GASTOS UNIVERSITARIOS SEMANALES DE LOS ESTUDIANTES DE LA

FACULTAD DE CIENCIAS ECONOMICAS DE LA UNIVERSIDAD DEL

ATLÁNTICO EN EL PERIODO 2018-1

GUERRA ANAYA MARIELA

ROMERO MARCHENA JADHER DAVID

SARMIENTO FONTALVO DIEGO ANDRÉS

HERMILSON ARDILA

Docente de la asignatura de Econometría

UNIVERSIDAD DEL ATLÁNTICO

FACULTAD DE CIENCAS ECONÓMICAS

PROGRAMA DE ECONOMÍA

BARRANQUILLA 2019.
RESUMEN.

Este proyecto de investigación realiza un análisis de las variables que pueden ser
determinantes en el gasto total de los estudiantes universitarios, tomando como muestra 355
individuos que se encontraron mediante el muestreo aleatorio estratificado simple.
Como objetivo general se presenta el análisis de las variables y analizar el comportamiento
de dichas variantes para la precisión del modelo.
Para cumplir el objetivo del proyecto, se analizó algunos ensayos e investigaciones que
toman una posición y estudio sobre los factores económicos que influyen en los gastos
universitarios, lo que sirvió como base para emprender la investigación.
Se estimará mediante un análisis de covarianza, puesto que se está utilizando variables
cualitativas y cuantitativas, para ser más concretos en la estimación, y gracias a ello,
determinar su relación y la magnitud de ésta.
El proyecto permite analizar el comportamiento de las variables y la significancia de las
mismas en el gasto de un estudiante regular de Ciencias Económicas, apoyándose con
variables como transporte, alimentación, ingreso y papelería, siendo estás variable
cuantitativas en unidades monetarias, y en factores como si es pensionado o no, programa y
semestre, que son características exactas no medibles numéricamente pero que pueden
complementar la estimación.
 INTRODUCCIÓN

La vida estudiantil se puede dividir en dos aspectos fundamentales: el estudio y los gastos
que este conlleva, en este último, el gasto estudiantil es un punto que afecta a los estudiantes
en un determinado tiempo dependiendo de sus facilidades económicas que presenta cada
persona. En este proyecto se procédase a evaluar el gasto total semanal por estudiante
perteneciente a la facultad de ciencias económicas de la Universidad del Atlántico con el
objetivo de analizar las variables influyentes y su comportamiento en el modelo,
implementando en análisis de covarianza para determinar el comportamiento de las variables
que afectan el gasto estudiantil de la facultad. Para realizar la estimación se efectuará un
muestreo aleatorio estratificado simple para determinar el número de personas destinadas a
encuestar y seleccionar la cantidad necesaria de cada programa con el fin de obtener una
estimación más precisa al presentar el modelo.
Este estudio tiene como importancia conocer el gasto y el consumo porque son variables
importantes dentro del ámbito económico ya que estimulan la demanda por medio de la
capacidad adquisitiva con la cual cuentan los estudiantes para satisfacer sus necesidades de
compra de bienes y servicios que contribuyan a un mejor desempeño académico.
Basado en la investigación se pudo encontrar proyectos a fine con la temática del gasto,
analizando así las variables que pueden afectar dicha variable dependiente, siendo el ingreso
una de las variables más tratadas por distintos investigadores, una de ellos María Rojas
licenciada en matemáticas y estadística quien enfoca su estimación en la demanda del
ingreso y el gasto.
En las explicaciones podremos notar la gran influencia de distintas variables frente al gasto
total estudiantil, se podrá observar las relaciones positivas que tienen el ingreso y otras
variables con dicha variable dependiente y también relaciones negativas existentes.
 PLANTEAMIENTO DEL PROBLEMA

