Omar Tesis Completa 200408

Ttulo:
IMPORTANCIA DEL CLIMA LABORAL EN LAS

EMPRESAS DE SERVICIO
Protocolo de Tesis presentado para obtener el grado

de Maestro en
Alumno:
Act. Alvarez Cruz Omar
Mxico DF, Enero del 2008.
PROYECTO DE INVESTIGACIN
1.
GENERALIDADES
1. TITULO
Importancia del Clima Laboral en Empresas de Servicio
2. AUTOR
2.1
Nombre:
Omar Alvarez Cruz.
2.2
Titulo Profesional:
Lic. en Actuara
2.3
Maestra:
Procesos de Calidad.
3. ASESORES
Dr. Primitivo Reyes Aguilar
1. PLANTEAMIENTO DEL PROBLEMA

1.1 ANTECEDENTES
Durante el ltimo siglo el mundo ha cambiado radicalmente su proceso econmico.
Mientras que a principios de siglo la produccin agropecuaria era sumamente
importante para la mayora de los pases; actualmente la comercializacin de
productos y servicios se ha convertido en la principal fuente de subsistencia,
sobretodo de pases en vas de desarrollo.
Por otro lado, a principios de siglo, con la llegada de la revolucin industrial, el
objetivo era producir el mayor nmero de artculos ya que el consumidor compraba
lo que estaba en el mercado. Ahora, por la competencia que se ha generado, el
consumidor tiene la capacidad de eleccin por lo que la prioridad para los
productores cambi a dar un mejor servicio y crear una lealtad en loa clientes.
Los dos puntos anteriores, el crecimiento del sector servicios y el poder de desicin
del cliente, han llevado a distintos autores, como Jan Carlzon o Kart Albretch, a
enfatizar el valor que tienen los trabajadores dentro de las empresas; ya que el sector
servicios los consumidores son atendidos directamente por los empleados.
En los ltimos aos se han desarrollado metodologas como endomaketing (el

prefijo endo viene del griego endon que significa dentro, en el interior o en
movimiento hacia adentro) cuya finalidad es realizar un esfuerzo de marketing
interno en las empresas para promover entre las personas de la organizacin
estimulen la accin hacia el cliente. En otras palabras: el estado de nimo de los
empleados en empresas de servicio afecta directamente con la satisfaccin percibida
del cliente.
1.2 FORMULACIN DEL PROBLEMA

Si bien la hiptesis antes mencionada (Empleados felices en empresas de servicio
afecta directamente con la satisfaccin del cliente) es bastante convincente a
primera vista, el problema radica en entender qu se entienda por un empleado
satisfecho?
Para determinar si la satisfaccin en el trabajo influye al cliente tenemos primero
que cuantificar la satisfaccin laboral; y posteriormente relacionarla con la
satisfaccin que perciben los consumidores.
Sin embargo existen muchos factores que pueden intervenir para que un empleado
est satisfecho o no. Factores como: ambiente laboral, los compaeros de trabajo, la
relacin con los jefes directos, la gestin de la direccin y evidentemente salarios;
afectan de una u otra forma la satisfaccin de los empleados.
Es decir, el problema de medir la satisfaccin laboral se resume en dos puntos:
determinar un ndice que lo cuantifique y determinar si este ndice tiene algn tipo
de relacin con la satisfaccin de los clientes.
2. OBJETIVOS
2.1 Objetivo General
El objetivo de esta tesis es determinar si en una empresa de servicio la satisfaccin
laboral de los empleados tiene un impacto directo en la satisfaccin de los clientes
(en este caso clientes internos).
2.2 Objetivos Especficos

1. Determinar una mtrica que permita medir la satisfaccin de los empleados
dentro de una empresa incluyendo factores ms relevantes como: relacin con
compaeros de trabajo, percepcin del jefe directo, comunicacin dentro de la
empresa, recursos para desempaar el trabajo y gestin de la direccin.
2. Determinar que factores de los mencionados anteriormente, tienen mayor
impacto dentro de la satisfaccin laboral.
3. TRASCENDENCIA
La relevancia del estudio radica en la necesidad actual de la atencin a los clientes.
Muchas veces la prdida de clientes es causa de un mal servicio y no un defecto en el
producto que se vende. Sin perder de vista la importancia que tienen los empleados
como el recurso humano dentro de las empresas.
Los resultados de este estudio pueden ayudar a la empresa a identificar los principales
factores para mejorar la satisfaccin de sus empleados; y as que sus clientes se vean
beneficiados con un mejor servicio.
4. ALCANCE
Es importante mencionar que el alcance de este estudio es sumamente limitado. Lo

anterior se debe a que el presente trabajo se realiz dentro del sector financiero. Los
resultados que aqu se presentan de ninguna forma se pueden generalizar a otro sector, o
inclusive a otra empresa del mismo giro. Sin embargo el presenta una metodologa muy
transparente para implementar en otra empresa de servicios.
5. MARCO DE REFERENCIA DE LA INVESTIGACIN

5.1 Marco Conceptual
El presente trabajo contempla varios teoras o metodologas y herramientas utilizadas en
Procesos de Calidad enfocado a los servicios. Entre los principales conceptos que se
abordan durante la tesis son: Jan Carlzon con su libro Momentos de la Verdad donde
explica la importancia del contacto entre los empleados y los clientes.
Se considera tambin en este trabajo a Kart Albretch con su modelo de El Triangulo
del Servicio donde propone que el centro del triangulo debe ser el servicio. Mientras
que los tres pilares ms importantes para dar un buen servicio son los sistemas, la
estrategia y finalmente el personal (los empleados).
Otro modelo mencionado en la tesis es el QFD. Este modelo es una metodologa
cuantitativa
que permite desarrollar productos para el cliente con base a sus
necesidades y requerimientos. Finalmente, se considera el Modelo de las 5 GAPs el

cual es un modelo donde define los cinco puntos donde puede haber conflictos en la
relacin con el cliente. Este modelo trata de establecer un control sobre los problemas
ms frecuentes con el cliente.
5.2 Marco Terico

Para desarrollar este trabajo se cuenta con una medicin realizada por una empresa de
investigacin de mercados que realiz mediante una encuesta de clima laboral a los
empleados de nivel gerencial y directivo.
La informacin ser analizada mediante distintas herramientas y modelos estadsticos
utilizados tradicionalmente en la investigacin como: estadstica descriptiva, modelos
de regresin lineal y anlisis multivariado.
La estadstica descriptiva tiene como objetivo establecer
las distribuciones de las
variables (preguntas) y las relaciones que existen entre ellas mediante pruebas de
dependencia. Los modelos de regresin lineal buscan explicar, predecir, el grado de
relacin que existe entre una variable respuesta y un conjunto de variables. Finalmente,
la estadstica multivariada tiene por objeto establecer relaciones entre todas las
relaciones de un conjunto de variables.
6. TIPO DE INVESTIGACIN.
El tipo de investigacin del presente trabajo es correlacional. Lo anterior se explica
porque se intenta medir la relacin que ha entre la satisfaccin laboral de los empleados
con la satisfaccin generada en los clientes.
7. HIPTESIS DE LA INVESTIGACIN.
La hiptesis de la investigacin es si existe relacin entre la satisfaccin de los
empleados y la satisfaccin de los clientes. Adems como hiptesis complementarias
estara el determinar cuales es o son los factores que ms contribuyen a la satisfaccin
laboral dentro de la empresa.
8. DISEO DE LA INVESTIGACIN.
La presente es una investigacin es experimental de diseo transversal, o transaccional;
ya que la informacin se obtuvo mediante una sola medicin a los empleados de la
empresa. El cuestionario fue respondido va Internet.
9. POBLACIN Y MUESTRA
La informacin fue proporcionada por una empresa de investigacin de mercados que
realiz una medicin de clima laboral dentro de la empresa financiera. El cuestionario
fue respondido va Internet.
Considerando que el universo, total de empleados, de la empresa, La Compaa, es de
473 empleados y el nmero total de encuestas recolectadas fue de 329, a un nivel de
confianza del 95%, se obtiene un margen de error en los resultados es de 2.98%.
Es importante mencionar que no se encontr ninguna tendencia o sesgo de respuesta
entre los empleados que contestaron o no contestaron la encuesta. Los principales
motivos por los cuales no se contestaron la encuesta es que estaban de viaje al momento
de realizar la encuesta.
10. FUENTES PARA LA OBTENCIN DE LA INFORMACIN

El cuestionario fue enviado a los empleados mediante la intranet de la empresa. Lo
anterior se debe a dos factores principales: mantener la confidencialidad de los
empleados y facilitar el levantamiento de la informacin; ya que varios empleados
viajan constantemente. Adems de reducir costos de codificacin y captura de la
informacin.
11. PROCESAMIENTO DE LA INFORMACIN

Una vez obtenida la informacin, se procede a procesarla mediante el uso de programas
estadsticos disponibles, como el SPSS 15.0 y Excel.
12. ANLISIS Y DISCUSIN DE RESULTADOS

El anlisis de esta tesis consiste en determinar si en la empresa existe una relacin
directa entre el grado de satisfaccin de los empleados y la disponibilidad de servicio.
Lo cual se comprobar mediante un anlisis de regresin mltiple para poder determinar
el grado de asociacin
Adems, si se encuentra una relacin entre satisfaccin y disponibilidad en el servicio,
se establecer cuales son los factores que influyen para que el empleado se sienta ms
satisfecho dentro de la empresa Es decir, identificar cuales son factores que ms
influyen en los empleados para la satisfaccin su trabajo.
13. BIBLIOGRAFA CONSULTADA

1. Jan Carlzon (1985), El Momento de la Verdad, Ediciones Daz de Santos
2. Pablo Fernndez y Hctor Bajac, La Gestin del Marketing en el Servicio,
Editorial Granica
3. Everrit, B. Cluster Analysis, 3erd Edition Eward Arnold London.
4. Manly, B. J.F. (1992), Multivariate Statistics Methods, Chapman &Hall.
5. Johnton J. J. Dinardo (1997), Econometrics Methods, Mc Graw-Hill
6. Gujarati D. N. (1997), Econometra , Mc Graw-Hill
7. G. S. Maddala (1996), Introduccin a la Econometra, 2da. Edicin Pretince
Hall, Mxico.
8. Malhotra, Narres K. (1997), Investigacin de Mercados un Enfoque Prctico,
Pretince Hall Hispanoamericana, Mxico.
9. Gestin del Marketing del Servicio, autores: Pablo Fernndez y Hctor Bajac;
editorial Gracian.
10. Joan Carles Martori i Caas, Anlisis Estadstico con SPSS para Windows, Vol
II Estadstica Multivariante; editorial Mc Graw Hill.
11. Philip Kotler, Los 80 Conceptos Esenciales de Marketing; editorial Pearson
Prentice Hall.
12. Sitio de Internet: http://www.icicm.com/
13. Raymundo Ismael Pillac Ortega, Tesis: La complementariedad del Modelo
Log-Lineal y del Anlisis de Correspondencia en el estudio de los factores
Mdicos, Sociales y de Sexualidad en Adolescentes con Presencia de infeccin
Vaginal; Universidad nacional Mayor de San Marcos, Lima Per 2003
UNIVERSIDAD LA SALLE
IMPORTANCIA DEL CLIMA

LABORAL EN LAS EMPRESAS
DE SERVICIO
TESIS PARA OBTENER EL TITULO DE MAESTRA

PRESENTA: OMAR ALVAREZ CRUZ
MXICO DF 2008
1. CALIDAD Y EMPRESAS DE SERVICIO

1.1 Panorama General de las Empresas de Servicios.
1.2 Teoras de Calidad Relacionadas con el Servicio al Cliente.
1.3 El Servicio al Cliente y el Clima Laboral
1.4 Tcnicas de Investigacin de Mercados
2. FUNDAMENTOS TERICO
2.1 Prueba Ji -Cuadrada
2.2 Regresin Lineal.
2.3 Componentes Principales
2.4 Anlisis de Factores.
2.5 Alfa de Cronbach
2.6 Anlisis de Correspondencia Simple
2.7 Anlisis de Correspondencia Mltiple
2.8 Anlisis de Conglomerados
3. APLICACIN DEL CASO PRCTICO

3.1 Antecedentes.
3.2 Metodologa del Cuestionario
3.3 Nivel de Confianza de la Encuesta
3.4 Preguntas del Cuestionario.
3.5 Distribucin de la muestra.
3.6 Estadsticas Descriptivas.
3.7 Anlisis de la variable Satisfaccin en el trabajo
3.8 Transformacin de la Informacin
3.9 ndice de Satisfaccin
3.10 ndice de Clima Laboral
3.11 Modelo de Regresin Mltiple
3.12 Modelo de Regresin Simple
3.13 Anlisis de satisfaccin por departamento
4. CONCLUSIONES.
4.1 Conclusiones caso prctico
4.2 Conclusiones Generales
4.2 Anexos
4.3 Bibliografa
CAPTULO 1:
CALIDAD
SERVICIOS
Y EMPRESA DE
1. INTRODUCCIN
1.1 Panorama General de las Empresas de Servicios.

En nuestro pas el 31% de las empresas se dedican al sector servicios y utilizan el 41%
del personal ocupado, datos del Censo Econmico INEGI 2004. Pese a este tipo de
estadsticas el concepto de Marketing de Servicio ha sido muy poco desarrollado en
nuestro pas.
A nivel mundial la situacin no cambia mucho. Paradjicamente el sector servicios,

sobrepasa dos terceras partes del producto bruto de las economas modernas, tienen
menor nivel de productividad que los sectores tradicionales como la industria o el
extractivo. Esta menor productividad puede asociarse a la falta de diseo y alto
requerimiento de mano de obra humana en los procesos de servicio. 1
Al principio del siglo XXI los mercados se caracterizan cada vez ms por productos
homogneos e indiferenciados. Una de las formas de diferenciarse de la competencia es
mediante la personalizacin de los productos mediante los servicios.
Un ejemplo de lo anterior es la marca de jeans Levis que se catalogara como un bien y

no un servicio. Esta marca en el 2005 gener el 25% de sus utilidades mediante sus
marcas que hacen pantalones a la medida de usuarios individuales que los solicitan
directamente a la empresa.
Lo mismo sucede en las empresas automotrices que buscan diferenciarse cada vez ms,
no en las caractersticas tcnicas o modelos del automvil, sino en los servicios post
venta. Un ejemplo de esto puede ser los servicios OnStar; los cuales proporcionan
informacin sobre la ubicacin del automvil y otra informacin relevante como
situacin del trfico e la ciudad.
Pablo Fernndez y Hctor Bajac, La Gestin del Marketing en el Servicio, Editorial Granica, PP.15
Otro factor relevante por el cual se debe considerar el Marketing en los Servicios es
que la principal causa de la prdida de los clientes, inclusive en la venta de bienes, es el
mal servicio. En un estudio realizado por Deloitte & Touche muestra que las dos
principales causas de prdida de clientes son: un mal servicio y una falta de atencin del
personal.
Como lo menciona Philip Kotler: Si bien la participacin de mercado se considera
como una medida en retrospectiva de las ventas, la satisfaccin del cliente representa un
indicador en prospectiva. En caso que la satisfaccin del cliente empiece a decaer
pronto se ver reflejado en una disminucin de ventas, y por ende en una participacin
de mercado2.
Un tema clsico sobre el marketing de los servicios es definir los atributos que los
diferencian a los bienes. El servicio al cliente se caracteriza por los siguientes cuatro
elementos que se tienen que considerar al momento de disear productos-servicios.:
1. Intangibilidad. Un servicio es ms intangible que tangible. Por ejemplo, Disney
World vende entretenimiento, como escape al mundo de la fantasa; un restaurante
elegante vende ambiente y sensacin de prestigio. El gran desafo del marketing es
volver tangible esos aspectos intangibles de un servicio, al destacar los beneficios con
claridad.
2. Inseparabilidad. Con frecuencia los servicios no se pueden separar de la persona del

vendedor. Una consecuencia de esto es que la creacin o realizacin del servicio puede
ocurrir al mismo tiempo que su consumo, ya sea este parcial o total. El personal de
produccin del servicio, en muchos casos, es el que vende y/o interacta ms
directamente con el cliente o usuario mientras ste hace uso del servicio ("consume").
Recordemos que en la manufactura por lo general el personal de produccin y el
proceso productivo en s, no suponen interaccin directa con el consumidor.
3. Perecederos. Los servicios son susceptibles de perecer y no se pueden almacenar.

Las decisiones claves se deben tomar sobre qu mximo nivel de capacidad debe estar
Philip Kotler, Los 80 Conceptos Esenciales de Marketing; editorial Pearson Prentice Hall, pp141.
disponible para hacer frente a la demanda antes de que sufran las ventas de servicios. En
estos casos la demanda de servicios se debe calcular muy bien.
4. Inseparabilidad. El servicio depende del desempeo, especialmente de los
empleados quienes son la parte esencial del mismo. Por consiguiente, en el sector
servicios se caracteriza casi siempre por la mano de obra intensiva.
Las actividades estratgicas importantes de una empresa de servicios deben estar
desagregadas para comprender los potenciales de diferenciacin y generar ahorro de
costos, dado que toda empresa es una suma de actividades que se ejecutan para
proyectar, producir, comercializar, entregar y sustentar un servicio.
La mayora de las empresas prestan ms atencin a sus cuotas de mercado que a la

satisfaccin de sus clientes. Esto es un error. En caso de que la satisfaccin del cliente
empiece a mostrar un deterioro, pronto se reflejar las consecuencias en una prdida de
participacin de mercado.
A continuacin presentamos una serie de estadsticas sobre la satisfaccin de los

clientes3:
1. La adquisicin de un cliente nuevo puede costar de cinco a diez veces ms que
lo costoso para satisfacer a los clientes actuales.
2. La compaa promedio pierde entre un 10 y 20% de sus clientes actuales cada
ao.
3. Una tasa de disminucin del 5% en el abandono de clientes puede representar un
incremento de la rentabilidad entre el 25 y 85%, dependiendo de la industria en
cuestin.
4. La rentabilidad de los clientes suele aumentar a lo largo de la vida del cliente en
la empresa.
Conseguir la satisfaccin del cliente es necesario pero no suficiente. En mercados
sumamente competidos, los ndices de satisfaccin del cliente slo logran reducir de
Philip Kotler, Los 80 Conceptos Esenciales de Marketing; editorial Pearson Prentice Hall, pp140.
manera vaga la lealtad del cliente. Se considera normal que un grupo de clientes
satisfechos page entre un 7 y 10 por ciento ms que los clientes promedios.
Las empresas deben de esforzarse por deleitar a sus clientes y no solamente dejarlos
satisfechos. Las empresas satisfechas se esmeran por superar las expectativas de los
clientes y dibujar una sonrisa en su cara.
1.2. Teoras de Calidad Relacionadas con el Servicio al Cliente.
Una de los conceptos ms utilizados por las empresas, para diferenciarse de su

competencia y desarrollar una ventaja competitiva, es el servicio al cliente. Pese a las
distintas teoras que han surgido en torno a este tema, existen pocas empresas que
realmente lo llegan a aplicar. La mayora solo se limitan a incluirlo como uno de sus
fines, en alguna memoria anual, o en si misin o visin de la empresa.
A lo largo del tiempo, existen varias teoras y modelos que indican como enfocar
productos y servicios a las necesidades del cliente como puede ser:
1. Momentos de la verdad.
Uno de los precursores en la creacin y aplicacin de programas de satisfaccin al
cliente es el sueco Jan Carlzon. Como Presidente de SAS, Scandinavian Airlines
Systems, Carlzon inicia, da origen, inventa y pone en prctica una nueva forma de
administrar las empresas en una nueva era, que l mismo iniciaba por 1974: La
Economa Orientada al Cliente.
El libro El Momento de la Verdad4 habla de las interacciones con el cliente como

claves para el xito. Se define como Momento de la Verdad el contacto que tienen los
empleados directamente con los clientes. La empresa debe formular momentos de
verdad buenos en cada interaccin con el cliente. El personal de lnea (muchas veces el
personal operativo) es el encargado de llevar a cabo interacciones con el cliente exitosas
y fructferas, es por eso que las personas que tienen alguna interaccin directa con el
cliente deben estar conscientes de su gran responsabilidad y de la importancia de su
trabajo dentro de la organizacin.
Jan Carlzon menciona tambin, que es necesario que la empresa tenga una estructura
que premie y facilite la formacin de lderes para que se pueda crear un ambiente
competitivo tanto interno como externo de la empresa (captulo 6). La responsabilidad
en una empresa debe ser delegada de tal modo que las decisiones individuales sean
tomadas desde el punto de vista de la responsabilidad, no desde el punto de vista de los
altos niveles, ya que generalmente los que conocen y dan respuesta directa al cliente son
los empleados de los niveles ms bajos.
Por otro lado, Jan Carlzon habla de la importancia de un lder de la empresa (captulo
4). Un lder no se nombra porque lo sabe todo y puede tomar todas las decisiones. Se le
nombra para que tenga una visin de conjunto de la empresa y a partir de ah cree los
pre-requisitos para que haga el trabajo. Los lderes son de vital importancia para que la
empresa siga el curso ms conveniente y para tomar decisiones que cumplan con la
visin de los altos niveles de la organizacin. El nuevo lder es una persona que
escucha, que comunica y que educa, una persona emocionalmente expresiva e
inspiradora que pueda crear la atmsfera adecuada en vez de tomar todas las decisiones
l mismo. El lder es la persona que se orienta hacia los resultados ms que hacia el
poder o las relaciones sociales.
1. Jan Carlzon (1985), El Momento de la Verdad, Ediciones Daz de Santos.
La estructura organizacional de la empresa debe ser de tal forma que facilite todas
aquellas operaciones que agreguen valor a los productos y servicios de la empresa para
que el cliente reciba ms por su dinero y se haga ms eficiente la empresa. Cualquier
organizacin empresarial que intente establecer una orientacin hacia el cliente y crear
una buena impresin durante sus momentos de verdad debe nivelar la pirmide
organizacional hacerla ms horizontal -, eliminar las ligaduras de responsabilidad
jerrquica para poder responder de forma directa y rpida a las necesidades de los
clientes. Cuando se faculta a la persona de primera lnea, ellos deben tomar todas las
decisiones operativas, bueno an y cuando no se faculten.
El Jan Carlzon hace hincapi en la importancia de la comunicacin dentro de la empresa

para que todos los niveles sepan sus funciones, el qu deben hacer, cundo lo deben
hacer y cmo lo deben hacer (captulo 8). Todos los miembros de la empresa deben
saber la misin de la empresa, los objetivos y las estrategias globales para que puedan
actuar de manera congruente con lo que espera la alta direccin. Los mensajes ms
poderosos son aquellos que son sencillos y directos que pueden servir como grito de
batalla para todo el mundo en todos los niveles de la organizacin. Una comunicacin
eficiente es necesaria para ofrecer un buen servicio al cliente, para acaparar mercados y
para ser ms competitivo dentro del entorno en que se encuentre la empresa.
La motivacin dentro de la empresa es el ltimo punto que el libro trata (captulo 11).
Es muy importante para tener una fuerza laboral eficiente y comprometida con su
trabajo, lo que viene a finalizar con un mejor rendimiento de los recursos de la empresa
y un mejor servicio al cliente. Mediante la medicin de los resultados y un amplio
reconocimiento al logro y desempeo los empleados se tornarn ms eficientes, el
ambiente de trabajo mejorar y habr menor rotacin.
En conclusin la empresa debe estar diseada de tal forma que su estructura

organizacional pueda responder rpidamente a las necesidades de los clientes para crear
momentos de verdad excelentes. Cuando la organizacin tiende a ser competitiva
necesita crear cimientos que les permitan a los empleados tomar decisiones de acuerdo
con los requerimientos del cliente y la compaa. El contar con recurso humano
capacitado, lder y motivado es una de las principales fortalezas de las empresas
orientadas al cliente pues de esta forma se les da respuesta efectiva a sus necesidades.
2. El triangulo de Albretch.
El triangulo del servicio concebido por Kart Albretch presenta la atencin que se le da a
los anhelos y expectativas del cliente 5. El cliente es el centro del modelo de atencin de
Albretch.
Fig1. 1 Diagrama del El triangulo de Albretch
Lo particular de este concepto es concebir el servicio como un todo, que se encadena y

que acta alrededor del cliente, manteniendo relaciones simbiticas entre los diversos
elementos del llamado tringulo del servicio: la estrategia del servicio, el personal y los
sistemas.
1. Resulta evidente que si no existe una Estrategia del Servicio, diseada para cada
empresa en particular, y atendiendo las necesidades concretas de los clientes de
la misma, es muy difcil que el todo funcione. Las empresas son muy diferentes
en su naturaleza y al igual que los humanos que la componen son peculiares.
Una estrategia debe considerar objetivos y metas concretas para el servicio de
cada organizacin, y definir la logstica para dar soporte al personal y los
sistemas que dan el servicio al cliente.
2. Los "Sistemas" en este caso se entienden todos los elementos no-humanos que
interactan con el cliente, tales como sistemas de comunicacin, sistemas
5
http://www.monografias.com/trabajos33/gestion-procesos/gestion-procesos.shtml
informticos, mquinas vendedoras automticas, .sistemas de audio o video,

ascensores, escaleras mecnicas y otros muchos. Como conocemos muy bien, la
tecnologa avanza de forma exponencial. Cada da se incorporan nuevos
artefactos digitalizados inteligentes y dada la constante reduccin de costo de
las tecnologas, se debe de considerar como un medio eficiente para satisfacer a
los clientes.
3. Finalmente, el concepto de Personal es sumamente importante en esta teora

porque si bien la estrategia y los sistemas nos ayudan al buen servicio, quien
realiza la accin con los clientes son directamente los empleados. De aqu que la
motivacin y satisfaccin de los empleados en el aspecto laboral es sumamente
importante como parte del tringulo que gira en torno al servicio del cliente.
3. QFD (Despliegue de la funcin de Calidad)

