Investigación De Mercados

Investigación de Mercados

Técnicas de mercados. Análisis factorial, de correspondencias, cluster, discriminante, multivariante en investigación comercial, de la varianza. Regresión múltiple y logística. MANOVA. MODELO LOGIT. Tratamiento de datos. Diseños. Supuestos prácticos

Apuntes Universitarios

Investigación y Técnicas de Mercado

Investigación de Mercados

Investigación de Mercados

Ficha del documento Versión PDFVersión para descargar

publicidad

publicidad

Análisis Multivariante en la Investigación Comercial

Asignatura: Investigación de Mercados II

Centro: Universidad Autónoma de Madrid

TEMA 1: EL ANALISIS MULTIVARIANTE EN INVESTIGACION COMERCIAL

Estructura de la clase:

Introducción.

Definición del AM.

Diseños y conceptos básicos del AM.

Tratamientos previos de los datos.

Supuestos del AM.

Clasificación de los métodos del AM.

Programas informáticos.

Introducción.

En primer lugar, cuando queremos examinar un sistema complejo de actividades comerciales, muchas veces no es suficiente utilizar técnicas univariantes y hay que ir al empleo del AM. Cuando el número de variables que influyen simultáneamente y de forma importante en el problema que queremos tratar es elevado (no solamente una o dos, sino un número elevado de variables), entonces tenemos que utilizar el AM.

Debemos reflexionar que sería mejor emplear: análisis univariante, análisis bivariante o análisis multivariante. Si queremos analizar por separado variables utilizaremos el anáilisis univariante y bivariante. En el caso de necesitar un análisis en conjunto, emplearemos técnicas multivariantes. Con esta técnica determinaremos si las variables están influyendo en los grupos que estudiamos y por lo tanto nos sirve para analizar las relaciones múltiples. Si queremos utilizar /analizar múltiples variables simultáneamente, tenemos que utilizar técnicas multivariantes.

Definición del AM.

El AM se puede definir como:

Las técnicas estadísticas utilizadas para tratar múltiples variables que se deben analizar simultáneamente, y cuyos efectos no tienen sentido si se interpretan por separado.

Son las técnicas estadísticas que miden, explican y predicen relaciones entre más de dos variables cuando sus efectos no tienen sentido si se interpretan por separado.

Valor teórico: “Es el elemento esencial del AM”. Combinación de todas las variables. Debemos sintetizar todas las variables en un solo valor teórico. (Muchas veces hay que ponderar múltiples variables de modo empírico).

Diseños y conceptos básicos del AM.

(Diseño de una investigación de mercados---flujo del AM)

Los pasos a seguir al realizar una investigación se pueden resumir como sigue:

Definir el objetivo a través de un estudio previo.

Establecer las hipótesis.

Seleccionar variables y escalas.

Establecer la metodología (instrumentos, muestreo, etc.)

Seleccionar la técnica multivariante más apropiada.

Determinar el nivel de significación (alpha).

Coleccionar datos.

Evaluar los supuestos básicos de la técnica multivariante.

Estimación del modelo multivariante y valoración del ajuste del modelo.

Interpretar el valor teórico (rechazar o no las hipótesis).

Validación e interpretación de los resultados.

1) Definir el objetivo a través de un estudio previo

Primeramente, tenemos que determinar el objetivo del estudio. A continuación, investigaremos la literatura existente para establecer el estado del arte.

Definir para qué queremos realizar el trabajo: objetivos. Para ello analizamos los estudios realizados anteriormente sobre el tema. Determinamos así qué queremos realizar en el trabajo, es decir, justificar la pretensión del trabajo.

“Hay dos cosas importantes Conocimiento y creatividad”. Hay que establecer un objetivo pero justificarlo a través de la revisión bibliográfica.

2) Establecer las hipótesis

Establecemos las hipótesis que queremos validar o rechazar mediante el estudio.

3) Seleccionar variables y escalas

Después, tenemos que determinar el tipo de variables y escalas a emplear. La palabra “variable” se refiere a una magnitud cuyos valores son objeto de estudio. Estos valores pueden tomar dos tipos básicos de datos, no métricos (cualitativos) o métricos (cuantitativos). Según el tipo de datos, tendremos que determinar el tipo de escalas que queremos utilizar para el estudio. Hay cuatro tipos de escalas.

