Post on 06-Feb-2018
MODELO ECONOMETRICO DE VENTA DE
CAMIONETAS
Nombre: Evelyn Neira
Cinthya Toledo
Macarena Candia
Fecha: 10 de Mayo 2012
Asignatura: Econometría
Profesor: Pablo Quezada
Introducción
El mercado de vehículos de pasajeros, SUV y comerciales livianos nuevos marcó un récord histórico,
según ANAC “reflejan la fuerte recuperación e incremento de las ventas de este mercado, producto de la
confianza de los consumidores por el desempeño de la economía, además de la disminución de la tasa
de desempleo y la gran oferta crediticia, especialmente de entidades que ofrecen productos específicos
de financiamiento adecuados para el sector automotor”.
Y la mayor alza en los últimos años del 2009 al 2010 de un 67% fue principalmente debido a la
adquisición de grandes flotas por parte de la industria minera, así como por el sector forestal y también
por efecto de la reconstrucción posterremoto. Gustavo Castellanos, secretario general de la Asociación
Nacional Automotriz de Chile (ANAC), se refiere al mercado de las camionetas: “Este segmento está muy
relacionado con las actividades productivas del país, como son la minería, el sector forestal, la
agroindustria y la logística urbana; como también actividades de pequeñas y medianas empresas, que
ofrecen alternativas de Feria del Transporte de personas, servicios, carga y distribución”.
El segmento de los vehículos comerciales livianos es uno de los más dinámicos del mercado automotor
chileno y, dentro de éste, las camionetas tienen una destacada participación. Y es que su versatilidad
responde muy bien a los requerimientos de una amplia gama de labores y tareas, incluyendo por cierto
las relacionadas con faenas de la minería, sector que es uno de los principales demandantes de sus
servicios.
Aunque existen diferencias notorias entre vehículos utilitarios, furgones y camionetas o pick up, tales
como su estructura física adecuada para el transporte de distintos volúmenes carga y su uso exclusivo o
esporádico para tales menesteres, usualmente la Asociación Nacional Automotriz (ANAC) los integra a
todos en el mismo grupo de vehículos comerciales, para efectos del análisis del mercado en general,
teniendo como parámetro básico la cilindrada y potencia de sus motores.
Así, las estadísticas de ventas que proporciona este organismo indican que durante periodo 2000-2011
este segmento, que tiene una participación del 24%, y dentro de este segmento se clasifican las
camionetas, que respecto al mercado total representan un 16% de las ventas.
En la actualidad, se comercializa una amplia variedad de modelos diferentes de camionetas en nuestro
país, fenómeno que en los últimos años ha ido aumentando progresivamente, aunque no de manera
espectacular.
La incorporación de nuevos actores en el rubro queda demostrada al comprobar que en 2007 los
modelos de camionetas disponibles eran 24, aumentando a 30 hacia 2009 y llegando a 38 modelos el
2010.
Esta diversidad de camionetas llega a nuestro país de la mano de una veintena de marcas, entre las que
se destacan:
Dado el escenario anterior descrito y considerando el mercado total de vehículos comerciales livianos, en
el presente trabajo se estimará la cantidad vendida del segmento Camionetas, sobre la base de un
estudio econométrico, el cual considera variables de índole macroeconómica y financiera.
Variables cuantitativas a considerar:
1) Precio Promedio mensual de Camionetas: Por teoría económica cualquier variación de precios
produce efectos rápidamente sobre las ventas, aunque en esta demanda no solo el precio
determinará la cantidad de camionetas vendidas, como detallamos más adelante, existen otras
variables que pueden determinar las ventas.
2) Tipo de Cambio mensual promedio del dólar: En Chile el Tipo de cambio dólar afecta la cantidad
importada de camionetas, dado que un alto tipo de cambio implica que debe pagarse más
moneda extranjera por unidad de camioneta, lo que se traduce en un aumento de precio del
vehículo en el mercado nacional produciendo una disminución en la cantidad vendida (relación
variable 1)
3) Tasa de Política Monetaria mensual: Es una referencia que indica que tan costoso puede ser
adquirir un crédito para financiar la compra de una camioneta, de manera que esta variable
puede explicar parte de las ventas de este activo.
