Professional Documents
Culture Documents
Investigaci comercial
Investigaci comercial
El treball de camp
ndex
Introducci ...............................................................................................
Objectius ...................................................................................................
11
14
17
17
22
27
27
29
30
42
45
46
48
50
50
55
56
60
62
62
65
Investigaci comercial
El treball de camp
Introducci
Programa estadstic R
El programa estadstic R, de
llicncia lliure, permet realitzar
anlisis estadstiques de manera
molt fcil i rpida.
Investigaci comercial
El treball de camp
Investigaci comercial
Objectius
2.
3.
Avaluar la validesa dun qestionari a partir dels objectius proposats i en contrast amb lestructura, el contingut de les preguntes i
les caracterstiques de la mostra escollida.
4.
5.
Planificar, a partir duns objectius definits, el treball de camp tenint en compte lmbit geogrfic, els parmetres essencials de la
recollida de dades, el temps i el nombre denquestadors i les partides econmiques que integren un pressupost.
6.
7.
Selecccionar els enquestadors a partir denquestes personals i segons els criteris fixats.
8.
9.
10. Especificar els parmetres essencials que cal analitzar per jutjar la
fiabilitat de la informaci recollida tant en les fonts primries com
en les secundries.
11. Valorar el treball de camp, laplicaci de les tcniques de recollida
de dades en el context i els terminis establerts i les desviacions que
es detectin en relaci amb les hiptesis i els objectius establerts.
El treball de camp
Investigaci comercial
El treball de camp
Investigaci comercial
1. Disseny de la mostra
El procs de mostreig consisteix a definir la poblaci objecte destudi i les seves caracterstiques, determinar el mtode mitjanant el qual sescolliran els elements daquesta poblaci (mtode
de mostreig) i la quantitat delements a seleccionar.
El treball de camp
Investigaci comercial
10
Una observaci s el conjunt de valors de cada variable estadstica mesurats sobre un mateix individu.
El treball de camp
Variables estadstiques
Sn variables les caracterstiques
que tenen els objectes, les
persones o els fenmens i que
poden prendre valors diferents,
com per exemple ledat (16,17,18
anys), el color dun autombil
(vermell, blau, groc), les vendes
(nombre dunitats venudes), etc.
Utilitzant els valors que pren una variable en una mostra es poden calcular mesures estadstiques (com la mitjana, la desviaci estndard, les proporcions, etc.) els valors de les quals es podran generalitzar (extrapolar) a
tota la poblaci.
Com que en la gran majoria dels casos linvestigador treballa amb mostres, fa servir els estadstics per aproximar els valors reals daquestes mesures en la poblaci.
Estimador del preu mitj
Segur que ja hi esteu pensant..., si no utilitzem tota la poblaci, segurament el valor que sobt de la mostra no coincidir amb el valor poblacional. Aix s totalment cert, per tant, per tal de minimitzar aquesta
diferncia, sha dassegurar que es treballa amb una mostra prou gran i
que sha obtingut mitjanant plantejaments de mostreig eficients.
En el cas que la mostra sigui poc representativa de la poblaci global direm que la mostra s esbiaixada (o que t biaix).
Investigaci comercial
11
El treball de camp
Variabilitat de valors
En el cas que les observacions es
recullin mitjanant enquestes, la
variabilitat pot reflectir-se en una
gran amplitud dopinions envers
un tema.
Investigaci comercial
12
El treball de camp
Una proporci s la quantitat de vegades que una variable presenta uns valors determinats en relaci amb el total de vegades
que la variable pren aquests i altres valors.
Investigaci comercial
13
El treball de camp
Estimaci de punt i
estimaci per interval
Una variable discreta pren un nombre limitat de valors dins dun interval de valors propers, com per
exemple, el nombre dalumnes dun centre, quantitat dunitats venudes dun producte, etc., ja que
hi podria haver 100 alumnes, 101 alumnes... per mai 100,1 o 100,2 alumnes.
Una variable contnua pren infinits valors en un interval, i alguns exemples daquest tipus de variable
sn el pes, lalada, els euros, etc.
Les dades dun histograma es poden representar a partir duna taula que mostri la freqncia en
qu es donen els diferents valors que pren la variable. Per representar les dades com una corba cal
una funci que sanomena funci de densitat de probabilitat.
Les freqncies relatives poden ser enteses com la probabilitat que es donin determinats valors.
Quan sutilitza la corba de distribuci normal la probabilitat que es doni un valor determinat (situat
a leix horitzontal) se sap mirant el valor que el grfic mostra a leix vertical. Quan sestableix la pro-
!!
Per ampliar informaci sobre les
freqncies, vegeu la unitat
didctica Disseny i tcniques de
la investigaci comercial.
14
Investigaci comercial
El treball de camp
babilitat que un valor estigui situat en un interval, aquesta probabilitat vindr representada al grfic
per tota lrea que hi ha situada per sota entre el lmit inferior i superior de linterval.
Per exemple, si en un estudi sha obtingut que la mitjana dalades dels estudiants de cicles s de
176 cm, i es vol determinar un interval de confiana amb una probabilitat del 95% que el valor de la
mitjana est comprs en aquest interval.
El grfic que es mostra en la figura 2 mostra com el 68% de probabilitat s lrea que correspon als
valors que es troben a
distncia de la mitjana : x
i x
. El 95,5% s la probabilitat
n
n
n
2
3
de la mitjana i el 99,7% la probabilitat que els valors es trobin a
n
n
de la mitjana. bviament es poden utilitzar altres probabilitats, per aquests sn els valors que sutilitzen ms sovint.
Figura 2. Distribuci de probabilitats entorn de la mitjana
Imaginem que en una mostra de 81 habitants duna poblaci es va obtenir una estatura mitjana de
176 cm. Per estudis anteriors se sap que la desviaci tpica de lalada de la poblaci s de 8 cm i
es vol construir un interval de confiana per a lalada mitjana amb 95,5% de marge de confiana.
2
8
Amb un 95% linterval vindr donat per x
, en aquest cas 176 2
, que s 174,2 i
n
81
177,8.
En el cas que es vulgui fer una estimaci dun interval per a una proporci, linterval ve donat per:
PQ
, P
P
n
PQ
quan linterval de confiana s del 68%.
n
PQ
PQ
, P2
P 2
quan linterval de confiana s del 95,5%.
n
n
PQ
PQ
, P3
P 3
quan linterval de confiana s del 97,7%.
n
n
!!
Vegeu lapartat Tipus de
mostreig daquest nucli dactivitat
per conixer altres tipus de
mostreig utilitzats a les
investigacions.
15
Investigaci comercial
El treball de camp
igual per a tots ells. El mostreig aleatori simple, s, per, el tipus de mostreig utilitzat amb ms freqncia.
