Tcnicas de anlisis multivariable I

M.D. Peris

UB - 2014

1. La aplicacin del Anlisis multivariable

2. Introduccin de variables
3. El fin de la falacia dualista cuantitativo vs. cualitativo: Diseo mixto
4. Anlisis exploratorio de datos (EDA)
5. Recodificaciones
6. Anlisis Multivariable
7. Anlisis Factorial
8. Anlisis Cluster
9. Anlisis de Correspondencias
10. Escalamiento Multidimensional (MDS)
11. Anlisis de Redes

1. La aplicacin del Anlisis multivariable

Para realizar este curso es necesario tener claros los principios racionales de la
estadstica, 1 aunque no se dominen sus algoritmos de clculo, ya que los paquetes
estadsticos se encargan de aplicarlos. 2 Pero aunque el especialista en CCSS aplique
las tcnicas sin ocuparse del clculo que se ha automatizado informticamente, si
necesita entender la lgica que siguen las diferentes tcnicas y opciones cuando
relacionan el input de datos con el output de resultados. Asimismo ha de conocer las
principales partes de la estadstica porque el anlisis multivariable 3 utiliza conceptos
propios de la estadstica univariable y bivariable. Y porque en la mayora de los
problemas prcticos se utilizan diferentes niveles de anlisis.
Generalmente en la fase que sigue a la mtrica o conceptualizacin de la
informacin, consistente en la depuracin de datos y sus transformaciones, se utilizan
las tcnicas univariantes/univariables descriptivas. Y tambin se toman decisiones
sobre los estadsticos de posicin y de desviacin de cada variable. A su vez todas las
tcnicas multivariantes/multivariables 4 se inician con una matriz que combina todas
las relaciones bivariables y su interpretacin ayuda a la de los resultados finales,
necesitando decidir opciones a partir de esta fase bivariable. Y conceptos propios de la
inferencia estadstica 5 como el de significacin se integran en prcticamente todas las
tcnicas. Por tanto no se puede abordar un curso de anlisis multivariable sin el
conocimiento bsico de los principales campos de la estadstica.
Cierto que en los cursos aplicados a una disciplina concreta, como son las TIS
(tcnicas de investigacin social/sociolgica), se asume la interdisciplinaridad, por la
1

Acreditacin Informtica, 2008. Estadstica. http://www.slideshare.net/linuxfrog/estadisticapresentation-656007

2
Open Learning Initiative Carnegie Melon University. 2012. Statistical Reasoning.
http://oli.cmu.edu/courses/free-open/statistical-reasoning-course-details/
3
Open Learning Initiative Carnegie Melon University. 2012. Probability & Statistics
http://oli.cmu.edu/courses/free-open/statistics-course-details/
4
En adelante se utiliza una de las opciones, la traduccin literal del ingls, aunque todava no
existe consenso entre las denominaciones multivariable-multivariante-multivariado/a.
5
Cabrera Garca, S. 2011. Distribuciones en el muestreo. Conceptos generales. UPV
http://www.youtube.com/watch?v=axLHMEIVQas

M.D. Peris

Tcnicas de anlisis multivariable I

UB. 2014

que el especialista de un campo de aplicacin considera que los especialistas en las

materias estadsticas e informticas le han preparado el paquete estadstico y sus
opciones de forma que ya no tiene que ocuparse del clculo. Pero si no necesita el
conocimiento de los algoritmos ni de sus fundamentos matemticos, si necesita
conocer el uso de los paquetes estadsticos que incluyen tcnicas multivariables. De
los que el ms conocido hasta ahora ha sido el SPSS, 6 por lo que cuenta con
abundantes tutoriales de libre acceso. 7 De entre todos los accesibles en espaol cabe
resaltar para este curso el de las profesoras de la UCM Cea DAncona y Blanco
Moreno, agradeciendo su permiso de acceso libre a un amplio material didctico muy
bien estructurado.8
Resumiendo, este es un curso input-output, en el que se estudia el
procedimiento desde el origen de la informacin (input) hasta la interpretacin
(output), pero dejando en la caja negra representada por el paquete estadstico la
demostracin de los algoritmos de clculo que constituyen el nexo entre las
caractersticas de los datos y la de los resultados. Es una forma de racionalizar los
esfuerzos del trabajo aplicado, y asumir la divisin de tareas que conlleva la
parcializacin disciplinar, porque los estadsticos, informticos y matemticos que se
han ocupado de preparar estos clculos en el paquete estadstico, no se ocupan de las
aplicaciones, que es la tarea que nos corresponde, pero no la que son materia de
otras disciplinas.
Por otra parte se necesitan utilizar fuentes de datos para anlisis multivariable
o crear la propia matriz, que supone un plus de trabajo y complejidad. Para empezar
a entender estas tcnicas se pueden utilizar bases de datos de acceso abierto, como
las que proporcionan organismos como el CIS. Para este fin conviene contar con un
listado de enlaces de fuentes, 9 bases de datos mundiales 10 y propias, 11 baremos, 12
e indicadores. 13 En las pginas web oficiales de las poblaciones y pases, se aportan
las bases de las estadsticas oficiales, de las que en el anexo I se adjunta un listado
de las principales internacionales y locales. Hay que hacer la advertencia de que la
mayora de estas fuentes se han preparado para anlisis univariable, por lo que hay
que resolver problemas que afectan al anlisis multivariable, principalmente la amplia
abundancia de missings, su variada tipologa de codificacin (no sabe-no contesta, no
responde, etc.), la errnea codificacin de las variables dicotmicas como 1 vs. 2 y
sobre todo, homologar las escalas de medida utilizadas para cada una de las variables
que se seleccionen para un mismo anlisis multivariable.

Hernndez, E. Tutorial de SPSS. Video 1. 2013. Estos son 10 videos tutoriales.

http://www.youtube.com/watch?v=xE3-qlHGCSo o bien
http://www.youtube.com/watch?v=BU0RgEM6KYc
7
archivo http://www.uam.es/personal_pdi/economicas/eva/pdf/intro1.pdf
8
Blanco Moreno, F y Cea DAncona, M.A. Introduccin al anlisis de datos y anlisis
multivariante. 2012.
http://pendientedemigracion.ucm.es/info/socivmyt/paginas/D_departamento/materiales/dato
s_multivariante.htm
9
http://www.cis.es/cis/opencms/ES/enlaces.html
10
http://www.cis.es/cis/opencms/ES/4_biblioteca/RecursosElectronicos/BasesdeDatos.html
11
http://www.cis.es/cis/opencms/ES/2_bancodatos/
12
http://www.cis.es/cis/opencm/ES/11_barometros/depositados.jsp
13
http://www.cis.es/cis/opencms/ES/11_barometros/indicadores.html

M.D. Peris

Tcnicas de anlisis multivariable I

UB. 2014

2. Introduccin de variables
Se comienza con la introduccin de los datos en el programa informtico, que
en este curso es el SPSS 14 y sobre el que existen muchos tutoriales en la red en
espaol. Sobre la introduccin de los datos 15 conviene clarificar algunas cuestiones
todava confusas, porque no afectan al anlisis univariable, pero sin embargo si lo
hacen al multivariable. La principal, como ya se ha apuntado, se refiere a la
codificacin de las variables dicotmicas, tambin denominadas discretas, que son
aquellas que tienen tan slo dos opciones, de la que la ms habitual es el sexo. Con el
fin de realizar anlisis multivariables que obligan a obtener coeficientes de correlacin,
asociacin, proximidad o distancia entre las variables, hay que codificarlas como 1
para la opcin que se desee interpretar y como 0 aquella que se entiende como su
ausencia. Por ejemplo, si el estudio est centrado en el anlisis de las mujeres, ser 1
el cdigo con el que se identifique este hecho y 0 su ausencia. Si por el contrario se
analizan roles masculinos, se otorgar un 1 a los varones y un 0 a quienes no tengan
esta caracterstica. Es decir, la variable con dos opciones se introduce como si se
tratara de una sola opcin en trminos de presencia vs. ausencia. Esta codificacin es
imprescindible para que sea tratada matemticamente como una variable binomial,
donde la serie de decimales que se suceden entre 0 y 1 constituye una escala de
mtrica continua.

