Documentos de Académico
Documentos de Profesional
Documentos de Cultura
CUESTIONARIO
Técnica estructurada para recolección de datos que consiste en una serie de preguntas, orales o escritas,
que responden los encuestados.
1. Especificar la información que se necesita: Que info necesito, cuáles son los objetivos del
cuestionario, relacionado con los primeros dos pasos del proceso de investigación de mercado.
2. Especificar el tipo de entrevista: El método de contacto y recolección puede influir en el diseño
del cuestionario.
o ¿El encuestado esta informado? Pregunta filtro: esta al inicio del cuestionario y filtran a
los participantes para asegurarse de que cumplan con los criterios de inclusión.
o ¿El encuestado puede recordar? La incapacidad da errores por omisión. Abreviación:
fenómeno psicológico que tiene lugar cuando un individuo abrevia o comprime el
tiempo, al recordar un evento como si hubiera recurrido más recientemente de lo que
en realidad ocurrió.
Preguntas no estructuradas: Preguntas abiertas que los encuestados responden con sus propias
palabras. Preguntas estructuradas: preguntas que especifican el conjunto de respuesta y su formato.
- Escala: esquema para asignar números con el objetivo de designar características de una
variable.
- Pregunta dicotómica: Pregunta estructurada con solo dos alternativas de respuesta, por
ejemplo, sí y no.
- Preguntas de opción múltiple, respuesta única.
- Preguntas de opción múltiple, respuesta múltiple.
- Sesgo del orden o la posición: tendencia a marcar una alternativa por estar listada en cierto
orden.
Tipo de información:
Preguntas difíciles:
- Las preguntas difíciles (las que son delicadas, vergonzosas, complicadas o aburridas) deben
colocarse al final de la secuencia.
Efecto sobre las preguntas posteriores: las preguntas hechas al inicio de una secuencia pueden influir en
las respuestas a las preguntas posteriores.
Orden lógico: Las preguntas deben ordenar por temas y usar frases de transición al cambiar de tema.
- Preguntas ramificadas: preguntas que guía al encuestado, dirigiéndolo a diferentes puntos del
cuestionario, dependiendo de sus respuestas.
TRABAJO DE CAMPO
Medición: La asignación de números u otros símbolos a características de objetos de acuerdo con ciertas
reglas preestablecidas. Es el hecho de asignar números y símbolos de acuerdo a ciertas reglas.
Escalamiento: Generación de un continuo sobre el que se localizan los objetos medidos. La escala mide
un constructo a partir de variables.
ESCALAS DE MEDICION
Escala nominal: Escala cuyos números sirven sólo como etiquetas o rótulos para identificar y
clasificar objetos con una estricta correspondencia de uno a uno entre los números y los
objetos. Por ejemplo, género. Etiquetas para clasificar objetos.
Escala ordinal: Escala de clasificación en la cual se asigna números a los objetos para indicar la
medida en que se posee una característica. Esto permite determinar si un objeto tiene más o
menos de una característica que otros objetos. Por ejemplo, máximo nivel de estudios
alcanzado. Nominales + tienen un orden.
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. Por ejemplo, nivel de satisfacción. Ordinales + categorías equidistantes
que representan la distancia real de lo que se mide.
Escala de razón: La escala más alta. Permite al investigador identificar o clasificar objetos,
jerarquizarlos, y comparar los intervalos o las diferencias. También es significativo calcular
razones de los valores de la escala. Por ejemplo, cantidad de productos comprados. Intervalo +
Existe un cero absoluto.
Escalas comparativas: Hay una comparación directa de los objetos estímulo entre sí.
Comparación pareada: Se muestran al encuestado dos objetos al mismo tiempo, y se le pide que
elija uno de acuerdo con ciertos criterios. Los datos obtenidos son de naturaleza ordinal.
Transitividad de la preferencia: Si se prefiere A sobre B y B sobre C, entonces A se prefiere sobre
C. Convierte comparaciones pareadas en rangos ordenados.
Rangos ordenados: Se presentan simultáneamente varios objetos a los encuestados, y se les
pide que los ordenen o clasifiquen de acuerdo con ciertos criterios.