4) Precio mensual del barril de petróleo: El precio del combustible puede influir en la decisión de
compra de una camioneta, dado que alzas o bajas de este insumo determina el costo de
utilización de este bien.
5) Índice mensual de actividad económica (IMACEC): Dado que las camionetas son el tipo de
vehículo más utilizado por las empresas, un alto o bajo índice de actividad económica puede ser
una señal de aumento o disminución de las ventas de camionetas. En Chile una reactivación
económica indica mayores necesidades por parte de las empresas, lo que implica una mayor
demanda de este tipo de vehículos.
6) Precio promedio mensual de Minitruck1: Si bien por sus características técnicas este tipo de
vehículo no es igual a una camioneta, puede considerarse sustituto porque en él se puede
transportar gran cantidad de otros bienes.
₁ Minitruck vehículo de carga similar en sus características al segmento de camiones, pero con un peso bruto vehicular menor a 3.860 kg.
Variables cualitativas a considerar:
D₁ =
1 Si la venta fue en la Zona Norte
0 Si no lo fue
D₂ =
1 Si la venta fue en la Zona Centro Sur
0 Si no lo fue
Justificación de Variables Dummy
D₁ La Minería, específicamente la producción de cobre, es la principal actividad económica de Chile,
representando el mayor porcentaje de las exportaciones chilenas con una participación mundial del orden
del 30%. Esta actividad se encuentra mayormente concentrada en la Zona Norte del país. Por lo anterior
se considera que esta zona pudiera demandar mayor cantidad de vehículos del segmento Camionetas,
dado que las actividades del sector se realizan mayormente en terreno.
D₂ El sector forestal se posiciona como un pilar fundamental de la economía de Chile, con una
participación del 3,1% del PIB Nacional y es el segundo sector exportador y el primero basado en un
recurso natural renovable. Chile dispone de 15,9 millones de hectáreas de cobertura forestal, las que se
encuentran concentradas mayormente en la Zona Centro Sur del país, por esta razón se considera que
esta zona pudiera demandar una alta cantidad de Camionetas, porque al igual que el sector descrito en
D1, las actividades se desarrollan principalmente en terreno (bosques).
En el presente informe se intentará explicar si existe una relación de causalidad entre las variables
mencionadas y la cantidad vendida de camionetas, en el período 2008-2011 (48 meses).
La función a estimar es la siguiente:
Q = f (P1, TC, TPM, PP, IMACEC, P2)
Q = Cantidad vendida de Camionetas P1 = Precio promedio mensual de Camionetas TC = Tipo de Cambio promedio mensual del dólar TPM = Tasa de Política Monetaria mensual PP = Precio mensual del Barril de Petróleo IMACEC = Índice mensual de actividad económica P2 = Precio promedio mensual de Minitruck
Base de los datos
Periodo Ventas P1 TC TPM PP IMACEC P2 D1 D2
1 ene-08 2.109 12.013.000 480,9 6,17 96,18 97,09 10.023.628 1 0
2 feb-08 1.726 12.013.000 467,22 6,25 95,72 93,90 10.030.628 1 0
3 mar-08 2.143 12.113.560 442,94 6,25 104,92 103,63 10.107.535 1 0
4 abr-08 2.243 12.113.560 446,43 6,25 107,63 100,51 10.108.935 1 0
5 may-08 1.633 12.214.564 470,1 6,25 116,93 101,02 10.191.813 1 0
6 jun-08 1.793 12.214.564 493,61 6,58 130,32 100,11 10.186.813 0 1
7 jul-08 1.510 12.126.780 502,24 7,07 136,91 99,49 10.528.566 1 0
