REGRESIÓN LINEAL BIVARIANTE
REGRESION LINEAL SIMPLE Y ANALISIS DE CORRELACION OBJETIVOS
- Utilizar diagramas de dispersión para visualizar la relación entre dos variables.
- Utilizar el análisis de regresión para estimar la relación entre dos variables.
- Utilizar la ecuación de regresión para predecir valores futuros.
- Aplicar el análisis de correlación para describir el grado hasta el cuál dos variables están relacionadas linealmente entre si.
Es un gráfico que permite detectar la existencia de una relación entre dos variables. Visualmente se puede buscar patrones que indiquen el tipo de relación que se da entre las variables.
RELACIONES POSIBLES ENTRE X e Y
Primer Ejemplo:
TABLA NÚMERO 01: Producto bruto interno y Producto bruto interno
per cápita; 1950 a 1999 (periodicidad anual).
obs
|
PBI
|
PBIPC
|
obs
|
PBI
|
PBIPC
| |
1950
|
21264
|
2786
|
1975
|
79215
|
5224.9
| |
1951
|
23007
|
2939.8
|
1976
|
80800
|
5185.8
| |
1952
|
24434
|
3044.5
|
1977
|
81123
|
5066.4
| |
1953
|
25729
|
3125.4
|
1978
|
81366
|
4946.5
| |
1954
|
27401
|
3243.9
|
1979
|
86086
|
5097.4
| |
1955
|
28717
|
3311.6
|
1980
|
90562
|
5227.5
| |
1956
|
29951
|
3363.5
|
1981
|
95181
|
5359.6
| |
1957
|
31988
|
3497.5
|
1982
|
94610
|
5199.6
| |
1958
|
31796
|
3383.8
|
1983
|
83446
|
4478.8
| |
1959
|
32973
|
3414.1
|
1984
|
87785
|
4604.6
| |
1960
|
36995
|
3725.2
|
1985
|
90243
|
4629.6
| |
1961
|
39733
|
3888.7
|
1986
|
99267
|
4984.4
| |
1962
|
43071
|
4095.5
|
1987
|
10720
|
5272.1
| |
1963
|
44664
|
4125.7
|
1988
|
97881
|
4716.9
| |
1964
|
47612
|
4272.6
|
1989
|
86429
|
4084
| |
1965
|
49945
|
4355.4
|
1990
|
81983
|
3800.9
| |
1966
|
54140
|
4589.6
|
1991
|
83760
|
3813.1
| |
1967
|
56198
|
4632.1
|
1992
|
83401
|
3730.8
| |
1968
|
56422
|
4522.5
|
1993
|
87375
|
3842.3
| |
1969
|
58566
|
4565.1
|
1994
|
98577
|
4261.8
| |
1970
|
62022
|
4701.2
|
1995
|
107025
|
4548.1
| |
1971
|
64627
|
4763.3
|
1996
|
109263
|
4580.3
| |
1972
|
66501
|
4766
|
1997
|
117083
|
4304.2
| |
1973
|
70092
|
4885.1
|
1998
|
116595
|
4701.3
| |
1974
|
76611
|
5193.6
|
1999
|
118210
|
4684.9
|
PBI: Millones de nuevos soles a precios de 1994
PBI per cápita (PBIPC): Nuevos soles a precios de 1994
Donde:
PBI (X): Producto Bruto Interno expresado en millones de nuevos soles
(variable predeterminada)
PBIPC (Y): PBI per cápita expresado en nuevos soles
(variable dependiente, endógena)
TIPO DE RELACIÓN
En este caso los cambios en el PBI (X) provocan cambios en el PBIPC (Y) en igual sentido (aumentos o disminuciones), las variables están directamente relacionadas. Se observa el signo (+)
GRADO DE LA ECUACION
La ecuación es de primer grado, es decir, la variable independiente está elevado al exponente 1. Su gráfica genera una línea recta, por lo que también se le llama ecuación lineal.
