CREACIN DE MODELO

ECONOMTRICO PARA ESTIMAR EL

INDICADOR IMACON
(ndice Mensual de Actividad de la Construccin)
Integrantes:
Gerzon Vsquez Rivera
Diego Miranda Forcadel
Andrs Rivera Ramonet
Profesor:
Pedro Fernndez de la Reguera

Santiago
2013

ndice
1. Introduccin

2. Objetivos

2.1 Generales
2.2 Especficos
3. Anlisis del Sector Construccin en Chile
3.1 Oferta del Sector Construccin
3.2 Demanda del Sector Construccin
3.3 Mercado del sector construccin y anlisis de competencia
4. Modelo Economtrico
4.1 Descripcin de Variable
4.2 Modelo Propuesto

6
6
7
7
9
12
13
13
15

5. Metodologa de la Investigacin y Resultados

16

5.1 Anlisis de Regresin

5.2 Anlisis de Variables Explicativas
5.3 Anlisis de Multicolinealidad
5.4 Anlisis de las Observaciones
5.5 Anlisis de Normalidad de los Residuales
5.6 Anlisis de Heterocedasticidad
5.7 Anlisis de Autocorrelacin
5.8 Anlisis de Independencia
5.9 Series de Tiempo

16
18
22
24
29
31
35
36
37

6. Conclusiones

42

Base de Datos
Ao y Mes

ene.2008
feb.2008
mar.2008
abr.2008
may.2008
jun.2008
jul.2008
ago.2008
sep.2008
oct.2008
nov.2008
dic.2008
ene.2009
feb.2009
mar.2009
abr.2009
may.2009
jun.2009
jul.2009
ago.2009
sep.2009
oct.2009
nov.2009
dic.2009
ene.2010
feb.2010
mar.2010
abr.2010
may.2010
jun.2010
jul.2010
ago.2010
sep.2010
oct.2010
nov.2010
dic.2010
ene.2011
feb.2011
mar.2011
abr.2011
may.2011
jun.2011
jul.2011
ago.2011
sep.2011
oct.2011
nov.2011
dic.2011
ene.2012
feb.2012
mar.2012
abr.2012
may.2012
jun.2012
jul.2012
ago.2012
sep.2012
oct.2012
nov.2012
dic.2012

Imacon (Y)

Permiso Edificacin (X1)

Barras de Acero (X2)

Sacos de Cemento
(X3)

Indicador

m2

Toneladas

Miles de Sacos

98,270
99,447
99,695
100,324
101,063
102,797
102,226
103,071
101,752
98,988
97,237
95,130
93,528
92,387
91,476
90,429
90,155
89,831
90,269
91,539
91,744
92,976
93,385
93,867
94,428
94,085
94,860
95,932
97,502
97,684
97,795
98,215
98,534
99,204
99,902
100,850
102,066
102,715
103,783
104,365
104,955
105,548
106,402
106,161
107,460
108,887
111,049
112,396
113,839
114,598
115,880
116,856
118,088
118,890
119,711
120,815
120,980
120,842
120,644
121,168

1.516.084,000
1.775.930,000
1.325.170,000
1.723.024,000
1.087.123,000
1.223.223,000
1.352.901,000
1.364.779,000
1.322.418,000
1.112.483,000
821.503,000
1.086.479,000
1.031.708,000
1.126.821,000
1.836.966,000
1.170.506,000
1.131.069,000
2.214.278,000
799.408,000
952.467,000
823.032,000
807.750,000
850.116,000
1.088.847,000
1.015.044,000
748.153,000
748.685,000
1.046.133,000
873.779,000
776.604,000
1.092.736,000
838.878,000
1.037.475,000
848.204,000
938.856,000
1.454.419,000
1.471.547,000
1.227.558,000
1.575.022,000
1.111.457,000
1.809.965,000
1.572.822,000
1.266.843,000
1.156.132,000
1.249.569,000
1.204.109,000
1.559.718,000
1.606.907,000
1.380.268,000
1.335.151,000
1.366.837,000
1.523.685,000
1.303.873,000
1.317.316,000
1.438.121,000
1.423.310,000
1.118.897,000
1.498.258,000
1.453.719,000
1.276.402,000

50.839,000
50.969,000
51.891,000
50.543,000
52.128,000
53.166,000
55.991,000
62.775,000
32.663,000
23.073,000
23.192,000
29.512,000
27.243,000
29.215,000
27.817,000
21.609,000
25.438,000
26.317,000
30.181,000
36.795,000
32.162,000
37.427,000
30.052,000
30.423,000
37.527,000
39.311,000
13.454,000
40.162,000
54.198,000
36.884,000
23.249,000
31.765,000
33.988,000
30.631,000
39.686,000
43.676,000
49.145,000
45.933,000
48.202,000
38.255,000
43.644,000
47.296,000
43.376,000
42.780,000
40.879,000
44.390,000
46.319,000
52.121,000
51.773,000
45.765,000
52.735,000
50.304,000
56.468,000
59.851,000
54.069,000
55.455,000
42.710,000
64.434,000
46.515,000
45.066,000

9.592,000
9.276,376
9.070,889
9.803,599
8.257,000
8.442,633
9.416,996
8.464,282
8.361,715
10.146,301
9.554,800
8.374,908
7.950,975
7.633,713
8.478,215
7.517,000
6.951,881
6.772,832
7.469,871
6.870,597
7.246,203
8.201,268
8.353,000
7.761,482
7.871,544
7.319,177
7.565,299
7.901,000
7.217,527
6.474,000
7.114,798
7.832,858
7.241,000
8.025,106
8.109,964
8.418,638
8.239,294
8.127,153
9.336,212
8.147,882
8.954,047
7.765,506
7.659,788
8.543,035
8.673,506
9.014,659
10.007,741
9.203,365
9.494,800
9.342,235
10.513,365
9.341,200
9.371,224
8.234,682
8.566,706
9.392,188
7.979,741
10.446,776
9.937,435
8.488,588

Empleo Sectorial (X4) ndice Ventas de

Proveedores (X5)

ndice
Contratistas
Generales (X6)

N de Personas

516.918,829
515.290,395
532.625,052
525.211,778
524.823,665
516.421,356
528.772,504
531.866,692
544.005,158
538.779,909
537.470,937
525.520,465
525.185,108
508.992,972
511.910,000
504.010,000
512.400,000
519.200,000
510.570,000
486.050,000
483.490,000
483.850,000
499.660,000
502.910,000
506.580,000
531.330,000
540.970,000
560.080,000
560.623,352
575.100,000
566.899,414
562.599,792
569.959,900
582.150,000
590.854,850
602.903,753
609.181,711
596.911,201
592.657,221
599.687,145
610.877,024
610.026,285
624.837,924
614.197,008
610.456,460
614.602,514
613.524,236
620.286,501
617.913,542
618.099,404
612.331,731
612.930,520
625.078,721
625.306,572
619.249,930
626.566,545
630.187,895
640.809,806
649.683,374
649.754,281

183,290
174,644
167,400
184,128
169,920
172,496
173,132
166,055
147,567
158,122
148,139
152,172
153,914
144,456
151,829
135,091
134,220
134,819
132,709
139,116
129,465
147,155
146,184
146,545
151,300
143,680
169,833
160,187
155,471
141,450
142,747
150,888
134,530
155,828
161,306
162,917
174,743
162,413
180,229
160,922
167,254
157,132
155,520
158,004
157,316
182,243
189,427
191,056
197,285
187,623
214,209
197,614
197,868
190,529
186,004
190,804
160,340
204,209
201,234
192,221

126,715
138,299
136,497
137,442
155,538
162,301
139,211
162,547
181,217
155,943
163,943
181,739
144,636
129,403
160,545
151,167
140,365
146,968
141,707
147,834
150,921
130,881
151,891
172,765
134,684
112,210
128,144
129,008
128,520
168,210
140,401
166,877
149,399
149,953
155,806
209,099
115,046
107,952
124,062
116,310
117,943
100,604
112,037
110,655
132,307
133,976
123,774
146,279
118,521
120,624
126,407
134,652
144,681
153,664
145,308
169,824
157,345
196,221
198,449
256,100

