IND 3100-Modelos Cuantitativos para la Toma de Decisiones

Profesor: Juan Carlos Ferrer

11 de abril de 2019
Tarea 2

CASO MILAGRO - José Alberto Fuentes Cáceres

Estimados Harriman Capital, espero este todo bien, respecto a la solicitud cursada a nuestro cliente Milagro
para confeccionar un respaldo y explicación para el pronóstico de $40 millones de la rentabilidad de las 48
tiendas en construcción puedo detallar los siguientes argumentos

En los últimos años, BVA desarrollo y utilizó con éxito un enfoque de modelo de regresión lineal para
seleccionar los sitios más rentables para las nuevas tiendas Milagro. Éste mismo enfoque de regresión ha
sido adaptado creando un pronóstico sólido de la rentabilidad de las 48 tiendas Milagro en construcción.

La confección del modelo de regresión incluyo una obtención de los ingresos netos de las 459 tiendas
Milagro, definición de más de 20 variables independientes que pudieran influir en los ingresos neto (Anexo
1), recopilación de información asociada a las variables independientes por cada tienda, se realiza el modelo
de regresión lineal al 81,5% del número de tiendas y se reserva un 18,5% del número de tiendas por
concepto de pruebas para la validación del modelo.

Posterior al análisis de cada una de las variables independientes, se seleccionan 4 asociadas a:

- Porcentaje de personas en el tramo censal que viajan durante más de 60 minutos al trabajo
(COM60)
- Porcentaje de personas en el tramo censal que tienen un título de 4 años, pero no de postgrado
(COLGRAD)
- Metraje cuadrado del restaurante (SQFT)
- Ingresos anuales totales del tramo censal según se informa a la Oficina del Censo (AGINC)

El modelo resultante (Anexo 2) para calcular la rentabilidad anual esperada es:

= 83597.09 + 0.0028073 x AGINV+ 383.36 x SQFT + 346821.13 x % COLGRAD + 218265.764 x % COM60

El modelo de regresión lineal entregó un grado de confianza R 2=0,786 que nos permite explicar el 78,6% de
la varianza de la variable dependiente. Además, se testeó el modelo con el 18,5% de las tiendas reservadas
para pruebas, otorgando un grado de confianza del 0,719 que es bastante bueno.

Una vez validado el modelo de regresión lineal múltiple, se realizó una simulación para predecir la
rentabilidad total de las 48 tiendas en construcción, obteniendo un esperado de $40.02 millones.

Adicionalmente al modelo anterior, BVA ha obtenido información de 6 nuevas posibles variables

independientes (Anexo 3) para aumentar el grado de confianza en la predicción de la rentabilidad anual
esperada de las nuevas 48 tiendas en construcción.

Con la nueva información obtenida BVA ha realizado distintos modelos de regresión lineal (Anexo 4) para
analizar el comportamiento de las variables independientes y seleccionar las variables que nos permita
presupuestar de la mejor manera la proyección anual de ventas en las 48 tiendas en construcción.

1
 IND 3100-Modelos Cuantitativos para la Toma de Decisiones
Profesor: Juan Carlos Ferrer
11 de abril de 2019
Tarea 2

CASO MILAGRO - José Alberto Fuentes Cáceres

Con los resultados para las 48 tiendas en construcción obtenemos un OSR 2= 0,769 y una predicción anual de
ingresos: $40.054.717

Estadísticas de la regresión
Coeficiente de correlación múltiple
0,9104575
Coeficiente de determinación 0,82893285
R^2
R^2 ajustado 0,82613612
Error típico 186318,941
Observaciones 374

ANÁLISIS DE VARIANZA
Grados de libertad
Suma de cuadrados
Promedio de los cuadradosF Valor crítico de F
Regresión 6 6,1735E+13 1,0289E+13 296,392737 2,277E-137
Residuos 367 1,274E+13 3,4715E+10
Total 373 7,4476E+13

Coeficientes Error típico Estadístico t Probabilidad Inferior 95% Superior 95%Inferior 95,0%Superior 95,0%
Intercepción 266462,253 75449,8204 3,53164861 0,0004656 118094,034 414830,473 118094,034 414830,473
AGINC 0,00279419 0,00012462 22,4225503 9,3954E-71 0,00254914 0,00303924 0,00254914 0,00303924
SQFT 337,019947 55,6529578 6,05574188 3,4598E-09 227,581247 446,458647 227,581247 446,458647
COLGRAD 367624,132 103209,916 3,56190709 0,00041668 164667,101 570581,163 164667,101 570581,163
COM60 196125,893 88442,3224 2,21755702 0,027197 22208,5811 370043,205 22208,5811 370043,205
LCI -33545,945 6900,32594 -4,86150151 1,7303E-06 -47115,0837 -19976,8063 -47115,0837 -19976,8063
NEARCOMP 38976,2064 4695,56625 8,3006403 2,0066E-15 29742,6151 48209,7977 29742,6151 48209,7977

El nuevo modelo de regresión lineal al sumar nuevas variables independientes nos muestra un mayor grado
de confianza R2=82,89% para demostrar las varianzas de las variables independientes y un monto similar al
modelo anterior de ingresos anuales presupuestados = $40.054.717.

