Este documento describe técnicas básicas de estimación como la regresión lineal simple y la estimación de curvas de demanda. Explica cómo usar el método de mínimos cuadrados ordinarios para estimar parámetros en un modelo de regresión lineal simple y evaluar su significancia estadística mediante pruebas t y F. También muestra cómo usar estas técnicas para proyectar ventas futuras sobre la base de una tendencia lineal observada. Por último, describe cómo estimar funciones de demanda empíricas usando variables como precio, ingreso
Copyright:
Attribution Non-Commercial (BY-NC)
Formatos disponibles
Descargue como PDF, TXT o lea en línea desde Scribd
0 calificaciones0% encontró este documento útil (0 votos)
2K vistas17 páginas
Este documento describe técnicas básicas de estimación como la regresión lineal simple y la estimación de curvas de demanda. Explica cómo usar el método de mínimos cuadrados ordinarios para estimar parámetros en un modelo de regresión lineal simple y evaluar su significancia estadística mediante pruebas t y F. También muestra cómo usar estas técnicas para proyectar ventas futuras sobre la base de una tendencia lineal observada. Por último, describe cómo estimar funciones de demanda empíricas usando variables como precio, ingreso
Este documento describe técnicas básicas de estimación como la regresión lineal simple y la estimación de curvas de demanda. Explica cómo usar el método de mínimos cuadrados ordinarios para estimar parámetros en un modelo de regresión lineal simple y evaluar su significancia estadística mediante pruebas t y F. También muestra cómo usar estas técnicas para proyectar ventas futuras sobre la base de una tendencia lineal observada. Por último, describe cómo estimar funciones de demanda empíricas usando variables como precio, ingreso
Copyright:
Attribution Non-Commercial (BY-NC)
Formatos disponibles
Descargue como PDF, TXT o lea en línea desde Scribd
Descargar como pdf o txt
0 calificaciones0% encontró este documento útil (0 votos)
Este documento describe técnicas básicas de estimación como la regresión lineal simple y la estimación de curvas de demanda. Explica cómo usar el método de mínimos cuadrados ordinarios para estimar parámetros en un modelo de regresión lineal simple y evaluar su significancia estadística mediante pruebas t y F. También muestra cómo usar estas técnicas para proyectar ventas futuras sobre la base de una tendencia lineal observada. Por último, describe cómo estimar funciones de demanda empíricas usando variables como precio, ingreso
Copyright:
Attribution Non-Commercial (BY-NC)
Formatos disponibles
Descargue como PDF, TXT o lea en línea desde Scribd
Descargar como pdf o txt
Está en la página 1/ 17
I-TÉCNICA BÁSICA DE ESTIMACIÓN
1-REGRESIÓN LINEAL SIMPLE
En este tipo de análisis se establece un modelo donde se relaciona a una variable
dependiente Y con una variable(s) independiente (s) (o explicativa(s)) X
Donde: a es el intercepto, cuando X=0, Y=a ; b es el parámetro de la pendiente que
indica el cambio de Y ante cambios en una unidad de X
Método de Mínimo Cuadrados Ordinarios
Los parámetros estimados son encontrados escogiendo los valores de a y b que
minimicen las suma de los residuos al cuadrado. El residuo es la diferencia entre el real valor y el valor estimado de Y.
La regresión de la muestra es un estimado de la verdadera línea de regresión
̂ ̂ ̂
Los valores estimados no necesariamente coinciden con los verdaderos valores a y b
porque los estimados son obtenidos de una muestra aleatoria. Se espera tener estimadores insesgados. Un estimador es insesgado si el valor esperado del estimado es igual al verdadero valor.
Material preparado por César Sobrino para la clase de ECON 519-MBA-Universidad del 1 Turabo. EJEMPLO S
En este caso tenemos dos variables ventas y publicidad, y lo que se quiere hacer es ver si la publicidad afecta positivamente a las ventas y si este resultado es estadísticamente significativo.
Material preparado por César Sobrino para la clase de ECON 519-MBA-Universidad del 2 Turabo. OUTPUT DEPENDENT VARIABLE S R SQUARE F P-VALUE ON F OBSERVATIONS 7 0.7652 16.30 0.0100
Interpretación El estimado es igual 4.97. Este valor es positivo el cual está acorde con la predicción hecha. La publicidad afecta positivamente a las ventas.
