TEMA 6 - Analisis de Correspondencias

SAVE OFFLINE

T6. Análisis de correspondencias

© 2006, Equipo de profesores de Investigación y Técnicas de Mercado.

T6. Análisis de correspondencias Objetivo Al igual que el análisis factorial, pretende estudiar las relaciones de interdependencia que se producen entre un conjunto de variables. De hecho, se trata de un caso particular del análisis factorial de componentes principales, diferenciado en los siguientes aspectos: •

no trata de resumir la información de unas variables a través de la construcción de nuevas variables sintéticas; el análisis de correspondencias pretende analizar la forma de las relaciones entre las variables.

•

permite analizar cualquier matriz de datos no negativos, independientemente de su escala de medida. Por lo tanto, se hace más adecuado para el tratamiento de variables cualitativas, mucho más frecuentes en investigación comercial.

•

su objetivo básico es analizar dos conjuntos de variables: habitualmente acostumbran a ser productos/empresas/marcas vs. atributos/características. Pero también pueden ser otras dos dimensiones de datos cualesquiera.

•

permite la presentación de ambos conjuntos de variables en un mismo espacio.

© 2006, Equipo de profesores de Investigación y Técnicas de Mercado.

2 dimensiones

T6. Análisis de correspondencias Esquema metodológico Diseño del análisis

Transformación de la matriz inicial en tablas de frecuencias condicionadas

Cálculo de las matrices de distancias

Obtención de los ejes factoriales

Determinación del número de ejes factoriales a conservar

Interpretación de resultados

© 2006, Equipo de profesores de Investigación y Técnicas de Mercado.

T6. Análisis de correspondencias Diseño del análisis

2 variables nominales

Las variables pueden ser del tipo cualitativo, es decir, nominales u ordinales. Los datos de partida suelen ser tablas de contingencia, donde se relacionan el número de casos asociados a cruce de variables: variables F (atributos) x variables C (empresas). El análisis es simétrico, por lo que ambos conjuntos de variables juegan un papel intercambiable. Se pretende agrupar filas (variables F) por su semejanza en la asociación de respuestas a las columnas (variables C). Y paralelamente, pretende establecer una agrupación de las columnas en base a su similitud en el perfil de respuestas en las variables F.

Concepto clave: datos de partida En general, puede trabajar con cualquier matriz de datos no negativos (nulos o positivos), independientemente de su escala de medida.

© 2006, Equipo de profesores de Investigación y Técnicas de Mercado.

!

T6. Análisis de correspondencias Diseño del análisis

♣

A través de las preguntas siguientes, se consigue obtener el perfil de asociación de diferentes atributos a la imagen de marca de empresas de telefonía.

© 2006, Equipo de profesores de Investigación y Técnicas de Mercado.

ejemplo

T6. Análisis de correspondencias

♣

Diseño del análisis

ejemplo

La tabla de asociación de partida sería: Tabla de correspondencias

ATRIBUTOS Mejor cobertura Mejor adaptabilidad a las empresas Mejor oferta de terminales Precio más bajo Menor tiempo de espera de atención Más eficaz en el servicio Mejor asesoramiento Personal más amable Personal más profesional Mayor claridad en las comunicaciones Más internacional Mejor asistencia técnica Mejores planes de ahorro Más publicidad Más promociones Peor oferta global para empresas Mejor oferta global para empresas Mayor compromiso social Margen activo

EMPRESAS YOIGO CC 238 424

VODAFONE 1067

MOVISTAR 2146

ORANGE 1099

1421

2610

1219

365

376

620

414

368

793

1378

a

OTROS 337

IDEAL 871

Margen activo 5311

631

341

1070

6587

71

139

188

382

1808

600

121

251

329

735

2462

2650

1270

357

661

396

2019

6712

955 1212 1007

2364 2281 2337

938 1063 921

258 263 268

423 523 440

214 317 265

887 119 1568

5152 5659 5238

1189

2336

1085

340

494

289

393

5733

751

1777

1547

220

320

398

89

5013

1115 993

2596 2486

751 1089

233 277

439 438

97 296

1000 2486

5231 5579

1245

2733

535

141

552

141

63

5347

574 814

1046 1483

698 1030

142 160

299 388

268 226

1402 21

3027 4101

576

697

224

287

57

22

0

1863

970

2210

1073

192

542

247

143

5234

1373

2471

1143

263

442

180

127

5872

17384

35636

16699

4196

7463

4551

a. Columna suplementaria

© 2006, Equipo de profesores de Investigación y Técnicas de Mercado.