3. El fin de la falacia dualista cuantitativo vs. cualitativo: Diseo mixto

Con el fin de analizar conjuntamente toda la informacin obtenida sobre un
mismo tema, hay que abandonar la dicotoma entre variables cualitativas 16 y
cuantitativas. 17 Es preferible partir de que toda informacin es mensurable y no se
presenta como numrica, sino como un hecho u objeto perceptible y por tanto con
carcter cualitativo. Porque aunque la edad, la inteligencia o la riqueza sean
susceptibles de ser medidas en escalas numricas, en el entorno social analizado no
aparecen con una etiqueta que indique su cantidad o magnitud. Esto se obtiene a
travs de instrumentos creados para tal fin. Por consiguiente, la diferencia entre las
variables cuantitativas y cualitativas no est en las variables, que por ello en sentido
estricto no se pueden calificar de esa forma, sino en la capacidad de los especialistas
en construir o la incapacidad para no construir- escalas de medida. De hecho todas
las ciencias se inician con informacin no cuantificada y su avance se asocia con el
desarrollo de instrumental mtrico. Hasta el punto que el progreso en cada campo
depende de la sensibilidad de su instrumental mtrico, como actualmente se evidencia
a travs de la posibilidad de la nanometra. Los colores ilustran este proceso porque
desde una informacin cualitativa percibida por el ojo humano, son susceptibles de
medirse por la longitud de su onda luminosa.

14

Bastidas, M. 2013. Introduccion de variables en el IBM SPSS

http://www.youtube.com/watch?v=94Yd3eEqfHw
15
Hernndez, E. 2013. Tutorial de SPSS Video 2.
http://www.youtube.com/watch?v=BU0RgEM6KYc
16
Tutorial de SPSS Vido 3. http://www.youtube.com/watch?v=SpyQFWAchZA
17
Tutorial de SPSS 4. http://www.youtube.com/watch?v=-Vjg4_y108o

M.D. Peris

Tcnicas de anlisis multivariable I

UB. 2014

Por ello mantener esta falsa dicotoma adems de ser errnea, es una forma de
impedir el desarrollo de disciplinas como la sociologa, donde la confusin impide
discernir lo que es investigacin de lo que son meras opiniones subjetivas y carentes
de toda validez cientfica. Es a travs de la medida, o de la metrologa, como se
procede a transformar la informacin percibida en modo cualitativo en Dato
cuantitativo. Y este proceso transformador se puede aplicar a TODO tipo de
informacin, luego se trata de dos niveles sucesivos de tratamiento o registro y no de
dos tipos de informacin. Mucho menos de dos tipos de investigacin, mtodos o lo
que se quiera titular para una falacia dualista que ha retrasado en ms de medio siglo
la investigacin social. No es necesario abundar los intereses a los que sirve. Para
resumir, hay que diferenciar con toda nitidez los diferentes niveles de generalizacin.
1.- Variables: La realidad concreta, de la que se obtiene un determinado tipo
de informacin que ya en si misma es un reduccionismo y un posible sesgo a controlar
en relacin a que atributos se registran y cuales se ignoran. En este proceso es
fundamental atender a la representatividad de los trminos utilizados y a la ausencia
de agregaciones que confundan el objetivo de estudio. Cada atributo, fenmeno,
objeto o aspecto de la realidad considerada relevante para la investigacin, constituye
una variable. Algunos tratados establecen diferencias entre la informacin, como algo
holstico, por ejemplo una grabacin, y las variables como la atomizacin en parcelas
claramente identificadas de dicha realidad.
2.- Datos: Los parmetros con los que se miden diferentes fenmenos y
atributos con el fin de establecer una magnitud que diferencie situaciones o unidades
de medida. El ms simple es el registro de presencia vs. ausencia, es decir, si se
observa o no o si existe o no la informacin a registrar. Es necesario que en el
conjunto de datos exista variabilidad, porque si es constante la presencia o la
ausencia, entonces no constituye una variable y por tanto no es vlida esta
informacin para el anlisis estadstico que consiste precisamente en el anlisis de las
variabilidades. Esta consideracin apunta a que la simple anotacin de la presencia vs.
ausencia de una variable, es algo diferente a la variable misma, porque es el
parmetro que registra su magnitud, aunque sea en ese nivel mnimo de existencia
vs. ausencia.
Hay 3 parmetros que se han generalizado para la observacin de la realidad:
- La duracin cronometrada en tiempo, y por ello en una escala continua.
- La frecuencia acumulada por el recuento de ocasiones en que se repite un
hecho en un periodo de tiempo dado, que se registra en una escala de intervalo,
puesto que no hay continuidad entre dos frecuencias consecutivas.
- La intensidad con la que dicho fenmeno se da y que puede constituir una
escala objetiva si existen instrumentos para su medicin exacta, pero que en CCSS
suele registrarse como escala subjetiva y por ello ordinal. Es el caso de anotar si la
intensidad es baja, media o alta a partir de la percepcin del observador.
Hay por tanto una clara diferenciacin entre la variable, que es la referencia
ms o menos operativizada a la informacin seleccionada de la realidad. Hay una

