3.

METODOLOGÍA

3.1. Diseño

El estudio se realizó a partir de la masiva afluencia de comerciantes informales en la

cuidad de Ibarra, ejecutando una investigación tanto descriptiva como exploratoria para
conocer las diferentes causas que influyen en la productividad de los comerciantes informales
y los motivos que los llevaron a la informalidad, también se utilizó el método deductivo e
inductivo, es decir se compone por lo tanto, de una primera etapa que se caracteriza por la
inducción de principios explicativos a partir de los fenómenos observados, y después en una
segunda etapa, sobre estos principios se construyen enunciados que los contengan y se refieran
a los fenómenos. La investigación fue desarrollada a través de un estudio de corte transversal
de tipo cuantitativa y cualitativa, basado en mediciones numéricas y análisis estadísticos para
establecer la muestra y poder comparar las diferentes teorías, mediante la recolección de datos
que facilitó la comprensión.

3.2. Población/muestra

La encuesta se realizó a una muestra que es un subconjunto fielmente representativo de

la población a través del método probabilístico aleatorio estratificado con el objetivo de
determinar el número de vendedores ambulantes en la ciudad de Ibarra, por consiguiente, se
utilizó la siguiente formula:

 Población (N): 100 988 (vendedores ambulantes)

 Desviación estándar (𝝈): valor constante de 0,5
 Nivel de confianza (Z): 95% = 1,96
 Margen de error (e): 0,05

N σ2 Z 2
𝑛=
(𝑁 − 1)e2 + σ2 Z 2

100988 ∗ 0,52 1,962

𝑛=
(100987)0,052 + 0,52 1,962

𝑛 = 382,7079

𝑛 = 383
 3.3. Entorno

Las encuestas se aplicaron en Ecuador, Provincia de Imbabura, cuidad Ibarra en las

principales calles y avenidas del centro de la ciudad en las que se evidencia mayor afluencia
de comerciantes informales que son: Av. Eugenio Espejo, Av. Alfredo Pérez Guerrero, Av.
Fray Vacas Galindo, calle Simón Bolívar y calle Obispo Mosquera. La fecha de la recolección
de datos fue realizada el día sábado 22 de junio del 2019 hacia los comerciantes del sector
informal de la cuidad de Ibarra. La encuesta recoge información sobre 14 ítems entre los que
se destacan las variables sociodemográficas (edad, sexo, nacionalidad) y socioeconómicas
como lo son: ventas, tipo de producto, ingresos, unidades vendidas y horas trabajadas, entre
otras, de manera semanal.

3.4. Intervenciones

La revisión bibliográfica realizada para la elaboración de este estudio ha cumplido un

rol importante, debido a que la búsqueda de información se realizó mediante la consulta en los
recursos bibliográficos, como son las bases de datos Science Direct, Scielo, Scopus y El Libro-
Libros Español. Por lo cual, esta investigación ha sido a través de un estudio transversal, es
decir mediante la utilización de técnicas, mediante la aplicación de la encuesta.

3.5. Análisis estadísticos

Una vez recolectados los datos se aplicó el coeficiente de correlación de Pearson,

análisis de regresión simple que son técnicas para variables cuantitativas mediante el paquete
estadístico Stata, además se utilizó un nivel de significancia del 5% para estimar los
parámetros, tomando en cuenta la validación de los seis supuestos, a su vez este proporcionó
resultados descriptivos y las relaciones existentes entre las variables explicativas con la
variable explicada, es decir el coeficiente de productividad que esta medido en ventas sobre
horas de trabajo (semanal).

3.6. Estimación y validación del modelo

a) Especificación y estimación del modelo:

Y = f (produc, ne, vps, hts, cant, gps)
𝑌𝑖 = β0 + β1i + β2𝑖 + β3𝑖 + β4𝑖 + β5𝑖 𝜇𝑖

2
 𝑃𝑟𝑜𝑑𝑢𝑐 = 𝛽0 + 𝛽1 𝑛𝑒 + 𝛽2 𝑣𝑝𝑠 + 𝛽3 ℎ𝑡𝑠 +𝛽4 𝑐𝑎𝑛𝑡 +𝛽5 𝑔𝑝𝑠 + 𝜇𝑖
̂ = 2.9418 – 0.0212 ne + 0.0332 vps -0.0700 hts - 0.0070 cant + 0.0152 gps+ 𝜇𝑖
𝑃𝑟𝑜𝑑𝑢𝑐

