10-junio-2014
UNIVERSIDAD GALILEO
FACULTAD DE CIENCIA, TECNOLOGA E INDUSTRIA
DOCTORADO EN ADMINISTRACIN CON ESPECIALIDAD
EN FINANZAS
INDICE
INTRODUCCIN .............................................................................................................................. 3
Enfoque de perfil completo ................................................................................................................. 4
Matriz ortogonal .................................................................................................................................. 4
El estmulo experimental..................................................................................................................... 6
Recopilacin y anlisis de datos.......................................................................................................... 6
Proceso ................................................................................................................................................ 7
Recoleccin de informacin ................................................................................................................ 8
Anlisis................................................................................................................................................ 8
Ventajas ............................................................................................................................................... 8
Desventajas ......................................................................................................................................... 8
Procedimiento anlisis de conjunto: .................................................................................................... 9
1. Identificacin de atributos: ...................................................................................................... 9
2. Seleccin del modelo de preferencia: .................................................................................... 10
3. Mtodo de recogida de datos:................................................................................................ 10
4. Construccin del conjunto de estmulos ................................................................................ 10
5. Presentacin del conjunto de estmulos................................................................................. 11
6. Escala de medida de la variable dependiente ........................................................................ 11
7. Mtodo de estimacin ........................................................................................................... 11
8. Fiabilidad y validez del modelo ............................................................................................ 12
Caso de Estudio: ................................................................................................................................ 12
Factores: ............................................................................................................................................ 12
Array Ortogonal o Matriz ortogonal de combinaciones:................................................................... 13
Procedimiento Generar un Diseo Ortogonal ................................................................................... 14
Configuracin del nmero de tarjetas de estmulos a generar ........................................................... 14
Presentacin de un diseo ................................................................................................................. 15
Plan orthogonal ................................................................................................................................. 16
Preparacin de las tarjetas de estmulos ........................................................................................... 17
Anlisis de las preferencias mediante el Anlisis Conjunto .............................................................. 21
Interpretacin Sintaxis: ..................................................................................................................... 22
Anlisis conjunto:.............................................................................................................................. 23
1
ANLISIS DE CONJUNTO
2
ANLISIS DE CONJUNTO
INTRODUCCIN
El anlisis conjunto es una herramienta de investigacin de mercados para desarrollar un
diseo de productos eficaz. Mediante el anlisis conjunto, el investigador puede responder
preguntas como las siguientes: Segn (IBM, 2014, pgs. 2 - 3)
Marca
Color
Forma
Precio
3
ANLISIS DE CONJUNTO
Garanta
En consecuencia, el anlisis de conjunto mide las preferencias del consumidor por las
caractersticas particulares de un producto, se basa en la suposicin de que los
consumidores toman la decisin de compra considerando simultneamente todas las
caractersticas del producto. Para hacer esto, los consumidores deben buscar un equilibrio
en trminos de relacin calidad precio, porque normalmente un producto no tiene todas
las mejores caractersticas. (IBM, 2014)
Segn (Prez Lpez, 2004) la ventaja del anlisis conjunto reside en que solicita al
encuestado que elija del mismo modo que se supone que lo har el consumidor al comparar
las caractersticas. En consecuencia, mediante el anlisis conjunto, puede determinar tanto
la importancia relativa de cada atributo como los niveles de mayor preferencia de cada
atributo. Si por alguna razn el producto que ms se prefiere no es viable, por ejemplo, por
su coste, se puede saber cul es la siguiente alternativa ms preferida. Si cuenta con
informacin adicional sobre los encuestados, como informacin demogrfica, puede
identificar los segmentos de mercado donde se puede introducir el producto. (IBM, 2014)
Enfoque de perfil completo
Conjoint utiliza el enfoque de perfil completo (tambin llamado concepto
completo), donde los encuestados clasifican, ordenan o puntan un conjunto de
perfiles o tarjetas en funcin de la preferencia. Cada perfil describe un servicio o
producto completo y consta de una combinacin diferente de niveles de factores
para todos los factores (atributos) de inters. (IBM, 2014, pg. 2)
Matriz ortogonal
Es muy probable que surjan problemas con el enfoque de perfil completo si hay
varios factores en juego y cada uno est compuesto por ms de un par de niveles.
