UNIVERSIDAD MAYOR DE SAN SIMÓN

FACULTAD DE CIENCIAS ECONÓMÍCAS

CARRERA DE INGENIERÍA FINANCIERA

CONSTRUCCIÓN DE UN MODELO
ECONOMÉTRICO DE REGRESIÓN
MÚLTIPLE
MATERIA: Econometría

COMPONENTES: - Galarza Escalera Abigait

-Huarachi Calani Benigno

-Montaño Muñoz Nelly

-Vallejos Zenteno Rosmery

DOCENTE: Lic. Saravia Lopez Vicky Alejandra

Cochabamba-Bolivia

2018

0
1
 Introducción

El presente trabajo de investigación, contiene información recabada de diferentes

fuentes, los cuales permitieron que el grupo pueda usar de base de datos para poner en
práctica los conocimientos adquiridos en la materia de Econometría.
El tema elegido y el que abordaremos como variable dependiente es el consumo de la
carne de cerdo en la ciudad de Cochabamba, el cual a través de la identificación de
diferentes variables trataran de explicar de qué manera influyen en el incremento y la
disminución de su consumo.
Son varios los factores que determinan la cantidad de personas que prefieren la carne
de cerdo, sabiendo que existen en el mercado otros productos que sustituyen su
consumo, como ser la carne de res, la carne de pollo y otros.
La variable dependiente a ser estudiada en el presente trabajo es el consumo de carne
de cerdo en la ciudad de Cochabamba expresada en kilos, para el cual utilizaremos la
siguiente abreviatura: (CCC)
Para el modelo econométrico se utiliza el análisis de regresión múltiple mediante la
estimación, y tomaremos como variables explicativas: el salario mínimo nacional, el
precio por kilo de la carne de res, el precio por kilo de la carne de pollo y el precio de los
productos sustitutos de la carne de cerdo, todos estos expresados en Bolivianos.
Cabe mencionar que se hizo la recolección de datos contando como parámetro desde
el año 1993 hasta la presente gestión 2018, así mismo se recurrió a páginas del
Instituto Nacional de Estadística (INE), la Unidad de análisis de Políticas Sectoriales
(UDAPE), se hizo visitas a los principales supermercados de la ciudad, y de esa
manera se logró recolectar los datos.

2
OBJETIVO

El objetivo es describir lo mejor posible la variabilidad de la variable dependiente

“consumo de la carde de cerdo” y explicar las variables independientes ya mencionadas
anteriormente.
Se definirá el modelo económico y luego se presentará el modelo econométrico
insertando en la ecuación la constante y el variable error, con el objetivo de lograr una
mejor explicación de nuestras variables.
A continuación se correrá el modelo econométrico en el paquete econométrico E-
VIEWS, logrando justificar cada variable independiente y sobre todo la relación conjunta
de nuestras 5 variables independientes.
Una vez corrido el modelo, se obtendrá los coeficientes con sus respectivos signos (+) o
(-) para darle una explicación más certera a nuestro modelo y luego proseguir con la
interpretación de cada variable explicativa respecto a su magnitud de valor.

1. ESPECIFICACIÓN DEL MODELO

1.1. Modelo Económico

Para tratar una teoría económica, se construye un modelo económico formal, el cual
consiste en ecuaciones matemáticas que describen diversas relaciones [….............]. En
el contexto de las decisiones de consumo, la maximización de la utilidad conduce a un
conjunto de ecuaciones de demanda. En una ecuación de demanda, la cantidad de
cada artículo depende de su precio, del precio de los bienes sustitutos y
complementarios, del ingreso del consumidor y de las características que influyen en las
preferencias. (Wooldridge, 2010)
Los modelos se usan comúnmente no solo para explicar cómo opera la economía o
parte de ella, sino también para realizar predicciones sobre el comportamiento de los
hechos y determinar los efectos o tomar decisiones sobre los mismos.
El modelo económico del presente trabajo es el siguiente:

CCC = ƒ (SMN, PCC, PCR, PCP, PSCC)

