Hatco Milla 13485564
-
Upload
boliwling-milla -
Category
Documents
-
view
38 -
download
0
description
Transcript of Hatco Milla 13485564
VICERRECTORADDE PRODUCCIÓN AGRÍCOLA
ESTADO PORTUGUESA
COORDINACIÓNÁREA DE POSTGRADO
Análisis Estadísticos de la Base de Datos HATCO En IBM SPSS Statistics 20
Autor: Ing. BOLIWLING MILLA
Tutor. Msc. PEDRO MORALES
ACARIGUA, MARZO DE 2015
1
REPÚBLICA BOLIVARIANA DE VENEZUELAMINISTERIO DEL PODER POPULAR PARA LA EDUCACIÓN SUPERIOR
UNIVERSIDAD NACIONAL EXPERIMENTALDE LO LLANOS OCCIDENTALES
“EZEQUIEL ZAMORA”POSTGRADO ACARIGUA
AMINISTRACCIÓN: GERENCIA GENERAL
Análisis Estadísticos de la
Base de Datos HATCO En IBM
SPSS Statistics 20
Msc. Pedro Morales
Boliwling MillaC.I. 13.485.564
1
INTRODUCCIÓN
Este conjuntos de datos se obtuvieron (HATCO), un enorme
distribuidor industrial. Cada una de las series de datos se obtuvo de las
encuestas de clientes de HATCO, realizadas por una empresa de
investigación del mercado reconocida.
LA PRINCIPAL BASE DE DATOS
La base de datos consiste en 100 observaciones de 14 variables
separadas, es un ejemplo de un estudio de segmentación de la situación
empresa a empresa, específicamente un informe sobre los clientes actuales
de HATCO.
Se utilizan tres tipos de datos:
La primera clase es la percepción de HATCO sobre siete
atributos identificados en estudios pasados como los más in-
fluyentes en la elección de distribuidor. Los encuestados
ejecutivos de compras de las empresas clientes de HATCO,
puntúan a HATCO sobre cada atributo.
La segunda clase de información hace referencia a !os
resultados de compras reales, sobre las evaluaciones de la
satisfacción de los encuestados con HATCO, y sobre el
porcentaje de sus compras de productos a HATCO.
La tercera clase de información contiene características
generales de las empresas clientes (por ejemplo. tamaño de la
empresa. tipo de industria).
2
Los datos proporcionados deberían dar a HATCO una mejor comprensión
tanto de las características de sus clientes como de las relaciones entre sus
percepciones y sus acciones hacia HATCO (compras y satisfacción).
En la siguiente Tabla se proporciona una breve descripción de las
variables de las bases de datos, que aparecen clasificadas como
dependientes o independientes y métricas o no métricas.
Tabla 1Descripción de las variables de la base de datos HATCO
Descripción de las variables de la base de datosDescripción de variable
Tipo de Variable
Observación
PERCEPCION DE HATCO: Cada una de estas variables se midió con una escala de puntuación gráfica, donde se dibujó una línea entre los puntos finales de diez centímetros, que se denominaron «Pobre» y «Excelente»
X1Velocidad de entrega
Métrica
Tiempo que transcurre hasta que se entrega el producto, una vez que se hubo confirmado el pedido
X2Nivel de precios
MétricaNivel de precios
percibido por los clientes industriales
X3Flexibilidad de precios
Métrica
La disposición percibida en los representantes de HATCO para negociar el precio de todas las compras
X4Imagen del fabricante
Métricaimagen conjunta del
fabricante/distribuidor
X5Servicio conjunto
Métrica
Nivel conjunto de servicio necesario para mantener una relación satisfactoria entre el oferente y el comprador
X6Imagen de fuerza de
ventasMétrica
Imagen conjunta de la fuerza de ventas del fabricante.
X7Calidad de producto
Métrica
Nivel de calidad percibido en un producto particular (por ejemplo, el acabado o el rendimiento)
3
POBRE EXCELENTE
RESULTADOS DE COMPRA
Se obtuvieron dos medidas específicas que reflejaron los resultados de las relaciones de compra del encuestado con HATCO
X9Nivel de fidelidad
Métrica
Cuánto se compra a HATCO del total del producto de la empresa medido en una escala de porcentaje de 100, que va desde O al 100 por cien
X10Nivel de satisfacción
Métrica
Satisfacción del comprador con las compras anteriores realizadas a HATCO, medidas en el mismo gráfico de la escala de clasificación de las entradas X1 a X7.
CARACTERISTICAS DEL COMPRADOR
Se usaron cinco características no métricas
X8Tamaño de empresa
No Métrica
Tamaño de la empresa relativo respecto a otras empresas en el mismo mercado. Esta variable tiene dos categorías: l = grande y O = pequeña
X11Compra al detalle
No Métrica
Medida por la cual un comprador particular evalúa cada compra se-paradamente (análisis del valor total) o en función de una compra detallada, donde se especifican precisamente las características del producto deseado. Esta variable tiene dos categorías: l = emplea la aproximación al análisis del valor total, evaluando cada compra por separado y O = uso de la compra detallada
X12Estructura de adquisición
No Métrica
Método de adquisición/compra de productos a una compañía en particular. Esta variable tiene dos categorías: 1 = adquisición centralizada y O = adquisición descentralizada.
X13 No Métrica Clasificación de la
4
Tipo de industria
industria a la que pertenece el comprador del producto. Esta variable tiene dos categorías: l = industria de la clase A y O = otras industrias.
X14Tipo de situación de
compraNo Métrica
Tipo de situación a la que se enfrenta el comprador. Esta variable tiene tres categorías: 1 = nueva tarea, 2 = re-compra similar modificada y 3 = recompra simple.
Fuente: Bases de datos HATCO 2015
Tabla 2Base de datos HATCO
id x1 x2 x3 x4 x5 x6 x7 x8 x9 x10 x11 x12 x13 x141 4,1 0,6 6,9 4,7 2,4 2,3 5,2 0 32,0 4,2 1 0 1 12 1,8 3,0 6,3 6,6 2,5 4,0 8,4 1 43,0 4,3 0 1 0 13 3,4 5,2 5,7 6,0 4,3 2,7 8,2 1 48,0 5,2 0 1 1 24 2,7 1,0 7,1 5,9 1,8 2,3 7,8 1 32,0 3,9 0 1 1 15 6,0 0,9 9,6 7,8 3,4 4,6 4,5 0 58,0 6,8 1 0 1 36 1,9 3,3 7,9 4,8 2,6 1,9 9,7 1 45,0 4,4 0 1 1 27 4,6 2,4 9,5 6,6 3,5 4,5 7,6 0 46,0 5,8 1 0 1 18 1,3 4,2 6,2 5,1 2,8 2,2 6,9 1 44,0 4,3 0 1 0 29 5,5 1,6 9,4 4,7 3,5 3,0 7,6 0 63,0 5,4 1 0 1 3