Suma constante: Requieren que los encuestados distribuyan una suma constante de unidades
como puntos, dólares, vales, engomados o fichas, entre un conjunto de objetos estimulo con
respecto a un criterio. Distribuye una suma constante entre la opciones que tienen para elegir.
Clasificación Q: utiliza el procedimiento de rangos ordenados, para clasificar objetos en función
de su similitud con respecto a cierto criterio que tenga en particular. Ejemplo: se presentan a los
encuestados 100 afirmaciones y las tienen que agrupar en 11 filas que van de “completamente
de acuerdo” a “completamente en desacuerdo”.
Escala no comparativa: Una de las dos técnicas de escalamiento, en donde cada objeto estimulo se
escala independientemente de los otros objetos del conjunto de estímulos.
Escalas de clasificación continua: También conocida como escala de clasificación gráfica, los
encuestados clasifican los objetos poniendo una marca en la posición apropiada sobre una línea
que va de un extremo a otro de la variable de criterio.
Escalas de clasificación por ítems/reactivos: escala de medición que asocia número y/o
descripciones breves con cada categoría. Las categorías están ordenadas en términos de la
posición de la escala.
Likert: escala de medición con cinco categorías de respuesta que van de “totalmente de
acuerdo” a “totalmente en desacuerdo”, lo cual requiere que los encuestados indiquen
el grado de acuerdo o desacuerdo con cada una de las afirmaciones relacionadas con los
objetos estimulo.
Diferencial semántico: escala de clasificación de 7 puntos cuyos extremos están
asociados con etiquetas bipolares (totalmente diferentes) que tienen carácter
semántico (con atributos).
Stapel: Escala para medir actitudes que consiste en un solo adjetivo en el centro de un
rango de valores de números pares, de -5 a +5, sin un punto neutral (cero).
La escala de intención de compra se utiliza para estimar la elección (compra) por el consumidor de
productos de consumo duraderos y de adquisición frecuente. Se les pide a los consumidores emitir un
juicio subjetivo de su probabilidad de comprar un nuevo producto. Nos permiten dar un juicio objetivo
sobre algo.
Indicador que mide la predisposición a la recomendación de los clientes basándose en las potenciales
recomendaciones.
Cuanto se tuvo que esforzar el cliente para resolver un problema y Cuan satisfecho se encuentra con el
servicio.
ERROR DE MEDICION
- Error sistemático: afecta la medición de manera constante y representa factores estables que
afectan la clasificación observada de la misma manera cada vez que se hace la medición.
- Error aleatorio: surge de cambios aleatorios, diferencias en los encuestados o situaciones de
medición. Es más peligroso el error aleatorio porque no sabes por donde puede salir; el
sistemático se puede corregir.
Test-retest: Capacidad del mismo instrumento para producir resultados congruentes cuando se
lo usa una segunda vez en condiciones equivalentes.
Formas alternativas: Capacidad de dos formas alternativas (similares) de un instrumento de
producir resultados estrechamente correlacionados.
Consistencia interna: Evaluación de la confiabilidad del instrumento cuando se suma un
conjunto de reactivos para obtener una clasificación total de la escala. Dos formas de medir:
Confiabilidad de división por mitades: los reactivos que constituyen la escala se dividen
en dos mitades y se correlacionan las puntuaciones resultantes de cada mitad.
Coeficiente 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. Varía entre 0 y 1. 0,75 para arriba es satisfactorio (el libro dice 0,6).
Validez: grado en que las diferencias en las puntuaciones obtenidas en la escala reflejan diferencias
verdaderas entre los objetos en las características medidas más que errores sistemáticos o aleatorios.
CONFIABILIDAD Y VALIDEZ
Modelo de clasificación verdadera: Modelo matemático que ofrece un marco para entender la exactitud
de la medición. Ayuda a entender el error. La clasificación tiene que ser igual a la suma de la clasificación
verdadera, el error sistemático y el aleatorio.