8 ago-08 1.337 12.126.780 516,7 7,5 136,72 97,65 10.118.566 0 0
9 sep-08 1.944 12.456.790 530,17 8,15 118,13 98,51 10.393.926 0 0
10 oct-08 1.649 12.456.790 618,39 8,25 92,33 103,17 10.483.926 0 0
11 nov-08 821 12.690.780 651,51 8,25 63,69 99,66 10.599.167 0 0
12 dic-08 935 12.990.500 649,32 8,25 49,38 105,25 10.838.253 0 0
13 ene-09 1.810 13.265.890 623,01 7,49 40,71 95,03 11.069.040 1 0
14 feb-09 1.207 13.275.899 606 5,88 40,16 89,84 11.077.569 1 0
15 mar-09 1.207 13.285.893 592,93 3,27 40,57 101,55 11.081.728 1 0
16 abr-09 2.158 13.285.893 583,18 1,92 52,19 97,76 11.085.638 1 0
17 may-09 838 13.385.893 565,72 1,36 52,98 97,34 11.166.789 1 0
18 jun-09 2.085 13.395.899 553,08 1,04 61,98 96,74 11.177.517 1 0
19 jul-09 3.551 13.395.899 540,42 0,58 68,35 96,90 11.183.517 1 0
20 ago-09 2.959 13.285.893 546,88 0,5 71,88 98,03 11.085.828 1 0
21 sep-09 5.326 13.280.890 549,07 0,5 72,87 99,03 11.087.854 1 0
22 oct-09 2.447 13.290.897 545,83 0,5 72,73 102,97 11.089.904 1 0
23 nov-09 3.162 13.350.790 507,78 0,5 80,38 103,27 11.139.879 1 0
24 dic-09 3.005 13.350.790 501,45 0,5 77,25 109,10 11.140.879 1 0
25 ene-10 4.062 13.357.400 500,66 0,5 81,63 98,82 11.145.385 1 0
26 feb-10 3.699 13.450.790 532,56 0,5 78,52 93,76 11.223.319 0 1
27 mar-10 3.740 13.450.790 523,16 0,5 81,63 101,82 11.230.320 1 0
28 abr-10 4.662 13.450.790 520,62 0,5 83,03 104,44 11.231.450 1 0
29 may-10 5.253 13.490.100 533,21 0,5 82,82 104,71 11.256.234 0 1
30 jun-10 4.565 13.510.600 536,67 0,74 76,05 103,52 11.273.350 0 1
31 jul-10 4.381 13.524.350 531,72 1,24 76,36 105,01 11.287.896 1 0
32 ago-10 3.780 13.497.694 509,32 1,8 81,98 106,24 11.265.454 1 0
33 sep-10 6.874 13.497.524 493,93 2,2 76,83 105,30 11.275.312 1 0
34 oct-10 5.058 13.598.684 484,04 2,64 81,72 108,82 11.350.720 1 0
35 nov-10 5.055 13.308.085 482,32 2,87 83,89 110,58 11.168.245 1 0
36 dic-10 6.678 14.495.338 474,78 3,12 87,82 116,94 12.120.887 1 0
37 ene-11 6.346 14.379.093 489,44 3,25 91,45 106,47 11.876.892 1 0
38 feb-11 5.311 14.379.093 475,69 3,34 92,76 100,49 11.999.892 1 0
39 mar-11 6.142 14.297.843 479,65 3,72 107,14 116,44 11.931.097 0 1
40 abr-11 6.194 14.682.407 471,32 4,3 123,02 110,89 12.252.977 0 1
41 may-11 6.181 14.682.407 467,73 4,8 120,50 112,22 12.249.977 0 1
42 jun-11 5.776 14.382.407 469,41 5,13 123,22 109,12 12.500.657 1 0
43 jul-11 5.352 13.950.680 462,94 5,25 108,12 108,59 11.640.425 1 0
44 ago-11 5.277 13.950.680 466,79 5,25 112,99 109,60 11.567.825 0 0
45 sep-11 8.051 14.680.670 483,69 5,25 108,21 109,97 12.350.027 0 0
46 oct-11 5.811 14.780.900 511,74 5,25 115,79 112,02 12.567.159 0 0
47 nov-11 6.244 14.960.600 508,44 5,25 116,31 114,62 12.485.100 1 0
48 dic-11 6.806 14.960.600 517,17 5,25 118,82 124,96 12.587.100 1 0
Fuentes: www.anac.cl y www.bcentral.cl
Análisis Descriptivo de los datos
Análisis descriptivo de las variables que utilizaremos en este estudio de estimación de la cantidad
vendida de camionetas en Chile.
Ventas P1 TC TPM PP IMACEC P2
Media 3.769 13.418.765 519 4 89 104 11.225.742
Varianza 4.069.739 703.424.579.316 2.618 7 659 48 511.964.533.310
Desv Estándar 2.017 838.704 51 3 26 7 715.517
Según lo que se puede observar la mayoría de los valores de nuestras variables en estudio tienen una
dispersión pequeña, debido a sus desviaciones estándar son bajos.
