UNIVERSIDAD NACIONAL DE HUANCAVELICA

2. EL ESTUDIO DE MERCADO

CURSO DE FORMULACION Y EVALUACION DE

PROYECTOS DE INVERSION
 CONTENIDO
3.1 El Mercado y el Estudio de Mercado.

3.2 Estructura del Mercado.

3.3 Aspectos Claves del Estudio de Mercado.

3.4 La Estrategia Comercial.

3.5 Las Estimaciones de Demanda y Oferta.

3.6 Los Métodos de Proyección Subjetivos.

3.7 Los Métodos de Series de Tiempo.

3.8 Los Métodos de Proyección Causales.

3.1 Mercado

 Mercado es el área en que confluyen las

fuerzas de la oferta y demanda para realizar
las transacciones de bienes y servicios a
precios determinados por la empresa (en caso
de monopolio) o por el mercado (en caso de
mercado competitivo).

 Un factor crítico en el estudio de mercado

es la identificación y dimensionamiento de
mercado.

 Un error es creer que sólo se trata de

determinar la demanda y el precio de venta
del producto.
El Estudio de Mercado

 Consiste en la recolección y evaluación de todos

los factores relevantes que influyen directamente en
la oferta y demanda del producto o servicio que se
pretende ofrecer con el proyecto.

 Su objetivo es reunir una serie de información

relacionada con los consumidores, proveedores,
competidores, comercialización y distribución
que permitan identificar, cuantificar y valorar los
rubros de beneficios y costos que conformarán un
flujo que permite determinar si el proyecto es o no
conveniente (Ej. gastos de promoción o publicidad
inicial y permanente, gastos de comercialización, los
ingresos esperados por ventas, etc.).
Etapas del Análisis de Mercado
1) ANALISIS HISTORICO
 Es reunir información estadística que sirva como base para
aplicar alguna técnica estadística para determinar variables de la
oferta y la demanda.
 Extraer conclusiones respecto de las decisiones tomadas por otros
agentes (Ej. Colocación de tela media sombra en vid, medidas de política
aplicadas al sector).
Las conclusiones que se extraen del análisis histórico, son: Participación
de las empresas en el mercado y su evolución; las características de
productos similares y su evolución en la inserción en el mercado; los
sustitutos cercanos y lejanos del bien que se pretende producir con el
proyecto; la evolución de la demanda y los hechos que indujeron a los
consumidores a volcarse a determinados artículos; etc.
2) ANALISIS DE LA SITUACION VIGENTE
Sirve para conocer la situación vigente que es el punto de partida de
cualquier predicción.
3.2 ASPECTOS BÁSICOS DEL ANALISIS DE LA DEMANDA
Demanda: Relación que establece el número de
P unidades de un bien o servicio que los
consumidores están dispuestos a adquirir a
P0 E0 determinados precios.
Px: Precio del bien o servicio
Py: Precio del sustituto
(-) (+) (-) (+) (+)
Pz: Precio del complemento
D (Px, Py, Pz, I, u)
I: Ingreso de consumidores
Q0 Q u: Preferencias

 Relación funcional (Inversa entre el precio y demanda, salvo bien Giffen).

 Desplazamientos de la curva de demanda (Ingreso, )
 Efecto total (resultado del efecto sustitución y efecto ingreso).
 Elasticidad ingreso. Bienes normales, inferiores y superiores.
 Ingreso marginal y Elasticidad precio (punto y arco).
 Bien elástico e inelástico. Bienes sustitutos, complementarios e
independientes.
Repasar Microeconomía …
 3.3 ASPECTOS BÁSICOS DEL ANALISIS DE LA OFERTA

(+) (-) (-) (+) (+) Px: Precio del bien o servicio
P
O (Px, r, w, ) r: Precio del factor capital
w: Precio de la mano de obra
E0 K: Capital
P0
: Tecnología

Oferta: Relación que establece el número de

unidades de un bien o servicio que los
vendedores están dispuestos a vender a
Q0 Q determinados precios.

 Relación funcional (directa entre el precio y oferta).

 Desplazamientos de la curva de oferta (precio de los factores).
 Costos económicos relevantes. Costo de oportunidad.
 Costo total, costo medio y costo marginal. Costos fijos y costos variables.
 Costos de corto y largo plazo.
 Beneficios y cantidad óptima de producción.
 3.4 La Estructura del Mercado

 Identificar la estructura de mercado: competencia perfecta,

monopolio, competencia monopolística, oligopolio.
Suponiendo mercado competitivo (Análisis estático):
P
O
Precio unitario
del bien o
servicio Oferta sin proyecto = f (Precio del bien o
servicio, precio de insumos/factores
productivos, tecnología, …)
E0
P0

