Trabajo de Investigación Comercial

Trabajo

de

Investigación

Comercial

ÍNDICE

EJERCICIO 1…………………………………Pág. 3 – 4 – 5 – 6

EJERCICIO 2…………………………………Pág. 7 – 8 – 9

EJERCICIO 3…………………………………Pág. 10 – 11 – 12

EJERCICIO 4…………………………………Pág. 13 – 14

EJERCICIO 5…………………………………Pág. 15 – 16 – 17

EJERCICIO 6…………………………………Pág. 18 – 19 – 20 – 21 – 22 – 23 – 24

CONCLUSIONES E INCIDENCIAS……….Pág. 25

1º) ¿Cuáles son las dimensiones de calidad de servicio que valoran los turistas de la base de datos, es decir, de la muestra realizada? Para ello, se debe tener en cuenta que la calidad del servicio ha de medirse obligatoriamente como diferencia entre cada ítem o pregunta que compara cada percepción con cada expectativa del servicio hotelero.

Para analizar las dimensiones de calidad hemos creado una nueva variable como la diferencia entre cada percepción y cada expectativa, la variable que surge de tal diferencia puede resultar de gran utilidad para nuestro análisis. A la nueva variable resultante le hemos decidido aplicar un análisis factorial de componentes principales (AFCP) para intentar resumir el número de variables, perdiendo algo de información pero ganando significación que es lo que nos interesa.

Para realizar un AFCP, lo primero de todo hemos comprobado los valores de los tests estadísticos necesarios para que el análisis factorial tenga sentido. Se debe cumplir:

Coeficiente de la matriz de correlaciones: Hay numerosas correlaciones superiores a 0,3

Determinante de la matriz de correlaciones: Próximo a cero, en este caso 0,004.

Medida de adecuación muestral Kaiser- Meyer- Olkin: varía entre 0 y 1 (debe superar 0.7). Nuestro caso es favorable, ya que este valor es 0.740 > 0.7.

Prueba de esferidad de Bartlett: Rechazar la hipótesis nula, en este caso se cumple este requisito.

Globalmente los valores de los test estadísticos realizados son bastante satisfactorios para proceder al análisis factorial de componentes principales (AFCP).

KMO y prueba de Bartlett

Medida de adecuación muestral de Kaiser-Meyer-Olkin. ,740

Prueba de esfericidad de Bartlett Chi-cuadrado aproximado 1113,777

gl 231

Sig. ,000

Determinante = 0.004

En la tabla posterior vemos que las 22 variables objeto de análisis se me resumen en 7, es decir, hemos obtenido 7 factores que globalmente explican el 59,640% de la varianza total. Como ya señalábamos antes hemos perdido algo de información, ahora no explicamos toda la varianza, pero hemos ganado significación global. Los 7 factores obtenidos prácticamente me explican el 60% de la varianza total.

Varianza total explicada

Componente Suma de las saturaciones al cuadrado de la rotación

Total % de la varianza % acumulado

1 2,611 11,868 11,868

2 2,288 10,398 22,266

3 1,909 8,677 30,943

4 1,874 8,517 39,460

5 1,682 7,644 47,104

6 1,408 6,401 53,505

7 1,350 6,135 59,640

Método de extracción: Análisis de Componentes principales.

En la tabla siguiente hemos procedido a seleccionar aquellas variables que cargan más a cada uno de los 7 factores, para ello seleccionamos todos aquellos casos en los que la variable cargue a cada factor por encima de 0,3 para considerarlo importante estadísticamente.

Matriz de componentes rotados(a)

