La clasificación inicial de las técnicas de análisis de datos distingue entre técnicas de la dependencia en las que las variables pueden clasificarse en dependientes e independientes y técnicas de la interdependencia en las que todas las variables tienen inicialmente el mismo estatus sin existir variables dependientes ni independientes. Las técnicas de la dependencia o técnicas predictivas especifican el modelo para los datos en base a un conocimiento teórico previo. El modelo predictivo supuesto para los datos debe contrastarse después del proceso de ajuste de datos a un modelo estimado antes de aceptarlo como válido. Formalmente, la aplicación de todo modelo predictivo debe superar las fases de identificación objetiva (a partir de los datos se aplican reglas que permitan identificar el mejor modelo posible que ajuste los datos), estimación (proceso de cálculo de los parámetros del modelo elegido para los datos en la fase de identificación), diagnosis (proceso de contraste de la validez del modelo estimado) y predicción (proceso de utilización del modelo identificado, estimado y validado para predecir valores futuros de las variables dependientes). Podemos incluir entre los modelos predictivos todos los tipos de regresión, análisis de la varianza y la covarianza, análisis de series temporales, modelos mixtos, modelos de datos de panel, modelos logit y probit y modelos no lineales. Todas estos modelos se estudiarán a lo largo de este libro, tanto teóricamente como con aplicaciones con SPSS. Se presentan ejercicios resueltos para todos los capítulos con el software SPSS, uno de los más adecuados del mercado para este trabajo.