Análisis cnjunto TM6

¿Qué estudia principalmente el análisis conjunto?. La motivación interna del sujeto. Las preferencias del sujeto. Las emociones básicas. El juicio moral.

¿Cuál de estas teorías pone el foco en el objeto evaluado?. Modelo multiatributo. Teoría conductual. Teoría de la decisión. Modelos inferenciales.

En el análisis conjunto, un atributo es: Una característica biológica del objeto. Una percepción psicológica del sujeto sobre una característica del objeto. Una constante del entorno. Una variable demográfica.

¿Cómo se llama la función que relaciona características de los estímulos con juicios de preferencia?. Función empírica. Función de integración de la información. Función estimada. Función direccional.

¿Qué implica que un modelo sea compensatorio?. Que todos los atributos tienen igual peso. Que un atributo negativo puede ser compensado por uno positivo. Que un atributo positivo puede ser compensado por uno negativo. Que un atributo neutro puede ser compensado por uno positivo.

¿Cuál es la fórmula general del modelo compensatorio?. U = U1(X1) + U2(X2) + ... + Ui(Xi). U = a + U1(X1) + U2(X2) + ... + Ui(Xi). U2 = U1(X1) + U2(X2) + ... + Ui(Xi). U2 = a + U1(X1) + U2(X2) + ... + Ui(Xi).

El análisis conjunto es, metodológicamente, un: Modelo composicional. Modelo descomposicional. Modelo proyectivo. Modelo factorial.

En los modelos descomposicionales, los atributos se: Preguntan directamente al sujeto. Se infieren a partir de la ordenación de estímulos. Se omiten. Se extraen mediante observación.

En los modelos composicionales, los atributos se: Preguntan directamente al sujeto. Se infieren a partir de la ordenación de estímulos. Se omiten. Se extraen mediante observación.

El análisis conjunto proporciona: Utilidades parciales y globales. Utilidades parciales. Utilidades globales. Predicción causal.

¿Qué mide la utilidad global?. El atractivo total de un objeto. La precisión de un análisis. El error del modelo. La coherencia entre ítems.

¿Qué implica un diseño factorial fraccionado ortogonal?. ORTHOPLAN. ORTOPLAN. PATHWORTH. PARTWORTHH.

A los pesos o utilidades B para cada característica o nivel del atributo le llamamos. ORTHOPLAN. ORTOPLAN. PATHWORTH. PARTWORTHH.

También se le llama a ujk. ORTHOPLAN. ORTOPLAN. PATHWORTH. PARTWORTHH.

¿Qué se estima en el análisis conjunto?. Valores F. Desviaciones estándar. Utilidades parciales y globales. Índice BTL.

¿Qué implica un diseño factorial fraccionado ortogonal?. Selección de combinaciones específicas para reducir la carga cognitiva. Selección de combinaciones generales para reducir la carga cognitiva. Evaluación de todos los perfiles posibles. Evaluación de las utilidades parciales de los perfiles posibles.

Las matrices trade-off: Permiten comparar atributos dos a dos. No permiten estimar preferencias. Son más realistas que los perfiles. No se usan en marketing.

Los perfiles completos: Permiten comparar atributos dos a dos. No permiten estimar preferencias. Son más realistas que las matrices trade-off. No se usan en marketing.

¿Qué se utiliza para medir el ajuste del modelo?. Correlación de Kendall. R² de Pearson. ANOVA. F de Fisher.

¿Cuál es el objetivo de las tarjetas holdout?. Evaluar la capacidad predictiva del modelo. Evaluar la capacidad de atributo del modelo. Validar escalas de actitud. No validar escalas de actitud.

En la estrategia composicional se: Pregunta directamente la importancia de cada atributo. Evalúan perfiles completos. Presentan tareas proyectivas. Usa análisis factorial.

Qué limitación tiene la estrategia composicional?. Da lugar a respuestas estereotipadas. Da lugar a respuestas amplias. Requiere mucho tiempo. No permite manipulación experimental.

¿Qué mide el índice BTL?. La probabilidad de elección de un perfil. El sesgo cognitivo. El error muestral. La utilidad global.

¿Qué se necesita para calcular la utilidad global?. Las utilidades parciales. Los rangos de edad. El número de sujetos. El valor p.

¿Qué representa un perfil?. Una combinación de niveles de atributos. Una puntuación estándar. Una curva de aprendizaje. Un rasgo de personalidad.

¿Qué técnica se usa para estimar las utilidades parciales?. Mínimos cuadrados ordinarios (OLS). Máxima verosimilitud. Clúster jerárquico. Regresión lineal.

