Análisis de Conglomerados (Clúster) en el TFG con SPSS 2026: Guía Completa
El análisis de conglomerados, o análisis clúster, es una técnica estadística multivariante que agrupa casos según su similitud en varias variables, sin necesidad de una variable dependiente. En un TFG o tesis se usa para identificar perfiles o segmentos (de pacientes, consumidores, estudiantes) cuando no existe una clasificación previa. En SPSS se ejecuta desde Analizar > Clasificar, con dos enfoques principales: jerárquico y k-medias.
Si tu TFG plantea preguntas del tipo “¿existen perfiles distintos entre los participantes de mi muestra?” o “¿se pueden agrupar los productos/pacientes/estudiantes según su comportamiento?”, probablemente necesitas un análisis de conglomerados. A diferencia de técnicas como la regresión, aquí no buscas predecir una variable a partir de otras: buscas descubrir estructura oculta en los datos, agrupando casos parecidos entre sí.
¿Qué es el análisis de conglomerados?
El análisis de conglomerados (cluster analysis) es una técnica exploratoria que agrupa observaciones en función de su similitud multivariante, de modo que los casos dentro de un mismo grupo comparten patrones parecidos y difieren de los casos de otros grupos. No existe una variable dependiente: el algoritmo busca estructura en los datos a partir de las variables que tú eliges como criterio de agrupación. Es una de las técnicas clásicas de análisis multivariante descritas por autores como Hair, Black, Babin y Anderson en manuales de referencia sobre análisis de datos multivariante.
A diferencia de técnicas supervisadas como la regresión o el análisis discriminante, el análisis de conglomerados es no supervisado: no se le indica al algoritmo a qué grupo pertenece cada caso, sino que es el propio algoritmo el que descubre la estructura de agrupación a partir de la similitud entre las observaciones.
¿Cuándo usar análisis clúster en un TFG?
El análisis de conglomerados es apropiado cuando tu objetivo de investigación es identificar grupos o perfiles naturales en tus datos, no comprobar diferencias entre grupos ya definidos (para eso se usa ANOVA de un factor) ni predecir una variable en función de otras (para eso se usa regresión lineal múltiple). Ejemplos habituales en TFG y tesis: segmentar consumidores según hábitos de compra, agrupar pacientes según perfil sintomático, o clasificar centros educativos según indicadores de rendimiento.
Clúster jerárquico vs k-medias
| Criterio | Clúster jerárquico | K-medias |
|---|---|---|
| Tamaño de muestra recomendado | Pequeño a moderado (hasta unos cientos de casos) | Grande (cientos o miles de casos) |
| Número de clústeres | No es necesario definirlo a priori; se explora con el dendrograma | Debe especificarse antes de ejecutar el análisis |
| Resultado visual | Dendrograma (árbol de agrupación) | Asignación directa de casos a k grupos |
| Reproducibilidad | Determinista, mismo resultado siempre | Depende de los centroides iniciales; conviene repetir el análisis |
| Coste computacional | Alto con muestras grandes | Más eficiente con muestras grandes |
Pasos en SPSS
En SPSS, el análisis de conglomerados se ejecuta desde el menú Analizar > Clasificar, donde encontrarás las opciones “Conglomerados jerárquicos” y “Conglomerado de K medias”. El procedimiento habitual es el siguiente:
- Estandariza las variables si tienen escalas distintas (Transformar > Estandarizar variables antes del clúster).
- Ejecuta primero el clúster jerárquico con el método de Ward y distancia euclídea al cuadrado, para explorar el dendrograma y estimar un número razonable de grupos.
- Revisa el dendrograma y el historial de conglomeración para identificar un “salto” grande en las distancias, que sugiere el punto de corte adecuado.
- Ejecuta el análisis de K medias especificando el número de clústeres decidido en el paso anterior.
- Guarda la variable de pertenencia a clúster que SPSS genera automáticamente, para usarla después en tablas descriptivas o análisis de diferencias entre grupos.
- Describe cada clúster con las medias de las variables originales (no estandarizadas) para facilitar la interpretación sustantiva.
Cómo elegir el número de clústeres
No existe una fórmula única para decidir cuántos clústeres retener; se recomienda combinar varios criterios:
- Dendrograma: busca el “salto” más grande entre uniones consecutivas en el análisis jerárquico.
- Coeficiente de aglomeración: un incremento brusco en las distancias de fusión indica que forzar más agrupaciones ya no aporta información.
- Método del codo: representa la suma de cuadrados dentro de los grupos frente al número de clústeres y busca el punto donde la mejora se estabiliza.
- Interpretabilidad: una solución con menos grupos pero sustantivamente interpretable suele ser preferible a una solución estadísticamente “óptima” pero difícil de explicar.
En la práctica, muchos TFG optan por soluciones de entre tres y cinco clústeres, porque suelen ser manejables para describir y discutir en la sección de resultados sin perder matices relevantes.