M.D. Peris

Tcnicas de anlisis multivariable I

UB. 2014

gradiante de operativizacin 18 desde que simplemente se denomina con su concepto

hasta la construccin de indicadores objetivos, como pueden ser los ratios de renta
per cpita o los estadsticos macro que establecen cantidades poblacionales en
trminos de tasas (de natalidad, de esperanza de vida,..), de datos individuales
(edad, nivel de estudios,..) o de nivel grupal. Ciertamente la mtrica de las variables,
concretada en el dato para cada unidad de medida, no es homognea como lo es en
las ciencias exactas. Pero esto no es un impedimento si bien es una dificultad y tarea
a resolver- para su tratamiento con tcnicas de anlisis multivariable. Tan slo es
necesario conocer las tcnicas de mtrica social por las que las variables son
cuantificadas mediante las escalas ms apropiadas al registro que han realizado ms o
menos preciso de la realidad representada.
Ahora bien, el nmero y tipo de escalas de mtrica social no es ambiguo ni
ilimitado. Gracias al consenso entre los especialistas en CCSS en adoptar las escalas
publicadas por Stevens en 1946, 19 desde esta fecha la metrologa permite
transformar en dato numrico cualquier cualidad, por sutil que parezca. Y la
posibilidad de introducir todo tipo de informacin como dato, y por tanto como
nmero, evita la desafortunada dicotoma entre variables cualitativas y cuantitativas,
porque realmente las variables son las referencias a hechos reales diversos (que
varan) y no son en si mismas ni cualitativas ni cuantitativas porque se trata de un
referente, una abstraccin de la realidad a nivel conceptual. Es por ello un objeto
lingstico cuya semntica es necesario sistematizar para evitar confusiones. Por
ejemplo se ha de clarificar la diferencia entre los trminos discriminacin, exclusin,
marginacin, rechazo, estigmatizacin y tantos otros que se utilizan de forma
sinnima, dificultando su revisin en las bases de datos y su integracin. Esta falta de
sistematizacin conceptual es un problema de las variables, no de los datos. As se
clarifica que las variables son representaciones o generalizaciones seleccionadas por el
investigador de la realidad, cuyo significado apela necesariamente a una simbologa
textual siempre. Por tanto se podra concluir que todas las variables, en tanto que
objetos lingsticos con significado, son cualitativas. Y todo registro de una variable,
aunque sea la mera presencia vs. ausencia o sea un parmetro ms sensible (con ms
registros que el mero 0-1), es un dato y por tanto, todas las variables transforman su
significado lingstico en un dato cuantitativo. Cualidad y cantidad no son dos clases
de variables, no son dos dimensiones de la realidad. Son dos niveles de cada una de
las variables y por ello, de cada uno de los aspectos de la realidad seleccionados para
el anlisis. Toda variable es por ello cuantificable. El anlisis multivariable
necesariamente ha superado la falacia dualista que como tantos otros dualismos
(mente vs. organismo, alma vs. cuerpo, espritu vs. materia) han supuesto un
parntesis medieval entre la ciencia clsica que destruyeron en Alejandra y se lenta
recuperacin actual.
De este modo se concluye a efectos prcticos que es absolutamente factible que
toda la informacin sea analizada conjuntamente a travs de sus datos numricos. Por
lo que en ltima instancia todas las variables adoptan un carcter numrico para

18

Peris, M.D. 2004. Operativizacin de variables. En O. Ua y A. Hernndez (Eds.) Diccionario

de Sociologa. Madrid: Ed. URJC. ESIC. pp. 1013-1014.
19
S. S. Stevens. On the Theory of Scales of Measurement. Science. New Series, Vol. 103, No.
2684 (Jun. 7, 1946), pp. 677-680. Disponible en
http://gaius.fpce.uc.pt/niips/novoplano/mip1/mip1_201314/scales/Stevens_1946.pdf

M.D. Peris

Tcnicas de anlisis multivariable I

UB. 2014

poder participar del anlisis multivariable. El proceso de esta transformacin se detalla

en Peris (2013).20

4. Anlisis exploratorio de datos (EDA)

Una vez codificada toda la informacin en datos numricos, el anlisis
exploratorio de datos constituye una primera fase para depurar y as proceder a
recodificar los datos anmalos, irregulares o heterogneos, con el fin de que se
adapten a los requisitos de las tcnicas multivariables. Esta preparacin de los datos
univariables es necesaria ( Ponce Aruneri, 2009, I 21 y II 22 ) para que se cumplan los
requisitos de normalidad y homogeneidad requeridos para realizar las correlaciones
bivariables, as como los de linealidad y homoscedasticidad que exigen la mayora de
tcnicas multivariables. Abundan en la red documentacin sobre este proceso y sus
pasos, como la presentacin de Figueras y Gargallo.23
El anlisis exploratorio de datos 24 nace como consecuencia de la posibilidad
que los paquetes estadsticos permiten para acumular gran cantidad de informacin
en una misma matriz. Y la exigencia de describirla con los mismos criterios a fin de
homogeneizarla para permitir su anlisis conjunto. Su difusor a principios de los 70,
Tuckey, acu el acrnimo EDA (Exploratory Data Anlisis) con el que es conocido.
Inicialmente se propuso como una alternativa a la estadstica inferencial, dado que
tena un objetivo meramente descriptivo de las muestras, sin pretensiones de
generalizacin poblacional. Lo que abri el debate todava no cerrado acerca de la no
necesidad de definir hiptesis cuando tan slo se pretende hacer un anlisis
exploratorio de la informacin para el que no hay prejuicios ni previsiones.
Actualmente el anlisis exploratorio no es tanto un enfoque alternativo, sino una fase
previa de toda investigacin y por ello, las hiptesis se pueden definir posteriormente
cuando se realizan anlisis secundarios. Aunque lo habitual es establecerlas antes de
seleccionar los datos, porque son las que identifican el tipo de informacin o variables
relevantes. En su concepto, sin embargo, el anlisis exploratorio pretende eludir la
seleccin y analizar toda la informacin accesible sobre una parcela de la realidad, con
el fin de descubrir nuevas variables antes no identificadas o nuevas relaciones no
previstas en las hiptesis previas. Tiene un objetivo innovador, creativo y amplificador
del conocimiento previo, de ah que rompa con cualquier limitacin de opciones
posibles. Es por ello el enfoque idneo para una ciencia todava sin sistematizar y
carente de teoras verificadas, como lo es la sociologa.
Consecuente al anlisis exploratorio utilizado como descriptor y depurador de la
informacin registrada, tanto si ha sido seleccionada por algn criterio, como si se ha
registrado abiertamente, hay un doble proceso codificador. El pre-exploratorio y el
post-exploratorio. El primero atiende a la mtrica social, es decir, a las escalas
establecidas para transformar la informacin en datos adaptndose a los parmetros
20

Peris, M.D. 2013. La clave del diseo mixto. UB.

Ponce Aruneri, M.E. (2009). 5 Semana Analisis Multivariante Parte I.
http://www.slideshare.net/jpgv84/5-semana-analisis-multivariante-parte-i
22
Ponce Aruneri, M.E. 2009. 5 Semana Analisis Multivariante Parte II.
http://www.slideshare.net/jpgv84/5-semana-analisis-multivariante-parte-ii
23
Figueras, S. y P. Gargallo. 2003. Anlisis exploratorio de datos (A.E.D.).
http://www.slideshare.net/leningvieralopez/estadistica-aed
24
http://en.wikipedia.org/wiki/Exploratory_data_analysis
21

M.D. Peris

Tcnicas de anlisis multivariable I

UB. 2014

factibles de registro, que dada su variedad exigen diferentes escalas. La variabilidad