El nmero total de perfiles resultantes de todas las combinaciones posibles de
niveles se aumenta demasiado para permitir que los encuestados sean capaces de
clasificar o puntuar todos ellos de una manera que tenga sentido. (IBM, 2014,
pg. 2)
4
ANLISIS DE CONJUNTO
Para resolver este problema, el enfoque de perfil completo utiliza lo que se denomina un
diseo factorial fraccional, que presenta una fraccin adecuada de todas las posibles
combinaciones de niveles de los factores. El conjunto resultante, denominado matriz
ortogonal, est diseado para recoger los efectos principales de cada nivel de factor. Se
supone que las interacciones entre los niveles de un factor con los niveles de otro factor
carecen de significado. (IBM, 2014, pg. 2)
Se utiliza el procedimiento Generar diseo ortogonal para generar una matriz ortogonal
que suele utilizarse como punto de partida de un anlisis conjunto. Tambin permite
generar combinaciones de niveles de factores que se conocen como casos reservados, que
son evaluados por los sujetos pero no se utilizan para generar el modelo de preferencias. En
su lugar, se utilizan como comprobacin de la validez del modelo. (IBM, 2014, pg. 2)
Funciones Orthoplan
5
ANLISIS DE CONJUNTO
El estmulo experimental
Cada conjunto de los niveles de los factores de un diseo ortogonal representa una
versin diferente del producto que se est estudiando y se debe presentar a los sujetos en
forma de un perfil de producto concreto. Esto ayuda al encuestado a concentrarse
nicamente en el nico producto que se desea evaluar en ese momento. Los estmulos
deben normalizarse, asegurndose de que todos los perfiles presentan un aspecto fsico
similar, excepto en lo que respecta a las diferentes combinaciones de caractersticas. (IBM,
2014, pg. 2)
6
ANLISIS DE CONJUNTO
El anlisis de los datos se realiza con el procedimiento Conjoint (disponible slo con la
sintaxis de comandos) y da como resultado una puntuacin de utilidad, denominada
contribucin parcial, para cada nivel del factor. Estas puntuaciones de utilidad, anlogas a
los coeficientes de regresin, proporcionan una medida cuantitativa de la preferencia para
cada nivel del factor, donde los valores mayores corresponden a una preferencia ms alta.
Las contribuciones parciales se expresan en una unidad comn, lo que permite aadirlas
conjuntamente para obtener la utilidad total, o la preferencia global, de cualquier
combinacin de los niveles de los factores. As, las contribuciones parciales constituyen un
modelo para predecir la preferencia de cualquier perfil de producto, incluidos los perfiles
que se denominan casos de simulacin, que no se presentan realmente durante el
experimento. (IBM, 2014, pg. 3)
La informacin que se obtiene a partir de un anlisis conjunto puede aplicarse a una
amplia variedad de preguntas de investigacin de mercado. Se puede utilizar para investigar
reas como el diseo de productos, la cuota de mercado, la publicidad estratgica, el
anlisis de costes y beneficios y la segmentacin del mercado. (IBM, 2014, pg. 3)
Aunque el enfoque de este manual se centra en las aplicaciones de investigacin de
mercado, el anlisis conjunto puede ser til en casi cada campo cientfico o empresarial
donde resulta importante medir las percepciones o juicios de la gente. (IBM, 2014, pg. 3)
Proceso
Segn (Wikipedia, 2014)
7
ANLISIS DE CONJUNTO
Recoleccin de informacin
A los encuestados se les muestra un conjunto de productos, prototipos, maquetas o
retratos. Por lo tanto, cada ejemplo es suficientemente semejante al otro como para que los
consumidores lo vean como sustitutivo, pero suficientemente diferente para que puedan
determinar claramente una preferencia.
Anlisis
El ordenador utiliza el anlisis de varianza o tcnicas de programacin lineal para crear
las funciones de utilidad para cada caracterstica. Estas funciones de utilidad indican el
valor que se ha percibido de la caracterstica y lo sensibles que son las percepciones y
preferencias del consumidor en relacin a los cambios en las caractersticas de producto.
