ESTUDIO DE FACTORES

DETERMINANTES EN
ALIMENTACIÓN DE ALUMNOS
DE PRIMER AÑO DE
EDUCACIÓN SUPERIOR
Estudio en alumnos primer año
Facultad Ingeniería, Universidad
Central, junio – julio 2015

22 de Julio de 2015
ESTUDIO DE FACTORES CLAVES EN LA ALIMENTACIÓN DE
ALUMNOS DE PRIMER AÑO DE UN ESTABLECIMIENTO DE
EDUCACIÓN SUPERIOR
STUDY KEY FACTORS IN THE DIET OF FIRST YEAR STUDENTS
OF AN ESTABLISHMENT OF HIGHER EDUCATION

Autores: Diego Parraguez Romero, Tomás Tapia Riquelme.

Universidad: Universidad Central de Chile

Facultad/Centro/Instituto: Facultad de Ingeniería, sede Santiago.

Área Disciplinar: Econometría

Correo Electrónico: diego.parraguez@alumnos.ucentral.cl

ttapiar@gmail.com

Resumen
El presente informe detalla el estudio econométrico, basado en el modelo desarrollado y publicado
por la Escuela de Ingeniería Comercial en la Pontificia Universidad Católica de Valparaíso. El
objetivo es poder predecir la calidad de alimentación de los estudiantes de primer año de
Ingeniería Civil Industrial diurno de la Universidad Central de Chile, en función de los resultados
que se obtienen de la Autoevaluación del programa Aliméntate Sano (test IAS).

Se realiza también un estudio comparativo con los estudiantes de Ingeniería Civil en Obras Civiles
diurno de la misma casa de estudios.

La información estadística se basa en el estudio de muestras de 40 alumnos por carrera,

considerando los datos: Tamaño familiar, Ingreso familiar, Edad, Estudiante de primer año, Genero,
con los cuales se puede modelar el Índice de Aliméntate Sano, conformando el modelo de
regresión que permite conocer el nivel de alimentación de un estudiante, utilizando método de
Mínimos Cuadrados Ordinarios MCO y su análisis, utilizando el programa computacional Gretl.

Las deducciones del estudio, permiten predecir los resultados que se obtienen del Índice
Aliméntate Sano, desarrollado y validado por CNMEC-UC, el cual evalúa hábitos alimenticios, con
un puntaje final que varía entre 0 y 14, con rangos que componen las tres categorías, alimentación
mala; alimentación deficiente y alimentación sana; los cuales van desde [0-4], [5-8] y [9-14]
respectivamente, por tanto, es posible conocer la calidad en alimentación del estudiantado de las
carreras, para así poder apoyar la tarea de directivos para promover hábitos saludables entre
población juvenil, las que si son incorporadas de forma exitosa, podrán elevar la calidad de vida y
aumentar la esperanza de vida de la población actual.

Palabras Claves: Índice Alimentación Saludable, IAS, Econometría, Modelo de Regresión

MCO.
Abstract
This report details the econometric study, based on the model developed and published by the
School of Business Administration at the Catholic University of Valparaiso. The goal is to predict the
quality of feeding freshmen Industrial Civil Engineering Day at the Central University of Chile,
according to the results obtained from the Self Eat Healthy program (test IAS).

A comparative study was also carried out with students of Civil Engineering in Civil Works daytime
same university.

The statistical information is based on the study of samples of 40 students per race, considering the
data: family size, family income, age, Freshman, gender, with which you can model the index Eat
Healthy, forming the model regression allows to know the power level of a student using ordinary
least squares method OLS and analysis.

The deductions study predict the results obtained Eat Healthy Index, developed and validated by
CNMEC-UC, which evaluates eating habits, with a final score that ranges from 0 to 14, with ranges
that make up the three categories, poor nutrition; poor nutrition; healthy food; They range from [0-4],
[5-8] and [9-14] respectively is thus possible to know the quality of the student racing in order to
support the work of managers to promote healthy habits among population Youth, which if they are
successfully incorporated, may improve the quality of life and increase life expectancy of the
present population.

Key words: Healthy Eating Index, IAS, Econometrics MCO, Linear Regression Model

Introducción y Metodología

La obesidad es un problema de preocupación nacional y mundial que afecta a la mayoría de los

países desarrollados y en vías de desarrollo. En Chile, el sobrepeso y la obesidad afecta a siete de
cada diez persona mayores de 15 años (Fuente Ministerio de Salud) y a cuatro de cada diez niños,
con consecuencias directas sobre las principales causas de enfermedad y muerte:
cardiovasculares, cánceres, diabetes, problemas endocrinos, entre otros.

A nivel internacional se destaca el Healthy Eating Index (HEI), que fue desarrollado por el Centro
para la Promoción de la Nutrición del Departamento de Agricultura de Estados Unidos en 1995,
con el objetivo de determinar el grado de adhesión de la población norteamericana a las Guías
Alimentarias, quienes declaran que “El HEI se basa en datos obtenidos en encuestas alimentarias,
a partir de los cuales se construyen 10 variables, cada una con un puntaje que puede fluctuar de 0
a 10. La suma de los puntajes posibilita la construcción de un indicador con un valor máximo de
100 puntos y la clasificación de la alimentación en 3 categorías: saludable, necesita cambios, poco
saludable.” (Pinheiro F & Athala S, 2005)

En el caso de Chile, aún no existe una política de estado definida que permita presentar mejoras a
nivel nacional, como lo ha sido con la solución a la desnutrición. Con fracaso, se crearon
programas como Vida Chile, que abarcó alrededor de 340 comunas a lo largo del territorio
nacional, así como también, la Estrategia Global de la Obesidad, que buscaba intervenir en
escuelas de niños. El mundo empresarial se hizo presente mediante el programa de
Responsabilidad Social Empresarial NutriRSE, de la organización Acción RSE, el cual financiaba
empresas privadas que trabajaran en la prevención de la obesidad en escuelas y lugares de
trabajo.

