Este documento presenta un modelo econométrico para explicar el número de empresas del sector industrial en España. Se propone un modelo teórico inicial que relaciona la variable dependiente (número de empresas industriales) con 10 variables explicativas como población, número de empresas en otros sectores, etc. Luego, se realizan análisis estadísticos como detección de multicolinealidad, normalidad de residuos y otros para validar el modelo y obtener un modelo final. El objetivo es predecir el número de empresas industriales en función de las variables explicativas sele

1. Modelo econométrico para explicar el número de empresas del sector industria
en España
ALEJANDRO PEREZ- ALEX BOHORQUEZ- NICOLE LA FAYE

2. INTRODUCCION
1.- MODELO TEORICO PROPUESTO
2. ESTUDIO DE MULTICOLINEALIDAD
3. PRIMERAESTIMACION DELMODELOAJUSTADO
4.ANALISIS DE LASIGNIFICATIVIDAD
5.DETECCION GRAFICADE POSIBLES PROBLEMAS
6.ESTUDIO DE LANORMALIDAD DE LOS RESIDUOS
7. ESTUDIO DE LAHETEROCEDASTICIDAD
8. ESTUDIO DE LAAUTOCORRELACION
9.PUNTOSANOMALOS / INFLUYENTES
MODELO FINAL
PREDICCIONES
CONCLUSION

3. INTRODUCCIÓN
3
 PORQUE NOS INTERESA ESTA VARIABLE ? (Y)
 VARIBALES EXPLICATIVAS
 Y Numero de empesas en el Sector industria
 X1 Padrón: Población Total (nº varones)
 X2 Padrón: Población Total ( nº mujeres)
 X3 Construcción (nº empresas)
 X4 Comercio, transporte y hostelería (nº empresas)
 X5 Total servicios (nº empresas)
 X6 Información y comunicaciones (nº empresas)
 X7 Actividades financieras y de seguros (nº
mpresas)
 X8 Actividades inmobiliarias (nº empresas)
 X9 Actividades profesionales y técnicas (nº
empresas)
 X10 Educación, sanidad y servicios sociales (nº
empresas)

4. 1.- MODELO TEORICO
PROPUESTO
DEFINICION DE PARAMETROS (EJ)
 B0
 B1
 X1
Modelo Inicial Téorico (Antes de Correlación
número 1)
Y=Bo+B1*X1+B2*X2+B3*X3+B4*X4+B5*X5+
+B6*X6+B7*X7+B8*X8+B9*X9+B10*X10+U
4

5. Y INDUSTRIA (Número de empresas) nº emp
Industria Variable en Statgraphics (programa paraanálisis estadistico)
Número de empresas del sector industrial cuya
casa matriz esta dentro del territorio español y
ejercen corrientemente su actividad en elpaís.
B0
Valor medio del número de empresas del sector
industrial cuando las variables explicativas valen
cero“0”
X1 PADRÓN: POBLACIÓN TOTAL(Nº
VARONES) Nº VARONES VARIABLE EN STATGRAPHICS (PROGRAMA PARA
ANÁLISIS ESTADISTICO)
Totalde personas residenciadasen España de
sexo masculino.
B1
Incremento medio del número de empresas del
sector industrial cuando aumenta en unaperso-
na lapoblación residenciadaen España de sexo
masculino, y elresto de las variablesexplicativas
permanecenconstantes.
X2 PADRÓN: POBLACIÓN TOTAL(Nº
MUJERES)Nº MUJERES VARIABLE EN STATGRAPHICS (PROGRAMA PARA
ANÁLISIS ESTADISTICO)
Totalde personas residenciadasen España de
sexo femenino.
B2
Incremento medio del número de empresas
del sector industrial cuando aumenta en una
persona la población residenciada en España
de sexo femenino y elresto de las variables
explicativas permanecenconstantes.
X3 CONSTRUCCIÓN (Nº EMPRESAS) Nº EMP
CONSTRUCCIÓN VARIABLE EN STATGRAPHICS (PROGRAMA PARA ANÁLISIS
ESTADISTICO)
Número de empresas del sector de la
construcción cuya casa matriz estadentro del
territorio español y ejercencorrientementesu
actividad en elpaís.
B3
Incremento medio delnúmero de
empresas del sector industrial cuando aumenta
en una sociedad (forma legal de empresa en
España)elnúmero de empresas delsector de la
constrcución cuya casa matriz esta dentro del
territorio español y ejercen corrientemente su
actividaden elpaís y elresto de las variables
explicativas permanecenconstantes.
B5
Incremento medio del número de empresas
del sector servicios cuya casa matriz esta dentro
del territorio español y ejercencorrientementesu
actividad en el país y el resto de las variables
explicativas permanecen constantes.
X6 INFORMACIÓN Y COMUNICACIONES
(Nº EMPRESAS) Nº EMP INFO COM VARIABLE EN STATGRAPHICS
(PROGRAMA PARA ANÁLISIS ESTADISTICO)
Número de empresas del sector de Información
y comunicaciones cuya casa matriz esta dentro
del territorio español y ejercencorrientementesu
actividad en elpaís.
B6
Incremento medio del número de empresas
del sector industrial cuando aumenta en una
sociedad (forma legal de empresa en España)
el número de empresas delsector de Información
y comunicaciones cuya casa matriz esta dentro
del territorio español y ejercencorrientementesu
actividad en el país y el resto de las variables
explicativas permanecen constantes.
X7 ACTIVIDADES FINANCIERAS Y DESEG-
UROS (Nº EMPRESAS) Nº EMP _ACT_FINANCIERAS
VARIABLE EN STATGRAPHICS (PROGRAMA PARA ANÁLISIS ESTADISTICO)
Número de empresas del sector financieroy de segu-
ros cuya casa matriz esta dentro del territorio espa-
ñol y ejercencorrientementesu actividaden elpaís.
X4 COMERCIO,TRANSPORTEY
HOSTELERÍA (Nº EMPRESAS) Nº EMP COM-
ERCIO, TRANSPORTEY HO VARIABLE EN STATGRAPHICS (PROGRAMA
PARA ANÁLISIS ESTADISTICO)
Número de empresas de comercio
transporte y hostelería cuya casa matriz
estadentro delterritorio españoly ejercen
corrientementesu actividaden elpaís.
B4
Incremento medio del número
de empresas del sector industrial
cuando aumenta en una sociedad
( forma legal de empresa en España)
el número de empresas de comercio
transporte y hostelería cuya casa
matriz esta dentro del territorio
español y ejercen corrientemente su
actividad en el país y el resto de las
variables explicativas permanecen
constantes.
X5 TOTALSERVICIOS (Nº EMPRE-
SAS)Nº EMP SERVICIOS VARIABLE EN STATGRAPHICS (PROGRAMA
PARA ANÁLISIS ESTADISTICO)
Número de empresas del sector servicios
cuya casa matriz esta dentro del territorio
español y ejercen corrientemente su acti-
vidad en elpaís.
FULLSCREEN HOME
DEFINCION DE PARAMETROS
(COMPLETO)
5

