TCNICAS

DEL DISEO
DE INVESTIGACIN
CAUSAL

Inves&gacin cualita&va
Entrevistas con expertos
Encuestas piloto
Datos secundarios

Anlisis cuan&ta&vo
Datos por observacin (I. Descrip8va)
Encuestas (I. Descrip8va)
Inves8gacin experimental (I. Causal)

INVESTIGACION DESCRIPTIVA
A diferencia de la exploratoria, la inves8gacin descrip8va se caracteriza por el planteamiento claro del
problema, hiptesis explcitas y especicacin detallada de las necesidades de informacin. La encuesta
realizada en el proyecto de la clientela de COCA COLA, que inclua encuestas personales, es un ejemplo de una
inves8gacin descrip8va.

Ejemplos de estudios descrip8vos son:
Estudios de mercados que describen el tamao de ste, el poder de compra de los consumidores, la
disponibilidad de distribuidores y los perles de los consumidores.
Estudios de par8cipacin en el mercado que determinan la proporcin de las ventas totales obtenidas por
una compaa y sus compe8dores.
Estudios de anlisis de ventas que describen las ventas por regiones geogrcas, lneas de productos, as
como 8po y tamao de la cuenta.
Estudios de imagen que determinan cmo perciben los consumidores a la empresa y sus productos.
Estudios de uso del producto que describen los patrones de consumo.
Estudios de distribucin que determinan los patrones de ujo de trco, as como el nmero y la ubicacin
de los distribuidores.
Estudios de asignacin de precios que describen el rango y la frecuencia de los cambios de precios, y la
probable respuesta de los consumidores ante los cambios propuestos en los precios.
Estudios de publicidad que describen los hbitos de consumo de medios de comunicacin, as como los
perles de audiencia para revistas y programas de televisin especcos.

La inves8gacin descrip8va puede clasicarse en inves8gacin

transversal y longitudinal:

Los diseos transversales implican obtener una sola vez
informacin de cualquier muestra dada de elementos de la
poblacin.
En los diseos longitudinales, una muestra ja de elementos de la
poblacin se somete a mediciones repe8das de las mismas
variables. a lo largo del 8empo.

INVESTIGACION CAUSAL
La inves8gacin causal se u8liza para obtener evidencia de relaciones
causales, es decir, de causa-efecto. Estas se u8lizan porque a menudo se
toman decisiones basadas en supuestas relaciones causales pero quiz esas
suposiciones no estn jus8cadas, por lo que la validez de las relaciones
causales debera examinarse mediante una inves8gacin formal. Por ejemplo,
es comn la suposicin de que una disminucin en el precio dar como
resultado un aumento en las ventas y en la par8cipacin en el mercado; sin
embargo, esta suposicin no es vlida en ciertos ambientes compe88vos.

La inves8gacin causal es adecuada para los siguientes propsitos:
1. Entender qu variables son la causa (variables independientes) y cules son
el efecto (variables dependientes) de un fenmeno.
2. Determinar la naturaleza de la relacin entre las variables causales y el
efecto que se va a predecir.

INVESTIGACION CAUSAL
Para determinar el grado de asociacin entre variables, se
requiere un diseo causal donde se manipulen las variables
causales o independientes en un ambiente rela8vamente
controlado, en el cual se controlan en la medida de lo posible
las otras variables que pueden afectar la variable
dependiente. Luego se mide el efecto de esta manipulacin
sobre una o ms variables dependientes para inferir causalidad.

INVESTIGACION CAUSAL
Ejemplo:
En el contexto de una 8enda departamental, un inves8gador quiere
determinar si la presencia y amabilidad de los vendedores (variable causal)
inuir en las ventas de enseres doms8cos (variable del efecto).

Podra formularse un diseo causal, donde se seleccionen dos 8endas
comparables de enseres doms8cos de una cadena especca. Durante
cuatro semanas vendedores capacitados se instalan en una 8enda, pero no
en la otra. En ambos grupos se supervisan las ventas, a la vez que se
controlan las otras variables (horario, temperatura, 8po de enseres, entre
otros). Una comparacin entre las ventas de los dos grupos revelar el
efecto de los vendedores en las 8endas departamentales.

