Copyright © 2003 by The McGraw-Hill Companies, Inc. All rights reserved.

Copyright © 2003 by The McGraw-Hill Companies, Inc. All rights reserved. CAPÍTULOCAPÍTULOCAPÍTULOCAPÍTULO Análisis de datos: pruebas para detectar asociación 17-2

Copyright © 2003 by The McGraw-Hill Companies, Inc. All rights reserved. Valor de las pruebas para detectar asociación  Comprender las relaciones entre las características de un comprador y su comportamiento resulta esencial para una estrategia de marketing exitosa.  Los administradores de marketing se interesan mucho por las descripciones detalladas de la gente que muestra mayor inclinación por comprar sus productos.  Es parte de la naturaleza humana buscar “asociaciones” y “conexiones” entre las cosas y eventos que suceden en el mercado; por lo tanto, el concepto de “covarianza” resulta fundamental para llevar a cabo y monitorear una estrategia de marketing. 17-3

Copyright © 2003 by The McGraw-Hill Companies, Inc. All rights reserved. Exploración de las relaciones entre variables Es posible describir de varias maneras las relaciones que existen entre variables:  Presencia de una relación.  Dirección de una relación.  Fuerza de la asociación.  Tipo de relación. 17-4

Copyright © 2003 by The McGraw-Hill Companies, Inc. All rights reserved. Concepto de covarianza Cuando un equipo de investigación desear conocer si existe relación entre dos variables que describen a los clientes, utilizar el concepto de “covarianza”. 17-5

Copyright © 2003 by The McGraw-Hill Companies, Inc. All rights reserved. Tipos de relación: positiva y negativa 17-6 YY X X PositivaNegativa

Copyright © 2003 by The McGraw-Hill Companies, Inc. All rights reserved. Tipo de relación: no existente y curvilínea 17-7 Y X Relación curvilínea Y X Sin relación

Copyright © 2003 by The McGraw-Hill Companies, Inc. All rights reserved. Análisis de ji cuadrada Con frecuencia, en el ramo de la decisión de mercados se conoce a la prueba de ji cuadrada como una prueba de “capacidad de ajuste”. En esencia, se realiza sobre preguntas categóricas y permite que un equipo de investigación evalúe qué tanto se ajustan las “observaciones” al patrón de lo que se “esperaba”. 17-8

Copyright © 2003 by The McGraw-Hill Companies, Inc. All rights reserved. Ejemplo de un análisis de ji cuadrada 17-9

Copyright © 2003 by The McGraw-Hill Companies, Inc. All rights reserved. Análisis de correlación Con frecuencia, los profesionales de la investigación de mercados llaman cariñosamente “el más menos uno” al análisis de correlación. La correlación permite que el equipo de investigación determine la solidez de una relación lineal entre dos variables

Copyright © 2003 by The McGraw-Hill Companies, Inc. All rights reserved. Reglas prácticas acerca de la fuerza de los coeficientes de correlación Rango de coeficienteDescripción de la fuerza .81 a  1.00 Muy fuerte .61 a .80 Fuerte .41 a .60 Moderada .21 a .40 Débil .00 a .20 Ninguna

Copyright © 2003 by The McGraw-Hill Companies, Inc. All rights reserved. Un ejemplo del análisis de correlación 17-12a Estadísticas descriptivas Media Desviación estándarNº Recomendar a un amigo Nivel de satisfacción

Copyright © 2003 by The McGraw-Hill Companies, Inc. All rights reserved. Un ejemplo del análisis de correlación 17-12b Correlaciones Recomendar a un amigo Nivel de satisfacción Recomendar a un amigo Correlación de Pearson ** Sig. (2- vínculos).000 Nº50 Nivel de satisfacción Correlación de Pearson.601**1.000 Sig. (2-vínc.).000 Nº 50 **. La correlación es significativa al nivel de.01 (2-vínculos)

Copyright © 2003 by The McGraw-Hill Companies, Inc. All rights reserved. Correlación del orden de calificación de Spearman Correlaciones Rho de Spearman Rango de calidad de los alimentos Rango de variedad de los alimentos Rango de calidad De los alimentos Coeficiente de correlación ** d Sig. (2-colas).000 N 50 Rango de variedad delos alimentos Coeficiente de correlación -.495** d Sig. (2-colas).000 N 50 **La correlación es significativa al nivel de.01 (2-colas)).

Copyright © 2003 by The McGraw-Hill Companies, Inc. All rights reserved. Análisis de regresión Con frecuencia, en el campo de la investigación de mercados, al análisis de regresión se le denomina (cariñosamente) como “la prueba de la r 2 ”. El análisis de regresión designa una variable independiente como “predictor”, aun cuando muy pocas (si es que existe alguna) relaciones en el panorama de la investigación de mercados son de naturaleza verdaderamente determinística

Copyright © 2003 by The McGraw-Hill Companies, Inc. All rights reserved. Patrones de residuos: tres ejemplos 17-15a Y X Y X

Copyright © 2003 by The McGraw-Hill Companies, Inc. All rights reserved. Patrones de residuos: tres ejemplos 17-15b Y X

Copyright © 2003 by The McGraw-Hill Companies, Inc. All rights reserved. Análisis de regresión múltiple El análisis de regresión múltiple es una técnica útil debido a que la mayor parte de los problemas de información (y oportunidades de mercado) incluyen diversas variables independientes. Los responsables de la toma de decisiones se benefician con la regresión múltiple, ya que a partir de los resultados generados por el equipo de investigación, la administración puede explorar cómo un “lote”de variables independientes influye sobre una variable dependiente

Copyright © 2003 by The McGraw-Hill Companies, Inc. All rights reserved. Residuos estandarizados comparados con la distribución normal Residual estandarizada de residuo Desv. Est. =.98 Media = 0.00 Nº = Frecuencia

Copyright © 2003 by The McGraw-Hill Companies, Inc. All rights reserved. Multicolinealidad A primera vista, la Multicolinealidad tiene algo de “quema cocos”. Sin embargo, es un problema muy importante que los investigadores de mercados deben atender. Cuando existe “multicolinealidad” en un conjunto de datos, se cuestiona al equipo de investigación porque ello complica (a veces hace imposible) estimar los coeficientes de regresión individuales de las variables correlacionadas

Copyright © 2003 by The McGraw-Hill Companies, Inc. All rights reserved. Resumen de objetivos de aprendizaje  Entender y evaluar los tipos de relaciones entre variables.  Explicar los conceptos de asociación y covarianza.  Analizar las diferencias entre la ji cuadrada, la correlación de Pearson y la correlación de Spearman.  Diferenciar entre el concepto de significacia práctica el de significancia estadística.  Entender cuándo y cómo hay que usar el análisis de regresión