Documente Academic
Documente Profesional
Documente Cultură
Conceptos Bsicos
Elemento: Es la unidad acerca de la cual se solicita informacin. En una investigacin con encuestas, por lo regular el elemento es el entrevistado.
Poblacin meta: Es el conjunto de todos los elementos definidos antes de la seleccin de la muestra y que posee la informacin que busca el investigador. Una poblacin definida adecuadamente debe definirse en trminos de ELEMENTOS, UNIDADES DE MUESTREO, ALCANCE y TIEMPO. Ejemplos:
Conceptos Bsicos
Si deseamos monitorear las ventas de un nuevo producto, como un jabn de tocador, la poblacin podra ser: ELEMENTO: Jabn de tocador UNIDADES DE MUESTREO: Supermercados, farmacias, almacenes de descuentos, tiendas de abarrotes. ALCANCE: Monterrey TIEMPO: 6 al 20 de enero de 2007
Conceptos Bsicos
La poblacin para medir la reaccin de un comprador hacia un nuevo producto qumico industrial sera: ELEMENTO: Ingenieros Qumicos UNIDADES DE MUESTREO: Empresas que compran mas de 2 millones de pesos en qumicos por ao. ALCANCE: La zona norte de la Repblica Mexicana TIEMPO: 2007
Unidad de muestreo
Es el elemento o elementos disponibles para su seleccin en alguna etapa del proceso de muestreo. En el tipo de muestreo ms simple, que sera el de una sola etapa, las unidades y los elementos de muestreo son los mismos. En el caso de procedimientos ms complejos, se pueden tener el nmero de etapas que el investigador desee, lo que se tiene que hacer es especificar la unidad de muestreo en cada una de las etapas.
Conceptos Bsicos
Por ejemplo, una muestra en tres etapas podras ser: Etapa 1: Ciudades con poblacin de mas de 800,000 habitantes. Etapa 2: Colonias de nivel socioeconmico C+ Etapa 3: Mujeres de 40 aos y ms
D.R. Universidad TecMilenio Lzaro Crdenas #2610 Col. Del Paseo Residencial Monterrey, N.L., 2006.
1. Ahorra dinero: claramente ahorraramos dinero entrevistando a 1000 personas en vez de un milln de personas que compondran un poblacin dada, en caso de hacer un censo. 2. Ahorra tiempo: definitivamente no sera lo mismo entrevistar a un milln de personas que slo a 1000, en el caso de una muestra.
3. Puede ser mas preciso: a pesar de lo que pueda parecer, cuanto ms pequeo sea un estudio, mayores sern las posibilidades de controlar al personal en cada una de las etapas del proceso de muestreo. Entre ms personal se utilice, y ms tiempo se lleve el estudio, habr ms errores y resultados menos exactos.
10
Bibliografa
Malhotra, Naresh. Investigacin de Mercados, un enfoque prctico. Mxico: Editorial Pearson Educacin 2004, (ISBN 970-26-0491-5). Mc Daniel, Carl. Investigacin de Mercados. Mxico: Editorial Thomson 2005, (ISBN 970-686-366-4). Kinnear, Thomas. Investigacin de Mercados, un enfoque aplicado. Mxico: Editorial Mc Graw Hill 1996, (ISBN 958-600-124-5).
Crditos:
11
12
D.R. Universidad TecMilenio Lzaro Crdenas #2610 Col. Del Paseo Residencial Monterrey, N.L., 2006.
Proceso de Muestreo
Definir la poblacin Identificar el marco muestral Seleccionar un mtodo de muestreo Determinar el tamao de la muestra Ejecutar el plan
1. Definir la poblacin
La poblacin se debe definir en trminos de: Elementos Unidades de muestreo Alcance Tiempo
1. Definir la poblacin
Los datos demogrficos tales como edad, ingreso, nivel de estudios, etc., se utilizan mucho para definir a la poblacin. Tambin los estilos de vida se pueden considerar, o bien condiciones de vida como tener poco tiempo disponible para dormir, comer, etc. Por ejemplo, si queremos hacer una investigacin para pastillas de cafena, debemos asumir que una de las caractersticas de la poblacin meta debe ser que tenga poco tiempo para dormir, como pueden ser choferes, doctores, enfermeras, etc.
3 4
D.R. Universidad TecMilenio Lzaro Crdenas #2610 Col. Del Paseo Residencial Monterrey, N.L., 2006.
No Probabilsticos
Probabilsticos
Por juicio
Por cuotas
Estratificado
Bola de nieve
Por conveniencia
De grupo o agrupamientos
5. Ejecutar el plan
En esta etapa de deben desarrollar procedimientos operacionales para la seleccin de la muestra. Por ejemplo, en el caso de una encuesta casa por casa, es muy importante tener un manual detallado para los entrevistadores, ya que debe eliminarse la participacin de ellos al mximo, y debe especificarse detalladamente la ruta a seguir, el salto de casas, instrucciones si la casa est vaca, si no se encuentran, si hay terrenos baldos, etc.
12
D.R. Universidad TecMilenio Lzaro Crdenas #2610 Col. Del Paseo Residencial Monterrey, N.L., 2006.
5. Ejecutar el plan
En una muestra probabilstica es de suma importancia cuidar los procedimientos, ya que son factores crticos de xito, y muchas veces la ejecucin es la que puede constituir un obstculo para toda la investigacin.
Bibliografa
Malhotra, Naresh. Investigacin de Mercados, un enfoque prctico. Mxico: Editorial Pearson Educacin 2004, (ISBN 970-26-0491-5). Mc Daniel, Carl. Investigacin de Mercados. Mxico: Editorial Thomson 2005, (ISBN 970-686-366-4). Kinnear, Thomas. Investigacin de Mercados, un enfoque aplicado. Mxico: Editorial Mc Graw Hill 1996, (ISBN 958-600-124-5).
13
14
Crditos:
15
D.R. Universidad TecMilenio Lzaro Crdenas #2610 Col. Del Paseo Residencial Monterrey, N.L., 2006.
Muestreo no probabilstico
De conveniencia
Muestreo de conveniencia
Las muestras por conveniencia se seleccionan, como su nombre lo dice, de acuerdo a la conveniencia del investigador. Es muy utilizado por las empresas debido a su bajo costo y facilidad de ejecucin. Ejemplos: Realizar entrevistas en un centro comercial. Utilizar grupos de estudiantes de cierta universidad. Entrevistar a las personas que pasen por cierta calle.
Muestreo de juicio
Se aplica a cualquier muestra en la que los criterios de seleccin se basan en el criterio del investigador acerca de lo que constituye una muestra representativa. Por ejemplo, en una prueba de comercializacin se hace un juicio con respecto a qu ciudades podran considerarse como las mejores para lanzar un nuevo producto.
Ejemplo:
Caracterstica de control Sexo Masculino Femenino Composicin de la poblacin Porcentaje 45% 65% Composicin de la muestra Porcentaje 45% 65% Nmero 450 650
D.R. Universidad TecMilenio Lzaro Crdenas #2610 Col. Del Paseo Residencial Monterrey, N.L., 2006.
Bola de Nieve
En este mtodo se selecciona un grupo inicial de encuestados, generalmente al azar; despus de ser entrevistados se les pide que identifiquen a otros que pertenecen a la poblacin de inters. Este proceso es como una cadena, una referencia lleva a otra y as sucesivamente, por eso del nombre bola de nieve.
Bola de Nieve
Un ejemplo comn de este mtodo es cuando te llaman por telfono para ofrecerte una tarjeta de crdito, posteriormente te piden si puedes proporcionarles los datos de algn familiar o conocido que pudiera estar interesado en la tarjeta de crdito tambin. Tambin empresas de Internet como Terra te llaman para ofrecerte los servicios, te preguntan informacin y posteriormente te piden datos de algn posible interesado en los servicios.
Bibliografa
Malhotra, Naresh. Investigacin de Mercados, un enfoque prctico. Mxico: Editorial Pearson Educacin 2004, (ISBN 970-26-0491-5). Mc Daniel, Carl. Investigacin de Mercados. Mxico: Editorial Thomson 2005, (ISBN 970-686-366-4). Kinnear, Thomas. Investigacin de Mercados, un enfoque aplicado. Mxico: Editorial Mc Graw Hill 1996, (ISBN 958-600-124-5).
Crditos:
10
D.R. Universidad TecMilenio Lzaro Crdenas #2610 Col. Del Paseo Residencial Monterrey, N.L., 2006.
Muestreo probabilstico
Cada elemento de la poblacin tiene la misma probabilidad de ser seleccionado para la muestra, hay cuatro tipos:
PASO 2.
Selecciona cualquier nmero en la tabla de nmeros aleatorios como punto de partida y encuentra el primer nmero que corresponda a la lista de la poblacin. En este ejemplo hemos seleccionado el nmero 32 como punto de partida.
75 55 16 29 26 27 58 48 50 30 49 17 93 05 59 43 28 51 18 81 59 01 10 32 94 99 44 09
Nombre Lpez, Ricardo Prez, Luis Flores, Ana Sosa, Eva Aldape, Josu Bonilla, Erik
Nmero 1 2 3 4 5 30
5
23 65 03 38 96 11 43
15 54 87 97 31 74 36
Punto de partida: Nos moveremos hacia la izquierda hasta el final de la fila, despus hacia abajo y hacia la derecha, posteriormente hacia abajo y as sucesivamente, en zig-zag.
D.R. Universidad TecMilenio Lzaro Crdenas #2610 Col. Del Paseo Residencial Monterrey, N.L., 2006.
PASO 3. Selecciona a la persona que corresponda a los nmeros de la lista, como vayan apareciendo, en este caso aparecen primero el 28, posteriormente el 30, luego el 16 y sigue el 87, que no lo incluye nuestra lista, este lo saltamosllevamos por lo pronto a las siguientes personas: #28 Brito, Javier #30 #16 Bonilla, Erik Garza, Alicia
Muestreo sistemtico
El muestreo sistemtico se utiliza a menudo como sustituto del muestreo aleatorio simple, produce muestras casi idnticas a las generadas por el simple aleatorio, pero es ms sencillo de aplicar. El procedimiento es:
PASO 4. Continuamos de la misma forma hasta completar el nmero completo de elementos para la muestra. Si encuentras un nmero que ya seleccionamos anteriormente, simplemente lo saltamos y seguimos en la seleccin.