Interpretación de los resultados
Una vez definidos los grupos, el trabajo de interpretación consiste en describir el perfil de cada clúster a partir de las medias (o frecuencias, si hay variables categóricas) de las variables utilizadas. Es recomendable nombrar cada grupo con una etiqueta descriptiva basada en sus características dominantes (por ejemplo, “perfil de alto consumo” o “grupo de baja adherencia”), y complementar la descripción con un análisis de diferencias entre grupos en variables externas al clúster, para reforzar la validez sustantiva de la solución encontrada. Si tu TFG necesita comprobar si esas diferencias entre clústeres son estadísticamente significativas en otra variable, puedes recurrir a un ANOVA de un factor o, si la variable no cumple normalidad, a una alternativa no paramétrica.
Cómo validar la solución de clústeres
Una vez obtenida una solución, conviene comprobar su estabilidad antes de darla por definitiva. Algunas estrategias habituales en un TFG son: repetir el análisis de k-medias con distintas semillas o centroides iniciales y comparar si los grupos resultantes son consistentes; dividir la muestra en dos submuestras aleatorias y verificar si el análisis produce perfiles similares en ambas; o calcular el índice de silueta, que mide cuán bien encaja cada caso en su clúster asignado frente a los clústeres vecinos. Una solución que cambia drásticamente ante pequeñas variaciones en los datos de entrada es una señal de que conviene revisar el número de clústeres o las variables incluidas en el análisis.
Limitaciones del análisis de conglomerados
- Es una técnica exploratoria, no confirmatoria: no permite “probar” hipótesis en sentido estadístico estricto.
- El resultado depende fuertemente de la medida de distancia y el método de aglomeración elegidos.
- Es sensible a valores atípicos, que pueden distorsionar la formación de grupos.
- Distintas ejecuciones de k-medias con distintos centroides iniciales pueden producir soluciones ligeramente diferentes.
- La elección del número de clústeres implica siempre un componente de juicio, no solo criterios estadísticos automáticos.
Por estas razones, conviene justificar con detalle en el apartado de metodología las decisiones tomadas (método, medida de distancia, criterio de número de grupos), tal como recomiendan los manuales clásicos de análisis multivariante aplicado a ciencias sociales y de la salud.
Preguntas frecuentes
¿Qué es el análisis de conglomerados o clúster?
Es una técnica estadística multivariante que agrupa casos o variables en función de su similitud, de modo que los elementos de un mismo grupo (conglomerado) son más parecidos entre sí que los de otros grupos, sin que exista una variable dependiente predefinida.
¿Cuándo debo usar clúster jerárquico y cuándo k-medias?
El clúster jerárquico es preferible con muestras pequeñas y cuando no se conoce a priori el número de grupos, porque permite explorar el dendrograma. El k-medias es más adecuado con muestras grandes y cuando ya se tiene una hipótesis razonable sobre cuántos grupos existen.
¿Cómo decido el número de clústeres en mi TFG?
Combinando criterios: el dendrograma del análisis jerárquico, el coeficiente de aglomeración, la interpretabilidad sustantiva de los grupos resultantes y, en k-medias, métodos complementarios como el método del codo o el índice de silueta.
¿Qué variables necesito para un análisis de conglomerados?
Variables cuantitativas o, con métricas de distancia adecuadas, variables categóricas; es recomendable estandarizarlas previamente cuando tienen escalas distintas, para que ninguna domine el cálculo de distancias por su magnitud.
¿El análisis de conglomerados sirve para probar hipótesis?
No en sentido estricto: es una técnica exploratoria y descriptiva, no confirmatoria. Los grupos que identifica deben interpretarse con cautela y, si es posible, validarse con otra muestra o técnica complementaria.
¿Qué limitaciones tiene el análisis de conglomerados en un TFG?
Es sensible a la elección de la medida de distancia, al método de aglomeración y a la presencia de valores atípicos; además, distintos métodos pueden producir soluciones de agrupación diferentes para los mismos datos, por lo que conviene justificar bien las decisiones metodológicas.
Para complementar el análisis de conglomerados con otras técnicas multivariantes habituales en un TFG, puedes calcular previamente el tamaño muestral con G*Power antes de recoger tus datos, consultar cómo se calcula la fiabilidad entre evaluadores con el coeficiente de correlación intraclase (ICC) si tu estudio requiere validar mediciones repetidas, y revisar la curva ROC, sensibilidad y especificidad si además necesitas evaluar la capacidad discriminativa de una prueba o modelo.
Escribe tu TFG o tesis con IA
Pasa de la teoría a tu documento terminado
Tesify estructura, redacta y formatea tu TFG, TFM o tesis en normas APA y Vancouver, con bibliografía automática y verificación antiplagio integrada. Regístrate gratis, sin tarjeta.
Leave a Reply