de las escalas sociales es consecuencia de la variabilidad de la informacin social, as
como de la ausencia de instrumentos precisos para registrarla en escalas continuas. El
registro en escalas continuas es un objetivo que como ha sido alcanzado
sucesivamente por todas las ciencias ms desarrolladas, se puede prever que tambin
se alcanzar en un futuro de las CCSS. De hecho actualmente ya se registran
objetivamente y en escalas continuas procesos individuales a travs de las
neuroimgenes, superando las escalas subjetivas ordinales.
Pero salvando estos avances, actualmente la variedad de escalas mtricas, si
bien permite incluir toda la informacin en una base de datos, impide el anlisis
conjunto de las variables registradas en diferentes escalas. Los anlisis multivariables
requieren realizar previamente anlisis de relacin bivariables y por ello, al tener que
aplicar el mismo coeficiente de asociacin a las combinaciones de todas las variables
tomadas por parejas, o alternativamente a todas las relaciones entre casos tomados
por parejas, se exige que todas las analizadas conjuntamente tengan la misma
mtrica porque los coeficientes de asociacin bivariables son diferentes para cada tipo
de mtrica. Si se ha de aplicar el coeficiente de correlacin de Pearson, las variables
han de estar medidas en escalas continuas o de intervalo. Si se aplica el coeficiente
Phi en escala binomial. Y as sucesivamente, se pueden revisar todos los coeficientes y
tal como hay que seleccionar en los paquetes estadsticos como opcin previa a todas
las tcnicas multivariables, es necesario definir la escala en que estn medidas las
variables incluidas en el anlisis. Lo que exige que sea la misma escala para todas.
El problema que se sigue es la imposibilidad de poder analizar conjuntamente
variables medidas en diferente escala mtrica y por tanto, la imposibilidad de cumplir
con el objetivo de modelizar conjuntamente toda la informacin de la materia
estudiada. Y la forma de resolver este problema pasa por la homologacin de estas
escalas a travs de su recodificacin. As pues hay dos pasos en el proceso de
codificacin: el primero atiende a la mtrica social en sus diferentes escalas. Pero el
segundo exige la transformacin de todas las escalas en una sola. Este es el
denominado proceso de recodificacin.

5. Recodificaciones
Una vez realizado el anlisis exploratorio o simplemente el descriptivo
univariable 25, se procede a la recodificacin de aquellas variables que lo requieran, 26
siguiendo los procedimientos que para tal fin prevn los paquetes estadsticos. 27
Una advertencia preliminar es la de no borrar nunca el registro original de cada
variable, porque a partir de cada registro original se pueden calcular diferentes
indicadores, nuevas variables 28 y codificaciones alternativas que sern de utilidad
25

Olguin Garca, D.M. Recodificacin de Variables en SPSS y Estadstica Descriptiva

http://www.youtube.com/watch?v=hYWxP8CDe1Q
26
Sanabria, P.A. Tutorial SPSS: Calcular y recodificar variables.
http://www.youtube.com/watch?v=8OSr-42wlfc
27
Bello Parias, L.D. Recodificacin con SPSS.avi
http://www.youtube.com/watch?v=vdmKn78o4bs
28
Caballero, P. Clculo de Nuevas variables con SPSS
http://www.youtube.com/watch?v=azCZBB3xcD8

M.D. Peris

Tcnicas de anlisis multivariable I

UB. 2014

cada una de ellas para diferentes anlisis. As pues una sola recodificacin 29 no agota
las posibilidades y para nuevas transformaciones 30 siempre hay que volver a utilizar
el registro original. Por ejemplo para proceder con diferentes ponderaciones 31 para
diferentes agregaciones de variables o agrupaciones de casos. 32
Y una regla general es que siempre se puede transformar una escala superior
en inferior. Se puede reducir la amplitud del recorrido o/y eludiendo los requisitos de
continuidad o de equivalencia de distancias entre puntuaciones o intervalos. Pero no
se puede realizar directamente el proceso inverso. As pues lo que siempre es posible
es transformar toda la informacin al nivel ms simple: la dicotoma. Pero en ese caso
se pierden los matices y la precisin y por ello se produce un reduccionismo de la
informacin y una perdida de sensibilidad. El resto de transformaciones tiene
diferentes limitaciones que a continuacin se sistematizan.
1.- Reduccin a una escala dicotmica.
A) Conservando todos los casos:
- En las variables continuas y de intervalo se establece un punto de corte en la
media, con el fin de igualar los dos grupos resultantes, el superior y el inferior a la
media.
- En las variables ordinales se establece un punto de corte en la mediana con lo
que se deja el 50 % en cada grupo. Cuando la escala tiene un nmero impar de
grados se ha de decidir como se reparten las frecuencia del grado con puntuacin
coincidente con la mediana. Para evitar este problema conviene que la escala ordinal
tenga un nmero par de grados, aunque si no es simtrica tambin puede recaer la
mediana en un valor y no en un punto intermedio entre dos valores.
- En las variables multinomiales, polinmicas o categoriales se procede a
construir variables ficticias, denominadas dummy, procedimiento por el que cada una
de las opciones de respuesta menos una se transforman en una nueva variable
dicotmica con presencia o ausencia. El problema de esta transformacin es la
relacin negativa entre las nuevas variables dummy cuando es obligado elegir una
sola opcin, perdiendo el requisito de independencia. Por este motivo no se puede
interpretar la relacin interna entre las variables dummy si la eleccin es una sola
categora y tan slo se utiliza su relacin con el resto de variables. Esta independencia
si se mantiene en las variables dicotmicas o discretas originales, por ello no hay que
confundirlas con las dummy.
B) Seleccionando casos:
En ocasiones interesa conocer tan slo una
ejemplo interesa investigar tan slo la tipologa
situacin o muy conformes con una propuesta,
audiencias o usuarios. En este caso tanto
29

o ambas opciones extremas, por

de los muy satisfechos con una
al objeto de seleccionar futuras
en las variables con mtrica

Caballero, P. Recodificacin de Variables http://www.youtube.com/watch?v=d61Zn1fb2lU

Cruz, O. Recodificacin de variables.avi http://www.youtube.com/watch?v=ouQvJFNgOqA
31
Cruz, O. Ponderar casos. http://www.youtube.com/watch?v=IsqLbgBpGGk
32
Cruz, O. Seleccionar casos y segmentar archivo
http://www.youtube.com/watch?v=8dgC5Y1XNRs
30

M.D. Peris

Tcnicas de anlisis multivariable I

UB. 2014

continua/intervalo o con mtrica ordinal se establece el punto de corte en el percentil

que divida el grupo a investigar del resto. Puede ser el 25% o el 10% o cualquier otra
proporcin limitada por el objetivo del estudio.
Si lo que interesa es comparar las dos opciones extremas, eliminando los casos
indiferenciados, se seleccionan tan slo la proporcin definida por el estudio de cada
extremo: el 5%, el 10%, el 20%,... Y se elimina el resto de casos del anlisis. Hay
una reduccin de la muestra pero tambin una depuracin de ruido para el objetivo
del anlisis, al limitar la variabilidad que no interesa.
Igualmente para las variables multinomiales se pueden agrupar las opciones de
respuesta equivalentes para el objetivo del anlisis en una misma variable, de forma
que si las opciones no eran excluyentes la variable resultante no ser dicotmica, sino
que contendra el agregado de las frecuencias que sumen todas las opciones que la
componen.
Cabe asimismo utilizar el registro de alguna variable para seleccionar los casos
a analizar excluyendo el resto, por ejemplo un intervalo de edad. O bien construir
algn indicador o variable compuesta de agregados que se utilice como filtro para
seleccionar aquellos casos que cumplan con el requisito deseado. En general aunque
la variable que acta como filtro no sea dicotmica, se procede a decidir un punto de
corte y seleccionar aquellos casos que queden por encima, por debajo o entre dos
valores dados. Si la tcnica de anlisis no cuenta con opcin para este filtro, hay que
construir una variable dicotmica que indique si cumple o no el requisito establecido y
condicionar la seleccin de casos a su cumplimiento.
2. Reduccin a escala ordinal.
2.1. Variables continuas y de intervalo. La transformacin a una escala ordinal
se realiza a travs de la agrupacin en intervalos de los valores continuos. No hay que
confundir el significado del trmino intervalo para estas dos funciones.
a) La escala de intervalo no tiene datos agrupados, significa tan solo que la
distancia entre puntuaciones es un intervalo constante y por ello, aunque no se trate
de una escala continua porque no admite decimales, como ocurre con los datos
demogrficos, se trata estadsticamente como nmeros enteros por cumplir con los
requisitos del clculo aritmtico. Es as que el nmero de personas entre 90 y 80 y
entre 20 y 30 es constante. Propiedad que no se puede aplicar a la escala ordinal,
porque al ser subjetiva o no mtrica, se ignora la distancia entre las puntuaciones que
por ello no se puede comparar. Tan slo se mantiene el orden entre ellas.
b) La agrupacin de una escala continua o de intervalo en intervalos (no es un
significado redundante), consiste en establecer puntos de corte equivalentes para
agrupar los datos con el fin de reducir su recorrido. Habitualmente se aplica a la edad
para reducir el intervalo aproximado de 100 aos a 10 grupos en intervalos de 10. O
la renta para igualmente reducirla a diferentes intervalos. Cuantitativamente se
identifica cada intervalo con su valor medio, si bien se suelen tratar como una escala
ordinal porque se pierde sensibilidad y por ello si el objetivo no es una transformacin
en escala ordinal, es preferible no realizar ninguna agrupacin en intervalos.
Para el objetivo de reducir la amplitud de datos registrados en escalas de
intervalo muy diferente tamao, como pueda ser la edad, la renta y la frecuencia de

