Pronostico de La Demanda de Gas Domiciliario Final

‘’ UNIVERSIDAD AUTONOMA GABRIEL RENE MORENO’’
FACULTAD DE CIENCIAS ECONÓMICAS Y EMPRESARIALES
“PRONOSTICO DE LA DEMANDA DE GAS DOMICILIARIO EN

BOLIVIA, Gestión 2021”
INTEGRANTES.
 Carla Yosseni Saravia Flores 217047718

 Esthefany Seas Vaca 200436090
 Denis Toledo Surubi 216053439
 Diana Cabral Tordoya 218007825
DOCENTE. David Francisco Valverde Sejas
GRUPO. ECO300 “E”
FECHA. 9 de agosto de 2021
SEMESTRE I-2021
SANTA CRUZ – BOLIVIA

Contenido
PRONOSTICO DE LA DEMANDA DE GAS DOMICILIARIO EN BOLIVIA .................... 1
EN LA GESTION
2021 ..............................................................................
............................... 1
1.
Introducción ......................................................................
................................................. 1
2. Resumen
Ejecutivo..........................................................................
................................... 2
a. Descripción breve del análisis
realizado ........................................................................
2
b. Descripción breve de los resultados obtenidos (conclusiones muy
resumidas) ............. 2
3. Ficha
Técnica ...........................................................................
.......................................... 2
a.
Justificación .....................................................................
............................................... 2
b. Planteamiento del
Problema ..........................................................................
................. 3
c. Objetivo
General ...........................................................................
................................. 3
d. Objetivo
Específicos .......................................................................
............................... 3
e. Especificación de fuentes de información y de tipo de
datos ......................................... 4
f. Consideraciones teóricas tomadas en cuenta para el
análisis ......................................... 4
g. Justificación y descripción de las variables introducidas. Indicar
claramente las
variables dependiente e independiente (explicativa). (Anexo
1) ............................................ 8
4. Cálculos de Estimación del Modelo y sus
variables .......................................................... 8
a. Especificación del
Modelo ............................................................................
................. 8
b. Tablas utilizadas y cálculos realizados (estimación, coeficientes de
determinación y de
correlación, intervalos de confianza, pruebas de
hipótesis) .................................................... 9
5. Análisis
Gráfico ...........................................................................
.................................... 18
a. Gráficos de línea de tendencia y diagramas de
dispersión ........................................... 18
6. Utilización del Modelo (Pronóstico o
predicción) ........................................................... 19
7. Verificación de Supuestos (Algebraicos y de
Normalidad) ............................................. 21
8.
Conclusiones ......................................................................
.............................................. 27
9.
Bibliografia ......................................................................
................................................ 28
10.
Anexo .............................................................................
................................................ 29
1
PRONOSTICO DE LA DEMANDA DE GAS DOMICILIARIO EN BOLIVIA
EN LA GESTION 2021
1. Introducción
No son pocas las veces que la política energética en Bolivia hace énfasis en el
gasto que
realiza el Estado en la ampliación de redes de gas natural. De hecho, existe la

percepción casi
generalizada de que dicha ampliación, sobre todo en el sector residencial

(familiar), tendrá un
efecto positivo sobre el bienestar de las personas, toda vez que el gasto en este
energético es
menor a las alternativas, en particular, la energía eléctrica y en segundo lugar

del Gas Licuado de
Petróleo (GLP). Así como también no es nuevo el compromiso de las autoridades en

Bolivia por
disminuir el precio del gas natural en todo el país.
Con el objetivo central de conocer cuáles son las principales características de

la demanda de
gas natural domiciliario, respecto de la tasa de crecimiento de población en

Bolivia, en este
trabajo se estima la función de demanda por este producto. En particular,

utilizando la
información proveniente de las encuestas de hogares realizadas por el Instituto

Nacional de
Estadística de Bolivia.
El presente trabajo está ordenado como sigue:
Se realiza una descripción de las variables junto a la estimación de la función

de regresión,
donde la demanda de Gas domiciliario está en función de la Tasa media de

Crecimiento de
Población. Seguido se realizan todos los cálculos avanzados en clase. También se

hará una
verificación de los Supuestos (Algebraicos y de Normalidad).

2
2. Resumen Ejecutivo
a. Descripción breve del análisis realizado
Este documento intenta cuantificar los posibles impactos, sobre el consumo de

gas
natural domiciliario, respecto del cambio en la tasa de crecimiento de población

dentro del
sistema de distribución de gas natural en Bolivia en los periodos de 2001 al 2021.
b. Descripción breve de los resultados obtenidos (conclusiones muy resumidas)
3. Ficha Técnica
a. Justificación
El sector hidrocarburos juega un rol importante en el contexto de la economía

nacional,
debido fundamentalmente a los ingresos que genera por concepto de regalías a los
departamentos, productores y a los aportes que genera al Tesoro General de la

Nación por
impuestos (según la Ley de Hidrocarburos), etc.
Cuando nos referimos al Sector de Hidrocarburos relacionamos directamente a la

Empresa
Petrolera YPFB, ya que la historia de esta institución resume el papel de este

sector en la
economía nacional.
En ese sentido se espera un nuevo desarrollo dentro del ámbito energético de

operación
eficiente y segura, exige que el Estado Plurinacional de Bolivia consolide una

cultura del gas y
una capacidad en ciencia y tecnología en esta materia.
La actual crisis económica que vive el país provocada más que todo por la
Pandemia, nos
lleva a hacer algunas consideraciones ya que el incremento de la pobreza tiene que

ver también
con la capacidad de compra de las familias, es decir, con el poder adquisitivo de

sus ingresos.
En estos últimos años, más que todo por el confinamiento el consumo familiar ha
bajado
notablemente tanto en la demanda de bienes de consumo final, como de bienes
intermedios,
3
como el consumo de gas domiciliario, es decir que persiste la reducción del poder
adquisitivo de
los salarios.
b. Planteamiento del Problema
Bolivia es un estado esencialmente gasífero lo cual requiere que las políticas

hidrocarburíferas
sean bien orientadas con estrategias concretas para lograr una mayor consolidación
del Gas
Natural en el sector de las familias y de las empresas. Es precisamente esta

realidad la que
determina que la Política energética busque el cambio de la matriz de energía de

Bolivia con un
análisis para determinar la demanda de Gas Domiciliario.
En ese sentido, a continuación, se plantea el problema:
¿Cómo determinar cuál es el impacto que tiene la demanda de gas domiciliario en

relación a
la tasa de crecimiento de la población en Bolivia, para los periodos comprendidos

entre el 2001-
2021?
c. Objetivo General
“Determinar cuál es el impacto que tiene la demanda de gas domiciliario en

relación a la tasa
de crecimiento de la población en Bolivia, para los periodos comprendidos entre el

