Técnicas Estadísticas Multivariantes con SPSS Técnicas Estadísticas Multivariantes con SPSS tiene como finalidad facilitar el aprendizaje en un campo tan importante en la actualidad como el Análisis Multivariante de Datos. En este libro se describen las técnicas de modo sencillo, claro y conciso, de modo que sean inteligibles para lectores con formación diversa. Se ha procurado no incluir desarrollos matemáticos complejos que no entrarían dentro de los objetivos marcados: contenidos significativos y que respondan a la realidad actual. Cada capítulo incluye una exposición de la información necesaria sobre las distintas técnicas de Análisis Estadístico Multivariante presentando a continuación la forma de tratarlas mediante aplicaciones prácticas con el programa SPSS. El lenguaje utilizado es el más sencillo posible para su comprensión. Además de los numerosos ejemplos desarrollados en cada capítulo, es importante destacar los casos prácticos totalmente resueltos, incluyendo la interpretación de los resultados, que precisamente es lo más importante en materia estadística. Los archivos de datos relativos a todos los ejemplos que ilustran la parte teórica y a los ejercicios resueltos se pueden encontrar en www.garceta.es.
CONTENIDO 1. Introducción a las Técnicas Estadísticas Multivariantes ° ° ° ° ° ° ° °
Técnicas emergentes de análisis multivariante Técnicas del análisis de la interdependencia Análisis en componentes principales Análisis factorial Análisis de correspondencias Análisis de conglomerados (análisis clúster) Escalamiento multidimensional SPSS y las técnicas estadísticas multivariantes
2. Reducción de la dimensión con variables cuantitativas: componentes principales y análisis factorial ° ° ° ° ° ° ° ° ° ° ° ° ° ° ° ° °
Introducción a las técnicas de reducción de la dimensión Análisis en componentes principales Cálculo de las componentes principales Puntuaciones o medición de las componentes Número de componentes principales a retener Criterio de la media aritmética Criterio del gráfico de sedimentación Matriz de cargas factoriales, comunalidad y círculos de correlación Rotación de las componentes Análisis factorial Contrastes en el modelo factorial Rotación de los factores Rotaciones ortogonales Rotaciones oblicuas Interpretación gráfica de los factores Puntuaciones o medición de los factores Componentes principales y análisis factorial con SPSS
° °
Ejemplo de análisis en componentes principales con SPSS Ejemplo de análisis factorial con SPSS
3. Reducción de la dimensión con variables cualitativas: correspondencias simples y múltiples ° ° ° ° °
Análisis de correspondencias Análisis de correspondencias simples ACS Análisis de correspondencias múltiples ACM Ejemplo de análisis de correspondencias simples Ejemplo de análisis de correspondencias múltiples
4. Reducción de la dimensión con variables cualitativas y cuantitativas: escalamiento óptico ° ° ° ° ° ° °
Escalamiento óptico Análisis en componentes principales categórico Ejemplo de análisis en componentes principales categórico con SPSS Análisis no lineal de correlación canónica Ejemplo de análisis de correlación canónica no lineal con SPSS Regresión categórica mediante escalamiento óptico Ejemplo de regresión categórica mediante escalamiento óptico con SPSS
5. Reducción de la dimensión: análisis conjunto ° ° ° ° ° ° ° ° ° ° ° °
Introducción al análisis conjunto Análisis conjunto en el esquema de métodos de reducción de la dimensión Módulo categorías SPSS y procedimientos de reducción de la dimensión Fases del análisis conjunto según el método del perfil completo: procedimiento CONJOINT Estructura del procedimiento CONJOINT de SPSS Ejemplo de análisis conjunto con SPSS Generación del diseño ortogonal: ORTHOPLAN Configuración del número de tarjetas de estímulos a generar Preparación de tarjetas de estímulos: PLANCARDS Recogida de los datos Análisis de las preferencias mediante el análisis conjunto: CONJOINT Interpretación de las salidas del análisis conjunto
6. Reducción de la dimensión: fiabilidad de escalas y escalamiento multidimensional ° ° ° ° ° ° ° ° ° ° ° °
Concepto de fiabilidad Análisis de fiabilidad Modelos de fiabilidad Estadísticos de fiabilidad Ejemplo de análisis de la fiabilidad con SPSS Escalamiento multidimensional Tipos de escalamiento multidimensional Modelo de escalamiento métrico Ejemplo de modelo de escalamiento métrico con SPSS Modelos de escalamiento no métrico Ejemplo de modelo de escalamiento no métrico con SPSS Modelo de escalamiento de diferencias individuales (INDSCAL)
° ° ° ° ° ° ° ° °
Ejemplo de modelo de escalamiento en diferencias individuales INDSCAL con SPSS Modelo de escalamiento desdoblado (UNFOLDING) Ejemplo de modelo de escalamiento desdoblado (unfolding) con SPSS Modelo de escalamiento con replicación Modelos GEMSCAL e IDIOSCAL Modelos para matrices asimétricas Modelo ASCAL Modelo AINDS Ejemplo de modelo PROXCAL con SPSS
7. Clasificación mediante análisis discriminante y árboles de decisión ° ° ° ° ° ° ° ° ° ° ° °
Introducción al análisis discriminante Clasificación con dos grupos Clasificación con más de dos grupos Selección de variables discriminantes Interpretación de la función discriminante Clasificación en el análisis discriminante Análisis discriminante canónico Árboles de decisión SPSS y el análisis discriminante SPSS y los árboles de decisión Método CHAID para la creación de árboles de decisión Métodos CRT y QUEST para la creación de árboles de decisión. Poda de árboles
8. Clasificación mediante análisis Cluster ° ° ° ° ° ° ° ° ° ° ° ° ° °
Principios del análisis Cluster El problema matemático El concepto de distancia Clasificaciones jerárquicas y disimilitudes Distancia ultramétrica y algoritmos de clasificación Medidas de similitud Procedimientos y técnicas en el análisis de conglomerados Conglomerados jerárquicos, secuenciales, aglomerativos y exclusivos (S.A.H.N.) Representación gráfica: dendograma Conglomerados no jerárquicos Análisis cluster en dos fases Análisis cluster jerárquico con SPSS Análisis cluster no jerárquico con SPSS Análisis cluster en dos fases con SPSS