Upload
luis-alfonso-perez-romero
View
103
Download
1
Embed Size (px)
Citation preview
Metodología de la investigación en una página
Todos los derechos de este modelo son propiedad de
COMEVE ASOCIADOS SA DE CV.
Elaborado y diseñado por:
• Dr. Luis Alfonso Pérez Romero PhD.• Lic. Lucía Cristina Lizcano Flórez
INVESTIGACIÓN EN UNA PÁGINA
OBJETIVOS:
Integrar en una página el proceso de investigación y desarrollar el pensamiento sistémico y holístico que requiere todo proyecto y disminuir los errores en el proceso de la investigación que comúnmente se presentan.
Dr. Luis Alfonso Pérez Romero
INVESTIGACIÓN EN UNA PÁGINA
ANTECEDENTES
Es una herramienta de trabajo previamente validada durante un período de 9 años en varios proyectos de investigación de mercados e investigación aplicada con empresas e instituciones educativas y agencias de investigación de mercados de España, Alemania, México, El Salvador, Panamá, Colombia y Bolivia.
Dr. Luis Alfonso Pérez Romero
INVESTIGACIÓN EN UNA PÁGINABENEFICIOS:El beneficio que se obtendrá con esta herramienta será percibido de manera inmediata por las partes involucradas en el proyecto de investigación:•Limpieza en el diseño de la investigación.•Cuestionario adecuadamente diseñado.•Muestra representativa.•Diseño estadístico acorde al proyecto.•Conclusiones y recomendaciones coherentes.
Dr. Luis Alfonso Pérez Romero
Hechos adquiridos a través de la observación.Ir de lo particular a lo general
Leyes y teorías
Predicciones y explicaciones
NÓ
IC
CU
DN
I
DE
DU
CC
IO
N
Chalmers, Alan, ¿Qué es esa cosa llamada ciencia?, Editorial Siglo XXI, Méxicopp17
Derivación de enunciados a partir de otros enunciados apoyados de la disciplina de la lógica. Ir de lo general a lo particular.
MÉTODO INDUCTIVO/DEDUCTIVO
Dr. Luis Alfonso Pérez Romero
EVOLUCIÓN DEL MÉTODO INDUCTIVO/DEDUCTIVO
Hechos adquiridos a través de la observación y de la experiencia: empirismo e inductivo-deductivo, hipotético y cuantitativo (Positivismo de Aristoteles, Kepler, Galileo, Descartes, Newton, Locke, Kant, Saint Simon, Comte, Stuar Mill, Hume, Bacon, Popper, Kuhn, Feyerabend y Lakatos: explicación causal de los hechos o galileana)
Leyes y teorías
Predicciones y explicaciones
IND
UC
CIO
ND
ED
UC
CIO
ÓN
CIENTIFICIDAD POSITIVISTA
MONISMOMETODOLÓGICO
Y OBJETIVO
DOCTRINA HOMOGÉNEA
MODELO CIENCIAS DURAS
EXPLICACIÓN
PREDICCIÓN
Dr. Luis Alfonso Pérez Romero
Dr. Luis Alfonso Pérez Romero
VARIABLES EN LAS INVESTIGACIONES
Variables independientes
(Causas)
Variables dependientes
(Efectos)
Mezcla de mercadeo (controlable) Respuesta de comportamiento
1. Decisiones de precios
2. Decisiones de promociones
3. Decisiones de distribución
4. Decisiones de productos
1. Conocimiento
2. Comprensión
3. Gusto
4. Preferencia
5. Intención de compra
6. Compra
1. Demanda
2. Competencia
3. Legal/Político
4. Clima económico
5. Tecnológico
6. Regulación gubernamental
7. Recursos internos de la organización
Factores situacionales (no controlables)
1. Ventas
2. Participación de mercado
3. Costo
4. Ganancia
5. Rendimiento sobre la inversión
6. Flujo de caja
7. Ingresos / acción
8. Imagen
Medidas del desempeño
Modelo: sistema de mercadeo
Propias de los individuos (Demográficas)
Actitud/Preferencias (Psicográficas)
Kinnear Thomasy otro, Investigación de Mercados, 4 Edición, Mcgraw-Hill, 1993, pp. 12-13
INVESTIGACIÓN EN UNA PÁGINA
- IDEA
- TEMA
- PLANTEAMIENTO
DEL PROBLEMA
- OBJETIVOS
- HIPÓTESIS
- DISEÑO DE LA INVESTIGACIÓN
- CRONOGRAMA DE ACTIVIDADES
FUENTES DE INFORMACIÓN
TIPO DE INVESTIGACIÓN
- Exploratoria
- Descriptiva
- Causal
- Según el tiempo
- U..A.
- V.D.
- V.I. (s)
- V. EXTRAÑAS
ESPACIO Y TIEMPO
a) Primarias
b) Secundarias
a) Cualitativa
b) Cuantitativa
VARIABLES:
1.- VARIABLES DEPENDIENTES
V. D.
2.- VARIABLES INDEPENDIENTES
V. I.
DEFINIR
VARIABLES:
•TEORÍA
•CONCEPTOS FUNDAMENTADOS
MENSURABILIDAD
ESCALAS DE MEDICIÓN:
- NOMINAL
- ORDINAL
- INTERVALAR
- RAZÓN
HIPÓTESIS:
• Ho• Ha
•y
• x1
x2
x3
.
.•Tantas hipótesis como variables dependientes e independientes
MEDIO O METODOLOGÍ
A
Observación•Entrevistas•Sesiones de grupo•Técnicas proyectivas.•Experimento.•Paneles•Encuestas:
(FORMATO DE PREGUNTA - RESPUESTA)
• VALIDEZ
•CONFIABILI-DAD
MUESTRA:/TRABAJO DE
CAMPO
•MARCO MUESTRAL
•SELECCIÓN DE LA MUESTRA
•PROCEDIMIENTO MUESTRAL
•REPRESENTATIVID DE LA MUESTRA•TRABAJO DE CAMPO•CAPACITACIÓN•SUPERIVISIÓN•VALIDEZ Y CONFIABILIDAD
DISEÑO ESTADÍSTICO:
• DESCRIBIR
a) Centralidad
b) Dispersión
•INFERIR
a) Paramétricas
b) No paramétricas
•RELACIÓN
•REGRESIÓN
•Ji CUADRADA
•ANOVA
•FACTOR
ANÁLISIS
•ANÁLISIS DISCRIMANTE
CONCLUSIONES
Dr. Luis Alfonso Pérez Romero
Dr. Luis Alfonso Pérez Romero
- IDEA
- TEMA
- PLANTEAMIENTO DEL PROBLEMA
- OBJETIVOS
- HIPÓTESIS
- DISEÑO DE LA INVESTIGACIÓN
- CRONOGRAMA DE ACTIVIDADES
FUENTES DE INFORMACIÓN
a) Primarias
b) Secundarias
TIPO DE INVESTIGACIÓN:
- Exploratoria
- Descriptiva
- Causal
- Según el tiempo:
longitudinal o transversal
a) Cualitativa
b) Cuantitativa
- Unidad de análisis.