Los alcances de las consecuencias de los problemas de alimentación se traducen en problemas de

orden público debido a que su solución implica asignar recursos tanto humanos como económicos
de los sectores públicos y privados.
El presente artículo comprende el análisis de una realidad social a nivel país y representa una
problemática de salud, frente a la calidad de alimentación de la población universitaria, mediante el
uso de herramientas estadísticas y econométricas, con el fin de predecir el índice de alimentación
saludable, creado a partir de una encuesta que será aplicado a estudiantes que cursen asignaturas
de primer año, pertenecientes a dos carreras de la Facultad de Ingeniería de la Universidad Central
de Chile, en base al estudio de variables condicionantes para dicho fenómeno, del cual se
desprenden las siguientes hipótesis:

1ª Hipótesis: La calidad del nivel de alimentación está directamente relacionado con los
recursos económicos disponibles que posea una familia.

2ª Hipótesis: A mayor número de integrantes en el grupo familiar, se verá afectado

negativamente la calidad de alimentación.

3ª Hipótesis: El género femenino posee una mejor calidad de alimentación que el grupo del
género opuesto.

4° Hipótesis: Los alumnos de primer año poseen una calidad de alimentación menor.

Es necesario recopilar dicha información y obtener la base de datos estadísticas de los alumnos de
ambas escuelas, lo cual se realiza mediante encuesta virtual, apoyados por el sitio web
http://www.e-encuesta.com, evaluando las variables que incorpora el modelo teórico, el cual será
desarrollado mediante Gretl, software econométrico de libre distribución.

Una vez realizados los análisis respectivos y las interpretaciones de cada resultado de la
información obtenida en el estudio, se espera postular el artículo en alguna revista científica, a
través de la colección de artículos en línea “Scielo”.

Índice Alimentación Saludable

En el estudio se utilizará el indicador IAS del modelo teórico desarrollado por el Centro de Nutrición
Molecular y Enfermedades Crónicas de la Pontificia Universidad Católica de Chile CNMEC-UC, el
cual es un resultado de una encuesta de 19 preguntas que analizan el hábito alimenticio del
encuestado.

El índice evalúa 14 ítems de hábitos alimenticios, con un puntaje final que varía entre 0 a 14
puntos, determinando tres categorías en función del puntaje obtenido, las que están definidas
como:

 Alimentación mala si su puntaje se encuentra entre 0 y 4 puntos;

 Alimentación deficiente si su puntaje obtenido está entre 5 y 8 puntos;
 Alimentación saludable si su puntaje final está entre 9 y 14 punto.

Esta encuesta se realiza de forma virtual en el sitio oficial de Aliméntate Sano – FITBOOK
(http://www.alimentatesano.cl/fitbook_v2/test_ias_h_no_usr.php) cuya aplicación se realiza de
manera anónima o con registro opcional. Los resultados son obtenidos inmediatamente respondida
la encuesta.
Modelo Teórico
El modelo teórico se basa en el estudio desarrollado y publicado por la Escuela de Ingeniería
Comercial de la Universidad Católica de Valparaíso “Análisis econométrico de los factores
determinantes de una alimentación saludable. Una aplicación a estudiantes de la carrera de
Ingeniería Comercial de la Pontificia Universidad Católica de Valparaíso, Chile.” (Calaf-Aguilera,
Cubillos Reyes, Solís-Movillo, Valderrama-Escoda, & Dr. Hanns de la Fuente Mella, 2013)

En el modelo se consideran 6 variables de las cuales la mitad son variables duras y las restantes
variables dicotómicas. Lo anterior denota un modelo con alto número de regresoras de diversa
índole, lo cual es consistente con lo expresado por (Martínez Jasso & Villezca Becerra, 2003)
quienes exponen la dependencia poli-variable, con fuerte incidencia de la variable ingreso familiar,
mostrando una relación positiva a la mejora en la calidad de alimentos conforme se aumenta en
nivel socioeconómico.

Otra variable indicada por la base de las inferencias obtenidas del estudio CNMEC-UC, establece
que la alimentación realizada en entorno familiar afecta positivamente a la calidad de la
alimentación. Por lo anterior, el tamaño del grupo familiar posee efectos considerables en el
modelo.

Respecto de la edad, se manifiesta el supuesto que los grupos de edad joven (entre 17 y 24 años),
presentan menor incorporación y predilección a elegir frutas y verduras en su dieta, además de
hábitos poco saludables (tabaquismo, falta de actividad física, entre otras). Con esto, la edad es un
factor clave en la calidad de alimentación.

Otro supuesto a considerar, según diversos estudios a nivel mundial, que recalcan una gran
diferencia de hábitos alimenticios entre hombres y mujeres, donde se señala que existe una peor
predisposición por parte de los hombres a mantener una dieta sana, mientras que la mujer, sin
importar nivel social, región de origen, edad, otorgan mayor relevancia a mantener una dieta
saludable. Por lo anterior, se propone la tercera hipótesis anteriormente mencionada, que define
que el género femenino tiene mejor índices que el masculino.

