modelos causales
TRANSCRIPT
MODELOS CUANTITATIVOS
CAUSALES
INTRODUCCIÓN Se requiere conocer el comportamiento
de los componentes del estudio de mercado en el pasado, en el presente y en el futuro.
Los modelos y técnicas de proyección ayudan a determinar éste comportamiento futuro.
INTRODUCCIÓN Elección de un modelo o técnica depende de:
la validez y disponibilidad de los datos históricos,
la precisión deseada, el costo del procedimiento, los beneficios del resultado, los periodos futuros que se deseen
pronosticar, el tiempo disponible para hacer el estudio, ciclo de vida del producto, producto nuevo o
no etc.
INTRODUCCIÓNDificultades para pronosticar
Eventos que no hayan ocurrido en el pasado
Desarrollo de nuevas tecnologías
Incorporación de competidores con sistemas comerciales no tradicionales
Variaciones en las políticas económicas gubernamentales
Etc.
Antecedentes históricos = variables referenciales
INTRODUCCIÓN
La información de la proyección debe ser expresada en la forma que sea más útil al preparador del proyecto: zona geográfica, edad, sexo, etc.
La validez de los resultados de la proyección está relacionada con la calidad de los datos de entrada.
Fuentes de información más importantes: series históricas oficiales de organismos públicos y privados, las opiniones de expertos y el resultado de encuestas especiales.
INTRODUCCIÓN La efectividad del método elegido se evaluará en función de:
o Precisión: Cualquier error en su pronóstico tendrá asociado un costo. No es posible exigir una certeza total, pero si, la reducción al mínimo del costo del error en su proyección.
o Sensibilidad: En un medio cambiante, debe ser lo suficientemente estable para enfrentar una situación de cambios lentos como dinámica para enfrentar cambios agudos.
o Objetividad: La información que se tome como base de la proyección debe garantizar su validez y oportunidad en una situación histórica.
METODOS DE PROYECCIÓN
Métodos de proyección
Métodos subjetivos
Modelos causales
Métodos de series de tiempo
METODOS DE PROYECCIÓN
Métodos subjetivos
-Opinión de expertos
-Se usa cuando:
o el tiempo de elaboración es escaso
o no se dispone de todos los antecedentes o datos
o los datos no son confiables para predecir
o no se puede explicar alguna variable
Ejm: Método Delphi, investigación de mercado y consenso de panel
METODOS DE PROYECCIÓN
Modelos causales
Parten del supuesto de que el grado de influencia de las variables que afectan al comportamiento del mercado permanece estable, para luego construir un modelo que relacione ese comportamiento con las variables que se estima son las causantes de los cambios que se observan en el mercado
Causa Efecto
METODOS DE PROYECCIÓN
Métodos de series de tiempo
Se utiliza cuando el comportamiento que asume el mercado a futuro puede determinarse por lo sucedido en el pasado y se cuenta con la información histórica en forma confiable y completa.
El modelo pierde validez cuando cambian las variables que caracterizaron el contexto (recesión económica, nueva tecnología, etc.) y necesita un ajuste en forma subjetiva.
MÉTODOS SUBJETIVOS
Métodos subjetivos
- Su importancia resalta cuando los métodos cuantitativos basados en información histórica no pueden explicar por sí solos el comportamiento futuro esperado de alguna de sus variables o cuando no existen suficientes datos históricos.
- Se basa en la opinión de expertos
Son :
Método Delphi
Investigación de mercado y
Consenso de panel
Pronósticos visionarios
Analogía histórica
MÉTODOS SUBJETIVOS
Método Delphi
- Reúne a un grupo de expertos (panelistas)
- Se les somete a una serie de cuestionarios
- Existe un proceso de retroalimentación controlada después de cada serie de respuestas
- La información se procesa estadísticamente y constituye una opinión grupal de convergencia, de la que nace una predicción
- Para no influir, el cuestionario se realiza en forma anónima
- El proceso se repite hasta lograr la convergencia de opiniones de todos los expertos
- El lapso entre cuestionarios y el número de ellos, debe ser lo menor posible para evitar intercambio de opiniones
MÉTODOS SUBJETIVOS
Investigación de mercado
- Método más sistemático y objetivo que el anterior
- Recolección de información relevante para ayudar a la toma de decisiones o para probar o refutar hipótesis sobre un mercado específico.
