Dicotomas 9

http://bajalibrosdeeconomia.blogspot.
com/
TRABAJO DE ECONOMETRIA (Dicotomas)

9.1. Si se tiene informacin mensual para distintos aos, Cuntas variables dictomas se introducirn para
probar las siguientes hiptesis?:
a).- Todos los 12 meses del ao presentan patrones estacionales.
Si una variable cualitativa tiene m categoras, solo hay que agregar (m-1) variables dictomas
m-1
12-1=11
Rta: se va a utilizar 11 variables dictomas.
b).- solamente febrero, abril, junio, agosto, octubre y diciembre presentan patrones estacionales.
Si una variable cualitativa tiene m categoras, solo hay que agregar (m-1) variables dictomas
http://bajalibrosdeeconomia.blogspot.com/
m-1
6-1=5
Rta: se va a utilizar 5 variables dictomas.
9.2. Considrese los siguientes resultados de regresin (las razones t estn entre parntesis):
YI = 1286
t = (4.67)
+104.97X 2i (3.70)
-19.47X 6i +
(-0.40)
266.06X 7i
(6.94)
0.026X 3i +
(-3.80)
-118.64X 8i
(-3.04)
1.20X 4i +
(0.24)
-
0.69X 5i
(0.08)
110.61X 9i
(-6.14)
Donde:
Y = horas de trabajo del ao deseadas por la esposa, calculadas como las horas usuales de trabajo del ao,
mas las semanas invertidas en buscar trabajo.
X 2 = ingresos promedio reales por hora despus de impuestos de la esposa.
X 3 = ingresos anuales reales despus de impuestos del esposo en el ao anterior.
X 4 = edad de la esposa en aos:
X 5 = aos completos de escolaridad de la esposa.
X 6 = variable de actitud: 1 si el entrevistado piensa que es correcto que una mujer trabaje si as lo desea y si
su esposo esta de acuerdo; 0 en cualquier otro caso.
X 7 = variable de actitud: 1 si el esposo de la entrevistada favoreci que su esposa trabajara; 0 en cualquier
otro caso.
X 8 = numero de hijos menores de 6 aos.
X 9 = numero de hijos de 6 a 9 aos.
a).- Los signos de los coeficientes de las diversas regresoras no dictomas tienen algn sentido econmico?
Justifique su respuesta.
X2
El signo de los ingresos promedio reales por hora de impuestos de la esposa nos indica que existe una relacin
directa con las horas de trabajo al ao deseados por la esposa, calculados como las horas usuales de trabajo al ao
mas las semanas invertidas en buscar trabajo; es decir dado un incremento unitario en X 2i se estima que tambin se
incrementara Y en 104.97 horas al ao manteniendo todas las dems variables constantes.
I
X3
El signo de los ingresos anuales reales despus de impuestos del esposo en el ao anterior nos indica que existe una
relacin inversa con las horas de trabajo al ao deseados por la esposa, calculados como las horas usuales de
trabajo al ao mas las semanas invertidas en buscar trabajo; es decir dados incrementos unitarios en X 3 se estima
que Y disminuir en 0.026 horas al ao manteniendo todas las dems variables constantes.
I
X4
El signo de la edad de la esposa en aos nos indica que existe una relacin directa con las horas de trabajo al ao
deseados por la esposa, calculados como las horas usuales de trabajo al ao mas las semanas invertidas en buscar
trabajo; es decir dados incrementos unitarios en X 4 se estima que YI tambin se incrementar en 1.20 horas al ao
manteniendo las dems variables constantes.
X5
El signo de los aos completos de escolaridad de la esposa nos indica que existe una relacin directa con las horas d
trabajo al ao deseadas por la esposa , calculadas como la horas usuales de trabajo al ao, mas las semanas
invertidas en buscar trabajo; es decir dado un incremento unitario en X 5 se estima que Yi tambin se incrementar
en 0.69 horas al ao manteniendo todas la dems constante.
X8
El signo de el numero de hijos menores de 6 aos nos indica que existe una relacin inversa con las horas d trabajo
al ao deseadas por la esposa , calculadas como la horas usuales de trabajo al ao, mas las semanas invertidas en
buscar trabajo; es decir dado un incremento unitario en X 8 se estima que Yi disminuir en 118.64 horas al ao
manteniendo todas la dems constante.
X9
El signo de el numero de hijos de 6 a 13 aos nos indica ue existe una relacin inversa con las horas de trabajo al
ao deseadas por la esposa , calculadas como la horas usuales de trabajo al ao, mas las semanas invertidas en
buscar trabajo; es decir dado un incremento unitario en X 9 se estima que Yi disminuir en 110.61 horas al ao
manteniendo todas la dems constante.
b).- Cmo se interpretara las variables dictomas X 6 y X 7 ? Son estadsticamente significativas? Puesto
que la muestra es muy grande, talvez se utilice la regla practica 2-t para responder la ultima pregunta.
i).X6X7
X6
1= si el entrevistado piensa que es correcto que una mujer trabaje si as lo desea y si
acuerdo.
0= en cualquier otro caso.
su esposo esta de
X7
1= si el esposo de la entrevistada favoreci que su esposa trabajar.
0= en cualquier otro caso.
X6
-19.47 es igual a las horas de trabajo diferencial al ao deseadas por la esposa, calculadas como la horas usuales de
trabajo al ao, mas las semanas invertidas en buscar trabajo entre la categora base y si el entrevistado piensa que es
correcto que una mujer trabaje si as lo desea y si su esposo esta de acuerdo manteniendo constante
X2X3X4X5X8X9 .
X7
266.06 es igual a las horas de trabajo diferencial al ao deseadas por la esposa, calculadas como la horas usuales de
trabajo al ao, mas las semanas invertidas en buscar trabajo entre la categora base y si el esposo de la entrevistada
favoreci que su esposa trabajar manteniendo constante X 2 X 3 X 4 X 5 X 8 X 9 .
ii).X6
Dado un t de -0.40 se puede decir que no es estadsticamente significativa, es decir no existe suficiente evidencia
estadstica para rechazar la Ho de que 6 =0.
X7
Dado un t de 6.94 se puede decir que es estadsticamente significativa, es decir no existe suficiente evidencia
estadstica para aceptar la Ho de que 7 =0.
c).- Por qu se cree que las variables edad y escolaridad no son factores significativos en la decisin de la
mujer respecto a participar en la fuerza de trabajo, en este estudio?
X 4 y X 5 no son factores significativos en la decisin de la mujer respecto a participar en la fuerza de trabajo, en
este estudio ya que los t calculados son bajos debido a que la mujer puede trabajar a cualquier edad y tener
cualquier nivel de escolaridad.
9.3 Considrese los siguientes resultados de una regresin (Los datos reales se proporcionan en la tabla 9.7)
ao y
trimestre
1958-lV
1959-l
-ll
-lll
-lV
1960-l
-ll
-lll
-lV
1961-l
-ll
-lll
-lV
1962-l
-ll
-lll
-lV
1963-l
-ll
-lll
-lV
1964-l
-ll
-lll
-lV
Tasa de
desempleo
1,915
1,876
1,842
1,75
1,648
1,45
1,393
1,322
1,26
1,171
1,182
1,221
1,34
1,411
1,6
1,78
1,941
2,178
2,067
1,942
1,764
1,532
1,455
1,409
1,296
tasa de
trabajo
vacante
0,51
0,541
0,541
0,69
0,771
0,836
0,908
0,968
0,998
0,968
0,964
0,952
0,849
0,748
0,658
0,562
0,51
0,51
0,544
0,568
0,677
0,794
0,838
0,885
0,978
D
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
DV
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
ao y
trimestre
1965-l
-ll
-lll
-lV
1966-l
-ll
-lll
-lV
1967-l
-ll
-lll
-lV
1968-l
-ll
-lll
-lV
1969-l
-ll
-lll
-lV
1970-l
-ll
-lll
-lV
1971-l
-ll
tasa de
desempleo
1,201
1,192
1,259
1,192
1,089
1,101
1,243
1,623
1,821
1,99
2,114
2,115
2,15
2,141
2,167
2,107
2,104
2,056
2,17
2,161
2,225
2,241
2,366
2,324
2,516
2,909
tasa de
trabajo
vacante
0,997
1,035
1,04
1,086
1,101
1,058
0,987
0,819
0,74
0,661
0,66
0,698
0,695
0,732
0,749
0,8
0,783
0,8
0,794
0,79
0,757
0,746
0,739
0,707
0,583
0,524
D
0
0
0
0
0
0
0
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
DV
0
0
0
0
0
0
0
0,819
0,74
0,661
0,66
0,698
0,695
0,732
0,749
0,8
0,783
0,8
0,794
0,79
0,757
0,746
0,739
0,707
0,583
0,524
TD t = 2.7491 + 1.1507 Dt 1.5294Vt 0.8511(DtVt )

