TEORIA KEYNESIANA

INTRODUCCIN

INDICE

Pginas

Introduccin

2

Objetivo General

3

Marco Terico

4

Fundamentos de la Teora Keynesiana

4 - 5

Teora de la Oferta y Demanda

6 - 9

Fundamentos Empricos

10 - 13

Planteamiento del Modelo

14 - 40

Anlisis de las Variables

15 - 21

Regresiones Lineales Simples

22 - 39

-Conclusin

40

Modelo Regresin Mltiple

41 - 60

Verif. de la no violacin de los supuestos MCO para Multicol.

42 44

Verif. de la no violacin de los supuestos MCO para Heteros.

45 - 47

Verif. de la no violacin de los supuestos MCO para Autoc.

47 - 51

Modelo Remedial para la Autocorrelacin

52 59

Obtencin del Modelo Optimo

59 - 60

INTRODUCCIN

Chile ha sido histricamente un pas con tradicin vitivincola, principalmente por sus tierras y climas privilegiados. Actualmente, sin embargo, el escenario internacional ha abierto una oportunidad indita que convierte a nuestro pas en uno de los exportadores de mayor potencial en el mundo. Este voraz desarrollo a nivel mundial sin duda, ha afectado los hbitos de los consumidores tanto a nivel mundial como nacional. Durante estos 30 ltimos aos, las exigencias se han elevado y si bien el consumo per cpita de hoy es muy inferior a lo que ocurra a mediados de siglo, el mercado se ha ampliado considerablemente.

Las razones en el cambio de hbito de los consumidores son variadas y si bien el objeto de este trabajo no es analizar estas razones, nos hemos dado cuenta de lo importante que son a la hora de analizar el comportamiento de la demanda del vino, ya que en gran parte estas razones son ms influyentes que los fundamentos tericos econmicos.

El objetivo de este informe es conocer las variables que afectan el consumo individual por vino para de esta forma plantear un modelo de economtrico que permita explicar en conjunto las variaciones de este consumo dado el comportamiento de estas variables. La determinacin de estas variables, valga la redundancia, se hizo por medio de la estimacin de regresin lineal mltiple por el mtodo de los mnimos cuadrados ordinarios

OBJETIVO GENERAL

El objetivo general del presente trabajo es, como se mencion anteriormente, dar una aplicacin emprica de todos los conocimientos especficos adquiridos en el ramo, con el objeto de dar un sentido prctico a las teoras econmicas que ya conocemos.

Particularmente, nuestro quehacer se desarroll en el Consumo Individual del Vino donde tratamos de descubrir cules son las principales variables que afectan este consumo y de esta forma determinar un modelo economtrico que nos permita conocer y explicar la relacin que existe entre estas variables.

Nos pareci interesante abocarnos al tema del VINO ya que este bien se ha transformado, en los ltimos aos, en uno de los ms demandados por la gente. Adems, sus exportaciones han aumentado en tal porcentaje, que lo han posicionado como uno de los bienes con ms futuro en el extranjero. Esto le permite a Chile armarse de un prestigio y un renombre para nada despreciable en estos momentos de inseguridad mundial.

MARCO TERICO

Fundamentos de la Teora Econmica

Antes de plantear un Modelo Economtrico que incluya en l a las variables primordiales que afectan el Consumo del Vino, debemos establecer los fundamentos de la Teora Econmica que respaldan la formulacin de este modelo.

Para llevar a cabo el Trabajo Economtrico nos basamos principalmente en tres teoras:

La Teora Keynesiana del Consumo

La Funcin de Utilidad del Consumidor

Teora de la Oferta y la Demanda

TEORA KEYNESIANA (Ao 1930)

Los conceptos y enunciados vertidos por John Maynard Keynes forman, en su conjunto, una corriente o teora que actualmente lleva su nombre. Algunas de las caractersticas ms importantes de la Teora Keynesiana son:

a) Es una teora macroeconmica, es decir, a partir de este momento se analiza el comportamiento de la economa en el mbito agregado. Por este motivo, se consolidan los trminos de Demanda Agregada y Oferta Agregada.

b) Es una refutacin del liberalismo (laissez-faire).

c) La teora econmica de Keynes lleva directamente a la poltica econmica por l mismo recomendada.

d) Su principal inters es explicar cules son los determinantes del volumen de empleo, ms all, considera un desempleo masivo NO VOLUNTARIO.

e) Resurge el rol del Estado como el nico ente que puede regular la situacin del desempleo.

f) Denuncia la falacia del ajuste automtico propuesto por los clsicos en su momento. De esta manera se enfoca hacia un equilibrio cambiante.

g) Debido a que el dinero juega un papel importante en su teora, se le llama tambin teora de una Economa Monetaria.

h) La inversin tiene gran importancia para lograr un cierto nivel de empleo.

Teora Keynesiana sobre el Consumo:

Este Modelo determina una funcin lineal en la que el Consumo est determinado por el Ingreso y la Riqueza, es decir:

C= f (Y, W)

Donde:

C es el Consumo.

Y es el Ingreso.

W es la Riqueza.

Esta funcin consumo cumple con ciertas propiedades derivadas del comportamiento de los individuos que son:

Cuando aumenta el Ingreso, se consume ms, lo que implica que hay una relacin directa entre Consumo e Ingreso.

El aumento en el Consumo es menor que el aumento en el Ingreso, por lo tanto las variaciones en el Consumo cuando hay variaciones en el Ingreso es menor que 1.

De esta manera, la funcin de Consumo Keynesiana es la siguiente:

C = C0+cYd

Donde:

C es el Consumo Total

C0 es el Consumo Autnomo.

c es la propensin marginal a consumir.

Yd es el Ingreso Disponible.

Keynes defini el cuociente c/Yd como la Propensin Marginal a Consumir.

FUNCIN DE UTILIDAD

La Funcin de Utilidad es la representacin de la funcin de preferencias del consumidor y la expresin matemtica de stas. En esta representacin se grafican como funciones distintas los mismos gustos del consumidor.

La utilidad se define como la capacidad de un bien para satisfacer las necesidades de los individuos. Por lo tanto, se puede sumar, la utilidad que reporta un bien ya que es independiente de la utilidad de los otros bienes.

Luego, la utilidad total ser la siguiente:

Ut = U(X1) + U(X2) +... + U(Xn)

Al consumir ms de un bien, la utilidad va creciendo hasta llegar a un punto de saturacin en el que, al seguir consumiendo de ese bien, la utilidad del consumidor con respecto a ese bien comienza a disminuir.

TEORA DE LA OFERTA Y LA DEMANDA

La funcin de Demanda-Precio o Funcin estricta de Demanda, recoge, ceteris paribus, la relacin entre la cantidad demandada de un bien y su precio. Se supone que permanecen constantes los dems factores que pueden afectar a la cantidad demandada de un bien.

La funcin Qa = D(Pa, Y, Pb, G...) representa:

Pa = Precio del bien a.

Y = ingreso de los consumidores.

Pb = Precio del bien b.

G = Gustos y preferencias de los consumidores.

En general, si el precio del bien a sube, la cantidad demandada bajar, aumentando el consumo de los productos sustitutos. Al contrario, si el precio de los sustitutos sube, la cantidad demandada de a aumentar.

Con el ingreso pasa algo similar: si aumenta el ingreso, la cantidad demandada de a debiera aumentar, y viceversa.

Los Gustos y preferencias pueden influir de manera determinante, pudiera suceder que aunque aumente el Ingreso, la cantidad demandada baje. As por ejemplo, si la cantidad demandada de un bien aumenta (o disminuye) ante el incremento (o disminucin) del ingreso familiar se dir que es "normal". En este caso si la demanda es muy sensible a las modificaciones del ingreso se dir que son "suntuarios" y si es poco sensible se dir que son "necesarios". Por el contrario, si la cantidad demandada de un bien disminuye (o aumenta) ante el incremento (o reduccin) del ingreso se dir que es "inferior".La funcin de Oferta-Precio, por su parte, recoge, ceteris paribus, la relacin entre la cantidad ofrecida de un bien y su precio. Tambin se suponen constantes el resto de los factores que afecta a la Oferta como lo son la funcin de produccin, la tecnologa y las preferencias de los productores.

En el caso de la Oferta, si sube el precio del bien entonces los productores estarn dispuestos a ofrecer ms producto. Al contrario, si baja el precio, ofrecern una menor cantidad.

El precio y la cantidad de equilibrio se encuentran en un nivel en el que la cantidad ofrecida voluntariamente es igual a la demandada voluntariamente. En un Mercado Competitivo, este equilibrio se halla en la interseccin de las curvas de demanda y oferta. En este caso, en el precio de equilibrio no hay ni escasez ni excedente.

Elasticidad Precio Demanda

La elasticidad precio de la demanda mide el grado en el que la cantidad demandada responde a las variaciones del precio de mercado y se expresa como el cuociente entre la variacin porcentual de la cantidad demandada del bien producida por una variacin de su precio en un punto por ciento, mantenindose constantes todos los dems factores que afectan a la cantidad demandada

Segn los valores obtenidos al aplicar la frmula que define la elasticidad de la demanda, podemos establecer la siguiente tipologa:

La demanda es elstica si el valor numrico de la elasticidad es ,mayor que la unidad , esto es, el cambio en la cantidad es porcentualmente mayor que en el precio

La demanda tiene elasticidad unitaria, si una variacin porcentual del precio produce una variacin porcentual del precio produce una variacin porcentual de la cantidad demandada igual a aquella

La demanda es inelstica si el valor numrico de la elasticidad es menor que la unidad, esto es, el cambio en la cantidad es porcentualmente menor que la variacin del precio.Elasticidad Renta de la Demanda

Al igual que la elasticidad-precio mide la respuesta de la cantidad demandada ante los cambios de precios, la elasticidad renta mide como vara la cantidad demandada ante las variaciones en la renta de los consumidores. Por lo tanto, decimos que la demanda depende del nivel de renta de los compradores, es decir, que la cantidad del bien depender del ingreso que estos ltimos reciban.

Si un bien tiene una curva de Engel estable, se puede definir su elasticidad-renta de la demanda, que es un indicador formal de la sensibilidad de las decisiones de compra a las variaciones de renta del mercado.

