MYPES

MODELO INICIAL

[pic 1]

• Tal como se puede observar la probabilidad “F” es menor al 5% por tanto se acepta la hipótesis nula, que indica la significancia del modelo, analizando de manera individual la probabilidad “t” se puede observar que en este primer modelo tan solo es significativo el empleo el resto de las variables contiene una probabilidad mayor al 5%, observando el R^2 y el R ajustado, se puede de4cir que las variables independientes explican en un 62% y 61% a nuestra variable dependiente, en tanto que se tiene un error superior a la unidad por tanto nos lleva a buscar modelos mas eficientes y que expliquen mejor la realidad de nuestro trabajo, analizando los valores obtenidos por los coeficientes el unió que concuerda con lo esperado es el numero de empleados el resto obtuvo una relación diferente a la esperada.

• Nivel de Producción = -225734 + 114803.8*Empleados – 25.41683*Capacitación + 111235.7*Competencia Exterior + U

• Donde no existe un número de producción autónomo en la micro y pequeña empresa de la región Arequipa para el periodo de estudio.
• Si las micro y pequeñas empresas incrementan el número de empleados contratados en 1 unidad la producción sufrirá un incremento de 114803.8.
• Si se incrementa en una 1 hora de capacitación extra dentro de las micro y pequeñas empresas la producción de las mismas tendrá un perdida de 25.41683.
• Si existe una empresa extra como competidor según rubro la producción tendrá un incremento de 111235.7.

MODELO AJUSTADO

[pic 2]

• Despues de haber planteado el modelo inicial y ver que este no era el indicado para nuestro estudio se buscaron propuestas alternativas, encontrando como la mejor posible al modelo simi lineal: LOG – LIN, el cual se detalla a continuación:

• Tal como se puede observar la probabilidad “F” es menor al 5% por tanto se acepta la hipótesis nula, que indica la significancia del modelo, analizando de manera individual la probabilidad “t” se puede observar que todas las variables son significativas de forma singular presentando una probabilidad menor al 5%, observando el R^2 y el R ajustado, se puede decir que las variables independientes explican en un 50% a nuestra variable dependiente, en tanto que se tiene un error menor a la unidad por tanto el modelo es casi aceptable tan solo falta comprobar que no este plegado de Autocorrelacion, heterosedastiidad y Multicolinealidad y comprobar atreves del test de Ramsey que las variables son significativas y no se esta obviando variables, analizando los valores obtenidos por los coeficientes todos cumplen con las expectativas planteadas al inicio del trabajo.

• Nivel de Producción = 11.89054 + 0.640143*Empleados +  0.0001099*Capacitación – 0.2675675*Competencia Exterior + U

• Donde  la cantidad autónoma de producción de la micro y pequeña empresa en la región de Arequipa es de 11.89054 expresado en términos porcentuales (145880.0518)
• Si las micro y pequeñas empresas incrementan el número de empleados contratados en 1 unidad la producción sufrirá un incremento de 0.640143 tanto por ciento (1.896752095).
• Si se incrementa en una 1 hora de capacitación extra dentro de las micro y pequeñas empresas la producción de las mismas tendrá un ascenso de 0.0001099 tanto por ciento (1.000109906).
• Si existe una empresa extra como competidor según rubro la producción tendrá un descenso de 0.2675675 tanto por ciento (1.306781835).

COMPROBACIÓN DEL MODELO

[pic 3]

• Tal como se puede observar según el test de Ramsey la probabilidad es mayor al 5% por tanto nuestro modelo esta bien especificado y no se está omitiendo variables, con lo cual podemos a continuación hacer las pruebas respectivas para medir la Autocorrelacion, heterosedastiidad y Multicolinealidad.

AUTOCORRELACION

 [pic 4]

[pic 5]

• Tal como se puede observar en el método grafico para detectar la Autocorrelacion utilizando límites de “-1 y 1” y “-2 y 2”, se puede decir que nuestro modelo esta plagado de Autocorrelacion, para comprobar lo demostrado mediante el grafico y tener una seguridad mayor de lo que se afirma se llevara a cabo la prueba de D –W.

[pic 6]

[pic 7]

• Tal como se puede apreciar el valor que nos arroja el estadístico de prueba es de 1.975606, no esta mal pero podría estar mejor pero para tener un mejor ajuste y eliminar la Autocorrelacion que se presenta en el trabajo a continuación se empleara Cochrane- Orcutt:

[pic 8]

[pic 9]

• Se consiguió un mejor ajuste teniendo un coeficiente de 2.001232 descartando por completo la Autocorrelacion.

HETEROSEDASTICIDAD

[pic 10][pic 11]

• Ambas pruebas nos arrojan probabilidades mayores al 5%, lo cual nos lleva a aceptar la carencia de heterosedasticidad o lo que es lo mismo, aceptar que los términos del error siguen una distribución homosedastica (Breaush Pagen y  White)

• Se empleara a continuación mínimos cuadrados robustos, para reforzar el resultado obtenido en el inciso anterior:

[pic 12]

• Se puede observar que la probabilidades individuales presentaron una leve disminución, comprobando nuevamente la carencia de heterosedasticidad.

MULTICOLINEALIDAD

[pic 13]

• Para que haya presencia de Multicolinealidad se tiene que tener presente, este fenómeno solo se presenta en series de tiempo y que el VIF tiene que ser mayor a 10, en el caso de estudio pues se obtuvo un VIF < a 10 por tanto el modelo a la actualidad es aplicable a nuestra realidad y cumple con el fundamento teórico que se planteo párrafos arriba

Para condimentar el modelo presente se adjunta estadística descriptiva y grafica que ayudara a explicar el objetivo del trabajo:

ESTADISTICA DESCRIPTIVA

[pic 14]

[pic 15]

• Cuadro resumen que presenta la informacion de las variables cualitativas de estudio, presentando la poblacion, la media, la sumatoria, la varianza, la kurtosis, la simetría, min y max.

[pic 16]

• Organización de los datos en función de la variable dicótoma que se presenta en el trabajo “La existencia de la Competencia Exterior”

[pic 17]

• Organización de los datos en función de la localización de la Micro y Pequeña Empresa que se presenta en el trabajo “Distrito”

[pic 18]

• Media Aritmética, Armónica y Geométrica de los datos cuantitativos en estudio (PRODLn, EMP y CAP)

[pic 19][pic 20][pic 21]

• Se puede observar la relación que tiene la variable dependiente (PRODLn) con cada una de las variables independientes cualitativas (EMP, CAP)

[pic 22]

• En tal grafio se puede observar la relación que tiene nuestras variables por cuadrante así podemos encontrar la relación que hay o existe entre la dependiente y cada una de las independientes.

[pic 23]

• Muestra la Tendencia de la PRODLn según la localidad de la micro y pequeña empresa (DISTRITO).

[pic 24]

• Grafico de tendencia que muestra la PRODLn según la variable dicótoma denominada CompExt.

...