Академический Документы
Профессиональный Документы
Культура Документы
METODOLOGA
DE LA
INVESTIGACIN TRIBUTARIA
Samuel Emilio Vergara Hernndez
Abogado
Doctor en Derecho
Magster en Planificacin y Gestin Tributaria
PREFACIO
Este curso tiene como propsito ensear la metodologa de la investigacin cientfica, a todas aquellas personas que deben hacer
una tesis para optar a un postgrado en Derecho Tributario, Tributacin o Planificacin Tributaria, con nfasis en el SABER-HACER.
En el mercado, existen varios textos sobre metodologa de la investigacin cientfica; pero ninguno de ellos se refiere a la investigacin
tributaria, sino que a la metodologa de la investigacin cientfica en
general o a metodologas particulares.
En la exposicin de las distintas etapas del mtodo de investigacin cientfico se ha procurado dar ejemplos relacionados con temas tributarios, particularmente en la prueba de hiptesis, a fin de
facilitar la comprensin de la teora, ya que sta desvinculada de la
prctica puede resultar difcil de entender o aplicar.
En materia de prueba de hiptesis hemos expuesto, adems de las
pruebas estadsticas, una prueba que tiene especial importancia en
investigaciones relacionadas con la planificacin tributara. Esta
prueba de hiptesis consiste en el experimento hipottico, que se
ha usado desde el Derecho Romano, en el mbito jurdico, y tambin se ha usado en otras disciplinas, como la Fsica. Por ejemplo,
Einstein prob su teora de la relatividad general mediante experimento hipottico y razonamiento matemtico. En el experimento hipottico se manipulan las variables independientes y despus se
mide el efecto que producen en la variable dependiente, lo que se
hace agregando o suprimiendo mentalmente las variables independientes. En Derecho, para determinar la relacin de causalidad entre una accin y su resultado, se suprime mentalmente el hecho que
se considera causa y luego se ve el efecto que produce.
Tambin hemos expuesto la simulacin como prueba de hiptesis,
particularmente la simulacin computacional, que se basa en la
misma idea del experimento hipottico; pero la situacin hipottica
se maneja mediante tcnicas y programas computaciones.
Samuel Vergara Hernndez
Porque estudian las formas vlidas de inferencia: Lgica y Matemtica. Por eso, no tienen contenido concreto, es un contenido formal en contraposicin al resto de las ciencias fcticas o empricas.
Ciencias
naturales
Ciencias
sociales
Mario Bunge (2004) seala que la diferencia primera y ms notable entre las varias ciencias es la que se presente entre ciencias
formales, como la lgica y la matemtica; y la ciencias fcticas, como la economa, la sociologa, etc. (factuales sociales), la
fsica, la qumica, etc. (factuales naturales).
Ciencia
Factual
Ciencia
Formal
La reproducibilidad, es decir, la capacidad de repetir un determinado experimento en cualquier lugar y por cualquier persona. Esto se basa, esencialmente, en la comunicacin y publicidad de los resultados obtenidos. En la actualidad, stos se publican generalmente en revistas cientficas y revisadas por pares.
La falsabilidad, esto es, la capacidad de una teora de ser sometida a potenciales pruebas que la contradigan. Bajo este criterio se delimita el mbito de lo que es ciencia de cualquier otro
conocimiento que no lo sea: es el denominado criterio de demarcacin de Karl Popper. La corroboracin experimental de una
teora cientficamente "probada" -aun la ms fundamental de
ellas- se mantiene siempre abierta a escrutinio (falsacionismo).
II. EPISTEMOLOGA
1. CONCEPTO
La teora del conocimiento o epistemologa, junto con la lgica y la
metodologa, constituyen tres ramas importantes en el campo del
saber cientfico.
La lgica estudia las condiciones formales de la verdad en el
campo de las ciencias (las leyes del pensar correcto).
La metodologa es la teora de los procedimientos generales de
investigacin que describe las caractersticas del proceso de investigacin cientfica y las etapas en que se divide dicho proceso, y se
refiere a los mtodos de investigacin cientfica y las tcnicas relacionadas con dichos mtodos.
La epistemologa es la teora del conocimiento, que investiga las
teoras y conceptos cientficos, e intenta fundamentarlos y evaluarlos. El trmino ms cercano a la epistemologa es el de filosofa de
las ciencias.
2. CLASES
La epistemologa o teora del conocimiento se puede clasificar en
tres categoras, a saber:
Las que parten de una reflexin sobre las ciencias y tienden a
prolongarla en una teora general del conocimiento;
Las que, apoyndose en una crtica de las ciencias, procuran alcanzar un modo de conocimiento distinto del conocimiento cientfico; y
Las que permanecen en el interior de una reflexin sobre las
ciencias.
Samuel Vergara Hernndez
10
3. EPISTEMOLOGAS REGIONALES
Las epistemologas regionales son construidas de acuerdo con las
caractersticas y necesidades de cada ciencia o campo especializado de conocimiento.
As, es posible distinguir, entre otras:
Epistemologa de la lgica
Epistemologa de la fsica
Epistemologa de la sociologa
Epistemologa del derecho
Epistemologa de la economa, etc.
4. PROBLEMAS QUE COMPETEN A LA EPISTEMOLOGA
Para Mario Bunge, una autntica epistemologa debe abordar,
entre otros, los siguientes aspectos:
Debe hacer referencia a la lgica de la ciencia;
Debe estudiar la semntica de la ciencia;
Debe reflexionar sobre la ontologa de la ciencia; y
Debe reflexionar sobre la axiologa de la ciencia.
11
12
Explicacin causal; y
Prediccin.
3.2. Concepcin hermenutica
Para este movimiento, el mtodo propio de las ciencias sociales es
el de la comprensin y no el de la explicacin propuesta por el positivismo.
Se trata de entender o interpretar el sentido o el significado de los
actos humanos. Aqu opera la intersubjetividad en la generacin del
conocimiento, en oposicin a la objetividad que propone el positivismo.
3.3. Racionalismo crtico
El racionalismo crtico tiene su origen en el decenio de 1930. Su
principal exponente fue Karl Popper. Constituye una postura intermedia entre el positivismo y la hermenutica. En esta postura, el
conocimiento es la interpretacin de las experiencias. Pone nfasis
en lo cuali-cuantitativo, y subraya la importancia de las tcnicas para obtener datos. Describe una relacin entre las ciencias naturales
y las sociales. Propone la falsacin y no la verificacin. La ciencia
se construye mediante el mtodo deductivo y se valida con la crtica.
La corriente del racionalismo crtico pretende establecer un equilibrio entre el conocimiento y la accin. La ciencia tiene criterios propios diferentes e independientes de las condicionantes ambientales.
Se acepta el valor del conocimiento emprico en la construccin del
conocimiento cientfico.
3.4. Situacin actual del concepto de ciencia
En este punto nos referiremos, sucintamente, a las revoluciones
cientficas, a la metodologa de programas de investigacin, a la
anarqua del mtodo y al pensamiento complejo.
Samuel Vergara Hernndez
13
14
15
16
17
18
19
20
21
22
23
B. Mtodo hipottico-deductivo
Segn este mtodo, se parte de aseveraciones que tienen la calidad de hiptesis y se busca falsear o refutar tales hiptesis, deduSamuel Vergara Hernndez
24
Ejemplo:
"Al estudiar el rendimiento acadmico de un determinado curso tributacin, estudiamos los resultados de todos los estudiantes del
Samuel Vergara Hernndez
25
26
Estas operaciones no existen independientes una de la otra; el anlisis de un objeto se realiza a partir de la relacin que existe entre
los elementos que conforman dicho objeto como un todo; y a su
Samuel Vergara Hernndez
27
28
El mtodo cientfico de investigacin es el conjunto de etapas y reglas que sealan el procedimiento para llevar a cabo una investigacin, cuyos resultados sean aceptados como vlidos por la comunidad cientfica.
En general, el mtodo cientfico de investigacin supone las siguientes etapas esenciales, a saber:
Planteamiento del problema de investigacin, que supone la enunciacin, la formulacin y la sistematizacin.