Finalmente, se destaca y fundamenta de manera empírica, en función de la experiencia de los

autores, que el ingreso a la universidad, genera un impacto en el estudiante, en cuanto a horarios
de comida, aumento de stress y constantemente ansiedad.

Posteriormente, el modelo queda estructurado de la siguiente manera:

IAS = B1 + B2 ∗ ingreso_familiar + B3 ∗ alimentación_grupo_familiar + B4 ∗ edad +

B5 ∗ tamaño_familiar + B6 ∗ género + B7 ∗ estudiante_ primer_año

Cuyo significado es:

- IAS: Índice alimentación saludable del estudiante encuestado medido en puntaje de 0 a 14.
- Ingreso familiar: Ingreso familiar mensual en unidades monetarias del estudiante
encuestado.
- Alimentación grupo familiar: Variable dicotómica que toma el valor 1 cuando la
alimentación del grupo familiar del estudiante encuestado es saludable, y 0 en otro caso.
- Edad: edad en años del estudiante encuestado.
- Tamaño familiar: número de personas del grupo familiar del estudiante encuestado.
- Género: variable dicotómica que toma el valor 1 es hombre, y 0 cuando es mujer.
- Estudiante perteneciente a primer año: variable dicotómica que toma el valor 0 cuando el
encuestado es alumno de primer año de la carrera, y 1 en otro caso.
Modelo Econométrico
Según el modelo teórico expuesto anteriormente, el modelo de regresión que permite predecir el
índice de alimentación saludable, está conformado por las variables regresoras que son: Ingreso
familiar mensual, edad, tamaño familiar, género (Dummy) y estudiante de primer año (Dummy) y
agregando la perturbación µ, resulta:

IAS = B1 + B2 ∗ ingresofamiliar + B3 ∗ edad + B4 ∗ tamaño familiar + B5 ∗ género + B6

∗ estudiante primer año + µ

Descripción Base de datos

La metodología del presente informe es de carácter cuantitativo, con uso de encuestas a alumnos
de la Escuela de Ingeniería Civil en Obras Civiles y la Escuela de Ingeniería Civil Industrial de la
Facultad de Ingeniería Universidad Central, ambos en horario diurno. Con el apoyo de los
respectivos Centros de Estudiantes, quienes facilitaron la información correspondiente a los
alumnos que conforman las carreras pertinentes, quienes mediante contacto vía mail, red social
Facebook y mensajería WhatsApp, accedieron a responder preguntas estandarizadas y con
formato aleatorio y anónimo.

La muestra fue de 40 alumnos en cada carrera efectivamente respondida y completada, generando

así, datos de corte transversal. Las encuestas fueron realizadas durante los días 01 de Junio al 15
de Junio 2015. La encuesta de las variables del modelo fueron subidas al portal e-encuesta
(http://www.e-encuesta.com/answer?testId=/0jS/wZVT1M), mientras que en anexo se adjunta
evidencia de certificados de los CCAA y tabla resumen de datos obtenidos.

Modelo de proyección
Supuestos del modelo
Los supuestos del modelo teórico, obtenidos de la cátedra de Econometría, en base a (Gujarati,
2010), se presentan en la siguiente tabla:

Tabla 1 Supuestos del modelo

Supuesto 1 El modelo de regresión debe ser lineal en los parámetros, pudiendo ser lineal o no en
las variables. Caso contrario existirán errores de especificación en el modelo.
Supuesto 2 Valor medio de la perturbaciones µi es igual a cero: El valor esperado del termino de
error µi debe ser nulo, o en otras palabras, igual a cero.
Supuesto 3 Homocedasticidad o varianza constante de µi.
Supuesto 4 Ausencia de Auto correlación: Se supone que no se encontrara presencia de auto
correlación entre dos o más variables
Supuesto 5 Unidireccionalidad: Suponemos que las variables Xi, con i igual a 1, 2,…, n, tendrán una
relación unidireccional con la variable explicada, y no al revés. Es decir, los valores de
las variables Xi afectan a la variable Y pero no viceversa.
Supuesto 6 Significancia del Modelo: Se empleará el test T-Student para análisis individual y para el
modelo global F de Fisher. Para estudiar la significancia de los parámetros se utiliza
programa Gretl.
Supuesto 7 Ausencia de Colinealidad exacta: Se supone que el modelo no tendrá colinealidad
exacta entre las variables, o sea que no hay relación lineal exacta entre las variables X.
Se emplea programa Gretl para detección.
Supuesto 8 El número de observaciones n debe ser mayor que el de parámetros por estimar.
Fuente: Elaboración propia.
Predicción de los betas
De acuerdo al modelo escogido, se identifican 3 variables cuantitativas y 2 variables Dummy,
obtenidas por medio del uso de la técnica cuantitativa de encuestas.

Finalmente, se obtiene una predicción del Índice de Alimentación Saludable IAS de los alumnos,
mediante el modelo aportado por el uso de las variables regresoras.

Selección del modelo econométrico a utilizar

Finalmente, el modelo queda conformado de la siguiente manera:

IAS = B1 + B2 ∗ ingresofamiliar + B3 ∗ edad + B4 ∗ tamaño familiar + B5 ∗ género + B6

∗ estudiante primer año + µ

Siendo:

IAS: Índice de alimentación sana, con un rango entre 0 y 14.

Ingreso familiar: Ingreso familiar mensual en pesos chilenos, redondeado a la decena de mil.

Edad: Edad del estudiante encuestado, en número entero positivo.