- Variable dependiente
- Variables Independientes
- Variables extrañas o intervinientes
- Espacio y tiempo.
INVESTIGACIÓN EN UNA PÁGINA
PLANTEAMIENTO DEL PROBLEMA
PLANTEAMIENTO DEL PROBLEMA
- ¿ ?, PREGUNTA
- UNIDAD DE ANÁLISIS
- VARIABLE DEPENDIENTE
- VARIABLES INDEPENDIENTES
- VARIABLES EXTRAÑAS O INTERVINIENTES
- ESPACIO
- TIEMPO: Longitudinal / transversal
Dr. Luis Alfonso Pérez Romero
HIPÓTESIS
• HIPÓTESIS NULA
•HIPÓTESIS ALTERNA
¿CUÁNTAS HIPÓTESIS DEBE TENER EL TRABAJO DE INVESTIGACIÓN?
TANTAS HIPÓTESIS COMO VARIABLES DEPENDIENTES E INDEPENDIENTES
Ho
Ha
Dr. Luis Alfonso Pérez Romero
INVESTIGACIÓN EN UNA PÁGINA: HIPÓTESIS
HIPÓTESIS:
• Ho• Ha
y
x1
x2
x3
.
.
.
Tantas hipótesis como variables dependientes e independientes tenga el trabajo de investigación.
Dr. Luis Alfonso Pérez Romero
PROPUESTA DEL PROYECTO DE INVESTIGACIÓN
•Antecedentes
• Planteamiento del problema
•Objetivos
•Hipótesis
•Marco teórico
•Metodología de la investigación
•Diseño de la investigación
•Trabajo de campo
•Análisis y resultados
•Conclusiones
•Cronograma de actividades
•Limitaciones
Dr. Luis Alfonso Pérez Romero
Dr. Luis Alfonso Pérez Romero
Dr. Luis Alfonso Pérez Romero
DISEÑO DEL INSTRUMENTO DE MEDICIÓN: CUESTIONARIO
Variable Definición Mensurabilidad Items Evaluación Validez Confiabilidad
Dependientes Teoría y/o Conceptos con su respectivo pie de página
Seleccionar una de las 4 escalas de medición: NominalOrdinalIntervalar Razón
Diseño de la pregunta
RedacciónEscala de mediciónRelación con hipótesisRelación con objetivos1= Muy mal2= Mal3= Bien4= Muy bien
De contenidoDe ConstructoConvergenteConcurrenteDiscriminatoria
De constructo por factor análisis Alfa de Cronbachs
Independientes Teoría y/o Conceptos con su respectivo pie de página
Seleccionar una de las 4 escalas de medición: NominalOrdinalIntervalar Razón
Diseño de la pregunta
RedacciónEscala de mediciónRelación con hipótesisRelación con objetivos1= Muy mal2= Mal3= Bien4= Muy bien
De contenidoDe ConstructoConvergenteConcurrenteDiscriminatoria
De constructo por factor análisis Alfa de Cronbachs
Dr. Luis Alfonso Pérez Romero
VALIDEZ
CONFIABILIDAD
CONTENIDO
PREDICTIVA
CONCURRENTE
CONSTRUCTO
CONVERGENTE
DISCRIMINATORIA
ESTABILIDAD
EQUIVALENCIA
VALIDEZ Y CONFIABILIDAD
Dr. Luis Alfonso Pérez Romero
INVESTIGACIÓN EN UNA PÁGINA: MUESTRA
•MARCO MUESTRAL
•SELECCIÓN DE LA MUESTRA
•PROCEDIMIENTO MUESTRAL
•REPRESENTATIVIDAD DE LA MUESTRA
Dr. Luis Alfonso Pérez Romero
PENSAMIENTO HACIA LA SELECCIÓN DE LA MUESTRA
• La población es: finita
infinita• Qué conocemos de la población:
La media y varianza
La proporción
•Distribución normal o binomial de la población.• Cuantas variables tenemos contempladas en nuestro cuestionario.• Cuántos son nuestros recursos:
Humanos
Económicos• Qué nivel de confianza y error queremos manejar.
DETERMINAR TAMAÑO DE LA MUESTRA
•MARGEN DE ERROR
√ P (1-P)/nE = Z σ
√nZE =
Margen de Error: Media de la población +/- margen de error
Z
Dr. Luis Alfonso Pérez Romero
DETERMINAR TAMAÑO DE LA MUESTRA
•POBLACIÓN INFINITA
n = 2
E 2
Z 2 n = P (1-P)
E 2
Z 2
Weiers, Ronald, Investigación de Mercados, Prentice-Hall, México, 1986 pp.118-125
DETERMINAR TAMAÑO DE LA MUESTRA
•POBLACIÓN FINITA
n = 2
E 2 + 2
Z 2 N
n = P (1-P)
E 2 + P (1-P)
Z 2 N
Weiers, Ronald, Investigación de Mercados, Prentice-Hall, México, 1986 pp.118-125
MUESTRO ESTRATIFICADO DESPROPORCIONAL
n A
n B
n C
= n NA A
( NA A + NB B + NC C + ......... )
= n NB B
= n NC C
( NA A + NB B + NC C + ......... )
( NA A + NB B + NC C + ......... )
Weiers, Ronald, Investigación de Mercados, Prentice-Hall, México, 1986 pp.118-125
MUESTREO POR CONGLOMERADOS
SE SELECCIONA ALEATORIAMENTE UNA MUESTRA DE GRUPOS EN LA POBLACIÓN, (Por ejemplo: A,,C,E y H.