10 4,0 3,5 6,5 6,0 3,7 3,2 8,7 1 54,0 5,4 0 1 0 211 2,4 1,6 8,8 4,8 2,0 2,8 5,8 0 32,0 4,3 1 0 0 112 3,9 2,2 9,1 4,6 3,0 2,5 8,3 0 47,0 5,0 1 0 1 213 2,8 1,4 8,1 3,8 2,1 1,4 6,6 1 39,0 4,4 0 1 0 114 3,7 1,5 8,6 5,7 2,7 3,7 6,7 0 38,0 5,0 1 0 1 115 4,7 1,3 9,9 6,7 3,0 2,6 6,8 0 54,0 5,9 1 0 0 316 3,4 2,0 9,7 4,7 2,7 1,7 4,8 0 49,0 4,7 1 0 0 317 3,2 4,1 5,7 5,1 3,6 2,9 6,2 0 38,0 4,4 1 1 1 218 4,9 1,8 7,7 4,3 3,4 1,5 5,9 0 40,0 5,6 1 0 0 219 5,3 1,4 9,7 6,1 3,3 3,9 6,8 0 54,0 5,9 1 0 1 320 4,7 1,3 9,9 6,7 3,0 2,6 6,8 0 55,0 6,0 1 0 0 321 3,3 0,9 8,6 4,0 2,1 1,8 6,3 0 41,0 4,5 1 0 0 222 3,4 0,4 8,3 2,5 1,2 1,7 5,2 0 35,0 3,3 1 0 0 1
5
23 3,0 4,0 9,1 7,1 3,5 3,4 8,4 0 55,0 5,2 1 1 0 324 2,4 1,5 6,7 4,8 1,9 2,5 7,2 1 36,0 3,7 0 1 0 125 5,1 1,4 8,7 4,8 3,3 2,6 3,8 0 49,0 4,9 1 0 0 226 4,6 2,1 7,9 5,8 3,4 2,8 4,7 0 49,0 5,9 1 0 1 327 2,4 1,5 6,6 4,8 1,9 2,5 7,2 1 36,0 3,7 0 1 0 128 5,2 1,3 9,7 6,1 3,2 3,9 6,7 0 54,0 5,8 1 0 1 329 3,5 2,8 9,9 3,5 3,1 1,7 5,4 0 49,0 5,4 1 0 1 330 4,1 3,7 5,9 5,5 3,9 3,0 8,4 1 46,0 5,1 0 1 0 231 3,0 3,2 6,0 5,3 3,1 3,0 8,0 1 43,0 3,3 0 1 0 132 2,8 3,8 8,9 6,9 3,3 3,2 8,2 0 53,0 5,0 1 1 0 333 5,2 2,0 9,3 5,9 3,7 2,4 4,6 0 60,0 6,1 1 0 0 334 3,4 3,7 6,4 5,7 3,5 3,4 8,4 1 47,3 3,8 0 1 0 135 2,4 1,0 7,7 3,4 1,7 1,1 6,2 1 35,0 4,1 0 1 0 136 1,8 3,3 7,5 4,5 2,5 2,4 7,6 1 39,0 3,6 0 1 1 137 3,6 4,0 5,8 5,8 3,7 2,5 9,3 1 44,0 4,8 0 1 1 238 4,0 0,9 9,1 5,4 2,4 2,6 7,3 0 46,0 5,1 1 0 1 339 0,0 2,1 6,9 5,4 1,1 2,6 8,9 1 29,0 3,9 0 1 1 140 2,4 2,0 6,4 4,5 2,1 2,2 8,8 1 28,0 3,3 0 1 1 141 1,9 3,4 7,6 4,6 2,6 2,5 7,7 1 40,0 3,7 0 1 1 142 5,9 0,9 9,6 7,8 3,4 4,6 4,5 0 58,0 6,7 1 0 1 343 4,9 2,3 9,3 4,5 3,6 1,3 6,2 0 53,0 5,9 1 0 0 344 5,0 1,3 8,6 4,7 3,1 2,5 3,7 0 48,0 4,8 1 0 0 245 2,0 2,6 6,5 3,7 2,4 1,7 8,5 1 38,0 3,2 0 1 1 146 5,0 2,5 9,4 4,6 3,7 1,4 6,3 0 54,0 6,0 1 0 0 347 3,1 1,9 10,0 4,5 2,6 3,2 3,8 0 55,0 4,9 1 0 1 348 3,4 3,9 5,6 5,6 3,6 2,3 9,1 1 43,0 4,7 0 1 1 249 5,8 0,2 8,8 4,5 3,0 2,4 6,7 0 57,0 4,9 1 0 1 350 5,4 2,1 8,0 3,0 3,8 1,4 5,2 0 53,0 3,8 1 0 1 351 3,7 0,7 8,2 6,0 2,1 2,5 5,2 0 41,0 5,0 1 0 0 252 2,6 4,8 8,2 5,0 3,6 2,5 9,0 1 53,0 5,2 0 1 1 253 4,5 4,1 6,3 5,9 4,3 3,4 8,8 1 50,0 5,5 0 1 0 254 2,8 2,4 6,7 4,9 2,5 2,6 9,2 1 32,0 3,7 0 1 1 155 3,8 0,8 8,7 2,9 1,6 2,1 5,6 0 39,0 3,7 1 0 0 156 2,9 2,6 7,7 7,0 2,8 3,6 7,7 0 47,0 4,2 1 1 1 257 4,9 4,4 7,4 6,9 4,6 4,0 9,6 1 62,0 6,2 0 1 0 258 5,4 2,5 9,6 5,5 4,0 3,0 7,7 0 65,0 6,0 1 0 0 359 4,3 1,8 7,6 5,4 3,1 2,5 4,4 0 46,0 5,6 1 0 1 360 2,3 4,5 8,0 4,7 3,3 2,2 8,7 1 50,0 5,0 0 1 1 261 3,1 1,9 9,9 4,5 2,6 3,1 3,8 0 54,0 4,8 1 0 1 3
6
62 5,1 1,9 9,2 5,8 3,6 2,3 4,5 0 60,0 6,1 1 0 0 363 4,1 1,1 9,3 5,5 2,5 2,7 7,4 0 47,0 5,3 1 0 1 364 3,0 3,8 5,5 4,9 3,4 2,6 6,0 0 36,0 4,2 1 1 1 265 1,1 2,0 7,2 4,7 1,6 3,2 10,0 1 40,0 3,4 0 1 1 166 3,7 1,4 9,0 4,5 2,6 2,3 6,8 0 45,0 4,9 1 0 0 267 4,2 2,5 9,2 6,2 3,3 3,9 7,3 0 59,0 6,0 1 0 0 368 1,6 4,5 6,4 5,3 3,0 2,5 7,1 1 46,0 4,5 0 1 0 269 5,3 1,7 8,5 3,7 3,5 1,9 4,8 0 58,0 4,3 1 0 0 370 2,3 3,7 8,3 5,2 3,0 2,3 9,1 1 49,0 4,8 0 1 1 271 3,6 5,4 5,9 6,2 4,5 2,9 8,4 1 50,0 5,4 0 1 1 272 5,6 2,2 8,2 3,1 4,0 1,6 5,3 0 55,0 3,9 1 0 1 373 3,6 2,2 9,9 4,8 2,9 1,9 4,9 0 51,0 4,9 1 0 0 374 5,2 1,3 9,1 4,5 3,3 2,7 7,3 0 60,0 5,1 1 0 1 375 3,0 2,0 6,6 6,6 2,4 2,7 8,2 1 41,0 4,1 0 1 0 176 4,2 2,4 9,4 4,9 3,2 2,7 8,5 0 49,0 5,2 1 0 1 277 3,8 0,8 8,3 6,1 2,2 2,6 5,3 0 42,0 5,1 1 0 0 278 3,3 2,6 9,7 3,3 2,9 1,5 5,2 0 47,0 5,1 1 0 1 379 1,0 1,9 7,1 4,5 1,5 3,1 9,9 1 39,0 3,3 0 1 1 180 4,5 1,6 8,7 4,6 3,1 2,1 6,8 0 56,0 5,1 1 0 0 381 5,5 1,8 8,7 3,8 3,6 2,1 4,9 0 59,0 4,5 1 0 0 382 3,4 4,6 5,5 8,2 4,0 4,4 6,3 0 47,3 5,6 1 1 1 283 1,6 2,8 6,1 6,4 2,3 3,8 8,2 1 41,0 4,1 0 1 0 184 2,3 3,7 7,6 5,0 3,0 2,5 7,4 0 37,0 4,4 1 1 0 185 2,6 3,0 8,5 6,0 2,8 2,8 6,8 1 53,0 5,6 0 1 0 286 2,5 3,1 7,0 4,2 2,8 2,2 9,0 1 43,0 3,7 0 1 1 187 2,4 2,9 8,4 5,9 2,7 2,7 6,7 1 51,0 5,5 0 1 0 288 2,1 3,5 7,4 4,8 2,8 2,3 7,2 0 36,0 4,3 1 1 0 189 2,9 1,2 7,3 6,1 2,0 2,5 8,0 1 34,0 4,0 0 1 1 190 4,3 2,5 9,3 6,3 3,4 4,0 7,4 0 60,0 6,1 1 0 0 391 3,0 2,8 7,8 7,1 3,0 3,8 7,9 0 49,0 4,4 1 1 1 292 4,8 1,7 7,6 4,2 3,3 1,4 5,8 0 39,0 5,5 1 0 0 293 3,1 4,2 5,1 7,8 3,6 4,0 5,9 0 43,0 5,2 1 1 1 294 1,9 2,7 5,0 4,9 2,2 2,5 8,2 1 36,0 3,6 0 1 0 195 4,0 0,5 6,7 4,5 2,2 2,1 5,0 0 31,0 4,0 1 0 1 196 0,6 1,6 6,4 5,0 0,7 2,1 8,4 1 25,0 3,4 0 1 1 197 6,1 0,5 9,2 4,8 3,3 2,8 7,1 0 60,0 5,2 1 0 1 398 2,0 2,8 5,2 5,0 2,4 2,7 8,4 1 38,0 3,7 0 1 0 199 3,1 2,2 6,7 6,8 2,6 2,9 8,4 1 42,0 4,3 0 1 0 1
100 2,5 1,8 9,0 5,0 2,2 3,0 6,0 0 33,0 4,4 1 0 0 1
7
Fuente: Bases de datos HATCO 2015
Figura 1. Base de datos HATCO en SPSS 20
8
CONFIABILIDAD Y VALIDEZ DE LOS DATOS PRESENTADOS
Tabla 3Coeficiente de Alfa de Cronbach (α ¿
Estadísticos de fiabilidad
Alfa de
Cronbach (α ¿
Alfa de
Cronbach
basada en los
elementos
tipificados
N de elementos
0,456 0,716 9
Fuente: Cálculos en SPSS. 2015
Figura 2. Escala del coeficiente alfa de cronbach
El coeficiente alfa de cronbach (1951) (ver figura 2) es un modelo de
consistencia interna, basado en el promedio de las correlaciones entre los
ítems. Entre las ventajas de esta medida se encuentra la posibilidad de
evaluar cuánto mejoraría (o empeoraría) la fiabilidad de la prueba si se
excluyera un determinado ítem
En nuestro caso, como el valor de la Tabla 3 está por debajo de 0,50
(45,60%) el instrumento aplicado en para obtener los valores para la base de
datos HATCO, presenta una variabilidad heterogénea con sus ítems por
9
CONFIABILIDAD
Muy baja Baja Regular Aceptable Elevada
0 - 0,2 - 0,4 - 0,6 - 0,8 -
tanto nos llevara a conclusiones errada, se procederá a realizar el cálculo del
coeficiente alfa de Cronbach a través de la matriz de correlaciones
CALCULO DEL COEFICIENTE ALFA DE CRONBACH UTILIZANDO
MATRIZ DE CORRELACIONES
Tabla 4Matriz de correlación de Pearson
Correlaciones
Veloci
dad
de
entreg
a
Nivel
de
precio
s
Flex
ibilid
ad
de
prec
ios
Ima
gen
del
fabri
cant
e
Serv
icio
conj
unto
Image
n de
fuerza
de
venta
s
Cali
dad
de
prod
ucto
Nive
l de
fideli
dad
Nivel
de
satisf
acció
n
Veloci
dad
de
entreg
a
Correl
ación
de
Pears
on
1 -,349** ,50
9**
,050 ,61
2**
,077 -,48
3**
,67
6**
,651**
Sig.
