Está en la página 1de 12

DISEÑO DE LA INVESTIGACIÓN

CAUSAL: EXPERIMENTACIÓN
MALHOTRA, Narres K. Investigación de Mercados. Un enfoque
aplicados. Phearsonc Educación, Prentice Hall, 4ta. Ed. México, 2004.

___________________________________
Concepto de Causalidad:
Su significado científico: es complejo y requiere de alguna explicación, cuando la concurrencia de X incrementa la
probabilidad de la ocurrencia de Y.
Los efectos del marketing son causados por múltiples variables y la relación entre causa y efecto tiende a ser
probabilística. La causalidad no podemos demostrarla de manera concluyente, sólo podemos inferir una relación de
causa y efecto.

Condiciones de Causalidad:
Antes de hacer inferencias causales o suponer causalidad se deben satisfacer tres condiciones que son
necesarias pero no suficientes para demostrarla:
1. Variación concomitante: Una condición para inferir causalidad que requiere que la hipótesis considerada
prediga el grado en que una causa X, y un efecto Y, ocurren o varían juntos. Esta puede obtenerse de una
manera cualitativa o cuantitativa.
Cualitativo: servicio de calidad es causa del nivel de ventas
Cuantitativo: A través de una encuesta y sus resultados por ejemplo.
2. Orden temporal de la concurrencia de las variables: Afirma que el evento causante debe ocurrir antes o al
mismo tiempo que el efecto, no puede ocurrir después. Es posible que un evento sea tanto una causa como
un efecto de otro evento. Por ejemplo: es probable que los clientes d una tienda departamental obtengan
una tarjeta de esa tienda compren ahí con frecuencia y a su vez es probable que los que tengan la tarjeta
hagan compras más frecuentes en la tienda departamental.
3. Eliminación de otros factores causales posibles: Significa que el factor o la variable que se investiga debería
ser la única explicación causal posible. Por ejemplo una variable podría ser causa de un evento a medida
que los demás factores permanezcan constantes.

Papel de la evidencia: Estos tres factores no bastan para demostrar concluyentemente relación causal pero si esta
evidencia es sólida sería razonable concluir que existe una relación causal.

Definiciones y conceptos:
• Variables independientes: variables que son manipuladas por el investigador y cuyos efectos se miden y se
comparan. También son conocidas como tratamientos, pueden incluir niveles de precios diseños del
empaque y temas de publicidad.
• Unidades de prueba: individuos, organizaciones u otras entidades cuya respuesta a variables
independientes o tratamientos se está estudiando. Incluyen a los consumidores, tiendas o áreas
geográficas.
• Variables dependientes: variables que miden el efecto de de las variables independientes sobre las
unidades de prueba.
• Variables extrañas: variables distintas de las variables independientes que influyen en la respuesta de las
unidades de prueba.
• Experimento: El proceso de manipular una o más variables independientes, y de medir su efecto en una o
más variables dependientes, mientras se controlan las variables extrañas.
• Diseño experimental: El conjunto de procedimientos experimentales que especifican
1. las unidades de prueba y los procedimientos de muestreo
2. las variables independientes
3. las variables dependientes
4. la manera de controlar las variables extrañas
Definición de los símbolos: Para facilitar la revisión de las variables extrañas y de diseños experimentales específicos, se
define un conjunto de símbolos de uso común en la investigación de mercados.
X: La exposición de un grupo a una variable independiente, tratamiento o evento, cuyos efectos deben
determinarse.
O: El proceso de observación o medición de la variable dependiente en las unidades de prueba o el grupo de
unidades
A: La asignación aleatoria de las unidades o los grupos de prueba a tratamientos separados.
Convenciones:
• Movimiento de izq a der indica movimiento a lo largo del tiempo.
• La alineación horizontal d los símbolos indica q todos ellos se refieren a un grupo tratamiento específico.
• La alineación vertical de los símbolos implica que éstos se refieren a actividades o eventos que suceden al
mismo tiempo.

Validez en la experimentación: El investigador tiene dos metas cuando realiza un experimento: validez interna y validez
externa.
1. Sacar conclusiones válidas acerca de los efectos de las variables independientes en el grupo de estudio.
2. Hacer generalizaciones válidas a la población mayor de interés.