(Wikipedia, 2014)
Ventajas
Segn (Wikipedia, 2014)
Desventajas
Segn (Wikipedia, 2014)
8
ANLISIS DE CONJUNTO
1. Identificacin de atributos:
Un aspecto muy importante a la hora de identificar a los atributos es que estos han de ser
controlables por la empresa, es decir, no se debe crear un atributo que no sea accionable por
la empresa. As, una vez que hemos obtenido los atributos es necesario especificar cules
son los niveles de cada atributo, hay que tomar en cuenta lo siguiente: Segn (Guerrero
Casas, Martnez Blanes, & Ramrez Hurtado, 2014)
El nmero de niveles por atributo tiene distintos efectos sobre las evaluaciones de
los encuestados, de forma que mientras ms niveles tenga un atributo mayor es la
importancia que los encuestados le dan a este atributo.
9
ANLISIS DE CONJUNTO
El anlisis de conjunto busca estudiar la influencia que sobre las preferencias de los
consumidores ejerce un conjunto de combinaciones de atributos, que configuras unos
productos/servicios determinados. (Guerrero Casas, Martnez Blanes, & Ramrez Hurtado,
2014).
Por lo tanto, trata de encontrar una serie de valores, llamados utilidades parciales, que
relacionan los niveles de los atributos con las preferencias de los consumidores. En
consecuencia, de lo que se trata es de un modelo explicativo, en el que la variable a explicar
son las evaluaciones de preferencias de los individuos sobre el conjunto de combinaciones
y las variables explicativas son los niveles de los atributos seleccionados para definir las
combinaciones. (Guerrero Casas, Martnez Blanes, & Ramrez Hurtado, 2014)
Una vez que hemos definido los atributos y los niveles de cada uno de los atributos,
debemos pasar a construir el conjunto de estmulos que van a formar parte de nuestro
anlisis, as lo que tenemos son 5 atributos con 3 de 3 niveles cada uno y 2 de 2 niveles
cada uno
10
ANLISIS DE CONJUNTO
Ahora bien, evaluar 108 tarjetas sera prcticamente inviable para una persona. Sin
embargo, tenemos la opcin de utilizar un diseo factorial fraccionado. Por lo tanto, un
diseo factorial fraccionado permite que no exista correlacin entre los atributos (diseo
ortogonal). As, en nuestro estudio hemos utilizado un diseo factorial fraccionado
proporcionado por SPSS a travs del procedimiento ORTHOPLAN del mdulo
CATEGORIES. (Guerrero Casas, Martnez Blanes, & Ramrez Hurtado, 2014)
Las alternativas para definir la escala de medida de la variable dependiente son las
siguientes:
7. Mtodo de estimacin
Para poder estimar los parmetros del modelo hemos utilizado el procedimiento
CONJOINT de SPSS. Este procedimiento utiliza la regresin por Mnimos Cuadrados
11
ANLISIS DE CONJUNTO
Ordinarios (OLS) para la estimacin de los parmetros del modelo. (Guerrero Casas,
Martnez Blanes, & Ramrez Hurtado, 2014)
Para obtener la fiabilidad del modelo SPSS proporciona los estadsticos R de Pearson y
Tau de Kendall. La validez se obtiene a partir de las tres tarjetas que se aaden al diseo
fraccionado y que son evaluadas por los entrevistados, pero solamente van a ser utilizadas
por el programa para validar las utilidades estimadas. (Guerrero Casas, Martnez Blanes, &
Ramrez Hurtado, 2014)
Caso de Estudio:
Consideremos una empresa que desea lanzar una campaa de mercado para un nuevo
limpiador de moquetas y quiere examinar la influencia de los siguientes factores sobre
las preferencias del consumidor de artculos de limpieza de moquetas:
Factores:
1. diseo paquete (paquete) (A*, B*, C*)
2. nombre marca (marca) (k2r, glory, biseli)
3. precio producto (precio) (1.19, 1.39, 1.59)
4. sello calidad (sello) (si, no)
5. garanta devolucin dinero (dinero) (si, no)
En el fichero de datos asociado (CPLAN.SAV) se contemplan distintos aspectos de este
tipo de artculos. Como niveles factoriales para el diseo del paquete cada uno de los
cuales difiere en la localizacin del cepillo aplacador del producto se consideran A*,
B*, C*.
Como nombres de marca se consideran k2r, glory, y biseli.
Como niveles de precios para el producto se consideran $. 1.19, $. 1.39 y $ 1.59
Tambin se consideran 2 niveles (si o no) para cada uno de los dos ltimos factores
(sello y dinero).