1. Introduccin
El sector de la construccin tiene una importancia muy relevante dentro de la economa
chilena: es un sector que atraviesa transversalmente la economa, pues produce la
infraestructura fsica en casi todos los sectores econmicos; en s mismo tiene una
participacin muy relevante dentro del producto y la inversin nacional (ver Tabla 1). De
hecho, estas caractersticas del sector de la construccin en Chile son prcticamente
idnticas a las que se reportan en muchos otros pases, particularmente los desarrollados
(OECD). El sector de la construccin en Chile est conformado por las actividades de
edificacin habitacional, edificacin no habitacional y obras de ingeniera pblica y
privada para la construccin de infraestructura. Los productos que genera el sector de la
construccin son altamente heterogneos, debido a la diversidad de las caractersticas
fsicas y al requerimiento de recursos empleados para su elaboracin. En trminos ms
especficos, el sector de la construccin es aqul que presta servicios de edificacin, tanto
de obras nuevas como ampliaciones, de viviendas, oficinas y locales comerciales, etc.,
construccin de infraestructura productiva en general para los otros sectores econmicos
como la minera, la industria, el sector elctrico, etc., construccin de infraestructura de uso
pblico en general, tales como los edificios de la administracin pblica, las
municipalidades, etc., y la construccin de caminos, puentes, embalses, etc.
Tabla 1.
PARTICIPACIN DE LA PRODUCCIN SECTORIAL EN EL PIB
2003

2004

2005

2006

2007

2008

Minera

8,4

12,9

15,7

22,3

22,7

17,6

Servicios Financieros y
Empresariales

15,0

14,3

14,2

13,3

13,9

15,2

Industria Manufacturera

16,4

15,9

14,9

13,5

13,2

12,8

Servicios Personales

11,6

10,8

10,1

9,3

9,4

9,6

Comercio, Restaurantes y
Hoteles

9,7

9,3

9,0

8,2

8,2

8,8

Construccin

6,9

6,3

6,1

6,2

6,5

7,6

T ransporte

6,9

6,9

6,3

5,5

4,9

5,0

Propiedad de Vivienda

5,8

5,3

4,9

4,5

4,4

4,7

Administracin Pblica

4,3

4,1

4,0

3,7

3,8

4,1

Electricidad, Gas y Agua

2,9

2,7

2,9

2,8

2,6

3,4

Agropecuario-Silvcola

3,6

3,3

3,2

2,8

2,7

3,1

Comunicaciones

2,3

2,1

2,0

1,9

2,0

2,2

Pesca

1,2

1,0

1,0

1,0

0,8

0,6

Fuente: Anuario de Cuentas Nacionales 2008, Banco Central de Chile

Para medir la actividad del sector construccin en Chile, se utiliza el indicador IMACON
(ndice Mensual de Actividad de la Construccin). El IMACON es un indicador elaborado
por la Gerencia de Estudios de la Cmara Chilena de la Construccin para medir el pulso o
empuje de la actividad mensual del sector de la Construccin. Para su clculo se consideran
cinco componentes o subndices: permisos de edificacin, actividad de contratistas
generales, despachos de materiales de construccin (acero y cemento), ventas de
proveedores y empleo sectorial. El conjunto de ellos entrega una visin de un sector de la
economa que comprende la vivienda pblica y privada, la infraestructura de uso pblico
(con financiamiento estatal o privado, como es el caso de las concesiones) y la
infraestructura productiva, de rubros como minera, forestal, energa, comercio y portuario,
entre otros. Este trabajo busca poder estimar este indicador IMACON.

2. Objetivos
2.1 General

Construir un modelo economtrico que permita estimar el indicador IMACON para distintas
situaciones o escenarios de la economa chilena que afectan de manera directa las variables
que componen este indicador, que pertenecen al mercado laboral de la construccin, el
mercado de bienes y servicios de la construccin y por ltimo a los aspectos legales que
permiten que este sector pueda desarrollarse.

2.2 Especfico

Aplicar tcnicas economtricas, utilizando las variables explicativas que componen el

indicador IMACON.

Aplicacin de software computacional que permita realizar la investigacin. (Excel y

SPSS)

Validar el modelo propuesto, a travs de herramientas estadsticas conocidas

Utilizar el modelo para proyectar el indicador IMACON y determinar de esta manera como
se comportara la actividad de la construccin ante distintos escenarios.

3. Anlisis del Sector Construccin en Chile

3.1 Oferta del sector construccin
El eje central del sector de la construccin se encuentra obviamente en las empresas
constructoras que otorgan directamente los servicios constructivos. Estas empresas
construyen viviendas privadas y, con subsidio pblico, oficinas, infraestructura urbana para
el comercio y otros, infraestructura vial como caminos, puentes, etc., infraestructura para la
industria y la minera, etc. En la actualidad, la industria de la construccin est cada vez
ms enfocada a que empresas de mayor tamao subcontraten servicios de empresas
constructoras menores y ms especializadas en determinados nichos constructivos. A su
vez, y paralelamente a las empresas que construyen proyectos de viviendas y oficinas, se
encuentran las empresas inmobiliarias, que son las que gestionan los proyectos
inmobiliarios (vivienda, oficina, edificios para el comercio, etc.) construyndolos
directamente o subcontratando estos servicios a otras empresa constructoras. Paralelamente,
para la elaboracin de su producto, las empresas constructoras demandan insumos y
materiales para la construccin desde otros sectores de la economa, principalmente sector
industrial, servicios profesionales especializados, financiamiento, y otros (ver Figura 1).
Figura 1.

En Chile no existe un registro formal del nmero de empresas constructoras existentes,

cuestin que de ser posible sera de todos modos una medicin relativa, pues la gran
mayora de las empresas constructoras son medianas y pequeas que tienden a formar
consorcios entre ellas para presentarse a proyectos. La nica descripcin existente al
respecto es una aproximacin al tipo y conformacin de empresas constructoras existentes
de acuerdo al registro de socios de la Cmara Chilena de la Construccin (CChC). Esta
asociacin gremial hasta el 2009 contaba con casi 1.500 asociados a lo largo de todo el
pas, con 14 delegaciones gremiales en las ciudades ms importantes del pas, adems de
las oficinas centrales en Santiago. La mayor cantidad de asociados se encuentra en la
Regin Metropolitana, si bien en su conjunto las regiones ostentan un nmero algo mayor,
todo esto hasta el ao 2009.
Ahora bien, el tipo y nmero de socios inscritos a esta asociacin gremial sirven de ejemplo
para dar cuenta de las relaciones y estructuras que se dan en la prctica en el sector de la
construccin. En efecto, de acuerdo la auto clasificacin que realizaron los socios de la
CChC, vemos que existen empresas constructoras, que ofrecen servicios a uno o ms
sectores de la economa, y dentro de stos, con determinadas empresas especializadas,
empresas industriales proveedoras de insumos y materiales para el sector construccin,
consultoras de profesionales e inmobiliarias. El hecho de que este tipo tan variado de
empresas estn asociadas a la misma institucin gremial, da cuenta de las estrechas
relaciones que existen entre ellas, en un encadenamiento productivo que se da al interior de
la industria. Estos encadenamientos dan origen a inters comunes entre los actores del
sector que pueden llevar, eventualmente, a potenciales conflictos en el rea de la libre
competencia (ver Tabla 2).
Tabla 2.
CMARA CHILENA DE LA CONSTRUCCIN: RESUMEN DE N DE SOCIOS POR
ACTIVIDAD PRINCIPAL PERTENECIENTES A LA CCHC
Actividad Principal

% Dentro del Total de Socios

Constructora

16,8

Inmobiliario

13,4

Industrial Productor de
Materiales
Constructora Vivienda en
Extensin

12,3
11,2

Fuente: Cmara Chilena de la Construccin

3.2 Demanda del sector construccin

Como ya se mencion anteriormente, la demanda de servicios constructivos proviene de la
gran mayora de los sectores econmicos, y por ende, ello se traduce en una amplia
heterogeneidad del producto demandado. Por un lado, existe el sector de las familias que
demandan viviendas, y el sector de las empresas que demandan infraestructura para la
produccin de bienes y servicios. Por otro lado, existe la demanda desde el sector pblico
que requiere la construccin de edificacin pblica no habitacional para su funcionamiento,
y de infraestructura pblica. Todas estas demandas conforman los clientes de las
empresas constructoras y definen en gran medida la conformacin de la oferta sectorial.
3.2.1 Demanda del sector por parte de los privados
De acuerdo a las cifras de inversin que elabora la CChC, se observa que el sector privado
tiene mucha mayor relevancia como demandante de inversin en construccin en relacin a
la demanda proveniente del sector pblico, en una relacin de casi 3:1 (ver Figura 2).
Figura 2.
DEMANDA SECTORES POR INVERSIN EN CONSTRUCCIN AOS
2006-2008

Considerando las cifras globales de inversin en construccin de la CChC, se observa que

la mayor demanda del sector se refiere a la construccin de infraestructura, y dentro de sta,
la de infraestructura privada. De acuerdo al Catastro de la Corporacin de Bienes de Capital
(CBC), los sectores con mayor demanda o gasto en inversin en construccin son la
Minera y el sector de Energa (ver Tabla 3).

Tabla 3.