Tamaño familiar: número de personas del grupo familiar del estudiante encuestado.

Género: variable dicotómica que toma el valor 1 es hombre, y 0 cuando es mujer.

Estudiante perteneciente a primer año: variable dicotómica que toma el valor 0 cuando el
encuestado es alumno de primer año de la carrera, y 1 en otro caso.

Además, se destaca que han sido eliminadas la variable Dummy de Alimentación grupo familiar, ya
que ésta no presentó incidencia dentro del modelo.
Muestra Alumnos ICI
A continuación se presenta el resultado obtenido mediante programa Gretl:

Ilustración 1 Gráfica Software Gretl

Análisis de los parámetros

La ecuación de regresión del modelo es:

𝑦̂ = 3,0241 − 0,3837𝑋2 + 1,6634𝑒 − 06𝑋3 − 0.0060𝑋4 + 1,0471𝐷1 + 1,1515𝐷2

Dónde:

̂𝟏 = 3,0241 Su interpretación apunta a que el valor promedio del Índice de Alimentación Saludable
𝜷
IAS del alumno de Ingeniería Civil Industrial es de 3,0241 veces, en la situación en que no se
consideran ninguna de las variables regresoras: tamaño de familia, ingreso familiar, edad, si es
estudiante de primer año y el género.

̂𝟐 = -0,3837 Su significado corresponde a la variación promedio del índice IAS con efecto negativo
𝜷
debido al tamaño de la familia, lo que quiere decir que por cada integrante de la familia, el
indicador se reduce en -0,3837 veces. Se encuentra consistente la teoría con este beta, ya que al
aumentar el grupo familiar, disminuye el indicador per-cápita.
̂𝟑 =1,6634e-06 Su significado corresponde a la variación promedio del índice IAS tiene relación
𝜷
directa debido al aumento de los ingresos de la familia, lo que quiere decir que por cada peso que
aumenta el ingreso, el indicador aumenta en 1,6634e.6 veces en pesos. Se encuentra consistente
la teoría con este beta, ya que al aumentar el ingreso, aumenta la calidad de los productos a
consumir.

̂𝟒 = -0.0060 Su significado corresponde a la variación promedio del índice IAS con relación inversa
𝜷
debido al aumento de la edad en años, lo que quiere decir que por cada año que aumenta el
alumno, el indicador disminuye -0.0060 veces. Se encuentra consistente la teoría con este beta, ya
que al aumentar el la edad, la persona se torna independiente en su decisión de consumo, que en
contextos culturales de consumo de alimentos nocivos, se verá aumentado, debido a sabor, precio
y modas entre otros.

̂𝟓 =1,0471 Su significado expresa una incidencia positiva en el indicador IAS, cuando la variable
𝜷
Dummy “Estudiante de primer año” es 1 (es decir no es de primer año) aumentando en 1,0471 el
IAS. Su valor se anula cuando es de primer año.

̂𝟔 =1,1515 Su significado expresa una incidencia positiva en el indicador IAS, cuando la variable
𝜷
Dummy “genero” es 1 (es decir es hombre) aumentando en 1,1515 el IAS. Su valor se anula
cuando es de mujer, es decir para la muestra, no existe mejora al ser de sexo femenino.

Coeficientes de determinación

Para el estudio de los coeficientes de determinación R2 y R2 ajustado, se empleara la información

obtenida desde el software Gretl.

R-cuadrado = 0,450: Este valor indica que la varianza de la regresión es capaz de explicar solo
el 45,08% de la varianza, explicado por las variables: Tamaño familiar, Ingresos, edad, condición
estudiante de primer año y género.

R-cuadrado ajustado o corregido: 0,3701: Este valor indica que la varianza de la regresión es
capaz de explicar solo el 37,01% de la varianza, explicado por las variables: Tamaño familiar,
Ingresos, edad, condición estudiante de primer año y género. Este parámetro quita el efecto del
número de variables sobre R-cuadrado.
Test t de Student
Para el estudio de la significancia individual de los parámetros se tiene las siguientes hipótesis
para el contraste:

Criterio: T calculado > T tabla el PARAMETRO es significativo, caso contrario se rechaza. Se

considera α=5%.

H0:B1=0

H1: B1≠0

Tabla 2 Resultados Test t de Student muestra ICI

Parámetro t calculado t Tabla Significativo Hipótesis

B1 0,4024 2,0322 no nRH0
B2 -1,81 2,0322 no nRH0
B3 4,135 2,0322 si RH0
B4 -0,0141 2,0322 no nRH0
B5 1,145 2,0322 no nRH0
B6 1,575 2,0322 no nRH0
Fuente: Elaboración Propia

Se observa que solo una variable es significativa individualmente. Esto se debe en parte a lo
complejo del modelo. Modelamientos de hábitos de alimentación son influenciados por un alto
número de variables de distinto carácter (económicas, psicológicas, culturales, geográficas, entre
otras).

Test F de Fisher
Para el cálculo del test F, el cual mide la significancia global del modelo se tiene para el contraste
Criterio: F calculado > F tabla el MODELO es significativo globalmente, caso contrario se rechaza
Se considera α=5%.
Hipótesis nula: H0: se rechaza cuando el modelo es significativo y no se rechaza en caso contrario.

H0=B1=B2=B3=B4=B5=0. / H1: al menos un beta ≠0.

Tabla 3 Resultados Test de F de Fisher

F calculado F Tabla Significativo Hipótesis

5,5826 2,49362 si RHo

Fuente: Elaboración Propia.

