TEMA IV

ANLISIS CONJUNTO

LECTURA OBLIGATORIA
Captulo 12: Anlisis conjunto. En Lvy, J.P. y Varela, J. (2003). Anlisis Multivariable para las Ciencias Sociales. Madrid: Prentice Hall. Pginas 507-566.

Modelos Multivariantes

1. El Anlisis Conjunto: Por qu?

La Psicologa es una Ciencia del Comportamiento. Como tal, estudia:
Creencias Motivos e intereses Necesidades Valores Actitudes Preferencias

Estudiaremos las Preferencias!

Necesidades Preferencias Valores
Modelos Multivariantes 3

Comportamiento

Cmo explicar las PREFERENCIAS?

Teora de la Decisin: acento en el sujeto Modelos Multiatributo: acento en el objeto
Cualquier estmulo u objeto se configura a partir de una serie de ATRIBUTOS Los sujetos tienen la capacidad de percibir cada uno de esos atributos, con su importancia particular en la estructura de preferencias El atractivo o nivel de preferencia de un objeto puede explicarse, precisamente, partir de las caractersticas de ese objeto
Modelos Multivariantes 4

MODELOS MULTIATRIBUTO
Caractersticas vs. ATRIBUTOS
Un atributo se relaciona con la percepcin, lo que lo convierte en algo psicolgico En la investigacin social y comercial NO interesa tanto medir el estmulo externo, como el atributo subyacente que se EXPERIMENTA

Dentro de cada atributo pueden existir distintas alternativas u opciones, que llamaremos NIVELES
Algunos pueden aportar valor final al objeto y otros pueden restrselo

Las PREFERENCIAS (o el JUICIO asociado a un estmulo) ser el resultado del efecto conjunto de los niveles de atributo que definen al estmulo
Modelos Multivariantes 5

MODELOS MULTIATRIBUTO
Teora de la Integracin de la Informacin (Anderson, 1974)
Los juicios de preferencia (Y) se pueden expresar como una

funcin entre las caractersticas de los estmulos (X) y unos coeficientes (C) que ponderan la aportacin de cada caracterstica a la preferencia global

Y= f (C, X)
Modelos Multivariantes 6

MODELOS COMPENSATORIOS
Fishbein y Ajzen (1975)
Los efectos de las caractersticas de un estmulo son aditivos; niveles de atributo no deseados pueden ser compensados con otros niveles de atributo. Determinadas opciones pueden ser compensadas con otras U = U1 (X1) + U2 (X2) + ... + Ui (Xi) donde: U: Utilidad total Ui: Utilidad parcial del atributo i Xi: Nivel del atributo i
Modelos Multivariantes 7

MTODOS DESCOMPOSICIONALES
Cmo explicar las preferencias?. Dos opciones:
Estrategia Composicional: preguntar directamente al sujeto por la importancia de cada atributo particular (escalas clsicas) Estrategia Descomposicional: presentar una tarea de ordenacin de preferencias. Analizar o descomponer las preferencia para determinar el valor de cada atributo y sus niveles

Modelos Multivariantes

MTODOS DESCOMPOSICIONALES
Mtodos Composicionales
Respuestas estereotipadas, todo es importante Se consideran atributos que no son relevantes Poco realistas

Mtodos Descomposicionales
Ms realista, ya que el sujeto tiene que considerar todas las caractersticas a la vez, poniendo en funcionamiento su verdadera estructura de valores o preferencias Para explicar las preferencias es ms adecuado presentar una tarea de RECOGIDA DE DATOS lo ms real posible y tratar de analizar luego el proceso de TD, estimando de manera matemtica a qu est dando importancia el sujeto y qu opciones aportan o restan valor
Modelos Multivariantes 9

EL ANLISIS CONJUNTO
El Anlisis Conjunto se define Descomposicional (Green y Rao, 1971): como un Mtodo

Un conjunto de tcnicas y modelos que buscan sustituir las respuestas subjetivas de los consumidores, por parmetros que estimen la utilidad de cada nivel de atributo en la respuesta de preferencia manifestada por stos

Modelos Multivariantes

10

2. El Anlisis Conjunto: Qu es?

Orgenes en el mbito de la Psicologa y del Marketing
Luce y Tukey (1964) Green y Rao (1971)

Definicin restrictiva: una TCNICA de anlisis de datos Definicin amplia (Green y Srinivasan, 1990): una METODOLOGA que permite modelizar las preferencias de los individuos en cualquier campo de estudio, aunque habitualmente se haya utilizado en Marketing.
Implica seguir una serie pasos o fases en el desarrollo de la

investigacin, un DISEO
Modelos Multivariantes 11

El Anlisis Conjunto: Qu es?

