Sunteți pe pagina 1din 47

UNIVERSIDAD NACIONAL MAYOR DE SAN MARCOS

Facultad de Ciencias Económicas

“Exportaciones del café en el Perú 1994 – 2012”

INTEGRANTES:

 Castillo Dominguez, Andrea Tiffany

 Collazos Corvera, Irvin Luis

 Jerónimo Calderón, Grecia Alexandra

 Mas Mas, Kely

AULA:

208

2013

1
CONTENIDO
FUNDAMENTACIÓN DEL TRABAJO 4

OBJETIVOS 6

Objetivo general de la investigación 6

Objetivos específicos 6

ESPECIFICACIÓN DEL MODELO 7

Metodología 7

Tipos de datos 7

Marco Teórico 7
Modelo en economía abierta -Balanza de pagos-mercado de divisas 7
Teoría de la ventaja comparativa 10
El café es un producto básico mundial 11

Marco conceptual 12
Exportación de café 12
Producto Bruto Interno del Exterior 13
Producto Bruto Interno del Sector Agropecuario 14
Tipo de cambio nominal 15
Precio Internacional 16

Presentación del modelo a investigar 19


Especificación Teórica del Modelo 19
Especificación Econométrica del Modelo 19

Justificación Econométrica 20
 Modelo Lineal 20
 Modelo Logarítmico 22
Matriz de Correlación 24

EVALUACION ESTADISTICA DEL MODELO 25

Multicolinealidad 25
Test de Farrar - Glauber al modelo lineal 25
Corrección del problema de Multicolinealidad 26

Análisis del DURWIN-WATSON 27

2
Autocorrelación 28
Detección de la Autocorrelación 29

Heterocedasticidad 32
Test de white 32

Prueba de estabilidad de parámetros 33

Quiebre estructural 33
1) RESIDUOS RECURSIVOS: 33
2) PRUEBA CUSUM Y CUSUMSQ: 34
3) TEST PREDICTIVO DE UN PERIODO 36
4) TEST PREDICTIVO DE n periodos 36
5) TEST COEFICIENTES RECURSIVOS 37
6) TEST DE CHOW- PREDICTIVO 38

Corrección del quiebre estructural por el método de variables dummy 39

Supuesto de normalidad de las perturbaciones 40


Test de Jarque-Bera: 40
Test de Kolmogorov 41
Prueba de Normalidad (Quantile - Quantile) 42
Estimación con variables rezagadas 43

Estadísticas de predicción 44

CONCLUSIONES 46

BIBLIOGRAFIA 47

3
FUNDAMENTACIÓN DEL TRABAJO

El café fue introducido por inmigrantes franceses en América Central a principios del siglo
XVIII, pero luego los holandeses extendieron su cultivo hacia América del Sur. El cultivo
de café permitió una ampliación de la frontera agrícola en varios países americanos y fue
un factor determinante para el crecimiento de la población en terrenos que antes tenían
escaso valor.

Hacia fines del siglo XIX, la producción de café en el Perú estaba dedicada al consumo
local con un bajo porcentaje del grano que se exportaba a Chile. Las principales zonas de
producción estuvieron ubicadas en la silva alta semitropical, en áreas correspondientes a
Moyobamba, Jaén, Huánuco y Cusco.

En Chanchamayo, un fértil valle del centro del país colonizado entonces por franceses,
alemanes, ingleses e italianos, el café comenzó a cultivarse en asociación con otros
productos como caña de azúcar, coca, tabaco y cacao. Recién a partir de 1850, la región
adquiere un ritmo constante de producción cafetalera, cuya difusión estuvo a cargo de los
sacerdotes jesuitas y alcanzó sus más altos niveles a partir de 1880. El alza de los precios
internacionales hacia 1887 convirtió al Perú por primera vez en exportador de café, siendo
sus principales mercados Chile, Inglaterra y Alemania.

Posteriormente, la caída visible de los precios como consecuencia de la depresión en la


última década del siglo XIX, desencadenó la debacle de la economía del país que fue más
álgida a partir de 1902 y recién se recuperó en 1910.
Hacia esa época y simultáneamente con la mejora de los precios internacionales del café,
éstos permanecieron altos y estables hasta 1920, lapso que coincidió con la alta
producción de los cafetales.

En los años 30 el valle de Chanchamayo se consolida como una zona cafetalera con
instalaciones que permitían procesar mayores cantidades de granos, garantizando una
calidad uniforme. Simultáneamente, compañías formadas por capitales ingleses
recopilaban y comercializaban la producción de café del valle del río Perené, que incluía
Chanchamayo, Tarma y La Merced. La política era producir café de alta calidad como
garantía para asegurar precios elevados.

Durante el período de 1950 a 1960 se consolida el cultivo del café en mérito al esfuerzo
conjunto de empresas productoras y exportadoras que alcanzaron reconocido prestigio
internacional.
La reforma agraria decretada por el gobierno militar de 1968 afectó enormemente el
desarrollo de la agricultura peruana y fue un factor determinante para la aparición de
pequeños caficultores que la actualidad constituyen el grueso de los productores de café
en el país.

Según el portal del Ministerio de Agricultura, el café lideró las exportaciones agrarias en el
2006 con un 24.9% del total de exportaciones agrícolas, generando ingresos superiores a
4
los 515 millones de dólares. El café representa el principal producto agroexportable del
Perú, habiendo pasado de 223.3 millones de dólares en el año 2000 a 515 millones de
dólares en el año 2006. Durante este periodo, la variación en el volumen de exportación,
significó el crecimiento del 69.1%

En el año 2012 el volumen de las exportaciones de café peruano acumularon las 61.400
toneladas métricas al cierre del primer semestre, 10,6% más en relación a los primeros
seis meses del año pasado, estos despachos se vendieron a un precio de US$4.093 por
TM entre enero y junio, 21,5% menos en comparación con lo registrado (US$5.213) en
periodo similar del 2011.
La cotización internacional del grano aromático cayó no solo por una menor demanda
mundial, sino además por la perspectiva al alza en la cosecha cafetalera de Brasil, que
concentra casi el 35% de la producción mundial. En ese contexto, los envíos de café
peruano sumaron US$251,3 millones en el primer semestre, monto que representa una
caída de 13,1% frente a enero y junio del año 2011.

Asimismo, los principales compradores del grano nacional en el periodo fueron: Alemania
(24% de participación), EE.UU. (21,5%), Colombia (18,2%) y Bélgica (12,6%).

La baja en el rendimiento de las plantaciones, escasez de mano de obra y la expansión


de la devastadora enfermedad de la roya llevo al Gobierno peruano a estimar una caída
de casi 25% en la cosecha de café en el 2012, y un retroceso de 37% en las
exportaciones por menores pedidos y por una baja en el precio en el mercado
internacional.

