Analisis Multivariado

ANÁLISIS MULTIVARIANTE APLICADO AL MARKETING

Introducción

La administración de la relación con el cliente, es una de las áreas de la administración de empresas que ha sufrido cambios representativos y a obligado al Marketing a adaptarse a la realidad en la que esta inmersa, en esencia se pasa de un marketing estático y discreto a uno dinámico y continuo.

Por otro lado la tecnología ha jugado un papel preponderante en la integración del marketing con la investigación de mercados como las que provienen del área de la Estadística y el procesamiento de datos, los cuales deben ser recolectados, procesados y finalmente analizados.

En este trabajo se prestará especial atención al área del procesamiento de datos a través de la técnica del análisis multivariado que nos permite explicar el comportamiento de ciertas variables a través de otras.

Análisis Multivariante

El análisis multivariante es la parte de la estadística y del análisis de datos que , analiza, representa e interpreta los datos que resultan de observar más de una variable estadística sobre una muestra de individuos.

Las variables observables son homogéneas y correlacionadas, sin que alguna predomine sobre las demás. La información estadística en análisis multivariante es de carácter multidimensional, por lo tanto la geometría, el cálculo matricial y las distribuciones multivariantes juegan un papel fundamental.

La información multivariante es una matriz de datos, pero a menudo, en AM la información de entrada consiste en matrices de distancias o similaridades, que miden el grado de discrepancia entre los individuos.

Entre las técnicas más comunes del análisis multivariante se encuentran (1) Análisis de componentes principales y factores comunes, (2) regresión y correlación múltiple, (3) análisis discriminante múltiple, (4) análisis multivariado de varianza y covarianza, (5) análisis conjunto, (6) correlación canónica, (7) análisis de clusters, (8) escala multidimensional. Otras técnicas nuevas incluyen (9) análisis de correspondencia, (10) modelos de probabilidad lineal tales como el logit y probit, y (11) modelos de ecuación simultaneas / estructurales. A continuación se describen brevemente éstas técnicas.

Análisis de componentes principales y de factores comunes

Es un método estadístico que puede usarse para analizar las interrelaciones entre un gran número de variables y explicar esas variables en términos de sus dimensiones subyacentes comunes. El objetivo es hallar la forma de sintetizar la información contenida en un número de variables originales, dentro de un conjunto más pequeño de variantes (factores) con mínima pérdida de información.

Regresión múltiple

En un método de análisis adecuado cuando el problema de investigación involucra una variable dependiente única que se presume se relaciona a dos o más variables independientes medibles. El objetivo es predecir el cambio en la variable dependiente de respuesta con cambios en las variables independientes, normalmente con el método de mínimos cuadrados.

Por ejemplo se pueden predecir los montos gastados en cenas a partir de ingresos de las familias (variable dependiente), su tamaño, y la edad del padre (variables independientes).

Análisis discriminante múltiple (MDA)

Se aplica cuando la variable dependiente es dicotómica ( hombre – mujer) o multitómica ( Alto – medio – bajo) y por tanto no medible. Como en la regresión las variables independientes deben ser medibles. Se aplica cuando la muestra total se puede dividir en grupos con base en una variable no medible caracterizando varias clases conocidas. Su objetivo es comprender las diferencias entre grupos y predecir la probabilidad de que una entidad (objeto individual) pertenezca a una clase o grupo particular con base en varias variables independientes medibles o métricas.

Por ejemplo el análisis discriminante se puede utilizar para distinguir entre innovadores y no innovadores de acuerdo a su perfil demográfico y psicográfico.

Análisis multivariado de varianza y covarianza (MANOVA)

Es un método estadístico para explorar simultáneamente la relación entre varias variables categóricas independientes (referidas como tratamientos) y dos o más variables dependientes medibles o métricas. Es una extensión del ANOVA univariado. El análisis multivariado de covarianza (MANCOVA) se puede usar en conjunto con el MANOVA para remover (después del experimento) el efecto de cualquier variable métrica independiente no controlada (conocida como covariada) en la variable independiente.

Análisis conjunto

Se aplica a nuevos productos para evaluar la importancia de los atributos del nuevo producto así como los niveles de cada atributo, mientras que el consumidor evalúa solo unos pocos perfiles del producto como combinaciones de los niveles de producto.

Por ejemplo asumir un producto con tres atributos (precio, calidad y color), cada uno en tres niveles posibles ( Rojo, amarillo y azul). En vez de tener que evaluar las 27 combinaciones posibles (3x3x3), se evalúa un subconjunto de 9 o más combinaciones con base en su atractivo para el consumidor, de manera que el investigador no solo conozca la importancia de cada atributo, sino además la importancia de cada nivel (atractivo del rojo vs amarillo vs azul).

Correlación canónica

El análisis de correlación puede ser visto como una extensión lógica de la regresión múltiple. Donde se trata de correlacionar simultáneamente varias variables dependientes medibles o métricas y varias variables independientes medibles. El principio es establecer una combinación lineal de cada conjunto de variables (dependientes e independientes) para maximizar la correlación entre los dos conjuntos (obteniendo ponderacioness adecuados para las variables).

Análisis de conglomerados (Clusters)

Es una técnica analítica para desarrollar sugrupos significativos de individuos u o objetos. Específicamente, el objetivo es clasificar una muestra de entidades (individuos u objetos) en un número más pequeño de grupos más pequeños con base en las similitudes entre entidades. A diferencia del análisis discriminante, los grupos no están definidos, más bien se usa para identificarlos.

Normalmente se realiza en tres pasos. El primero es la medición de alguna forma de similitud o asociación entre las entidades

...