Demanda Total = f (Precio del bien o

servicio, precio de su sustituto, precio de
su complemento, Ingreso, crec.
Poblacional, calidad, preferencias, …)

D
Unidades del bien
Q0 Q o Servicio
Interesa saber qué pasa con esta estructura con el paso del tiempo …
El Proyecto en la Estructura de Mercado

 Establecer el impacto del Proyecto en la estructura de

mercado.
Suponiendo mercado competitivo:
P
Precio unitario O Sin Proyecto
del bien o
servicio
O con Proyecto
Proyecto (M)
Si se realiza el proyecto:
E0 - Cantidad del bien/servicio
P0 del Proyecto: M = Q1-Q2
E2
P1 E1 - ΔP (Po  P1)
Ingresos del proyecto: M*P1
D ¿Conviene realizarlo? ¿Es
rentable?

Q2 Q0 Q1 Q Unidades del bien

o Servicio
Proyecto (M)
Interesa saber qué pasa con esta estructura con el paso del tiempo …
 Aspectos claves del Análisis de mercado

 Dimensionar el mercado con sus agentes involucrados.

 Reconocer y reunir información relevante sobre los agentes que
tendrán influencia sobre las decisiones acerca del proyecto.

Sub mercados a estudiar:

PROYECTO
PROVEEDOR DISTRIBUIDOR CONSUMIDOR
COMPETIDOR
 1. El Proveedor, dependencia presente y proyectada

 Análisis de la dependencia (calidad, cantidad, oportunidad de

recepción, costos de los materiales).

 Si el grado de dependencia del proyecto bajo estudio con otro es

muy elevado, es necesario estudiar previamente uno no
solicitado (Ej. Reapertura de aeropuerto).

 Debería prestarse atención especial a: alternativas de obtención

de materias primas, condiciones de compra, posibilidad de
sustitución, factibilidad de acumulación, seguridad en la
provisión, etc.

 Preguntas a responder: ¿Hay problemas de disponibilidad actual

o potencial de insumos? ¿Qué grado de dependencia tiene el
proyecto con sus proveedores?, ¿Cuáles son los plazos de
entrega?¿Cuáles son los precios actuales y esperados? ¿Qué
2. La Competencia presentes y proyectadas
 Se refiere tanto a la competencia directa (aquellos que venden el
mismo producto) como indirecta.

 En cuanto a la competencia directa, debería prestarse atención

especial a: estrategia comercial que emplean (precios,
condiciones de ventas, promociones, canales de distribución, etc.),
lo que ayuda a definir la propia estrategia.

 La viabilidad de un proyecto, en muchos casos dependerá de la

capacidad de aprovechar algunas oportunidades que ofrece el
mercado.

 Preguntas a responder: ¿Características del mercado?, ¿Cómo se

estima será la oferta futura?, ¿Qué precios cobran?, ¿Qué
participación tendrá el proyecto en el mercado?, ¿Cuáles son las
políticas de ventas que utilizan?, ¿Qué tipo de envases y tamaños
usan?, etc.
3. La Comercialización y distribución del producto

 Determinar las políticas y procedimientos que se utilizarán como

estrategia comercial.
 En algunos proyectos es clave la entrega oportuna (ej. Productos
exportados y productos perecederos).
 Debería prestarse atención especial a: determinar correctamente los
costos de distribución.

Preguntas a responder: ¿Cuáles son los aspectos principales a

considerar para la distribución?, ¿Qué canales de distribución
utilizar?; ¿Cuáles son los sistemas de comercialización hoy
implementados (publicidad, paquetes)? etc.
 4. El Consumidor

 Es necesario identificar la demanda real para el producto a ofrecer

con el proyecto (lo que permite determinar: precio al que se
venderá, cantidad a vender, plazos de cobranza, etc.). Debe indicar
si el consumidor aceptará el bien producido por el proyecto ahora y
en el futuro.
 En algunos casos, la respuesta será que conviene postergar el
proyecto. En otros, que es posible que convenga ejecutarlo desde
ahora. Y en los restantes, que no conviene ejecutarlo nunca.

Preguntas a responder: ¿Cuál es el bien o servicio a producir?,

¿Puede insertarse?, ¿Sustitutos y complementarios?, ¿Cuál es el
mercado existente y el proyectado?, ¿Qué variables influyen?,
¿Características de consumidores?, ¿Demanda insatisfecha?, etc.
3.4 La Estrategia Comercial

 Se basa en 4 decisiones fundamentales:

- Producto
- Precio
- Promoción
- Distribución
 Requiere también del análisis complementario de los distintos
mercados del proyecto y de las variables externas que influyen
sobre el comportamiento de dichos mercados (factores económicos,
socio culturales, tecnológicos y político-legales).
 A diferencia del estudio técnico, el estudio de mercado debe abarcar
no sólo las especificaciones técnicas de un producto, sino todos los
atributos del mismo: tamaño, marca, tipo de envase, …
 El Producto

 Bien o servicio con un conjunto de atributos tangibles e intangibles.

