UNIVERSIDAD AUSTRAL DE CHILE

FACULTAD DE CIENCIAS DE LA INGENIERÍA

ESCUELA DE INGENIERÍA CIVIL INDUSTRIAL
ECONOMETRÍA

Aplicación de regresión lineal para estudiar la

relación entre la demanda y fuerza laboral en una
empresa productora de quesos

Profesor:
Dr. Juan Carlos Miranda C.

Autores:
Marcela Celikbas C.
Javier Delgado A.
Camilo Gallardo G.

Valdivia, Martes 2 de mayo de 2017

 Contenido

1. Resumen. ..................................................................................................................................... 3
2. Introducción. ............................................................................................................................... 3
3. Presentación de datos. ............................................................................................................. 4
4. Modelo empírico. ....................................................................................................................... 5
5. Estimación e interpretación de los resultados. ................................................................. 6
5.1. Ajuste del modelo de regresión lineal. ......................................................................... 6
5.2. Varianza del error. .............................................................................................................. 6
5.3. Contraste de hipótesis del coeficiente 𝜷𝟏. .................................................................. 6
5.4. Intervalos de confianza para 𝜷. ...................................................................................... 7
5.5. Coeficiente de correlación. .............................................................................................. 7
5.6. Coeficiente de determinación. ........................................................................................ 7
5.7. Prueba de hipótesis de correlación lineal. .................................................................. 8
5.8. Homocedasticidad y residuales. .................................................................................... 8
6. Conclusiones. ............................................................................................................................. 9
Referencias. ..................................................................................................................................... 9

2
1. Resumen.

La estrategia de operaciones es una herramienta que le permite a las empresas

potenciar sus capacidades para competir exitosamente en el mercado, involucrando una de
ellas, el modificar la fuerza laboral y el uso de inventario de acuerdo a la demanda existente.
El presente estudio analiza la relación que existe entre la demanda y la fuerza laboral en
una empresa productora de quesos de la ciudad de Purranque, mediante la utilización del
análisis de regresión simple. A partir de los datos mensuales de la demanda de quesos (en
miles de unidades) y el número de trabajadores necesarios para su producción, se procede
a desarrollar un modelo que refleje el comportamiento de esas variables. Para construir la
ecuación de regresión, se deben estimar los coeficientes que la forman, en este caso la
pendiente de la recta y el término libre. Al realizar el análisis, se puede establecer que
ambas variables tienen una relación positiva, y en base a la la magnitud del coeficiente 𝛽̂1 ,
se describe la fuerza de asociación entre las variables y cómo varía la fuerza laboral ante
un aumento en la demanda del producto. Adicionalmente, se mide la bondad de ajuste del
modelo, para lo cual se calculan los indicadores de varianza residual y coeficiente de
determinación, los que definen un buen ajuste; y por otro lado, para validar el modelo
estimado, se contrastan pruebas de hipótesis, con las que se corrobora la fuerza de la
pendiente y la correlación lineal existente.

Palabras clave: Regresión lineal, fuerza laboral, demanda.

2. Introducción.

La empresa definida como objeto de estudio, está dedicada a la elaboración de

quesos y mantequilla, y se encuentra ubicada en la ciudad de Purranque, región de Los
Lagos, Chile. Actualmente, produce tres tipos de quesos: chanco, mantecoso y gouda,
además de elaborar mantequilla.

Tras la visita a la empresa y recolección de información para este estudio, se logra

contextualizar el funcionamiento actual de la empresa, evidenciando un sistema de
producción desarrollado en base a la experiencia adquirida por los años de práctica del
jefe de producción y de la administración. Hoy en día, la empresa tiene dos prioridades
competitivas: operaciones de bajo costo y calidad superior; además, el proceso de
fabricación se realiza en lotes grandes, y su política de producción consiste en utilizar en
producción toda la leche que reciben de sus proveedores.

Actualmente, la empresa cuenta con mano de obra semi-calificada, por lo tanto, las
contrataciones y/o despidos no consideran un alto costo. Además, debido a las
condiciones climáticas y a las del mercado lácteo, la demanda se comporta de forma
estacional, teniendo temporadas altas (septiembre-marzo) y bajas (abril-agosto), por lo
que es normal que se generen cambios continuos en los niveles de mano de obra a lo
largo del año, y se almacene en inventario la sobre-producción de los meses con mayor
demanda, denominada como una estrategia mixta de producción (Krajewsky, Ritzman, &
Malhotra, 2008). Para la realización de este estudio, se utilizará la demanda de quesos,
en base a los datos históricos entregados por la empresa y se buscará establecer la
relación que posee con la fuerza laboral de la empresa. (Nota: La empresa ha hecho
hincapié en la confidencialidad de los datos entregados).

