MÉTODOS CAUSALES: REGRESIÓN LINEAL
Enviado por hughesbale78 • 14 de Septiembre de 2016 • Tesina • 1.140 Palabras (5 Páginas) • 882 Visitas
MÉTODOS CAUSALES: REGRESIÓN LINEAL
EJEMPLO:
Mary Cárter es gerente del departamento de plomería de la tienda Home Depot, un
distribuidor líder en productos para la construcción. Cada mes, debe colocar una orden de accesorios de plomería para baños. Si ordena más de lo que vende, los excedentes representan dinero para la empresa que no puede usar en otra parte. Si ordena muy pocos, las ventas se pierden en de los competidores.
Mary ha estado pensando cómo podría anticipar la demanda de accesorios. Sabe que la
mayoría de los que vende son para casas nuevas; los accesorios de reposición significan menos
del 6% de las ventas totales. Los accesorios de plomería se instalan una vez que se han puesto el techo y las paredes, casi siempre alrededor de un mes después de que se emite el permiso de
construcción. Como todas las construcciones necesitan el permiso, el número de permisos emitidos el mes pasado puede ayudarla a determinar el número de accesorios que debe ordenar en
este mes.
Este escenario es típico de muchos problemas de pronósticos. Se desea pronosticar una variable dependiente —venta de accesorios de plomería en el ejemplo— y el valor de la variable
dependiente está relacionado a un valor observable de una o más variables independientes
—inicio de la construcción de casas en el ejemplo—. Esto se llama proceso de pronóstico causal, porque el valor de la variable dependiente es causado, o al menos tiene una correlación alta con el valor de la(s) variable(s) independientes.
Sin embargo, la relación entre las variables dependiente e independiente no es siempre
clara. Por ejemplo, las ventas totales de una compañía pueden variar con un patrón similar al de
algunos indicadores económicos. En este caso, las ventas agregadas podrían ser la variable dependiente y los distintos indicadores económicos, como la tasa de interés primaria, sería la variable independiente. Para estimar la relación, con frecuencia son útiles las técnicas de regresión. Se examinará el problema de Mary con más detalle para ver cómo se lleva a cabo este
proceso.
La tabla 4-4 muestra el número de permisos de construcción de casas emitidos en el área de Mérida y el número de accesorios de plomería vendidos en su tienda, por mes, para los últimos dos años. Los permisos para un mes dado están alineados con las ventas del siguiente mes ya que hay un lapso de un mes entre el permiso y la venta; esto es, las ventas de febrero dependen de los permisos de enero.
TABLA 4.4: Permisos de construcción y venta de accesorios de plomería
mes del permiso | No de permisos | Mes de venta de accesorios | Accesorios vendidos |
ene-94 | 22 | feb-94 | 72 |
feb-94 | 16 | mar-94 | 44 |
mar-94 | 24 | abr-94 | 80 |
abr-94 | 95 | may-94 | 191 |
may-94 | 84 | jun-94 | 187 |
jun-94 | 13 | jul-94 | 57 |
jul-94 | 114 | ago-94 | 238 |
ago-94 | 147 | sep-94 | 283 |
sep-94 | 96 | oct-94 | 204 |
oct-94 | 59 | nov-94 | 144 |
nov-94 | 35 | dic-94 | 102 |
dic-94 | 41 | ene-95 | 109 |
ene-95 | 28 | feb-95 | 63 |
feb-95 | 21 | mar-95 | 50 |
mar-95 | 18 | abr-95 | 67 |
abr-95 | 46 | may-95 | 109 |
may-95 | 145 | jun-95 | 304 |
jun-95 | 122 | jul-95 | 239 |
jul-95 | 108 | ago-95 | 223 |
ago-95 | 85 | sep-95 | 173 |
sep-95 | 103 | oct-95 | 211 |
oct-95 | 53 | nov-95 | 104 |
nov-95 | 17 | dic-95 | 59 |
dic-95 | 12 | ene-96 | 24 |
[pic 1]
Periodos | No de permisos | Accesorios vendidos | Pronostico Método causal |
1 | 22 | 72 | 64 |
2 | 16 | 44 | 53 |
3 | 24 | 80 | 68 |
4 | 95 | 191 | 198 |
5 | 84 | 187 | 178 |
6 | 13 | 57 | 48 |
7 | 114 | 238 | 233 |
8 | 147 | 283 | 294 |
9 | 96 | 204 | 200 |
10 | 59 | 144 | 132 |
11 | 35 | 102 | 88 |
12 | 41 | 109 | 99 |
13 | 28 | 63 | 75 |
14 | 21 | 50 | 63 |
15 | 18 | 67 | 57 |
16 | 46 | 109 | 108 |
17 | 145 | 304 | 290 |
18 | 122 | 239 | 248 |
19 | 108 | 223 | 222 |
20 | 85 | 173 | 180 |
21 | 103 | 211 | 213 |
22 | 53 | 104 | 121 |
23 | 17 | 59 | 55 |
24 | 12 | 24 | 46 |
...