itc - janium · multivariado en una de sus once variantes, la correlación múltiple exponiendo sus...

ITC w s i m n o TCCHOIOGTCO KLAOMSTRUCaOH

Cámara Mexicana de la Industria de la Construcción

INSTITUTO TECNOLÓGICO DE LA CONSTRUCCIÓN

MAESTRÍA EN ADMINISTRACIÓN DE LA CONSTRUCCIÓN

"MODELO DE ANÁLISIS MULTIVARIADO PARA DETERMINAR LA CORRELACIÓN Y ECUACIÓN DE PREDICCIÓN DEL COMPORTAMIENTO DEL PRODUCTO INTERNO BRUTO DE LA CONSTRUCCIÓN"

T E S I S que para obtener el Grado de

Maestro en Administración de la Construcción presenta:

ING. OSCAR JESÚS ESTRADA VALLES

Estudios con reconocimiento de validez oficial por la Secretaría de Educación Pública conforme al acuerdo No. 002004451 de fecha 15 de diciembre de 2000

Chihuahua; Chih. Mayo del 2005.

AGRADECIMIENTOS

AL SUPREMO CREADOR JEHOVA DIOS: Por darme la vida, encausarme día a día por el conocimiento del bien y permitirme saber valorar la ciencia y la sabiduría; como lo recomienda LA BIBLIA en proverbios cap. 2, vers. 1 al 11, en los siguientes términos:

"Hijo mío, si recibes mis palabras, Y guardas mis mandamientos dentro de t i, Haciendo estar atento tu oído a la sabiduría; Si inclinas tu corazón a la prudencia, Si clamas a la inteligencia, Y a la prudencia das voces; Si como a la plata la buscas, Y la rebuscas como a tesoros, Entonces entenderás el temor de Jehová, Y hallaras el conocimiento de Dios. Porque Jehová da la sabiduría, Y de su boca nacen el conocimiento y la inteligencia. Él provee de sana sabiduría a los rectos; Es escudo para los que caminan rectamente. Es el que custodia las veredas de la equidad, Y preserva el camino de sus santos. Entonces entenderás justicia, juicio Y equidad, y todo buen camino. Cuando la sabiduría entre en tu corazón, Y la ciencia sea grata a tu alma, La discreción te guardara; Te protegerá la inteligencia."

A MI MADRE ADA ALICIA: Porque gracias a su carácter, tenacidad y sacrificio ha sido mi máxima motivación en la vida, ya que en los tiempos de dolor y angustia su temple de acero me ha permitido seguir luchando pues en todo momento he tenido su regazo para protegerme y consolarme. Mis alegrías y mis penas son también las de ella, sin mi Madre querida no hubiera logrado nada en la vida.

A Ml PADRE OSCAR VALLES: Porque ha sido un ejemplo de sabiduría, nobleza, lealtad, bondad, entrega y carácter para enfrentar la vida. Gracias por todo hoy y siempre.

A MI TÍO JESÚS VALLES: Por ser uno de los hombres con mas pasión, emoción, disciplina, entrega y valor que jamás he conocido. Gracias por tus consejos y ser parte de mi vida.

A MI ESPOSA CLAUDIA IRINA E HIJO OSCAR FERNANDO: Gracias Claudia por comprenderme y darme fuerzas para luchar por mas difícil que sea el camino. Gracias Osear Fernando por tu cariño. Todo mi esfuerzo, dedicación y logros son para ustedes.

AL ING. EDURDO ISSA BOLOS: Por su gran apoyo y ayuda desinteresada sin la cual no hubiera sido posible la culminación de estos estudios.

AL ING. LUIS ROBERTO FERNÁNDEZ GUILLEN: Gracias por sus consejos y ayuda, los cuales han sido de gran importancia a la hora de cursar mi maestría.

AL DR ARTURO PERLASCA LOBATO: Porque con su pasión, dedicación y amor por el conocimiento me motivo para terminar la maestría y la tesis. Sin él nada se hubiera logrado.

DEDICATORIA

Por sentirme orgulloso de ser mexicano todo este esfuerzo intelectual que representa esta tesis lo dedico a mi querido país México, esperando que sirva para tener un mejor sector de la construcción, lo cual conlleve al mejoramiento de la calidad de vida de todos los mexicanos.

Y principalmente a mi adorada madre Ada Alicia Valles Vidal.

TESIS: CORRELACIÓN DEL PIB CONSTRUCCIÓN Y VARIABLES MACROECONÓMICAS MAESTRÍA EN ADMINISTRACIÓN DE LA CONSTRUCCIÓN OSCAR JESÚS ESTRADA VALLES

RESUMEN

Este estudio de investigación aborda una problemática que implica tanto al constructor, a la industria de la construcción, así como a los aspectos de la macroeconomía del país. Durante décadas es una inquietud el que los indicadores macroeconómicos fluctúen de forma inesperada, El PIB construcción no es la excepción lo que se a observado al paso del tiempo es que es el primero en caer en una recesión y el último en subir en una recuperación económica.

Faltan herramientas en el país para una adecuada planeación a nivel nacional y en particular para una adecuada planeación a nivel estratégico en el sector constructivo que coadyuven como base a una mejor toma de decisiones en términos generales.

El objetivo de esta investigación es el de Establecer el Modelo de Análisis Multivariado para determinar la correlación y ecuación de predicción del comportamiento del PIB Construcción con las diferentes variables macroeconómicas del país.

Bajo un esquema de estudio Descriptivo, Correlaciónal, No experimental ( las variables macroeconómicas no se pueden manipular), se postula la hipótesis:

H1: El comportamiento del PIB Construcción tiene una alta correlación o influencia de las Variables Macroeconómicas Exportaciones de Petróleo, índice de la Bolsa Mexicana de Valores, índice Nacional de Precios al Constructor, Tipo de Cambio, índice Nacional de Precios al Productor, Producto Interno Bruto Nacional, Producto Interno Bruto de los Estados Unidos, Remesas Familiares, Tasa de Desempleo Abierta.

Para poder llevar acabo esta investigación se recurre al análisis estadístico multivariado en una de sus once variantes, la correlación múltiple exponiendo sus conceptos y principales reglas, todo esto conforma el marco teórico de este estudio.

Mediante un estudio exploratorio se determinan las variables que más impacto tienen en el comportamiento del PIB construcción, las cuales son: balcom, cetes, creditbd, dowjones, exppetro, gastpub, ibmex, inpc, inpconst, inpp, invdext, pibnac, pibusa, remesas, tasadab, tasainf, tascpob, tipocam, viajeros, obteniéndose los datos trimestralmente del año 2000 al 2004, la base de datos se conformó consultando las cifras oficiales publicadas por varias instituciones, teniendo una muestra de 20 variables (1 dependiente y 19 independientes) con 20 datos por variable, dando un total de población de 400 datos todos en la escala métrica o de razón.

TESIS: CORRELACIÓN DEL PIB CONSTRUCCIÓN Y VARIABLES MACROECONÓMICAS MAESTRÍA EN ADMINISTRACIÓN DE LA CONSTRUCCIÓN OSCAR JESUS ESTRADA VALLES

Se establece el análisis de correlación múltiple del PIB construcción, a través del paquete estadístico SPSS versión 8.1, con los datos originales y se observa la violación de los supuestos del análisis multivariado: 1.- Línearidad, 2.-Homoscedasticidad, 3.- Independencia, 4.- Normalidad, 5.- Outliers. Con base en esta violación de supuestos no se pueden validar los resultados obtenidos, ni establecer la ecuación de predicción.

Para solucionar la problemática anterior se procede a transformar los datos por medio de la función de log n (Yt), en todas las variables tanto dependiente como independientes.

Se establece el análisis de correlación múltiple del PIB construcción con los datos transformados a través del paquete estadístico SPSS versión 8.1, y se observa que los supuestos del análisis multivariado ya no se violan por lo que se procede a obtener la ecuación de predicción, existiendo una correlación total de todas las variables del modelo de R = 0.997. Una R2 = 0.995 esto es, el modelo explica en un 99.5% (más tres Sigma), la variabilidad del PIB Construcción en función de las variables independientes, el otro 0.5% lo explican otras variables no incluidas en el modelo. Las variables mas influyentes en el comportamiento del PIB Construcción en orden de importancia son: Producto interno bruto nacional con 0.751, Exportaciones de petróleo con 0.748, Tipo de cambio con 0.678, Producto interno bruto de los Estados Unidos con 0.671, índice nacional de precios al productor con 0.624, índice de la bolsa Mexicana de valores con 0.599, índice nacional de precios al constructor con 0.580, Tasa de desempleo abierta con 0.574 y Remesas familiares con 0.510.

La ecuación de predicción que nos da el software optimizando las variables para esta confiabilidad y coeficiente de error es:

PIBConst = -72.115 + 0.34679lbalcom - OAimcetes - 0.722Wcreditbd +

0.619 Wdowjones - 0.211 «R exp petro + 0.02937 Wgastpub -

0.693Wbmex -1 JOOWinpc -IJSSMinpconst + 0.04263^Rinvdext +

S.OllVipibnac + A.SOOVipibusa - 0.653${remesas + 0.23S^{tasadab +

0.45 79Í tasa inf- 5.\62^ltascpob + \Aimtipocam- Q.0265%viajeros

Con esto se puede determinar la comprobación de la hipótesis H1 de esta investigación.


Con el fin de abreviar la ecuación de predicción se quitaron del modelo las variables de menor correlación o variables espurias con el criterio, variables con p<0.5 salen del modelo, así quedaron solo 10 variables en total.

Una vez realizado el análisis de correlación múltiple en estas condiciones de presenta una correlación total de todas las variables del modelo de R= 0.888. Una R^O.789, esto es, el modelo abreviado explica en un 79%, la variabilidad del PIB Construcción en función de las 9 variables independientes, el otro 0.21% lo explican las otras 10 variables excluidas anteriormente y otras variables no incluidas en el modelo.

La ecuación de predicción abreviada para esta confiabilidad y coeficiente de error es:

PIBConst = -31.381 + 0.0079779ÍQxppetro -0.09S3íRibmex - 0 .43 Winpconst

- 0.344 Winpp + 2.075 Mpibnac + 1.884 Vlpibusa - 0.123 tremesas

+ 0.114 9} tasadab + 0.275 9Í tipocam

Es necesario destacar que esta ecuación de predicción abreviada casualmente se rige bajo la ley de Pareto, pues las variables que se toman predicen un 80% de la variabilidad del PIB construcción, el otro 20% lo constituyen otras variables.

Se concluye que la ecuación resultado de este estudio de investigación es de gran utilidad para establecer modelos econométricos, prospectar sobre el comportamiento del PIB Construcción, realizar procesos de planeación, creación de escenarios y/o toma de decisiones.

El hallazgo más importante de este estudio radica en la obtención de la ecuación de predicción del PIB construcción por sí misma. Y destacar la influencia en el modelo de las remesas provenientes de Mexicanos radicados en el extranjero y la influencia del PIB usa.

« cmic

Cámara Me\Kaiia de ía Industria de la Ctmstmccr'í.

INSTITUTO TECNOLÓGICO DE LA CONSTRUCCIÓN

MAESTRÍA EN ADMINISTRACIÓN DE LA CONSTRUCCIÓN

"MODELO DE ANÁLISIS MULTIVARIADO PARA DETERMINAR LA CORRELACIÓN Y ECUACIÓN DE PREDICCIÓN DEL COMPORTAMIENTO DEL PRODUCTO INTERNO BRUTO DE LA CONSTRUCCIÓN"


ÍNDICE CAPITULO I INTRODUCCIÓN

1.1.- Problema de investigación 5

1.2.- Justificación 6

1.3.- Alcance 7

1 A.- Objetivos 7

CAPITULO II MARCO TEÓRICO

2.1.- Análisis de regresión múltiple 9

2.2.- Nociones de regresión lineal múltiple 9

CAPITULO III MÉTODO

3.1.- Tipo de Investigación 12

3.2.-Hipótesis H1 12

3.3.- Modelo operacional de las variables 12

3.4.- Descripción de las variables de la hipótesis H1 13

3.5.- Diseño de la investigación 19 CAPITULO IV ANÁLISIS DE CORRELACIÓN MÚLTIPLE DEL PIB CONSTRUCCIÓN (CON VARIABLES SIN TRANSFORMAR)

4.1.- Definición del problema de investigación 20

4.2.- Planteamiento del problema 20

4.3.- Justificación 21

4.4.- Objetivo 21

4.5.- El problema es apropiado para ser resuelto por el método de regresión 21 múltiple?

4.6.- Predicción y explicación con regresión múltiple 21

4.7.- Selección de las variables independientes del modelo 22


4.8.- Tamaño de la muestra 23

CAPITULO V VALIDACIÓN DE SUPUESTOS CON VARIABLES TRANSFORMADAS

5.1.- Estrategia de transformación 56

5.2.- Verificación de los supuestos con los datos transformados 57

CAPITULO VI ESTIMACIÓN DEL MODELO DE ANÁLISIS MULTIVARIADO PARA DETERMINAR LA CORRELACIÓN Y ECUACIÓN DE PREDICCIÓN DEL COMPORTAMIENTO DEL PRODUCTO INTERNO BRUTO DE LA CONSTRUCCIÓN

6.1.- Estimación del modelo de regresión 86

6.2.- Corrida de la correlación múltiple en el paquete SPSS Método Entered 86

6.3.- Determinación de la ecuación de predicción 90

6.4.- Medición del grado de impacto en la multicolinearidad 90

CAPITULO Vil ESTIMACIÓN DEL MODELO DE REGRESIÓN QUITANDO VARIABLES DE BAJA CORRELACIÓN (ECUACIÓN DE PREDICCIÓN ABREVIADA)

7.1.- Criterio de selección de variables espurias o de baja correlación con el 92 PIB Construcción

7.2.- Supuestos de la regresión múltiple 92

7.3.- Corrida de la correlación múltiple en el paquete SPSS Método Entered 93 con variables seleccionadas (p>0.5)

7.4.- Determinación de la ecuación de predicción abreviada 94

CAPITULO VIII CONCLUSIONES Y RECOMENDACIONES 106

BIBLIOGRAFÍA 107

GLOSARIO DE TÉRMINOS 108


CAPITULO I INTRODUCCIÓN

En México como en otros países existen diversos indicadores o variables macroeconómicas que describen el comportamiento a través del tiempo de las distintas ramas de la economía, las cuales están relacionados entre si de muy diversas maneras. Las relaciones que existen entre dichas variables o indicadores, son en su mayoría desconocidas, en algunos casos se pueden llegar a conocer por especialistas como Administradores, Economistas, Financieros u otros, pero de una manera empírica o mediante la intuición y no como lo describiría un modelo matemático aplicado mediante el uso del método científico, que es la herramienta intelectual mas poderosa con la que cuenta el ser humano. Cabe aclarar que existen modelos económicos que describen el comportamiento de variables, pero son de ramas de la economía alejadas relativamente de la Construcción.

El Comportamiento del Producto Interno Bruto de la Construcción (PIB Construcción) ha sido muy variable a través del tiempo y es un reflejo de la economía nacional, se caracteriza porque cuando la economía del país entra en crisis, el PIB Construcción es el primer indicador en caer y/o afectarse, y cuando la economía del país esta en etapa de crecimiento es el ultimo indicador que se recupera; como se puede observar en su gráfica de comportamiento de los trimestres de los últimos 24 años.

PIB Construcción

(N CM CM CN

Trimestres

4

? Í I B L I Ü T E C A CONSTRUCCIÓN Y VARIABLES MACROECONÓMICAS

MAESTRÍA EN ADMINISTRACIÓN DE LA CONSTRUCCIÓN OSCAR JESUS ESTRADA VALLES

1.1.- Problema de investigación.

El PIB Construcción es la variable que indica el comportamiento de la construcción en México, es decir que tanto se construyo en el país en un periodo determinado, por lo que la incertidumbre que existe en relación con su comportamiento, genera desconfianza en la economía del país por parte de los constructores, además de que dicha incertidumbre se manifiesta derivado de que se desconoce cuales son las variables mas significativas que impactan al PIB Construcción y no se cuenta con un modelo matemático para poder tomar decisiones de una manera correcta por parte del Sector Constructivo, El Constructor, El Inversionista Nacional y La Inversión Extranjera. Aunado a lo anterior se puede decir de una manera precisa que se carece de una ecuación de predicción del comportamiento y tendencia del PIB Construcción, por lo que no se cuenta con una herramienta formal para realizar una verdadera Planeación Estratégica en el ramo de la construcción. Todo lo anterior es grave ya que en resumen se puede mencionar que se desconoce el comportamiento del pibconst en el contexto de la Economía Nacional, situación que nadie desea por generar un estado de incertidumbre pura.

5


1.1.1.- Esquema del problema de investigación.

No se cuenta con un modelo para poder tomar decisiones por parte del Sector Constructivo, El Constructor, El Inversionista Nacional y La Inversión Extranjera (Toma de decisiones)

Se desconoce cuales son las variables mas significativas que impactan al PIB Construcción (Conocimiento del entorno)

Incertidumbre en el comportamiento del PIB Construcción

Se carece de una ecuación de predicción del comportamiento y tendencia del PIB Construcción (Planeación a corto plazo)

No se cuenta con una herramienta formal para realizar una verdadera Planeación Estratégica (Planeación a largo plazo)

Se desconoce el comportamiento del PIB Construcción, en el contexto de la Economía Nacional (Análisis económicos)

1.2.- Justificación.

1.2.1.- Económica.- Los beneficios que se esperan de este estudio de investigación en términos económicos radican en la aportación de una herramienta para la planeación dentro del contexto de la Economía Nacional; así como para determinar las variables de incidencia significativa en el ramo de la construcción en el país, aportando elementos para la toma de decisiones en el Plan Económico Nacional, Sector Constructivo y Empresas Constructoras; dando elementos para el crecimiento e inversión en este sector productivo, el cual es de los mas importantes de la economía nacional de México y que representa el 18% del Producto Interno Bruto Nacional (PIB Nacional) en términos monetarios.

6


1.2.2.- Social.- Los beneficios que se esperan de este estudio en términos sociales radican en que al conocer las variables incidentes y el modelo matemático del comportamiento del PIB Construcción se fomenta la inversión en este sector, dando como consecuencia lógica la creación de empresas, empleos y por lo tanto bienestar social.

1.2.3.- Metodológica.- Se establece esta justificación por el hecho de aplicar una técnica de Análisis Multivariado, en especial el Análisis de Regresión Lineal Múltiple como aportación y desarrollo de este tipo de técnicas y su aplicación a las variables macroeconómicas del país, sobre todo las variables relacionadas con el ramo de la construcción que es nuestro sector de interés.

1.3.-Alcance.

El estudio de investigación abarcará el ámbito de la economía nacional y la influencia económica internacional, en especial de los Estados Unidos, todo desde la perspectiva de la construcción nacional; lo anterior mediante la elección de variables macroeconómicas y la respectiva valoración de su significancia, con relación al comportamiento del PIB Construcción El PIB Construcción contempla todas las empresas de cualquier tamaño que hallan construido todo tipo de obra y que con dicha actividad generen influencia en el crecimiento de la economía mexicana.

1.4.- Objetivos.

1.4.1.- Genérico.- Establecer el Modelo de Análisis Multivariado para determinar la correlación y ecuación de predicción del comportamiento del PIB Construcción con las diferentes variables macroeconómicas del país.

1.4.2.- Específicos.

• Analizar la problemática del comportamiento del PIB Construcción y las variables que lo impactan; en el contexto de la Economía Nacional.

• Analizar y exponer la metodología del Análisis Multivariado y en especifico la Regresión Lineal Múltiple.

• Mostrar la información de las variables macroeconómicas mas representativas de la economía nacional y sus tendencias con respecto al PIB Construcción.

• Describir las variables macroeconómicas mas significativas de la economía nacional con respecto al PIB Construcción.

7


• Establecer las correlaciones del PIB Construcción con las variables macroeconómicas mencionadas a través del paquete computacional estadístico SPSS por sus siglas en Ingles.

• Cumplir con los supuestos en el Análisis de Regresión Lineal Múltiple:

1. Linearidad.

2. Homoscedasticidad.

3. Independencia.

4. Normalidad.

5. Outliers.

• Realizar la transformación de datos de las variables macroeconómicas, para no violar los 5 supuestos antes mencionados.

• Establecer la estimación del Modelo de Regresión Múltiple.

• Determinar la ecuación de predicción del PIB Construcción.

• Validar los resultados obtenidos.

8


CAPITULO II MARCO TEÓRICO

2.1.-Análisisde Regresión Múltiple.

Es un método apropiado de análisis cuando los problemas de investigación involucran variables métricas independientes prediciendo el valor de una o mas variables dependientes. El objetivo del análisis de la regresión múltiple es el de predecir los cambios de la variable dependiente como efecto de los cambios en la variable independiente, este objetivo se establece sin romper las reglas de la estadística y los supuestos de regresión. Dicho método se utiliza cuando al investigador le interesa predecir la manera y magnitud de la dependencia entre variables.

