Académique Documents
Professionnel Documents
Culture Documents
Contenido
I. RESUMEN ................................................................................................................. 2
V. RESULTADOS ...................................................................................................... 4
1
UNIVERSIDAD NACIONAL DEL ALTIPLANO
FACULTAD DE INGENIERIA ECONOMICA
MEJORA EN LAS VENTAS DE LA MICRO Y PEQUEÑA EMPRESA 2013
I. RESUMEN
El objetivo de la presente investigación es determinar los factores que
influyen la mejora de ventas en las empresas durante el año 2013, es de gran
importancia para conocer la situación en que se encuentran las empresas.
2
UNIVERSIDAD NACIONAL DEL ALTIPLANO
FACULTAD DE INGENIERIA ECONOMICA
Marco Teórico
Uno de los problemas en las empresas es la parte de lo administrativo
está en relación con la estructura de los niveles jerárquicos, las
responsabilidades, los flujos de trabajo e información, los canales y la
ubicación de los servicios; y otra parte se refiere al reclutamiento de las
personas, su entrenamiento, el desarrollo de las fuentes que proveerán
las materias primas, el financiamiento y la adquisición de equipos, así
como a los temas de finanzas y gerenciales. Los problemas externos
tienen relación con el acceso a la tecnología, la baja demanda, la
corrupción y la infraestructura.
Es necesario conocer algunos conceptos:
Pequeñas y Medianas Empresas: Las pequeñas y medianas empresas
son entidades independientes, con alta predominancia en el mercado de
comercio, quedando prácticamente excluidas del mercado industrial por
las grandes inversiones necesarias y por las limitaciones que impone la
legislación en cuanto al volumen de negocio y de personal.
Micro Empresa: Tiene de 1 trabajador hasta 10 trabajadores inclusive.
Tiene un nivel de ventas anuales hasta un monto máximo de 150 UIT
(547500 nuevos soles).
Actividad Económica: Es un conjunto de operaciones económicas
realizadas por la empresa y/o establecimiento en las que se combinan
recursos que intervienen en el proceso productivo, tales como: mano de
obra, equipos, materias primas, e insumos, con el objetivo de producir
un conjunto homogéneo de bienes y/o servicios
Modelo Logit:
La función utilizada es la logística, por lo que la especificación de este
tipo de modelos queda como sigue:
X
e i
Pi Pr obYi 1 F ( X i ) E (Yi 1 | X i ) X
1 e i
Modelo Probit:
La función de distribución utilizada es la de la normal tipificada, con lo
que el modelo queda especificado a través de la siguiente expresión:
3
UNIVERSIDAD NACIONAL DEL ALTIPLANO
FACULTAD DE INGENIERIA ECONOMICA
X i X i X i 2
e
1 1
Pi Pr(Y 1) F ( X i ) e X dX d ( X )
2
/2 2
2 2 i
Ambos modelos se utilizan para variables dicotómicas, además estas
funciones son continuas que toman valores comprendidos entre 0 y 1.
IV. METODOLOGIA
Como se mencionó al inicio el propósito de la investigación es analizar la
decisión dicotómica de la mejora o no en las ventas de las empresas.
En primer lugar se procedió a recopilar los datos, los cuales los
encontramos en el portal del Instituto Nacional de Estadística e
Informática (INEI) específicamente en micro datos, “Encuesta de Micro y
Pequeña Empresa 2013”.Luego se procede a realizar un análisis
descriptivo y posterior un análisis econométrico, para este análisis como
primer caso se plantea la utilización del modelo Probit y Logit, en base a
un conjunto de variables las cuales serán detalladas en el ANEXO.
Para la formulación de estas variables se procedió a realizar una
comparación entre el modelo logit y tobit, de los cuales se eligió uno según
a algunos estadísticas que muestran cual modelo es mejor.
Posteriormente se realizó el análisis e interpretación de los datos: la
relación existente entre las variables independientes y la variable
dependiente. Así mismo se analizó los efectos marginales que son de
mucha importancia ya que nos muestran el impacto del cambio en una
unidad de las variables independientes sobre la variable dependiente.
