Metodología de la investigación en una página, 2017

Metodología de la investigación en una página

Todos los derechos de este modelo son propiedad de

COMEVE ASOCIADOS SA DE CV.

Elaborado y diseñado por:

• Dr. Luis Alfonso Pérez Romero PhD.• Lic. Lucía Cristina Lizcano Flórez

INVESTIGACIÓN EN UNA PÁGINA

OBJETIVOS:

Integrar en una página el proceso de investigación y desarrollar el pensamiento sistémico y holístico que requiere todo proyecto y disminuir los errores en el proceso de la investigación que comúnmente se presentan.

Dr. Luis Alfonso Pérez Romero


ANTECEDENTES

Es una herramienta de trabajo previamente validada durante un período de 9 años en varios proyectos de investigación de mercados e investigación aplicada con empresas e instituciones educativas y agencias de investigación de mercados de España, Alemania, México, El Salvador, Panamá, Colombia y Bolivia.


INVESTIGACIÓN EN UNA PÁGINABENEFICIOS:El beneficio que se obtendrá con esta herramienta será percibido de manera inmediata por las partes involucradas en el proyecto de investigación:•Limpieza en el diseño de la investigación.•Cuestionario adecuadamente diseñado.•Muestra representativa.•Diseño estadístico acorde al proyecto.•Conclusiones y recomendaciones coherentes.


Hechos adquiridos a través de la observación.Ir de lo particular a lo general

Leyes y teorías

Predicciones y explicaciones

NÓ

IC

CU

DN

I

DE

DU

CC

IO

N

Chalmers, Alan, ¿Qué es esa cosa llamada ciencia?, Editorial Siglo XXI, Méxicopp17

Derivación de enunciados a partir de otros enunciados apoyados de la disciplina de la lógica. Ir de lo general a lo particular.

MÉTODO INDUCTIVO/DEDUCTIVO


EVOLUCIÓN DEL MÉTODO INDUCTIVO/DEDUCTIVO

Hechos adquiridos a través de la observación y de la experiencia: empirismo e inductivo-deductivo, hipotético y cuantitativo (Positivismo de Aristoteles, Kepler, Galileo, Descartes, Newton, Locke, Kant, Saint Simon, Comte, Stuar Mill, Hume, Bacon, Popper, Kuhn, Feyerabend y Lakatos: explicación causal de los hechos o galileana)

Leyes y teorías

Predicciones y explicaciones

IND

UC

CIO

ND

ED

UC

CIO

ÓN

CIENTIFICIDAD POSITIVISTA

MONISMOMETODOLÓGICO

Y OBJETIVO

DOCTRINA HOMOGÉNEA

MODELO CIENCIAS DURAS

EXPLICACIÓN

PREDICCIÓN



VARIABLES EN LAS INVESTIGACIONES

Variables independientes

(Causas)

Variables dependientes

(Efectos)

Mezcla de mercadeo (controlable) Respuesta de comportamiento

1. Decisiones de precios

2. Decisiones de promociones

3. Decisiones de distribución

4. Decisiones de productos

1. Conocimiento

2. Comprensión

3. Gusto

4. Preferencia

5. Intención de compra

6. Compra

1. Demanda

2. Competencia

3. Legal/Político

4. Clima económico

5. Tecnológico

6. Regulación gubernamental

7. Recursos internos de la organización

Factores situacionales (no controlables)

1. Ventas

2. Participación de mercado

3. Costo

4. Ganancia

5. Rendimiento sobre la inversión

6. Flujo de caja

7. Ingresos / acción

8. Imagen

Medidas del desempeño

Modelo: sistema de mercadeo

Propias de los individuos (Demográficas)

Actitud/Preferencias (Psicográficas)

Kinnear Thomasy otro, Investigación de Mercados, 4 Edición, Mcgraw-Hill, 1993, pp. 12-13


- IDEA

- TEMA

- PLANTEAMIENTO

DEL PROBLEMA

- OBJETIVOS

- HIPÓTESIS

- DISEÑO DE LA INVESTIGACIÓN

- CRONOGRAMA DE ACTIVIDADES

FUENTES DE INFORMACIÓN

TIPO DE INVESTIGACIÓN

- Exploratoria

- Descriptiva

- Causal

- Según el tiempo

- U..A.

- V.D.

- V.I. (s)

- V. EXTRAÑAS

ESPACIO Y TIEMPO

a) Primarias

b) Secundarias

a) Cualitativa

b) Cuantitativa

VARIABLES:

1.- VARIABLES DEPENDIENTES

V. D.

2.- VARIABLES INDEPENDIENTES

V. I.

DEFINIR

VARIABLES:

•TEORÍA

•CONCEPTOS FUNDAMENTADOS

MENSURABILIDAD

ESCALAS DE MEDICIÓN:

- NOMINAL

- ORDINAL

- INTERVALAR

- RAZÓN

HIPÓTESIS:

• Ho• Ha

•y

• x1

x2

x3

.

