ClubEnsayos.com - Ensayos de Calidad, Tareas y Monografias
Buscar

INVESTIGACION ECONOMETRICA PARA DETERMINAR LA CIUDAD ÓPTIMA DE INSTALACION DE UNA PANADERIA.

Mariana UtrerasInforme4 de Abril de 2018

10.234 Palabras (41 Páginas)120 Visitas

Página 1 de 41

[pic 3]

[pic 4][pic 5][pic 6][pic 7]

INVESTIGACION ECONOMETRICA PARA DETERMINAR LA CIUDAD ÓPTIMA DE INSTALACION DE UNA PANADERIA

MEDIANTE EL CONSUMO DE PAN

INFORME PREPARADO POR: MARIANA UTRERAS-DANIEL SOTO-CLEYSI CASTRO-CARLOS ÁLVAREZ

13/12/2017

Contenido

1.        RESUMEN        2

2.        INTRODUCCION        3

3.        EVIDENCIA EMPIRICA        4

4.        ANÁLISIS DE ESTADÍSTICOS PRINCIPALES        5

5.        ANÁLISIS DE LOS ESTADÍSTICOS DE LAS VARIABLES        6

6.        ANÁLISIS DE GRÁFICOS        7

7.        MODELO A PRIORI MCO        8

8.        FACTORES DE INFLACIÓN DE VARIANZA (VIF).        10

9.        ANÁLISIS DE LOS ASPECTOS GENERALES DEL MODELO A PRIORI        11

10.        OPTIMIZACION DEL MODELO A PRIORI        11

11.        MODELO OPTIMIZADO        12

A.        Prueba de Heteroscedasticidad        13

12.        MODELO ÓPTIMO        16

13.        Conclusiones        17

ANEXOS        18

  1. RESUMEN [pic 8]

El siguiente estudio buscará analizar el consumo de pan por día en distintas ciudades de la macro zona sur de Chile, a su vez, se estudiará la probabilidad de que se consuma cierta cantidad de gramos de pan al día bajo ciertos atributos y se creará un índice que sintetice cierta cantidad de información para su conformación.

Para desarrollar lo anterior es que se procederán a utilizar modelos econométricos tales como: MCO, MCP en el caso que se presente Heteroscedasticidad y LOGIT. De igual forma para el desarrollo del Análisis de Componentes Principales se utilizará el software Gretl para su conformación.

Palabras claves:

  • Consumo de pan
  • Ciudades de la macro zona sur
  • Probabilidad de consumo

 


  1. INTRODUCCION [pic 9]

Cada vez que queremos tomar una elección nos encontramos con la interrogante de cuál será la mejor. Es que una mala elección nos puede llevar al fracaso y por el contrario una buena elección nos puede llevar al éxito. En este contexto nos envolvemos en esta disyuntiva que nos motiva a desarrollar esta investigación en la cual se van a desarrollar diversos modelos econométricos para poder tomar una elección con información, que nos ayude a una toma de decisiones con más certeza y sin demasiada incertidumbre sobre cuál sería la mejor ubicación para la localización de un local del rubro panadero en la macro zona del sur de chile.

Todo esto va enmarcado y en perfecta sintonía con lo que es el consumo de pan dentro de las ciudades de la macro zona con todas sus variables que a ello lo afecten, igualmente se espera hacer estimaciones de consumo y analizar variables socioeconómicas, todo esto se va a desarrollar dentro de los objetivos específicos de la investigación.

Los objetivos específicos planteados para esta investigación son los siguientes:

  1. Hacer una evaluación de las variables que impactan en el consumo del pan en la macro zona y en qué ciudad sería conveniente instalarse.
  2. Estimar la probabilidad de consumir más de 100grs. de pan al día, en ese lugar.
  3. Calcular en qué medida las condiciones socioeconómicas del hogar afectan en el consumo de pan en dicha zona.

Para poder llevar a cabo este estudio se hizo uso de la base de datos de la ENCUESTA NACIONAL DE CONSUMO ALIMENTARIO DEL DEPARTAMENTO DE NUTRICIÓN, ESCUELA DE NUTRICIÓN, ESCUELA DE SALUD PUBLICA-FACULTAD DE MEDICINA, y EL CENTRO DE MICRODATOS-FACULTAD DE ECONOMÍA DE LA UNIVERSIDAD DE CHILE, cabe destacar que esta base de datos es de corte transversal y fue realizada en el año 2010.