La nomenclatura utilitzada s la segent:
n = mida de la mostra
N = mida de la poblaci
P = dispersi
Q=1P
e = error de mostreig
= desviaci tpica
Taula 1. Resum de frmules emprades per calcular la mida de la mostra per als diferents intervals de
confiana
Mida de la mostra
Intervals
de confiana
Finita
n
Mitjana
Proporci
68%
95,5%
99,7%
Infinita
PQN
e2 (N 1) P Q
4 PQN
e2 ( N 1) 4 P Q
9PQN
e2 ( N 1) 9 P Q
68%
95,5%
99,7%
N 2
4 N 2
N e 4
9N 2
2
N e 9
e2
e2
9 PQN
e2
4 PQ
N e2 2
PQ
2
e2
4 2
e2
9 2
e2
Mida de la mostra
Finita
n
68%
PQN
e2 (N 1) P Q
50
66,9
0,4975 0,25
Proporci
95,5%
4PQN
e2 ( N 1) 4 P Q
200
133,6
0,4975 1
450
163,7
0,4975 2,25
99,7%
9PQN
e2 (N 1) 9 P Q
16
Investigaci comercial
A continuaci es vol tornar a determinar la mida de la mostra amb les mateixes dades anteriors sabent que la poblaci de la qual sextreu s infinita. Els resultats obtinguts es mostren en la taula 3.
Taula 3. Resultats del clcul de la mida de la mostra per a una poblaci infinita
Mida de la mostra
Intervals de
confiana
Infinita
n
68%
PQ
e2
0,5 0,5
0,052
0,25
100
0,0025
Proporci
4PQ
e2
95,5%
4 0,5 0,5
0,052
1
400
0,0025
9PQ
e2
99,7%
9 0,5 0,5
0,052
2,25
900
0,0025
Es vol estimar el temps mitj que una flota de 2.000 camions triga a realitzar un lliurament de productes als clients. Es vol determinar la mida de la mostra si es pretn que lerror en lestimaci no
superi els 20 minuts. Es realitzar el clcul per a diferents nivells de confiana. Prviament a aquest
estudi sha fet una enquesta a una mostra de 50 camioners per estimar per aproximaci la desviaci
tpica i ha donat com a resultat un valor de 45 minuts. Els resultats es mostren en la taula 4.
Taula 4. Resultats del clcul de la mida de la mostra per a una poblaci finita quan es vol estimar
una mitjana
Mida de la mostra
Intervals
de confiana
68%
Finita
n
N 2
2
Ne
2000 452
4.050.000
5
800.000 2025
Mitjana
La mostra s de 5 elements.
95,5%
4 N 2
2
N e 4
4 2000 452
16.200.000
20
800.000 8100
36.450.000
44,5
800.000 18225
La mostra s de 20 elements.
99,7%
9 N 2
2
N e 9
9 2000 452
La mostra s de 45 elements.
Si es realitzen els mateixos clculs per a una poblaci infinita sobtenen els clculs que es presenten en la taula 5.
Taula 5. Resultats del clcul de la mida duna mostra per a poblacions infinites quan es vol estimar
una mitjana
Mida de la mostra
Intervals
de confiana
68%
Infinita
n
2
2
452
202
2.025
5,1
400
Mitjana
La mostra s de 5 elements.
95,5%
4 2
e2
4 452
202
8.100
20,25
400
La mostra s de 20 elements.
99,7%
9 2
2
9 2
2
9 452
202
La mostra s de 46 elements.
18.225
45,6
400
El treball de camp
Investigaci comercial
17
El treball de camp
Fer un mostreig significa seleccionar n elements de lunivers objecte destudi, de mida N, essent n N, per tal dobtenir informaci de
determinades caracterstiques daquest univers, dins el marge de
confiana determinat.
Investigaci comercial
18
El treball de camp
Mostreig aleatori
sistemtic
19
Investigaci comercial
El treball de camp
Lestratificaci consisteix a fer grups o classes com ms homogenis millor a partir de lunivers que s objecte destudi. Aquests
grups sanomenen estrats.
Per a cada estrat, les unitats que shan dentrevistar cal obtenir-les a latzar pel mtode aleatori simple o per laleatori sistemtic.
La taula 6 mostra les frmules que permeten obtenir la mitjana i la proporci de la mostra a partir de la mitjana i la proporci de cada estrat.
Taula 6. Estimadors poblacionals a partir dels estimadors dels estrats
Parmetre
Mitjana
Estimador
Nh
xh
N
h 1
Proporci
h 1
Nh
ph
N
Nh : Grandria de lestrat h.
x h : Mitjana de la mostra en lestrat h
Els dos aspectes que linvestigador ha de decidir per poder aplicar aquest
mtode sn els segents:
a) Determinar els estrats.
b) Repartir entre els estrats la mostra que sha dutilitzar.
Per tal dobtenir els estrats, es poden seguir els passos segents:
a) En primer lloc, cal escollir el criteri o els criteris destratificaci. Si X
s la variable per la qual es vol estratificar, i Y, la variable estudiada, X
s un criteri adequat destratificaci si hi ha una correlaci elevada entre
X i Y.
b) Quan sha escollit el criteri o els criteris de classificaci, el pas segent
s determinar el nombre destrats i els punts de tall o fronteres entre estrats.
El problema de repartir la mostra entre els estrats sanomena assignaci
de la mostra. Hi ha diversos sistemes dassignaci i el fet dutilitzar-ne un
o un altre depn, en darrer terme, de les caracterstiques dels problemes
que shagin dinvestigar.
Variables destratificaci
20
Investigaci comercial
El treball de camp
n1 n2 ... ni ... n I
ni n
i 1
n1 n2 ... ni ... n I
ni
n
l
n
l
Assignaci proporcional. Consisteixen a dividir la mostra en parts proporcionals a la poblaci de cada estrat. Si N s la mida de lunivers que s objecte destudi, i Ni, la mida de lunivers en cada estrat, la mida de la mostra
que sha dobtenir en cada cas es calcula de la manera segent:
l
ni
n1 n2
n
n
... i ... l i 1
l
N1 N 2
Ni
Nl
Ni
n
N
i 1
ni n
Ni
N
Assignaci ptima. Es reparteix la mostra no solament tenint en compte la poblaci de cada estrat, sin tamb la dispersi de resultats que hi
pot haver en cada un (i). Llavors, la mida de la mostra es calcula de la
manera segent:
l
ni
n1
n2
ni
nl
n
1
i
...
...
l
l
N 1 1 N 2 2
N i i
N l l
( N i i ) ( N i i )
i 1
ni n
N i i
N i i
i 1
i 1
21
Investigaci comercial
El treball de camp
Mostreig estratificat
Lobjectiu de la investigaci era conixer el nombre mitj de cerveses que es consumeixen per setmana.
Lunivers que s objecte destudi es va definir aix: individus dambds sexes, de 18 a 44 anys, residents a Paislndia, lany 2002 i que consumeixen cervesa com a mnim un cop per setmana. Suposem que la mida daquest univers s de 5.000.000 dindividus.
Es va decidir que la mida de la mostra seria de 1.200 enquestes i que el criteri destratificaci de la
mostra seria ledat.
La taula 7 mostra la informaci sobre lunivers objecte destudi.
Taula 7. Informaci sobre lunivers que s objecte destudi
Desviaci tpica del nombre mitj
de cerveses que es consumeixen
per setmana
Estrats
Grandria de lestrat
De 18 a 24 anys
2.100.000
8,6
De 25 a 34 anys
1.850.000
10,5
De 35 a 44 anys
1.050.000
11,7
En funci daquesta informaci, el repartiment de la mostra per estrat es faria com es mostra en la
taula 8 en cada un dels tres tipus dassignaci:
Taula 8. Repartiment de la mostra per estrats
Estrats
Assignaci
simple
Assignaci
proporcional
Assignaci
ptima
De 18 a 24 anys
400
504
436
De 25 a 34 anys
400
444
468
De 35 a 44 anys
400
252
296
1.200
1.200
1.200
Total
Conglomerats
nen grups delements de lunivers que s objecte destudi, anomenats conglomerats, en lloc delements allats.