Otra posibilidad es que en vez de seleccionar dos 8endas, el inves8gador
seleccione slo una y realice esta manipulacin durante dos periodos
comparables: los vendedores estn presentes en un periodo y ausentes en
el otro.

INVESTIGACION CAUSAL
Para suponer causalidad, deben sa8sfacerse tres
condiciones:
1. Variacin concomitante
2. Orden temporal de la ocurrencia de las variables
3. Eliminacin de otros factores causales posibles.

INVESTIGACION CAUSAL
1. Variacin concomitante. Es el grado en que una
causa, X, y un efecto, Y, ocurren o varan juntos.
Ejemplo: Se hace una encuesta a 1,000 clientes para
determinar si la compra de ropa de moda est
inuida por el nivel acadmico.
Nivel de Compra
ALTO

Nivel de Compra
BAJO

TOTAL

Nivel Educa8vo ALTO

363 (73%)

137 (27%)

500 (100%)

Nivel Educa8vo BAJO

322 (64%)

178 (36%)

500 (100%)

INVESTIGACION CAUSAL
2. Orden temporal de la ocurrencia de las variables
Esta condicin arma que el evento causante debe ocurrir antes o al mismo 8empo
que el efecto; no puede ocurrir despus.

Ejemplo: Considere el servicio en el establecimiento y las ventas de una 8enda
departamental. Si tal servicio es la causa de las ventas, entonces las mejoras en el
servicio deben hacerse antes, o al menos al mismo 8empo, que el incremento en
las ventas. Esas mejoras consis8ran en la capacitacin o la contratacin de ms
personal de ventas. Luego, en los meses posteriores, las ventas de la 8enda
departamental deberan aumentar. De forma alterna8va, las ventas podran
incrementarse al mismo 8empo que la capacitacin o la contratacin de personal
de ventas adicional.

Por otro lado, suponga que una 8enda experimenta un incremento considerable en las
ventas y luego decide usar parte de ese dinero para volver a capacitar a su personal de
ventas, lo cual conduce a un mejor servicio. En este caso, el servicio en el
establecimiento no puede ser la causa del aumento en las ventas. Ms bien, la
hiptesis contraria podra ser fac8ble.

INVESTIGACION CAUSAL
3. Eliminacin de otros factores causales posibles.
Signica que el factor o la variable que se inves8ga debera ser la
nica explicacin causal posible.

Ejemplo: El servicio dentro del establecimiento puede ser una
causa de las ventas, si podemos asegurar que se mantuvieron
constantes o se controlaron de otra forma todos los otros factores
que afectan las ventas, como los precios, la publicidad, el nivel de
distribucin, la calidad del producto, la competencia, etctera.

INVESTIGACION CAUSAL
3. Eliminacin de otros factores causales posibles.
Ejemplo 2: En el caso del anlisis del nivel educa8vo y el nivel de
compras, pudo pasar que lo que realmente ocasiona el cambio
en las ventas son los mayores ingresos de las personas con
mayor nivel educa8vo:
INGRESO BAJO

INGRESO ALTO

Nivel de
Compra ALTO

Nivel de
Compra BAJO

Nivel de
Compra ALTO

Nivel de Compra
BAJO

N. Educa8vo ALTO

122 (61%)

78 (39%)

241 (80%)

59 (20%)

N. Educa8vo BAJO

171 (57%)

129 (43%)

151 (76%)

49 (24%)

Nivel de Compra ALTO

Nivel de Compra BAJO

Ingreso BAJO

293 (58.6%)

207 (41.4%)

Ingreso ALTO

392 (78.4%)

108 (21.6%)

INVESTIGACION CAUSAL
Por lo general se u8liza la experimentacin para inferir relaciones causales.

Un experimento se forma cuando el inves8gador manipula una o ms
variables independientes y mide su efecto sobre una o ms variables
dependientes, a la vez que controla el efecto de las variables extraas.

Los experimentos pueden realizarse en ambientes de laboratorio o de campo.
Un ambiente de laboratorio es un escenario ar8cial que el inves8gador
construye con las condiciones especcas que se desean para el experimento.
El trmino ambiente de campo es sinnimo de las condiciones reales del
mercado.

Ejemplo: Para comprobar la sa8sfaccin con un producto, puedo invitar a un
grupo de personas a un laboratorio para que lo prueben. Por otro lado,
puedo consultarles a aquellas que lo han comprado y lo han probado en casa.