• Validez interna: Medición de la precisión de un experimento. Mide si el manejo de las variables


independientes o tratamientos, en realidad causó los efectos en las variables dependientes.
• Validez externa: Determinación si es posible generalizar las relaciones causales encontradas e el
experimento.

Variables extrañas: Se clasifican en las siguientes categorías


• Historia: Eventos específicos que son externos al experimento, pero que ocurren al mismo tiempo que éste.
• Maduración: Variable extraña atribuible a los cambios en las unidades de prueba que ocurren con el paso
del tiempo.
• Efecto de la prueba: Un efecto de la prueba que ocurre cuando una observación previa afecta una
observación posterior.
o Efecto principal de la prueba: Cuando una observación anterior afecta a una posterior
o Efecto interactivo de la prueba: en el que una medición previa influye en la respuesta de las
unidades de prueba a la variable independiente.
• Instrumentación: Una variable extraña que implica cambios en el instrumento de medición en los
observadores o en las puntuaciones.
• Regresión estadística: Variable extraña que ocurre cuando las unidades de prueba con puntuaciones
extremas se acercan a la puntuación promedio en el curso del experimento.
• Sesgo de selección: Variable extraña atribuible a la asignación inadecuada de las unidades de prueba a las
condiciones de tratamiento.
• Mortalidad: Variable extraña atribuible a la pérdida de unidades de prueba mientras el experimento está en
progreso.
Control de las variables extrañas: También conocidas como variables de confusión, se usan para ilustrar el hecho de que
las variables extrañas pueden confundir lo resultados al influir en la variable dependiente.
• Aleatorización: Método para controlar las variables extrañas, que implica la asignación al azar de las
unidades de prueba a los grupos experimentales usando números aleatorios. Las condiciones de
tratamiento también se asignan de forma aleatoria a los grupos experimentales.
• Pareamiento: Método para controla las variables extrañas que implica parear las unidades de prueba en un
conjunto de variables antecedentes clave antes de asignarlas a las condiciones de tratamiento.
• Control estadístico: Método para controlar las variables extrañas midiéndolas y ajustando sus efectos con
métodos estadísticos.
• Diseño de control: Método para controlar las variables extrañas que implica el uso de diseños
experimentales específicos.

Clasificación de los diseños experimentales


• Diseños pre-experimentales: Diseños que no controlan los factores extraños mediante la aleatorización.
• Diseños experimentales verdaderos: Diseños experimentales que se distinguen por el hecho de que el
investigador puede asignar de forma aleatoria las unidades de prueba y los tratamientos a los grupos
experimentales.
• Diseños cuasi-experimentales: Diseños que implican parte de los procedimientos de los experimentos
verdaderos pero que carecen de un control experimental completo.
• Diseño estadístico: Diseños que permiten el control y análisis estadísticos de las variables externas.

Diseños experimentales: Se caracterizan por la falta de aleatorización. Se describen los sgtes:


• Estudio de caso único: Diseño experimenta en el cual un solo grupo de unidades de prueba se expone a un
tratamiento X y luego se realiza una sola medición de la variable dependiente.
• Diseño Pretest-postest con un grupo: Diseño pre-experimental en que un grupo de unidades de prueba se
mide dos veces.
• Diseño de grupo estadístico: Diseño pre-experimental en el que existen dos grupos: el grupo experimental
que se expone al tratamiento y el grupo de control. En ambos grupos se hacen mediciones sólo después del
tratamiento y las unidades de prueba no se asignan al azar.

Diseños experimentales verdaderos: El investigador asigna al azar unidades de prueba y los tratamientos a los grupos
experimentales. Incluyen a los sgtes diseños:
• Diseño de pretest-postest con grupo de control: Diseño experimental verdadero en que el grupo
experimental se expone al tratamiento, pero el grupo de control no. En ambos grupos se realizan medidas
de pretest y postest
• Diseño de sólo postest con grupo de control: Diseño experimental verdadero en que el grupo experimental
se expone al tratamiento pero el grupo de control no y no se realiza medida de pretest
• Diseño de cuatro grupos de Solomon: Diseños experimental verdadero que controla explícitamente os
efectos interactivos de la prueba así como todas las otras variables extrañas.

