• COMENTARIOS ADICIONALES SOBRE LOS PASOS DE LA INVESTIGACIÓN DE MERCADOS.
  • FUNDAMENTOS DE MEDICIÓN.
  • CLASIFICACIÓN Y EVALUACIÓN DE LOS ERRORES.
  • EFECTOS DE IMPORTANCIA DE LOS ERRORES NO IMPUTABLES AL MUESTREO.
  • ERRORES NO IMPUTABLES AL MUESTREO.
COMENTARIOS ADICIONALES SOBRE LOS PASOS DE LA INVESTIGACIÓN DE MERCADOS.

Aunque el análisis precedente permite comprender en gran medida los pasos del proceso de investigación, es necesario señalar puntos adicionales. Por principio de cuentas, cada paso del proceso es más complejo de lo que aparenta dicho análisis; cada uno incluye diversos aspectos, no una sola decisión o incluso unas cuantas.

En segundo plano, aunque para los investigadores principiantes resulta difícil de comprender, los pasos del proceso de investigación están sumamente interrelacionados. Cualquier decisión que se tome en alguna de las etapas afectará a las decisiones que se tomen en las demás; de igual forma, modificar el procedimiento en cualquier etapa suele forzar a que se cambien los procedimientos en las restantes. Desgraciadamente, parece que esta lección la entienden sólo quienes han experimentado la frustración y satisfacción de participar en un proyecto de investigación real.

En tercer lugar, el error esencial del que hay que preocuparse al diseñar un proyecto de investigación es el “Error Total”, que tiende a relacionarse con el proyecto. Todos los pasos son necesarios y vitales, de modo que es riesgoso conceder mayor importancia a alguno de ellos en detrimento de uno o varios de los restantes. Por ejemplo, muchos estudiantes de investigación de mercados se pronuncian a favor de muestras grandes, pero no se percatan de que un aumento en el tamaño de la muestra para reducir el error de muestreo eleva el error total de la actividad de investigación, ya que otros errores se incrementan más que proporcionalmente al hacerlo el tamaño de la muestra. Si un estudiante requiriese que los investigadores llamen a personas de una lista de números telefónicos seleccionados aleatoriamente, aún si los números representan un corte excelente de la población, podría ocurrir algo extraño con los resultados del estudio, como el hecho de que los investigadores, que trabajan en el horario de oficina normal, sin duda alguna tendrían dificultades para ponerse en contacto con las familias en que ambos cónyuges trabajan o los hogares de solteros que trabajan. Si no se toma en cuenta este posible error, en el estudio podría representar excesivamente a las personas que están recluidas en casa (amas de casa, ancianos, familias con niños de corta edad, personas con impedimentos o desempleos). Por su puesto, con mayor sea la muestra, tanto mayor será el peso de las opiniones de esos grupos. De tal manera, la magnitud del error causado por una muestra grande tendría un efecto significativo en el error total relacionado con el proyecto.


FUNDAMENTOS DE MEDICIÓN:

ESCALAS DE MEDICIÓN: una medición se compone de “reglas para asignar valores a los objetos, de manera que representen cantidades de atributos”. Resulta conveniente poner atención en dos aspectos de esta definición. En primer término, indica que se miden los atributos de objetos, no los objetos mismos. Por ejemplo, no se mide a una persona, pero puede optarse por medir su ingreso, clase social, nivel de estudios, estatura, peso actitudes, etc… que la caracterizan.

Escala Nominal: Una de las propiedades más sencillas de la escala de números es la identidad. El número del seguro social de una persona corresponde a una escala nominal, al igual que los números en las camisetas de los jugadores de fútbol, armarios en los vestuarios, y así sucesivamente. Estos números simplemente identifican a cual individuo está signado el número. De igual manera, si en un estudio se codifica a los hombres con 1 y a las mujeres con 2, se usa una escala nominal. Con ella, se identifica de manera excluyente a los individuos como hombres o mujeres. Basta determinar su género para saber si su código es 1 ó 2; conviene también observar que no existe nada implícito en dichos números, salvo la identificación de género de la persona.

Escala ordinal: Una segunda propiedad de una escala de números es la de orden. De esta manera, podría decirse que el número 2 es mayor que el número 1. Los 1, 2, 3 y 4 están ordenados, y cuanto mayor sea el número, tanto mayor la propiedad. Observe que la escala ordinal entraña identidad, ya que el mismo número podría usarse para todos los objetivos que son iguales.

EJEMPLO, el 1 que se usa para denotar a los alumnos de primer grado, el 2 para los de segundo etc.
Escala de intervalo: Los intervalos entre los números tienen significado, en el sentido de que indican lo separado que están los objetos en lo referente al atributo, esto indica que es posible comparar estas diferencias. Ejemplo, la diferencia que hay entre el 1 y 2 es igual a la existente entre el 2 y 3, y la que hay entre el 2 y 4 es el doble de la que hay entre el 1 y 2.
Escalas de razón: Éste cálculo o forma de medición, posee un cero natural o absoluto. La estatura y el peso son ejemplos claros, esto permite comparar las magnitudes absolutas de los números. Ejemplo, una persona que pesa 100Kg, puede afirmarse que pesa el doble que una de 50Kg.

