BMDP / SAS

BMDP es uno de los paquetes de software estadísticos más antiguos. El primer manual para BMDP Biomedical Computers Programs se publicó en 1961.
En 1975 pasó a denominarse BMDP. Cubre un amplio abanico de métodos estadísticos pero su capacidad para manejar datos es limitada.
Desventajas. Sus programas se ejecutan por separado: solo puede accederse a uno de ellos en cada ejecución.
Los resultados de cada programa se pueden guardar en un archivo de BMDP y utilizarse como entrada en otros programas.

El paquete BMDP es una extensa colección de programas de ordenador que ayuda a los estudiantes, profesores y profesionales de la investigación de todo el mundo para analizar los datos. Correr en la mayoría de los mainframes, minicomputadoras y computadoras, el software BMDP tiene capacidades que van de las parcelas y descripción sencilla de datos a técnicas más sofisticadas, como el análisis de medidas repetidas. Los profesionales en diversos campos, desde la psicología, la sociología y la economía a la biología, la medicina y la salud pública, deben encontrar los programas BDMP de uso.

SAS^® proporciona un entorno de software escalable e integrado, diseñado especialmente para el acceso, transformación y presentación de reportes de datos. Incluye un lenguaje de programación de cuarta generación, programas listos para ser usados para manipulación de datos, almacenamiento y recuperación de información, estadística descriptiva y creación de reportes, y una poderosa función de macros que reduce el tiempo de programación y los problemas de mantenimiento.

Beneficios

• Integra datos entre entornos. Basado en una arquitectura abierta, multiplataforma, Base SAS® se adapta a cualquier tipo de hardware y se integra a cualquier infraestructura de entorno informático, lo que permite unificar el uso de las soluciones informáticas y obtener una sola visión de sus datos.
• Lee, da formato y analiza todo tipo de datos. Desde pequeños inconvenientes hasta complejos problemas de datos, los programadores pueden leer, dar formato, analizar y generar reportes de datos de forma rápida, independientemente del formato.
• Hace de la programación una tarea fácil y rápida. Con un lenguaje de programación intuitivo, fácil de aprender y fácil de usar, Base SAS® reduce significativamente la cantidad de código necesario para entregar la información. Los procedimientos de SAS condensan y dan funcionalidad con unos pocos y sencillos comandos, aumentando la productividad de sus programadores.
• Simplifica la creación de reportes Base SAS^® brinda máxima flexibilidad en la creación y presentación de reportes.  Cree fácilmente reportes en formatos empresariales estándar como formato de texto enriquecido (RTF) y formato de documento portátil (PDF), y produzca gráficas de los resultados analíticos de forma automática a partir de procedimientos estadísticos.
• Maximiza el uso de todos los recursos informáticos. Con funciones multitarea, Base SAS® aprovecha el procesamiento paralelo para maximizar el uso de los recursos informáticos y producir las respuestas oportunas que su empresa requiere.

 Características

Completas funciones de análisis de datos

• Funciones de análisis que van desde la simple estadística descriptiva hasta correlaciones avanzadas de datos.
• Biblioteca de procedimientos de programación prediseñados para gestionar, analizar y presentar datos

Lenguaje flexible de cuarta generación

• Lenguaje de cuarta generación intuitivo con sintaxis fácil de aprender.
• La función de macros de SAS reduce la codificación para tareas comunes y permite hacer modular el trabajo facilitando la reutilización y el mantenimiento.
• Ejecución de manera interactiva o por lote

Compatible con una amplia variedad de formatos de datos

• Capacidad para leer los datos en cualquier formato, desde cualquier tipo de archivo, incluyendo registros de longitud variable, archivos binarios, datos de libre formato e incluso archivos con los datos desordenados o faltantes.
• Compatible con SQL (Lenguaje de Consulta Estructurado).
• Globalización con soporte completo para las codificaciones de caracteres más utilizadas (como Latin1, Latin2, y conjuntos de caracteres de varios bytes para hebreo, árabe y lenguas de Asia).
• Compatible con Unicode, lo que permite a SAS trabajar con datos en varios idiomas en todas las plataformas.

Desempeño y escalabilidad

• Optimización paralela de datos de entrada/salida que permite trabajar con grandes volúmenes de datos de manera oportuna.  Los datos pueden ser particionados en varios dispositivos para un acceso más rápido, pero permanecen referenciados como un solo conjunto de datos.
• Generación de índices paralelos que reduce el tiempo necesario para crear grandes conjuntos de datos con múltiples índices o para añadir datos a los conjuntos de datos existentes.
• Los procedimientos clave de SAS son multitarea para una ejecución más rápida de las tareas estándar, tales como la clasificación y resumen de datos.