Por lo tanto, el modelo es significativamente global. Luego se Rechaza Ho

Lo anterior, permite deducir y confirmar que al menos uno de los Beta es significativo, luego el
modelo es significativo en su conjunto, lo que se puede dar debido a la covarianza entre los
coeficientes.
Intervalos de confianza
Mediante el programa Gretl se obtiene lo siguiente:

Ilustración 2 Intervalo de Confianza ICI

Obteniéndose los siguientes resultados e interpretaciones para cada coeficiente:

Tabla 4 Interpretación de Coeficientes

Coeficiente Intervalos de confianza al 95%

β1 (-12,2483 ≤ β1 ≤ 18,2966) al 95% de confianza, significa que en 95 de cada 100 casos, el
verdadero valor de β1 se encuentra en el intervalo indicado.
β2 (1,0437 ≤ β2 ≤ 0,2763) al 95% de confianza, en 95 de cada 100 casos, el verdadero valor de
β2 se encuentra en el intervalo indicado.
β3 (8,4598e-007 ≤ β3 ≤ 2,4808e-006) al 95% de confianza, en 95 de cada 100 casos, el
verdadero valor de β3 se encuentra en el intervalo indicado.
β4 (-0,8743 ≤ β4 ≤ 0,8623) a 95% de confianza, en 95 de cada 100 casos, el verdadero valor de
β4 se encuentra en el intervalo indicado.
β5 (-0,811638 ≤ β5 ≤ 2,9059) al 95% de confianza, en 95 de cada 100 casos, el verdadero valor
de β5.se encuentra en el intervalo indicado.
β6 (-0,3339 ≤ β6 ≤ 2,6370) al 95% de confianza, en 95 de cada 100 casos, el verdadero valor de
β6 se encuentra en el intervalo indicado.
Fuente: Elaboración Propia.
Inferencias en el modelo de proyección
Test de Multicolinealidad

Método 1 (método por inspección)

De acuerdo a los Resultados de los siguientes parámetros para el método MCO:

 R-cuadrado: posee valor alto (no cumple)

 Test t: no posee variables significativos (no cumple)
 Test F: significativo (cumple)

De haber cumplido los 3 criterios, se podría sospechar Multicolinealidad, en este caso por
inspección se descarta y se aplica el método del siguiente paso.

Método 2 (utilizando Gretl)

Ilustración 3 Colinealidad

En la imagen, se aprecia que las variables regresoras son todas menor que 10, por lo que se
descartan problemas de existencia de colinealidad.
Test de Heterocedasticidad
Este tipo de anomalías se mayormente en corte transversal Se aplica test e White mediante la
herramienta de Gretl, obteniendo la siguiente captura:

Ilustración 4 Heterocedasticidad

Luego, se observa que el valor contraste de White da un valor TR^2=13,5107.

Luego, con α=5% se χ2 calculado = 28,8693.

Luego se tiene que TR^2 < χ2 calculado, demostrando con esto que no existe
HETEROCEDASTICIDAD, por lo tanto el modelo presenta Homocedasticidad.
Test de Auto correlación
A pesar que los datos son de corte transversal y este test solo se aplica en series de tiempo, se
aplicará análisis de Autocorrelación para descartar problemas de especificación en el modelo.

De acuerdo al programa Gretl se obtiene:

Ilustración 5 Autocorrelación

Se obtiene el Durbin-Watson = 2,4529

Valores críticos al 5% del estadístico de Durbin-Watson, n = 40, k = 6 son:

dL = 1,1754
dU = 1,8538

Tabla 5 Autocorrelación

Auto- Indecisión ZONA DE NO Indecisión Auto

correlación AUTOCORRELACIÓN correlación
Positiva negativa
0 1,1754 1,8538 2 2,1462 2,8246 4
Fuente: Elaboración Propia.

Lo que da en zona de auto correlación negativa.

Luego, como corrección aplicando Corrección de AR (1) da el siguiente modelo:

Ilustración 6 Corrección de Autocorrelación

Se obtiene el Durbin-Watson = 2,0508

Luego se tienen los valores críticos al 5% del estadístico de Durbin-Watson, n = 39, k = 5 son:
dL = 1,2176
dU = 1,7886
Con lo cual cae en la zona de no Autocorrelación.

Tabla 6 Corrección de Autocorrelación

Auto Indecisión ZONA DE NO Indecisión Auto correlación negativa

Correlación AUTOCORRELACIÓN
Positiva
0 1,2176 1,7886 2 2,2114 2,7824 4
Fuente: Elaboración Propia.

Con el método de AR (1) se corrige la auto correlación quedando el modelo libre de anomalías.
Muestra Alumnos OOCC
De Gretl se obtiene lo siguiente para el modelo de MCO:

Ilustración 7 Gráfica Software Gretl

Análisis de los parámetros

La ecuación de regresión del modelo es:

𝑦̂ = 0.9473 − 0,2605𝑋2 + 1,1599𝑒 − 06𝑋3 + 0.1456𝑋4 − 0,4659𝐷1 + 1,2243𝐷2

Dónde:

̂𝟏 = 0.9473 Su interpretación apunta a que el valor promedio del Índice de Alimentación Saludable
𝜷
IAS del alumno de Ingeniería Civil en Obras Civiles es de 0,9473 veces, en la situación en que no
se consideran ninguna de las variables regresoras: tamaño de familia, ingreso familiar, edad, si es
estudiante de primer año y el género.