A
B C
D
HG F
E
A
H
C
E
MUESTRA O CENSO
MUESTRA O CENSO
MUESTRA O CENSO
MUESTRA O CENSO
MUESTRA TOTAL
A diferencia del muestreo estratificado, en el cual todos los estratos se muestrean, el muestreo por conglomerado supone un hecho con una muestra de los estratos de la población
Dr. Luis Alfonso Pérez Romero
MÉTODOS DE MUESTREO PROBABILÍSTICO Y NO PROBABILÍSTICO
MÉTODO PROBABILÍSTICO
MÉTODO NO PROBABILÍSTICO
Muestra aleatoria simple
Sistemático
Estratificado Proporcional y desproporcional
Conglomerados
De áreas
Polietápico
De conveniencia
Con fines especiales
Por cuotas
De juicio
Dr. Luis Alfonso Pérez Romero
ANÁLISIS DE REPRESENTATIVIDAD DE LA MUESTRA
Pruebas estadísticas apropiadas para definir si la muestra es representativa de la población:
ASOCIADAS A UNA DISTRIBUCIÓN NORMAL• La t de Student: para una muestra, para dos muestra relacionadas y para dos muestras independientes.•La prueba z.•ASOCIADAS A UNA DISTRIBUCIÓN BINOMIAL•Prueba de la binomial con probabilidades iguales en los dos grupos.•Prueba de la Ji cuadrada para una muestra.•Prueba de la mediana.
Dr. Luis Alfonso Pérez Romero UNINORTE
Descripción del intervalo de confianza para:
MEDIA
N > 30?
No Sí
El intervalo de confianza es:
X t s / n
El intervalo de confianza es:
X Z s / n
PROPORCIÓN
El intervalo de confianza es:
P Z P(1-P)/n
Weiers, Ronald, Investigación de Mercados, Editorial Prentice Hall, 1986 p..372
Dr. Luis Alfonso Pérez Romero
ESQUEMA CUANDO SE COMPARA LA DIFERENCIA ENTRE DOS MEDIAS O PROPORCIONES MUESTRALES
Se acepta la hipótesis nula si el estadístico de la prueba cae dentro de esta región
Se rechaza la hipótesis nulaSe rechaza la hipótesis nula
Área BÁrea A
Valor crítico Valor críticoValor teórico de la diferencia
Área A= área B y (A +B) = el nivel deseado de significancia
Dr. Luis Alfonso Pérez Romero
DIFERENCIAS ENTRE PROPORCIONES MUESTRALES
S (P1 - P2) P (1-P) 1 + 1
n1 n2
P = n1P1 + n2 P2
n1 + n2
Valor crítico= 0 + Z (S (P - P))
Valor observado= P1 - P2
DIFERENCIAS ENTRE PROPORCIONES MUESTRALES
n1 = 500 n2 = 300
P1=200/500 = .40 p2 = 150/300 = .50
S (P1 - P2) = .43 (1-.43) (1/500+1/300)
= .0362
P = (500).*.40) + (300 * .50)) / 500 + 300
= .43
Valor crítico = 0 +( 1.96 ) ( .0362) = .071
Valor observado = .40 - .50 = -.10
Dr. Luis Alfonso Pérez Romero
DIFERENCIAS ENTRE DOS PROPORCIONES
MUESTRALES
Se acepta la hipótesis nula
Se rechazaSe rechaza
Área= .025Área= .025
Diferencia observada entre las proporciones muestrales
= (.40 - .50)= -.10
Valor crítico = -.071
Z= 1.96 Z= 1.96
Valor crítico = .071
0
(P1 -P2)= 0
S(P1-P2)= .0362
Dr. Luis Alfonso Pérez Romero
DIFERENCIAS ENTRE DOS MEDIAS
MUESTRALES
n 30
S (X1 - X2)= (S1 )² / n1 + ( S2)² / n2
Valor crítico= 0 ± Z (S (X1 - X2))
Valor observado= X1 - X2
Dr. Luis Alfonso Pérez Romero
DIFERENCIAS ENTRE DOS MEDIAS
MUESTRALES n 30X1 = 14,500, S1 = 3,200 n1 = 35
X2 = 13,450, S2 = 1,950, n2= 40
S (X1 - X2)= (3,200)² /35 + (1,950)² /40 = 622.6Km
Valor crítico = 0 ± (1.96) ( 622.6) = 1,220.3
Valor observado = 14,500 - 13,450 = 1050
Dr. Luis Alfonso Pérez Romero
DIFERENCIAS ENTRE DOS MEDIAS
MUESTRALES
Se acepta la hipótesis nula
Se rechazaSe rechaza
Área= .025Área= .025
Valor crítico = -1220.3
Z= 1.96 Z= 1.96
Valor crítico = 1220.3
0
(X1 -X2)= 0
S(X1-X2)= 622.6 MILLAS
1050= diferencia entre las medias
Dr. Luis Alfonso Pérez Romero
TRABAJO DE CAMPO
1. SELECCIÓN DEL PERSONAL2. CAPACITACIÓN3. LOGÍSTICA DEL TRABAJO DE CAMPO4. ADMINISTRACIÓN5. SUPERVISIÓN6. VALIDEZ Y CONFIABILIDAD
Dr. Luis Alfonso Pérez Romero
INVESTIGACIÓN EN UNA PÁGINA: DISEÑO ESTADÍSTICO
DISEÑO ESTADÍSTICO:
• DESCRIBIR
•INFERIR
•RELACIÓN
•REGRESIÓN
•Ji CUADRADA
•ANOVA
•FACTOR ANÁLISIS
•ANÁLISIS DISCRIMANTE
a) CENTRALIDAD
b) DISPERSIÓN
a) PARAMÉTRICAS
b) NO PARAMÉTRICAS
Dr. Luis Alfonso Pérez Romero
ANÁLISIS DE LA INFORMACIÓN
Hay 3 preguntas que ayudan al investigador a identificar la técnica estadística adecuada:
1.- ¿Cuantas variables deben analizarse al mismo tiempo?
2.- ¿Quiere contestar preguntas descriptivas o inferenciales?