Quan ja shan extret els conglomerats que han de formar part de la mostra, es pot optar entre els dos procediments segents:
Mostreig per conglomerats simple. Tots els elements que integren els
conglomerats seleccionats formaran part de la mostra.
Mostreig per conglomerats polietpic. Dins de cada conglomerat sescullen a latzar els elements que formaran part de la mostra.
Mostreig per conglomerats
Suposem que sha de fer una enquesta en una ciutat. Es pot comenar per escollir a latzar un determinat nombre de barris (recorrent a la llista de nombres aleatoris o qualsevol altre mtode siste-
La poblaci es divideix en
conglomerats que siguin
mtuament excloents i a
continuaci se seleccionen els
que han de formar part de la
mostra mitjanant qualsevol
procediment aleatori.
22
Investigaci comercial
El treball de camp
mtic) una vegada enumerats. A continuaci, i de manera anloga, sescull a latzar un cert nombre
de blocs o illes de cases que pertanyin als barris sortejats en la primera fase. En cada illa aix determinada, es considera un cert nombre de famlies de manera que al final es tingui un nombre especfic de famlies per entrevistar.
Per exemple, es pot prendre un barri de cada tres; de cada un dels que shan obtingut aix, una illa
de cada vuit; daquestes illes, una casa de cada deu; i daquestes cases, una famlia de cada tres.
1 1 1 1
1
3 8 10 3 720
Daquesta manera, sobt una mostra aleatria amb una famlia de cada 720.
El mostreig per rees s un cas particular del mostreig per conglomerats, en el qual els conglomerats estan constituts per zones geogrfiques o rees. Com en el cas del mostreig per conglomerats,
tamb pot ser simple o polietpic.
prenen illes de cases, mentre que daltres vegades es delimiten rees amb
independncia del traat de les illes, de manera que les illes poden quedar
fragmentades i pertnyer a rees diferents.
c) Una vegada numerades totes les rees de lunivers, se seleccionen
aquelles que han dintegrar la mostra per mitj dun procediment que garanteixi formalment laleatorietat, com ara dacord amb una llista de nombres aleatoris.
d) Per a cadascuna daquestes rees seleccionades, sinterroga tots els
23
Investigaci comercial
El treball de camp
El mtode del mostreig per quotes es basa a constituir una mostra semblant en lunivers que s objecte destudi. Sescullen algunes caracterstiques que descriuen la poblaci estudiada (per exemple, classe social, sexe,
edat, professi, etc.) i, a continuaci, es reparteix la mostra seguint les variables escollides de manera que saconsegueixi una distribuci semblant a la que es produeix en la poblaci objecte destudi.
Mostreig per quotes
Un entrevistador ha de fer cinquanta entrevistes en una ciutat petita per a una enquesta en qu les
caracterstiques que descriuen lunivers que s objecte destudi sn el sexe, ledat i la professi de
la persona que aporta ms ingressos a la seva famlia. Com a instruccions, rep el quadre de la taula 9,
en el qual sespecifica el repartiment de la mostra per sexe, edat i professi.
Taula 9. Repartiment de la mostra per variables sciodemogrfiques
Caracterstiques
diferenciadores
Nivell de les
caracterstiques
Proporci
de la poblaci
Mida
de la mostra
Homes
46%
23
Dones
54%
27
18-24 anys
14%
25-44 anys
36%
18
45-64 anys
36%
18
65 anys o ms
14%
Patrons
12%
Quadres superiors /
professionals liberals
8%
Quadres mitjans /
empleats
16%
Obrers
40%
20
Inactius
24%
12
100%
50
Sexe
Edat
Professi de la
persona que aporta
ms ingressos a la
famlia
Total
Investigaci comercial
24
El treball de camp
Latzar
canvi no est obligat a conservar quotes de cap tipus. s latzar qui influeix
exclusivament a lhora de seleccionar la casa escollida.
Per tal de seleccionar les unitats mostrals que cal entrevistar lentrevistador disposa del full de ruta. Cada full de ruta sol indicar ladrea del punt
de partida, el nombre de persones a les quals haur dentrevistar i la manera especfica com shauran de seleccionar.
Mostreig per itineraris
25
Investigaci comercial
El treball de camp
Per seleccionar la planta dins dun edifici de diferents plantes i per determinar lhabitatge que cal
entrevistar dins de la planta seleccionada, sutilitza una taula de selecci o selector, com la que es
mostra en la taula 10.
La selecci de la planta es fa creuant la columna corresponent al nmero dordre de lentrevista,
amb la fila corresponent al nombre total de plantes que t ledifici (comptant soterranis, tic, etc.).
El nmero resultant de lencreuament correspondr a la planta on sha de fer lentrevista. La selecci de la porta sefectua de la mateixa manera.
Taula 10. Exemple de taula de selecci
Nm. ordre
entrevistes
10
10
11
12
13
14
15
Nbre. plantes
o portes
Suposem, per exemple, que lentrevistador es disposa a fer lentrevista nmero cinc duna de les
seves rutes i que es troba en un edifici de tres plantes. En la taula de selecci, lencreuament de la
columna cinc amb la fila tres correspon al nmero dos. Aix significa que ha de fer lentrevista a la
segona planta.
Finalment, si la ruta sacaba (perqu se surt del barri o la localitat, segons els casos) sense concloure el nombre dentrevistes volgut, sinicia un altre cop amb un altre punt de partida aleatori.
Lnic perill per a aquest mtode s lurbanisme. Les caracterstiques demogrfiques de cada municipi han de ser analitzades prviament a laplicaci del mtode.
3) Mostreig dels mxims possibles (oversampling)
En el mostreig dels mxims possibles, de vegades, la mostra, en lloc destar constituda amb proporcionalitat exacta respecte als diversos carcters
que figuren a lunivers, s deliberadament deformada per raons prctiques.
Consisteix a incloure a la mostra, per exemple, una proporci de persones
que pertanyen a les classe acomodades molt superior a la que es podria es-
Investigaci comercial
26
En el mostreig raonat, els elements que formaran part de la mostra se seleccionen dacord amb alguna condici que estableix un expert coneixedor de la
matria que es vol estudiar i que considera que la mostra ha de complir.
Per exemple, imaginem una mostra de 100 poblacions espanyoles per fer
un estudi. Linvestigador pot considerar que s molt important que, per a
aquest estudi en concret, a les 100 poblacions estiguin incloses les 10 ms
grans i almenys una de cada provncia. Si es fa aleatriament, no hi ha garantia que es compleixin les condicions especificades, per la qual cosa la
selecci dels elements de la mostra haur de seguir els criteris fixats per
linvestigador.
5) Mostreig de bola de neu
En el mostreig de bola de neu, la mostra es construeix partint dun nombre redut dintegrants de la poblaci que s objecte destudi. A aquests, un
cop entrevistats, sels sollicita que subministrin el nom dun altre o altres
integrants de lunivers que s objecte destudi, i aix successivament fins
a aconseguir tants noms com necessiti la mida de la mostra inicialment
prevista.
Un exemple seria una poblaci constituda per persones que tenen rendes
altes i que tenen una embarcaci. Si lentrevistat proporciona el nom
duna altra persona de les mateixes caracterstiques facilitar la feina de
completar la mostra.