Formulacin de una hiptesis de investigacin, es decir,
de una afirmacin provisional acerca de la solucin del problema
planteado.
Contrastacin o demostracin de la hiptesis de investigacin, mediante el uso del instrumento de prueba adecuado.
Exposicin de resultados, a travs de la conclusin.
Sin embargo, hay autores que desarrollan un mtodo propio de investigacin, que consta de varias otras etapas, adems de las reseadas precedentemente, entre los cuales cabe sealar a:
-Bunge;
-Arias Galicia;
-Hernndez, Fernndez y Baptista; y
-Bernal.
2. MTODO DE MARIO BUNGE
Planteamiento del problema
Construccin del modelo terico
Deduccin de consecuencias particulares
Aplicacin de la prueba
Introduccin de las conclusiones en la teora
Samuel Vergara Hernndez
29
30
31
Lo anterior le da una connotacin que va ms all de un mero listado de datos organizados como resultado, pues estos datos, que se
muestran en el informe final, estn en total consonancia con las variables que forma parte de la hiptesis formulada desde el principio
como una solucin provisional del problema de investigacin planteado.
Samuel Vergara Hernndez
32
El producto de una investigacin de corte cuantitativo ser un informe, en el que se muestre una serie de datos clasificados, sin ningn
tipo de informacin adicional que le d una explicacin, ms all de
la que en s mismos conllevan.
As, desde este punto de vista, se podra pensar que los estudios
cuantitativos son arbitrarios y que no ayudan al anlisis de los resultados ms que lo que han mostrado por s solos. Sin embargo, esto
no as, porque con un estudio de este tipo se muestran, adems, las
caractersticas de estos datos que han sido organizados.
Por otra parte, debemos agregar que la investigacin cuantitativa
estudia la asociacin o relacin entre las variables que han sido
cuantificadas, lo que ayuda an ms en la interpretacin de los resultados.
Este tipo de investigacin trata de determinar la fuerza de asociacin o relacin entre variables, as como la generalizacin y objetivacin de los resultados obtenidos a travs de una muestra.
Por eso, de una muestra se hacen inferencias respecto de toda la
poblacin objeto de estudio.
Ms all del estudio de la asociacin o la relacin entre variables, la
investigacin cuantitativa pretende explicar por qu las cosas suceden o no de una forma determinada.
Por mtodos cuantitativos de investigacin se entienden los diseos
experimentales y cuasi experimentales, la investigacin por encuesta, los cuestionarios estandarizados, los registros estructurados de
observacin, las tcnicas estadsticas de anlisis de datos, entre
otros:
3.1. Diseos experimentales
Los diseos experimentales se caracterizan por que en ellos se hacen experimentos puros, entendiendo por tales los que renen tres
requisitos fundamentales:
Samuel Vergara Hernndez
33
4. INVESTIGACIN CUALITATIVA
La investigacin cualitativa es un tipo de investigacin que cuenta
con tcnicas especializadas para obtener respuesta a fondo acerca
Samuel Vergara Hernndez
34
En otras palabras, la investigacin cualitativa reconoce que la propia evolucin del fenmeno investigado puede propiciar una redefinicin y a su vez nuevos mtodos para comprenderlo.
Samuel Vergara Hernndez
35
La observacin;
La entrevista;
Anlisis documental;
El estudio de caso;
Los grupos focales; y
Los cuestionarios.
Captulo III
IDEA O TEMA DE INVESTIGACIN
Samuel Vergara Hernndez
36
I. BSQUEDA DE TEMA
1. INTRODUCCION
Las investigaciones cientficas se originan en ideas, lo que constituye el primer paso pasa iniciar una investigacin cientfica, es decir,
las ideas constituyen el primer acercamiento a la realidad que habr
de investigarse.
La idea de investigacin dice relacin con el tema de investigacin
de inters para el investigador.
Es usual que la investigacin cientfica comience con el inters que
investigador tiene respecto de un tema en especial.
Por consiguiente, a continuacin, nos referiremos a la bsqueda y
definicin del tema, y a los criterios de seleccin.
2. FUENTES DE IDEAS
El tema es la idea general, en mbito de la respectiva disciplina, en
el cual hay inters por realizar una determinada investigacin.
Las fuentes de las ideas de investigacin pueden ser:
2.1. Lectura reflexiva y crtica
La lectura reflexiva y crtica de libros y revistas especializadas es
una buena fuente de ideas o temas de investigacin.
A nuestro juicio, esta debera ser la principal fuente de ideas de investigacin, ya que el lector al leer reflexionar sobre el contenido
de la lectura y o la criticar, en su caso.
2.2. Participacin activa
Samuel Vergara Hernndez
37
38
39
40
1. INTRODUCCIN
Una vez definida la idea o tema de investigacin, es necesario consensarlo o sintetizarlo en una frase que exprese la esencia de la
idea o tema que se va a investigar, que se denomina ttulo del estudio.
El ttulo debe ser general, en cuanto recoge la esencia del tema de
investigacin; pero debe ser especfico, en cuanto debe reflejar el
problema que se ha investigar.
En el proyecto de investigacin, el ttulo es tentativo o provisional,
ya que puede modificarse o cambiarse en el curso de la investigacin.
2. EJEMPLOS DE TEMAS DE INVESTIGACIN
Los ejemplos sobre temas de investigacin tributaria se pueden clasificar en:
Temas de investigacin sobre Derecho Tributario;
Temas de investigacin sobre Tributacin; y
Temas de investigacin sobre Planificacin Tributaria.
3. INVESTIGACIN EN DERECHO TRIBUTARIO
Hechos gravados en la Ley sobre Impuesto a la Renta
Hechos gravados en la Ley sobre Impuesto a la Valor Agregado
Determinacin de la base imponible en la Ley sobre Impuesto a la
Renta
Determinacin de la base imponible en la Ley del IVA
Impuestos progresivos en el Derecho Tributario Chileno
Crditos contra el impuesto
Medidas antielusin
Medidas antievasin
Ficciones legales tributarias
Presunciones legales tributarias
Samuel Vergara Hernndez
41
42
Captulo IV
Samuel Vergara Hernndez
43
44
Ejemplo:
Samuel Vergara Hernndez
45
46
OBJETIVOS DE LA INVESTIGACIN
1. INTRODUCCIN
En toda investigacin cientfica se deben establecer sus objetivos,
es decir, las finalidades o propsitos del estudio.
Los objetivos que deben determinarse son:
Objetivos generales; y
Objetivos especficos.
Los objetivos, tanto los generales, como los especficos, deben redactarse en forma clara y precisa, para evitar confusiones; pero ello
no implica que no puedan modificarse o cambiarse durante el curso
de la investigacin si es necesario.
Como todo objetivo implica la accin que se desea lograr, se debe
redactar utilizando el verbo en infinitivo.
Ejemplos:
Determinar
Explorar
Describir
Explicar
Proponer
Disear
Plantear
Sostener
Exponer
Relacionar
Correlacionar
Suponer
Identificar
Comparar
Sostener
Exponer
Relacionar
Correlacionar
Suponer
Sostener
Exponer
Relacionar
Correlacionar
Medir
47
48
JUSTIFICACIN Y DELIMITACIN
DE LA INVESTIGACIN
1. INTRODUCCIN
La investigacin cientfica debe justificarse, tanto desde el punto de
vista terico como prctico; pero, adems, debe delimitarse, a lo
menos, desde el punto de vista temporal y espacial.
2. JUSTIFICACIN DE LA INVESTIGACIN
Toda investigacin est orientada a la resolucin de problemas, razn por la cual debe justificarse, es decir, se deben exponer los motivos por los cuales debe realizarse la investigacin.
La justificacin puede ser terica o prctica, o bien terica y prctica
a la vez.
Adems, la justificacin puede ser metodolgica, aunque este tipo
de justificacin podra quedar comprendida dentro de la justificacin
terica.
Entre los criterios para evaluar la justificacin de una investigacin
se pueden sealar los siguientes:
Conveniencia de la investigacin, esto es, para qu sirve;
Trascendencia, es decir, a quines beneficiar;
Implicancias prcticas, vale decir, cmo se resolver el problema;
Valor terico, o sea, qu aporta al conocimiento.