3.- ¿ Cuál es el nivel de medición (nominal, ordinal, intervalos o razón) en cada variable (s) de interés?
INVESTIGACIÓN EN UNA PÁGINA: DISEÑO ESTADÍSTICO
Dr. Luis Alfonso Pérez Romero
PROCEDIMIENTOS UNIVARIADOS
INTERVALAR Y
RAZÓN
NOMINAL¿CUÁL ES LA ESCALA DE
MEDICIÓN DE LA VARIABLE?
DESCRIPTIVA ORDINAL
A. MEDIA
B. DESVIACIÓN ESTANDAR
A. MEDIANA
B. RANGO INTERCUARTÍLICO
A. MODA
B. FRECUENCIAS RELATIVAS Y ABSOLUTAS
INFERENCIAL
PRUEBA Z Y PRUEBA T PRUEBA KOLMOGOROV-SMIRNOV
PRUEBA Ji CUADRADA
Kinnear, Thomas y otro, Investigación de Mercados, McGraw-Hill, 1993 pp.509-528
Dr. Luis Alfonso Pérez Romero
PROCEDIMIENTOS BIVARIADOS
2 VARIABLES DE INTERVALO Y
RAZÓN
2 VARIABLES NOMINALES¿CUÁL ES LA ESCALA DE
MEDICIÓN DE LA VARIABLE?
DESCRIPTIVA
COEFICIENTE DE CORRELACIÓN LINEAL
REGRESIÓN SIMPLE
COEFICIENTE DE CORRELACIÓN
RANGO GAMMA TAO
COEFICIENTE DE CONTINGENCIA LAMBDA
INFERENCIAL
PRUEBA T SOBRE EL COEFICIENTE DE REGRESIÓN. PRUEBAS Z Y PRUEBA T SOBRE LA DIFERENCIA ENTRE LAS MEDIAS
RUEBA DEL SIGNO.
PRUEBA U DE MANN WHITNEY
PRUEBA KOLMOGOROV-SMIRNOV
PRUEBA Ji CUADRADA
2 VARIABLES ORDINALES
Kinnear, Thomas y otro, Investigación de Mercados, McGraw-Hill, 1993 pp.531-567
Dr. Luis Alfonso Pérez Romero
MÉTODOS MULTIVARIADOS
¿ALGUNAS VARIABLES DEPENDEN DE OTRAS?SÍ
NO
MÉTODOS DE DEPENDENCIA
CUANTAS VARIABLES SON DEPENDIENTES
>1 ESCALA DE VARIABLES DEPENDIENTES
INTERVALO1
ESCALA DE VARIABLES INDEPENDIENTES
ESCALA DE VARIABLES DEPENDIENTES
INTERVALO ORDINAL NOMINAL NOMINALINTERVALO
ESCALA DE VARIABLES
INDEPENDIENTES
ESCALA DE VARIABLES
INDEPENDIENTES
ESCALA DE VARIABLES
INDEPENDIENTES
CORRELACIÓN CANÓNICA
ANÁLISIS MULTIVARIADO DE VARIANZA
INTERVALO ORDINALNOMINAL NOMINALINTERVALO
REGRESIÓN MÚLTIPLE
ANÁLSIS DE COVARIANZA Y VARIANZA
MEDICIÓN ADJUNTA
ANÁLISIS DISCRIMINATORIO
ANÁLISIS DISCRIMINATORIO
DE VARIABLE NOMINAL
REGRESIÓN MÚLTIPLE DE
VARIABLE NOMINAL
DETECTOR AUTOMÁTICO
DE INTERACCIÓN
MÉTODOS DE INTERDEPENDENCIA
SON LAS VARIABLES DE ESCALA DE INTERVALO O MÁS FUERTES
SÍ
NO
ANÁLISIS FACTORIAL
ANÁLISIS CONGLOMERADO
ESCALA MULTIDEMENSIONAL
MÉTRICA
ESCALA MULTIDEMENSIONAL
NO MÉTRICA
ANÁLISIS DE ESTRUCTURA
LATENTE
Weiers, Ronald, Investigación de Mercados, Editorial Prentice Hall, 1986 p..372
Dr. Luis Alfonso Pérez Romero
CORRELACIÓN
GRADO DE ASOCIACIÓN ENTRE DOS VARIABLES
ESTATURA PESO
LA CORRELACIÓN VARIA:- RESPECTO A SU FUERZA- RESPECTO A SU DIRECCIÓN
y
x
+
Dr. Luis Alfonso Pérez Romero
+ 1.00 Correlación positiva perfecta+ 0.95 Correlación positiva fuerte
CORR. + 0.50 Correlación positiva moderada+ 0.10 Correlación positiva débil
0.000 Ninguna correlación
- 0.10 Correlación negativa débil- 0.50 Correlación negativa moderada
CORR. - 0.95 Correlación negativa fuerte- 1.00 Correlación negativa perfecta
Requisitos:
1. Una relación línea l2. Datos de razón o de intervalos3. Muestreo aleatorio4. Distribución normal de las variables X y Y en la población
COEFICIENTE DE CORRELACIÓN
Dr. Luis Alfonso Pérez Romero
y
x
yPrejuicios
Años de estudios
No. de hijos
Bajo Alto Status Socio-económico
Dr. Luis Alfonso Pérez Romero
r = N Exy - (Ex) (Ey)
( NEx2 - (Ex)2) ( NEy2 - (Ey)2)
FORMULA PARA CALCULAR LA r DE PEARSON
r= El coeficiente de correlación de Pearson
N= El coeficiente total de pares de puntajes X y Y
x= Puntaje en la variable X
y= Puntaje en la variable Y
x
12
10
6
16
8
9
12
Ex= 73
x2
144
100
36
256
64
81
144
Ex2= 825
y
12
8
6
11
10
8
11
Ey= 66
y2
144
64
36
121
100
64
121
Ex2= 650
xy
144
80
36
176
80
72
132
Ex2= 7200
r= 0.75
N= 7
E=
Dr. Luis Alfonso Pérez Romero
Prueba de independencia de 2 variables nominales
Análisis de la Ji cuadrada
Comparación de 2 o más proporciones muestrales
ANÁLISIS DE LA Ji CUADRADA
Dr. Luis Alfonso Pérez Romero
ANÁLISIS DE LA Ji CUADRADA
Siempre que los datos estén en escala nominal hay 3 tipos de aplicación:
1. Prueba de la independencia de dos variables nominales
2. Comparación de dos o más proporciones muestrales
3. Comparación de una tabla de frecuencia real con otra teórica
Compara una tabla de datos reales vs teórico que supone la veracidad de cierta hipótesis; después se decide si la discrepancia entre las otras tablas es suficiente para aceptar o rechazar la Ho.