2.2.- Nociones de regresión Lineal Múltiple.1

El objeto de un análisis de regresión es investigar la relación estadística que existe entre una variable dependiente (Y) y una o más variables independientes (X¡,X2,X3, ... ). Para poder realizar esta investigación, se debe postular una relación funcional entre las variables. Debido a su simplicidad analítica, la forma funcional que más se utiliza en la práctica es la relación lineal. Cuando solo existe una variable independiente, esto se reduce a una línea recta:

Y = b0+blX

donde los coeficientes fc>0 y b-i son parámetros que definen la posición e inclinación

de la recta. (Nótese que hemos usado el símbolo especial Y para representar el valor de Y calculado por la recta. Como veremos, el valor real de Y rara vez coincide exactamente con el valor calculado, por lo que es importante hacer esta distinción.)

El parámetro b0, conocido como la "ordenada en el origen," nos indica cuánto es Y cuando X = 0. El parámetro b^, conocido como la "pendiente," nos indica cuánto aumenta Y por cada aumento de una unidad en X. Nuestro problema consiste en obtener estimaciones de estos coeficientes a partir de una muestra de observaciones sobre las variables Y y X. En el análisis de regresión, estas estimaciones se obtienen por medio del método de mínimos cuadrados.

2.2.1.- Estimación de la Recta de Regresión.2

Para estimar los coeficientes por medio de mínimos cuadrados, se utilizan las siguientes fórmulas:

1 FUENTE: Nociones de Regresión Lineal de Julio H. Cole profesor de economía. ^En la práctica los cálculos relacionados con un análisis de regresión se efectúan por medio de programas de computadora, por lo que los cálculos detallados en esta sección se incluyen únicamente a titulo de ilustración.

9

r? i i c! B I B L Í Ü T E C A


1 ZX2-xZX

b0=y-b,x

2.2.2.- Coeficiente de Determinación (R2).

Una pregunta importante que se plantea en el análisis de regresión es la siguiente: ¿Qué porcentaje de la variación total en Y se debe a la variación en X? En otras palabras, ¿cuál es la proporción de la variación total en Y que puede ser "explicada" por la variación en X? El estadístico que mide esta proporción o porcentaje se denomina coeficiente de determinación:

Ze2

R2 = 1

2.2.3.- Regresión Múltiple.

Hasta ahora hemos considerado únicamente el caso de la regresión simple. En el caso más general de la regresión múltiple, existen dos o más variables independientes:

Y = b0+b,Xx+b2X2+...

La estimación de los coeficientes de una regresión múltiple es un cálculo bastante complicado y laborioso, por lo que se requiere del empleo de programas de computación especializados. Sin embargo, la interpretación de los coeficientes es similar al caso de la regresión simple: el coeficiente de cada variable independiente mide el efecto separado que esta variable tiene sobre la variable dependiente. El coeficiente de determinación, por otro lado, mide el porcentaje de la variación total en Y que es explicado por la variación conjunta de las variables independientes.

2.2.4.- Regresión No-lineal.

La regresión lineal no siempre da buenos resultados, porque a veces la relación entre Y y X no es lineal sino que exhibe algún grado de curvatura. La estimación directa de los parámetros de funciones no-lineales es un proceso bastante complicado. No obstante, a veces se pueden aplicar las técnicas de regresión lineal por medio de transformaciones de las variables originales.

Una función no-lineal que tiene muchas aplicaciones es la función exponencial:

10


donde A y b son constantes desconocidas. Si aplicamos logaritmos, esta función también puede ser expresada como:

log(Y) = log(/\) + b.log(X)

Consideremos ahora la siguiente regresión lineal:

log(y) = í)0 + /31log(X)

En esta regresión (denominada regresión doble-log), en lugar de calcular la regresión de Y contra X, calculamos la regresión del logaritmo de Y contra el logaritmo de X. Comparando estas dos ecuaciones, podemos apreciar que el coeficiente b0 es un estimador de log(>4), mientras que 6, es un estimador de b (el exponente de la función exponencial). Este modelo es particularmente interesante en aplicaciones econométricas, porque el exponente b en una función exponencial mide la elasticidad de Y respecto de X.

11


CAPITULO III MÉTODO

3.1.- Tipo de Investigación.- En este trabajo se realizan 3 tipos de estudio, según la clasificación Dankhe 1988. En primer término se realiza un Estudio Exploratorio para determinar las variables de mayor incidencia en el comportamiento del PIB Construcción y sus tendencias. Posteriormente se realiza un Estudio Descriptivo-Documental para determinar, identificar y medir las variables que inciden en esta problemática; y por ultimo se establece un Estudio Correlacional de carácter multivariado para con base en ello establecer las causalidades entre variables y encontrar la ecuación de predicción del fenómeno.

3.2.- Hipótesis.

HI : El comportamiento del PIB Construcción tiene una alta correlación o influencia de las variables macroeconómicas Exportaciones de Petróleo, índice de la Bolsa Mexicana de Valores, índice de Precios al Constructor, Tipo de Cambio, índice Nacional de Precios al Productor, Producto Interno Bruto Nacional, Producto Interno Bruto de los Estados Unidos, Remesas Familiares, Tasa de Desempleo Abierta.

3.3.- Modelo operacional de las variables.

Variables Independientes Variable Dependiente

XI

X2

X3

X4

X5

X6

X7

X8

X9

Exportaciones Petróleo

índice Bolsa Mexicana

índice Precios Consumidor

Tipo de Cambio

Índice Precios Productor

PIB Nacional

PIB Usa

Remesas Familiares

Tasa de Desempleo

Y 1

12

TESIS: CORRELACIÓN DEL PiB CONSTRUCCIÓN Y VARIABLES MACROECONÓMICAS


3.4.- Descripción de las variables de la hipótesis H1.

Variable Macroeconómica 1. Producto Interno Bruto de la Construcción (pibconst).- Valor total monetario de la producción corriente de bienes y servicios finales en el ramo de la construcción dentro del territorio nacional durante un período de tiempo (trimestral). Unidad en millones de pesos a precios de 1993.

FUENTE DATOS: Elaborado por el Centro de Estudios de las Finanzas Públicas de la H. Cámara de Diputados, con datos del Instituto Nacional de Estadística, Geografía e Informática (INEGI)

Variable Macroeconómica 2.

Producto Interno Bruto Nacional (pibnac).- Valor total monetario de la producción corriente de bienes y servicios finales dentro del territorio nacional (todos los sectores) durante un período de tiempo (trimestral). Unidad en millones de pesos a precios de 1993. Serie desestacionalizada.

FUENTE DATOS: Instituto Nacional de Estadística, Geografía e Informática.


Gasto Sector Público (gastpub).- Representa en valor monetario el total de los gastos netos pagados del sector público. Periodicidad mensual, Unidad de medida miles de pesos corrientes.

FUENTE DATOS: Dirección General Adjunta de Estadística de la Hacienda Pública.


Tipo de Cambio (tipocam).- Es el tipo de cambio entre las monedas de México y los Estados Unidos, es decir la cantidad de pesos que se pagan por un dólar EE.UU., para operaciones al mayoreo entre bancos, casas de bolsa, casas de cambio y particulares. Interbancario mismo día, Cierre-venta, y Cotizaciones promedio.

FUENTE DATOS: Banco de México. Indicadores Económicos y Financieros. Mercado de Cambios.


Certificados de la Tesorería de la Federación (cetes).- Instrumento de deuda gubernamental denominado en moneda nacional, emitidos por la Tesorería de la Federación con un doble propósito: financiar el gasto público y regular flujos monetarios. Son títulos de crédito al portador que consignan la obligación del gobierno Federal a pagar su valor nominal al vencimiento. Plazo de 28 días y se expresa en tasa de rendimiento anualizada como unidad de medida.

FUENTE DATOS: Bolsa Mexicana de Valores S. A. de CV. Indicadores Bursátiles.

13



Tasa de Inflación (tasainf).- Desequilibrio económico caracterizado por la subida general de los precios y provocado por la excesiva emisión de billetes de banco, un déficit presupuestario o por falta de adecuación entre la oferta y la demanda. La inflación es la presencia en la circulación de una gran cantidad de papel moneda que rebasa las necesidades de la circulación de mercancías o que sobrepasa a la cantidad de oro que lo respalda. Unidad de Medida: Variación anual. Se pondera a través de una canasta básica.

FUENTE DATOS: CMIC, INEGI; Indicadores Internacionales. Datos del Banco de México; Indices de Precios.


Crédito Banca de Desarrollo (creditbd).- Como base la Metodología 1997 revisada, se expresa en saldos en millones de pesos al día último de cada mes y se refiere al crédito total otorgado a través de la banca de desarrollo a los diferentes sectores principales de los prestatarios, los cuales se mencionan a continuación:

• Sector agropecuario, silvícola y pesquero. • Sector industrial. Incluye minería, industria manufacturera y construcción. • Sector servicios y otras actividades. Incluye comercio, restaurantes y

hoteles, transporte, almacenamiento y comunicaciones, alquiler de inmuebles, servicios comunales, sociales y personales, cinematografía, otros servicios de esparcimiento y otros servicios, así como agrupaciones mercantiles, profesionales, civiles, políticas y religiosas.

• Crédito a la vivienda. Incluye crédito a la vivienda de interés social, media y residencial. La cartera de vivienda reestructurada en UDIS, se clasifica en el rubro de vivienda media.

• Créditos al consumo. Incluye tarjetas de crédito y bienes de consumo duradero.

• Sector financiero del país. Incluye al sector público y privado. El crédito operado entre bancos del mismo tipo (intrabancaho), no está considerado.

• Sector gubernamental. Incluye servicios de administración pública, defensa y seguridad social.

• Otros. Incluye PIDIREGAS (Proyectos de Infraestructura productiva con impacto diferido al registro del gasto) e IPAB.

• Entidades del exterior. Incluye servicios de organismos internacionales y extraterritoriales.

Nota: Los datos tienen un ajuste estadístico que corresponde a las diferencias entre la fuente de Información contable y el reporte detallado de cartera de créditos. FUENTE DATOS: Banco de México. Indicadores Económicos y Financieros. Agregados Monetarios.

14



índice Nacional de Precios al Consumidor (inpc).- Indicador que refleja el cambio de los precios al consumidor. Se define como el promedio ponderado de los bienes de un conjunto especifico de bienes y servicios consumidos por las familias , conocido como la canasta básica o de mercado, el cual es convertido a una serie de tiempo que relaciona los precios de un periodo con los precios de otro periodo. Las ponderaciones se basan en la importancia relativa que las familias asigna al gasto, de acuerdo al nivel de sus ingresos. Se toma como base la 2da. quincena de junio de 2002 igual a 100.

FUENTE DATOS: Banco de México. Indicadores Económicos y Financieros. Precios.


índice Nacional de Precios al Productor (inpp).- Indicador que refleja el cambio de los precios a partir de una canasta representativa de la producción nacional, Se toma como base el mes de diciembre de 2003 igual a 100. El Sistema del índice Nacional de Precios al Productor, recopila durante cada mes 1,500 cotizaciones directas en 2,000 empresas o entidades aproximadamente localizadas en todo el territorio nacional. Los promedios de dichas cotizaciones dan lugar a los índices de los 600 conceptos genéricos que forman la canasta del índice.

Nota: Estas cifras por los procedimientos de elaboración, están sujetas a cambios ulteriores, en particular las más recientes. FUENTE DATOS: Banco de México. Indicadores Económicos y Financieros. Precios.


índice Nacional de Precios al Constructor (inpconst).- Indicador que refleja el cambio de los precios en los materiales utilizados en el sector construcción, incluye alquiler de maquinaria. Se toma como base el mes de diciembre de 2003 igual a 100.

FUENTE DATOS: Indicadores Económicos y Financieros del Banco de México

Variable macroeconómica 11.

Tasa de Crecimiento Poblacional (tascpob).- Tasa en porciento que mide el crecimiento total de la población, es decir mide la variación del monto de la población durante un año determinado. Este crecimiento resulta de la suma del crecimiento natural y el crecimiento social total.

Crecimiento Natural.- Es la diferencia entre el número de nacimientos y de defunciones, generalmente referida a un año.

Crecimiento Social Total o Migración Neta Total.- Es la suma algebraica de la migración neta interestatal y la migración neta internacional.

15


Migración Neta Interestatal.- Es la diferencia entre el número de inmigrantes y de emigrantes interestatales en un año dado. También se le conoce como balance migratorio o saldo neto migratorio.

Migración Neta Internacional.- Es la diferencia entre el número de inmigrantes y de emigrantes internacionales en un año dado. También se le conoce como balance migratorio o saldo neto migratorio.

FUENTE DATOS: Consejo Nacional de Población (CONAPO).


Tasa de Desocupación Abierta (tasadab).- Es el porcentaje que representa la Población Desocupada Abierta (PDA) respecto a la Población Económicamente Activa (PEA).

TDA = [(PDA)/(PEA)]x100

Población Económicamente Activa.- Comprende a todas las personas de 12 años y más que realizaron algún tipo de actividad económica (población ocupada), o que buscaron activamente hacerlo (población desocupada abierta) en los dos meses previos a la semana de referencia.

Población Ocupada.- Son las personas de 12 años y más que en la semana de referencia:

a) Trabajaron al menos una hora o un día a cambio de un ingreso monetario, o en especie, o que lo hicieron sin recibir pago.

b) No trabajaron por estar ausentes temporalmente por vacaciones, permisos, enfermedad, motivos personales, con retorno asegurado al trabajo o negocio.

c) Con seguridad iniciarán un trabajo en cuatro semanas o menos.

Población Desocupada Abierta.- Son las personas de 12 años y más que en la semana de referencia:

a) Estaban disponibles.

b) No trabajaron.

c) Buscaron incorporarse a alguna actividad económica en los dos meses previos a la semana de referencia sin lograr su objetivo.

16


La información se presenta desestacionalizada, ya que la comparación de un mes o trimestre de un año cualquiera respecto al mismo periodo del año anterior no resulta muy apropiada cuando se presentan eventos como el de Semana Santa, que se ubicó por ejemplo en el año 2001 en el segundo trimestre y en el año 2002 en el primer trimestre, lo cual incide sobre la comparación de las cifras por la diferencia de días laborales en los periodos de referencia (en el caso mencionado, 75 vs. 71 días respectivamente), por lo que para evitar esta distorsión de las mediciones, se elimina la estacionalidad ocasionada como ejemplo por la semana santa, mediante las series desestacionalizadas.

FUENTE DATOS: Instituto Nacional de Estadística Geografía e Informática (INEGI).


Total de Exportaciones Petroleras (exppetro).- Representa en valor monetario el total de exportaciones de petróleo crudo realizadas por México. Unidad de medida en millones de dólares. Para febrero de 2005 son cifras oportunas.

FUENTE DATOS: Grupo de Trabajo integrado por la Secretaría de Hacienda y Crédito Público, el Banco de México, la Secretaría de Economía y el INEGI.


Balanza Comercial (balcom).- Es la cuantificación monetaria del total de las compras y ventas de mercancías de un país con el exterior, en un periodo determinado. La balanza comercial forma parte de la balanza de pagos. La balanza comercial es favorable, positiva o suparavitaña, cuando el total de las exportaciones es superior al valor monetario de las importaciones; por el contrario, la balanza será desfavorable, negativa o deficitaria, cuando el total de las importaciones exceda el valor monetario de las exportaciones.

Nota. Incluye Maquiladora. FUENTE DATOS: Banco de México. Indicadores Económicos y Financieros. Balanza de Pagos, Comercio exterior por Países.


Viajeros Internacionales (viajeros).- Forma parte de la balanza de pagos y representa el saldo en miles de dólares con respecto a México de los viajeros internacionales en un periodo determinado, dicho saldo es favorable si es positivo y significa que los ingresos son mayores que los egresos, si es negativo los egresos son mayores que los ingresos. Egreso es el gasto en miles de dólares de los viajeros mexicanos en otros países mediante las actividades de Turismo y viajes fronterizos. Ingreso es el gasto en miles de dólares de los visitantes extranjeros en México mediante las actividades de Turismo, viajes fronterizos y visitas en crucero. Los viajes fronterizos incluyen con y sin pernocta.

Nota: Estas cifras por los procedimientos de elaboración, están sujetas a cambios ulteriores, en particular las más recientes. FUENTE DATOS: Banco de México. Indicadores Económicos y Financieros. Balanza de Pagos.

17



Inversión Directa Extranjera, (invdext).- Indicador de la inversión extranjera directa efectuada por personas físicas y morales que realizan o pretenden realizar actividades mercantiles en México, y que se rigen bajo los procedimientos que marca la ley en la materia. Periodicidad trimestral, unidad de medida miles de dólares.

FUENTE DATOS: Indicadores Económicos y Financieros del Banco de México e INEGI.


índice de la Bolsa de México (ibmex).- índice de Cotización de Acciones del mercado accionario mexicano, el cual es un indicador medio que refleja en un número, las variaciones agregadas en los precios de un grupo de acciones. Periodicidad mensual con base 1978 igual a100.



Remesas Familiares (remesas).- Ingresos totales pertenecientes a la balanza de pagos expresados en millones de dólares, los cuales mandan los connacionales en el extranjero a sus familiares en el país, con periodicidad mensual. Incluyen: Money orders, Cheques personales, Transferencias electrónicas, Efectivo y Especie.

FUENTE DATOS: Indicadores Económicos y Financieros del Banco de México. Balanza de Pagos.


índice de la Bolsa de Nueva York (dowjones).- El Promedio Industrial Dow Jones es un indicador del valor de las acciones transadas en la Bolsa de Valores de Nueva York. El Dow es un índice balanceado que refleja el valor de mercado de 30 compañías de las más reconocidas en los Estados Unidos y el mundo. Se representa por un número que está cambiando continuamente. Por ser un índice balanceado, las alzas o bajas del Dow en un día determinado reflejan en general el comportamiento de todas las acciones que se negocian en la Bolsa de Nueva York. Periodicidad mensual con base diciembre de 1988 igual a100.



Producto Interno Bruto Nacional USA (pibusa).- Valor total monetario de la producción corriente de bienes y servicios finales dentro del territorio nacional (todos los sectores) de los Estados Unidos de América durante un período de

18


tiempo (trimestral). Periodicidad trimestral. Unidad en miles de millones de dólares a precios constantes de 1993.

FUENTE DATOS: Centro de Estudios de las Finanzas Públicas de la H. Cámara de Diputados con datos de U.S. Bureau of Economic Analysis (BEA).

3.5.- Diseño de la investigación.

El presente estudio se realiza con base en un esquema no experimental dada la imposibilidad por parte del investigador de poder manipular las variables macroeconómicas del país, ya que su comportamiento dista mucho de estar en sus manos significando que no esta en un ambiente controlado y solo se analiza los efectos entre variables y causalidades en su contexto natural y desarrollo, tanto en la Economía Nacional como en las Internacionales.

19

rj i i c JB I B L. i Q T £ C A

'fBCONSTRUCCIÓN Y VARIABLES MACROECONOWldfs* TESIS: CORRELACIÓN DEL Pt. MAESTRÍA EN ADMINISTRACIÓN DE LA CONSTRUCCIÓN OSCAR JESUS ESTRADA VALLES

CAPÍTULO IV ANÁLISIS DE CORRELACIÓN MÚLTIPLE DEL PIB CONSTRUCCIÓN (CON VARIABLES SIN TRANSFORMAR)

Paso 1

4.1.- Definición del Problema de Investigación

Introducción

El Producto Interno Bruto de la Construcción reviste una gran importancia tanto para el modelo económico nacional como internacional ya que refleja en términos absolutos la totalidad de lo que se construye tanto en el país como fuera de el, es decir EL PRODUCTO INTERNO BRUTO DE LA CONSTRUCCIÓN, PIB Construcción es el valor total de la producción corriente de bienes y servicios finales en la construcción dentro del territorio nacional durante un período de tiempo que generalmente es un trimestre o un año. Ya que una economía produce gran número de bienes constructivos, el PIB construcción es la suma de tales elementos en una sola estadística de la producción global de los bienes y servicios mencionados en esta industria Dicha medida generalmente se expresa en una unidad de medida común, la cual generalmente es una unidad monetaria. La cifra del PIB construcción engloba la producción corriente de bienes finales valorada a precios de mercado. Cuando se habla de producción corriente de bienes finales se excluyen los artículos revendidos o comprados en un período anterior. Cuando se habla de bienes finales se entiende que no pueden ser contabilizados los insumos o las materias primas y que se consideran los productos finales en la construcción.

En el ámbito nacional este indicador tiene un gran peso en el comportamiento de nuestra economía en conjunto, ya que se establece como una variable determinante en nuestro modelo económico.

La idea de este problema surge de querer conocer el comportamiento de este indicador y su relación con las otras variables macroeconómicas de la economía nacional para ver la influencia de estas variables y poder establecer una planeación estratégica en este sector industrial a través de modelos de prospección.

4.2.- Planteamiento del problema

En forma genérica es perjudicial (no es bueno), que el PIB construcción dependa ó se correlacione fuertemente con una ó algunas variables macroeconómicas del país, partiendo que toda dependencia es mala, entre más variables independientes se tenga en el modelo se presume mayor fragilidad de la variable dependiente, en este caso del PIB construcción.

