Baya
El análisis discriminante ayuda a identificar las variables independientes que discriminan una variable dependiente de interés nominalmente escalada. La combinación lineal de variables independientes indica la función de discriminación que muestra la gran diferencia que existe en las medias de los dos grupos. En otras palabras, las variables independientes medidas en una escala de intervalo o razón discriminan los grupos de interés a estudiar.
El análisis factorial ayuda a reducir una gran cantidad de variables a un conjunto de factores significativo, interpretable y manejable. Un análisis de componentes principales transforma todas las variables en un conjunto de variables compuestas que no están correlacionadas entre sí. Supongamos que hemos medido en un cuestionario los cuatro conceptos de salud mental, satisfacción en el trabajo, satisfacción con la vida e implicación en el trabajo con siete preguntas para cada uno. Cuando factorizamos el análisis de estos 28 ítems, deberíamos encontrar cuatro factores con las variables correctas cargando en cada factor, confirmando que hemos medido los conceptos correctamente.
El análisis de conglomerados se utiliza para clasificar objetos o individuos en grupos mutuamente excluyentes y colectivamente exhaustivos con alta homogeneidad dentro de conglomerados y baja homogeneidad entre conglomerados. En otras palabras, el análisis de conglomerados ayuda a identificar objetos que son similares entre sí, basándose en algún criterio específico. El análisis de conglomerados agrupará a las personas según sus preferencias para cada una de las diferentes marcas.