el adelanto de la compra como efecto de la promoción de ventas en productos de gran consumo

Disponible en: http://www.redalyc.org/articulo.oa?id=10413103

Red de Revistas Científicas de América Latina, el Caribe, España y Portugal

Sistema de Información Científica

Miguel Llorens Marín, Miguel Martín Dávila, Jean-Pierre Lévy Mangin

El adelanto de la compra como efecto de la promoción de ventas en productos de gran consumo

Ciencia Ergo Sum, vol. 13, núm. 1, marzo-junio, 2006, pp. 15-25,

Universidad Autónoma del Estado de México

México

¿Cómo citar? Fascículo completo Más información del artículo Página de la revista

Ciencia Ergo Sum,

ISSN (Versión impresa): 1405-0269

[email protected]

Universidad Autónoma del Estado de México

México

www.redalyc.orgProyecto académico sin fines de lucro, desarrollado bajo la iniciativa de acceso abierto

http://www.redalyc.org

http://www.redalyc.org/comocitar.oa?id=10413103

http://www.redalyc.org/fasciculo.oa?id=104&numero=2637

http://www.redalyc.org/articulo.oa?id=10413103

http://www.redalyc.org/revista.oa?id=104

http://www.redalyc.org/articulo.oa?id=10413103



http://www.redalyc.org


15C I E N C I A e r g o s u m , V o l . 1 3 - 1 , m a r z o - j u n i o 2 0 0 6

CI E N C I A S SOCIALES

Recepción: 8 de agosto de 2005Aceptación: 13 de octubre de 2005

Introducción

El propósito de la investigación es ayudar a racionalizar lainversión de las empresas fabricantes en promoción de ven-tas. Para conseguirlo analizamos el impacto promocionalen las ventas en el corto y largo plazos.

Siendo conscientes de que el impacto promocional depen-de en gran medida de la categoría objeto de estudio, hemos

El adelanto de la compra como efectode la promoción de ventas

en productos de gran consumoMiguel Llorens Marín*, Miguel Martín Dávila * y Jean-Pierre Lévy Mangin**

Resumen. El objetivo de la investigación esmanifestar los efectos reales de la promociónde ventas en productos de gran consumo(FMCG).Para contrastar las hipótesis planteadas enrelación con la falta de relevancia de laactividad promocional en la evolución de lacuota de marca, tanto en el corto como en ellargo plazos, se desarrolla un modelo deecuaciones estructurales con datos de lacategoría de whisky estándar.Se intenta explicar el origen del incrementode ventas por actividad promocional encategorías maduras, como un anticipo de lacompra, y se confirma la importancia devariables comerciales como diferencial deprecio y presencia de marca en el surtido,como fundamentales para la explicación de laevolución de la cuota de marca.Las conclusiones alcanzadas son muyrelevantes para el sector de productos de granconsumo, y para la relación de poder entrefabricantes y detallistas.Palabras clave: eficacia promocional,promoción de ventas, elasticidad.

enfocado nuestro trabajo en una categoría madura como esel whisky estándar. La hipótesis principal de nuestro trabajoes que la actividad promocional provoca un adelanto de lacompra en el corto plazo, pero no genera ventas incrementalessi observamos el fenómeno en el largo plazo. Utilizamos lacuota de ventas de las principales marcas de la categoríapara medir el impacto promocional, analizando la evolu-ción de la cuota en relación con la actividad promocional.

* Departamento de Comercialización eInvestigación de Mercados. Facultad de CienciasEconómicas y Empresariales, UniversidadComplutense de Madrid. Campus deSomosaguas –28223 Pozuelo de Alarcón–Madrid.Correo electrónico: [email protected] [email protected]** Université du Québec en Outaouais, Gatineau,Québec, Canada.Correo electrónico:[email protected].

Purchasing in Advance as an Effect ofSales Promotion in Fast Moving ConsumerGoodsAbstract. The aim of this research project is toexpose the real effects of the sales promotion inFast Moving Consumer Goods (FMCG). In orderto contrast the supported hypothesis regardingthe lack of relevance of the promotional activityin the brand quota evolution a structuralequation model with standard whisky categorydata is developed.This paper tries to explain the importance offorward buying in the sales increase due topromotional activity within mature categories.The significance of commercial variables suchas differential pricing and the brand presenceamong the choices are confirmed asfundamental variables in explaining theevolution of the brand share.The results are quite relevant for the FastMoving Consumer Goods sector and for therelationship between producers and retailers.Key words: sales promotion, promotionalimpact, price elasticity, stockpiling.

C I E N C I A e r g o s u m , V o l . 1 3 - 1 , m a r z o - j u n i o 2 0 0 6 . U n i v e r s i d a d A u t ó n o m a d e l E s t a d o d e M é x i c o , T o l u c a , M é x i c o . P p . 15-25.

16 LLORENS-MARÍN, M. ET AL. EL ADELANTO DE LA COMPRA COMO EFECTO DE...


1. Antecedentes

El impacto promocional es una materia de gran interés paralos ejecutivos de marketing y ventas, así como para los in-vestigadores de mercados. Los resultados de estudios reali-zados sobre la materia y sus conclusiones son muy dispares.Uno de los pocos puntos en que prácticamente todos losinvestigadores están de acuerdo es que la promoción deprecio provoca un incremento de ventas en el corto plazo(Bawa y Shoemaker, 1987; Rothschild y Gaidis, 1981).

Algunos investigadores encontraron que la satisfaccióncon una marca en promoción lleva a la compra repetitivaincluso después de acabarse la promoción (Rothschild yGaidis, 1981), mientras que otros sugieren que el compra-dor vuelve a comportarse como antes de la promoción alconcluir esta (Bawa y Shoemaker, 1987). Otros incluso sos-tienen que la probabilidad de compra futura de la marcapromocionada disminuye una vez que la promoción acaba(Guadagni y Little, 1983).

En un estudio reciente sobre las preferencias de los com-pradores, Hardesty y Bearden (2003) destacan que las dife-rentes herramientas o tipos promocionales varían en suimpacto sobre el nivel de valor que el consumidor percibey finalmente sobre su comportamiento de compra.

También parece claro que la percepción de la marcapromocionada en la mente del comprador va a influir en sugrado de aceptación de la promoción (Trivedi, 1999). Delmismo modo se acepta que a mayor valor de marca laelasticidad al precio es menor, aunque esto va a dependeren gran medida de la categoría de producto objeto de estu-dio (Yoo et al., 2000). En esta línea Alvarez (2002) concluyeque la sensibilidad a las promociones es mayor cuanto me-nor sea la lealtad de los clientes.

