XLSTAT: Análisis de datos de mapeo proyectivo en Excel

 

Conjunto de datos del ejemplo

Los datos provienen de un mapeo proyectivo/Napping realizado en Rennes por AGROCAMPUS OUEST.
24 sujetos colocaron 8 smoothies en una hoja de papel. Una persona que encuentre dos productos similares los colocará cerca uno del otro en la hoja, mientras que los productos percibidos como diferentes se colocarán más alejados. El mapeo proyectivo (o Napping) proporciona así una noción de distancia entre los productos.

Para el análisis de datos, se recopilan las coordenadas de cada hoja. El archivo original puede obtenerse con el paquete SensoMineR de R.

Utilizaremos el siguiente ejemplo:

• Para estudiar y visualizar las relaciones entre los smoothies. Construiremos un mapa de productos que represente el punto de vista global de los sujetos.

• Para estudiar el acuerdo entre los sujetos, con el fin de determinar si sus respuestas son similares y si existen sujetos atípicos.

 

Configuración

• Abre XLSTAT.

• Haz clic en el menú Sensory / Tareas rápidas y selecciona la opción Análisis de datos projective mapping.

• Aparece el cuadro de diálogo para el análisis de datos de mapeo proyectivo.

En la pestaña General:

• Selecciona los datos de mapeo proyectivo (todas las coordenadas de los sujetos concatenadas verticalmente).

• También pueden seleccionarse las etiquetas de los productos (smoothies).

• Se proponen dos métodos para el análisis: STATIS y Análisis Factorial Múltiple (MFA). Aquí elegimos utilizar el método STATIS.

En la pestaña Opciones:

• Limita el número de ejes a 5 y selecciona construir el mapa sobre los dos primeros ejes.

• Si deseas usar ejes distintos a F1 y F2, desmarca esta última opción.

Haz clic en OK para ejecutar los cálculos.

Los resultados se muestran en una nueva hoja de Excel.

 

Interpretación de los resultados

Tras mostrar las estadísticas descriptivas y los valores propios, el mapa 2D revela la proximidad entre los productos. "Casino_PBC" e "Innocent_PBC" se perciben como similares, diferenciándose de "Casino_SRB", mientras que "Innocent_SB" e "Immedia_MP" se ubican en posiciones opuestas.

La matriz RV muestra la similitud entre los sujetos. El sujeto 1 está muy alineado con el sujeto 2, pero difiere significativamente del sujeto 4, quien también muestra baja similitud con muchos otros.

Los factores de escala indican cuánto espacio utilizó cada sujeto en la hoja. Factores más altos implican menor uso del espacio. Aquí, los sujetos 3 y 8 utilizaron el espacio de la hoja en menor medida, agrupando sus colocaciones de productos más estrechamente.

Es útil evaluar la proximidad de cada sujeto con respecto al consenso general. El gráfico de barras muestra que los sujetos 2 y 4 son atípicos, a diferencia de los sujetos 18 y 23, quienes se alinean estrechamente con el consenso.

El gráfico muestra los residuos por producto, destacando smoothies colocados de manera similar por los sujetos (por ejemplo, "Innocent_PBC") frente a aquellos situados de forma más variable (por ejemplo, "Carrefour_SB").

El índice de homogeneidad de los sujetos (que varía de 1/m a 1) mide el consenso entre los participantes: cuanto más cercano a 1, mayor homogeneidad en las respuestas. Aquí, la homogeneidad es media, lo que sugiere que aplicar una técnica de clustering (por ejemplo, CLUSTATIS) puede ayudar a identificar grupos con puntos de vista similares.