proyecto de investigación 11
Post on 01-Jul-2022
22 Views
Preview:
TRANSCRIPT
INSTITUTO TECNOLOGICO Y DE ESTUDIOS SUPERIORES DE MONTERREY
Proyecto de Investigación 11
Dr. Humberto Valencia
Elasticidad Precio de la Demanda en la Industria Automotriz
1TESM C
JVlJ-tU 01.; MEXTCO •.tMPUS ' BJ BWOi Ll,L~
José Luis Cataneo 712559
INDICE GENERAL
l. Introducción
11. Marco Teórico 11.1 La demanda y sus determinantes 11.2 Elasticidades
• Elasticidad precio de la demanda • Elasticidad cruzada precio de la demanda • Elasticidad ingreso de la demanda
111. La Industria Automotriz en México 111.1 Segmentación de la Industria. 111.2 Participación en el mercado por segmento 111.3 Precios y volúmenes históricos.
IV. Análisis de Elasticidad de la Industria Automotriz
V. Conclusiones Generales
VI. Bibliografía
VII. Anexos
2
1. INTRODUCCIÓN
El Producto Interno Bruto (PIB) es la suma de los valores monetarios de
todos los bienes y servicios producidos durante un período determinado. En
nuestro país, el PIB se encuentra dividido en nueve grades ramas de actividad
económica, entre las que se encuentra la industria manufacturera, la cual
representa poco más del 18% del PIB1. Ésta última presenta subdivisiones, la
división Productos Metálicos, Maquinaria y Equipo, a la que pertenece la
industria automotriz, representa casi el 20% 2 de lo producido dentro de la
industria manufacturera.
La historia de la industria automotriz también nos ayuda a comprender
algunos de los conceptos básicos de la teoría economica, debido a que las
inovaciones tecnológicas y la original política laboral (que originó incrementos en
la productividad de los trabajadores) fueron elementos clave que permitieron
aprovechar las ventajas técnicas de la producción en serie con miras a ofrecer al
mercado un mayor número de unidades a menor precio.
De aquí se deriva la importancia del análisis de la presente investigación,
no sólo por lo que representa para el desarrollo y buen funcionamiento de
DaimlerChrysler, empresa a la que represento, sino también por las
implicaciones de las estrategias tomadas por las diferentes armadoras sobre las
economías domésticas y del país.
Expuesto lo anterior, la presente investigación tiene como finalidad contar
con una herramienta útil para evaluar los efectos que el cambio en precios tiene
sobre la cantidad demandada de los vehículos dentro de los diferentes
segmentos que existen en la industria automotriz. Esto se realizará a través de
la estimación, por medio de análisis de regresiones, de las diferentes curvas de
demanda del mercado por segmento y de algunos de los productos Chrysler;
adicionalmente, se analizará la sensibilidad de la cantidad demandada ante
1 Fuente: INEGI, información al primer trimestre de 2003
3
variaciones en precio a través del cálculo de elasticidades en las demandas
estimadas.
Los resultados obtenidos en esta investigación dotará a la alta gerencia
de información valiosa que servirá para la toma de decisiones y para determinar
las estrategias a segir dentro del mercado, ya sea de mayores ingresos o
permanencia en el mercado.
El análisis diario y el conocimiento del mercado nos da idea de que en el
mercado se obervan las siguientes relaciones, las cuales se intentarán probar en
la presente investigación:
./ La demanda es elástica para los segmentos de autos subcompactos y
compactos y los segmentos subcompactos y comerciales en camiones .
./ La demanda es más inelástica, en comparación con la anterior, en el
resto de los segmentos de autos (lujo y minivan) y camiones (vans y
camiones pesados) .
./ Una estrategia de maximizar ingresos no siempre será la mejor opción,
debido a que ésta dependerá de la situación del mercado.
11. MARCO TEÓRICO
11.1 LA DEMANDA Y SUS DETERMINANTES
El concepto de demanda describe el comportamiento de los individuos o
empresas al adquirir un bien o servicio en el mercado. La cantidad demandada
de un bien (mas no la cantidad que finalmente adquieren) es la cantidad que se
está dispuesto a adquirir en un período determinado, el cual depende de varios
factores como el precio del bien demandado, el precio de bienes relacionados,
los precios futuros esperados, el ingreso y las preferencias. En términos
2 ldem 4
generales, la experiencia sugiere que, a menores precios, las cantidades
demandadas de los bienes aumentan, debido a que, si se observan precios más
bajos en el mercado es muy probable que una mayor cantidad de personas
adquieran el bien, además de que la probabilidad de que dicho bien o servicio
sea adquirido en un período determinado de tiempo también aumenta, lo mismo
sucede a la inversa.
La función de demanda de un bien es la relación entre la cantidad
demandada de un bien y su precios, es decir, la curva de demandada explica la
cantidad demandada que un individuo o empresa esta dispuesto a adquirir a
diferentes precios del bien demandado, manteniendo constantes todos los
demás factores.
11.2 ELASTICIDADES
La elasticidad es una medida de sensibilidad que nos indica los efectos
que los cambios en precios e ingreso tienen sobre la cantidad demandada de los
bienes.
Este concepto se utiliza muy frecuentemente para abordar muchas
situaciones en las que son importantes las magnitudes, y lo utilizamos para
comprender mejor como se ajusta el mercado a las variaciones de los
determinantes de la demanda y la oferta.
Por el lado de la demanda3, existen básicamente tres medidas de
sensibilidad ante cambios en precios:
a. Elasticidad precio de la demanda
b. Elasticidad cruzada precio de la demanda
a. Elasticidad ingreso de la demanda 4
3 De igual forma es posible el cálculo de las elasticidades por el lado de la oferta, sin embargo, no es objeto de este análisis. 4 Dado que no se realizarán análisis de elasticidad ingreso, ésta sólo se mencionará.
5
Elasticidad Precio de la Demanda
La elasticidad precio de la demanda mide la sensibilidad de la cantidad
demandada de un bien ante una variación en su precio.
También se define como el aumento porcentual que experimenta la
cantidad demandada cuando el precio baja un punto porcentual, manteniéndose
constantes todos los demás factores que afectan a la cantidad demandada. Se
dice que la demanda es elástica si la elasticidad precio de la demanda es mayor
a uno; inelástica, si la elasticidad es menor a uno y, unitaria, si la elasticidad es
igual a uno. Entre mayor sea la elasticidad precio de la demanda, más sensible
es la cantidad demandada a variaciones en el precio y se dice que la demanda
es más elástica. Uno de los factores más importantes que determina el grado de
sensibilidad de la elasticidad precio de la demanda es la existencia de los bienes
sustitutos 5. Un determinante importante del grado en que puede sustituirse un
bien por otro es el tiempo que se tarda en realizar un ajuste dado cambios en el
precio, cuando se tiene más tiempo para realizar la sustitución entre bienes o
servicios, la elasticidad de la demanda generalmente es mayor.
