Análisis Multivariado


 Basado en:
Multivariate Data Analysis
Joseph F. Hair Jr. William C. Black
Barry J. Babin Rolph E. Anderson
Seventh Edition
   

Browse the glossary using this index

Special | A | B | C | D | E | F | G | H | I | J | K | L | M | N | O | P | Q | R | S | T | U | V | W | X | Y | Z | ALL

Page: (Previous)   1  2  3  (Next)
  ALL

E

Error tipo I

Probabilidad de rechazar incorrectamente la hipótesis nula; en la mayoría de los casos, significa decir que existe una diferencia o correlación cuando en realidad no existe. También se denomina alfa (\alpha). Típicamente los niveles son 5 o 1 por ciento, denominados nivel de .05 o .01, respectivamente.

  H_{0} es cierta H_{a} es cierta
No se rechaza  H_{0} No hay error
(1-α o verdadero positivo)
Error de tipo II
(β o falso negativo)
Se rechaza  H_{0} y
se acepta  H_{a}
Error de tipo I
(α o falso positivo)
No hay error
(1-β o verdadero negativo)

Error tipo II (1-β)

Probabilidad de no rechazar incorrectamente la hipótesis nula; en términos simples, la posibilidad de no encontrar una correlación o diferencia de medias cuando existe. También denominado beta (\beta), esta inversamente relacionado con el error tipo I. El valor de 1 menos el error de Tipo II (1 - β) se define como potencia.

  H_{0} es cierta H_{a} es cierta
No se rechaza  H_{0} No hay error
(1-α o verdadero positivo)
Error de tipo II
(β o falso negativo)
Se rechaza  H_{0} y
se acepta  H_{a}
Error de tipo I
(α o falso positivo)
No hay error
(1-β o verdadero negativo)

 


Escalas sumadas

Método para combinar varias variables que miden el mismo concepto en una variable única intentando de aumentar la confiabilidad de la medición a través de una medida multivariada. En la mayoría de los casos, las variables separadas se suman y luego su puntaje total o promedio se utiliza en el análisis.


I

Indicador

Variable simple utilizada en conjunción con una o mas variables adicionales para formar una medida compuesta. También conocido como número índice.


M

Medida compuesta

Ver escalas sumadas.


Medida multivariante

Uso de dos o más variables como indicadores de una sola medida compuesta. Por ejemplo, una prueba de personalidad puede proporcionar las respuestas a una serie de preguntas individuales. (indicadores), que luego se combinan para formar una puntuación única (escala sumada) que representa el rasgo de la personalidad.


Método de estimación Bootstrap.

Un enfoque para validar un modelo multivariado al seleccionar una gran cantidad de submuestras y estimar modelos para cada submuestra. Las estimaciones de todas las submuestras se combinan, proporcionando no solo los "mejores" coeficientes estimados (p. ej., medias de cada coeficiente estimado en todos los modelos de submuestra), sino ademas su variabilidad esperada y, por lo tanto, su probabilidad de diferir de cero es decir, ¿los coeficientes estimados son estadísticamente diferentes de cero o no? Este enfoque no se basa en suposiciones estadísticas sobre la población para evaluar la significación estadística, pero en cambio, realiza su evaluación basándose únicamente en los datos de la muestra.


Multicolinealidad

Grado de hasta qué punto una variable puede explicarse por el comportamiento de las otras variables en el análisis. A medida que aumenta la multicolinealidad, complica la interpretación de la variabilidad porque es más difícil determinar el efecto de cualquier variable individual, debido a sus a que están correlacionadas.


P

Potencia

Es la probabilidad de rechazar correctamente la hipótesis nula cuando esta es falsa; es decir, encontrar de manera correcta una relación hipotética cuando esta existe.

Se determina como una función de:

(1) El nivel de significancia estadística establecido por el investigador para un Error tipo I ( \alpha).

(2) El tamaño de muestra para el análisis (n), y

(3) El tamaño del efecto que esta siendo examinado.


S

Significancia práctica

Medio de evaluación para resultados en Análisis multivariado basados en valor sustantivo mas que en su significancia estadística. Mientras que la significancia estadística si los resultados son atribuibles o no a la aleatoriedad, la significancia práctica se centra en si los resultados son útiles (i.e. suficientemente sustanciales como para garantizar una acción) para lograr los resultados de investigación.



Page: (Previous)   1  2  3  (Next)
  ALL