La producción de café enfrentó una cosecha complicada este año por el agotamiento
cíclico de las plantaciones, luego de experimentar en el 2011 un año excepcional con 7,2
millones de sacos. Perú, el tercer mayor productor de café de Sudamérica, sufrió un
desplome de sus exportaciones del grano el año 2012 de casi un 40%, ante los menores
precios en los mercados globales. Los precios del café han caído a alrededor de la mitad
desde su punto más alto a mediados de 2011, a cerca de 135 dólares la libra, ante la
abundante oferta de Brasil, el principal productor del grano a nivel mundial. Un estudio
formal de las variables más relevantes que intervienen en la determinación de la
exportación del café es lo que nos ayudara a explicar dicha dinámica

5
OBJETIVOS

Objetivo general de la investigación


Queremos determinar, cuales son las variables que hicieron posible un crecimiento de la
exportación de café, a los principales mercados externos principalmente en el transcurso
de los últimos 3 años (2010-2012) ya que como observaremos en los datos incluidos en el
presente trabajo en la década de los 90´ las exportaciones fueron muy fluctuantes, sin
embargo en los últimos años podemos observar un gran y rápido crecimiento.

Para este propósito emplearemos métodos cualitativos.

Objetivos específicos
a) Determinar la relación de las principales variables explicativas de las
exportaciones de café.
b) Encontrar si la especificación econométrica de las exportaciones de café
funcionara como un modelo predictivo o informativo, bajo diferentes escenarios.
c) Verificar si los mercados externos determinan la organización del cultivo de dicho
producto en el Perú.

6
ESPECIFICACIÓN DEL MODELO

Metodología
La metodología que se utiliza en este trabajo es esencialmente descriptiva, exploratoria y
está acompañada de una aplicación teórica usando los métodos econométricos.

Tipos de datos
La información de las variables utilizadas en el modelo son series de tiempo con una
frecuencia anual en el periodo 1994 – 2012.

Marco Teórico

Modelo en economía abierta -Balanza de pagos-mercado de divisas

Balanza de pagos:

La balanza de pagos de un país es el documento contable que registra sistemáticamente


todas las operaciones comerciales y financieras que tienen lugar, durante cierto periodo
de tiempo entre los residuos y los del resto del mundo
La balanza de pagos (BP) se estructura en cuatro subdivisiones:

 Cuenta corriente.
 Cuenta de capital
 Cuenta financiera.
 Cuenta de errores y comisiones

Para este tema solo tomaremos en cuenta la balanza comercial, ya que el tema a tratar es
las exportaciones de café y su registro ya sea anualmente o en un periodo determinado
estará dentro de la cuenta corriente de la balanza de pagos.

Cuenta corriente:
La balanza por cuenta corriente registra los cobros y pagos procedentes del comercio de
bienes y servicios y las rentas en forma de beneficios, intereses y dividendos obtenidos
del capital invertido en otro país. La compraventa de bienes se registrará en la balanza
comercial, los servicios en la balanza de servicios, los beneficios en la balanza de rentas y
las transferencias de dinero en la balanza de transferencias.
La balanza por cuenta corriente estará dividida en dos secciones. La primera es conocida
como balanza visible y la compone íntegramente la balanza comercial. La segunda
sección se llama balanza invisible y está compuesta por la balanza de servicios, rentas y
por la balanza de transferencias.
Balanza comercial:
La balanza comercial, también llamada «de bienes» o «de mercancías», utiliza como
fuente de información básica los datos recogidos por el Departamento de Aduanas de

7
la Agencia Tributaria. En ella se registran los pagos y cobros procedentes de las
importaciones y exportaciones de bienes tangibles, como pueden ser los automóviles, la
vestimenta o la alimentación.
Un dato a tener en cuenta es que las importaciones y exportaciones en la balanza de
pagos tienen que aparecer con valoración «FOB para la exportación» y «CIF para la
importación», que es como las elaboran las aduanas. Los precios FOB (Free On Board)
se diferencian de los precios CIF (Cost, Insurance and Freight) en que estos últimos
incluyen el flete y los seguros. Al elaborar la balanza de pagos, los fletes y los seguros
tienen que ser contabilizados como servicios y no como mercancías.
Mercado de divisas:

Dado que cada país tiene su propia moneda, las transacciones económicas
internacionales implican, en general, operaciones entre monedas diferentes y, por tanto,
la conversión de unas en otras. Para poder desarrollar su actividad, el importador tendrá
que adquirir, contra la entrega de moneda nacional, las divisas extranjeras necesarias
para pagar los bienes y servicios obtenidos en otros países. Análogamente el exportador
convertirá la moneda nacional las divisas extranjeras obtenidas por los bienes y servicios
vendidos al exterior.

Mercado de Divisas Peruano:

En general, como es el caso de otros mercados y precios en la economía, el Mercado de


Divisas determina los tipos de cambio entre monedas, mediante la interacción de la oferta
y la demanda de los agentes económicos involucrados en dicho proceso.

En particular, definiremos al mercado de divisas peruano como aquel donde se negocian


operaciones de compra-venta, principalmente, entre el nuevo sol y el dólar5a un tipo de
cambio PEN/USD determinado

Oferta de divisas:

Indica la cantidad de divisas ofrecidas por los agentes económicos en un país.

Fuentes:

 Exportaciones de bienes y servicios

 Remesas de ciudadanos en el exterior

 Intervenciones del Banco Central

 Entradas netas de capital extranjero

o Inversión extranjera directa

o Inversión de cartera o inversión financiera

8
Función de oferta de divisas:

𝑄 𝑠 = 𝑓(𝑌𝑓 , 𝐸, 𝑃, 𝑃 𝑓 )

𝑌𝑓 : PBI del resto del mundo

E: tipo de cambio nominal

P: índice de precios de los bienes domésticos

𝑃 𝑓 : Índice de precios de los bienes internacionales

Demanda de divisas:

Es la cantidad de divisas requeridas por los agentes económicos de un país en un periodo


de tiempo.

Fuentes:

 Importaciones de bienes y servicios


 Intervenciones del Banco Central
 Remesas y renta al exterior
 Salidas netas de capitales
o Salidas de inversión extranjera en cartera
o Fuga de capitales

Función de demanda de divisas:

𝑄 𝑑 = 𝑓(𝑌, 𝐸, 𝑃, 𝑃 𝑓 )

Dónde:

Y: PBI interno

E: tipo de cambio nominal

P: índice de precios de los bienes domésticos

𝑃 𝑓 : Índice de precios de los bienes internacionales

Ya que una de las fuentes de la oferta de divisas son las exportaciones, esta variable
también se verá afectada ante una variación de alguna de las variables exógenas del
modelo de oferta de divisas, en términos de función las exportaciones se expresa como:

𝑋 = 𝑓(𝑌𝑓 , 𝑅) → El volumen de exportaciones depende directamente del PBI del resto


del mundo y del tipo de cambio real.

9
𝑃𝑓
𝑋 = 𝑓(𝑌𝑓 , 𝐸 𝑃
) → El volumen de las exportaciones depende directamente del pbi del
resto del mundo, del tipo de cambio nominal, índice de precios del resto del mundo e
inversamente del índice de precio de los bienes domésticos.