20


4.3.- Justificación

El modelo, los datos y su respectivo análisis deberán proporcionarnos un entendimiento, explicación, y predicción en la relación estadística que existe entre el PIB construcción y las variables macroeconómicas seleccionadas, y conocer que tanta fuerza de asociación (dependencia), y que tan sensible y/o vulnerable es el PIB construcción ante los cambios de las demás variables.

4.4.- Objetivo

Desarrollar un modelo estadístico y/o de predicción que nos permita determinar la fuerza de asociación (covariación), entre el PIB construcción (variable criterio) y las variables macroeconómicas (variables de predicción), con la intención de determinar que tan vulnerable es el PIB construcción ante el movimiento de alguna o algunas de estas variables macroeconómicas.

4.5.- El problema es apropiado para ser resuelto por el método de regresión múltiple?

Si, ya que deseamos buscar una asociación (correlación) entre el PIB construcción y las variables macroeconómicas. Así como encontrar un modelo estadístico por medio de una ecuación de predicción del comportamiento del PIB Construcción respecto al comportamiento de estas variables. Por otro lado se cuenta con una variable dependiente (PIB construcción), y varias independientes (variables macroeconómicas), y todas ellas están expresadas en una escala de razón ó métrica y en mismas fechas de ocurrencia, por lo que la escala permite utilizar la estadística paramétrica.

Por lo tanto el problema cuenta con las características para ser resuelto por el método de regresión múltiple.

4.6.- Predicción y explicación con regresión múltiple

Uno de los objetivos de este trabajo como se menciona es fundamentalmente el predecir el comportamiento de la variable dependiente (PIB construcción), por medio del conjunto de variables independientes, con una relación lineal y maximizar el poder de predicción del modelo.

21


4.7.- Selección de las variables independientes del modelo:

Los datos de las variables seleccionadas tanto dependiente como independientes se obtuvieron vía Internet en los respectivos sitios oficiales de cada dependencia encargada de la divulgación de la información estadística en México, ya sea información propia o en conjunto con otra institución.

Variable

1.-pibconst

2.-pibnac

3.- gastpub 4.- tipocam 5.- cetes

6.- tasainf 7.- creditbd

8.- inpc

9.- inpp

10.-inpconst

11.-tascpob

12.-tasadab

13.-exppetro

14.-balcom 15.-viajeros 16.- invdext

17.- ibmex

18.- remesas 19.-dowjones

20.- pibusa

Descripción

Producto Interno Bruto de la Construcción

Tipo de Variable

Dependiente / Métrica

Producto Interno Bruto Nacional Gasto Sector Publico Tipo de Cambio Certificados Tesorería Federación

de de

la la

Tasa de Inflación Crédito Desarrollo

Banca de

índice Nacional de Precios al Consumidor índice Nacional de Precios aMProductor índice Nacional de Precios al Constructor Tasa de Crecimiento Poblacional tasa de Desocupación Abierta Total de Exportaciones de Petróleo Balanza Comercial Viajeros Internacionales Inversión Directa

; Extranjera índice de la Bolsa Mexicana de Valores Remesas Familiares índice de la Bolsa de Nueva York Producto interno Bruto

. de los Estados Unidos

Independiente / Métrica

Independiente / Métrica Independiente / Métrica Independiente / Métrica

Independiente / Métrica Independiente / Métrica






independiente / Métrica

Independiente / Métrica Independiente / Métrica independiente / Métrica


Independiente / Métrica Independiente / Métrica

independiente / Métrica

22


Paso 2 4.8.- Tamaño de la muestra

La muestra se obtuvo de diferentes fuentes de información oficial, con los comportamientos a través del tiempo de las diferentes variables, el modelo consta de diez y nueve variables independientes.

Teniendo en cuenta el radio de observaciones recomendado por el libro Multivariate Data Analysis With Readings de Joseph F. Hair, para no afectar la potencia de la regresión ni la R2, se optó por tomar el tamaño de muestra de cinco años de información, esto es 20 observaciones por variable, así pues no se infringe la relación menos de 5 observaciones por variable, ni más de 1000, teniendo así un tamaño adecuado de muestra.

Como se menciona se tiene una relación lineal entre las variables métricas, por lo tanto no se utilizarán ni se necesitan variables adicionales ni variables dummy. (Artificiales)

A continuación se presenta la base de datos de la muestra de 400 observaciones correspondiente a cinco años de información, estos datos son tal cual se obtuvieron de las fuentes oficiales en sus paginas de Internet, dichas fuentes son: Instituto Nacional de Estadística, Geografía e Informática, Banco de México, Secretaria de Hacienda y Crédito Publico, Banco de México, Bolsa Mexicana de Valores S.A. de C.V., Consejo Nacional de Población, Secretaria de Economía, Cámara Mexicana de la Industria de la Construcción y Honorable Cámara de Diputados con datos del U. S. Bureau of Economic Analysis.

A continuación en las siguientes paginas se presenta la base de datos de las variables tal y como se obtuvieron.

23


Base de datos de la muestra

Trimestral

00-1 00-2 00-3 00-4 01-1 01-2 01-3 01-4 02-1 02-2 02-3 02-4 03-1 03-2 03-3 03-4 04-1 04-2 04-3 04-4

pibconst [Millones de sesos a srecios de 1993)

60,732 3160

62,494 1300

65,292 6640

62,917 4620

57,889 8770

57,522 2670

61,812 3380

59,944 7230

57,247 1320

60,716 6030

63,069 2810

61,229 1440

60,487 5090

61,399 2570

64,991 5790

63,367 6110

63,468 5710

64,154 9770

68,810 9120

67,144 9130

pibnac (Millones de pesos a orecios de 1993)

1,579,136 0000

1,604,545 0000

1,621,369 0000

1,614,099 0000

1,612,052 0000

1,605,489 0000

1,598,366 0000

1,593,180 0000

1,597,805 0000

1,613,314 0000

1,625,118 0000

1,624,862 0000

1,617,601 0000

1,634,685 0000

1,640,931 0000

1,659,189 0000

1,681,797 0000

1,700,544 0000

1,716,376 0000

1,739,709 0000

gastpub [Miles de aesos corrientes)

93,208,449 0000

95,494,103 0000

104,439,846 0000

166,830,701 0000

102,762,687 0000

123,910,195 0000

116,375,418 0000

149,263 917 0000

102,041,416 0000

123,954,634 0000

110,329,825 0000

229,842 384 0000

121,732,502 0000

134,971,683 0000

130,871,930 0000

246,036,114 0000

143,270 675 0000

171,759,498 0000

139,159,296 0000

278,371,2110000

ti poca m (Pesos por dólar)

9 2809

9 8235

9 3447

9 4573

9 5930

9 0805

9 4128

9 1513

9 0653

9 7612

10 0688

10 2217

10 9038

10 5000

10 9258

11 2436

11 0061

11 3856

11 4865

11 2031

cetes (Tasa Anualizada)

13 6600

15 6500

15 0600

17 0500

15 8000

9 4300

9 3200

6 2900

7 2300

7 3000

7 3400

6 8800

9 1700

5 2000

4 7300

6 0600

6 2800

6 5700

7 3600

8 5000

tasainf [Variación anual)

10 1000

9 4000

8 9000

9 0000

7 2000

6 6000

6 1000

4 4000

4 7000

4 9000

4 9000

5 7000

5 6000

4 3000

4 0000

4 0000

4 2000

4 4000

5 1000

5 2000

creditbd (Saldos en millones de pesos)

380,406 0000

396,572 0000

389,095 0000

386,276 0000

384,185 0000

387,263 0000

394,399 0000

384,173 0000

389,964 0000

417,426 0000

439,028 0000

469,068 0000

486,329 0000

482,595 0000

482,886 0000

478,270 0000

461,908 0000

455,711 0000

449,255 0000

447,126 0000

24

TESIS: CORRELACIÓN DEL PIB CONSTRUCCIÓN Y VARIABLES MACROECONÓMICAS MAESTRÍA EN ADMINISTRACIÓN DE LA CONSTRUCCIÓN ÓSCAR JESÚS ESTRADA VALLES

Base de datos de la muestra (continuación)

Trimestral

00-1

00-2 00-3 00-4 01-1 01-2 01-3 01-4 02-1 02-2 02-3 02-4 03-1 03-2 03-3 03-4 04-1 04-2 04-3 04-4

inpc (Base 2da. quincena lumo 2002=100)

87 9843

89 3417

90 8418

93 2482

94 2967

95 2153

96 4191

97 3543

98 6921

99 9172

101 1900

102 9040

104 2610

104 1880

105 2750

106 9960

108 6720

108 7370

110 6020

112 5500

inpp (Base diciembre 2003=100)

81 8820

84 2370

84 7010

84 6510

86 1840

86 2320

86 9360

85 7520

87 7304

90 0834

91 8972

93 6702

96 5848

95 8793

97 0308

100 0000

103 5490

105 8410

107 7030

108 0170

inpconst (índices base diciembre de 2003 = 100)

82 6860

84 1747

84 3812

85 3048

88 8194

88 8309

89 0195

88 6939

90 9187

91 6865

92 7956

93 2235

98 1279

98 6368

99 0795

100 0000

108 8630

114 1430

113 9360

114 4860

tascpob (Porciento)

1 2700

1 2700

1 2700

1 2700

1 2100

1 2100

1 2100

1 2100

1 1600

1 1600

1 1600

1 1600

1 1100

1 1100

1 1100

1 1100

1 0600

1 0600

1 0600

1 0600

tasadab [Porciento)

2 2565

2 2795

2 4768

2 2031

2 3609

2 3676

2 3853

2 9701

2 7067

2 4545

3 0682

2 4598

2 8833

3 6589

3 5082

3 4858

3 7481

3 7878

3 8338

exppetro (Millones de dólares)

1,378 3000

1,485 9000

1,492 6000

1,149 8000

1,192 7000

1 121 6000

1,083 5000

871 0000

1 166 8000

1,148 7000

1,331 0000

1 505 1000

1 345 1000

1,432 1000

1,447 5000

1,875 8000

1 748 5000

1 840 2000

2,182 3000

3 7863 1 948 3000

balcom (Millones de dólares)

345 8061

522 2769

671 5486

1,440 1841

621 8783

325 9939

453 1092

1 286 9741

296 4950

394 6572

489 9655

1,145 6139

414 5712

3191270

355 9314

1 026 2057

164 1949

530 6665

465 8842

2 356 0171

25


Base de datos de la muestra (continuación)

Trimestral

00-1 00-2 00-3 00-4 01-1 01-2 01-3 01-4 02-1 02-2 02-3 02-4 03-1 03-2 03-3 03-4 04-1 04-2 04-3 04-4

viajeros (Miles de dólares)

440,675 0000

294,953 0000

77,487 0000

212,800 0000

440,922 0000

263,425 0000

60,513 0000

207,499 0000

357,025 0000

269,380 0000

66,247 0000

278,217 0000

479,361 0000

295,157 0000

87,667 0000

333,022 0000

541,610 0000

348,233 0000

98,966 0000

395,524 0000

invdext (Miles de dólares)

4,117,637 6000

4,462,617 4000

2,785,711 9000

5,415,265 2000

3,105,549 6000

5,090,854 3000

14,976,489 4000

4,461,839 8000

2,759,974 0000

4,534,369 2000

3,030,772 7000

4,803,937 2000

2,974,973 2000

3,950,344 3000

2,335,268 6000

2,112,103 7000

8,050,619 0000

3,175,125 6000

2,497,773 4000

2,878,333 5000

ibmex (índices base 1978 = 100)

7,473 2500

6,948 3300

6,334 5600

5,652 1900

5,727 8900

6,666 1700

5,403 5300

6,372 2800

7,361 8600

6 460 9500

5,728 4600

6,127 0900

5,914 0300

7,054 9900

7,822 4800

8,795 2800

10 517 5000

10,281 8200

10,957 3700

12,917 8800

remesas (Millones de dólares)

494 5000

541 6000

568 5000

666 8000

718 1000

747 8000

772 1000

759 0000

744 5000

860 0000

860 6000

919 4000

964 2000

1,216 3000

1,293 1000

1,238 3000

1,348 9000

1,534 7000

1,422 4000

1,434 6000

dowjones [índices base diciembre 1988 = 100)

503 6500

481 7900

491 1500

497 4200

455 5400

484 3000

407 9900

426 1200

479 7600

426 2400

350 0900

384 6600

368 5400

414 3500

427 7000

482 0700

477 6300

481 2100

464 8300

497 2400

pibusa [Miles de Millones de dólares a precios de 1993)

8,568 6263

8,703 2155

8,693 2387

8,738 4205

8,727 6315

8,754 3931

8,723 6633

8,758 1480

8,831 8158

8,884 0623

8,941 2250

8,957 6794

9,000 6394

9 091 6465

9,255 4948

9,350 8433

9.454 0157

9,531 1087

9,625 1595

9,716 3652


PasoS

Supuestos en el análisis de regresión múltiple:

1.- LINEARIDAD, la linearidad en el fenómeno de medida.

2.- HOMOSCEDASTICIDAD, la varianza constante en los términos de error.

3.- INDEPENDENCIA, la Independencia en los términos del error.

4.- NORMALIDAD, la normalidad de la distribución de los términos del error.

5.- OUTLIERS

Como paso inicial se procede ha realizar una corrida para determinar las posibles violaciones a los supuestos para ver el comportamiento de la correlación entre las variables, esto se realizó con los datos normales tal y como se extrajo la muestra, análisis por niveles (datos sin transformar).

Correlación:

Tabla 1 (Descriptive statistics).- Se puede observar que con los datos normales tal y como se obtuvieron de la muestra las bandas de la media y desviación estándar se van a valores sumamente altos, también se observa que se están tomando en cuenta las 400 observaciones de la muestra.

Tabla 2 .- Se puede ver una alta correlación entre todas las variables independientes y el PIB construcción, Perason correlation, esta gran correlación se corrobora con los valores para la prueba de hipótesis a una cola y tomando como nivel de significancia muy variable, pues va de 0 a 0.299, esta correlación es dudosa y se tendrá que comprobar más adelante.

Tablas 3 y 4.- Se tienen valores de R, R2 y R2 ajustada sumamente aceptables, Así en la tabla 3 (continuación) se ve como el indicador de Durbin Watson nos indica un aceptable valor de 2.742 un poco alejado del valor óptimo de 3, esto nos da indicios de cierta redundancia en los datos

1.- Linearidad.- Grado en que cambia el coeficiente de regresión asociado a la variable dependiente, esto se muestra en las gráficas 1 y 2, mostrándose problemas de linearidad, nótese en la gráfica 1 el espacio vacío que existe en el histograma. Resultado: se viola el supuesto.

27

TESIS: CORRELACIÓN DEL PIB CONSTRUCCIÓN Y VARIABLES MACROECONÓMICAS MAESTRÍA EN ADMINISTRACIÓN DE LA CONSTRUCCIÓN OSCAR JESÚS ESTRADA VALLES

2 Homoscedasticidad.- Para determinar su existencia se puede observar en las gráficas de la 4 a la 9, en este caso solo basto con las gráficas para baleo, cetes, creditdb, downjones, experto y gastpub, por inspección visual se corrobora la no existencia de homoscedasticidad en la muestra. (Ruido o interferencia entre datos) Resultado: se viola el supuesto.

3 Independencia.- En las gráficas de la 4 a la 7, se determina que existen problemas de independencia en la muestra, caso similar de diagnostico al de homosedasticidad, en este caso los datos no tienen dependencia (datos viciados). Resultado: se viola el supuesto.

4 Normalidad.- En el histograma de residuales gráfica 1, y gráfica de la normal gráfica 2, se observa que hay problema de normalidad en la muestra, esto se puede determinar por simple inspección visual (mismo caso que el de linearidad). Así también se tiene en la tabla 5 una alta desviación estándar de los datos de 2,987.45, lo que indica que los datos no están normalizados. Resultado: se viola el supuesto.

5 Outliers.- En las gráficas de la 4 a la 9 se evidencia la existencia de Outliers, (datos disparados o fuera de control). Resultado: se viola el supuesto.

Problemática: Con los datos tal y como se tomaron de la muestra se presentan violaciones a los supuestos del modelo de regresión, por lo que los datos de la muestra presentan redundancia y ruido.

Solución: Dado la violación a los supuestos y demás consideraciones se tiene que recurrir a la transformación de datos.

28

Regression

Descriptive Statistics TABLA 1

pibconst balcom cetes creditbd dowjones exppetro gastpub ibmex inpc ¡npconst inpp invdext pibnac pibusa remesas tasadab tasainf tascpob tipocam viajeros

Mean 62234.66

-681.3550 9.2440

428096.8 450.1140

1437.3400 1.44E+08

7525.8955 100.4343 95.3903 92.9280

4375978 1634008

9015.3696 955.2700

2.9340 5.9350 1.1620

10.1458 277434.2

Std. Deviation

3015.2067 528.8156

3.9136 40497.37

46.2806 336.0384

51600133 2094.2850

7.2706 10.3149 8.4686

2855881 43642.72 350.7345 328.6701

.6155 1.9543

7.551 E-02 .8574

145415.7

N 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20

Correlations TABLA 2

Pearson pibconst Correlation balcom

cetes creditbd dowjones exppetro gastpub ibmex inpc inpconst inpp invdext pibnac pibusa remesas tasadab tasainf tascpob tipocam viajeros

Sig. pibconst (1-tailed) balcom

cetes creditbd dowjones exppetro gastpub ibmex inpc inpconst inpp invdext pibnac pibusa remesas tasadab tasainf tascpob tipocam viaieros

pibconst 1.000 -.312 -.125 .421 .156 .777 .394 .635 .511 .605 .642

-.140 .759 .682 .581 .600

-.108 -.426 .679

-.337

.090

.299

.032

.256

.000

.043

.001

.011

.002

.001

.278

.000

.000

.004

.003

.326

.031

.000

.073

balcom -.312 1.000 -.118 .019

-.192 -.161 -.773 -.296 -.199 -.170 -.185 .141

-.354 -.244 -.130 -.094 -.033 .030

-.119 -.014 .090

.310

.469

.209

.248

.000

.102

.200

.237

.217

.277

.063

.150

.293

.347

.445

.451

.309

.477

cetes -.125 -.118 1.000 -.669 .410

-.238 -.335 -.354 -.751 -.591 -.609 .049

-.372 -.579 -.686 -.691 .927 .766

-.496 .051 .299 .310

.001

.036

.157

.075

.063

.000

.003

.002

.419

.053

.004

.000

.000

.000

.000

.013

.416

creditbd .421 .019

-.669 1.000 -.401 .583 .470 .394 .809 .689 .778

-.251 .567 .717 .784 .727

-.652 -.805 .861 .136 .032 .469 .001

.040

.004

.018

.043

.000

.000

.000

.143

.005

.000

.000

.000

.001

.000

.000

.284

dowjones .156

-.192 .410

-.401 1.000 .291 .113 .470

-.178 .046

-.016 -.133 .222 .099

-.020 -.005 .402 .167

-.069 .268 .256 .209 .036 .040

.106

.318

.018 ??7 .424 .474 .288 .174 .338 .467 .491 .039 .240 .387 .127

exppetro .777

-.161 -.238 .583 .291

1.000 .499 .828 .667 .786 .823

-.324 .871 .837 .731 .710

-.221 -.654 .845 .134 .000 .248 .157 .004 .106

.013

.000

.001

.000

.000

.082

.000

.000

.000

.000

.174

.001

.000

.286

gastpub .394

-.773 -.335 .470 .113 .499

1.000 .534 .617 .536 .590

-.146 .617 .616 .561 .445

-.367 -.479 .533 .158 .043 .000 .075 .018 .318 .013

.008

.002

.007

.003

.269

.002

.002

.005

.025

.056

.016

.008

.253

30

Correlations

1 N pibconst

balcom cetes creditbd dowjones exppetro gastpub ibmex inpc ¡npconst inpp invdext pibnac pibusa remesas tasadab tasainf tascpob tipocam viajeros

pibconst 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20

balcom 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20

cetes 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20

creditbd 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20

dowjones 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20

exppetro 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20

gastpub 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20

31

Correlations





ibmex .635

-.296 -.354 .394 .470 .828 .534

1.000 .709 .852 .821

-.237 .895 .877 .774 .777

-.352 -.710 .710 .288 .001 .102 .063 .043 .018 .000 .008

.000

.000

.000

.157

.000

.000

.000

.000

.064

.000

.000

.109

inpc .511

-.199 -.751 .809

,178 .667 .617 .709

1.000 .941 .962

,189 .842 .940 .955 .890

-.817 -.977 .871 .134 .011 .200 .000 .000 .227 .001 .002 .000

.000

.000

.212

.000

.000

.000

.000

.000

.000

.000

.287

inpconst .605

,170 -.591 .689 .046 .786 .536 .852 .941

1.000 .986

,189 .937 .978 .964 .907

-.653 -.944 .891 .199 .002 .237 .003 .000 .424 .000 .007 .000 .000

.000

.213

.000

.000

.000

.000

.001

.000

.000

.200

inpp .642

,185 -.609 .778

-.016 .823 .590 .821 .962 .986

1.000 -.221 .933 .986 .968 .906

-.661 -.950 .939 .176 .001 .217 .002 .000 .474 .000 .003 .000 .000 .000

.174

.000

.000

.000

.000

.001

.000

.000

.229

invdext ,140 .141 .049

-.251 ,133 -.324 ,146 -.237 , 189 ,189 -.221 1.000 -.239 -.249 -.183 -.274 .084 .201