3
1.2. Modelo Econométrico

Los métodos econométricos tienen importancia en casi todas las ramas de la economía
aplicada. Se emplean cuando se desea probar una teoría económica o cuando se
piensa en una relación que tiene alguna importancia para decisiones de negocios o
para el análisis de políticas. (Wooldridge, 2010)
La econometría es la rama de la economía que hace un uso extensivo de modelos
matemáticos y estadísticos así como de la programación lineal y la teoría de juegos
para analizar, interpretar y hacer predicciones sobre sistemas económicos, prediciendo
variables como el precio de bienes y servicios, tasas de interés, tipos de cambio, las
reacciones del mercado, el coste de producción, la tendencia de los negocios y las
consecuencias de la política económica.
Nuestro modelo econométrico es el siguiente:

CCC = β0 + β1 SMN + β2 LOG (PCC) + β3 PCR + β4 PCP + β5 PSCC + µ

1.2.1. Presentación de Variables Dependientes e Independientes

Donde:

CCC: Consumo de carne de cerdo, en kilos.

SMN: Salario Mínimo Nacional, en Bs.
PCC: Precio al por menor de la carne de cerdo, en Bs.
PCR: Precio al por menor de la carne de res, en Bs.
PCP: Precio al por menor de la carne de pollo, en Bs.
PSCC: Precio real compuesto de los sustitutos de la carne de cerdo, en Bs.

4
1.2.2. Presentación de la Base de datos

CONSUMO DE CARNE DE CERDO EN EL DEPARTAMENTO DE COCHABAMBA

AÑOS 1993 - 2018
CCC Consumo de carne de cerdo, en kilos.
SMN Salario Mínimo Nacional, en Bs.
PCC Precio al por menor de la carne de cerdo, en Bs.
PCR Precio al por menor de la carne de res, en Bs.
PCP Precio al por menor de la carne de pollo, en Bs.
PSCC Precio real compuesto de los sustitutos de la carne de cerdo, en Bs.

AÑO CCC SMN PCC PCR PCP PSCC

1993 6,79 160,00 15,90 13,10 5,50 16,45
1994 6,85 190,00 15,50 12,70 6,50 16,72
1995 6,95 205,00 16,50 13,40 6,80 16,87
1996 6,98 223,00 17,40 13,20 7,20 17,40
1997 6,91 240,00 16,10 12,42 7,50 17,20
1998 6,91 300,00 17,30 12,70 7,90 18,40
1999 6,93 330,00 16,50 13,10 8,10 19,07
2000 6,92 355,00 16,65 12,60 8,50 19,30
2001 6,93 400,00 17,20 12,80 9,20 19,52
2002 6,91 430,00 16,60 13,30 9,50 21,17
2003 7,09 440,00 16,85 12,85 10,50 23,30
2004 7,23 440,00 18,10 13,27 11,50 22,42
2005 7,52 440,00 17,90 15,23 11,90 25,10
2006 7,56 500,00 18,60 17,37 12,00 27,37
2007 7,61 525,00 18,20 16,30 12,30 27,90
2008 7,85 577,50 20,50 16,30 12,60 27,84
2009 8,23 647,00 21,65 19,30 13,00 27,90
2010 8,52 679,50 19,60 18,83 13,00 26,40
2011 8,92 815,40 21,81 21,23 13,50 26,40
2012 8,75 1.000,00 21,30 20,53 14,00 27,80
2013 9,32 1.200,00 21,60 20,63 15,50 27,15
2014 9,52 1.440,00 21,33 22,13 14,00 27,30
2015 9,50 1.656,00 23,50 23,46 15,00 28,05
2016 9,80 1.805,00 25,33 24,10 15,20 30,01
2017 9,65 2.000,00 26,45 26,00 15,00 29,50
2018 9,36 2.060,00 26,20 27,96 16,10 30,45

Fuente: Instituto Nacional de Estadisticas

5
2. ESTIMACIÓN DEL MODELO ECONOMETRICO

E-VIEWS

Dependent Variable: CCC

Method: Least Squares
Date: 06/18/18 Time: 20:11
Sample: 1993 2018
Included observations: 26

Variable Coefficient Std. Error t-Statistic Prob.