2-SIGNIFICANCIA ESTADISTICA Se requiere para determinar si hay suficiente evidencia para determinar una relación entre Y y X, es decir, si b≠0. Se puede utilizar un t-test y el p-value
Primero se debe establecer el nivel de significancia estadística que la probabilidad de
cometer el error de Tipo I que indica que se rechaza la hipótesis nula (b=0) siendo esta verdadera
1-Nivel de significancia = Nivel de confianza
2.1. T-test ̂ Computado de la siguiente manera
Siendo SE el error estándar de ̂
Este valor se compara con un valor crítico de t que se encuentra en tabla t. Este valor crítico se obtiene fijando el nivel de confianza y los grados de libertad que se obtiene de diferenciar el número de observaciones del número de parámetros estimados.
̂ | | b es estadísticamente significativo? En general si t es mayor a 2, si lo es.
2.2. P-VALUE El paramento estimado es estadísticamente diferente de cero si p-value<0.001 (significancia al 0.1% o nivel de confianza al 99.9%) p-value<0.010 (significancia al 1% o nivel de confianza 99%) p-value<0.050 (significancia al 5% o nivel de confianza al 95%) p-value<0.100 (significancia al 10% o nivel de significancia al 90%)
Material preparado por César Sobrino para la clase de ECON 519-MBA-Universidad del 3 Turabo. El parámetro estimado no estadísticamente diferente de cero para p-value>0.100
En el ejemplo, b es estadísticamente diferente de cero? Si porque el valor de P-value es
0.0100. Se puede aseverar que este estimado es estadísticamente significativo al 1%.
2.3. Coeficiente de determinación (R-squared)
Indica el porcentaje total de variación de la variable dependiente explicada por la regresión. El valor de este coeficiente esta entre cero (0%) y uno (100%).
En el ejemplo, el R-quare este modelo explica 76.5% de las variaciones de las ventas
2.4 F-test Usado para testear a significancia de toda la regresión. Al igual que el t-test, el F encontrado se compara con un F de tablas.
En ejemplo, el modelo es significante porque, en general si F es mayor a 4, si lo es.
PROYECCIONES-tendencia
Se asume (viendo la data) que la variable dependiente está linealmente relacionada con el tiempo. Siguiendo esta forma
Donde t indica tiempo (años, trimestres, meses, días, etc.)
70000
60000
50000
40000 Ventas
30000 S Linear (S) 20000
10000
0 2000 2002 2004 2006 2008 años
Material preparado por César Sobrino para la clase de ECON 519-MBA-Universidad del 4 Turabo. Usando la data de ventas tenemos el siguiente output
OUTPUT DEPENDENT VARIABLE S R SQUARE F P-VALUE ON F OBSERVATIONS 7 0.7848 18.232 0.007939
Proyección de las ventas, a=13,561,429 y b=6785.71
= $64,285.71
$71,071.43
$77,857.14
Material preparado por César Sobrino para la clase de ECON 519-MBA-Universidad del 5 Turabo. II-ESTIMACION DE LA DEMANDA
FUNCIONES DE DEMANDA EMPIRICA
Ecuaciones de demanda derivadas de la actual data del mercado
1- Función de demanda lineal para el bien X
Qd a b * P c * M d * PY
Donde Qd = cantidad demandada del bien X, P= precio del bien X, M= ingreso del consumidor, PY= precio del bien relacionado Y.
En la forma lineal Qd • b P Qd • c M Qd • d PY
Donde ∆K indica la variación de la variable K
Signos esperados para b, c y d
b se espera que sea negativo
c es positivo por un bien normal; negativo para bienes inferiores d es positivo para sustitutos; negativo para complementarios
En esta forma funcional, las elasticidades computadas de la siguiente manera
Qd P P E * b * ~ elasticidad precio de la demanda P Qd Qd Qd M M EM * c* ~ elasticidad ingreso M Qd Qd Qd PY P E XY * d * Y ~ elasticidad precio cruzada entre los bienes X e Y PY Qd Qd
Material preparado por César Sobrino para la clase de ECON 519-MBA-Universidad del 6 Turabo. CASO “PIZZAS ITALAS”
El negocio de “Pizzas Italas” es una empresa fijadora de precios y lo contrata a Ud. para que estime su curva de demanda Ud. usa una forma funcional lineal para estimar su curva de demanda. Se estima la siguiente curva de demanda:
Qd a b * P c * M d * PY 1 e * PY 2
donde Qd = cantidad demandada de pizzas, P = precio del producto, M = nivel de
ingreso, y PY1= precio por unidad en “Pizzas Alfredo”; y, PY2= precio de un “Big Mac”
1) Usando Excel (Data Anlysis-regression) muestre los estimados en un cuadro.