El despliegue de la funcin de la calidad: Quality Function Deployment (QFD), es
relacionado comnmente con la voz de los clientes, o con la casa de la calidad. La
metodologa QFD es un proceso que asegura que los deseos y las necesidades de los
clientes sean traducidos en caractersticas tcnicas. Estas caractersticas son manejadas
por la compaa mediante la funcin del diseo, o mejor an, a travs de un equipo
multifucional que incluye ventas, marketing, Ingeniera de diseo, Ingeniera de
manufactura y operaciones. El principal objetivo de las funciones realizadas es centrar
el producto o servicio en la satisfaccin de los requerimientos del cliente. QFD es una
valiosa herramienta que puede ser utilizada por toda la compaa. Su flexibilidad y
adaptabilidad
permite un buen desempeo en las industrias manufactureras y de
servicios.
La metodologa QFD utiliza un mtodo grfico en el que se expresan relaciones entre
deseos de los clientes y las caractersticas del diseo. Es una matriz que enlista las
necesidades de los clientes QUEs o atributos comparndolas con las caractersticas
de diseo COMOs.
Las expectativas y necesidades de los clientes son recolectadas mediante tcnicas de
investigacin de mercados: entrevistas, encuestas, exposiciones, etc. Mediante la casa
de la calidad se organizan los datos obtenidos. El uso de matrices es la clave para poder
construir la casa. En la matriz se muestran las relaciones entre las necesidades de los
consumidores y las caractersticas de diseo6.
Fig1.2 Modelo Grfico de QFD
Administracin de Produccin y Operaciones CHASE, AQUILANO, JACOBS. The House of

Quality, R. Hauser.
A continuacin se mencionan las principales ventajas que trae el aplicar un modelo

QFD7:
1. Menor Tiempo de desarrollo desde el concepto hasta el arranque de produccin.
2. Pocos cambios de ingeniera con el producto en produccin.
3. Diseo congruente con las necesidades y expectativas del cliente, a travs de
equipos multidisciplinarios.
4. Satisfaccin de las necesidades del cliente.
5. Traduce los requerimientos del cliente desde un lenguaje ambiguo a los
requerimientos de diseo especficos para el desarrollo del producto y su
manufactura.
6. Los requerimientos del cliente son medibles, alcanzables y potencialmente
mejorables.
7. Identifica las caractersticas crticas para la calidad (CTQs) del producto y su
desempeo en el mercado.
8. En la alta direccin ayuda a que los directivos cambien su forma de dirigir de
una orientacin hacia los resultados, a un enfoque hacia los procesos que
conducen a los resultados.
9. En la planeacin de productos y procesos operativos, ayuda a disminuir, e
incluso a eliminar, las iteraciones de rediseo que se realizan en los mtodos
tradicionales ya que incorpora desde el principio los diferentes enfoques que
intervienen en la definicin de las caractersticas de productos y procesos.
10. Promueve una mejor comunicacin y labor de equipo entre el personal que
interviene en todas las etapas, desde el diseo hasta la comercializacin del
producto.
QFD (Despliegue de la funcin de Calidad) Sitio: www.icicm.com
4. Modelo de las 5 GAPs.

La calidad es una pieza clave dentro del sector e servicios y su bsqueda ha llevado a
numerosos investigadores a desarrollar diferentes modelos sobre la misma (Buttle,
1996). En la literatura sobre el tema, el modelo que goza de una mayor difusin es el
denominado Modelo de la Deficiencias o 5 GAPs (Parusaraman, Zeithaml y Berry,
1985,1988). En este modelo se define la calidad de servicio como la diferencia entre las
expectativas de los consumidores, el servicio que van a recibir y sus percepciones sobre
el servicio efectivamente prestado por la empresa. Los autores sugieren que reducir o
eliminar dicha diferencia, denominada GAP 5, depende a su vez de la gestin eficiente
por parte de la empresa de servicios de otras cuatro deficiencias o discrepancias.
GAP 1: Diferencia entre las expectativas de los clientes y las percepciones que la
empresa tiene sobre esas expectativas. Una de las principales razones por las que la
calidad de servicio puede ser percibida como deficiente es no saber con precisin que es
lo que los clientes esperan.
GAP 2: Discrepancia entre la percepcin que los directivos tienen sobre las expectativas
de los clientes y las especificaciones de calidad. Hay ocasiones en las que an teniendo
informacin suficiente y precisa sobre que es lo que los clientes esperan, las empresas
de servicios no logran cubrir esas expectativas. Ello puede ser debido a que las
especificaciones de calidad de los servicios no son consecuentes con las percepciones
que se tienen acerca de las expectativas de los clientes. Es decir que las percepciones no
se traducen en estndares orientados al cliente.
GAP 3: Discrepancia entre las especificaciones de calidad y el servicio realmente

ofrecido. Conocer las expectativas de los clientes y disponer de directrices que las
reflejen con exactitud no garantiza la prestacin de un elevado nivel de calidad de
servicio. Si la empresa no facilita, incentiva y exige el cumplimiento de los estndares
en el proceso de produccin y entrega de los servicios, la calidad de stos puede verse
daada. As pues, para que las especificaciones de calidad sean efectivas han de estar
respaldadas por recursos adecuados (persona, sistemas y tecnologas) y los empleados
deben ser evaluados y recompensados en funcin de su cumplimiento.
GAP 4: Discrepancia entre el servicio real y lo que se comunica a los clientes sobre l.
Este GAP significa que las promesas hechas a los clientes a travs de la comunicacin
de mercadotecnia no son consecuentes con el servicio suministrado. La informacin que
los clientes reciben a travs de la publicidad, el personal de ventas o cualquier otro
medio de comunicacin puede elevar sus expectativas, con lo que superarlas resultars
ms difcil.
MODELO 5 GAPS
Fig. 1.3 Modelo conceptual de la calidad del servicio
En la parte superior se recogen aspectos relaciones con el cliente o usuario, el cual en

funcin de sus necesidades personales, sus experiencias previas y las informaciones que
ha recibido, se forma unas expectativas sobre el servicio que va a recibir. La parte
inferior incluye sobre el servicio que va a recibir.
La parte inferior incluye fenmenos relativos al proveedor del servicio, concretamente
se expone como las percepciones de los directivos sobre las expectativas del cliente
guan las decisiones que tiene que tomar la organizacin sobre las especificaciones de la
calidad de los servicios en el momento de su comunicacin y entrega.
Finalmente, observamos como la existencia de una deficiencia de la calidad percibida
en los servicios puede estar originada por cualquiera de las otras discrepancias o una
combinacin de ellas. Luego la clave para cerrar el GAP 5, la diferencia entre las
expectativas y percepciones de los consumidores, est en cerrar los restantes GAPs del
modelo:
GAP 5= f(GAP 1, GAP 2, GAP 3, GAP 4)

Fig. 1.4 Ecuacin Modelo 5 GAPs
1.3 El Servicio al Cliente y el Clima Laboral

El papel de los empleados en el servicio al cliente es sumamente importante. Dentro de
las distintas teoras, uno de las factores ms importantes en el servicio al cliente tiene
relacin con el sentido de pertenencia de los empleados a la empresa. Es decir:
empleados felices aumentan la posibilidad que los clientes reciban un buen servicio.
Hal Rosenbluth, propietario de una importante agencia de viajes, sorprendi al mundo

con el titulo des libro: The Consumer Comes Seconds. Entonces: Quin est en
primero? l contest: el trabajador8.
Este punto de vista es aplicable especialmente en las empresas que se dedican a los
servicios. Si el conserje del hotel es hurao, si el camarero est aburrido y el telefonista
no contesta de forma amable el cliente se ir a otro hotel.
En consonancia con estos hechos, compaas como Rosenbluth Travel, Marrito o British
Airways, operan siguiendo la formula: en primer lugar forme a sus empleados para que
sean amables, profesionales y de confianza; esto provocar clientes satisfechos que
regresaran una y otra vez; los clientes satisfechos crearan una fuente creciente de
beneficios para los accionistas.
Otro ejemplo lo podemos encontrar en Ana Roddick, fundadora de la empresa The Body
Shop, que afirma: Nuestras personas (empleados) constituyen nuestra primera lnea de
clientes. Considerar a sus empleados como clientes los lleva a dirigirlos respetando sus
motivaciones9. Finalmente, la empresa Walt Disney mantiene el mismo punto de vista:
Si sus relacin con sus empleados no son buenas, nunca lo sern con sus clientes.
Aquellas empresas que paguen poco a sus trabajadores, recibirn poco a cambio. Si
pagan a sus trabajadores cacahuates, obtendrn monos. Les costar mucho reemplazar a
los empleados que los abandonen. La clave para obtener xito en su negocio es
encontrar y contratar empleados inteligentes y motivados. Las empresas excelentes
pagan con generosidad.
8
9
Philip Kotler, Los 80 Conceptos Esenciales de Marketing; editorial Pearson Prentice Hall, pp. 149.
Sin embargo la remuneracin slo constituye una parte de la motivacin de un buen

trabajador. Las empresas son organizaciones sociales y humanas, y no exclusivamente
mquinas de hacer dinero. Los empleados necesitan sentir que pertenecen a una
organizacin que vale la pena, que hacen un trabajo y una aportacin valiosa para su
sociedad. Gary Hamel, un estratega de negocios reconocido mundialmente, afirmaba:
Crea una causa, no un negocio10.
Las empresas de hoy deben definir una posicin de valor motivador, no slo para sus
clientes sino para sus empleados. El objetivo de la aplicacin del concepto de
endomarketing o marketing interno es tratar a sus trabajadores como un grupo de
clientes.11
La palabra endomaketing (el prefijo endo viene del griego endon que significa dentro, en el
interior o en movimiento hacia adentro) significa el esfuerzo del marketing realizado
internamente en las empresas para promover entre las personas de la organizacin un sistema de
valores que estimula la accin hacia el cliente.
Los trabajadores de la empresa pueden ser la mayor fuente de ventaja competitiva. John
Thompson, de la empresa Heidrick Struggles recomienda: Si quieres proporcionar, de
forma ms rpida un valor adicional a sus clientes, contrate menos y mejores
profesionales12.
Tradicionalmente se utilizan las encuestas de clima laboral para medir el grado de

satisfaccin de los empleados dentro en la empresa. Estas encuestas estn basadas en
tcnicas de investigacin de mercados; las cuales tiene como principal objetivo la
recopilacin de la informacin.
10
Philip Kotler, Los 80 Conceptos Esenciales de Marketing; editorial Pearson Prentice Hall, pp. 150
11
Pablo Fernndez y Hctor Bajac, La Gestin del Marketing en el Servicio, Editorial Granica
12
Anteriormente se ha mencionado el impacto que tiene el servicio al cliente con los

beneficios econmicos para toda empresa. Sin embargo es importante entender que
estos beneficios tambin estn relacionados con la satisfaccin de los empleados, va
servicio al cliente. Finalmente, los empleados son quienes enfrentan los Momentos de
la Verdad.
Empleados felices atienden mejor a los clientes externos. Empleados motivados
atienden bien. En una empresa de servicios es importante motivar a los funcionarios
para que atiendan bien a los clientes de la organizacin. En consecuencia se requiere
que el cliente interno (el empleado) conozca y desee atender bien a los clientes externos.
La formulacin de un plan de marketing interno busca comprometer y animar a los

trabajadores de una empresa de servicios a desempear bien su funcin de atencin al
cliente. Por lo tanto, el plan debe buscar un mayor involucramiento en los objetivos
estratgicos del servicio al cliente para proyectar una mejor imagen de los servicios de
la empresa a sus clientes, lo cual solo es posible alcanzar mediante el compromiso de
cada persona de la organizacin con la atencin al cliente. En general, sino existe buena
voluntad de los empleados es difcil que la atencin al cliente sea buena.
En consecuencia, corresponde a la empresa a ayudar a que las personas de la

organizacin satisfagan sus propias necesidades y as puedan emplear su potencial para
satisfacer a los clientes internos y externos. Toda persona que trata directamente o
indirectamente con el pblico consumidor interno o externo, debe tener autoridad para
resolver situaciones y libertad para asumir responsabilidades, afirma Jan Carlzon
presidente de Scandinavian Air Lines.13
13
Jan Carlzon (1985), El Momento de la Verdad, Ediciones Daz de Santos
1.4 Tcnicas de Investigacin de Mercados aplicadas a clima laboral

El consejo de directores de American Marketing Association public esta definicin de
Investigacin de marcados:
La investigacin de mercados tiene como funcin vincular a consumidores,
clientes y pblico, con el mercadlogo mediante informacin que sirve para
identificar y definir las oportunidades y los problemas del marketing; generar y
evaluar las actividades de marketing; supervisar el desempeo del marketing y
acrecentar la comprensin del marketing como un proceso.
En la investigacin de mercados se especifica la informacin que se requiere
para abordar estos temas, se disea el mtodo para reunir los datos, se manejan
y ponen en prctica el proceso de acopio de los mismos, se analizan los datos y
se comunican los hallazgos y sus implicaciones.14
Es importante mencionar que la definicin mencionada arriba indica que la

investigacin de mercados tiene como objeto generar informacin en dos sentidos
primordiales: para identificar y para solucionar problemas. En el primer caso tenemos
las investigaciones, por ejemplo, que se realizan en los lanzamientos de nuevos
productos. En el segundo caso, tenemos las investigaciones enfocadas a la percepcin
de marcas y productos.
Como se mencion anteriormente, una de las funciones de la investigacin de mercados

consiste en generar informacin para solucionar problemas. Con base a lo anterior, es
posible evaluar el clima de la organizacin para identificar elementos que puedan
impedir la correcta atencin a los clientes; adelantndonos al concepto de marketing
interno.
14
Malhotra, Narres K. (1997), Investigacin de Mercados un Enfoque Prctico, Pretince Hall

Hispanoamericana, Mxico.
Mediante entrevistas realizadas en las reas claves de la organizacin, es posible

identificar las principales dudas y resistencias generadas a la adecuada atencin y
encantamiento de los clientes. Una vez identificadas las dificultades, se organizan
esfuerzos para combatir las objeciones y obtener colaboracin irrestricta.
Una de las herramientas ms utilizadas en la investigacin de mercados es el
Benchmarking. Esta herramienta que ayuda a comparar los productos o servicios con
aquellos productos o servicios mejores en su clase para identificar oportunidades de
mejora. Generalmente es usado en las fases de medicin y anlisis, una vez que se ha
decidido mejorar el producto o servicio.
Dentro de los principales objetivos y propsitos del Benchmarking est:

1. Definir el mejor de su clase o categora con medidas reales, de tal manera que
se tenga un parmetro de comparacin.
2. Evaluar el desempeo actual en relacin con lo mejor. Es decir, tener un punto
de referencia ligado con nuestra actividad para tener un parmetro valido.
3. Descubrir nuevas ideas y mtodos para mejorar los productos y servicios. Una
vez identificado el lder de la categora, se trata de imitar e innovar mediante
estrategias previamente establecidas por el lder.
4. Identificar las metas de desempeo a las que se deben enfocar los esfuerzos. Es
decir poder detectar cuales son las variables o mtricas ms relevantes dentro de
la categora.
En este sentido vamos a utilizar el concepto del Benchmarking enfocado a las encuestas
de clima laboral. La idea es poder identificar cuales son las variables o caractersticas
que diferencian a los mejores empleados. Lo cual nos va permitir desarrollar
estrategias para elevar la satisfaccin laboral.
1.5 CONCLUSIONES DEL CAPTULO.

El presente captulo de la tesis tuvo como objetivo establecer las relaciones entre las
nuevas teoras o metodologas de la calidad y su relacin con el concepto de
endomarketing aplicado a los servicios.
Es importante mencionar como los nuevos conceptos que se manejan en calidad durante
los ltimos aos (Los Momentos de la Verdad, el modelo QFD, El triangulo de Kart
Albretch y el modelo de 5 Gaps) estn considerando de una forma importante a los
clientes; inclusive en muchos de estos modelos el foco de atencin es el cliente.
El concepto de endomarketing se define como: tratar a sus trabajadores como un grupo

de clientes. Esto tiene como objetivo que los empleados proporcionen un mejor trato a
sus clientes, sobretodo en empresas de servicio.
En la parte final del captulo se relaciona a la Investigacin de Marcados como un

medio de recoleccin de informacin. En especfico la metodologa de Benchmarking
que tiene como propsito el comparar a las mejores empresas (en este caso seran a los
mejores empleados) y tratar de imitar sus procesos o entornos.
En otras palabras, la tesis propone el uso de tcnicas de investigacin de mercados para

identificar posibles reas de mejora de los empleados, todo con el objetivo de
proporcionarles un mejor servicio a los clientes.
CAPTULO 2:
FUNDAMENTOS TERICOS
2. FUNDAMENTOS TERICO
Este captulo tiene por objeto enlistar y describir las herramientas estadsticas que se
utilizarn en el caso prctico. Es importante mencionar que no es objeto de esta tesis el
profundizar en aspectos tericos ni demostrar el funcionamiento de estas herramientas.
A continuacin se describirn cada una de estas herramientas:
2.1 Prueba Ji -Cuadrada

Finalidad: Esta prueba tiene como objetivo determinar si existe independencia entre
dos variables categricas en una tabla de contingencia. Es decir, si dos variables estn
relacionadas entre si.
La prueba de Ji-Cuadrada es considerada como una prueba no paramtrica que mide la
discrepancia entre una distribucin observada y otra terica (bondad de ajuste),
indicando en qu medida las diferencias existentes entre ambas, de haberlas, se deben al
azar. Tambin se utiliza para probar la independencia de dos muestras entre s, mediante
la presentacin de los datos en tabla de contingencia (son tablas de doble entrada,
variables cualitativas, que contienen las frecuencias con que ocurren las diferentes
combinaciones de los valores de las variables.15
A continuacin se presentan los pasos o las etapas que se deben consideraran para
realizar una prueba Ji-Cuadrada:
1) Planteamiento de las hiptesis (independencia entre ambas variables)
2) Construir una tabla que contenga los valores observados.
3) Sumar los totales de los renglones y columnas de los valores observados.
4) Debajo de cada valor observado poner el valor esperado utilizando la frmula:
Eij
total de i simo rengln total de j sima columna

n
(1)
5) Calcular el valor del estadstico de prueba Ji-Cuadrada usando la frmula:

15
http://www.aray1.com/docupdf/ji2.pdf
ij
Eij
(2)
E ij
Donde:
Oij = Valor observado de la celda i,j.
Eij = Valor esperado de la celda i,j
6) Determinar los grados de libertad mediante:
gl r 1 c 1
(3)
Donde
r = nmero de renglones
c = nmero de columnas
2
7) Calcular el valor crtico en la tabla
8) Criterio de decisin: si el valor crtico < valor del estadstico de prueba rechazamos
Ho. Determinar si la prueba es significativa segn los parmetros establecidos
previamente.
Ejemplo de Prueba Ji-Cuadrada:

Una compaa de cervezas tiene dos tipos de cervezas: clara y negra. Antes de lanzar su
nueva propaganda desea saber si existe diferencia en la preferencia del tipo de cerveza
entre los hombres y las mujeres. Para determinar esto a un novel de significancia de
0.05 se realiz una encuesta a 150 personas y se obtuvo la siguiente informacin:
Tabla 2.1.1 Tabla de Contingencia ejemplo prctico
Definicin de hiptesis:
Ho: la preferencia por el tipo de cerveza y el gnero son independientes.
H1: la preferencia por el tipo de cerveza y el gnero son dependientes.
Grados de Libertad: (2 1) (2 1) = 2
Se calculan los estadsticos de prueba:
La grfica muestra la distribucin Ji-Cuadrada con 2 grados de libertas, observamos

que el valor de 8.371 nos da una p-value de 0.0038; es decir que la probabilidad de que
la preferencia del tipo de cerveza se independiente al gnero es prcticamente nula.
Grfica 2.1.1 Ji-Cuadrada con 2 g.l.
Por lo tanto, la prueba concluye que la preferencia del tipo de cerveza depende del
gnero.
2.2 Modelo de Regresin Lineal.

