Syllabus query



Academic Year/course: 2019/20

450 - Degree in Marketing and Market Research

27621 - Data Analysis and Multivariate Techniques


Syllabus Information

Academic Year:
2019/20
Subject:
27621 - Data Analysis and Multivariate Techniques
Faculty / School:
109 - Facultad de Economía y Empresa
Degree:
450 - Degree in Marketing and Market Research
ECTS:
6.0
Year:
3
Semester:
First semester
Subject Type:
Compulsory
Module:
---

1. General information

2. Learning goals

3. Assessment (1st and 2nd call)

4. Methodology, learning tasks, syllabus and resources

4.1. Methodological overview

The methodology followed in this course is oriented towards the achievement of the learning objectives. A wide range of teaching and learning tasks are implemented, such as lectures, practice sessions, autonomous work, individual database analysis, tutorials and assessment tasks. 

Further information regarding the course will be provided on the first day of class.

4.2. Learning tasks

The course includes the following learning tasks: 

  • Lectures and practice sessions. Sessions to develop concepts and theoretical developments of the course contents. In some of them, teacher's explanations will be used but encouraging participation and discussion in class. The teacher will rely on the computer to illustrate the practical use of the techniques explained by solving real cases using the databases of the course. In addition, the SPSS 22.0 package will be used to implement the techniques during the class.
  • Tutorials in small groups. Optional classes are held throughout the course, agreed on by the teacher and the students. In these tutorials, the teacher will decide the most appropriate way to introduce concrete market research statistical methods.
  • Tutorials. The student may attend the teacher's office to ask questions about the course. In the case of those students who cannot attend during the established office hours, they can send an email to make an appointment.

4.3. Syllabus

The course will address the following topics: 

SECTION. INTRODUCTION 

  • Topic 0: Introduction
    • Objectives. Why multivariate analysis? Basic types of data and analysis. Preliminary steps in multivariate analysis in Marketing and Management.

SECTION I: EXPLORATORY DATA ANALYSIS

  • Topic 1: Exploratory data analysis (A.E.D.)
    • Objectives. Organizing data. Data exploration: the use of pictures. Surveys in different contexts. Goals of research. Study of outliers and missing data.

SECTION II: DATA EXPLORATION AND DIMENSION REDUCTION

  • Topic 2: Regression analysis
    • Introduction. Estimating the regression equation and prediction. Multiple linear regression. Variable selection in linear regression. Applying linear regression ideas.
  • Topic 3: Factor analysis
    • Introduction. Principal component method. Examples. Choosing the number of factors. Rotation. Interpretation. Validity of the factor analysis model. Study of outliers.

SECTION III: STUDY OF CONTINGENCY TABLES

  • Topic 4: Surveys and contingency tables.
    • Internet as a source of information. Contingency tables in samples from a data base. The r x c Contingency table. Study of some profiles. Interpretation. 

SECTION IV: CLASSIFICATION ANALYSIS

  • Topic 5: Cluster Analysis.
    • Introduction. Measures of similarity or dissimilarity. Hierarchical clustering. Single, complete and average linkage. Choosing the number of clusters. Cluster validity. Nonhierarchical methods.
  • Topic 6: Discriminant analysis.
    • Introduction. The discriminant function for two groups. Interpretation of discriminant functions. Applications. 

4.4. Course planning and calendar

Further information concerning the timetable, classroom, office hours, assessment dates and other details regarding this course, will be provided on the first day of class or please refer to the Faculty of Economics and Business website (https://econz.unizar.es/)

Provisional course planning 

Timetable

TOPICS

METHOD

1st week

LEARNING OBJETIVES

Course presentation

INTRODUCTION

Course presentation 

2nd week

Topic 1

Theory and practice session

                        Topic 1

Theory and practice session

3rd week

                        Topic 1

Theory and practice session

Topic 1

Practice session

4th week

Topic 2

Theory and practice session

Topic 2

Theory and practice session

5th week

Topic 2

Theory and practice session

Topic 2

Practice session

   6th week

                        Topic 3

Theory and practice session

Topic 3

Theory and practice session

7th week

Topic 3

Theory and practice session

Topic 3

Practice session

8th week

Test 1

 