6. B7
Incremento medio del número de empresas
del sector industrial cuando aumenta en una
sociedad (forma legal de empresa enEspaña)
el número de empresas del sector financiero
y de seguroscuya casa matriz estadentro del
territorio y ejercen corrientemente su actividad
en el país y el resto de las variables explicativas
permanecen constantes.
X8 ACTIVIDADES INMOBILIARIAS (Nº
EMPRESAS) Nº EMP _ACT_INMOBILIARI VARIABLE EN STATGRAPHICS
Número de empresas del sector inmobiliario cuya
casa matriz esta dentro del territorio español y
ejercencorrientementesu actividaden elpaís.
B8
Incremento medio del número de empresas
del sector industrial cuando aumenta en una
sociedad ( forma legal de empresa en España)
el número de empresas del sector inmobiliario
cuya casa matriz estadentro del territorioy
ejercen corrientemente su actividad en el país
y el resto de las variablesexplicativas
permanecen constantes.
X9 ACTIVIDADES PROFESIONALESYTÉC-
NICAS (NºEMPRESAS)
Nº EMP _ACT_PROFESIONAL VARIABLE EN STATGRAPHICS (PROGRAMA PARA
ANÁLISIS ESTADISTICO)
Número de empresas dedicadas a actividades
profesionalesy técnicascuya casa matriz esta
dentro del territorio español y ejercen
corrientementesu actividaden elpaís.
B9
Incremento medio del número de empresas
del sector industrial cuando aumenta en
una sociedad (forma legal de empresa en
España) el úmero de empresas dedicadas
a actividades profesionales y técnicas cuya
casa matriz esta dentro del territorio español
y ejercen corrientemente su actividad en el
país y el resto de las variables explicativas
permanecen constantes.
X10 EDUCACIÓN, SANIDAD Y SERVICIOS
SOCIALES (Nº EMPRESAS) Nº EMP _ACT_EDU_SAN_SE
VARIABLE EN STATGRAPHICS (PROGRAMA PARA ANÁLISIS ESTADISTICO)
Número de empresas dedicadas a actividades
Educación,sanidad y servicios sociales cuya casa
matriz estadentro del territorio español y ejercen
corrientementesu actividaden elpaís.
B10
Incremento medio del número de empresas
del sector industrial cuando aumenta en
una sociedad (forma legal de empresa en
España) el número de empresas dedicadas a ac-
tividades educación,sanidad y servicios sociales
cuya casa matriz esta dentro del territorio espa-
ñol y ejercen corrientemente su actividad en el
país. y el resto de las variables explicativas
permanecen constantes.
U
Perturbación del modelo econométrico. Rep-
resentalas variables explicativasque afectanal
número de empresas del sector industrial en
España,y que no se han tenido en cuentaen el
modelo.
DEFINCION DE PARAMETROS
(COMPLETO)
6

7. cualeselmodelodebeseguirrespectoalos
residuos o lo que llamamos en el modelo,
la variable U, que serán verificadas en los
siguientesanánalisis.
FULLSCREEN HOME
7
HIPÓTESIS(sobre residuos/U)
 Las perturbaciones U son variables
aleatorias
 Todas las perturbaciones tienen la
misma varianza
 Todas las perturbaciones estan
incorrelacionadas entre si
 Las perturbaciones tienen una
distribucion normal

8. 2.- ESTUDIO DE MULTICOLINEALIDAD
Error Estadístico
Parámetro Estimación Estándar T Valor-P
CONSTANTE 239,398 742,824 0,322281 0,7555
nº emp _Act_Edu_san_se 2,54761 2,34135 1,08809 0,3082
nº emp _Act_financieras 3,25102 2,65647 1,22381 0,2558
nº emp _Act_inmobiliari -0,0630529 0,759229 -0,0830486 0,9359
nº emp _Act_profesional -0,243586 0,946264 -0,257418 0,8034
nº emp Comercio,
transporte y ho
-0,0312964 0,269176 -0,116267 0,9103
nº emp Construcción 0,497052 0,204349 2,43236 0,0411
nº emp Info com 0,372158 2,99778 0,124145 0,9043
nº emp servicios -0,353634 0,715922 -0,493956 0,6346
Nº mujeres -0,0847514 0,063683 -1,33083 0,2199
Nº varones 0,0775232 0,0508611 1,52421 0,1660
Fuente
Cuadrados Gl Cuadrado Medio
Razón-F Valor-P
Modelo 1,86496E9 10 1,86496E8 74,21 0,0000
Residuo 2,01037E7 8 2,51296E6
Total(Corr.) 1,88506E9 18
8
CONTRASTE DE HIPÓTESIS
Contraste de hipótesis modelo :
H0 : β1 = β2 = β3 = β4 = 0
H1 : algún βi ≠ 0
α = 0,05
Contraste de hipótesis parametros :
H0 : βi = 0
H1 : βi ≠ 0 α = 0,05
Conclusion : Valores-P > α ...MULTICOLINEALIDAD?

