UNIVERSIDAD DE CIENCIAS EMPRESARIALES Y SOCIALES FACULTAD DE PSICOLOGÍA Y CIENCIAS SOCIALES

Transcripción

1 UNIVERSIDAD DE CIENCIAS EMPRESARIALES Y SOCIALES FACULTAD DE PSICOLOGÍA Y CIENCIAS SOCIALES Carrera: Licenciatura en Sociología Materias: Estadística II Curso: 3 año Año lectivo: 2016 Carga horaria semanal: 4 horas Duración: Cuatrimestral Docentes a cargo: Profesor Titular: Lic. Rubén José Rodríguez Profesora Adjunta: Lic. Micaela Bazzano 1

2 1. FINALIDAD DE LA ASIGNATURA La asignatura tiene por finalidad la de brindar al alumno el conocimiento de los métodos y las técnicas de análisis estadístico multivariado de datos cuantitativos y cualitativos (o datos de variables métricas y categoriales). Dichas variables y casos constituyen objetos de estudio en los análisis estadísticos de datos económicos, sociales y de mercado y forman parte de la realidad cotidiana del sociólogo en su rol de analista de la realidad social o comercial y como investigador socio-político y de mercado. Los objetos que abordan las Ciencias Sociales y Humanas son sistemas complejos en el sentido de que no solo están constituidos por múltiple variables sino que existen entre ellas multiplicidad de interacciones y retroacciones produciendo efectos emergentes. El análisis de estas propiedades o atributos emergentes -a través de los datos que los miden- requieren de un abordaje multidimensional y multivariado para estudiarlos científicamente. Por ello, en Estadística II (Plan 2008) y Seminario de Investigación II (Plan 2003) desarrollaremos algunos de los procedimientos estadísticos multivariados existentes en la disciplina. La historia de muchos de los procedimientos de análisis multivariados son más que centenarios y se han desarrollado dentro de la corriente matemática de los Psicólogos de fines del siglo XIX. Durante muchas décadas sus fórmulas pudieron ser solamente aplicadas por aquellos científicos con formación matemática superior. Pero recién hacia la década de los años 60 y principalmente hacia los 70 y 80 con el advenimiento de la microcomputación (12 de agosto de 1981, lanzamiento de la primer PC), dichos complejos algoritmos se incorporan en la programación (caja negra), y con las capacidades de memoria y velocidad de procesamiento cada vez más crecientes, dichos procedimientos se han vueltos cada vez más accesibles para los investigadores sociales y de mercado. Pero la comprensión de dichos procedimientos multivariados requiere de una sólida formación en estadística descriptiva (univariada y bivariada) e inferencial, sin la cual se correrían serios riesgos su aplicación a condiciones indebidas y se extraería conclusiones erróneas en consecuencia. Como toda metodología científica es compleja y su simplificación produce groseros reduccionismos, y requiere mucha prudencia, capacidad y responsabilidad profesional. Por ello, a lo largo de la cursada se desarrollarán algunas técnicas de análisis multivariado frecuentemente utilizadas por el analista e investigador social y de mercado. Para alcanzar dicha finalidad en el aprendizaje la materia seguirá un enfoque de estadística informática aplicada a la investigación social y de mercado, es decir, se utilizarán herramientas informáticas para el ingreso y edición de datos, transformación de variables y archivos, procedimientos estadísticos de análisis de datos uni-bi-multivariados, presentación tabular y gráfica de resultados y producción de reportes estadísticos. La asignatura acompañará, en la medida de lo posible, los pasos o etapas del procesamiento y análisis de los