Research & Evidence

Buscar un método

Busca entre títulos, preguntas, territorios e identificadores MSC.

40 resultados
  1. MSC-P-001¿Cómo transformar una afirmación de marketing en una pregunta comprobable?Ciencia de la decisión
  2. MSC-P-002Correlación o causalidad: ¿qué permite afirmar realmente un análisis?Medición de marketing
  3. MSC-P-003¿Cómo expresar la incertidumbre de un resultado de marketing?Ciencia de la decisión
  4. MSC-P-004Significación o tamaño del efecto: ¿qué resultado debe interpretarse?Ciencia de la decisión
  5. MSC-P-005¿Cómo medir un constructo de marketing que no es directamente observable?Investigación de mercados
  6. MSC-P-006¿Cómo diseñar y validar una escala de medición?Investigación de mercados
  7. MSC-P-007Alfa u omega: ¿cómo evaluar la fiabilidad de una escala?Investigación de mercados
  8. MSC-P-009ACP, AFE o AFC: ¿qué método elegir?Investigación de mercados
  9. MSC-P-010¿Cuándo debe realizarse un experimento de marketing?Medición de marketing
  10. MSC-P-011¿Cómo diseñar una prueba A/B que estime realmente un efecto?Medición de marketing
  11. MSC-P-012¿Cuántas observaciones necesita un experimento?Ciencia de la decisión
  12. MSC-P-013¿Cómo medir el efecto incremental de una campaña con un grupo de control?Medición de marketing
  13. MSC-P-017¿Cómo detectar selección, contaminación y pérdida en un experimento?Medición de marketing
  14. MSC-P-018Regresión predictiva o causal: ¿qué se intenta estimar?Modelos de marketing
  15. MSC-P-019¿Cómo diagnosticar una regresión de marketing antes de interpretarla?Modelos de marketing
  16. MSC-P-022¿Cómo estimar la elasticidad-precio y su incertidumbre?Ciencia de precios
  17. MSC-P-026Logit vs Probit: ¿cómo elegir para una probabilidad de compra?Ciencia del cliente
  18. MSC-P-029¿Qué clientes presentan la mayor probabilidad de churn?Ciencia del cliente
  19. MSC-P-027TAM, UTAUT o UTAUT2: ¿qué marco usar para estudiar la aceptación tecnológica?Investigación de mercados
  20. MSC-H-001Medición y causalidad: ¿cómo establecer un efecto de marketing?Medición de marketing
  21. MSC-H-002Modelos de respuesta de marketing: forma, retardo y saturaciónModelos de marketing
  22. MSC-H-003Ciencia de precios: conectar precio, demanda y contribuciónCiencia de precios
  23. MSC-H-004Ciencia del cliente y elección: comportamiento, valor y heterogeneidadCiencia del cliente
  24. MSC-H-005Ciencia de la medición: construir indicadores válidosInvestigación de mercados
  25. MSC-H-006Métodos estadísticos de decisión: elegir, cuantificar, validarCiencia de la decisión
  26. MSC-P-008¿Cómo validar una escala de medición de marketing?Investigación de mercados
  27. MSC-P-014¿Cómo diseñar un experimento geográfico de marketing?Medición de marketing
  28. MSC-P-015¿Cómo estimar un efecto con diferencias en diferencias?Medición de marketing
  29. MSC-P-020¿Cómo tratar la endogeneidad del precio?Ciencia de precios
  30. MSC-P-021Efectos fijos o aleatorios: ¿qué modelo de panel elegir?Modelos de marketing
  31. MSC-P-023¿Cómo estimar una función de demanda?Ciencia de precios
  32. MSC-P-024¿Cómo simular un escenario precio-volumen-margen?Ciencia de precios
  33. MSC-P-028¿Cómo estimar la CLV con BG/NBD y Gamma-Gamma?Ciencia del cliente
  34. MSC-P-030¿Cómo analizar la retención con un modelo de supervivencia?Ciencia del cliente
  35. MSC-P-031¿Cómo construir una segmentación de clientes útil?Ciencia del cliente
  36. MSC-P-032¿Cómo probar la estabilidad de una segmentación?Ciencia del cliente
  37. MSC-P-033¿Cómo validar un pronóstico de marketing?Ciencia de la decisión
  38. MSC-P-034¿Cómo construir una simulación Monte Carlo para una decisión de marketing?Ciencia de la decisión
  39. MSC-P-035¿Cómo modelar saturación y adstock?Modelos de marketing
  40. MSC-P-039¿Qué prueba estadística elegir?Ciencia de la decisión
Todos los métodos
FICHA DE MÉTODOMSC-P-003Fundamentos de la evidenciaFicha metodológica · validación en curso

¿Cómo expresar la incertidumbre de un resultado de marketing?

