Minitab ofrece dos análisis para evaluar la estructura de covarianza de los datos:
Análisis de los
componentes principales
El análisis de componentes principales ayuda a comprender la estructura de covarianza en las variables originales y/o a crear un número menor de variables utilizando esta estructura. En Minitab, elija Estadísticas > Análisis
multivariado > Componentes principales.
Análisis
factorial
Al igual que los componentes principales, el análisis factorial resume la estructura de covarianza de los datos en un número más pequeño de dimensiones. El énfasis en el análisis factorial es la identificación de los "factores" subyacentes que podrían explicar las dimensiones asociadas con una gran variabilidad en los datos. En Minitab, elija Estadísticas > Análisis
multivariado > Análisis
factorial.
Consistencia interna
Análisis de
elementos
Un análisis de elementos evalúa la consistencia con la que múltiples elementos de una encuesta de opinión o prueba miden el mismo constructo. En Minitab, elija Estadísticas > Análisis
multivariado > Análisis de elementos.
Agrupación de las observaciones
Minitab ofrece métodos de análisis de conglomerados y análisis discriminante para agrupar las observaciones o variables:
Conglomerados de
observaciones
Un análisis de conglomerados de observaciones agrupa las observaciones que están "cercanas" entre sí cuando no se conocen los grupos inicialmente. Este análisis es una opción adecuada cuando no existe ninguna información externa acerca de la agrupación. La agrupación final por lo general se elige considerando lo que tiene sentido para los datos después de observar los estadísticos de conglomerados. En Minitab, elija Estadísticas > Análisis
multivariado > Conglomerados de observaciones.
Conglomerados de
variables
Un análisis de conglomerados de variables agrupa variables que están "cerca" entre sí cuando inicialmente se desconocen los grupos. Se recomienda crear conglomerados de variables para reducir su número y simplificar los datos. El método utilizado para crear conglomerados de variables es similar al utilizado para crear conglomerados de observaciones. En Minitab, elija Estadísticas > Análisis
multivariado > Conglomerados de variables.
Conglomerados de
k-medias
Un análisis de conglomerados de K-medias agrupa las observaciones que están "cercanas" entre sí. Los conglomerados de K-medias funcionan mejor cuando está disponible suficiente información para realizar designaciones iniciales adecuadas para los conglomerados. En Minitab, elija Estadísticas > Análisis
multivariado > Conglomerados de k-medias.
Análisis
discriminante
El análisis discriminante clasifica las observaciones en dos o más grupos si usted tiene una muestra con grupos conocidos. Puede utilizar el análisis discriminante para investigar la manera en que los predictores contribuyen a las agrupaciones. En Minitab, elija Estadísticas > Análisis
multivariado > Análisis discriminante.
Análisis de correspondencia
Minitab ofrece dos métodos de análisis de correspondencia para explorar las relaciones entre las variables categóricas:
Análisis de
correspondencia simple
El análisis de correspondencia simple explora las relaciones en una clasificación de 2 factores. Este análisis también se puede utilizar con tablas de 3 y 4 factores, porque Minitab puede reducirlas a tablas de 2 factores. El análisis de correspondencia simple descompone una tabla de contingencia de forma similar a la manera en que el análisis de los componentes principales descompone los datos continuos multivariados. El análisis de correspondencia simple ejecuta un análisis de valores y vectores propios de los datos, desglosa la variabilidad en sus dimensiones subyacentes y asocia la variabilidad con las filas y/o columnas. En Minitab, elija Estadísticas > Análisis
multivariado > Análisis de correspondencia
simple.
Análisis de
correspondencia múltiple
El análisis de correspondencia múltiple amplía el análisis de correspondencia simple para el caso de 3 o más variables categóricas. El análisis de correspondencia múltiple realiza un análisis de correspondencia simple con una matriz de variables indicadoras en la cual cada columna corresponde a un nivel de una variable categórica. En lugar de una tabla de 2 factores, la tabla de múltiples factores se reduce a 1 dimensión. En Minitab, elija Estadísticas > Análisis
multivariado > Análisis de correspondencia
múltiple.
