Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Consumidor Ingreso X Consumo Y (Obs) Consumo Y (Est) Error de Estimación
Consumidor Ingreso X Consumo Y (Obs) Consumo Y (Est) Error de Estimación
entre el ingreso y el consumo de las personas es de 0,9896 y la proporción de varianza entre ambas variables es de
mos interpretar que un 97,93% del consumo es debido al ingreso de las personas, es decir, tanto el ingreso como el
as personas comparten un 97,93% de elementos. El ingreso y el consumo se correlacionan en sentido directo. A
e ingreso le corresponden valores altos de consumo e igualmente a valores bajos de ingreso le corresponden valores
mo. El 97,93% de la variación en el consumo se puede explicar con la relación lineal entre el ingreso y el consumo de
os valores de b0 y b1
0, conocido como la "ordenada en el origen," nos indica cuánto es Y cuando X = 0. Es decir, cuando el ingreso de una
0 (millones de pesos/año) suponemos que el consumo es de 0,5528 (millones de pesos/año). El parámetro b1,
o la "pendiente," nos indica cuánto aumenta Y por cada aumento de una unidad en X. Podemos concluir que por cada
al en el ingreso de una persona, el consumo aumentan en aproximadamente 0,6957 millones de pesos—esto podría
como el "consumo marginal" para las personas por un millon de pesos adicional en el ingreso—mientras que el
nos estaría indicando la parte del consumo anual de la persona que no varía directamente con la cantidad de
sos de ingreso recibidos.
l respectivo modelo, calcule los valores de Y(est), determine los respectivos errores de estimación y haga un análisis
de Estimación: Los valores en color rojo representan que los millones de pesos en consumo de las personas en la
eron por debajo de los millones de pesos de consumo acorde a la estimación del modelo. Los valores en color verde
ue los millones de pesos en consumo de las personas en la realidad estuvieron por encima de los millones de pesos
corde a la estimación del modelo. En el 57,15% de los consumidores los millones de pesos de consumo estuvo por
ue el modelo estimo y en el 42,85% de los consumidores los millones de pesos de consumo estuvo por encima de lo
estimo.
a los resultados obtenidos, es viable para la multinacional, incursionar en nuestro mercado?. Explique su respuesta
Resumen
Estadísticas de la regresión
Coeficiente de correlación múltiple 0.98963026677025
Coeficiente de determinación R^2 0.97936806490776
R^2 ajustado 0.97874285475345
Error típico 2.00228682406437
Observaciones 35
ANÁLISIS DE VARIANZA
Grados de libertad Suma de cuadrados Promedio de los cuadrados
Regresión 1 6280.18582881931 6280.18582881931
Residuos 33 132.302033352119 4.0091525258218
Total 34 6412.48786217143
Con dicha información, se desea conocer el impacto de las TASAS DE INTERÉS en la compra de vivienda en Colombia
1. Determine la variable DEPENDIENTE y la variable iNDEPENDIENTE y establezca el supuesto en la relación de las variables
Variable DEPENDIENTE: Número de casas vendidas por los Bancos
Variable INDEPENDIENTE: La tasa de interés de los créditos hipotecarios
La correlación entre la tasa de interés de los créditos hipotecarios y el número de casas vendidas por los Bancos es d
0,9846 y la proporción de varianza entre ambas variables es de 0,9699. Podemos interpretar que un 96,99% del número d
casas vendidas por los Bancos es debido a la tasa de interés de los créditos hipotecarios, es decir, tanto la tasa de interé
de los créditos hipotecarios como el número de casas vendidas por los Bancos comparten un 96,99% de elementos. La tas
de interés de los créditos hipotecarios y el número de casas vendidas por los Bancos se correlacionan en sentido indirecto
A valores altos de tasa de interés de los créditos hipotecarios le corresponden valores bajos de número de casas vendida
por los Bancos e igualmente a valores bajos de tasa de interés de los créditos hipotecarios le corresponden valores altos d
número de casas vendidas por los Bancos. El 96,99% de la variación en el número de casas vendidas por los Bancos s
puede explicar con la relación lineal entre la tasa de interés de los créditos hipotecarios y el número de casas vendidas po
los Bancos.
El parámetro b0, conocido como la "ordenada en el origen," nos indica cuánto es Y cuando X = 0. Es decir, cuando la tas
de interés de los créditos hipotecarios es del 0% suponemos que el número de casas vendidas por los Bancos es d
aproximadamente 700. El parámetro b1, conocido como la "pendiente," nos indica cuánto aumenta Y por cad
disminución de una unidad en X. Podemos concluir que por cada unidad menos de porcentaje en la tasa de interés, el e
número de casas vendidas por los Bancos aumentan en aproximadamente 36 casa—esto podría interpretarse como e
"venta marginal" para los Bancos por una unidad menos en el porcentaje de la tasa de interés —mientras que e
coeficiente b0 nos estaría indicando la parte de las casa vendidas por los Bancos que no varía indirectamente con la tasa d
interés de los créditos hipotecarios.
4. Construya el respectivo modelo, calcule los valores de Y(est), determine los respectivos errores de estimación y haga u
análisis de la situación
Y=700,48 -36,455X
Error Estándar de Estimación: Los valores en color rojo representan que el número de casas vendidas por los Bancos en la
realidad estuvieron por debajo del número de casas vendidas por los Bancos acorde a la estimación del modelo. Los
valores en color verde representan que el número de casas vendidas por los Bancos en la realidad estuvieron por encima
del número de casas vendidas por los Bancos acorde a la estimación del modelo. En el 54,28% de los meses el número de
casas vendidas por los Bancos estuvo por debajo de lo que el modelo estimo y en el 45,72% de los meses el número de
casas vendidas por los Bancos estuvo por encima de lo que el modelo estimo.
5. De acuerdo a los resultados obtenidos, como ha sido el impacto de las tasas de interés en la compra de vivienda?. Expliq
da?. Explique su respuesta
Resumen
Estadísticas de la regresión
Coeficiente de correlación múltiple 0.98484373501565
Coeficiente de determinación R^2 0.96991718239957
R^2 ajustado 0.96900558186622
Error típico 15.4607431427232
Observaciones 35
ANÁLISIS DE VARIANZA
Grados de libertad Suma de cuadrados Promedio de los cuadrados
Regresión 1 254326.030337238 254326.030337238
Residuos 33 7888.14109133365 239.034578525262
Total 34 262214.171428571