(bilate
ral)
,000 ,000 ,618 ,000 ,446 ,000 ,000 ,000
N 100 100 100 100 100 100 100 100 100
Nivel
de
precio
s
Correl
ación
de
Pears
on
-,349** 1 -,48
7**
,27
2**
,51
3**
,186 ,47
0**
,083 ,028
Sig.
(bilate
,000 ,000 ,006 ,000 ,064 ,000 ,412 ,779
10
ral)
N 100 100 100 100 100 100 100 100 100
Flexib
ilidad
de
precio
s
Correl
ación
de
Pears
on
,509** -,487** 1 -,11
6
,067 -,034 -,44
8**
,55
8**
,525**
Sig.
(bilate
ral)
,000 ,000 ,250 ,510 ,735 ,000 ,000 ,000
N 100 100 100 100 100 100 100 100 100
Image
n del
fabric
ante
Correl
ación
de
Pears
on
,050 ,272** -,11
6
1 ,29
9**
,788** ,20
0*
,22
5*
,476**
Sig.
(bilate
ral)
,618 ,006 ,250 ,003 ,000 ,046 ,024 ,000
N 100 100 100 100 100 100 100 100 100
Servic
io
conju
nto
Correl
ación
de
Pears
on
,612** ,513** ,067 ,29
9**
1 ,241* -,05
5
,70
1**
,631**
Sig.
(bilate
ral)
,000 ,000 ,510 ,003 ,016 ,586 ,000 ,000
N 100 100 100 100 100 100 100 100 100
Image
n de
fuerza
de
venta
Correl
ación
de
Pears
on
,077 ,186 -,03
4
,78
8**
,24
1*
1 ,177 ,25
7**
,341**
11
s Sig.
(bilate
ral)
,446 ,064 ,735 ,000 ,016 ,078 ,010 ,001
N 100 100 100 100 100 100 100 100 100
Calida
d de
produ
cto
Correl
ación
de
Pears
on
-,483** ,470** -,44
8**
,20
0*
-,05
5
,177 1 -,19
2
-,283**
Sig.
(bilate
ral)
,000 ,000 ,000 ,046 ,586 ,078 ,055 ,004
N 100 100 100 100 100 100 100 100 100
Nivel
de
fidelid
ad
Correl
ación
de
Pears
on
,676** ,083 ,55
8**
,22
5*
,70
1**
,257** -,19
2
1 ,711**
Sig.
(bilate
ral)
,000 ,412 ,000 ,024 ,000 ,010 ,055 ,000
N 100 100 100 100 100 100 100 100 100
Nivel
de
satisf
acció
n
Correl
ación
de
Pears
on
,651** ,028 ,52
5**
,47
6**
,63
1**
,341** -,28
3**
,71
1**
1
Sig.
(bilate
ral)
,000 ,779 ,000 ,000 ,000 ,001 ,004 ,000
N 100 100 100 100 100 100 100 100 100
**. La correlación es significativa al nivel 0,01 (bilateral).
*. La correlación es significante al nivel 0,05 (bilateral).
Fuente: Cálculos en SPSS. 2015
12
α=np¿¿
n= número de ítems= 14
p= promedio de correlaciones lineales entre cada uno de los ítems = 0,2188
(Ver Matriz de Correlación)
α=np¿¿
En vista del nuevo coeficiente alfa de cronbach, se puede deducir
que los datos son 80% confiables, los que de emanará a realizar la prueba
de validez
VALIDEZ
Tabla 5Estadísticos total-elemento
Estadísticos total-elemento
Media de la
escala si se
elimina el
elemento
Varianza de
la escala si
se elimina
el elemento
Correlación
elemento-
total
corregida
Correlación
múltiple al
cuadrado
Alfa de
Cronbach si
se elimina
el elemento
Velocidad de
entrega78,9350 134,4030 0,5810 0,9730 0,3790
Nivel de precios 80,0860 149,6070 0,0990 0,9690 0,4540
Flexibilidad de
precios74,5560 138,8820 0,4020 0,7480 0,4050
13
Imagen del
fabricante77,2020 144,0360 0,3180 0,7780 0,4260
Servicio conjunto 79,5340 140,1620 0,7430 0,9780 0,4010
Imagen de fuerza de
ventas79,7850 146,8200 0,3490 0,6560 0,4350
Calidad de producto 75,4790 158,8680 -0,1860 0,40700 0,5020
Nivel de fidelidad 36,3440 18,3100 0,7130 0,7750 0,4700
Nivel de satisfacción 77,6790 138,0920 0,7520 0,8010 0,3910
Fuente: Cálculos en SPSS. 2015
Para la validez de los datos, se ha realizado la prueba de
Pearson (ver tabla 5), la cual nos indica que para aumentar la
confiabilidad de nuestros datos es conveniente eliminar la variable
calidad del producto (r < 0,30), para que así la nueva confiabilidad
sea del 50,2%; si se eliminada la variable Nivel de precios
(r < 0,30) permanecería aproximadamente igual al alfa 0,456; lo
cual no afectaría la fiabilidad de los datos.
Tabla 6Estadísticos descriptivos para las variables HATCO
14
Estadísticos descriptivos
N MediaDesviación
típicaVarianza
Velocidad de entrega 100 3,5150 1,3207 1,7440
Nivel de precios 100 2,3640 1,1957 1,4300
Flexibilidad de precios 100 7,8940 1,3865 1,9220
Imagen del fabricante 100 5,2480 1,1314 1,2800
Servicio conjunto 100 2,9160 0,7513 0,5640
Imagen de fuerza de ventas 100 2,6650 0,7709 0,5940
Calidad de producto 100 6,9710 1,5852 2,5130
Nivel de fidelidad 100 46,1060 8,9895 80,8110
Nivel de satisfacción 100 4,7710 0,8556 0,7320
N válido (según lista) 100
Fuente: Cálculos en SPSS. 2015Tabla 6Estadísticos descriptivos para las variables HATCO. Continuación
Estadísticos descriptivos
N Media Asimetría Curtosis
EstadísticoError
típicoEstadístico
Error
típicoEstadístico
Error
típico
Velocidad de entrega 100 0,1321 -0,0850 0,2410 -0,511 0,4780
Nivel de precios 100 0,1196 0,4690 0,2410 -0,5090 0,4780
Flexibilidad de precios 100 0,1387 -0,2890 0,2410 -1,0730 0,4780
Imagen del fabricante 100 0,1131 0,2180 0,2410 0,0850 0,4780
Servicio conjunto 100 0,0751 -0,3730 0,2410 0,1410 0,4780
Imagen de fuerza de ventas 100 0,0771 0,4930 0,2410 0,1070 0,4780
Calidad de producto 100 0,1585 -0,2290 0,2410 -0,8500 0,4780
Nivel de fidelidad 100 0,8989 -0,0650 0,2410 -0,7260 0,4780
Nivel de satisfacción 100 0,0856 0,0890 0,2410 -0,7630 0,4780
N válido (según lista) 100
Fuente: Cálculos en SPSS. 2015
15
Tabla 7Estadísticos descriptivos para la Velocidad de entrega
Estadísticos descriptivos
N Media Asimetría Curtosis
EstadísticoError
típicoEstadístico
Error
típicoEstadístico
Error
típico
Velocidad de entrega 100 0,1321 -0,0850 0,2410 -0,5110 0,4780
Fuente: Cálculos en SPSS. 2015
Tabla 7Estadísticos descriptivos para la Velocidad de entrega. Continuación
Fuente: Cálculos en SPSS. 2015
Tabla 7Estadísticos descriptivos para la Velocidad de entrega. Continuación
Fuente: Cálculos en SPSS. 2015
16
Estadísticos descriptivos
N MediaDesviación
típicaVarianza
Velocidad de entrega 100 3,515 1,3207 1,7440
Estadísticos
Mediana ModaPercentiles
25 50 75
Velocidad de entrega
3,4000 2,4000a 2,50003,400
04,600
0
a. Existen varias modas. Se mostrará el menor de los valores.
Grafico 1. Histograma de Velocidad de entrega Grafico 2. Blox plot de Velocidad de entrega
Fuente: Cálculos en SPSS. 2015
Observando los resultados arrojados (ver Tabla 7) se puede inferir que la
velocidad de entrega según los clientes de HATCO, no es la más óptima.
Pues la media aritmética de la puntuación dada a esta variable es de 3,52
con una variabilidad de ±1,3207 en una calificación de 0 a 10, siendo 0 el
puntaje más bajo y 10 el más alto, lo que significa que sus clientes no se
encuentran satisfechos, por la demora en la entrega del producto.
Nota: como es difícil conseguir valores de simetría (As = 0) y mesocúrtica (Ct = 0) por
lo que se tiende a tomar los valores que son cercanos ya sean positivos o negativos cero
como cinco (± 0.5).
Cuando la distribución de los datos cuenta con un coeficiente de asimetría (As = ±0.5) y
un coeficiente de Curtosis (Ct = ±0.5), se le denomina Curva Normal. Este criterio es de
suma importancia ya que para la mayoría de los procedimientos de la estadística de
inferencia se requiere que los datos se distribuyan normalmente.
17
La principal ventaja de la distribución normal (ver figura 3) radica en el supuesto que el
95% de los valores se encuentra dentro de una distancia de dos desviaciones estándar de la
media aritmética es decir, si tomamos la media y le sumamos dos veces la desviación y
después le restamos a la media dos desviaciones, el 95% de los casos se encontraría dentro
del rango que compongan estos valores.
