Sie sind auf Seite 1von 91

GRADO DE ADMINISTRACIN Y DIRECCIN DE EMPRESAS

INVESTIGACIN DE MERCADOS II

INVESTIGACIN DE MERCADOS II
CURSO 2013-2014

Profesor: Ramon Montanera

2006, Equipo de profesores de Investigacin y Tcnicas de Mercado.

T0. Introduccin

!"#$$%&"'()*+,"-."+/,0.1,/.1"-."234.15678*93":";<83*871"-."=./87-,>"

T0. Objetivos de la asignatura


Desarrollo de capacidades:
- Para obtener una visin analtica de todo el proceso de investigacin de mercados cuantitativa.
- Para la comprensin de la importancia de cada tcnica de investigacin de
mercados y capacidad para escoger el momento de uso de cada una.
- Para bsqueda y gestin de fuentes de informacin en base a un cuestionario.
- Para tener la habilidad en el uso de instrumentos bsicos para la toma de decisiones.
- Para trabajar en grupo en una investigacin de mercados.
- Para adquirir una buena estructuracin y orientacin adecuada en la gestin de la informacin.
- Para comunicar en un auditorio especializado.
- Para observar y analizar las situaciones o problemas empresariales.

Conocimientos:
- Conocer las finalidades y aplicaciones comerciales de los principales anlisis
estadsticos, en el proceso de anlisis de la informacin de base.
- Entender cuales son los requisitos para aplicar estos anlisis y aprender a
interpretar los resultados.
- Estructurar y comunicar de forma efectiva las conclusiones que se deriven de los
resultados obtenidos.

!"#$$%&"'()*+,"-."+/,0.1,/.1"-."234.15678*93":";<83*871"-."=./87-,>"

T0. Requisitos / recomendaciones

La recomendacin es que previamente a esta asignatura hayis superado:


-Investigacin de Mercados I
-Estadstica I i II.
-Informtica.
-Asistencia a clase.

!"#$$%&"'()*+,"-."+/,0.1,/.1"-."234.15678*93":";<83*871"-."=./87-,>"

T0. Metodologa del curso

La metodologa de trabajo de la asignatura se estructura en:


- clases tericas -> donde se presentan los conocimientos tericos del curso.
Asistencia no obligatoria pero s recomendable -> mircoles a las 20h (aula 112).
- clases prcticas -> donde aplicaremos los conocimientos adquiridos a travs de un
caso prctico -> jueves a las 19.30h (aulas informticas) -> I9.
Estas prcticas permiten seguir el modelo de evaluacin continuada. Las prcticas
pueden realizarse individualmente o en grupos (de 5 personas mximo), aunque la ltima
prctica debe hacerse individualmente.
Para la realizacin de las prcticas se utilizar el paquete estadstico SPSS.
Se realizarn 8 prcticas correspondientes a los distintos temas y una prctica final de sntesis.
Debis definir grupos y deben comunicarse al profesor va mail antes del viernes
20/09.

!"#$$%&"'()*+,"-."+/,0.1,/.1"-."234.15678*93":";<83*871"-."=./87-,>"

T0. Planificacin

?/@85871"
HBI"
DJE$AE#$ACG"

?/@85871"
ABC"
D$CE$AAE#$AFG"

?/@85871"
*3-*4*-)7K"
D$IE$$AE#$ACG"

T0. Calendario y aulas

T0. Criterios de evaluacin


Existen dos modalidades de evaluacin de la asignatura que el estudiante puede escoger:
a) Evaluacin continuada. Implica la realizacin de las prcticas que se plantean a lo largo del
curso y la realizacin de un examen final. La calificacin final de la asignatura se obtiene
ponderando la nota obtenida en las prcticas y en el examen final. Los pesos que se asignan a
cada parte son:
Examen terico: 40 %.
Prcticas en grupos: 35 %.
Prctica individual a final de curso: 25 %.
La entrega de todos los trabajos es obligatorios. Si un estudiante/grupo no entrega una de las
prcticas propuesta, pierde la evaluacin continuada y se va al examen final.
La realizacin del examen es obligatoria en todos los casos, y el hecho de no presentarse al
mismo implica no superar la asignatura.
El examen final hay una parte terica y una parte prctica, si se ha superado la evaluacin
continuada, no ser necesario hacer la parte prctica (pues ya se compensa).

b) Examen final. El estudiante ser evaluado por las respuestas de todas las partes del examen
(la terica y la prctica).
La parte terica se evaluar a travs de un examen tipo test, y superar esta parte es el requisito
indispensable para que se evale la parte prctica. En el caso de no superar la parte terica, no
se supera la asignatura. La parte terica representa un 50% de la cualificacin y la prctica el
otro 50%.
!"#$$%&"'()*+,"-."+/,0.1,/.1"-."234.15678*93":";<83*871"-."=./87-,>"

T0. Contenidos (I de II)


Las 5 fases del proceso de investigacin comercial
Cualquier proceso de investigacin comercial se podra estructurar en las 5 fases siguientes:

Formulacin del problema a investigar

Diseo de la investigacin

Obtencin de informacin y control de calidad

Anlisis de informacin e interpretacin de resultados

Informe de principales resultados y conclusiones

!"#$$%&"'()*+,"-."+/,0.1,/.1"-."234.15678*93":";<83*871"-."=./87-,>"

T0. Contenidos (II de II)


Existen tres grandes bloques:
Preparacin de la
informacin de base

1 Visin de la preparacin de la
informacin de base dentro el
proceso comercial
2 Codificacin
2.1 Precodificacin del cuestionario
2.2 Codificacin de preguntes
2.3 Fase de postcodificacin
3 Creacin del fichero de datos
3.1 Grabacin en soporte informtico
3.2 Definicin fichero datos
4 Definicin controles consistencia
5 Ponderacin del fichero de datos

Anlisis univariable i
bivariable

Anlisis multivariable

1 Introduccin al anlisis de
informacin
1.1 Escalas de medida
1.2 Matrices de datos
1.3 Tipo y clasificacin de anlisis
1.4 Plan de anlisis
2 Anlisis univariable
2.1 Estadstica descriptiva segn la
naturaleza de los datos.
2.2 Frecuencias absolutas y relativas
2.3 Medidas de tendencias
2.4 Mesures de dispersin
2.5 Asimetra y curtosi
2.6 Inferencia estadstica para una
variable
3 Anlisis bivariable
3.1 Introduccin al anlisis bivariable
3.2 Medidas de asociacin
3.3 Inferencia estadstica
3.4 Anlisis de la varianza
3.5 Anlisis de regresin simple

1 Introduccin al anlisis
multivariable
1.1 Escalas de medidas
1.2 Concepto de cantidad
informacin
1.3 Clasificacin de los anlisis
multivariables
2 Anlisis factorial
2.1 Definicin i objetivos
2.2 Metodologa del anlisis
2.3 Interpretacin resultados
2.4 Aplicaciones
3 Anlisis de correspondencias
4 Anlisis tipolgica
5 Anlisis escalas multidimensionales
6 Anlisis de regresin y correlacin
mltiple
7 Anlisis discriminante
8 Anlisis de medidas conjuntas
9 Anlisis mltiple de la varianza
10 Otros mtodos

!"#$$%&"'()*+,"-."+/,0.1,/.1"-."234.15678*93":";<83*871"-."=./87-,>"

T0. Bibliografa

PEDRET, R.; SAGNIER, L.; CAMP, F. Herramientas para segmentar mercados y posicionar
productos. Barcelona: Deusto, 2003.
GRANDE, I.; ABASCAL, E. Fundamentos y tcnicas de investigacin comercial. Madrid: ESIC,
2007.
MALHOTRA, N.K. Investigacin de mercados: un enfoque aplicado. Madrid: ESIC, 2004.

!"#$$%&"'()*+,"-."+/,0.1,/.1"-."234.15678*93":";<83*871"-."=./87-,>"

T0. Hora de tutora

Estoy a vuestra disposicin en:


rmontanera@ub.edu

Y las horas de tutora son los mircoles de 19.15h a 20h (previa confirmacin via mail) en:
Facultat dEconomia i Empresa.
Edifici 690. Torre 2, 3 planta. Dept. Economia i Organitzaci d'Empreses
rea de Mrqueting

!"#$$%&"'()*+,"-."+/,0.1,/.1"-."234.15678*93":";<83*871"-."=./87-,>"

T2. Anlisis univariable

!"#$$%&"'()*+,"-."+/,0.1,/.1"-."234.15678*93":";<83*871"-."=./87-,>"

T2. Anlisis univariable


Anlisis univariable
OBJETIVO: Estudia el comportamiento de las variables de forma individual.
CLASIFICACIN:
Distribucin de frecuencias, permite tener una primera impresin sobre la tendencia de los resultados para
cada una de las variables analizadas. Indica el nmero de individuos que, tanto en valores absolutos como en
valores porcentuales, han citado cada uno de los posibles cdigos (respuestas) que puede tomar una variable.
Estadsticos descriptivos, permiten resumir la informacin contenida en una distribucin de frecuencias. Se
pueden clasificar en dos:
Medidas de tendencia central: permiten apreciar cul es el comportamiento medio de la variable. Las
ms utilizadas son la moda, la mediana y la media.
Medidas de dispersin: permiten analizar la variabilidad de la distribucin, es decir, determinar si las
respuestas que han dado las personas entrevistadas se han concentrado en unos pocos valores o si,
han sido muy variadas. La dispersin se calcula respecto al comportamiento medio de la variable. Las
ms utilizadas son la varianza, la desviacin estndar, el apuntalamiento, la simetra y el rango.
La inferencia estadstica nos permite establecer hiptesis sobre las variables del estudio que estamos
realizando y comprobar estadsticamente si estas hiptesis se pueden aceptar como ciertas o por el contrario si
pueden rechazarse.
!"#$$%&"'()*+,"-."+/,0.1,/.1"-."234.15678*93":";<83*871"-."=./87-,>"

T2. Anlisis univariable

Anlisis univariable: distribucin de frecuencias

Porcentaje de individuos que han


citado los posibles valores de la
variable, tomando como base de
clculo la totalidad de
entrevistados que han
contestado la pregunta. Si han
contestado todos, coincide con
el porcentaje

Nmero absoluto de citaciones


de cada uno de los cdigos
Del total individuos, 89 tienen
entre 18 y 25 aos

Frecuencia Porcentaje Porcenta


89
22,3
22,3
149
37,2
37,2
88
22,0
22,0
42
10,6
10,6
32
7,9
7,9
400
100,0
100,0

Porcenta

Vlidos 1,00 De 18 a 25
2,00 De 26 a 35
3,00 De 36 a 45
4,00 De 46 a 55
5,00 De 56 a 65
Total

ejemplo

22,3
59,5
81,5
92,1
100,0

Porcentaje de individuos que


sobre el total han citado cada
uno de los valores que toma la
variable.
Un 22,3% de los entrevistados
tienen entre 18 y 25 aos

Suma de los porcentajes vlidos


Ms de la mitad de los
entrevistados (59,5%) tienen
entre 18 y 35 aos.

!"#$$%&"'()*+,"-."+/,0.1,/.1"-."234.15678*93":";<83*871"-."=./87-,>"

T2. Anlisis univariable


Anlisis univariable: estadsticos descriptivos bsicos
Medidas de tendencia central

fc * xc

Media: indica cual es el valor medio de la variable.

X=

c=1

Mediana: valor de la distribucin que divide la muestra en dos partes iguales.


Moda: valor de la distribucin ms citado (que contiene el mayor nmero de
individuos).

Medidas de dispersin
C

fc *( xc x )2

Varianza: Medida de la dispersin de los valores alrededor de la media

S2 =

c=1

n-1

Desviacin Tpica: Raz cuadrada de la varianza. La desviacin tpica es una


medida de dispersin que se expresa en las mismas unidades de medida que las
observaciones

S2

Rango
C = nmero de categoras de la variable X (1,2,3,... C)
X c = valor que toma la categora C de la variable
f c = nmero de individuos que han citado la categora C de la variable X
n = nmero total de individuos (tamao muestral)

!"#$$%&"'()*+,"-."+/,0.1,/.1"-."234.15678*93":";<83*871"-."=./87-,>"

T2. Anlisis univariable


Anlisis univariable: estadsticos descriptivos bsicos
Medidas de forma
Asimetra (skewness): indica la simetra de una distribucin sin tener que representarla grficamente, es decir, si
los valores estn concentrados un lado u otro del centro de la distribucin. Dependen del coeficiente utilizado pero
si es:
Asimtrica a la izquierda o positiva (skewness>0) ! moda < mediana < media.
Individuos concentrados en valores bajos de la distribucin.
Asimtrica a la derecha o negativa (skewness<0) ! moda > mediana > media.
Individuos concentrados en valores altos de la distribucin.
Simtrica (skewness=0) ! moda = mediana = media.
Individuos distribuidos de forma uniforme a un lado y otro de la media.

Skewness >0

Skewness <0

!"#$$%&"'()*+,"-."+/,0.1,/.1"-."234.15678*93":";<83*871"-."=./87-,>"

T2. Anlisis univariable


Anlisis univariable: estadsticos descriptivos bsicos
Medidas de forma
Apuntamiento (kurtosis): indica si las respuestas estn concentradas en muchos o pocos valores, y se aplica a
las distribuciones simtricas o ligeramente asimtricas. Si el coeficiente es:
Positivo (kurtosis>0) ! distribucin leptocrtica.
Individuos concentrados en pocos valores de la distribucin.
Negativo (kurtosis<0) ! distribucin platocrtica.
Individuos dispersos en valores de la distribucin.
Nulo (kurtosis=0) ! distribucin mesocrtica.
Individuos distribuidos de forma similar a una distribucin normal.

Kurtosis >0

!"#$$%&"'()*+,"-."+/,0.1,/.1"-."234.15678*93":";<83*871"-."=./87-,>"

Kurtosis <0

T2. Anlisis univariable

Anlisis univariable: estadsticos descriptivos bsicos

ejemplo

Considerando todos los aspectos, En una escala de 0 a 10 , donde significa


Nada satisfecho y 10Totalmente satisfecho, Cul es su grado de satisfaccin
general con Codamro?

De 9 a 10

18,5

De 7 a 8

65,8

De 0 a 6

15,8

Distribucin de frecuencias

40
33 32,8

35
30
25
20
15

12

10,5

10
5

3,3
0,3

Desv.tp=1,24

0,3

Media= 7,57

N=400
0

10

GRADO DE SATISFACCIN GENERAL CON CODAMRO


Medidas de tendencia central y
de dispersin

!"#$$%&"'()*+,"-."+/,0.1,/.1"-."234.15678*93":";<83*871"-."=./87-,>"

T2. Anlisis univariable


Anlisis univariable: inferencia estadstica
El proceso de inferencia estadstica se esquematiza en 5 etapas:

Establecer la hiptesis nula (H0) y alternativa (H1)

Elegir el nivel de significacin

Calcular el valor estadstico apropiado

Determinar el valor crtico de rechazo de H0

Comparar el valor del estadstico con el valor crtico

!"#$$%&"'()*+,"-."+/,0.1,/.1"-."234.15678*93":";<83*871"-."=./87-,>"

T2. Anlisis univariable


Anlisis univariable: inferencia estadstica para una media o proporcin
Establecer la hiptesis nula (H0) y alternativa (H1)

Lo que se somete a prueba es la hiptesis nula.


La H0 y H1 deben ser opuestas. Segn cmo se formulen, las prueba ser unilateral o bilateral.
La formulacin de la H0 se hace de forma que si se rechaza, se constata la conclusin deseada
por el investigador.
Elegir el nivel de significacin

Tipos de errores:
error tipo I: se comete cuando se rechaza la H0 siendo verdadera. Se corresponde con el nivel
de significacin a elegir, que suele ser 0.01, 0.05 o 0.10.
error tipo II: se comete cuando se acepta la H0 siendo falsa.

!"#$$%&"'()*+,"-."+/,0.1,/.1"-."234.15678*93":";<83*871"-."=./87-,>"

T2. Anlisis univariable


Anlisis univariable: inferencia estadstica para una media o proporcin
Calcular el valor estadstico apropiado

El estadstico apropiado es el de la t.

Determinar el valor crtico de rechazo de H0

Zona de rechazo de H0: zona de la distribucin del estadstico donde corresponde rechazar la
hiptesis nula en caso que el valor del estadstico calculado pertenezca a dicha zona.
Zona de aceptacin de H0: zona de la distribucin del estadstico donde corresponde aceptar la
hiptesis nula en caso que el valor del estadstico calculado pertenezca a dicha zona.

!"#$$%&"'()*+,"-."+/,0.1,/.1"-."234.15678*93":";<83*871"-."=./87-,>"

T2. Anlisis univariable


Anlisis univariable: inferencia estadstica para una media o proporcin
Comparar el valor del estadstico con el valor crtico

Si el valor del estadstico es superior al valor crtico en la zona superior de la distribucin, se


rechaza H0.
Si el valor del estadstico es inferior al valor crtico en la zona inferior de la distribucin, se
rechaza H0.

!"#$$%&"'()*+,"-."+/,0.1,/.1"-."234.15678*93":";<83*871"-."=./87-,>"

T2. Anlisis univariable


Anlisis univariable: inferencia estadstica para una distribucin de frecuencias
El proceso es similar al caso de la inferencia estadstica para una media o proporcin, con las
particularidades siguientes:
La H0 se formula en trminos de no existe diferencia entre la distribucin muestral y la
poblacional .
El estadstico a utilizar es el de la Chi-Cuadrado.
El valor crtico se obtiene de la tabla de distribucin de la Chi-Cuadrado para k-1 grados de
libertad, siendo k el nmero de categoras de la variable.

!"#$$%&"'()*+,"-."+/,0.1,/.1"-."234.15678*93":";<83*871"-."=./87-,>"

T2. Anlisis univariable


Tipos de anlisis segn el tipo de variables
Para el caso de variables cuantitativas, son aplicables la distribucin de frecuencias y todos los
estadsticos de tendencia central y dispersin anteriormente vistos.
Para las variables cualitativas, se puede hacer una diferenciacin entre:
Variables medidas en escalas ordinales:
Es aplicable la distribucin de frecuencias, teniendo en cuenta que los valores de la
variable slo tienen un carcter de identificacin de las respuestas.
La medida de tendencia central que se puede analizar es la frecuencia relativa de la
moda, y la mediana.
Variables medidas en escalas nominales:
Es aplicables la distribucin de frecuencias, teniendo en cuenta que los valores de la
variable slo tienen un carcter de identificacin de las respuestas.
La medida de tendencia central que se puede analizar es nicamente la frecuencia
relativa de la moda.

