Métodos Prentice Hall, Inc. 4 1

Transcripción

1 Métodos Cuantitativos i de Negocios Capítulo 3 Pronósticos y Simulación PowerPoint presentation to accompany Heizer/Render Principles of Operations Management, 7e Operations Management, 9e 2008 Prentice Hall, Inc. 4 1

2 Bosquejo Qué son Pronósticos? Pronósticos y Horizontes de Tiempo Influencia del Ciclo de Vida del Producto Tipos de Pronósticos 2008 Prentice Hall, Inc. 4 2

3 Bosquejo Continúa La Importancia Estratégica té de los Pronósticos Recursos Humanos Capacidad Administración de la Cadena de Suministro i Siete Pasos en el Sistema de Pronósticos 2008 Prentice Hall, Inc. 4 3

4 Bosquejo Continúa Métodos de Pronósticos Métodos Cualitativos Métodos Cuantitativos 2008 Prentice Hall, Inc. 4 4

5 Bosquejo Continúa Pronósticos de Series de Tiempo Descomposición de Series de Tiempo Métodos Naive Promedios Móviles Suavizamiento Exponencial Suavizamiento Exponencial con Ajuste de Tendencia Proyecciones de Tendencia Variaciones Estacionales en Datos Variaciones i Cíclicas en Datos 2008 Prentice Hall, Inc. 4 5

6 Bosquejo Continúa Métodos Asociativos de Pronósticos: Regresión y Análisis de Correlación Usando Análisis de Regresión para Pronósticos Error Estándar de los Estimados Coeficientes de Correlación para Regresiones Lineales Análisis de Regresión Múltiple 2008 Prentice Hall, Inc. 4 6

7 Bosquejo Continúa Monitoreando y Controlando Pronósticos Suavizamiento Adaptivo Pronósticos Focus Pronósticos en el Sector Servicios 2008 Prentice Hall, Inc. 4 7

8 Objetivos de Aprendizaje Cuando se complete este capítulo estará capacitado para : Entender los tres horizontes de tiempo y que modelos aplicar en cada caso Explicar cuando se usa cualquiera de los modelos cualitativos Aplicar los métodos naive,,promedios móviles, suavizamiento exponencial, y tendencia 2008 Prentice Hall, Inc. 4 8

9 Objetivos de Aprendizaje Cuando se complete este capítulo estará capacitado para : Calcular medidas de la exactitud del pronóstico Desarrollar índices estacionales Conducir a una análisis de regresión y correlación Usar una señal de rastreo 2008 Prentice Hall, Inc. 4 9

10 Qué son Pronósticos? Procesos de predecir un evento futuro Base fundamental de todas las decisiones de negocios os Producción Inventarios Personal Facilidades d?? 2008 Prentice Hall, Inc. 4 10

11 Pronósticos: Horizonte de Tiempo Pronósticos de Corto Plazo Hasta 1 año, generalmente menos que 3 meses Compras, Programas de Trabajo, Niveles de fuerza laboral, Asignación de trabajo, Niveles de producción Pronósticos de Mediano Plazo 3 meses a 3 años Planes de ventas y Producción, Presupuesto Pronósticos de Largo Plazo Más de 3 + años Planes de nuevos productos, facilidad d de localización, investigación y desarrollo 2008 Prentice Hall, Inc. 4 11

12 Distinguiendo Diferencias Mediano/Largo plazo los pronósticos se ocupan más de comprender los problemas y soportar las decisiones i gerenciales referente a planificación, productos, plantas y procesos Corto plazo los pronósticos usualmente emplean diferentes metodologías que los pronósticos de largo plazo Corto plazo los pronósticos tienden a ser más exactos que los de largo plazo 2008 Prentice Hall, Inc. 4 12

13 Influencia del Ciclo de Vida del Producto Introducción Crecimiento Madurez Decline Introducción y crecimiento requieren mayores pronósticos que madurez y decline Conforme el producto pasa a través del ciclo de vida, los pronósticos son útiles en proyectar: Niveles de contratación de personal Niveles de inventarios Capacidad de la fábrica 2008 Prentice Hall, Inc. 4 13