Figura 3. Distribución normal
Esta variable (velocidad de entrega) presenta una asimetría con sesgo
negativo a la izquierda de -0,085 (ver Grafico 1); lo que nos indica es que la
mayoría de valores están por debajo de la media, tiende a reunirse a la
izquierda de la media, lo cual indica que la media < mediana < moda
Además el estudio de esta variable que nos muestra la Grafico 1 que
presenta una Curtosis mesocúrtica (la distribución será simétrica), con un
valor de -0,511 Se acepta que la distribución es Simétrica, es decir, existe
aproximadamente la misma cantidad de valores a los dos lados de la media
En el Grafico 2 de caja y bigotes (BOX PLOT) arroja una mediana de 3,4;
lo que representa que 50% de los datos está por debajo de este valor, el
25% de los datos está por debajo de 2,500, él 25% de los datos está por
encima de 4,600 y el 50% de los datos están comprendidos entre 2,500 -
4,600
18
Tabla 8Estadísticos descriptivos para el Nivel de precios.
Fuente: Cálculos en SPSS. 2015
Tabla 8Estadísticos descriptivos para el Nivel de precios. Continuación
Estadísticos descriptivos
N Media Asimetría Curtosis
EstadísticoError
típicoEstadístico
Error
típicoEstadístico
Error
típico
Nivel de precios 100 0,1196 0,4690 0,241 -0,5090 0,4780
Fuente: Cálculos en SPSS. 2015
Tabla 8Estadísticos descriptivos para el Nivel de precios. Continuación
Estadísticos
Mediana ModaPercentiles
25 50 75
Nivel de precios 2,1500 1,3000a 1,4250 2,1500 3,2750
a. Existen varias modas. Se mostrará el menor de los valores.
Fuente: Cálculos en SPSS. 2015
19
Estadísticos descriptivos
N MediaDesviación
típicaVarianza
Nivel de precios 100 2,3640 1,1957 1,4300
Grafico 4. Blox plot de Niveles de precios Grafico 3. Histograma de Niveles de precios
Fuente: Cálculos en SPSS. 2015
De la información de la Tabla 8 el promedio aritmético de percepción de
los Nivel de precios percibido por los clientes industriales es 2,364 con un
desvío estandarizado de ± 1,1957, ya que incrementa la demanda de
productos y se aumentaría de igual proporción la producción.
Además se observa en Grafico 3 que la distribución de Nivel de precios
presenta una asimetría positiva a la derecha de 0,469, siendo una curva
cercana a la simétrica (≈ +0,500), cuando se distribuyen aproximadamente la
misma cantidad de valores en ambos lados de la media. Lo que nos indica es
que los valores están juntos, es decir, no dispersos. Lo que es posible
afirmar que moda < mediana < media
El análisis de Grafico 4 de la caja y bigotes proyecta una mediana de
2,150; podemos afirmar que 50% de los puntajes están por encima de este
valor y el 25% de los datos está por encima de 3,275.
20
Tabla 9Estadísticos descriptivos para la Flexibilidad de precios.
Fuente: Cálculos en SPSS. 2015
Tabla 9Estadísticos descriptivos para la Flexibilidad de precios. Continuación
Estadísticos descriptivos
N Media Asimetría Curtosis
EstadísticoError
típicoEstadístico
Error
típicoEstadístico
Error
típico
Flexibilidad de precios 100 0,1387 -0,2890 0,2410 -1,0730 0,4780
Fuente: Cálculos en SPSS. 2015
Tabla 9Estadísticos descriptivos para la Flexibilidad de precios. Continuación
Fuente: Cálculos en SPSS. 2015
21
Estadísticos descriptivos
N MediaDesviación
típicaVarianza
Flexibilidad de precios 100 7,894 1,3865 1,9220
Estadísticos
Mediana ModaPercentiles
25 50 75Flexibilidad de
precios8,0500 9,900 6,7000
8,0500
9,1000
Grafico 5. Histograma de Flexibilidad de Precios Grafico 6. Blox plot de Flexibilidad de Precios
Fuente: Cálculos en SPSS. 2015
De acuerdo a los resultados aportados en la Tabla 9 el valor medio
para la variable Flexibilidad de Precios (La disposición percibida en los
representantes de HATCO para negociar el precio de todas las compras) es
de 7,894 con una medida de dispersión de ±1,3865 (desviación standard)
que nos indica que los compradores de HATCO están satisfechos en ese
aspecto de la empresa.
Además en el Grafico 5 estudio de esta variable tiene una asimetría
ligeramente sesgada a la izquierda con -0,289 y una Curtosis de -1,073, es
decir, que es platicúrtica (baja concentración de los datos o puntajes
dispersos).
En el Grafico 6 el promedio la gran mayoría de los clientes están
satisfechos con la flexibilidad de los precios a la hora de comprar un
22
producto, cerca del 75% de los encuestados han calificado la variable con
9,100 por lo que es excelente.
Tabla 10Estadísticos descriptivos para la Imagen del fabricante.
Fuente: Cálculos en SPSS. 2015
Tabla 10Estadísticos descriptivos para la Imagen del fabricante. Continuación
Estadísticos descriptivos
N Media Asimetría Curtosis
EstadísticoError
típicoEstadístico
Error
típicoEstadístico
Error
típico
Imagen del fabricante 100 0,1131 0,2180 0,2410 0,0850 0,4780
Fuente: Cálculos en SPSS. 2015
Tabla 10Estadísticos descriptivos para la Imagen del fabricante. Continuación
Estadísticos
Mediana Moda Percentiles
25 50 75Imagen del fabricante
5,000 4,5000 4,5250 5,0000 6,0000
23
Estadísticos descriptivos
N MediaDesviación
típicaVarianza
Imagen del fabricante 100 5,2480 1,1314 1,2800
Grafico 7. Histograma de Imagen del Fabricante Grafico 8. Blox plot de Imagen del Fabricante
Fuente: Cálculos en SPSS. 2015
Tomando en cuenta la información aportada por la Tabla 10 el promedio
que representa el perfil del fabricante que no es más que imagen conjunta
del fabricante/distribuidor varía desde 4,1166 hasta 6,3794; este rango
representa un 70% de los datos.
Loa aportes transmitidos por el gráfico 7 tiene una asimetría positiva
sesgada a la derecha con 0,218; porque la mediana se acerca al primer
cuartil; con una Curtosis de 0,085, es decir, que es platicúrtica (por su
cercanía a los valores negativos).
Las contribuciones arrojadas por el grafico de caja y bigotes (ver gráfico
8), muestra un valor atípico (encuestado #82) que la persona encuesta,
tiene una percepción diferente a los demás encuestados, su
elección fue de 8,2; en un rango de 1 a 10, muestra un
comportamiento muy diferente a la de las demás encuestas, lo que
representa una diferencia entre el primer cuartil (Q1) y el tercer
cuartil (Q3), o valor intercuartil, indicando que este valor atípico el
que se encuentra 1,5 veces esa distancia del tercer cuartiles
(atípico leve), adicionalmente dicho grafico muestra un valor
mínimo de 2,500 y un máximo de 8,200 (valor atípico).
Este valor atípico, no afectaría significativamente ningún
descriptivo estadístico si se elimina o se descarta
24
El 75% de los encuestados calificaron la percepción de la reputación del
fabricante/distribuidor por encima de 6,000
Tabla 11Estadísticos descriptivos para Servicio conjunto.
Fuente: Cálculos en SPSS. 2015
25
Estadísticos descriptivos
N MediaDesviación
típicaVarianza
Servicio conjunto 100 2,9160 ,7513 0,5640
Tabla 11Estadísticos descriptivos para Servicio conjunto. Continuación
Estadísticos descriptivos
N Media Asimetría Curtosis
EstadísticoError
típicoEstadístico
Error
típicoEstadístico
Error
típico
Servicio conjunto 100 ,07510 -0,3730 0,2410 0,1410 0,4780
Fuente: Cálculos en SPSS. 2015
Tabla 11Estadísticos descriptivos para Servicio conjunto. Continuación
Fuente: Cálculos en SPSS. 2015
26
Estadísticos
Mediana ModaPercentiles
25 50 75
Servicio conjunto
3,0000 3,0000a 2,4000 3,0000 3,4750
a. Existen varias modas. Se mostrará el menor de los valores.
Grafico 9. Histograma de Servicio conjunto Grafico 10. Blox plot de Servicio conjunto
Fuente: Cálculos en SPSS. 2015
Analizando la información aportada por la Tabla 11 variable Nivel
conjunto de servicio necesario para mantener una relación satisfactoria entre
el oferente y el comprador HATCO, proyecta una media aritmética de 2,916
con una variabilidad de ± 0,7513, por lo que la empresa debe reforzar este
servicio.
El 92 por ciento de los datos, nos confirman que los servicios necesarios
satisfactorios entre oferente y el comprador, están en un rango de 1,5026 a
4,4186.
El Grafico 8 muestra una asimetría sesgada a la izquierda con -0,373 y
una Curtosis de 0,141; que es platicúrtica, menos apuntada que la normal.
El diagrama de caja (ver Grafico 9) de Servicio nos muestra que hay un
caso atípico (encuestado #96), es decir, que la encuesta número 96, tiene
una apreciación diferente con respecto a los demás encuestados, su elección
fue de 0,7, mientras que 75% de la muestra está por encima de 2,400 y otro
50% de los datos esta comprendidos entre 2,400 y 3,475
Tabla 12Estadísticos descriptivos para la Imagen de fuerza de ventas.
