Unidad 3: Caso Práctico.

Enunciado
—

1 © 2 01 8 Asturias Corporación Universitaria

 Unidad 3: Caso Práctico. Enunciado

Enunciado

Ejemplo de análisis factorial para la toma de decisiones de

marketing

El Análisis Factorial tiene sus orígenes en los trabajos iniciados por Charles Spearman
en 1.904, donde trataba de analizar la causa de que las puntuaciones obtenidas por un
grupo de alumnos en distintas materias presentará altas correlaciones. Los estudios de
Spearman, pusieron de manifiesto la existencia de un factor común en todas las
calificaciones, que da una medida de la inteligencia de los alumnos, y que explicaría las
altas correlaciones existentes, y, otro factor, específico de cada alumno, que sería el
responsable de la parte residual de las calificaciones.

Actualmente, el Análisis Multivariante se utiliza para obtener medidas de variables tales

como aptitud para las ventas, resistencia a la innovación, aceptación de nuevos
productos, etc. Así por ejemplo, una empresa que desea lanzar un nuevo artículo al
mercado, y quiere realizar un estudio acerca de la aceptación de dicho artículo, puede,
a través de una encuesta con cuestiones que midan una serie de variables, obtener una
medida de la "variable no observable" que pretende analizar.

Dentro del Análisis Factorial, podemos distinguir dos técnicas que, si bien tienen el
mismo tratamiento matemático, sus objetivos son distintos: El Análisis de Componentes
Principales y el Análisis Factorial de Correlaciones.

El Análisis de Componentes Principales tiene como objetivo reducir la dimensión de un

problema, en el sentido de que un número grande de variables iniciales, se puede
reducir a uno menor de nuevas variables , denominadas Componentes, que son

02 ASTURIAS CORPORACIÓN UNIVERSITARIA 2018®

Not a Técnica preparada por Ast urias Corporación Universit aria. Su dif usión, reproducción o uso t ot al
o parcial para cual quier ot ro propósit o queda prohibida. Todos l os derechos reservados.
 Unidad 3: Caso Práctico. Enunciado

combinación lineal de las originales y que además son incorrelacionadas entre sí. La
reducción no supone en ningún caso pérdida de la información relevante proporcionada por
las primeras variables.

Las nuevas variables o Componentes, se pueden utilizar con múltiples objetivos, tales
como:

 Describir con claridad gran cantidad de datos cuantitativos y analizar las

relaciones existentes entre ellos.

 Realizar estudios Multivariantes posteriores, como un Análisis Cluster, o construir

un modelo de Regresión utilizando los pocos datos dados por las Componentes
en lugar de los muchos proporcionados por las variables iniciales.

El Análisis Factorial de Correlaciones, se puede considerar, en cierta manera, como un

método de reducción de datos, en cuanto que el número inicial de variables, se reduce
a un número inferior de Factores, pero, el objetivo de este método Multivariante, es
precisamente, identificar y cuantificar estos Factores Comunes.

Por otro lado, el Análisis de Componentes Principales no exige condiciones previas

acerca de la estructura de los datos de partida, mientras que el Análisis Factorial de
Correlaciones, supone la existencia de un Modelo que ha generado dichos datos.
Además, dentro del Análisis Factorial de Correlaciones, se puede tener, o no,
conocimiento del número de Factores Comunes. Cuando no existe tal conocimiento,
nos encontramos ante un problema de Análisis Factorial Exploratorio, En otro caso, el
Análisis Factorial Confirmatorio se encargará de verificar un modelo factorial dado.

En cualquier caso, el Análisis Factorial de Correlaciones debe:

1. Identificar los Factores Comunes existentes en el modelo.

2. Obtener las relaciones entre las variables iniciales y los Factores Comunes.

3. Proporcionar una interpretación de los Factores Comunes.

Los resultados obtenidos por el Análisis Factorial de correlaciones sirven de base para
otras técnicas como análisis Cluster, discriminante, regresión,...

