Análisis marginal y modelación cuadrática de la relación entre ventas y utilidad en empresas de Los Ríos, Ecuador

Luz María Quinde Arreaga; John Aníbal Herrera Rivera; Jenny Marlene Maldonado Castro; Mariana Del Rocío Reyes Bermeo; Marco Fernando Villarroel Puma

doi:10.70881/hnj/v4/n3/159

Autores/as

Luz María Quinde Arreaga Universidad Técnica Estatal de Quevedo Autor/a https://orcid.org/0009-0009-2306-4561
John Aníbal Herrera Rivera Universidad de Guayaquil Autor/a https://orcid.org/0000-0003-3689-9006
Jenny Marlene Maldonado Castro Universidad Técnica Estatal de Quevedo Autor/a https://orcid.org/0000-0003-1531-7695
Mariana Del Rocío Reyes Bermeo Universidad Técnica Estatal de Quevedo Autor/a https://orcid.org/0000-0001-5100-2098
Marco Fernando Villarroel Puma Universidad Técnica Estatal de Quevedo Autor/a https://orcid.org/0000-0001-9288-6221

DOI:

https://doi.org/10.70881/hnj/v4/n3/159

Palabras clave:

regresión cuadrática, errores estándar robustos, HC3, heterocedasticidad, análisis de sensibilidad

Resumen

El objetivo de esta investigación fue analizar la relación funcional entre los ingresos por ventas y la utilidad del ejercicio de 2.359 empresas de la provincia de Los Ríos, mediante modelos de regresión lineal y cuadrática complementados con análisis marginal e inferencia estadística. Se realizó un estudio cuantitativo, observacional, no experimental y transversal utilizando información financiera del Ranking Empresarial 2025 correspondiente al ejercicio económico 2024. Los modelos se estimaron mediante mínimos cuadrados ordinarios y se evaluaron con pruebas de heterocedasticidad, errores estándar robustos White-HC0 y HC3, diagnósticos de influencia y análisis de sensibilidad. La especificación cuadrática presentó un mayor ajuste dentro de la muestra que el modelo lineal. Sin embargo, la prueba de Breusch–Pagan evidenció heterocedasticidad. Bajo HC3, el coeficiente lineal permaneció positivo y significativo (β₁ = 0,059870; p = 0,029), mientras que el término cuadrático dejó de ser significativo (β₂ = −0,000484; p = 0,472). Los análisis de sensibilidad mostraron que la curvatura dependía de la composición de la muestra. Se concluye que existe una asociación positiva y estadísticamente robusta entre las ventas y la utilidad; no obstante, la evidencia sobre una relación cóncava y un punto estacionario debe interpretarse únicamente como descriptiva y exploratoria

Descargas

Los datos de descarga aún no están disponibles.

Referencias

Angrist, J. D., & Pischke, J.-S. (2009). Mostly Harmless Econometrics. Princeton University Press. https://doi.org/10.1515/9781400829828

Baltagi, B. H. (2021). Econometrics. Springer International Publishing. https://doi.org/10.1007/978-3-030-80149-6

Belsley, D. A. ., Kuh, Edwin., & Welsch, R. E. . (2005). Regression Diagnostics : Identifying Influential Data and Sources of Collinearity. John Wiley & Sons, Inc.

Bloch, H., & Zhou, Y. (2024). International Differences in Profitability*. Economic Record, 100(328), 101–116. https://doi.org/10.1111/1475-4932.12769

Breusch, T. S., & Pagan, A. R. (1979). A Simple Test for Heteroscedasticity and Random Coefficient Variation. Econometrica, 47(5), 1287. https://doi.org/10.2307/1911963

Carl P. Simon, & Lawrence E. Blume. (1994). Mathematics for Economists.

Crick, J. M., & Crick, D. (2021). Internationalizing the Coopetition Construct: Quadratic Effects on Financial Performance Under Different Degrees of Export Intensity and an Export Geographical Scope. Journal of International Marketing, 29(2), 62–80. https://doi.org/10.1177/1069031X20988260

Fahrmeir, L., Kneib, T., Lang, S., & Marx, B. D. (2021). Regression. Springer Berlin Heidelberg. https://doi.org/10.1007/978-3-662-63882-8

Greene, W. H. . (2019). Econometric Analysis, Global Edition. Pearson Education Canada.

James, G., Witten, D., Hastie, T., & Tibshirani, R. (2021). An Introduction to Statistical Learning. Springer US. https://doi.org/10.1007/978-1-0716-1418-1

Kutner, M. H. ., Nachtsheim, Chris., Neter, John., & Li, William. (2005). Applied linear statistical models. McGraw-Hill Irwin.

Long, J. S., & Ervin, L. H. (2000). Using Heteroscedasticity Consistent Standard Errors in the Linear Regression Model. The American Statistician, 54(3), 217–224. https://doi.org/10.1080/00031305.2000.10474549

MacKinnon, J. G., & White, H. (1985). Some heteroskedasticity-consistent covariance matrix estimators with improved finite sample properties. Journal of Econometrics, 29(3), 305–325. https://doi.org/10.1016/0304-4076(85)90158-7

Montgomery, D. C. ., Peck, E. A. ., & Vining, G. Geoffrey. (2021). Introduction to linear regression analysis. John Wiley & Sons, Inc.

Mukherjee, D. (2023). Applied Econometric Analysis Using Cross Section and Panel Data (D. Mukherjee, Ed.). Springer Nature Singapore. https://doi.org/10.1007/978-981-99-4902-1

Ratigan, D., & Zaleski, P. A. (2024). The Drucker indexes and profitability: a first look. Business Economics, 59(2), 78–85. https://doi.org/10.1057/s11369-023-00347-x

Robert Pindyck, & Daniel L. Rubinfeld. (2020). Microeconomics (9th Edition).

Subramaniam, V., Wasiuzzaman, S., Hosen, M., & Lau, E. (2024). Global diversification, profitability and revenue creation: Evidence from an emerging economy. Business Strategy & Development, 7(1). https://doi.org/10.1002/bsd2.352

Varian, H. R. . (2014). Intermediate microeconomics : a modern approach. W.W. Norton & Company.

White, H. (1980). A Heteroskedasticity-Consistent Covariance Matrix Estimator and a Direct Test for Heteroskedasticity. Econometrica, 48(4), 817. https://doi.org/10.2307/1912934

Wooldridge, J. M. . (2010). Econometric analysis of cross section and panel data. MIT Press.

Wooldridge, J. M. . (2019). Introductory Econometrics. Cengage.

Wooldridge, J. M. . (2025). Introductory econometrics : a modern approach. Cengage.