Este informe tendrá la siguiente estructura que constará de 3 secciones:

  1. La primera parte constara de poder hacer una estimación del consumo de pan al día por medio de MCO del consumo de pan con todas las variables que a priori se han integrado para desarrollar el modelo, se hará un análisis de sus estadísticos principales y posteriormente poder estimar la regresión por medio de este modelo. En caso que así lo requiera al haber heteroscedasticidad, multicolienalidad, autocorrelación y no normalidad en los errores se podrá optimizar el modelo de MCO al transformarlo en un modelo MCP con tal que el modelo sea óptimo y así proceder a hacer la estimación correspondiente al consumo de pan al día.

  1. La segunda parte es crear un modelo LOGIT para poder obtener la probabilidad de que se consuman más de 100 grs. de pan al día en la ciudad que se obtenga en el punto anterior, se realizarán análisis de sus estadísticos principales y luego ver la presencia de la multicolienalidad, igualmente se harán verificaciones para contrastar un modelo a priori con un modelo restringido mediante el Hannan-Quinn, Akaike y Schwartz para así poder hacer inferencia mediante el modelo de probabilidad.

  1. Para finalizar se realizará un análisis de componentes principales para analizar cómo afectan las medidas socioeconómicas al consumo de pan.
  1. EVIDENCIA EMPIRICA [pic 10]

  1. EVALUACIÓN DEL CONSUMO DE PAN Y DE LAS REPRESENTACIONES SOCIALES ASOCIADAS A ÉSTE EN JÓVENES UNIVERSITARIOS DE LA PONTIFICIA UNIVERSIDAD JAVERIANA PARA ESTABLECER MENSAJES DE EDUCACIÓN NUTRICIONAL

La investigadora Diana Lorena Gutiérrez Gómez realizo una investigación de corte transversal para determinar el consumo de pan y las representaciones sociales asociadas a esté, en estudiantes universitarios de la Pontificia Universidad Javeriana para esto utilizo un análisis bivariado. También utilizo análisis factorial de las preguntas de interés. Algunas de las variables que se consideraron fueron consumo, frecuencia, tipo de pan, cantidad, tiempo de consumo, como lo consume, lugar de la compra, tradición familiar.

  1. LA DEMANDA DE ALIMENTOS EN CHILE

Los investigadores Oscar Melo y Javier Cortes realizaron un modelo econométrico AIDS (Almost Ideal Demand System) para estimar la demanda de alimentos en las cuales utilizaron variables demográficas tales como jefe de hogar de sexo femenino, años de educación del jefe de hogar, Hogares con vivienda en regalía o cedida gratuitamente, Hogares con vivienda tomada en arriendo, Número de personas por hogar, Miembros del hogar entre los 0 y 4 años de edad, Miembros del hogar entre los 5 y 14 años de edad, Miembros del hogar entre los 15 y 24 años de edad, Miembros del hogar entre los 65 y más años de edad. Características meteorológicas y estacionales tales como Temperatura media mensual (°C), Precipitación media mensual (mm).

  1. INFORME ESTUDIO DE MERCADO DEL PAN EN CHILE.

Este informe hace referencia de que puede existir una relación entre el nivel socioeconómico y el consumo de pan ya que los hogares más pobres destinan mucho más porcentaje de su gasto en pan que los hogares más ricos.

  1. ANÁLISIS DE ESTADÍSTICOS PRINCIPALES[pic 11]

Estadísticos principales, usando las observaciones 1 - 528

(se ignoraron los valores ausentes)

Variable

Media

Mediana

Mínimo

Máximo

Desv. Típica.

C.V.

