TEMA 10: Procesamiento y análisis de datos

1. Etapas del procesamiento de datos y análisis de información

Técnicas de información primaria

Etapas

• Una vez revisada y depurada la información obtenida en el trabajo de campo es necesario registrarla en el
formato adecuado para su análisis estadístico posterior
• El objetivo es poder obtener conclusiones correctas que respondan a los objetivos de investigación

2. Clasificación de las técnicas de análisis

1. Técnicas de análisis univariante: estudian las variables de forma independiente
2. Técnicas de análisis bivariante: estudian la relación o dependencia entre dos variables
3. Técnicas de análisis multivariante: estudian la relación o interdependencia entre más de dos variables

* El tipo de escala de medición es clave para poder aplicar o no estas técnicas ➔ tratamiento estadístico
diferente según si son métricas o no métricas

3. Análisis univariable
Estudian la medida y comportamiento de una sola variable
En función del tipo de escala de medición de las variables las posibilidades de análisis son diferentes
• Para todo tipo de variables
• Frecuencias tipos (ver ejemplo):
- Absolutas
- Relativas
- Acumuladas
• Representación gráfica: gráficos de barras, polígonos de frecuencias, gráficos de tartas, histogramas (escalas
razón)

Medidas de posición
• Media, moda y mediana
• Media aritmética: “suma de los valores de los datos dividida por el número de observaciones”
• Mediana: observación que ocupa el lugar central de un conjunto de observaciones ordenadas en sentido
ascendente
• Moda: el valor que aparece con más frecuencia, si existe

Medidas de dispersión
• Rango: diferencia entre la observación mayor y la menor
• Rango intercuartílico: diferencia entre la observación que ocupa el 75º percentil y el 25º percentil (o 1º y 3º
cuartil)
• Varianza poblacional: suma de los cuadrados de las diferencias entre cada observación y la media poblacional
dividida por el tamaño de la población.
• La desviación típica poblacional es la raíz cuadrada (positiva) de la varianza poblacional
• Varianza muestral: suma de los cuadrados de las diferencias entre cada observación y la media muestral
dividida por el tamaño de la muestra
• La desviación típica muestral es la raíz cuadrada (positiva) de la varianza muestral
• Coeficiente de variación: medida de dispersión relativa que expresa la desviación típica en porcentaje de la
media (siempre que la media sea positiva). Puede ser poblacional o muestral.

Medidas de simetría
• Comparación de media y mediana:
- Si media = mediana ➔ distribución simétrica
- Si media > mediana ➔ distribución sesgada positivamente
- Si media < mediana ➔ distribución sesgada negativamente

4. Análisis bivariable
Estudian la relación de asociación o dependencia entre dos variables.
Las más usadas son la tabulación cruzada de frecuencias y porcentajes (variables no métricas o cualitativas) y la
tabulación cruzada de promedios (variables métricas o cuantitativas).
Otras técnicas bivariantes
• Prueba de la chi cuadrado: para comprobar si existe una relación significativa entre dos variables no métricas
o cualitativas, pero no proporciona información sobre su dirección
• Correlación de rango de Spearman: Medida estadística de la asociación lineal entre dos variables donde ambas
se han medido con escalas ordinales (de orden de rango).
• Test de medias: revisar si hay diferencias significativas entre dos valores medios de variables métricas o
cuantitativas.
• Coeficiente de correlación lineal: permite medir el grado y dirección de la asociación entre dos variables
métricas.
• Alfa de Cronbach: procedimiento para estimar la consistencia interna de una escala de medida
• Análisis de varianza y covarianza: técnicas diseñadas para determinar el efecto sobre la variable dependiente
(métrica) de los tratamientos o variables independientes (no métricas) analizados en un experimento
comercial.
• El análisis de covarianza permite aumentar el aislamiento de posibles efectos de factores no controlables en el
experimento

5. Principales técnicas de análisis multivariable en marketing

Estudian la relación simultánea entre el comportamiento de dos o más variables
Clasificación en:
1. Métodos de interdependencia: estudian las interrelaciones entre todas las variables analizadas
2. Métodos de dependencia: estudian el efecto de una o varias variables independientes en una o más variables
dependientes

Métodos de interdependencia

• Escalas multidimensionales no métricas: sirve para investigar cuáles son las dimensiones que usan
los consumidores para expresar sus percepciones sobre proximidades o preferencias entre varios
objetos ➔ visualización gráfica➔ mapas posicionamiento
• Análisis factorial: permite agrupar las variables estudiadas mediante el análisis de las relaciones
entre ellas➔ nº de factores es siempre inferior al nº de variables lo que permite simplificar el
estudio del problema planteado
• Análisis de grupos (cluster): permite segmentar un conjunto de individuos por un cierto nº de
variables en un determinado nº de grupos de tal forma que los individuos de un grupo sean lo más
parecidos entre sí en relación a las variables analizadas; y, los grupos sean los más diferentes
entre sí.

Métodos de dependencia
• Análisis Regresión múltiple: permite explicar el comportamiento de una variable dependiente
mediante el comportamiento de varias variables independientes (tipo función explicativa +
asociación)
• Análisis AID (Detección automática de interacciones): estudia la relación de dependencia entre una
variable dependiente y múltiples independientes detectando el efecto y las interacciones
existentes➔ no proporciona una función explicativa de la relación
• Análisis discriminante: permite determinar una regla de clasificación de objetos/individuos que
pertenecen a grupos establecidos a priori, en base a unas variables/características observadas en
ellos. Posteriormente, en base a esa regla se puede predecir la probabilidad de pertenencia a esos
grupos
• Análisis conjunto: medir el efecto conjunto de varias variables independientes (no métricas) sobre la
ordenación de una variable dependiente (no métrica)