Guía docente de Investigación de Mercados III (2361138)

Dado que esta asignatura continúa el proceso de investigación de mercados, recomendamos al estudiante haber cursado y superado las asignaturas Investigación de Mercados I y II.

En cualquier caso, es aconsejable tener conocimientos adecuados sobre:

• El proceso de investigación de marketing.
• Estadística descriptiva.
• Estadística paramétrica.
• Estrategias y problemáticas de marketing que son abordadas en Introducción al Marketing y Dirección Comercial I y II.

• Introducción: aplicación de las técnicas de análisis de datos a la resolución de los problemas más habituales en investigación de marketing.
• Desarrollo y depuración de escalas de medida e identificación de dimensiones subyacentes.
• El problema de la clasificación en investigación de marketing.
• Investigación causal: diseño y aplicación de procedimientos de medida y análisis de resultados.
• Modelización y predicción del comportamiento de individuos y organizaciones: modelos lineales.
• Modelización y predicción del comportamiento de individuos y organizaciones: modelos no lineales.
• Estudios de segmentación y posicionamiento basados en el desarrollo de mapas perceptuales.
• Estudios de segmentación y posicionamiento basados en clases latentes.
• Estudios de segmentación y posicionamiento basados en modelos jerárquicos.

El objetivo principal de la asignatura consiste en presentar al estudiante las tendencias de investigación de marketing, especialmente en cuanto a análisis de datos se refiere. Los objetivos de conocimiento que pretende alcanzar esta asignatura se concretan en los siguientes:

• Estudiar el problema de la clasificación en investigación de marketing.
• Profundizar en estudios de segmentación y posicionamiento basados en clases latentes.
• Analizar la modelización y predicción del comportamiento de individuos y organizaciones.
• Introducir la heterogeneidad en los modelos de análisis del comportamiento del consumidor.
• Analizar los modelos donde la variable dependiente del modelo es de carácter no métrico.
• Desarrollar modelos que permitan explicar la conducta compleja de los consumidores.

PARTE I: INTRODUCCIÓN.

Tema 0. Aplicación de las técnicas de análisis de datos a la resolución de los problemas más habituales en investigación de marketing.

1. Introducción.
2. Adecuación de los modelos clásicos de interdependencia y dependencia a la realidad de marketing.
3. Alternativas a los modelos clásicos para el análisis de datos de marketing.

PARTE II: MODELIZACIÓN DE LA HETEROGENEIDAD NO OBSERVADA DEL COMPORTAMIENTO DEL CONSUMIDOR.

Tema 1: Análisis de clases latentes para detectar heterogeneidad entre consumidores.

1. Introducción.
2. Análisis de clases latentes: fundamentos.
3. Modelos de clases latentes.
   1. Modelo de clases latentes básico.
   2. Extensiones al modelo de clases latentes básico.
4. Aplicaciones y limitaciones del análisis de clases latentes en la investigación de mercados.

Tema 2: La segmentación del mercado a través de la regresión de clases latentes.

1. Introducción a la regresión lineal simple y múltiple.
2. La regresión lineal de clases latentes.
3. Evaluación de los modelos de regresión de clases latentes.
4. Aplicaciones de la regresión de clases latentes en marketing.

Tema 3: Modelos jerárquicos: regresión multinivel y su aplicación a problemas de marketing.

1. Introducción a los modelos jerárquicos.
2. Aplicaciones al marketing de la regresión multinivel.
3. Estrategia de desarrollo de los modelos multinivel.
4. El centrado de las variables y sus causas.
5. Medidas para la evaluación de los modelos multinivel.

PARTE III: MODELIZACIÓN DEL COMPORTAMIENTO COMPLEJO DEL CONSUMIDOR.

Tema 4: Los modelos de elección discreta para explicar las elecciones del consumidor.

1. Introducción.
2. Lógica de los modelos de elección discreta.
3. Modelo lineal de probabilidad.
4. Modelos de probabilidad no lineal.
5. Estimación y evaluación de los modelos.
6. Modelos de respuesta múltiple.

Tema 5: La utilidad del path analysis para explicar el comportamiento complejo de los consumidores.

1. Introducción.
2. Ventajas e inconvenientes del path analysis.
3. Formulación del modelo.
4. Evaluación del modelo.

PARTE I: INTRODUCCIÓN.

Tema 0. Aplicación de las técnicas de análisis de datos a la resolución de los problemas más habituales en investigación de marketing.

Presentación del software estadístico que se empleará en la asignatura:

• Gretl: http://gretl.sourceforge.net/.
• Latent Gold: https://www.statisticalinnovations.com/latent-gold-5-1/
• SPSS: https://www.ibm.com/es-es/spss.
• IBM Amos: https://www.ibm.com/es-es/products/structural-equation-modeling-sem.

PARTE II: MODELIZACIÓN DE LA HETEROGENEIDAD NO OBSERVADA DEL COMPORTAMIENTO DEL CONSUMIDOR.

