INTRODUCCION CONCEPTUAL AL ANALISIS MULTIVARIABLE- UN ENFOQUE INFORMATICO CON LOS PAQUETES

INTRODUCCION CONCEPTUAL AL ANALISIS MULTIVARIABLE. UN ENFOQUE INFORMATICO CON LOS PAQUETES-PPU - VOL I Y VOL II . 1989

BUEN ESTADO - RUSTICA CON SOLAPAS - PESAN 1700 GRAMOS

"Introducción conceptual al análisis multivariable" es una obra clásica de referencia académica en estadística aplicada, escrita por Rafael Bisquerra Alzina y publicada originalmente en 1989 por la editorial PPU. El libro destaca por ofrecer un enfoque informático y práctico enfocado en las ciencias sociales y la educación.

Estructura y Contenido de la Obra

La obra se concibió originalmente en dos volúmenes independientes pero complementarios: [1]

• Volumen 1: Se centra en las bases teóricas iniciales y las primeras aproximaciones a la interdependencia de datos.
• Volumen 2: Profundiza en modelos avanzados, técnicas de clasificación y análisis predictivos complejos

El valor diferencial de este texto en su época (y que mantiene como base formativa) fue la integración de la teoría estadística con los paquetes informáticos pioneros del análisis de datos:

• SPSS-X (Base de lo que hoy conocemos como IBM SPSS Statistics).
• BMDP (Biomedical Computer Programs).
• LISREL (Utilizado para modelos de ecuaciones estructurales).
• SPAD (Especializado en análisis de correspondencias y datos textuales). [1]

¿Qué aporta el enfoque de Bisquerra Alzina?

A diferencia de los manuales puramente matemáticos, Bisquerra Alzina diseñó esta guía orientada a investigadores que necesitan aplicar y entender los resultados sin perderse en demostraciones algebraicas complejas:

• Comprensión intuitiva: Explicación conceptual de qué hace cada técnica multivariable antes de saltar al software.
• Interpretación de resultados: Enseña a leer los reportes y pantallas que devuelven los programas estadísticos.
• Enfoque metodológico: Vincula el análisis de datos directamente con el diseño de la investigación educativa y socia

comprende el estudio simultáneo de múltiples variables para identificar patrones que el análisis univariante no detecta:

• Técnicas de Dependencia: Regresión múltiple, Análisis Varianza Multivariable (MANOVA) y Análisis Discriminante.
• Técnicas de Interdependencia: Análisis Factorial (exploratorio y confirmatorio), Análisis de Componentes Principales (ACP) y Análisis Cluster (conglomerados).