14 Ciclo de Vida del Producto Introducción Crecimiento Madurez Decline ción ganizac de la Org egias d Estra Mejor periodo para incrementar su participación en el mercado Investigación y diseños son criticos Ventas Practico para cambiar precios o calidad de imagen Fortalecer nichos de mercado Portales de búsqueda en Internet LCD & plasma TVs Windows 7 ipods Escaso tiempo para cambiar imagen, precio, o calidad Costo competitivos resultan críticos Defender posición de mercados Pasar por restaurantes en coche Control de Costos crítico CD-ROMs TV Analogo 3 1/2 Floppy disks Figure Prentice Hall, Inc. 4 14

15 Ciclo de Vida del Producto ción ganizac de la Org egias d Estra Introducción Crecimiento Madurez Decline Diseño y desarrollo de productos críticos Cambios frecuentes de procesos y diseños Breve ejecución de producción Altos costos de producción Modelos limitados Atención a la calidad Pronósticos crítico Fiabilidad del producto y procesos Mejora en la competitividad del producto y las opciones Incrementos de capacidad Centrarse en el producto Mejorar la distribución Estandarización Menos rápido los cambios en el producto más de menores cambios Capacidad Optima Incremento de la estabilidad de procesos Grandes niveles de producción Mejoras del producto y reducción de costos Pequeñas diferenciación en el producto Minimización de costos Sobre capacidad en la industria Eliminar lineas que no producen buen margen Reducir la capacidad Figure Prentice Hall, Inc. 4 15

16 Tipos de Pronósticos Pronósticos Económicos Dirección del ciclo económico tasa de inflación, oferta de dinero, viviendas, etc. Pronósticos Tecnológicos Predecir la tasa del progreso tecnológico Impacto del desarrollo de nuevos productos Pronósticos de Demanda Predecir ventas de productos y servicos existentes 2008 Prentice Hall, Inc. 4 16

17 Importancia Estratégica té de Pronósticos Recursos Humanos Contratar, entrenar, despedir trabajadores Capacidad la falta de capacidad puede dar como resultado entregas poco confiables, pérdida de clientes, pérdida de posición en el mercado. Administración de la Cadena e Suministro buena relación con el proveedor y ventajas de precios Prentice Hall, Inc. 4 17

18 Siete Pasos en Pronósticos Determinar el uso del pronóstico Seleccionar los items a ser pronosticados Determinar el horizonte de tiempo a ser pronosticado Seleccionar el(los) modelo(s) de pronóstico Obtener los datos Realizar el pronóstico Validar e implementar los resultados 2008 Prentice Hall, Inc. 4 18

19 La Realidad!! Los pronósticos raramente son perfectos La mayoria de las técnicas asumen estabilidad subyacente en el sistema Pronósticos de familias de productos agregados son más exactos que pronósticos de productos individuales 2008 Prentice Hall, Inc. 4 19

20 Métodos de Pronósticos Métodos Cualitativos Usado cuando la situación ió es vaga o existen pocos datos Nuevos productos Nueva tecnología Involucra la intuición, experiencia e.g., pronosticar las ventas por Internet 2008 Prentice Hall, Inc. 4 20

21 Métodos de Pronósticos Métodos Cuantitativos Usado cuando la situación es estable y existen datos históricos Productos existentes Tecnología actual Involucra técnicas matemáticas e.g., pronósticos de ventas de televisores a color 2008 Prentice Hall, Inc. 4 21

22 Visión General de Métodos Cualitativos Jurado de ejecutivos Opiniones de un pool expertos de alto nivel, a veces ampliados por modelos estadísticos Método Delphi Panel de expertos, interrogados iterativamente 2008 Prentice Hall, Inc. 4 22

23 Visión General de Métodos Cualitativos Fuerzas de Ventas combinadas Las estimaciones de vendedores individuales id son revisados para moderación, luego agregados Encuestas de Mercado de Consumidores Preguntas al consumidor 2008 Prentice Hall, Inc. 4 23

