1© Martín Soto-Córdova, 2013

Curso: PRONOSTICO DE NEGOCIOS

Tema: Análisis de Regresión Múltiple (2)

Lima, 30-04-13

Facultad de Administración y Negocios (FAyN)

2© Martín Soto-Córdova, 2013

Ejercicios

Se realiza un estudio dirigido al gasto familiar. Se desea conocer la relación que afecte el gasto de alimentación mensual de una familia con el ingreso mensual, los componentes de la familia y el ahorro familiar conseguido.

Y: Gasto mensual (nivel de influencia). X1: Ingreso X2: Número de integrantes X3: Monto de ahorro

Se tiene:

Gasto en alimentos | Ingreso mensual | Integrantes de familia | Ahorro mensual |

5000 | 10000 | 6 | 500 |6000 | 45000 | 9 | 2000 |2000 | 11000 | 5 | 1000 |3000 | 12000 | 6 | 500 |1500 | 10500 | 3 | 1000 |5000 | 10000 | 6 | 2000 |6000 | 24000 | 6 | 2000 |3000 | 6000 | 3 | 1800 |6000 | 45000 | 6 | 1500 |5000 | 45500 | 5 | 3000 |

3© Martín Soto-Córdova, 2013

5000 | 10000 | 6 | 500 6000 | 45000 | 9 | 20002000 | 11000 | 5 | 10003000 | 12000 | 6 | 500 1500 | 10500 | 3 | 10005000 | 10000 | 6 | 20006000 | 24000 | 6 | 20003000 | 6000 | 3 | 1800 6000 | 45000 | 6 | 15005000 | 45500 | 5 | 3000

Y X1 X2 X3

La ecuación de regresión: Y = - 20 + 0.0169 X1 + 444 X2 + 0.890 X3

R2 = 59.8%R2(ajustado) = 39.7%

4© Martín Soto-Córdova, 2013

CASO: REPUESTOS PARA AUTOMOVILES

La empresa importadora SUPER REPUESTOS distribuye toda una gama de repuestos automovilísticos dentro del mercado peruano desde hace más 20 años.

Uno de los principales productos que comercializa son las llantas de caucho, las cuales representan la mayor cantidad de ingresos para esta empresa. Por esta razón, el gerente de ventas esta estudiando el comportamiento de las ventas de este producto (periodo de varios años), de manera específica, le gustaría determinar que factores afectan las ventas de llantas.

Para poder realizar esta investigación tomo en cuenta la variable número de tiendas al menudeo que le compran, el tamaño del parque automotor (en millones de unidades), el ingreso personal total de la población (en miles de millones de dólares) y la antigüedad promedio de los automóviles (en años).

5© Martín Soto-Córdova, 2013

Cantidad de Ventas anuales (miles)

37.702 | 1739 | 9.27 | 85.4 | 3.5 |35.000 | 1500 | 10.56 | 83.1 | 4 |35.700 | 1400 | 11.23 | 81.45 | 4.2 |34.678 | 1356 | 10.9 | 80.66 | 4 |38.076 | 1700 | 11.12 | 86.09 | 3.5 |38.196 | 1709 | 12.2 | 86.34 | 3.5 |36.023 | 1390 | 11.01 | 82.44 | 4.3 |37.900 | 1689 | 10.34 | 85.55 | 4 |37.239 | 1500 | 10.02 | 84.99 | 4.2 |38.008 | 1623 | 11 | 86.12 | 4.0 |38.500 | 1780 | 11.22 | 87.8 | 3.5 |38.234 | 1700 | 10.11 | 86.97 | 3.2 |37.011 | 1620 | 10.01 | 84.9 | 4 |36.001 | 1200 | 9.2 | 82.55 | 4 |35.487 | 1300 | 10.2 | 80.456 | 4.2 |40.788 | 1450 | 12.3 | 90.34 | 3.5 |40.980 | 1500 | 12.4 | 92.98 | 3 |38.023 | 1600 | 12.11 | 87.32 | 3.5 |42.122 | 1690 | 11.98 | 93.12 | 3 |41.900 | 1600 | 12.2 | 92.1 | 3.5 |

Número de automóviles registrados (millones)

Número de tiendas al menudeo

Ingreso Personal (mmdd)

Antigüedad promedio de los

automóviles (años)

6© Martín Soto-Córdova, 2013

Al aplicar las ecuaciones normales a los datos obtenemos los siguientes coeficientes de regresión::

bo = -16.7455b1 = - 0.000006b2 = -0.02768b3 = 0,6139b4 = 0.5952

Y = -16.7455 - 0.000006 X1 - 0.02768 X2 + 0,6139 X3 + 0.5952 X4