El treball de camp
Investigaci comercial
27
El treball de camp
2. El treball de camp
LAssociaci Nacional
dEmpreses dInvestigaci de
Mercats i Opini Pblica ANEIMO
calcula que lany 2006 del total
destudis contractats, el 83%
corresponien a estudis
quantitatius, mentre que noms el
14% corresponien a estudis
qualitatius.
Investigaci comercial
28
El treball de camp
Investigaci comercial
29
El treball de camp
Suposem que es vol portar a terme un estudi sobre els hbits dels estudiants catalans el cap de
setmana, caldr definir de la manera ms acurada possible qu sentn per estudiant: estudiant de
batxillerat, de cicles formatius, dalguns cicles formatius concrets, duniversitat, de lESO, o tots plegats; tamb es podria decidir ledat mnima i mxima dels estudiants que es vol analitzar, ja que pot
haver-hi estudiants entre els jubilats, per exemple, amb hbits diferents durant el cap de setmana.
Una altra variable a considerar podria ser lmbit geogrfic, si sestudiaran els estudiants de tot
Catalunya o noms duna determinada provncia, o si sanalitzaran els estudiants de les rees rurals
o urbanes, etc.
Una vegada shan seleccionat les caracterstiques de lunivers, cal localitzar algun document que permeti identificar i conixer en detall la poblaci
que sha dentrevistar, que en termes estadstics es coneix com a marc
mostral o base de sondeig. Quan la poblaci que s objecte destudi sn
!!
Consulteu el nucli dactivitat
Disseny de la mostra daquesta
mateixa unitat didctica per
recordar com es calcula la mida
de la mostra i de quina manera es
confeciona un mostreig.
Investigaci comercial
30
El treball de camp
Investigaci comercial
31
El treball de camp
Constructes
32
Investigaci comercial
Tipus de pregunta
Tancades
Segons la llibertat
de resposta
Obertes
Semiobertes
Control
Bateria
Segons la funci
que compleix
Filtre
Reservades/indirectes
Fets, hbits i motivacions
Avaluacions/ponderacions
El treball de camp
33
Investigaci comercial
Tenint en compte els tipus dopcions que poden presentar les respostes, aquestes es poden classificar en:
Dicotmiques: noms hi ha dues alternatives mtuament excloents
com S/No o Dacord / En desacord.
Exemple de pregunta dicotmica
Esteu dacord amb el cobrament duna taxa ecolgica pel consum de benzina?
S
No
De les caracterstiques segents, em podreu dir les tres que considereu ms importants perqu
una persona triomfi a la feina?
Autoritat
Iniciativa
Bona imatge
Esfor
Bona preparaci
Intelligncia
Capacitat de treball en equip
Atractiu personal
Bona sort
Intuci, m esquerra
Conixer gent influent
Cap de les anteriors
El treball de camp
34
Investigaci comercial
El treball de camp
Preguntes obertes: lentrevistat pot donar la resposta que li sembli convenient a una pregunta sense haver descollir entre diferents alternatives de resposta predefinides.
Preguntes semitancades (o semiobertes): en aquest tipus de pregunta
es dna una srie dopcions uniresposta o multiresposta, i al final es dna una opci perqu lentrevistat aporti una resposta lliure.
Exemple de pregunta semitancada
En qu invertireu els vostres estalvis si disposssiu dalguns diners, com ara, 30.000 euros o ms?
Compraria un habitatge
Assegurances i/o plans de pensions
En terrenys
En fons dinversi
En borsa
En deute pblic
En comptes corrents o destalvi
En comptes habitatge
En un negoci
Duna altra manera (especificar)
Preguntes filtre: sutilitzen per seleccionar les persones que ens interessa que contestin el qestionari o b una part de preguntes del qestionari.
Exemple de pregunta filtre
Estratgies de venda
Fidelitzaci i seguiment de clients
Packaging del producte
TPV, mitjans de pagament i arqueig de caixa
Altres (especificar)
No ho sap
No contesta
35
Investigaci comercial
Un estudi fa les preguntes segents repartides al llarg del qestionari; les preguntes plantejades
podrien correspondre a la pregunta 1, 8 i 20.
P1. Dacord amb aquesta escala, en general amb quina
freqncia acostumeu a comprar llaunes de cervesa de
33 cl?
Mnim
Mxim
Una sola quantitat
Cap quantitat en especial/depn
____________________
Un exemple daquest tipus de recurs seria demanar a lentrevistat que contesti la bateria de preguntes segent en comptes de preguntar-li directament quantes vegades es dutxa al dia:
Compreu sab de dutxa en alguna ocasi?
Cada quant el compreu?
Quina mida soleu comprar?
Quantes persones conviuen a la vostra llar?
El treball de camp
36
Investigaci comercial
b) Tipus descala
Nominal
No mtriques
Ordinal
Bsiques
Interval
Mtriques
Rtio o proporcionals
Likert
Mltiples
Diferencial semntic
No mtriques. Permeten mesurar variables qualitatives, tot i que no tenen significat quantitatiu. Sn senzilles demplenar i la seva anlisi estadstica es limita al clcul de freqncies i percentatges.
Escala nominal: permet determinar les categories o opcions de resposta amb les quals sidentifica lentrevistat.
El treball de camp
37
Investigaci comercial
El treball de camp
Marca D
Marca B
Marca C
Marca D
Mtriques. Aquestes escales sn apropiades per a variables quantitatives perqu permeten interpretar quantitativament els resultats.
Escala interval: proporciona informaci de classificaci, ordenaci
dalternatives i de les distncies entre aquestes.
Exemple descala dinterval
Valoreu dacord amb les vostres preferncies en una escala d1 a 10 (menor a major) les marques
de refresc segents.
Les escales mtriques permeten anlisis
estadstiques ms completes.
Marca A
Marca B
Marca C
10
Marca D
En aquest cas, a ms de conixer lordre de les preferncies de lenquestat, tamb es coneix la intensitat en qu es prefereix una opci en relaci amb una altra. Aix, es veu que la marca C s preferida a la D, per la D s preferida amb molta diferncia respecte a la B i la A.
Escala rtio o escala proporcional: subministra la mateixa informaci que lescala dinterval per, a ms, els valors de lescala permeten
una interpretaci.
Exemple descala rtio
Aproximadament, quantes llaunes de refresc heu comprat durant el darrer mes de les marques segents?
Marca A
Marca B
Marca C
20
Marca D
10
38
Investigaci comercial
El treball de camp
39
Investigaci comercial
El treball de camp
Indiqueu el vostre nivell dacord amb els atributs segents de les revistes de viatges de la taula inferior:
NATIONAL GEOGRAPHIC
+1
+2
+3
Superficial
Profunda
Antiquada
Moderna
Avorrida
Entretinguda
Subjectiva
Objectiva
Sensacionalista
Rigorosa
DEVIAJES
+1
+2
+3
Superficial
Profunda
Antiquada
Moderna
Avorrida
Entretinguda
Subjectiva
Objectiva
Sensacionalista
Rigorosa
Redacci de preguntes
Investigaci comercial
40
gui i no incloent-hi no ho sap / no contesta quan el qestionari s autoadministrat (lemplena lentrevistat mateix), ja que s un recurs al
qual sacollir per comoditat. Quan lentrevistador llegeixi les preguntes obviar aquesta opci a lhora de llegir totes les opcions per afavorir
que lentrevistat seleccioni qualsevol de les altres de la llista. Un exemple de mala redacci duna pregunta pot ser: quant heu trigat a adormir-vos, de mitjana, durant els ltims sis mesos?, una redacci
alternativa daquesta pregunta podria ser: quant heu trigat a adormirvos, de mitjana, les darreres dues setmanes?