 Incluye, entre otras cosas: empaque, color, formato, precio , calidad y
marca.
 Es importante identificar el producto y sus subproductos, la existencia
y características de los productos que sustituyan a los del proyecto
en desarrollo y si su uso está condicionado a la existencia de otro.

Volumen Ciclo de vida del producto:

de Ventas

Introducción Crecimiento Madurez Declinación

tiempo
El Precio

 Determina el ingreso de la empresa y por consiguiente sus

ganancias.
 El precio óptimo se obtiene maximizando la función de beneficios.
 Concilia diversas variables: poder adquisitivo de los
consumidores, precios de venta de la competencia, innovación y
versatilidad del producto, costos, …
 Definir las condiciones de venta: condiciones del crédito, % cobro
al contado, plazo del crédito, monto de las cuotas, tasa de
interés, descuentos por pronto pago, …
 Formas de cálculo del Precio: costo unitario más el margen
(calculado ya sea sobre el costo unitario o sobre el valor de
venta).
La Distribución y Promoción

La Distribución:
 Efecto indirecto sobre el flujo de caja (incrementa costos).
 Los márgenes que agrega el intermediario (para cubrir costos y su
utilidad) incide en el precio que paga el consumidor.
 Para medir su impacto, es necesario efectuar una selección
estimativa de intermediarios que serán utilizados si el proyecto se
implementa.

La Promoción:
 Cada alternativa de promoción lleva asociados costos y beneficios
diferentes que deben compararse para elegir la mejor alternativa.
 Una forma de medirlos es utilizar un % sobre ventas esperadas.
3.5 Estimaciones de Demanda

 Permite tener una proyección de la demanda que enfrentará el

proyecto durante su horizonte de vida.
 La proyección de variables económicas (precios, cantidades a
vender, salarios, tasas de interés, tipo de cambio, etc.) son los
aspectos más delicados en la formulación y evaluación de
proyectos.
 Una buena proyección implica flujos de buena calidad e
indicadores de rentabilidad más confiables.
 En muchos proyectos implementados la aproximación entre lo
proyectado y los resultados ha sido razonable. En otros, al
comparar lo estimado con lo efectivo, se ven claras diferencias.
¿Por qué?
Porque los métodos de proyección no pueden capturar:
- Las reacciones de los competidores ante la aparición del
proyecto.
- Las reacciones de los consumidores que en algunas
ocasiones no se basan en la racionalidad (eligen productos de
mayor precio asociándolos a mejor calidad).
Métodos de Proyección

 Los Métodos de Proyección se pueden clasificar en :

- Subjetivos: se utiliza en situaciones en las que no se dispone de
datos históricos y/o se producen cambios que alteran las
condiciones pasadas, es necesario utilizar opiniones o juicios para
predecir variables en el futuro. Se basan en opiniones de expertos
y se emplean cuando se está evaluando el proyecto en forma
preliminar (perfil). Aportan datos para aplicar los otros métodos.

Entre los métodos subjetivos se tiene: Método Delphi, método de

consenso de panel, Pronósticos Visionarios, otros

- Series de Tiempo: Método histórico (con base en la tendencia,

considerando comportamiento cíclico y fluctuaciones estacionales)
método racionalizado.

- Causales: Método econométrico.

Los Métodos de Proyección Subjetivos
Los más
Método de usados son: Descripción
Predicción
Paneles Se reúne a un grupo de expertos para intercambiar información
y hacer una predicción sobre una variable de interés.
No existe anonimato en la respuesta, por o que existe el peligro
de sesgo producto de la interacción.
Tampoco hay retroalimentación externa.

Método • Definición de objetivos: formulación del problema y objetivos

Delfi para el horizonte temporal del estudio.
• Selección de expertos de disciplinas distintas, a quienes se
debe informarles de objetivos del estudio.
• Someterlos a rondas de cuestionarios con retroalimentación
(segunda aplicación del mismo cuestionario). Los expertos son
anonimatos (los cuestionados no se conocen del grupo de
debate que componen para recoger opiniones), los cuales se
encuentran separados. Se evita el liderazgo.
Personal interno de la empresa con experiencia y conocimiento
del mercado que opina sobre la reacción de los demandantes. Ej.
Pronóstic
Vendedores que conocen a sus clientes.
os
Si bien es de bajo costo, suele arrojar respuestas influidas por
Visionari
 Método de Descripción
predicción
Se utilizan para recopilar información cuando se requiere
o

Investigaci comprobar una hipótesis.