7 8
PASO 1. Identifica un listado de la poblacin que contenga un nivel aceptable de error. Ejemplo: El directorio telefnico de tu ciudad. PASO 2. Calcula el intervalo de salto dividiendo el nmero de nombres de tu lista entre el nmero de la muestra. Ejemplo: 25,000 nombres en el directorio = 50 Muestra de 500 personas
PASO 3. Utilizando nmeros aleatorios, determina el punto de partida en la lista. Ejemplo: Selecciona un nmero aleatorio para la pgina del directorio donde se comenzar. Selecciona un nmero aleatorio para seleccionar la columna. Selecciona un nmero aleatorio para el rengln de la columna donde se comenzar, vamos a decir que ya seleccionando los puntos anteriores, empezaramos en Fuentes, Pedro.
10
PASO 4. Aplica el intervalo de salto para determinar los nombres de la lista que se incluirn en la muestra. Ejemplo: Si empezamos en Fuentes, Pedro, saltamos 50 nombres y seleccionamos el siguiente.
PASO 5. La lista se maneja de manera circular, es decir, el primer nombre que se seleccion aleatoriamente, ser el ltimo de la lista al ir avanzando. Ejemplo: Empezamos en la F de Fuentes, seguiramos seleccionado hasta llegar a la Z, donde continuaramos en la letra A hasta llegar, en dado caso, nuevamente a la letra F.
11
12
D.R. Universidad TecMilenio Lzaro Crdenas #2610 Col. Del Paseo Residencial Monterrey, N.L., 2006.
Muestreo estratificado
Las muestras estratificadas son las muestras probabilsticas que se distinguen por los siguientes pasos en el procedimiento: 1. La poblacin original o principal, se divide en dos o ms subconjuntos mutuamente excluyentes y extensivos. (por ejemplo, hombre y mujer) 2. Las muestras simples aleatorias de los elementos de los dos o ms subconjuntos se eligen independientemente una de la otra.
Procedimiento
1. Seleccionar un marco muestral. 2. Seleecionar las variables de estratificacin y el nmero de estratos. 3. Dividir la poblacin completa en H estratos, con base en la variable de calificacin, cada elemento de la poblacin es asignado a uno de los estratos H. 4. En cada estrato, numerar los elementos del 1 al Nh (tamao de la poblacin del estrato H).
13
14
Ejemplo: 5. Determinar el tamao de la muestra de cada estrato, nh, con base en muestreo estratificado proporcionado o desproporcionado: H nh = n
h=1
Supongamos que en Zacatecas, 70% de los nios de primaria van a escuela pblica y el 30% a privadas. Si queremos 1,000 nios, lo que haremos es dividir los alumnos en 2 estratos (pblica y privada) y se eligen aleatoriamente 700 nios de la pblica y aleatoriamente 300 de la privada.
15
16
17
18
D.R. Universidad TecMilenio Lzaro Crdenas #2610 Col. Del Paseo Residencial Monterrey, N.L., 2006.
Bibliografa
Malhotra, Naresh. Investigacin de Mercados, un enfoque prctico. Mxico: Editorial Pearson Educacin 2004, (ISBN 970-26-0491-5). Mc Daniel, Carl. Investigacin de Mercados. Mxico: Editorial Thomson 2005, (ISBN 970-686-366-4). Kinnear, Thomas. Investigacin de Mercados, un enfoque aplicado. Mxico: Editorial Mc Graw Hill 1996, (ISBN 958-600-124-5).
Crditos:
19
20
D.R. Universidad TecMilenio Lzaro Crdenas #2610 Col. Del Paseo Residencial Monterrey, N.L., 2006.
Mtodos
Existen 5 enfoques o mtodos para calcular el tamao de la muestra:
Enfoque Arbitrario Enfoque Convencional Enfoque basado en el costo Enfoque Estadstico Enfoque del Intervalo de Confianza
Enfoque Arbitrario
Este enfoque se basa en una regla fija, donde una muestra debe ser al menos el 5% de la poblacin total para poder ser confiable. Este enfoque es muy fcil de aplicar, pero no es eficiente ni econmico.
Enfoque Convencional
Este enfoque se refiere a utilizar un tamao convencional de muestra para el investigador. El nmero convencional puede ser el promedio de tamaos de muestra en estudios similares o puede ser el mismo tamao de muestra que utiliz la competencia en un estudio similar. La diferencia entre el enfoque convencional y el arbitrario es que el convencional puede tener cierta lgica, y el arbitrario no, se usa el 5% indistintamente.
Enfoque Estadstico
En este mtodo el tamao de la muestra es determinado por los anlisis estadsticos que van a ser utilizados, ya que ciertos anlisis necesitan un mnimo de tamao para que los resultados obtenidos sean confiables y aptos para la toma de decisiones. Los anlisis estadsticos se utilizan para analizar subgrupos dentro de una muestra. Se analizan aspectos por edades, sexo, estado civil, etc.
D.R. Universidad TecMilenio Lzaro Crdenas #2610 Col. Del Paseo Residencial Monterrey, N.L., 2006.
Intervalo de confianza
Existe slo un mtodo que permite al investigador PREDETERMINAR la exactitud de los resultados de la muestra y es el de intervalo de confianza. Este mtodo aplica conceptos de variabilidad, intervalo de confianza, distribucin de la muestra y error estndar de la media para crear un tamao de muestra vlido. Este es de los mtodos ms comnmente utilizados por los investigadores. A continuacin veremos cada uno de los factores considerados en este enfoque.
7
Intervalo de confianza
Este mtodo est basado en dos premisas bsicas: Intervalo de confianza: Es el rango en donde las terminaciones o colas definen un cierto porcentaje de las respuestas a una pregunta. Teorema del lmite central: Es una teora que sostiene que los valores estadsticos tomados repetitivamente de la muestra en una investigacin tienen una distribucin normal.
8
Intervalo de confianza
Recordamos los dos tipos de errores: Error de No Muestreo Error de Muestreo o error muestral: Este es el tipo de error que estaremos controlando mediante las frmulas. Frmula de error muestral :
Error muestral % veces
Intervalo de confianza
Relacin entre el tamao de la muestra y el error muestral:
Precisin
Tamao de la muestra
10
Intervalo de confianza
Variabilidad: se refiere a qu tan similar o diferentes son las respuestas a una pregunta dada. P : Porcentaje Q : 100% - P Punto importante: A mayor variabilidad en la poblacin estudiada, mayor ser el tamao de la muestra requerida para cumplir con un nivel de precisin estipulado.
Intervalo de confianza
Qu hemos aprendido hasta ahora? Existe una relacin entre:
El nivel de confianza que queremos que tengan nuestros resultados La variabilidad de la poblacin y La cantidad de error muestral aceptable (precisin deseada) que queremos tener y El tamao de la muestra!
11
12
D.R. Universidad TecMilenio Lzaro Crdenas #2610 Col. Del Paseo Residencial Monterrey, N.L., 2006.
Intervalo de confianza
Existe una frmula que conjuga todos estos factores, sta es la que considera porcentajes:
n= z2(pq) e2
Intervalo de confianza
Frmula para calcular el tamao de la muestra que considera una media:
n= s2 z2 e2
Dnde: n = tamao de la muestra z = error estndar asociado al nivel del confianza seleccionado p = porcentaje estimado de la poblacin q = 100 p e = error muestral aceptable
13
Dnde: n = tamao de la muestra z = error estndar asociado al nivel del confianza seleccionado s = variabilidad indicada por una desviacin estndar estimada e = error muestral aceptable
14
Intervalo de confianza
Cmo estimar la variabilidad ( p q ) en la poblacin? Esperar el peor de los casos (p=50; q=50) Estimar la variabilidad: Existen estudios anteriores? Se conducir un estudio piloto?
Intervalo de confianza
Cmo determinar el nivel de error muestral? El investigador debe ponerse de acuerdo con los gerentes para definir esta decisin, qu tanto error estn dispuestos a tolerar? Lo convencional es 5%. Entre ms importante sea la decisin, menor deber ser el error.
15 16
Intervalo de confianza
Cmo determinar el nivel de confianza? El investigador debe ponerse de acuerdo con los gerentes para definir esta decisin, a mayor nivel de confianza, mayor tamao de la muestra. Lo convencional es 95%. (z=1.96) Entre ms importante sea la decisin, mayor deber ser el nivel de confianza, 99% de confianza, z=2.58
17
18
D.R. Universidad TecMilenio Lzaro Crdenas #2610 Col. Del Paseo Residencial Monterrey, N.L., 2006.
Bibliografa
Malhotra, Naresh. Investigacin de Mercados, un enfoque prctico. Mxico: Editorial Pearson Educacin 2004, (ISBN 970-26-0491-5). Mc Daniel, Carl. Investigacin de Mercados. Mxico: Editorial Thomson 2005, (ISBN 970-686-366-4). Kinnear, Thomas. Investigacin de Mercados, un enfoque aplicado. Mxico: Editorial Mc Graw Hill 1996, (ISBN 958600-124-5).
n =
19
20
Crditos:
21
D.R. Universidad TecMilenio Lzaro Crdenas #2610 Col. Del Paseo Residencial Monterrey, N.L., 2006.
1. 2. 3. 4.
15 14 13 12 11 10 9 8 7 6 5 4 3 2 1 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 OCTUBRE 1 2 3 4 5 6 7 NOVIEMBRE
Es necesario detallar el nmero de das para cada actividad pero que sean realistas, ya que a veces los proyectos se atrasan por fijar metas inalcanzables.
3
Presupuesto
Se deben asignar costos a cada una de las actividades del programa, los costos estn directamente relacionados, ya que un cambio en alguna actividad afecta a otra y el presupuesto se puede ver modificado. Hay que detallar lo mejor posible cada uno de los rubros, y si es necesario, asignar un fondo de reserva para cubrir contingencias imprevistas.
D.R. Universidad TecMilenio Lzaro Crdenas #2610 Col. Del Paseo Residencial Monterrey, N.L., 2006.