3.2.2 Demanda del sector construccin por parte pblica

En el mbito del sector pblico presupuestario, el gasto en inversin real (en activos no
financieros) del Gobierno Central Presupuestario agrupa el gasto en inversin en proyectos
y los estudios bsicos para llevarla a cabo.
La inversin en los proyectos se realiza fundamentalmente a travs del Ministerio de Obras
Pblicas (MOP), el que da cuenta de casi el 60% del presupuesto de inversin en activos no
financieros (infraestructura) del gobierno central presupuestario. Le siguen en importancia
los gastos de inversin de los Gobiernos Regionales, incluyendo Municipalidades, que se
reflejan en el presupuesto del Fondo Nacional de Desarrollo Regional (FNDR) del
Ministerio del Interior.
Cabe sealar que si bien stas y otras inversiones reales real aparecen en el presupuesto de
otras reparticiones pblicas distintas del MOP, stas son ejecutadas en una gran medida por
este Ministerio, siendo las de menores montos y grado de complejidad, llevadas a cabo por
las mismas reparticiones directamente. En efecto, como se constata en la Figura 3 y Figura
4, el MOP no slo ejecuta su propio presupuesto de inversin, sino que adems realiza la
inversin en infraestructura pblica encargada por otros organismos pblicos, as como
tambin las inversiones en infraestructura de decisin de los gobiernos regionales.

10

Figura 3.

Figura 4.

11

3.3 Mercado del sector construccin y anlisis de competencia

Tal como se mencion anteriormente, es una realidad que la mayora de las empresas
constructoras se dedican, en la prctica, a ejercer su actividad de forma exclusiva, o muy
restrictivamente, en segmentos o subsectores especficos de la construccin. La
especializacin en nichos constructivos especficos se va dando de manera natural ya sea
por la tecnologa requerida, la acumulacin de experiencia, el tipo de cliente, etc. Esta
heterogeneidad hace que los niveles de concentracin y la naturaleza de la competencia
varen entre los distintos segmentos o mercados de productos y servicios en la industria de
la construccin.
Por ello, para el anlisis de competencia en el sector de la construccin resulta imperativo
establecer correctamente la definicin del mercado relevante, que circunscriba
correctamente los efectos de una eventual conducta anticompetitiva de las empresas que
participan en dicho mercado.
El punto central es determinar en qu medida las empresas que forman un mercado o
segmento particular de la industria pueden potencialmente ofrecer productos o servicios
que sean sustitutos. A medida que la definicin de este mercado sea ms especfica, la
competencia estar cada vez ms limitada a un nmero menor de competidores.
Esta heterogeneidad se asocia naturalmente a los distintos tipos de productos que elaboran
las empresas constructoras, donde las obras habitacionales difieren de las obras de
ingenieras. Dentro de las primeras, tambin es posible establecer una diferencia entre la
produccin de inmuebles para el comercio, sector financiero, etc., y la produccin de
viviendas. Dentro de estas ltimas, en tanto, se puede diferenciar entre las viviendas
privadas, con un mercado donde existe competencia tanto en precios como en calidad (de la
construccin, de ubicacin geogrfica y entorno, etc.) y la produccin de viviendas
sociales, con un mercado donde los precios estn ms bien fijos y la competencia, marginal,
se da en elementos de calidad (ubicacin geogrfica y entorno).
Ahora bien, dentro de las obras de ingeniera, es posible tambin observar una
diferenciacin de mercados entre las obras de montaje y las obras civiles. Ciertamente,
estas ltimas encierran una amplia variedad de productos diversos asociados a ellas (obras
de puertos, ferrocarriles, carreteras, tneles, embalses, etc.), tanto desde el punto de vista de
la demanda como desde la perspectiva de las formas de produccin distintas que involucran
las diversas categoras.

12

4. Modelo Economtrico
4.1 Descripcin de las variables
Bajo el anlisis del sector construccin en Chile, concluyendo que esta industria es muy
heterognea y sabiendo que el indicador IMACON no discrimina por tipo de actividad
especfica de las constructoras, sino que considera la actividad de la construccin como un
todo, se proponen las siguientes variables explicativas para crear un modelo economtrico
que permita estimar el IMACON (ndice Mensual de Actividad de la Construccin).

Permiso de edificacin ( Pe ): corresponde a la superficie total autorizada para edificacin

en Chile, ya sea habitacional y no habitacional (industria, comercio, establecimientos
financieros y servicios (ver Figura 5).
Figura 5.

Barras de acero ( Ba ): corresponde a las toneladas de barra de acero totales utilizadas para
el hormign (hormign armado), ya sea, para edificacin habitacional y no habitacional
(ver Figura 6).

Cemento ( Sc ): corresponde a la cantidad de sacos de cemento utilizados para la

edificacin habitacional y no habitacional total en Chile (ver Figura 6).
Figura 6.

13

Empleo sectorial ( Es ): corresponde a la cantidad de personas que se desempean en el

sector construccin, la mano de obra. Se componen de personas de distintas especialidades,
desde profesionales a personas con algn oficio. La cantidad de personas ocupadas del
sector construccin estn determinadas por el Instituto Nacional de Estadsticas (ver Figura
7).
Figura 7.

ndice de Ventas de Proveedores ( Vp ): corresponde a un ndice que incorpora la venta de

materiales de construccin por parte de empresas dedicadas a la venta de todo tipo de
insumos para ser utilizados en la construccin, ya sea habitacional y no habitacional (ver
Figura 8)
Figura 8.

ndice de Contratistas Generales ( Cg ): elaborado sobre la base de facturacin neta por

obras de construccin ejecutadas por una muestra de 32 empresas constructoras socias de la
Cmara Chilena de la Construccin.

14

4.2 Modelo Propuesto

Se propone crear el siguiente modelo economtrico para estimar el indicador IMACON:

IMACON Pe Ba Sc Es Vp Cg
0

Donde:

IMACON

ndice Mensual de Actividad de la Construccin, Variable Explicada.

Intercepto con el eje del IMACON

Parmetros asociados a las variables explicativas

Pe

Cantidad de Permisos de Edificacin en Metros Cuadrados

Ba

Cantidad de Barras de Acero en Toneladas

Sc

Cantidad de Sacos de Cemento en Miles

Es

Empleo Sectorial en Cantidad de Personas

Vp

ndice de Ventas de Proveedores

Cg

ndice de Contratistas Generales

15

5. Metodologa de la Investigacin y Resultados

Para realizar una estimacin adecuada del IMACON, considerando las variables antes
mencionadas, se procedi a utilizar diversas tcnicas economtricas, utilizando software
SPSS y Excel.
5.1 Anlisis de Regresin
El Anlisis de Regresin se ha realizado por medio del mtodo de Mnimos Cuadrados
Ordinarios para estimar los parmetros o coeficientes del modelo (ver Tabla 4), de manera,
que la

2
i

sea como el nombre del mtodo lo indica, el ms mnimo posible.

Tabla 4.
COEFICIENTES Bi
Variable

Bi

Intercepto

3,285

Permiso
Edificacin

-0,00000164

Barras de Acero
Sacos de
Cemento
Empleo
Sectorial

0,000151
0,00057
0,00011

Ventas
Proveedores

0,131

Contratistas
Generales

0,0457

Por lo tanto, el modelo propuesto quedara de la siguiente forma, para estimar el indicador
IMACON:

IMACON

3,285 0,00000164Pe 0,000151Ba 0,000570Sc 0,000110Es 0,131Vp 0,0457Cg

16

Ahora, para verificar el nivel de significancia del modelo estimado, se realiz una ANOVA
utilizando el siguiente criterio:
Hiptesis:

H 0 i 0
H1 i 0
E F ( p; n p 1;1 )
5%
Resultados ANOVA:
Tabla 5.

La tabla 5, muestra los resultados de la ANOVA del modelo ejecutado en SPSS. Luego
utilizando un F (6,53,95) 2, 27539 para dcimar y como E F ( 79,152 2, 27539 ) se
puede concluir con un nivel de confianza del 95% que existe evidencia suficiente para
rechazar H 0 , o sea, el modelo es significativo. A continuacin se presentan tambin en la
tabla 6, el coeficiente de correlacin del modelo, el coeficiente de determinacin normal y
coeficiente de determinacin ajustado.
Tabla 6.

La tabla 6 nos muestra que las variables tienen una fuerza de asociacin lineal de un 94,8%
y que la variacin total del IMACON se debe en un 89,96% a las variables del modelo y en
10,04% restante es aleatorio.

17

5.2 Anlisis de Variables Explicativas

Para comprobar si todas las variables predictoras o explicativas realmente aportan de forma
significativa al modelo, se realiz el ajuste del modelo a travs del mtodo paso a paso y
mtodo de todas las regresiones en software SPSS, tabla 7 y 8, tabla 9 respectivamente,
bajo el siguiente criterio:
Hiptesis:

H 0 : Contribucin de la variable X i nula

H1 : Contribucin de la variable X i significativa
E F ( p; n p 1;1 )
5%
Tabla 7.

