Tipo: Libro impreso / Print book
Tamaño / Size: 17 x 24 cm
Páginas / Pages: 413
Resumen / Summary:
Autor / Author: Andrés Catena, Manuel M. Ramos y Humberto M. Trujillo
Editorial / Publisher: Distrididactika
Entrega / Delivery : Nacional / International
Envio desde / Ships from: Colombia
Condición / Condition: Nuevo / New
Tabla de contenido / Table of contents: Prólogo, por Agustín Escolano Benito
Capítulo I
Introducción al análisis multivariado
1. ¿Para qué sirve la estadística multivariada?
2. ¿Cuándo pueden aplicarse técnicas multivariadas?
2.1. Investigación en contextos no experimentales
2.2. Investigación en contextos experimentales
3. Clasificación de las técnicas multivariadas
3.1. Clasificación de las técnicas multivariadas
3.2. Técnicas descriptivas
3.3. ¿Cómo seleccionar la técnica de análisis adecuada?
4. Conceptos básicos
4.1. Definiciones útiles
4.2. Contraste de hipótesis univariado y multivariado
4.3. Matrices
5. Organización de ficheros de datos en paquetes estadísticos
6. Lecturas recomendadas
7. Ejercicios
Capítulo II
Análisis univariado de varianza
1. La inferencia estadística y el contraste de hipótesis
2. Diseños experimentales univariados
2.1. Diseños unifactoriales univariados
2.2. Diseño de medida repetida de un solo factor
2.3. Introducción a los diseños con covariantes
3. La secuencia de investigación orientada al análisis mediante ANOVA
4. Lecturas recomendadas
5. Ejercicios
Capítulo III
Análisis de datos categóricos
1. Conceptos fundamentales el análisis de datos categóricos
2. Las preguntas que el análisis de frecuencias ayuda a resolver
2.1. Parámetros
2.2. Importancia de los niveles
2.3. Magnitud de la relación
2.4. Influencia de variables independientes sobre una variable dependiente
3. El análisis de tablas de frecuencia: modelos logarítmicos-lineales
3.1. Comprobación de efectos
3.2. Construcción del modelo de predicción
4. Limitaciones y supuestos de los modelos log-lineales
4.1. Independencia de las observaciones
4.2. Número de variables de sujetos
5. La secuencia del análisis log-lineal
6. Lecturas recomendadas
7. Ejercicios
Capítulo IV
Análisis factorial t de componentes principales
1. conceptos fundamentales del análisis factorial y de componentes principales
2. Los tipos de preguntas que resuelven el análisis factorial
2.1. Número y naturaleza de los factores
2.2. Importancia de los factores
2.3. Contraste de modelos
2.4. Estimación de las puntuaciones factoriales
3. El análisis factorial
3.1. Matriz de correlaciones
3.2. Extracción de factores
3.3. Puntuaciones factoriales
3.4. Otros métodos de extracción de factores
4. Limitaciones y supuestos del análisis
4.1. Tamaño de la muestra y datos perdidos
4.2. Normalidad
4.3. Linealidad
4.4. Ausencia de puntos extremos
4.5. Multicolinealidad
4.6. Factorizabilidad de la matriz de correlaciones
5. La secuencia del análisis factorial
6. Lecturas recomendadas
7. Ejercicios
Capítulo V
Análisis del <>
1. Objetivos del análisis de cluster
2. Clases de cuestiones que el análisis de cluster ayuda a resolver
3. Medidas de semejanza
3.1. Medidas de distancia
3.2. Medidas de igualación
4. Métodos de agrupamiento
4.1. Métodos jerárquicos
4.2. Modelos de partición
4.3. ¿Qué método de agrupamiento emplear?