24 Jurado de Ejecutivos Involucra un pequeño grupo de expertos de alto nivel yg gerentes El Grupo estima la demanda trabajando juntos Combinan la experiencia gerencial con modelos estadísticos Relativamente rápido Desventaja de Group-think 2008 Prentice Hall, Inc. 4 24

25 Fuerzas de Ventas Combinadas Cada vendedor proyecta sus propias ventas Combinación a nivel distrital, regional y nacional Los vendedores conocen los gustos de los consumidores Tiende a ser excesivamente optimista 2008 Prentice Hall, Inc. 4 25

26 Método Delphi Proceso de grupo Iterativo, continua hasta alcanzar el consenso 3 tipos de participantes Tomadores de Decisiones Asesores entrevistados Asesores (Administran el estudio) Tomador de Decisiones (Evalua las respuestas y toma decisiones) Entrevistados (Personas quienes pueden hacer juicios de valor) 2008 Prentice Hall, Inc. 4 26

27 Encuestas de Mercado a Consumidores Se pregunta a los consumidores respecto de sus planes de compra Los que los consumidores dicen, y lo que ellos hacen actualmente a menudo son diferentes A veces es dificil de responder 2008 Prentice Hall, Inc. 4 27

28 Visión General de Métodos Cuantitativos 1. Métodos Naive 2. Promedios Móviles 3. Suavizamiento Exponential Modelos Series de Tiempo 4. Proyección de Tendencia 5. Regresión Lineal Modelos Causales Asociativos 2008 Prentice Hall, Inc. 4 28

29 Pronósticos Series de Tiempo Conjunto de datos numéricos uniformemente espaciados Obtenida por observación de la respuesta de la variable para periodos de tiempo regulares Pronósticos basado solamente en valores pasados, ninguna otra variables importante Asume que los factores que influyeron en el pasado y en el presente continuará influyendo en el futuro 2008 Prentice Hall, Inc. 4 29

30 Componentes de Series de Tiempo Tendencia Ciclo Estacional Aleatorio 2008 Prentice Hall, Inc. 4 30

31 Componentes of Demanda Dema anda por un prod ducto o servicio Picos Estacional Variación Aleatoria Componente Tendencia Demanda Promedio de los 4 años Año Demanda Actual Figure Prentice Hall, Inc. 4 31

32 Componente Tendencia Patrón Persistente, en conjunto ascendente o descendente Cambia debido a población, tecnología, edad, d cultura, etc. Tipicamente duración de varios años 2008 Prentice Hall, Inc. 4 32

33 Componente Estacional Patrón regular de fluctuaciones de hacia arriba y hacia abajo Debido al clima, costumbres, etc. Ocurre en el lapso de un solo año Número de Periodo Duración Estaciones Semana Día 7 Mes Semana Mes Día Año Trimestre 4 Año Mes 12 Año Semana Prentice Hall, Inc. 4 33

34 Componente Cíclico Repetiendo movimientos de arriba y abajo Afectado por el ciclo económico, política, y factores económicos Multiples años de duración A menudo por relaciones asociativas o causal Prentice Hall, Inc. 4 34

35 Componente Aleatorio Fluctuaciones residual Errática, no sistemática Debido a variaciones aleatorias o eventos imprevistos Corta duración y no repetitivo M T W T F 2008 Prentice Hall, Inc. 4 35

36 Método Naive Asume que la demanda en el siguiente i periodo es la misma demanda del periodo más reciente p.e., Si en Enero las ventas fueron 68, entonces las ventas de Febrero serán 68 A veces costo efectivo y eficiente Puede ser un punto de inicio 2008 Prentice Hall, Inc. 4 36

37 Método Promedio Movil MA es una serie de medias aritméticas Usada si hay poca o nada de tendencia Usada a menudo para suavizar Provee una visión global de los datos en el tiempo Promedio Móvil = demanda en n periodos previos n 2008 Prentice Hall, Inc. 4 37

