MODELO DE REGRESIN MLTIPLE MTODO DE MNIMOS CUADRADOS ORDINARIOS

GUATEMALA, NOVIEMBRE DEL 2011 CARLOS ANDRES NICOLLE ALBUREZ

Contenido
INTRODUCCIN ................................................................................................................................... 1 1. 2. PLANTEAMIENTO DE LA TEORIA ................................................................................................. 2 1.1 2.1 2.2 2.3 2.4 2.5 a) b) c) d) e) f) g) h) i) j) 3. 4. Supuestos ............................................................................................................................ 2 Modelo Matemtico ........................................................................................................... 3 Modelo Economtrico......................................................................................................... 3 Obtencin de Datos ............................................................................................................ 4 Estimacin de los Parmetros ............................................................................................ 5 Pruebas de Hiptesis......................................................................................................... 17 Prueba de significancia global .......................................................................................... 18 Prueba de significancia al parmetro Prueba de significancia al parmetro Prueba de significancia al parmetro ......................................................................... 18 ......................................................................... 19 ......................................................................... 20 Modelo Economtrico................................................................................................................. 3

Prueba de significancia de AR(4) ...................................................................................... 20 Prueba de significancia de MA(1) ..................................................................................... 22 Prueba de significacin de Tiendas .................................................................................. 23 Prueba de heterocedasticidad .......................................................................................... 25 Prueba de Multicolienalidad ............................................................................................ 27 Prueba de Autocorrelacin ............................................................................................... 27

Pronsticos ................................................................................................................................ 28 Resultados y utilizacin del modelo ......................................................................................... 31

Conclusiones ...................................................................................................................................... 32 Recomendaciones .............................................................................................................................. 33 Bibliografa ......................................................................................................................................... 34 Anexos ........................................................................................................................................... 35

INTRODUCCIN
Estados Unidos de Amrica presenta una economa cuyo motor principal es el consumo. La teora que se plantea a continuacin se basa en la teora del consumo de Keynes que indica que el consumo est en funcin del ingreso real. Tomando en cuenta que Walmart es la tienda minorista ms importante de Estados Unidos se elaborara un modelo de regresin mltiple utilizando el mtodo de mnimos cuadrados ordinarios para demostrar que las ventas netas de Walmart en Estados Unidos estn en funcin del ingreso disponible de los agentes econmicos de su pas. Dicho anlisis se justifica en la premisa que las ventas que presenta Walmart estn compuestas en gran parte por artculos de consumo. Es importante destacar que el consumo en Estados Unidos presenta ciclos muy pronunciados alrededor de ciertas fechas por lo cual se incorporaran variables que explican estas temporadas de aumento y disminucin en el consumo estadounidense. La poca navidea presenta alzas significativas en la demanda que disparan las ventas en cada cuarto trimestre del ao. El anlisis descrito se llevara a cabo en el programa de anlisis estadstico Eviews y se detallara a continuacin grficamente el procedimiento llevado a cabo. Mediante el anlisis economtrico presentaremos la ecuacin de regresin mltiple que permitir definir el cambio porcentual que tendrn las ventas netas de Walmart USA ante un cambio porcentual en el ingreso disponible real de los estadounidenses. Esta ecuacin tendr una variable autoregresiva de orden cuarto que describir las fluctuaciones estacionales que presentan las ventas de la compaa, acompaada de una variable de promedios mviles que permitir modelar adecuadamente la funcin economtrica. Por lo tanto los cambios relativos en las ventas de Walmart estarn en funcin de los cambios relativos que presente el ingreso disponible real, el comportamiento que tuvieron las ventas interanualmente y el promedio que tiene esa variable respecto al trimestre anterior. Con la ecuacin determinada, el programa estadstico Eviews nos mostrara el comportamiento que tendrn las ventas netas de Walmart USA para los periodos restantes del 2011 y 2012 con un nivel de confianza del 95%. Este pronstico ser presentado grficamente para el anlisis respectivo de la tendencia. Cabe destacar que la crisis del 2008 impacto significativamente la relacin de estas dos variables debido a la baja elasticidad que presenta el consumo ante cambios en el ingreso. Por lo mismo para la construccin del modelo se elimino esta perturbacin en la informacin estadstica. La serie de tiempo analizada concluir en el ltimo trimestre del ao 2007. Esta serie nos permitir definir la tendencia y estacionalidad de la variable. Se presentara la ecuacin economtrica que permitir al lector realizar pronsticos certeros y determinar acciones de poltica administrativa.

1. PLANTEAMIENTO DE LA TEORIA
El modelo se basa en la teora del consumo de Keynes, la cual indica que el volumen del consumo depende de la renta disponible que posean los agentes econmicos. La ecuacin que define esta relacin es la siguiente: = + ( ) : Consumo Autnomo : Ingreso Disponible La relacin existente entre el ingreso disponible y el consumo en la economa es una relacin directa. Las ventas netas de Walmart en Estados Unidos se comportaran con la misma tendencia que el consumo ya que Walmart USA es la mayor tienda minorista de Estados Unidos y las ventas de esta corporacin estn definidas por las mismas variables que mueven al consumo en Estados Unidos. Por lo tanto se planea estimar las ventas netas de Walmart USA principalmente en funcin del ingreso disponible real de los agentes La recta de regresin lineal para este tipo de modelo no tiene intercepto porque los valores tienden a cero, es decir, parten del origen. Por esta razn ser denominada una regresin a partir del origen. Esto se define por la naturaleza de la variable llamada ventas netas, la cual se caracteriza por tener las siguientes caractersticas: Tendencia: la variable presente una direccin general de ascenso en el largo plazo. Estacionalidad: se observa una clara fluctuacin peridica en la variable, especialmente en la poca de ventas de fin de ao. Parte del origen: las ventas netas parten del origen ya que Walmart en su periodo cero se define como la apertura de la compaa donde facturo cero dlares. : Consumo

Donde:

: Propensin Marginal a Consumir

1.1 Supuestos Las ventas netas de Walmart USA tienen una relacin directa con el ingreso disponible real de los agentes econmicos. Los valores del modelo tienden a cero por lo que no se definir un intercepto. La serie denominada ventas netas posee una tendencia ascendente y una clara estacionalidad marcada por las ventas de fin de ao. La economa estadounidense presentara sntomas de recuperacin impulsados por su recuperacin de la ms reciente crisis econmica.

Dadas las bases conceptuales del comportamiento que tendr nuestro modelo podemos definir las ecuaciones matemticas y economtricas que estaremos utilizando para llevar a cabo el pronstico de la variable que deseamos estimar.

2. Modelo Economtrico
La presentacin del modelo economtrico esta basada en la ecuacin planteada anteriormente la cual define al consumo en funcin del ingreso disponible: = + ( )

Debido a que nuestra regresin parte del origen prescindiremos de . 2.1 Modelo Matemtico El modelo matemtico de la teora es la siguiente: ln(c ) = ln (y ) + (AR ) + (MA )

Donde: c = y

AR = Autoregresor de cuarto orden

MA = Promedio Movil de primer orden 2.2 Modelo Economtrico ln(c ) = ln (y ) + (AR ) + (MA ) +

= Ingreso Disponible Real

Donde: c = y

AR = Autoregresor de cuarto orden =

MA = Promedio Movil de primer orden 3

= Ingreso Disponible Real

2.3 Obtencin de Datos Los datos recabados para realizar la presente investigacin fueron los siguientes:

Ventas netas reportadas por Walmart USA.

