Este código corresponde al protocolo Estudio de mercado para una nueva bebida alcohólica. https://analisisdemercadomepli.blogspot.com/ para la realización de un ACM con las variables de control: “Edad” y “Sexo”, las cuales serán utilizadas para generar un cruce entre variables y buscando identificar si se forman grupos de estudiantes según su edad, sexo y preferencias de bebidas alcohólicas.
Paso 1: Cargar la base de datos, la cuál se guardará en un objeto llamado “datos”
library(readxl)
rut = file.choose()
datos = as.data.frame(read_excel(rut))
datos
## Edad Sexo p2 p4 p6 p7 p8 p9 p10
## 1 27 F Adultez Cerveza Sabor No Si $61 a $70 $200 a $250
## 2 30 M Adultez Vino Sabor No Si $50 a $60 $200 a $250
## 3 28 F Adultez Cerveza Sabor Si Si $61 a $70 $251 a $300
## 4 26 M Adultez Caña Sabor No Si $71 a $80 $251 a $300
## 5 21 M Adolescencia Cerveza Sabor Si No Más $80 $200 a $250
## 6 19 F Adolescencia Cerveza Sabor Si Si Más $80 Mas $350
## 7 19 F Adolescencia Cerveza Sabor Si Si $71 a $80 $300 a $350
## 8 18 F Infancia Vino Sabor Si No Más $80 Mas $350
## 9 18 F Adolescencia Otros Sabor Si Si Más $80 Mas $350
## 10 21 F Adultez Cerveza Sabor No Si $71 a $80 $251 a $300
## 11 26 M Adolescencia Caña Sabor Si No $61 a $70 $200 a $250
## 12 20 F Adolescencia Cerveza Sabor No No Más $80 Mas $350
## 13 21 F Adultez Vodka Sabor Si No $61 a $70 $251 a $300
## 14 18 M Adultez Tequila Precio Si Si $61 a $70 $251 a $300
## 15 18 M Infancia Cerveza Sabor No Si Más $80 Mas $350
## 16 20 F Adolescencia Cerveza Sabor No No $50 a $60 $200 a $250
## 17 23 M Adultez Tequila Sabor No Si $71 a $80 $251 a $300
## 18 30 F Adolescencia Vino Sabor Si Si Más $80 $300 a $350
## 19 20 F Adolescencia Vodka Sabor Si Si $61 a $70 $300 a $350
## 20 23 F Adultez Vino Sabor Si Si $50 a $60 $200 a $250
## 21 18 M Mayor a 24 Cerveza Sabor Si No Más $80 Mas $350
## 22 18 F Adolescencia Cerveza Sabor Si Si Más $80 $251 a $300
## 23 20 F Adolescencia Ron Sabor No No $50 a $60 Mas $350
## 24 19 F Adolescencia Otros Sabor Si Si $61 a $70 $300 a $350
Paso 2: Cargar la siguiente librería:
library (FactoMineR)
Paso 3: Realizar el ACM para cada una de las preguntas localizadas en la base de datos (P2, P4,P5,…,P10) relacionándolas con las variables de control (Edad, Sexo) Ejemplo: Realizar el cruce de las variables Edad, Sexo y P2
Nota: para poder generar el ACM, las variables deberán ser convertidas a factores como se observa a continuación:
edadd = as.factor(datos$Edad)
sexoo = as.factor(datos$Sexo)
Preg2 = as.factor(datos$p2)
Relacion2 = cbind.data.frame(sexoo,Preg2, edadd)
str(Relacion2)