9. DEBAJO DE LA DIAGONAL
PRINCIPAL:
 VALORES SUPERIORES
A 0,7
 MULTICOLINEALIDAD
 REALIZAMOS MATRIZ
INVERSA DE CORRELACION
Matriz de correlaciónes para primer análisis multicolinealidad
Nº varones Nº mujeres nº emp
Construcción
nº emp
Comercio,
transporte yho
nº empservicios nº empInfo
com
nº emp_Act_
financieras
nº emp_Act_
inmobiliari
nº emp_Act_
profesional
nº emp_Act_
Edu_san_se
Nº varones 1 0,999436 0,966554 0,996976 0,950873 0,81794 0,977025 0,918709 0,93296 0,962153
Nº mujeres 0,999436 1 0,969901 0,995879 0,958153 0,833465 0,982716 0,922728 0,942256 0,968742
nº emp
Construcción
0,966554 0,969901 1 0,97534 0,976938 0,879365 0,976959 0,962055 0,962436 0,980572
nº emp
Comercio,
transporte yho
0,996976 0,995879 0,97534 1 0,950434 0,809927 0,972586 0,929318 0,929272 0,961277
nº emp
servicios
0,950873 0,958153 0,976938 0,950434 1 0,950415 0,986538 0,977225 0,997205 0,99849
nº empInfo
com
0,81794 0,833465 0,879365 0,809927 0,950415 1 0,90894 0,913537 0,968456 0,93895
nº emp_Act_
financieras
0,977025 0,982716 0,976959 0,972586 0,986538 0,90894 1 0,9461 0,980575 0,989212
nº emp_Act_
inmobiliari
0,918709 0,922728 0,962055 0,929318 0,977225 0,913537 0,9461 1 0,965619 0,972773
nº emp_Act_
profesional
0,93296 0,942256 0,962436 0,929272 0,997205 0,968456 0,980575 0,965619 1 0,993722
nº emp_Act_
Edu_san_se
0,962153 0,968742 0,980572 0,961277 0,99849 0,93895 0,989212 0,972773 0,993722 1
ESTUDIO DE
9

10. Problema 1 de multicolinealidad(algún valor de la DP de la matriz inversa>10)
Nº varones 28156,08435 -36426,6813 -593,736992 -1338,335511 -11134,20262 -4823,165851 4538,855084 -1563,194345 8178,54295 14615,95491
Nº mujeres -36426,6813 48296,97854 959,0314073 607,7722549 16206,33122 6217,691908 -6186,657352 1988,143475 -11540,18141 -19630,23365
nº emp
Construcción
-593,736992 959,0314073 127,9609294 -92,91234091 -429,8959593 149,321652 -96,39598934 151,0962803 137,6040663 -293,2738328
nº emp
Comercio,
transporte y
ho
-1338,335511 607,7722549 -92,91234091 2259,104269 -3180,238282 1207,222936 2,290682495 417,3304234 1000,747886 -742,3935
nº emp
servicios
-11134,20262 16206,33122 -429,8959593 -3180,238282 30672,52575 544,6163712 -3642,947996 -2716,446098 -15872,58128 -10626,82468
nº empInfo
com
-4823,165851 6217,691908 149,321652 1207,222936 544,6163712 1768,719278 -789,7784859 500,2839045 -1468,601726 -3140,167515
nº emp_Act_
financieras
4538,855084 -6186,657352 -96,39598934 2,290682495 -3642,947996 -789,7784859 1064,972679 -23,8008713 2111,587777 2968,870525
nº emp_Act_
inmobiliari
-1563,194345 1988,143475 151,0962803 417,3304234 -2716,446098 500,2839045 -23,8008713 577,2214264 1070,290076 -330,226291
nº emp_Act_
profesional
8178,54295 -11540,18141 137,6040663 1000,747886 -15872,58128 -1468,601726 2111,587777 1070,290076 9576,06456 6795,176153
nº emp
_Ac_
Edu_san_se
14615,95491 -19630,23365 -293,2738328 -742,3935 -10626,82468 -3140,167515 2968,870525 -330,226291 6795,176153 10147,18414
ESTUDIO DE
MULTICOLINEALIDAD
 En DP valores > 10
 Multicolinealidad
 Identificamos valor
mas grande :
“NUMERO DE
MUJERES”
10

11. Componente
Número Eigenvalor Varianza Acumulado
1 9,57455 95,745 95,745
2 0,324718 3,247 98,993
3 0,0702479 0,702 99,695
4 0,0219557 0,22 99,915
5 0,00629292 0,063 99,978
6 0,000978158 0,01 99,987
7 0,000905412 0,009 99,996
8 0,00030823 0,003 100
9 3,45103E-05 0 100
10 0,000010291 0 100
I.C 964,563
11
I.C Análisis de Componentes Principales
 I.C> 10
 Multicolinealidad
 ELIMINAMOS DE NUESTRO MODELO
N-MUJERES (Valor + grande en matriz inversa)

12. ESTUDIO DE
Nueva matriz ( preparado para matriz de correlaciones 2)
Eliminado variable Nº mujeres
Nº varones nº emp
Construcción
nº emp
Comercio,
transporte yho
nº emp
servicios
nº empInfo
com
nº emp_Act_
financieras
nº emp_Act_
inmobiliari
nº emp_Act_
profesional
nº emp_Act_
Edu_san_se
Nº varones 1 0,966554 0,996976 0,950873 0,81794 0,977025 0,918709 0,93296 0,962153
nº emp
Construcción
0,966554 1 0,97534 0,976938 0,879365 0,976959 0,962055 0,962436 0,980572
nº emp
Comercio,
transportey
ho
0,996976 0,97534 1 0,950434 0,809927 0,972586 0,929318 0,929272 0,961277
nº emp
servicios
0,950873 0,976938 0,950434 1 0,950415 0,986538 0,977225 0,997205 0,99849
nº empInfo
com
0,81794 0,879365 0,809927 0,950415 1 0,90894 0,913537 0,968456 0,93895
nº emp_Act_
financieras
0,977025 0,976959 0,972586 0,986538 0,90894 1 0,9461 0,980575 0,989212
nº emp_Act_ 0,918709 0,962055 0,929318 0,977225 0,913537 0,9461 1 0,965619 0,972773
inmobiliari
nº emp_Act_
profesional
0,93296 0,962436 0,929272 0,997205 0,968456 0,980575 0,965619 1 0,993722
nº emp_Act_
Edu_san_se
0,962153 0,980572 0,961277 0,99849 0,93895 0,989212 0,972773 0,993722 1
12
DEBAJO DE LA DIAGONAL
PRINCIPAL:
 VALORES SUPERIORES
A 0,7
 MULTICOLINEALIDAD
 REALIZAMOS MATRIZ
INVERSA DE CORRELACION

