Influencia del contexto del turista en el CBDBE. Una aplicación empírica del efecto que otros turistas de su entorno geográfico ejercen en la valoración del CBDBE

INFLUENCIA DEL CONTEXTO DEL TURISTA EN EL CBDBE. UNA APLICACIÓN EMPÍRICA DEL EFECTO QUE OTROS TURISTAS DE SU ENTORNO GEOGRÁFICO EJERCEN EN LA VALORACIÓN DEL CBDBE Frías Jamilena, Dolores María; Polo Peña, Ana Isabel; Chica Olmo, Jorge; Cano Guervos, Rafael Universidad de Granada RESUMEN En el presente trabajo se examina la influencia que el valor contextual de un turista alcanza en el capital de marca de un destino turístico (medido a través del modelo de Customer Based Destination Brand Equity, CBDBE). El objetivo de este trabajo es identificar un modelo explicativo del CBDBE de un turista considerando el efecto indirecto de otros turistas pertenecientes a su mismo entorno geográfico, en base a las variables antecedentes de auto-congruencia, motivación y creación de valor. Se ha encontrado que junto al efecto directo de las variables antecedentes en el CBDBE de un turista, existe un efecto indirecto de estas mismas variables antecedentes ejercido por otros turistas del mismo entorno geográfico. Se utilizó un modelo econométrico espacial que incluye el efecto indirecto que otros turistas del mismo entorno geográfico ejercen en la valoración del CBDBE alcanzada por un turista determinado. Los resultados alcanzados representan una aportacion a la literatura y para el sector profesional. Palabras clave: Consumer-based Destination Brand Equity, Auto-congruencia, Motivaciones, Creación de Valor, Econometría espacial, Lógica Dominante del Servicio. ABSTRACT The present work examines the contextual value of a tourist in the brand equity of a tourist destination, measured by means of the Customer-Based Destination Brand Equity (CBDBE) Model. The aim of the study is to identify an explanatory model of CBDBE for a tourist, considering the indirect effect of other tourists from the same geographical area, based on the antecedent variables of self-congruity, motivation and value-creation. The investigation finds that, together with the direct effect of the antecedent variables on tourist CBDBE, these variables also exert an indirect effect, via other tourists from the same geographical area. A spatial econometric model is used, which includes the indirect effect that tourists from the same geographical area exert on the evaluation of CBDBE made by a given tourist. The results of the present study make a contribution to both the literature and to the professional sector. Keywords: Consumer-based Destination Brand Equity, Self-congruence, Motivations, Valuecreation, Spatial Econometric, Dominant Logic service. XXIX CONGRESO DE MARKETING AEMARK 2017 1251 de 1617 ÍNDICE TRABAJOS PONENCIAS MT Introducción Los destinos turísticos pueden considerarse una unidad prioritaria de análisis en el campo de la investigación en turismo y requieren del desarrollo de actuaciones que les permita alcanzar una ventaja competitiva. Una de las estrategias más importantes es la creación de una marca competitiva. La literatura especializada en capital de marca aporta el modelo llamado Consumer-based Brand Equity (CBBE) desarrollado por Aaker (1991, 1996) y Keller (1993, 2003). Este modelo representa un instrumento con el que evaluar y medir las percepciones de los turistas de la marca de un destino turístico (Pike y Bianchi, 2013). De forma contextualizada en el sector turístico, la mayoría de la literatura se ha centrado en poner de manifiesto la efectividad del Consumer-based Destination Brand Equity (CBDBE) y las relaciones que existen entre sus dimensiones (p.e.: Boo et al., 2009). Sin embargo, son pocos los trabajos que intentan identificar sus variables antecedentes a partir de las que se puede incentivar un mayor nivel de CBDBE. Uno de ellos es el trabajo de Ferns y Walls (2012) que proponen un modelo que incluye los efectos de la implicación en los viajesen el CBDBE. Y otro el de Frías et al. (2016) en el que identifican que la creación de valor que alcanza el turista a través de las interacciones que éste mantiene con distintos participantes en el destino turístico es un antecedente del CBDBE. En ambos trabajos los antecedentes recogidos se refieren a variables del consumidor medidas sobre la propia valoración que hace el turista. Sin embargo, cuando se trata de explicar el comportamiento del consumidor, es de extrema utilidad considerar su ecosistema, dado que su comportamiento queda finalmente