En el amplio mundo de la informacion de hoy en dia es habitual disponer de muchas variables medidas u observadas en una coleccion de individuos y pretender estudiarlas conjuntamente, para lo cual se suele acudir al analisis estadistico multivariante de datos. Entonces se dispone de una diversidad de tecnicas y debe seleccionarse la mas adecuada a los datos y al objetivo cientifico. Al observar muchas variables sobre una muestra es presumible que una parte de la informacion recogida pueda ser redundante o que sea excesiva, en cuyo caso los metodos multivariantes de reduccion de la dimension (analisis en componentes principales, factorial, correspondencias, escalamiento optimo y multidi-mensional, etc.) tratan de eliminarla. Estos metodos combinan muchas variables observadas para obtener pocas variables ficticias que las representen con la minima perdida de informacion. Estos metodos de reduccion de la dimension son metodos multivariantes de la interdepedencia en el sentido de que todas sus variables tienen una importancia equivalente, es decir, si ninguna variable destaca como dependiente principal en el objetivo de la investigacion. En este caso tambien debera tener en cuenta el tipo de variables que se maneja. Si son variables cuantitativas, las tecnicas de reduccion de la dimension pueden ser el Analisis de Componentes Principales y el Analisis Factorial, si son variables cualitativas, puede acudirse al Analisis de Correspondencias y al Escalamiento Optimo, y si son variables cualitativas ordinales se acude al Escalamiento Multidimensional. Todas estas tecnicas de reduccion de la dimension son ampliamente estudiadas a lo largo de este libro. Asimismo se ilustra cada tecnica con varios ejemplso practicos totalmente resueltos con el software SPSS, uno de los mas adecuados para el trabajo en este campo.