Fue consultada en el portal en internet para inversionistas de Walmart. Mediante los reportes anuales y complementos trimestrales se logro recopilar el monto en las ventas de Walmart especficamente en Estados Unidos para el periodo que comprende desde el primer trimestre de 1997 hasta el segundo trimestre de 2011. Para la construccin del modelo se utilizo la informacin comprendida de 1997 a 2010 para analizar aos completos y los montos se deflactaron utilizando el ndice de precios al consumidor de la economa estadounidense para poder utilizar variables reales. Los montos estn expresados en millones de dlares. La serie recopilada se detalla en el cuadro 1.

Ingreso Disponible Real de Estados Unidos

La fuente de la variable es la Oficina de Anlisis Econmico del Departamento de Comercio de los Estados Unidos. La informacin es presentada en billones de dlares reales. La serie se puede consultar en el cuadro 2.

Nmero de Tiendas en funcionamiento

Al igual que las ventas netas que reporto Walmart en Estados Unidos, el nmero de tiendas en funcionamiento se recopilo del portal en internet para inversionistas de Walmart mediante los reportes anuales y complementos trimestrales. La variable se detalla en el cuadro 3.

Crdito a Corto Plazo

El crdito a corto plazo para la economa estadounidense se incluyo en el modelo ya que es usual que el consumidor utilice crdito en su consumo. La fuente de la variable es la Oficina de Anlisis Econmico del Departamento de Comercio de los Estados Unidos. La informacin es presentada en billones de dlares. Se puede consultar los datos en el cuadro 4. 4

2.4 Estimacin de los Parmetros El primer paso que tomaremos para analizar nuestra serie de tiempo es observar el comportamiento que presenta la variable que deseamos predecir.

% Change US Sales
30

20

10

-10

-20

-30 97 98 99 00 01 02 03 04 05 06 07 08 09 10 11 12

Log US Sales
10.6

10.4

10.2

10.0

9.8

9.6 97 98 99 00 01 02 03 04 05 06 07 08 09 10 11 12

Con las imgenes anteriormente expuestas podemos ver que la serie de tiempo tiene una clara tendencia directa a travs del tiempo y presenta una marcada tendencia a presentar temporadas asociadas al aumento en el consumo en determinadas fechas. Con esta informacin procederemos a analizar las variables propuestas. Como siguiente paso correremos una matriz de correlaciones en al cual determinaremos cual de las variables posee una asociacin directa mas fuerte.

LOG(SALES) LOG(CREDIT) LOG(INCOME) LOG(STORES)

LOG(SALES) 1.000000 0.853093 0.947493 0.926446

LOG(CREDIT) 0.853093 1.000000 0.822615 0.745001

LOG(INCOME) 0.947493 0.822615 1.000000 0.983979

LOG(STORES) 0.926446 0.745001 0.983979 1.000000

Como podemos observar la variable que tiene una correlacin ms fuerte es el ingreso. Por lo mismo se realizara una regresin simple entre estas dos variables. Es importante destacar que la regresin debe coincidir con la estructura de un modelo log log debido a que las variables que vamos analizar estn expresados en diferentes trminos. Las ventas reales estn expresadas en millones de dlares y el ingreso disponible reales est expresado en billones de dlares. La regresin nos presenta los siguientes resultados.

Dependent Variable: LOG(SALES) Method: Least Squares Date: 11/09/11 Time: 09:46 Sample: 1997Q1 2010Q4 Included observations: 56 Variable LOG(INCOME) R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood Durbin-Watson stat Coefficient 1.126112 0.702427 0.702427 0.136031 1.017738 32.75699 0.858337 Std. Error 0.002000 Mean dependent var S.D. dependent var Akaike info criterion Schwarz criterion Hannan-Quinn criter. t-Statistic 562.9438 Prob. 0.0000 10.23101 0.249367 -1.134178 -1.098011 -1.120156

Para comprobar la significancia de este primer parmetro se verificara lo siguiente: 1. Significancia del parmetro estimado: la probabilidad del parmetro esta bajo el nivel de significancia (95%), es decir el nivel de error se encuentra abajo del 5% mximo permitido, lo cual indica que es significativo en la prediccin de la variable dependiente. 2. Coeficiente de Determinacin: se estima un coeficiente de determinacin de 0.702427 lo cual indica una que nuestro parmetro estima un 70% de los cambios en las ventas. Este porcentaje es aceptable y continuamos con nuestro anlisis ya que ms adelante se incorporaran mas variables que mejoraran este estadstico. 3. Anlisis de Residuos: al verificar si existe autocorrelacin entre los residuos se realizo la siguiente prueba de hiptesis: Ho: No existe autocorrelacin en los residuos. H1: Existe autocorrelacin en los residuos. La tabla del estadstico de Durbin-Watson nos da los siguientes datos: Con un aproximado de 55 observaciones y un parmetro estimado tenemos que DL=1.528 y DU= 1.601. Nuestro estadstico Durbin-Watson es de 0.858337, al ser menor que el valor en tabla DL, determinamos que existe autocorrelacin positiva y rechazamos la hiptesis nula. Para solucionar la autocorrelacin que presentan los residuos, se analizaran para determinar la mejor manera de solucionarlo.

Se observa una alta correlacin en los residuos principalmente en el primer y cuarto rezago. Lo cual indica la presencia de un modelo con indicios de autoregresin de cuarto orden y promedios mviles de primer orden. Un operador autoregresivo de primer orden puede ser expresado como un proceso infinito de promedios mviles que puede, al ser combinado con un operador autoregresivo de bajo orden, modelar sin complicaciones una serie de tiempo que presenta muchas irregularidades. Por la alta correlacin que se observa en el cuarto rezago se agregara una variable autoregresiva de cuarto orden que eliminara la persistencia de residuos cada cuatro observaciones. Dependent Variable: LOG(SALES) Method: Least Squares Date: 11/09/11 Time: 15:29 Sample (adjusted): 1998Q1 2010Q4 Included observations: 52 after adjustments Convergence achieved after 5 iterations Variable LOG(INCOME) AR(4) R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood Durbin-Watson stat Inverted AR Roots .96 Coefficient 1.143200 0.845899 0.980296 0.979902 0.030599 0.046816 108.5472 0.839379 Std. Error 0.004671 0.031350 Mean dependent var S.D. dependent var Akaike info criterion Schwarz criterion Hannan-Quinn criter. .00-.96i t-Statistic 244.7248 26.98244 Prob. 0.0000 0.0000 10.26806 0.215845 -4.097968 -4.022920 -4.069196

Al agregar la variable autoregresiva de cuarto orden podemos observa un notable aumento en nuestro coeficiente de determinacin. Pero ms importante debemos analizar el comportamiento de nuestros residuos. Al analizar el estadstico Durbin-Watson se plantea la siguiente hiptesis.

: No existe autocorrelacin en los residuos. : Existe autocorrelacin en los residuos.