Tema 1. Análisis de clases latentes para detectar heterogeneidad entre consumidores.

• Aplicación de la segmentación de clases latentes a la segmentación de turistas.
• Ilustración del modo en que funciona la segmentación de clases latentes: estimación de parámetros, indicadores de ajuste y probabilidades a posteriori.
• Segmentos de clases latentes frente a las tecnologías de la información y la comunicación. Un caso real mediante datos del CIS.

Tema 2. La segmentación del mercado a través de la regresión de clases latentes.

• La regresión lineal clásica y la regresión de clases latentes para explicar la demanda de un producto.
• Ilustración del modo en que funciona la regresión lineal de clases latentes: estimación de parámetros, indicadores de ajuste y probabilidades a posteriori.
• Identificación y descripción de segmentos latentes para el caso de la intención de repetir con una compañía de telefonía móvil.

Tema 3. Modelos jerárquicos: Regresión multinivel y su aplicación a problemas de marketing.

• Aplicación de la regresión multinivel para el explicar el grado de satisfacción con el servicio prestado en distintas tiendas.

PARTE III: MODELIZACIÓN DEL COMPORTAMIENTO COMPLEJO DEL CONSUMIDOR.

Tema 4. Los modelos de elección discreta para explicar las elecciones del consumidor.

• Explicación de la elección de compra del turista durante su estancia vacacional.

Tema 5. La utilidad del path analysis para explicar el comportamiento complejo de los consumidores

• Análisis del comportamiento del consumidor desde la perspectiva de la teoría del comportamiento planeado usando path analysis.

• Collins, L.M. & Lanza, S.T. (2010). Latent Class and Latent Transition Analysis: With Applications in the Social, Behavioral, and Health Sciences. Hoboken, NJ: John Wiley & Sons.
• DeSarbo, W.S., Kamakura, W.A. & Wedel, M. (2006). Latent Structure Regression. En Grover, R. & Vriens, M. (2006). The Handbook of Marketing Research: Uses, Misuses, and Future Advances. Thousand Oaks, CA: SAGE Publications Inc., 394-417.
• Tabachnick, B.G. & Fidell, L.S. (2019). Using Multivariate Statistics (seventh edition). Boston, MA: Pearson Education.
• Train, K. (2014). Métodos De Elección Discreta con Simulación. New York, NY: Cambridge University Press. Disponible en https://eml. berkeley.edu/books/choice2nd/Combined.pdf.
• Keith, T.Z. (2019). Multiple Regression and Beyond: An Introduction to Multiple Regression and Structural Equation Modelling (third edition). New York, NY: Routledge.

• Aldás, J. & Uriel, E. (2017). Análisis Multivariante Aplicado con R. Madrid: Ediciones Paraninfo, S.A.
• Hagenaars, J.A. & McCutcheon, A.L. (2002). Applied Latent Class Analysis. New York, NY: Cambridge University Press.
• Hair, J.F., Black, W.C., Babin, B.J. & Anderson, R.E. (2019). Multivariate Data Analysis (eighth edition). Andover, UK: Cengage Learning.
• Heck, R.H. & Thomas, S.L. (2020). An Introduction to Multilevel Modeling Techniques. MLM and SEM Approaches (fourth edition). New York, NY: Routledge.
• Luque Martínez, T. (coord.) (2012). Técnicas de Análisis de Datos en Investigación de Mercados. Madrid: Ediciones Pirámide.
• Mair, P. (2018). Modern Psychometrics with R. New York, NY: Springer.
• Mertler, C.A. & Vannatta-Reinhart, R. (2017). Advanced and Multivariate Statistical Methods: Practical Application and Interpretation. New York, NY: Routledge.

• Gretl: http://gretl.sourceforge.net/.
• Latent Gold: https://www.statisticalinnovations.com/latent-gold-5-1/
• SPSS: https://www.ibm.com/es-es/spss.
• IBM Amos: https://www.ibm.com/es-es/products/structural-equation-modeling-sem.

• MD01. Docencia presencial en el aula 
• MD02. Estudio individualizado del alumno, búsqueda, consulta y tratamiento de información, resolución de problemas y casos prácticos, y realización de trabajos y exposiciones. 
• MD03. Tutorías individuales y/o colectivas y evaluación  

La evaluación del alumno se desarrollará sobre la base de dos criterios fundamentales, con el siguiente reparto de nota:

• Un examen final, en el que el alumno debe responder a cuestiones planteadas sobre la materia objeto de examen (70% de la nota). Este examen constará de preguntas verdadero/falso y de un conjunto de preguntas de desarrollo entre las cuales se encontrarán tareas de interpretación de resultados relacionadas con las técnicas de análisis de datos estudiadas. El formato del examen también puede ser oral.
• Entrega de prácticas y participación (30% de la nota). Para cada tema se propondrá una práctica que se desarrollará de manera individual y que se discutirá en clase.

