Está en la página 1de 20

UNIVERSIDAD PRIVADA DE TACNA

FACULTAD DE CIENCIAS EMPRESARIALES


ESCUELA PROFESIONAL DE INGENIERIA COMERCIAL

TEMA
“LA FRECUENCIA DE COMPRA AL MES DE LA PASTELERÍA D
´MASSIEL DEL DISTRITO GREGORIO ALBARRACÍN LANCHIPA,2018”
CURSO
Econometría
DOCENTE
Elmer Limache Sandoval
INTEGRANTES
- Aquino Vilca, Raquel Esther
- Tribeño Capia, María Susana
- Vega Mostto, Ricardo Marcelo
Tacna-Perú
2018
2

INDICE
1. DESCRIPCIÓN..................................................................................................................................5
2. VARIABLES:.....................................................................................................................................5
3. POBLACION:....................................................................................................................................5
4. MUESTRA:........................................................................................................................................5
5. MODELO UTILIZADO (FUNCION DE REGRESION POBLACIONAL).................................7
6. MODELO AJUSTADO (MODELO ESTIMADO CON LOS DATOS)........................................7
7. PRUEBAS DE HIPÒTESIS DE LOS PARÀMETROS DE REGRESIÒN...................................7
8. PRUEBA DE HIPÒTESIS DEL MODELO.....................................................................................8
9. INTERPRETACION DEL MODELO (DE LOS ESTIMADORES Y DEL R CUADRADO).....8
10. ANALISIS DE: MULTICOLINEALIDAD, HETEROSCEDASTICIDAD O
AUTOCORRELACIÒN, SEGÙN CORRESPONDA.............................................................................9
Multicolinealidad:..................................................................................................................................9
11. PROPUESTA DE CORRECCIÒN DEL PROBLEMA..............................................................9
12. MODELO CORREGIDO..............................................................................................................9
ANEXOS...................................................................................................................................................11
CUESTIONARIO.................................................................................................................................20
3

“LA FRECUENCIA DE COMPRA AL MES DE

LA PASTELERÍA D´MASSIEL DEL DISTRITO

GREGORIO ALBARRACÍN LANCHIPA,2018”


4

1. DESCRIPCIÓN

Mediremos la “La frecuencia de compra al mes de la pastelería D´MASSIEL del distrito

Gregorio Albarracín lanchipa,2018”

2. VARIABLES:

a. Dependiente:

Frecuencia de consumo

b. Independiente:

 Tiempo de atención

 Nivel de ingreso

 Producción

3. POBLACION:

La población que se tomara serán los clientes que acuden a la pastelería D’MASSIEL

siendo un total de 150 personas semanales.

4. MUESTRA:

Para poder determinar el tamaño de la muestra, fue necesaria la utilización del cálculo

para muestras basadas en “poblaciones pequeñas”

Para el estudio presente y de acuerdo con la información con que se cuenta, se utilizó la

fórmula:
5

En donde:

p=0.40

q=0.60

e=10% 0.10(0.40) = 0.04

1.642 (0.40)(0.60)
n=
0.042

n=403.44

403.44
n=
403.44
1+
150

n=109

Siendo la muestra a tomar de 109 personas en la pastelería D’MASSIEL, para así poder realizar

las encuestas.
6

5. MODELO UTILIZADO (FUNCION DE REGRESION POBLACIONAL)

En el modelo de regresión, el modelo de regresión poblacional o,

simplemente, el modelo poblacional es el siguiente:

Frecuencia = β1+β2.Tiempodeatención+β3.Reclamaciones+β4.Nivel de Ingreso+µi

6. MODELO AJUSTADO (MODELO ESTIMADO CON LOS DATOS)

Frecuencia = 1,041-0,006. Tiempo de atención+0.125. Preparación+0.010. Ingreso

ee= (0,656) (0,133) (0,0,0002919199809083692) (0,080)

Tc= (1,587) (-0,044) (35,051) (1,589)

Pvalor= (0,166) (0,965) (0,000) (1,20)