t = (26.896) (3.6288) (-12.5552) (-1.9819)
2
R = 0.9128
Donde: TD = tasa de desempleo, %
V = tasa de trabajo vacante, %
D = 1, para el perodo que comienza el cuarto trimestre de 1966
= 0, para el perodo anterior al cuarto trimestre de 1966
t = tiempo, medido en trimestres
Nota: en el cuarto trimestre de 1966, el entonces gobierno laborista, liberaliz la Ley de Seguro Nacional,
reemplazando el sistema de tasa fija para beneficios del desempleo de corto tiempo, por un sistema mix6to de
tasa fija y beneficios relacionados con los ingresos (anteriores), el cual increment el nivel de los beneficios de
desempleo.
a).- Cules son las expectativas a priori respecto a la relacin entre las tasas de desempleo y vacantes?
La relacin que existe entre las tasas de desempleo y vacantes es inversa es decir si se da un incremento porcentual
del 1% en la tasa de trabajo vacante se estima que la tasa de desempleo disminuir en 1.53%.
b).- Si la tasa de vacancia se mantiene constante, cul es la tasa promedio de desempleo para el perodo que
comienza el cuatro trimestre de 1966?
La tasa promedio de desempleo para el perodo que comienza el cuarto trimestre de 1966 es de (2.7491+1.1507) =
36.8998% permaneciendo la tasa de trabajo vacante constante.
Es estadsticamente distinto del perodo anterior al cuarto trimestre de 1966? Cmo se puede saber?
Si es estadsticamente distinta del perodo anterior al cuarto trimestre de 1966 debido a que la tasa de desempleo
diferencial entre la categora base y el perodo que comienza el cuarto trimestre de 1966 es de 1.1507%.
c).- Las pendientes para el periodo anterior y posterior al cuarto trimestre de 1966 son estadsticamente
distintas? Cmo se sabe?
Las pendientes tanto para los dos perodos son estadsticamente significativas, es decir varan en los dos perodos lo
cual verificamos con los valores t de las pruebas de significancia individual ya que nos da valores mayores a 2.5.
d).- Se puede concluir con toda seguridad, a partir de este estudio, que los generosos beneficios del
desempleo propician tasas ms altas de vacantes? Lo anterior tiene algn sentido econmico?
Esta conclusin no es correcta ya que fijndonos en el modelo se ve que la tasa de desempleo disminuye a medida
que aumenta la tasa de trabajo vacante.
9.12. Basado en informacin para 101 pases sobre el ingreso pr capita en dlares (X) y la esperanza de vida
en aos (Y) a principios de la dcada de los aos setenta. Sen y Srivastava obtuvieron los siguientes
resultados de regresin:
YI = -2.40 +
9.39 In X i - 3.36 [Di (InX i 7 )]
se = (4.73)
(0.859)
(2.42)
R 2 = 0.752
Donde D i =1 si In de X i > 7, y D i = 0 de lo contrario. Nota: cuando In de X i =7, X Us$1097