Con la excepción de la variable dependiente que estudiaremos en donde su desviación estándar es
significativa con respecto a su valor promedio, es decir la cantidad vendidas de camioneta fluctúa
alrededor de 3.769 ± 2.017 en Chile entre los años 2008 y 2011.
Modelo 1: MCO, usando las observaciones 1-48
Variable dependiente: Ventas
Coeficiente Desv. Típica Estadístico t Valor p
const -11006,9 4622,48 -2,3812 0,02224 ** P1 0,0010717 0,0013112 0,8173 0,41870 TC -15,963 5,13929 -3,1061 0,00353 *** TPM -104,415 70,1321 -1,4888 0,14457 PP -3,72377 11,8725 -0,3136 0,75546 IMACEC 47,8827 30,0914 1,5912 0,11963 P2 0,000445749 0,00150327 0,2965 0,76841 D1 -740,293 490,887 -1,5081 0,13959 D2 -387,222 537,514 -0,7204 0,47558
Media de la vble. dep. 3768,667 D.T. de la vble. dep. 2017,359 Suma de cuad. residuos 30005064 D.T. de la regresión 877,1320 R-cuadrado 0,843134 R-cuadrado corregido 0,810956 F(8, 39) 26,20239 Valor p (de F) 2,09e-13 Log-verosimilitud -388,4053 Criterio de Akaike 794,8105 Criterio de Schwarz 811,6513 Crit. de Hannan-Quinn 801,1747
El modelo estimado es: Q = -11006, 9 + 0,0010P1 – 15,9TC – 104,4TPM – 3,72PP + 47,88IMACEC + 0,0004P2 – 740,29D1 – 387,22D2 El coeficiente de determinación R² nos dice que el 84% de la varianza total esta explicada por este modelo. Prueba de Hipótesis Prueba de significancia Global con un α = 0.05 Sea H₀: β₀ = β₁ = β₂ = β₃ = β₄ = β₅ = β₆ = β₇ = 0
H₁: Al menos uno de los β es distinto de 0 El valor F es significativo por lo que podemos rechazar H₀, es decir, al menos uno de los betas es distinto
de cero.
Prueba de significancia parcial con un α = 0.05 Para P1 H₀: β₁ = 0
H₁: β₁ es distinto de 0 β₁ = 0,001 tiene un valor p 0,418 por lo tanto no existe evidencia significativa para rechazar H₀. No
podemos asegurar que la variable P1 explica a la variable cantidad vendida de camionetas.
Para TC H₀: β₂ = 0
H₁: β₂ es distinto de 0 β₂ = -15,9 tiene un valor p 0,003 por lo tanto existe evidencia significativa para rechazar H₀. Podemos
asegurar que la variable TC explica a la variable cantidad vendida de camionetas.
Para TPM H₀: β₃ = 0
H₁: β₃ es distinto de 0 β₃ = -104,415 tiene un valor p 0,14457 por lo tanto no existe evidencia significativa para rechazar H₀. No
podemos asegurar que la variable TPM explica a la variable cantidad vendida de camionetas.
Para PP H₀: β₄ = 0
H₁: β₄ es distinto de 0 β₄ = - 3,723 tiene un valor p 0,75 por lo tanto no existe evidencia significativa para rechazar H₀. No
podemos asegurar que la variable PP explica a la variable cantidad vendida de camionetas.
Para IMACEC H₀: β₅ = 0
H₁: β₅ es distinto de 0 β₅ = 47,88 tiene un valor p 0,11 por lo tanto no existe evidencia significativa para rechazar H₀. No
podemos asegurar que la variable IMACEC explica a la variable cantidad vendida de camionetas.
Para P2 H₀: β₆ = 0
H₁: β₆ es distinto de 0 β₆ = 0,0004 tiene un valor p 0,76 por lo tanto no existe evidencia significativa para rechazar H₀. No
podemos asegurar que la variable P2 explica a la variable cantidad vendida de camionetas.
Para D1 y D2
H₀₀₀₀: Di = 0 H₁₁₁₁: Di es distinto de 0 Considerando la significancia de las variables Dummy D1 y D2, que son 0,139 y 0,475 respectivamente, no
podemos decir que la Zona explique la cantidad vendida de camionetas, dado que las Dummy resultan
no significativas pudiendo ser cero. No se rechaza H0.
