2010
Análisis Econométrico de una Bodega
Jara Agüero Edwin Catedrático: Ec. Ec. Milton Erazo Camacho 28/07/2010
ANALISIS ECONOMETRICO DE UNA TIENDA I.- ASPECTO GENERALES 1. Nombre: Bodega David EIRL. 2.
Mercado: Esta dirigido principalmente a todas las familias de la ciudad donde se
localiza. Una de las principales ventas diarias que se realiza es el arroz.
3.
Venta Principal:
4.
Tecnología: La bodega cuenta con un sistema de información a medida que le
permite registrar cada compra(tickets). II.- PROBLEMA 1.
Hipótesis:
El precio influye significativamente a la demanda del producto en la
ciudad. 2.
Variables:
Hemos considerado a 3 variables para determinar el modelo
econométrico. -Dependiente(Y): Cantidad en Kg de Arroz Capirona vendidos en un mes. -Independiente(X1): Precio Promedio por Kg de Arroz Capirona en un mes. -Independiente(X2): Frecuencia promedio de clientes por día en un mes. 3.
Problema: No se conoce el comportamiento del producto con respecto a la oferta
y la demanda. 4.
Recopilación: Se tiene el total de kilogramos vendidos en los meses del año 2 009.
III.- DATOS N°
Mes de Venta
1 2 3 4 5 6 7 8 9 10 11 12
Enero Febrero Marzo Abril Mayo Junio Julio Agosto Setiembre Octubre Noviembre Diciembre
Precio por Kg de Arroz Capirona 2,00 2,00 2,10 2,20 2,00 2,20 2,30 2,10 2,00 2,20 2,30 2,20
Cantidad en Kg de Arroz Capirona 462 460 453 450 470 455 446 459 472 457 453 458
Frecuencias de Clientes 120 106 103 98 112 109 103 117 119 96 102 99
IV.- RESULTADOS 1. Cuadro de Análisis: Análisis de Econométrico Variable Dependiente: Cantidad (Y) Parámetro Error Estimación
Constante 533,068 Frecuencia ( X1) 0,1774 Precio ( X2) -44,1249 Análisis de Varianza Fuente Suma Cuadrados Modelo 423,952 Residuo 204,964 Total 628,917 Conclusines R-cuadrado Error Estándar ajustado Estimación 60,1677 % 4,77219
2.
Estadístico Estándar 57,2622 0,23782 17,1869
T-Valor
P-Valor
9,30924 0,74592 -2,56735
0,0000 0,4747 0,0303
Grado Libertad 2 9 11
Cociente-F 9,31
P-Valor 0,0064
Error Absoluto Medio 3,85488
Estadístico Durbin Watson 1,00625
Correlación Residual 0,407561
Ecuación Econométrica: Los resultados ajustados a un modelo de regresión lineal
multiple presentan la siguiente ecuación ajustado al modelo.
Y = 533,068 - 44,1249.X 1 + 0,1774.X2 3.
Confiabilidad: Dado que el p-valor en la tabla ANOVA es inferior a 0.01, existe
relación estadísticamente significativa entre las variables para un nivel de confianza del 99%. 4.
2
Autocorrelación: El estadístico R indica que las variables independientes (precio y
frecuencia) influyen un 67,4099% de la variabilidad en la variable dependiente (cantidad) pero ajustado, que es más conveniente para comparar modelos con diferente números de variables independientes, e s 60,1677%. 5.
Error de estimación: Muestra la desviación típica de los residuos que es
4,77219 . Este valor puede usarse para construir los límites de predicción para las nuevas observaciones. 6.
Estadístico Durbin-Watson (DW): Examinamos lo residuos para determinar si hay
alguna correlación significativa basada en el orden en que se han introducido los datos.
7.
Significancia del Modelo: Dado que el P-Valor es inferior a 0.05, hay indicio de una
posible correlación serial. 8. Consistencia del modelo:
cuenta
que
el
p-valor
Para decidir la simplificación del modelo, tenemos en más
alto
en
las
variables
independientes
es
0,4747perteneciendo a la variable independiente Frecuencia. Puesto que el pvalor es superior o igual a 0.10, este término no es estadísticamente significativo para un nivel de confianza del 90% o superior. Por tanto, deberíamos quitar la variable independiente Frecuencia del modelo. 9. Nuevo modelo Corregido: Luego de simplificar la variable independiente
frecuencia presentamos un modelo corregido.
Y =570,886- 52,9545.X 1
10. Medias móviles para Cantidad:
-Media del Proceso = 457,917 -Sigma del Proceso = 8,54288 -MR (2) Medio = 9,63636 Este procedimiento crea que un gráfico de medias móviles individuales para Cantidad. Está diseñado para permitirle determinar si los datos proceden de un proceso que está
en un estado de control. Los gráficos de control se construyen bajo la asunción de que los datos proceden de una distribución normal con una media igual a 457,917 y una desviación típica igual a 8,54288. Estos parámetros se estimaron a partir de los datos. De los 12 puntos no excluidos mostrados en l os gráficos, 0 están fuera de los límites de control en el primer gráfico mientras que 0 están fuera de los límites en el segundo gráfico.
11. Medias móviles para el Precio :
Media del Proceso = 2,13333 Sigma del Proceso = 0,11283 MR (2) Medio = 0,127273
Este procedimiento crea que un gráfico de medias móviles individuales para Precio. Está diseñado para permitirle determinar si los datos proceden de un proceso que está en un estado de control estadístico. Los gráficos de control se construyen bajo la asunción de que los datos proceden de una distribución normal con una media igual a 2,13333 y una desviación típica igual a 0,11283. Estos parámetros se estimaron a partir de los datos. De los 12 puntos no excluidos mostrados en los gráficos, 0 están fuera de los límites de control en el primer gráfico mientras que 0 están f uera de los límites en el segundo gráfico.
V.-
CONCLUSIONES
1. De acuerdo al análisis econométrico realizado podemos decir que no es necesario tomar en cuenta la Frecuencia promedio de clientes por día en un mes, porque no influye significativamente a la Cantidad demandada. 2. A un 99% de confiabilidad podemos afirmar que el modelo es mo deradamente significativo. 3. El modelo cumple con el comportamiento lineal entre la oferta y demanda. VI.-
BIBLIOGRAFIA
1. www.uam.es/predysim : Curso De Predicción Económica Y Empresarial 2. Econometría de Series Temporales, Box, G. E. and G. M. Jenkins 3. Control de calidad en los procesos estadísticos, una aproximación a los modelos ARIMA, INEI,