38 Ejemplo de Promedio Móvil Mes Ventas Actuales Promedio Móvil 3 - meses Enero 10 Febrero 12 Marzo 13 Abril 16 ( )/3 = 11 2 / 3 Mayo 19 ( )/3 = 13 2 / 3 Junio 23 ( )/3 = 16 Julio 26 ( )/3 = 19 1 / Prentice Hall, Inc. 4 38

39 Gráfico de Promedio Móvil Ventas Pronóstico Promedio Móvil Ventas Actual E F M A M J J A S O N D 2008 Prentice Hall, Inc. 4 39

40 Promedio Móvil Ponderado d Usado cuando la tendencia está presente Datos más antiguos menos importantes Ponderador basados en la experiencia i e intuición i ió (ponderador por periodo n) Promedio = x (demanda en periodo n) movil ponderado ponderadores d 2008 Prentice Hall, Inc. 4 40

41 Ponderados Aplicados Periodos Promedio Móvil Ponderado d 3 Último mes Meses 2 dos meses atrás 1 Tres meses atrás 6 Suma de ponderados Ventas Promedio Móvil Actuales Ponderado 3-meses Enero 10 Febrero 12 Marzo 13 Abril 16 [(3 x 13) + (2 x 12) + (10)]/6 = 12 1 / 6 Mayo 19 [(3 x 16) + (2 x 13) + (12)]/6 = 14 1 / 3 Junio 23 [(3 x 19) + (2 x 16) + (13)]/6 = 17 Julio 26 [(3 x 23) + (2 x 19) + (16)]/6 = 20 1 / Prentice Hall, Inc. 4 41

42 Problemas Potenciales Con Promedios Móviles Incrementa n suavizamientos al pronósticos pero hacen menos sensibles a los cambios No pronostica bien las tendencias Requiere extensos datos históricos 2008 Prentice Hall, Inc. 4 42

43 Promedio Móvil y Promedio Móvil Ponderado da de ventas Deman Ventas Actuales Promedio móvil Promedio móvil ponderado Figure 4.2 J F M A M J J A S O N D 2008 Prentice Hall, Inc. 4 43

44 Suavizamiento i Exponencial Forma de promedio móvil ponderado Ponderador declina exponencialmente Los datos más recientes pesan más Requiere suavizamiento constante ( ) Rango desde d 0 a 1 Elegido subjetivamente Involucra poco registro de datos pasados 2008 Prentice Hall, Inc. 4 44

45 Suavizamiento i Exponencial Nuevo Pronostico = Último periodo pronosticado + (demanda actual último periodo Último periodo pronosticado) F t = F t 1 + (A t 1 - F t 1 ) donde F t = nuevo pronóstico F t 1 = pronóstico previo = suavizamiento (o ponderador) constante (0 1) 2008 Prentice Hall, Inc. 4 45

46 Suavizamiento Exponencial Ejemplo Demanda pronosticada = 142 Ford Mustangs Demanda actual = 153 Suavizador constante = Prentice Hall, Inc. 4 46

47 Suavizamiento Exponencial Ejemplo Demanda pronosticada = 142 Ford Mustangs Demanda actual = 153 Suavizador constante =.20 Nuevo pronóstico = ( ) 2008 Prentice Hall, Inc. 4 47

48 Suavizamiento Exponencial Ejemplo Demanda pronosticada = 142 Ford Mustangs Demanda actual = 153 Suavizador constante =.20 Nuevo pronóstico = ( ) = = cars 2008 Prentice Hall, Inc. 4 48

49 Efectos de Constantes Suavizamiento Peso Asignado a Más 2do Más 3er Más 4to Más 5to Más Suavimien i Reciente Reciente Reciente Reciente Reciente to. Periodo Periodo Periodo Periodo Periodo Constante ( ) (1 - ) (1 - ) 2 (1 - ) 3 (1 - ) 4 = = Prentice Hall, Inc. 4 49

50 Impacto de Diferentes 225 Deman nda Demanda Actual =.5 = Trimestre 2008 Prentice Hall, Inc. 4 50

51 Impacto de Diferentes Deman nda 225 Demanda Actual Elegir altos valores de 200 cuando el promedio tiene buena probabilidad de cambiar 175 Elegir bajos valores de cuando el promedio es =.5 = estable Trimestre 2008 Prentice Hall, Inc. 4 51

