Análisis Multivariado

Análisis Multivariado

1. Tecnica Dependiente

   • Definicion
     • son aquellas en las que existe al menos una Variable Dependiente (VD) y una o más Variables Independientes (VI).
   • Objetivo
     • explicar, predecir o clasificar el comportamiento de la variable dependiente a partir de una o más variables independientes.
   • Clasificacion Didactica
     • Técnicas de regresión
       • Objetivo
         • Explicar o predecir una variable dependiente.
       • Regresión Lineal Simple
         • Definicion
           • Analiza el efecto de una variable independiente sobre una variable dependiente cuantitativa.
         • Aplicacion
           • Predicción simple.
       • Regresión Lineal Múltiple
         • Definicion
           • Analiza el efecto simultáneo de dos o más variables independientes sobre una variable dependiente cuantitativa.
         • Aplicacion
           • Predicción múltiple.
       • Regresión Logística Binaria
         • Definicion
           • redice una variable dependiente dicotómica (Sí/No, Compra/No compra).
         • Aplicacion
           • Clasificación binaria.
       • Regresión Logística Multinomial
         • Definicion
           • Predice una variable dependiente con tres o más categorías sin orden.
         • Aplicacion
           • Elección de marcas o productos.
       • Regresión Logística Ordinal
         • Definicion
           • Predice una variable dependiente con categorías ordenadas
         • Aplicacion
           • Escalas de satisfacción o calidad.
       • Regresión Poisson
         • Definicion
           • Modela variables dependientes expresadas como conteos.
         • Aplicacion
           • Número de compras, visitas o reclamos.
     • Tecnicas de Clasificacion
       • Objetivo
         • Clasifican individuos dentro de grupos previamente definidos.
       • Análisis Discriminante
         • Definicion
           • Determina qué variables permiten diferenciar grupos previamente establecidos y clasifica nuevos casos.
         • Aplicacion
           • Clasificación de clientes, riesgo crediticio.
       • Análisis Discriminante Múltiple
         • Definicion
           • Extiende el análisis discriminante cuando existen más de dos grupos.
         • Aplicacion
           • Segmentación con múltiples categorías.
     • Técnicas Comparacion Multivariada
       • Objetivo
         • Permiten comparar simultáneamente varias variables dependientes.
       • MANOVA (Análisis Multivariado de Varianza)
         • Definicion
           • Compara grupos considerando varias variables dependientes simultáneamente.
         • Aplicacion
           • Comparar estrategias de marketing entre regiones.
       • MANCOVA (Análisis Multivariado de Covarianza)
         • Definicion
           • Similar a MANOVA, pero controla el efecto de variables de covarianza.
         • Aplicacion
           • Comparaciones ajustadas por factores externos.
     • Técnicas de elección y preferencias
       • Objetivo
         • Analizan cómo los consumidores valoran atributos y toman decisiones.
       • Análisis Conjunto (Conjoint Analysis)
         • Definicion
           • Determina la importancia relativa de los atributos de un producto o servicio en la decisión de compra.
         • Aplicacion
           • Diseño y posicionamiento de productos.
       • Choice-Based Conjoint (CBC)
         • Definicion
           • Variante del análisis conjunto basada en elecciones reales o simuladas de los consumidores.
         • Aplicacion
           • Simulación de decisiones de compra.
     • Técnicas predictivas avanzadas
       • Objetivo
         • Mejoran la capacidad predictiva cuando los modelos tradicionales no son suficientes.
       • Regresión Ridge
         • Definicion
           • Reduce el efecto de la multicolinealidad mediante penalización de coeficientes.
         • Aplicacion
           • Modelos con muchas variables correlacionadas.
       • Regresión Lasso
         • Definicion
           • Selecciona automáticamente las variables más relevantes eliminando las menos importantes.
         • Aplicacion
           • Selección de variables predictoras.
       • Elastic Net
         • Definicion
           • Combina las ventajas de Ridge y Lasso para obtener modelos más robustos.
         • Aplicacion
           • Predicción en bases de datos complejas.