85929

376 personas entrevistadas han asociado la característica de mejor oferta de terminales a Vodafone. Pero es realmente Vodafone quien tiene más asociado este atributo a su imagen de marca?

T6. Análisis de correspondencias Transformación de la matriz inicial en tablas de frecuencias condicionadas A partir de las asociaciones entre filas y columnas, calcula: •

perfiles fila: detalla la proporción de asociaciones del atributo f que han recaído en la empresa c.

•

perfiles columna: detalla la proporción de asociaciones al atributo f del total de asociaciones de la empresa c.

Se crean así las tablas de frecuencias condicionadas, que contienen los vectores fila y los vectores columnas, que estarán condicionados por el peso de citación de cada atributo y empresa, respectivamente.

© 2006, Equipo de profesores de Investigación y Técnicas de Mercado.

T6. Análisis de correspondencias Transformación de la matriz inicial en tablas de frecuencias condicionadas Perfiles de fila

ATRIBUTOS Mejor cobertura Mejor adaptabilidad a las empresas Mejor oferta de terminales Precio más bajo Menor tiempo de espera de atención Más eficaz en el servicio Mejor asesoramiento Personal más amable Personal más profesional Mayor claridad en las comunicaciones Más internacional Mejor asistencia técnica Mejores planes de ahorro Más publicidad Más promociones Peor oferta global para empresas Mejor oferta global para empresas Mayor compromiso social Masa

EMPRESAS YOIGO CC ,045 ,080

VODAFONE ,201

MOVISTAR ,404

ORANGE ,207

,216

,396

,185

,055

,208

,343

,229

,149

,322

,205

a

OTROS ,063

IDEAL ,164

Margen activo 1,000

,096

,052

,162

1,000

,039

,077

,104

,211

1,000

,244

,049

,102

,134

,299

1,000

,395

,189

,053

,098

,059

,301

1,000

,185 ,214 ,192

,459 ,403 ,446

,182 ,188 ,176

,050 ,046 ,051

,082 ,092 ,084

,042 ,056 ,051

,172 ,021 ,299

1,000 1,000 1,000

,207

,407

,189

,059

,086

,050

,069

1,000

,150

,354

,309

,044

,064

,079

,018

1,000

,213 ,178

,496 ,446

,144 ,195

,045 ,050

,084 ,079

,019 ,053

,191 ,446

1,000 1,000

,233

,511

,100

,026

,103

,026

,012

1,000

,190 ,198

,346 ,362

,231 ,251

,047 ,039

,099 ,095

,089 ,055

,463 ,005

1,000 1,000

,309

,374

,120

,154

,031

,012

,000

1,000

,185

,422

,205

,037

,104

,047

,027

1,000

,234

,421

,195

,045

,075

,031

,022

1,000

,202

,415

,194

,049

,087

,053

,156

a. Columna suplementaria

© 2006, Equipo de profesores de Investigación y Técnicas de Mercado.

♣

ejemplo

Del total de asociaciones de “mejor oferta de terminales”, el 20,8% corresponden a Vodafone, el 34,3% a Movistar, etc. Todos los valores de una misma fila suman el 100% (margen activo). Esta tabla, pues, nos facilita el vector fila.

En esta tabla también podemos ver que del total de asociaciones que ha habido, Yoigo sólo se ha llevado el 4,9%, la menor cifra de todas las empresas valoradas.

T6. Análisis de correspondencias Transformación de la matriz inicial en tablas de frecuencias condicionadas Perfiles de columna

ATRIBUTOS Mejor cobertura Mejor adaptabilidad a las empresas Mejor oferta de terminales Precio más bajo Menor tiempo de espera de atención Más eficaz en el servicio Mejor asesoramiento Personal más amable Personal más profesional Mayor claridad en las comunicaciones Más internacional Mejor asistencia técnica Mejores planes de ahorro Más publicidad Más promociones Peor oferta global para empresas Mejor oferta global para empresas Mayor compromiso social Margen activo

