Incluye índice.

Capítulo 1: Introducción a las técnicas de análisis multivariante de datos: Clasificación de las técnicas de análisis multivariante de datos por objetivo principal , Clasificación de las técnicas de análisis multivariante de datos por tipo de variables ; Clasificación global de las técnicas de análisis multivariante de datos ; Métodos explicativos: técnicas del análisis de la dependencia ; Métodos descriptivos: técnicas del análisis de la interdependencia ; Técnicas emergentes de análisis multivariante de datos ; Fases a seguir en las técnicas de análisis multivariante de datos -- Capítulo 2: Primeros pasos en el análisis multivariante, análisis exploratorio de datos; Análisis previo de los datos ; Análisis exploratorio y gráfico de los datos ; Análisis de los datos ausentes ; Análisis y detección de valores atípicos ; Comprobación de los supuestos del análisis multivariante -- Capítulo 3: SPSS y el análisis exploratorio de datos. Datos atípicos y ausentes: Análisis exploratorio de los datos con SPSS. El procedimiento explorar ; Gráficos de análisis exploratorio con SPSS ; Tratamiento de los valores ausentes con SPSS ; EL procedimiento frecuencias de SPSS ; El procedimiento descriptivos de SPSS ; Los procedimientos informe de estadísticos en filas y columnas de SPSS ; Ejercicio 3-1 ; Ejercicio 3-2 -- Capítulo 4: Análisis en componentes principales: Objetivo del análisis en componentes principales ; Obtención de las componentes principales ; Varianzas de las componentes ; Estructura factorial de las componentes principales ; Puntuaciones o medición de las componentes ; Contrastes sobre el número de componentes principales a retener ; La regresión sobre componentes principales y el problema ; La regresión ortogonal y las componentes principales ; Interpretación geométrica del análisis en componentes principales ; Propiedades muéstrales de las componentes principales -- Capítulo 5: Análisis factorial: Objetivo del análisis factorial ; El modelo factorial ; Método de Turstone para obtener los factores ; Método del factor principal para obtener los factores ; Método Alpha para obtener los factores ; Método del centroide para obtener los factores ; Método de componentes principales iteradas o ejes principales para obtener los factores ; Método de máxima verosimilitud para obtener los factores ; Métodos minres, ULS y GLS para obtener los factores ; Contrastes en el modelo factorial ; Interpretación geométrica del análisis factorial ; Rotación delos factores ; Rotaciones ortogonales ; Rotaciones oblicuas ; Puntuaciones o medición de los factores ; Análisis factorial exploratorio y confirmatorio -- Capítulo 6: Componentes principales y análisis factorial con SPSS: Componentes principales y análisis factorial ; Esquema general del análisis factorial ; SPSS y el análisis factorial ; Ejercicio 6-1 ; Ejercicio 6-2 -- Capítulo 7: Métodos factoriales en general. Análisis de correspondencias: Cantidad de información y distancias ; Análisis general de los métodos factoriales ; Componentes principales como caso particular del análisis factorial general ; Análisis factorial de correspondencias ; Análisis de correspondencias simples ; Análisis de correspondencias: múltiples -- Capítulo 8: SPSS y el análisis de correspondencias: SPPS y correspondencias simples ; SPSS y las correspondencias múltiples ; Aplicaciones del análisis de correspondencias ; Ejercicio 8-1 ; Ejercicio 8-2 - Capítulo 9: Escalamiento óptimo y multidimensional: Concepto de escalamiento óptimo ; Correlación canónica no lineal ; Análisis de componentes principales categóricas ; Concepto de escalamiento multidimensional ; Modelos de escalamiento multidimensional ; Interpretación de los resultados