(aproximadamente).
a).- Cual podra ser la razn para introducir la variable ingreso en forma logartmica?
Es importante introducir la variable ingreso en forma logartmia debido a que como estamos trabajando
con una muestra grande (101 pases), los datos seran ms representativos y comprensibles en cifras
porcentuales que en trminos absolutos, y esto dificultara la presentacin de los resultados al expresar
el valor de los ingresos en cantidades muy altas.
b).- Cmo se interpretara el coeficiente 9.39 del In X i ?
Dado un incremento porcentual del 1% en el ingreso per cpita se estima que la esperanza de vida en aos a
principios de la dcada de los aos setenta se incrementar en un 0.09 centavos de dlar por ao.
c).- Cul podra ser la razn para introducir el regresor [Di (InX i 7 )] ? Cmo se explica este regresor? Y
Cmo se interpreta el coeficiente -3.36 de este regresor?
La razn para introducir el regresor Di (In Xi 7) podra ser debido a que cada pas tiene diferente nivel
econmico, por esta razn la esperanza de vida para sus habitantes es distinta ya que unos pases son ms
desarrollados que otros, adems no solo el ingreso es el nico indicador que afecta a la esperanza de vida, por lo
que ste regresor se explicara como el segmento al cual la regresin cambia de sentido, y en conjunto con la
tcnica de la variable dictoma se estimaran las diferentes pendientes de los dos segmentos de la regresin
conocida ahora como la regresin lineal por tramos.
-3.36 nos dira que para un ingreso per cpita superior a $1097 en promedio la esperanza de vida medida en aos a
principios de los setenta fue de -3.36. Suponiendo que ln X = 8 entonces la diferencia entre (In Xi 7) = 1.
d).- Suponiendo un ingreso pr capita de US$ 1097 como la lnea divisoria entre los pases mas pobres y los
mas ricos, Cmo se derivara la regresin para pases cuyo ingreso pr capita es menor que US$ 1097 y la
regresin para pases cuyo ingreso pr capita es mayor que US$ 1097.
Como D i =1 si In de X i >7, y D i = 0 de lo contrario entonces Di (In Xi 7) sera igual a cero y por lo tanto la
regresin se formara de la siguiente manera para los pases pobres con un ingreso per cpita menor a $1097:
Y i = 2 . 40 + 9 . 39 ln X i
Ahora suponiendo un ingreso per cpita mayor que $1097 por ejemplo $2981
entonces (ln 2981=8) por lo
tanto la regresin seguira siendo la misma porque
Di (In Xi 7) me dara igual a 1 y el coeficiente tambin
es igual a -3.36.
YI = -2.40 + 9.39 In X i - 3.36 [Di (InX i 7 )]
e).- Qu conclusiones generales se obtienen del resultado de la regresin presentada en este problema?
Podemos concluir diciendo que a un In >7, 3.36 sigue siendo la esperanza de vida promedio si la dictoma es
igual a 1.
9.16. Para estudiar la tasa de crecimiento de la poblacin de Belice durante el periodo 1970-1992, Mukherjee
et al., estimaron los siguientes modelos:
Modelo I: In (Pob) t =
t=
4.73 +
(781.25)
0.024t
(54.71)
4.77 +
Modelo II: In (Pob) t =
t=
(2477.92)
0.015t(34.01)
0.075D 1+
(-17.03)
0.011(D t t)
(25.54)
Donde Pob = poblacin en millones; t= variable de tendencia; D 1 =1 para observaciones que comenzaron en
1978 y 0 antes de 1978; y In significa logaritmo natural.
a).-En el modelo I, Cul es la tas de crecimiento de la poblacin de Belice durante el periodo de muestra?
En el modelo I la tasa de crecimiento de la poblacin de Belice durante el perodo de muestra es de 2.4% es decir,
dado un incremento unitario en la variable de tendencia se estima que la poblacin en millones se incrementar en
2.4%.
b).- Las tasa de crecimiento son estadsticamente distintas antes y despus de 1978? Cmo se sabe? Si son
diferentes, Cules son las tasas de crecimiento para 1972-1977 y 1978-1992?
De acuerdo a los valores t de la prueba de significancia individual nos podemos dar cuenta que los coeficientes
tanto de la pendiente como del intercepto son estadsticamente significativas lo cual significara que hay diferente
pendiente y diferente intercepto es decir estamos tratando con regresiones no similares.
Tasa de crecimiento para 1972-1977
Para calcular esta tasa reemplazo en la regresin dada 0 ya que este valor nos indica antes de 1978.
ln Pob = 4.77+0.015 t
Tasa de crecimiento para 1978-1992
Para calcular esta tasa reemplazo en la regresin dada 1 en las variables dictomas ya este valor nos indica las
variaciones que comienzan en 1978 y luego se saca el factor comn y se obtiene la siguiente regresin.
Ln Pob =4.695+0.026 t
9.21. Utilice los datos dados en la tabla 9.2 y considrese el siguiente modelo.
ln Ahorros i = 1 + 2 ln Ingresosi + 3 ln Di + u i
donde ln significa logaritmo natural y Di = 1 para 1970-1981 y 10 para 1982-1995
observacin
1970
1971
1972
1973
1974
1975
1976
1977
1978
1979
1980
1981
1982
1983
1984
1985
1986
1987
1988
1989
1990
Ahorros
61
68,6
63,6
89,6
97,6
104,4
96,4
92,5
112,6
130,1
161,8
199,1
205,5
167
235,7
206,2
196,5
168,4
189,1
187,8
208,7
Ingreso
727,1
790,2
855,3
965
1054,2
1159,2
1273
1401,4
1580,1
1769,5
1973,3
2200,2
2347,3
2522,4
2810
3002
3187,6
3363,1
3640,8
3894,5
4166,8
Dum
0
0
0
0
0
0
0
0
0
0
0
0
1
1
1
1
1
1
1
1
1
1991
1992
1993
1994
1995
246,4
272,6
214,4
189,4
249,3
4343,7
4613,7
4790,2
5021,7
5320,8
1
1
1
1
1
Corrido el modelo se obtuvo los siguientes resultados: como se puede observar en el anexo N. 1
ln Ahorros i = 0.159 + 0.670 ln Ingresosi + 0.00 ln Di
a) Cul es el razonamiento detrs de la asignacin de valores dictomas, tal y como se sugiere?
No tiene ningn sentido la asignacin de la variable dictoma, tal como se sugiere en el modelo debido a que
obtenemos un beta 3 igual a cero y por lo tanto no va haber diferencia en los dos periodos en cuanto a la dictoma
pero si se va a encontrar diferencia en cuanto a la variacin de los ahorros en estos dos periodos.
b) Estmese el modelo anterior e interprtense los resultados.
Estimando el modelo que se presenta en el libro se obtuvo los siguientes resultados, el modelo corrido se
encuentra en el anexo N. 1
ln Ahorros i = 0.159 + 0.670 ln Ingresosi + 0.00 ln Di
ee= ( 0.766) (0.107)
(0.058)
t= (-0.207) (6.236)
(-0.005)
INTERPRETACIONES
2
Dado un incremento porcentual del 1% en los ingresos se estima que el ahorro tambin se incrementar en un
0.67%, adems nos podemos dar cuenta que existe una relacin directa entre el ahorro y el ingreso es decir si se
incrementa el ingreso el ahorro tambin se incrementar y viceversa.
D1
Dado que el coeficiente de la dictoma es igual a cero no se puede interpretar para ningn periodo, es decir no tiene
relevancia el valor de la dictoma.
c).- Cules son los valores de la interseccin de la funcin ahorro en los dos subperodos y cmo se
interpretaran?
Para realizar esta pregunta corrimos el modelo en los dos subperodos, los modelos corridos encontramos en el
anexo N.2 para el subperiodo 1 y en el anexo N.3 para el subperiodo 2 y obtuvimos las regresiones siguientes:
Subperodo 1
ln Ahorros i = 2.005 + 0.929 ln Ingresos
se= (0.692) (0.097)
t= (-2.895) (9.560)
Subperodo 2
ln Ahorros i = 3.355 + 0.241ln Ingresos
se= (1.191) (0.145)
t= (2.816) (1.663)
Los valores de la interseccin de la funcin ahorro en el subperiodo 1 es -2.005 y del otro subperiodo es de -3.355 y
vemos que el intercepto cambia en ambos debido a que del ao 1970 al 1981 el ingreso vara en menor proporcin a
diferencia del ao 1982 al 1995 y esto hace que a su vez el ahorro tambin sea diferente en ambos subperodos.
EJERCICIO N.1
Tomar los datos para PIB y Ahorro desde 1990 hasta el 2006, aplicar las pruebas de estabilidad estructural
para ver si se mantiene tanto la pendiente como el intercepto.
AO
1990
1991
1992
1993
1994
1995
1996
1997
1998
1999
2000
2001
2002
2003
2004
2005
2006
PIB
13324
14016
14228
14270
14941
15203
15568
16199
16541
15499
15933
16784
17497
18122
19558
20486
21366
AHORRO
3121
3408
3574
3774
4024
3942
3774
3875
4028
2913
3265
4031
4794
4786
5022
5431
5777
Del modelo corrido se obtuvieron los siguientes resultados como se observa en el anexo N. 4
Ahorro = 940.395 + 0.180 PIB 3621.913D1 + 0.219 PIBD1

