Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Caso Practico Unidad 3
Caso Practico Unidad 3
Unidad 3
Noviembre 2020.
Objetivos.
Poder identificar en que momento y como utilizar el análisis factorial, ya que esta técnica nos
permite una reducción de la dimensionalidad de los datos, es decir poder explicar de manera
sencilla la mayor cantidad de información, este tipo de análisis se caracteriza y diferencia de
las demás ya que todas las variables cumplen el mismo papel, es decir no existe a priori una
dependencia conceptual de unas variables sobre otras.
Reconocer las diferentes técnicas multivariantes, para identificar cual utilizar en los
diferentes desafíos, que nos plantea el marketing dentro de una organización, manejando
una perdida mínima de información.
Enunciado
Ejemplo de análisis factorial para la toma de decisiones de
marketing
El Análisis Factorial tiene sus orígenes en los trabajos iniciados por Charles Spearman
en 1.904, donde trataba de analizar la causa de que las puntuaciones obtenidas por un
grupo de alumnos en distintas materias presentará altas correlaciones. Los estudios de
Spearman, pusieron de manifiesto la existencia de un factor común en todas las
calificaciones, que da una medida de la inteligencia de los alumnos, y que explicaría las
altas correlaciones existentes, y, otro factor, específico de cada alumno, que sería el
responsable de la parte residual de las calificaciones.
Dentro del Análisis Factorial, podemos distinguir dos técnicas que, si bien tienen el
mismo tratamiento matemático, sus objetivos son distintos: El Análisis de Componentes
Principales y el Análisis Factorial de Correlaciones.
Además, dentro del Análisis Factorial de Correlaciones, se puede tener, o no, conocimiento
del número de Factores Comunes. Cuando no existe tal conocimiento, nos encontramos
ante un problema de Análisis Factorial Exploratorio, En otro caso, el Análisis Factorial
Confirmatorio se encargará de verificar un modelo factorial dado.
Como conclusión teórica sobre el Análisis Factorial decir que éste reduce la multiplicidad
de pruebas y medidas hasta lograr una sencillez notable. Indica qué pruebas y medidas
pertenecen al mismo grupo y cuáles miden prácticamente lo mismo. Por lo tanto, reduce el
número de variables y ayuda a localizar o identificar unidades o propiedades fundamentales
en que se deben basar las pruebas.
VARIABLES CARACTERÍSTICA
Los datos conseguidos con el programa SPSS (sobre Estadísticos Iniciales) destacan
nítidamente dos variables: “Aerodinámico” (con un eigenvalue de 5.70 acumula el 57%
de la varianza explicada) y “Barato” (con un eigenvalue de 2.07 acumula el 20.7% de la
varianza explicada). Estas dos variables juntas, acumulan el 77.7% de la varianza
explicada. Luego, el SPSS da la primera Matriz Factorial (No Rotada) que presenta la
“Carga Factorial” (correlaciones entre las variables iniciales y los “factores” recién
creados).
En el caso de nuestro estudio se aprecia que se han extraído dos factores. El primer
factor (Factor 1) presenta una mayor cantidad de variables altamente correlacionadas.
Hay que tener en cuenta que, el primer factor antes de la rotación es el que mejor
discrimina.
Que use gasolina normal (0.933)
Que se pague a plazos (0.923)
No juvenil (-0.879)
Que sea barato (0.878)
No buenas prestaciones (-0.861)
Que tenga poco consumo (0.840)
No aerodinámico (-0.765)
El segundo factor (Factor 2) aglutina las siguientes características:
Que sea confortable (0.900)
Que sea seguro (0.720)
Que tenga gran capacidad (0.671)
En la Tabla de Estadísticos Finales se puede observar que hay dos factores. De esta
forma se ha pasado de diez variables a tan sólo dos, produciéndose la pérdida de tan
solo el 22.3% de la información original representada por las diez variables iniciales.
Vemos que las variables importantes siguen siendo las mismas y con coeficientes muy
parecidos, por lo que la interpretación no varía, y se reduce la complejidad del análisis y
el riesgo de error en el manejo de datos.
Como conclusión empírica podemos indicar que las diez variables consideradas
inicialmente han quedado reducidas a dos factores: “economía” y “seguridad”. Se ha
pasado de diez variables a dos, produciéndose la pérdida de tan sólo el 22.3% de la
información original representada por las diez variables iniciales. Por tanto, puede
aplicarse una encuesta de sólo 2 ó 3 items, por ejemplo: a) Que sea económico; b) Que
sea seguro; c) Que no sea deportivo.
Finalmente, el manejo de herramientas de Marketing de Apoyo a las Decisiones debe
seguir la siguiente secuencia:
1) Recogida de Información - 2) Análisis de Datos - 3) Conocimiento - 4) conclusiones
Sin esta “forma de pensar” corremos el riesgo de no ser rigurosos en la toma de
decisiones y, en consecuencia, mayor riesgo de errores.
Cuestiones.
1. Teniendo en cuenta que el análisis factorial debe cumplir con propiedades, como
conservar la información contenida en las variables iniciales, ser linealmente
independientes y tener una importancia diferencial en la explicación de la
varianza total; esta técnica se puede utilizar en mercadeo para la segmentación
(por beneficios buscados) de mercados en los que se pueden identificar las
variables subyacentes en las cuales deben agruparse los clientes.
- No identifica claramente los datos a simple vista, ya que son parte del análisis
factorial para encontrar patrones.
- Al no tener claridad de cuantos factores incluir es difícil determinar que factores
conservar, e identificar cual es el mejor.
- Al ser subjetiva la interpretación de los factores es difícil como juntar las variables
que nos siempre son tan simples.
- https://www.centro-
virtual.com/campus/pluginfile.php/43401/mod_scorm/content/2/content/pdfs/caso_
enunciado.pdf.
- http://www.fuenterrebollo.com/Economicas/ECONOMETRIA/MULTIVARIANTE
/FACTORIAL/analisis-factorial.pdf.
- https://www.centro-
virtual.com/recursos/biblioteca/pdf/plan_marketing/unidad3_pdf1.pdf.
- https://www.centro-
virtual.com/recursos/biblioteca/pdf/plan_marketing/unidad3_pdf2.pdf.
Desarrollo.