.•Tantas hipótesis como variables dependientes e independientes

MEDIO O METODOLOGÍ

A

Observación•Entrevistas•Sesiones de grupo•Técnicas proyectivas.•Experimento.•Paneles•Encuestas:

(FORMATO DE PREGUNTA - RESPUESTA)

• VALIDEZ

•CONFIABILI-DAD

MUESTRA:/TRABAJO DE

CAMPO

•MARCO MUESTRAL

•SELECCIÓN DE LA MUESTRA

•PROCEDIMIENTO MUESTRAL

•REPRESENTATIVID DE LA MUESTRA•TRABAJO DE CAMPO•CAPACITACIÓN•SUPERIVISIÓN•VALIDEZ Y CONFIABILIDAD

DISEÑO ESTADÍSTICO:

• DESCRIBIR

a) Centralidad

b) Dispersión

•INFERIR

a) Paramétricas

b) No paramétricas

•RELACIÓN

•REGRESIÓN

•Ji CUADRADA

•ANOVA

•FACTOR

ANÁLISIS

•ANÁLISIS DISCRIMANTE

CONCLUSIONES



- IDEA

- TEMA

- PLANTEAMIENTO DEL PROBLEMA

- OBJETIVOS

- HIPÓTESIS

- DISEÑO DE LA INVESTIGACIÓN

- CRONOGRAMA DE ACTIVIDADES

FUENTES DE INFORMACIÓN

a) Primarias

b) Secundarias

TIPO DE INVESTIGACIÓN:

- Exploratoria

- Descriptiva

- Causal

- Según el tiempo:

longitudinal o transversal

a) Cualitativa

b) Cuantitativa

- Unidad de análisis.

- Variable dependiente

- Variables Independientes

- Variables extrañas o intervinientes

- Espacio y tiempo.


PLANTEAMIENTO DEL PROBLEMA

PLANTEAMIENTO DEL PROBLEMA

- ¿ ?, PREGUNTA

- UNIDAD DE ANÁLISIS

- VARIABLE DEPENDIENTE

- VARIABLES INDEPENDIENTES

- VARIABLES EXTRAÑAS O INTERVINIENTES

- ESPACIO

- TIEMPO: Longitudinal / transversal


HIPÓTESIS

• HIPÓTESIS NULA

•HIPÓTESIS ALTERNA

¿CUÁNTAS HIPÓTESIS DEBE TENER EL TRABAJO DE INVESTIGACIÓN?

TANTAS HIPÓTESIS COMO VARIABLES DEPENDIENTES E INDEPENDIENTES

Ho

Ha


INVESTIGACIÓN EN UNA PÁGINA: HIPÓTESIS

HIPÓTESIS:

• Ho• Ha

y

x1

x2

x3

.

.

.

Tantas hipótesis como variables dependientes e independientes tenga el trabajo de investigación.


PROPUESTA DEL PROYECTO DE INVESTIGACIÓN

•Antecedentes

• Planteamiento del problema

•Objetivos

•Hipótesis

•Marco teórico

•Metodología de la investigación

•Diseño de la investigación

•Trabajo de campo

•Análisis y resultados

•Conclusiones

•Cronograma de actividades

•Limitaciones




DISEÑO DEL INSTRUMENTO DE MEDICIÓN: CUESTIONARIO

Variable Definición Mensurabilidad Items Evaluación Validez Confiabilidad

Dependientes Teoría y/o Conceptos con su respectivo pie de página

Seleccionar una de las 4 escalas de medición: NominalOrdinalIntervalar Razón

Diseño de la pregunta

RedacciónEscala de mediciónRelación con hipótesisRelación con objetivos1= Muy mal2= Mal3= Bien4= Muy bien

De contenidoDe ConstructoConvergenteConcurrenteDiscriminatoria

De constructo por factor análisis Alfa de Cronbachs

Independientes Teoría y/o Conceptos con su respectivo pie de página

Seleccionar una de las 4 escalas de medición: NominalOrdinalIntervalar Razón

Diseño de la pregunta

RedacciónEscala de mediciónRelación con hipótesisRelación con objetivos1= Muy mal2= Mal3= Bien4= Muy bien

De contenidoDe ConstructoConvergenteConcurrenteDiscriminatoria

De constructo por factor análisis Alfa de Cronbachs


VALIDEZ

CONFIABILIDAD

CONTENIDO

PREDICTIVA

CONCURRENTE

CONSTRUCTO

CONVERGENTE

DISCRIMINATORIA

ESTABILIDAD

EQUIVALENCIA

VALIDEZ Y CONFIABILIDAD


INVESTIGACIÓN EN UNA PÁGINA: MUESTRA

•MARCO MUESTRAL

•SELECCIÓN DE LA MUESTRA

•PROCEDIMIENTO MUESTRAL

•REPRESENTATIVIDAD DE LA MUESTRA


PENSAMIENTO HACIA LA SELECCIÓN DE LA MUESTRA

• La población es: finita

infinita• Qué conocemos de la población:

La media y varianza

La proporción

•Distribución normal o binomial de la población.• Cuantas variables tenemos contempladas en nuestro cuestionario.• Cuántos son nuestros recursos:

Humanos

Económicos• Qué nivel de confianza y error queremos manejar.

DETERMINAR TAMAÑO DE LA MUESTRA

•MARGEN DE ERROR

√ P (1-P)/nE = Z σ

√nZE =

Margen de Error: Media de la población +/- margen de error

Z



•POBLACIÓN INFINITA

n = 2

E 2

Z 2 n = P (1-P)

E 2

Z 2

Weiers, Ronald, Investigación de Mercados, Prentice-Hall, México, 1986 pp.118-125


•POBLACIÓN FINITA

n = 2

E 2 + 2

Z 2 N

n = P (1-P)

E 2 + P (1-P)

Z 2 N


MUESTRO ESTRATIFICADO DESPROPORCIONAL

n A

n B

n C

= n NA A

( NA A + NB B + NC C + ......... )

= n NB B

= n NC C

( NA A + NB B + NC C + ......... )

( NA A + NB B + NC C + ......... )


MUESTREO POR CONGLOMERADOS

SE SELECCIONA ALEATORIAMENTE UNA MUESTRA DE GRUPOS EN LA POBLACIÓN, (Por ejemplo: A,,C,E y H.