GRAFICA DE LA ECUACION
CUADRO NÚMERO 01:
FUENTE: Elaboración propia
FORMA GENERAL
La ecuación simple de primer grado tiene la siguiente forma general
Y = a + b X
|
b: Pendiente, o sea, el cambio en Y cuando DX = 1
a: El valor autónomo, es decir, Y = a cuando X = 0
En la gráfica es la intersección con el eje Y
METODO DE MINIMOS CUADRADOS
Es el procedimiento matemático utilizado para determinar los valores numéricos de los coeficientes de regresión a y b.
La ecuación general Y= a + bX se llama ecuación de regresión y permite estimar o predecir los valores de Y.
El método consiste en determinar una ecuación que la suma de los errores al cuadrado sea mínima.
El método utiliza un sistema de ecuación llamado ecuaciones normales, que tienen la siguiente forma:
ESTIMACION MEDIANTE EL MÉTODO DE LOS MÍNIMOS CUADRADOS ORDINARIOS M.C.O
CUADRO NÚMERO 02:
Dependent Variable: PBIPC | ||||
Method: Least Squares (Mínimos cuadrados ordinarios) | ||||
Date: 06/16/97 Time: 11:03 | ||||
Sample: 1950 1999 (Muestra) | ||||
Included observations: 50 (Observaciones) | ||||
Variable
|
Coefficient
|
Std. Error
|
t-Statistic
|
Prob.
|
C
|
3334.040
|
199.7889
|
16.68782
|
0.0000
|
PBI
|
0.014567
|
0.002731
|
5.333078
|
0.0000
|
R-squared |
0.372071
|
Mean dependent var |
4310.750
| |
Adjusted R-squared |
0.358989
|
S.D. dependent var |
705.1481
| |
S.E. of regression |
564.5640
|
F-statistic |
28.44172
| |
Sum squared resid |
15299159
|
Prob(F-statistic) |
0.000003
| |
|
| |||
|
|
COEFICIENTE DE DETERMINACION
R² = 0.3721 |
ESTADISTICAS DESCRIPTIVAS
CUADRO NÚMERO 03: HISTOGRAMA PBI
FUENTE: Elaboración propia
CUADRO NÚMERO 04: HISTOGRAMA PBIPC
FUENTE: Elaboración propia
PRUEBAS DE SIGNIFICANCIA ESTADISTICA
Sea el modelo bivariado:
PBIPC = +
PBI+ u |
u: Variable estocástica
BONDAD DE AJUSTE (R-squared = 0.372071)
Solo el 37.21 % de los cambios en el PBIPC son explicados en conjunto por la variable PBI.
ANALISIS DE SERIES DE TIEMPO
-
Componente cíclico
-
Componente tendencial
-
Componente estacional
- Componete irregular
Es la tendencia de toda serie a largo plazo sin sufrir alteraciones.
CUADRO NÚMERO 05: Analisis tendencial del PBI 1950-1999
FUENTE: Elaboración propia
A través del gráfico podemos observar que la tendencia secular del PBI a lo largo de las décadas de los 50s, 60s, 70s y principios de los 80s es creciente. A partir del año 85 se observa una drástica caída del mismo debido a cambios estructurales en la política macroeconómica del país (existía un mayor poder de compra). Hasta ese año (1985) se pasó de una política de minidevaluaciones (Gobierno de Belaunde) a una política cambiaraia fija (Gobierno de Alan García).
COMPONENTE CICLICO
Es el ascenso y el descenso de una serie en períodos mayores de un año. Es un componente de corto plazo, mayormente de coyuntura.
CUADRO NÚMERO 06: Analisis cíclico del PBICP 1950-1999
FUENTE: Elaboración propia
La tendencia cíclica del PBIPC de 1950-1999 resalta períodos de recuperación y períodos de recesión, es decir ascenso y descenso del PBIPC.
COMPONENTE ESTACIONAL
La data presentada no especifica adecuadamente un patrón o esquema de cambio al año. Para que exista el componente estacional tales patrones tienen que repetirse cada año. En tal efecto, no existe variación estacional debido a que los datos se registran anualmente.
