Location via proxy:   [ UP ]  
[Report a bug]   [Manage cookies]                
Scribd Logo
Cargar

¡Te damos la bienvenida a Scribd!

  • 97 vistas

    I.introducción de Análisis Multivariante

    Cargado por

    Yeny Larico
    Temario: Clasificación de los métodos y técnicas Multivariantes. Organización de datos multivariantes: Matriz de Datos. Medidas de Centralización: vector de medias muestral.

    Copyright:

    © All Rights Reserved
    Descargue como PPTX, PDF, TXT o lea en línea desde Scribd

    I.introducción de Análisis Multivariante

    Cargado por

    Yeny Larico
    97 vistas26 páginas
    Temario: Clasificación de los métodos y técnicas Multivariantes. Organización de datos multivariantes: Matriz de Datos. Medidas de Centralización: vector de medias muestral.

    Título original

    i.introducción de análisis multivariante

    Derechos de autor

    © © All Rights Reserved

    Formatos disponibles

    PPTX, PDF, TXT o lea en línea desde Scribd

    ¿Le pareció útil este documento?

    ¿Este contenido es inapropiado?

    Temario: Clasificación de los métodos y técnicas Multivariantes. Organización de datos multivariantes: Matriz de Datos. Medidas de Centralización: vector de medias muestral.

    Copyright:

    © All Rights Reserved
    Descargue como PPTX, PDF, TXT o lea en línea desde Scribd
    Descargar como pptx, pdf o txt
    97 vistas26 páginas

    I.introducción de Análisis Multivariante

    Cargado por

    Yeny Larico
    Temario: Clasificación de los métodos y técnicas Multivariantes. Organización de datos multivariantes: Matriz de Datos. Medidas de Centralización: vector de medias muestral.

    Copyright:

    © All Rights Reserved
    Descargue como PPTX, PDF, TXT o lea en línea desde Scribd
    Descargar como pptx, pdf o txt
    de 26

    UNIVERSIDAD NACIONAL MAYOR DE SAN MARCOS

    FACULTAD DE CIENCIAS MATEMÁTICAS


    ESCUELA PROFESIONAL DE ESTADÍSTICA

    ANÁLISIS MULTIVARIANTE
    Docente: MSc. Kelva Nathally Llanos Miranda
    INTRODUCCIÓN AL ANÁLISIS MULTIVARIANTE

    Temario:
    Clasificación de los métodos y técnicas
    Multivariantes.
    Organización de datos multivariantes: Matriz de
    Datos.
    Medidas de Centralización: vector de medias
    muestral.
    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,
    obteniendo información que los
    métodos estadísticos univariantes y
    bivariantes no pueden proporcionar.
    ANÁLISIS MULTIVARIANTE
    ANÁLISIS MULTIVARIANTE
    Hair et al. (1999) dicen:
    Objetivos del Análisis Multivariante

    Pueden sintetizarse en dos:


    i. Proporcionar métodos cuya finalidad es el estudio conjunto de
    datos multivariantes que el análisis estadístico unidimensional y
    bidimensional no pueden conseguir.
    ii. 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.
    Clasificación de los Métodos Multivariantes

    Se pueden clasificar en tres grandes grupos:


    Clasificación de los Métodos Multivariantes
    Clasificación de los Métodos Multivariantes
    Clasificación de los Métodos Multivariantes
    Fases de una investigación multivariante

    Generalmente es mejor tener una


    muestra grande para validar el
    modelo.
    Fases de una investigación multivariante

    Este epígrafe sigue en su desarrollo el proceso planteado por Hair et al. (2014).

    Paso 1. Definición del problema que está investigando, sus objetivos y decisión sobre la
    técnica multivariante que se debe utilizar.
    No se puede pretender utilizar una técnica multivariante sin una adecuada aproximación
    teórica al problema que se está abordando. El investigador debe analizar conceptualmente
    su objeto de investigación, definir los conceptos e identificar las relacionales fundamentales
    que se pretenden investigar.
    Primero hay que centrarse en el tema que se investiga, y no en las técnicas que se van a
    emplear, lo que evitaría que dejemos fuera del análisis conceptos importantes.
    Fases de una investigación multivariante
    Fase 2. Desarrollo del plan de análisis
    Una vez establecido el modelo conceptual, el énfasis se centra en aplicar
    adecuadamente la técnica elegida, lo que hace referencia
    fundamentalmente a los tamaños muestrales mínimos que permiten su
    aplicación, y a asegurarse de que el procedimiento de recogida de datos (por
    ejemplo, los cuestionarios) miden las variables con las escalas oportunas
    (métricas vs no métricas).
    Fase 2. Análisis de las condiciones de aplicabilidad de la técnica elegida
    Una vez recogido los datos, es necesario conocer cuales son las hipótesis en
    que se basan las técnicas multivariantes y, que si no se cumplen, hace que
    carezca de sentido aplicarlas. En las técnicas de dependencia, por ejemplo,
    suele ser necesario que los datos cumplan las hipótesis de normalidad,
    linealidad, independencia del término de error y homocedasticidad.
    Fases de una investigación multivariante
    Paso 4. Estimación del modelo multivariante y ajuste global del mismo
    Aplique la técnicas multivariante elegida. Pero fíjese si el nivel de bondad del ajuste es
    adecuado. Si no es así, deberá reespecificarse el modelo, incorporando o eliminando
    variables. No todas las técnicas tienen indicadores de bondad de ajuste.

    Paso 5. Interpretación de los resultados


    Una vez logre un nivel de ajuste aceptable, interprete el modelo. Fíjese en los efectos
    de las variables individuales examinando sus coeficientes, cargas factoriales,
    utilidades … La interpretación puede conducirle a nuevas reespecificaciones del
    modelo.

    Paso 6. Validación del modelo


    Antes de aceptar los resultados a los que haya llegado, debe aplicar una serie de
    técnicas de diagnostico que aseguren que estos resultados son generalizables al
    conjunto de la población.
    Aplicaciones de las Técnicas Multivariantes
    Aplicaciones de las Técnicas Multivariantes
    Aplicaciones de las Técnicas Multivariantes
    Aplicaciones de las Técnicas Multivariantes
    Aplicaciones de las Técnicas Multivariantes
    ORGANIZACIÓN DE DATOS:
    MATRIZ DE DATOS
    ORGANIZACIÓN DE DATOS:
    ORGANIZACIÓN DE DATOS:
    ORGANIZACIÓN DE DATOS:
    MEDIDAS DE CENTRALIZACIÓN
    ORGANIZACIÓN DE DATOS:

    Vector de Medias muestral

    También podría gustarte