A

B C

D

HG F

E

A

H

C

E

MUESTRA O CENSO

MUESTRA O CENSO

MUESTRA O CENSO

MUESTRA O CENSO

MUESTRA TOTAL

A diferencia del muestreo estratificado, en el cual todos los estratos se muestrean, el muestreo por conglomerado supone un hecho con una muestra de los estratos de la población


MÉTODOS DE MUESTREO PROBABILÍSTICO Y NO PROBABILÍSTICO

MÉTODO PROBABILÍSTICO

MÉTODO NO PROBABILÍSTICO

Muestra aleatoria simple

Sistemático

Estratificado Proporcional y desproporcional

Conglomerados

De áreas

Polietápico

De conveniencia

Con fines especiales

Por cuotas

De juicio


ANÁLISIS DE REPRESENTATIVIDAD DE LA MUESTRA

Pruebas estadísticas apropiadas para definir si la muestra es representativa de la población:

ASOCIADAS A UNA DISTRIBUCIÓN NORMAL• La t de Student: para una muestra, para dos muestra relacionadas y para dos muestras independientes.•La prueba z.•ASOCIADAS A UNA DISTRIBUCIÓN BINOMIAL•Prueba de la binomial con probabilidades iguales en los dos grupos.•Prueba de la Ji cuadrada para una muestra.•Prueba de la mediana.

Dr. Luis Alfonso Pérez Romero UNINORTE

Descripción del intervalo de confianza para:

MEDIA

N > 30?

No Sí

El intervalo de confianza es:

X t s / n


X Z s / n

PROPORCIÓN


P Z P(1-P)/n

Weiers, Ronald, Investigación de Mercados, Editorial Prentice Hall, 1986 p..372


ESQUEMA CUANDO SE COMPARA LA DIFERENCIA ENTRE DOS MEDIAS O PROPORCIONES MUESTRALES

Se acepta la hipótesis nula si el estadístico de la prueba cae dentro de esta región

Se rechaza la hipótesis nulaSe rechaza la hipótesis nula

Área BÁrea A

Valor crítico Valor críticoValor teórico de la diferencia

Área A= área B y (A +B) = el nivel deseado de significancia


DIFERENCIAS ENTRE PROPORCIONES MUESTRALES

S (P1 - P2) P (1-P) 1 + 1

n1 n2

P = n1P1 + n2 P2

n1 + n2

Valor crítico= 0 + Z (S (P - P))

Valor observado= P1 - P2

DIFERENCIAS ENTRE PROPORCIONES MUESTRALES

n1 = 500 n2 = 300

P1=200/500 = .40 p2 = 150/300 = .50

S (P1 - P2) = .43 (1-.43) (1/500+1/300)

= .0362

P = (500).*.40) + (300 * .50)) / 500 + 300

= .43

Valor crítico = 0 +( 1.96 ) ( .0362) = .071

Valor observado = .40 - .50 = -.10


DIFERENCIAS ENTRE DOS PROPORCIONES

MUESTRALES

Se acepta la hipótesis nula

Se rechazaSe rechaza

Área= .025Área= .025

Diferencia observada entre las proporciones muestrales

= (.40 - .50)= -.10

Valor crítico = -.071

Z= 1.96 Z= 1.96

Valor crítico = .071

0

(P1 -P2)= 0

S(P1-P2)= .0362


DIFERENCIAS ENTRE DOS MEDIAS

MUESTRALES

n 30

S (X1 - X2)= (S1 )² / n1 + ( S2)² / n2

Valor crítico= 0 ± Z (S (X1 - X2))

Valor observado= X1 - X2



MUESTRALES n 30X1 = 14,500, S1 = 3,200 n1 = 35

X2 = 13,450, S2 = 1,950, n2= 40

S (X1 - X2)= (3,200)² /35 + (1,950)² /40 = 622.6Km

Valor crítico = 0 ± (1.96) ( 622.6) = 1,220.3

Valor observado = 14,500 - 13,450 = 1050



MUESTRALES

Se acepta la hipótesis nula

Se rechazaSe rechaza

Área= .025Área= .025

Valor crítico = -1220.3

Z= 1.96 Z= 1.96

Valor crítico = 1220.3

0

(X1 -X2)= 0

S(X1-X2)= 622.6 MILLAS

1050= diferencia entre las medias


TRABAJO DE CAMPO

1. SELECCIÓN DEL PERSONAL2. CAPACITACIÓN3. LOGÍSTICA DEL TRABAJO DE CAMPO4. ADMINISTRACIÓN5. SUPERVISIÓN6. VALIDEZ Y CONFIABILIDAD


INVESTIGACIÓN EN UNA PÁGINA: DISEÑO ESTADÍSTICO

DISEÑO ESTADÍSTICO:

• DESCRIBIR

•INFERIR

•RELACIÓN

•REGRESIÓN

•Ji CUADRADA

•ANOVA

•FACTOR ANÁLISIS

•ANÁLISIS DISCRIMANTE

a) CENTRALIDAD

b) DISPERSIÓN

a) PARAMÉTRICAS

b) NO PARAMÉTRICAS


ANÁLISIS DE LA INFORMACIÓN

Hay 3 preguntas que ayudan al investigador a identificar la técnica estadística adecuada:

1.- ¿Cuantas variables deben analizarse al mismo tiempo?

2.- ¿Quiere contestar preguntas descriptivas o inferenciales?

3.- ¿ Cuál es el nivel de medición (nominal, ordinal, intervalos o razón) en cada variable (s) de interés?

INVESTIGACIÓN EN UNA PÁGINA: DISEÑO ESTADÍSTICO


PROCEDIMIENTOS UNIVARIADOS

INTERVALAR Y

RAZÓN

NOMINAL¿CUÁL ES LA ESCALA DE

MEDICIÓN DE LA VARIABLE?