Presupuesto
Para un estudio basado en entrevistas personales, por ejemplo, las principales categoras de costos son: Sueldos y salarios administrativos Materiales y suministros Telfono Supervisores de campo o servicios por entrevistas Salario de entrevistadores etc.
7
Personal
El xito del trabajo de campo depende principalmente en la calidad del personal, es necesario realizar una cuidadosa seleccin y capacitacin para poder exigir tiempos y el cumplimiento de adecuado de las actividades. Es necesario que el personal entienda claramente sus responsabilidades y la forma de medir su desempeo.
% % % %
% % % %
10
Bibliografa
Kinnear, Thomas. Investigacin de Mercados, un enfoque aplicado. Mxico: Editorial Mc Graw Hill 1996, (ISBN 958600-124-5).
11
12
D.R. Universidad TecMilenio Lzaro Crdenas #2610 Col. Del Paseo Residencial Monterrey, N.L., 2006.
Crditos:
13
D.R. Universidad TecMilenio Lzaro Crdenas #2610 Col. Del Paseo Residencial Monterrey, N.L., 2006.
Capacitacin de los trabajadores de campo Supervisin de los trabajadores de campo Validacin del trabajo de campo
Primer Contacto
En el primer contacto se decide si el entrevistado coopera o no en la investigacin, por esto es muy importante capacitar al personal para que realice comentarios que inviten a participar en el estudio. Muchas veces no se debe preguntar al entrevistado si desea participar o no, sino ms bien ser asertivos y dar la pauta para empezar la entrevista. Hay que saber manejar objeciones y ser proactivos en la investigacin.
D.R. Universidad TecMilenio Lzaro Crdenas #2610 Col. Del Paseo Residencial Monterrey, N.L., 2006.
Realizacin de preguntas
Realizar preguntas correctamente no es una tarea fcil, cualquier cambio en la redaccin de la pregunta, entonacin, en el orden, puede alterar su significado y sesgar la respuesta. Es de vital importancia capacitar al personal y dar todos los detalles para preguntar de manera uniforme y sin sesgar al entrevistado. A continuacin se presentan algunos lineamientos para hacer preguntas:
Realizacin de preguntas
1. Conocer a fondo el cuestionario 2. Plantear las preguntas en el orden que aparecen en el cuestionario exclusivamente. 3. Utilizar exactamente las palabras que estn descritas en el cuestionario. 4. Leer cada pregunta pausadamente. 5. Repetir las preguntas que no haya sido entendidas. 6. Hacer todas las preguntas aplicables. 7. Seguir las indicaciones y esquemas de salto; sondear cuidadosamente.
8
Sondeo
Sondear significa motivar a los entrevistados para que elaboren, aclaren o expliquen sus respuestas; tambin es til para ubicar al entrevistado en el contenido de la entrevista y que slo proporcione informacin relacionada al estudio. A continuacin se presentan algunas tcnicas comumes de sondeo:
Sondeo
1. Repetir la pregunta, esto puedo estimular la respuesta. 2. Repetir la respuestas del entrevistado, esto sirve para alentar al entrevistado para que detalle ms de sus propios comentarios. 3. Hacer una pausa o silencio. Esto puede alentar a que el entrevistado complete ms su respuesta, pero esto no debe en tanto no sea incmodo.
10
4. Tranquilizar o impulsar al entrevistado. Si la persona entrevistada quiere que se le explique alguna pregunta, no se debe interpretar, se le comenta lo que signifique para usted. En el caso de que el entrevistado dude de sus respuestas, se le debe indicar no existen respuestas buenas o malas, queremos su opinin solamente. 5. Estimular las aclaraciones. Para que el entrevistado aclare ms sus respuestas se le pueden mencionar frases como, No comprendo bien su respuesta, sera tan amable de decirme algo ms por favor?
11
6. Hacer comentarios y preguntas neutras. Algunos comentarios que se utilizan para sondear se abrevian a lado de cada pregunta, deben ser objetivos y neutros como, Algo ms? (AM), Por qu opina as? (POA), Alguna otra razn? (AO)
12
D.R. Universidad TecMilenio Lzaro Crdenas #2610 Col. Del Paseo Residencial Monterrey, N.L., 2006.
13
Conclusin de entrevista
La entrevista no debe darse por concluida si se encuentra incompleta. El entrevistador no debe responder ninguna pregunta relacionada con el estudio. El entrevistado debe llevarse una sensacin positiva, es importante darle las gracias y expresar su aprecio.
15
16
17
18
D.R. Universidad TecMilenio Lzaro Crdenas #2610 Col. Del Paseo Residencial Monterrey, N.L., 2006.
Bibliografa
Malhotra, Naresh. Investigacin de Mercados, un enfoque prctico. Mxico: Editorial Pearson Educacin 2004, (ISBN 970-26-0491-5). Mc Daniel, Carl. Investigacin de Mercados. Mxico: Editorial Thomson 2005, (ISBN 970-686-366-4). Kinnear, Thomas. Investigacin de Mercados, un enfoque aplicado. Mxico: Editorial Mc Graw Hill 1996, (ISBN 958600-124-5).
Crditos:
19
20
D.R. Universidad TecMilenio Lzaro Crdenas #2610 Col. Del Paseo Residencial Monterrey, N.L., 2006.
El error de no muestreo incluye lo siguiente: Todos los tipos de error que no sean de muestreo Errores en la recoleccin de datos Errores en el manejo de los datos Errores de anlisis Errores de interpretacin
1 2
Errores no-muestrales
Tambin se incluyen errores en la definicin del problema, parafraseo de preguntas; pero generalmente el mayor potencial de error no-muestral se encuentra en la etapa de recopilacin de datos. Por lo cual, veremos este tema con mayor detalle, a continuacin se presenta una clasificacin de los errores no-muestrales:
Errores intencionales
1. 2. Fraude Guiar a una respuesta 1. 2. 3.
Errores no-intencionales
Caractersticas del entrevistador Malentendidos Fatiga
Errores intencionales
1. 2. Respuestas falsas No respuesta
Errores no-intencionales
1. 2. 3. 4. 5. Malentendidos Supuestos Prdida de atencin Distracciones Fatiga
D.R. Universidad TecMilenio Lzaro Crdenas #2610 Col. Del Paseo Residencial Monterrey, N.L., 2006.
10
11
12
D.R. Universidad TecMilenio Lzaro Crdenas #2610 Col. Del Paseo Residencial Monterrey, N.L., 2006.
14
15
16
Bibliografa
Kinnear, Thomas. Investigacin de Mercados, un enfoque aplicado. Mxico: Editorial Mc Graw Hill 1996, (ISBN 958600-124-5). Burns, Alvin. Marketing Research. Estados Unidos: Editorial Prentice Hall 2000, (ISBN 0-13-014411-8).
Crditos:
17
18
D.R. Universidad TecMilenio Lzaro Crdenas #2610 Col. Del Paseo Residencial Monterrey, N.L., 2006.
Mecanismos de control
Seleccin y entrenamiento de los entrevistadores Sesiones de orientacin y simulacin de roles Descansos e investigaciones alternas
No respuesta
Errores no-intencionales
Supervisin Validacin
En la supervisin se utiliza una persona para vigilar el trabajo de campo. Por ejemplo, en las entrevistas telefnicas se les escucha o graba para ver si el entrevistador no est sesgando las preguntas o si est entrevistando a las personas de la muestra. En el caso de las entrevistas personales el supervisor puede ir de observador para evaluar el procedimiento.
En la validacin se verifica que el trabajador de campo haya hecho el trabajo requerido. Hay varias formas de hacer esto, por ejemplo, en una encuesta, se contacta nuevamente a la persona para ver si efectivamente particip en la investigacin.
D.R. Universidad TecMilenio Lzaro Crdenas #2610 Col. Del Paseo Residencial Monterrey, N.L., 2006.
Sesiones de orientacin
Simulacin de roles
Son reuniones en las cuales se orienta a los trabajadores de campo respecto al cuestionario y se les explican los procedimientos de administracin. En estas sesiones se debe ser claro respecto a los patrones de salto de respuestas, alguna instruccin especial o el formato de aplicacin del cuestionario.
La simulacin de roles tiene el propsito de que el entrevistador se familiarice con el cuestionario y se le oriente de manera prctica cmo resolver algn problema en la administracin del mismo. Se trata de actuar como si fuera una entrevista real, pero haciendo alusin a todos los requisitos de la investigacin.
10
Descansos
Con los descansos se pretende evitar la fatiga en los entrevistadores y evitar errores por esta cuestin. Es importante ser firmes en los descansos designados, an y que el trabajador de campo no los crea necesarios. En caso de tener varias investigaciones al mismo tiempo, se puede alternar a los trabajadores, para evitar que se fatiguen con la monotona de un mismo estudio.
11
D.R. Universidad TecMilenio Lzaro Crdenas #2610 Col. Del Paseo Residencial Monterrey, N.L., 2006.
Tambin se puede utilizar validacin de pruebas, segn el caso, para reducir el error, por ejemplo, si el entrevistado responde que utiliza cierto tipo de vitaminas, pedirle que muestre el frasco. Si la persona dice tener cierta edad, pedirle una identificacin, si queremos el domicilio o colonia, pedirle un comprobante, etc.
Por ltimo, podemos utilizar la tcnica de la tercera persona, esto es preguntar al entrevistado en trminos de alguien ms, sobre todo en temas que pueden ser vergonzosos para algunos. Por ejemplo, Piensa usted que alguna persona de su misma edad y condicin fsica podra utilizar medicamentos tomados para evitar la calvicie?
13
14
15
16
Bibliografa
Kinnear, Thomas. Investigacin de Mercados, un enfoque aplicado. Mxico: Editorial Mc Graw Hill 1996, (ISBN 958600-124-5). Burns, Alvin. Marketing Research. Estados Unidos: Editorial Prentice Hall 2000, (ISBN 0-13-014411-8).
18
D.R. Universidad TecMilenio Lzaro Crdenas #2610 Col. Del Paseo Residencial Monterrey, N.L., 2006.