-.281 ,145

.278

.277

.419

.143

.288

.082

.269

.157

.212

.213

.174

.155

.145

.220

.121

.362

.198

.115

.271

pibnac .759

-.354 -.372 .567 .222 .871 .617 .895 .842 .937 .933

-.239 1.000

.958

.883

.831 -.451 -.803 .849 .106 .000 .063 .053 .005 .174 .000 .002 .000 .000 .000 .000 .155

.000

.000

.000

.023

.000

.000

.328

pibusa .682

-.244 -.579 .717 .099 .837 .616 .877 .940 .978 .986

-.249 .958

1.000 .965 .918

-.637 ,919 .917 .146 .000 .150 .004 .000 .338 .000 .002 .000 .000 .000 .000 .145 .000

.000

.000

.001

.000

.000

.269

32

Correlations

1 N pibconst

balcom cetes creditbd dowjones exppetro gastpub ibmex ¡npc inpconst inpp invdext pibnac pibusa remesas tasadab tasainf tascpob tipocam viajeros

ibmex 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20

inpc 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20

inpconst 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20

inpp 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20

invdext 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20

pibnac 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20

pibusa 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20

33

Correlations


cetes creditbd dowjones exppetro gastpub ibmex inpc

inpconst inpp invdext pibnac pibusa remesas tasadab tasainf tascpob tipocam viajeros




remesas .581

-.130 -.686 .784

-.020 .731 .561 .774 .955 .964 .968

-.183 .883 .965

1.000 .936

-.740 -.950 .907 .123 .004 .293 .000 .000 .467 .000 .005 .000 .000 .000 .000 .220 .000 .000

.000

.000

.000

.000

.303

tasadab .600

-.094 -.691 .727

-.005 .710 .445 .777 .890 .907 .906

-.274 .831 .918 .936

1.000 -.728 -.897 .845 .085 .003 .347 .000 .000 .491 .000 .025 .000 .000 .000 .000 .121 .000 .000 .000

.000

.000

.000

.361

tasainf -.108 -.033 .927

-.652 .402

-.221 -.367 -.352 -.817 -.653 -.661

.084 -.451 -.637 -.740 -.728 1.000

.823 -.539 .001 .326 .445 .000 .001 .039 .174 .056 .064 .000 .001 .001 .362 .023 .001 .000 .000

.000

.007

.498

tascpob -.426 .030 .766

-.805 .167

-.654 -.479 -.710 -.977 -.944 -.950 .201

-.803 -.919 -.950 -.897 .823

1.000 -.863 -.229 .031 .451 .000 .000 .240 .001 .016 .000 .000 .000 .000 .198 .000 .000 .000 .000 .000

.000

.165

tipocam .679

-.119 -.496 .861

-.069 .845 .533 .710 .871 .891 .939

-.281 .849 .917 .907 .845

-.539 -.863 1.000

.176

.000

.309

.013

.000

.387

.000

.008

.000

.000

.000

.000

.115

.000

.000

.000

.000

.007

.000

.229

viajeros -.337 -.014 .051 .136 .268 .134 .158 .288 .134 .199 .176

-.145 .106 .146 .123 .085 .001

-.229 .176

1.000 .073 .477 .416 .284 .127 .286 .253 .109 .287 .200 .229 .271 .328 .269 .303 .361 .498 .165 ??9

34

Correlations

N pibconst balcom cetes creditbd dowjones exppetro gastpub ¡bmex ¡npc inpconst ¡npp invdext pibnac pibusa remesas tasadab tasainf tascpob tipocam viajeros

remesas 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20

tasadab 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20

tasainf 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20

tascpob 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20

tipocam 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20

viajeros 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20

Variables Entered/Removedb

Model 1

Variables Entered

viajeros, tasainf, balcom, invdext, exppetro, dowjones, creditbd, tasadab, cetes, inpconst, gastpub, tipocam, pibnac, mpc, remesas, ¡bmex, tascpob, pibusa3

Variables Removed Method

Enter

a. Tolerance = .000 limits reached.

b. Dependent Variable: pibconst

Model Summary TABLA 3b

Model 1

R .991a

R Square .982

Adjusted R Square

.652

Std. Error of

the Estimate

1779.2078

35


Model 1

Change Statistics R

Square Change

.982 F Change

2.976 df l

18 df2

1

Sig. F Change

.431 Durbin-Watson

2.742

a. Predictors: (Constant), viajeros, tasainf, balcom, invdext, exppetro, dowjones, creditbd, tasadab, cetes, inpconst, gastpub, tipocam, pibnac, inpc, remesas, ibmex, tascpob, pibusa


ANOVA TABLA 4b

Model 1 Regression

Residual Total

Sum of Squares 1.70E+08 3165580

1.73E+08

df 18

1 19

Mean Square 9420687 3165580

F 2.976

Sig. .431a

a. Predictors: (Constant), viajeros, tasainf, balcom, invdext, exppetro, dowjones, creditbd, tasadab, cetes, inpconst, gastpub, tipocam, pibnac, inpc, remesas, ibmex, tascpob, pibusa


Coefficients3

Model 1 (Constant)

balcom cetes creditbd dowjones exppetro gastpub ibmex inpc inpconst invdext pibnac pibusa remesas tasadab tasainf tascpob tipocam viajeros

Unstandardized Coefficients

B -279491 -10.744

-2168.877 -4.64E-02

56.598 8.002

-1.35E-04 -3.813 90.104

-701.263 4.027E-04

.149 16.633

8.420E-02 -1301.878 2397.584

-8589.473 4438.584

7.841 E-03

Std. Error 313865.4

16.165 3287.661

.125 79.322 15.543

.000 9.411

2904.985 996.359

.001

.156 85.130 20.298

4869.614 4296.702 245595.2 6240.661

.025

Standard! zed

Coefficien ts

Beta

-1.884 -2.815

-.623 .869 .892

-2.312 -2.648

.217 -2.399

.381 2.161 1.935

.009 -.266 1.554 -.215 1.262

.378

t -.890 -.665 -.660 -.370 .714 .515

-.896 -.405 .031

-.704 .713 .955 .195 .004

-.267 .558

-.035 .711 .317

Sig. .537 .627 .629 .774 .605 .697 .535 .755 .980 .610 .606 .515 .877 .997 .834 .676 .978 .606 .805

95% Confidence Interval for B

Lower Bound

-4267528 -216.136 -43942.6

-1.638 -951.278 -189.486

-.002 -123.397 -36821.2 -13361.2

-.007 -1.837

-1065.042 -257.827 -63176.2 -52197.2

-3129171 -74856.5

-.307

Upper Bound 3708545 194.649

39604.800 1.545

1064.473 205.490

.002 115.771

37001.421 11958.672

.008 2.136

1098.309 257.996

60572.405 56992.334

3111992 83733.669

.322

36

Coefficients3

Model 1 (Constant)

balcom cetes creditbd dowjones exppetro gastpub ¡bmex inpc ¡npconst invdext pibnac pibusa remesas tasadab tasainf tascpob tipocam viajeros

Correlations

Zero-order

-.312 -.125 .421 .156 .777 .394 .635 .511 .605

-.140 .759 .682 .581 .600

-.108 -.426 .679

-.337

Partial

-.554 -.551 -.347 .581 .458

-.668 -.375 .031

-.576 .580 .691 .192 .004

-.258 .487

-.035 .580 .302

Part

-.090 -.089 -.050 .097 .070

-.121 -.055 .004

-.095 .096 .129 .026 .001

-.036 .076

-.005 .096 .043

Collinearitv

Tolerance

.002

.001

.006

.012

.006

.003

.000

.000

.002

.064

.004

.000

.004

.019

.002

.000

.006

.013

Statistics

VIF

438.577 993.626 154.412 80.887

163.731 363.011

2331.778 2677.525

633.958 15.629

279.504 5350.815

267.135 53.911

423.202 2063.930

171.844 77.743

a. Dependent Variable: pibconst

Excluded Variables'3

Model 1 inpp

Beta In 39.679a

t Sifl. Partial

Correlation 1.000

Collinearitv Statistics

Tolerance 1.164E-05

VIF 85913.753

Minimum Tolerance 1.164E-05

a. Predictors in the Model: (Constant), viajeros, tasainf, balcom, invdext, exppetro, dowjones, creditbd, tasadab, cetes, ¡npconst, gastpub, tipocam, pibnac, inpc, remesas, ibmex, tascpob, pibusa


37

Coefficient Correlations3

Model 1 Correlations viajeros

tasainf balcom invdext exppetro dowjones creditbd tasadab cetes inpconst gastpub tipocam pibnac inpc

remesas ibmex tascpob pibusa

Covariances viajeros tasainf balcom invdext exppetro dowjones creditbd tasadab cetes inpconst gastpub tipocam pibnac inpc remesas ibmex tascpob pibusa

viajeros 1.000

.779 -.904 .818 .848 .729

-.706 -.486 -.916 -.739 -.932 -.271 .517

-.633 -.023 -.889 -.547 .796

6.125E-04 82.824

-.362 1.144E-05

.326 1.432

-2.19E-03 -58.604 -74.565 -18.218

-3.48E-06 -41.799

2.002E-03 -45.496

-1.13E-02 -.207

-3324.005 1.677

tasainf .779

1.000 -.808 .823 .551 .776

-.888 -.011 -.919 -.836 -.687 -.079 .555

-.773 -.374 -.920 -.863 .828

82.824 18461645 -56113.7

1.999 36780.802

264454.4 -478.117 -237350

-1.3E+07 -3580567

-.445 -2117037

373.176 -9652455 -32621.0 -37198.7 -9.1E+08 302889.3

balcom -.904 -.808 1.000 -.930 -.875 -.863 .664 .483 .946 .709 .948 .262

-.482 .792 .173 .943 .743

-.836 -.362

-56113.7 261.299

-8.49E-03 -219.824

-1106.501 1.345

38013.665 50250.019 11422.645 2.311E-03 26452.065

-1.218 37198.395

56.684 143.442

2951535 -1150.880

invdext .818 .823

-.930 1.000

.748

.852 -.656 -.279 -.909 -.695 -.828 -.228 .486

-.843 -.364 -.932 -.820 .849

1.144E-05 1.999

-8.49E-03 3.193E-07 6.568E-03 3.818E-02 -4.65E-05

-.767 -1.688

-.391 -7.05E-08

-.804 4.290E-05

-1.383 -4.18E-03 -4.96E-03 -113.792

4.084E-02

exppetro .848 .551

-.875 .748

1.000 .608

-.479 -.639 -.738 -.540 -.900 -.459 .207

-.563 .180

-.751 -.448 .683 .326

36780.802 -219.824

6.568E-03 241.575 749.356

-.933 -48378.0 -37724.6

-8367.832 -2.11E-03 -44562.2

.504 -25434.9

56.944 -109.833 -1710228

903.760

dowjones .729 .776

-.863 .852 .608

1.000 -.634 -.275 -.893 -.645 -.806 .100 .684

-.665 -.399 -.850 -.726 .642

1.432 264454.4

-1106.501 3.818E-02

749.356 6291.908

-6.302 -106402 -232892

-51001.4 -9.64E-03

49311.850 8.485

-153165 -642.961 -634.269 -1.4E+07 4335.284

38






creditbd -.706 -.888 .664

-.656 -.479 -.634 1.000 -.032 .804 .898 .590

-.180 -.596 .545 .151 .762 .712

-.616 -2.19E-03 -478.117

1.345 -4.65E-05

-.933 -6.302

1.569E-02 -19.502 331.006 112.045

1.114E-05 -140.832

-1.17E-02 198.354

.383

.898 21886.606

-6.568

tasadab -.486 -.011 .483

-.279 -.639 -.275 -.032 1.000

.318

.134

.642

.266 -.107 .106

-.448 .252

-.079 -.209

-58.604 -237350

38013.665 -.767

-48378.0 -106402 -19.502

23713136 5090046

650175.9 .471

8084652 -81.308

1498045 -44244.9

11538.094 -9.5E+07 -86550.1

cetes -.916 -.919 .946

-.909 -.738 -.893 .804 .318

1.000 .798 .886 .100

-.645 .782 .292 .970 .783

-.837 -74.565

-1.3E+07 50250.019

-1.688 -37724.6 -232892 331.006 5090046

10808714 2615599

.439 2045996 -331.502 7465067

19470.339 30016.190 6.32E+08

-234247

inpconst -.739 -.836 .709

-.695 -.540 -.645 .898 .134 .798

1.000 .682

-.129 -.682 .509 .004 .733 .681

-.583 -18.218

-3580567 11422.645

-.391 -8367.832

-51001.4 112.045

650175.9 2615599

992731.0 .102

-800970 -106.303 1473410

89.996 6878.110 1.67E+08 -49445.6

gastpub -.932 -.687 .948

-.828 -.900 -.806 .590 .642 .886 .682

1.000 .211

-.511 .581

-.045 .837 .517

-.699 -3.48E-06

-.445 2.311E-03 -7.05E-08 -2.11E-03 -9.64E-03 1.114E-05

.471

.439

.102 2.272E-08

.199 -1.20E-05

.254 -1.37E-04 1.187E-03

19.129 -8.97E-03

tipocam -.271 -.079 .262

-.228 -.459 .100

-.180 .266 .100

-.129 .211

1.000 .523 .403

-.032 .271 .118

-.526 -41.799

-2117037 26452.065

-.804 -44562.2

49311.850 -140.832 8084652 2045996 -800970

.199 38945848

510.520 7306620

-4036.995 15899.712 1.81E+08

-279321

39






pibnac .517 .555

-.482 .486 .207 .684

-.596 -.107 -.645 -.682 -.511 .523

1.000 -.267 -.190 -.495 -.428 .214

2.002E-03 373.176

-1.218 4.290E-05

.504 8.485

-1.17E-02 -81.308

-331.502 -106.303

-1.20E-05 510.520

2.445E-02 -121.313

-.601 -.728

-16417.7 2.843

inpc -.633 -.773 .792

-.843 -.563 -.665 .545 .106 .782 .509 .581 .403

-.267 1.000

.562

.880

.912 -.921

-45.496 -9652455

37198.395 -1.383

-25434.9 -153165 198.354 1498045 7465067 1473410

.254 7306620 -121.313 8438936

33138.981 24064.440 6.51 E+08

-227886

remesas -.023 -.374 .173

-.364 .180

-.399 .151

-.448 .292 .004

-.045 -.032 -.190 .562

1.000 .376 .563

-.419 -1.13E-02 -32621.0

56.684 -4.18E-03

56.944 -642.961

.383 -44244.9

19470.339 89.996

-1.37E-04 -4036.995

-.601 33138.981

412.012 71.898

2806679 -723.576

ibmex -.889 -.920 .943

-.932 -.751 -.850 .762 .252 .970 .733 .837 .271

-.495 .880 .376

1.000 .844

-.931 -.207

-37198.7 143.442

-4.96E-03 -109.833 -634.269

.898 11538.094 30016.190

6878.110 1.187E-03 15899.712

-.728 24064.440

71.898 88.576

1950238 -745.595

tascpob -.547 -.863 .743

-.820 -.448 -.726 .712

-.079 .783 .681 .517 .118

-.428 .912 .563 .844

1.000 -.797

-3324.005 -9.1 E+08 2951535 -113.792

-1710228 -1.4E+07

21886.606 -9.5E+07 6.32E+08 1.67E+08

19.129 1.81 E+08 -16417.7

6.51 E+08 2806679 1950238

6.03E+10 -1.7E+07

pibusa .796 .828

-.836 .849 .683 .642

-.616 -.209 -.837 -.583 -.699 -.526 .214

-.921 -.419 -.931 -.797 1.000 1.677

302889.3 -1150.880 4.084E-02

903.760 4335.284

-6.568 -86550.1 -234247

-49445.6 -8.97E-03

-279321 2.843

-227886 -723.576 -745.595 -1.7E+07 7247.073


40

Collinearity Diagnostics1

Mode! 1

Dimension 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19

Eigenvalue 17.625

.468

.364

.272

.172 4.862E-02 2.095E-02 1.533E-02 6.950E-03 3.631 E-03 2.483E-03 5.325E-04 1.978E-04 1.797E-04 8.699E-05 2.212E-05 2.170E-06 1.564E-06 2.076E-07

Condition Index

1.000 6.138 6.955 8.045

10.124 19.040 29.004 33.911 50.357 69.668 84.242

181.936 298.530 313.198 450.125 892.652

2850.023 3356.464 9213.093

41


Model 1

Dimension 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19

Variance Proportions (Constant)

.00

.00

.00

.00

.00

.00

.00

.00

.00

.00

.00

.00

.00

.00

.00

.00

.04

.69

.27

balcom .00 .00 .00 .00 .00 .00 .00 .00 .00 .00 .00 .00 .00 .15 .04 .00 .04 .02 .74

cetes .00 .00 .00 .00 .00 .00 .00 .00 .00 .00 .00 .00 .00 .05 .00 .01 .10 .07 .76

creditbd .00 .00 .00 .00 .00 .00 .00 .00 .00 .00 .00 .04 .05 .00 .01 .25 .20 .02 .42

dowjones .00 .00 .00 .00 .00 .00 .00 .00 .01 .00 .00 .01 .03 .19 .01 .00 ?? .05 .48

exppetro .00 .00 .00 .00 .00 .00 .00 .00 .00 .02 .00 .01 .00 .25 .20 .02 .01 .03 .46

gastpub .00 .00 .00 .00 .00 .00 .01 .00 .01 .00 .00 .01 .00 .20 .08 .01 .01 .15 .52

42


Model 1

Dimension 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19

Variance Proportions ibmex

.00

.00

.00

.00

.00

.00

.00

.00

.00

.00

.00

.00

.00

.03

.00

.00

.04

.01

.91

inpc .00 .00 .00 .00 .00 .00 .00 .00 .00 .00 .00 .00 .00 .00 .00 .04 .02 .06 .88

inpconst .00 .00 .00 .00 .00 .00 .00 .00 .00 .00 .00 .01 .00 .00 .03 .27 .25 .05 .39

invdext .00 .01 .00 .04 .01 .01 .00 .00 .00 .00 .01 .01 .01 .06 .01 .00 .06 .00 .77

pibnac .00 .00 .00 .00 .00 .00 .00 .00 .00 .00 .00 .00 .00 .00 .00 .00 .62 .28 .09

pibusa .00 .00 .00 .00 .00 .00 .00 .00 .00 .00 .00 .00 .00 .00 .00 .00 .01 .00 .99

remesas .00 .00 .00 .00 .00 .00 .00 .01 .00 .03 .01 .00 .01 .04 .41 .19 .05 .05 .20

43


Model 1

Dimension 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19

Variance Proportions tasadab

.00

.00

.00

.00

.00

.00

.00

.00

.00

.00

.18

.06

.00

.24

.28

.01

.04

.13

.04

tasainf .00 .00 .00 .00 .00 .00 .00 .00 .00 .02 .00 .01 .00 .00 .02 .08 .12 .01 .74

tascpob .00 .00 .00 .00 .00 .00 .00 .00 .00 .00 .00 .00 .00 .00 .00 .00 .20 .10 .69

tipocam .00 .00 .00 .00 .00 .00 .00 .00 .00 .00 .00 .01 .08 .01 .12 .01 .51 .05 .21

viajeros .00 .00 .00 .00 .01 .00 .00 .00 .00 .00 .00 .01 .00 .05 .04 .02 .00 .20 .66


Residuals Statistics TABLA 5'

Predicted Value Std. Predicted Value Standard Error of Predicted Value Adjusted Predicted Value Residual

Std. Residual Stud. Residual Deleted Residual Stud. Deleted Residual

Mahal. Distance Cook's Distance Centered Leverage Value

Minimum

57108.85

-1.716

1597.7329

-1017584

-782.8345

-.440

-1.000

-279562

14.372

.219

.756

Maximum

69307.42

2.367

1779.2053

340278.7

693.8397

.390

1.000

1080501

18.050

19410.752

.950

Mean

62234.66

.000

1733.1203

-19390.9

1.528E-11

.000

.200

81625.60

17.100

1453.540

.900

Std. Deviation

2987.4507

1.000

61.5178

291784.9

408.1783

.229

1.005

291574.8

1.255

4524.128

.066

N

20

20

20

20

20

20

20

20

0

20

20

20


44

Charts

Histogram GRÁFICA 1

Dependent Variable: pibconst

Std. Dev = .23

Mean = 0.00

N = 20.00

-.50 -.38 -.25 -.13 0.00 .13 .25 .38

Regression Standardized Residual

Normal P-P Plot of Regression Standardized Res


GRÁFICA 2

-O o

CL

F ^ O "O & o 0) Q . X

LLI

.75,

.50

.25

O.OU

/ / /

/ /

/ /

/ o D D D

/u a D " 0 D D D D D/O D

/ D /

/ /

f , ,

0.00 .25 .50 .75 1.00

Observed Cum Prob

Scatterplot GRÁFICA 3

Dependent Variable: pibconst 70000

w o 58000 o

•Q, 56000

Regression Standardized Predicted Value

Partial Regression Plot GRÁFICA 4


to c o Ü

-Q CL

-1000

-2000

balcom

46



-1000

(A c o o

•Q. -2000

cetes

.3

<n c o Ü Xi



-8000 -6000 -4000 -2000 0 2000 4000 6000

creditbd



-1000

(A c o o

•Q. -2000

a o ,

o D

-10

dowjones

10 20



(/) c o o

-Q

"a.

