METODOLOGÍA Y TÉCNICAS DE INVESTIGACIÓN EN CIENCIAS SOCIALES Titular: Agustín Salvia Teórico semana 10 NOCIONES DE ANÁLISIS MULTIVARIADO Eduardo Donza

Usos del análisis multivariado Aumentar el porcentaje de determinación de un evento Identificar posibles interpretaciones espurias. Lograr explicación Clasificar unidades de análisis o relaciones entre variables

Principales técnicas de análisis multivariado según los usos Aumentar el porcentaje de determinación de un evento Regresión múltiple Regresión logística Etc. Identificar posibles interpretaciones espurias Modelo Lazarfeld Correlación parcial Hiloglineal Clasificar unidades de análisis o relaciones entre variables Análisis de cluster

Aumento del porcentaje de determinación: Regresión lineal múltiple

Particularidades de recta de regresión lineal simple y = a + b * x Ordenada al origen Pendiente Δ y $ = a + b * años estudios a Δ x

Regresión lineal múltiple Introducción de otra/s variables independientes Pendiente correspondientes a x y = a + b * x + c * z Ordenada al origen Pendiente correspondiente a z La incorporación de una segunda variable independiente convierte la ecuación de la recta de predicción en la ecuación de un plano de predicción.

Identificación de un punto en el espacio según datos de tres variables

Identificación de posibles interpretaciones espurias Identificación de posibles interpretaciones espurias. Búsqueda de explicación: Variables de control

Esquema multivariado. Introducción de variables de control x y Relación original La covariación observada no necesariamente es explicación Variable de control t Caso típico de interpretación espuria y x Relación original

Esquema de modelo Lazarfeld Coeficientes a analizar – Datos simulados: Variable de control Nivel educativo 0,05 -0,18 Sin secundario completo 0,36 Propensión a trabajar Sexo Relación original Con secundario completo 0,16 0,30 Variable de control especifica la relación. Se refuerza la relación original en el grupo de personas de bajo nivel educativo y disminuye en las de alto.

Caso de interpretación espuria Coeficientes a analizar – Datos simulados: Variable de control Sexo 0,6 0,5 Varones : 0,05 Nivel educativo Propensión a trabajar Relación original Mujeres: 0,08 0,30 La interpretación realizada era espuria. En realidad la propensión a trabajar depende del sexo de las personas.

Clasificación de unidades de análisis: Análisis de cluster

Ejemplo de Análisis de Cluster