ECONOMETRÍA GRUPO: SEELE MISIÓN Construir un Modelo Econométrico que mejor explique el comportamiento de la demanda, p
Views 114 Downloads 13 File size 2MB
ECONOMETRÍA GRUPO: SEELE
MISIÓN
Construir un Modelo Econométrico que mejor explique el comportamiento de la demanda, para la Conversión y Mantenimiento de Equipos a GNV,en función al número de vehículo que se transforman a esté carburante como su combustible, con eficiencia, cumpliendo plazos, con personal altamente calificado y con compromiso social para lograr que los propietarios del parque automotor público, privado y estatal cuenten con un combustible eficiente, limpio y con un menor costo de operación.
ECONOMETRÍA GRUPO: SEELE
VISIÓN El modelo econométrico construido en función a la cantidad de vehículos convertidos a GNV, sirva para realizar unas proyecciones y predicciones para fines de control y política. Que permitan a través de recursos humanos potenciados, el mejoramiento continuo de la conversión de vehículos con combustibles líquidos, la recalificación de vehículos a GNV y una eficiente atención al beneficiario.
PROYECCIÓN DE LA DEMANDA DE CONVERSIÓN A (GNV) 1.- INTRODUCCIÓN En Bolivia a lo largo del tiempo el parque automotor creció a un ritmo considerable, este parque automotor está constituido por autos que ingresan de exportación los cuales son de origen americano o asiáticos. Se debe destacar que el 98% de los autos que ingresan a Bolivia son usados y modelos antiguos
ECONOMETRÍA GRUPO: SEELE
por lo que la tecnología que poseen son obsoletas y poca desarrolladas, cabe destacar que prácticamente 1 de cada 5000 autos que ingresan a Bolivia cada año tienen la tecnología hibrida o gas natural vehicular (GNV) y el resto tienen la tecnología a diesel o gasolina. En las ultimas 3 décadas se hicieron mucho estudios sobre el grado de contaminación del aire en las ciudades principales del mundo para lo cualestos estudios concluyeron que el parque automotor con tecnología a gasolina y diesel contribuye en gran porcentaje a este tipo de contaminación. A partir del año 2010 el gobierno de Bolivia a través del ministerio de hidrocarburos empezó el programa de conversión a GNV para poder aprovechar las grandes reservas de gas natural existente en suelo Boliviano y al mismo tiempo también generar e impulsar la industria del gas en Bolivia.
1.1.- ANTECEDENTES El consumo de Gas Natural Vehicular (GNV) en Bolivia se incrementó en los últimos seis años (de 2007 a 2012), debido al aumento de las conversiones de motorizados para que usen este combustible en lugar de la gasolina especial, según la Agencia Nacional de Hidrocarburos (ANH).
ECONOMETRÍA GRUPO: SEELE
Los datos proporcionados, indican que este incremento en el consumo de GNV se debe a la política del cambio de la matriz energética en todo el país que viene ejecutando el Gobierno a través de la Entidad Ejecutora de Conversión a Gas Natural Vehicular (EEC-GNV). En 2000, las conversiones para usar este tipo de combustible llegaron a 1.694 vehículos, en 2012 a 49.218 y al 10 de septiembre de este año a 32.072, entre los ejecutados por la EEC-GNV y las realizadas fuera de la entidad. El director general ejecutivo de la EEC-GNV, Hernán Vega, afirmóque las conversiones a GNV comenzaron en 2000, en talleres privados o clandestinos, recién en 2010 el Gobierno las regularizó porque Yacimientos Petrolíferos Fiscales Bolivianos (YPFB) se hizo cargo de esta tarea. Vega añadió que en 2011 fue dicha entidad la que tomó las riendas. El director general ejecutivo de la EEC-GNV, el propietario de un vehículo a gasolina gasta al año Bs 19.747, en tanto que el dueño de un motorizado convertido a GNV eroga anualmente Bs 9.641. “Esto significa un ahorro de Bs 10.106”. Vega añadió que un litro de gasolina cuesta Bs 3,74, en tanto que un metro cúbico de GNV Bs 1,66. La diferencia o ahorro es de Bs 2,08. La ANH informó que en Bolivia operan un total de 775 estaciones de servicio, de los cuales 207 proveen GNV, 446 combustibles líquidos (diésel y gasolina) y 122 son mixtos. En la ciudad de La Paz, según Vega, el problema de construir surtidores es por la falta de terrenos disponibles. La Nacionalización de Hidrocarburos se crea la Entidad Ejecutora de Conversión a Gas Natural Vehicular EEC-GNV el 20 de octubre de 2010, mediante Decreto Supremo Nº 0675, con la finalidad de Contribuir al Cambio de la Matriz Energética a través de la Ejecución de los Programas de Conversión a GNV y Mantenimiento de Equipos para GNV, y de Recalificación y Reposición de Cilindros de GNV, y administrar los recursos provenientes del Fondo de Conversión Vehicular a GNV – FCVGNV y del Fondo de Recalificación de
ECONOMETRÍA GRUPO: SEELE
Cilindros a GNV – FRCGNV, en el marco de la normativa interna del Ministerio de Hidrocarburos y Energía.
