Documentos de Académico
Documentos de Profesional
Documentos de Cultura
ECUATORIANO (MAE)
wehrli_perez@hotmail.com
RESUMEN
El presente trabajo analiza si es posible estimar las Primas de Seguros Totales en base a
una regresión lineal con la variable PIB. Se insiste en esto debido porque en Ecuador, es
muy difícil conocer a tiempo, otro tipo de cifras oficiales. De ser posible la estimación,
el gremio Asegurador podría tener una visión clara con poca información.
Elaborado el modelo, se encuentra presencia de heterocedasticidad, y se elabora una
corrección, pero se pierde nivel de explicación R 2. También se encuentra un modelo
alternativo de regresión con un polinomio de grado 2, sin garantizar que este sea el
modelo de largo plazo. Este análisis estudia las posibles causas por la que el modelo
lineal no logra un mejor explicación. Además se recomienda incorporar otras variables
que ayudarán a ser más precisos en el futuro, aunque no existen cifras de predicción
oficiales que se publiquen a tiempo y que sean confiables.
PALABRAS CLAVES
QUITO - ECUADOR
ÍNDICE
H. 2: El MAE-GENERALES vs PIB. 6
H. 3: El MAE-VIDA vs PIB. 7
CONCLUSIONES 13
BIBLIOGRAFÍA Y FUENTES 14
Pág. 3
X Y
i 1
i i n XY
b n
X
i 1
i
2
a Y b X
PRUEBA DE SIGNIFICANCIA
La significancia estadística de la relación lineal entre X y Y puede probarse al analizar
la hipótesis:
H0 : 0 0
H 1 : 1 0
La hipótesis nula (Ho) implica que no existe ninguna relación lineal entre X y Y. La
alterna (H1) que si existe dicha relación. Para comprobación se realiza una prueba en
dos dirección y se utiliza el estadístico t con n-2 grados de libertan de tal forma que:
b
t
SE b
En donde SEb es la desviación estándar de b conocida también como error estándar.
FUERZA Y SIGNIFICANCIA DE LA ASOCIACION
Es la fuerza de asociación entre las variables y se mide con el coeficiente de
determinación, R2. Varia entre 0 y 1 y representa la proporción de la variación total en
Y que se toma en cuenta para la variación en X.
Para calcular r2 se utiliza la siguiente fórmula:
n n
(Yi Y ) 2 (Yˆi Yi ) 2
R2 i 1
n
i 1
(Y Y )
n
i
2
30000 500
25000 400
20000 PIB
300
MAE
PIB
15000 MAE
200
10000 Proy. MAE
5000 100
0 0
93 94 95 96 97 98 99 00 01 02 03
El gráfico nos muestra que ambas series (PIB y MAE) tienen similar comportamiento
en el tiempo, y esto puede analizarse más en detalle si planteamos la hipótesis de que las
primas dependen del PIB. Esto no sólo es cuestión del gráfico sino que hay que
encontrar cuál es la regresión lineal que existe entre ellos, lo que haremos más adelante.
Es muy interesante observar esta relación sobre todo entre el año 1993 hasta 1995 y
posteriormente desde el año 1999, cuando el PIB sufrió una terrible caída, las Primas
también lo hicieron.
Pero, ¿porqué esta relación fue tan débil entre el año 1996 y 1998?. Es un interrogante
que también se estudia más adelante. Sin embargo, en los análisis de regresión lineal, se
han considerado todos los periodos, desde 1993 hasta el año 2003.
Con respecto a los años 1996 hasta 1998 podríamos proponer dos hipótesis:
500
450 458
400 403
350
MAE
300 313
250 259 264
257
234 246
200 209 212
179
150
100
14,000 16,000 18,000 20,000 22,000 24,000 26,000 28,000
PIB
Gráfico 2: La dispersión muestra que una regresión es más precisa en los valores bajos del PIB, pero se
pierde explicación a medida que el PIB es más alto.