Además, se concluye que el modelo de regresión lineal presenta heterocedasticidad al no tener varianzas
constantes, no presenta autocorrelación entre las variables, existe correlación aceptable entre las variables
y los intervalos de confianza de cada variable son robustos y se encuentran en un rango aceptable.

ANEXO 1 - Variables independientes originales

2
 IND 3100-Modelos Cuantitativos para la Toma de Decisiones
Profesor: Juan Carlos Ferrer
11 de abril de 2019
Tarea 2

CASO MILAGRO - José Alberto Fuentes Cáceres

3
 IND 3100-Modelos Cuantitativos para la Toma de Decisiones
Profesor: Juan Carlos Ferrer
11 de abril de 2019
Tarea 2

CASO MILAGRO - José Alberto Fuentes Cáceres

ANEXO 2 - Resultado del modelo de regresión lineal

Regression Statistics
Multiple R 0,886647091
R Square 0,786143064
Adjusted R Square 0,783824832
Standard Error 207756,7868
Observations 374

ANOVA
df SS MS F Significance F
Regression 4 5,85484E+13 1,46371E+13 339,1131437 3,7345E-122
Residual 369 1,59271E+13 43162882469
Total 373 7,44755E+13

Coefficients Standard Error t Stat P-value Lower 95% Upper 95%

Intercept 83597,09249 41083,43417 2,034812673 0,04258413 2810,065347 164384,1196
AGINC 0,002807345 0,000138376 20,28774457 5,24961E-62 0,00253524 0,003079451
SQFT 383,3630541 61,22961164 6,261072769 1,0632E-09 262,9603079 503,7658003
COLGRAD 346821,138 113022,8181 3,068593969 0,002309665 124571,5218 569070,7541
COM60 218265,7646 98214,67828 2,222333447 0,026866473 25135,07724 411396,4519

ANEXO 3 - Descripción de las nuevas 6 posibles variables independientes

ANEXO 4 - Modelos de Regresión Lineal

4
 IND 3100-Modelos Cuantitativos para la Toma de Decisiones
Profesor: Juan Carlos Ferrer
11 de abril de 2019
Tarea 2

CASO MILAGRO - José Alberto Fuentes Cáceres

Modelo 1: Sumar las 6 nuevas variables al modelo actual el OSR 2=0,827 y la predicción anual de ingresos:
$36.057.340
Estadísticas de la regresión
Coeficiente de correlación múltiple 0,958096447
Coeficiente de determinación R^2 0,917948801
R^2 ajustado 0,915688438
Error típico 129746,5702
Observaciones 374

ANÁLISIS DE VARIANZA
Grados de libertad Suma de cuadrados Promedio de los cuadrados F Valor crítico de F
Regresión 10 6,83647E+13 6,83647E+12 406,1066985 2,7388E-190
Residuos 363 6,1108E+12 16834172481
Total 373 7,44755E+13

Coeficientes Error típico Estadístico t Probabilidad Inferior 95% Superior 95% Inferior 95,0% Superior 95,0%
Intercept 127912,7818 62024,8457 2,062282951 0,039891939 5939,642528 249885,9211 5939,642528 249885,9211
AGINC 0,002691077 9,01401E-05 29,85437772 9,1118E-100 0,002513815 0,00286834 0,002513815 0,00286834
SQFT 294,6955737 39,08619752 7,539632719 3,80883E-13 217,8317595 371,5593879 217,8317595 371,5593879
COLGRAD 340099,2712 77049,87857 4,41401437 1,34005E-05 188579,0947 491619,4478 188579,0947 491619,4478
COM60 182528,7282 61852,79089 2,951018467 0,003372966 60893,93821 304163,5181 60893,93821 304163,5181
LCI -17365,36652 4893,497289 -3,548661723 0,000438044 -26988,52995 -7742,2031 -26988,52995 -7742,2031
NEARCOMP 31308,78681 3360,382068 9,317031864 1,18267E-18 24700,52611 37917,0475 24700,52611 37917,0475
NEARMIL 2642,511344 558,4230426 4,732095818 3,18884E-06 1544,360905 3740,661784 1544,360905 3740,661784
FREESTAND 365137,2132 20661,51596 17,67233411 7,17523E-51 324505,9156 405768,5108 324505,9156 405768,5108
GINI 18191,94394 51428,15015 0,353735141 0,723742745 -82942,57485 119326,4627 -82942,57485 119326,4627
HOUSEMED -15,03790936 15,83812837 -0,949475153 0,343010697 -46,18391571 16,108097 -46,18391571 16,108097

