Tema 1
Tema 1
ndice
1. Introduccin
2. Concepto y clasificacin
3. Aplicaciones en marketing
4. Proceso de aplicacin
5. Sofware
1. Introduccin
Objetivos y alcance de la investigacin
Planificacin
preliminar
Estimacin del valor de la investigacin
Enfoque de la investigacin (descriptivo vs causal)
Diseo de la
investigacin
Tctica de la investigacin (cualitativa vs cuantitativa)
Recoleccin y anlisis de datos
Desarrollo de la
investigacin
Conclusiones y recomendaciones
Procedimientos de anlisis
ANLISIS UNIVARIABLE
Estadsticos descriptivos (tendencia central, dispersin, forma)
Contrastes paramtricos y no paramtricos
ANLISIS BIVARIABLE
Estadsticos descriptivos (medidas de asociacin)
Contrastes paramtricos y no paramtricos
ANLISIS MULTIVARIABLE
Mtodos de interdependencia
Mtodos de dependencia
2. Concepto y clasificacin
Tcnicas estadsticas que analizan simultneamente ms de dos variables de un muestreo de
observaciones.
Definicin de anlisis multivariable: Conjunto de tcnicas estadsticas que, de forma simultnea,
miden, explican y predicen relaciones existentes entre los elementos que conforman una tabla de
datos, proporcionando un resultado que debe ser interpretado minuciosamente por el analista.
Presenta una serie de caractersticas como son las siguientes:
La inferencia estadstica es el fundamento de la mayor parte de las tcnicas de anlisis
multivariante
Es el proceso que permite inferir los valores de las caractersticas poblacionales en
trminos probabilsticos a partir de las caractersticas muestrales
Se desarrolla a travs de la contrastacin de hiptesis.
Se plantea una hiptesis nula sobre el valor del parmetro y se determinar su rechazo o
no en funcin de la informacin proporcionada por la muestra
Nivel de significacin: representa la bondad de ajuste de la inferencia, y mide la
probabilidad de cometer un error (error tipo I) al rechazar la hiptesis nula (Ho)
Potencia de contrastes: probabilidad de error al no rechazar Ho
Variables no mtricas: reflejan propiedad /estado
Variables mtricas: reflejan diferencias de grado
2.1 Tcnicas de anlisis de dependencia
Anlisis de regresin lineal mltiple
Permite utilizar ms de una variable independiente. La ecuacin de regresin no se mide en un
plano, sino en un hiperplano.
Estudiar la relacin entre variables.
Anlisis de la varianza y covarianza
Utilizando un modelo de regresin lineal mltiple, busca comparar los resultados
obtenidos en diferentes grupos de una variable cuantitativa, pero corrigiendo las
posibles diferencias existentes entre los grupos en otras variables que puedan afectar
tambin al resultado (covariables)
Anlisis discriminante
Tcnica de clasificacin donde el objetivo es obtener una funcin capaz de clasificar a un nuevo
individuo a partir del conocimiento de los valores de ciertos valores discriminantes.
A diferencia del anlisis clster se deben conocer los grupos previamente y a que grupo
pertenecen ciertos individuos, de los que tambin se conoce sus valores en las variables
discriminantes.
Modelos de eleccin discreta
Modelizacin de variables cualitativas a travs del uso de tcnicas propias de las variables
discretas.
Son apropiadas cuando el objetivo no es predecir el comportamiento medio de un agregado,
sino analizar los factores determinantes de la probabilidad de que un agente econmico
individual elija un curso de accin dentro de un conjunto, generalmente finito, de opciones
posibles.
La variable discreta est formada por un nmero finito de alternativas que miden cualidades.
Logit: Utilizado en logstica. Elementos de recta de perturbaciones. Siguen distribuciones.
Probit: normal tipificada. amplio cargo de posibilidades
Multinominales: conjunto de alternativas finito
Anlisis conjunto
Determinar qu combinacin de un nmero de atributos es el ms preferido por los encuestados.
Segmentacin jerrquica
Anlisis de ecuaciones estructurales
Probar y estimar relaciones causales a partir de datos estadsticos y asunciones cualitativos.
Anlisis con clases latentes
Un modelo estadstico que especifica la distribucin conjunta de un conjunto de variables
aleatorias en el cual alguna de esas variables (latente) no es observable.
2.2. Tcnicas de anlisis de interdependencia
Anlisis factorial y de CC.PP (Tema 2)
Anlisis de correspondencias (Tema 4)
Anlisis clster o de conglomerados (Tema 3)
Escalamiento multidimensional
Trata de visualizar sobre un mapa, un conjunto de estmulos cuya posicin relativa se desea
analizar.