influido por otros factores externos, tales como son las evaluaciones de personas con las que de forma habitual interactúa (amigos, familiares, vecinos, etc.) (Vargo y Lusch, 2011, 2016). Desde la Lógica Dominante del Servicio, el contexto del consumidor pasa a considerarse un aspecto central de su comportamiento (Vargo y Lusch, 2011, 2016). Parte del contexto del consumidor puede quedar determinado por un vecindario o la subcultura que representa a un colectivo de personas similares, y en consecuencia por la proximidad geográfica en la que vive e interactúa (Allen, 2002; Algesheimer y Gurau, 2008). La proximidad geográfica es un mecanismo que permite a los individuos interactuar entre ellos en su día a día, compartir aspectos socioculturales parecidos (Vargo y Lusch, 2011; Allen, 2002) y convertirse en actores o participantes indirectos de las evaluaciones de un consumidor (Allen, 2002; Vargo y Lusch, 2011, 2016). Por tanto, el estudio de las variables antecedentes del CBDBE ha de hacerse considerando que el comportamiento del consumidor está influenciado tanto por variables antecedentes medidas en base a las propias evaluaciones del consumidor, como por variables de su contexto, externas a éste (como pueden ser las evaluaciones que hacen otros turistas de su entorno geográfico) (Allen, 2002; Vargo y Lusch, 2011). Así, resulta de interés conocer primero cuáles son las variables antecedentes del comportamiento del turista (en este caso en relación con la CBDBE) para en segundo lugar, conocer si la valoración de dichas variables antecedentes por parte de otros turistas de su mismo entorno geográfico influyen en la valoración finalmente alcanzada por el turista. En primer lugar, con respecto a las variables antecedentes del CBDBE, el trabajo de Ekinci y Hosany (2006) sugiere utilizar la personalidad de un destino como base para la construcción de una marca, para entender la percepción sobre el destino de los visitantes y crear una identidad única con una localización turística. En este sentido, muchos estudios han demostrado la relevancia de la teoría de auto-congruencia y la necesidad de su aplicación en el ámbito turístico (Beerli et al., 2007; Boksberger et al., 2010). Otra variable muy importante para la literatura especializada en el comportamiento del turista es la de la identificación de las motivaciones de los turistas. La identificación de las motivaciones de un turista es fundamental en el proceso de selección de un destino, y su XXIX CONGRESO DE MARKETING AEMARK 2017 1252 de 1617 ÍNDICE TRABAJOS comportamiento una vez en el destino (Esper y Rateike, 2010; Moreno-Gil y Martín-Santana, 2013). Otra variable a considerar es la experiencia alcanzada por el turista con el destino turístico que puede ser recogida a través de la variable de creación de valor, basada en la perspectiva de la Lógica Dominante del Servicio (LDS) (Vargo y Lusch 2006, 2008). Investigaciones previas sugieren que la creación de valor por el turista tiene un impacto en la evaluación que éste hace de la marca del destino (Frías et al., 2016; Mohd-Any et al., 2014). En segundo lugar, se ha de analizar la influencia que las variables contextuales pueden ejercer (en este caso la influencia que otros turistas del mismo entorno geográfico ejercen en la valoración alcanzada por el turista). La literatura reconoce la influencia de las variables contextuales del entorno del consumidor (p.e.: Allen, 2002; Vargo and Lusch, 2011), pero hasta la fecha no se ha llevado a cabo ninguna aplicación empírica que contribuya a cuantificar la importancia que este efecto ejerce en el comportamiento del consumidor de forma concreta para el ámbito turístico. A partir de lo anterior, el objetivo de este trabajo se centra en la identificación de un modelo explicativo del comportamiento del consumidor que permita identificar el efecto que el contexto ejerce en la evaluación de un turista del destino que ha visitado. Para ello se recogen conjuntamente variables antecedentes del CBDBE medidas sobre la base de las evaluaciones del turista (concretamente las variables de auto-congruencia, motivación y creación de valor) a partir de las que también se medirá la influencia que ejercen otros turistas pertenecientes al mismo entorno geográfico a través de las variables antecedentes antes indicadas. Para alcanzar este objetivo, se han utilizado técnicas de econometría espacial (Anselin, 1988). Hasta ahora, esta metodología no ha sido aplicada para explicar el comportamiento del consumidor, ni de