INVESTIGACION CAUSAL
La experimentacin cobra cada vez ms importancia en la inves8gacin de
mercados; no obstante, los experimentos 8enen limitaciones de 8empo, costos y
administracin.

Tiempo: Los experimentos consumen 8empo, en par8cular si el inves8gador
est interesado en medir los efectos a largo plazo del tratamiento, como la
ecacia de una campaa de publicidad. Los experimentos deben durar lo
suciente como para que las mediciones posteriores al tratamiento incluyan la
mayora o la totalidad de los efectos.
Costo: Los experimentos suelen ser costosos. Los requisitos y tamaos de los
grupos que se necesitan para experimentar al igual que las ml8ples
mediciones aumentan signica8vamente el costo de la inves8gacin.
Administracin: La administracin de los experimentos puede ser difcil. Quiz
resulte imposible controlar los efectos de las variables extraas, sobre todo en
un ambiente de campo. Adems, los experimentos a menudo intereren con
las operaciones en curso por lo que tal vez sea complicado obtener la
cooperacin de los implicados. Por l8mo, los compe8dores pueden
contaminar deliberadamente los resultados de un experimento.

INVESTIGACION CAUSAL
Los diseos experimentales se pueden clasicar as:

INVESTIGACION CAUSAL

Pre-experimento

Los diseos pre-experimentales se caracterizan por la falta de
aleatorizacin. Esto quiere decir que escogen a conveniencia los
par8cipantes.

Se describen tres diseos especcos: el estudio de caso nico, el
diseo de pretest-postest con un grupo y el grupo est8co.

INVESTIGACION CAUSAL

Pre-experimento: Estudio de caso nico

En este caso, un solo grupo de unidades se expone al tratamiento (X) y luego se realiza una
nica medicin de la variable dependiente (Y). Las unidades de prueba son
autoseleccionadas o son seleccionadas de manera arbitraria por el inves8gador.

Ejemplo: Se hace un estudio de caso nico para medir la ecacia de un comercial de
prueba para una 8enda departamental, de la siguiente manera. Se realizan encuestas
telefnicas con una muestra nacional de par8cipantes que armen haber visto un
determinado programa de televisin la noche anterior. A estas personas se les
pregunta Recuerda haber visto anoche un comercial de una 8enda departamental?
Si recuerdan el comercial de prueba, se les pregunta si esto los mo8va a comprar en la
8enda.
Es fcil adver8r el riesgo de sacar conclusiones vlidas de este 8po de experimentos. No
proporcionan una base para comparar el nivel de Y con lo que habra sucedido en ausencia
de X. Adems, el nivel de Y quizs haya sido afectado por muchas variables extraas, por
ejemplo si el da del comercial la persona tena en mente comprar ropa en una 8enda por
departamentos.

Por esas razones, el estudio de caso nico resulta ms conveniente para la inves8gacin
exploratoria, que para la inves8gacin concluyente.

INVESTIGACION CAUSAL

Pre-experimento: Diseo de pretest-postest con un grupo

En este diseo, se realizan dos mediciones en un grupo de unidades de
prueba: Antes y Despus de un tratamiento (X). Esto dar lugar a dos
mediciones Y1 (antes del tratamiento) y Y2 (despus del tratamiento)

El efecto del tratamiento se calcula como Y2 menos Y1, pero la validez de esta
conclusin es cues8onable por la falta de control de las variables extraas.

Ejemplo: Se recluta a un grupo de personas en una sala de cine. Se realiza
primero una encuesta personal para medir, entre otras cues8ones, las
ac8tudes hacia la 8enda, Sears, obteniendo la medicin Y1. Luego se les
presenta un programa de televisin que con8ene un comercial (X) de la
8enda. Despus de que los encuestados observan el programa de
televisin, se les entrevista de nuevo para medir las ac8tudes hacia la
8enda Sears y se ob8ene la medicin Y2. La ecacia del comercial de
prueba se mide como Y2 menos Y1.

INVESTIGACION CAUSAL

Pre-experimento: Diseo de grupo est8co o postest con grupo de control

Es un diseo experimental de dos grupos. Uno, llamado grupo experimental (GE), que se
expone al tratamiento X; mientras que el otro, llamado grupo de control (GC), no lo es. En
ambos grupos, las mediciones slo se realizan despus del tratamiento (Y1 y Y2
respec8vamente) El efecto del tratamiento se medira como Y1 menos Y2.

