1. Técnicas de dependencia y modelos predicti-vos
2. Modelo de regresión lineal múltiple
3. Modelos predictivos no lineales y correlación canónica
4. Modelos predictivos de elección discreta bina-ria y múltiple: LOGIT y PROBIT
5. Modelos predictivos de series temporales: suavizado, predicción y metodología ARIMA
6. Modelos autoproyectivos deterministas de predicción
7. Análisis de la intervención y modelos de la función de transferencia
8. Modelos ANOVA, ANCOVA, MANOVA, MAN-COVA y GLM
9. Modelos predictivos de análisis discriminante
10. Modelos predictivos de datos de panel: mode-los mixtos
11. Árboles de decisión
12. Modelos de redes neuronales

Las técnicas estadísticas predictivas, base de la econometría, especifican el modelo para los da-tos de acuerdo a un conocimiento teórico previo recogido en la teoría económica, médica, biológica, farmacológica, epidemiológica, ingeniería o de la materia de la que se trate. Una vez identificado el modelo teórico, se procede a su estimación debiendo ser posteriormente contrastado antes de aceptarlo como válido.

Finalmente ya puede utilizarse el modelo para predecir. Tenemos así las cuatro fases típicas de la modelización predictiva: identificación, estimación, diagnosis y predicción. Podemos incluir entre las técnicas predictivas todos los tipos de regresión lineal y no lineal, series temporales, análisis de la varianza y la covarianza, modelos de diseño de experimentos, análisis discriminante, árboles de decisión y redes neuronales.

Pero, tanto los árboles de decisión, como las redes neuronales y el análisis discriminante son a su vez técnicas de clasificación que pueden extraer perfiles de comportamiento o clases, siendo el objetivo construir un modelo que permita clasificar cualquier nuevo dato. Los árboles de decisión permiten clasificar los datos en grupos basados en los valores de las variables.

El mecanismo de base consiste en elegir un atributo como raíz y desarrollar el árbol según las variables más significa-tivas. De esta forma se puede realizar en cierto modo perfilado y segmentación de datos.
Este libro desarrolla prácticamente todas las técnicas estadísticas predictivas ilustrándolas con ejemplos prácticos resueltos con el software IBM SPSS. Al final de cada capítulo se presentan una serie de ejercicios secuenciados en orden de dificultan que permiten afianzar los conocimientos adquiridos.