C 4.121978 3.679339 1.120304 0.2759

SMN -1.60E-07 0.000338 -0.000474 0.9996
LPCC 0.266861 1.499282 0.177992 0.8605
PCR 0.157444 0.053221 2.958290 0.0078
PCP 0.222833 0.079468 2.804043 0.0110
PSCC -0.092709 0.047179 -1.965071 0.0634

R-squared 0.951797 Mean dependent var 7.904231

Adjusted R-squared 0.939746 S.D. dependent var 1.087718
S.E. of regression 0.266998 Akaike info criterion 0.396025
Sum squared resid 1.425761 Schwarz criterion 0.686355
Log likelihood 0.851679 Hannan-Quinn criter. 0.479629
F-statistic 78.98231 Durbin-Watson stat 1.076707
Prob(F-statistic) 0.000000

2.1. Interpretación Económica de los Estimadores MCO

Presentación de resultados:

CCC= 4.121978 - 1.60E-07 (SMN) + 0.266851 LOG (PCC)+ 0.157444

(PCR) + 0.222833 (PCP) – 0.092709 (PSCC)

Interpretación de Estimadores MCO:

Β0 = El valor que asume la variable “CCC” en promedio, cuando “SMN”, “LPCC”,

“PCR”, “PCP” y “PSCC”, es igual a cero.
Β1 = -1.60E-07

6
  Cuando SMN se incrementa en Bs. 1 adicional, entonces, CCC se
decremento en 1.60E-07 Kilos, manteniendo constante PCC, PCR, PCP y
PSCC.
Β2 = 0.266851/100=0.00266851
 Cuando PCC se incrementa en 1% adicional, entones, CCC se incrementa en
Bs. 0.00266851, manteniendo constante SMN, PCR, PCP y PSCC.
Β3 = 0.157444
 Cuando PCR se incrementa en Bs.1 adicional, entonces, CCC se incrementa
en 0.157444 kilos, manteniendo constante SMN, PCC, PCP y PSCC.
Β4 = 0.222833
 Cuando PCP se incrementa en Bs.1 adicional, entonces, CCC se incrementa
en 0.222833 kilos, manteniendo constante SMN, PCC, PCR y PSCC.
B5 = -0.092709
 Cuando PSCC se incrementa en Bs.1 adicional, entonces, CCC se decremento
en 0.092709 kilos, manteniendo constante SMN, PCC, PCR y PCP.

2.2. Interpretación del Coeficiente de Determinación “R2”ajustado

R2 ajustado= 93.97%
En conjunto todas nuestras variables independientes, Salario mínimo nacional,
precio al por menor de la carne de cerdo, precio al por menor de la carne de res,
precio al por menor de la carne de pollo, precio real compuesto de los sustitutos
de la carne de cerdo, todas estas variables predeterminadas explican en un 93.97
% a nuestra variable dependiente “consumo de carne de cerdo” y un 6.03% no se
encuentras explicadas por las demás variables.

3. VALIDACION O INFERENCIA DEL MODELO

7
3.1. Desarrollo de las pruebas T de dos colas para todos los estimadores MCO

Para: B1
Hipótesis de trabajo
𝑯𝑶 : 𝛽1 = 0
H1 : 𝛽1 ≠ 0 (dos colas)
1) Definir el nivel de significancia

 5%

Calcular el t-calculado y el t-critico

Tc=-1.60E-07 / 0.000338=-0.000474
T% (0.05 ; n-k-1)
T% (0.05; 26-5-1)
T% (0.05; 20)
T%= 2.086
Definir la regla de rechazo
I Tc I > T%
-0.000474 < 2.086
No rechazamos la HO, entonces 𝛽1 no es estadísticamente significativo diferente de
cero, entonces SMN no es una variable relevante para el modelo, al 5% de
significancia.
Para: B2
Hipótesis de trabajo
𝑯𝑶 :: 𝛽2 = 0
H1 : 𝛽2 ≠ 0 (dos colas)
Definir el nivel de significancia

 5%

Calcular el t-calculado y el t-critico

8
 Tc=0.266861 / 1.99282 = 0.177992
T% ( 0.05 ; n-k-1)
T% (0.05; 26-5-1)
T% (0.05; 20)
T%= 2.086

Definir la regla de rechazo

I Tc I > T%
0.177992 < 2.086
No rechazamos la HO, entonces 𝛽2 no es estadísticamente significativo diferente de
cero, entonces PCC no es una variable relevante para el modelo, al 5% de
significancia.

