7 Análisis multivariante básico

Published

June 29, 2026

Los capítulos anteriores se han movido en un mundo de dos dimensiones: comparar dos grupos, correlacionar dos variables, predecir un resultado a partir de un único factor. Esas herramientas son fundamentales, pero los fenómenos que interesan en investigación de mercados —el comportamiento de compra, el posicionamiento de una marca, la satisfacción de un cliente— rara vez se explican por una única variable. Son el resultado de la interacción simultánea de muchos factores.

El análisis multivariante es el conjunto de métodos estadísticos diseñados para analizar simultáneamente múltiples variables medidas sobre cada individuo u objeto de estudio. En palabras de Hair et al. (1999, 5), “la razón de ser del análisis multivariante consiste en que permite a los investigadores contemplar la realidad en su genuina complejidad, analizando las variables conjuntamente tal como se presentan en la realidad”.

El paso de un análisis bivariante a uno multivariante no es solo cuantitativo —pasar de dos a más de dos variables—, sino un cambio cualitativo en la forma de plantear el problema. Aldás Manzano and Uriel Jiménez (2017) señalan que el análisis bivariante puede ser insuficiente, e incluso conducir a conclusiones erróneas: una relación aparente entre dos variables puede desaparecer, o invertirse, al introducir una tercera. El ejemplo clásico: las ventas de helados y los ahogamientos en playas están correlacionados positivamente. Un análisis bivariante llevaría a una conclusión absurda. Solo un análisis multivariante que incorpore la temperatura revela la estructura real: la temperatura influye en ambas variables, y no existe relación causal directa entre helados y ahogamientos.

La necesidad del análisis multivariante nace, por tanto, de la propia naturaleza de las preguntas de investigación. Ya no se pregunta si A afecta a B, sino cómo un conjunto de variables {A, B, C} influye sobre otro conjunto {X, Y}, o cómo un conjunto de variables {A, B, C, D, E} se estructura internamente para revelar patrones o segmentos. Como señalan Aldás Manzano and Uriel Jiménez (2017, 2), el software estadístico moderno libera al analista del peso computacional, permitiendo centrarse en lo importante: “la comprensión de los conceptos que subyacen a cada técnica y la interpretación de los resultados en el contexto del problema de investigación”.

7.1 Dos grandes familias de técnicas

Las técnicas multivariantes se clasifican habitualmente en dos grandes familias, una distinción que servirá de mapa para los próximos capítulos (Tabachnick and Fidell 2013):

Técnicas de dependencia: se aplican cuando las variables pueden dividirse en dos conjuntos, uno de variables dependientes (los resultados a explicar o predecir) y otro de variables independientes (los predictores). El objetivo es entender cómo las segundas influyen en las primeras. Pertenecen a esta familia la regresión múltiple, la regresión logística y el análisis discriminante.
Técnicas de interdependencia: se aplican cuando no existe una distinción previa entre variables dependientes e independientes. No se busca predecir un resultado, sino explorar la estructura interna de todo el conjunto de variables: descubrir patrones, agrupar variables o casos similares, o reducir la complejidad de los datos. Pertenecen a esta familia el análisis de componentes principales, el análisis de correspondencias y el análisis clúster.

7.2 Un mapa de las técnicas multivariantes

Antes de dedicar un capítulo a cada técnica, conviene tener claro su propósito y el tipo de pregunta que cada una está diseñada para responder. Esto ayuda a elegir la herramienta adecuada para cada problema de investigación.

7.2.1 Técnicas de interdependencia: buscando la estructura oculta

Son técnicas exploratorias por naturaleza. No parten de una hipótesis de predicción, sino de la pregunta: ¿qué estructura o patrón subyace en los datos?

7.2.1.1 Análisis de correspondencias (simple y múltiple)

La pregunta que responde: ¿cómo se asocian las categorías de dos o más variables cualitativas? ¿Es posible crear un “mapa perceptual” que posicione las marcas de un mercado según los atributos que los consumidores les asocian?
El objetivo: es el análogo del análisis de componentes principales para datos cualitativos. El análisis de correspondencias simple (ACS) trabaja con dos variables categóricas (una tabla de contingencia); el análisis de correspondencias múltiple (ACM) maneja tres o más. El resultado es un mapa de baja dimensión (normalmente 2D) donde la proximidad entre puntos representa la fuerza de su asociación.
Relación con otras técnicas: es una técnica de visualización y exploración de datos categóricos, equivalente a lo que el ACP hace con datos cuantitativos. Es muy habitual en investigación de mercados para análisis de posicionamiento e imagen de marca.