Diseños cuasiexperimentales: Se obtiene en las sgtes condiciones, el investigador puede controlas cuando y quien hace
las mediciones, tb el investigador carece de control sobre la programación del tratamiento y no puede exponer las
unidades de prueba al tratamiento de forma aleatoria. Son útiles porque pueden usarse en casos en que no es
posible usar la experimentación verdadera y porque son más rápidos y menos costosos.

• Diseño de series de tiempo: Diseño cuasi-experimental que implica mediciones periódicas de la variable
dependiente para un grupo de unidades de prueba. Luego el tratamiento es administrado por el
investigador u ocurre de manera natural. Después del tratamiento, continúan las mediciones periódicas
para determinar su efecto.
• Diseño de series de tiempo multiples: Diseño de series de tiempo que incluye otro grupo de unidades de
prueba que funge como grupo de control.

Diseños estadísticos: Una serie de experimentos básicos que permiten el análisis y control estadístico de variables
externas. Ofrecen las siguientes ventajas:

1. Permiten medir efectos de más de una variable independiente


2. Pueden controlarse estadísticamente variables extrañas específicas
3. Se formulan diseños económicos cuando cada unidad de prueba se mide más de una vez.

Los más comunes son:


• Diseño de bloque aleatorizado: Diseño estadístico en que las unidades de prueba se disponen en un bloque
con base en una variable externa para asegurar que los grupos experimental y de control están
cercanamente igualados en esa variable.
• Diseño de cuadrado latino: Diseño estadístico que además de permitir el manejo de la variable
independiente, admite el control estadístico de dos variables externas que no interactúan.
• Diseño factorial: Diseño experimental estadístico que se usa para medir los efectos de dos o más variables
independientes en varios niveles y para permitir interacciones entre las variables.

Experimentos de laboratorio y experimentos de campo: Los experimentos de laboratorio tienen algunas ventajas sobre
los de campo, ya que éstos ofrecen un alto grado de control porque aísla el experimento en un ambiente
cuidadosamente supervisado lo que permite minimizar los efectos de la historia. También porque duran menos
tiempo usan menos unidades de prueba, tienen restricción geográfica y son más sencillos de realizar y normalmente
suelen ser menos costosos.
• Ambiente de laboratorio: Escenario artificial para la experimentación donde el investigador construye las
condiciones deseadas.
• Ambiente de campo: Situación experimental establecida en condiciones de mercado reales.
• Diferentes escenarios de la demanda: Los participantes tratan de adivinar el propósito del experimento y
responden de acuerdo con ello.

Diseños experimentales y diseños no experimentales: Sólo los diseños causales son realmente adecuados para inferir
relaciones de causa y efecto. Aunque a menudo se usan datos descriptivos de encuestas para dar evidencia de
relaciones causales estos estudios no satisfacen todas las condiciones requeridas para la causalidad. Los estudios
descriptivos hacen difícil establecer la equivalencia previa de los grupos participantes con respecto a las variables
dependientes e independientes y también es difícil establecer un orden temporal.

Limitaciones de la experimentación:
• Tiempo: Los experimentos deben durar los suficiente como para que las mediciones posteriores al
tratamiento incluyan la mayoría o la totalidad de los efectos de las variables independientes.
• Costo: Los experimentos suelen ser costosos. Los requisitos de grupo experimental, grupo de control y
múltiples mediciones aumentan significativamente el costo de la investigación.
• Administración: Puede ser difícil, quizá resulte imposible controlar los efectos de las variables extrañas,
sobre todo en un ambiente de campo. Los experimentos de campo usualmente interfieren con las
operaciones en curso de una empresa xq es complicado obtener cooperación de detallistas mayoristas y
otros. Tb los competidores pueden contaminar los resultados del experimento.
Aplicación: Prueba de mercado
• Prueba de mercado: Aplicación de un experimento controlado realizado en mercados de prueba limitados
pero seleccionados con cuidado. Implica realizar, en los mercados de prueba, el programa nacional de
marketing que se planeó para un producto. Sus dos objetivos son :
1. Determinar la aceptación del producto en el mercado.
2. Probar niveles alternativos de las variables de a mezcla de marketing.
• Mercados de prueba: Parte del mercado seleccionada con cuidado que es particularmente adecuada para
determinadas pruebas de mercado.
• Mercado estándar de prueba: Prueba de mercado donde el producto se vende a través de los canales de
distribución regulares. Por ejemplo no se hacen consideraciones especiales a los productos por el solo
hecho de que están sometidos a prueba de mercados.
• Prueba de mercado controlada: Programa de prueba de mercado realizado por una compañía externa de
investigación en la experimentación de campo. La empresa de investigación garantiza la distribución de
producto en tiendas detallistas que representan un porcentaje predeterminado del mercado.
• Prueba de mercado simulada: Mercado casi de prueba donde se preselecciona a los encuestados y luego se
les entrevista y se observan sus compras y sus actitudes hacia el producto.