El cálculo de la elasticidad precio de la demanda se realiza a través de la
siguiente fórmula:
Elasticidad Precio de la Demanda = Variación Porcentual de la Cantidad Demandada Variación Porcentual del Precio
Donde r¡p es elasticidad; O, es la cantidad demandada final, O; es la cantidad
demandada inicial; P, es el Precio final y P; es el Precio Inicial.
5 Dos bienes son sustitutos si una subida del precio de uno eleva la cantidad demandada del otro cualquiera que sea el precio de este último. Los bienes son complementarios si la subida del precio de uno reduce la cantidad demandada del otro.
6
Debido a que la elasticidad mide cambios procentuales, la elasticidad a lo
largo de la curva de demanda no es la misma, ya que la elasticidad es elevada
cuando los precios son altos y baja cuando éstos son bajos 6, porque a pesar de
que los cambios tanto en la cantidad demandada como en precio sean siempre
por el mismo monto absoluto (si la demanda considerada es lineal), el cambio
porcentual dependerá del valor inicial que analicemos.
100
90
80
p 70
e 60
e 50
o 40
30
20
1 O
o o 10 20 30 40 50 60 70 80 90 100
Cantidad
En nuestro análisis, mediremos la elasticidad precio de la demanda para
algunos de los productos Dodge, Chrysler, Jeep y revisaremos el impacto que
tiene sobre las estrategias de maximización de ingresos y permanencia en el
mercado.
Elasticidad Cruzada Precio de la Demanda
La elasticidad cruzada precio de la demanda mide la sensibilidad de la
cantidad demandada de un bien a una variación de precio de otro bien, es decir,
es la variación porcentual que experimenta la cantidad demandada de un bien
cuando sube un punto porcentual el precio de otro.
La elasticidad cruzada precio de la demanda se calcula mendiante la
siguiente fórmula:
Elasticidad Cruzada Precio de la Demanda = Variación Porcentual de la Cantidad Demandada del bien x Variación Porcentual del Precio del Bien y
6 Lo cual no es necesariamente cierto si las demandas no son lineales. 7
r¡ Q /t - Q ix
Q ix
p !Y - P¡y
P¡y
Donde r¡ es elasticidad; Orx es la cantidad demandada final del bien "x",
O;x es la cantidad demandada inicial del bien "x"; Pry es el precio final del bien
"y"; y P;y es el precio Inicial del bien "y".
Cuanto mayores son las elasticidades cruzadas entre cualquier par de
bienes, más fácil es para los compradores sustituir uno por otro.
Elasticidad Ingreso de la Demanda
Esta elasticidad mide la respuesta de la cantidad demandada de un bien
a una variación en el ingreso de los individuos y nos indica la variación
porcentual que experimenta la cantidad demandada cuando aumenta el ingreso
en un punto porcentual.
111. LA INDUSTRIA AUTOMOTRIZ EN MÉXICO
111.1 SEGMENTACIÓN DE LA INDUSTRIA
La industria automotriz está dividida en varios segmentos dependiendo de las
especificaciones de los vehículos:
Autos
• Subcompacto •. Son unidades con una distancia entre ejes hasta
2,475 mm; con un motor de 4 cilindros de 1.6 ó 1.8 litros de
desplazamiento y potencia hasta de 11 O caballos de fuerza (HP).
Por ejemplo: Atas, Chevy.
• Compacto*. Son unidades con una distancia entre ejes de 2,476 a
2,700 mm; con motores de 4 ó 6 cilindros de 2.5 a 3.1 litros de
• Con participación de DaimlerChrysler en el segmento 8
desplazamiento y potencia de 11 O a 135 HP. Por ejemplo: Stratus,
Jetta, Cavalier.
• Deportivos*. Son unidades con una distancia entre ejes de 2,601
a 3,000 mm; con motores de 4, 6 y 8 cilindros de 2.0 a 4.6 litros de
desplazamiento y potencia de 160 a 295 HP, estas unidades
también poseen dispositivos especiales en su motor (turbo
cargadores o un junior número de válvulas en cada cilindro). Por
ejemplo: Viper, Corvette.
• Lujo*. Son unidades con una distancia entre ejes de 2,600 a 3,000
mm; con un motor de 4, 6, 8 ó 12 cilindros, de 3.2 a 6.0 litros de
desplazamiento y potencia de 136 a 394 HP. Por ejemplo:
Mercedes Benz Clase C, Audi A3, Jaguar, BMW.
• Minivan*. Son unidades con una distancia entre ejes de 2,800 a
3,000 mm; con un motor de 6 cilindros, de 3. 7 litros de
desplazamiento y potencia de 180 a 215 HP
Camiones 1.
• Ligeros Clase 1. Camiones con peso bruto vehicular inferior a
2,721 kg.
• Ligeros Clase 2. Camiones con peso bruto vehicular entre 2,722 y
4,536 kg.
• Ligeros Clase 3: Camiones con peso bruto vehicular entre 4,537 y
6,350 kg.
• Pesados Clase 7: Camiones con peso bruto vehicular entre
11,794 y 14,698 km
111.2 PARTICIPACIÓN EN EL MERCADO POR SEGMENTO
De acuerdo con las últimas cifras reportadas en la Asociación Mexicana
de la Industria Automotriz (AMIA), la participación estimada para este año del
mercado por segmento es como sigue:
7 Los criterios para determinar las clases en camiones son los mismos que se utilizan en los Estados Unidos de Norteamérica y Canadá y los especificados por la AMIA
9
INDUSTRIA AUTOMOTRIZ Volumen acumulado 2003
SEGMENTO VOLUMEN PARTICIPACIÓN
AUTOS Subcompacto 182,946 63% Compacto 83,087 29% Especial 1,657 1% Lujo 10,102 3% M inivan 12,146 4%
Total A u tos 2_~9,938 73%
CAMIONES Utility 7,716 7% Sport Utility 31,918 30% Small Pick Up 25,794 24% Comerciales 19,656 19% Light 10,228 10% Cargo C lass 6 158 0% Cargo Class 7 1,413 1% Class 8 4,763 4% Tracto 3,093 3% Pesados 1,288 1%
Total Camiones 106,027 27%
TOTAL INDUSTRIA 395,965 100%
111.3 PRECIOS Y VOLÚMENES HISTÓRICOS
El análisis de la elasticidad precio de la demanda se realizó con la
información histórica del período comprendido entre el 1 de Enero de 2000 y el
31 de Diciembre de 2002 8, los datos de volúmen y precio se obtuvieron en
forma mensual lo que representan 36 datos para cada uno de los segmentos
Autos (Subcompactos, Compactos, Minivan y Lujo) y de Camiones (Pequeños,
Comerciales, Ligeros y Sport Utilities) y de por cada una de las marcas
analizadas 9. A continuacion se muestra un cuadro resumen de cada segmento y
por cada año del período revisado.