!"#$$%&"'()*+,"-."+/,0.1,/.1"-."234.15678*93":";<83*871"-."=./87-,>"

T3. Anlisis bivariable

!"#$$%&"'()*+,"-."+/,0.1,/.1"-."234.15678*93":";<83*871"-."=./87-,>"

T3. Anlisis bivariable


Anlisis bivariable
OBJETIVO: Estudio de las relaciones entre variables tomadas dos a dos
CLASIFICACIN Y APLICACIONES

VARIABLE DEPENDIENTE O A
EXPLICAR

VARIABLE INDEPENDIENTE O EXPLICATIVA


Cualitativa

Cualitativa

Cuantitativa

Tablas de contingencia

Anlisis discriminante
simple

Prueba de Chi-Cuadrado

Cuantitativa

Anlisis de la varianza
(ANOVA)

Coeficiente de correlacin
Regresin lineal simple

La aplicacin ms comn de los mtodos bivariables es la tabulacin de encuestas: eleccin de variables


de cabecera (variables relevantes para el estudio) y realizacin de cruces bivariados de dichas variables con
todas las variables del estudio.

!"#$$%&"'()*+,"-."+/,0.1,/.1"-."234.15678*93":";<83*871"-."=./87-,>"

T3. Anlisis bivariable


Anlisis bivariable entre dos variables cualitativas
Tabla de contingencia
Representa un cruce de datos, identificando informacin sobre los casos registrados para la
combinacin de valores posibles entre ambas variables.
A tener en cuenta:
Valores perdidos en el cruce de variables (missings).
Valores totales fila (row total) y columna (column total), que son coincidentes con los porcentajes
vlidos de la distribucin de frecuencias de cada variable.
Para cada celda del cruce, se obtiene:
o nmero de individuos (count)
o porcentaje fila (row percent)
o porcentaje columna (column percent)
o porcentaje de la muestra de individuos que han respondido a ambas variables (total
percent).

!"#$$%&"'()*+,"-."+/,0.1,/.1"-."234.15678*93":";<83*871"-."=./87-,>"

T3. Anlisis bivariable

Anlisis bivariable entre dos variables cualitativas


La tabla de contingencias
Del total entrevistados 135 tienen entre 18 y 24 aos.

ejemplo

Tabla de contingencia EDAD DEL ENTREVISTA


DO * SEXO ENTREVISTADO

EDAD DEL
ENTREVI STADO

Entre los individuos de 18 a 24 aos, el 51,1%


son hombres, mientras que el 48,9% son
mujeres.
Entre las clientes de sexo femenino, el
32,2% tienen entre 18 y 24 aos,
mientras que un 18,5% de ellas tienen
entre 44 y 65 aos

1,00 De 18 a 24

2,00 De 25 a 29

3,00 De 30 a 35

4,00 De 36 a 43

5,00 De 44 a 65

Total

Recuent o
% de EDAD DEL
ENTREVI STADO
% de SEXO
ENTREVI STADO
% del total
Recuent o
% de EDAD DEL
ENTREVI STADO
% de SEXO
ENTREVI STADO
% del total
Recuent o
% de EDAD DEL
ENTREVI STADO
% de SEXO
ENTREVI STADO
% del total
Recuent o
% de EDAD DEL
ENTREVI STADO
% de SEXO
ENTREVI STADO
% del total
Recuent o
% de EDAD DEL
ENTREVI STADO
% de SEXO
ENTREVI STADO
% del total
Recuent o
% de EDAD DEL
ENTREVI STADO
% de SEXO
ENTREVI STADO
% del total

SEXO ENTREVISTADO
1 Hombre
2 Mujer
69
66

Total
135

51,1%

48,9%

100,0%

35,2%

32,2%

33,7%

17,2%
54

16,5%
51

33,7%
105

51,4%

48,6%

100,0%

27,6%

24,9%

26,2%

13,5%
28

12,7%
28

26,2%
56

50,0%

50,0%

100,0%

14,3%

13,7%

14,0%

7,0%
23

7,0%
22

14,0%
45

51,1%

48,9%

100,0%

11,7%

10,7%

11,2%

5,7%
22

5,5%
38

11,2%
60

36,7%

63,3%

100,0%

11,2%

18,5%

15,0%

5,5%
196

9,5%
205

15,0%
401

48,9%

51,1%

100,0%

100,0%

100,0%

100,0%

48,9%

51,1%

100,0%

!"#$$%&"'()*+,"-."+/,0.1,/.1"-."234.15678*93":";<83*871"-."=./87-,>"

T3. Anlisis bivariable


Anlisis bivariable entre dos variables cualitativas
Prueba de la Chi-Cuadrado
Compara la distribucin real con la distribucin terica (donde los porcentajes fila y columna
seran iguales a los totales respectivos).
La pruebe determina si existe relacin entre ambas variables, mediante la formulacin y prueba
de significacin de las siguientes hiptesis:
H0: las dos variables no estn relacionadas.
H1: las dos variables s estn relacionadas.

!"#$$%&"'()*+,"-."+/,0.1,/.1"-."234.15678*93":";<83*871"-."=./87-,>"

T3. Anlisis bivariable

Anlisis bivariable entre dos variables cualitativas


Prueba de la Chi-Cuadrado

Tabla de contingencia UTILIZA CINES * SEXO ENTREVISTADO

UTILIZA
CINES

1 Si

2 No

Total

Recuent o
% de UTILIZA
CINES ODEON
% de SEXO
ENTREVI STADO
% del total
Recuent o
% de UTILIZA
CINES ODEON
% de SEXO
ENTREVI STADO
% del total
Recuent o
% de UTILIZA
CINES ODEON
% de SEXO
ENTREVI STADO
% del total

SEXO ENTREVISTADO
1 Hombre
2 Mujer
119
117

Total
236

50,4%

49,6%

100,0%

60,7%

57,1%

58,9%

29,7%
77

29,2%
88

58,9%
165

46,7%

53,3%

100,0%

39,3%

42,9%

41,1%

19,2%
196

21,9%
205

41,1%
401

48,9%

51,1%
100,0%

100,0%

48,9%

51,1%

100,0%

Pruebas de chi-cuadrado

Chi-cuadrado de Pearson
Correccin por
a
continuidad
Razn de v erosimilitudes
Estadst ico exacto de
Fisher
Asociacin lineal por
lineal
N de casos v lidos

Sig. asinttica
(bilateral)
,459

,409

,523

,549

,459

,547

,459

gl

Sig. exacta
(bilateral)

Sig. exacta
(unilateral)

,479

Valor
,549b

,261

401

a. Calculado slo para una tabla de 2x2.


b. 0 casillas (, 0%) tienen una f recuencia esperada inf erior a 5. La f recuencia mnima esperada
es 80,65.

100,0%

100,0%

ejemplo

Los resultados nos indican que las diferencias no son


estadsticamente significativas, y por tanto podemos considerar que
exista relacin entre ambas variables.

!"#$$%&"'()*+,"-."+/,0.1,/.1"-."234.15678*93":";<83*871"-."=./87-,>"

T3. Anlisis bivariable


Anlisis bivariable entre una variable cuantitativa y una variable cualitativa
Anlisis de la varianza (ANOVA)
Consiste en determinar si las puntuaciones medias de la variable cuantitativa (variable a explicar)
son diferentes dentro de las categoras de la variable cualitativa (variable explicativa).
El ANOVA descompone la variacin total de la variable dependiente en dos grupos:
la que se debe a la variacin entre grupos de las categoras de la variable cualitativa.
la que se debe a la variacin dentro de los grupos de las categoras de la variable cualitativa.
La hiptesis nula se formula en el sentido de la media de cada grupo no es significativamente
diferente de la del resto .
El estadstico a utilizar es el estadstico F.
Se rechazar la hiptesis nula cuando la variacin entre grupos sea superior a la variacin dentro
de los grupos.

!"#$$%&"'()*+,"-."+/,0.1,/.1"-."234.15678*93":";<83*871"-."=./87-,>"

T3. Anlisis bivariable

Anlisis bivariable entre dos variables cualitativas


Anlisis de la varianza (ANOVA)

ejemplo

Informe
EDAD
SEXO
Hombre
Mujer
Total

Media
27,47
24,33
25,78

N
462
541
1003

Desv . t p.
9,404
9,405
9,529

Las medias de edad para hombres y mujeres es de 27,47 aos y 24,33 aos,
respectivamente.
Esta diferencia es estadsticamente diferente o simplemente responden al margen de
error del muestreo?

Tabla de ANOVA

EDAD * SEXO

Inter-grupos
Intra-grupos
Total

(Combinadas)

Suma de
cuadrados
2463,326
88557,629
91020,955

gl
1
1001
1002

Media
cuadrtica
2463,326
88,469

F
27,844

Sig.
,000

La prueba de significacin del


anlisis de varianza nos indica
que efectivamente hombres y
mujeres tienen una media de
edad diferente en el mercado que
se est analizando.

!"#$$%&"'()*+,"-."+/,0.1,/.1"-."234.15678*93":";<83*871"-."=./87-,>"

T3. Anlisis bivariable


Anlisis bivariable entre dos variables cuantitativas
Anlisis de correlacin
Grficamente se puede apreciar a partir de la disposicin de la nube de puntos en dos
dimensiones, considerando como pares de coordenadas los valores de cada variable.
Conceptualmente, se dice que existe correlacin cuando los valores elevados de una variable se
corresponden con valores elevados / bajos de la otra variable, y viceversa.
Para este anlisis se utiliza el coeficiente de correlacin, que indica el tipo de relacin (directa o
inversa) y su intensidad.
Puede tomar valores de -1 a 1, y se formula como la covarianza entre las dos variables dividido
por el producto de las desviaciones tpicas de cada variable. Se suele tomar como valor de
referencia +0.7.
Cuanto ms prximo sea a -1, mayor ser la relacin inversa entre las dos variables.
Cuanto ms prximo sea a 1, mayor ser la relacin directa entre las dos variables.
Cuanto ms prximo sea a 0, menor ser la relacin existente entre las dos variables.

!"#$$%&"'()*+,"-."+/,0.1,/.1"-."234.15678*93":";<83*871"-."=./87-,>"

T3. Anlisis bivariable


Anlisis bivariable entre dos variables cuantitativas
Coeficiente de correlacin

ejemplo

Estadsticos descri ptivos

EDAD ENTREVISTADO
GRADO SATISFACCION
GENERAL

Media
30,78

Desv iacin
tpica
10,740

7,30

1,277

N
401
401

Correlaciones

Correlacin de Pearson
Sig. (bilateral)
Suma de cuadrados y
productos cruzados
Cov arianza
N
GRADO SATISFACCION Correlacin de Pearson
GENERAL
Sig. (bilateral)
Suma de cuadrados y
productos cruzados
Cov arianza
N

EDAD
ENTREVI
STADO
1

GRADO
SATISFACCIO
N GENERAL
-,015
,770

46136,688

-80,446

115,342
401
-,015
,770

-,201
401
1

-80,446

652,489

-,201
401

1,631
401

EDAD ENTREVISTADO

Los resultados muestran una correlacin casi nula.

!"#$$%&"'()*+,"-."+/,0.1,/.1"-."234.15678*93":";<83*871"-."=./87-,>"

T3. Anlisis bivariable


Anlisis bivariable entre dos variables cuantitativas
Anlisis de regresin lineal simple
Establece relaciones de dependencia entre dos variables.
La formulacin matemtica implica la definicin de la ecuacin:
y = 0 + 1 x + e
0:
indica el valor de y ante la ausencia de x.
1:
indica la variacin de y ante una variacin unitaria de x, y nos informa de la relacin
positiva o negativa entre ambas variables.
e:
indica el valor residual imposible de predecir en el modelo.
La intensidad de la relacin viene determinada por R2, que puede tomar valores entre 0 y 1. Se
suele tomar como valor de referencia >0.7

!"#$$%&"'()*+,"-."+/,0.1,/.1"-."234.15678*93":";<83*871"-."=./87-,>"

T3. Anlisis bivariable

Anlisis bivariable entre dos variables cuantitativas


Anlisis de regresin lineal simple

ejemplo

Entrel'opinigeneralobservadai
l'ajustadahi ha una correlacidel 95%

File :

Written

by SPSS for Windows


* * * *
S I MP L E
R E G R E S S I O N
* * * *
Dependent Variable ..
OPIGENE OPINION GENERAL
ESTANCIA
Descriptive
Statistics
are printed
on Page
46
Block Number 1 . Method : Enter
OPIPLA

Variable(s)

Entered

on Step Number

Multiple
R
R Square
Adjusted R Square
Standard Error

-----------------Variable
OPIPLA
(Constant)
End Block

. 94955
. 90165
. 89906
. 08359

Variables
B
. 228138
6 . 148489

Number

All

1 .. OPIPLA

OPINION PLAYAS

Analysis
of Variance
DF
Sum of Squares
Regression
1
2 . 43445
Residual
38
. 26555
F =
348 . 37156
Signif
F = . 0000
in the Equation -----------------SE B
Beta
T
. 012223
. 949552
18 . 665
. 094767
64 . 880
requested

variables

Sig T
. 0000
. 0000

entered .

Equaci de regresi:

!"#$$%&"'()*+,"-."+/,0.1,/.1"-."234.15678*93":";<83*871"-."=./87-,>"

T4. Anlisis multivariable

!"#$$%&"'()*+,"-."+/,0.1,/.1"-."234.15678*93":";<83*871"-."=./87-,>"

y=6.14 + 0.22x

Mean Square
2 . 43445
. 00699

T4. Anlisis multivariables


Conceptos clave

Conceptos clave

En los anlisis multivariables es bsico tener claro 2 conceptos clave:


Proximidad
Mayor o menor semejanza que existe entre los individuos o las variables.
A nivel matemtico se utilizan tres ndices:
distancias: euclidiana, de Minkowski, distribucional o de la Chi-Cuadrado, generalizada o D2 de
Mahalanobis. El uso de las distancias puede requerir el centrado o reduccin de variables.
ndices geomtricos: producto escalar, covarianza, coeficiente de correlacin.
similitud: determinan cunto ms semejante son los individuos.
Cantidad de informacin
Capacidad de resumir la informacin a partir de la aplicacin de estos anlisis.
A nivel matemtico puede adoptar diferentes formulaciones. Generalmente se suele expresar a
travs de la varianza.

!"#$$%&"'()*+,"-."+/,0.1,/.1"-."234.15678*93":";<83*871"-."=./87-,>"

T5. Anlisis factorial

T5. Qu vamos a hacer hoy?


Problemtica de mrketing
Una cadena de distribucin de alimentos quiere entender las dimensiones importantes de su
negocio. Para ello realiza una encuesta a clientes de distintos establecimientos preguntando
sobre las siguientes variables:
Limpieza del local
Nivel de promociones y ofertas
Horarios amplios
Personal amable
Local espacioso y cmodo
No hay colas
Buen surtido de productos
El anlisis factorial identifica dos factores:

Factor 1. Altamente correlacionado con Limpieza del local, horarios amplios, no hay colas,
personal amable => SERVICIO AL CLIENTE
Factor 2. Altamente correlacionado con Nivel de promociones y ofertas y buen surtido de
productos => OFERTA DE PRODUCTOS

T5. Anlisis factorial


Objetivo
Este anlisis pretende estudiar las relaciones de interdependencia que se producen entre un
conjunto de variables o de individuos.
Se trata, pues, de resumir la informacin contenida en las variables iniciales de la matriz de
datos en una serie de factores o variables compuestas, al tiempo que se intenta:

perder el mnimo de informacin en el proceso.


facilitar la comprensin e interpretacin de los datos, identificando la estructura latente de
los datos.

Existen bsicamente dos tipos de anlisis factoriales:

Anlisis factorial tipo R: Pretende describir la estructura


latente en el espacio de las variables. Es el ms
utilizado en investigacin comercial.
Anlisis factorial tipo Q: Pretende describir la estructura
latente en el espacio de los individuos.

A.F.
Tipo Q

A.F.
Tipo R

T5. Anlisis factorial


Esquema metodolgico
Diseo del anlisis

Obtencin de la matriz de correlaciones

Seleccin de un mtodo factorial

Extraccin de los factores

Seleccin del nmero de factores a conservar

Rotacin de los factores conservados

Interpretacin de la matriz rotada

T5. Anlisis factorial


Diseo del anlisis
A la hora de aplicar este anlisis, hay 3 aspectos bsicos a tener en cuenta en su diseo:

Las variables que se utilizan en el anlisis deben ser comparables, para permitir una
correcta interpretacin de los factores obtenidos. En caso de mezclar variables de diferente
significado, se corre el riesgo de obtener factores sin sentido.

Las variables deben estar medidas en la misma escala. En el caso que las variables
hayan sido medidas en escalas muy diferentes, es necesario normalizarlas (restando la
media y dividiendo por la desviacin estndar), con el objeto de evitar la distorsin de
resultados por parte de las variables con una varianza ms elevada.

Las variables introducidas en el anlisis deben ser cuantitativas. Este anlisis intenta
definir los factores a travs de la correlacin que exista entre las variables iniciales. Y slo
tiene sentido calcular coeficientes de correlacin entre variables con propiedades
cuantitativas.

T5. Anlisis factorial


Obtencin de la matriz de correlaciones
A partir de la matriz de datos iniciales de individuos x variables, se calcula la matriz de
correlaciones entre todas las variables.
En esta matriz de correlaciones, cada valor representa el ndice de correlacin entre cada par de
variables (para ms informacin sobre este ndice, consultar el apartado de anlisis bivariable
entre dos variables cuantitativas).
Esta matriz constituye el punto de partida para aplicar el anlisis factorial.
Matri z de correl aciones
PUNTUACI
ON
AMABILIDA
D/EFICACIA
PERSONAL
Correlacin

PUNTUACION
AMABILIDAD/EFICACIA
PERSONAL
PUNTUACION LIMPI EZA
DE LOS LOCALES
PUNTUACION DISENO
INTER./EXTER. LOCALES
PUNTUACION TIEMPO
DE ESPERA
PUNTUACION CALIDAD
DE LOS PRODUCTOS
PUNTUACION VARIEDAD
DE LOS PRODUCTOS
PUNTUACION INTERES
DE SUS PROMOCIONES
PUNTUACION INTERES
DE SU PUBLICIDAD
PUNTUACION RELACI ON
CALIDAD/PRECIO

PUNTUACIO
N LIMPIEZA
DE LOS
LOCALES

PUNTUACIO
N DISENO
INTER.
/EX
TER.
LOCALES

PUNTUACIO
N TIEMPO
DE ESPERA

PUNTUACION
CALIDAD DE
LOS
PRODUCTOS

PUNTUACIO
N INTERES
DE SUS
PROMOCIO
NES

PUNTUACION
INTERES DE
SU
PUBLI CIDAD

PUNTUACION
RELACION
CALIDAD/
PRECIO

1,000

,541

,422

,409

,438

,541

1,000

,483

,372

,454

,336

,333

,335

,407

,293

,242

,328

,422

,483

1,000

,399

,420

,486

,458

,407

,391

,409

,372

,399

,442

1,000

,406

,320

,337

,372

,419

,438

,454

,486

,406

1,000

,581

,408

,375

,603

,336
,333

,293

,458

,320

,581

1,000

,541

,437

,560

,242

,407

,337

,408

,541

1,000

,631

,519

,335

,328

,391

,372

,375

,437

,631

1,000

,472

,407

,420

,442

,419

,603

,560

,519

,472

1,000

PUNTUACION
VARI EDAD DE
LOS
PRODUCTOS

limpieza
!"#$%

T5. Anlisis factorial


Seleccin de un mtodo
Existen bsicamente dos tipos de anlisis factorial:
Anlisis de Factores Comunes
Pretende pasar de las medidas obtenidas en la encuesta a conceptos tericos preestablecidos
que no pueden ser medidos directamente. En este anlisis las variables son combinaciones
lineales de los factores.
Anlisis de Componentes Principales
Trata de describir una estructura latente, pero sin hacer a priori ningn significado de los factores
que se van a obtener. Se entiende que los factores son combinacin lineal de las variables
iniciales.