Análisis Econométrico:
Este análisis nos permite medir el efecto que tienen las variables
independientes sobre las variables dependientes, para ello se empleó el
modelo probit y logit, cuyos resultados fueron los siguientes:
Modelo Probit.
Probit regression Number of obs = 922
LR chi2(9) = 11.61
Prob > chi2 = 0.2365
Log likelihood = -40.139378 Pseudo R2 = 0.1263
------------------------------------------------------------------------------
MEJORA | Coef. Std. Err. z P>|z| [95% Conf. Interval]
-------------+----------------------------------------------------------------
EDAD_MYPE | .0421673 .0202184 2.09 0.037 .0025399 .0817946
LICENCIA | .4762722 .3750973 1.27 0.204 -.2589051 1.211449
EDAD_PROP | -.0291203 .0168021 -1.73 0.083 -.0620517 .0038111
FACEBOOK | .2438223 .4563219 0.53 0.593 -.6505521 1.138197
TWITTER | 0 (omitted)
EDU | -.0349536 .0786145 -0.44 0.657 -.1890353 .119128
GENERO | .1153628 .3220193 0.36 0.720 -.5157835 .746509
CLIENTES | 0 (omitted)
MERCADOS | 0 (omitted)
PRODUCCION | 0 (omitted)
PRECIOS | 0 (omitted)
ORGANIZACION | .7005663 .395679 1.77 0.077 -.0749503 1.476083
CAPACITACION | .2618809 .3609068 0.73 0.468 -.4454833 .9692452
TECNOLOGIAS | 0 (omitted)
SFINANCIERO | .1471135 .2974752 0.49 0.621 -.4359272 .7301541
_cons | -1.937701 .9923262 -1.95 0.051 -3.882625 .0072224
------------------------------------------------------------------------------
5
UNIVERSIDAD NACIONAL DEL ALTIPLANO
FACULTAD DE INGENIERIA ECONOMICA
Modelo Logit
Logistic regression Number of obs = 922
LR chi2(9) = 12.10
Prob > chi2 = 0.2080
Log likelihood = -39.894166 Pseudo R2 = 0.1316
------------------------------------------------------------------------------
MEJORA | Coef. Std. Err. z P>|z| [95% Conf. Interval]
-------------+----------------------------------------------------------------
EDAD_MYPE | .1064639 .0460936 2.31 0.021 .016122 .1968057
LICENCIA | 1.532621 1.101493 1.39 0.164 -.626266 3.691508
EDAD_PROP | -.0791609 .0414883 -1.91 0.056 -.1604765 .0021547
FACEBOOK | .5686756 1.132624 0.50 0.616 -1.651226 2.788577
TWITTER | 0 (omitted)
EDU | -.1203605 .1955216 -0.62 0.538 -.5035758 .2628548
GENERO | .4861991 .852262 0.57 0.568 -1.184204 2.156602
CLIENTES | 0 (omitted)
MERCADOS | 0 (omitted)
PRODUCCION | 0 (omitted)
PRECIOS | 0 (omitted)
ORGANIZACION | 1.871242 .901824 2.07 0.038 .1036993 3.638784
CAPACITACION | .4386023 .9119875 0.48 0.631 -1.34886 2.226065
TECNOLOGIAS | 0 (omitted)
SFINANCIERO | .2414036 .7656305 0.32 0.753 -1.259205 1.742012
_cons | -3.531904 2.494747 -1.42 0.157 -8.421518 1.357711
------------------------------------------------------------------------------
6
UNIVERSIDAD NACIONAL DEL ALTIPLANO
FACULTAD DE INGENIERIA ECONOMICA
Observando el log likelohood “ll” el modelo logit presenta un mayor log
lokelihood y un menor Akaike Schwarz, entonces el mejor modelo es el
el “Modelo logit”, porque presenta estadísticos más adecuados
INTERPRETACION DE SIGNOS:
EFECTOS MARGINALES:
Los efectos marginales representan el impacto en una unidad de las
variables independiente sobre la variable dependiente (MEJORA).