COMPONENTE IRREGULAR
Es la variabilidad de la serie debido a hechos exógenos, aleatorios, como guerras, fenómenos climatológicos, etc.
CUADRO NÚMERO 07: Analisis irregular del PBI 1980-1990
FUENTE: Elaboración propia
El análisis irregular del PBI 1980 - 1990 nos muestra un período de descenso en la economía nacional. En el año 1983 el fenómemno climatológico del niño obligó a un descenso en la economía nacional (hecho exógeno, irregular). Ver gráfico año 1983.
TENDENCIAS
Tendencias Lineales
Es aquella serie de tiempo cuyo crecimiento o decrecimiento se aproxima a una línea recta, y tiene la siguiente forma:
Y = a + b X
|
Dependent Variable: PBIPC | ||||
Method: Least Squares (Regresión Lineal) | ||||
Date: 06/21/97 Time: 02:52 | ||||
Sample: 1950 1999 (MUESTRA) | ||||
Included observations: 50 | ||||
Variable
|
Coefficient
|
Std. Error
|
t-Statistic
|
Prob.
|
C
|
3334.040
|
199.7889
|
16.68782
|
0.0000
|
PBI
|
0.014567
|
0.002731
|
5.333078
|
0.0000
|
R-squared |
0.372071
|
Mean dependent var |
4310.750
| |
Adjusted R-squared |
0.358989
|
S.D. dependent var |
705.1481
| |
S.E. of regression |
564.5640
|
Akaike info criterion |
15.54916
| |
Sum squared resid |
15299159
|
Schwarz criterion |
15.62564
| |
Log likelihood |
-386.7291
|
F-statistic |
28.44172
| |
Durbin-Watson stat |
0.472083
|
Prob(F-statistic) |
0.000003
|
Una de las formas de realizar una adecuada predicción es verificando la tendencia del comportamiento de las variables a lo largo del tiempo, es decir, conocer las tendencias de las variables. Esto se puede realizar mediante diagramas de tendencia, como el siguiente:
CUADRO NÚMERO 10:
FUENTE: Elaboración propia
La línea del medio nos muestra que la tendencia del PBIPC en el futuro es ascendente, y no muestra signos de inestabilidad paramétrica, puesto que se encuentra entre las dos líneas de rangos.
Algo muy importante de resaltar es que si el coeficiente theil inequality coefficient (ver reporte) se acerca acero, entonces la predicción es adecuada.
Tendencias no Lineales
Ecuación de tendencia logarítmica - logaritmo Neperiano (Ln)
Esta se puede calcular usando los logaritmos de la data y aplicando el método de los mínimos cuadrados ordinarios. Su ecuación general será:
ln Y = ln a + ln b
(X)
|
CUADRO NÚMERO 11:
Dependent Variable: LOG(PBIPC) | ||||
Method: Least Squares | ||||
Date: 06/21/97 Time: 02:12 | ||||
Sample: 1950 1999 (MUESTRA) | ||||
Included observations: 50 | ||||
Variable
|
Coefficient
|
Std. Error
|
t-Statistic
|
Prob.
|
C
|
6.172560
|
0.388278
|
15.89726
|
0.0000
|
LOG(PBI)
|
0.198601
|
0.035295
|
5.626886
|
0.0000
|
R-squared |
0.397453
|
Mean dependent var |
8.354658
| |
Adjusted R-squared |
0.384900
|
S.D. dependent var |
0.173963
| |
S.E. of regression |
0.136437
|
Akaike info criterion |
-1.106736
| |
Sum squared resid |
0.893517
|
Schwarz criterion |
-1.030256
| |
Log likelihood |
29.66841
|
F-statistic |
31.66185
| |
Durbin-Watson stat |
0.705365
|
Prob(F-statistic) |
0.000001
|
CUADRO NÚMERO 12:
FUENTE: Elaboración propia
ESTABILIDAD
COMPROBACION DE ESTABILIDAD A TRAVES
DEL TIEMPO
Este tipo de estimación me permite detectar cambios estructurales en la economía, mencionados anteriormente. De acuerdo a este test voy a comprobar si hay estabilida o no.