M.D. Peris

Tcnicas de anlisis multivariable I

UB. 2014

10

cualquier hecho poco habitual, es recomendable la transformacin en una escala

equivalente multiplicando por 0,1, 0,01, 0,001, etc. con el fin de que el valor mximo
no supere el valor de 10 o de 100, segn se considere. Es una transformacin
equivalente a la de frecuencias en porcentajes con el fin de homologar la amplitud de
la escala, pero conservar la precisin. Porque cuando se agrupan las puntuaciones
directas en intervalos siempre se pierde precisin y su efecto es el incremento del
error en los resultados, que no afecta a resultados muy extremos, pero si a los que
exigen esta precisin perdida al agrupar.
As pues una escala con puntuaciones directas es de intervalo, pero unos datos
agrupados no significa que la escala haya sido obtenida en este nivel de medida, ya
que tambin se pueden agrupar datos obtenidos en una escala ordinal. Por ello no se
puede confundir los dos significados para el mismo trmino.
3. Transformacin en escala de intervalo.
La ley general por la que toda transformacin procede desde una escala ms
precisa a otra de precisin inferior se puede eludir gracias al descubierto de la
distribucin normal por Moivre 33 en el s. XVIII, que fundament toda la estadstica
paramtrica. Su precedente es la ley de los grandes nmeros 34 y el teorema central
del lmite 35 obtenida por Bernouilli con variables binomiales 36 que son las discretas /
dicotmicas registradas como presencia (1) o ausencia (0). Clarificando que estos
descubrimientos fueron aplicados casi un siglo despus y atribuidos a sus difusores,
razn por la que se asocian con diferentes nombres como Gaus y Laplace o al belga
Quetelet,37 quien confirm la distribucin normal 38 de prcticamente todos los datos
aleatorios. 39
Por este teorema se justifica el registro mtrico de las variables dicotmicas/
discretas/binomiales para su anlisis estadstico como 1 0. As como la convergencia
de la distribucin de Bernouilli en la normal, dado que los decimales son
matemticamente una medida continua. Pero lo que interesa para la cuestin de la
transformacin que nos ocupa es que si una variable ordinal se distribuye siguiendo la
ley normal, se puede tipificar mediante la transformacin de sus valores en
puntuaciones tpicas, 40 que es una escala de intervalo. As se pueden homologar no
slo las variables ordinales con las de intervalo, sino todas aquellas variables que se
hayan registrado en escala de muy diferente rango. A tal fin casi todas las tcnicas
cuentan con la opcin de estandarizar los datos para poder homologar diferentes
escalas en una escala de intervalo que cumple los requisitos del anlisis paramtrico
multivariable.
33

http://www.eyeintheskygroup.com/Azar-Ciencia/Metodos/Abraham-de-Moivre-DistribucionNormal.htm
34
Xenakis, D. 2014. 08 - Los mundos de la estadstica y la ley de los grandes nmeros
http://www.youtube.com/watch?v=H3-agC9pAjo
35
Parada, R. 2011. El sorprendente Teorema de Limite Central
http://www.youtube.com/watch?v=wyhWGf90Rdw
36
Rincn, L. 2013. Ley de los grandes nmeros. http://www.youtube.com/watch?v=v9sII0JsXIc
37
http://www.fundacionbengoa.org/personalidades/adolphe-lambert-jacques-quetelet.asp
38
Cabrera Garca, S. 2012. Distribucin normal. Conceptos y propiedades. UPV.
http://www.youtube.com/watch?v=b_Oee84PrGg
39
Kentros, A. 2014. EST-C6_AxPi - Cap 9 (2) - Probabilidad - Campana de Gauss.
http://www.youtube.com/watch?v=xfsg57PhalY
40
2011. La regla emprica. http://www.youtube.com/watch?v=j287OsBna84

M.D. Peris

Tcnicas de anlisis multivariable I

UB. 2014

11

6. Anlisis Multivariable
Una revisin de la posicin que ocupa la estadstica multivariable en el resto de
temas generales de la estadstica aplicada a las CCSS, la presenta en clave de humor
Cuy Avila.41
Actualmente existen en la red numerosas introducciones en nuestro idioma
dirigidas a la aplicacin y por ello sin el inters en el algoritmo matemtico. Entre las
ms consultadas (Figueras 42, Sierra, 43...), estudios ms completos 44 y ms
centrados en el clculo, como el pionero en su aplicacin en la UB, el Dr. Cuadras 45
en el primer centro de clculo (antes de que se masificaran los Pcs) en el jardn de la
Pza. Universidad de tan grato recuerdo para quienes como la autora, realizaron en l
sus primeros anlisis multivariables.
Y abundan las publicaciones en las que se aplican varias de ellas 46 en reas
muy diferentes, resaltando estudios que aunan la aplicacin con la revisin terica. 47
Las tcnicas principales estn listadas 48 siguiendo diferentes criterios.
Condicin para entender los resultados del anlisis multivariable es imaginar el
espacio n-dimensional. Algunos intentos de proyeccin multidimensional para ayudar
a esta interpretacin se encuentran para 3 dimensiones,49 para cuatro 50 - 51 y
sucesivas,52 para seis 53 y hasta diez,54 donde parece establecerse el lmite para una

41

Cuy Avila, M.L. 2010. Estadstica para torpes. http://www.slideshare.net/gomedin57/estadisticapara-torpes