- Se utilizan encuestas, experimentos, etc.
- Puede ser un paso necesario para la aplicación y uso de cualquiera de los métodos restantes.
- Es flexible para seleccionar y diseñar la metodología que más se adecue al problema en estudio.
MÉTODOS SUBJETIVOS
Consenso de panel
- Técnica similar al Método Delphi
- Se diferencia en que no existen secretos sobre la identidad del emisor de las opiniones y no existe retroalimentación dirigida
- Se estimula la comunicación
- Los factores sociales influyen en los pronósticos y por este motivo no reflejan un consenso verdadero
- Existe la posibilidad de que emerja un grupo dominante que anule la interacción adecuada y se logre un consenso por la capacidad de la argumentación y no por la validez de la misma.
MÉTODOS SUBJETIVOS
Pronóstico visionario
- Lo realiza el personal interno de la empresa que tiene la experiencia y conocimiento de sus clientes
- Emiten opiniones respecto a reacciones y comportamientos posibles de esperar en el futuro
- La proyección del mercado se hace tomando el resultado de la estimación directa del personal y corrigiéndola por antecedentes recopilados
- Es rápido y de bajo costo, pero se puede ver influida por las experiencias más recientes. La estimación es muy inexacta por la falta de unidades de medida.
MÉTODOS SUBJETIVOS
Analogía histórica
- Supone que el mercado del proyecto puede tener un comportamiento similar al de otros mercados en el pasado
- El mercado que se toma como referencia puede ser para el mismo producto pero de otra marca o de otra región geográfica o de un producto diferente pero con un mercado consumidor similar
Su desventaja:
Suponer que las variables determinantes en el comportamiento pasado del mercado tomadas como referencia, se mantendrán en el futuro y, además, que tendrán el mismo efecto sobre el mercado del proyecto.
MODELOS CAUSALES
Modelos causales
- Proyectan el mercado sobre la base de antecedentes cuantitativos históricos
- Suponen que los factores condicionantes del comportamiento histórico de alguna o todas las variables del mercado permanecerán estables
- Una variable depende de muchas causas o factores que explican su comportamiento
Son :
Modelo de regresión
Modelo econométrico
Método de encuestas de intenciones de compra
Modelo de insumo producto
Métodos de Proyección
Método de Proyección por Tazas.-
n
)1(i
)in1(
on
on
−ηη=
+η=η
Se puede proyectar de dos formas: Por Tazas Por Regresión
Se realiza por medio de la taza aritmética o interés simple, de la siguiente manera:
Diferentes Proyección por Regresión
Tipos de Proyección
ECUACIÓN F (tiempo)
Grafico
Proy. Lineal
Proy. Exponencial
Proy. Potencial
Proy. Logarítmica
BXAY +=
bxaeY =
baxY =
xlnbaY +=
Tipos de Proyección
ECUACIÓN F (tiempo)
Grafico
Proy. Asintótica
Proy. Gomportz
x
baY +=
x
baY −=
)x
ba(
eY−
=
a
a
a
Regresión Lineal
Se basa en la siguiente expresión matemática, que relaciona dos variables, sea Y, la variable dependiente y X, la variable independiente, de la siguiente manera:
BX A Y+ =Esta relación se resuelve a través de la solución de las siguientes ecuaciones normales, donde la incógnitas son la “A” y “B”.