UNIDAD 3: MUESTREO
Marco del muestreo: Representación completa de los elementos de la población meta. Consiste en un
listado o conjunto de instrucciones para identificar a la población meta. Listado completo de todas las
personas de una forma efectiva de ubicarlas.
Estratos vs Conglomerados:
En términos generales, es más difícil ejercer un control de la muestra en encuestas online. Los
cuestionarios online autoadministrados tienen tasas de respuesta más baja que los personales, pero se
puede apuntar a n mayores.
Lo que NO se debería hacer: sustituir con un valor neutro, como la respuesta promedio; Sustituir
con una respuesta atribuida, en función del patrón de respuesta del participante.
Lo que se debe hacer:
o Eliminación por casos: se descartan del análisis los casos con respuestas faltantes.
o Eliminación por pares: para cada análisis solo se consideran los casos con respuestas
completas.
7. Ajuste estadístico:
1. Ponderación: Ajuste estadístico de los datos donde a cada caso o encuestado de la base
de datos se le asigna un peso, para reflejar su importancia en relación con otros casos o
encuestados.
2. Redefinición de variables: La transformación de los datos para crear nuevas variables o
la modificación de las variables existentes para hacerlas más congruentes con los
objetivos del estudio.
3. Transformación de la escala: Manipulación de los valores de la escala para asegurar que
sea comparable con otras escalas o adecuar de otra manera los datos para el análisis.
Etapas 1,2 y 3 del proceso de investigación -> Características conocidas de los datos ->
Propiedades de las técnicas estadísticas -> Experiencia y criterio del investigador -> Estrategia de
análisis de datos.
Descriptiva: Describir los datos, los valores, las puntuaciones obtenidas para cada variable.
Inferencial: Probar hipótesis y estimar parámetros de ese universo a partir de la muestra. La
estadística inferencial tiene dos tipos de técnicas, univariadas y multivariadas.
TECNICAS UNIVARIADAS: Técnicas estadísticas a utilizar cuando cada variable se analiza por separado.
Distribución matemática cuyo objetivo es obtener un conteo (y proporción) del número de respuestas
asociadas con distintos valores de una variable. Se considera una variable a la vez.
Estadísticos asociados:
INTERVALO DE CONFIANZA
El Intervalo de Confianza (IDC) es un par de números entre los cuales se estima que estará cierto valor
desconocido respecto de un parámetro poblacional con un determinado nivel de confianza. Los
intervalos de confianza más utilizados en investigación de mercados son: IDC para la proporción e IDC
para la media.
PRUEBA DE HIPOTESIS
Un análisis básico siempre implica alguna prueba de hipótesis. Existen muchos casos donde el test de
hipótesis se aplica a la investigación de mercados.
1. Formular H0 y H1:
Hipótesis nula (H0): enunciado de que no se espera ninguna diferencia o efecto. Si no se rechaza H0, no
se realizan cambios.
Hipótesis alternativa (H1): Enunciado de que se espera alguna diferencia o efecto. La aceptación de H1
llevara a cambios en opiniones o acciones.
2. Elegir una prueba adecuada: Prueba de colas: Prueba de una cola: H1 se expresa de manera
direccional; Prueba de dos cola: H1 no se expresa de manera direccional.
3. Seleccionar el nivel de significancia:
Error tipo I: rechazar una hipótesis nula que en realidad es verdadera. Nivel de significancia (alfa): La
probabilidad de cometer un error tipo I.
Error tipo II: No rechazar una hipótesis nula que en realidad es falsa. Potencia de una prueba (1 – beta):
La probabilidad de rechazar una hipótesis nula que en realidad es falsa.
Significancia (p-valor): El p-valor es el nivel más pequeño de significancia en el cual podemos rechazar la
hipótesis nula. Entonces, en todos los casos, si p<0,05 -> rechazamos H0. En SPSS lo vemos como sig.