## 'data.frame': 24 obs. of 3 variables:
## $ sexoo: Factor w/ 2 levels "F","M": 1 2 1 2 2 1 1 1 1 1 ...
## $ Preg2: Factor w/ 4 levels "Adolescencia",..: 2 2 2 2 1 1 1 3 1 2 ...
## $ edadd: Factor w/ 9 levels "18","19","20",..: 7 9 8 6 4 2 2 1 1 4 ...
Realizar el Biplot:
res.mca = MCA(Relacion2, method = 'Burt')
Preg4 = as.factor(datos$p4)
Relacion4 = cbind.data.frame(sexoo, Preg4, edadd)
str(Relacion4)
## 'data.frame': 24 obs. of 3 variables:
## $ sexoo: Factor w/ 2 levels "F","M": 1 2 1 2 2 1 1 1 1 1 ...
## $ Preg4: Factor w/ 7 levels "Caña","Cerveza",..: 2 6 2 1 2 2 2 6 3 2 ...
## $ edadd: Factor w/ 9 levels "18","19","20",..: 7 9 8 6 4 2 2 1 1 4 ...
Realizar el Biplot:
res.mca = MCA(Relacion4, method = 'Burt')
Preg6 = as.factor(datos$p6)
Relacion6 = cbind.data.frame(sexoo, Preg6, edadd)
str(Relacion6)
## 'data.frame': 24 obs. of 3 variables:
## $ sexoo: Factor w/ 2 levels "F","M": 1 2 1 2 2 1 1 1 1 1 ...
## $ Preg6: Factor w/ 2 levels "Precio","Sabor": 2 2 2 2 2 2 2 2 2 2 ...
## $ edadd: Factor w/ 9 levels "18","19","20",..: 7 9 8 6 4 2 2 1 1 4 ...
Realizar el Biplot:
res.mca = MCA(Relacion6, method = 'Burt')
Preg7 = as.factor(datos$p7)
Relacion7 = cbind.data.frame(sexoo, Preg7, edadd)
str(Relacion7)
## 'data.frame': 24 obs. of 3 variables:
## $ sexoo: Factor w/ 2 levels "F","M": 1 2 1 2 2 1 1 1 1 1 ...
## $ Preg7: Factor w/ 2 levels "No","Si": 1 1 2 1 2 2 2 2 2 1 ...
## $ edadd: Factor w/ 9 levels "18","19","20",..: 7 9 8 6 4 2 2 1 1 4 ...
Realizar el Biplot:
res.mca = MCA(Relacion7, method = 'Burt')
Preg8 = as.factor(datos$p8)
Relacion8 = cbind.data.frame(sexoo, Preg8, edadd)
str(Relacion8)
## 'data.frame': 24 obs. of 3 variables:
## $ sexoo: Factor w/ 2 levels "F","M": 1 2 1 2 2 1 1 1 1 1 ...
## $ Preg8: Factor w/ 2 levels "No","Si": 2 2 2 2 1 2 2 1 2 2 ...
## $ edadd: Factor w/ 9 levels "18","19","20",..: 7 9 8 6 4 2 2 1 1 4 ...
Realizar el Biplot:
res.mca = MCA(Relacion8, method = 'Burt')
Preg9 = as.factor(datos$p9)
Relacion9 = cbind.data.frame(sexoo, Preg9, edadd)
str(Relacion9)
## 'data.frame': 24 obs. of 3 variables:
## $ sexoo: Factor w/ 2 levels "F","M": 1 2 1 2 2 1 1 1 1 1 ...
## $ Preg9: Factor w/ 4 levels "$50 a $60","$61 a $70",..: 2 1 2 3 4 4 3 4 4 3 ...
## $ edadd: Factor w/ 9 levels "18","19","20",..: 7 9 8 6 4 2 2 1 1 4 ...
Realizar el Biplot:
res.mca = MCA(Relacion9, method = 'Burt')
Preg10 = as.factor(datos$p10)
Relacion10 = cbind.data.frame(sexoo, Preg10, edadd)
str(Relacion10)
## 'data.frame': 24 obs. of 3 variables:
## $ sexoo : Factor w/ 2 levels "F","M": 1 2 1 2 2 1 1 1 1 1 ...
## $ Preg10: Factor w/ 4 levels "$200 a $250",..: 1 1 2 2 1 4 3 4 4 2 ...
## $ edadd : Factor w/ 9 levels "18","19","20",..: 7 9 8 6 4 2 2 1 1 4 ...
Realizar el Biplot:
res.mca = MCA(Relacion10, method = 'Burt')