En la categoría de whisky estandard, un estudio de TaylorNelson Sofres para Diageo España en 2003 destacó queel 27% de la decisión de compra (impulso, decisión decategoría, decisión de marca y decisión de número de uni-dades) se hacía en el punto de venta, mientras el 73%restante compra planificada. Todo lo anterior nos haceprofundizar en el fenómeno promocional en esta catego-ría concreta y analizar las diferencias en los resultadosentre las distintas marcas.

Mela et al. (1998) estudian cómo el principal efecto se-cundario de las promociones es el incremento de la proba-bilidad de que el comprador almacene y aprenda a esperarla siguiente promoción para realizar su próxima compra.Este es el llamado efecto acumulativo que trata de medir elimpacto de la actitud y comportamiento del comprador ha-cia la marca en los meses y años siguientes. En este efecto

acumulativo descansa el eje de nuestro trabajo, al medir lacausalidad entre diversas actividades promocionales y pu-blicitarias sobre la cuota de ventas de las distintas marcasdentro de una categoría.

2. Planteamiento del modelo

2.1. Descripción del modelo teóricoVamos a utilizar el análisis causal para entender los vínculosentre las variables de nuestro modelo, es decir, cómo influ-yen unas variables de inversión promocional y publicitariasobre la cuota de ventas de la marca, pero no viceversa.

El enfoque de nuestro análisis es intracategoría, obser-vándose la evolución de cada marca individual; y buscandoefectos cruzados entre ellas. Entendemos que existen limi-taciones para la generalización, pero consideramos que lascomparaciones entre categorías con datos agregados demarcas tienen muchas limitaciones técnicas, aunque sea esteel modelo seguido por muchos autores como Sethuraman(1992), Narasimhan y Wilcox (1998), y un largo etcétera.Otros como Cotterill et al. (2000) estudian cinco categoríasagrupando datos de las marcas de fabricante por un lado; ylas marcas de detallista por otro para analizar elasticidadesde precio y demanda, que es otra forma de agregar com-portamientos de distintas marcas en un mismo indicador.

En nuestro caso la principal ventaja es la posibilidad deinterpretar los resultados de una forma directa.

Para contrastar las hipótesis planteadas vamos a utilizarun enfoque mixto, con un modelo basado en el marketingmix, analizando información de diversas fuentes:

• Datos de venta por escáner de un panel de detallistas(Scantrack de ACNielsen)

• Datos causales de presencia de promoción en el puntode venta (regalo, folleto, exposición adicional, RTP, etc), sa-cados del panel de detallistas Scantrack.

• Datos de hábitos de consumidores de la base de datos BPM• Datos de inversión publicitaria de las marcas de base de

datos de Infoadex.• Datos de gasto del hogar en alimentación, bebida y ta-

baco, de la encuesta de presupuestos familiares del Institu-to Nacional de Estadística de España (INE).

Para ilustrar la construcción teórica de nuestro modelorecurrimos a la figura 1, que muestra la modelización de lashipótesis a contrastar. La nomenclatura D.P. representa laDistribución Ponderada de las distintas variablespromocionales (cabecera, folleto, regalo, reducción tempo-ral de precio, y otras promociones).

Un reto importante fue definir las variables latentes queconforme a nuestro modelo iban a definir la actividad



promocional y publicitaria, lo que llamamos el ‘mix de co-municación’. Además de esas variables latentes considera-mos que existían otras, como la distribución ponderada y laprima de precio, que denominamos variables de posiciónde marca (comerciales), que podían influir en la variaciónde la cuota de la marca tanto en el largo como en el cortoplazo. Añadimos una última variable externa, el peso delgasto familiar en alimentación, bebida y tabaco, para com-probar su posible efecto en la cuota de marca.

2.2. Hipótesis de trabajoHipótesis teórica 1Si es cierto que el incremento de la actividad promocionalen categorías maduras provoca el anticipo de la compra enestablecimientos detallistas....

Hipótesis básica 1.1… sólo entonces ha de ser cierto que la promoción de ven-tas en productos de gran consumo en categorías madurasno genera incremento significativo de la cuota de una mar-ca en el largo plazo

Hipótesis básica 1.2... sólo entonces ha de ser cierto que existen otros elemen-tos, distintos de la actividad promocional, que causan lavariación de la cuota de ventas de la marca en el corto ylargo plazos

3. Desarrollo de la investigación

3.1. Modelos finalesDespués de muchos intentos de ajustar un modelo con va-riables latentes que fuera fiel a nuestro modelo teórico, de-cidimos utilizar el path análisis con variables observables,como se muestra en la figura 2 para la marca A. La explica-ción de la notación de las variables del modelo se recoge enla tabla 7. Se descarta la utilización de variables latentes porlas circunstancias que concurren en nuestros datos, que ex-plicamos de forma sintética a continuación:

• Las variables independientes que se relacionan con unalatente no covarían en la misma dirección entre sí, por loque no puede utilizarse un modelo reflexivo al ser las varia-bles observables independientes las que definen una varia-ble teórica (latente) por sus relaciones entre ellas; si éstas nomuestran una estructura subyacente de relaciones apro-piada, que mantenga cierto perfil o tendencia constante; noes posible definir la variable latente. Para modelos for-mativos necesitamos tener un número finito (y pequeño)de indicadores con un fuerte modelo teórico que apoye

que los indicadores utilizados son los únicos que existen, locual obviamente no es posible asegurar en un modelo deesta complejidad.

• Las variables independientes tienen poco poder de ex-plicación sobre la latente, es decir, los factores tienen unnivel de carga muy bajo (poco significativas con valor abso-luto, ratio crítico (C.R.) < 1.96).

• Existe un alto componente de falta de normalidad en lamuestra.

• Los datos del panel que forman nuestra muestra sonautoregresivos, es decir, que el valor de las variables depen-dientes del periodo t, está condicionado por el valor delperiodo anterior (t-1), no son pues valores aleatorios.

• Bajo estas circunstancias decidimos optar por un mode-lo path análisis utilizando sólo variables observables y dejan-do las latentes para futuras investigaciones del fenómeno.

3.2. Análisis y solución a la ausencia de normalidadLa figura 3 ilustra los distintos procedimientos que hemosutilizado para tener en cuenta la falta de normalidad de la

Figura 1. Modelo teórico del impacto promocional para una marca.

Fuente: elaboración propia.

Figura 2. Modelo definitivo Marca A.

Fuente: Salida AMOS 4.01



distribución de nuestros datos en las dos fases finales deldiseño de modelos de ecuaciones estructurales (SEM), a sa-ber el ajuste global; y la interpretación de las estimaciones.

