Modelo de regresion

Se evalua:

 Signos
 Significancia estadistica
En este precio hay varias unidades vendidas, la relacion es inversa es decir a mas precio menor
sera la cantidad vendida

Para estimar se utiliza el metode de minimos cuadrados ordinarios

Busca minimizar las distancias

Me da el valor observado, pero se esta estimado un valor

Estimadores insesgados lineales optimos

Dependent Variable: VENTAS

Method: Least Squares
Date: 08/28/23 Time: 23:40
Sample: 1 104
Included observations: 104

Variable Coefficient Std. Error t-Statistic Prob.

2.00532284
186.5071428 5.7673350141 32.338531123 7692129e-
C 571268 64312 83341 55
- - 2.55350763
1.750310559 0.1068567768 16.379967758 5394872e-
PRECIO 005913 133776 73917 30

0.724550151 92.0576923
R-squared 3447674 Mean dependent var 0769232
0.721849662 2.25477669
Adjusted R-squared 6324612 S.D. dependent var 0456009
1.189168323 3.20342886
S.E. of regression 112498 Akaike info criterion 8306811
144.2403726 3.25428253
Sum squared resid 708075 Schwarz criterion 9444145
-
164.5783011 3.22403118
Log likelihood 519542 Hannan-Quinn criter. 4969696
268.3033437 1.84622336
F-statistic 773587 Durbin-Watson stat 888361
2.553507635
Prob(F-statistic) 386391e-30

analizamos la significancia estadistica

1. Significancia estadistica
Ho: β1 = 0 la hipotesis sobre el parametro población
H1: β1 ≠ 0
Prueba
Prueba t
P-value
a) “t” tc vs Tt tc = -16.38 ; Tt = 1.96 ≈2 (-2,2) tc: t calculado Tt. De tabla
b) P-value P_v vs nivel de significancia 0.000<0.05
No tengo criterio suficiente entonces se rechaza la hipotesis nula
El coeficiente del precio es edatisticamente significativo
2. Coeficiente de determinación
DDA=f (P , I , Ps , Pc , GyP)

r^2= 0.72 72% de la fluctuacion promedio de la demanda esta siendo explicado por el precio

3. Autocorrelacion
DW: Durbin Watson
DW=1.85
Regla: Si : 1.85<DW<2.15, No tenemos autocorrelación
Si el precio aumenta en una unidad la demanda cae en 1.75
Modelos:
En niveles: Y = β0 + β 1 X 1
Semilogaritmico: logY =β 0 + β 1 X 1
Y = β0 + β 1 log X 1
Doblelogaritmico: logY =β 0 + β 1 log X 1
Si se interpreta en % : si el precio aumenta en 1% la demanda cae en 1.26%