2001-2021”.
d. Objetivo Específicos
Describir el comportamiento de la demanda de Gas Domiciliario 2001-2021.
Describir el comportamiento de la tasa de crecimiento de la población de Bolivia

2001-2021.
Verificar los supuestos de multicolinealidad baja, no heteroscedasticidad y no

auto
correlación.
Determinar la ecuación de regresión que explica la demanda de Gas Domiciliario

en Bolivia
2001-2021.
Determinar el mejor modelo que explica la demanda de Gas Domiciliario en Bolivia
2001-2021.
4
Realizar pruebas de hipótesis.
Pronosticar la demanda de Gas domiciliario en Bolivia, para el 2022.
e. Especificación de fuentes de información y de tipo de datos
Fuentes de información:
Los datos fueron conseguidos por: Index Mundi Bolivia, la Agencia Nacional de
Hidrocarburos (ANH), YPFB y el Instituto Nacional de Estadística de Bolivia (INE).
Tipo De Datos:
Se utiliza los datos series de tiempo, con 21 años, que van desde el 2001 al
2021.
El mejor modelo es el semilogarítmico, es decir es el modelo (Log-Lin) con 21

años o
periodos.
f. Consideraciones teóricas tomadas en cuenta para el análisis
La disponibilidad de información acerca de las características de consumo de las

familias y la
posibilidad de realizar estimaciones econométricas a gran escala con un costo

relativamente bajo
ocasionaron que en los últimos años se presente un renovado interés en la

estimación de
funciones de demanda por aquellos bienes consumidos por unidades familiares. Desde
su
publicación en 1980, el Sistema Casi Ideal de Demanda (AIDS por su sigla en inglés)
propuesto
por Deaton y Muellbauer1 se utilizó en estimaciones de funciones de demanda por

variados
bienes.2 Esta metodología resulta bastante atractiva porque además de utilizar

información
disponible en las encuestas de hogares (no siempre utilizada al momento de estimar

una función
de demanda) proporciona relaciones “teóricamente adecuadas” en función a los datos

de fuente
primaria. Aplicaciones de esta metodología a la demanda de energía a nivel

residencial se
encuentran en Labandeira y López (2002), Labandeira et al. (2004) y Labandeira et

al. (2005).
1
Deaton y Muellbauer (1980).
2
Para un detalle interesante de su uso ver García (2003).
5
En estos trabajos se observa que dicha metodología funciona muy bien para
predecir los
efectos de corto plazo que tendrían algunas políticas energéticas. Dentro de las
modificaciones
propuestas al modelo original, la realizada por Banks et al. (1997) resultó

bastante atractiva y por
ello ampliamente utilizada.
En el contexto internacional son muchos los trabajos que se han realizado sobre
la demanda
de GAS Domiciliario.
En trabajos como el de Mauricio Mediacelli Monroy (2009) en el “Consumo de Gas

Natural
en Bolivia, los resultados obtenidos a través del ‘Sistema Cuadrático Casi Ideal de
Demanda’
(QUAIDS) sugieren que disminuir el precio del gas natural de manera lineal para
todas las
familias, como medida para incentivar su consumo, contiene un componente regresivo
importante”.
En Muricio Garron Bozo (sin año) en El Negocio del Gas Natural y los impactos
esperados en
Bolivia, afirma que, ”Las principales conclusiones sugieren que, el sector de

hidrocarburos se
perfila como uno de los pilares para el crecimiento de la economía llegando a

contribuir con 1,5
puntos porcentuales al crecimiento del PIB hacia el año 2007 y, si se concretan

nuevos proyectos
energéticos, la contribución podría alcanzar a casi 2,5 puntos porcentuales”.3
Como parte del proceso de apertura, dentro del sector hidrocarburos, que inició
Bolivia al
comenzar la década de los noventa, la empresa estatal de hidrocarburos en Bolivia,

Yacimientos
Petrolíferos Fiscales Bolivianos (YPFB), decidió abrir el espacio necesario para

que el sector
privado invierta en las redes de distribución de gas natural domiciliario. De esta

forma, se
otorgaron concesiones por veinte años a sociedades empresariales que deberían, a
partir de la
3
Análisis Económico, UDAPE.
6
firma del contrato, operar, mantener y ampliar las redes de distribución de gas
natural en los
principales centros urbanos del país.
Marco Teórico
Gas natural
El gas natural es una mezcla de hidrocarburos livianos en estado gaseoso, que en

su mayor
parte está constituida por metano y etano y en menor proporción por propano,
butanos, pentanos
e hidrocarburos más pesados. Generalmente, esta mezcla contiene impurezas tales

como vapor
de agua, gas carbónico y nitrógeno. Otras veces puede contener impurezas como
sulfuro de
hidrógeno, mercaptanos y helio. El gas procede de la descomposición de los

sedimentos de
materia orgánica atrapada entre estratos rocosos y es una mezcla de hidrocarburos

ligeros en la
que el metano (CH4) se encuentra en grandes proporciones, acompañado de otros

hidrocarburos
y gases cuya concentración depende de la localización del yacimiento. Es un

energético eficaz,
rentable y limpio, y por sus precios competitivos y su eficiencia como combustible,

permite
alcanzar considerables economías a sus utilizadores.4
Gas Domiciliario
Es la que permite utilizar un suministro tanto de gas natural como de GLP en un

inmueble.
Acometer esta instalación es necesario para poder hacer uso de cualquier tipo de
gas, ya que este
necesita ser canalizado hasta los aparatos que lo utilizan para funcionar.5
Metodología De La Econometría
La Metodología Tradicional o Clásica que predomina en la investigación empírica

en
economía y en las ciencias sociales y del comportamiento:

1. Planteamiento de la Teoría o de la Hipótesis
4
https://normograma.info/ssppdd/docs/concepto_superservicios_sspd_oju-2010-
22.htm
5
https://preciogas.com/instalaciones
7
2. Especificación del Modelo Matemático de la Teoría
3. Especificación del Modelo Econométrico o Estadístico de la Teoría
4. Obtención de Datos
5. Estimación de los Parámetros del Modelo Econométrico
6. Prueba de Hipótesis
7. Pronóstico o Predicción
8. Utilización del Modelo para fines de control o de política.
Análisis De Regresión
Son frecuentes en la práctica situaciones en las que se cuenta con observaciones

de diversas
variables, y es razonable pensar en una relación entre ellas. El poder determinar

si existe esta
relación y, en su caso, una forma funcional para la misma es de sumo interés. Por
una parte, ello
permitiría, conocidos los valores de algunas variables, efectuar predicciones sobre

los valores
previsibles de otra.
La interpretación moderna de regresión es:
“trata del estudio de la dependencia de la variable dependiente, respecto a una

o más variables
(las variables explicativas), con el objetivo de estimar y/o predecir la media o

valor promedio
poblacional de la primera en términos de los valores conocidos o fijos de las

ultimas”.
Método De Los Mínimos Cuadrados Ordinarios (M.C.O.)
El Método de los MCO es por mucho el que más se emplea en el Análisis de

