Métodos y proyecciones spss

[pic 1]

Universidad de Santiago de Chile

Facultad de Administración y Economía

TALLER N° 1

Métodos Y Modelos de Proyección

Ejercicio N° 1

Se entrega una base de datos con la información recolectada trimestrales sobre el consumo de gasolina durante 15 años consecutivos. A modo de simplificación, tendremos que las variables estarán dadas por:

 Y: Consumo de gasolina en miles de litros.

X1: Precio de la gasolina (US$/M3).

X2: PIB Per Cápita (US$).

X3: Parque de autos (a gasolina).

X4: Parque de taxis (a gasolina).

X5: Parque de motocicletas (a gasolina).

X6: Parque de furgones (a gasolina).

Sobre la base de la información recolectada:

1. Estime un modelo que considere la totalidad de las variables propuestas y comente si el modelo sirve para hacer pronósticos.

2. Pruebe si el PIB Per Cápita, es decir, X3 se puede extraer del modelo.

1. Estime un modelo que considere la totalidad de las variables propuestas y comente si el modelo sirve para hacer pronósticos.

DESARROLLO:        

1.- Se abre la base de dato con SPSS

[pic 2]

2.- Se selecciona la pestaña Analizar > Regresión > Lineales

[pic 3]

3.- Se ingresan las variables:

Dependiente (Y): Consumo de gasolina en miles de litros.

Independientes (X):  Precio de la gasolina (US$/M3), PIB Per Cápita (US$), Parque de autos (a gasolina), Parque de taxis (a gasolina), Parque de motocicletas (a gasolina), Parque de furgones (a gasolina).

Y se selecciona en “Aceptar”

[pic 4]

ANEXOS:

Anexo N°1:  Variables Entradas/ Eliminadas

[pic 5]

Anexo N°2:  Resumen del modelo.

[pic 6]

Anexo N°3:  Anova

[pic 7]

Anexo 4:

[pic 8]

RESPUESTA:

1)        En el Anexo N°2 “Resumen del modelo” tenemos que R cuadrado es de un 0,976. Esto quiere decir que el modelo es capaz de explicar un 97,6% la variabilidad de Y, en otras palabras, de las 6 variables que tenemos se puede explicar un 97,6% el comportamiento del consumo de la gasolina.

2)        En Anexo N°3 “Anova”, al tener el p value (significancia) de 0,000 se rechaza la hipótesis nula, por lo tanto, el modelo es globalmente significativo.

2. Pruebe si el PIB Per Cápita, es decir, X3 se puede extraer del modelo.

DERROLLO:

En este ejercicio mantenemos la misma base de datos en SPSS, quitamos los datos de la regresión ingresada anteriormente y seleccionamos nuevamente Analizar > Regresión> Lineales, y seleccionamos la variable dependiente (Y) y las variables independientes (X) esta vez dejando fuera la variable dependiente PIB per cápita (X2) para comprobar si se puede extraer del modelo.

[pic 9]

Seleccionamos en “Aceptar”

ANEXOS:

Anexo N°1: Variables Entradas / Eliminadas

[pic 10]

Anexo N°2: Resumen del Modelo:

[pic 11]

Anexo N°3: Anova

[pic 12]

Anexo N°4: Coeficientes

[pic 13]

RESPUESTA:

 Como primer punto se apreciar que existe una variación de R cuadrado de la regresión anterior con la variable PIB per cápita, a esta regresión sin la variable PIB per cápita. La primera era de un 0,976 y la segunda de una 0,975 respectivamente. Con respecto al p value no hay variaciones.

Para poder analizar si X2 se puede extraer del modelo debemos aplicar la fórmula de TEST F para hipótesis lineales que es la siguiente:

...