Para: B3
Hipótesis de trabajo
𝑯𝑶 : 𝛽3 = 0
H1 : 𝛽3 ≠ 0 (dos colas)
Definir el nivel de significancia

 5%

Calcular el t-calculado y el t-critico

Tc= 0.157444 / 0.053221 = 2.958290

T% (0.05 ; n-k-1)
T% (0.05; 26-5-1)
T% (0.05; 20)
T%= 2.086

Definir la regla de rechazo

9
 I Tc I > T%
2.958290 > 2.086
Rechazamos la HO, entonces 𝛽3 es estadísticamente significativo diferente de cero,
entonces PCR es una variable relevante para el modelo, al 5% de significancia.

Para: B4
Hipótesis de trabajo
𝑯𝑶 : 𝛽4 = 0
H1 : 𝛽4 ≠ 0 (dos colas)
Definir el nivel de significancia

 5%

Calcular el t-calculado y el t-critico

Tc= 0.222833 / 0.079468 = 2.804043

T% (0.05 ; n-k-1)
T% (0.05; 26-5-1)
T% (0.05; 20)
T%= 2.086

Definir la regla de rechazo

I Tc I > T%
2.804043 > 2.086
Rechazamos la HO, entonces 𝛽4 es estadísticamente significativo diferente de cero,
entonces PCP es una variable relevante para el modelo, al 5% de significancia.

Para: B5
Hipótesis de trabajo
𝑯𝑶 : 𝛽5 = 0

10
 H1 : 𝛽5 ≠ 0 (dos colas)
Definir el nivel de significancia

 5%

Calcular el t-calculado y el t-critico

Tc= -0.092709 / 0.047179 = -1.965071

T% (0.05 ; n-k-1)
T% (0.05; 26-5-1)
T% (0.05; 20)
T%= 2.086

Definir la regla de rechazo

I Tc I > T%
-1.965071 < 2.086
No rechazamos la HO, entonces 𝛽5 no es estadísticamente significativo diferente de
cero, entonces PSCC no es una variable relevante para el modelo, al 5% de
significancia.

3.2. Desarrollo de las pruebas T de una cola para todos los estimadores MCO

Para: B1
Hipótesis de trabajo
𝑯𝑶 : 𝛽1 = 0
H1 : 𝛽1 < 0 (una cola)
Definir el nivel de significancia

 5%

Calcular el t-calculado y el t-critico

11
 Tc= -1.60E-07 / 0.000338 = -0.000474
T% (0.05 ; n-k-1)
T% (0.05; 26-5-1)
T% (0.05; 20)
T%= 1.725

Definir la regla de rechazo

Tc < -T%
-0.000474 > - 1.725
No rechazamos la HO, entonces 𝛽1 no es estadísticamente significativo menor que
cero, entonces SMN no es una variable relevante además de no tener un impacto
negativo en CCC, al 5% de significancia.

Para: B2
Hipótesis de trabajo
𝑯𝑶 : 𝛽2 = 0
H1 : 𝛽2 > 0 (una cola)
Definir el nivel de significancia

 5%

Calcular el t-calculado y el t-critico

Tc= 0.266861 / 1.499282 = 0.177992

T% (0.05 ; n-k-1)
T% (0.05; 26-5-1)
T% (0.05; 20)
T%= 1.725

Definir la regla de rechazo

12
 Tc > T%
0.177992 <1.725
No rechazamos la HO, entonces 𝛽2 no es estadísticamente mayor que cero, entonces
,PCC no es una variable relevante además de no tener un impacto positivo en la
variable CCC, al 5% de significancia.

Para: B3
Hipótesis de trabajo
𝑯𝑶 : 𝛽3 = 0
H1 : 𝛽3 > 0 (una cola)
Definir el nivel de significancia

 5%

Calcular el t-calculado y el t-critico

Tc= 0.157444 / 0.053221 = 2.958290

T% (0.05 ; n-k-1)
T% (0.05; 26-5-1)
T% (0.05; 20)
T%= 1.725

Definir la regla de rechazo

Tc > T%
2.958290 > 1.725
Rechazamos la HO, entonces 𝛽3 es estadísticamente mayor que cero, entonces
,PCR es una variable relevante además de tener un impacto positivo en la variable
CCC, al 5% de significancia.