Teoría de la ventaja comparativa

En 1817, David Ricardo en su libro “Principios de Política Económica” extiende la teoría


de los beneficios del comercio a situaciones donde un país tiene ventaja absoluta en
ambos bienes. De acuerdo con Smith dicho país probablemente no resulte beneficiado
con el comercio exterior.

Estos beneficios se obtienen cuando el país con ventaja absoluta en ambos bienes se
especializa en producir aquel con mayor eficiencia relativa (menor costo de oportunidad),
es decir el bien en el que tiene ventaja comparativa.

Las ventajas comparativas y competitivas representan conceptos claves para mejorar la


posición de una determinada empresa en el mercado, al aprovechar las que ofrece el
medio donde interactúa.

Las Ventajas Comparativas permiten conocer y explotar las actividades donde la empresa
tiene un rendimiento superior al de sus competidores, transformándolas en Ventajas
Competitivas.

El Conocer y usar estas ventajas, permitirán a los empresarios diseñar estrategias que
conduzcan hacia el éxito del negocio.

La clave del éxito entonces, es la armonización de las estrategias de negocios y las


políticas con las ventajas comparativas. La capacidad de crear conocimiento y la
capacidad de innovar, son la clave de la construcción de la competitividad. Las ventajas
competitivas surgen así, a partir de las ventajas comparativas en el adecuado marco de
las políticas y como resultado directo de las correctas estrategias de negocios
implementadas eficientemente.

El Perú cuenta con ventajas comparativas para obtener café de especialidad porque tiene
una de las mejores variedades botánicas de café, condiciones climáticas y geográficas
adecuadas y disponibilidad de agua en zonas tropicales de altura. Sin embargo, para
lograr competitividad es necesario superar limitaciones en cuanto a recursos, tecnología,
organización y gestión, así como formular estrategias de largo plazo en las que se
consideren los intereses de toda la cadena productiva, desde los agricultores hasta los
exportadores, en una relación de «ganar-ganar» basada en el conocimiento profundo de
la realidad actual del sector y del mercado internacional.

10
El café orgánico producido en el Perú se cultiva sin el uso de pesticidas ni agroquímicos,
tanto para conservar la salud del agricultor como del consumidor, esto con la finalidad de
no alterar la calidad del grano del café y de fomentar la conservación del medio ambiente.
Este manejo ecológico impulsa su consumo al ser un producto natural, siendo un aspecto
importante al existir una creciente demanda por consumir productos que no han tenido
ningún tipo de alteración en su cultivo.
Otro aspecto importante a considerar es su época de cultivo que es distinta a las de sus
principales competidores como México y otros países de América Latina, en donde dicho
aspecto resulta ser una ventaja al tener la posibilidad de cubrir la demanda del consumo
del café orgánico, mientras los otros países productores se encuentren en su etapa inicial
de cultivo. Sin duda un punto a favor que ayuda a posicionar nuestro café en el mercado
mundial.
Asimismo, nuestro café está siendo reconocido a nivel mundial por medio de premios
internacionales, en donde se reconoce la calidad y aroma del café peruano que en los
últimos años ha ganado mayores adeptos en su consumo al ser un producto con un alto
valor agregado.
En el informe “Perú: Exportaciones de productos orgánicos (2010)” publicado por
PROMPERU, se refleja que estas características y la calidad del producto han permito
que el Perú ocupe el primer lugar en la producción y exportación de café orgánico a nivel
mundial, siendo Estados Unidos el principal destino de nuestras exportaciones con un
28%, seguido de Alemania con un 26%, Bélgica (14%), Suecia(9%), Reino Unido(7%) y
Canadá con un (2%).
En tiempos de un mundo globalizado, las exportaciones de café orgánico y otros
productos han contribuido a que nuestro país tenga un crecimiento sostenido,
contribuyendo a mejorar considerablemente nuestra economía generando mayores
divisas a la vez de propiciar la creación de nuevos puestos de trabajo. Según datos
publicados en el informe “Caser: Riesgos de Mercados (Enero, 2011)” 24 nuevas
empresas han incursionado en el mercado cafetero como producto de la buena
performance en el sector, conllevando a que la fuerza laboral en dicho sector se
incremente.
Por lo expuesto, el Perú en base a su desarrollo exportador tiene las capacidades
suficientes para ingresar a nuevos mercados que estén en la búsqueda de productos
ecológicos con valor agregado, como el café orgánico, que representa el 17% del total de
exportaciones del país.

El café es un producto básico mundial

No es posible exagerar la importancia del café en la economía mundial. El café es uno de


los productos primarios más valiosos, segundo en valor durante muchos años únicamente
al petróleo como fuente de divisas para los países en desarrollo. El cultivo,
procesamiento, comercio, transporte y comercialización del café proporciona empleo a
millones de personas en todo el mundo. El café tiene una importancia crucial para la
economía y la política de muchos países en desarrollo. Para muchos de los países
menos adelantados del mundo, las exportaciones de café representan una parte

11
sustancial de sus ingresos en divisas, en algunos casos más del 80%. El café es un
producto básico que se comercia en los principales mercados de materias primas y de
futuros, muy en especial en Londres y en Nueva York.

Marco conceptual

Exportación de café

El café es un producto de exportación tradicional, que representa en el comercio mundial


la segunda mercancía de mayor exportación después del petróleo.

En el Perú, el café es el principal producto de exportación agrícola y representa cerca de


la mitad de las exportaciones agropecuarias y alrededor del 5% del total de las
exportaciones peruanas. Este producto es también uno de los que ejerce mayor influencia
socioeconómica.
Los principales mercados de destino son los países de la Unión Europea, los Estados
Unidos y el Japón. Dado el fenómeno de occidentalización de los gustos asiático el
consumo en esta región resulta de interés en las proyecciones futuras del grano.
Las principales empresas exportadoras de café se encuentran distribuidas Por Perales
Huancaruna S.A.C con US$ 119.8 millones, Cia Internacional Del Café S.A.C con US$

12
58.07 millones, Comercio & Cia S.A con US$ 39.9 millones, Procesadora del Sur S.A con
US$ 26.6 millones, Romero Trading S.A con US$ 23.3 millones, Louis Dreyfus Peru S.A
con US$ 23.3 millones, Machu Picchu Coffee Trading S.A.C con US$ 21.7 millones, entre
otros.

Producto Bruto Interno del Exterior


Es el valor monetario de todos los bienes y servicios finales que se producen
internamente en el resto de países del mundo, durante un periodo determinado de tiempo
(normalmente un año). Esta producción es la oferta interna de bienes y servicios
generados por la capacidad instalada en el territorio interno del resto de países, valorada
a precios del productor en el caso de bienes y servicios privados y a costo de producción
cuando son producidos por el estado y las
entidades sin fines de lucro.