Matemticamente la elasticidad-renta de la demanda se representa de la siguiente manera:

dQ > 0 : En este caso se dice que es un bien Normal o Superior ( Para un dI bien normal la elasticidad-renta de la demanda positiva. Un

incremento en la renta provoca un aumento de la cantidad

demandada.

dQ < 0 : En este caso se dice que es un bien Inferior (Para un bien

dI inferior la elasticidad-renta de la demanda es negativa. Un

incremento en la renta provoca una disminucin en la

cantidad demandada.

dQ = 0 : En este caso se dice que es un bien Neutro.

dI

Elasticidad Precio Cruzada de la Demanda

La cantidad demandada de un bien no slo depende de su precio, sino tambin del precio de otros bienes. Por ejemplo: la demanda del pasaje del metro depende del precio de los microbuses.

La cantidad que se compra de un bien en el mercado depende no slo de su precio y de las rentas de los consumidores sino tambin de los precios de los bienes relacionados con l. La elasticidad-precio cruzada de la demanda es la variacin porcentual que experimenta la cantidad de un bien cuando vara el precio del otro un 1 por ciento. En trminos generales, dados dos bienes cualquiera, X y Z, la elasticidad-precio cruzada de la demanda se define de la siguiente forma:

n X Z = dQx / Qx

dPz / Pz

Donde dQx es una pequea variacin de Qx , la cantidad de X, y dPz es una pequea variacin de Pz. n X Z mide la respuesta de la cantidad demandada de X a una pequea variacin porcentual del precio de Z.

A diferencia de la elasticidad de la demanda con respecto al propio precio, que nunca es mayor que cero, la elasticidad- precio cruzada puede ser positiva o negativa.

dQ > 0 : En este caso se trata de bienes sustitutos.

dPz

dQ < 0 : En este caso se trata de bienes complementarios.

dPz

dQ = 0 : En este caso se trata de bienes no relacionados.

dPz

Respecto a la curva de demanda, indica que mantenindose todo lo dems constante, existe una clara relacin entre el precio de mercado de un bien (o servicio) y la cantidad demandada del mismo. Plantea que en una economa de mercado (mantenindose todo lo dems constante), la cantidad que compran los individuos de un bien depende de su precio, y en el caso de la demanda, mientras ms alto el precio menor ser la cantidad que los consumidores estarn dispuestos a comprar, es decir, existe una relacin inversa entre el precio y la cantidad demandada de los bienes; esta variacin de la cantidad se debe a dos razones:

Efecto-Sustitucin: La variacin en la cantidad demandada de un bien como consecuencia de un cambio en su precio, cuando el efecto-renta causado por la variacin del precio se ha eliminado. Es decir, un cambio en la cantidad demandada como resultado de un movimiento a lo largo de una curva de indiferencia. Por lo tanto, dice que cuando aumenta el precio del bien (o servicio) lo sustituimos por otro semejante.

Efecto-Renta: Cambio en la cantidad demandada de un bien como resultado de una variacin en la renta real, sin ningn cambio en los precios relativos. Por lo tanto, dice que cuando aumenta el precio somos algo ms pobres y por lo mismo disminuyen las compras.

Lo anterior, nos permite predecir a partir de un precio la cantidad que demandarn los consumidores, mantenindose todo lo dems constante.

Por otro lado, cuando vara uno de los factores que mantenamos constantes se produce una variacin de la demanda, que puede ser un aumento o disminucin, dependiendo del sentido en que se mueva el factor.

FUNDAMENTOS EMPRICOS

Las estadsticas provisorias de 2001 muestran que la via cubre 7,83 millones de hectreas en el mundo, con una produccin 283 millones de hectolitros de vino, lo que sin duda representa un sector de la produccin agrcola de importancia.

La economa vitivincola ha seguido la tendencia general del sector agroalimentario hacia la internacionalizacin y aunque los intercambios crecen en valor en los ltimos aos, la importancia econmica del sector aparece globalmente esttica debido a un consumo estable, pero que tendera a crecer algo.

Se puede hablar, de un desarrollo sectorial del comercio exterior obligado, como sera el caso de Chile, Sudfrica, Australia, debido principalmente a la debilidad de sus mercados internos.

Si bien es cierto Chile goza en este momento de la expansin sectorial, se debe tener presente que uno de los problemas principales del sector vitivincola mundial, es el precario balance entre la produccin y el consumo de vinos, que para 1999 seal un excedente de produccin de 58 millones de hectolitros, con un consumo levemente superior a 1998.

En efecto, el desarrollo de nuevas plantaciones, en diferentes partes del mundo, la detencin de los arranques, concluirn con un aumento inevitable de la produccin total, que podr ser un factor de desequilibrio en dos o tres aos ms, si el consumo mundial, bajo cualquier forma no progresa al mismo ritmo. Las proyecciones de la O.I.V. sealan que, salvo un accidente climtico haga disminuir la cosecha en todos o algunos pases productores, la competencia sobre el mercado mundial de vino, deber ser en estas condiciones, cada ao ms fuerte.

El Consumo

Se podra hablar que a nivel mundial hay casi un equilibrio entre la produccin y el consumo, en parte debido a la reduccin del viedo en la Unin Europea, lo que permiti reducir los excedentes durante un tiempo. Sin embargo el equilibrio mundial es precario, el desarrollo de nuevas plantaciones debern responder al crecimiento del mercado, es decir, al consumo. Por lo tanto cualquier nueva plantacin para satisfacer las nuevas demandas de consumo deber estar encaminada hacia vinos finos.

En el ltimo tiempo, el mercado mundial del vino ha experimentado un sinnmero de cambios relacionados con el libre mercado y el comportamiento e influencias del consumidor. De un tiempo a esta parte, la principal tendencia en el consumo de vino es la fuerte cada de las preferencias en el vino corriente, llamado tambin de mesa y el aumento, en el consumo de vinos de calidad. Esto ltimo ha trado como consecuencia que se ha privilegiado la produccin de las llamadas uvas clsicas, variedades de una alta calidad potencial, a lo que se le ha acompaado de un progreso cualitativo importante en el proceso de esas uvas.

En otro mbito, el consumo pareciera que se est estabilizando en el mundo debido al progreso cualitativo de los productos, provocando cambios en los consumidores, de habituales a ocasionales pero ms exigentes; igualmente, cambia en los mercados emergentes el concepto de vino que pasa de ser una bebida cultural al de bebida de placer. Esta materia no est exenta de peligro, ya que se ha difundido un mensaje muy perjudicial, que hace una relacin directa de vino = alcohol = droga, el que parece implantarse en Suiza, en Espaa y tambin Francia, situacin que podra afectar el consumo y por ende al desarrollo futuro del sector.

Como se ha sealado, la produccin, la demanda y los precios de los vinos de calidad seguirn evolucionando en forma creciente en desmedro de los vinos corrientes. Se ha constatado en 2001 el desmoronamiento de los precios del vino corriente, sin indicacin geogrfica o de procedencia, en Espaa, Italia y Francia.

Si bien es cierto que el mercado mundial ha evolucionado en los ltimos aos hacia una situacin de equilibrio, el ritmo desenfrenado de plantaciones en los pases del Nuevo Mundo van a pesar en corto tiempo sobre la oferta mundial, exacerbando la competencia sobre el escenario vitivincola mundial.

Chile por su parte, ha experimentado un especial desarrollo hacia los mercados externos, sin embargo, debe volver a poner atencin en el consumidor local, ya que es necesario, por un lado, un mercado interno fuerte para sostener el esfuerzo de la exportacin, y por otro, estabilizar el consumo per cpita interno, para evitar que llegue a lmites peligrosos.

Competencia En El Mercado Mundial

Una encuesta realizada por Ernst & Young titulada Anlisis del Sector Competitivo y la Estrategias de los 12 principales pases productores de vino en el Mundo, encargada por ONIVINS de Francia, que se desarroll en los 12 pases que presentan caractersticas relativamente contrastadas y con perspectivas de desarrollo variables (Africa del Sur, Alemania, Argentina, Australia, Chile, Espaa, Italia, Bulgaria, Hungra, Nueva Zelandia, Portugal, y los EE.UU.), constata:

Una baja del consumo mundial que se aminora hacia el fin del siglo

El consumo del vino progresa en los mercados emergentes y cambia de forma en los mercados maduros.

Consumidores cada vez ms exigentes de la calidad del producto, con un consumo mundializado pero sin que sea uniformizado.

Una progresin consecuente de los intercambios mundiales en los ltimos diez aos.

Concentracin de la distribucin a nivel internacional, con polticas de marcas fuertes.

Marcas de distribuidores y marcas de empresas, no se sabe de quin ser la identidad.

Tendencia a nuevas formas de distribucin.

Preponderancia del sector del Nuevo Mundo en el crecimiento del potencial y tiempo de latencia de los pases europeos tradicionalmente productores.

Posicionamiento de los vinos Premium, en adecuacin con el mercado.

Los consumidores estn cada vez ms atentos al origen de los productos que compran.

Situacin De Chile Como Pas Productor Y Consumidor De Vinos

Muchos pases que por razones de clima no son productores de uvas, son por el contrario grandes consumidores de vinos, uvas frescas, mostos y pasas, es el caso de Inglaterra, los pases Bajos y todo el norte de Europa.

Chile se encuentra en el lugar N 20 entre los consumidores de vino.

Nuestro pas posee gran cantidad de ventajas, entre las cuales destacan los productos bsicos disponibles en abundancia en comparacin con los competidores (agua, tierra regadas, clima etc.), la geografa del pas permite estaciones productivas ms larga que la mayora de los competidores, cercanas de las zonas de produccin a los puertos lo que provoca menos costos en el transporte. As como tambin desventajas o debilidades: costos de la mano de obra no calificada, insuficiencia de infraestructura, tecnologa y de mercados lo que conduce a la toma decisiones sub-ptima, baja inversin en investigacin y desarrollo deja a Chile permanentemente atrasado en la mayora de sus rubros productivos, la demanda domstica es muy dbil, no favorece el desarrollo de la industria, dbil organizacin de la industria dificulta establecer programas de promocin y desarrollo tecnolgico, falta de prestigio o imagen, Chile no es conocido como productor de calidad, no obstante esta realidad ha ido variando a medida que transcurre el tiempo, Chile internacionalmente, sobre todo en materia de vinos es reconocido como uno de los mejores. Cambio Previstos A Futuro Y De Que Manera Afectaran Al Sector Industrial.En los ltimos aos el sector vitivincola con relacin al rea nacional es un mercado de ms o menos 210 millones de litros anuales, donde las ventas de vino corriente representan ms del 85% de las ventas totales del mercado. El consumo ha venido cayendo hasta llegar en 1996 a un consumo per cpita de tan slo 14.5 litros, esta cada se explica por la importancia que comenzaron a tener otras bebidas alcohlicas y analcohlicas dentro del consumidor chileno, como la cerveza, el pisco y otras bebidas gaseosas. El aumento en el consumo de estas bebidas ha crecido fuertemente.