13.  En DP valores >
10
 Multicolinealidad
 Identificamos
valor mas grande
: “Nº EMP
SERVICIOS”
Problema 2 de multicolinealidad (algún valor de la DP de la matriz inversa>10)
Nº varones 682,2516034 129,5863398 -879,9398323 1088,98153 -133,64099 -127,2628076 -63,69125083 -525,3247255 -189,6144393
nº emp
Construcción
129,5863398 108,9174764 -104,9808532 -751,7045094 25,85716201 26,45224851 111,6177851 366,7570434 96,52302769
nº emp
Comercio,
transportey
ho
-879,9398323 -104,9808532 2251,456024 -3384,179787 1128,979105 80,14397276 392,3114993 1145,970264 -495,365389
nº emp
servicios
1088,98153 -751,7045094 -3384,179787 25234,397
33
-1541,766205 -
1566,979246
-3383,57917 -12000,20649 -
4039,785944
nº empInfo
com
-133,64099 25,85716201 1128,979105 -1541,766205 968,2614888 6,683953812 244,3328291 17,0666267 -612,9960727
nº emp
_Act_
financieras
-127,2628076 26,45224851 80,14397276 -1566,979246 6,683953812 272,4856463 230,8726677 633,3348857 454,3130306
nº emp
_Act_
inmobiliari
-63,69125083 111,6177851 392,3114993 -3383,57917 244,3328291 230,8726677 495,3795681 1545,34125 477,851608
nº emp
_Act_
profesional
-525,3247255 366,7570434 1145,970264 -12000,20649 17,0666267 633,3348857 1545,34125 6818,629396 2104,686929
nº emp
_Act_Edu_
san_se
-189,6144393 96,52302769 -495,365389 -4039,785944 -612,9960727 454,3130306 477,851608 2104,686929 2168,50546
13

14. Análisis de Componentes
Principales
Componente Porcentaje de Porcentaje
Número Eigenvalor Varianza Acumulado
1 8,62103 95,789 95,789
2 0,284234 3,158 98,947
3 0,0655561 0,728 99,676
4 0,0209503 0,233 99,909
5 0,00610577 0,068 99,976
6 0,000937063 0,01 99,987
7 0,000877763 0,01 99,997
8 0,000274224 0,003 100
9 3,05169E-05 0 100
I.C 531,507
14
 I.C> 10
 Multicolinealidad
 ELIMINAMOS DE NUESTRO MODELO
“Nº EMP SERVICIOS” (Valor + grande en
matriz inversa)

15. Nueva matriz ( preparado para matriz de correlaciones 3) Eliminado variable
nº emp servicios
Nº varones nº emp
Construcción
nº emp
Comercio,
transporte yho
nº empInfo
com
nº emp_Act_
financieras
nº emp_Act_
inmobiliari
nº emp_Act_
profesional
nº emp_Act_
Edu_san_se
Nº varones 1 0,966554 0,996976 0,81794 0,977025 0,918709 0,93296 0,962153
nº emp
Construcción
0,966554 1 0,97534 0,879365 0,976959 0,962055 0,962436 0,980572
nº emp
Comercio,
transporte yho
0,996976 0,97534 1 0,809927 0,972586 0,929318 0,929272 0,961277
nº empInfo
com
0,81794 0,879365 0,809927 1 0,90894 0,913537 0,968456 0,93895
nº emp_Act_
financieras
0,977025 0,976959 0,972586 0,90894 1 0,9461 0,980575 0,989212
nº emp_Act_
inmobiliari
0,918709 0,962055 0,929318 0,913537 0,9461 1 0,965619 0,972773
nº emp_Act_
profesional
0,93296 0,962436 0,929272 0,968456 0,980575 0,965619 1 0,993722
nº emp_Act_
Edu_san_se
0,962153 0,980572 0,961277 0,93895 0,989212 0,972773 0,993722 1
15
DEBAJO DE LA DIAGONAL
PRINCIPAL:
 VALORES SUPERIORES
A 0,7
 MULTICOLINEALIDAD
 REALIZAMOS MATRIZ
INVERSA DE CORRELACION

16.  En DP valores > 10
 Multicolinealidad
 Identificamos valor mas
grande : “Nº EMP
COMERCIO,TRANSPORTEY HO”
9
2
3
3
Problema 3 de multicolinealidad (algún valor de la DP de
la matriz inversa>10)
Nº varones 635,2569889 162,0258832 -733,8967454 -
67,10661237
-59,64037003 82,32591669 -7,4600405 -15,2788994
nº emp 162,0258832 86,52503876 -205,7917889 -20,07033107 -20,22631289 10,82474115 9,28429642 -23,8176831
nº emp
Comercio,
transportey
ho
-733,8967454 -205,7917889
1797,604375
922,2131592 -130,0032885 -61,45960072 -463,3749368 -1037,14024
nº empInfo
com
-67,10661237 -20,07033107 922,2131592 874,0629629 -89,05503345 37,60357987 -716,11961 -859,818113
nº emp
_Act_
financiera
s
-59,64037003 -20,22631289 -130,0032885 -89,05503345 175,181006 20,76270283 -111,8414014 203,454623
nº emp
_Act_
inmobiliar
i
82,32591669 10,82474115 -61,45960072 37,60357987 20,76270283 41,68900237 -63,71832769 -
63,8270932
nº emp
_Act_
profesiona
l
-7,4600405 9,28429642 -463,3749368 -716,11961 -111,8414014 -63,71832769 1111,936509 183,568509
9
16