El anlisis de regresin es una tcnica estadstica que permite estudiar la relacin de
asociacin entre una variable dependiente y una o ms independientes. Los posibles
objetos de este modelo son:
1. Detectar una relacin directa entre la variable dependiente y las variables
independientes.
2. Determinar que parte de la variacin de la variable dependiente puede explicarse
por medio de las variables independientes.
3. Predecir valores de la variable dependiente.
4. Valuar que variables independientes pueden explicar mejor a la variable
dependiente.
El modelo de regresin mltiple con k variables explicativas, para el modelo

poblacional, es el siguiente:
Yi = 0 + 1 Xi1 + 2 Xi2 + + k Xij + ui
(4)
Donde:
Yi: Es la variable de datos independientes para la i-esima observacin
j: Es el coeficiente de la j-esima observacin
Xij: Es la j-esima variable independiente para la i-esima observacin
Ui: es el i-esimo error
La representacin matricial del modelo est dada por:

Y=X+u
(5)
Donde:
Y: Es el vector (n x 1) formado por las observaciones de la variable
independiente.
X: Es una matriz de tamao (n x (k + 1)), formado por las observaciones de las k

variables independientes que contiene en la primera columna unos (la constante
de la regresin).
: El vector de coeficientes poblacionales cuya dimensin es de [(k + 1) x 1]
U: Es un vector de errores aleatorios de dimensin (n x 1)
En general slo se cuenta con una muestra de datos por lo que los parmetros de
regresin () requieren ser estimados y as poder hacer inferencias. Para efectos de
estimacin generalmente se utiliza mnimo cuadrados ordinarios. Est tcnica determina
la lnea que mejor ajusta a los datos. El criterio de cercana se basa en los cuadrados de
las distancias de todos los puntos a la lnea de regresin. Esta lnea de regresin es
equivalente a E[ Yi | Xij ] = X.
El anlisis de regresin se basa en varios supuestos que se tienen que cumplir para que
el modelo sea valido. Estos supuestos son:
1. El valor promedio del trmino de perturbacin poblacional ui, condicionado en
los valores dados de las variables explicativas es igual a cero.
2. La varianza condicional de ui es constante (homocedastica)
3. No existe correlacin alguna entre las perturbaciones ui.
4. Las variables explicativas no son variables estocedsticas, es decir son fijas para
muestreos repetidos, o si son estocsticas estn distribuidas independientemente
de las perturbaciones ui.
5. No existe multiconealidad entre las variables explicativas
6. Las ui poseen una distribucin normal cuya media es cero y la matriz de
varianza y covarianza est dada por los supuestos uno y dos.
7. El modelo de regresin est correctamente especificado, es decir no existe
ningn sesgo de especificacin.
Ejemplo Prctico Anlisis de Regresin.

Con el fin de explicar de forma concreta los diferentes modelos estadsticos que se van a
utilizar durante la tesis se realizarn diversos ejercicios con la misma base de datos. La
informacin que se utilizar se obtuvo a partir de las siguientes fuentes oficiales: Censo
de Poblacin y Vivienda 2000, Censo Econmico 2004 y La Asociacin Nacional de
Universidades e Instituciones de Educacin Superior (ANUIES).
La informacin est constituida a nivel estatal y por siete variables en dos diferentes
rubros: demogrfico y econmico. Las variables demogrficas que contiene la base de
datos es: poblacin total del estado. Mientras que las variables econmicas que se
utilizarn son: la proporcin de unidades econmicas respecto al pas, la proporcin de
poblacin econmicamente activa (PEA) respecto al total de poblacin, la proporcin de
personas con ingresos mayores a cinco salarios mnimos y el nmero de habitantes por
universidad del estado.
Mediante un modelo de regresin mltiple se va a tratar de realizar un modelo que
explique o estime el porcentaje do poblacin con ms de 5 salarios mnimos, variable
dependiente. Es importante mencionar que esta variable puede ser utilizada como
parmetro de la riqueza en el estado. El resto de las variables se van a considerar como
variables explicativas.
Para realizar este trabajo se utiliz el programa estadstico SPSS 15.0. A continuacin se
presentaran la forma en que se realza un anlisis de regresin mltiple en este programa.
Una vez que se tienen cargados los datos en el programa, en la barra de men, de la
parte superior de la pantalla, seleccionamos Analyze; posteriormente seleccionamos
Regresin; y finalmente seleccionamos Lineal.
Imagen SPSS 2.2.1 Seleccin de un Modelo de Regresin
Aparecer un cuadro de dialogo como el siguiente:
Imagen SPSS 2.2.2 Cuadro de Dialogo de un Modelo de Regresin
En la lista del lado izquierdo tenemos todas las variables de la base de datos. Por medio
del cursor seleccionamos la variable dependiente del modelo de regresin y la
indicamos en Dependent. De la misma forma seleccionamos las variables
independientes y las ubicamos en el Independent(s).
En el cuadro de dialogo de Methods se puede elegir entre distintas formas
preestablecidas para la seleccin de modelos; entre las cuales podemos encontrar: Enter,
Stepwise, Forward, Backward y Removed. Finalmente, en caso de necesitar un modelo
ponderado por una variable de pesos, la variable se pone en WLS Weight
En la misma pantalla se puede pedir ciertas estadsticas del modelo de regresin. Al
presionar, en la parte inferior Statistics aparecer otro cuadro de dialogo como el
siguiente:
Imagen SPSS 2.2.3 Cuadro de Estadsticas de un Modelo de Regresin
En este cuadro de dialogo se pueden seleccionar algunas estadsticas interesantes para el

modelo de regresin como pueden ser: las estimaciones e intervalos de confianza para
los coeficientes; el ajuste del modelo R2 y R2 Ajustada; las estadsticas descriptivas de
las variables independientes (que incluye la tabla de correlaciones); algunas pruebas
para residuales como la Durban-Watson entre otras estadsticas.
De la misma forma en la pantalla inicial se puede pedir ciertas grficas del modelo de
regresin. Al presionar, en la parte inferior Plots aparecer otro cuadro de dialogo
como el siguiente:
Imagen SPSS 2.2.4 Cuadro de Grficas de un Modelo de Regresin
Este cuadro de dialogo permite realizar grficas de dispersin entre dos variables
generadas mediante el modelo de regresin. Las principales variables que se pueden
graficar son: los valores de la variable dependiente, los residuales (tanto los normales
como los estandarizados) y los valores predichos por el modelo. As mismo se puede
pedir el histograma de residuales, la prueba de Normalidad para los residuales y las
grficas parciales habilitando los botones en la parte inferior.
De la misma forma en la pantalla inicial se puede pedir guardar en la base de datos

ciertas variables del modelo de regresin. Al presionar, en la parte inferior Save
aparecer otro cuadro de dialogo como el siguiente:
Imagen SPSS 2.2.5 Cuadro de Save de un Modelo de Regresin
En este cuadro de dialogo se indican todas las variables generadas a partir del modelo
de regresin que necesitemos guardar en la base de datos con la que estamos trabajando.
Es importante mencionar que en el caso de los intervalos de confianza para la
prediccin se puede establecer la confiabilidad (95% como valor preestablecido por el
programa).
Coeficiente de Determinacin.
Uno de los puntos ms importantes en el modelo de regresin, en general, es determinar
la relacin que hay entre el conjunto de variables independientes y la variable
dependiente. Una de las medidas para cuantificar esta relacin es el coeficiente de
determinacin (R2); el cual representa la porcin de varianza total de Y explicada por el
modelo. Este coeficiente vara entre cero y uno y se calcula mediante la siguiente
formula:
n
R2
SCM
SCT
(Yi Y )
i 1
n
(Yi Y )
(6)
2
i 1
Donde:
SCM: Suma de cuadrados del modelo
SCT: Suma de cuadrados totales.
Continuacin con el ejemplo - Coeficiente de Determinacin.

Al correr el modelo de regresin en SPSS el primer estadstico que aparece es el
coeficiente de determinacin. Los resultados propios del modelo de regresin mltiple
son:
Tabla 2.2.1 Resumen del Modelo
Podemos observar que el ajuste del modelo es bastante aceptable, la R 2 es igual a 0.7; lo
que implica que las variables independientes modelan de forma adecuada nuestra
variable dependiente.
Es decir, las variables de poblacin, la proporcin de unidades econmicas, la
proporcin de PEA y el nmero de habitantes por universidad del estado son buenos
estimadores para obtener nuestra variable dependiente (proporcin de poblacin de ms
de 5 salarios mnimos).
Estimacin de s
La interpretacin que se les puede dar a los coeficientes i es el efecto de Xi, sobre la
variable Y, manteniendo fijo el efecto de las dems variables X sobre Y. La estimacin
de se lleva comnmente por mnimos cuadrados. En este modelo se minimiza la suma
de los errores al cuadrado y los estimadores de son:
= ( X X )-1 X Y
(7)
A la Matriz ( X X )-1 se le conoce con el nombre de la hat matriz por ser la matriz que
estima a las s. Esta matriz es importante porque es la que da los pesos a las
observaciones de la matriz X.
Varianza de ()
Una vez estimado el valor de las i es importante calcular la varianza de estos
estimadores. Lo anterior, nos sirve para realizar pruebas de significancia para las
diferentes s. Esta varianza es calculada como:
Var [ i ] = [ 2 ( Xt X )-1 ]ii
(8)
Como no se conoce 2 se estima mediante:

n
u
i 1
2
i
(9)
(n (k 1))
Prueba de hiptesis para los coeficientes individuales de la regresin mltiple.

Si se requiere hacer inferencia utilizando el modelo de reversin maestral es prctico
asumir que los errores tienen una distribucin normal con media cero y varianza
constante (2). En este caso, este mtodo de mnimos cuadrados ordinarios proporciona
una estimada insesgada y con una distribucin normal.
Asumiendo normalidad de las ui tenemos que los estimadores de tienen una

distribucin normal, con una media igual al valor verdadero de y una varianza dada
por 2 multiplicado por el elemento adecuado en la diagonal de la matriz inversa (XX)1. Puesto que en la realidad se desconoce 2, esta se estima. Entonces, en lugar de
utilizar una distribucin normal para hacer inferencias sobre , se utiliza una
distribucin t con (N-(k+1)) grados de libertad (donde k es el nmero de parmetros a
estimar). De tal forma que:
t
i i
var[i ]1 2
(10)
Por tanto, la distribucin t se puede utilizar para llevar acabo una prueba de hiptesis
acerca del valor verdadero de i, tambin se pueden establecer intervalos de confianza
para estos parmetros.
Continuacin con el ejemplo - Estimacin de s

A continuacin se muestran los valores de las s y sus correspondientes intervalos de
confianza para el modelo de regresin mltiple del ejemplo:
Tabla 2.2.2 Anlisis de Coeficientes.
Al observar los coeficientes obtenidos en el modelo de regresin mltiple observamos

que la variable Nmero de Universidades no es significativa; es decir que la variable
no aporta informacin para estimar el porcentaje de poblacin mayor a 5 salarios
mnimos. Adems se puede observar como el intervalo de confianza para esta variable
es prcticamente cero.
Por otro lado, en esta tabla podemos concluir que la variable que ms aporta a explicar a
la variable dependiente de forma directa s la poblacin total. Es decir entre ms grande
sea la poblacin en el estado, la proporcin de poblacin mayor de 5 salarios mnimos
es ms grande.
Por otro lado, es importante mencionar como la proporcin de unidades econmicas
influye inversamente en el modelo. Es decir, no por tener un mayor nmero de empresas
en el estado va afectar la proporcin de personas con ms de 5 salarios mnimos.
Pruebas de significancia global en la regresin (Anlisis de Varianza)

La metodologa de anlisis de varianza puede ser utilizada dentro del modelo de
regresin. Este mtodo consiste en hacer una particin d la suma de cuadrados totales
(SCT) en la suma de cuadrados explicada del modelo (SCM) y la de los residuales
(SCE). El propsito es probar la significancia de la suma de cuadrados explicada; es
decir, la hiptesis nula es que todas las s son igual a cero.
Segn los supuestos de modelo de regresin SCE/2 tiene una distribucin 2 (Jicuadrada) con (N-k-1) grados de libertad. Por otra parte, SCM/2 tiene una distribucin
2 (Chi-cuadrada) con k grados de libertad. Adems estas dos distribuciones son
independientes. As que para el supuesto que todas las s sean igual con cero podemos
usar una estadstica F, al dividir las dos expresiones anteriores, para probar la hiptesis
nula que el vector i=0, con i=1, 2, 3, n.
Continuacin con el ejemplo Prueba ANOVA

A continuacin se muestra la tabla ANOVA para el ejercicio prctico:
Tabla 2.2.3 Resultado tabla ANOVA.
La hiptesis a comprobar para la tabla ANOVA es que todas las s son iguales a cero.
Como la prueba sali significativa, el valor de Sig es igual a cero esto nos indica que
nuestra hiptesis no se cumple; por lo tanto, tiene sentido el modelo de regresin.
En otras palabras, esta prueba nos dice que las variables independientes (la proporcin
de unidades econmicas, la proporcin de PEA y el nmero de habitantes por
universidad del estado) explican en algo a la variable dependiente. Es importante
mencionar que este estadstico debe ser el primer criterio para validar un modelo de
regresin.
Violacin a los Supuestos.

Violaciones grandes a los supuestos de regresin pueden tener como consecuencias
tener un modelo inadecuado, es decir que no tenga sentido en la realidad. Mediante
estadsticas como t, F o el coeficiente de correlacin (R2) en ocasiones es posible
detectar estas violaciones a los supuestos; ya que estas estadsticas determinan
propiedades generales del modelo.
Anlisis de Residuales.
Los residuales pueden verse como la diferencia entre el dato y el ajuste del modelo.
Adems la suma de cuadrados de estos es la variabilidad no explicada por el modelo.
Los residuales no son independientes, pero los errores si lo son.
Los residuales se utilizan en varias estadsticas asociadas con el modelo de regresin
para analizar la validez de los supuestos. Distintas grficas utilizando los residuales
proporcionan herramientas tiles sobre la veracidad de los supuestos en el modelo de
regresin.
Normalidad.
Para poder probar el supuesto de normalidad de los errores, es comn revisar el
histograma de los residuales. Pueden obtenerse evidencias adicionales al determinar el
porcentaje de los residuales que caen entre 1 desviacin estndar 2desviaciones
estndar. Estos porcentajes pueden compararse con los que han de esperarse en una
distribucin normal (68% y 95% respectivamente).
Otra forma de detectar la normalidad de los errores es mediante una grfica de
probabilidad. Suponemos que tenemos una muestra de n elementos y deseamos saber si
provienen de una muestra normal de media y varianza 2. El procedimiento es el
siguiente:
1. Ordenamos la muestra de menor a mayor.
2. Tomamos los n-cuantles de la distribucin normal estandarizada.
3. Graficamos ambas muestras. Es decir, los residuales que estn en el primer lugar
corresponden el primer cuantil. Graficando todos los puntos de esta forma.
4. Si la grfica representa una recta de pendiente uno implica que la muestra que
tenemos proviene de una distribucin normal. Mientras que si la grfica resulta
ser una funcin cbica resulta que la distribucin de los datos est sesgada.
Heterodasticidad
Otro de los supuestos que se requiere verificar en un modelo de regresin es la
homocedasticidad. Este supuesto dice que la varianza condicional de los errores debe
ser la misma. Si no se cumple lo anterior se dice que hay un fenmeno de
heterodasticidad. El problema al no cumplirse este supuesto es que los estimadores no
tienen varianza mnima; por lo tanto, no son eficientes. Es decir, existen mejores
estimadores que los encontrados por mnimos cuadrados ordinarios.
Aunque es fcil detectar la presencia terica de heterodasticidad no es tan fcil en la
prctica; esto se debe a que por lo general se cuenta con una sola observacin de Y para
cada nivel de Xs, imposibilitando averiguar si Var [ ui | xi ] = 2i. Como consecuencia
se han desarrollado algunos mtodos para determinar la presencia de heterodasticidad.
Estos mtodos generalmente evalan los residuos obtenidos del procedimiento de
mnimos cuadrados normales buscando patrones sistemticos. Una vez identificados
estos patrones se busca una transformacin de la variable de tal manera que en la
ecuacin transformada los errores sean homocedasticos.
Una de las formas ms simples para detectar homocedasticidad en un modelo de
regresin es graficando los residuales vs. los valores reales. En la prctica cuando no
existe informacin a priori sobre la homocedasticidad se pude llevar acabo el anlisis
suponiendo que se cumple. Una vez determinado el modelo se analizan los residuales
estimados al cuadrado para ver si presentan un patrn sistemtico.
Las siguientes grficas muestran algunos patrones que pueden seguir los residuales:
a. Los residuales pueden mostrar patrones lineales:
Grfica 2.2.1 Tendencia de los residuales
b. Los residuales pueden mostrar patrones
c. Los residuales pueden seguir patrones cclicos:
Continuacin con el ejemplo Anlisis de Residuales.

A continuacin se presentan las tablas de Normalidad y aleatoriedad de los residuales
para el modelo de regresin mltiple:
Grfica 2.2.4 Prueba de Normalidad P-P
Al realizar la prueba de Normalidad P-P para los residuales observamos que los valores
se distribuyen cerca de la lnea de 45 grados. Lo anterior valida el supuesto de
normalidad de los residuales.
Grfica 2.2.5 Aleatoriedad de los residuales
Finalmente, tenemos una grafica que muestra los residuales estandarizados vs. valores
de la variable dependiente. Esta grfica se utiliza para encontrar patrones de
comportamiento en los residuales. Como podemos observar no se encuentra ningn
patrn en los residuales.
Multicolinealidad.
Originalmente este termino implicaba la existencia de una relacin lineal perfecta o
exacta entre alguna o todas las variables del modelo de regresin. Es decir que exista
una combinacin lineal igual a cero donde no todos los coeficientes sean cero a la vez.
Sin embargo en la actualidad el trmino se aplica en un sentido ms amplio.
Multicolinealidad incluye los casos donde las variables X estn inter-correlacionadas,
en forma casi perfecta. Un ejemplo de multicolinealidad perfecta es:
Xi
X 1 2 X 2 3 X 3 ... k X k vi
i
i
i
i
(11)
Donde:
i / = La proporcin correspondiente a Xi
vi: Es un valor cercano a cero
j 1
Es decir, cuando la combinacin lineal de un subconjunto de las variables

independientes y otra variable independiente excluida tiene un coeficiente de
correlacin cercano a uno se dice que hay multicolinealidad casi perfecta.
El problema de multicolinealidad en un modelo de regresin simple es que los

coeficientes de regresin son indeterminados y sus errores estndar son infinitos. Si la
multicolinealidad no es perfecta es que los errores estndar son muy grandes; lo cual
implica que de llevarse acabo inferencias sobre los intervalos de confianza para estos
parmetros van a ser artificialmente grandes.
En otras palabras esto se traduce en que cuando hay multicolinealidad se encuentran

razones t no significativas a pesar de que las variables importantes para explicar. Como
los errores estndar son altos disminuye de manera considerable el valor t; lo cual nos
lleva con facilidad a aceptar la hiptesis nula. Una forma sencilla de detectar
multicolinealidad es tener varias s (o todas) iguales a cero y una alta R2.
Continuacin con el ejemplo - Multicolinealidad

Para verificar si nuestro modelo regresin mltiple tiene multicolinealidad vamos a
observar nuevamente los valores de las s:
Se observa que slo una variable es cero; por lo tanto, desechamos la existencia de
multicolinealidad en el modelo.
Autocorrelacin de los errores de orden uno.

Uno de los problemas en los modelos de regresin lineal es la correlacin de los errores.
La correlacin puede ser de varios rdenes. Es decir, puede existir una correlacin de
cada residual con el siguiente o cada determinado nmero de residuales. Si los
residuales se correlacionan cada n observaciones se dice que existe una auto correlacin
de orden n.
Para detectar la autocorrelacin de orden uno se utiliza la prueba Durban-Watson. Es
posible pensar en probar hiptesis en torno a p, donde p es la correlacin entre ui y
ui+1. Una estadstica que se usa para proba esta hiptesis es la Durban-Watson que se
denota con la letra d.
n
(u
t 2
ut 1 ) 2
(12)
u
t 1
Dado que ut y
t 1
u
t 1
t 1
son prcticamente iguales en muestras grandes, d se puede
expresar:
e e
d 2
t 1
t 1
t 1
(13)
Si definimos p como el coeficiente muestral de autocorrelacin de primer orden un

estimador de este sera:
n
e e
t 1
t 1
e
t 1
(14)
2
t
De lo anterior d se puede expresar como:

d2(1p)
(15)
Si p = + 1, entonces d = 0 y si p =-1 entonces d = 4. Tenemos que d = 2 si p = 0. Es

decir si d = 0 d = 4 los residuos tienen una alta correlacin. La distribucin de
muestreo de d depende del tamao de la muestra n y del nmero de parmetros a
estimar (k+1), y por tanto, para el estadstico Durban-Watson se calculan los lmites
superiores (du) e inferiores (di) para diferentes niveles de significancia d. Existen tablas
para probar la correlacin cero contra la hiptesis autocorrelacin positiva de primer
orden (para la autocorrelacin gavia se intercambia du y di).
Criterio para la prueba de hiptesis:
Si d < di se rechaza la hiptesis nula de autocorrelacin
Si d>du no se rechaza la hiptesis nula
Si du < d< di la prueba no es concluyente
Continuacin con el ejemplo Prueba Durban - Watson

A continuacin se muestra el valor de la prueba Durban-Watson para el modelo de
regresin mltiple:
La prueba Durban-Watson da como resultado un valor de 1.97; el cual es muy cercano a

2. Por lo tanto, su concluye que en el modelo de regresin mltiple no existe
autocorrelacin de orden uno.
Observaciones que alteran el modelo de regresin.

Dentro del anlisis de regresin existen dos tipos de datos que es importante determinar
para un modelo porque pueden alterar los resultados por tener un comportamiento
diferente al resto. Estos son: los datos influyentes y los datos atpicos.
a) Datos Influyentes
Un dato influyente es aquel que al ser excluido en los datos de la regresin cambia
considerablemente la pendiente de la recta. Es decir, el efecto de este tipo de datos sobre
el modelo es que la pendiente de la recta de regresin es muy considerable a estos.
Al encontrar este tipo de datos lo ms conveniente es revisar la fuente de informacin;
ya que se puede tratar de un error en la captura. Si al comprobar el dato sabemos que es
correcta la medicin tenemos como alternativa presentar el modelo sin con el dato
influyente. No es conveniente quitar este tipo de datos porque tambin puede ser parte
del fenmeno que estamos analizando y por cuestiones de muestreo no se recopilaron
suficientes datos con el mismo comportamiento.
Se han desarrollado mtodos por los cuales se pueden detectar fcilmente los datos
influyentes. Entre los mtodos ms comunes se encuentra la distancia de Cook.
La distancia de Cook es un mtodo para medir el cambio de cuando una observacin
es omitida en el modelo de regresin. Mide el impacto de la observacin en todos los
coeficientes de regresin. Se define como:
Di
( (i ) )T ( X T X ) 1 ( (i ) )
ps 2
(16)
El mtodo de Cook mide la distancia entre (i) y en trminos del intervalo para el
elipsoide en . Entonces Di es igual a la prueba F (, p, n-p), el (i) es el vector de
100(1-)% del intervalo de confianza para el elipsoide para calculado a partir de .
No se debe interpretar como una prueba de significancia. Cuando Di esta cerca de los
valores de 1.0 y 0.8 significa que el cambio es cercano al percentil 50 en la mayora de
los casos.
La distancia de Cooks tambin puede interpretarse como:

Di
(Y(i ) Y )T (Y(i ) Y )
p' s 2
(17)
La distancia de Cooks tambin puede ser interpretada como la distancia Euclidiana

entre Y(i) y Y, entonces si el cambio es considerable la i-esima observacin es altamente
influyente.
Continuacin con el ejemplo Distancias de Cook.

A continuacin se presentan las distancias de Cook para cada una de las observaciones
del modelo de regresin mltiple:
2.2.6 Tabla de Distancias de Cooks
La tabla muestra como el valor para el Estado de Mxico es mayor a 1.0 lo que nos
indica que este dato es altamente influyente. La teora indica que es necesario revisar la
fuente; si embargo sabemos, por la estructura del pas, que el Estado de Mxico
concentra el mayor nmero de poblacin y por ende tambin el nmero de empresas.
Por lo tanto, se corre nuevamente el modelo de regresin mltiple sin el dato antes
mencionado. El resto de los estados no presentan problemas.
A continuacin se presentan los resultados de la regresin mltiple sin el dato atpico

(Estado de Mxico):
Tabla 2.2.6 Resumen del Modelo.
Se pude observar que el valor de la R2 mejor; en el anterior modelo la R2 fue de 0.70.

