Capítulo 1

Introducción al análisis multivariante

1.1 Antecedentes
En los últimos años, la importancia del análisis multivariante se ha acrecentado en gran
medida debido a que se utiliza comúnmente en diversos campos como la industria, el
gobierno, centros universitarios y de investigación. El análisis multivariante permite la
resolución de problemas y la toma de decisiones con un enfoque analítico sobre todas las
variables que influyen en el o los problemas en cuestión.
Por otra parte, el análisis multivariante representa una herramienta que tendrá
gran trascendencia a futuro, ya que admite al análisis de datos en situaciones donde las
relaciones entre las variables son más complejas. Aunado a lo anterior, los avances tan
acelerados que día tras día se dan en el campo computacional facilitan cada vez más el
manejo de las técnicas multivariantes.
El término multivariate analysis se puede traducir en tres formas distintas y todas
son correctas, según el campo de conocimiento en el que se apliquen: análisis
multivariable se utiliza generalmente en psicología, sociología y economía; análisis
multivariante se emplea en estadística, biología y economía; por último, se maneja
análisis multivariado en psicología y educación.
Se usará el término análisis multivariante porqué proviene del área estadística;
antes de proporcionar su definición es importante establecer de forma clara que la
estadística es un conjunto de teorías y métodos que han sido desarrollados para
recolectar datos, manejarlos, analizarlos, encontrar medidas que permitan describir e
interpretar la información, con el fin de concluir y poder tomar decisiones.
A la información recabada se le llama dato; un dato es una colección de
observaciones numéricas o no numéricas con una característica en común. Ahora bien
una variable es un símbolo que puede tomar un valor cualquiera y representar a un
conjunto determinado de datos. Cuando se tiene una variable se busca información que
describa su comportamiento, el cual puede ser descrito por diferentes medidas:

• Indicadores de posición, tendencia o mayoría como: mediana, media, moda,

etcétera.
• Indicadores de variabilidad como: rango, varianza, desviación estándar, coeficiente
de variación, cuantiles, etcétera.
• Indicadores de forma como: asimetría y curtosis.
• Representaciones de los datos como: histograma, box plot, diagrama de tallos y
hojas, etcétera.

Cuando se tienen dos variables, éstas se pueden manejar separadas y realizar con ellas
las mismas pruebas como si se tuviera una sola variable; también se podrían comparar
las dos, por ejemplo:
 • Con pruebas de hipótesis (de dos medias, de dos proporciones y de
independencia).
• Encontrar si están relacionadas o correlacionadas.

A este análisis se le denomina bivariado y está comprendido dentro del análisis

multivariante. Entonces, el análisis multivariante puede definirse como el conjunto de
métodos o técnicas diseñados para el análisis e interpretación de la información contenida
en un conjunto de variables sin perder la interacción o grado en que se afectan unas con
otras. En la actualidad cualquier investigación o estudio que se realiza contiene múltiples
variables, por eso es muy importante tener bien claros los conceptos y la aplicación de los
métodos estadísticos multivariantes.
Algún empresario o investigador de mercados desearía saber cuál es el mejor
precio para vender su producto, más aún conocer cómo sus clientes visualizan o
posicionan su artículo con respecto a la competencia. También sería interesante conocer
los segmentos de mercado que están adquiriendo el producto para así dirigir una
campaña publicitaria más acertada, así como encontrar estrategias de mercado que
permitan ganar nuevos clientes.
Una aplicación en política podría ser cuando se contraste algún partido con el
partido ideal, es decir el partido que las personas desean tener como gobernante.
También se pueden realizar comparaciones de candidatos para la percepción que
ciudadanos tienen de ellos, así corno las características que tienen a favor y en contra.
Cualquier candidato desearía saber cuáles son las fallas de su campaña, así como qué le
falta a ésta o qué le sobra.
Los sociólogos podrían interesarse en estudiar el comportamiento de los
adolescentes con, respecto a las actitudes y valores que los padres poseen, así como
tratar de saber cuáles son sus fortalezas y debilidades.
En recursos humanos se pueden realizar programas para conocer el tipo de
liderazgo de sus diferentes ejecutivos y escoger entre varios candidatos al mejor para un
puesto en titular, según sus aptitudes.
Las empresas manufactureras pueden tener una nueva visión sobre las
características o atributos que los consumidores desean de un artículo para mejorarlo,
para fabricar uno nuevo o para encontrarle nuevos usos al producto existente.
Existen infinidad de ejemplos en los que pueden aprovecharse las técnicas
multivariantes para llegar a un mejor entendimiento de ellas; empezaremos por lo más
básico.