Con un aproximado de 50 observaciones y dos parmetros estimados tenemos que DL=1.462 y DU= 1.628. Nuestro estadstico Durbin Watson es de 0.839379 por lo tanto determinamos que existe autocorrelacin positiva y rechazamos Ho. 8

Una componente autoregresiva de cuarto orden provoco una reaccin positiva en el comportamiento de los residuos, sin embargo el proceso de modelacin del modelo economtrico debe continuar debido a que los residuos todava presentan una correlacin entre ellos mismos que se puede apreciar grficamente en el correlograma presentado anteriormente y en la correspondiente prueba de hiptesis. Para solucionar nuestro problema incluiremos un promedio mvil con el objeto de evitar la autocorrelacin de los residuos. Una serie de promedios mviles puede ser calculada para cualquier serie temporal. Esta variable suaviza las fluctuaciones de plazos cortos y resalta las tendencias en plazos largos. Dejaremos la variable de cuarto orden ya que es significativa como se puede comprobar a continuacin.

Redundant Variables Test Equation: EQ02 Specification: LOG(SALES) LOG(INCOME) AR(4) Redundant Variables: AR(4) t-statistic F-statistic Likelihood ratio Value 27.19637 739.6425 143.4970 df 50 (1, 50) 1 Probability 0.0000 0.0000 0.0000

El estadstico F, que es utilizado en la prueba de significancia de la variable presenta una probabilidad del 0% lo cual confirma la significancia de la misma. Sin embargo, si se desea comprobar podemos buscar el estadstico en tabla F de la distribucin de Fisher la cual es:

: No aporta significativamente al aumento del coeficiente de determinacin. : Aporta significativamente al aumento del coeficiente de determinacin.

Dato (1, 50): 4.085

Ya que el F critico es menor que el F calculado podemos rechazar la hiptesis nula y aceptar la alternativa. Se determina que la variable regresiva de cuarto orden es significativa al aumento del coeficiente de determinacin por la cual permitimos la variable en nuestro modelo. Ya determinado lo anterior procedemos a agregar una variable de promedios mviles a nuestro modelo para controlar la dispersin de nuestros errores.

10

El anlisis efectuado es el siguiente. Dependent Variable: LOG(SALES) Method: Least Squares Date: 11/11/11 Time: 22:55 Sample (adjusted): 1998Q1 2010Q4 Included observations: 52 after adjustments Convergence achieved after 9 iterations MA Backcast: 1997Q4 Variable LOG(INCOME) AR(4) MA(1) R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood Durbin-Watson stat Inverted AR Roots Inverted MA Roots Coefficient 1.180522 0.953416 0.774430 0.987608 0.987102 0.024513 0.029443 120.6049 1.465413 .99 -.77 Std. Error 0.021734 0.015483 0.095941 t-Statistic 54.31715 61.57632 8.071936 Prob. 0.0000 0.0000 0.0000 10.26806 0.215845 -4.523267 -4.410696 -4.480110

Mean dependent var S.D. dependent var Akaike info criterion Schwarz criterion Hannan-Quinn criter.

Con este nuevo modelo volvemos a verificar el comportamiento de los residuos para verificar que no tengamos una correlacin. Ho: No existe autocorrelacin en los residuos. H1: Existe autocorrelacin en los residuos. Con un aproximado de 50 observaciones y tres parmetros estimados tenemos que DL=1.421 y DU= 1.674. Nuestro estadstico Durbin-Watson es de 1.465413. Los residuos no presentan una autocorrelacin directa en los residuos ya que nuestro estadstico calculado es mayor al valor DL, sin embargo es menor que el valor DL(2) que es igual a 2.930826. Lo cual coloca a los residuos en el rea de indecisin. Para tomar una decisin al respecto realizaremos una prueba adicional. 11

Al agregar una variable de promedios mviles de orden uno podemos observar que los residuos presentan un comportamiento normal grficamente. Para asegurarnos que no exista ninguna perturbacin en la serie de residuos verificaremos que el coeficiente de curtosis y de simetra correspondan a un correcto comportamiento de los errores.
7 6 5 4 3 2 1 0 -0.04 -0.02 0.00 0.02 0.04

Series: Residuals Sample 1998Q1 2010Q4 Observations 52 Mean Median Maximum Minimum Std. Dev. Skewness Kurtosis Jarque-Bera Probability 0.000404 0.002161 0.053525 -0.050442 0.024024 0.137842 2.671292 0.398775 0.819232

Coeficiente de Curtosis: determina que tan concentrados estn los datos en la distribucin. Para Eviews una concentracin adecuada de los residuos debe estar lo ms cercana a tres posible. Con los datos provedos determinamos que los residuos estn correctamente concentrados.

12

Coeficiente de Simetra: determinara la simetra que tiene la distribucin de los datos. Segn los estadsticos, no existe una simetra adecuada la cual se puede apreciar en el grafico, podemos ver errores extremos a ambos lados de la distribucin que estn evitando el correcto comportamiento de los residuos. Este es un indicador de datos extremos en nuestros datos observados que podran estar evitando la correcta modelacin de los datos. Para comprobar que existen datos observados que no presentan la misma tendencia que toda la serie observada se analizara la serie de datos del ingreso disponible real que define por concepto a la variable dependiente.

INCOME
10,400 10,000 9,600 9,200 8,800 8,400 8,000 7,600 7,200 6,800 97 98 99 00 01 02 03 04 05 06 07 08 09 10

En la representacin grafica del ingreso disponible real para los agentes econmicos estadounidenses se puede apreciar como en los dos primeros trimestres de 2008 el ingreso muestra un alza que dibuja un pico empinado y en los ltimos dos trimestres del mismo ao el ingreso cae significativamente para recuperarse hasta el ao 2010. Esta grafica demuestra lo anteriormente planteado. Para comprobar estadsticamente este suceso se correr un anlisis de estabilidad estructural Chow.

13

Chow Breakpoint Test: 2008Q3 Null Hypothesis: No breaks at specified breakpoints Equation Sample: 1998Q1 2010Q4 F-statistic Log likelihood ratio Wald Statistic 0.964661 3.172674 10.22277 Prob. F(3,46) Prob. Chi-Square(3) Prob. Chi-Square(3) 0.4175 0.3658 0.0168

WARNING: the MA backcasts differ for the original and test equation. Under the null hypothesis, the impact of this difference vanishes asymptotically. Con un estadstico F de 0.96 y un F en tabla de 2.790 (gl num 3, gl denom 46) podemos determinar que existe un cambio estructural en la fecha correspondiente al tercer trimestre del ao 2008. Para analizar la serie de tiempo con aos completos y evitar desviaciones ocasionadas por el incremento en el ingreso de los agentes econmicos de Estados Unidos en 2008 y la abrupta cada de la misma variable para la segunda mitad del 2008 redefiniremos nuestra serie de tiempo que partir del primer trimestre de 1997 y concluir en el ltimo trimestre de 2007. Dependent Variable: LOG(SALES) Method: Least Squares Date: 11/12/11 Time: 23:07 Sample (adjusted): 1998Q1 2007Q4 Included observations: 40 after adjustments Convergence achieved after 11 iterations MA Backcast: 1997Q4 Variable LOG(INCOME) AR(4) MA(1) R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood Durbin-Watson stat Inverted AR Roots Inverted MA Roots Coefficient 1.192297 0.954314 0.731566 0.986569 0.985843 0.024684 0.022544 92.86576 1.582812 .99 -.73 Std. Error 0.031635 0.019608 0.119416 t-Statistic 37.68910 48.66954 6.126183 Prob. 0.0000 0.0000 0.0000 10.20636 0.207458 -4.493288 -4.366622 -4.447489 -.99