EMPRESAS YOIGO CC ,057 ,057

VODAFONE ,061

MOVISTAR ,060

ORANGE ,066

,082

,073

,073

,087

,022

,017

,025

,021

,022

,079

a

OTROS ,074

IDEAL ,065

Masa ,062

,085

,075

,080

,077

,017

,019

,041

,029

,021

,036

,029

,034

,072

,055

,029

,074

,076

,085

,089

,087

,151

,078

,055 ,070 ,058

,066 ,064 ,066

,056 ,064 ,055

,061 ,063 ,064

,057 ,070 ,059

,047 ,070 ,058

,066 ,009 ,117

,060 ,066 ,061

,068

,066

,065

,081

,066

,064

,029

,067

,043

,050

,093

,052

,043

,087

,007

,058

,064 ,057

,073 ,070

,045 ,065

,056 ,066

,059 ,059

,021 ,065

,075 ,186

,061 ,065

,072

,077

,032

,034

,074

,031

,005

,062

,033 ,047

,029 ,042

,042 ,062

,034 ,038

,040 ,052

,059 ,050

,105 ,002

,035 ,048

,033

,020

,013

,068

,008

,005

,000

,022

,056

,062

,064

,046

,073

,054

,011

,061

,079

,069

,068

,063

,059

,040

,009

,068

1,000

1,000

1,000

1,000

1,000

1,000

1,000

♣

ejemplo

Del total de asociaciones que se han producido entre todas las empresas y atributos, el 2,1% corresponden a “mejor oferta de terminales”.

a. Columna suplementaria

Este es el perfil de asociación de la empresa Vodafone (vector columna). Ahora son estos porcentajes los que totalizan 100%. Así, podemos decir que del total de asociaciones de Vodafone, el 2,2% corresponden al atributo “mejor oferta de terminales”. Pese a que Vodafone tenía menor número absoluto de asociaciones para este atributo que Movistar, en términos relativos, ambas empresas son similares. © 2006, Equipo de profesores de Investigación y Técnicas de Mercado.

T6. Análisis de correspondencias Cálculo de las matrices de distancias A partir de las tablas de frecuencias condicionadas, y concretamente los vectores fila y los vectores columna, el análisis calcula las distancias entre los elementos fila por un lado, y entre los elementos columna por otro. La distancia entre los puntos fila o los puntos columna determina el grado de semejanza que existe entre ellos. La distancia a utilizar será la de la Chi-cuadrado. No se utiliza la distancia euclidiana dado que no permite la sustitución de dos puntos por otro que esté afectado por la suma de los pesos asociados a cada uno de ellos. Esos pesos son los que determinan los márgenes activos de cada una de las tablas anteriores.

© 2006, Equipo de profesores de Investigación y Técnicas de Mercado.

T6. Análisis de correspondencias Obtención de los ejes factoriales La obtención de los ejes factoriales representa un caso particular del proceso utilizado en el análisis de componentes principales: mirar si cumplen la realidad, el mapa tiene que llegar 60%

, el primer factor me esxplica mas que el segundo( el primer factor es el horizontal)

•

obtención de dos conjuntos de ejes factoriales.

•

cada conjunto de ejes factoriales restituirá una cantidad de información de la matriz de datos iniciales, medida en términos de varianza. Estos factores mantienen la propiedad de ser combinación lineal de las variables iniciales y no están correlacionados.

•

la propiedad fundamental es la relación de simetría entre los ejes factoriales obtenidos, que permiten posicionar tanto las categorías F como las categorías C en un mismo espacio.

El número de ejes a extraer es:

K = mín (F,C) – 1

( marcas, atributos)

no es buenos poner mas dimensiones, siempres se coge 2 dimensiones, aunque con 3 se vincula mejor la informacion

© 2006, Equipo de profesores de Investigación y Técnicas de Mercado.

T6. Análisis de correspondencias Determinación del número de ejes factoriales a conservar Los criterios de selección de los ejes factoriales a conservar son similares a los vistos en el caso del análisis de componentes principales: • • •

Criterio de Kaiser Criterio de restitución mínima Criterio de información restituida por cada factor, dentro del cual existen 3 reglas empíricas.

En la práctica, se acostumbra a utilizar el criterio de restitución mínima o la 3ª regla empírica, es decir se fija la cantidad mínima de información que se desea explicar o bien se escoge soluciones que sean interpretables. que los dos ejes se entienden, para poner el nombre no estan subjetivo

© 2006, Equipo de profesores de Investigación y Técnicas de Mercado.