forma concreta para identificar el efecto que variables del entorno del turista ejerce en la valoración de su CBDBE. Una buena comprensión de la influencia que ejerce la estructura del entorno geográfico del turista contribuye a explicar de forma más completa su comportamiento, al identificar la parte de su comportamiento que quedaría explicada en base a la propia evaluación que realiza el turista y la parte que responde a factores de su contexto. Este conocimiento es de utilidad de cara a establecer patrones de modelos de desarrollo del mercado y de sus tendencias, y establecer un enfoque de marketing que posibiliten el desarrollo de estrategias de mercado más eficaces (Algesheimer y Gurau, 2008), como es la consecución de un mayor nivel de CBDBE. 1. Revisión de la literatura 2.1. Consumer-based destination brand equity La medida del CBBE se basa en la premisa de comprender cómo las iniciativas de marketing impactan en el aprendizaje y en el recuerdo de la información sobre la marca (Pike 2010). De acuerdo con Keller (1993), CBBE puede conceptualizarse como “… el efecto diferencial del conocimiento de la marca en la respuesta del consumidor al marketing de la marca”. Las asociaciones favorables, fuertes y únicas se denominan asociaciones primarias e incluyen creencias y actitudes que abarcan los beneficios percibidos de una determinada marca. La mayoría de los trabajos que miden el CBDBE utilizan las siguiente dimensiones: (a) conocimiento de la marca; (b) calidad de la marca; (c) imagen de la marca; (d) valor de la marca y (e) lealtad a la marca (p.e.: Kladou y Kehagias, 2014; Zavattaro et al., 2015). El conocimiento de marca representa la fuerza de la presencia de la marca en la mente del público objetivo a lo largo de un continuum (Aaker 1996). En la literatura, la calidad de la marca ha sido utilizada de forma intercambiable con la calidad percibida (Aaker 1991; Zeithaml, 1988). La calidad percibida puede ser considerada como la percepción de la calidad global o superioridad de un producto o servicio en relación con otras alternativas que pueden ser utilizadas para la misma finalidad (Keller, 2003, p.238). La imagen es la dimensión de la marca que ha recibido una mayor atención por la literatura (Gartner y Konečnik-Ruzzier, 2011). La XXIX CONGRESO DE MARKETING AEMARK 2017 1253 de 1617 ÍNDICE TRABAJOS imagen de marca ha sido considerada como la percepción razonada o emocional que los consumidores atribuyen a una determinada marca (Dobni y Zinkhan, 1990; Keller, 2003). El valor percibido de un servicio hace referencia a los beneficios que los clientes consideran que reciben en relación con los costes asociados con el consumo de la marca (McDougall y Levesque, 2000). Zeithaml y Bitner (2000) sugieren que el valor percibido es una evaluación global de la utilidad de un servicio, basada en las percepciones del cliente acerca de lo que ha recibido y su precio. Por otra parte, la lealtad de marca ha sido definida como el apego que un cliente tiene hacia la marca (Aaker, 1991). La habilidad para alcanzar una mayor lealtad hacia la marca es un objetivo muy importante de la gestión de marca (Boo et al., 2009). En línea con la revisión de la literatura, en este trabajo se considera que el CBBE de un destino visitado queda formado por cinco dimensiones, de forma específica: el conocimiento de marca, la imagen de marca, la calidad de marca, el valor de marca y la lealtad hacia la marca. 2.2. Influencia de la auto-congruencia, motivación y creación de valor sobre el CBDBE Un amplio cuerpo de la literatura utiliza variables del consumidor para explicar su comportamiento, investigando los mecanismos a través de los que los consumidores utilizan los elementos, los desarrollan y alcanzan un sentido de coherencia individual. Una variable a este respecto es la de auto-congruencia, que puede ser definida como “la combinación o grado de alineamiento entre la imagen de un producto o marca y el auto-concepto del consumidor (Sirgy, 1985). Se han identificado cuatro tipos de auto-congruencia: la auto-congruencia actual, la autocongruencia ideal, la auto-congruencia social y la auto-congruencia social ideal (Sirgy, 1985). De éstas, la auto-congruencia actual e ideal son las más utilizadas habitualmente para expresar el auto-concepto en los estudios del comportamiento del turista (Hosany y Martín, 2012), por tanto, esas dimensiones constituyen la base del presente estudio. En la literatura se encuentran trabajos que relacionan la auto-congruencia con