La principal ventaja del método ADF (Asymptotic Distri-bution Free) es que las asunciones que hace sobre la distribu-ción de las variables observables son mínimas.

Por otro lado, para comprobar la consistencia de los re-sultados, realizamos el Bootstrap. La ventaja que tiene estemétodo para nosotros es que no tiene asunciones de nor-malidad multivariante, ni de gran tamaño de la muestra(Yung y Bentler, 1996), lo cual es idóneo para nuestro tra-bajo. El Bootstrap lo realizamos en dos pasos:

• Ejecutamos un Bollen-Stine Bootstrap para interpretar losvalores de la probabilidad (p-value) de ajuste global del mo-delo; y la media de los ajustes de la Chi-cuadrada.

• Ejecutamos un Bootstrap estándar sobre el método demáxima verosimilitud (ML) para obtener las medias, erroresestándar y los sesgos de las estimaciones.1

4. Resultados de los modelos finales

4.1. Contraste global del ajusteComo consecuencia de lo que hemos visto en el apartadoanterior respecto a la ausencia de normalidad multivariante,decidimos calcular los índices de ajuste con dos métodos deestimación de la función de discrepancia con objeto de com-parar sus resultados. El primero es el de ML, que supone lanormalidad de la distribución; y el segundo es el ADF, queno hace suposiciones sobre la distribución de la muestra.

Por otro lado también probamos la solución del Bootstrapcomo alternativa frente a la ausencia de normalidad. Deeste modo vamos a comparar los resultados bajo tres pro-cedimientos.

4.2. Método de Estimación ADF frente a MLLos resultados de los índices de ajuste global se muestranen la tabla 1, con dos columnas para cada marca, la prime-ra para los resultados obtenidos con el método ML y la se-

gunda con el ADF. Estos últimos son los que vamos a utili-zar como referencia e interpretar.

Hemos mantenido el mismo modelo para ambos méto-dos de estimación, ya que consideramos que esto es másrelevante para mostrar la buena especificación del modelo.Decimos esto porque al cambiar de método de estimaciónalgunas de las relaciones de la matriz de covarianzas tam-bién cambian, apareciendo paths con un nivel de significancia(C.R.) aceptable en un método, pero que no es significativoal aplicar el otro.

Como podemos observar en la tabla 1, fijándonos en laChi-cuadrada y en el valor p asociado a la misma, hemosconseguido un ajuste aceptable en 6 de las 7 marcas quehemos investigado, esto se corrobora según los índices quehabíamos seleccionado desde un principio como indicadoresde la bondad del ajuste.

Comparando los resultados obtenidos en cada marca ve-mos que en general los índices de bondad del ajuste difie-ren según el método para todas las marcas, lo que segúnOlsson et al. (2000) muestra una buena especificación delos modelos bajo condiciones de ausencia de normalidad.

El valor de corte que consideramos para los índices deajuste es el 0.95 en el GFI, así como alcanzar el 0.90 deforma consistente en el resto de los índices utilizados, quecomo vemos se mantiene para todas las marcas excepto lamarca G.

Otra medida de ajuste que hemos calculado y que tam-bién se muestra en el cuadro anterior son el RMSEA y elSRMR. Recordamos que el valor de estos índices debe serpequeño, lo más cercano a cero. Vemos que el peor ajustelo obtenemos de nuevo con la marca G.

4.3. Método Bootstrap de Bollen-StineEl método Bootstrap lo utilizamos como la segunda alter-nativa ante la ausencia de normalidad.

Efectuamos dos tipos de Bootstrap; para el ajuste glo-bal hacemos el Bollen-Stine Bootstrap, que proporciona unvalor p sin asumir la normalidad de la muestra, con lo quecorrige el valor probabilístico proporcionado por el méto-do ML para contrastar el ajuste global; y proporciona unvalor medio de la Chi-cuadrada.

Al seleccionar el Bollen-Stine Bootstrap en AMOS 4.01 deci-dimos hacer un remuestreo de 500 Bootstraps, que consi-deramos adecuado según el tamaño de nuestra muestra de-finitiva (n = 125).

Nevitt y Hancock (2001) encontraron que había pocamejora en la calidad de las estimaciones del Bootstrap porel hecho de hacer un gran número de remuestreos.

Vamos a analizar aquí sólo los pertenecientes al modelo1. Para una buena referencia del método Bootstrap ver Byrne (2001).

Ajuste del modeloADF vs ML

Bollen-Stine Bootstrap

Interpretación de las estimacionesADF

Bootstrap estándar

Figura 3. Métodos de estimación utilizados teniendo en cuenta la ausencia

de normalidad.

Fuente: elaboración propia.



de la marca A para evitar extendernosen exceso; no obstante, la tabla 2 ilus-tra un resumen de los resultados delos modelos de todas las marcas.

Los resultados del valor p corregidode Bollen Stine muestran lo que esperábamos. Se confirma labondad del ajuste de las marcas A, B, C, E y F; no superandola prueba la marca G, que era también la que peor se ajustabacon la p obtenida con las estimaciones ADF y ML.

Para cada marca el remuestreo nos proporciona un in-forme de en cuantas muestras el modelo se ajusta mejor,en cuantas se ajusta igualmente y en cuantas se ajusta peoro falla en el ajuste.

La cifra que se utiliza para calcular el valor de p es elcociente entre el número de ajustes mejorados sobre el to-tal de remuestreos realizados (en este caso 498/500 para lamarca A, siendo p = 0.9960).

4.4. Interpretación de las estimaciones con método ADF

(marca A)Tras realizar el contraste global de los modelos finales, quedala interpretación de las estimaciones de regresión que nosden una idea de la fuerza de la asociación entre las variablesindependientes (exógenas), y las dependientes (endógenas).Como en el caso del ajuste global, también vamos a tener encuenta las dos soluciones escogidas frente a la ausencia denormalidad a la hora de interpretar las estimaciones.

Vamos a mostrar en el tabla 3 los coeficientes estandari-zados y sin estandarizar de la marca A. Seguimos con nues-tra estrategia de comparar los resultados de la estimaciónADF con ML.

Lo primero que vemos es que las estimaciones obtenidaspor el método ML son ligeramente diferentes a los obteni-dos por el método ADF, salvo en un par de relaciones quetienen un valor muy similar.