1.2 Pasos para realizar una investigación

Los pasos para realizar una investigación se pueden resumir en el siguiente diagrama:
 Identificar el problema o encontrar algún área de oportunidad

Recabar información de fuentes

Primarias Secundarias

Observaciones encubiertas Libros, revistas, etcétera

Entrevistas a profundidad Internet
Sesiones de grupo

Verificar si las variables se pueden dividir en independientes y en dependientes, es decir,

percibir una relación causal o no.

Sí No

Y= f (X1, X2, X3,. . ., Xk) X1, X2, X3,.. , XK

Efecto Causa

Cuantificar las variables dependientes

Identificar el tipo de escala de cada variable (para saber qué técnica se aplicará)

Formular el cuestionario

Plan de muestreo (definir el tamaño de la muestra y cómo va a realizarse el muestreo)

Obtención, codificación y captura de la información obtenida

Análisis de los resultados obtenidos

 Conclusiones y toma de decisiones

Figura 1-1 Pasos para realizar una investigación.

1.3 Diseño, estructura y medición de la información

Seguramente el lector aprendió, en otras materias relacionadas con el tema que abarca
este libro, las diferentes escalas de medición, por lo que no las explicaremos de forma
amplia sino que sólo haremos un breve repaso ya que se requiere entender de qué
manera se miden las variables para determinar cuáles técnicas multivariantes pueden
aplicarse a la(s) investigación(es).

Como se muestra en la figura 1-2, existen dos tipos de variables:

Cualitativas o no métricas

Variables

Cuantitativas o métricas

Figura 1-2 Tipos de variables

A continuación se describirán cuáles son las diferencias entre los dos tipos de variables.

1.3.1 Variables cualitativas o no métricas

Este tipo de variables miden cualidades de las personas u objetos de las cuales no es
posible hacer mediciones numéricas puesto que las observaciones no se pueden ordenar
o medir, sólo se pueden clasificar o enumerar, debido a que éstas describen o identifican
a un objeto al tomar un atributo, una característica o una propiedad categórica, mas no
numérica. Un ejemplo de ésta es el color de ojos, tipo de experiencia laboral, género,
complexión corporal, estado civil, etc. Sin embargo, hay que tener cuidado con aquellos
datos numéricos que son etiquetas que sólo representan el código de identificación, corno
una matrícula, el número de seguro social, la placa de un automóvil, éstos son también
datos cualitativos, porque en realidad identifican a un individuo, artículo u objeto. Las
variables cualitativas se pueden medir a través de dos tipos de escalas:

Nominales o clasificatorias

Cualitativas o no métricas

Ordinales o rango

Figura 1-3 Tipos de escalas no métricas.

1. Nominal o clasificatoria. Se emplea para referirse a los datos que sólo pueden
clasificarse en categorías, cada una de éstas se considera como mutuamente excluyente
(dos o más observaciones no podrán pertenecer a varias categorías) y colectivamente
exhaustiva (todos los valores deberán estar contenidos en alguna categoría) con respecto
a las demás.
Con el fin de procesar datos de este tipo, con frecuencia las categorías se
codifican como 1, 2, 3, 4, etc. Esto facilita el conteo cuando se utiliza una computadora u
otro dispositivo. La estadística más apropiada para describir la tendencia central en este
tipo de escala es la moda. Las pruebas aplicadas a los datos en escala nominal no
implican ninguna consideración en lo que se refiere a la distribución básica de la
población a partir de la cual se seleccionó la muestro, por tanto, se les denomina pruebas
libres de distribución o no paramétricas.

