Universidad de Cuenca
Facultad de ciencias económicas y administrativas
Aplicación del modelo de Escalamiento Multidimensional para el caso de mercados en
la ciudad de Cuenca, Ecuador.
Materia: Análisis Multivariante
Docente: Econ. Fabian Cordero
Estudiante: Lizbeth Dayanna Maza Chuchuca
Curso: EC-05-01
Fecha de entrega: viernes 11 de noviembre de 2022
Cuenca-Ecuador
UNIVERSIDAD DE CUENCA
Facultad de ciencias económicas y administrativas 2
Contenido
1. INTRODUCCIÓN ...................................................................................................................... 3
2. OBJETIVOS ............................................................................................................................... 4
2.1 Objetivo general .................................................................................................................. 4
2.2 Objetivos específicos ........................................................................................................... 4
3. ANTECENDENTES ................................................................................................................... 4
4. MODELO TEORICO................................................................................................................. 5
4.1 Modelo general de escalamiento multidimensional .......................................................... 5
4.1.1 Modelo métrico de escalamiento multidimensional .................................................. 5
4.1.2 Modelo no métrico de escalamiento multidimensional ............................................. 6
5. DATOS Y PARAMETROS ........................................................................................................ 6
5.1 Datos ........................................................................................................................................ 6
5.2 Parámetros .......................................................................................................................... 6
5.2.1 Stress ............................................................................................................................ 7
5.2.2 Matriz de proximidades .............................................................................................. 7
5.2.3 Distancia euclídea ........................................................................................................ 8
5.2.4 S-Stress ......................................................................................................................... 8
5.2.5 Coeficiente de correlación al cuadrado ...................................................................... 8
6. RESULTADOS ........................................................................................................................... 9
7. BIBLIOGRAFÍA ...................................................................................................................... 11
8. ANEXOS.................................................................................................................................... 12
UNIVERSIDAD DE CUENCA
Facultad de ciencias económicas y administrativas 3
1. INTRODUCCIÓN
Los mercados en la ciudad de Cuenca se encuentran dentro del sector terciario ya que se
dedican a comercializar bienes, en este caso específicamente en bienes alimenticios, Cuenca es
la tercera ciudad mas poblada del país, y según datos de INEC la principal actividad económica
es el comercio, por los datos recopilados del censo económico 2010 CENEC, el comercio
alcanzo un nivel de ingresos de USD $3´930.000.000 percibidos por ventas.
Los consumidores tienen preferencias por cierto mercado al momento de adquirir sus
insumos alimenticios, pero al realizar combinaciones de los mercados para hallar la similitud
y disimilitud que presenten los consumidores tienden a clasificar dentro de una escala el nivel
de similitud por lo que para reconocer estas diferencias causas se usa las técnicas de
escalamiento, y así se obtiene un nivel más claro de la preferencia en los mercados de Cuenca.
Lo que se pretende con este modelo es identificar la similitud que nos permita analizar los
mercados evaluados en la ciudad de Cuenca en el Ecuador, descubrir datos o características
identificables para así entender el comportamiento de los mercados.
UNIVERSIDAD DE CUENCA
Facultad de ciencias económicas y administrativas 4
2. OBJETIVOS
2.1 Objetivo general
Aplicar las técnicas de escalamiento multidimensional a datos empresariales para así
encontrar posiciones específicas que no permita posicionar las disimilitudes encontradas.
2.2 Objetivos específicos
- Asimilar técnicas de escalamiento multidimensional con la ayuda de softwares y teoría
matemática.
- Identificar las parejas de mercado con mayor similitud ante el consumidor.
- Comprender la medición de distancias entre los mercados existentes en Cuenca.
3. ANTECENDENTES
La historia del modelo de escalamiento multidimensional se remonta en el área de la
psicología, Warren S. Torgerson quien fue el primero en desarrollar y plantear en 1958 el
desarrollo de los métodos de escalamiento multidimensional, que permitía clasificar objetos en
varias dimensiones, conociendo este modelo como modelo métrico clásico. Torgerson se refirió
a la medida de atributos psicológicos, ya que considero que el aspecto al ser medido era una
propiedad del continuo psicológico que tenía una intensidad y que variaba de un sujeto a otro,
incluso dentro del mismo sujeto.
A principios del siglo XX, el científico estadounidense Roger N. Shepard en 1962 planteó
un modelo de escalamiento multidimensional, que años después el matemático y estadístico
estadounidense Joseph B. Kruskal 1964 lo mejoró, ambos autores propusieron técnicas de
escalamiento multidimensional con la intencionalidad de estudiar la relación que existía entre
la intensión física de ciertos estímulos con su intensidad subjetiva.