Habitualmente se considera que existe causalidad entredos variables cuando la t de Student o Ratio Crítico (C.R.) dela estimación no estandarizada es superior a 1.96. Esto seextrapola a la estimación estandarizada, con lo que vemosen nuestra tabla que todas las relaciones son significativas,ya que las que no lo eran las hemos eliminado al reajustarel modelo. Nosotros entendemos que sólo se podría de-mostrar la causalidad a través de la manipulación de lasvariables comerciales, promocionales y publicitarias denuestro modelo, de modo que al hacer el experimento demodificar una variable independiente observaríamos comose comportan las dependientes, lo cual en el mundo realno podemos realizar. Teniendo en cuenta lo anterior, conrespecto a la causalidad, vamos a interpretar los valoresestandarizados por motivos ya explicados, y vamos a fi-jarnos en las estimaciones del método ADF.

En este apartado vamos a analizar los resultados de lamarca A en detalle, pero por motivos de espacio haremosun resumen del resto de marcas en el apartado 4.6.

Observamos que las relaciones más fuertes sobre la cuotadel periodo (cpea) son las del diferencial de precio de la mar-ca A con respecto a la media de la categoría (ppva); y la de lacuota del periodo anterior (cpeat). Esto muestra la hipótesisde asociación de la cuota del periodo anterior (cpeat) sobre lacuota del periodo (cpea), fenómeno que habíamos intuidoanteriormente al explicar la naturaleza de nuestros datos pro-venientes de un panel, y con auto regresión implícita.

Con respecto a la causalidad sobre la cuota trimestral(cpoa12), la variable más relevante es la distribución pon-derada de la marca, es decir la presencia de la marca en las

MarcaMétodoÍndicesChi-cuadradaGrados de libertadpChi-cuadrada/ gl

GPIAGFINFICPI

RMSEASRMR

ML

2.55712

0.9980.213

0.9940.9860.9971.000

0.0000.036

ADF

4.66412

0.9680.389

0.9900.9760.9611.000

0.0000.040

ML

15.96718

0.595 0.887

0.972 0.929 0.981 1.000

0.000 0.032

ADF

22.06618

0.229 1.226

0.979 0.948 0.943 0.988

0.043 0.040

ML

11.22012

0.510 0.935

0.979 0.936 0.981 1.000

0.000 0.058

ADF

17.17512

0.143 1.431

0.984 0.952 0.928 0.976

0.059 0.058

ML

8.6245

0.1251.725

0.9830.8800.9930.997

0.0760.013

ADF

7.5265

0.1841.505

0.9860.9030.9620.985

0.0640.032

ML

13.94619

0.787 0.734

0.980 0.941 0.984 1.000

0.000 0.032

ADF

23.32419

0.2231.228

0.9610.8860.9350.986

0.0430.091

ML

19.95416

0.2201.247

0.9700.8980.9660.993

0.0450.067

ADF

14.77416

0.5410.923

0.9920.9710.9751.000

0.0000.076

ML

200.62341

0.0004.893

0.8270.6710.8260.853

0.1770.220

ADF

197.96941

0.0004.829

0.9470.8990.8450.870

0.1760.230

Tabla 1. Resultados del modelo de cada marca con métodos ADF y ML.

Fuente: Salida AMOS 4.01.

A B C D E F G

MarcaValor p (probabilidad)

A0.996

B0.583

C0.555

D0.166

E0.884

F0.361

G0.002


Tabla 2. Resultados del Bollen-Stine Bootstrap (valor p y chi-cuadrada media).



tiendas en relación a la ausencia de las marcas competido-ras (diferencial sobre la categoría).

El precio es la segunda variable en importancia sobre lacuota trimestral, lo que le cualifica como la variable másrelevante en el contexto promocional.

La cuota trimestral (cpoa12) la podemos conceptuar comola baseline, al ser un promedio de la cuota de las últimas 12semanas.

Al mismo tiempo el diferencial de precio tiene una fuerterelación con la cuota del periodo anterior (cpeat), esto esdebido a que en la práctica comercial los precios no cambianmuy a menudo y suelen mantenerse durante varias semanas.

A destacar el signo negativo de los coeficientes de regre-sión de la variable diferencial de precio de la marca A (ppva)en su relación con las cuotas de la marca, tanto la del perio-do como la trimestral. Esto es debido a que lo que mide lavariable es la diferencia entre el precio de la marca A y elprecio medio de sus competidores, representando implíci-tamente el premium que paga el comprador por esa marcaesa semana. Si el diferencial aumenta, significa que la mar-ca se encarece respecto a la competencia, con lo cual tienesentido que disminuya la cuota con un incremento del va-lor de esta variable o viceversa, que la cuota de A aumenteal disminuir el diferencial de precio de la marca A.

En el caso de la cuota del periodo (cpea) vemos que porcada unidad que aumenta el diferencial de precio de la marcaA, su cuota disminuye 0.589 unidades estándar, controlan-do para el resto de variables.

Los coeficientes de regresión por debajo de 0.30 no losconsideramos relevantes para la explicación de la cuota ya

que esto puede ser resultado de fenó-menos aleatorios.

4.4. Interpretación de las estimacionescon método Bootstrap (marca A)El método Bootstrap de Bollen-Stine quehemos utilizado para evaluar la bon-dad del ajuste según el valor p, y la Chi-cuadrada media, no proporciona los va-lores de los coeficientes de los paths nisu significación. Para conseguir las es-timaciones de Bootstrap y sus erroresestándar utilizamos el Bootstrapestándar, sobre la estimación ML.

Este método nos proporciona unamedia de las estimaciones obtenida delremuestreo Bootstrap, así como el errorestándar de las distintas estimaciones,tanto de los coeficientes de regresión,

como de las varianzas y las covarianzas, y del SMC (Correla-ción cuadrada múltiple). Lo que hacemos es sustituir lasestimaciones por la media de las estimaciones del Bootstrap,y analizamos el sesgo.

El Bootstrap da los mismos índices de ajuste que el MLpor defecto, pero calcula los sesgos de cada relación entrela estimación y la media, es decir que comparamos las esti-maciones, covarianzas y varianzas con las medias de lasmismas, lo que nos da el sesgo; y también obtenemos loserrores estándar de los sesgos; que si son superiores a 0.05indican un sesgo muy claro. Las medias constituyen las nue-vas estimaciones no sesgadas.

La tabla 4 muestra los resultados del Bootstrap de la marcaA. La sección del Bootstrap (derecha) contiene la media delas estimaciones de los parámetros obtenida de los múlti-ples remuestreos Bootstrap (Mean).

La diferencia entre el estimador basado en ML y el basadoen Bootstrap se muestra en la columna de sesgo (Bias). Si lossesgos son grandes señalan una discrepancia sustancial entrelos resultados del análisis Bootstrap y el análisis basado enML. En este caso algunos sesgos son relevantes, por lo queconsideramos poco fiables los resultados obtenidos por ML,que no son lo suficientemente robustos ante la ausencia denormalidad severa que se produce en nuestra distribución.