 El modelo de regresión nos muestra un R 2 mayor al prototipo inicial, pero se detectan 2 variables
independientes (GINI; HOUSEMED) que tienen un intervalo de confianza muy amplio con un rango
inferior negativo y superior positivo, indicándonos que las variables son poco precisas y
probablemente inestables,

5
 IND 3100-Modelos Cuantitativos para la Toma de Decisiones
Profesor: Juan Carlos Ferrer
11 de abril de 2019
Tarea 2

CASO MILAGRO - José Alberto Fuentes Cáceres

Modelo 2: Sumar la primera variable al modelo actual se obtiene un OSR 2= 0,767 y una predicción anual de
ingresos: $40.097.129

Estadísticas de la regresión
Coeficiente de0,89264589
correlación múltiple
Coeficiente de0,79681669
determinación R^2
R^2 ajustado 0,79405604
Error típico 202780,806
Observaciones 374

ANÁLISIS DE VARIANZA
Grados de libertad
Suma de cuadrados
Promedio de los cuadradosF Valor crítico de F
Regresión 5 5,9343E+13 1,1869E+13 288,634468 6,058E-125
Residuos 368 1,5132E+13 4,112E+10
Total 373 7,4476E+13

Coeficientes Error típico Estadístico t Probabilidad Inferior 95% Superior 95%Inferior 95,0%Superior 95,0%
Intercepción 390453,375 80490,6536 4,8509157 1,8176E-06 232174,037 548732,713 232174,037 548732,713
AGINC 0,00275738 0,00013554 20,3437732 3,4289E-62 0,00249085 0,00302391 0,00249085 0,00302391
SQFT 340,071936 60,56875 5,61464346 3,8857E-08 220,967652 459,17622 220,967652 459,17622
COLGRAD 271872,744 111625,039 2,43558923 0,01534159 52369,7759 491375,711 52369,7759 491375,711
COM60 181011,086 96236,0766 1,88090675 0,06077398 -8230,5439 370252,716 -8230,5439 370252,716
LCI -33018,4587 7509,673 -4,39679048 1,4398E-05 -47785,7145 -18251,2029 -47785,7145 -18251,2029

 El modelo de regresión nos muestra un R 2 aun mayor al prototipo inicial y con una proyección de
ventas mayor, pero la variable COM60 tiene un rango de seguridad muy amplio indicándonos que la
variable en el modelo es poco segura.

6
 IND 3100-Modelos Cuantitativos para la Toma de Decisiones
Profesor: Juan Carlos Ferrer
11 de abril de 2019
Tarea 2

CASO MILAGRO - José Alberto Fuentes Cáceres

Modelo 3: Sumar las variables LCI y NEARCOMP al modelo actual se obtiene un OSR 2= 0,769 y una
predicción anual de ingresos: $40.054.717

Estadísticas de la regresión
Coeficiente de correlación múltiple
0,9104575
Coeficiente de determinación 0,82893285
R^2
R^2 ajustado 0,82613612
Error típico 186318,941
Observaciones 374

ANÁLISIS DE VARIANZA
Grados de libertad
Suma de cuadrados
Promedio de los cuadradosF Valor crítico de F
Regresión 6 6,1735E+13 1,0289E+13 296,392737 2,277E-137
Residuos 367 1,274E+13 3,4715E+10
Total 373 7,4476E+13

Coeficientes Error típico Estadístico t Probabilidad Inferior 95% Superior 95%Inferior 95,0%Superior 95,0%
Intercepción 266462,253 75449,8204 3,53164861 0,0004656 118094,034 414830,473 118094,034 414830,473
AGINC 0,00279419 0,00012462 22,4225503 9,3954E-71 0,00254914 0,00303924 0,00254914 0,00303924
SQFT 337,019947 55,6529578 6,05574188 3,4598E-09 227,581247 446,458647 227,581247 446,458647
COLGRAD 367624,132 103209,916 3,56190709 0,00041668 164667,101 570581,163 164667,101 570581,163
COM60 196125,893 88442,3224 2,21755702 0,027197 22208,5811 370043,205 22208,5811 370043,205
LCI -33545,945 6900,32594 -4,86150151 1,7303E-06 -47115,0837 -19976,8063 -47115,0837 -19976,8063
NEARCOMP 38976,2064 4695,56625 8,3006403 2,0066E-15 29742,6151 48209,7977 29742,6151 48209,7977

 El modelo nos muestra un R2 aun mayor al prototipo inicial y con una proyección de ventas mayor.

7
 IND 3100-Modelos Cuantitativos para la Toma de Decisiones
Profesor: Juan Carlos Ferrer
11 de abril de 2019
Tarea 2

CASO MILAGRO - José Alberto Fuentes Cáceres

Modelo 4.