12
ANLISIS DE CONJUNTO
Por lo tanto, despus de una seleccin cuidadosa de los factores y niveles factoriales del
estudio, hay todava demasiados casos para que un sujeto juzgue de un modo significativo.
13
ANLISIS DE CONJUNTO
Como primer paso es importante que SPSS muestre etiquetas de valores en vez de
valores de las variables.
Por ello hay que comprobar que est seleccionada la opcin Etiquetas de Valores men
Ver.
Dnde:
A continuacin se elige
Una vez realizado todo el proceso con los 5 factores, se hace click en el botn archivo y
se guarda el diseo con el nombre (acoutinofinal.sav)
14
ANLISIS DE CONJUNTO
Presentacin de un diseo
GET
FILE='C:\Users\DELL\Desktop\6 analisis conjunto\000 datos analisis
conjunto\ejemplo.sav'.
DATASET NAME Conjunto_de_datos1 WINDOW=FRONT.
SAVE OUTFILE='E:\acoutinofinal.sav'
/COMPRESSED.
*Generar diseo ortogonal.
SET SEED 20000000.
ORTHOPLAN
/FACTORS=paquete 'diseo paquete' (1 'A' 2 'B' 3 'C') marca 'nombre
marca' (1 'k2r' 2 'glory' 3 'bisell') precio 'precio producto' (1 '1.19'
2 '1.39' 3 '1.59') sello 'sello calidad' (1 'si' 2 'no') dinero
'devolucin dinero' (1 'si' 2 'no')
/REPLACE.
Plan ortogonal
Advertencia
15
ANLISIS DE CONJUNTO
Plan orthogonal
Advertencia
.
DATASET ACTIVATE Conjunto_de_datos1.
SAVE OUTFILE='E:\acoutinofinal.sav'
/COMPRESSED.
Una vez realizado el diseo del plan, el siguiente paso, es (Prez Lpez, 2004, pg. 613)
situar cada concepto completo en un perfil separado con el objeto de presentrselo a los
encuestados en forma de tarjeta, cada caso del diseo ortogonal se muestra como un perfil,
por tanto, los perfiles pueden visualizarse y personalizarse, siendo posible producir cada
concepto en una pgina separada, aadir conceptos y notas de pie, entre otros.
Dnde:
Dnde:
Una vez ingresados los factores, se hace click en Formato listado para el
experimentador perfiles para los sujetos
Por lo consiguiente, esto lo que nos permite mostrar el diseo en formato de borrador
diferenciando los perfiles de reserva de los perfiles experimentales y listando los posibles
perfiles de simulacin de modo separado a continuacin de los perfiles experimentales y de
reserva.
16
ANLISIS DE CONJUNTO
As, al hacer click en la opcin Perfiles para sujetos, nos permite producir perfiles que
pueden presentarse a los sujetos.
Al hacer click en continuar y en aceptar se muestran las tarjetas del diseo ortogonal
generado.
Preparacin de las tarjetas de estmulos
Segn (Prez Lpez, 2004, pg. 613)
Plancards
GET
FILE='E:\acoutinofinal.sav'.
DATASET NAME Conjunto_de_datos1 WINDOW=FRONT.
PLANCARDS
/FACTORS=paquete marca precio sello dinero
/FORMAT BOTH.
