Está en la página 1de 16

UNIVERSIDAD AUTONOMA DEL ESTADO DE HIDALGO

INSTITUTO DE CIENCIAS ECONOMICO ADMINISTRATIVO

ECONOMETRIA I

VOTACIONES PAN 2000

NAYELI MARLEN MALO MARTINEZ

4 SEMESTRE GRUPO 2

1. INTRODUCCIN.

Se toma para el anlisis el nivel de votacin de las entidades federativas como punto de partida en esta investigacin puesto que permiten con la pertinencia de los datos una mayor amplitud en la evaluacin Se intenta probar la hiptesis que las variables sociales son y deben ser parmetro para los partidos polticos que les permite manejar polticas pblicas, acciones y marketing poltico eficientes para llegar al poder o mantenerse en el poder. Se analiza comportamiento electoral de los estados usando evidencia

socioeconmica. La investigacin busca responder la siguiente interrogante: la votacin electoral a favor del PAN estuvo determinada por variables sociales como el porcentaje de viviendas que no cuentan con servicio de drenaje, como una variable que explique la vivienda digna; grado de urbanizacin por entidad federativa, como una variable espacial; tasa de analfabetismo por entidad federativa, como una variable que explica la educacin en un pas y por ltimo se tom el porcentaje de viviendas que no cuentan con acceso a los medios de informacin (radio y televisin), como una variable que explica a la sociedad informada y su inters por la poltica.

MARCO TERICO.

La competencia poltica conduce a los partidos polticos a trabajar por un mejor desempeo de sus funciones, respondiendo a las demandas de los ciudadanos y generando polticas pblicas ms eficientes. Despus de todo, su futuro se encontrara atado a la necesidad de mostrar que han efectuado una buena gestin, ya que, al no tener una victoria asegurada los obliga a brindar ofertas de bienes colectivos que mejor se ajusten a las preferencias de los electores. Para Downs (1973) los partidos actan con el fin de conseguir la renta, el prestigio y el poder que proporcionan los cargos pblicos; formulan polticas que les permiten ganar las elecciones, en lugar de ganar las elecciones con el fin de formular ciertas polticas.

Existe una amplia y variada literatura sobre el entrelazamiento de los partidos polticos, sociedad y voto. Diversos estudios apoyan la idea que detrs de las motivaciones del voto estn los resultados de las polticas y acciones que emprenden u hayan dejado de emprender los gobiernos. En la medida que los partidos polticos logren por medio de su representante en el poder, polticas y acciones eficientes que satisfagan a la sociedad, los premiar a travs del voto permitiendo que dichos partidos polticos se mantengan. En todo proceso electoral se elabora un mensaje que parte de un anlisis de los principales problemas que afectan a la poblacin, expresando al mismo tiempo una evaluacin de la gestin del gobierno saliente, cuestionando o defendiendo su actuacin general (Maingon, 2002). Sin embargo, algunas perspectivas van mucho ms all de los resultados de la gestin en el comportamiento electoral, lo que resalta la importancia de estudiar las variables que inciden en la sociedad a la hora de sufragar.

En ese sentido, y teniendo como referencia la relacin de el desarrollo humano de los pases entre las que contamos con las variables de condiciones de vivienda (sin drenaje), grado de acceso a la informacin, urbanizacin y tasa de analfabetismo, nos salta a la mente la necesidad de analizar e interpretar el grado de relacin existente entre la participacin electoral de la sociedad y estas. Para tal efecto planteamos una metodologa de proceso inductivo y con ello llegar a ciertas conclusiones que nos aporten elementos de utilidad para interpretar el comportamiento electoral en el proceso de elecciones presidenciales,

especficamente en 2000 con Vicente Fox.

FUENTES DE INFORMACIN.

Para el desarrollo de este trabajo utilizaremos datos arrojados por las siguientes instituciones: Instituto Federal Electoral que son los niveles de votacin y Resultados Preliminares del ao 2000; As como resultados del Censo General de Poblacin y Vivienda 2000, realizados por el Instituto Nacional de Estadstica y Geografa, que nos proporcionaron indicadores que utilizaremos como variables en el presente trabajo; Porcentajes de viviendas que no cuentan con el servicio de drenaje por entidad federativa, Porcentaje de los hogares que no tienen acceso a la informacin por entidad (radio y televisin), Grado de Urbanizacin por entidad federativa, adems del estudio realizado por el Instituto Nacional de Estudio Polticos A.C. para determinar la Tasa de analfabetismo por entidad federativa. Todas las variables se manejaron con los datos del ao 2000. Tasa de analfabetismo por entidad federativa

MODELO DE ANLISIS DE REGRESIN MLTIPLE.

