Joaquín Aldás ; Ezequiel Uriel creator text handbook sp 2017 2a. ed. monographic sp spa spa 677 paginas : Gráficos (blanco y negro) , tablas (blanco y negro) , formulas 24 cm “El principal objetivo de esta obra es proporcionar al lector una visión rigurosa y a la vez muy aplicada de las herramientas estadísticas de análisis multivariante. Las herramientas desarrolladas cubren un espectro muy amplio de lectores potenciales: desde estudiantes de grado o master que preparan asignaturas de estadística, investigación de mercados o métodos cuantitativos aplicados a la economía, la dirección de empresas, la sociología a la psicología, hasta investigadores de esos mismos campos que desean estar al día de los últimos avances en modelos de ecuaciones estructurales o PLS-SEM. Todas estas herramientas se desarrollan utilizando el software libre R. El enfoque del manual combina la rigurosidad con la aplicabilidad practica a partir del desarrollo de mas de 40 casos resueltos y multitud de ejemplos que permiten entender la lógica de la técnica de análisis de datos y como aplicaría fácilmente mediante R. Asimismo, la web del manual permite al usuario acceder a todas las bases de datos que soportan esos casos, así como la sintaxis que permite su resolución mediante R. además de un capitulo dedicado a la preparación de los datos (análisis de valores perdidos, casos atípicos y comprobación de las propiedades de normalidad, homocedasticidad, linealidad e independencia de las observaciones), el resto de temas abordan el análisis de conglomerados, escalamiento multidimensional, análisis de correspondencias, análisis de varianza, análisis multivariante de la varianza, regresión lineal múltiple, análisis factorial, análisis factorial confirmatorio, validación de los instrumentos de medida, modelos de ecuaciones estructurales y PLS-SEM.” -- cubierta posterior. Introducción : Niveles de medida de las variables. Clasificación de las técnicas multivariantes. Procesos de aplicación de un técnica multivariantes. – Análisis previo de los datos : Valores perdidos. Outliers: casos atípicos. Comprobación de los supuestos básicos del análisis multivariante. – Análisis de conglomerados : Medidas de similaridad. Formación de los grupos: análisis jerárquico de conglomerados. Selección de numero de conglomerados. Formación de los grupos: análisis no jerárquico de conglomerados. Elección entre los distintos tipos de análisis de conglomerados. Un ejemplo de aplicación del análisis de conglomerados. – Escalamiento multidimensional : El algoritmo básico del MDS. Recogida de datos para un escalamiento multidimensional. Tipos de escalamiento multidimensional. – Análisis de correspondencias : Funcionamiento del análisis de correspondencias. Fundamentación matemática del análisis de correspondencias. Incorporación de puntos suplementarios al análisis de correspondencias. Incorporación de puntos suplementarios al análisis de correspondencia simple. Análisis de correspondencias múltiple. – Análisis de la varianza : Análisis de la varianza de un factor. Análisis de varianza de dos factores. – Análisis multivariante de la varianza : Análisis multivariante de la varianza con un factor. Análisis multivariante de la varianza con dos factores. – Regresión lineal múltiple : El modelo de regresión lineal simple y su estimación por mínimos cuadros. El modelo de regresión lineal múltiple y si estimación por mínimos cuadrados. Contraste de hipótesis. Bondad de ajuste de modelo. Supuestos del análisis de regresión múltiple. Modelos con variables ficticias. – Análisis discriminación : Clasificación con dos grupos. Análisis discriminante con mas de dos grupos. – Regresión logística : El modelo de regresión logística binomial. Regresión logística multinomial. – Análisis de componentes principales : La geometría del análisis de componentes principales. Componentes principales de dos variables. Componentes principales para el caso general. Aspectos operativos en la estimación de un PCA. – Análisis factorial exploratorio : Formulación del modelo de análisis factorial exploratorio. Métodos para la extracción de factores. Determinación del numero de factores que hay que retener. Rotación de la solución factorial. Puntuaciones factoriales. Un ejemplo de aplicación del análisis factorial exploratoria. – Modelos de ecuaciones estructurales: análisis factorial confirmatorio : Formalización matemática del análisis factorial confirmatorio (CFA). Estimación del análisis factorial confirmatorio. Bondad de ajuste del modelo estimado. – Modelos de ecuaciones estructurales: validación del instrumento de medida : La medición en ciencias sociales. Análisis de la fiabilidad del instrumento de medida. Análisis de la validez del instrumento de medida. Un ejemplo completo de evaluación del instrumento de medida. Guía para el desarrollo de escalas. – Modelos de ecuaciones estructurales: modelos de estructuras de covarianza (CB-SEM) : Formalización matemática del CB-SEM. Identificación del modelo de ecuaciones estructurales. Estimación del modelo de ecuaciones estructurales. Bondad de ajuste del modelo estimado. Interpretación del modelo. Reespecificación del modelo. – Modelos de Ecuaciones estructurales: modelos de estructuras de varianza (PLS-SEM) : El algoritmo de estimación de los modelos PLS-SEM. Cuando usar PLS-SEM: fortalezas y debilidades. Etapas en la estimación de un modelo estructural mediante PLS-SEM. Material bibliográfico para estudiantes universitarios, docentes e investigadores. specialized Joaquin Aldas /Ezequiel Uriel. Incluye índice de figuras. Incluye índice de cuadros. Bibliografía : paginas 661 -677 Administracion 519.535 978-84-283-2969-9 Biblioteca Central de la Universidad Nacional Agraria de la Selva 220218 20230601102426.0 spa