Anlisis con clases latentes
3. Aplicaciones en marketing
Elevado grado de incertidumbre sobre la evolucin del entorno.
Elevado nmero de aspectos y variables a considerar.
Ingente volumen de informacin que fluye hacia el directivo.
Elevado nmero de personas involucradas en los procesos y decisiones organizativas.
Dificultad de ejercer un control eficiente.
4. Proceso de aplicacin
4.2. Anlisis previo de datos: limpieza y depuracin
Examen grfico de los datos (histogramas + anlisis descriptivo)
Relacin entre variables (grficos de dispersin + medidas de asociacin)
Diferencias entre grupos (diagramas de cajas y patillas + contrastes)
Contrastes no paramtricos (se conoce la distribucin):
Contrastes paramtricos (se conoce la forma de la distribucin y los parmetros desconocidos)
-Test de la media: prueba t para una muestra
- Test de muestras independientes. Ambas muestras tienen = nmero de elementos y
varianza
- Test de muestras relacionadas. Evolucionar antes y despus
Perfiles multivariables
Datos atpicos (outliers)
Motivos:
1. Errores de procedimiento: codificacin de datos
2. Observaciones derivadas de acontecimientos extraordinarios
3. Casos extraordinarios para los que no existe explicacin
4. Observaciones situadas dentro del rango ordinario de valores, que son nicas en lo
relativo a la combinacin de valores entre las variables.
Deteccin:
1. Univariable: examen de distribucin univariante de datos (histograma + boxplot)
2. Bivariable: examen de distribucin conjunta de dos variables (scatterplot + bag plot)
3. Multivariante: evaluacin de cada observacin a lo largo de un conjunto de
variables(distancia D cuadrado de Mahalanobis al centroide de las observaciones)
Bagplot
Fence coefficient: factor que magnifica el tamao de la bolsa
Bag coeficiente: % de casos contenidos en la bolsa
Datos ausentes (missing data)
Se refiere a as situaciones en los que existen datos que no estn disponibles dentro de una tabla
de datos multivariable.
El objetivo es determinar las de ausencia de datos y seleccionar a partir de ese
conocimiento cual puede ser la forma ms apropiada de
Partimos de la base que esa ausencia de datos son muy variadas.
Las causas pueden ser de naturaleza aleatoria o de naturaleza sistemtica ( no respone)
Causas aleatorias: el problema no es muy grave y se resuelve fcilmente con un anlisis
eliminando los casos de valores perdidos.
Causas sistemticas: Si el volumen de casos perdidos es menor al 5% de la muestra, de
distribucin aleatoria eliminar por lista
Si el volumen de casos perdidos es mayor al 5% de la muestra, de distribucin sistemtica---
SPSS
Verificacin de supuestos de anlisis multivariante (normalidad, homocedasticidad,
linealidad, etc)
Asimetra positiva: valores extremos estn por encima de la media
Curtosis negativa: las observaciones se agrupan menos y presentan colas ms largas
Normalidad
Anlisis grfico de la normalidad univariable
Normalidad: curtosis (o apuntamiento) y asimetra
Homocedasticidad
La variable dependiente presenta una varianza constante a lo largo de todo el rango de variacin
de la variable independiente.
En caso contrario, las predicciones sera mejores en ciertos niveles de la variable independiente
que en otros.
Linealidad
Dado que las correlaciones representan solamente la asociacin lineal entre las variables, los
efectos no lineales no estarn representados en muchos de los modelos multivariantes ms
habituales.
4.3. Preparacin adecuacin de datos al formato requerido
Enfoque cuantitativo: utiliza la recoleccin y el anlisis de datos para contestar preguntas de
investigacin y probar hiptesis establecidas previamente y confa en la medicin numrica, el
conteo y frecuentemente en el uso de la estadstica para establecer con exactitud patrones de
comportamiento de una poblacin.
Enfoque cualitativo: por lo comn, se utiliza primero para descubrir y refinar preguntas de
investigacin. A veces, pero no necesariamente, se prueban hiptesis con frecuencia se basa en
mtodos de recoleccin de datos sin medicin numrica, como las descripciones y las
observaciones.
Investigacin descriptiva (estadstica): describen los datos y caractersticas de la poblacin o
fenmeno en estudio.
Aunque la descripcin de datos es real, precisa y sistemtica, no puede describir lo que provoc
esa situacin. No puede utilizarse la investigacin descriptiva para crear una relacin causal, en
caso de que una variable afecte a otra.