DESCRIPTIVA ORDINAL

A. MEDIA

B. DESVIACIÓN ESTANDAR

A. MEDIANA

B. RANGO INTERCUARTÍLICO

A. MODA

B. FRECUENCIAS RELATIVAS Y ABSOLUTAS

INFERENCIAL

PRUEBA Z Y PRUEBA T PRUEBA KOLMOGOROV-SMIRNOV

PRUEBA Ji CUADRADA

Kinnear, Thomas y otro, Investigación de Mercados, McGraw-Hill, 1993 pp.509-528


PROCEDIMIENTOS BIVARIADOS

2 VARIABLES DE INTERVALO Y

RAZÓN

2 VARIABLES NOMINALES¿CUÁL ES LA ESCALA DE

MEDICIÓN DE LA VARIABLE?

DESCRIPTIVA

COEFICIENTE DE CORRELACIÓN LINEAL

REGRESIÓN SIMPLE

COEFICIENTE DE CORRELACIÓN

RANGO GAMMA TAO

COEFICIENTE DE CONTINGENCIA LAMBDA

INFERENCIAL

PRUEBA T SOBRE EL COEFICIENTE DE REGRESIÓN. PRUEBAS Z Y PRUEBA T SOBRE LA DIFERENCIA ENTRE LAS MEDIAS

RUEBA DEL SIGNO.

PRUEBA U DE MANN WHITNEY

PRUEBA KOLMOGOROV-SMIRNOV

PRUEBA Ji CUADRADA

2 VARIABLES ORDINALES

Kinnear, Thomas y otro, Investigación de Mercados, McGraw-Hill, 1993 pp.531-567


MÉTODOS MULTIVARIADOS

¿ALGUNAS VARIABLES DEPENDEN DE OTRAS?SÍ

NO

MÉTODOS DE DEPENDENCIA

CUANTAS VARIABLES SON DEPENDIENTES

>1 ESCALA DE VARIABLES DEPENDIENTES

INTERVALO1

ESCALA DE VARIABLES INDEPENDIENTES

ESCALA DE VARIABLES DEPENDIENTES

INTERVALO ORDINAL NOMINAL NOMINALINTERVALO

ESCALA DE VARIABLES

INDEPENDIENTES

ESCALA DE VARIABLES

INDEPENDIENTES

ESCALA DE VARIABLES

INDEPENDIENTES

CORRELACIÓN CANÓNICA

ANÁLISIS MULTIVARIADO DE VARIANZA

INTERVALO ORDINALNOMINAL NOMINALINTERVALO

REGRESIÓN MÚLTIPLE

ANÁLSIS DE COVARIANZA Y VARIANZA

MEDICIÓN ADJUNTA

ANÁLISIS DISCRIMINATORIO

ANÁLISIS DISCRIMINATORIO

DE VARIABLE NOMINAL

REGRESIÓN MÚLTIPLE DE

VARIABLE NOMINAL

DETECTOR AUTOMÁTICO

DE INTERACCIÓN

MÉTODOS DE INTERDEPENDENCIA

SON LAS VARIABLES DE ESCALA DE INTERVALO O MÁS FUERTES

SÍ

NO

ANÁLISIS FACTORIAL

ANÁLISIS CONGLOMERADO

ESCALA MULTIDEMENSIONAL

MÉTRICA

ESCALA MULTIDEMENSIONAL

NO MÉTRICA

ANÁLISIS DE ESTRUCTURA

LATENTE

Weiers, Ronald, Investigación de Mercados, Editorial Prentice Hall, 1986 p..372


CORRELACIÓN

GRADO DE ASOCIACIÓN ENTRE DOS VARIABLES

ESTATURA PESO

LA CORRELACIÓN VARIA:- RESPECTO A SU FUERZA- RESPECTO A SU DIRECCIÓN

y

x

+


+ 1.00 Correlación positiva perfecta+ 0.95 Correlación positiva fuerte

CORR. + 0.50 Correlación positiva moderada+ 0.10 Correlación positiva débil

0.000 Ninguna correlación

- 0.10 Correlación negativa débil- 0.50 Correlación negativa moderada

CORR. - 0.95 Correlación negativa fuerte- 1.00 Correlación negativa perfecta

Requisitos:

1. Una relación línea l2. Datos de razón o de intervalos3. Muestreo aleatorio4. Distribución normal de las variables X y Y en la población

COEFICIENTE DE CORRELACIÓN


y

x

yPrejuicios

Años de estudios

No. de hijos

Bajo Alto Status Socio-económico


r = N Exy - (Ex) (Ey)

( NEx2 - (Ex)2) ( NEy2 - (Ey)2)

FORMULA PARA CALCULAR LA r DE PEARSON

r= El coeficiente de correlación de Pearson

N= El coeficiente total de pares de puntajes X y Y

x= Puntaje en la variable X

y= Puntaje en la variable Y

x

12

10

6

16

8

9

12

Ex= 73

x2

144

100

36

256

64

81

144

Ex2= 825

y

12

8

6

11

10

8

11

Ey= 66

y2

144

64

36

121

100

64

121

Ex2= 650

xy

144

80

36

176

80

72

132

Ex2= 7200

r= 0.75

N= 7

E=


Prueba de independencia de 2 variables nominales

Análisis de la Ji cuadrada

Comparación de 2 o más proporciones muestrales

ANÁLISIS DE LA Ji CUADRADA


ANÁLISIS DE LA Ji CUADRADA

Siempre que los datos estén en escala nominal hay 3 tipos de aplicación:

1. Prueba de la independencia de dos variables nominales

2. Comparación de dos o más proporciones muestrales

3. Comparación de una tabla de frecuencia real con otra teórica

Compara una tabla de datos reales vs teórico que supone la veracidad de cierta hipótesis; después se decide si la discrepancia entre las otras tablas es suficiente para aceptar o rechazar la Ho.

