DETERMINANTES DEL VOLUMEN DE VENTAS DE LAS DISTINTAS UNIDADES ECONMICAS DEL ECUADOR, AO 2010: MACHALAIntegrantes:Joammet Mendoza Lorena PatioYuissa RiveraYamel Robles Alexander Silva

IntroduccinEn el presente trabajo se elaborar un modelo economtrico en base a datos de corte transversal obtenidos del Censo Nacional Econmico 2010. Se tiene una muestra de 660 observaciones, en donde se presenta informacin de las unidades econmicas de la ciudad de Machala.Lo que se pretende demostrar es si el total de ingresos anuales percibidos por ventas o prestacin de servicios dependen de los gastos anuales en compras y mercaderas, montos de financiamiento, gastos anuales por servicios prestados por terceros y alquileres y valor en activos y existencias al final del perodo de la empresa.Planteamiento de la hiptesisLos ingresos anuales por ventas o prestacin de servicios dependen de los gastos anuales en compras y mercaderas, montos de financiamiento, gastos anuales por servicios prestados por terceros y alquileres, y valor en activos y existencias al final del perodo de la empresa.

Especificacin del modelo matemtico de la teoraEspecificacin del modelo economtricoNaturaleza de los datosLos datos poblacionales fueron obtenidos de la pgina web del Archivo Nacional de Datos y Metadatos Estadsticos (ANDA) a raz del Censo Nacional Econmico 2010. Los datos fueron recopilados de todos los establecimientos visibles, pero no se consideraron los comercios informales.Para la muestra se consider las unidades econmicas de la base de datos de la ciudad de Machala que contasen con informacin de las variables escogidas para el estudio.El estudio se realiz en un momento dado del tiempo (Censo 2010) datos de corte transversal.

#Ingresos Anuales (I)Gastos anuales en compras (C)Monto de Financiamiento (F)Gastos en servicios y alquileres (T)Valor en Activos (A)1540024003001546002228000180000115005400225903360001800020001800304308571542920001800405180006000300154820612867712001683107192001680040036015008360018001000600150936000120001000720150010300001800080012006000116000120010002001500..................6593300003000002000013200500066011400050001500050009880Estadsticas descriptivas principales

Estimacin de los parmetros del modelo economtrico Como se puede observar los coeficientes de las variables T y A no fueron los esperados, sin embargo todas las variables son significativas. De manera que se replantea el modelo a la forma log-log, y se vuelve a hacer la regresin con las nuevas variables logartmicas.

Validacin del modeloSesgo de especificacin:Eliminacin de variables no significativasLas Variables Independientes son estadsticamente significativas. Las Variables Independientes Conjuntas son estadsticamente significativas.

Forma funcional: Test de Reset de Ramsey.

Se rechaza H0, por tanto el modelo s tiene variables omitidas.

Heteroscedasticidad:Identificacin

Se rechaza la Ho no hay heteroscedasticidad; las fallas o errores que arroje el modelo de regresin van a ser en promedio las mismas.

Multicolinealidad:Identificacin

Factores de Inflacin de la Varianza FIV/(STATA)

Todos los FIV son menores a 10 el modelo no posee problemas de Multicolinealidad.

Skewness/Kurtosis test for Normality

Asimetra = 0.71, no es un valor muy cercano a 0. La curva tiende a ser simtrica positiva.Curtosis = 7.92 Distribucin Leptocrtica.

Se podra asumir que existe Normalidad, pero el Skewness/Kurtosis test for Normality muestra lo siguiente:Dada la Ho: Los errores siguen una distribucin normal, se rechaza la Ho, y por lo tanto no se cumple el supuesto de normalidad.TratamientoUna manera de corregir la Normalidad de los errores es eliminar las observaciones con residuos atpicos.

STATA no permite identificar las observaciones con residuos atpicos, por lo que se asumir Normalidad por el teorema de lmite central.

Autocorrelacin

La Autocorrelacin surge cuando los trminos de error del modelo no son independientes entre s. Al ser datos de corte transversal, pierde sentido el supuesto de Autocorrelacin.

Inferencia

T estadstico

VariableT calculadoT crticoProbabilidadConclusinc22.451.64490.000La variable es significativa para el modelo.f4.761.64490.000La variable es significativa para el modelo.t4.711.64490.000La variable es significativa para el modelo.a6.241.64490.000La variable es significativa para el modelo.Constante8.671.64490.000La constante es significativa para el modelo.n=660, k=5. Nivel de significancia 5%.

F estadstico

EstadsticoF calculadoF crticoProbabilidadConclusin588.412.3850.000Las variables son significativas conjuntamente.4gl en el numerador, 655gl en el denominador. Nivel de significancia 5%.

R2

R2 = 78.23%.Aproximadamente el 78,23% de las variaciones de ingresos anual por ventas o prestacin de servicios son explicadas por las variaciones conjuntas del gasto anual en compras y mercaderas, monto de financiamiento, gasto anual por servicios prestados por terceros y alquileres, y valor en activos y existencias al final del perodo de la empresa.

Pronstico o prediccinUsando el comando predict yhat se obtuvo las predicciones para cada observacin.#ln(I)yhat18,59418,5120212,337112,4519310,49129,7681410,33719,727259,79819,063067,15937,735379,86279,872288,18878,5016910,49139,91731010,309010,3804118,69958,4910128,47648,7926137,34157,5235149,72919,4070157,93748,8667.........65815,352414,979665912,706912,701866011,644010,3887A continuacin se muestra la comparacin entre los ingresos anuales, y los ingresos anuales estimados con el modelo de 5 de las observaciones:

# obsIyhat =eyhat154008,511964974103000010,380423222210060008,60376545220024008,22549373550024000012,83683375807ConclusionesExisten muchas variables que en sentido comn contribuiran directamente a la explicacin del nivel de ingresos por ventas y deberan ser consideradas. Sin embargo la decisin del uso de estas variables depende no slo de su naturaleza sino de la cantidad de informacin que provea para la construccin del modelo.

Sobre la validacin del modelo:Sesgo de especificacinLas variables son significativas tanto individual como conjuntamente.HeterocedasticidadEl modelo no presenta problemas de Heterocedasticidad (a pesar que los datos son de corte transversal), es decir, las fallas que tenga el modelo sern en promedio las mismas.De la MulticolinealidadEl modelo no posee multicolinealidad, es decir no hay correlacin entre las variables independientes de modelo. Aunque la no correlacin es un caso idlico (puesto a que siempre habr relacin entre dos variables explicativas), para estos casos asumimos que no existe correlacin por el hecho de ser baja.

NormalidadSegn la informacin arrojada por STATA por el tratamiento de los datos, el modelo no cumple con la normalidad de los errores, esto hace que los estimadores no sean los mejores estimadores insesgados MEI.Pero, debido a la cantidad de datos a la gran cantidad de datos, se puede hacer alusin al Teorema del Lmite Central para asumir la normalidad de los errores.AutocorrelacinDado que los datos son de corte transversal, la correlacin entre los errores o perturbaciones estocsticas no existen porque no hay otras observaciones de un periodo diferente (no hay influencia de otros periodos de tiempo).

Uno de los aspectos ms importantes descubiertos, es el hecho de que puede que el comportamiento de los parmetros sea el esperado, pero no sean significativos. En nuestro caso, para garantizar la funcionalidad del modelo fue necesario utilizar la forma log/log, con lo que las interpretaciones marginales miden el grado de sensibilidad del nivel de ingresos con respecto a las diferentes variables independientes.