-1000

-2000

exppetro

48



-6000000 -2000000 2000000 6000000

-4000000 0 4000000 8000000

gastpub

Partial Regression Plot


0 20 40 60 80 100

ibmex


Dependent Variable: pibcon JpJ L¡ i- ¡ ü T E C J\

mpc



w c o Ü

-£2 Q.

-1000

-2000

inpconst

50



-2000000 -1000000 1000000

invdext



2000000

-4000 -2000

pibnac

2000 4000 6000 8000 10000

51

c o ü



pibusa



_ -400 c o Ü

-800

remesas

52



w c o Ü JO Q.

tasadab



CO c o Ü

0-

1000-

2000 _

D

D

•

D

D

D

n CD

a

D

a

a

D

03

-.1 0.0

tasainf

53



600-

400-

200

0

-200

^ -400 (A

o -600

•Q. -800 .003 .002 -.001 .000 .001 .002 .003

tascpob


Dependent Variable: pibconst 1000,

-1000

« c o o Ü -2000 J

-.2 0.0

tipocam

54



8 XI

600 -,

400

200-

0

-200-

-400

-600-

-800-

-1000 -40000 -20000 0 20000 40000

-30000 -10000 10000 30000

viajeros


CAPÍTULO V VALIDACIÓN DE SUPUESTOS CON VARIABLES TRANSFORMADAS

5.1.- Estrategia de transformación.- La naturaleza de los datos, indican que para cumplir con los supuestos del análisis multivariado se debe utilizar en primera instancia la función matemática determinada por el logaritmo natural del PIB construcción y el logaritmo natural de las variables independientes.

TRANSFORMACIÓN = ln(Y)

Donde :

Y =Valordelas variables

Cada una de ellas de t = 1 20

A continuación se presenta en la siguiente pagina solo la primera hoja de cómo quedaron los datos ya transformados a través del logaritmo natural.

56


Base de datos transformados

Trimestral

00-1

00-2

00-3

00-4

01-1

01-2

01-3

01-4

02-1

02-2

02-3

02-4

03-1

03-2

03-3

03-4

04-1

04-2

04-3

04-4

pibconst

11.01423

11.04283

11.08663

11.04958

10.96630

10.95993

11.03186

11.00118

10.95513

11.01397

11.05199

11.02238

11.01019

11.02515

11.08201

11.05671

11.05830

11.06906

11.13912

11.11461

pibnac

14.27239

14.28835

14.29878

14.29429

14.29302

14.28894

14.28449

14.28124

14.28414

14.29380

14.30109

14.30093

14.29645

14.30696

14.31077

14.32184

14.33537

14.34646

14.35573

14.36923

gastpub

18.35035

18.37458

18.46412

18.93249

18.44793

18.63507

18.57233

18.82123

18.44089

18.63543

18.51898

19.25290

18.61734

18.72058

18.68973

19.32099

18.78025

18.96161

18.75113

19.44447

tipocam

2.22796

2.28478

2.23481

2.24679

2.26103

2.20613

2.24207

2.21390

2.20445

2.27842

2.30944

2.32451

2.38911

2.35138

2.39113

2.41980

2.39845

2.43235

2.44117

2.41619

cetes

2.61447

2.75047

2.71204

2.83615

2.76001

2.24390

2.23216

1.83896

1.97824

1.98787

1.99334

1.92862

2.21594

1.64866

1.55393

1.80171

1.83737

1.88251

1.99606

2.14007

tasainf

2.31254

2.24071

2.18605

2.19722

1.97408

1.88707

1.80829

1.48160

1.54756

1.58924

1.58924

1.74047

1.72277

1.45862

1.38629

1.38629

1.43508

1.48160

1.62924

1.64866

Se espera que con está transformación ya no se violen los supuestos y se pueda establecer una correcta ecuación para el modelo de regresión.

5.2.- Verificación de los supuestos con los datos transformados

Una vez transformados los datos podemos observar que se mejoró substantivamente en la calidad de los datos, ver gráficas 10,11 y 12.

1.- Linearidad.- Grado en que cambia el coeficiente de regresión asociado a la variable dependiente, esto se muestra en la gráfica 12, mostrándose linearidad. Resultado: No se viola el supuesto.

2.- Homoscedasticidad.- Para determinar su existencia en las gráficas 10, 11 y 12, se corrobora que se presenta el efecto de homoscedasticidad determinado por inspección visual ya que los datos están homogéneos y disminuyendo sustancialmente el ruido o interferencia entre ellos. Resultado: No se viola el supuesto.

57

TESIS: CORRELACIÓN DEL PIB CONSTRUCCIÓN Y VARIABLES MACROECONÓMICAS MAESTRÍA EN ADMINISTRACIÓN DE LA CONSTRUCCIÓN ÓSCAR JESÚS ESTRADA VALLES

3.- Independencia.- En las gráficas 10, 11 y 12, se determina que ya no existen problemas de independencia en la muestra, mismo caso que en el punto anterior. Resultado: No se viola el supuesto.

4.- Normalidad.- En el histograma de residuales gráfica 10, y gráfica de la normal gráfica 12, se observa que se presenta normalidad, esto se puede determinar por simple inspección visual. En la tabla 14 (residuales) se observa como disminuye la dispersión respecto a los datos sin transformar dando una desviación estándar de 0.0482 bastante aceptable, En otras palabras los datos de la muestra se comportan bajo la distribución normal. Resultado: No se viola el supuesto.

5.- Outliers.- En la Gráfica 12, se evidencia que no existen Outliers, no se presentan puntos disparados en la muestra. Resultado: No se viola el supuesto.

POR LO TANTO AL HACER LA TRANSFORMACIÓN DE LOS DATOS YA NO SE VIOLAN LOS SUPUESTOS DE LA REGRESIÓN LINEAL MÚLTIPLE.

58

degression


pibconst balcom cetes creditbd dowjones exppetro gastpub ibmex inpc inpconst inpp invdext pibnac pibusa remesas tasadab tasainf tascpob tipocam

1 viajeros

Mean 11.037558 6.308756 2.147624

12.962870 6.104161 7.245164

18.736619 8.894149 4.606993 4.552654 4.527977

15.168817 14.306214 9.105979 6.805123 1.055818 1.735131

.148137 2.313693

12.345058

Std. Deviation 4.83E-02

.642297

.390818 9.43E-02 .107706 .230762 .311555 .250822

7.29E-02 .104769

8.95E-02 .459552

2.63E-02 3.84E-02 .347910 .207131 .301439

6.50E-02 8.40E-02 .699362

N 2 0 ] 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20



cetes creditbd dowjones exppetro gastpub ¡bmex inpc inpconst inpp invdext pibnac pibusa remesas tasadab tasainf tascpob tipocam viajeros



pibconst 1.000

.265 -.147 .438 .140 .748 .402 .599 .486 .580 .624

-.236 .751 .671 .510 .574

-.132 -.437 .678

-.384

.130

.268

.027

.278

.000

.040

.003

.015

.004

.002

.158

.000

.001

.011

.004

.290

.027

.001

.047

balcom .265

1.000 .206

-.078 .090 .036 .649 .028 .053 .005 .037

-.192 .204 .087

-.004 -.051 .135 .118 .039

-.033 .130

.192

.372

.353

.439

.001

.453

.412

.492

.438

.208

.195

.357

.493

.416

.285

.310

.436

.445

cetes -.147 .206

1.000 -.697 .373

-.209 -.394 -.373 -.752 -.603 -.617 .152

-.368 -.587 -.750 -.736 .943 .741

-.509 .055 .268 .192

.000

.053

.189

.043

.053

.000

.002

.002

.261

.055

.003

.000

.000

.000

.000

.011

.409

creditbd .438

-.078 -.697 1.000 -.398 .616 .515 .417 .820 .722 .805

-.316 .587 .735 .816 .742

-.670 -.810 .874 .093 .027 .372 .000

.041

.002

.010

.034

.000

.000

.000

.088

.003

.000

.000

.000

.001

.000

.000

.349

dowjones .140 .090 .373

-.398 1.000

.265

.070

.493 -.194 .018

-.039 -.088 .216 .092

-.112 -.039 .340 .142

-.084 .319 .278 .353 .053 .041

.130

.384

.014

.206

.469

.435

.356

.181

.349

.319

.436

.071

.276

.362

.085

exppetro .748 .036

-.209 .616 .265

1.000 .444 .790 .611 .734 .783

-.411 .836 .798 .627 .649

-.206 -.643 .833 .109 .000 .439 .189 .002 .130

.025

.000

.002

.000

.000

.036

.000

.000

.002

.001

.192

.001

.000

.324

gastpub .402 .649

-.394 .515 .070 .444

1.000 .486 .658 .576 .623

-.137 .630 .643 .626 .479

-.429 -.524 .558 .204 .040 .001 .043 .010 .384 .025

.015

.001

.004

.002

.282

.001

.001

.002

.016

.029

.009

.005

.194

60


1 N pibconst

balcom cetes creditbd dowjones exppetro gastpub ibmex inpc inpconst inpp invdext pibnac pibusa remesas tasadab tasainf tascpob tipocam viajeros

pibconst 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20

balcom 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20

cetes 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20

creditbd 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20

dowjones 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20

exppetro 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20

gastpub 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20

61

Correlations




1 Sig. pibconst (1-tailed) balcom

cetes creditbd dowjones exppetro gastpub ibmex inpc inpconst inpp invdext pibnac pibusa remesas tasadab tasainf tascpob tipocam

| viajeros

ibmex I .599 .028

-.373 .417 .493 .790 .486

1.000 .671 .818 .790

-.312 .862 .859 .692 .758

-.395 -.721 .694 .281 .003 .453 .053 .034 .014 .000 .015

.001

.000

.000

.090

.000

.000

.000

.000

.042

.000

.000

.115

inpc .486 .053

-.752 .820

-.194 .611 .658 .671

1.000 .946 .961

-.273 .829 .934 .974 .887

-.823 -.975 .857 .094 .015 .412 .000 .000 .206 .002 .001 .001

.000

.000

.122

.000

.000

.000

.000

.000

.000

.000

.346

inpconst .580 .005

-.603 .722 .018 .734 .576 .818 .946

1.000 .986

-.268 .928 .978 .953 .902

-.679 -.963 .887 .152 .004 .492 .002 .000 .469 .000 .004 .000 .000

.000

.127

.000

.000

.000

.000

.000

.000

.000

.262

inpp .624 .037

-.617 .805

-.039 .783 .623 .790 .961 .986

1.000 -.308 .925 .984 .958 .899

-.680 -.963 .936 .126 .002 .438 .002 .000 .435 .000 .002 .000 .000 .000

.093

.000

.000

.000

.000

.000

.000

.000

.298

invdext ] -.236 -.192 .152

-.316 -.088 -.411 -.137 -.312 -.273 -.268 -.308 1.000 -.311 -.336 -.249 -.377 .202 .286

-.369 -.077

.158

.208

.261

.088

.356

.036

.282

.090

.122

.127

.093

.091

.074

.145

.051

.197

.111

.055

.374

pibnac .751 .204

-.368 .587 .216 .836 .630 .862 .829 .928 .925

-.311 1.000

.956

.841

.812 -.455 -.818 .846 .073 .000 .195 .055 .003 .181 .000 .001 .000 .000 .000 .000 .091

.000

.000

.000

.022

.000

.000

.381

pibusa I .671 .087

-.587 .735 .092 .798 .643 .859 .934 .978 .984

-.336 .956

1.000 .943 .908

-.655 -.931 .912 .113 .001 .357 .003 .000 .349 .000 .001 .000 .000 .000 .000 .074 .000

.000

.000

.001

.000

.000

.317

62

Correlations

1 N pibconst

balcom cetes creditbd dowjones exppetro gastpub ¡bmex ¡npc ¡npconst ¡npp ¡nvdext pibnac pibusa remesas tasadab tasainf tascpob tipocam viajeros

ibmex 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20

inpc 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20

¡npconst 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20

¡npp 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20

invdext 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20

pibnac 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20

pibusa 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20

63

Correlations






remesas .510

-.004 -.750 .816

-.112 .627 .626 .692 .974 .953 .958

-.249 .841 .943

1.000 .912

-.811 -.964 .877 .077 .011 .493 .000 .000 .319 .002 .002 .000 .000 .000 .000 .145 .000 .000

.000

.000

.000

.000

.374

tasadab .574

-.051 -.736 .742

-.039 .649 .479 .758 .887 .902 .899

-.377 .812 .908 .912

1.000 -.783 -.904 .829 .031 .004 .416 .000 .000 .436 .001 .016 .000 .000 .000 .000 .051 .000 .000 .000

.000

.000

.000

.448

tasainf | tascpob -.132 .135 .943

-.670 .340

-.206 -.429 -.395 -.823 -.679 -.680 .202

-.455 -.655 -.811 -.783 1.000 .807

-.554 -.009 .290 .285 .000 .001 .071 .192 .029 .042 .000 .000 .000 .197 .022 .001 .000 .000

.000

.006

.486

-.437 .118 .741

-.810 .142

-.643 -.524 -.721 -.975 -.963 -.963 .286

-.818 -.931 -.964 -.904 .807

1.000 -.865 -.181 .027 .310 .000 .000 .276 .001 .009 .000 .000 .000 .000 .111 .000 .000 .000 .000 .000

.000

.223

tipocam .678 .039

-.509 .874

-.084 .833 .558 .694 .857 .887 .936

-.369 .846 .912 .877 .829

-.554 -.865 1.000

.124

.001

.436

.011

.000

.362

.000

.005

.000

.000

.000

.000

.055

.000

.000

.000

.000

.006

.000

.302

viajeros -.384 -.033 .055 .093 .319 .109 .204 .281 .094 .152 .126

-.077 .073 .113 .077 .031

-.009 -.181 .124

1.000 .047 .445 .409 .349 .085 .324 .194 .115 .346 .262 .298 .374 .381 .317 .374 .448 .486 .223 .302

64

Correlations

1 N pibconst

balcom cetes creditbd dowjones exppetro gastpub ¡bmex inpc inpconst inpp invdext pibnac pibusa remesas tasadab tasainf tascpob tipocam viajeros

remesas 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20

tasadab 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20

tasainf 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20

tascpob 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20

tipocam 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20

viajeros 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20

Variables Entered/Removed TABLA 8b

Model 1

Variables Entered

viajeros, tasainf, balcom, exppetro, invdext, dowjones, inpconst, creditbd, tasadab, cetes, gastpub, ¡bmex, tipocam, pibnac, remesas, inpc, pibusa, tascDoba

Variables Removed Method

Enter

a. Tolerance = .000 limits reached.



Model 1

R .997a

R Square .995

Adjusted R Square

.898

Std. Error of

the Estimate 1.54E-02

65


Model 1

Chanqe Statistics R

Square Change

.995 F Change

10.315 df1

18 df2

1

Sig. F Change

.241 Durbin-Watson

2.841

a. Predictors: (Constant), viajeros, tasainf, balcom, exppetro, invdext, dowjones, inpconst, creditbd, tasadab, cetes, gastpub, ¡bmex, tipocam, pibnac, remesas, inpc, pibusa, tascpob


ANOVA TABLA 10b

Model 1 Regression

Residual Total

Sum of Squares

4.406E-02 2.373E-04 4.429E-02

df 18

1 19

Mean Square

2.448E-03 2.373E-04

F 10.315

Sig. .241a

a. Predictors: (Constant), viajeros, tasainf, balcom, exppetro, invdext, dowjones, inpconst, creditbd, tasadab, cetes, gastpub, ibmex, tipocam, pibnac, remesas, inpc, pibusa, tascpob


Coefficients TABLA 11a

Model 1 (Constant)



B -72.115

3.467E-02 -.419 -.722 .619

-.211 2.937E-02

-.693 -1.700 -1.753

4.263E-02 5.022 4.500 -.653 .238 .457

-5.162 1.471

-2.65E-02

Std. Error 35.335

.033

.206

.574

.262

.108

.112

.476 2.371 1.079

.022 2.068 5.403

.302

.138

.240 3.788

.602

.018

Standardi zed

Coefficien ts

Beta

.461 -3.388 -1.410 1.380

-1.010 .190

-3.603 -2.565 -3.804

.406 2.739 3.580

-4.706 1.021 2.851

-6.947 2.558 -.384

t -2.041 1.047

-2.036 -1.257 2.360

-1.954 .261

-1.458 -.717

-1.625 1.896 2.428

.833 -2.164 1.726 1.905

-1.363 2.443

-1.483

Sig. .290 .486 .291 .428 .255 .301 .837 .383 .604 .351 .309 .249 .558 .276 .334 .308 .403 .247 .378


Lower Bound

-521.089 -.386

-3.030 -8.015 -2.713 -1.585 -1.399 -6.737

-31.825 -15.458

-.243 -21.260 -64.147

-4.488 -1.513 -2.589

-53.297 -6.178

-.254

Upper Bound 376.858

.456 2.193 6.572 3.950 1.163 1.458 5.350

28.425 11.952

.328 31.304 73.146

3.182 1.989 3.502

42.973 9.119

.201

66


Model 1 (Constant)


Correlations

Zero-order

.265 -.147 .438 .140 .748 .402 .599 .486 .580

-.236 .751 .671 .510 .574

-.132 -.437 .678

-.384

Partial

.723 -.898 -.783 .921

-.890 .253

-.825 -.583 -.852 .885 .925 .640

-.908 .865 .885

-.806 .925

-.829

Part

.077 -.149 -.092 .173

-.143 .019

-.107 -.052 -.119 .139 .178 .061

-.158 .126 .139

-.100 .179

-.109

Collinearitv

Tolerance

.028

.002

.004

.016

.020

.010

.001

.000

.001

.117

.004

.000

.001

.015

.002

.000

.005

.080

Statistics

VIF

36.251 516.761 234.631

63.861 49.849 98.206

1139.447 2389.477 1022.517

8.544 237.578

3448.596 882.966

65.244 417.898

4852.028 204.639

12.552


Excluded Variables TABLA 12b

Model 1 inpp

Beta In -14.935a

t Sig. Partial

Correlation -1.000

Collinearity Statistics

Tolerance 2.402E-05

VIF 41635.055

Minimum Tolerance 2.402E-05

a. Predictors in the Model: (Constant), viajeros, tasainf, balcom, exppetro, invdext, dowjones, inpconst, creditbd, tasadab, cetes, gastpub, ibmex, tipocam, pibnac, remesas, inpc, pibusa, tascpob


67



tasainf balcom exppetro invdext dowjones inpconst creditbd tasadab cetes gastpub ibmex tipocam pibnac remesas inpc pibusa tascpob

Covariances viajeros tasainf balcom exppetro invdext dowjones inpconst creditbd tasadab cetes gastpub ibmex tipocam pibnac remesas inpc pibusa tascpob

viajeros 1.000

.249

.311

.340

.307

.119 -.121 -.236 .107

-.329 -.482 -.247 -.056 .022

-.044 .108 .243 .078

3.205E-04 1.069E-03 1.844E-04 6.586E-04 1.235E-04 5.602E-04 -2.33E-03 -2.42E-03 2.642E-04 -1.21 E-03 -9.70E-04 -2.10E-03 -6.05E-04 7.962E-04 -2.37E-04 4.599E-03 2.354E-02 5.291 E-03

tasainf .249

1.000 .396

-.528 .624 .766

-.895 -.901 .859

-.952 .463

-.921 .470 .458

-.822 -.720 .762

-.883 1.069E-03 5.744E-02 3.146E-03 -1.37E-02 3.363E-03 4.816E-02

-.231 -.124

2.837E-02 -4.69E-02 1.247E-02

-.105 6.774E-02

.227 -5.95E-02

-.409 .986

-.802

balcom .311 .396

1.000 .158 .820 .510

-.373 -.169 .183

-.449 -.347 -.470 -.172 -.035 -.311 -.390 .482

-.419 1.844E-04 3.146E-03 1.097E-03 5.652E-04 6.104E-04 4.432E-03 -1.33E-02 -3.21 E-03 8.335E-04 -3.06E-03 -1.29E-03 -7.40E-03 -3.42E-03 -2.39E-03 -3.11 E-03 -3.06E-02 8.625E-02 -5.26E-02

exppetro .340

-.528 .158

1.000 -.092 -.530 .507 .452

-.471 .528

-.662 .488

-.593 -.654 .682 .508

-.316 .606

6.586E-04 -1.37E-02 5.652E-04 1.169E-02 -2.23E-04 -1.50E-02 5.908E-02 2.803E-02 -7.01 E-03 1.173E-02 -8.05E-03 2.509E-02 -3.86E-02

