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.

BENEFICIOS:
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
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
INDUCCIONDEDUCCIOÓN

CIENTIFICIDAD POSITIVISTA
MONISMO
METODOLÓGICO
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
-
PLANTEAMIENT
O
DEL PROBLEMA
- OBJETIVOS
- HIPÓTESIS
- DISEÑO DE LA
INVESTIGACIÓN
- CRONOGRAMA
DE ACTIVIDADES
FUENTES DE
INFORMACIÓ
N
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
FUNDAMENTADO
S
MENSURABILIDA
D
ESCALAS DE
MEDICIÓN:
- NOMINAL
- ORDINAL
- INTERVALAR
- RAZÓN
HIPÓTESIS:
• Ho
• Ha
•y
•x
1
x
2
x
3
.
.
•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:/TRABAJ
O DE CAMPO
•MARCO
MUESTRAL
•SELECCIÓN DE LA
MUESTRA
•PROCEDIMIENTO
MUESTRAL
•REPRESENTATIVI
D 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
Dr. Luis Alfonso Pérez
Romero

DISEÑO DEL INSTRUMENTO DE MEDICIÓN:
CUESTIONARIO
Variable Definición Mensurabilidad Items Evaluación Validez Confiabili
dad
Dependientes Teoría y/o Conceptos
con su respectivo pie
de página
Seleccionar una de las 4
escalas de medición:
Nominal
Ordinal
Intervalar
Razón
Diseño de la
pregunta
Redacción
Escala de medición
Relación con
hipótesis
Relación con
objetivos
1= Muy mal
2= Mal
3= Bien
4= Muy bien
De
contenido
De
Constructo
Convergen
te
Concurren
te
Discrimina
toria
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:
Nominal
Ordinal
Intervalar
Razón
Diseño de la
pregunta
Redacción
Escala de medición
Relación con
hipótesis
Relación con
objetivos
1= Muy mal
2= Mal
3= Bien
4= Muy bien
De
contenido
De
Constructo
Convergen
te
Concurren
te
Discrimina
toria
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
√n
ZE =
Margen de Error: Media de la
población +/- margen de error
Z

MUESTRA
•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

MUESTRA
•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
H
G 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
El intervalo de
confianza es:
X  Z s /  n
PROPORCIÓN
El intervalo de
confianza es:
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= .025
Área= .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 30
X1 = 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= .025
Área= .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 PERSONAL
2. CAPACITACIÓN
3. LOGÍSTICA DEL TRABAJO DE CAMPO
4. ADMINISTRACIÓN
5. SUPERVISIÓN
6. VALIDEZ Y CONFIABILIDAD

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?
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
INTERVALO
1
ESCALA DE VARIABLES
INDEPENDIENTES
ESCALA DE VARIABLES
DEPENDIENTES
INTERVALO ORDINAL NOMINAL NOMINALINTERVALO
ESCALA DE
VARIABLES
INDEPENDIEN
TES
ESCALA DE
VARIABLES
INDEPENDIEN
TES
ESCALA DE
VARIABLES
INDEPENDIEN
TES
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 l
2. Datos de razón o de intervalos
3. Muestreo aleatorio
4. Distribución normal de las variables X y Y en la población
COEFICIENTE DE CORRELACIÓN

y
x
y
Prejuicios
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 X2
c  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 NECESARIAY 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 PUEDAAFECTARLOS).
• 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 LAAUDIENCIA 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 LAAMA 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.htm
www.surveymonkey.com
ANEXO 4

ceo@comeveasociados.com
®
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

Metodología de la investigación en una página, 2017

Recomendados

Recomendados

Más contenido relacionado

La actualidad más candente

La actualidad más candente (18)

Similar a Metodología de la investigación en una página, 2017

Similar a Metodología de la investigación en una página, 2017 (20)

Último

Último (20)

Metodología de la investigación en una página, 2017