Regresión, sobre
todo por ser en gran medida más intuitivo y matemáticamente más simple que otros
métodos.
8
g. Justificación y descripción de las variables introducidas. Indicar claramente

las
variables dependiente e independiente (explicativa). (Anexo 1)6
La demanda de GAS domiciliario está en función de la Tasa media de Crecimiento

de
Población.
Descripción de las variables:
Y= Demanda de Gas Domiciliario (En metros cúbicos/año)
X= Tasa de Crecimiento de Población (En porcentaje)
Variables:
Variable dependiente:
Y= Demanda de Gas Domiciliario (En metros cúbicos/año)
Variables Independiente:
X= Tasa de Crecimiento de Población (En porcentaje)
4. Cálculos de Estimación del Modelo y sus variables
a. Especificación del Modelo
a.1. Especificación Del Modelo Matemático
A continuación, se presenta el modelo económico:
Yt  ˆ1  ˆ2 X t (1)
ln Yˆt  ln ˆ1  ln ˆ2 X t (2)
ln Yˆt  ln ˆ1  ˆ2 ln X t (3)
Donde el mejor modelo ajustado es el modelo (2) Log-Lin.
6
Previamente se planteó un modelo con 2 variables independientes, donde X2 =
Numero de instalaciones de Gas
domiciliario y X3= Tasa de crecimiento de la Población. Como la variable X2 no
explicaba al modelo, se lo tuvo
que quitar y se plantea el mejor modelo Log-Lin con:
La demanda de Gas domiciliario está en función de la Tasa de crecimiento de la
Población.
9
a.2. Especificación Del Modelo Econométrico
A continuación, se presenta el modelo econométrico:
Yt  ˆ1  ˆ2 X t  t (Anexo 1) (1)
ln Yˆt  ln ˆ1  ln ˆ2 X t  t (Anexo 2)

(2)
ln Yˆt  ln ˆ1  ˆ2 ln X t  t (Anexo 3)

(3)
Se eligió el modelo intrínsecamente no lineal, pero linealizable con

transformaciones
logarítmicas log-lin como el mejor modelo (Anexo 2), es decir el que mejor se
ajusta a la función
demanda de GAS domiciliario.
El modelo log-lin esta expresada en porcentajes o términos relativos en la

variable
dependiente y en términos absolutos en la variable independiente. En nuestro modelo

cabe
recordar que la variable X ya está expresada en porcentajes, ya que X es la tasa

media de
Crecimiento de la población en porcentajes7.
b. Tablas utilizadas y cálculos realizados (estimación, coeficientes de

determinación y de
correlación, intervalos de confianza, pruebas de hipótesis)
Tabla de Datos:
Tabla 1
Distribución de la demanda de Y (m3), respecto de X (%)
AÑOS Y X
2001 1.150.000.000 1,89
2002 1.445.000.000 1,84
2003 1.740.000.000 1,82
2004 2.140.000.000 1,79
2005 2.427.000.000 1,77
7
El modelo Log-Lin, el coeficiente de la pendiente, mide un cambio porcentual
en Y, ante un pequeño cambio
absoluto en X.
10
2006 2.714.000.000 1,75