Ejemplo

• Género: Femenino ❑ Masculino❑

En el caso de la variable "género", los valores que se toman son cualitativos (femenino y
masculino) y se puede obtener por un conteo el porcentaje de mujeres y de hombres, la
moda, etcétera.
Para manejarlas se asigna un número, por ejemplo, el 1 a femenino y el 2 a
masculino. Se puede obtener la moda, que indica el valor más repetitivo; sin embargo,
obtener algunas medidas como la media de los datos en las variables medidas en escala
nominal no tendría sentido; por ejemplo, una media de 1.5 indica algo ilógico acerca del
género de los entrevistados, lo único que se podría concluir de este valor es que existen
igual número de mujeres como de hombres, información que se puede encontrar más
fácilmente con simples frecuencias.

• Estado civil: Soltero❑ Casado❑ Viudo❑ Divorciado❑ Unión

libre❑
 • Cuando un médico diagnostica una persona como: Esquizofrénica❑
Paranoica❑ Maniaco-depresiva❑ Psiconeurótica❑
• Posee experiencia en el trabajo: Sí❑ No❑

A esta última se le denomina dicotómica dummy, con la que se mide la ausencia (con el
no) o la presencia (con el sí) del atributo y es el nivel más bajo de medición.

• ¿Qué marca de champú recuerda? Marque sólo una opción. K&Z❑ F&H❑
P&J❑ D&L Otro❑ Especifique

• Cuando se responde a la pregunta con una sola marca se le denomina top of mind, si
dicha pregunta se extiende a "¿recuerda alguna otra marca?" se le llama multirrespuesta,
a la primera mención se le conoce corno top of mind y a las restantes share of mind; se
codifican corno primera mención, segunda mención, etc. El único análisis que se les
puede hacer a este tipo de variables son las tablas de frecuencia de multirrespuestas, en
las que se obtiene una frecuencia múltiple; si se relaciona con otras variables, el análisis
permitido son las tablas cruzadas de multirrespuesta.
• Otro tipo sería cuando se tienen clases de igual o diferente amplitud, donde cada una se
codifica con un número dándole una etiqueta, pero al momento de interpretar se hace
como etiqueta; ejemplos de este tipo serían:

• ¿Qué ingreso percibe?

❑ Menos de $4 000
❑ De $4 001 a $7 000
❑ De $7 001 a $20 000
❑ De $20 001 en adelante

• ¿Qué edad tiene?

❑ De 26 a 35 años
❑ De 36 a 45 años
❑ De 46 a más años

• ¿Cuál es su peso?
❑ De 45 a 55 kilos
❑ De 66 a 75 kilos
❑ De 56 a 65 kilos
❑ De 76 en adelante

Nota: Muchos autores no saben dónde poner la escala dicotómica, algunos de ellos la
dejan fuera de esta clasificación, otros la ponen aparte y la gran mayoría la clasifica en
nominales.

2. Ordinal o de rango. En este tipo de escala cada categoría es mayor que la siguiente;
sin embargo, no puede decirse qué tanto una categoría es mayor o menor que las demás.
La principal diferencia entre un nivel de medición nominal y uno ordinal es la relación
mayor que entre las categorías de nivel ordinal. Por otra parte, la escala de medición
ordinal tiene las mismas características que la escala nominal, es decir, las categorías son
mutuamente excluyentes y exhaustivas, además esta escala se puede convertir en la
anterior.
La estadística más apropiada para describir la tendencia central en este tipo de
escala es la mediana. Con el escalamiento ordinal las hipótesis pueden probarse con
numerosos recursos estadísticos no paramétricos.