8
UNIVERSIDAD NACIONAL DEL ALTIPLANO
FACULTAD DE INGENIERIA ECONOMICA
La variable edad de la empresa (EDAD_MYPE), posee una relación
positiva con el incremente de ventas (MEJORA); es decir, a mayor edad
9
UNIVERSIDAD NACIONAL DEL ALTIPLANO
FACULTAD DE INGENIERIA ECONOMICA
Modelo Significativo:
Logistic regression Number of obs = 922
LR chi2(4) = 10.72
Prob > chi2 = 0.0299
Log likelihood = -40.582037 Pseudo R2 = 0.1167
------------------------------------------------------------------------------
MEJORA | Coef. Std. Err. z P>|z| [95% Conf. Interval]
-------------+----------------------------------------------------------------
LICENCIA | 1.429065 1.082617 1.32 0.187 -.6928258 3.550956
EDAD_MYPE | .0993276 .0435826 2.28 0.023 .0139073 .1847479
ORGANIZACION | 1.97623 .8494551 2.33 0.020 .3113292 3.641132
EDAD_PROP | -.069531 .038121 -1.82 0.068 -.1442467 .0051847
_cons | -4.131307 1.688148 -2.45 0.014 -7.440016 -.8225974
------------------------------------------------------------------------------
De la misma manera podemos diferenciar la relación positiva o negativa
que puede existir entre la variable MEJORA con las variables
independientes, los resultados son los mismos con respecto al modelo
analizado anteriormente.
0 10 20 30 40 50
EDAD_MYPE
pr0_p pr1_p
0 10 20 30 40 50
EDAD_MYPE
pr0_l pr1_l
10
UNIVERSIDAD NACIONAL DEL ALTIPLANO
FACULTAD DE INGENIERIA ECONOMICA
VI. CONCLUSIONES
Podemos que concluir que puede existir entre la variable MEJORA con
las variables independientes, los resultados son los mismos con
respecto al modelo analizado anteriormente.
VII. REFERENCIAS
11
UNIVERSIDAD NACIONAL DEL ALTIPLANO
FACULTAD DE INGENIERIA ECONOMICA
VIII. ANEXOS
12
UNIVERSIDAD NACIONAL DEL ALTIPLANO
FACULTAD DE INGENIERIA ECONOMICA
.15
.1
Pr(MEJORA)
.05
0
20 40 60 80 100
Edad del propietario de la MYPE
.15
.1
Pr(MEJORA)
.05
0
0 .2 .4 .6 .8 1
RECODE of P3_1 (En el año 2012 pertenecía a alguna organización o agrupación ent
.15
.1
Pr(MEJORA)
.05
0
0 10 20 30 40 50
EDAD_MYPE
13
UNIVERSIDAD NACIONAL DEL ALTIPLANO
FACULTAD DE INGENIERIA ECONOMICA
------------------------------------------------------------------------------
MEJORA | Coef. Std. Err. z P>|z| [95% Conf. Interval]
-------------+----------------------------------------------------------------
EDAD_MYPE | .0001295 .0050685 0.03 0.980 -.0098045 .0100634
EDAD_PROP | -.0086803 .0031824 -2.73 0.006 -.0149178 -.0024429
FACEBOOK | .0824232 .1155448 0.71 0.476 -.1440406 .3088869
TWITTER | -.0725352 .3043709 -0.24 0.812 -.6690911 .5240208
EDU | .0134949 .0167394 0.81 0.420 -.0193138 .0463035
GENERO | .0807414 .0674823 1.20 0.232 -.0515216 .2130043