7.2.1.2 Análisis de componentes principales y análisis factorial

La pregunta que responde: ¿hay demasiadas variables cuantitativas que miden conceptos similares? ¿Es posible resumir la información de, por ejemplo, 20 variables en 3 o 4 “súper-variables” o factores subyacentes sin perder demasiada información?
El objetivo: reducción de la dimensionalidad. El análisis de componentes principales (ACP) transforma un conjunto de variables originales, posiblemente correlacionadas entre sí, en un nuevo conjunto de variables no correlacionadas (“componentes principales”) que capturan la máxima varianza posible de los datos.
Relación con otras técnicas: es un paso previo habitual a otras técnicas. Antes de un análisis clúster sobre 50 variables, se puede aplicar un ACP para reducirlas a unas pocas componentes y facilitar así la segmentación.

7.2.1.3 Análisis clúster (jerárquico y no jerárquico)

La pregunta que responde: ¿existen grupos o segmentos naturales y homogéneos en los datos? ¿Es posible clasificar a los clientes en distintos perfiles según sus patrones de compra, sin saber de antemano cuántos perfiles existen?
El objetivo: segmentación de casos (individuos, productos, empresas). A diferencia del análisis discriminante, el análisis clúster es una técnica de clasificación no supervisada: los grupos no se conocen a priori, sino que el algoritmo los descubre. Se divide en métodos jerárquicos (que construyen un árbol de conglomerados) y no jerárquicos (como k-medias, que asigna cada caso a uno de los k clústeres predefinidos).
Relación con otras técnicas: se combina a menudo con el ACP (para reducir variables antes de segmentar) y con el análisis discriminante (para validar la clasificación obtenida y crear una regla que asigne nuevos casos a los clústeres ya identificados).

7.2.2 Técnicas de dependencia: explicando y prediciendo resultados

Aquí el objetivo es claro: modelar la relación entre un conjunto de predictores y una o más variables resultado.

7.2.2.1 Regresión múltiple y regresión logística

La pregunta que responde: ¿cómo se puede predecir el valor de una variable (Y) a partir de un conjunto de otras variables (X₁, X₂, X₃…)? La técnica concreta depende de la naturaleza de Y.
- Regresión múltiple: si Y es cuantitativa. Ejemplo: predecir el precio de una vivienda a partir de su superficie, número de habitaciones y antigüedad.
- Regresión logística: si Y es cualitativa, generalmente dicotómica. Ejemplo: predecir si un cliente abandonará la empresa (sí/no) a partir de su antigüedad, su gasto mensual y su número de quejas.
El objetivo: explicación y predicción. Estos modelos no solo predicen el resultado, sino que permiten entender la importancia relativa y la dirección del efecto de cada predictor.
Relación con otras técnicas: son la extensión multivariante de la regresión simple y de las pruebas de diferencia de medias vistas en capítulos anteriores. Constituyen el núcleo del modelado predictivo en investigación de mercados.

7.2.2.2 Análisis discriminante

La pregunta que responde: ¿qué variables cuantitativas diferencian mejor a dos o más grupos ya conocidos? Una vez identificadas, ¿es posible construir una regla para clasificar correctamente a nuevos individuos en esos grupos?
El objetivo: discriminación y clasificación. A diferencia del análisis clúster, aquí los grupos están definidos a priori. La técnica busca una combinación lineal de las variables predictoras (una “función discriminante”) que maximice la separación entre los grupos.
Relación con otras técnicas: es, en cierto sentido, el reverso del ANOVA. En el ANOVA la pregunta es si una variable cualitativa (los grupos) produce diferencias en una variable cuantitativa; en el análisis discriminante, la pregunta es si un conjunto de variables cuantitativas permite predecir la pertenencia a una variable cualitativa (los grupos). Es una técnica de clasificación supervisada, en contraste con el carácter no supervisado del análisis clúster.

7.3 Cómo se organiza el resto del material

El capítulo siguiente retoma el test chi-cuadrado del capítulo anterior como punto de partida: si dos variables categóricas están asociadas, ¿cómo es esa asociación? El análisis de correspondencias responde a esa pregunta transformando una tabla de contingencia en un mapa perceptual. A partir de ahí, el recorrido avanza por las técnicas de interdependencia (ACP, clúster) y de dependencia (regresión múltiple, regresión logística, análisis discriminante), siguiendo el mismo esquema aplicado hasta ahora: planteamiento conceptual, supuestos, ejecución en R y, sobre todo, interpretación orientada a la toma de decisiones en marketing.

