Aquesta versió de la guia docent és provisional fins que no finalitzi el període d’edició de les guies del nou curs.

Logo UAB

Anàlisi Multivariada de Dades

Codi: 101148 Crèdits: 6
2025/2026
Titulació Tipus Curs
Sociologia OB 3

Professor/a de contacte

Nom:
Jose Pedro Lopez Roldan
Correu electrònic:
pedro.lopez.roldan@uab.cat

Idiomes dels grups

Podeu consultar aquesta informació al final del document.


Prerequisits

Per poder cursar aquesta assignatura s'aconsella haver realitzat el seguiment amb suficiència de les assignatures Mètodes Quantitatius de Recerca Social i de Mètodes d’Anàlisi.


Objectius

L’assignatura constitueix un curs d’introducció a les tècniques d’anàlisi multivariable de dades estadístiques que es planteja com a continuació de la perspectiva quantitativa d’investigació social iniciada en el grau. Els procediments, mètodes i tècniques ja tractats fins ara s’ampliaran per a considerar el que podem anomenar de forma general com el pas dels procediments d’anàlisi bivariable als procediments d’anàlisi multivariable.

En el context de l’itinerari de matèries tècniques i metodològiques, que busquen oferir una panoràmica dels diferents procediments de l’activitat científica sociològica, i donades l’extensió i varietat dels procediments d’anàlisi en l’àmbit de les ciències socials, l’assignatura estructura l’ensenyament amb una selecció de temes i instruments considerats com alguns dels més fonamentals i de major interès en la pràctica de la recerca sociològica amb els quals aprendre la lògica de la metodologia quantitativa multivariable i la utilització de les seves tècniques.

En concret, amb l’assignatura es pretén:

1) Des del punt de vista de l’alumnat, la construcció del seu aprenentatge es portarà a terme a partir de:

– El coneixement i comprensió dels principals conceptes associats a l’anàlisi multivariable de dades estadístiques, exemplificats amb els conceptes sociològics.
– La capacitat d’aplicació dels instruments tècnics destinats a l’anàlisi avançada de les dades estadístiques considerats en el curs.
– Saber utilitzar de forma instrumental el programari estadístic per a l’anàlisi estadística bivariable i multivariable.
– Saber interpretar els resultats estadístics d’una anàlisi de dades des del punt de vistatècnic i substantiu d’acord amb uns objectius coneixement i estudi de la realitat social.

2) Des de les condicions generals d’una assignatura d’aquest tipus en relació a l’aprofitament de l’alumnat es tracta de:

– Facilitar la comprensió, el maneig i la interpretació d’un sistema conceptual algebraic i estadístic bàsic per tal d’assimilar l’ús de les tècniques que impliquen la quantificació i la formalització dels fenòmens socials.
– Emmarcar de manera equilibrada, comprensiva i integradora els continguts d’aquesta assignatura dins del conjunt dels mètodes habituals en sociologia.


Competències

  • Aplicar els principals mètodes i tècniques quantitatius i qualitatius de recerca social en un tema concret.
  • Avaluar la qualitat del propi treball.
  • Buscar fonts documentals a partir de conceptes.
  • Descriure els fenòmens socials de manera teòricament rellevant i tenint en compte la complexitat dels factors implicats, de les seves causes i dels seus efectes.
  • Desenvolupar estratègies d'aprenentatge autònom.
  • Desenvolupar un pensament i un raonament crítics i saber comunicar-los de manera efectiva, tant en les llengües pròpies com en una tercera llengua.
  • Dissenyar un projecte de recerca social definint un marc teòric exhaustiu amb uns conceptes clars, formulant hipòtesis coherents i significatives, escollint les tècniques de recerca apropiades per als conceptes adoptats i analitzant els resultats empírics obtinguts amb aquestes tècniques.
  • Enumerar la metodologia i les tècniques de recerca sobre les quals recolzen les principals hipòtesis sobre les relacions socials, les posicions i les pràctiques dels individus en l'estructura social i els canvis socials.
  • Gestionar el propi temps: planificar l'estudi propi, gestionar la relació amb un tutor o tutora o un assessor o assessora, i establir i complir els terminis adequats per a un projecte de treball.
  • Treballar en equip i en xarxa en situacions diverses

