DETERMINANTES DEL VOLUMEN DE

VENTAS DE LAS
DISTINTAS UNIDADES ECONMICAS
DEL ECUADOR, AO 2010:
MACHALA

Integrantes:
Joammet
Mendoza

Lorena Patio

Yuissa
Rivera
Yamel
Robles
Alexander
Silva

Introduccin
En el presente trabajo se elaborar un modelo economtrico en base
a datos de corte transversal obtenidos del Censo Nacional Econmico
2010. Se tiene una muestra de 660 observaciones, en donde se
presenta informacin de las unidades econmicas de la ciudad de
Machala.
Lo que se pretende demostrar es si el total de ingresos anuales
percibidos por ventas o prestacin de servicios dependen de los
gastos anuales en compras y mercaderas, montos de financiamiento,
gastos anuales por servicios prestados por terceros y alquileres y
valor en activos y existencias al final del perodo de la empresa.

Planteamiento de la hiptesis
Los ingresos anuales por ventas o prestacin de servicios
dependen de los gastos anuales en compras y
mercaderas, montos de financiamiento, gastos anuales
por servicios prestados por terceros y alquileres, y valor
en activos y existencias al final del perodo de la empresa.

Especificacin del modelo

matemtico de la teora

En donde:
X1 = Ingresos anuales percibidos por ventas o prestacin de servicios.

X2 = Gastos anuales en compras y mercaderas.

X3 = Montos de financiamiento.
X4 = Gastos anuales por servicios prestados por terceros y alquileres.
X5 = valor en activos y existencias al final del perodo.

Especificacin del modelo

economtrico

En donde:
Ii = Ingresos anuales percibidos por ventas o prestacin de servicios de una
unidad econmica i.
C2i = Gastos anuales en compras y mercaderas de una unidad econmica i.

F3i = Montos de financiamiento de una unidad econmica i.

T4i = Gastos anuales por servicios prestados por terceros y alquileres de una
unidad econmica i.
A5i = valor en activos y existencias al final del perodo de una unidad econmica i.

Naturaleza de los datos

Los datos poblacionales fueron obtenidos de la pgina web del
Archivo Nacional de Datos y Metadatos Estadsticos (ANDA) a
raz del Censo Nacional Econmico 2010.
Los datos fueron recopilados de todos los establecimientos
visibles, pero no se consideraron los comercios informales.
Para la muestra se consider las unidades econmicas de la base
de datos de la ciudad de Machala que contasen con informacin
de las variables escogidas para el estudio.
El estudio se realiz en un momento dado del tiempo (Censo
2010) datos de corte transversal.

#
1
2
3
4
5
6
7
8
9
10
11
.
.
.
659
660

Ingresos
Anuales
(I)
5400
228000
36000
30857
18000
1286
19200
3600
36000
30000
6000
.
.
.
330000
114000

Gastos anuales
en compras
(C)
2400
180000
18000
15429
6000
771
16800
1800
12000
18000
1200
.
.
.
300000
5000

Monto de
Financiamiento
(F)
300
11500
2000
2000
300
200
400
1000
1000
800
1000
.
.
.
20000
15000

Gastos en
servicios y
alquileres (T)
154
5400
1800
1800
154
168
360
600
720
1200
200
.
.
.
13200
5000

Valor en Activos
(A)
600
22590
30
40
820
310
1500
150
1500
6000
1500
.
.
.
5000
9880

Estadsticas descriptivas
principales

Estimacin de los parmetros del modelo

economtrico
A travs del mtodo de MCO y mediante el software STATA se obtuvieron los siguientes resultados:
Dado el modelo se procede a hacer la regresin:

Como se puede observar los

coeficientes de las variables T y
A no fueron los esperados, sin
embargo todas las variables
son significativas. De manera
que se replantea el modelo a la
forma log-log, y se vuelve a
hacer la regresin con las
nuevas variables logartmicas.

Ecuacin estimada:

Validacin del modelo

Sesgo de especificacin:
a) Eliminacin de variables no
significativas
) Las Variables Independientes
son estadsticamente
significativas.
) Las Variables Independientes
Conjuntas son
estadsticamente
significativas.

b) Forma funcional: Test de Reset de Ramsey.

Se rechaza H0, por tanto el modelo s tiene variables omitidas.

Heteroscedasticidad:
a) Identificacin

Se rechaza la Ho no hay heteroscedasticidad; las fallas o

errores que arroje el modelo de regresin van a ser en promedio
las mismas.

Multicolinealidad:
a) Identificacin

es

alto, pero todos los coeficientes resultan

estadsticamente significativos no existe
Multicolinealidad.

Factores de Inflacin de la Varianza FIV/(STATA)

Todos los FIV son menores a 10 el modelo no posee

problemas de Multicolinealidad.

Normalidad de los errores:

a) Identificacin
Teorema del lmite central:
) Si existe un gran nmero de variables aleatorias
independientes con idntica distribucin, entonces, con pocas
excepciones, la distribucin de su suma tiende a ser normal a
medida que se incrementa al infinito el nmero de tales
variables.
) Este teorema proporciona una justificacin terica para el
supuesto de normalidad de . Si se cumple este supuesto, los
estimadores obtenidos por MCO son los mejores estimadores
insesgados MEI (van a tener la mnima varianza posible entre
toda clase de estimadores insesgados).

Skewness/Kurtosis test for Normality

Asimetra = 0.71, no es un valor muy cercano a
0.

La curva tiende a ser simtrica positiva.

