Estadísticos más usados en la investigación social y de mercados – actualizado –

Estadística, inteligencia comercial, inteligencia de mercados, investigación cuantitativa, Investigación de mercado, Sin categoría, SPSS, tipos de variables

De acuerdo con lo que hemos experimentado en la práctica, los diez principales estadísticos empleados en la investigación de mercados son los siguientes:

1.- Coeficiente de Correlación de Pearson: Nos permite conocer la intensidad de la relación existente entre una o más variables, es decir, variables que manifiestan una relación ya sea positiva o negativa que las hace variar de manera directa, por ejemplo, cuando aumentamos el precio (variable precio), esta se correlaciona con la variable consumo, ya sea que cuando aumentemos el precio de un producto, el consumo disminuya o a la inversa. El coeficiente se mide en un intervalo de 0 a 1, donde el 1 es la correlación más alta. Al identificar las variables con mayor nivel de correlación podemos implementar acciones que impacten el comportamiento de las mismas.

2.- Análisis de Regresión y Regresión Múltiple: Establece que tanto afecta una o más variables independientes (variable de control), a otras dependientes; a diferencia del coeficiente de correlación, la regresión nos permite saber, de una manera puntual, la variación que tiene la variable dependiente por el efecto producido a través de una variable independiente; por ejemplo, el gasto en mercadotecnia mensual (por cada peso invertido), cuanto impacta en las ventas mensuales, es decir, con la regresión podríamos estimar que por cada X miles de pesos invertidos en mercadotecnia, las ventas se incrementarán en tanto %. Suena sencillo pero es necesario contar con los registros pormenorizados y los históricos pertinentes para poder ejecutar el estadístico, muy utilizado por cierto en los pronósticos y estimaciones estadísticas. En ese aspecto, se puede llegar a inferir que estrategia utilizar sobre la variable independiente para afectar a la variable dependiente.

3.- Chi square: 

Nos indica el nivel de significancia ente dos o más variables. El Chi square es ampliamente usado como test de significancia para determinar segmentos en el análisis Chaid, Cart entre otros; Por ejemplo,  la significancia estadística nos sirve para conocer el grado de importancia que tienen las variables al cruzarse, es muy común que al realizar tablas cruzadas por edad, sexo u otras variables, los resultados que arrojan son falacias, que están directamente relacionadas con el tamaño y distribución de la muestra, en ese aspecto, el estadístico nos permite comprobar que los cruces de variables son significantes y que aportan valor al análisis.

4.-  Varianza y Coeficiente de Variación:

La varianza nos proporciona la distribución de la muestra con respecto a la media. El análisis de la varianza (o Anova: Analysis of variance) es un método para comparar dos o más medias, que es necesario porque cuando se quiere comparar más de dos medias es incorrecto utilizar el contraste basado en la t de Student. El coeficiente de variación nos sirve para comparar medias de dos grupos diferentes y que estas se puedan expresar en términos de referencia. Es decir, no permitiría observar la distribución de las medias al realizar una comparación o contraste lo que nos podría ayudar al análisis de los datos.

5.- Coeficiente de Kurtosis: Nos indica que tan concentrada o dispersa se encuentra la muestra con respecto a los valores centrales de referencia. A diferencia de la Varianza, este estadístico nos permite discriminar y analizar de mejor manera los promedios, sobre todo en muestra muy grandes en las que promediar puede ser engañoso, así identificamos que tan concentrados están los datos de la muestra con relación a la media.

6.- Prueba de T Studen: 

Nos indica las probabilidades de que dos grupos de datos distintos pertenezcan a una misma población.

7.- Escalas de Liker: 

Al aplicarlas en un cuestionario o instrumento nos ayuda a determinar los estadísticos de correlación y regresión. Por lo general se manejan de escalas del 1 al 3, del 1 al 5 o del 1 al 7, siempre impares para evitar el empate de variables y la nulificación de los test. Esto ayuda bastante a la validación de instrumentos, pues aumenta el Alfa de Crombach.

8.- Media, moda y mediana: 

Son las medidas de tendencia central ampliamente usadas para describir una variable. Nos indican en donde se ubican los puntos centrales de los datos.