datos de estadísticas económico-sociales, de estudios de mercado o de sondeos de opinión. Principalmente se utilizará en clase el fichero de datos de la Encuesta sobre Actitudes hacia los inmigrantes, Centro de Investigaciones de la Realidad Española, CIRES, , como así también otras bases de datos 1 Rodríguez Jaume, María José y Mora Catalá, Rafael (2001). Estadística Informática. Casos y ejemplos con el SPSS. Alicante: Publicaciones Universidad de Alicante, Anexo IV: Cuestionario: Actitudes hacia los inmigrantes, CIRES (Centro de Investigación de la Realidad Española), pp El texto incluye un CD que contiene el cuestionario y el fichero de datos de la encuesta. 2

3 Específicamente, la asignatura Estadística II / Seminario de Investigación II se apoyará en el paquete estadístico SPSS (Statistics Package for the Social Science) y se utilizará en el laboratorio de informática para la exposición para la práctica individual o colectiva. Estas unidades prácticas tendrán el formato de taller de SPSS y se desarrollarán en el laboratorio de informática. En el programa de la materia se desarrolla en cada unidad temática los contenidos de la disciplina estadística de nivel avanzado (análisis multivariado) y las prácticas con SPSS correspondientes a dichos contenidos. Dichas prácticas se desarrollan en un aula informática. La bibliografía está organizada por unidades temáticas y está disponible en el repositorio de archivos Dropbox en el link: o en los link a las URL de las páginas Web de la referencia bibliográfica indicada. 2. OBJETIVOS 2.1. Objetivos generales Articular los métodos y técnicas de la Estadística Multivariada con la lógica de los pasos del diseño de investigación, y específicamente con las etapas de procesamiento y análisis de los datos. Contribuir a la formación estadística metodológica base técnico científica del sociólogo como investigador social y de mercado. Entrenar en el enfoque del análisis estadístico de datos primarios o secundarios, de fuentes internas o externas del sistema de información social y empresarial para producir síntesis significativas (reports estadísticos) que ayuden al proceso de toma de decisiones gubernamentales, políticas, sociales, comerciales, mediáticas, etc. Practicar la selección adecuada, análisis e interpretación de los datos con las técnicas y procedimientos estadísticos con bases de datos de estadística socio-económicas y matrices de datos de encuestas sociales o de mercado, y tratarlos con los módulos del paquete estadístico (SPSS) Objetivos específicos Introducir a los alumnos con la nueva dimensión de análisis de los problemas sociales: problemas complejos y multidimensionales definidos por numerosas variables en complejas interacciones que producen procesos emergentes. Abordar dicho problemas complejos desde una lógica estadística multivariable o multivariante, presentando un completo menú de procedimientos o algoritmos multivariados adecuados para resolver problemas complejos en la Ciencias Sociales. Conceptualizar los criterios de diagnóstico de un problema multivariado: existencia o no de variables independientes o dependientes, nivel de medición de las variables, número de variables independientes y dependientes, número de categorías de las variables. Familiarizar a los alumnos con los métodos multivariados descriptivos o de interdependencia y los métodos multivariados explicativos o de dependencia. Identificar en los problemas sociales complejos si el objetivo de investigación que se busca alcanzar es: resumir la multiplicidad de variables o indicadores, agrupar los casos o las variables, explicar o predecir los valores de una variable dependientes por los valores de varias variables independientes Entrenar en los procedimientos de análisis multivariado con el paquete estadístico SPSS mediante actividades en el aula informática. 3