El ANLISIS CONJUNTO emplea la lgica de los DISEOS EXPERIMENTALES y se basa en el ajuste de MODELOS LINEALES a variables ordinales

El Anlisis Conjunto permite explicar de forma cuantitativa las preferencias del consumidor Partiendo de informacin no mtrica (preferencias) nos proporciona informacin mtrica (utilidades)

Modelos Multivariantes

12

ESQUEMA GENERAL
COMPORTAMIENTO
Aunque no siempre hacemos lo que ms nos gusta, las preferencias son un buen predictor del comportamiento

PREFERENCIAS
La utilidad global de un objeto debe servirme para explicar la preferencia hacia ste. Cuanto mayor sea la UTILIDAD menor ser el rango en una tarea de ordenacin

UTILIDADES PARCIALES Y GLOBALES

Cada caracterstica concreta aporta valor al objeto. Conociendo el valor o UTILIDAD PARCIAL asociada a cada caracterstica somos capaces de estimar el atractivo o UTILIDAD GLOBAL de un objeto, como suma de las utilidades parciales

CARACTERSTICAS DEL OBJETO

Un objeto puede descomponerse en una serie de caractersticas o ATRIBUTOS Modelos Multivariantes
13

UNA COMIDA PARA PERROS

3 ATRIBUTOS (2x4x3= 24 combinaciones)

FORMATO: SECO
SEMIHMEDO

INGREDIENTES:

VACUNO POLLO CORDERO PAVO

PRECIO:

16.5 17.5 18.5

Modelos Multivariantes 14

UN PERIDICO
ATRIBUTOS:
MARCA: EL PAS ABC DIARIO 16 EL MUNDO PRECIO: 100 PTS 175 PTS 250 PTS SUPLEMENTO: CON SN CUADERNILLO OCIO: CON SIN
Modelos Multivariantes

4 x 3 x 2 x 2= 48 combinaciones posibles

Diseo Ortogonal: 16 Tarjetas

Muestra: 510 lectores

CONJOINT
15

UN PERIDICO
RESULTADOS
UTILIDADES PARCIALES:
EL PAS (1.67), ABC (1.12), DIARIO 16 (-1.97) y EL MUNDO (-0.82) 100 PTS (0.63), 175 PTS (0.42), 250 PTS (0.21) CON SUPLEMENTO (0.45), SIN SUPLEMENTO (-0.45) CON CUADERNILLO (0.16), SIN CUADERNILLO (-0.16)

PERIDICO IDEAL: EL PAS (1.67) + 100 PTS (0.63) + CON SUPLEMENTO (0.45) + CON CUADERNILLO (0.16)

UTILIDAD GLOBAL= constante + utilidades parciales= 10.82 IMPORTANCIA RELATIVA DE CADA ATRIBUTO:
Modelos Multivariantes

MARCA (??%), SUPLEMENTO (??%), PRECIO (??%) y CUADERNILLO (??%)

16

PROCEDIMIENTO HABITUAL
Se seleccionan (o elaboran) un conjunto de estmulos que representen la combinacin de atributos y niveles que al investigador le interesa estudiar. El sujeto los ordena. El investigador va a ser capaz de estimar la importancia relativa de cada atributo, as como del Valor o Utilidad Parcial de las distintas opciones o niveles dentro de cada uno de ellos. De este modo, comprender cmo se configura la estructura de preferencias de cada sujeto o grupo de sujetos. Sabr a qu est dando importancia cuando elige entre distintos objetos, y qu caractersticas concretas hacen aumentar o disminuir su preferencia, qu aporta y qu quita valor.
Modelos Multivariantes 17

VISIN RPIDA DEL ANLISIS CONJUNTO

PLANTEAMIENTO DEL PROBLEMA

CUESTIONES
Cules son los objetivos? Cul es el producto o servicio objeto de estudio? Cules son sus elementos relevantes? Qu diferencia el mercado competitivo? Cules son los criterios de eleccin que utilizan los sujetos? Identificacin de ATRIBUTOS y NIVELES