Como conclusión teórica sobre el Análisis Factorial decir que éste reduce la
multiplicidad de pruebas y medidas hasta lograr una sencillez notable. Indica qué
pruebas y medidas pertenecen al mismo grupo y cuáles miden prácticamente lo
mismo. Por lo tanto, reduce el número de variables y ayuda a localizar o identificar
unidades o propiedades fundamentales en que se deben basar las pruebas.

Ejemplo práctico de análisis factorial

03 ASTURIAS CORPORACIÓN UNIVERSITARIA 2018®

Not a Técnica preparada por Ast urias Corporación Universit aria. Su dif usión, reproducción o uso t ot al
o parcial para cual quier ot ro propósit o queda prohibida. Todos l os derechos reservados.
 Unidad 3: Caso Práctico. Enunciado

Utilizaremos un caso sencillo.

Una empresa especializada en el diseño de automóviles de turismo desea averiguar

cuáles son las preferencias más importantes del público que compra estos
automóviles. Con este fin diseña una encuesta de diez preguntas y se la aplica a un
grupo de potenciales clientes. Se les pide que valoren de 1 a 5 cada una de las
características. A mayor puntuación mayor preferencia de la característica. Estas diez
características son:

VARIABLES CARACTERÍSTICA

V1 Que sea barato

V2 Que se pague a plazos

V3 Que tenga poco consumo

V4 Que use gasolina normal

V5 Que sea seguro

V6 Que sea confortable

V7 Que tenga gran capacidad

V8 Que de buenas prestaciones

V9 Que sea juvenil

V10 Que sea aerodinámico

Se trata de averiguar si estas diez variables pueden agruparse en pocos factores.

Tabuladas las encuestas los datos se ingresan al SPSS. Las variables (características
vehiculares) se ingresan como columnas y los datos de cada sujeto conforman una fila.
Inicialmente el SPSS arroja la respectiva Matriz de Correlaciones.

(Aunque sería necesario un curso sobre Estadística y SPSS, os detallo que, a

continuación, el SPSS nos ha proporcionado los resultados de los tests requeridos: Test
de Bartlett e Índice Kaiser-Meyer-Olkin, y los resultados obtenidos en los dos tests
indican que es posible continuar con el Análisis Factorial).

04 ASTURIAS CORPORACIÓN UNIVERSITARIA 2018®

Not a Técnica preparada por Ast urias Corporación Universit aria. Su dif usión, reproducción o uso t ot al
o parcial para cual quier ot ro propósit o queda prohibida. Todos l os derechos reservados.
 Unidad 3: Caso Práctico. Enunciado

De inmediato el SPSS nos proporciona la Tabla de Estadísticos Iniciales, en donde todas

las variables presentan la misma comunalidad junto con sus valores propios
(eigenvalues) así como los valores porcentuales y acumulados de la varianza explicada
por cada uno de los factores.

Los datos conseguidos con el programa SPSS (sobre Estadísticos Iniciales) destacan
nítidamente dos variables: “Aerodinámico” (con un eigenvalue de 5.70 acumula el 57%
de la varianza explicada) y “Barato” (con un eigenvalue de 2.07 acumula el 20.7% de la
varianza explicada). Estas dos variables juntas, acumulan el 77.7% de la varianza
explicada.

Luego, el SPSS da la primera Matriz Factorial (No Rotada) que presenta la “Carga
Factorial” (correlaciones entre las variables iniciales y los “factores” recién creados).

En el caso de nuestro estudio se aprecia que se han extraído dos factores. El primer
factor (Factor 1) presenta una mayor cantidad de variables altamente correlacionadas.
Hay que tener en cuenta que, el primer factor antes de la rotación es el que mejor
discrimina.