4 Practicar con el paquete estadístico SPSS los principales procedimientos de interdependencia (Análisis de Componentes Principales, Análisis de Factores Comunes, Análisis de Cluster) y procedimientos de dependencia (Análisis de Regresión Lineal Múltiple, Análisis de Segmentación Jerárquica CHAID). 3. CONTENIDOS 3.1. Contenidos mínimos Análisis multivariado. Correlación parcial. Regresión múltiple. Análisis de componentes principales y análisis de factores comunes. Análisis CHAID (Segmentación jerárquica). Árboles jerárquicos. Análisis de conglomerados (Cluster análisis). Aplicaciones con software estadístico Contenidos por unidades temáticas Unidad Temática N 1: INTRODUCCIÓN AL ANÁLISIS MULTIVARIADO: Análisis estadístico multivariable: Concepto de Análisis Multivariable, Multivariante o Multivariado (AM). Clasificación de los métodos de análisis multivariables: Métodos explicativos y Métodos descriptivos. Evolución histórica de los métodos multivariantes. Métodos descriptivos o de interdependencia: 1) Análisis de Componentes Principales. 2) Análisis Factorial. 3) Análisis de Conglomerados o tipológico ('Cluster Analysis'). 4) Análisis Factorial de Correspondencias. 5) Escalamiento Multidimensional (MDS). Métodos explicativos o de dependencia: 1) Análisis de Regresión Lineal Múltiple. Coeficiente de Correlación Parcial: r Coeficiente de Correlación Múltiple: R ) Análisis de Varianza (ANOVA), Análisis de Covarianza (ANCOVA), Análisis Múltiple de la Varianza (MANOVA), Análisis Múltiple de la Covarianza (MANCOVA). 3) Análisis Discriminante. 4) Análisis Log-lineal. 5) Análisis de Segmentación Jerárquica (Análisis CHAID). 6) Análisis de Correlaciones Canónicas. 7) Regresión Logística. 8) Análisis de Ecuaciones Estructurales (SEM) Tiempo estimado: 1 clases Clases 1: Vie Bibliografía obligatoria unidad N 1: Martínez Arias, Rosario (1999). Introducción y conceptos, cap. 1, pp Algunas técnicas seleccionadas. Análisis de Dependencia, cap. 3, pp Técnicas de interdependencia, cap. 4: pp En El Análisis Multivariante en la Investigación Científica: Cuadernos de estadística nº 1, Madrid: Ed. La Muralla-Ed. Hespérides. Rodríguez, Rubén José (2001). Introducción al Análisis Multivariado, Presentación Power- Point de 25 diapositivas. Publicación de la cátedra. Sanz de la Tajada, Luis Ángel (1982). Análisis histórico: Origen, evolución y desarrollo del Análisis Multivariable. Esquema-Resumen. En Investigación y Marketing, Revista de AEDEMO, Asociación Española de Estudios de Mercado, Marketing y Opinión, Madrid: 1996, CD-50 Números de Investigación y Marketing, Nº 9, Julio 1982, pp Unidad Temática N 2: ANÁLISIS DE CORRELACIÓN Y REGRESIÓN LINEAL MÚLTIPLE. La función predictiva y explicativa de la ecuación de regresión múltiple. El coeficiente de correlación múltiple y la Regresión Múltiple. Ecuación de Regresión Lineal Múltiple. Coeficientes de Regresión Parciales No Estandarizados (Coeficientes b 1, b 2. b k.). Coeficientes de Regresión Estandarizados (Coeficientes Beta: β). Errores Estándar Parciales. Error Standard de Estima- 4

