables que observaciones
• puede trabajar con matrices incompletas, siempre que los valores faltantes estén
aleatoriamente distribuidos y no superen un 10% 5
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 información del ruido. Se asume que las X se miden
con ruido. El análisis multivariante o análisis multivariado es un
método estadístico utilizado para determinar la contribución de varios factores en un
simple evento o resultado.
• Los factores de estudio son los llamados factores de
riesgo (bioestadística), variables independientes o variables explicativas.
• El resultado estudiado es el evento, la variable dependiente o la variable
respuesta.
• El análisis multivariante mediante técnicas de proyección sobre variables
latentes tiene muchas ventajas sobre los métodos de regresión tradicionales:
• se puede utilizar la información de múltiples variables de entrada, aunque éstas
no sean linealmente independientes
• puede trabajar con matrices que contengan más variables que observaciones
• puede trabajar con matrices incompletas, siempre que los valores faltantes estén
aleatoriamente distribuidos y no superen un 10%
• 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 información del ruido. Se asume que las X
se miden con ruido. 5
2.2. Técnicas Multivariante
✓ Análisis de componentes principales
✓ Análisis factorial
✓ Análisis discriminante
✓ Análisis de la correlación canónica

4. Materia: Investigación de Mercados II Estudiante: Daniela Carolina Higuera Torrico
Docente: Mgr. José Ramiro Zapata Barrientos
GRUPO :09 Tema: Análisis Multivariable
4
✓ Análisis de grupos
✓ Escalamiento multidimensional
✓ Análisis de correspondencias
✓ Análisis factorial confirmatorio
✓ Modelo de Ecuaciones Estructurales (SEM), análisis causal.
✓ Análisis conjunto
✓ Escalamiento Óptimo
✓ Regresión Lineal Multiple
✓ Regresión Logit y Probit
✓ Análisis Manova 5
2.3. Algunos Conceptos Básicos Del Análisis Multivariante
Aunque el análisis multivariante tiene sus raíces en la estadística univariante y
bivariante, la extensión al dominio multivariante introduce conceptos y cuestiones
adicionales. Estos conceptos van desde la necesidad de un entendimiento conceptual
del elemento básico del análisis multivariante (el valor teórico) a las cuestiones
específicas acerca de los tipos de escalas de medida utilizadas y los resultados
estadísticos de los test de significación y los intervalos de confianza. Cada concepto
juega un papel importante en la correcta aplicación de cualquier técnica multivariante.
3
2.3. 1. El Valor Teórico
Como ya se ha mencionado, el elemento esencial del análisis multivariante es el valor
teórico, una combinación lineal de variables con ponderaciones determinadas
empíricamente. El investigador especifica las variables, mientras que las ponderaciones
son objeto específico de determinación por parte de la técnica multivariante, Un valor
teórico de n variables ponderadas (X1a Xn) puede expresarse matemáticamente así:
Valor teórico = w1X1 + w2X2 + w3X3 + … + wnXn
donde Xnes la variable observada y Wnes la ponderación determinada por la técnica
multivariante. 3
2.3. 2. 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 medida, dado que el
investigador no puede separar o identificar una variación a menos que pueda ser

5. Materia: Investigación de Mercados II Estudiante: Daniela Carolina Higuera Torrico
Docente: Mgr. José Ramiro Zapata Barrientos
GRUPO :09 Tema: Análisis Multivariable
5
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. En los siguientes párrafos vamos a discutir el concepto de medida en lo que
se refiere al análisis de datos y particularmente a las diversas técnicas multivariantes. 3
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. 3
2.3. 3. 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. 3
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.3
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
2.3. 4. Error De Medida Y Medidas Multivariantes
El uso de múltiples variables así como la dependencia de su combinación (el valor
teórico) en las técnicas multivariantes también dirige su atención a un tema
complementario, el error de medida.El error de medida es el grado en que los valores
observados no son representativos de los valores «verdaderos». 3
2.3. 5. Significación Estadística Frente A Potencia Estadística
Todas las técnicas multivariantes, excepto el análisis cluster y el análisis
multidimensional, se basan en la inferencia estadística de los valores de una población