# Análisis multivariante básico ```{r} #| echo: false #| message: false #| warning: false source("script.R") ``` Los capítulos anteriores se han movido en un mundo de dos dimensiones: comparar dos grupos, correlacionar dos variables, predecir un resultado a partir de un único factor. Esas herramientas son fundamentales, pero los fenómenos que interesan en investigación de mercados —el comportamiento de compra, el posicionamiento de una marca, la satisfacción de un cliente— rara vez se explican por una única variable. Son el resultado de la interacción simultánea de muchos factores. El **análisis multivariante** es el conjunto de métodos estadísticos diseñados para analizar simultáneamente múltiples variables medidas sobre cada individuo u objeto de estudio. En palabras de @hair1999analisis [p. 5], *"la razón de ser del análisis multivariante consiste en que permite a los investigadores contemplar la realidad en su genuina complejidad, analizando las variables conjuntamente tal como se presentan en la realidad"*. El paso de un análisis bivariante a uno multivariante no es solo cuantitativo —pasar de dos a más de dos variables—, sino un cambio cualitativo en la forma de plantear el problema. @Uriel2017 señalan que el análisis bivariante puede ser insuficiente, e incluso conducir a conclusiones erróneas: una relación aparente entre dos variables puede desaparecer, o invertirse, al introducir una tercera. El ejemplo clásico: las ventas de helados y los ahogamientos en playas están correlacionados positivamente. Un análisis bivariante llevaría a una conclusión absurda. Solo un análisis multivariante que incorpore la temperatura revela la estructura real: la temperatura influye en ambas variables, y no existe relación causal directa entre helados y ahogamientos. La necesidad del análisis multivariante nace, por tanto, de la propia naturaleza de las preguntas de investigación. Ya no se pregunta si A afecta a B, sino cómo un conjunto de variables {A, B, C} influye sobre otro conjunto {X, Y}, o cómo un conjunto de variables {A, B, C, D, E} se estructura internamente para revelar patrones o segmentos. Como señalan @Uriel2017 [p. 2], el software estadístico moderno libera al analista del peso computacional, permitiendo centrarse en lo importante: *"la comprensión de los conceptos que subyacen a cada técnica y la interpretación de los resultados en el contexto del problema de investigación"*. ## Dos grandes familias de técnicas Las técnicas multivariantes se clasifican habitualmente en dos grandes familias, una distinción que servirá de mapa para los próximos capítulos [@Tabachnick2013]: 1. **Técnicas de dependencia**: se aplican cuando las variables pueden dividirse en dos conjuntos, uno de variables **dependientes** (los resultados a explicar o predecir) y otro de variables **independientes** (los predictores). El objetivo es entender cómo las segundas influyen en las primeras. Pertenecen a esta familia la regresión múltiple, la regresión logística y el análisis discriminante. 2. **Técnicas de interdependencia**: se aplican cuando no existe una distinción previa entre variables dependientes e independientes. No se busca predecir un resultado, sino explorar la estructura interna de todo el conjunto de variables: descubrir patrones, agrupar variables o casos similares, o reducir la complejidad de los datos. Pertenecen a esta familia el análisis de componentes principales, el análisis de correspondencias y el análisis clúster. ## Un mapa de las técnicas multivariantes Antes de dedicar un capítulo a cada técnica, conviene tener claro su propósito y el tipo de pregunta que cada una está diseñada para responder. Esto ayuda a elegir la herramienta adecuada para cada problema de investigación. ### Técnicas de interdependencia: buscando la estructura oculta Son técnicas exploratorias por naturaleza. No parten de una hipótesis de predicción, sino de la pregunta: ¿qué estructura o patrón subyace en los datos? #### Análisis de correspondencias (simple y múltiple) - **La pregunta que responde**: ¿cómo se asocian las categorías de dos o más variables cualitativas? ¿Es posible crear un "mapa perceptual" que posicione las marcas de un mercado según los atributos que los consumidores les asocian? - **El objetivo**: es el análogo del análisis de componentes principales para datos **cualitativos**. El análisis de correspondencias simple (ACS) trabaja con dos variables categóricas (una tabla de contingencia); el análisis de correspondencias múltiple (ACM) maneja tres o más. El resultado es un mapa de baja dimensión (normalmente 2D) donde la proximidad entre puntos representa la fuerza de su asociación. - **Relación con otras técnicas**: es una técnica de visualización y exploración de datos categóricos, equivalente a lo que el ACP hace con datos cuantitativos. Es muy