martes, 20 de septiembre de 2011

PROCEDIMIENTOS DE ANALISIS DE DATOS

Análisis Multivariado

tres o más variables. Estas relaciones pueden ser de diversos tipos. Descriptivas como establecer perfiles, separación de grupos, segmentación, determinar influencias eficientes entre varias variables, entre otras

En general se las clasifica en dos grandes grupos
1. Métodos explicativos como regresión lineal, análisis discriminante, regresión logística, modelos de respuesta probit, logic, modelos loglineales, entre otros
2. Métodos descriptivos como análisis de conglomerados, análisis factorial, análisis de componentes principales, análisis de correspondencias simples y múltiples, etc.
Este tipo de análisis ha avanzado mucho y hoy ocupa el corazón del análisis estadístico avanzado.
Desafortunadamente es exigente y poco amigable en comprensión matemática aunque lo es gráficamente
La gran virtud de este tipo de análisis es que sintetiza las relaciones entre las variables estudiadas, que de otro modo, tendrían que establecerse con los análisis anteriores, largos y que conllevan a equívocos
Su difusión depende en gran medida de la disposición del profesional a adoptar nuevos enfoques.
El análisis factorial exploratorio, AFE, se usa para tratar de descubrir la estructura interna de un número relativamente grande de variables. La hipótesis a priori del investigador es que pueden existir una serie de factores asociados a grupos de variables. Las cargas de los distintos factores se utilizan para intuir la relación de éstos con las distintas variables. Es el tipo de análisis factorial más común.
El análisis factorial confirmatorio, AFC, trata de determinar si el número de factores obtenidos y sus cargas se corresponden con los que cabría esperar a la luz de una teoría previa acerca de los datos. La hipótesis a priori es que existen unos determinados factores preestablecidos y que cada uno de ellos está asociado con un determinado subconjunto de las variables. El análisis factorial confirmatorio entonces arroja un nivel de confianza para poder aceptar o rechazar dicha hipótesis

No hay comentarios:

Publicar un comentario