Lista de Tarjetas
Lista de tarjetas
garanta
Tarjeta diseo paquete nombre marca precio producto sello calidad
devolucin
dinero
1 C* k2r 1.39 si si
2 B* glory 1.39 si no
3 B* k2r 1.19 si no
4 A* k2r 1.19 no si
5 C* bisell 1.59 si si
6 B* glory 1.19 no si
7 C* glory 1.39 si no
8 B* k2r 1.39 si si
9 A* glory 1.59 si no
10 A* glory 1.19 si no
11 B* bisell 1.39 si no
12 C* k2r 1.39 no si
13 A* k2r 1.59 si si
14 A* bisell 1.19 no no
15 A* glory 1.39 si si
16 C* glory 1.19 si si
17 A* k2r 1.19 si si
18 C* k2r 1.59 no no
19 B* glory 1.59 no si
20 C* bisell 1.19 si si
21 B* bisell 1.59 si si
22 A* bisell 1.39 no si
17
ANLISIS DE CONJUNTO
Nmero de perfil 1
garanta
Tarjeta diseo paquete nombre marca precio producto sello calidad
devolucin
dinero
C* k2r 1.39 si si
Nmero de perfil 2
garanta
Tarjeta diseo paquete nombre marca precio producto sello calidad
devolucin
dinero
B* glory 1.39 si no
Nmero de perfil 3
Tarjeta diseo paquete nombre marca precio producto sello calidad garanta
devolucin
dinero
B* k2r 1.19 si no
Nmero de perfil 4
Tarjeta diseo paquete nombre marca precio producto sello calidad garanta
devolucin
dinero
A* k2r 1.19 no si
Nmero de perfil 5
Tarjeta diseo paquete nombre marca precio producto sello calidad garanta
devolucin
dinero
C* bisell 1.59 si si
Nmero de perfil 6
Tarjeta diseo paquete nombre marca precio producto sello calidad garanta
devolucin
dinero
B* glory 1.19 no si
Nmero de perfil 7
Tarjeta diseo paquete nombre marca precio producto sello calidad garanta
devolucin
dinero
C* glory 1.39 si no
Nmero de perfil 8
Tarjeta diseo paquete nombre marca precio producto sello calidad garanta
devolucin
dinero
18
ANLISIS DE CONJUNTO
B* k2r 1.39 si si
Nmero de perfil 9
Tarjeta diseo paquete nombre marca precio sello calidad garanta
producto devolucin
dinero
A* glory 1.59 si no
Nmero de perfil 10
Tarjeta diseo paquete nombre marca precio producto sello calidad garanta
devolucin
dinero
A* glory 1.19 si no
Nmero de perfil 11
Tarjeta diseo paquete nombre marca precio producto sello calidad garanta
devolucin
dinero
B* bisell 1.39 si no
Nmero de perfil 12
Tarjeta diseo paquete nombre marca precio producto sello calidad garanta
devolucin
dinero
C* k2r 1.39 no si
Nmero de perfil 13
Tarjeta diseo paquete nombre marca precio producto sello calidad garanta
devolucin
dinero
A* k2r 1.59 si si
Nmero de perfil 14
Tarjeta diseo paquete nombre marca precio producto sello calidad garanta
devolucin
dinero
A* bisell 1.19 no no
Nmero de perfil 15
Tarjeta diseo paquete nombre marca precio producto sello calidad garanta
devolucin
dinero
A* glory 1.39 si si
Nmero de perfil 16
Tarjeta diseo paquete nombre marca precio producto sello calidad garanta
devolucin
dinero
C* glory 1.19 si si
19
ANLISIS DE CONJUNTO
Nmero de perfil 17
Tarjeta diseo paquete nombre marca precio producto sello calidad garanta
devolucin
dinero
A* k2r 1.19 si si
Nmero de perfil 18
Tarjeta diseo paquete nombre marca precio producto sello calidad garanta
devolucin
dinero
C* k2r 1.59 no no
Nmero de perfil 19
Tarjeta diseo paquete nombre marca precio producto sello calidad garanta
devolucin
dinero
B* glory 1.59 no si
Nmero de perfil 20
Tarjeta diseo paquete nombre marca precio producto sello calidad garanta
devolucin
dinero
C* bisell 1.19 si si
Nmero de perfil 20
Tarjeta diseo paquete nombre marca precio producto sello calidad garanta
devolucin
dinero
C* bisell 1.19 si si
Nmero de perfil 22
Tarjeta diseo paquete nombre marca precio producto sello calidad garanta
devolucin
dinero
A* bisell 1.39 no si
As:
Una vez generado el diseo ortogonal, (recogido en el fichero acoutinofinal.sav) y
recogidos los datos sobre las preferencias en las tarjetas de estmulos provenientes de los
sujetos (recogidos en el fichero ENCUESTA.SAV), el paso siguiente es analizar los datos
utilizando el procedimiento CONJOINT.
