Bibliographic citations
Castillo, R., (2022). Evaluación de los factores asociados a la producción de petróleo en el Perú mediante el análisis multivariante durante el periodo 2016-2020 [Tesis, Universidad Nacional de Ingeniería]. https://repositorio.uni.edu.pe/handle/20.500.14076/22728
Castillo, R., Evaluación de los factores asociados a la producción de petróleo en el Perú mediante el análisis multivariante durante el periodo 2016-2020 [Tesis]. PE: Universidad Nacional de Ingeniería; 2022. https://repositorio.uni.edu.pe/handle/20.500.14076/22728
@misc{sunedu/3505232,
title = "Evaluación de los factores asociados a la producción de petróleo en el Perú mediante el análisis multivariante durante el periodo 2016-2020",
author = "Castillo Ramos, Rodrigo Alonso",
publisher = "Universidad Nacional de Ingeniería",
year = "2022"
}
El petróleo es un recurso energético esencial para el desarrollo del Perú; sin embargo, la producción de este hidrocarburo ha sido muy variable durante los últimos años, considerando lo anterior es necesario identificar y analizar la dinámica del mercado peruano. Para ello, se realizó un análisis de identificación de las variables Políticas, Económicas, Sociales, Tecnológicas, Ecológicas y Legales (PESTEL); para determinar las variables involucradas del entorno macro externo de la actividad en estudio, luego se continuó con la construcción de dos modelos estadísticos, i) análisis factorial con análisis de regresión lineal múltiple y ii) la aplicación directa del análisis de regresión lineal múltiple, ambos utilizando el método Backward. La construcción estadística se realizó utilizando el software IBM SPSS Statistics para el período de 2016 a 2020, con el fin de encontrar la mejor representación en base a las variables del entorno macroeconómico externo. Posteriormente, se compararon dos modelos construidos para elegir el modelo óptimo que mejor representará la variable dependiente y se verificó la validez de los criterios existentes de los modelos. Los resultados indicaron que los coeficientes estadísticos 𝑅2 fueron 0,509 y 0,820 respectivamente. Los hallazgos indicaron que el modelo óptimo fue el segundo modelo estadístico, pero con la inclusión de diez variables del total inicial. Muy diferente al primer modelo que logró utilizar casi todas las variables, pero con un valor más bajo del estadístico, esto puede explicar la relación de pautas o parámetros aplicables en el diseño o rediseño de medidas que ayuden a minimizar el impacto de la variación de producción de petróleo en crisis futuras u otras situaciones de contexto global.
This item is licensed under a Creative Commons License