Utilitzar un llenguatge convencional: les preguntes han destar redactades amb una estructura gramatical, puntuaci i vocabulari estndard.
La redacci de les preguntes ha destar realitzada de manera que el mxim nombre de persones les entengui. Els dos casos ms habituals de
redacci inadequada en aquest sentit sn: no utilitzar frases completes
o fer servir abreviatures. Un exemple de redacci inadequada en el primer cas seria preguntar lloc de residncia? en comptes de quin s el
nom de la ciutat on viviu actualment?, pel que fa al segon cas, un
exemple de redacci inadequada seria: creieu que lIPC reflecteix la
pujada de preus real? en comptes de creieu que lndex de preus al
consum reflecteix la pujada de preus real?.
Evitar lambigitat, utilitzant un vocabulari que no doni lloc a dobles
interpretacions o contingui expressions com alguna vegada, freqentment, de vegades. Un exemple de redacci dolenta en aquest
sentit seria: com descriureu la vostra salut?, una millor redacci a la
mateixa pregunta podria ser com descriureu la vostra salut durant les
dues darreres setmanes?.
3) Determinaci de la seqncia de les preguntes
Quan ja sha establert una llista de preguntes dacord amb les necessitats
dinformaci, cal establir lordre en qu shan de redactar. Aix ve deter-
El treball de camp
41
Investigaci comercial
minat principalment per la naturalesa de lestudi que cal dur a terme; tot
i aix es poden tenir en compte les recomanacions segents:
Comenar amb preguntes introductries senzilles i interessants que
motivin lentrevistat. Progressivament es pot introdur la resta de preguntes augmentant-ne la complexitat.
Ordenar els filtres i agrupar les preguntes que tracten de la mateixa temtica.
Situar al final les preguntes didentificaci de lentrevistat, ja que generen certa desconfiana i aix seviten les possibles influncies negatives que afectin la resta del qestionari. Si lentrevista sha condut
adequadament el clima que sha generat al final daquesta afavoreix
que lentrevistat aporti aquest tipus dinformaci.
4) Pretest
Formulaci de preguntes
Treball de camp
El treball de camp
Investigaci comercial
42
El treball de camp
La fase final delaboraci del qestionari consisteix a donar-li la seva forma definitiva, una vegada sha realitzat el pretest i corregit les possibles
deficincies detectades.
Lentrevistador
Investigaci comercial
43
1) Xarxa de camp
En la figura 7 es mostra una estructura tipus del que podria ser una xarxa
de camp dmbit nacional.
Figura 7. Esquema tipus duna xarxa de camp dmbit nacional
Font: Pedret i altres (2000). La investigacin comercial como soporte del marketing (pg. 276).
El treball de camp
Investigaci comercial
44
El treball de camp
Investigaci comercial
45
El treball de camp
Per realitzar aquest tipus de formaci es fan reunions amb grups petits
dentrevistadors anomenades brfings i sinforma sobre els aspectes segents:
Objectiu de lestudi.
Contingut del qestionari.
Material de suport a lentrevista i com utilitzar-lo.
Mtode de mostreig.
Moment i lloc on realitzar les entrevistes.
Sovint es fixa a priori un lmit de recursos, per la qual cosa ser necessari
adequar les caracterstiques de lestudi que es vol portar a terme a aquest
lmit i constituir un element clau en la fase de disseny de la investigaci.
Si no hi ha un lmit fixat, en qualsevol cas sempre resulta convenient establir a priori el nivell de recursos que sn necessaris per tal de poder fer
un control de les despeses en qu sincorrer al llarg de tot el procs.
Shan de preveure molt b totes les possibles partides que formen part del
pressupost, estimar una quantitat a gastar i anotar la despesa real que ha
suposat finalment la partida en qesti, anotar les possibles desviacions
respecte a la quantitat pressupostada i la causa daquestes desviacions.
La revisi del pressupost ha de ser contnua al llarg de tota la investigaci,
i les possibles desviacions quant a les partides pressupostades obligaran
linvestigador a prendre decisions constants en relaci amb el treball de
camp que poden afectar els resultats obtinguts.
Els elements que influeixen en el nivell de despesa associada al treball de
camp sn:
Tipus dentrevista: les entrevistes personals sn les que ms recursos
econmics requereixen, a causa del nombre dentrevistadors que s
necessari utilitzar i les despeses de desplaament daquests. Les entrevistes telefniques requereixen menys recursos per ms que les
entrevistes per correu o Internet.
Mida de la mostra i sistema de mostreig: com s obvi, com ms gran
hagi de ser la mostra seleccionada ms recursos ser necessari invertir
Investigaci comercial
46
El treball de camp
per confeccionar les entrevistes. Tamb hi influeix el sistema de mostreig i com de dispersos estan els elements de la mostra.
Durada del treball de camp i nombre dentrevistadors a utilitzar:
aquests dos elements estan ntimament relacionats, si es vol que el treball de camp duri menys temps s possible que calgui utilitzar un nombre ms elevat dentrevistadors i a la inversa, si no es modifica la mida
de la mostra. Lempresa que porta a terme una investigaci haur de
valorar la combinaci que li resulta ms rendible.
!!
formats, recullen la informaci sollicitada en els qestionaris dels integrants de la mostra. Implica posar en prctica tota la tasca realitzada durant letapa de planificaci.
La tasca dels enquestadors, tant si lentrevista s personal com telefnica,
segents:
Itinerari o ruta que cal seguir per localitzar els entrevistats.
Instruccions per a la selecci de lentrevistat. En funci del tipus de mostreig que sestigui fent, les instruccions mostraran
com escollir la unitat mostral que es necessita.
Guia de lentrevista: s un document destinat a lentrevistador que cont totes les instruccions que ha de tenir en compte sobre com conduir
lentrevista.
Qestionari: s el document on es relacionen les preguntes que cal
contestar a lenquesta.
Normes per a laplicaci del qestionari: consistents en una part general, que podria ser aplicable a qualsevol estudi, i una altra part especfica
Planificar la ruta
Investigaci comercial
47
per al qestionari particular que sutilitzar, on sindiquen aquelles observacions sobre les preguntes que ha de tenir en compte lentrevistador.
2) Desenvolupament de lentrevista: en la confecci de les entrevistes
En finalitzar lentrevista:
Sha dagrair la participaci de lentrevistat.
Si lentrevistat sha sentit cmode al llarg del procs, se li poden demanar dades de carcter ms personal, com ara, el nom, ladrea, la professi, entre daltres.
El treball de camp
Investigaci comercial
48
El treball de camp
Control de la informaci
Investigaci comercial
49
En els casos que les deficincies en la informaci recollida siguin considerables (hi ha poques respostes emplenades, algunes respostes sn incoherents, no es respecten les preguntes filtre, etc.) shan de tornar a realitzar
de nou les entrevistes. Si no ser aix shan de desestimar els qestionaris
si no es volen desvirtuar els resultats de la investigaci.