La conclusión a la que se llega con la prueba de hipótesis debe expresarse en términos de los objetivos y
del problema de investigación de mercados.
TABULACIONES CRUZADAS
Técnica estadística que describe dos o más variables de manera simultánea, y que produce tablas que
reflejan la distribución conjunta de dos o más variables con un número limitado de categorías o valores
distintivos. Se las conoce como tablas de contingencia o tabulación cruzada bivariada.
Estadísticos asociados:
ANALISIS EXPLORATORIO
Proceso de investigación en el que se usan estadísticas de resumen y herramientas gráficas para llegar a
conocer los datos y comprender lo que se puede averiguar de ellos.
Nos ayuda a: Entender la estructura de una matriz de datos; Entender los datos; Asistir el proceso de
preparación de datos; Realizar procesos de Data Mining.
Técnica estadística que sirve para examinar las diferencias entre las medias de dos o más poblaciones.
Tiene dependencia estadística.
Factores:
Tipos de ANOVA:
ANCOVA
Análisis de covarianza (ANCOVA): Procedimiento avanzado del análisis de varianza, donde los efectos de
una o más variables métricas extrañas se eliminan de la variable dependiente antes de realizar el
ANOVA.
MANOVA
ANOVA Multivariado (MANOVA): Similar al ANOVA, salvo que, en vez de manejar una variable
dependiente métrica, maneja dos o más. El análisis considera un vector multidimensional de variables.
Es una variable de nivel superior que se forma a partir de todas las dependientes.
ANOVA NO METRICO
Técnica de ANOVA para examinar las diferencias en las tendencias centrales de más de dos grupos,
cuando la variable dependiente se mide en una escala ordinal o cuando se mide en una escala métrica
pero no se cumple con los supuestos del ANOVA.
COMPARACIONES MULTIPLES
La prueba F de ANOVA solo examina las diferencias generales entre las medias. Las comparaciones
múltiples mediante contrastes permiten identificar entre qué grupos se encuentran las diferencias.
Contrastes: Procedimientos para examinar las diferencias entre dos o más medias de los grupos
de tratamiento.
o Contrastes a priori: Se determinan antes de realizar el análisis, con base en el marco de
referencia teórico del investigador.
o Contrastes a posteriori: Contrastes que se realizan después del análisis. Generalmente
se trata de pruebas de comparación múltiple entre grupos (son las Pruebas Post-Hoc).
Tamaño del efecto: El estadístico eta parcial al cuadrado (η 2 p) es una medida de la variación en la
variable dependiente que está explicada por la variable independiente. En otras palabras, mide la fuerza
de la relación entre las variables de estudio. Se mueve en el rango 0–1 y cuanto más cercano a 1
representa una relación más importante.
CORRELACIÓN
CORRELACIÓN DE PEARSON
Es un estadístico que resume la fuerza y dirección de la asociación entre dos variables métricas (que tan
fuerte es la relación entre mínimo dos variables). También se la denomina correlación producto-
momento, correlación simple o bivariada. Utiliza variables reglita. No hay dependencia de variables.
Relación sistemática entre dos variables, en la que el cambio en una de ellas implica un cambio
correspondiente en la otra
Si r = 0 significa que no existe correlación lineal. Pero podría existir algún tipo de
correlación no lineal.
Medida de la asociación entre dos variables métricas después de controlar o hacer un ajuste para los
efectos de una o más variables métricas adicionales. Quito el efecto de alguna variable que no estoy
estudiando, pero afecta a la correlación (sacar una tercer variable que no necesito).
Medición de la correlación entre dos variables métricas cuando los efectos lineales de otra u otras
variables métricas independientes se eliminan de una de las variables de estudio, pero no de la otra.
CORRELACIÓN NO METRICA
Medida de correlación para dos variables ordinales, que se basa en los rangos para calcular la
correlación. El indicador más utilizado es rho de Spearman.
Se usa cuando: Ambas variables son ordinales; Una variable es ordinal y la otra métrica; Ambas variables
son métricas, pero no se cumplen los supuestos de Pearson.