Se propusieron dos modelos el modelo de escalamiento multidimensional no métrico, y el
modelo de escalamiento métrico, siendo estos diferenciados ya que el modelo métrico usa datos
en escala de intervalo mientras que el modelo no métrico utiliza datos en escala ordinal.
UNIVERSIDAD DE CUENCA
Facultad de ciencias económicas y administrativas 5
4. MODELO TEORICO
Jaume Arnau señala que “escalamiento multidimensional se define como un procedimiento
que toma como entrada un conjunto de desemejanzas y ofrece como salida una configuración
de puntos, de forma que las distancias entre puntos en el espacio representen lo mejor posible
las desemejanzas entre estímulos” (1996, pág. 24)
Richard A. Johnson y Dean W. Wichern en el libro “Applied multivariate statistical
analysis”, consideran que las técnicas de escalamiento multidimensional intentan encontrar
configuraciones en las dimensiones 𝑞 ≤ 𝑁 − 1 de manera que la coincidencia sea lo más
cercana posible; es decir, se ocupan de que para un conjunto de distancias observadas entre
cada para de N elementos, encuentre una representación de los elementos en pocas dimensiones
de modo que las proximidades entre los elementos casi coincidan con las distancias originales.
(pág. 707)
El escalamiento multidimensional trata de averiguar la estructura de relaciones entre objetos
que se ocultan en un conjunto de datos, reduce los factores requeridos para explicar esa
estructura de datos con la mayor veracidad posible en un numero de dimensiones reducido ya
sea dos o tres dimensiones
Supuesto: Dado un conjunto de objetos en el que se perciben algunas similitudes o
disimilitudes, hay un espacio métrico de una particular dimensionalidad en el que pueden
representarse una configuración de n puntos cuyas distancias se corresponden con las
similitudes percibidas. (Borg & Groenen, 1997)
Peña, D manifiesta que:
las técnicas de escalado multidimensional son una generalización de la idea de
componentes principales cuando en lugar de disponer de un matriz de observaciones
por variables, como componentes principales, se dispone de una matriz D, cuadrada
nxn de distancias o disimilitudes entre los n elementos de un conjunto. (Análisis de
datos multivariantes, pág. 169)
4.1 Modelo general de escalamiento multidimensional
4.1.1 Modelo métrico de escalamiento multidimensional
Se considero métrico de escalamiento multidimensional ya que considera un conjunto de
datos donde sus relaciones son percibidas entre los elementos de un conjunto de objetos o
estímulos.
UNIVERSIDAD DE CUENCA
Facultad de ciencias económicas y administrativas 6
Rivas. T y Martínez. R, en su investigación sostienen que el MDS métrico tiene como fin
construir una configuración de los n puntos a partir de la información de las 𝑛(𝑛 − 1)/2
distancias entre pares de n objetos. (1991, pág. 447)
La finalidad del modelo es obtener una representación grafica en un espacio de dimensión
mínima, que permita extraer la información significativa acerca de las relaciones entre los
objetos, a este modelo también se le conoce como análisis de coordenadas principales
4.1.2 Modelo no métrico de escalamiento multidimensional
En este modelo se parte de una matriz de diferencia o disimilitudes entre objetos que se ha
obtenido a partir de ordenación de los elementos, este método se ha aplicado para estudiar las
semejanzas entre las actitudes, preferencias o percepciones a productos y servicios en
marketing y calidad. (Peña, 2002)
5. DATOS Y PARAMETROS
5.1 Datos
Los datos para la aplicación de escalamiento multidimensional se obtuvieron de fuentes
como la base de datos del censo económico 2010, además de recopilar datos por parte de una
encuesta a consumidores que conocen todas las muestras de mercados seleccionado, ya que, al
tener conocimiento del funcionamiento de los mercados, estos podrán seleccionar el nivel de
similitud existente.
Para este estudio se decidió tomar una muestra de 5 mercados, generando así 10
combinaciones posibles.
Por lo tanto;
Tabla1. Datos de preferencias entre combinaciones de mercados de bienes alimenticios en Cuenca.
