Consideraciones acerca de los datos para Análisis de correspondencia múltiple

Para asegurar que los resultados sean válidos, considere las siguientes pautas al recopilar datos, realizar el análisis e interpretar los resultados.

Puede tener datos sin procesar o datos en forma de variables indicadoras
Si usted tiene datos categóricos sin procesar, puede tener una o más columnas de clasificación, en las que cada fila represente una observación. Los datos representan categorías y pueden ser numéricos, de texto o de fecha/hora. Si los datos están en forma de variables indicadoras, cada fila también representa una observación y hay una columna de indicadores para cada nivel de categoría. Los datos que están en esta forma consisten en ceros (0), salvo los unos (1) que identifican las categorías a las que pertenecen las observaciones. Para obtener más información, vaya a Ingresar los datos para Análisis de correspondencia múltiple. Debe eliminar las filas con datos faltantes de la hoja de trabajo antes de utilizar este análisis.
Puede usar datos complementarios
Es posible que usted tenga datos adicionales o complementarios con la misma forma que el conjunto de datos principal para el análisis. Estos datos complementarios podrían ser información adicional del mismo estudio, información de otros estudios o perfiles objetivo. Puede utilizar los datos complementarios para validar los componentes, comúnmente con un valor histórico o un valor estándar conocido. También puede examinar las puntuaciones de los datos auxiliares, como los valores atípicos que se eliminan del análisis. Los datos complementarios aparecen en la salida, pero no afectan a los componentes.
Al utilizar este sitio, usted acepta el uso de cookies para efectos de análisis y contenido personalizado.  Leer nuestra política