Escolar Documentos
Profissional Documentos
Cultura Documentos
2) Anlisis de Supervivencia
Es similar al anlisis de regresin pero con la diferencia de que la variable
independiente es el tiempo de supervivencia de un individuo objeto.
Por ejemplo, intentar predecir el tiempo de permanencia en el desempleo de un
individuo a partir de su nivel de estudios y de su edad.
3) Anlisis de la varianza
Se utilizan en situaciones en las que la muestra total est dividida en varios grupos
basados en una o varias variables independientes no mtricas y las variables
dependientes analizadas son mtricas. Su objetivo es averiguar si hay diferencias
significativas entre dichos grupos en cuanto a las variables dependientes se refiere.
Por ejemplo, hay diferencias en el nivel de colesterol por sexos? afecta, tambin, el
tipo de ocupacin?.
4) Correlacin Cannica
Su objetivo es relacionar simultneamente varias variables mtricas dependientes e
independientes calculando combinaciones lineales de cada conjunto de variables que
maximicen la correlacin existente entre los dos conjuntos de variables.
Por ejemplo, analizar cmo estn relacionadas el tiempo dedicado al trabajo y al ocio de
una persona con su nivel de ingresos, su edad y su nivel de educacin
Si la variable dependiente es cualitativa algunas de las tcnicas que se pueden aplicar
son las siguientes:
1) Anlisis Discriminante
Esta tcnica proporciona reglas de clasificacin ptimas de nuevas observaciones de las
que se desconoce su grupo de procedencia basndose en la informacin proporcionada
los valores que en ella toman las variables independientes.
Por ejemplo, determinar los ratios financieros que mejor permiten discriminar entre
empresas rentables y poco rentables.
2) Modelos de regresin logstica
Son modelos de regresin en los que la variable dependiente es no mtrica. Se utilizan
como una alternativa al anlisis discriminante cuando no hay normalidad
3) Anlisis Conjoint
Es una tcnica que analiza el efecto de variables independientes no mtricas sobre
variables mtricas o no mtricas. La diferencia con el Anlisis de la Varianza radica en
dos hechos: las variables dependientes pueden ser no mtricas y los valores de las
medido en pesetas. El nivel de ingresos podra medirse con una variable ordinal, dadas
las reticencias a dar informacin precisa sobre este tipo de variables; el nivel educativo
sera una variable ordinal; el sexo una variable binaria y la edad una variable
cuantitativa medida en aos.
El tamao de la muestra se eligira en funcin de la potencia que se quiera dar a la
regresin mltiple. As, por ejemplo, con un tamao muestral de 100 observaciones se
podra detectar, en una regresin mltiple lineal, las relaciones con un coeficiente de
correlacin mltiple (R2) de aproximadamente igual a 0.3 con una potencia de 0.8%
utilizando un nivel de significacin igual a 0.01. Conviene, adems, que el ratio del
nmero de observaciones al nmero de parmetros a estimar sea lo suficientemente
amplio para estimar los parmetros del modelo con el menor error posible
3) Hiptesis del anlisis
Hay que comprobar la linealidad de la relacin, la normalidad y la homocedasticidad.
No hay datos missing y se deben estudiar la posible existencia de outliers en cada una
de las variables.
4) Realizacin del anlisis
Se puede utilizar el estimador de mnimos cuadrados del que se conoce su distribucin
muestral bajo hiptesis de normalidad. Dicho estimador coincide con el mximo
verosmil y es eficiente. Se puede tambin utilizar el mtodo de regresin paso a paso
para determinar las variables independientes a incluir en la regresin. Una vez estimada
la ecuacin de regresin se estudia la bondad de ajuste mediante el clculo de R2 y el
anlisis de los residuos. Se estudiara la homocedasticidad, independencia, posible
omisin de variables, existencia de outliers e influencia de observaciones individuales
5) Interpretacin de los resultados
Se interpretara el valor de los coeficientes obtenidos as como su signo teniendo
cuidado con la posible existencia de multicolinealidad
6) Validacin del anlisis
Se divide la muestra en dos submuestras de tamao 50 y se vuelve a estimar la ecuacin
de regresin en cada submuestra comparando los resultados.
Resumen
El Anlisis Multivariante es el conjunto de mtodos estadsticos cuya finalidad es
analizar simultneamente conjuntos de datos multivariantes en el sentido de que hay
varias variables medidas para cada individuo objeto estudiado.
Su razn de ser radica en un mejor entendimiento del fenmeno objeto de estudio
obteniendo informacin que los mtodos estadsticos univariantes y bivariantes son
incapaces de conseguir.
Dicho conjunto de mtodos puede dividirse en tres grandes grupos segn el papel que
jueguen en el anlisis las variables consideradas:
1) Mtodos de dependencia
2) Mtodos de interdependencia
3) Mtodos estructurales
Para llevar a cabo un anlisis de este tipo se deben los siguientes pasos:
1) Establecer los objetivos del anlisis
2) Disear el anlisis
3) Evaluar las hiptesis subyacentes a la tcnica a utilizar
4) Realizar el anlisis
5) Interpretar los resultados obtenidos
6)
Bibliografa
Como libro de consulta dedicado exclusivamente al Anlisis Multivariante y con un
montn de referencias adicionales recomiendo:
GRIM, L. and YARNOLD, P.R. (1994). Reading and understanding multivariate
statistics. American Psycological Association. Washington D.C
HAIR, J., ANDERSON, R., TATHAM, R. y BLACK, W. (1999). Anlisis Multivariante.
5 Edicin. Prentice Hall.
MARTINEZ ARIAS, R. (2000). El Anlisis Multivariante en la Investigacin Cientfica.
Cuadernos de Estadstica. Editorial La Muralla
Otros libros interesantes son:
AFIFI, A.A. and CLARK, V. (1996) Computer-Aided Multivariate Analysis. Third
Edition. Texts in Statistical Science. Chapman and Hall.
EVERITT, B. And GRAHAM, D. (1991). Applied Multivariate Data Analysis. Arnold.
SHARMA, S. (1998). Applied Multivariate Techiques. John Wiley and Sons.
URIEL, E. (1995). Anlisis de Datos: Series temporales y Anlisis Multivariante.
Coleccin Plan Nuevo. Editorial AC.