Los sesgos mayores los identificamos con el valor de suerror estándar mayor que 0.05, en el caso del modelo dela marca A lo tienen las varianzas de las variables dife-rencial de precio (ppva) y diferencial de distribución pon-derada (pdpma), así como la covarianza de ambas varia-bles. Diferencias grandes denotan la presencia de casos


Tabla 3. Coeficientes de regresión sin estandarizar y estandarizados. Marca A (ML vs ADF).

cpoa12cpoa12cpoa12cpoa12cpeatcpeatcpeacpea

ppvaf2ppobalf1ppobalpdpmacpoa12ppvappvacpeat

Estimate-0.177

- 0.308- 0.167 0.396 0.410- 0.354- 0.360 0.326


ppvaf2ppobalf1 ppobalpdpmacpoa12ppvappvacpeat

Estimate-0.414-0.139-0.0750.5770.304

-0.612-0.6180.324

S.E.0.0190.0610.0610.0310.1120.0480.0440.076

ML

Estimate-0.415-0.147-0.0790.5710.289

-0.613-0.5890.351

ADF

S.E.0.0190.0510.0530.0310.1050.0360.0430.079

C.R.-9.097-5.807-2.95912.9733.776

-9.643-8.0514.586

ADFC.R.

-9.195-5.034-2.72312.813.657

-7.361-8.2334.320

Estimate-0.173-0.298-0.1580.4020.395

-0.351-0.3460.361

Regression Weights

Standardized RegressionWeights

ML



atípicos y/o ausencia de normalidad en la distribución delos datos.

La columna SE-SE son los errores estándar de las estima-ciones Bootstrap de los errores estándar. Los valores en estacolumna deben ser muy pequeños. Se puede utilizar las co-lumnas de la media (Mean) y error estándar (SE) para calcu-lar el ratio crítico (C.R.) basado en resultados del Bootstrap.Simplemente dividiendo el valor medio por el error estándarobtenemos el ratio crítico (C.R.).

La tabla 5 muestra que todas las estimaciones son significa-tivos al nivel alfa=0.05 (C.R. mayor en valor absoluto que 1.96).

En el caso de la marca A al observar sus intervalos deconfianza vemos que ninguna de las estimaciones tiene unintervalo que incluya cero, por lo que se confirma que to-dos los paths del modelo son significativos.

En cuanto a la importancia relativa de las variables inde-pendientes sobre las dependientes, en el caso de la marca A,teniendo en cuenta las medias de las estimaciones Bootstrap,

no hay variación relevante con respecto a lo analizado conlas estimaciones ADF, y por ello no vamos a repetir aquí suinterpretación.

La parte del resultado de la SMC (Square Múltiple Co-rrelations), también llamado R2, nos indica la parte de lavarianza de esa variable dependiente (endógena) que ha sidoexplicada por el modelo. Hay una SMC para cada variableendógena. En el caso de la marca A vemos que la variaciónen la variable a largo plazo ha sido explicada en 90%, mien-tras que la del corto plazo se ha explicado en 84%, resultadosque consideramos muy satisfactorios.

4.6. Resumen de resultados del resto de marcasUn resumen de la interpretación de los resultados de lasestimaciones del resto de marcas sigue a continuación; latabla 6 muestra las principales variables causales según losdos métodos utilizados (ADF y Bootstrap), distinguiendo entreel corto y el largo plazos.

Tabla 4. Comparación de estimaciones Bootstrap vs ML (Marca A).

Estimate-0.177-0.308-0.1670.3960.410

-0.354-0.3600.326

MLS.E.

0.0190.0610.0610.0310.1120.0480.0440.076

C.R.-9.195-5.034-2.72312.8103.657

-7.361-8.233

Estimate-0.414-0.139-0.0750.5770.304

-0.612-0.6180.324

Covariances

ppva ← pdpmaEstimate

-13.092S.E.

1.897C.R.

-6.902

Variances

ppvaf2ppobalflppobalpdpmaz2z3z1

Estimate26.5800.9920.992

10.3350.4601.8611.460

S.E.3.3760.1260.1261.3130.0580.2360.185

C.R.7.8747.8747.8747.8747.8747.8747.874

Squared Multiple Correlations

cpoa12cpeatcpea

Estimate 0.9060.791

0.838Fuente:. Salida AMOS 4.01

BootstrapSE

0.020.060.060.040.110.040.050.09

SE-SE0.0010.0020.0020.0010.0040.0010.0020.003

Mean-0.176-0.306-0.1710.3990.403

-0.357-0.3540.334

Bias0.0010.002

-0.0040.003

-0.008-0.0030.0060.007

SE-Bias0.0010.0020.0030.0020.0050.0020.0020.004

SE0.0540.0300.0310.0540.0780.0730.0810.085

SE-SE0.0020.0010.0010.0020.0020.0020.0030.003

Mean-0.412-0.140-0.0790.5770.297

-0.617-0.6090.333

Bias0.002

-0.001-0.0040.000

-0.007-0.0050.0090.008

SE-Bias0.0020.0010.0010.0020.0030.0030.0040.004

SE2.534

SE-SE0.080

Mean-12.749

Bias0.343

SE-Bias0.113

SE3.6430.2260.1452.1120.0600.2450.224

SE-SE0.1150.0070.0050.0670.0020.0080.007

Mean25.9710.9970.993

10.0900.4471.8021.397

Bias-0.6080.0050.001

-0.246-0.013-0.059-0.062

SE-Bias0.1630.0100.0070.0940.0030.0110.010

SE0.0210.0360.031

SE-SE0.0010.0010.001

Mean0.9040.7890.837

Bias-0.002-0.002-0.001

SE-Bias0.0010.0020.001



Regression Weights

←←←←←←←←



←←←←←←←←

Standardized Regression Weights



Se analizan los resultados de la estimación ADF y se hace re-ferencia al Bootstrap donde existan diferencias significativas.

Lo primero a destacar es la consistencia de los resultados,que mantienen la importancia relativa de las variables enambos métodos alternativos. La marca E es la que recogealgunas diferencias de criterio entre el ADF y el Bootstrap,sustituyendo una variable por otra en el corto plazo, y alte-rando el orden de importancia en el largo plazo, donde ade-más añade una variable a la lista de relevantes. Esto puedetener que ver con tener esta marca el mayor grado de curtosismultivariante entre todas las marcas analizadas.

Recordar que las estimaciones de la marca G no los va-mos a interpretar por el mal ajuste de su modelo, por elloaparecen con la notación NA (no aplica).

En el corto plazo, todas las marcas muestran una sensibi-lidad importante hacia la variación de su posicionamientode precio, siendo una variable fundamental el diferencialdel precio con respecto a la media de la categoría.