Resultats d'aprenentatge

  1. Avaluar la qualitat del propi treball.
  2. Buscar fonts documentals a partir de conceptes.
  3. Definir conceptes d'anàlisi.
  4. Desenvolupar estratègies d'aprenentatge autònom.
  5. Desenvolupar un pensament i un raonament crítics i saber comunicar-los de manera efectiva, tant en les llengües pròpies com en una tercera llengua.
  6. Elaborar un instrument d'anàlisi significativa per a aquesta hipòtesi.
  7. Esmentar els principals conceptes de la sociologia.
  8. Explicar la base metodològica d'aquests mètodes i tècniques quantitatius i qualitatius.
  9. Formular una hipòtesi amb aquests conceptes.
  10. Gestionar el propi temps: planificar l'estudi propi, gestionar la relació amb un tutor o tutora o un assessor o assessora, i establir i complir els terminis adequats per a un projecte de treball.
  11. Identificar els principals mètodes i tècniques quantitatius i qualitatius.
  12. Indicar-ne les dimensions, els possibles indicadors quantitatius i l'evidència qualitativa rellevant per observar-los empíricament.
  13. Mesurar un fenomen social amb aquests instruments a partir d'un marc teòric d'anàlisi.
  14. Obtenir conclusions a partir de la informació recollida amb aquest instrument.
  15. Relacionar-los amb els diferents enfocaments de la sociologia.
  16. Treballar en equip i en xarxa en situacions diverses
  17. Utilitzar el programari apropiat per als instruments estadístics multivariable avançats.
  18. Utilitzar el programari apropiat per als instruments estadístics multivariable bàsics.
  19. Utilitzar el programari apropiat per als instruments estadístics univariable.
  20. Utilitzar els instruments estadístics multivariable bàsics.
  21. Utilitzar els instruments estadístics multivariats avançats.
  22. Utilitzar els instruments estadístics univariats.

Continguts

Introducció general
– Objectius de l’assignatura, continguts, dinàmica del curs i avaluació
– L’anàlisi multivariable: característiques i classificació de les tècniques
– El programari per a l’anàlisi de dades estadístiques

PART I. L’anàlisi d’interdependència amb variables qualitatives

Tema 1. L’anàlisi de taules de contingència
– Anàlisi clàssica de taules de contingència multidimensionals

Tema 2. L’anàlisi log-lineal
– L’anàlisi logarítmica lineal general

PART II. L’anàlisi de dependència

Tema 3. L’anàlisi de variància
– L’anàlisi de variància unifactorial
– L’anàlisi de variància multifactorial

Tema 4. L’anàlisi de regressió
– L’anàlisi de regressió simple
– L’anàlisi de regressió múltiple

PART III. L’anàlisi d’interdependència per a la construcció de tipologies

Tema 5. L’anàlisi factorial
– Fonaments matemàtics d’anàlisi multivariada de dades
– L’anàlisi factorial de components principals
– L’anàlisi factorial de correspondències

Tema 6. L’anàlisi de classificació
– Anàlisis de classificació i la construcció de tipologies
– L’anàlisi de classificació automàtica


Activitats formatives i Metodologia

Títol Hores ECTS Resultats d'aprenentatge
Tipus: Dirigides      
Classes magistrals 30 1,2 3, 6, 7, 8, 9, 11, 12, 13, 18, 20, 21
Pràctiques a l'aula 16 0,64 3, 6, 9, 13, 14, 18, 20, 21
Preparació individual dels exercicis pràctics 30 1,2 4, 8, 13, 14, 18, 20, 21
Tipus: Supervisades      
Tutories individuales programades 2 0,08 1, 2, 3, 6, 9, 10, 13, 14, 16, 18, 20, 21
Tipus: Autònomes      
Lectures dels textos 30 1,2 8, 11, 13, 18, 20, 21
Treball individual 30 1,2 2, 3, 6, 9, 10, 13, 14, 16, 18, 20, 21

El curs es planteja amb una dinàmica d’ensenyament i aprenentatge continuada, el que implica el seguiment dels ritmes del curs i dels diversos continguts que s’han dissenyat d’acord amb les diferents activitats lectives programades. Els continguts de la matèria tenen un fil conductor lligat al procés d’investigació i per la continuïtat de l’aprenentatge de conceptes i d’instruments que s'incorporen de manera progressiva , així com per la resolució de problemes i qüestions, que es basen en l’assimilació i en la pràctica de cada tema anterior de l’assignatura.

Atès que l’objectiu de la formació és que l’alumnat aprengui a investigar en sociologia fent servir tècniques estadístiques avançades, la metodologia docent i les activitats formatives de l’assignatura resulten de la combinació de sessions expositives amb exercicis de resolució de problemes i pràctiques a l’aula que permetin aplicar els conceptes adquirits i tècniques explicades, així com tutories de seguiment i treball autònom.

Nota: es reservaran 15 minuts d'una classe, dins del calendari establert pel centre/titulació, perquè els alumnes completin les enquestes d'avaluació de l'actuació del professorat i d'avaluació de l'assignatura.


Avaluació

Activitats d'avaluació continuada

Títol Pes Hores ECTS Resultats d'aprenentatge
Exercicis pràctics 10,0% 12 0,48 1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12, 13, 14, 15, 16, 17, 18, 19, 20, 21, 22
Treballs d'anàlisi 90,0% 0 0 1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12, 13, 14, 15, 16, 17, 18, 19, 20, 21, 22

El curs s'avalua de forma continuada. L'assistència regular a les sessions de classe és important per a garantir el correcte aprenentatge i avaluació.

Per a les activitats d'avaluació es requereix una nota mitjana final ponderada igual o superior a 5 sobre 10.