El análisis es simple (aunque no lo paresca), si la línea de tendencia (la que está en medio de ambas líneas) no sale del rango, significa que hay estabilidad paramétrica.
En este caso el PBI y el PBIPC, se han mantenido estables a lo largo del tiempo, aún así esta prueba no es determinística.
VARIACION ESTACIONAL
No existe variación estacional puesto que los datos tienen periodicidad anual, es decir, se registran anualmente.
NUMEROS INDICES
Es un número que expresa un cambio relativo de un lapso de tiempo a otro, en los conceptos de precio, cantidad o valor.
Si el número índice se usa para medir el cambio relativo en solo una variable - como el salario por hora en un proceso de fabricación - se le denomina índice simple. Es la razón o relación proporcional entre dos variables expresada como porcentaje.
Segundo Ejemplo:
CANTIDAD TRANSADA DE CARNE
Periodicidad: Mensual01: Enero 05: Mayo 09: Septiembre
02: Febrero 06: Junio 10: Octubre
03: Marzo 07: Julio 11: Noviembre
04: Abril 08: Agosto 12: Diciembre
TABLA NÚMERO 02: Cantidad transada de carne.
obs
|
QV
|
PCV
|
PCC
|
Y
|
1994:01:00
|
922240
|
1.11
|
1.31
|
132.7
|
1994:02:00
|
831350
|
1.23
|
1.27
|
130.6
|
1994:03:00
|
100376
|
1.24
|
1.26
|
177.7
|
1994:04:00
|
114883
|
1.2
|
1.33
|
189.1
|
1994:05:00
|
112386
|
1.22
|
1.32
|
187.9
|
1994:06:00
|
113365
|
1.24
|
1.35
|
185.8
|
1994:07:00
|
123906
|
1.25
|
1.41
|
227.1
|
1994:08:00
|
120399
|
1.27
|
1.37
|
223.7
|
1994:09:00
|
113701
|
1.25
|
1.35
|
227.6
|
1994:10:00
|
122619
|
1.24
|
1.36
|
261
|
1994:11:00
|
131527
|
1.24
|
1.4
|
257.9
|
1994:12:00
|
122635
|
1.28
|
1.42
|
256.4
|
1995:01:00
|
141777
|
1.27
|
1.44
|
255.4
|
1995:02:00
|
120074
|
1.28
|
1.45
|
252.5
|
1995:03:00
|
145071
|
1.28
|
1.44
|
249.1
|
1995:04:00
|
136150
|
1.27
|
1.42
|
246.7
|
1995:05:00
|
139859
|
1.26
|
1.43
|
244.7
|
1995:06:00
|
150236
|
1.26
|
1.44
|
242.7
|
1995:07:00
|
154736
|
1.25
|
1.43
|
241.3
|
1995:08:00
|
146548
|
1.24
|
1.42
|
238.8
|
1995:09:00
|
139779
|
1.24
|
1.46
|
237.9
|
1995:10:00
|
134202
|
1.23
|
1.49
|
236.7
|
1995:11:00
|
124587
|
1.22
|
1.47
|
233.8
|
1995:12:00
|
142109
|
1.21
|
1.47
|
232.6
|
1996:01:00
|
155005
|
1.21
|
1.46
|
260.8
|
1996:02:00
|
144071
|
1.21
|
1.46
|
262.9
|
1996:03:00
|
146337
|
1.2
|
1.41
|
264.9
|
1996:04:00
|
138297
|
1.19
|
1.39
|
266.6
|
1996:05:00
|
138908
|
1.21
|
1.4
|
268.1
|
1996:06:00
|
128889
|
1.22
|
1.38
|
262.3
|
1996:07:00
|
159663
|
1.2
|
1.36
|
270.4
|
1996:08:00
|
173068
|
1.19
|
1.37
|
271.2
|
1996:09:00
|
158662
|
1.18
|
1.39
|
271.7
|
1996:10:00
|
154556
|
1.17
|
1.39
|
272
|
1996:11:00
|
177353
|
1.17
|
1.4
|
272.1
|
1996:12:00
|
131177
|
1.16
|
1.38
|
271.8
|
Donde:
QV : Cantidad transada de carne de vacuno mensual en kg
PCV : Precio de la carne de vacuno, expresada en soles por kg
PCC : Precio de la carne de cordero, expresado en soles por kg
Y : Ingreso mensual familiar
OBTENCION DE LOS NUMEROS INDICES A TRAVES DE EXEL
INDICE SIMPLE
Es el cambio relativo en una sola variable:
P = ( pt/p0 ) * 100
El siguiente ejemplo nos muestra la obtención del indice simple del precio de
la carne de vacuno, tomando primero como año base, 1994 - mes de febrero (02),
para después tomar como año base, el mismo año (1994) pero en los meses de
Febrero y Marzo, es decir, como la periodicidad es mensual, estoy tomando dos
periodos bases (Febrero y Marzo): TABLA NÚMERO 03: Cantidad transada de carne.
