Estatística multivariante

Os métodos estadísticos multivariantes e a análise multivariante son ferramentas estatísticas que estudan o comportamento de varias variables ó mesmo tempo, incluíndo a dependencia dunhas fronte a outras. Úsanse principalmente para buscar as variables menos representativas para poder eliminalas, simplificando así modelos estatísticos nos que o número de variables sexa un problema e para comprender a relación entre varios grupos de variables. Algúns dos métodos máis coñecidos e utilizados son a Regresión lineal e a Análise discriminante.

Pódense sintetizar dous obxectivos claros:

1. Proporcionar métodos nos que a finalidade é o estudo conxunto de datos multivariantes que a análise estatística uni e bidimensional é incapaz de conseguir.
2. Axudar ó analista ou investigador a tomar decisións óptimas no contexto no que se encontre tendo en conta a información dispoñible polo conxunto de datos analizado.

Existen diferentes modelos e métodos, cada un co seu tipo de análise:

1. Métodos de Dependencia:
   1. Un Estudo de regresión permítenos descubrir ata que punto unha variable pode ser prevista coñecendo outra. Utilízase para intentar predicir o comportamento de certas variables a partir doutras, como por exemplo os beneficios dunha película a partir do gasto en mercadotecnia e do gasto en produción.
   2. A Análise da Correlación canónica intenta analizar a posible existencia de relación entre dous grupos de variables.
   3. Unha Análise discriminante pódenos dar unha función discriminante que pode ser utilizada para distinguir entre dous ou máis grupos, e deste modo tomar decisións.
   4. Unha análise multivariante da varianza (MANOVA), estendendo a análise da varianza (ANOVA), cobre os casos nos que se coñeza a existencia de máis dunha variable dependente sen poderse simplificar máis o modelo.
   5. A Regresión loxística permite a elaboración dunha análise de regresión para estimar e probar a influencia dunha variable sobre outra, cando a variable dependente ou de resposta é de tipo dicotómico .
2. Métodos de Interdependencia:
   1. A Análise de compoñentes principais (PCA) procura determinar un sistema máis pequeno de variables que sinteticen o sistema orixinal.
   2. A Análise clúster clasifica unha mostra de entidades (individuos ou variables) nun número pequeno de grupos de forma que as observacións pertencentes a un grupo sexan moi similares entre si e moi disimilares do resto. A diferenza da análise discriminante, descoñécese o número e a composición de ditos grupos.
3. Métodos Estruturais: Analizan as relacións existentes entre un grupo de variables representadas por sistemas de ecuacións simultáneas nas que se supoñen que algunhas delas (denominadas constructos) mídense con erro a partir doutras variables observables denominadas indicadores. Os modelos utilizados constan, polo tanto, de dúas partes: un modelo estrutural que especifica as relacións de dependencia existente entre as constructos latentes e un modelo de medida que especifica como os indicadores relaciónanse cos seus correspondentes constructos.

Véxase tamén

Outros artigos

• Análise multivariante