17. Análisis de Componentes
Principales
Componente Porcentaje
de
Porcentaje
Número Eigenvalor Varianza Acumulad
o
1 7,62596 95,325 95,325
2 0,279508 3,494 98,818
3 0,0655494 0,819 99,638
4 0,0208921 0,261 99,899
5 0,00610248 0,076 99,975
6 0,00089414
7
0,011 99,986
7 0,00081976
2
0,01 99,997
8 0,00027208
2
0,003 100
I.C 167,416
17
 I.C> 10
 Multicolinealidad
ELIMINAMOS DE NUESTRO
MODELO “Nº EMP
COMERCIO,TRANSPORTEY HO”
(Valor + grande en matriz inversa)

18. Nueva matriz ( preparado para matriz de correlaciones 4) Eliminado variable nº emp
Comercio, transporte y ho
Nº varones nº emp
Construcción
nº empInfo
com
nº emp_Act_
financieras
nº emp_Act_
inmobiliari
nº emp_Act_
profesional
nº emp_Act_
Edu_san_se
Nº varones 1 0,966554 0,81794 0,977025 0,918709 0,93296 0,962153
nº empConstrucción 0,966554 1 0,879365 0,976959 0,962055 0,962436 0,980572
nº emp Info com 0,81794 0,879365 1 0,90894 0,913537 0,968456 0,93895
nº emp_Act_financieras 0,977025 0,976959 0,90894 1 0,9461 0,980575 0,989212
nº emp_Act_inmobiliari 0,918709 0,962055 0,913537 0,9461 1 0,965619 0,972773
nº emp_Act_profesional 0,93296 0,962436 0,968456 0,980575 0,965619 1 0,993722
nº emp_Act_Edu_san_se 0,962153 0,980572 0,93895 0,989212 0,972773 0,993722 1
ESTUDIO DE
DEBAJO DE LA DIAGONAL PRINCIPAL:
 VALORES SUPERIORES
A 0,7
 MULTICOLINEALIDAD
 REALIZAMOS MATRIZ INVERSA DE
CORRELACION
MULTICOLINEALIDAD
18

19.  En DP valores > 10
 Multicolinealidad
Identificamos valor mas grande :
“Nº emp _Act_ profesional”
Problema 4 de multicolinealidad (algún valor de la DP de la matriz
inversa>10)
Nº varones 335,6335344 78,00855087 309,3996119 -112,7160032 57,23418818 -196,6392407 -438,7056888
nº emp 78,00855087 62,96576122 85,505678 -35,1092369 3,788776312 -43,76339222 -142,5506752
nº empInfo
com
309,3996119 85,505678 400,9460064 -22,36030068 69,13379494 -478,3974113 -327,7408701
nº emp
_Act_
financier
as
-112,7160032 -35,1092369 -22,36030068 165,7791291 16,31792604 -145,3528161 128,448329
nº emp
_Act_
inmobili
ari
57,23418818 3,788776312 69,13379494 16,31792604 39,58771547 -79,56098973 -99,28663375
nº emp
_Act_
profesio
nal
-
196,639240
7
-
43,7633922
2
-478,3974113-145,3528161 -79,56098973 992,4906869 -
83,7788560
5
nº emp
_Act_Ed
u_
san_se
-438,7056888 -142,5506752 -327,7408701 128,448329 -99,28663375 -83,77885605 923,3891059
19

20. Análisis deComponentes
Principales
Componente Porcentaje de Porcentaje
Número Eigenvalor Varianza Acumulado
1 6,6926 95,609 95,609
2 0,213993 3,057 98,666
3 0,0655228 0,936 99,602
4 0,0205516 0,294 99,895
5 0,00580459 0,083 99,978
6 0,000882961 0,013 99,991
7 0,000646198 0,009 100
20
I.C 101,769
 I.C> 10
 Multicolinealidad
ELIMINAMOS DE NUESTRO MODELO “Nº
emp _Act_ profesional” (Valor + grande en matriz
inversa)

21. Nueva matriz ( preparado para matriz de correlaciones 5)
Eliminado variable nº emp _Act_profesional
Nº varones nº emp
Construcción
nº empInfo
com
nº emp_Act_
financieras
nº emp_Act_
inmobiliari
nº emp_Act_
Edu_san_se
Nº varones 1 0,966554 0,81794 0,977025 0,918709 0,962153
nº emp
Construcción
0,966554 1 0,879365 0,976959 0,962055 0,980572
nº empInfo
com
0,81794 0,879365 1 0,90894 0,913537 0,93895
nº emp_Act_
financieras
0,977025 0,976959 0,90894 1 0,9461 0,989212
nº emp_Act_
inmobiliari
0,918709 0,962055 0,913537 0,9461 1 0,972773
nº emp_Act_
Edu_san_se
0,962153 0,980572 0,93895 0,989212 0,972773 1
DEBAJO DE LA DIAGONAL PRINCIPAL:
 VALORES SUPERIORES
A 0,7
 MULTICOLINEALIDAD
 REALIZAMOS MATRIZ INVERSA DE
CORRELACION
21

22. 22
En DP valores > 10
Multicolinealidad
Identificamos valor
mas grande : “ Nº emp
_Act_ Edu_san_se”

23. Análisis deComponentes
Principales
Componente Porcentajede Porcentaje
Número Eigenvalor Varianza Acumulado
1 5,70646 95,108 95,108
2 0,202805 3,38 98,488
3 0,063737 1,062 99,55
4 0,0204801 0,341 99,891
5 0,00579101 0,097 99,988
6 0,000724747 0,012 100
23
 I.C> 10
 Multicolinealidad
 ELIMINAMOS DE NUESTRO
MODELO “Nº emp _Act_
Edu_san_se” (Valor + grande en matriz
inversa)
IC 88,734