3 de 9 de 10 de El Mutualista
Mercados
Noviembre Octubre Agosto Arenal Azuay
3 de Noviembre 5
9 de Octubre 3 5
10 de Agosto 3 3 5
El Arenal 1 1 2 5
Mutualista
Azuay 2 2 3 2 5
5.2 Parámetros
Tabla 2. Resumen de los parámetros
UNIVERSIDAD DE CUENCA
Facultad de ciencias económicas y administrativas 7
Parámetros Terminología Datos
Número de 𝑛(𝑛 − 1) 5(5 − 1)
𝑛= 𝑛=
combinaciones 2 2
𝑛 = 10
Stress 𝑞 𝑞 = 0.15592
Matriz de 5 3 3 1 2
proximidades 3 5 3 1 2
∆ ∆= 3 3 5 2 3
1 1 2 5 2
(2 2 3 2 5)
Distancia
euclídea 2
𝑑ℎ𝑖 = [(𝑥𝑖 − 𝑥𝑗 )′(𝑥𝑖 − 𝑥𝑗 )]
S-Stress
𝑝
Coeficiente de
correlación al 𝑅𝑆𝑄 𝑅𝑆𝑄 = 0.89201
cuadrado
5.2.1 Stress
Kruskal propuso una medida tal que permita interpretar informalmente a la relación
monótona entre las similitudes y las distancias finales.
Tabla 3. Bondad de ajuste para Stress
Stress Bondad
de ajuste
20% Pobre
10% Justa
5% Buena
2.5% Excelente
0% Perfecta
Fuente: Applied Multivariate statistical analysis. Pág 708
Autores: Richard A. Johnson y Dean W. Wichern
𝟐
∑ ∑ (𝒅𝒒𝒊𝒋 − 𝒅̂𝒒𝒊𝒋 ) 𝟏
𝑺𝑻𝑹𝑬𝑺𝑺 = { 𝟐 }𝟐
∑ ∑ (𝒅𝒒𝒊𝒋 )
5.2.2 Matriz de proximidades
El modelo de escalamiento multidimensional toma como entrada un matriz de proximidades
cuadrática; donde 𝛿𝑗𝑖 representa la proximidad entre el estimulo i y el estímulo j. (Quaglino &
Giuliani, 2011, pág. 4)
UNIVERSIDAD DE CUENCA
Facultad de ciencias económicas y administrativas 8
𝛿11 ⋯ 𝛿1𝑖
∆= ( ⋮ ⋱ ⋮ )
𝛿𝑗1 ⋯ 𝛿𝑗𝑖
5.2.3 Distancia euclídea
La distancia euclidiana permite encontrar un espacio vectorial de dimensión igual o inferior
a la dimensión del espacio de las variables en la que podemos representar a los individuos por
puntos cuya distancia euclídea ordinaria coincida con la distancia utilizada. (Ceaces)
5.2.4 S-Stress
Es considerada una segunda medida de discrepancia, fue dada por Takane, en esta expresión
Se remplaza de la función original de Stress q por 2:
𝟐
∑ ∑(𝒅𝟐𝒊𝒋 − 𝒅̂𝟐𝒊𝒋 )
𝑺 − 𝑺𝑻𝑹𝑬𝑺𝑺 = 𝟐
∑ ∑(𝒅𝟐𝒊𝒋 )
El valor de esta expresión será entre 0 y 1, si dicho valor se encuentra inferior a 1 se deduce
que existe una buena representación de los objetos por los puntos en la configuración dada.
(Richard A. Johnson y Dean W. Wichern, pág. 709)
5.2.5 Coeficiente de correlación al cuadrado
Este coeficiente nos informa de la proporción de variabilidad de los datos de partida que es
explicada por el modelo. (María & Manuel, pág. 6)
Los valores que puede adquirir este coeficiente se encuentran entre 0 y 1, los valores
cercanos a 1 indican que el modelo es bueno mientras que los valores cercanos a cero indican
que el modelo es malo.
𝟐
[∑ ∑(𝒅𝒊𝒋 − 𝒅)(𝒇(𝒅𝒊𝒋 ) − 𝒇(𝒅))]
𝑹𝑺𝑸 = 𝟐 𝟐
[∑ ∑(𝒅𝒊𝒋 − 𝒅) ] [∑ ∑(𝒇(𝒅𝒊𝒋 ) − 𝒇(𝒅)) ]
UNIVERSIDAD DE CUENCA
Facultad de ciencias económicas y administrativas 9
6. RESULTADOS
Para la resolución del modelo vamos a considerar usar SPSS, por lo que se considera la
matriz de proximidades, y se calcula la matriz de distancias entre los estímulos, aplicando el
modelo de escalamiento métrico multivariado.
El nivel de S-Stress, el programa efectuó varias interacciones, pero se detuvo en la tercera
done se obtuvo un índice S-Stress menor que 0.001, siendo una excelente medida
Luego se procede a verificar el nivel de Stress de Kruskal que el valor calculado es de
0.15592 ≈ 0.2, según la tabla ofrecida por Kruskal para interpretar nuestro Stress se puede
considerar pobre; por consiguiente, se puede decir que el modelo reproduce en una medida
pobre los datos de partida.