Topic 4

Practice session

9th week

Topic 4

Practice session

Topic 4

Practice session

10th week

Assignment

Practice session

Topic 5

11th week

Topic 5

 

Theory and practice session

12th week

Topic 5

 

Theory and practice session

13th week

Test 2

 

 

 14th week

Topic 6

 

Theory and practice session

 15th week

EXAM 

 

Assignment

Presentation and defense

 


Curso Académico: 2019/20

450 - Graduado en Marketing e Investigación de Mercados

27621 - Análisis de datos y técnicas multivariantes


Información del Plan Docente

Año académico:
2019/20
Asignatura:
27621 - Análisis de datos y técnicas multivariantes
Centro académico:
109 - Facultad de Economía y Empresa
Titulación:
450 - Graduado en Marketing e Investigación de Mercados
Créditos:
6.0
Curso:
3
Periodo de impartición:
Primer semestre
Clase de asignatura:
Obligatoria
Materia:
---

1. Información Básica

1.1. Objetivos de la asignatura

  • Aprender el procesamiento de la información obtenida en un estudio de mercado
  • Aprender a realizar un informe detallado sobre la importancia de los resultados del análisis de una base de datos y las decisiones a tomar.

1.2. Contexto y sentido de la asignatura en la titulación

La asignatura tiene carácter obligatorio y se encuentra encuadrada en el módulo Investigación de Mercados, dentro de la materia Instrumentos. En dicha materia figura junto a Econometría, que también es obligatoria. Posteriormente se impartirán las asignaturas optativas Métodos Estadísticos en Investigación de Mercados y Sistemas de Información y Bases de Datos.

Con todas las asignaturas anteriormente mencionadas se proporciona al alumno un conjunto técnicas informáticas, econométricas y estadísticas, de tipo cualitativo y cuantitativo, muy útiles para desarrollar una investigación de mercados básica y obtener conclusiones que sean relevantes para la gestión empresarial

1.3. Recomendaciones para cursar la asignatura

La asignatura no tiene establecido ningún requisito previo. Sin embargo, sería conveniente haber aprobado las asignaturas Matemáticas I, Matemáticas II, Estadística I y Estadística II para mejorar el aprendizaje de la misma y necesitar de menor esfuerzo.

Para poder alcanzar los objetivos de aprendizaje previstos es necesaria la asistencia a las clases, así como la participación activa en dichas clases. Es muy aconsejable el estudio continuado de la asignatura para facilitar la comprensión de la misma así como la realización de las diversas actividades programadas.

Recursos web: ADD de la asignatura y página web de la profesora Olave.

2. Competencias y resultados de aprendizaje

2.1. Competencias

Al superar la asignatura, el estudiante será más competente para...

Competencias Específicas:

  • Conocer y aplicar las herramientas cualitativas y cuantitativas de análisis y diagnóstico para la investigación de mercados.
  • Comprender las posibilidades de las TIC para la investigación de mercados.
  • Desarrollar una investigación de mercados básica y obtener conclusiones para la gestión empresarial.
  • Desarrollar, presentar y defender un proyecto en el ámbito de la Investigación de Mercados.

Competencias Transversales:

  • Adquisición con rapidez de nuevos conocimientos.
  • Búsqueda, análisis y síntesis de fuentes de información y datos.
  • Búsqueda de nuevas ideas y soluciones.
  • Detección de oportunidades.
  • Capacidad para cuestionar de forma constructiva ideas propias o ajenas.
  • Creatividad.

2.2. Resultados de aprendizaje

El estudiante, para superar esta asignatura, deberá demostrar los siguientes resultados...