8 La información de volúmenes por segmento y por fabricante se obtuvieron de la AMIA 9 La información de precios se recopilo de JATO (base de datos de precios de la industria automotriz)
10
Volumen Precio Ponderado
2001 2002 2003 2001 2002 2003
AUTOS
Subcompactos 359,913 421,257 465,584 $ 98,627 $ 97,637 $ 94,712
Compactos 192,652 205,613 198,616 $ 172,325 $ 169,838 $ 168,372
Minivan 36,004 39,119 35,984 $ 271,354 $ 281,056 $ 285,883
Lujo 27,784 29,172 25,754 $ 335,850 $ 390,363 $ 398,659
Total 616,353 695,161 725,938 $ 142,446 $ 141,598 $ 135,124
CAMIONES
Small 62,962 61,105 62,577 $ 141,690 $ 143,638 $ 143,529
Comerciales 62,371 51,862 49,189 $ 180,034 $ 178,458 $ 170,514
Light 31,271 26,525 28,414 $ 194,541 $ 196,973 $ 191,163
suv 36,468 40,901 49,442 $ 330,535 $ 320,436 $ 306,157
Total 193,072 180,393 189,622 $ 198,306 $ 201,577 $ 200,070
Total 809,425 875,554 915,560 $ 155,771 $ 153,956 $ 148,575
IV. ANÁLISIS DE ELASTICIDAD DE LA INDUSTRIA
AUTOMOTRIZ
Como se mencionó anteriormente, la elasticidad del precio de la demanda
se determina en función a los cambios en volúmen y precio del producto, para
nuestro análisis el cálculo lo realizamos a través regresiones.
La metodología utilizada consistió en determinar el precio promedio
mensual ponderado (el promedio se obtuvo de la sumatoria de los cocientes
determinados de multiplicar el precio unitario por el volúmen de cada marca
participante y el resultado se dividió entre el volumen total del mes) de cada
segmento. Una vez obtenido este ponderado se obtuvo el logaritmo base 1 O
natural 10 de cada una de las 36 observaciones para precio y volumen. La
descripción del análisis se revisará a partir del segmento de subcompactos.
JO Esta transformación nos ayudará a estabilizar la varianza de las series en cuentión.
11
PRECIOS Y VOLUMENES AUTOS SUBCOMPACTOS
2000 2001 2002 P. Unitario Cantidad P. Unitario Cantidad P. Unitario Cantidad
ENERO 98,769 98,769 100,970 36,290 94,324 46,238
FEBRERO 98,203 98,203 96,881 35,389 92,657 38,551
MARZO 99,001 99,001 99,306 33,740 92,047 34,598
ABRIL 100,718 100,718 100,797 26,020 93,194 36,654
MAYO 101,607 101,607 96,314 30,810 96,244 36,362
JUNIO 99,312 99,312 99,598 32,728 96,211 34,247
JULIO 99,292 99,292 95,190 33,901 95,322 37,675
AGOSTO 99,503 99,503 97,593 38,928 94,895 39,855
SEPTIEMBRE 99,973 99,973 99,843 33,210 94,097 33,524
OCTUBRE 96,576 96,576 97,134 34,652 95,480 39,062
NOVIEMBRE 96,681 96,681 95,264 38,064 95,690 38,020
DICIEMBRE 96,337 96,337 94,752 47,525 95,912 50,798
LOGARITMO DE PRECIOS Y VOLUMENES SUBCOMPACTOS
2000 2001 2002 P. Unitario Cantidad P. Unitario Cantidad P. Unitario Cantidad
ENERO 11.50053 10.21457 11.52258 10.49930 11.45449 10.74156
FEBRERO 11.49479 10.20374 11.48123 10.47416 11.43666 10.55974
MARZO 11.50288 10.23470 11.50596 10.42644 11.43005 10.45155
ABRIL 11.52008 10.03351 11.52086 10.16662 11.44244 10.50928
MAYO 11.52887 10.19757 11.47537 10.33559 11.47464 10.50128
JUNIO 11.50603 10.25228 11.50889 10.39599 11.47430 10.44135
JULIO 11.50582 10.24046 11.46363 10.43120 11.46502 10.53675
AGOSTO 11.50794 10.29337 11.48856 10.56947 11.46052 10.59300
SEPTIEMBRE 11.51265 10.33172 11.51135 10.41061 11.45208 10.42002
OCTUBRE 11.47808 10.39087 11.48385 10.45311 11.46667 10.57291
NOVIEMBRE 11.47917 10.47534 11.46440 10.54702 11.46887 10.54587
DICIEMBRE 11.47560 10.68196 11.45902 10.76901 11.47118 10.83561
12
El análisis de regresiones que se realizó para cada uno de los segmentos
de autos y camiones fue a través del método de Mínimos Cuadrados Ordinarios
(MCO). Es importante mencionar que cuando se estima una regresión por este
método con series que no son estacionarias 11 los resultados de las regresiones
obtenidas pueden ser espurea 12, por lo que es de suma importancia realizar el
análisis con series que sí lo sean. Cuando alguna variable no lo es, es necesario
aplicarle alguna transformación para volverla estacionaria. Una de las
transformaciones más comunes es el operador diferencia, cuando se aplica una
transformación de este tipo, se pierde información de largo plazo ya que se
elimina su tendencia determinista, por lo que nos ayuda a eliminar efectos
estacionarios, la serie resultante se conoce como proceso integrado13.
Las series utilizadas para el presente trabajo fueron previamente
analizadas para obtener series estacionarias y con ellas modelos y relaciones
confiables.
Las variables originales están definidas como Price y Vol para identificar
al Precio y Volumen respectivamente; las letras LN manifiestan que a la serie
original se le aplicó un logaritmo base 1 O; la letra D, identifica una primera
diferencia en la serie.
A continuación se expondrán los resultados de la regresión para el caso
del segmento de Autos Subcompactos, los demás resultados y el análisis de los
residuales se presentarán en los Anexos.
11 Se dice que un proceso es estacionario de primer orden cuando su primer momento (esperanza o promedio) no depende del tiempo. 12 Ya que los supuestos de la teoría clasica de regresiones se invalidan. 13 Una serie integrada es aquella que originalmente no es estacionaria, pero al aplicarle alguna transformación se convienrte en estacionaria. El operador diferencia esta definido por ~dY1=(1-L}dY1 donde d son las veces que necesita ser diferenciada Y, para lograr la estacionariedad. Las regresiones generadas con variables estacionarias deberán arrojar residuales estacionarios, lo cual se puede comprobar con las gráficas de los correlogramas de los residuales presentadas en el Anexo. Si los residuales se encuentran dentro de las bandas de confianza, se dice que los residuales son estacionarios. Estadíasticamente la hipótesis nula es estacionariedad en la serie y la hipótesis alterna es no estacionariedad en la serie.