Asimetría

Exc. de curtosis

sexo

0.457306

0.00000

0.00000

1.00000

0.498647

1.09040

0.171404

-1.97062

edad

38.7628

38.0000

2.00000

94.0000

22.9956

0.593239

0.198657

-1.08439

desayuno

0.893738

1.00000

0.00000

1.00000

0.308465

0.345141

-2.55531

4.52961

once

0.719165

1.00000

0.00000

1.00000

0.449834

0.625495

-0.975352

-1.04869

otracomida

0.333966

0.00000

0.00000

1.00000

0.472076

1.41355

0.704090

-1.50426

gr_cereypasta

128.729

97.6000

0.00000

2369.95

146.028

1.13439

8.46900

111.869

consumo100

0.660342

1.00000

0.00000

1.00000

0.474043

0.717876

-0.677128

-1.54150

consumo

163.340

135.980

0.00000

957.170

124.011

0.759224

1.76331

5.51295

consumo_pan

0.986717

1.00000

0.00000

1.00000

0.114592

0.116134

-8.50289

70.2992

gr_cerdesay

5.90380

0.00000

0.00000

88.4200

12.2988

2.08320

2.99711

10.3771

gr_legufresca

220.271

140.030

0.00000

3784.28

284.916

1.29348

5.20548

49.2712

tcerealgr

525.332

422.500

33.7100

4594.33

387.882

0.738357

3.52374

25.2469

gr_verduras

187.547

162.320

0.00000

971.930

131.504

0.701177

1.44719

3.52452

gr_frutas

169.357

113.420

0.00000

865.370

174.433

1.02997

1.74958

3.01728

tlacteosg

414.940

295.330

0.00000

2724.84

414.196

0.998206

2.13695

6.04345

grupocarg

203.074

174.900

13.7900

884.370

130.210

0.641194

1.50156

3.18401

aceitot

45.3113

32.3200

0.720000

273.120

37.9774

0.838144

1.63621

4.06112

totalazucarg

85.8637

69.2600

0.00000

528.270

70.8188

0.824782

1.98565

6.81223

parentezco

0.410985

0.00000

0.00000

1.00000

0.492479

1.19829

0.361841

-1.86907

educ_prees

0.198864

0.00000

0.00000

1.00000

0.399524

2.00903

1.50891

0.276798

educ_prepa

0.0625000

0.00000

0.00000

1.00000

0.242291

3.87666

3.61478

11.0667

educ_bas

0.0265152

0.00000

0.00000

1.00000

0.160814

6.06498

5.89419

32.7415

educdife

0.0587121

0.00000

0.00000

1.00000

0.235308

4.00783

3.75428

12.0946

educ_huma

0.0265152

0.00000

0.00000

1.00000

0.160814

6.06498

5.89419

32.7415

educ_cienth

0.00757576

0.00000

0.00000

1.00000

0.0867907

11.4564

11.3582

127.008

educ_tec

0.0151515

0.00000

0.00000

1.00000

0.122271

8.06990

7.93822

61.0154

educ_jefehogar

2.15180

1.00000

0.00000

7.00000

1.76244

0.819052

1.27852

0.620309

num_duchas

1.21063

1.00000

0.00000

99.0000

4.30439

3.55551

22.3147

504.412

p35

1.06452

1.00000

1.00000

4.00000

0.408574

0.383812

6.66447

43.9008

p36

3.92410

4.00000

1.00000

9.00000

0.596192

0.151931

-1.48344

19.2732

p37

3.89374

4.00000

1.00000

7.00000

0.784897

0.201579

-0.614179

8.81215

p38

4.24668

3.00000

1.00000

9.00000

1.89553

0.446355

1.16553

0.458696

p39n

29.6490

6.00000

1.00000

99.0000

39.4660

1.33111

1.06252

-0.800327

p53

1.52642

2.00000

1.00000

2.00000

0.499810

0.327438

-0.105839

-1.98880

p28v__1

1.89162

2.00000

1.00000

2.00000

0.311184

0.164507

-2.51952

4.34797

g_pto

0.365789

0.00000

0.00000

1.00000

0.482286

1.31848

0.557294

-1.68942

g_osor

0.269450

0.00000

0.00000

1.00000

0.444095

1.64816

1.03928

-0.919901

g_pare

0.278937

0.00000

0.00000

1.00000

0.448903

1.60933

0.985838

-1.02812

g_lmuer

0.0569260

0.00000

0.00000

1.00000

0.231921

4.07408

3.82453

12.6270

g_quem

0.0531309

0.00000

0.00000

1.00000

0.224508

4.22555

3.98466

13.8775

g_coih

0.0569260

0.00000

0.00000

1.00000

0.231921

4.07408

3.82453

12.6270

...

Descargar como (para miembros actualizados) txt (41 Kb) pdf (563 Kb) docx (224 Kb)
Leer 40 páginas más »
Disponible sólo en Clubensayos.com