ESTUDIO DEL MERCADO AUTOMOTRIZ EN EEUU FERULLO SERGIO

Transcripción

1 ESTUDIO DEL MERCADO AUTOMOTRIZ EN EEUU FERULLO SERGIO

2 INTRODUCCION A continuación se presenta un modelo sobre las ventas de autos de pasajeros en Estados Unidos. Se debe recordar que Estados Unidos posee una de las economías más sólidas del planeta y por ende tiene un mercado automotor muy importante, sino el más importante. Por esta situación se toma como referencia para realizar el siguiente estudio en el cual se indicarán cuales fueron las principales razones que influyeron en las ventas de vehícu de pasajeros en el período , para cuales se tomarán las siguientes variables: - Autos de pasajeros vendidos (expresados en miles), sin ajuste estacional. - Autos, índice de precios al consumidor.967=00, sin ajuste estacional. - Índice de precios al consumidor, todos, todos consumidores urbanos.967=00, sin ajuste estacional. - El ingreso personal disponible (expresado en miles de millones de dólares), sin ajuste estacional. - La tasa de interés (expresado en porcentaje), colocación directa de valores de la compañía financiera. - La fuerza laboral civil empleada (expresadas en miles), sin ajuste estacionario.

3 a) El modelo lineal es el siguiente: Regresión Variables introducidas/eliminadas b Variables introducidas laboral, Tipo de interés,, IPD, IPC autos a Variables eliminadas Método, Introducir a. Todas las variables solicitadas introducidas b. Variable dependiente: Autos vendidos Resumen del modelo b Cambiar estadísticos R Error típ. Cambio Sig. del R cuadrado de la en R Cambi cambio Durbin- R cuadrado corregida estimación cuadrado o en F gl gl2 en F Watson,869 a,755, ,3,755 6,47 5 0,007,593 a. Variables predictoras: (Constante), laboral, Tipo de interés,, IPD, IPC autos b. Variable dependiente: Autos vendidos Regresión Residual Total ANOVA b Suma de Media cuadrados gl cuadrática F Sig ,47,007 a , , a. Variables predictoras: (Constante), laboral, Tipo de interés,, IPD, IPC autos b. Variable dependiente: Autos vendidos

4 Coeficientes a Coeficientes no estandarizados Coefici entes estand arizado s Error B típ. Beta t Sig. (Constante) 2933,9 872,3,359,727 Orden cero Correlaciones Parcial Semip arcial Estadísticos de colinealidad Toleran cia FIV IPC autos IPD Tipo de interés laboral 50,538 69,70,769,725,485 -,066,223,4, ,57-03,504 5,47-6,554-2,024,07 -,04 -,539 -,37, ,28 6,6 3,74 3,90,647,3,005,462,258, ,578-05,979 5,94 -,24 -,697,50 -,543 -,25 -,09,206 4,848 a. Variable dependiente: Autos vendidos,24,23,985,009,337,044,304,58,026 38,788 Diagnósticos de colinealidad a Proporciones de la varianza Indice de IPC autos Tipo de Dimensión Autovalor condición (Constante) IPD interés laboral 5,839,000,00,00,00,00,00,00 2,06 7,427,00,00,00,00,0,00 3 5,4E-02 0,388,00,00,00,00,26,00 4 7,509E-04 88,8,0,05,09,26,3,06 5 2,758E-04 45,503,44,35,06,6,04,5 6 8,355E ,352,55,60,84,58,55,79 a. Variable dependiente: Autos vendidos b) Es de esperarse que en modelo se tenga multicolinealidad, las razones son las siguientes: - Las variables IPC autos (X2) y, todos consumidores urbanos (X3) son altamente colineales, debido a que dentro de X3 se incluye X2. - En estudios económicos, las variables Precio e Ingreso tienden a ser altamente colineales.