El mercado de bienes y servicios está conformado por productos que el consumidor necesita
en algunos o en algún momento de su vida, es por eso que se toma importancia a lo que el
individuo con su ingreso, se dispone a gastar. En este caso, los individuos serán los
estudiantes de la Facultad de Ciencias Económicas de la Universidad del Atlántico.
El gasto de cada estudiante activo dentro de la Universidad del Atlántico es un factor que se
debe tener en cuenta puesto que día a día el estudiante se enfrenta a diversos gastos para
hacer presencia en las clases competentes a su programa dentro de la facultad de ciencias
económicas.
Los factores que pueden incidir a que haya un mayor o menor gasto es la alimentación,
transporte, papelería; programa en el que pertenece y semestre cursando; donde se presenta
que la alimentación que cada estudiante invierte bajo su jornada académica, esta incluye
desayuno, almuerzo, merienda. Por otra parte el transporte teniendo en cuenta que no todos
los estudiantes activos residen cerca de la universidad, el dinero invertido en papelería como
las fotocopias, libros, y todos aquellos útiles que se requieran; también incide si los
estudiantes son pensionados dicho de otro modo, si se encuentran alojados en residencias
situadas alrededor del campus universitario lo cual se genera otro gasto de tal manera que
hay que tener en cuenta el ingreso que posee cada estudiante para cubrir los gatos. De igual
manera el programa al que pertenezca y el semestre que está cursando puede influir en el
número del gasto y sus componentes.
La importancia de notar como impactan los factores más relevantes dentro del gasto es ver
que tanto influyen o no dentro de este, notar como el gasto logra afectar el rendimiento de
los estudiantes, observar que tan elevado es para los diversos estudiantes activos
pertenecientes a los distintos programas notar con que renta o ingreso mínimo deberán contar
para cubrir sus gastos semanales.
Teniendo en cuenta lo anterior se considera necesario el implementar un análisis con el
objetivo de evaluar las variables influyentes dentro del gasto total semanal de los estudiantes,
detallando los efectos que genera el ingreso semanal respecto a los gastos en alimentación,
transporte, papelería, si se encuentran pensionados o no, programa y semestre con el fin de
aportar una visión de la realidad que vive día a día el estudiante.
OBJETIVO GENERAL

 Analizar el gasto semanal de los estudiantes de la Facultad de Ciencias Económicas

de la Universidad del Atlántico utilizando el modelo econométrico Ancova teniendo
en cuenta los efectos de las variables, ingreso, alimentación, transporte, gasto en
papelería, programa y semestre cursado observando si el estudiante se encuentra o no
residiendo a los alrededores de la universidad evaluado en el periodo 2018-2.

OBJETIVOS ESPECÍFICOS

 Analizar los resultados obtenidos para determinar que tanto influye el gasto de los
estudiantes en la universidad respecto al gasto total que se presenta semanal.

 Interpretar económicamente los parámetros y resultados del modelo.

 Determinar por medio del análisis de la covarianza (ancova) las variables que afectan
y son significativas dentro del modelo.
 CRONOGRAMA DE ACTIVIDADES

ACTIVIDAD SEMANAS

1 2 3 4 5

Realizar una encuesta de muestra aleatoria estratificada para los X

distintos programas de la Facultad de ciencias económicas

Recopilar y ordenar los datos obtenidos de la encuesta realizada X

facultad.

Estimar el modelo con los datos y variables determinadas. X

Evaluar y analizar los resultados obtenidos del modelo. X

Sustentación del proyecto. X

 MARCO TEORICO

Se define como “Gasto” a la utilización o consumo de un bien o algún servicio que le genere
alguna satisfacción o para cubrir alguna necesidad del individuo. Muchas veces se ve
modificado por la ley de la oferta y la demanda, por las temporadas (lluvia, verano),
estabilidad de precios y la renta o ingreso. (2006, William A McEachern)
Según la Teoría económica, el gasto o consumo se calcula mediante una función simple que
está conformada por el consumo total, el consumo autónomo, la proporción marginal a
consumir y la renta disponible. (1939, Keynes John Maynard)
Centrándose más en los gastos de la canasta familiar, específicamente mencionando a los
estudiantes universitarios, se pueden identificar muchas variables que en conjunto conforman
al gasto que serían transporte, comida, materiales, arriendo (para los foráneos), transportes y
salidas de ocio. Es importante analizar estas variables pues en la vida del estudiante de
universidad promedio, éstas son las que marcan su dinero a invertir. (2015, Hoyos Juan
Camilo, EL TIEMPO).
Considerándose así las variables que afectan directamente al gasto, el ingreso es una de las
principales puesto que éste es el que genera del consumo o compra de bienes y servicio; de
acuerdo a como sea su nivel, así será el gasto y a su vez el ahorro. Es importante analizar su
comportamiento en relación al gasto total.
La alimentación, siendo una necesidad biológica del ser humano, se convierte también en un
factor a analizar en el gasto total de los universitarios, ya que pasan un tiempo altamente
importante de su día en este recinto y el consumo de estos bienes alimenticios sin duda tiene
un gran efecto en la inversión estudiantil.
Para poder cumplir las obligaciones académicas, se necesita un medio de transporte para
poder movilizarse, siendo un servicio que se recurre casi diariamente para transportarse de
sus residencias a su centro académico. Entonces, bajo la anterior explicación se considera
explicativa la variable transporte en el gasto estudiantes.
Variables como programa, semestre o la condición de ser pensionado o no, son variables
cualitativas que explican alguna condición especifica en el modelo, determinando así que las
condiciones sociales o académicas también pueden afectar.
 ANTECEDENTES