obs
|
PCV
|
Precio índice 1994:02 =100 | Precio índice 1994:02 - 03=100 |
1994:01:00
|
1.11
|
90.24390244
|
89.87854251
|
1994:02:00
|
1.23
|
100
|
99.5951417
|
1994:03:00
|
1.24
|
100.8130081
|
100.4048583
|
1994:04:00
|
1.2
|
97.56097561
|
97.1659919
|
1994:05:00
|
1.22
|
99.18699187
|
98.7854251
|
1994:06:00
|
1.24
|
100.8130081
|
100.4048583
|
1994:07:00
|
1.25
|
101.6260163
|
101.2145749
|
1994:08:00
|
1.27
|
103.2520325
|
102.8340081
|
1994:09:00
|
1.25
|
101.6260163
|
101.2145749
|
1994:10:00
|
1.24
|
100.8130081
|
100.4048583
|
1994:11:00
|
1.24
|
100.8130081
|
100.4048583
|
1994:12:00
|
1.28
|
104.0650407
|
103.6437247
|
1995:01:00
|
1.27
|
103.2520325
|
102.8340081
|
1995:02:00
|
1.28
|
104.0650407
|
103.6437247
|
1995:03:00
|
1.28
|
104.0650407
|
103.6437247
|
1995:04:00
|
1.27
|
103.2520325
|
102.8340081
|
1995:05:00
|
1.26
|
102.4390244
|
102.0242915
|
1995:06:00
|
1.26
|
102.4390244
|
102.0242915
|
1995:07:00
|
1.25
|
101.6260163
|
101.2145749
|
1995:08:00
|
1.24
|
100.8130081
|
100.4048583
|
1995:09:00
|
1.24
|
100.8130081
|
100.4048583
|
1995:10:00
|
1.23
|
100
|
99.5951417
|
1995:11:00
|
1.22
|
99.18699187
|
98.7854251
|
1995:12:00
|
1.21
|
98.37398374
|
97.9757085
|
1996:01:00
|
1.21
|
98.37398374
|
97.9757085
|
1996:02:00
|
1.21
|
98.37398374
|
97.9757085
|
1996:03:00
|
1.2
|
97.56097561
|
97.1659919
|
1996:04:00
|
1.19
|
96.74796748
|
96.3562753
|
1996:05:00
|
1.21
|
98.37398374
|
97.9757085
|
1996:06:00
|
1.22
|
99.18699187
|
98.7854251
|
1996:07:00
|
1.2
|
97.56097561
|
97.1659919
|
1996:08:00
|
1.19
|
96.74796748
|
96.3562753
|
1996:09:00
|
1.18
|
95.93495935
|
95.5465587
|
1996:10:00
|
1.17
|
95.12195122
|
94.73684211
|
1996:11:00
|
1.17
|
95.12195122
|
94.73684211
|
1996:12:00
|
1.16
|
94.30894309
|
93.92712551
|
INDICES NO PONDERADOS
PROMEDIO SIMPLE DE PRECIOS RELATIVOS
Hallamos el promedio simple de precios relativos para la carne vacuno y de cordero respectivamente (1994:02 = 100):
P = (sum pi/n)
obs
|
PCV
|
PCC
|