Por otro lado, la prueba de la tabla ANOVA se sigue manteniendo significativa.
Tabla 2.2.7 Coeficientes del Modelo.
Adems en el valor de las s cambian, pero los coeficientes estandarizados se

mantienen iguales. Es decir, el peso de cada variable independiente se mantiene para la
estimacin de la variable dependiente.
Finalmente, la grfica muestra la aleatoriedad de los residuales. Es importante

mencionar que por la cantidad de datos (31 observaciones) los ltimos 5 datos de la
derecha en la grfica no indican una tendencia de los residuales.
b). Valores Atpicos

El segundo tipo de datos importantes para analizar en un modelo de regresin, son los
datos atpicos. Estos datos son aquellos que tienen un residual considerablemente alto,
dos veces la desviacin estndar. En otras palabras, son casos que no parecen seguir el
mismo modelo que el resto de los datos. Para detectar valores que parecen atpicos se
utiliza el siguiente procedimiento:
En caso de detectar un caso que parezca atpico (el i-esimo) se realiza la siguiente
prueba para determinar si lo es. La forma de proceder es la siguiente:
Borrar el dato i-esimo de la matriz de datos y se ajusta el dato con los n-1 datos
restantes.
Una vez calculado el nuevo modelo se obtiene y 2. A estos estimadores se les llama
(i) y 2(i) para detectar que el modelo se corri sin el i-esimo dato.
Para el dato i-esimo calculamos el valor de y(i)=Xti(i). El valor de y con el de y son
independientes. Mientras que la varianza de (y(i)-y(i) esta dada por:
var( yi y i ) 2 2 xit ( X (Ti ) X ( i ) ) 1 xi
(18)
Finalmente para probar que es un dato atpico se aplica la prueba t, donde la prueba de
hiptesis es Ho: (yi-yi)=0
yi y i
1
2 [1 xiT ( X (Ti ) X (i ) ) 1 xi ] 2
(19)
De lo anterior se llega a lo que se conoce como Residual deleted:
ei
( i ) 1 hii
(20)
2.3 Componentes Principales

El mtodo de componentes principales es describir la variacin de un conjunto de
variables en trmino de un nuevo conjunto de variables no correlacionadas; las cuales
son combinacin lineal de las variables originales. Una vez transformada la matriz
original, se les dar el nombre de componentes principales
a cada una de estas
variables. Se busca adems identificar nuevas variables significativas subyacentes

conocidas como factores.
Los componentes principales se pueden obtener a partir de la matriz de correlacin o la
matriz de covarianza. En el primer caso, las variables no conservan sus unidades, todas
son transformadas en la misma escala lo cual implica que todas las variables tienen el
mismo peso; adems que la suma de los valores propios es igual al nmero de
variables. Mientras que en el otro caso al usar la matriz de covarianzas se mantienen las
unidades de las variables que le da diferentes pesos a cada una de ellas.
El anlisis de componentes principales cuenta con las siguientes caractersticas:
1. La varianza de los componentes principales es igual a los eigenvalores () de la
matriz original. Es decir, la suma de los eigenvalores es igual al nmero de
variables totales porque explican el total de la variabilidad.
2. La primera componente principal es la combinacin lineal de las variables
originales que expresa la mayor varianza (1). La segunda componente principal
es la combinacin lineal que explica la mayor varianza (2) si no tomamos en
cuenta la primera componente principal. Como los eigenvalores estn ordenados
por magnitud, las componentes principales quedan ordenadas por la cantidad de
variabilidad que explica cada una.
3. Las k componentes no deben estar correlacionadas entre si.
El modelo principal de componentes principales queda determinado de la siguiente

forma:
X1 = a11 X1 + a21 X2 + a31 X3 + . . . + ak1 Xk
X2 = a12 X1 + a22 X2 + a32 X3 + . . . + ak2 Xk
(21)
X3 = a13 X1 + a23 X2 + a33 X3 + . . . + ak3 Xk
.
.
.
Xk = a1k X1 + a2k X2 + a3k X3 + . . . + akk Xk
Donde:
Xi : Es la i-esima componente
Xj : Es la variable j-esima
aij : Es el coeficiente de la i-esima componente de la j-esima variable.
Para llevar acabo la transformacin de los datos se piden dos condiciones:

1. Que la varianza que explica la primera componente sea mayor a la explicada por
cualquiera de las componentes siguientes; que la segunda componente explique
mayor variabilidad que las siguientes componentes. As sucesivamente para el
resto de las variables. Lo anterior se puede escribir de la siguiente forma:
Var (X1) Var (X2) Var (X3) . . . Var (Xk)
(22)
2. Que las componentes sean linealmente independientes entre si. Es decir, que la
correlacin entre ellas sea cero
Cov ( Xi , Xj ) = 0
Para i j
(23)
Para que la transformacin sea nica, se utiliza la siguiente restriccin para cada uno de
los vectores de coeficientes de cada componente principal:
a
i 1
2
i
(24)
Es importante mencionar que el porcentaje de variabilidad explicada por cada una de las
componentes se obtiene a partir de los eigenvalores. Para determinar esto se divide el
eigenvalor correspondiente entre la suma de todos los eigenvalores.
Ejemplo Prctico Componentes Principales.

Para realizar un modelo de componentes principales en el programa SPSS se siguen los
siguientes pasos: una vez cargados los datos en el programa, en la barra de men, de la
data Reduction; y finalmente seleccionamos Factor.
Imagen SPSS 2.3.1 Seleccin de un Modelo de Componentes principales
Imagen SPSS 2.3.2 Cuadro de Dialogo de un Modelo de Componentes Principales
del cursor seleccionamos las variables que necesitamos incluir en nuestro modelo de
componentes principales. Es importante recordar que necesitamos variables continuas
en este tipo de modelos.
En la misma pantalla, en la parte inferior, se puede determinar ciertos parmetros del
modelo de Componentes Principales. Al presionar, en la parte inferior Extraction
Imagen SPSS 2.3.3 Cuadro de Extraction de un Modelo de Componentes Principales
En este cuadro de dialogo se debe elegir como mtodo Principal Components. El

programa da la opcin de utilizar la matriz de varianzas o la matriz de covarianza de los
datos. Es importante mencionar que en el caso de Componentes Principales el nmero
de factores es igual al nmero de variables incluidas en el modelo; por lo tanto, en

Number of factor ponemos el nmero total de variables del modelo.
De la misma forma en la pantalla inicial se puede pedir la rotacin de los factores en el
modelo de Componentes Principales. Al presionar, en la parte inferior Rotation
Imagen SPSS 2.3.4 Cuadro de Rotation de un Modelo de Componentes Principales
En este cuadro se indica el tipo de rotacin en caso de ser necesario. El programa no

trae predeterminado ninguna rotacin. As mismo se puede pedir que el programa
muestre la solucin rotada y su grfica correspondiente, habilitando Rotated Solution
y Loadings Plots.
De la misma forma en la pantalla inicial se puede pedir guardar los factores en la base
de datos original. Al presionar, en la parte inferior Scores aparecer otro cuadro de
dialogo como el siguiente:
Imagen SPSS 2.3.5 Cuadro de Scores de un Modelo de Componentes Principales
Al habilitar Save as Variables y Regresin el programa guardar en la base de

datos los valores de los factores para cada uno de los factores del modelo de
Componentes Principales.
Para ejemplificar la tcnica de Componentes Principales vamos a considerar
nuevamente la base de datos por estados. Ahora la tcnica de componentes principales
nos va ayudar a entender el grado de asociacin que hay entre las cinco variables
evaluadas: la proporcin de unidades econmicas respecto al pas, la proporcin de
poblacin econmicamente activa (PEA) respecto al total de poblacin, la proporcin de
personas con ingresos mayores a cinco salarios mnimos y el nmero de habitantes por
universidad del estado.
Al aplicar la tcnica de componentes principales a nuestra base de datos obtenemos los
siguientes resultados:
Tabla 2.3.1 Resumen de los factores.
La tabla muestra el Eigenvalor de las cinco componentes. Se puede observar como el

primer Eigenvalor (2.518) representa el 50% de la varianza del total de informacin. Lo
anterior nos seala que las cinco variables que se est considerando estn altamente
correlacionadas entre si. De manera contraria, el ltimo Eigenvalor (0.018) slo
representa el 0.365% de la variabilidad de los datos.
Del anlisis de componentes principales se puede concluir que las cinco variables de la
base de datos estn sumamente correlacionadas entre si; ya que con las dos primeras
componentes se podra representar el 88% de la variabilidad de los datos.
Tabla 2.3.2 Matriz de componentes.
La matriz de componentes muestra el grado de asociacin entre cada una de las

componentes y las variables del modelo. Es importante mencionar que entre ms
variabilidad explique la componente ms relacionadas con las variables va a estar. Por
lo anterior, la relacin de la Componente Cinco con las variables es muy pobre a
comparacin de las primeras componentes.
La conclusin del ejercicio de componentes principales es que las cinco variables

sociodemogrficas podran ser representada en dos ndice, independientes entre s, con
un mnima perdida de informacin.
2.4 ANLISI DE FACTORES.

El mtodo de anlisis de factores es una tcnica multivariada la cual tiene por objeto
resumir la informacin en un nmero menor de variables con una perdida de
informacin mnima. Esta tcnica estadstica puede derivarse a partir del modelo de
componentes principales. Es decir, una vez que tenemos las k componentes principales
quitamos aquellas que explican poca variabilidad con el objeto de reducir la dimensin
de nuestro problema.
Es necesario que las variables originales estn correlacionadas de manera importante
para que tenga sentido resumir la dimensin del problema. Si casi no estn
correlacionadas se corre el riesgo de que el nmero de componentes necesarias sea igual
al nmero de variables iniciales.
De las aplicaciones ms comunes de esta tcnica multivariada estn:
Identificar las relaciones que hay entre las distintas variables.
Identificar las variables ms representativas que se encuentran en el conjunto de

datos originales.
Obtener un nmero menor de variables, reducir la dimensin del problema.
En el modelo de factores se puede re-expresar la informacin de las variables X1, X2,

X3, Xk en trminos de:
Z1 = a11 X1 + a21 X2 + a31 X3 + . . . + ak1 Xk

Z2 = a12 X1 + a22 X2 + a32 X3 + . . . + ak2 Xk
Z3 = a13 X1 + a23 X2 + a33 X3 + . . . + ak3 Xk
(25)
.
.
.
Zi = a1i X1 + a2i X2 + a3i X3 + . . . + aki Xk
Donde:
Xi : Es el i-esimo factor
Xj : Es la variable j-esima
aij : Es el coeficiente del i-esimo factor de la j-esima variable, con i < k, j = {1, 2,
3, k}
La diferencia entre el mtodo de factores y los componentes principales es que el

primero de ellos es propiamente un modelo estadstico porque maneja residuos con el
supuesto de que estos tienen una distribucin Normal con media cero y varianza de 2;
mientras que en el caso de componentes principales es una transformacin que cumple
con ciertas condiciones, sin embargo no hay ningn modelo detrs de esta
transformacin.
El principal problema de anlisis de factores es determinar el nmero de factores que se

deben considerar. Lo anterior, est relacionado con la aplicacin que le demos a nuestro
anlisis y en evaluar que nos interesa ms: si tener un nmero menor de dimensiones o
explicar una parte considerable de la variabilidad. Sin embargo existen una serie de
criterios para determinar el nmero ptimo de factores. Algunos de estos criterios son:
1. Hacer una grfica de SCREE de los eigenvalores, obtenidos a partir de los

componentes principales. Es decir, graficar la variabilidad explicada por cada
uno de los componentes y tomar las componentes hasta cuando se transforma en
un codo. Es decir, que al tomar una componente ms la aportacin de la
varianza explicada marginal es mnima.
2. Extraer las componentes que tengan un eigenvalor mayor a uno, cuando las
variables estn estandarizadas. Este criterio se basa en pensar que cada
componente por lo menos debe explicar una variable.
3. Extraer las componentes necesarias para explicar hasta cierto punto de

porcentaje de varianza, fijado previamente segn la aplicacin del problema.
Podemos estandarizar las componentes, de tal modo que la varianza de cada una de ellas
sea igual a uno. En el caso del modelo de factores esta transformacin nos servira para
calcular las comunalidades, es decir la varianza explicada por el modelo de cada una de
las variables originales. De lo anterior tenemos el siguiente modelo:
X1 = 11 Z1 + 21 Z2 + 31 Z3 + . . . + k1 Zk + e1
X2 = 12 Z1 + 22 Z2 + 32 Z3 + . . . + k2 Zk + e2
(26)
X3 = 13 Z1 + 23 Z2 + 33 Z3 + . . . + k3 Zk + e3
.
.
.
Xi = 1i Z1 + 2i Z2 + 3i Z3 + . . . + ki Zk + ek
Donde:
Zi : Es el i-esimo factor
Xj : Es la variable i-esima
ij : Es la carga factorial del i-esimo factor de la j-esima variable
ej: Es el j-esimo factor nico, con i < k, j = {1, 2, 3, k}
Una vez encontrado el nmero ptimo de componentes se construye una matriz

factorial; la cual contiene las cargas factoriales o pesos que son los eigenvalores ai
multiplicado por la raz del eigenvalor i. Estos pesos representan las correlaciones
entre las variables y factores. Mediante las cargas factoriales se pueden comparar los
factores entre si. Adems de que cumplen con la propiedad que la suma al cuadrado de
las cargas factoriales son igual al valor de cada componente.
i
l 1
2
lk
(27)
A partir de las cargas factoriales se calculan las comunalidades (hi) que es la proporcin
de varianza de la i-esima variable original Xi que es explicada por el modelo de
factores. Las comunalidades se calculan de la siguiente forma:
k
hi2 ij2
j 1
(28)
Ejemplo Prctico Anlisis de Factores.

Para realizar un modelo de factores en el programa SPSS se siguen los siguientes pasos:
una vez cargados los datos en el programa, en la barra de men, de la parte superior de
la pantalla, seleccionamos Analyze; posteriormente seleccionamos data Reduction;
y finalmente seleccionamos Factor.
Imagen SPSS 2.4.1 Seleccin de un Modelo de Componentes principales
Imagen SPSS 2.4.2 Cuadro de Dialogo de un Modelo de Factores
del cursor seleccionamos las variables que necesitamos incluir en nuestro modelo de
Factores Es importante recordar que necesitamos variables continuas en este tipo de
modelos.
En la misma pantalla, en la parte inferior, se puede determinar ciertos parmetros del
modelo de Componentes Principales. Al presionar, en la parte inferior Extraction
Imagen SPSS 2.4.3 Cuadro de Extraction de un Modelo de factores
En este cuadro de dialogo se debe elegir como mtodo Principal Components. El

programa da la opcin de utilizar la matriz de varianzas o la matriz de covarianza de los
datos.
Es importante mencionar que en el caso de Factores, a diferencia del modelo de

Componentes Principales, el nmero de factores es menor al nmero de variables
incluidas en el modelo. El programa SPSS tiene dos formas de establecer el nmero de
factores. Determinar un valor mnimo para los eigenvalores, generalmente de la unidad;
o el investigador decide el nmero de factores en el modelo.
El resto de los parmetros para correr un modelo de Factores en SPSS es similar a los
que se comentaron en el ejemplo de Componentes Principales.
Para ejemplificar la tcnica de Anlisis de Factores nuevamente vamos a considerar la

base de datos por estados. Anteriormente, al aplicar la tcnica de componentes
principales observamos que los las variables estn sumamente correlacionadas. Por lo
tanto, la intensin de aplicar el anlisis de factores es resumir la informacin.
Para realizar el Anlisis de Factores vamos a considerar slo las dos primeras
componentes principales; ya generar el 88% de la variabilidad de los datos. Es
importante mencionar que este criterio puede ser propuesto por el investigador
dependiendo de los resultados que requiera.
La tabla de comunalidades muestra el porcentaje de informacin que contiene el

Anlisis de Factores de cada una de las variables. Por ejemplo el modelo explica casi al
98% las variables de Poblacin Total y Nmero de Unidades Econmicas. Por otro lado
el modelo slo explica el 74% de la variable nmero de universidades.
Tabla 2.4.2 Varianza Explicada por el modelo de Factores.
La tabla de eigenvalores muestra la variacin explicada de cada una de las componentes

consideradas por el Anlisis Factorial. En este caso el modelo consta de dos
componentes (previamente definido as el modelo) las cuales explican el 88% de la
variabilidad de los datos.
Tabla 2.4.3 Matriz de componentes del modelo de Factores.
La matriz de componentes muestra el grado de asociacin entre cada una de las

componentes y las variables del modelo. La primera componente tiene una mayor
asociacin con la variable de Nmero de Universidades y de forma inversa con la
Poblacin con ms de 5 Salarios Mnimos y la Poblacin Econmicamente activa. Por
su parte, la segunda componente est relacionada con la Poblacin Total y el Nmero de
Unidades Econmicas principalmente.
Es importante mencionar que las componentes son combinaciones lineales de todas las
variables incluidas en el modelo. Por lo anterior, las componentes tienen relacin con
todas las variables del modelo. Lo primordial en el anlisis de factores es que las
componente son octogonales entre s; es decir, la correlacin entre cualquier
componente es igual a cero.
Rotacin de Factores.
La rotacin de ejes se realiza para facilitar la interpretacin de los factores. Tpicamente
la rotacin de aplica en el anlisis factorial. Normalmente se aconseja rotar los ejes
cuando:
1. Las cargas de los factores son muy prximas a cero por lo que no se identifican
de manera clara una relacin con alguna variable.
2. La misma variable presenta cargas elevadas con varios factores.
3. Existen factores con cargas factoriales similares en la misma variable.
La rotacin de las componentes pueden ser de dos tipos: ortogonales y oblicuas. Las
rotaciones ortogonales mantienen la comunalidades (variabilidad explicada de cada una
de las variables) de cada variables y lo nico que cambia son las cargas factoriales; ya
que en la cual se mantienen los ejes a 90 grados. Se pueden rotar los ejes sin mantener
los 90 grados entre los ejes de referencia.
Las rotaciones oblicuas cambian la variabilidad explicada por las variables ya que
modifican las cargas factoriales y tambin las comunalidades. Es decir, no hay
restriccin de ortogonalidad.
Grfica 2.4.1 Rotacin de Factores
En la grfica anterior se observan dos conglomerados de variables (V1 y V2) y (V3, V4

y V5), sin embargo con los factores sin rotar no es muy obvia su ponderacin o
ponderacin de los factores I y II. Despus de la rotacin de los ejes de factores, las
variables 3, 4 y 5 tienen una ponderacin o ponderacin fuerte de factor I, y las
variables 1 y 2 tienen una ponderacin o ponderacin fuerte en el factor II. Siendo ms
obvia la distincin entre conglomerados en dos grupos16.
Entre las rotaciones ortogonales de ejes ms utilizadas se encuentran:

a) Quartimax: para simplificar las filas de la matriz; o sea, que Quartimax se
enfoca a rotar los factores iniciales de manera que las variables tengan la mayor
ponderacin posible de un factor y la mnima de los otros. Aunque este mtodo
no ha sido eficiente.
b) Varimax: se centra en simplificar las columnas de la matriz factorial. La
mxima simplificacin posible se logra cuando solo hay 1s y 0s en la columna.
Es decir que Varimax maximiza la suma de variancias de ponderacin requeridas
de la matriz factorial. Este mtodo ha probado ser un mtodo analtico efectivo
para obtener una rotacin ortogonal de factores.
16
Anlisis Multivariado, sitio cicim.com.mx Primitivo Reyes.
c) Equimax: Es un compromiso entre las anteriores. Trata de simplificar los

renglones y las columnas, no se utiliza frecuentemente.
Ejemplo Prctico Rotacin de Factores.

Para ejemplificar la tcnica de Rotacin de Factores utilicemos el anlisis factorial del
tema anterior. El objetivo de la rotacin es encontrar relaciones ms directas entre las
componentes y las variables que explican estos.
Apliquemos una rotacin de Varimax al anlisis de factores anterior. Los resultados que
obtenemos son los siguientes:
Tabla 2.4.4 Comunalidades del modelo rotado
Es importante mencionar que el realizar una rotacin en el modelo de anlisis de

factores no altera la cantidad de informacin extrada a partir de las variables iniciales
del modelo.
Tabla 2.11 Varianza Explicada del modelo rotado

Tabla 2.4.5 varianza explicada por el modelo
De la misma forma, el realizar una rotacin no altera la cantidad de informacin

resumida por el modelo. En la tabla se muestran que se llegan a los mismos resultados
que el modelo anterior. La variabilidad explicada por las dos componentes sigue siendo
del 88%.
Tabla 2.4.6 Matriz de Componentes del modelo rotado
En la matriz de componentes rotados observamos como las relaciones entre las

componentes y las variables sen ms altas. La primera componente se relaciona, con
ms del 90%, respecto a las variables de Poblacin Econmicamente Activa y la
Poblacin con ms de 5 Salarios Mnimos; mientras que tambin se relaciona
inversamente con el Nmero de Universidades. Mientras que la segunda componente se
relaciona directamente con la Poblacin Total y el Nmero de Unidades Econmicas.
Es importante mencionar que al aplicar una rotacin en el anlisis de factores puede

cambiar la relacin entre las variables y las componentes. En el ejemplo, al aplicar la
rotacin, la primera componente aument la relacin respecto a la variable Poblacin
Econmicamente Activa, mientras que disminuy la relacin respecto al Nmero de
Universidades.
Finalmente se presenta la grfica de los componentes rotados
Grfica 2.4.2 Rotacin de Factores - Ejemplo
En la grfica podemos observar como las variables de poblacin y Unidades

Econmicas estn directamente relacionadas con la Componente 1; mientras que la
Componente 2 est asociada con las variables de PEA y salarios mnimos. Es importante
mencionar que la variable de nmero de Universidades est relacionada con ambas
componentes en el cuarto cuadrante de la grfica.
2.5 ALFA DE CRONBACH

En muchas ocasiones a la hora de recabar informacin sobre aspectos diversos de la
vida de los individuos, se utilizan instrumentos tales como escalas, test, listados de
adjetivos, etc. Construidos por una serie de tems o enunciados que deben estar
relacionados entre si y cuya puntuaciones individuales previamente sumadas y/o
promediadas nos dan el valor global de los individuos en el citado instrumento. Como
ejemplo podemos citar encuestas de satisfaccin, test psicomtricos, mediciones de
clima laboral, etc.
Se dice que el instrumento es fiable cuando con el mismo se obtienen resultados
similares al aplicarlo dos o ms veces al mismo grupo de individuos. Una de las
medidas ms
utilizadas para medir la fiabilidad de la informacin es el Alfa de
Cronbach basada en la consistencia interna de la informacin.