2) Indique la significancia estadística de los parámetros b, c, d y e. (Hint: utilice el p- value) 3) Interprete el coeficiente de determinación (R-squared) 4) Indique si los parámetros b, d y e tienen los signos esperados.
Si los valores esperados de P, M, PY1 y PY2 son $7.50; $20,120; $10 y $1.75; respectivamente, compute lo siguiente:
5) La cantidad demandada del bien (Qd)
6) La elasticidad precio de la demanda. En este punto, es inelástica, elástica o elasticidad unitaria. Como un incremento del precio afectaría el ingreso total? 7) La elasticidad ingreso de la demanda. Es el bien en cuestión un bien normal o un bien inferior?. 8) Si el ingreso crece en 4%, como se verá afectada la cantidad demandada, asumiendo que todos los demás factores que afectan a la demanda permanecen constante. (Hint: use la Guía de Elasticidades). 9) La elasticidad precio cruzada de “Pizzas Italas” con respecto a “Pizza Alfredo” y al Big Mac. Con que bien “Pizzas Italas” está más relacionado? 10) Si el precio del Big Mac baja en 10%, como se verá afectada la cantidad demandada, asumiendo que todos los demás factores que afectan a la demanda permanecen constante. (Hint: use la Guía de Elasticidades).
Material preparado por César Sobrino para la clase de ECON 519-MBA-Universidad del 7 Turabo. RESPUESTAS 1-
Dependent variable: Qd R Square F P-value
Observations 24 0.969861 152.8554 3.64E-14 Standard Parameters t Stat P-value Error Intercept -347.794 414.4385 -0.83919 0.411795 P -195.844 11.03944 -17.7404 2.78E-13 M 0.074737 0.010158 7.357166 5.68E-07 P_Al 174.6625 31.71761 5.506799 2.6E-05 P_BMac 81.61876 22.1829 3.679355 0.001593
2- Todos los parámetros son significativos, en otras palabras, son estadísticamente diferentes de cero b = -195.844 ; p-value = 2.78E-13<0.001 (significancia al 0.1% ) c = 0.074737 ; p-value=5.68E-07<0.001 (significancia al 0.1% ) d = 174.6625 ; p-value=2.6E-05<0.001 (significancia al 0.1%) e = 81.61876 ; p-value= 0.001593<0.01 (significancia al 1% )
3- 96% de las variaciones de la variable dependiente son explicadas por la regresión
4- Se espera que b sea negativo
Y dado que “Pizzas Alfredo” y Big Mac son bienes sustitutos de “Pizzas Italas” se espera que d y e sean positivos. Los resultados indican eso.
5- Para obtener la cantidad demandada tenemos los parámetros estimados y los valores esperados del precio del bien, ingreso y precios de los bienes relacionados
Qd P P 6- E * =b* 195.844* (7.50/1,577) = 0.93, inelástica. Por lo tanto es P Qd Qd una buena decisión incrementar el precio.
Qd M M 7- E M * c* 0.074737* (20,120 /1,577)=0.95. Esta elasticidad es M Qd Qd positiva por lo que esté bien es normal.
Material preparado por César Sobrino para la clase de ECON 519-MBA-Universidad del 8 Turabo. 8- %Qd %M * EM = 4%*0.95= 3.8%. La cantidad demandada sube en 3.8%
9-
Con respecto a Pizza Alfredo
Qd PY P E XY * d * Y = 174.6625*(10/1,577) = 1.11 PY Qd Qd
Con respecto a BigMac
Qd PY P E XY * e * Y = 81.61876* (1.75/1,577)= 0.1 PY Qd Qd
Se espera que „Pizzas Italas” este más relacionado con “Pizza Alfredo” dada la mayor similitud entre ambos productos. Esto se corrobora viendo las elasticidades. La elasticidad con respecto a “Pizza Alfredo” es mayor que la elasticidad con respecto a Big Mac.
10- %Qd %PY * E XY = -10%*0.1=-1%. La cantidad demandada baja en 1%
2- Función de demanda no lineal para el bien X
Qd aP b M c PYd
En este caso se estima usando logaritmo natural (LnK logaritmo natural de la variable K)
LnQd Lna b * LnP c * LnM d * LnPY
Donde Qd = cantidad demandada del bien X, P= precio del bien X, M= ingreso del consumidor, PY = precio del bien relacionado Y.
