Nos centramos en la investigacion cuantitativa que se sirve del uso de cuestionarios para estudiar las características, gustos y tendencias de la población. La cualitativa es igualmente interesante, especialmente para buscar nuevas ideas y perspectivas de acercamiento a las cuestiones que queremos resolver. Pero es la cuantitativa la que nos da la medida, y la herramienta de medida a través de las leyes de la estadística.

No obstante, lo cualitavo siempre precede… por ejemplo, para construir el cuestionario tenemos que reflexionar, preguntar a la gente, etc. y eso es un ejercicio cualitativo (con o sin metodología explícita).

Bien. Primero hay que partir de un cuestionario diseñado del mejor modo posible, preguntando todo aquello que nos pueda interesar, y por supuesto, su correspondiente matriz de respuestas de los encuestados.

Para tipologías y validaciones necesitaremos una muestra amplia, cuanto más amplia mejor. El análisis multivariable siempre requiere una muestra amplia para obtener mayor fiabilidad. Aunque si tenemos pocos casos (unos 200 o 400) podremos hacer igualmente una aproximación general: con poca exactitud, pero válida dentro de su nivel de confianza. Las muestras bien tomadas son muy agradecidas.

Entonces, recogemos las variables que nos interesa introducir en la tipología. Antes, las correlacionamos a ver que tal, para hacernos una idea de cuales tienen algo que ver entre sí. Y hacemos con esas variables un Análisis Factorial (con un paquete estadístico, tipo SPSS).

El Analisis Factorial es un concepto difícil de entender (y casi imposible de explicar), pero consiste en algo así como una intercorrelación cruzada entre muchas variables a la vez para hacer grupos con ellas, asociando las que más correlacionan entre sí. Por ejemplo, partimos de 10 variables. Y con el AF las agrupamos en 3 factores (4 variables en una, 3 en otra y 3 en otra). Eso quiere decir que esas 4 variables están muy relacionadas entre sí, y que cuando una varía, lo hacen también las demás. Por ejemplo: ‘peso’ y ‘edad’ correlacionan mucho en una muestra de niños de entre 5 y 15 años, ¿no? Pues esas irían juntas, y ‘calificación’ y ‘horas de estudio’ por ejemplo, irían en otro factor.

Para colmo, el Análisis factorial nos da varias opciones que podemos modificar a voluntad. Por ejemplo, número de factores que queremos sacar, etc. Así que no es una operación que nos ayude a ‘descubrir’ algo preexistente e inequívoco, sino que nos ayuda a ‘construirlo’ conforme a los criterios de consistencia y verosimilitud.

Otra opción muy importante es la rotación de los factores en el AF. Es un paso muy interesante, por medio del cual se busca la mejor interrelación entre las variables. Al final, en lo que consiste el Análisis Factorial es en definir la mejor hipótesis sobre cual es la estructura subyacente de las variables, y no en ‘descubrir’ cual es esta estructura. Esa es la magia performativa de la estadística que sólo los statistics-nerds aprecian!

Ok. El resultado tiene que tener un sentido interpretable. Los factores, la agrupación de variables, tiene que tener una lógica que podamos entender e interpretar. Así, le damos un nombre a cada factor. Por ejemplo, en la tipología Datavin de consumidoras de vino, un factor era: “grado de conocimiento de vino” y estaba compuesto por las variables que respondían a las pregunas: ¿Conoce diferentes tipos de uva? ¿Sabe cómo se hace el vino rosado?, y otras por el estilo.

Hay un valor que nos dice la validez estadística que tiene el AF, pero no nos entretendremos ahora con eso… sólo queremos mostrar cual es el concepto de la operación.

Sólo con eso ya tenemos un gran paso dado. Así podemos validar cuestionarios para medir ciertas tendencias en las personas. Eso se hace mucho en psicología. Técnicamente, los cuestionarios que te dicen ‘cómo eres’ tienen que estar validados así para tener alguna fiabilidad mínima (=estadística, la conceptual ya es otra cosa: depende del enfoque inicial y la interpretación de los valores).

Asi que ahora, para seguir con nuestra tipología, tenemos que hacer un Análisis Clúster: consiste en comparar dónde está cada sujeto (=caso, cuestionario, persona) con respecto a los factores (es decir, las variables que los forman tomadas en conjunto) y agruparlos entre sí. De esta forma, tenemos que el 30% de los sujetos siguen un patrón más o menos determinado con respecto a los factores: puntuan muy alto en uno, muy bajo en otro, y normal en el tercero, por ejemplo. Otro 20% puntúa de otra forma, el 10% sigue otro patrón, etc. Asi hacemos los grupos y valoramos su importancia. También en el Análisis Clúster podemos obtener diferentes grado de ajuste.

Es un proceso complejo, ¿verdad? Pues es así como se construyen las tipologías que vemos en estudios de marketing y en las noticias. Sin los programas estadísticos sería prácticamente imposible lograrlo, pero incluso con ellos, es preciso un buen diseño del cuestionario, un muestreo correcto, y un exhaustivo trabajo de prueba y error en la construcción del modelo, y una buena articulación entre creatividad y capacidad analítica.

Para más información…

preguntar o postear el mail (luego lo quito).