Ensayos 2018: Análisis multivariante con enfoque dependiente en las ciencias de la administración como base para la innovación

Authors

Juan Mejía-Trejo
Profesor Investigador Titular B CUCEA-Universidad de Guadalajara
https://orcid.org/0000-0003-0558-1943

Keywords:

Análisis Multivariante, enfoque dependiente, ciencias de la administracion, innovación

Synopsis

La presente obra, Ensayos 2018, Análisis Multivariante con Enfoque De- pendiente en las Ciencias de la Administración como base para la Innova- ción, pretende reunir una serie de ensayos elaborados por los estudiantes del Doctorado de Ciencias de la Administración (DCA) del Centro Univer- sitario de Ciencias Económico Administrativas (CUCEA) de la Universi- dad de Guadalajara (UdeG), basados en lo aprendido en la asignatura de Investigación Cuantitativa I.

Dichos ensayos, se orientan en principio a realizar un ejercicio de di- sertación que refuerce ya sea su tesis o se configure como una contribución a la materia, resaltando la pertinencia de su redacción, conceptualizando y proponiendo los modelos revisados como desarrollo de su disertación. Lo anterior sirve como base para realizar la discusión que permite aclarar la contribución esperada para finalmente, concluir en puntos esenciales que sirvan al lector y al expositor, para estudios posteriores.

Es así, que esta obra se desglosa en diez ensayos, donde la primera obra, Herramientas de análisis multivariante predictivo y minería de da- tos con SPSS Modeler y Statistic, estudio comparativo, representa una ex- celente oportunidad al lector para que se familiarice con el software SPSS como la herrmienta más utilizada en las ciencias sociales y de la salud en cuanto a las herramientas de estadística inferencial, siendo muy valiosa su aportación en cuanto a los alcances determinados de cada versión de SPSS.

La segunda contribución, La importancia de la técnica de regresión lineal simple en el área de las ciencias económico-administrativas, es un gran referente de la utilidad que representan las técnicas paramétricas de proyección basadas en la regresión lineal evidenciando su uso actual,

mediante un amplio estudio bibliométrico y su opor-tunidad de uso en las ciencias económico administrativas.

El tercer ensayo, Software como herramientas para métodos de pros- pectiva estratégica: MICMAC, presenta las justificaciones y bases perti- nentes muy valiosas sobre cómo realizar estudios de prospectiva con este software, aclarando los alcances de herramientas informáticas adiciona- les, que permiten precisar los escenarios futuros posibles, probables y de- seables mediante: MACTOR, MORPHOL, MULTIPOLAR y SMIC

Al respecto del trabajo número cuatro, Análisis comparativo entre re- gresión lineal múltiple-mínimos cuadrados parciales y su aplicación en las ciencias economico-administrativas, se resalta su valor en la contri- bución de realizar comparativos de alcance que permitan a los lectores, conocer de los alcances y los impactos de ambas técnicas al determinarse recomendaciones de uso en el campo, con la técnica de mínimos cuadra- dos que está cobrando de manera sostenida una mayor importancia.

El quinto ensayo, Regresión lineal aplicada: análisis de la responsa- bilidad social empresarial, muestra su pertinencia al realizar un analisis bibliométrico amplio y profundo de las contribuciones de la técnica de regresiçon lineal en el ámbito de la responsabilidad social empresarial comparando cuatro modelos relacionados y discutiendo el impacto de las variables descubiertas.

El sexto trabajo, Técnicas de análisis multivariante para la valida- ción de un modelo conceptual de transformación de organización lineal a exponencial, revela la importancia de su aportación al verificar modelos previos de organización exponencial en el que se exponen la variables que se han discutido al momento para hacer una propuesta original de un nuevo modelo, basado en los constructos producto de la revisión del estado del arte.

La séptima obra, Correlación de variables de la competitividad a par- tir de la aplica-ción de análisis multivariables de técnicas dependientes (Regresión Lineal Múltiple), hace una disertación sobre los diversos mo- delos que abordan la competitividad mediante un análisis bibliométrico amplio y profundo que le permite comparar seis modelos con sus varia- bles correspondientes y discutir la propuesta de un modelo original, como consecuencia de ello.

El octavo ensayo, El análisis multivariante como herramienta para medir los procesos de administración de recursos humanos y con la ges- tión del conocimiento y su relación con la innovación, está basado en un análisis bibliométrico extenso y profundo que muestra la oportunidad de aportar en las relaciones que se tienen de los diversos procesos de admi

nistración de recursos humanos y la gestión del conoci-miento en la inno- vación, mediante una propuesta original, que se basa en modelos previos publicados al respecto.

El noveno trabajo, El uso de técnicas estadísticas multivariantes me- diante el análisis discriminante, aplicado en los negocios, las empresas y organizaciones en general, cumple con el reto de hacer la discusión de modelos y variables que explican las relaciones que se presentan en los negocios, empresas y organizaciones desde el punto de vista financiero, de ahí el valor que representa la propuesta de este ensayo.