variables del comportamiento del consumidor, en variables propias de la etapa previa al viaje como son la motivación y elección del destino (Ahn et al., 2013; Beerli et al., 2007), y otras relativas a las variables posteriores a la compra como son la satisfacción, la intención de revisita y de recomendación (Liu et al., 2012). Además, Hosany y Martín (2012) investigan la relación entre auto-congruencia, experiencia, satisfacción e intención de recomendación en el ámbito turístico. Basándonos en estudios previos, y en línea con el trabajo de Aaker (1996), se ha de destacar que la característica principal de la auto-congruencia es que el consumidor prefiere marcas cuya personalidad es congruente con él mismo. Por tanto, es esperable que cuanto menor sea la distancia entre la personalidad de marca de un destino y el auto-concepto del turista, más positiva sea la evaluación alcanzada sobre la marca del destino. Otra variable de gran influencia en el comportamiento del consumidor es la motivación. Desde el punto de vista del consumidor, los motivos son las razones que conducen al comportamiento de compra (Assael, 1984); y que una vez activado, pasan a convertirse en verdaderas motivaciones (Kagan, 1972). En el ámbito turístico, las motivaciones son la base en la que los individuos sienten la predisposición para hacer el viaje; y la necesidad de viajar genera la motivación para viajar (Kozak, 2002). Son varios los trabajos existentes en la literatura que recogen el efecto de las motivaciones sobre variables del comportamiento del consumidor. Un número de estudios llevados a cabo sobre la base de destinos turísticos han indicado una clara influencia de la motivación en la imagen del destino (Baloglu y McCleary, 1999; Esper y Rateike, 2010), en la lealtad hacia el destino (Yoon y Uysal, 2005) y en el valor percibido (Prebensen et al., 2013; Yoon y Uysal, 2005). En esta línea, Mahatoo (1989) demostró que a mayor asociación entre las percepciones de un consumidor de una marca determinada y sus motivaciones, existe mayor probabilidad de que se elija esa marca en lugar de otras. De forma similar, Ponnam (2011) afirmó que los consumidores prefieren aquellas marcas que están relacionadas de forma más cercana con sus motivaciones, demostrando que las motivaciones del consumidor son un importante antecedente del CBBE. XXIX CONGRESO DE MARKETING AEMARK 2017 1254 de 1617 ÍNDICE TRABAJOS Otra variable que ejerce una influencia en la CBDBE es la de creación de valor. En línea con el paradigma de la LDS (Vargo y Lusch, 2006, 2008), la creación de valor está alcanzando una cada vez mayor importancia en la literatura de marketing. La LDS describe que el servicio es el objetivo central del intercambio, destacando que el servicio ha de ser experimentado por el consumido, y provee un marco teórico de cómo las empresas, clientes y otros participantes del Mercado contribuyen a la creación de valor. Esta perspectiva del servicio centrada en la creación del valor empatiza en la interacción entre clientes y suministrador como elemento central de la creación de valor (Grönroos, 2011; Grönroos y Voima, 2013). La LDS mantiene que las marcas han de comprender la perspectiva del cliente y son el resultado de la participación de distintos participantes del mercado (como son los clientes, suministradores u otros participantes) (Brodie et al., 2006; Vargo y Lusch, 2008). Esta perspectiva está en línea con el marco propuesto por Aaker, en el que se sugiere que las percepciones del cliente en cuanto a una marca pueden ser formadas y son influidas por cualquier contacto que los clientes mantengan con la marca (Aaker, 1996; Fournier, 1998). Como resultado, los clientes son considerados para ser creadores activos del capital de marca a través de sus interacciones con los suministradores y otros participantes (Brodie et al., 2006; Ind y Bjerke, 2007). Las interacciones entre clientes, suministradores y otros participantes del mercado son recogidas en el concepto de creación de valor (Grönroos y Voima, 2013; Heinonen et al., 2010). Entonces, la creación de valor juega un papel importante en la formación de la marca (Brodie et al., 2006) y por tanto, influirá en la valoración del CBDBE (Frías et al., 2016). 