La clasificacion inicial de las tecnicas de analisis de datos distingue entre tecnicas predictivas, en las que las variables pueden clasificarse inicialmente en dependientes e independientes (similares a las tecnicas del analisis de la dependencia o metodos explicativos del analisis multivariante), tecnicas descriptivas, en las que todas las variables tienen inicialmente el mismo estatus (similares a las tecnicas del analisis de la interdependencia o metodos descriptivos del analisis multivariante) y tecnicas auxiliares. Las tecnicas predictivas especifican el modelo para los datos en base a un conocimiento teorico previo. Formalmente, la aplicacion de todo modelo debe superar las fases de identificacion objetiva (a partir de los datos se aplican reglas que permitan identificar el mejor modelo posible que ajuste los datos), estimacion (proceso de calculo de los parametros del modelo elegido para los datos en la fase de identificacion), diagnosis (proceso de contraste de la validez del modelo estimado) y prediccion (proceso de utilizacion del modelo identificado, estimado y validado para predecir valores futuros de las variables dependientes). Podemos incluir entre las tecnicas predictivas de analisis de datos todos los tipos de regresion, series temporales, analisis de la varianza y covarianza, analisis discriminante, arboles de decision y redes neuronales. Tanto los arboles de decision, como las redes neuronales y el analisis discriminante son a su vez tecnicas de clasificacion que pueden extraer perfiles de comportamiento o clases, siendo el objetivo construir un modelo que permita clasificar cualquier nuevo dato. En este libro se tratan practicamente todas las tecnicas predictivas de analissi de datos y se ilustran con ejemplos resueltos exhaustivamente con el software SPSS.