Precio indice 1994:02 =100 (PCV) | Precio indice 1994:02 =100 (PCC) |
1994:01:00
|
1.11
|
1.31
|
90.24390244
|
103.1496063
|
1994:02:00
|
1.23
|
1.27
|
100
|
100
|
1994:03:00
|
1.24
|
1.26
|
100.8130081
|
99.21259843
|
1994:04:00
|
1.2
|
1.33
|
97.56097561
|
104.7244094
|
1994:05:00
|
1.22
|
1.32
|
99.18699187
|
103.9370079
|
1994:06:00
|
1.24
|
1.35
|
100.8130081
|
106.2992126
|
1994:07:00
|
1.25
|
1.41
|
101.6260163
|
111.023622
|
1994:08:00
|
1.27
|
1.37
|
103.2520325
|
107.8740157
|
1994:09:00
|
1.25
|
1.35
|
101.6260163
|
106.2992126
|
1994:10:00
|
1.24
|
1.36
|
100.8130081
|
107.0866142
|
1994:11:00
|
1.24
|
1.4
|
100.8130081
|
110.2362205
|
1994:12:00
|
1.28
|
1.42
|
104.0650407
|
111.8110236
|
1995:01:00
|
1.27
|
1.44
|
103.2520325
|
113.3858268
|
1995:02:00
|
1.28
|
1.45
|
104.0650407
|
114.1732283
|
1995:03:00
|
1.28
|
1.44
|
104.0650407
|
113.3858268
|
1995:04:00
|
1.27
|
1.42
|
103.2520325
|
111.8110236
|
1995:05:00
|
1.26
|
1.43
|
102.4390244
|
112.5984252
|
1995:06:00
|
1.26
|
1.44
|
102.4390244
|
113.3858268
|
1995:07:00
|
1.25
|
1.43
|
101.6260163
|
112.5984252
|
1995:08:00
|
1.24
|
1.42
|
100.8130081
|
111.8110236
|
1995:09:00
|
1.24
|
1.46
|
100.8130081
|
114.9606299
|
1995:10:00
|
1.23
|
1.49
|
100
|
117.3228346
|
1995:11:00
|
1.22
|
1.47
|
99.18699187
|
115.7480315
|
1995:12:00
|
1.21
|
1.47
|
98.37398374
|
115.7480315
|
1996:01:00
|
1.21
|
1.46
|
98.37398374
|
114.9606299
|
1996:02:00
|
1.21
|
1.46
|
98.37398374
|
114.9606299
|
1996:03:00
|
1.2
|
1.41
|
97.56097561
|
111.023622
|
1996:04:00
|
1.19
|
1.39
|
96.74796748
|
109.4488189
|
1996:05:00
|
1.21
|
1.4
|
98.37398374
|
110.2362205
|
1996:06:00
|
1.22
|
1.38
|
99.18699187
|
108.6614173
|
1996:07:00
|
1.2
|
1.36
|
97.56097561
|
107.0866142
|
1996:08:00
|
1.19
|
1.37
|
96.74796748
|
107.8740157
|
1996:09:00
|
1.18
|
1.39
|
95.93495935
|
109.4488189
|
1996:10:00
|
1.17
|
1.39
|
95.12195122
|
109.4488189
|
1996:11:00
|
1.17
|
1.4
|
95.12195122
|
110.2362205
|
1996:12:00
|
1.16
|
1.38
|