El pisco es considerado uno de los principales sustitutos del vino, lo que sin embargo se ha visto en los ltimos aos, es que el consumo de pisco se ha mantenido constante y el vino continua cayendo.

El vino ha dejado de ser, nacionalmente hablando, un producto de consumo masivo, para transformarse en un producto de consumo selecto.

Se espera en un corto plazo que el aumento en los niveles de precio de las uvas eleven los costos de produccin de forma importante ya que la uva representa cerca del 50% del costo del vino. Esto afectara negativamente los mrgenes de operacin del mercado nacional y, por ende la rentabilidad del negocio. Los altos precios de la uva obligara a incrementar los precios durante el ao, lo que podra afectar los volmenes de venta de la industria en el mercado domstico, aunque no en mayor grado por lo mencionado anteriormente en relacin a la elasticidad.

Tambin en un corto plazo es posible esperar que los volmenes de venta de las principales vias del pas se mantengan, sin embargo se cree, ya que no se tienen estimaciones ciertas, que el consumo de vino del mercado informal; estara disminuyendo, debido al auge exportador y a la gran competitividad que hay en la actualidad en el mercado de las bebidas con y sin alcohol. Este mercado representa, segn estimaciones el 40% del mercado nacional compuesto principalmente por una cantidad pequea de productores, que se caracterizan por vender vino a escondidas sin factura con lo cual su precio de venta es sustancialmente menor al de vias tradicionales, al no pagar el 18% de I.V.A y el 15% de impuesto a las bebidas alcohlicas;

En lo que respecta al largo plazo, en materia de consumo, el vino corriente en el pas debera continuar con su descenso hasta prcticamente desaparecer del mercado formal, dejando este mercado al vino varietal, de mejor calidad y a un precio razonable. Sin embargo, el vino corriente vendido en el mercado informal seguira existiendo, abasteciendo a un nmero importante de consumidores, claro que con un volumen de venta menor al que se ve en la actualidad.

Por ltimo en el largo plazo se espera que la situacin del mercado en trminos de participantes sea un poco diferente. Actualmente adems de las grandes vias, existen en el mbito local un sinnmero de pequeas y

medianas vias que compiten con las grandes del mercado local. Sin embargo se estima que a futuro estas vias no podrn competir en el mercado domstico con las de mayor tamao, estas ltimas debido a las grandes cantidades de vino que comercializan, obtienen importantes economas a escala en costos, lo que les da una importante ventaja al competir en trminos de precios, ante tal situacin, lo mas seguro es que las pequeas empresas tiendan a ser absorbidas por las grandes vias o a especializarse en la elaboracin de vinos de calidad para exportacin.

Si bien es cierto la sequa, podra considerarse daina para productos agrcolas, esto no ocurre con las parras, ya que estas se ven beneficiadas por este fenmeno.

PLANTEAMIENTO DEL MODELO

Conocidos ya los planteamientos tericos y empricos que explican la demanda individual por vino nacional, proponemos en este caso como variables explicatorias, a el precio del vino, el ingreso bruto per cpita, el precio del pisco y el precio de la cerveza .

Estas variables sern analizadas primeramente en forma del un modelos de regresin simple, para verificar su incidencia sobre el modelo y posteriormente en base a esta informacin proponer un modelo de regresin lineal mltiple

D: variable explicada : cantidad demandada por vino per cpita anual (en litros)

V: variable explicatoria 1 : precio del vino embotellado ( en pesos reales a Junio 2002)

I : variable explicatoria 2 : ingreso bruto per cpita ( en pesos reales a Junio 2002)

C: variable explicatoria 3: precio de la cerveza individual en botella ( en pesos reales a Junio 2002)

P: variable explicatoria 4 : precio del pisco en botella ( en pesos reales a Junio 2002)

ANALISIS DE LAS VARIABLES

D: Cantidad demandada per capita por Vino

Variable dependiente a analizar, los datos que se presentan corresponden a la cantidad demandada per cpita por vino en Chile, realizada entre los aos 1970 y 2001. Los datos

fuerosn obtenidos del SAG.

AoD

197040,5

197151,9

197259

197353,5

197445,9

197541,9

197645,1

197749,2

197845,4

197944,1

198042,7

198141,4

198240,1

198338,8

198437,5

198536,9

198636

198732

198830

198928

199026

199123

199218

199313

199418

199515

199615,8

199713,1

199818,3

199919

200014,9

200114,6

FuenteSAG

Tal como es posible observar en el grfico, la trayectoria de la serie de datos correspondiente al consumo de vino , sigue una tendencia a la baja, la cual al final del periodo tiende a estabilizarse.

Grfico: Lnea de tendencia del comportamiento

de la variable Cantidad demandada per cpita del Vino.

V: Precio del vino embotellado

El precio del vino corresponde a la primera variable explicatoria a analizar en le modelo, variable importante a considerar dadas las exigencias de un modelos econmico.

AoV

1970379,37

1971354,55

1972525,83

19731104,29

1974765,32

1975654,7

1976937,09

1977886,88

19781025

19792051,49

19802330,51

19812338,53

19821892,52

19831489,83

19841428,26

19851485,12

19861766,13

19871690,97

1988817,63

1989587,4

1990590,7

1991908,35

19921068,53

1993962,43

1994942,76

1995881,17

1996939,4

19971024,51

19981097,64

19991669,01

20001537,22

20011492,54

FuenteINE

Como se observa en el grfico el precio del vino a lo largo de este perodo ha tenido un comportamiento muy inestable, pero igual de esta forma se puede apreciar que tiene una tendencia a alza.


de la variable Precio del Vino.

I: Ingreso bruto per capita

Finalmente el ingreso bruto per cpita es la ultima variable a introducir en el modelo. En tabla a continuacin se presenta los datos obtenidos en el Banco Central de Chile. Al igual como en todas las series de datos estos fueron actualizados a valores reales de Julio del 2002.

.

AoI

19708,27

197110,63

197219,72

197389,53

1974650,86

19752.336,05

19768.632,07

197719.439,97

197832.849,13

197952.839,86

198072.717,31

198182.606,51

198271.157,10

198389.381,11

1984103.994,78

1985146.739,21

1986250.154

1987335.933

1988432.356

1989534.016

1990669.404

1991865.280

19921.080.419

19931.264.574

19941.462.138

19951.751.708

19961.894.842

19972.096.398

19982.221.584

19992.244.681

20002.418.030

20012.653.000

En el grafico se puede observar la tendencia creciente sostenida que se ha hecho muy evidente despus del ao 1987, la leve cada que se manifiesta es por efecto de la crisis econmica que ha afectado no slo a Chile en los ltimos aos.


de la variable Ingreso bruto per cpita

C: Precio de la cerveza.

Los datos del precio de la cerveza son extrados del INE, pero estos fueron adaptados para su homogeneidad en cuanto a que se considera el precio de una cerveza individual, en pesos actuales y en base Junio del 2002.

Datos

AoC

197059.1978

197153.5573

197240.7284

19736.8166

19748.811

197568.1288

197670.7574

197786.3335

1978103.4764

1979114.6881

1980112.5175

1981134.8327

1982119.8556

1983115.94

1984116.3565

1985123.4688

1986132.0862

1987139.8584

1988150.5213

1989152.618

1990152.7168

1991150.9122

1992171.8269

1993175.0381

1994185.8526

1995187.457

1996201.432

1997204.0092

1998217.3404

1999513.3607

2000495.5043

2001502.655

FuenteINE


de la variable Precio de la Cerveza.

P: Precio del pisco en botella

Como lo plantea el modelo econmico el precio de los sustitutos es una importante variable analizar, entre ellos el pisco considerado como uno de los sustitutos del vino.

AoP

19701667

19711722

1972960,3

1973968,8

19741414

19751042

19761465

19771496

19781866

19791932

19802042

19812540

19822146

19831697

19841500

19851292

19861493

19871831

19881513

19891239

19901239

19911339

19921612

19931462

19941397

19951346

19961365

19971330

19981629

19991727

20001643

20011374

FuenteINE

Si bien el precio del pisco ha sufrido de variaciones a lo largo del periodo, en le grfico observamos que la serie de datos tom una forma horizontal.


de la variable Precio del Pisco.

MODELO MATEMTICO

D =

MODELO ECONOMTRICO

Por teoras estadsticas , el modelo economtrico adecuado para estimar la demanda queda expresado de la siguiente forma

D =

Ahora bien dadas las caractersticas de la curva de demanda resulta muy ventajoso linealizar el modelo antes planteado, a travs de la utilizacin del modelo Log = log. , con lo que se permite calcular la estimacin de la elasticidad precio de la demanda en forma directa. (

EMBED Equation.3 ), entonces aplicando logaritmo natural al modelo planteado se presenta de la siguiente forma

PLANTEAMIENTOS DE LO SIGNOS A PRIORI

De acuerdo con las Teoras Econmicas y con el Modelo Economtrico anteriormente expuestos, deberamos esperar las siguientes relaciones:

El Ingreso per cpita la suponemos como la variable que ms influye en la determinacin del Consumo del Vino y, por ende, la que ms explica la variacin en este Consumo. Adems, determinamos la existencia de una relacin directa, es decir: a mayor Ingreso, mayor Consumo de Vino, y por ende, a menor Ingreso, menor Consumo.

La relacin que esperamos con el Precio del Vino es inversa: a mayor precio, menor Consumo de Vino, y viceversa. Por lo tanto, este ( debiera ser negativo. Con el Precio de los Sustitutos esperamos que haya una relacin directa: a mayor precio de los sustitutos, mayor consumo. Y a menor precio de los sustitutos, menor consumo de Vino. Luego, este ( debiera ser positivo en P y C.REGRESIONES LINEALES SIMPLES

A partir de los datos anteriormente expuestos y utilizando el mtodo de mnimos cuadrados, es posible realizar regresiones lineales simples, Los clculos fueron realizados utilizando el modelo log = log.