49
50
Temporal;
Espacial;
Material; y
Financiero.
3.1. Limitacin temporal
La delimitacin temporal dice relacin con el perodo de tiempo durante el cual se realizar la investigacin. Asimismo, se trata de determinar si se realizar una investigacin transversal (en un momento del tiempo) o longitudinal (en un perodo del tiempo).
3.2. Limitacin espacial
La delimitacin espacial est referida al lugar geogrfico o territorio
jurisdiccional en el cual se desarrollar la investigacin.
As, las investigaciones cientficas pueden limitarse a una ciudad,
regin o pas, o bien a una jurisdiccin tributaria.
3.3. Limitacin material u objetiva
La delimitacin objetiva dice relacin con el objeto de la investigacin, ya que se debe precisar hasta dnde alcanza la investigacin,
es decir, qu aspectos comprender, dentro del problema planteado.
3.4. Limitacin financiera
La delimitacin financiera dice relacin con los recursos que se requerirn para realizar la investigacin y con la obtencin de dichos
recursos financieros.
Captulo VII
Samuel Vergara Hernndez
51
El marco de referencia, en algunas investigaciones, puede comprender tambin el marco filosfico o el marco histrico, en su caso,
dependiendo del tipo de investigacin que se pretende realizar.
Samuel Vergara Hernndez
52
53
a) Describir;
b) Explicar;
c) Sistematizar; y
d) Predecir.
Una teora es til, porque describe, explica y predice el fenmeno o
hecho al que se refiere. Adems, organiza el conocimiento y orienta
la investigacin que se lleva a cabo sobre el fenmeno.
La teora puede estar completamente desarrollada, o bien slo pueden existir trozos o piezas de teoras, llamadas generalizaciones
empricas.
Ejemplo del marco terico en al mbito tributario
Si el tema de investigacin dice relacin con los hechos gravados
en la Ley sobre Impuesto a la Renta, entonces el marco terico ser
la teora del hecho imponible, entiendo por tal la descripcin o tipificacin legal de los hechos cuya realizacin por el contribuyente da
nacimiento a la obligacin tributaria; lo que tiene particularmente
importancia en nuestro Derecho Tributario, ya que no existe una definicin legal sobre hecho imponible.
3. MARCO CONCEPTUAL
El marco conceptual es el glosario de trminos clave utilizados en la
investigacin, segn la formulacin del problema planteado.
Ejemplo de marco conceptual en el mbito tributario
Si la investigacin dice relacin con los hechos gravados en la Ley
sobre Impuesto a la Renta, entonces los conceptos relevantes podran ser:1) Tributos; 2) Impuesto a la Renta; y3) Obligacin tributaria
4. MARCO JURDICO
Samuel Vergara Hernndez
54
Captulo VIII
Samuel Vergara Hernndez
55
56
(p = antecedente, q = consecuente)
Si se da p, entonces suceder q.
Ejemplo:
Si con motivo de la divisin de sociedad se asignan bienes subvalorados a la nueva sociedad que nace, entonces el Servicio de
Impuestos Internos carece de faculta de tasacin fiscal de los valores asignados.
Si, en la enajenacin de bienes races por personas naturales
que no son empresas, no existe habitualidad (ni se presume), entonces el mayor valor proveniente de la enajenacin es ingreso
no constitutivo de renta que aumenta la rentabilidad financiero
fiscal del enajenante.
Sinnimo de entonces
En conclusin
57
Por consiguiente
As, pues
Por tanto
58
Cualitativas y cuantitativas.
Discretas y continuas.
Dependientes, independientes e interviniente
A. Variables cuantitativas
Son aquellas que, por su naturaleza, se expresan mediante una
numeracin o unidades de medida (nmeros, porcentajes, etc.).
Ejemplos:
Edad: nmero de aos.
Nivel de ingreso: unidades en dinero.
Distancia: metros, centmetros, kilmetros, etc.
Peso corporal: gramos, kilos, toneladas.
Temperatura: grados de calor (Kelvin, Farenheit).
B. Variables cualitativas
Son propiedades o caractersticas de los objetos que no se expresan en unidades de medida, nmeros o porcentajes, sino en conceptos acerca de cualidad o calidad.
Ejemplos:
Color: amarillo, verde, azul, etc.
Meses del ao: enero, febrero, marzo, etc.
Gnero: masculino y femenino.
Belleza: belleza latina, belleza asitica, belleza nrdica.
59
Ejemplo:
Organizacin jurdica que causa(rentabilidad financiero fiscal).
Reduccin de costos que causa(resultado financiero).
G. Variable interviniente
Samuel Vergara Hernndez
60
61
62
Ejemplo:
La complejidad del sistema tributario chileno causa evasin
El ahorro impositivo de un contribuyente depende del ejercicio de
todos beneficios que la ley contempla.
5.7. Hiptesis estadstica
Samuel Vergara Hernndez
63
64
As, entre otros, los procedimientos para verificar hiptesis, son los
siguientes:
Samuel Vergara Hernndez
65
Experimento real;
Experimento hipottico;
Simulacin;
Induccin analtica;
Anlisis estadstico (pruebas estadsticas).
A continuacin, nos referiremos, sucintamente, a cada uno de ellos,
con especial referencia a la investigacin tributaria:
7.3. Experimento real
A. Concepto
El experimento, que nosotros hemos calificado de real, para distinguirlo de los experimentos hipotticos (o mentales) y de los
experimentos simulados, se ha definido (Hernndez et al,
2000, p.107) como: un estudio de investigacin en el que se manipulan deliberadamente una o ms variables independientes (supuestas causas) para analizar las consecuencias que la manipulacin tiene sobre una o ms variables dependientes (supuestos efecto), dentro de una situacin de control para el experimentador.
B. Elementos
Para que estemos en presencia de un experimento real, es necesario que concurran los siguientes elementos:
Situacin real, natural o social, que sea susceptible de repetirse en ambientes controlados, tantas veces cuanto sea necesario;
Samuel Vergara Hernndez
66
67
68
69
70
71
72
73
74
75
76
77
78
Captulo IX
PRUEBA DE HIPTESIS ESTADSTICAS
I. INTRODUCCIN
1. CONCEPTO DE ESTADSTICA
Para poder aplicar una prueba de hiptesis estadstica, en primer
lugar, es necesario que las hiptesis de investigacin se transformen en hiptesis estadsticas, denominadas hiptesis nula (N0) y
hiptesis alterna (NA).
En segundo lugar, hay que tener en cuenta el nivel de medicin de
las variables, ya que pueden estar expresadas en escala nominal,
escala ordinal, escala de intervalo o escala de razn, lo que determina si la estadstica es paramtrica o no paramtrica.
En tercer lugar, hay que precisar una serie de conceptos estadsticos, para poder entender las pruebas de hiptesis, que se expondrn ms adelante.
La ESTADSTICA es la ciencia que trata de la reunin, organizacin, presentacin, anlisis e interpretacin de los datos, para ayudar a tomar mejores decisiones.
La estadstica se divide en estadstica descriptiva y estadstica inferencial.
2. ESTADSTICA DESCRIPTIVA
La estadstica descriptiva estudia los mtodos para organizar,
resumir y presentar datos de manera informativa, y comprende medidas estadsticas como la media, la mediana, la moda, la varianza,
la desviacin estndar, entre otras.
Samuel Vergara Hernndez
79
80
2 = [X2 N2]/N
2 = [(12 + 22 + 32 + 42 + 42 + 52 + 62 + 72) - 8(4)2]/8 = [156 8(16)]/8
= 3,5
Mediante Excel tambin se puede calcular la varianza de la poblacin, para lo cual se abre la hoja de clculo y en frmulas estadsticas se busca a VARP. Luego, en el cuadro de dilogo Nmero 1 se
escribe en la celda superior del rango y la celda inferior, por ejemplo: A1:A8 -> OK.