Crditos:
19
D.R. Universidad TecMilenio Lzaro Crdenas #2610 Col. Del Paseo Residencial Monterrey, N.L., 2006.
1. Validacin y edicin
2. Codificacin
3. Introduccin de datos
5. Tabulacin y anlisis
1 2
1. Validacin y edicin
La validacin se refiere al proceso de verificar que las entrevistas se hayan realizado de acuerdo a las indicaciones establecidas. Se verifican tanto los errores intencionales como los intencionales por parte del entrevistador y el entrevistado. Sobre todo las omisiones, si se siguieron los patrones de salto, etc. Es muy tedioso este proceso, puesto que a veces son miles de pginas por verificar, pero es algo que se debe realizar para garantizar la calidad de los resultados.
2. Codificacin
Se refiere al proceso de agrupar y asignar cdigos numricos a las posibles respuestas de una pregunta dentro de un cuestionario o entrevista. En muchos cuestionarios las respuestas ya estn precodificadas. Lo ms recomendable en estudios grandes es tener precodificada la mayor parte de la informacin.
Integrar el catlogo de claves Revisar respuestas a preguntas abiertas Integrar por separado claves para preguntas abiertas Asignar claves a preguntas abiertas
D.R. Universidad TecMilenio Lzaro Crdenas #2610 Col. Del Paseo Residencial Monterrey, N.L., 2006.
3. Determinar los cdigos. Se asigna el cdigo numrico a cada respuesta final. 4. Introducir los cdigos.
1. 2. 3. 4. 5. 6. 7. 8. 9. 10. 11. 12. 13. 14. 15. 16. 17. 18. 19.
Porque sabe bien Porque me gusta Por la publicidad Porque le gusta a mi esposo/a Es la que ms se vende Es la que siempre encuentro a la mano Porque te la traen a domicilio Estoy acostumbrado Es un hbito Es la que beben todos mis amigos Porque est en oferta Tena promocin Por inercia La bebo desde que era nio Me ayuda con el dolor estmago Me reanima cuando me siento mal No hay ninguna razn en particular No s No tengo idea
10
3. Introduccin de datos
Es el proceso de convertir la datos a un formato electrnico, y nos sirve para poder procesarlos y obtener informacin relevante del estudio para la toma de decisiones. Este proceso requiere de un dispositivo para la introduccin de datos, como una computadora y un medio de almacenamiento, como cd, disco duro, etc.
Generalmente los datos se introducen en un paquete estadstico, como SPSS (ejemplo de pantalla), SAS, Minitab, Excel, por mencionar algunos. El ms utilizado en el mercado de investigacin de mercados es el SPSS.
11
12
D.R. Universidad TecMilenio Lzaro Crdenas #2610 Col. Del Paseo Residencial Monterrey, N.L., 2006.
4. Limpieza de datos
En esta parte ya se han introducido los datos a la computadora y es el momento de realizar una verificacin final de errores antes de continuar con el anlisis estadstico. Se utilizan tcnicas que en principio son para clculo estadstico pero que nos dan pistas de los posibles problemas.
Podemos controlar varios aspectos en los datos: Valores perdidos Casos repetidos Valores imposibles: Sexo varn, dos embarazos Valores implausibles: Altura 1.60 mts, peso 100 kilos Los valores imposibles deben ser corregidos, los valores implausibles pueden ser valores legtimos y necesitan ser investigados con detalle.
13
14
Existen comprobaciones generales en la hoja de clculo: Lneas repetidas (SPSS 12 tiene un comando para esto) Casillas en blanco Valores repetidos Utilizando tcnicas estadsticas. Estas tcnicas son diferentes para variables categricas o numricas y tambin nos permiten ver si hay errores de captura.
Categricas Frecuencias para una variable Cruces de Frecuencias para ms de una variable Numricas Mximos y mnimos para variables numricas. Tambin histogramas
15
16
17
18
D.R. Universidad TecMilenio Lzaro Crdenas #2610 Col. Del Paseo Residencial Monterrey, N.L., 2006.
Bibliografa
Inicio
Malhotra, Naresh. Investigacin de Mercados, un enfoque prctico. Mxico: Editorial Pearson Educacin 2004, (ISBN 970-26-0491-5).
Ms de dos
Una
Mc Daniel, Carl. Investigacin de Mercados. Mxico: Editorial Thomson 2005, (ISBN 970-686-366-4). Kinnear, Thomas. Investigacin de Mercados, un enfoque aplicado. Mxico: Editorial Mc Graw Hill 1996, (ISBN 958600-124-5).
19
20
Crditos:
21
D.R. Universidad TecMilenio Lzaro Crdenas #2610 Col. Del Paseo Residencial Monterrey, N.L., 2006.
Anlisis de Datos
PROCESO DE PREPARACION DE DATOS
Revisin del Cuestionario Edicin Codificacin Transcripcin Depuracin de datos Ajuste estadstico Estrategia de Anlisis
1 2
Estrategia de Anlisis
Nmero de variables a analizar simultneamente Univariado, Bivariado o Multivariado Propiedades de las tcnicas estadsticas Descriptivas o Inferenciales Conocer caractersticas de los datos Escalas de medicin de acuerdo al tipo de datos Consideraciones durante el proceso de investigacin Definicin del problema, mtodo y diseo Antecedentes y filosofa del investigador
3
Univariado
Bivariado
Se enfoca en:
Multivariado
Anlisis univariado
Es el anlisis de una variable de manera individual. Se utiliza cuando hay una medida nica de cada elemento de la muestra o en caso de tener dos o ms mediciones de los elementos cada variable se analiza por separado. Los datos pueden analizarse solos o agrupados categoras o clases (frecuencias). en
D.R. Universidad TecMilenio Lzaro Crdenas #2610 Col. Del Paseo Residencial Monterrey, N.L., 2006.
Procedimientos univariados
Las estadsticas que se utilizan para analizar los datos univariados van de acuerdo a la escala y el tipo de informacin que queremos obtener: Medida de Tendencia Central Moda Mediana Media
Tambin se puede utilizar cuando los datos de intervalo se agrupan en categoras o clases (frecuencias).
Categora/Edad 25 a 30 aos 30 a 35 aos 35 a 40 aos Mas de 40 Totales No. de personas fi 8 16 24 16 64 Punto medio Xi 14 18 22 26 fiXi 112 288 528 416 1,344
Observacin X1 X2 X3 X4 X5
= 1,344 / 64 = 21
9
MODA
12
D.R. Universidad TecMilenio Lzaro Crdenas #2610 Col. Del Paseo Residencial Monterrey, N.L., 2006.
Datos: 20,36,30,24,6,12,10,14 1) Determinar la media = 19 2) Raz Cuadrada de los cuadrados de las desviaciones de los datos de la media (x- X)2
(20-19)^2= (36-19)^2= (30-19)^2= (24-19)^2= (6-19)^2= (12-19)^2= Total 1 289 121 25 169 49 654
Relativas. Son los porcentajes de los elementos totales que aparecen en cada categora.
14
Qu hemos aprendido?
Debemos elegir una tcnica estadstica en funcin a: El nmero de variables a analizar simultneamente (anlisis UNIVARIADO, bivariado y multivariado). Tipo de informacin estadstica deseada: DESCRIPTIVA (descripcin de la muestra) e Inferencial. En el anlisis univariado Descriptivo utilizamos medidas de TENDENCIA CENTRAL y de DISPERSION , y para determinar cuales estadsticos debemos conocer el tipo de ESCALA de los datos (intervalo, ordinal o nominal).
15 16
Bibliografa
Malhotra, Naresh. Investigacin de Mercados, un enfoque prctico. Mxico: Editorial Pearson Educacin 2004, (ISBN 970-26-0491-5). Mc Daniel, Carl. Investigacin de Mercados. Mxico: Editorial Thomson 2005, (ISBN 970-686-366-4). Kinnear, Thomas. Investigacin de Mercados, un enfoque aplicado. Mxico: Editorial Mc Graw Hill 1996, (ISBN 958600-124-5).
Crditos:
17
18
D.R. Universidad TecMilenio Lzaro Crdenas #2610 Col. Del Paseo Residencial Monterrey, N.L., 2006.
Prueba de Hiptesis
Con frecuencia no es suficiente describir lo que aparece en la muestra, sino se requiere hacer inferencias de la muestra con respecto a la poblacin de la cual se tom. Para hacer un anlisis inferencial, debemos conocer las Pruebas de Hiptesis. Prueba de Hiptesis: Procedimiento basado en la evidencia muestral y la probabilidad. Es una aseveracin de una poblacin con el propsito de verificar si la afirmacin es razonable en funcin a los datos de la muestra.
3
No se rechaza HO
Se rechaza HO
1. Formular Hiptesis
Hiptesis Nula ( H0 ) Enunciado del estado en que se encuentran las cosas y en el que no se espera ninguna diferencia ni efecto, es decir, supone que un parmetro de poblacin adquiere determinado valor o conjunto de valores. La hiptesis nula es la que siempre se pone a prueba. Alternativa ( H1 ) Enunciado en el que se espera alguna diferencia o efecto (opuesto a la hiptesis nula).
5
1. Formular Hiptesis
Las pruebas pueden ser bilateral o de 2 colas o unilateral, una cola, en caso de tener una direccin (> o <).
D.R. Universidad TecMilenio Lzaro Crdenas #2610 Col. Del Paseo Residencial Monterrey, N.L., 2006.
10
3. Nivel de Significancia ()
Es la probabilidad de rechazar la hiptesis nula cuando esta es realmente cierta . Se pueden cometer dos clases de errores: Error tipo I (). Es rechazar la hiptesis nula cuando sta es realmente cierta. Error tipo II () Es no rechazar la hiptesis nula cuando sta es realmente falsa. (proporcin)
11
3. Nivel de Significancia ()
Potencia de la prueba (1-) Es el complemento de la probabilidad de un error tipo II. El nivel de significancia () se escoge de acuerdo al riesgo de rechazar equivocadamente la H0 que se dese. Los niveles ms usados son .10, .05 y .01
12
D.R. Universidad TecMilenio Lzaro Crdenas #2610 Col. Del Paseo Residencial Monterrey, N.L., 2006.