- Inicia con tabulación cruzada de dos variables, formulación Ho.

- Tabla de frecuencia observada.

- Se guiará la tabla frecuencia teórica (con los mismos totales de renglones y columnas)que supone que las variables son independientes.

- Se calcula el estadístico X2

- Se calcula el valor crítico, nivel de significancia y grados de libertad.

- Si X2c X2

t al nivel de significancia fijado, se rechaza Ho y se puede concluir que las variables están relacionadas


ANÁLISIS DE LA VARIANZA (ANOVA)

Es un método analítico que nos permite comparar 2 o más medias muestrales al mismo tiempo.

Distribución F

- Ho. Todas las muestras provienen de la misma población (de las poblaciones con medias iguales)

Ho= 1 = 2 = 3

- Si las de la población son realmente iguales, entonces, la variabilidad entre las muestras debe ser aproximadamente igual a la variabilidad dentro de las muestras.

- Si las de la población no son iguales, la variabilidad entre las muestras deben ser diferentes que en la variabilidad dentro de las muestras.

Pasos:

1. Ho: 1 = 2 = 3 . . . k, las medias de la población son iguales en los 3 casos.

2. Se calculan las medias de la columna X.

3. Se calcula la gran media X

4. Variación entre columnas (suma de cuadrados entre columnas)

5. Media cuadrada entre columnas

Suma de cuadrados entre columnas (4) = Vi= No. de columnas - 1

V1


6. Media cuadrada dentro de columnas (41)

7. Valor acumulado de F:

Media cuadrada entre columna

Media cuadrada dentro columna

8. Se determina el valor crítico de F, para nivel de significancia de 2.

V1= Dos grados de libertad

V2= Seis grados de libertad

9. Si Fc > F, leída en tablas, se rechaza Ho, las medias de la población no son iguales; las medias de los tres tratamientos de anuncios difieren de manera significativa entre sí con el nivel de 0.05.

ANÁLISIS DE LA VARIANZA (ANOVA)

Analizar comparar medias ANOVA de un factor: Seleccione una o más variables dependiente y seleccione una sola variable independiente nominal. Botón contraste: Seleccionar polinómico (contrasta la existencia de tendencia en la variable dependiente a través de los niveles ordenados de la variable nominal; puede seguir un orden polinómico 1, 2, 3, 4 y etc.). Post hoc: (comparaciones múltiples por parejas de variables, permite determinar que medias difieren) duncan y tukey opciones: Seleccionarlos todos menos excluir caso según lista.


ANÁLISIS DE LA VARIANZA PARA EL SPSS

Análisis de un factor

Interpretación: •Si la significancia del estadístico de Levene es menor o igual a .05 se rechaza la hipótesis nula de igualdad de varianza en los grupos.•En la tabla ANOVA si la significancia de los valores F de la varianza son menor o igual a .05 se rechaza la hipótesis nula de igualdad de medias. •Análisis de la tabla de comparaciones múltiples prueba Post hoc: Nos muestra con “*” las medias significativas.

Cesar, Pérez, Estadística para el spss, Pearson Prentice Hall, España, pp 480-482

MLG Univariante (proporciona un análisis de regresión y un análisis de varianza) para una variable dependiente mediante uno o más factores y/o variables. La covarianza si es de signo positivo nos muestra que las variables varian en el mismo sentido alrededor de sus medias y negativo si la variación de las variables tiene lugar en sentido contrario.

Analizar modelo lineal general univariante: seleccione variable dependiente, seleccione variables para factores fijos, factores aleatorios y covariables, en modelo: seleccionar factorial completo; continuar en opciones: seleccionar estimación de los parámetros. En gráficos seleccionar la variable del factor fijo y la el factor aleatorio. En opciones seleccionar los factores fijos y aleatorios y pasarlos a la ventana: mostrar las medias para; seleccionar Bonferroni y seleccionar todos los estadísticos


ANÁLISIS DE LA VARIANZA Y COVARIANZA PARA EL SPSS:

Análisis en “n” números de factores con covariables : procedimiento MLG Univariante y Multivariante


MLG Multivariante, (proporciona un análisis de regresión y un análisis de varianza) para variables dependientes múltiples por una o mas variables de factor y covariables. Para el análisis de regresión las variables independientes son las covariables.

Analizar modelo lineal general multivariante: seleccione dos variables dependientes, seleccione factores fijos y covariables. Los botones funcionan como en MLG Unvariante.


ANÁLISIS DE LA VARIANZA PARA EL SPSS:

Análisis en “n” números de factores con covariables : procedimiento MLG Multivariante

Interpretación:•La prueba de BOX rechaza la hipótesis nula de que las matrices de covarianza observadas de las variables dependientes son iguales en todos los grupos.•El contraste de Levene prueba la hipótesis nula de que la varianza error de la variable dependiente es igual a lo largo de todos los grupos.•En la tabla de contrastes multivariados se puede ver la significancia y los valores F para ajustar el modelo.•En la tabla de pruebas de los efectos inter-sujetos podemos ver el estadístico F y su nivel de significancia y el valor de la R cuadrada.•En la tablas de contrastes multivariado y univariado se debe observar la significancia que indica si el ajuste del modelo si es bueno.



ANÁLISIS DE REGRESIÓN LINEAL SIMPLE Y MULTIPLE

Pretende explicar el comportamiento de la variable “Y” (dependiente) por los valores de las variables “X” (independientes). Se apoya en la ecuación de la recta: Y=bo+b1X1+b2X2+Error.

Los coeficientes b1, b2, etc., muestran la magnitud del efecto de cada variable independiente sobre la dependiente. Se debe ordenar de mayor a menor nivel de impacto o de importancia de c/u de las variables “X” sobre la “Y”

El coeficiente bo, se conoce como término constante dentro del modelo.