5 ción. Análisis de Variancia: Variancia Total = Variancia de Regresión (Variancia Explicada) + Variancia Residual (Variancia No Explicada). Coeficiente de determinación múltiple (R 2 ) Coeficiente de Determinación Ajustado. Coeficiente de correlación múltiple Coeficientes de determinación parcial. El concepto de control o parcialización de los efectos de una tercera variable. Coeficientes de Correlación Parcial de orden 0, 1, 2 y 3. Error Standard de estimación del puntaje verdadero. Propiedades: homoscedasticidad y multicolinealidad. Plano de regresión múltiple. Gráficos tridimensionales de la nube de puntos. Gráfico del plano de regresión. PRÁCTICAS CON SPSS Unidad N 1 Menú SPSS: Analizar > Correlaciones > Bivariadas, en SPSS. Analizar > Regresión > Lineal. Analizar > Correlaciones Tiempo estimado: 2 clases Clase 2: Vie Clase 3: Vie Bibliografía obligatoria unidad 2: Luque, Teodoro (Coordinador) (2000). Regresión Lineal (Fichero GASTOFARMA). En Técnicas de análisis de datos en investigación de mercados. Madrid: Editorial Pirámide. Capítulo 6, págs. 271 Morales Vallejo, Pedro (2011). Correlación y Regresión Simple y Múltiple. Madrid: Universidad Pontificia Comillas, Madrid, Facultad de Ciencias Humanas y Sociales. Etxcheberría, Juan (1999). Regresión Múltiple (Fichero ALTURA del chico). En Regresión Múltiple, Cuadernos de Estadística nº 4, Madrid: Editorial La Muralla-Editorial Hespérides. Capítulo 2:, pp Rodríguez Jaume, María José y Mora Catalá, Rafael (2001). Análisis de Regresión Múltiple (Fichero INMIGRANTES). En Estadística Informática. Casos y ejemplos con el SPSS. Alicante: Publicaciones Universidad de Alicante. Capítulo 7, pp Rodríguez, Rubén José (2001). Análisis de Regresión Lineal Múltiple. Presentación Power Point de 22 diapositivas. Publicación de la cátedra. Rodríguez, Rubén José (2001). Proyecto RETAIL MEDIA. Modelo de Análisis Multivariado. Rodríguez, Rubén Jose (2013). Glosario de Análisis Multivariado. Análisis de Regresión Múltiple y Análisis Factorial. Publicación de la cátedra, 7 págs. SPSS España (2000). Análisis de Correlación Lineal: Los procedimientos Correlaciones bivariadas y Correlaciones parciales, capítulo 17, 20 pp. (Fichero EMPLEADOS). Análisis de regresión lineal: El procedimientos Regresión lineal, capítulo 18, 67 pp. (Fichero CERVEZAS). En Guía para el Análisis de Datos con SPSS Unidad Temática N 3: ANÁLISIS DE COMPONENTES PRINCIPALES Y ANÁLISIS DE FACTORES COMUNES Breve referencia histórica. Análisis Factorial Exploratorio (AFE). Análisis Factorial Confirmatorio (AFC). El proceso del análisis factorial: fases o pasos: Preliminar: Selección de las variables 5

6 métricas y la muestra con tamaño adecuado. 1º Cálculo de la matriz de correlaciones Obtención del Test de Esfericidad de Barlett para determinar que las variables no están correlacionadas Obtención del Índice Kaiser-Meyer-Olkin para medir la adecuación del tamaño de la muestra Obtención del Gráfico de Sedimentación para visualizar el número de valores asociados a la máxima variancia explicada por cada factor (Eigenvalores) Determinación de los coeficientes de Comunidad y las Coeficientes de Cargas Factoriales: Correlación entre las variables y los factores. 2º. Extracción de los Factores iniciales (Componentes Principales: Factor que explica la mayor cantidad de varianza). Cálculo de la Matriz Residual y obtención de factores ortogonales. 3º Rotación de los Factores iniciales. Métodos de rotación ortogonales (Método Varimax) y no ortogonales. 4º Denominación de los Factores. 