1.     Estudiar los ítems de una encuesta para identificar la mejor información antes de analizar una base de datos.

2.     Realizar un análisis exploratorio de una base de datos de acuerdo a los distintos tipos de variables analizados.

3.     Analizar los datos ausentes de una base de datos evaluando si existen sesgos por dicho motivo y poniendo los remedios oportunos.

4.     Realizar un análisis de regresión múltiple e interpretar los resultados.

5.     Realizar un análisis de componentes principales y utilizar sus resultados para localizar atípicos multivariantes.

6.     Realizar un análisis factorial e interpretar los resultados.

7.     Realizar un análisis de tablas de contingencia e interpretar los perfiles obtenidos.

8.     Realizar un análisis cluster utilizando métodos jerárquicos y no jerárquicos e interpretar los resultados obtenidos

9.     Realizar un análisis factorial discriminante, validarlo e interpretar los resultados obtenidos.

 

2.3. Importancia de los resultados de aprendizaje

La asignatura tiene un doble objetivo para la formación del futuro profesional. Un primer objetivo viene dado por el procesamiento de la información obtenida en un estudio de mercado. Para ello se aprenden un conjunto de técnicas estadísticas multivariantes, habitualmente utilizadas en este tipo de estudios, muy útiles para llevar a cabo un análisis exploratorio de la información disponible así como para realizar un proceso de reducción de datos y de obtención de grupos significativos que faciliten el diseño de políticas comerciales más adecuadas. Además, el uso de este tipo de técnicas, al cuantificar la información recogida y medir el grado de incertidumbre asociado a los patrones de comportamiento detectados en los datos, dotan de un mayor rigor científico a los procesos de tomas de decisiones dotando al estudiante de los criterios necesarios para entender y enjuiciar sus propios resultados o los proporcionados por otras fuentes. El segundo objetivo consiste en aprender a realizar un informe detallado sobre la importancia de los resultados del análisis de una base de datos y las decisiones a tomar.

3. Evaluación

3.1. Tipo de pruebas y su valor sobre la nota final y criterios de evaluación para cada prueba

El estudiante deberá demostrar que ha alcanzado los resultados de aprendizaje previstos mediante las siguientes actividades de evaluacion

En PRIMERA CONVOCATORIA se plantean dos sistemas de evaluación:

 

            Sistema de Evaluación Continua. Esta evaluación constará de los siguientes elementos:

- DOS pruebas (P1, P2) de carácter teórico-práctico en las que resolverán diversas cuestiones y problemas prácticos de la materia. Cada prueba tendrá un peso del 35% en la nota final.

- Dos pruebas intermedias (I1,I2) en que el alumno deberá responder a un conjunto de preguntas prácticas planteadas en clase (al finalizar los temas 3 y 5 de la asignatura), realizando el preceptivo informe en el ámbito de la investigación en la que se utilice la correspondiente base de datos. Cada prueba intermedia realizada en clase, al finalizar esos temas, tendrá un peso del 15% en la nota final.

Para superar la asignatura por este sistema se debe obtener una calificación mínima de 5 puntos sobre 10, además de haber obtenido una nota mínima de 3,5 puntos en cada una de las 4 pruebas (P1, P2, I1, I2).

Aquellos alumnos que no hayan superado la asignatura por el sistema de evaluación continua, que no lo hayan realizado o que deseen mejorar su nota, disponen de:

 

            Sistema de evaluación Global, que será una prueba teórico-práctica  consistente en resolver un conjunto de cuestiones sobre los temas de la asignatura a realizar en la fecha oficial marcada por el Centro.

Para superar la asignatura por este sistema se debe obtener una calificación mínima de 5 puntos sobre 10

 

En SEGUNDA CONVOCATORIA, se realizará una prueba Global que será una prueba teórico-práctica consistente en resolver un conjunto de cuestiones sobre los temas de la asignatura a realizar en la fecha marcada por el Centro. Para superar la asignatura por este sistema se debe obtener una calificación mínima de 5 puntos sobre 10.