T6. Análisis de correspondencias Interpretación de resultados En el análisis de correspondencias no es necesaria la interpretación de los factores, dado que lo que se pretende es describir la relación entre variables, y no tanto la obtención de dimensiones de síntesis de información. No obstante, si se desea otorgar una interpretación a las dimensiones, es necesario utilizar la contribución absoluta de cada atributo en la formación del eje factorial.

Concepto clave: contribución absoluta

!

La contribución absoluta nos determina en qué medida cada una de las variables (fila y columna) interviene en la formación de los ejes factoriales que se utilizan para posicionar las variables fila y columna. Si una variable tiene un peso importante en la formación de un eje factorial o dimensión, nos servirá para poder otorgarle un significado. 2 factores, los etiqueto ( nombrar), hay distintos atributos para poner en cada eje--> las variables me ayudan entender los ejes variables excluyo(comunidad( para ver si esta bien explicadas) 2 marcas juntas ( en el mapa posicionamiento-< en la mente del consumidor son parecido marca y atributo juntos que la marca ( marca se apropia del atributo) si una marca es ta muy separada de las otraSs( se elimina ) ya que esta variable esta en otra lkiga, pk sino perderia la consistencia de los datos.

© 2006, Equipo de profesores de Investigación y Técnicas de Mercado.

T6. Análisis de correspondencias Interpretación de resultados En términos gráficos, lo que se pretende es observar la “proximidad entre atributos y empresas”. El hecho de poder posicionar ambos elementos en un mismo espacio, permite relacionar los conceptos de proximidad gráfica y similitud: •

la proximidad entre dos atributos indica perfiles similares de asociación a empresas.

•

la proximidad entre dos empresas indica que presentan los mismos puntos fuertes y débiles.

•

la proximidad de atributos i/o empresas al origen de coordenadas indica una falta de diferenciación específica por cualquiera de los elementos valorados, es decir, presentan un comportamiento como la media.

•

la proximidad entre atributos y empresas permite establecer una fuerte asociación entre ambos, y nos permite definir la imagen de esa empresa.

En el caso que la nube de puntos sea parcialmente compacta, se debe realizar un zoom de mercado.

© 2006, Equipo de profesores de Investigación y Técnicas de Mercado.

T6. Análisis de correspondencias

♣

Interpretación de resultados 1

ejemplo

Puntos poco diferenciados Mejor asistencia técnica

0,5 CC Mejor oferta global para empresas Precio OTROS más bajo

-1,2

-1

IDEAL Más promociones ORANGE

Mejores planes de ahorro

Personal más amable Más eficaz en el servicio MOVISTAR

Mejor cobertura

0 Más publicidad -0,8 -0,6 -0,4 -0,2 0 Mayor claridad en las comunicaciones Mejor Mejor oferta de asesoramiento terminales Menor tiempo de espera de atención -0,5

-1

0,2

Más internacional

Mayor compromiso social 0,4 0,6

0,8

VODAFONE Mejor adaptabilidad a las empresas Personal más profesional

YOIGO

Asociación muy fuerte y diferenciación

-1,5 Peor oferta global para empresas

-2

© 2006, Equipo de profesores de Investigación y Técnicas de Mercado.

1

T6. Análisis de correspondencias Interpretación de resultados La calidad de representación de los elementos (atributos y empresas) dentro de este espacio común viene determinada por el concepto de contribución: •

contribución absoluta del un elemento a la varianza de un eje factorial: el grado en que dicho objeto ha influido en la formación de ese eje factorial.

•

contribución relativa de un elemento a la varianza de un eje factorial: relación entre su contribución absoluta y la varianza explicada por el eje.

El hecho de que un elemento contribuya el gran medida a la formación del eje implicará un elevado índice de correlación con él. El recíproco no es siempre correcto. Es importante valorar la calidad del posicionamiento de los puntos, para poder determinar si las proximidades y por tanto las asociaciones entre empresas y atributos es ajustada a la realidad.

© 2006, Equipo de profesores de Investigación y Técnicas de Mercado.

