TRABAJO DE MATRICES

SONIA FERNANDA CÁRDENAS CUAICAL

LIZETH ANDREA CHAGUEZA CHAGUEZAC
ALEXANDER MENESES GIRÓN
LINA MARCELA NIEVA GUTIÉRREZ

PRESENTADO A: EDGAR PORTILLA

DOCENTE ECONOMETRÍA

UNIVERSIDAD NACIONAL DE COLOMBIA

FACULTAD INGENIERÍA –ADMINISTRACIÓN
VALLE DEL CAUCA
PALMIRA
2019
 TALLER DE MATRICES

El siguiente modelo ha sido estimado para explicar las ventas anuales de una
empresa fabricante de productos de limpieza doméstica en función de un índice de
precios relativos (ipr) y el gasto de publicidad (gpub)

VENTAS = Bo +B1 ipr +B2gpub+E

Donde las ventas están expresadas en millones de euros, ipr es un índice de precios
relativos (precios de la empresa / precios de la empresa 1 de la muestra) y gpub los
gastos anuales realizados en publicidad y campañas de promoción y difusión
expresados en millones de euros
Para ello se dispone de los datos sobre diez empresas fabricantes de productos de
limpieza doméstica que se presentan en el siguiente cuadro.

Se pide utilizando octaven , con pruebe con Excel o eviews

A) Estime los parámetros del modelo propuesto

B) Estime la matriz de covarianza
C)Calcule el coeficiente de determinación ajustado y no ajustado
D)Prueba de los parámetros individuales
E) Pruebas de los parámetros

Firm Ventas Ipr Gpub

(Y) (X1) (X2)

1 10 100 300

2 8 110 400

3 7 130 600

4 6 100 100

5 13 80 300

6 6 80 100

7 12 90 600

8 7 120 200

9 9 120 400

10 15 90 700
 SOLUCIÓN CON OCTAVE

X Traspuesta

Estimación de los parámetros del modelo

A) Los parámetros del modelo son los siguientes:

Ventas = 15,874372 - (0,1040998 x Ipr) + 0,010909 x gpub + E

Interpretación: El modelo indica que la constante es igual a 15,874372 millones de

euros en ventas y este resultado obtendría la empresa en ventas a un índice de
precios 0, con una inversión de publicidad 0 y un porcentaje de error del mismo valor.
Además, en el modelo se puede observar que en la medida que los precios de la
empresa incrementen con respecto a los precios de empresa 1 de la muestra, esto
representará una disminución en el valor final de ventas, lo cual significa que hay una
relación inversamente proporcional entre el Ipr y las ventas, debido a que si el Ipr
aumenta las ventas disminuye y viceversa.
Por otra parte, si se incrementa la inversión en gastos anuales realizados en
publicidad y difusión, las ventas también aumentaran, teniendo así una relación
directamente proporcional entre ambas variables. Por lo tanto, lo mejor para las
empresas fabricantes de productos de limpieza doméstica es tener una estrategia
donde los precios de venta sean similares a los precios de empresa 1 de la muestra,
debido a que el valor del Ipr afecta en mayor proporción la ecuación y de forma
negativa. Adicionalmente estas empresas fabricantes pueden realizar publicidad y
difusión para aumentar sus ventas, teniendo en cuenta que será una ventaja sólo en
la medida que no haya un aumento significativo en el Ipr.

B)

Cálculo de y estimado Cálculo de residuo

Cálculo de varianza por 2 métodos

Cálculo de la desviación estándar

Matriz de varianza – covarianza

La matriz de varianza- covarianza da como resultado lo siguiente:

Var B0 = 13,0895783232
Var B1 = 0,0123950249
Var B2 = 0,0000085312

B0 presenta un grado alto de dispersión de los datos alrededor de la media,

comparado con los datos de B1 y B2 cuya dispersión es baja porque los datos se
aproximan más a la media.

C)
Promedio de la variable Y

Cálculo de coeficiente de determinación no ajustado

Cálculo de coeficiente de determinación ajustado con 3 grados de libertad

El valor del coeficiente de determinación no ajustado es: 0,73588

El valor del coeficiente de determinación ajustado es: 0,66042
El coeficiente de determinación no ajustado describe que el modelo se acopla en un
73,58% al conjunto de observaciones y hay un valor de discrepancia entre los valores
observados y los valores esperados en el modelo de estudio de 26,42%, lo que
significa que gran proporción de la variación en las ventas es representada por la
variación de los regresores (B0,B1,B2). Sin embargo, la bondad de ajuste que es más
confiable porque altera los grados de libertad, indica que sólo el 66,042% de los
cambios en los regresores influyen en el cambio del valor en ventas.

d) Cálculo de errores estimados de los regresores

Cálculo del estadístico t

Resultados del p-value con 3 grados de libertad (k)

P- Value (β)0 0,036298461

P- Value (β)1 0,974126278

P- Value (β)2 0,997852909

RESÚMEN DE RESULTADOS

β0 = 15,874372 eeβ0 = 3,6180 t0 = 3,6180 P- Value (β)0 = 0,03629

β1 = 0,1040998 eeβ1 = 0.035207 t1 = 0,035207 P- Value (β)1 = 0,97412
β2 = 0,010909 eeβ2 = 0.0029208 t2 = 0,0029208 P- Value (β)2 = 0,99785

Según la prueba de parámetros individuales, para B0, se rechaza la hipótesis nula,

debido a que su p - value es inferior a 0,05, lo cual quiere decir que la constante no
tienen una distribución normal adecuada a los datos, mientras que sucede lo contrario
con B1 y B2, haciendo que sus valores sean más significativos en el modelo y de
hecho, permiten que éste tenga menos margen de error. Sin embargo, es necesario
realizar la prueba de parámetros de manera conjunta porque al realizar la prueba de
manera individual de B0,B1 y B2, se supone que cada prueba de significancia se basa
en una muestra diferente.

e)

Distribución F con 3 grados de libertad método 1.

Distribución F con 3 grados de libertad método 2.

Prueba de hipótesis de significancia global con 3 grados de libertad

Valor crítico de F

= 0,009468639
Como el valor crítico de F es menor a 0,05, se rechaza la hipótesis nula, por lo cual
el modelo puede prescindir de alguno de los regresores para que se ajuste con mayor
veracidad a la teoría. Como se observó en la prueba de parámetros individuales, la
constante (B0) tiene un grado de significancia inferior al 5%, por lo cual, este
parámetro puede afectar los resultados globales y sería mejor prescindir de ella para
que el modelo tenga un mayor ajuste.