PIR 2025 · Pregunta 15
Análisis multivariado¿Qué técnica de análisis multivariado tiene como propósito fundamental la búsqueda de una estructura de constructos latentes, a partir de las correlaciones entre las variables observadas?:
Ver respuesta sin contestar
Respuesta correcta: D (clave oficial publicada)
Explicación
La búsqueda de una estructura de constructos latentes a partir de las correlaciones entre variables observadas es la definición operativa del análisis factorial (exploratorio o confirmatorio). Las demás técnicas son de clasificación (discriminante, conglomerados) o de predicción de un desenlace categórico (regresión logística multinomial), y no modelan dimensiones latentes subyacentes.
D. El análisis factorial parte de la matriz de correlaciones entre variables observadas y postula que estas covarían porque comparten factores latentes no observables directamente. En su versión exploratoria (EFA) identifica cuántos factores estructuran los datos y cómo cargan las variables en ellos; en la confirmatoria (CFA) contrasta una estructura latente hipotetizada. Es la técnica multivariada estándar para modelar constructos latentes a partir de la covariación entre ítems/variables.
- A. El análisis discriminante múltiple es una técnica supervisada de clasificación que busca combinaciones lineales de variables predictoras para maximizar la separación entre grupos definidos a priori. No modela constructos latentes ni tiene como fin explicar las correlaciones entre variables.
- B. El análisis de conglomerados jerárquicos agrupa casos (o variables) según su similitud o distancia, construyendo un dendrograma. Es una técnica de clasificación descriptiva que no postula un modelo de variables latentes ni explica la estructura correlacional subyacente.
- C. La regresión logística multinomial predice la probabilidad de pertenecer a una de varias categorías de una variable dependiente nominal en función de predictores. Es un modelo de predicción/explicación de un desenlace, no un modelo de medida o reducción de dimensiones para constructos latentes.
Fuentes
- Costello, A. B. & Osborne, J. (2005). Best practices in exploratory factor analysis. Practical Assessment, Research & Evaluation, 10(7)
- Tabachnick, B. G. & Fidell, L. S. Using Multivariate Statistics (8ª ed., Pearson)
- Hair, J. F., Black, W. C., Babin, B. J. & Anderson, R. E. Multivariate Data Analysis (8ª ed., Cengage)
Explicación generada con IA y verificada por consenso entre modelos de distintas familias.