HIPÓTESIS ESTADÍSTICAS A CONTRASTAR:

1. Ho: R²=0: los valores van de 0 a 1, mide el porcentaje de variación de la variable “Y” atribuibles a la variación de las variables “X”. La “t” contrasta la hipótesis de relación lineal entre las variables.

2. Ver la autocorrelación por Durbin Watson, Wallis, h-Durbi, Brensch-Godfrey y Cochrane-Orentt. La presencia de autocorrelación suele solventarse con el método de Cochrane-Orentt o mediante la introducción de variables Dummy. Otros métodos es con Durbin y el procedimiento Prais-Winsten. Si Durbin Watson, vale 0 hay autocorrelación perfecta positiva y si es 4 hay autocorrelación pefecta negativa; lo ideal es que el valor se aproxime a 2, mostrando así la no autocorrelación.

3. Matriz de correlación y Modelo de regresión: se puede ver que las variables independientes con alta correlación nos dan idea de probable multicolinealidad. Se sugiere sacar del modelo la variable que menos afecte al modelo. El modelo Y=bo+b1X1+b2X2+Error.

4. Coeficiente de regresión parcial: ver el peso relativo de c/u de las variables dependientes en el modelo discriminante.

5. Prueba de significancia: el valor F nos muestra si uno o más de los coeficientes “b” de la regresión parcial de la población es diferente a 0 y la “t” para la significancia de cada coeficiente “b”.

Cesar, Pérez, Estadística para el spss, Pearson Prentice Hall, España, pp 392-451-513


ANÁLISIS DE REGRESIÓN LINEAL SIMPLE Y MULTIPLE

ANÁLISIS DE LOS RESIDUOS:

Es la diferencia entre el valor observado de “Y” versus el pronosticado por la ecuación de regresión. Se debe pedir una gráfica de los residuos para ver el comportamiento de las variables. El procedimiento formal para examinar las correlaciones entre los residuos es la prueba Durbin-Watson. No se debe observar tendencia positiva o negativa de los datos en la gráfica. Se recomienda realizar una regresión de los residuos para decidir en incluir o no en el modelo una de las variables que expliquen más el comportamiento de la variable dependiente.

Cesar, Pérez, Estadística para el spss, Pearson Prentice Hall, España, pp 392-451-513


ANÁLISIS DE REGRESIÓN LINEAL

Es predecir los valores de una variable “Y” conociendo los valores de una variable “X”

Línea de regresión: es la línea recta que se dibuja a través del diagrama de dispersión. Estima los coeficientes de la ecuación lineal, con una o más variables independientes, que mejor prediga el valor de la variable dependiente.

Ecuación general para la línea:

Y = a + bX

Y= Variable dependiente

a= Intercepción estimada de la línea de regresión con el eje Y

b= Pendiente estimada de la línea de regresión (coeficiente de regresión)

X= Variable independiente

Calculo de valor b= ∑XiYi – nX Y / ∑Xi²-n(X)²

Calculo de valor a= Y -bX

X = Valor medio de X

Y = Valor medio de Y

n = tamaño de la muestra (número de unidades en la muestra)


ECUACIÓN DE REGRESIÓN

Y = r (Sy/Sx) X - r (Sy/Sx) X + Y

Y= El valor calculado para “Y”

r= El coeficiente de correlación de Pearson para la relación entre las variables.

Sy= Desviación estándar muestral de la distribución de la variable “Y”

Sx= Desviación estándar muestral de la distribución de la variable “X”

X= Es un valor dado de X

X= Media muestral de la distribución de la variable “X”

Y= Media muestral de la distribución de la variable “Y”


ESTADÍSTICOS A ANALIZAR

• Análisis para cada variable:• Numero de casos válidos, media y desviación típica.

• Análisis para el Modelo:• Coeficiente de regresión• Matriz de correlación• R múltiple • R cuadrado • R cuadrado corregida• Tabla de análisis de la varianza • Valores pronosticados y residuos.• Prueba de Durbin-Watson• Medidas de distancia Mahalanobis.• Gráficos parciales, histogramas y gráficos de probabilidad normal.


ESTADÍSTICOS A ANALIZAR

• Coeficiente de determinación (R²)que va de 0 a 1, permite medir el porcentaje de variación de la variable dependiente atribuible a la variación de las variables independientes. Ho= R²=0• Los valores de los coeficientes de regresión, indican el efecto de cada variable independiente sobre la dependiente. La Ho= b=0 •Multicolinealidad con el apoyo de la técnica de Durbin-Watson: Si vale 0, hay autocorrelación perfect positiva. Si se acerca a 2 no hay autocorrelación y si se acerca a 4 hay autocorrelación perfecta negativa. Una manera más sencilla es mirar la matriz de correlación entre las variables independientes; toda correlación mayor a .35, se considera como autocorrelación o que presenta multicolinealidad.



PROCEDIMIENTO PARA CALCULAR LA REGRESIÓN CON EL SPSS

• Analizar Regresión lineal: seleccionar una variable de escala superior dependiente y selecciona las variables independientes.• Agrupar variables independientes y especifica distintos métodos de entrada para diferentes subconjuntos de variables. Se puede elegir una variable de selección para limitar el análisis a un subconjunto de casos que tengan valores particulares para esta variable. Se puede seleccionar una variable de identificación de casos para identificar los puntos en los diagramas y también se puede pulsar en MPC para obtener una análisis de mínimos cuadrados ponderados.•El botón estadístico permite obtener los estadísticos indicados. En diagnóstico de la colinealidad, en el campo residuos se puede seleccionar la prueba Durbin-Watson.•El botón gráfico nos permite obtener los gráficos que pueden ayudar a validar los supuestos de normalidad, linealidad e igualdad de las varianzas. Diagramas de dispersión, gráficos parciales y gráficos de residuos tipificados.