13
Producto Bruto Interno del Sector Agropecuario

Es el valor de todos los bienes y servicios finales del sector agropecuario que se producen
internamente en la economía de un país, durante un periodo de tiempo (generalmente un
año). Esta producción es la oferta interna de bienes y servicios generada por la capacidad
instalada del sector interno, valorada a precios de mercado en las puertas de las unidades
de producción, a precios del producto en el caso de mercancías.

14
Tipo de cambio nominal

El tipo de cambio de un país respecto de otro es el precio de una unidad de moneda


extranjera expresado en términos de la moneda nacional.
Entonces el tipo de cambio nominal se puede definir como el número de unidades de
moneda nacional que debemos entregar para obtener una unidad de moneda extranjera,
o de manera similar, el número de unidades de moneda nacional que obtengo al vender
una unidad de moneda extranjera.

15
Precio Internacional

El precio es el único elemento de la estrategia comercial que es generador de ingresos,


todos los demás son costos. Sirve también como medio de comunicación con el
comprador al proporcionar una base para juzgar el atractivo de una oferta y esta influido
por la interacción de factores internos y externos a la empresa.
Así para definir un precio y elaborar una cotización internacional es importante contar con
información precios de la empresa, el mercado y la logística.

PRINCIPALES PAÍSES DESTINOS DE LA EXPORTACIÓN DEL CAFÉ

MERCADO VALOR FOB PESO NETO QQ-46 Precio FOB


Kg promedio
(US$/QQ)
ALEMANIA 346,723,290 1,939,095 178.81
ESTADOS UNIDOS 187,260,485 948,687 197.39
BELGICA 135,680,432 773,045 175.51
COLOMBIA 85,706,521 660,301 129.80
SUECIA 39,250,517 203,618 192.77
CANADA 36,094,538 192,484 187.52
COREA 30,864,973 182,083 169.51
ITALIA 25,112,090 139,362 180.19
FRANCIA 22,085,654 122,451 180.36
REINO UNIDO 19,086,311 96,712 197.35

16
PRINCIPALES EMPRESAS EXPORTADORAS

Empresa %Var %Part.


12- 12
11
PERALES HUANCARUNA S.A.C. -37% 25%
COMERCIO & CIA SA -39% 11%
CIA.INTERNACIONAL DEL CAFE -50% 7%
S.A.C.
OUTSPAN PERU S.A.C. -37% 7%
CAFETALERA AMAZONICA SAC -5% 5%
PROCESADORA DEL SUR S.A. -47% 5%
EXPORTADORA ROMEX S.A. -37% 4%
CENTRAL DE COOPERATIVAS -38% 4%
CAFETALER...
MACHU PICCHU FOODS S.A.C. -52% 2%

Los principales países exportadores (valores en miles de US$) son Brasil con US$
5,204,111, Viet Nam US$ 2,128,335, Colombia US$ 1,192,198, Alemania US$ 1,925,824,
Suiza US$ 1,235,735, Indonesia US$ 1,012,749 y Bélgica US$ 1,014,456 en el año 2010.
El mayor crecimiento en el periodo 2009-2010 lo obtuvo Brasil con un 37.27% seguido de
Suiza con 30.90%, Viet Nam 24.35% e Indonesia 22.90%. La participación en las
exportaciones en el año 2010 /*, Brasil con 23.36%, Viet Nam 9.55%, Alemania 8.65% y
Colombia 8.58%. Destacar a Perú que tuvo un crecimiento en las exportaciones en el año
2009-2010 de 51.99% y tiene una participación del 3.99% en el año 2010.

17
18
Presentación del modelo a investigar

Especificación Teórica del Modelo

Este trabajo de investigación trata de describir y encontrar las variables con mayor
relevancia para explicar y predecir la cantidad de exportaciones de café que se realizan
en el Perú. Para este propósito, es necesario hacer una simplificación de la realidad
por lo que solo usaremos un modelo de regresión uniecuacional y además nos
quedaremos con unas cuantas variables explicativas. Nuestro modelo teórico es el
siguiente

EXPORC= f (PBIUSA, TCN, PBIAGRI, PINTERC)

Especificación Econométrica del Modelo

Este es el modelo de aplicación final expresado en forma econométrica que resalta la


diferencia con el modelo estadístico porque este muestra las perturbaciones estocásticas
que generalmente hay para un modelo econométrico. Sin este, no sería un modelo real de
utilización económica, ya que hay variables y/o shocks que el modelo no incluye por
diversas razones.

𝐸𝑋𝑃𝑂𝑅𝐶 = 𝛽0 + 𝛽1 ∗ 𝑃𝐵𝐼𝑈𝑆𝐴 + 𝛽2 ∗ 𝑇𝐶𝑁 + 𝛽3 ∗ 𝑃𝐵𝐼𝐴𝐺𝑅𝐼 + 𝛽4 ∗ 𝑃𝐼𝑁𝑇𝐸𝑅𝐶 + 𝜇𝑡

DONDE:

EXPORC: Exportaciones de Café (variable dependiente).

PBIUSA: Producto Bruto Interno de Estados Unidos.

TCN: Tipo de Cambio Nominal.

PBIAGRI: Productor Bruto Interno del Sector Agrícola.

PINTERC: Precio internacional del Café.

19
Justificación Econométrica

Para realizar la justificación hemos visto conveniente expresar nuestro modelo en dos
formas, la primera en versión lineal y la segunda en versión logarítmica.

 Modelo Lineal

𝐸𝑋𝑃𝑂𝑅𝐶 = 𝛽0 + 𝛽1 ∗ 𝑃𝐵𝐼𝑈𝑆𝐴 + 𝛽2 ∗ 𝑇𝐶𝑁 + 𝛽3 ∗ 𝑃𝐵𝐼𝐴𝐺𝑅𝐼 + 𝛽4 ∗ 𝑃𝐼𝑁𝑇𝐸𝑅𝐶 + 𝜇𝑡

PRIMERA CORRIDA LINEAL DEL MODELO

20
Interpretación de coeficientes:

 β̂0 = −1822.2 ⇒ Aproximadamente 1822.2 mil millones de dólares de las


exportaciones de café no dependen del PBI de Estados Unidos, el Tipo de Cambio
Nominal, el PBI Agrícola y el Precio Internacional del Café.

 β̂1 = 0.04 ⇒ Ante un aumento en 1 u.m (millones de euros) en el PBI de Estados


Unidos, las exportaciones de café aumentaran en 0.04 u.m (miles de millones de
dólares).

 β̂2 = 222.74 ⇒ Ante un aumento en 1 u.m en el Tipo de Cambio Nominal, las


exportaciones de café aumentaran en 222.74 u.m (miles de millones de dólares).

 β̂3 = 47.94 ⇒ Ante un aumento en 1 u.m (millones de soles) en el PBI Agrícola, las
exportaciones de café aumentaran en 47.94 u.m (miles de millones de dólares).

 β̂4 = 8.28 ⇒ Ante un aumento en 1 u.m en el Precio Internacional del café, las
exportaciones de café aumentaran en 8.28 u.m (miles de millones de dólares).