El coeficiente Alfa de Cronbach se obtiene como promedio de los coeficientes de
correlacin de Pearson entre todos los item de la escala si las puntuaciones de los
mismos estn estandarizadas o como promedio de las covarianzas si no lo estn.
a) tems no estandarizados:
COV
VAR
COV
1 ( K 1)
VAR
K
(29)
Donde tenemos que:

K: Es el nmero de tems en la escala.
COV: Es la media de covarianzas entre tems de la escala
VAR: Es la media de la varianzas de los tems de la escala.
b) tems estandarizados.
k r
1 (k 1) r
(30)
Donde tenemos que:

k: Es el nmero de tems en la escala
r: es la media de correlaciones entre los tems de la escala.
Los valores de este coeficiente oscilan entre 0 y 1 donde la unidad implica una alta
fiabilidad informacin. nicamente obtendremos valores negativos si la relacin entre
los tems es negativa; en cuyo caso no procedera a calcula un ndice de fiabilidad de la
escala.
Como se puede observar en las ecuaciones anteriores el valor de Alfa de Cronbach
depende tanto del nmero de tems en la escala como de la correlacin entre los mismos
o de u varianza o covarianza. Es decir que podemos obtener un coeficiente elevado
partiendo de los mismos valores promedio pero aumentando el nmero de tems de la
escala.
Una de las formas para obtener el Alfa de Cronbach en el programa estadstico SPSS es
mediante un modelo de Correspondencias Mltiple. Para lo anterior, se siguen los
Data Reduction; y finalmente seleccionamos Optimal Scaling.
Imagen SPSS 257.1 Seleccin de un Modelo de Correspondencias Mltiple
Imagen SPSS 2.5.2 Cuadro de Dialogo de un Modelo de Correspondencia Mltiple
En este cuadro para realizar un Anlisis de Correspondencia Mltiple es necesario

seleccionar: All variables multiple nominal y One set. En la parte inferior aparecer
la leyenda: Multiple Correspondence Analysis. Aparecer la siguiente pantalla:
del cursor seleccionamos las variables categricas que necesitamos incluir en nuestro
modelo del Anlisis de Correspondencia Mltiple y las ubicamos en el cuadro Anlisis
Variable. Finalmente seleccionamos OK.
El coeficiente de Alfa de Cronbach aparecer dentro de la tabla del modelo general del
Anlisis de Correspondencias Mltiples.
Nota: El ejemplo prctico del Alfa de Cronbach se realiz junto con el ejemplo
prctico de componentes principales Mltiples.
2.6 ANLISIS DE CORRESPONDENCIAS.

Como mencionamos anteriormente, las tcnicas de anlisis de componentes principales
son tcnicas multivariadas que tienen por objeto reducir las dimensiones de una tabla de
datos formada por variables cuantitativas. Si las variables son cualitativas estaramos
hablando de anlisis de correspondencias.
Cuando se estudia conjuntamente el comportamiento de dos variables cualitativas nos

referimos al anlisis de correspondencias simple, pero este anlisis puede ser
generalizado para el caso de que se disponen de un nmero mayor de variables; en cuyo
caso estamos ante el anlisis de correspondencias mltiple.
El objetivo del anlisis de correspondencias es establecer relaciones entre variables no

mtricas enriqueciendo la informacin que ofrecen las tablas de contingencia, que slo
comprueban si existe relacin entre las variables (test Ji-Cuadrada) y la intensidad de
dicha relacin (test V de Cramer). El anlisis de correspondencia revela adems en que
grado contribuyen con esa relacin detectando los distintos valores de las variables,
informacin que se presenta de forma grfica.
Es importante sealar que al anlisis de correspondencia no deja de ser una tcnica de

anlisis factorial cuyos resultados pueden interpretarse en un mapa bidimensional o
pluridimensional. A pesar de ello, no se centra exclusivamente en la reduccin de
dimensiones, sino que trata de descubrir afinidades o relaciones entre las variables.
Podramos sintetizar diciendo que el anlisis de correspondencia busca el estudio de la

asociacin entre las categoras de mltiples variables no mtricas generalmente
mediante un mapa perceptual que permita observar la asociacin de forma grfica
reduciendo el nmero de variables.
Los objetivos del anlisis de correspondencia se pueden resumir en los siguientes

cuatro puntos:
1. Permite estudiar las relaciones mutuas entre las modalidades y categoras de dos
o ms variables cualitativas o cuantitativas categorizadas.
2. Reducir las dimensiones del caso de estudio, de forma que permita un estudio
ms simple.
3. Visualizar sobre proyecciones de planos, llamados factoriales, las proximidades
entre perfiles filas, perfiles columnas y entre perfiles de filas y columnas.
4. Permite extraer nuevas variables o factores que resumen de forma organizada la
informacin significativa y permite crear grficos que muestren la identificacin
de los objetasen filas y/o columnas.
A. Anlisis de Componentes Principales Simple

El punto de partida es una matriz de datos no negativos de r filas y c columnas, y se
trata de buscar la estructura de relacin, semejanza o desemejanza, proximidad o lejana
entre los sujetos y los atributos. A partir de esta tabla podemos construir una tabla de
frecuencias relativas conjuntas:
f ij
nij
(31)
La cual representa la probabilidad de cada elemento nij en el total de la poblacin N.
f i f ij
j 1
ni
N
(32)
Frecuencia marginal relativa de la categora Ai.
f j f ij
j 1
Frecuencia marginal relativa de la categora Bj
n j
N
(33)
Formacin de las nubes de puntos tambin llamado posicionamiento de las

modalidades en el plano factorial. Dos modalidades de una misma variable estn
obligatoriamente bastante alejadas una de otra en el espacio. Las modalidades raras
estn alejadas de todas las dems. Esta distancia muestra bien el primero de los dos
puntos de vista sobre la semejanza entre las modalidades.
a) En Rc tomaremos la nube de r puntos i cuyas coordenadas son f ij | fi. para j = 1,,c
b) En Rr tomaremos la nube de c puntos j cuyas coordenadas son f ij | f.j para j = 1,,r
Las transformaciones realizadas son idnticas para los dos espacios R c y Rr. Sin
embargo ello lleva a transformaciones analticas diferentes; los nuevos datos en R r no
son la transpuesta de la matriz R c. Esto nos lleva a realizar dos anlisis factoriales
diferentes, uno en cada espacio. Pero encontraremos una relacin entre los factores que
permita reducir los clculos a una sola factorizacin facilitando su interpretacin.
Observacin: Un elemento (fila o columna) influye en la construccin de los ejes por
medio de su inercia con respecto al centro de gravedad.
Las tablas de perfiles de filas o columnas reflejan las proporciones que el nmero de
individuos que cada celda representa sobre el total de la fila y sobre el total de las
columnas respectivamente. El grado de similitud o disimilitud entre estos perfiles, tanto
por filas como por columnas, quedar reflejado en los grficos en trmino de
proximidades o lejanas entre las categoras de las variables.
El concepto de Masa, en los modelos de Anlisis de Correspondencia, se refiere a una
ponderacin asignada con la finalidad de que a la hora de extraer un eje tratando de que
la deformacin de la nube de puntos sea mnima, las categoras que se presentan con
mayor frecuencia, al tener mayor peso, influyen ms en la direccin de los ejes.
Aunque el Anlisis de Correspondencias trabaja con perfiles, no olvida las diferencias

entre los efectivos de cada fila o columna, sino que les asigna un peso proporcional a su
importancia en la total:
En Rc cada punto i esta afectado de un peso fi.
En Rr cada punto j esta afectado de un peso f.j
De esta forma se evita que al trabajar con perfiles se privilegie a las clases de efectivos
pequeos.
Ante la desventaja de la prueba Ji-Cuadrada se define la distancia Ji-Cuadrada entre dos

filas (entre dos columnas) como una distancia Euclidiana al cuadrado, entre sus perfiles,
ponderando con la inversa de las frecuencias marginales (Masa) de las columnas. Esta
ponderacin evita que las columnas ms frecuentes tengan ms peso en las distancias.
Es decir, la distancia as utilizada entre los perfiles-fila(i,|) es la distancia Ji-Cuadrada
definida por:
(34)
Anlogamente la distancia entre dos perfiles-columnas (j,k) ser:
(35)
Estas distancias tienen la propiedad de equivalencia (Benzcri 1963). Este principio

establece que si dos filas son idnticas (equivalencia distribucional), entonces esas dos
filas de la tabla de contingencia pueden juntarse en una sola fila, sin afectar la geometra
de los perfiles columna; al mismo ocurre con las columnas.
Al realizar las transformaciones de las matrices se obtienen los eigenvalores que pueden
ser interpretados como la correlacin entre las puntuaciones de las filas y columnas y
son anlogos a los coeficientes de correlacin de Pearson. Para cada dimensin el
cuadrado del valor singular es la Inercia.
La Inercia es otro indicador importante en el modelo de Anlisis de Correspondencia.
Mide la dispersin de la nube de puntos. La inercia es el promedio de las distancias de
los distintos puntos a su centro de gravedad, estando cada distancia ponderada por la
masa de los puntos correspondientes.
La inercia total ser la misma tanto si la nube de puntos corresponde a la representacin
de las filas coma si corresponde a la de las columnas:
(36).
Donde:
IT: Inercia Total
2: Chi-Cuadrada
N: Suma de todas las celdas en la tabla de correspondencia
Como lo mencionamos anteriormente, el objetivo del Anlisis de Correspondencia es

obtener una representacin simplificada de puntos fila y columna, los cuales estn
afectados por una masa o peso y la distancia entre ellos se mide a travs de la distancia
2, la cual busca los factores principales mediante las coordenadas ya mencionadas.
Gi
Centro de gravedad fila:
Centro de gravedad Columna:
f j
G j f i
(37)
(38)
La representacin simultnea de los perfiles filas y columnas se visualiza dentro de las

tres siguientes formas: la primera, las proximidades entre perfiles filas; la segunda, las
proximidades entre perfiles columnas; y finalmente, las proximidades entre perfiles fila
y perfiles columnas.
Ejemplo Prctico Componentes Principales Simple.

Para realizar un modelo de Correspondencias Simple en el programa SPSS se siguen los
Data Reduction; y finalmente seleccionamos Correspondence Analysis.
Imagen SPSS 2.6.1 Seleccin de un Modelo de Correspondencias Simple
Imagen SPSS 2.6.2 Cuadro de Dialogo de un Modelo de Correspondencia Simple
del cursor seleccionamos las dos variables categricas (Tabla de contingencia) que
necesitamos incluir en nuestro modelo del Anlisis de Correspondencia Simple. Al
seleccionar las variables mediante la aplicacin de Define Range se define los valores
que toma la variable, como se muestra a continuacin.
Imagen SPSS 2.6.3 Cuadro de Define Range de un Modelo de Correspondencia Simple
Esta aplicacin en til en algunas ocasiones donde se requiera quitar una categora de la
variable por no tener una suficiente representatividad respecto al resto de las categoras
de la variable.
En la pantalla inicial (Imagen SPSS 2.5.2), en la parte inferior, se puede determinar ciertos
parmetros del modelo de Correspondencia Simple. Al presionar, en la parte inferior
Plot aparecer otro cuadro de dialogo como el siguiente:
Imagen SPSS 2.6.4 Cuadro de Plot de un Modelo de Correspondencia Simple
En este cuadro de dialogo podemos requerir las graficas de dispersin para las dos
dimensiones generadas para las columnas o renglones; as como la unin de ambas
grficas (Biplot). Adems para cuestiones estticas se puede especificar el nmero de
caracteres por etiqueta en ID label width for scatterplots.
De la misma forma en la pantalla inicial (Imagen SPSS 2.5.2) se puede pedir algunas
estadsticas del modelo de Anlisis de Correspondencia Mltiple. Al presionar, en la
parte inferior Statistics aparecer otro cuadro de dialogo como el siguiente:
Imagen SPSS 2.6.5 Cuadro de Statistics de un Modelo de Correspondencia Simple
En este cuadro de dialogo podemos requerir la tabla de correspondencia (tabla de

contingencia de las variables con totales marginales de fila y columna); el resumen de
os puntos para las filas y columnas (para cada categora se obtiene las puntuaciones, la
masa, la inercia, la contribucin de la inercia a la dimensin y la contribucin de la
dimensin a la inercia del punto); los perfiles de filas y columnas (para cada categora
muestra la distribucin en la fila o columna segn sea el caso):
La tcnica de Componentes Principales Simple se utiliza para variables categricas. Por

lo anterior y para ejemplificar el tema, se decodifica las base de de datos con las cuales
hemos trabajado. Para cada una de las variables vamos a generar cuatro distintos rangos;
los cuales se van a construir a partir de cuantles.
Los estados con menor valor en la variable tendrn el cdigo uno (Psimo), mientras
que los estados con los valores ms altos tendrn el cdigo cuatro (Alto). El orden de
la variable es: Psimo, Malo, Regular y Alto. Al utilizar est mtodo nos cercioramos de
que todos los rangos tengan aproximadamente el mismo nmero de individuos.
Tabla 2.6.1 Percentiles de las variables sociodemogrficas
A partir de la transformacin anterior, convertimos los valores de las variables continuas

en variables categricas ordinales, podemos realizar un modelo de Componentes
Principales
Simple
utilizando
las
variables
categorizadas
de
Poblacin
Econmicamente Activa y Poblacin con ms de 5 SM.
El primer resultado que se obtiene el Anlisis de Correspondencia Simple es la tbla de

contingencia de las dos variables donde podemos los totales marginales por filas y
columnas.
Tabla 2.6.2 Tabla de Contingencia
La siguiente tabla que es un resumen donde se observan lo valores propios

(eigenvalores) y la inercia de cada una de las dimensiones, el valor de Ji Cuadrada y la
significancia considerando los grados de libertad; finalmente la proporcin de la inercia
explicada y acumulada por cada dimensin.
Tabla 2.6.3 Tabla Resumen del Modelo
A continuacin el programa presenta el resumen de puntos fila y columnas; en los

cuales se puede observarlas contribuciones a la inercia total de cada punto fila y
columna. Los puntos fila y columna que contribuyen sustancialmente a la inercia de una
dimensin son importante para es dimensin.
Tabla 2.6.4 Tabla de Resumen de Puntos Fila
Tabla 2.6.5 Tabla de Resumen de Puntos Fila
Finalmente se muestra le grafica de Biplot donde se puede apreciar las relaciones entre
las categoras de ambas variables.
Grfica 2.6.1 Biplot Ejemplo Anlisis de Correspondencia
En este caso podemos observar como ambas variables estn relacionadas entre si. Es
decir los estados que tienen Alta poblacin econmicamente activa tambin son los
estados donde se encuentra una mayor proporcin de personas con ms de 5 salarios
mnimos. Y sucesivamente se puede observar lo mismo para el caso de Regulares
Malo y Psimo; siendo las dos ltimas una relacin menos exacta.
b. Anlisis de Componentes Principales Mltiple

A diferencia del Anlisis de Correspondencias Simple, el Anlisis de Correspondencias
Mltiple aade la posibilidad de trabajar con tres o ms variables buscar los patrones y
estructuras de relaciones entre las mismas de un modo grfico en un plano
bidimensional o tridimensional.
En el anlisis de correspondencia mltiple los datos se ordenan en una tabla Z,
denominada tabla disyuntiva completa, que consta de una serie de conjunto de
individuos I = 1, , i, , n (en filas); un conjunto de variables o caractersticas
cualitativas J1, , Jk, JQ (en columnas) y un conjunto de modalidades excluyentes de
1, , mk para cada carcter cualitativo. El nmero total de modalidades ser:
(39)
La tabla disyuntiva completa tiene el siguiente aspecto:
(40)
El elemento Zij de la tabla toma valores de 0 1 segn el individuo i haya elegido /est
afectado) por la modalidad j o no. Por lo tanto, cada rectngulo de la tabla disyuntiva
completa puede considerarse, aunque no lo sea, una tabla de contingencia cuyos
elementos son 1 0. La tabla disyuntiva completa consta entonces de Q subtablas, con
la finalidad de obtener una representacin simultnea de todas las modalidades
(columnas) de todos los individuos (filas).
Es decir una tabla disyuntiva completa tendra el siguiente aspecto:
(41)
Para obtener los factores es necesario diagonalizar la matriz V = D -1B/Q donde B= ZZ

es una tabla de Burtz, una matriz simtrica formada por Q 2 bloques, de modo que sus
bloques de la diagonal ZkZk son tablas diagonales que cruzan una variable con ella
misma, siendo los elementos de la diagonal los efectivos de cada modalidad k.j. Los
bloques formados fuera de la diagonal son tablas de contingencia obtenidas cruzando las
caractersticas de dos en dos ZkZk cuyos elementos son la frecuencia de asociacin de
las dos modalidades correspondientes. La matriz D es una matriz diagonal cuyos
elementos diagonales son los de la matriz de Burtz, siendo nulo el resto de los
elementos. El aspecto de la tabla de Burtz es el siguiente:
(42)
Las formulas de transicin que permiten representar simultneamente los puntos lneas
y los puntos columna sobre los mismos grficos relacionados as los resultados en los
dos subespacios son:
(43)
(44)
El centro de gravedad de la nube de puntos variables N(j) en el Anlisis Factorial de

Correspondencias es fi. que en este caso puede equipararse a una distribucin
uniforme 1/n, ya que:
(45)
El centro de gravedad de las modalidades de cada variable, cada una ponderada por su
propio peso, es el mismo que el de las modalidades N(J), es decir, 1/n ya que el centro
de gravedad del subcentro IxJk se obtiene a partir de una distribucin marginal. Como
slo recoge una variable la suma de cada lnea es 1 y el total de la tabla es n, en donde
fi.=1/n.
La parte de inercia debido a una modalidad j es mayor cuanto menor sea el efectivo de
esa modalidad. Si G es el centro de gravedad, la inercia debido a la modalidad j est
dada por:
(46)
Por lo tanto, es aconsejable eliminar las modalidades elegidas muy pocas veces,
construyendo otra modalidad unindola a la ms prxima.
La pare de inercia debida a una variable es funcin creciente del nmero de
modalidades de respuesta que tiene, ya que la inercia de una variable es la suma de las
inercias de sus modalidades:
(47)
Si una variable tiene un nmero de modalidades demasiado grande, al igual que en el

caso de que se efectivo sea muy pequeo, conviene reagrupar las modalidades en un
nmero razonable, para evitar influencias externas.
La inercia total es la suma de las inercias de todas las modalidades:

(48)
J/Q es el nmero medio de modalidades por variable cualitativa o caracterstica. En

consecuencia, la inercia total slo depende del nmero de modalidades y preguntas.
El procedimiento del Anlisis de Correspondencias Mltiple utiliza en la estimacin de

parmetros el procedimiento conocido como Alternanting Least Squares
alternancia de mnimos cuadrados.
La estimacin de mnimos cuadrados de los valores de los parmetros se realiza en dos

fases: primero, obtener que la cuantificacin de los individuos sean optimas, en el
sentido de que las categoras estn separadas una de otras en las dimensin o
dimensiones tanto como sea posible; y en segundo lugar, que dentro de cada categora
los sujetos homogneos estn lo ms prximos unos a otros.
El modelo de Anlisis de Correspondencias Mltiple genera las Object Scores

mediante la alternancia de los mnimos cuadrados. El sistema genera para cada
individuote la muestra un nmero de puntuacin (equivalentes a las puntuaciones
factoriales) igual al nmero de dimensiones de la solucin. Estas puntuaciones son
normalizadas (media cero y varianza de uno).
Por otro lado, tambin se generan las Optimal Scores que son las puntuaciones
individuales en cada dimensin, promediadas para los individuos de cada categora en
las respectivas variables; que son los centroides de cada categora en cada dimensin.
Como se mencion anteriormente el Anlisis de Correspondencias Mltiple trata de
maximizar la distancia entre estos centroides.
Ejemplo Prctico Componentes Principales Mltiples.

Para realizar un modelo de Correspondencias Mltiple en el programa SPSS se siguen
los siguientes pasos: una vez cargados los datos en el programa, en la barra de men, de
la parte superior de la pantalla, seleccionamos Analyze; posteriormente seleccionamos
Data Reduction; y finalmente seleccionamos Optimal Scaling.
Imagen SPSS 2.7.1 Seleccin de un Modelo de Correspondencias Mltiple
En este cuadro para realizar un Anlisis de Correspondencia Mltiple es necesario

seleccionar: All variables multiple nominal y One set. En la parte inferior aparecer
la leyenda: Multiple Correspondence Analysis. Aparecer la siguiente pantalla:
del cursor seleccionamos las variables categricas que necesitamos incluir en nuestro
modelo del Anlisis de Correspondencia Mltiple y las ubicamos en el cuadro Anlisis
Variable.
En la pantalla inicial (Imagen SPSS 2.6.3), en el lado derecho, se puede determinar ciertos
parmetros del modelo de Correspondencia Mltiple. Al presionar Save aparecer
otro cuadro de dialogo como el siguiente:
En este cuadro de dialogo podemos guardar varias variables generadas a partir del
modelo de Anlisis de Componentes Mltiples. Al seleccionar Save object scores to
the active dataset el programa guarda los valores de cada dimensin para cada uno de
los individuos de la base de datos. En la parte inferior se puede especificar el nmero de
dimensiones que se requieren,
La tcnica de Componentes Principales Mltiples se utiliza para variables categricas.

Por lo anterior, para realizar el ejemplo de Anlisis de Correspondencia Mltiple
consideremos la transformacin de las variables continuas a variables categricas que
realizamos en el captulo anterior.
Para la construccin del modelo consideremos las cinco variables de la base de datos: la
proporcin de unidades econmicas respecto al pas, la proporcin de poblacin
econmicamente activa (PEA) respecto al total de poblacin, la proporcin de personas
con ingresos mayores a cinco salarios mnimos y el nmero de habitantes por
universidad del estado. El objetivo del modelo consistira en reducir a dos dimensiones
dicha informacin.
La primera tabla que se muestra en el Anlisis de Correspondencia Mltiple es el

resumen del modelo. En este caso se observa que ambas componentes tienen una baja
explicacin de la variabilidad. La primera dimensin explica el 54% y la segunda tan
slo el 44%. Lo que nos indica que las variables no estn del todo relacionadas. Adems
el Alfa de Cronbach es bastante cercano a uno lo que nos asegura la fiabilidad de la
escala.
La siguiente tabla muestra la relacin entre cada una de las variables con cada una de las
dimensiones. Se observa que la dimensin uno est relacionada principalmente con la
variable de unidades econmicas y nmero de universidades; mientras que la segunda
dimensin se relaciona con el total de la poblacin.
Tabla 2.7.2 Relacin entre variables y dimensiones
El siguiente grfico es otra forma de mostrar las relaciones de las distintas variables
respecto a cada una de las dimensiones.
Finalmente, se muestra una grfica de las dos componentes.
Grfica 2.7.2 Grfica de dimensiones del Anlisis de Correspondencia Mltiple
Finalmente, la grfica muestra las dos dimensiones donde la primera dimensin es un

ndice de actividad econmica y la segunda dimensin es un ndice de Estados Menos
poblados; ya que la variable de Poblacin Total tiene una correlacin negativa (-0.24)
con la segunda dimensin.
2.8 ANLISIS DE CONGLOMERADOS.
El trmino anlisis de conglomerados o anlisis de Cluster se utiliza para definir una

serie de tcnicas, fundamentalmente algoritmos, que tienen por objeto la bsqueda de
grupos similares de individuos o de variables que se van agrupando.
El objetivo principal del anlisis de conglomerados es clasificar los objetos en partes

relativamente homogneas con base a un conjunto de variables determinadas. Los
objetivos de un grupo deben de ser similares en trminos de las variables y deferentes a
los objetos de los otros grupos. Es importante mencionar que este anlisis est basado
en algoritmos sencillos y no es propiamente un mtodo estadstico.
El anlisis de conglomerados es diferente al anlisis de factores y al anlisis

discriminante. En el anlisis de factores reducimos el nmero de variables, mientras que
en el anlisis de conglomerados se agrupan los objetos (individuos). En el caso del
anlisis discriminante, aunque tambin agrupa objetos, se requiere el conocimiento
previo de una agrupacin establecida a fin de desarrollar una regla de clasificacin.
Mientras que en el caso de anlisis de conglomerados no es necesario un conocimiento
previo porque los datos son los que siguieren los grupos de manera natural.
Para realizar el anlisis de conglomerados en necesario determinar una medida para

agrupar los objetos que resulten similares. La prctica ms comn es medir la
equivalencia en trminos de distancia entre los pares de objetos; as los objetos con una
menor distancia resultan ser ms parecidos mientras que los objetos con mayor distancia
son diferentes. Entre las diferentes medidas de similitud estn:
Distancia Euclidiana: Se basa en el teorema de Pitgoras y es similar a encontrar la
hipotenusa en un ngulo recto .La formula generalizada para k dimensiones es:
d ( x 2 x1 ) 2 ( y 2 y1 ) 2 ... (k 2 k1 ) 2
(49)
Distancia de Manhatan: Esta medida se obtiene mediante la suma de las diferencias

absolutas en el valor de cada variable.
Distancia de Cauchy: Se define como la diferencia absoluta mxima en los valores

para cada una de las variables.
Distancia de Mahalanobis: Esta distancia tiene la ventaja de dividir la distancia

Euclidiana sobre la matiz de varianzas y covarianzas, eliminando las unidades. Esta
distancia se define como:
Di2 ( x M c ) c ( x M c )
1
(50)
donde:
Mc: Es la medida de la clase C
c-1: Es la matriz de varianzas y covarianzas
El uso de distintas medidas nos puede llevar a resultados diferentes del conglomerado.
Por consiguiente, es recomendable utilizar varias medidas y comparar los resultados
para obtener el ms convincente para los objetivos del anlisis de conglomerados.
Diferentes clases de Conglomerados.