-.146 2.224E-02

.130 -.184 .248

invdext .307 .624 .820

-.092 1.000

.679 -.620 -.451 .505

-.666 -.040 -.699 .074 .183

-.590 -.559 .645

-.642 1.235E-04 3.363E-03 6.104E-04 -2.23E-04 5.053E-04 4.000E-03 -1.50E-02 -5.82E-03 1.564E-03 -3.08E-03 -1.00E-04 -7.47E-03 1.002E-03 8.528E-03 -4.00E-03 -2.98E-02 7.836E-02 -5.47E-02

dowjones .119 .766 .510

-.530 .679

1.000 -.636 -.613 .613

-.857 .217

-.801 .530 .592

-.844 -.526 .521

-.724 5.602E-04 4.816E-02 4.432E-03 -1.50E-02 4.000E-03 6.875E-02

-.180 -9.22E-02 2.217E-02 -4.62E-02 6.402E-03 -9.98E-02 8.362E-02

.321 -6.68E-02

-.327 .739

-.719

68





inpconst -.121 -.895 -.373 .507

-.620 -.636 1.000

.878 -.803 .823

-.482 .799

-.493 -.511 .690 .699

-.662 .886

-2.33E-03 -.231

-1.33E-02 5.908E-02 -1.50E-02

-.180 1.163

.543 -.119 .182

-5.84E-02 .410

-.320 -1.139

.225 1.787

-3.858 3.621

creditbd -.236 -.901 -.169 .452

-.451 -.613 .878

1.000 -.835 .858

-.529 .794

-.646 -.504 .697 .584

-.591 .784

-2.42E-03 -.124

-3.21 E-03 2.803E-02 -5.82E-03 -9.22E-02

.543

.329 -6.61 E-02

.101 -3.41 E-02

.217 -.223 -.599 .121 .795

-1.832 1.704

tasadab .107 .859 .183

-.471 .505 .613

-.803 -.835 1.000 -.763 .598

-.799 .430 .360

-.734 -.653 .648

-.799 2.642E-04 2.837E-02 8.335E-04 -7.01 E-03 1.564E-03 2.217E-02

-.119 -6.61 E-02 1.899E-02 -2.16E-02 9.261 E-03 -5.24E-02 3.569E-02

.103 -3.05E-02

-.213 .482

-.417

cetes -.329 -.952 -.449 .528

-.666 -.857 .823 .858

-.763 1.000 -.369 .939

-.518 -.573 .884 .691

-.732 .845

-1.21 E-03 -4.69E-02 -3.06E-03 1.173E-02 -3.08E-03 -4.62E-02

.182

.101 -2.16E-02 4.225E-02 -8.53E-03 9.182E-02 -6.41 E-02

-.244 5.484E-02

.337 -.813 .658

gastpub -.482 .463

-.347 -.662 -.040 .217

-.482 -.529 .598

-.369 1.000 -.482 .327 .267

-.569 -.676 .435

-.655 -9.70E-04 1.247E-02 -1.29E-03 -8.05E-03 -1 .OOE-04 6.402E-03 -5.84E-02 -3.41 E-02 9.261 E-03 -8.53E-03 1.264E-02 -2.58E-02 2.209E-02 6.203E-02 -1.93E-02

-.180 .264

-.279

ibmex I -.247 -.921 -.470 .488

-.699 -.801 .799 .794

-.799 .939

-.482 1.000 -.294 -.372 .923 .851

-.895 .911

-2.10E-03 -.105

-7.40E-03 2.509E-02 -7.47E-03 -9.98E-02

.410

.217 -5.24E-02 9.182E-02 -2.58E-02

.226 -8.42E-02

-.366 .132 .960

-2.300 1.642

69





tipocam -.056 .470

-.172 -.593 .074 .530

-.493 -.646 .430

-.518 .327

-.294 1.000

.808 -.425 -.045 -.093 -.354

-6.05E-04 6.774E-02 -3.42E-03 -3.86E-02 1.002E-03 8.362E-02

-.320 -.223

3.569E-02 -6.41 E-02 2.209E-02 -8.42E-02

.362 1.006

-7.72E-02 -6.47E-02

-.302 -.808

pibnac .022 .458

-.035 -.654 .183 .592

-.511 -.504 .360

-.573 .267

-.372 .808

1.000 -.510 -.174 -.003 -.418

7.962E-04 .227

-2.39E-03 -.146

8.528E-03 .321

-1.139 -.599 .103

-.244 6.203E-02

-.366 1.006 4.278 -.318 -.852

-3.70E-02 -3.279

remesas -.044 -.822 -.311 .682

-.590 -.844 .690 .697

-.734 .884

-.569 .923

-.425 -.510 1.000

.790 -.761 .868

-2.37E-04 -5.95E-02 -3.11E-03 2.224E-02 -4.00E-03 -6.68E-02

.225

.121 -3.05E-02 5.484E-02 -1.93E-02

.132 -7.72E-02

-.318 9.111 E-02

.565 -1.242

.992

inpc .108

-.720 -.390 .508

-.559 -.526 .699 .584

-.653 .691

-.676 .851

-.045 -.174 .790

1.000 -.890 .920

4.599E-03 -.409

-3.06E-02 .130

-2.98E-02 -.327 1.787

.795 -.213 .337

-.180 .960

-6.47E-02 -.852 .565

5.621 -11.394

8.262

pibusa .243 .762 .482

-.316 .645 .521

-.662 -.591 .648

-.732 .435

-.895 -.093 -.003 -.761 -.890 1.000 -.807

2.354E-02 .986

8.625E-02 -.184

7.836E-02 .739

-3.858 -1.832

.482 -.813 .264

-2.300 -.302

-3.70E-02 -1.242

-11.394 29.188

-16.526

tascpob .078

-.883 -.419 .606

-.642 -.724 .886 .784

-.799 .845

-.655 .911

-.354 -.418 .868 .920

-.807 1.000

5.291 E-03 -.802

-5.26E-02 .248

-5.47E-02 -.719 3.621 1.704 -.417 .658

-.279 1.642 -.808

-3.279 .992

8.262 -16.526 14.351


70

Collinearity Diagnostics

Model 1

Dimension 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19

Eigenvalue 18.741

.223 1.647E-02 9.030E-03 5.243E-03 2.248E-03 1.422E-03 6.214E-04 3.518E-04 1.558E-04 9.876E-05 4.238E-05 1.069E-05 5.295E-06 2.812E-06 4.709E-07 1.993E-07 1.022E-08 3.368E-09

Condition Index

1.000 9.161

33.736 45.557 59.788 91.309

114.801 173.670 230.801 346.777 435.609 665.014

1324.083 1881.267 2581.817 6308.561 9696.955

42818.786 74590.894

71

Collinearity Diagnostics TABLA 13a

Model 1

Dimension 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19

Variance Proportions 1 (Constant)

.00

.00

.00

.00

.00

.00

.00

.00

.00

.00

.00

.00

.00

.00

.00

.00

.02

.13

.86

balcom .00 .00 .00 .03 .00 .00 .00 .00 .00 .00 .01 .01 .06 .41 .24 .00 .01 .03 .21

cetes .00 .00 .00 .00 .00 .00 .02 .00 .00 .00 .00 .00 .00 .05 .00 .05 .02 .12 .73

creditbd .00 .00 .00 .00 .00 .00 .00 .00 .00 .00 .00 .00 .00 .00 .01 .14 .30 .09 .46

dowjones .00 .00 .00 .00 .00 .00 .00 .00 .00 .00 .01 .00 .04 .31 .00 .01 .00 .18 .44

exppetro .00 .00 .00 .00 .00 .00 .00 .00 .00 .05 .02 .09 .17 .03 .03 .08 .01 .28 .23

gastpub .00 .00 .00 .00 .00 .00 .00 .00 .00 .00 .00 .01 .08 .12 .14 .15 .27 .01 .22 I

72

Collinearity Diagnostics TABLA 13a

Model 1

Dimension 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19

Variance Proportions ibmex

.00

.00

.00

.00

.00

.00

.00

.00

.00

.00

.00

.00

.00

.03

.01

.01

.02

.01

.92

inpc .00 .00 .00 .00 .00 .00 .00 .00 .00 .00 .00 .00 .00 .00 .00 .13 .06 .01 .80

inpconst .00 .00 .00 .00 .00 .00 .00 .00 .00 .00 .00 .00 .01 .00 .10 .03 .22 .08 .57

invdext .00 .00 .00 .00 .00 .00 .00 .11 .00 .05 .02 .00 .00 ?? .13 .01 .00 .00 .45

pibnac .00 .00 .00 .00 .00 .00 .00 .00 .00 .00 .00 .00 .00 .00 .00 .00 .01 .92 .07

pibusa .00 .00 .00 .00 .00 .00 .00 .00 .00 .00 .00 .00 .00 .00 .00 .00 .00 .08 .92

remesas .00 .00 .00 .00 .00 .00 .00 .00 .00 .00 .02 .00 .04 .04 .06 .00 .00 .08 .76

73

Collinearity Diagnostics

Model 1

Dimension 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19

Variance Proportions I tasadab

.00

.00

.00

.00

.06

.03

.00

.03

.02

.01

.00

.04

.05

.00

.01

.04

.20

.02

.49

tasainf .00 .00 .00 .00 .00 .00 .02 .00 .00 .02 .00 .00 .01 .01 .00 .07 .10 .05 .71

tascpob .00 .00 .00 .00 .00 .00 .00 .00 .00 .00 .00 .00 .01 .01 .00 .03 .16 .02 .76

tipocam .00 .00 .00 .00 .00 .00 .00 .00 .00 .01 .00 .05 .03 .01 .04 .06 .18 .61 .01

viajeros .00 .00 .00 .00 .01 .07 .01 .00 .02 .00 .00 .01 .19 .00 .01 .49 .14 .00 .07


Residuals Statistics TABLA 14a



Mahal. Distance Cook's Distance Centered Leverage

I Value

Minimum

10.954852

-1.718

1.42E-02

10.109945

-6.0E-03

-.391

-1.000

-.219516

15.138

.291

.797

Maximum

11.140199

2.132

1.54E-02

11.358634

5.59E-03

.363

1.000

.845187

18.044

158.387

.950

Mean

11.037558

.000

1.50E-02

10.983898

-1.7E-14

.000

.000

5.37E-02

17.100

14.547

.900

Std. Deviation

4.82E-02

1.000

4.01 E-04

.277132

3.53E-03

.229

1.026

.257409

.955

37.781

.050

N

20 I

20

20

20

20

20

20

20

0

20

20

20


74



Std. Dev = .23

Mean = 0.00

N = 20.00




GRÁFICA 11 1.00

0.00 .25

Observed Cum Prob


Dependent Variable: pibconst 11.2

11.1

c o Ü

a.

11.0

10.9




CO c O Ü

-Q

.u i -

0.00-

- .01-

-.02_

D

D

O

a

a aD

a

0

•

G

D

-.3

balcom

-.2 -.0

76



0.00

</) c o o .g

-.02 -.01 0.00 .01 03 .04

cetes



-.02 -.01 0.00

creditbd

77



0.00-

w c o Ü

.Q Q. -.03

dowjones



c o Ü .Q Q.

0.00

exppetro

78



-.08 -.06 -.04 -.02 0.00 .02

gastpub


Dependent Variable: pibconst •02 n

.01-

0.00-

*- -.01 c o o

-Q "o. -.02

a D a

.04 .06

-.02

¡bmex

-.01 o.oo .01 .02

79



-.003

mpc

.002 -.001 .000 .001 .002 .003



-.008 -.006 -.004 002 0.000 .002 .004

inpconst


Dependent Variable: pibconst .02

.01

0.00

-.01

w -.02^ o o .a a. -.03

-.4 -.1 .0

invdext



.002 0.000 .006

pibnac



0.00

c o o .O Q.

0.000

pibusa



0.00-

c o o .g Q.

002

remesas

82



w c o o .a

0.00

tasadab



(A C O o Q.

.01-

0.00-

-.01-

-.02 _ a

ft

a D a

•

D

D

D

a

a

o

D

D

D

D !

-.03 -.02 -.01 0.00 .01 .02 .03 .04

tasainf

83



0.00

V) c o Ü

a. -.002

tascpob

-.001 o.ooo .001



.002

tipocam

84



w c o Ü

-Q

0.00

viajeros


CAPÍTULO VI.- ESTIMACIÓN DEL MODELO DE ANÁLISIS MULTIVARIADO PARA DETERMINAR LA ECUACIÓN DE PREDICCIÓN DEL COMPORTAMIENTO DEL PRODUCTO INTERNO BRUTO DE LA CONSTRUCCIÓN.

Paso 4

6.1.- Estimación del modelo de regresión.

Una vez que se han cumplido los supuestos a partir de los datos transformados, procederemos a estimar el modelo de regresión que más se adecué, y que sirva en cualquier otra circunstancia.

6.2.- Corrida de la correlación múltiple en el paquete SPSS Método Entered

Interpretación de los cuadros de la corrida de SPSS

Método Entered

Tabla 6.- (Descriptive Statistics) Se pueden observar tanto los valores de la media como de la desviación estándar de las variables, lo significante se encuentra en el valor de la Dispersión = Desviación estándar / Media, lo cual se muestra en la siguiente tabla.

No 1 2 3 4 5 6 7 8 9

10 11 12 13 14 15 16 17 18 19 20

Variable pibconst balcom Cetes creditbd dowjones exppetro gastpub Ibmex Inpc inpconst Inpp invdext pibnac pibusa remesas tasadab tasamf tascpob tipocam Viajeros

Media 11.037558 6.308756 2.147624 12.96287 6.104161 7.245164

18.736619 8.894149 4.606993 4.552654 4.527977

15.168817 14.306214 9.105979 6.805123 1.055818 1.735131 0.148137 2.313693

12.345058

DesWlsíon Estándar

0.0483] 0.642297 0.390818

0.0943 0.107706 0.230762 0.311555 0.250822

0.0729 0.104769

0.0895 0.459552

0.0263 0.0384

0.34791 0.207131 0.301439

0.065 0.084

0.699362

N 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20

Dispersion 0.00437597] 0.1018104

0.18197692 0.00727462 0.01764469 0.03185049 0.01662813 0.02820079 0.01582377 0.02301273

0.019766 0.03029584 0.00183836 0.00421701 0 05112472 0.19618059 0.17372694 0.43878302 0.03630559 0.05665117

86


Con estos resultados se muestra la pequeña dispersión que existe entre los datos de la muestra, siendo esto favorable para nuestros fines; también se puede ver que al estandarizar los datos las magnitudes de la media y desviación estándar bajaron, en la columna N se observa que el tamaño de muestra considerado es de 20 observaciones por variable, y que al ser 20 variables nos da un tamaño de muestra de 400.

Tabla 7.- (Correlations):

Pearson Correlation.- Se puede observar que existen aceptables correlaciones de algunas variables macroeconómicas con el PIB construcción, La correlación más fuerte es la de pibnac con 0.751, seguida de exppetro con 0.748, después tipocam con 0.678, después pibusa con 0.671, después inpp con 0.624, después ibmex con 0.599, después inpconst con 0.580, después tasadab con 0.574, y después remesas con 0.510, de aquí en adelante se considera que las demás variables presentan una baja correlación, como ejemplo se observa en balcom 0.265, en invdext -0.236 y la más baja que es tasainf con -0.132, aunque se observan correlaciones débiles se puede decir que hay correlación múltiple entre las variables.

Tabla 7.- Sig. (1-tailed) En esta parte del cuadro se establecen las pruebas de hipótesis para determinar si se acepta o rechaza la hipótesis nula, lo más común de aceptar para una cola es un nivel de significancia no mayor a 0.5 lo cual no ocurre.

Ho diferente de 0, existe correlación

H1 igual a 0 no existe correlación

Se observa que en todos los casos el nivel de significancia está en el rango (0>=Sig.<=0.5) por lo tanto no se rechaza Ho, esto nos indica evidencia que si hay correlación

Tabla 7 (continuación).- Nos indica para cada variable el número de muestra o datos de 20, en todos los casos.

Tabla 8.- (Variables Entered/Removed) En este caso utilizamos el método Entered, el cual considera a un tiempo a todas las variables, los métodos que considera el paquete SPSS son:

Entered.- Introduce o incluye y examina todas variables en un solo paso.

87


Stepwise.- Introduce las variable y examina una por una en orden de mayor correlación y eliminando las no significativas.

Remove.- Remueve variables de un bloque en un solo paso.

Backward.- Elimina variables manteniendo todas las variables en un bloque de un solo paso, y entonces remueve una al tiempo basándose en un criterio de remoción.

Forward.- Selecciona una variable para mantenerla en bloque, una a la vez basándose en un criterio de entrada.

El nivel de tolerancia para los criterios default es 0.0001

Tablas 9 y 10.- ( Model Summary):

R.- (Tabla 9) Existe una correlación total de todas las variables del modelo R= 0.997, esto indica una alta correlación entre todas las variables (tres sigma).

R square.- (Tabla 9 ) R2=0.995 El modelo explica en un 99.5% (tres Sigma), de la variabilidad de la variable dependiente, en otras palabras, las variables macroeconómicas pibconst, balcom, cetes, creditbd, dowjones, expetro, gastpub, ibmex, inpc, inpconst, inpp, invdext, pibnac, pibusa, remesas, tasadab, tasainf, tascpob, tipocam y viajeros explican en 99.5% la variabilidad del PIB Construcción, el otro 0.5%, lo explica otras variables no incluidas en el modelo, esto indica que el modelo tiene muy buena representación con las variables que se escogieron.

R square Ajusted.- (Tabla 9) R2a=0.898, este coeficiente elimina el efecto del número de variables, en otras palabras el número de variables influye en el valor de R2, por medio de este coeficiente se elimina esta influencia, con lo que este valor marca una alta explicación de las variables independientes elegidas para el modelo ya que es de 0.898

El Coeficiente de determinación se obtiene de:

RÍ = (S-MLZP= 0.995 « - 1 - / 7

Donde: n =Número de casos = 400 P =No. de variables independientes =19

88


La contribución en el ajuste por el número de variables es muy pequeño, es de (0.995-0.898)=.097 esto hace más valido el modelo.

Tabla 9.- (Std. Error of the Estimate) Al transformar los datos encontramos un error estándar del estimado muy pequeño, esto es de 0.0154, considerado bueno, y esta dado en la escala de la variable dependiente PIB Construcción.

Tabla 9 (continuación).- (Model Summary) R2change = 0.995 se observa muy aceptable ya que nos indica la correlación global de las variables.

Tabla 9 (continuación).- (Durbin-Watson) Nos muestra un valor bastante aceptable para la validación del modelo ya que es de 2.841, muy cercano del valor óptimo para esta prueba. El valor puede fluctuar entre 2 y 4 según el caso, pero para nuestro efecto el valor que valida al modelo es 3, estando en función de sigma.

Tabla 11.- (Coefficents)

Aquí aparecen los coeficientes (betas), que conformarán nuestra ecuación del modelo de regresión múltiple, lo que se encuentra es el valor de significancia en la constante de 0.290 muy bajo y bastante aceptable. Las betas muestran poca dispersión de datos.

Se puede observar además al verificar las correlaciones de variables en la tabla pearson correlation (tabla 7) que la variable inpp con la variable pibconst tiene una correlación alta de 0.624, pero al momento de establecer la ecuación de predicción de la tabla Coefficcents (tabla 11), la variable inpp queda absorbida, es decir para efectos de predicción las variables inpc e inpconst la anulan o la absorben para efectos de predicción y el software simplifica la expresión pues estas variables dan una correlación de 1.00 (tabla 12 Excluded Variables) con el inpp lo que indica que estas variables representan al inpp en su totalidad para efectos de predicción. En resumen para efectos de predicción las variables inpc e inpconst absorben a la variable inpp de la ecuación de predicción.

89


Paso 5

Interpretando la variabilidad de la regresión.

6.3.- Determinación de la ecuación de predicción

La forma genérica para la ecuación de predicción es:

Por lo que tomando los coeficientes de las variables indicados en el Tabla 11 (continuación) Coefficients, y considerando las transformaciones que realizamos, obtenemos la ecuación de predicción para nuestro modelo, la cual es:

PIBConst = -72.115 + 0.3467 ftbalcom - 0A19W.cetes - OJllWcreditbd +

0.619 Wdowjones - 0.211 9* exp petro + 0.02937 Kgastpub -

0.693dlibmex -UOOWinpc -lJ539linpconst + 0M2639linvdext +

5.0229lpibnac + A.SOOMpibusa - O.óSSVlremesas + O.lSSVltasadab +

OASlVltasa inf- SAólVitascpob + lA7l9itipocam - O.OieSViviajeros

Donde

5R = ln(7)

6.4.- Medición del grado de impacto en la multicolinearidad:

Las variables altamente colineales pueden distorsionar los resultados substancialmente, o hacer que los resultados parezcan inestables y por tanto no generalizables, por tanto tenemos que corroborar que en nuestro modelo no aparezca el fenómeno de multicolinearidad, para esto existen dos métodos que a continuación se describen.

90


a) Colinearidad.- Como paso inicial determinaremos la existencia de colinearidad en nuestro modelo, para tal efecto utilizaremos el criterio :

Existe un problema de colinearidad, cuando variance proportions (la proporción de la varianza) excede a 0.95 para dos ó más coeficientes (2 sigmas).