Una vegada sha comprovat que els qestionaris estan degudament emplenats, els caps dequip o de zona envien els qestionaris a la seu de lempresa on es porta a terme una segona inspecci consistent a seleccionar
una mostra de qestionaris, entre el 10% i el 20%, per trucar als entrevistats i constatar que sha respost el qestionari de la manera, al lloc i amb
les dades que shan indicat. Tamb es torna a formular alguna de les preguntes del qestionari. Aquesta enquesta sanomena enquesta de validaci o verificaci.
El treball de camp
Investigaci comercial
50
La fase del treball de camp suposa la recollida sobre el terreny de la informaci necessria per donar resposta a un problema que ha plantejat una
investigaci.
Com a resultat daquesta fase, linvestigador tindr al seu abast una srie
de dades. Quan el treball de camp sha portat a terme mitjanant enquestes, aquestes dades hauran quedat materialitzades en una determinada
quantitat de qestionaris.
Tot aquest material constitueix la matria primera sobre la qual cal treballar i donar forma fins a transformar-lo en informaci que sigui interpretable per linvestigador.
El procs de preparaci de la informaci passa per 4 fases:
1) Codificaci i edici: la primera tasca que cal realitzar consisteix a pre-
parar els qestionaris de manera que la informaci que recullin pugui ser
transcrita posteriorment a un fitxer que aglutini, de la manera ms completa i fiable possible, totes les dades consignades als qestionaris.
2) Creaci dun fitxer de dades: la informaci sha de traspassar a un fit-
tre de les dades ni dincoherncia entre les respostes, i s una etapa molt
important per garantir la fiabilitat de les conclusions que es derivin de tot
el procs de recollida dinformaci.
4) Tabulaci: consisteix a realitzar un recompte de totes les respostes.
Aquest recompte suposar un punt de partida per fer anlisis ms completes de totes les dades, mitjanant tcniques estadstiques especfiques,
que permetin obtenir un diagnstic sobre el problema tractat.
En finalitzar el treball de totes les fases, linvestigador podr comenar a
extreuren les primeres conclusions sobre lobjecte de la investigaci.
El treball de camp
Investigaci comercial
51
El treball de camp
Per poder portar a terme aquesta tasca, cal assignar un codi a totes les preguntes i respostes que cont el qestionari. Aquest procs sanomena co-
dificaci.
Cada pregunta del qestionari ser una variable a estudiar que pot prendre diferents valors depenent de les respostes donades.
Quan les preguntes sn tancades les diferents alternatives de resposta es
Precodificaci
coneixen abans de fer el treball de camp, i per aix es poden codificar una
vegada shan dissenyat. Aquesta tasca sanomena precodificaci del qestionari.
Quan les preguntes sn obertes i no es coneixen a priori les respostes dels
entrevistats, caldr esperar a la finalitzaci del treball de camp per codificar-les. Aquesta fase es diu postcodificaci.
La manera de codificar aquest tipus de preguntes tamb varia en funci
de si les preguntes sn obertes o tancades.
1) Codificaci de preguntes tancades
Quan les respostes no sn numriques, el fet de codificar-les com a preguntes tancades varia en funci de si sn mtuament excloents o no excloents.
Si les respostes sn numriques, el codi de la resposta s el nombre consignat en aquesta.
a) Codificaci per a respostes mtuament excloents
En aquest cas lentrevistat noms pot respondre una sola de les diferents
alternatives de resposta que se li ofereixen. Quan les respostes sn mtuament excloents, en el moment de codificar cal diferenciar entre la codificaci dels enunciats de les preguntes, per una banda, i la codificaci de les
opcions de resposta a aquella pregunta, per una altra. Cada una d'elles es
fa separadament.
Molt sovint se sol assignar a cada enunciat un nombre entre parntesis i
a cada resposta possible un nombre consecutiu sense parntesis. En el fitxer de dades que cal generar a partir de les respostes aportades, el nombre
52
Investigaci comercial
El treball de camp
entre parntesis ser el nom de la variable i les respostes, els valors possibles que pren aquesta variable.
Codificaci de preguntes tancades
(1)
Li agrada el futbol?
(2)
S ............................................1
No ...........................................2
En aquests casos, lentrevistat noms pot respondre una de les alternatives que se li ofereixen per
a cada pregunta. Cada pregunta es codifica amb un nombre entre parntesis (1), (2) i les possibles
respostes de cada pregunta amb 1, 2, o 1, 2, 3, 4 depenent de la quantitat dopcions.
...
...
x11
...
x1j
...
x1p
xi1
...
xij
...
xip
xn1
...
xnj
...
xnp
...
...
Qestionaris (= individus)
Preguntes (= variables)
A lhora danalitzar les dades cal canviar les paraules preguntes per vari-
53
Investigaci comercial
El treball de camp
El qestionari sha presentat a 3 individus que han donat les respostes segents:
Qestionari 1
Qestionari 2
(1)
Li agrada el futbol?
(2)
Qestionari 3
Li agrada el futbol?
S........................... X...............1
No............................................2
(1)
(2)
Les respostes a aquests 3 qestionaris quedarien recollides en una taula com la que es mostra en
la taula 15.
Taula 15. Exemple de respostes recollides en un fitxer de dades
Preguntes
Individus
El primer enquestat ha respost la segona opci per a la pregunta codificada com a P1 (la primera)
i per aix a la taula sha introdut un 2. A la segona pregunta ha contestat que S i per aquest motiu
a la columna P2 i la fila 1 sha introdut un 1, ja que aquest s el codi per a la resposta S.
De les caracterstiques segents, em podria dir quines considera ms importants perqu una persona triomfi en la seva feina?
Autoritat
Iniciativa
Bona imatge
Esfor
Bona preparaci
Intelligncia
Capacitat de treball en equip
Atractiu personal
Bona sort
Intuci, m esquerra
Conixer gent influent
Simpatia, do de gents
1 (1)
1 (2)
1 (3)
1 (4)
1 (5)
1 (6)
1 (7)
1 (8)
1 (9)
1 (10)
1 (11)
1 (12)
Li agrada el futbol?
S .......................... X...............1
No............................................2
(1)
(2)
S.............................................1
No ......................... X...............2
54
Investigaci comercial
El treball de camp
Imaginem que un entrevistat respon Iniciativa, Esfor, Bona preparaci i Intelligncia; aleshores
a les variables (2), (4), (5) i (6), que sn les que corresponen a les respostes donades, caldr marcar
un 1 i a la resta dopcions un 0 (vegeu la taula 16).
Taula 16. Exemple de fitxer de dades amb respostes no excloents dun individu
Preguntes
Individus
10
11
12
A continuaci un segon entrevistat considera ms importants tenir Bona imatge, Atractiu personal
i Intuci, i secundries la resta de variables. A lhora deditar les dades es marcaran les preguntes
(3), (8) i (10) corresponents a les opcions marcades, i es deixar la resta amb 0 (vegeu la taula 17).
Taula 17. Exemple de fitxer de dades amb respostes no excloents de dos individus
Preguntes
Individus
10
11
12
Finalment, un tercer entrevistat pot considerar lAutoritat, Capacitat de treball en equip, Atractiu
personal, Bona sort, Intuici, Conixer gent influent i Simpatia. Com que no sha limitat el nombre
de respostes es poden marcar tantes com lentrevistat consideri convenient. En aquest cas les preguntes o variables (1), (7), (8), (9), (10), (11) i (12) es marquen amb un 1 i es deixen la resta amb 0.