27
Estadísticos descriptivos
N MediaDesviación
típicaVarianza
Imagen de fuerza de ventas 100 2,6650 0,7709 0,5940
Fuente: Cálculos en SPSS. 2015
Tabla 12Estadísticos descriptivos para la Imagen de fuerza de ventas.
Continuación
Estadísticos descriptivos
N Media Asimetría Curtosis
EstadísticoError
típicoEstadístico
Error
típicoEstadístico
Error
típico
Imagen de fuerza de ventas 100 0,0771 0,4930 0,2410 0,1070 0,4780
Fuente: Cálculos en SPSS. 2015
Tabla 12Estadísticos descriptivos para la Imagen de fuerza de ventas.
Continuación
Estadísticos
Mediana ModaPercentiles
25 50 75
Imagen de fuerza de
ventas2,6000 2,500 2,2000 2,6000 3,0000
Fuente: Cálculos en SPSS. 2015
28
Grafico 11. Histograma de Imagen de fuerza de ventas Grafico 12. Blox plot de Imagen de fuerza de ventas
Fuente: Cálculos en SPSS. 2015
En los resultados provistos por la Tabla 12 la Imagen conjunta de la
fuerza de ventas del fabricante, El 68 por ciento de los datos proyecta una
media que representada por un rango desde 1,8841 hasta 3,4359, lo cual
sus clientes tienen un concepto de marketing poco favorable
Tiene una asimetría sesgada a la derecha (ver Grafico 11) de 0,493, con
una Curtosis platicúrtica de 0,107; hay una baja concentración de los datos e
torno a la media.
El diagrama de caja (ver Grafico 12) de Imagen de la Fuerza de Venta
nos muestra que hay un caso atípico, es decir, que las encuestas número
(encuestado #5, #7, #42, #82), tienen una opción diferente a los demás
encuestados, su elección fue de 4,6; 4,5; 4,6 y 4,4 respectivamente.
Estos valores atípicos, no afectaría significativamente ningún
descriptivo estadístico si se elimina o se descarta.
En el grafico de caja el 50% de los datos se concentran en un
rango de 2,200 y 3,000, considerando que un 75% de los puntajes
están por debajo de 3,000
Tabla 13Estadísticos descriptivos para la Calidad de producto.
29
Estadísticos descriptivos
N MediaDesviación
típicaVarianza
Calidad de producto 100 6,9710 1,5852 2,5130
Fuente: Cálculos en SPSS. 2015
Tabla 13Estadísticos descriptivos para la Calidad de producto. Continuación
Estadísticos descriptivos
N Media Asimetría Curtosis
EstadísticoError
típicoEstadístico
Error
típicoEstadístico
Error
típico
Calidad de producto 100 0,1585 -0,2290 ,2410 -0,8500 0,4780
Fuente: Cálculos en SPSS. 2015
Tabla 13Estadísticos descriptivos para la Calidad de producto. Continuación
Estadísticos
Mediana ModaPercentiles
25 50 75
Calidad de producto
7,1500 8,4000 5,80007,150
08,3750
Grafico 13. Histograma de Flexibilidad de Precios Grafico 14. Blox plot de Flexibilidad de Precios
Fuente: Cálculos en SPSS. 2015
30
Observando los resultados arrojados por la tabla 13 el Nivel de calidad
percibido en un producto particular (por ejemplo, el acabado o el
rendimiento). El promedio de la muestra que representa la calidad de los
productos es de 6,971 con una desviación standard de ± 1,5852, lo que se
afirmaría que el 62% de la información obtenida de los encuestados esta en
un rango de 5,3858 hasta el 8,5562.
Igualmente en el Grafico 13, la disertación de esta variable nos
muestra que presenta una Curtosis platicúrtica, con un valor de -0,8500 lo
que nos indica que tienen una baja concentración de valores en torno al
promedio aritmético, es decir, los datos están dispersos.
A la par el grafico del histograma (Grafico 13) presenta una asimetría
sesgada a la izquierda de -0,229. Con una Curtosis platicúrtica de -0,8500,
donde el valor medio < mediana < moda.
En el grafico blox plot (ver Grafico 14) la mediana presenta un valor de
7,150, estando el 50% de los datos por debajo de este valor y un 75% de la
indagación está por debajo de 8,375
Tabla 14Estadísticos descriptivos para la Nivel de fidelidad.
31
Estadísticos descriptivos
N MediaDesviación
típicaVarianza
Nivel de fidelidad 100 46,1060 8,9895 80,8110
Fuente: Cálculos en SPSS. 2015
Tabla 14Estadísticos descriptivos para la Nivel de fidelidad. Continuación
Estadísticos descriptivos
N Media Asimetría Curtosis
EstadísticoError
típicoEstadístico
Error
típicoEstadístico
Error
típico
Nivel de fidelidad 100 0,8989 -0,0650 0,2410 -0,7260 0,4780
Fuente: Cálculos en SPSS. 2015
Tabla 14Estadísticos descriptivos para la Nivel de fidelidad. Continuación
Grafico 15. Histograma
de Flexibilidad de Precios Grafico 16. Blox plot de Flexibilidad de Precios
32
Estadísticos
Mediana ModaPercentiles
25 50 75Nivel de fidelidad
46,500 49,0000 39,000 46,500 53,750
a. Existen varias modas. Se mostrará el menor de los valores.
Fuente: Cálculos en SPSS. 2015
Con los datos despedidos por la Tabla 14, distinguimos que los
demandantes cuánto se compra a HATCO del total del producto de la
empresa medido en una escala de porcentaje de 100, que va desde 0 al 100
por ciento presenta una medida de tendencia central que muestra el
promedio del conjunto de datos de 46,106 con desviación estandarizada de
± 8,9895, obtenido de cifras que van desde 25 y 65 por ciento, pero esto
refleja un rango de promedio aritmético de 37,12 a 55,10% que ubica al
menos el 67% de la muestra.
En el Grafico 14, al mismo tiempo, tiene una asimetría sesgada a la
izquierda con -0,065; con promedio aritmético < mediana < moda, Goza de
una Curtosis platocúrtica de -0,7260.
En el grafico de caja (ver Grafico 13) el 25% de los puntajes está por
encima de 53,750
Tabla 15Estadísticos descriptivos para la Nivel de satisfacción.
Fuente: Cálculos en SPSS. 2015
Tabla 15
33
Estadísticos descriptivos
N MediaDesviación
típicaVarianza
Nivel de satisfacción 100 4,7710 0,8556 0,7320
Estadísticos descriptivos para la Nivel de satisfacción. Continuación
Estadísticos descriptivos
N Media Asimetría Curtosis
EstadísticoError
típicoEstadístico
Error
típicoEstadístico
Error
típico
Nivel de satisfacción 100 0,0856 0,0890 ,2410 -0,7630 0,4780
Fuente: Cálculos en SPSS. 2015
Tabla 15Estadísticos descriptivos para la Nivel de satisfacción. Continuación
Estadísticos
Mediana ModaPercentiles
25 50 75Nivel de
satisfacción4,8500 3,7000 4,1000
4,8500
5,4000
Fuente: Cálculos en SPSS. 2015
Grafico 17. Histograma de Flexibilidad de Precios Grafico 18. Blox plot de Flexibilidad de Precios
Fuente: Cálculos en SPSS. 2015
34
Se puede observar con los datos proyectados en la Tabla 15, que la
satisfacción del comprador con las compras anteriores realizadas a HATCO
con un valor medio de 4,771 con desviación estándar de ±0,8556
concentrando en este rango de media aritmética el 63% de la información
obtenida en la encuesta.
Analizando los datos en el Gráfico 17, se evidencia una asimetría positiva
sesgada a la derecha con 0,089; lo que implica que moda < mediana <
promedio aritmético, combinada con una menor concentración de los datos
(Curtosis platocúrtica) de -0,763.
Indagando en el Grafico 18 de caja y bigotes, la mediana presenta un
valor de 3,700
PRUEBAS DE HIPOTESIS.
PRUEBA DE HIPOTESIS DE MEDIA PARA UNA POBLACIÓN
Comparación de la Calidad de Producto de HATCO respecto al tamaño de
empresa (GRANDE)
Se desea determinar si existe una diferencia sustancial entre la
percepción de la “Calidad de Producto” por parte de los clientes y un valor de
referencia de 6,000; Como se muestra en la Tabla 13, la “Calidad de
Producto” no se ajusta a una distribución normal.
35
Para fines académicos y didácticos
µ0: Valor de Referencia para “Calidad de Producto”, asumimos un valor
cualquiera en el rango (0 – 10), en este caso 6,000
µ1: Media de la calificación otorgada para “Calidad de Producto”
µ0: 6,000
Hipótesis Nula (Ho): µ1 = µ0
Hipótesis Alterna (H1): µ1 ≠ µ0
Tabla 16Prueba de hipótesis de media para una muestra
Estadísticos para una muestraa
N Media Desviación típ.Error típ. de la
media
Calidad de producto 40 8,2925 ,9297 ,1470
a. Tamaño de empresa = GRANDE
Fuente: Cálculos en SPSS. 2015
Tabla 17Prueba de hipótesis de media para una muestra. Valor de significancia
Prueba para una muestraa
Valor de prueba = 6,000
36
t glSig.
(bilateral)
Diferencia
de medias
95% Intervalo de
confianza para la
diferencia
Inferior Superior
Calidad de producto 15,596 39 ,0000 2,2925 1,9950 2,5900
a. Tamaño de empresa = GRANDE
Fuente: Cálculos en SPSS. 2015
De acuerdo a la Tabla 17, el valor de Significancia es menor a 0.05, de
allí que se rechaza la hipótesis nula y entonces se concluye que HATCO no
cumple con el estándar de referencia.