2.3. Desviacin estndar de la poblacin
La desviacin estndar de la poblacin es la raz cuadrada de la varianza:
= 2 = 1,87
2.4. Varianza y desviacin estndar de una muestra
Para calcular la varianza y la desviacin estndar de una muestra
se usan las siguientes frmulas:
Supongamos que los datos fueron extrados de una muestra: (1, 2,
3, 4, 4, 5, 6, 7)
s2 = [(X )2]/(n-1)
s2 = [(1-4)2 + (2-4)2 + (3-4)2 + (4-4)2 + (4-4)2 + (5-4)2 + (6-4)2 + (74)2]/(8-1) = 4
s = s2 = 4 = 2
En forma abreviada:
Varianza de la muestra = s2 = [X2 n2]/(n-1)
81
Frecuencia
(f)
10
8
4
f = 22 = n
fM
145
196
138
fM = 479
82
Clase
10-19
20-29
30-39
Frecuencia
Punto Medio
(f)
(M)
10
8
4
n =22
14,5
24,5
34,5
fM
145
196
138
fM = 479
M2
fM2
210,25
600,25
1.190,25
2.102,5
4.802
4.761
fM2 =11.665,5
3. ESTADSTICA INFERENCIAL
La estadstica inferencial estudia los mtodos para determinar
algo acerca de la poblacin basndose en una muestra, y comprende la estimacin y la prueba de hiptesis.
3.1. Poblacin y muestra
La poblacin es el conjunto de todos los posibles individuos, objetos
o mediciones de inters.
En cambio, la muestra es un subconjunto o parte de la poblacin de
inters, que debe ser representativa de la poblacin.
3.2. Niveles o escalas de medicin
En estadstica hay cuatro niveles de medicin, a saber: nominal, ordinal, de intervalo y de razn.
Nivel nominal: es el nivel de medicin ms bajo, porque las observaciones slo se pueden clasificar o contar. Las categoras son
mutuamente excluyentes (una categora excluye a la otra) y exhaustivas (cada objeto de medicin pertenece slo a una categora). Por
ejemplo, los nombres de las personas.
Nivel ordinal: las categoras de datos son mutuamente excluyentes y exhaustivas, pero las categoras de datos estn ordenados o
clasificados segn la caracterstica especial que poseen. Por ejemplo, la calificacin que puede ser buena, regular o deficiente.
Samuel Vergara Hernndez
83
Nivel de intervalo: las categoras de datos son mutuamente excluyentes y exhaustivas, las categoras estn ordenadas de acuerdo
con la cantidad de la caracterstica que poseen y diferencias iguales
en la caracterstica estn representadas por diferencias iguales en
los nmeros asignados a las categoras. Por ejemplo, la temperatura.
Nivel de razn: las categoras de datos son mutuamente excluyentes y exhaustivas, las categoras estn ordenadas de acuerdo
con la cantidad de la caracterstica que poseen, diferencias iguales
en la caracterstica estn representadas por diferencias iguales en
los nmeros asignados a las categoras, el punto cero tiene significado y la relacin entre dos nmeros tiene sentido. Por ejemplo, los
ingresos, las utilidades, etc.
3.3. Distribucin de frecuencia
Es un agrupamiento de datos en categoras mutuamente excluyentes, en el cual se indica el nmero de observaciones de cada categora. Por ejemplo, la distribucin de los contribuyentes que declaran impuestos en categoras segn los ingresos que perciben:
Ingresos percibidos
5.000.000 a 10.000.000
10.000.001 a 20.000.000
20.000.001 y ms
Nmero de declaraciones
2.000.000
1.000.000
500.000
3.4. Probabilidad
La probabilidad es el medio por el cual a partir de la informacin
contenida en una muestra tomamos decisiones o hacemos afirmaciones que se refieren a toda la poblacin mediante el proceso llamado inferencia estadstica. Dicho con otras palabras, la probabilidad es la posibilidad numrica, medida entre 0 y 1, de que ocurra
un evento. El proceso que produce un evento se denomina experimento.
84
Probabilidad
La distribucin binomial.
La distribucin normal.
La distribucin t.
La distribucin chi-cuadrado (X2).
La distribucin F.
85
86
5!/0!(5-0)! = 1
5!/1!(5-1)! = 5
Probabilidad
0,3277
0,4996
0,2048
0,0512
0,0064
0,0003
1,0000
87
Existe una familia de distribuciones normales, y cada una puede tener una media distinta o una desviacin estndar distinta. Sin embargo, es posible un solo miembro de la familia de distribuciones
normales, la que tiene una media igual a 0 y una desviacin estndar igual a 1, denominada distribucin normal estndar.
Samuel Vergara Hernndez
88
89
.00
0.00000
0.03983
0.07926
0.11791
0.15542
0.19146
0.22575
0.25804
0.28814
0.31594
0.34134
0.36433
0.38493
0.40320
0.41924
0.43319
0.44520
0.45543
0.46407
0.47128
0.47725
0.48214
0.48610
0.48928
0.49180
0.49379
0.49534
0.49653
0.49744
0.49813
0.49865
0.49903
0.49931
0.49952
0.49966
0.49977
.01
0.00399
0.04380
0.08317
0.12172
0.15910
0.19497
0.22907
0.26115
0.29103
0.31859
0.34375
0.36650
0.38686
0.40490
0.42073
0.43448
0.44630
0.45637
0.46485
0.47193
0.47778
0.48257
0.48645
0.48956
0.49202
0.49396
0.49547
0.49664
0.49752
0.49819
0.49869
0.49906
0.49934
0.49953
0.49968
0.49978
.02
0.00798
0.04776
0.08706
0.12552
0.16276
0.19847
0.23237
0.26424
0.29389
0.32121
0.34614
0.36864
0.38877
0.40658
0.42220
0.43574
0.44738
0.45728
0.46562
0.47257
0.47831
0.48300
0.48679
0.48983
0.49224
0.49413
0.49560
0.49674
0.49760
0.49825
0.49874
0.49910
0.49936
0.49955
0.49969
0.49978
.03
0.01197
0.05172
0.09095
0.12930
0.16640
0.20194
0.23565
0.26730
0.29673
0.32381
0.34849
0.37076
0.39065
0.40824
0.42364
0.43699
0.44845
0.45818
0.46638
0.47320
0.47882
0.48341
0.48713
0.49010
0.49245
0.49430
0.49573
0.49683
0.49767
0.49831
0.49878
0.49913
0.49938
0.49957
0.49970
0.49979
.04
0.01595
0.05567
0.09483
0.13307
0.17003
0.20540
0.23891
0.27035
0.29955
0.32639
0.35083
0.37286
0.39251
0.40988
0.42507
0.43822
0.44950
0.45907
0.46712
0.47381
0.47932
0.48382
0.48745
0.49036
0.49266
0.49446
0.49585
0.49693
0.49774
0.49836
0.49882
0.49916
0.49940
0.49958
0.49971
0.49980
.05
0.01994
0.05962
0.09871
0.13683
0.17364
0.20884
0.24215
0.27337
0.30234
0.32894
0.35314
0.37493
0.39435
0.41149
0.42647
0.43943
0.45053
0.45994
0.46784
0.47441
0.47982
0.48422
0.48778
0.49061
0.49286
0.49461
0.49598
0.49702
0.49781
0.49841
0.49886
0.49918
0.49942
0.49960
0.49972
0.49981
.06
0.02392
0.06356
0.10257
0.14058
0.17724
0.21226
0.24537
0.27637
0.30511
0.33147
0.35543
0.37698
0.39617
0.41308
0.42785
0.44062
0.45154
0.46080
0.46856
0.47500
0.48030
0.48461
0.48809
0.49086
0.49305
0.49477
0.49609
0.49711
0.49788
0.49846
0.49889
0.49921
0.49944
0.49961
0.49973
0.49981
.07
0.02790
0.06749
0.10642
0.14431
0.18082
0.21566
0.24857
0.27935
0.30785
0.33398
0.35769
0.37900
0.39796
0.41466
0.42922
0.44179
0.45254
0.46164
0.46926
0.47558
0.48077
0.48500
0.48840
0.49111
0.49324
0.49492
0.49621
0.49720
0.49795
0.49851
0.49893
0.49924
0.49946
0.49962
0.49974
0.49982
.08
0.03188
0.07142
0.11026
0.14803
0.18439
0.21904
0.25175
0.28230
0.31057
0.33646
0.35993
0.38100
0.39973
0.41621
0.43056
0.44295
0.45352
0.46246
0.46995
0.47615
0.48124
0.48537
0.48870
0.49134
0.49343
0.49506
0.49632
0.49728
0.49801
0.49856
0.49896
0.49926
0.49948
0.49964
0.49975
0.49983
.09
0.03586
0.07535
0.11409
0.15173
0.18793
0.22240
0.25490
0.28524
0.31327
0.33891
0.36214
0.38298
0.40147
0.41774
0.43189
0.44408
0.45449
0.46327
0.47062
0.47670
0.48169
0.48574
0.48899
0.49158
0.49361
0.49520
0.49643
0.49736
0.49807
0.49861
0.49900
0.49929
0.49950
0.49965
0.49976
0.49983
90
91
92
t = ( - )/(s/n)
Donde:
= Media de la muestra
= Media de la poblacin
s = Desviacin estndar de la media muestral
Ejemplo:
Si la media hipottica de la poblacin fuera 65, la media de la muestra 60,75 y la desviacin estndar de la muestra 3,8406, y si n = 12,
entonces t calculado es igual 3,83, segn la frmula:
t = (60,75 65)/(3,8406/12) = 3,83
El valor crtico de t se halla consignado en una Tabla que se puede
encontrar en cualquier libro de estadstica.