Anlisis del modelo de regresin entre el consumo per cpita de vino

y la variable precio del vino.(V)

Los datos del precio del vino son extrados de la fuente INE, de los cuales se consideraron su IPC correspondiente a una botella de vino cuyo contenido es de 700cc los cuales fueron adaptados para su homogeneidad, en pesos actuales y en base Junio del 2002.

Grfico de dispersin entre el consumo per-cpita y el precio del vino.

Valores de los parmetros de este modelo simple de regresin.

-0.09698958

Ante el aumento de un peso en el precio del vino, el consumo per cpita del vino, disminuir en 0.09698958 cc, como en este caso representa la elasticidad precio de la demanda, podemos concluir que sta es inelstica por lo tanto las variaciones en el precio frente a las variaciones en el consumo de vino no son tan determinantes,

Valor de

Ante un precio de vino igual a cero pesos, el consumo de vino per cpita ser de 4.06399051 cc.

Coeficiente de Determinacin:

El precio del vino explica las variaciones del consumo per cpita del vino en un 0.96%.

Coeficiente de Correlacin:

La relacin entre el precio del vino y el consumo per capita de este bien es lineal, dbil ya que su porcentaje es de un 9.8% y negativa puesto que es menor a cero.

Varianza del Modelo

0.4829720565

Errores Estndar de la Estimacin

Una vez determinados los errores estndar tanto decomo de , analizaremos la significancia del intercepto y de la pendiente.

Prueba de la significancia de la pendiente y el intercepto a un 5 % nivel de significacin.

Intercepto

EMBED Equation.3 se rechaza

De esta manera el intercepto es significativo con un 5% nivel de significacin

Pendiente

no se rechaza

De esta manera la pendiente no es significativa al 5% nds.

Intervalos de confianza

Para

al 95% n.d.c

al 95% n.d.c.

al 95 % n.d.c.

En el 95% de las veces el valor poblacional de se encontrar en este intervalo.

Para

al 95% n.d.c.

al 95 % n.d.c.

EMBED Equation.3

EMBED Equation.3 al 95 % n.d.c

En el 95% de las veces el valor poblacional de se encontrara en este intervalo

Para .

al 95% n.d.c.

al 95% n.d.c.

al 95% n.d.c.

En el 95 % de las veces el valor poblacional de se encontrar en este intervalo.

Prueba de significancia estadstica del modelo utilizando un 5% n.d.s.

no se rechaza

Lo que demuestra que el modelo no es significativo al 5% n.d.s.

Conclusin final Si bien en la prueba de significacin del modelo, este es no significativo, la significacin de los parmetros por separado s lo son, ello justifica en conjunto con la teora econmica, que esta variable debe ser considerada en el anlisis de regresin lineal mltipleAnlisis del modelo de regresin entre el consumo

per cpita de vino y la variable ingreso bruto per cpita(I)

Los datos del ingreso bruto per cpita en precios corrientes son extrados del Banco Central, para efectos de este anlisis se considero la base de datos desde los aos 1970-2001

Grfico de dispersin entre el consumo per cpita de vino y el ingreso bruto per cpita.

Ante el aumento de un peso en el ingreso bruto per cpita, el consumo de vino per cpita disminuir en 0.0979842 cc. Gracias al valor de se puede deducir que el consumo de vino per cpita es inelstico respecto al ingreso bruto per cpita, o sea, que un aumento o disminucin significativa en el ingreso, no afecta en gran medida en el consumo de vino.

Valor de

Ante un ingreso per cpita de cero pesos, el consumo de vino per cpita ser de 4.48347 cc, el intercepto en este caso es incoherente, ya que al no tener ingreso una persona es ilgico que consuma vino y se debe ver si este es significativo o no.

Coeficiente de Determinacin

R2 = = =

El PIB per cpita en miles de pesos explica las variaciones del consumo per cpita de vino en un 60.026%.

Coeficiente de Correlacin

R = = =

La relacin entre el consumo per cpita de vino y el IPB en pesos es: lineal, medianamente fuerte ya que su porcentaje es de un 77.47 % y negativa puesto que es menor a cero.

Varianza del Modelo

== =

= - *==


Se() = = = =

Se() = = = =

Una vez determinado los errores estndar tanto de como de analizaremos la significancia del intercepto y de la pendiente.

Prueba de significacin del intercepto y de la pendiente a un 5% de n.d.s Intercepto

H0 : (=0

H1: (0

Tcalc

EMBED Equation.3 = =

Ttabla ( n - k ; 1-e/ 2) =T (30; 0.975) = 2.0423

EMBED Equation.3 se rechaza, de esta manera el intercepto es altamente significativa con un 5% nivel de significacin.

Pendiente

H0 : = 0

H 1:

EMBED Equation.3 0

Tcalc == =

T tabla ( n- k ; 1-e/2) = T (39; 0.975) = 2.0423

T calc

EMBED Equation.3 Ho se rechaza.

De esta manera podemos inferir, que ( es significativo al 5% de n.d.s.

Intervalos de Confianza

Para :

(n k ; 1 e/2) * Se ( ) al 95% de confianza.

al 95% de nivel de confianza.

EMBED Equation.3 al 95 % de nivel de confianza.

En el 95 % de las veces se puede afirmar que el verdadero valor de poblacional se encontrar en este intervalo.

Para



EMBED Equation.3 al 95% de nivel de confianza.

En el 95% de las veces se puede afirmar que el verdadero valor poblacional de la pendiente se encuentra en este intervalo.

Para



EMBED Equation.3 al 95% de nivel de confianza.

Prueba de la significancia estadstica del modelo utilizando un 5% de nds.

H0 : i = 0

H1:

Fcalc= =

Ftabla= F(n k ; k 1; e ) = F( 30;1 ; 0.05 ) = 4.17

a RR, H0 se rechaza .

De lo cual se deduce que demuestra que el modelo es altamente significativo, al 5% de nivel de significancia.

Conclusin Parcial: Al analizar esta variable, podemos observar que esta es significativa en el modelo de regresin simple entre el consumo per cpita de vino y el ingreso bruto per cpita, ya que esta ltima, logra explicar en este modelo el 60.026% de las variaciones del consumo per cpita de vino, por lo que consideramos que es una variable adecuada para el modelo de regresin mltiple que hemos de proponer.

Anlisis del modelo de regresin simple entre el consumo

per cpita de vino y la variable precio de la cerveza

Grfico de dispersin entre el consumo per cpita de vino y el precio de la cerveza.


Ante el aumento de un peso en el precio en la cerveza, la cantidad consumida per cpita de vino disminuye en 0.37 cc, este descenso es insignificante, por lo cual esta interpretacin es casi equivoca. Gracias al valor de podemos concluir que el consumo del vino per cpita es inelstico con respecto al precio de la cerveza, o sea, que un aumento o disminucin significativa del precio de la cerveza, no afecta en gran medida en el consumo de vino. Esto porque consideramos que si bien la cerveza cumple con ser un bien sustituto del vino, este no logra serlo perfectamente.Valor de

Ante un precio de la cerveza igual a cero pesos, el consumo de vino per cpita ser de 5.15418524 cc.


El modelo de regresin explica en un 50.,81% las variaciones del precio de la cerveza sobre el consumo per cpita de vino.

Coeficiente de Correlacin:

La relacin entre el precio de la cerveza y el consumo per cpita de vino es lineal medianamente fuerte y a su vez es negativa.

Varianza del Modelo




Intercepto

Por lo tanto, un nivel de significancia de un 5% n.d.s se puede afirmar que el intercepto es significativo

Pendiente

se rechaza

Por lo tanto, a un nivel de significancia del 5%, se puede concluir que la pendiente es significativa, es decir, que existe relacin entre las variables.

Intervalo de confianza para el intercepto:

En el 95% de las veces el verdadero valor poblacional del intercepto se encuentra entre el intervalo .Intervalo de confianza para la pendiente:

En el 95% de las veces se puede afirmar que el verdadero valor poblacional de la pendiente se encuentra entre el intervalo . Intervalo de confianza para el :

En el 95% de las veces se puede afirmar que el verdadero valor poblacional del se encuentra entre el intervalo .


Siendo la prueba, existe evidencia significativa para rechazar la hiptesis nula. Por lo tanto, a un nivel de significancia del 5%, se puede afirmar que el modelo propuesto es adecuado para explicar las variaciones causadas en el consumo per cpita de vino, a partir de las variaciones del precio de la cerveza.

Conclusin Final :Al analizar esta variable, podemos observar que esta es significativa en el modelo de regresin simple entre el consumo per cpita de vino y el precio de la cerveza, ya que esta ltima, logra explicar en este modelo cerca del 51% de las variaciones del consumo per cpita de vino, por lo que consideramos que es una variable adecuada para el modelo de regresin mltiple que hemos de proponer.

Anlisis del modelo de regresin entre el consumo per cpita de vino

y la variable precio del pisco(P).

Grfico de dispersin entre el consumo per cpita de vino y el precio del pisco.


Para

=

Ante un aumento de un peso en precio del pisco el consumo per cpita del vino, aumentar en 0.15402542 cc. Gracias al valor de se puede deducir que el consumo de vino per cpita es elstico respecto al precio del pisco, o sea, que ante un aumento o disminucin porcentual del precio del pisco, afecta el consumo de vino, ya sea aumentndolo o disminuyndolo respectivamente.

Valor de

=

Ante un precio de pisco igual a cero pesos, el consumo de vino per cpita ser de 4904385354 cc.


El precio del pisco explica las variaciones del consumo per cpita del vino en un 0.46% Coeficiente de Correlacin

.

La relacin entre el precio del pisco y el consumo per capita de este bien es lineal, dbil ya que su porcentaje es de slo un 6.8% y positiva puesto que es mayor a cero

Varianza del Modelo

Errores Estndar de la estimacin

EMBED Equation.3



Intercepto

no se rechaza

A un 5% n.d.s. El intercepto no es significativo

Pendiente

H0: = 0

H1: 0

=

no se rechaza

De esta manera la pendiente no es significativa al 5% nds.Intervalos de Confianza

Para

EMBED Equation.3

a un 95% n.d.c.

En el 95% de las veces el verdadero valor de poblacional se encontrar en este intervalo

Para

a un 95% n.d.c.

En el 95% de las veces el valor poblacional de se encontrar en este intervalo.

Para

EMBED Equation.3

EMBED Equation.3 aun 95% n.d.c.

En el 95% de las veces el valor de poblacional se encontar en este intervalo.