o Los mecanismos de recopilación son encuestas, pruebas de
ón de
Mercados productos, observación de la reacción de consumidores ante
ofertas, etc.
o Suele ser un buen complemento de cualquier otro método.
o Cuidado con el tamaño de muestra óptimo: n = 2 Z2 / e2
o Donde: n= tamaño de muestra; 2= desviación estándar; Z=
nivel de confianza deseado; e2= nivel de error máximo
permitido.
Un tipo de investigación de mercados es la Encuesta de
Intenciones de Compra. Consiste en la tomar como base las
respuestas de una muestra de la población objetivo que se
considera representativa. Hay que tener en cuenta que las
respuestas están influidas por el contexto.
Usa información del pasado: Supone que los acontecimientos
Analogía ocurrirán igual que en el pasado.
Histórica o Si se trata de un nuevo producto, se replica la información de un
Adaptativo producto similar.
Ejemplo de la analogía histórica
Se desea proyectar la variable X, para los próximos cinco años y
disponemos de su comportamiento de los diez años anteriores.

Año Valor de X Valor de X

-9 100 120
-8 85
-7 78 100
-6 74
-5 95 80
-4 103
-3 110
60
-2 111
-1 114
0 108 40

20

0
-9 -8 -7 -6 -5 -4 -3 -2 -1 0
 Variante 1: Se proyecta pensando que el último valor es el más
representativo de su comportamiento futuro, por lo tanto se lo repite en
los próximos cinco años.

Año Valor de X Valor de X:

-9 100 Observado y Proyectado
-8 85 120
-7 78
-6 74 100
-5 95
-4 103 80
-3 110
-2 111 60
-1 114
0 108 40
1-5 108
20

0
-9 -8 -7 -6 -5 -4 -3 -2 -1 0 1 2 3 4 5

Para analizar: Si en los años anteriores se hubiese proyectado con esta

variante, se hubiera cometido muchos errores.
Variante 2: Se considera que los últimos valores son los más
representativos de su evolución futura, aquí cada valor proyectado es el
promedio de los 5 anteriores (medias móviles).

Año Valor de X Valor de X

-9 100 Observado y Proyectado
-8 85 120
-7 78
-6 74 100
-5 95
-4 103 80
-3 110
-2 111 60
-1 114
0 108 40
1 109,20
2 110,44 20
3 110,53
4 110,43 0
5 109,72 -9 -8 -7 -6 -5 -4 -3 -2 -1 0 1 2 3 4 5
Variante 3: Se proyecta pensando que los últimos valores son los más
representativos de su comportamiento futuro, pero que los más
cercanos en el tiempo son los más importantes que los más alejados
(medias móviles ponderadas).

La fórmula a utilizar:

Xt = 0,5 . Xt-1 + 0,4 . Xt-2 + 0,1 . Xt-3

X1 = 0,5 . X0 + 0,4 . X-1 + 0,1 . X-2

En este caso se considera tres

años hacia atrás, con
diferentes “poderaciones”.
3.6 Métodos de Series de Tiempo

 Se pronostica el comportamiento de una variable considerando su

evolución histórica.
 Se toma en consideración que la variable se comportará como
indica su tendencia.
 También se observa el comportamiento cíclico y las
fluctuaciones estacionales.
 Este método no captura los cambios del entorno que pueden influir
en la determinación de la evolución de la variable.
 Supone que la serie de tiempo muestra únicamente una tendencia
secular y no variaciones cíclicas ni estacionales.

 Consiste en "ajustar” una línea de tendencia a los observaciones

pasada, y luego proyectar esa línea para estimar valores futuros.
Caso Simple: Sólo Tendencia en función al Tiempo

Yˆi  a  bX i Xi = t

a  y  bx b
 ( X  x )(Y  y )
i i

 ( X  x)
i
2

Media de las Yis Media de las Xis

Las predicciones de tendencia lineal son útiles cuando se analizan

series de tiempo de observaciones anuales
Ejemplo 1 Caso Simple
Año Valor de X
Ejemplo: Se debe encontrar la -9 100 Con Eviews:
tendencia de la variable (utilizando -8 85
todos los datos con los que se cuenta) -7 78
-6 74 File/New/Workfile/
y conocer su fórmula matemática. Se -5 95 Año, semiannual,..
busca la línea de tendencia que -4 103 Alimentar OK
minimice los errores. -3 110
-2 111
-1 114 Quick/Estimate
0 108 Equation/ Y C X
ok
Valor de X
Tendencia
120