Interoperabilidad e implementación en múltiples plataformas

• MultiVendor Architecture™ permite que los programas sean escritos una sola vez y puedan ser ejecutados en cualquier plataforma, independientemente del hardware o del sistema operativo.
• SAS Open Metadata Architecture permite el intercambio de metadatos entre diversas aplicaciones.
• El acceso a los datos desde múltiples entornos proporciona archivos fáciles de consultar en toda una red.

Fácil manejo

• SAS Management Console proporciona una interfaz gráfica de usuario Java extensible para la gestión de las tareas SAS.
• Motor XML que importa y exporta una gran variedad de documentos XML.
• Interfaz drag-and-drop (arrastrar y soltar) que crea mapas XML.
• Funciones de punto de control y reinicio que permiten a los usuarios ejecutar un programa que ha fallado en modo de reinicio para completar la ejecución y volver posteriormente al paso que no fue completado cuando se produjo el error.
• Interfaz de Medición de Respuesta a Aplicaciones (ARM) que monitorea la disponibilidad y el desempeño de las transacciones dentro y entre diversas aplicaciones.

Presentación de datos

• ODS ofrece un número casi ilimitado de opciones para la creación de reportes que presentan los resultados analíticos.
• Creación de reportes en formatos estándar, como RTF y PDF.  Todos los formatos están disponibles en todas las plataformas.
• Creación de gráficos predeterminados visualmente atractivos a partir de los datos de salida analíticos (sin necesidad de programación adicional).
• HTML 4 y XML son algunos de los lenguajes de marcado usados. Permite modificar cualquier lenguaje de marcado que SAS ofrece o crear su propio lenguaje de marcado para los datos de salida.
• Permite personalizar o modificar la jerarquía de salida y reenviar los datos de salida a diversos destinos sin necesidad de ejecutar el programa nuevamente.

 

R COMMANDER y OTROS PROGRAMAS

R es un paquete de software de código interpretado, esto es, tienes que ingresar el código y en la misma ventana el programa emite los resultados. En ello reside también su fortaleza, porque puedes construir tu propio código para análisis con base en funciones de análisis contruidas por la comunidad que soporta R. Para los que no pueden vivir sin apretar botones, siempre está la posibilidad de usar R Commander, una librería extra que permite tener una interfaz de análisis más amigable. El poder de R está en su versatilidad y en que posee una enorme cantidad de rutinas que pueden ser agregadas a su “módulo base”, tantas que a mi juicio supera a SPSS y SAS en cantidad de prestaciones (1400 paquetes distintos). Su mayor desventaja es que requiere de mucho estudio, la curva de aprendizaje es muy larga..

PASOS PARA INSTALAR R COMMANDER

PAST 
Past es un interesante programa de análisis de datos que contiene algunas rutinas sorprendentes por su facilidad de uso y lo completo de los resultados, tiene algunas caraterísticas curiosas, la primera y limitante es que no lee archivos con datos ausentes, la segunda es que para correr análisis las columnas deben seleccionarse, así por ejemplo, seleccionar la variable independiente (una columna) y la variable dependiente (otra columna) para correr un análisis de varianza, las columnas deben estar contiguas y si no, pues deberás ponerlas contiguas, para lo que Past ofrece la facilidad de arrastrar y soltar. Tiene otro problema, el manual de uso es francamente pobre y no señala nada sobre la interpretación de las salidas. De todos modos es un paquete muy recomendado porque tiene algunas cosas como pruebas estadísticas para evaluar normalidad multivariante u homogeneidad de matrices de varianzas-covarianzas a un solo “clic de distancia”

Genstat Discovery es un paquete de análisis comercial desarrollado por VSN International, una compañía de desarrollo de software para biociencias, pero que para ciertos países puede ser descargado gratuitamente previo registro. Aunque su interfase es amistosa, sus salidas no lo son tanto y no son muy completas. Tiene la ventaja eso sí, que se puede importar el código de R y usarlo en sus propias rutinas.