Para: B4
Hipótesis de trabajo

13
 𝑯𝑶 : 𝛽4 = 0
H1 : 𝛽4 > 0 (una cola)
Definir el nivel de significancia

 5%

Calcular el t-calculado y el t-critico

Tc= 0.222833 / 0.079468 = 2.804043

T% (0.05 ; n-k-1)
T% (0.05; 26-5-1)
T% (0.05; 20)
T%= 1.725

Definir la regla de rechazo

Tc > T%
2.804043 > 1.725
Rechazamos la HO, entonces 𝛽4 es estadísticamente mayor que cero, entonces,
PCP es una variable relevante además de tener un impacto positivo en la variable
CCC, al 5% de significancia.

Para: B5
Hipótesis de trabajo
𝑯𝑶 : 𝛽5 = 0
H1 : 𝛽5 < 0 (una cola)
Definir el nivel de significancia

 5%

Calcular el t-calculado y el t-critico

Tc= -0.092709 / 0.047179 = -1.965071

14
 T% (0.05 ; n-k-1)
T% (0.05; 26-5-1)
T% (0.05; 20)
T%= 1.725

Definir la regla de rechazo

Tc < -T%
-1.965071 < -1.725
Rechazamos la HO, entonces 𝛽5 es estadísticamente significativo menor que cero,
entonces PSCC es una variable relevante además de tener un impacto negativo en
CCC, al 5% de significancia.

3.3. Desarrollo de la prueba F de significancia global del modelo

Planteamiento de las Hipótesis de Trabajo

𝑯𝑶 : 𝛽1 = 0; 𝛽2 = 0; 𝛽3 = 0; 𝛽4 = 0; 𝛽5 = 0
H1 : 𝛽𝑜 no es verdadera

Nivel de Significancia
5%

Restricciones de Exclusión (q)

q=5

MNR: CCC = β0 + β1 SMN + β2 LOG (PCC) + β3 PCR + β4 PCP + β5

MR: CCC= β0  𝑅2 = 0
Calculo de F- calculado y F- critico
(𝑹𝟐 𝒏𝒓 − 𝑹𝟐 𝒓)/𝒒
𝑭𝒄 =
(𝟏 − 𝑹𝟐 𝒏𝒓)/ (𝒏 − 𝒌 − 𝟏)
(𝟎. 𝟗𝟓𝟏𝟕𝟗𝟕 − 𝟎)/𝟓
𝑭𝒄 = = 𝟕𝟖. 𝟗𝟖
(𝟏 − 𝟎. 𝟗𝟓𝟏𝟕𝟗𝟕)/𝟐𝟎
15
 𝑭% = (𝒏𝒊𝒗𝒆𝒍 𝒅𝒆 𝒔𝒊𝒈𝒏𝒊𝒇𝒊𝒄𝒂𝒏𝒄𝒊𝒂; 𝒈 𝒅𝒆𝒍 𝒏𝒖𝒎𝒆𝒓𝒐𝒓; 𝒈 𝒅𝒆𝒍 𝒅𝒆𝒏𝒐𝒎𝒊𝒏𝒂𝒅𝒐𝒓)
𝑭% = (𝟎. 𝟎𝟓 ; 𝟓 ; 𝟐𝟎)
𝑭% = 𝟐. 𝟕𝟏
Regla de rechazo
𝑭𝑪 > 𝑭%
𝟕𝟖. 𝟗𝟖 > 𝟐. 𝟕𝟏
Se rechaza la 𝐻𝑜 en cuanto a la significancia global , es decir que todas las variables ,
SMN, PCC, PCR, PCP y PSCC, son en conjunto relevantes para explicar el modelo al
5% de significancia.

16
4. CONCLUCION

Con la investigación realizada y aplicando los modelos económico y econométricos

hemos llegado a concluir que nuestra variable dependiente, medido en kilos, es
explicado en un 93.97% por las variables independientes medidos en centavos de
bolivianos lo cual significa que el modelo es significativo en su conjunto.
Esta conclusión se la toma gracias a la prueba-F, en cuanto a la significancia global
como también en la prueba-T ya que en su mayoría las variables son significativas.
Esta variable y las otras son tomadas gracias a la teoría económica y con los datos
reales llegamos a la conclusión de que el modelo es completamente real y confiable.

17
5. BIBLIOGRAFIA

 Wooldridge, J. M. (2010). Introducción a la econometría. México: Cengage Learning.

 Instituto Nacional de Estadística. Disponible en: http//:www.ine.gob.bo
 Unidad de análisis de políticas sectoriales (UDAPE)
 Supermercados HIPERMAXI

18
ANEXOS

19