El anlisis de conglomerados puede ser de dos formas: jerrquico o no jerrquico. El
conglomerado jerrquico como su nombre lo indica, desarrolla una jerarqua o
estructura en forma de rbol (dendograma) y a su vez se divide en dos tipo:
1. Jerrquico por divisin: En este tipo de anlisis se inicia con un solo grupo.
Los conglomerados se van obteniendo a partir de divisiones hasta lograr que
cada uno de los individuos forme un grupo.
2. Jerrquico por aglomeracin: en este tipo de anlisis cada uno de los

objetos empieza en un grupo diferente, los conglomerados se van obteniendo al
agrupar los objetos en grupos cada vez ms grandes. El proceso es reiterativo
hasta llegar a formar un solo grupo.
En caso de los conglomerados jerrquicos existen varias tcnicas para ir agrupando cada
uno de los objetos. Las principales tcnicas son:
1. Enlace Sencillo: se basa en la distancia mnima o en la regla de vecinos ms

prximos. Los primeros dos conglomerados son aquellos que tienen la menor
distancia entre s. En cada una de las etapas, la distancia entre don
conglomerados es la distancia entre sus pontos ms prximos. Este proceso
continua hasta que los puntos se encuentran en un solo conglomerado.
2. Enlace Completo: Es similar al enlace sencillo, excepto que se utiliza la

distancia ms lejana para agrupar los conglomerados de cada una de las etapas.
La distancia entre dos conglomerados se calcula como la distancia mxima entre
sus puntos ms lejanos.
3. Enlace Promedio: Funciona de manera similar, pero en este caso la distancia

entre dos conglomerados se define como el promedio de la distancia entre todos
los pares de objetos donde se encuentra un miembro del par en cada uno de los
conglomerados. Como se puede ver este tipo de enlace combina los dos
anteriores, por lo que resulta ser el ms utilizado.
4. Mtodo de Ward: consiste en calcular las medias para todas las variables para
obtener el centroide del grupo. Despus para cada uno de los objetos se calcula
la distancia Euclidiana al centroide, esta distancia se suma a la de todos los
objetos. En cada objeto se combinan los dos conglomerados con el menor
incremento en la suma total de los cuadrados de las distancias contra todos los
conglomerados.
La segunda forma de realizar conglomerados en mediante el mtodo del centroide que

consiste en que la distancia entre dos grupos queda determinada por la distancia entre
sus centroides (medias de todas las variables). Cada vez que hay una nueva agrupacin
se calcula el nuevo centroide.
El conglomerado no jerrquico tambin se conoce con el nombre de K-Medias. En este
mtodo se debe definir el nmero de grupos, lo cual puede representar una desventaja si
no se tiene un conocimiento previo de los datos. Este tipo de conglomerados incluyen
tres agrupaciones que son:
1. Umbral Secuencial: se elige un centro de grupo y se agrupan todos objetos que estn
dentro de un rango, ya especificado previamente, a partir del centro. Despus se elige un
nuevo centro de grupo y el proceso se repite para los puntos sin agrupar.
2. Umbral Paralelo: funciona de manera similar al umbral secuencial pero con la
diferencia de que se eligen todos los centroides de manera simultnea y los objetos
dentro el nivel se agrupan con el centro ms prximo.
3. Optimizacin: difiere de los dos procedimientos anteriores porque un objeto ya
agrupado se puede agrupar en una etapa posterior, a fin de optimizar el criterio general.
Es importante mencionar que en el caso del anlisis de Conglomerados por K-Medias es

necesario que las variables estn en las mismas unidades, o en su defecto estn
estandarizadas. El no cumplir con el supuesto anterior puede llevar a obtener
agrupaciones no homogneas entre sus objetos.
Ejemplo Prctico Anlisis de Conglomerados

Para realizar un Anlisis de Conglomerados de K-Medias en el programa SPSS se
siguen los siguientes pasos: una vez cargados los datos en el programa, en la barra de
men, de la parte superior de la pantalla, seleccionamos Analyze; posteriormente
seleccionamos Classify; y finalmente seleccionamos K-Mean Cluster.
Imagen SPSS 2.8.1 Seleccin de un Modelo de Correspondencias Mltiple
Este es el cuadro para realizar un Anlisis de Conglomerados de K-Medias. Se

seleccionan las variables que se requieren en el anlisis y de colocan en el cuadro de
Variables. En Number of Cluster se elige el nmero de grupos que se requieren para
el anlisis de conglomerados. Es importante mencionar que SPSS calcula
automticamente por el mtodo de Umbral Secuencial.
Al seleccionar la opcin de Save aparecer la siguiente pantalla:
Imagen SPSS 2.8.3 Cuadro de Dialogo de Anlisis de Conglomerados
En este cuadro se podr grabar el nmero de grupo al que fue asignado cada objeto o
individuo. Adems tambin puede proporcionar la distancia Euclidiana de casa punto a
su centroide correspondiente.
Para ejemplificar la tcnica de anlisis de conglomerados se van a agrupar los estados

con base a las tres variables relacionadas con la economa de los estados: las unidades
econmicas, la proporcin de la PEA del estado y la proporcin de personas con
ingresos mayores a cinco SM.
Para la tcnica de anlisis de conglomerados es necesario que todas las variables estn
en las mismas unidades o en su defecto que las variables estn estandarizadas. Dado que
en nuestro ejemplo prctico las unidades estn en diferente escala es necesario hacer
una estandarizacin de las variables.

La primera tabla que se muestra en el Anlisis Conglomerados es el nmero de objetos
o individuos por grupo. En este caso se observa que los grupos con menor nmero de
individuos; mientras que los grupos dos y tres son los que mayor nmero de estados
tienen.
A continuacin se muestran los cuatro grupos de estados del resultado de anlisis de

conglomerado.
Tabla 2.8.2 Grupos obtenidos en el anlisis de Conglomerados
En la siguiente tabla se muestran los promedios para cada una de las cinco variables del
anlisis de conglomerados; es decir los centroides para cada uno de los grupos:
Tabla 2.8.3 Ubicacin de los centroides
En la tabla anterior podemos observar como el primer grupo es el que tiene mayores
valores para el caso de las tres variables. Es decir, este grupo se puede considerar el de
mayor actividad econmica; lo cual hace bastante se4ntido por tener estados como
Nuevo Len y el Distrito Federal.
Por el otro lado el grupo tres es el que muestra menos actividad econmica. Sobretodo
en la proporcin de personas que ganan 5 SM. En este grupo se encuentran estados
como Oaxaca, Chiapas o Guerrero donde es conocida la falta de actividad econmica.
Finalmente, no hay mucha diferencia entre los grupos dos y cuatro. Mientras el grupo
dos tiene una mayor proporcin de PEA, el grupo cuatro tiene ms unidades
econmicas. Se tendra que realizar un anlisis ms a profundidad, con un mayor
nmero de variables, para encontrar grupo mejor definidos.
CAPTULO 3:
CASO PRCTICO
3. APLICACIN DEL CASO PRCTICO

3.1 Antecedentes.
La Compaa es una institucin financiera por lo que se cataloga como una empresa
de servicios. Una de las funciones que se realizan dentro de La Compaa es explicar
y dar informacin a los clientes sobre sus estados de cuenta. Es decir la empresa se
ubica en el sector financiero.
Con el fin de mejorar el servicio que brinda a sus clientes, la direccin de La

Compaa elabor un cuestionario de clima laboral para as evaluar la situacin interna
de la empresa, y generar acciones que beneficien en la atencin al cliente.
3.2 Objetivo del Estudio.

El objetivo de esta tesis es determinar si en la empresa La Compaa existe una
relacin directa entre el grado de satisfaccin de los empleados y la disponibilidad o
actitud de servicio.
Adems, si se encuentra una relacin entre satisfaccin y disponibilidad en el servicio,
establecer cuales son los factores que influyen para que el empleado se sienta ms
satisfecho dentro de La Compaa. Es decir, indicar cuales son factores que la
direccin tiene que cuidar para que sus empleados se sientan ms satisfechos con su
trabajo.
3.2 Metodologa del Cuestionario

La Compaa contrat a una empresa de investigacin de mercados experta en
evaluaciones de clima laboral. El diseo del cuestionario consisti en dos etapas: la
primera, una encuesta cualitativa con diversos directores de La Compaa de la cual
se obtuvieron los principales problemas que se perciban en la empresa. En una segunda
etapa, donde se elabor el cuestionario cuantitativo abarcando los distintos temas
propuestos por los directivos.
El cuestionario original cuenta con un total de 74 preguntas divididas en 7 temas

principales (Trabajo en Equipo, Gestin de la Direccin, Gestin del jefe directo,
Comunicacin interna, Herramientas de trabajo, Trato a los Proveedores y Trato a los
Clientes). Este cuestionario se aplic On-line a los directivos y gerentes, mandos medios
y altos, de La Compaa. Una vez analizada la informacin la empresa de
investigacin de mercado entreg las bases y anlisis correspondientes.
3.3. Nivel de Confianza de la Encuesta.

El cuestionario slo se aplic a la gerencia y a los directivos dentro de La Compaa.
Es importante mencionar que el total de empleados de nivel medio es de 473 personas
dentro de la empresa. Es decir, dado que la muestra es de 329 entrevistas se tiene que el
70% de empleados contestaron la encuesta. La Compaa asegur que no se encontr
ninguna tendencia o sesgo de respuesta entre los empleados que contestaron o no
contestaron la encuesta. Los principales motivos por los cuales no se contestaron la
encuesta es que estaban de viaje al momento de realizar la encuesta.
Considerando que el universo, total de empleados, de La Compaa es de 473

personas y el nmero total de encuestas contestadas fue de 329, a un nivel de confianza
del 95%, se obtiene un margen en los resultados es de 2.98%.
3.4 Preguntas del Cuestionario.

Las preguntas que se evaluaron en el cuestionario de clima laboral son las siguientes:
A. Tema satisfaccin
1. Estoy orgulloso de trabajar en la empresa en la que estoy contratado
2. Mi empresa es un buen lugar para trabajar
3. Mi empresa tiene un alto potencial de desarrollo y yo puedo crecer dentro de ella
4. No me gustara cambiarme a otra empresa
5. Puedo expresar libremente mi opinin
6. Estoy satisfecho con mi trabajo
7. No quisiera cambiarme a otra rea dentro de la empresa
B. Tema: Herramientas de trabajo

1. Cuento con las herramientas necesarias para desarrollar mi trabajo
2. El acceso a cursos y capacitacin continua ha contribuido al logro de mis metas
3. Tengo suficiente Informacin sobre: Las prioridades y carga de trabajo del resto
de las reas
4. Tengo suficiente Informacin sobre: Los aspectos de mi trabajo que me permiten
tomar decisiones adecuadas
5. Tengo suficiente Informacin sobre: Las regulaciones (gubernamentales;
internas del grupo o de mi empresa) que norman mi actividad
6. Tengo suficiente Informacin sobre: Los Sistemas Informticos que pueden
ayudarme en mi desempeo
7. Tengo suficiente Informacin sobre: Los Procedimientos y Flujos Operacionales
de mi puesto de trabajo
8. Si necesito informacin s exactamente a dnde o con quin ir
C. Tema: Trabajo en Equipo.

1. Mis compaeros del rea conocen mis funciones y metas
2. Yo apoyo a mis compaeros del rea a cumplir sus metas
3. Mis compaeros del rea me apoyan para cumplir mis metas
4. Mi opinin se toma en cuenta dentro de mi rea o departamento
5. Mi rea; departamento; equipo; est motivado
6. En mi rea compartimos entre todos experiencias y conocimientos
7. Tratamos los conflictos de manera abierta y eficaz
8. Cada miembro del Equipo tiene suficiente autonoma para tomar las decisiones
que se requieren en su rea
9. Si las otras reas o departamentos cumplen sus metas; yo tambin recibo
beneficios
D. Tema: Jefe Directo:

1. Me define objetivos claros; medibles y alcanzables
2. Evala regularmente mi trabajo segn los objetivos
3. Tiene tiempo para escuchar mis ideas
4. Toma las decisiones en el tiempo adecuado
5. Estimula mi participacin en el trabajo del equipo
6. Me evala por colaborar y trabajar en equipo
7. Me facilita la informacin que necesito para cumplir mis metas
8. Trata de manera imparcial a todos los miembros del equipo
9. Facilita mi desarrollo profesional
10. Es tolerante a la crtica
E. Tema: Gestin de la Directiva

1. Es accesible
2. Toma decisiones en correspondencia con los objetivos y metas de la Afore y las
reas
3. Se interesa por las tareas cotidianas
4. Nos motiva adecuadamente
5. Cumple con sus promesas
6. Trabaja en Equipo
7. Gestiona adecuadamente los conflictos internos
8. Est abierto a ideas nuevas e innovadoras
9. Desarrolla flujos operativos y procedimientos que distribuyen adecuadamente la
carga de trabajo
F. Tema: Comunicacin Interna.

1. Correcta (adecuada y objetiva)
2. Oportuna (a tiempo)
3. Llega a todos los que la necesitan
4. Se da un seguimiento adecuado a lo que se comunica
5. El uso del mail como medio de comunicacin en la Afore es de mi entera
satisfaccin
6. La Intranet es una herramienta muy til para realizar mi trabajo
7. Existe una correcta divulgacin de los casos de xito de la empresa
G. Tema: Servicio al cliente interno.

a) Siento que ellos apoyan mi trabajo
b) Les explico adecuadamente a mis Proveedores Internos lo que requiero de ellos
c) Mis Proveedores Internos estn suficientemente capacitados para darme el
servicio que requiero
d) Mis Proveedores Internos estn dispuestos a darme servicio
e) Mis Proveedores Internos conocen mi trabajo y mis necesidades
f) Mis Proveedores Internos me dan el servicio que requiero en el tiempo adecuado
g) Noto favoritismos en la atencin de peticiones de ciertos departamentos o reas
por parte de mis Proveedores Internos
h) Si mis Proveedores Internos tuvieran ms presupuesto; me daran mejor servicio
i) Si mis Proveedores Internos tuvieran una mejor visin de negocio y una mejor
gestin; me daran mejor servicio
j) Cumplo oportunamente con todos los requerimientos que necesitan mis
Proveedores Internos para brindarme un buen servicio.
Las preguntas anteriores se evaluaron en una escala ordinal de cuatro posibles

respuestas: Totalmente de Acuerdo, De Acuerdo, En Desacuerdo y Totalmente en
Desacuerdo.
Adems de las preguntas anteriores, en cuestionario cont con informacin general de
los empleados. Esta informacin es: sexo y edad del entrevistado; antigedad dentro de
la empresa, si tiene subordinados a su cargo y departamento para el cual labora.
3.5 Distribucin de la muestra.

El objetivo de este captulo es realizar una descripcin de la muestra mostrando las
variables demogrficas de los empleados. Como son: sexo, edad, antigedad laboral y
nivel dentro de la empresa y si tiene personal a su cargo.
La base de datos incluye varias caractersticas de los empleados respecto a su sexo,

edad, antigedad y nivel de mando. A continuacin se presenta un resumen de estas
variables:
*) La antigedad se muestra en aos.
Grfica 3.1 Descripcin de la muestra
A continuacin se presenta la distribucin de frecuencia de la muestra respecto a estas

caractersticas demogrficas:
Tabla 3.1 Distribucin por Sexos
La muestra est un poco cargada al sexo masculino; casi dos terceras partes de los
entrevistados son hombres.
Tabla 3.2 Distribucin por Grupos de edades
Respecto a la edad de los empleados dentro de La Compaa, se observa que es una

empresa joven en sus niveles de gerencia y directivos. Casi la mitad de los empleados
estn entre los 25 35 aos de edad. Solamente el 17% son mayores de 45 aos.
Tabla 3.3 Distribucin por Antigedad
La antigedad de los empleados est distribuida por igual entre los diferentes grupos (un
ao o menos, de 2 a 4 aos, de 5 a 7 aos, desde que inici el departamento).
Tabla 3.4 Distribucin por personal a cargo
Finalmente, el ms de la mitad de los entrevistados tienen a su cargo personal dentro de

la empresa. Lo anterior nos confirma que la mayora de los empleados de La
Compaa estn en puestos de mando medio y alto.
Tabla 3.5 Distribucin por Nivel dentro de la Organizacin
Respecto al nivel de desempeo se observa que el grueso de los empleados

entrevistados est en la gerencia media, que son ms de la mitad de la muestra. El
concepto de Otros se refiere a consultores que estn dentro de la empresa y que no
tienen un puesto determinado.
Conclusiones del captulo.

Este captulo describe al empleado promedio de La Compaa; el cual se podra
describir como: preponderantemente hombre; entre las edades de 26 a 35 aos; con ms
de 2 aos trabajando para La Compaa; con colaboradores a su cargo; y finalmente,
trabajando en la gerencia media.
3.6 Estadsticas Descriptivas Top 2 Box.

A continuacin se presenta la tabla de frecuencia de los reactivos con calificaciones ms
altas. El criterio que se utiliz para seleccionar las preguntas fue tener un valor mayor al
90% en Top 2 Box (suma aritmtica del porcentaje de Totalmente de Acuerdo y De
cuerdo). Este indicador se puede utilizar para identificar de forma general cuales son
las preguntas mejor y peor evaluadas por los entrevistados.
Pregunta
Totalmente en
Desacuerdo
Estoy dispuesto a darles servicio a mis Clientes

Internos
Les explico adecuadamente a mis Proveedores
Internos lo que requiero de ellos
Cumplo oportunamente con todos los requerimientos
que necesitan mis Proveedores Internos para
brindarme un buen servicio.
En
Totalmente de
De Acuerdo
Desacuerdo
Acuerdo
Top 2
Box
0%
0%
33%
67%
100%
0%
2%
63%
35%
98%
0%
3%
66%
31%
97%
Mi empresa es un buen lugar para trabajar
1%
3%
33%
63%
96%
Conozco las metas de mi rea y departamento
2%
3%
29%
66%
95%
1%
5%
47%
48%
94%
0%
6%
58%
36%
94%
1%
5%
53%
41%
94%
3%
3%
26%
68%
94%
Conozco las metas de la Afore
1%
6%
36%
57%
93%
Estoy satisfecho con mi trabajo
2%
6%
41%
51%
92%
Me siento parte del Equipo de la Afore
2%
7%
35%
56%
91%
Yo apoyo a mis compaeros del rea a cumplir sus

metas
Les doy a mis Clientes Internos el servicio que
requieren en el tiempo adecuado
Estoy suficientemente capacitado para darles a mis
Clientes Internos el servicio que requieren
Estoy orgulloso de trabajar en la empresa en la que
estoy contratado
Tabla 3.6 Reactivos con Top 2 Box mayores al 90%.
Se puede observar que las principales fortalezas de La Compaa son el servicio al

cliente, conocimiento de metas y el trabajo en equipo. Por otro lado, las oportunidades
de mejora se encuentran en la adecuada divulgacin de la informacin y la motivacin
de los empleados.
La variable de inters, Estoy satisfecho con mi trabajo, se encuentra situada en
onceava posicin (92% en top 2 Box). Es decir, los empleados en general estn
satisfechos dentro de la La Compaa.
Por otro lado, a continuacin se presenta los reactivos con menor calificacin dentro del
cuestionario. El criterio utilizado fue el tener valores de Top 2 Box menores al 70%:
Pregunta
La Comunicacin interna en la Afore es: Oportuna (a
tiempo)
El Equipo de Direccin de la Afore: Nos motiva
adecuadamente
La Comunicacin interna en la Afore llega a todos los que
la necesitan
Si mi rea tuviera una mejor visin de negocio y una
mejor gestin; yo podra darles mejor servicio a mis
Clientes Internos
Mis Proveedores Internos me dan el servicio que
requiero en el tiempo adecuado
Si mis Proveedores Internos tuvieran ms presupuesto;
me daran mejor servicio
Existe una correcta divulgacin de los casos de xito de
la empresa
Tengo suficiente Informacin (y acceso si lo requiero)
sobre: Las prioridades y carga de trabajo del resto de las
reas
Noto favoritismos en la atencin de peticiones de ciertos
departamentos o reas por parte de mis Proveedores
Internos
Mis Clientes Internos notan favoritismos de mi parte en la
atencin de peticiones de ciertos departamentos o reas
Totalmente en
Desacuerdo
En
Desacuerdo
De
Acuerdo
Totalmente
de Acuerdo
Top 2
Box
4%
28%
52%
16%
68%
7%
26%
49%
18%
67%
5%
28%
51%
16%
67%
5%
29%
39%
27%
66%
6%
29%
52%
12%
64%
5%
32%
45%
17%
63%
8%
32%
42%
18%
60%
8%
42%
39%
11%
50%
13%
44%
31%
12%
42%
40%
49%
9%
2%
11%
Tabla 3.7 Reactivos con Top 2 Box menores al 70%.
Como se puede observar en la tabla, las principales reas de oportunidad para La

Compaa se sitan dentro de la comunicacin interna y la relacin con los clientes. Es
importante mencionar que las dos ltimas preguntas estn realizadas en forma
inversa. Es decir, los entrevistados no estn de acuerdo en el favoritismo en la
atencin
Los dos problemas que se pueden observar dentro de la empresa son: en primer lugar, la
comunicacin dentro de la empresa (No tengo suficiente informacin; La
comunicacin interna llega a todos los que la necesitan y Existe una correcta
divulgacin de los casos de xito de la empresa). El segundo problema, es la
percepcin de una pobre atencin al servicio interno de la empresa (Mis proveedores
internos no me dan el servicio que requiero o Noto favoritismos en la atencin de
peticiones de ciertos departamentos).
Conclusiones del captulo.