Por ejemplo, si se asume que se desea un intervalo de confianza de
95% y se tiene una muestra de n=20, y, por consiguiente, los grados de libertad son 20-1 = 19.
Entonces, se baja por la primera columna de la Tabla bajo g.l. hasta
19; y luego hay que moverse a travs de dicha fila hacia la columna
encabezada por un nivel de confianza de 0,95 para las pruebas de
dos colas.
Samuel Vergara Hernndez
93
Donde:
= Chi-cuadrado, que se lee ji-cuadrado
n = Tamao de muestra
s2 = Varianza de la muestra
2 = Varianza de la poblacin
Existe una distribucin chi-cuadrado diferente para cada nmero
grados de libertad (n-1).
A medida que aumenta el nmero de grados de libertad, la curva se
hace cada vez ms simtrica hasta que el nmeros de grados de
1
Es conveniente tener en cuenta que la letra griega se transcribe al latn como chi y se pronuncia en espaol como ji.
94
10
11
12
13
14
95
96
97
98
99
100
101
102
0,025
1,96
Zona rechazo
Zona de no rechazo
Existe 95% de probabilidades de que
los resultados muestrales estn entre
1,96 desviacin estndar, si la hiptesis
nula es verdadera
0
0,025
1,96
Zona rechazo
Zona rechazo
Zona rechazo
103
Zona rechazo
Zona rechazo
104
Formulacin
Hiptesis
Seleccin de
Nivel
Significancia
Identificacin
Estadstico
Prueba
Formular
Regla de
Decisin
Toma de
muestra y
Decisin
105
106
1.4 0.41924 0.42073 0.42220 0.42364 0.42507 0.42647 0.42785 0.42922 0.43056 0.43189
107
108
109
0
0,47725
p=0,02275
Zona rechazo
Zona no rechazo
0,4500
0
Valor p
0,02275
1,65 2
Zona de rechazo
No rechazo
Valor p=0,02277
= 0,05
2 2,33
Zona rechazo
110
p=0,02275
2
Zona rechazo
0,47425
p=0,02275
2
Zona rechazo
111
112
113
2,58
Zona rechazo
2,58
Zona rechazo
114
115
Por ejemplo, si se pide a cada uno de los contribuyentes que concurren a dos Direcciones Regionales del Servicio de Impuestos Internos (Direccin A y Direccin B) que evalen el servicio recibido, una
vez concluido el trmite de iniciacin de actividades, porque algunos
contribuyentes se quejaron de que los tiempos de atencin son distintos. El Direccin Nacional solicita que se estudie el problema, para lo cual se recolecta la siguiente informacin muestral, al nivel de
significancia de 0,01:
Tipo contribuyente
De la Direccin A
De la Direccin B
Media de la
muestra
32 minutos
30 minutos
Desviacin estndar
6 minutos
7 minutos
Tamao
muestra
100
100
116
117
118
Z = (P-p)/p
Donde:
p = proporcin de la poblacin (valor hipottico de la proporcin)
P = proporcin de la muestra
n = tamao de muestra
p = error estndar de la proporcin de la poblacin, que se calcula
por
p = p(1-p)/n
Z= P - p
p(1-p)/n
Ejemplo:
Suponga que a la Administracin Tributaria le interesa saber si la
evasin tributaria, en el sector de transporte en una plaza determinada, es inferior al 23%, para lo cual utilizar el procedimiento de
prueba de hiptesis, sobre la base de una fiscalizacin aleatoria
(auditora tributaria) de 50 contribuyentes.
Samuel Vergara Hernndez
119
Paso 4: La regla de decisin es rechazar la hiptesis nula y aceptar la alternativa si el valor calculado de Z se ubica a la izquierda de
-1,65; y, en caso contrario, no rechazar.
Recuerde que el nivel de significancia se fij en 0,05, razn por la
cual el rea bajo la curva normal estndar es igual a 0,4500 (0,5
0,05) y esto corresponde al valor crtico de Z = -1,65.
Samuel Vergara Hernndez
120
Z=
121
122
De la muestra de 30 mujeres encuestadas, 9 de ellas estaran dispuestas a planificar sus impuestos; y, por su parte, de la muestra de
50 hombres, 30 manifiestan deseos de planificar sus impuestos.
As, para tomar la decisin, hay que calcular el valor Z conforme a
la frmula siguiente:
Z = (p1 p2)
pc = Nmero total de xitos (Xp
1 + X2)
c(1-pc)/n1 + pc(1-pc)/n2
N total de muestras
(n1 + n2)
En consecuencia, se rechaza la hiptesis nula, porque el valor calculado (Z = -2,6) se ubica en la zona de rechazo, es decir, a la izquierda de -1,96.
123
Donde s es el estimador de la .
Si la poblacin de inters es normal, la distribucin t tendr las siguientes caractersticas:
a) Al igual que la distribucin Z, es una distribucin continua;
b) Al igual que la distribucin Z, tiene forma acampanada y simtrica; pero ms plana;
c) No hay una distribucin t, sino una familia de distribuciones t; pero todas tienen la misma media cero y desviacin estndar diferente, de acuerdo con el tamao de la muestra.
d) La distribucin t es ms ancha y ms plana en el centro que la
distribucin Z; pero, a medida que aumenta el tamao de la
muestra, la distribucin t se aproxima a la distribucin normal estndar.
Distribucin Z
Distribucin t
Ejemplo:
En un curso de planificacin tributaria, a nivel de postgrado, de 10
alumnos, stos determinaron que el promedio de la rentabilidad financiera fiscal de sus empresas, sin planificacin tributaria, es 555
millones de pesos, con una desviacin estndar de 186 millones de
pesos.
Se discute si una planificacin tributaria que implique pagar slo el
50% del impuesto de categora respecto de aquellos contribuyentes
cuya rentabilidad financiero fiscal supere el promedio de 555 milloSamuel Vergara Hernndez
124
125
Donde:
= media de la muestra: 850 millones de pesos
= media supuesta de la poblacin: 555 millones de pesos
s = desviacin estndar de la muestra: 311 millones de pesos
n = nmero de elementos de la muestra: 10 elementos
Samuel Vergara Hernndez
126
= 0,01
2,821
Zona rechazo
Valor crtico
7. ANLISIS DE VARIANZA
El anlisis de varianza o ANOVA est diseado especficamente
para probar si dos o ms poblaciones tienen la misma media.
Aun cuando el propsito de ANOVA es una prueba para hallar las
diferencias en las medias poblacionales, implica un examen de las
varianzas muestrales.
En esta prueba se trata de determinar si cuando se aplica un tratamiento en particular a una poblacin, ste tendr un impacto significativo en su media.