52 Eligiendo El objetivo es obtener el pronóstico más exacto sin importar la técnica que se utilice Generamente hacemos esto seleccionando el modelo que nos da el menor error de pronóstico Error de Pronóstico = Demanda Actual Valor Pronósticado = A t - F t 2008 Prentice Hall, Inc. 4 52

53 Medidas Comunes del Error Desviación Media Absoluta (MAD MAD) ) MAD = Actual - Pronóstico n Media del Error al Cuadrado (MSE) MSE = (Errores de Pronóstico) 2 n 2008 Prentice Hall, Inc. 4 53

54 Medidas Comunes del Error Media Porcentual del Error Absoluto (MAPE MAPE) MAPE = n 100 Actual i - Pronóstico i /Actual i i =1 n 2008 Prentice Hall, Inc. 4 54

55 Comparación de Errores de Pronóstico Trim Pronóstico Desviación Pronóstico Desviación Tonelaje Redondeado Absoluta Redondeado Absoluta Real con para con para Descargado =.10 =.10 =.50 = Prentice Hall, Inc. 4 55

56 Comparación de Errores de Pronóstico Trim Pronóstico MAD Tonelaje = deviaciones Redondeado n Desviación Pronóstico Desviación Absoluta Redondeado Absoluta Real con para con para Descargado =.10 =.10 =.50 =.50 Para = = 82.45/ = For = = 98.62/ = Prentice Hall, Inc. 4 56

57 Comparación de Errores de Pronóstico (Errores de Pronóstico) 2 MSE = Pronóstico Tonelaje Redondeado n Absoluta Trim Desviación Pronóstico Desviación Redondeado Absoluta Real con para con para Descargado =.10 =.10 =.50 =.50 Para = = 168 1,526.54/ = = 205 1,561.91/ = Para = MAD Prentice Hall, Inc. 4 57

58 Comparasión de Errores de Pronóstico n MAPE = Trim 100 desviación i /actual i Pronóstico Desviación Pronóstico Desviación Tonelaje i = 1 Redondeado Absoluta Redondeado Absoluta Real con n para con para Descargado =.10 =.10 =.50 =.50 Para = = 44.75/ = 5.59% % Para = = 54.05/ = 6.76% MAD MSE Prentice Hall, Inc. 4 58

59 Comparasión de Errores de Pronóstico Pronóstico Desviación Pronóstico Desviación Tonelaje Redondeado Absoluta Redondeado Absoluta Real con para con para Trim Descargado =.10 =.10 =.50 = MAD MSE MAPE 5.59% 6.76% 2008 Prentice Hall, Inc. 4 59

60 Suavizamiento Exponencial con Trendencia Ajustada Cuando una tendencia está presente, el suavizamiento exponencial debe ser modificado Pronóstico Pronóstico Tendencia Incluyendo (FIT t ) = suavizado (F t) + (T t) suavizada tendencia Exponencialmente Exponencialmente (FIT t ) = (F t ) + (T t ) 2008 Prentice Hall, Inc. 4 60

61 Suavizamiento Exponencial con Trendencia Ajustada F t = (A t -1 ) + (1 - )( )(F t -1 + T t -1 ) T t = (F t - F t -1 ) + (1 - )T t -1 Paso 1: Calcular F t Paso 2: Calcular l T t Paso 3: Calcular el pronóstico FIT t = F t + T t 2008 Prentice Hall, Inc. 4 61

62 Suavizamiento Exponencial con Tendencia Ajustada: Ejemplo Pronóstico Demanda Pronóstico Tendencia Incluyendo Mes) Actual(A t ) Suavizado, F t Suavizada, T t Tendencia, FIT t Table Prentice Hall, Inc. 4 62