El modelo de regresin mltiple queda de la siguiente manera: Y = + 1X1 + 2X2 + 3X3 + 4X4

dnde:

Y = Variable dependiente que representa el porcentaje de la votacin a favor del Partido Accin Nacional (PAN) en las elecciones del ao 2000, por entidad federativa. = Constante que representa el porcentaje de votacin autnomo por el PAN. 1 = Coeficiente de la variable X1

X1 = Variable independiente que representa el porcentaje de viviendas que no cuentan con el servicio de drenaje, por entidad federativa. 2 = Coeficiente de la variable X2

X2 = Variable independiente que representa el porcentaje de los hogares que no tienen acceso a los medios de informacin (radio y televisin), por entidad federativa. 3 = Coeficiente de la variable X3

X3 = Variable independiente que representa el grado de urbanizacin, por entidad federativa. 4 = Coeficiente de la variable X4

X4 = Variable independiente que representa la tasa de analfabetismo, por entidad federativa.

En este apartado se dar paso a interpretar los resultados que se obtuvieron a travs del anlisis de regresin mltiple en el paquete estadstico EVIEWS CORRIENDO NUESTRA REGRESION OBTENEMOS: Dependent Variable: VOTOSPAN Method: Least Squares Date: 04/15/13 Time: 22:31 Sample (adjusted): 1 31 Included observations: 31 after adjustments Variable C X1 X2 X3 X4 R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood F-statistic Prob(F-statistic) Coefficient 0.228311 0.219381 -0.441933 0.293759 0.496743 0.556299 0.488038 0.072998 0.138546 39.87628 8.149518 0.000213 Std. Error 0.145422 0.126006 0.184117 0.146729 0.517637 t-Statistic 1.569983 1.741030 -2.400282 2.002045 0.959636 Prob. 0.1285 0.0935 0.0238 0.0558 0.3461 0.410152 0.102021 -2.250082 -2.018794 -2.174688 2.678914

Mean dependent var S.D. dependent var Akaike info criterion Schwarz criterion Hannan-Quinn criter. Durbin-Watson stat

VOTOSPAN = 0.228310770491 + 0.21938106627*X1 - 0.441932875434*X2 + 0.496743224694*X3 + 0.293758505797*X4

DONDE: C=VOTOS PAN

X1=VIVIENDAS QUE NO CUENTAN CON DRENAJE X2=SIN ACCESO A MEDIO DE INFORMACION X3=SIN ACCESO A MEDIO DE COMUNICACIN X4=TASA DE ALFABETISMO

INTERPRETAMOS NUESTROS RESULTADOS DE LA SIGUIENTE MANERA: R cuadrado = 0.556 lo que quiere decir que las variables independientes en su conjunto, explican de forma significativa en 55% a la varianza de la variable dependiente. Coeficiente (constante) = 0.2283; que nos muestra el nivel de votacin autnomo por el PAN, cuando las dems variables independientes son cero, es decir, el PAN obtendra un 22% de la votacin, independientemente del grado de atraso que presenten los estados de la repblica en esas elecciones.

Coeficiente 1 = 0.219; que nos indica que cuando aumenta en 1% el nivel de viviendas sin acceso al servicio del drenaje, el nivel de votacin por el PAN aumenta en un 1.87% Coeficiente 2 = -0.4419; que nos indica que cuando aumenta en 1% el porcentaje de hogares sin acceso a los medios de informacin (radio y televisin), el nivel de votacin por el PAN disminuye en 4.44%

Coeficiente 3 = 0.293; que nos indica que cuando aumenta en 1% el nivel de urbanizacin, el nivel de votacin por el PAN aumenta en 2.93%

Coeficiente 4 = 0.496; que nos indica que cuando aumenta en 1% la tasa de analfabetismo, el nivel de votacin por el PAN aumenta en 4.96%

Nivel de significancia para =0.1285; que nos muestra que la constante en el modelo es significativa, es decir, si explica a la variable dependiente, ya que se rechaza la hiptesis nula ( = 0) y se acepta la hiptesis alternativa ( 0), puesto que el nivel de significancia es mucho menor que el estadstico t = 1.56998.

Nivel de significancia para 1 = 0.0935; que nos muestra que la variable X1 en el modelo es significativa, es decir, si explica a la variable dependiente, ya que se rechaza la hiptesis nula (1 = 0) y se acepta la hiptesis alternativa (1 0), puesto que el nivel de significancia es mucho menor que el estadstico t = 1.741030

Nivel de significancia para 2 = 0.0238; que nos muestra que la variable X2 en el modelo es significativa, es decir, si explica a la variable dependiente, ya que se rechaza la hiptesis nula (2 = 0) y se acepta la hiptesis alternativa (2 0), puesto que el nivel de significancia es mucho menor que el estadstico t = 2.400282

Nivel de significancia para 3 = 0.0558; que nos muestra que la variable X3 en el modelo es significativa, es decir, si explica a la variable dependiente, ya que se rechaza la hiptesis nula (3 = 0) y se acepta la hiptesis alternativa (3 0), puesto que el nivel de significancia es mucho menor que el estadstico t = 2.002045

Nivel de significancia para 4 =0.3461; que nos muestra que la variable X4 en el modelo es significativa, es decir, si explica a la variable dependiente, ya que se rechaza la hiptesis nula (4 = 0) y se acepta la hiptesis alternativa (4 0), puesto que el nivel de significancia es mucho menor que el estadstico t = 0.959636

En base al histograma de frecuencias de residuos tipificados podemos interpretar que tiene una forma de campana por lo que se cumple el principio de normalidad.

