Documente Academic
Documente Profesional
Documente Cultură
1. Objetivos
Al finalizar la lectura de este captulo, el estudiante podr: Describir el concepto bsico y el panorama del anlisis de conglomerados, as como su importancia en la investigacin de mercados. Describir los estadsticos relacionados con el anlisis de conglomerados. Explicar el procedimiento para realizar el anlisis de conglomerados, que incluye: formulacin del problema, seleccin de una medida de distancia, seleccin de un procedimiento de agrupacin, as como decisin del nmero, interpretacin y perfil de los grupos. Describir el propsito y los mtodos para evaluar la calidad, confianza y validez de los resultados de los conglomerados. Describir las aplicaciones del agrupamiento no jerrquico y el agrupamiento de las variables.
2. Panorama General
El objetivo principal del anlisis de conglomerados es clasificar los objetos en partes relativamente homogneas con base en el conjunto de variables especficas. Los objetos en un grupo son relativamente similares en trminos de estas variables y difieren de los objetos en otros. Cuando se utiliza de esta manera, el anlisis de conglomerados es diferente al anlisis factorial ya que reduce el nmero de objetos, no el nmero de variables, al reunirlos en un nmero de grupos mucho menor. Este captulo describe el concepto bsico del anlisis de conglomerados. Los pasos que comprende la realizacin de este anlisis se estudiarn e ilustrarn en el contexto del conglomerado jerrquico. Despus, se presentar una aplicacin del conglomerado no jerrquico, seguida de un estudio del conglomerado de las variables.
3. Conceptos Bsicos
El anlisis de conglomerados consiste en un tipo de tcnicas que se utilizan para clasificar los objetos o casos en grupos relativamente homogneos llamados conglomerados. Los objetos en cada grupo tienden a ser similares entre s y diferentes a los objetos en otros grupos. Este anlisis se conoce tambin como anlisis de clasificacin o taxonoma
numrica. Nos ocupamos de los procedimientos de conglomerados que asignan cada objeto a un solo grupo. La Figura 4 muestra un caso de conglomerado ideal en el que los grupos se separan en dos variables: conciencia de calidad (variable 1) y susceptibilidad al precio (variable 2). Ntese que cada consumidor pertenece a un grupo y no existen reas que se superpongan. Por otra parte, la Figura 4 presenta el caso de una agrupacin que puede encontrarse en la realidad. Las fronteras de algunos de los grupos no estn definidas con claridad y la clasificacin de algunos consumidores no es obvia porque muchos de ellos podran agruparse en un grupo u otro.
Tanto el anlisis de conglomerados como el discriminante se ocupan de la clasificacin. Sin embargo, el anlisis discriminante requiere del conocimiento previo de participacin en el grupo de cada objeto o caso que se incluye, a fin de desarrollar la regla de clasificacin. Por el contrario, en el anlisis de conglomerados no hay informacin a priori acerca de la participacin en el grupo de ninguno de los objetos. Los datos sugieren los grupos y no se definen previamente. El anlisis de conglomerados se utiliza en mercadotecnia para diversos propsitos, entre los que se encuentran los siguientes: Segmentacin del mercado Por ejemplo, los consumidores pueden agruparse con base en los beneficios que buscan de la compra de un producto. Cada grupo consistir en consumidores relativamente homogneos en trminos de los beneficios que buscan. Este planteamiento se conoce como segmentacin de los beneficios. Comprensin del comportamiento del comprador El anlisis de conglomerados puede utilizarse para identificar grupos de compradores homogneos. As, el comportamiento de cada grupo puede estudiarse por separado. Este anlisis tambin se utiliza para identificar la clase de estrategias que los compradores de automviles emplean para obtener informacin externa. Identificacin de oportunidades para productos nuevos Al agrupar marcas y productos, pueden determinarse los conjuntos competitivos
dentro del mercado. Las marcas en el mismo grupo compiten ms entre s que con las de otros grupos. Una empresa puede analizar sus ofertas actuales en comparacin con aquellas de sus competidores a fin de identificar las oportunidades potenciales de los nuevos productos. Seleccin de mercados de prueba Al dividir las ciudades en grupos homogneos, es posible seleccionar ciudades comparables a fin de probar diversas estrategias de mercadotecnia. Reduccin de datos El anlisis de conglomerados puede utilizarse como instrumento de reduccin general de datos a fin de desarrollar subgrupos de datos que sean ms fciles de manejar que las observaciones individuales. El anlisis multivariante subsecuente se realiza con base en los subgrupos, en lugar de las observaciones individuales. Por ejemplo, para describir las diferencias en el comportamiento de uso del producto, primero pueden agruparse los consumidores. Las diferencias entre los conglomerados pueden estudiarse con el uso del anlisis discriminante mltiple.