Sobre la cuota del largo plazo predominan variables deprecio y distribución, ambas de posicionamiento de mar-ca, sin tener apenas presencia las variables de actividadpromocional, y sólo en un par de marcas aparecen lasvariables de actividad publicitaria como relevantes.

A continuación hacemos un repaso del resto de marcas,al haber presentado los resultados de la marca A en el apar-tado anterior.

• Marca BPara la marca B las variables más relevantes en la explica-ción de la cuota trimestral (cpob12) son el factor 1 de pre-

Tabla 5. Significancia estadística de las estimaciones Bootstrap (Marca A).

Regression Weights Mean-0.176-0.306-0.1710.3990.403

-0.357-0.3540.334

SE0.0230.0560.0620.0350.1130.0420.0530.086

C.R.-7.65-5.46-2.7611.403.57

-8.50-6.683.88

Standardized RegressionWeights Mean

-0.412-0.140-0.0790.5770.297

-0.617-0.6090.333

SE0.0540.03

0.0310.0540.0780.0730.0810.085

C.R.-7.63-4.67-2.5510.693.81

-8.45-7.523.92

CovariancesMean

-12.749SE

2.534C.R.

-5.03

Variences

ppvaf2ppobalf1ppobalpdpmaz2z3z1

Mean25.9710.9970.993

10.0900.4471.8021.397

SE3.6430.2260.1452.1120.0600.2450.224

C.R.7.134.416.854.787.457.366.24

Squared MultipleCorrelations

cpoa12cpeatcpea

Mean0.9040.7890.837

SE0.0210.0360.031

C.R.43.0521.9227.00




←←←←←←←←



←←←←←←←←

ppva ← pdpma

Tabla 6. Resumen de las variables causales sobre la cuota en el corto y en el largo plazo, según coeficientes de regresión estandarizados. Métodos ADF y Bootstrap.

Variables significativas

Modelo Marca A

Modelo Marca B

Modelo Marca C

Modelo Marca D

Modelo Marca E

Modelo Marca F

Modelo Marca G

Corto PlazoADFppvacpeatppvb

cpoc12ppvcppvdppvg

pfexeppva

ppvbppvf

NA

Boostrapppvacpeatppvb

cpoc12ppvcppvdppvg

pfexeppve*

ppvbppvf

Largo PlazoADF

pdpmappva

ppvd / ptomg ptomg/ pdpme

pdpmc/ pdpmeppvgppvd

prdira / prdirfppve

gabtpsosgppvb

Boostrappdpmappva

ppvd / ptomg ptomg/ pdpme

pdpmc/ pdpmeppvgppvdppve

prdira / prdirfppvb*ppvbgabt

* Variable significativa para el periodo según Bootstrap pero no con ADFFuente: Salida AMOS 4.01

Valores coeficientes de regresión estandarizados

ADF-0.5890.351

-0.726 0.673-0.460-0.6110.419

0.7880.493

0.827-0.447

NA

Boostrap-0.6090.333

-0.660 0.669-0.432-0.5960.392

0.536-0.423

0.704-0.296

NA

ADF0.571

-0.415-0.716

-0.694

-0.7210.611

-0.5390.537

-0.475

0.382-0.3740.366

NA

Boostrap0.577

-0.412-0.655

-0.681

-0.7100.559

-0.554-0.7370.4450.4010.3940.381

-0.361NA

Corto Plazo Largo Plazo



sión promocional del resto de marcas en el largo plazo, queestá compuesto en esta ocasión por el diferencial de preciode la marca D, y el recuerdo espontáneo de la publicidad dela marca G.

El signo negativo muestra como el incremento del valorde este factor, que resume la presión promocional y publi-citaria de la competencia, hace incurrir a la marca B en unapérdida de cuota en el largo plazo.

Con respecto a la cuota del periodo (cpeb) la asociaciónmás fuerte la tiene con el diferencial de precio del periodo,también de signo negativo, como explicamos para el casode la marca A.

• Marca CEl comportamiento de esta marca es similar a las dos ante-riores, aunque no tiene tanta dependencia del precio. Estodenota que esta marca es de imagen y quizás menosmasificada que las anteriores.

Los principales impactos causales en la cuota del perio-do los recibe de la cuota trimestral o baseline. En cuantoa esta última está influenciada por el factor uno de lapresión promocional y publicitaria del resto de marcas,formadas en este caso por el recuerdo espontáneo de lapublicidad de la marca G, y el diferencial de la distribuciónponderada de la marca E.

• Marca DSobre la marca del periodo la mayor causalidad la mues-tran los diferenciales de precio de la misma marca D y elde la marca G, que es una marca más barata, haciendo a lamarca D vulnerable a sus disminuciones de precio. En estaocasión un aumento en una unidad del diferencial de pre-cio de la marca G respecto a la media de la categoría haceaumentar la cuota de D en 0.42 unidades estándar.

La cuota trimestral sufre una influencia similar de las dosvariables de precio D y G, aunque en esta ocasión el peso de Gestá ligeramente por encima de la propia marca D.

Destaca la tremenda influencia de la cuota trimestral so-bre la cuota del periodo anterior.

• Marca EEsta marca representa el mayor índice de curtosismultivariante, muy por encima del resto de las marcas. Estolleva a que las estimaciones de ML difieran en mayor medi-da con los de ADF que en el resto de las marcas. A su vez lasolución ADF difiere en mayor medida del Bootstrap estándar.

Si interpretamos los resultados ADF vemos que sobre lacuota del periodo, la principal variable independiente es elfactor dos del mix promocional de la misma marca E, que

representa el diferencial de la acción conjunta del folleto yla exposición adicional (pfexe), lo que hace que esta marcasea muy sensible a la actividad promocional.

En importancia sobre el impacto en la cuota del periodosigue el diferencial de precio de la marca A, señalando a lamarca E como una alternativa a la marca A (más masificada)cuando esta última aumenta su diferencial de precios.

Sobre la cuota trimestral destaca la causalidad del factoruno de la presión promocional de otras marcas en el largoplazo, compuesto por el diferencial del regalo directo dela marca A (prdira) y el de la marca F (prdirf). Este resultadolo mostramos con cautela, ya que el signo positivo de la rela-ción lo hace difícil de interpretar teóricamente. Esta inconsis-tencia la achacamos de nuevo a la severidad de la ausenciade normalidad multivariante en el modelo de esta variable(índice de Mardia = 134,37; C.R. = 48,45) que hace los resul-tados menos consistentes que para el resto de marcas.