Ejemplo

• Enumere la siguiente lista de sabores en refrescos del 1 al 6, dando el número 1 al

de mayor preferencia y el 6 al de menor:

Fresa❑ Mandarina❑ Naranja❑ Manzana❑ Uva❑ Cola❑

Para manejarlas se le asigna a cada variable un lugar; por ejemplo, el 1 a la fresa,

lo cual indicaría que fue preferida en el primer lugar, un 2 indicaría que fue ordenada en
segundo lugar, eso significa que la persona tiene como preferido otro sabor.
En este tipo de pregunta, cada opción genera una variable, los valores son
cualitativos (primer lugar, segundo lugar, etc.) y se pueden obtener por un conteo el
porcentaje de las veces que eligieron a la fresa en primer lugar, etc. Cada sabor es más
importante que el siguiente, por lo que la moda indicaría cuál es el que tiene más
menciones en primer lugar, la mediana indicaría cuál es el lugar que abarca 50% arriba o
debajo del lugar asignado, es decir si la marca tiene la mediana en el lugar 2 indica que
50% de las personas la prefieren en primero y segundo lugar.
Si la codificación se llevó a cabo de otra manera, es decir, poniendo en la primera
variable siempre el sabor que fue codificado corno primer lugar y en la segunda variable el
que fue el más nombrado en segundo lugar, el significado de la mediana nos indicaría en
orden de 50% hacia el primer lugar y 50% hacia el último lugar.
Se enumera la siguiente lista de bebidas del 1 al 6, dando el número 1 al de mayor
preferencia y el 6 al de menor:

❑Café
❑Té
❑Leche
❑Limonada
❑Agua de frutas
❑Refresco

• Siempre prefiero el sabor: ❑

• Nunca prefiero la marca de pantalones: ❑
• El sabor de las frituras Tostaditos es: Excelente❑ Bueno❑ Regular❑
Malo ❑
 • ¿Con qué frecuencia consume refrescos? Muy frecuente ❑
Frecuente❑ Poco frecuente ❑ Nada frecuente ❑

Nota: Es necesario recordar que la mente humana sólo puede jerarquizar cuando mucho
7 objetos, productos o servicios; si es necesario que se ordenen más categorías, pueden
ponerse en un círculo todos los objetos a clasificar para no sesgar la información.
Nota: Las opciones "siempre" y "nunca prefiero" obligan a las personas a realizar una
jerarquización mental, por eso son ordinales.
Nota: A estos últimos dos ejemplos se les conoce mejor como escala de Likert, y se le
puede considerar como ordinales cuando tenga menos de 5 categorías.

1.3.2 Variables cuantitativas o métricas

Estas variables identifican a un objeto o persona en forma cuantitativa o numérica, ya que
se puede decir que es diferente de otro en cantidad o grado; son aquellas en las que las
observaciones resultantes pueden medirse porque poseen un orden o rango natural.
Sí se piensa en los siguientes colores: negro, blanco, ¿cuál color seguiría: el azul,
el morado, el naranja, etc.? Difícilmente una persona coincidiría con la respuesta de otra,
por lo que este tipo de variable es no métrica. Sin embargo, cuando se tienen variables
métricas, las personas las acomodan de la misma manera; por ejemplo, si se dice 1, 2,
¿cuál es el valor que seguiría? Todos contestarían 3, luego el 4 y así sucesivamente; otro
ejemplo puede ser: a "excelente" sigue "muy bueno"; ¿qué seguiría: "malo", "bueno" o
"pésimo"? La respuesta que se daría sería "bueno", por ende este tipo de variable es
métrica, siempre y cuando se vea la diferencia en la mentalidad de los encuestados.