̂𝟐 = -0,2605 Su significado corresponde a la variación promedio del índice IAS con efecto negativo
𝜷
debido al tamaño de la familia, lo que quiere decir que por cada integrante de la familia, el
indicador se reduce en -0,2605 veces. Se encuentra consistente la teoría con este beta, ya que al
aumentar el grupo familiar, disminuye el indicador per-cápita.
̂𝟑 =1,1599e-06 Su significado corresponde a la variación promedio del índice IAS tiene relación
𝜷
directa debido al aumento de los ingresos de la familia, lo que quiere decir que por cada peso que
aumenta el ingreso, el indicador aumenta en 1,1599e-6 veces en pesos. Se encuentra consistente
la teoría con este beta, ya que al aumentar el ingreso, aumenta la calidad de los productos a
consumir.

̂𝟒 = 0.1456 Su significado corresponde a la variación promedio del índice IAS con relación directa
𝜷
debido al aumento de la edad en años, lo que quiere decir que por cada año que aumenta el
alumno, el indicador disminuye 0,1456 veces. Se encuentra consistente lo visto empíricamente con
este beta, ya que al aumentar el la edad, la persona se torna independiente en su decisión de
consumo, siendo un consumidor más responsable, ya que se ve afectado por condicionantes de
madurez y preocupación por su salud.

̂𝟓 = -0,4659 Su significado expresa una relación negativa en el indicador IAS, cuando la variable
𝜷
dummy “Estudiante de primer año” es 1 (es decir no es de primer año) disminuyendo en -0,4659 el
IAS. Su valor se anula cuando es de primer año.

̂𝟔 =1,2243 Su significado expresa una incidencia positiva en el indicador IAS, cuando la variable
𝜷
dummy “genero” es 1 (es decir es hombre) aumentando en 1,2243 el IAS. Su valor se anula
cuando es de mujer, es decir para la muestra, no existe mejora al ser de sexo femenino.

Coeficientes de determinación

Análogo que en el caso de la otra carrera, para el estudio de los coeficientes de determinación R2
y R2 ajustado, se empleara la información obtenida desde el software Gretl.

R-cuadrado: 0,2795 Este valor indica que la varianza de la regresión es capaz de explicar solo
el 27,95% de la varianza, explicado por las variables: Tamaño familiar, Ingresos, edad, condición
estudiante de primer año y género.

R-cuadrado ajustado o corregido: 0,1735 Este valor indica que la varianza de la regresión
es capaz de explicar solo el 17,35% de la varianza, explicado por las variables: Tamaño familiar,
Ingresos, edad, condición estudiante de primer año y género. Este parámetro quita el efecto del
número de variables sobre R-cuadrado.
Test t de Student
Para el estudio de la significancia individual de los parámetros se tiene las siguientes hipótesis
para el contraste:

Criterio: T calculado > T tabla el PARAMETRO es significativo, caso contrario se rechaza. Se

considera α=5%.

H0:B1=0

H1: B1≠0

Tabla 7 Resultados Test t de Student OOCC

Parámetro t calculado t Tabla Significativo Hipótesis

B1 0,1082 2,0322 No nRH0
B2 -0,7753 2,0322 No nRH0
B3 2,747 2,0322 Si RH0
B4 0,2925 2,0322 No nRH0
B5 -0,4640 2,0322 No nRH0
B6 1,578 2,0322 No nRH0
Fuente: Elaboración Propia.

Se observa que solo una variable es significativa individualmente. Esto se debe en parte a lo
complejo del modelo. Modelamientos de hábitos de alimentación son influenciados por un alto
número de variables de distinto carácter (económicas, psicológicas, culturales, geográficas, entre
otras). Lo que hace difícil la tarea de obtener estimadores individuales significativos.

Test F de Fisher

Para el cálculo del test F, el cual mide la significancia global del modelo se tiene para el contraste

Hipótesis nula: H0: se rechaza cuando el modelo es significativo y no se rechaza en caso contrario.

H0=B1=B2=B3=B4=B5=0

H1: al menos un beta ≠0

Criterio: F calculado > F tabla el MODELO es significativo globalmente, caso contrario se rechaza
Se considera α=5%.
 Tabla 8 Resultados test F de Fisher

F calculado F Tabla Significativo Hipótesis

2,6378 2,49362 si RHo

Fuente: Elaboración Propia.

Por lo tanto, el modelo es significativamente global, se rechaza H0.

Lo anterior, permite deducir y confirmar que al menos uno de los Beta es significativo, luego el
modelo es significativo en su conjunto, lo que se puede dar debido a la covarianza entre los
coeficientes.

Intervalos de confianza
Mediante el programa Gretl se obtiene lo siguiente:

Ilustración 8 Intervalos de confianza

Obteniéndose los siguientes resultados e interpretaciones para cada coeficiente:

Tabla 9 Interpretación de los coeficientes

Coeficiente Intervalos de confianza al 95%

β1 (-16,8432 ≤ β1 ≤ 18,7379) al 95% de confianza, significa que en 95 de cada 100 casos, el
verdadero valor de β1 se encuentra en el intervalo indicado.
β2 (-0,9433≤ β2 ≤ 0,4223) al 95% de confianza, en 95 de cada 100 casos, el verdadero valor de
β2 se encuentra en el intervalo indicado.
β3 (3,01782e-007 ≤ β3 ≤ 2,0181e-006) al 95% de confianza, en 95 de cada 100 casos, el
verdadero valor de β3 se encuentra en el intervalo indicado.