1.2.- JUSTIFICACIÓN Se selecciona la Demanda del GNV como objeto de estudio, debido a la importancia que tiene para el Estado Plurinacional de Bolivia. La importación del GNV atenido un incremento considerable en los últimos 13 años (2000 2013), fue lo que informo la EEC-GNV. 1.3.- PLANTEAMIENTO DEL PROBLEMA Conocer la relación de dependencia de la variable dependiente (demanda de EEC-GNV En el Estado Plurinacional de Bolivia) con respecto a la variable explicativa (consumo de GNV), teniendo como datos observados de los últimos 5 años. Para estimar el consumo del año 2013.
ECONOMETRÍA GRUPO: SEELE
2.- MARCO TEÓRICO Para desarrollar el presente trabajo de investigación deben conocerse los siguientes conceptos básicos: 2.1.- Método De Los Mínimos Cuadrados Ordinarios El Método de los Mininos Cuadrados Ordinarios es por mucho el que más se emplea en el Análisis de Regresión, sobre todo por ser en gran medida más intuitivo y matemáticamente más simple que otros métodos. Él Método de los MCO se atribuye a Carl Friedrich Gauss, un matemático alemán, este método tiene propiedades estadísticas que lo han convertido en uno de los más eficaces y populares del análisis de regresión. Ahora, lo que se busca es determinar la FRM de tal manera que este lo más cerca posible a la observada.
ECONOMETRÍA GRUPO: SEELE
2.2.- Análisis De Regresión Con el análisis de regresión se busca encontrar modelos que a partir de las relaciones causales entre una variable dependiente (la que se supone que es el resultado de la influencia o comportamiento de otras variables) y una o más variables independientes, permitan predecir un resultado conociendo el valor estimado de una variable independiente. 2.3.- Coeficiente De Determinación O Medición De La Bondad Del Ajuste Entonces se dice que r 2 es el porcentaje de variación de la variable dependiente que estaría explicado por la variable independiente en el modelo de regresión lineal. Si todos los puntos observados estuvieran en la línea de regresión, r 2 sería igual a 1. Esto quiere decir que hay un ajuste perfecto.
2.4.- Coeficiente De Correlación O De Pearson El signo del coeficiente de correlación indica el sentido de la relación de la misma manera que la covarianza nos indica con su signo si la variación de las dos variables es en la misma dirección o en sentido contrario. Un valor negativo indica que si la variable independiente aumenta, la dependiente baja y viceversa. Mientras más cercano a 1 esté su valor absoluto, más relación podremos suponer que existe entre las variables. 2.5.- Intervalos De Confianza En el contexto de estimar un parámetro poblacional, un intervalo de confianza es un rango de valores (calculado en una muestra) en el cual se encuentra el verdadero valor del parámetro, con una probabilidad determinada.
Pr ˆ 2 2 ˆ 2 1
ECONOMETRÍA GRUPO: SEELE
El nivel de confianza y la amplitud del intervalo varían conjuntamente, de forma que un intervalo más amplio tendrá más posibilidades de acierto (mayor nivel de confianza), mientras que para un intervalo más pequeño, que ofrece una estimación más precisa, aumentan sus posibilidades de error. Mientras más grande sea el error estándar, más amplio será el intervalo de confianza. Expresado de otra forma, entre más grande sea el error estándar del estimador, mayor será la incertidumbre de estimar el verdadero valor del parámetro desconocido. 2.6.- Modelos de Regresión No Lineales En estadística la regresión lineal o ajuste lineal es un método matemático que modela la relación entre una variable dependiente Y, las variables independientes X, y un término aleatorios.