Sumar las variables LCI, NEARCOMP y NEARMIL al modelo actual se obtiene un OSR 2= 0,789 y una predicción
anual de ingresos: $37.575.727

Estadísticas de la regresión
Coeficiente de correlación0,91936747
múltiple
Coeficiente de determinación
0,84523654
R^2
R^2 ajustado 0,84227659
Error típico 177459,969
Observaciones 374

ANÁLISIS DE VARIANZA
Grados de libertad
Suma de cuadrados
Promedio de los cuadradosF Valor crítico de F
Regresión 7 6,2949E+13 8,9928E+12 285,557053 4,707E-144
Residuos 366 1,1526E+13 3,1492E+10
Total 373 7,4476E+13

Coeficientes Error típico Estadístico t Probabilidad Inferior 95% Superior 95%Inferior 95,0%Superior 95,0%
Intercepción 182633,084 73119,505 2,49773413 0,01293727 38846,0102 326420,157 38846,0102 326420,157
AGINC 0,00269984 0,00011966 22,5628199 2,8768E-71 0,00246453 0,00293514 0,00246453 0,00293514
SQFT 326,566614 53,0335334 6,15773819 1,9424E-09 222,277936 430,855293 222,277936 430,855293
COLGRAD 411432,188 98555,4043 4,17462838 3,7337E-05 217626,265 605238,111 217626,265 605238,111
COM60 162850,978 84407,4041 1,92934471 0,05446083 -3133,37288 328835,33 -3133,37288 328835,33
LCI -30906,0323 6585,97047 -4,6927074 3,8155E-06 -43857,1241 -17954,9406 -43857,1241 -17954,9406
NEARCOMP 41620,446 4492,53287 9,26436092 1,7083E-18 32786,0296 50454,8623 32786,0296 50454,8623
NEARMIL 4645,18938 748,090495 6,209395 1,4442E-09 3174,09432 6116,28444 3174,09432 6116,28444

 El modelo de regresión nos muestra un R 2 mayor la modelo actual y una baja en los ingresos anuales
presupuestados. Además, el modelo no es confiable porque la variable COM60 tiene un rango de
confianza muy amplio.

8
 IND 3100-Modelos Cuantitativos para la Toma de Decisiones
Profesor: Juan Carlos Ferrer
11 de abril de 2019
Tarea 2

CASO MILAGRO - José Alberto Fuentes Cáceres

Modelo 5: Sumar las variables LCI, NEARCOMP, NEARMIL y FREESTAND al modelo actual se obtiene un
OSR2= 0,842 y una predicción anual de ingresos: $36.292.492

Estadísticas de la regresión
Coeficiente de correlación
0,95796632
múltiple
Coeficiente de determinación
0,91769948R^2
R^2 ajustado 0,91589563
Error típico 129587,049
Observaciones 374

ANÁLISIS DE VARIANZA
Grados de libertad
Suma de cuadrados
Promedio de los cuadradosF Valor crítico de F
Regresión 8 6,8346E+13 8,5433E+12 508,745715 9,323E-193
Residuos 365 6,1294E+12 1,6793E+10
Total 373 7,4476E+13

Coeficientes Error típico Estadístico t Probabilidad Inferior 95% Superior 95%Inferior 95,0%Superior 95,0%
Intercepción 125602,782 53488,9323 2,34820133 0,01939737 20417,6204 230787,943 20417,6204 230787,943
AGINC 0,00267256 8,7392E-05 30,5813471 1,005E-102 0,00250071 0,00284442 0,00250071 0,00284442
SQFT 299,446731 38,7563501 7,72639141 1,0804E-13 223,232965 375,660496 223,232965 375,660496
COLGRAD 313027,615 72177,4029 4,3369199 1,872E-05 171091,864 454963,366 171091,864 454963,366
COM60 178303,689 61643,0627 2,89251833 0,00405079 57083,5555 299523,822 57083,5555 299523,822
LCI -17632,2546 4865,95592 -3,62359522 0,00033173 -27201,082 -8063,42724 -27201,082 -8063,42724
NEARCOMP 31670,5977 3327,21351 9,51865505 2,4698E-19 25127,6836 38213,5118 25127,6836 38213,5118
NEARMIL 2647,75533 557,527272 4,7491046 2,9408E-06 1551,38654 3744,12412 1551,38654 3744,12412
FREESTAND 367264,902 20486,9044 17,9268129 5,3756E-52 326977,72 407552,084 326977,72 407552,084

 El modelo de regresión nos muestra un R 2 mayor la modelo actual y una baja en los ingresos anuales
presupuestados, ésta baja se puede deber a que los valores de los datos están entre 0 y 1, y solo 53
locales de los 374 registran valor 1, pudiendo distorsionar el modelo.