110

100

90

80

70 Valor de X
Tendencia
60
-9 -8 -7 -6 -5 -4 -3 -2 -1 0
Tendencia: Y = 112.96+3,3697 X
Predicción
Sobre la base de esta fórmula debe hacerse la proyección. Ya
conocido valor de los parámetros, procedemos a proyectar para
los próximos 5 años
Modelo: Ŷ = 112.963636364 + 3.3696969697*X
Con Eviews: En Workfile: para los próximos 5 años
Proc/Structure/Resize Current Page
Aumentar T, en este caso: de 2020 a 2025 OK
Proc/Set Sample.
Se amplia el tamaño de la muestra. Sale @all OK
La siguiente es introducir valores de X.
Para ello: En Work File sombrear: Y y X Open/as Group
ClicK en Edit+/-
Introduce valores de: X : 1,2….5
A continuación estime el modelo:
En la pantalla de Equation: Proc /Forecast o directamente Forecast
Aparece y OK Aparece línea de predicción Y en el otro figura
aparece: yf

Sombrea: Y y Yf: Open as Group, da el siguiente resultado

 140

130

120

110

100

90

80

70
11 12 13 14 15 16 17 18 19 20 21 22 23 24 25

Y YF

En el cuadro de Group:
View/Graph/Line y
Simbol OK

Estimada la demanda total,

se estima demanda para el
proyecto (% a captar) bajo
un un escenario moderado
Ejemplo 2: Proyección de datos de Serie de Tiempo
DEMANDA DE SERVICOS DE HOTELES Y HOSPEDAJES
Ejemplo: Se dispone de (En miles)
datos históricos y actual Nº AÑO SEMESTRE HOSPEDADOS
semestrales del año 1 2010 1º 230
2   2º 232
2010 a 2020 (datos 3 2011 1º 233
serie temporal) del 4   2º 232
arribo de huéspedes que 5 2012 1º 234
6   2º 235
se hospedan en distintas 7 2013 1º 234
hoteles y hospedajes de 8   2º 236
9 2014 1º 233
la localidad de Hvca. 10   2º 237
(Información publicado 11 2015 1º 235
por MINCETUR). Se 12   2º 236
13 2016 1º 235
desea estimar la llegada 14   2º 238
de dichos visitantes 15 2017 1º 239
para los próximos 05 16   2º 237
17 2018 1º 240
años. 18   2º 241
19 2019 1º 240
20   2º 237
21 2020 1º 235
22   2º 245
Fuente : MINCETUR
File/New/Workfile/Año, semiannual,. Quick/Empty Gruop/ . Alimentar datos.
Cambiar nombre (doble click sobre serie). OK Luego: Doble Click sobre Y
 Demanda Proyectada
Para pronosticar ampliar el periodo.
Para ello Doble Click en Range date:
Aumentar el horizonte de evaluación
A 2025 OK:

De nuevo, en ventana de Serie de

Tiempo (Y) Doble Clik Work en Y:
En la ventana Series Y Workfile
Proc /Automatic ARIMA Foreccasting.
Si deseamos que determine logaritmo o
no, optar: Auto (None/log).
ARIMA: definir diferenciación máxima:
Mx: differencing 2 Oreden(2), máximo
elemento autoregresivo, Max AR(4)
max. medias moviles MA(4),
Estacionariedad: Max SAR (2), Max
SMA(2).
Luego: corregir la muestra: hasta 2020
S2, pronostico: Forecast length: 10

Options:
Modelo selección/selección de modelo)/
Akaike Info Criterion.

Pronostico de Serie Y:

Y-F (dejar) y presiones: productos:

Forecast Comparison Grapf, ARMA
critero table, ARMA criterio graph,
Equation output.

Aceptar
Luego de presionar Aceptar. Softwar corre varios modelos.
Resultados:

Nos entrega el mejor modelo y grafica: logaritmo y tomo las primeras diferencias.
Probo 225 modelos ARIMA: (0.4) (1,0): MA(4) y la parte estacionaridad AR(1). Akaike
menor del modelo seleccionado: -6.383 de 225 modelos que ha corrido.
Luego de presionar Aceptar, software correr varios modelos.
Resultados:
Luego el
mejor modelo
01 AR contra
04 MA.
Diferentes
modelos que
ha corrido; en
la primera
aparece el
modelo
seleccionado
Tabla de criterio de Akaike: (0,4)(1,0) es el menor que
corresponde al modelo MA(4) en la parte regular y en la
Identificado el mejor modelo MA(4) en la parte regular y en la
parte estacional AR(1). Sobre ella seleccionar Y y YF /
Open/As Group.
La columna YF
muestra valores
proyectados para
los próximos 10
semestres o 5
años.
Estimada la demanda
total, se pronostica la
demanda para el
proyecto (% a captar)
bajo un escenario
moderado (10% en 1º
año, 15% en 2º año,..).
En función a la
estrategia a diseñar.
View/Graph/ Mixed (Mixto)
Métodos Causales: Metodo Econometrico
 Las Series de Tiempo se basan en el análisis del comportamiento
de una sola variable a través del tiempo, mientras que los métodos
causales toman en consideración el análisis de más de una
variable.
 Se basan en antecedentes cuantitativos históricos.
Los más usados son:
Método de predicción Descripción
Análisis de regresión o Un modelo de regresión considera una o más variables
independientes que explican el comportamiento de otra,
Modelos
llamada dependiente. Un modelo econométrico describe el
Econométricos funcionamiento de un sistema económico a través de un
conjunto de ecuaciones simultaneas.