Análisis de los Betas β₀ considerado el efecto medio de todas las variables que no fueron incorporadas en el modelo.
β₁ Cuando aumenta el precio promedio mensual de las camionetas en una unidad, la cantidad de
camionetas vendidas aumenta en 0,001 unidades.
β₂ Cuando aumenta el Tipo de cambio promedio mensual en una unidad, la cantidad vendida de
camionetas cae en 15 unidades.
β₃ Cuando la Tasa de Política Monetaria mensual aumenta en una unidad, la cantidad vendida de
camionetas cae en 104 unidades
β₄ Cuando el Precio mensual del barril de Petróleo aumenta en una unidad, la cantidad vendida de
camionetas cae en 3 unidades.
β₅ Cuando el IMACEC aumenta en una unidad, la cantidad vendida de camionetas aumenta en 47
unidades.
β₆ Cuando el aumenta en una unidad el Precio promedio mensual de una Minitruck, la cantidad vendida
de camionetas aumenta en 0,0004 unidades.
Contraste de normalidad de los residuos
Hipótesis nula: el error se distribuye normalmente
Estadístico de contraste: Chi-cuadrado (2) = 9,49967
Con valor p = 0,0086531
De acuerdo a los resultados y considerando un valor p de 0,0086 podemos concluir que los errores no se
distribuyen normalmente. Se rechaza H₀ con un α = 0.05.
Contraste de heterocedasticidad de White
Hipótesis nula: No hay heterocedasticidad
Estadístico de contraste: LM = 36,7854
Con valor p = P(Chi-cuadrado(41) > 36,7854) = 0,658381
De acuerdo a los resultados y considerando un valor p de 0,65 podemos concluir que no existe
heterocedasticidad, es decir, los errores son constantes. No se rechaza H₀ con un α = 0.05.
Colinealidad
Factores de inflación de varianza (VIF) Mínimo valor posible = 1.0 Valores mayores que 10.0 pueden indicar un problema de colinealidad P1 73,879 TC 4,225 TPM 2,148 PP 5,671 IMACEC 2,655 P2 70,678 D1 3,230 D2 2,245 VIF (j) = 1/(1 - R (j) ^2), donde R (j) es el coeficiente de correlación múltiple Entre la variable j y las demás variables independientes Propiedades de la matriz X'X: Norma-1 = 1,5934988e+016 Determinante = 2,839778e+042 Número de condición recíproca = 2,0598045e-018
Observando los valores VIF de las variables, podemos concluir que entre P1 y P2 existe colinealidad
(valor VIF superior a 10), es decir, entre ellas se parecen mucho, una razón por la cual el modelo resulta
poco significativo.
Conclusión Modelo 1
De acuerdo al análisis de los datos de las variables descritas y a la determinación del Valor-P y el Factor
de Inflación de la Varianza de cada una de ellas, podemos concluir que la gran mayoría no resultan ser
significativas para el modelo que deseamos estimar. Por esta razón, para analizar un nuevo modelo, se
eliminará la información de las siguientes variables:
- TPM
- PP
- IMACEC
- P2
- D1
- D2
Modelo 2: MCO, usando las observaciones 1-48
Variable dependiente: Ventas
Coeficiente Desv. Típica Estadístico t Valor p const -12606,4 2649,95 -4,7572 0,00002 *** P1 0,00181324 0,000155237 11,6804 <0,00001 *** TC -15,3302 2,5444 -6,0251 <0,00001 ***
Media de la vble. dep. 3768,667 D.T. de la vble. dep. 2017,359 Suma de cuad. residuos 34843441 D.T. de la regresión 879,9424 R-cuadrado 0,817838 R-cuadrado corregido 0,809742 F(2, 45) 101,0168 Valor p (de F) 2,29e-17 Log-verosimilitud -391,9932 Criterio de Akaike 789,9865 Criterio de Schwarz 795,6001 Crit. de Hannan-Quinn 792,1079
El modelo estimado es: Q = - 12606, 4 + 0,0018P1 – 15,33TC El coeficiente de determinación R² nos dice que el 81% de la varianza total esta explicada por este modelo. Prueba de Hipótesis Prueba de significancia Global con un α = 0.05 Sea H₀: β₀ = β₁ = β₂ = 0
H₁: Al menos uno de los β es distinto de 0 El valor F es significativo por lo que podemos rechazar H₀, por lo que al menos uno de los betas es distinto de cero. Prueba de significancia parcial con un α = 0.05 Para P1 H₀: β₁ = 0
H₁: β₁ es distinto de 0 β₁ = 0,001 tiene un valor p 0,00001 por lo tanto existe evidencia significativa para rechazar H₀. Podemos asegurar que la variable P1 explica a la variable cantidad vendida de camionetas.