CALIDAD DE REPRESENTACIÓN: Dos puntos pueden estar próximos en un plano, pero muy separados si utilizamos un tercer eje.

aunque los puntos pueden ser la marcas o/e atributos)=

T6. Análisis de correspondencias

♣

Interpretación de resultados Examen de los puntos de filaa

puntos= atributos

Puntuación en la dimensión

ATRIBUTOS Mejor cobertura Mejor adaptabilidad a las empresas Mejor oferta de terminales Precio más bajo Menor tiempo de espera de atención Más eficaz en el servicio Mejor asesoramiento Personal más amable Personal más profesional Mayor claridad en las comunicaciones Más internacional Mejor asistencia técnica Mejores planes de ahorro Más publicidad Más promociones Peor oferta global para empresas Mejor oferta global para empresas Mayor compromiso social Total activo

ejemplo

Contribución De los puntos a la inercia de la dimensión 1 2 ,008 ,000

De la dimensión a la inercia del punto 1 2 Total ,723 ,000 ,723

Masa ,062

1 -,139

2 ,004

Inercia ,000

,077

,041

-,103

,000

,001

,009

,063

,248

,311

,021

-,585

-,061

,001

,047

,001

,732

,005

,737

,029

-,961

,005

,005

,174

,000

,812

,000

,812

,078

-,046

-,046

,000

,001

,002

,084

,052

,136

,060 ,066 ,061

,165 ,001 ,118

,084 ,008 ,047

,001 ,000 ,000

,011 ,000 ,006

,005 ,000 ,001

,429 ,000 ,427

,067 ,003 ,041

,496 ,003 ,468

,067

,044

-,152

,000

,001

,017

,106

,777

,883

,058

-,774

-,071

,006

,230

,003

,831

,004

,836

,061 ,065

,558 ,006

,177 ,065

,003 ,000

,125 ,000

,021 ,003

,898 ,001

,055 ,064

,952 ,065

,062

,695

,480

,006

,198

,155

,737

,215

,952

,035 ,048

-,505 -,319

-,033 ,035

,002 ,001

,059 ,032

,000 ,001

,867 ,590

,002 ,004

,869 ,594

,022

,777

-1,775

,008

,086

,738

,239

,759

,998

,061

-,030

,254

,001

,000

,043

,015

,663

,678

,068

,209

-,059

,001

,020

,003

,409

,020

,429

,037

1,000

1,000

1,000

a. Normalización Simétrica

© 2006, Equipo de profesores de Investigación y Técnicas de Mercado.

Puntos con una calidad de representación baja o muy baja

NO UTILIZAR PARA LA INTERPRETACIÓN DE RESULTADOS!!

como sabremos si esta bien representada al mapa, se borra-> como la comunalidad El total= contribucion relativa--> punto inerci ( com,o la dimension me explica si esta bien o mal los puntos ) todo por debajo del 0.5 no estan bien pintado

T6. Análisis de correspondencias

♣

Interpretación de resultados

ejemplo

Examen de los puntos columnab Puntuación en la dimensión

EMPRESAS VODAFONE MOVISTAR ORANGE YOIGO CC OTROS IDEALa Total activo

Masa ,202 ,415 ,194 ,049 ,087 ,053 ,156 1,000

1 ,255 ,243 -,540 ,166 -,011 -1,031 -,441

2 -,195 ,168 -,043 -1,124 ,357 ,035 ,173

Contribución

Inercia ,004 ,005 ,010 ,006 ,002 ,010 ,131 ,037

De los puntos a la inercia de la dimensión 1 2 ,086 ,083 ,161 ,127 ,373 ,004 ,009 ,667 ,000 ,119 ,371 ,001 ,000 ,000 1,000 1,000

De la dimensión a la inercia del punto 1 2 Total ,549 ,196 ,745 ,697 ,204 ,901 ,857 ,003 ,861 ,033 ,915 ,948 ,001 ,473 ,474 ,846 ,001 ,846 ,035 ,003 ,038

a. Punto suplementario b. Normalización Simétrica

Cuando la calidad de representación baja afecta a atributos (puntos fila), no se puede transferir la característica de ese atributo a ninguna empresa. Cuando la calidad de representación baja afecta a empresas (puntos columna), no se puede definir la imagen de marca de esa empresa.

© 2006, Equipo de profesores de Investigación y Técnicas de Mercado.

Puntos con una calidad de representación baja o muy baja

NO UTILIZAR PARA LA INTERPRETACIÓN DE RESULTADOS!!

T6. Análisis de correspondencias Aplicaciones del análisis de correspondencias Las principales aplicaciones se centran en: •

visualización de los fenómenos de competencia en un mercado, para la detección de puntos fuertes y débiles en la oferta de una empresa.