9.-Tasa media de crecimiento anual: 

Este dato nos permite conocer el comportamiento de una variable a través del tiempo tomando como referencia dos puntos de temporalidad ejemplo: 2005 y 2010. A titulo personal recomiendo que para lograr mayor exactitud en el pronostico de este dato, la serie analizada debe contener al menos 5 años de referencia.

10.- Factoriales: 

El análisis de la varianza (o Anova: Analysis of variance) es un método para comparar dos o más medias, que es necesario porque cuando se quiere comparar más de dos medias es incorrecto utilizar repetidamente el contraste basado en la t de Student..

La importancia de los números en una investigación se concentra en la necesidad que tenemos por cuantificar, medir y dar proporciones a los hábitos del mercado, así como conocer las tendencias y las estimaciones futuras apoyados de modelos estadísticos y econométricos que nos ayudan a pronosticar ciertos aspectos del mercado.

La estadística descriptiva nos ofrece un panorama de como se comportan las variables del mercado, mientras la estadística inferencial nos proporciona -a través de pruebas o tests- una confirmación de los supuestos e hipótesis planteadas en la investigación.

Por ejemplo, con los análisis de correlación y regresión determinamos que intensidad tiene una variable sobre otra y que tanto la afecta, con ello probar o no las hipótesis y supuestos. Los test de Chi Square, ANOVA, T de Studen entre otros nos ofrecen datos de como se comporta la muestra y que tan significante resultan ciertos ejercicios.

Los coeficientes de Kurtosis y Variación nos indican cuál es la distribución y la dispersión de la muestra, con ello se puede comprobar, por ejemplo, si el promedio de una serie de datos tiene una estructura normal o anormal y si el promedio efectivamente nos describe el comportamiento de los datos de manera correcta.

Mtro. Fernando Mellado Meza

También puedes consultar en: http://ideasfrescas.com.mx/los-10-estadisticos-utilizados-en-la-investigacion-mercados/

Evolución del enfoque sobre la segmentación de mercados.

Estadística, Segmentación de mercados, SPSS

Aquí les presento un listado de autores desde 1980 hasta los tiempos actuales, en los cuales pueden apreciar la evolución de las dimensiones utilizadas para segmentar un mercado. En este ejemplo se plantea con respecto al mercado de la banca en España.

Es importante observar como las variables de segmentación han pasado de los aspectos socio demográficos hacia los aspectos de estilo de vida, costumbres y hábitos de consumo y en muchos de los casos una mezcla de estas variables socio demográficas y variables de hábitos, estilos de vida y comportamiento.

De ahí la gran variedad de segmentos que pudieran rodear a un producto según el enfoque con que se analicen, lo importante es acercarnos en todo lo posible al entorno de nuestros clientes para entender de que forma se comporta nuestro mercado, para la determinación de los segmentos se utilizan herramientas desde el Análisis de conglomerados (Clúster) con SPSS hasta los análisis de observación in-situ.

Ya lo decía Philip Kotler, «Seguir haciendo  las cosas igual que hace 5 años es estar condenado a desaparecer…»

Saludos

Fernando Mellado

*Tablas anexas de la Revista Universia España.

Uso de los factores de expansión en la investigación cuantitativa

Análisis de factores en estadística, Factores de expasión, investigación cuantitativa, SPSS
 

El uso de factores de expansión en la investigación cuantitativa

Fernando Mellado Meza, twitter: @mellado1

Los factores de expansión resultan polémicos dado que no muestran el resultado real de las variables. Se trata de procedimientos de estimación basados en una metodología de tratamiento de los datos de la muestra para garantizar estimaciones no sesgadas del universo investigado, considerando como fuentes de sesgo las diferentes probabilidades de selección de la muestra entre grupos de población de distinta condición, según su estrato.

En pocas palabras un factor de expansión le concede a la muestra el peso proporcional a la población investigada, mediante un cálculo que considera las unidades primarias de muestreo y las probabilidades de selección de la muestra.