El décimo ensayo, Investigaciones científicas en RH: El desafío que los profesiona-les deben encarar, informa de la oportunidad que se tiene en el área de recursos hu-manos de proponer modelos que permian descubrir los principales determinantes que expliquen las diversas relaciones a las que se someten los sujetos, a partir del análisis multivariante.

Es deseo de la coordinación del presente trabajo, que este contribuya al ánimo del lector por conocer los proyectos que se desarrollan e informar de las oportunidades que se muestran, con el fin de dar seguimiento a la evolución de los mismos en su estancia en el posgrado.

Downloads

Download data is not yet available.

Author Biography

Juan Mejía-Trejo, Profesor Investigador Titular B CUCEA-Universidad de Guadalajara

Dr. Juan Mejía Trejo
He is born in 1964 in CDMX, México.
As professional experience:
1986-1987. Quality Department Control in KOKAI Electrónica S.A.
1987-2008. Former Internal Plant Exploitation Manager at Teléfonos de México S.A.B. Western Division.
As academic experience :
1987. He earned his degree in Communications and Electronics Engineering from the Escuela Superior de Ingeniería Mecánica y Eléctrica, Instituto Politécnico Nacional (ESIME at the IPN)
2004. He earned his master’s in Telecommunications Business Administration from INTTELMEX and France Telecom.
2010. He earned his doctorate in Administrative Sciences from the Escuela Superior de Comercio y Administración (ESCA at the IPN)
2011.He is a member of the Sistema Nacional de Investigadores (SNI) Level I of the Consejo Nacional de Ciencia y Tecnología (CONACYT) , México.
2010 to the present, he is Titular Research Professor B at the Department of Marketing and International Business at the Universidad de Guadalajara, México.
2018-2020. He earned his master’s in Valuing Business in the Centro de Valores S.C. México.
2019.He earned Level II of the SNI/CONACYT
2015-2022.He earned the Coordination of the Doctorate in Management Sciences at the Universidad de Guadalajara.

Currently, he is the founder of the AMIDI (Academia Mexicana de Investigacion y Docencia en Innovación SC) (https://amidi.mx/) as well as founder and editor-in-chief of the scientific journal Scientia et PRAXIS (https://scientiaetpraxis .amidi.mx/index.php/sp)
https://orcid.org/0000-0003-0558-1943

His line of research is Innovation Management, publishing articles and books that can be found on the Internet.
Email: jmejia@cucea.udg.mx

Dr. Juan Mejía Trejo
Nacido en la CDMX (1964).México.
Con experiencia profesional:
1986-1987. Departamento de Control de Calidad KOKAI Electrónica S.A.
1987-2008.Gerente de Explotación de Planta Interna en Teléfonos de México S.A.B. División Occidente.
Con experiencia académica:
1987 obtiene su licenciatura en Ingeniero en Comunicaciones y Electrónica de la Escuela Superior de Ingeniería Mecánica y Eléctrica del Instituto Politécnico Nacional (ESIME del IPN)
2004 egresa como Maestro en Administración Empresas de Telecomunicaciones por el INTTELMEX y France Telecom.
2010 obtiene su grado como Dr. en Ciencias Administrativas de la Escuela Superior de Comercio y Administración (ESCA del IPN)
2011 Ingresa al Sistema Nacional de investigadores Nivel I del CONACYT
2010 a la actualidad es Profesor Investigador Titular B en el Departamento de Mercadotecnia y Negocios Internacionales, de la Universidad de Guadalajara, México.
2018-2020 egresa como Maestro en Valuación de Negocios en Marcha por el Centro de Valores , S.C. México.
2019 Actualización en el Sistema Nacional de Investigadores como Nivel II
2015 a 2022 Coordinador del Doctorado de Ciencias de la Administración de CUCEA de la Universidad de Guadalajara.

2019 a la fecha, es fundador de la AMIDI (Academia Mexicana de Investigación y Docencia en Innovación SC) (https://amidi.mx/) así como fundador y editor responsable de la revista científica Scientia et PRAXIS (https://scientiaetpraxis.amidi.mx/index.php/sp)

Línea de Investigación la Administración de la Innovación, realizando publicaciones de artículos y libros localizables en Internet.

ORCID: https://orcid.org/0000-0003-0558-1943
email: jmejia@cucea.udg.mx

References

Aranda, Y. R., & Sotolongo, A. R. (2013). Integración de los algoritmos de minería de datos 1R, Prism E ID3 a PostgreSQL. Journal of Information Systems and Technology Management: JISTEM, 10(2), 389-406. Cabena, P., Hadjinian, P., Stadler, R., Verhees, J. Zanasi, A. (1998). Discovering Data Mining: From Concept to Implementation. Castañeda, M. B., Cabrera A., Navarro, Y. & de Bries, W. (2010). Proce- samiento de datos y análisis estadísticos utilizando SPSS: Un libro práctico para investigadores y administradores educativos. Brasil: Edipucrs.