5º Representación de un gráfico factorial. PRÁCTICA CON SPSS Unidad N 3: Menú SPSS: Analizar > Reducción de Datos > Análisis Factorial. Tiempo estimado: 2 clases Clase 4: Vie Clase 5: Vie Bibliografía obligatoria unidad N 3: Bellido Vázquez, Pedro. Análisis Factorial de Componentes Principales (AFCP). García Jiménez, Eduardo; Gil Flores, Javier; Rodríguez Gómez, Gregorio (2000). Explicación conceptual de los fundamentos del Análisis Factorial. En Análisis Factorial. Cuadernos de Estadística n 7, Madrid: Editorial Hespérides-La Muralla, capítulo 3, págs García Jiménez, E.; Gil Flores, J.; y Rodríguez Gómez, G. (2000). Las actitudes hacia la democracia (Fichero ACTITUDES HACIA LA DEMOCRACIA). En Análisis Factorial. Cuadernos de Estadística nº 7. Madrid: Editorial Hespérides-La Muralla. Capítulo 10, págs García Jiménez, E.; Gil Flores, J.; y Rodríguez Gómez, G. (2000). Escala de actitudes hacia la democracia. 16 ítems. En Análisis Factorial. Cuadernos de Estadística nº 7. Madrid: Editorial Hespérides-La Muralla. Capítulo 10, cuadro 10.1, pág Morales Vallejo, Pedro (2011). Análisis Factorial. Madrid: Universidad Pontifica de Comillas, 45 págs. Rodríguez Jaume, María José y Mora Catalá, Rafael (2001). Análisis Factorial (Fichero ACTITUD HACIA LOS INMIGRANTES). En Estadística Informática. Casos y ejemplos con el SPSS. Alicante: Publicaciones Universidad de Alicante, Capítulo 8, pp Rodríguez, Rubén José (2012). Glosario de Análisis Multivariado. Análisis de Regresión Múltiple y Análisis Factorial. Ficha de la cátedra. Rodríguez, Rubén José (2009). Análisis Factorial (AFC y ACP). Presentación Power Point de 27 diapositivas. Publicación de la cátedra. SPSS España (2000). Análisis Factorial (Fichero EMPLEADOS). En Guía para el Análisis de Datos con SPSS 10.0, Capitulo 20, 71 págs. Unidad Temática N 4: ANALISIS DE CONGLOMERADOS ( Cluster Analysis ) 6

7 Concepto y características del Análisis de Cluster 2. Método de interdependencia para datos métricos. Pasos para el proceso de Análisis de Cluster: 1. Fase de preparación de los datos. 2. Elección de las medidas de similitud o parecido: a) Medidas de correlación, b) Medidas de proximidad o distancias (Distancia euclídea. Distancia de Minkowski. Distancia de Chebychev. Distancia de Mahalanobis), c) Medidas de asociación. 3. Clasificación de los procedimientos de agrupación: clasificación jerárquica, divisivos, disociativos o descomposicionales (descendentes) o y clasificación no jerárquica, aglomerativos o composicionales (ascendentes). Procedimiento CHAID: segmentación jerárquica. Procedimientos. Procedimiento Análisis de Conglomerados de k medias: segmentación no jerárquica. PRÁCTICA CON SPSS unidad N 4 Menú SPSS: Analizar > Clasificar > Conglomerado de k medias. Tiempo estimado: 2 clases Clase 07: Vie Clase 08: Vie Bibliografía obligatoria unidad N 5: Bazzano, Micaela (2012). Análisis de Cluster o Conglomerados. 1ª Parte. Presentación Conceptual. Publicación de la cátedra, 29 diapositivas. Bazzano, Micaela (2012). Análisis de Cluster o Conglomerados. 2ª Parte. Ejemplos con SPSS (Fichero SITUACIÓN SANITARIA x 11 Países). Publicación de la cátedra, 23 diapositivas. Rodríguez Jaume, María José y Mora Catalá, Rafael (2001). Análisis de Cluster o de Conglomerados (Fichero SITUACIÓN SANITARIA x 11 Países). En Estadística Informática. Casos y ejemplos con el SPSS. Alicante: Publicaciones Universidad de Alicante, Capítulo 9, pp Rodríguez, Rubén José (2001). Tipos de segmentación: Jerárquica y No jerárquica. En Introducción a la Segmentación Jerárquica y AnswerTree 2.0. Los algoritmos AID y CHAID. PowerPoint de 64 diapositivas. Estadística II, diapos SPSS España (2000). Análisis de conglomerados k-medias. Análisis de conglomerados jerárquicos (Fichero COCHES). En Guía para el Análisis de Datos con SPSS 10.0, Capítulos 21 y El Cluster Analysis es también denominado: Análisis de grupos, Análisis de Clasificación, Análisis Tipológico, Análisis de Taxonomía Numérica, Análisis de segmentación (jerárquica y no jerárquica). 7

