Pruebas paramétricas y no paramétricas en la investigación de mercados

Cálculo exacto

Antes de que los investigadores de mercado comiencen un estudio, deben tomar algunas decisiones importantes con respecto a sus métodos. Después de formular, refinar y finalizar la pregunta de investigación (qué queremos saber específicamente), el investigador determinará el mejor método para responder la pregunta de investigación. La elección de la metodología se basa en gran medida en el grado de precisión y fiabilidad necesarios para responder a la pregunta.

Cuando los investigadores de mercado necesitan sacar conclusiones definitivas basadas en sus datos, una prueba paramétrica es apropiada. Las pruebas paramétricas son cálculos estadísticos que producen datos procesables de alta calidad. Las pruebas no paramétricas son menos precisas pero más fáciles de facilitar. Antes de explorar estas pruebas en detalle, conviene hacer un breve resumen de una distribución normal, ya que una prueba paramétrica supone una distribución normal, mientras que una prueba no paramétrica no requiere una distribución normal.

Un error de novato

Una empresa de servicios educativos, XYZ Learning Resources, es un proveedor líder de materiales de revisión de certificación para estudiantes que se preparan para los principales exámenes de licencia. XYZ es muy consciente de que, a menos que se pueda demostrar definitivamente que sus productos tienen una mejora estadísticamente significativa en las tasas de aprobación, su empresa fracasará. Con ese fin, XYZ contrata a una empresa de investigación de mercado para vigilar de cerca los datos a los que la empresa debe responder para mantenerse en el negocio. No es probable que la empresa de investigación de mercado considere siquiera una prueba no paramétrica porque los datos que necesitan son cuantitativos y no cualitativos.

Es solo un promedio simple, ¿verdad?

XYZ contrata regularmente a pasantes que están completando sus estudios de posgrado en marketing, y una de las primeras tareas asignadas a un pasante es calcular el puntaje promedio de las pruebas estandarizadas para los clientes utilizando la guía de estudio XYZ CPA. La pasante más reciente realizó sus cálculos y le informó a su supervisor que el puntaje promedio era del 67%, un puntaje que no aprobaría el examen. Pero ninguno de los demás datos parecía indicar que regularmente hubiera una puntuación tan baja.

La pasante se acercó a su supervisor para pedirle ayuda para determinar qué hizo mal. Su supervisor había respondido esta pregunta varias veces y estaba listo para discutir la importancia de las distribuciones normales y las pruebas paramétricas.

No, no solo un promedio simple

Una distribución normal , a veces llamada curva de campana , es una función estadística que ajusta los datos para que el valor medio (la mediana ) realmente corresponda al valor medio de los datos. Asimismo, una distribución normal ajusta los datos para que el promedio (la media ) represente con precisión el promedio de los datos.

Cuando la pasante calculó el puntaje promedio del examen, no reconoció que los datos contenían varios puntajes de “0” porque el puntaje cero se colocó en la base de datos cuando un solicitante de registro no se presentó para tomar el examen. Estos valores cero eran valores atípicos erróneos que debían eliminarse de los datos. Esta tabla muestra la distribución de las puntuaciones antes de eliminar los valores atípicos.

Los valores atípicos son puntos de datos que existen tan lejos de la distribución que sesgan toda la serie de datos. En los datos XYZ, los 0 asignados a las personas que en realidad no habían realizado la prueba eran valores atípicos porque no representaban datos reales y su presencia sesgaba los cálculos. Después de eliminar los valores atípicos, el nuevo puntaje promedio se convirtió en 79% en lugar de 67%. Esta tabla caracteriza cómo los datos normalizados cambiaron los cálculos del pasante sobre el puntaje promedio del examen.

Cuando nada más que lo mejor servirá

Este ejemplo demuestra el contraste entre las pruebas paramétricas y no paramétricas, y destaca la razón por la que las pruebas no paramétricas solo son adecuadas cuando el enfoque principal de la investigación es cualitativo o exploratorio. Reflexione sobre la prueba paramétrica realizada por XYZ y tome nota de cómo todos los parámetros del estudio fueron adecuados para responder a la pregunta de investigación: ¿Nuestra guía de estudio de CPA realmente ayuda a las personas a obtener una calificación de aprobación en el examen?

• Dado que el editor desea datos concretos y tangibles, es apropiado un diseño cuantitativo.
• Dado que los resultados se informan en un continuo con un cero fijo, los datos se informan en una escala de razón (que es la escala más confiable para tomar decisiones basadas en datos).
• La creación de una distribución normal y una prueba paramétrica aseguró la validez de los datos.
• Dado que se utilizan datos fiables y válidos para la prueba, los resultados son totalmente procesables para establecer relaciones causales y conclusiones definitivas.
• En conjunto, estos datos afirman la hipótesis de que el producto de preparación para la prueba CPA está ayudando a las personas a obtener puntuaciones más altas en el examen.

Resumen de la lección

Cuando los investigadores de mercado necesitan responder una pregunta mediante el análisis de datos, pueden optar por utilizar una prueba paramétrica o una prueba no paramétrica para validar los datos y actuar sobre ellos. Una prueba paramétrica requiere condiciones estadísticas específicas, incluida una distribución normal o una curva de campana . En una prueba paramétrica, la media y la mediana son precisas porque se han eliminado los valores atípicos para que no desvíen los resultados de la prueba. Cuando los datos de un investigador de mercado no cumplen o no pueden cumplir las condiciones requeridas para una prueba paramétrica, se puede utilizar una prueba no paramétrica.