Análisis del estudio de las relaciones causales en el marketing

• Lizbeth Salgado Beltrán ^[1] ; Joel Enrique Espejel Blanco ^[1]
  1. [1] Universidad de Sonora

     Universidad de Sonora

     México

     
• Localización: Innovar: revista de ciencias administrativas y sociales, ISSN 0121-5051, Vol. 26, Nº 62 (octubre-diciembre), 2016, págs. 79-94
• Idioma: español
• Títulos paralelos:
  • Analysis of the study of causal relationships in marketing
• Enlaces
  • Texto completo (pdf)
• Dialnet Métricas: 1 Cita
• Resumen
  • español

    En la actualidad, la medición de la relación causa-efecto de una situación intangible como la satisfacción del cliente ha estado tomando relevancia. Para ello, se manejan dos técnicas estadísticas: (1) modelos de ecuaciones estructurales (structural equation model—SEM, por sus siglas en inglés—) con matriz de covarianzas y (2) la técnica de mínimos cuadrados parciales (partial least squares —PLS, por sus siglas en inglés—), que determina, como técnica multivariante, la relación entre variables observables y latentes, con la finalidad de comprobar una serie de asociaciones planteadas. En esta línea, el presente artículo tiene como objetivo exponer de forma interpretativa cada una de las técnicas (SEM y PLS), por medio de un caso de estudio. Como resultado, una de las diferencias entre métodos es el procedimiento de estimación, ya que en SEM está orientado hacia la teoría, enfatizando la transición del análisis exploratorio al confirmatorio, y en PLS se orienta al análisis causal-predictivo en situaciones de alta complejidad, pero con poca información teórica. Ambos persiguen objetivos diferentes y no debieran ser excluyentes sino complementarios, lo que dependerá de los intereses que tenga el investigador y los objetivos del estudio para la aplicación de un procedimiento o de otro.

  • English

    Currently, measuring cause and effect relationship for an intangible situation such as customer satisfaction has been gaining momentum. For this, two statistical techniques are used: (i) structural equation modeling – SEM with co-variance matrix, and (ii) partial least squares – PLS, which determine, as multivariate technique, the relationship between observable and latent variables in order to test a series of associations. In this sense, this paper is aimed at presenting each of the techniques (SEM and PLS) from an interpretative perspective, by means of a case study. As a result, one of the differences found between the methods is the estimation procedure, since SEM is oriented towards theory, emphasizing the transition from exploratory analysis to confirmatory, whereas PLS is focused on the causal-predictive analysis in high complexity situations, though with little theoretical information. Both methods pursue different goals and should not be exclusionary but complementary, based on the interests of the researcher and the objectives of the study for the implementation of one method or another.