ELECCIÓN DE UNA ESTRATEGIA DE ANÁLISIS DE DATOS
La figura que se presenta a
continuación describe el proceso de elección de la estrategia para el análisis
de los datos. Dicha elección debe basarse en las primeras etapas del proceso de
investigación de mercados, las características conocidas de los datos, las
propiedades de las técnicas estadísticas, y la experiencia y filosofía del
investigador.
El análisis de los datos no es un
fin en sí mismo. Su propósito consiste en producir información que ayude a
abordar el problema en cuestión. La elección de la estrategia de análisis de datos
debe iniciar con una consideración de
los primeros pasos del proceso: definición del problema (paso I), desarrollo
del enfoque (paso II) y diseño de la investigación (paso III). El plan
preliminar de análisis de los datos que se preparó como parte del diseño de
investigación debe usarse como un trampolín.
Quizá sea necesario hacer cambios
a la luz de la información adicional generada en las etapas posteriores del
proceso de investigación.
El siguiente paso es considerar
las características conocidas de los datos. Las escalas de medición usadas
ejercen una fuerte influencia en la elección de las técnicas estadísticas.
Además, el diseño de investigación puede favorecer ciertas técnicas. Por
ejemplo, el análisis de varianza es adecuado para el análisis de los datos
experimentales de los diseños casuales. La información sobre los datos obtenida
durante su preparación es una valiosa ayuda para la elección de una estrategia
de análisis.
También es importante tomar en
cuenta las propiedades de las técnicas estadísticas, en particular su propósito
y sus suposiciones subyacentes. Algunas técnicas estadísticas son adecuadas
para examinar las diferencias entre variables, otras para evaluar la magnitud
de las relaciones entre variables, y otras más para realizar predicciones. Las
técnicas también suponen diferentes suposiciones y algunas pueden resistir
mejor que otras el incumplimiento de las suposiciones subyacentes.
Por último, la experiencia y la
filosofía del investigador influyen en la elección de la estrategia de análisis
de datos. El investigador experimentado y con formación estadística empleará
una variedad de técnicas que incluye los procedimientos estadísticos avanzados.
Los investigadores difieren en su disposición a hacer suposiciones sobre las
variables y las poblaciones subyacentes.
Quienes son conservadores acerca
de las suposiciones limitarán su elección a los procedimientos de distribución
libre. En general, diversas técnicas pueden ser apropiadas para analizar los
datos de un determinado proyecto.
Clasificación de las técnicas
estadísticas
Las técnicas estadísticas pueden
clasificarse en univariadas y multivariadas. Las técnicas univariadas son
recomendables cuando hay una sola medición para cada elemento de la muestra, o
cuando hay varias mediciones para cada elemento pero cada variable se analiza
por separado. Por otro lado, las técnicas multivariadas son convenientes para
el análisis de los datos, cuando hay dos o más mediciones de cada elemento y
las variables se analizan al mismo tiempo o en forma conjunta.
Las técnicas multivariadas se
interesan en las relaciones simultáneas entre dos o más fenómenos. Difieren de
las técnicas univariadas en el hecho de que no se concentran en los niveles
(promedios) y las distribuciones (varianzas) del fenómeno, sino en la medida de
las relaciones (correlaciones o covarianzas) entre esos fenómenos. En artículos
a parte se describen con mayor detalle las técnicas univariadas las
multivariadas. Aquí se demuestra la relación entre las diferentes técnicas en
un esquema general de clasificación.
Las técnicas univariadas pueden
clasificarse en función de si los datos son métricos o no métricos. Variables
cuantitativas, discretas y continuas o variables cualitativas, nominales y
ordinales
Los datos recolectados con el uso
de variables cuantitativas o datos métricos se miden en una escala de intervalo
o de razón. Los datos no métricos o variables cualitativas se miden en una
escala nominal u ordinal.
NIVELES DE MEDICIÓN
Dichas técnicas también se clasifican
de acuerdo con el uso de una, dos o más muestras. Advierta que aquí el número
de muestras se determina según la forma en que se tratan los datos para
propósitos del análisis, y no en función de la manera en que se recolectaron
los datos. Por ejemplo, los datos para los hombres y las mujeres pueden haber
sido recolectados como una sola muestra; pero si el análisis implica un examen
de las diferencias sexuales, se usarán técnicas para dos muestras. Las muestras
son independientes si se toman al azar de diferentes poblaciones. Para
propósitos del análisis, los datos que conciernen a diferentes grupos de
encuestados (por ejemplo, hombres y mujeres) por lo general se tratan como muestras
independientes. Por otro lado, las muestras son pareadas cuando los datos de
las dos muestras se relacionan con el mismo grupo de encuestados.
En el caso de los variables
cuantitativas, cuando hay una única muestra, pueden usarse las pruebas z y t.
Cuando hay dos o más muestras independientes, pueden usarse las pruebas z y t
para las dos muestras y un análisis de varianza de un factor (ANOVA de un
factor) para más de dos muestras.
En el caso de dos o más muestras
relacionadas, puede usarse la prueba t pareada. En el caso de las variables
cualitativas o datos no métricos que impliquen una sola muestra, puede usarse
la distribución de frecuencias, chi cuadrada, la prueba de Kolmogorov-Smirnov
(K-S), corridas y pruebas binomiales. Para dos muestras independientes con variables
cualitativas, pueden usarse la chi cuadrada, la prueba de Mann-Whitney, la
mediana, K-S, y el análisis de varianza de un factor de Kruskal-Wallis (K-W
ANOVA).
En contraste, cuando hay dos o más
muestras relacionadas deben usarse pruebas de signos, McNemar y Wilcoxon.