se= (1679.370) (0.112) (2124.196) (0.132)
t= (0.560)
(1.613) (-1.705)
(1.663)
INTERPRETACIONES
-3621.91 es la interseccin diferencial y 0.219 es el coeficiente de la pendiente diferencial (tambin llamado
arrastrador de pendiente).
Para saber si existe estabilidad estructural nos planteamos las siguientes hiptesis:
1
H o : 1 = 0
H a : 1 = 0
n= 16
gl= 16-2
gl= 14
IC= 0.95
alfa= 0.025
t dado = 2.145
t calculado =
1 1
ee1
t calculado =
940.395 0
= 0.5599
1679.370
-2.145
0.56
2.145
INTERPRETACIN
No existe suficiente evidencia estadstica para rechazar la H o : 1 = 0 con un 95% de confianza y por lo tanto se
rechaza la H a : 1 = 0 .
2
Ho : 2 = 0
H a : 2 = 0
n= 16
gl= 16-2
gl= 14
IC= 0.95
alfa= 0.025
t dado = 2.145
t calculado =
2 2
ee 2
t calculado =
0.180 0
= 1.607
0.112
-2.145
1.607 2.145
INTERPRETACION
No existe suficiente evidencia estadstica para rechazar la H o : 2 = 0 con un 95% de confianza, ya que el t dado es
mayor que el t calculado y este valor se encuentra dentro de la zona de aceptacin.
3
H o : 3 = 0
H a : 3 = 0
n= 16
gl= 16-2
gl= 14
t dado = 2.145
IC= 0.95
alfa= 0.025
t calculado =
3 3
ee3
t calculado =
0.219 0
= 1.6590
0.132
-2.145
1.6590
2.145
INTERPRETACION
Dado que el t calculado es menor al t dado no existe suficiente evidencia estadstica para rechazar la H o : 3 = 0
con un 95% de confianza por lo tanto este valor se encuentra dentro de la zona de aceptacin.
CONCLUSION
Como los valores t obtenidos del modelo corrido no son significativos tanto de la variable cuantitativa como
cualitativa decimos entonces que existe igual pendiente e igual intercepto, podemos concluir diciendo que existe
estabilidad estructural y por lo tanto nos encontramos en el caso de una regresin coincidente.
EJERCICIO N. 2
EJERCICIO VARIABLES FICTICIAS.
La compaa estadounidense Medicine fabricaba desde 1873 un producto que era un extracto de hierbas diluido en
una solucin alcohlica. Este producto se anunciaba como un analgsico y luego como remedio para distintas
enfermedades.
En general los productos tienen competencia con distintas marcas como el caso Coca-Cola con Pepsi-Cola. Cuando
esto ocurre hay que tener en cuenta el comportamiento de los competidores. En este ejemplo la compaa Medicine
se encuentra en una situacin de monopolio.
Otra de sus caractersticas es que no tiene agentes comerciales, por lo que gran parte de sus gastos lo destina a
publicidad.
En 1914 la Food and Drug Administration (organismo de Estados Unidos que establece controles para los
productos alimenticios y los medicamentos) le acus de publicidad engaosa por lo que tuvo que cambiar sus
mensajes publicitarios. Tambin la Internal Revue (oficina de impuestos) le amenaz con aplicarle una tasa sobre
bebidas alcohlicas del producto superaba el 18%. Por todos estos motivos se produjeron cambios en la
presentacin y contenido durante el perodo 1915-1925. En 1925 la Food
and Drug Administration prohibi que el producto se anunciara como medicina, pasando a distribuirse como bebida
tnica. En el perodo 1926-1940 se incrementaron considerablemente los gastos de publicidad para despus decaer.
Tenemos datos de VENTAS y gastos en publicidad (GPUB) expresada en miles de dlares para el perodo 19071960.
Se pide:
-Plantear el modelo que explique la evolucin de las ventas de Medicine en funcin de una ordenada en el origen,
los gastos de publicidad, las ventas del perodo anterior y tres ficticias que recojan los distintos avatares por los que
pasa la empresa.
Despus de haber corrido el modelo se obtuvo los siguientes resultados: como se puede observar en el anexo N. 5
Resumen del modelo corrido en su conjunto:
Yt =231.910+1.262X1+0.115Yt-1+1.767D2+115.830D3-430.718D4-1.119D2X1-0.970D3X1-0.084D4X1+0.796D2Yt1+0.488D3Yt-1+0.440D4Yt-1
Se (964.788) (1.560) (0.196) (957.116) (958.286) (968.415) (1.607)
(1.565) (1.584) (0.310) (0.210) (0.235)
t
(0.245) (0.809) (0.589) (0.002) (0.121) (-0.445) (-0.696)