- Inicia con tabulación cruzada de dos variables, formulación Ho.
- Tabla de frecuencia observada.
- Se guiará la tabla frecuencia teórica (con los mismos totales de renglones y columnas)que supone que las variables son independientes.
- Se calcula el estadístico X2
- Se calcula el valor crítico, nivel de significancia y grados de libertad.
- Si X2c X2
t al nivel de significancia fijado, se rechaza Ho y se puede concluir que las variables están relacionadas
Dr. Luis Alfonso Pérez Romero
ANÁLISIS DE LA VARIANZA (ANOVA)
Es un método analítico que nos permite comparar 2 o más medias muestrales al mismo tiempo.
Distribución F
- Ho. Todas las muestras provienen de la misma población (de las poblaciones con medias iguales)
Ho= 1 = 2 = 3
- Si las de la población son realmente iguales, entonces, la variabilidad entre las muestras debe ser aproximadamente igual a la variabilidad dentro de las muestras.
- Si las de la población no son iguales, la variabilidad entre las muestras deben ser diferentes que en la variabilidad dentro de las muestras.
Pasos:
1. Ho: 1 = 2 = 3 . . . k, las medias de la población son iguales en los 3 casos.
2. Se calculan las medias de la columna X.
3. Se calcula la gran media X
4. Variación entre columnas (suma de cuadrados entre columnas)
5. Media cuadrada entre columnas
Suma de cuadrados entre columnas (4) = Vi= No. de columnas - 1
V1
Dr. Luis Alfonso Pérez Romero
6. Media cuadrada dentro de columnas (41)
7. Valor acumulado de F:
Media cuadrada entre columna
Media cuadrada dentro columna
8. Se determina el valor crítico de F, para nivel de significancia de 2.
V1= Dos grados de libertad
V2= Seis grados de libertad
9. Si Fc > F, leída en tablas, se rechaza Ho, las medias de la población no son iguales; las medias de los tres tratamientos de anuncios difieren de manera significativa entre sí con el nivel de 0.05.
ANÁLISIS DE LA VARIANZA (ANOVA)
Analizar comparar medias ANOVA de un factor: Seleccione una o más variables dependiente y seleccione una sola variable independiente nominal. Botón contraste: Seleccionar polinómico (contrasta la existencia de tendencia en la variable dependiente a través de los niveles ordenados de la variable nominal; puede seguir un orden polinómico 1, 2, 3, 4 y etc.). Post hoc: (comparaciones múltiples por parejas de variables, permite determinar que medias difieren) duncan y tukey opciones: Seleccionarlos todos menos excluir caso según lista.
Dr. Luis Alfonso Pérez Romero
ANÁLISIS DE LA VARIANZA PARA EL SPSS
Análisis de un factor
Interpretación: •Si la significancia del estadístico de Levene es menor o igual a .05 se rechaza la hipótesis nula de igualdad de varianza en los grupos.•En la tabla ANOVA si la significancia de los valores F de la varianza son menor o igual a .05 se rechaza la hipótesis nula de igualdad de medias. •Análisis de la tabla de comparaciones múltiples prueba Post hoc: Nos muestra con “*” las medias significativas.
Cesar, Pérez, Estadística para el spss, Pearson Prentice Hall, España, pp 480-482
MLG Univariante (proporciona un análisis de regresión y un análisis de varianza) para una variable dependiente mediante uno o más factores y/o variables. La covarianza si es de signo positivo nos muestra que las variables varian en el mismo sentido alrededor de sus medias y negativo si la variación de las variables tiene lugar en sentido contrario.
Analizar modelo lineal general univariante: seleccione variable dependiente, seleccione variables para factores fijos, factores aleatorios y covariables, en modelo: seleccionar factorial completo; continuar en opciones: seleccionar estimación de los parámetros. En gráficos seleccionar la variable del factor fijo y la el factor aleatorio. En opciones seleccionar los factores fijos y aleatorios y pasarlos a la ventana: mostrar las medias para; seleccionar Bonferroni y seleccionar todos los estadísticos
Dr. Luis Alfonso Pérez Romero
ANÁLISIS DE LA VARIANZA Y COVARIANZA PARA EL SPSS:
Análisis en “n” números de factores con covariables : procedimiento MLG Univariante y Multivariante
Cesar, Pérez, Estadística para el spss, Pearson Prentice Hall, España, pp 480-482
MLG Multivariante, (proporciona un análisis de regresión y un análisis de varianza) para variables dependientes múltiples por una o mas variables de factor y covariables. Para el análisis de regresión las variables independientes son las covariables.
Analizar modelo lineal general multivariante: seleccione dos variables dependientes, seleccione factores fijos y covariables. Los botones funcionan como en MLG Unvariante.
Dr. Luis Alfonso Pérez Romero
ANÁLISIS DE LA VARIANZA PARA EL SPSS:
Análisis en “n” números de factores con covariables : procedimiento MLG Multivariante
Interpretación:•La prueba de BOX rechaza la hipótesis nula de que las matrices de covarianza observadas de las variables dependientes son iguales en todos los grupos.•El contraste de Levene prueba la hipótesis nula de que la varianza error de la variable dependiente es igual a lo largo de todos los grupos.•En la tabla de contrastes multivariados se puede ver la significancia y los valores F para ajustar el modelo.•En la tabla de pruebas de los efectos inter-sujetos podemos ver el estadístico F y su nivel de significancia y el valor de la R cuadrada.•En la tablas de contrastes multivariado y univariado se debe observar la significancia que indica si el ajuste del modelo si es bueno.
Cesar, Pérez, Estadística para el spss, Pearson Prentice Hall, España, pp 480-482
Dr. Luis Alfonso Pérez Romero
ANÁLISIS DE REGRESIÓN LINEAL SIMPLE Y MULTIPLE
Pretende explicar el comportamiento de la variable “Y” (dependiente) por los valores de las variables “X” (independientes). Se apoya en la ecuación de la recta: Y=bo+b1X1+b2X2+Error.