Curtosis = 7.92 Distribucin Leptocrtica.
Se podra asumir que existe Normalidad, pero el
Skewness/Kurtosis test for Normality muestra lo
siguiente:
Dada la Ho: Los errores siguen una distribucin
normal, se rechaza la Ho, y por lo tanto no se
cumple el supuesto de normalidad.

-4

-2

R e s id u a ls
0
2

b) Tratamiento
Una manera de corregir la Normalidad de los errores es eliminar
las observaciones con residuos atpicos.

200

400
Residuals
Residuals

600

800

Residuals

STATA no permite identificar las observaciones con residuos atpicos,

por lo que se asumir Normalidad por el teorema de lmite central.

Autocorrelacin
La Autocorrelacin surge cuando los trminos de error del
modelo no son independientes entre s. Al ser datos de
corte transversal, pierde sentido el supuesto de
Autocorrelacin.

Inferencia

T estadstico
Variable

T calculado

T crtico

Probabilidad

22.45

1.6449

0.000

4.76

1.6449

0.000

4.71

1.6449

0.000

6.24

1.6449

0.000

Constante

8.67

1.6449

0.000

n=660, k=5. Nivel de significancia 5%.

Conclusin
La variable es
significativa para el
modelo.
La variable es
significativa para el
modelo.
La variable es
significativa para el
modelo.
La variable es
significativa para el
modelo.
La constante es
significativa para el
modelo.

F estadstico

F
calculad
o

F crtico

Probabili
dad

Conclusi
n

Las
variables
Estadstic
son
o
4gl en el numerador, 655gl en el denominador. Nivel de
588.41
2.385
0.000
significativ
significancia 5%.
as
conjuntame
nte.

R2
R2 = 78.23%.
Aproximadamente el 78,23% de las variaciones de
ingresos anual por ventas o prestacin de servicios son
explicadas por las variaciones conjuntas del gasto
anual en compras y mercaderas, monto de
financiamiento, gasto anual por servicios prestados por
terceros y alquileres, y valor en activos y existencias al
final del perodo de la empresa.

Anlisis

Marginal

Si el gasto en compras y mercaderas aumenta en 1%, en

promedio, el ingreso anual de la unidad econmica aumentar
en 0,55%.
Si el monto en financiamiento aumenta en 1%, en promedio, el
ingreso anual de la unidad econmica aumentar en 0,16%.
Si el gasto por servicios y alquileres aumenta en 1%, en
promedio, el ingreso anual de la unidad econmica aumentar
en 0,13%.
Si el valor de los activos finales aumenta en 1%, en promedio,
el ingreso anual de la unidad econmica aumentar en 0,15%.

Pronstico o prediccin
Una
vez que se ha validado el modelo, puede ser usado para
hacer predicciones.

Supongamos una unidad econmica con C=50000,

F=6000, T=2000, A=20000, Cul ser su ingreso
aproximado?

#
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
.
.
.
658
659
660

ln(I)
8,5941
12,3371
10,4912
10,3371
9,7981
7,1593
9,8627
8,1887
10,4913
10,3090
8,6995
8,4764
7,3415
9,7291
7,9374
.
.
.
15,3524
12,7069
11,6440

yhat
8,5120
12,4519
9,7681
9,7272
9,0630
7,7353
9,8722
8,5016
9,9173
10,3804
8,4910
8,7926
7,5235
9,4070
8,8667
.
.
.
14,9796
12,7018
10,3887

Usando

el

comando
predict
yhat
se
obtuvo las predicciones
para cada observacin.

A continuacin se muestra la comparacin entre los ingresos

anuales, y los ingresos anuales estimados con el modelo de 5
de las observaciones:
# obs
1
10
100
200
500

I
5400
30000

yhat
=eyhat
8,51196 4974
10,3804 32222
2
6000 8,60376 5452
2400 8,22549 3735
240000 12,8368 375807
3

Conclusiones
Existen muchas variables que en sentido comn
contribuiran directamente a la explicacin del nivel de
ingresos por ventas y deberan ser consideradas. Sin
embargo la decisin del uso de estas variables depende no
slo de su naturaleza sino de la cantidad de informacin
que provea para la construccin del modelo.

Sobre la validacin del modelo:

Sesgo de especificacin
Las variables son significativas tanto individual como
conjuntamente.
Heterocedasticidad
El modelo no presenta problemas de Heterocedasticidad (a
pesar que los datos son de corte transversal), es decir, las
fallas que tenga el modelo sern en promedio las mismas.
De la Multicolinealidad
El modelo no posee multicolinealidad, es decir no hay
correlacin entre las variables independientes de modelo.
Aunque la no correlacin es un caso idlico (puesto a que
siempre habr relacin entre dos variables explicativas),
para estos casos asumimos que no existe correlacin por el
hecho de ser baja.

Normalidad
Segn la informacin arrojada por STATA por el
tratamiento de los datos, el modelo no cumple con la
normalidad de los errores, esto hace que los estimadores
no sean los mejores estimadores insesgados MEI.
Pero, debido a la cantidad de datos a la gran cantidad de
datos, se puede hacer alusin al Teorema del Lmite
Central para asumir la normalidad de los errores.
Autocorrelacin
Dado que los datos son de corte transversal, la correlacin
entre los errores o perturbaciones estocsticas no existen
porque no hay otras observaciones de un periodo diferente
(no hay influencia de otros periodos de tiempo).

Uno de los aspectos ms importantes descubiertos, es el

hecho de que puede que el comportamiento de los
parmetros sea el esperado, pero no sean significativos.
En nuestro caso, para garantizar la funcionalidad del
modelo fue necesario utilizar la forma log/log, con lo
que las interpretaciones marginales miden el grado de
sensibilidad del nivel de ingresos con respecto a las
diferentes variables independientes.