∑ ∑∑∑ ∑
+=
+=
XBXAXY
XBnAY
( ) ∑∑∑ ∑ ∑∑∑
−
−=
+=
22XnX
YXXYB;
n
XBYA
Regresión Potencial
Si la nube de puntos de los datos Históricos de la demanda y la distribución de los mismos se aproxima a una función exponencial se puede recurrir a la siguiente relación:
BAXY =
Para linealizar esta función se aplica logaritmos a ambos miembros, mediante este procedimiento se obtiene una ecuación logarítmica lineal:
XLogBALogYLog +=
XLogXALogAYLogY ===
∑ ∑+= LogXBnLogALogY ∑ ∑ ∑+= 2LogXBLogXLogALogXLogY
Regresión Exponencial
Otro tipo de función que tiene aplicación en el análisis de regresión, es la función exponencial, que esta dada por la expresión:
XABY =
La regresión exponencial puede también ser linealizada aplicando logaritmos a ambos miembros, resultado de ello se tiene la relación siguiente:
)X(LogBLogALogY +=
BLogBALogAYLogY ===
∑ ∑+= XBLogAnLogLogY
∑ ∑ ∑+= 2XBLogXLogALogYX
Regresión Parabólica o Curva Cuadrática
Si la serie tiene una curva parabólica cuyo comportamiento se describe matemáticamente por una ecuación de segundo grado ( parábola ). La regresión se expresa así:
2CXBXAY ++=
Donde:Y = Estimación de la variable dependienteA,B,C = constantes numéricasX = Valores de la variable independienteLos valores “A”, ”B” y ”C” se encuentran resolviendo un sistema de tres ecuaciones con tres incógnitas.
Regresión Parabólica o Curva Cuadrática
∑ ∑ ∑ ∑∑ ∑ ∑∑
∑ ∑∑
=++
=++
=++
YXXCXBXA
XYXCXBXA
YXCXBnA
2432
32
2
Pero cuando se recurre a la codificación de la variable independiente, el calculo también se efectúa con las siguientes formulas de mínimos cuadrados:
( ) ( ) ( ) ( )( ) ( ) ( )
( ) ( ) ( )( ) ( ) ( )∑∑∑
∑∑∑∑∑
∑∑∑∑∑∑∑
−
−=
=
−
−=
224
22
2
224
224
XXX
XYYXnC
X
XYB
XXXn
YXXXYA
La Curva de Gomportz
Tiene la siguiente expresión matemática que la representa:
)x
ba(
eY−
=
BXAY
x
bayln
elnyln)
x
ba(
−=⇓⇓⇓
−=
=−
Por mínimos cuadrados, se tiene:
∑∑∑ ∑∑∑∑
−
−=
+=
22
x
1n
x
1
ylnx
1yln
x
1n
B;n
x1Byln
A
Coeficiente de Determinación
Recordemos que la ecuación de mejor ajuste corresponde aquella que presenta los coeficientes de determinación y correlación mas próximo a la unidad
Coeficiente de Determinación ( ):2Γ
Este coeficiente sirve para medir la relación entre las variables, medida de ajuste de modelo de regresión y que corresponde al cuadrado del coeficiente de correlación simple, con la relación :
( ) ( ) ( )[ ]( ) ( ) ( ) ( )
−
−
−=
∑∑∑∑∑∑∑
2222
2
2
YYnXXn
YXXYnΓ
Coeficiente de Correlación
Se dice que existe correlación entre dos variables, cuando al variar una de ellas varia también la otra variable. Para que la proyección sea mas acertada es necesario que el numero de observaciones (n) sea mas amplio
( ) ( ) ( )[ ]( ) ( ) ( ) ( )
−
−
−=
∑∑∑∑∑∑∑
2222 YYnXXn
YXXYnΓ
El grado de aproximación entre variables es mayor cuando el coeficiente de correlación se acerca al valor máximo de 1. Entonces, en este caso se dice, existe una elevada correlación entre X y Y.
Coeficiente de Correlación ( ):Γ
MODELOS CAUSALES
Modelos econométricos
“Es un sistema de ecuaciones estadísticas que interrelacionan a las actividades de diferentes sectores de la economía y ayudan a evaluar la repercusión sobre la demanda de un producto o servicio. Es una prolongación del análisis de regresión”
MODELOS CAUSALES
Encuestas de intensiones de compra
- Se selecciona la unidad de análisis para cuantificar la intención de compra
- Toma de la encuesta por muestreo
- Análisis de los antecedentes recopilados
Peligro:
Depende de las variables de contexto, sobre todo cuando son dinámicas
MODELOS DE SERIES DE TIEMPO
Modelos de series de tiempo
Se refiere a la medición de valores de una variable en el tiempo a intervalos espaciados uniformemente
Objetivo: determinar un patrón básico en el comportamiento que posibilite la proyección futura de la variable deseada (en base a la información histórica).
MODELOS DE SERIES DE TIEMPO
X
Y
Tendencia: crecimiento o declinación en el largo plazo del valor promedio de la variable.
