Técnicas de Proyección del mercado

1. Técnicas de Proyección del mercado Ing. Marco Antonio Llaza Loayza 2011

2. Objetivos de aprendizaje • Recordar técnicas de pronóstico para estimar el comportamiento futuro de las variables. • Seleccionar adecuadamente la técnica de proyección de acuerdo a diversos factores. • Reconocer el ciclo de vida del producto cuyo comportamiento se desea pronosticar. • Considerar eventos no predecibles para ajustar los pronósticos.

3. INTRODUCCION • La predicción de los comportamientos de las variables económicas es ineludible en los proyectos • El resultado de una predicción se debe considerar sólo como una medición de evidencias incompletas, basadas en comportamientos empíricos de situaciones parcialmente similares o en inferencias de datos estadísticos disponibles.

4. El ámbito de la proyección • Existen múltiples alternativas metodológicas, seleccionar la más adecuada en cada situación. • Expresar la información de manera útilpara el proyectista. (Desglosada x criterio). • Cuidar la calidad de los datos de entrada y fuentes de información. • Calidad y cantidad de los datos disponibles y resultados esperados en función de: • Precisión: Reducir el Costo del error de pronóstico. • Sensibilidad: Posibilidad de adecuarse al cambio. • Objetividad: Garantizar la validez y oportunidad de la información.

5. Métodos de proyección • Métodos de carácter cualitativo: opiniones de expertos, tiempo escaso, no tiene antecedentes. • Modelos de pronósticos causales: estimar las variables causantes de los cambios sobre la variable dependiente. • Modelos de series de tiempo: se utilizan cuando el comportamiento que asume el mercado a futuro puede determinarse por el comportamiento pasado.

6. Métodos cualitativos o subjetivos • Cuando los métodos cuantitativos no pueden explicar por sí solos el comportamiento futuro esperado, o cuando no existen datos. • Método Delphi • Consenso de panel • Investigación de mercado: exploratoria, descriptiva o explicativa. • Encuestas de intenciones. • Características de productos, empresas o consumidores.

7. MÉTODO DE CONSENSO DE PANEL • A diferencia de la técnica Delphi, es que no existen secretos sobre la identidad del emisor • No hay retro alimentación del exterior • Al no existir secretos se estimula la comunicación, el trabajo en grupo es mejor que el de una sola persona • Existe el peligro que emerja un grupo dominante que anula la interacción adecuada y se acepte por la capacidad de argumentación y no por la validez de la misma.

8. Método de Pronósticos Visionarios • A través de entrevistas al personal interno de la empresa se obtiene información dado que poseen experiencia y conocimiento de sus clientes, y esto les permite emitir opiniones respecto a reacciones y comportamientos posibles de esperar en el futuro.

9. Muestreo • Probabilístico: cada elemento elegible tiene la misma probabilidad de ser muestreado. • No probabilístico: la probabilidad de ser elegible no es igual para toda la población muestral). • Determinar el espacio muestral • Cálculo del tamaño de muestra

10. Definición de la población objeto de estudio • Dominio del estudio: • Lugar de realización del estudio • Unidad de análisis: • Sujeto de estudio de acuerdo a segmentación • Definición del universo

11. Estimación de la muestra • Parámetros : • Nivel de confianza:95% (usualmente) • Margen de error: Diferencia entre la estimación y el parámetro de la población. • Tamaño de muestra: Se estima en función del tipo de población: • Población Infinita • Población Finita • La estimación es más precisa cuanto mayor sea el tamaño de la muestra

12. Fórmulas: • Para una población finita: • Para población infinita o indefinida: n= N° encuestas Z= nivel confianza p= %población que tiene característica q= 1 - p E= margen de error N= tamaño población

13. Nivel de Confianza ME = Margen de Error P/Q=1 Tabla de tamaño de muestra con máxima dispersión para población infinita