Investigación de mercados internacionales: En muchos países los ambientes de marketing, económico, estructural,
informativo, tecnológico no están desarrollados en la misma medida. En muchos el gobierno es propietario de las
estaciones televisivas y opera con ciertas restricciones sobre la publicidad. Lo que hace difícil que un experimento de
campo maneje los niveles de publicidad. Incluso cuando se diseñan experimento es complicado controlar el orden
temporal de ocurrencia de las variables y la ausencia de otros factores causales posibles, dos de las condiciones
necesaria para la causalidad. Como el investigador tiene mucho menos control sobre el ambiente el control de las
variables extrañas es particularmente difícil.

Ética en la investigación de mercados: A menudo es necesario ocultar el experimento con la finalidad de producir
resultados válidos. El encubrimiento del propósito de la investigación debería realizarse de tal manera que no viole
los derechos de los participantes. Una forma de manejar este dilema ético consiste en informarles al inicio que la
finalidad del experimento permanecerá oculta Tb debe proporcionarles a los participantes una descripción de la
tarea de investigación y decirles que pueden abandonar el experimento en cualquier momento. Después debería de
explicarse a los encuestados el verdadero propósito del estudio y la naturaleza del ocultamiento y dar oportunidad
de retirar su información.
• Sesión de información: Consiste en informar después del experimento a los sujetos de la prueba acerca del
propósito del experimento y de cómo se realizaron las manipulaciones experimentales.
MEDICIÓN Y ESCALAMIENTO:
ASPECTOS BASICOS Y
ESCALAMIENTO COMPARATIVO
MALHOTRA, Narres K. Investigación de Mercados. Un enfoque
aplicados. Phearsonc Educación, Prentice Hall, 4ta. Ed. México, 2004.

___________________________________
Medición y escalamiento:

• Medición: Significa asignar números u otros símbolos a características de objetos de acuerdo con
determinadas reglas preestablecidas, además lo que medimos no es el objeto sino sus características, no
medimos a los consumidores sino sus percepciones, actitudes y preferencias.
El proceso de asignación debe ser isomorfo osea debe haber una correspondencia uno a uno entre los
números y las características medidas. Es la asignación de un numero del 1 al 100 a cada encuestado.
• Escalamiento: Implica la creación de un continuo sobre el cual se localizan los objetos medidos.

Escalas de medición básica:

• Escala nominal: Es un esquema de etiquetado figurado, en el cual los números solo sirven como etiquetas
para identificar y clasificar objetos. Cuando se usa una escala nominal con propósitos de identificación hay
una estricta correspondencia uno a uno entre los números y objetos Ejm: número de seguro social, el
número que se le da a un jugador de futbol. Se utilizan para identificar encuestados, marcas, atributos,
tiendas y otros trabajos. Las clases son mutuamente excluyentes y colectivamente exhaustivas, los objetos
de cada clase se consideran equivalentes con respecto a la característica representada por el número
nominal, también puede asignarse símbolos y letras del alfabeto, no reflejan la cantidad de la característica
que poseen los objetos.
• Escala ordinal: es una clasificación donde se asignan números a objetos para indicar la magnitud relativa en
el cual estos poseen una característica, permite determinar si un objetivo tiene más o menos de una
característica que algún otro objeto, pero no cuanto más o menos, indica la posición relativa no la magnitud
de las diferencias entre los objetos. Ejm: clase socioeconómica, situación ocupacional, se utiliza para medir
percepciones actitudes, opiniones y preferencias relativas. Se permite la transformación positiva
monotónica osea si antes era 1,2,3 puede ser 23,26,30.
• Escala de intervalo: Se utilizan los números para calificar objetos, de tal forma que las distancias
numéricamente equivalentes en la escala representan distancias equivalentes en la característica medida,
osea también permite comprar diferencias entre los objetos, cualquier transformación lineal positiva de la
forma Y=a+bx conservara las propiedades de la escala. La razón de la diferencia entre D y B con la diferencia
entre C y B es de 2:1 en amabas escalas.
• Escala de razón: Posee todas las propiedades de las escala nominal, ordinal, y de intervalo, además de un
punto cero absoluto, es posible identificar o clasificar objetos jerarquizarlos y comparar los intervalos o las
diferencias. Ejm: estatura, peso, edad y dinero