DATOS AGRUPADOS
Tabla 18
Datos agrupados para niveles de fidelidad
37
Nivel de fidelidad (agrupado)
Frecuenci
a
Porcentaj
e
Porcentaj
e válido
Porcentaje
acumulado
Válidos
20,1 - 25,0 1 1,0 1,0 1,0
25,1 - 30,0 2 2,0 2,0 3,0
30,1 - 35,0 9 9,0 9,0 12,0
35,1 - 40,0 18 18,0 18,0 30,0
40,1 - 45,0 15 15,0 15,0 45,0
45,1 - 50,0 23 23,0 23,0 68,0
50,1 - 55,0 17 17,0 17,0 85,0
55,1 - 60,0 12 12,0 12,0 97,0
60,1+ 3 3,0 3,0 100,0
Total 100 100,0 100,0
Fuente: Cálculos en SPSS. 2015
Observando la
Tabla 18 podemos concluir que 23% de los encuestados, se encuentra en el
intervalo de clase 45,1 - 50,0; mientras que 85% de los datos son menores
que 55%
COMPROBACIONDE LA VALIDEZ Y CONFIABILIDAD (FIABILIDAD)
Tabla 19Coeficiente de Alfa de Cronbach (α ¿
Estadísticos de fiabilidad
Alfa de
Cronbach
Alfa de
Cronbach
basada en los
elementos
tipificados
N de elementos
,456 ,716 9
38
Fuente: Cálculos en SPSS. 2015
En nuestro caso, como el valor de la Tabla 19 está por debajo de 0,50
(45,60%) el instrumento aplicado en para obtener los valores para la base de
datos HATCO, presenta una variabilidad heterogénea con sus ítems por
tanto nos llevara a conclusiones errada, se procederá a realizar el cálculo del
coeficiente alfa de Cronbach a través de la matriz de correlaciones
Tabla 20
Estadísticos de los elementos
Estadísticos de los elementos
Media Desviación
típica
N
Velocidad de entrega 3,515 1,3207 100
Nivel de precios 2,364 1,1957 100
Flexibilidad de precios 7,894 1,3865 100
Imagen del fabricante 5,248 1,1314 100
Servicio conjunto 2,916 ,7513 100
Imagen de fuerza de ventas 2,665 ,7709 100
39
Calidad de producto 6,971 1,5852 100
Nivel de fidelidad 46,106 8,9895 100
Nivel de satisfacción 4,771 ,8556 100
Fuente: Cálculos en SPSS. 2015
Tabla 21
Matriz de correlaciones inter-elementos
Matriz de correlaciones inter-elementos
Velocida
d de
entrega
Nivel
de
precio
s
Flexibilid
ad de
precios
Image
n del
fabrica
nte
Servicio
conjunto
Imagen
de
fuerza
de
ventas
Calida
d de
produc
to
Nivel
de
fidelid
ad
Nivel de
satisfacc
ión
Velocidad de entrega 1,000 -,349 ,509 ,050 ,612 ,077 -,483 ,676 ,651
Nivel de precios -,349 1,000 -,487 ,272 ,513 ,186 ,470 ,083 ,028
Flexibilidad de precios ,509 -,487 1,000 -,116 ,067 -,034 -,448 ,558 ,525
40
Imagen del fabricante ,050 ,272 -,116 1,000 ,299 ,788 ,200 ,225 ,476
Servicio conjunto ,612 ,513 ,067 ,299 1,000 ,241 -,055 ,701 ,631
Imagen de fuerza de
ventas,077 ,186 -,034 ,788 ,241 1,000 ,177 ,257 ,341
Calidad de producto -,483 ,470 -,448 ,200 -,055 ,177 1,000 -,192 -,283
Nivel de fidelidad ,676 ,083 ,558 ,225 ,701 ,257 -,192 1,000 ,711
Nivel de satisfacción ,651 ,028 ,525 ,476 ,631 ,341 -,283 ,711 1,000
Fuente: Cálculos en SPSS. 2015
Tabla 22Estadísticos de resumen de los elementos
Estadísticos de resumen de los elementos
Media Mínimo Máximo Rango Máximo/
mínimo
Varianz
a
N de
elementos
Covarianzas inter-elementos ,866 -2,740 8,030 10,770 -2,930 4,579 9
Correlaciones inter-
elementos,219 -,487 ,788 1,275 -1,618 ,130 9
Fuente: Cálculos en SPSS. 2015
Tabla 23Estadísticos total-elemento
Estadísticos total-elemento
Media de la
escala si se
elimina el
elemento
Varianza de
la escala si
se elimina
el elemento
Correlación
elemento-
total
corregida
Correlación
múltiple al
cuadrado
Alfa de
Cronbach si
se elimina
el elemento
Velocidad de entrega 78,935 134,403 ,581 ,973 ,379
Nivel de precios 80,086 149,607 ,099 ,969 ,454
Flexibilidad de precios 74,556 138,882 ,402 ,748 ,405
41
Imagen del fabricante 77,202 144,036 ,318 ,778 ,426
Servicio conjunto 79,534 140,162 ,743 ,978 ,401
Imagen de fuerza de ventas 79,785 146,820 ,349 ,656 ,435
Calidad de producto 75,479 158,868 -,186 ,407 ,502
Nivel de fidelidad 36,344 18,310 ,713 ,775 ,470
Nivel de satisfacción 77,679 138,092 ,752 ,801 ,391
Fuente: Cálculos en SPSS. 2015
Para la validez de los datos, se ha realizado la prueba de
Pearson (ver tabla 5), la cual nos indica que para aumentar la
confiabilidad de nuestros datos es conveniente eliminar la variable
calidad del producto (r < 0,30), para que así la nueva confiabilidad
sea del 50,2%; si se eliminada la variable Nivel de precios
(r < 0,30) permanecería aproximadamente igual al alfa 0,456; lo
cual no afectaría la fiabilidad de los datos.
PRUEBA DE VALIDEZ (ANÁLISIS FACTORIAL DE CORRELACIÓN)
Tabla 23
Prueba de KMO y Bartlett
KMO y prueba de Bartlett
Medida de adecuación muestral de Kaiser-Meyer-Olkin. 0,573
Prueba de esfericidad de
Bartlett
Chi-cuadrado aproximado 859,267
gl 36
42
Sig. 0,000
Fuente: Cálculos en SPSS. 2015
Partiendo de la siguiente teoría, Kaise, Meyer y Olkin aconsejan que si KMO
≥0,75 la idea de realizar un análisis factorial es buena, si 0,75 > KMO ≥0,5 la
idea es aceptable y si KMO < 0,5 es inaceptable
Analizando la información de Tabla 23 el KMO es de 0,573 (está en el
límite de los valores recomendados) la idea es aceptable y adecuado hacer
un análisis factorial de correlaciones el KMO es aproximadamente ≈0,6000 y
la prueba de esfericidad de Bartlett es significativa (sig menor a 0.05). Se
puede afirmar que, debemos ejecutar un análisis factorial de correlaciones
Poniendo de manifiesto que, en este caso muy probablemente, el proceso
de reducción de datos no sea muy espectacular. El test de esfericidad de
Bartlett, sin embargo, rechaza la hipótesis de diagonalidad de la matriz de
correlación indicando que sí existen relaciones significativas entre las
variables. Observando las medidas de adecuación muéstrales se observa
que toman valores bajos en especial para el ratio AT/RP señalando a dicha
variable como una posible candidata a ser eliminada del análisis si su
comunalidad no es muy alta.
Tabla 24
Matriz de correlaciones
Matriz de correlaciones a
43
Velocida
d de
entrega
Nivel
de
precio
s
Flexibil
idad
de
precio
s
Imagen
del
fabricant
e
Servi
cio
conju
nto
Imagen
de
fuerza
de
ventas
Calid
ad
de
prod
ucto
Nivel
de
fidelida
d
Nivel
de
satisf
acció
n
Correlació
n
Velocidad
de entrega1,000 -,349 ,509 ,050 ,612 ,077 -,483 ,676 ,651
Nivel de
precios-,349 1,000 -,487 ,272 ,513 ,186 ,470 ,083 ,028
Flexibilidad
de precios,509 -,487 1,000 -,116 ,067 -,034 -,448 ,558 ,525
Imagen del
fabricante,050 ,272 -,116 1,000 ,299 ,788 ,200 ,225 ,476
Servicio
conjunto,612 ,513 ,067 ,299
1,00
0,241 -,055 ,701 ,631
Imagen de
fuerza de
ventas
,077 ,186 -,034 ,788 ,241 1,000 ,177 ,257 ,341
Calidad de
producto-,483 ,470 -,448 ,200 -,055 ,177
1,00
0-,192 -,283
Nivel de
fidelidad,676 ,083 ,558 ,225 ,701 ,257 -,192 1,000 ,711
Nivel de
satisfacción,651 ,028 ,525 ,476 ,631 ,341 -,283 ,711
1,00
0
Sig.
