ANLISIS DE DATOS

El anlisis de los datos es un aspecto muy importante del proceso de investigacin de mercados, el anlisis correcto de los datos puede representar una fuente de error no muestra en la actualidad, los software estadsticos son muy tiles en esta labor: SPSS, PHSTAT2, MINITAB, ETC.

ANLISIS E INTERPRETACIN DE DATOS

EDICIN

Es el proceso de revisin de los cuestionarios para asegurarse que estn completos, que las respuestas sean coherentes y que se hayan seguido las instrucciones. CODIFICACIN

Es el proceso de asignar nmeros a las respuestas para facilitar el procesamiento y anlisis de los resultados. TABULACIN

Es el proceso de clasificar las respuestas en diferentes categoras, en forma simple o cruzada, para analizar los resultados. ANLISIS

Es el proceso que consiste en el clculo de estadsticas o en la aplicacin de pruebas o tcnicas estadsticas para facilitar la interpretacin de los datos y transformarlos en informacin til para la toma de decisiones de Marketing.

ANALISIS UNIVARIADO

Consiste en analizar una variable a la vez, para describir o inferir una caracterstica de la poblacin de inters, a partir de los datos mustrales. Cuando el anlisis presenta caracterstica por caracterstica, aisladamente, estaremos en presencia de un anlisis estadstico univariado. Ejemplo, cuando decimos que una persona pesa 95 k. independientemente de cualquier otra caracterstica estaremos en presencia de anlisis univariado. Igualmente estaremos en estadstica univariada cuando decimos (por ejemplo) que el 23% de las personas son de piel blanca y que el resto (77%) son de piel morena. El anlisis univariado es el anlisis bsico, primario. Las caractersticas o propiedades de las personas o cosas han de medirse una a una, de modo univariado y si se presentan de esa manera decimos que es anlisis univariado. Los estadsticos bsicos que conocemos, como la media, la mediana, la moda, la varianza, los porcentajes, entre otros, miden una variable. Es decir, fueron hechos univariados. Ahora bien este tipo de anlisis ha sido muy criticado ya que la realidad se presenta interconectada, relacionada. Por ejemplo existe una relacin entre el peso y la talla de las personas o entre la el inters y el rendimiento escolar, etc. Como la realidad se presenta relacionada necesitamos mtodos ms rigurosos para evaluarla. Esto lo podemos hacer de dos modos El primero es medir las variables de modo univariado (analizarlas) y relacionarlas luego en la interpretacin. Esto es lo que hacemos generalmente cuando decimos si tal persona pesa 85 k. y mide 1,7 m., entonces esta persona est muy pesada. El segundo modo es relacionarlas mediante un ndice de masa corporal (IMC) que no es otro que dividir el peso (85) entre la estatura al cuadrado. El IMC es una media bivariada y se interpreta de modo diferente. En nuestro caso el IMC sera (85/1,7^2) = (85/2.89) = 29.41 que segn ciertas tablas de salud indican que tiene sobrepeso.

ANALISIS BIBARIADO

Consiste en analizar dos variables a la vez, para determinar el grado de asociacin o de relacin que existe entre ellas. De este modo entramos en el Anlisis Bivariado procedimiento. Uno de ellos es contar frecuencias dobles, es decir contar dos caractersticas a la vez en un individuo por ejemplo sexo femenino y estar casada. Cuando decimos (por ej.) que hay 140 mujeres casadas, hemos hecho un recuento bivariada. Estas frecuencias dobles se usan en tablas anidadas o de doble entrada para el caso de variables nominales u ordinales Otro procedimiento es usar la correlacin simple para el caso de variables cuantitativas. Para estas el procedimiento es Bivariado dado que computa el producto de los desvos respecto de la media para dos variables, evaluadas sobre un mismo individuo, por ejemplo el peso y la estatura, mediante la expresin que indica que cada distancia de x, por ejemplo peso, respecto de su media, es multiplicada por la de y, por ejemplo estatura. Para el caso de las variables ordinales tenemos otras expresiones de correlacin como las tau de Kendall, la D de Somers, etc. que consiste en computar las frecuencias de aumento de ambas variables (x e y) respecto del siguiente valor. Por ejemplo si los valores de x son 2, 5, 4 y los de y son 3, 6, 7, tenemos que x crece de 2 a 5 y de 2 a 4 (seran dos crecimientos ya que no crece de 5 a 4), por su parte y crece de 3 a 6, de 3 a 7 y de 6 a 7 (tres veces), de modo que ambas crecieron conjuntamente dos veces.

ANLISIS MULTIVARIADO

Consiste en analizar tres o ms variables. Estas relaciones pueden ser de diversos tipos. Descriptivas como establecer perfiles, separacin de grupos, segmentacin, determinar influencias eficientes entre varias variables, entre otras

En general se las clasifica en dos grandes grupos 1. Mtodos explicativos como regresin lineal, anlisis discriminante, regresin logstica, modelos de respuesta pro bit, logic, modelos loglineales, entre otros 2. Mtodos descriptivos como anlisis de conglomerados, anlisis factorial, anlisis de componentes principales, anlisis de correspondencias simples y mltiples, etc. Este tipo de anlisis ha avanzado mucho y hoy ocupa el corazn del anlisis estadstico avanzado. Desafortunadamente es exigente y poco amigable en comprensin matemtica aunque lo es grficamente La gran virtud de este tipo de anlisis es que sintetiza las relaciones entre las variables estudiadas, que de otro modo, tendran que establecerse con los anlisis anteriores, largos y que conllevan a equvocos Su difusin depende en gran medida de la disposicin del profesional a adoptar nuevos enfoques.