martes, 8 de septiembre de 2015

CÓMO DISEÑAR UNA BUENA ESTRATEGIA DE ANÁLISIS DE DATOS



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






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

CÓMO ES UNA JORNADA TÍPICA DE COMPRAS DEL SHOPPER

Para hacer el trabajo más inteligente en esa Última Milla , para realmente influir en las acciones del   consumidor mientras recorre s...