Comparación de las técnicas de escalamiento:


• Escalas comparativas: Implican la comparación directa de los objetos de estimulo, deben interpretarse en
términos relativos y solo tienen propiedades ordinales o de rangos ordenados, se le conoce como
escalamiento no métrico su ventaja principal es que permite detectar diferencias pequeñas entre los
objetos de estimulo, además los encuestados abordan la tarea de calificación, además esta ventaja implica
menos suposiciones teóricas y suelen reducir los efectos de halo o remanentes de un juicio a otro. Las
desventajas es que incluyen la naturaleza ordinal de los datos y la imposibilidad de generalizar mas allá de
los objetos estimulo escalados.
• Escalas no comparativas: Conocidas como escalas monódicas o métricas, cada objeto se escala
independientemente del resto de objetos del conjunto de estímulos, los datos resultantes corresponden a
una escala de intervalo o de razón

Técnicas comparativas de escalamiento:

• Escalamiento de comparación pareada: Se muestra al encuestado dos objetos y se le solicita que elija uno
de acuerdo con ciertos criterios, estos datos son de naturaleza ordinal, es la técnica de mayor uso, una
forma de analizar los datos obtenidos es con La transitividad de la preferencia que implica que si la marca
A se prefiere a la B y esta se prefiere a la C, entonces la marca A se prefiere sobre la C.
Se han sugerido modificaciones para esta técnica como la inclusión de una opción neutral osea que no
habría diferencia, otra extensión es la comparación pareada gradual, en la que se pregunta a los
encuestados que marca de las dos prefieren y que tanto la prefieren.
Este método es muy útil cuando el número de marcas es limitado porque requiere de comparación directa
y elección abierta, una desventaja es que se viole el principio de transitividad y que el orden en que se
presenten los objetos sesgue los resultados.
• Escalamiento por rangos ordenados: Se presentan varios objetos al mismo tiempo a los encuestados , y se
les pide que los ordenen o clasifiquen de acuerdo a ciertos criterios. Es común que se utilice el escalamiento
por rangos ordenados para medir las preferencias por marcas y atributos, en comparación con las
comparaciones pareadas, este tipo de escalonamiento es más parecido al ambiente de compras, se lleva
menos tiempo y elimina las respuestas intransitivas, además es más fácil para los encuestados entender las
instrucciones para el ordenamiento. La principal desventaja es que está técnica solo produce datos
ordinales.
• Escalamiento de suma constante: Los encuestados distribuyen una suma constante de unidades como
puntos, dólares, o fichas entre un conjunto de objetos estimulo con respecto a un criterio. Si el atributo no
es importante se le dará cero puntos y si es importante recibirá el doble de puntos, la suma de todos los
puntos da 100. Los atributos se escalan contando los puntos asignados a cada uno por todos los
encuestados y dividiendo el resultado entre el número de participantes. La principal ventaja de las escala de
suma constante es que permite una discriminación fina entre los objetos estimulo sin consumir mucho
tiempo. Las desventajas más importantes son que los participantes pueden asignar más o menos unidades
de las especificadas, además el error por redondeo.
• Clasificación Q y otros procedimientos: Se desarrollar para hacer una rápida distinción entre un número
relativamente grande de objetos, se utiliza rangos ordenados donde los objetos se clasifican en pilas en
función de su similitud con respecto a cierto criterio.
Otras técnica de escalamiento comparativo son las de la estimación de magnitud en la que se asignan
números a los objetos, de forma tal quelas razones entre los números asignados reflejen razones en el
criterio establecido.