2. Tecnicas Interdependiente

   • Definicion
     • No hay distinción entre variables dependientes e independientes, Todas las variables se analizan simultáneamente
   • Objetivo
     • Identificar estructura, patrones o relaciones entre variables
   • Clasificacion Didactica
     • Tecnica de Reduccion de Datos
       • Objetivo
         • Es disminuir un gran número de variables sin perder demasiada información.
       • Análisis de Componentes Principales (ACP o PCA)
         • Definición
           • Convierte un conjunto de variables correlacionadas en un número menor de componentes independientes que conservan la mayor parte de la información original
         • Aplicacion
           • Reducir la dimensionalidad.
       • Análisis Factorial Exploratorio (AFE)
         • Definición
           • Identifica factores ocultos que explican la correlación existente entre varias variables observadas.
         • Aplicacion
           • Descubrir dimensiones latentes.
     • Técnicas Clasificacion o de segmentación
       • Análisis de Conglomerados (Cluster Analysis)
         • Definición
           • Agrupa observaciones similares formando segmentos homogéneos y diferenciados entre sí.
         • Aplicacion
           • Segmentar mercados o clasificar individuos.
       • Objetivo
         • Agrupan individuos, empresas, productos o mercados con características similares.
     • Técnicas de representación espacial
       • Escalamiento Multidimensional (MDS)
         • Definición
           • Representa objetos en un espacio de pocas dimensiones según su grado de similitud o diferencia.
         • Aplicacion
           • Elaborar mapas perceptuales.
       • Mapas Perceptuales
         • Definición
           • Representación gráfica de la percepción que tienen los consumidores sobre marcas, productos o servicios. Generalmente se construyen mediante MDS o análisis factorial.
         • Aplicacion
           • Analizar posicionamiento competitivo.
       • Objetivo
         • Permiten visualizar gráficamente la posición relativa de productos, marcas o consumidores.
     • Técnicas de asociación
       • Análisis de Correspondencias Simple (ACS)
         • Definición
           • Analiza la asociación entre dos variables categóricas y la representa gráficamente.
         • Aplicacion
           • Visualizar relaciones entre categorías.
       • Análisis de Correspondencias Múltiples (ACM)
         • Definición
           • Extiende el análisis de correspondencias a tres o más variables categóricas.
         • Aplicacion
           • Analizar asociaciones complejas entre categorías.
       • Objetivo
         • Analizan las relaciones existentes entre variables categóricas.
     • Técnicas basadas en similitud o proximidad
       • Análisis de Similitud
         • Aplicacion
           • Medir semejanzas entre elementos.
         • Definición
           • Evalúa el grado de semejanza existente entre individuos, objetos o variables mediante coeficientes de similitud.
       • Análisis de Distancias o Proximidad
         • Definición
           • Calcula la distancia entre observaciones utilizando diferentes métricas como Euclidiana, Manhattan o Mahalanobis.
         • Aplicacion
           • Determinar proximidad entre objetos.
       • Objetivo
         • Estas técnicas constituyen la base matemática para otras técnicas multivariadas

3. Tecnicas Estructurales

   • Definicion
     • Las técnicas estructurales permiten analizar simultáneamente múltiples relaciones entre variables observadas y variables latentes, integrando modelos de medición y modelos causales en un solo análisis.
   • Objetivo
     • explicar, validar y comprobar modelos teóricos complejos
   • Clasificacion
     • Técnicas de medición
       • Objetivo
         • Su finalidad es comprobar que los indicadores representan adecuadamente a los constructos o variables latentes.
       • Análisis Factorial Confirmatorio (AFC o CFA)
         • Definicion
           • Verifica si la estructura factorial propuesta por el investigador se ajusta a los datos observados.
         • Aplicacion
           • Validación de escalas, cuestionarios y constructos.
     • Técnicas de relaciones causales
       • Objetivo
         • Analizan las relaciones directas e indirectas entre variables.
       • Análisis de Rutas (Path Analysis)
         • Definicion
           • Evalúa relaciones causales entre variables observadas mediante diagramas de caminos.
         • Aplicacion
           • Análisis de efectos directos e indirectos.
     • Modelos de Ecuaciones Estructurales (SEM)
       • Objetivo
         • Integran el modelo de medición y el modelo estructural en un solo análisis.
       • Modelos de Ecuaciones Estructurales (SEM)
         • Definicion
           • Analiza simultáneamente relaciones entre variables latentes y observadas dentro de un modelo causal completo.
         • Aplicacion
           • Validación de modelos teóricos complejos.
     • Métodos de estimación en SEM
       • Objetivo
         • Corresponden a las principales metodologías para estimar modelos estructurales.
       • CB-SEM (Covariance-Based SEM)
         • Definicion
           • Estima el modelo reproduciendo la matriz de covarianzas observada. Adecuado para contrastar teorías bien establecidas.
         • Aplicacion
           • Investigación confirmatoria.
       • PLS-SEM (Partial Least Squares SEM)
         • Definicion
           • Maximiza la capacidad predictiva del modelo mediante componentes parciales. Adecuado para estudios exploratorios o muestras pequeñas.
         • Aplicacion
           • Investigación aplicada y predictiva.
     • Modelos de mediación y moderación
       • Objetivo
         • Analizan mecanismos y condiciones bajo las cuales ocurren los efectos entre variables.
       • Análisis de Mediación
         • Definicion
           • Evalúa si una variable explica el mecanismo mediante el cual una variable independiente influye sobre una dependiente.
         • Aplicacion
           • Explicar procesos causales.
       • Análisis de Moderación
         • Definicion
           • Determina si una tercera variable modifica la intensidad o dirección de la relación entre dos variables.
         • Aplicacion
           • Analizar efectos condicionantes
       • Modelo de Mediación Moderada
         • Definicion
           • Integra simultáneamente efectos de mediación y moderación.
         • Aplicacion
           • Modelos causales complejos.

4. Diferencias Clave

   • Relación causal
     • Dependientes tienen causa-efecto
     • Interdependientes no tienen dirección causal
   • Propósito
     • Dependientes predicen
     • Interdependientes exploran estructura
   • Variables
     • Dependientes distinguen Y y Xs
     • Interdependientes tratan todas por igual
   • Aplicación
     • Dependientes para pronóstico
     • Interdependientes para simplificación y segmentación