β4 (-0,8659≤ β4 ≤ 1,1571) a 95% de confianza, en 95 de cada 100 casos, el verdadero valor de β4

se encuentra en el intervalo indicado.
β5 (-2,50653 ≤ β5 ≤ 1,5747) al 95% de confianza, en 95 de cada 100 casos, el verdadero valor de
β5.se encuentra en el intervalo indicado.
β6 (-0,3529 ≤ β6 ≤ 2,8014) al 95% de confianza, en 95 de cada 100 casos, el verdadero valor de
β6 se encuentra en el intervalo indicado.
Fuente: Elaboración Propia.

Inferencias en el modelo de proyección

Test de Multicolinealidad

Método 1 (método por inspección)

De acuerdo a los Resultados de los siguientes parámetros para el método MCO:

 R-cuadrado: posee valor alto (no cumple)

 Test t: no posee variables significativos (no cumple ya que una variable lo es)
 Test F: significativo (cumple)

De haber cumplido los 3 criterios, se podría sospechar Multicolinealidad, en este caso por
inspección se descarta y se aplica el método del siguiente paso.
Método 2 (utilizando Gretl)
Ilustración 9 Colinealidad

Se aprecia que las variables regresoras son todas menor que 10, por lo que se descartan
problemas de existencia de colinealidad.
Test de Heterocedasticidad
Este tipo de anomalías se mayormente en corte transversal Se aplica test e White mediante la
herramienta de Gretl, obteniendo la siguiente captura:

Ilustración 10 Heterocedasticidad

Luego, se observa que el valor contraste de White da un valor TR^2=21,2863

Luego, con α=5% se χ2 calculado = 28,8693

Luego se tiene que TR^2 < χ2 calculado, demostrando con esto que no existe
HETEROCEDASTICIDAD, por lo tanto el modelo presenta Homocedasticidad.
Test de Auto correlación
A pesar que los datos son de corte transversal y este test solo se aplica en series de tiempo, se
aplicará análisis de autocorrelación para descartar problemas de especificación en el modelo.

De acuerdo al programa Gretl se obtiene:

Ilustración 11 Autocorrelación

Se obtiene el Durbin-Watson = 2,0854

Valores críticos al 5% del estadístico de Durbin-Watson, n = 40, k = 6 son:

dL = 1,1754 dU = 1,8538

Tabla 10 Autocorrelación

Auto- Indecisión ZONA DE NO Indecisión Auto

correlación AUTOCORRELACION correlación
Positiva negativa
0 1,1754 1,8538 2 2,1462 2,8246 4
Fuente: Elaboración Propia.

Lo que da en zona de NO AUTOCORRELACION.

Resultados
La información obtenida del presente informe ha sido posible gracias al uso de las herramientas y
teorías analizadas en las clases y laboratorio de la asignatura de Econometría.

En primer lugar se analizan las hipótesis propuestas. Se observa que para la primera hipótesis, se
cumple para ambas carreras que el INGRESO FAMILIAR resultó ser la variable más significativa,
lo que permite deducir su alto impacto. Lo anterior resulta consistente con el nivel de las preguntas
del IAS, ya que varias consideran el consumo de elementos de alto costo para una familia tipo.

La segunda Hipótesis también se ve demostrada, ya que en ambas muestras, los coeficientes Beta
correspondientes a la variable “Tamaño Familia” resultaron negativos, siendo mayor el impacto en
el caso de Ingeniería Civil Industrial. La diferencia no es considerable, sin embargo se destaca el
comportamiento similar.

Para el tercer supuesto no se observa dentro de las muestras una corroboración de lo planteado.
Ambos indicadores están de dimensión similar (varían en casi 10%). Este hecho se analiza y de la
observación se destaca que la realidad de los alumnos hombres de ambas carreras no existen
alumnos con problemas de obesidad en gran porcentaje.

Por otra parte, el modelo cumple con los supuestos del método de Mínimos Cuadrados Ordinarios.

En segundo lugar, llama la atención el bajo nivel de significancia, sin embargo el fenómeno
estudiado posee múltiples condicionantes de distinta índole, lo cual hacen que cada modelo no sea
lo suficiente, sin embargo las significancias globales en ambas muestras fue correcta.

Respecto de los datos, estos al ser modalidad encuesta pueden presentar problemas de precisión
ya que los alumnos encuestados responden desde su casa, y se no existe control de que la
información sea respondida verídicamente, sin embargo el apoyo de los centros de alumnos fue
vital para lograr contactar a los alumnos, caso contrario se dificulta tomar la atención de un alumno
por más de 10 minutos que tomaba la encuesta.

En general los anomalías no se presentaron, salvo en el caso de Autocorrelación, lo cual habla de

una regresión razonable.

Los objetivos fueron alcanzados de manera razonable, logrando profundizar los conceptos teóricos
con la información del mundo real.
Anexos

Anexo 1: Certificado Centro de Estudiantes Ingeniería Civil Industrial.