DISEO DE LA INVESTIGACIN

RECOGIDA DE DATOS

ESTIMACIN DEL MODELO Y EVALUACIN DEL AJUSTE

INTERPRETACIN RESULTADOS

VALIDACIN

VISIN RPIDA DEL ANLISIS CONJUNTO

PLANTEAMIENTO DEL PROBLEMA

DISEO DE LA INVESTIGACIN

CUESTIONES
SELECCIN DE ATRIBUTOS Y NIVELES
Atributos relevantes, independientes conceptualmente y limitados (nunca ms de 6) Niveles amplios, representativos y limitados (3 o 4)

RECOGIDA DE DATOS

ESTIMACIN DEL MODELO Y EVALUACIN DEL AJUSTE

DISEO DE ESTMULOS
Determinar el n de combinaciones posible Optar por la totalidad de estmulos o por una parte representativa: DISEO FACTORIAL FRACCIONADO (ORTHOPLAN)

INTERPRETACIN RESULTADOS

PREPARACIN DE ESTMULOS
Matrices Trade-Off Perfiles Completos Estmulos reales o simulados

VALIDACIN

VISIN RPIDA DEL ANLISIS CONJUNTO

16.5

PRECIO
17.55 18.6

PLANTEAMIENTO DEL PROBLEMA

INGREDIENTE

VACA POLLO CORDERO

12 11

7 1 5 2

8 3 6 4

DISEO DE LA INVESTIGACIN

PAVO

1O 9

RECOGIDA DE DATOS

MATRICES TRADE-OFF
Sencillo y fcil para el entrevistado, sin sobrecarga de informacin (si son pocos atributos) Poco realismo (slo dos factores), alarga la tarea, fatiga, confusin, imposible utilizar estmulos grficos o reales

ESTIMACIN DEL MODELO Y EVALUACIN DEL AJUSTE

PERFILES COMPLETOS (FULL PROFILE) INTERPRETACIN RESULTADOS

Realismo Pocos factores y niveles Aunque se pueden utilizar diseos factoriales fraccionados

VALIDACIN

RECOGIDA DE DATOS
Entrevista personal (tarea manipulativa) Por Internet

SEQUENCE
TARJETA 1
CARNE DE PAVO FORMATO SECO 18.6 euros

TARJETA 2
CARNE DE POLLO FORMATO SEMIHMEDO 17.55 euros

TARJETA 3
CARNE DE VACA FORMATO SECO 16.5 euros

P1

P2

P3

P4

P5

P6

P7

P8

P9

P10

P11

P12

P13

P14

P15

P16

12

11

16

10

15

14

13

SCORE
T1 T2 T3 T4 T5 T6 T7 T8 T9 T10 T11 T12 T13 T14 T15 T16

10

POSICIONAMIENTO GRFICO
E G D K L H

I B

C A

P M

10

VISIN RPIDA DEL ANLISIS CONJUNTO

PLANTEAMIENTO DEL PROBLEMA

DISEO DE LA INVESTIGACIN

RECOGIDA DE DATOS

Yi 0 jXij ei
j 1

ESTIMACIN DEL MODELO Y EVALUACIN DEL AJUSTE

ESTIMACIN DEL MODELO

La Utilidad Subjetiva de un estmulo puede ser calculada si se conoce la secuencia de ordenacin del sujeto, a partir de las estimaciones de los pesos de cada nivel de atributo y la presencia o ausencia de stos, de manera aditiva. A esos pesos o utilidades estimados para cada caracterstica o nivel (j) del atributo (k) le llamaremos jk o PARTWORTH

INTERPRETACIN RESULTADOS

VALIDACIN

VISIN RPIDA DEL ANLISIS CONJUNTO

PLANTEAMIENTO DEL PROBLEMA

DISEO DE LA INVESTIGACIN

RECOGIDA DE DATOS

CMO ESTIMAR LAS UTILIDADES PARCIALES? jk

ESTIMACIN DEL MODELO Y EVALUACIN DEL AJUSTE

MTODOS DE ESTIMACIN
MNIMOS CUADRADOS ORDINARIOS (OLS) El algoritmo CONJOINT del SPSS utiliza OLS

INTERPRETACIN RESULTADOS

VALIDACIN

ESTIMACIN OLS
TARJETA 1 TARJETA 2 TARJETA 3 ... ... TARJETA n FORMATO INGREDIENTE SECO SEMIHMEDO VACUNO POLLO CORDERO PAVO PRECIO O 1 0 1 0 0 16.5 1 0 0 0 1 0 18.6 0 1 0 1 0 0 17.55 ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... RANGO 15 13 10 ... ... n