Tabla 8.

18

Tabla 9.
MTODO DE TODAS LAS REGRESIONES
S CR

S CE

CME

R2

R2ajus

58

658,31

4.676,69

80,63

0,12

0,11

Ba

58

2.442,22

2.892,78

49,88

0,46

0,45

Sc

58

1.874,17

3.460,83

59,67

0,35

0,34

58

4.015,73

1.319,27

22,75

0,75

0,75

Vp

58

3.682,07

1.652,93

28,50

0,69

0,68

Cg

58

172,40

5.162,60

89,01

0,03

0,02

57

2.470,86

2.864,14

50,25

0,46

0,44

Pe,S c

57

1.924,21

3.410,79

59,84

0,36

0,34

Pe,Es

57

4.066,01

1.268,99

22,26

0,76

0,75

57

3.691,03

1.643,97

28,84

0,69

0,68

Pe,Cg

57

848,92

4.486,08

78,70

0,16

0,13

Ba,S c

57

2.888,99

2.446,01

42,91

0,54

0,53

Ba,Es

57

4.454,55

880,45

15,45

0,83

0,83

Ba,Vp

57

3.743,04

1.591,96

27,93

0,70

0,69

Ba,Cg

57

2.663,40

2.671,60

46,87

0,50

0,48

S c,Es

57

4.409,32

925,68

16,24

0,83

0,82

S c,Vp

57

3.754,81

1.580,19

27,72

0,70

0,69

57

1.978,63

3.356,37

58,88

0,37

0,35

Es,Vp

57

4.643,80

691,20

12,13

0,87

0,87

Es,Cg

57

4.111,98

1.223,02

21,46

0,77

0,76

57

3.758,62

1.576,38

27,66

0,70

0,69

Pe,Ba,S c

56

2.889,97

2.445,03

43,66

0,54

0,52

Pe,Ba,Es

56

4.454,58

880,42

15,72

0,83

0,83

56

3.759,76

1.575,24

28,13

0,70

0,69

Pe,Ba,Cg

56

2.694,09

2.640,91

47,16

0,50

0,48

Ba,S c,Es

56

4.614,63

720,37

12,86

0,86

0,86

56

3.796,11

1.538,89

27,48

0,71

0,70

Ba,S c,Cg

56

3.053,76

2.281,24

40,74

0,57

0,55

S c,Es,Vp

56

4.644,08

690,92

12,34

0,87

0,86

56

4.486,89

848,11

15,14

0,84

0,83

Es,Vp,Cg

56

4.717,03

617,97

11,04

0,88

22,00

Pe,Ba,S c,Es

55

4.627,12

707,88

12,87

0,87

0,86

55

3.804,61

1.530,39

27,83

0,71

0,69

Pe,Ba,S c,Cg

55

3.053,93

2.281,07

41,47

0,57

0,54

Ba,S c,Es,Vp

55

4.696,83

638,17

11,60

0,88

0,87

55

4.719,93

615,07

11,18

0,88

0,88

S c,Es,Vp,Cg

55

4.717,16

617,84

11,23

0,88

0,88

Pe,Ba,S c,Es,Vp

54

4.711,79

623,21

11,54

0,88

0,87

54

4.729,18

605,82

11,22

0,89

0,88

Ba,S c,Es,Vp,Cg

54

4.787,97

547,04

10,13

0,90

0,89

Pe,Ba,S c,Es,Vp,Cg

53

4.799,39

535,61

10,11

0,90

0,89

MODELO
Pe

Es

Pe,Ba

Pe,Vp

S c,Cg

Vp,Cg

Pe,Ba,Vp

Ba,S c,Vp

S c,Es,Cg

Pe,Ba,S c,Vp

Ba,S c,Es,Cg

Pe,Ba,S c,Es,Cg

G.L.

19

De acuerdo al mtodo paso a paso ejecutado en SPSS, el software ofrece cuatro posibles
modelos a utilizar, por lo tanto, para definir cul de los modelos es el ms apropiado
ejecutamos el mtodo de todas las regresiones utilizando los siguientes criterios:

SCR de mayor valor

SCE y CME de menor valor
Mayor R 2 ajustado
Por lo tanto, de acuerdo a los criterios mencionados anteriormente y visualizando la tabla 9,
podemos definir que las variables explicativas a utilizar son Es, Vp y Cg.
Luego, realizando un nuevo anlisis de regresin, utilizando las variables explicativas
arrojadas por los mtodos mencionados anteriormente para obtener los nuevos parmetros,
se obtuvo lo siguiente:
Tabla 10.

Por lo tanto, el modelo ajustado quedara de la siguiente manera:

IMACON

1,896 0,000108Es 0,204Vp 0,0414Cg

El ANOVA obtenido del modelo ajustado se aprecia en la siguiente tabla:

Tabla 11.

20

Ahora, para verificar el nivel de significancia del modelo estimado, se realiz una ANOVA
al modelo ajustado utilizando el siguiente criterio:
Hiptesis:

H 0 i 0
H1 i 0
E F ( p; n p 1;1 )
5%
La tabla 11, muestra los resultados de la ANOVA del modelo ajustado ejecutado en SPSS.
Luego utilizando un F (3,56,95) 2,76943 para dcimar y como E F (
142, 48 2,76943 ) se puede concluir con un nivel de confianza del 95% que existe
evidencia suficiente para rechazar H 0 , o sea, el modelo es significativo.
A continuacin se presentan tambin en la tabla 12, el coeficiente de correlacin del
modelo ajustado, el coeficiente de determinacin normal del modelo ajustado y coeficiente
de determinacin ajustado.
Tabla 12.

La tabla 12 nos muestra que las variables tienen una fuerza de asociacin lineal de un
94,0% y que la variacin total del IMACON se debe en un 88,00% a las variables del
modelo y en 12,00% restante es aleatorio.

21

5.3 Anlisis de Multicolinealidad

Se realiza este anlisis para determinar cuan asociadas estn entre s las variables
explicativas. Para analizar la colinealidad se usarn los siguientes criterios:

Rh2 0,70
VIF 1,96
TOL 0,51
Donde:

El coeficiente de correlacin corresponde al coeficiente de correlacin Rh2 entre las

variables predictoras.
TOL 1 Rh2
1
VIF
TOL
Si el anlisis de colinealidad presenta alguno de estos criterios, las variables se encuentran
en presencia de colinealidad.
A continuacin se presentan los resultados de colinealidad ejecutados en SPSS:
Tabla 13.

La tabla 13 muestra los resultados obtenidos en SPSS para determinar la existencia de

colinealidad entre las variables explicativas, en donde se aprecia que para cada variable
explicativa segn los criterios establecidos anteriormente, no se cumple ningn criterio, por
ende, el modelo no se encuentra afectado por colinealidad.

22

5.4 Anlisis de las Observaciones

Para verificar que las variables explicativas no presentan observaciones con residuales
demasiado grandes (atpicas) u observaciones que puedan afectar significativamente uno o
ms de los parmetros j (influyentes), se ha realizado un anlisis para detectar las
observaciones atpicas, influyentes o ambas, atpicas e influyentes.
Para determinar si existen observaciones atpicas se han encontrado los residuales
estandarizados a travs del software SPSS y cada uno de estos residuales se evalu de
acuerdo a un intervalo de confianza, definiendo si estaba contenido o no dentro de este
intervalo, es decir, la observacin ser atpica si el residual estandarizado est fuera del
intervalo de confianza. El intervalo de confianza al 95% se ha definido de la siguiente
forma:

tn p 1;1 /2

S (1 mkk )
2
k

t6031;10,05/2
t56;0,975
2, 00324

tn p 1;1 /2

S k2 (1 mkk )

k
S k2 (1 mkk )

t6031;10,05/2

t56;0,975

k
S (1 mkk )
2
k

2, 00324

En la tabla 14, se muestra los residuales estandarizados y cules de estos se encuentran

fuera del intervalo de confianza establecido anteriormente, siendo as, observaciones
atpicas.
Tabla 14.
OBSERVACIONES ATPICAS
Pronstico
IMACO N
100,46665
99,00857
99,33549
101,97960
99,79245
99,68727
100,19841
100,05809
98,37943
98,91712
97,07299
97,33724
96,11931
91,80811
94,91559

Mes
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15

Residual
-2,19653
0,43888
0,35932
-1,65544
1,27097
3,10972
2,02732
3,01283
3,37239
0,07070
0,16389
-2,20736
-2,59124
0,57848
-3,43927