Por otro lado, la satisfaccin de los empleados dentro de la compaa es bastante
aceptable. El 92% de los empleados est Totalmente de acuerdo o De acuerdo con
la frase: Estoy satisfecho con mi trabajo.
Por otro lado, las reas de oportunidad que se identifican a primera vista dentro de La
Compaa se sitan dentro de la comunicacin interna y la relacin con los clientes; lo
anterior se debe a que las preguntas relacionadas con estos temas fueron las peores
evaluadas.
Nota: El tabulado todas las preguntas del cuestionario se pueden encontrar en los anexos
finales de la tesis.
3.7 Anlisis de la variable Satisfaccin en el trabajo.
El objetivo de este captulo es determinar si existen diferencias en la satisfaccin

dependiendo de algunas caractersticas demogrficas de los empleados dentro de La
Compaa. Para lo anterior se realizarn pruebas Ji-Cuadradas
Como el trabajo dentro de la tesis consiste en determinar cuales son los factores que
influyen en la satisfaccin laboral dentro de la empresa se va a considerar la variable
Estoy Satisfecho con mi Trabajo como la primera variable de estudio.
Como primer paso se obtiene el porcentaje, por rengln, para cada una de las variables
demogrficas. Lo anterior es para determinar a simple vista si hay algn dato que
sobresalga. A continuacin presenta un cuadro resumen del porcentaje de respuesta por
rengln:
Tabla 3.8 Tabla de porcentajes por Rengln
El anlisis muestra que no hay diferencia respecto a la satisfaccin en el trabajo respecto

a al sexo del entrevistado. Sin embargo se observan ciertas diferencias mnimas en los
grupos de edad y el nivel de desempeo dentro de la organizacin. Respecto a la
antigedad dentro de la empresa se observan diferencias considerables con la
satisfaccin en el trabajo.
Como segundo paso se van a elaborar pruebas Ji-Cuadradas para cada una de las
variables demogrficas. A continuacin se presenta la tabla resumen que contiene
todas las pruebas Ji-Cuadradas para cada una de las variables demogrficas:
Tabla 3.9 Tabla contingencia y pruebas Ji-Cuadradas
Se realizaron pruebas Ji-Cuadradas con el objeto de verificar si estas diferencias eran

estadsticamente considerables. Para el caso del sexo del entrevistado la prueba JiCuadrada toma un valor de 6.57, con 3 grados de libertad; lo que nos da un valor pvalue de (0.087). Por lo tanto, como es mayor a 0.05 el p-value no existe dependencia
entre las variables. Es decir, la satisfaccin no depende de la edad del entrevistado.
Para el caso de la edad del entrevistado la Ji-Cuadrada toma un valor de 10.481, con 9
grados de libertad; lo que nos da un valor p-value de (0.313). Por lo tanto, no existe
dependencia entre las variables. Es decir, la satisfaccin no depende de la edad del
entrevistado.
Al obtener la prueba Ji-Cuadrada de si cuenta con colaboradores se obtiene un valor del

estadstico de prueba de 8.841, con 3 grados de libertad; lo que da un p-value de
(0.031). Es decir, el tener colaboradores en la empresa si determina el grado de
satisfaccin dentro del trabajo.
Al obtener la prueba Ji-Cuadrada de la antigedad en la empresa se obtiene un valor del

estadstico de prueba de 38.471, con 12 grados de libertad; lo que da un p-value de cero
prcticamente. Es decir, la antigedad en la empresa si determina el grado de
satisfaccin dentro del trabajo.
Finalmente, al obtener la prueba Ji-Cuadrada del nivel o puesto dentro de la

organizacin, el valor del estadstico de prueba fue de 24.674 con 9 grados de libertad,
lo que da un p-value de 0.003. Es decir, que el nivel de jerarqua dentro de la empresa si
influye sobre la satisfaccin de los empleados.
Conclusiones del Captulo.

Una vez realizadas las pruebas Ji-Cuadradas se puede decir que la satisfaccin laboral
dentro de La Compaa se ve afectada por tres factores: la antigedad de los
empleados en la empresa; si se tienen colaboradores a su cargo; y finalmente, el puesto
que se desempea.
3.8 Definicin de grupos para la satisfaccin de los empleados.
El cuestionario de clima laboral que aplic La Compaa contena siete preguntas

relacionadas con la satisfaccin en el trabajo. Es importante mencionar que estas
preguntas estn sumamente correlacionadas por tratarse del mismo tema.
Mediante seis preguntas se van a generar un anlisis de correspondencia mltiple que

nos permita construir y clasificar a los empleados con base a su satisfaccin laboral.
Mediante la sptima variable (Estoy satisfecho en mi trabajo) se va a validar si la
clasificacin es la adecuada.
Las seis variables que se utilizarn para el modelo de correspondencia mltiple son:
1. Estoy orgulloso de trabajar en la empresa en la que estoy contratado
2. Mi empresa es un buen lugar para trabajar
3. Mi empresa tiene un alto potencial de desarrollo y yo puedo crecer dentro de ella
4. No me gustara cambiarme a otra empresa
5. Puedo expresar libremente mi opinin
6. No quisiera cambiarme a otra rea dentro de la empresa
Resumen del modelo:
Tabla 3.10 Modelo de Correspondencia Mltiple para la satisfaccin
Como se muestra en la tabla, la primer componente (dimensin 1) explica ms de la

variabilidad de la informacin de las seis variables consideradas en el anlisis. Lo
anterior indica que las variables estn muy correlacionadas entre si. Las dos
dimensiones en conjunto explican el 92% de la variabilidad total Es importante
mencionar las dos componentes explican prcticamente las mismas variables; sin
embargo la dimensin 1 est ms relacionada con Mi empresa es un buen lugar para
trabajar.
Dimensin 1
Dimensin 2
Promedio
Satisfaccin: Mi empresa tiene un alto potencial de

desarrollo y yo puedo crecer dentro de ella
67%
54%
60%
Satisfaccin: No me gustara cambiarme a otra

empresa
67%
45%
56%
Satisfaccin: Estoy orgulloso de trabajar en la empresa

en la que estoy contratado
58%
42%
50%
Satisfaccin:Mi empresa es un buen lugar para trabajar
64%
32%
48%
Satisfaccin: Puedo expresar libremente mi opinin
39%
26%
32%
Satisfaccin:No quisiera cambiarme a otra rea dentro

de la empresa
29%
28%
29%
54%
38%
46%
% of Variance
Tabla 3.11 Medidas discriminantes para el modelo de Correspondencia Mltiple - Satisfaccin
Una vez que se generaron estos dos componentes mediante un anlisis de cluster se van
a generar 3 grupos. El objetivo es que estos grupos estn segmentados por la variable de
nivel de satisfaccin en el trabajo. Al generara el anlisis de cluster los grupos quedaron
distribuidos de la siguiente forma:
Tabla 3.12 Nmero de casos por Clusters.
Mediante una prueba Ji-Cuadrada entre el los grupos del cluster y la pregunta control
(Estoy satisfecho en mi trabajo) se corrobor que si existe diferencia estadstica
significativa entre los grupos y el grado de satisfaccin.
Tabla 3.13 Distribucin de la satisfaccin laboral por Cluster
La tabla anterior muestra como en el Grupo 3 casi tres cuartas partes de los
entrevistados est totalmente de acuerdo que esta satisfecho con su trabajo. En el Grupo
2 casi dos terceras partes respondieron estar de acuerdo. Finalmente, el Grupo 1 el 43%
responder estar en desacuerdo; sin embargo es importante mencionar que hay pocos
individuos en este grupo para considerarlo en el anlisis.
Del anlisis anterior determinamos que el Grupo 3 est conformado por personas
satisfechas en su trabajo; las cuales les denominaremos Motivados. El Grupo 2 est
las personas que no estn del todo satisfechas en su trabajo; las cuales les
denominaremos Promedio. Finalmente, tenemos al primer grupo los que no estn a
gusto en su trabajo; sin embargo como slo cuenta con 14 entrevistados este grupo no lo
consideraremos dentro de los anlisis posteriores.
Es importante mencionar que si bien el nmero de grupos con el que se gener el

anlisis de cluster fue arbitrario, 3 grupos; se obtienen resultados bastante congruentes
con la pregunta control. Es decir prcticamente el total de entrevistados (93%)
respondieron en estar De acuerdo y Totalmente de acuerdo respecto a su
satisfaccin laboral. Por lo anterior, se considera adecuado tener una clasificacin de
dos grupos
3.9 Efecto de la Satisfaccin Laboral en la Intensin de Servicio.

Una vez identificados los dos grupos respecto a la satisfaccin laboral, Motivados y
Promedios, se pretende comprobar que los empleados de estos dos grupos tienen
diferentes actitudes respecto a la disposicin en el servicio.
Dado que el cuestionario original tiene cinco preguntas relacionadas con la disposicin
del servicio se decidi realizar un anlisis de correspondencias mltiple para
aprovechar la informacin de todas las variables. Las preguntas relacionadas con la
disposicin del servicio son:
1. Mis Clientes Internos me explican adecuadamente lo que requieren de m
2. Estoy suficientemente capacitado para darles a mis Clientes Internos el servicio
que requieren
3. Estoy dispuesto a darles servicio a mis Clientes Internos
4. Conozco el trabajo y las necesidades de mis Clientes Internos
5. Les doy a mis Clientes Internos el servicio que requieren en el tiempo adecuado
En el anlisis de componentes principales slo se obtuvo una componente, o dimensin;

lo anterior se debe a que en esta ocasin no requerimos hacer grupos sino simplemente
generar un ndice y compararlo respecto a los dos grupos generados con base a la
satisfaccin laboral.
Tabla 3.14 Resumen del Modelo de componentes Principales Mltiple - Servicio
Nuevamente se observa que las preguntas relacionadas con la disposicin con el

servicio estn sumamente relacionadas. Esto de explica porque la primer componente
explica ms de la mitad de la variabilidad de las cinco pregunta. Lo cual es bastante
consistente por tratarse de preguntas relacionadas con el mismo tema. Por otro lado, el
Alfa de Cronbach es muy cercano a uno; lo que nos asegura la fiabilidad de la escala en
las preguntas de Servicio.
A continuacin se presenta la relacin de cada una de las variables con el ndice de

servicio generado; la variable ms relacionada con el ndice es: Les doy a mis Clientes
Internos el servicio que requieren en el tiempo adecuado.
Tabla 3.15 Medidas discriminantes para el modelo de Correspondencia Mltiple - Servicio
Para corroborar la efectividad del ndice de servicio se considera la pregunta Estoy

dispuesto a darle servicio a mis clientes internos y mediante una grfica de intervalos
de confianza se observa que el ndice segmenta muy bien entre los entrevistados
dispuestos a darle servicio interno a los clientes. Es importante remarcar que el ndice
qued invertido; es decir, entre menor sea el valor del ndice, el entrevistado tiene
mayor disposicin al servicio.
Grfica 3.1 Intervalo de confianza para el ndice de servicio.
Una vez generado el ndice de servicio, mediante una grfica de intervalos de confianza
se va a determinar si existe una relacin directa entre la satisfaccin laboral y la
disposicin en el servicio.
En la grfica anterior se observa como existe diferencia estadstica entre el grupo de

Motivados vs. el grupo Promedio. Dado que el ndice de disposicin en el servicio
es inverso, la grfica demuestra que el grupo de los Motivados tiene una mejor
disposicin al servicio interno.
Es importante mencionar que el grupo de los Deprimidos slo cuenta con 14

entrevistados por lo cual el ancho del intervalo de confianza es considerablemente
mayor al de los dos otros grupos. Por esta misma razn n se tiene suficiente informacin
para determinar el perfil de este grupo respecto al servicio.
3.10 ndices por Categora

Como se coment anteriormente el cuestionario aplicado por La Compaa est
estructurado en siete diferentes rubros; los cuales tienen una serie de preguntas
relacionadas.
Para utilizar toda la informacin posible, todas las preguntas de cada rubro, se realizarn
modelos de correspondencia mltiple para cada una de los rubros. Es importante
mencionar que en cada modelo slo se va a calcular la primera componente; ya que el
objetivo es precisamente generar un ndice. El objetivo es determinar un ndice que
resuma la informacin de cada rubro y as resumir la informacin lo ms posible.
A. ndice Jefe Directo.

Para determinar el modelo de correspondencias mltiples para el rubro de jefe directo se
consideraron las siguientes preguntas del cuestionario:
1. Me define objetivos claros; medibles y alcanzables
2. Evala regularmente mi trabajo segn los objetivos
3. Tiene tiempo para escuchar mis ideas
4. Toma las decisiones en el tiempo adecuado
5. Estimula mi participacin en el trabajo del equipo
6. Me evala por colaborar y trabajar en equipo
7. Me facilita la informacin que necesito para cumplir mis metas
8. Trata de manera imparcial a todos los miembros del equipo
9. Facilita mi desarrollo profesional
10. Es tolerante a la crtica
En este caso, la primera componente resume cerca de tres cuartas partes de la
variabilidad de todas las variables. La variable que menos explica la componente tiene
una relacin del 61% con esta.
A continuacin se muestran los resultados del anlisis de correspondencias mltiples

para las variables relacionadas con el jefe directo dentro de la empresa:
Tabla 3.16 Resumen del Modelo de componentes Principales Mltiple Jefe Directo
En este caso, la primera componente resume casi tres cuartas partes de la variabilidad de
todas las variables. Por otro lado, el coeficiente de Alfa de Cronbach es muy cercano a
uno lo que nos asegura la fiabilidad de la escala para las preguntas relacionadas con el
jefe directo.
La siguiente tabla muestra la relacin de cada una de las variables con el ndice de Jefe
Directo. La variable que menos se asocia con el ndice tiene una relacin del 61% con
esta.
Tabla 3.17 Medidas discriminantes del modelo: Correspondencia Mltiple Jefe Directo
Por otro lado, los tres reactivos ms asociados con la componente son: la evaluacin del
jefe directo por colaborar y trabajar en equipo; definir los objetivos claros medibles y
alcanzables; y finalmente, facilitar la informacin para cumplir las metas. Es importante
mencionar que prcticamente las tres variables son explicadas en la misma proporcin.
La siguiente tabla muestra los promedios del ndice de Jefe directo para cada una de
las preguntas y sus respectivas respuestas.
Tabla 3.18 Validacin del ndice Jefe Directo
Se puede observar que en la respuesta Totalmente en desacuerdo el ndice toma

valores negativos a diferencia del resto de las preguntas. Lo anterior muestra que el
ndice tiene una relacin inversa respecto a la percepcin del jefe directo. Es decir, entre
menor sea el valor del ndice la percepcin del empleado de su jefe es mejor.
Una vez construido el ndice de Jefe Directo se realiza una grfica de intervalos de
confianza respecto a los grupos de satisfaccin para determinar si existe diferencias.
Grfica 3.3 Intervalo de confianza para el ndice de Jefe Directo.
Como se observa el la grfica anterior si existe diferencia respecto a la percepcin que

tienen los empleados Motivados de los empleados Promedios. Es decir, la relacin
entre empleado y jefe directo es mejor entre los entrevistados del grupo Motivados.
B. ndice en Comunicacin.
Para determinar el modelo de correspondencias mltiples para el rubro de comunicacin
se consideraron las siguientes preguntas del cuestionario:
1. La Comunicacin interna en la Afore es: Correcta (adecuada y objetiva)
2. La Comunicacin interna en la Afore es: Oportuna (a tiempo)
3. La Comunicacin interna en la Afore llega a todos los que la necesitan
4. Se da un seguimiento adecuado a lo que se comunica
5. El uso del mail como medio de comunicacin en la Afore es de mi entera
satisfaccin
6. La Intrafore es una herramienta muy til para realizar mi trabajo
7. Existe una correcta divulgacin de los casos de xito de la empresa

para las variables relacionadas con la comunicacin interna dentro de la empresa:
Tabla 3.19 Resumen del Modelo de componentes Principales Mltiple - Comunicacin

variabilidad de todas las variables. Por otro lado el coeficiente de Alfa de Cronbach es
muy cercano a uno lo que nos asegura la fiabilidad de la escala para las preguntas de
comunicacin.
La siguiente tabla muestra la relacin de cada una de las variables con el ndice de
comunicacin. La variable que menos explica la componente tiene una relacin del 61%
con esta.
Tabla 3.20 Medidas discriminantes del modelo: Correspondencia Mltiple Comunicacin
Los tres reactivos ms asociados con la componente son: la comunicacin dentro de la

Afore es oportuna; la informacin es correcta y la informacin llega a todos los que la
necesitan. Es importante mencionar que de las siete variables del modelo, el ndice esta
relacionada altamente con las cuatro primeras.
La siguiente tabla muestra los promedios del ndice de Comunicacin para cada una
de las preguntas y sus respectivas respuestas.
Tabla 3.21 Validacin del ndice Comunicacin.

valores negativos a diferencia del resto de las preguntas. Lo anterior indica que el ndice
tiene una relacin inversa respecto a la percepcin de la comunicacin. Es decir, entre
menor sea el valor del ndice la percepcin del empleado respecto a la comunicacin es
mejor.
Una vez construido el ndice de Comunicacin se realiza una grfica de intervalos de

confianza respecto a los grupos de satisfaccin para determinar si existen diferencias.
Grfica 3.4 Intervalo de confianza para el ndice de Comunicacin..
Como se observa el la grfica anterior si existe diferencia respecto a la comunicacin

entre los empleados Motivados de los empleados Promedios. Es decir, la
percepcin de la comunicacin es mejor entre los entrevistados del grupo Motivados.
C. ndice de Gestin de la Direccin.

Para determinar el modelo de correspondencias mltiples para el rubro de comunicacin
se consideraron las siguientes preguntas del cuestionario:
1. El Equipo de Direccin de la Afore: Es accesible
2. Toma decisiones en correspondencia con los objetivos y metas de la Afore y las
reas
3. Se interesa por las tareas cotidianas
4. Nos motiva adecuadamente
5. Cumple con sus promesas
6. El Equipo de Direccin de la Afore: Trabaja en Equipo
7. Gestiona adecuadamente los conflictos internos
8. Est abierto a ideas nuevas e innovadoras
9. Desarrolla flujos operativos y procedimientos que distribuyen adecuadamente la
carga de trabajo.

para las variables relacionadas con la gestin de la direccin dentro de la empresa:
Tabla 3.22 Resumen del Modelo de componentes Principales Mltiple Gestin de la Direccin
En este caso, la primera componente resume cerca de dos terceras partes de la

variabilidad de todas las variables. Nuevamente el coeficiente de Alfa de Cronbach es
muy cercano a uno lo que nos asegura la fiabilidad de la escala para las preguntas de
relacionadas con la Gestin de la Direccin.

variabilidad de todas las variables. La variable que menos explica la componente tiene
una relacin del 61% con esta.
Tabla 3.23 Medidas discriminantes del modelo: Correspondencia Mltiple Gestin de la Direccin
Los dos reactivos ms asociados con la componente son: la motivacin de trabajar en

equipo y propiamente la motivacin de los empleados. Es importante mencionar que la
mayora de las variables estn relacionadas con el ndice en igual proporcin. La
variable ms relacionada tiene un 75%, mientras que la de menor relacin un 63%; es
decir slo 12% de diferencia.
La siguiente tabla muestra los promedios del ndice de Jefe directo para cada una de
Tabla 3.24 Validacin del ndice Gestin de la Direccin.

valores negativos a diferencia del resto de las preguntas. Lo anterior indica que el ndice
tiene una relacin inversa respecto a la percepcin en la gestin de la direccin. Es
decir, entre menor sea el valor del ndice la percepcin del empleado respecto a la
gestin de la direccin es mejor.
Una vez construido el ndice de Gestin de la Direccin se realiza una grfica de

intervalos de confianza respecto a los grupos de satisfaccin para determinar si existen
diferencias.
Como se observa el la grfica anterior si existe diferencia respecto a la comunicacin

entre los empleados Motivados de los empleados Promedios. Es decir, la
percepcin en la gestin de la es mejor entre los entrevistados del grupo Motivados.
D. ndice de Informacin.
Para determinar el modelo de correspondencias mltiples para el rubro de la
informacin dentro de la empresa se consideraron las siguientes preguntas del
cuestionario:
1. Tengo suficiente Informacin (y acceso si lo requiero) sobre: Las prioridades y
carga de trabajo del resto de las reas
2. Tengo suficiente Informacin (y acceso si lo requiero) sobre: Los aspectos de mi
trabajo que me permiten tomar decisiones adecuadas
3. Tengo suficiente Informacin (y acceso si lo requiero) sobre: Las regulaciones
(gubernamentales; internas del grupo o de mi empresa) que norman mi actividad
4. Tengo suficiente Informacin (y acceso si lo requiero) sobre: Los Sistemas
Informticos que pueden ayudarme en mi desempeo
5. Tengo suficiente Informacin (y acceso si lo requiero) sobre: Los
Procedimientos y Flujos Operacionales de mi puesto de trabajo
6. Si necesito informacin s exactamente a dnde o con quin ir

para las variables relacionadas con la Comunicacin interna dentro de la empresa:
Tabla 3.25 Resumen del Modelo de componentes Principales Mltiple - Comunicacin
En este caso, la primera componente resume cerca del 60% de la variabilidad de todas
las variables. Por otro lado, el coeficiente de Alfa de Cronbach es muy cercano a uno lo
que nos asegura la fiabilidad de la escala para las preguntas relacionadas con la
informacin.
informacin. La variable que menos explica la componente tiene una relacin del 59%
con esta.
Tabla 3.26 Medidas discriminantes del modelo: Correspondencia Mltiple Informacin
Los dos reactivos ms asociados con la componente son: la informacin sobre procesos
y flujos operativos y los aspectos sobre el trabajo para la toma de desiciones. Es
importante mencionar las dos variables con menor relacin con el ndice inclusive
alcanzan 50% de relacin.
La siguiente tabla muestra los promedios del ndice de Informacin para cada una de
Tabla 3.27 Validacin del ndice Informacin
A diferencia de otros ndices, se puede observar que en la respuesta Totalmente de

Acuerdo el ndice toma valores positivos. Lo anterior indica que el ndice tiene una
relacin positiva con relacin a la informacin general de la empresa. Es decir, entre
mayor sea el valor del ndice la percepcin del empleado respecto a la informacin es
mejor.
Una vez construido el ndice de Informacin se realiza una grfica de intervalos de

Como se observa el la grfica anterior, si existe diferencia respecto al grado de

informacin que tienen acceso los empleados Motivados de los empleados
Promedios.
E. ndice de trabajo en equipo.

Para determinar el modelo de correspondencias mltiples para el rubro de la
informacin dentro de la empresa se consideraron las siguientes preguntas del
cuestionario:
1. Mis compaeros del rea conocen mis funciones y metas
2. Yo apoyo a mis compaeros del rea a cumplir sus metas
3. Mis compaeros del rea me apoyan para cumplir mis metas
4. Mi opinin se toma en cuenta dentro de mi rea o departamento
5. Mi rea; departamento; equipo; est motivado
6. En mi rea compartimos entre todas experiencias y conocimientos
7. Tratamos los conflictos de manera abierta y eficaz
8. Cada miembro del Equipo tiene suficiente autonoma para tomar las decisiones
que se requieren en su rea
9. Si las otras reas o departamentos cumplen sus metas; yo tambin recibo
beneficios
A continuacin se muestran los resultados del anlisis de componentes principales

Mltiples para las variables relacionadas con la Comunicacin interna dentro de la
empresa:
Tabla 3.28 Resumen del Modelo de componentes Principales Mltiple Trabajo en Equipo
En este caso, la primera componente resume cerca del 54% de la variabilidad de todas
las variables. Por otro lado, el coeficiente de Alfa de Cronbach es muy cercano a uno lo
que nos asegura la fiabilidad de la escala para las preguntas relacionadas con el trabajo
en equipo.
trabajo en equipo. La variable que menos explica la componente tiene una relacin del
30% con esta; la cual es considerablemente baja.
Tabla 3.29 Medidas discriminantes del modelo: Correspondencia Mltiple Trabajo en Equipo
Los tres reactivos ms asociados con la componente son: el compartir la experiencia y el

conocimiento; el tratar los conflictos de forma abierta; y finalmente, el tomar en cuenta
la opinin de los empleados en el trabajo. Es importante mencionar la variable con
menor relacin con el ndice 30% de relacin.
La siguiente tabla muestra los promedios del ndice de Equipo de trabajo para cada
una de las preguntas y sus respectivas respuestas.
Tabla 3.30 Validacin del ndice Trabajo en Equipo
Nuevamente, se puede observar que en la respuesta Totalmente de Acuerdo del ndice

toma valores negativo. Lo anterior, muestra que el ndice tiene una relacin negativa
con relacin en los equipos de trabajo. Es decir, entre menor sea el valor del ndice la
percepcin del empleado respecto al equipo es mejor.
Una vez construido el ndice de Equipo se realiza una grfica de intervalos de

Como se observa el la grfica anterior, si existe diferencia respecto a la percepcin del

trabajo en equipo dentro de la empresa de los empleados Motivados de los empleados
Promedios.
Conclusiones del Captulo.