Edwin Oswaldo Gil Mateus, Héctor Fabio Ríos Hernández, Economistas y docentes de la
universidad de la Salle Bogotá y universidad gran Colombia en su artículo “hábitos y
preferencias de consumo. Consumo en estudiantes universitarios”. El objetivo es analizar el
comportamiento del consumo en los estudiantes universitarios mediante el análisis de la
probabilidad mensual del gasto, dependiendo del nivel de ingresos. La investigación está
dirigida a los estudiantes de la Fundación universidad autónoma de Colombia (FUAC),
enfocada en la Facultad de ciencias económicas, administrativas, contables (FACEAC)
utilizando la teoría microeconómica del consumidor el cual se concluye que el ingreso es un
factor fundamental en la elaboración del presupuesto teniendo en cuenta el grupo de bienes
donde se determina que el grupo de bienes de los alimentes es importante para los estudiantes
con ingresos hasta 2 millones de pesos, a diferencia de estudiantes con un ingreso mayor
presentas preferencias hacia los bienes como la vestimenta, restaurantes, hoteles y bienes y
servicios directos.
María Isabel Rojas Triana, licenciada en matemáticas y estadística, docente catedrática de la
universidad pedagógica y tecnológica de Colombia (sede Tunja) en su artículo “Estimación
y análisis de los gastos e ingresos económicos de la población flotante estudiantil
universitaria de pregrado en la ciudad de Tunja, Colombia”. Tiene como objetivo, la
estimación de un modelo de demanda de ingreso y gasto de estudiantes flotantes (personas
no residentes habituales en viviendas que cumplen la condición de haber permanecido por lo
menos 28 días en la vivienda durante el año de referencia) de las universidades más
representadas en la ciudad de Tunja. Analizando el ingreso promedio de los estudiantes
flotantes, y el gasto que generan en alimentación, transporte, gastos académicos, arriendo etc.
Lo cual se concluye que la población flotante es alta con respecto a la población matriculada
en universidades y esto hace que a medida que aumenta la demanda de consumos y bienes,
por ejemplo el alquiler de vivienda, esto aumentaría el ingreso de las familias en Tunja y por
defecto los de la ciudad. También se concluye que el gasto de estudiantes flotantes de bienes
relacionados con el consumo, muestra que el arriendo de vivienda genera un mayor impacto
en el gasto y se toma como un bien de lujo mientras que la alimentación, transporte y apoyos
académicos se toma como bien necesario.
ESTIMACIÓN
En este apartado de la investigación se pasa a estimar el modelo de regresión lineal mediante

los programas eviews y estata, tomando un nivel de error del 5%.

regress gt i a t p d s pr

Source | SS df MS Number of obs = 354

-------------+------------------------------ F( 7, 346) = 110.25
Model | 4.7387e+10 7 6.7696e+09 Prob > F = 0.0000
Residual | 2.1246e+10 346 61404680.7 R-squared = 0.6904
-------------+------------------------------ Adj R-squared = 0.6842
Total | 6.8633e+10 353 194428810 Root MSE = 7836.1

------------------------------------------------------------------------------
gt | Coef. Std. Err. t P>|t| [95% Conf. Interval]
-------------+----------------------------------------------------------------
i | .0710127 .0197018 3.60 0.000 .0322624 .109763
a | 1.032189 .0565388 18.26 0.000 .9209857 1.143392
t | .5641055 .0681357 8.28 0.000 .4300933 .6981177
p | .2490122 .095005 2.62 0.009 .0621522 .4358722
d | -5422.14 2131.996 -2.54 0.011 -9615.444 -1228.836
s | -557.6269 186.5093 -2.99 0.003 -924.4616 -190.7921
pr | -599.8867 389.2346 -1.54 0.124 -1365.45 165.6771
_cons | 17883.75 2365.109 7.56 0.000 13231.95 22535.55

Variable Coefficient Std. Error t-Statistic Prob.