3
3. Presentación de datos.

Los datos recopilados para la realización del análisis, corresponden a la demanda

de quesos (en miles de unidades) de la empresa y la fuerza laboral utilizada para la
producción de los mismos (expresado en número de trabajadores), tomando como base
registros mensuales, los que se detallan en la Tabla 1.

Tabla 1. Datos mensuales de demanda de quesos y fuerza laboral.

Demanda (en miles de unidades) Fuerza Laboral (N° Trabajadores)

61,08 93
57,87 89
58,25 87
53,22 88
51,09 85
43,54 82
47,84 83
49,00 85
68,22 90
75,72 95
77,14 100
75,94 95
60,54 91
58,03 90
59,49 89
52,88 87
51,67 85
43,92 83
44,31 80
47,76 83
71,40 100
78,39 100
78,53 100
76,10 100
58,13 94
56,42 85

Fuente: Elaboración Propia

Para establecer qué tipo de función podría ajustarse a los datos presentados en la
tabla 1, se realiza una gráfica de dispersión. De este modo, si en ese gráfico es posible
observar que los puntos se distribuyen alrededor de una línea recta, se procede a ejecutar
un análisis de regresión lineal. El gráfico de dispersión sugiere la existencia de una relación
lineal entre la fuerza laboral (variable dependiente) y la demanda (variable independiente),
situación reflejada en la Figura 1.

4
 Figura 1. Gráfica de dispersión de la demanda y fuerza laboral.

Relación Demanda - Fuerza Laboral

120
100
Fuerza Laboral

80

60
40
20

0
0 20 40 60 80 100
Demanda (en miles de unidades)

Adicionalmente, en la Tabla 2, se muestran estadísticos descriptivos necesarios

para la ejecución del modelo posteriormente.

Tabla 2. Estadísticos descriptivos de los datos de demanda y fuerza laboral.

Estadístico Fuerza Laboral Demanda

Media 89,9615 59,8646
Varianza 40,4385 136,0842

4. Modelo empírico.

El modelo de regresión lineal está representado por la siguiente ecuación (Gujarati,

2004).

𝑦𝑖 = 𝛽0 + 𝛽1 𝑥𝑖 ± 𝑒𝑖 (1)

Debido a que los valores 𝛽0 y 𝛽1 no se conocen, deben estimarse a partir de las

observaciones de la muestra; por su parte, el valor 𝑒𝑖 no se puede estimar porque es una
variable aleatoria. De este modo, el modelo a estimar es el siguiente (Gujarati, 2004).

𝑦̂𝑖 = 𝛽̂0 + 𝛽̂1 𝑥𝑖 (2)

En este caso práctico, la variable dependiente, corresponde a la fuerza laboral de la

empresa, la cual depende de la demanda (variable dependiente). Esta relación se define
de este modo, pues ante una variación en la demanda de quesos, el personal necesario
para la elaboración de este producto, también se verá modificado, definiéndose así, la
relación de dependencia entre ambas variables. De acuerdo a la información observada en
el gráfico de dispersión, se espera que la relación sea positiva, es decir, a medida que
aumente la demanda de quesos, la empresa contratará mayor personal para su producción;

5
de esta forma, se espera que el valor de 𝛽̂1 sea positivo. Adicionalmente, debido a que una
empresa requiere de una cantidad base de trabajadores para operar, aunque la demanda
sea baja, se puede esperar que el valor 𝛽̂0 sea positivo.

5. Estimación e interpretación de los resultados.

5.1. Ajuste del modelo de regresión lineal.

En primer lugar, se procede a calcular los parámetros 𝛽̂0 y 𝛽̂1 , utilizando las
ecuaciones correspondientes.

∑𝑛𝑖=1 𝑥𝑖 𝑦𝑖 − 𝑛𝑥̅ 𝑦̅ 141767,25 − 26 ∗ 59,86 ∗ 89,96

𝛽̂1 = = = 0,5126
∑𝑛𝑖=1 𝑥𝑖2 − 𝑛𝑥̅ 2 96580,18 − 26 ∗ 59,862

𝛽̂0 = 𝑦̅ − 𝛽̂1 𝑥̅ = 89,96 − 0,5126 ∗ 59,86 = 59,2750

Entonces, reemplazando los valores obtenidos en la ecuación (2), se tiene el modelo

de regresión estimado.
𝑦̂𝑖 = 59,275 + 0,5126𝑥𝑖

A partir de esto, se procede a interpretar los coeficientes de esta ecuación. Respecto

al coeficiente 𝛽̂1 , éste mide el cambio que tiene Y por cada unidad de cambio en X. De este
modo, como el valor del coeficiente es de 0.51, para aplicar el principio en términos
escalables, se puede establecer que, ante un aumento en la demanda de quesos de 2000
unidades, se requerirá de un trabajador adicional (esto debido a que la variable
independiente está expresada en miles). Por otro lado, el coeficiente 𝛽̂0 indica el punto
donde la recta intercepta el eje Y cuando X=0, para este caso, se refiere al número de
trabajadores requeridos cuando la demanda de productos es cero. A partir de esto, se
observa que, dada esta condición, se necesitan en promedio 59 trabajadores.