El fitxer de dades quedaria com el que es mostra en la taula 18.
Taula 18. Exemple de fitxer de dades amb respostes no excloents de tres individus
Preguntes
Individus
10
11
12
respostes que inclogui cadascuna sigui poc significativa, ni tampoc tan petita que resti valor a la informaci.
55
Investigaci comercial
El treball de camp
Categoria de respostes
Respostes incloses
Disseny de laparell
a, c, d, h
Factors de cost
No-necessitat de laparell
No ho s
b, d, g
!!
Aneu a la secci Annexos del
web daquest crdit per installarvos el programa estadstic R.
Investigaci comercial
56
El treball de camp
!!
nes, les variables o preguntes. Tamb es pot crear un fitxer en altres pro-
La finestra que hi ha a lesquerra de la figura 8 s la consola de R on sexecuten les ordres quan es coneix la sintaxi prpia del llenguatge R. La finestra de la dreta correspon a lentorn R-Commander que permet utilitzar els
mens que apareixen a la franja superior per accedir a les capacitats del
programa.
La finestra de R-Commander est dividida en tres parts:
1) Finestra dinstruccions: cada vegada que es crida a una funci a travs
57
Investigaci comercial
Un nou fitxer de dades es pot crear utilitzant lopci del men: Datos \
El treball de camp
Investigaci comercial
58
El treball de camp
Finalment, apareix una taula on cada fila representa un qestionari o observaci de la variable i cada columna representa la variable mateixa. Aquesta
taula s el fitxer de dades. Clicant a sobre de letiqueta de la variable es pot
reanomenar i decidir el tipus de variable de qu es tracta (numrica o de
text). Aix principalment tindr efecte a lhora danalitzar-ne els resultats. La
figura 11 mostra el fitxer de dades i la finestra per editar variables.
Figura 11. Fitxer de dades a R-Commander
Suposem que fem una petita enquesta a un grup dalumnes duna classe i recollim ledat i el sexe dels
entrevistats. Creem un fitxer de dades que sanomenar Classe i definim dues variables: Edat i Sexe, la primera numrica i la segona de text. Les dades que es recullen es mostren en la figura 12.
Figura 12. Fitxer de dades
Investigaci comercial
59
El treball de camp
Una vegada tancada la finestra es pot visualitzar el conjunt de dades o b tornar a editar-les per
afegir, eliminar o modificar registres.
En clicar damunt del bot Visualizar conjunto de datos, es mostren les dades tal com apareixen en
la figura 13. Les dues opcions de visualitzar i editar shan encerclat per destacar-les.
Figura 13. Visualitzaci del fitxer de dades
Per poder tornar a fer servir les dades, cal guardar-les. Aix es pot fer utilitzant la ruta del men Datos \ Conjunto de datos activo \ Guardar el
Investigaci comercial
60
El treball de camp
A continuaci cal introduir el nom que es vol que tingui el fitxer de dades
que simportar (vegeu la figura 16).
Figura 16. Finestra dintroducci del nom del fitxer
Una vegada sha seleccionat la ubicaci del fitxer cal indicar en quin full
est allotjada la taula i posteriorment clicar a OK (vegeu la figura 17).
El fitxer de dades ja sha importat i es pot comenar a fer-lo servir.
Si al programa hi ha obert ms dun conjunt de dades, es pot seleccionar
el conjunt amb el qual es vol treballar marcant el bot on apareix el nom
del grup de dades que sest utilitzant a la barra de men i que apareix encerclat en la figura 18.
Figura 18. Bot de selecci del conjunt de dades del men
Investigaci comercial
61
En la primera fase els qestionaris que shagin donat com a bons passaran
els controls segents:
Control de les respostes a les preguntes filtre de selecci de lunivers
que s objecte destudi per verificar que la totalitat dels individus que
integren el fitxer de dades pertanyen realment a aquest univers. Per
exemple, si lunivers que s objecte destudi duna investigaci sn
alumnes de cicle superior dentre 18 i 30 anys, el control de filtres suposar que sha de comprovar que realment aquestes siguin les persones entrevistades.
Control de quotes per verificar que la composici de la mostra obtinguda coincideix amb la que es va determinar en la fase de disseny de la
mostra. Aquest control noms caldr portar-lo a terme en el cas que el
mtode de mostreig es faci mitjanant quotes. Per exemple, si sha decidit elaborar una investigaci entre els professionals de la infermeria
i sha determinat realitzar un 70% dentrevistes a dones i un 30% a homes a causa de la composici de dones i homes que hi ha a lunivers,
sha de verificar que realment shan complert aquestes quotes.
2) Comprovaci de les variables
Shan de comprovar totes les variables, una per una, mitjanant una distribuci de freqncies de totes les variables del fitxer en el seu estat original. En particular cal comprovar:
Errors en les etiquetes de les variables i en les etiquetes dels codis de
les variables. Aquests errors es poden produir quan linvestigador ha
El treball de camp
Investigaci comercial
62
3.4. Tabulaci
Un cop shan codificat les dades i abans danalitzar-les shan de tabular.
Tabular consisteix a comptar el nombre de casos que sinclouen
La tabulaci s un mitj que permet a linvestigador tenir una visi de conjunt de la informaci de tots els qestionaris en convertir-los en dades homognies que posteriorment seran analitzades.
El treball de camp
63
Investigaci comercial
El treball de camp
Tabulaci simple
Tabulaci encreuada
Una empresa vol saber limpacte de la seva revista. En concret vol saber quantes persones llegeixen la seva revista.
Si vol saber quantes persones llegeixen la revista, el que es far s tabular la pregunta del qestionari que faci referncia al tema de manera individual. Per, si vol saber quantes daquestes persones sn homes i quantes dones, elaborar una tabulaci encreuada (vegeu la taula 20).
Taula 20. Dades tabulades
Variables
sociodemogrfi
ques
Nre. de
persones
Univers
33.332
100,0
Lectors
11.8998
36,8
Variables
sociodemogrfi
ques
Nre. de
persones
Classe social
Alta
1.116
9,8
Mitjana-alta
2.391
20,1
Mitjana-mitjana
5.533
46,5
2.249
18,9
599
4,7
Menys de 2.000
702
5,9
De 2.000 a 5.000
690
5,8
809
6,8
Sexe
Home
7.484
62.9
Mitjana-baixa
Dona
4.414
37,1
Baixa
Habitants
(nre. dhabitants)
Edat
14 a 19 anys
1.261
10,6
20 a 24 anys
1.428
12
25 a 34 anys
2.820
23,7
De 5.000 a 10.000
35 a 44 anys
2.213
18,6
De 10.000 a 50.000
2.391
20,1
45 a 54 anys
1.594
13,4
De 50.000 a 200.000
2.939
27,4
55 a 64 anys
1.285
10,8
De 200.000 a 500.000
1.797
15,1
65 anys o ms
1.297
10,9
Ms de 500.000
2.570
18,9
64
Investigaci comercial
El treball de camp
A partir de la tabulaci encreuada de dues preguntes dun qestionari (nivell de satisfacci dun
bronzejador i sexe de la persona enquestada), que han contestat 150 persones, shan obtingut les
taules 21, 22, 23 i 24 segents.