¿Qué representan los partworths?. Utilidades estimadas para niveles de atributo. Utilidades estimadas para atributos. Utilidades estimadas para la utilidad global. A y C son correctas.

¿Cómo deben ser los atributos seleccionados?. Relevantes, limitados e independientes. Relevantes, ilimitados e independientes. Relevantes, ilimitados y dependientes. Relevantes, limitados y dependientes.

¿Qué implica la correlación de Kendall alta?. Buen ajuste del modelo a las preferencias del sujeto. Buen ajuste del modelo a los niveles del sujeto. Buen ajuste del modelo a las utilidades parciales del sujeto. Buen ajuste del modelo a las utilidades globales del sujeto.

¿Qué función tiene ORTHOPLAN en SPSS?. Generar diseños factoriales fraccionados. Generar diseños fraccionados. Generar diseños factoriales bivariados. Generar diseños bivariados.

¿Qué se usa para convertir utilidades en probabilidad de elección?. Índice BTL. Correlación de Kendall. Tarjetas Holdout. Algoritmo Conjoint.

Que se usa para la evaluación del ajuste. Algoritmo Conjoint. Correlación de Kendall. Tarjetas Holdout. B y C son correctas.

Que se usa para la validación a nivel interno del modelo. Algoritmo Conjoint. Correlación de Kendall. Tarjetas Holdout. B y C son correctas.

Que método de estimación usa OLS. Algoritmo Conjoint. Correlación de Kendall. Tarjetas Holdout. B y C son correctas.

Señala la verdadera. Los Partworth son los pesos estimados para cada nivel (j) del objeto (k. Los Partworth son los pesos estimados para cada nivel (j) del atributo (k. Los Partworth son los pesos estimados para cada atributo (j) del objeto (k. Ninguna es correcta.

Para evaluar el ajuste en el análisis conjunto. usamos únicamente R2. Se usan la correlación de Kendall. Se usan las tarjetas hold-out. B y C son correctas.

r=Xβ+e; señala la verdadera. r es el vector de rangos u ordenaciones del sujeto. r es la matriz de datos del sujeto. r es la utilidad parcial del atributo. r es la utilidad global del atributo.

A partir de la estimación OLS obtenemos para cada sujeto. la relación r=Xβ+e. la utilidad global. la relación r2=Xβ+e. la utilidad parcial.

La estimación OLS se lleva a cabo. con regresión a partir de la ordenación de los sujetos. a través de la presencia o ausencia de los niveles de atributo. a través de la presencia de los niveles de atributo. a través de la ausencia de los niveles de atributo.

Los Partworth se conocen. con regresión a partir de la ordenación de los sujetos. a través de la presencia o ausencia de los niveles de atributo. a través de la presencia de los niveles de atributo. a través de la ausencia de los niveles de atributo.

Señala la falsa. En la recogida de datos podemos usar tanto estímulos reales como simulados. Las matrices trade-off son realistas ya que contienen pocos atributos y niveles. Podemos recoger datos usando matrices trade-off o perfiles completos. En el diseño de la investigación debemos seleccionar los atributos y los niveles de estos.

Señala la verdadera. Los atributos deben ser relevantes, operativos, comunicables, y dependientes conceptualmente e ilimitados. El análisis conjunto explica las preferencias de modo cualitativo. El análisis conjunto parte de información métrica (preferencias) y proporciona información no métrica (utilidades). La estrategia descomposicional es más realista que la composicional.

Señala la falsa. Existen dos opciones para explicar las preferencias; la estrategia composicional y la estrategia descomposicional. El análisis conjunto es un método composicional. El análisis conjunto tiene su origen en la psicología y el marketing. En un modelo compensatorio el precio de la leche puede compensar el envase.

Señala la falsa. Las utilidades parciales sumadas son iguales a la utilidad total del objeto. Las tarjetas hold-out son tarjetas que se hacen a mayores para comprobar si el ajuste del modelo es bueno. Los modelos multiatributo explican las preferencias centrándose en el sujeto. Las preferencias se han explicado según la teoría de la decisión y los modelos multiatributo.

Señala la verdadera. Según la teoría de los modelos multiatributo solo los objetos están configurados por atributos. El atractivo de un objeto es el nivel de preferencia que tiene para el sujeto dicho objeto. Los sujetos perciben cada objeto en conjunto, no perciben los atributos de este. Según los modelos compensatorios, los efectos de las características de un estímulo son multiplicativos.