 R2 = 0.95 ⇒ Las EXPC están explicadas en un 95% por las variables regresoras y
el otro 5% es explicado por otras variables no incluidas en el modelo.

Los valores de las probabilidades T-Student nos muestra que el PINTERC es la única
variable significativa a nivel individual, esto puede ser por problemas de multicolinealidad
que de ser así serán corregidas mas adelante.

21
 Modelo Logarítmico

log⁡(𝐸𝑋𝑃𝑂𝑅𝐶) = 𝛽0 + 𝛽1 ∗ log⁡(𝑃𝐵𝐼𝑈𝑆𝐴) + 𝛽2 ∗ log⁡(𝑇𝐶𝑁) + 𝛽3 ∗ log⁡(𝑃𝐵𝐼𝐴𝐺𝑅𝐼) + 𝛽4


∗ log⁡(𝑃𝐼𝑁𝑇𝐸𝑅𝐶) + 𝜇𝑡

PRIMERA CORRIDA DEL MODELO LOGARITMICO

22
Interpretación de coeficientes

 β̂1 = 0.37 ⇒ Ahora nos dice si el PBI de Estados Unidos aumenta en 1% las
exportaciones de café aumentan en 0.37%, manteniendo todo lo demás constante,
es decir existe una relación directa entre estas variables.

 β̂2 = 0.24 ⇒ Ahora nos dice si el Tipo de Cambio Nominal aumenta en 1%, las
exportaciones de café aumentan en 0.24%, manteniendo todo lo demás constante,
es decir existe una relación directa entre estas variables.

 β̂3 = 1.32 ⇒ Ahora nos dice si el PBI Agrícola aumenta en 1%, las exportaciones
de café aumentan en 1.32%, manteniendo todo lo demás constante, es decir
existe una relación directa entre estas variables.

 β̂4 = 1.13 ⇒ Ahora nos dice si el Precio Internacional del Café aumenta en 1%, las
exportaciones de café aumentan en 1.13%, manteniendo todo lo demás constante,
es decir existe una relación directa entre estas variables.

 R2 = 0.96 ⇒ Las EXPC están explicadas en un 96% por las variables regresoras y
el otro 4% es explicado por otras variables no incluidas en el modelo.

Los valores de las probabilidades T-Student en este caso nos muestran que las variables
que son significativas a nivel individual son el PBI Agrícola (PBIAGRI) y el Precio
Internacional del Café (PINTERC).

23
Matriz de Correlación

a) Matriz de correlación del modelo lineal

Aquí presentamos, la matriz de correlación, de la primera fase de la construcción de


nuestro modelo econométrico. Podemos apreciar una fuerte correlación entre la
Exportación de Café (EXPORC) con el Precio Internacional del Café (PINTERC), por otro
lado, vemos una correlación elevada directa entre el PBI USA con las EXPC. También
observamos que la correlación entre el PBI USA y el PBI AGRI es positiva y alta como
era de esperarse.
Vemos también, una correlación negativa, entre el PBI USA y el PINTERC, así como una
alta correlación, entre el Tipo de Cambio Nominal (TCN), y el PBI USA.
Tras los detalles mencionados, podemos decir que a simple vista hay cierta
multicolinealidad. Más adelante, veremos si la multicolinealidad es significativa en las
propuestas del modelo, tanto lineal y logarítmico.

b) Matriz de correlación del modelo logarítmico

En este cuadro podemos apreciar una correlación moderada entre el LOG(PBI USA) y el
LOG(EXPC), así como también una correlación positiva y alta entre el LOG(PINTERC) y
el LOG(EXPC).
Adicionalmente también podemos decir que encontramos una correlación elevada entre
LOG(PBI AGRI) y el LOG(EXPC), todas estas muestras, pueden traer consigo una
multicolinealidad significativa, debido a los altos niveles de correlación.

24
EVALUACION ESTADISTICA DEL MODELO

Multicolinealidad

Como podemos observar en la corrida del primer modelo lineal, tenemos un coeficiente de
determinación alto, mientras que la variable PINTERC son significativas a nivel individual
y las otras variables exógenas no lo son, esto evidencia los primeros indicios de
multicolinealidad que podría estar generado por la redundancia de variables en el modelo
o por errores de especificación en las variables regresoras. Hay otras formas para poder
detectar la multicolinealidad del modelo como por ejemplo el Test de Farrar - Glauber que
desarrollaremos a continuación.

Test de Farrar - Glauber al modelo lineal

La hipótesis nula será que las variables explicativas son ortogonales entre si y la hipótesis
alternativa esta variables no serán ortogonales entre sí.

 2
calc 
  n 1  ( 2 k 5)
 ln R calc
2
  k2( k 1) / 2
6

MATRIZ DE CORRELACIÓN

Determinante de correlación: 0.00089118

Logaritmo de determinante de correlación: -7.02296866

El test de Farrar-Glauber será igual a:

2
2∗4+5
𝑋𝑐𝑎𝑙𝑐 = − (19 − 1 − ) ∗ −7.02296866 = 111.1970038
6
4 ∗ (4 − 1)
𝑋2 = =6
2
2
𝑋𝑐𝑎𝑙𝑐 = 111.1970038 > 𝑋 2 = 6

25
Por lo tanto se rechaza la hipótesis nula lo cual indica que las variables explicativas no
son ortogonales entre si y se concluye con un nivel de significancia del 5% que existe
multicolinealidad alta en el modelo.

Corrección del problema de Multicolinealidad

Para poder corregir la multicolinealidad alta que se presenta en el modelo debemos


eliminar las variables que no explican mucho al modelo que son: PBIUSA y PBIAGRI; lo
que me haría quedar con las variables TCN y PINTERC y las estimo en un modelo Log-
Lineal;

𝐿𝑜𝑔(𝐸𝑋𝑃𝑂𝑅𝐶) = ⁡ 𝛽0 + 𝛽1 𝐿𝑜𝑔(𝑇𝐶𝑁) + ⁡ 𝛽2 𝐿𝑜𝑔(𝑃𝐼𝑁𝑇𝐸𝑅𝐶) + 𝜇𝑡

Observando la matriz de correlación notamos que el TCN y el PINTERC presentan


correlación baja y negativa, por lo que podemos decir que tras realizar un modelo Log-
Lineal con las variables que explicaban más al modelo el problema de multicolinealidad ha
sido corregido.

26
Análisis del DURWIN-WATSON

Análisis utilizando el estadístico DURWIN-WATSON es el siguiente:

K=4
n=19
Límite inferior (dL) =0.86
Límite superior (dU) =1.85
4-dL=3.14
4-dU=2.15

El valor del estadístico DURWIN-WATSON en los modelos lineal y logarítmico son 2.13 y
3.08 respectivamente, con lo que podemos decir que el modelo lineal no presenta
autocorrelación, mientras que en el modelo logarítmico nos encontramos en la zona de
duda.