REGRESIÓN
ANALISIS DE REGRESIÓN
Procedimiento estadístico que se usa para analizar las relaciones de asociación entre una variable
dependiente métrica, y una o más variables independientes métricas. Permite predecir (explicar) los
valores de la variable dependiente. Hay dependencia estadística. Las dos variables son reglitas
(métricas).
Regresión lineal bivariada; Regresión lineal múltiple; Regresión lineal múltiple progresiva; Regresión
lineal múltiple con variable Dummy.
Procedimiento para derivar una relación matemática, en forma de ecuación, entre una variable
dependiente métrica y una variable independiente métrica. Es similar al cálculo de la correlación, pero
se identifica una variable independiente y otra dependiente.
Estadísticos asociados:
La estandarización es el proceso mediante el cual los datos sin analizar se transforman en variables
nuevas que tienen una media de 0 y una varianza de 1.
La significancia estadística de la relación lineal entre X y Y puede ponerse a prueba al examinar las
hipótesis:
Validación cruzada: Prueba de validez que examina si un modelo tiene datos comparables que no se
utilizaron en la estimación original.
Validación cruzada doble: Forma especial de validación en la que la muestra se divide en dos mitades.
- Una mitad sirve como la muestra de estimación y la otra como la muestra de
validación. Luego, se invierten los papeles de la mitad de estimación y la mitad
de validación, y se repite el proceso de validación cruzada.
Técnica estadística que simultáneamente desarrolla una relación matemática entre dos o más variables
independientes y una variable dependiente, todas métricas.
Estadísticos asociados:
REGRESIÓN PROGRESIVA
Procedimiento de regresión lineal múltiple en el cual las variables predictivas se incluyen o eliminan una
por una de la ecuación de regresión, en función de su contribución a la explicación de la variable
dependiente.
Métodos/Tipos:
MULTICOLINEALIDAD
El principal problema de la multicolinealidad es que hace que la regresión nos muestre mejores
resultados que los que realmente debería mostrar y, en consecuencia, podríamos tomar malas
decisiones.
Ante multicolinealidad hay que tener mucha cautela al evaluar la importancia relativa de las variables
independientes. Entonces, deberíamos intentar no incluir variables independientes altamente
correlacionadas.
ANALISIS DISCRIMINANTE
Es un análisis que se utiliza para caracterizar grupos de consumidores cuando se conoce los grupos de
pertenencia.
Las funciones discriminantes son combinaciones lineales de las variables independientes que clasifican a
los sujetos en los grupos de la dependiente.
ESTADISTICOS ASOCIADOS
Correlación canónica: Mide el grado de asociación entre las calificaciones discriminantes y los
grupos. Al elevarlo al cuadrado puede obtenerse el coeficiente de determinación (R 2).
Prueba de igualdad de medias (valores F y su significado): Se calcula un ANOVA de una vía para
probar la significancia del modelo.
Prueba M de Box: contraste sobre la igualdad de las matrices de covarianza de los grupos.
Lambda de Wilks (U): Para cada predictivo, es la razón entre la suma de los cuadrados
intragrupo y la suma total de los cuadrados. Es un indicador del poder discriminante de cada
función discriminante.
GRAFICOS ASOCIADOS
Diagrama de dispersión de todos los grupos: Muestra la dispersión de todos los elementos,
indicando el grupo al que pertenecen y sus centroides.
Centroide: Es la media de las calificaciones discriminantes de un grupo particular. Existen tantos
centroides como grupos.
Mapa territorial: Herramienta para evaluar los resultados del análisis discriminante que grafica
la pertenencia al grupo de cada caso en una gráfica.
1. Formular el problema:
Muestra de análisis: Parte de la muestra total que se usa para calcular la función discriminante.
Muestra de validación: Parte de la muestra total que se usa para revisar los resultados de la
muestra de análisis.
Validación cruzada con exclusión: El modelo discriminante se calcula tantas veces como
encuestados haya en la muestra. Cada modelo calculado excluye a un encuestado y el modelo se
usa para hacer una predicción sobre este encuestado.