Tablas 13 y 13 (continuación).- (Collinearity Diagnostics) Aquí se puede observar que no existe colinearidad en el modelo, ya que en ningún caso se excede 0.95 (ver cuadro).

b) Tabla 11 (continuación).- Calculo de los valores VIF (Variance Inflation Factor), Valores de tolerancia y Condition Index Para determinar si existe multicolinearidad utilizaremos este método, utilizando el criterio:

No existe multicolinearidad, si el variance inflation factor (VIF) no excede del valor n3, o sea (20)3 = 8000.

Tabla 11 (continuación) y 12.- Coefficients y cuadro Excluded variables.- En la tabla coefficients (tabla 11 continuación) aparecen los resultados del Variance inflation factor (VIF) pudiéndose observar que ningún valor excede n3. En la tabla excluded variables (tabla 12) se logra observar que aparece el valor de la tolerancia en donde encontramos un valor aceptable de 0.000024 Con estos resultados podemos concluir la no existencia de Multicolinearidad en el modelo, un factor que nos ayudó en forma determinante es el de haber transformado los datos.

91


CAPÍTULO Vil ESTIMACIÓN DEL MODELO DE REGRESIÓN QUITANDO VARIABLES DE BAJA CORRELACIÓN. (ECUACIÓN DE PREDICCIÓN ABREVIADA).

7.1- Criterio de selección de variables espurias o de baja correlación con el PIB construcción

Las variables macroeconómicas que presentaron una correlación (Pearson Correlation) menor a 0.50 con el PIB construcción, se quitarán del modelo con el fin de ver si este sigue teniendo el mismo comportamiento y si las variables de fuerte correlación siguen presentando la misma contribución a la variable dependiente, después de este análisis las variables que se tomaran en cuenta ahora son:

1. exppetro 2. ibmex 3. inpconst 4. inpp 5. pibnac 6. pibusa 7. remesas 8. tasadab 9. tipocam

Teniendo una población de 200 datos, con 20 datos por variable

7.2.- Supuestos de la regresión Múltiple

1.- Linearidad.- Grado en que cambia el coeficiente de regresión asociado a la variable dependiente, esto se muestra en las gráficas 13 Y 14, mostrándose linearidad.

2 Normalidad.- En el histograma de residuales gráfica 13, y gráfica de la normal gráfica 15, se observa que se presenta normalidad, esto se puede determinar por simple inspección visual. En la tabla 20 (residuals statistics) se observa como disminuye la dispersión respecto a los datos sin transformar dando una desviación estándar de 0.0429 bastante aceptable.

3 Homoscedasticidad.- Para determinar su existencia en las gráficas 14 y 15, se corrobora que se presenta el efecto de homoscedasticidad determinado por inspección visual ya que los datos están homogéneos.

92


4 Independencia.- En las gráficas 14 y 15, se determina que ya no existen problemas de independencia en la muestra, mismo caso que en el punto anterior.

5 Outliers.- En la Gráfica 15, se evidencia que no existen Outliers, no se presentan puntos disparados en la muestra.

POR LO TANTO AL SOLO DEJAR EN EL MODELO LAS VARIABLES DE MAYOR CORRELACIÓN ( p > 0.5) NO SE VIOLAN LOS SUPUESTOS DE LA REGRESIÓN LINEAL MÚLTIPLE.

7.3.- Corrida de la correlación múltiple en el paquete SPSS Método Entered con variables seleccionadas ( p > 0.5)

Interpretación de los cuadros de la corrida de SPSS

Método Entered

Tabla 27.- (Descriptive Statistics), Se pueden observar tanto los valores de la media como de la desviación estándar de las variables, lo significante se encuentra en el valor de la Dispersión = Desviación estándar / Media, lo cual se muestra en la siguiente tabla.

No 1 2 3 4 5 6 7 8 9 10

Variable pibconst exppetro Ibmex ¡npconst inpp pibnac pibusa remesas tasadab tipocam

« Medía "* 11.037558 7.245164 8.894149 4 552654 4.527977

14 306214 9105979 6 805123 1 055818 2 313693

Desviación Estándar

0.0483 0.230762 0.250822 0.104769

0.0895 0.0263 0.0384

0.34791 0.207131

0.084

>" n ^ 20 20 20 20 20 20 20 20 20 20

Dispersion 0.00437597 0.03185049 0.02820079 0.02301273

0.019766 0.00183836 0.00421701 0.05112472 0.19618059 0.03630559

Con estos resultados se muestra de nueva cuenta la pequeña dispersión que existe entre los datos de la muestra, siendo esto favorable para nuestros fines; en la columna N se observa que el tamaño de muestra considerado es de 20 observaciones por variable, y que al ser 10 variables nos da un tamaño de muestra de 200.

93


Tabla 16.- (Correlations):

Pearson Correlation.- Se puede observar que existen aceptables correlaciones de las variables macroeconómicas con el PIB construcción, La correlación más fuerte es la de pibnac con 0.751, seguida de exppetro con 0.748, después tipocam con 0.678, después pibusa con 0.671, después inpp con 0.624, después ibmex con 0.599, después inpconst con 0.580, después tasadab con 0.574, y después remesas con 0.510.

Nótese que las correlaciones de cada variable individualmente se conservó, lo anterior indica que no existe perturbación entre las variables independientes.

Tabla 17

R .- Existe una correlación total de todas las variables del modelo R= 0.888, esto indica una buena correlación entre todas las variables, aunque es más baja que cuando se considerando las 19 variables en el modelo.

R square.- R2=0.798 El modelo explica en un 80%, la variabilidad de la variable dependiente, en otras palabras, experto, ibmex, inpconst, inpp, pibnac, pibusa, remesas, tasadab y tipocam explican el 80% de la variabilidad del PIB Construcción, el otro 20%, lo explica otras variables no incluidas en este modelo, esto refleja fielmente lo postulado por el economista Italiano del Siglo XIX Wilfredo Pareto, lo cual se conoce como Ley de Pareto.

R square Ajusted- R2a=0.599, este coeficiente elimina el efecto del número de variables, en otras palabras el número de variables influye en el valor de R2, por medio de este coeficiente se elimina esta influencia, viéndose que se ve afectado al quitarle al modelo 10 de las 19 variables contempladas y por lo tanto este indicador baja sensiblemente.

SE OBSERVA QUE LAS CORRELACIONES O CONTRIBUCIÓN INDIVIDUAL DE CADA VARIABLE INDEPENDIENTE CONSERVA SU VALOR RESPECTO AL PIB CONSTRUCCIÓN, ESTO DETERMINA TAMBIÉN LA VALIDEZ DEL MODELO.

7.4.- Determinación de la ecuación de predicción abreviada

La forma genérica para la ecuación de predicción es:

7 = A * !+P 2 x i+A*3 + A*4+P 5 xs + P,x 6 +A

94


Por lo que tomando los coeficientes de las variables indicados en el tabla 19 (Coefficients), y considerando las transformaciones que realizamos, obtenemos la ecuación de predicción para nuestro modelo, la cual es:

PIBConst = -31.381 + 0.00797791 exp petro - Omzmibmex - OAiminpconst

- 0.344 9?inpp +2.075 Kpibnac + 1.884 ^pitusa - 0.123 91 remesas

+ 0.114 91 tasadab + 0.275 9Í tipocam

Donde:

9Í = ln(7)

Conclusiones de la ecuación de predicción abreviada

1.- Se observa que esta ecuación de predicción es más corta, se hace más práctico y se facilita su cálculo respecto a la ecuación que considera las 19 variables.

2.- Se pierde precisión en la predicción, ya que esta ecuación abreviada solo predice el 80% del comportamiento de PIB Construcción.

95

Regression


pibconst exppetro ibmex inpconst inpp pibnac pibusa remesas tasadab tipocam

Mean 11.037558 7.245164 8.894149 4.552654 4.527977

14.306214 9.105979 6.805123 1.055818 2.313693

Std. Deviation 4.83E-02 .230762 .250822 .104769

8.95E-02 2.63E-02 3.84E-02 .347910 .207131

8.40E-02

N 20 20 20 20 20 20 20 20 20 20


Pearson pibconst Correlation exppetro

ibmex inpconst inpp pibnac pibusa remesas tasadab tipocam

Sig. pibconst (1-tailed) exppetro


N pibconst exppetro ibmex inpconst inpp pibnac pibusa remesas tasadab tipocam

pibconst 1.000

.748

.599

.580

.624

.751

.671

.510

.574

.678

.000

.003

.004

.002

.000

.001

.011

.004

.001 20 20 20 20 20 20 20 20 20 20

exppetro .748

1.000 .790 .734 .783 .836 .798 .627 .649 .833 .000

.000

.000

.000

.000

.000

.002

.001

.000 20 20 20 20 20 20 20 20 20 20

ibmex .599 .790

1.000 .818 .790 .862 .859 .692 .758 .694 .003 .000

.000

.000

.000

.000

.000

.000

.000 20 20 20 20 20 20 20 20 20 20

inpconst .580 .734 .818

1.000 .986 .928 .978 .953 .902 .887 .004 .000 .000

.000

.000

.000

.000

.000

.000 20 20 20 20 20 20 20 20 20 20

inpp .624 .783 .790 .986

1.000 .925 .984 .958 .899 .936 .002 .000 .000 .000

.000

.000

.000

.000

.000 20 20 20 20 20 20 20 20 20 20

pibnac .751 .836 .862 .928 .925

1.000 .956 .841 .812 .846 .000 .000 .000 .000 .000

.000

.000

.000

.000 20 20 20 20 20 20 20 20 20 20

pibusa .671 .798 .859 .978 .984 .956

1.000 .943 .908 .912 .001 .000 .000 .000 .000 .000

.000

.000

.000 20 20 20 20 20 20 20 20 20 20

96


Pearson pibconst Correlation exppetro


Sig. pibconst (1-tailed) exppetro


N pibconst exppetro ibmex inpconst inpp pibnac pibusa remesas tasadab tipocam

remesas .510 .627 .692 .953 .958 .841 .943

1.000 .912 .877

.011

.002

.000

.000

.000

.000

.000

.000

.000 20 20 20 20 20 20 20 20 20 20

tasadab .574 .649 .758 .902 .899 .812 .908 .912

1.000 .829

.004

.001

.000

.000

.000

.000

.000

.000

.000 20 20 20 20 20 20 20 20 20 20

tipocam .678 .833 .694 .887 .936 .846 .912 .877 .829

1.000

.001

.000

.000

.000

.000

.000

.000

.000

.000

20 20 20 20 20 20 20 20 20 20

Variables Entered/Removed13

Model 1

Variables Entered

tipocam, ibmex, tasadab, exppetro, pibnac, remesas, inpconst, mpp, a

pibusa

Variables Removed

.

Method

Enter

a. All requested variables entered.



Model I 1

R .888a

R Square .789

Adjusted R Square

.599

Std. Error of

the Estimate 3.06E-02


Model 1

Chanqe Statistics R

Square Change

.789 F Change

4.147 df1

9 df2

10

Sig. F Change

.018 Durbin-Watson

2.362

a. Predictors: (Constant), tipocam, ibmex, tasadab, exppetro, pibnac, remesas, inpconst, inpp, pibusa


ANOVA TABLA 18b

Model 1 Regression

Residual Total

Sum of Squares

3.493E-02 9.359E-03 4.429E-02

df 9

10 19

Mean Square

3.882E-03 9.359E-04

F 4.147

Sig. .018a

a. Predictors: (Constant), tipocam, ibmex, tasadab, exppetro, pibnac, remesas, inpconst, inpp, pibusa



Model 1 (Constant)

exppetro ibmex inpconst inpp pibnac pibusa remesas tasadab

I tipocam


B -31.381

7.977E-03 -9.83E-02

-.431 -.344 2.075 1.884 -.123 .114 .275

Std. Error 14.029

.119

.144

.779 1.308 1.738 3.269

.136

.095

.363

Standardi zed

Coefficien ts

Beta

.038 -.511 -.935 -.637 1.132 1.499 -.890 .489 .478

t -2.237

.067 -.682 -.553 -.263 1.194

.576 -.907 1.194 .756

Sig. .049 .948 .511 .592 .798 .260 .577 .386 .260 .467


Lower Bound -62.639

-.258 -.420

-2.166 -3.258 -1.798 -5.400

-.427 -.099 -.535

Upper Bound

-.123 .274 723

1.304 2.571 5.948 9.167

.180

.327 1.084

98


Model 1 (Constant)

exppetro ibmex inpconst inpp pibnac pibusa remesas tasadab tipocam

Correlations

Zero-order

.748

.599

.580

.624

.751

.671

.510

.574

.678

Partial

.021 -.211 -.172 -.083 .353 .179

-.276 .353 .233

Part

.010 -.099 -.080 -.038 .174 .084

-.132 .174 .110

Collinearity Statistics

Tolerance

.065

.038

.007

.004

.024

.003

.022

.126

.053

VIF

15.433 26.556

135.116 277.972

42.533 320.090

45.586 7.934

18.883


Coefficient Correlations'

Model 1 Correlations tipocam

ibmex tasadab exppetro pibnac remesas inpconst inpp pibusa

Covariances tipocam ibmex tasadab exppetro pibnac remesas inpconst inpp pibusa

tipocam 1.000

.409 -.040 -.546 .381 .133

-.040 -.056 -.325 .132

2.144E-02 -1.38E-03 -2.37E-02

.240 6.584E-03 -1.13E-02 -2.64E-02

-.386

ibmex .409

1.000 -.015 -.639 .660 .568

-.696 .690

-.847 2.144E-02 2.079E-02 -2.13E-04 -1.10E-02

.165 1.116E-02 -7.81 E-02

.130 -.399

tasadab -.040 -.015 1.000 -.061 .240

-.175 -.133 .159

-.202 -1.38E-03 -2.13E-04 9.109E-03 -6.99E-04 3.974E-02 -2.28E-03 -9.86E-03 1.979E-02 -6.30E-02

exppetro -.546 -.639 -.061 1.000 -.582 .012 .605

-.599 .477

-2.37E-02 -1.10E-02 -6.99E-04 1.428E-02

-.121 1.956E-04 5.630E-02 -9.37E-02

.186

pibnac .381 .660 .240

-.582 1.000

.508 -.607 .549

-.827 .240 .165

3.974E-02 -.121 3.021

.120 -.822 1.248

-4.697

remesas .133 .568

-.175 .012 .508

1.000 -.351 .177

-.619 6.584E-03 1.116E-02 -2.28E-03 1.956E-04

.120 1.855E-02 -3.73E-02 3.153E-02

-.276

99

Coefficient Correlations3 &. J Model 1 Correlations tipocam

ibmex tasadab exppetro pibnac remesas inpconst inpp pibusa

Covariances tipocam ibmex tasadab exppetro pibnac remesas inpconst

inpp pibusa

inpconst -.040 -.696 -.133 .605

-.607 -.351 1.000 -.869 .592

-1.13E-02 -7.81 E-02 -9.86E-03 5.630E-02

-.822 -3.73E-02

.606 -.885 1.508

f » 1 HJplftysaH -.056 .690 .159

-.599 .549 .177

-.869 1.000 -.696

-2.64E-02 .130

1.979E-02 -9.37E-02

1.248 3.153E-02

-.885 1.711

-2.974

-.325 I -.847 -.202 .477

-.827 -.619 .592

-.696 1.000 -.386 -.399

-6.30E-02 .186

-4.697 -.276 1.508

-2.974 10.685



Model 1

Dimension 1 2 3 4 5 6 7 8 9 10

Eigenvalue 9.971

2.795E-02 5.365E-04 4.445E-04 1.863E-04 4.681 E-05 1.952E-05 1.895E-06 1.481E-07 3.323E-08

Condition Index

1.000 18.888

136.327 149.775 231.323 461.517 714.676

2293.756 8203.893

17322.775


Model 1

Dimension 1 2 3 4 5 6 7 8 9 10

Variance Proportions 1 (Constant)

.00

.00

.00

.00

.00

.00

.00

.00

.95

.04

exppetro .00 .00 .06 .00 .00 .43 .00 .14 .06 .29

ibmex .00 .00 .00 .01 .07 .09 .07 .03 .06 .67

inpconst .00 .00 .00 .00 .00 .00 .11 .48 .01 .40

inpp .00 .00 .00 .00 .00 .00 .01 .50 .02 .46

pibnac .00 .00 .00 .00 .00 .00 .00 .00 .15 .85

pibusa .00 .00 .00 .00 .00 .00 .00 .00 .04 .96

101


Model 1

Dimension 1 2 3 4 5 6 7 8 9 10

Variance Proportions remesas

.00

.00

.02

.04

.06

.09

.32

.08

.02

.36

tasadab .00 .13 .00 .36 .41 .02 .02 .00 .01 .05

tipocam .00 .00 .01 .04 .04 .61 .03 .13 .01 .13


Casewise Diagnostics3

Case Number 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20

Std. Residual

.627 -.344 .584 .179

-1.664 -.627 1.477

.200 -.672 .516

-.269 .079

-.307 -.220 .853

-.986 -.079 .025 .981

-.352

pibconst 11.0142 11.0428 11.0866 11.0496 10.9663 10.9599 11.0319 11.0012 10.9551 11.0140 11.0520 11.0224 11.0102 11.0252 11.0820 11.0567 11.0583 11.0691 11.1391 11.1146

Predicted Value

10.995036 11.053356 11.068780 11.044113 11.017208 10.979102 10.986683 10.995072 10.975690 10.998179 11.060224 11.019960 11.019596 11.031899 11.055911 11.086858 11.060724 11.068299 11.109092 11.125374

Residual 1.92E-02 -1.1E-02 1.79E-02 5.47E-03 -5.1E-02 -1.9E-02 4.52E-02 6.11E-03 -2.1E-02 1.58E-02 -8.2E-03 2.42E-03 -9.4E-03 -6.7E-03 2.61 E-02 -3.0E-02 -2.4E-03 7.58E-04 3.00E-02 -1.1 E-02


Residuals Statistics TABLA 20a



Mahal. Distance Cook's Distance Centered Leverage Value

Minimum

10.975690

-1.443

1.42E-02

10.965004

-5.1E-02

-1.664

-2.068

-7.9E-02

-2.593

3.132

.000

.165

Maximum

11.125374

2.048

2.66E-02

11.149472

4.52E-02

1.477

1.674

5.81 E-02

1.872

13.386

.454

.705

Mean

11.037558

.000

2.13E-02

11.040332

-1.1E-14

.000

-.028

-2.8E-03

-.044

8.550

.093

.450

Std. Deviation

4.29E-02

1.000

3.67E-03

4.68E-02

2.22E-02

.725

.977

4.25E-02

1.068

3.062

.111

.161

N

20

20

20

20

20

20

20

20

20

20

20

20


Charts



Std. Dev = .73

Mean = 0.00

N = 20.00

-1.50 -1.00 -.50 0.00 1.00 1.50




GRÁFICA 14 1.00

.75 -Q O

Q-

F 3 O -a <D o 0) Q. X LU

.50

.25

0.00 0.00

Observed Cum Prob



w c o Ü

-Q Q.

11.1-

11.0-

10.9,

a 0

G a D

a a

D

D

• o a

a D

a

-1.5 -1.0 -.5 0.0 .5 1.0 1.5 2.0 2.5



CAPITULO VIII CONCLUSIONES Y RECOMENDACIONES

A través del desarrollo de este estudio de investigación y con la aplicación del análisis multivariado y en particular la correlación lineal múltiple se pudo establecer la ecuación de predicción del comportamiento del PIB Construcción respecto a la influencia de variables macroeconómicas, obteniéndose la ecuación de predicción del modelo:

PIBConst = -72.115 + 0.3467Vlbalcom - OAimcetes - O.lllftcreditbd +

0.619 Mdowjones - 0.211 SR exp petro + 0.02937 ftgastpub -

0.693mibmex -1 JOQWnpc -1 JSSVimpconst + 0.04263 Vlinvdext +

5 .Oliyipibnac + 4.500yipibusa - O-GSSVlremesas + 0.23Zyítasadab +

0A57yitasa inf- 5 AólVltascpob +1 Aliyitipocam - 0.02659? viajeros

la cual predice el comportamiento de la variable dependiente explicando en un 99.5% el comportamiento del PIB Construcción. Las variables con mayor influencia sobre el PIB Construcción son: pibnac con 0.751, seguida de exppetro con 0.748, después tipocam con 0.678, después pibusa con 0.671, después inpp con 0.624, después ibmex con 0.599, después inpconst con 0.580, después tasadab con 0.574, y después remesas con 0.510.

Con estos resultados queda comprobado la hipótesis H1 de la presente investigación, revistiendo dicha investigación una gran utilidad en el establecimiento de modelos econométricos, prospecciones sobre el comportamiento del PIB Construcción, mejoramiento de los procesos de planeación, creación de escenarios económicos y en la toma de decisiones.

Cabe destacar la contribución al modelo de las variables exportaciones petroleras (exppetro), producto interno bruto de los Estados Unidos (pibusa) y remesas familiares (remesas), indicando que nuestra economía depende fuertemente de estas.

Los hallazgos y contribuciones de este estudio de investigación se espera que sean de beneficio para un mejor sector de la construcción y por ende para un mejor MÉXICO.