Investigación de mercados internacionales: El nivel de medición se incrementa de las escala nominal, a la ordinal, a
la de intervalo y a la de razón, en muchos países desarrollados gracias a los mayores niveles de educación y de
esnobismo por parte de los consumidores, los encuestados están acostumbrados a responder en escalas de
intervalo y de razón y en los de menos desarrollo se les hace más difíciles. Además en las escalas no comparativas
cada objeto se escala de manera independiente osea un objeto a la vez por lo tanto estas son más sencillas y
resultan más apropiadas para esta clase de culturas donde los encuestados tienen menos educación.
MEDICIÓN Y ESCALAMIENTO:
TECNICAS NO COMPARATIVAS DE
ESCALAMIENTO
MALHOTRA, Narres K. Investigación de Mercados. Un enfoque
aplicados. Phearsonc Educación, Prentice Hall, 4ta. Ed. México, 2004.

___________________________________
Técnicas no comparativas de escalamiento: Solo evalúan un objeto a la vez, se conocen también como escalas
monódicas, constan de las escalas de clasificación continua y por ítem

• Escalas de clasificación continúa: Escala de clasificación grafica en la que califican los objetos poniendo una
marca en la posición apropiada sobre una línea que corre de extremo al otro de la variable criterio, los
encuestados no se limitan a seleccionar entre las marcas previamente establecidas por el investigador. El
investigador divide la línea en tantas categorías como desee y asigna las puntuaciones son base en las
categorías en las que cae la clasificación; las ventaja es que son fáciles de construir, su clasificación es
engorrosa y poco confiable, en la investigación de mercado su uso es restringido, es sencillo usar estas
escalas en internet, además la computadora puede calificar de forma automática los valores de la escala, lo
que incrementa la velocidad y precisión del procesamiento de los datos.
• Escalas de clasificación por ítem: Se presenta los encuestados una escala que asocia un número o una
breve descripción con cada categoría, las cuales se ordenan en términos de la posición de la escala y se pide
a los encuestados que seleccionen la categoría especifica que describa mejor al objeto evaluado.
Escala de Likert: No requiere que los encuestados indiquen el grado de acuerdo o desacuerdo con
cada una de las afirmaciones de una serie acerca del objeto estimulo, son cinco categorías de
respuestas que van de totalmente de acuerdo a totalmente en desacuerdo. El análisis puede
hacerse reactivo por reactivo o bien se calcula una clasificación total, para cada encuestado
sumando todos los reactivos, se le conoce como escala sumada o aditiva, para un enunciado
negativo un acuerdo refleja una respuesta desfavorable mientras que para un enunciado positivo,
el acuerdo representa una respuesta favorable. Sus ventajas son que es fácil de construir y de
aplicar, resulta sencillo entender su uso, puede aplicarse por correo teléfono o en entrevistas
personales, la desventaja es que requiere más tiempo para completarse ya que los encuestados
tienen q leer cada información.
Escala de diferencial semántico: Es una escala de clasificación de 7 puntos cuyos extremos están
asociados con etiquetas que tienen carácter semántico, evalúan objetos sobre una serie de escalas
de clasificación por ítem de 7 puntos vinculadas en cada extremo a uno de los adjetivos bipolares
como frio o caliente, el encuestador marca el espacio que indica mejor su descripción de objeto
calificado, es un análisis en el cual se calcula la media o la mediana de cada escala de clasificación y
se compran mediante una grafica o análisis estadístico. En caos en que el investigador necesita una
comparación general de los objetos como determinar la preferencia por las tiendas se suman la
calificaciones de los reactivos para obtiene runa clasificación total
Escala de Stapel: Escala de clasificación unipolar con 10 categorías numeradas del -5 al +5 sin un
punto neutral, se pide a los encuestados que indiquen que tan precisa o imprecisa es la descripción
que hace cada termino del objeto, seleccionando una respuesta numérica apropiada para la
categoría, estos datos pueden analizarse de la misma forma que los datos del diferencial
semántico, ya que ambas producen resultados similares. Como ventaja es que no requiere una
previa de los objetivos o frases para asegurar su bipolaridad y de que puede aplicarse por teléfono
sin embargo

