caso aluminum
Para estimar la oferta utilizo el siguiente modelo:
Q = a +b(Electricity) + c(Alumina) + d(Raw) + e(Fuel) + f(Consumables) + g(Maintenance) + h(Labor) + i(Freight) + j(Admin)
Resultados de minitab:
The regression equation is
Capacity (tpy) = 221 - 0.131 TotalElectric Cost + 0.386 Total Alumina cost
- 0.577 Other raw materials - 0.60 Plant power and fuel
- 0.607 Consumables + 0.367 Maintenance - 0.304 Labor- 1.07 Freight + 0.089 General and administrative
Predictor Coef SE Coef T P
Constant 221.02 90.26 2.45 0.016
Total Electric Cost-0.13125 0.05401 -2.43 0.016
Total Alumina cost 0.3862 0.1981 1.95 0.053
Other raw materials -0.5773 0.2181 -2.65 0.009
Plant power and fuel -0.6001.254 -0.48 0.633
Consumables -0.6073 0.2233 -2.72 0.007
Maintenance 0.3675 0.6076 0.60 0.546
Labor -0.30355 0.08794 -3.450.001
Freight -1.0735 0.7400 -1.45 0.149
General and administrative 0.0895 0.1755 0.51 0.611
S = 105.368 R-Sq = 24.4% R-Sq(adj) = 19.8%
PRESS = 2201568R-Sq(pred) = 0.00%
Analysis of Variance
Source DF SS MS F P
Regression 9 527704 58634 5.28 0.000
Residual Error 147 1632055 11102
Total156 2159759
Analizando el modelo estimado, podemos ver que tenemos una R2 muy baja, lo que quiere decir que estas variables no estiman bien la cantidad producida por las empresas. Analizando lossignos podemos ver que las variables Total Alumina cost y Labor tienen signos contrarios y no siguen la ley de la oferta.
Significancia estadística:
Para poder depurar aun mas nuestro modelo...
Regístrate para leer el documento completo.