13
RESULTADO CALCULO REGRESION SEGMENTO DE SUBCOMPACTOS
Dependent Variable: LNVOL Method: Least Squares Date: 07 /061D3 Time: 13:39 Sample(adjusted): 2001 :02 2002: 12 lncluded observations: 23 after adjusting endpoints
Variable Coefficient Std. Error t-Statistic
e 47.52746 12.21216 3.891816 LNPRICE -3.227891 1.064553 -3.032157
DLNVOL(-12) 0.483265 0.195698 2.469440
R-squared 0.404627 Mean dependent var Adjusted R-squared 0.345089 S.D. dependent var S.E. of regression 0.116011 Akaike info criterion Sum squared resid 0.269170 Schwarz criterion Log likelihood 18.51535 F-statistic Durbin-Watson stat 1.559703 Prob(F-statistic)
El modelo resultante de la regresión anterior es:
Prob.
0.0009 0.0066 0.0227
10.50818 0.143353
-1.349161 -1.201053 6.796181 0.005596
DLNVOL= -3.22DLNPRICE + 0.48 DLNVOL12 + E
La variable DLNVOL12 nos indica que la variable ha sido rezagada doce
períodos con el fin de eliminar la estacionalidad de la serie y de obtener un
modelo con residuales estacionarios, E. Esta misma metodología se aplicó para
las demás regresiones obtenidas.
Para este caso, la elasticidad está dada por el coeficiente de la variable
DLNPRICE, los resultados y la interpretación se darán en la parte V
Conclusiones Generales.
ANALISIS DE RESIDUALES DE LA REGRESION DE SUBCOMPACTOS
Por lo expuesto anteriormente, es importante analizar los residuales
obtenidos en las regresiones, ya que a través de la observación de éstos
podemos realizar ajustes a nuestras regresiones identificando el número de
rezagos con las que están relacionados los residuales y eliminar efectos de
estacionalidad, ya que estos efectos pueden ser ajustados dentro de los
modelos de regresión.
14
Los residuales obtenidos de la regresión anterior se presentan a
continuación:
Cuadro de residuales de e-views Sample: 2001 :02 2002: 12 lncluded observations: 23
Autocorrelation Partial Correlation AC PAC Q-Stat Prob
1 0.123 0.123 0.3941 0.530 2 -0.128 -0.145 0.8402 0.657 3 -0.101 -0.068 1.1353 O. 769 4 -0.005 -0.001 1.1362 0.888 5 -0.022 -0.046 1.1520 0.949 6 -0.150 -0.155 1.9105 0.928 7 -0.228 -0.212 3. 7724 0.806 8 -0.239 -0.266 5.9584 0.652 9 -0.199 -0.309 7.5791 0.577
10 0.151 0.023 8.5925 0.571 11 0.281 0.140 12.380 0.336 12 0.131 0.071 13 282 0.349 13 0.052 0.064 13.436 0.415 14 0.023 -0.049 13.470 0.490 15 0.003 -0.175 13.470 0.566 16 0.140 0.040 15.082 0.519 17 -0.089 -0.131 15.840 0.535 18 -0.018 0.178 15.878 0.601 19 -0.193 0.017 21.227 0.324 20 -0.063 0.145 21.989 0.341 21 0.020 0.010 22.104 0.394
Los residuales se encuentran dentro de las bandas de confianza tanto
para la correlación parcial como para la autocorrelación, por lo que podemos
concluir que los residuales generados son estacionarios y nuestro modelo
confiable.
15
V. CONCLUSIONES GENERALES
Como resultado de la metodología anteriormente explicada, a
continuación se presentarán los resultados obtenidos para los segmentos de la
industria automotriz, así como los obtenidos para los productos que comercializa
Chrysler.
El planteamiento inicial de esta investigación fue comprobar que el precio
es una variable preponderante ya que, en el mercado competitivo de la industria
automotriz, éstos están determinados por la Ley de la Oferta y la Demanda. Los
descuentos y planes de financiamiento son variables que reducen el precio de
venta y motivan la compra teniendo como resultado un incremento en los
volúmenes.
Para comprender lo anterior tomaremos como referencia la elasticidad
precio obtenida en el segmento de Subcompactos la cual fue de 3.23%, este
valor nos indica que al incrementar en 1 % el precio de las unidades contenidas
en este segmento, su volumen disminuirá en 3.23% y, viceversa, al disminuir en
1 % el precio el volumen se incrementará en 3.23%.
Para comprobar las hipótesis mencionadas en la introducción es
necesario mencionar las elasticidades, tanto para autos como para camiones,
que se obtuvieron con los modelos estimados. Los resultados que arrojan los
modelos son los siguientes:
SEGMENTO Lograitmo Base1 O Diferencia en logaritmo
Subcompactos 3.23 na
Compactos 2.04 4.08
Minivan 0.20 3.16
Lujo 2.38 na
Camión Pequeño 0.98 0.77
16
Camión Comercial 2.49 2.38
Camión Ligero 1.77 1.64
suv 0.23 2.08
Total Industria na 2.88
na: No aplica
El análisis para autos en los segmentos de Subcompactos, Compactos y
Minivan, nos arroja que cuentan con una elasticidad precio demanda elástica,
esto se desprende del resultado obtenido (al ser la elasticidad mayor a uno). Lo
mismo sucede para el caso de camiones en los segmentos Comerciales, Ligeros
y SUV. Para el caso del segmento Camiones Pequeños no es posible obtener
resultados debido a que los parámetros de las variables estimadas para la curva
de demanda fueron no significativos (ver los resultados de la regresión de este
segmento en el anexo), ya que no cumplieron con los supuestos de la teoría
econométrica, por lo que no se puede realizar ninguna conclusión en este
segmento.
La dos primeras hipótesis a comprobar es que los segmentos de autos
subcompactos y compactos presentan elasticidades más grandes en
comparación con las elasticidades de los demás segmentos, esto queda
demostrado si observamos los resultados obtenidos en la tabla anteiror.
Por tal motivo, la disminución del precio en los vehículos ha sido
determinante para la permanencia en el mercado de una armandora, debido a
que se incrementa la participación de ésta dentro del segmento.
