ANEXO 12 Comprobación de los Supuestos del Método de los Mínimos Cuadrados

Ordinarios.

 Supuesto de Homocedasticidad
Primeramente se contrastó los residuos no tipificados con cada una de las variables
independientes a través de la prueba Rho Spearman y se plantearon las siguientes hipótesis:
H0: residuos = homocedasticidad
H1: residuos ≠ homocedasticidad
Debido a que la significación de los residuos con las variables independientes son de
(0.637) y (0.374) respectivamente y ambos valores se encuentran por encima del nivel alfa
preestablecido (0.05), se puede plantear que existe suficiente evidencia empírica para no
rechazar la hipótesis nula, es decir, que la varianza de los residuos es constante a nivel
poblacional.
 Supuesto de Independencia o No Autocorrelación
Para hacer una predicción a cerca de la autocorrelación, y para asegurarse del cumplimiento
del supuesto se utilizó la prueba de rachas y se plantearon las siguientes hipótesis:
H0: residuos = independencia
H1: residuos ≠ independencia
Los resultados obtenidos en la aplicación de esta prueba señalaron que existe suficiente
evidencia empírica para no rechazar la hipótesis nula debido a que la significación
asintótica (bilateral) (0.159) se encuentra por encima del nivel alfa preestablecido (0.05).
 Supuesto de Normalidad
El Gráfico P - P Normal de Regresión Residuo Tipificado refiere de forma general que los
puntos que representan los residuos se encuentran bastante próximos a la diagonal,
siguiendo de esta forma una distribución normal. También se verificó el contraste de
Kolmogorov – Smirnov a partir de las siguientes hipótesis:
H0: residuos = normalidad
H1: residuos ≠ normalidad
Como la significación (0.824) se encuentra por encima del nivel alfa preestablecido (0.05),
no se rechaza la hipótesis nula, es decir, que los residuos siguen una distribución normal y
no hay existencia de valores atípicos o heterogéneos que afecten el modelo.
  Supuesto de No Multicolinealidad
En el modelo analizado se manifiesta un elevado coeficiente de determinación (R2=0,984)
con una ANOVA significativa, sin embargo las pruebas t individuales muestran que ningún
coeficiente parcial de las pendientes son estadísticamente diferentes de cero. Por lo tanto
hay presencia de multicolinealidad.
Ahora bien, como plantea la literatura especializada la multicolinealidad es un problema de
grado y no de tipo, ella es una característica de la muestra y no de la población.
Si se observa el Índice de Condición (Ic) éste refiere el valor de 24,38 (Multicolinealidad
Moderada). Además también la literatura plantea que sí el único propósito del análisis de
regresión es el pronóstico o la predicción, entonces la colinealidad no se constituye en un
problema serio porque cuanto mayor sea el R2, mejor será la predicción.
Construcción del modelo econométrico
Después de evaluar los posibles modelos en términos relativos y absolutos, se concluye que
es el modelo lineal el más idóneo para realizar la proyección de los turístas días
provenientes del mercado emisor Francia por presentar un alto coeficiente de correlación
(0,992) que refiere una correlación directa y fuerte entre las variables PIB del país emisor
Francia, los gastos de publicidad y promoción para dicho mercado y los turístas días
franceses en Santo Antão, además de una ANOVA significativa.
R2: Coeficiente de Determinación (0.984). El 98,4% de las veces las variables PIB del país
emisor Francia y los gastos de publicidad y promoción para dicho mercado explican el
comportamiento de la variable turístas días franceses en Santo Antão.
SE: Error Estándar. En 221 se desvían como promedio la cantidad de turístas días totales
estimados de sus valores reales.
ANOVA: Análisis de Varianza (0.000). Se plantean las Hipótesis Nula y Alternativa
siguiente:
H0: β1 = β2 = 0
H1: al menos un parámetro ≠ 0
Como la significación del Análisis de Varianza está por debajo del nivel alfa preestablecido
(0.05), indica que existe suficiente evidencia empírica para no rechazar la hipótesis
alternativa (H1), lo que indica que las variables PIB del país emisor Francia y los gastos de
publicidad y promoción para dicho mercado aportan gran significación al modelo
Coeficientes no Estandarizados


y
1  i  3,184
X 1

Por cada mil millones de euros adicionales en que varíe el PIB del país emisor Francia
manteniendo constante los gastos de publicidad y promoción hacia ese mercado, entonces
la cantidad de turístas días anuales franceses en el destino turístico variarán en 3,184
(aumentarán), o sea, variarán en el mismo sentido.


y
 2  i  0,372
X 2

Por cada euro adicional en que varíen los gastos de publicidad y promoción hacia el
mercado emisor Francia manteniéndose constante la variable 1 (PIB de Francia) la
cantidad de turístas días anuales franceses en el destino turístico variarán en 0,372
(aumentarán), o sea, variarán en el mismo sentido