En segundo lugar destaca la importancia del diferencialde precio de la misma marca E sobre la cuota trimestral,confirmando la elasticidad de esta marca a la actividadpromocional y de precios.

Con respecto a los resultados del Bootstrap destaca lamayor importancia que obtiene el diferencial de precio dela marca B sobre la cuota trimestral y sobre la del periodo;y respecto al diferencial de precio de la propia marca E serefuerza el impacto sobre la cuota trimestral.

• Marca FLa marca F presenta un comportamiento en su cuota muydifuminado, al tratarse de las marcas de la distribución, res-pecto a la cuota del periodo destaca la importancia del dife-rencial de precio de la marca B, una de las líderes, seguidadel diferencial de precio de la misma marca F.

En cuanto a la importancia sobre la cuota trimestral des-taca por primera vez la presencia de la variable gabt, querepresenta el gasto medio familiar en alimentación, bebiday tabaco recogido por el INE, al ser esta relación de signopositivo interpretamos que con el incremento del gasto eneste concepto más hogares tienen acceso a esta categoría, yentran por una marca de bajo precio.

• Marca GCon este marca hemos obtenido el peor ajuste, y sus re-sultados no son por tanto fiables. No obstante Bollen (1989)recuerda que los índices de ajuste son relativos al pro-greso en el campo de estudio, que aunque hay valores decorte habitualmente utilizados, estos son arbitrarios. Uncriterio más práctico puede ser comparar los resulta-dos del ajuste de nuestro modelo con el de otros modelos



anteriores sobre el mismo fenómeno. En este caso no te-nemos noticias de ningún trabajo publicado al respecto,pero si lo podemos comparar con los ajustes obtenidospor nosotros mismos con las otras marcas, y por ello con-sideramos que estos datos no son interpretables por sufalta de fiabilidad.

5. Contraste de hipótesis

Se confirma la hipótesis 1.1 de que la actividad promo-cional no genera incremento en la cuota de la marca en ellargo plazo en una categoría madura como el whisky. Comohemos visto en los resultados de nuestro estudio las varia-bles de actividad promocional no tienen un impacto sig-nificativo en el largo plazo, y sólo provocan el anticipo dela compra.

En el corto plazo todas las marcas muestran una sensi-bilidad importante a la variación de su posicionamiento deprecio, con lo que se confirma la hipótesis 1.2 de que exis-ten otros elementos distintos de la actividad promocionalque causan la variación de la cuota de ventas de la marcaen el corto plazo. Las variables más significativas en la va-riación de la cuota tanto en el largo como en el corto plazoson las que hemos denominado variables causales de posi-ción de marca (la prima de precio y la distribución ponde-rada de la marca).

La prima de precio representa el posicionamiento relati-vo de la marca dentro de la categoría por encima o pordebajo del precio medio de la misma para un periodo de-

terminado; mientras que la distribución ponderada de lamarca representa la importancia que tiene la referenciaciónde la marca en los lineales de la gran distribución.

Conclusiones

En nuestra opinión ha quedado demostrada la hipótesisteórica planteada de que el incremento en la ventapromocional en una categoría madura, como es la de whis-ky, provoca un anticipo de la compra, y que realmente noroba cuota de mercado a otras marcas, sino que desplazael momento de la compra.

Las variables comerciales de posicionamiento de marca,como son el precio relativo (diferencial de precio) y presen-cia en tienda (diferencial de distribución ponderada) son lasque mejor explican la variación de la cuota de las marcas.

Creemos que la categoría de whisky en España, y porextensión las bebidas de alta graduación, cumple una seriede requisitos que la definen como ser un productomarquista (baja presencia relativa de marcas distribución);que es fácilmente almacenable (no es perecedero); y tieneun índice de consumo bajo (una botella al trimestre). Enel caso del whisky, al igual que para el resto de bebidas dealta graduación (a excepción de categorías emergentes comoel ron oscuro), la definimos como una categoría madura(incremento interanual inferior a 2%).

Otras categorías maduras que no cumplan estos requisi-tos mencionados tendrán un comportamiento diferente, don-de cabe que la promoción haga crecer la categoría (refres-

Tabla 7. Descripción de notación de las variables del modelo (la última letra de cada variable representa la marca a la que hace referencia).

VVVVVariables dependientes (endógenas)ariables dependientes (endógenas)ariables dependientes (endógenas)ariables dependientes (endógenas)ariables dependientes (endógenas)

• Las tres variables dependientes las hemos mantenidoen el modelo definitivo de cada marcacpoz12 = cuota promedio de 12 semanas de la marca Zcpez = cuota marca Z del periodo tcpezt = cuota marca Z periodo t-1

VVVVVariables independientes (exógenas)ariables independientes (exógenas)ariables independientes (exógenas)ariables independientes (exógenas)ariables independientes (exógenas)

• Hemos mantenido en todos los modelos las siguientesvariables independientes• ppvz = diferencial de precio de marca Z respecto a la media de la categoría• pdpmz = diferencial de distribución ponderada de marca Z respecto media de categoría, esta variable denota la presencia de la marca en el lineal de los hipermercados• Estas dos últimas variables son las que habíamosdefinido como de posicionamiento de marca.• En cuanto a la explicación de las variablespromocionales y publicitarias, todas ellas empiezanpor p, que representa el diferencial de distribuciónponderada de una determinada actividad respecto ala media de la categoría.

VVVVVariables promocionalesariables promocionalesariables promocionalesariables promocionalesariables promocionales

• Las variables promocionales representan lasdistribuciones ponderadas de una determinadaactividad en los hipermercados. Se entienden como lapresencia en tienda de alguna actividad promocional.

Se distinguen entre 6 actividades distintas como sigue:• pfexz = diferencial de la distribución ponderada de la actividad de folleto y exposición de marca Z (al mismo tiempo) respecto a la media de

la categoría• pexsoz = idem de la exposición sola de marca Z• pfosoz = idem de folleto sólo de marca Z• prdirz = idem del regalo directo de marca Z• prtpz = idem de la reducción temporal de precio de marca Z• presz = idem del resto de promociones de marca Z

VVVVVariables publicitariasariables publicitariasariables publicitariasariables publicitariasariables publicitarias

• psosz = Parte del gasto total en publicidad en la categoría que realiza la marca Z (Share of spend).• prepz = diferencial del recuerdo espontáneo publicidad de marca Z frente a la media de la categoría.• ptomz = diferencial del recuerdo espontáneo de marca para marca Z frente a la media

VVVVVariables resumen (derivadas)ariables resumen (derivadas)ariables resumen (derivadas)ariables resumen (derivadas)ariables resumen (derivadas)

• Las variables que empiezan por ‘f ’ son los factorescreados como nuevas variables extraídos porComponentes Principales y que resumen varias vari-ables de presión promocional y publicitaria de otrasmarcas distintas de la del modelo.• La penúltima letra es la marca y la última letra denotasi afectan el corto plazo (c) o el largo plazo (l), es decir

a la cuota del periodo o a la del promedio de 12 semanas(trimestral).f1ppobzc = Es el primer factor de presión promocional del resto de marcas (other brands) sobre la marca Z en el corto plazo (c)• En uno de los modelos, el de la marca E hemos creadofactores resumen de variables independientes del mixde promoción y publicidad de la propia marcaf1ppme = Primer factor de presión promocional de la marca E

VVVVVariable externaariable externaariable externaariable externaariable externa

• Hemos considerado una variable externa, norelacionada con la dinámica comercial, que es elporcentaje del gasto del hogar dedicado a alimentación,bebida y tabaco.• gabt = porcentaje del gasto del hogar dedicado a alimentación, bebida y tabaco.