2007 3.000.000.000 1,72
2008 2.410.000.000 1,69
2009 2.710.000.000 1,67
2010 3.010.000.000 1,64
2011 5.800.000.000 1,62
2012 8.590.000.000 1,60
2013 3.200.000.000 1,57
2014 3.922.000.000 1,55
2015 4.644.000.000 1,53
2016 5.366.000.000 1,51
2017 4.268.500.000 1,49
2018 3.171.000.000 1,47
2019 3.171.000.000 1,45
2020 3.171.000.000 1,42
2021 3.171.000.000 1,40
Fuente: Elaboración propia en base al I.N.E. e Indexmundi de Bolivia
TABLA 2
Distribución de demanda de Y (%), respecto de X (%)
años ln(Y) X
2001 20,86 1,89
2002 21,09 1,84
2003 21,28 1,82
2004 21,48 1,79
2005 21,61 1,77
2006 21,72 1,75
2007 21,82 1,72
2008 21,60 1,69
2009 21,72 1,67
2010 21,83 1,64
2011 22,48 1,62
2012 22,87 1,60
2013 21,89 1,57
2014 22,09 1,55
2015 22,26 1,53
2016 22,40 1,51
2017 22,17 1,49
2018 21,88 1,47
2019 21,88 1,45
2020 21,88 1,42
11
2021 21,88
1,40
Fuente: Elaboración propia en base al I.N.E. e Indexmundi
de Bolivia
TABLA 3
Distribución de cálculos de la demanda de Y (%), respecto de X (%)
ln Yt Xi ln Yt X t X t2 xt  X t  X t yt 
ln Yt  ln Yt x2t y 2t yt xt
1 2 3 4 5
6 7 8 9
20,86 1,89 39,45 3,5757 0,2620
-0,9796 0,0686 0,9596 -0,2566
21,09 1,84 38,85 3,3935 0,2132
-0,7512 0,0454 0,5643 -0,1601
21,28 1,82 38,69 3,3069 0,1895
-0,5655 0,0359 0,3197 -0,1071
21,48 1,79 38,56 3,2208 0,1657
-0,3585 0,0274 0,1285 -0,0594
21,61 1,77 38,27 3,1364 0,1420
-0,2327 0,0202 0,0541 -0,0330
21,72 1,75 37,91 3,0456 0,1162
-0,1209 0,0135 0,0146 -0,0140
21,82 1,72 37,58 2,9659 0,0932
-0,0207 0,0087 0,0004 -0,0019
21,60 1,69 36,61 2,8713 0,0655
-0,2397 0,0043 0,0575 -0,0157
21,72 1,67 36,26 2,7875 0,0406
-0,1224 0,0016 0,0150 -0,0050
21,83 1,64 35,89 2,7044 0,0155
-0,0174 0,0002 0,0003 -0,0003
22,48 1,62 36,41 2,6236 -0,0092
0,6385 0,0001 0,4077 -0,0059
22,87 1,60 36,53 2,5506 -0,0319
1,0313 0,0010 1,0635 -0,0329
21,89 1,57 34,44 2,4763 -0,0554
0,0438 0,0031 0,0019 -0,0024
22,09 1,55 34,32 2,4140 -0,0753
0,2473 0,0057 0,0611 -0,0186
22,26 1,53 34,13 2,3510 -0,0957
0,4162 0,0092 0,1733 -0,0398
22,40 1,51 33,88 2,2867 -0,1168
0,5607 0,0136 0,3144 -0,0655
22,17 1,49 33,05 2,2214 -0,1385
0,3319 0,0192 0,1102 -0,0460
21,88 1,47 32,12 2,1555 -0,1608
0,0347 0,0259 0,0012 -0,0056
21,88 1,45 31,63 2,0898 -0,1834
0,0347 0,0336 0,0012 -0,0064
21,88 1,42 31,12 2,0236 -0,2065
0,0347 0,0426 0,0012 -0,0072
21,88 1,40 30,61 1,9580 -0,2297
0,0347 0,0528 0,0012 -0,0080
458,69 34,21 746,32 56,1584 0
0 0,4327 4,2511 -0,8915
̂ Ŷ ̂ˆ i  Yi  Yˆ Yˆi ̂i X i
̂ i ˆ 2 i
10 11 12
13 14
21,3028 -0,4398 -9,3689
-0,8316 0,1934
21,4034 -0,3120 -6,6776
-0,5747 0,0973
21,4521 -0,1750 -3,7539
-0,3182 0,0306
21,5012 -0,0172 -0,3692
-0,0308 0,0003
21,5500 0,0599 1,2908
0,1061 0,0036
21,6032 0,1185 2,5593
0,2067 0,0140
21,6506 0,1713 3,7092
0,2950 0,0294
21,7076 -0,1048 -2,2739
-0,1775 0,0110
21,7590 -0,0387 -0,8429
-0,0647 0,0015
21,8106 0,0146 0,3176
0,0239 0,0002
21,8616 0,6195 13,5432
1,0034 0,3838
21,9084 0,9655 21,1517
1,5419 0,9321
21,9567 -0,0703 -1,5429
-0,1106 0,0049
21,9977 0,0922 2,0274
0,1432 0,0085
22,0398 0,2190 4,8273
0,3358 0,0480
22,0833 0,3200 7,0677
0,4840 0,1024
22,1281 0,0464 1,0275
0,0692 0,0022
22,1740 -0,2967 -6,5783
-0,4356 0,0880
22,2205 -0,3432 -7,6256
-0,4961 0,1178
22,2680 -0,3907 -8,7007
-0,5558 0,1527
22,3159 -0,4386 -9,7879
-0,6137 0,1924
0 0
0 2,4140
Fuente: Elaboración propia en base al I.N.E. e Indexmundi
de Bolivia
Constante o intercepto
ˆ1  ln Y  ˆ 2 X ˆ1  21,8426  (2,0606 *1,6290)  25,1993

12
ln Y 
 ln Y t

458,6947
 21,8426 X
X t

34,2088
 1,6290
n 21 n 21
Coeficiente de regresión
ˆ 2 
x yt t

 0,8915
 2,0606
x 2
t 0,4327
ln Yˆt  ln ˆ1  ln ˆ2 X t  ut
ln Yˆt  25,20  2,06 X t (Anexo 3

y 5)8
Interpretación
Sea Yi  Demanda de Gas domiciliario y X i  Tasa de Crecimiento de
Población. Con esta base se obtuvo la siguiente regresión: ln Yˆt  25,20  2,06 X
t
ee ( ˆ1 )  0,8862 ee( ˆ 2 )  0,5419 r 2  43,21%
El coeficiente de pendiente indica que si X i  Tasa de Crecimiento de Población
aumenta, por ejemplo, 1 % en promedio, Yi  Demanda de Gas domiciliario disminuirá
alrededor de 2,0606. El valor del intercepto de 25,1993 indica

que, aunque
X i  Tasa de Crecimiento de Población sea cero, el número promedio de

Yi 
Demanda de Gas domiciliario es de alrededor de incremento en 25,1993. Una vez
más, es posible que esta interpretación no tenga mucho sentido, pues en la muestra
no se incluye
ninguna observación con X i  Años de escolaridad igual a cero. El valor de r 2 es
moderadamente ¿alto / bajo? Moderadamente bajo.9

Estimación del coeficiente de Determinación y de correlación
8
También se usó el programa Eviews y Excel, aparte del método manual aprendida
en la materia Econometría.
9
Por el método de ANALISIS DE DATOS de Excel se tiene esos indicadores
también.
13
Coeficiente de determinación
( x i y i ) 2 (0,8915) 2
r 2
  0,4321
x y 2
i
2
i 0,4327 * 4,2511
Con
desvíos 0 ≤ 𝑅2≤ 1
Existe variaciones en Y que estan explicadas en 0,43, por las variaciones de X.
Coeficiente de correlación
r 
x y i i

 0,8915
 0,6574
x  y
2
i
2
i
0,4327 * 4,2511
El grado de asociación entre la demanda de Gas domiciliario y la Tasa de
crecimiento es de
-0,65, es decir que existe una correlación inversa negativa.
Estimación de Intervalos de confianza
Para realizar las estimaciones de los intervalos de confianza se utilizará la

formula genérica y
los datos del cuadro resumen de Excel.
Nivel de Confianza = 1    95%  0,95
t / 2  t5% / 2  t2,5%  t0,025 

2,093
Nivel de Significancia =   5%  0,05
Grados De Libertad = n  k  21  2  19
Para beta 1:


Pr ˆ1  t / 2 ee(ˆ1 )  1  ˆ1  t / 2
ee(ˆ1 )  1  
Pr25,1993  2,093 * 0,8862  1  25,1993  2,093 * 0,8862

