Análisis multivariante aplicado con R. 2ª ed.Ediciones Paraninfo, S.A., 2017 M01 1 - 678 páginas El principal objetivo de esta obra es proporcionar al lector una visión rigurosa y a la vez muy aplicada de las herramientas estadísticas de análisis multivariante. Las herramientas desarrolladas cubren un espectro muy amplio de lectores potenciales: desde estudiantes de grado o máster que preparan asignaturas de estadística, investigación de mercados o métodos cuantitativos aplicados a la economía, la dirección de empresas, la sociología o la psicología, hasta investigadores de esos mismos campos que desean estar al día de los últimos avances en modelos de ecuaciones estructurales o PLS-SEM. Todas estas herramientas se desarrollan utilizando el software libre R que se está convirtiendo en el programa estándar en la mayoría de universidades europeas, dado que, además de ser gratuito y, por ello, accesible a todos los usuarios, sus paquetes marcan la frontera de la investigación en análisis estadístico. El enfoque del manual combina la rigurosidad con la aplicabilidad práctica a partir del desarrollo de más de 40 casos resueltos y multitud de ejemplos que permiten entender la lógica de la técnica de análisis de datos y cómo aplicarla fácilmente mediante R. Asimismo, la web del manual permite al usuario acceder a todas las bases de datos que soportan esos casos, así como a la sintaxis que permite su resolución mediante R. Además de un capítulo dedicado a la preparación de los datos (análisis de valores perdidos, casos atípicos y comprobación de las propiedades de normalidad, homocedasticidad, linealidad e independencia de las observaciones), el resto de temas abordan el análisis de conglomerados, escalamiento multidimensional, análisis de correspondencias, análisis de la varianza, análisis multivariante de la varianza, regresión lineal múltiple, análisis discriminante, regresión logística, análisis de componentes principales, análisis factorial, análisis factorial confirmatorio, validación de los instrumentos de medida, modelos de ecuaciones estructurales y PLS-SEM. |
Contenido
| 15 | |
| 19 | |
| 31 | |
3 Análisis de conglomerados | 77 |
4 Escalamiento multidimensional | 125 |
5 Análisis de correspondencias | 159 |
6 Análisis de la varianza | 189 |
7 Análisis multivariante de la varianza | 227 |
11 Análisis de componentesprincipales | 395 |
12 Análisis factorial exploratorio | 431 |
análisis factorial confirmatorio | 479 |
validación del instrumento de medida | 531 |
modelos de estructuras de covarianza CBSEM | 567 |
modelos de estructuras de varianza PLSSEM | 601 |
Índice de figuras | 645 |
| 651 | |
8 Regresión lineal múltiple | 261 |
9 Análisis discriminante | 321 |
10 Regresión logística | 365 |
Términos y frases comunes
ajuste algoritmo análisis de conglomerados análisis discriminante ANÁLISIS FACTORIAL CONFIRMATORIO análisis multivariante analizar ANOVA aplicación autovalores autovectores bootstrapping cálculo cargas factoriales CB-SEM centroide clasificación coeficientes de regresión componentes principales criterio Cronbach datos denomina desviación típica dimensiones distancia distintos distribución normal ecuaciones ejemplo escala estadístico estandarizados estimación estructural evaluar expresión factores fiabilidad figura fumar función discriminante grados de libertad gráfico grupos hemos hipótesis nula ilustrar indicadores instrumento de medida interpretación investigador ítems kºkºk MANOVA matriz de correlaciones matriz de covarianzas matriz de varianzas máxima verosimilitud mean mediante método MODELOS DE ESTRUCTURAS muestra nivel número obtener p—value parámetros PLS-SEM probabilidad problema procedimiento puntuaciones ratio realizar regresión lineal regresores relación residual residuos resultados rotación significatividad siguiente sintaxis solución suma de cuadrados tamaño muestral términos de error test utilizar validez valores perdidos variable dependiente variables explicativas variables latentes variables observadas variables originales varianzas y covarianzas vector