Componente

1 2 3 4 5 6 7

estado3 ,816 -,002 -,067 ,081 ,163 ,079 ,036

confort3 ,737 ,044 ,262 -,013 -,177 ,005 -,011

limpieza3 ,728 ,058 -,031 ,101 ,121 ,067 ,255

decor3 ,654 ,286 ,171 ,044 ,174 ,003 -,081

trato3 ,132 ,854 ,124 ,054 -,017 ,088 -,088

indiv3 ,110 ,844 ,156 -,040 ,044 ,018 ,007

negocio3 ,026 ,633 -,194 ,049 ,385 ,070 ,251

imagen3 ,098 -,007 ,629 -,004 ,248 ,032 ,144

gasto3 -,072 ,107 ,583 ,223 ,192 ,128 ,076

vida3 -,096 ,407 ,542 ,160 -,095 ,166 -,031

precios3 ,297 -,008 ,489 -,069 -,040 -,076 -,135

cultura3 ,173 ,139 ,427 ,215 -,159 ,148 ,268

depor3 ,030 ,014 -,102 ,846 -,063 -,035 ,098

ocio3 ,136 ,142 ,149 ,681 ,225 ,093 ,028

ferias3 ,029 -,086 ,336 ,663 ,163 ,026 -,129

comida3 ,077 ,123 ,135 ,105 ,689 -,138 ,085

parking3 ,123 -,026 ,054 ,095 ,626 ,383 -,068

aspect3 ,202 ,310 ,214 ,213 ,398 -,107 ,276

tranq3 -,003 ,147 ,146 -,019 -,046 ,806 -,015

reserva3 ,427 -,002 -,032 ,102 ,324 ,535 ,152

sit3 ,067 ,010 ,004 -,073 ,203 -,108 ,718

natur3 ,060 -,018 ,207 ,146 -,198 ,420 ,659

Método de extracción: Análisis de componentes principales.

Método de rotación: Normalización Varimax con Kaiser.

a La rotación ha convergido en 12 iteraciones.

Interpretación de los factores obtenidos

Después de observar las cargas factoriales más importantes en cada uno de los 7 factores que, en nuestro caso, representan las dimensiones de calidad del servicio hotelero, hemos procedido a darles nombre como sigue para facilitarnos su posterior análisis:

Factor 1: Satisfacción e higiene y confort.

Factor 2: Trato y atención personalizada hacia el cliente.

Factor 3: Atractivo cultural y económico.

Factor 4: Ocio, deporte y eventos típicos de la zona.

Factor 5: Gastronomía e instalaciones.

Factor 6: Facilidades de reserva y tranquilidad del entorno.

Factor 7: Características del entorno y naturaleza.

Estas son las dimensiones de calidad más importantes que deberían tener en cuenta los responsables de los distintos tipos de establecimientos hotelero existente en Asturias.

2º) ¿Qué establecimiento hotelero está situado en una posición competitiva más ventajosa según el grado de satisfacción de los clientes que se han alojado en cada tipo de hotel rural?

Para este análisis bivariable, queremos comparar una variable nominal, tipo de establecimiento hotelero, con otra variable de tipo métrica ordinal ya que se trata de una escala Likert, pero la podemos analizar como una variable métrica de razón. Después de este razonamiento previo acerca de la naturaleza de ambas variables objeto de análisis, hemos procedido a realizar un análisis de la varianza (ANOVA) que es el más apropiado ante variables de esa naturaleza.

En primer lugar nos fijamos en significación del estadístico de Levene para ver si hay homogeneidad de varianzas:

Prueba de homogeneidad de varianzas

Grado de satisfacción con el servicio recibido

Estadístico de Levene gl1 gl2 Sig.

1,415 2 212 ,245

La tabla nos muestra un p-valor mayor al 5%, por tanto aceptamos la hipótesis nula, por lo tanto se cumple la homogeneidad de varianzas. Esto es, sí existe relación de dependencia o causalidad entre el tipo de establecimiento y grado de satisfacción del cliente. Por ello podemos pasar a analizar las medias por separado en el gráfico siguiente.

En segundo lugar, como si hay homogeneidad de varianzas, nos fijamos en la significación del ANOVA:

ANOVA

Grado de satisfacción con el servicio recibido

Suma de cuadrados gl Media cuadrática F Sig.

Inter-grupos 8,761 2 4,380 3,268 ,040

Intra-grupos 284,197 212 1,341

Total 292,958 214

Observamos que el p-valor es menor al 5%, por lo tanto se rechaza la hipótesis nula, y en consecuencia si hay diferencias estadísticamente significativas.

En tercer lugar, como se cumple lo anterior, procedemos a realizar la comparación de medias:

Descriptivos

N Media Desviación típica Error típico Intervalo de confianza para la media al 95% Mínimo Máximo

Límite inferior Límite superior Límite inferior Límite superior Límite inferior Límite superior Límite inferior Límite superior

Casa de Aldea 120 8,7917 1,08384 ,09894 8,5958 8,9876 6,00 10,00

Casona Asturiana 28 8,3214 1,18801 ,22451 7,8608 8,7821 5,00 10,00

Núcleo de Turismo Rural 67 8,4179 1,26909 ,15504 8,1084 8,7275 5,00 10,00

...