OpenStat (hacer click para video tutorial) es un clásico, creado y mantenido por  Bill Miller, un ingeniero y estadístico retirado que generosamente ha puesto su trabajo en crear un programa de análisis muy completo y con una interfaz amistosa, bastante similar a SPSS (modestamente hablando por supuesto). No obstante tiene un problema serio para los hispanohablantes, ya que no reconoce adecuadamente el carácter decimal y esto a veces puede darles muchos problemas. Tiene muchas rutinas y si, por esas cosas de la vida, el programa se mantiene estable, entonces, se contará con un buen programa de análisis.

El SPSS (Statistical Product and Service Solutions)

Desde su introducción en 1968, SPSS ha sido un popular paquete de software estadístico para los investigadores universitarios, agencias gubernamentales, y empresas consultoras. Este software potente y de fácil uso es compatible con los sistemas operativos Windows, Macintosh y Linux. Una vez cargados los datos, SPSS puede llevar a cabo una amplia gama de análisis estadísticos con una serie de menús desplegables. Sin embargo, tiene un beneficio adicional de permitir a los usuarios guardar los procedimientos de uso frecuente como los programas que pueden ser modificados y utilizados de forma repetida.

Identificación

Un programa SPSS es un conjunto de instrucciones de sintaxis, o "lenguaje SPSS", para la ejecución de un determinado procedimiento, transformación de datos o una fórmula estadística.

Función

Al igual que muchos paquetes de software, el SPSS es guiado por menues. Esto significa que los usuarios pueden ejecutar análisis estadísticos, simples o complejos, haciendo clic en una serie de menues desplegables y seleccionando los comandos deseados preprogramados. Sin embargo, muchos investigadores y analistas pueden utilizar ciertos procedimientos estadísticos que no son preprogramados en el programa SPSS. Como resultado, permite a los usuarios crear programas personalizados, o para unir múltiples operaciones  preprogramados para ser aplicados en secuencia.

Beneficios

Un programa SPSS permite a un usuario llevar a cabo el mismo procedimiento en repetidas ocasiones, sin tener que recordar los menues desplegables o los comandos que debe hacer clic y elegir con el fin de establecer la serie de los procedimientos necesarios. Esto ahorra tiempo al organizar y analizar los datos. Estos programas también pueden ser modificados para funcionar con diferentes modelos estadísticos, analizar diferentes variables o acceder a archivos de datos diferentes. Para ejecutar un programa, simplemente haz clic en la sintaxis y arrastra para resaltarlo. Después de esto, haz clic en el comando "execute" (ejecutar), una clave en forma de flecha en el menú de archivo de sintaxis.

Conceptos erróneos

Aunque el programa SPSS parece complejo, no tienes que ser un programador maestro o dominante de la sintaxis de SPSS para utilizar un programa. No es necesario escribir la sintaxis aunque un experto en dicha sintaxis podría escribir un programa. Para guardar un procedimiento como el programa SPSS para su uso futuro, todo lo que tienes que hacer después de seleccionar los comandos apropiados es hacer clic en el comando "Paste" (Pegar) en el programa SPSS en lugar del comando "OK" (Aceptar). El comando "Paste" (Pegar) salva a la sintaxis en un archivo separado, que se puede guardar y modificar para su uso futuro.

Tipos

Los usuarios pueden crear una amplia variedad de programas SPSS para satisfacer sus necesidades de gestión de datos y análisis de necesidades. Se pueden guardar programas de la sintaxis de SPSS para la exportación de datos de otra fuente, como una hoja de cálculo Excel. Otros programas que se pueden guardar como sintaxis incluyen procedimientos para las variables de la recodificación, fusión de archivos de datos o el cálculo de valores. Por último, los usuarios pueden guardar los programas SPSS para los procedimientos estadísticos de los cuales es capaz SPSS. Estos son desde simples estadísticas descriptivas hasta regresiones multivariantes.

Cómo importar un origen de datos de Excel a SPSS

El programa de estadísticas IBM SPSS ofrece dos métodos para importar datos de archivos de Excel: como una base de datos ODCB, o como una fuente de datos. La importación de un archivo de Excel como fuente de datos es la opción más sencilla, que es útil para los usuarios novatos. Para las importaciones de base de datos, tendrás que estar más familiarizado con el programa SPSS.