Mean dependent var S.D. dependent var Akaike info criterion Schwarz criterion Hannan-Quinn criter. -.00+.99i -.00-.99i

14

Nuestro nuevo modelo a simple vista presenta un comportamiento aceptable donde se puede apreciar que perdimos grados de libertad pero nuestros coeficientes parecen (a simple vista), comportarse adecuadamente. Para determinar si hemos mejorado al momento de abstraer de nuestro anlisis los aos donde se experimento la ltima recesin econmica en Estados Unidos compararemos como nuestro modelo se ajusta a los valores reales en ambos casos. El primer caso que se expondr corresponde a la comparacin de los valores observados para el primer cuarto de 1997 y el ltimo cuarto de 2010 y su correspondiente pronostico. Con la siguiente ecuacin: log( ) = 1.18 log( ) + 0.95( ( 4)) + 0.77(
SALES
40,000

( ) + ( 1) ) 2

35,000

30,000

25,000

20,000

15,000

10,000 97 98 99 00 01 02 03 04 05 06 07 08 09 10

SALESF
40,000

35,000

30,000

25,000

20,000

15,000

10,000 97 98 99 00 01 02 03 04 05 06 07 08 09 10

15

La ecuacin predice de una manera adecuada la tendencia y la estacionalidad de las ventas que se observaron para Walmart USA. Sin embargo, la serie calculada no se ajusta tan certeramente a los datos observados debido al quiebre estructural que sufri la serie en 2008. La nueva regresin trabaja con datos de 1997 a 2007 y presenta la siguiente ecuacin: log( ) = 1.19 log( ) + 0.95( ( 4)) + 0.73( ( ) + ( 1) ) 2

Con dicha ecuacin y tomando en cuenta la nueva serie de tiempo observamos el siguiente comportamiento:

SALES
40,000

35,000

30,000

25,000

20,000

15,000

10,000 97 98 99 00 01 02 03 04 05 06 07

SALESF
40,000

35,000

30,000

25,000

20,000

15,000

10,000 97 98 99 00 01 02 03 04 05 06 07

16

Se aprecia claramente como este anlisis, no solo predice la tendencia de la serie y sus temporadas sino tambin predice certeramente sus valores. Ntese que el ao 1997 no puede ser pronosticado con dicho modelo debido a que el operador autoregresivo de cuarto orden que fue incorporado necesita datos interanuales, los cuales no existen ya que no existe informacin para el ao 1996.

2.5 Pruebas de Hiptesis Se realizaran todas las pruebas de hiptesis necesarias para determinar la significancia que posee el modelo economtrico elaborado y aceptarlo o descartarlo. El modelo que se propone es el siguiente: Dependent Variable: LOG(SALES) Method: Least Squares Date: 11/12/11 Time: 23:07 Sample (adjusted): 1998Q1 2007Q4 Included observations: 40 after adjustments Convergence achieved after 11 iterations MA Backcast: 1997Q4 Variable LOG(INCOME) AR(4) MA(1) R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood Durbin-Watson stat Inverted AR Roots Inverted MA Roots Coefficient 1.192297 0.954314 0.731566 0.986569 0.985843 0.024684 0.022544 92.86576 1.582812 .99 -.73 Std. Error 0.031635 0.019608 0.119416 t-Statistic 37.68910 48.66954 6.126183 Prob. 0.0000 0.0000 0.0000 10.20636 0.207458 -4.493288 -4.366622 -4.447489 -.99

Mean dependent var S.D. dependent var Akaike info criterion Schwarz criterion Hannan-Quinn criter. -.00+.99i -.00-.99i

17

a) Prueba de significancia global La prueba de significancia global determinara si por lo menos uno de los parmetros aporta a la explicacin de la variable dependiente. Ho= Ninguna de las variables aporta informacin significativa al modelo (1 = 2 = 3 = 0) H1= Al menos una variable aporta informacin significativa al modelo (i 0; i = 1,2,3) 1 1 =

0.986569 31 1 0.986569 = 40 3 = 1,358.9

Nuestro F en tabla es el siguiente (2, 37) y 95%: 3.232 Como Fcal > Ftabla rechazamos la hiptesis nula y aceptamos la hiptesis alternativa la cual enuncia que a l menos una variable aporta informacin significativa al modelo (i 0; i = 1,2,3). b) Prueba de significancia al parmetro Se comprobara la siguiente hiptesis: : = 0

0 =

La ecuacin del estadstico z calculado es la siguiente:

= 1.1922 + (1.96)0.029833 = 1.25

18

= 1.1922 (1.96)0.029833 = = 1.13 ( )

= (1.19 0)/0.0298 = 39.9

Debido a que Z calculado no se ubica dentro del intervalo establecido para Z critico. Se rechaza la hiptesis nula y se acepta la hiptesis alternativa que indica que 0. c) Prueba de significancia al parmetro : : 0 = 0

La ecuacin del estadstico z crtico es la siguiente: = ( )

= 0.9543 + (1.96)0.0196 = 0.9543 (1.96)0.0196 = 0.9167 = = 0.9919

La ecuacin del estadstico z calculado es la siguiente:

= (0.95 0)/0.0196

( )

19

Debido a que Z calculado no se ubica dentro del intervalo establecido para Z critico. Se rechaza la hiptesis nula y se acepta la hiptesis alternativa que indica que 0. d) Prueba de significancia al parmetro : : 0 = 0

= 48.46

La ecuacin del estadstico z crtico es la siguiente:

= 0.7316 + (1.96)0.09 =0.908

= 0.7316 (1.96)0.09 = 0.5552 =

La ecuacin del estadstico z calculado es la siguiente:

= (0.73 0)/0.119 Debido a que Z calculado no se ubica dentro del intervalo establecido para Z critico. Se rechaza la hiptesis nula y se acepta la hiptesis alternativa que indica que 0. = 6.13

( )

Se puede determinar a travs de las pruebas realizadas que todos los parmetros aportan informacin significativa al modelo. e) Prueba de significancia de AR(4) En el anlisis propuesto se comprob que el ingreso disponible real era el principal componente del comportamiento del consumo por lo tanto se parti desde esta variable. Se verificara si AR(4) aporta significativamente al aumento del coeficiente de determinacin. 20

( )

( )

Redundant Variables Test Equation: EQ02 Specification: LOG(SALES) LOG(INCOME) AR(4) Redundant Variables: AR(4) Value 24.86170 618.1041 113.9493 df 38 (1, 38) 1 Probability 0.0000 0.0000 0.0000

t-statistic F-statistic Likelihood ratio F-test summary:

Test SSR Restricted SSR Unrestricted SSR Unrestricted SSR LR test summary: Restricted LogL Unrestricted LogL

Sum of Sq. 0.559145 0.593520 0.034375 0.034375

df 1 39 38 38

Mean Squares 0.559145 0.015218 0.000905 0.000905

Value 27.45372 84.42839

df 39 38

Restricted Test Equation: Dependent Variable: LOG(SALES) Method: Least Squares Date: 11/13/11 Time: 13:35 Sample: 1998Q1 2007Q4 Included observations: 40 Variable LOG(INCOME) R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood Durbin-Watson stat Coefficient 1.125338 0.646402 0.646402 0.123363 0.593520 27.45372 1.129152 Std. Error 0.002150 t-Statistic 523.3257 Prob. 0.0000 10.20636 0.207458 -1.322686 -1.280464 -1.307420

Mean dependent var S.D. dependent var Akaike info criterion Schwarz criterion Hannan-Quinn criter.

