Exportaciones de Cafe en El Peru-1

[NOMBRE DE LA COMPAA]
[Direccin de la compaa]
+0
Exportaciones de
caf en el Per:
1994-2014
Econometra I
UNIVERSIDAD NACIONAL MAYOR DE SAN MARCOS

Fundada en 1551
FACULTAD DE CIENCIAS ECONOMICAS
Exportacin de caf en el Per
TRABAJO DE INVESTIGACION DE ECONOMETRIA I
Alexander Jorge Rivera

Leonardo Montoya Merino
Cesar Aponte Leandro
Lima - Per
2015
pg. 1
INDICE
INTRODUCCIN
Antecedentes
6
PLANTEAMIENTO DEL PROBLEMA
6
Objetivos
6
ESPECIFICACIN DEL MODELO
7
Metodologa
7
Tipos de datos
7
Marco Terico
7
Modelo en economa abierta -Balanza de pagos-mercado de
divisas
7
Teora de la ventaja comparativa
10
MARCO CONCEPTUAL
12
Exportacin de caf
12
Producto Bruto Interno del Exterior
14
Tipo de cambio nominal
15
Precio Internacional
17
ESPECIFICACIN TERICA DEL MODELO
19
ESPECIFICACIN ECONOMTRICA DEL MODELO
19
JUSTIFICACIN ECONOMTRICA
19
Modelo Lineal
29
Modelo Logartmico
20
Matriz de Correlacin
23
EVALUACION ESTADISTICA DEL MODELO
24
Multicolinealidad
24
Test de Farrar - Glauber al modelo lineal
25
Correccin del problema de Multicolinealidad
26
Anlisis del DURWIN-WATSON
27
Autocorrelacin
28
Deteccin de la Autocorrelacin
29
Heterocedasticidad
32
Test de white
32
Prueba de estabilidad de parmetros
38
Quiebre estructural
38
pg. 2
RESIDUOS RECURSIVOS:
PRUEBA CUSUM Y CUSUMSQ:
TEST COEFICIENTES RECURSIVOS
TEST DE CHOW- PREDICTIVO
Correccin del quiebre estructural por el mtodo de variables
dummy
Supuesto de normalidad de las perturbaciones
Test de Jarque-Bera:
Estimacin con variables rezagadas
Estadsticas de prediccin
CONCLUSIONES
38
39
40
41
44
44
44
45
46
pg. 3
Introduccin
El caf fue introducido por inmigrantes franceses en Amrica Central a principios
del siglo XVIII, pero luego los holandeses extendieron su cultivo hacia Amrica del
Sur. El cultivo de caf permiti una ampliacin de la frontera agrcola en varios
pases americanos y fue un factor determinante para el crecimiento de la
poblacin en terrenos que antes tenan escaso valor.
Hacia fines del siglo XIX, la produccin de caf en el Per estaba dedicada al
consumo local con un bajo porcentaje del grano que se exportaba a Chile. Las
principales zonas de produccin estuvieron ubicadas en la silva alta semi-tropical,
en reas correspondientes a Moyobamba, Jan, Hunuco y Cusco.
En Chanchamayo, un frtil valle del centro del pas colonizado entonces por
franceses, alemanes, ingleses e italianos, el caf comenz a cultivarse en
asociacin con otros productos como caa de azcar, coca, tabaco y cacao.
Recin a partir de 1850, la regin adquiere un ritmo constante de produccin
cafetalera, cuya difusin estuvo a cargo de los sacerdotes jesuitas y alcanz sus
ms altos niveles a partir de 1880. El alza de los precios internacionales hacia
1887 convirti al Per por primera vez en exportador de caf, siendo sus
principales mercados Chile, Inglaterra y Alemania.
Posteriormente, la cada visible de los precios como consecuencia de la depresin

en la ltima dcada del siglo XIX, desencaden la debacle de la economa del pas
que fue ms lgida a partir de 1902 y recin se recuper en 1910.
Hacia esa poca y simultneamente con la mejora de los precios internacionales

del caf, stos permanecieron altos y estables hasta 1920, lapso que coincidi con
la alta produccin de los cafetales.
En los aos 30 el valle de Chanchamayo se consolida como una zona cafetalera

con instalaciones que permitan procesar mayores cantidades de granos,
pg. 4
garantizando una calidad uniforme. Simultneamente, compaas formadas por

capitales ingleses recopilaban y comercializaban la produccin de caf del valle
del ro Peren, que inclua Chanchamayo, Tarma y La Merced. La poltica era
producir caf de alta calidad como garanta para asegurar precios elevados.
Durante el perodo de 1950 a 1960 se consolida el cultivo del caf en mrito al
esfuerzo conjunto de empresas productoras y exportadoras que alcanzaron
reconocido prestigio internacional.
La reforma agraria decretada por el gobierno militar de 1968 afect enormemente

el desarrollo de la agricultura peruana y fue un factor determinante para la
aparicin de pequeos caficultores que la actualidad constituyen el grueso de los
productores de caf en el pas.
Segn el portal del Ministerio de Agricultura, el caf lider las exportaciones

agrarias en el 2006 con un 24.9% del total de exportaciones agrcolas, generando
ingresos superiores a los 515 millones de dlares. El caf representa el principal
producto agroexportable del Per, habiendo pasado de 223.3 millones de dlares
en el ao 2000 a 515 millones de dlares en el ao 2006. Durante este periodo, la
variacin en el volumen de exportacin, signific el crecimiento del 69.1%
En el ao 2012 el volumen de las exportaciones de caf peruano acumularon las