A continuación presentaremos los resultados de las elasticidades de los
productos Chrysler obtenidas bajo la misma metodología:
17
Vehículo Elasticidad DCM Elasticidad Segmento
Atos 0.08 3.23
Neon 1.99 4.08
Stratus 3.29 4.08
PT Cruiser 4.91 4.08
Cirrus 4.07 4.08
300M (24.79) 2.38
Voyager 2.97 3.16
Town & Country 4.23 3.16
Ram 1500 4.45 2.38
Ram 2500 2.04 2.38
Ram 3500 10.44 1.64
Grand Cherokee 3.46 2.08
Durango (4.69) 2.08
Wrangler 5.46 2.08
Liberty (1.96)14 2.08
Como lo demuestran los resultados, en todos los casos (excepto Atas) las
demandas de los productos Chrysler son elásticas puesto que éstas son
mayores a uno, lo cual es consistente con los resultados obtenidos en el análisis
por segmentos.
Las elasticidades anteriormente presentadas ( excepto las anteriores
mencionadas), nos demuestra que una estrategia de maximización de ingresos
va de la mano con una estrategia de permanencia en el mercado. Para
maximizar el beneficio y para incrementar la penetración de los productos en el
mercado es necesario disminuir los precios hasta el punto donde la elasticidad
14 Para Liberty el resultado de la elasticidad fué calculado en base a 17 observaciones por lo cual se presenta solo en forma ilustrativa mas no representa la cifra real
18
--f fT1 CJ) 3: n • n • 3: •
del producto sea igual a uno. Cabe destacar que esto no sucedería así si las
demandas de los productos Chrysler fueran inelásticas ya que con un
incremento en precios se obtendrían mayores ingresos, pero contrariamente, la
participación dentro del mercado se vería disminuida.
Con tales resultados y con las condiciones que imperan actualmente en el
mercado, podemos concluir que la elasticidad de los vehículos es alta debido a
la presencia de bienes sustitutos y a que el tiempo es una factor determinante
para este grado de sensibilidad, ya que existe un mayor plazo para realizar los
ajustes necesarios antes de tomar la decisión de compra de un vehículo.
Para el caso del Atas los modelos generados resultan no significativo a
pesar de que las series en cuestion son estacionarias, lo cual nos indica que no
existe relación alguna entre el precio del mercado y la cantidad demandada del
mismo.
Podemos mencionar que el Atas es un vehículo no representativo del
segmento al que pertenece, debido a las características del mismo y al precio
que se observa en el mercado.
19
VII. BIBLIOGRAFIA
•!• STIGLITZ, J. (2002). "Macroeconomía". Editorial Ariel 2a Ed. México pp. 21-31, 78-86.
•!• FISHERr, S., et al. ( 1999). Economía. Me Graw Hill. México pp. 95-124.
•!• JATO Base de Datos. Precios e Incentivos en la industria Automotriz. México
•!• Asociación Mexicana de la Industria Automotriz (AMIA). Volúmenes Históricos en México 1998 - 2003. México.
•!• NARANJO, A. (1996) "Relación de largo plazo del indicador bursátil mexicano con el de Estados Unidos, el Japón, el Reino Unido y el de Singapur: Un análisis divariado de cointegración y mecanismo de corrección de errores". Tesis de Licenciatura. Instituto Tecnológico Autónomo de México.
•!• GUERRERO, V. (1991 ). "Análisis Estadístico de Series de Tiempo Económicas". Universidad Nacional Autónoma de México. México.
20
VII. ANEXOS
Segmentos
REGRESIONES
Segmento Compactos
Dependen! Variable: DLNVOLUMEN Method: Leas! Squares Date: 07/01/03 Time: 20:02 Sample(adjusted): 2001 :02 2002: 12 lncluded observations: 23 after adjusting endpoints
Variable Coefficient Std. Error 1-Statistic
e -0.013185 DLNPRICE -4.078418
DLNVOLUMEN(-12) 0.447474
R-squared 0.526658 Adjusted R-squared 0.479324 S.E of regression 0.139030 Sum squared resid 0.386587 Log likelihood 14.35217 Durbin-Watson sial 2.395747
Segmento Minivan
Dependen! Variable: DLNVOL Method Leas! Squares Date: 07 /01 /03 Time: 20:00 Sample(adjusted): 2001 :02 2002: 12
0.029489 -0.447102 2.164742 -1.884020 0.208022 2.151090
Mean dependen! var S.D. dependen! var Akaike info criterion Schwarz criterion F-statistic Prob(F-statistic)
lncluded observations: 23 after adjusting endpoints
Prob.
0.6596 0.0742 0.0439
0.011284 0.192675
-0.987145 -0.839037 11.12638 0.000565
Newey-West HAC Standard Errors & Covariance (lag truncation=2)
Variable Coefficient Std. Error t-Statistic Prob.
DLNPRICE -3.161482 1.484044 -2.130316 0.0464 e -0.026871 0.024210 -1.109909 0.2809
DLNVOL(-12) 0.573301 0.137209 4.178314 0.0005 DLNVOL(-1) -0.333752 0.103393 -3.228010 0.0044
R-squared 0.757475 Mean dependen! var 0.002715 Adjusted R-squared 0.719182 S. D. dependen! var 0.243876 S.E. of regression 0.129235 Akaike info criterion -1.097592 Sum squared resid 0.317334 Schwarz criterion -0.900115 Log likelihood 16.62231 F-statistic 19.78082 Durbin-Watson stat 2.096575 Prob(F-statistic) 0.000005
21
CORRELOGRAMAS DE RESIDUALES
Sample 2001 :02 200212 lncluded observations: 23
Autocorrelation Partial Correlation
Sample 200102200212 lncluded observations: 23
AC PAC Q-Stat Prob
1 -0.221 -0.221 1.2757 0.259 2 -0.211 -0.273 2.4895 0.288 3 -0.094 -D.242 2.7432 0.433 4 -0.037 -D.235 2.7842 0.595 5 0.344 0.216 6.5552 0.256 6 -0.069 0.045 6.7182 0.348 7 -0.237 -0.142 8.7418 0.272 8 -0.201 -D.337 10.285 0.246 9 0.271 0065 13.311 0.149
