TY  - BOOK
AU  - Visauta Vinacua, Bienvenido
AU  - Martori i Cañas, Joan Carles
TI  - Análisis estadístico con SPSS para Windows: Estadística multivariante 
SN  - 84-481-3993-3
U1  - 310 / V82 / 2003 21
PY  - 2003///
CY  - Madrid
PB  - McGraw-Hill/Interamericana de España
KW  - SPSS (Archivo de ordenador)
KW  - SPSS (PROGRAMA PARA COMPUTADOR)
KW  - ANÁLISIS DE VARIANZA
KW  - PROGRAMAS PARA COMPUTADOR
N1  - Análisis de Variancia --; Modelos Avanzados de regresión --; Modelos Loglineales --; Análisis Discriminante --; Cluster Análisis --; Análisis Factorial --; Análisis de Correspondencias y Otros Procedimientos de Escalamiento Optimo --; Fiabilidad y Escalamiento Multidimensional --; Central; Ingeniería; Ingeniería en Sistemas; Sin Énfasis
N2  - El SPSS es uno de los programas de análisis estadístico más extensos y potentes del mercado, que cuenta con una amplia tradición entre los estudiosos y profesionales de diferentes ramas y en general en prácticamente todos los ámbitos de la docencia e investigación científica. Este segundo volumen de Estadística multivariante que complementa al de Estadística básica sigue ofreciendo la posibilidad de dominar el SPSS pero sobre todo de poder aplicar la estadística multivariante a través del mismo al análisis de situaciones cotidianas y reales a la vez que interpretar correctamente los resultados de los análisis realizados. Para ello el lector dispone de 4 bases de datos, que se adjuntan en el CD y con las que se desarrolla toda la obra. En el manual encontrará una exhaustiva explicación tanto de los criterios a utilizar en las distintas opciones de entrada como del significado de los diferentes outputs analíticos y gráficos. Si desea constatar hasta qué punto ha comprendido cada procedimiento, al final de los capítulos encontrará una serie de ejercicios con sus soluciones correspondientes y el procedimiento y opciones utilizados para llegar a las mismas. En este segundo volumen se abordan los modelos lineales generales univariantes y multivariantes, los modelos de regresión avanzados, los modelos loglineales, el análisis discriminante, el cluster, el análisis factorial, el análisis de correspondencias y escalamiento óptimo y finalmente la fiabilidad y el escalamiento multidimensional
ER  -