Tema: Modelos causales.

 Los modelos causales son aquellos que usan datos provenientes de fuentes
distintas a las series que están pronosticando: esto es, pueden existir otras
variables con valores que están vinculadas de alguna forma a lo que se esta
pronosticando.
 Sea Y el fenómeno que deseamos pronosticar y X1, X2,…., Xk son k variables
que creemos que están relacionadas con Y. entonces un modelo causal es
aquel en que el pronóstico para Y es cierta función de estas variables, digamos:
 Y = f (X1, X2,…., Xk)
 Los modelos econométricos son modelos causales especiales en los que la
relación entre Y y (X1, X2,…., Xk) es lineal.
 Ecuación lineal múltiple

 Yi = Bo + B1 X1 + B2 X2 +…. + Bk Xk.

 Donde:
 Y: demanda
 Bo: intercepto con el eje Y. indica el valor de la variable Y, cuando X1, X2, Xk toman
valor cero.
 Bi = 1,2, 3... k pendientes de las variables independientes. Indica la variación que se
produce en Y, por efecto de un aumento de una unidad de X1, manteniéndose
constante X2.
 B2: indica la variación que se produce en Y, por efecto de un aumento de una unidad
de X2, manteniéndose constante X1.
 El coeficiente de determinación mide el porcentaje de la variación total de la variable
dependiente que se explica mediante la ecuación de regresión. Es decir: mide que
porcentaje del comportamiento de Y las variables Xi son capaces de explicar.
 se1,se2,...,sen Los valores de error estándar para los coeficientes m1,m2,...,mn.
 Seb El valor de error estándar para la constante b.
 R2 El coeficiente de determinación.
 Sey El error estándar para el cálculo y.
 F. La estadística F o valor F observado. Use la estadística F para determinar si la relación
observada entre las variables dependientes e independientes se produce por azar.
 df. Grados de libertad.
 Ssreg. La suma de regresión de los cuadrados.
 Ssresid. La suma residual de los cuadrados.
 Una empresa ha decidido pronosticar la demanda de sus productos en función del precio y de
la variable tiempo. Los datos correspondientes se presentan a continuación:

Años 2018 2019 2020 2021 2022

Precio C$/unidad 215 210 214 214 216
Ventas (M$) 53 70 68 78 80

 Utilizando la regresión lineal múltiple pronosticar la demanda para el año 20223 y 2024, si el
precio para el año 2023 y 2024 será de C$240 por unidad, considere como variables
independientes precio y tiempo (años) aplique Excel.
 ¿Cuál es el coeficiente de determinación de la curva de ajuste?