Porción de aciertos (hit ratio): Porcentaje de casos clasificados correctamente por el análisis
discriminante. Debe ser “mejor que el azar”.
Modelo logit: Calcula la probabilidad de que una observación pertenezca a un grupo específico,
cuando la variable dependiente es binaria y hay diversas variables independientes métricas.
Regresión logística (binaria o multinomial): Alternativa no paramétrica al análisis discriminante,
que requiere una variable dependiente categórica y dos o más independientes de cualquier tipo.
ANALISIS FACTORIAL
Clase de procedimientos estadísticos que se usan sobre todo para reducir y resumir los datos. Permite
identificar las dimensiones subyacentes, o factores, que explican las correlaciones entre un conjunto de
variables.
Estadísticos asociados:
Análisis de los componentes principales (PCA): Enfoque que considera la varianza total en los
datos. Muchos autores lo consideran un análisis independiente.
Análisis de los componentes secundarios: Enfoque que se basa sólo en la varianza común para
calcular los factores. Se conoce también como factorización del eje principal.
La matriz factorial inicial (no rotada) indica la relación factores-variables, pero es difícil de interpretar. La
rotación la transforma en una matriz más amigable.
Consideraciones:
Rotamos los factores para que cada variable tenga cargas significativas sólo con un factor (fácil
interpretación).
Cuando una variable tiene cargas altas (similares) con varios factores, se la considera una
variable compleja.
La rotación no afecta las comunalidades ni él % total de varianza explicado.
La rotación redistribuye/modifica la varianza explicada por cada factor
Procedimientos:
Los factores se interpretan en función de las variables que las componen. La gráfica de las cargas de los
factores ayuda a la interpretación.
ANALISIS DE CONGLOMERADOS
Segmentación por beneficios: Se agrupa a los consumidores según los beneficios que buscan en
la compra de un producto.
Estadísticos asociados:
Calendario/Historial de aglomeración: Tabla que muestra qué casos se combinan en cada etapa.
Pertenencia al clúster: Indica a qué conglomerado corresponde cada caso.
Matriz de coeficientes de semejanza y distancia: Matriz de triángulo inferior que contiene
distancias entre pares de casos.
Centroide del conglomerado: Media de los valores de las variables de todos los casos de un
clúster.
Centros del conglomerado: El punto de partida en la conglomeración no jerárquica. Los
conglomerados se construyen en torno a estos centros o semillas.
Distancias entre los centros de los conglomerados. Los casos que estén más separados entre sí
serán más distintos.
Dendograma: Medio grafico para presentar la conglomeración.
- Las líneas verticales representan la unión de los clústers. La escala horizontal
indica distancias en las que se unen los conglomerados. Se lee de izquierda a
derecha.
Diagrama de carámbanos: Medio grafico para presentar la conglomeración.
- Las columnas representan los objetos que se conglomeran. Las filas representan
el número de conglomerados. Se lee de abajo hacia arriba.
Medimos la semejanza en términos de la distancia entre objetos. Distancia Euclidiana: raíz cuadrada de
la suma de las diferencias elevadas al cuadrado de los valores de cada variable. Es la medida de
semejanza más común.
Procedimiento de conglomeración:
- Procedimientos de varianza:
Técnica de Ward:
- Procedimientos de centroides:
Los centroides nos permiten describir cada conglomerado al asignarle un nombre o etiqueta. Con
variables métricas, analizar las medias de los clústers. Con variables categóricas, analizar las frecuencias
de los clústers.
AGRUPAMIENTO DE VARIABLES
El análisis de conglomerados también puede usarse para reducir el número de variables. Con cada
conglomerado se asocia una combinación lineal de variables en el conglomerado, llamada componente
del conglomerado. En este caso, se persigue un objetivo similar al análisis factorial.
ESCALAMIENTO MULTIDIMENSIONAL
Clase de procedimientos para hacer una representación espacial de las percepciones y preferencias de
los encuestados, mediante una presentación visual.