TARJETA 1: CARNE SEMIHMEDA DE POLLO A 16.5 Euros

A continuacin, se hace una regresin sobre la ordenacin realizada por el sujeto, intentando estimar los coeficientes j que mejor explican el rango de las tarjetas.
FORMATO INGREDIENTE RANGO RANGO PRECIO REAL PREDICHO SECO SEMIHMEDO VACUNO POLLO CORDERO PAVO O 1 0 1 0 0 16.5 15 14 1 0 0 0 1 0 18.6 13 11 0 1 0 1 0 0 17.55 10 9 ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... n n ... ... ... ... ... ... ...

TARJETA 1 TARJETA 2 TARJETA 3 ... ... TARJETA n

Una medida de la Bondad de Ajuste del Modelo podra ser la correlacin de Kendall entre los rangos reales y los predichos por el modelo

VISIN RPIDA DEL ANLISIS CONJUNTO

PLANTEAMIENTO DEL PROBLEMA

DISEO DE LA INVESTIGACIN

RECOGIDA DE DATOS

EVALUACIN DEL AJUSTE

ESTIMACIN DEL MODELO Y EVALUACIN DEL AJUSTE
Se trata de ver hasta qu punto las Utilidades Parciales estimadas nos sirven para reproducir eficazmente las (preferencias) ordenaciones de los sujetos.
DOS OPCIONES: CORRELACIN DE KENDALL TARJETAS HOLDOUT o de validacin. Se compara cmo las orden el sujeto con el pronstico hecho por un modelo que no las ha utilizado en la estimacin.

INTERPRETACIN RESULTADOS

VALIDACIN

VISIN RPIDA DEL ANLISIS CONJUNTO

PLANTEAMIENTO DEL PROBLEMA

DISEO DE LA INVESTIGACIN

IMP i
RECOGIDA DE DATOS

Rango i

Rango
i 1

x 100
i

ESTIMACIN DEL MODELO Y EVALUACIN DEL AJUSTE

RESULTADOS
UTILIDADES PARCIALES UTILIDAD GLOBAL DE UN OBJETO

INTERPRETACIN RESULTADOS

VALIDACIN

IMPORTANCIA DE UN ATRIBUTO El atributo ms importante es aquel cuyos niveles sean ms extremos en trminos de Utilidad. Por eso es clave el DISEO RESULTADOS A TRES NIVELES: MUESTRA GLOBAL SEGMENTOS SUJETO INDIVIDUAL

VISIN RPIDA DEL ANLISIS CONJUNTO

PLANTEAMIENTO DEL PROBLEMA

DISEO DE LA INVESTIGACIN

RECOGIDA DE DATOS

Pi

Ui

U
i 1

ESTIMACIN DEL MODELO Y EVALUACIN DEL AJUSTE

SIMULACIN
PASAR DE LAS UTILIDADES A UNA PROBABILIDAD DE ELECCIN

INTERPRETACIN RESULTADOS

ndice BTL (Bradley-Terry-Luce): VALIDACIN

la utilidad global de un producto dividida por el sumatorio de las utilidades de todos los productos utilizados en la simulacin. Servira para estimar las ventas

VISIN RPIDA DEL ANLISIS CONJUNTO

PLANTEAMIENTO DEL PROBLEMA

DISEO DE LA INVESTIGACIN

RECOGIDA DE DATOS

ESTIMACIN DEL MODELO Y EVALUACIN DEL AJUSTE

INTERPRETACIN RESULTADOS

NUEVOS ANLISIS
Podemos salvar las Utilidades Parciales para cada sujeto y utilizarlas como entrada para un Anlisis CLUSTER (SEGMENTACIN POST HOC)

VALIDACIN

VISIN RPIDA DEL ANLISIS CONJUNTO

PLANTEAMIENTO DEL PROBLEMA

DISEO DE LA INVESTIGACIN

RECOGIDA DE DATOS

ESTIMACIN DEL MODELO Y EVALUACIN DEL AJUSTE

VALIDACIN
A NIVEL INTERNO: AJUSTE: KENDALL y HOLDOUT A NIVEL EXTERNO: Individual: intencin de compra Colectivo: Resultado en el mercado (real o simulado)

INTERPRETACIN RESULTADOS

VALIDACIN