En el caso lineal, las elasticidades varían según donde se estimen. En este caso, las elasticidades son contantes. De la estimación se obtiene
Signos esperados para b, c y d
b se espera que sea negativo
c es positivo por un bien normal; negativo para bienes inferiores d es positivo para sustitutos; negativo para complementarios Material preparado por César Sobrino para la clase de ECON 519-MBA-Universidad del 9 Turabo. En esta regresión los estimados b, c y d son elasticidades
E = -b ~ elasticidad precio de la demanda
EM = c ~ elasticidad ingreso EXY = d ~ elasticidad precio cruzada entre el bien X y el bien Y
CASO “PIZZAS ITALAS”
El negocio de “Pizzas Italas” es una empresa fijadora de precios y lo contrata a Ud. para que estime su curva de demanda Ud. usa una forma funcional no lineal para estimar su curva de demanda. Se estima la siguiente curva de demanda:
LnQd Lna b * LnP c * LnM d * LnPY 1 e * LnPY 2
donde Qd = cantidad demandada de pizzas, P = precio del producto, M = nivel de ingreso, y PY1= precio por unidad en “Pizzas Alfredo”; y, PY2= precio de un “Big Mac”
1) Usando Excel (Data Anlysis-regression) muestre los estimados en un cuadro.
2) Indique la significancia estadística de los parámetros b, c, d y e. (Hint: utilice el p- value) 3) Interprete el coeficiente de determinación (R-squared) 4) Indique si los parámetros b, d y e tienen los signos esperados. De acuerdo a los estimados 5) Que tipo de elasticidad tiene este producto? Recomienda Ud. incrementar el precio del producto? Porque si? Porque no? 6) Es este producto un bien inferior o un bien normal? 7) Que sucede con la cantidad demandada de “Pizzas Italas”, si el nivel de ingreso cae en 10%?. (Hint: use la Guía de Elasticidades). 8) Que sucede con la cantidad demandada de “Pizzas Italas”, si “Pizza Alfredo” decide incrementar el precio de su producto en 10%?. (Hint: use la Guía de Elasticidades). 9) Que sucede con la cantidad demandada por el producto de “Pizzas Italas”, si “MacDonalds” baja el precio del Big Mac en 20%?. (Hint: use la Guía de Elasticidades).
Material preparado por César Sobrino para la clase de ECON 519-MBA-Universidad del 10 Turabo. RESPUESTAS
1. Usando Excel (Data Anlysis-regression) muestre los estimados en un cuadro.
Dependent P-VALUE Variable Q R Square F ON F Observations 24 0.960012 114.0363 5.29E-13 Standard Coefficients Error T Stat P-value Intercept -5.55866 1.898284 -2.92826 0.008625 P -0.98046 0.064655 -15.1644 4.54E-12 M 1.191525 0.186926 6.374318 4.09E-06 P_Al 1.304604 0.215205 6.062154 7.87E-06 P_BMac 0.055524 0.015496 3.583176 0.001983
LnQd Lna b * LnP c * LnM d * LnPY 1 e * LnPY 2
b = -0.98046; elasticidad precio de la demanda c = 1.191525; elasticidad ingreso d = 1.304604; elasticidad cruzada con respecto a Pizza Alfredo e = 0.055524; elasticidad cruzada con respecto a Big Mac
2. Indique la significancia estadística de los parámetros b, c, d y e. (Hint: utilice
el p-value) Todos los parámetros son significativos, en otras palabras, son estadísticamente diferentes de cero b = -0.98046; p-value = 4.54E-12 <0.001 (significancia al 0.1% ) c = 1.191525; p-value=4.09E-06<0.001 (significancia al 0.1% ) d = 1.304604; p-value=7.87E-06<0.001 (significancia al 0.1%) e = 0.055524; p-value= 0.001983 <0.01 (significancia al 1% )
3. Interprete el coeficiente de determinación (R-squared)
96% de las variaciones de la variable dependiente son explicadas por la regresión
4. Indique si los parámetros b, d y e tienen los signos esperados.
Se espera que b sea negativo, por la ley de demanda. Y dado que “Pizzas Alfredo” y Big Mac son bienes sustitutos con “Pizzas Italas” se espera que d y e sean positivos. Los resultados corroboran los signos esperados.
Material preparado por César Sobrino para la clase de ECON 519-MBA-Universidad del 11 Turabo. De acuerdo a los estimados
5. ¿Que tipo de elasticidad tiene este producto? Recomienda Ud. incrementar el
precio del producto? Porque si? Porque no? Es un bien inelástico porque 0<│b│<1 . Es conveniente subir el precio dado que es un bien inelástico (Efecto precio es mayor al efecto cantidad). A pesar de los sustitutos de este producto, el manager tiene algún poder para fijar el precio.