8 Unidad Temática N 5: ANÁLISIS DE SEGMENTACIÓN JERÁRQUICA (CHAID) Concepto de segmentación jerárquica. Método de dependencia para datos categoriales o métricos. Los árboles jerárquicos. Tipos de árboles: dos ramas (árboles binarios o dicotómicos) y tres ramas (árboles ternarios o tricotómicos). Los nodos. El dendograma. Variable predictora o explicativa y variable criterio o explicada. Antecedentes del Análisis CHAID: el AID (Automatic Interaction Detector) Análisis CHAID para variables nominales y ordinales. Los algoritmos de la segmentación jerárquica: CHAID (Chi-square Automatic Interaction Detection). CART (Classification, Regresion and Trees). QUEST. Ventajas respectos de otras técnicas de clasificación o segmentación: CHAID vs. Redes Neuronales. Utilidad para el marketing y para el análisis de tablas bi y multivariadas. PRÁCTICAS CON SPSS unidad N 5: Menú SPSS: Analizar > Árboles Jerárquicos (A partir de la versión 13 de SPSS) [En versiones anteriores de SPSS existe un paquete específico de SPSS Inc. con la marca AnswerTree 2.0 (1999) que opera los algoritmos CHAID, CART y QUEST]. Tiempo estimado: 2 clases Clase 09: Vie Clase 10: Vie Bibliografía obligatoria unidad N 5: Bazzano, Micaela (2013). Análisis CHAID. Ejemplo con SPSS (Fichero EJCHAID1). Publicación de la cátedra, 28 diapositivas. IBM SPSS. Creación de árboles de decisión. Editor del Árbol. En IBM SPSS Decisión Trees 20, Capítulos 1 y 2. ftp://public.dhe.ibm.com/software/analytics/spss/docume ntation/statistics/20.0/es/client/manuals/ibm_spss_decision_trees.pdf Luque, Teodoro (2000): Segmentación jerárquica. Ejemplo de CHAID (Nominal) (Fichero EJCHAID1). En Técnicas de análisis de datos en investigación de mercados, Ed. Pirámide, Madrid, 2000, Capítulo 8, pp Nadelsticher, Abraham (2000). La técnica del Análisis CHAID. México: Braim Research, Rodríguez, Rubén José (2001): Introducción a la Segmentación Jerárquica y Análisis CHAID. Publicación de la cátedra, 67 diapositivas Bibliografía de ampliación Unidad N 1: Bisquerra Alzina, Rafael (1989). Generalidades. En Introducción conceptual al Análisis Multivariable. En Un enfoque informático con los paquetes SPSS-X, BMDP, LISREL y SPAD: Barcelona: Promoción y Publicaciones Universitarias-PPU, Volumen I, 1989, Capítulo 1, pp Sierra Bravo, R. (l998). Introducción al Análisis Multivariado. En Técnicas de Investigación Social. México: Paraninfo, 1998, Capítulo 29, pp Uriel Jiménez, Ezequiel; Aldás Manzano, Joaquín (2005). Introducción. En Análisis Multivariante Aplicado. Aplicaciones al Marketing, Investigación de Mercado, Economía, Dirección de empresas y Turismo. Madrid: Thomson. Capítulo 1, pp Bibliografía de ampliación unidad N 2: Bisquerra Alzina, Rafael (1989). Regresión Múltiple. En Introducción conceptual al Análisis Multivariable. Un enfoque informático con los paquetes SPSS-X, BMDP, LISREL y SPAD. Volumen I, Barcelona: Ediciones PPU-Promociones y Publicaciones Universitarias, capítulo 8, pp