LICENCIA | -.0046863 .0675308 -0.07 0.945 -.1370442 .1276717
ORGANIZACION | .1285384 .126935 1.01 0.311 -.1202497 .3773264
CAPACITACION | .2148327 .0867512 2.48 0.013 .0448035 .3848619
GESTIONE | .4068711 .1312061 3.10 0.002 .1497118 .6640303
SFINANCIERO | .2136725 .0649229 3.29 0.001 .086426 .3409191
_cons | -.109691 .1984236 -0.55 0.580 -.4985942 .2792121
------------------------------------------------------------------------------
------------------------------------------------------------------------------
MEJORA | Coef. Std. Err. z P>|z| [95% Conf. Interval]
-------------+----------------------------------------------------------------
LICENCIA | .4400613 .363711 1.21 0.226 -.2727992 1.152922
EDAD_MYPE | .0397124 .0194518 2.04 0.041 .0015874 .0778373
ORGANIZACION | .7540748 .3797302 1.99 0.047 .0098173 1.498332
EDAD_PROP | -.0266427 .0158099 -1.69 0.092 -.0576295 .0043441
_cons | -2.050967 .6453771 -3.18 0.001 -3.315883 -.786051
------------------------------------------------------------------------------
14
UNIVERSIDAD NACIONAL DEL ALTIPLANO
FACULTAD DE INGENIERIA ECONOMICA
15
UNIVERSIDAD NACIONAL DEL ALTIPLANO
FACULTAD DE INGENIERIA ECONOMICA
16
UNIVERSIDAD NACIONAL DEL ALTIPLANO
FACULTAD DE INGENIERIA ECONOMICA
gen
pr0_l=exp(_b[_cons]+_b[EDAD_MYPE]*EDAD_MYPE+_b[EDAD_PROP]*m_EDAD_PROP+_b[LICENCIA]*m_LICENCIA+_b[ORGANIZACION]
*0)/(1+exp(_b[_cons]+_b[EDAD_MYPE]*EDAD_MYPE+_b[EDAD_PROP]*m_EDAD_PROP+_b[LICENCIA]*m_LICENCIA+_b[ORGANIZACION
]*0))
gen
pr1_l=exp(_b[_cons]+_b[EDAD_MYPE]*EDAD_MYPE+_b[EDAD_PROP]*m_EDAD_PROP+_b[LICENCIA]*m_LICENCIA+_b[ORGANIZACION]
*1)/(1+exp(_b[_cons]+_b[EDAD_MYPE]*EDAD_MYPE+_b[EDAD_PROP]*m_EDAD_PROP+_b[LICENCIA]*m_LICENCIA+_b[ORGANIZACION
]*1))
twoway (connected pr0_l EDAD_MYPE, sort mcolor(maroon) lcolor(green) lwidth(thick) lpattern(solid)) (connected
pr1_l EDAD_MYPE, sort lcolor(cranberry) lwidth(thick))
//grafico del efecto marginal de ORGANIZACIÓN sobre pr.
gen
pr0_p=exp(_b[_cons]+_b[EDAD_MYPE]*EDAD_MYPE+_b[EDAD_PROP]*m_EDAD_PROP+_b[ORGANIZACION]*m_ORGANIZACION+_b[LICEN
CIA]*0)/(1+exp(_b[_cons]+_b[EDAD_MYPE]*EDAD_MYPE+_b[EDAD_PROP]*m_EDAD_PROP+_b[ORGANIZACION]*m_ORGANIZACION+_b[
LICENCIA]*0))
gen
pr1_p=exp(_b[_cons]+_b[EDAD_MYPE]*EDAD_MYPE+_b[EDAD_PROP]*m_EDAD_PROP+_b[ORGANIZACION]*m_ORGANIZACION+_b[LICEN
CIA]*1)/(1+exp(_b[_cons]+_b[EDAD_MYPE]*EDAD_MYPE+_b[EDAD_PROP]*m_EDAD_PROP+_b[ORGANIZACION]*m_ORGANIZACION+_b[
LICENCIA]*1))
drop m_EDAD_PROP
twoway (connected pr0_p EDAD_MYPE, sort mcolor(maroon) lcolor(green) lwidth(thick) lpattern(solid)) (connected
pr1_p EDAD_MYPE, sort lcolor(cranberry) lwidth(thick))
17