Ejemplo: Se reclutan dos grupos de encuestados sobre la base de la conveniencia.
Slo se expondra al grupo experimental al programa de televisin que con8ene el
comercial de prueba (Sears). Luego, se mediran las ac8tudes hacia la 8enda
departamental (Sears) de los par8cipantes de ambos grupos (experimental y de
control). La ecacia del comercial de prueba se medira como Y1 menos Y2.

El problema surge porque es posible que como las unidades de prueba no se

asignan al azar, los dos grupos (GE y GC) dieran antes del tratamiento (sesgo
de seleccin).
Tambin puede que se re8ren ms unidades de prueba del grupo
experimental que del grupo de control. Es muy probable que esto suceda si el
tratamiento era desagradable, por tanto a veces es necesario simular que
ambos grupos se someten al tratamiento (efecto placebo).

INVESTIGACION CAUSAL

INVESTIGACION CAUSAL

Diseos experimentales verdaderos

La caracters8ca dis8n8va de los diseos experimentales verdaderos,
en comparacin con los diseos preexperimentales, es la
aleatorizacin. En los diseos experimentales verdaderos, el
inves8gador asigna al azar las unidades de prueba y los tratamientos a
los grupos experimentales.

Los diseos experimentales verdaderos incluyen el diseo de slo
postest con grupo de control, el diseo de pretest-postest con grupo
de control y el diseo de cuatro grupos de Solomon.

INVESTIGACION CAUSAL

Diseos experimentales verdaderos: diseo postest con grupo
de control

Este diseo es igual al que se vio como pre-experimento, donde se escoge un
grupo experimental y otro de control pero slo al primero se expone al
tratamiento y se toman medidas de postest en ambos grupos.

La diferencia radica en que en este caso LAS UNIDADES DE PRUEBA SE
ASIGNAN AL AZAR.

INVESTIGACION CAUSAL

Diseos experimentales verdaderos: diseo pre-postest con grupo de control

Este diseo es igual al anterior, slo que se toman medidas antes y despus del tratamiento. Una
vez ms, para que sea experimento y no pre-experimento, LAS UNIDADES DE PRUEBA DEL
GRUPO DE TRATAMIENTO Y EL DE CONTROL SE ASIGNAN AL AZAR.

En este caso se busca controlar que las diferencias entre dos grupos se hayan dado por el
tratamiento al que fue expuesto el grupo experimental y no a diferencias dadas desde el inicio.

Ejemplo: Se reclutan dos grupos de encuestados al azar y a ambos se les consulta sobre sus
ac8tudes hacia la 8enda departamental Sears (GE1 y GC1). Slo se expondra al grupo
experimental al programa de televisin que con8ene el comercial de prueba. Luego, se miden
nuevamente las ac8tudes hacia Sears de los par8cipantes de ambos grupos (GE2 y GE2). La
ecacia del comercial de prueba se medira como (GE2-GE1) menos (GC2 GC1).

INVESTIGACION CAUSAL

Diseos experimentales verdaderos:
cuatro grupos de Salomn

Este diseo escoge cuatro grupos AL AZAR
pero:
- Slo a dos (A y B) les toma mediciones
previas al tratamiento.
- Slo dos (A y C) son expuestos al
tratamiento
- - A los cuatro grupos (A, B, C y D) les
t o m a m e d i c i o n e s p o s t e r i o r e s a l
tratamiento.
El efecto se mide teniendo en cuenta las
interacciones que se presentan en la gura.

INVESTIGACION CAUSAL

INVESTIGACION CAUSAL

Cuasiexperimentos

Un diseo cuasiexperimental se ob8ene en las siguientes condiciones.

Primero, el inves8gador puede controlar cundo y en quin se realizan las
mediciones.
Segundo, el inves8gador carece de control sobre la programacin del tratamiento y
tampoco puede exponer a las unidades de prueba al tratamiento de forma aleatoria.

Los diseos cuasiexperimentales son 8les porque pueden u8lizarse en casos en que no
es posible emplear la experimentacin verdadera, y porque son ms rpidos y menos
costosos. No obstante, dado que el inves8gador carece del control experimental
completo, debe considerar las variables especcas que no se controlan.