= 0

0

se rechaza.A un nivel de significacin del 5%, no existe evidencia para afirmar que el modelo de regresin es significativo.

Conclusin final: Al analizar esta variable, podemos observar que esta no es significativa en el modelo de regresin simple entre el consumo per cpita de vino y el precio del pisco, ya que esta ltima, slo logra explicar en este modelo cerca del 0.46% de las variaciones del consumo per cpita de vino, por lo que consideramos que no es una variable adecuada para el modelo de regresin mltiple que hemos de proponer.

De acuerdo a la prueba de significancia del modelo, esta variable no explica el comportamiento de la variable Y, y por lo tanto no puede ser considerada dentro del modelo de regresin

CONCLUSIN

Dados los resultados de la regresin lineal simple, en el cual se han estudiado cada una de las variables propuestas para nuestro modelo de regresin mltiple, dado los resultados que se han obtenido de l y tomando en cuenta el marco terico de la demanda individual, el modelo de regresin mltiple propuesto quedar definido por las siguientes variables:

D: variable explicada : demanda per cpita en litros por vino.

V: variable explicatoria 1 : precio del vino embotellado ( en pesos)

I: variable explicatoria 2 : ingreso bruto per cpita (en pesos)

C: variable explicatoria 3 : precio del la cerveza individual en botella (en pesos)

Por lo tanto, el modelo economtrico propuesto para determinar la demanda percapita por vino en litros esta definida por:

MODELO REGRESIN MLTIPLE.

De acuerdo a la teora econmica, consideramos que el mejor y el ms adecuado de los modelos es el siguiente:

Donde las variables originales son:

D: Cantidad demandada por vino per cpita anual nacional (en litros).

V: Precio del vino por litro (pesos reales al 31 de Junio 2002).

I: Ingreso per cpita nacional (miles de pesos reales al 31 de Junio 2002).

C: Precio de la cerveza (en pesos reales al 31 de Junio 2002).

Cabe sealar que la nomenclatura utilizada para el desarrollo de este informe.

LNDEMANDAVI, es decir, el logaritmo natural de la variable D.

LNPREVINO , es decir, el logaritmo natural de la variable V.

LNINGRESO , es decir, el logaritmo natural de la variable I.

LNPRECERV , es decir, el logaritmo natural de la variable C.

Verificacin de la no violacin de los supuestos MCO.

Supuestos MICO a analizar con respecto a multicolinealidad:

N de observaciones debe ser mayor que el nmero de regresiones.

Debe haber suficiente variabilidad en los valores que toman los regresores.

No hay relacin lineal exacta (es decir, no hay multicolinealidad) en los regresores.

Estos supuestos estn estrechamente interrelacionados y se analizan en algunas pruebas de deteccin de multicolinealidad.

Pruebas de deteccin de multicolinealidad

Uno de los supuestos del Modelo Clsico de Regresin Lineal, es que no existe multicolinealidad entre las variables explicativas, las X. Interpretando en trminos generales, la multicolinealidad se refiere a una situacin en la cual existe una relacin lineal exacta o aproximadamente.

A continuacin realizaremos 3 pruebas para ver si existen indicios de multicolinealidad severa.

Prueba Test a un nivel de significacin del 5%

R2= 0.274326 valor < 0.8. por lo tanto, al ser el R2 bajo estamos bajo la ausencia de el sntoma clsico de multicolinealidad, por lo tanto no es necesario realizar pruebas de significancia para cada una de los coeficientes parciales de pendientes.

Prueba a travs de la matriz de correlacin

El resultado arrojado por EViews es el siguiente:

LNDEMANDAVILNINGRESOLNPREVINOLNPRECERV

LNDEMANDAVI 1.000000-0.774764-0.098362-0.712870

LNINGRESO-0.774764 1.000000 0.512245 0.794759

LNPREVINO-0.098362 0.512245 1.000000 0.340819

LNPRECERV-0.712870 0.794759 0.340819 1.000000

De acuerdo a esta prueba, si el valor del ndice de correlacin entre variables independientes es mayor que 0.8, hay indicios de multicolinealidad severa en el modelo.

Ahora bien, los resultados arrojados en la matriz, indican que no existen valores mayores que 0.8 entre variables independientes. Por lo tanto no existen indicios de multicolinealidad severa.

Prueba de la regla de Klien

En esta prueba, el criterio de para determinar si estamos en presencia de multicolinealidad severa, es el siguiente:

Si Existe indicio de multicolinealidad severa.

Donde:

: Coeficiente de determinacin auxiliar.

: Coeficiente de determinacin global.

1ra variable dependiente: LNPREVINO.


Dependent Variable: LNPREVINO

Method: Least Squares

Date: 11/07/02 Time: 10:56

Sample: 1970 2001

Included observations: 32

VariableCoefficientStd. Errort-StatisticProb.

C6.4762460.43025115.052240.0000

LNINGRESO0.0840450.0334292.5141280.0177

LNPRECERV-0.0949990.137582-0.6904870.4954

R-squared0.274326 Mean dependent var6.963375

Adjusted R-squared0.224279 S.D. dependent var0.484191

S.E. of regression0.426451 Akaike info criterion1.222422

Sum squared resid5.273956 Schwarz criterion1.359835

Log likelihood-16.55875 F-statistic5.481419

Durbin-Watson stat0.455883 Prob(F-statistic)0.009567

Como observamos, el , el cual es menor que .Por lo anterior, no existen indicios de multicolinealidad severa.

2da variable dependiente: LNINGRESO.


Dependent Variable: LNINGRESO


Date: 11/07/02 Time: 10:51

Sample: 1970 2001



C-17.394325.558548-3.1292930.0040

LNPREVINO2.1292660.8469202.5141280.0177

LNPRECERV2.8878620.4470636.4596290.0000







En este caso, tampoco existe indicio de multicolinealidad severa, dado que el (0.697561), es menor que (0.734698).

3ra variable independiente: LNPRECERV.


Dependent Variable: LNPRECERV


Date: 11/07/02 Time: 10:56

Sample: 1970 2001



C3.6612741.5689422.3335940.0268

LNINGRESO0.2042940.0316266.4596290.0000

LNPREVINO-0.1702600.246580-0.6904870.4954







En esta regresin auxiliar, tampoco existe indicio de multicolinealidad severa, dado que el (0.6376), es menor que el (0.734698).

Tomando en cuenta las tres pruebas realizadas, concluimos que no existen indicios de multicolinealidad severa en nuestro modelo.


Supuestos MICO a analizar con respecto a heteroscedasticidad.

Para X dadas, la varianza de es constante u homoscedstica.

Este supuesto est estrechamente interrelacionado y se analiza en algunas pruebas de deteccin de heteroscedasticidad.

Pruebas de deteccin de heteroscedasticidad.

Uno de los supuestos importantes del Modelo Clsico de Regresin Lineal es que la varianza de cada trmino de perturbacin,, condicional al valor de las variables explicativas, es algn nmero constante igual a. Este es el supuesto de homocedasticidad.

Prueba del mtodo grfico.

El resultado arrojado por Eviews es el siguiente:

Al observar este grfico, no podemos visualizar un patrn sistemtico que nos indique indicios de heteroscedasticidad.

Prueba de White.

El criterio de esta prueba para determinar si hay indicios de heteroscedasticidad, es el siguiente:

Si P-value (Obs*R-squared)>Nivel de Significancia (e) Hay heteroscedasticidad.

A un 5% de significancia.

White Heteroskedasticity Test:

F-statistic2.441335 Probability0.042360

Obs*R-squared15.98982 Probability0.067095

Test Equation:

Dependent Variable: RESID^2


Date: 11/07/02 Time: 11:08

Sample: 1970 2001



C-8.2745864.339630-1.9067490.0697

LNINGRESO0.1964910.2357520.8334670.4135

LNINGRESO^20.0033030.0052300.6315490.5342

LNINGRESO*LNPREVINO-0.0143540.031112-0.4613720.6491

LNINGRESO*LNPRECERV-0.0416540.036144-1.1524390.2615

LNPREVINO1.5846351.0551071.5018710.1473

LNPREVINO^2-0.0478200.066773-0.7161570.4814

LNPREVINO*LNPRECERV-0.1751290.097122-1.8031850.0851

LNPRECERV0.7835600.6250541.2535880.2232

LNPRECERV^20.1078760.0606041.7800200.0889



S.E. of regression0.051751 Akaike info criterion-2.834442

Sum squared resid0.058920 Schwarz criterion-2.376399

Log likelihood55.35107 F-statistic2.441335


En este caso, el P-value(0.067095), es menor que e (0.05), por lo tanto, no existe heteroscedasticidad. No se rechaza H0 a un 5% de significancia.


Supuestos MICO a analizar con respecto a autocorrelacin.

Para X dadas, no hay autocorrelacin en las perturbaciones

Este supuesto est estrechamente interrelacionado y se analiza en algunas pruebas de deteccin de autocorrelacin.

Pruebas de deteccin de Autocorrelacin.

Cuando se viola el supuesto del MCRL, que los errores o perturbaciones,, consideradas en el modelo de regresin poblacional son aleatorios o no correlacionados, surge el problema de autocorrelacin o correlacin serial.

Prueba d de Durban y Watson.

En esta prueba, las hiptesis son las siguientes:

Dependent Variable: LNDEMANDAVI


Date: 11/20/02 Time: 16:18

Sample: 1970 2001



C2.3673460.7749853.0546980.0049

LNINGRESO-0.1035770.022385-4.6270650.0001

LNPREVINO0.3818610.1126723.3891380.0021

LNPRECERV-0.1009560.084163-1.1995400.2404







Sean:

Segn la regla de decisin:

Rechazar H0 cuando .Hay evidencia de correlacin serial positiva de primer orden, a un 5% de significancia.

Prueba del Mtodo Grfico.

El resultado arrojado por Eviews es el siguiente:

De acuerdo al grfico , observamos que los residuos no siguen un patrn sistemtico. Por lo cul podemos concluir que no estamos en presencia de autocorrelacin.

Prueba LM de Breusch y Godfrey de orden 2.

Sean las hiptesis.