En el mbito de la investigacin comercial y el marketing, est ms implantado el uso del Anlisis


de Componentes Principales (ACP).
Investigaciones empricas han demostrado la similitud de resultados sea cual sea el tipo de
anlisis utilizado cuando el nmero de variables originales es superior a 30 o cuando las
comunalidades (ver significado ms adelante) son superiores a 0.60 para la mayora de las
variables.

T5. Anlisis factorial


Extraccin de los factores
Los factores son nuevas variables que resultan ser combinacin lineal de las variables
originales, y adems tienen como caracterstica el hecho de no estar correlacionados.
Grficamente esta falta de correlacin se traduce en la obtencin de factores perpendiculares
entre s.
Factor 3

Factor 1 = + 11X11 + + 1iX1i


Factor 2 = + 21X21 + + 2iX2i
Factor 3 = + 31X31 + + 3iX3i
90

Factor 1

Factor j = + j1Xj1 + + jiXji

Factor 2

T5. Anlisis factorial


Extraccin de los factores
El objetivo del anlisis es explicar la mxima cantidad de informacin con el menor nmero
de factores posible. La medida de la cantidad de informacin restituida por cada factor es la
varianza.
Los factores se obtienen de forma que el primero contendr el mximo de informacin posible
(mayor varianza posible), el segundo factor contendr el segundo mayor nivel de informacin, y
as sucesivamente.
Varianza total expl icada

Component e
1
2
3
4
5
6
7
8
9

Autov alores iniciales


% de la
v arianza
Total
% acumulado
4,435
49,279
49,279
1,062
11,798
61,077
,746
8,286
69,362
,639
7,095
76,458
,565
6,275
82,733
,484
5,374
88,107
,386
4,293
92,400
,362
4,022
96,422
,322
3,578
100,000

Sumas de las saturaciones al cuadrado


de la extraccin
% de la
v arianza
Total
% acumulado
4,435
49,279
49,279
1,062
11,798
61,077
,746
8,286
69,362
,639
7,095
76,458
,565
6,275
82,733

Suma de las saturaciones al cuadrado


de la rotacin
% de la
v arianza
Total
% acumulado
2,064
22,937
22,937
1,733
19,259
42,196
1,631
18,124
60,320
1,023
11,369
71,689
,994
11,045
82,733

Mtodo de extraccin: Anlisis de Componentes principales.

T5. Anlisis factorial


Extraccin de los factores
Siendo P el nmero de variables iniciales e I en nmero de individuos, el nmero de factores
que podemos extraer mediante un anlisis factorial sera K:

K = mn (P,I) 1

Los factores extrados deben cumplir las condiciones de:

linealidad: cada factor es combinacin lineal de las variables iniciales.


independencia: los factores no estn correlacionados (los coeficientes de correlacin entre
ellos son nulos).
varianza decreciente: la cantidad de informacin restituida por cada factor decrece de
forma progresiva.

T5. Anlisis factorial


Extraccin de los factores
La varianza que recoge cada factor se calcula a partir de los valores propios.
Un factor restituir el % de varianza (y por tanto, de informacin) equivalente al valor que
representa el valor propio de ese factor, sobre la suma total de los valores propios:

% varianza factor k = valor propio k / suma valores propios

T5. Anlisis factorial


Determinacin de los factores a conservar
Existen diferentes criterios para la determinacin de los factores a conservar, algunos
fundamentados en aspectos estadsticos y otros de carcter ms subjetivo.
Criterio de Kaiser
Se conservan los factores cuyos valores propios sean mayores a la unidad.
Es el criterio ms utilizado por las aplicaciones informticas de tratamiento estadstico.
ejemplo
Varianza total expl icada

Component e
1
2
3
4
5
6
7
8
9

Autov alores iniciales


% de la
v arianza
Total
% acumulado
4,435
49,279
49,279
1,062
11,798
61,077
,746
8,286
69,362
,639
7,095
76,458
,565
6,275
82,733
,484
5,374
88,107
,386
4,293
92,400
,362
4,022
96,422
,322
3,578
100,000

Sumas de las saturaciones al cuadrado


de la extraccin
% de la
v arianza
Total
% acumulado
4,435
49,279
49,279
1,062
11,798
61,077
,746
8,286
69,362
,639
7,095
76,458
,565
6,275
82,733

Mtodo de extraccin: Anlisis de Componentes principales.

Suma de las saturaciones al cuadrado


de la rotacin
% de la
v arianza
Total
% acumulado
2,064
22,937
22,937
1,733
19,259
42,196
1,631
18,124
60,320
1,023
11,369
71,689
,994
11,045
82,733

T5. Anlisis factorial


Determinacin de los factores a conservar
Criterio de restitucin mnima
El investigador fija a priori un nivel mnimo de varianza que desea conservar.
Seleccionar tantos factores como sean necesarios para explicar ese nivel mnimo prefijado.
% varianza prefijado = VP1 + VP2 + + VPk / suma VP
siendo VP el valor propio de cada factor 1, 2k.

ejemplo

Ejemplo: Seleccin de factores para restituir un 80% de informacin


Varianza total expl icada

Component e
1
2
3
4
5
6
7
8
9

Autov alores iniciales


% de la
Total
% acumulado
v arianza
4,435
49,279
49,279
1,062
11,798
61,077
,746
8,286
69,362
,639
7,095
76,458
,565
6,275
82,733
,484
5,374
88,107
,386
4,293
92,400
,362
4,022
96,422
,322
3,578
100,000

Sumas de las saturaciones al cuadrado


de la extraccin
% de la
Total
% acumulado
v arianza
4,435
49,279
49,279
1,062
11,798
61,077
,746
8,286
69,362
,639
7,095
76,458
,565
6,275
82,733

Suma de las saturaciones al cuadrado


de la rotacin
% de la
Total
% acumulado
v arianza
2,064
22,937
22,937
1,733
19,259
42,196
1,631
18,124
60,320
1,023
11,369
71,689
,994
11,045
82,733

Mtodo de extraccin: Anlisis de Componentes principales.

T5. Anlisis factorial


Determinacin de los factores a conservar
Criterio de informacin restituida por cada factor
Este criterio se subdivide en tres reglas empricas, fundamentadas en la experiencia derivada de la aplicacin de
este anlisis.
1 regla emprica
Se seleccionaran los factores que restituyan una proporcin de varianza superior a 2 veces la cantidad 100/P,
siendo P en nmero de variables iniciales introducidas en el anlisis.
Recomendado en situaciones donde la nube de puntos pueda tener una forma esfrica.

ejemplo
Varianza total expl icada

Component e
1
2
3
4
5
6
7
8
9

Autov alores iniciales


% de la
v arianza
Total
% acumulado
4,435
49,279
49,279
1,062
11,798
61,077
,746
8,286
69,362
,639
7,095
76,458
,565
6,275
82,733
,484
5,374
88,107
,386
4,293
92,400
,362
4,022
96,422
,322
3,578
100,000

Sumas de las saturaciones al cuadrado


Suma de las saturaciones al cuadrado
de la extraccin
de la rotacin
% de la
% de la
v arianza
v arianza
Total
% acumulado
Total
% acumulado
4,435
49,279
49,279
2,064
22,937
22,937
1,062
11,798
61,077
1,733
19,259
42,196
&'
,746
8,286
69,362 $
1,631
18,124
60,320
,639
7,095
76,458
1,023
11,369
71,689
()
$ *&+
,565
6,275
82,733
,994
11,045
82,733
( , -$ *&. ' ( , -$ *$ . ' (

Mtodo de extraccin: Anlisis de Componentes principales.

T5. Anlisis factorial


Determinacin de los factores a conservar
Criterio de informacin restituida por cada factor
2 regla emprica
A partir de la representacin grfica en dos dimensiones donde el eje X identifica a cada factor y el eje Y la
varianza que explica cada uno de ellos, se seleccionan los factores anteriores al punto de inflexin de la curva
grfica.

ejemplo
Dado que el punto de inflexin se sita
en el factor o componente 2, este
criterio nos determina seleccionar
nicamente el primer factor.

Punto de
inflexin

Segn la tabla de ejemplos anteriores,


se resumira un 49,279% de la
informacin total.

T5. Anlisis factorial


Determinacin de los factores a conservar
Criterio de informacin restituida por cada factor
3 regla emprica
Es la ms utilizada en investigacin de mercados. Selecciona el nmero de factores necesarios
para:

obtener una solucin fcilmente interpretable, reflejo fiel de la realidad.

obtener factores que sean operativos, es decir, que sean variables relevo en estudios o
anlisis posteriores.

T5. Anlisis factorial


Determinacin de los factores a conservar
El valor de la cantidad de informacin restituida por los factores seleccionados siempre debe
considerarse en relacin al nmero de variables inicialmente tratadas.
Si los dos primeros factores restituyen el 75% de la informacin, esta cifra sera baja si solo hay 4
variables iniciales, mientras que sera un valor muy elevado si estuvisemos analizando 30
variables.
Concepto clave:
comunalidad
La comunalidad indica la proporcin de la varianza o cantidad de informacin de cada variable
que queda explicada por los factores seleccionados. Puede tomar valores de 0 a 1. Si la
comunidad es baja, la variable no est bien resumida y no resulta adecuada para dar un
significado a los factores obtenidos.
A parte de la varianza explicada, en la determinacin de los factores a conservar tambin
incide la comunalidad, es decir, la cantidad de informacin de cada variable inicial que queda
explicada por los factores seleccionados.
Una comunalidad elevada implica una correlacin alta con al menos uno de los factores
seleccionados. En cambio, una comunalidad baja implica una correlacin baja con todos los
factores seleccionados.

T5. Anlisis factorial


Rotacin de los factores conservados
Para poder interpretar y determinar la estructura latente en los datos iniciales, es necesario
conocer qu variables contribuyen ms a la formacin de cada factor (dimensin).
Para ello, se utilizan los coeficientes de correlacin entre variables iniciales y factores. Las
variables que presenten un coeficiente de correlacin elevado con el factor k contribuirn
de forma importante a la formacin de este factor k.
La interpretacin ser ms sencilla si se consigue que un factor tenga coeficientes de
correlacin elevados con un nmero reducido de variables.

Variable 7
Y27
Correlacin
Factor 2-Variable 7
X17
Correlacin
Factor 1-Variable 7

La correlacin de la variable 7 es
similar tanto para el factor 1 como
el factor 2.
A la hora de interpretar el
significado de ambos factores, la
variable 7 intervendr en ambos
casos.
Pero podramos obtener una
solucin factorial en que la variable
7 slo se utilizase para interpretar
un solo factor?

Variable 7
X17
Correlacin
Factor 1-Variable 7

T5. Anlisis factorial


Rotacin de los factores conservados
Existen dos tipos de rotaciones:

oblicuas: eliminan la propiedad de independencia de los factores.

ortogonales: mantienen la propiedad de independencia de los factores.

En investigacin comercial, se suelen utilizar las rotaciones ortogonales, y dentro de ellas, el algoritmo VARIMAX,
que intenta maximizar la correlacin con las variables con ndices de correlacin ms prximos a +1 y -1, y
minimizar la correlacin con el resto de variables.
Al ejecutar una rotacin de los factores, hay que tener en cuenta que la cantidad de informacin
explicada por los factores seleccionados no vara. Pero s lo hace la cantidad de informacin explicada
por cada factor.

T5. Anlisis factorial


Interpretacin de la matriz rotada
Para la interpretacin de los resultados, que permitan describir la estructura latente, podemos utilizar dos
tcnicas:
Anlisis de la matriz factorial rotada
Implica identificar qu variables presentan ndices de correlacin ms elevados con cada factor.
Se suele tomar como un ndice de correlacin elevado aquel que sea mayor o igual a +0.7.

Representacin grfica de los resultados


La representacin podr realizarse en el espacio de 2 3 dimensiones.
En el caso de haber seleccionado ms de 3 factores, pueden representarse 2 a 2.
Para el posicionamiento de las variables en estos mapas se utilizan como coordenadas los coeficientes de
correlacin con cada factor. En estas representaciones grficas, cuanto mayor sea la distancia de una variable al
origen de coordenadas, mayor ser la calidad de representacin de esa variable. Las variables mejor
representadas sern las que se utilicen para interpretar el significado de los factores.

T5. Anlisis factorial


/

Interpretacin de resultados
Comunalidades
Inicial
PUNTUACI ON
AMABILIDAD/EFI CACIA
PERSONAL
PUNTUACI ON LIMPIEZA
DE LOS LOCALES
PUNTUACI ON DISENO
INTER./EXTER. LOCALES
PUNTUACI ON TIEMPO
DE ESPERA
PUNTUACI ON CALIDAD
DE LOS PRODUCTOS
PUNTUACI ON VARI EDAD
DE LOS PRODUCTOS
PUNTUACI ON INTERES
DE SUS PROMOCIONES
PUNTUACI ON INTERES
DE SU PUBLICI DAD
PUNTUACI ON RELACION
CALIDAD/PRECIO

Extraccin

1,000

,794

1,000

,790

1,000

,949

1,000

,989

1,000

,789

1,000

,769

1,000

,813

1,000

,828

1,000

,726

Todas las comunalidades


son elevadas, por lo que
podemos utilizar todas las
variables para interpretar el
significado de los factores

Mtodo de extraccin: Anlisis de Componentes principales.

T5. Anlisis factorial


ejemplo

Interpretacin de resultados
a
Matri z de componentes

1
PUNTUACION RELACI ON
CALIDAD/PRECIO
PUNTUACION CALIDAD
DE LOS PRODUCTOS
PUNTUACION VARIEDAD
DE LOS PRODUCTOS
PUNTUACION DISENO
INTER./EXTER. LOCALES
PUNTUACION INTERES
DE SUS PROMOCIONES
PUNTUACION INTERES
DE SU PUBLICIDAD
PUNTUACION
AMABILIDAD/EFICACIA
PERSONAL
PUNTUACION LIMPI EZA
DE LOS LOCALES
PUNTUACION TIEMPO
DE ESPERA

Componente
3

,778

-,127

-,205

,117

-,220

,762

,056

-,421

,129

-,102

,727

-,316

-,374

,021

,020

,711

,168

-,069

-,146

,623

,704

-,498

,224

-,135

-,027

,687

-,368

,435

-,176

-,018

,660

,440

,158

-,180

-,328

,645

,544

,042

-,274

-,025

,627

,206

,340

,656

,086

Mtodo de extraccin: Anlisis de component es principales.


a. 5 componentes extrados

Antes de rotar los ejes,


existen variables con
correlaciones elevadas con
ms de un factor, que
dificultan la interpretacin de
resultados.
Por ejemplo, la interpretacin
del factor 1 es muy difcil
porque tiene correlaciones
elevadas o medias con todas
las variables.

T5. Anlisis factorial


/

Interpretacin de resultados
a
Matri z de componentes rotados

1
PUNTUACION CALIDAD
DE LOS PRODUCTOS
PUNTUACION VARIEDAD
DE LOS PRODUCTOS
PUNTUACION RELACI ON
CALIDAD/PRECIO
PUNTUACION INTERES
DE SU PUBLICIDAD
PUNTUACION INTERES
DE SUS PROMOCIONES
PUNTUACION
AMABILIDAD/EFICACIA
PERSONAL
PUNTUACION LIMPI EZA
DE LOS LOCALES
PUNTUACION TIEMPO
DE ESPERA
PUNTUACION DISENO
INTER./EXTER. LOCALES

Componente
3

,789

,076

,308

,175

,186

,772

,339

,036

,026

,236

,710

,325

,272

,206

,850

,202

,155

,130

,354

,813

,073

,082

,120

,214

,199

,823

,174

,017

,181

,075

,793

,095

,336

,199

,179

,207

,924

,143

,273

,214

,255

,159

PRODUCTO
PUBLICIDAD Y PROMOCIN
PERSONAL Y LIMPIEZA
TIEMPO DE ESPERA
DISEO

,031

,153

FACTOR 1
FACTOR 2
FACTOR 3
FACTOR 4
FACTOR 5

,859

Mtodo de extraccin: Anlisis de component es principales.


Mtodo de rotacin: Normalizacin Varimax con Kaiser.
a. La rotacin ha conv ergido en 6 iteraciones.

T5. Anlisis factorial


Representacin grfica de las correlaciones

ejemplo

T5. Anlisis factorial


Aplicaciones del anlisis factorial
Utilizacin de los resultados como variables relevo
Las variables que identifican a cada factor se pueden utilizar como base para otros anlisis que requieran
independencia de las variables a tratar.
Obtencin e interpretacin de factores
Supone la definicin de estructuras latentes que permitan tambin resumir la informacin de la matriz de datos
iniciales.
Seleccin de variables
Permite seleccionar qu variables intervienen en mayor medida en un fenmeno.
Deteccin de conglomerados o segmentos
Realizando un anlisis de tipo Q, que permite definir estructuras latentes sobre el espacio de individuos.
Posteriormente, a partir de las coordenadas de los individuos en los factores, se podra llevar a cabo un proceso
de agrupacin a travs de un algoritmo de clasificacin no jerrquico.

T5. Anlisis factorial


Sintaxis SPSS

FACTOR
Listar las variables a
/VARIABLES v1 v2 v3 v4 ...
utilizar en el anlisis
/MISSING PAIRWISE
/ANALYSIS v1 v2 v3 v4 ...
/FORMAT SORT
/PRINT INITIAL CORRELATION EXTRACTION ROTATION
/CRITERIA FACTORS(n) ITERATE(25)
/EXTRACTION PC
/CRITERIA ITERATE(25)
Sustituir n por el nmero
/ROTATION VARIMAX.
de factores a conservar

T5. Anlisis factorial


Mens SPSS

T5. Anlisis factorial


Mens SPSS

T5. Anlisis factorial


Mens SPSS

T5. Anlisis factorial


Mens SPSS

T5. Anlisis factorial


Mens SPSS

T5. Anlisis factorial


Mens SPSS

Opcional: en el caso de
desear guardar las
puntuaciones factoriales

T5. Anlisis factorial


Mens SPSS

T5. Anlisis factorial


ejemplo

Resultados SPSS
Comunalidades
AGIP
LINUX
HEINEKEN
MIZUNO
GALP
KAPPA
LOGITECH
SPEEDO
ROLEX
WI NDOWS
BEEFEATER
BREITLI NG
AMD
ADIDAS
ARMANI
SWATCH

Inicial
1,000
1,000
1,000
1,000
1,000
1,000
1,000
1,000
1,000
1,000
1,000
1,000
1,000
1,000
1,000

Extraccin
,513
,617
,470
,431
,347
,286
,493
,412
,599
,417
,398
,580
,503
,331
,513

Con los factores considerados se


explica (resume) bien las variables
analizadas?

