Diseño de experimentos y análisis de conjunto
Palabras clave:
análisis de conjunto, diseño, experimentosSinopsis
La experimentación se utiliza para revelar el comportamiento de un proceso o sistema en particular, puede definirse como una prueba o una serie de pruebas en las que se efectúan cambios deliberados en las variables de entrada para identificar las razones de las variaciones que se puedan observar en la respuesta de la variable de salida. El objetivo principal del diseño de un experimento es desarrollar un proceso robusto, es decir, que no pueda ser afectado por los factores externos y poder observar directamente los resultados que se proponen en una investigación. El principal propósito de este libro es abordar teóricamente los diferentes diseños experimentales y corroborar su aplicación, con el fin de tener una guía que asegure la validez y confiabilidad de los procesos de investigación. El análisis conjunto es una técnica de investigación multivariada en donde el principal objetivo es comprender de qué manera las personas toman decisiones y lo que valoran de los productos y/o servicios. A este método también se lo conoce como estimación discreta de elección o investigación de preferencias declaradas. Esta herramienta permite presentar diferentes opciones a las personas y luego analizar cuáles fueron los impulsores de sus decisiones, también es denominado modelo de descomposición porque puede desagregar las preferencias para determinar el valor de cada atributo del factor. Esta técnica difiere de otras herramientas multivariantes en tres áreas distintas: (a) su naturaleza de técnica de descomposición, (b) el hecho de que las estimaciones pueden hacerse a nivel individual, y (c) su flexibilidad en términos de relaciones entre variables dependientes e independientes.
Descargas
Citas
Capítulo 1
Montgomery, D. C. (2015). Diseño y análisis de experimentos (Segunda ed.). México: Limusa.
Pérez López, C. (2004). Técnicas de análisis multivariante de datos.Aplicaciones con SPSS. Madrid, Universidad Complutense de Madrid.: Pearson Educación.
Raghavarao, D., Wiley, J. B., & Chitturi, P. (2011). Choice-Based Conjoint Analysis Models and Designs. New York: CRC Press Taylor & Francis Group.
Capítulo 2
Montgomery, D. C. (2015). Diseño y análisis de experimentos (Segunda ed.). México: Limusa.
Pérez López, C. (2004). Técnicas de análisis multivariante de datos.Aplicaciones con SPSS. Madrid, Universidad Complutense de Madrid.: Pearson Educación.
Capítulo 3
Montgomery, D. C. (2015). Diseño y análisis de experimentos (Segunda ed.). México: Limusa.
Pérez López, C. (2004). Técnicas de análisis multivariante de datos.Aplicaciones con SPSS. Madrid, Universidad Complutense de Madrid.: Pearson Educación.
Smith. (1960). Interpretations os adjusted treatment means and regressions in analysis of covariance. Biometrics, 13(3), 282-308.
Capítulo 4
Acito, F., & Jain, A. K. (1980). Evaluation of Conjoint Analysis Results: A Comparison of Methods. Journal of Marketing Research, 17(1), 106-112.
Camm, J. D., Cochran, J. J., Curry, D. J., & Kannan, S. (2006). Conjoint Optimization: An Exact Branch-and-BoundAlgorithm for the Share-of-Choice Problem. Management Science, 52(3), 435-447.
Castel, D., & Tsuji, H. (2015). Design of interactive conjointanalysis Web-based system. International Journal of Web Information Systems, 11, 17-32.
Chrzan, K. (2011). Rationale and design of moderated choice experiments: a strategic pricing application". Journal of Product & Brand Management, 10, 293-300.
Desarbo, W. S., Ramaswamy, V., & Cohen, S. H. (1995). Market Segmentation with Choice-Based Conjoint Analysis. Marketing Letters, 6, 137-147.
Ortúzar, J. M. (2012). Information processing in choice-basedconjoint experiments a process-tracing study. European Journal of Marketing, 46, 422-446.
Descargas
Publicado
Colección
Licencia
Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial-SinDerivadas 4.0.