El número y la naturaleza de las dimensiones que usan los consumidores para percibir diferentes
marcas en el mercado.
El posicionamiento en tales dimensiones: de las marcas actuales y de la marca ideal de los
consumidores.
Estadísticos asociados:
PROCEDIMIENTO DE UN EMD
Percepciones:
o Directo (juicios de semejanza): Se les pide que califiquen todos los pares posibles de
marcas o estímulos, en términos de su semejanza en una escala tipo Likert.
o Derivado (calificaciones de los atributos): Se basa en los atributos para obtener datos de
percepción. Se pide a los encuestados que usen escalas Likert o de diferencial
semántico, para calificar los estímulos en los atributos identificados.
Preferencias: Son rangos ordenados de las marcas u otros estímulos en términos de la
preferencia de los encuestados (de los más a los menos preferidos).
Alternativas:
Asignación de etiquetas a las dimensiones: Una limitación del EMD es que la interpretación de las
dimensiones es difícil y, si no se realiza de forma sistemática, podría resultar subjetiva. A menudo las
dimensiones representan más de un atributo. La denominación de las dimensiones requiere un juicio
subjetivo de parte del investigador.
Utilizar estadísticos de ajuste como R cuadrado y Estrés; Realizar una división de la muestra en dos o
más partes, realizar el EMD en cada parte y comparar los resultados; Puede hacerse una eliminación
selectiva de estímulos de los datos de entrada y determinarse luego las soluciones para los estímulos
restantes; Los datos de entrada pueden recogerse en dos momentos diferentes y determinarse la
confiabilidad test-retest.
ANALISIS DE CORRESPONDENCIA
Técnica de EMD para el escalamiento de los datos cualitativos que escala las hileras y las columnas de la
tabla de contingencia de entrada en unidades correspondientes, de modo que se expongan en el mismo
espacio de pocas dimensiones.
ANALISIS CONJUNTO
Técnica que intenta determinar la importancia relativa que los consumidores asignan a los atributos
sobresalientes, y la utilidad que atribuyen a los niveles de atributos
Diferencias:
En el EMD los estímulos son productos o marcas y en el análisis conjunto son combinaciones de
niveles de atributos determinados por el investigador.
La meta del EMD es desarrollar un mapa espacial que describa los estímulos en un espacio
multidimensional de percepción o de preferencia.
El análisis conjunto busca desarrollar las funciones de valor parcial o utilidad que los
encuestados confieren a los niveles de cada atributo.
ANALISIS CONJUNTO
Estadísticos asociados:
Funciones de valor parcial o de utilidad: describen la utilidad que los consumidores asignan a los
niveles de cada atributo.
Pesos de importancia relativa: permite identificar qué atributos ejercen una influencia
considerable en la elección del consumidor.
Niveles de los atributos: Denotan los valores que asumen los atributos.
Perfiles completos de las marcas.
PROCESO DE UN ANALISIS CONJUNTO
Procedimientos:
Procedimiento por pares (o evaluaciones de dos factores): los encuestados evalúan dos
atributos a la vez, hasta que se hayan evaluado todos los pares de atributos posibles.
Procedimiento de perfiles completos (o evaluaciones de factores múltiples): se construyen
perfiles completos de marcas para todos los atributos. Cada perfil se describe en una tarjeta
separada. Para calcularlos se usa un procedimiento denominado Conjuntos Ortogonales.
Para interpretar los resultados es útil graficar las funciones de los valores parciales. También es útil
calcular la utilidad total de cada posible combinación de atributos (no lo hace SPSS, debe hacerse en
otro software, como Excel).
En el enfoque híbrido los encuestados evalúan un número limitado, por lo general no más de nueve, de
los estímulos conjuntos como perfiles completos. Esos perfiles se extraen de un diseño maestro grande y
diferentes encuestados evalúan conjuntos distintos de perfiles, de manera que en un grupo de
participantes se evalúan todos los perfiles de interés.
