Академический Документы
Профессиональный Документы
Культура Документы
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
Comportamiento
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
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 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
FORMATO: SECO
SEMIHMEDO
INGREDIENTES:
PRECIO:
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
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
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
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
INTERPRETACIN RESULTADOS
VALIDACIN
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
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
PRECIO
17.55 18.6
INGREDIENTE
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
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
DISEO DE LA INVESTIGACIN
RECOGIDA DE DATOS
Yi 0 jXij ei
j 1
INTERPRETACIN RESULTADOS
VALIDACIN
DISEO DE LA INVESTIGACIN
RECOGIDA DE DATOS
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
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 ... ... ... ... ... ... ...
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
DISEO DE LA INVESTIGACIN
RECOGIDA DE DATOS
INTERPRETACIN RESULTADOS
VALIDACIN
DISEO DE LA INVESTIGACIN
IMP i
RECOGIDA DE DATOS
Rango i
Rango
i 1
x 100
i
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
DISEO DE LA INVESTIGACIN
RECOGIDA DE DATOS
Pi
Ui
U
i 1
SIMULACIN
PASAR DE LAS UTILIDADES A UNA PROBABILIDAD DE ELECCIN
INTERPRETACIN RESULTADOS
DISEO DE LA INVESTIGACIN
RECOGIDA DE DATOS
INTERPRETACIN RESULTADOS
NUEVOS ANLISIS
Podemos salvar las Utilidades Parciales para cada sujeto y utilizarlas como entrada para un Anlisis CLUSTER (SEGMENTACIN POST HOC)
VALIDACIN
DISEO DE LA INVESTIGACIN
RECOGIDA DE DATOS
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