63 Suavizamiento Exponencial con Tendencia Ajustada: Ejemplo Pronóstico Demanda Pronóstico Tendencia Incluyendo Mes) Actual(A t ) Suavizado, F t Suavizada, T t Tendencia, FIT t Paso 1: Pronóstico para Mes F 2 = A 1 + (1 - )(F 1 + T 1 ) 8 28 F 2 = (.2)(12) + (1 -.2)(11 + 2) = = 12.8 unidades Table Prentice Hall, Inc. 4 63

64 Suavizamiento Exponencial con Tendencia Ajustada: Ejemplo Pronóstico Demanda Pronóstico Tendencia Incluyendo Mes) Actual(A t ) Suavizado, F t Suavizada, T t Tendencia, FIT t Paso 2: Tendencia para Mes T 2 = (F 2 - F 1 ) + (1 - )T T 2 = (.4)( ) + (1 -.4)(2) = = 1.92 unidades Table Prentice Hall, Inc. 4 64

65 Suavizamiento Exponencial con Tendencia Ajustada: Ejemplo Pronóstico Demanda Pronóstico Tendencia Incluyendo Mes) Actual(A t ) Suavizado, F t Suavizada, T t Tendencia, FIT t Paso 3: Calcular FIT para Mes FIT 2 = F 2 + T FIT 2 = = unidades Table Prentice Hall, Inc. 4 65

66 Suavizamiento Exponencial con Tendencia Ajustada: Ejemplo Pronóstico Demanda Pronóstico Tendencia Incluyendo Mes) Actual(A t ) Suavizado, F t Suavizada, T t Tendencia, FIT t Table Prentice Hall, Inc. 4 66

67 Suavizamiento Exponencial con Tendencia Ajustada: Ejemplo roducto Demand da del P Demanda Actual (A t ) Pronóstico incluyendo ttendencia(fit t ) Con =.2 y = Tiempo (mes) Figure Prentice Hall, Inc. 4 67

68 Proyecciones de Tendencia Ajustar a una línea de tendencia a los datos históricos para proyectar en el mediano y largo plazo La línea de tendencia pueden ser encontrada usando la técnica de mínimos cuadrados y ^y = a + bx ^ Donde y = valor calculado de la la variables a ser pronósticada (variable dependiente) a = intercepto el eje -y b = pendiente de la línea de regresión x = la variable independente 2008 Prentice Hall, Inc. 4 68

69 Métodos Mínimos Cuadrados Valor res de Variable Depen dente Observación Actual (valor de y) Desviación 1 (error) Desviación 3 Desviación 5 Desviación 2 Desviación 7 Desviación 4 Desviación 6 Línea de tendencia, y = a + bx ^ Periodo de Tiempo Figure Prentice Hall, Inc. 4 69

70 Métodos Mínimos Cuadrados Valor res de Variable Depen dente Observación Actual (valor de y) Desviación 1 (error) Desviación 3 Desviación 5 Desviación 2 Desviación 7 Desviación 6 Métodos de Mínimos Cuadrados minimiza la Desviación 4 suma del cuadrado de los errores (desviaciones) Línea de tendencia, y = a + bx ^ Periodo de Tiempo Figure Prentice Hall, Inc. 4 70

71 Métodos Mínimos Cuadrados Ecuaciones para calcular la regresión de las variables y ^ = a + bx b= xy - nxy x2 -nx 2 a = y - bx 2008 Prentice Hall, Inc. 4 71

72 Año Mínimos Cuadrados Ejemplo Periodo Demanda de energia de tiempo(x) Electricidad (y) x 2 xy x = 28 y = 692 x 2 = 140 xy = 3,063 x = 4 y = xy - nxy 3,063 - (7)(4)(98.86) b = = = x 2 - nx (7)(4 2 ) a = y - bx = (4) = Prentice Hall, Inc. 4 72

73 Año Mínimos Cuadrados Ejemplo Periodo Demanda de energia de tiempo(x) Electricidad (y) x 2 xy x = 28 y = 692 x 2 = 140 xy = 3,063 x = 4 y = xy - nxy 3,063 - (7)(4)(98.86) b = = = x 2 - nx (7)(4 2 ) a = y - bx = (4) = Prentice Hall, Inc. 4 73