Escalas

Características

Nominal

Identifica por categorías mutuamente excluyentes

Los números no tienen valor matemático

Ordinal

Ordenación de las categorías.

Los números no dan información de la distancia entre categorías.

Intervalo

Identifica una distancia constante entre categorías.

Tiene un origen arbitrario.

Razón

Se puede realizar comparación proporcional entre categorías.

Tiene un origen absoluto.

A la hora de determinar las preguntas del cuestionario, tener en cuenta los cuatro tipos de escalas porque cada técnica multivariante requiere un determinado tipo de variables (métricas y no métricas). Respecto al primer trabajo, es aconsejable incluir entre 15-20 "atributos" que se puedan medir en una escala de intervalo que tenga 5 o 7 grados, para de esta manera poder utilizar el ACP o el AC. También, os conviene incluir variables que se puedan medir en una escala nominal para poder utilizar el AFC. Finalmente, si incluimos variables métricas con una escala de razón, tales como gastos mensuales (de una determinada marca, etc.), ingresos, tiempo, etc., podremos utilizar algunas técnicas de dependencia, por ejemplo, regresión múltiple y análisis discriminante, para el segundo trabajo.

Para convertir valores no métricos en métricos:

Desacuerdo 1 2 3 4 Acuerdo Ordenamos las opiniones

Escala de Linkert: Con 5 grados, también lo hay con 7 grados. Siempre es mejor tener más grados.

Completamente en desacuerdo -2

Más o menos en desacuerdo -1

No sabe, no contesta 0

Más o menos de acuerdo + 1

Completamente de acuerdo -2

4) Establecer la metodología (instrumentos, muestreo, etc.)

Tras seleccionar variables y escalas, ahora tendremos que establecer la metodología.

5) Seleccionar la técnica multivariante más apropiada.

Después, seleccionaremos la técnica multivariante más adecuada, y a continuación, determinaremos el nivel de significación.

6) Determinar el nivel de significación (alpha).

El nivel de significación está fuertemente relacionado con el llamado “error de medida”. Debemos aumentar el nivel de significación para aumentar el valor del estudio y para ello hay que disminuir el error de medida. Cuanto mayor nivel de significación mejor.

El error de medida es el grado en que los valores observados no son representativos de los valores verdaderos. (Se pueden cometer errores, no coincidiendo x con X). El error de medida es importante porque cuando calculamos correlaciones o medias, normalmente el efecto verdadero está parcialmente camuflado por este error de medida, causando la perdida de precisión. Es decir, la presencia del error de medida produce distorsiones en las relaciones observadas y debilita el poder de las técnicas multivariantes.

Para valorar el grado de error de medida, hay que considerar dos factores importantes, que son la fiabilidad y la validez. (conceptos que hay que incluir en trabajo)

La fiabilidad es el grado en que la variable observada mide el valor verdadero y está libre de error. Si la misma medida se realiza muchas veces, las medidas fiables llegarán a los mismos resultados. La fiabilidad puede verse perjudicada por el error aleatorio. El error aleatorio es el sesgo transitorio que no es necesariamente idéntico en todas las mediciones. Ejemplos de este tipo de error son errores de codificación, sesgos de entrevistadores, caracteres de los entrevistados, etc.

La validez se define como el grado en que la medida representa con precisión lo que se supone que representa. Por ejemplo, si queremos medir los gastos en actividades de ocio, no preguntaremos por los gastos totales de las economías domésticas. La validez puede verse perjudicada tanto por el error aleatorio como por el error sistemático. El error sistemático es el sesgo permanente en todas las mediciones. Por ejemplo, errores en los ítems de la escala, ausencia de claridad en el cuestionario, etc. Por ello, el investigador debe minimizar el error de medida maximizando tanto la fiabilidad como la validez del instrumento de investigación.

Todas las técnicas multivariantes, excepto el análisis cluster y el análisis multidimensional, se basan en la inferencia estadística de los valores de una población o la relación entre variables de una muestra. Si estamos realizando un censo de toda la población, entonces no tenemos que preocuparnos de la inferencia estadística por que lo que medimos es la media verdadera. Pero muchas veces no podemos utilizar la población total, y por lo tanto, nos vemos obligados a hacer inferencias de una muestra y aceptar el nivel de error estadístico

Para interpretar las inferencias estadísticas, tenemos que determinar el nivel

...