CuabERNOS DE Bs Direcciim: Ramén Ai HESPE INDICE, LCIGN ¥ CONCETOS seve Pig. Introduecié Areas is Multivariante (AM) -acién de variables El concepto de combinacién lineal de var Tipos de datos en el AM Clasificacion de las técnicas de Analisis Multivariante Ejemplos de aplicaciones de algunas técnicas de lisis Multivariante .... ' 12 13, 14. 15. 16. 17. 18. ON INICIAL. DE. LOS DATOS 21, 22. Deteccidn de casos aislados y observaciones influyen- tes (outliers) 2.8. Datos perdidos (missing data) 24. Algunos supuestos que deben cumpli los datos 25. -olinealidad y singularidad 26. exploracién inicial de los datos cra aan | 3.1. El proceso de aplicacién de las técnicas de Analisis Multivariante 3.2. La regresi6n lineal 3.3. Regresién con RegresiGn logistica en 34. El Anilisis Discriminante (AD) ‘a variable dependiente binaria 8 2B 81 98, 1046 4 EL ANAL “TECNICAS DE INTERDEPENDENCIA MULTIVARIANTE EN LA INVESTIGACION CIENTIFICA, by 1 INTRODUCCION Y CONCEPTOS BASICOS. Ll. Intropuccion bles, lo que las hace especialmente adecuadas p: complejos fenémenos de las ciencias sociales y de la salud, Una idea de su popularidad creciente nos la proporciona la revisién de los voliimenes de los iitimos aftos de cualquiera de las revistas qu blican investigaciones empiricas en las ciencias sociales y bi cas. Por ejemplo, en el ambito de la psicologia, Grimm y Yarnold (1995) analizaron Jos incrementos en los porcentajes de uso del AM en dos prestigiosas revistas de la American Psychological Associ (APA) entre 1976 y 1992, Journal of Gonsutting and Clinical Psychology y Journal of Personality and Social Psychology, encontrando que mera el avance fue de un 9% a un 67% y en la segunda, del al 57%. Resultados similares son los mostrados por Podsakoff ton (1987) en las revistas relacionadas con el area de Recur ‘manos. Ademés de su adecua taci6n definitiva ha sido el desarrollo experimentado por los orde- nadores, especialmente tras la Iegada de los ordenadores personales. Serfa imposible tratar explicar el avance de las 48 EL ANALISIS MULTIVARIANTE EN LA INVESTIGA clones del AM sin tener en cuenta el impacto que sobre ellas ha te= nido la revolucién del computador. Su inuoducciGn permitié pro cesar amplios conjuntos de datos ¢ increment6 exponencialm el uso de estas técnicas. La teor habfa sido desarrollada mucho dores, pero cuando se hizo disponil fue cuando salieron las técnicas del dimbito de la estadistica tesrica al mundo de las aplicaciones. In fuerte orientacién matemitica, las rutinas nos programas (p.cj. SPLUS) les han fa compleja de matrices de datos, estimulando las técnicas por métodos de simutacién, El desatrotto tecnoldgico estuvo acompaizado ademas por la apa- ricién de multiples iplementar con facilidad los complejos y numerosos cil ido la manipulacion restigacién sobre demandan estas técnicas, todos disponibles hoy para ord personales (Los programas BMDP, NCSS, SAS, SPSS, SPLUS, STAT- GRAPHICS, STATISTICA, SYSTAT, se sas para las principales técnicas de AM). En los siltimos aitos, también jugé un importante papel la publicacién de numerosos Ii bros, con una orientacién cada vez menos formalizada y més di vestigadores y usuarios (Bersntein, 1987; Everitt, 1996; Dixon y Goldstein, 1984; Grimm y Yarnold, 1995; Hair, Anderson, Tatham y Black, 1995; Stevens, 1992; Tabach 1996; Tacq, 197), as{ como la popular coleccién de la editorial Sage “Quantitative Applications in the Social Sciences”, que con sus 123 titu- los en ei momento actual, cubre todo el panorama de las técnicas de AM. 1.2, ARBAS DF APLICACION DEL ANALISIS MULTIVARIANTE Aunque es muy di inyestigaciones en las 4 siguientes: I describir de forma resumida los tipos de se aplica el AM, podrian agruparse en los 1. Reduccién de datos. Son investigaciones en los que se in- tenta simplificar la estructura del fenémeno estudiado, proporcionandole una estructura lo mas simple posible, que permitiré una interpretacién mas facil. Por ejemp! Jas numerosas investigaciones realizndas en cl ambito de las teorfas psicolégicas de la inteligencia y de la persona- lidad, han permitido poner de relieve un conjunto de factores” 0 “rasgos”, dimensiones basicas que permiten caracterizar fécilmente a los individuos y sus diferencias individuales. 2. Clasificaciin y agrupacién, Algunas de las técnicas multiva- riantes permiten crear grupos de objetos o de variables si- 2 partir de sus caracteristicas medidas. Per- investigaciones cuyos esfuerzos \6n de tipologéas, por ejemplo la cla lasificacion de los sujetos por nive- la segmentaci6n de consumidores, etc. Alternativamente, pueden requerirse reglas para clasificar ‘objetos en grupos bien definidos, como por ejemplo en las Investigaciones cuyo objetivo es asignar objetos 0 sujetos a ‘grupos diferenciados, definidos de antemano, bien por al- guno de los procedimientos anteriores, o por otras reghas En estos casos, la informacién conocida de los objetos sobre miiltiples variables, se utiliza para asignar a los sujetos al grupo al que mas se parecen. 3. Analisis de las relariones de dependencia entre variables, bien con propésitos de prediccién, o de explicacién. En el pri- mer caso nos encontramos multiples investigaciones en las que se intenta predecir el comportamiento de una va- riable, normalmente de interés social, a partir de sus re~ laciones de dependencia con otras variables. Existen nu- merosos trabajos que estudian el rendimiento académico, el consumo de un producto, la recaida en una determi- nada enfermedad © conducta de ries los clientes y consumidores, el rendimiento en puestos de trabajo, etc 4. Construccian de modelos y prurbas de hipétesis. Muchas de las técnicas de AM tienen un cardcter exencialmente dese tivo, pero con otras pueden ponerse a prueba hipétesis sobre modelos complejos basados en poblaciones multiva- riantes, Su ambito de aplicacién se extiende a todas las éreas de cono- nto de las ciencias sociales y de la salud, y a los diversos mé-