Breusch-Godfrey Serial Correlation LM Test:

F-statistic10.98404 Probability0.000349

Obs*R-squared14.65514 Probability0.000657

Test Equation:

Dependent Variable: RESID


Date: 11/07/02 Time: 11:28


C0.4275030.6016880.7105070.4837

LNINGRESO0.0029150.0173010.1684560.8675

LNPREVINO-0.0667800.088380-0.7555970.4567

LNPRECERV-0.0002760.065843-0.0041970.9967

RESID(-1)0.7385500.1958703.7706190.0008

RESID(-2)-0.0535380.209051-0.2561010.7999

R-squared0.457973 Mean dependent var1.30E-15


S.E. of regression0.197691 Akaike info criterion-0.236860


Log likelihood9.789756 F-statistic4.393618


Con respecto a esta prueba, n*R tiene un P-value igual a 0.000657, y a un 5% de significancia, este P-value e. De esto concluimos que no se rechaza la hiptesis nula (el modelo no presenta autocorrelacin). Por lo anterior, existe evidencia significativa para afirmar que el coeficiente de los residuos rezagados RESID(-1), es igual a 0.

Por lo tanto, tras la aplicacin de estas pruebas sobre la existencia de autocorrelacin en nuestro nuevo modelo, podemos afirmar que no existen indicios de que esta existiera en nuestro nuevo modelo dado por:

Comprobado esto, es necesario tambin aclarar, que la aplicacin de la prueba de Cochrane-Orcutt como medida remedial para la autocorrelacin, y en s, la estimacion de un nuevo modelo, no altera las condiciones del modelo original:

En cuanto a la no violacin de los supuestos MICO referentes a la multicolinealidad severa y a la heteroscedasticidad, podemos deducir que este nuevo modelo, no presenta tales problemas.

Significancia estadstica de cada coeficiente estimado y para el modelo

El anlisis de la significancia estadstica en el programa E-Views, se puede llevar a cabo a travs del valor que tome el p-value para cada parmetro estimado.

Para el caso de :

Sabemos que el p-value () = 0,0000 , que representa la mnima probabilidad para rechazar nuestra hiptesis nula, o sea, 0%. Si trabajamos a un nivel de significancia del 5%, el p-value () < e, lo que nos indica que el intercepto es estadsticamente significativo.

Para el caso de :

Sabemos que el p-value () = 0,3720 , que representa la mnima probabilidad para rechazar nuestra hiptesis nula, o sea, 37,20%. Si trabajamos a un nivel de significancia del 5%, el p-value () > e, lo que nos indica que la pendiente de no es estadsticamente significativa.

- Para el caso de :

Sabemos que el p-value () = 0,0000 , que representa la mnima probabilidad para rechazar nuestra hiptesis nula, o sea, 0%. Si trabajamos a un nivel de significancia del 5%, el p-value () < e, lo que nos indica que la pendiente de es estadsticamente significativa.

- Para el caso de :

Sabemos que el p-value () = 0,6337 , que representa la mnima probabilidad para rechazar nuestra hiptesis nula, o sea, 63.37%. Si trabajamos a un nivel de significancia del 5%, el p-value () > e, lo que nos indica que la pendiente de no es estadsticamente significativa.

Prueba de significancia estadstica para el modelo de regresin:

Sabemos que el p-value del modelo (Prob(F-statistic)) = 0,000069 , que representa la mnima probabilidad para rechazar nuestra hiptesis nula, o sea, 0%. Si trabajamos a un nivel de significancia del 5%, el p-value (modelo) < e, lo que nos indica que el modelo de regresin en primera diferencia generalizada es estadsticamente significativo.

Coeficiente de Determinacin

Esto quiere decir que el modelo de regresin explica en un 54,93% las variaciones que de la variable independiente, en este caso, .

OBTENCIN DEL MODELO OPTIMO PARA PREDECIR

El nuevo modelo obtenido mediante la aplicacin del mtodo remedial Cochrane-Orcutt, a saber, el de diferencia generalizada, dado por:

No nos sirve para poder predecir la demanda per capita de vino (en cc), como tambin, no nos sirve para poder interpretar el significado de sus coeficientes, por lo cual, es necesario, llevar este modelo a uno donde nos sea posible llevar a cabo estos dos objetivos.

Para conseguir esto, debemos primero despejar los coeficientes de cada variable explicativa, como tambin nuestro intercepto. En el caso de este ltimo, sabemos que:

donde 4.662368

y para el resto sabemos que:

donde 0.284518

donde -0.5446232

donde 0.089643

Ahora, procedemos a configurar aquella regresin que nos permita predecir, para esto, se integra la serie en primera diferencia generalizada, la cual se presenta abajo como:

En donde podemos ver que el coeficiente de la variable dependiente Ln V t (precio del vino) se interpretar de la siguiente manera: Ante un cambio en el precio del vino embotellado de un periodo a otro la demanda de vino cambiara porcentualmente en un 0.284518 de un periodo a otro, manteniendo lo dems constante.

Es asi como ante un cambio de la variable dependiente Ln I t (ingreso bruto per capita en miles de pesos) la demanda de vino disminuir porcentualmente en un 0.5445 de un periodo a otro,. Manteniendo lo dems constante.

Y por ltimo tenemos Ln C t (precio de la cerveza) ante un cambio en el precio de la cerveza individual en botella de un periodo a otro la demanda de vino aumentara en un 0.0896 % de un periodo a otro.

Clculo de la Reajustabilidad de valores usando la variacin del IPC

Para calcular el reajuste y mantener el poder adquisitivo de una cantidad de dinero entre dos fechas determinadas se procede, utilizando la variacin del IPC, a travs del siguiente mtodo:

Frmula:

+

La variacin de IPC acumulada es base se datos que se obtiene en le INE, en este caso se hcieron todos los reajustes hasta Julio del 2002

Equivalencia Monetaria

Para convertir escudos a pesos actuales dividimos por 1000.

Ejemplo: E 120000:1000= $120 (actuales)

EMBED Word.Picture.8

















EMBED Equation.3

EMBED Equation.3



EMBED Excel.Sheet.8






EMBED Excel.Sheet.8








EMBED Equation.3










EMBED Equation.3


0 0.605 EMBED Equation.3 EMBED Equation.3 2 4- EMBED Equation.3 4- EMBED Equation.3 4

EMBED Equation.3

Rechazar Indecisin Indecisin Rechazar

H0 H0

A+

No rechazar Ho

A-

1.244 1.650 2.35 2.756






1.229

0

4

2

1.65

2.35

2.771

Rechaceze H0, Evi-

dencia de Autoco-

rrelacin positiva

Rechaceze H0, Evi-

dencia de Autoco-

rrelacin negativa

Zona

de

Indecisin

Zona de Indecisin

No rechazece H0, no evidencia de autocorrelacin

Durbin-Watson Stat = 1.812275






147

_1094454115.xlsregresinpreciodelvino

Resumen

Estadsticas de la regresin

Coeficiente de correlacin mltiple0.0983623066

Coeficiente de determinacin R^20.0096751434

R^2 ajustado-0.0233356852

Error tpico0.4829720565

Observaciones32

ANLISIS DE VARIANZA

Grados de libertadSuma de cuadradosPromedio de los cuadradosFValor crtico de F

Regresin10.0683667590.0683667590.29308998830.5922452447

Residuos306.99786022080.2332620074

Total317.0662269798

CoeficientesError tpicoEstadstico tProbabilidadInferior 95%Superior 95%Inferior 95,0%Superior 95,0%

Intercepcin4.06389050711.25042909373.24999676310.00284605671.51017624066.61760477351.51017624066.6176047735

Variable X 1-0.09698957940.1791532059-0.54137786090.5922452447-0.46286886050.2688897017-0.46286886050.2688897017

Grfico1

40.5

51.9

59

53.5

45.9

41.9

45.1

49.2

45.4

44.1

42.7

41.4

40.1

38.8

37.5

36.9

36

32

30

28

26

23

18

13

18

15

15.8

13.1

18.3

19

14.9

14.6

Aos

Consumo percapita

anexopreciodelvino

YX1Ln YLn XX2xiyix*2y*2yi*xi

197040.5379.373.70130197415.938511982235.2659245622-1.02486278750.31278625721.05034373330.0978352427-0.3205629954

197151.9354.553.94931879025.870849379834.4668724397-1.09252538990.56080307321.19361172770.314500087-0.6126915963

197259525.834.07753744396.264977966639.2499489218-0.69839680310.6890217270.48775809460.4747509402-0.4812105714

197353.51104.293.97968165397.006957873549.0974586410.04358310380.5911659370.00189948690.3494771650.0257648464

197445.9765.323.82646511716.64029404744.0935050308-0.32308072270.43794940010.10438115340.1917996771-0.1414930087

197541.9654.73.73528582696.484177115442.0445528645-0.47919765420.346770110.22963039180.1202495092-0.1661714233

197645.1937.093.80888224656.842779328946.8236289434-0.12059544080.42036652960.01454326040.1767080192-0.0506942869

197749.2886.883.89589362356.787709685746.073002777-0.1756650840.50737790660.03085822170.2574323401-0.0891285826

197845.410253.8155121056.932447891648.0588337694-0.03092687810.42699638810.00095647180.1823259155-0.0132056653

197944.12051.493.78645978257.626321637458.16078171690.66294686770.39794406550.43949854940.15835947930.2638157718

198042.72330.513.75419892027.753842406760.12207206840.7904676370.36568320330.62483908520.13372420520.2890607376

198141.42338.533.72328088087.757277805860.17535895670.79390303610.33476516390.63028203080.1120677150.26577108

198240.11892.523.69137633437.545664553356.93705355070.58228978360.30286061740.33906139210.09172455360.1763526434

198338.81489.833.65842024667.306417298553.38373373940.34304252880.26990452970.11767817660.07284845510.0925887324

198437.51428.263.6243409337.264212199252.76877887440.30083742950.2358252160.0905031590.05561353250.0709450518

198536.91485.123.6082115517.303250856153.33747306640.33987608640.21969583410.11551575410.04826625950.0746693603

1986361766.133.58351893857.476545991155.89873995760.51317122140.19500322150.26334470250.03802625640.1000700414

1987321690.973.46573590287.433057607855.25034540030.46968283810.07722018590.22060196840.00596295710.0362689961

198830817.633.40119738176.706409911544.9759339015-0.25696485820.01268166470.06603093830.0001608246-0.0032587422

198928587.43.33220451026.375706018840.6496272377-0.5876687509-0.05631120680.34535456080.0031709520.0330923365

199026590.73.2580965386.381308274340.7210952918-0.5820664954-0.13041917890.3388014050.01700916220.0759126344