Instrucciones

1. Abre SPSS.  Aparece una ventana que pregunta "¿Qué te gustaría hacer?", Elige la segunda opción, "Tipo de datos".
2. Selecciona el menú Archivo, ve a "Abrir", luego haz clic en "Data".
3. En el menú desplegable en la parte inferior de esta ventana, selecciona el tipo de archivo (por ejemplo, "Excel" en formato *. xls, *. xlsx, o *. xlsm") y navega hasta el archivo de Excel que deseas importar. Haz clic en "Abrir".
4. El diálogo "Opening Excel Data Source" debe aparecer, lo que te permite seleccionar una hoja de cálculo de Excel para importar. Marca la casilla "Leer nombre de variables de la primera fila de datos" sólo si la hoja de cálculo de Excel que has seleccionado tiene nombres de variables en la primera fila. Cuando estés satisfecho con tu selección, haz clic en "Aceptar".

COMO PROBAR SI TU INFORMACION ESTÁ NORMALMENTE DISTRIBUIDA CON SPSS

Los investigadores, científicos y estudiantes son algunas de las personas que utilizan SPSS.

El programa de paquete estadístico para las Ciencias Sociales es una potente aplicación que le permite a los usuarios realizar encuestas, análisis complejos y pruebas estadísticas. Sin embargo, si deseas llevar a cabo las pruebas estadísticas, tienes que probar primero los datos para determinar si se distribuyen normalmente. Esto significa que los datos no están llenos de anomalías que pueden crear resultados inexactos. Afortunadamente, SPSS tiene opciones integradas a las que puedes tener acceso para determinar si los datos son normales.

Instrucciones

1.  Abre el archivo SPSS que contenga los datos que deseas probar y haz clic en "Analizar" en la barra de menú.
2. Selecciona "Servicios descriptivos" en el menú desplegable y, a continuación, selecciona "Explorar". La ventana emergente de exploración se abrirá.  
3.  Haz clic en la variable que deseas probar en cuanto a su normalidad en el cuadro en el costado derecho de la ventana, luego arrástrala al cuadro de "Lista de dependencias" en el lado derecho
4. Haz clic en el botón "Estadísticas" en la esquina superior derecha de la ventana para abrir la ventana emergente de Estadística. No realices cambios a las opciones que se muestran y haz clic en el botón "Continuar".
5. Haz clic en el botón "Gráficos" en la ventana de Explorar. La ventana se abre. Selecciona "Ninguno" en la sección "Boxplots" y anula la selección de todas las opciones en la sección "Descriptivo".
6. Selecciona la opción "Gráficas con pruebas de normalidad" y haz clic en "Continuar". Haz clic en "Aceptar" y la ventana de resultados se abrirá automáticamente. La ventana de resultados muestra los resultados.
7. Revisa los resultados de la sección "Pruebas de Normalidad" para determinar si los datos se distribuyen normalmente. El cuadro muestra dos resultados: la prueba de Kolmogorov-Smirnov y la prueba de Shapiro-Wilk. La prueba de Kolmogorov-Smirnov se utiliza para probar los conjuntos de datos grandes, mientras que la prueba de Shapiro-Wilk es más apropiada para una muestra más pequeña, como 50 números o menos. Si la columna "Sig" de cualquiera de las pruebas es superior a 0,05, los datos se distribuyen normalmente.

 Desde el punto de vista puramente estadístico vamos a distinguir cuatro niveles de medida de las variables:

• Nominal: Cada valor de la variable nominal se corresponde con una categoría de la variable, este emparejamiento es por lo general arbitrario, como ejemplos de variables nominales podemos considerar el sexo de una persona, lugar de nacimiento etc. En este nivel de medida las categorías no pueden ser ordenadas en ningún sentido, y por supuesto no tiene sentido calcular medias, medianas... etc. Los estadísticos habituales serán frecuencias y porcentajes.

• Ordinal: Cada valor representa la ordenación o el ranking, por ejemplo el lugar de llegada a meta de los corredores, 1 significaría el primero, 2 significaría el segundo... etc. Es muy común encontrarse este tipo de variables en la evaluación del gusto de los consumidores, se les suministra una serie de productos y ellos van indicando el más preferido... etc. Sabremos cual es el más preferido, el segundo más preferido... etc., pero no sabremos cuanto es de preferido, en el ejemplo de la carrera sabremos cual ha sido el primero, el segundo, pero no vamos a saber cual es la distancia entre el primero y el segundo. Los estadísticos a solicitar serán: frecuencias, porcentajes, moda y la mediana.

