La clasificacion inicial de las tecnicas de analisis de datos distingue entre tecnicas de la dependencia en las que las variables pueden clasificarse en dependientes e independientes y tecnicas de la interdependencia en las que todas las variables tienen inicialmente el mismo estatus sin existir variables dependientes ni independientes. Las tecnicas de la dependencia o tecnicas predictivas especifican el modelo para los datos en base a un conocimiento teorico previo. El modelo predictivo supuesto para los datos debe contrastarse despues del proceso de ajuste de datos a un modelo estimado antes de aceptarlo como valido. Formalmente, la aplicacion de todo modelo predictivo 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 los modelos predictivos todos los tipos de regresion, analisis de la varianza y la covarianza, analisis de series temporales, modelos mixtos, modelos de datos de panel, modelos logit y probit y modelos no lineales. Todas estos modelos se estudiaran a lo largo de este libro, tanto teoricamente como con aplicaciones con SPSS. Se presentan ejercicios resueltos para todos los capitulos con el software SPSS, uno de los mas adecuados del mercado para este trabajo.