 

Criterios de valoración

Para aprobar la asignatura en la modalidad de evaluación Continua son de obligado cumplimiento las siguientes condiciones: a) obtener más de 5 puntos en la calificación total; y b) obtener una nota mínima de 3,5 puntos sobre 10 en cada una de las 4 pruebas (P1, P2, I1, I2). En la modalidad Global se debe obtener más de 5 puntos en la calificación total.

Se valorará que el estudiante conozca, entienda y sea capaz de utilizar los conceptos estudiados en la asignatura. Además, se valorará la capacidad para integrar los conocimientos adquiridos.

En cualquier caso, en las pruebas se valorará el grado de acierto con que se responda a las preguntas planteadas, la ausencia de errores formales y la claridad y el orden en la presentación de resultados. Igualmente podrá valorarse la reflexión y el aporte de ideas que haya detrás de cada trabajo o intervención, así como la regularidad de la participación activa en el desarrollo de las clases.

4. Metodología, actividades de aprendizaje, programa y recursos

4.1. Presentación metodológica general

El proceso de aprendizaje que se ha diseñado para esta asignatura se basa en lo siguiente:

En la impartición de la asignatura se utilizarán diferentes métodos docentes en función de los objetivos marcados y las competencias desarrolladas. Así se emplearán técnicas expositivas para la exposición del método, con el objetivo de analizar y desarrollar los conceptos fundamentales de la asignatura. Sin embargo, y dado que la asignatura se enseñará en aulas de informática en su totalidad, se emplearán herramientas informáticas alternando las explicaciones teóricas con su aplicación al análisis de bases de datos lo cual facilitará el aprendizaje práctico de las técnicas estudiadas.

El profesor actuará como tutor para ayudarles a resolver las preguntas que se planteen en cada tema. Como ya se ha comentado, se realizan tutorías en grupo pequeños para que el alumno plantee sus comentarios y dudas de aprendizaje.

Como apoyo se utilizará la plataforma Moodle 2 en la que se publicarán materiales teóricos y prácticos de la asignatura, así como la información relevante para su desarrollo comenzando por la propia guía docente.

4.2. Actividades de aprendizaje

El programa que se ofrece al estudiante para ayudarle a lograr los resultados previstos comprende las siguientes actividades...

- Clases teórico-prácticas: Se emplearán para desarrollar  los conceptos y desarrollos  de cada uno de los temas. En ellas se utilizarán técnicas expositivas pero motivando la participación y discusión en clase. El profesor se apoyará en el ordenador para ilustrar el uso práctico de las técnicas explicadas, mediante su aplicación a la resolución de casos reales utilizando las Bases de Datos de la asignatura. Se recomienda la asistencia a clase, la participación y la toma de notas o aclaraciones a dicha presentación. Además, en todas ellas se utiliza el paquete SPSS 22.0 para implementar las técnicas explicadas en la exposición y el software libre R.

- Tutorías en grupo reducido: Se realizarán  sesiones optativas de este tipo a lo largo del curso, en el horario de jueves de 13h a 17h.

En ellas se plantearán a los estudiantes la selección del método estadístico más adecuado para introducirlos en investigaciones concretas de mercados. Para tal fin se responderá a una batería de preguntas planteadas por el profesor utilizando la metodología propia del Análisis Multivariante.

- Tutorías individuales y on line: el estudiante podrá asistir a las horas programadas de tutoría  para resolver dudas sobre la asignatura. En el caso de aquéllos estudiantes a los que las tutorías programadas coincidan con horas de clase de otras materias, podrán mandar un correo electrónico para concertar cita. Además de las tutorías presenciales, el alumno podrá utilizar la plataforma del ADD.