(-0.620) (-0.053) (2.571) (2.323)
(0.808) (0.423) (0.559) (0.999) (0.904) (0.659) (0.490)

(0.539) (0.958) (0.014) (0.025) (0.069)
Donde:
Yt= ventas
X1=gastos de publicidad
Yt-1=ventas periodo anterior
D2: 1= Segundo perodo
0= En cualquier otro caso
D3: 1= Tercer periodo
D4: 1= Cuarto periodo
Modelo primer periodo:
* E(Yt/D1=1; X1, Yt-1)
Yt=231.910+1.262X1+0.115Yt-1
Interpretacin.-cuando las ventas del perodo anterior se incrementan en un dlar se estima que las ventas en el
primer perodo se incrementarn en 0.115 ctvs, manteniendo constante los gastos de publicidad.
Cuando los gastos de publicidad se incrementan en un dlar se estima que las ventas en el primer periodo tambin
se incrementarn en 1.262 dlares, manteniendo constante las ventas del perodo anterior.
Modelo segundo periodo:
* E(Yt/D2=1;X1, Yt-1)
Yt=231.910+1.262X1+0.115Yt+1.767-1.119X1+0.796Yt-1
Yt=233.677+0.144X1+0.911Yt-1
Interpretacin.-cuando se incrementa en un dlar los gastos de publicidad se estima que las ventas en el segundo
perodo se incrementarn en 0.144 ctvs, manteniendo constante las ventas del perodo anterior.
Cuando se incrementa en un dlar las ventas del perodo anterior se estima que las ventas en el segundo perodo se
incrementarn tambin en 0.911 ctvs, manteniendo constante los gastos de publicidad.
Modelo tercer periodo:
* E(Yt/D3=1; X1, Yt-1)
Yt=231.910+1.262X1+0.115Yt-1+115.830-0.970X1+0.488Yt-1
Yt=347.74+0.293X1+0.603 Yt-1
Interpretacin.- cuando los gastos de publicidad se incrementan en un dlar se estima que las ventas en el tercer
perodo se incrementarn en 0.293 ctvs, manteniendo constante las ventas del perodo anterior.
Cuando las ventas del perodo anterior se incrementan en un dlar se estima que las ventas en el tercer perodo se
incrementarn en 0.603 ctvs, manteniendo constante los gastos de publicidad.
Modelo cuarto periodo:
* E(Yt/D4=1; X1, Yt-1)
Yt=231.910+1.262X1+0.115 Yt-1 -430.718-0.084X1+0.440 Yt-1
Yt=-198.81+1.179X1+0.555 Yt-1
Interpretacin.-cuando los gastos de publicidad se incrementan en un dlar se estima que las ventas en el cuarto
perodo se incrementarn en 1.179 dlares, manteniendo constante las ventas del perodo anterior.
Cuando las ventas del perodo anterior se incrementan en un dlar se estima que las ventas en el cuarto perodo
tambin se incrementarn en 0.555ctvs, manteniendo constante los gastos de publicidad.
CONCLUSION
En conclusin podemos observar que no hay estabilidad estructural, debido a que el intercepto es igual para los
cuatro perodos, pero no ocurre lo mismo con la pendiente porque en dos casos los valores p son menores a , por
lo tanto son significativos, con lo cual confirmamos de que la pendiente no es la misma para los cuatro perodos; en
este caso nos encontramos con son regresiones concurrentes.
ANEXO N.1
Estadsticos Descriptivos
Media
4,9996
Desviacin
tp.
,45223
LNINGRES
7,7055
,63339
26
LNDICOTO
1,2399
1,17061
26
LNAHORRO
N
26
Correlaciones
Correlacin de
Pearson
Sig. (unilateral)
LNAHORRO
1,000
LNINGRES
,937
LNDICOTO
,820
LNINGRES
,937
1,000
,875
LNDICOTO
,820
,875
1,000
,000
,000
,000
LNAHORRO
LNAHORRO
LNINGRES
,000
LNDICOTO
,000
,000
LNAHORRO
26
26
26
LNINGRES
26
26
26
LNDICOTO
26
26
26
Variables introducidas/eliminadas(b)
Modelo
1
Variables
introducidas
Variables
eliminadas
LNDICOTO,
LNINGRES(a)
Mtodo
.
Introducir
a Todas las variables solicitadas introducidas

b Variable dependiente: LNAHORRO
ANOVA(b)
Modelo
1
Suma de
cuadrados
Regresin
Residual
Total
Media
cuadrtica
gl
4,489
2,245
,624
23
,027
5,113
25
a Variables predictoras: (Constante), LNDICOTO, LNINGRES

Sig.
82,795
,000(a)
Estadsticos sobre los residuos(a)
Valor pronosticado
4,2525
5,5844
4,9996
Desviacin
tp.
,42376
Valor pronosticado tip.
-1,763
1,380
,000
1,000
26
Error tpico del valor

pronosticado
,04402
,07814
,05515
,00949
26
Valor pronosticado
corregido
4,2885
5,5942
4,9973
,42227
26
Residuo bruto
-,3018
,3056
,0000
,15793
26
Residuo tip.
-1,833
1,856
,000
,959
26
Residuo estud.
-1,946
2,070
,006
1,033
26
Residuo eliminado
-,3402
,3872
,0023
,18343
26
Residuo eliminado estud.
-2,082
2,244
,017
1,077
26
Dist. de Mahalanobis
,825
4,669
1,923
1,040
26
Distancia de Cook
,001
,415
,056
,093
26
,033
,187
,077
,042
26
Mnimo
Valor de influencia centrado
Mximo
Media
N
26
a Variable dependiente: LNAHORRO
ANEXO N. 2
Estadsticos descriptivos
LNAHORRO
LNINGRES
Media
4,6070
Desviacin
tp.
,35703
7,1186
,36494
N
12
12
Correlaciones
LNAHORRO
LNINGRES
Correlacin de
Pearson
LNAHORRO
1,000
,949
LNINGRES
,949
1,000
Sig. (unilateral)
LNAHORRO
,000
,000
LNAHORRO
12
12
LNINGRES
12
12
LNINGRES
N
ANOVA(b)
Modelo
1
Regresin
Suma de
cuadrados
1,264
Residual
Media
cuadrtica
1,264
10
,014
gl
,138
Sig.
91,387
,000(a)
Total
1,402
11
a Variables predictoras: (Constante), LNINGRES
Coeficientes(a)
Coeficientes
estandarizado
s
Coeficientes no
estandarizados
Modelo
1
B
(Constante
)
LNINGRE
S
Error tp.
-2,005
,692
,929
,097
Intervalo de confianza para