14. Diseño de cuestionario Primer Paso: Contenido de la información • Definir módulos: temas similares • Definir preguntas ¿Se aparta del objetivo? ¿Se entiende la pregunta? ¿Se conoce la respuesta? ¿Es accesible la pregunta al entrevistado? Segundo Paso: Formatos pregunta / respuesta • Cerrado: con alternativas de respuesta • Abierta: sin alternativas de respuesta Tercer Paso: Redacción de preguntas Cuarto Paso: Orden de preguntas Quinto Paso: Aspecto físico del formulario

15. DISEÑO DE ENCUESTA ESPECIFICAR LA INFORMACIÓN NECESARIA Aquí el investigador debe listar sus necesidades de información ESPECIFICAR EL TIPO DE ENTREVISTA Debe determinar cómo se va a realizar: por teléfono, en persona, etc. DETEMINAR EL CONTENIDO DE LAS PREGUNTAS Debe definirse cuantos y cuáles son los temas sobre lo que se quiere incidir DECIDIR SOBRE EL FORMATO DE RESPUESTA Debe indicarse cómo se responderá, con un “sí”, o un “no”, con una “x”, etc. DECIDIR SOBRE LA REDACCIÓN DE LAS PREGUNTAS Se formulan las preguntas de acuerdo a un criterio y formato uniforme. DECIDIR SOBRE LA SECUENCIA DE LAS PREGUNTAS Aquí debe señalarse el orden lógico que tendrán OBTENER UN NÚMERO CONVENIENTE DE ENCUESTAS PARA LA PRUEBA PILOTO Generalmente 10 encuestas EFECTUAR LA PRUEBA PILOTO Aquí se comprueba el orden lógico que tendrán REVISAR EL ORDEN DE LAS PREGUNTAS OBTENER EL NÚMERO FINAL DE ENCUESTAS

16. Métodos de Encuesta Telefónica Personal Correo En hogares Locación Central Exit Pool Vía Pública Telefónica tradicional Fax Correo Postal Correo Electrónico Internet

17. Determinación de la Cantidad Demandada Fórmula: Donde: N = Población % de Int. de compra = creo que sí lo compraría + con toda seguridad lo compraría f = frecuencia de compra q= cantidad de compra por vez Q = N x Intención de Compra x f x q

18. Muestreo no probabilístico • Muestreo de estratos: se predetermina un estrato de la población (ingresos, edad, sexo) • Muestreo de conveniencia: se predetermina el lugar donde se aplicará la encuesta, según donde esté el consumidor. • Muestreo de bola de nieve: se encuesta en una primera instancia al azar y luego a partir de ello se toma elementos referenciales.

19. Modelos causales • Intentan proyectar el mercado sobre la base de antecedentes cuantitativos históricos, para lo cual suponen que los factores condicionantes del comportamiento histórico de alguna o todas las variables del mercado permanecerán estables. • Los modelos causales de uso más frecuente: • Modelo de regresión • Modelo econométrico • Modelo de insumo producto

20. MODELOS CAUSALES • Se presentan dos etapas en la formulación del modelo: 1.- Identificar las variables Ejemplo: Cantidad de construcciones = f(Rentabilidad disponible, permisos de construcción, PNB, Tasa de interés) 2.- Determinar la forma del modelo,(lineal o no lineal,etc)

21. MODELOS CAUSALES Modelo de regresión Múltiple: Hay dos o más variables independientes.

22. MODELOS DE LA SERIE DE TIEMPO • Se puede predecir el futuro en base a datoshistóricos. • Se utiliza si la información histórica está completa y es confiable. • Una serie de tiempo presenta cuatro componentes: 1.- Tendencia 2.- Cíclico 3.- Estacional 4.- Irregular

23. MODELOS DE LA SERIE DE TIEMPO-TENDENCIA • Clasificación del componente : Sistemático • Definición: General o persistente, patrón de movimiento hacia arriba o hacia abajo en el largo plazo. • Razones por las que cambia: Cambios en la tecnología, población • Duración : varios años