24. Nueva matriz ( preparado para matriz de correlaciones 6) Eliminado
variable nº emp_Act_Edu_san_se
Nº varones nº emp
Construcción
nº empInfo
com
nº emp_Act_
financieras
nº emp_Act_
inmobiliari
Nº varones 1 0,966554 0,81794 0,977025 0,918709
nº emp
Construcción
0,966554 1 0,879365 0,976959 0,962055
nº empInfo
com
0,81794 0,879365 1 0,90894 0,913537
nº emp_Act_
financieras
0,977025 0,976959 0,90894 1 0,9461
nº emp_Act_
inmobiliari
0,918709 0,962055 0,913537 0,9461 1
24
DEBAJO DE LA DIAGONAL PRINCIPAL:
 VALORES SUPERIORES
A 0,7
 MULTICOLINEALIDAD
 REALIZAMOS MATRIZ INVERSA DE
CORRELACION

25. ESTUDIO DE
MULTICOLINEALIDAD
Problema 6 de multicolinealidad (algún valor de la DP de la matriz
inversa>10)
Nº varones 70,43982505 -3,329090488 31,70087296 -83,78683214 -11,20013158
nº emp -3,329090488 37,69525141 5,658171916 -22,97629503 -16,63751637
nº empInfo
com
31,70087296 5,658171916 22,4592973 -45,74888878 -11,80172529
nº emp
_Act_ financieras
-83,78683214 -22,97629503 -45,74888878 129,7616829 18,10595073
nº emp
_Act_ inmobiliari
-11,20013158 -16,63751637 -11,80172529 18,10595073 20,94714023
25
 En DP valores > 10
 Multicolinealidad
Identificamos valor mas
grande :Nº emp
_Act_ financieras

26. Análisis deComponentes
Principales
Componente Porcentaje de Porcentaje
Número Eigenvalor Varianza Acumulado
1 4,70919 94,184 94,184
2 0,202427 4,049 98,232
3 0,0633198 1,266 99,499
4 0,0203242 0,406 99,905
5 0,00473556 0,095 100
FULLSCREEN HOME
26
I.C 31,53
 I.C> 10
 Multicolinealidad
 ELIMINAMOS DE NUESTRO MODELO “Nº
emp _Act_ financieras ” (Valor + grande en
matriz inversa)

27. Nueva matriz (preparado para matriz de correlaciones 7) Eliminado variable nº emp
_Act_financieras
Nº varones nº emp
Construcción
nº empInfo
com
nº emp_Act_
inmobiliari
Nº varones 1 0,966554 0,81794 0,918709
nº emp
Construcción
0,966554 1 0,879365 0,962055
nº empInfo
com
0,81794 0,879365 1 0,913537
nº emp_Act_
inmobiliari
0,918709 0,962055 0,913537 1
27
DEBAJO DE LA DIAGONAL PRINCIPAL:
 VALORES SUPERIORES
A 0,7
 MULTICOLINEALIDAD
 REALIZAMOS MATRIZ INVERSA DE
CORRELACION

28.  En DP valores > 10 y 1 valor < 10 (nº
emp Info com)
 Multicolinealidad
Identificamos valor mas grande :Nº emp
Construccion
Problema 7 de multicolinealidad (algún valor de la
DP de la matriz inversa>10)
Nº varones 16,33885253 -18,16483346 2,160916483 0,49084083
nº empConstrucción -18,16483346 33,62694618 -2,442370114 -13,43158025
nº emp Info com 2,160916483 -2,442370114 6,33003034 -5,418275968
nº emp_Act_
inmobiliari
0,49084083 -13,43158025 -5,418275968 18,42077463
FULLSCREEN HOME
28

29. Análisis deComponentes
Principales
Componente Porcentaje de Porcentaje
Número Eigenvalor Varianza Acumulado
1 3,73081 93,27 93,27
2 0,198546 4,964 98,234
3 0,0504839 1,262 99,496
4 0,0201602 0,504 100
IA
29
 I.C> 10
 Multicolinealidad moderada
 ELIMINAMOS DE NUESTRO MODELO “Nº
emp _construccion” (Valor + grande en matriz
inversa)
I.C 13,604

30. Problema 8 de multicolinealidad (algún valor de la DP
de la matrizinversa>10)
Nº varones 6,526448718 0,841580313 -6,76472193
nº emp Info com 0,841580313 6,15263773 -6,393829622
nº emp_Act_inmobiliari -6,76472193 -6,393829622 13,05581085
Nueva matriz ( preparado para matriz de correlaciones)
Eliminado variable nº emp Construcción
Nº varones nº emp Info com nº emp
_Act_inmobiliari
Nº varones 1 0,81794 0,918709
nº emp Info com 0,81794 1 0,913537
nº emp_Act_inmobiliari 0,918709 0,913537 1
30
DEBAJO DE LA DIAGONAL PRINCIPAL:
 VALORES SUPERIORES A 0,7
 MULTICOLINEALIDAD
 REALIZAMOS MATRIZ INVERSA DE CORRELACION
 En DP 1 valor > 10 (nº emp _Act_inmobiliari)
 Multicolinealidad
 Identificamos valor mas grande :Nº nº emp
_Act_inmobiliari

31.  I.C < 10
 No existe Multicolinealidad
(en otras pruebas si)
 ELIMINAMOS DE NUESTRO
MODELO “Nº emp
_Act_inmobiliari ” (Valor +
grande en matriz inversa)
31
Componente PorcentajedePorcentaje 7,418
Número Eigenvalor Varianza Acumulado
1 2,76758 92,253 92,253
2 0,182125 6,071 98,324
3 0,0502949 1,676 100
I.C 7.418

32. Nueva matriz ( preparado para matriz de
correlaciones)
Eliminado variable nº emp _Act_inmobiliari
Nº varones nº emp Info com
Nº varones 1 0,81794
nº empInfo
com
0,81794 1
Problema 9 de multicolinealidad(algún valor de la DP de la matriz
inversa>10)
Nº varones 3,021383938 -2,471310778
nº emp Info com -2,471310778 3,021383938
32
Estudio de multicolinealidad
No logramos concluir con la matriz inversa
Valores < 10
 No existe multicolinearidad
ESTUDIO DE
DEBAJO DE LA DIAGONAL
PRINCIPAL:
 VALORES SUPERIORES
A 0,7
 MULTICOLINEALIDAD
 REALIZAMOS MATRIZ INVERSA
DE CORRELACION
 IC < 10
 No existe
multicolinealidad en
esta prueba
 Comparar regresiones
: multicolinealidad en
el modelo
1
2
3