74 Año Mínimos Cuadrados Ejemplo Periodo Demanda de energia de tiempo(x) Electricidad (y) x 2 xy La Línea 3 de Tendencia 80 es y ^ 5= x x = 28 y = 692 x 2 = 140 xy = 3,063 x = 4 y = xy - nxy 3,063 - (7)(4)(98.86) b = = = x 2 - nx (7)(4 2 ) a = y - bx = (4) = Prentice Hall, Inc. 4 74

75 e energía manda de Dem a 150 Mínimos Cuadrados Ejemplo Línea de tendencia, y ^ = x Años 2008 Prentice Hall, Inc. 4 75

76 Requerimientos de Mínimos Cuadrados 1. Siempre debemos graficar los datos para asegurar una relación lineal 2. No predecimos periodos de tiempo que van más alla de la base de datos 3. Las desviaciones alrededor de la línea de mínimos cuadrados son asumidos como aleatorios 2008 Prentice Hall, Inc. 4 76

77 Mínimos Cuadrados Ejemplo - EViews 2008 Prentice Hall, Inc. 4 77

78 Econometric Views Eviews Prentice Hall, Inc. 4 78

79 Crear Workfile e Ingresar Datos 2008 Prentice Hall, Inc. 4 79

80 Estimación de Mínimos Cuadrados con EVIEWS 2008 Prentice Hall, Inc. 4 80

81 Estimación de Mínimos Cuadrados con EVIEWS La columna con el nombre Coefficient recoge el valor de los estimadores de los parámetros asociados a cada una de las variables explicativas (independientes) La columna con el nombre Std Error errores estándar recoge la desviación típica estimada de los estimadores y mide, la precisión con la que son estimados los parámetros 2008 Prentice Hall, Inc. 4 81

82 Estimación de Mínimos Cuadrados con EVIEWS El estadístico t-statistic permite contrastar la hipótesis de que el coeficiente es igual a cero (H 0 = i =0, frente a H 1 = i 0) y que por lo tanto la variable en cuestión no es individualmente significativa para explicar el comportamiento de la variable exógena. Probability, indica la probabilidad de cometer el error de rechazar la hipótesis nula siendo cierta Prentice Hall, Inc. 4 82

83 Estimación de Mínimos Cuadrados con EVIEWS R-squared, coeficiente de determinación, sirve para valorar el éxito de la regresión para predecir los valores de la variable endógena dentro del periodo muestral. Adjusted R-squared, coeficiente R2 ponderado por los grados de libertad Prentice Hall, Inc. 4 83

84 Estimación de Mínimos Cuadrados con EVIEWS S.E. of regression, error estándar de la regresión, sirve para analizar la capacidad d predictiva del modelo, recoge la función objetivo ponderada por sus grados de libertad. Sum squared resid, suma de los errores al cuadrado, mide la diferencia entre el valor observado de Y con el estimado. (debe ser lo más pequeño posible) Prentice Hall, Inc. 4 84

85 Estimación de Mínimos Cuadrados con EVIEWS F-statistic, se construye para contrastar si los parámetros asociados a las variables explicativas del modelo son conjuntamente iguales a cero. Permite contrastar la capacidad explicativa conjunta de las variables introducidas en el modelo. Porb(F-statistic statistic), mide la probabilidad de rechazar la hipotesis nula siendo cierta Prentice Hall, Inc. 4 85

86 Estimación de Mínimos Cuadrados con EVIEWS Durbin-Watson stat, estadístico que se construye para contrastar t la hipótesis i de incorrelación ió entre las perturbaciones aleatorias frente a la presencia de autocorrelación según un esquema AR(1) Prentice Hall, Inc. 4 86

87 Análisis i de Regresión Múltiple Si más de una variable independiente di va a ser usada en el modelo, la regresión líneal puede ser extendida a regresión múltiple para acomodar varias variables independentes ^ y = a + b 1 x 1 + b 2 x 2 Genralmente, realizar estos cálculos es muy complicado y mayormente se hace con el apoyo de un software y una PC 2008 Prentice Hall, Inc. 4 87

88 2008 Prentice Hall, Inc. 4 88