9 Cea D Ancona, María Ángeles (2003). Regresión Múltiple. En Análisis Multivariable. Teoría y Práctica en la Investigación Social. Madrid: Editorial. Síntesis, 2002, Capítulo 1, pp Camacho Rosales, Juan (1998). Relación entre variables. Regresión múltiple lineal (REGRESSION). En Estadística con SPSS para Windows. Madrid: Editorial Ra-Ma, 1998, capítulo 13, pp Hair, J. F.; Anderson, R. E.; Tatham, R. L.; y Black, W.C. (1999). Análisis de regresión múltiple. En Análisis Multivariante, España: Editorial Prentice-Hall, 5ª ed., capítulo 4, pp Johnson, Dallas E. (2000). Modelo de predicción y regresión multivariada. Regresión múltiple. En Métodos multivariados aplicados al análisis de datos, México: Editorial International Thomson Editores, capítulo 12, pp Lizasoain, Luis y Joaristi, Luis (2003). Regresión lineal múltiple. En Gestión y análisis de datos con SPSS Versión 11. Madrid: Thomson, capítulo19, pp Luque, Teodoro (2000). Regresión lineal. En Técnicas de análisis de datos en investigación de mercados, Madrid: Ed. Pirámide, capítulo 6, pp Uriel Jiménez, Ezequiel; Aldás Manzano, Joaquín (2005). Regresión lineal múltiple. En Análisis Multivariante Aplicado. Aplicaciones al Marketing, Investigación de Mercado, Economía, Dirección de empresas y Turismo. Madrid: Thomson. Capítulo 8:, pp Visauta Vinacua, Bienvenido (1997). Modelos avanzados de regresión. En Análisis estadístico con SPSS para Windows. Volumen II: Estadística multivariante. México: McGraw-Hill, 1997, Capítulo 2, pp Bibliografía de ampliación unidad N 3: Bisquerra Alzina, Rafael (1989): Análisis Factorial. En Introducción conceptual al Análisis Multivariable. Un enfoque informático con los paquetes SPSS-X, BMDP, LISREL y SPAD. Barcelona: Ediciones PPU-Promociones y Publicaciones Universitarias, Volumen I, 1989, Cap. 11, pp Cea D Ancona, María Ángeles (2003). Análisis Factorial. En Análisis Multivariable. Teoría y Práctica en la Investigación Social. Madrid: Editorial. Síntesis, 2002, Capítulo 5, pp Gondar Nores, José Emilio (1999): Técnicas Estadística de Reducción de Datos: Madrid, Data Mining Institute, 3ª ed. Hair, J. F.; Anderson, R. E.; Tatham, R. L.; y Black, W.C. (1984). Análisis factorial. En Análisis Multivariante, 5ª ed., España: Editorial Prentice-Hall, l999, Capitulo 3, pp Johnson, Dallas E. (l998). Análisis de Componentes Principales. Análisis por factores. En Métodos multivariados aplicados al análisis de datos, Editorial International Thomson Editores, México, 2000, Capítulos 5 y 6, pp y Luque, Teodoro (2000). Análisis factorial. En Técnicas de análisis de datos en investigación de mercados, Madrid: Editorial Pirámide, 2000, Capítulo 2, pp Pérez López, César (2004): Análisis en componentes principales. Análisis Factorial. Componentes Principales y Análisis Factorial con SPSS. En Técnicas de Análisis Multivariante de Datos. Aplicaciones con SPSS. Madrid: Pearson-Prentice Hall, 2004, Capítulos 4, 5 y 6, pp , y Pérez López, César (2004). Componentes principales y Análisis Factorial. En Técnicas Estadísticas con SPSS. Madrid: Pearson-Prentice Hall, 2001, Capítulo 15, pp

10 Uriel Jiménez, Ezequiel; Aldás Manzano, Joaquín (2005). Componentes principales. En Análisis Multivariante Aplicado. Aplicaciones al Marketing, Investigación de Mercado, Economía, Dirección de empresas y Turismo. Madrid: Thomson. Capítulo 11, pp Yela, Mariano (1997). La Técnica del Análisis Factorial. Un método de investigación en psicología y pedagogía. Madrid: Biblioteca Nueva, 237 pp. Bibliografía de ampliación unidad N 4: Cea D Ancona, María Ángeles (2003). Análisis de Conglomerados. En Análisis Multivariable. Teoría y Práctica en la Investigación Social. Madrid: Editorial. Síntesis, 2002, Capítulo 3, pp Hernández Encinas, Luis (2001). Técnicas de taxonomía numérica. Cuadernos de Estadística n 18. Madrid: Editorial Hespérides-La Muralla, 159 págs. Díaz de Rada, Vidal (1995). Utilización del Análisis Tipológico en Investigación Social y