SWATCH
BACARDI
INTEL
CORONITA
BURBERRY
BRIDGESTONE
PAULANER
DOCKERS
QUI CKSILVER
POLO RALPH LAUREN
SANDOZ
ALPINESTARS
DUNLOP
TIMBERLAND
TOTAL
EL NIO
BP
VICEROY

1,000
1,000
1,000
1,000
1,000
1,000
1,000
1,000
1,000
1,000
1,000
1,000
1,000
1,000
1,000
1,000
1,000
1,000

,435
,302
,564
,399
,528
,499
,583
,432
,576
,391
,654
,391
,465
,416
,535
,419
,543
,619

Mtodo de extraccin: Anlisis de Componentes principales.

T5. Anlisis factorial


ejemplo

Resultados SPSS
Varianza total explicada

Componente
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20

Autovalores iniciales
% de la
varianza
Total
% acumulado
5,928
17,964
17,964
2,112
6,399
24,363
1,903
5,767
30,130
1,594
4,830
34,960
1,484
4,498
39,458
1,353
4,099
43,556
1,289
3,906
47,462
1,264
3,830
51,292
1,185
3,590
54,882
1,114
3,376
58,258
1,063
3,221
61,479
,963
2,918
64,397
,942
2,854
67,250
,874
2,648
69,898
,865
2,621
72,519
,794
2,406
74,925
,734
2,224
77,150
,719
2,180
79,330
,685
2,074
81,404
,653
1,978
83,382

Sumas de las saturaciones al cuadrado


de la extraccin
% de la
varianza
Total
% acumulado
5,928
17,964
17,964
2,112
6,399
24,363
1,903
5,767
30,130
1,594
4,830
34,960
1,484
4,498
39,458
1,353
4,099
43,556
1,289
3,906
47,462

Suma de las saturaciones al cuadrado


de la rotacin
% de la
varianza
Total
% acumulado
3,730
11,303
11,303
2,376
7,200
18,503
2,306
6,988
25,490
2,122
6,431
31,921
1,914
5,800
37,721
1,618
4,903
42,624
1,597
4,838
47,462

Es suficiente % de
varianza explicada
por el modelo?
Necesitamos ms
factores?

T5. Anlisis factorial


ejemplo

Resultados SPSS
a
Matriz de componentes

1
BRIDGESTONE
ARMANI
AGIP
INTEL
TIMBERLAND
ALPINESTARS
QUICKSILVER
BP
SPEEDO
BEEFEATER
GALP
DOCKERS
DUNLOP
BREITLING
POLO RALPH LAUREN
MIZUNO
EL NIO
AMD
KAPPA
HEINEKEN
CORONITA
ADIDAS
WINDOWS
LINUX

2
,637
,572
,566
,540
,537
,514
,514
,497
,483
,477
,473
,472
,466
,461
,433
,427
,413
,401
,318
,395
,375
,208
,080
,315

,007
,041
,018
,264
-,107
,027
,300
,305
-,014
-,146
,215
-,211
,170
-,450
-,049
-,095
,296
-,339
,150
,442
-,425
,381
,379
,121

3
-,157
-,299
,028
,282
,131
,035
-,203
,127
-,192
,321
,077
-,346
-,070
,059
-,277
-,256
-,252
,361
-,103
,154
-,057
,209
,107
,627

Componente
4
,053
-,143
,244
-,151
,145
,189
,040
-,034
,013
-,071
-,159
,078
-,016
,234
,220
-,110
-,054
,140
,197
-,098
-,146
-,267
,044
,037

5
-,244
-,175
-,229
,258
-,027
-,296
-,041
-,207
,024
,040
,033
,155
-,278
-,236
-,195
,283
,174
,118
,273
,045
,086
-,162
-,183
,200

6
,073
-,042
-,171
-,184
,252
,044
,414
-,363
,085
-,163
-,206
-,073
-,313
,199
-,121
-,045
,220
-,226
-,046
,217
-,039
-,032
,354
,228

7
-,027
-,204
-,223
-,024
-,117
-,003
,084
,106
,366
-,111
-,043
-,094
-,195
,109
-,152
-,282
-,126
,113
,191
-,192
,209
,021
,309
-,129

La solucin de
factores sin rotar
muestra una
correlacin muy
elevada de muchas
variables con el
primer factor, as
como variables que
tienen una
correlacin similar
con ms de un factor.
Esta solucin es
difcil de interpretar.

T5. Anlisis factorial


ejemplo

Resultados SPSS
a
Matriz de componentes rotados

1
AGIP
ARMANI
BRIDGESTONE
DUNLOP
POLO RALPH LAUREN
ALPINESTARS
BP
DOCKERS
SANDOZ
VICEROY
CORONITA
SPEEDO
LOGITECH
LINUX
BACARDI
INTEL
HEINEKEN
TIMBERLAND
EL NIO
MIZUNO
PAULANER
AMD
BEEFEATER
BREITLING
BURBERRY

,660
,620
,612
,607
,602
,518
,446
,428
,100
,065
,118
,249
-,032
-,040
,070
,210
,243
,370
,304
,336
,067
,137
,265
,358

2
-,085
,315
,254
,007
,038
,040
,034
,294
,778
,767
,478
,413
,113
-,111
-,065
,138
,027
,123
,224
,289
,199
,066
,115
,204

3
,140
,073
,099
-,039
-,005
,071
-,020
,190
,022
,029
,051
,070
,671
,607
,460
,450
,426
,384
,362
,349
,031
,224
,285
,065

Componente
4
,214
-,094
,054
,089
,014
,165
,252
,031
,056
,116
,342
,087
,117
,282
,095
,238
-,176
,164
-,334
-,074
,724
,649
,439
,375

,048
,095
,035
,258
-,155
,062
,422
-,303
,176
,052
-,191
-,078
-,120
,309
-,056
,402
,418
-,040
,081
-,119
,100
-,078
,170
-,295

,002
-,001
-,033
,107
,056
-,065
,303
,143
,065
-,076
,006
,229
-,025
-,169
,258
,282
-,007
-,197
,137
,091
-,048
,055
-,046
-,285

,045
-,076
,212
-,097
,014
,285
,098
-,116
,016
-,064
-,015
,330
,000
,178
-,046
-,037
,155
,222
,092
-,292
,038
,010
-,096
,313

T5. Anlisis factorial


ejemplo

Resultados SPSS

BURBERRY
ADIDAS
GALP
ROLEX
SWATCH
KAPPA
TOTAL
WINDOWS
QUICKSILVER

,288
,111
,328
,153
,078
,139
,078
-,041
,363

,055
,060
,159
,199
,180
,085
-,195
,015
,275

,216
,038
,196
,170
,095
,250
-,002
,013
,284

Mtodo de extraccin: Anlisis de componentes principales.


Mtodo de rotacin: Normalizacin Varimax con Kaiser.
a. La rotacin ha convergido en 36 iteraciones.

,017
-,008
,129
,209
,021
,030
,210
-,158
-,283

-,586
,550
,334
-,015
,074
-,096
-,104
,260
,089

,225
,040
,211
-,665
,575
,394
,260
,006
,040

,036
,096
-,055
,143
,225
,178
,607
,568
,446

T6. Anlisis de correspondencias

T6. Anlisis de correspondencias


Objetivo
Al igual que el anlisis factorial, pretende estudiar las relaciones de interdependencia que se
producen entre un conjunto de variables.
De hecho, se trata de un caso particular del anlisis factorial de componentes principales,
diferenciado en los siguientes aspectos:

no trata de resumir la informacin de unas variables a travs de la construccin de nuevas


variables sintticas; el anlisis de correspondencias pretende analizar la forma de las
relaciones entre las variables.

permite analizar cualquier matriz de datos no negativos, independientemente de su


escala de medida. Por lo tanto, se hace ms adecuado para el tratamiento de variables
cualitativas, mucho ms frecuentes en investigacin comercial.

su objetivo bsico es analizar dos conjuntos de variables: habitualmente acostumbran a


ser productos/empresas/marcas vs. atributos/caractersticas. Pero tambin pueden ser
otras dos dimensiones de datos cualesquiera.

permite la presentacin de ambos conjuntos de variables en un mismo espacio.

T6. Anlisis de correspondencias


Esquema metodolgico
Diseo del anlisis

Transformacin de la matriz inicial en tablas de frecuencias condicionadas

Clculo de las matrices de distancias

Obtencin de los ejes factoriales

Determinacin del nmero de ejes factoriales a conservar

Interpretacin de resultados

T6. Anlisis de correspondencias


Diseo del anlisis
Las variables pueden ser del tipo cualitativo, es decir, nominales u ordinales.
Los datos de partida suelen ser tablas de contingencia, donde se relacionan el nmero de casos
asociados a cruce de variables: variables F (atributos) x variables C (empresas).
El anlisis es simtrico, por lo que ambos conjuntos de variables juegan un papel intercambiable.
Se pretende agrupar filas (variables F) por su semejanza en la asociacin de respuestas a las
columnas (variables C). Y paralelamente, pretende establecer una agrupacin de las columnas en
base a su similitud en el perfil de respuestas en las variables F.

Concepto clave:
datos de partida
En general, puede trabajar con cualquier matriz de datos no negativos (nulos o positivos),
independientemente de su escala de medida.

T6. Anlisis de correspondencias


ejemplo

Diseo del anlisis


A travs de las preguntas siguientes, se consigue obtener el perfil de asociacin de diferentes atributos a la
imagen de marca de empresas de telefona.

T6. Anlisis de correspondencias


ejemplo

Diseo del anlisis


La tabla de asociacin de partida sera:
Tabla de correspondencias

ATRIBUTOS
Mejor cobertura
Mejor adaptabilidad a
las empresas
Mejor oferta de
terminales
Precio ms bajo
Menor tiempo de
espera de atencin
Ms eficaz en el servicio
Mejor asesoramiento
Personal ms amable
Personal ms
profesional
Mayor claridad en las
comunicaciones
Ms internacional
Mejor asistencia tcnica
Mejores planes de
ahorro
Ms publicidad
Ms promociones
Peor oferta global para
empresas
Mejor oferta global para
empresas
Mayor compromiso
social
Margen activo

EMPRESAS
YOIGO
CC
238
424

VODAFONE
1067

MOVISTAR
2146

ORANGE
1099

1421

2610

1219

365

376

620

414

71

368

793

600

1378

2650

955
1212
1007

a. Columna suplementaria

OTROS
337

IDEAL
871

Margen activo
5311

631

341

1070

6587

139

188

382

1808

121

251

329

735

2462

1270

357

661

396

2019

6712

2364
2281
2337

938
1063
921

258
263
268

423
523
440

214
317
265

887
119
1568

5152
5659
5238

1189

2336

1085

340

494

289

393

5733

751

1777

1547

220

320

398

89

5013

1115
993

2596
2486

751
1089

233
277

439
438

97
296

1000
2486

5231
5579

1245

2733

535

141

552

141

63

5347

574
814

1046
1483

698
1030

142
160

299
388

268
226

1402
21

3027
4101

576

697

224

287

57

22

1863
5234

970

2210

1073

192

542

247

143

1373

2471

1143

263

442

180

127

17384

35636

16699

4196

7463

4551

5872
85929

376 personas
entrevistadas han
asociado la
caracterstica de mejor
oferta de terminales a
Vodafone.
Pero es realmente
Vodafone quien tiene
ms asociado este
atributo a su imagen
de marca?

T6. Anlisis de correspondencias


Transformacin de la matriz inicial en tablas de frecuencias condicionadas
A partir de las asociaciones entre filas y columnas, calcula:

perfiles fila: detalla la proporcin de asociaciones del atributo f que han recado en la
empresa c.

perfiles columna: detalla la proporcin de asociaciones al atributo f del total de asociaciones


de la empresa c.

Se crean as las tablas de frecuencias condicionadas, que contienen los vectores fila y los
vectores columnas, que estarn condicionados por el peso de citacin de cada atributo y
empresa, respectivamente.

T6. Anlisis de correspondencias


Transformacin de la matriz inicial en tablas de frecuencias condicionadas
Perfiles de fila

ATRIBUTOS
Mejor cobertura
Mejor adaptabilidad a
las empresas
Mejor oferta de
terminales
Precio ms bajo
Menor tiempo de
espera de atencin
Ms eficaz en el servicio
Mejor asesoramiento
Personal ms amable
Personal ms
profesional
Mayor claridad en las
comunicaciones
Ms internacional
Mejor asistencia tcnica
Mejores planes de
ahorro
Ms publicidad
Ms promociones
Peor oferta global para
empresas
Mejor oferta global para
empresas
Mayor compromiso
social
Masa

EMPRESAS
YOIGO
CC
,045
,080

VODAFONE
,201

MOVISTAR
,404

ORANGE
,207

,216

,396

,185

,055

,208

,343

,229

,039

,149

,322

,244

,205

,395

,185
,214
,192

a. Columna suplementaria

ejemplo
a

OTROS
,063

IDEAL
,164

Margen activo
1,000

,096

,052

,162

1,000

,077

,104

,211

1,000

,049

,102

,134

,299

1,000

,189

,053

,098

,059

,301

1,000

,459
,403
,446

,182
,188
,176

,050
,046
,051

,082
,092
,084

,042
,056
,051

,172
,021
,299

1,000
1,000
1,000

,207

,407

,189

,059

,086

,050

,069

1,000

,150

,354

,309

,044

,064

,079

,018

1,000

,213
,178

,496
,446

,144
,195

,045
,050

,084
,079

,019
,053

,191
,446

1,000
1,000

,233

,511

,100

,026

,103

,026

,012

1,000

,190
,198

,346
,362

,231
,251

,047
,039

,099
,095

,089
,055

,463
,005

1,000
1,000

,309

,374

,120

,154

,031

,012

,000

1,000

,185

,422

,205

,037

,104

,047

,027

1,000

,234

,421

,195

,045

,075

,031

,022

1,000

,202

,415

,194

,049

,087

,053

,156

Del total de
asociaciones de mejor
oferta de terminales,
el 20,8% corresponden
a Vodafone, el 34,3% a
Movistar, etc.
Todos los valores de
una misma fila suman
el 100% (margen
activo). Esta tabla,
pues, nos facilita el
vector fila.

En esta tabla tambin podemos ver que del total de


asociaciones que ha habido, Yoigo slo se ha llevado el
4,9%, la menor cifra de todas las empresas valoradas.

T6. Anlisis de correspondencias


Transformacin de la matriz inicial en tablas de frecuencias condicionadas
Perfiles de columna

ATRIBUTOS
Mejor cobertura
Mejor adaptabilidad a
las empresas
Mejor oferta de
terminales
Precio ms bajo
Menor tiempo de
espera de atencin
Ms eficaz en el servicio
Mejor asesoramiento
Personal ms amable
Personal ms
profesional
Mayor claridad en las
comunicaciones
Ms internacional
Mejor asistencia tcnica
Mejores planes de
ahorro
Ms publicidad
Ms promociones
Peor oferta global para
empresas
Mejor oferta global para
empresas
Mayor compromiso
social
Margen activo

EMPRESAS
YOIGO
CC
,057
,057

VODAFONE
,061

MOVISTAR
,060

ORANGE
,066

,082

,073

,073

,087

,022

,017

,025

,017

,021

,022

,036

,079

,074

,055
,070
,058

OTROS
,074

IDEAL
,065

,085

,075

,080

,077

,019

,041

,029

,021

,029

,034

,072

,055

,029

,076

,085

,089

,087

,151

,078

,066
,064
,066

,056
,064
,055

,061
,063
,064

,057
,070
,059

,047
,070
,058

,066
,009
,117

,060
,066
,061

,068

,066

,065

,081

,066

,064

,029

,067

,043

,050

,093

,052

,043

,087

,007

,058

,064
,057

,073
,070

,045
,065

,056
,066

,059
,059

,021
,065

,075
,186

,061
,065

,072

,077

,032

,034

,074

,031

,005

,062

,033
,047

,029
,042

,042
,062

,034
,038

,040
,052

,059
,050

,105
,002

,035
,048

,033

,020

,013

,068

,008

,005

,000

,022

,056

,062

,064

,046

,073

,054

,011

,061

,079

,069

,068

,063

,059

,040

,009

,068

1,000

1,000

1,000

1,000

1,000

1,000

ejemplo

Masa
,062

1,000

Del total de
asociaciones que se
han producido entre
todas las empresas y
atributos, el 2,1%
corresponden a
mejor oferta de
terminales.

a. Columna suplementaria

Este es el perfil de asociacin de la empresa Vodafone (vector columna). Ahora son estos porcentajes los que totalizan 100%. As, podemos
decir que del total de asociaciones de Vodafone, el 2,2% corresponden al atributo mejor oferta de terminales. Pese a que Vodafone tena
menor nmero absoluto de asociaciones para este atributo que Movistar, en trminos relativos, ambas empresas son similares.

T6. Anlisis de correspondencias


Clculo de las matrices de distancias
A partir de las tablas de frecuencias condicionadas, y concretamente los vectores fila y los
vectores columna, el anlisis calcula las distancias entre los elementos fila por un lado, y
entre los elementos columna por otro.
La distancia entre los puntos fila o los puntos columna determina el grado de semejanza que
existe entre ellos.
La distancia a utilizar ser la de la Chi-cuadrado. No se utiliza la distancia euclidiana dado que
no permite la sustitucin de dos puntos por otro que est afectado por la suma de los pesos
asociados a cada uno de ellos.
Esos pesos son los que determinan los mrgenes activos de cada una de las tablas anteriores.

T6. Anlisis de correspondencias


Obtencin de los ejes factoriales
La obtencin de los ejes factoriales representa un caso particular del proceso utilizado en el
anlisis de componentes principales:

obtencin de dos conjuntos de ejes factoriales.

cada conjunto de ejes factoriales restituir una cantidad de informacin de la matriz


de datos iniciales, medida en trminos de varianza. Estos factores mantienen la propiedad
de ser combinacin lineal de las variables iniciales y no estn correlacionados.

la propiedad fundamental es la relacin de simetra entre los ejes factoriales obtenidos,


que permiten posicionar tanto las categoras F como las categoras C en un mismo espacio.

El nmero de ejes a extraer es:

K = mn (F,C) 1

T6. Anlisis de correspondencias


Determinacin del nmero de ejes factoriales a conservar
Los criterios de seleccin de los ejes factoriales a conservar son similares a los vistos en el caso
del anlisis de componentes principales:

Criterio de Kaiser
Criterio de restitucin mnima
Criterio de informacin restituida por cada factor, dentro del cual existen 3 reglas empricas.

