Optativa. Segundo Cuatrimestre.

Tema 1 : Introducción. Niveles de análisis estadístico. Análisis descriptivo e inferencial. Técnicas paramétricas y no paramétricas.

Tema 2. Introducción al SPSS. Definición y etiquetado de variables. Selección de casos y segmentación de archivos. Transformación y recodificación de variables. Representaciones gráficas más utilizadas.

Tema 3. Análisis de una sola variable. Estadísticos descriptivos y representación gráfica de los datos en función del nivel de medida de la variable. Inferencias estadísticas. Análisis del posible sesgo de la muestra. Detección de outliers.

Tema 4 : Análisis bivariado. Coeficientes de asociación y correlación. Diferencias de medias entre dos o más grupos independientes : prueba t y ANOVA de un factor. Diferencias de medias entre dos o más grupos relacionados : prueba t para muestras relacionadas y ANOVA de medidas repetidas. Técnicas no paramétricas alternativas a las técnicas anteriores.

Tema 5 : Análisis multivariado. Clasificación de las técnicas de análisis multivariado. Comprobación de los supuestos paramétricos.

Tema 6 : Modelos logarítmico-lineales y modelos logit . Especificación del modelo. Modelos jerárquicos. Interpretación de los efectos. Modelos logit.

Tema 7 : Análisis Factorial . Objetivos con que puede aplicarse y condiciones necesarias para su utilización. Análisis de Componentes Principales : criterios de extracción de componentes. Rotaciones ortogonales y oblicuas para la interpretación de los componentes. La obtención y utilizacion de las puntuaciones factoriales. Análisis Factorial de Máxima Verosimilitud.

Tema 8 : Análisis de Clusters. Objetivos con que puede aplicarse. Criterios y procedimientos de agrupación. Métodos jerárquicos. El método K-medias. Análisis de clusters de variables. Análisis de clusters con variables dicotómicas. Validación de los resultados de un análisis de clusters.

Tema 9 : Regresión múltiple . Objetivos y condiciones necesarias para su aplicación. Coeficiente de determinación múltiple. Ecuación de regresión. Procedimientos para seleccionar el número óptimo de predictores. Regresión múltiple con variables moduladoras. Identificación de variables supresoras. Regresión curvilínea.

Tema 10 : Regresión logística . Situaciones en las que puede aplicarse. Recodificación de las variables predictoras. Selección de las variables del modelo. La tabla de clasificación. La predicción del criterio en términos de probabilidad.

Tema 11 : Análisis Discriminante. Objetivos y condiciones de aplicación. Cómo seleccionar y combinar las variables para discriminar máximamente entre los grupos : la función discriminante. Significación e interpretación de la función discriminante. Matriz de clasificación. La asignación de nuevos sujetos a uno de los grupos. Análisis discriminante con más de dos grupos.

Tema 12 : ANOVA factorial y MANOVA. Condiciones necesarias para aplicar estas técnicas. Efectos principales y efectos de la interacción. Análisis de varianza con dos o más factores (inter, intra y mixto). Análisis de la covarianza (ANCOVA). Análisis multivariado de la varianza (MANOVA).

Arce, C. Y Real, E. (2001) Introducción al Anális Estadístico con SPSS para Windows. Barcelona: PPU.

Bisquerra, R. (1989). Introducción conceptual al análisis multivariable. Un enfoque informático con los paquetes SPSS-X, BMDP, LISREL y SPAD. Barcelona : PPU (2 vols)

Camacho, J. (1995). Análisis multivariado con SPSS/PC. Barcelona : EUB.

Cuadras, C.M. (1981). Métodos de análisis multivariante. Barcelona : Eunibar.

Filgueira, E. (2001). Análisis de datos con SPSSWIN. Madrid : Alianza Editorial.

Flury, B. y Riedwyl, H. (1988). Multivariate statistical : a practical aproach. London : Chapman and Hall.

Harris, R.J. (1986). A primer of multivariate statistical analysis. 2nd Edition. New York, NY : McGraw Hill.

Johnson, R.A. y Wichern, D.W. (1988). Applied multivariate statistical analysis. 2nd Edition. Englewood Clifs, NJ : Prentice-Hall.

Kinnear, P.R. y Gray, C.D. (1995). SPSS for windows made simple. Hove, UK: LEA

Morrison, D.F. (1990). Multivariate statistical methods. 3rd Edition. New York, NY : McGraw-Hill

Sánchez Carrión, J.J. (1984). Introducción a las técnicas de análisis multivariable aplicadas a las ciencias sociales. Madrid : Consejo Superior de Investigaciones Científicas.

Stevens, J. (1986). Applied multivariate statistics for the social sciences. Hillsdale, NJ : LEA

Tabachnik, B.G. y Fidell, L.S. (1989). Using multivariate statistics. 2nd Edition. New York, NY : Harper and Row.

Tatsuoka, M.M. (1988). Multivariate analysis : techniques for educational and psychological research. 2nd Edition. New York, NY : McMillan

Vallejo, G. (Coor.) (1992). Análisis multivariables aplicados a las ciencias comportamentales. Oviedo : Servicio de Publicaciones de la Universidad de Oviedo.

Visauta, B. (1999). Análisis estadístico con SPSS para Windows. Madrid: Mc Graw Hill.

Después de cada uno de los 10 temas del programa que siguen a los dos introductorios, los alumnos deberán realizar una práctica que podrá puntuarse con un máximo de 0,40 puntos. Así pues, la nota máxima en prácticas será 4. Finalizado el curso se hará un examen global de la asignatura, de carácter práctico, en el que podrá obtenerse hasta un máximo de 6 puntos. La nota final será la suma de las obtenidas en las prácticas y en el examen. En caso de no aprobar la asignatura en Junio se guardará la nota de prácticas para Septiembre.