Vous êtes sur la page 1sur 6

2.

1 Modelos econométricos de venta

¿Qué es un modelo?

Una definición concisa de modelo puede ser: “representación simplificada y en


símbolos matemáticos de cierto conjunto de relaciones” es decir un modelo
formulado en términos matemáticos.

¿Qué es un modelo econométrico? 1

“Un modelo econométrico es una representación simplificada y en símbolos


matemáticos de cierto conjunto de relaciones económicas”, es decir un modelo
matemático referido a relaciones económicas.

Componentes del modelo econométrico: variables, parámetros y relaciones.

Variables

De acuerdo con Barbancho (1976) podemos definir “las variables son los factores o
entes elementales que actúan en un fenómeno desde el punto de vista cuantitativo”.
En las matemáticas, las variables se dividen en:

 Variables dependientes
 Variables independientes

Parámetros

Según Barbancho (1976): “los parámetros o coeficientes son magnitudes que


permanecen constantes dentro de un fenómeno económico concreto”.

Normalmente son dos los tipos de parámetros sobre lo que se quiere obtener
información cuantitativa:

 Los parámetros de posición, que son los que entran en el momento de primer
orden o esperanza matemática de la variable dependiente.
 Los parámetros de dispersión que se refieren a la varianza de las
perturbaciones aleatorias
Relaciones

“Las relaciones tratan de describir el mecanismo que acciona los elementos


singulares del fenómeno económico en cuestión”

Las relaciones que aparecen en los modelos econométricos pueden clasificarse en


la forma siguiente:

a) Relaciones de comportamiento 2
b) Relaciones institucionales
c) Relaciones técnicas
d) Relaciones contables o de definición
e) Relaciones de ajuste
f) Restricciones

Ejemplos de modelos econométricos:

 Las ventas de cemento de una empresa dependerán de variables indicativas


de la actividad constructora.
 Las exportaciones de un país serán función de la renta de los países que las
importen y de los precios relativos entre países (esto mismo se puede aplicar
a una empresa).
 El consumo privado depende de la renta disponible y los tipos de interés
reales.
 Determinar si el gasto de una campaña publicitaria tiene relación con el éxito
de las ventas de cierta marca de autos.

Modelos casuales:

Los modelos causales, como la regresión lineal, incorporan variables o factores que
pueden influir sobre el pronóstico. Por ejemplo, un modelo causal para las ventas
de podadoras de césped podría incluir factores como el número de viviendas
nuevas, el presupuesto de publicidad y los precios de la competencia. A diferencia
de las previsiones de series temporales, los modelos de previsión casual consideran
diferentes variables que están relacionadas con la cantidad de la que se está
haciendo la predicción. Una vez que estas variables relacionadas han sido halladas,
se construye el modelo estadístico para realizar la previsión.

El modelo cuantitativo de previsión casual más común es el análisis de regresión


lineal. Para la regresión lineal se utiliza el mismo modelo matemático empleado en
el método de mínimos cuadrados de proyección de tendencia.

Tipos de modelos de regresión lineal


3
Regresión Simple

En la regresión simple, se considera que “y” es siempre una variable aleatoria,


mientras que “x” es una variable no aleatoria, que se considera de valores
controlados o elegidos de antemano por el investigador.

Ej. Análisis de línea de tendencias

La regresión lineal se utiliza en la creación de líneas de tendencia, la cual utiliza los


datos del pasado para predecir el rendimiento o "tendencias" en el futuro. Por lo
general, las líneas de tendencia se utilizan en el negocio para mostrar el rumbo de
las ventas en un tiempo determinado.

Regresión Múltiple

En la regresión múltiple se trabaja con más de dos variables, considerando a “y”


siempre como una variable aleatoria, mientras que se tendrán dos o más “x”, serán
las variables bajo el supuesto de ser valores controlados o elegidos de antemano
por el investigador.

Ej. Ventas o previsiones del mercado

La regresión lineal multivariable (con más de dos variables) es un método


sofisticado para prevenir volúmenes de ventas o el movimiento del mercado, a fin
de crear planes integrales para el crecimiento. Este método es más preciso que el
análisis de tendencias ya que éste último sólo observa cómo cambia una variable
con respecto a otra, donde este método analiza cómo una variable cambiará cuando
se modifican otras variables.

Análisis de regresión lineal simple.

El modelo de regresión lineal simple tiene la forma:

Y=a+bX

4
Dónde:

Y = variable dependiente

X= variable independiente

Los valores de:

b= valor de la pendiente

a= la intersección

Se obtiene de las siguientes ecuaciones:

Dónde:

Ejemplo:
Una empresa estudia la posible relación que existe entre los permisos de
construcción emitidos por las autoridades municipales y la demanda del
conglomerado que vende.

La empresa tiene datos del trimestre anterior.

Permisos de Embarques de
construcción conglomerado (X)(Y) X2
5
(Y) (X)
15 6 225 225
9 4 36 16
40 16 640 256
20 6 120 36
25 13 325 169
25 9 225 81
15 10 150 100
36 16 576 256
∑Y=185 ∑X=89 ∑(X)(Y)= ∑ X2
2297 =1139

Sustituimos:

= 89/8=11.125 = 185/8=23.125

= 2297-8 (11.125) (23.125) /1139- 8 (1139) = 0.3905

= 23.125-0.3905 (11.125)= 0.969

Y = a + b X = 0.969-0.3905 X
Estime los embarques cuando existan 30 permisos de construcción = (13
embarques).

Sustitución:

Y= a + b X = 0.969 + 0.3905 (30) = 12.684

Bibliografía consultada

http://www.ual.es/~jgarcia/index_archivos/tema2.pdf
http://www.academica.mx/sites/default/files/adjuntos/35272/tema_ii_htas_pa
ra_la_interpretacion_de_estudio_de_mercados.pdf
https://es.scribd.com/doc/228533149/Unidad-2