3.- OBJETIVO GENERAL El objetivo de estos programas es construir al cambio de la matriz energética mediante el reemplazo de combustibles Líquidos por el Gas Natural Vehicular (GNV), como combustible primario del parque automotor público. 3.1.- Objetivo Especifico
Contribuir al Cambio de la Matriz Energética a través de los programas que lleva adelante la EEC-GNV. Ejecutar el Programa de Conversión de Vehículos de Gasolina a GNV del Parque Automotor Nacional. Ejecutar el Programa de Recalificación y Reposición de cilindros para GNV del Parque Automotor Nacional. Ejecutar el Programa Nacional de Transformación de Vehículos de Diesel Oíl a GNV.
ECONOMETRÍA GRUPO: SEELE
4.- HIPÓTESIS La Demanda del Gas Natural Vehicular (GNV), en el Estado Plurinacional de Bolivia pronosticada para el año 2013, en base al crecimiento de las conversiones de los vehículos a gas natural. La demanda del (GNV) tiene una relación directa con el número de conversión de vehículos a GNV, lo cual tendrá una tendencia de crecimiento para el próximo año. 5.- VARIABLES Las variables que influyen en el comportamiento de la Demanda del (GNV) son: aumento del consumo de Gas, y las conversiones de los diferentes tipos de transporte que existen en el Estado Plurinacional de Bolivia.
Variables dependiente Y: demanda de Gas vehicular en Bolivia Variables independiente X: conversiones de los vehículos a GNV 6.- MODELO ECONOMETRICO Modelo Lineal Modelo Semi-logarítmico Log – Log Modelo Semi-logaritmicoLin - Log Ccrecimientode (GNV) del Estado Plurinacional de Bolivia para la gestión 2013 Y= Conversiones de vehículos EEC-GNV X= Conversiones en el año Nº
CONVERSIONES
CONVERSION DE VEHICULOS
ECONOMETRÍA GRUPO: SEELE 1 2 3 4 5 6 7 8 9 10 11 12 13 14
2000 2001 2002 2003 2004 2005 2006 2007 2008 2009 2010 2011 2012 2013
1694 3280 4117 5002 7701 16168 20265 22883 29977 19666 21468 35050 49218 26049
ECONOMETRÍA GRUPO: SEELE
7.- GRAFICO DE DISPERSIÓN 7.1.- Para pronosticar la demanda de (GNV) de Bolivia para la gestión 2013.
60000
CONVERSION DE VEHICULOS
50000
y = 2899.8x - 6E+06 R² = 0.7768
CONVERSIONES
40000 30000
CONVERSION DE VEHICULOS
20000
Linear (CONVERSION DE VEHICULOS )
10000 0 2000 2001 2002 2003 2004 2005 2006 2007 2008 2009 2010 2011 2012 2013 2014 -10000
AÑOS
ECONOMETRÍA GRUPO: SEELE
MODELO LINEAL MODELO DE REGRESIÓN DE DOS VARIABLES: MÍNIMOS CUADRADOS ORDINARIOS (MCO)
Yi
Xi
Yi Xi
Xi2
xi= Xi - Ẋ
yi=Yi - Ȳ
xi2
xiyi
Ŷi
ûi= Yi-Ŷi
Ŷiûi
ûi2
2 2000
3
4
5
6
7
8
9
10
11
12
1
1 1694
3388000
4000000
-6,50
-17058,71 42,25 110881,64
-96,74
1790,74
-173241,58
3206759,98
2
3280
2001
6563280
4004001
-5,50
-15472,71 30,25 85099,93
2803,17
476,83
1336627,11
227363,39
3
4117
2002
8242234
4008004
-4,50
-14635,71 20,25 65860,71
5703,09
-1586,09
-9045614,82
2515681,84
4
5002
2003
10019006
4012009
-3,50
-13750,71 12,25 48127,50
8603,01
-3601,01
-30979483,47
12967248,49
5
7701
2004
15432804
4016016
-2,50
-11051,71 6,25
27629,29 11502,92 -3801,92
-43733228,70
14454619,08
6
16168
2005
32416840
4020025
-1,50
-2584,71
2,25
3877,07
14402,84
1765,16
25423322,61
3115791,38
7
20265
2006
40651590
4024036
-0,50
1512,29
0,25
-756,14
17302,76
2962,24
51254984,51