2.3. Influencia del contexto del consumidor en el CBDBE: influencia de las valoraciones de otros turistas del mismo ámbito geográfico Desde la LDS se reconoce la importancia del contexto en el comportamiento del consumidor (Vargo y Lusch, 2011, 2016). El contexto del consumidor queda influido por la proximidad geográfica que determina la pertenencia a un vecindario y a una subcultura que representa a colectivos del mismo tipo de personas, que van a proveer estructuras y mecanismos necesarios a través de los que llevan a cabo sus actividades (Algesheimer y Gurau, 2008; Allen, 2002). En esta línea, Briley et al. (2000) tratan de incorporar la influencia del contexto en el comportamiento del consumidor. Los patrones sociales de consumo analizan la influencia de varias de las estructuras institucionales y sociales, como es la de comunidad en la que interactúa de forma habitual el consumidor, dentro de su proceso de consumo (Allen, 2002; Dobscha y Ozanne, 2001). El mecanismo en base al que se articulan las anteriores comunidades de consumo requiere de que se establezca algún tipo de interacción entre el consumidor y el resto de miembros (Allen, 2002). Basarse en el entorno geográfico del consumidor es de gran utilidad en marketing dado que permite poder delimitar de forma objetiva a grupos de consumidores con comportamientos similares (Berry et al., 1991; Mok y Iverson, 2000) y delimita la capacidad de influencia e interacción regular que pueden mantener unos miembros con otros (Polo et al., 2015; Shaw y Williams, 2009), y en consecuencia de las acciones de marketing dirigidas a estos colectivos. Este efecto es de particular importancia en el sector servicios, dado que los clientes perciben un alto riesgo en la elección de un servicio (Fombrun, 1996; Hardaker y Fill, 2005; Kim y Choi, 2003). Debido a la intangibilidad de los servicios, las características de la marca podrían ser más difíciles de evaluar para los clientes y entonces, las empresas de servicios pueden ser más sensibles a las opiniones de los clientes, en comparación con otro tipo de empresas (Fombrun, 1996; Kim y Choi, 2003). Además de lo anterior, en el sector turístico el coste de oportunidad asociado al consumo de estancias turísticas, lleva a que su consumo sea de alta implicación para el turista y otorgue una gran importancia a las opiniones y valoraciones de otros turistas de su entorno más inmediato. Así, se reconoce que las recomendaciones que dan otros turistas sobre una oferta turística son muy creíbles y ejercen una gran influencia en el comportamiento del turista (Moliner et al., XXIX CONGRESO DE MARKETING AEMARK 2017 1255 de 1617 ÍNDICE TRABAJOS 2011; Reichheld, 2003). De hecho, en la literatura sobre turismo destaca la relevancia del efecto de la comunicación boca-oído entre los turistas (Moliner et al., 2011; Reichheld, 2003). De forma previa se ha analizado el efecto que la pertenencia a una comunidad en variables del comportamiento del consumidor como son las implicaciones en la percepción de la marca (McWilliam, 2000), la lealtad del cliente (Algesheimer et al., 2005; Rosenbaum et al., 2005), o la acción social e influencia social en comunidades virtuales (Bagozzi y Dholakia, 2002; Dholakia et al., 2004). Si bien, aunque no se ha llevado a cabo ningún estudio que permita cuantificar el grado de influencia que otros turistas del mismo entorno geográfico ejercen sobre la valoración del CBDBE alcanzada por un turista en base a las variables antecedentes de éste (auto-congruencia, motivación y creación de valor), atendiendo a la literatura anterior y dado que el CBDBE recoge varias variables del comportamiento del consumidor, es de esperar que las evaluaciones de turistas que previamente hayan visitado un destino y próximos geográficamente tengan un efecto sobre la percepción que un turista tiene sobre el CBBE del destino tras su visita. Por tanto, se proponen las siguientes hipótesis: H1 La auto-congruencia de turistas que pertenecen a un mismo entorno geográfico influye en el CBDBE alcanzado por un turista. H2 La motivación de turistas que pertenecen a un mismo entorno geográfico influye en el CBDBE alcanzado por un turista H3 La creación de valor de turistas que pertenecen a un mismo entorno geográfico influye en el CBDBE alcanzado por un turista. 