El F calculado es 618.1041 cuya probabilidad es del 0% lo cual confirma su aporte significativo al aumento del coeficiente de determinacin, si se desea se puede comprobar de la siguiente manera. Con un F critico de 4.085, grados de libertad (1,38), que al ser menor que el F calculado confirma el rechazo de la hiptesis nula y afirmamos que AR ( ) aumenta significativamente el coeficiente de determinacin. 21

f)

Prueba de significancia de MA(1) : :

( ) ( )

Redundant Variables Test Equation: EQ01 Specification: LOG(SALES) LOG(INCOME) AR(4) MA(1) Redundant Variables: MA(1) Value df Probability t-statistic 4.406573 37 0.0001 F-statistic 19.41788 (1, 37) 0.0001 Likelihood ratio 16.87473 1 0.0000 WARNING: the MA backcasts differ for the original and test equation. Under the null hypothesis, the impact of this difference vanishes asymptotically. F-test summary: Sum of Sq. 0.011831 0.034375 0.022544 0.022544 df 1 38 37 37 Mean Squares 0.011831 0.000905 0.000609 0.000609

Test SSR Restricted SSR Unrestricted SSR Unrestricted SSR LR test summary: Restricted LogL Unrestricted LogL

Value 84.42839 92.86576

df 38 37

Restricted Test Equation: Dependent Variable: LOG(SALES) Method: Least Squares Date: 11/13/11 Time: 13:49 Sample: 1998Q1 2007Q4 Included observations: 40 Convergence achieved after 5 iterations Variable LOG(INCOME) AR(4) R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood Durbin-Watson stat Inverted AR Roots Coefficient 1.146200 0.859141 0.979520 0.978982 0.030077 0.034375 84.42839 0.898784 .96 Std. Error 0.006926 0.034828 t-Statistic 165.4910 24.66842 Prob. 0.0000 0.0000 10.20636 0.207458 -4.121420 -4.036976 -4.090887

Mean dependent var S.D. dependent var Akaike info criterion Schwarz criterion Hannan-Quinn criter.

.00-.96i

.00+.96i

-.96

22

El F calculado es de 19.417, cuya probabilidad es del 0.01% lo cual confirma su aporte significativo al aumento del coeficiente de determinacin. Si se desea se puede comprobar con el F critico que con grados de libertad (1,37) es de 4.171. Al ser menor que el F calculado confirma el rechazo de la hiptesis nula y determinamos que ( ) aumenta significativamente el coeficiente de determinacin. g) Prueba de significacin de Tiendas La siguiente variable investigada que posee el prximo mayor coeficiente de correlacin con las ventas netas de Walmart USA es la cantidad de tiendas que operan en cada trimestre. Por lo tanto se determinara si agregar esta nueva variable aumenta significativamente el coeficiente de determinacin. : log( : log( ) ) . .

Redundant Variables Test Equation: EQ03 Specification: LOG(SALES) LOG(INCOME) AR(4) MA(1) LOG(STORES) Redundant Variables: LOG(STORES) Value df Probability t-statistic 0.496993 36 0.6222 F-statistic 0.247002 (1, 36) 0.6222 Likelihood ratio 0.273509 1 0.6010 WARNING: the MA backcasts differ for the original and test equation. Under the null hypothesis, the impact of this difference vanishes asymptotically. F-test summary: Test SSR Restricted SSR Unrestricted SSR Unrestricted SSR LR test summary: Restricted LogL Unrestricted LogL Sum of Sq. 0.000154 0.022544 0.022390 0.022390 Value 92.86576 93.00251 df 1 37 36 36 df 37 36 Mean Squares 0.000154 0.000609 0.000622 0.000622

23

Restricted Test Equation: Dependent Variable: LOG(SALES) Method: Least Squares Date: 11/13/11 Time: 13:55 Sample: 1998Q1 2007Q4 Included observations: 40 Convergence achieved after 11 iterations MA Backcast: 1997Q4 Variable LOG(INCOME) AR(4) MA(1) R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood Durbin-Watson stat Inverted AR Roots Inverted MA Roots Coefficient 1.192297 0.954314 0.731566 0.986569 0.985843 0.024684 0.022544 92.86576 1.582812 .99 -.73 Std. Error 0.031635 0.019608 0.119416 t-Statistic 37.68910 48.66954 6.126183 Prob. 0.0000 0.0000 0.0000 10.20636 0.207458 -4.493288 -4.366622 -4.447489 -.99

Mean dependent var S.D. dependent var Akaike info criterion Schwarz criterion Hannan-Quinn criter. -.00+.99i -.00-.99i

El F calculado es 0.49699 cuya probabilidad es del 62.2%. Se confirma que no aporta significativamente al aumento del coeficiente de determinacin, si se desea se puede comprobar con el F en tabla que con grados de libertad (1,36) es de 4.171. Al ser mayor que el F calculado ) no aporta confirma la aceptacin de la hiptesis nula que afirma que log( significativamente al aumento del coeficiente de determinacin. Por inferencia lgica determinamos que las variables investigadas restantes no aportaran significativamente al aumento del coeficiente de determinacin ya que presentan menores correlaciones con las ventas netas de Walmart USA. Podemos determinar que nuestro modelo que cumple con la condicin de parsimonia se define como: ln(c ) = ln (y ) + (AR ) + (MA ) + 24

Donde: y c = = Ingreso Disponible Real

AR = Autoregresor de orden cuarto MA = Promedio Movil de orden 1 :

h) Prueba de heterocedasticidad :

Heteroskedasticity Test: White F-statistic Obs*R-squared Scaled explained SS

1.688845 Prob. F(6,33) 9.397030 Prob. Chi-Square(6) 6.723564 Prob. Chi-Square(6)

0.1548 0.1524 0.3472

Test Equation: Dependent Variable: RESID^2 Method: Least Squares Date: 11/13/11 Time: 17:55 Sample: 1998Q1 2007Q4 Included observations: 40 Variable C GRADF_01^2 GRADF_01*GRADF GRADF_01*GRADF GRADF_02^2 GRADF_02*GRAD GRADF_03^2 R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood F-statistic Prob(F-statistic) Coefficient 0.002356 -0.023814 0.002481 -0.036483 0.001302 -0.029958 -0.230176 0.234926 0.095821 0.000702 1.63E-05 237.5588 1.688845 0.154818 Std. Error 0.000876 0.015520 0.011269 0.030176 0.004108 0.020402 0.110946 t-Statistic 2.689146 -1.534375 0.220128 -1.208999 0.316992 -1.468352 -2.074668 Prob. 0.0111 0.1345 0.8271 0.2353 0.7532 0.1515 0.0459 0.000564 0.000738 -11.52794 -11.23239 -11.42108 2.132312