Los coeficientes b1, b2, etc., muestran la magnitud del efecto de cada variable independiente sobre la dependiente. Se debe ordenar de mayor a menor nivel de impacto o de importancia de c/u de las variables “X” sobre la “Y”
El coeficiente bo, se conoce como término constante dentro del modelo.
HIPÓTESIS ESTADÍSTICAS A CONTRASTAR:
1. Ho: R²=0: los valores van de 0 a 1, mide el porcentaje de variación de la variable “Y” atribuibles a la variación de las variables “X”. La “t” contrasta la hipótesis de relación lineal entre las variables.
2. Ver la autocorrelación por Durbin Watson, Wallis, h-Durbi, Brensch-Godfrey y Cochrane-Orentt. La presencia de autocorrelación suele solventarse con el método de Cochrane-Orentt o mediante la introducción de variables Dummy. Otros métodos es con Durbin y el procedimiento Prais-Winsten. Si Durbin Watson, vale 0 hay autocorrelación perfecta positiva y si es 4 hay autocorrelación pefecta negativa; lo ideal es que el valor se aproxime a 2, mostrando así la no autocorrelación.
3. Matriz de correlación y Modelo de regresión: se puede ver que las variables independientes con alta correlación nos dan idea de probable multicolinealidad. Se sugiere sacar del modelo la variable que menos afecte al modelo. El modelo Y=bo+b1X1+b2X2+Error.
4. Coeficiente de regresión parcial: ver el peso relativo de c/u de las variables dependientes en el modelo discriminante.
5. Prueba de significancia: el valor F nos muestra si uno o más de los coeficientes “b” de la regresión parcial de la población es diferente a 0 y la “t” para la significancia de cada coeficiente “b”.
Cesar, Pérez, Estadística para el spss, Pearson Prentice Hall, España, pp 392-451-513
Dr. Luis Alfonso Pérez Romero
ANÁLISIS DE REGRESIÓN LINEAL SIMPLE Y MULTIPLE
ANÁLISIS DE LOS RESIDUOS:
Es la diferencia entre el valor observado de “Y” versus el pronosticado por la ecuación de regresión. Se debe pedir una gráfica de los residuos para ver el comportamiento de las variables. El procedimiento formal para examinar las correlaciones entre los residuos es la prueba Durbin-Watson. No se debe observar tendencia positiva o negativa de los datos en la gráfica. Se recomienda realizar una regresión de los residuos para decidir en incluir o no en el modelo una de las variables que expliquen más el comportamiento de la variable dependiente.
Cesar, Pérez, Estadística para el spss, Pearson Prentice Hall, España, pp 392-451-513
Dr. Luis Alfonso Pérez Romero
ANÁLISIS DE REGRESIÓN LINEAL
Es predecir los valores de una variable “Y” conociendo los valores de una variable “X”
Línea de regresión: es la línea recta que se dibuja a través del diagrama de dispersión. Estima los coeficientes de la ecuación lineal, con una o más variables independientes, que mejor prediga el valor de la variable dependiente.
Ecuación general para la línea:
Y = a + bX
Y= Variable dependiente
a= Intercepción estimada de la línea de regresión con el eje Y
b= Pendiente estimada de la línea de regresión (coeficiente de regresión)
X= Variable independiente
Calculo de valor b= ∑XiYi – nX Y / ∑Xi²-n(X)²
Calculo de valor a= Y -bX
X = Valor medio de X
Y = Valor medio de Y
n = tamaño de la muestra (número de unidades en la muestra)
Dr. Luis Alfonso Pérez Romero
ECUACIÓN DE REGRESIÓN
Y = r (Sy/Sx) X - r (Sy/Sx) X + Y
Y= El valor calculado para “Y”
r= El coeficiente de correlación de Pearson para la relación entre las variables.
Sy= Desviación estándar muestral de la distribución de la variable “Y”
Sx= Desviación estándar muestral de la distribución de la variable “X”
X= Es un valor dado de X
X= Media muestral de la distribución de la variable “X”
Y= Media muestral de la distribución de la variable “Y”
Dr. Luis Alfonso Pérez Romero
ESTADÍSTICOS A ANALIZAR
• Análisis para cada variable:• Numero de casos válidos, media y desviación típica.
• Análisis para el Modelo:• Coeficiente de regresión• Matriz de correlación• R múltiple • R cuadrado • R cuadrado corregida• Tabla de análisis de la varianza • Valores pronosticados y residuos.• Prueba de Durbin-Watson• Medidas de distancia Mahalanobis.• Gráficos parciales, histogramas y gráficos de probabilidad normal.
Dr. Luis Alfonso Pérez Romero
ESTADÍSTICOS A ANALIZAR
• Coeficiente de determinación (R²)que va de 0 a 1, permite medir el porcentaje de variación de la variable dependiente atribuible a la variación de las variables independientes. Ho= R²=0• Los valores de los coeficientes de regresión, indican el efecto de cada variable independiente sobre la dependiente. La Ho= b=0 •Multicolinealidad con el apoyo de la técnica de Durbin-Watson: Si vale 0, hay autocorrelación perfect positiva. Si se acerca a 2 no hay autocorrelación y si se acerca a 4 hay autocorrelación perfecta negativa. Una manera más sencilla es mirar la matriz de correlación entre las variables independientes; toda correlación mayor a .35, se considera como autocorrelación o que presenta multicolinealidad.
Cesar, Pérez, Estadística para el spss, Pearson Prentice Hall, España, pp 480-482
Dr. Luis Alfonso Pérez Romero
PROCEDIMIENTO PARA CALCULAR LA REGRESIÓN CON EL SPSS
• Analizar Regresión lineal: seleccionar una variable de escala superior dependiente y selecciona las variables independientes.• Agrupar variables independientes y especifica distintos métodos de entrada para diferentes subconjuntos de variables. Se puede elegir una variable de selección para limitar el análisis a un subconjunto de casos que tengan valores particulares para esta variable. Se puede seleccionar una variable de identificación de casos para identificar los puntos en los diagramas y también se puede pulsar en MPC para obtener una análisis de mínimos cuadrados ponderados.•El botón estadístico permite obtener los estadísticos indicados. En diagnóstico de la colinealidad, en el campo residuos se puede seleccionar la prueba Durbin-Watson.•El botón gráfico nos permite obtener los gráficos que pueden ayudar a validar los supuestos de normalidad, linealidad e igualdad de las varianzas. Diagramas de dispersión, gráficos parciales y gráficos de residuos tipificados.