de Mercado. Madrid: Revista Investigación y Marketing, Nº 49, noviembre Número especial cuantitativo, AEDEMO. Asociación Española de Estudios de Mercado y Opinión, pp Levy Mangin, Jean-Pierre y Varela Mallou, Jesús (2003). Clasificación y Segmentación post hoc mediante el análisis de conglomerados. En Análisis multivariable para las Ciencias Sociales. Madrid: Pearson-Prentice Hall. Capítulo 10, pp Luque, Teodoro (2000). Análisis Cluster. En Técnicas de análisis de datos en investigación de mercados, Madrid: Editorial Pirámide. Capítulo 4, pp Pérez López, César (2004): Clasificación y Segmentación mediante Análisis Cluster. Clasificación y Segmentación con SPSS. En Técnicas de Análisis Multivariante de Datos. Aplicaciones con SPSS. Capítulos 13 y 14, pp y Pérez López, César (2004). Análisis Cluster. En Técnicas Estadísticas con SPSS. Madrid: Pearson-Prentice Hall, 2001, Capítulo 14, pp Bibliografía de ampliación unidad N 5: Gondar Nores, José Emilio (1999). Segmentación con AnswerTree Madrid: Serie T- Técnicas Estadísticas con SPSS, Data Mining Institute, 3ª ed., 1999, Gondar Nores, José Emilio (1999). Segmentación de Mercados con CHAID. Madrid: Data Mining Institute, 3ª ed. Levy Mangin, Jean-Pierre y Varela Mallou, Jesús (2003). Clasificación y Segmentación Jerárquica. En Análisis multivariable para las Ciencias Sociales. Madrid: Pearson-Prentice Hall. Capítulo 13, pp Okell, Janine (Senior Consultant, smartfocus) (2002): Neural Networks versus CHAID: smartfocus, june Sánchez Carrión, Juan Javier (1995): Detector Automático de Interacción (Automatic Interaction Detector). En Manual de análisis estadístico de datos, Madrid; Ed. Alianza, 1999, Capítulo 7, pp MODALIDAD DE TRABAJO 10

11 La materia tiene un formato pedagógico de seminario-taller. En el mismo, se trabajará en el laboratorio de informática donde se operarán las unidades temáticas con el paquete estadístico SPSS. Cada unidad será tratada, principalmente, con el análisis estadístico del fichero de datos de la Encuesta sobre Actitudes hacia los inmigrantes, Centro de Investigaciones de la Realidad Española, CIRES, En el primer parcial se evaluará la competencia operativa con SPSS y los criterios de aplicación de los conocimientos y procedimientos estadísticos de la técnica multivariadas que se evalúen. Los alumnos analizarán una base de datos según las consignas del primer y segundo parcial. En el examen final se evaluará la capacidad analítica e interpretativa adquirida a partir de los resultados obtenidos en el Visor de SPSS de los procedimientos multivariados estudiados. Los alumnos deberán analizar e interpretar dichos resultados y producir un report estadístico. La bibliografía está organizada por unidades temáticas y está disponible en el repositorio de archivos Dropbox en el link: o en los link a las URL de las páginas Web de la referencia bibliográfica indicada. 5. PAUTAS GENERALES DE ACREDITACIÓN Y EVALUACIÓN Para la aprobación de la asignatura cada alumno requerirá: Asistir al 75% de las clases. Aprobar dos exámenes parciales (con 4 puntos). Los alumnos tendrán opción a un solo recuperatorio. Para la calificación se tendrá en cuenta la participación individual en clase. 3 Rodríguez Jaume, María José; Mora Catalá, Rafael (2001). Estadística Informática. Casos y ejemplos con el SPSS. Alicante: Publicaciones Universidad de Alicante, Anexo IV: Cuestionario: Actitudes hacia los inmigrantes, CIRES (Centro de Investigación de la Realidad Española), pp El texto incluye un CD que contiene el cuestionario y el fichero de datos de la encuesta. 11