ESTUDIO DE MERCADO

DATOS PRIMARIOS EN COMPARACIÒN CON DATOS SECUNDARIOS:

Datos primarios:

Datos que desarrolla el investigador con el propósito específico redirigirlos al problema de investigación.

Datos secundarios:

Datos que se recopilan para propósitos el del problema que se resuelve, estos datos pueden localizarse en forma rápida y económica.

Datos primarios Datos secundarios

Propósito de la recopilación

Proceso de recopilación

Costo de recopilación

Tiempo de recopilación Para el problema que se resuelve

Mucha participación

Alto

prolongado Para otros problemas

Rápido y fácil

Relativamente bajo

Breve

VENTAJAS Y USUS DE LOS DATOS SECUNDARIOS.

Los datos secundarios pueden ayudar:

1. Identificar el problema

2. Definir mejor el problema

3. Desarrollar un planteamiento del problema

4. Formular un diseño de investigación apropiado(identificar las variables claves)

5. Responder ciertas preguntas de investigación y probar algunas hipótesis

6. Interpretar los datos primarios desde de una perspectiva más amplia

Con estas ventajas y usos de los datos secundarios, establecemos la siguiente regla general:

El análisis de los datos secundarios es un requisito para la recopilación de los datos primarios. Empiece con los datos secundarios. Continué con los datos primarios sólo cuando las fuentes de datos secundarios se hayan agotado o proporcionen beneficios marginales.

DESVENTAJAS DE LOS DATOS SECUNDARIOS.

1. Los datos secundarios se recopilan para propósitos distintos a los del problema que se trata

2. Puede que su utilidad se limite de varias formas: en lasque se incluye la relevancia y exactitud

3. Los objetivos, la naturaleza y los métodos usados para recopilar los datos quizá no sean apropiados para la presente situación.

4. Es posible que los datos secundarios no sean exactos o no sean por completo actuales o confiables.

CRITERIO PARA EVALUAR LOS DATOS SECUNDARIOS.

Criterios Aspectos Observaciones

Especificaciones y

Metodología

Error y precisión.

Actualidad

¿Cuándo se recopilan los datos?

Objetivo

Naturaleza

(contenido de los datos)

Dependencia

Método de recopilación de datos.

Índice de respuesta.

Calidad de los datos.

Técnica de muestreo.

Tamaño de la muestra.

Diseño de cuestionario.

Trabajo de campo.

Análisis de datos.

Análisis de los errores en enfoque, diseño de investigación, muestreo recopilación y análisis de datos y su presentación.

Lapso entre la recopilación y la publicación.

Frecuencia de las actualizaciones de la información.

¿Por qué se recopilan los datos?

Definición de las variables clave.

Unidades de medición.

Categorías utilizadas.

Relaciones analizadas.

Experiencia, credibilidad, reputación y confiabilidad de a fuente.

Los datos pueden ser confiables, validos y aplicables al problema que se resuelve.

Generaliza con el problema que se enfrenta.

Identifica posibles fuentes de tendencias.

Evalúa la precisión por medio de la comparación de distintas fuentes, a través de técnicas de estadísticas comunes, investigación de campo.

Los datos del censo se actualizan en forma periódica por las empresas sindicadas.

El objetivo determinará la relevancia de los datos.

Determina el propósito relevante y útil de la empresa.

Reconfigurar los datos a fin de incrementar su utilidad, si es posible.

Los datos se deberán obtenerse de una fuente original en lugar de una adquirida.

CLASIFICACIÒN DE LOS DATOS SECUNDARIOS.

MÈTODO DE REGRESIÒN LINIAL Y CORRELACIÒN.

A) Regresión Lineal.

El método de regresión lineal comprende el intento de desarrollar una línea o ecuación matemática que describa la relación que existe entre dos variables.

Se aplica cuando la investigación trata con una variable dependiente y con un número de variables independientes.

Los objetivos de la regresión son mostrar la forma cómo las variables independientes en el análisis se relacionan con la variable dependiente; y hacer pronósticos sobre los valores de las variables dependiente, con base en el conocimiento de la variable independiente.

Un método de regresión para pronóstico debe ser confiable bajo cualquier situación económica existente.

Se grafican los partes de datos y a simple vista resulta difícil decir si los puntos se asemejan a una línea. Si los puntos estuvieran más o menos ajustados a una línea recta paso para encintrar una relación entre varias sería ajustar esos puntos para que realmente se comportaran como una línea recta. Un error se puede definir como la distancia vertical del valor observado de la variable independiente (demanda Yi) hacia el valor ajustado de la propia demanda Ŷ.

Error = (Yi - Ŷ)

El error puede ser positivo o negativo, según esté arriba o debajo de la línea de ajuste, y un primer criterio para considerar que un ajuste es bueno en la línea que reduzca la suma de todos los errores,

Como hay valores positivos y negativos, esto se resuelve tomando el valor absoluto ( ∑ Yi - Ŷ ). Para superar los errores de signo y subrayar los grandes errores para eliminarlos, se usa el criterio de reducir las sumas del cuadrado de los errores, que es el criterio de mínimos cuadrados,

Como se supone que os pares de puntos ajustados se asemejan a una recta, la ecuación de esta es,

Y= a + bX

De aquí se selecciona los valores de a y b que satisfacen el criterio de mínimos cuadrados.

Ŷ= a + bX

Donde:

a= desviación al origen de la recta

B= pendiente de la recta

X= Variable independiente

...