Las formas populares de diseos cuasiexperimentales son los diseos de series de
8empo y de series de 8empo ml8ples.

INVESTIGACION CAUSAL

Cuasiexperimentos: Series de 8empo

El diseo de series de 8empo implica una serie de mediciones peridicas de la
variable dependiente en un grupo de unidades de prueba. Luego, el
tratamiento es aplicado por el inves8gador u ocurre de manera natural.
Despus del tratamiento, con8nan las mediciones peridicas para
determinar su efecto.

La principal debilidad del diseo de series de 8empo es su incapacidad para
controlar la historia. Otra limitacin es que el experimento se vea afectado
por el efecto interac8vo de la prueba, debido a que se realizan mediciones
ml8ples en las unidades de prueba

INVESTIGACION CAUSAL

Cuasiexperimentos: Series de 8empo


Ejemplo: La ecacia de un comercial (X) de prueba se examinara
transmi8endo el comercial un nmero predeterminado de veces y
examinando los datos de un grupo de personas. Aunque el mercadlogo
es capaz de controlar la programacin del comercial de prueba, no est
seguro de si las personas son expuestos al mismo y cundo. Se examinan
las compras de los miembros del panel antes, durante y despus de la
campaa, para determinar si el comercial de prueba 8ene un efecto a
corto plazo o a largo plazo, o si no 8ene efecto alguno.

INVESTIGACION CAUSAL

Cuasiexperimentos: Series de 8empo ml8ple

El diseo de series de 8empo ml8ples es similar al de series de 8empo, salvo
en el hecho de que se agrega otro grupo de unidades de prueba que sirve
como grupo de control.

Ejemplo: En el mismo caso anterior, para usar un diseo de series de
8empo ml8ples en la evaluacin de la ecacia de un comercial, este se
mostrara slo en algunas ciudades de prueba. Los miembros del panel en
esas ciudades componen el grupo experimental. El grupo de control
estara formado por los miembros del panel en las ciudades donde no se
mostrar el comercial. A corto y largo plazo se mediran los resultados
entre ciudades.

INVESTIGACION CAUSAL

INVESTIGACION CAUSAL

Diseos estads8cos

Los diseos estads8cos consisten en una serie de experimentos bsicos que permiten el
anlisis y el control estads8co de variables externas, al conducirse varios experimentos
bsicos al mismo 8empo. Este 8po de diseos ofrecen las siguientes ventajas:
1. Es posible medir los efectos de ms de una variable independiente.
2. Pueden controlarse estads8camente variables extraas especcas.
3. Se formulan diseos econmicos cuando cada unidad de prueba se mide ms de una
vez.

Los diseos estads8cos ms comunes son el diseo de bloque aleatorizado, el diseo de
cuadrado la8no y el diseo factorial.

INVESTIGACION CAUSAL

Diseos estads8cos: Bloque aleatorizado

Es un diseo estads8co en que las unidades de prueba se disponen en un bloque con
base en una variable externa para asegurar que los grupos experimental y de control
estn cercanamente igualados en esa variable.

Por ejemplo, en la mayora de las situaciones de inves8gacin de mercados, variables
externas como las ventas, tamao, 8po y ubicacin de la 8enda, ingreso, ocupacin y
clase social del encuestado,podran inuir en la variable dependiente as que en el diseo
de bloque aleatorizado el grupo de personas inves8gado (tanto el grupo experimental
como el de control) se dividir previamente teniendo en cuenta esa variable externa.

INVESTIGACION CAUSAL

Diseos estads8cos: Bloque aleatorizado

Ejemplo: Se quiere medir el impacto del humor en la ecacia de la publicidad as que
se desarrollan tres comerciales de prueba, A, B y C que con8enen, respec8vamente,
niveles nulo, medio y elevado de humor. Cul de ellos podra ser ms ecaz? La
administracin cree que la evaluacin del comercial por parte de los encuestados
estar inuida por la medida en que sean clientes de la 8enda, de manera que se
iden8c la preferencia por la 8enda (alta, media, baja o nula) como variable para la
formacin del bloque. Despus de seleccionar los encuestados al azar en cuatro, se
clasicaron en bloques con preferencia alta, media, baja o nula por la 8enda
departamental. Los encuestados de cada bloque se asignaron al azar a los grupos de
tratamiento (comerciales de prueba A, B y C).