 0,95
Pr23,34  1  27,05  0,95
Interpretación:
Dado el coeficiente de confianza del 95%, a largo plazo, en 95 de cada 100

casos, intervalos
como Pr23,34  1  27,05  0,95 contendrán la verdadera beta 1. Pero obsérvese

que no se
14
puede decir que la probabilidad de que el intervalo especifico contenga la

verdadera beta 1 sea
del 95% por que este intervalo es fijo y no aleatorio, por consiguiente, la
probabilidad es 1 o 0.
Varianzas y errores típicos de los estimadores:
Varianzas de los estimadores:
Var ( ˆ1 ) 
X i
2
* ˆ
2
Var ( ˆ1 ) 
56,1584
*
0,1271  0,7853
n x 2
i 21* 0,4327
ˆ 2 0,1271
ˆ
Var (  2 )  Var( ˆ 2 )  
0,2936
 xi2 0,4327
Errores típicos de los estimadores:
ee( ˆ1 ) 
X i
2
*ˆ ee(ˆ1 ) 
56,1584
* 0,3564  0,8862
n x 2
i 21 *
0,4327
ˆ 0,3564
ee( ˆ 2 )  ee( ˆ 2 )  
0,5419
x 2
i
0,4327
Varianza de la regresión (Varianza de la perturbación aleatoria):

ˆ 2

 ˆ i
2

SRC
2,4140

 0,1271
n2 n  2
21  2
Error típico de la regresión: ˆ 

 ˆ i
2
ˆ 
2,4140
 0,3564
n2
21  2
Para beta 2:


Pr ˆ 2  t / 2 ee(ˆ 2 )   2  ˆ 2 
t / 2 ee(ˆ 2 )  1  
Pr 2,0606  2,093 * 0,5419   2  2,0606  2,093 * 0,5419

 0,95
Pr 3,19   2  0,93

 0,95
15

casos, intervalos
como Pr 3,19   2  0,93  0,95 contendrán la verdadera beta 2. Pero obsérvese
que no se
puede decir que la probabilidad de que el intervalo especifico contenga la

verdadera beta 2 sea
del 95% por que este intervalo es fijo y no aleatorio, por consiguiente, la
probabilidad es 1 o 0.
Pruebas de hipótesis
Método Del Intervalo De Confianza
Para beta 2:
H 0 :  2  4
H 1 :  2  4


Pr ˆ 2  t / 2 ee(ˆ 2 )   *2  ˆ 2  t / 2
ee(ˆ 2 )  1  

Pr  2,0606  2,093 * 0,5419   *2  2,0606  2,093 * 0,5419
 0,95 

Pr  3,19  H 0 :  *2  4  0,93  0,95
H 0 :  2  4
f ( ˆ2 )
95% No se
Se rechaza Ho
rechaza Ho
Se rechaza Ho
𝛽̂2
-3,19 -0,93
Respuesta: Se rechaza la hipótesis nula, el hallazgo es estadísticamente

significativo.
16
Método De significancia
Asumiendo que  2   2 entonces:

*


Pr  2*  t / 2 ee(ˆ 2 )  ˆ 2   2*  t / 2 ee(ˆ 2 )
 1  

Pr  4  2,093 * 0,5419  ˆ 2  4  2,093 * 0,5419  0,95


Pr  5,13  ˆ 2  2,0606  2,86  0,95 
ˆ 2
 2,0606
95% No se
Se rechaza Ho rechaza Ho
Se rechaza Ho
-5,13 -2,86

significativo.
Método De La Prueba De Significancia De dos lados o Dos colas
f (t )
H 0 :  *2  4 ˆ2   *
 2,0606  (4)
tc  2
  3,58
H 1 :  *2  4 ee( ˆ2 )
0,5419
t
 3,58
95% No se
rechaza Ho
Se rechaza Ho Se
rechaza Ho
𝛽̂2
-2,093 2,093

significativo.
17
Prueba De Significancia De una cola
Nivel de Confianza = 1    95%  0,95 t   t 5%  t

0,05  1,729
Nivel de Significancia =   5%  0,05 Grados De Libertad = n  k

 21  2  19
H 0 :  2*  4
H 1 :  2  4
*
 
Pr ˆ 2   2*   *2  t ee(ˆ 2 )  1  

Pr ( ˆ 2  2,0606)  4  1,729 * 0,5419  1  0,05

 
Pr ( ˆ 2  2,0606)  3,0631  1  0,05
f ( ˆ2 )
ˆ 2  2,0606
95% No se
rechaza Ho
Se rechaza Ho
𝛽̂2
-3,0631 -4
f (t )
t  3,58
95% No se
rechaza Ho
Se rechaza Ho
1,729
-4 1,729
𝛽̂2
18

significativo.
5. Análisis Gráfico
a. Gráficos de línea de tendencia y diagramas de dispersión
Diagramas de dispersión para las variables de estudio
Grafica 1
Demanda de GAS Domiciliario,

respecto de la
23,00 tasa media de crecimiento de
Poblacion
CONSUMO DE GAS DOMICILIARIO
22,50
22,00
21,50
21,00
20,50
0,00 0,20 0,40 0,60 0,80
1,00 1,20 1,40 1,60 1,80 2,00
TASA MEDIA DE
CRECIMIENTO DE POBLACION
Fuente: Elaboración propia en
base al I.N.E. e Indexmundi de Bolivia
Grafica 2
Demanda de GAS Domiciliario,

respecto de la tasa
23,00
media de crecimiento de
Poblacion
CONSUMO DE GAS DOMICILIARIO
22,50
22,00
21,50
21,00
20,50
0,00 0,20 0,40 0,60
0,80 1,00 1,20 1,40 1,60 1,80 2,00
TASA MEDIA DE
CRECIMIENTO DE POBLACION
Fuente: Elaboración propia en

base al I.N.E. e Indexmundi de Bolivia
19
En la gráfica 1 y 2, existe una relación inversa negativa entre X e Y, es decir

que mientras
crece la demanda de Gas, disminuye la Tasa de Crecimiento de Población en Bolivia.
6. Utilización del Modelo (Pronóstico o predicción)
Predicción:
Predicciones De La Media
Nivel de Confianza = 1    95%  0,95
t  / 2  t 5% / 2  t 2,5%  t 0,025  2,093
Nivel de Significancia =   5%  0,05
Grados De Libertad = n  k  21  2  19
Estimación:
E (Y / X )  25,1993  2,0606 * X 0
Si : X 0  1,38
E(Y / X )  25,1993  2,0606 *1,38  22,3557
Estimación por intervalos:


Pr  E(Y / X )  t / 2 * ee(Yˆ0 )  E(Y / X )  E(Y / X )  t / 2
* ee(Yˆ0 )  1  

Pr  22,3557  2,093 * 0,0854  E (Y / X )  22,3557  2,093 * 0,0854 
0,95 

Pr  22,0297  E (Y / X )  22,6816  0,95 
Dado el coeficiente de confianza del 95%, a largo plazo, en 95 de cada 100 casos,
intervalos
 
como Pr  22,0297  E (Y / X )  22,6816  0,95 contendrán la verdadera predicción
media.
Error Típico De La Predicción:
ee(Yˆ0 )  Var (Y0  Yˆ0 )  0,0243  0,1557