Dendrograma Un dendrograma, o grfica de rbol, es un dispositivo grfico para presentar los resultados del conglomerado. Las lneas verticales representan los grupos que estn unidos. La posicin de la lnea en la escala indica las distancias en las que se unieron los grupos. El dendrograma se lee de izquierda a derecha. Distancias entre los centros de los grupos Indican cun separados estn los pares individuales de grupos. Los grupos muy separados son distintos y, por tanto, deseables. Diagrama de carmbano Es una representacin grfica de los resultados del conglomerado, se llama as porque se asemeja a una hilera de carmbanos que pende del alero de una casa. Las columnas corresponden a los objetos que se agrupan y los renglones corresponden al nmero de conglomerados. Un diagrama de carmbano se lee de abajo hacia arriba. La Figura 10 es un diagrama de carmbano. Matriz de coeficientes de distancia/similitud sta es una matriz de tringulo inferior que contiene las distancias en direccin pareada entre los objetos o casos.
Los datos obtenidos de una muestra de prueba a 20 entrevistados se presentan en la Figura 6. Ntese que en la prctica el conglomerado se realiza en muestras mucho mayores de 100 o ms. Se utiliz una muestra pequea para ilustrar el proceso.
Caso 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 6 2 7 4 1 6 5 7 2 3 1 5 2 4 6 3 4 3 4 2
V1 4 3 2 6 3 4 3 3 4 5 3 4 2 6 5 5 4 7 6 3
V2 7 1 6 4 2 6 6 7 3 3 2 5 1 4 4 4 7 2 3 2
V3 3 4 4 5 2 3 3 4 3 6 3 4 5 6 2 6 2 6 7 4
V4 2 5 1 3 6 3 3 1 6 4 5 2 4 4 1 4 2 4 2 7
V5 3 4 3 6 4 4 4 4 3 6 3 4 4 7 4 7 5 3 7 2
V6
La medida de similitud que se utiliza con mayor frecuencia es la distancia euclidiana o su cuadrado. La distancia euclidiana es la raz cuadrada de la suma de las diferencias cuadradas en los valores para cada variable. Tambin estn disponibles otras medidas de distancia. La distancia Manhattan o de Calles Urbanas entre dos objetos es la suma de las diferencias absolutas en los valores para cada variable. La distancia de Chebychev entre dos objetos es la diferencia absoluta mxima en los valores para cualquier variable. En nuestro ejemplo, utilizamos la distancia euclidiana cuadrada. Si las variables se miden en unidades muy diferentes, la solucin de la agrupacin tendr la influencia de las unidades de la medicin. En un estudio de compras en supermercados, las variables de actitud pueden medirse con base en una escala tipo Likert de nueve puntos; el patrocinio, en relacin con la frecuencia de visitas por mes y la cantidad de dlares gastados; y la lealtad de la marca, en trminos del porcentaje del gasto en compras de abarrotes destinado al supermercado favorito. En estos casos, antes de agrupar a los entrevistados, debemos estandarizar los datos al volver a colocar cada variable en una escala a fin de obtener una media de cero y una desviacin estndar de uno. Aun cuando la estandarizacin puede eliminar la influencia de la unidad de medicin, tambin es probable que reduzca las diferencias entre los grupos en las variables que pueden discriminar mejor los grupos o conglomerados. Es recomendable eliminar a las personas que mienten al responder (casos con valores atpicos). El uso de distintas medidas de distancia puede llevar a diversos resultados de conglomerado. Por consiguiente, se recomienda utilizar medidas diferentes y comparar los resultados. Despus de seleccionar una medida de distancia o similitud, podemos elegir un procedimiento de agrupacin.