8774889,26
8
22883
2007
45926181
4028049
0,50
4130,29
0,25
2065,14
20202,67
2680,33
54149778,19
7184155,36
9
29977
2008
60193816
4032064
1,50
11224,29
2,25
16836,43 23102,59
6874,41
158816691,77
47257526,45
10
19666
2009
39508994
4036081
2,50
913,29
6,25
2283,21
26002,51 -6336,51 -164765018,94 40151301,88
11
21468
2010
43150680
4040100
3,50
2715,29
12,25
9503,50
28902,42 -7434,42 -214872801,17 55270630,15
12
35050
2011
70485550
4044121
4,50
16297,29 20,25 73337,79 31802,34
13
49218
2012
99026616
4048144
5,50
30465,29 30,25 167559,07 34702,25 14515,75 503729085,61 210706854,50
14
26049
2013
52436637
4052169
6,50
7296,29
0 0
0,00 0,00
Nº
SUMATORIA PROMEDIO
262538 28091 527442228 56364819 18752,71 2006,5 37674444,9 4026058,5
3247,66
103283231,45
10547305,47
42,25 47425,86 37602,17 -11553,17 -434424332,60 133475770,06 227,5 659731 262538 16,25 47123,64 18752,71
0 0
0 0
549855897,27 39275421,23
ECONOMETRÍA GRUPO: SEELE
2899,92
-5799929,71
6769,15 45821324,77
810898171787,67 201412,42
448,79
900498,85
ECONOMETRÍA GRUPO: SEELE PRUEBA DE HIPÓTESIS Intervalos de Confianza para ˆ
1
Nivel de Confianza= 95%
ee ( ˆ1 ) =900498,85
= 0.5%
t / 2 = 0.05/2 =0.025
ˆ1 = -5799929,71
de l=14-2=12
Pr ˆ1 t / 2 ee ˆ1 1 ˆ t / 2 ee ˆ1 1 Pr 5799929.71 t 0.05 / 2 * 900498.85 1 5799929.71 t 0.05 / 2 * 900498.85 1 0.05
Pr 5799929.71 2.179 * 900498.85 1 5799929.71 2.179 * 900498.85 95% Pr- 7762116.704 1 3837742.716 95%
Amplitud: -11599859.42
Por cada 100 modelos que se realicen el 95% de los modelos, el valor de β1 se encontrara entre-7762116.70≤ β1 ≤ -3837742.716
Intervalo de confianza para 2 al 95% Se plantea que:
H 0 : 2 -5799929,71 H1 : 2 -5799929,71
No es estadísticamente significativa Es estadísticamente significativa
ECONOMETRÍA GRUPO: SEELE
Zona de Aceptación
Los valores de 1 =-5799929.71 que se encuentran dentro de este intervalo son posibles H0 con (100 ) % de confianza. Por lo tanto, no se rechaza H0 si 1 se encuentra en esta región.
-7762116.70
-3837742.716
Conclusión: se acepta la hipótesis nula y se rechaza la alterna, donde cae el estadístico (t) cae en la zona de aceptación por lo tanto 1 no es estadísticamente significativa. Intervalos de Confianza para ˆ 2
=5%
Nivel de confianza= 95%
ee ( ˆ2 ) =448,681497
t / 2 = 0.05/2 =0.025
ˆ 2 =2899,92
de l=14-2=12
Pr ˆ2 t / 2ee ˆ2 2 ˆ2 t / 2ee ˆ2 1
Pr2899.92 t0.05 / 2 * 448.6815 2 2899.92 t0.05 / 2 * 448.6815 95% Pr2899.92 2.179 * 448.6815 2 2899.92 2.179 * 448.6815 95%
Amplitud: 1955.35368
Por cada 100 modelos que se realicen el 95% de los modelos, el valor de β2se encontrara entre1922.13301 ≤ β2 ≤ 3877.48699
ECONOMETRÍA GRUPO: SEELE
Intervalo de confianza para 2 al 95% Se plantea que:
H 0 : 2 448.681497 No es estadísticamente significativo H1 : 2 448.681497 Es estadísticamente significativo
Zona de Aceptación
Los valores de 2 =448.6815 que se encuentran dentro de este intervalo son posibles H0 con (100- ) % de confianza. Por lo tanto, no se rechaza H0 si 2 se encuentra en esta región.
1922.13301
3877.48699
Conclusión: se acepta la hipótesis nula y se rechaza la alterna, donde el estadístico (t) cae en la zona de aceptación por lo tanto 2 no es estadísticamente significativa.