5.2. Varianza del error.

Un indicador relevante para medir la bondad de ajuste del modelo, es la varianza de
los errores, que explica la variabilidad de los errores de predicción. En este caso, se obtiene
lo siguiente.
2
∑𝑛𝑖=1(𝑦𝑖 − 𝑦̂𝑖 )2 117,033
𝑠𝑒 = = = 4,876
𝑛−2 26 − 2

Como se puede apreciar, la varianza del error es bastante baja para el modelo, lo
cual refleja que la recta de regresión obtenida explica de buena forma el comportamiento
de la nube de datos, teniendo un buen ajuste.

5.3. Contraste de hipótesis del coeficiente 𝜷𝟏 .

A continuación, se procede a contrastar hipótesis para el modelo, definiendo como
eje de estudio el coeficiente 𝛽̂1 , pues es la pendiente. Entonces, se busca determinar si el
valor de la pendiente, es o no significativamente distinta de cero, para lo cual se define la
siguiente prueba de hipótesis.
𝐻0 : 𝛽1 = 0
𝐻1 : 𝛽1 ≠ 0

Para realizar esta prueba de hipótesis, se construye el estadístico de contraste, que

en este caso sigue la distribución t de Student, y se obtiene como sigue.

6
 ̂1 − 𝛽𝐻
𝛽 0,5126 − 0
0
𝑡𝑐𝑎𝑙𝑐. = = = 13,54
𝜎̂ 2 4,876
√
√ 3402,105
∑𝑛𝑖=1(𝑥𝑖 − 𝑥̅ )2

Ahora, este valor calculado se compara con el valor crítico del estadístico t para una
∗
muestra de n=26, y un nivel de significancia 𝛼=0.05, el cual se define como 𝑡(24,0,95) y posee
un valor de 2.06. De este modo, como el valor 𝑡𝑐𝑎𝑙𝑐 (13.54) es mayor al valor teórico del
estadístico, se rechaza la hipótesis nula 𝐻0 , por lo que se establece que la pendiente del
modelo es significativamente diferente de cero, en este caso, existiendo una relación
positiva entre la demanda y la fuerza laboral.

5.4. Intervalos de confianza para 𝜷.

Para respaldar el resultado anterior, se calcularán intervalos de confianza para el
coeficiente 𝛽1 con una significancia del 95%.
𝑠𝑒 𝑠𝑒
𝛽̂1 − 𝑡(24,0.95)
∗
< 𝛽 < 𝛽̂1 + 𝑡(24,0.95)
∗

𝑛 2 𝑛 2
√∑𝑛 𝑥 2 − (∑𝑖=1 𝑥𝑖 ) √∑𝑛 𝑥 2 − (∑𝑖=1 𝑥𝑖 )
𝑖=1 𝑖 𝑛 𝑖=1 𝑖 𝑛

0,434 < 𝛽 < 0,591

De este análisis, se puede establecer que el verdadero valor del parámetro 𝛽, se

encuentra entre 0.434 y 0.591 con un nivel de confianza del 95%, y se reafirma el rechazo
de la hipótesis nula, pues dicho intervalo no incluye al cero.

5.5. Coeficiente de correlación.

Una medida para describir qué tan bien explica una variable a la otra, es la utilización
del coeficiente de correlación (r). Cabe destacar, que este indicador solo mide la fuerza de
asociación en relaciones de tipo lineal, aplicable a este caso, como se puede apreciar en el
gráfico de dispersión en la Figura 1. El cálculo del coeficiente se señala a continuación.

𝐶𝑜𝑣 (𝑥, 𝑦) 69,76

𝑟= = = 0,94
√𝑣𝑎𝑟(𝑥)√𝑣𝑎𝑟(𝑦) √136,08√40,44

El valor del coeficiente de correlación es elevado, lo que implica una relación de

dependencia lineal fuerte entre la demanda de quesos y la fuerza laboral, y además, esta
relación es directa, dado que el signo de r es positivo.

5.6. Coeficiente de determinación.

Otra medida para obtener la bondad de ajuste de la ecuación de regresión estimada
es el coeficiente de determinación, el cual se puede calcular tomando como base el valor
del coeficiente de correlación obtenido previamente, como sigue.

