El documento describe el análisis multivariante, que involucra métodos estadísticos para determinar cómo múltiples factores afectan un resultado, midiendo varias variables para cada objeto estudiado. Los objetivos son proporcionar métodos para estudiar conjuntos de datos uni y bidimensionalmente y ayudar a los analistas a tomar decisiones. Se clasifican las técnicas en métodos de dependencia e interdependencia y se enumeran varias técnicas multivariantes principales como análisis de componentes principales, análisis factorial, regresión

1. Análisis multivariante
Edsel Barbosa Gónzalez

2.  Es un conjunto de los métodos estadísticos
utilizados para determinar la contribución de varios
factores en un simple evento o resultado en el
sentido de que hay varias variables medidas para
cada individuo u objeto estudiado.
 Los factores de estudio son los llamados factores de
riesgo, variables independientes o variables
explicativas.
 El resultado estudiado es el evento, la variable
dependiente o la variable respuesta.

3. Objetivos
 Proporcionar métodos cuyo fin es estudiar conjuntos
de datos por medio de análisis estadístico uni y
bidimensional.
 Ayudar al analista a tomar buenas decisiones de
acuerdo al tipo de información que maneje en cada
conjunto de datos analizado.

4. Clasificación de técnicas
 Métodos de dependencia
 Son los que separan las variables en dependientes e
independientes. Así su objetivo consiste en determinar
si el conjunto de variables independientes afecta al
conjunto de las dependientes y cómo.
 Métodos de interdependencia
 No distinguen entre variables dependientes e
independientes, sólo buscan saber cuáles están
relacionadas, cómo lo están y por qué.

5. Principales técnicas multivariantes
 Análisis de Componentes principales
 Análisis factorial
 Análisis discriminante
 Análisis de Correlación Canónica
 Análisis Cluster
 Análisis de Escalamiento Dimensional
 Análisis de correspondencia
 Análisis factorial confirmatorio
 Modelo de Ecuaciones Estructurales (SEM),
análisis causal.
 Análisis conjunto
 Escalamiento Óptimo

 Regresión Lineal Multiple
 Regresión Logit y Probit
 Análisis Manova
 Análisis de Componentes principales
 Análisis factorial
 Análisis discriminante
 Análisis de Correlación Canónica
 Análisis Cluster
 Análisis de Escalamiento Dimensional
 Análisis de correspondencia
 Análisis factorial confirmatorio
 Modelo de Ecuaciones Estructurales (SEM),
análisis causal.
 Análisis conjunto
 Escalamiento Óptimo

 Regresión Lineal Multiple
 Regresión Logit y Probit
 Análisis Manova