Por ejemplo: si la lista nominal del CEE de Sinaloa cuenta con 49% de electores del género masculino y 51% de electores del sexo femenino, en términos de un muestreo aleatorio-sistemático proporcional y estratificado de 400 personas, la muestra debería estar contemplando cuotas rigurosas de 204 mujeres (51%) y 196 hombres (49%), según la regla de proporcionalidad de la muestra.

En un muestreo por factores de expansión, no necesariamente se tendrían que cumplir las cuotas anteriormente mencionadas. Sí se realizan 290 mujeres y 110 hombres, posteriormente se aplica la ponderación de los datos por medio del SPSS (weigth cases) ingresando el factor de expasión resultante de la formula, en teoría esta ponderación asignará el peso correcto a cada encuesta simulando haber realizado las cuotas correctas.

En un muestreo sin factores, se tienen que cumplir cuotas de edad, género y niveles socioeconómicos, proporcionales a la población estudiada, lo que le da un grado complejidad superior a la realización del estudio, tanto en supervisión y tiempos, elevando los costos del proyecto.

El factor de expansión por ende, reduce costos, tiempos y esfuerzos, sin embargo, el uso de los factores de expansión no garantiza que el comportamiento de las encuestas expandidas sea igual o similar al que se hubiera obtenido en una muestra estratificada y proporcional, puesto que la selección aleatoria de la zona, el entrevistado y los pasos sistemáticos de la metodología implicarían un sesgo al darle mayor peso a las encuestas hechas bajo ciertas características y dejando de lado otras, lo anterior lo hemos comprobado en infinidad de estudios en los que sobre-estimar mal una zona geográfica, género o nivel implica que los resultados se muevan y pierdan exactitud.

Los factores de expansión se describen como el inverso de la probabilidad de selección de la muestra y son ampliamente utilizados, la desinformación hacia la población, crea una sensación de duda que evidentemente despierta incertidumbre y desconfianza al no ser descritos claramente como fueron determinados dichos factores, como se aplicaron y que beneficios trae a la muestra.

Los factores sirven para agilizar el trabajo de campo, reducir costos, reducir tiempos y producir datos menos exactos aunque muy cercanos a la realidad. En lo personal, estoy en desacuerdo en la aplicación de factores de expansión en muestras accesibles y realizables, aunque estoy en acuerdo en el uso de los factores en estudios donde la selección del entrevistado es compleja, por ejemplo en la zona serrana o a perfiles difíciles de ubicar.

Fernando Mellado
Ideas Frescas
mellado@ideasfrescas.com.mx

Les anexo el link del articulo publicado en el blog de Ideas Frescas:

http://ideasfrescasmarketing.blogspot.com/2010/05/el-uso-de-factores-de-expansion-en-la.html

Saludos cordiales,

Fernando Mellado

Análisis Factorial con SPSS y fiabilidad del instrumento en la investigación de mercados

Análisis de factores en estadística, Estadística, investigación cuantitativa, SPSS

El día de hoy les comparto este video tutorial para realizar análisis de factores por medio del SPSS, por raro que les paresca es muy sencillo y practico. Le agradesco a Pablo Martinez de la Universidad de Terapacá de Chile por esta contribución.

Esta es la dirección: http://vimeo.com/4022814

En la investigación de mercados el análisis factorial no ayudará a observar las dimensiones de análisis de una manera más clara y a determinar el conjunto de satisfactores sobre un servicio o producto y su comportamiento agrupado en la muestra. Fernando Mellado.

En este video se muestran los procedimientos para generar el análisis factorial.
Para tal se debe realizar un análisis anterior llamado análisis de confiabilidad o simplemente análisis de fiabilidad.

Este análisis ha sido muy importante en la investigación psicológica. Uno de los ejemplos más claro es el Big Five, o los estudios para encontrar las distintas dimensiones de la satisfacción laboral; tambien podemos referirnos a un estudio que definian, mediante análisis factorial, las dimensiones de los distintos estilos de liderazgo, etc.

A continuación les dejo el video tutorial del análisis factorial junto a su correspondiente análisis de fiabilidad. *Extraído de http://metodo3uta.blogspot.com/2009/05/video-tutorial-analisis-factorial-y.html