Taula 21. Taula en nombres absoluts
Home
Dona
Total
(freqncia
absoluta)
Agrada bastant
17
68
85
Agrada poc
15
27
42
13
17
38
112
150
Agrada molt
No agrada gens
Total (freqncia absoluta)
Aquesta taula pot expressar-se tamb en columnes que recullin les classes de freqncies conjuntes absolutes.
Home
Dona
Total
(freqncia
absoluta)
5,3
3,6
4,0
Agrada bastant
44,7
60,75
6,7
Agrada poc
39,5
24,1
28
No agrada gens
10,5
11,6
11,3
Agrada molt
100
100
100
Aquesta taula indica, tant per a homes com per a dones, el tant per cent de satisfacci del producte.
Aix, doncs, el producte agrada molt al 5,3% (2 100/38) dels homes i agrada bastant a un 44,7%.
Si observem la taula en sentit horitzontal, podem afirmar que el producte agrada bastant al 44,7%
dels homes i a un 60% de les dones.
Taula 23. Taula en percentatges horitzontals
Home
Dona
Total
(freqncia
absoluta)
Agrada molt
33,3
66,7
100
Agrada bastant
20,0
80,0
100
Agrada poc
35,7
64,3
100
No agrada gens
23,5
76,5
100
25,3
74,7
100
Podeu veure la distribuci de les freqncies per a les respostes en funci del sexe. Aix, doncs,
dels enquestats als quals els agrada bastant el producte, un 20% sn homes i un 80% dones. Amb
una lectura vertical, es pot observar que les dones tenen un grau de participaci del 66,7% a les
quals els agrada molt i del 80% a les quals agrada bastant.
Taula 24. Taula en percentatges respecte al total de la mostra
Agrada molt
Home
Dona
Total
(freqncia
absoluta)
1,33
2,67
Agrada bastant
11,3
45,3
56,6
Agrada poc
10
18
28
No agrada gens
Total (freqncia absoluta)
2,7
8,7
25,33
74,67
11,4
100
Aquesta distribuci indica quin percentatge del total de la poblaci compleix dues caracterstiques
alhora. Aix, doncs, un 1,33% del total de la poblaci sn homes i els agrada molt el producte.
65
Investigaci comercial
El treball de camp
Tot seguit passem a detallar com realitzar totes aquestes funcions amb el
programa estadstic R i la seva interfcie grfica R-Commander.
!!
Per a una ampliaci sobre el
programa estadstic R, vegeu
lapartat Creaci dun fitxer de
dades daquest nucli dacitivitat.
Per illustrar com R realitza taules resum dels principals estadstics, cal importar el fitxer de dades Oci.xls que sinclou en un fitxer de dades adjunt.
Aquest fitxer incorpora les respostes donades per a un conjunt de 100 observacions a les preguntes del qestionari que es mostren en la figura 20.
Figura 20. Enquesta que dna origen a les dades
Entrevista nm.: ................
Edat (1): .............
Sexe (2):
M1
F2
Les respostes aportades es poden veure visualitzant les dades del fitxer,
algunes de les quals es poden observar en la figura 21.
Figura 21. Algunes observacions que cont el fitxer
Oci.xls
!!
Trobareu larxiu Oci.xls en la
secci Annexos del web
daquest crdit.
66
Investigaci comercial
El treball de camp
Quartils
Mitjana
67
Investigaci comercial
Per crear grups dobservacions que tinguin una mateixa caracterstica (per
exemple, que les respostes les hagin donades dones), cal crear una variable nova que digui quines observacions corresponen a aquesta caracterstica o a una altra qualsevol.
Les variables que serveixen per classificar les dades en grups reben el nom de factors.
En primer lloc cal informar al programa sobre quines variables sn les que
ha de considerar com a factors. Per fer-ho cal seguir la seqncia dordres del
men: Datos \ Modificar variables del conjunto de datos activo \ Convertir
El treball de camp
Investigaci comercial
68
El treball de camp
Investigaci comercial
69
El treball de camp
Un cop sha convertit una de les variables en un factor, es poden obtenir resums numrics del conjunt de dades filtrats pel gnere de lenquestat. Les opcions del men que cal marcar sn Estadsticos \
menes numricos i la variable f.sexe a la finestra Grupos (totes dues alhora tal com es mostra en la figura 31).
Figura 31. Finestra que permet definir agrupacions de la variable
Els resultats obtinguts es mostren en la figura 32 i donen resultats diferenciats depenent del gnere de lentrevistat.
Figura 32. Estadstics de la variable Edat diferenciats per gnere
En aquesta ocasi es vol agrupar la informaci per classes en funci de determinats rangs de valors que prengui alguna variable.
Continuant amb el fitxer dexemple Oci.xls, es demanar fer una taula
Classe
70
Investigaci comercial
La finestra que permet escollir les diferents opcions per crear les diferents classes de la variable numrica es mostra en la figura 33.
Figura 33. Finestra per crear grups
Tot seguit cal seleccionar la variable a segmentar (Edat), escollir el nombre de classes (3) i assignar un nom per a la nova variable que contindr
les dades agrupades; en particular aquesta variable es dir f.edat.
A continuaci sha de definir la manera com es vol anomenar les classes
en qu es dividir la variable. Nhi ha tres formes:
Especificar noms. Per exemple, si es vol que cada categoria tingui un
nom, com ara joves, mitjana edat, tercera edat, en escollir aquesta categoria, una finestra posterior demana que escrivim els noms a assignar a cada classe.
Especificar nmeros. Cal atribuir un nmero identificatiu a cada classe. Una opci dintre daquesta categoria podria ser escriure una marca
de classe.
Especificar rangs. El nom de la classe mostra intervals amb els carcters
[ i ] quan linterval s tancat i els carcters ( i ) quan linterval s
obert. Per exemple, si la classe mostra linterval (36,56] significa que el
grup dedat incls en aquesta categoria va de valors ms grans de 36 (no
inclou el 36): per tant des de 37 (incls) fins a 56 (incls).
El mtode de segmentaci s el criteri que sescull per dividir les classes
o categories de la variable. Nhi ha de tres tipus:
Segments equidistants: sn intervals digual amplitud.
Segments digual quantitat: sn intervals que presenten classes amb el
mateix nombre dindividus cada una.
Segments naturals: sutilitza un algoritme (k-mitjanes) per calcular els
segments, el qual agrupa les dades en funci de la semblana entre
elles.
El treball de camp
Investigaci comercial
71
El treball de camp
Investigaci comercial
72
Les noves classes aix definides quedarien com les que es mostren en la
figura 36.
Figura 36. Fitxer de dades amb la nova variable factor f.edat
recodificada
Ara ja es poden mostrar els resums estadstics de qualsevol de les variables per segments dedat. En aquest cas, cal marcar el bot Resumir por
grupos de la finestra Resmenes numricos (vegeu la figura 37). A continuaci seleccionar la variable factor mitjanant la qual es volen mostrar
els resultats.
Figura 37. Finestra de selecci de variable per mostrar resums per
grups
Per resumir freqncies cal que shagi introdut al fitxer alguna variable que
faci de factor. La seqncia delements del men a seguir s: Estadsticos \
El treball de camp
Investigaci comercial
73
El treball de camp
Investigaci comercial
74
x +y
xy
x*y
x/y
x^y
exponent, eleva x a y.
El treball de camp