Guía en formato PDF
Logo

Análisis multivariado de datos

Código: 101148
Créditos: 6
2026/2027
Titulación Tipo Curso
Sociología OB 3

Profesor/a de contacto

Nombre :
Pedro López Roldán
Correo electrónico :
pedro.lopez.roldan@uab.cat

Idiomas de los grupos

Puede consultar esta información al final del documento.

Prerrequisitos

Para poder cursar esta asignatura se aconseja haber realizado el seguimiento con suficiencia de las asignaturas Métodos Cuantitativos de Investigación Social y de Métodos de Análisis.

Objetivos

La asignatura constituye un curso de introducción a las técnicas de análisis multivariable de datos estadísticos que se plantea como continuación de la perspectiva cuantitativa de investigación social iniciada en el grado. Los procedimientos, métodos y técnicas ya tratados hasta ahora se ampliarán para considerar lo que podemos llamar de forma general como el paso de los procedimientos de análisis bivariable a los procedimientos de análisis multivariable.

En el contexto del itinerario de materias técnicas y metodológicas, que buscan ofrecer una panorámica completa de los diferentes procedimientos de la actividad científica sociológica, y dadas la extensión y variedad de los procedimientos de análisis en el ámbito de las ciencias sociales, conlleva dirigir la enseñanza hacia la selección de unos pocos temas o instrumentos considerados como algunos de los más fundamentales y de mayor interés en la práctica de la investigación sociológica con los que aprender la lógica de la metodología cuantitativa multivariable y la utilización de sus técnicas.

En concreto, con la asignatura se pretende:

1) Desde el punto de vista del alumnado, la construcción de su aprendizaje se llevará a cabo a partir de:

- El conocimiento y comprensión de los principales conceptos asociados al análisis multivariable de datos estadísticos, ejemplificados con los conceptos sociológicos.
- La capacidad de aplicación de los instrumentos técnicos destinados al análisis avanzado de los datos estadísticos considerados en el curso.
- Saber utilizar de forma instrumental el software estadístico para el análisis estadístico bivariable y multivariable.
- Saber interpretar los resultados estadísticos deun análisis de datos desde el punto de vista técnico y sustantivo de acuerdo con unos objetivos conocimiento yestudio de la realidad social.

2) Desde las condiciones generales de una asignatura de este tipo en relación al aprovechamiento del alumnado se trata de:

- Facilitar la comprensión, el manejo y la interpretación de un sistema conceptual algebraico y estadístico básico para asimilar el uso de las técnicas que implican la cuantificación y la formalización de los fenómenos sociales.
- Enmarcar de manera equilibrada, comprensiva e integradora los contenidos de esta asignatura dentro del conjunto de los métodos habituales en sociología. 

Resultados de aprendizaje

  1. Evaluar la calidad del propio trabajo.
  2. Gestionar el propio tiempo, planificando el estudio propio, gestionando la relación con un tutor/a o asesor/a, así como estableciendo y cumpliendo los plazos adecuados para un proyecto de trabajo.
  3. Trabajar en equipo y en red en situaciones diversas.
  4. Buscar fuentes documentales a partir de conceptos.
  5. Desarrollar un pensamiento y un razonamiento crítico y saber comunicarlos de manera efectiva, tanto en las lenguas propias como en una tercera lengua.
  6. Desarrollar estrategias de aprendizaje autónomo.
  7. Mencionar los principales conceptos de la sociología.
  8. Indicar sus dimensiones, sus posibles indicadores cuantitativos y la evidencia cualitativa relevante para observarlos empíricamente.
  9. Identificar los principales métodos y técnicas cuantitativos y cualitativos.
  10. Explicar la base metodológica de estos métodos y técnicas cuantitativos y cualitativos.
  11. Relacionarlos con los distintos enfoques de la sociología.
  12. Utilizar los instrumentos estadísticos univariados.
  13. Utilizar el software apropiado para los instrumentos estadísticos univariados.
  14. Medir un fenómeno social con estos instrumentos a partir de un marco teórico de análisis.
  15. Utilizar los instrumentos estadísticos multivariados básicos.
  16. Utilizar el software apropiado para los instrumentos estadísticos multivariados básicos.
  17. Utilizar los instrumentos estadísticos multivariados avanzados.
  18. Utilizar el software apropiado para los instrumentos estadísticos multivariados avanzados.
  19. Definir conceptos de análisis.
  20. Formular una hipótesis con estos conceptos.
  21. Elaborar un instrumento de análisis significativo para esta hipótesis.
  22. Obtener conclusiones a partir de la información recogida con este instrumento.