C 17883.75 2365.109 7.561492 0.0000

PR -599.8867 389.2346 -1.541196 0.1242
S -557.6269 186.5093 -2.989807 0.0030
I 0.071013 0.019702 3.604383 0.0004
A 1.032189 0.056539 18.25628 0.0000
T 0.564105 0.068136 8.279152 0.0000
P 0.249012 0.095005 2.621043 0.0092
SER01 -5422.140 2131.996 -2.543222 0.0114

R-squared 0.690442 Mean dependent var 41776.84

Adjusted R-squared 0.684179 S.D. dependent var 13943.77
S.E. of regression 7836.114 Akaike info criterion 20.79321
Sum squared resid 2.12E+10 Schwarz criterion 20.88066
Log likelihood -3672.399 Hannan-Quinn criter. 20.82800
F-statistic 110.2460 Durbin-Watson stat 1.900343
Prob(F-statistic) 0.000000
Realizando la regresión, se puede determinar que la variable programa no afecta

estadísticamente significativa en el gasto universitario de los estudiantes con un valor t de

(0.124), siendo ésta removida del modelo.

Source | SS df MS Number of obs = 354

-------------+------------------------------ F( 6, 347) = 127.72
Model | 4.7241e+10 6 7.8736e+09 Prob > F = 0.0000
Residual | 2.1392e+10 347 61648049.2 R-squared = 0.6883
-------------+------------------------------ Adj R-squared = 0.6829
Total | 6.8633e+10 353 194428810 Root MSE = 7851.6

------------------------------------------------------------------------------
gt | Coef. Std. Err. t P>|t| [95% Conf. Interval]
-------------+----------------------------------------------------------------
i | .0694379 .0197142 3.52 0.000 .0306636 .1082123
a | 1.03728 .056554 18.34 0.000 .9260486 1.148512
t | .570897 .0681276 8.38 0.000 .436902 .7048921
p | .2545973 .0951238 2.68 0.008 .0675055 .4416891
d | -5278.437 2134.173 -2.47 0.014 -9475.98 -1080.894
s | -497.7459 182.7786 -2.72 0.007 -857.2393 -138.2526
_cons | 16067.49 2054.651 7.82 0.000 12026.35 20108.62

Variable Coefficient Std. Error t-Statistic Prob.

C 16067.49 2054.651 7.820056 0.0000

S -497.7459 182.7786 -2.723218 0.0068
I 0.069438 0.019714 3.522230 0.0005
A 1.037280 0.056554 18.34143 0.0000
T 0.570897 0.068128 8.379819 0.0000
P 0.254597 0.095124 2.676483 0.0078
D -5278.437 2134.173 -2.473294 0.0139

R-squared 0.688317 Mean dependent var 41776.84

Adjusted R-squared 0.682927 S.D. dependent var 13943.77
S.E. of regression 7851.627 Akaike info criterion 20.79441
Sum squared resid 2.14E+10 Schwarz criterion 20.87092
Log likelihood -3673.610 Hannan-Quinn criter. 20.82485
F-statistic 127.7183 Durbin-Watson stat 1.888798

Después de remover la variable la variable programa, se puede notar que las demás variables,

siguen siendo significativas para el modelo. El ingreso, teniendo valor p|t| de 0,00,

analizándose así que por cada unidad que aumente ésta, la variable dependiente aumenta en
0.069 unidades. La alimentación también es una variable explicativa en el modelo, con un

valor p|t| de 0,00; por cada unidad que aumente la variable, el gasto total aumenta en 1.03.