Los mtodos de conglomerados se utilizan con frecuencia en la investigacin de mercados. Consisten en mtodos de enlace, mtodos de varianza o de sumas de los cuadrados de error y mtodos centroides. Los mtodos de enlace incluyen el enlace sencillo, el completo y el promedio. El mtodo de enlace sencillo se basa en la distancia mnima o la regla del vecino ms prximo. Los primeros dos objetos conglomerados son aquellos que tienen la menor distancia entre s. La siguiente distancia ms corta se identifica, ya sea que el tercer objeto se agrupe con los dos primeros o que se forme un nuevo conglomerado de dos objetos. En cada etapa, la distancia entre dos conglomerados es la distancia entre sus dos puntos ms prximos (vase Figura 8). En cualquier etapa, dos conglomerados surgen por el enlace sencillo ms corto entre stos. Este proceso contina hasta que todos los objetos se encuentren en un conglomerado. El mtodo del enlace sencillo no funciona adecuadamente cuando los conglomerados no estn bien definidos. El mtodo del enlace completo es similar al enlace sencillo, excepto que se basa en la distancia mxima o la estrategia del vecino ms lejano. En el enlace completo, la distancia entre dos conglomerados se calcula como la distancia entre sus puntos ms lejanos. El mtodo del enlace promedio funciona de manera similar, pero en este mtodo, la distancia entre dos conglomerados se define como el promedio de las distancias entre todos los pares de objetos, donde se encuentra un miembro del par de cada uno de los conglomerados (Figura 8). Como puede observarse, el mtodo del enlace promedio emplea la informacin sobre todos los pares de distancias, no slo las mnimas o mximas. Por esta razn, generalmente se prefiere a los mtodos de enlace sencillo y completo.
Los mtodos de varianza tratan de generar conglomerados a fin de reducir la varianza dentro de los grupos. Un mtodo de la varianza que se utiliza con frecuencia es el procedimiento de Ward. Para cada conglomerado, se calculan las medias para todas las variables. Despus, para cada objeto, se calcula la distancia euclidiana cuadrada para las medias de los grupos (Figura 9); estas distancias se suman a todos los objetos. En cada etapa, se combinan los dos conglomerados con el menor incremento en la suma total de los cuadrados de las distancias dentro de los conglomerados. En el mtodo centroide, la distancia entre dos grupos es la distancia entre sus centroides (medias para todas las variables), como se muestra en la Figura 9. Cada vez que se agrupan los objetos, se calcula un centroide nuevo.
De los mtodos jerrquicos, el mtodo de enlace promedio y el procedimiento de Ward han demostrado un mejor desempeo que los otros procedimientos. El segundo tipo de procedimientos de conglomerados, los mtodos de conglomerados no jerrquicos, con frecuencia se conocen como agrupacin de k medias. Estos mtodos incluyen el umbral secuencial, umbral paralelo y la divisin para la optimizacin. En el mtodo del umbral secuencial, se selecciona un centro de grupo y se agrupan todos los objetos dentro de un valor de umbral que se especifica previamente a partir del centro. Despus, se selecciona un nuevo centro o semilla de grupo y el proceso se repite para los puntos sin agrupar. Una vez que un objeto se agrupa con una semilla, ya no se considera para su conglomerado con semillas subsecuentes. El mtodo del umbral paralelo funciona de manera similar, excepto que varios centros de grupo se seleccionan simultneamente y los objetos dentro del nivel del umbral se agrupan dentro del centro ms prximo. El mtodo de divisin para la optimizacin difiere de los otros dos procedimientos de umbral en que los objetos pueden reasignarse posteriormente a otros grupos, a fin de optimizar un criterio general, como la distancia promedio dentro de los grupos para un nmero determinado de conglomerados.
Dos desventajas importantes de los procedimientos no jerrquicos son que el nmero de grupos debe especificarse previamente y que la seleccin de los centros de grupo es arbitraria. Adems, los resultados del conglomerado pueden depender de la forma en que se seleccionan los centros. Muchos programas no jerrquicos eligen los primeros k (k= nmero de grupos) casos sin valores faltantes como los centros de grupo iniciales. De manera que, los resultados del conglomerado pueden depender del orden de las observaciones en los datos. No obstante, el conglomerado no jerrquico es ms rpido que los mtodos jerrquicos y es apropiado cuando el nmero de objetos u observaciones es alto. Se ha sugerido que los mtodos jerrquicos y no jerrquicos se utilicen uno despus del otro. Primero, una solucin de conglomerado inicial se obtiene con el uso de un procedimiento jerrquico, como el enlace promedio o el de Ward. Las cantidades de grupos y centroides de grupo que se obtienen de esta forma se utilizan como entradas para el mtodo de divisin para la optimizacin.