(Unilateral
)
Velocidad
de entrega,000 ,000 ,309 ,000 ,223 ,000 ,000 ,000
Nivel de
precios,000 ,000 ,003 ,000 ,032 ,000 ,206 ,390
Flexibilidad
de precios,000 ,000 ,125 ,255 ,367 ,000 ,000 ,000
Imagen del
fabricante,309 ,003 ,125 ,001 ,000 ,023 ,012 ,000
Servicio
conjunto
,000 ,000 ,255 ,001 ,008 ,293 ,000 ,000
44
Imagen de
fuerza de
ventas
,223 ,032 ,367 ,000 ,008 ,039 ,005 ,000
Calidad de
producto,000 ,000 ,000 ,023 ,293 ,039 ,028 ,002
Nivel de
fidelidad,000 ,206 ,000 ,012 ,000 ,005 ,028 ,000
Nivel de
satisfacción,000 ,390 ,000 ,000 ,000 ,000 ,002 ,000
a. Determinante = ,000
Fuente: Cálculos en SPSS. 2015
¿Qué conclusiones podemos extraer respecto de la aplicabilidad del
análisis factorial a nuestra base de datos de ejemplo?
En primer lugar, analizando la matriz de correlaciones (ver Tabla 24), se
observa que un buen número de ellas (8 de las 36 posibles) son
significativas, lo que nos permite proseguir con el análisis para profundizar un
poco más
En nuestra matriz de correlaciones observamos, por ejemplo, que la
asociación lineal de los tres primeros pares de variables con valores
aceptable son (Imagen de fuerza de ventas, Imagen del fabricante) con
0,788; (Nivel de satisfacción, Nivel de fidelidad) es de 0,711 y el último par
sería (Nivel de fidelidad, Servicio conjunto) con 0,701.
Mientras que con respecto a las demás es claramente es por debajo
0,650 o es débil. En consecuencia, estas variables pueden ser consideradas
como un subconjunto de información separado del resto; sin embargo, como
45
en otros casos las relaciones no son tan fuertes y no es fácil determinar
subconjuntos de variables similares entre sí, el análisis factorial nos facilitará
la interpretación de la información contenida en la matriz de correlaciones.
El determinante de la matriz de correlaciones vale exactamente cero,
lo que indica que no es de utilidad calcular la matriz inversa, en cuyo caso
tampoco será posible utilizar algunos de los métodos de extracción (ejes
principales o máxima verosimilitud)
Tabal 25
Matriz de correlaciones Inversa
Inversa de la matriz de correlaciones
46
Velocida
d de
entrega
Nivel de
precios
Flexibil
idad
de
precio
s
Image
n del
fabrica
nte
Servicio
conjunto
Imagen
de
fuerza
de
ventas
Calida
d de
produc
to
Nivel
de
fidelida
d
Nivel
de
satisfa
cción
Velocidad de
entrega36,437 32,618 1,010 2,563 -38,486 -,920 -,282 ,010 -1,863
Nivel de precios 32,618 31,936 1,496 1,978 -36,427 -,674 -1,149 ,389 -1,234
Flexibilidad de
precios1,010 1,496 3,975 1,549 1,125 -,344 ,255 -2,328 -2,390
Imagen del
fabricante2,563 1,978 1,549 4,495 -1,609 -2,637 -,326 -,005 -2,850
Servicio conjunto -38,486 -36,427 1,125 -1,609 46,071 ,797 ,991 -3,105 -,616
Imagen de fuerza
de ventas-,920 -,674 -,344 -2,637 ,797 2,907 -,068 -,483 ,884
Calidad de
producto-,282 -1,149 ,255 -,326 ,991 -,068 1,686 -,437 ,424
Nivel de fidelidad ,010 ,389 -2,328 -,005 -3,105 -,483 -,437 4,444 ,050
Nivel de
satisfacción-1,863 -1,234 -2,390 -2,850 -,616 ,884 ,424 ,050 5,030
Fuente: Cálculos en SPSS. 2015
Tabal 25
Matrices anti-imagen
47
Matrices anti-imagen
Veloci
dad de
entreg
a
Nivel de
precios
Flexibil
idad
de
precio
s
Imagen
del
fabricant
e
Servici
o
conjun
to
Image
n de
fuerza
de
ventas
Calid
ad
de
prod
ucto
Nivel de
fidelidad
Nivel de
satisfacc
ión
Covarianza
anti-imagen
Velocidad de
entrega,027 ,028 ,007 ,016 -,023 -,009 -,005
6,114E-
005-,010
Nivel de
precios,028 ,031 ,012 ,014 -,025 -,007 -,021 ,003 -,008
Flexibilidad
de precios,007 ,012 ,252 ,087 ,006 -,030 ,038 -,132 -,120
Imagen del
fabricante,016 ,014 ,087 ,222 -,008 -,202 -,043 ,000 -,126
Servicio
conjunto-,023 -,025 ,006 -,008 ,022 ,006 ,013 -,015 -,003
Imagen de
fuerza de
ventas
-,009 -,007 -,030 -,202 ,006 ,344 -,014 -,037 ,060
Calidad de
producto-,005 -,021 ,038 -,043 ,013 -,014 ,593 -,058 ,050
Nivel de
fidelidad
6,114E
-005,003 -,132 ,000 -,015 -,037 -,058 ,225 ,002
Nivel de
satisfacción-,010 -,008 -,120 -,126 -,003 ,060 ,050 ,002 ,199
Correlación
anti-imagen
Velocidad de
entrega,501a ,956 ,084 ,200 -,939 -,089 -,036 ,001 -,138
Nivel de
precios,956 ,335a ,133 ,165 -,950 -,070 -,157 ,033 -,097
Flexibilidad
de precios,084 ,133 ,626a ,367 ,083 -,101 ,098 -,554 -,534
Imagen del
fabricante
,200 ,165 ,367 ,500a -,112 -,730 -,119 -,001 -,599
48
Servicio
conjunto-,939 -,950 ,083 -,112 ,474a ,069 ,112 -,217 -,040
Imagen de
fuerza de
ventas
-,089 -,070 -,101 -,730 ,069 ,596a -,031 -,134 ,231
Calidad de
producto-,036 -,157 ,098 -,119 ,112 -,031 ,885a -,160 ,145
Nivel de
fidelidad,001 ,033 -,554 -,001 -,217 -,134 -,160 ,829a ,011
Nivel de
satisfacción-,138 -,097 -,534 -,599 -,040 ,231 ,145 ,011 ,730a
a. Medida de adecuación muestral
Fuente: Cálculos en SPSS. 2015
La inversa de la matriz de correlaciones Tabla 25 se encuentra
estrechamente relacionada con la matriz anti-imagen que se muestra en la
Tabla 26, en este contexto en la diagonal de la matriz de correlación anti-
imagen, se observa que, individualmente, todas las variables poseen valores
no acorde con la medida de adecuación muestral de Kaiser-Meyer-Olkin
(KMO). Podemos concluir que el conjunto de variables, reducido, es ahora
apto para la aplicación del análisis factorial
Tabla 26Comunalidades
Comunalidades
49
Fuente: Cálculos en SPSS. 2015
Si la variabilidad total de la muestra está explicada por el conjunto de
los nueve variables, también lo estará la variabilidad de cada variable en
particular. En la Tabla 26 vemos que todos son igual a uno. En este sentido,
la comunalidad aporta la proporción de variabilidad de una variable explicada
por el conjunto, en nuestro caso, los tres primeros factores.
En la tabla 26 los aportes de cada variable en la explicación de la
validación son mayores 0,6000; por tanto la variabilidad de todas y cada una
de las variables está totalmente explicada, excepto la variable Calidad de
producto es la peor explicada, el modelo sólo es capaz de reproducir el
57,8% de su variabilidad original.
Tabla 27Varianza total explicada
Varianza total explicada
Compon
ente
Autovalores iníciales Sumas de las saturaciones al
cuadrado de la extracción
Suma de las saturaciones al
cuadrado de la rotación
Total % de
la
varian
za
%
acumu
lado
Total % de la
varianza
%
acumulado
Total % de la
varianza
%
acumulad
o
13,62
840,307 40,307 3,628 40,307 40,307 3,100 34,447 34,447
22,50
827,865 68,172 2,508 27,865 68,172 2,332 25,916 60,364
50
31,22
313,590 81,762 1,223 13,590 81,762 1,926 21,399 81,762
4 ,636 7,070 88,832
5 ,444 4,929 93,761
6 ,312 3,468 97,229
7 ,150 1,670 98,899
8 ,090 1,001 99,900
9 ,009 ,100100,00
0
Método de extracción: Análisis de Componentes principales.
Fuente: Cálculos en SPSS. 2015
Si nos fijamos en la parte izquierda de la Tabla 27, los únicos
autovalores mayores que uno son los tres primeros. En consecuencia, según
el criterio de Kaiser-Meyer-Olkin, se conservarán los tres primeros factores o
variables. La suma de todos los autovalores coincide con el número de
variables observadas. Teniendo en cuenta que el autovalor asociado al
primer factor es igual a 3,628, el porcentaje de variabilidad total de la
muestra explicado por dicho factor es igual 40,31%.
Del mismo modo, el porcentaje correspondiente al segundo factor es
68,172% y el del tercero, 81,762%. Por tanto, el porcentaje de variabilidad
total de la muestra explicado por estos tres factores es 81,762%. La
información relativa al conjunto de los tres factores conservados a partir de
los nueve inicialmente extraídos se dispone en la parte derecha de la Tabla
27. En la tabla 27 el % de acumulado que aportan las primeras cinco
variables explica el 93% para el estudio
Tabla 28Matriz de componentes
51
Matriz de componentes a
Componente
1 2 3
Nivel de satisfacción ,902
Nivel de fidelidad ,880
Velocidad de entrega ,832
Servicio conjunto ,739
Flexibilidad de precios ,598
Nivel de precios ,796
Imagen del fabricante ,695
Calidad de producto ,652
Imagen de fuerza de ventas ,620
Método de extracción: Análisis de componentes
principales.
a. 3 componentes extraídos
Fuente: Cálculos en SPSS. 2015
La Tabla 28, la matriz de componentes o matriz factorial, es tal que las
variables aparecen dispuestas en dos bloques asociados con cada uno de
las nueve variables. Cada bloque contiene aquel conjunto de variables tales
que presentan máxima saturación en valor absoluto sobre un mismo factor
(Nivel de satisfacción, Nivel de fidelidad, Flexibilidad de precios, Servicio
conjunto y Velocidad de entrega, en el primero; Nivel de precios, Imagen del
fabricante, Calidad de producto e Imagen de fuerza de ventas, en el
segundo).