Para TC H₀: β₂ = 0
H₁: β₂ es distinto de 0 β₂ = -15,33 tiene un valor p 0,00001 por lo tanto existe evidencia significativa para rechazar H₀. Podemos asegurar que la variable TC explica a la variable cantidad vendida de camionetas. Análisis de los Betas β₀ Considerado el efecto medio de todas las variables que no fueron incorporadas en el modelo.
β₁ Cuando aumenta el precio promedio mensual de las camionetas en una unidad, la cantidad de
camionetas vendidas aumenta en 0,001 unidades.
β₂ Cuando aumenta el Tipo de cambio promedio mensual en una unidad, la cantidad vendida de camionetas cae en 15 unidades. Contraste de normalidad de los residuos
Hipótesis nula: el error se distribuye normalmente
Estadístico de contraste: Chi-cuadrado(2) = 6,35585
Con valor p = 0,041672
De acuerdo a los resultados y considerando un valor p de 0,041 podemos concluir que los errores no se
distribuyen normalmente. Se rechaza H₀ con un α = 0.05.
Contraste de heterocedasticidad de White
Hipótesis nula: No hay heterocedasticidad
Estadístico de contraste: LM = 4,56831
Con valor p = P(Chi-cuadrado(5) > 4,56831) = 0,470796
De acuerdo a los resultados y considerando un valor p de 0,47 podemos concluir que no existe
heterocedasticidad, es decir, los errores son constantes. No se rechaza H₀ con un α = 0.05.
Colinealidad
Factores de inflación de varianza (VIF) Mínimo valor posible = 1.0 Valores mayores que 10.0 pueden indicar un problema de colinealidad P1 1,029 TC 1,029 VIF (j) = 1/(1 - R(j)^2), donde R(j) es el coeficiente de correlación múltiple Entre la variable j y las demás variables independientes Propiedades de la matriz X'X: Norma-1 = 8,6764317e+015 Determinante = 1,897986e+020 Número de condición recíproca = 1,2700771e-017
Observando los valores VIF de las variables, podemos concluir que no existe colinealidad (valores VIF
menores a 10), es decir, el modelo resulta significativo.
Conclusión Modelo 2
De acuerdo al estudio de las variables descritas y eliminando aquellas que resultaron ser no significativas
para el modelo que deseamos estimar, se concluye que el mejor modelo que estima la “Cantidad vendida
de camionetas” es:
Q = - 12606, 4 + 0,0018P1 – 15,33TC
Este modelo además está respaldado por la teoría económica, dado que la variable que mejor explica la
cantidad vendida/demandada es el “Precio” del bien.
En este modelo también se concluyó que el “Tipo de Cambio” explica la Cantidad vendida de Camionetas
y se puede señalar al respecto que su relación está dada por el valor que adoptan estos vehículos al
ingresar al país. El valor de importación depende del Tipo de Cambio del momento, de manera que si el
Tipo de Cambio aumenta, el precio de la camioneta en el mercado nacional tiende a subir afectando la
cantidad vendida.