En un estudio ANOVA, las unidades experimentales son los
objetos que reciben el tratamiento, como por ejemplo las empresas
objeto de una planificacin tributaria. El factor es la fuerza o variable cuyo impacto en tales unidades experimentales se desea medir,
como por ejemplo el resultado de la planificacin tributaria, esto es,
la rentabilidad financiero fiscal. Los tratamientos son las estrategias de planificacin tributaria o niveles del factor.
La forma como se seleccionan los tratamientos determina si se
est utilizando un modelo de efectos fijo o un modelo de efectos
aleatorios.
Samuel Vergara Hernndez
127
En el modelo de efectos fijos se seleccionan tratamientos especficos o se fijan antes del estudio.
En cambio, en el modelo de efectos aleatorios los tratamientos utilizados en el estudio se seleccionan aleatoriamente de una
poblacin de niveles posibles.
Ntese que slo nos referiremos a los modelos de efectos fijos, relacionados con materias tributarias.
Para la aplicacin de ANOVA son esenciales tres suposiciones:
Todas las poblaciones involucradas son normales.
Todas las poblaciones tienen la misma varianza o desviacin estndar.
Las muestras se seleccionan independientemente.
Si un tratamiento se designa como c, el conjunto de hiptesis de
prueba es:
H0 = 1 = 2 = 3 = c
H1 = No todas las medias son iguales.
La letra c se usa para indicar el nmero de tratamientos debido a
que en una tabla de ANOVA cada tratamiento se especifica en su
propia columna.
Hay varias formas en las cuales se puede disear un experimento
de ANOVA; pero quizs el ms comn es el diseo completamente
aleatorizado o ANOVA a una va.
En este diseo los sujetos o unidades experimentales se asignan
aleatoriamente a los diferentes niveles de un solo factor.
Samuel Vergara Hernndez
128
RGIMEN OPCIONAL
80
70
65
RGIMEN SIMPLIFICADO
60
70
50
129
RGIMEN OPCIONAL
80
70
65
Suma = 215
Media = 215/3= 71,67
REGIMEN SIMPLIFICADO
60
70
50
Suma =180
Media =180/3=60
130
131
132
Fuente
de Suma cua- Grados
variacin
drados
libertad
Tratamientos
SCTR
k-1
Error
SCE
n-k
Total
SCT
n-1
de Media cuadrtica
SCTR/(k-1)= MCT
SCE/(n-k)= MCE
SCT/(n-1)
F
MCT
MCE
F
303
72
133
F = 303/72 = 4,2
Clculos necesarios para determinar el valor F:
Rgimen General
Rgimen Opcional
Rgimen Simplificado Total
60
3600
80
6400
60
3600
45
2025
70
4900
70
4900
50
2500
65
4225
50
2500
Tk
215
180
550
155
n
3
3
3
9
X2
8125
15525
11000
34650
Zona de no rechazo
= 0.05
4,2 5,14
134
Count
Sum
Average
Variance
Column 1
155
51,6666667
58,3333333
Column 2
215
71,6666667
58,3333333
Column 3
180
60
100
Source of Variation
SS
Df
MS
P-value
F crit
Between Groups
605,555556
302,777778
4,19230769
0,07257031
5,14325285
Within Groups
433,333333
72,2222222
Total
1038,88889
ANOVA
8. PRUEBA CHI-CUADRADO
La prueba chi-cuadrado es una prueba no paramtrica, porque est
libre de supuestos acerca de la forma de distribucin de la poblacin.
Mediante la prueba chi-cuadrado se puede probar la bondad de
ajuste, la independencia de dos variables e hiptesis referentes a
proporciones.
El estadstico de prueba chi-cuadrado se denota por 2, y frmula es
la siguiente:
2 = [fo fe)2/fe]
Donde:
k = nmero de categoras.
fo = frecuencia observada en una categora determinada.
Samuel Vergara Hernndez
135
gl = 1 gl = 3
gl = 10
136
137
Planes tributarios
Plan A
Plan B
Plan C
Plan D
Plan E
2
fo
45
35
34
48
38
fe
40
40
40
40
40
(fo-fe)
5
-5
-6
8
-2
(fo-fe)2
25
25
36
64
4
(fo-fe)2/fe
25/40 = 0,625
25/40 = 0,625
36/40 = 0,9
64/40 = 1,6
4/40 = 0,2
3,95
138
Rubros fiscalizados
Rubro A
Rubro B
Rubro C
Rubro D
Rubro E
Total
Nmero de fiscalizaciones
400
250
150
150
50
1.000
Nmero de fiscalizaciones
42
24
12
14
8
100
Rubros
dos
fiscaliza- Nmero de fiscalizacio- Nmero esperado de fiscalizanes observadas a nivel cin a nivel regional
regional
fo
fe
Rubro A
42
40% x 100 = 40
Rubro B
24
25% x 100 = 25
139
12
14
8
100
15% x 100 = 15
15% x 100 = 15
5% x 100 = 5
100
fo
42
24
12
14
8
fe
40
25
15
15
5
fo-fe
2
-1
-3
-1
3
0
(fo-fe)2
4
1
9
1
9
(fo-fe)2/fe
4/40 = 0,1
1/25 = 0,04
9/15 = 0,6
1/15 = 0,067
9/5 = 1,8
2 = 2,607
Como el valor calculado de 2 = 2,607 se halla a la izquierda del valor crtico de 13,277, corresponde no rechazar la hiptesis nula de
que no hay diferencia entre la experiencia nacional y regional.
8.2. Prueba de independencia de dos variables
Las pruebas de independencia implican al menos dos variables categricas, y lo que se prueba es el supuesto de que las variables
son estadsticamente independientes.
La independencia supone que el conocimiento de la categora en la
que es clasificada una observacin respecto de una variable no tieSamuel Vergara Hernndez
140
Sexo
Masculino
30
40
70
Sexo
Femenino
20
10
30
Total
50
50
100
141
Sexo
Masculino
35
Sexo
Femenino
70
30
Total
50
50
100
Luego, se completa la tabla con las tres frecuencias esperadas restantes por sustraccin de los totales de columnas y lneas, como
una alternativa al uso de la frmula: fe = frfk/n.
Edad
Menor de 30 aos
Mayor de 30 aos
Total
Sexo
Masculino
35
35
70
Sexo
Femenino
15
15
30
Total
50
50
100
142
Nmero
observado
Nmero
esperado
Participa en curso
Si
10
No participa en curso
No
40
Total
50
15
35
50
El valor crtico, considerando 1 grado de libertad y un nivel de significacin de 0.05, segn la Tabla de valor chi-cuadrado, es 3,84.
El valor 2 calculado, segn la frmula, es 2,38
Samuel Vergara Hernndez
143
1
2
3
4
A
Prueba chi-cuadrado
Frecuencia observada
(fo)
Frecuencia
esperada
(fe)
Valor de 2
A
Prueba chi-cuadrado
Frecuencia observada
(fo)
Frecuencia
esperada
(fe)
Valor de 2
10
40
=(B2-B3)^2/B3
15
35
=(C2-C3)^2/C3
=SUM(E2+E3)
10
40
15
35
1,66666667
0,71428571
2,38095238
144
Dicho con otras palabras, en el anlisis de regresin simple una variable independiente explica la variacin de la variable dependiente.
En cambio, en el anlisis de regresin mltiple, varias variables independientes explican la variacin de la variable dependiente.
B. Supuestos del anlisis de regresin
Los supuestos generales del anlisis de regresin son los siguientes:
1) La variable dependiente es una variable aleatoria;
2) Las variables independientes y dependientes estn relacionadas
linealmente;
3) Las varianzas de las distribuciones condicionales de la variable
dependiente, dado diferentes valores de la variable independiente;
4) Las distribuciones condicionales de la variable dependiente, dado diferentes valores de la variable independiente, siguen una distribucin normal en las poblaciones de valores; y
5) Los valores observados de la variable dependiente son independientes entre s.
C. Diagrama de dispersin
Un diagrama de dispersin es una grfica en la que cada punto trazado representa un par de valores observados de las variables independiente y dependiente.