Residual
O bservacin
Estandarizado
Atpica
-0,67870
0,13561
0,11103
-0,51151
0,39271
0,96087
0,62642
0,93093
1,04203
0,02185
0,05064
-0,68205
-0,80066
0,17874
-1,06269

NO
NO
NO
NO
NO
NO
NO
NO
NO
NO
NO
NO
NO
NO
NO

23

90,26178
90,54577
91,67777
90,09528
88,99872
86,88308
89,69612
92,08049
93,37041
93,15990
93,35739
100,38906
100,52951
99,60741
99,96227
98,18684
100,47603
97,21693
102,89907
105,20018
109,03979
108,23470
104,10013
107,93581
104,44300
107,01244
104,14040
105,88958
105,18588
105,53715
111,13343
112,05780
114,05394
113,91644
112,05543
117,08629
114,11172
115,89440
114,79591
112,87220
115,65766
109,32694
121,02411
121,47137
122,02989

16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60

0,16714
-0,39069
-1,84648
0,17418
2,54026
4,86095
3,27968
1,30413
0,49644
1,26792
0,72775
-5,52899
-4,59710
-2,10494
-2,27828
-0,39183
-2,26129
1,31736
-3,69494
-5,29775
-8,18936
-6,16907
-1,38525
-4,15239
-0,07783
-2,05773
1,40802
0,51253
0,97496
1,92259
-2,24595
-1,00916
-1,65814
-0,07766
2,54292
-1,20634
2,74421
2,19369
4,09375
6,83908
5,15686
11,65265
-0,18170
-0,82691
-0,86195

0,05164
-0,12072
-0,57054
0,05382
0,78491
1,50198
1,01338
0,40296
0,15339
0,39177
0,22487
-1,70839
-1,42045
-0,65040
-0,70396
-0,12107
-0,69871
0,40705
-1,14169
-1,63694
-2,53041
-1,90617
-0,42803
-1,28304
-0,02405
-0,63581
0,43506
0,15837
0,30125
0,59406
-0,69397
-0,31182
-0,51235
-0,02400
0,78573
-0,37274
0,84793
0,67782
1,26492
2,11319
1,59341
3,60053
-0,05614
-0,25551
-0,26633

NO
NO
NO
NO
NO
NO
NO
NO
NO
NO
NO
NO
NO
NO
NO
NO
NO
NO
NO
NO
SI
NO
NO
NO
NO
NO
NO
NO
NO
NO
NO
NO
NO
NO
NO
NO
NO
NO
NO
SI
NO
SI
NO
NO
NO

Las observaciones 36, 55 y 57 estn fuera del intervalo de confianza, por ende se
consideran atpicas, sin embargo, no sern excluidas. Adems de esto, las observaciones
atpicas no exceden el 5% de la muestra, por lo tanto, es muy posible que los residuales
tengan una distribucin normal.

24

En cuanto a las observaciones influyentes, se han utilizado dos mtodos para detectarlas,
Distancia de Cook y Apalancamiento. Para la Distancia de Cook se han utilizado los
residuales estudentizados y el siguiente estadgrafo:

Dh

rh2 m hh
( p 1)(1 mhh )

F ( p 1; n p 1;1 )

Dh

rh2 m hh
( p 1)(1 mhh )

F (3 1;60 3 1;1 0,5)

rh2 m hh
Dh
( p 1)(1 mhh )
Dh

rh2 m hh
( p 1)(1 mhh )

F (4;56;0,95)
2,5365

Luego, si Dh 2,5365 la observacin se declara influyente. Los resultados de muestran en

la tabla 15:
Tabla 15.
DISTANCIA DE COOK
Pronstico
IMACO N
100,46665
99,00857
99,33549
101,97960
99,79245
99,68727
100,19841
100,05809
98,37943
98,91712
97,07299
97,33724
96,11931
91,80811
94,91559
90,26178
90,54577
91,67777
90,09528
88,99872

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

Residual
Estudentizado
-1,62208
-1,66276
-1,60179
-1,46725
-1,52438
-1,54999
-1,44181
-1,42903
-1,38791
-1,18611
-1,13211
-0,98421
-0,91235
-0,97564
-0,76569
-0,84362
-0,76384
-0,65007
-0,67073
-0,71068

Mii
0,11536
0,07646
0,03670
0,09624
0,05016
0,07243
0,05225
0,03984
0,06026
0,02477
0,03641
0,06071
0,02839
0,04537
0,04360
0,05514
0,05302
0,05135
0,05645
0,06230

Distancia de
Cook
0,0781353
0,0538796
0,0237586
0,0530730
0,0295114
0,0443075
0,0275131
0,0205424
0,0294619
0,0087669
0,0117750
0,0149297
0,0059510
0,0109199
0,0064603
0,0099477
0,0078371
0,0054955
0,0064395
0,0079903

Influyente
NO
NO
NO
NO
NO
NO
NO
NO
NO
NO
NO
NO
NO
NO
NO
NO
NO
NO
NO
NO

25

86,88308
89,69612
92,08049
93,37041
93,15990
93,35739
100,38906
100,52951
99,60741
99,96227
98,18684
100,47603
97,21693
102,89907
105,20018
109,03979
108,23470
104,10013
107,93581
104,44300
107,01244
104,14040
105,88958
105,18588
105,53715
111,13343

21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46

-0,75612
-0,62637
-0,48535
-0,39498
-0,36828
-0,28876
0,01786
0,03882
-0,00305
0,06182
0,04442
0,17707
0,09215
0,35265
0,48125
0,68117
0,6404
0,48866
0,66494
0,55145
0,69016
0,60892
0,70134
0,74113
0,76299
0,98794

0,07564
0,06968
0,04885
0,06393
0,04426
0,05703
0,03896
0,02369
0,02713
0,07614
0,05023
0,03949
0,08395
0,03093
0,03036
0,12953
0,05320
0,06442
0,03863
0,05603
0,05563
0,10321
0,11044
0,08812
0,06048
0,03816

0,0110195
0,0069554
0,0029124
0,0025338
0,0015174
0,0012061
0,0000031
0,0000090
0,0000001
0,0000742
0,0000251
0,0003126
0,0001820
0,0009691
0,0017712
0,0155285
0,0055279
0,0039084
0,0043119
0,0043205
0,0067179
0,0098207
0,0139666
0,0123734
0,0089376
0,0094003

NO
NO
NO
NO
NO
NO
NO
NO
NO
NO
NO
NO
NO
NO
NO
NO
NO
NO
NO
NO
NO
NO
NO
NO
NO
NO

112,05780
114,05394
113,91644
112,05543
117,08629
114,11172
115,89440
114,79591
112,87220
115,65766
109,32694
121,02411
121,47137
122,02989

47
48
49
50
51
52
53
54
55
56
57
58
59
60

0,9933
1,07839
1,07095
1,03015
1,23266
1,1392
1,21651
1,21081
1,18946
1,29592
1,21102
1,59461
1,67884
1,73807

0,05508
0,04562
0,07922
0,05761
0,13677
0,06356
0,06020
0,04737
0,03907
0,05849
0,08151
0,13006
0,13324
0,33689

0,0137762
0,0134148
0,0231726
0,0155074
0,0537927
0,0209534
0,0226123
0,0175713
0,0139559
0,0249202
0,0305076
0,0854540
0,0971163
0,2778227

NO
NO
NO
NO
NO
NO
NO
NO
NO
NO
NO
NO
NO
NO

Por lo tanto, a travs del Mtodo de Cook se ha podido determinar que ninguna de las
observaciones es influyente, y por ende, ninguna afecta los coeficientes j .
Ahora, a travs del Mtodo del Apalancamiento se ha tenido que determinar la observacin
i-sima de la diagonal de la matriz de proyeccin M (Excel de trabajo), que representa la
distancia entre X i y el centroide X . Luego, utilizamos el siguiente criterio para declarar si
la observacin es influyente o no y en la tabla 16 se muestran los resultados:

mii 0,5 Influyente

mii 0, 2 No Influyente

26

Tabla 16.
APALANCAMIENTO
Pronstico
IMACO N
100,46665
99,00857
99,33549
101,97960
99,79245
99,68727
100,19841
100,05809
98,37943
98,91712
97,07299
97,33724
96,11931
91,80811
94,91559
90,26178
90,54577
91,67777
90,09528
88,99872
86,88308
89,69612
92,08049
93,37041
93,15990
93,35739
100,38906
100,52951
99,60741
99,96227
98,18684
100,47603
97,21693
102,89907
105,20018
109,03979
108,23470
104,10013
107,93581
104,44300