27
Autocorrelación

La autocorrelación es un caso particular del modelo lineal general que se origina cuando
las perturbaciones de dicho modelo presentan correlaciones entre ellas.

Una de las principales causas que producen el problema de autocorrelación en los


modelos son los errores de especificación. Tómese en cuenta además que casi siempre
los modelos con data de series de tiempo presentan autocorrelación.

GRAFICA ACTUAL, FITTED, RESIDUAL

28
Detección de la Autocorrelación

a) Correlograma de Residuos

CORRELOGRAMA RESIDUAL

Ante los correlogramas de la serie de residuos para 12 retardos que están en esta figura
observamos los diversos coeficientes de autocorrelación simple dentro de las bandas de
confianza, podemos apreciar lo mismo en la autocorrelación parcial. El comportamiento
de este grafico nos muestra que no hay presencia de autocorrelación de primer orden,
pero existe la posibilidad de la presencia de un componente AR (2).

29
b) Prueba de Breusch-Godfrey

𝐻0 = 𝑛𝑜⁡ℎ𝑎𝑦⁡𝑐𝑜𝑟𝑟𝑒𝑙𝑎𝑐𝑖ò𝑛

𝐻1⁡ = 𝑠𝑖⁡ℎ𝑎𝑦⁡𝑐𝑜𝑟𝑟𝑒𝑙𝑎𝑐𝑖ò𝑛

El contraste de Breusch-Godfrey que en este caso es para un retardo muestra un


estadístico Chi-cuadrado de 0.7276 (el cual es mayor al 5%), el cual nos lleva a
aceptar la hipótesis nula de incorrelación, es decir no existe autocorrelación de 1er orden
(AR(1)).

30
El contraste de Breusch-Godfrey que en este caso es para dos retardos muestra un
estadístico Chi-cuadrado de 0.8670 (el cual es mayor al 5%), el cual nos lleva a aceptar la
hipótesis nula de incorrelacion, es decir no existe autocorrelación de 2do orden (AR(2)).

31
Heterocedasticidad

La heterocedasticidad significa que la varianza de las perturbaciones no es constante a lo


largo de las observaciones y supone una violación de hipótesis del modelo lineal general.

Test de white
𝐻0 = 𝑒𝑥𝑖𝑠𝑡𝑒⁡ℎ𝑜𝑚𝑜𝑐𝑒𝑑𝑎𝑠𝑡𝑖𝑐𝑖𝑑𝑎𝑑

𝐻1 = 𝑒𝑥𝑖𝑠𝑡𝑒⁡ℎ𝑒𝑡𝑒𝑟𝑜𝑐𝑒𝑑𝑎𝑠𝑡𝑖𝑐𝑖𝑑𝑎𝑑

Viendo los resultados que nos ofrece el programa se evidencia que la probabilidad del
estadístico es mayor a 0.05, entonces se rechaza la hipótesis alternativa, a favor de la
nula concluyendo que no hay heterocedasticidad en el modelo. La prueba de White nos
indica que no hay una relación significativa entre los residuos al cuadrado y el PBIUSA al
cuadrado, TCN al cuadrado, PINTERC al cuadrado, PBIAGRI al cuadrado.No se hacen
otras pruebas de heterocedasticidad ya que serían redundantes, y además ya que este es
un problema que normalmente se presenta en pruebas de corte transversal.

32
Prueba de estabilidad de parámetros

Quiebre estructural
Las políticas económicas, del cambio tecnológico, u otros eventos de impacto social,
ocurridos en el tiempo pueden ocasionar un cambio en la estructura de la relación entre la
variable dependiente y las variables independientes.

Sea el modelo:

𝐸𝑋𝑃𝑂𝑅𝐶 = 𝛽0 + 𝛽1 𝑃𝐵𝐼𝑈𝑆𝐴 + 𝛽2 𝑇𝐶𝑁 + 𝛽3 𝑃𝐵𝐼𝐴𝐺𝑅𝐼 + 𝛽4 𝑃𝐼𝑁𝑇𝐸𝑅𝐶 + 𝜇𝑖

1) RESIDUOS RECURSIVOS:

Nos muestra los errores de predicción de un periodo hacia delante, calculando en cada
periodo la estimación recursiva.

et
wt  ; t  k  1, ..., T
1  x t' ( X t'  1 X t  1 ) x t
300

200

100

-100

-200
99 00 01 02 03 04 05 06 07 08 09 10 11 12

Recursive Residuals ± 2 S.E.

En este grafico se observa que los residuos varían alrededor del valor cero y vemos que
evidencia un quiebre estructural a inicios del año 2010, ya que en ese año llega a
sobrepasar las bandas de confianza, además que las bandas de confianza se ensanchan,
lo que muestra que no existe estabilidad estructural en el año 2010.

33
2) PRUEBA CUSUM Y CUSUMSQ:

A) CUSUM
t
1
Wt 
ˆ
w
r  k 1
r ; t  k  1, ..., T ; ˆ  S e de toda la muestra

12

-4

-8

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

CUSUM 5% Significance

En este grafico vemos como los residuos recursivos, siguen una trayectoria alrededor de
0, trayectoria que se desplaza dentro de los márgenes de significancia a un nivel del 5%.
Se observa que el grafico se aleja más de su media a inicios del año 2010. Lo que
demuestra que no hay estabilidad en el modelo.

34
B) CUSUM CUADRADO(CUSUMSQ)

Esta prueba se basa en la suma acumulada de los cuadrados de los residuos recursivos
Para no limitarnos a un solo análisis, con respecto a la muestra de estabilidad apreciada
en el test CUSUM del punto anterior, realizamos el siguiente test denominado CUSUMSQ.

w 2
r
St  r k 1
T
; t  k  1, ..., T
w
r k 1
2
r

En este grafico podemos apreciar como los residuos recursivos, se salen de las bandas
de estabilidad, se salen de las bandas de confianza desde 2003 hasta 2010, donde
comienza a presentarse in alejamiento, evidenciando la existencia de un quiebre
estructural 2010.
La fecha del quiebre es en el punto más alejado de las bandas de confianza, en este
grafico vemos que es a inicios del 2010.
*En el primer caso el estadístico CUSUM no sale de las bandas de confianza pero se
aparta de su media a comienzos del 2010.
*En el segundo caso el estadístico CUSUMSQ la inestabilidad se da a inicios del año
2003 hasta inicios del 2010.

35
3) TEST PREDICTIVO DE UN PERIODO

Esta prueba se basa en los residuos recursivos y el nivel de significancia de la prueba T


para la hipótesis de estabilidad con el pronóstico de la observación.

300

200

100

-100
.000
Nivel de .025 -200

significancia .050
.075
.100
Prueba T
.125
.150
99 00 01 02 03 04 05 06 07 08 09 10 11 12

One-Step Probability
Recursive Residuals

Este grafico evidencia la existencia de un quiebre estructural, la fecha probable del


quiebre es aproximadamente a inicios del año 2010.