El coeficiente de correlación al cuadrado es igual a 0.89201, concluyendo que el 89,201%
de la varianza de los datos esta siendo explicada por el modelo.
Gráfico 1. Modelo de distancia Euclídea
UNIVERSIDAD DE CUENCA
Facultad de ciencias económicas y administrativas 10
Fuente: Elaboración propia en SPSS
Como se logra apreciar un modelo lineal entra las distancias y las disparidades el modelo es
considerado adecuado.
En el Grafico se logra apreciar que el mercado 3 de noviembre con el mercado 9 de octubre
presentan similitudes mientras que el mercado de la Mutualista Azuay y el Arenal presentan
mayores disimilitudes, es decir no hay semejanza con los otros mercados.
7. CONCLUSIONES
Dado los resultados obtenidos se evidencia que el modelo es escalamiento multidimensional
nos va a permitir posicionar mejor las preferencias del consumidor, el sustituir un mercado por
otro en el caso del mercado 9 de octubre y 3 de noviembre es fácilmente ya que no hay mayor
diferenciación entre ambos, pero al tratar de comparar esto mercados con la mutualista Azuay
o el Arenal se presenta una brecha de diferencias.
El mercado el Arenal y el mercado Mutualista Azuay son los mercados que mayor grado de
diferencia presentan; esto se debe al tamaño del mercado ya que tanto el mercado 9 de octubre,
10 de agosto y 3 de noviembre presentan un tamaño similar, dando mayor similitud entre estos.
El modelo de escalamiento multidimensional es un modelo de suma utilidad en la vida
cotidiana, en la economía es de gran ayuda para poder identificar las preferencias y similitudes
UNIVERSIDAD DE CUENCA
Facultad de ciencias económicas y administrativas 11
que pueden presentar los consumidores, y las firmas, el modelo hace factible a una buena toma
de decisiones en la economía.
8. BIBLIOGRAFÍA
9.
Arnau, J. (1996). Métodos y técnicas avanzadas de análisis de datos en ciencias del comportamineto .
Barcelona: Edicions Universitat de Barcelona.
Borg, I., & Groenen, P. (1997). Modern Multidimensional Scaling . New York: Springer- Verlag New
York.
Ceaces. (s.f.). Introducción al análisis cluster. Obtenido de ceaces:
[Link]
INEC. (2010). Censo nacional Económico. Ecuador.
INEC. (2016). Empresas en el Ecuador, ENESEM 2016. Ecuador.
Johnson, R. A., & Wichern, D. W. (s.f.). Applied Multivariate Statistical Analysis. Upper Saddle
River, New Jersey: Pearson Prentice Hall.
María, G. F., & Manuel, R. J. (s.f.). El análisis de escalamiento multidimensional: una alternativa y un
complemento a otras técnicas multivariadas. España: Universidad de Pablo de Olavide.
Peña, D. (2002). Análisis de datos multivariantes. Mc Graw Hill Education.
Quaglino, M., & Giuliani, P. (2011). Escalamiento multidimensional aplicado en publicidad.
Universidad Nacional de Rosario.
Rivas, T., & Martinez, R. (1991). Relación entre escalamiento multidimensional metrico y analisis de
componentes principales. Málaga.
SRI, S. d. (2019). ofertas de bebidas. Ecuador.
UNIVERSIDAD DE CUENCA
Facultad de ciencias económicas y administrativas 12
10. ANEXOS
Tabla 4. Combinación y nivel de similitud según encuestados.
3 de 9 de 10 de El Mutualista
Mercados
Noviembre Octubre Agosto Arenal Azuay
3 de Noviembre 5
9 de Octubre 3 5
10 de Agosto 3 3 5
El Arenal 1 1 2 5
Mutualista Azuay 2 2 3 2 5
Fuente: Elaboración propia
Nota: Las personas encuestadas son personas que acuden con regularidad a uno de los
mercados dentro de la muestra, pero tienen conocimiento sobre el funcionamiento de todos
los mercados seleccionados en nuestro análisis.
Tabla 5. Matriz de distancias.
1 2 3 4 5
1 ,000
2 2,000 ,000
3 2,000 2,000 ,000
4 4,000 4,000 3,000 ,000
5 3,000 3,000 2,000 3,000 ,000
Elaboración con SPSS
Archivo de SPSS con los respectivos cálculos de los parámetros.