CG1, CG2, CG3, CG4

CT1, CT2, CT3, CT4, CT5

CE11, CE12, CE13 y CE14.

25%

Discusión de casos 15%
Seminarios 10%
Tutorías personalizadas o en grupo 5%
Elaboración de trabajos individuales o en grupo 10%
Actividades de evaluación 10%
Horas de estudio 25%

100%

2,2

1,8

3

Esta asignatura pretende que el estudiante adquiera los conocimientos para que utilice adecuadamente un conjunto de herramientas estadísticas de análisis de datos multivariantes (Análisis Factorial, Análisis de Componentes Principales, Análisis Cluster, Análisis Discriminante y Regresión Logística) de interés para la predicción y la toma de decisiones en la Empresa.

coinciden con los de acceso al Máster

Los objetivos a conseguir son: 1) Analizar las relaciones entre las variables de un conjunto de datos para resumir la información que contienen mediante un pequeño conjunto de nuevas variables, con la mínima pérdida de información. 2) Analizar las similitudes entre los individuos o casos de un conjunto de datos, para formar grupos de clasificación con características similares. 3) Clasificar nuevas observaciones en grupos previamente establecidos. Además los estudiantes aprenderán a utilizar el programa estadístico SPSS con el que realizarán aplicaciones de las técnicas estudiadas, de tal manera que aprendan a analizar los resultados con un criterio propio. Uno de los objetivos fundamentales de la asignatura es el fomento de la capacidad de análisis y utilización de los recursos teóricos, conseguidos con el desarrollo de los métodos, para sacarle el mayor partido a los resultados proporcionados por el programa informático

Contenidos temáticos: TEMA 1. INTRODUCCIÓN Al ANÁLISIS MULTIVARIANTE. 1.1. Objetivos del análisis multivariante 1.2. Fases previas al empleo de los métodos multivariantes 1.3. Clasificación de los métodos multivariantes MÉTODOS DE INTERDEPENDENCIA TEMA 2. ANÁLISIS FACTORIAL. 2.1. Introducción 2.2. Supuestos básicos previos al análisis factorial 2.3. Propiedades fundamentales. Comunalidad y unicidad. 2.4 Métodos de extracción de factores 2.5. Rotación de factores. 2.6. Cálculo de las puntuaciones factoriales. 2.7. Bondad del ajuste: matriz de correlaciones reproducida. 2.8. Aplicaciones con SPSS. Interpretación de resultados. TEMA 3. ANÁLISIS DE COMPONENTES PRINCIPALES. 3.1. Objetivos del análisis de componentes principales y su relación con el análisis factorial. 3.2. Interpretación geométrica de las componentes principales. 3.3. Las ecuaciones del método. 3.4. Interpretación. TEMA 4. ANÁLISIS DE CONGLOMERADOS O CLUSTER 4.1. Objetivos del análisis cluster. 4.2. Las variables para el análisis. 4.3. Medidas de distancia y similitud. 4.4. Métodos jerárquicos 4.5. Métodos no jerárquicos. 4.6. Aplicaciones con SPSS. Interpretación de resultados. MÉTODOS DE DEPENDENCIA TEMA 5. ANÁLISIS DISCRIMINANTE 5.1. Introducción: Planteamiento y objetivos 5.2. Tipos de análisis discriminante. 5.3. Supuestos básicos del análisis discriminante. 5.4. Interpretación geométrica del análisis discriminante de dos grupos. 5.5. Las diferencias entre grupos. Adecuación del análisis. 5.6. La estimación de los coeficientes de la función discriminante 5.7. Selección de variables para la función discriminante. 5.8. Grado de discriminación y significación de la función discriminante. 5.9. Importancia relativa de las variables discriminantes en la función discriminante. 5.10. Métodos para la clasificación de nuevos casos 5.11. Aplicaciones con SPSS. Interpretación de resultados

- Participación activa en el aula: 5% de la calificación final.
- Resolución de casos y/o ejercicios: 10% de la calificación final.
- Realización y presentación de trabajos: 15% de la calificación final.
- Examen final: 70% de la calificación final

- Cea D’Ancona, M. A. (2002). Análisis Multivariable. Teoría y Práctica en la Investigación Social.
Editorial Síntesis S.A. Madrid. España
-Levy, J.P.; Varela, J. (2003) Análisis multivariable para las ciencias sociales. Ed. Prentice Hall.
Madrid
-Luque Martínez, T. (2000). Técnicas de Análisis de Datos en Investigación de Mercados. Editorial Pirámide. Madrid.
- Peña, D.(2002) Análisis de datos multivariantes. Ed. McGraw Hill, Madrid.
-Pérez López, César (2006). Técnicas de Análisis Multivariante de Datos. Aplicaciones con SPSS. Prentice Hall – Pearson Editores. Madrid

- Uso del Campus Virtual en el que los estudiantes tendrán todos los materiales que usaremos en la asignatura:
- Power Point con los temas teóricos
- Bases de datos para ejecutar análisis, de los métodos estudiados, con el programa informático SPSS
- Resultados de los análisis para imprimir e interpretar en clase
- Cuadros de salidas de resultados del SPSS para realizar ejercicios con Excel que permitan hacer manualmente cálculos que les ayuden a conocer cómo opera el SPSS