4) TEST PREDICTIVO DE n periodos

Esta prueba se basa en los residuos y el nivel de significancia de la prueba F para la


hipótesis de estabilidad con los pronósticos.

[ SCE (T )  SCE (T1 )] / T2


F  F(T2 , T1k )
SCE (T1 ) /(T1  k )

300

200

100

-100
.000
.025 -200
Nivel de .050

significancia .075
.100
.125
Prueba F
.150
99 00 01 02 03 04 05 06 07 08 09 10 11 12

N-Step Probability
Recursive Residuals

Según el grafico la presencia de quiebre estructural se evidencia a partir del año 2010
cuando la probabilidad es cercana a 0.

36
5) TEST COEFICIENTES RECURSIVOS

Estima los coeficientes del modelo de manera recursivo, si el modelo es estable las
estimaciones de los coeficientes deben tender a ser convergentes y la varianza del
estimador tiende a reducirse, conforme crece la muestra.
0 .15

-500
.10
-1,000

-1,500 .05

-2,000
.00
-2,500

-3,000 -.05
99 00 01 02 03 04 05 06 07 08 09 10 11 12 99 00 01 02 03 04 05 06 07 08 09 10 11 12

Recursive C(1) Estimates Recursive C(2) Estimates


± 2 S.E. ± 2 S.E.

600 240

400 200

160
200
120
0
80
-200
40

-400 0

-600 -40
99 00 01 02 03 04 05 06 07 08 09 10 11 12 99 00 01 02 03 04 05 06 07 08 09 10 11 12

Recursive C(3) Estimates Recursive C(4) Estimates


± 2 S.E. ± 2 S.E.

12

10

0
99 00 01 02 03 04 05 06 07 08 09 10 11 12

Recursive C(5) Estimates


± 2 S.E.

Los gráficos anteriores presentan el comportamiento de cada uno de los estimadores al ir


añadiendo observaciones a la muestra con la que se realiza la estimación.
La magnitud de las variaciones es mínima para cada uno de los estimadores; además, y
aunque el coeficiente recursivo no traspasa las bandas a lo largo de su trayectoria existe
evidencia como para afirmar que existe quiebre estructural.

Este cambio en el 2010 se dio con el aumento de las exportaciones de café, y esto se dio
debido al mejor precio internacional que hubo en ese año, induciendo de esta forma al
mejor retorno de las exportaciones del mismo.

37
6) TEST DE CHOW- PREDICTIVO

En el modelo de las exportaciones del café se aplica este test debido a que el quiebre se
da en el año 2010 y este es cercano al final del periodo muestral.

𝐻0 = 𝑁𝑜⁡ℎ𝑎𝑦⁡𝑐𝑎𝑚𝑏𝑖𝑜⁡𝑒𝑠𝑡𝑟𝑢𝑐𝑡𝑢𝑟𝑎𝑙 𝐻1 =
𝑠𝑖⁡ℎ𝑎𝑦⁡𝑐𝑎𝑚𝑏𝑖𝑜⁡𝑒𝑠𝑡𝑟𝑢𝑐𝑡𝑢𝑟𝑎𝑙

[ SCE (T )  SCE (T1 )] / T2


F  F(T2 , T1k )
SCE (T1 ) /(T1  k )

Chow Forecast Test


Equation: MODELO1
Specification: EXPORC C PBIUSA TCN PBIAGRI PINTERC
Test predictions for observations from 2010 to 2012

Value df Probability
F-statistic 14.47527 (3, 11) 0.0004
Likelihood ratio 30.37992 3 0.0000

Unrestricted Test Equation:


Dependent Variable: EXPORC
Method: Least Squares
Date: 07/09/13 Time: 17:52
Sample: 1994 2009
Included observations: 16

Variable Coefficient Std. Error t-Statistic Prob.

C -800.6401 251.9525 -3.177741 0.0088


PBIUSA 0.000637 0.020718 0.030734 0.9760
TCN 47.84936 90.33294 0.529700 0.6068
PBIAGRI 87.26458 18.82358 4.635917 0.0007
PINTERC 3.860700 0.913051 4.228351 0.0014

R-squared 0.930738 Mean dependent var 325.6688


Adjusted R-squared 0.905552 S.D. dependent var 146.9563
S.E. of regression 45.16322 Akaike info criterion 10.70875
Sum squared resid 22436.88 Schwarz criterion 10.95018
Log likelihood -80.67000 Hannan-Quinn criter. 10.72111
F-statistic 36.95431 Durbin-Watson stat 3.375607
Prob(F-statistic) 0.000003

Viendo los resultados que nos ofrece el programa se evidencia que la probabilidad del
estadístico es menor a 0.05, entonces se rechaza la hipótesis nula a favor de la
alternativa concluyendo que si hay cambio estructural.

38
Corrección del quiebre estructural por el método de variables dummy

Se genera una variable dummy que toma el valor de 0 para años anteriores al 2010 y 1
para los años posteriores a 2010.

Definamos:

 0 para t < 2010 (pre-cambio, 1994-2009).


 1 para t ≥ 2010 (post-cambio, 2010-2012).

El modelo de Exportaciones de café incluyendo la variable ficticia D1

39
Supuesto de normalidad de las perturbaciones

Test de Jarque-Bera:
𝐻𝑂 :⁡𝜀⁡𝑒𝑠⁡𝑛𝑜𝑟𝑚𝑎𝑙, 𝑒𝑠𝑡𝑒⁡𝑠𝑢𝑝𝑢𝑒𝑠𝑡𝑜⁡𝑖𝑚𝑝𝑙𝑖𝑐𝑎⁡𝑞𝑢𝑒⁡𝑙𝑜𝑠⁡𝑟𝑒𝑠𝑖𝑑𝑢𝑜𝑠⁡𝑠𝑜𝑛⁡𝑛𝑜𝑟𝑚𝑎𝑙𝑒𝑠

⁡⁡⁡⁡⁡⁡⁡⁡⁡⁡⁡⁡⁡⁡⁡⁡⁡⁡⁡⁡𝐻1 :⁡𝜀⁡𝑛𝑜⁡𝑒𝑠⁡𝑛𝑜𝑟𝑚𝑎𝑙, 𝑒𝑠𝑡𝑒⁡𝑠𝑢𝑝𝑢𝑒𝑠𝑡𝑜⁡𝑖𝑚𝑝𝑙𝑖𝑐𝑎⁡𝑞𝑢𝑒⁡𝑙𝑜𝑠⁡𝑟𝑒𝑠𝑖𝑑𝑢𝑜𝑠⁡𝑛𝑜⁡𝑠𝑜𝑛⁡𝑛𝑜𝑟𝑚𝑎𝑙𝑒𝑠

La prueba analiza la asimetría y la curtosis de los residuos asumiendo que tienen


distribución normal mesocúrtica.