 

Las actividades formativas y de evaluación se desarrollarán de acuerdo a la siguiente planificación:

Actividades

Horas Presenciales

Horas trabajo autónomo

Total carga estudiante

Clases teóricas/prácticas

60

82

142

Tutorías en grupos reducidos

4

 

4

Pruebas intermedias

2

 

2

Examen final

2

 

2

TOTAL

68

82

150

 

4.3. Programa

PARTE 0: INTRODUCCION 

TEMA 0: Introducción

            Presentación de la asignatura: objetivos, programación docente, programa de la asignatura, evaluación, bibliografía. ¿Qué es el Análisis Multivariante? Importancia de estas técnicas en Marketing e Investigación de Mercados. Estudio de una base de datos en un análisis de mercados. Tipos de técnicas multivariantes. Etapas de un análisis de datos en Investigación de Mercados.

PARTE I: ANÁLISIS EXPLORATORIO DE DATOS

TEMA 1: Análisis Exploratorio de Datos (A.E.D.)

            Objetivos e importancia del A.E.D. Preparación de los datos: Estudio de  tres grandes bases de datos en diferentes contextos. Selección de  Variables, Escalas de Medida, Datos Faltantes,….Examen gráfico de los datos: Una visión fundamental a través de gráficos multivariantes. Medidas descriptivas numéricas. Contrastes de normalidad: Q-Q plots, test K-S, test de asimetría y curtósis. Introducción al estudio de valores perdidos .Instalación de R (software libre): análisis numérico y gráfico.

PARTE II: TÉCNICAS DE REDUCCIÓN DE DATOS

TEMA 2: Análisis de Regresión

         Introducción. Modelo de regresión simple: método de los mínimos cuadrados. Modelo de regresión múltiple. Inferencia en la regresión lineal múltiple.   Interpretación de resultados con SPSS.

TEMA 3: Análisis Factorial

             Matriz de datos y sus Características.Método de las componentes principales para interpretación de datos multivariantes. Técnicas de reducción de la dimensión: El modelo del Análisis Factorial. Rotación de factores. Cálculo de puntuaciones factoriales. Interpretación de los resultados obtenidos. Detección de outliers. Interpretación con SPSS y R (software libre).

PARTE III: ANÁLISIS DE DATOS CATEGÓRICOS

TEMA 4: Análisis de Encuestas y Estudio de  tablas de contingencia.

Planteamiento de Encuestas. Selección de la muestra y de los ítems adecuados. Estudio de Encuestas del I.N.E. Análisis de encuestas con datos categóricos: tablas de contingencia. Perfiles marginales y condicionales. Interpretación y su importancia en MIM para detección de Perfiles.

PARTE IV: TÉCNICAS DE CLASIFICACIÓN

TEMA 5: Análisis Cluster

            Introducción al problema de clasificación. Medidas de semejanza y de distancia. Métodos jerárquicos: enlaces simple, completo, medio,….. Elección del número de clusters. Interpretación de los resultados. Otros métodos: métodos de particionamiento (algoritmo de las k medias).

TEMA 6: Análisis Discriminante

            Introducción: enfoque descriptivo y enfoque predictivo del análisis discriminante. Análisis Factorial Discriminante: criterio de discriminación de Fisher.  . Funciones discriminantes y clasificación: caso de 2 grupos

 

 

 

4.4. Planificación de las actividades de aprendizaje y calendario de fechas clave

Fecha

Tema

Método docente

1ª semana

 Guía docente. Método de trabajo

Clase expositiva

                             TEMA 0 

Clase expositiva

2ª semana

Tema 1

Clase teórico-práctica

Tema 1

Clase teórico-práctica

3ª semana

Tema 1

Clase teórico-práctica

Tema 1

Práctica

4ª semana

Tema1.Datos missing    

Clase teórico-práctica

Tema 2

Clase expositiva

5ª semana

Tema 2

Clase teórico-práctica

Tema 2

Clase teórico-práctica

6ª semana

Tema 2

Práctica

Tema 3

Clase expositiva

7ª semana

Tema 3

Clase teórico-práctica

Tema 3

Clase teórico-práctica

8ª semana

 Intermedia 1

Práctica

Prueba  1: NOVIEMBRE

 