El transporte, es una variable importante y explicativa, con un valor p|t| de 0,08 en donde por

cada unidad que aumente, el gasto total aumenta en 0.57 unidades.

La papelería, que también se vio una variable significativa con un valor p|t| de 0,014; en

donde por cada unidad que aumente, el gasto total incrementa en un 0,25 unidades.

Siendo así, se procede a realizar los test de normalidad, heterosedasticidad y auto correlación,
RESIDUALES DEL MODELO.

TEST DE DISTRIBUCIÓN NORMAL.

H0: si el valor p >α; se acepta hipótesis nula. Es decir, hay distribución normal

(No hay problema de distribución).

Ha: si el valor p < α; se acepta la hipótesis alternativa. Es decir, no hay distribución normal

(si hay problema).

. sktest r

Skewness/Kurtosis tests for Normality

------- joint ------
Variable | Obs Pr(Skewness) Pr(Kurtosis) adj chi2(2) Prob>chi2
-------------+---------------------------------------------------------------
r | 354 0.0091 0.0000 51.45 0.0000

Después de realizar los test, se puede observar que el valor p es 0.00, lo que significa que se

acepta la hipótesis alternativa, es decir que hay problemas de normalidad, y los residuales

no se distribuyen como una normal.

TEST DE CORRELACIÓN
H0: si el valor p >α; se acepta hipótesis nula. Es decir, no hay correlación serial,

Ha: si el valor p < α; se acepta la hipótesis alternativa. Es decir, hay problemas de

correlación serial.

. bgodfrey

Number of gaps in sample: 1

Breusch-Godfrey LM test for autocorrelation

---------------------------------------------------------------------------
lags(p) | chi2 df Prob > chi2
-------------+-------------------------------------------------------------
1 | 1.055 1 0.3044
---------------------------------------------------------------------------
H0: no serial correlation

Breusch-Godfrey Serial Correlation LM Test:

F-statistic 3.455029 Prob. F(2,345) 0.0327

Obs*R-squared 6.951096 Prob. Chi-Square(2) 0.0309

Test Equation:
Dependent Variable: RESID
Method: Least Squares
Date: 03/12/19 Time: 23:18
Sample: 1 355
Included observations: 354
Presample and interior missing value lagged residuals set to zero.

Variable Coefficient Std. Error t-Statistic Prob.

C -126.3081 2041.062 -0.061884 0.9507

S 37.36281 182.6289 0.204583 0.8380
I -0.001302 0.019617 -0.066380 0.9471
A -0.006510 0.056214 -0.115812 0.9079
T 0.009465 0.067792 0.139619 0.8890
P -0.044286 0.096325 -0.459751 0.6460
D 858.2633 2144.913 0.400139 0.6893
RESID(-1) 0.064330 0.054345 1.183735 0.2373
RESID(-2) -0.132338 0.054931 -2.409162 0.0165

R-squared 0.019636 Mean dependent var 6.17E-14

Adjusted R-squared -0.003097 S.D. dependent var 7784.613
S.E. of regression 7796.659 Akaike info criterion 20.78587
Sum squared resid 2.10E+10 Schwarz criterion 20.88425
Log likelihood -3670.100 Hannan-Quinn criter. 20.82501
F-statistic 0.863757 Durbin-Watson stat 1.975413
Prob(F-statistic) 0.547349
Analizando los resultados de ambos test, se puede detectar que p >α, teniendo un valor de
0,10 lo que infiere que se acepta la hipótesis nula, es decir que no hay problemas de
correlación serial en este modelo.
TEST DE HETEROSEDASTICIDAD.
H0: varianza homocedastica (constante); si p >α----- se acepta hipótesis nula.

Ha: varianza heterocedastica (variable); si p <α ------ se acepta la hipótesis alternativa.

. hettest

Breusch-Pagan / Cook-Weisberg test for heteroskedasticity

Ho: Constant variance
Variables: fitted values of gt

chi2(1) = 2.81
Prob > chi2 = 0.0939

Heteroskedasticity Test: Breusch-Pagan-Godfrey

F-statistic 1.495517 Prob. F(6,347) 0.1787

Obs*R-squared 8.923368 Prob. Chi-Square(6) 0.1779
Scaled explained SS 38.83915 Prob. Chi-Square(6) 0.0000

Test Equation:
Dependent Variable: RESID^2
Method: Least Squares
Date: 03/12/19 Time: 23:19
Sample: 1 355
Included observations: 354

Variable Coefficient Std. Error t-Statistic Prob.