CLASIFICACIÓN Y EVALUACIÓN DE LOS ERRORES:

1.- Error sistemático: También llamado error constante, porque afecta de manera sistemática la medición.

2.- Error constante

3.- Error aleatorio: Se conoce así porque ocurre de manera inconstante y se debe a aspectos temporales de la persona o situación de medición, además de que afecta a la medición misma en forma irregular. Ejemplo un hombre que se mide su estatura dos veces y se cambia el calzado, mas su estatura no cambia.

4.- Validez: intentar que la medición logre sus objetivos y sea lo más acercada a la realidad posible.

EFECTOS DE IMPORTANCIA DE LOS ERRORES NO IMPUTABLES AL MUESTREO

Son dos los tipos básicos de errores que se cometen en las investigaciones: Los errores de muestreo y errores no imputables al muestreo.
Los errores de muestreo: Los datos estadísticos varían de una muestra a otra simplemente porque sólo se muestrea una parte de la población en cada caso. Así, el error de muestreo es “la Diferencia entre los valores observados de una variable y el promedio a largo plazo de los valores observados en repeticiones de la medición”. Es posible reducir este error aumentando el tamaño de la muestra. La distribución del dato estadístico de la muestra se concentra cada vez más alrededor del valor promedio a largo plazo, pues el dato estadístico de la muestra se iguala más a otra cuando se basa en un mayor número de observaciones.
Los errores imputables al muestreo reflejan otros tipos de problemas que pueden surgir en las investigaciones, incluso si no se basan en una muestra. Este error puede ser aleatorio o no aleatorio. Los errores no imputables al muestreo y no aleatorios son los más problemáticos. Los errores aleatorios producen estimaciones que varían del valor verdadero, unas veces por arriba y otras por debajo, si bien invariablemente al azar. El resultado final es que, a falta de errores de muestreo, la estimación de la muestra es igual al valor poblacional. Por otra parte, los errores no imputables al muestreo y no aleatorios tienden a producir dificultades en una sola dirección. Suelen generar sesgos del valor de muestra de manera tal que se aleja del parámetro poblacional. Estos errores no pueden surgir por deficiencias de concepción, lógica, interpretación de respuestas, estadística, aritmética, tabulación, codificación o preparación de informes.
Además de que los errores no imputables al muestreo son comunes, no son tan manejables como os de muestreo, los cuales disminuyen y aumentan con el tamaño de la muestra. Los errores no imputables al muestreo no se reducen necesariamente al incrementarse la muestra; de hecho, podrían aumentar. Además, es posible estimar los errores de muestreo si se usan procedimientos de muestreo probabilísticos. En el caso de errores no imputables al muestreo, es difícil inclusive predecir la dirección del error, y mucho menos, su magnitud.
Es verdad que los errores no imputables al muestreo producen un sesgo del valor de la muestra en dirección contraria al parámetro poblacional. Sin embargo, en muchos, en muchos estudios es difícil ver si causan la subestimación o sobreestimación del parámetro. Estos errores también deforman la confiabilidad de las estimaciones de muestras. Provocan un sesgo que podría aumentar el error de la estimación de datos estadísticos particulares a tal grado que el intervalo de confianza pierda su validez.

ERRORES NO IMPUTABLES AL MUESTREO

Falta de cobertura
Falta de observación Personas no encontradas
Sesgos no imputables Falta de respuesta Personas renuentes
al muestreo Errores de recopilación de datos de campo
Observación
Errores de procesamiento en la oficina

ERRORES DE FALTA DE OBSERVACIÓN: Son dos tipos de errores de falta de observación: Los de falta de cobertura y de falta de respuesta.
  • Falta de cobertura: No se refiere a sectores de una población excluidos deliberadamente de la encuesta, sino a los que se excluyó indebidamente. Ejemplos: No todas las personas cuentan con líneas telefónicas, o no todas las personas que cuentan con líneas telefónicas las publican en el directorio. Otro ejemplo: no todas las personas cuentan con correo electrónico. Si se pretende encuestar por unos de estos medios, se excluirían a ciertas personas, Eso es por falta de cobertura.
ERRORES DE FALTA DE RESPUESTA:
Consiste en la incapacidad para obtener información de algunos elementos de la población seleccionados y designados para la muestra. El primer problema que debe superarse al afrontar estos errores es simplemente prever que todo puede salir mal cuando se intenta tener contacto con un participante designado.

ERRORES DE OFICINA: 
Los problemas con los errores imputables al muestreo no terminan con la recopilación de datos, pues también surgen en una revisión, codificación, tabulación y análisis.


Bibliografía:
Investigación de Mercados cuarta edición; Gilbert A. Churchill Jr