PROCEDIMIENTO PARA CALCULAR LA REGRESIÓN LOGISTICA CON EL SPSS

• Analizar Regresión Logistica binaria: Seleccione la variable dependiente nominal y covariable medidas en intervalar o razón.



HOMOSCEDASTICIDAD

• Se asume que la varianza es constante en la población objetivo.• Mediante mínimos cuadrados ordinarios (MCO, OLS) o ponderados (MCP, WLS) dándole mayor ponderación a las observaciones con mayor variabilidad, al determinar los coeficientes de regresión.• Procedimiento para el SPSS: Analizar, regresión, estimación ponderada, selecciones las variables dependiente y las independientes, seleccione la variable fuente de heterocedasticidad como variable de ponderación-origen-, en opciones permite guardar la mejor ponderación como nueva variable y mostrar estimaciones.PROCEDIMIENTO DE MÍNIMOS CUADRADOS EN DOS FASES Se realiza cuando la relación entre las variables dependiente versus independientes son bidireccionales. Se debe realizar la Regresión Lineal mediante mínimos cuadrados ordinarios (OLS), utilizando variables instrumentales y despues se utilizan estos valores para el modelo de Regresión. Procedimiento: Analizar, regresión, mínimos cuadrados en dos fases; selecciones las variables: la dependiente, explicativas (predictoras) y seleccione una o más variables instrumentales. En opciones se permite guardar variables y mostrar covarianza de parámetros.


PROCEDIMIENTO

Paso 1: Encontrar el coeficiente de correlación de Pearson

Paso 2: Obtener la media muestral para X y Y

Paso 3: Obtener la desviación estándar muestral para X y Y

Paso 4: Substituir los valores de los pasos 1, 2 y 3 en la ecuación de la regresión.Y = r (Sy/Sx) X - r (Sy/Sx) X + Y

Paso 5: Determinar el valor “Y” para los valores “X”

Ej: Determine el valor Y para los valores X entre el grado de estudio de los encuestados.

ENTREVISTADO AÑOS DE ESTUDIOS

Padre(X) Hijo(Y)

A 12 12

B 10 8

C 6 6

D 16 11

E 8 10

F 9 8

G 12 11

r= 0.75 Media X= 73/3= 10.43 Media Y= 66/7= 9.43 Sx= 3.01 Sy= 1.98

Y= 0.75 (1.98/3.01)X - 0.75(1.98/3.01) 10.43 + 9.43 = 0.50X + 4.21

a) Para un padre que completó 16 años de estudios. Y= 0.50(16) + 4.21= 12.21 años

b) Para un padre que completó 6 años de estudios. Y= 0.50(6) + 4.21= 7.21 años

HOMOSCEDASTICIDAD


ANÁLISIS DISCRIMINANTE

•Correlación canónica: Grado de asociación entre las puntuaciones de discriminación y los grupos.•Centroide: es la media de la puntuación de discriminación de un grupo particular. Hay tantos centroides como grupos.•Matriz de clasificación: contiene el numero de casos clasificados; los bien clasificados se encuentran en la diagonal.•Valor F y su significancia: se calcula en un ANOVA de un factor; la variable de agrupamiento es la independiente.•Landa de Will: su valor varia entre 1 y 0. Valores bajos indican que las medias del grupo parecen diferentes, por lo que se puede interpretar los resultados. •ANALISIS DISCRIMINANTE EN EL SPSS•Analizar, clasificar, discriminante, selecciona la variable dependiente (nominal) y las independientes (intervalares) En el botón estadístico, se debe seleccionar todos los descriptivos, los coeficientes de la función y todos los campos de matrices. En clasificar se debe seleccionar todos los grupos iguales, tabla resumen, intragrupo, grupos combinados, grupos separados y mapa territorial. En métodos, se debe seleccionar Landa de Will



ANÁLISIS FACTORIAL

• Cargas de los factores: correlación simple entre las variables y los factores.•Medida de la adecuación de la muestra de Kaiser-Meyer-Olkim (KMO): Valores elevados entre .0 y 1.0 indican que el análisis factorial es apropiado. Los valores inferiores a .5 indica que el análisis factorial no es apropiado.•Porcentaje de Varianza: porcentaje de la varianza total atribuida a cada valor.•Prueba de esfericidad de Bartlett: para ver si las variables no se correlacionan.•Puntuación de los factores: puntuaciones relativas de cada factor.

PROCEDIMIENTO PARA EL SPSS•Analizar, Reducción de datos, Análisis factorial (Seleccione las variables) Descriptivos: univariados, solución inicial, matriz de correlación: coeficientes, niveles de significancia KMO. (La solución inicial muestra las comunalidades, los autovalores y el porcentaje de varianza explicada; en matriz de correlación las opciones disponibles son: coeficiente, niveles de significancia, determinante, inversa, reproducida, anti-imagen y KMO y prueba de esfericidad de Bartlett)•En extracción: Matriz de correlación, solución factorial sin rotar. Se puede seleccionar: Componente principales, mínimos cuadrados no ponderados, mínimos cuadrados generalizados, máxima verosimilitud, factorización de ejes principales, factorización alfa y factorización imagen. •En rotación, se permite seleccionar el método de rotación varimax, mostrar solución rotada y gráficas de saturación.•En puntuación, nos permite guardar la variable que se crea como nueva. Esta variable puede ser útil en regresión o análisis discriminante.