𝑅 2 = (𝑟)2 = 0,942 = 0,88

7
 Este valor indica que el 88% de la variación observada en los datos de la fuerza
laboral es explicada por la demanda. Además, considerando como referencia que el valor
es mayor a 80% se puede establecer que el modelo posee un buen ajuste.

5.7. Prueba de hipótesis de correlación lineal.

Otra forma de corroborar si el modelo definido previamente sigue una relación lineal,
es mediante el contraste de hipótesis de la correlación. Para esta prueba de hipótesis, se
plantea la existencia o inexistencia de correlación lineal en base al parámetro de r en la
población (𝜌), utilizando el estadístico t.
𝐻0 : 𝜌 = 0
𝐻1 : 𝜌 ≠ 0
∗
El estadístico teórico 𝑡(24,0,95) , como previamente se señaló, posee un valor de 2.06,
y se compara con el valor calculado a continuación.

𝑟 0,94
𝑡𝑐𝑎𝑙 = = = 13,54
√1 − 𝑅2 √1 − 0,88
𝑛−2 26 − 2

Como el valor obtenido es mayor al teórico, se rechaza la hipótesis nula, lo que

implica que existe correlación lineal entre las variables. Además, el estadístico t calculado
ahora, es idéntico al valor obtenido en la prueba de hipótesis del coeficiente 𝛽1 , pues solo
existe una variable explicativa, que es la demanda de quesos.

5.8. Homocedasticidad y residuales.

Para determinar si la varianza del error es constante, se procede a analizar el gráfico
de residuales, el cual se obtiene a partir de la diferencia entre el modelo estimado y los
datos obtenidos, situación descrita en la Figura 2.

Figura 2. Gráfica de residuales respecto a la demanda.

Gráfica de Residuos
6
4
Residuo

2
0
0 20 40 60 80 100 RESIDUO
-2
-4
-6
Demanda (en miles de unidades)

A partir de este gráfico, se observa que los datos no poseen una dispersión
relevante, pues la mayoría de los puntos están concentrados dentro de un rango
establecido (por regla empírica, el 95% de las observaciones se encuentran en un rango de
± 2𝜎̂𝑒 ; en este caso dentro de ± 4,42, lo cual es observable en la figura). Esto indicaría que

8
la varianza para los residuos es constante, corroborando el modelo de regresión lineal
obtenido.

6. Conclusiones.

Las empresas poseen diferentes tácticas con el fin de lograr sus objetivos
organizacionales priorizando estrategias que estén orientadas a producir con menor costo
y otorguen mayor beneficio. En este contexto, la empresa se acerca a una estrategia mixta
uniendo una estrategia de persecución (contrataciones y despidos constantes) y de
inventario (grandes niveles de inventario). En los meses que existe un superávit de leche,
la empresa produce todo el recurso en queso con el fin de poder satisfacer los pedidos
posteriores, pero en aquellos periodos en los que hay déficit de leche, la empresa se ve
obligada a recurrir a su inventario, disminuyendo la capacidad productiva. Por ello, los
niveles de fuerza laboral van cambiando constantemente por su demanda de tipo cíclica
o estacional.

A partir de la información recabada y del análisis posterior, es posible concluir que

existe una relación indudable entre la cantidad de producto demandada mensualmente y
el nivel de personal necesario para la producción de los mismos. A través del estudio, se
pudo comprobar que existe una correlación directa que, expresa la cercanía de la relación
entre las dos variables, indicando que un aumento de la demanda provoca un incremento
en la mano de obra y viceversa. Además, el coeficiente de bondad de ajuste que se obtuvo
está dentro de los rangos aceptables, reflejándose esto, en que la variable dependiente
es explicada en un 88% por la variable independiente.

Debido a la ecuación obtenida, se sugiere contratar o despedir trabajadores cuando

el incremento o disminución de la demanda sea múltiplo de dos mil unidades, pues el
coeficiente que acompaña a la variable independiente (0.5 aproximadamente) indica que
al aumentar en mil las unidades demandadas, se debe contratar 0.5 personas, lo cual se
comprende, no es posible. Finalmente, podría especularse que la relación estudiada está
presente en la mayoría de las organizaciones que utilizan una estrategia que involucre
persecución (esto es, contrato y despido para ajustarse a la demanda).

Referencias.

Gujarati, D. (2004). Econometría. McGraw-Hill, 4° Edición.

Krajewsky, L., Ritzman, L., & Malhotra, M. (2008). Administración de Operaciones: Procesos y
cadenas de valor. Pearson Prentice Hall, 8° Edición.