1.3.2.1 Clasificación de las variables cuantitativas de acuerdo con su tipo

Las variables cuantitativas se clasifican en discretas y continuas de acuerdo con su tipo
como muestra la tabla 1-1:

Tabla 1-1 Clasificación de las variables cuantitativas según su tipo

Clasificación Definición Ejemplos

Discreta • Número de pétalos de
También llamada una flor
discontinua, es aquella en • Número de alumnos en
la cual los valores posibles este salón
no se pueden observar en • Número de carros
una escala continua debido estacionados en el estadio
a la existencia de espacios • Número de objetos arriba
entre estos posibles de mi escritorio
 valores; se utiliza para
llevar a cabo un conteo, y
no existen números
fraccionados.

• La estatura Ye! peso de

los seres humanos
Variable que puede • La distancia que existe
presentar cualquier valor entre la universidad y el
dentro de cierto intervalo centro de la ciudad
Continua (números fraccionados y • La presión que aplica una
enteros). máquina para producir
cierto artículo
• La temperatura ambiente

Ahora, en la siguiente figura se muestran cuáles son las escalas cuantitativas.

Intervalo
Cualitativas o métricas
Razón

Figura 1-4 Tipos de escalas métricas.

1. Intervalo. Incluye todas las características de la escala ordinal, entonces también la

escala de intervalo se puede convertir en las dos anteriores. A diferencia de la escala
ordinal, permite diferenciar un objeto de otro en cantidad o grado, e indica que al pasar de
un valor a otro de la escala el atributo cambia en la misma proporción; es decir, en este
tipo de escala sabemos cuál categoría es más que la otra y en qué medida; por lo que se
podría concluir que dicha escala se va moviendo gradual y proporcionalmente a lo largo
de todos sus valores. Existe la misma diferencia psicológica del entrevistado de un grado
a otro en la escala.
La escala de medición de intervalo tiene las propiedades de ser mutuamente
excluyente y exhaustiva; aquí el cero no es absoluto, no significa ausencia de algo, por
ello es necesario establecer un modelo de la numeración, al codificar y establecer el
significado de cada número. Por ejemplo, se podría codificar con numeración del 1 al 5
desde completamente de acuerdo hasta completamente en desacuerdo; además, se
tendría que definir en cada caso qué es lo favorable (1 o 5) o lo desfavorable (5 o 1).
Cuando se define la forma de codificar y el significado de la numeración de cada variable
se pueden comparar las escalas, mientras no se haga esto, no son comparables, porque
cada una puede tener diferente significado.
Preferentemente se deben utilizar las escalas de intervalo para los cuestionarios
porque permiten realizar análisis más completos; ya que en este tipo de escalas es
posible obtener todas las estadísticas paramétricas comunes, además las no
paramétricas también podrán obtenerse, aunque no se suele sacar provecho de toda la
información contenida en la investigación, ya que al agrupar las respuestas en clase se
pierde información que puede ser valiosa.

Ejemplo

• Reparta 10 puntos midiendo el servicio de las siguientes aerolíneas:

A&A❑ B&B❑ C&C❑ T&T❑

En este caso la calificación seria de 1 a 10 o de 0 a 10. Para poder calificarlas, la persona

que va a contestar este tipo de pregunta primero ordena los nombres de las aerolíneas
mentalmente y luego le asigna a cada una un puntaje, según el servicio que han recibido;
esto implica que una categoría es más que la otra, además al comparar las respuestas de
los encuestados se notará la diferencia mental entre las respuestas, por lo que la escala
de este tipo de preguntas viene siendo más que ordinal; aunque la persona que está
contestando le asigne un cero a cierta marca, ese cero no indica que hubo ausencia de
servicio, sino que éste fue quizá pésimo.

• El sabor del dulce A&K me parece:

Excelente❑ Bueno❑ Regular❑ Malo❑ Pésimo❑

Nota: El lector se preguntará por qué este tipo de escala se repitió en las ordinales, a
estos últimos ejemplos se les conoce mejor como escala de Likert, como se había
indicado antes, y se le puede considerar como de intervalo cuando tenga de 5 a 7
categorías u ordinal, cuando tenga 4 o menos categorías. Es de intervalo porque al
comparar las respuestas de los encuestados se notará la diferencia mental entre ellas, por
lo que la escala viene siendo más que ordinal ya que se pueden encontrar distancias.

