Anlisis Multivariado tres o ms variables. Estas relaciones pueden ser de diversos tipos.

Descriptivas como establecer perfiles, separacin de grupos, segmentacin, determinar influencias eficientes entre varias variables, entre otras En general se las clasifica en dos grandes grupos 1. Mtodos explicativos como regresin lineal, anlisis discriminante, regresin logstica, modelos de respuesta probit, logic, modelos loglineales, entre otros 2. Mtodos descriptivos como anlisis de conglomerados, anlisis factorial, anlisis de componentes principales, anlisis de correspondencias simples y mltiples, etc. Este tipo de anlisis ha avanzado mucho y hoy ocupa el corazn del anlisis estadstico avanzado. Desafortunadamente es exigente y poco amigable en comprensin matemtica aunque lo es grficamente La gran virtud de este tipo de anlisis es que sintetiza las relaciones entre las variables estudiadas, que de otro modo, tendran que establecerse con los anlisis anteriores, largos y que conllevan a equvocos Su difusin depende en gran medida de la disposicin del profesional a adoptar nuevos enfoques.

Graficacin Multivariada
Mapa Pereceptual

Partiendo del anlisis bivariado, el multivariado explora relaciones ms profundas entre un grupo de variables. Fundamentalmente cuando la interpretacin bivariada se hace ineficaz, por diversos motivos, la multivariada es una alternativa necesaria Anlisis multivariante De Wikipedia, la enciclopedia libre

El anlisis multivariante es un mtodo estadstico utilizado para determinar la contribucin de varios factores en un simple evento o resultado.

Los factores de estudio son los llamados factores de riesgo (bioestadstica), variables independientes o variables explicativas. El resultado estudiado es el evento, la variable dependiente o la variable respuesta.

El anlisis multivariante mediante tcnicas de proyeccin sobre variables latentes tiene muchas ventajas sobre los mtodos de regresin tradicionales:

se puede utilizar la informacin de mltiples variables de entrada, aunque stas no sean linealmente independientes puede trabajar con matrices que contengan ms variables que observaciones puede trabajar con matrices incompletas, siempre que los valores faltantes estn aleatoriamente distribuidos y no superen un 10% puesto que se basan en la extraccin secuencial de los factores, que extraen la mayor variabilidad posible de la matriz de las X (variables explicativas, tienen que ser dependientes) pueden separar la informacin del ruido. Se asume que las X se miden con ruido.

Tcnicas Multivariantes

Anlisis de Componentes principales Anlisis factorial Anlisis discriminante Anlisis de Correlacin Cannica Anlisis Cluster Anlisis de Escalamiento Dimensional Anlisis de correspondencias Anlisis factorial confirmatorio Modelo de Ecuaciones Estructurales (SEM), anlisis causal. Anlisis conjunto Escalamiento ptimo Regresin Lineal Multiple Regresin Logit y Probit Anlisis Manova