24. MODELOS DE LA SERIE DE TIEMPO-CÍCLICO • Clasificación del componente:Sistemático • Definición: Oscilaciones repetidas hacia arriba o hacia abajo ó movimientos que pasan por 4 fases, desde un pico (prosperidad) hasta una contracción (recesión) luego hasta un valle (depresión) y finalmente hacia una expansión(recuperación o crecimiento)

25. MODELOS DE LA SERIE DE TIEMPO-CÍCLICO • Razones por las que cambia: Interacción de múltiples factores que influyen sobre la economía • Duración :Por lo general de 2 a 10 años con intensidad no uniforme para un ciclo completo

26. MODELOS DE LA SERIE DE TIEMPO-ESTACIONAL • Clasificación del componente:Sistemático • Definición: Fluctuaciones periódicas • bastante regulares que se presentan dentro de cada período de 12 meses. • Razones por las que cambia: Condiciones climatológicas, costumbres sociales y religiosas • Duración :Generalmente en un lapso de 12 meses (o cada mes o cada 4 meses)

27. MODELOS DE LA SERIE DE TIEMPO-IRREGULAR • Clasificación del componente: No sistemático • Definición: Las fluctuaciones erráticas o residuales en una serie de tiempo que existen después de tomar en cuenta los efectos sistemáticos: tendencia,cíclica y estacional. • Razones que influyen: Sucesos no previstos, huelgas, huracanes, asesinatos políticos, inundaciones • Duración : Corta duración y no repetidos

28. MODELOS DE LA SERIE DE TIEMPO-IRREGULAR • Clasificación del componente: No sistemático • Definición: Las fluctuaciones erráticas o residuales en una serie de tiempo que existen después de tomar en cuenta los efectos sistemáticos: tendencia,cíclica y estacional. • Razones que influyen: Sucesos no previstos, huelgas, huracanes, asesinatos políticos, inundaciones • Duración : Corta duración y no repetidos

29. Modelos de regresión • Regresión simple y Regresión múltiple. • Los modelos de regresión se basan en tres supuestos básicos, los cuales si son transgredidos, invalidan la proyección: • Los errores de la regresión tienen una distribución normal con media = 0 y varianza constante. • Los errores no están correlacionados entre ellos. Auto correlación. • Todas las variables analizadas se comportan en forma lineal o son susceptibles de linealizar.

30. Estadísticas de Regresión • El coeficiente de correlación R, es una medida de la intensidad de la relación lineal entre dos variables, es un indicador de la precisión y confiabilidad de la relación entre las variables. Puede tomar valores entre -1 y 1. • El coeficiente de determinación R2, la porción de la variación total en la variable dependiente Y, que se explica por la variación en la variable independiente x. muestra cuán confiable es la línea de regresión y corresponde a una medida de lo cercano del ajuste. Su resultado está entre 0 y 1 e indica que cantidad de la variación total en y respecto a su media es explicada por la línea de regresión Y = a + bx • Error estándar o error típico, es la medida de la dispersión de los valores observados, con respecto a la línea de regresión, corresponde a la cantidad de dispersión de los datos reales alrededor de la tendencia determinada por la línea de regresión. Este valor se utiliza con la distribución normal para calcular los intervalos de confianza.

31. Relaciones entre el coeficiente de correlación, el coeficiente de determinación y el error estándar de estimación • El error estándar de estimación mide cuán cerca de la recta de regresión se encuentran los valores reales. • El coeficiente de correlación mide la intensidad de la asociación entre dos variables. Así que el error estándar y el coeficiente de correlación indican la misma información, pero utilizan una escala diferente para señalar el vigor de la asociación. • El cuadrado del coeficiente de correlación se denomina coeficiente de determinación. Mide el porcentaje de la variación en Y que se explica por la variación en X. • Un medio para mostrar la relación entre estas tres medidas es una tabla ANOVA