2. Metodología 3.1. Población y muestra La población de turistas en España fue considerada como la base para el desarrollo del trabajo empírico. España es considerado uno de los destinos turísticos internacionales más representativos del mundo en términos de llegada de turistas de otros países (OMT, 2015). De estos, los turistas británicos representan el principal segmento de turistas que llega a España (Frontur, 2014). De ahí, el interés desde el punto de vista de gestión y desarrollo del segmento de turistas británicos, de analizar si dentro del área geográfica de Reino Unido se encuentran diferencias de comportamiento de los turistas atendiendo a su proximidad geográfica. La muestra fue generada utilizando un muestreo por cuotas dado que esta técnica consigue alcanzar una estructura similar a la de la población bajo estudio. El cuestionario se dirigió a turistas británicos a través de encuestas administradas de forma personal. Los turistas fueron encuestados al final de su estancia turística en España, asegurando de esta forma que su experiencia con el destino España era reciente y completa. Se seleccionaron varias regiones para administrar la encuesta con la finalidad de que la muestra alcanzada fuese representativa considerando las distintas especialidades turísticas elegidas por los turistas. Para el turismo de sol y playa las zonas elegidas fueron: las Islas Canarias, Islas Baleares, Cataluña, Andalucía y la Comunidad Autónoma de Valencia. Para el turismo cultural se eligió: Cataluña la Comunidad Autónoma de Madidd, Andalucía y la Comunidad Autónoma de Valencia. Finalmente, para turismo rural se consideró: Andalucía, Cataluña, la Comunidad Autónoma de Castilla y León y Asturias. Este marco asegura que en la muestra alcanzada se representa el conjunto de España como destino turístico. Finalmente, se alcanzaron 503 encuestas. Con el número de respuestas alcanzado y para un intervalo de confianza del 95% en el caso de una proporción estimada en la que p=q=0,5 y asumiendo los supuestos de un muestreo aleatorio simple, el error muestral fue de ± 3,12%. El perfil de los encuestados era similar al de otros estudios llevados a cabo en turismo. Había un número similar de mujeres (52,90%) y hombres (47,10%). La edad de la mayoría de los encuestados se situaba entre 30–44 años (30,00%) o 45–65 años (30,20%), seguido por aquellos con menos de 30 años (23,10%), y por encima de 65 años (13,70%). La mayoría de los turistas mostraban una situación de empleados (56,90%). XXIX CONGRESO DE MARKETING AEMARK 2017 1256 de 1617 ÍNDICE TRABAJOS 3.2. Medida de las variables Auto-congruencia, motivación, creación de valor y localización geográfica del lugar de residencia de los turistas fueron utilizadas como variables independientes. La medición de estas variables se llevó a cabo de la siguiente forma: - Auto-congruencia: se utilizó una escala de 7 puntos tipo Likert con 4 ítems propuesta por Malär et al. (2011) y adaptada por Sirgy et al. (1997). La escala incluyó dos dimensiones: autocongruencia ideal (2 ítems) y auto-congruencia actual (2 ítems). - Motivación: se utilizó una escala de 7 puntos tipo Likert con 13 ítems, que incluía 4 dimensiones: utilitaria (3 ítems); socialización (3 ítems); auto-expresión (3 ítems); y conocimiento (3 ítems). Esta escala fue adaptada a partir de trabajos de la literatura (Fodness, 1994; Moreno-Gil y Martín-Santana, 2013). - Creación de valor: se utilizó la escala propuesta en Frías et al. (2016), una escala de 7 puntos tipo Likert con 15 ítems, repartidos en tres dimensiones: creación de valor en la etapa de previsita (5 ítems); creación de valor durante la etapa de visita (5 ítems); y creación de valor en la etapa de post-visita (5 ítems). - La localización del lugar de residencia de cada uno de los turistas fue recogido a partir de su geo-referencia utilizando las coordenadas UTM. Por otra parte, CBDBE fue considerada como una variable dependiente. Para medir el CBDBE se utilizó una escala de 7 puntos tipo Likert con 19 ítems utilizada en el trabajo de Frías et al. (2016). Esta escala incluye cinco dimensiones: conocimiento (4 ítems); calidad percibida (4 ítems); imagen (2 ítems); valor percibido (5 ítems) y lealtad (4 ítems). Dado el alto grado de fiabilidad y validez mostrado por las escalas de auto-congruencia, motivaciones, creación de valor y CBDBE, se decidió que el valor de cada una de estas variables podría ser calculado en base al valor suma de sus ítems (Hair et al., 2009, p.126-127). 