94.30894309
|
108.6614173
|
TOTAL
|
|
|
3584.552846
|
3960.629921
|
PROMEDIO SIMPLE
|
|
|
99.57091238
|
110.0174978
|
INDICE AGREGADO SIMPLE
P = (sum pt/sum p0) * 100
1994:10 = 100
|
PRECIO 1994:10
|
PRECIO 1996:12
|
CARNE DE VACUNO |
1.24
|
1.16
|
CARNE DE CORDERO |
1.36
|
1.38
|
TOTAL |
2.6
|
2.54
|
INDICE AGREGADO SIMPLE |
|
97.69230769
|
INDICES PONDERADOS
Existen dos métodos para calcular un índice de precios ponderado:
-
El índice de Laspeyres
- El índice de Paasche
INDICE DE PRECIOS DE LASPEYRES
El método de Laspeyres emplea ponderaciones de período base, es decir, los precios y las cantidades originales de los artículos comprados se utilizan para hallar el cambio porcentual respecto a un período o intervalo de tiempo, en precio o cantidad consumida, dependiendo de ello el problema, veamos:
P = (sum ptq0/sum p0q0) * 100
PRECIO |
|
|
|
|
|
Producto/Período |
AÑO-94
|
AÑO-95
|
AÑO-96
|
AÑO-97
|
AÑO-98
|
CAÑA DE AZUCAR |
1.25
|
1.03
|
1.6
|
1.56
|
2.03
|
CAFÉ |
2.45
|
2.03
|
2.45
|
2.48
|
3.01
|
ALGODÓN |
3.65
|
3.06
|
4.5
|
3.5
|
3.4
|
ARROZ |
4.23
|
4.21
|
4.23
|
4.2
|
4.15
|
MAIZ |
2.3
|
2.05
|
2.58
|
2.23
|
2.45
|
PAPA |
4.5
|
4.51
|
4.53
|
4.23
|
4.63
|
PLATANO |
1.5
|
1.56
|
1.63
|
1.54
|
1.62
|
ALFALFA |
1.03
|
1.03
|
1.08
|
1.06
|
1.04
|
TRIGO |
2.1
|
2.3
|
2.52
|
2.14
|
2.13
|
MANZANA |
3.4
|
3.45
|
2.36
|
2.56
|
2.4
|
TABLA NÚMERO 07: Precios de productos exportables.
CANTIDAD |
|
|
|
|
|
Producto/Período |
AÑO-94
|
AÑO-95
|
AÑO-96
|
AÑO-97
|
AÑO-98
|
CAÑA DE AZUCAR |
4593
|
4635
|
4789
|
4523
|
4123
|
CAFÉ |
5698
|
5963
|
6835
|
5963
|
4256
|
ALGODÓN |
2356
|
2458
|
2368
|
3526
|
5369
|
ARROZ |
4875
|
5362
|
4851
|
6589
|
5216
|
MAIZ |
5638
|
5823
|
6589
|
4785
|
4985
|
PAPA |
7824
|
7653
|
6532
|
5326
|
8956
|
PLATANO |
9635
|
8562
|
9875
|
7523
|
6521
|
ALFALFA |
5846
|
6231
|
6794
|
5139
|
5732
|
TRIGO |
1548
|
2564
|
2813
|
1087
|
2876
|
MANZANA |
9856
|
8254
|
7563
|
7546
|
6352
|
TABLA NÚMERO 08: Precios de productos exportables.