Chapman, P., Clinton, J., Kerber, R., Khabaza, T., Reinartz, T., Shearer, C., & Wirth, R. (2000). CRISP-DM 1.0 Step-by-step data mining

guide.

Di, Z., Yang, Y., Fu, Q., Lin, X., Jiang, S. (2013). Exploiting machine learning for predicting skeletal-related events in cancer patients with bone metastases. Proceedings - 2013 IEEE International Conference on Bioinformatics and Biomedicine, IEEE BIBM 2013 6732633, pp. 31-35

Galán-Cortina V. (2016). Aplicación de la metodología CRISP-DM a un proyecto de minería de datos en el entorno Universitario. (Bachelor’s thesis) Universidad Carlos III de Madrid Escuela Politécnica Supe- rior Ingeniería en informática.

Hernández J, Ramírez M.J. y Ferri, C. (2004). Introducción a la Minería de Datos. España: Ed. Pearson Educación, S.A.

IBM. (2012). Manual CRISP-DM de IBM SPSS Modeler. Recuperado de http://public.dhe.ibm.com/software/analytics/spss/documentation/mo- deler/15.0/es/CRISP-DM.pdf

IBM. (2013). IBM SPSS Statistics 22 Core System guía del Usuario. Recuperado de http://public.dhe.ibm.com/software/analytics/spss/docu- mentation/statistics/22.0/es/client/Manuals/IBM_SPSS_Statistics_ Core_System_User_Guide.pdf

IBM. (2013). Manual del usuario del sistema básico de IBM SPSS Statistics 20. Recuperado de ftp://public.dhe.ibm.com/software/analytics/ spss/documentation/statistics/20.0/es/client/Manuals/IBM_SPSS_ Statistics_Core_System_Users_Guide.pdf

IBM. (2016a). Guía del usuario de IBM SPSS Modeler 18.0. Recuperado de ftp://public.dhe.ibm.com/software/analytics/spss/documentation/ modeler/18.0/es/ModelerUsersGuide.pdf

IBM. (2016b). Guía del usuario de IBM SPSS Statistics 24 Core System. Recuperado de ftp://public.dhe.ibm.com/software/analytics/spss/documentation/statistics/24.0/es/client/Manuals/IBM_SPSS_Statistics_ Core_System_User_Guide.pdf

Joshig. (2015). El poder que tienen los datos. Portafolio.

León, A., & Castellanos, O., & Vargas, F. (2006). Valoración, selección y pertinencia de herramientas de software utilizadas en vigilancia tecnológica. Ingeniería e Investigación, 26 (1), 92-102.

Lobaina, E. M. R., & Suárez, C.P.R. (2018). Resultados obtenidos en un proceso de minería de datos aplicado a una base de datos que contie- ne información bibliográfica referida a cuatro segmentos de la cien- cia. Journal of Information Systems and Technology Management :JISTEM, 15, 1-11.

Lotfnezhad, H., Ahmadi, M., Roudbari, M., Sadoughi, F. (2015). Prediction of breast cancer survival through knowledge discovery in databases. Global journal of health science 7(4), 392-398.

Mejía, J. (2017). Las ciencias de la administración y el análisis multiva- riante. Proyectos de investigación, análisis y discusión de resultados. Tomo II. Las técnicas interdependientes. (1ra. Ed.). México: Universidad de Guadalajara.

Mejía, J. (2018). Análisis estadístico multivariante con SPSS para las Ciencias Económico Administrativas. Teoría y Práctica de las Técnicas Dependientes. México: D.R. Cloudbook.

Molina López, J. M., & García Herrero, J. (2006). Técnicas de análisis de datos. Universidad Carlos: Madrid.

Rodríguez Suárez, Y., Díaz Amador, A. (2011). Herramientas de minería de datos. Revista Cubana de Ciencias Informáticas, 3 ( 3-4) Rodríguez, D., Pollo-Cattaneo, M. F., Britos, P. V., & García-Martínez, R. (2010). Estimación Empírica de Carga de Trabajo en Proyectos de Explotación de Información. In XVI Congreso Argentino de Ciencias de la Computación.

Shao, Z., Liancheng, W., Han, Z. (2016). A fault line selection method for small current grounding system based on big data. Asia-Pacific Power and Energy Engineering Conference, pp. 2470-2474.

Soto Jaramillo, C. M. (2009). Incorporación de técnicas multivariantes en un sistema gestor de bases de datos. Universidad Nacional de Colombia.

U Fayyad, G. P.-S. (1996). Data mining and knowledge discovery in databases: an overview, communications of acm

Wang, Z., Wen, X., Lu, Y., Yao, Y., Zhao, H. (2016). Exploiting machine learning for predicting skeletal-related events in cancer patients with bone metastases. Oncotarget 7(11) 12612-12622.

Downloads

Published

June 30, 2019

Details about this monograph

ISBN-13 (15)

978-607-98782-3-8

doi

10.55965/abib.9786079878238.2019a