Me s

Mii
Apalancamie nto

Influye nte

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40

0,11536
0,07646
0,03670
0,09624
0,05016
0,07243
0,05225
0,03984
0,06026
0,02477
0,03641
0,06071
0,02839
0,04537
0,04360
0,05514
0,05302
0,05135
0,05645
0,06230
0,07564
0,06968
0,04885
0,06393
0,04426
0,05703
0,03896
0,02369
0,02713
0,07614
0,05023
0,03949
0,08395
0,03093
0,03036
0,12953
0,05320
0,06442
0,03863
0,05603

NO
NO
NO
NO
NO
NO
NO
NO
NO
NO
NO
NO
NO
NO
NO
NO
NO
NO
NO
NO
NO
NO
NO
NO
NO
NO
NO
NO
NO
NO
NO
NO
NO
NO
NO
NO
NO
NO
NO
NO

27

107,01244
104,14040
105,88958
105,18588
105,53715
111,13343

41
42
43
44
45
46

0,05563
0,10321
0,11044
0,08812
0,06048
0,03816

NO
NO
NO
NO
NO
NO

112,05780
114,05394
113,91644
112,05543
117,08629
114,11172
115,89440
114,79591
112,87220
115,65766
109,32694
121,02411
121,47137
122,02989

47
48
49
50
51
52
53
54
55
56
57
58
59
60

0,05508
0,04562
0,07922
0,05761
0,13677
0,06356
0,06020
0,04737
0,03907
0,05849
0,08151
0,13006
0,13324
0,33689

NO
NO
NO
NO
NO
NO
NO
NO
NO
NO
NO
NO
NO
SIN CONCLUSION

Por lo tanto, por medio del Mtodo del Apalancamiento, se concluye que las observaciones
son No Influyentes, excepto la observacin 60, que no se puede determinar por medio del
criterio sealado en prrafos anteriores.

28

5.5 Anlisis de Normalidad de los Residuales

Se sabe, que la normalidad de los residuales es requisito para realizar inferencia a travs de
Mnimos Cuadrados Ordinarios, por esta razn se debe verificar que los residuales tengan
dicha distribucin. Para saber esto, el objetivo es correlacionar los residuales con una
distribucin N(0,1). El mtodo a utilizar es el de Distribucin de Frecuencias Relativas
Acumuladas (FRAi). En la tabla 17 se muestran los resultados y luego en la tabla 18 la
correlacin que permite saber si hay normalidad o no. Una correlacin alta y positiva indica
normalidad, si es 0,95 o mayor, se declara la normalidad y no es necesario aplicar alguna
dcima.
Tabla 17.
NORMALIDAD DE LOS RES IDUALES
O rde n

ri Estandariz ados
O rde nados

FRA

Zi*

1
2
3
4

-2,53041
-1,90617
-1,70839
-1,63694

0,0104
0,0270
0,0436
0,0602

-2,3126
-1,9273
-1,7107
-1,5534

-1,42045

0,0768

-1,4272

-1,28304

0,0934

-1,3203

7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30

-1,14169
-1,06269
-0,80066
-0,70396
-0,69871
-0,69397
-0,68205
-0,67870
-0,65040
-0,63581
-0,57054
-0,51235
-0,51151
-0,42803
-0,37274
-0,31182
-0,26633
-0,25551
-0,12107
-0,12072
-0,05614
-0,02405
-0,02400
0,02185

0,1100
0,1266
0,1432
0,1598
0,1763
0,1929
0,2095
0,2261
0,2427
0,2593
0,2759
0,2925
0,3091
0,3257
0,3423
0,3589
0,3755
0,3921
0,4087
0,4253
0,4419
0,4585
0,4751
0,4917

-1,2267
-1,1428
-1,0663
-0,9955
-0,9294
-0,8671
-0,8080
-0,7516
-0,6975
-0,6454
-0,5950
-0,5460
-0,4983
-0,4517
-0,4061
-0,3613
-0,3173
-0,2738
-0,2309
-0,1883
-0,1461
-0,1042
-0,0624
-0,0208

29

31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60

0,05064
0,05164
0,05382
0,11103
0,13561
0,15339
0,15837
0,17874
0,22487
0,30125
0,39177
0,39271
0,40296
0,40705
0,43506
0,59406
0,62642
0,67782
0,78491
0,78573
0,84793
0,93093
0,96087
1,01338
1,04203
1,26492
1,50198
1,59341
2,11319
3,60053

0,5083
0,5249
0,5415
0,5581
0,5747
0,5913
0,6079
0,6245
0,6411
0,6577
0,6743
0,6909
0,7075
0,7241
0,7407
0,7573
0,7739
0,7905
0,8071
0,8237
0,8402
0,8568
0,8734
0,8900
0,9066
0,9232
0,9398
0,9564
0,9730
0,9896

0,0208
0,0624
0,1042
0,1461
0,1883
0,2309
0,2738
0,3173
0,3613
0,4061
0,4517
0,4983
0,5460
0,5950
0,6454
0,6975
0,7516
0,8080
0,8671
0,9294
0,9955
1,0663
1,1428
1,2267
1,3203
1,4272
1,5534
1,7107
1,9273
2,3126

De los resultados de la tabla 17 se obtiene lo siguiente:

Tabla 18.
RESUMEN
Correlacin
Coef. De det

0,978003573
0,956490989

Como la correlacin es mayor a 0,95, se declara la normalidad de los residuales.

30

5.6 Anlisis de Heterocedasticidad

La Heterocedasticidad provoca que los coeficientes o estimadores no sean eficientes, esto,
porque no tienen varianza mnima, es decir, no son MELI. Para detectar este fenmeno se
puede hacer mediante un anlisis grfico o mediante dcimas como la de White o Bartlett.
A continuacin se presenta los grficos de los residuales v/s cada variable explicativa
Residual v/s Empleo Sectorial

Residual v/s Ventas Proveedores

Residual v/s Contratistas Generales

Observando los grficos antes expuestos, se observa una presunta Heterocedasticidad en los
residuales respecto a las variables explicativas.

31

Para verificar la presunta Heterocedasticidad observada en los grficos anteriores, se ha

aplicado la Dcima de Bartlett y las siguientes hiptesis para dos de las tres variables
explicativas, para determinar si hay Heterocedasticidad (Desarrollo en Excel de trabajo):

H 0 : Los grupos son Homocedsticos en trminos de los residuales

H a : Hay Heterocedasticidad en trminos de los residuales
Luego, el estadgrafo a utilizar es:
k

E (n k ) Ln( S 2 ) (ni 1)Ln( Si2 )

i 1

S
2

(n 1)S
i

2
i

X (2k 1;1 ) , donde:

nk

Residual v/s Ventas Proveedores

S^2
E
X^2

10,24878329
46,04147046
5,991464547

(Desarrollo en pgina siguiente)

Residual v/s Empleo sectorial

S^2
E
X^2

9,701467694
10,3958111
7,814727764

(Desarrollo en pgina siguiente)

Para las dos variables explicativas seleccionadas, E X 2 , por lo tanto, hay evidencias
empricas para rechazar la hiptesis nula, luego, los residuales son Heterocedsticos y
queda verificado que lo observado en los grficos es cierto, hay Heterocedasticidad.

32

Residuales v/s Ventas proveedores

O bservacin

21
19
17
33
18
16
20
30
31
26
14
23
24
22
9
11
32
25
15
12
13
29
43
34
42
45
44
10
28
57
40
35
38
36
8
41
3
27
5
6
7
2
37
39
46
1
4
55
50
47
54
56
48
60
49
52
53
59
58
51

Imacon

91,74403
90,26946
90,15508
98,53429
89,83129
90,42893
91,53898
97,68399
97,79501
94,08514
92,38659
93,38462
93,86685
92,97580
101,75182
97,23689
98,21474
94,42782
91,47632
95,12987
93,52807
97,50247
106,40212
99,20413
105,54842
107,45974
106,16084
98,98781
95,93241
120,97959
104,36516
99,90243
102,71488
100,85042
103,07093
104,95471
99,69481
94,86008
101,06342
102,79699
102,22574
99,44745
102,06563
103,78343
108,88748
98,27012
100,32416
119,71128
114,59834
111,04864
118,88966
120,81452
112,39580
121,16794
113,83878
116,85593
118,08809
120,64446
120,84242
115,87994

ndice Ventas
de
Proveedores
129,46
132,71
134,22
134,53
134,82
135,09
139,12
141,45
142,75
143,68
144,46
146,18
146,55
147,15
147,57
148,14
150,89
151,30
151,83
152,17
153,91
155,47
155,52
155,83
157,13
157,32
158,00
158,12
160,19
160,34
160,92
161,31
162,41
162,92
166,06
167,25
167,40
169,83
169,92
172,50
173,13
174,64
174,74
180,23
182,24
183,29
184,13
186,00
187,62
189,43
190,53
190,80
191,06
192,22
197,28
197,61
197,87
201,23
204,21
214,21