B al 95%
t
Beta
,949
Sig.
Lmite inferior
Lmite
superior
-2,895
,016
-3,548
-,462
9,560
,000
,712
1,145
ANEXO N. 3
LNAHORRO
5,3361
Desviacin
tp.
,14564
LNINGRES
8,2086
,26124
Media
N
14
14
Correlaciones
Correlacin de
Pearson
LNAHORRO
Sig. (unilateral)
LNAHORRO
LNAHORRO
1,000
LNINGRES
,433
,433
1,000
,061
LNINGRES
LNINGRES
,061
LNAHORRO
14
14
LNINGRES
14
14
Modelo
1
Variables
introducidas
LNINGRES(a)
Variables
eliminadas
Mtodo
Introducir

ANOVA(b)
Modelo
1
Regresin
Suma de
cuadrados
,052
Residual
Media
cuadrtica
,052
12
,019
gl
,224
F
2,767
Sig.
,122(a)
Total
,276
13
a Variables predictoras: (Constante), LNINGRES
Coeficientes(a)
Coeficientes
estandarizado
s
Coeficientes no
estandarizados
Modelo
1
B
(Constante
)
LNINGRE
S
Error tp.
3,355
1,191
,241
,145
ANEXO 4
D1
Media
4090,5294
16443,235
3
,41
PIBD
7632,1176
AHORRO
PIB
Desviacin
tp.
810,42883
N
17
2309,72792
17
,507
17
9482,14051
17

B al 95%
t
Beta
,433
Sig.
Lmite inferior
Lmite
superior
2,816
,016
,759
5,951
1,663
,122
-,075
,557
Correlaciones
Correlacin de
Pearson
Sig. (unilateral)
AHORRO
1,000
PIB
,907
D1
,680
PIBD
,752
PIB
,907
1,000
,781
,843
D1
,680
,781
1,000
,992
PIBD
,752
,843
,992
1,000
AHORRO
AHORRO
,000
,001
,000
PIB
,000
,000
,000
D1
,001
,000
,000
PIBD
,000
,000
,000
AHORRO
17
17
17
17
PIB
17
17
17
17
D1
17
17
17
17
PIBD
17
17
17
17
Modelo
1
Variables
introducidas
Variables
eliminadas
PIBD, PIB,
D1(a)
Mtodo
.
Introducir

b Variable dependiente: AHORRO
ANOVA(b)
Suma de
cuadrados
gl
Regresin
8990381,97
3
9
Residual
1518336,25
13
6
Total
10508718,2
16
35
a Variables predictoras: (Constante), PIBD, PIB, D1
b Variable dependiente: AHORRO
Modelo
1
Media
cuadrtica
2996793,99
3
Sig.
25,659
,000(a)
116795,097
Coeficientes(a)
Coeficientes
estandarizado
s
Coeficientes no
estandarizados
Modelo
1
B
(Constante
)
PIB
D1
Error tp.
940,395

B al 95%
t
Beta
1679,370
Sig.
,560
,585
Lmite inferior
-2687,664
Lmite
superior
4568,454
,180
,112
,514
1,613
,131
-,061
,422
-3621,913
2124,196
-2,267
-1,705
,112
-8210,958
967,133
,219
,132
2,567
1,663
,120
-,066
,504
PIBD
a Variable dependiente: AHORRO
ANEXO 5
REGRESION MODELO EN SU CONJUNTO
Modelo
1
Variables
introducidas
Variables
eliminadas
V.ANTER, D3,
D2, GPUBLI,
D4GPUBLI,
D3GPUBLI,
D4,
D2GPUBLI(a)
Mtodo
Introducir
b Variable dependiente: VENTAS
Resumen del modelob

Estadsticos de cambio
Modelo
1
R
R cuadrado
,971a
,942
R cuadrado
corregida
,932
Error tp. de la
estimacin
165,35693
Cambio en
R cuadrado
,942
Cambio en F
91,379
gl1
gl2
8
45
Sig. del
cambio en F
,000
a. Variables predictoras: (Constante), V.ANTER, D3, D2, GPUBLI, D4GPUBLI, D3GPUBLI, D4, D2GPUBLI
b. Variable dependiente: VENTAS
ANOVAb
Modelo
1
Regresin
Residual
Total
Suma de
cuadrados
19988526
1230431,2
21218957
gl
8
45
53
Media
cuadrtica
2498565,8
27342,915
F
91,379
Sig.
,000a
a. Variables predictoras: (Constante), V.ANTER, D3, D2, GPUBLI, D4GPUBLI,