Cesar, Pérez, Estadística para el spss, Pearson Prentice Hall, España, pp 480-482
Dr. Luis Alfonso Pérez Romero
PROCEDIMIENTO PARA CALCULAR LA REGRESIÓN LOGISTICA CON EL SPSS
• Analizar Regresión Logistica binaria: Seleccione la variable dependiente nominal y covariable medidas en intervalar o razón.
Cesar, Pérez, Estadística para el spss, Pearson Prentice Hall, España, pp 480-482
Dr. Luis Alfonso Pérez Romero
HOMOSCEDASTICIDAD
• Se asume que la varianza es constante en la población objetivo.• Mediante mínimos cuadrados ordinarios (MCO, OLS) o ponderados (MCP, WLS) dándole mayor ponderación a las observaciones con mayor variabilidad, al determinar los coeficientes de regresión.• Procedimiento para el SPSS: Analizar, regresión, estimación ponderada, selecciones las variables dependiente y las independientes, seleccione la variable fuente de heterocedasticidad como variable de ponderación-origen-, en opciones permite guardar la mejor ponderación como nueva variable y mostrar estimaciones.PROCEDIMIENTO DE MÍNIMOS CUADRADOS EN DOS FASES Se realiza cuando la relación entre las variables dependiente versus independientes son bidireccionales. Se debe realizar la Regresión Lineal mediante mínimos cuadrados ordinarios (OLS), utilizando variables instrumentales y despues se utilizan estos valores para el modelo de Regresión. Procedimiento: Analizar, regresión, mínimos cuadrados en dos fases; selecciones las variables: la dependiente, explicativas (predictoras) y seleccione una o más variables instrumentales. En opciones se permite guardar variables y mostrar covarianza de parámetros.
Cesar, Pérez, Estadística para el spss, Pearson Prentice Hall, España, pp 480-482
PROCEDIMIENTO
Paso 1: Encontrar el coeficiente de correlación de Pearson
Paso 2: Obtener la media muestral para X y Y
Paso 3: Obtener la desviación estándar muestral para X y Y
Paso 4: Substituir los valores de los pasos 1, 2 y 3 en la ecuación de la regresión.Y = r (Sy/Sx) X - r (Sy/Sx) X + Y
Paso 5: Determinar el valor “Y” para los valores “X”
Ej: Determine el valor Y para los valores X entre el grado de estudio de los encuestados.
ENTREVISTADO AÑOS DE ESTUDIOS
Padre(X) Hijo(Y)
A 12 12
B 10 8
C 6 6
D 16 11
E 8 10
F 9 8
G 12 11
r= 0.75 Media X= 73/3= 10.43 Media Y= 66/7= 9.43 Sx= 3.01 Sy= 1.98
Y= 0.75 (1.98/3.01)X - 0.75(1.98/3.01) 10.43 + 9.43 = 0.50X + 4.21
a) Para un padre que completó 16 años de estudios. Y= 0.50(16) + 4.21= 12.21 años
b) Para un padre que completó 6 años de estudios. Y= 0.50(6) + 4.21= 7.21 años
HOMOSCEDASTICIDAD
Dr. Luis Alfonso Pérez Romero
ANÁLISIS DISCRIMINANTE
•Correlación canónica: Grado de asociación entre las puntuaciones de discriminación y los grupos.•Centroide: es la media de la puntuación de discriminación de un grupo particular. Hay tantos centroides como grupos.•Matriz de clasificación: contiene el numero de casos clasificados; los bien clasificados se encuentran en la diagonal.•Valor F y su significancia: se calcula en un ANOVA de un factor; la variable de agrupamiento es la independiente.•Landa de Will: su valor varia entre 1 y 0. Valores bajos indican que las medias del grupo parecen diferentes, por lo que se puede interpretar los resultados. •ANALISIS DISCRIMINANTE EN EL SPSS•Analizar, clasificar, discriminante, selecciona la variable dependiente (nominal) y las independientes (intervalares) En el botón estadístico, se debe seleccionar todos los descriptivos, los coeficientes de la función y todos los campos de matrices. En clasificar se debe seleccionar todos los grupos iguales, tabla resumen, intragrupo, grupos combinados, grupos separados y mapa territorial. En métodos, se debe seleccionar Landa de Will
Cesar, Pérez, Estadística para el spss, Pearson Prentice Hall, España, pp 480-482
Dr. Luis Alfonso Pérez Romero
ANÁLISIS FACTORIAL
• Cargas de los factores: correlación simple entre las variables y los factores.•Medida de la adecuación de la muestra de Kaiser-Meyer-Olkim (KMO): Valores elevados entre .0 y 1.0 indican que el análisis factorial es apropiado. Los valores inferiores a .5 indica que el análisis factorial no es apropiado.•Porcentaje de Varianza: porcentaje de la varianza total atribuida a cada valor.•Prueba de esfericidad de Bartlett: para ver si las variables no se correlacionan.•Puntuación de los factores: puntuaciones relativas de cada factor.
PROCEDIMIENTO PARA EL SPSS•Analizar, Reducción de datos, Análisis factorial (Seleccione las variables) Descriptivos: univariados, solución inicial, matriz de correlación: coeficientes, niveles de significancia KMO. (La solución inicial muestra las comunalidades, los autovalores y el porcentaje de varianza explicada; en matriz de correlación las opciones disponibles son: coeficiente, niveles de significancia, determinante, inversa, reproducida, anti-imagen y KMO y prueba de esfericidad de Bartlett)•En extracción: Matriz de correlación, solución factorial sin rotar. Se puede seleccionar: Componente principales, mínimos cuadrados no ponderados, mínimos cuadrados generalizados, máxima verosimilitud, factorización de ejes principales, factorización alfa y factorización imagen. •En rotación, se permite seleccionar el método de rotación varimax, mostrar solución rotada y gráficas de saturación.•En puntuación, nos permite guardar la variable que se crea como nueva. Esta variable puede ser útil en regresión o análisis discriminante.