Contenidos

Introducción general
- Objetivos de la asignatura, contenidos, dinámica del curso y evaluación
- El análisis multivariable: características y clasificación de las técnicas
- El software para el análisis de datos estadísticos

PARTE I. El análisis de interdependencia con variables cualitativas

Tema 1. El análisis de tablas de contingencia
- Análisis clásico de tablas de contingencia multidimensionales

Tema 2. El análisis log-lineal
- El análisis logarítmico lineal general

PARTE II. El análisis de dependencia

Tema 3. El análisis de varianza
- El análisis de varianza unifactorial
- El análisis de varianza multifactorial

Tema 4. El análisis de regresión
- El análisis de regresión simple
- El análisis de regresión múltiple

PARTE III. El análisis de interdependencia para la construcción de tipologías

Tema 5. El análisis factorial
- Fundamentos matemáticos de análisis multivariado de datos
- El análisis factorial de componentes principales
- El análisis factorial de correspondencias

Tema 6. El análisis de clasificación
- Análisis de clasificación y la construcción de tipologías
- El análisis de clasificación automática

Actividades formativas y Metodología

Título Horas ECTS Resultados de aprendizaje
Tutorías individuales programadas 2 0,08
Lecturas de los textos 30 1,2
Preparación individual de los ejercicios prácticos 30 1,2
Clases magistrales 30 1,2
Trabajo individual 30 1,2
Prácticas en el aula 16 0,64

El curso se plantea con una dinámica de enseñanza y aprendizaje continuada, lo que implica el seguimiento de los ritmos del curso y de los diversos contenidos que se han diseñado de acuerdo con las diferentes actividades lectivas programadas. Los contenidos de la materia tienen un hilo conductor ligado al proceso de investigación y por la continuidad del aprendizaje de conceptos e instrumentos que se incorporan de forma progresiva, así como para la resolución de problemas y cuestiones que se basan en la asimilación y en la práctica de cada tema anterior de la asignatura.

Dado que el objetivo de la formación es que el alumnado aprenda a investigar en sociología utilizando técnicas estadísticas avanzadas, la metodología docente y las actividades formativas de la asignatura resultan de la combinación de sesiones expositivas con ejercicios de resolución de problemas y prácticas en el aula que permitan aplicar los conceptos adquiridos y técnicas explicadas, así como de tutorías de seguimiento y trabajo autónomo.

Nota: se reservarán 15 minutos de una clase dentro del calendario establecido por el centro o por la titulación para que el alumnado rellene las encuestas de evaluación de la actuación del profesorado y de evaluación de la asignatura o módulo.

Evaluación

Actividades de evaluación continuada

Título Peso Horas ECTS Resultados de aprendizaje
Trabajos de análisis 82,0% 0 0 1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12, 13, 14, 15, 16, 17, 18, 19, 20, 21, 22
Ejercicios prácticos 18,0% 12 0,48 6, 7, 8, 9, 10, 12, 13, 15, 16, 17, 18, 22

La asignatura se evalúa de forma continuada. Es importante el seguimiento y la asistencia regular a las sesiones de clase con el fin de garantizar el aprendizaje, la asimilación progresiva de la materia y la realización adecuada de la evaluación. Para superar la asignatura se requerirá una nota media final mínima de 5 sobre 10. En la evaluación se combinan tres aspectos:


Actividades de evaluación


1) Los trabajos de análisis (82%): 2 trabajos, realizados en grupos de 2 o 3 personas, de análisis sociológico de datos cuantitativos con una base de datos escogida por el alumnado y con la ayuda del software, en relación a los siguientes temas:


1. Análisis de tablas de contingencia multidimensionales y log-lineal

a) Tutoría del trabajo (2%)

b) Selección de los datos y formulación de hipótesis (5%)

c) Trabajo completo de análisis (34%)


2. Análisis tipológico combinando el análisis factorial y de clasificación

a) Tutoría del trabajo (2%)

b) Selección de los datos y formulación de hipótesis (5%)

c) Trabajo completo de análisis (34%)


– Se elaborarán en contenido y en forma como un artículo académico de investigación según un formato definido y con una extensión máxima de 3.500 palabras de redacción, anexos aparte.

– Habrá que hacer una tutoría obligatoria, presencial o por Teams, con todos los miembros del grupo, antes de la primera entrega de cada trabajo, con el fin de orientar su correcta realización y comentar los datos elegidos, las hipótesis formuladas y los primeros análisis a partir del trabajo de preparación previo del alumnado del grupo.

– Se requiere una nota mínima de 5 sobre 10 de cada trabajo. Los trabajos con una nota inferior a 5 se podrán recuperar en cualquier momento y antes de la fecha fijada en el calendario de evaluaciones. Habrá que volver a presentar el trabajo con las correcciones realizadas y se adjuntará una página al final del documento del trabajo donde se explicarán brevemente las correcciones realizadas en relación al trabajo presentado inicialmente. La recuperación se puntuará sobre un máximo de 7.

– Situaciones en que se considerará la no evaluación o el suspenso de la asignatura:

• La no presentación de los trabajos o la presentación fuera de plazo sin justificación previa a la fecha de entrega.

• La presentación incompleta de los análisis.

• No hacer la tutoría obligatoria del trabajo presentando los primeros resultados.

– La no presentación de los dos trabajos será el criterio por el que se asignará "No evaluable" como evaluación de la asignatura.


2) Las prácticas (18%): se realizarán 6 sesiones de prácticas que consistirán en la realización en el aula de informática de ejercicios de aplicación de las técnicas de análisis de datos tratados:

1. Análisis de tablas de contingencia multidimensionales y log-lineal

2. Análisis de varianza

3. Análisis de regresión

4. Análisis factorial de componentes principales

5. Análisis factorial de correspondencias múltiples

6. Análisis de clasificación


La evaluación de la actividad será el resultado de la nota obtenida en un cuestionario de preguntas sobre cada ejercicio práctico. Las prácticas se harán individualmente. Si no se hace la práctica en el aula el día programado por una razón justificada se podrá recuperar antes de que transcurra una semana y la nota será de 5. Fuera de este plazo se considerará no realizada.


3) Para poder ser evaluado de la asignatura se requerirá un seguimiento mínimo del 50% en relación a todas las actividades propuestas a lo largo del curso, incluidas las actividades puntuales de cada día de clase. El seguimiento recoge la continuidad de la formación y el aprendizaje a través de las diferentes actividades de evaluación continuada y asistencia a las clases, al margen de las circunstancias individuales que en un momento dado dificulten este seguimiento, y expresa lo que se considera un proceso de formación mínimo del contenido de la asignatura para su asimilación básica. En caso contrario el aprendizaje de la materia se considera difícil e insuficiente para esta asimilación y la realización adecuada de las actividades de evaluación. Adicionalmente, si se hace un seguimiento de la asignatura igual o superior al 80%, se podrá optar a sumar hasta 0,5 puntos en la nota final de la asignatura.