20
Varianza de la predicción:
 1 ( X  X )2 
Var (Y0  Yˆ0 )   2   0 2 
 n  xi 
 1 (1,38  1,6290)2 
Var (Y0  Yˆ0 )  0,1271*     0,0243
 21 0,4327 
𝐴𝑀𝑃𝐿𝐼𝑇𝑈𝐷: 22,6816 − 22,0297 = 0,6519%
Predicciones Individual
Estimación:
E (Y / X )  25,1993  2,0606 * X 0 Si :
X 0  1,38
E(Y / X )  25,1993  2,0606 *1,38  22,3557

Estimación por intervalos:


Pr  E(Y / X )  t / 2 * ee(Yˆ0 )  E(Y / X )  E(Y / X )  t /
2 * ee(Yˆ0 )  1  

Pr  22,3557  2,093 * 0,0854  E (Y / X )  22,3557  2,093 * 0,0854
 0,95 

Pr  21,8189  E (Y / X )  22,8925  0,95
casos, intervalos
 
como Pr  21,8189  E (Y / X )  22,8925  0,95 contendrán la verdadera predicción
individual.
Error Típico De La Predicción:
ee(Yˆ0 )  Var (Y0  Yˆ0 )  0,1513  0,3890
Varianza de la predicción:
 1 ( X 0  X )2 
Var (Y0  Yˆ0 )   2 1   
 n  xi2 
21
 1 (1,38  1,6290)2 
Var(Y0  Yˆ0 )  0,1271* 1     0,1513
 21 0,4327 
𝐴𝑀𝑃𝐿𝐼𝑇𝑈𝐷: 22,8925 − 21,8189 = 1,0736%
La predicción media trabaja con varios datos y la predicción individual trabaja

con una sola
porción de datos.
A mayor error estándar, mayor amplitud y a menor error estándar menor amplitud.
A mayor
varianza menor precisión(individual) y a menor varianza mayor precisión (media).
7. Verificación de Supuestos (Algebraicos y de Normalidad)
Multicolinealidad
Síntomas:
Dependent Variable: LOG(Y)

Method: Least Squares
Date: 07/26/21 Time: 19:21
Sample: 2001 2021
Included observations: 21
Variable Coefficient Std. Error t-

Statistic Prob.
C 25.19925 0.886181 28.43579

0.0000
X -2.060572 0.541907 -3.802445
0.0012
R-squared 0.432134 Mean dependent var

21.84260
Adjusted R-squared 0.402246 S.D. dependent var
0.461036
S.E. of regression 0.356448 Akaike info criterion
0.865134
Sum squared resid 2.414043 Schwarz criterion
0.964612
Log likelihood -7.083903 Hannan-Quinn criter.
0.886723
F-statistic 14.45859 Durbin-Watson stat
0.814382
Prob(F-statistic) 0.001203
1er SINTOMA: Un coeficiente de determinación relativamente alto, donde “t” son

poco
significativos:
r 2  0,4321 bajo.
22
PRUEBA T:
Beta 2
1ro Planteamiento formal de la hipotesis
H 0 : 2  0
H1 :  2  0
2do Nivel de significacion   5% 0,05
3ro Regla de decision:

0,0012 < 0,05 Se rechaza la hipotesis nula concluyendo que el hallazgo es
estadisticamente signficativo.
PRUEBA F:

H1 : ˆ1  ˆ2  0
H : ˆ  ˆ  0
0 1 2
3ro Regla de decision:

0,0012 < 0,05 Rechazamos la hipotesis nula concluyendo que todas las variables
en su conjunto, explican el comportamiento de Y.
No CUMPLE EL PRIMER SINTOMA
2do SINTOMA:
Si los errores estándar son muy altos o no son significativos
ee( ˆ2 )
CV  1
ˆ 2
0,5419
CV = = 0,26 < 1: En este caso el error de beta 2 es
bajo.
−2,0606
No CUMPLE EL SEGUNDO SINTOMA
3er SINTOMA:
Pequeños cambios afectan, o pueden producir grandes cambios en los parámetros
estimados.
Si CUMPLE EL TERCER SINTOMA

23
4to SINTOMA:
Si los parámetros son indeterminados: No se presenta en este caso.
No CUMPLE EL CUARTO SINTOMA
5to SINTOMA:
Los coeficientes pueden tener signo opuesto al esperado:
El valor esperado debe ser positivo para beta 2, pero el signo de beta 2 esta
fuera del
constexto, deberia ser positivo
Si CUMPLE EL CUARTO SINTOMA
CONCLUSIONES: El modelo no presenta el problema de multicolinealidad.
Heteroscedasticidad
Método gráfico:
En estadística se dice que un modelo de regresión lineal presenta

heteroscedasticidad cuando
la varianza de los errores no es constante en todas las observaciones realizadas.
Grafica 3 (Análisis de residuos Log-Lin)

1.0
0.8
0.6
0.4
0.2
0.0
-0.2
-0.4
-0.6
02 04 06 08 10 12 14 16 18
20
LOG(Y) Residuals
Fuente: Elaboración propia en base al I.N.E. e Indexmundi de
Bolivia
En la gráfica 3, el modelo semilogaritmo no presenta el problema de

heteroscedasticidad ya
que el comportamiento de la línea azul, que son los residuos es constante, porque
oscilan entre -
0,6 y 1.
24
Grafica 4 (Análisis de residuos Log-Lin)

1.9
1.8
1.7
1.6
X 1.5
1.4
1.3
0.0 0.2 0.4 0.6
0.8 1.0
U2
Fuente: Elaboración propia en base al I.N.E. e Indexmundi de
Bolivia
Test de White
Heteroscedasticity Test: White
F-statistic 0.165811 Prob. F(2,18)

0.8485
Obs*R-squared 0.379894 Prob. Chi-Square(2)
0.8270
Scaled explained SS 0.494458 Prob. Chi-Square(2)
0.7810
Test Equation:
Dependent Variable: RESID^2
Date: 07/26/21 Time: 21:15
Sample: 2001 2021

Statistic Prob.
C -0.697148 6.748972
-0.103297 0.9189
X^2 -0.417735 2.527381
-0.165284 0.8706
X 1.184300 8.285248
0.142941 0.8879

0.114954
Adjusted R-squared -0.091011 S.D. dependent var
0.210056
S.E. of regression 0.219406 Akaike info
criterion -0.064220
0.084997
Log likelihood 3.674313 Hannan-Quinn criter.
-0.031836
1.561098
25
PRUEBA DE WHITE:

H 0 :  uj2   ui2
H1 :  uj2   ui2
3ro Regla de decision: 0,8485 es mayor a 0,05 aceptamos Ho

SE ACEPTA la hipotesis nula, concluyendo que
SI EXISTE igualdad entre las varianzas del error, entonces
NO EXISTE heteroscedasticidad, por lo tanto las varianzas
del modelo estan sobreestimadas y en consecuencia las hipotesis,
intervalos no estan sesgados.
Auto correlación
Hay situaciones, como con frecuencia ocurre al tratar con datos de series
temporales, en las
que no se cumple el supuesto del modelo de que los términos de perturbación

aleatoria son
independientes unos de otros. Al contrario, hay una correlación entre la

perturbación de un
período y la del período anterior, o también la perturbación de una observación

cualquiera ui está
correlacionada con la perturbación de cualquier otra observación, es decir las

observaciones no
son independientes en tipo de datos de corte transversal.
Test de Durbin-Watson:
TEST DE DURBIN WATSON:
Datos:
  0,05
K '  1
n  21
d L  1,221
4 
du 
d L 
1,42
d  0,8143
Regla de decisión:
El estadistico Durbin - Watson obtenido es 0,8143 es menor que d L / d u
SI EXISTE auto correlacion serial positiva de primer orden.
26

Date: 07/26/21 Time: 20:58
Sample: 2001 2021

Statistic Prob.
C 25.19925 0.886181 28.43579

0.0000
X -2.060572 0.541907 -3.802445
0.0012

21.84260
0.461036
0.865134
0.964612
0.886723
0.814382
Test de Multiplicador de Lagrange LM (Test Breusch-Godfrey):
Breusch-Godfrey Serial Correlation LM Test:
F-statistic 2.541981 Prob. F(3,16)

0.0929
Obs*R-squared 6.778346 Prob. Chi-Square(3)
0.0793
Test Equation:
Dependent Variable: RESID
Date: 08/07/21 Time: 14:01
Sample: 2001 2021
Presample missing value lagged residuals set to zero.

Statistic Prob.
C -0.212852 0.853150
-0.249490 0.8062
X3 0.123833 0.518784
0.238699 0.8144
RESID(-1) 0.682840 0.254201
2.686222 0.0162
RESID(-2) -0.260233 0.296434
-0.877879 0.3930
RESID(-3) 0.127973 0.279111
0.458503 0.6528

-5.22E-15
0.347422
0.761091
1.009787
0.815065
1.883584
27
Test de Multiplicador de Lagrange LM (TEST BREUSCH-GODFREY):

Prueba de primer, segundo y tercer orden
H 0 : E ( i ;  j )  0
H1 : E ( i ;  j )  0
3ro Regla de decision: 0,0929 es mayor a 0,05 aceptamos Ho

Aceptamos la hipotesis nula, concluyendo que
No existe auto correlacion entre los residuos en 3er orden.
8. Conclusiones
El consumo de gas natural domiciliario en Bolivia aún se encuentra en la primera

etapa de
desarrollo, de hecho, el consumo interno está concentrado en el sector industrial.

En este
contexto gran parte de la discusión sobre política energética está concentrada en

hallar los
instrumentos adecuados para fomentar el consumo de gas natural en el mercado

interno, y en
particular, beneficiar a la gente más pobre con dichas políticas.
Analizando las Encuestas de Hogares, periódicamente realizadas por el Instituto

Nacional de
Estadística en Bolivia, se advierte que el porcentaje de familias que utiliza gas

natural se
incrementó en los últimos años. Sin embargo, contrastando estas cifras con aquellas
publicadas
por la Superintendencia de Hidrocarburos, el crecimiento del consumo es menor al

crecimiento
de la expansión del sistema de distribución de gas natural. Sugiriendo de esta

forma que la
agresiva política de ampliación en las redes de distribución no siempre estuvo

acompañada de
otras complementarias que incentiven su uso.
Los resultados encontrados, en general, son los esperados, es decir que existe
una relación
significativa entre la Demanda de Gas domiciliario y la Tasa de crecimiento de

Población en los
28
métodos de intervalo de confianza, de signifancia, T de 2 colas y una cola. Además,

en la
verificación de supuestos:
No existe el problema de Multicolinealidad
No existe el problema de Heteroscedasticidad
No existe el problema de Auto correlación
En conclusión, el modelo econométrico es bueno desde esos puntos de vista, es

decir la Tasa
de crecimiento de Población explica a la demanda de Gas domiciliario en el periodo

2001 al
2021 en Bolivia.
Ya en el final, será bueno reflexionar sobre aquella anécdota de una familia

pobre del Chaco
boliviano, que, sin tener los servicios de alcantarillado, agua potable y

comunicación, posee la
flamante instalación de gas natural en la puerta de su casa.
9. Bibliografía
Gujarati, Damodar N., y Dawn C. Porter. Econometría. 5a. ed., México: McGraw
Hill, 2010.
Apuntes de Clase, Econometría.
https://repositorio.umsa.bo/bitstream/handle/123456789/16201/TD 1642.pdf?
sequence=1&isAllowed=y
https://www.indexmundi.com/g/g.aspx?c=bl&v=137&l=es
Agencia Nacional de Hidrocarburos (ANH)
Instituto Nacional de Estadística de Bolivia (INE)
Análisis Económico, UDAPE.
https://www.ypfb.gob.bo/es/14-noticias/189-ypfb-factura-1-554-millones-por-la-
exportacion-
de-gas-a-brasil-y-argentina
29
10. Anexo
Anexo 1
AÑOS Y X2 X3
2001 1.150.000.000 0 1,89
2002 1.445.000.000 5.642 1,84
2003 1.740.000.000 20.600 1,82
2004 2.140.000.000 11.503 1,79
2005 2.427.000.000 12.246 1,77
2006 2.714.000.000 12.617 1,75
2007 3.000.000.000 22.250 1,72
2008 2.410.000.000 30.773 1,69
2009 2.710.000.000 52.740 1,67
2010 3.010.000.000 70.182 1,64
2011 5.800.000.000 67.182 1,62
2012 8.590.000.000 71.072 1,60
2013 3.200.000.000 80.000 1,57
2014 3.922.000.000 80.000 1,55
2015 4.644.000.000 80.000 1,53
2016 5.366.000.000 80.000 1,51
2017 4.268.500.000 69.693 1,49
2018 3.171.000.000 90.000 1,47
2019 3.171.000.000 123.000 1,45
2020 3.171.000.000 0 1,42
2021 3.171.000.000 7.290 1,40
Anexo 2
Dependent Variable: Y
Date: 07/28/21 Time: 00:34
Sample: 2001 2021
Variable Coefficient Std. Error t-Statistic