5 c) Para tratar de resolver el inconveniente de la multicolinealidad, se tendrá que ubicar cuales de las variables en estudio son conflictivas y cuales tienen una influencia significativa en el modelo. Para ello se utilizará el proceso Markoviano de Decisión el cual consiste en realizar una serie de regresiones simples de las variables y comparar las relaciones existentes entre ellas para así determinar cuales son las variables perturbadoras del modelo Variables introducidas/eliminadas b Variables Variables introducidas eliminadas Método IPC autos a, Introducir a, Introducir IPD a, Introducir Tipo de interés a, Introducir laboral a, Introducir a. Todas las variables solicitadas introducidas b. Variable dependiente: Autos vendidos Resumen del modelo f R Error típ. R cuadrado de la R cuadrado corregida estimación,066 a,004 -,067 20,85,480 b,230,2 096,50,854 c,729, ,7,854 d,730,63 706,73 Durbin-Watson,869 e,755, ,3,593 a. Variables predictoras: (Constante), IPC autos b. Variables predictoras: (Constante), IPC autos, c. Variables predictoras: (Constante), IPC autos,, IPD d. Variables predictoras: (Constante), IPC autos,, IPD, Tipo de interés e. Variables predictoras: (Constante), IPC autos,, IPD, Tipo de interés, laboral f. Variable dependiente: Autos vendidos

6 - Después de observar resultados se puede concluir: Y = + X3 + X4 + + X6 X2 X5 - Entonces se puede replantear el modelo de la siguiente forma: El cual se deriva las siguientes regresiones: Y = X3 + X4 + X6 Variables introducidas/eliminadas b Variables introducidas laboral, IPC todos, IPD a Variables eliminadas Método, Introducir a. Todas las variables solicitadas introducidas b. Variable dependiente: Autos vendidos Resumen del modelo b R Error típ. R cuadrado de la R cuadrado corregida estimación Durbin-Watson,846 a,75, ,2,379 a. Variables predictoras: (Constante), laboral,, IPD b. Variable dependiente: Autos vendidos Regresión Residual Total ANOVA b Suma de Media cuadrados gl cuadrática F Sig ,052,00 a , , a. Variables predictoras: (Constante), laboral,, IPD b. Variable dependiente: Autos vendidos

7 Coeficientes a IPD laboral Coeficientes no estandarizados Coeficient es estandari zados Correlaciones Orden Semiparci B Error típ. Beta t Sig. cero Parcial al (Constante) 6832, ,30,05,29-99,383 8,464-6,293-5,383,000 -,04 -,84 -,829 8,49 2,06 5,46 4,20,00,005,765,634,07,083,850,282,224,044,347,97 a. Variable dependiente: Autos vendidos Estadísticos sobre residuos a Valor pronosticado Residual Valor pronosticado tip. Residuo tip. Mínimo Máximo Media Desviación típ. 887, , ,3 984,9 6-47,85 705,50-3,58E-2 620,84 6 -,847 2,094,000, ,20,06,000,894 6 N a. Variable dependiente: Autos vendidos

8 d) Prueba de Kolmogorov-Smirnov para una muestra N Parámetros normales a,b Diferencias más extremas Z de Kolmogorov-Smirnov Sig. asintót. (bilateral) Media Desviación típica Absoluta Positiva Negativa Autos IPC autos Tipo de IPD interés laboral vendidos ,22 29,50 745,544 8, ,3 0005,3 40,736 73, ,257 2, ,42 63,64,29,40,27,2,68,47,20,33,27,2,9,36 -,29 -,40 -,096 -,092 -,68 -,47,56,559,507,484,674,587,953,94,960,973,754,880 a. La distribución de contraste es la Normal. b. Se han calculado a partir de datos. e) Pruebas de independencia. Prueba de rachas prueba a Casos < prueba Casos >= prueba Casos en total Número de rachas IPC autos IPD Tipo de interés laboral Autos vendidos 59, , ,250 7, ,00 030, Z Sig. asintót. (bilateral) a. Mediana -3,364-3,364-3,364 -,8-3,364 -,294,00,00,00,070,00,96