3.3. Modelo econométrico En este trabajo se ha utilizado un modelo econométrico espacial para explicar el CBDBE a partir de la información de las encuestas de los clientes. Los métodos clásicos de estimación, como mínimos cuadrados ordinarios (MCO), asumen la independencia entre las observaciones (Pace y LeSage, 2009). Sin embargo, los modelos econométricos espaciales consideran la dependencia espacial entre las observaciones, la cual se pone de manifiesto por la presencia de autocorrelación espacial (Anselin, 1988). Por tanto, en primer lugar, es conveniente detectar la presencia de autocorrelación espacial en la variable dependiente, para lo cual usamos el test I de Moran (Moran, 1950), que se calcula como el cociente entre los productos cruzados de las desviaciones respecto de la media de la variable de interés y sus retardos espaciales dividido por el cuadrado de las desviaciones:           n 1i 2 i n 1i n 1j jiij n 1i n 1j ij )yy( )yy)(yy(w w n I donde yi es la i-ésima observación de la variable dependiente, y es su media, y wij son los pesos espaciales, que toman el valor 1 cuando dos observaciones son vecinas en el espacio y cero en otro caso. Hay diferentes aproximaciones para modelizar los efectos de la localización geográfica en un modelo econométrico espacial (Elhorst, 2014). En nuestro trabajo vamos a considerar, además del modelo MCO, cuatro de los modelos econométricos espaciales propuestos por el citado autor: XXIX CONGRESO DE MARKETING AEMARK 2017 1257 de 1617 ÍNDICE TRABAJOS 1. Modelo con retardo espacial en X (Spatial lag model of X, SLX): 2 (0, ) y X WX NI           2. Modelo espacial autorregresivo (Spatial autoregressive model, SAR): y Wy X         3. Modelo autorregresivo en los errores (Spatial error model, SEM): y X u u Wu        donde y es un vector nx1 de los valores de la variable dependiente, CBDBE;  es un vector nx1 de unos, asociado con la constante  ; X es una matriz nxk, con las k variables explicativas del modelo, asociadas al vector de coeficientes  ; W es una matriz estandarizada nxn de pesos espaciales, wij, que recogen la estructura espacial de vecindad; WX es una matriz que recoge la interacción espacial entre las variables explicativas, y  es su vector de coeficientes; Wy es un vector que recoge la variable explicada retardada espacialmente cuyo coeficiente es  ; Wu es un vector que representa las perturbaciones retardadas espacialmente,  es su coeficiente y  es un vector de perturbaciones normales i.i.d. El modelo SLX recoge los efectos locales y el modelo SAR recoge los efectos globales (Elhorst, 2014). El modelo SLX tiene la ventaja sobre los otros tres modelos espaciales, de que no presenta problemas de identificación (Manski, 1993) y por lo tanto puede ser estimado por MCO. Según Elhorst (2014), un método genérico para seleccionar entre diferentes modelos econométricos consiste en utilizar el likelihood ratio test (LR), basado en los valores de la función de log-verosimilitud de ambos modelos. Sin embargo, los modelos econométricos espaciales más frecuentemente utilizados son SAR y SEM. Para determinar cuál de estos dos modelos es más adecuado se usa el test del Multiplicador de Lagrange (Anselin et al., 1996). Un tema de interés en un modelo econométrico espacial es determinar el efecto de un cambio en la variable explicativa k x sobre la variable dependiente, en una determinada localización i (efecto directo). En un modelo MCO el coeficiente k  representa el efecto directo de k x . Sin embargo, en un modelo SAR el efecto directo es igual a 1 () k IW    (Elhorst, 2014). Por otra parte, también estamos interesados en determinar el efecto indirecto, el cual mide el impacto sobre la variable dependiente en las localizaciones vecinas j debido a un cambio de k x , en la localización i (Elhorst, 2014; LeSage, 2008). La suma de los efectos directos e indirectos son los efectos totales. Además, en este trabajo se ha utilizado la función variograma para determinar el rango de influencia de la variable analizada, es decir, la distancia hasta la cual la variable CBDBE deja de estar autocorrelacionada espacialmente. 4. Resultados En cuanto a la distribución espacial de la variable CBDBE existen zonas en las que predominan valores altos de CBDBE, y otras en las que predominan los valores bajos. Este resultado nos lleva a considerar si existe dependencia espacial en la variable CBDBE, lo que provoca la presencia de autocorrelación espacial. Para detectar la autocorrelación espacial de CBDBE se ha utilizado el estadístico I de Moran. Hemos utilizado tres conceptualizaciones de la vecindad (W): (1) inversa de la distancia entre observaciones vecinas mediante triangulación; (2) inversa XXIX CONGRESO DE MARKETING AEMARK 2017 1258 de 1617 ÍNDICE TRABAJOS de la distancia entre observaciones considerando una distancia máxima de vecindad de 115.896 metros (cutoff es la distancia que asegura la existencia de un vecino); y (3) vecino más próximo. Los resultados (tabla 2) sugieren la existencia de autocorrelación