Anexo 2: Certificado Centro de Estudiantes Ing. Civil Obras Civiles.
Anexo 3: Tabla resultados estudiantes encuesta Ingeniería Civil en Obras Civiles.
Encuestado Alimento grupo familiar Tamaño Familia Ingreso familiar Edad Estudiante 1° Año Género
1 5 2 1.400.000 18 0 1
2 5 2 2.950.000 18 0 0
3 1 2 3.000.000 19 1 0
4 5 3 1.450.000 19 1 0
5 7 3 1.800.000 18 0 1
6 8 3 1.900.000 18 0 0
7 4 3 2.000.000 18 0 1
8 10 3 3.500.000 18 0 1
9 5 3 2.500.000 18 0 1
10 9 3 3.400.000 19 1 1
11 11 3 4.000.000 19 0 1
12 10 3 4.000.000 19 1 0
13 3 4 1.450.000 18 0 0
14 6 4 1.600.000 17 0 0
15 5 4 1.700.000 17 0 0
16 7 3 1.800.000 20 0 1
17 4 4 2.000.000 18 1 0
18 7 4 2.000.000 19 1 1
19 6 4 2.300.000 22 1 1
20 6 4 2.300.000 19 0 0
21 8 3 2.500.000 20 1 1
22 5 4 2.500.000 18 0 1
23 7 4 3.000.000 18 0 1
24 4 4 3.600.000 18 0 0
25 10 4 3.800.000 20 1 1
26 9 4 4.050.000 19 0 1
27 6 5 1.600.000 17 0 1
28 8 5 1.900.000 18 0 0
29 7 5 2.500.000 18 0 0
30 6 5 2.500.000 19 0 1
31 5 5 2.800.000 19 1 1
32 3 5 2.900.000 18 0 0
33 4 5 3.300.000 18 0 0
34 6 5 3.500.000 21 1 1
35 7 5 4.400.000 19 1 1
36 8 5 4.500.000 20 1 0
37 4 6 2.500.000 18 0 0
38 2 6 3.600.000 18 0 0
39 12 6 4.400.000 18 0 0
40 8 7 4.600.000 19 0 1
Fuente: Elaboración Propia.
Anexo 4: Tabla de resultados encuesta estudiantes Ingeniería Civil Industrial
Encuestado Alimento grupo familiar Tamaño familia Ingreso familiar Edad Estudiante 1° año Género
1 5 2 1.400.000 18 0 1
2 5 2 2.950.000 18 0 0
3 7 3 1.800.000 18 0 1
4 8 3 1.900.000 18 0 0
5 4 3 2.000.000 18 0 1
6 10 3 2.200.000 18 0 1
7 5 3 2.500.000 18 0 1
8 11 3 4.000.000 19 0 1
9 9 4 3.000.000 17 0 0
10 2 4 1.700.000 17 0 0
11 3 4 1.450.000 18 0 0
12 5 4 2.500.000 18 0 1
13 7 4 3.000.000 18 0 1
14 4 4 3.600.000 18 0 0
15 6 4 2.300.000 19 0 0
16 9 4 4.050.000 19 0 1
17 4 4 1.800.000 21 0 1
18 6 5 1.600.000 17 0 1
19 8 5 1.900.000 18 0 0
20 7 5 2.500.000 18 0 0
21 7 5 2.900.000 18 0 0
22 4 5 3.300.000 18 0 0
23 10 5 2.500.000 19 0 1
24 4 6 2.500.000 18 0 0
25 2 6 3.600.000 18 0 0
26 10 6 4.400.000 18 0 0
27 8 7 4.600.000 19 0 1
28 4 4 2.000.000 18 1 0
29 10 2 3.000.000 19 1 0
30 4 3 1.450.000 19 1 0
31 9 3 3.400.000 19 1 1
32 10 3 4.000.000 19 1 0
33 7 4 2.000.000 19 1 1
34 7 5 2.800.000 19 1 1
35 11 5 4.400.000 19 1 1
36 8 4 2.500.000 20 1 1
37 10 4 3.800.000 20 1 1
38 11 5 4.500.000 20 1 0
39 10 5 3.500.000 21 1 1
40 6 4 2.300.000 22 1 1
Fuente: Elaboración Propia.
Referencias

Calaf-Aguilera, L., Cubillos Reyes, A., Solís-Movillo, R., Valderrama-Escoda, M. F., & Dr. Hanns de
la Fuente Mella. (2013). Análisis econométrico de los factores determinantes de una
alimentación saludable. Una aplicación a estudiantes de la carrera de Ingeniería Comercial
de la Pontificia Universidad Católica de Valparaíso, Chile. Ingenerare N°27, 9-14.

Chile, P. U. (2014). Mi Fitbook. Obtenido de Encuesta: Test Índice Alimentate Sano:

http://www.alimentatesano.cl/fitbook_v2/test_ias_h_no_usr.php

Chile, P. U. (2015). Alimentate Sano. Obtenido de Alimentate Sano del Centro de Nutrición
Molecular y Enfermedades Crónicas Facultad de Medicina, Pontificia Universidad Católica
de Chile, Chile. : http://www.alimentatesano.cl/

Gobierno de Chile, Ministerio de Salud. (s.f.). Sitio web guia de salud nutricional del Ministerio de
Salud, Chile. Obtenido de Minsal: http://web.minsal.cl/alimentos_nutricion

Gujarati, D. N. (2010). Econometría. Mcgraw Hill.

Martínez Jasso, I., & Villezca Becerra, P. A. (2003). La Alimentación en México: Un estudio a partir
de la encuesta nacional de ingresos y gastos de los hogares. Revista de Información y
Análsis N°21, 26-37.

Pinheiro F, A. C., & Athala S, E. (2005). Propuesta de una metodología de análisis de la calidad
global de la alimentación. Revista médica de Chile, 175-182. Recuperado el 01 de Julio de
2015, de http://www.scielo.cl/scielo.php?script=sci_arttext&pid=S0034-
98872005000200004&lng=es&tlng=es. 10.4067/S0034-98872005000200004.