20
ANLISIS DE CONJUNTO
SINTAXIS AQU
Sintaxis:
CONJOINT
PLAN='E:\acoutinofinal.sav'
/DATA ='E:\Encuesta.sav'
/SEQUENCE =PREF1 TO PREF22/SUBJECT=ID
/FACTORS =paquete marca (DISCRETE)
precio (LINEAR LESS)
sello dinero (LINEAR MORE)
/PRINT ALL
/UTILITY='E:\utilidades.sav'
/PLOT SUMMARY
21
ANLISIS DE CONJUNTO
22
ANLISIS DE CONJUNTO
Dnde:
Se tiene la salida del procedimiento CONJOINT, que empieza con los factores del
diseo ortogonal. (Anlisis conjunto, ver figura siguiente)
Anlisis conjunto:
Descripcin del modelo
Descripcin del modelo
paquete 3 Discreto
marca 3 Discreto
Estadsticos V de Cramer
Estadsticos V de Cramer
A* 1.709 2.198
C* -.529 2.270
23
ANLISIS DE CONJUNTO
si -4.706 3.405
sello
no -9.412 6.809
si .250 3.359
dinero
no .499 6.719
Valores de importancia
Valores de importancia
paquete 29.552
marca 17.334
precio 2.415
b
sello 48.145
dinero 2.554
a. 1 inversiones
b. Invertido
Coeficientes
Coeficientes
Coeficiente B
Correlaciones
Correlacionesa
Valor Sig.
SUJETO 2:2
Utilidades
Utilidades
A* -4.483 1.984
C* 2.739 2.049
24
ANLISIS DE CONJUNTO
si .916 3.074
sello
no 1.832 6.147
si 2.475 3.033
dinero
no 4.950 6.066
Valores de importancia
Valores de importancia
paquete 49.052
marca 13.277
precio 14.639
sello 6.222
dinero 16.810
Coeficientes
Coeficientes
Coeficiente B
Correlaciones
Correlacionesa
Valor Sig.
SUJETO 3:3
Utilidades
Utilidades
25
ANLISIS DE CONJUNTO
B* -2.979 2.156
C* 2.273 2.162
si 1.337 3.243
sello
no 2.674 6.486
si 3.754 3.200
dinero
no 7.507 6.400
Valores de importancia
Valores de importancia
paquete 36.504
marca 20.923
precio 7.189
sello 9.294
dinero 26.090
Coeficientes
Coeficientes
Coeficiente B
Correlaciones
Correlacionesa
Valor Sig.
26
ANLISIS DE CONJUNTO
SUJETO 4:4
Utilidades
Utilidades
A* 2.555 2.036
C* .684 2.103
si -2.380 3.155
sello
no -4.759 6.309
si 3.354 3.113
dinero
no 6.708 6.225
Valores de importancia
Valores de importanciaa
paquete 37.909
marca 9.817
precio 14.762
b
sello 15.568
dinero 21.944
a. 1 inversiones
b. Invertido
Coeficientes
Coeficientes
Coeficiente B
27
ANLISIS DE CONJUNTO
Correlaciones
Correlacionesa
Valor Sig.
SUJETO 5:5
Utilidades
Utilidades
A* 1.897 1.801
C* 1.760 1.861
si -1.953 2.791
sello
no -3.907 5.582
si 6.314 2.754
dinero
no 12.627 5.508
Valores de importancia
Valores de importanciaa
paquete 30.077
marca 5.539
b
precio 19.615
b
sello 10.578
dinero 34.190
a. 2 inversiones
b. Invertido
28
ANLISIS DE CONJUNTO
Coeficientes
Coeficientes
Coeficiente B
Correlaciones
Correlacionesa
Valor Sig.
SUJETO 6:6
Utilidades
Utilidades
A* -.678 1.931
C* 2.477 1.995
-.486 1.756
1.19
precio
1.39 -.973 3.512
-.894 2.992
si
sello
no -1.787 5.984
6.678 2.952
si
dinero
no 13.356 5.904
4.411 7.052
(Constante)
29
ANLISIS DE CONJUNTO
Coeficientes
Coeficientes
Coeficiente B
Correlaciones
Correlacionesa
Valor Sig.
Valores de importancia
Valores de importanciaa
paquete 28.652
marca 14.092
precio 6.518
b
sello 5.989
dinero 44.749
a. 1 inversiones
b. Invertido
SUJETO 7:7
Utilidades
Utilidades
A* .876 1.859
C* .904 1.920
30
ANLISIS DE CONJUNTO
si -2.155 2.880
sello
no -4.309 5.759
si 6.799 2.841
dinero
no 13.597 5.682
Valores de importancia
Valores de importanciaa
paquete 15.514
marca 23.778
b
precio 8.961
b
sello 12.453
dinero 39.294
a. 2 inversiones
b. Invertido
Coeficientes
Coeficientes
Coeficiente B
Correlaciones
Correlacionesa
Valor Sig.