Será necesario que el alumno obtenga al menos el 30% en cada parte del examen final para optar a superar la asignatura. El aprobado se fija en cinco puntos.

La calificación de aquellos alumnos que no realicen el examen final de la asignatura y hayan realizado las actividades y pruebas del proceso de evaluación continua contempladas en la guía docente de la asignatura será la de “No presentado”.

Todo lo relativo a la evaluación se regirá por el Artículo 8.2 de la Normativa de evaluación y calificación de los estudiantes vigente en la Universidad de Granada, que puede consultarse en:

http://secretariageneral.ugr.es/bougr/pages/bougr112/_doc/examenes/!

Cualquier trabajo presentado por el estudiante debe ser fruto del trabajo individual o cooperativo con otros compañeros, nunca una simple copia del trabajo de otros compañeros o de trabajos presentados en cursos anteriores. En el caso que se detecte una circunstancia como la descrita, el profesor podrá solicitar al alumno demostrar los conocimientos requeridos por la práctica sin previo aviso. La no demostración de estos conocimientos por el alumno supondrá la anulación de toda su evaluación continua y el suspenso en la asignatura.

La evaluación del alumno se desarrollará sobre la base de dos criterios fundamentales, con el siguiente reparto de nota:

• Un examen final, en el que el alumno debe responder a cuestiones planteadas sobre la materia objeto de examen (70% de la nota). Este examen constará de preguntas verdadero/falso y de un conjunto de preguntas de desarrollo entre las cuales se encontrarán tareas de interpretación de resultados relacionadas con las técnicas de análisis de datos estudiadas. El formato del examen también puede ser oral.
• Entrega de prácticas y participación (30% de la nota). Para cada tema se propondrá una práctica que se desarrollará de manera individual y que se discutirá en clase.

Será necesario que el alumno obtenga al menos el 30% en cada parte del examen final para optar a superar la asignatura. El aprobado se fija en cinco puntos.

La calificación en la componente práctica obtenida por el alumno a través de su trabajo continuado durante el periodo lectivo será la que conste en las convocatorias extraordinarias. El alumno que no haya realizado las actividades prácticas programadas durante el curso, o que desee renunciar a dicha nota, será evaluado a través de un examen de idénticas características a las señaladas más arriba y podrá incluir preguntas adicionales relativas a la interpretación de los resultados.

La calificación de aquellos alumnos que no realicen el examen final de la asignatura y hayan realizado las actividades y pruebas del proceso de evaluación continua contempladas en la guía docente de la asignatura será la de “No presentado”.

Los estudiantes que se acojan a la evaluación única final a la que hace referencia el artículo 8 de la normativa de evaluación y de calificación de los estudiantes de la Universidad de Granada (aprobada en consejo de gobierno el 9 de noviembre de 2016), deberán de solicitarlo en las dos primeras semanas de impartición de la asignatura, o en las dos semanas siguientes a su matriculación si ésta se ha producido con posterioridad al inicio de la asignatura. El estudiante lo solicitará, a través del procedimiento electrónico, al Director/a del Departamento, alegando y acreditando las razones que le asisten para no poder seguir el sistema de evaluación continua.

El/la Director/a del Departamento al que se dirigió la solicitud, oído el profesorado responsable de la asignatura, resolverá la solicitud en el plazo de diez días hábiles. Transcurrido dicho plazo sin que el estudiante haya recibido respuesta expresa por escrito, se entenderá estimada la solicitud.

La evaluación única final, entendiendo por tal la que se realiza en un solo acto académico, estará formada por un examen de idénticas características a las comentadas para la convocatoria ordinaria y extraordinaria que podrá incluir preguntas adicionales relativas a la interpretación de los resultados.

Durante todo el curso, los alumnos matriculados en la asignatura tendrán libre acceso a la página web de la misma dentro de la plataforma PRADO (http://prado.ugr.es), en la que podrán entrar en contacto con sus compañeros y con su profesor, descargar el material complementario recomendado (artículos, transparencias, foros, chats, etc.), consultar sus calificaciones, acceder a herramientas de autoevaluación, etc.

Se recomienda que el alumno que desee asistir a tutorías, se lo comunique al profesor con suficiente antelación.

INCLUSIÓN y DIVERSIDAD. En el caso de estudiantes con discapacidad u otras necesidades específicas de apoyo educativo (NEAE), el sistema de tutoría será adaptado a estas necesidades, de acuerdo con las recomendaciones del área con competencias en inclusión de la Universidad de Granada, procediendo los departamentos y centros a establecer las medidas adecuadas para que las tutorías se realicen en lugares accesibles. Asimismo, a petición del profesorado, se podrá solicitar apoyo a la unidad competente de la UGR cuando se trate de adaptaciones metodológicas especiales.

Información de interés para estudiantado con discapacidad y/o Necesidades Específicas de Apoyo Educativo (NEAE): Gestión de servicios y apoyos (https://ve.ugr.es/servicios/atencion-social/estudiantes-con-discapacidad).