10 0.120 --0015 13.945 0.175 11 -0.192 -0.216 15.705 0.152 12 0.091 0.161 16.140 0.185 13 -0.162 0.007 17.655 0.171 14 0.230 0.066 21.038 0.101 15 0.013 -0.104 21.050 0.135 16 -0.101 0.090 21.887 0.147 17 0.025 0.081 21.947 0.187 18 -0.095 -0.127 22.987 0.191 19 0.075 -0.107 23.804 0.204 20 -0.038 0.045 24.083 0.239 21 -0010 -0.052 24.111 0.288
Autocorrelation Partial Correlation AC PAC Q-Stat Prob
1 -0.234 -0.234 1.4339 0.231 2 0.068 0.014 1.5624 0.458 3 -0.063 -0.046 1.6767 0.642 4 0.319 0.311 4.7579 0.313 5 -0.193 -0.062 5.9510 0.311 6 0.169 0.113 6.9124 0.329 7 -0.187 -0.143 8.1676 0.318 8 0.207 0.067 9.8085 0.279 9 -0.208 -D.114 11.585 0.238
10 -0.076 -0.250 11.843 0.296 11 -0.117 -0.088 12.499 0.327 12 0.148 -0.002 13.639 0.324 13 -0.166 0020 15.224 0.294 14 -0.005 -0.012 15.226 0.363 15 -0.107 -0.040 16.056 0.378 16 -0.010 -0.122 16.064 0.448 17 -O 134 -0.134 17.791 0.402 18 0.110 0.060 19.178 0.381 19 -0.042 0028 19.426 0.430 20 0.029 -0.010 19.583 0.484 21 -0.006 0.067 19.592 0.547
Segmento Lujo
Dependen! Variable: LNVOLUMEN Method: Least Squares Date: 071D6J03 Time: 14:02 Sample(adjusted): 2001:022002:12 lncluded observations: 23 after adjusting endpoints
Variable Coefficient Std. Error t-Statistic
e 38.51187 10.29344 3.741398 LNPRECIO -2.389558 0.798790 -2.991473
DLNVOLUMEN(-12) 0.164078 0.195146 0.840800
R-squared 0.309140 Mean dependen! var Adjusted R-squared 0.240054 S. D. dependen! var S.E. of regression 0.121353 Akaike info criterion Sum squared resid 0.294533 Schwarz criterion Log likelihood 17.47977 · F-statistic Durbin-Watson stat 1.340337 Prob(F-statistic)
Segmento Camión Pequeño
Dependen! Variable: DLNVOL Method: Leas! Squares Date:07ffi6J03 Time: 14:11 Sample(adjusted): 2001 :02 2002: 12 lncluded observations: 23 after adjusting endpoints
Variable Coefficient Std. Error t-Statistic
e 0.006087 0.024699 0.246452 DLNPRICE 0.766494 1.851310 0.414028
DLNVOL(-12) 0.360973 0.149631 2.412423
R-squared 0.235469 Mean dependen! var Adjusted R-squared 0.159016 S.D. dependen! var S. E. of regression 0.118212 Akaike info criterion Sum squared resid 0.279483 Schwarz criterion Log likelihood 18.08296 F-statistic Durbin-Watson sial 2.663826 Prob(F-statistic)
Prob.
0.0013 0.0072 0.4104
7.719480 0.139207
-1.259111 -1.111003 4.474712 0.024769
Prob.
0.8078 0.6833 0.0256
0.008618 0.128905
-1.311562 -1.163454 3.079921 0.068226
22
Sample: 2001 :02 2002:12 lncluded observations: 23
Autocorrelation Partial Correlation
Sample: 2001 :02 2002: 12 lncluded observations: 23
AC PAC Q-Stat Prob
1 0.279 0.279 2.0286 O 154 2 0.271 0.210 4.0378 0.133 3 -0.060 -0.201 4.1396 0.247 4 0.082 O. 100 4.3414 0.362 5 0.029 0.064 4.3691 0.498 6 -0.050 -0.158 4.4524 0.616 7 -0.063 -0.014 4.5936 0.709 8 -0.341 -0.319 9.0567 0.338 9 -0.196 -0.058 10.639 0.301
10 -0.374 -0.204 16.823 0.078 11 -0.133 -0.053 17.672 O.D90 12 -0.274 -0.143 21.610 0.042 13 -0.034 0.048 21.676 0.061 14 0.017 0.127 21.694 0.085 15 0.048 -0.044 21.862 0.111 16 0.065 -0.038 22.204 0.137 17 0.031 -0.006 22.295 0.17 4 18 -0.003 -0.279 22.296 0.219 19 0.042 0.011 22.550 0.258 20 0.084 -0.124 23.894 0.247 21 0.035 -0.117 24.243 0.281
Autocorrelation Partial Correlation AC PAC Q-Stat Prob
1 -0.359 -0.359 3.3609 0.067 2 -0.261 -0.447 5.2267 0.073 3 0.083 -0.305 5.4268 0.143 4 0.050 -0.256 5.5035 0.239 5 0.037 -0.132 5.5479 0.353 6 0.109 0.151 5.9504 0.429 7 -0.322 -0.208 9.6668 0.208 8 0.046 -0.228 9.7495 0.283 9 0193 -0.178 11.277 0.257
10 0.019 -0.040 11.293 0.335 11 -0.089 0.026 11.676 0.389 12 -0.090 -0.075 12.103 0.437 13 0.025 -0.085 12.138 0.516 14 0.195 0.035 14.573 0.408 15 -0.091 -0.021 15.174 0.439 16 -0.127 -0.054 16.498 0.419 17 0.125 0.141 17.989 0.390 18 -0.065 0000 18.475 0.425 19 0.071 0.047 19.208 0.444 20 -0.083 -0. 168 20.519 0.426 21 0.027 0.030 20.731 0.475
Segmento Comercial
Dependent Variable: DLNVOLUMEN Method: Least Squares Date: 071D11D3 Time: 19:47 Sample(adjusted): 2001 :02 2002: 12 lncluded observations: 23 after adjusting endpoints
Variable Coefficient Std. Error t-Statistic
e -0.009252 0.033272 -0.278062 DLNPRECIO -2.386634 1.159399 -2.058509
DLNVOLUMEN(-12) 0.802563 0.196307 4.088299
R-squared 0.608062 Mean dependent var Adjusted R-squared 0.568868 S. D. dependent var S.E. of regression 0.157569 Akaike info criterion Sum squared resid 0.496561 Schwarz criterion Log likelihood 11.47315 F-statistic Durbin-Watson stat 2.894687 Prob(F-statistic)
Segmento Ligero
Dependen! Variable: DLNVOLUMEN Method: Leas! Squares Date: 071D1/03 Time: 19:52 Sample(adjusted): 2001 :02 2002: 12 lncluded observations: 23 after adjusting endpoints
Variable Coefficient Std. Error t-Statistic
e 0.001275 0.026342 0.048407 DLNPRECIO -1.640383 1.364726 -1.201988
DLNVOLUMEN(-12) 0.121446 0.180385 0.673262
R-squared 0.110654 Mean dependen! var Adjusted R-squared 0.021720 S.D. dependen! var S. E. of regression 0.126126 Akaike info criterion Sum squared resid 0.318156 Schwarz criterion Lag likelihood 16.59254 F-statistic Durbin-Watson sial 3.121036 Prob(F-statistic)
Prob.
0.7838 0.0528 0.0006
0.016474 0.239975
-0.736796 -0.588688 15.51424 0.000086
Prob.