En la prctica, se acostumbra a utilizar el criterio de restitucin mnima o la 3 regla emprica,


es decir se fija la cantidad mnima de informacin que se desea explicar o bien se escoge
soluciones que sean interpretables.

T6. Anlisis de correspondencias


Interpretacin de resultados
En el anlisis de correspondencias no es necesaria la interpretacin de los factores, dado que lo
que se pretende es describir la relacin entre variables, y no tanto la obtencin de dimensiones
de sntesis de informacin.
No obstante, si se desea otorgar una interpretacin a las dimensiones, es necesario utilizar la
contribucin absoluta de cada atributo en la formacin del eje factorial.

Concepto clave:
contribucin absoluta
La contribucin absoluta nos determina en qu medida cada una de las variables (fila y
columna) interviene en la formacin de los ejes factoriales que se utilizan para posicionar las
variables fila y columna. Si una variable tiene un peso importante en la formacin de un eje
factorial o dimensin, nos servir para poder otorgarle un significado.

T6. Anlisis de correspondencias


Interpretacin de resultados
En trminos grficos, lo que se pretende es observar la proximidad entre atributos y
empresas. El hecho de poder posicionar ambos elementos en un mismo espacio, permite
relacionar los conceptos de proximidad grfica y similitud:

la proximidad entre dos atributos indica perfiles similares de asociacin a empresas.

la proximidad entre dos empresas indica que presentan los mismos puntos fuertes y
dbiles.

la proximidad de atributos i/o empresas al origen de coordenadas indica una falta de


diferenciacin especfica por cualquiera de los elementos valorados, es decir, presentan un
comportamiento como la media.

la proximidad entre atributos y empresas permite establecer una fuerte asociacin entre
ambos, y nos permite definir la imagen de esa empresa.

En el caso que la nube de puntos sea parcialmente compacta, se debe realizar un zoom de
mercado.

T6. Anlisis de correspondencias


ejemplo

Interpretacin de resultados
Puntos poco
diferenciados
Mejor asistencia tcnica
CC
Mejor oferta global para empresas
Precio
OTROS ms bajo

IDEAL
Ms promociones
ORANGE

Mejores planes de ahorro

Personal ms amable
Ms eficaz en el servicio
MOVISTAR

Mejor
cobertura

Ms publicidad
! "
!
! #
!
Mayor claridad en
las comunicaciones
Mejor
Mejor oferta de
asesoramiento
terminales
Menor tiempo de
espera de atencin !

Ms internacional

Mayor compromiso social


#

"

VODAFONE
Mejor adaptabilidad a las empresas
Personal ms profesional

YOIGO

Asociacin muy fuerte


y diferenciacin

!
Peor oferta global
para empresas

T6. Anlisis de correspondencias


Interpretacin de resultados
La calidad de representacin de los elementos (atributos y
empresas) dentro de este espacio comn viene determinada por el
concepto de contribucin:

contribucin absoluta del un elemento a la varianza de un eje


factorial: el grado en que dicho objeto ha influido en la
formacin de ese eje factorial.

contribucin relativa de un elemento a la varianza de un eje


factorial: relacin entre su contribucin absoluta y la varianza
explicada por el eje.

El hecho de que un elemento contribuya el gran medida a la


formacin del eje implicar un elevado ndice de correlacin con l.
El recproco no es siempre correcto.
Es importante valorar la calidad del posicionamiento de los puntos,
para poder determinar si las proximidades y por tanto las
asociaciones entre empresas y atributos es ajustada a la realidad.

CALIDAD DE
REPRESENTACIN:
Dos puntos pueden
estar prximos en un
plano, pero muy
separados si utilizamos
un tercer eje.

T6. Anlisis de correspondencias


ejemplo

Interpretacin de resultados
a
Examen de los puntos de fila

Puntuacin en la
dimensin

ATRIBUTOS
Mejor cobertura
Mejor adaptabilidad a
las empresas
Mejor oferta de
terminales
Precio ms bajo
Menor tiempo de
espera de atencin
Ms eficaz en el servicio
Mejor asesoramiento
Personal ms amable
Personal ms
profesional
Mayor claridad en las
comunicaciones
Ms internacional
Mejor asistencia tcnica
Mejores planes de
ahorro
Ms publicidad
Ms promociones
Peor oferta global para
empresas
Mejor oferta global para
empresas
Mayor compromiso
social
Total activo

Masa
,062

Contribucin
De los puntos a la
inercia de la
dimensin
1
2
,008
,000

De la dimensin a la inercia del


punto
1
2
Total
,723
,000
,723

1
-,139

2
,004

Inercia
,000

,077

,041

-,103

,000

,001

,009

,063

,248

,311

,021

-,585

-,061

,001

,047

,001

,732

,005

,737

,029

-,961

,005

,005

,174

,000

,812

,000

,812

,078

-,046

-,046

,000

,001

,002

,084

,052

,136

,060
,066
,061

,165
,001
,118

,084
,008
,047

,001
,000
,000

,011
,000
,006

,005
,000
,001

,429
,000
,427

,067
,003
,041

,496
,003
,468

,067

,044

-,152

,000

,001

,017

,106

,777

,883

,058

-,774

-,071

,006

,230

,003

,831

,004

,836

,061
,065

,558
,006

,177
,065

,003
,000

,125
,000

,021
,003

,898
,001

,055
,064

,952
,065

,062

,695

,480

,006

,198

,155

,737

,215

-,505
-,319

-,033
,035

,002
,001

,059
,032

,000
,001

,867
,590

,002
,004

,869
,594

,022

,777

-1,775

,008

,086

,738

,239

,759

,998

,061

-,030

,254

,001

,000

,043

,015

,663

,678

,068

,209

-,059

,001

,020

,003

,409

,020

,429

,037

1,000

NO UTILIZAR PARA LA
INTERPRETACIN DE
RESULTADOS!!

,952

,035
,048

Puntos con una calidad


de representacin baja
o muy baja

1,000

1,000

a. Normalizacin Simtrica

T6. Anlisis de correspondencias


ejemplo

Interpretacin de resultados

b
Examen de los puntos columna

Puntuacin en la
dimensin

EMPRESAS
VODAFONE
MOVISTAR
ORANGE
YOIGO
CC
OTROS
IDEALa
Total activo

Masa
,202
,415
,194
,049
,087
,053
,156
1,000

1
,255
,243
-,540
,166
-,011
-1,031
-,441

2
-,195
,168
-,043
-1,124
,357
,035
,173

Contribucin

Inercia
,004
,005
,010
,006
,002
,010
,131
,037

De los puntos a la
inercia de la
dimensin
1
2
,086
,083
,161
,127
,373
,004
,009
,667
,000
,119
,371
,001
,000
,000
1,000
1,000

De la dimensin a la inercia del


punto
1
2
Total
,549
,196
,745
,697
,204
,901
,857
,003
,861
,033
,915
,948
,001
,473
,474
,846
,001
,846
,035
,003
,038

a. Punto suplementario
b. Normalizacin Simtrica

Cuando la calidad de representacin baja afecta a atributos (puntos fila), no


se puede transferir la caracterstica de ese atributo a ninguna empresa.
Cuando la calidad de representacin baja afecta a empresas (puntos
columna), no se puede definir la imagen de marca de esa empresa.

Puntos con una calidad


de representacin baja
o muy baja

NO UTILIZAR PARA LA
INTERPRETACIN DE
RESULTADOS!!

T6. Anlisis de correspondencias


Aplicaciones del anlisis de correspondencias
Las principales aplicaciones se centran en:

visualizacin de los fenmenos de competencia en un mercado, para la deteccin de


puntos fuertes y dbiles en la oferta de una empresa.

visualizacin del ideal de mercado: se incorpora en el anlisis como una empresa ms,
pero con un comportamiento pasivo (no interviene en la formacin de los ejes, nicamente
se posiciona en ellos).

anlisis de ingeniera de imagen: permite valorar movimientos en cuanto a los fenmenos


de competencia, ya sean simulados (cambiando los valores de asociacin a partir de
hiptesis de trabajo) o reales (mediante estudios evolutivos).

T6. Anlisis de correspondencias


ejemplo

Aplicaciones del anlisis de correspondencias

Es posible este
movimiento?

Mejor asistencia tcnica


CC
Mejor oferta global para empresas

Precio
OTROS ms bajo

Mejores planes de ahorro

Personal ms amable
Ms eficaz en el servicio

VODAFONE
IDEAL
Mejor
Ms promociones cobertura
ORANGE

MOVISTAR

Ms publicidad
! "
!
! #
!
Mayor claridad en
las comunicaciones
Mejor
Mejor oferta de
asesoramiento
terminales
Menor tiempo de
espera de atencin !

Ms internacional

Mayor compromiso social


#

"

VODAFONE
Mejor adaptabilidad a las empresas
Personal ms profesional

YOIGO

!
Peor oferta global
para empresas

T6. Anlisis de correspondencias


Sintaxis SPSS

CORRESPONDENCE
TABLE = VI(1 i) BY VJ(1 j)
/DIMENSIONS = n
/MEASURE = CHISQ
/STANDARDIZE = RCMEAN
/NORMALIZATION = SYMMETRICAL
/PRINT = TABLE RPOINTS CPOINTS
/PLOT = NDIM(1,MAX) BIPLOT(20)

T6. Anlisis de correspondencias


Mens SPSS

Indicar variables y
rangos
Sustituir n por el nmero
de ejes a conservar
RPROFILES CPROFILES
.

T6. Anlisis de correspondencias


Mens SPSS

T6. Anlisis de correspondencias


Mens SPSS

Seleccionar La categora es
suplementaria para definir
categoras de valores que no
deben intervenir en la
formacin de los ejes (puntos
fila o columna pasivos).

T6. Anlisis de correspondencias


Mens SPSS

T6. Anlisis de correspondencias


Mens SPSS

T6. Anlisis de correspondencias


Mens SPSS

T6. Anlisis de correspondencias


ejemplo

Resultados SPSS
Tabla de correspondencias

v1
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
Margen activo

1
24671
26851
27685
7134
6689
27968
21592
25362
27203
21484
17104
25638
26991
25922
33405
30351
7462
16687
19024
419223

2
14019
15406
16704
4114
3364
17146
11749
13786
14922
9217
9404
15284
13860
15074
17744
15001
3519
9258
8848
228419

3
9178
9402
10874
2627
3719
11023
7860
9435
9772
11811
2778
11143
8327
10331
9342
4199
3649
6654
12208
154332

v2
4
1352
1263
1263
480
625
1495
1122
1432
1391
962
6507
726
1089
1400
1089
1450
458
438
721
25263

5
5992
6157
6985
1579
977
7425
4641
5618
6555
3962
793
8359
6568
6109
3045
4672
1698
4006
3602
88743

A la empresa 1, le han asociado 419.223 veces


uno o varios de los atributos analizados.

6
2460
2347
1659
1287
2719
2347
1137
1829
1484
3499
336
1632
774
1535
369
861
1407
498
2822
31002

Margen activo
57672
61426
65170
17221
18093
67404
48101
57462
61327
50935
36922
62782
57609
60371
64994
56534
18193
37541
47225
946982

En total, el atributo 1
se ha asociado 57.672
veces a una o varias de
las empresas
analizadas.

9.435 individuos han


asociado el atributo 8 a
la empresa 3.

Se han producido
946.982 asociaciones
entre los 19 atributos
(v1) y 6 empresas (v2)
analizadas.

T6. Anlisis de correspondencias


ejemplo

Resultados SPSS
Perfiles de fila
v2
v1
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
Masa

2
,428
,437
,425
,414
,370
,415
,449
,441
,444
,422
,463
,408
,469
,429
,514
,537
,410
,445
,403
,443

3
,243
,251
,256
,239
,186
,254
,244
,240
,243
,181
,255
,243
,241
,250
,273
,265
,193
,247
,187
,241

4
,159
,153
,167
,153
,206
,164
,163
,164
,159
,232
,075
,177
,145
,171
,144
,074
,201
,177
,259
,163

5
,023
,021
,019
,028
,035
,022
,023
,025
,023
,019
,176
,012
,019
,023
,017
,026
,025
,012
,015
,027

6
,104
,100
,107
,092
,054
,110
,096
,098
,107
,078
,021
,133
,114
,101
,047
,083
,093
,107
,076
,094

,043
,038
,025
,075
,150
,035
,024
,032
,024
,069
,009
,026
,013
,025
,006
,015
,077
,013
,060
,033

Margen activo
1,000
1,000
1,000
1,000
1,000
1,000
1,000
1,000
1,000
1,000
1,000
1,000
1,000
1,000
1,000
1,000
1,000
1,000
1,000

Del total de veces que


se ha asociado el
atributo 1 a una
empresa, el 24,3% se
hizo a la empresa 2.

T6. Anlisis de correspondencias


ejemplo

Resultados SPSS
Perfiles de columna

v1
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
Margen activo

,059
,064
,066
,017
,016
,067
,052
,060
,065
,051
,041
,061
,064
,062
,080
,072
,018
,040
,045
1,000

,061
,067
,073
,018
,015
,075
,051
,060
,065
,040
,041
,067
,061
,066
,078
,066
,015
,041
,039
1,000

,059
,061
,070
,017
,024
,071
,051
,061
,063
,077
,018
,072
,054
,067
,061
,027
,024
,043
,079
1,000

v2
4
,054
,050
,050
,019
,025
,059
,044
,057
,055
,038
,258
,029
,043
,055
,043
,057
,018
,017
,029
1,000

,068
,069
,079
,018
,011
,084
,052
,063
,074
,045
,009
,094
,074
,069
,034
,053
,019
,045
,041
1,000

,079
,076
,054
,042
,088
,076
,037
,059
,048
,113
,011
,053
,025
,050
,012
,028
,045
,016
,091
1,000

Masa
,061
,065
,069
,018
,019
,071
,051
,061
,065
,054
,039
,066
,061
,064
,069
,060
,019
,040
,050

Del total de veces que


se ha asociado la
empresa 1 a un
atributo, el 6,5% se
hizo al atributo 9.

T6. Anlisis de correspondencias


ejemplo

Resultados SPSS

Resumen
Proporcin de inercia

Dimensin
1
2
3
4
5
Total

Valor propio
,205
,153
,071
,063
,026

Inercia
,042
,023
,005
,004
,001
,075

Chi-cuadrado

71059,089

Sig.

,000a

Explicada
,562
,311
,066
,053
,009
1,000

Acumulada
,562
,872
,939
,991
1,000
1,000

Confianza para el Valor


propio
Desviacin
tpica
,002
,001

Correlacin
2
,193

a. 90 grados de libertad
Considerando nicamente la representacin
en dos dimensiones, se recoge el 87,2% de
informacin del modelo.

T6. Anlisis de correspondencias


ejemplo

Resultados SPSS
a
Examen de los puntos de fila

Puntuacin en la
dimensin

v1
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
Total activo

Masa
,061
,065
,069
,018
,019
,071
,051
,061
,065
,054
,039
,066
,061
,064
,069
,060
,019
,040
,050
1,000

a. Normalizacin Simtrica

1
-,085
-,079
-,091
-,113
-,357
-,093
-,011
-,028
-,033
-,343
2,109
-,259
-,018
-,046
,129
,274
-,265
-,156
-,406

2
,076
-,015
-,140
,475
1,617
-,021
-,132
-,021
-,148
,614
,524
-,167
-,349
-,095
-,427
-,481
,649
-,301
,561

Contribucin

Inercia
,000
,000
,001
,001
,009
,000
,000
,000
,000
,005
,037
,002
,001
,000
,005
,005
,002
,001
,005
,075

De los puntos a la
inercia de la
dimensin
1
2
,002
,002
,002
,000
,003
,009
,001
,027
,012
,327
,003
,000
,000
,006
,000
,000
,000
,009
,031
,133
,845
,070
,022
,012
,000
,048
,001
,004
,006
,082
,022
,090
,007
,053
,005
,023
,040
,103
1,000
1,000

De la dimensin a la inercia del


punto
1
2
Total
,290
,171
,461
,339
,010
,349
,232
,409
,641
,046
,608
,655
,055
,837
,892
,282
,011
,293
,008
,843
,851
,464
,203
,667
,046
,704
,750
,269
,641
,910
,952
,044
,995
,450
,139
,589
,003
,858
,861
,112
,360
,472
,051
,413
,464
,189
,434
,623
,178
,791
,968
,214
,595
,809
,332
,471
,803

Puntos bien
representados

Puntos mal
representados

T6. Anlisis de correspondencias


ejemplo

Resultados SPSS
a
Examen de los puntos columna

Puntuacin en la
dimensin

v2
1
2
3
4
5
6
Total activo

Masa
,443
,241
,163
,027
,094
,033
1,000

1
,074
,086
-,382
2,378
-,350
-,675

2
-,135
-,204
,320
,908
-,236
1,665

Contribucin

Inercia
,003
,002
,010
,035
,007
,018
,075

De los puntos a la
inercia de la
dimensin
1
2
,012
,052
,009
,066
,116
,109
,735
,144
,056
,034
,073
,594
1,000
1,000

De la dimensin a la inercia del


punto
1
2
Total
,164
,398
,562
,149
,620
,769
,490
,255
,745
,890
,097
,987
,360
,122
,482
,168
,761
,930

a. Normalizacin Simtrica

El mismo anlisis de representacin de puntos se podra hacer para las empresas (puntos columna). Cules estn
bien representadas en el mapa de posicionamiento, y qu empresas no lo estn?
Cuando consideramos puntos suplementarios (es decir, que no intervienen en la formacin de los ejes de
posicionamiento, los valores de Contribucin de los puntos a la inercia de la dimensin son nulos. En cambio,
los valores de la contribucin de la dimensin a la inercia del punto s que son positivos. Es importante que, pese a
no intervenir en la formacin de los ejes, estos puntos suplementarios estn bien representados en el mapa.

T6. Anlisis de correspondencias


ejemplo

Resultados SPSS

Variable v1: atributos


Variable v2: empresas

Fuerte asociacin entre


la empresa 6 y el
atributo 5.

Fuerte asociacin entre


la empresa 4 y el
atributo 11.

Puntos cercanos al origen de coordenadas,


y por tanto, poco diferenciados.

T7. Anlisis tipolgico o cluster

T7. Anlisis tipolgico o cluster


Objetivo
Es un mtodo que busca analizar la interdependencia entre variables con el objeto de definir
grupos de tal forma que:

sean lo ms homogneos en su interior, esto es, que los individuos de un mismo grupo
se parezcan lo mximo entre s.

sean lo ms heterogneos respecto a otros grupos, es decir, que existan las mayores
diferencias posibles entre los grupos definidos.

Este anlisis parte de la idea de la existencia de algn sistema de clasificacin de los individuos,
marcas, variables subyacente, que es el que se pretende descubrir.
Existen mltiples criterios de clasificacin posibles a aplicar. Este hecho le confiere a este anlisis
una gran flexibilidad, pero tambin un riesgo mayor a la hora de definir una segmentacin: los
grupos obtenidos pueden ser artificiales y venir determinados por el criterio de clasificacin
utilizado ms que por una estructura de mercado subyacente.