espacial significativa y positiva para las tres conceptualizaciones de vecindad. Esto indica que CBDBE no está distribuida espacialmente de forma aleatoria en el Reino Unido, sino que localizaciones próximas presentan valores similares. En este trabajo hemos considerado como matriz de vecindad la obtenida por la inversa de la distancia. TABLA 2. Diferentes conceptualizaciones de la autocorrelación espacial de CBDBE W I de Moran z-score Inversa de la distancia (triangulación) 0,257 7.550 (0.000) Inversa de la distancia (cutoff) 0,086 5.300 (0.000) Vecino más próximo 0,354 6.192 (0.000) Nota: p-valor entre paréntesis. En la tabla 3 se muestran los resultados de los modelos estimados. En el presente trabajo se han utilizado modelos econométricos espaciales para modelizar las características que influyen sobre CBDBE. Este tipo de modelos considera los efectos espaciales, mientras que el modelo clásico MCO ignora la presencia de autocorrelación espacial y asume la independencia de las observaciones (Pace et al., 1998). TABLA 3. Modelos estimados MCO SLX SAR SEM const 2.987 (0.000) 1.889 (0.000) 1.513 (0.000) 3.234 (0.000) autocon 0.124 (0.000) 0.112 (0.000) 0.109 (0.000) 0.109 (0.000) motiva 0.198 (0.000) 0.185 (0.000) 0.172 (0.000) 0.169 (0.000) creacion 0.185 (0.000) 0.175 (0.000) 0.176 (0.000) 0.183 (0.000) wautocon -- 0.078 (0.045) -- -- wmotiva -- 0.169 (0.021) -- -- wcreacion -- -0.007 (0.903) -- -- wbe -- -- 0.310 (0.000) -- wu -- -- -- 0.315 (0.000) R2-ajustado 0.300 0.315 0.372 0.363 AIC 779.642 772.77 744.64 752.73 LM-err 28.384 (0.000) -- -- -- LM-lag 38.645 (0.000) -- -- -- Robust LM-err 0.302 (0.582) -- -- -- Robust LM-lag 10.563 (0.001) -- -- -- Nota: pvalor entre paréntesis. Primero se ha estimado un modelo MCO en el que se explica CBDBE en función de la autocongruencia, motivación y creación de valor. En este modelo el coeficiente de determinación ajustado es 0.300 (tabla 2). Este valor es aceptable en estudios de corte transversal en los cuales hay heterogeneidad en los datos. Además, no se ha detectado multicolinealidad grave (FIV = 1.512). También se acepta la normalidad de las perturbaciones, de acuerdo con el test de Jarque- Bera (Chi-cuadrado = 1.992, gl = 2, p-value = 0.369). Puesto que la variable CBDBE presenta autocorrelación espacial sería conveniente un modelo que capture este efecto. Para ello, en este trabajo se han considerado tres especificaciones de modelos econométricos espaciales: SLX, SAR y SEM. En todos los modelos las variables explicativas auto-congruencia, motivación y creación de valor son significativas, y sus signos son los esperados. Para seleccionar el modelo más adecuado se han utilizado los estadísticos LR y LM. Así, los resultados del estadístico LR (LR=12.871, gl = 3, p-value = 0.005) nos permiten concluir que hay diferencias significativas entre el modelo SLX y el MCO. Dado que en el modelo SLX el AIC es menor y el R2-ajustado es mayor que en el modelo MCO, respectivamente, es preferible el modelo SLX. Por otro lado, para determinar si es más adecuado el modelo SAR o el SEM, hemos realizado un análisis clásico, mediante los estadísticos LM. Según los estadísticos LM y robust-LM (tabla 2), es más adecuado el modelo SAR que el modelo SEM. Asimismo, de los resultados del estadístico LR XXIX CONGRESO DE MARKETING AEMARK 2017 1259 de 1617 ÍNDICE TRABAJOS Vargo, S.L., & Lusch, R.F. (2008). Service dominant logic: continuing the evolution. Journal of the Academy of Marketing Science, 31(1), 1–10. Vargo, S.L., & Lusch, R.F. (2011). Its all B2B… and beyond: toward a systems perspective of the market. Industrial Marketing Management, 40, 181–187. Vargo S.L., & Lusch, R.F. (2016). Institutions and Axioms: An Extension and Update of Service- Dominant Logic. Journal of the Academy Marketing Science, 44, 5-23. Yoon, Y., & Uysal, M. (2005). An examination of the effects of motivation and satisfaction on destination loyalty: A structural model. Tourism Management, 26(1), 45–56. Zavattaro, S.M., Daspit, J.J., & Adams, F.G. (2015). Assessing managerial methods for evaluating place brand equity: A qualitative investigation. Tourism Management, 47, 11-21. Zeithaml, V.A. (1988). Consumer perception of price, quality, & value: a means-end model & synthesis of evidence. Journal of Marketing, 52(3), 2–22. Zeithaml, V.A., & Bitner, M.J. (2000). Service marketing: Integrating customer focus across the firm (2ª ed.): Irwin McGraw-Hill, New York, NY. XXIX CONGRESO DE MARKETING AEMARK 2017 1266 de 1617 ÍNDICE TRABAJOS