|
|
|
|
| |
PRECIO/CANTIDAD (1994=100) |
AÑO-94
|
AÑO-95
|
AÑO-96
|
AÑO-97
|
AÑO-98
|
CAÑA DE AZUCAR |
5741.25
|
4730.79
|
7348.8
|
7165.08
|
9323.79
|
CAFÉ |
13960.1
|
11566.94
|
13960.1
|
14131.04
|
17150.98
|
ALGODÓN |
8599.4
|
7209.36
|
10602
|
8246
|
8010.4
|
ARROZ |
20621.25
|
20523.75
|
20621.25
|
20475
|
20231.25
|
MAIZ |
12967.4
|
11557.9
|
14546.04
|
12572.74
|
13813.1
|
PAPA |
35208
|
35286.24
|
35442.72
|
33095.52
|
36225.12
|
PLATANO |
14452.5
|
15030.6
|
15705.05
|
14837.9
|
15608.7
|
ALFALFA |
6021.38
|
6021.38
|
6313.68
|
6196.76
|
6079.84
|
TRIGO |
3250.8
|
3560.4
|
3900.96
|
3312.72
|
3297.24
|
MANZANA |
33510.4
|
34003.2
|
23260.16
|
25231.36
|
23654.4
|
TOTAL |
154332.48
|
149490.56
|
151700.76
|
145264.12
|
153394.82
|
INDICE DE LASPEYRES PARA 1995 |
|
|
|
|
96.86266948
|
INDICE DE LASPEYRES PARA 1996 |
|
|
|
|
98.29477243
|
INDICE DE LASPEYRES PARA 1997 |
|
|
|
|
94.1241403
|
INDICE DE LASPEYRES PARA 1998 |
|
|
|
|
99.39244157
|
INDICE DEPRECIOS DE PAASCHE
Este método utiliza ponderaciones del año actual para el denominador del índice ponderado:
P = (sum ptqt/sum p0qt) * 100
PRECIO/CANTIDAD (1994 =100) |
PRECIO (94) - CANT (98)
|
PRECIO (98) - CANT (98)
|
CAÑA DE AZUCAR |
5153.75
|
8369.69
|
CAFÉ |
10427.2
|
12810.56
|
ALGODÓN |
19596.85
|
18254.6
|
ARROZ |
22063.68
|
21646.4
|
MAIZ |
11465.5
|
12213.25
|
PAPA |
40302
|
41466.28
|
PLATANO |
9781.5
|
10564.02
|
ALFALFA |
5903.96
|
5961.28
|
TRIGO |
6039.6
|
6125.88
|
MANZANA |
21596.8
|
15244.8
|
TOTAL |
152330.84
|
152656.76
|
INDICE DE PAASCHE PARA 1998 |
|
100.2139554
|
INDICE IDEAL DE FISHER
Combina las mejores características de Laspeyres y Paasche:
Indice ideal de Fisher = sqr((Laspeyres)(
Paasche))
INDICE IDEAL DE FISHER PARA 1998 |
99.80235321
|
Un ídice de valor mide cambios tanto en los precios, como en las cantidades que intervienen:
V = (sum ptqt/sum p0q0) * 100
TABLA NÚMERO 10: Precios de productos exportables.
|
|
|
|
| |
PRECIO/CANTIDAD (1994 = 100) |
AÑO-94
|
AÑO-95
|
AÑO-96
|
AÑO-97
|
AÑO-98
|
CAÑA DE AZUCAR |
5741.25
|
4774.05
|
7662.4
|
7055.88
|
8369.69
|
CAFÉ |
13960.1
|
12104.89
|
16745.75
|
14788.24
|
12810.56
|
ALGODÓN |
8599.4
|
7521.48
|
10656
|
12341
|
18254.6
|
ARROZ |
20621.3
|
22574.02
|
20519.73
|
27673.8
|
21646.4
|
MAIZ |
12967.4
|
11937.15
|
16999.62
|
10670.55
|
12213.25
|
PAPA |
35208
|
34515.03
|
29589.96
|
22528.98
|
41466.28
|
PLATANO |
14452.5
|
13356.72
|
16096.25
|
11585.42
|
10564.02
|
ALFALFA |
6021.38
|
6417.93
|
7337.52
|
5447.34
|
5961.28
|
TRIGO |
3250.8
|
5897.2
|
7088.76
|
2326.18
|
6125.88
|
MANZANA |
33510.4
|
28476.3
|
17848.68
|
19317.76
|
15244.8
|
TOTAL |
154332
|
147574.8
|
150544.7
|
133735.2
|
152656.8
|
INDICE DE VALOR PARA 1995 (1994 = 100) |
|
|
|
|
95.62133
|
INDICE DE VALOR PARA 1996 (1994 = 100) |
|
|
|
|
97.54568
|
INDICE DE VALOR PARA 1997 (1994 = 100) |
|
|
|
|
86.65392
|
INDICE DE VALOR PARA 1998 (1994 = 100) |
|
|
|
|
98.91421
|
OTROS INDICES
No hay comentarios:
Publicar un comentario