T7. Anlisis tipolgico o cluster


Objetivo
Este anlisis puede ser utilizado para:

definir particiones (segmentos de mercado) donde cada una de ellas presenten una serie de
caractersticas propias sobre hbitos, actitudes...

definir jerarquas de particiones, donde lo que se pretende es reagrupar productos,


marcas en un cierto nmero de clases o tipos en funcin de la actitud de los individuos
respecto a ellos.

La doble utilidad de este anlisis permite definir dos tipos de anlisis tipolgico:

a.t. no jerrquico, utilizado en caso de querer definir particiones del mercado. Es


adecuado para la clasificacin de grandes volmenes de datos, como por ejemplo,
individuos/consumidores/compradores.

a.t. jerrquico, para definir las jerarquas de particiones. Indicado en el caso de clasificar
productos/marcas/empresas en funcin de sus similitudes sobre un conjunto de
caractersticas/atributos.

T7. Anlisis tipolgico o cluster


Anlisis tipolgico no jerrquico (ATNJ)
El anlisis tipolgico no jerrquico pretende agrupar a individuos en funcin de su semejanza
respecto a:

hbitos de uso, consumo


actitudes respecto a un determinado tema.
perfil sociodemogrfico, socioeconmico
tipos de productos y/o servicios contratados
valoracin o satisfaccin respecto al servicio recibido.
etc.

Estos grupos han de ser lo ms homogneos posible en su interior y lo ms heterogneos posible


respecto al resto.

T7. Anlisis tipolgico o cluster


ATNJ: esquema metodolgico

Diseo del anlisis

Generacin de una configuracin inicial

Asignacin de cada individuo a un grupo

Interpretacin de resultados

Seleccin de la solucin ptima, validacin y significacin

T7. Anlisis tipolgico o cluster


ATNJ: diseo del anlisis
Para la creacin de k grupos, existen cuatro familias principales de mtodos a emplear:
Mtodos de reasignacin, donde un individuo durante el proceso de creacin de los grupos
puede ser reclasificado en grupos diferentes.
Los distintos algoritmos utilizados por este mtodo suelen diferir en cuanto a la forma de
seleccionar la particin inicial, la forma de calcular los centros de los grupos y los procesos
de reasignacin.
Etapa n de clasificacin

Etapa n+1 de clasificacin

T7. Anlisis tipolgico o cluster


ATNJ: diseo del anlisis

Mtodos de bsqueda de densidad. Existen dos aproximaciones diferentes:


aproximacin tipolgica, donde se busca una concentracin de individuos en el espacio
definido por las variables.
Variable 2

Variable 1

aproximacin probabilstica, donde se parte del supuesto que cada una de las variables
siguen una ley de probabilidad que vara de un grupo a otro; el grupo de individuos
vendra definido por una distribucin de probabilidad que es una determinada
combinacin de las distribuciones de cada variable. Se tratara, pues, de encontrar esas
combinaciones asociadas a cada grupo.

T7. Anlisis tipolgico o cluster


ATNJ: diseo del anlisis

Mtodos directos, donde los datos de partida ya no son los individuos, sino que son las
observaciones. Permite, pues, clasificar individuos y variables de forma simultnea.

La unidad de anlisis
ya no es una fila o
individuo de nuestro
fichero de datos, sino
cada una de las casillas
de individuo x variable

Mtodos de reduccin de dimensiones. Viene a equivaler a un anlisis factorial de tipo Q,


donde se pretende encontrar los factores en el espacio de los individuos. Cada factor
correspondera a un grupo, pero dado que un mismo individuo podra pertenecer a
diferentes grupos con diferentes pesos, su interpretacin es extremadamente compleja.

T7. Anlisis tipolgico o cluster


ATNJ: diseo del anlisis
Los mtodos de reasignacin son los ms utilizados en investigacin comercial, y dentro
de ellos, el mtodo K-means.
El anlisis tipolgico no jerrquico presenta igualmente dos ventajas importantes a tener en
cuenta:

no necesita una matriz de proximidades (como el anlisis tipolgico jerrquico), sino que
permite trabajar con los datos iniciales.

permite el anlisis de grandes volmenes de datos, dado que no es necesario realizar


un nmero importante de clculos como en el caso del anlisis tipolgico jerrquico.

T7. Anlisis tipolgico o cluster


ATNJ: diseo del anlisis
La segmentacin a realizar puede estar prevista inicialmente o partir de una situacin totalmente
imprevista:

Si la situacin ha sido prevista, las variables activas ya han sido tratadas inicialmente (por
ejemplo, se ha previsto un bloque especfico de preguntas en el cuestionario).

Si se parte de un punto de partida no previsto, es necesario seleccionar aquellas variables


que puedan resultar de mayor inters (ya sea mediante un anlisis de frecuencias, un
anlisis de homogeneidad, etc.).

Es recomendable que las variables estn medidas en la misma escala. En caso contrario, puede
ser necesaria una reduccin de variables / dicotomizacin de variables / procesos de
contrasegmentacin , dado que este anlisis es sensible a la diferencia de rangos entre
variables: una variable con mayor rango ofrece mayores posibilidades de diferenciacin que otra
medida en una escala ms reducida.

T7. Anlisis tipolgico o cluster


ejemplo

ATNJ: diseo del anlisis


En el diseo del cuestionario se
ha previsto un bloque de
servicios contratados, que nos
permitir definir tipologas de
clientes diferenciadas, y disear
paquetes comerciales mejor
adaptados.

Pregunta. Cules de los siguientes servicios tiene


actualmente contratados con alguna de las compaas con
las que trabaja?
Envos de SMS ........................................................

(229)

Envos de MMS ........................................................

(230)

Videoconferencia......................................................

(231)

Radio .......................................................................

(232)

Fotos ........................................................................

(233)

Videos ......................................................................

(234)

Correo electrnico ....................................................

(235)

Internet .....................................................................

(236)

Tarjetas de contrato .................................................

(237)

Tarjetas de prepago .................................................

(238)

Tarjeta SIM dual .......................................................

(239)

Detalle de facturacin ...............................................

(240)

Servicio de mantenimiento .......................................

(241)

Servicios de contestador ..........................................

(242)

Servicos de desvo de llamadas ...............................

(243)

Servicios de centralita ..............................................

(244)

Plan de renovacin de terminales.............................

(245)

Plan de gestin de lneas .........................................

(246)

Plan de gestin integral ............................................

(247)

T7. Anlisis tipolgico o cluster


ATNJ: generacin de una configuracin inicial
El anlisis parte de una situacin determinada por los centros de gravedad iniciales de los k
grupos en los que se desea segmentar el mercado.
Estos centros de gravedad iniciales pueden ser elegidos:

de forma arbitraria (k individuos del fichero seleccionados al azar),


Centros iniciales para
una segmentacin en 3
grupos

expresamente (habitualmente utilizado en procesos de reclasificacin de individuos).


Centros iniciales para
una segmentacin en 3
grupos

T7. Anlisis tipolgico o cluster


ejemplo

ATNJ: generacin de una configuracin inicial


Centros iniciales de los conglomerados

1
Env os de SMS
Env os de MMS
Videoconf erencia
Radio
Fotos
Videos
Correo electronico
Internet
Tarjetas de contrato
Tarjetas de prepago
Tarjeta SI M dual
Detalle de f acturacin
Serv icio de
mantenimiento
Serv icios de contest ador
Serv icos de desv o de
llamadas
Serv icios de centralita
Plan de renov acin de
terminales
Plan de gestin de lineas
Plan de gestin integral

1,00
1,00
1,00
,00
1,00
,00
1,00
1,00
1,00
1,00
,00
,00

Conglomerado
2
1,00
,00
1,00
1,00
1,00
1,00
1,00
1,00
,00
,00
1,00
,00

3
,00
,00
,00
,00
,00
,00
,00
,00
,00
,00
,00
,00

1,00

,00

,00

,00

1,00
1,00
1,00

,00

1,00

1,00

,00

1,00
1,00

,00
,00

As, el segundo grupo est


caracterizado por tener
contratados una gran parte de los
servicios analizados. En cambio,
el tercer grupo no tendra
contratado ningn servicio.

,00

1,00

Los valores que pueden tomar


estas coordenadas estn
determinados por el rango de
valores de las variables iniciales.

,00

1,00

Coordenadas iniciales de los


centros de gravedad.

,00
,00

T7. Anlisis tipolgico o cluster


ATNJ: asignacin de cada individuo a un grupo
Conceptualmente, cada individuo ser asignado al grupo cuyo centro de gravedad tenga ms
prximo.
Despus de que todos los individuos estn asignados, los centros de gravedad vuelven a calcular
sus coordenadas.
Una vez asignados todos los individuos, el anlisis comprueba que no puede haber una
asignacin mejor (por ejemplo, que individuos del grupo i estn ms cerca del centro de gravedad
j que del centro de gravedad de su propio grupo i).
Cuando no existen mejoras posibles, los grupos quedan finalmente constituidos.
Asignacin inicial a centros
de gravedad iniciales

Modificacin de coordenadas
de centros de gravedad

Reasignacin de individuos
y configuracin final

T7. Anlisis tipolgico o cluster


ATNJ: interpretacin de resultados

Concepto clave:
caracterizacin de segmentos

En la interpretacin de los resultados finales, es necesario prestar atencin a 3 aspectos


fundamentales:

el anlisis del tamao de cada grupo. Los grupos obtenidos deben tener un tamao
suficiente como para justificar el desarrollo de actuaciones sobre ellos.

el perfil de los grupos en variables activas. Este anlisis en variables activas nos debe
permitir definir en qu se diferencian los grupos. Si las variables activas no han requerido su
estandarizacin previa, se puede acudir a las coordenadas de los centros de gravedad
finales. Pero si han sido tratadas, ser necesario desarrollar una metodologa de anlisis
bivariable (tablas de contingencia).

el perfil de los grupos en variables pasivas. Con este anlisis de tipo bivariable (tablas
de contingencia, anlisis de medias) sobre aquellas variables que no han intervenido en
el anlisis, se pretende acabar de definir el perfil de cada grupo, caracterizarlo para una
identificacin ms fcil y un mejor diseo de las acciones sobre l.

T7. Anlisis tipolgico o cluster


ATNJ: interpretacin de resultados
Es recomendable la interpretacin en diferentes soluciones de particin del mercado (en 2
grupos, en 3 grupos, , en k grupos), ya que a priori se desconoce el nmero de segmentos
ptimos.
El nmero de particiones a interpretar viene determinada por el equilibrio entre las dos
situaciones siguientes:

una solucin en pocos grupos puede ser muy limitada y no recoger todas las diferencias del
mercado.

una solucin con un gran nmero de grupos puede presentar segmentos con poca base, y
consecuentemente poco representativos, adems de resultar compleja en su interpretacin
(los grupos podran diferenciarse nicamente por matices) y costosa para la empresa en su
implementacin (definicin de excesivas estrategias diferenciadas de actuacin).

T7. Anlisis tipolgico o cluster


ejemplo

ATNJ: interpretacin de resultados

Centros de los conglomerados finales

Tamao de los grupos

Conglomerado
2

1
NORMALMENTE COMO
FUERA/ EN CASA
ME PREOCUPO/NO POR
ALIMENTACION SANA
COMER ES UN
PLACER/ UNA
NECESI DAD
SACRIFICO CALI DAD X
RAPI DEZ/NO SACRIFI CO
PREFIERO PRODUCTOS
NUEVOS/DE SIEMPRE
VOY A FAST-FOODS POR
NECESI DAD/ ME GUSTA
UTILIZO/NO UTI LIZO
PROMOCIONES,
DESCUENTOS
CONSIDERO F.F.
LIMPIOS/ DUDO LIMPIEZA
ELIJO F.F.MAS
CERCANO/ME
DESPLAZO
PREFIERO F.F.
AMERICANO/
MEDITERRANEO
ME GUSTA COMER
TRANQUILO/EN UN
MOMENTO
VOY MAS A F. F./MAS A
RESTAURANTES
BUSCO BUEN
PRECIO/BUSCO
CALIDAD
SI EMPRE MISMO
FAST-FOOD/VARIO
FAST-FOOD

SEGMENTACIN EN 3 GRUPOS

Vlidos

1
2
3
Total

Frecuencia
244
241
265
750

Porcentaje
32,5
32,1
35,3
100,0

Porcentaje
v lido
32,5
32,1
35,3
100,0

Porcentaje
acumulado
32,5
64,7
100,0

Todos los grupos tienen una base


importante de casos.

Perfil en variables activas


Las nuevas coordenadas finales de los centros de gravedad
definen el perfil de los grupos. Dado que las variables no han
necesitado una previa estandarizacin, es posible realizar la
interpretacin a travs de las puntuaciones que se observan
en esta tabla.
As, cuanto ms prximo sea el valor a 1, habr una mayor
parte del grupo que tenga contratado cada uno de los
servicios analizados. Y, de forma similar, cuanto ms prximo
sea a 0, menor ser la contratacin de ese servicio para ese
grupo en cuestin.

1,70

1,85

1,81

1,11

1,25

1,57

1,39

1,46

1,38

1,81

1,59

1,25

1,71

1,65

1,52

1,43

1,56

1,82

1,41

1,33

1,23

1,28

1,31

1,27

1,21

1,26

1,30

1,74

1,76

1,38

1,34

1,14

1,18

1,81

1,48

1,13

1,75

1,50

1,17

1,98

1,00

1,83

T7. Anlisis tipolgico o cluster


ejemplo

ATNJ: interpretacin de resultados


Perfil en variables activas: tabla ANOVA
ANOVA

La tabla ANOVA nos ayuda a


determinar qu variables nos
permiten definir diferencias
entre grupos.
H0 : igualdad de centros de
gravedad entre grupos
H1: no igualdad de centros de
gravedad entre grupos

Si el valor es >0,050, los grupos


no presentarn diferencias en la
contratacin de este servicio.

Env os de SMS
Env os de MMS
Videoconf erencia
Radio
Fotos
Videos
Correo electronico
Internet
Tarjetas de contrat o
Tarjetas de prepago
Tarjeta SI M dual
Detalle de facturacin
Serv icio de
mantenimiento
Serv icios de cont est ador
Serv icos de desv o de
llamadas
Serv icios de cent ralita
Plan de renov acin de
terminales
Plan de gestin de lineas
Plan de gestin integral

Conglomerado
Media
cuadrtica
gl
,101
6,536
90,073
,598
103,489
425,757
19,453
52,399
3,057
,958
71,066
7,325

2
2
2
2
2
2
2
2
2
2
2
2

Error
Media
cuadrtica
,004
,181
,208
,137
,162
,056
,076
,136
,149
,029
,207
,076

gl
4467
4467
4467
4467
4467
4467
4467
4467
4467
4467
4467
4467

F
25,421
36,053
433,245
4,351
638,151
7567,795
254,417
386,423
20,447
32,855
343,491
96,470

Sig.
,000
,000
,000
,013
,000
,000
,000
,000
,000
,000
,000
,000

8,999

,091

4467

98,390

,000

13,191

,084

4467

157,847

,000

2,224

,045

4467

49,413

,000

375,996

,051

4467

7403,392

,000

17,075

,181

4467

94,151

,000

3,199
23,981

2
2

,091
,118

4467
4467

35,042
203,838

,000
,000

T7. Anlisis tipolgico o cluster


ejemplo

ATNJ: interpretacin de resultados


Perfil en variables pasivas: sociodemogrficas
Tabla de contingencia SEXO * SEGMENTACION EN 3 GRUPOS

SEXO

1 Hombre

2 Mujer

Total

Recuent o
% de SEGMENTACION
EN 3 GRUPOS
Recuent o
% de SEGMENTACION
EN 3 GRUPOS
Recuent o
% de SEGMENTACION
EN 3 GRUPOS

SEGMENTACION EN 3 GRUPOS
1
2
3
778
1154
460
56,9%

60,2%

38,8%

Total
2392
53,5%

589

764

725

2078

43,1%

39,8%

61,2%

Cualquier variable que no haya


intervenido en el anlisis de
segmentacin (en este ejemplo, los
servicios testados) son susceptibles de
ser variables pasivas que ayudarn a
caracterizar los grupos

46,5%

1367

1918

1185

4470

100,0%

100,0%

100,0%

100,0%

Informe
EDAD
SEGMENTACION
EN 3 GRUPOS
1
2
3
Total

Interpretacin en
variable cualitativa
Media
41,85
42,24
45,92
43,09

N
1363
1918
1173
4454

Desv . t p.
11,037
11,104
12,361
11,551

Interpretacin en
variable
cuantitativa

T7. Anlisis tipolgico o cluster


ejemplo

ATNJ: interpretacin de resultados


Perfil en variables pasivas: hbitos de consumo

Tabla de contingencia $p2*SEG3

COMPAIAS
a
ES CLIENTE

VODAFONE
MOVISTAR
ORANGE
Y OI GO
CENTROS
COMERCIALES
OTROS OPERADORES

Total

Recuent o
% dentro de
Recuent o
% dentro de
Recuent o
% dentro de
Recuent o
% dentro de
Recuent o
% dentro de
Recuent o
% dentro de
Recuent o

SEG3
SEG3
SEG3
SEG3
SEG3
SEG3

Los porcentajes y los tot ales se basan en los encuestados.


a. Agrupacin de dicotomas. Tabulado el v alor 1.

SEGMENTACION EN 3 GRUPOS
1
2
3
574
1158
459
42,0%
60,4%
38,8%
928
1590
908
67,9%
82,9%
76,6%
529
1061
443
38,7%
55,3%
37,4%
171
471
117
12,5%
24,5%
9,9%
347
601
261
25,4%
31,3%
22,0%
199
465
69
14,6%
24,3%
5,8%
1367
1918
1185

Total
2191
3426
2032
759
1209
733
4470

T7. Anlisis tipolgico o cluster


ATNJ: seleccin de la solucin ptima, validacin y significacin
La seleccin de la solucin ptima se debe, al final, a una eleccin basada en criterios subjetivos
del investigador.
Esta eleccin debe fundamentarse en los aspectos siguientes:

la particin seleccionada debe explicar lo ms fielmente posible la estructura del


mercado.

los segmentos definidos deben ser accionables desde el punto de vista de marketing,
esto es, debe ser posible poder identificarlos en el mercado y poder desarrollar un plan de
accin sobre ellos.

el proceso de ruptura del mercado, a travs del anlisis bivariable (tablas de


contingencia) de las variables que identifican la pertenencia a grupos: 2 grupos vs. 3
grupos; 3 grupos vs. 4 grupos; 4 grupos vs. 5 grupos; etc.

T7. Anlisis tipolgico o cluster


ATNJ: seleccin de la solucin ptima, validacin y significacin
Existen dos situaciones ideales de ruptura del mercado:

Todos los grupos se mantienen


estables excepto uno, que se
fragmenta en dos segmentos

Ms de un grupo o todos ellos ceden


parte de su base de individuos para la
creacin de un nuevo segmento.

"

"
!
!

!
!