33. 33
DOS MODELOS(ELIMINAR
MULTICOLINEALIDAD)
R^2
63,42 "Regresión Multiple sobre la variable nº
emp Infocom "
92,77 "Regresión Multiple sobre la variable Nº
varones "
Comparamos 2
regresiones
R^2 mas alto : N
varones
Estudio de multicolinealidad
IC < 10
 No existe
multicolinealidad

34. 1.R-cuadrado = 92,7656%
2.R-cuadrado (ajustado) = 92,34 %
3.Error estándar del est.= 2832,31
4.Error absoluto medio = 1976,43
5.Estadístico Durbin-Watson = 1,72708 (P=0,2745)
6.Autocorrelación de residuos en retraso 1 = -0,00550153
MODELO (ELIMINAR MULTICOLINEALIDAD) Variables independientes:
Nº varones
Error Estadístico
Parámetro Estimación Estándar T Valor-P
CONSTANTE 873,128 918,767 0,950326 0,3553
Nº varones 0,00798041 0,000540518 14,7644 0
Análisis deVarianza
Fuente Suma deCuadrados Gl Cuadrado Medio Razón-F Valor-P
Modelo 1,75E+09 1 1,75E+09 217,99 0
Residuo 1,36E+08 17 8,02E+06
Total(Corr.) 1,89E+09 18
REGRESIÓN MÚLTIPLE - NºEMP
INDUSTRIA
 La ecuación del modelo ajustado es:
nºempIndustria=873,128+0,00798041*Nº
varones
 valor-P < 0,05 , variable significativa
34

35. 1.R-cuadrada = 63,4225 %
2.R-cuadrado (ajustado para g.l.)= 61,2709 %
3.Error estándar del est.= 6368,62
4.Error absoluto medio = 4796,86
5.Estadístico Durbin-Watson = 1,91048 (P=0,4411)
6.Autocorrelaciónderesiduosenretraso1=-0,0650305
MODELO (ELIMINAR MULTICOLINEALIDAD) Variables independientes:
nºemp Info com
Error Estadístico
Parámetro Estimación Estándar T Valor-P
CONSTANTE 5274,05 1745,94 3,02076 0,0077
nº empInfo
com
1,55209 0,285876 5,42924 0,0000
Análisis deVarianza
Fuente Suma deCuadrados Gl Cuadrado Medio Razón-F Valor-P
Modelo 1,19555E9 1 1,19555E9 29,48 0,0000
Residuo 6,89508E8 17 4,05593E7
Total(Corr.) 1,88506E9 18
REGRESIÓN MÚLTIPLE - NºEMP
INDUSTRIA
 Laecuacióndel modelo ajustadoes :
nº emp Industria = 5274,05 + 1,55209*nº
emp Infocom
 valor-P < 0,05, variable significativa
FULLSCREEN HOME
35

36. MODELO (ELIMINAR MULTICOLINEALIDAD) Variables independientes:
Nº varones
Error Estadístico
Parámetro Estimación Estándar T Valor-P
CONSTANTE 873,128 918,767 0,950326 0,3553
Nº varones 0,00798041 0,000540518 14,7644 0
36
3. PRIMERA ESTIMACIÓN DEL MODELO AJUSTADO Y ANALISIS
DE LA SIGNIFICATIVIDAD (4)
 La ecuación del modelo ajustado es
nº emp Industria = 873,128 + 0,00798041*Nº
varones
 CONTRASTE DE HIPÓTESIS
Contraste de hipótesis parametros :
H0 : βi = 0
H1 : βi ≠ 0
α = 0,05
Contraste de hipótesis modelo :
H0 : β1 = β2 = β3 = β4 = 0
H1 : algún βi ≠ 0
α = 0,05
Análisis deVarianza
Fuente Suma deCuadrados Gl Cuadrado Medio Razón-F Valor-P
Modelo 1,75E+09 1 1,75E+09 217,99 0
Residuo 1,36E+08 17 8,02E+06
Total(Corr.) 1,89E+09 18

37. Gráfico de Residuos
0 1 2 3 4 5
(X 1,E6)Nº varones
-4
-2
0
2
4
RediduoEstudentizado
Gráfico de Residuos
0 4 8 12 16 20
número de fila
-4
-2
0
2
4
RediduoEstudentizado
Gráfico de RESIDUOS^2
-3 7 17 27 37 47
(X 1,E6)predicho
-3
7
17
27
37
(X 1,E6)
47
observado
Gráfico de Residuos
0 1 2 3 4
(X 1,E7)predicho RESIDUOS^2
-4
-2
0
2
4
RediduoEstudentizado
5. Detección gráfica de posibles problemas
37

38. 6.ESTUDIO DE LA NORMALIDAD DE LOS RESIDUOS
 Contraste de hipótesis para la normalidad de residuos
Ho: Los residuos se distribuyen normalmente
H1: Los residuos NO se distribuyen normalmente
P-Valor ≥ α  aceptamos H0
Análisis deVarianza
Prueba Estadístico
FULLS
Valor-P
CREEN HOME
Chi-Cuadrado 10,6842 0,297977
EstadísticoW
de Shapiro- Wilk 0,973675 0,830776
Valor-Z para
asimetría
0,105986 0,915588
Valor-Z para
curtosis
Datos Insuficientes
38

39.  Valor-P de N varones respectos a los
residuos^2 < 0.05 , existe
heterocedasticidad
 Solucionar el problema
7. ESTUDIO DELA HETEROCEDASTICIDAD
39
 HETEROCEDASTICIDAD
e 2 = β0 + β1X1 + β2X2 + ... + βkXk + U
H0: σ ^2 = constante La variable no genera
heterocedasticidad
H1: σ ^2 diferente de la constante La
variable genera heterocedasticidad