Residuales

4,86095
0,17418
-0,39069
1,31736
-1,84648
0,16714
2,54026
-2,27828
-0,39183
0,72775
0,57848
1,30413
0,49644
3,27968
3,37239
0,16389
-2,26129
1,26792
-3,43927
-2,20736
-2,59124
-2,10494
0,51253
-3,69494
1,40802
1,92259
0,97496
0,0707
-4,5971
11,65265
-0,07783
-5,29775
-1,38525
-8,18936
3,01283
-2,05773
0,35932
-5,52899
1,27097
3,10972
2,02732
0,43888
-6,16907
-4,15239
-2,24595
-2,19653
-1,65544
6,83908
2,54292
-1,00916
4,09375
5,15686
-1,65814
-0,86195
-0,07766
2,74421
2,19369
-0,82691
-0,1817
-1,20634

Si^2

ni

Ln(S^2)

(ni-1)*Ln(S^2)

3,557804978

16

1,269143776

19,03715663

15,25357066

23

2,724813617

22

9,761750917

21

2,278471782

45,56943563

86,60659226

33

Residuales v/s Empleo Sectorial

O bservacin

Imacon

ndice Ventas
de
Proveedores

Residuales

21
22
20
23
24
16
25
14
19
15
17
2
6
1
18
5
13
4
12
7
26
8
3
11
10
27

91,74403
92,97580
91,53898
93,38462
93,86685
90,42893
94,42782
92,38659
90,26946
91,47632
90,15508
99,44745
102,79699
98,27012
89,83129
101,06342
93,52807
100,32416
95,12987
102,22574
94,08514
103,07093
99,69481
97,23689
98,98781
94,86008

483.490
483.850
486.050
499.660
502.910
504.010
506.580
508.993
510.570
511.910
512.400
515.290
516.421
516.919
519.200
524.824
525.185
525.212
525.520
528.773
531.330
531.867
532.625
537.471
538.780
540.970

4,86095
3,27968
2,54026
1,30413
0,49644
0,16714
1,26792
0,57848
0,17418
-3,43927
-0,39069
0,43888
3,10972
-2,19653
-1,84648
1,27097
-2,59124
-1,65544
-2,20736
2,02732
0,72775
3,01283
0,35932
0,16389
0,0707
-5,52899

9
28
29

101,75182
95,93241
97,50247

544.005
560.080
560.623

3,37239
-4,5971
-2,10494

32
31
33
30
34
35
39
38
40
36
37
42
45
41
51
52
47
44
46
49
50
55
48
43
53
54
56
57
58
59
60

98,21474
97,79501
98,53429
97,68399
99,20413
99,90243
103,78343
102,71488
104,36516
100,85042
102,06563
105,54842
107,45974
104,95471
115,87994
116,85593
111,04864
106,16084
108,88748
113,83878
114,59834
119,71128
112,39580
106,40212
118,08809
118,88966
120,81452
120,97959
120,84242
120,64446
121,16794

562.600
566.899
569.960
575.100
582.150
590.855
592.657
596.911
599.687
602.904
609.182
610.026
610.456
610.877
612.332
612.931
613.524
614.197
614.603
617.914
618.099
619.250
620.287
624.838
625.079
625.307
626.567
630.188
640.810
649.683
649.754

-2,26129
-0,39183
1,31736
-2,27828
-3,69494
-5,29775
-4,15239
-1,38525
-0,07783
-8,18936
-6,16907
1,40802
1,92259
-2,05773
-1,20634
2,74421
-1,00916
0,97496
-2,24595
-0,07766
2,54292
6,83908
-1,65814
0,51253
2,19369
4,09375
5,15686
11,65265
-0,1817
-0,82691
-0,86195

Si^2

ni

Ln(S^2)

(ni-1)*Ln(S^2)

4,837848776

15

1,576470154

22,07058216

6,516693648

12

1,874367138

20,61803852

4,216877564

11

1,43909494

14,3909494

17,22380487

22

2,846292431

59,77214105

116,8517111

34

5.7 Anlisis de Autocorrelacin

La Autocorrelacin corresponde a la correlacin de los residuales consigo mismo, es decir
lo que ocurri en el tiempo anterior afecta a lo de hoy. Las causas de Autocorrelacin
pueden tener su causa debido a modelos con inercia, el fenmeno de tela de araa, omisin
de alguna variable o modelos con rezagos. Esto provoca estimadores no eficientes, puede
que el MCO subestime la varianza de los errores, entre otros problemas. Para hacernos una
idea ilustrada a priori, se construy un grfico de residuales contra su rezago:
Residuales v/s Rezago

Deteccion de Autocorrelacion
Residuales

20

-10

10
0
-5

0
-10

10

15

Rezago

Para detectar si los datos presentan Autocorrelacin se utiliza un anlisis grafico como el
anterior o se puede utilizar las dcimas de Durbin Watson, que es lo que se realiz con las
variables en estudio, en donde:
Hiptesis (1)

35

Para el caso de los datos propuesto se obtuvo un valor de DW = 0,862, corr(et , et-1)=
0,5667 y estimado = 0,568 y por tabla los limites inferior y superior con un nivel de
significancia de 5% son los siguientes:

DI= 1,48
DS= 1,69
La tabla de anlisis se muestra a continuacin:
Tabla 19.
Decidir
>0

Docima No
Concluyente

1,48

No
Autocorrelacin

1,69

Docima No
Concluyente

2,52

Decidir
<0

2,31

DW

Como 0 < DW < 1,48, entonces, se rechaza la hiptesis nula, es decir, existe evidencia
emprica para comprobar que existe Autocorrelacin. Adems, como indica la existencia de
Autocorrelacin positiva en la muestra.
Dado lo anterior se trabaj el modelo iterativo de Cochrane-Orcutt para la eliminar la
correlacin existente estableciendo 5 iteraciones, perdindose 5 observaciones, al no contar
con YT-1 y XT-1 de las respectivas 5 iteraciones. Los datos obtenidos en la quinta iteracin
por el mtodo de Cochrane-Orcutt son:

DW = 1,981491776
corr(et , et-1) = -0,00621
estimado = 0,009254
Segn datos tablas de Durbin-Watson con N=55 y K=3, son: DL = 1,4523 y DU = 1,6815.
Por lo tanto nuevamente nuestra nueva hiptesis:
Hiptesis (6)

36

Tabla 20.
Decidir
>0

Docima No
Concluyente

1,4523

No
Autocorrelacin

1,6815

Docima No
Concluyente

2,3185

Decidir
<0

2,5477

DW
Dado que el ltimo DW se encuentra en la zona donde no hay Autocorrelacin, por lo tanto
se verifica que el mtodo utilizado elimina la Autocorrelacin y proporciona estimadores
MELI, con las dcimas F y t validas.
Luego, realizando un nuevo anlisis de regresin, utilizando las variables explicativas
arrojadas por los mtodos mencionados anteriormente para obtener los nuevos parmetros,
se obtuvo lo siguiente:
Tabla 21.

Por lo tanto, el modelo ajustado quedara de la siguiente manera:

IMACON= 6,276 - 5,412E-06 Es + 0,012 Vp + 0,002 Cg
El ANOVA obtenido del modelo ajustado se aprecia en la siguiente tabla:
Tabla 22.

37

Ahora, para verificar el nivel de significancia del modelo estimado, se realiz una ANOVA
al modelo ajustado utilizando el siguiente criterio:
Hiptesis:

H 0 i 0
H1 i 0
E F ( p; n p 1;1 )
5%
La tabla 25, muestra los resultados de la ANOVA del modelo ajustado ejecutado en SPSS.
Luego utilizando un F(3; 51; 0,85) = 1,84926 para dcimar y como E > F (1,980 <
1,84926), se puede concluir con un nivel de confianza del 85% que existe evidencia
suficiente para Rechazar H 0 , o sea, el modelo es significativo. Por lo tanto el modelo
obtenido por Cochrane-Orcutt concluimos que es vlido para estimar el IMACON ya que no
contiene Autocorrelacin en sus residuos. De lo anterior el nuevo coeficiente de
determinacin al cuadrado es 0,104 y corregido de 0,052.
5.8 Anlisis de Independencia.
Para determinar el comportamiento de independencia de los residuales se utiliz la dcima
Durbin Watson que se vio anteriormente en Anlisis de Autocorrelacin, da lo mismo la
independencia en el caso presente de datos ordenados en el tiempo, con la dcima de
Durbin Watson igual a DW = 0,862, con un nivel de significancia de 5% los limites
inferior y superior son 1,48 y 1,69 respectivamente, y dado la dcima (1) en el anlisis
anterior podemos afirmar que No hay independencia en los residuales.