Test de Chow
Planteamiento de Hipótesis
Ho: No existe cambio estructural
H1: Existe cambio estructural
Regresión Periodo 1
Estadísticas de la regresión
Coeficiente de correlación múltiple 0,508063805 Coeficiente de determinación R^2 0,25812883 R^2 ajustado 0,143994804 Error típico 738,2238885
Observaciones 16
ANÁLISIS DE VARIANZA
Grados de
libertad Suma de
cuadrados Promedio de
los cuadrados F Valor crítico
de F
Regresión 2 2465060,377 1232530,188 2,261629061 0,143593642 Residuos 13 7084668,623 544974,5095
Total 15 9549729
Coeficientes Error típico Estadístico t Probabilidad Inferior 95% Superior
95% Inferior 95,0% Superior 95,0%
Intercepción -7250,349343 6625,70655 -1,09427565 0,293695432 -21564,3181 7063,619415 -21564,3181 7063,619415 Variable X 1 0,000663102 0,000395053 1,678514933 0,117108135 -0,000190358 0,001516562 -0,00019036 0,001516562
Variable X 2 7,923394601 12,20739148 0,649065332 0,527597187 -18,44907132 34,29586052 -18,4490713 34,29586052
Regresión Periodo 2
Estadísticas de la regresión
Coeficiente de correlación múltiple 0,770706231 Coeficiente de determinación R^2 0,593988094 R^2 ajustado 0,565987273 Error típico 872,4859718
Observaciones 32
ANÁLISIS DE VARIANZA
Grados de
libertad Suma de
cuadrados Promedio de
los cuadrados F Valor crítico
de F
Regresión 2 32296382,14 16148191,07 21,21323845 2,10772E-06 Residuos 29 22075721,36 761231,771
Total 31 54372103,5
Coeficientes Error típico Estadístico t Probabilidad Inferior 95% Superior
95% Inferior 95,0% Superior 95,0%
Intercepción -13315,11077 3592,19413 -3,706679061 0,000881616 -20661,97268 -5968,24885 -20661,97268 -5968,248851 Variable X 1 0,001830124 0,00030117 6,076707993 1,29078E-06 0,001214161 0,002446086 0,001214161 0,002446086
Variable X 2 -14,55126349 3,186757016 -4,566166614 8,45567E-05 -21,06891341 -8,03361358 -21,06891341 -8,033613582
Regresión Periodo Total
Estadísticas de la regresión
Coeficiente de correlación múltiple 0,904344235 Coeficiente de determinación R^2 0,817838496 R^2 ajustado 0,809742429 Error típico 879,9424334
Observaciones 48
ANÁLISIS DE VARIANZA
Grados de
libertad Suma de
cuadrados Promedio de
los cuadrados F Valor crítico
de F
Regresión 2 156434299,8 78217149,9 101,0167669 2,29231E-17 Residuos 45 34843440,87 774298,686
Total 47 191277740,7
Coeficientes Error típico Estadístico t Probabilidad Inferior 95% Superior
95% Inferior 95,0% Superior 95,0%
Intercepción -12606,38593 2649,947535 -4,75722095 2,05501E-05 -17943,65424 -7269,11762 -17943,6542 -7269,11762 Variable X 1 0,001813237 0,000155237 11,68042014 3,22128E-15 0,001500573 0,002125901 0,001500573 0,002125901
Variable X 2 -15,3302174 2,54440402 -6,025071992 2,86592E-07 -20,45491016 -10,2055246 -20,4549102 -10,20552464
Planteamiento de Hipótesis
Ho: No existe cambio estructural
H1: Existe cambio estructural
Fcalculado = 2,73
F tabla = 2,839
No se rechaza H₀ con un α = 0.05 por lo tanto no existe evidencia significativa de que existió cambio estructural. No hay evidencia significativa de
que la cantidad de camionetas vendidas haya cambiado a partir de Septiembre 2010.
Anexo
Comportamiento de las variables en estudio entre el año 2008 - 2011
0
1.000
2.000
3.000
4.000
5.000
6.000
7.000
8.000
9.000
dic
-03
ma
r-0
4
jun
-04
sep
-04
dic
-04
ma
r-0
5
jun
-05
sep
-05
dic
-05
ma
r-0
6
jun
-06
sep
-06
dic
-06
ma
r-0
7
jun
-07
sep
-07
Ventas
Ventas
0
2.000.000
4.000.000
6.000.000
8.000.000
10.000.000
12.000.000
14.000.000
16.000.000
P1
P1
0
100
200
300
400
500
600
700
TC
TC
0
1
2
3
4
5
6
7
8
9
TPM
TPM
0,00
20,00
40,00
60,00
80,00
100,00
120,00
140,00
160,00
PP
PP
0,00
20,00
40,00
60,00
80,00
100,00
120,00
140,00
IMACEC
IMACEC
0
2.000.000
4.000.000
6.000.000
8.000.000
10.000.000
12.000.000
14.000.000
P2
P2