6. Materia: Investigación de Mercados II Estudiante: Daniela Carolina Higuera Torrico
Docente: Mgr. José Ramiro Zapata Barrientos
GRUPO :09 Tema: Análisis Multivariable
6
o la relación entre variables de una muestra escogida aleatoriamente de esa población.
Si estamos realizando un Censo de toda la población, entonces la inferencia estadística
no es necesaria, porque cualquier diferencia o relación, por pequeña que sea, es
«verdad» y existe. Pero rara vez, casi nunca, se realiza un censo; por tanto, el
investigador está obligado a deducir inferencias de una muestra. 3
Al especificar el nivel de error de Tipo I. el investigador también determina un error
asociado. denominado el error de Tipo II o beta (β). El error de Tipo II es la probabilidad
de fallar en rechazar la hipótesis nula cuando es realmente falsa. Una probabilidad más
interesante es 1 - β, denominado la potencia del test de inferencia estadística. 3
2.4. Clasificación De Las Técnicas Multivariantes
Un análisis de dependencia puede definirse como aquel en el que una variable o
conjunto de variables es identificado como la variable dependiente y que va a ser
explicada por otras variables conocidas como variables independientes. Como ejemplo
de una dependencia técnica tenemos el análisis de regresión múltiple. Como contraste,
un análisis de interdependencia es aquel en que ninguna variable o grupo de variables
es definido como independiente o dependiente. Más bien, el procedimiento implica el
análisis de todas las variables del conjunto simultáneamente. El análisis factorial es un
ejemplo de un análisis de interdependencia. 3
Los diferentes métodos que constituyen el análisis de dependencia pueden ser a su vez
divididos en dos tipos según: (1) el número de variables dependientes y (2) el tipo de
escalas de medida empleadas para las variables. Teniendo en cuenta el número de
variables dependientes, el análisis de dependencia puede clasificarse como aquel que
tiene tanto una variable dependiente única como varias variables dependientes o
incluso varias relaciones de dependencia/independencia. 3
2.4.1. 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

7. Materia: Investigación de Mercados II Estudiante: Daniela Carolina Higuera Torrico
Docente: Mgr. José Ramiro Zapata Barrientos
GRUPO :09 Tema: Análisis Multivariable
7
2.4.2. Establecer La Significación Practica Así Como La Estadística
La fuerza del análisis multivariante reside en sus medios aparentemente «mágicos» para
clasificar una variedad de posibles alternativas y encontrar aquellas que tienen
significación estadística. Pero con este poder debemos tener precaución. 3
Muchos investigadores se vuelven miopes al fijarse solamente en la significación
conseguida por los resultados sin entender sus interpretaciones, buenas o malas. 3
El investigador debe atender no sólo a la significación estadística de los resultados sino
también a su significación práctica. La significación práctica se refiere a la cuestión, «¿y
para qué'?». Para cualquier aplicación en la gestión, los resultados deben tener un
efecto demostrable que justifique la acción. En el terreno académico, el investigador se
llega a fijar no sólo en la significación estadística de los resultados sino también en sus
implicaciones teóricas y sustantivas, que en muchas ocasiones se deducen de su
significación práctica. 3
2.5. Tipos De Métodos De Análisis Multivariante
Los métodos multivariantes pueden subdividirse según diferentes aspectos. En primer
lugar, se diferencian en función de si se debe descubrir o verificar una estructura con
ellos. Los métodos de determinación de la estructura incluyen el dominio: 4
• Análisis factorial: Reduce la estructura a datos relevantes y variables
individuales. Los estudios factoriales se centran en diferentes variables, por lo
que se subdividen en análisis de componentes principales y análisis de
correspondencia. Por ejemplo: ¿Qué elementos de laweb influyen más en el
comportamiento de compra?
• Análisis de clusters: Las observaciones se asignan gráficamente a grupos de
variables individuales y se clasifican sobre la base de ellas. Los resultados son
clusters y segmentos, como el número de compradores de un producto en
particular, que tienen entre 35 y 47 años y tienen un alto nivel de ingresos. 4
Los procedimientos de revisión estructural incluyen, entre otros, el TLD:
• Análisis de regresión: Investiga la influencia de dos tipos de variables una sobre
la otra. Se habla de variables dependientes y no dependientes. Las primeras son
las llamadas variables explicadas, mientras que las segundas son variables
explicativas. El primero describe el estado real sobre la base de los datos, el
segundo explica estos datos por medio de relaciones de dependencia entre las
dos variables. En la práctica, varios cambios de los elementos de la página web