Mean dependent var S.D. dependent var Akaike info criterion Schwarz criterion Hannan-Quinn criter. Durbin-Watson stat

25

La prueba de White demuestra que la probabilidad del estadstico F es alta y sobrepasa el valor mximo del 5% mximo para aceptar la hiptesis nula. Comprobaremos este resultado con los estadsticos correspondientes. = 40 0.23 El F crtico con una significancia del 95% y 3 grados de libertad es de: 1.69. Ya que el F calculado es mayor al F crtico negamos la hiptesis nula y aceptamos la hiptesis alternativa que indica que existe heterocedasticidad en los residuos. Para resolver el problema de heterocedasticidad aplicaremos el correcto White al correr la ecuacin de regresin. Dependent Variable: LOG(SALES) Method: Least Squares Date: 11/13/11 Time: 18:09 Sample (adjusted): 1998Q1 2007Q4 Included observations: 40 after adjustments Convergence achieved after 11 iterations White heteroskedasticity-consistent standard errors & covariance MA Backcast: 1997Q4 Variable LOG(INCOME) AR(4) MA(1) R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood Durbin-Watson stat Inverted AR Roots Inverted MA Roots Coefficient 1.192297 0.954314 0.731566 0.986569 0.985843 0.024684 0.022544 92.86576 1.582812 .99 -.73 Std. Error 0.029833 0.019177 0.090087 t-Statistic 39.96624 49.76273 8.120647 Prob. 0.0000 0.0000 0.0000 10.20636 0.207458 -4.493288 -4.366622 -4.447489 -.99 = 9.2 =

Mean dependent var S.D. dependent var Akaike info criterion Schwarz criterion Hannan-Quinn criter. -.00+.99i -.00-.99i

Al corregir la heterocedasticidad comprobaremos que no exista multicolienalidad.

26

i)

Prueba de Multicolienalidad

El coeficiente de determinacin es alto, sin embargo no existe ningn parmetro sin razones t poco significativas. Al aplicar el estadstico z determinamos que todos los parmetros son significativos. Las parejas de regresores no tienen altas correlaciones ya que dos de tres regresores son operadores que utilizaran la serie dependiente para predecir la misma. Podemos concluir que no existe multicolienalidad en el modelo. j) Prueba de Autocorrelacin : :

Con un aproximado de 40 observaciones y tres parmetros estimados tenemos que DL=1.383 y DU= 1.666. Nuestro estadstico Durbin Watson es de 1.5828. Los residuos no presentan una autocorrelacin directa en los residuos ya que nuestro estadstico calculado es mayor al valor DL, sin embargo es menor que el valor DL(2) que es igual a 2.766. Lo cual coloca a los residuos en el rea de indecisin. Para tomar una decisin al respecto realizaremos una prueba adicional. Se proceder a realizar un anlisis grafico de los errores. El correlograma de los residuos es el siguiente:

27

Los residuos presentan un comportamiento adecuado. Esta prueba nos permite salir del rea de indecisin y determinar que nuestro modelo pasa todas las pruebas de hiptesis necesarias. Tambin determinamos que nuestra serie pronostico presenta un comportamiento que se ajusta certeramente a los valores observados. La ecuacin a utilizar para determinar nuestros pronsticos ser la siguiente: log( ) = 1.19 log( ) + 0.95( ( 4)) + 0.73( ( ) + ( 1) ) 2

3. Pronsticos
Para realizar pronstico de las ventas netas de Walmart se supondr que el ingreso disponible real continuara con su tendencia. Para determinar la tendencia del ingreso disponible real se construir un modelo autoregresivo de primer orden. Dependent Variable: INCOME Method: Least Squares Date: 11/13/11 Time: 20:38 Sample (adjusted): 1947Q2 2007Q4 Included observations: 243 after adjustments Convergence achieved after 3 iterations Variable AR(1) R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood Durbin-Watson stat Inverted AR Roots Coefficient 1.007753 0.999721 0.999721 41.94948 425861.7 -1252.262 2.292688 Std. Error 0.000531 t-Statistic 1896.188 Prob. 0.0000 4445.449 2510.736 10.31492 10.32929 10.32071

Mean dependent var S.D. dependent var Akaike info criterion Schwarz criterion Hannan-Quinn criter.

1.01 Estimated AR process is nonstationary

Podemos observar que el operador autoregresivo de orden uno predice de manera adecuada la tendencia del ingreso. El comportamiento de la variable a travs de la serie de tiempo es muy estable como se describe a continuacin:

28

INCOME
12,000

10,000

8,000

6,000

4,000

2,000

0 50 55 60 65 70 75 80 85 90 95 00 05

Con nuestro operador autoregresivo realizaremos una prediccin de los datos de ingreso para el periodo que parte del ltimo trimestre del 2011 al ltimo trimestre del 2012. Los datos estarn detallados en el cuadro 5. El pronstico para las ventas netas de Walmart USA se presenta a continuacin:

SALESF
44,000 40,000 36,000 32,000 28,000 24,000 20,000 16,000 97 98 99 00 01 02 03 04 05 06 07 08 09 10 11 12

29

En la grafica podemos observar el comportamiento que tendrn las ventas netas para el periodo 2011-2012. El comportamiento que tendr la variable es la siguiente: Fecha 2011Q1 2011Q2 2011Q3 2011Q4 2012Q1 2012Q2 2012Q3 2012Q4 Comportamiento * -10.85% 5.63% -1.32% 10.19% -9.86% 6.15% 0.14% 9.74%

* Expresado en la variacin con respecto al periodo anterior

Cuadro 5

VALORES OBSERVADOS

VALORES PROYECTADOS

Fecha Valor* Variacin Interanual 2010Q1 $ 74,067.00 2.57% 2010Q2 $ 77,115.00 1.31% 2010Q3 $ 74,320.00 0.38% 2010Q4 $ 84,634.77 0.17% 2011Q1 $ 75,510.00 1.95% 2011Q2 $ 78,539.00 1.85% 2011Q3 $ 77,502.29 4.28% 2011Q4 $ 85,399.77 0.90% 2012Q1 $ 76,979.35 1.95% 2012Q2 $ 81,713.58 4.04% 2012Q3 $ 81,827.98 5.58% 2012Q4 $ 89,798.03 5.15% *Montos en millones de dlares.