habitual en investigación de mercados para análisis de posicionamiento e imagen de marca. #### Análisis de componentes principales y análisis factorial - **La pregunta que responde**: ¿hay demasiadas variables cuantitativas que miden conceptos similares? ¿Es posible resumir la información de, por ejemplo, 20 variables en 3 o 4 "súper-variables" o factores subyacentes sin perder demasiada información? - **El objetivo**: reducción de la dimensionalidad. El análisis de componentes principales (ACP) transforma un conjunto de variables originales, posiblemente correlacionadas entre sí, en un nuevo conjunto de variables no correlacionadas ("componentes principales") que capturan la máxima varianza posible de los datos. - **Relación con otras técnicas**: es un paso previo habitual a otras técnicas. Antes de un análisis clúster sobre 50 variables, se puede aplicar un ACP para reducirlas a unas pocas componentes y facilitar así la segmentación. #### Análisis clúster (jerárquico y no jerárquico) - **La pregunta que responde**: ¿existen grupos o segmentos naturales y homogéneos en los datos? ¿Es posible clasificar a los clientes en distintos perfiles según sus patrones de compra, sin saber de antemano cuántos perfiles existen? - **El objetivo**: segmentación de casos (individuos, productos, empresas). A diferencia del análisis discriminante, el análisis clúster es una técnica de clasificación **no supervisada**: los grupos no se conocen a priori, sino que el algoritmo los descubre. Se divide en métodos **jerárquicos** (que construyen un árbol de conglomerados) y **no jerárquicos** (como k-medias, que asigna cada caso a uno de los *k* clústeres predefinidos). - **Relación con otras técnicas**: se combina a menudo con el ACP (para reducir variables antes de segmentar) y con el análisis discriminante (para validar la clasificación obtenida y crear una regla que asigne nuevos casos a los clústeres ya identificados). ### Técnicas de dependencia: explicando y prediciendo resultados Aquí el objetivo es claro: modelar la relación entre un conjunto de predictores y una o más variables resultado. #### Regresión múltiple y regresión logística - **La pregunta que responde**: ¿cómo se puede predecir el valor de una variable (Y) a partir de un conjunto de otras variables (X₁, X₂, X₃...)? La técnica concreta depende de la naturaleza de Y. - **Regresión múltiple**: si Y es **cuantitativa**. Ejemplo: predecir el precio de una vivienda a partir de su superficie, número de habitaciones y antigüedad. - **Regresión logística**: si Y es **cualitativa**, generalmente dicotómica. Ejemplo: predecir si un cliente abandonará la empresa (sí/no) a partir de su antigüedad, su gasto mensual y su número de quejas. - **El objetivo**: explicación y predicción. Estos modelos no solo predicen el resultado, sino que permiten entender la importancia relativa y la dirección del efecto de cada predictor. - **Relación con otras técnicas**: son la extensión multivariante de la regresión simple y de las pruebas de diferencia de medias vistas en capítulos anteriores. Constituyen el núcleo del modelado predictivo en investigación de mercados. #### Análisis discriminante - **La pregunta que responde**: ¿qué variables cuantitativas diferencian mejor a dos o más grupos ya conocidos? Una vez identificadas, ¿es posible construir una regla para clasificar correctamente a nuevos individuos en esos grupos? - **El objetivo**: discriminación y clasificación. A diferencia del análisis clúster, aquí los grupos están **definidos a priori**. La técnica busca una combinación lineal de las variables predictoras (una "función discriminante") que maximice la separación entre los grupos. - **Relación con otras técnicas**: es, en cierto sentido, el reverso del ANOVA. En el ANOVA la pregunta es si una variable cualitativa (los grupos) produce diferencias en una variable cuantitativa; en el análisis discriminante, la pregunta es si un conjunto de variables cuantitativas permite predecir la pertenencia a una variable cualitativa (los grupos). Es una técnica de clasificación **supervisada**, en contraste con el carácter no supervisado del análisis clúster. ## Cómo se organiza el resto del material El capítulo siguiente retoma el test chi-cuadrado del capítulo anterior como punto de partida: si dos variables categóricas están asociadas, ¿cómo es esa asociación? El análisis de correspondencias responde a esa pregunta transformando una tabla de contingencia en un mapa perceptual. A partir de ahí, el recorrido avanza por las técnicas de interdependencia (ACP, clúster) y de dependencia (regresión múltiple, regresión logística, análisis discriminante), siguiendo el mismo esquema aplicado hasta ahora: planteamiento conceptual, supuestos, ejecución en R y, sobre todo, interpretación orientada a la toma de decisiones en marketing.