Se recomienda establecer un estudio exhaustivo para localizar las variables que faltaron de incluir en este modelo y así lograr de ser posible un mayor grado de predicción.

106


BIBLIOGRAFÍA

Multivariate Data Analysis With Readings Joseph F. Hair, Rolph E. Anderson, Ronald L. Tatham Editorial Prentice Hall.

Metodología de la Investigación Roberto Hernández Sampieri, Carlos Fernández Collado y Pilar Baptista Lucio Editorial Me Graw Hill.

Econometria Alonso Fernández Gallastegui Editorial Pearson Educación

Ejercicios de Introducción a la Macroeconomía García Pardo, Jimena Sebastián Miguel Editorial Me Graw Hill.

SPSS para Windows, Programación y Análisis Magdalena Ferraz Aramaz. Editorial Me Graw Hill.

107


GLOSARIO DE TÉRMINOS

COEFICIENTE AJUSTADO DE DETERMINACIÓN ( AJUSTADO R 2) Medida modificada al coeficiente de determinación que toma en cuenta el número de la variable predecible incluida en la ecuación de variación. Mientras que la adición de la variable predecible siempre causa que aumente el coeficiente de determinación, el coeficiente de determinación ajustado podría caer si la suma de las variables predecibles tienen un pequeño poder explicatorio y son estadísticamente insignificantes. Esta estadística es muy útil para comparación entre ecuaciones con diferentes números de variables predecibles.

TODOS LOS POSIBLES SUBCONJUNTOS DE REGRESIÓN Método de selección en las variables por inclusión en el modelo de regresión que consideren todas las posibles combinaciones de variables independientes. Por ejemplo, si el analista tiene cuatro variables independientes especificas, esta técnica estimaría todos los posibles modelos de regresión con uno, dos, tres y cuatro variables. Esta técnica seleccionaría los modelos con la mejor predicción sin errores.

ELIMINACIÓN REGRESIVA Método de selección de variables por inclusión en el modelo de regresión que empieza con todas las variables independientes en el modelo y luego elimina aquellas variables que no hacen una contribución significativa a la predicción.

COEFICIENTE BETA (Bn) Coeficiente estandarizado de regresión (vea estandarización) que permite una directa comparación entre sus coeficientes y su poder explicatorio relativo de la variable dependiente. Mientras que los coeficientes de regresión son expresados en términos de las unidades de la variable asociada, haciendo referencia a las comparaciones inapropiadas, coeficientes beta usa información estandarizada que puede ser directamente comparada.

COEFICIENTE DE DETERMINACIÓN (R2 ) Medida de la proporción del grado de variación de la variable dependiente sobre su promedio que es explicado por las variables independientes o predecibles. El coeficiente puede variar entre 0 y 1. Si el modelo de regresión es propiamente aplicado y estimado, el analista puede asumir el alto nivel de R2, el poder superior explicatorio de la ecuación de regresión y además la mejor predicción de la variable de criterio.

COLINEALIDAD Expresión de la relación entre dos (colinealidad) o más variables independientes (multicolinealidad). Dos variables predecibles son dichas para exhibir completa colinealidad si su coeficiente correlacionado es 1 y una completa falta de colinealidad si su coeficiente relacionado es 0. Multicolinealidad ocurre cuando

108


una sola variable predecible es altamente correlacionada con un grupo de otras variables.

COEFICIENTE DE CORRELACIÓN (r) Indica la fuerza de asociación entre variables dependientes e independientes. El signo (+ ó -) indica la dirección de la relación. El valor puede variar desde -1 a +1, con +1 indica una relación positiva perfecta, con 0 indicamos que no hay ninguna relación, y con -1 una relación negativa perfecta (así como una crece la otra disminuye).

VARIABLE DE CRITERIO (Y) Vea variable dependiente

GRADOS DE LIBERTAD (df) Calculado del numero total de observaciones el numero de parámetros estimados. Estos parámetros estimados son restricciones en la información por que una vez hecho, estas definen la población de donde la información se asume ha sido obtenida. Por ejemplo, estimando un modelo de regresión con una sola variable predecible, estimamos dos parámetros, la constante (bo) y un coeficiente de regresión variable predecible (b1). Estimando el margen de error, definido como la suma de errores predecibles (valores actuales dependientes predichos), para todos los casos encontraríamos (n - 2) grados de libertad. Los grados de libertad proveen una medida de que tan restringida es la información para alcanzar un nivel de predicción. Si los grados de libertad son pequeños, esto sugiere que el resultante de la predicción puede ser generalizable, por que solo pocas observaciones son incorporadas a la predicción, por otro lado, siendo el valor de los grados de libertad alto nos indican que la predicción es poco "robusta" de acuerdo a la representatividad de la muestra completa.

VARIABLE DEPENDIENTE (Y) La variable comienza prediciendo o explicando un conjunto de variables independientes.

VARIABLE SUSTITUTA Variable independiente utilizado para obtener el efecto que los diferentes niveles no métricos variables que tienen criterio predecible variable. Para contar por los niveles L de unas variables independiente, L - 1 variables sustituibles son necesarias. Por ejemplo; el genero se mide como varón ó hembra y se podrá representar por dos variables simuladas X1 y X2 = 0. Así mismo, cuando el respondedor es femenino, XI = 0 y X2 = 1 como siempre cuando X1 = 1 nosotros sabemos que X2 debe ser igual 0. Así necesitamos solamente una variable X1 ó X2, para representar el genero variable. No podemos incluir ambas variables, por que una es perfectamente predecible por el otro y los coeficientes de regresión no pueden ser estimados. Si la variable tiene tres niveles, solamente dos variables simuladas son necesitadas tenemos siempre una variable simulada menos que el numero de niveles de variable usado.

109


EFECTOS DE CÓDIGO Método especificado para la referencia de categoría para un conjunto de variables sustituibles donde la referencia de categoría recibe un valor mínimo de uno (-1) a través del conjunto de variables sustituibles. Con este tipo de código, el coeficiente de las variables sustituibles llegan a formar un grupo. Esta en contraste con el código indicador, donde la referencia de categoría le es dada el valor cero a través de todas las variables sustituibles y los coeficientes representa N desviaciones del grupo de la referencia.

HETEROSCEDASTICIDAD Ver homoscedasticidad.

HOMOSCEDASTICIDAD Cuando la variación de los términos error aparecen constante sobre una gama de variables predecibles, los datos serán homoscedasticos. La Asunción de la variación igual del error de la población (donde E es estimada de e) es critico el uso apropiado de la regresión lineal, cuando los términos del error tiene variación de aumento o de modulación, los datos serian la discusión de heteroscedasidad.

VARIABLE INDEPENDIENTE Las variables seleccionadas como predecibles y variables explicativas potenciales de la variable dependiente.

CODIFICACIÓN DEL INDICADOR Método para especificar la categoría de la referencia para un sistema de las variables simuladas donde la categoría de referencia recibe un valor de cero a través de fijar la variable simulada, los coeficientes representan al grupo de las diferencias del grupo de la referencia. También considera la codificación de los efectos.

OBSERVACIÓN INFLUYENTE Una observación que tiene una influencia desproporcionada en uno o más aspectos de la regresión estimada. Esta influencia puede ser basada en la respuesta de diferencia en variable predecible, observando extremadamente el valor para la variable criterio, o una combinación de este efecto. Las observaciones influyentes pueden ser cualquiera que sea "bueno", reforzando el patrón de los datos o de los "malos" restantes. Cuando un grupo solo ó pequeño afecta indebidamente las estimulaciones de la regresión no es necesario que la observación sea un afloramiento. Aunque también muchas veces la afloración puede ser clasificada en observaciones influyente también.

INTERCEPCIÓN (bo) Valor en el eje variable del axis (criterio variable axis) donde la línea definida por la ecuación de regresión Y = bo + b1 X1 cruza el eje. Este es descrito por el termino constante bo en la ecuación de regresión. Además de su papel en la predicción, la interpretación puede o no tener una interpretación directa. Si la ausencia completa de la variable predecible tiene significado la intercepción representa esa

110


cantidad. Por ejemplo, al estimar las ventas de los últimos gastos en publicidad, la intercepción representa el nivel de ventas esperado si la publicidad es eliminada. Pero en muchos casos la constante tiene solamente Valor predictive porque no hay una situación en la cual las variables del predictor estén ausentes. Por ejemplo, se predice la preferencia de un producto basado en las actitudes del consumidor, todos los individuos tienen una actitud, así que la intercepción no tiene ningún uso directo sino lo ayuda una predicción más exacta.

PUNTOS DE PODER Tipo de observaciones influyentes definidos por un aspecto de la influencia llamado poder. Estas observaciones son substanciales diferentes en una o mas variables independientes así que estos efectúan la estimación de uno o mas coeficientes de regresión.

VALORES DE PROBABILIDAD Medida usada en la regresión logística y análisis de ingresos para representar la carencia del ajuste predictive. Aunque estos métodos no utilizan en el procedimiento menor de los cuadrados en la valoración del modelo. El valor de probabilidades es similar a la suma del error ajustado en análisis de regresión.

LINEARIDADES Usada para expresar el concepto que el modelo posee las características de la aditividad y homogeneidad. En un simple sentido, los modelos lineales predicen los valores que bajan en una línea recta que teniendo un cambio de unidad constante de la variable dependiente (declive) cambiada por una unidad constante de variable independiente. En el Modelo de población Y = bo + b1 X1 + G, el efecto de un cambio de 1 en X, es agregar b1 (una constante) unidades de Y. el modelo Y = bo + b2 ( X1 X2) es no agregar por un cambio de unidad en X2 no aumenta Y por unidad b2; aumenta Y en las unidades X1 b2, una cantidad que varia para los diferentes niveles de X.

REGRESIÓN LOGÍSTICA Especial de la regresión en la cual la variable del criterio es una no métrica, variable (binaria) dicotomía mientras que las diferencias existen en algunos aspectos, la manera general de la interpretación es absolutamente similar a la regresión lineal.

ANÁLISIS LOGISTICO Ver regresión logística.

ERROR DE MEDIDA El grado a el cual los valores de los datos no miden la verdad comenzando por la característica que es representada por la variable. Por ejemplo, al preguntar por el ingreso total de la familia hay muchas fuentes de error de medida al estar poco dispuestos para contestar a la cantidad completa, es error en estimar el ingreso total.

111

TESIS: CORRELACIÓN DELPIB CONSTRUCCIÓN Y VARIABLES MACROECONÓMICAS MAESTRÍA EN ADMINISTRACIÓN DE LA CONSTRUCCIÓN ÓSCAR JESÚS ESTRADA VALLES

EFECTO MODERADOR Impacta a la tercer variable independiente (moderador variable) causa la relación entre variables dependientes / independientes. Aparece para cambiar dependiendo del valor de la variable del asesor. También sabemos que tienen un efecto interactivo y similar a la interacción del efecto visto en el análisis método de variación.

MULTICOLINIARIDAD Ver colinearidad.

REGRESIÓN MULTIPLE Modelo de regresión múltiple con dos o mas variables independientes.

DIAGRAMA NORMAL DE LA PROBABILIDAD Comparación gráfica de la distribución de la muestra a la distribución normal. En la gráfica la distribución normal es representada por una línea recta con un ángulo de 45 grados. La distribución real se traza contra esta línea, así que cualquier diferencia se demuestra como desviaciones de la línea recta, haciendo la identificación de diferencias absolutamente simple.

DIAGRAMA NULO. Diagrama de residuales contra los valores predichos que exhibe un patrón al azar. Un diagrama nulo es indicativo de una violación no identificable del análisis subyacente de la regresión de las asunciones.

AFLORAMIENTO (outliers) En términos estrictos, una observación que tiene una diferencia substancial entre el valor actual por la variable dependiente y el valor predecible. Casos como estos son substanciales "diferentes" considerando las variables dependientes o independientes son términos aflorables. En todas las instancias, el objetivo es identificar observaciones que representan inapropiadamente la representación de la población de donde el ejemplo es obtenido, así para que sea desencadenados o hasta eliminados del análisis.

PARÁMETRO Cantidad (medida) característica a la cantidad de la población. Por ejemplo, [i y a2 son los símbolos usados por los parámetros promedio de la población (|j) y variación (a2). Estos son típicamente estimados de la información muestra donde el promedio aritmético de la muestra es utilizada como medida promedio de la población y la variación de la muestra es utilizado para estimar la variación de la población.

COEFICIENTE DE PARTE DE CORRELACIÓN Mide la fuerza de la relación entre una variable dependiente y una variable independiente simple cuando los efectos predictivos de otras variables independientes en el modelo de reagresión son removidas. El objetivo es describir

112


el efecto único predictivo dado a una variable independiente simple entre un grupo de variables independientes. Difiere del coeficiente de correlación parcial, el cual concierne al efecto predictivo incrementado.

COEFICIENTE DE CORRELACIÓN PARCIAL Mide la fuerza de la relación entre variable criterio o independiente y la variable de predicción simple cuando los efectos de otras variables de predicción en el modelo son retenidos como constante. Por ejemplo, ry,x2, xi mide la variación en Y asociada en x2 cuando el efecto de x1 en ambos x2 y Y es retenida como constante. Es usada en los métodos de selección de variables secuénciales de la estimación del modelo de regresión para identificar la variable independiente con el mayor poder predictivo incremental por encima de las variables predecibles ya una vez en el modelo de regresión.

VALOR PARCIAL F (ó t) La prueba parcial F es simplemente una prueba F para la contribución adicional a la predicción exacta sobre una variable superior a las variables de la ecuación. Cuando la variable (Xa) es sumada a la ecuación de regresión después de muchas otras variables que ya han sido introducidas dentro de la ecuación, su contribución puede ser muy pequeña. La razón es que (Xa) es altamente correlacionada con las variables que ya están en la ecuación. Un valor parcial F puede ser calculado por todas las variables pretendiendo que simplemente cada una en turno es la ultima en introducirse a la ecuación. El método da una contribución adicional de cada variable superior a las otras en la ecuación. Un valor (t) puede ser calculado en lugar del valor F en todas las instancias, siendo el valor t la raíz cuadrada del valor F.

DIAGRAMA DE REGRESIÓN PARCIAL Representación gráfica de la relación entre variable dependiente y una variable independiente simple, el diagrama de la dispersión de los puntos representa la correlación parcial entre las dos variables, con los efectos de otras variables independientes retenidas como constante (vea coeficiente de correlación parcial). Esta representación es particularmente de ayuda en asesoría de la forma de la relación (lineal contra no lineal). La identificación de las observaciones influencíales.

VARIABLE PREDECIBLE (Xn) Vea variable independiente.

PRESIÓN ESTADÍSTICA Medida de la validación obtenida eliminando cada observación una por una y prediciendo este valor dependiente con el modelo de regresión estimado de las observaciones retenidas.

POLINOMIAL Transformación de una variable independiente para representar una relación curvilineal con la variable dependiente. Incluyendo un término al cuadrado (X2), y

113


un solo punto de cambio es estimado, un término al cubo estima un segundo punto de cambio. Términos adicionales de una más alta potencia puede ser también estimados.

POTENCIA Probabilidad de que una relación significante va a ser encontrada si actualmente existe, complementa mas el uso del nivel alfa ( a ).

ERROR DE PREDICCIÓN Diferencia entre el valor actual y el valor predicho de la variable dependiente por cada observación en la muestra.

COEFICIENTE DE REGRESIÓN (bn) Valor numérico de cualquier parámetro estimado directamente asociado con las variables independientes. Por ejemplo, en el modelo Y = bo + b1,x1, el valor de b1 es el coeficiente de regresión por la variable X. En el modelo de predicción múltiple (e.g., Y = bO + b1 x1 + b2 x2), los coeficientes de regresión son parciales por que cada uno es tomado en cuenta no solo entre las relaciones Y y XI y entre Y y X2, pero también entre X y X2. El coeficiente no es limitado en rango, puesto que es basado en ambas el grado de asociación y la escala de unidades de la variable de predicción. Por instancia, dos variables con la misma asociación a Y tendrán coeficientes diferentes, si una variable de predicción fue medida en una escala 7-puntos y otra fue basada en una escala de 100-puntos.

REGRESIÓN VARIABLE Combinación lineal del peso de variables independientes utilizadas colectivamente para predecir la variable dependiente.

RESIDUAL (e o c) Error en predecir nuestra información muestra es llamada residual, rara vez nuestras predicciones serán perfectas. Nosotros asumimos que el margen de error ocurrirá, pero asumimos que este error es una estimación de nuestro verdadero margen de error en la población (e), el error en la predicción de nuestra muestra (e) asumimos que el error en la población que estamos estimando es distribuida con un promedio de 0 y una variación constante.

CORRELACIÓN SEMIPARCIAL Vea coeficiente de parte de correlación.

REGRESIÓN SIMPLE Modelo de regresión con una variable dependiente simple.

ERROR DE ESPECIFICACIÓN Error en predecir la variable dependiente causada por la exclusión de 1 o mas variables independiente irrelevantes que puede preferir los coeficientes estimados

114


de las variables incluidas al igual que la disminución de todas las potencias predictivas del modelo de regresión.

ESTANDARIZACIÓN Proceso en donde la información reciente es transformada en nuevas variables de medida con un promedio de 0 y una desviación estándar de 1. Cuando la información es transformada de esta manera el termino bO (la intercepción) asume el valor de 0. Cuando se utiliza información estandarizada, los coeficientes de regresión son conocidos como coeficientes beta, en donde permita al investigador comparar el efecto relativo de cada variable independiente en la variable dependiente.

ERROR ESTÁNDAR DE LO ESTIMADO (SEE) Medición de la variación en los valores predichos que pueden ser utilizados para desarrollar intervalos confiables alrededor de cualquier valor predicho. Similar la desviación estándar de la variable alrededor de su promedio.

RELACIÓN ESTADÍSTICA Relación basada en la correlación de z o más variables independientes con la variable dependiente. Medidas de asociación como correlaciones típicas, representa el grado de relación porque hay más de un valor de la variable dependiente por cada valor de la variable independiente.

VALORACIÓN POR ETAPAS (Stepwise estimation) Método para seleccionar variables por inducción en el modelo de regresión que inicia seleccionado la mejor predicción de la variable dependiente. Adicionalmente variables independientes son seleccionadas en términos de poder incremental explicatorio estos pueden sumarse al modelo de regresión. Variables independientes son agregadas mientras sus coeficientes de correlación parcial son estadísticamente significates. Variables independientes pueden ser desechadas si su poder predictive arroja un nivel no significante.

SUMA DE LOS ERRORES AL CUADRADO Suma de los errores de predicción al cuadrado (residuales) a través de todas las observaciones. Utilizado para denotar la variación en las variables dependientes que no son todavía tomadas en cuenta por el modelo de regresión. Si ninguna variable independiente es utilizado por la predicción esta se convierte en los errores al cuadrado utilizando el promedio como valor predicho y los equivalentes de la suma total de los cuadrados.

SUMA DE REGRESIONES AL CUADRADO Suma de las diferencias al cuadrado entre el promedio y los valores predichos de la variable dependiente para todas las observaciones. Esto representa la cantidad de mejoramiento en la explicación de la variable independiente atributable a las variables independientes.

115

8 * 1 L i Li . _ Q A TESIS: C O R R E L A C I Ó N DEL PIB C O N S T R U C C I Ó N Y VARIABLES M A C R O E C O N Ó M I C A S - * *


TOLERANCIA Medida de colinealidad y multicolinealidad comúnmente utilizada, la tolerancia de la variable i (TOL ¡) es 1 - R2 * i , donde R2¡ es el coeficiente de determinación para la predicción de la variable i por las otras variables de predicción. Como el valor de la tolerancia crece menos, la variable es altamente predecible (colineal) con las otras variables del predictor.

SUMA TOTAL DE CUADRADOS Cantidad total de variación que existe para ser explicada por las variables independientes. Esta "linea de fondo" es calculada sumando las diferencias ajustadas entre el medio y los valores reales para la variable dependiente a través de todas las observaciones.

TRANSFORMACIÓN Una variable puede tener una característica indeseable, tal como no-normalidad, eso detrae de la capacidad del coeficiente de correlación de representar la relación entre el y otra variable. Una transformación, tal como tomar el logaritmo o la raíz cuadrada de la variable, crea una nueva variable y elimina la característica indeseable, es tener en cuenta una medida mejor de la relación. Las transformaciones se pueden aplicar a las variables dependientes o independientes, o ambos. La necesidad y el tipo especifico de transformación se puede basar en las razones teóricas (por ejemplo, transformar una relación no lineal sabida) o razones empíricas (identificadas con medio gráficos o estadísticos)

FACTOR DE LA INFLACIÓN DE LA VARIACIÓN (VIF¡) Indicador del efecto que otras variables del predictor tienen en la variación de un coeficiente de la regresión, relacionado directamente con los valores grandes del valor VIF de la tolerancia también indica un alto grado de colinearidad o multicolinearidad entre la variable independiente.

ESTADÍSTICA W A L D Prueba usada en la regresión logística para la significación de coeficientes estimados. Su interpretación es como las valores de F ó t usados para la prueba de significancia de los coeficientes de la regresión lineal.

116

itc - janium · multivariado en una de sus once variantes, la correlación múltiple exponiendo sus...

Documents