•

visualización del ideal de mercado: se incorpora en el análisis como una empresa más, pero con un comportamiento pasivo (no interviene en la formación de los ejes, únicamente se posiciona en ellos).

•

análisis de ingeniería de imagen: permite valorar movimientos en cuanto a los fenómenos de competencia, ya sean simulados (cambiando los valores de asociación a partir de hipótesis de trabajo) o reales (mediante estudios evolutivos).

© 2006, Equipo de profesores de Investigación y Técnicas de Mercado.

T6. Análisis de correspondencias

♣

Aplicaciones del análisis de correspondencias 1

Es posible este movimiento?

Mejor asistencia técnica

0,5 CC Mejor oferta global para empresas

Precio OTROS más bajo

-1,2

-1

VODAFONE IDEAL Mejor Más promociones cobertura ORANGE 0 Más publicidad -0,6 -0,4 -0,2 0

-0,8 Mayor claridad en las comunicaciones Mejor oferta de terminales

Mejores planes de ahorro

Personal más amable Más eficaz en el servicio MOVISTAR

0,2

Más internacional

Mayor compromiso social 0,4 0,6

0,8

VODAFONE Mejor asesoramiento Menor tiempo de espera de atención

-0,5

-1

Mejor adaptabilidad a las empresas Personal más profesional

YOIGO

-1,5 Peor oferta global para empresas

-2

© 2006, Equipo de profesores de Investigación y Técnicas de Mercado.

ejemplo

1

T6. Análisis de correspondencias Sintaxis SPSS

CORRESPONDENCE TABLE = VI(1 i) BY VJ(1 j) /DIMENSIONS = n /MEASURE = CHISQ /STANDARDIZE = RCMEAN /NORMALIZATION = SYMMETRICAL /PRINT = TABLE RPOINTS CPOINTS /PLOT = NDIM(1,MAX) BIPLOT(20)

© 2006, Equipo de profesores de Investigación y Técnicas de Mercado.

Indicar variables y rangos Sustituir n por el número de ejes a conservar RPROFILES CPROFILES .

T6. Análisis de correspondencias Menús SPSS

© 2006, Equipo de profesores de Investigación y Técnicas de Mercado.

T6. Análisis de correspondencias Menús SPSS

© 2006, Equipo de profesores de Investigación y Técnicas de Mercado.

T6. Análisis de correspondencias Menús SPSS

Seleccionar “La categoría es suplementaria” para definir categorías de valores que no deben intervenir en la formación de los ejes (puntos fila o columna pasivos). © 2006, Equipo de profesores de Investigación y Técnicas de Mercado.

T6. Análisis de correspondencias Menús SPSS

© 2006, Equipo de profesores de Investigación y Técnicas de Mercado.

T6. Análisis de correspondencias Menús SPSS

© 2006, Equipo de profesores de Investigación y Técnicas de Mercado.

T6. Análisis de correspondencias Menús SPSS

© 2006, Equipo de profesores de Investigación y Técnicas de Mercado.

T6. Análisis de correspondencias

♣

Resultados SPSS

ejemplo

Tabla de correspondencias v2 v1 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 Margen activo

1 24671 26851 27685 7134 6689 27968 21592 25362 27203 21484 17104 25638 26991 25922 33405 30351 7462 16687 19024 419223

2 14019 15406 16704 4114 3364 17146 11749 13786 14922 9217 9404 15284 13860 15074 17744 15001 3519 9258 8848 228419

3 9178 9402 10874 2627 3719 11023 7860 9435 9772 11811 2778 11143 8327 10331 9342 4199 3649 6654 12208 154332

4 1352 1263 1263 480 625 1495 1122 1432 1391 962 6507 726 1089 1400 1089 1450 458 438 721 25263

5 5992 6157 6985 1579 977 7425 4641 5618 6555 3962 793 8359 6568 6109 3045 4672 1698 4006 3602 88743

A la empresa 1, le han asociado 419.223 veces uno o varios de los atributos analizados. © 2006, Equipo de profesores de Investigación y Técnicas de Mercado.

6 2460 2347 1659 1287 2719 2347 1137 1829 1484 3499 336 1632 774 1535 369 861 1407 498 2822 31002

Margen activo 57672 61426 65170 17221 18093 67404 48101 57462 61327 50935 36922 62782 57609 60371 64994 56534 18193 37541 47225 946982

En total, el atributo 1 se ha asociado 57.672 veces a una o varias de las empresas analizadas.

