Análisis de medidas conjuntas (conjoint analysis)
Enunciado:
En un estudio sobre mercado de material electrónico, se entrevistó a una muestra de 312 clientes de empresas de este tipo para determinar la valoración de dichas empresas en relación con siete atributos o factores que se habían definido previamente como de gran importancia dentro de su sector de actividad. Los atributos en cuestión, y sus niveles correspondientes, son los siguientes:
 | Precios.
|
| Variedad de marcas.
|
| Rapidez de entrega
|
A partir de estos atributos y sus niveles, la tipología de empresas de material electrónico con las que se podía encontrar un cliente era muy variada. En total había 18 combinaciones posibles de niveles. Puesto que pasar una encuesta para que cada cliente indicara su preferencia sobre todas las combinaciones era bastante complicado, se decidió pasar la encuesta sólo sobre las opciones siguientes:
|
Precios |
Variedad |
Entrega |
|
Tarjeta 1 |
Altos |
Mucha |
Rápida |
|
Tarjeta 2 |
Altos |
Poca |
Lenta |
|
Tarjeta 3 |
Medios |
Mucha |
Rápida |
|
Tarjeta 4 |
Medios |
Normal |
Lenta |
|
Tarjeta 5 |
Medios |
Poca |
Rápida |
|
Tarjeta 6 |
Bajos |
Poca |
Lenta |
|
Tarjeta 7 |
Bajos |
Normal |
Rápida |
Una vez que los 312 encuestados habían marcado sus preferencias, ordenando de 1 (menos preferido) a 7 (más preferido) todas las tarjetas, se procedió a hacer la media de la valoración de cada una de ellas para tener una aproximación de cuáles son las preferencias del mercado en su conjunto. El resultado obtenido fue el siguiente:
|
Valoración media |
|
Tarjeta 1 |
4,3 |
|
Tarjeta 2 |
2,8 |
|
Tarjeta 3 |
5,2 |
|
Tarjeta 4 |
3,1 |
|
Tarjeta 5 |
3,5 |
|
Tarjeta 6 |
2,1 |
|
Tarjeta 7 |
4,8 |
Se pide que realicéis un análisis de medidas conjuntas para analizar la importancia que da a cada factor un cliente tipo (o medio) de una empresa de material electrónico.
Solución:
En primer lugar, ejecutad el programa Minitab con los datos del caso práctico.
Para calcular la recta de regresión, debéis hacer, como en el caso de la regresión lineal simple, lo siguiente:
Stat/Regression/Regression
A continuación, en la ventana que se abre, debéis introducir la variable dependiente "Preferencias medias" en el recuadro Response, y las variables independientes "Medios", "Bajos", "Normal", "Poca" y "Lenta" en el recuadro Predictors. Recordad que, para evitar multicolinealidad, no debemos usar las columnas asociadas a los niveles "Altos", "Mucha" y "Rápida" de cada factor.
Finalmente, pulsando OK, obtenemos el resultado siguiente:
Regression Analysis
The regression equation is
Preferencias medias = 4,74 + 0,025 Medios - 0,04 Bajos
- 0,11 Normal - 1,04 Poca - 1,33 Lento
Predictor Coef StDev T P
Constante 4,7375 0,7578 6,25 0,101
Medios 0,0250 0,8750 0,03 0,982
Bajos -0,044 1,049 -0,04 0,973
Normal -0,113 1,158 -0,10 0,938
Poca -1,044 1,049 -0,99 0,502
Lenta -1,3312 0,8472 -1,57 0,361
S = 0,8750 R-Sq = 89,9% R-Sq(adj) = 39,5%
Analysis of Variance
Source DF SS MS F P
Regression 5 6,8229 1,3646 1,78 0,512
Residual Error 1 0,7656 0,7656
Total 6 7,5886
Source DF Seq SS
Medios 1 0,3219
Bajos 1 0,0100
Normal 1 0,2288
Poca 1 4,3719
Lenta 1 1,8904
A partir de estos resultados, y teniendo en cuenta que los coeficientes asociados a los niveles que no hemos utilizado en la regresión los fijamos a 0, podemos escribir la siguiente tabla con las utilidades de cada nivel y la importancia de cada factor:
|
Factores |
Niveles |
Utilidad |
Importancia |
Importancia relativa |
|
Precios |
Altos |
0,00 |
0,04 |
1,66% |
|
Medios |
0,03 |
|||
|
Bajos |
-0,04 |
|||
|
Variedad |
Mucha |
0,00 |
1,04 |
43,15% |
|
Normal |
-0,11 |
|||
|
Poca |
-1,04 |
|||
|
Entrega |
Rápida |
0,00 |
1,33 |
55,19% |
|
Lenta |
-1,33 |
De los resultados se desprende que el factor al que dan más importancia los clientes es el relacionado con la entrega de los productos, seguido muy de cerca por la variedad que ofrece y, finalmente, casi sin importancia, se sitúa el último factor, los precios.