30

4. Resultados y utilizacin del modelo

El modelo economtrico creado basa su comportamiento en la premisa que el consumo est en funcin del ingreso disponible real y se determino que las ventas netas de Walmart USA estn en funcin de las mismas variables que definen el consumo por la naturaleza de los productos que la compaa vende. Por lo tanto, se calculo una tendencia para el ingreso disponible real de los Estados Unidos. La serie ha presentado una tendencia al alza con una pendiente poco pronunciada y con pocas perturbaciones. No se pretende predecir con certeza el comportamiento del ingreso disponible real, sino crear una serie que permita predecir las ventas netas de Walmart USA bajo el supuesto que el ingreso disponible real de los estadounidenses se mantendr estable. El anlisis calculo que para estimar aproximadamente la tendencia del ingreso suponiendo que seguir su tendencia normal, se necesitara calcular los siguientes ingresos en base a un operador autoregresivo de primer orden con un coeficiente de 1.007753. Con esta ecuacin se puede calcular el ingreso para los periodos restantes en la serie de tiempo y tener una base de datos que finaliza en el ltimo trimestre del 2012. Con el modelo anteriormente expuesto se calculo que las ventas netas de Walmart USA fluctuaran al alza y continuaran presentando la misma tendencia y fluctuacin. En el cuadro 5 se detallan los resultados de la investigacin. Segn la tendencia que tendr la serie de tiempo se observa un bajo dinamismo en el incremento interanual en la poca navidea, tendencia que aumentara a travs del ao 2012 donde se ver su ms alto incremento con respecto al mismo periodo del ao anterior, situndose en 5.6 y 5.2 por ciento para los ltimos dos trimestres del ao 2012 respectivamente. Este aumento en las ventas viene explicado por los sntomas de recuperacin que ha presentado la economa estadounidense en los ltimos trimestres y por el supuesto que la tendencia continuara sin perturbaciones significativas en este periodo de tiempo. Se pronostica un aumento en las ventas de Walmart USA exceptuando para la prxima poca navidea en la cual las ventas tendrn casi ninguna variacin con el mismo periodo del ao anterior. Es importante sealar que las ventas llegaran aproximadamente a noventa mil millones de dlares en la poca navidea del 2012 si la economa estadounidense se recupera de la crisis econmica del 2008. Ser la primera vez que las ventas netas de la compaa sobrepasan esta marca y de seguir la tendencia se podra esperar que lleguen a cien mil millones de dlares para las festividades del 2014. Estos datos pueden contribuir a polticas de expansin para la compaa. La utilizacin de esta herramienta economtrica es predecir con el 95% de seguridad el comportamiento de las ventas netas de Walmart USA para el periodo 2011-2012 de continuar con un crecimiento econmico sostenido en los Estados Unidos de Amrica con sntomas de recuperacin de la ltima crisis econmica experimentada en dicha economa. Los supuestos establecidos se basan en los constantes planes del gobierno de los Estados Unidos en aumentar el gasto pblico para reactivar la economa y la pronta y activa respuesta por parte de la Unin Europea para contrarrestar las posibles debacles econmicas que podran ocasionar en el sector financiero la crisis de la deuda pblica de varios pases en Europa. 31

Conclusiones
Las ventas de Walmart USA estn en funcin del ingreso disponible real de los agentes econmicos estadounidenses al igual que el consumo. La ecuacin que describe el comportamiento de las ventas netas trimestrales de la compaa es la siguiente: log( ) = 1.19 log( ) + 0.95( ( 4)) + 0.73( ( ) + ( 1) ) 2

Las ventas de la compaa varan en 1.19 por ciento por cada cambio porcentual en el ingreso disponible real de la economa estadounidense lo cual indica que la compaa tiene una muy buena aceptacin en el mercado ya que los consumidores han preferido consumir en Walmart sobre otras tiendas minoristas a lo largo del tiempo por cada aumento que experimentaron en su ingreso. Las ventas de Walmart en los Estados Unidos son elsticas con respecto al ingreso de los estadounidenses lo cual indica el xito en las campaas publicitarias y de mercadeo que ha realizado la empresa a lo largo de los aos.

El comportamiento de las ventas est altamente correlacionado con el comportamiento que tuvieron las mismas en el mismo periodo del ao anterior lo cual denota patrones marcados de consumo por parte de los estadounidenses que se mantienen a lo largo del tiempo Un aumento de una unidad en las ventas registradas en un trimestre provocaran el aumento en un 0.95 por ciento de las ventas del mismo trimestre del siguiente ao, esto demuestra que el consumo presenta un crecimiento constante a lo largo del tiempo con respecto a la temporada que se est analizando, es decir, sigue una tendencia estable si todas las dems variables se mantienen igual Si el ltimo promedio mvil de las ventas netas de Walmart USA presenta un aumento de una unidad, las ventas del siguiente periodo se vern aumentadas en 0.73 por ciento. Este indicador es de mucha utilidad si se desea pronosticar aumentos en las ventas a corto plazo.

32

Recomendaciones
Realizar adicionales estudios mensuales y diarios para comprobar los resultados anteriormente expuestos, que confirmen las tendencias que presenta el consumo en las tiendas Walmart en funcin de la ecuacin matemtica propuesta. Comprobar empricamente el aumento del 0.73 por ciento en las ventas de un periodo por cada aumento que presente el promedio mvil anterior, en casos de estabilidad en las dems variables para confirmar empricamente el coeficiente de comportamiento de corto plazo. Actualizar los coeficientes determinados en la presente investigacin con una periodicidad regular para evitar pronosticar incorrectamente la serie de tiempo en caso de un repentino cambio estructural en las variables que componen este modelo. Polticas de expansin ante expectativas de aumento del ingreso de manera sostenida en la economa estadounidense, basadas en la elasticidad que presentan las ventas en relacin al ingreso disponible real. Utilizar variables reales para actualizar la investigacin o para procedimientos de comprobacin para evitar clculos incorrectos. De experimentarse sntomas de recuperacin en la economa estadounidense se necesita ampliar la capacidad instalada de la compaa en funcin de un aumento del 5 al 6 por ciento en las ventas de la segunda mitad del 2012 en comparacin del mismo periodo del 2011. Esperar un monto en las ventas netas de fin de ao 2011 con una variacin de un uno por ciento aproximadamente con respecto al mismo periodo del ao anterior. Por lo tanto se espera un crecimiento bajo. Realizar investigaciones economtricas antes de tomar decisiones con respecto a la produccin para evitar tasas de variacin de inventarios que no le permitan un apropiado desempeo a la compaa.

33

Bibliografa
Departamento de Comercio de los Estados Unidos: Oficina de Anlisis Econmico. U.S. Bureau of Economic Analysis (BEA) www.bea.gov. Walmart Corporate. Annual Reports, Quaterly Results y 10K fillers disponibles en: investors.walmartstores.com.