La incertidumbre debe corresponder al resultado: intervalo de confianza para un parámetro, intervalo de predicción para una observación futura o distribución de escenarios para una simulación.

Respuesta directa

Comparar estimaciones con su precisión y supuestos.

La incertidumbre debe corresponder al resultado: intervalo de confianza para un parámetro, intervalo de predicción para una observación futura o distribución de escenarios para una simulación.

Modelo o resultadoLos IC e IP requieren fórmulas muestrales específicas del modelo; los intervalos posteriores son cuantiles de p(θ|y); los intervalos de simulación son cuantiles empíricos de las extracciones declaradas

Wasserstein & Lazar, 2016

ESTIMAND

Perfil de la estimación

Unidad de análisis
Unidad o comparación definida × horizonteResultado × objetivo inferencial × proceso generador de datos
Estimando exacto
Un único objeto declarado: intervalo de confianza de un parámetro, intervalo de predicción de una observación futura, intervalo creíble posterior o distribución de un resultado simulado
Modelo o resultado
Los IC e IP requieren fórmulas muestrales específicas del modelo; los intervalos posteriores son cuantiles de p(θ|y); los intervalos de simulación son cuantiles empíricos de las extracciones declaradas

01—08

Marco de análisis verificable

  1. 01
    Pregunta

    ¿Cómo expresar la incertidumbre de un resultado de marketing?

  2. 02
    Estimando

    Un único objeto declarado: intervalo de confianza de un parámetro, intervalo de predicción de una observación futura, intervalo creíble posterior o distribución de un resultado simulado · Resultado × objetivo inferencial × proceso generador de datos

  3. 03
    Datos

    objetivo_inferencial · estimación_o_predicción · modelo_incertidumbre · nivel_confianza_o_credibilidad · horizonte_predicción

  4. 04
    Modelo o resultado

    Los IC e IP requieren fórmulas muestrales específicas del modelo; los intervalos posteriores son cuantiles de p(θ|y); los intervalos de simulación son cuantiles empíricos de las extracciones declaradas

  5. 05
    Cálculo declarado

    Los IC e IP requieren fórmulas muestrales específicas del modelo; los intervalos posteriores son cuantiles de p(θ|y); los intervalos de simulación son cuantiles empíricos de las extracciones declaradasUn único objeto declarado: intervalo de confianza de un parámetro, intervalo de predicción de una observación futura, intervalo creíble posterior o distribución de un resultado simulado

  6. 06
    Controles de incertidumbre

    Hacer corresponder el intervalo con el objetivo · Declarar la interpretación frecuentista o posterior · Comprobar cobertura o calibración · Mostrar modelo y horizonte

  7. 07
    Validación específica

    Comprobar datos, estabilidad de la estimación y límites de interpretación. Hacer corresponder el intervalo con el objetivo · Declarar la interpretación frecuentista o posterior · Comprobar cobertura o calibración · Mostrar modelo y horizonte

  8. 08
    Límites

    Interpretar un intervalo como garantía para un caso individual.

Variables necesarias

  • objetivo_inferencial
  • estimación_o_predicción
  • modelo_incertidumbre
  • nivel_confianza_o_credibilidad
  • horizonte_predicción

Controles

  • Hacer corresponder el intervalo con el objetivo
  • Declarar la interpretación frecuentista o posterior
  • Comprobar cobertura o calibración
  • Mostrar modelo y horizonte
Decisión posible

Comparar estimaciones con su precisión y supuestos.

Decisión no sustentada

Interpretar un intervalo como garantía para un caso individual.

Fuentes científicas

1 fuente

  1. Wasserstein & Lazar, 2016

Conexiones metodológicas

Territorio principalMétodos estadísticos de decisión: elegir, cuantificar, validar

Leer después

MSC-P-004Significación o tamaño del efecto: ¿qué resultado debe interpretarse?MSC-P-012¿Cuántas observaciones necesita un experimento?MSC-P-022¿Cómo estimar la elasticidad-precio y su incertidumbre?