199123908.353.13549421596.811629766946.3983000811-0.1517450028-0.2530215010.02302654590.064019880.0383947484

1992181068.532.89037175796.974039151148.63722208120.0106643814-0.4981439590.0001137290.2481474039-0.0053123972

199313962.432.56494935756.869461336247.1894990502-0.0939134334-0.82356635950.0088197330.67826154850.0773439445

199418942.762.89037175796.848811743346.9062222958-0.1145630263-0.4981439590.0131246870.24814740390.0570688795

199515881.172.70805020116.781250569945.9853592913-0.1821241998-0.68046551580.03316922420.46303331820.1239292376

199615.8939.42.760009946.845241373646.8573294627-0.1181333961-0.62850577690.01395549930.39501951160.0742475219

199713.11024.512.57261223026.931969728548.0522043167-0.0314050412-0.81590348670.00098627660.66569849970.0256234826

199818.31097.642.90690105987.000917699549.01284863460.0375429298-0.48161465710.00140947160.2319526779-0.0180812252

1999191669.012.94443897927.419985915355.05619098260.4566111456-0.44407673780.20849373830.197204149-0.202770388

200014.91537.222.7013612137.337730869353.84229430990.3743560996-0.6871545040.14014248930.4721813123-0.2572404799

200114.61492.542.68102152877.308234645653.41029363480.3448598759-0.70749418820.1189283340.5005480264-0.2439863579

suma108.4325029419222.82799263011558.9024858525007.26766399177.0662269798-0.7048876738

promedio3.38851571696.9633747697

_1097446312.unknown

_1099358094.unknown

_1099454227.unknown

_1099455256.unknown

_1099456306.unknown

_1099457107.unknown

_1099457214.unknown

_1099458141.unknown

_1099462904.doc

_1099457701.unknown

_1099457157.unknown

_1099456417.unknown

_1099456467.unknown

_1099455827.unknown

_1099456190.unknown

_1099455565.unknown

_1099454933.unknown

_1099454961.unknown

_1099455022.unknown

_1099454916.unknown

_1099454924.unknown

_1099454858.unknown

_1099392566.unknown

_1099414574.unknown

_1099414911.unknown

_1099393213.unknown

_1099393311.unknown

_1099393276.unknown

_1099393197.unknown

_1099389178.unknown

_1099390865.unknown

_1099392483.unknown

_1099391804.doc

-0.6

-0.4

-0.2

0.0

0.2

0.4

0.6

70

75

80

85

90

95

00

RESID01

_1099389819.unknown

_1099358753.unknown

_1099358796.unknown

_1099358857.unknown

_1099358732.unknown

_1099345602.unknown

_1099350218.unknown

_1099356310.unknown

_1099357959.unknown

_1099350288.unknown

_1099348348.unknown

_1099348466.unknown

_1099348308.unknown

_1099347367.unknown

_1099347440.unknown

_1099346474.unknown

_1097446921.unknown

_1099341799.unknown

_1099341886.unknown

_1099341650.unknown

_1099341668.unknown

_1097446618.unknown

_1097446724.unknown

_1097446481.unknown

_1097437819.unknown

_1097444929.unknown

_1097445316.unknown

_1097445666.unknown

_1097445752.unknown

_1097445867.unknown

_1097445960.unknown

_1097445707.unknown

_1097445478.unknown

_1097445659.unknown

_1097445388.unknown

_1097445168.unknown

_1097445238.unknown

_1097445125.unknown

_1097442827.unknown

_1097444289.unknown

_1097444876.unknown

_1097442866.unknown

_1097444222.unknown

_1097438628.unknown

_1097442786.unknown

_1097437850.unknown

_1097438114.unknown

_1097425128.unknown

_1097434551.unknown

_1097434776.unknown

_1097437183.unknown

_1097437476.unknown

_1097437643.unknown

_1097437791.unknown

_1097437498.unknown

_1097437629.unknown

_1097437199.unknown

_1097435015.unknown

_1097435131.unknown

_1097434806.unknown

_1097434666.unknown

_1097434690.unknown

_1097434573.unknown

_1097432558.unknown

_1097434001.unknown

_1097434051.unknown

_1097433115.unknown

_1097425588.unknown

_1097425786.unknown

_1097425545.unknown

_1097421902.unknown

_1097422640.unknown

_1097422805.unknown

_1097422598.unknown

_1095424466.unknown

_1095424682.unknown

_1095424969.unknown

_1095425328.unknown

_1097421756.unknown

_1095424988.unknown

_1095424877.unknown

_1095424960.unknown

_1095424839.unknown

_1095424642.unknown

_1094454597.xlsGrfico2

40.5

51.9

59

53.5

45.9

41.9

45.1

49.2

45.4

44.1

42.7

41.4

40.1

38.8

37.5

36.9

36

32

30

28

26

23

18

13

18

15

15.8

13.1

18.3

19

14.9

14.6

Ingreso Bruto percapita en pesos

Consumo percapita de vino

Grfico de Dispersin

regresiningreso

Resumen

Estadsticas de la regresin

Coeficiente de correlacin mltiple0.7747641889

Coeficiente de determinacin R^20.6002595483

R^2 ajustado0.5869348666

Error tpico0.3068472348

Observaciones32

ANLISIS DE VARIANZA

Grados de libertadSuma de cuadradosPromedio de los cuadradosFValor crtico de F

Regresin14.24157021544.241570215445.04869691170.0000001944

Residuos302.82465676450.0941552255

Total317.0662269798

CoeficientesError tpicoEstadstico tProbabilidadInferior 95%Superior 95%Inferior 95,0%Superior 95,0%

Intercepcin4.48347381140.17192007126.078827123604.13236654724.83458107554.13236654724.8345810755

Variable X 1-0.09798415370.0145987183-6.71183260460.0000001944-0.1277986834-0.0681696241-0.1277986834-0.0681696241

Grfico1

8.27

10.63

19.72

89.53

650.86

2336.05

8632.07

19439.97

32849.13

52839.86

72717.31

82606.51

71157.1

89381.11

103994.78

146739.21

250154

335933

432356

534016

669404

865280

1080419

1264574

1462138

1751708

1894842

2096398

2221584

2244681

2418030

2653000

Aos

Ingreso percapita

anexoingreso

AoYXln(Y)ln(X)X2yxy2x2yx

197040.58.273.70130197412.1126345094.46322456880.3127862572-9.06221420690.097835242782.123726332-2.8345360635

197151.910.633.94931879022.36368019245.58698405170.5608030732-8.81116852360.31450008777.6366907512-4.9413303868

19725919.724.07753744392.98163334928.89013742890.689021727-8.19321536680.474750940267.1287780464-5.6453034015

197353.589.533.97968165394.494573764620.20119332580.591165937-6.68027495130.34947716544.626073425-3.9491510008

197445.9650.863.82646511716.478294565341.9683004750.4379494001-4.69655415060.191799677122.0576208898-2.056853073

197541.92,336.053.73528582697.756216747860.15889823930.34677011-3.41863196810.120249509211.6870445335-1.1854793836

197645.18,632.073.80888224659.063239616382.14231234180.4203665296-2.11160909970.17670801924.4588929899-0.887649789

197749.219,439.973.89589362359.875086534897.51733406990.5073779066-1.29976218110.25743234011.6893817275-0.6594706145

197845.432,849.133.81551210510.3996805395108.15335532460.4269963881-0.77516817640.18232591550.6008857017-0.3309940115

197944.152,839.863.786459782510.8750211091118.26608412390.3979440655-0.29982760680.15835947930.0898965938-0.1193146168

198042.772,717.313.754198920211.194334737125.31313020330.36568320330.0194860210.13372420520.0003797050.0071257106

198141.482,606.513.723280880811.32184377128.18414635140.33476516390.1469950540.1120677150.02160754590.0492088233

198240.171,157.103.691376334311.1726453877124.82800495970.3028606174-0.00220332820.09172455360.0000048547-0.0006673013

198338.889,381.113.658420246611.4006646413129.97515426330.26990452970.22581592530.07284845510.05099283210.0609487411

198437.5103,994.783.62434093311.5520959846133.45092163640.2358252160.37724726860.05561353250.14231550170.0889644186

198536.9146,739.213.60821155111.8964122086141.52462343650.21969583410.72156349260.04826625950.52065387390.1585244934

198636250,1543.583518938512.4298320072154.50072372710.19500322151.25498329120.03802625641.57498306130.2447257847

198732335,9333.465735902812.7246670143161.91715062480.07722018591.54981829830.00596295712.40193675790.1196772571

198830432,3563.401197381712.9770046019168.40264843870.01268166471.8021558860.00016082463.24776583740.0228543367

198928534,0163.332204510213.18818108173.9281201999-0.05631120682.01333236410.0031709524.0535072083-0.113373175

199026669,4043.25809653813.4141430432179.9392335846-0.13041917892.23929432730.01700916225.0144390842-0.2920469275

199123865,2803.135494215913.670808433186.8910032106-0.2530215012.4959597170.064019886.2298149089-0.631531474

1992181,080,4192.890371757913.8928594868193.0115447207-0.4981439592.71801077090.24814740397.3875825506-1.3539606461

1993131,264,5742.564949357514.0502458645197.4094088539-0.82356635952.87539714860.67826154858.2679087621-2.3680803617

1994181,462,1382.890371757914.1954103061201.509673758-0.4981439593.02056159010.24814740399.1237923198-1.504674509

1995151,751,7082.708050201114.3761018699206.6723049744-0.68046551583.2012531540.463033318210.2480217558-2.1783423787

199615.81,894,8422.7600099414.4546460157208.9367914396-0.62850577693.27979729980.395019511610.7570703275-2.06137155

199713.12,096,3982.572612230214.5557311919211.8693105307-0.81590348673.38088247590.665698499711.4303663161-2.7584738003

199818.32,221,5842.906901059814.6137310129213.5611341183-0.48161465713.4388822970.231952677911.8259114525-1.6562161182

1999192,244,6812.944438979214.6240739755213.8635396415-0.44407673783.44922525960.19720414911.8971548913-1.5317207011

200014.92,418,0302.70136121314.698463717216.0448356408-0.6871545043.52361500110.472181312312.4158626758-2.4212679183