42
Figueras, M.S. (2000). Introduccin al anlisis multivariable.
http://ciberconta.unizar.es/leccion/anamul/inicio.html
43
Sierra, E.J.
http://rua.ua.es/dspace/bitstream/10045/19678/2/Introduccion_al_Analisis_Multivariable.pdf
44
Gonzles, L. 2010. Analisis multivariable. http://www.slideshare.net/tecnomexico/analisismultivariable
45
Carles M. Cuadras, C.M. 2014. Nuevos Mtodos de Anlisis Multivariante. CMC. Editions.
http://www.ub.es/stat/personal/cuadras/metodos.pdf
46
Aquije Valdez, R. et al. Gua para la aplicacin del anlisis multivariado a las encuestas de
hogares. 2002.
http://www.inei.gob.pe/media/MenuRecursivo/publicaciones_digitales/Est/Lib0512/Libro.pdf
47
Escudero, A. et al. Una breve revisin de tcnicas de anlisis multivariantes aplicables en
Fitosociologa. Botan/ca Cornphacnsis 19: 9-38, Edil. UniversidadComplulensc 1994
http://revistas.ucm.es/index.php/BOCM/article/download/BOCM9494110009A/6491
48
Daz, M. y Rojas, A. (2011) Anlisis Multivariado.
http://www.slideshare.net/federicodonneysg/analisis-multivariado-8829215?qid=4df03f2c4095-4c13-8a4e-da3a3baab443&v=qf1&b=&from_search=5
49
Imagining the Third Dimension http://www.youtube.com/watch?v=-D4swzK4sKk
50
Dina, M. 4 dimensiones 4th Dimension explained.2013.
http://www.youtube.com/watch?v=rG6aIVGquOg
51
Fourth Spatial Dimension 101. http://www.youtube.com/watch?v=uDaKzQNlMFw
52
Eugene Khutoryansky 2012. Drawing the 4th, 5th, 6th, and 7th dimension.
http://www.youtube.com/watch?v=Q_B5GpsbSQw
53
2009. Tour 6D. http://www.youtube.com/watch?v=Bn7HDBj9ZQQ
54
2011. las 10 dimensiones visualizadas con un lapiz
http://www.youtube.com/watch?v=TvX5lSu5ecA

M.D. Peris

Tcnicas de anlisis multivariable I

UB. 2014

12

proyeccin grfica 55 sencilla. Tambin hay que imaginar la ausencia de dimensin 56

aunque el resultado ms reducido en nmero de dimensiones suele ser la
unidimensionialidad.

7. Anlisis Factorial
El anlisis de Componentes principales 57 precedi al A. Factorial y hay autores
que los consideran tcnicas diferentes, aunque el SPSS lo considera un subtipo de A.
Factorial.
Para entender el procedimiento de su aplicacin as hay numerosos
documentos en la red que prescinden de las demostraciones matemticas, destacando
los publicados en la UCM. 58 Inicialmente se ha de conocer su vocabulario especfico
inicialmente 59 y las opciones ms utilizadas 60 en su amplitud de campos de
aplicacin 61 a travs de diferentes ejemplos.62
Su aplicacin ms frecuente en CCSS es para obtener la validez de constructo
de escalas 63 y cuestionarios 64 y validacin de teoras 65

8. Anlisis Cluster
Con un resultado prximo a las asociaciones bivariadas entre las variables
registradas, el dendograma que es el resultado que se publica e interpreta del

55

Imagining 10 Dimensions - the Movie http://www.youtube.com/watch?v=gg85IH3vghA

La ausencia de dimensin. 2012. Imagining the "Zeroth" Dimension
http://www.youtube.com/watch?v=emlcwyvnsg0
57
Ruiz McOmish. 2011. Anlisis Multivariante Indicadores de Desarrollo.
http://www.slideshare.net/morvyngwynneth/anlisis-multivariante-indicadores-dedesarrollo?qid=4df03f2c-4095-4c13-8a4e-da3a3baab443&v=qf1&b=&from_search=4
58
Cea DAncona, M.A. y Blanco Moreno, F. 2012. Captulo 20: Anlisis factorial: el procedimiento
Anlisis factorial.
http://pendientedemigracion.ucm.es/info/socivmyt/paginas/D_departamento/materiales/anal
isis_datosyMultivariable/20factor_SPSS.pdf
59
http://es.wikipedia.org/wiki/An%C3%A1lisis_factorial
60
Jodar, R. Anlisis factorial. 2010. http://www.youtube.com/watch?v=3htxJkWE5Rg
61
Estadstica y otros bichos. Anlisis Factorial con SPSS - Parte 1. UPV. 2014.
http://www.youtube.com/watch?v=QU2edeM_YU8
62
Vasquez, R. SPSS Anlisis Factorial. 2014. http://www.youtube.com/watch?v=3htxJkWE5Rg o
bien http://www.youtube.com/watch?v=_UXWnYNioHo
63
Morales Vallejo, P. El anlisis factorial en la construccin e interpretacin de tests, escalas y
cuestionarios. http://web.upcomillas.es/personal/peter/investigacion/AnalisisFactorial.pdf
64
Andreu Rodrguez, J.M. et al. Adaptacin psicomtrica de la versin espaola del Cuestionario
de Agresin. Psicothema 2002. Vol. 14, n 2, pp. 476-482
http://www.unioviedo.net/reunido/index.php/PST/article/download/8046/7910
65
Sandn, B. et al. Escalas Panas de afecto positivo y negativo: validacin factorial y convergencia
transcultural. Psicothema, 1999, vol. 11, n. 1. pp. 37-51.
http://www.unioviedo.net/reunido/index.php/PST/article/download/7556/7420
56

M.D. Peris

anlisis Cluster
entender. 68

Tcnicas de anlisis multivariable I

66

o de Conglomerados,

67

UB. 2014

13

resulta de muy sencillo de obtener y de

Se encuentran multitud de aplicaciones 69 buscando el dendograma en

las imgenes de Google y explicaciones muy breves 70 por lo que no es necesario
abundar en referencias, ya que es la tcnica multivariable ms sencilla y posiblemente
la ms aplicada. Si bien su principal aplicacin es para establecer taxonomias y
clasificaciones de informacin no estructurada.71

9. Anlisis de Correspondencias.
El anlisis de correspondencia simple ampla el anlisis bivariable de las tablas
de contingencia 72 ampliando el concepto de dependencia entre variables que obtiene
2. 73
El anlisis de correspondencia lo cre Benzecri (1973, 74 Francia) 75 y es en el
idoma francs donde se encuentra la mayor amplitud de referencias y aplicaciones. No
obstante actualmente se ha incorporado al colectivo de pruebas multivariables 76 por
su adecuacin al anlisis de las variables categoriales, contando con importantes
especialistas en Catalunya dada la vecindad con Francia. Se diferencian las formas
simples 77 y mltiples, si bien lo ms habitual es aplicar el anlisis simple para
establecer las relaciones no tanto con las variables, sino con las categoras de las
variables 78. Tiene gran utilidad para valorar y depurar las clasificaciones al
determinar cuando conviene agrupar ms de una. La ausencia de requisitos
paramtricos a los datos le permite una amplia aplicacin en los mbitos ms
subjetivos.79

66

GuEs, J. 2012. Analisis de Cluster [clase]. http://www.youtube.com/watch?v=07lCKn6EEMQ