Donde:

 Variable dependiente:
Y= produc ($)

 Variable independiente:

β0 = constante
β1 = nivel de educación
β2 = ventas promedio semanal ($)
β3 = horas trabajadas semanal (horas)
β4 = cantidad de unidades vendidas semanal (unidades)
β5 = ganancia promedio semanal ($)
𝜇𝑖 = Error estocástico

Tabla 1
Regresión del modelo.
produc Coef. Std. Err. t P>t [95% Conf. Interval]
ne -0,021254 0,1793167 -0,12 0,906 -0,3738402 0,3313322
vps 0,0332091 0,0021687 15,31 0,000 0,0289449 0,0374733
hts -0,0700908 0,0078591 -8,92 0,0000 -0,0855441 -0,0546376
cant -0,0070715 0,002323 -3,04 0,002 -0,0116392 -0,0025037
gps 0,0152395 0,0050559 3,01 0,003 0,0052981 0,0251809
_cons 2,94182 0,6647433 4,43 0,0000 1,634751 4,248889
Number of obs= 383
F(5, 377) = 87,63
Prob > F = 0,000
R-squared = 0,5375
Adj R-squared = 0,5314
Root MSE = 4,9671
Elaborado por: Autores.

Interpretación: La productividad de los comercios informales (product) depende del

nivel de educación (ne), ventas promedio semanal (vps) , horas trabajadas semanal (hts),
cantidad de unidades vendidas semanal (cant) y la ganancia promedio semanal (gps).

Ho: β1i + β2𝑖 + β3𝑖 + β4𝑖 + β5𝑖 = 0

H1: β1i + β2𝑖 + β3𝑖 + β4𝑖 + β5𝑖 ≠ 0

3
b) Significancia global: Se puede decir que el modelo es estadísticamente significativo
porque el valor de Prob>F = 0.0000 es menor que 0.05 a un nivel de significancia del 5%.

c) Bondad de ajuste: Con un 𝑅 2 < 0,70 = Adj R-squared = 0.5314, no es un modelo robusto,
debido a que las variables explicativas: ne, vps, hts, cant, gps, explican a la variable produc
tan sólo en un 53,14%.

d) Significancia individual:

 ne ($)
Ho: 𝛽1 = 0
H1: 𝛽1 ≠ 0

Interpretación: Como el valor de P>|t|= 0. 0.906 es mayor que 0,05 con un nivel de
significancia del 5% se acepta la Ho y se rechaza la H1 por lo tanto, la variable ne no es
estadísticamente significativo para el modelo a ningún nivel de significancia.

 vps ($)
Ho: 𝛽2 = 0
H1: 𝛽2 ≠ 0
Interpretación: Como el valor de P>|t|= 0.000 es menor que 0,05 con un nivel de
significancia del 5% se rechaza la hipótesis nula y se acepta la H1 por lo tanto, la variable vps
es lineal y es estadísticamente significativa para el modelo.

 hts (horas)
Ho: 𝛽2 = 0
H1: 𝛽2 ≠ 0

Interpretación: Como el valor de P>|t|= 0.000 es menor que 0,05 con un nivel de
significancia del 5% se rechaza la hipótesis nula y se acepta la H1 por lo tanto, la variable hts
es lineal y es estadísticamente significativa para el modelo.

 cant (unidades)
Ho: 𝛽2 = 0
H1: 𝛽2 ≠ 0

4
 Interpretación: Como el valor de P>|t|= 0.002 es menor que 0,05 con un nivel de
significancia del 5% se rechaza la hipótesis nula y se acepta la H1 por lo tanto, la variable cant
es lineal y es estadísticamente significativa para el modelo.

 gps ($)
Ho: 𝛽2 = 0
H1: 𝛽2 ≠ 0

Interpretación: Como el valor de P>|t|= 0.003 es menor que 0,05 con un nivel de
significancia del 5% se rechaza la hipótesis nula y se acepta la H1 por lo tanto, la variable gps
es lineal y es estadísticamente significativa para el modelo.