Decisiones sobre escalas no comparativas de clasificación por ítem

• Numero de categorías de la escala: Implica dos consideraciones fundamentales; cuanto mayor sea el
numero de categorías, más fina será la discriminación entre los objetos estimulo, el numero apropiado de
categorías debe ser de siete más o menos dos es decir de 5 o 9, si los encuestados en esta tarea conocen los
objetos, puede emplearse un mayor número de categorías de no está familiarizados debe ser menor.
• Escalas balanceadas frente a no balanceadas: la Escala balanceada es cuando el numero de categorías
favorables y desfavorables es igual, y la no balanceada es cuando son diferentes, si se usa una escala no
balanceada deben tenerse en cuenta la naturaleza y el grado de desequilibrio.
• Numero par o non de categorías: Numero non de categorías, el punto central de la escala por lo general se
designa como neutral o imparcial, si etiquetas una categoría neutral puede tener una influencia significativa
en la respuesta, depende de si algunos de los encuestados pueden ser neutrales respecto a la respuesta
medida, si el investigador desea forzar la respuesta o cree que no existe una respuesta neutral debe usarse
una escala de clasificación con un numero par de categorías.
• Escalas forzadas frente a las no forzadas: Los encuestados son obligados a expresar una opinión por qué no
se les da la opción de *sin opinión*, cuando no tienen opinión pueden marcar la posición central de la
escala, cuando se espera que los encuestados no tengan opinión mejora la precisión de los datos.
• Naturaleza y grado de las descripciones verbales: La categorías de las escala pueden tener descripciones
verbales, numéricas y hasta pictóricas, el investigador debe decidir si etiqueta todas, algunas o solo las
categorías extremas de la escala, etiquetar todas o muchas de las categorías permite reducir la ambigüedad
de la escala.
• Forma física o configuración: Se dispone de diversas opciones con respecto a la forma o configuración de la
escala, y pueden o no tener números asignados. En la escala del termómetro cuanto más alta sea la
temperatura, más favorable es la evaluación. De igual forma, las caras felices indican evaluaciones más
favorables. Estas escalas son especialmente útiles con los niños

Escalas de reactivos múltiples:

1. Desarrollar una teoria


2. Generar un conjunto inicial de reactivos: teoría, datos secundarios e investigación cualitativa
3. Seleccionar un conjunto reducido de reactivos con base en un criterio cualitativo
4. Recabar datos del pretest aplicado a una muestra grande
5. Realizar análisis estadístico
6. Desarrollar una escala depurada
7. Recabar mas datos de una muestra diferente
8. Evaluar la confiabilidad, validez y capacidad de generalización de la escala
9. Preparar la escala final.

Evaluación de la escala: Supone valorar la confiabilidad, validez y capacidad de generalización de la escala.