Informacin
Distribucin
Estadstico de prueba
S* Poblacin normal
Poblacin normal
Ji cuadrada
* La s es un estimado de la desviacin estndar, ya que no se conoce. Existen frmulas para calcular las pruebas si se tienen proporciones.
15
16
Z
-1.64
Tomar una decisin: Como cae en la regin crtica rechazamos H0, lo cual quiere decir que el ejecutivo tiene razn, se esta sobreestimando el nmero de ganadores por da.
17
18
D.R. Universidad TecMilenio Lzaro Crdenas #2610 Col. Del Paseo Residencial Monterrey, N.L., 2006.
Anlisis Inferencial
Lo que hemos aprendido hasta ahora El anlisis inferencial nos permite hacer supuestos de una poblacin con los datos obtenidos de una muestra. Para realizar este anlisis debemos aplicar la prueba de hiptesis. Los pasos de la prueba de hiptesis son: 1. Formular la hiptesis (nula y alternativa) 2. Seleccionar el estadstico de prueba en funcin a: a) Tipo de escala b) La informacin que tenemos de la muestra y desviacin estndar para hiptesis de
20
Tomar una decisin: Como el valor crtico no cae en la regin, no hay suficiente evidencia para decir que la varianza es mayor a .200 por lo tanto se acepta H0.
19
Anlisis Inferencial
3. 4. 4. 5. 6. Determinar el nivel de significancia . Considerar los tipos de error I y II. Calcular el estadstico de prueba. Determinar la probabilidad (valor crtico). Considerar una cola o dos colas, se utilizan tablas para determinar la regin crtica con valores de z, t y jicuadrada. 7. Comparar Valor Crtico y tomar una decisin.
Bibliografa
Malhotra, Naresh. Investigacin de Mercados, un enfoque prctico. Mxico: Editorial Pearson Educacin 2004, (ISBN 970-26-0491-5). Mc Daniel, Carl. Investigacin de Mercados. Mxico: Editorial Thomson 2005, (ISBN 970-686-366-4). Kinnear, Thomas. Investigacin de Mercados, un enfoque aplicado. Mxico: Editorial Mc Graw Hill 1996, (ISBN 958600-124-5).
21
22
Crditos:
23
D.R. Universidad TecMilenio Lzaro Crdenas #2610 Col. Del Paseo Residencial Monterrey, N.L., 2006.
Con los datos de una muestra podemos observar si existe alguna relacin entre dos variables, y la pregunta que surge naturalmente es si esta relacin es verdadera o es el resultado del error muestral. Las tablas de contingencia son tabulaciones cruzadas entre dos variables X e Y con r y c categoras respectivamente. Es decir, que la tabla de contingencia entre X e Y tendr r filas y c columnas.
1 2
Los datos se organizan en una tabla de doble entrada, llamada Tabla de contingencia, cuya forma general es la siguiente:
VAR B1 VAR A A1 A2 A3 Ar Total Or1 C1 Or2 C2 Or3 C3 O11 O21 O31 B2 O12 O22 O32 B3 O13 O23 O33 B Bc O1c O2c O3c Orc Cc Rr n Total R1 R2 R3
Ri (i = 1,,r) es la suma de la i-sima fila de la tabla. Es decir, es el total de sujetos que poseen la caracterstica Bi. Cj (j = 1,,c) es la suma de la j-sima columna de la tabla. Es decir, es el total de sujetos que poseen la caracterstica Ai. n representa el total de observaciones tomadas.
4
Oij =
Ri C j n
D.R. Universidad TecMilenio Lzaro Crdenas #2610 Col. Del Paseo Residencial Monterrey, N.L., 2006.
Total
Si ingreso y marca son independientes, la probabilidad del evento conjunto "A1: ganar menos de $20,000" y "B1: comprar marca Ford" es el producto de esas dos probabilidades: Pr(A1 y B1) = Pr(A1)*Pr(B1) Pr(A1) = A1/A = 375/1200, Pr(B1) = B1/B = 350/1200 Donde A y B son las frecuencias totales de los eventos.
Por lo tanto: Pr(A1 y B1) = Pr(A1)*Pr(B1) = 375*350/(1200*1200) = 0.091 El nmero esperado en la entrada A1B1 es entonces: N* Pr(A1 y B1) = 1200*0.091 = 109.38
10
Este proceso se puede repetir para cada una de las entradas de la tabla. Una vez hecho esto el estadstico Chi-cuadrado se calcula con la siguiente frmula:
E ij i =1 j =1 r = nmero de categoras de la variable en las filas c = nmero de categoras de la variable en las columnas Oij = nmero observado en entrada ij Eij = nmero esperado en la entrada ij
Este estadstico Chi-cuadrado tiene (r-1)*(c-1) grados de libertad.
12
2 =
r c
(Oij E ij )2
D.R. Universidad TecMilenio Lzaro Crdenas #2610 Col. Del Paseo Residencial Monterrey, N.L., 2006.
13
14
15
16
Riesgo Relativo El riesgo relativo es una medida del grado de asociacin entre dos variables dicotmicas, que compara el producto de las frecuencias en la diagonal principal de la tabla con el producto de las frecuencias en la diagonal opuesta mediante el cociente entre ambos. En consecuencia toma valores positivos y, si las variables son independientes, su valor ser prximo a uno.
El coeficiente de contingencia El coeficiente de contingencia es una extensin del coeficiente al caso de que al menos una de las variables presente ms de dos categoras. Toma valores entre 0 y Cmax, donde si r y c son el nmero de categoras de cada una de las variables: Cmax = [min(r-1,c-1)/(1+ min(r-1,c-1))]1/2
17
18
D.R. Universidad TecMilenio Lzaro Crdenas #2610 Col. Del Paseo Residencial Monterrey, N.L., 2006.
Bibliografa
Malhotra, Naresh. Investigacin de Mercados, un enfoque prctico. Mxico: Editorial Pearson Educacin 2004, (ISBN 970-26-0491-5). Mc Daniel, Carl. Investigacin de Mercados. Mxico: Editorial Thomson 2005, (ISBN 970-686-366-4). Kinnear, Thomas. Investigacin de Mercados, un enfoque aplicado. Mxico: Editorial Mc Graw Hill 1996, (ISBN 958-600-124-5).
Crditos:
21
22
D.R. Universidad TecMilenio Lzaro Crdenas #2610 Col. Del Paseo Residencial Monterrey, N.L., 2006.
Anlisis bivariado
Son los mtodos estadsticos para analizar la relacin entre dos variables de estudio. Se conocen como tcnicas bivariadas. Cuando se analiza el grado de asociacin entre dos variables, debe de existir una variable independiente, que es el factor de prediccin, y una variable independiente, que es el criterio.
Procedimientos bivariados
Las variables independientes son aquellas que se cree afectan el valor de la variable dependiente. Por ejemplo, variables independientes tales como precio, distribucin, gasto en promocin, etc., se pueden utilizar para describir el tipo de relacin y predecir su comportamiento, en variables dependientes como ventas o participacin de mercado de un producto.
Prueba t sobre el coeficiente de regresin Prueba z sobre la diferencia entre medias Prueba t sobre la diferencia entre medias
Prueba de ji cuadrado
Anlisis bivariado
CORRELACIN: Con esta tcnica trataremos de dar respuesta a si existe dependencia entre dos variables. Si son independientes, no se sigue estudiando. Si existe dependencia, nos plantearemos el grado de dependencia. REGRESIN: Con esta tcnica trataremos de determinar el tipo de dependencia. Si son dependientes intentaremos determinar la variable dependiente a partir de la variable independiente. Y = Variable dependiente o variable respuesta. X = Variable independiente o regresora.
5
Correlacin y regresin
VARIABLES CUALITATIVAS VARIABLES CUANTITATIVAS Estudio de independencia
Dos variables son independientes cuando la frecuencia relativa conjunta es igual al producto de las frecuencias relativas marginales
Correlacin
1.- Grficamente. 2.-Analticamente: Covarianza. Coeficiente de correlacin de Pearson.
3. Regresin
partir de la ind.)
D.R. Universidad TecMilenio Lzaro Crdenas #2610 Col. Del Paseo Residencial Monterrey, N.L., 2006.
Pearson (un amigo suyo) realiz un estudio con ms de 1000 registros de grupos familiares observando una relacin del tipo: Altura del hijo = 85cm + 0,5 altura del padre (aprox.) Conclusin: los padres muy altos tienen tendencia a tener hijos que heredan parte de esta altura, aunque tienen tendencia a acercarse (regresar) a la media. Lo mismo puede decirse de los padres muy bajos. Hoy en da el sentido de regresin es el de prediccin de una medida basndonos en el conocimiento de otra.
Correlacin
A la derecha tenemos un ejemplo de los datos obtenidos observando dos variables en varios individuos de una muestra. En cada fila tenemos los datos de un individuo. Cada columna representa los valores que toma una variable sobre los mismos. Los individuos no se muestran en ningn orden particular. ANLISIS GRFICO: Dichas observaciones pueden ser representadas en un diagrama de dispersin (scatterplot). En ellos, cada individuos es un punto cuyas coordenadas son los valores de las variables. Nuestro objetivo ser intentar reconocer a partir del mismo si hay relacin entre las variables, de qu tipo, y si es posible predecir el valor de una de ellas en funcin de la otra.
Altura en cm.
162 154 180 158 171 169 166 176 163 ...
Peso en Kg.
61 60 78 62 66 60 54 84 68 ...
Altura en cm.
162 154 180 158 171 169 166 176 163 ...
Peso en Kg.
61 60 78 62 66 60 54 84 68 ...
10
100 90
80 70 60 50 40 30 140
on ac ent m
150
160
170
180
190
200
12
D.R. Universidad TecMilenio Lzaro Crdenas #2610 Col. Del Paseo Residencial Monterrey, N.L., 2006.
Incorrelacin
90 80 70 60 50 40 30
150
160
170
180
190
200
140
150
160
170
180
190
200
Para valores de X por encima de la media tenemos valores de Y por encima y por debajo en proporciones similares. Incorrelacin.