La relación que existe entre el PIB y el MAE (incluyendo generales y vida) y notamos
que a niveles donde el PIB decrece, el MAE también decrece, y cuando el PIB crece, el
MAE también lo hace, en una relación “visualmente” lineal. Elaborando un modelo de
regresión tenemos:
GRÁFICO DE DISPERSIÓN
ENTRE EL PIB Y EL MAE-GENERAL
(MILLONES DE DÓLARES)
450
400 412
MAE-GENERAL
369
350
300
277
250
235 230
229
214 218
200 192 189
150 160
100
14,000 16,000 18,000 20,000 22,000 24,000 26,000 28,000
PIB
Gráfico 3: La dispersión se muestra de manera similar que en él Gráfico 2. Es más precisa en los valores
bajos del PIB, pero se pierde explicación a medida que el PIB es más alto.
Pág. 7
Esta similitud entre MAE-GRAL y MAE se debe a que quien compone o es más
determinante para el MAE, son las primas de los ramos generales, he ahí que esta figura
inclusive tiene los mismos saltos.
R-Sq = 0.6999%
50
45 46
40
35 36 35 35
MAE-VIDA
30 28 28
25 23
23
20 19 20
15 17
10
5
0
14,000 16,000 18,000 20,000 22,000 24,000 26,000 28,000
PIB
Gráfico 4: En este gráfico se observa que la explicación del modelo es más efectiva..
R-Sq = 80.14%
RESULTADOS DE LA REGRESIÓN LINEAL
Hemos determinado varias fórmulas que determinan las Primas del MAE en millones de
dólares, en función del PIB también en millones de dólares:
Pág. 8
Esto quiere decir que conociendo cuál es el valor del PIB, podemos encontrar el valor
de las primas totales del mercado, el valor de las primas de seguros generales y el valor
de las primas de vida, respectivamente.
Se estima que para el año 2004, el PIB será de 28773.00 millones de dólares, por tanto
las estimaciones para las Primas Netas del Mercado asegurador son:
Como podemos observar la diferencia entre ambos métodos de cálculo del MAE
TOTAL es mínima y por tanto aceptable, sin embargo en el año 2003 el MAE fue de
USD 458.38 y según los expertos debería existir crecimiento, más no decrecimiento. Es
posible que la regresión se haya tornado débil en predicción, por el efecto del período de
1996 a 1998. Trataremos de estudiar un poco más en detalle en las páginas siguientes.
Gráfico 5: Adicional a lo que se percibió en el gráfico 2, el presente gráfico muestra que existe un patrón
de comportamiento de la varianza, según la variable PIB. Se presenta una estimación bajo un polinomio
de grado 4, por ser la que mejor R2 demostró.
Pág. 9
Yi 0 1 X i ei Yi 0 e
convertirlo en 2
2 1 i2
Xi Xi Xi
Con esto logramos que la varianza del nuevo sea homocedástico, ya que
e 1
Var i2 4 var ei C
Xi Xi
R2=0.5667
Ahora podemos utilizar este modelo y para obtener los valores originales, debemos
multiplicar ambos lados de la regresión, por X i2 .
Pág. 10
30,000 500
25,000 400
20,000 PIB
300 MAE-GRAL
15,000
Proy. MAE_GRAL
200
10,000 Correc. Proy MAE-GRAL
5,000 100
0 0
93 94 95 96 97 98 99 00 01 02 03
En cuanto a la predicción:
Predicción 2004 con modelo lineal 385.74 millones de dólares
Predicción 2004 con modelo lineal corregido 390.51 millones de dólares
Por tanto el pronóstico de Primas Netas en el mercado asegurador ecuatoriano será (en
millones de dólares):
30000 500
25000 400
PIB
20000
300 MAE
MAE
PIB
15000
200 Proy. MAE
10000
# Compañías (en 100)
5000 100
0 0
93 94 95 96 97 98 99 00 01 02 03
Gráfico 7: Al incorporar a escala el número de Compañías, vemos que esta es quien más se acerca al
patrón del MAE, sin embargo no ocurre lo mismo en el periodo 2002 a 2003.
Con respecto a porque durante estos años, la relación entre el PIB y el MAE es
tan débil, es que en este periodo el PIB creció en productividad pero la
capacidad instalada se mantuvo constante pudiendo originar que algunos ramos
como Incendio y Aliadas, no sigan la tendencia del PIB.