ECONOMETRÍA GRUPO: SEELE
Estadísticas de la regresión Coeficiente de
0,881377409
correlación múltiple Coeficiente de
0,776826138
determinación R^2 R^2 ajustado
0,758228316
Error típico
6767,509286
Observaciones
14
Colunma1
Columna2
Columna3
Columna4
Columna5
Columna6
Grados de
Suma de
Promedio de los
F
Valor crítico de F
libertad
cuadrados
cuadrados
Regresión
1
1913019809
1913019809
41,76973753
3,1007E-05
Residuos
12
549590183,2
45799181,93
Total
13
2462609992
Coeficientes
Error típico
Columna7
Columna8
Columna9
Superior 95%
Inferior
Superior
95,0%
95,0%
ANÁLISIS DE VARIANZA
Estadístico t
Probabilidad
Inferior 95%
Intercepción
-5799712,787
900281,2399
-6,442112231
3,19732E-05
-7761257,1
-3838168,47
-7761257,1
-3838168,47
Variable X 1
2899,806593
448,6814966
6,462951147
3,1007E-05
1922,21359
3877,39959
1922,21359
3877,39959
MODELO SEMILOGARÍTMICO LOG – LOG Crecimiento de (GNV) del Estado Plurinacional de Bolivia para la gestión 2013
ECONOMETRÍA GRUPO: SEELE Y= Demanda de Gas ln Yt
t= tiempo expresado en años
1
2
t
MODELO DE REGRESIÓN DE DOSVARIABLES: MÍNIMOS CUADRADOS ORDINARIOS (MCO)
Yi
Xi
Yi Xi
Xi2
xi= Xi - Ẋ
yi=Yi - Ȳ
xi2
xiyi
Ŷi
ûi= Yi-Ŷi
Ŷiûi
ûi2
2 7,601
3
4
5
6
7
8
9
10
11
12
1
1 7,435
56,512
57,774
-0,003
-2,03
0,000
0,01
8,02
-0,58
-4,68
0,34
2
8,096
7,601
61,538
57,781
-0,003
-1,37
0,000
0,00
8,24
-0,15
-1,21
0,02
3
8,323
7,602
63,270
57,789
-0,002
-1,15
0,000
0,00
8,47
-0,14
-1,21
0,02
4
8,518
7,602
64,754
57,797
-0,002
-0,95
0,000
0,00
8,69
-0,17
-1,49
0,03
5
8,949
7,603
68,039
57,804
-0,001
-0,52
0,000
0,00
8,91
0,04
0,33
0,00
6
9,691
7,603
73,683
57,812
-0,001
0,22
0,000
0,00
9,14
0,56
5,07
0,31
7
9,917
7,604
75,405
57,819
0,000
0,45
0,000
0,00
9,36
0,56
5,22
0,31
8
10,038
7,604
76,334
57,827
0,000
0,57
0,000
0,00
9,58
0,46
4,37
0,21
9
10,308
7,605
78,393
57,834
0,001
0,84
0,000
0,00
9,80
0,50
4,94
0,25
10
9,887
7,605
75,192
57,842
0,001
0,42
0,000
0,00
10,03
-0,14
-1,41
0,02
11
9,974
7,606
75,864
57,850
0,002
0,50
0,000
0,00
10,25
-0,28
-2,83
0,08
12
10,465
7,606
79,597
57,857
0,002
1,00
0,000
0,00
10,47
-0,01
-0,09
0,00
13
10,804
7,607
82,185
57,865
0,003
1,33
0,000
0,00
10,70
0,11
1,16
0,01
14
10,168
7,607
77,350
57,872
0,003
0,70
0,000
0,00
10,92
-0,75
-8,19
0,56
0
0,00
0,000
0,025
132,571
0
0,0
2,16
0
0,00
0,00
0,00
9,47
0
0,0
0,1546
Nº
SUMATORIA PROMEDIO
132,571 106,458 1008,115 809,522 9,469
7,604
72,008
57,823
ECONOMETRÍA GRUPO: SEELE
447,54
-3393,675
0,4246827 0,18035543
1,846E+05 3191,71213
56,4952399
429,59802
ECONOMETRÍA GRUPO: SEELE PRUEBA DE HIPÓTESIS Intervalos de Confianza para ˆ
1
Nivel de Confianza= 95%
ee ( ˆ1 ) = 429.598
= 0.5%
t / 2 = 0.05/2 =0.025
ˆ1 = -3393.675
de l=14-2=12
Pr ˆ1 t / 2 ee ˆ1 1 ˆ t / 2 ee ˆ1 1 Pr 3393.675 t 0.05 / 2 * 429.598 1 3393.675 t 0.05 / 2 * 429.598 95%
Pr 3393.675 2.179 * 900498.85 1 3393.675 2.179 * 900498.85 95%
Pr- 4329.769 1 2457.581 95%
Amplitud: -6787.35 Por cada 100 modelos que se realicen el 95% de los modelos, el valor de β1se encontraran entre - 4329.769 ≤ β1 ≤ - 2457.581 Intervalo de confianza para 1 al 95% Se plantea que
H 0 : 1 3393.675 1 no es estadísticamente significativa H1 : 1 3393.675 1 Es estadísticamente significativa
ECONOMETRÍA GRUPO: SEELE
Zona de Aceptación
Los valores de 1 =-3393.675 que se encuentran dentro de este intervalo son posibles H0 con (100- ) % de confianza. Por lo tanto, no se rechaza H0 si 1 se encuentra en esta región.