Para los valores de X mayores que la media le corresponden valores de Y mayores tambin. Para los valores de X menores que la media le corresponden valores de Y menores tambin. Esto se llama relacin directa o creciente entre X e Y. Para los valores de X mayores que la media le corresponden valores de Y menores. Esto es relacin inversa o decreciente.
10 kg.
80 70 60 50 40 30
10 cm.
170 180 190 200
13
14
El signo de la covarianza nos dice si el aspecto de la nube de puntos es creciente o no, pero no nos dice nada sobre el grado de relacin entre las variables. Adems es una medida que depende de las unidades, por lo que permite comparar entre distribuciones.
15 16
r=
S xy
SxS y
17 18
D.R. Universidad TecMilenio Lzaro Crdenas #2610 Col. Del Paseo Residencial Monterrey, N.L., 2006.
19
Bibliografa
Malhotra, Naresh. Investigacin de Mercados, un enfoque prctico. Mxico: Editorial Pearson Educacin 2004, (ISBN 970-26-0491-5). Mc Daniel, Carl. Investigacin de Mercados. Mxico: Editorial Thomson 2005, (ISBN 970-686-366-4). Kinnear, Thomas. Investigacin de Mercados, un enfoque aplicado. Mxico: Editorial Mc Graw Hill 1996, (ISBN 958-600-124-5).
21
22
Crditos:
23
D.R. Universidad TecMilenio Lzaro Crdenas #2610 Col. Del Paseo Residencial Monterrey, N.L., 2006.
Regresin
El anlisis de regresin no se debe confundir con el de correlacin, el que mide el grado de relacin lineal entre las variables, en cambio, el de regresin, mide relaciones de causalidad. El anlisis de correlacin supone que todas las variables son aleatorias, en cambio, cuando se regresiona, se supone que las variables explicativas son fijas en muestreos repetidos.
El anlisis de regresin sirve para predecir una medida en funcin de otra medida (o varias). Y = Variable dependiente predicha explicada X = Variable independiente predictora explicativa Es posible descubrir una relacin? Y = f(X) + error f es una funcin de un tipo determinado el error es aleatorio, pequeo, y no depende de X
Veremos un ejemplo del estudio de la altura en grupos familiares de Pearson, como la sesin anterior, que estaremos manejando durante el resto del tema. Altura del hijo = 85cm + 0,5 altura del padre (Y = 85 + 0,5 X) Si el padre mide 200cm cunto mide el hijo? Se espera (predice) 85 + 0,5x200=185 cm. Alto, pero no tanto como el padre. Regresa a la media.
Si el padre mide 120cm cunto mide el hijo? Se espera (predice) 85 + 0,5x120=145 cm. Bajo, pero no tanto como el padre. Regresa a la media. Es decir, nos interesaremos por modelos de regresin lineal simple.
D.R. Universidad TecMilenio Lzaro Crdenas #2610 Col. Del Paseo Residencial Monterrey, N.L., 2006.
b1=0,5
b0=85 cm
La relacin entre las variables no es exacta. Es natural preguntarse entonces: Cul es la mejor recta que sirve para predecir los valores de Y en funcin de los de X Qu error cometemos con dicha aproximacin (residual).
b1=0,5
b0=85 cm
9 10
Se obtiene adems unas ventajas de regalo El error residual medio es nulo. La varianza del error residual es mnima para dicha estimacin. Traducido: En trmino medio no nos equivocamos. Cualquier otra estimacin que no cometa error en trmino medio, si es de tipo lineal, ser peor por presentar mayor variabilidad con respecto al error medio (que es cero).
11
12
D.R. Universidad TecMilenio Lzaro Crdenas #2610 Col. Del Paseo Residencial Monterrey, N.L., 2006.
14
Fijmonos ahora en los errores de prediccin (lneas verticales). Los proyectamos sobre el eje Y. Se observa que los errores de prediccin, residuos, estn menos dispersos que la variable Y original. Cuanto menos dispersos sean los residuos, mejor ser la bondad del ajuste.
R2 = 1
15
S e2 2 SY
2 Se2 < SY
16
17
18
D.R. Universidad TecMilenio Lzaro Crdenas #2610 Col. Del Paseo Residencial Monterrey, N.L., 2006.
Bibliografa
Malhotra, Naresh. Investigacin de Mercados, un enfoque prctico. Mxico: Editorial Pearson Educacin 2004, (ISBN 970-26-0491-5). Mc Daniel, Carl. Investigacin de Mercados. Mxico: Editorial Thomson 2005, (ISBN 970-686-366-4). Kinnear, Thomas. Investigacin de Mercados, un enfoque aplicado. Mxico: Editorial Mc Graw Hill 1996, (ISBN 958-600-124-5).
Crditos:
Lic. Ana Mara Lpez Navarro
19
20
D.R. Universidad TecMilenio Lzaro Crdenas #2610 Col. Del Paseo Residencial Monterrey, N.L., 2006.
SPSS
El paquete estadstico SPSS (Statistical Package for the Social Sciences) es uno de los muchos que se pueden utilizar para la investigacin de mercados. Existen otros paquetes como SAS, Minitab e inclusive Excel que se pueden utilizar, sin embargo, el SPSS es el ms empleado actualmente para este rubro.
Regresin
SPSS esta estructurado en tres ventanas diferentes: Editor de datos de SPSS: es la primera ventana que aparece nada ms acceder al programa. Permite visualizar los datos y las variables con los que vamos a trabajar. Recoge todos los mens para trabajar con los datos y realizar los anlisis estadsticos. Editor de sintaxis de SPSS: en esta ventana podemos pegar la sintaxis generada al realizar un clculo, implementar un mtodo, dibujar un grfico, en general, al implementar cualquiera de las utilidades que nos ofrece SPSS. Visor de resultados de SPSS: en esta ventana podemos visualizar los resultados del mtodo implementado.
3
Introducir datos en SPSS Al abrir el programa SPSS lo primero se solicita es el archivo de trabajo. Se puede seleccionar una base de datos o bien pulsar en el botn Cancelar y acceder directamente a la ventana de Editor de datos del programa SPSS. En esta ventana se pueden entrar de forma manual los datos o bien cargar unos nuevos datos mediante la opcin Abrir Datos del men Archivo. El programa SPSS trabaja con los datos previamente grabados en un archivo al que denominamos archivo de datos y tiene la extensin obligatoria .sav
La ventana de Editor de datos de SPSS dispone de dos pestaas: Vista de datos y Vista de variables. - Vista de datos: est dividida en columnas y filas dando lugar a celdas o casillas donde se recogen los datos. Cada columna tiene asignado un nombre de variable, ya sea especificado por el usuario o bien por el propio programa SPSS (mximo 8 caracteres). Las filas, a su vez, estn numeradas de forma correlativa.
- Vista de variables: recoge las caractersticas de las variables o lo que es lo mismo, de las columnas. Informa sobre el Nombre de la variable, el Tipo (Numrico, Cadena, Fecha,..), el Ancho de la variable, el nmero de decimales (en el caso de variables numricas), la Etiqueta (permite introducir una pequea descripcin de la variable), etiquetas para Valores de la variable, etiquetas para identificar valores Perdidos, el ancho de columna, la Alineacin y la Medida.
D.R. Universidad TecMilenio Lzaro Crdenas #2610 Col. Del Paseo Residencial Monterrey, N.L., 2006.
Creacin de un archivo
1. Debemos crear la estructura (definir las variables) de un nuevo archivo de datos de SPSS. Para cada variable habr que ir especificando cada una de sus caractersticas, empezando por el nombre (primera columna). 2. Definir etiquetas para cada variable, pueden ser de hasta 60 caracteres. se escribe un cdigo en la zona en la que aparece Valor y la etiqueta correspondiente en la zona de Etiqueta de valor y despus pulsar el botn de Aadir; as, en la Figura 3.2, al cdigo 1 se le ha asignado la etiqueta no, al cdigo 2 se la ha asignado la etiqueta moderado y al cdigo 3 se le aadir la etiqueta grave en cuanto pulsemos el botn Aadir.
7
3. Hay que definir los valores perdidos, que stos seran las NO-respuestas por parte de los entrevistados, generalmente se le asigna un nmero grande y fcil de tabular a fin de que no se confunda con los valores de anlisis, usualmente se asigna 99. 4. No olvides grabar tu documento para no perder la informacin almacenada.
Vista de archivo
Un archivo de datos tendra mas o menos el siguiente aspecto:
Estadsticas Descriptivas
El procedimiento Frecuencias proporciona estadsticos y representaciones grficas que resultan tiles para describir muchos tipos de variables. Es un buen procedimiento para una inspeccin inicial de los datos. Supongamos que deseamos estudiar una muestra de 50 sujetos a los que hemos medido cinco variables: edad, sexo, peso y altura. Veamos la salida que nos proporciona el procedimiento frecuencias.
10
En primer lugar, al ejecutar este procedimiento, nos aparece una ventana en la que hemos de seleccionar las variables sobre las que deseamos obtener la informacin. Supongamos que en nuestro caso, deseamos ver qu ocurre si seleccionamos las variables edad y sexo.
Estadsticas Descriptivas
Si pulsamos aceptar sin modificar ninguna otra opcin, la salida que proporciona el programa es la siguiente, para cada variable seleccionada:
11
12
D.R. Universidad TecMilenio Lzaro Crdenas #2610 Col. Del Paseo Residencial Monterrey, N.L., 2006.
Adems, en el procedimiento frecuencias podemos establecer una serie de opciones. Si en la ventana de Frecuencias elegimos el botn de Estadsticos, podemos elegir un conjunto de ellos sobre las variables seleccionadas (valores percentiles, estadsticos de posicin, de dispersin o sobre la forma de la distribucin).
Si en ese cuadro seleccionamos, por ejemplo, media, mediana, desviacin tpica y varianza y lo ejecutamos para la variable edad, los resultados proporcionados, adems del cuadro referente a las frecuencias, seran:
13
14
Igualmente, en el procedimiento Frecuencias existe una opcin para dibujar grficos. Si seleccionamos esa opcin aparecer la siguiente ventana:
El procedimiento Descriptivos muestra estadsticos de resumen univariados para variables en una nica tabla y calcula puntuaciones tipificadas (puntuaciones z).