200114.62,653,0002.681021528714.7912016331218.7796457516-0.70749418823.61635291720.500548026413.0780084215-2.5585486715

suma1048.622857989.11108.4325029419357.59515891044437.86087401540-07.0662269798441.7890716352-43.2883283083

promedio3.388515716911.174848716

graficodispersin

40.5

51.9

59

53.5

45.9

41.9

45.1

49.2

45.4

44.1

42.7

41.4

40.1

38.8

37.5

36.9

36

32

30

28

26

23

18

13

18

15

15.8

13.1

18.3

19

14.9

14.6

Ingreso Bruto percapita en pesos

Consumo percapita de vino

Grfico de Dispersin

ensayo (2)

AoConsumo Per capita de vino (Y)Ingreso Bruto per capita precios corrientes (X)LOG(Y)LOG(X)LOG(y2)LOG(x2)LogY* Log Xyxy2x2xy

196047.80.441.68-0.362.820.13-0.6010.18(481,134.39)103.60231490300553.337(4,897,260.75)

196161.30.501.79-0.303.200.09-0.5423.68(481,134.33)560.67231490242817.214(11,392,573.58)

1962680.571.83-0.243.360.06-0.4530.38(481,134.26)922.86231490175458.413(14,616,171.46)

196354.30.851.73-0.073.010.00-0.1216.68(481,133.98)278.17231489906023.306(8,024,627.44)

196456.21.271.750.103.060.010.1818.58(481,133.56)345.16231489501870.94(8,938,774.20)

196541.51.721.620.242.620.060.383.88(481,133.11)15.04231489068850.939(1,866,109.13)

196652.72.401.720.382.960.140.6515.08(481,132.43)227.36231488414510.373(7,254,789.70)

196753.23.001.730.482.980.230.8215.58(481,131.83)242.69231487837151.818(7,495,346.57)

1968554.111.740.613.030.381.0717.38(481,130.72)302.01231486769040.389(8,361,364.57)

196941.55.861.620.772.620.591.243.88(481,128.97)15.04231485085085.934(1,866,093.07)

197040.58.271.610.922.580.841.472.88(481,126.56)8.29231482766050.11(1,384,957.17)

197151.910.631.721.032.941.051.7614.28(481,124.20)203.88231480495138.32(6,869,766.25)

19725919.721.771.293.141.682.2921.38(481,115.11)457.04231471748383.005(10,285,553.73)

197353.589.531.731.952.993.813.3715.88(481,045.30)252.13231404579964.882(7,638,312.15)

197445.9650.861.662.812.767.924.688.28(480,483.97)68.53230864844740.555(3,977,720.86)

197541.92,336.051.623.372.6311.355.464.28(478,798.78)18.31229248271045.49(2,048,574.78)

197645.18,632.071.653.942.7415.496.517.48(472,502.76)55.93223258857532.614(3,533,645.64)

197749.219,439.971.694.292.8618.397.2611.58(461,694.86)134.06213162143090.855(5,345,766.91)

197845.432,849.131.664.522.7520.407.487.78(448,285.70)60.51200960068184.082(3,487,022.33)

197944.152,839.861.644.722.7022.317.776.48(428,294.97)41.97183436580715.451(2,774,739.55)

198042.772,717.311.634.862.6623.647.935.08(408,417.52)25.79166804870059.497(2,074,177.54)

198141.482,606.511.624.922.6124.187.953.78(398,528.32)14.28158824821272.696(1,505,867.72)

198240.171,157.101.604.852.5723.547.782.48(409,977.73)6.14168081738510.27(1,016,159.09)

198338.889,381.111.594.952.5224.517.871.18(391,753.72)1.39153470976574.19(461,709.74)

198437.5103,994.781.575.022.4825.177.90(0.12)(377,140.05)0.01142234616775.23145,795.58

198536.9146,739.211.575.172.4626.698.10(0.72)(334,395.62)0.52111820430197.476241,242.55

198636250,1541.565.402.4229.148.40(1.62)(230,980.83)2.6353352143497.5163374,518.92

198732335,9331.515.532.2730.548.32(5.62)(145,201.83)31.6021083571227.9177816,241.71

198830432,3561.485.642.1831.768.32(7.62)(48,778.83)58.092379374186.48485371,764.36

198928534,0161.455.732.0932.808.29(9.62)52,881.1792.572796418216.11343(508,792.41)

199026669,4041.415.832.0033.948.24(11.62)188,269.17135.0635445280641.4449(2,187,956.72)

199123865,2801.365.941.8535.258.08(14.62)384,145.17213.79147567512183.108(5,616,751.17)

1992181,080,4191.266.031.5836.407.57(19.62)599,284.17385.00359141517268.709(11,758,811.55)

1993131,264,5741.116.101.2437.236.80(24.62)783,439.17606.21613776934209.488(19,289,391.58)

1994181,462,1381.266.161.5838.017.74(19.62)981,003.17385.00962367220951.482(19,248,683.64)

1995151,751,7081.186.241.3838.987.34(22.62)1,270,573.17511.731614356182138.95(28,742,180.23)

199615.81,894,8421.206.281.4439.417.52(21.82)1,413,707.17476.171998567964528.99(30,849,110.05)

199713.12,096,3981.126.321.2539.967.06(24.52)1,615,263.17601.302609075110665.97(39,608,560.46)

199818.32,221,5841.266.351.5940.288.01(19.32)1,740,449.17373.323029163315840.04(33,627,964.33)

1999192,244,6811.286.351.6440.348.12(18.62)1,763,546.17346.763110095096241.02(32,839,749.05)

200014.92,418,0301.176.381.3840.757.49(22.72)1,936,895.17516.263751562902336.32(44,009,025.27)

200114.62,653(23.02)(478,481.83)529.99228944860956.60311,015,335.26

Totales1580.120,207,662.8363.14150.4898.93797.46215.540.00(0.00)9,626.8923733625653730.9(382,539,162.01)

R20.7195559061SUM Y269072.51

Y BARRA37.6214285714SUM X233685180920662.9beta-0.000016118Se (alfa)1.753sigma9.421Se (beta)0.000001933720

X BARRA481,134.83raiz de X25803893.60004669SUM error23461.115

SUM Y1580.1SUM XYalfa45.3763715833raiz de n*x231194208.6260089g.de.lb39

SUM X20207662.83raiz de x24871716.91026182

beta pot.20.0000000003n41cuociente88.747

Hoja real (2)

AoIngr.Br. PcCons. pcln(Y)ln(X)Y2X2yxy2x2yx

19708.2740.53.70130197412.11263450913.6996363036187.68003485010.3127862572-9.06221420690.097835242782.123726332-2.8345360635

197110.6351.93.94931879022.363680192415.5971189064243.27011818050.5608030732-8.81116852360.31450008777.6366907512-4.9413303868

197219.72594.07753744392.981633349216.6263116065276.43423763490.689021727-8.19321536680.474750940267.1287780464-5.6453034015

197389.5353.53.97968165394.494573764615.8378660664250.83800153730.591165937-6.68027495130.34947716544.626073425-3.9491510008

1974650.8645.93.82646511716.478294565314.6418352921214.38334072180.4379494001-4.69655415060.191799677122.0576208898-2.056853073

19752,336.0541.93.73528582697.756216747813.9523602088194.66835539750.34677011-3.41863196810.120249509211.6870445335-1.1854793836

19768,632.0745.13.80888224659.063239616314.5075839678210.46999258190.4203665296-2.11160909970.17670801924.4588929899-0.887649789

197719,439.9749.23.89589362359.875086534815.1779871256230.37129318530.5073779066-1.29976218110.25743234011.6893817275-0.6594706145

197832,849.1345.43.81551210510.399680539514.5581326238211.93922549110.4269963881-0.77516817640.18232591550.6008857017-0.3309940115

197952,839.8644.13.786459782510.875021109114.3372776841205.55753139190.3979440655-0.29982760680.15835947930.0898965938-0.1193146168

198072,717.3142.73.754198920211.19433473714.0940095327198.64110470760.36568320330.0194860210.13372420520.0003797050.0071257106

198182,606.5141.43.723280880811.3218437713.8628205176192.17779270220.33476516390.1469950540.1120677150.02160754590.0492088233

198271,157.1040.13.691376334311.172645387713.6262592415185.67494091720.3028606174-0.00220332820.09172455360.0000048547-0.0006673013

198389,381.1138.83.658420246611.400664641313.3840387009179.13249194840.26990452970.22581592530.07284845510.05099283210.0609487411

1984103,994.7837.53.62434093311.552095984613.1358471984172.5504816210.2358252160.37724726860.05561353250.14231550170.0889644186

1985146,739.2136.93.60821155111.896412208613.0191905971169.49932380380.21969583410.72156349260.04826625950.52065387390.1585244934

1986250,154363.583518938512.429832007212.8416079823164.90689557040.19500322151.25498329120.03802625641.57498306130.2447257847

1987335,933323.465735902812.724667014312.011325348144.27193661440.07722018591.54981829830.00596295712.40193675790.1196772571

1988432,356303.401197381712.977004601911.568143629133.82194702180.01268166471.8021558860.00016082463.24776583740.0228543367

1989534,016283.332204510213.1881810811.1035868976123.2896419933-0.05631120682.01333236410.0031709524.0535072083-0.113373175

1990669,404263.25809653813.414143043210.6151930511112.6823235114-0.13041917892.23929432730.01700916225.0144390842-0.2920469275

1991865,280233.135494215913.6708084339.831323978196.6549311629-0.2530215012.4959597170.064019886.2298149089-0.631531474

19921,080,419182.890371757913.89285948688.354248898869.7934746638-0.4981439592.71801077090.24814740397.3875825506-1.3539606461

19931,264,574132.564949357514.05024586456.578965206343.2827831863-0.82356635952.87539714860.67826154858.2679087621-2.3680803617

19941,462,138182.890371757914.19541030618.354248898869.7934746638-0.4981439593.02056159010.24814740399.1237923198-1.504674509

19951,751,708152.708050201114.37610186997.333535891753.7807486747-0.68046551583.2012531540.463033318210.2480217558-2.1783423787

19961,894,84215.82.7600099414.45464601577.617654869158.0286657044-0.62850577693.27979729980.395019511610.7570703275-2.06137155

19972,096,39813.12.572612230214.55573119196.61833368743.8023407926-0.81590348673.38088247590.665698499711.4303663161-2.7584738003

19982,221,58418.32.906901059814.61373101298.450073771771.4037467479-0.48

TEORIA KEYNESIANA

Documents

Transcript of TEORIA KEYNESIANA