ANÁLISIS MULTIVARIADO APLICADO A LA INVESTIGACIÓN DE MERCADOS

Presentación del tema: "ANÁLISIS MULTIVARIADO APLICADO A LA INVESTIGACIÓN DE MERCADOS"— Transcripción de la presentación:

1 ANÁLISIS MULTIVARIADO APLICADO A LA INVESTIGACIÓN DE MERCADOS

2 ¿Qué es Investigación de mercado
¿Qué es Investigación de mercado? La investigación de mercados es el proceso de recopilación, procesamiento y análisis de información, respecto a temas relacionados con la mercadotecnia, como: Clientes, Competidores y el Mercado.

3 ¿Qué es el Análisis Multivariante
¿Qué es el Análisis Multivariante? El Análisis Multivariante es el conjunto de técnicas estadísticas cuya finalidad es analizar simultáneamente un conjunto de datos en el sentido de que hay varias variables medidas para cada individuo u objeto estudiado.

4 Las técnicas del análisis  multivariante se utilizan cada vez más en el mundo científico, adquiriendo cada día más importancia en la investigación de mercados y muy especialmente en el tratamiento de las encuestas. Por lo tanto, manejar adecuadamente los diferentes métodos de análisis multivariante contribuye de manera importante al análisis de la información.

5 ANÁLISIS EXPLORATORIO Y ESTADÍSTICA MULTIVARIANTE

6 Estadística Multivariante
Introducción El pensamiento multivariante ha transformado de manera extraordinaria las investigaciones científicas, debido a que los investigadores han entendido que es necesario concebir y analizar los datos de la investigación de manera multivariada (conjunta)

7 Estadística Multivariante
Introducción Gran parte de las investigaciones son de manera multivariada debido a que los fenómenos que se desean explicar y estudiar son complejos tales como: - Preferencias de marcas - La Pobreza - Calidad del Servicio Nivel de Satisfacción Aprendizaje y percepción - Aptitudes, Perfil del consumidor

8 Análisis Exploratorio de Datos
Items a tratar Examen gráfico de los datos Identificación de caso atípicos Verificación de los supuestos del Análisis Multivariante

9 Análisis Exploratorio de Datos
Exámen Gráfico de los datos Análisis de la forma de la distribución. Histograma con curva normal superpuesta Diagrama de tallos y hoja Análisis de la relación entre variables Grafico de dispersión Matriz de dispersión Análisis de la diferencias entre grupos Diagrama de cajas Perfiles multivariantes Caras de Chernoff y Grafico de estrellas

10 Análisis Exploratorio de Datos
Identificación de Casos Atípicos (Outliers) Detección univariante Casos que caen fuera de los extremos de la distribución. Estandarizar los datos y considerar valores fuera del intervalo (-3,3) como casos atípicos. Detección bivariante Mediante un gráfico de dispersión. Superponer una elipse que represente la región de confianza del 90% para una normal bivariante. Detección multivariante La Distancia de Mahalanobis es una medida de cada observación en un espacio multidimensional con respecto al centro medio de las observaciones.

11 Análisis Exploratorio de Datos
Verificación de los supuestos del Análisis Multivariante Normalidad -Gráfico de probabilidad normal Linealidad -Grafico de dispersión

12 Análisis Exploratorio de Datos
Ejemplo Variables ANALF : Tasa de analfabetismo AGUA : Proporción de vivienda sin agua potable LUZ : Proporción de vivienda sin alumbrado eléctrico PEA_AGRI : PEA en agricultura 6 a más años RURA_URB : Relación de la población rural respecto a la urbana NIÑOS_OC : Porcentaje de niños ocupados NIVEL : Nivel de pobreza

13 Análisis Exploratorio de Datos
Gráfico N°1 Matriz de dispersión de los indicadores de niveles de pobreza (1993)

14 Análisis Exploratorio de Datos
Gráfico N° 2: Matriz de dispersión de los indicadores de niveles de pobreza (1993) – relación lineal

15 Análisis Exploratorio de Datos
Gráfico N° 3 Gráfico de dispersión de los indicadores % de viviendas sin alumbrado eléctrico y la relación de población rural con respecto a urbana

16 Análisis Exploratorio de Datos
Gráfico N° 4. Gráfico de dispersión entre el nivel de pobreza y relación entre población rural y urbana (1993)

17 Análisis Exploratorio de Datos
Gráfico N° 05. Gráfico de dispersión entre el nivel de pobreza y la tasa de analfabetismo (1993)

18 Análisis Exploratorio de Datos
La suposición de normalidad univariada puede evaluarse con las prueba de kolmogorov –Smirnov

19 Análisis Exploratorio de Datos
Gráfico N° 6. Gráfico de perfiles multivariados – Gráfico de estrellas (1993)

20 Análisis Exploratorio de Datos
Para evaluar la presencia de datos discordantes, utilizaremos la distancia de Mahalanobis, estadísticas descriptivas, diagrama de tallos y hojas, histograma.