UNIDAD 6: INVESTIGACIÓN CAUSAL
CAUSALIDAD
Variación concomitante: Para dar evidencias de que un cambio en A causó un cambio particular
en B, primero debe demostrarse que existe una correlación entre A y B; en otras palabras, A y B
deben variar juntas en forma predecible.
Orden temporal de la ocurrencia de las variables: Para demostrar que A causó a B, debe ser
posible demostrar que A ocurrió antes que B (o simultáneamente).
Ausencia de otros factores causales posibles: La variable independiente que se investiga debería
ser la única explicación causal posible. Por eso, es importante diseñar experimentos que
busquen eliminar o ajustar (controlar) los efectos de otros posibles factores causales.
VARIABLES
Variables independientes: Variables que son manipuladas por el investigador y cuyos efectos se
miden y se comparan.
Variables dependientes: Variables que miden el efecto de las variables independientes sobre las
unidades de prueba.
Variables extrañas (o de confusión): Variables distintas de las variables independientes que
influyen en la respuesta de las unidades de prueba.
CONCEPTOS
Unidades de prueba: Individuos, organizaciones u otras entidades cuya respuesta a las variables
independientes o tratamientos se está estudiando.
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
VALIDEZ EN LA EXPERIMENTACIÓN
La validez es el grado en el que un experimento mide realmente lo que el investigador intenta medir
(ausencia de error sistemático y aleatorio). Hay dos tipos específicos de validez que son relevantes para
la experimentación:
Los experimentos de campo ofrecen un mayor grado de validez externa y un menor grado de validez
interna que los experimentos en laboratorio.
Historia (H): Eventos específicos que son externos al experimento, pero que ocurren al mismo
tiempo que este (COVID, inflación).
Maduración (MA): cambios en las unidades de prueba que ocurren con el paso del tiempo (ej.
bebé que crece).
Instrumentación: cambios en el instrumento de medición, en los observadores o en las
puntuaciones
Efecto de la prueba: Efecto sobre el experimento de hacer una medición de la variable
dependiente, antes y después de la presentación del tratamiento.
o Efecto principal de la prueba (EP): una observación previa afecta una observación
posterior.
o Efecto interactivo de la prueba (EI): una medición previa influye en la respuesta de las
unidades de prueba a la variable independiente (ej. primero pregunta por el producto y
luego por la publicidad).
Regresión Estadística o a la media (RE): las unidades de prueba con puntuaciones extremas se
acercan a la media en el curso del experimento, por lo que no se consigue medir la valoración
real.
Sesgo de selección (SS): asignación inadecuada de las unidades de prueba a las condiciones de
tratamiento.
Mortalidad (MO): pérdida de unidades de prueba mientras el experimento está en progreso.
Series de tiempo múltiples: Diseño de series de tiempo que incluye otro grupo
de unidades de prueba que funge como GC.
Símbolos:
APLICACIONES
Mercado estándar de prueba: Prueba donde el producto se vende a través de los canales de
distribución regulares y se van cambiando las variables del marketing.
Prueba de mercado controlada: Prueba donde se distribuye el producto en un mercado que es
representativo de la población de un mercado más general (por ejemplo, Bahía Blanca, Rosario,
Neuquén, Tucumán).
Prueba de mercado simulada: Mercado casi de prueba donde se preselecciona a los
encuestados, se los entrevista y se observa su comportamiento de compra.
Pruebas de mercado de laboratorio: Se realiza una prueba de mercado en un ambiente de
laboratorio, donde los participantes reciben dinero ficticio para realizar compras.
Prueba de casimercado: Métodos de prueba simulada en base a modelos y bases de datos. Por
computadora.
ASPECTOS ESTETICOS: 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.
El Screener es un cuestionario breve que se utiliza para identificar si los participantes están calificados
para participar de la investigación. Quienes están calificados continúan con la participación y quienes no
lo están finalizan su participación. En investigación cuantitativa, su aplicación se da más que nada antes
de un experimento, pero puede utilizarse también en otras circunstancias.