• En la siguiente tabla acomode las bebidas (agua, té, café, jugo, refresco y leche)
en cuanto a preferencia:

Muy preferida Nada preferida

En este tipo de escala al momento de acomodar las bebidas y compararlas con las
respuestas de otras personas se nota la diferencia mental que los encuestados tienen en
cuanto a la preferencia.

 ¿Cree usted que el partido político ZWA tiene las reformas adecuadas?
Totalmente de acuerdo ❑ Totalmente en desacuerdo ❑

Otro tipo sería cuando el cero no tiene un significado de ausencia absoluta, por ejemplo:
  La temperatura actual de la ciudad es ❑

En este tipo de escala el cero no tiene un significado de ausencia absoluta, es decir a 0 °

no existe ausencia de temperatura, sino todo lo contrario: hace frío.
 ¿En qué año sucedió la Segunda Guerra Mundial? ❑
 ¿A qué hora toma su primera comida? ❑

Otro tipo sería cuando se tienen clases de igual o diferente amplitud, por ejemplo:
• ¿Qué ingreso percibe?
❑ Menos de $1 000
❑De $1 001 a $4 000
❑De $4 001 a $7 000
❑De $7 001 a $20 000
❑ De $20 001 a $40 000

En este tipo de escala, si su forma de codificar es una etiqueta entonces sería nominal,
pero para que se pueda manejar con técnicas que requieren información métrica se les
puede codificar a cada clase como una dummy; sin embargo, otros autores efectúan la
codificación en este tipo de intervalo poniendo el promedio de cada clase; por ejemplo, en
la primera clase se calcula el promedio de $0 y $1 000, el cual sería $500, ese valor de
500 es el que se almacena en el software; en la segunda se encuentra un promedio entre
$1 001 y $4 000, el cual sería $2 500.50 y ése es el número que se almacena; de igual
manera se procede en los siguientes ejemplos:

 ¿Qué edad tiene?

❑ De 26 a 35 años
❑ De 36 a 45 años
❑ De 46 a 55 años
❑ De 56 a más años

 ¿Cuál es su peso?
❑ De 45 a 55 kilos
❑ De 56 a 65 kilos
❑ De 66 a 75 kilos
❑ De 76 a 85 kilos
❑ De 86 en adelante

2. Razón. Es el nivel de medición más alto.1 Tiene todas las características del nivel de
intervalo: las distancias entre los valores son de un tamaño conocido y constante, las
categorías son mutuamente excluyentes y exhaustivas. Con este tipo de escala se
pueden obtener todas las estadísticas paramétricas comunes, así como las no
paramétricas, aunque no suelen sacar provecho de toda la información contenida en la
investigación. Las principales diferencias entre los niveles de intervalo y de razón son:

1
Es la escala mas precisa de todas.
• Los datos de nivel de razón tienen un punto cero significativo.
• La razón o cociente de dos números es significativo.
• Cuando se necesita un dato exacto hay que utilizar este tipo de escalas.

Ejemplo

• ¿Cuántas horas a la semana dedicas a actividades extraacadémicas? ❑

¿Qué ingreso percibes? ❑

• El papá de X gana el triple que el de Y.

• ¿Cuál es tu edad? ❑

• Bernardo tiene el doble de edad que María.