En base al grafico P-P normal de regresin residuo tipificado (Y: ZRESID, X: ZPRED) se puede observar un patrn de linealidad con lo que podemos asegurar que se cumple el principio de No Heterocedasticidad.

En base al grafico de dispersin se puede observar un patrn de comportamiento homogneo en los datos analizados, por lo tanto podemos afirmar que se cumple con el principio bsico de homogeneidad.

MULTICOLINEALIDAD MATRIZ DE CORRELACION


X1 X2 1 0.4141481416731493 0.4141481416731493 1 0.4851678803664043 0.871199258616607 0.4015422176932803 0.7707773123156994

X4

0.4851678803664043

0.871199258616607

0.7763813565463855

X5

0.4015422176932803

0.7707773123156994

0.7763813565463855

1X1= + 2X2 + 3X3 + 4X4

Dependent Variable: X1 Method: Least Squares Date: 05/12/13 Time: 16:16 Sample (adjusted): 1 31 Included observations: 31 after adjustments Variable C X2 X3 X4 R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood F-statistic Prob(F-statistic) Coefficient 0.190861 -0.051660 1.016277 -0.062596 0.237898 0.153220 0.111490 0.335610 26.16269 2.809448 0.058440 Std. Error 0.219046 0.281027 0.766015 0.223776 t-Statistic 0.871328 -0.183824 1.326707 -0.279727 Prob. 0.3913 0.8555 0.1957 0.7818 0.234552 0.121158 -1.429851 -1.244820 -1.369535 1.967858

Mean dependent var S.D. dependent var Akaike info criterion Schwarz criterion Hannan-Quinn criter. Durbin-Watson stat

X1 = 0.190860821403 - 0.0516596105074*X2 + 1.01627740657*X3 - 0.0625961128499*X4

FIV=

1 1 2

1 1 0.237898

FIV=1.3221

2X2= + 1X1 + 3X3 + 4X4


Dependent Variable: X2 Method: Least Squares Date: 05/12/13 Time: 16:22 Sample (adjusted): 1 31 Included observations: 31 after adjustments Variable C X1 X3 X4 R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood F-statistic Prob(F-statistic) Coefficient 0.291750 -0.024196 1.873983 -0.244135 0.781692 0.757436 0.076302 0.157193 37.91908 32.22623 0.000000 Std. Error 0.141254 0.131627 0.403342 0.145996 t-Statistic 2.065421 -0.183824 4.646144 -1.672202 Prob. 0.0486 0.8555 0.0001 0.1060 0.302194 0.154925 -2.188328 -2.003297 -2.128013 1.347846

Mean dependent var S.D. dependent var Akaike info criterion Schwarz criterion Hannan-Quinn criter. Durbin-Watson stat

X2 = 0.291749566694 - 0.024196281291*X1 + 1.87398310715*X2 - 0.244135251153*X3

FIV=

1 1 2

1 1 0.781692

FIV=4.58

3X3= + 1X1 + 2X2 + 3X3


Dependent Variable: X3 Method: Least Squares Date: 05/12/13 Time: 16:26 Sample (adjusted): 1 31 Included observations: 31 after adjustments Variable C X1 X2 X4 R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood F-statistic Prob(F-statistic) Coefficient 0.081081 0.060221 0.237084 -0.088194 0.799180 0.776866 0.027140 0.019887 69.96388 35.81621 0.000000 Std. Error 0.051765 0.045391 0.051028 0.051844 t-Statistic 1.566322 1.326707 4.646144 -1.701130 Prob. 0.1289 0.1957 0.0001 0.1004 0.102968 0.057454 -4.255734 -4.070703 -4.195419 1.152908

Mean dependent var S.D. dependent var Akaike info criterion Schwarz criterion Hannan-Quinn criter. Durbin-Watson stat

X3 = 0.0810810911803 + 0.060220838165*X1 + 0.237084247663*X2 - 0.0881937561824*X4

FIV=

1 1 2

1 1 0.700180

FIV=4.9795

Dependent Variable: X4 Method: Least Squares Date: 05/12/13 Time: 16:33 Sample (adjusted): 1 31 Included observations: 31 after adjustments Variable C X1 X2 X3 R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood F-statistic Prob(F-statistic) Coefficient 0.964367 -0.046164 -0.384402 -1.097629 0.640779 0.600866 0.095744 0.247507 30.88262 16.05425 0.000003 Std. Error 0.043997 0.165031 0.229878 0.645235 t-Statistic 21.91904 -0.279727 -1.672202 -1.701130 Prob. 0.0000 0.7818 0.1060 0.1004 0.724355 0.151549 -1.734362 -1.549332 -1.674047 2.643968

Mean dependent var S.D. dependent var Akaike info criterion Schwarz criterion Hannan-Quinn criter. Durbin-Watson stat

X4 = 0.964366675167 - 0.0461635969721*X1 - 0.384401674864*X2 - 1.09762904452*X3

FIV=

1 1 2

1 1 0.640779

FIV=2.78380