-4329.769
-2457.581
Conclusión: se acepta la hipótesis nula y se rechaza la alterna, donde cae el estadístico (t) cae en la zona de aceptación por lo tanto 1 no es estadísticamente significativa. Intervalos de Confianza para ˆ 2 Nivel de confianza= 95% ee ( ˆ2 ) = 54.485
=5%
t / 2 = 0.05/2 =0.025
ˆ 2 = 447.54
de l=14-2=12
Pr ˆ2 t / 2ee ˆ2 2 ˆ2 t / 2ee ˆ2 1
Pr447.54 t 0.05 / 2 * 54.485 2 4475.54 t 0.05 / 2 * 54.485 95% Pr447.54 2.179 * 54.485 2 447.54 2.179 * 54.485 95% Pr 324.4369 2 570.642605 95%
Amplitud: 246.205705
ECONOMETRÍA GRUPO: SEELE
Por cada 100 modelos que se realicen el 95% de los modelos, el valor de β 2 se encontrara entre324.4369 ≤ β2 ≤ 570.642605
Intervalo de confianza para 2 al 95% Se plantea que H 0 : 2 447.675 2 no es estadísticamente significativa H1 : 2 447.675 2 Es estadísticamente significativa
Zona de Aceptación Los valores de 2 =447.675 que se encuentran dentro de este intervalo son posibles H0 con (100- ) % de confianza. Por lo tanto, no se rechaza H0 si 2 se encuentra en esta región.
324.4369
570.6420 5
ECONOMETRÍA GRUPO: SEELE
RESUMEN Estadísticas de la regresión
Columna1
Coeficiente de correlación múltiple
0,916226991
Coeficiente de determinación R^2 R^2 ajustado
0,8394719 0,826094558
Error típico
0,42468274
Observaciones
14
ANÁLISIS DE VARIANZA
Columna1
Columna2
Grados de libertad Regresión Residuos Total
Columna1 Intercepción LN
Suma de cuadrados
Columna3 Promedio de los cuadrados
1 11,31789251 12 2,164265154 13 13,48215766
Coeficientes Error típico -3393,67544 429,5980205 447,5381155 56,49523987
Columna4
Estadístico t -7,899653346 7,921695997
11,31789251 0,180355429
Probabilidad 4,27756E-06 4,15764E-06
F
Columna5 Valor crítico de F
62,75326747
Inferior 95% -4329,689118 324,4455621
4,15764E-06
Superior 95% -2457,661761 570,6306689
Inferior 95,0% -4329,689118 324,4455621
Superior 95,0% -2457,661761 570,6306689
ECONOMETRÍA GRUPO: SEELE
MODELO LIN - LOG MODELO DE REGRESIÓN DE DOSVARIABLES: MÍNIMOS CUADRADOS ORDINARIOS (MCO) YI= β1 + β2*InXi + ui Yi Xi
Xi2
xi= Xi - Ẋ
yi=Yi - Ȳ
xi2
xiyi
Ŷi
ûi= Yi-Ŷi
Ŷiûi
ûi2
3
4
5
6
7
8
9
10
11
12
12875,929
57,774
-0,003
-17058,71
0,000
55,32
-116,27
1810,27
-210476,96
3277071,59
24932,600
57,781
-0,003
-15472,71
0,000
42,44
2792,45
487,55
1361460,86
237705,79
7,602
31297,030
57,789
-0,002
-14635,71
0,000
32,83
5699,71
-1582,71
-9021013,42
2504981,99
5002
7,602
38027,211
57,797
-0,002
-13750,71
0,000
23,98
8605,53
-3603,53
-31010236,31
12985399,41
5
7701
7,603
58549,936
57,804
-0,001
-11051,71
0,000
13,76
11509,89
-3808,89
-43839875,53
14507628,42
6
16168
7,603
122931,761
57,812
-0,001
-2584,71
0,000
1,93
14412,80
1755,20
25297330,45
3080722,57
7
20265
7,604
154092,992
57,819
0,000
1512,29
0,000
-0,37
17314,27
2950,73
51089779,19
8706825,31
8
22883
7,604
174011,402
57,827
0,000
4130,29
0,000
1,04
20214,29
2668,71
53946136,30
7122030,84
9
29977
7,605
227971,922
57,834
0,001
11224,29
0,000
8,41
23112,86
6864,14
158649878,27
47116393,80
10
19666