La eleccin de un mtodo de conglomerado y la eleccin de una medida de distancia estn interrelacionadas. Por ejemplo, las distancias euclidianas cuadradas deben utilizarse con los mtodos de Ward y centroide. Varios procedimientos no jerrquicos emplean tambin las distancias euclidianas cuadradas. Otra parte importante de los resultados se encuentra en el grfico de carmbano de la Figura 10. Las columnas corresponden a los objetos que se agrupan; en este caso, son los entrevistados asignados del 1 al 20. Los renglones corresponden al nmero de grupos. Esta figura se lee de abajo hacia arriba. Primero, todos los casos se consideran como grupos individuales. Ya que hay 20 entrevistados, existen 20 grupos iniciales. En el primer caso, se combinan los dos objetos ms cercanos, y como resultado se obtienen 19 grupos. La ltima lnea de la Figura 10 muestra estos 19 grupos. Los dos casos, entrevistados 14 y 16, que se combinan en esta etapa no tienen ningn espacio en blanco que los separe. El rengln nmero 18 corresponde a la etapa siguiente, con 18 grupos. En esta etapa, los entrevistados 2 y 13 se agrupan. De esta manera, en esta etapa hay 18 grupos; 16 consisten en entrevistados individuales y dos contienen dos entrevistados cada uno. Cada paso subsecuente lleva a la formacin de un nuevo grupo en una de estas tres formas: Se agrupan dos casos individuales. Un caso se une a un grupo ya existente. Se unen dos grupos.
Las consideraciones tericas, conceptuales o prcticas pueden sugerir un nmero determinado de grupos. Por ejemplo, si el propsito de la agrupacin es identificar los segmentos del mercado, es probable que la gerencia quiera un nmero de grupos en particular. En el conglomerado jerrquico, las distancias en las que los grupos se combinan pueden utilizarse como criterios. Esta informacin puede obtenerse del programa de aglomeracin o del dendrograma. En la agrupacin no jerrquica, la relacin de la varianza total dentro de los grupos con varianza entre los grupos puede trazarse en comparacin con el nmero de stos. El punto donde ocurre un recodo o un doblez marcado indica un nmero apropiado de grupos. Generalmente, no vale la pena aumentar el nmero de grupos ms all de este punto.
Divida los datos a la mitad en forma aleatoria. Realice el conglomerado por separado en cada mitad. Compare los centroides de grupo en las dos submuestras. Elimine las variables en forma aleatoria. Realice la agrupacin con base en el conjunto reducido de variables. Compare los resultados basados en el conjunto completo con los que obtuvo al realizar el conglomerado. En el conglomerado, no jerrquico, la solucin puede depender del orden de los casos en el conjunto de datos. Lleve a cabo corridas mltiples y utilice distintos rdenes de los casos hasta que la solucin se estabilice.
7. Variables Conglomeradas
En ocasiones, el anlisis de conglomerados se utiliza tambin para identificar grupos homogneos. En este caso, las unidades que se utilizan para el anlisis son las variables y las medidas de distancia que se calculan para todos los pares de variables. Por ejemplo, el coeficiente de correlacin, ya sea el valor absoluto o con el signo, puede usarse como medida de similitud (la opuesta a la distancia) entre las variables. El conglomerado jerrquico de las variables puede ayudar en la identificacin de variables nicas, o variables que hacen una contribucin nica a los datos. El conglomerado puede emplearse tambin para reducir el nmero de variables. Una combinacin de variables en el conglomerado, que se conoce como componentes de conglomerado, se encuentra asociado con cada conglomerado. Frecuentemente, un conjunto grande de variables puede reemplazarse con el conjunto de componentes de conglomerado con poca prdida de informacin. No obstante, un nmero determinado de componentes de conglomerado no explica tanta varianza como el mismo nmero de componentes principales. Entonces, por qu debe utilizarse el conglomerado de las variables?. Por lo regular, los componentes de los conglomerados son ms fciles de interpretar que los principales, incluso si estos ltimos se giran.