• Intervalo: En variables de intervalo un incremento de una unidad en el valor numérico representa el mismo cambio en la magnitud medida, con independencia de donde ocurra en la escala. En este nivel de medida los estadísticos habituales son la media, la desviación típica y la mediana. La mayoría de los análisis asumen que las variables tienen por lo menos este nivel de medida. Un ejemplo de variable con nivel de intervalo podría ser el salario, la temperatura…etc. Los estadísticos a emplear serán: la media, media recortada y la mediana.

• Razón: Las variables de Razón tienen las mismas propiedades que las de intervalo, pero además tienen un punto cero significativo, dicho punto representa una ausencia completa de la característica medida, por ejemplo la edad o las ganancias anuales de una persona. Por esta Razón las variables de Razón tienen propiedades más fuertes que las de intervalo.

Desde el punto de vista representación de datos en la aplicación SPSS, vamos a distinguir únicamente dos tipos de variables que son: 

• Variables numéricas: se representan como números, independientemente de su nivel de medida.

• Variables alfanuméricas: están compuestas por combinaciones de números y letras. No suelen ser usadas excepto para labores de identificación de casos, como por ejemplo el nombre del encuestado.

La opción más usual es definir todas las variables como numéricas y posteriormente desde la aplicación indicar cual es su nivel de medida. Es decir las introducimos como números y posteriormente indicamos cuales van a tener sentido no numérico.

El sistema SPSS permite definir una serie de características a las variables. Las más importantes son las siguientes:
- Etiquetas de las variables.
- Etiquetas a los valores de las variables.
- Valores missing.

• Etiquetas de las variables: es una cadena de caracteres asociada al nombre de la variables, con el fin de generar resultados más comprensivos, por ejemplo la variable ingresos podría llevar asociada la etiqueta “Ingresos netos en euros €”.

• Etiquetas de los valores de las variables: cuando estamos ante una variable categórica o nominal es usual el asignar una etiqueta a cada categoría, por ejemplo en la variable sexo, si el valor 1 representa a los hombres y el valor 2 representa a las mujeres, podemos hacer que el sistema muestre “Hombre” y “Mujer” en vez de los valores 1 y 2, con el fin de producir resultados más comprensivos.

 

METODOS CUANTITATIVOS PARA LAS DECISIONES DE NEGOCIOS

Las decisiones exitosas de negocios se basan en métodos cuantitativos para reducir las posibilidades y ayudar a predecir qué opciones tendrán las mayores posibilidades de éxito. Tanto si estás haciendo compras, marketing o financiación de decisiones, es esencial obtener una base cuantitativa para ayudar en el proceso de la toma de decisiones. Utilizar números y las matemáticas para respaldar tus decisiones de negocios te ayuda a tomar decisiones más informadas y puede ayudar a aumentar el éxito de tu empresa.

PROBABILIDAD

Utiliza la probabilidad para determinar la oportunidad a largo plazo de la rentabilidad en los productos que ofreces y para ayudar a asignar los recursos. Por ejemplo, en el campo de los seguros se pueden establecer las decisiones empresariales sobre las tasas por la probabilidad de reclamaciones basadas en variables como las diferencias demográficas y geográficas. También puedes utilizar la probabilidad para determinar cuál de tus productos o servicios tienen el mayor potencial de ganancias. Toma la decisión empresarial de asignar recursos financieros y de empleados basados en el beneficio potencial.

PREDICCION

Aplica técnicas de predicción como media móvil, promedio y regresión lineal para predecir los acontecimientos futuros de negocios en base a los datos anteriores. La mayoría de los métodos de pronóstico suponen que los eventos futuros serán similares a los anteriores eventos, dado que no ocurren grandes cambios. La previsión puede utilizarse para ayudar a tomar decisiones financieras, decisiones de producto e incluso personales. La previsión es uno de los métodos cuantitativos más poderosos para ayudar con las decisiones de negocios. Utiliza información de pronóstico como una fundación y modifícala en función a los cambios conocidos para aumentar la fiabilidad de la decisión empresarial.

PROGRAMAS INFORMATICOS UTILIZADOS EN ANALISIS DE DATOS

Desde los años ochenta venimos experimentando una invasión del mundo de la informática en el campo de la investigación educativa a todos los niveles; bases de datos, bases bibliográficas... pero muy especialmente en el análisis de los datos. Los aplicaciones de la informática a la investigación son importantes, teniendo en cuenta que cada vez más la cantidad de datos que se manejan y la variedad de análisis que se realizan rebasan la capacidad del cálculo manual (Buendía, Colas y Hernández, 1997).

