• Author / Uploaded
• yanet

• Categories
• Coeficiente de determinación
• Análisis de regresión
• Regresión lineal
• Investigación cuantitativa
• Métodos matemáticos y cuantitativos (economía)

Citation preview

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  

Pr2899.92  t0.05 / 2 * 448.6815   2  2899.92  t0.05 / 2 * 448.6815  95% Pr2899.92  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  

Pr447.54  t 0.05 / 2 * 54.485   2  4475.54  t 0.05 / 2 * 54.485  95% Pr447.54  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  

Pr5818889.3710  t0.05 / 2 * 900374.8791   2  5818889.3710  t0.05 / 2 * 900374.8791  95% Pr5818889.3710  2.179 * 900374.8791   2  5818889.3710  2.179 * 900374.8791  95% Pr3856972.509   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.