Cea DAncona, M.A. y Blanco Moreno, F. Captulo 21: Anlisis de conglomerados (I): el
procedimiento Conglomerados de K medias
http://pendientedemigracion.ucm.es/info/socivmyt/paginas/D_departamento/materiales/dato
s_multivariante.htm
68
Bello Parias, L.D. Cluster y tcnica de rbol.avi http://www.youtube.com/watch?v=ofjYeT48UVA
o bien http://www.youtube.com/watch?v=GX0k66kGYno
69
http://ciberconta.unizar.es/doctorado/04conglomerados.htm
70
http://jmj-qa.blogspot.com.es/2011/09/analisis-cluster.html
71
http://www.nosolousabilidad.com/articulos/cardsorting.htm
72
Hernndez, E. 2013. Tutorial SPSS 5. http://www.youtube.com/watch?v=QmiCEvmRPRA
73
Pulido, J. 2012. Chi Cuadrado.mp4. http://www.youtube.com/watch?v=h4ou_GmkBws
74
Benzcri, J.-P.. L'Analyse des Donnes. Volume II. L'Analyse des Correspondances. Paris,
France: Dunod, 1973.
75
http://fr.wikipedia.org/wiki/Analyse_factorielle_des_correspondances
76
http://ca.wikipedia.org/wiki/An%C3%A0lisi_de_correspond%C3%A8ncies
77
Bello Parias, L.D. A. Correspondencia Simple y Mltiple.avi.
http://www.youtube.com/watch?v=qY1SXRSvZcc
78
http://www.scielo.org.mx/scielo.php?script=sci_arttext&pid=S0188-25032008000100005
79
6. La dimensin valorativa y subjetiva del deporte 2010.
http://www.csd.gob.es/csd/sociedad/encuesta-de-habitos-deportivos/encuesta-de-habitosdeportivos-2005/6-la-dimension-valorativa-y-subjetiva-del-deporte
67

M.D. Peris

Tcnicas de anlisis multivariable I

UB. 2014

14

10. Escalamiento Multidimensional (MDS)

El escalamiento multidimensional tiene un amplio campo de aplicacin por su
capacidad para analizar todo tipo de datos, incluso escalas de preferencias no
adaptables al anlisis con otros tipos de tcnicas. No obstante la aplicacin ms
habitual es el modelo ALSCAL sobre matrices de datos equivalentes a los del resto de
tcnicas revisadas.
El algoritmo de clculo procede por iteracciones,80 que tienden a la estabilidad,
81
momento en que se detiene, como muestran diferentes vdeos de animacin.82 Ya
en las ltimas fechas en 3D. 83 Su ejecucin es sencilla, pero hay que tener en cuenta
que por defecto el SPSS se abre para una matriz de proximidades, por lo que hay que
cambiar la opcin para matriz de datos. 84 La interpretacin conjunta resulta ms
compleja al proyectarse sobre el plano85 el espacio n-dimensional. 86 La aplicacin a la
teora en CCSS ms popular es el circumplex.87

11. Anlisis de Redes

El anlisis de redes sociales88 es la versin meso y macro factible gracias al
soporte informtico de la original sociometra89 que desarroll Moreno en los aos 20
del pasado siglo 90 con el fin de obtener mapas de las relaciones interpersonales de un
grupo. El programa ms utilizado y de acceso abierto 91 es UCINET.92 De sencilla
interpretacin los indicadores ms conocidos 93 se explican con detalle en los
manuales del software 94 y en los protocolos de prcticas. 95 As como en abundante
documentacin de acceso libre 96 dada la amplia utilizacin de esta tcnica por

80

2009. Multidimensional Scaling. http://www.youtube.com/watch?v=5aISTeQhtc0

2009. Non-metric Multidimensional Scaling (NMDS).
http://www.youtube.com/watch?v=TPnZ_bwUPZQ
82
013. An application of the multidimensional scaling algorithm MDS.
http://www.youtube.com/watch?v=k82IGdM9mps
83
2014. Non-metric Multidimensional Scaling (NMDS) - 3D
http://www.youtube.com/watch?v=vo9fOVJKQ_w
84
2012. Multidimensional Scaling. http://www.youtube.com/watch?v=i8dY3NKxdoI
85
http://proceedings.esri.com/library/userconf/proc00/professional/papers/pap196/p196.htm
86
http://www.xlstat.com/en/learning-center/tutorials/multidimensional-scaling-mds-with-xlstat.html
87
http://www.paultrapnell.com/reprints/1989_JPSP_Wiggins_CircularReasoning.htm
88
Santamara Gonzlez, F. 2012. Anlisis de redes socials.
http://fernandosantamaria.com/blog/tag/analisis-de-redes-sociales/
89
Peris, M.D. https://sites.google.com/site/tisymep/mtrica-social/sociometra-redes
90
Forselledo, A. G. 2010. Inroduccin a la Sociometra y sus aplicaciones.
http://www.unesu.org/ddnn.asu/sociometria.introduccion.pdf
91
Ucinet 6.4 http://softadvice.informer.com/Ucinet_6.4_Software.html
92
Bogarti, S, et al. UCINET. V. 6.4 http://ucinet-for-windows.software.informer.com/6.4/
93
Calcular con UCINET. http://www.arschile.cl/ucinet/
94
Manual Introductorio al Anlisis de Redes Sociales. https://www.revistaredes.rediris.es/webredes/talleres/Manual_ARS.pdf
95
Quiroga, A. 2003. Introduccin al Anlisis de Datos reticulares. Prcticas con UCINET6 y
NetDraw1. Versin 1. http://revista-redes.rediris.es/webredes/talleres/redes.htm
96
Hanneman, R. Introduccin a los Mtodos del Anlisis de Redes Sociales. Captulo Primero.
http://revista-redes.rediris.es/webredes/textos/Introduc.pdf
81

M.D. Peris

Tcnicas de anlisis multivariable I

UB. 2014

15

diferentes disciplinas, no slo por la sociologa que le aport el nombre original de

sociometra.

Bibliografa disponible en la Biblioteca de la Fac. dEconomia i Empresa

Van de Geer, J. P. Multivariate Analysis of Categorical Data: Theory. 2. 1988.
Newbury Park. Sage.
Van de Geer, J. P. Multivariate Analysis of Categorical Data: Applicatins.3. 1988.
Newbury Park. Sage.
Loehlin, J.C. Latent variable models. 2004. Mahwah, N.J. Lawrence Erlbeam Ass.
Manly, B.F.J. Multivariate Statistical Methods. A primer. 1986. Boca Rato. Chapman &
Hall.
Vicente de, M.A. et al. Anlisis multivariante para las cincies sociales. 2000. M:
Dykinson.
Martnez Arias, R. El anlisis multirante en la investigacin cientfica. 1999. Ed. La
Muralla.
Everitt, B.S. y G. Dunn. Applied Multivariate Data Analysis. 1991. London: Edward
Arnold.
Hair, J.F. Jr. et al. Multivariate Data Analysis. 1992. Upper Saddle River: Pearson
Sharma, S. Applied Multivariate techniques. 1996. N.Y.: John Wiley.
Sierra Bravo, R. Anlisis estadstico multivariable.1994. M: Paraninfo.
Cuadras, C.M. Nuevos mtodos de Anlisis multivariable. 2014. Disponible en
http://www.ub.edu/stat/personal/cuadras/metodos.pdf