7,605
149567,646
57,842
0,001
913,29
0,000
1,14
26009,99
-6343,99
-165007235,95
40246255,98
11
21468
7,606
163283,247
57,850
0,002
2715,29
0,000
4,74
28905,68
-7437,68
-214991340,14
55319141,95
12
35050
7,606
266603,878
57,857
0,002
16297,29
0,000
36,54
31799,93
3250,07
103351888,76
10562930,02
13
49218
7,607
374395,643
57,865
0,003
30465,29
0,000
83,46
34692,74
14525,26
503920969,28
210983034,98
14
26049
7,607
198164,679
57,872
0,003
7296,29
0,000
23,61
37584,12 -11535,12 -433537264,81 133058960,78
262538,000 106,458 1996705,876 809,522
0
0,00
0,000
18752,714
0
0,00
0,00
Yi
Xi
Y
Log(X)
1
1 1694
2 7,601
2
3280
7,601
3
4117
4
Nº
SUMATORIA PROMEDIO
7,604
142621,848
57,823
328,810 262538,00 23,49
18752,71
0
0,0
549709083,43
0
0,0
39264934,5310
ECONOMETRÍA GRUPO: SEELE
5818889,37
-44228926,8
6768,241299 45809090,29
4,688E+13 8,10674E+11
900374,2791
6846576,966
ECONOMETRÍA GRUPO: SEELE PRUEBA DE HIPÓTESIS Intervalos de Confianza para ˆ
1
Nivel de Confianza= 95%
= 0.5%
ee ( ˆ1 ) = 6846576.96610083
t / 2 = 0.05/2 =0.025
ˆ1 = -44228926.8002519
de l=14-2=12
Pr ˆ1 t / 2 ee ˆ1 1 ˆ t / 2 ee ˆ1 1
Pr 44228926.8002519 t 0.05 / 2 * 6846576.96610083 1 44228926.8002519 t 0.05 / 2 * 6846576.96610083 95%
Pr [-44228926.8002519-2.178*6846576.96610083 ≤ ≤ -44228926.8002519-2.179*6846576.96610083]= 95%
Pr- 59147618.00938560 1 -29310235.59111820 95%
Amplitud: -88457853.6
Por cada 100 modelos que se realicen el 95% de los modelos, el valor de β1se encontraran entre-59147618.00938560 ≤ β1 ≤ -29310235.59111820 Intervalo de confianza para 2 al 95% Se plantea que H 0 : 2 44228926.8002519 no estadísticamente significativa
H1 : 2 44228926.8002519 Es estadísticamente significativa
ECONOMETRÍA GRUPO: SEELE
Zona de Aceptación
Los valores de 1 =-44228926.80 que se encuentran dentro de este intervalo son posibles H0 con (100- ) % de confianza. Por lo tanto, no se rechaza H0 si 1 se encuentra en esta región.
-29310235.59111820
-59147618.00938560
Conclusión: se acepta la hipótesis nula y se rechaza la alterna, donde el estadístico (t) cae en la zona de aceptación por lo tanto 2 no es estadísticamente significativa. Intervalos de Confianza para ˆ 2
=5%
Nivel de confianza= 95%
ee ( ˆ2 ) = 900374.87911350
ˆ 2 =5818889.37100512
t / 2 = 0.05/2 =0.025 de l=14-2=12
Pr ˆ2 t / 2ee ˆ2 2 ˆ2 t / 2ee ˆ2 1
Pr5818889.3710 t0.05 / 2 * 900374.8791 2 5818889.3710 t0.05 / 2 * 900374.8791 95% Pr5818889.3710 2.179 * 900374.8791 2 5818889.3710 2.179 * 900374.8791 95% Pr3856972.509 2 7780806.233 95% Amplitud: 11637778.74 Por cada 100 modelos que se realicen el 95% de los modelos, el valor de β2 se encontraran entre 3856972.509 ≤ β2 ≤ 7780806.233
ECONOMETRÍA GRUPO: SEELE Intervalo de confianza para 2 al 95% Se plantea que H 0 : 2 900374.87911350
H1 : 2 900374.87911350
Zona de Aceptación
Los valores de 2 =900374.87911350 que se encuentran dentro de este intervalo son posibles H0 con (100- ) % de confianza. Por lo tanto, no se rechaza H0 si 2 se encuentra en esta región.