9.435 individuos han asociado el atributo 8 a la empresa 3.

Se han producido 946.982 asociaciones entre los 19 atributos (v1) y 6 empresas (v2) analizadas.

T6. Análisis de correspondencias

♣

Resultados SPSS Perfiles de fila

ejemplo

v2 v1 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 Masa

1

2 ,428 ,437 ,425 ,414 ,370 ,415 ,449 ,441 ,444 ,422 ,463 ,408 ,469 ,429 ,514 ,537 ,410 ,445 ,403 ,443

3 ,243 ,251 ,256 ,239 ,186 ,254 ,244 ,240 ,243 ,181 ,255 ,243 ,241 ,250 ,273 ,265 ,193 ,247 ,187 ,241

4 ,159 ,153 ,167 ,153 ,206 ,164 ,163 ,164 ,159 ,232 ,075 ,177 ,145 ,171 ,144 ,074 ,201 ,177 ,259 ,163

© 2006, Equipo de profesores de Investigación y Técnicas de Mercado.

5 ,023 ,021 ,019 ,028 ,035 ,022 ,023 ,025 ,023 ,019 ,176 ,012 ,019 ,023 ,017 ,026 ,025 ,012 ,015 ,027

6 ,104 ,100 ,107 ,092 ,054 ,110 ,096 ,098 ,107 ,078 ,021 ,133 ,114 ,101 ,047 ,083 ,093 ,107 ,076 ,094

,043 ,038 ,025 ,075 ,150 ,035 ,024 ,032 ,024 ,069 ,009 ,026 ,013 ,025 ,006 ,015 ,077 ,013 ,060 ,033

Margen activo 1,000 1,000 1,000 1,000 1,000 1,000 1,000 1,000 1,000 1,000 1,000 1,000 1,000 1,000 1,000 1,000 1,000 1,000 1,000

Del total de veces que se ha asociado el atributo 1 a una empresa, el 24,3% se hizo a la empresa 2.

T6. Análisis de correspondencias

♣

Resultados SPSS

ejemplo

Perfiles de columna

v1 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 Margen activo

1

2

3

,059 ,064 ,066 ,017 ,016 ,067 ,052 ,060 ,065 ,051 ,041 ,061 ,064 ,062 ,080 ,072 ,018 ,040 ,045 1,000

,061 ,067 ,073 ,018 ,015 ,075 ,051 ,060 ,065 ,040 ,041 ,067 ,061 ,066 ,078 ,066 ,015 ,041 ,039 1,000

,059 ,061 ,070 ,017 ,024 ,071 ,051 ,061 ,063 ,077 ,018 ,072 ,054 ,067 ,061 ,027 ,024 ,043 ,079 1,000

© 2006, Equipo de profesores de Investigación y Técnicas de Mercado.

v2 4 ,054 ,050 ,050 ,019 ,025 ,059 ,044 ,057 ,055 ,038 ,258 ,029 ,043 ,055 ,043 ,057 ,018 ,017 ,029 1,000

5

6

,068 ,069 ,079 ,018 ,011 ,084 ,052 ,063 ,074 ,045 ,009 ,094 ,074 ,069 ,034 ,053 ,019 ,045 ,041 1,000

,079 ,076 ,054 ,042 ,088 ,076 ,037 ,059 ,048 ,113 ,011 ,053 ,025 ,050 ,012 ,028 ,045 ,016 ,091 1,000

Masa ,061 ,065 ,069 ,018 ,019 ,071 ,051 ,061 ,065 ,054 ,039 ,066 ,061 ,064 ,069 ,060 ,019 ,040 ,050

Del total de veces que se ha asociado la empresa 1 a un atributo, el 6,5% se hizo al atributo 9.

T6. Análisis de correspondencias

♣

Resultados SPSS

ejemplo

Resumen Proporción de inercia

Dimensión 1 2 3 4 5 Total

Valor propio ,205 ,153 ,071 ,063 ,026

Inercia ,042 ,023 ,005 ,004 ,001 ,075

Chi-cuadrado

71059,089

Sig.

,000a

Explicada ,562 ,311 ,066 ,053 ,009 1,000

Acumulada ,562 ,872 ,939 ,991 1,000 1,000

Confianza para el Valor propio Desviación típica ,002 ,001

Correlación 2 ,193

a. 90 grados de libertad Considerando únicamente la representación en dos dimensiones, se recoge el 87,2% de información del modelo.