PRESENTACIÓN ORAL

• PRESENTAR A LA GERENCIA DE LA EMPRESA CONTACTADA.• PUEDE CONTESTARSE CUALQUIER PREGUNTA PREELIMINAR QUE TENGA LA GERENCIA.• SE LE DEBE DAR LA IMPORTANCIA NECESARIA Y REQUERIDA. (YA QUE MUCHOS EJECUTIVOS SE FORMAN LA PRIMERA Y ÚLTIMA IMPRESIÓN A CERCA DEL PROYECTO CON BASE A LA PRESENTACIÓN).• LA CLAVE PARA UNA PRESENTACIÓN EFECTIVA ES LA PREPARACIÓN.• SE DEBE PREPARAR UN GUIÓN CON BASE EN EL TRABAJO ESCRITO.• LA PRESENTACIÓN DEBE AJUSTARSE A LA AUDIENCIA (PARA ESTO SE DEBE DETERMINAR LOS ANTECEDENTES, INTERESES Y PARTICIPACIÓN DE LAS PERSONAS EN EL PROYECTO, ASÍ COMO EL GRADO EN QUE PUEDA AFECTARLOS).• LOS APOYOS VISUALES COMO TABLAS Y GRÁFICAS DEBEN PRESENTARSE A TRAVÉS DE VARIOS MEDIOS, COMO SON:

- PIZARRONES - PIZARRONES MAGNÉTICOS - ROTAFOLIOS

- PROYECTORES - PROYECTOR DIAPOSITIVAS - REPRODUCTOR VIDEO

- PROYECTOR PANTALLA GRANDE - PROYECTOR POR PC


• TAMBIÉN ES IMPORTANTE:

- MANTENER UN CONTACTO VISUAL

- INTERACTUAR CON LA AUDIENCIA DURANTE LA PRESENTACIÓN

- ESTABLECER TIEMPO PARA PREGUNTAS, TANTO DURANTE COMO DESPUÉS

DE LA PRESENTACIÓN

- SE DEBEN USAR RELATOS, EJEMPLOS, EXPERIENCIAS, CITAS

- NO DEBEN EMPLEARSE MULETILLAS

- DEBE EMPLEARSE EL LENGUAJE CORPORAL

- DEBE VARIAR EL VOLÚMEN, TONO, CALIDAD DE VOZ Y RITMO

- DEBE TENER UN CIERRE IMPACTANTE

PRESENTACIÓN ORAL


ESTIMACIÓN DE COSTOS DE LA INVESTIGACIÓN

COSTOS TOTALES = Horas hombre de Tarifa

trabajo requeridas por Gastos

para realizar el estudio hora Margen Util.

HORAS HOMBRE:• Horas del consultor para diseñar el proyecto.• Horas de mano de obra para la investigación de campo, tabulación y codificación de datos.• Horas del consultor para el análisis e interpretación de resultados y elaboración de un plan.


FORMAS DE REDUCIR COSTOS DE INVESTIGACIÓN

• Utilice más las entrevistas por teléfono.• Cambie las ciudades donde usted hace la investigación.• Evite entrevistas de puerta a puerta.• Haga más estudios de varios productos.• Elimine las preguntas abiertas.• Reduzca el cuestionario a lo mínimo esencial.• Tenga cuidado con el tamaño de las muestras.• Haga investigación secuencial.• Tabule solo la información que en realidad necesita.•Pregunte “¿Es esta técnica en realidad necesaria?”• Deje solo a los consultores.• Desafíe a los consultores a que le ahorren dinero.


PUNTOS PARA SER UN CLIENTE EFICAZ DE LA INVESTIGACIÓN DE MERCADOS

• Busque la incorporación y compromiso del proveedor de manera inmediata.• Dele al proveedor todos los antecedentes e información que solicite.• Desafíelo a que le dé ideas.• Desafíelo a que le ahorre dinero.• Evite cambios de último minuto.• Deje que el proveedor haga su trabajo.• Realice retroalimentaciones constantes al trabajo.• No acepte tecnicismos.• Informe a su proveedor sobre cambios que sucedan.• Mantenga relaciones con pocos proveedores por un largo tiempo.


LA ÉTICA EN LA INVESTIGACIÓN DE MERCADOS

• La ética indica si una acción en particular es correcta o incorrecta.

CÓDIGO ETICO DE LA AMA PARA LA INVESTIGACIÓN DE MERCADOS:

•PARA LOS USUARIOS DE LA INVESTIGACIÓN

•PARA LOS PRACTICANTES

•PARA LOS ENTREVISTADORES DE CAMPO


Se anexan algunas direcciones de correo electrónico para consulta durante el curso:

- www.altavista.com - www.dejanews.com- www.excite.com - www.hobot.com- www.infoseek.com - www.lycos.com- www.mckinley.com -

www.cs.colostate.edu/~dreling/smartform.html- www.w3.org/vl - www.yahoo.com - www.marketingtools.com - www.ama.org- http://stats.bls.gov/esxprod.htm - www.bea.doc.gov- www.bts.gov - www.econ.ag.gov- www. Ends.com - www.findsvp.com- www. tetrad.com - www. prb.org/prb- www. stratmap.com - www.census.gov- www.usadata.com -

http://researchinfo.com/calculators/sscalc.htmwww.surveymonkey.com

ANEXO 4

http://researchinfo.com/calculators/sscalc.htm

[email protected]

®Todos los derechos de este modelo son

propiedad de COMEVE ASOCIADOS

SA DE CV.

Elaborado y diseñado por:

• Dr. Luis Alfonso Pérez Romero PhD.• Lic. Lucía Cristina Lizcano Flórez

PhD (c )

www.comeveasociados.com

Metodología de la Investigación en una página

mailto:[email protected]

http://www.comeveasociados.com/

Metodología de la investigación en una página, 2017

Education

Transcript of Metodología de la investigación en una página, 2017