Las técnicas estadísticas
multivariadas se clasifican como técnicas de dependencia o de interdependencia.
Las técnicas de dependencia son adecuadas cuando es posible identificar a una o
más variables como variables dependientes y al resto como variables
independientes.
Cuando hay una sola variable
dependiente, se puede utilizar la tabulación cruzada, el análisis de varianza y
covarianza, la regresión, el análisis discriminante de dos grupos y el análisis
conjunto. Sin embargo, si hay más de una variable dependiente, las técnicas
apropiadas serían el análisis multivariado de varianza y covarianza, la
correlación canónica y el análisis discriminante múltiple. En las técnicas de
interdependencia, las variables no se clasifican como dependientes o
independientes; más bien se examina todo el conjunto de relaciones de
interdependencia.
Estas técnicas se enfocan en la
interdependencia de las variables o en la semejanza entre objetos. La principal
técnica para estudiar la interdependencia de las variables es el análisis
factorial. El análisis de la semejanza entre objetos puede realizarse usando el
análisis de conglomerados y el escalamiento multidimensional.
La ética en la investigación de
mercados
Los temas éticos que surgen
durante la fase de preparación y análisis de los datos en el proceso de investigación
de mercados atañen sobre todo al investigador. Mientras revisan, editan, codifican,
trascriben y depuran, los investigadores deben tratar de hacerse una idea de la
calidad de los datos. Debe hacerse el intento por identificar a los encuestados
que han proporcionado datos de calidad cuestionable.
Por ejemplo, considere a un
encuestado que ha marcado la respuesta “7”, en los 20 reactivos que miden la
actitud hacia los deportes en una escala tipo Likert de 1 a 7. Al parecer este
encuestado no se percató de que algunos enunciados eran negativos y otros
positivos, por lo que expresa una actitud muy favorable hacia los deportes en
todos los enunciados positivos y una actitud muy negativa en los enunciados que
fueron invertidos. La decisión sobre si debería descartarse a esos encuestados,
es decir, no incluirlos en el análisis, puede originar preocupaciones éticas.
Una buena regla es tomar esas decisiones durante la fase de preparación de
datos, antes de realizar el análisis.
En cambio, suponga que el
investigador realiza el análisis sin tratar primero de identificar a los
encuestados insatisfactorios. Sin embargo, el análisis no revela la relación
esperada, es decir, no muestra que la actitud hacia los deportes influya en la
asistencia a eventos deportivos. El investigador decide entonces examinar la
calidad de los datos obtenidos. Al revisar los cuestionarios, identifica a algunos
encuestados con datos insatisfactorios. Además de las respuestas
insatisfactorias mencionadas antes, había otros patrones cuestionables. Por
ejemplo, en los 20 reactivos que miden la actitud hacia los deportes algunos
encuestados marcaron “4”, es decir, la respuesta de “ni de acuerdo ni en desacuerdo”.
Cuando se elimina a estos encuestados y se analiza el conjunto de datos
reducidos, se obtienen los resultados esperados que muestran una influencia
positiva de la actitud en la asistencia a eventos deportivos. Descartar
encuestados después de analizar los datos da lugar a preocupaciones éticas,
sobre todo si el informe no establece que el análisis inicial era poco
concluyente. Además, debe revelarse el procedimiento usado para identificar a
los encuestados insatisfactorios y el número de encuestados descartados.
Si te gustó el artículo o tienes
alguna crítica constructiva coméntalo y recuerda suscribirte al blog. Ah, y
comparte con un Tiweet, +1 o por Facebook tus comentarios. Hasta una próxima
entrega.
Para diseños de investigación de
mercados, levantamiento de estudios de opinión pública y de seguimiento
electoral no dude en contactar a Plepso
Investigación, C. A. por sus teléfonos 0243 237.54.06 y 0412 439.25.85, a
sus sitio web http://www.plepso.com.ve o al correo electrónico mercadeo@plepso.com.ve y jpleal@plepso.com.ve
OTROS ARTÍCULOS DE INTERÉS
|
|
 |
 |
 |
 |
FUENTES BIBLIOGRÁFICAS Y DOCUMENTALES
Aaker,
D. y Day, G. S. (1989) Investigación de Mercados. México. Tercera Edición.
Segunda Edición en Castellano. Mc Graw-Hill
Chao, L. (1999)
Estadística para las Ciencias Administrativas. Santa Fe Colombia. McGraw-Hill
Fotolog.Miarroba
(2011) Escalas de Medición [Infografía en línea] disponible en: http://fotolog.miarroba.es/yaixma/escalas-de-medicion-11/
[Consulta: 2015, septiembre 8]
Hernández, R.
Fernández, C. y Baptista, P. (2005) Metodología de la investigación. México. Mc
Graw-Hill
Malhotra,
N (1997) Investigación de mercado, un enfoque práctico. Naucalpan de Juárez
México. Prentice Hall Segunda Edición
Pérez
Leal, J. (2015) OPERACIONES DE CAMPO PARA ENCUESTAS EN HOGARES [Artículo en
línea] disponible en: http://plepso.blogspot.com/2015/07/operaciones-de-campo-para-encuestas-en.html
[Consulta: 2015, agosto 23]
Seijas,
Félix (2003) Investigación Electoral; encuestas electorales. 2da Edición.
Caracas. Ediciones del Rectorado - UCV
Zikmund,
W (1998) Investigación de Mercados. 6ta edición. Naucalpán de Juárez - México
Prentice-Hall Hispanoamericana, A. A.
No hay comentarios:
Publicar un comentario