Características: 1. Usa información del pasado, actual y del futuro.

2. Es complejo y requiere invertir tiempo o esfuerzo en la búsqueda
de los datos.
3. Usa técnicas estadísticas y econométricas más complejas.
4. Sus proyecciones buscan ajustarse a la realidad lo más posible
(minimizando errores de predicción).
Procedimiento:

1. Determinar qué variables influyen en la que se quiere proyectar

(argumentos o variables explicativas) y de qué forma lo hacen
(positiva o negativa). Esto se denomina “especificación”.

2. Obtener información histórica sobre todas esas variables y sobre

la que se quiere proyectar.

3. Efectuar una “regresión” (técnica econométrica), con el objeto de

conocer la fórmula que vincula a la que se quiere proyectar con
sus argumentos.

4. Efectuar las proyecciones.

5. Utilizar la fórmula para proyectarla.

 AÑO HUESPEDS PRECIO PBI Var %
2005 85,600 34.00 1,328,988
Ejemplo: Data para 2006 87,600 34.00 1,429,087 7.53%
2007 90,632 33.00 1,550,863 8.52%
hacer estudio de la 2008 95,326 32.00 1,692,569 9.14%
demanda de hcredito 2009 98,546 31.00 1,710,387 1.05%
2010 103,122 31.00 1,854,894 8.45%
en Millones de soles 2011 110,235 30.00 1,974,498 6.45%
2012 113,960 29.00 2,091,957 5.95%
2013 114,872 28.00 2,214,193 5.84%
2014 115,986 28.00 2,267,084 2.39%
2015 116,300 27.00 2,341,174 3.27%
2016 117,564 27.00 2,435,985 4.05%
2017 119,630 26.00 2,496,176 2.47%
2018 122,780 26.00 2,595,777 3.99%
2019 125,643 25.00 2,651,838 2.16%
2020 129,890 20.00 2,336,979 -11.87%
Para realizar la proyección de la demanda (Hospedaje) para los próximos
05 años, se recomienda estimar modelo econométrico sin problemas de
auto correlación, heteroscedasticidad y multicolinealidad, que permita
predecir de manera mas adecuada con parámetros confiables. Para ello
se requiere primero valores proyectados de las variables explicativas.
 Predicción de variables explicativas
Para pronosticar las variables
explicativas primero ampliar el
periodo. Para ello Doble Click en
Range date: Aumentar el horizonte
de evaluación 2005 - 2025 OK:

De nuevo, en la ventana de
Work file: Doble Click en
RACTIVA Y PBI: observamos
falta de datos para los próximos
05 años.
En la ventana Series PRECIO Workfile
Proc /Automatic ARIMA Foreccasting.
Si deseamos que determine logaritmo o
no, optar: Auto (None/log).
ARIMA: definir diferenciación máxima:
Mx: differencing 2, máximo elemento
autoregresivo, Max AR(4) max. medias
moviles MA(4), Estacionariedad: Max
SAR (0), Max SMA(0).
Periodicity (1)
Luego: corregí la muestra: hasta 2020,
pronostico: Forecast length: 5

Options:
Modelo selección/selección de modelo)/
Akaike Info Criterion.

Pronostico de Serie: PRECIO_F (dejar).

Presione productos: Forecast
Comparison Grapf, ARMA critero table,
ARMA criterio graph, Equation output
table.

Aceptar
En la ventana Series PBI Workfile
Proc /Automatic ARIMA Foreccasting.
Si deseamos que determine logaritmo o
no, optar: Auto (None/log).
ARIMA: definir diferenciación máxima:
Mx: differencing 2 Oreden(2), máximo
elemento autoregresivo, Max AR(4)
max. medias moviles MA(4),
Estacionariedad: Max SAR (0), Max
SMA(0).
Periodicity (1)
Luego: corregí la muestra: hasta 2010
S2, pronostico: Forecast length: 5

Options:
Modelo selección/selección de modelo)/
Akaike Info Criterion.

Pronostico de Serie PBI: PBI F (dejar)

y presione productos: Forecast
Comparison Grapf, ARMA critero table,
ARMA criterio graph, Equation output
table.

Aceptar
Luego de seleccionar Las variables: doble click en DHOSPED,
PRECIO, PRECIO_F y PBI, PBI F / Open/As Group.

