← 14 · La lección: señal frente a ruido F14

Una de cada cinco ventas no tiene nota y hay que saber por qué

La pregunta de esta página

¿La satisfacción de quien contesta representa a todas las ventas?

1 El problema

El 20,04 % de las ventas válidas no tiene satisfacción. Las páginas 12 y 13 trabajan con las que sí la tienen y dan medias, clasificaciones por provincia y correlaciones con el importe.

2 Por qué engaña

Si contestar la encuesta depende de algo, lo que se mide es la satisfacción de quien contesta. Los clientes enfadados responden más en unos negocios y los contentos en otros; si una región contesta menos, su media sale de un grupo que no se parece al resto.

Ninguna técnica aplicada después lo arregla, porque el sesgo está en qué filas llegaron a la tabla.

3 El principio

Antes de analizar lo que hay, preguntar por lo que falta
Si la proporción de ausentes es igual en todos los grupos, la ausencia es compatible con el azar, al menos en lo que esos grupos permiten ver. Si cambia, el análisis necesita corregirla o decir claramente a quién representa.

4 La solución

Cruzar la marca de «falta» con cada variable que la podría explicar y contrastar si la proporción cambia de un grupo a otro, con una prueba de chi-cuadrado por variable.

5 Qué pasa con estos datos

¿Depende de…? Chi-cuadrado p
Provincia 45,85 (51 gl) 0,6777
Año 0,75 (7 gl) 0,9979
Producto 5,74 (7 gl) 0,5703
Categoría 0,59 (1 gl) 0,4431

Ninguna de las cuatro variables cambia la proporción de ausentes: todas dan p por encima de 0,05. Con estas cuatro variables, la ausencia es compatible con el azar. Queda sin cruzar con el importe y la cantidad, que son justo las variables de la página 13, así que para esa página la comprobación no está completa.

Lo que esta prueba no puede ver
Solo mira variables que están en el fichero. Si los que no contestan son los insatisfechos, la ausencia depende de la propia nota que falta. Ningún cruce lo detecta. Para descartarlo haría falta preguntar a una muestra de los que no contestaron.

6 Para qué sirve

Encuestas, formularios opcionales, valoraciones en una tienda online, cualquier dato que alguien decide si da o no. Junto a cualquier media de satisfacción conviene dar el porcentaje de ausentes y su prueba.

El detalle técnico

Chi-cuadrado de independencia entre la marca de ausencia y cada variable, sobre las ventas válidas. En términos técnicos, la prueba es compatible con una ausencia completamente aleatoria (MCAR) y no puede descartar la que depende del valor que falta (MNAR).

Cruzar la ausencia con cada variable 
falta = ventas["satisfaccion"].isna()
for col in ["reg", "anio", "prod", "cat"]:
    tabla = pd.crosstab(ventas[col], falta)       # cuantas faltan en cada grupo
    chi2, p, gl, _ = chi2_contingency(tabla)       # ¿cambia la proporcion de un grupo a otro?

Fuente: eda.json, campo ausencia_satisfaccion.