40. Modelo resultante
nº emp Industria/(Nº varones^1,5) = -399,425*1/(Nº
varones^1,5) + 0,0113827*Nº varones/(Nº varones^1,5)
Solución teórica
DEBEMOS PROBAR VALORES DE“H”HASTA QUE ENCONTREMOS EL R2 MÁS
ALTO.
𝑅𝑒𝑠𝑖𝑑𝑢𝑜𝑠2= 𝛽0 + 𝛽 𝑋ℎ + 𝑈
h "R2"
1 77,6146
2 83,1447
3 83,4205
4 82,3377
5 80,4974
-1 7,71161
-2 3,8439
0,5 65,5001
0,33 58,2286
h 3
C 1,5
40
Nº emp Industria/(Nº varones^1,5) = B0/ (Nº varones^1,5 ) +B1 /(Nº varones^1,5) *
Nº varones /(Nº varones^1,5)

41.  Modelo no tiene heterolasticidad
 RES ^2 (modelo con el que seguimos el
analisis)
VERIFICACIÓN DE HETEROCEDASTICIDAD
41

42. Autocorrelaciones Parciales Estimadas para RESIDUOS2
0 2 6 84
retraso
-1
-0,6
-0,2
0,2
0,6
1
AutocorrelacionesParciales
Autocorrelaciones Estimadas para RESIDUOS2
0 2 6 84
retraso
-1
-0,6
-0,2
0,2
0,6
1
Autocorrelaciones
FAS yFAP
 Los factores de autocorrelación no superan los limites de
autocorrelación = No existe autocorrelacion
42
8. ESTUDIO DE
AUTOCORRELACION

43. + no -
Gráfico deDurbin-Watson 1
n=19
k=1
α = 0,05
DL =1,18
DU =1,40
0 41,40 2,6 2,821,18
Estadístico Durbin-Watson =
0,991486
Presencia de autocorrelación
positiva de primer orden
FULLSCREEN HOME
43

44. Contraste de hipótesis de Durbin-Watson
no poseemos
el Valor-P del Estadistico de
Durbin Watson
La Razón-F es lo
suficientemente aceptable
suponemos que
NO existe autocorrelación
.
44

45. Puntos Influyentes
Distancia de
MahalanobisFila Influencia DFITS
10 0,508072 16,6135 -0,147333
15 0,485712 15,111 -0,373854
19 0,164336 2,39866 3,22643
Influencia media de un solo punto = 0,105263
Puntos atípicos
Fila Y Predicha Residuo Estudentizado
19 0,0000379624 0,0000223515 0,0000156109 7,28
PUNTOS INFLUYENTES:
2*√0.105263= 0.64889
FILA 19 IDFITSI > 0.64889
A Posteriori Candidato a ser eliminado
PUNTOS ATIPICOS:
FILA 19
Residuos estudentizados > 3
A priori Candidato a ser eliminado
Eliminamos FILA 19 “La Rioja”
PuntoAnómalo
PuntoAnómalo candidato aeliminar del
modelo
9.Estudio puntos anómalos e influyentes
45

46. + no -
Gráfico de Durbin-Watson2
n=18
k=1
α = 0,05
DL =1,16
DU =1,39
0 41,39 2,61 2,841,16
n= 18
Estadístico Durbin-Watson = 1,54773
No existe autocorrelación
FULLSCREEN HOME
46

47. R-cuadrada = 100,0 porciento
R-cuadrado (ajustado para g.l.) = 0
porciento Error estándardel est. = 0
Error absoluto medio = 0,0000014617
Estadístico Durbin-Watson
= 1,54773
Autocorrelación de residuos en retraso 1 =
0,205636
La ecuación del modelo ajustado es
Nº emp Industria/(Nº varones^1,5) = -
337,635*1/ (Nº varones^1,5) + 0,00977479*Nº
varones/(Nº varones^1,5)
Análisis deVarianza
Fuente Suma deCuadrados Gl Cuadrado Medio Razón-F Valor-P
Modelo 2,01237E-9 2 1,00618E-9
Residuo 0 16 0
Total 2,01237E-9 18
Parámetro Estimación Estándar T Valor-P
1/(Nº
varones^1,5)
-337,635 0
Nº varones/(Nº
varones^1,5)
0,00977479 0
PROPUESTA DE MODELO FINAL
47

48. Resultados de la Regresión para nº emp Industria/(Nº varones^1,5)
Ajustado Error Est. Inferior 95,0% Superior 95,0% Inferior 95,0%
Fila LC para
Pronóstico
LC para
Pronóstico
LC para
Pronóstico
LC para laMedia
19 4,0658E-06 0 4,0658E-06 4,0658E-06 4,0658E-06
(Nº varones^1,5) 1102017841
Predicción (Industria/
(Nº varones^1,5))*(Nº
varones^1,5)
4480,584139 4480,584139 4480,584139 4480,584139
Superior 95,0%
Fila LC para laMedia
19 4,0658E-06
PREDICCIONES
48
 4,0658E-06 * (1066905)^1,5 = 4480,54
 Prediccion puntual es de 4480,58
 (4480,58 ≤ nº emp Industria ≤ 4480,58)

49.  Explicar el numero de empresas en el sector industrial en las diferentes comunidades españolas, usamos 10
variables explicativas
 Debido a los problemas de multicolinealidad eliminamos 9 variables y nos quedamos con 1 : N varones
Encontramos que :
 la variable y el modelo son sgnificativos
 los residuos estan distribuidos de forma normal
 no existen problemas de heterocedasticidad
 no existen problemas de autocorrelacion
 no existen puntos anomalos/ influyentes
 Podemos concluir que el numero de varones que residen en una comunidad española explica el numero
de empresas en el sector industrial que existe en esa comunidad.
 R^2 = 100 %
CONCLUSIONES
49

50. Modelo econométrico para explicar el número de empresas del sector industria
en España
ALEJANDRO PEREZ- ALEX BOHORQUEZ- NICOLE LA FAYE