vectorial ; Aplicaciones del MDS y su relación con otras técnicas de análisis de datos -- Capítulo 10: Escalamiento óptimo y multidimensional en SPSS: SPSS y el escalamiento óptimo ; SPSS y el escalamiento multidimensional ; Ejercicio 10-1 ; Ejercicio 10-2 ; Ejercicio 10-3 ; Ejercicio 10-4 ; Ejercicio 10-5 -- Capítulo 11: Modelos logarítmicos lineales y tablas de contingencia: Tablas de contingencia ; El modelo logarítmico lineal ; Independencia y asociación en modelo logarítmico lineales ; Estimación máximo verosímil de los parámetros del modelo ; Análisis de los residuos – Capítulo 12: Modelos logarítmicos lineales y tablas de contingencia con SPSS: El procedimiento tablas de contingencia ; El procedimiento resumir ; SPSS y los modelos logarítmico lineales ; Ejercicio 12-1 ; Ejercicio 12-2 ; Ejercicio 12-3 ; Ejercicio 12-4 -- Capítulo 13: Clasificación y segmentación mediante análisis clúster: Concepto de análisis clúster ; Distancias y similitudes ; Clústeres no jerárquicos ; Clústeres jerárquicos: dendograma ; Análisis de conglomerados en dos fases -- Capítulo 14: Clasificación y segmentación mediante análisis clúster con SPSS: Principios del análisis clúster ; Esquema general del análisis clúster ; SPSS y el análisis clúster no jerárquico ; SPSS y el análisis clúster jerárquico ; SPSS y el análisis clúster en dos fases ; Ejercicio 14-1 ; Ejercicio 14-2 -- Capítulo 15: Clasificación y segmentación mediantes análisis discriminante: Concepto de análisis discriminante ; Clasificación con dos grupos ; Contrastes y probabilidad de pertenencia (2 grupos) ; Clasificación con más de dos grupos ; Análisis discriminante canónico -- Capítulo 16: SPSS y la clasificación y segmentación mediantes análisis discriminante: Principios del análisis discriminante ; Esquema general del análisis discriminante ; SPSS y el análisis discriminante ; Ejercicio 16-1 ; Ejercicio 16-2 -- Capítulo 17: Análisis de la varianza y la covarianza: Introducción del análisis de la varianza ; Análisis de la varianza simple (un solo factor): modelo unifactorial de efectos fijos ; Modelo unifactorial de efectos aleatorios ; Análisis de la varianza con varios factores: modelo bifactorial de efectos fijos ANOVA IIF , Modelo bifactorial general con efectos aleatorios ANOVA IIA ; Modelo bifactorial general con efectos mixtos ANOVA IIM ; Modelo en bloque aleatorizados ; Modelo ANOVA factorial con tres factores ; Modelo en cuadrado latino ; Modelos de la covarianza ANCOVA ; Modelo MANCOVA (análisis de la covarianza múltiple) -- Capítulo 18: Análisis de la varianza y la covarianza con SPSS: Procedimiento ANOVA de un factor ; Procedimiento MLG univariante ; Procedimiento MLG multivariante ; Procedimiento MLG mediadas repetidas ; procedimiento componentes de la varianza , Ejercicio 18-1 ; Ejercicio 18-2 ; Ejercicio 18-4 ; Ejercicio 18-5 ; Ejercicio 18-6 -- Capítulo 19: ODELOS DE ELCCIÓN DISCRETA Logit y Probit. Regresión de Cox: SPSS y la regresión logística ; SPSS y la regresión logística multinomial ; SPSS y los modelos Logit y Probit ; Procedimiento tablas de mortalidad ; Procedimiento Kaplan-Meier ; Procedimiento Regresión de Cox ; Ejercicio 20-1 ; Ejercicio 20-2 ; Ejercicio 20-3 ; Ejercicio 20-4 -- Capítulo 21: Análisis conjunto: Concepto de análisis conjunto ; El análisis conjunto como una técnica multivariante de la dependencia ; Técnicas composicionales y descomposicionales ; Aplicaciones del análisis conjunto ; Análisis conjunto a través del perfil completo ; Análisis conjunto y diseños de experimentos -- Capítulo 22: SPSS y el análisis conjunto: Análisis conjunto a través de SPSS ; SPSS y el método del concepto completo ; Un ejemplo completo a través de SPSS ; Ejercicio 22-1 ; Ejercicio 22-2.