Uso de la inteligencia artificial (IA)

En esta asignatura se permite el uso de tecnologías de Inteligencia Artificial como parte integrante del desarrollo del trabajo, siempre que el resultado final refleje una contribución significativa del estudiante en el análisis y la reflexión personal. El estudiante deberá identificar claramente qué partes han sido generadas con esta tecnología, especificar las herramientas empleadas e incluir una reflexión crítica sobre cómo éstas han influido en el proceso y el resultado final de la actividad. La no transparencia del uso de la IA se considerará falta de honestidad académica y puede conllevar una penalización en la nota de la actividad, o sanciones mayores en casos de gravedad. La realización de cualquier irregularidad en un acto de evaluación, fraude académico, plagio o uso indebido de la IA, supone que este acto se calificará con un 0, y se podrá instruir un proceso disciplinario al estudiante que incurra en alguna de estas irregularidades. El profesorado se reserva el derecho de realizar entrevistas orales o una prueba alternativa, con el fin de comprobar la efectiva adquisición de conocimientos y competencias y por tanto la validez de las pruebas de evaluación realizadas por el estudiantado.



Bibliografía

Bibliografía básica


López-Roldán, P.; Fachelli, S. (2015). Metodología de la investigación social cuantitativa. Bellaterra (Barcelona): Dipòsit Digital de Documents, Universitat Autònoma de Barcelona. 1a. edición.

http://ddd.uab.cat/record/129382 | http://webs.uab.cat/plopez/content/misc

Capítols 5, 6, 7, 8, 9, 11 i 12.


López-Roldán, P. (2015). Recursos para la investigación social. Dipòsit Digital de Documents. Bellaterra (Barcelona): Universitat Autònoma de Barcelona.

http://ddd.uab.cat/record/89349 | http://webs.uab.cat/plopez


López-Roldán, P. (2026). Material adicional del Campus Virtual de l’assignatura. Bellaterra (Barcelona): Universitat Autònoma de Barcelona.


Ajenjo, M.; Miguel Quesada, F. J.; Griera, O. (2022). Manual d’ús de jamovi per anàlisi de dades en estudis socials. MUJADES 1.4. Dipòsit Digital de Documents. Bellaterra (Barcelona): Universitat Autònoma de Barcelona.

https://ddd.uab.cat/record/238222



Bibliografía complementaria


El manual Metodología de la investigación social cuantitativa (MISC) contiene en cada capítulo una relación de referencias bibliográficas específicas que complementan la bibliografía básica.


Referencias bibliográficas seleccionadas:


Adams, K. A.; Lawrence, E. K. (2019). Research Methods, Statistics, and Applications. Thousand Oaks, California: Sage Publications.

Ato García, M.; López García, J. J. (1996). Análisis estadístico para datos categóricos. Madrid: Síntesis.

Bailey, K. D. (1994). Typologies and Taxonomies. An Introduction to Classification Techniques. Thousand Oaks (California): Sage.

Brown, B. L.; Hendrix, S. B.; Hedges, D. W.; Smith, T. B. (2011). Multivariate analysis for the biobehavioral and social sciences. A graphical approach. Hoboken: John Wiley & Sons.

Cea d’ancona, M. A. (2012). Fundamentos y aplicaciones en metodología cuantitativa. Madrid: Síntesis.

Cea d’Ancona, M. A. (2002/2014). Anàlisis multivariable. Teoría y práctica en la investigación social. Madrid: Síntesis.

Chang, W. (2023). R graphics cookbook: Practical recipes for visualizing data (2nd ed.). O’Reilly Media. https://r-graphics.org/

Christensen, R. R. (1997). Log-linear models and logistic regression. New York: Springer-Verlag.

Correa Piñero, A. D. (2002). Análisis logarítmico lineal. Madrid: La Muralla.

Denis, D. J.(2021). Applied Univariate, Bivariate, and Multivariate Statistics. Understanding Statistics for Social and Natural Scientists, With Applications in SPSS and R. Hoboken, NJ: John Wiley & Sons.