6. Es este producto un bien inferior o un bien normal?
c (=EM) > 0, entonces es un bien normal
7. ¿Que sucede con la cantidad demandada de “Pizzas Italas”, si el nivel de
ingreso cae en 10%?.
Tenemos que c(=EM)= 1.191525, %∆Qd= EM* %∆M= 1.191525*-10%= -11.9%
La cantidad demandada cae en 11.9%
8. ¿Que sucede con la cantidad demandada por el producto de “Pizzas Italas”, si
“Pizza Alfredo” decide incrementar su el precio de su producto en 10%?.
Tenemos que d(=EXY1)= 1.304604, %∆Qd= EXY1* %∆PY1= 1.304604*10%= 13.05%
La cantidad demandada sube en 13.05%
9. ¿Que sucede con la cantidad demandada por el producto de “Pizzas Italas”, si
“MacDonalds” baja el precio del Big Mac en 20%?.
Tenemos que e(=EXY2)= 0.055524, %∆Qd= EXY2* %∆PY2= 0.055524*-20%= -1.11%
La cantidad demandada cae en 1.11%
Material preparado por César Sobrino para la clase de ECON 519-MBA-Universidad del 12 Turabo. III-FUNCION DE PRODUCCION EMPIRICA (CAPITULO 10)
La función de producción de corto plazo se deriva de la función de producción de largo
plazo que tiene la siguiente forma
Q aK 3 L3 bK 2 L2 (1)
Donde Q: cantidad, K: capital y L; trabajo
Manteniendo constante el capital (corto plazo) y siendo A=aK3 <0 , B=bK2 >0, tenemos
Q AL3 BL2 (2)
A y B son los parámetros a estimar
De aquí podemos obtener el producto medio y el producto marginal
Q Q Producto Medio= ; AL2 BL (3) L L
B El punto máximo de esta curva se da cuando La 2A
Material preparado por César Sobrino para la clase de ECON 519-MBA-Universidad del 13 Turabo. IV-FUNCION DE COSTOS DE CORTO PLAZO (serie de tiempo)
Se debe buscar los costos totales nominales de la firma, además de la producción de la
misma. En si calcular los costos totales es una tarea muy difícil, dado que, es difícil conocer los costos de oportunidad de la firma. Para simplificar el análisis se trabaja con el costo variable total. Los costos nominales variables se tienen que dividir entre el índice de precios al consumidor o el deflator del PBI para obtener el costo variable total. Generalmente, para representar el costo variable total (TVC) se usa la siguiente forma funcional: TVC aQ bQ 2 cQ 3 (1)
De aquí podemos derivar el costo variable medio (AVC) y el costo marginal (SMC)
TVC AVC a bQ cQ 2 (2) Q
TVC SMC a 2bQ 3cQ 2 (3) Q
Donde a >0, b<0 y c>0. a, b y c son los parámetros a estimar
b El punto minino de AVC se da en Qm 2c
ESTIMACION de AVC (Ecuación (2))
Trimestre Producción Costo variable Deflator Costo
Material preparado por César Sobrino para la clase de ECON 519-MBA-Universidad del 14 Turabo. CN AVC *100 . AVC se dice que esta a precios (precio constantes) del año 2000. Deflator CN esta a precios corrientes
Material preparado por César Sobrino para la clase de ECON 519-MBA-Universidad del 15 Turabo. V- ESTIMANDO LOS COSTOS DE LARGO PLAZO DE EMPRESAS ELÉCTRICAS DE USA (corte transversal)
En el siguiente cuadro presenta una muestra de 20 empresas eléctricas privadas que
Donde: Q: energía generada y transmitida en millones de kilowatio-hora. K: stock de capital que tiene la empresa en millones de dólares. L: número de trabajadores en miles. r: costo de usar el capital. w: Pago anual promedio por trabajador en miles de dólares
Forma funcional
Costo Total de Largo Plazo (LTC) LTC Q w r 1
Forma a estimar LnLTC Ln LnQ Lnw 1 Lnr
Restricciones α>0, β>0 y 0<γ<1
Material preparado por César Sobrino para la clase de ECON 519-MBA-Universidad del 16 Turabo. El parámetro de “economías‟ es β Si β<1, economías de escala Si β=1, retornos contantes a escala Si β>1, deseconomías de escala
Material preparado por César Sobrino para la clase de ECON 519-MBA-Universidad del 17 Turabo.