9 Prueba de rachas 2 prueba a Casos < prueba Casos >= prueba Casos en total Número de rachas Z Sig. asintót. (bilateral) a. Media IPC autos IPD Tipo de interés laboral Autos vendidos 62,22 29,50 745,544 8, ,3 0005, ,364-3,356-3,356 -,776-3,356 -,776,00,00,00,076,00,076 Prueba de rachas 3 prueba a Casos < prueba Casos >= prueba Casos en total Número de rachas Autos IPC autos Tipo de IPD interés laboral vendidos 224,4 b 323,4 b 3022, b 3,73 b b 450 b Z Sig. asintót. (bilateral) a. Moda -,34 -,34 -,34,000 -,34 -,34,257,257,257,000,257,257 b. Hay modas múltiples. Se usará la moda con el valor de datos mayor.

10 - La prueba de Durbin-Watson indicó que la correlación es positivo, puesto que es menor a 2. f) Pruebas no paramétricas para muestras relacionadas. Prueba de Friedman Rangos IPC autos IPD Tipo de interés laboral Autos vendidos Rango promedio 2,00 3,00 4,00,00 6,00 5,00 N Chi-cuadrado gl Estadísticos de contraste a Sig. asintót. a. Prueba de Friedman 6 80,000 5,000 Prueba W de Kendall Rangos IPC autos IPD Tipo de interés laboral Autos vendidos Rango promedio 2,00 3,00 4,00,00 6,00 5,00 Estadísticos de contraste N W de Kendall a Chi-cuadrado gl Sig. asintót. a. Coeficiente de concordancia de Kendall 6,000 80,000 5,000

11 g) Análisis de la varianza Covariance Matrix X2 X3 X4 X5 X6 Y X2 659,3958 X3 2992, ,3747 X , , ,8400 X5 56, , ,8778 6,9799 X , , ,379 32, ,83 Y -337, , , , , ,783 Correlation Matrix X2 X3 X4 X5 X6 Y X2,0000 X3,9969,0000 X4,994,993,0000 X5,5258,5433,464,0000 X6,972,9652,9726,5362,0000 Y -,0662 -,036,0049 -,543,0437,0000 N of Cases = 6,0 Item Variances Mean Minimum Maximum Range Max/Min Variance ,7 6, , , ,8,23E+5 Inter-item Correlations Mean Minimum Maximum Range Max/Min Variance,486 -,543,9969,5400 -,8354,2497 Analysis of Variance Source of Variation Sum of Sq. DF Mean Square F Prob. Between People , ,5435 Within People , ,48 Between Measures , ,7 636,2755,0000 Residual , ,39 Total , ,8 Grand Mean 7822,0672 Reliability Coefficients 6 items Alpha =,906 Standardized item alpha =,8502

12 CONCLUSION En conclusión, el modelo presentado la primera vez tuvo que ser modificado puesto que presentaba un problema de multicolinealidad, por ende se tuvo que reformular dicho modelo utilizando para ello el proceso Markoviano de Decisión, el cual nos reflejó que las variables X2 y X5 no tenían una influencia significativa en el modelo y fueron eliminadas del modelo. Realizando un análisis econométrico del modelo, se puede decir que las Ventas de autos de pasajeros en el período fueron prioritariamente influidas por el ingreso personal y por el índice de precios al consumido (IPC). La explicación más sencilla de este fenómeno, es que la economía de Estado Unidos en ese período sufrió por las crisis generadas por la Guerra de Vietnam y por las crisis económicas sufridas por países en vías de desarrollo, lo cual afecto indirectamente la economía Norteamericana, por lo cual las tasas de intereses, que no influyen el modelo directamente, tuvieron un repunte e hizo que su economía disminuyera el ritmo de crecimiento.

13 This document was created with Win2PDF available at The unregistered version of Win2PDF is for evaluation or non-commercial use only.