Escario Gracia, J. J., & Valiño García, J. (2020). Una introducción a R para la investigación en ciencias sociales. Zaragoza: Prensas de la Universidad de Zaragoza.

https://puz.unizar.es/img/cms/PARA%20IUNIZAR/9788413401584promocional.pdf

Everitt, B.; Hothorn, T. (2011). An introduction to applied multivariate analysis with R. New York: Springer.

Field, A.; Miles, J.; Field, Z. (2023). Discovering statistics using R (2nd ed.). London: Sage. https://profandyfield.com/discoverse/dsur/

Greenacre, M. J. (2008). La práctica del análisis de correspondencias. Madrid: Fundación BBVA.

http://www.fbbva.es/TLFU/tlfu/esp/publicaciones/libros/fichalibro/index.jsp?codigo=300

García Ferrando, M. (1987). Socioestadística. Introducción a la estadística en sociología. 2a edició amp. Madrid: Alianza. Alianza Universidad Textos, 96.

Guillén, M. F. (1992). Análisis de regresión múltiple. Madrid: Centro de Investigaciones Sociológicas.

Grolemund, G. (2014). Hands-on programming with R. O’Reilly Media. https://rstudio-education.github.io/hopr/

Kabacoff, R. I. (2015). R in action: Data analysis and graphics with R (2nd ed.). Manning Publications. https://www.manning.com/books/r-in-action-second-edition

Hahs-Vaughn, D. L. (2017). Applied multivariate statistical concepts. Nueva York: Routledge.

Hair, J. F., Black, W. C.; Babin, B. J.; Anderson, R. E. (2013). Multivariate data analysis. Pearson new international edition (7.ª ed.). Harlow: Pearson.

Healy, K. (2018). Data visualization: A practical introduction. Princeton University Press. https://socviz.co/

Hernández Encinas, L. (2001). Técnicas de taxonomía numérica. Madrid: La Muralla.

Harlow, L. L. (2014). The essence of multivariate thinking. Basic themes and methods (2.ª ed.). Nueva York: Routledge.

Horton, N. J.; Kleinman, K. (2015). Using R and RStudio for data management, statistical analysis, and graphics. Boca Raton, FL: Chapman & Hall/CRC.

Husson, F., Lê, S., & Pagès, J. (2011). Exploratory multivariate analysis by example using R. Boca Raton, FL: Chapman & Hall/CRC.

Ismay, C., & Kim, A. (2021). Statistical inference via data science: A modern dive into R and the tidyverse. Boca Raton, FL: Chapman & Hall/CRC. https://moderndive.com/

Joaristi Olariaga, L.; Lizasoain Hernandez, L. (1999). Análisis de correspondencias. Madrid: La Muralla.

Kuhn, M., & Silge, J. (2022). Tidy modeling with R: A framework for modeling in the tidyverse. Sebastopol, CA: O’Reilly Media. Tidy Modeling with R [Book]

Lévy Mangin, J. P.; Varela Mallou, J. (2003/2008) Análisis multivariables para las ciencias sociales. Madrid. Pearson-Prentice Hall.

López-Roldán, P.; Fachelli, S. (2018). Metodología de construcción de tipologías para el análisis de la realidad social. Bellaterra (Cerdanyola del Vallès): Dipòsit Digital de Documents, Universitat Autònoma de Barcelona. 2a. edición.

MacFarland, T. W. (2012). Two-Way Analysis of Variance: Statistical Tests and Graphics Using R. New York: Springer.

Marradi, A. (1990). Classification, typology, taxonomy. Quality & Quantity, 24, 129-157.

Mateos-Aparicio, G.; Hernandez Estrada, A. (2021). Analisis multivariante de datos: Cómo buscar patrones de comportamiento en Big Data. Madrid: Pirámide.