L'avaluació combina tres aspectes

1) Els treballs d’anàlisi (88%): 2 treballs, realitzats en grups de 2 persones, d’anàlisi sociològica de dades quantitatives amb una base de dades escollida per l’alumnat i amb l’ajut del programari, en relació als temes següents:

1. Anàlisi de taules de contingència multidimensionals i log-lineal
a) Tutoria del treball (2%)
b) Selecció de les dades i formulació d’hipòtesis (7%)
c) Treball complet d’anàlisi (35%)

2. Anàlisi tipològica tot combinant l’anàlisi factorial i de classificació
a) Tutoria del treball (2%)
b) Selecció de les dades i formulació d’hipòtesis (7%)
c) Treball complet d’anàlisi (35%)
– Es requereix una nota mínima de 5 sobre 10 de cada treball.
– S’elaboraran en contingut i en forma com un article acadèmic d’investigació segons un format definit i amb una extensió màxima de 3.500 paraules de redacció, annexos apart.
– Caldrà fer una tutoria obligatòria, presencial o per Teams, amb els dos membres del grup, abans del primer lliurament de cada treball, per tal d’orientar la seva correcta realització i comentar les dades triades, les hipòtesis formulades i les primeres anàlisis a partir del treball de preparació previ de l’alumnat del grup.
– Els treballs amb una nota inferior a 5 es podran recuperar en qualsevol moment i abans de la data fixada en el calendari d’avaluacions. Caldrà tornar a presentar el treball amb les correccions realitzades i s’adjuntarà una pàgina al final del document del treball on s’explicaran breument les correccions realitzades en relació al treball presentat inicialment. La recuperació es puntuarà sobre un màxim de 7.
– La no presentació dels treballs, la presentació fora de termini sense justificació prèvia al lliurament, la presentació incompleta de les anàlisis o no fer la tutoria del treball, suposarà un no presentat del treball i, segons el cas, la no avaluació o el suspens de l’assignatura.

2) Les pràctiques (12%): es faran 6 sessions de pràctiques que consistiran en la realització a l’aula d’informàtica d’exercicis d’aplicació de les tècniques d’anàliside dades tractades:
1. Programari estadístic
2. Anàlisi de taules de contingència multidimensionals i log-lineal
3. Anàlisi de variància
4. Anàlisi de regressió
5. Anàlisi factorial de components principals i de correspondències múltiples
6. Anàlisi de classificació
L’avaluació de l’activitat serà el resultat de la nota obtinguda en un qüestionari de preguntes sobre cada exercici pràctic. Les pràctiques es faran per parelles (les dues persones dels grups dels treballs). Si no es fa la pràctica a l’aula el dia programat per una raó justificada es podrà recuperar abans de que transcorri una setmana i la nota serà de 5. Fora d’aquest termini es considerarà no realitzada i la nota serà de 0.

3) Addicionalment, si es fa un seguiment de l’assignatura superior al 75% en relació a totes les activitats proposades al llarg del curs, incloses les activitats puntuals de cada dia de classe, es podrà optar a sumar fins a 0,5 punts en la nota final de l’assignatura.

Criteris pels quals s'assignarà “No avaluable”: la no presentació dels dos treballs.

En aquesta assignatura es permet l'ús de tecnologies d'Intel·ligència Artificial (IA) com a part integrant del desenvolupament del treball, sempre que el resultat final reflecteixi una contribució significativa de l'estudiant en l'anàlisi i la reflexió personal. L'estudiant haurà d'identificar clarament quines parts han estat generades amb aquesta tecnologia, especificar les eines emprades i incloure una reflexió crítica sobre com aquestes han influït en el procés i el resultat final de l’activitat. La no transparència de l’ús de la IA es considerarà falta d'honestedatacadèmica i pot comportar una penalització en la nota de l'activitat, o sancions majors en casos de gravetat.


Bibliografia

Bibliografia bàsica
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://pagines.uab.cat/plopez/content/misc
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://pagines.uab.cat/plopez

Bibliografia complementària
El manual Metodología de la investigación social cuantitativa (MISC) conté a cada capítol una relació de referències bibliogràfiques específiques que complementen la bibliografia bàsica.

Referències bibliogràfiques seleccionades:

Aldas, J.; Uriel, E. (2017). Análisis multivariante aplicado con R (2.ª ed.). Madrid: Paraninfo

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. (2002/2014). Anàlisis multivariable. Teoría y práctica en la investigación social. Madrid: Síntesis.

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.

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

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.

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.

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.

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

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.

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

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

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.

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). Análisisde 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

 


Programari

L'assignatura farà servir el programari IBM SPSS Statistics per a l'anàlisi de dades estadístiques.

Complementàriament s'emprarà Moodle, MS-Office (Word, Excel) i Adobe Acrobat.


Grups i idiomes de l'assignatura

La informació proporcionada és provisional fins al 30 de novembre de 2025. A partir d'aquesta data, podreu consultar l'idioma de cada grup a través d’aquest enllaç. Per accedir a la informació, caldrà introduir el CODI de l'assignatura

Nom Grup Idioma Semestre Torn
(SEM) Seminaris 1 Català primer quadrimestre matí-mixt
(SEM) Seminaris 51 Català primer quadrimestre tarda
(TE) Teoria 1 Català primer quadrimestre matí-mixt
(TE) Teoria 51 Català primer quadrimestre tarda