La memòria d'aquesta tesi doctoral s'estructura en un primer capítol on es descriuen els objectius de la tesi i l'organització del treball de recerca. Després, el Capítol 2: Anàlisis factorials de dades es destina a presentar les eines utilitzades en les anàlisis factorials de dades. S'introdueix una anàlisi de tipus general, l'anàlisi canònica per a la comparació de dos grups de variables, i llavors es generalitza per a mes de dos grups. Presentem les anàlisis de correspondències, simples i múltiples, com un cas particular de les anàlisis canòniques, però també des d'una perspectiva més clàssica. Es proporcionen tècniques de representació gràfica - representacions simètriques i Biplots - i el concepte d'inèrcia.En el Capítol 3: Models loglineals i models gràfics es desenvolupen els models loglineals i els models gràfics, el concepte d'independència condicional i el seu ús. Es desenvolupen, a continuació, la formulació dels models loglineals, les restriccions que els caracteritzen -suma zero o còrner zero- i les relacions de transició. Es realitza un estudi de la influència dels paràmetres en la generació de models, sobretot de la importància del termes de les interaccions sobre els termes independents i els efectes principals. En aquest capítol s'introdueix la deviància, com a raó de versemblança entre dos models, la seva expressió i relació amb l'estadístic χ2 i altres indicadors de divergència de models.El Capítol 4: Estudi de les inèrcies en anàlisis de correspondències s'inicia amb la relació entre la inèrcia, el coeficient de contingència i la deviància. A continuació, s'estudien les descomposicions de la inèrcia com a contribucions dels individus, modalitats o variables i s'apliquen a l'estudi de matrius quadrades. En referència a les anàlisis de correspondències múltiples de la taula de Burt, es fa la descomposició de les inèrcies per blocs i s'estudia la problemàtica dels blocs diagonals. S'estudien metodologies de tractament i es fa una proposta de metodologia per al tractament de matrius quadrades no simètriques basada en una doble descomposició, per una part en l'anàlisi de la simetria-no simetria i per l'altra utilitzant la reconstitució factorial de la part simètrica, basada en un algorisme k-EM, on k és l'ordre de reconstitució. La reconstitució k-EM pot ser aplicada a les taules diagonals de Burt i ens porta a una anàlisi equivalent al Joint Correspondence Analysis.En el Capítol 5: ACM respecte un model i ACM condicional es dedica a presentar les ACM sobre un model i l'ACM condicional, on una variable qualitativa externa juga el paper de partició. L'aportació es basa en realitzar l'estudi de la inèrcia i la seva descomposició, en dues parts lligades a la variable condicionadora externa: la inèrcia inter i la inèrcia intra. Es troba la formulació de la distribució i mitjançant aquesta, s'interpreta la importància o no del condicionament. Així doncs, usant l'ACM condicional i els models loglineals estudiem el comportament de la inèrcia en relació al model. El Capítol 6: ACM multicondicional considera les problemàtiques que genera la implementació de l'ACM multicondicional, ja que no es pot generalitzar trivialment del cas simple. Mitjançant l'estudi de les inèrcies condicionals i els models loglineals es desenvolupa una proposta d'anàlisi multicondicional. Aquests resultats són comparats amb els que s'obtenen en un procés de modelització loglineal. S'aplica la proposta a un exemple en el Capítol 7.El treball de recerca finalitza amb unes conclusions on es resumeixen les principals aportacions i s'indiquen quines podrien ser algunes línies de recerca futures en aquest camp i s'annexen les macros programades. / The research work memory is structured in a first chapter with the description of the objectives of the doctoral thesis and the research work organization. Then, the Chapter 2 Descriptive factorial analysis is exclusively dedicated to present the tools used in factorial analysis. A general analysis, the canonical analysis, to compare two groups of variables is introduced, and then it is generalized to more than two questions. We present correspondence analysis, simple and multiple, as a particular case of canonical analysis, but we present both methods also from a more classical point of view. We also introduce graphical techniques -symmetric displays and Biplots- and the inertia concept.Chapter 3 Loglinear and graphical models introduces briefly loglinear models and graphical models, the conditional independence concept and its use. Next, we develop the loglinear model formula and the constraints that characterize the model -zero sum or zero corner treatment- and the transition relations. We make a study of the influence of the parameters over the model generation, especially about the significance of interaction terms over principal and independent terms. In this chapter we introduce the deviance, as a likelihood ratio between two models, its expression and its relation with the χ2 statistic and other model divergence indicators. In Chapter 4 Study of the inertias in correspondence analysis we start with the relation among inertias, the contingence coefficient and deviance. Next, we study the inertia decomposition as the contribution of each individual, category or variable. It's applied to study the case of square matrices. With reference to the multiple correspondence analysis of the Burt table, we decompose inertia by blocks and we investigate the influence of the blocks of the diagonal. A summary of several treatment methodologies is done. We propose a new methodology to treat squared skew-symmetric matrices, based on a double decomposition, on the one hand, in the symmetry-skew-symmetry analysis and on the other using the factorial reconstitution of the symmetric part, based on a k-EM algorithm, where k is the reconstitution order. The k-EM reconstitution methodology can be applied to the diagonal tables of a Burt table, which leads a result equivalent to Joint Correspondence Analysis.In Chapter 5 - MCA with respect to a model and conditional MCA- firstly we start presenting MCA with respect to a model. Secondly we discuss conditional MCA, where an external variable plays a partitioning role. The contribution is based on studying the inertia and its decomposition in two parts linked to the external conditioning variables, the inter and intra inertia. Next, we find their distribution function and, by means of this, we can test the significance of the conditioning variable. Therefore, using the conditional MCA and loglinear models introduced before, we study the inertia behaviour with relation to the model and with different relation levels between the variables.The Chapter 6 -Multiconditional MCA- consideres problems generated by the implementation of multiple conditional analysis, since it is not possible to generalize this definition to the simple conditional case. By means of the study of conditional inertias and loglinear models, we develop our proposal for a multiconditional analysis. These results are compared with the results obtained in a loglinear modelling process. We apply our proposal to a data example in Chapter 7. The dissertation ends with a chapter of conclusions which sums up our principal contributions and suggests some future research lines in this field of investigation and with the macros programmed and used.