(𝑎𝑠𝑖𝑚𝑒𝑡𝑟í𝑎)2 (𝑐𝑢𝑟𝑡𝑜𝑠𝑖𝑠−3)2 2
𝐽𝐵 = 𝑇 ( + ) → 𝑋(2)
6 24

Reemplazando los datos, obtenidos en Eviews, donde el valor de JB= 0.734716 es menor
2
a la 𝑋(2) = 5.99 lo cual se establece que la hipótesis nula se acepta concluyendo que los
residuos son normales cumpliendo con uno de los supuestos del modelo.

40
Test de Kolmogorov
Estadística:
𝐻𝑂 : 𝑋⁡𝑡𝑖𝑒𝑛𝑒⁡𝑑𝑖𝑠𝑡. 𝑓 ∗
𝐷 = 𝑚á𝑥𝑖𝑚𝑎⁡(|𝑃𝑖 − 𝑝𝑖 |)
𝐻1 : 𝑋⁡𝑛𝑜⁡𝑡𝑖𝑒𝑛𝑒⁡𝑑𝑖𝑠𝑡. 𝑓 ∗
𝑃𝑖 = 𝑃(𝑋 ≤ 𝑋𝑖 )

Probabilidad acum.con el modelo 𝑓(𝑋)

𝑃𝑖 = 𝑝𝑟𝑜𝑝𝑜𝑟𝑐𝑖𝑜𝑛⁡𝑎𝑐𝑢𝑚

Frec. Relativa acumulada en la muestra

Como se observa en el resultado dado por Eviews la probabilidad del test realizado es
mayor a 0.05 lo cual implica que se acepte la hipótesis nula concluyendo así que las
perturbaciones tienen distribución normal.

41
Prueba de Normalidad (Quantile - Quantile)

Para que exista normalidad en los residuos los puntos deberán estar a lo largo de la recta,
pero si los puntos están muy dispersos y la mayoría está fuera de la recta, entonces se
concluye que no existe normalidad.

En este modelo las perturbaciones son normales ya que los puntos están a lo largo de la
recta sin dispersión.

42
Estimación con variables rezagadas

La dependencia de la variable exógena respecto de las variables endógenas no siempre


son instantáneas, suele darse el caso que el impacto que tiene las variables exógenas
sobre la endógena se deja sentir en un lapso de tiempo.

Para este modelo solo incluiré un rezago, ya que al aumentar la cantidad de rezagos se
pierden dato de la muestra y sobre todo aumenta la no significancia de las variables, del
modelo sin rezagos la única variable con alta significancia es el PINTERC, las demás no
posean significancia significativa pero el modelo presenta una r cuadrado alto del 95%,
ahora analizando el modelo de con el primer rezago, nos muestra que las variables
rezagadas no son significativas lo que lleva a la conclusión que el impacto de las variables
endógenas sobre la dependiente es instantánea, ya sea el caso si aumenta el precio
internacional del café, instantáneamente tendrá un impacto positivo ya que se demandara
mayor café peruano por será más barato y sobre todo por ser de buena calidad.

LS EXPORC C PBIUSA TCN PBIAGRI PINTERC PBIUSA(-1) TCN(-1) PBIAGRI(-1) PINTERC(-1)

43
Estadísticas de predicción

Root Mean Squared Error: es uno de los indicadores que mide la desviación de la variable
simulada, con respecto a la variable histórica, para comprobar si el error es significativo,
debemos comprarlo con el Mean Dependent Var de la estimación. En este caso el Root
Mean Squared Error es igual a 76.43821, es menor al MDV que es igual 458.8053, por lo
tanto la simulación es aceptable

Mean Absolute Error: Este indicador hace que la simulación pase la prueba, si resulta
menor que la S.D. dependet var (SDDV) de la estimación que es igual a 365.4544 y ya
que el valor del MAE es igual a 59.94295. Por ende la simulación es aceptable

Mean Abs. Percent Error: es un indicador útil como indicio de un sesgo sistemático. Un
valor pequeño de este indicador es una medida deseable de ajuste de la simulación así
sabríamos que porcentaje de error que tiene la predicción, este valor es este escenario es
de 18.51898

Theil Inequality Coefficient: este coeficiente, es uno de los que indica el grado de
desempeño predictivo del modelo econométrico, su evaluación es entre cero y uno,
mientras más cercano a cero, el desempeño es más eficiente para la predicción, lo
contrario sucede si es más cercano a uno.

En este caso esta predicción nos da un valor de 0.066121 que es cercano a cero o tiende
a él, por tanto nos deja deducir que el modelo tiene capacidad predictiva

Bios Proportion (proporción del sesgo): determina cuanto se aleja la media del pronóstico
de la media de la variable observada. El Bias Proportion es igual a 0.000000. Tienen la
misma orientación; esto significa que no hay presencia de un error sistemático, indicando
que las medidas de los valores predichos y los valores observados no son muy distintas.

Variance Proportion (proporción de la varianza):nos indica la capacidad del modelo para


predecir l grado de variabilidad de la variable analizada, por tanto en este caso, el tener
un valor de 0.011819, el supuesto tiene buena capacidad para pronosticar el grado de
variabilidad de las exportaciones de café.

Covariance Proportion (proporción de la covarianza): nos da el grado de relación de los


datos dela serie de la variable endógena estimada por el Eviews con respeto a la serie
ingresada por el modelista, en este caso ambas series, tienen una relación directa casi al
100%. Es normal que este indicador nunca sea 1 debido a que es poco común ver un
modelo real, que prediga siempre con exactitud los hechos, siempre habrá un margen de
error

44
45
CONCLUSIONES

 El Peru cuenta con ventajas comparativas para obtener café de especialidad


porque tiene una de las mejores variedades de café, condiciones climáticas,
condiciones geografías adecuadas y disponibilidad de agua en zonas tropicales de
altura.
 Como era de esperarse las Exportaciones de Café tienen una fuerte relación
directa con su Precio Internacional ya que al aumentar el precio de este producto
habrá una mayor cantidad exportada debido a que nuestro producto presenta
ventajas competitivas con el resto del mundo.
 Hemos visto que nuestro modelo cumple con los supuestos del modelo clásico a
excepción de la multicolinealidad la cual fue corregida eliminando las variables
menos significativas dando asi solución al problema.
 El café es un producto de exportación tradicional que representa en el comercio
internacional la segunda mercancía mas exportada después del petróleo.
 De la conclusión anterior podemos justificar que el PBI de Estados Unidos se
encuentre en una relación directa con la Exportaciones de café ya que al aumentar
su PBI (visto como ingreso) de dicho país aumenta su capacidad adquisitiva,
demandando asi mayor cantidad de café.

46
BIBLIOGRAFIA

 Libro de macroeconomía en economía abierta –Belzunequi


 Libro de macroeconomía en economía abierta-Froyen
 Gujarati,Damodar Econometría
 Quiebre Estructural: Cap 5 - Econometría Aplicada - JF Castro y R. Rivas
 http://www.ico.org/ -Organización internacional del café
 http://www.sunat.gob.pe/
 http://www.bcrp.gob.pe/

47

S-ar putea să vă placă și