R2=¿ 0.925

Pvalor = 0.000

7. PRUEBAS DE HIPÒTESIS DE LOS PARÀMETROS DE REGRESIÒN

 Β1

Ho: β1 = 0

H1: β1 ≠ 0

^
β1− β1 1,041−0
tc= = =1,58
de( β^1) 0,656

/Tc/ > T (n−k )∝/2

/1,58/>1.98

Se acepta Ho, Β1 no es significativa


7

 Β2

Ho: β2 = 0

H1: β2≠ 0

β^2− β2 −0 , 006−0
tc= = =−0,04511
de( ^
β 2) 0,133

/Tc/ > T (n−k )∝/2

/-0,04511/>1.98

Se acepta Ho, no es significativa

 Β3

Ho: β3= 0

H1: β3≠ 0

β^3− β3 0,010−0
tc= = =34,2559
β 3 ) 0,0002919199809083692
de( ^

/Tc/ > T (n−k )∝/2

/34,2559/>1.98

Se rechaza Ho, es significativa

 Β4

Ho: β4= 0

H1: β4≠ 0
8

β^4 −β 4 0,125−0
tc= = =1,5625
de( β^4 ) 0,080

Tc/ > T (n−k )∝/2

/1,5625/>1.98

Se acepta Ho, Β1 no es significativa

8. PRUEBA DE HIPÒTESIS DEL MODELO

Ho: β2 = β3=β4 =0

H1: β2 ≠β3≠β4≠0

Si p_valor (F) es < α Se Rechaza Ho.

0.000 < 0.05 Se Rechaza Ho.

Por lo tanto, los β de la regresión son significativos, es decir, la regresión es significativa.

9. INTERPRETACION DEL MODELO (DE LOS ESTIMADORES Y DEL R

CUADRADO)

 R2= 0.925

El 92.5% de la variabilidad total de la regresión está representada en la regresión

 Β2=-0.006

Si el tiempo de atención aumenta en un minuto la frecuencia de consumo

disminuirá en 0.006 unidades


9

 Β3=0.125

Si el tiempo de preparación personalizada aumenta en una hora la frecuencia

de consumo aumentara en 0.125 unidades

 Β4=0.010

Si el ingreso aumenta en una unidad la frecuencia de consumo aumentara en

0.010 unidades

10. ANALISIS DE: MULTICOLINEALIDAD, HETEROSCEDASTICIDAD O

AUTOCORRELACIÒN, SEGÙN CORRESPONDA.

Multicolinealidad:
Valor Máximo
k=
Valor Mínimo

0.018
k=
0.00004602

k =391

k =√ 391

k =19.77

El modelo tiene una multicolinealidad menor a 30 teniendo así una

multicolinealidad moderada

11. PROPUESTA DE CORRECCIÒN DEL PROBLEMA

 Si solo será esto usado para proyecciones de venta, se recomiendo no hacer nada

 Para corregir la multicolinealidad se podría eliminar la variable tiempo de atención ya que

es la menos significativa según el p valor


10

12. MODELO CORREGIDO

Para poder corregir la multicolinealidad se pasará a eliminar variables de tiempo de atención

y tiempo de preparación de productos personalizados ya que ambas salieron que son

significativas.

Modelo Corregido

Frecuencia= β1+β2.Nivel de Ingreso+µi

Resumen del modelo

Modelo ANOVAb Error típ. de la


Modelo R Suma deR cuadrado Mediacorregida
R cuadrado estimación

1 cuadrados
,961a gl
,923 cuadrática ,923 F Sig. 1,889

1
dimension0

Regresión 4437,689 1 4437,689 1243,079 ,000a

Residual 367,702 103 3,570


a. Variables predictoras: (Constante), Ingreso
Total 4805,390 104

a. Variables predictoras: (Constante), Ingreso


b. Variable dependiente: frecuencia

Coeficientesa

Modelo Coeficientes
Coeficientes no estandarizados tipificados

B Error típ. Beta t Sig.

1 (Constante) 1,520 ,336 4,529 ,000

Ingreso ,010 ,000 ,961 35,257 ,000

a. Variable dependiente: frecuencia

Modelo Ajustado

Frecuencia= 1,520 + 0.010 Ingreso


ee= (0,336) (0,00)
Tc= (4,529) (35,257)
11

Pvalor= (0,000) (0,000)

R2=0.923 pvalor=0,000

ANEXOS
FOTOS DE LA PASTELERIA D’MASSIEL
12
13
14
15
16
17
18
19
20

UNIVERSIDAD PRIVADA DE TACNA


FACULTAD DE CIENCIAS EMPRESARIALES

CUESTIONARIO

1 ¿Con que frecuencia compra en la pastelería D’Massiel al mes?

2. ¿Cuántos minutos tiene que esperar para ser atendido?

3. ¿Cuánto de ingreso ha tenido durante el mes?

4. ¿Cuántas horas se demora en la preparación de un producto personalizado?

Gracias por su colaboración.

También podría gustarte