El valor de la variable independiente (X) se ubica en el eje horizontal del plano de coordenadas cartesianas; y el valor de la variable
dependiente (Y) se ubica en el eje vertical del mencionado plano.
El anlisis de regresin supone relaciones lineales; pero cuando la
forma de la relacin es curvilnea podra transformarse en lineal
A continuacin, mostramos algunas de las formas que puede adoptar la relacin lineal:
Samuel Vergara Hernndez
145
146
147
D. Coeficiente de correlacin
Samuel Vergara Hernndez
148
Gastos
(X)
20
40
20
30
10
15
135
Rentabilidad
(Y)
30
60
40
60
30
40
260
X2
400
1600
400
900
100
225
3625
Y2
900
3600
1600
3600
900
1600
12200
XY
600
2400
800
1800
300
600
6500
r = n(XY) (X)(Y)
[n(X2)-(X)2][n(Y2)-( Y)2]
r = 6(6500) (135)(260)
[6(3625)-(135)2][6(12200)-(260)2]
Samuel Vergara Hernndez
149
r = 3900/4443 = 0,87779082
En Excel, se sigue el siguiente procedimiento:
Se abre una planilla de clculo y en ella escribe (o importa) la columna (X), desde A1:A6, y la columna (Y), desde B1:B6;
Se oprime la techa fx, y en el cuadro de dilogo se escribe coeficiente de correlacin y se aprieta IR -> aparece
COEF.DE.CORREL
En el cuadro de COEFICIENTE DE CORRELACIN, en matriz X
se escribe A1:A6; y en la matriz Y B1:B6.
Se hace clic en aceptar y aparece el siguiente resultado:
0,87779082
E. Coeficiente de determinacin
El coeficiente de determinacin es la proporcin de la variacin total
de la variable dependiente Y que se explica por la variacin en la
variable independiente X.
Este coeficiente se calcula elevando al cuadrado el coeficiente de
correlacin:
r2 = 0,882 = 0,7744
F. Prueba de la significacin del coeficiente de correlacin
Segn el coeficiente de correlacin 0,88, existe una fuerte correlacin entre el gasto y la rentabilidad. Sin embargo, como la muestra
fue de 6 pares, podra ser que correlacin en la poblacin fuera cero, esto es, que la correlacin 0,88 se deba a la casualidad.
Para resolver este problema, se requiere de una prueba que se denomina prueba t para el coeficiente de correlacin.
Samuel Vergara Hernndez
150
t = [(rn-2)/(1-r2)
La hiptesis nula es: la correlacin de la poblacin es cero; y
La hiptesis alternativa es: La correlacin en la poblacin es distinta
de cero.
As, para un nivel de significacin de 0,05 y cuatro grados de libertad, el valor crtico, segn la Tabla de valores t, es 2,776, razn por
la cual la regla de decisin establece que, si el valor de t que se calcule est entre ms 2,776 y menos 2,776 la hiptesis nula no se rechaza.
El valor t calculado, segn la frmula, es 3,7
t = [(0.886-2)/(1-0.882) = 3,7
En consecuencia, como el valor t = 3,7 calculado cae fuera del rea
de rechazo (entre -2,776 y +2,776), es procedente que se rechace
la hiptesis nula, debiendo concluirse que la correlacin en la poblacin es distinta de cero.
G. Determinacin del modelo de regresin lineal simple
La ecuacin de la recta de regresin lineal simple es:
Y = b0 + b1X
Donde:
b0 = interseccin con el eje de las Y
Samuel Vergara Hernndez
151
1 2 3 4 5
152
b1 = n(XY) (X)(Y)
n(X2) (X)2
b0 = Y - b1X
n
n
Tomando los datos de los gastos en planificacin tributaria y la rentabilidad financiero fiscal, determinamos b1 y b0.
Empresas
Empresa A
Gastos
(X)
20
Rentabilidad
(Y)
30
X2
400
Y2
900
XY
600
153
40
20
30
10
15
135
60
40
60
30
40
260
1600
400
900
100
225
3.625
3600
1600
3600
900
1600
12.200
2400
800
1800
300
600
6.500
= 135/6 = 22.5
= 260/6 = 43.33
b1 = n(XY) (X)(Y) = 6(6500) (135)(260) = 3900 =
1,106382979
n(X2) (X)2
6(3625) (135)2
3525
b0 = Y - b1X = 260 - 1.106382979 (135)
n
n
6
6
b0 = 43.33 24.89361703 = 18,4397163
CLCULOS EN EXCEL:
Los clculos anteriores se pueden realizar, fcilmente, en Excel,
segn el siguiente procedimiento:
Se hace clic en DATOS (se supone que se ha instalado HERRAMIENTAS -> COMPLEMENTOS).
Luego, en Data Analysis -> Regression.
En el cuadro de Regression, en Input Y Range se inserta la columna Y, por ejemplo: =B1:B6; y en Input X Range se inserta la
columa de las X, por ejemplo: =A1:A6.
En nivel de confianza, se elige 95% (nivel de significancia 0,05).
Por ltimo, se hace clic en OK.
Regression Statistics
Multiple R
0,87779082
R Square
0,77051672
Adjusted R
0,7131459
154
7,31752002
Observations
ANOVA
Df
SS
MS
Regression
719,148936
719,148936 13,4304636
Residual
214,184397
53,5460993
Total
933,333333
Coefficients
Standard Error
t Stat
P-value
Intercept
18,4397163
7,42058876
2,48493979 0,06785104
X Variable 1
1,10638298
0,30189782
3,66475969 0,02149002
155
156
Empresa A
Empresa B
Empresa C
Empresa D
Empresa E
Empresa F
Rentabilidad Rentabilidad
real
estimada
(Y)
30
60
40
60
30
40
(Y)
40,5673759
62,6950355
40,5673759
51,6312057
29,5035461
35,035461
Desviacin
Desviacin al cuadrado
(Y-Y)
-10,5673759
-2,6950355
-0,5673759
8,3687943
0,4964539
4,964539
0
(Y-Y)2
111,669433
7,26321635
0,32191541
70,036718
0,24646647
24,6466475
214,184397
157
158
Gl
1
n-2
n-1
SC
SCR
SCE
SCT=SCR+SCE
MC
SCR/1
SCE/2
Regresin
= SCR = (Y-)2
Variacin del error = SCE = (Y-Y)2
Variacin total
= SC = (Y-)2
Regression
Residual
Total
Df (gl)
1
4
5
SS(SC)
719,148936
214,184397
933,333333
MS(MC)
719,148936
53,5460993
F
13,4304636
159
Se requiere que el nmero de observaciones (n) exceda el nmero de variables independientes en por lo menos 2.
160
Se requiere que las variables independientes no estn relacionadas entre s. Si dos o ms variables independientes estn relacionadas, a este problema se llama multicolinealidad.
La multicolinealidad existe si dos o ms variables independientes estn relacionadas linealmente. La multicolinealidad puede hacer que los signos algebraicos de los coeficientes sean opuestos a
lo que la lgica puede indicar, mientras incrementan el error estndar de los coeficientes.
Para hallar los valores de b0, b1, b2 y bk, se hacen estimaciones de
los coeficientes que minimizan la suma de los errores al cuadrado:
(Y-)2. Esto proporcionar el modelo de mnimos cuadrados que
se ajuste mejor a los datos observados.
Por ejemplo, la rentabilidad financiero fiscal est directamente relacionada con el gasto en servicios de planificacin tributaria (X1) e
inversamente relacionada con los costos de ventas de la empresa
(X2), y los datos son los siguientes (expresados en millones de pesos):
Empresas
Empresa A
Empresa B
Empresa C
Empresa D
Empresa E
Empresa F
Total
Gastos de planificacin
(X1)
20
40
20
30
10
15
135
Costos de Venta
(X2)
60
30
20
30
15
20
175
Rentabilidad financiero
fiscal
(Y)
30
60
40
60
30
40
260
161
0,94203814
0,88743586
0,8123931
5,917766
6
ANOVA:
Regression
Residual
Total
Df
2
3
5
SS
828,27347
105,059863
933,333333
MS
414,136735
35,0199544
F
11,825736
COEFICIENTES:
Intercept
X
Variable 1
X
Variable 2
Coefficients
24,6679019
1,21351197
Standar Error
6,96145866
0,25157798
t Stat
3,54349615
4,82360171
p-value
0,03826798
0,01697982
-0,29618016
0,16778478
-1,76523859
0,17570637
Nota: Ms adelante explicaremos cmo realizar una regresin mltiple y cul es la interpretacin de los resultados que arroja el programa.
