Anlisis causal (extensin al modelo de regresin lineal mltiple)

Un modelo de regresin lineal mltiple para estimar la demanda, basado en datos de series temporales, puede expresarse de la siguiente forma:

0 + 1X 1 + 2X 2 + 3 X 3 + t Yt =

donde: Yt: es la variable dependiente que en el caso de un pronstico de ventas seran las ventas realizadas por unidad de tiempo (un mes, un trimestre o un ao, por ejemplo).

Las Xs son variables independientes que explican la variabilidad de la variable dependiente. En el caso de una estimacin de demanda (para pronosticar ventas), las principales variables explicativas de la demanda en general son el precio del producto, el precio de los bienes complementarios o sustitutos, el ingreso de los consumidores, la calidad del bien cuya demanda se quiere estimar. En la ecuacin anterior, estas variables podran ser, por ejemplo: X1: precio del producto vendido X2: precio de un bien sustituto o complementario X3: ingreso de los consumidores del bien Y.

Adicionalmente, una variable explicativa o independiente podra ser una simple tendencia temporal formada por una sucesin de nmeros enteros indicativos del periodo de cada medicin. t corresponde a un trmino de error que explica la variabilidad de Y como resultado de todos los dems factores no considerados en la regresin estimada.

Ejemplo:

Un grupo consultor ha sido contratado por el gerente de una reconocida empresa que produce y vende bicicletas y ha estimado una regresin para pronosticar la demanda 1

de bicicletas en el rea de influencia de la compaa con informacin proveniente de una muestra con datos semestrales del periodo 2003 a 2012. La ecuacin estimada por el grupo consultor arroja los siguientes resultados:

Qb = 609 16 Pb + 21 Ps + 9,47 Y + 470 t

Qb: es la cantidad de bicicletas vendidas por semestre. Ps: es el precio de las bicicletas de la compaa (deflactado por el ndice de precios al consumidor). Ps: es el precio de las bicicletas de la competencia (deflactado por el ndice de precios al consumidor) Y es el ingreso real per cpita disponible de la regin de influencia de la empresa (en miles de pesos) t: es la tendencia temporal (t=1 para el primer semestre de 2003, t=2 para el segundo semestre de 2003, ... , t=20 para el segundo semestre de 2012).

El Gerente de la empresa quiere realizar un pronstico de ventas para los dos trimestres de 2013 con la siguiente informacin:

El precio promedio real de las bicicletas de la empresa se espera que sea igual 850 y que se mantenga durante todo el ao (Pb= 850). El precio promedio real de las bicicletas de la competencia se espera que sea igual a 950 y que se mantenga durante todo el ao (Ps= 950). El ingreso real per cpita disponible en la regin se espera que sea igual a $3500 (Y = 3500). Los valores de la variable de tendencia temporal incorporada al anlisis son: t = 21 para pronosticar el primer semestre de 2013 (ya que el ltimo dato de la serie histrica fue igual a 20 y correspondi al segundo semestre de 2012) t = 22 para pronosticar el segundo semestre de 2013.

El pronstico por extrapolacin para el primer semestre de 2013 ser:

Qb = 6090 16 Pb + 21 Ps + 9,47 Y + 470 t = 6090 16 x 850 + 21 x 950 + 9,47 x 3500 + 470 x 21 = 55.455

Y el pronstico para el Segundo semester de 2013 ser:

Qb = 6090 16 Pb + 21 Ps + 9,47 Y + 470 t = 6090 16 x 850 + 21 x 950 + 9,47 x 3500 + 470 x 22 = 55.925

Referencias Bibliogrficas: Ballou, Ronald (1991). LOGISTICA EMPRESARIAL. Ediciones Daz de Santos, S.A. Madrid. Bowersox, D., D. Closs y M. Cooper (2007). Administracin y logstica en la cadena de suministros. Christopher, Martin (2000). Logstica. Aspectos estratgicos. Editorial Limusa. Mxico, D.F.