Que use gasolina normal (0.933)

Que se pague a plazos (0.923)

No juvenil (-0.879)

Que sea barato (0.878)

No buenas prestaciones (-0.861)

Que tenga poco consumo (0.840)

No aerodinámico (-0.765)

El segundo factor (Factor 2) aglutina las siguientes características:

Que sea confortable (0.900)

Que sea seguro (0.720)

Que tenga gran capacidad (0.671)

05 ASTURIAS CORPORACIÓN UNIVERSITARIA 2018®

Not a Técnica preparada por Ast urias Corporación Universit aria. Su dif usión, reproducción o uso t ot al
o parcial para cual quier ot ro propósit o queda prohibida. Todos l os derechos reservados.
 Unidad 3: Caso Práctico. Enunciado

A continuación el SPSS entrega la Tabla de Estadísticos Finales, donde se encuentra

que ha variado la “comunalidad” y que se ha reducido el número de factores. La variación
en las comunalidades es consecuencia directa de la reducción de los factores.

Las comunalidades expresan la cantidad de información de cada variable representada

en los factores que quedan.

En la Tabla de Estadísticos Finales se puede observar que hay dos factores. De esta
forma se ha pasado de diez variables a tan sólo dos, produciéndose la pérdida de tan
solo el 22.3% de la información original representada por las diez variables iniciales.

06 ASTURIAS CORPORACIÓN UNIVERSITARIA 2018®

Not a Técnica preparada por Ast urias Corporación Universit aria. Su dif usión, reproducción o uso t ot al
o parcial para cual quier ot ro propósit o queda prohibida. Todos l os derechos reservados.
 Unidad 3: Caso Práctico. Enunciado

Vemos que las variables importantes siguen siendo las mismas y con coeficientes muy
parecidos, por lo que la interpretación no varía, y se reduce la complejidad del análisis y
el riesgo de error en el manejo de datos.

Conclusiones del ejemplo

Esto sólo ha sido un ejemplo de la necesidad de “cuantificar” la información de

Marketing para sacar conclusiones rigurosas.

El Análisis Factorial es una de las técnicas más útiles para el análisis (en Marketing y
otras disciplinas) la cual, gracias al desarrollo de la informática, puede ser aplicada
actualmente con relativa facilidad. Además, brinda la posibilidad de optar entre
diferentes procedimientos de acuerdo a los objetivos del estudio, lo que confiere a este
análisis la posibilidad de buscar la solución más precisa, desde el punto de vista
matemático y, la más elegante, desde el punto de vista estético.

Como conclusión empírica podemos indicar que las diez variables consideradas
inicialmente han quedado reducidas a dos factores: “economía” y “seguridad”. Se ha
pasado de diez variables a dos, produciéndose la pérdida de tan sólo el 22.3% de la
información original representada por las diez variables iniciales. Por tanto, puede
aplicarse una encuesta de sólo 2 ó 3 items, por ejemplo: a) Que sea económico; b) Que
sea seguro; c) Que no sea deportivo.

Finalmente, el manejo de herramientas de Marketing de Apoyo a las Decisiones debe

seguir la siguiente secuencia:

1) Recogida de Información - 2) Análisis de Datos - 3) Conocimiento - 4) conclusiones

07 ASTURIAS CORPORACIÓN UNIVERSITARIA 2018®

Not a Técnica preparada por Ast urias Corporación Universit aria. Su dif usión, reproducción o uso t ot al
o parcial para cual quier ot ro propósit o queda prohibida. Todos l os derechos reservados.
 Unidad 3: Caso Práctico. Enunciado

Sin esta “forma de pensar” corremos el riesgo de no ser rigurosos en la toma de

decisiones y, en consecuencia, mayor riesgo de errores.

Cuestiones
 ¿Cuándo es oportuno realizar un análisis factorial? ¿Qué ventajas e inconvenientes
tiene esta técnica?

 ¿Qué técnica multivariante de apoyo a las decisiones de marketing utilizaremos si

queremos segmentar el mercado?

08 ASTURIAS CORPORACIÓN UNIVERSITARIA 2018®

Not a Técnica preparada por Ast urias Corporación Universit aria. Su dif usión, reproducción o uso t ot al
o parcial para cual quier ot ro propósit o queda prohibida. Todos l os derechos reservados.