La columna
PRECIO_ F y
PBI_ F, ya
muestran
valores
proyectados
para los
próximos 5
años.
CONSTRUCCIÓN DEL MODELO ECONOMÉTRICO:
Modelo Inicial Dependent Variable: DHOSPED    
Method: Least Squares    
ANALSISI DE Date: 02/16/21 Time: 10:48    
MULTICOLINEALI Sample (adjusted): 2007 2020    
Included observations: 14 after adjustments  
DAD
Variable Coefficient Std. Error t-Statistic Prob.  
PRECIO_F -1770.430 344.1282 -5.144680 0.0003
Se 0bserva: PBI_F 0.017041 0.003274 5.205083 0.0003
C 125384.0 15945.02 7.863519 0.0000
Significatividad
R-squared 0.962440    Mean dependent var 112463.3
individual de Adjusted R-squared 0.955610    S.D. dependent var 11610.96
variables S.E. of regression 2446.293    Akaike info criterion 18.62994
Sum squared resid 65827842    Schwarz criterion 18.76689
explicativas con (p- Log likelihood -127.4096    Hannan-Quinn criter. 18.61727
valor) < 0.05, y a laF-statistic 140.9310    Durbin-Watson stat 0.553176
Prob(F-statistic) 0.000000      
vez un R2 =
F-statisticalto.
0.962440 = 140.9310 elevado o con (p-valor F-statistic =
0000000) muy pequeño, nos lleva a aceptar la hipótesis de
significatividad conjunta de los parámetros del modelo. (esto nos
muestra ausencia de multicolinealidad en el modelo). Sin
embargo coeficiente de Precio_F no explica adecuadamente en
Modelo Econométrico 2
Dependent Variable: LOG(DHOSPED)  
ANALSISI DE Method: Least Squares    
MULTICOLINEALIDAD Date: 02/16/21 Time: 10:50    
Se 0bserva: Sample (adjusted): 2007 2020    
Included observations: 14 after adjustments  
Variable Coefficient Std. Error t-Statistic Prob.  
Significatividad C 6.661651 1.028406 6.477646 0.0000
individual de variables LOG(PRECIO_F) -0.316952 0.075820 -4.180324 0.0015
explicativas con (p- LOG(PBI_F) 0.413011 0.056479 7.312593 0.0000
valor) < 0.05, y a la vez R-squared 0.962297    Mean dependent var 11.62521
un R2 = 0.962297 alto. Adjusted R-squared 0.955442    S.D. dependent var 0.106745
S.E. of regression 0.022533    Akaike info criterion -4.560298
.
Sum squared resid 0.005585    Schwarz criterion -4.423357
F-statistic = 140.3767 Log likelihood 34.92208    Hannan-Quinn criter. -4.572974
elevado o con (p-valor F-statistic 140.3767    Durbin-Watson stat 0.539906
F-statistic = 0000000) Prob(F-statistic) 0.000000      
muy pequeño, nos lleva
a aceptar la hipótesis de
significatividad conjunta
de los parámetros del
Los coeficientes
modelo. (esto de variables explicativas explican adecuadamente
nos
en términos
muestra económicos.
la ausencia de
multicolinealidad en el
Modelo 2

ANALSISI DE
HETEROSCEDASTICIDAD

1). PRUEBA DE WHITE

El estadístico “n” por R2 o

Obs*R-s-quared con una
probabilidad: 0.4921 > 0.05 (5%),
el modelo no afronta problemas de
heteroscedasticidad.

Igual aplicar los test de GLESJER

Por lo que el modelo no amerita

corregir.
Modelo 2
Dependent Variable: LOG(DHOSPED)  
ANALSISI DE
Method: Least Squares    
Date: 02/16/21 Time: 10:50    
AUTOCORRELACION
Sample (adjusted): 2007 2020    
Included observations: 14 after adjustments   Para conocer la autocorrelacion
Variable Coefficient Std. Error t-Statistic Prob.   vemos valor de Durbion Watson =
C 6.661651 1.028406 6.477646 0.0000 0.5399 (Fuera del intervalo (1.85-
LOG(PRECIO_F) -0.316952 0.075820 -4.180324 0.0015 2.15) o lejos de 2.00.
LOG(PBI_F) 0.413011 0.056479 7.312593 0.0000
R-squared 0.962297    Mean dependent var 11.62521
Entonces el modelo afronta
Adjusted R-squared 0.955442    S.D. dependent var 0.106745
-
problema de auto correlación
S.E. of regression 0.022533    Akaike info criterion 4.560298
-
Sum squared resid 0.005585    Schwarz criterion 4.423357 .05
- .04
ANALISIS
Log likelihood DE GRAFICO
34.92208    Hannan-Quinn criter. 4.572974 .03
View/Actual
F-statistic Fitted
140.3767    Durbin-Watson stat 0.539906 .02
Residual/Residual
Prob(F-statistic) Graph  
0.000000     .01

