Análisis multivariante aplicado con R Joaquín Aldás y Ezquiel Uriel

Incluye bibliografía

1. Introducción. 2. Análisis previo de los datos. 3. Análisis de conglomerados. 4. Escalamiento multidimensional. 5. Análisis d correspondencias. 6. Análisis de la varianza. 7. Análisis multivariante de la varianza. 8. Regresión lineal múltiple. 9. Análisis discriminante. 10. Regresión logística. 11. Análisis de componentes principales. 12. Análisis factorial exploratorio. 13. Modelos de ecuaciones estructurales: análisis factorial confirmatorio. 14. Modelos de ecuaciones estructurales: validación del instrumento de medida. 15. Modelos de ecuaciones estructurales: modelos de estructuras de covarianza (CB-SEM) 16. Modelos de ecuaciones estructurales: modelos e estructuras de varianza (PLS-SEM).

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 máster que preparan asignaturas de estadística, investigación de mercados o métodos cuantitativos aplicados a la economía, la dirección de empresas, la sociología o 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 que se está convirtiendo en el programa estándar en la mayoría de universidades europeas, dado que, además de ser gratuito y, por ello, accesible a todos los usuarios, sus paquetes marcan la frontera de la investigación en análisis estadístico.
El enfoque del manual combina la rigurosidad con la aplicabilidad práctica a partir del desarrollo de más de 40 casos resueltos y multitud de ejemplos que permiten entender la lógica de la técnica de análisis de datos y cómo aplicarla fácilmente mediante R. Asimismo, la web del manual permite al usuario acceder a todas las bases de datos que soportan esos casos, así como a la sintaxis que permite su resolución mediante R.
Además de un capítulo 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 la varianza, análisis multivariante de la varianza, regresión lineal múltiple, análisis discriminante, regresión logística, análisis de componentes principales, análisis factorial, análisis factorial confirmatorio, validación de los instrumentos de medida, modelos de ecuaciones estructurales y PLS-SEM.