M.D. Peris

Tcnicas de anlisis multivariable I

UB. 2014

16

ANEXO I
Bases de datos estadsticos e de poblacin internacionales y locales
INFOCAThttp://www20.gencat.cat/portal/site/governacio/menuitem.c69dfb9d746aa11f8e629e30b0c0e1a0/?
vgnextoid=eb96117986c87110VgnVCM1000000b0c1e0aRCRD&vgnextchannel=eb96117986c8711
0VgnVCM1000000b0c1e0aRCRD&vgnextfmt=default o bien http://www.gencat.cat
IDESCAT http://www.idescat.cat/es/
Centre d'Estudis Demogrfics (CED) http://www.ced.uab.es/
Cambra Oficial de Comer, Indstria i Navegaci de Barcelona http://www.cambrescat.es/
Cambra Oficial de Comer i Indstria de Terrassa http://www.cambraterrassa.es/
Institut Cartogrfic de Catalunya (ICC) http://www.icc.es/
Fitxes indicadors. http://elperfildelaciutat.wordpress.com/que-es-un-perfil/fitxes-indicadors/
Programa HERMES http://www.diba.es/hg2/menu_pre.asp
Xarxa dobservatoris de Barcelona. http://www.diba.cat/web/promoeco/xodel/default
http://www.diba.cat/web/promoeco/xodel/relacio
LObservatori http://www.girona.cat/observatori/links.php
Ajuntament de Girona http://www.girona.cat/observatori/
Ajuntament de Barber del Valls http://www.bdv.cat/barbera-en-xifres
Ajuntament de Granollers http://indicadors.granollers.cat/internet/default.aspx
http://www.granollers.cat/esports/estudis-i-estadistiques-0
Ajuntament de Lleida http://www.paeria.cat/butlletieconomic/2013/02-setembre/
Ajuntament de Manresa http://www.ajmanresa.cat/web/contingut.php?id_menu=1015&parent=1006&area=1
Ajuntament de Matar http://www.mataro.cat/portal/ca/sostenibilitat/agenda21/indicadors_control/index.html
Ajuntament de Mollet http://www.molletvalles.cat/DetallNoticia/_wEovPETJ6tcLeTQVVch_ZqTCdjWC4tjmO_4SZetl-fk
Ajuntament de Rub http://www.ajrubi.cat/ajrubi/apartats/index.php?apartat=2797
Ajuntament de Sabadell http://www.sabadell.cat/ca/element-dades-poblacio
Ajuntament de Santa Coloma http://www.grame.net/principal/la-ciutat/dades-estadistiques.html
Ajuntament de Terrassa http://opendata.terrassa.cat/VW_Principal.aspx
http://opendata.terrassa.cat/VW_CatalegDades.aspx o bien
http://transparencia.terrassa.cat/
Ajuntament de Vic

http://www.vic.cat/viure-a-vic/viure-a-vic

Ajuntament de Vilafranca del Peneds http://www.vilafranca.org/html/temaatema.html

M.D. Peris

Tcnicas de anlisis multivariable I

UB. 2014

17

Ajuntament de Vilanova i la Geltr http://www.vilanova.cat/html/index_alfabetic.html

http://www.vilanova.cat/html/ajuntament/transparencia_municipal.html
Caixa Catalunya-Informes econmics http://www.catalunyacaixa.com/Portal
La Caixa Servei d'Estudis http://www.lacaixa.comunicacions.com/se/index.php?idioma=cat
BBVA Research.
http://www.bbvaresearch.com/KETD/ketd/bin/esp/publi/espana/novedades/detalle/346_242572.jsp?id=tcm:346176089-64

Banco de Espaa http://www.bde.es/bde/es/

M Industria, Energa y Turismo. http://www.minetur.gob.es/esES/INDICADORESYESTADISTICAS/Paginas/Estadisticas.aspx

Servicio Pblico de Empleo Estatal http://www.sepe.es/

Instituto Nacional de Estadstica (INE) http://www.ine.es/
IDM http://www.inmujer.es/estadisticas/portada/home.htm
Centro de Investigaciones Sociolgicas (CIS) http://www.cis.es/cis/opencms/ES/index.html
http://www.cis.es/cis/opencms/ES/2_bancodatos/
Gobierno de Espaa http://datos.gob.es/catalogo
European Social Survey.(EES) http://ess.nsd.uib.no/ess/round5/download.html
http://www.europeansocialsurvey.org/
Eurostat UE http://epp.eurostat.ec.europa.eu/portal/page/portal/eurostat/home/
EUROSTAT http://europa.eu/publications/statistics/index_es.htm
European Central Bank http://www.ecb.europa.eu/stats/money/surveys/lend/html/index.en.html
CESSDA Council of European Social Science Data Archives http://www.cessda.net/catalogue/
UK Data Service http://ukdataservice.ac.uk/get-data/open-access-data.aspx
Urban Audit http://www.urbanaudit.org/
FAO Statistics Data Base http://www.fao.org/corp/statistics/en/
Social Indicators http://unstats.un.org/unsd/demographic/products/socind/
MDG Indicators http://mdgs.un.org/unsd/mdg/Default.aspx
POPIN http://www.un.org/popin/data.html
UNDATA http://unstats.un.org/unsd/databases.htm o bien http://unstats.un.org/unsd/default.htm
ONU Bases de datos http://www.un.org/es/databases/
OCDE Territorial Development http://www.oecd.org/gov/regional-policy/

M.D. Peris

Tcnicas de anlisis multivariable I

Banco Mundial de datos. http://datos.bancomundial.org/ o bien

UB. 2014

18

http://datos.bancomundial.org/indicador

World Bank data http://data.worldbank.org/

Worldmeters http://www.worldometers.info/es/
Word Values Survey http://www.worldvaluessurvey.org/
WorldWideScience http://worldwidescience.org/wws/
The World Wide Web Virtual Library: Statistics http://www.stat.ufl.edu/vlib/statistics.html
UNESCO http://www.ibe.unesco.org/es/servicios/documentos-en-linea/datos-mundiales-deeducacion/septima-edicion-2010-11.html
Pajek wiki http://pajek.imfm.si/doku.php?id=data:urls:index
Social Science Data Archives http://www.sociosite.net/databases.php
Research Centers http://www.sociosite.net/research.php
Research Methodology and Statistics http://www.sociosite.net/topics/research.php
SocioSite http://www.sociosite.net/index.php
Research Resources for the Social Sciences http://www.socsciresearch.com/
Demography http://socsciresearch.com/r11.html
Data Archives http://socsciresearch.com/r6.html
The Socio Web http://www.socioweb.com/directory/online-directories
LinkingOpenData. http://www.w3.org/wiki/SweoIG/TaskForces/CommunityProjects/LinkingOpenData
ISI Web of Knowledge
http://sub3.webofknowledge.com/error/Error?Src=IP&RouterURL=http%3A%2F%2Fwww.webofknowledge.com
%2F&Domain=.webofknowledge.com&Error=IPError&PathInfo=%2F&Alias=WOK5&locale=es_LA

ISA Asociacin Internacional de Sociologia http://www.isa-sociology.org/sp/

Economic and Social Research Council http://www.esrc.ac.uk/funding-and-guidance/fundingopportunities/international-funding/esrc-dfid/guidance/open-access.aspx
ICPSR Inter-university Consortium for Political and Social Research
http://www.icpsr.umich.edu/icpsrweb/ICPSR/index.jsp
Bureaur of Labor Statistics http://stats.bls.gov/data/
Bureau of Justice Statistics http://www.bjs.gov/index.cfm?ty=daa
GALLUP http://www.gallup.com/poll/trends.aspx
US Census Bureau http://www.census.gov/#
ASA http://www.asanet.org/research/data_resources.cfm