INVESTIGACION CAUSAL

Diseos estads8cos: Bloque aleatorizado

Ejemplo:
Comercial A:
Humor nulo

Comercial B:
Humor medio

Comercial C:
Humor alto

Preferencia ALTA

15%

45%

50%

Preferencia MEDIA

25%

48%

50%

Preferencia BAJA

20%

60%

20%

Preferencia NULA

30%

55%

10%

Los resultados revelaron que el comercial con nivel medio de humor (B) fue el de
mayor ecacia en trminos generales.

INVESTIGACION CAUSAL

Diseos estads8cos: Cuadrados La8nos

Un diseo de cuadrado la8no permite al inves8gador controlar estads8camente dos
variables externas que no interactan, adems del manejo de la variable independiente.
Cada variable externa o de formacin de bloque se divide en un nmero igual de bloques
o niveles. La variable independiente se divide tambin en el mismo nmero de niveles.

Un cuadrado la8no es conceptualizado como una tabla donde las las y las columnas
representan los bloques en las dos variables externas. Los niveles de la variable
independiente se asignan luego a las celdas de la tabla. La regla de asignacin es que
cada nivel de la variable independiente debera aparecer slo una vez en cada la y en
cada columna.

INVESTIGACION CAUSAL

Diseos estads8cos: Cuadrados La8nos

Ejemplo: Para ilustrar el diseo de cuadrado la8no, suponga que en el ejemplo
anterior, el inves8gador no slo quiere controlar la preferencia sino tambin el nivel
educa8vo del encuestado (denido como alto, medio o bajo). Para poner en prc8ca
un diseo de cuadrado la8no, la preferencia por la 8enda tambin 8ene que dividirse
en tres bloques, en vez de hacerlo en cuatro niveles (por ejemplo, combinando en un
solo bloque la preferencia baja y nula). La asignacin de los tres comerciales podra
hacerse luego, haciendo que cada uno (A, B y C) aparezca slo una vez en cada la y
en cada columna
Nivel EducaAvo:
Alto

Nivel EducaAvo:
Medio

Nivel EducaAvo:
Bajo

Preferencia ALTA

Comercial B: 65%

Comercial A: 25%

Comercial C: 60%

Preferencia MEDIA

Comercial C: 55%

Comercial B: 55%

Comercial A: 10%

Preferencia BAJA Y
NULA

Comercial A: 45%

Comercial C: 15%

Comercial B: 85%

INVESTIGACION CAUSAL

Diseos estads8cos: Diseo Factorial

Se u8liza un diseo factorial para medir los efectos de dos o ms variables
independientes en varios niveles. A diferencia del diseo de bloque aleatorizado y del
cuadrado la8no, los diseos factoriales permiten interacciones entre variables
independientes. Se dice que 8ene lugar una interaccin cuando el efecto simultneo de
dos o ms variables es diferente de la suma de sus efectos separados.

Por ejemplo, la bebida favorita de un individuo puede ser el caf y el nivel favorito de
temperatura puede ser fro; pero a este individuo no le gusta el caf fro, lo cual da lugar
a una interaccin.

INVESTIGACION CAUSAL
Ejemplo: Suponga que, en el ejemplo anterior, adems de examinar el efecto del humor,
el inves8gador est interesado en examinar al mismo 8empo el efecto de la can8dad de
informacin sobre la 8enda. Por ende, se produciran nueve comerciales diferentes,
cada uno con un nivel especco de informacin sobre la 8enda y de can8dad de humor.
Los encuestados se seleccionan y se asignan aleatoriamente a las nueve celdas. Los
integrantes de cada celda reciben una combinacin de tratamiento especca. Por
ejemplo, los encuestados en la celda de la esquina superior izquierda veran un
comercial sin humor y con poca informacin sobre la 8enda.

Los resultados revelaron una interaccin signica8va entre los dos factores o variables.
Los encuestados en la condicin de poca informacin sobre la 8enda preferan el
comercial con mucho humor (C). Sin embargo, quienes estaban en la condicin de una
can8dad alta de informacin sobre la 8enda preferan el comercial sin humor (G).