162
163
164
165
Valor F
SCR
SCR/k
F=CMR
CME
SCE
SCE/(n-k-1)
SCT
SCT = (Y - )2
SCR = (Y - )2
SCE = (Y Y)2
En el plano de coordenadas cartesianas, los valores indicados se
pueden presentar del siguiente modo:
Y
Valor observado de Y
Desviacin no explicada de Y
Desviacin total de Y
Desviacin explicada de Y
Valor estimado de Y a partir de la regresin (Y)
X
En nuestro ejemplo, segn Excel, el cuadro de ANOVA es el siguiente:
166
de Suma de cuadrados
828,27347
105,059863
933,333333
df
2
SS
828,27347
MS
414,136735
Residual
105,059863
35,0199544
Total
933,333333
F
11,825736
167
Coefficients
24,6679019
Standard Error
6,96145866
t Stat
3,54349615
P-value
0,03826798
1,21351197
0,25157798
4,82360171
0,01697982
-0,29618016
0,16778478
-1,76523859
0,17570637
Si se selecciona un valor alfa =0,01 con 3 grados de libertad (6-21), el valor crtico de t = 5,841, entonces la regla de decisin es:
No rechazar la hiptesis nula si t est entre 5,841. De lo contrario
rechazar.
Por lo tanto, como t calculado (4,82360171) es menor al valor t terico (5,841), no hay que rechazar la hiptesis nula, es decir, los gastos de planificacin tributaria no contribuyen significativamente al
poder explicativo del modelo de regresin lineal mltiple. Esto se
confirma mediante el valor p=0,01697982, que es mayor que el valor =0,01. Dicho con otras palabras, el valor alfa es menor que el
valor p.
Samuel Vergara Hernndez
168
Enero
Febrero
Marzo
Abril
Mayo
Junio
Julio
Agosto
Sept
Oct
Nov
Dic
Horas
auditora
campo
(millones $)
Horas
computadora
(millones $)
Incentivo
fiscalizadores
(millones $)
Evasin
tributaria
descubierta
(millones $)
X1
90
84
88
90
86
92
88
90
88
86
88
86
X2
32
28
30
26
26
28
32
32
30
30
28
32
X3
4
2
4
2
4
4
6
4
4
4
4
6
Y
290
240
270
250
260
280
300
280
280
270
260
270
169
0,9124053
0,83248343
0,76966471
8,04600371
12
Anova:
Regression
Residual
Total
df gl
SS = SC
MS = MC
3
8
11
2573,76126
517,905405
3091,66667
857,92042
64,7381757
13,2521563
Significance
F
0,00180316
Coeficientes:
Intercept
X1
X2
X3
Coefficients
-135,551802
3,36711712
2,86036036
6,42454955
Standard
Error
98,4871461
1,08002482
1,42873854
2,68991777
t Stat
-1,37634003
3,11762938
2,00201805
2,3883814
P-value
0,20600802
0,01427977
0,08026489
0,04396676
a) Ecuacin de regresin
La ecuacin de regresin es:
Y = b0 + b1X1 + b2X2 + b3X3
Y = -135,551802 + 3,36711712X1 + 2,86036036X2 + 6,42454955X3
Samuel Vergara Hernndez
170
171
172
173
174
175
SCT = (Y - )2
SCR = (Y - )2
Samuel Vergara Hernndez
176
Regression
Residual
Total
df = gl
SS = SC
MS = MC
3
8
11
2573,76126
517,905405
3091,66667
857,92042
64,7381757
13,2521563
Significance
F
0,00180316
177
178
179
Exploratoria
Descriptiva
Correlacional
Explicativa o causal
Estudio de caso
Experimental
No experimental
La tipologa antes mencionada no es excluyente, ya que una investigacin bien puede tipificarse o encuadrarse en ms de un tipo de
investigacin. Por ejemplo, podra ser descriptiva y correlacional, o
descriptiva y explicativa, o histrica y documental, etc.
Samuel Vergara Hernndez
180
181
182
183
184
185
186
Dicho con otras palabras, el estudio de caso puede servir para explorar, describir, explicar y evaluar.
En los estudios de casos se pueden formular hiptesis o proposiciones tericas.
7. INVESTIGACIN EXPERIMENTAL
Este tipo de investigacin, al cual no referiremos ms adelante con
motivo del diseo de la investigacin, supone la realizacin de un
experimento.
Experimento es la accin destinadas a descubrir, comprobar o demostrar determinados fenmenos o principios cientficos.
La investigacin experimental est integrada por un conjunto de actividades metdicas y tcnicas que se realizan para recabar la informacin y datos necesarios sobre el tema a investigar y el problema a resolver.
La investigacin experimental se presenta mediante la manipulacin
de una variable experimental no comprobada, llamada variable independiente, en condiciones rigurosamente controladas, con el fin
de describir de qu modo o por qu causa se produce una situacin
o acontecimiento particular (variable dependiente).
Su diferencia con los otros tipos de investigacin es que el objetivo
de estudio y su tratamiento dependen completamente del investigador, de las decisiones que tome para manejar su experimento.
El experimento es una situacin provocada por el investigador para
introducir determinadas variables de estudio manipuladas por l (variables independientes), para controlar el aumento o disminucin de
esas variables y medir su efecto en otras variables dependientes.
187
188
189
190
191
192
193
194
195
196
197
198
199
200
201
202
203
204
205
206
207
208
209
210
211
212
213
214
215
Duracin en meses
BIBLIOGRAFA PROVISIONAL
AMAT, Oriol: NIC/NIIF, Gestin 2000, ACCID, Barcelona, 2004.
CATALN, Hugo: Resultado Tributario y Capital Propio Tributario,
Editorial Puntolex, Santiago-Chile, 2007.
216
217
218
219
220
221
222
Ntese que, antes de la modificacin legal, el referido inciso segundo del artculo 26 dispona que el
mayor valor que se obtenga en la colocacin de acciones de pago por sobre el valor nominal si lo tuvieren, deber destinarse a ser capitalizado y no podr ser distribuido como dividendo entre los accionista.
Si por el contrario se produjere un menor valor, ste deber registrarse como prdida en los resultados
sociales.
223
224
225
226
227
Editorial
228
229
230
3
4
5
5
5
5
5
5
7
8
10
10
10
11
11
12
12
12
12
12
13
13
13
16
16
18
18
18
18
18
18
19
19
19
19
19
19
231
20
20
20
20
20
20
22
22
22
22
23
23
29
29
29
30
30
30
32
32
32
32
34
34
34
35
37
37
37
37
37
37
38
38
38
38
38
38
39
232
40
40
40
40
40
41
41
41
41
42
42
44
44
44
44
45
45
46
46
47
47
47
48
48
49
49
49
49
50
50
50
51
51
51
51
51
52
52
52
233
53
54
55
56
56
56
56
57
58
58
59
61
61
62
62
63
63
63
63
64
64
65
65
65
66
69
73
74
79
79
79
79
79
80
80
81
81
83
83
234
83
84
84
85
86
88
91
92
94
95
97
99
99
99
99
100
100
100
100
101
101
102
105
113
113
113
113
113
115
116
118
121
124
127
135
137
141
143
145
235
145
159
180
180
180
181
181
183
184
185
187
188
188
188
189
189
189
189
190
191
192
192
192
192
192
192
193
193
193
194
194
195
195
195
195
196
196
196
198
236
202
202
202
202
202
203
203
203
203
204
204
204
204
205
205
205
206
206
207
207
207
208
208
208
210
210
210
218
227
231
237
238
239
240
241
242
243
244
245
246