0.9619 0.2434 0.5085
0.003626 0.127519
-1.181960 -1.033852 1.244220 0.309533
23
Sample 2001 02 2002:12 lncluded observations: 23
Autocorrelation Partial Correlation
Sample: 2001 :02 2002: 12 lncluded observations: 23
Autocorrelation Partial Correlation
AC PAC Q-Stat Prob
1 -0.458 -0.458 5.4805 0.019 2 0.176 -0.043 6.3281 0.042 3-0.154-0.113 7.0097 0072 4 -0.045 -0.198 7.0703 0.132 5 -0.148 -0.324 7.7737 0.169 6 0.342 0.189 11.725 0.068 7 -0.268 -0.071 14.298 0.046 8 0.247 0.027 16.644 0.034 9 -0.096 0.081 17.019 0.048
10 -0.176 -0.232 18.389 0.049 11 0.078 -0.055 18.682 0.067 12 -0.064 -0.157 18.899 0.091 13 0090 0.075 19.366 0.112 14 0.042 -0.051 19.481 0.147 15 -0.002 -0.043 19.481 0.193 16 -0.087 -0.005 20.108 0.215 17 0.111 0.027 21.291 0.214 18 -0.179 -0.012 24.990 0.125 19 O 158 -0.026 28.561 0.073 20 -0.087 -0.043 29.996 0.070 21 0.019 -0.123 30.099 0090
AC PAC Q-Stat Prob
1 -0.568 -0.568 8.4462 0.004 2 0080 -0.359 8.6235 0.013 3 0.066 -O 129 8.7471 0.033 4 -0.031 -0.025 8.7769 0.067 5 -0.123 -0.206 9.2577 0099 6 0.114 -0.160 9.6973 0.138 7 0.099 0.143 10.052 0.186 8 -0.334 -0.249 14.330 O 07 4 9 0.248 -0.215 16.864 0.051
10 -0.081 -0.198 17.156 0.071 11 0.032 -0.042 17.205 0.102 12 -0.049 -0.112 17.330 0.138 13 0.037 -0.273 17.407 0.181 14 -0.006 -0.202 17.409 0.235 15 0.023 -0.019 17.449 0.293 16 0.047 -0.030 17.632 0.346 17 -0.016 0.007 17.656 0.411 18 -0.075 -0.149 18.302 0.436 19 0.036 -0.096 18.485 0.490 20 -0.008 -0.132 18.496 0.555 21 0.013 -0.150 18.542 0.614
Segmento SUV
Dependen! Variable: DLNVOL Method: Leas! Squares Date: 071D6/03 Time: 14:19 Sample(adjusted): 2001:022002:12 lncluded observations: 23 after adjusting endpoints
Variable Coefficient
e 0.002618 DLNPRICE -2.077703
DLNVOL(-12) 0.733374
R-squared 0.623864 Adjusted R-squared 0.586251 S.E. of regression 0.149409 Sum squared resid 0.446461 Lag likelihood 12.69625 Durbin-Watson stat 2.545784
Industria
Dependen! Variable: LNVOLUMEN Method: Least Squares Date: 07 /OS/03 Time: 13:29 Sample(adjusted): 2001:022002:12
Std. Error t-Statistic
0.034119 0.076720 0.672323 -3.090333 0.241854 3.032305
Mean dependen! var S. D. dependen! var Akaike info criterion Schwarz criterion F-statistic Prob(F-statistic)
lncluded observations: 23 after adjusting endpoints
Variable Coefficient Std. Error t-Statistic
e 45.56288 9.493305 4.i'99475 LNPRECIO -2.883344 0.796800 -3.618655
DLNVOLUMEN(-12) 0.497592 0.150019 3.316867
R-squared 0.504970 Mean dependen! var Adjusted R-squared 0.455467 S. D. dependen! var S.E. of regression 0.097579 Akaike info criterion Sum squared resd 0.190433 Schwarz criterion Log likelihood 22.49485 F-statistic Durbin-Watson stat 1.459172 Prob(F-statistic)
Prob.
0.9396 0.0058 0.0066
0.021083 0.232278
-0.843152 -0.695044 16.58615 0.000057
Prob.
0.0001 0.0017 0.0034
11.21975 0.132234
-1.695204 -1.547096 10.20081 0.000884
24
Sample 2001 02 200212 lncluded observations: 23
Autocorrelation Partial Correlation
Sample 2001 :02 2002: 12 lncluded observations: 23
AC PAC Q-Stat Prob
1 -0.280 -0.280 2.0553 0.152 2 -0.042 -0.131 2.1035 0.349 3 0.007 -0.048 2.1049 0.551 4 -0.390 -0.451 6.7078 0.152 5 0.135 -0.185 7.2858 0.200 6 O 140 0.042 7.9509 0.242 7 -0.007 0.005 7.9528 0.337 8 0.003 -0.188 7.9532 0.438 9 O.D60 0.058 B.1011 0.524
10 -0.096 0.073 B.5081 0.579 11 -0.021 -0.044 B.5296 0.665 12 -0.041 -0.186 8.6176 0.735 13 -0.138 -0.217 9.7106 0.717 14 0.174 O.D38 11.636 0.636 15 -0.076 -0.190 12.055 0.675 16 0.081 -0.172 12.592 0.702 17 0088 -0.009 13.340 0.713 18 -0.204 -0.109 18.116 0.448 19 O 180 0.044 22.789 0.247 20 -0.092 -0.061 24.414 0.225 21 0.026 0.078 24.615 0.264
Autocorrelation Partial Correlation AC PAC O-Sta! Prob
1 0.252 0.252 1.6653 0.197 2 -0.128 -0.205 2.1136 0.348 3 -0.085 0.006 2.3227 0.508 4 0.050 0.054 2.3998 0.663 5 0.073 0.029 2.5709 0.766 6 -0.121 -0.151 3.0662 0.800 7 -0.369 -0.308 7.9595 0.336 8 -0.267 -0.151 10.700 0.219 9 0.005 -0.008 10.701 0.297
10 0.012 -0.092 10.707 0.381 11 -0.058 -0.039 10.867 0.455 12 0.041 0.103 10.956 0.533 13 0.054 -0.053 11.122 0.601 14 0.084 -0.055 11.577 0.640 15 -0.019 -0.183 11.602 0.709 16 0.074 0.094 12.056 0.740 17 -0.031 -0.173 12.148 0.791 18 -0.042 -0.047 12.349 0.829 19 -0.022 0000 12.422 0.867 20 -0.050 -O.D36 12.896 0.882 21 0.049 0.051 13.579 0.887
Precios Históricos de Venta en la Industria Automotriz
PRECIOS
Subcomp. Compactos Minivan Lujo Camión Camión Camión suv Pequeño Comercial Ligero