9ª semana

Estudio de una Base

Práctica

Tema 4

Clase expositiva

10ª semana

Tema 4

Práctica

Tema 4

Práctica

11ª semana

Tema 5

Clase teórico-práctica

Tema 5

Práctica

12ª semana

Tema 5

Clase teórico-práctica

Intermedia 2

Práctica

13ª semana

Prueba  2 :   DICIEMBRE

 

Tema 6

Clase expositiva

14ª semana

Tema 6

Práctica

Práctica tutorizada: Plantear Proyecto

 

 

 

15 semana 

PRESENTACION VOLUNTARIA DE UN TRABAJO

 

Las fechas de inicio y finalización de la asignatura así como las fechas concretas de las actividades clave de la asignatura se fijarán de acuerdo al calendario académico y al horario establecido por el Centro, informándose de ello a los estudiantes a través del programa de la asignatura.

La asignatura consta de 6 créditos ECTS (60 horas lectivas y 90 horas de tutorías y de trabajo personal del alumno). Las horas lectivas se reparten de la siguiente forma:

-           1,2 créditos de horas teórico-prácticas (30 horas lectivas)

-           1,2 créditos de horas teórico- prácticas (30 horas lectivas)

El periodo lectivo abarca 15 semanas y cada semana se imparten 4 horas de clases teórico-prácticas. Además, las tutorías optativas se suelen realizar en grupos pequeños, utilizando bases de datos de interés en marketing y se responderá a preguntas planteadas por el profesor utilizando la metodología propia del Análisis Multivariante. Usualmente, se realizarán en JUEVES, en horario de 13h a 17h (aula Informática I).

Las fechas oficiales de los exámenes serán establecidas por el Centro y aparecerán publicadas con antelación suficiente, para todas las convocatorias.

A través del Anillo Digital Docente (ADD) el profesor irá informando puntualmente a los alumnos sobre la disponibilidad en el ADD de lecturas, casos prácticos, ejercicios, noticias relevantes sobre la materia para la realización de diferentes tareas. Es obligación del alumno conocer las actualizaciones que se van realizando en el ADD.

4.5. Bibliografía y recursos recomendados

[BB: Bibliografía básica / BC: Bibliografía complementaria]

  • [BB] Análisis multivariante / Joseph F. Hair...[et al.] ; revisión técnica y compilación de las lecturas complementarias, Mónica Gómez Suárez ; traducció,Esme Prentice, Diego Cano . - 5ª ed., última reimp. Madrid [etc.] : Prentice Hall, D.L. 2008
  • [BB] Hair, Joseph F.. Multivariate data analysis [recurso electrónico] / Joseph F. Hair, Jr. . - 7th ed. Harlow : Pearson Education Ltd., [2014]
  • [BC] Guisande González, Cástor. Tratamiento de datos con R, STATISTICA y SPSS / Cástor Guisande González, Antonio Vaamonde Liste, Aldo Barreiro Felpeto Madrid : Díaz de Santos, D.L. 2011
  • [BC] Johnson, Richard A.. Applied multivariate statistical analysis / Richard A. Johnson, Dean W. Wichern. . - 6th ed. Englewood, New Jersey : Prentice-Hall, 2007.
  • [BC] Peña Sánchez de Rivera, Daniel. Análisis de datos multivariantes / Daniel Peña . - [Reimp.] Madrid [etc.] : McGraw-Hill, D.L. 2010
  • [BC] Pérez López, César. Técnicas Estadísticas con SPSS / César Pérez López . - [1ª ed, reimp.] Madrid [etc.] : Prentice-Hall, D.L. 2004
  • [BC] Pérez López, César. Técnicas Estadísticas con SPSS 12 : aplicaciones al análisis de datos / César Pérez López Madrid [etc.] : Prentice-Hall, D.L. 2005

Listado de URL

  • Hair, J. Multivariate data analysis [recurso electrónico] / Joseph F. Hair, Jr. -- 7ª ed. -- Harlow : Pearson Education, [2014] [https://www.dawsonera.com.roble.unizar.es:9443/readonline/9781292035116]