D3GPUBLI, D4, D2GPUBLI
a
Coeficientes
Coeficientes
Coeficientes no estandarizad
estandarizados
os
Modelo
B
1
(Constante
1228,508
GPUBLI
3,241
D2
1567,270
D3
1617,681
D4
1022,594
D2GPUBL -2,560
D3GPUBL -2,918
D4GPUBL -2,077
V.ANTER
,566
Error tp.
766,911
1,395
772,212
761,806
780,103
1,422
1,411
1,433
,064
a.Variable dependiente: VENTAS
Beta
1,915
1,007
1,156
,788
-2,084
-2,390
-1,444
,605
t
-1,602
2,323
2,030
2,123
1,311
-1,800
-2,068
-1,450
8,860
tervalo de confianza pa
Estadsticos de
colinealidad
B al 95%
Correlaciones
Lmite
Sig. Lmite inferiorsuperior Orden cero Parcial SemiparcialTolerancia FIV
,116 -2773,147 316,130
,025
,431
6,052
,839
,327
,083
,002 527,626
,048
11,9553122,585
,372
,290
,073
,005 191,027
,039
83,3263152,037
-,002
,302
,076
,004 229,935
,197 -548,6132593,801
,092
,192
,047
,004 280,268
,079
-5,425
,305
,576
-,259
-,065
,0011040,681
,044
-5,761
-,076
,092
-,295
-,074
,0011036,513
,154
-4,963
,808
,168
-,211
-,052
,001 770,048
,000
,437
,694
,917
,797
,318
,277
3,612
a
Correlaciones de los coeficientes
Modelo
V.ANTER D3
D2
GPUBLID4GPUBLI
D3GPUBLI D4 D2GPUBLI
1
Correlacion V.ANTER 1,000
,180
,243
,201
-,259
-,235
,209
-,267
D3
,180
1,000
,971
,983
-,969
-,991
,955
-,977
D2
,243
,971
1,000
,983
-,973
-,980
,956
-,992
GPUBLI
,201
,983
,983
1,000
-,987
-,996
,966
-,995
D4GPUB -,259
-,969
-,973
-,987
1,000
,985
-,991
,986
D3GPUB -,235
-,991
-,980
-,996
,985
1,000
-,963
,994
D4
,209
,955
,956
,966
-,991
-,963
1,000
-,963
D2GPUB -,267
-,977
-,992
-,995
,986
,994
-,963
1,000
Covarianza V.ANTER ,004
8,739 11,974
,018
-,024
-,021 10,406
-,024
D3
8,739580347,9570990,61044,696-1057,063-1065,325567629,4-1058,276
D2
11,974570990,6596311,41058,909-1075,854-1068,425575891,2-1089,201
GPUBLI
,0181044,6961058,909
1,947
-1,973
-1,9621052,023
-1,975
D4GPUB -,0241057,0631075,854 -1,973
2,052
1,9921107,047
2,009
D3GPUB -,0211065,3251068,425 -1,962
1,992
1,9911060,294
1,994
D4
10,406567629,4575891,21052,023-1107,047-1060,294608560,0-1068,194
D2GPUB -,0241058,2761089,201 -1,975
2,009
1,9941068,194
2,023
a
Diagnsticos de colinealidad
Indice de
Modelo Dimensin
Autovalor condicin(Constante) GPUBLI
1
1
4,756
1,000
,00
,00
2
1,971
1,553
,00
,00
3
1,929
1,570
,00
,00
4
,135
5,928
,00
,00
5
,095
7,076
,00
,00
6
,065
8,521
,00
,00
7
,027 13,284
,00
,00
8
,021 15,079
,00
,00
9
,000 215,458
,99
1,00
D2
,00
,00
,00
,00
,02
,00
,00
,00
,97
Proporciones de la varianza
D3
D4 D2GPUBLID3GPUBLID4GPUBLIV.ANTER
,00
,00
,00
,00
,00
,00
,00
,00
,00
,00
,00
,00
,00
,00
,00
,00
,00
,00
,00
,00
,00
,00
,00
,00
,00
,00
,00
,00
,00
,02
,02
,00
,00
,00
,00
,01
,00
,01
,00
,00
,00
,78
,00
,04
,00
,00
,01
,13
,97
,95
,99
,99
,98
,05
Estadsticos sobre los residuosa
Valor pronosticado
Residuo bruto
Valor pronosticado tip.
Residuo tip.
Mnimo
742,2302
-326,2119
-1,770
-1,973
Mximo
3556,0188
471,5105
2,811
2,851
Media
1829,4815
,0000
,000
,000
Desviacin
tp.
614,11889
152,36693
1,000
,921
a. Variable dependiente: VENTAS
REGRESION MODELO 1
Variables introducidas/eliminadasb
Modelo
1
Variables
introducidas
VAR00016,
a
VAR00015
Variables
eliminadas
Mtodo
.
Introducir
a. Todas las variables solicitadas introducidas

b. Variable dependiente: VAR00014
Resumen del modelo

Modelo
1
R
R cuadrado
,534a
,285
R cuadrado
corregida
-,001
Error tp. de la
estimacin
92,22984
a. Variables predictoras: (Constante), VAR00016, VAR00015
N
54
54
54
54
ANOVAb
Modelo
1
Suma de
cuadrados
16977,781
42531,719
59509,500
Regresin
Residual
Total
gl
2
5
7
Media
cuadrtica
8488,891
8506,344
F
,998
Sig.
,432a

Resumen del modelo

Modelo
1
R
R cuadrado
,534a
,285
R cuadrado
corregida
-,001
Error tp. de la
estimacin
92,22984

Coeficientesa
Modelo
1
Coeficientes no
estandarizados
B
Error tp.
231,910
554,569
1,262
,914
,115
,115
(Constante)
VAR00015
VAR00016
Coeficientes
estandarizad
os
Beta
,626
,456
t
,418
1,382
1,006
Sig.
,693
,226
,361
a. Variable dependiente: VAR00014
REGRESION MODELO 2
Modelo
1
Variables
introducidas
VAR00019,
a
VAR00018
Variables
eliminadas
Mtodo
.
Introducir

Resumen del modelo

Modelo
1
R
R cuadrado
,972a
,945
R cuadrado
corregida
,931
Error tp. de la
estimacin
223,54666

ANOVAb
Modelo
1
Regresin
Residual
Total
Suma de
cuadrados
6852600,0
399784,863
7252384,9
gl
2
8
10
Media
cuadrtica
3426300,0
49973,108
F
68,563
Sig.
,000a

Coeficientesa
Modelo
1
(Constante)
VAR00018
VAR00019
Coeficientes no
estandarizados
B
Error tp.
233,676
199,085
,144
,547
,911
,341
Coeficientes
estandarizad
os
Beta
,087
,887
t
1,174
,263
2,674
Sig.
,274
,799
,028
REGRESION MODELO 4
Modelo
1
Variables
introducidas
VAR00025,
a
VAR00024
Variables
eliminadas
Mtodo
.
Introducir

Resumen del modelo

Modelo
1
R
R cuadrado
,955a
,912
R cuadrado
corregida
,902
Error tp. de la
estimacin
124,55462

ANOVAb
Modelo
1
Regresin
Residual
Total
Suma de
cuadrados
2737847,3
263735,488
3001582,8
gl
2
17
19
Media
cuadrtica
1368923,7
15513,852
F
88,239
Sig.
,000a