• Exactitud de la medición; Puede existir


o Error de medición: Hace que la medición o puntuación observada sea diferente de la verdadera
puntuación de la característica que se mide
o Modelo de clasificación verdadera: Ofrece un marco para entender la exactitud de la medición
o Error sistemático: afecta la medición de manera constante
o Error aleatorio: No es constante, representa factores transitorios que afectan de diferentes
maneras la clasificación observada cada vez que se hace la medición.
• Confiabilidad: Se refiere al grado en que la escala produce resultados consistentes si se hacen mediciones
repetidas, las fuentes sistemáticas de error afectan de manera constante x eso no producen inconsistencia
en el producto en cambio el error aleatorio produce inconsistencia que da lugar a una menor confiabilidad,
esta se evalúa determinando la proporción de la variación sistemática en la escala.
o Confiabilidad test- retest: Se aplican conjuntos idénticos de reactivos a los encuestados en dos
momentos diferentes en condiciones tan equivalentes como sea posible, para determinar el grado
de similitud entre las dos pruebas se halla el coeficiente de correlación cuanto más alto sea mayor
es la confiabilidad; desventajas: este es sensible al intervalo de tiempo entre las pruebas, la
medición inicial podría alterar la característica medida, quizá resulte imposible hacer mediciones
repetidas, la primera medición puede tener un efecto de arrastre en las otras mediciones, puede
ser inflado por la correlación de cada reactivo consigo mismo.
o Confiabilidad de formas alternativas: Se construyen dos formas equivalentes de la escala, se mide a
los encuestados en dos momentos diferentes con dos a cuatro semana de distancia, se aplica una
escala diferente cada vez; tiene dos problemas importantes elaborar una escala nueva consume
tiempo y dinero; es difícil construir dos formas equivalentes; es difícil construir dos formas
equivalentes de una escala, teniendo en cuenta varianzas e intercorrelaciones.
o Confiabilidad de consistencia interna: Se emplea para evaluar la consistencia interna del conjunto
de reactivos cuando varios de estos son sumados para obtener una clasificación total de la escala.
Confiabilidad de división por mitades: Los reactivos de la escala se dividen en dos mitades
y se correlacionan las puntuaciones resultantes de cada mitad, una alta correlación entre
la mitades implica una alta consistencia interna y los resultados dependerán de cómo se
dividan los reactivos de la escala.
El coeficiente alfa: o alfa de Cronbach, es el promedio de todos los coeficientes posibles de
división por mitades que resultan de las diferentes maneras de dividir los reactivos de la
escala, este coeficiente varía entre 0 y 1 y un valor igual o menor a 0.6 por lo general
indica una confiabilidad insatisfactoria de consistencia interna, el coeficiente alfa puede
aumentar su valor con el incremento del número de reactivos de la escala, puede
emplearse el coeficiente beta que ayuda a determinar si el proceso de obtención de
promedio usado para calcular el coeficiente alfa esta enmascarando algunos reactivos
inconsistentes.
• Validez: Se define como el grado en que las diferencias en las puntuaciones obtenidas con la escala reflejan
diferencias verdaderas entre los objetos en la característica medida, en lugar del error sistemático o
aleatorio.
o Validez del contenido: Validez aparente, es una evaluación subjetiva pero sistemática de que tan
bien representa el contenido de la escala la tarea de medición en cuestión, se evalúa si estos
cubren adecuadamente el constructo.
o Validez del criterio: Refleja si una escala se comporta como se esperaba en relación con variables
seleccionadas como criterios significativos, pueden incluir características demográficas y
psicográficas, medidas actitudinales y conductuales, esta validez adopta dos formas: la validez
concurrente: se evalúa cuando se recaban al mismo tiempo los datos de la escala probada y de las
variables de criterio. La validez predictiva reúne datos sobre la escala en un punto en el tiempo y
datos sobre las variables del criterio en un momento posterior.
o Validez del constructo: Que constructo mide la escala, se intenta responder preguntas teóricas de
porque funciona una escala y que deducciones pueden hacerse respecto a la teoría subyacente.
La validez convergente: Grado en que la escala se correlaciona positivamente con otras
medidas del mismo constructo
La validez discriminante: Grado en que una medida no se correlaciona con otros
constructos de los que se supone debe diferir
La validez nomológica: Grado en que la escala se correlaciona del modo pronosticado por
la teoría con medidas de constructos diferentes, peor relacionados.
• Relación entre confiabilidad y validez: Si una medida es perfectamente válida también es perfectamente
confiable, aunque la falta de confiabilidad constituye una evidencia negativa para la validez, la
confiabilidad, por si sola no implica validez.
• Capacidad de generalización: Grado en que las observaciones con que se cuenta con aplicables a un
universo, todas las condiciones de medición sobre las cuales el investigador desea generalizar constituyen
el universo de generalización, para cada universo de interés, se incluye en el estudio un aspecto de la
medición llamado faceta.

Elección de una técnica de escalamiento: Deben considerarse ciertos factores prácticos al seleccionar las técnicas
de escalamiento para un determinado problema, le nivel de información deseado, las habilidades de los
encuestados, características de los objetos estímulos, el método de aplicación, el contexto y el costo; la técnica de
escalamiento que produzca el más alto nivel de información posible en una situación dada permitirá el uso de la
mayor variedad de análisis estadístico.

Escalas derivadas matemáticamente: las técnicas matemáticas de escalamiento permiten a los investigadores inferir
las evaluaciones que hacen los encuestados de las características de los objetos estimulo, destacan el escalamiento
multidimensional y el análisis conjunto.

Investigación de mercados internacionales: Consiste en desarrollar escalas que sean multiculturales o que estén
libres de sesgos culturales, es indispensable establecer la equivalencia de las escalas medidas usadas para obtener
datos de diferentes países.

La ética de investigación de mercados: De usar escalas cuya confiabilidad, validez y capacidad de generalización
sean razonables.

También podría gustarte