Una vez definido los tres grupos (Deprimidos, Promedios y Motivados) es
importante mencionar que en los cinco ndices generados se encontraron diferencias
entre los grupos. Lo anterior indica que el comportamiento de ambos grupos es distinto
y tiene que ver con la satisfaccin laboral por la construccin de los grupos.
El siguiente paso de la tesis es determinar cul de los ndices generados tiene un mayor
impacto dentro de la satisfaccin de los empleados para as poder realizar acciones
concretas que beneficien a La Compaa.
3.11 Correlacin entre los ndices.

Una vez generado los cinco ndices (jefe directo, gestin de la direccin, informacin,
comunicacin y trabajo en equipo) se intenta obtener una regresin respecto a la
satisfaccin en el trabajo. Lo anterior, para determinar cul de los ndices influye ms
para la satisfaccin laboral dentro de la empresa..
Debido a que el sentido de los ndices no es el mismo en todos los casos, ndices
negativos y positivos respecto a la satisfaccin laboral, se multiplican por (-1) los cuatro
ndices negativos (jefe directo, gestin de la direccin, comunicacin y equipo de
trabajo).
Tabla 3.31 Correlacin de los ndices
La tabla de correlaciones muestra que los cinco ndices estn sumamente

correlacionados; la menor correlacin es de 0.46 que es bastante alta. Por lo anterior, no
es posible correr una regresin de forma directa; ya que uno de los supuestos de este
modelo es la independencia entre las variables.
Mediante un anlisis de factores aplicado a los ndices, se pretende obtener 5 factores

independientes entre s. Es importante mencionar que el anlisis factorial generalmente
se utiliza para resumir informacin; sin embargo mediante una transformacin de
Varimax podemos encontrar factores independientes donde cada factor explique una
variable.
3.12 Anlisis Factorial con Transformacin Varimax.

Se consideran los cinco ndices generados para correr el modelo de anlisis factorial con
Transformacin Varimax.
Tabla 3.32 Variabilidad Explicada por el Modelo Factorial Rotado
Al observar la tabla resultante del anlisis factorial observamos que la prime

componente en los factores iniciales explica el 69%; esto se obtiene porque los ndices
estn sumamente correlacionados. Por el mismo efecto, el resto de las componentes
iniciales explican muy poca variabilidad. Inclusive la ltima componente inicial slo
explica el 4% de la variabilidad.
Por otro lado, en la rotacin mediante el mtodo de Varimax, observamos que cada una
de las componentes explica casi la misma proporcin de variabilidad, entre un 21% y
19%. La ventaja de este mtodo es que ahora las componentes generadas son totalmente
independientes entre si. A continuacin se presenta una tabla donde se muestra la
relacin entre los componentes y los ndices.
Tabla 3.33 Variabilidad Explicada por cada Componente
La tabla muestra como la primera componente est relacionada con el ndice de Jefe
Directo; la segunda componente explica el ndice de Trabajo en Equipo; la tercera
componente est relacionada con el ndice de la Comunicacin; la cuarta componente
explica la Gestin de la Direccin; y finalmente, la ltima componente explica la
informacin dentro de la empresa.
3.13 Modelo de Regresin Lineal Mltiple.

Una vez que se generaron las componentes y se estableci una relacin con los distintos
ndices, se realizar un modelo de regresin mltiple para ver si existe una relacin de
los ndices con a la satisfaccin laboral. El modelo anterior nos determinar cuales
ndices y en que medida contribuyen con la satisfaccin de los empleados dentro de la
empresa.
Al generar un modelo con todos los entrevistados, empleados que conforman los tres
grupos de satisfaccin (Motivados, Promedio y Pesimistas) se obtuvieron los siguientes
resultados en el Modelo de Regresin 1:
El ajuste del modelo esta dado por:
Tabla 3.34 Resultados de Modelo de Regresin 1
La tabla Anova tiene los siguientes resultados:
Tabla 3.34 Tabla ANOVA del Modelo de Regresin 1
El primer criterio que se debe considerar es la significancia de la tabla Anova; La cual

es una prueba donde nos cercioramos que todas las s sean distintas a cero. En la tabla
anterior se muestra que la significacia es cero. Como segundo criterio tenemos valor de
R2 de 0.5; que es bastante adecuado en este tipo de modelos. Sin embargo al obtener la
grfica de P-P de normalidad observamos que no forma la recta de 45 grados. Es decir
que nuestro modelo tiene sesgos.
A continuacin se muestra la grfica P-P:
Grfica 3.8 Grafica P-P para el Modelo de Regresin1.
Al realizar una grafica segmentada por los grupos de satisfaccin se muestra como el
modelo est sobre estimando algunos valores cuando la satisfaccin en el empleado es
baja, grupo de los Pesimistas.
Al generar una grfica entre el factor de satisfaccin y los valores proyectados por el
modelo de regresin segmentado por el grupo de satisfaccin laboral, podemos observar
como el modelo sobre estima el factor en el grupo de los Deprimidos. Dado que en
este grupo el nmero de casos (14 entrevistados) es bastante inferior a los otros dos
grupos se decide quitar este grupo dentro de la regresin mltiple para ver si mejoran la
grfica de los residuales.
3.14 Modelo de Regresin Lineal Mltiple Dos Grupos

Para este modelo de regresin mltiple slo se van a considerar los grupos de
satisfaccin de Motivados y Promedio. La variable a explicar es el factor de
satisfaccin y las variables explicativas son las cinco componentes generadas.
El ajuste del modelo esta dado por:
Tabla 3.35 Resultados del Modelo de Regresin 2
Tabla 3.36 Resultados de la tabla ANOVA en la Regresin 2
Nuevamente, la significancia de la tabla Anova es favorable. Mientras que el valor de la

R2 de 0.47; aunque es menor que el primer modelo es bastante aceptable. Al observar la
grfica P-P de esta modelo observamos que mejora considerablemente:
Grfica 3.10 Grafica P-P para el Modelo de Regresin1.
Con estos resultados validamos el modelo de regresin lineal como funcional. Ahora
pasemos al anlisis de los coeficientes de la regresin:
Tabla 3.37 Coeficientes del Modelo de Regresin 2
Es importante mencionar que no todas las variables (ndices) incluidos en la regresin

son importantes. Al considerar una significancia de 0.05 como criterio para determinar
si una variable entra o no al modelo, tenemos que el ndice sobre la informacin, el
ndice de comunicacin y el relacionado con el Jefe Directo no deben de ser
considerados en el nuevo modelo.
3.15 Modelo de Regresin Lineal Mltiple con Variables Significativas

Es importante mencionar que, por lo general, en estadstica entre ms simple sea el
modelo se considera una mejor herramienta. Por lo anterior, decidimos correr
nuevamente un modelo de regresin lineal slo con las variables significativas; es decir,
excluyendo el ndice de Informacin, Jefe Directo y Comunicacin.
Nuevamente los resultados del modelo de regresin son:
Tabla 3.38 Resultados del Modelo de Regresin 3
Tabla 3.39 Tabla ANOVA del Modelo de Regresin 3
Como era de esperarse los resultados de la tabla Anova y la R2 no cambiaron de forma

radical respecto al modelo anterior. La diferencia en la R2 entre ambos modelos fue de
(0.003). Mientras que el valor de la ANOVA sigui siendo igual a cero.
Nuevamente mostramos la grfica P-P para mostrar el comportamiento de los

residuales; los cuales siguen teniendo un comportamiento Nornal.
Grfica 3.11 Grafica P-P para el Modelo de Regresin 3.
La siguiente tabla muestra como los dos ndices siguen siendo significativos:
Tabla 3.40 Coeficientes del Modelo de Regresin 3
En esta tabla podemos identificar los ndices de mayor relevancia para la satisfaccin de
los empleados por medio de los coeficientes estandarizados. Se observa que el ndice
de Gestin de la Direccin es el que ms explica dentro del modelo de regresin. Sin
embargo el ndice relacionado con el quipo de trabajo tambin es importante.
Finalmente, la constante tiene poca influencia en el modelo. Respecto a las dos
variables entes mencionadas.
Para corroborar el efecto de los ndices en la satisfaccin de los empleados vamos a

obtener las estadsticas descriptivas para cada uno de los grupos:
Tabla 3.41 Validacin de los grupos de empleados
La tabla anterior muestra como los promedios en todos los ndices es mayor en el grupo
de los Motivados. Es importante recordar que los ndices generados tienen una media
de cero y una varianza de uno; lo que nos permite comparar los ndices entre s para el
caso del promedio. De lo anterior podemos concluir que los empleados del grupo
Motivado sus promedios ms altos estn ubicados en el Trabajo en equipo y la
Gestin de la Direccin.
Al observar las medias en el grupo Promedio observamos que el ndice con valor ms
alto es el ndice de jefe directo y posteriormente el ndice de informacin; estos dos
mismos ndices son los mejor evaluados en el grupo de los Deprimidos. Es decir,
estos dos grupos tienen percepciones diferentes respecto al grupo de los Motivados.
A partir del anlisis anterior, podemos llegar a la conclusin si la La Compaa

quisiera mejorar el servicio al cliente interno se debe de enfocar a motivar la relacin
entre los equipos de trabajo y mejorar la percepcin de los empleados respecto a la
gestin de la direccin. Utilizar esfuerzos para la mejora de la comunicacin o mejorar
las relaciones con los jefes directos no se vern reflejados en una mejora del servicio al
cliente.
PASOS
OBJETIVO
RESULTADO
HERRAMIENTA
ESTADSTICA
Encontrar si existan
diferentes grados de
satisfaccin dentro de los
empleados de la empresa.
Se determinaron tres
grupos con base al nivel
de satisfaccin laboral
dentro de la empresa
Anlisis de
Conglomerados para
generar grupos de
satisfaccin laboral
Comprobar la hiptesis: los

empleados que estn
satisfechos en su trabajo
tienen mayor disposicin al
servicio interno.
Si encontr que los

empleados que estn ms
satisfechos con su
situacin laboral tienen
mayor disposicin al
servicio interno.
Intervalos de
confianza de los
grupos generados
aplicado al ndice de
servicio al cliente
interno
Determinar cuales eran los

factores que ms influan en
la satisfaccin de los
empleados
Los dos factores que

estn ms relacionados
con la satisfaccin de los
empleados dentro de la
empresa son: la relacin
con equipos de trabajo y
percepcin de la gestin
de la direccin.
Anlisis de
correspondencia
mltiples para
generar ndices y
anlisis de regresin
para identificar los
factores relevantes.
CAPTULO 4:
CONCLUSIONES
4.1 CONCLUSIONES CASO PRCTICO.

La tesis tuvo como primer objetivo determinar si la satisfaccin de los empleados en el
trabajo tena implicaciones directas en el servicio a los clientes internos dentro de una
empresa. Adems, como segundo objetivo, de poder identificar cuales eran los
elementos que influan en la satisfaccin los empleados, con objeto de establecer
mecanismos para promover estos factores dentro de los empleados.
La informacin se obtuvo a partir de una encuesta de clima laboral que se realiz a os
empleados de una compaa de Afores. Dicha encuesta estaba dividida en diferentes
rubros acerca de la empresa: satisfaccin laboral; disposicin al servicio interno; la
relacin con el jefe directo; percepcin sobre la gestin de la direccin; la relacin con
el equipo de trabajo; disposicin de la informacin dentro de la empresa; y finalmente,
la comunicacin dentro de la empresa.
La primera parte del estudio consisti en determinar grupos de empleados con base al
nivel de satisfaccin que tenan respecto a su trabajo. Con base a un modelo de anlisis
de correspondencias mltiples se generaron dos componentes y aplicndoles un anlisis
de cluster se formaron tres grupos: Motivados con en total de 171 empleados; los
Promedio con un total de 143 empleados; y finalmente, los Desmotivados con 14
empleados. Mediante el ejercicio anterior se determin que existan diferentes niveles
de satisfaccin laboral dentro de la empresa.
Para probar la primera hiptesis de la tesis (Los empleados que estn satisfechos en su
trabajo tienen mayor disposicin al servicio interno) se corri un anlisis para
determinar si exista diferencia entre los grupos (Motivados, Promedio y Desmotivados)
y un ndice de servicio interno dentro de la empresa. Finalmente, se encontr una
diferencia significativa respecto al ndice; lo que valid la hiptesis mencionada.
Para cumplir con el segundo objetivo de la tesis (determinar cuales eran los factores
que hacan a los empleados estuvieran satisfechos con su trabajo) se realiz un ndice
para cada uno de los rubros del cuestionario (jefe directo, gestin de la informacin,
trabajo en equipo, comunicacin en la empresa y disposicin de la informacin) y se
trat de encontrar una relacin respecto al ndice de satisfaccin laboral.
Una vez generados los cinco ndices, mediante una regresin mltiple entre la primer
dimensin del anlisis de correspondencia para la satisfaccin laboral y los cinco
ndices mencionados anteriormente, se trat de identificar cuales eran los elementos ms
importantes para la satisfaccin de los empleados. Despus de realizar varios ajustes al
modelo, finalmente se corri una regresin mltiple con los dos factores que estaban
relacionados con la satisfaccin en la empresa: relacin con equipos de trabajo y
percepcin de la gestin de la direccin.
Como conclusin final de la tesis podemos afirmar, en primer lugar, que en el caso de
La Compaa se cumple la teora de que empleados satisfechos con su trabajo dan un
mejor servicio, en este caso servicio al cliente interno.
Como segunda conclusin podemos afirmar que los factores que ms influyen para la
satisfaccin de los empleados en La Compaa es la percepcin de los empleados
respecto a la gestin de la direccin y el grado de compaerismo que hay dentro de los
equipos de trabajo. Es decir, si La Compaaquiere aumentar el servicio interno
tendra que mejorar la percepcin de estos dos aspectos dentro de sus empleados; para
que aumentara la satisfaccin de los empleados y su vez el servicio interno.
4.2 CONCLUSIONES GENERALES
Los resultados del caso prctico confirman la hiptesis que los empleados satisfechos
con su trabajo tienen un mejor desempeo con los clientes en las empresas enfocadas al
servicio. Sin embargo es importante mencionar que en los ltimos aos este tipo de
investigaciones, buscar la relacin entre empleados satisfechos y rendimiento, se han
realizado en diversas partes del mundo.
Por ejemplo recientemente en Espaa la empresa Randstad realiz una encuesta a

personas relacionadas con recursos humanos encontrando los siguientes resultados: El
90% de los trabajadores considera que el lugar donde trabaja influye "bastante o
mucho" en su productividad y slo un 3% de los empleados considera que su entorno
laboral no tiene "ninguna influencia". Adems
la encuesta incluye
cinco
recomendaciones para conseguir un puesto de trabajo "feliz": mantener una temperatura

ambiente de 21C; proteger la oficina contra los ruidos excesivos, tener una intensidad
de luz adecuada, asegurarse de que nadie fume y utilizar tcnicas que favorezcan la
percepcin de que se trabaja en espacios amplios.17
Estos esfuerzos muestran la necesidad y la importancia que han adquirido en los ltimos
aos las teoras de relacionadas con la importancia y el valor de los clientes en las
empresas. Teoras como la de Jan Carlzon o Kart Albretch donde el cliente es
sumamente importante pero sin perder de vista a los empleados.
Es importante no perder de vista el panorama que se prev para los siguientes aos en
torno al desarrollo de los empleados. Los avances tecnolgicos por un lado van y han
ayudado a darles un mejor servicio a los clientes. Por ejemplo podemos mencionar
Internet, donde los bancos han revolucionado ofrecindoles a sus clientes la capacidad
de realizar transacciones desde cualquier punto de mundo slo con conectarse a la
WEB. Sin embargo los avances tecnolgicos a hecho que se pierda el contacto directo
con los clientes que muchas veces es lo que ms valoran, sobre todo el sector servicios.
17
http://mx.invertia.com/noticias/noticia.aspx?idNoticia=200801041213_EUP_20080104131251
La perspectiva que se observa para los siguientes aos va encaminada bajo la misma
perspectiva: darle una mayor importancia a los clientes tratando de satisfacerlos no
simplemente en el producto o servicio que compran sino en valores agregados
adicinales. Para lo anterior, las empresas tendrn que preocuparse ms por sus
empleados en capacitacin como en la satisfaccin que tengan en su lugar de trabajo
dentro de la empresa.
4.2 Bibliografa.
a) Jan Carlzon (1985), El Momento de la Verdad, Ediciones Daz de Santos

b) Pablo Fernndez y Hctor Bajac, La Gestin del Marketing en el Servicio,
Editorial Granica
c) Everrit, B. Cluster Analysis, 3erd Edition Eward Arnold London.
d) Manly, B. J.F. (1992), Multivariate Statistics Methods, Chapman &Hall.
e) Johnton J. J. Dinardo (1997), Econometrics Methods, Mc Graw-Hill
f) Gujarati D. N. (1997), Econometra , Mc Graw-Hill
g) G. S. Maddala (1996), Introduccin a la Econometra, 2da. Edicin Pretince
Hall, Mxico.
h) Malhotra, Narres K. (1997), Investigacin de Mercados un Enfoque Prctico,
Pretince Hall Hispanoamericana, Mxico.
i) Gestin del Marketing del Servicio, autores: Pablo Fernndez y Hctor Bajac;
editorial Gracian.
j) Joan Carles Martori i Caas, Anlisis Estadstico con SPSS para Windows, Vol
II Estadstica Multivariante; editorial Mc Graw Hill.
k) Philip Kotler, Los 80 Conceptos Esenciales de Marketing; editorial Pearson
Prentice Hall.
l) Sitio de Internet: http://www.icicm.com/
m) Raymundo Ismael Pillac Ortega, Tesis: La complementariedad del Modelo
Log-Lineal y del Anlisis de Correspondencia en el estudio de los factores
Mdicos, Sociales y de Sexualidad en Adolescentes con Presencia de infeccin
Vaginal; Universidad nacional Mayor de San Marcos, Lima Per 2003

Omar Tesis Completa 200408

Diunggah oleh

Informasi Dokumen

Judul Asli

Hak Cipta

Format Tersedia

Bagikan dokumen Ini

Bagikan atau Tanam Dokumen

Opsi Berbagi

Apakah menurut Anda dokumen ini bermanfaat?

Apakah konten ini tidak pantas?

Hak Cipta:

Format Tersedia

Omar Tesis Completa 200408

Diunggah oleh

Hak Cipta:

Format Tersedia

Ttulo:

IMPORTANCIA DEL CLIMA LABORAL EN LAS

Protocolo de Tesis presentado para obtener el grado

Mxico DF, Enero del 2008.

Omar Alvarez Cruz.

1. PLANTEAMIENTO DEL PROBLEMA

En los ltimos aos se han desarrollado metodologas como endomaketing (el

1.2 FORMULACIN DEL PROBLEMA

2.2 Objetivos Especficos

Es importante mencionar que el alcance de este estudio es sumamente limitado. Lo

5. MARCO DE REFERENCIA DE LA INVESTIGACIN

que permite desarrollar productos para el cliente con base a sus

necesidades y requerimientos. Finalmente, se considera el Modelo de las 5 GAPs el

5.2 Marco Terico

las distribuciones de las

10. FUENTES PARA LA OBTENCIN DE LA INFORMACIN

11. PROCESAMIENTO DE LA INFORMACIN

12. ANLISIS Y DISCUSIN DE RESULTADOS

13. BIBLIOGRAFA CONSULTADA

IMPORTANCIA DEL CLIMA

TESIS PARA OBTENER EL TITULO DE MAESTRA

1. CALIDAD Y EMPRESAS DE SERVICIO

3. APLICACIN DEL CASO PRCTICO

1.1 Panorama General de las Empresas de Servicios.

A nivel mundial la situacin no cambia mucho. Paradjicamente el sector servicios,

Un ejemplo de lo anterior es la marca de jeans Levis que se catalogara como un bien y

2. Inseparabilidad. Con frecuencia los servicios no se pueden separar de la persona del

3. Perecederos. Los servicios son susceptibles de perecer y no se pueden almacenar.

La mayora de las empresas prestan ms atencin a sus cuotas de mercado que a la

A continuacin presentamos una serie de estadsticas sobre la satisfaccin de los

1.2. Teoras de Calidad Relacionadas con el Servicio al Cliente.

Una de los conceptos ms utilizados por las empresas, para diferenciarse de su

El libro El Momento de la Verdad4 habla de las interacciones con el cliente como

1. Jan Carlzon (1985), El Momento de la Verdad, Ediciones Daz de Santos.

El Jan Carlzon hace hincapi en la importancia de la comunicacin dentro de la empresa

En conclusin la empresa debe estar diseada de tal forma que su estructura

Fig1. 1 Diagrama del El triangulo de Albretch

Lo particular de este concepto es concebir el servicio como un todo, que se encadena y

informticos, mquinas vendedoras automticas, .sistemas de audio o video,

3. Finalmente, el concepto de Personal es sumamente importante en esta teora

3. QFD (Despliegue de la funcin de Calidad)

permite un buen desempeo en las industrias manufactureras y de

Fig1.2 Modelo Grfico de QFD

Administracin de Produccin y Operaciones CHASE, AQUILANO, JACOBS. The House of

A continuacin se mencionan las principales ventajas que trae el aplicar un modelo

QFD (Despliegue de la funcin de Calidad) Sitio: www.icicm.com

4. Modelo de las 5 GAPs.

GAP 3: Discrepancia entre las especificaciones de calidad y el servicio realmente

Fig. 1.3 Modelo conceptual de la calidad del servicio

En la parte superior se recogen aspectos relaciones con el cliente o usuario, el cual en

GAP 5= f(GAP 1, GAP 2, GAP 3, GAP 4)

1.3 El Servicio al Cliente y el Clima Laboral

Hal Rosenbluth, propietario de una importante agencia de viajes, sorprendi al mundo

Sin embargo la remuneracin slo constituye una parte de la motivacin de un buen

Tradicionalmente se utilizan las encuestas de clima laboral para medir el grado de

Anteriormente se ha mencionado el impacto que tiene el servicio al cliente con los

La formulacin de un plan de marketing interno busca comprometer y animar a los

En consecuencia, corresponde a la empresa a ayudar a que las personas de la

Jan Carlzon (1985), El Momento de la Verdad, Ediciones Daz de Santos

1.4 Tcnicas de Investigacin de Mercados aplicadas a clima laboral

Es importante mencionar que la definicin mencionada arriba indica que la

Como se mencion anteriormente, una de las funciones de la investigacin de mercados

Malhotra, Narres K. (1997), Investigacin de Mercados un Enfoque Prctico, Pretince Hall