"
Segmentacin
3 grupos

Segmentacin
4 grupos

"
Segmentacin
3 grupos

Segmentacin
4 grupos

T7. Anlisis tipolgico o cluster


ATNJ: seleccin de la solucin ptima, validacin y significacin

ejemplo

Proceso de ruptura
Tabla de contingencia SEGMENTACIN EN 4 GRUPOS * SEGMENTACIN EN 3 GRUPOS

SEGMENTACIN
EN 4 GRUPOS

Total

Recuent o
% de SEGMENTACIN
EN 3 GRUPOS
Recuent o
% de SEGMENTACIN
EN 3 GRUPOS
Recuent o
% de SEGMENTACIN
EN 3 GRUPOS
Recuent o
% de SEGMENTACIN
EN 3 GRUPOS
Recuent o
% de SEGMENTACIN
EN 3 GRUPOS

El grupo 1 se mantiene bastante


estable de una segmentacin a
otra

SEGMENTACIN EN 3 GRUPOS
1
2
3
210
46
0

Total
256

86,1%

19,1%

,0%

10

169

34,1%
180

4,1%

,4%

63,8%

El antiguo grupo 3 pasa a ser el


grupo 2, y cede parte de su base
a los grupos 3 y 4.

24,0%

15

53

58

126

6,1%

22,0%

21,9%

16,8%

141

38

188

3,7%

58,5%

14,3%

25,1%

244

241

265

750

100,0%

100,0%

100,0%

100,0%

El grupo 3 de la segmentacin
de 4 no tiene una
correspondencia mayoritaria de
con ninguno de los grupos de la
segmentacin de 3, por lo que
podemos afirmar que se trata
del nuevo grupo que se forma al
pasar de una segmentacin de 3
a 4 grupos.

El antiguo grupo 2 es ahora el


grupo 4, y cede parte de su base
al grupo 3 y grupo 2.

T7. Anlisis tipolgico o cluster


ATNJ: seleccin de la solucin ptima, validacin y significacin
Para validar la segmentacin obtenida existen diferentes metodologas:

repetir el anlisis de segmentacin para un 75% de la muestra, para comprobar que la


segmentacin no est influida por aspectos como el orden de individuos del fichero.

aplicacin de un anlisis discriminante y pruebas paramtricas mediante anlisis


bivariables (tablas de contingencia y anlisis de medias), que nos determinen diferencias
estadsticamente significativas entre grupos.

T7. Anlisis tipolgico o cluster


ATNJ: sintaxis SPSS

Indicar variables activas


QUICK CLUSTER
Susbtituir k por el nmero de
V1 V2 V3 ...
grupos a obtener
/MISSING=PAIRWISE
/CRITERIA= CLUSTER(k) MXITER(10) CONVERGE(0)
/METHOD=KMEANS(NOUPDATE / UPDATE )
/SAVE CLUSTER(nombre_variable_grupo) Indicar un solo tipo de
mtodo
/PRINT ID(var._id._casos) INITIAL ANOVA.

Indicar la variable que


identifica de forma
unitaria a cada caso

T7. Anlisis tipolgico o cluster


ATNJ: mens SPSS

Indicar el nombre de la
variable que guardar la
pertenencia a cada
grupo

T7. Anlisis tipolgico o cluster


ATNJ: mens SPSS

Opcional

T7. Anlisis tipolgico o cluster


ATNJ: mens SPSS

Opcional

T7. Anlisis tipolgico o cluster


ATNJ: mens SPSS

T7. Anlisis tipolgico o cluster


ATNJ: mens SPSS

T7. Anlisis tipolgico o cluster


ejemplo

ATNJ: resultados SPSS


Centros iniciales de los conglomerados

Mano/mueca
Brazo/antebrazo
Cintura escapular
Cabeza/torax/columna
Cintura pelviana/muslo
Rodilla
Pierna
Tobillo/pie
Esguince
Contusion
Fractura
Lesion
Herida
Traumatismo
Sinovitis
Tendinitis
Capsulitis
Luxacion

Conglomerado
1
2
1,00
,00
1,00
,00
,00
1,00
,00
1,00
,00
,00
,00
1,00
1,00
,00
,00
,00
1,00
,00
,00
1,00
,00
,00
,00
,00
,00
,00
,00
1,00
1,00
,00
,00
,00
1,00
,00
,00
,00

En este caso, la configuracin


inicial se ha obtenido de forma
aleatoria.

T7. Anlisis tipolgico o cluster


ejemplo

ATNJ: resultados SPSS

a
Historial de iteraciones

Iteracin
1
2
3
4
5
6

Cambio en los centros


de los conglomerados
1
2
1,920
1,779
,140
,072
,045
,024
,005
,002
,004
,002
,000
,000

a. Se ha logrado la convergencia debido a que los


centros de los conglomerados no presentan ningn
cambio o ste es pequeo. El cambio mximo de
coordenadas absolutas para cualquier centro es de
,000. La iteracin actual es 6. La distancia mnima
entre los centros iniciales es de 3,317.

El anlisis ha necesitado 6 procesos de


reasignacin de casos para llegar a una
solucin estable, donde los centros de
gravedad finales no presentan variaciones
significativas.

T7. Anlisis tipolgico o cluster


ejemplo

ATNJ: resultados SPSS


Centros de los conglomerados finales

Mano/mueca
Brazo/antebrazo
Cintura escapular
Cabeza/torax/columna
Cintura pelviana/muslo
Rodilla
Pierna
Tobillo/pie
Esguince
Contusion
Fractura
Lesion
Herida
Traumatismo
Sinovitis
Tendinitis
Capsulitis
Luxacion

Conglomerado
1
2
,37
,22
,08
,04
,01
,01
,14
,16
,33
,01
,43
,00
,08
,00
,08
,00
,07
,01

,05
,03
,13
,27
,04
,37
,03
,02
,25
,35
,00
,18
,06
,04
,00
,04
,00
,03

A la vista de estos resultados, sobre qu grupo


sera necesario realizar una actuacin prioritaria
de prevencin de accidentes?

T7. Anlisis tipolgico o cluster


ejemplo

ATNJ: resultados SPSS


ANOVA

Mano/mueca
Brazo/antebrazo
Cintura escapular
Cabeza/torax/columna
Cintura pelviana/muslo
Rodilla
Pierna
Tobillo/pie
Esguince
Contusion
Fractura
Lesion
Herida
Traumatismo
Sinovitis
Tendinitis
Capsulitis
Luxacion

Conglomerado
Media
cuadrtica
gl
230,368
85,863
5,366
112,830
1,312
298,946
30,010
41,858
14,557
247,912
398,311
72,392
1,040
3,285
12,673
2,547
11,980
,945

1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1

Error
Media
cuadrtica
,110
,075
,100
,143
,026
,157
,060
,058
,198
,153
,085
,100
,064
,028
,025
,024
,024
,023

gl
9916
9916
9916
9916
9916
9916
9916
9916
9916
9916
9916
9916
9916
9916
9916
9916
9916
9916

F
2101,503
1143,261
53,426
791,297
49,967
1906,438
501,826
726,122
73,396
1615,252
4687,846
723,993
16,305
117,874
514,384
106,405
492,515
41,345

Sig.
,000
,000
,000
,000
,000
,000
,000
,000
,000
,000
,000
,000
,000
,000
,000
,000
,000
,000

Todas las
variables
analizadas
presentan
diferencias
entre grupos.

T7. Anlisis tipolgico o cluster


ejemplo

ATNJ: resultados SPSS

Nmero de casos en cada conglomerado


Conglomerado

1
2

Vlidos
Perdidos

3354,000
6564,000
9918,000
,000

Ambos grupos presentan una dimensin suficiente como para considerar vlida la
particin del mercado.
A partir de aqu, el proceso continuara con la interpretacin en variables pasivas y el
anlisis de ruptura del mercado.

T7. Anlisis tipolgico o cluster


Anlisis tipolgico jerrquico (ATJ)
Se caracteriza por la generacin de un rbol de clasificacin que permite visualizar la jerarqua
de particiones entre objetos.
Estas jerarquas de construyen a partir de la similitud entre los objetos analizados respecto a
una serie de atributos o variables.
El anlisis tipolgico jerrquico puede ser:

descendente o divisivo: se parte un grupo global, y se


realizan sucesivas divisiones hasta definir un grupo por
cada objeto analizado.

ascendentes o aglomerativos: el proceso es inverso al


anterior, se parte de los objetos y se van agrupando
hasta conformar un nico grupo.

T7. Anlisis tipolgico o cluster


ATJ: esquema metodolgico

Diseo del anlisis

Obtencin de la matriz de proximidades

Obtencin de la matriz de pertenencia

Interpretacin de resultados

T7. Anlisis tipolgico o cluster


ATJ: diseo del anlisis
La construccin de las jerarquas implica la definicin de grupos o conjuntos que cumplan una de
las dos condiciones siguientes:

que sean disjuntos, es decir, que los individuos de un grupo no pertenezcan a otro grupo.

que uno incluya al otro, es decir, que todos los elementos de uno tambin pertenezcan al
otro.

La construccin de estas jerarquas, como se ha expuesto, puede realizarse a travs de mtodos


aglomerativos o divisivos. La investigacin comercial est focalizada en la construccin de
jerarquas mediante mtodos aglomerativos.

T7. Anlisis tipolgico o cluster


ATJ: obtencin de la matriz de proximidades
De los diferentes ndices de proximidad, se utilizar la distancia eucldea, pese a que podran
ser susceptibles de uso cualquier otra.
Los datos de base del anlisis estn constituidos por una matriz de proximidades, donde se
exponen las distancias de los diferentes objetos analizados.
Concepto clave:
clculo de distancias

En esta fase del anlisis, para una matriz de n objetos y p atributos, el algoritmo debe calcular
un total del n(n-1)/2 medidas de distancias, entre los objetos tomados de dos en dos.
Por este motivo, la aplicacin de este anlisis est restringida a un menor volumen de datos que
el anlisis tipolgico no jerrquico.

T7. Anlisis tipolgico o cluster


ejemplo

ATJ: obtencin de la matriz de proximidades


Matri z de di stancias
distancia eucldea al cuadrado
5: Menor
tiempo de esp

6: Ms ef icaz
en el se

7: Mejor
asesoram
iento

16: Peor
of erta global

17: Mejor
of erta global

1: Mejor cobertura

,000

,211

,519

1,282

,193

,280

,088

,171

,149

,725

,602

,190

,991

,299

,392

4,045

,327

,301

,230

,350

1,705

2: Mejor adaptabilidad

,211

,000

1,020

1,553

,019

,334

,047

,228

,045

1,266

,551

,366

,895

,337

,359

3,432

,210

,356

,163

,283

,590

1,287

3: Mejor of erta de ter

,519

1,020

,000

,797

,929

1,493

,741

1,141

1,037

1,179

2,087

1,181

2,141

,444

1,119

5,256

1,416

1,246

1,035

1,336

,933

2,743

Caso

4: Precio ms bajo

1: Mejor
cobertura

2: Mejor
adaptabilidad

3: Mejor
of erta de ter

4: Precio
ms bajo

8: Personal
ms amable

9: Personal
ms prof es

10: May or
claridad en l

11: Ms
internacional

12: Mejor
asistencia t

13: Mejores
planes de a

14: Ms
publicidad

15: Ms
promociones

18: May or
compromiso
so

19:
VODAFONE 20: MOVISTAR 21: ORANGE 22: Y OIGO
,294

1,282

1,553

,797

,000

1,272

2,001

1,451

1,624

1,570

1,601

3,127

1,607

3,320

,561

1,818

6,606

1,788

2,732

2,244

2,067

1,413

2,969

5: Menor tiempo de esp

,193

,019

,929

1,272

,000

,323

,054

,203

,059

1,180

,626

,323

,947

,238

,374

3,748

,185

,477

,265

,289

,547

1,377

6: Ms ef icaz en el se

,280

,334

1,493

2,001

,323

,000

,310

,040

,179

1,111

,195

,037

,781

,833

,731

3,930

,251

,468

,532

,050

,689

1,573

7: Mejor asesoramiento

,088

,047

,741

1,451

,054

,310

,000

,187

,079

1,128

,509

,303

,751

,291

,340

3,842

,211

,268

,141

,212

,524

1,615

8: Personal ms amable

,171

,228

1,141

1,624

,203

,040

,187

,000

,111

1,147

,264

,041

,699

,615

,717

3,780

,271

,463

,399

,046

,689

1,464

9: Personal ms prof es

,149

,045

1,037

1,570

,059

,179

,079

,111

,000

1,052

,441

,190

,952

,407

,421

3,195

,230

,327

,204

,188

,506

1,086

10: May or claridad en l

,725

1,266

1,179

1,601

1,180

1,111

1,128

1,147

1,052

,000

1,976

,855

3,126

,848

,659

5,699

1,047

1,233

1,656

1,326

,160

2,600

11: Ms internacional

,602

,551

2,087

3,127

,626

,195

,509

,264

,441

1,976

,000

,365

,356

1,464

1,110

3,923

,489

,417

,502

,115

1,331

2,046

12: Mejor asistencia t

,190

,366

1,181

1,607

,323

,037

,303

,041

,190

,855

,365

,000

,970

,665

,708

4,078

,305

,538

,595

,104

,545

1,581

13: Mejores planes de a

,991

,895

2,141

3,320

,947

,781

,751

,699

,952

3,126

,356

,970

,000

1,761

1,704

5,164

,905

,875

,730

,465

2,201

3,212

14: Ms publicidad

,299

,337

,444

,561

,238

,833

,291

,615

,407

,848

1,464

,665

1,761

,000

,411

4,777

,514

,932

,705

,812

,406

1,919

15: Ms promociones

,392

,359

1,119

1,818

,374

,731

,340

,717

,421

,659

1,110

,708

1,704

,411

,000

4,868

,270

,432

,605

,721

,181

2,229

16: Peor of ert a global

4,045

3,432

5,256

6,606

3,748

3,930

3,842

3,780

3,195

5,699

3,923

4,078

5,164

4,777

4,868

,000

4,927

3,586

2,933

4,083

4,951

,940

17: Mejor of erta global

,327

,210

1,416

1,788

,185

,251

,211

,271

,230

1,047

,489

,305

,905

,514

,270

4,927

,000

,474

,546

,240

,467

2,136

18: May or compromiso so

,301

,356

1,246

2,732

,477

,468

,268

,463

,327

1,233

,417

,538

,875

,932

,432

3,586

,474

,000

,167

,347

,674

1,904

,163

1,035

2,244

,204

1,656

,605

2,933

,927

1,415

,283

,188

19: VODAFONE
20: MOVISTAR

,294

,050

,141
,212

,399
,046

,502

,595

,730

,705
,812

,546
,240

,167
,347

,000
,372

,372

1,326

,115

,104

,465

,721

4,083

,803

1,827

,933

1,413

,547

,689

,524

,689

,506

,160

1,331

,545

2,201

,406

,181

4,951

,467

,674

,927

,803

,000

2,090

2,743

2,969

1,377

1,573

1,615

1,464

1,086

2,600

2,046

1,581

3,212

1,919

2,229

,940

2,136

1,904

1,415

1,827

2,090

,000

,675

,323

1,553

1,607

,260

,706

,363

,598

,503

1,900

,910

,780

,887

,538

,621

5,517

,226

,978

,744

,589

1,046

2,564

24: OTROS

1,275

1,732

,555

,066

1,458

2,186

1,533

1,780

1,742

1,530

3,300

1,742

3,427

,627

1,877

6,934

1,987

2,711

2,298

2,199

1,426

3,350

25: IDEAL

7,783

7,960

8,378

5,117

7,377

6,860

8,077

6,575

7,502

8,790

8,308

6,481

8,710

7,366

10,014

12,082

7,995

10,482

9,426

7,357

8,825

7,593

23: CC

,289

,532

2,067

,590
1,287

22: Y OIGO

,230

,265

1,336

,350
1,705

21: ORANGE

Esta es una matriz de disimilaridades

Esta matriz indica las distancias entre todos los objetos que se desean agrupar mediante el
anlisis tipolgico jerrquico: constituye, pues, la informacin de base.

,000

T7. Anlisis tipolgico o cluster


ATJ: obtencin de la matriz de proximidades
A partir de este momento, el anlisis agrupar los dos objetos ms prximos y volver a
calcular la matriz de distancias entre los objetos activos.
Estos objetos activos son los mismos que en el inicio del anlisis, a excepcin de los dos
objetos agrupados, que pasan a tener una entidad unitaria.
El proceso se llevar a cabo de forma iterativa hasta llegar a la consolidacin de un nico grupo.

Agrupacin de los dos


individuos ms prximos

Los dos individuos pasan


a actuar como una entidad

Proceso iterativo de agrupacin de


los individuos restantes

T7. Anlisis tipolgico o cluster


ATJ: obtencin de la matriz de pertinencia
El proceso de agrupacin viene a detallarse en una matriz de pertenencia.
Esta matriz, y consecuentemente la asignacin de un objeto a un grupo, puede llevarse a cabo en base a
diferentes criterios:

criterio del mnimo (vecino ms prximo): los dos objetos que se agrupan
en cada etapa son aquellos separados por la menor distancia. En este
sentido, se entiende que la distancia entre dos grupos viene definida por la
distancia existente entre los individuos ms prximos de cada uno de los
grupos.
Como inconveniente presenta el riesgo de agrupacin en cadena de los
individuos, sin posibilidad de definir realmente grupos de objetos.

criterio del mximo (vecino ms alejado): Es similar al criterio del mnimo.


En este caso, la distancia mxima entre dos objetos de un mismo grupo
representa la esfera ms pequea que puede encerrar objetos del grupo.
La distancia entre grupos viene definida por la distancia entre los objetos
ms alejados de cada grupo.

T7. Anlisis tipolgico o cluster


ATJ: obtencin de la matriz de pertinencia

criterio de la media: la agrupacin inicial de objetos es similar a los criterios


anteriores. En cambio, a la hora de juntar dos grupos tomar como base de
decisin la media de las distancias de todos los individuos del primer grupo
respecto a todos los individuos del segundo grupo.
Ejemplo de distancias calculadas para un solo
individuo. Se calcularn las mismas distancias
para integrante de cada grupo, y se har la media
de todas ellas.

Este criterio tiende a juntar grupos con varianzas pequeas. Su utilizacin


puede llevar a la creacin de grupos cuyas varianzas sean
aproximadamente iguales, lo que introduce un sesgo en los resultados.

criterio de la media dentro de cada grupo: representa una variacin del


anterior. En este caso, la unin de dos grupos se realizar si la distancia
media entre todos los integrantes del grupo es mnima.
La principal diferencia con el criterio anterior est basada en el hecho que en
este criterio intervienen las distancias de los individuos de un mismo grupo.

Ejemplo de distancias calculadas para un solo


individuo. Se calcularn las mismas distancias
para integrante de cada grupo, y se har la media
de todas ellas.