• ¿Presión arterial? ❑

• ¿A cuántos grados Kelvin se congela el hidrógeno? ❑

• ¿A qué distancia se encuentra la dudad de Saltillo? ❑

• En promedio, ¿cuántas horas duermes? ❑

1.3.3 Propiedades y comparación entre las escalas

A manera de resumen, las propiedades de las escalas son las siguientes:
Tabla 1-2 Propiedades de las escalas de medición

Niveles de medición
Nominal Ordinal Intervalo Razón
Asigna y clasifica los
✔ ✔ ✔ ✔
datos
Ordena los datos ✔ ✔ ✔
Marca distancia entre
✔ ✔
Propiedades

los datos
Tienen significado las
diferencias entre los ✔ ✔
valores
Tiene significado el
✔
cociente de los valores
Los datos tienen
origen (el cero tiene ✔
significado)

Como se puede ver en la tabla 1-2, la mayor cantidad de información la da la escala de

razón, por lo que es conveniente saber manejarla, aunque es muy difícil que las personas
contesten este tipo de variables. Las estadísticas más usuales, dependiendo del tipo de
escala, serían:

Tabla 1-3 Muestra las gráficas y estadísticas posibles en cada escala de medición

Niveles de medición
Nominal Ordinal Intervalo Razón
Pay ✔ ✔ ✔ ✔
Gráficas

Box plot ✔ ✔ ✔
Histograma ✔ ✔
Ojiva ✔ ✔

Tabla 1-3 Muestra las gráficas y estadísticas posibles en cada escala de medición
(continuación)

Niveles de medición
Nominal Ordinal Intervalo Razón
Frecuencia ✔ ✔ ✔ ✔
Conteo ✔ ✔ ✔ ✔
Mínimo ✔ ✔ ✔ ✔
Máximo ✔ ✔ ✔ ✔
Moda ✔ ✔ ✔ ✔
Propiedades

Mediana ✔ ✔ ✔
Media ✔ ✔
Rango ✔ ✔
Desviación estándar ✔ ✔
Varianza ✔ ✔
Cuantiles ✔ ✔ ✔
Sesgo ✔ ✔
Curtosis ✔ ✔

A grandes rasgos, éstas son las principales características y diferencias de las escalas de
medición, las cuales se necesita comprender para poder definir qué técnicas
multivariantes se van a aplicar a una investigación; a continuación se analizará su
clasificación, de acuerdo con ciertos factores y se explicarán a grandes rasgos con
ejemplos.

1.4 Técnicas del análisis multivariante

Dentro del análisis multivariante se tiene una gran variedad de técnicas que contribuyen al
estudio e interpretación de la información. De acuerdo con la finalidad que se persiga, las
técnicas multivariantes se dividen en dos grandes grupos:

Funcionales o dependientes
Técnicas multivariantes
Funcionales o interdependientes

Figura 1-5 Técnicas multivariantes.

1.4.1 Técnicas funcionales o dependientes

El nombre funcionales se debe a que todas las técnicas que pertenecen a este grupo
implican un modelo, ecuación o función formada por las variables involucradas. En estas
técnicas intervienen variables dependientes e independientes.
El objetivo de las técnicas funcionales es pronosticar una o más variables
dependientes a partir de cambios en las independientes, con base en que existe una
relación de causa-efecto entre ambas.

Y = f (X1, X2, X3,. . ., Xi. . ., Xk)

Efecto Causa

Figura 1-6 Relación causa-efecto.

Donde a:
Y se le denomina variable dependiente.
X, se les denominan variables independientes con i = 1, 2, 3,..., K.

Una estrategia de publicidad Se piensa que causa-efecto para incrementar

las ventas.

Una estrategia de precios Se piensa que causa-efecto para incrementar

las ventas

Figura 1-7 Ejemplos de relaciones causa-efecto.

De todas las causas anteriormente nombradas se busca aquella que le dé un mayor
efecto a las ventas. Algunas de las principales técnicas funcionales son las siguientes:

Análisis de regresión y correlación

múltiple

Análisis discriminante múltiple

Análisis de varianza y covarlanza

Análisis de corrección canónica

Técnicas funcionales o dependientes
Análisis de conjunto o conjoint analysis

Regresión logística

Detector automático de interacción

Análisis de supervivencia

Figura 1-8 División de las técnicas funcionales o dependientes.