Vous êtes sur la page 1sur 2

Modelos causales

Intentan proyectar el mercado sobre la base antecedentes cuantitativos histricos; para ello,
suponen que los factores condicionantes del comportamiento histrico de alguna o todas las
variables del mercado permanecern estables.
Los modelos causales de uso ms frecuente son el modelo de regresin, el modelo econmico y el
modelo de insumo producto llamado tambin mtodo de los coeficientes tcnicos.
Las causales explicativas se definen como variables independientes y la cantidad demandada, u
otro elemento del mercado que se desea proyectar, se define como variable dependiente. La
variable dependiente, en consecuencia, se explica por la variable independiente.
Modelo de regresin
Permite elaborar un modelo de pronstico basado en estas variables, el cual puede tener desde
una hasta n variables independientes. Sin embargo la eleccin del nmero de variables
independientes depende del total de observaciones obtenidas para la variable dependiente y cada
una de las explicativas.
Existen dos modelos bsicos de regresin: el modelo de regresin simple o de dos variables y el
modelo de regresin mltiple. El primero indica que la variable dependiente se predice sobre la
base de una variable independiente, mientras que el segundo indica que la medicin se basa en
dos o ms variables independientes. En ambos casos, aunque los valores de la variable
independiente pueden ser asignados es decir, que estn dados por el analista, los de la variable
dependiente deben obtenerse por medio del proceso de muestreo.
De la observacin de las variables se deriva un diagrama de dispersin que indica la relacin entre
ambas, grficamente se representa la variable independiente x con relacin al eje horizontal, y el
valor de la variable dependiente y con relacin al eje vertical. Cuando la relacin entre ambas no
son lineales es usual determinar un mtodo de transformacin de valores para lograr una relacin
lineal.
El paso siguiente es determinar la ecuacin lineal que mejor se ajuste a la relacin entre las
variables observadas. Para ello se utiliza el mtodo de los mnimos cuadrados. Matemticamente
la forma de la ecuacin de regresin lineal es
()
Donde y (x) es el valor estimado de la variable dependiente para un valor especfico de la variable
independiente x, a es el punto de interseccin de la lnea de regresin con el eje y, b es la
pendiente de la lnea de regresin y x es el valor especfico de la variable independiente. Dado que
la lnea de regresin se entiende como el valor esperado que toma la variable y, dados los valores
esperados de la variable x, el trmino constante a tambin se puede entender como el valor
promedio de y cuando x es cero. Igualmente b se puede entender como el cambio ante y ante una
cambio marginal en x.
El criterio de mnimos cuadrados permite que la lnea de regresin de mejor ajuste minimice la
suma de las desviaciones cuadrticas entre los valores reales y los estimados de la variable
dependiente para la informacin muestral. Se derivan las siguientes expresiones para la pendiente
y el intercepto respectivamente:

()()

()


()()
()



Donde y son las medidas de las variables y n el nmero de observaciones.
Al ser el modelo de regresin un mtodo estadstico, es posible determinar la precisin y
confiabilidad de los resultados de la regresin.
El coeficiente de la correlacin r mide el grado de asociacin lineal entre x e y. sin embargo, es
ms utilizado el coeficiente de determinacin r
2
que indica que tan correcto es el estimado de la
ecuacin de la regresin, cuando ms alto sea ms confianza se podr tener en el estimado de la
lnea de regresin y se calcula por:


(())

(())


[()()]

()

][

()

]

Para determinar la desviacin estndar de la variable dependiente se calcula por:


En algunos casos, en vez de ajustar los datos a una lnea recta para predecir la tendencia
histrica, deber emplearse una funcin exponencial que muestre un cambio porcentual constante,
mas de una variacin constante en cada periodo, para expresar de mejor forma el ajuste de la
tendencia de los datos. La expresin de la ecuacin exponencial es:
()

)
() ()
Donde g es la tasa de crecimiento porcentual constante que se estima para el futuro.
Modelo de regresin mltiple, se aplica cuando hay dos o mas variables independientes que deben
usarse para calcular el valor de la variable dependiente y asume la foma:


La solucin de la ecuacin exige procedimientos bastante complejos para determinar el valor de
las constantes. Sin embargo en la actualidad existen programas computacionales disponibles que
facilitan su clculo. En trminos generales, la lgica de la solucin es la subyace en los modelos de
regresin lineal, es decir haciendo uso del mtodo de mnimos cuadrados ordinario o de mxima
verosimilitud, estos pueden identificar las relaciones entre las variables.

Vous aimerez peut-être aussi