C -5708414. 47465294 -0.120265 0.9043

S -124146.5 4222440. -0.029402 0.9766
I 589.6154 455.4254 1.294647 0.1963
A 1010.412 1306.475 0.773388 0.4398
T 576.0664 1573.843 0.366025 0.7146
P -14.40829 2197.492 -0.006557 0.9948
D 67099839 49302369 1.360986 0.1744

R-squared 0.025207 Mean dependent var 60429020

Adjusted R-squared 0.008352 S.D. dependent var 1.82E+08
S.E. of regression 1.81E+08 Akaike info criterion 40.88970
Sum squared resid 1.14E+19 Schwarz criterion 40.96621
Log likelihood -7230.477 Hannan-Quinn criter. 40.92014
F-statistic 1.495517 Durbin-Watson stat 1.754743
Prob(F-statistic) 0.178709
 Se acepta la hipótesis nula, por lo tanto, la varianza de los residuales es homoscedastica y los

residuales no tienen problema de heterosedasticidad.

ANALISIS DESCRIPTIVO

ANALISIS DEL INGRESO

sum i

. sum i

Variable | Obs Mean Std. Dev. Min Max

-------------+--------------------------------------------------------
i | 355 62357.75 25295.85 25000 200000
200000
150000
100000

I
50000

0 100 200 300 400

obs

Luego de analizar el comportamiento de la variable i, se puede encontrar que los menores

valores se reducen al los 25.000 y sus cercanos y el mayor dato es de 200.000. Posterior a
crear la gráfica, se observa la base de datos, en el cual corresponde que la mayoría de las
personas que más tienen ingreso se encuentran ubicados en los últimos semestres de sus
 respectivos programas, siendo éste interpretado que los individuos ya se encontrarían en el
mercado laboral.

ANALISIS DE LA ALIMENTACIÓN

sum a

Variable | Obs Mean Std. Dev. Min Max

-------------+--------------------------------------------------------

a | 355 10396.9 6935.291 0 30000

50000
40000
30000

A
20000
10000

0 100 200 300 400

obs

Se procede a analizar el comportamiento de la variable de la alimentación en los estudiantes

universitarios y se puede conocer el menor dato que está en 0 unidades monetarias,
explicándose esto que la mayoría de respuestas que tienen este dato, son de estudiantes que
residen en pensiones, explicadas anteriormente. El dato mayor se encuentra en los 30.000
COP, analizándose esto en los semestres a mitad de la carrera, pues muchas veces los horarios
 exigen que varias comidas del día se cubran allá. Además de esto, el programa de Bienestar
Universitario ofrece almuerzos a un bajo precio para conservar la economía del estudiante.

ANALISIS DEL TRANSPORTE

. sum t

Variable | Obs Mean Std. Dev. Min Max

-------------+--------------------------------------------------------

t | 355 20276.62 9109.394 0 44000

40000
30000
20000

T
10000

0 100 200 300 400

obs

Luego de percibir los movimientos y los resultados que arrojó la variable de transporte, se
encontró que el menor dato es 0 unidades monetarias, indicando esto que un porcentaje de
estudiantes reside cerca de la universidad y no se encuentran en esa necesidad de invertir
parte de su ingreso en el transporte para poder movilizarse. Los mayores datos se encuentran
 de 44.000 COP que se puede interpretar como los estudiantes que residen en los municipios
aledaños y lejanos a la Universidad, que en ocasiones necesitan 4 buses al día para
movilizarse. La ubicación en la cual residen es un gran causante de estas variantes en gastos.

ANALISIS DE LA PAPELERÍA

. sum p

Variable | Obs Mean Std. Dev. Min Max

-------------+--------------------------------------------------------

p | 355 3911.268 4716.079 0 30000

30000
20000

P
10000

0 100 200 300 400

obs

Se puede analizar en las 355 de las muestras, que la variable de papelería no es tan costosa
en términos monetarios, pues su mínima observación está en 0 unidades monetarias,
indicando esto que algunos estudiantes no se vean obligados a consumir este servicio. La
máxima observación es de 15000 COP, que puede ser el costo de algún libro o de un grupo
de impresiones semanales.