Coeficientesa
Modelo
1
(Constante)
VAR00024
VAR00025
Coeficientes no
estandarizados
B
Error tp.
-198,809
160,989
1,179
,218
,555
,104
Coeficientes
estandarizad
os
Beta
,525
,520
t
-1,235
5,398
5,349
Sig.
,234
,000
,000
REGRESION DEL MODELO CON CAMBIOS EN EL INTERCEPTO Y LAS DOS PENDIENTES
Modelo
1
Variables
introducidas
D4VTA.AN,
GPUB, D2,
D3VTA.AN,
VENT.ANT,
D3, D4,
D3GPUB,
D4GPUB,
D2VTA.AN,
a
D2GPUB
Variables
eliminadas
Mtodo
Introducir

ANOVAb
Modelo
1
Regresin
Residual
Total
Suma de
cuadrados
20177634
1041323,3
21218957
gl
11
42
53
Media
cuadrtica
1834330,4
24793,412
F
73,985
Sig.
,000a
a. Variables predictoras: (Constante), D4VTA.AN, GPUB, D2, D3VTA.AN, VENT.ANT,

D3, D4, D3GPUB, D4GPUB, D2VTA.AN, D2GPUB
Resumen del modelo
Modelo
1
Estadsticos de cambio
R cuadradoError tp. de laCambio en
Sig. del
R
R cuadrado corregida estimacin R cuadradoCambio en F gl1
gl2 cambio en F
,975a
,951
,938 157,45924
,951
73,985
11
42
,000
a. Variables predictoras: (Constante), D4VTA.AN, GPUB, D2, D3VTA.AN, VENT.ANT, D3, D4, D3GPUB, D4G
a
Coeficientes
Coeficientes
Coeficientes no estandarizad
estandarizados
os
Modelo
B
1
(Constante231,910
GPUB
1,262
VENT.ANT
,115
D2
1,767
D3
115,830
D4
-430,718
D2GPUB
-1,119
D3GPUB
-,970
D4GPUB
-,084
D2VTA.AN
,796
D3VTA.AN
,488
D4VTA.AN
,440
Error tp.
946,788
1,560
,196
957,116
958,286
968,415
1,607
1,565
1,584
,310
,210
,235
a. Variable dependiente: VENTAS
Beta
,746
,123
,001
,083
-,332
-,911
-,794
-,058
1,155
,721
,672
t
,245
,809
,589
,002
,121
-,445
-,696
-,620
-,053
2,571
2,323
1,869
ntervalo de confianza par

B al 95%
Correlaciones
Lmite
Sig. Lmite inferior superior Orden cero Parcial Semiparcial
,808 -1678,786 2142,605
,423
-1,885
4,410
,839
,124
,028
,559
-,279
,510
,917
,091
,020
,999 -1929,772 1933,305
,372
,000
,000
,904 -1818,069 2049,729
-,002
,019
,004
,659 -2385,058 1523,621
,092
-,068
-,015
,490
-4,361
2,123
,576
-,107
-,024
,539
-4,127
2,188
,092
-,095
-,021
,958
-3,280
3,113
,168
-,008
-,002
,014
,171
1,421
,565
,369
,088
,025
,064
,912
,120
,337
,079
,069
-,035
,915
,165
,277
,064

Dicotomas 9

Încărcat de

Informații document

Drepturi de autor

Formate disponibile

Partajați acest document

Partajați sau inserați document

Opțiuni de partajare

Vi se pare util acest document?

Este necorespunzător acest conținut?

Drepturi de autor:

Formate disponibile

Dicotomas 9

Încărcat de

Drepturi de autor:

Formate disponibile

http://bajalibrosdeeconomia.blogspot.

TRABAJO DE ECONOMETRIA (Dicotomas)

TD t = 2.7491 + 1.1507 Dt 1.5294Vt 0.8511(DtVt )

9.39 In X i - 3.36 [Di (InX i 7 )]

Donde D i =1 si In de X i > 7, y D i = 0 de lo contrario. Nota: cuando In de X i =7, X Us$1097

Ahorro = 940.395 + 0.180 PIB 3621.913D1 + 0.219 PIBD1

(0.245) (0.809) (0.589) (0.002) (0.121) (-0.445) (-0.696)

(0.808) (0.423) (0.559) (0.999) (0.904) (0.659) (0.490)

a Todas las variables solicitadas introducidas

a Variables predictoras: (Constante), LNDICOTO, LNINGRES

Valor pronosticado tip.

Error tpico del valor

Residuo eliminado estud.

Valor de influencia centrado

a Variable dependiente: LNAHORRO

a Variable dependiente: LNAHORRO

Intervalo de confianza para

a Todas las variables solicitadas introducidas

a Variable dependiente: LNAHORRO

Intervalo de confianza para

a Todas las variables solicitadas introducidas

Intervalo de confianza para

a Variable dependiente: AHORRO

a Todas las variables solicitadas introducidas

b Variable dependiente: VENTAS

Resumen del modelob

a. Variables predictoras: (Constante), V.ANTER, D3, D2, GPUBLI, D4GPUBLI,

a.Variable dependiente: VENTAS

a.Variable dependiente: VENTAS

Estadsticos sobre los residuosa

a. Variable dependiente: VENTAS

a. Todas las variables solicitadas introducidas

Resumen del modelo

a. Variables predictoras: (Constante), VAR00016, VAR00015

a. Variables predictoras: (Constante), VAR00016, VAR00015

Resumen del modelo

a. Variables predictoras: (Constante), VAR00016, VAR00015

a. Variable dependiente: VAR00014

a. Todas las variables solicitadas introducidas

Resumen del modelo

a. Variables predictoras: (Constante), VAR00019, VAR00018

a. Variables predictoras: (Constante), VAR00019, VAR00018

a. Variable dependiente: VAR00017

a. Todas las variables solicitadas introducidas

Resumen del modelo

a. Variables predictoras: (Constante), VAR00025, VAR00024

a. Variables predictoras: (Constante), VAR00025, VAR00024

a. Variable dependiente: VAR00023

REGRESION DEL MODELO CON CAMBIOS EN EL INTERCEPTO Y LAS DOS PENDIENTES

a. Todas las variables solicitadas introducidas

a. Variables predictoras: (Constante), D4VTA.AN, GPUB, D2, D3VTA.AN, VENT.ANT,

Resumen del modelo

a. Variable dependiente: VENTAS

ntervalo de confianza par

S-ar putea să vă placă și