Su importancia: el estudio del nivel promedio de la variable a lo largo del tiempo es mejor que el estudio de esa variable en un momento específico de tiempo.
Comp. tendencia
MODELOS DE SERIES DE TIEMPO
Componente Cíclico: Divergencias que se da por efecto combinado de fuerzas económicas, sociales, políticas, tecnológicas, culturales y otras existentes en el mercado.
La mayoría de los ciclos no tienen patrones constantes que permitan prever su ocurrencia, magnitud y duración.
X
Y
Comp. tendencia
Comp. cíclico
MODELOS DE SERIES DE TIEMPO
X
Y
Componente Estacionario: Exhiben fluctuaciones que se repiten en forma periódica y que normalmente dependen de factores como el clima, la tradición, etc.
Comp. tendencia
Comp. cíclico
Comp. estacional
MODELOS DE SERIES DE TIEMPO
Ejemplo 1 se requieren pronósticos trimestrales para una empresa del rubro de limpieza de alfombras para el año 5, se estima que la demanda para ése año es 2.600 clientes
Trimestre Año 1 Año 2 Año 3 Año 4
1 45 70 100 100
2 335 370 585 725
3 520 590 830 1160
4 100 170 285 215
TOTAL 1000 1200 1800 2200
MODELOS DE SERIES DE TIEMPO
1. Demanda promedio por estación
Año 1: 1000/4= 250
Año 2: 1200/4= 300
Año 3: 1800/4= 450
Año 4: 2200/4= 550
MODELOS DE SERIES DE TIEMPO
2. Índices estacionales
Trimestre Año 1 Año 2 Año 3 Año 4
1 0,18 0,23 0,22 0,18
2 1,34 1,23 1,30 1,32
3 2,08 1,97 1,84 2,11
4 0,4 0,57 0,63 0,39
MODELOS DE SERIES DE TIEMPO
3. Índice estacional promedio
Trimestre Año 1 Año 2 Año 3 Año 4 Promedio
1 0,18 0,23 0,22 0,18 0,20
2 1,34 1,23 1,30 1,32 1,30
3 2,08 1,97 1,84 2,11 2,00
4 0,4 0,57 0,63 0,39 0,50
MODELOS DE SERIES DE TIEMPO
4. Pronóstico
2600/4= 650
Trimestre Pronóstico
1 133
2 844
3 1300
4 324
MODELOS DE ENCUESTAS
Encuesta: es la investigación efectuada a base de preguntas a una persona entrevistada.
Encuesta
Tiempo variable
Tiempo constante o instantánea
MODELOS DE ENCUESTAS
Encuestas de tiempo variable:
- Se recogen los datos de los elementos de un universo en diferentes fechas o momentos
- Permite analizar las variaciones de los atributos encuestados a través del tiempo.
Son: panel o guía de consumidores, inventario de establecimientos y establecimiento piloto
MODELOS DE ENCUESTAS
Encuestas instantáneas:
- Se recoge información correspondiente a una o más variables en un corto periodo
- Permite conocer con precisión la situación y estructura de las variables al momento en que se realiza la investigación.
- Son más costosas, laboriosas y difíciles de realizar que las encuestas de tiempo variable.
Utiliza: entrevista directa, postal, telefónica y similares
MODELO DE ENCUESTAS
Existen dos problemas metodológicos:
1. Elaboración de cuestionarios: Conjunto estructurado de preguntas para levantar la información necesaria con el mínimo costo y sin cansar al entrevistado.
2. Distribución del cuestionario: Distribución por correo, por teléfono, entrevista personal
MODELOS DE MUESTREO- Se utiliza cuando la encuesta total o universal (censo) resulta costosa, laboriosa o impracticable.
- Técnica aplicable tanto a las encuestas de tiempo variable como a las instantáneas.
-Se puede muestrear tanto individuos del universo como valores de la variable en el tiempo.
- Ventajas: económico, rapidez y precisión; si se determina la muestra, se diseña la encuesta y se entrevista correctamente; así como también si se procesa e interpreta adecuadamente la información.
MODELOS DE MUESTREO
Principios básicos de muestreo:
Una muestra debe ser representativa y tener todas las características de la población, incluyendo el grado de heterogeneidad de elementos.
Debe intervenir un factor de aleatoriedad.