© 2006, Equipo de profesores de Investigación y Técnicas de Mercado.

T6. Análisis de correspondencias

♣

Resultados SPSS Examen de los puntos de filaa Puntuación en la dimensión

v1 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 Total activo

Masa ,061 ,065 ,069 ,018 ,019 ,071 ,051 ,061 ,065 ,054 ,039 ,066 ,061 ,064 ,069 ,060 ,019 ,040 ,050 1,000

1 -,085 -,079 -,091 -,113 -,357 -,093 -,011 -,028 -,033 -,343 2,109 -,259 -,018 -,046 ,129 ,274 -,265 -,156 -,406

2 ,076 -,015 -,140 ,475 1,617 -,021 -,132 -,021 -,148 ,614 ,524 -,167 -,349 -,095 -,427 -,481 ,649 -,301 ,561

a. Normalización Simétrica © 2006, Equipo de profesores de Investigación y Técnicas de Mercado.

ejemplo

Contribución

Inercia ,000 ,000 ,001 ,001 ,009 ,000 ,000 ,000 ,000 ,005 ,037 ,002 ,001 ,000 ,005 ,005 ,002 ,001 ,005 ,075

De los puntos a la inercia de la dimensión 1 2 ,002 ,002 ,002 ,000 ,003 ,009 ,001 ,027 ,012 ,327 ,003 ,000 ,000 ,006 ,000 ,000 ,000 ,009 ,031 ,133 ,845 ,070 ,022 ,012 ,000 ,048 ,001 ,004 ,006 ,082 ,022 ,090 ,007 ,053 ,005 ,023 ,040 ,103 1,000 1,000

De la dimensión a la inercia del punto 1 2 Total ,290 ,171 ,461 ,339 ,010 ,349 ,232 ,409 ,641 ,046 ,608 ,655 ,055 ,837 ,892 ,282 ,011 ,293 ,008 ,843 ,851 ,464 ,203 ,667 ,046 ,704 ,750 ,269 ,641 ,910 ,952 ,044 ,995 ,450 ,139 ,589 ,003 ,858 ,861 ,112 ,360 ,472 ,051 ,413 ,464 ,189 ,434 ,623 ,178 ,791 ,968 ,214 ,595 ,809 ,332 ,471 ,803

Puntos bien representados

Puntos mal representados

T6. Análisis de correspondencias

♣

Resultados SPSS Examen de los puntos columnaa Puntuación en la dimensión

v2 1 2 3 4 5 6 Total activo

Masa ,443 ,241 ,163 ,027 ,094 ,033 1,000

1 ,074 ,086 -,382 2,378 -,350 -,675

2 -,135 -,204 ,320 ,908 -,236 1,665

Contribución

Inercia ,003 ,002 ,010 ,035 ,007 ,018 ,075

De los puntos a la inercia de la dimensión 1 2 ,012 ,052 ,009 ,066 ,116 ,109 ,735 ,144 ,056 ,034 ,073 ,594 1,000 1,000

De la dimensión a la inercia del punto 1 2 Total ,164 ,398 ,562 ,149 ,620 ,769 ,490 ,255 ,745 ,890 ,097 ,987 ,360 ,122 ,482 ,168 ,761 ,930

a. Normalización Simétrica

El mismo análisis de representación de puntos se podría hacer para las empresas (puntos columna). Cuáles están bien representadas en el mapa de posicionamiento, y qué empresas no lo están? Cuando consideramos puntos suplementarios (es decir, que no intervienen en la formación de los ejes de posicionamiento, los valores de “Contribución de los puntos a la inercia de la dimensión” son nulos. En cambio, los valores de la contribución de la dimensión a la inercia del punto sí que son positivos. Es importante que, pese a no intervenir en la formación de los ejes, estos puntos suplementarios estén bien representados en el mapa.

© 2006, Equipo de profesores de Investigación y Técnicas de Mercado.

ejemplo

T6. Análisis de correspondencias

♣

Resultados SPSS

ejemplo

Variable v1: atributos Variable v2: empresas

Fuerte asociación entre la empresa 6 y el atributo 5.

Fuerte asociación entre la empresa 4 y el atributo 11.

Puntos cercanos al origen de coordenadas, y por tanto, poco diferenciados.

© 2006, Equipo de profesores de Investigación y Técnicas de Mercado.