T7. Anlisis tipolgico o cluster


ATJ: obtencin de la matriz de pertinencia

Concepto clave:
criterio de agrupacin

criterio de Ward: este criterio define los grupos minimizando la varianza intra-grupo.
Para cada grupo se calcula su centro de gravedad, y se estudia la distancia de cada integrante del grupo
respecto a su centro de gravedad. Estas distancias de cada integrante con el centro de gravedad se
suman, y se define aquel grupo que provoque que la suma de cuadrados intra-grupos se incremente en
menor grado.
Este criterio tiende a juntar grupos con un nmero reducido de integrantes. Adems tiende a crear grupos
con un nmero similar de objetos en cada uno de ellos.

La agrupacin finalmente seleccionada ser esta,


dado que el grupo resultante tiene una distancia
media menor de los diferentes individuos
respecto al centro de gravedad.

T7. Anlisis tipolgico o cluster


ATJ: obtencin de la matriz de pertinencia

criterio del centroide: en este caso, la distancia entre dos grupos viene
definida por la distancia entre los centros de gravedad o centroides de cada
uno de ellos.
Despus de cada asignacin o fusin de grupos, los centros de gravedad
vuelven a ser recalculados.

criterio de la mediana: representa una variacin del anterior. En este caso


el clculo de las distancias tambin se realiza a travs de los centroides,
pero a la hora de calcular los nuevos centros de gravedad, se da el mismo
peso a los integrantes de cada uno de los grupos.
Con el mtodo anterior, en cambio, en el clculo de los centros de gravedad
los grupos con un nmero de casos ms elevado priman en la formacin de
las coordenadas del nuevo centroide.

T7. Anlisis tipolgico o cluster


ATJ: interpretacin de resultados

ejemplo

Anteriormente, habamos obtenido un mapa de posicionamiento, con algunos puntos demasiado


cercanos, que dificultaban la asignacin a una u otra empresa. El ATJ nos permite clarificar esta
situacin.

T7. Anlisis tipolgico o cluster


ejemplo

ATJ: interpretacin de resultados


La interpretacin bsica se
lleva a cabo analizando el
rbol de clasificacin,
rbol de jerarquas o
dendograma.

* * * * * * H I E R A R C H I C A L

A N A L Y S I S * * * * * *

Dendrogram using Ward Method


Rescaled Distance Cluster Combine
C A S E
Label

Num

Mejor adaptabilidad
Menor tiempo de esp
Mejor asesoramiento
Personal ms profes
Mejor cobertura
Mayor compromiso so
VODAFONE
Mejor oferta global
CC
Ms publicidad
Ms promociones
Ms eficaz en el se
Mejor asistencia t
Personal ms amable
MOVISTAR
Ms internacional
Mejores planes de a
Mayor claridad en l
ORANGE

2
5
7
9
1
18
19
17
23
14
15
6
12
8
20
11
13
10
21

Precio ms bajo
OTROS
Mejor oferta de ter
Peor oferta global

4
24
3
16

YOIGO
IDEAL

Este dendograma nos


permite observar la matriz
de pertenencia desde un
punto de vista grfico.

C L U S T E R

22
25

0
5
10
15
20
25
+---------+---------+---------+---------+---------+

T7. Anlisis tipolgico o cluster


ATJ: interpretacin de resultados
Los resultados obtenidos nos indican que el ideal no est tan prximo a Orange como parece.
Adems, se pueden hacer las siguientes asociaciones grficas:

ejemplo

T7. Anlisis tipolgico o cluster


ATJ: sintaxis SPSS
Paso 1 Creacin del fichero de datos

Variable F1
BEGIN DATA
PTO1
-0,60 0,10
0 0,01 -0,01
PTO2
0,13 0,06 0,05 -0,04 -0,03
PTO3
0,16 0,07 -0,14 0,04 -0,01
PTO4
0,02 -0,47 0,10 0,15 -0,04
PTO5
-0,08 -0,51 -0,08 -0,12 0,05
PTO6
0,11 0,10 0,06 0,04 0,09
PTO7
0,63 0,06 -0,13 0,07 -0,50
-0,03 0,39 0,17 0,05 -0,15
Variable ID PTO8

DATA LIST FIXED


/ID 1-8 (A)
F1 9-14 (3)
F2 15-20 (3)
F3 21-26 (3)
F4 27-32 (3)
F5 33-38 (3).

END DATA.

T7. Anlisis tipolgico o cluster


ATJ: sintaxis SPSS
Paso 2 Ejecucin del anlisis

Indicar variables activas

Variable de
identificacin de
casos

CLU F1 F2 F3 F4 F5
/ID=ETIQ
Mtodo de aglomeracin
/MET=WARD
/PRI=CLU(2,n) DIS SCH
/PLO=DEN.
N de grupos a
imprimir. Sustituir n
por el mximo de
grupos posibles (n de
casos)

T7. Anlisis tipolgico o cluster


ATJ: mens SPSS

T7. Anlisis tipolgico o cluster


ATJ: mens SPSS

T7. Anlisis tipolgico o cluster


ATJ: mens SPSS

Opcional

T7. Anlisis tipolgico o cluster


ATJ: mens SPSS

T7. Anlisis tipolgico o cluster


ATJ: mens SPSS

T7. Anlisis tipolgico o cluster


ATJ: mens SPSS

T7. Anlisis tipolgico o cluster


ATJ: resultados SPSS
Matriz de di stancias
distancia eucldea al cuadrado
1: Mejor
cobertura

Caso

2: Mejor
adaptabilidad

3: Mejor
of erta de ter

4: Precio
ms bajo

5: Menor
tiempo de esp

7: Mejor
6: Ms ef icaz asesoram
iento
en el se

8: Personal
ms amable

9: Personal
ms prof es

10: May or
claridad en l

11: Ms
internacional

12: Mejor
asistencia t

13: Mejores
planes de a

1: Mejor cobertura

,000

,211

,519

1,282

,193

,280

,088

,171

,149

,725

,602

,190

2: Mejor adaptabilidad

,211

,000

1,020

1,553

,019

,334

,047

,228

,045

1,266

,551

,366

,895

3: Mejor oferta de ter

,519

1,020

,000

,797

,929

1,493

,741

1,141

1,037

1,179

2,087

1,181

2,141

4: Precio ms bajo

,991

1,282

1,553

,797

,000

1,272

2,001

1,451

1,624

1,570

1,601

3,127

1,607

3,320

5: Menor tiempo de esp

,193

,019

,929

1,272

,000

,323

,054

,203

,059

1,180

,626

,323

,947

6: Ms ef icaz en el se

,280

,334

1,493

2,001

,323

,000

,310

,040

,179

1,111

,195

,037

,781

7: Mejor asesoramiento

,088

,047

,741

1,451

,054

,310

,000

,187

,079

1,128

,509

,303

,751

8: Personal ms amable

,171

,228

1,141

1,624

,203

,040

,187

,000

,111

1,147

,264

,041

,699

9: Personal ms profes

,149

,045

1,037

1,570

,059

,179

,079

,111

,000

1,052

,441

,190

,952

10: May or claridad en l

,725

1,266

1,179

1,601

1,180

1,111

1,128

1,147

1,052

,000

1,976

,855

3,126

11: Ms internacional

,602

,551

2,087

3,127

,626

,195

,509

,264

,441

1,976

,000

,365

,356

12: Mejor asistencia t

,190

,366

1,181

1,607

,323

,037

,303

,041

,190

,855

,365

,000

,970

13: Mejores planes de a

,991

,895

2,141

3,320

,947

,781

,751

,699

,952

3,126

,356

,970

,000

14: Ms publicidad

,299

,337

,444

,561

,238

,833

,291

,615

,407

,848

1,464

,665

1,761

15: Ms promociones

,392

,359

1,119

1,818

,374

,731

,340

,717

,421

,659

1,110

,708

1,704

16: Peor of ert a global

4,045

3,432

5,256

6,606

3,748

3,930

3,842

3,780

3,195

5,699

3,923

4,078

5,164

17: Mejor of erta global

,327

,210

1,416

1,788

,185

,251

,211

,271

,230

1,047

,489

,305

,905

18: May or compromiso so

,301

,356

1,246

2,732

,477

,468

,268

,463

,327

1,233

,417

,538

,875

19: VODAFONE

,294

,163

1,035

2,244

,265

,532

,141

,399

,204

1,656

,502

,595

,730

20: MOVISTAR

,230

,283

1,336

2,067

,289

,050

,212

,046

,188

1,326

,115

,104

,465

21: ORANGE

,350

,590

,933

1,413

,547

,689

,524

,689

,506

,160

1,331

,545

2,201

1,705

1,287

2,743

2,969

1,377

1,573

1,615

1,464

1,086

2,600

2,046

1,581

3,212

,675

,323

1,553

1,607

,260

,706

,363

,598

,503

1,900

,910

,780

,887

24: OTROS

1,275

1,732

,555

,066

1,458

2,186

1,533

1,780

1,742

1,530

3,300

1,742

3,427

25: IDEAL

7,783

7,960

8,378

5,117

7,377

6,860

8,077

6,575

7,502

8,790

8,308

6,481

8,710

22: Y OIGO
23: CC

Esta es una matriz de disimilaridades

T7. Anlisis tipolgico o cluster


ATJ: resultados SPSS
En la etapa 1, se han fusionado los
individuos 2 y 5. A partir de ese
momento, el par de valores estarn
etiquetados por el valor ms
pequeo, es decir 2.
As, vemos que esa pareja se
volver a juntar en la etapa 4.

Historial de conglomeracin
Et apa en la que el
conglomerado aparece por
primera v ez

Conglomerado que se combina


Coef icientes

Conglomerado
1

Conglomerado
2

Prxima et apa

,009

12

,028

,049

,079

24

,112

16

,148

11

20

,188

12

10

21

,268

21

18

19

,352

14

10

17

23

,465

15

11

,578

14

12

11

,750

19

13

14

15

,955

15

14

Este 2 nos indica que en la etapa 3,


en la que nos encontramos, se
fusiona un individuo (grupo) que ya
proviene de una fusin anterior de
otros individuos. Efectivamente, el
conglomerado 1, identificado como
6, ya se haba fusionado en la etapa
2 (de aqu este nmero), con el
individuo 12.

Conglomerado
2

Siguiendo el esquema de
agrupacin que determinan las
columnas de Conglomerado que
se combina, podramos reproducir
el dendograma manualmente.

Conglomerado
1

18

1,242

11

18

15

14

17

1,568

13

10

18

16

2,008

21

17

16

22

2,478

23

18

14

2,970

14

15

20

19

13

3,473

12

20

20

4,573

18

19

22

21

10

5,952

16

22

22

9,131

20

21

23

23

16

13,977

22

17

24

24

25

21,120

23

Et apa

T7. Anlisis tipolgico o cluster


ATJ: resultados SPSS
El diagrama de tmpanos no es ms que otra forma de ver el dendograma, paso a paso. En este caso, cada individuo de nuestro
fichero, que pretendemos agrupar, figura en columna. Para cada columna (individuo), existe una columna de X.
Si entre estas columnas (individuos) hay un espacio en blanco, quiere decir que en la etapa que identifica cada fila de la tabla, los
individuos todava no se haban fusionado. En cambio, si hay una X, implicara que se fusionan.
Diagrama de tmpanos vertical

1: Mejor cobert ura

2: Mejor adaptabilidad

5: Menor tiempo de esp

9: Personal ms profes

7: Mejor asesoramiento

18: Mayor compromiso so

19: VODAFONE

14: Ms publicidad

15: Ms promociones

23: CC

17: Mejor of erta global

6: Ms ef icaz en el se

12: Mejor asistencia t

8: Personal ms amable

20: MOVI STAR

11: Ms internacional

4: Precio ms bajo

3: Mejor of erta de ter

13: Mejores planes de a

Nmero de conglomerados

24: OTROS

10: Mayor claridad en l

21: ORANGE

25: IDEAL

22: YOI GO

16: Peor oferta global

Caso

10

11

12

13

14

15

16

17

18

19

20

21

22

23

24

Primera pareja de
individuos en fusionarse

T7. Anlisis tipolgico o cluster


ATJ: resultados SPSS

T7. Anlisis tipolgico o cluster


Aplicaciones del anlisis tipolgico
Basado en el concepto de clasificacin en grupos, las aplicaciones del anlisis tipolgico son:

definicin de segmentos de mercado con perfiles similares en cuanto a hbitos,


actitudes, consumos. ANLISIS TIPOLGICO NO JERRQUICO

dentro del posicionamiento de empresas, productos o marcas, permite la agrupacin de los


mismos en funcin de su similitud respecto a percepciones por parte de los individuos o
consumidores, perfiles de consumo ANLISIS TIPOLGICO JERRQUICO

T14. La presentacin de resultados

!"#$$%&"'()*+,"-."+/,0.1,/.1"-."234.15678*93":";<83*871"-."=./87-,>"

T14. La presentacin de resultados


Visin general
La ltima fase de cualquier proceso de investigacin comercial consiste en elaborar el informe de
resultados principales y de conclusiones, que debe servir como gua a los responsables de la
toma de decisiones.
Es necesario, por tanto, que la informacin que se muestra sea un fiel reflejo de la realidad.
En ocasiones, el informe de resultados es lo nico que llegan a ver los responsables de la toma
de decisiones sobre la investigacin, por lo que otorgarn mayor o menor valoracin a la
investigacin en funcin de lo que se muestre en el informe final.
La regla de oro en la preparacin de un informe de resultados es tener siempre en cuenta la
comunicacin con el lector.
Del buen establecimiento de esta comunicacin depende el xito de un informe:
Las personas prefieren vivir con un problema que no
pueden solucionar que aceptar una decisin que no
pueden entender .

!"#$$%&"'()*+,"-."+/,0.1,/.1"-."234.15678*93":";<83*871"-."=./87-,>"

T14. La presentacin de resultados


Aspectos clave
Para garantizar una buena comunicacin con el lector, el informe debe tener en cuenta las
siguientes caractersticas:

objetivo: debe presentar los hechos tal y como son, sin sesgos que intenten explicar las
expectativas iniciales del cliente, o no contradecirlas.

completo: debe suministrar toda la informacin necesaria para cubrir los objetivos de la
investigacin formulados en la propuesta. Un informe largo no es sinnimo de un informe
completo. Es necesario diferenciar entre la informacin relevante para el lector y la
informacin accesoria. Tampoco debe contener nada que no pueda ser explicado por el
investigador.

conciso: el investigador debe procurar expresar ideas completas en pocas palabras.

exacto: el informe final no debe contener errores derivados de la trascripcin de datos,


redaccin de textos, manipulacin de resultados, etc. Leer el informe antes de entregarlo al
cliente es condicin indispensable.

claro: debe respetarse una estructura lgica, que siga una lnea argumental que facilite la
comprensin de las conclusiones, y debe estar redactado de forma precisa, sin
ambigedades.

!"#$$%&"'()*+,"-."+/,0.1,/.1"-."234.15678*93":";<83*871"-."=./87-,>"

T14. La presentacin de resultados


Proceso de redaccin de un informe

Saber qu queremos comunicar

Hacer un esquema de temas principales

Ordenar los temas de manera lgica

Elaborar el informe, dando a cada tema


una extensin segn su importancia.

!"#$$%&"'()*+,"-."+/,0.1,/.1"-."234.15678*93":";<83*871"-."=./87-,>"

T14. La presentacin de resultados


Consejos generales para una buena redaccin
a)

Estructurar la informacin de lo ms general a lo ms particular. Ayuda a ir centrando la


atencin del lector hacia una conclusin concreta final.

b) Ser coherente en todos los aspectos del informe, tanto de contenido como de estilo
(fuentes, espaciados, etc.).
c)

Prestar atencin al aspecto esttico del informe, procurando que resulte atractivo desde
el punto de vista visual.

Una vez elaborado el informe por primera vez, siempre es conveniente hacer una segunda
lectura y realizar las modificaciones pertinentes.

!"#$$%&"'()*+,"-."+/,0.1,/.1"-."234.15678*93":";<83*871"-."=./87-,>"

T14. La presentacin de resultados


Formato del informe de resultados
En trminos generales, el formato final depender del investigador y las caractersticas de la
investigacin. No obstante, como esquema global, se podra hablar de los siguientes apartados:

Portada: ttulo del estudio, nombre y direccin de la empresa, nombre de la empresa


cliente!

ndice: con el listado de los apartados en los que se estructura el informe.

Presentacin: descripcin del problema a investigar y objetivos planteados de


investigacin, metodologa empleada, resumen de estructuracin del informe, limitaciones o
cualquier otro hecho relevante que afecte a la interpretacin de los resultados y la
formulacin de las conclusiones.

Resultados: donde se expondrn los principales resultados obtenidos en la investigacin.


El desarrollo grfico hoy en da permite presentar de forma mucho ms clara la informacin.

Conclusiones y recomendaciones: extraer las ideas principales de los resultados y, en


base a ellas, definir orientaciones o posibles acciones de actuacin en el mercado.

Anexos: donde se pueden incluir informacin de apoyo a los resultados obtenidos,


resultados complementarios que puedan ser de inters y que no hayan sido objeto de
anlisis principal, detalles sobre la metodologa, copia del cuestionario utilizado, etc.

!"#$$%&"'()*+,"-."+/,0.1,/.1"-."234.15678*93":";<83*871"-."=./87-,>"

T14. La presentacin de resultados


Perfil del investigador de mercados
Un buen profesional de la investigacin de mercados debera cultivar las siguientes cualidades:

polifactico: dado que debe combinar teora y prctica, y tener una visin y unos
conocimientos exhaustivos de todas las fases del proceso.

objetivo: debe hacer un anlisis riguroso y estricto, y ser totalmente independiente.


Adems debe ser capaz de discriminar entre lo relevante y lo secundario.

creativo: con frecuencia debe adaptarse a situaciones nuevas y actuar en entornos


cambiantes.

intuitivo: una caracterstica claramente vinculada con la gran variedad de estudios que
deber afrontar.

conocedor del mercado: debe ser consciente de los cambios que experimentan los
consumidores, de las nuevas relaciones con los distribuidores, de los cambios en
publicidad, !, en definitiva, captar los cambios del entorno.

!"#$$%&"'()*+,"-."+/,0.1,/.1"-."234.15678*93":";<83*871"-."=./87-,>"

T14. La presentacin de resultados


Perfil del investigador de mercados

buen comunicador: debe redactar informes claros, concretos y concisos, que den
respuestas a las necesidades de marketing, y ser un buen orador para exponer los
resultados en las presentaciones.

reflexivo: debe ser capaz de entender el problema y analizar las posibles soluciones.

diagnosticador: debe buscar el origen de las hiptesis de trabajo, verificar el grado de


certeza, realizar comprobaciones...

emprendedor: debe implicarse en los problemas no resueltos, y preguntarse cmo se


puede favorecer su solucin.

participativo: es recomendable contrastar las hiptesis e ideas con otros colaboradores.

resolutivo: debe dar respuesta a los problemas.

!"#$$%&"'()*+,"-."+/,0.1,/.1"-."234.15678*93":";<83*871"-."=./87-,>"