Matloff, N. (2011). The art of R programming: A tour of statistical software design. No Starch Press. https://nostarch.com/artofr.htm

Meneses, J. (2019). Introducción al análisis multivariante. Barcelona: UOC

Navarro, D. J. (2021). Learning statistics with R: A tutorial for psychology students and other beginners. https://learningstatisticswithr.com| En castellà

Miller, J. E. (2013). The Chicago guide to writing about multivariate analysis (2.ª ed.). Chicago: The University of Chicago Press.

Paladino, M. (2018). R para ciencias sociales. https://martinpaladino.github.io/rsociales/index.html

Pérez López, C. (2019). R para estadística aplicada. Madrid: Garceta.

Pimpler, E. (2018). Data visualization and exploration with R: A practical guide to using R, RStudio, and Tidyverse for data visualization, exploration, and data science applications. Boerne, TX: Geospatial Training Services. https://geospatialtraining.com/data-visualization-and-exploration-with-r/

Pituch, K. A.; Stevens, J. P. (2016). Applied multivariate statistics for the social sciences (6.ª ed.). Nueva York: Routledge.

Powers, D. A.; Xie, Y. (2008). Statistical Methods for Categorical Data Analysis. Bingley, U.K.: Emerald. 2a. edició.

R Core Team. (2026). An introduction to R. R Foundation for Statistical Computing. https://cran.r-project.org/doc/manuals/r-release/R-intro.html

Rey-Sáez, R., & Estrada Alonso, E. (2024). Análisis de datos con R en ciencias sociales y de la salud. Madrid: Síntesis.

https://www.sintesis.com/libro/analisis-de-datos-con-r-en-ciencias-sociales-y-de-la-salud

Sánchez Carrión, J. J. (1999). Manual de análisis estadístico de los datos. Madrid: Alianza. Manuales, 055.

Sánchez Carrión, J. J. (Ed.) (1984). Introducción a las técnicas de multivariable aplicadas a las ciencias sociales. Madrid: Centro de Investigaciones Sociológicas.

Sánchez Carrión, J. J. (1989). Análisis de tablas de contingencia. El uso de los porcentajes en ciencias sociales. Madrid: Centro de Investigaciones Sociológicas-Siglo XXI.

Tabachnick, B. G.; Fidell, L. S. (2019). Using multivariate statistics (7.ª ed.). Nueva York: Pearson.

Tejedor, F. J. (1999). Análisis de varianza: introducción conceptual y diseños básicos. Madrid: La Muralla.

VV.AA. (1996). La construcció de tipologies. Exemples. Monogràfic de Papers. Revista de Sociologia, 48.

http://ddd.uab.cat/search?cc=papers&f=issue&p=02102862n48&rg=100&sf=fpage&so=a&ln=en

Wickham, H. (2019). Advanced R (2nd ed.). Boca Raton, FL: Chapman & Hall/CRC.

Wickham, H. (2023). ggplot2: Elegant graphics for data analysis (3rd ed.). Springer. https://ggplot2-book.org/

Wickham, H.; Grolemund, G. (2023). R for data science / R Para Ciencia de Datos (2nd ed.). O’Reilly Media. https://r4ds.hadley.nz/ | https://es.r4ds.hadley.nz/


Software

La asignatura utilizará el software IBM SPSS Statistics para el análisis de datos estadísticos.

Complementariamente se empleará Moodle, MS-Office (Word, Excel) y Adobe Acrobat.

Grupos e idiomas de la asignatura

La información proporcionada es provisional hasta el 30 de noviembre. A partir de esta fecha, podrá consultar el idioma de cada grupo a través de este enlace. Para acceder a la información, será necesario introducir el CÓDIGO de la asignatura

Tipo de docencia Grupo Idioma Semestre Turno
(TE) Teoría 1 Catalán primer cuatrimestre manaña-mixto
(SEM) Seminarios 1 Catalán primer cuatrimestre manaña-mixto
(TE) Teoría 51 Catalán primer cuatrimestre tarde
(SEM) Seminarios 51 Catalán primer cuatrimestre tarde