Los errores positivos son seguidos .00

de errores positivos y errores

-.01

-.02

negativos por errores de igual signo, -.03

entonces estamos en presencia de 07 08 09 10 11 12 13 14 15 16 17 18 19 20

LOG(DHOSPED) Residuals
auto correlación.
Modelo 2
ANALSISI DE
AUTOCORRELACION
3). CONTRASTE POR
CORRELOGRAMA

View/Residual
Diagnostics/Correlogram-Q-
statistics

Resultado: Las barras de la columna de auto correlación (MA) y de

la correlación parcial (AR), pasan la líneas de confianza. En la
ultima columna las probabilidades asociadas a los estadísticos de
Ljung-Box, son < 0.05. Ello confirma que el modelo afronta
problemas de auto correlación.
Modelo Final 3
CORRECCIÓN DE PROBLEMAS DE
AUTOCORRELACION Valor de Durbion Watson = 1.759
se aproxima ya a 2.00.

Entonces el modelo afronta

problema de auto correlación
Modelo Final 3

Valor de Durbion Watson = 1.759

se aproxima ya a 2.00.

Entonces el modelo ya no afronta

problema de auto correlación

Las barras de la columna de auto correlación (MA) y de la

correlación parcial (AR), ya no pasan la líneas de confianza. En la
ultima columna, las probabilidades asociadas a los estadísticos de
Ljung-Box, son > 0.05. Ello confirma que el modelo 3 ya no afronta
problemas de auto correlación.
DEMANDA PROYECTADA: PREDICCIÓN de VARIABLE
DEPENDIENTE
Con Eviews: En ventana principal:

Proc/Structure/Resize Current Page

Aumentar T, en este caso: de 2005 a 2025 OK (Si no lo hizo)

En la ventana de modelo econométrico: Proc/Set Sample.

Se amplia el tamaño de la muestra. Sale @all OK

La siguiente tarea es predecir a la variable dependiente

(hospedaje) o de mercado para los próximos años ( en este caso
5 años).

Para ello: En Work File Presione Modelo seleccionado (en este

caso: eq03final)

Aparece
mbrear: PRESTAMO, RACTIVA y PBI Open/as Equation
parece

En la pantalla de Equation: Proc /Forecast o directamente

Forecast
 OK Aparece:
DHOSPED Y
LOG(DHOSPED).
Optar por
DHOSPED.
Para pronosticar a
largo plazo optar
por: Dynamic forest
…OK
11.9
Forecast: DHOSPEDF
Actual: LOG(DHOSPED)
11.8
Forecast sample: 2005 2025
Adjusted sample: 2008 2025
11.7 Included observations: 18
Root Mean Squared Error 0.021670
11.6
Mean Absolute Error 0.016792
Mean Abs. Percent Error 0.144305
Theil Inequality Coefficient 0.000931
11.5
Bias Proportion 0.110406
Variance Proportion 0.168619
11.4 Covariance Proportion 0.720975
2008 2010 2012 2014 2016 2018 2020 2022 2024 Theil U2 Coefficient 0.724288
DHOSPEDF ± 2 S.E.
Symmetric MAPE 0.144435
 Sombrea: DHOSPED
y DHOSPEDF: Open
as Group, da el
siguiente resultado

En el cuadro de
Group
View/Graph/
Line y Simbol
OK
 140,000

130,000

120,000

110,000

100,000

90,000

80,000
06 08 10 12 14 16 18 20 22 24

DHOSPED DHOSPEDF

Llegamos al objetivo final del estudio de mercado: demanda

proyectadA del producto que se propone lanzar al mercado con
nuestro proyecto. En seguida estimar el porcentaje a captar
para el proyecto para determinar del tamaño de la planta.
DEMANDA PROYECTADA PARA
EL PROYECTO AÑO DHISTORICA DPROY MDO. Dda para PROYECTO
Estimada la demanda       % ESCENARIO
total para el 2005 85600     
mercado, en seguida, 2006 87600     
2007 90632     
se pronostica la
2008 95326 95412   
demanda para el 2009 98546 97443   
proyecto (% a captar) 2010 103122 101047   
bajo un escenario 2011 110235 105072   
2012 113960 109004   
moderado. 2013 114872 113030   
2014 115986 114172   
En nuestro caso: 2015 116300 117207   
2016 117564 119131   
10% en 1º año, 12% 2017 119630 121951   
en 2º año,..). En 2018 122780 123911   
función a la 2019 125643 126745   
2020 129890 130322   
estrategia y visión a 2021   123975 10% 12397
diseñar. Ojo 2022   123881 12% 14866
Horizonte de 2023   123453 13% 16049
2024   122699 15% 18405
Evaluación puede
2025   121629 18% 21893
variar de acuerdo a la