34

Anexos

Cuadro 1 Fecha Ene-97 Abr-97 Jul-97 Oct-97 Ene-98 Abr-98 Jul-98 Oct-98 Ene-99 Abr-99 Jul-99 Oct-99 Ene-00 Abr-00 Jul-00 Oct-00 Ene-01 Abr-01 Jul-01 Oct-01 Ene-02 Abr-02 Jul-02 Oct-02 Ene-03 Abr-03 Jul-03 Oct-03 Ventas Ventas Reales $24,095.00 $15,094.00 $26,926.00 $16,828.75 $26,996.00 $16,788.56 $32,745.32 $20,254.79 $27,214.00 $16,798.77 $30,573.00 $18,810.33 $30,548.00 $18,699.00 $37,049.92 $22,573.11 $31,426.00 $19,076.93 $34,788.00 $20,960.79 $34,522.00 $20,647.13 $43,335.37 $25,728.55 $35,788.00 $21,039.39 $38,708.00 $22,579.08 $38,239.00 $22,103.47 $47,458.06 $27,238.28 $40,416.00 $22,976.69 $44,437.00 $25,086.80 $44,060.00 $24,803.95 $53,674.45 $30,239.13 $45,968.00 $25,815.00 $50,003.00 $27,861.95 $48,871.00 $27,085.40 $58,634.14 $32,305.31 $46,440.00 $25,326.26 $51,123.00 $27,925.84 $50,993.00 $27,648.52 $60,427.68 $32,640.14 Fecha Ene-04 Abr-04 Jul-04 Oct-04 Ene-05 Abr-05 Jul-05 Oct-05 Ene-06 Abr-06 Jul-06 Oct-06 Ene-07 Abr-07 Jul-07 Oct-07 Ene-08 Abr-08 Jul-08 Oct-08 Ene-09 Abr-09 Jul-09 Oct-09 Ene-10 Abr-10 Jul-10 Oct-10 Ventas Ventas Reales $52,212.00 $27,965.72 $56,330.00 $29,936.17 $54,970.00 $29,028.29 $65,905.54 $34,433.41 $56,796.00 $29,524.81 $61,778.00 $31,899.08 $60,262.00 $30,652.09 $70,917.36 $35,738.69 $62,273.00 $31,219.70 $65,861.00 $32,723.20 $64,385.00 $31,690.68 $75,569.60 $37,349.12 $65,760.00 $32,189.85 $70,390.00 $34,060.45 $68,477.00 $32,931.61 $79,656.92 $37,848.78 $70,145.00 $32,966.59 $76,287.00 $35,391.46 $72,777.00 $33,243.35 $81,964.86 $38,345.60 $72,208.00 $33,988.07 $76,117.00 $35,657.34 $74,036.00 $34,368.37 $84,494.35 $38,963.88 $74,067.00 $34,046.91 $77,115.00 $35,492.70 $74,320.00 $34,085.65 $84,734.80 $38,609.71

Fuente: Walmart Investors Annual Report (1997-2010) *Datos expresados en millones de dlares y presentados trimestralmente.

35

Cuadro 2 Fecha Ene-97 Abr-97 Jul-97 Oct-97 Ene-98 Abr-98 Jul-98 Oct-98 Ene-99 Abr-99 Jul-99 Oct-99 Ene-00 Abr-00 Jul-00 Oct-00 Ene-01 Abr-01 Jul-01 Oct-01 Ene-02 Abr-02 Jul-02 Oct-02 Ene-03 Abr-03 Jul-03 Oct-03 Ingreso Disponible 7,005.70 7,058.30 7,139.10 7,238.30 7,402.90 7,508.60 7,587.50 7,643.10 7,694.90 7,712.50 7,762.40 7,884.10 8,049.80 8,132.30 8,218.60 8,230.90 8,292.70 8,270.00 8,480.60 8,381.70 8,607.60 8,655.00 8,625.30 8,645.70 8,677.50 8,808.80 8,932.10 8,983.50 Fecha Ene-04 Abr-04 Jul-04 Oct-04 Ene-05 Abr-05 Jul-05 Oct-05 Ene-06 Abr-06 Jul-06 Oct-06 Ene-07 Abr-07 Jul-07 Oct-07 Ene-08 Abr-08 Jul-08 Oct-08 Ene-09 Abr-09 Jul-09 Oct-09 Ene-10 Abr-10 Jul-10 Oct-10 Ingreso Disponible 9,023.40 9,112.60 9,173.50 9,301.80 9,188.50 9,253.20 9,308.40 9,359.30 9,534.60 9,619.10 9,665.30 9,792.00 9,836.30 9,851.00 9,889.70 9,944.10 10,087.40 10,288.50 10,053.70 10,047.90 9,951.00 9,957.30 9,819.60 9,805.40 9,922.50 10,057.80 10,114.40 10,152.00

Fuente: Departamento de Comercio de los Estados Unidos: Oficina de Anlisis Econmico *Datos expresados en billones de dlares y presentados trimestralmente.

36

Cuadro 3 Fecha ene-97 abr-97 jul-97 oct-97 ene-98 abr-98 jul-98 oct-98 ene-99 abr-99 jul-99 oct-99 ene-00 abr-00 jul-00 oct-00 ene-01 abr-01 jul-01 oct-01 ene-02 abr-02 jul-02 oct-02 ene-03 abr-03 jul-03 oct-03 Tiendas 2,757 2,773 2,789 2,805 2,825 2,845 2,865 2,884 2,909 2,934 2,959 2,985 3,018 3,051 3,084 3,118 3,150 3,182 3,214 3,244 3,283 3,322 3,361 3,400 3,438 3,476 3,514 3,551 Fecha ene-04 abr-04 jul-04 oct-04 ene-05 abr-05 jul-05 oct-05 ene-06 abr-06 jul-06 oct-06 ene-07 abr-07 jul-07 oct-07 ene-08 abr-08 jul-08 oct-08 ene-09 abr-09 jul-09 oct-09 ene-10 abr-10 jul-10 oct-10 Tiendas 3,589 3,627 3,665 3,702 3,741 3,780 3,819 3,856 3,877 3,918 3,960 4,022 4,058 4,091 4,121 4,141 4,195 4,224 4,249 4,258 4,269 4,284 4,309 4,304 4,364 4,371 4,400 4,413

Fuente: Walmart Investors Annual Report (1997-2010)

37

Cuadro 4

Fecha ene-97 abr-97 jul-97 oct-97 ene-98 abr-98 jul-98 oct-98 ene-99 abr-99 jul-99 oct-99 ene-00 abr-00 jul-00 oct-00 ene-01 abr-01 jul-01 oct-01 ene-02 abr-02 jul-02 oct-02 ene-03 abr-03 jul-03 oct-03

Credito $322,709.40 $319,014.56 $314,489.49 $314,154.22 $314,729.60 $314,914.63 $347,130.75 $364,131.28 $351,682.06 $357,305.67 $361,321.29 $372,532.28 $362,617.58 $371,543.87 $380,295.66 $403,050.34 $394,640.76 $400,280.69 $396,904.24 $414,137.13 $399,550.73 $406,323.00 $410,901.39 $425,412.01 $409,366.90 $414,785.13 $414,623.74 $426,929.67

Fecha ene-04 abr-04 jul-04 oct-04 ene-05 abr-05 jul-05 oct-05 ene-06 abr-06 jul-06 oct-06 ene-07 abr-07 jul-07 oct-07 ene-08 abr-08 jul-08 oct-08 ene-09 abr-09 jul-09 oct-09 ene-10 abr-10 jul-10 oct-10

Credito $411,672.90 $411,502.55 $418,617.82 $430,731.97 $412,700.26 $417,143.91 $416,428.74 $431,723.86 $413,898.19 $417,596.92 $421,245.18 $444,887.49 $427,537.30 $433,341.25 $442,659.32 $462,430.00 $445,129.76 $445,255.48 $444,496.99 $462,710.32 $434,581.01 $424,052.32 $414,770.89 $412,259.04 $380,824.11 $376,232.20 $370,058.43 $376,677.37

Fuente: Departamento de Comercio de los Estados Unidos: Oficina de Anlisis Econmico *Datos expresados en billones de dlares y presentados trimestralmente.

38