15
16
Estadsticas Descriptivas
Si se ejecuta el procedimiento para el conjunto de variables seleccionadas, la salida que proporciona el programa es la siguiente:
Adems de los estadsticos que aparecen en el cuadro anterior es posible aadirles otros. Simplemente en el cuadro de Descriptivos hay que pulsar sobre el botn Opciones y aparecer la siguiente ventana:
En ella se pueden seleccionar ms estadsticos y elegir el orden de visualizacin de las variables (alfabtico o por el valor ascendente o descendente de las medias).
17
18
D.R. Universidad TecMilenio Lzaro Crdenas #2610 Col. Del Paseo Residencial Monterrey, N.L., 2006.
Tablas Cruzadas
El procedimiento Tablas de contingencia crea tablas de clasificacin doble y mltiple y adems proporciona 22 pruebas y medidas de asociacin para tablas de doble clasificacin. Los estadsticos de tablas de contingencia y las medidas de asociacin slo se calculan para las tablas de doble clasificacin. Si se especifica una fila, una columna y un factor de capa (variable de control), el procedimiento tablas de contingencia crea un panel de medidas y estadsticos asociados para cada valor del factor capa.
19
20
En nuestro ejemplo vamos a realizar una tabla de contingencia para las variables edad en filas y sexo en columnas. Veamos la salida que proporciona:
El procedimiento Tablas de contingencia tiene tres posibilidades. Como siempre para acceder a ellas debemos pulsar los botones de la parte inferior de la ventana de Tablas de contingencia. La primera opcin es Estadsticos. Esta opcin proporciona distintos estadsticos que hemos de seleccionar en funcin del tipo de variables con las que estamos trabajando (dicotmicas, nominales, ordinales, etc.).
21
22
Adems, el procedimiento permite acceder a la ventana Casillas. Esta ventana permite descubrir las tramas en los datos que contribuyen a una prueba chi-cuadrado significativa. As permite mostrar las frecuencias esperadas y tres tipos de residuos que miden la diferencia entre las frecuencias observadas y las esperadas. Cada casilla de la tabla puede contener cualquier combinacin de recuentos, porcentajes y residuos seleccionados.
Por ltimo, la opcin Formato permite, como en otros procedimientos del programa, elegir las filas en orden ascendente o descendente.
23
24
D.R. Universidad TecMilenio Lzaro Crdenas #2610 Col. Del Paseo Residencial Monterrey, N.L., 2006.
Regresin y Correlacin
En todo problema de regresin y correlacin, el primer paso consiste en dibujar la nube de puntos, con objeto de detectar posibles no-linealidades en la relacin o alguna otra falla en las hiptesis del modelo de regresin lineal. El procedimiento que permite dibujar nubes de puntos, lo encuentras en Grficos Diagrama de Dispersin.
Para llevar a cabo una Regresin Lineal, se realiza con el procedimiento Analizar Regresin Linea Para llevar a cabo una Correlacin, se realiza con el procedimiento Analizar Correlaciones Bivariadas
25
26
Anlisis de Varianza
Para llevar a cabo un Anlisis de Varianza, se realiza con el procedimiento Analizar Comparar Medias ANOVA de un factor
Bibliografa
Malhotra, Naresh. Investigacin de Mercados, un enfoque prctico. Mxico: Editorial Pearson Educacin 2004, (ISBN 970-26-0491-5). Mc Daniel, Carl. Investigacin de Mercados. Mxico: Editorial Thomson 2005, (ISBN 970-686-366-4). Kinnear, Thomas. Investigacin de Mercados, un enfoque aplicado. Mxico: Editorial Mc Graw Hill 1996, (ISBN 958600-124-5).
27
28
Crditos:
29
D.R. Universidad TecMilenio Lzaro Crdenas #2610 Col. Del Paseo Residencial Monterrey, N.L., 2006.
Anlisis de Varianza
El anlisis de varianza (ANOVA) prueba medias de dos o ms poblaciones, se utiliza para analizar resultados experimentales. Generalmente la hiptesis nula es que todas las medias son iguales. Por ejemplo, supongamos que un investigador quiere saber si los consumidores constantes, regulares y ocasionales, ms los no-consumidores de la avena en sobres de sabores Quaker, difieren en su preferencia a la avena Quaker, medido en una escala Likert de nueve puntos. La hiptesis nula de que no difiere la preferencia por la avena de los cuatro grupos puede verificarse con un anlisis de varianza.
1 2
El ANOVA puede responder a preguntas cmo: El anlisis de varianza debe tener una variable dependiente, que en este caso sera la preferencia por la avena, que es mtrica (medida en una escala de intervalo o razn). Las variables independientes deben ser variables nomtricas, como consumo constante, regular u ocasional. A las variables independientes se les llama factores. Una combinacin particular de niveles de factores se llama tratamiento. Cmo vara la intencin de compra del producto por parte de los consumidores segn los niveles de precios? Varan las opiniones de las polticas de distribucin de la empresa entre los agentes, vendedores y mayoristas? Vara el nivel de consumo de mi producto segn el segmento?
Probar la significacin
Interpretar resultados
D.R. Universidad TecMilenio Lzaro Crdenas #2610 Col. Del Paseo Residencial Monterrey, N.L., 2006.
Tabla de Anova
Suma de Grados de Cuadrado Cuadrados libertad Medio
SSCA k-1
MSTR= SSCA/ k-1
F= MSTR/MSE
Error
SCE
nT - k
MSE= SCE/nT - k
Total
SSy
nT-1
Estadstico F
Por ejemplo, si tenemos 3 programas distintos de incentivos y queremos ver cul aumenta el rendimiento de manera ms eficaz, utilizamos el anlisis de varianza. Queremos medir el rendimiento de cada grupo y averiguar si existen o no diferencias entre ellos.
F=
SCx / ( c 1 ) Scerror / ( N c) )
10
Estadstico F
Si la probabilidad o significancia del Estadstico F es menor a .05 rechazaremos la hiptesis de igualdad de medias y concluiremos que no todas la medias poblacionales comparadas son iguales. En caso contrario, no podemos rechazar la hiptesis de igualdad y no podremos afirmar que los grupos comparados difieran en sus promedios poblacionales.
Sumas de cuadrados Entre grupos Dentro de los grupos 3.95331 Grados de libertad 4 Medias cuadrticas 0.98832753 F 8.252442 Sig. .000
4.431188
37
0.119761824
Total
8.384498
41
11
12
D.R. Universidad TecMilenio Lzaro Crdenas #2610 Col. Del Paseo Residencial Monterrey, N.L., 2006.
Estadstico F
En este caso, puesto que la significancia da a .000, entonces vemos que .05 es mayor que .000, por lo cual se rechaza la hiptesis nula y podemos concluir que s existe una diferencia en rendimiento de acuerdo al programa de incentivos utilizado.
Bibliografa
Malhotra, Naresh. Investigacin de Mercados, un enfoque prctico. Mxico: Editorial Pearson Educacin 2004, (ISBN 970-26-0491-5). Mc Daniel, Carl. Investigacin de Mercados. Mxico: Editorial Thomson 2005, (ISBN 970-686-366-4).
13
14
Crditos:
15
D.R. Universidad TecMilenio Lzaro Crdenas #2610 Col. Del Paseo Residencial Monterrey, N.L., 2006.
Anlisis multivarainte
Es el anlisis simultneo de ms de dos variables.
Se pueden categorizar en funcin a: Si alguna de las variables se puede identificar como dependiente de otra u otras Existe ms de una variable dependiente La naturaleza de los datos (tipo de escala)
Anlisis multivariante
Tcnicas Multivariantes
Tcnicas de Dependencia
Una Variable Dependiente
Tcnicas de Interdependencia
Interdependencia variables Semejanza entre objetos
Tcnicas dependientes
Una variable dependiente Regresin Mltiple Anlisis Discriminante Varianza y Covarianza Medicin Conjunta
Regresin mltiple
Examina la relacin entre por lo menos 2 variables independientes de intervalos de escala y una variable dependiente de intervalo de escala. La ecuacin predictiva : Y= a + b1X1 +b2X2
X1 y X2 a, b1 y b2 son los coeficientes de regresin generados a partir de datos de la muestra, que indica la contribucin relativa de dicha variable para explicar la dependiente
5 6
D.R. Universidad TecMilenio Lzaro Crdenas #2610 Col. Del Paseo Residencial Monterrey, N.L., 2006.
Anlisis discriminante
Este anlisis busca generar dimensiones que permitan separar los objetos tanto como sea posible, a partir de grupos ya determinados Se utiliza con una variable dependiente en escala nominal y un conjunto de variables independientes en escala de intervalo.
Anlisis discriminante
Objetivos: 1) Analizar si existen diferencias entre los grupos en cuanto a su comportamiento con respecto a las variables consideradas y averiguar en qu sentido se dan dichas diferencias (descriptivo). 2) Elaborar procedimientos de clasificacin sistemtica de individuos de origen desconocido, en uno de los grupos analizados. (predictivo).
10
Anlisis discriminante
D= b0 +b1X1+b2X2+b3X3 + bkXk Dnde: D = Puntuacin discriminante bx = coeficientes o peso discriminante Xs = variables independientes Funcin discriminante. Combinacin lineal de las variables independientes que diferencie al mximo los puntajes de las medidas a travs de categoras de la variable dependiente.
11
12
D.R. Universidad TecMilenio Lzaro Crdenas #2610 Col. Del Paseo Residencial Monterrey, N.L., 2006.
Varianza y Covarianza
El objetivo del estudio es analizar si existen diferencias en cuanto a la percepcin de la tienda entre los clientes con hijos y los clientes sin hijos, y en caso de que existan, analizar en qu sentido se dan dichas diferencias. En este caso, existen 7 variables clasificadoras (p=7) y dos grupos a discriminar (q=2). El tamao de la muestra es n=200 con n1 = 120 y n2 = 80. Anlisis de Varianza (ANOVA) se utiliza en el anlisis de datos experimentales. Requiere una variable dependiente en escala de intervalos y una variable o variables independientes en escala nominal. Anlisis de Covarianza (ANCOVA) se utiliza en situaciones en donde se descubre despus del experimento, que alguna fuente externa de variacin contribuye a los valores de la variable dependiente. Se requiere una variable dependiente en escala de intervalos y variables independientes en escala nominal.