SUJETO 8:8
Utilidades
Utilidades
A* 2.432 2.111
C* -.969 2.181
31
ANLISIS DE CONJUNTO
si -1.691 3.271
sello
no -3.382 6.542
si -2.855 3.227
dinero
no -5.710 6.455
Valores de importancia
Valores de importanciaa
paquete 26.980
marca 30.995
preciob 10.540
b
sello 11.712
b
dinero 19.773
a. 3 inversiones
b. Invertido
Coeficientes
Coeficientes
Coeficiente B
Correlaciones
Correlacionesa
Valor Sig.
32
ANLISIS DE CONJUNTO
SUJETO 9:9
Utilidades
Utilidades
A* 1.952 1.895
C* 1.095 1.958
si -4.742 2.936
sello
no -9.484 5.873
si 4.599 2.897
dinero
no 9.198 5.795
Valores de importancia
Valores de importanciaa
paquete 27.480
marca 14.856
b
precio 6.321
sellob 26.064
dinero 25.278
a. 2 inversiones
b. Invertido
Coeficientes
Coeficientes
Coeficiente B
33
ANLISIS DE CONJUNTO
Correlaciones
Correlacionesa
Valor Sig.
SUJETO 10:10
Utilidades
Utilidades
A* -1.613 1.984
C* -2.259 2.049
si -.198 3.073
sello
no -.396 6.147
si -4.664 3.032
dinero
no -9.329 6.065
Valores de importancia
Valores de importanciaa
paquete 44.885
marca 16.473
b
precio 3.045
b
sello 1.448
b
dinero 34.150
a. 3 inversiones
b. Invertido
34
ANLISIS DE CONJUNTO
Coeficientes
Coeficientes
Coeficiente B
Correlaciones
Correlacionesa
Valor Sig.
ESTADSTICOS GLOBALES
Utilidades
Utilidades
A* .535 .877
C* .818 .906
si -1.646 1.359
sello
no -3.293 2.719
si 2.670 1.341
dinero
no 5.340 2.683
35
ANLISIS DE CONJUNTO
Valores de importancia
Valores de importancia
paquete 32.661
marca 16.708
precio 9.401
sello 14.747
dinero 26.483
Coeficientes
Coeficientes
Coeficiente B
Estimacin
precio .080
sello -1.646
dinero 2.670
Correlaciones
Correlacionesa
Valor Sig.
Numero de inversiones
Nmero de inversiones
sello 8
precio 5
Factor dinero 2
marca 0
paquete 0
1 Sujeto 1 1
2 Sujeto 2 0
Sujetos 3 Sujeto 3 0
4 Sujeto 4 1
5 Sujeto 5 2
36
ANLISIS DE CONJUNTO
6 Sujeto 6 1
7 Sujeto 7 2
8 Sujeto 8 3
9 Sujeto 9 2
10 Sujeto 10 3
N de inversiones N de sujetos
1 3
2 3
3 2
Esta tabla muestra el nmero de sujetos que tienen el nmero especificado de inversiones.
GRFICAS
Resumen de utilidades
Resumen de utilidades: Utilidad / diseo paquete
37
ANLISIS DE CONJUNTO
38
ANLISIS DE CONJUNTO
39
ANLISIS DE CONJUNTO
Resumen de importancia:
Resumen de importancia: Importancia media / factor
CONCLUSIONES
Se puede observar que los encuestados le otorgan una clasificacin de importancia a las
caractersticas del producto de la siguiente forma:
40
ANLISIS DE CONJUNTO
BIBLIOGRAFA
(Mayo de 2014). Recuperado el Mayo de 2014, de
http://www.uam.es/personal_pdi/ciencias/ajustel/docencia/ad/AD10_11_Discriminante.p
df
Guerrero Casas, F., Martnez Blanes, M., & Ramrez Hurtado, J. M. (Junio de 2014). Google.
Recuperado el Junio de 2014, de http://www.uv.es/asepuma/XI/60.pdf
41