8. Materia: Investigación de Mercados II Estudiante: Daniela Carolina Higuera Torrico
Docente: Mgr. José Ramiro Zapata Barrientos
GRUPO :09 Tema: Análisis Multivariable
8
corresponden a variables independientes, mientras que los efectos sobre la tasa
de conversión serían la variable dependiente.
• 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 diferentes grupos,
dependiendo de dónde se deben suponer las desviaciones.
• Análisis discriminante: Se utiliza en el contexto del 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? 4
3. CONCLUSIONES
✓ En conclusión, el análisis multivariable se trata de más de dos variables.
✓ Se refiere a todos los métodos estadísticos que analizan simultáneamente
medidas múltiples de cada individuo u objeto sometido a investigación.
✓ Cualquier análisis simultáneo de más de dos variables puede ser considerado
aproximadamente como un análisis multivariante.
✓ El análisis multivariante tiene un carácter variado y puede ser bastante
poderoso.
✓ El término sólo para problemas en los que se supone que todas las variables
múltiples tienen una distribución normal multivariante.
4. REFERENTES BIBLIOGRÁFICOS:
1. https://www.researchgate.net/publication/336232083_Introduccion_al_analisi
s_multivariante
2. https://rua.ua.es/dspace/bitstream/10045/19678/2/Introduccion_al_Analisis_
Multivariable.pdf
3. http://www.cyta.com.ar/biblioteca/bddoc/bdlibros/guia_multivariante/guia_m
ultivariante.htm
4. https://es.ryte.com/wiki/An%C3%A1lisis_Multivariante
5. https://www.google.com/search?sxsrf=ALeKk02kF6LqLuwEw1-
BSHP88X5OLCu2EQ%3A1601907041775&ei=YSl7X6P2LvrP5OUPlcmTyAU&q=M
ULTIVARIABLE&oq=MULTIVARIABLE&gs_lcp=CgZwc3ktYWIQAzICCAAyAggAMgII
ADICCAAyAggAMgIIADICCAAyAggAMgIIADICCAA6BAgjECc6BAgAEApQ2BlYxSlg3
itoAHAAeACAAaQCiAHbCZIBBTAuNi4xmAEAoAEBqgEHZ3dzLXdpesABAQ&sclien
t=psy-ab&ved=0ahUKEwjjqsDh0J3sAhX6J7kGHZXkBFkQ4dUDCA0&uact=5

9. Materia: Investigación de Mercados II Estudiante: Daniela Carolina Higuera Torrico
Docente: Mgr. José Ramiro Zapata Barrientos
GRUPO :09 Tema: Análisis Multivariable
9
5. VIDEOS
1. https://youtu.be/dRLj3rCWHjQ
2. https://youtu.be/7HGa6dxeROo
6. GLOSARIO
• Variable: Las variables, son los conceptos que forman enunciados de un tipo
particular denominado hipótesis. Fenómeno a la que se le va a evaluar su
capacidad para influir, incidir o afectar a otras variables.
• Análisis: Un análisis es un estudio profundo de un sujeto, objeto o situación con
el fin de conocer sus fundamentos, sus bases y motivos de su surgimiento,
creación o causas originarias
• Clúster: es la hispanización del término de origen inglés clúster, que se traduce
como 'racimo', 'conjunto' o 'cúmulo'.
• Factorial: Podemos definir la factorial de un número entero positivo n,
¡expresado n!, como el producto de todos los números enteros positivos
menores o iguales que n.
• Escala: La escala es la relación de proporción entre las dimensiones reales de un
objeto y las del dibujo que lo representa.