14
13
Medicin conjunta
Se ocupa de los efectos conjuntos de dos o ms variables independientes nominales en la disposicin de una variable dependiente ordinal. Se utiliza para medir los intercambios que los consumidores hacen sobre atributos de productos; para predecir la participacin de mercados o la rentabilidad de un producto que ofrece varias combinaciones de atributos. Es til en el diseo de nuevos productos o servicios.
15
Importance summary
50 40
30
20
10
Marca
Repairs for one yearTamao del motor Seguridad Engine size as indic
Factor
16
Correlacin cannica
Es apropiada cuando se tiene un conjunto de variables dependientes en escala de intervalos y un conjunto de variables independientes. El procedimiento implica obtener un conjunto de ponderaciones para las variables dependientes e independientes que proporcione la correlacin nica mxima entre el conjunto de variables dependientes y el conjunto de variables independientes. Ejemplo. Para conocer la forma en que un conjunto de actitudes se relacionen con un conjunto de comportamiento.
17
D.R. Universidad TecMilenio Lzaro Crdenas #2610 Col. Del Paseo Residencial Monterrey, N.L., 2006.
Bibliografa
Los mtodos estadsticos a utilizar dependen de si tenemos una o ms variables dependientes y el tipo de escala de los datos. Una variable dependiente: Regresin Mltiple, Anlisis Discriminante, Varianza y Covarianza, Medicin Conjunta. Mltiples variables dependientes: Correlacin Cannica Malhotra, Naresh. Investigacin de Mercados, un enfoque prctico. Mxico: Editorial Pearson Educacin 2004, (ISBN 970-26-0491-5). Mc Daniel, Carl. Investigacin de Mercados. Mxico: Editorial Thomson 2005, (ISBN 970-686-366-4). Kinnear, Thomas. Investigacin de Mercados, un enfoque aplicado. Mxico: Editorial Mc Graw Hill 1996, (ISBN 958-600-124-5).
19
20
Crditos:
21
D.R. Universidad TecMilenio Lzaro Crdenas #2610 Col. Del Paseo Residencial Monterrey, N.L., 2006.
Anlisis multivariante
Tcnicas Multivariantes
Tcnicas de Dependencia
Una Variable Dependiente
Tcnicas de Interdependencia
Interdependencia variables Semejanza entre objetos
Tcnicas interdependientes
No hace diferencias entre variables dependientes e independientes, analiza el conjunto completo de la interrelacin de las variables. Enfoque en variables Anlisis Factor Comn Enfoque en objetos Anlisis Conglomerado (Cluster) Escalas Multidimensionales
Las cargas de la matriz de factores miden cules variables estn involucradas en qu patrn factorial, hasta qu grado y en qu direccin. (se lee como correlacin). Se le asigna a cada factor un nombre creativo que identifique el conjunto de variables.
Interpretacin de factores
Factor A (Innovadores) X1, X3, x4
Rotacin de Factores
Variable X1 X2 X3 X4 A .63 .48 .70 .76 B .38 .53 .26 -.54
Factor B (seguidores)
X2
D.R. Universidad TecMilenio Lzaro Crdenas #2610 Col. Del Paseo Residencial Monterrey, N.L., 2006.
Anlisis conglomerado
El objetivo es clasificar una muestra de entidades (personas u objetos) en un nmero pequeo de grupos mutuamente excluyentes basados en similitudes entre las entidades. En el anlisis conglomerado, a diferencia del anlisis discriminante, los grupos no estn pre-definidos. Por consiguiente, se usa la tcnica para identificar los grupos de casos u observaciones relativamente homogneos.
Se mide las distancia entre las similutues/diferencias de los objetos o de la matriz de correlacin para hacer Agrupamientos.
Distancia
7 8
BIG COLA
Alto en azcar
FANTA
Buen sabor
Refrescante
SPRITE
Quita la sed 11
Las tcnicas interdependientes analizan el conjunto completo de la interdependencia de las variables, sin distinguir variables dependientes.
12
D.R. Universidad TecMilenio Lzaro Crdenas #2610 Col. Del Paseo Residencial Monterrey, N.L., 2006.
Bibliografa
Se puede clasificar si se tiene enfoque a objetos o a variables, los mtodos estadsticos para las tcnicas interdependientes estn en funcin de esta clasificacin. Enfoque en variables: Anlisis de Factor Comn Enfoque en objetos: Anlisis Conglomerado (Cluster), Escalas Multidimensionales MDS Malhotra, Naresh. Investigacin de Mercados, un enfoque prctico. Mxico: Editorial Pearson Educacin 2004, (ISBN 970-26-0491-5). Mc Daniel, Carl. Investigacin de Mercados. Mxico: Editorial Thomson 2005, (ISBN 970-686-366-4). Kinnear, Thomas. Investigacin de Mercados, un enfoque aplicado. Mxico: Editorial Mc Graw Hill 1996, (ISBN 958-600-124-5).
13
14
Crditos:
15
D.R. Universidad TecMilenio Lzaro Crdenas #2610 Col. Del Paseo Residencial Monterrey, N.L., 2006.
Qu es un reporte de investigacin...
Un documento escrito y/o una presentacin oral basada en la documentacin escrita que comunica el propsito, los objetivos, el alcance, la hiptesis, la metodologa, los hallazgos, las limitaciones y finalmente las recomendaciones del proyecto de investigacin. Es el ultimo paso del proceso de la investigacin de mercados. Es ms que un resumen de lo investigado, es un registro del proceso de investigacin.
Reporte Escrito
Presentacin Oral
Despus del Reporte Escrito
Ser conciso y preciso Seleccionar la informacin de manera de no meterse en detalles, pero si enfocarse en las necesidades de informacin al momento de redactar el informe. En ocasiones una imagen o grfica dice ms que mil palabras. No repetir informacin innecesaria. Objetividad No sesgar ni favorecer la informacin, debe presentarse los hallazgos y defender su validez en caso necesario.
Comunicacin Definir un estilo de redaccin considerando: Lenguaje de negocios, breve Palabras y frases cortas Ser conciso Apariencia (utilizacin de espacios) Informacin estadstica visual Utilizar tiempo presente Voz activa No modismos Colocar citas de los encuestados
D.R. Universidad TecMilenio Lzaro Crdenas #2610 Col. Del Paseo Residencial Monterrey, N.L., 2006
Portada
Titulo que trasmita la esencia del estudio, atractivo que invite y despierte el inters por la lectura Fecha Organizacin o persona que lo emite o presenta Organizacin o personas a quien va dirigido
Tabla de contenido Secuencial de los temas que se cubren en el informe y paginacin Objetivo. Ayudar en la identificacin rpida de los temas de inters ndice de tablas Puede ir junto con la tabla de contenido o por separado. Contiene los ttulos y la paginacin de todos los apoyos visuales incluidos.
Resumen ejecutivo Abreviacin o sntesis de los aspectos importantes de la investigacin. Debe tener los hallazgos de mayor impacto, ya que algunos ejecutivos solo es lo que leen del informe, deben facilitar el emprender una accin. Debe incluir: Objetivos de la investigacin Naturaleza del problema de decisin Resultados Conclusiones (opiniones basadas en la investigacin) Recomendaciones
Cuerpo del informe Introduccin Informacin bsica del proyecto, naturaleza del problema de decisin y objetivos. Metodologa Describir la naturaleza del diseo de la investigacin, plan muestral, procedimiento de recoleccin y anlisis de datos. Tipo de investigacin exploratoria o concluyente, especificar las fuentes de datos, el mtodo de recoleccin. Es un resumen de los aspectos tcnicos que desarrolla la confiabilidad de la investigacin.
Cuerpo del informe Resultados Flujo lgico de informacin para el propsito de toma de decisiones. Limitaciones Apartado cuya finalidad es permitir al lector juzgar la validez. Entre las limitaciones se involucran las insuficiencias del muestreo.
D.R. Universidad TecMilenio Lzaro Crdenas #2610 Col. Del Paseo Residencial Monterrey, N.L., 2006
Conclusiones Relacin de los hallazgos de la investigacin con las necesidades de informacin, pueden formularse recomendaciones. Apndice Material no esencial, pero relacionado con el objeto de estudio, tal como formatos de recoleccin, detalles del plan de muestreo, estimativos, instrucciones, estadsticas.
Presentacin Oral
La clave para una presentacin eficaz es la preparacin. Cuidar el lenguaje corporal. Principio Dgales: 1) Dgales que va a decir. 2) Dgales. 3) Dgales que les dijo. Principio SIDI: Hgalo simple y directo. Antes de la presentacin Verificar equipo y material a utilizar. Tener un plan de contingencia en caso de falla de equipo. Analizar la audiencia, como ser la reaccin, se debe comenzar con ideas en comn. Practicar la presentacin varias veces.
D.R. Universidad TecMilenio Lzaro Crdenas #2610 Col. Del Paseo Residencial Monterrey, N.L., 2006
Durante la presentacin Empezar con una visin general. No dar la espalda a la audiencia. Evitar leer un guin, dirigirse a las personas. Utilizar notas para evitar olvidar algn punto y dar una secuencia ordenada a la presentacin. Utilizar apoyos visuales, simples y fciles de interpretar. Evitar poses o movimientos innecesarios. Evitar muletillas o modismos. Preguntar si quedo alguna duda (repetir la pregunta, no inventar respuestas, ser breve).
Bibliografa
Malhotra, Naresh. Investigacin de Mercados, un enfoque prctico. Mxico: Editorial Pearson Educacin 2004, (ISBN 970-26-0491-5). Mc Daniel, Carl. Investigacin de Mercados. Mxico: Editorial Thomson 2005, (ISBN 970-686-366-4). Kinnear, Thomas. Investigacin de Mercados, un enfoque aplicado. Mxico: Editorial Mc Graw Hill 1996, (ISBN 958-600-124-5).
Crditos:
D.R. Universidad TecMilenio Lzaro Crdenas #2610 Col. Del Paseo Residencial Monterrey, N.L., 2006