Una relación completa de programas de Estadística Aplicada, aparte de ser difícil de elaborar, no es el fin de esta tesis, por lo que únicamente presentamos algunos programas para el análisis de datos cuantitativos que nos pueden servir de ejemplo: BMDP, LISREL, SAS, SCA, SPAD, CLUSTAN, BOX – JENKIS, MDS, INDSCAL, OSIRIS, STAP – PACK. Todos estos programas son dirigidos a profesionales con un coste económico alto. A nivel más simple destacamos SYSTAT y MINITAB, asequibles a cualquier estudiante.

Las últimas versiones de todos estos programas, operando bajo Windows, comparten una característica básica como es la disponer de una hoja, que sin llegar a ser como una hoja de cálculo, permiten la definición de variables actuando en las cabeceras de columnas, para posteriormente registrar los datos en las filas. Esta capacidad, en cierta medida anula la necesidad del empleo de una de cálculo tipo LOTUS o EXCEL como paso previo, aunque en cualquier caso es posible, posteriormente la importación de los datos desde las mismas (González – Conde, 2000).

El SPSS, junto con el BMDP son los más utilizados en investigación aplicada a las Ciencias Sociales (Bisquerra, 1989), hemos de señalar que aunque destacamos su utilidad, su fácil manejo y su fácil comprensión, no obstante, su uso se ve supeditada a un periodo determinado, condicionado por una licencia, lo cual en ocasiones dificulta y entorpece poder sacar su máximo rendimiento.

Dada la relevancia de la informática en el análisis estadístico de datos, finalizamos enumerando las ventajas e inconvenientes que podrían derivarse de ello (Álvarez, García, Gil, Martínez, Romero y Rodríguez, 2002)

USO DE LA INFORMÁTICA EN EL ANÁLISIS:  VENTAJAS  E INCONVENIENTES

1. Permite un importantísimo ahorro de tiempo y esfuerzo, realizando en segundos un trabajo que requeriría horas e incluso días.
2. Hace posible cálculos más exactos, evitando los redondeos y aproximaciones del cálculo manual. 
3.  Permite trabajar con grandes cantidades de datos, utilizando muestras mayores e incluyendo más variables.
4. Permite trasladar la atención desde las tareas mecánicas de cálculo a las tareas conceptuales: decisiones sobre el proceso, interpretación de resultados, análisis crítico.
5. El aprendizaje del manejo de paquetes de programas estadísticos requiere un cierto esfuerzo.
6.  A veces, la capacidad de cálculo del evaluador supera la capacidad para comprender el análisis realizado e interpretar los resultados.
7. Lleva a veces a una sofisticación innecesaria, al permitir el empleo de técnicas complejas para responder a cuestiones simples.

Ventajas e inconvenientes del uso de la informática en el análisis de datos (tomado de Álvarez, García, Gil, Martínez, Romero y Rodríguez, 2002)

PROCEDIMIENTO Y METODOS ESTADISTICOS 

El punto de partida para el análisis de datos comienza con una matriz de datos n+p. Esta matriz se registra de forma natural en las filas y columnas de una hoja del programa SPSS. Una matriz es un conjunto de valores representadas en n filas y n columnas. Nuestra matriz de datos figura en el anexo, ésta esta configurada por xxx columnas, que representa las variables investigadas y las variables investigadoras, e yyy filas que representan los casos objeto de estudio.

En el anexo se incluyen las matrices de esta investigación, esta por razones de espacio ha tenido que ser seccionada en diversos fragmentos.  Una vez recogidos los datos, procedimos a describirlos y a resumirlos. Esta descripción se efectúa mediante descripciones gráficas (polígonos de frecuencias, curva normal..) y descripciones numéricas (promedios, medidas de variabilidad, forma de la distribución, medida de la relación entre variables...).

Las técnicas multivariables, son según Bisquerra (1989) aquellas técnicas que se aplican al

análisis de muchas variables, siendo el tratamiento de los datos, por tanto, multidimensional.

Recogiendo las aportaciones de diversos autores el profesor Bisquerra (1989) propone una clasificación de los métodos multivariables. Los criterios clasificatorios son:
 (i) Métodos descriptivos o explicativos, 
(ii) Número de variables dependientes, 
(iii) Escalas de medida-. 

En cierta forma, esta clasificación es considerada por el autor como un intento de algoritmo conducente a la determinación del método más adecuado para las características del problema objeto de estudio. En él se formulan una serie de preguntas que facilitan la toma de decisión.