2000-01 98,769 168,390 261,583 329,155 140,060 183,507 198,307 339,168 2000-02 98,203 167,985 262,962 309,031 141,065 183,926 194,849 327,543 2000-03 99,001 167,765 267,798 306,764 142,498 184,502 194,413 325,643 2000-04 100,718 170,434 267,757 319,026 142,400 180,295 195,423 327,945 2000-05 101,607 172,170 269,206 308,872 142,811 179,823 193,398 327,774 2000-06 99,312 174,284 272,607 311,960 144,521 178,905 193,991 329,564 2000-07 99,292 173,381 273,349 322,347 143,107 178,333 195,517 332,937 2000-08 99,503 169,560 270,620 379,023 143,389 185,323 196,843 332,295 2000-09 99,973 168,309 275,717 360,075 139,863 181,379 200,112 335,422 2000-10 96,576 172,116 285,845 352,703 141,981 178,419 202,519 341,234 2000-11 96,681 167,906 285,927 346,692 141,899 181,211 188,206 337,503 2000-12 96,337 161,317 266,266 359,560 138,787 170,774 186,237 316,904 2001-01 100,970 165,993 280,120 387,353 143,632 186,946 194,731 247,118 2001-02 96,881 166,905 276,183 371,454 141,573 187,172 194,754 252,862 2001-03 99,306 164,705 276,913 378,726 143,137 188,514 196,062 257,288 2001-04 100,797 166,402 284,710 380,500 143,384 177,041 203,793 257,210 2001-05 96,314 165,762 284,809 395,037 142,838 175,342 203,380 262,431 2001-06 99,598 166,446 284,384 392,355 144,266 176,431 191,206 262,357 2001-07 95,190 165,877 282,614 394,010 144,029 179,509 195,616 246,675 2001-08 97,593 163,426 283,891 390,583 143,669 181,682 198,026 246,726 2001-09 99,843 167,768 285,094 391,739 142,831 183,425 198,789 240,071 2001-10 97,134 167,691 286,144 403,346 146,760 177,242 197,310 257,937 2001-11 95,264 160,104 286,957 395,470 145,447 172,465 198,762 265,749 2001-12 94,752 156,598 271,165 399,183 141,844 166,588 190,982 251,766 2002-01 94,324 160,017 269,720 391,581 141,565 169,419 194,055 305,447 2002-02 92,657 157,202 286,272 365,860 142,050 170,636 192,444 312,215 2002-03 92,047 155,918 285,870 385,080 145,396 168,099 193,988 309,670 2002-04 93,194 157,360 288,522 392,752 143,060 173,638 189,597 301,860 2002-05 96,244 157,226 289,650 399,841 144,278 175,621 188,506 295,409 2002-06 96,211 154,275 292,344 403,139 144,739 175,007 190,339 313,656 2002-07 95,322 156,621 289,937 405,571 141,695 172,272 188,837 310,795 2002-08 94,895 157,676 284,802 408,243 143,630 179,102 190,089 313,323 2002-09 94,097 162,249 288,278 410,839 142,361 175,790 193,024 320,249 2002-10 95,480 162,088 293,073 414,710 141,952 160,620 192,443 307,446 2002-11 95,690 161,587 294,489 415,083 145,178 167,789 191,621 306,984 2002-12 95,912 157,284 274,257 412,461 146,158 168,210 190,531 292,098 Precios ponderados. Fuente: Jato.
25
Volúmenes Históricos de Venta en la Industria Automotriz
VOLUMEN
Subcom. Compactos Minivan Lujo Camión Camión Camión suv
Pequeño Comercial Ligero
2000-01 27,298 12,492 2,695 2,033 5,510 4,375 1,961 2,416 2000-02 27,004 13,746 2,548 2,209 4,916 4,530 2,666 2,588 2000-03 27,853 15,178 3,285 2,321 5,320 4,803 2,785 2,770 2000-04 22,777 12,038 2,655 1,871 4,110 4,344 2,329 2,626 2000-05 26,838 13,852 3,079 2,039 4,473 5,124 2,854 2,919 2000-06 28,347 15,850 3,238 2,150 4,653 5,516 2,689 2,975 2000-07 28,014 14,088 2,978 1,902 4,756 5,541 2,635 2,808 2000-08 29,536 13,661 2,401 2,220 5,253 4,339 2,371 2,683 2000-09 30,691 13,885 2,156 2,360 5,516 5,078 2,417 2,737 2000-10 32,561 14,428 2,424 2,653 5,877 6,003 2,388 3,334 2000-11 35,431 18,890 3,371 2,853 5,099 5,653 2,830 3,644 2000-12 43,563 24,354 5,174 3,173 7,479 7,065 3,346 4,968 2001-01 36,290 17,939 3,523 2,643 5,086 4,083 2,173 3,793 2001-02 35,389 17,942 3,400 2,280 4,915 3,744 2,110 3,548 2001-03 33,740 18,755 3,957 2,439 5,506 4,414 2,448 4,243 2001-04 26,020 13,504 2,650 1,908 4,369 3,854 2,275 3,212 2001-05 30,810 14,369 3,262 2,399 4,780 4,269 2,419 3,575 2001-06 32,728 15,282 2,895 2,562 4,727 3,882 2,207 3,522 2001-07 33,901 17,835 2,989 2,353 5,053 3,532 2,245 3,847 2001-08 38,928 19,354 2,947 2,549 5,099 3,417 2,078 4,339 2001-09 33,210 14,474 2,434 2,268 4,201 3,627 1,884 4,275 2001-10 34,652 15,063 2,780 2,352 5,495 4,941 2,264 5,180 2001-11 38,064 18,595 3,143 2,326 5,635 5,419 2,142 5,142 2001-12 47,525 26,886 5,139 3,093 6,239 6,680 2,280 6,924 2002-01 46,238 20,119 3,438 2,541 5,455 3,715 1,941 4,046 2002-02 38,551 16,898 2,698 2,927 5,106 3,584 2,652 3,318 2002-03 34,598 16,753 3,189 2,143 4,728 3,726 2,113 3,477 2002-04 36,654 15,965 2,791 2,327 5,316 4,537 2,448 3,781 2002-05 36,362 16,664 3,581 2,260 5,260 4,196 2,603 4,891 2002-06 34,247 15,91 O 2,857 1,874 4,555 3,535 2,316 4,065 2002-07 37,675 17,299 3,500 1,915 4,763 3,163 2,633 4,301 2002-08 39,855 17,417 2,527 2,021 5,637 3,060 2,587 3,692 2002-09 33,524 14,136 2,328 1,941 4,821 2,768 2,197 2,809 2002-10 39,062 17,996 2,831 1,974 5,501 5,826 2,292 4,618 2002-11 38,020 15,663 2,494 1,893 5,234 5,115 2,270 4,284 2002-12 50,798 23,255 3,750 1,938 6,201 5,964 2,362 6,160 Fuente: AMIA
26
top related