Cesar, Pérez, Estadística para el spss, Pearson Prentice Hall, España, pp 480-482
Dr. Luis Alfonso Pérez Romero
PRESENTACIÓN ORAL
• PRESENTAR A LA GERENCIA DE LA EMPRESA CONTACTADA.• PUEDE CONTESTARSE CUALQUIER PREGUNTA PREELIMINAR QUE TENGA LA GERENCIA.• SE LE DEBE DAR LA IMPORTANCIA NECESARIA Y REQUERIDA. (YA QUE MUCHOS EJECUTIVOS SE FORMAN LA PRIMERA Y ÚLTIMA IMPRESIÓN A CERCA DEL PROYECTO CON BASE A LA PRESENTACIÓN).• LA CLAVE PARA UNA PRESENTACIÓN EFECTIVA ES LA PREPARACIÓN.• SE DEBE PREPARAR UN GUIÓN CON BASE EN EL TRABAJO ESCRITO.• LA PRESENTACIÓN DEBE AJUSTARSE A LA AUDIENCIA (PARA ESTO SE DEBE DETERMINAR LOS ANTECEDENTES, INTERESES Y PARTICIPACIÓN DE LAS PERSONAS EN EL PROYECTO, ASÍ COMO EL GRADO EN QUE PUEDA AFECTARLOS).• LOS APOYOS VISUALES COMO TABLAS Y GRÁFICAS DEBEN PRESENTARSE A TRAVÉS DE VARIOS MEDIOS, COMO SON:
- PIZARRONES - PIZARRONES MAGNÉTICOS - ROTAFOLIOS
- PROYECTORES - PROYECTOR DIAPOSITIVAS - REPRODUCTOR VIDEO
- PROYECTOR PANTALLA GRANDE - PROYECTOR POR PC
Dr. Luis Alfonso Pérez Romero
• TAMBIÉN ES IMPORTANTE:
- MANTENER UN CONTACTO VISUAL
- INTERACTUAR CON LA AUDIENCIA DURANTE LA PRESENTACIÓN
- ESTABLECER TIEMPO PARA PREGUNTAS, TANTO DURANTE COMO DESPUÉS
DE LA PRESENTACIÓN
- SE DEBEN USAR RELATOS, EJEMPLOS, EXPERIENCIAS, CITAS
- NO DEBEN EMPLEARSE MULETILLAS
- DEBE EMPLEARSE EL LENGUAJE CORPORAL
- DEBE VARIAR EL VOLÚMEN, TONO, CALIDAD DE VOZ Y RITMO
- DEBE TENER UN CIERRE IMPACTANTE
PRESENTACIÓN ORAL
Dr. Luis Alfonso Pérez Romero
ESTIMACIÓN DE COSTOS DE LA INVESTIGACIÓN
COSTOS TOTALES = Horas hombre de Tarifa
trabajo requeridas por Gastos
para realizar el estudio hora Margen Util.
HORAS HOMBRE:• Horas del consultor para diseñar el proyecto.• Horas de mano de obra para la investigación de campo, tabulación y codificación de datos.• Horas del consultor para el análisis e interpretación de resultados y elaboración de un plan.
Dr. Luis Alfonso Pérez Romero
FORMAS DE REDUCIR COSTOS DE INVESTIGACIÓN
• Utilice más las entrevistas por teléfono.• Cambie las ciudades donde usted hace la investigación.• Evite entrevistas de puerta a puerta.• Haga más estudios de varios productos.• Elimine las preguntas abiertas.• Reduzca el cuestionario a lo mínimo esencial.• Tenga cuidado con el tamaño de las muestras.• Haga investigación secuencial.• Tabule solo la información que en realidad necesita.•Pregunte “¿Es esta técnica en realidad necesaria?”• Deje solo a los consultores.• Desafíe a los consultores a que le ahorren dinero.
Dr. Luis Alfonso Pérez Romero
PUNTOS PARA SER UN CLIENTE EFICAZ DE LA INVESTIGACIÓN DE MERCADOS
• Busque la incorporación y compromiso del proveedor de manera inmediata.• Dele al proveedor todos los antecedentes e información que solicite.• Desafíelo a que le dé ideas.• Desafíelo a que le ahorre dinero.• Evite cambios de último minuto.• Deje que el proveedor haga su trabajo.• Realice retroalimentaciones constantes al trabajo.• No acepte tecnicismos.• Informe a su proveedor sobre cambios que sucedan.• Mantenga relaciones con pocos proveedores por un largo tiempo.
Dr. Luis Alfonso Pérez Romero
LA ÉTICA EN LA INVESTIGACIÓN DE MERCADOS
• La ética indica si una acción en particular es correcta o incorrecta.
CÓDIGO ETICO DE LA AMA PARA LA INVESTIGACIÓN DE MERCADOS:
•PARA LOS USUARIOS DE LA INVESTIGACIÓN
•PARA LOS PRACTICANTES
•PARA LOS ENTREVISTADORES DE CAMPO
Dr. Luis Alfonso Pérez Romero
Se anexan algunas direcciones de correo electrónico para consulta durante el curso:
- www.altavista.com - www.dejanews.com- www.excite.com - www.hobot.com- www.infoseek.com - www.lycos.com- www.mckinley.com -
www.cs.colostate.edu/~dreling/smartform.html- www.w3.org/vl - www.yahoo.com - www.marketingtools.com - www.ama.org- http://stats.bls.gov/esxprod.htm - www.bea.doc.gov- www.bts.gov - www.econ.ag.gov- www. Ends.com - www.findsvp.com- www. tetrad.com - www. prb.org/prb- www. stratmap.com - www.census.gov- www.usadata.com -
http://researchinfo.com/calculators/sscalc.htmwww.surveymonkey.com
ANEXO 4
®Todos los derechos de este modelo son
propiedad de COMEVE ASOCIADOS
SA DE CV.
Elaborado y diseñado por:
• Dr. Luis Alfonso Pérez Romero PhD.• Lic. Lucía Cristina Lizcano Flórez
PhD (c )
www.comeveasociados.com
Metodología de la Investigación en una página