38

5.9 Series de Tiempo

El objetivo general del anlisis de serie de tiempo es estudiar el comportamiento histrico
de una variable dentro de cierta economa o sistema y usar datos disponibles para predecir
valores futuros, el segundo caso lleva a formular modelos predictivos. Se realizaron los
siguientes mtodos para estudiar el comportamiento histrico:
Tendencia ajustada.
Suavizacin exponencial.
Promedio mviles.
La serie original:

Imacon
150,00
100,00
50,00
sep.2012

may.2012

ene.2012

sep.2011

may.2011

ene.2011

sep.2010

may.2010

ene.2010

sep.2009

may.2009

ene.2009

sep.2008

may.2008

0,00
ene.2008

A continuacin se presenta una tabla con los resultados obtenidos para cada anlisis
realizado
Tabla 26.
Ao y Mes
ene.2008
feb.2008
mar.2008
abr.2008
may.2008
jun.2008
jul.2008
ago.2008
sep.2008
oct.2008
nov.2008
dic.2008
ene.2009
feb.2009
mar.2009
abr.2009

Imacon (Y)
98,27
99,45
99,69
100,32
101,06
102,80
102,23
103,07
101,75
98,99
97,24
95,13
93,53
92,39
91,48
90,43

MA(12)
Central

99,8025
99,3108
98,6746
97,9204
97,0542
96,0596
95,0208

Suavizamiento
Tendencia Ajustada
Exponencial
98,27
98,27012096
98,38785359
98,5185493
98,69911025
98,93554122
99,32168606
99,61209119
99,95797463
100,1373589
100,0224045
99,74385255
99,28245456
98,70701629
98,07497389
97,41510816

90,14639891
90,57571872
91,00503853
91,43435834
91,86367815
92,29299796
92,72231777
93,15163758
93,5809574
94,01027721
94,43959702
94,86891683
95,29823664
95,72755645
96,15687626
96,58619607

Y estimado * IEN
89,3688652
90,10838074
90,67988493
91,27206417
91,85197916
93,14002802
93,96651297
94,83674011
95,7514571
92,04418165
93,01725218
94,04875684
94,47626713
95,23363686
95,81331556
96,41475749

39

may.2009
jun.2009
jul.2009
ago.2009
sep.2009
oct.2009
nov.2009
dic.2009
ene.2010
feb.2010
mar.2010
abr.2010
may.2010
jun.2010
jul.2010
ago.2010
sep.2010
oct.2010
nov.2010
dic.2010
ene.2011
feb.2011
mar.2011
abr.2011
may.2011
jun.2011
jul.2011
ago.2011
sep.2011
oct.2011
nov.2011
dic.2011
ene.2012
feb.2012
mar.2012
abr.2012
may.2012
jun.2012
jul.2012
ago.2012
sep.2012
oct.2012
nov.2012
dic.2012

90,16
89,83
90,27
91,54
91,74
92,98
93,38
93,87
94,43
94,09
94,86
95,93
97,50
97,68
97,80
98,21
98,53
99,20
99,90
100,85
102,07
102,71
103,78
104,37
104,95
105,55
106,40
106,16
107,46
108,89
111,05
112,40
113,84
114,60
115,88
116,86
118,09
118,89
119,71
120,81
120,98
120,84
120,64
121,17

94,0421
93,1446
92,4771
92,0658
91,8525
91,8375
91,9458
92,1575
92,5275
93,0625
93,6954
94,3363
94,9279
95,4888
96,0308
96,5617
97,1242
97,7333
98,4108
99,1417
99,8650
100,5271
101,1654
101,8517
102,5413
103,2446
104,0204
104,8888
105,8346
106,8063
107,7921
108,7917
109,8163
110,8842
111,9875
113,0979
114,2629
115,4367
116,4979
117,3954
118,1604

96,71648991
96,0603487
95,43744277
94,92064416
94,58247779
94,29863317
94,16635014
94,08817697
94,06604464
94,10222196
94,10051364
94,17646979
94,3520639
94,66710452
94,96879269
95,25141439
95,54774662
95,84640093
96,18217385
96,55419905
96,98382156
97,49200203
98,01429014
98,59120377
99,16859963
99,74721052
100,3273315
100,9348101
101,4574129
102,0576461
102,7406296
103,5714303
104,4538675
105,3923587
106,3129573
107,2696557
108,2282833
109,2142641
110,1818038
111,1347514
112,1027286
112,9904152
113,7756153
114,4624996

97,01551588
97,4448357
97,87415551
98,30347532
98,73279513
99,16211494
99,59143475
100,0207546
100,4500744
100,8793942
101,308714
101,7380338
102,1673536
102,5966734
103,0259932
103,455313
103,8846329
104,3139527
104,7432725
105,1725923
105,6019121
106,0312319
106,4605517
106,8898715
107,3191913
107,7485112
108,177831
108,6071508
109,0364706
109,4657904
109,8951102
110,32443
110,7537498
111,1830696
111,6123895
112,0417093
112,4710291
112,9003489
113,3296687
113,7589885
114,1883083
114,6176281
115,0469479
115,4762678

97,0031608
98,33914736
99,18748068
100,081774
101,0227856
97,08827579
98,09149863
99,15605595
99,58366906
100,358893
100,9467462
101,5574508
102,1543424
103,5382667
104,4084484
105,3268079
106,2941141
102,1323699
103,1657451
104,2633551
104,691071
105,4841491
106,0801768
106,7001441
107,3055241
108,737386
109,6294161
110,5718418
111,5654427
107,1764641
108,2399915
109,3706542
109,7984729
110,6094052
111,2136075
111,8428375
112,4567057
113,9365054
114,8503838
115,8168757
116,8367712
112,2205582
113,314238
114,4779533

40

Grficamente Promedios mviles:

MA(12) CENTRAL
150,00
100,00
Imacon (Y)
50,00

MA(12) Central

0,00
1 5 9 131721 25 293337 41 454953 5761

Grficamente Suavizacin exponencial

SUAVIZAMIENTO EXPONENCIAL
150,00
100,00
50,00
0,00
1 4 7 10 13 16 19 22 25 28 31 34 37 40 43 46 49 52 55 58 61
Imacon (Y)

Suavizamiento exponencial

Grficamente el anlisis de tendencia:

ANALISIS DE TENDENCIA
150,00
100,00
50,00
0,00
1 4 7 10 13 16 19 22 25 28 31 34 37 40 43 46 49 52 55 58

El anlisis de tendencia: Y=89,717+ 0,429t con R cuadrado: 0,622, por lo tanto la tendencia
es 0,429.
Grficamente todos los mtodos de suavizamientos nos indican un comportamiento
histrico con tendencia al alza, lo cual es fcil ver en el ltimo grafico expuesto, lo cual no
era muy fcil detectar en el grfico de la serie original.

41

6. Conclusiones
Con la metodologa utilizada dada la recopilacin de datos y el apoyo del Excel, se logra
determinar que el modelo es vlido, habiendo eliminado la Autocorrelacin que los
residuales presentaban.
Aunque en un comienzo se plante un primer modelo, se pudo verificar a travs del anlisis
de las variables explicativas que no todas aportaban al modelo, por ende, este tuvo que
ajustarse eliminando variables explicativas a travs del mtodos de todas las regresiones,
quedando solo tres variables explicativas de las seis que se plantearon en un inicio,
comprobando que la mayora de los modelos a crear y al realizar el anlisis economtrico,
siempre hay problemas que se deben arreglar.
Es importante darse cuenta que no hay que confiarse en lo que los grficos puedan mostrar
y solo hay que utilizar este instrumento solo como una referencia de lo que podra presentar
el anlisis, pero es imperativo comprobar empricamente los supuestos que se plantean y lo
que los grficos puedan sealar.
Adems de esto, en cuanto a la Heterocedasticidad, se comprob que la dcima de White
no es confiable para determinar si existe o no Heterocedasticidad en los residuales, por esta
razn, siempre es mejor utilizar la dcima de Bartlett para determinar si existe
Heterocedasticidad o no.
Por ltimo, lo ms complicado al crear un modelo economtrico y realizar el
correspondiente anlisis en encontrarse con que existe Autocorrelacin, ya que el
procedimiento para solucionar este problema es algo tedioso, pero es necesario ejecutarlo
para que el modelo pudiese ser vlido.
Ha sido una investigacin muy provechosa y til, ya que nos ha permitido poder aplicar lo
aprendido en clases y tambin a utilizar software que sirve para este tipo de trabajo. Sin
duda, la econometra es una ciencia increble que permite tener un mejor conocimiento de
aquellas cosas que afectan la economa, ya sea a nivel macro y micro. Esperamos que este
trabajo, pueda ser provechoso para aquellos que quieran saber ms del tema investigado en
relacin con el sector de la construccin.

42