21 Métodos Multivariantes
CONJUNTO DE MÉTODOS MULTIVARIANTES ¿Qué tipo de relaciones están siendo examinadas? Métodos de Interdependencia Métodos de Dependencia

22 Métodos de Interdependencia Tipos de variables tratadas
Cualitativas Cuantitativas Ordinales Nominales -Análisis Factorial -Escalas Multidimensionales métricas Análisis Cluster Escalas multidimensionales no métricas Análisis de Correspondencias

23 Métodos de Dependencia Nº de variables a explicar
¿Es cuantitativa? ¿Son cuantitativas? Nº de variables a explicar UNA VARIAS

24 ¿Es cuantitativa? Regresión Lineal múltiple Análisis Discriminante
NO Variables explicativas son cuantitativas? Variables explicativas son cuantitativas? SI NO SI NO Regresión Lineal múltiple -ANOVA -Análisis Conjunto no Métrico Análisis Discriminante -Análisis Conjunto Métrico -Regresión Logística

25 ¿Es cuantitativa? Correlación Canónica MANOVA Modelos Log lineales
SI NO Variables explicativas son cuantitativas? Variables explicativas son cuantitativas? SI NO SI NO Correlación Canónica MANOVA Modelos Log lineales

26 Métodos Multivariantes
Análisis Factorial ¿Qué es el Análisis Factorial? El AF busca estudiar las relaciones de interdependencia que se producen entre un conjunto de variables. ¿Cuándo debemos utilizar el A. Factorial? Se utiliza cuando buscamos resumir la información contenida en una matriz de datos de variables, reemplazando las variables iniciales por un número menor de factores o variables compuestas, perdiendo el mínimo posible de la totalidad de la información contenida en las variables iniciales.

27 Métodos Multivariantes
Análisis Factorial Objetivos La identificación de estructura mediante el resumen de datos La reducción de datos o dimensionalidad Descubrir las dimensiones de variabilidad común (llamado Factor) existentes en un cierto campo de fenómenos.

28 Métodos Multivariantes
Análisis Factorial Supuestos Multicolinealidad, el objetivo es identificar series de variables interrelacionadas - El contraste de esfericidad de Barlett - Medida de suficiencia de muestreo (KMO) Muestra homogénea

29 Métodos Multivariantes
Análisis Factorial Ejemplo: Mediante una investigación cualitativa un comercio minorista ha identificado 80 caract. diferentes de comercios minoristas y su servicio, que los consumidores han mencionado que afectan su elección a la hora de frecuentar estos comercios. El comerciante quiere entender como deciden los consumidores, pero opina que no puede valorar las ochenta características individuales o desarrollar planes de acción para tantas variables, porque son demasiado específicos. En su lugar, al comercio le gustaría saber si los consumidores piensan en una dimensión determinante mas general en vez de únicamente en aspectos específicos.

30 Métodos Multivariantes
Análisis Factorial Ejemplo: DIMENSIONES Variedad de producto Calidad de producto, Precios, Personal de establecimiento Servicio Ambiente del establecimiento

31 EJERCICIO Se realizo un estudio a nivel nacional acerca del Sismo que ocurrió en los departamentos del Perú (archivo: Daños.sav), afectando con mayor intensidad a algunos departamentos, para el análisis se tomo información de las siguientes variables: Sucesos Fallecidos Damnificados Viviendas afectadas Viviendas destruidas Se pretende analizar en que departamentos ocurrieron dichos acontecimientos con mayor intensidad.

32 Los pasos que se suelen seguir en el Análisis Factorial son: 1- Calcular la matriz de correlaciones entre todas las variables (conocida habitualmente como matriz R). 2- Extracción de los factores necesarios para representar los datos. 3- Rotación de los factores con objeto de facilitar su interpretación. Representación gráfica, si fuese necesario. 4- Calcular las puntuaciones factoriales de cada individuo. En realidad sólo los dos primeros pasos son indispensables, el 3º y 4º son un complemento.

33

34

35

36

37

38

39

40

41

42 Métodos Multivariantes
Análisis de correspondencias ¿Qué es el análisis de correspondencias? El análisis de correspondencia es una técnica de interdependencia que se ha ido haciendo más popular para la reducción dimensional y la elaboración de mapas perceptuales.

43 Métodos Multivariantes
Análisis de correspondencias ¿Cuándo debemos utilizar el análisis de correspondencias? Es apropiado para el tratamiento de variables cualitativas, esencialmente nominales. Los beneficios del Análisis de correspondencias se basan en sus capacidades para representar filas y columnas, por ejemplo, etiquetas y atributos, en un mismo espacio.

44 Métodos Multivariantes
Análisis de correspondencias Objetivos Analizar toda la información contenida en una tabla de contingencia (tabla cruzada). Describir asociaciones entre categorías de dos a más variables cualitativas o cuantitativas categorizadas. Representación gráfica de la estructura de una tabla de contingencia en un espacio formado por nuevas dimensiones

45 Métodos Multivariantes
Análisis de correspondencias Ejemplo: Identificar las características asociadas a diferentes empresas. Con el propósito de explorar la imagen y la competitividad de HATCO, se incluye la identificación de las percepciones que HATCO y nueve de sus competidores principales tiene en el mercado. Las empresas han sido denominadas de A a I, y existen ocho evaluaciones utilizadas

46 Métodos Multivariantes
Análisis de correspondencias Ejemplo:

47 Métodos Multivariantes
Análisis de correspondencias