Eso fue lo que ocurrió en el período 1996 a 1998, y también está ocurriendo en el
período 2002 a 2003, es por eso que nuestro modelo de regresión no acierta en el
pronóstico de los expertos, y seguramente también contrastará con la realidad, pero el
criterio aquí determinado es válido para las futuras proyecciones.
Como una salida rápida a la proyección del 2004, puede ser el de modificar la regresión
entre el PIB y el MAE-General a un polinomio de grado 2 (un poco guiados por la
explicación del PIB al error al cuadrado).
El modelo sería:
MAE – GRAL = -0.046PIB2+ 1.51E-06PIB+528.33
R2= 0.77416 (mayor a 0.6999 encontrado por regresión lineal)
Por lo que bajo este modelo se estima un crecimiento. Que según los expertos es muy
alto.
Pág. 12
El siguiente gráfico nos muestra la comparación del PIB, el MAE-Generales y las dos
estimaciones de regresión:
30000 500.00
25000 400.00
20000 PIB
300.00
GRAL
15000
GRAL ESTIM P(2)
200.00
10000 GRAL ESTIM P(1)
5000 100.00
0 0.00
93 94 95 96 97 98 99 00 01 02 03
Gráfico 8: Cambiar la regresión lineal por la regresión polinómica de orden 2 mejora la explicación del
periodo 2002 a 2003, pero esto no garantiza que éste sea el patrón del PIB y el MAE a largo plazo.
El polinomio de grado dos, muestra una mejor explicación en los últimos años 2002 y
2003 que el modelo lineal, en cambio el modelo lineal explica mejor los primeros años
de la serie.
60 15000 Aéreo-Buque
40 10000 Técnicos
20 5000
Patrimonio
0 0
Fianzas
93 94 95 96 97 98 99 00 01 02 03
PIB
Gráfico 9: Los datos por línea de negocio sólo se encuentran disponibles a partir del año 1997.
Puede observarse que las líneas de Seguros: “Bienes”, “Vehículos”, y “Personas” siguen
la misma tendencia desde el año 1999 que el PIB. Esta apreciación servirá para
contrastar al PIB y sus componentes vs MAE y sus componentes con la intención de
encontrar un mejor modelo de explicación y estimación.
Pág. 13
3000 20000
Hoteles
Transporte
2000 15000
Int. Financiera
PIB
Inmoviliaria
1000 10000
Público
Enseñanza
0 5000 Serv. Social
93 94 95 96 97 98 99 00 01 02 03 Serv. Comunit
-1000 0 Hogares
Otros
Int. Finan. Direc
-2000 -5000
PIB
Gráfico 10: Relacionar directamente el componente del PIB con las líneas del MAE tiene consecuencias
de ambigüedad, sin embargo será necesario establecer “la mejor relación posible” para intentar un mejor
sistema de explicación y predicción.
CONCLUSIONES
Hasta el alcance de esta investigación:
No existe una relación directa entre el PIB y el MAE sin que se observe
heterocedasticidad en el modelo, una de las causas es por ejemplo, que el nivel
de productividad puede afectar cualquier modelo construido y a grandes
expectativas de crecimiento del PIB, menor certeza estadística se tiene del MAE.
En el periodo 2002 a 2003, debería ocurrir lo mismo que en el año 1996 a 1999
sin embargo, aunque la capacidad instalada es la misma, y el PIB subió
sustancialmente, el MAE-Generales también se elevó casi en la misma
proporción, dejando al modelo lineal sin poder de explicación
Según una regresión lineal se estima un decrecimiento para el próximo año 2004
Año 2004 Año 2003 Crecim %
MAE-GENERALES = 390.51 411.95 -5.5
MAE-VIDA = 44.79 46.43 -3.5
MAE-TOTAL = 435.30 458.38 -5.3
Luego de este primer estudio de la relación que existe entre el PIB y el MAE, es
necesario elaborar un análisis más profundo en las cifras y en la correlación de
los componentes del PIB con las líneas de negocio del MAE.
BIBLIOGRAFÍA
Econometría, modelos y pronósticos Robert S. Pindyck, Daniel L Rubinfeld Mc Graw Hill, 4ta edición
año 2001.
Análisis econométrico William H. Greene Prentice Hall, 3era edición año 1999.
Fuentes: http://www.superban.gov.ec
http://www.bce.fin.ec