5. Limitaciones
6. La secuencia del análisis de cluster
7. Lecturas recomendadas
8. Ejercicios
Capítulo VI
Análisis de correlación canónica
1. Conceptos fundamentales en el análisis de correlación canónica
2. Las cuestiones que el análisis de correlación canónica ayuda a resolver
2.1. Número de variados canónicos
2.2. Interpretación de la correlación canónica
2.3. Puntuaciones en los variados
3. El análisis de correlación canónica
4. Limitaciones y supuestos del análisis de correlación canónica
4.1. Linealidad
4.2. Multicolinealidad y singularidad
4.3. Normalidad multivariada
4.4. Ausencia de puntos extremos
5. La secuencia de investigación en el análisis de correlación canónica
6. Lecturas recomendadas
7. Ejercicios
Capítulo VII
Análisis de supervivencia
1. Conceptos fundamentales del análisis de supervivencia
2. Análisis de supervivencia
2.1. Tablas de supervivencia
2.2. Kaplan-Meier
2.3. Regresión de Cox
3. Limitaciones y supuestos
4. La secuencia de investigación orientada al análisis de supervivencia
5. Lecturas recomendadas
6. Ejercicios
Capítulo VIII
Análisis de regresión lineal múltiple
1. Aproximación conceptual al análisis de regresión múltiple
2. Regresión lineal simple
3. Regresión lineal múltiple
3.1. Contraste de hipótesis en la regresión múltiple
3.2. Variedades de análisis de regresión múltiple
3.3. Interpretación de los resultados del análisis de regresión
3.4. El análisis de varianza como análisis de regresión
4. limitaciones y condiciones de aplicación
4.1. Linealidad
4.2. Homogeneidad del error de predicción
4.3. Independencia de errores
4.4. Normalidad de las puntuaciones error
4.5. Puntos extremos
4.6. Multicolinealidad
4.7. Número de sujetos
5. La secuencia de investigación orientada al análisis mediante regresión múltiple
6. Lecturas recomendadas
7. ejercicios
Capítulo IX
Análisis multivariado de varianza (MANOVA) y covarianza (MANCOVA)
1. Análisis univariado (ANOVA) frente a multivariado (MANOVA)
1.1. Bases conceptuales de MANOVA
1.2. El contraste de hipótesis en MANOVA/MANCOVA
2. El análisis de datos mediante MANOVA/MANCOVA
2.1. El análisis de diseños con un factor manipulado entre grupos
2.2. MANOVA con más de un factor entre grupos
2.3. MANOVA para diseños de medidas repetidas
2.4. Diseños que incluyen covariados
3. Limitaciones y supuestos del análisis multivariado de varianza y covarianza
3.1. Independencia
3.2. Homogeneidad de las matrices de varianzas-covarianzas
3.3. Normalidad multivariada
3.4. Linealidad
3.5. Multicolinealidad
3.6. Homogeneidad de los coeficientes de regresión
3.7. Observaciones extremas
4. La secuencia de investigación orientada al análisis mediante MANOVA/MANCOVA
5. Lecturas recomendadas
6. Ejercicios
Capítulo X
Análisis discriminante
1. Conceptos fundamentales del análisis discriminante
2. Preguntas que el análisis discriminante puede ayudar a resolver
2.1. Cuestiones que ayudan a responder el análisis discriminante predictivo
2.2. Cuestiones que ayudan a resolver el análisis discriminante predictivo
3. Análisis discriminante descriptivo
3.1. Determinación de las diferencias significativas entre los grupos
3.2. Funciones discriminantes lineales
3.3. La importancia de cada variable predoctora: la matriz de estructura
3.4. Análisis discriminante por etapas
4. Análisis discriminante predictivo
4.1. Obtención de los coeficientes de clasificación lineal
4.2. Clasificación de individuos
5. Limitaciones y supuestos del análisis discriminante
5.1. Normalidad multivariada
5.2. Homogeneidad de varianzas-covarianzas
5.3. Linealidad y multicolinealidad
5.4. Muestras desiguales
5.5. Puntos extremos
6. La secuencia de investigación orientada al análisis discriminante
7. Lecturas recomendadas
Ejercicios
Capítulo XI
Análisis de regresiones logísticas
1. Regresión logística: regresión con una variable dependiente no métrica
1.1. Las ecuaciones básicas de regresión logística
1.2. Utilidad de la regresión logística
2. Fundamentos del análisis de regresión logística
3. Tipos de regresión logística
3.1. Regresión logística simultánea
3.2. Regresión logística secuencial
4. La clasificación de individuos
5. El análisis de regresión politómico o multinomial
6. Limitaciones y supuestos
6.1. Linealidad de la función logia
6.2. Independencia de errores
6.3. Multicolinealidad
6.4. Número de variables y número de sujetos
6.5. Puntos extremos
7. La secuencia de investigación orientada al análisis de regresión logística
8. Lecturas recomendadas
9. Ejercicios
Capítulo XII
Modelos de ecuaciones estructurales
1. conceptos básicos del análisis factorial confirmatorio y los modelos de ecuaciones estructurales
2. Las clases de cuestiones que SEM ayuda a resolver
2.1. Comprobación de teorías
2.2. Cantidad de varianza explicada
2.3. Mediación
2.4. Diferencias entre grupos e intrasujetos
3. Construcción de modelos y ecuaciones básicas
3.1. El modelo general de ecuaciones estructurales
3.2. Estimación de parámetros
3.3. Identificación del modelo
3.4. Los efectos directos, indirectos y totales
4. Ajuste del modelo
4.1. Valoración mediante Chi-cuadrado
4.2. Valoración mediante medidas heurísticas
4.3. Reespecificación del modelo
5. Aplicación
6. Limitaciones y supuestos
6.1. Normalidad multivariada
6.2. Linealidad
6.3. Ausencia de multicolinealidad y singularidad
6.4. Indicadores múltiples
6.5. Modelos de infraidentificados y justamente identificados
6.6. Tamaño de la muestra
7. La secuencia de investigación en CFA y SEM
8. Lecturas recomendadas
9. Ejercicios
Bibliografía
Glosario
Índice de materias
Luisa