VVVVVariables latentesariables latentesariables latentesariables latentesariables latentes

• Las variables latentes de los modelos inicialesrepresentan el constructo bien de la presiónpromocional o bien de la presión publicitaria de unamarca Z.• En los modelos finales no tenemos variables latentes,y son todas observables. Las variables latentes seutilizaron en algunos modelos descartados.



Alvarez, M. B. (2002). El proceso de elección de marca

por el consumidor: incidencia de los precios de referencia

y las promociones. Tesis doctoral. Universidad

de Oviedo.

Bawa, K. y R. W. Shoemaker (1987). “The effect

of a direct mail coupon on brand choice

behaviour”, Journal of Marketing Research. Vol.

24.

Bollen, K.A. (1989). Structural Equations with La-

tent Variables. Wiley Series in Probability and

Mathematical Statistics.

Byrne, B. M. (2001). Structural Equation Modeling

with AMOS: Basic Concepts, Applications, and Pro-

gramming. Lawrence Erlbaum Associates, Inc.

Publishers.

Cotterill, R.W.; W. P. Putsis; y R. Dhar (2000).

“Assessing the Competitive Interaction Be-

tween Private Labels and National Brands”,

Journal of Business. Vol.73 (1).

Guadagni, P. M. y J. D. C. Little (1983). “A Logit

Model of Brand Choice Calibrated on Scan-

ner Data”, Marketing Science. Vol. 2, summer.

Hardesty, D. M. y W. O. Bearden (2003). “Con-

sumer Evaluations of Different Promo-

tion Types and Price Presentations: The

cos y cervezas); o donde el índice de consumo es mayor ose produzca un robo de cuota a la competencia donde laposición de las marcas de distribuidor es más fuerte (ali-mentos enlatados) y las marcas de fabricante no tienen tan-ta relevancia. Por todo lo anterior la interpretación de losresultados aquí obtenidos para otras categorías de gran con-sumo debe hacerse con cautela.

Se ha demostrado también que marcas con distinto posi-cionamiento y cuota de mercado se comportan de formadiferente frente a la actividad promocional. Hablamos devariables importantes que se mostraban consistentementea lo largo de todas las marcas, pero la intensidad de la in-fluencia de esas variables no es constante, y según la marcaanalizada se muestra una elasticidad–precio distinta. Encuestión de elasticidades cruzadas, las marcas de menor

Bibliografía

imagen soportan unas elasticidades cruzadas más elevadas,al sufrir pérdida de cuota cuando el precio de una marcalíder se acerca al suyo.

Como decíamos al principio las implicaciones de los re-sultados para la gestión empresarial son importantes, al te-ner que replantearse seriamente el fabricante sus priorida-des de inversión, siendo la inversión en actividad promo-cional poco eficaz respecto al incremento del volumen deventas, provocando simplemente un desplazamiento delmomento de la compra. Hay que conocer la realidad delsector para darse cuenta de hasta que punto el fabricantees libre de elegir su inversión o se ve empujado a ello por lapresión de los minoristas de generar dinámica promocionalen sus tiendas y obtener una aportación del fabricante paraequilibrar su cuenta de resultados.

Moderating Role of Promotional Benefit

Level”, Journal of Retailing. Vol. 79.

Mela, C. F.; K. Jedidi y D. Bowman (1998). “The

long-term Impact of Promotion on Con-

sumer Stockpiling Behaviour”, Journal of Mar-

keting Research. Vol. 35, May.

Narasimhan, C. y R. T. Wilcox (1998). “Private

Labels and the Channel Relationship: A

Cross-Gategory Analysis”, Journal of Business.

Vol.71.

Nevitt, J. y G. R. Hancock (2001). “Performance

of Bootstrapping Approaches to Model

Test Statistics and Parameter Standard

Error Estimation in Structural Equation

Modeling”, Structural Equation Modeling

(LEA). 8 (3).

Olsson, U. H.; T. Foss; S. V. Troye y R. D. Howell

(2000). “The Performance of ML, GLS, and

WLS Estimation in Structural Equation

Modeling under Conditions of Misspeci-

fication and Nonnormality”, Structural Equa-

tion Modeling. (LEA.). 7 (4).

Rothschild, M. L. y W. C. Gaidis (1981).

“Behavioural Learning Theory, its Relevance

to Marketing and Promotions”, Journal of Mar-

keting research. 45 (2).

Sethuraman, R. (1992). “The Effect of Market-

place Factors on Private Label Penetration

in Grocery Products”, Working Paper, Mar-

keting Science Institute, 92-128.

Taylor Nelson Sofres (2003). Estudio de

comportamiento de compra de bebidas alcohólicas.

Realizado para Diageo España. Documento

privado.

Trivedi, M. (1999). “Using Variety Seeking Based

Segmentation to Study Promotional Re-

sponse”, Academy of Marketing Science Journal.

Winter. 27 (1).

Velilla, S. (1995). “Diagnostics and Robust Estima-

tion in Multivariate Data Transformations”,

Journal of American Statistical Asociation. No. 90.

Yoo, B.; N. Donthu y S. Lee (2000). “An Examina-

tion of Selected Marketing Mix Elements

and Brand Equity”, Journal of the academy of

Marketing Science. 28 (2).

Young, Y. F. y P. M. Bentler (1996). “Bootstra-

pping Techniques in Analysis of Mean

and Covariance Structures”, in G. A. Mar-

coulides y R. E. Schumaker (eds.). Advan-

ced Structural Equation Modelling: Issues and

Techniques. Mahwah, NJ: Lawrence Erlbaum

Associates.

el adelanto de la compra como efecto de la promoción de ventas en productos de gran consumo

Documents