Dentro de cada bloque las variables se disponen de mayor a menor
saturación en valor absoluto y, además, todas aquellas saturaciones
inferiores a 0,600 en valor absoluto han sido eliminadas de la matriz
Tabla 29
52
Matriz de componentes rotados
Matriz de componentes rotados a
Componente
1 2 3
Servicio conjunto ,924
Nivel de fidelidad ,869
Nivel de satisfacción ,772
Velocidad de entrega ,751
Flexibilidad de precios ,388
Nivel de precios ,903
Calidad de producto ,691
Imagen de fuerza de ventas ,921
Imagen del fabricante ,918
Método de extracción: Análisis de componentes principales.
Método de rotación: Normalización Varimax con Kaiser.
a. La rotación ha convergido en 5 iteraciones.
. Fuente: Cálculos en SPSS. 2015
La rotación Varimax es un tipo de rotación ortogonal de los factores,
que trata de minimizar el número de variables con saturaciones altas en un
factor. El objetivo de la rotación de los factores es obtener una solución más
interpretable, en el sentido de que las variables fuertemente correladas entre
sí presenten saturaciones altas sobre un mismo factor y bajas sobre el resto.
Analizando la solución obtenida, puede concluirse que existen tres
subconjuntos claramente diferenciados de variables:
Tabla 30Matriz de transformación de las componentes
Matriz de transformación de las componentes
53
Componente 1 2 3
1 ,881
2 ,800
3 -,738
Método de extracción: Análisis de componentes principales.
Método de rotación: Normalización Varimax con Kaiser.
Fuente: Cálculos en SPSS. 2015
En la información proyectada por la Tabla 30, en una matriz de
transformación de la solución original a la solución rotada que carece de
interpretación teórica
REGRESION LINEAL
Tabla 31Correlación de las variables independiente
Correlaciones
Nivel de
satisfacción
Nivel de
fidelidad
Nivel de satisfacción
Correlación de Pearson 1 ,711**
Sig. (bilateral) ,000
Suma de cuadrados y
productos cruzados72,466 541,047
Covarianza ,732 5,465
N 100 100
54
Nivel de fidelidad
Correlación de Pearson ,711** 1
Sig. (bilateral) ,000
Suma de cuadrados y
productos cruzados541,047 8000,256
Covarianza 5,465 80,811
N 100 100
**. La correlación es significativa al nivel 0,01 (bilateral).
Fuente: Cálculos en SPSS. 2015
Tabla 32Identificación de variables independientes y dependiente
Variables introducidas/eliminadasa
Modelo Variables
introducidas
Variables
eliminadas
Método
1
Nivel de
satisfacción,
Nivel de
fidelidadb
. Introducir
a. Variable dependiente: Servicio conjunto
b. Todas las variables solicitadas introducidas.
Fuente: Cálculos en SPSS. 2015
55
La Tabla 32 las variables independiente es Nivel de satisfacción y Nivel de
fidelidad, mientras que la dependiente es Servicio conjunto
Tabla 32Resumen del modelo de regresión lineal
Resumen del modelo
Mod
elo
R R
cuadrad
o
R
cuadrado
corregida
Error típ. de
la
estimación
Estadísticos de cambio
Cambio en
R cuadrado
Cambio
en F
gl1 gl2 Sig.
Cambio
en F
1 ,726a ,528 ,518 ,5217 ,528 54,165 2 97 ,000
a. Variables predictoras: (Constante), Nivel de satisfacción, Nivel de fidelidad
Fuente: Cálculos en SPSS. 2015
¿Cómo podemos cuantificar si es el mejor o peor ajuste de la recta?
En el contexto informativo de la Tabla 32 resumen del modelo, nos
proporciona información acerca de la bondad de ajuste (R2) del modelo,
concretamente:
El R presenta una intensidad de la relación lineal de 0,726 (72,6%) lo que
quiere decir que existe una buena correlación positiva entre el Nivel de
satisfacción y el Nivel de fidelidad con Servicio conjunto, por lo tato cuando
se aumentar o disminuir el valor de Nivel de satisfacción y el Nivel de
fidelidad el Servicio conjunto aumenta o disminuye simultáneamente
El coeficiente de determinación R2, este coeficiente posee una
interpretación muy intuitiva representa el grado de ganancia que podemos
obtener al predecir una variable basándonos en el conocimiento que
56
tenemos del Nivel de satisfacción y Nivel de fidelidad. El R2 de 0,528 indica
que el grado o porcentaje de varianza compartida entre las variables
independientes para la explicación de la variable dependiente es regular.
En otras palabras, El modelo explica un 52,8%, que una vez corregido por
el efecto de la muestra y de las variables independientes resulta ser 51,8%.
Por otro lado, el error típico de la estimación (raíz cuadrada de la varianza no
explicada) resulta ser de 0,5217
Tabla 33Análisis de varianza para la validación del modelo de regresión lineal
ANOVAa
Modelo Suma de
cuadrados
gl Media
cuadrática
F Sig.
1
Regresión 59,520 2 29,760 22,070 ,000b
Residual 130,797 97 1,348
Total 190,316 99
a. Variable dependiente: Flexibilidad de precios
b. Variables predictoras: (Constante), Velocidad de entrega, Calidad de producto
Fuente: Cálculos en SPSS. 2015
La Tabla 33 ANOVA en este cuadro resume del análisis de varianza para la
validación del modelo de regresión lineal, la columna Sig, corresponde al
valor de probabilidad de F, la probabilidad de obtener el valor de F si la
57
hipótesis nula fuera cierta. Como este valor es menor que 0,05 se concluye
que el modelo de regresión es válido.
En otras palabras La tabla resumen del ANOVA nos informa sobre si
existe o no relación significativa entre las variables. El estadístico F permite
contrastar la hipótesis nula de que el valor poblacional de R es cero, lo cual,
en el modelo de regresión simple, equivale a contrastar la hipótesis de que la
pendiente de la recta de regresión vale cero. El nivel crítico (Sig.) indica que,
si suponemos que el valor poblacional de R es cero, es improbable
(probabilidad = 0,000) que R, en esta muestra, tome el valor 0,726. Lo cual
implica que R es mayor que cero y que, en consecuencia, ambas variables
están linealmente relacionadas
Tabla 34Coeficientes del modelo de regresión lineal
Coeficientes a
Modelo Coeficientes
no
estandarizado
s
Coefici
entes
tipifica
dos
t Sig. Correlaciones Estadísticos de
colinealidad
B Error
típ.
Beta Orden
cero
Parcial Semipar
cial
Tolera
ncia
FIV
1 (Constant
e)8,092 ,827 9,790 ,000
Calidad de
producto
-,231 ,084 -,264 -2,744 ,007 -,448 -,268 -,231 ,767 1,304
58
Velocidad
de
entrega
,401 ,101 ,382 3,975 ,000 ,509 ,374 ,335 ,767 1,304
a. Variable dependiente: Flexibilidad de precios
Fuente: Cálculos en SPSS. 2015
De aquí se deduce que la ecuación de regresión en directas es:
Flexibilidad de precios=8,092−0 ,231( Calidadde producto)+0,401(Velocidad de entrega)
En la Tabla 34 interpretación del modelo matemático sería la Flexibilidad
de precios se incrementara en 0,401 unidades por cada unidad que se
incremente la Velocidad de entrega, cuando la Calidad de producto se
mantiene constante o disminuirá 0,231 unidades por cada unidad que se
incremente la Calidad de producto, cuando la Velocidad de entrega se
mantiene constante
Por otro lado, la Calidad de producto y Velocidad de entrega presentan
una alta tolerancia y por tanto una pequeña factores de inflación de la
varianza (FIV), lo que nos indica que no presenta colinealidad.
Tabla 35Diagnósticos de colinealidad
Diagnósticos de colinealidad a
Modelo Dimensión Autovalores Índice de
condición
Proporciones de la varianza
(Constante) Calidad de
producto
Velocidad de
entrega
1
1 2,859 1,000 ,00 ,00 ,01
2 ,128 4,726 ,00 ,11 ,44
3 ,013 15,116 ,99 ,89 ,54
59
a. Variable dependiente: Flexibilidad de precios
Fuente: Cálculos en SPSS. 2015
En la Tabla 35, muestra las tolerancias para las variables individuales y
una variedad de estadísticos para diagnosticar los problemas de colinealidad.
La colinealidad (o multicolinealidad) es una situación no deseable en la que
una de las variables independientes es una función lineal de otras variables
independientes.
Como las raíces están ordenadas de mayor a menor, el índice de
condición de la última fila es el número de condición, que es el que tiene
mayor interés para este análisis, el número de condición 15,116 es
relativamente elevado aunque sin alcanzar el límite de 20 marcado por
Belsley. Dejando aparte el término independiente (Constante), podemos
observar que la multicolinealidad afecta a las variables Calidad de producto y
Velocidad de entrega, que son las que tienen mayor proporción de varianza
asociada al número de condición de 15,116
60