3856972.509
7780806.233
ECONOMETRÍA GRUPO: SEELE
Estadísticas de la regresión
Columna1
Coeficiente de correlación múltiple
0,881371135
Coeficiente de determinación R^2
0,776815078
R^2 ajustado Error típico Observaciones
0,758216334 6768,241299 14
ANÁLISIS DE VARIANZA
Columna1 Grados de libertad
Regresión Residuos Total
1 12 13
Columna2 Suma de cuadrados 1913311615 549709083,4 2463020699
Columna3 Promedio de los cuadrados 1913311615 45809090,29
Columna4
Columna5
F
Valor crítico de F
41,76707294
3,10164E-05
Columna1
Coeficientes
Error típico
Estadístico t
Probabilidad
Inferior 95%
Superior 95%
Intercepción Variable X 1
-44228926,8 5818889,371
6846576,966 900374,2791
-6,460005784 6,462745001
0,00 0,00
-59146336,53 3857142,34
-29311517,07 7780636,402
Inferior Superior 95,0% 95,0% -59146336,53 -29311517,07 3857142,34 7780636,402
ECONOMETRÍA GRUPO: SEELE
5818889,371005
-44228926,800252
6768,241299 45809090,29
4,688E+13 8,10674E+11
900374,2791
6846576,966
ECONOMETRÍA GRUPO: SEELE
ECONOMETRÍA GRUPO: SEELE
Modelo lineal
60000
CONVERSION DE VEHICULOS y = 2899.8x - 6E+06 R² = 0.7768
50000
Axis Title
40000
30000
CONVERSION DE VEHICULOS
20000 10000
0 2000 2001 2002 2003 2004 2005 2006 2007 2008 2009 2010 2011 2012 2013 2014 AÑOS -10000
CONVERSION DE VEHICULOS 60000 50000
y = 2899.8x - 2999.4 R² = 0.7768
40000 30000
CONVERSION DE VEHICULOS
20000
Linear (CONVERSION DE VEHICULOS )
10000 0 2000 2001 2002 2003 2004 2005 2006 2007 2008 2009 2010 2011 2012 2013 -10000
ECONOMETRÍA GRUPO: SEELE
Modelo Semi-Logaritmico Log-Log
conversiones de vehiculos 11.56 10.56 9.56 8.56 7.56 6.56 5.56 4.56 3.56 2.56 1.56 0.56 -0.44 7.600
conversiones de vehiculos
7.602
7.604
7.606
7.608
conversiones de vehiculos 11.56 10.56 9.56 8.56 7.56 6.56 5.56 4.56 3.56 2.56 1.56 0.56 -0.44
conversiones de vehiculos
ECONOMETRÍA GRUPO: SEELE
2 : 0.3 ZONA DE NORECHAZ O
ZONA DE RECHAZO
11.7467 ZONA DE RECHAZO
-17.8245
Modelo Semi-LogaritmicaLin-Log
60000 50000
conceversiones de vehiculos y = 2899.9x - 2996.7 R² = 0.7768
40000 30000
conceversiones de vehiculos
20000 10000 0 -10000
Linear (conceversiones de vehiculos)
ECONOMETRÍA GRUPO: SEELE
2 : 0.3
ZONA DE NORECHAZ O
ZONA DE RECHAZO
-17.8245
ZONA DE RECHAZO
11.7467
ECONOMETRÍA GRUPO: SEELE
AGRADECIMIENTO Estimado Lic. David Valverde. Me dirijo hacia Ud. Para manifestarle nuestro agradecimiento por toda la enseñanza que nos brindó durante el semestre que será muy útil en nuestra vida profesional, agracias a su apoyo pudimos elaborar el trabajo para diseñar un modelo econométrico y realizar proyecciones. También le damos el agradecimiento al Sr. Manuel Acabey Meir por brindarnos con la información de las conversiones que existen en Bolivia a Gas Natural Vehicular, ya que con su apoyo pudimos hacer el trabajo. Muchísimas gracias a los dos por apoyarnos como se dice con un granito de arena les damos las gracias de todo corazón deseándole existo en su vida laboral que Dios los bendiga y los guie siempre.