Prob.
C 1.24E+10 3.72E+09 3.328330

0.0035
X -5.52E+09 2.28E+09 -2.426625
0.0254

3.39E+09
1.67E+09
S.E. of regression 1.50E+09 Akaike info criterion
45.18212
Sum squared resid 4.26E+19 Schwarz criterion
45.28160
30

45.20371
1.162364
Anexo 3

Date: 07/28/21 Time: 00:34
Sample: 2001 2021

Prob.
C 25.19925 0.886181 28.43579

0.0000
X -2.060572 0.541907 -3.802445
0.0012

21.84260
0.461036
0.865134
0.964612
0.886723
0.814382
Anexo 4

Date: 07/28/21 Time: 00:36
Sample: 2001 2021

Prob.
C 25.19925 0.886181 28.43579

0.0000
X -2.060572 0.541907 -3.802445
0.0012

21.84260
0.461036
0.865134
0.964612
0.886723
0.814382
31
Anexo 5
ANALISIS DE DATOS:
Resumen
Estadísticas de la regresión
Coeficiente de0,65736888
correlación múltiple
Coeficiente de0,43213384
determinación R^2
R^2 ajustado 0,40224615
Error típico 0,35644759
Observaciones 21
ANÁLISIS DE VARIANZA
Grados de libertad
Suma de cuadrados
Promedio de los cuadradosF Valor crítico de F
Regresión 1 1,83703424 1,83703424 14,4585883 0,00120304
Residuos 19 2,41404278 0,12705488
Total 20 4,25107702
Coeficientes Error típico Estadístico t Probabilidad Inferior 95%

Superior 95%Inferior 95,0%Superior 95,0%
Intercepción 25,1992518 0,88618081 28,4357905 4,9012E-17 23,3444541 27,0540496
23,3444541 27,0540496
Variable X 1 -2,06057171 0,54190703 -3,80244504 0,00120304 -3,19479616 -0,92634725
-3,19479616 -0,92634725

Pronostico de La Demanda de Gas Domiciliario Final

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Pronostico de La Demanda de Gas Domiciliario Final

Cargado por

Copyright:

Formatos disponibles

‘’ UNIVERSIDAD AUTONOMA GABRIEL RENE MORENO’’

FACULTAD DE CIENCIAS ECONÓMICAS Y EMPRESARIALES

“PRONOSTICO DE LA DEMANDA DE GAS DOMICILIARIO EN

 Carla Yosseni Saravia Flores 217047718

DOCENTE. David Francisco Valverde Sejas

GRUPO. ECO300 “E”

FECHA. 9 de agosto de 2021

SANTA CRUZ – BOLIVIA

PRONOSTICO DE LA DEMANDA DE GAS DOMICILIARIO EN BOLIVIA

realiza el Estado en la ampliación de redes de gas natural. De hecho, existe la

generalizada de que dicha ampliación, sobre todo en el sector residencial

menor a las alternativas, en particular, la energía eléctrica y en segundo lugar

Petróleo (GLP). Así como también no es nuevo el compromiso de las autoridades en

disminuir el precio del gas natural en todo el país.

Con el objetivo central de conocer cuáles son las principales características de

gas natural domiciliario, respecto de la tasa de crecimiento de población en

trabajo se estima la función de demanda por este producto. En particular,

información proveniente de las encuestas de hogares realizadas por el Instituto

El presente trabajo está ordenado como sigue:

Se realiza una descripción de las variables junto a la estimación de la función

donde la demanda de Gas domiciliario está en función de la Tasa media de

Población. Seguido se realizan todos los cálculos avanzados en clase. También se

verificación de los Supuestos (Algebraicos y de Normalidad).

a. Descripción breve del análisis realizado

Este documento intenta cuantificar los posibles impactos, sobre el consumo de

natural domiciliario, respecto del cambio en la tasa de crecimiento de población

sistema de distribución de gas natural en Bolivia en los periodos de 2001 al 2021.

b. Descripción breve de los resultados obtenidos (conclusiones muy resumidas)

El sector hidrocarburos juega un rol importante en el contexto de la economía

departamentos, productores y a los aportes que genera al Tesoro General de la

impuestos (según la Ley de Hidrocarburos), etc.

Cuando nos referimos al Sector de Hidrocarburos relacionamos directamente a la

Petrolera YPFB, ya que la historia de esta institución resume el papel de este

En ese sentido se espera un nuevo desarrollo dentro del ámbito energético de

eficiente y segura, exige que el Estado Plurinacional de Bolivia consolide una

una capacidad en ciencia y tecnología en esta materia.

lleva a hacer algunas consideraciones ya que el incremento de la pobreza tiene que

con la capacidad de compra de las familias, es decir, con el poder adquisitivo de

b. Planteamiento del Problema

Bolivia es un estado esencialmente gasífero lo cual requiere que las políticas

Natural en el sector de las familias y de las empresas. Es precisamente esta

determina que la Política energética busque el cambio de la matriz de energía de

análisis para determinar la demanda de Gas Domiciliario.

En ese sentido, a continuación, se plantea el problema:

¿Cómo determinar cuál es el impacto que tiene la demanda de gas domiciliario en

la tasa de crecimiento de la población en Bolivia, para los periodos comprendidos

“Determinar cuál es el impacto que tiene la demanda de gas domiciliario en

de crecimiento de la población en Bolivia, para los periodos comprendidos entre el

Describir el comportamiento de la demanda de Gas Domiciliario 2001-2021.

Describir el comportamiento de la tasa de crecimiento de la población de Bolivia

Verificar los supuestos de multicolinealidad baja, no heteroscedasticidad y no

Determinar la ecuación de regresión que explica la demanda de Gas Domiciliario

Realizar pruebas de hipótesis.

Pronosticar la demanda de Gas domiciliario en Bolivia, para el 2022.

e. Especificación de fuentes de información y de tipo de datos

Hidrocarburos (ANH), YPFB y el Instituto Nacional de Estadística de Bolivia (INE).

El mejor modelo es el semilogarítmico, es decir es el modelo (Log-Lin) con 21

f. Consideraciones teóricas tomadas en cuenta para el análisis

La disponibilidad de información acerca de las características de consumo de las

posibilidad de realizar estimaciones econométricas a gran escala con un costo

ocasionaron que en los últimos años se presente un renovado interés en la

por Deaton y Muellbauer1 se utilizó en estimaciones de funciones de demanda por

bienes.2 Esta metodología resulta bastante atractiva porque además de utilizar