ANALISIS DE PROGRAMA

. sum pr

Variable | Obs Mean Std. Dev. Min Max

-------------+--------------------------------------------------------

pr | 355 2.357746 1.096433 1 4

Analizando la variable Programa, los graficos y el análisis del software, muestra las
cantidades de personas encuestadas por programa, siendo 1 Administración, 2 Economía, 3
Contaduría y 4 Turismo
ANALISIS DE RESULTADOS

Modelo estimado:

GT = 16067.4850936 - 497.74590804*S + 0.0694379492388*I + 1.03728029582*A +

0.570897047199*T + 0.25459730147*P - 5278.43732356*D

Después de realizar la estimación y tener la regresión lineal, se analiza que es un modelo

significativo, puesto que al aumentar la variable ingreso en una unidad, lo cual se relacionó
con el gasto total, aumenta este en 0,069 puesto que esta es la tendencia del consumidor: “a
mayor ingreso, mayor gasto”.
La alimentación, también explicativa en el gasto total, si se agrega una unidad adicional, el
gasto total incrementa en 1,03 unidades monetarias, puesto que la alimentación es una
variable de mucho peso en el gasto total.
La forma de movilizarse de los estudiantes, también es un factor importante en el modelo;
por cada unidad extra que se aumente, el gasto total se incrementa en 0,57 unidades
monetarias.
La papelería, siendo un elemento significativo puesto que complementa las clases y es un
material educativo, se analiza que desde que éste sube en una unidad, el gasto total se ve
aumentado en 0,57 unidades monetarias.
Con los resultados que arroja el modelo, se puede determinar que las variables elegidas
pueden confirmar la hipótesis de que al estás moverse de alguna forma, afectan el gasto total,
puesto que están relacionadas.
CONCLUSIÓN

Este trabajo tuvo como objetivo estudiar las variables que influyen en el gasto total de los
estudiantes para el periodo 2018-2, después de ver estadísticamente su significancia por
medio de la estimación realizada por medio del análisis de covarianza.
Se pudo determinar que la variable Ingreso tienen una significancia positiva, puesto que de
ésta depende la compra y utilización de bienes y servicios haciendo que los estudiantes
tengan un nivel de dependencia con este.
El transporte también fue una variable explicativa puesto que se pude analizar que, por cada
aumento en el gasto, el gasto total incrementa en 0,57 unidades monetaria, siendo así un
factor que define el porcentaje del gasto total.
La alimentación, siendo aparte de una variable explicativa en este modelo, una necesidad
básica, de igual manera mostró un alto grado de significancia que es apenas interpretado por
el tiempo que los estudiantes permanecen dentro de la universidad los induce a comprar
alimentación para soportar el día, se vio que, si se aumenta en una unidad, la variable
dependiente aumenta por el incremento de la alimentación.
La variable semestre y la de pensionado o no, también explica mucho la parte del gasto total
puesto que después de analizar la base de datos, los estudiantes de mayor semestre suelen
tener menos gastos universitarios, puesto que ya no están asistiendo a muchas materias y por
eso no están en la universidad como regularmente lo hacían.
De igual manera los estudiantes pensionados, analizados por la base de datos, tienen poco
gasto universitario, específicamente en transporte y alimentación, puesto que, por su cercanía
a la universidad, no se ven en la necesidad de pagar por el servicio de transporte. De igual
manera no se ven en la obligación de comprar alimentos en la Universidad puesto que por su
cercanía a esta, pueden recurrir a su residencia para saciar esa necesidad.
BIBLIOGRAFÍA

 Keynes, John M. (1936) Teoría general del empleo, el interés y el dinero.

 Gil, Edwin O. (2016) Hábitos y preferencias de consumo. consumo en estudiantes
universitarios.
 Rojas, María I. (2011) Estimación y análisis de los gastos e ingresos económicos de
la población flotante estudiantil universitaria de pregrado en la ciudad de Tunja,
Colombia.
 Hoyos, Juan Camilo. (2015). El Tiempo.
ANEXOS

Regresión
Test de normalidad

Test de Heteroscedasticidad

Test de Autocorrelacióm