61.400 toneladas mtricas al cierre del primer semestre, 10,6% ms en relacin a
los primeros seis meses del ao pasado, estos despachos se vendieron a un
precio de US$4.093 por TM entre enero y junio, 21,5% menos en comparacin con
lo registrado (US$5.213) en periodo similar del 2011.
La cotizacin internacional del grano aromtico cay no solo por una menor
demanda mundial, sino adems por la perspectiva al alza en la cosecha cafetalera
de Brasil, que concentra casi el 35% de la produccin mundial. En ese
contexto, los envos de caf peruano sumaron US$251,3 millones en el primer
semestre, monto que representa una cada de 13,1% frente a enero y junio del
ao 2011.
Asimismo, los principales compradores del grano nacional en el periodo fueron:
Alemania (24% de participacin), EE.UU. (21,5%), Colombia (18,2%) y Blgica
(12,6%).
pg. 5
La baja en el rendimiento de las plantaciones, escasez de mano de obra y la

expansin de la devastadora enfermedad de la roya llevo al Gobierno peruano a
estimar una cada de casi 25% en la cosecha de caf 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 produccin de caf enfrent una cosecha complicada este ao por el
agotamiento cclico de las plantaciones, luego de experimentar en el 2011 un ao
excepcional con 7,2 millones de sacos. Per, el tercer mayor productor de caf de
Sudamrica, sufri un desplome de sus exportaciones del grano el ao 2012 de
casi un 40%, ante los menores precios en los mercados globales. Los precios del
caf han cado a alrededor de la mitad desde su punto ms alto a mediados de
2011, a cerca de 135 dlares la libra, ante la abundante oferta de Brasil, el
principal productor del grano a nivel mundial. Un estudio formal de las variables
ms relevantes que intervienen en la determinacin de la exportacin del caf es
lo que nos ayudara a explicar dicha dinmica.
Antecedentes
Las exportaciones cayeron entre 10% y 11% el ao pasado, y tras el alza del
dlar, los nimos se mantienen cados tambin para este 2015, ya que analistas
afirman que las exportaciones tendran el mismo comportamiento en rojo que el
2014.
Sin embargo, el problema no es la productividad, sino los bajos precios
internacionales de las materias primas, dijo Orlando Ganoza, jefe de promocin
comercial del Centro de Comercio Exterior (CCEX) de la Cmara de Comercio de
Lima (CCL).
Este problema afecta tambin al caf que ha sufrido una gran cada en estos aos
por los bajos precios internacionales hace prever que tampoco ser un buen ao
para el caf peruano. Desde el 2011, cuando el sector marc un pico histrico en
las exportaciones ascendentes a los US$1.500 millones, hasta ahora no han sido
los mejores aos.
PLANTEAMIENTO DEL PROBLEMA

Cul es el impacto del tipo de cambio y los precios internacionales en las
exportaciones de caf en la economa peruana?
Cabe aclarar que prximamente que la informacin de otras variables sern
determinadas prximamente de acuerdo a la informacin obtenida que es
publicada por los organismos pblicos sugeridos.
OBJETIVOS
pg. 6
a El objetivo principal es determinar cmo se comport las exportaciones

agregado del caf en el Per para el periodo de 10 aos en base a un
modelo lineal, es decir desde una perspectiva economtrica
b Determinar la relacin de las principales variables explicativas de las
exportaciones de caf en el sector agro.
c
Encontrar cul es la variable que principalmente impacta sobre nuestra

variable dependiente las exportaciones de caf (su precio internacional, la
produccin de caf o el PIB del principal comprador de caf peruano).
d Verificar los hallazgos obtenidos de las regresiones con el marco terico.

e Analizar e interpretar (dado el contexto econmico) el ao de quiebre
estructural.
ESPECIFICACIN DEL MODELO

Metodologa
La metodologa que se utiliza en este trabajo es esencialmente descriptiva,
exploratoria y est acompaada de una aplicacin terica usando los mtodos
economtricos.
Tipos de datos
La informacin de las variables utilizadas en el modelo son series de tiempo con
una frecuencia anual en el periodo 1994 2012.
Marco Terico
Modelo en economa abierta -Balanza de pagos-mercado de divisas
Balanza de pagos:
La balanza de pagos de un pas es el documento contable que registra
sistemticamente 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
pg. 7
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 caf y su registro ya sea anualmente o en un
periodo determinado estar 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 pas. La compraventa de bienes
se registrar 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 estar dividida en dos secciones. La primera es
conocida como balanza visible y la compone ntegramente la balanza comercial.
La segunda seccin se llama balanza invisible y est compuesta por la balanza de
servicios, rentas y por la balanza de transferencias.
Balanza comercial:
La balanza comercial, tambin llamada de bienes o de mercancas, utiliza
como fuente de informacin bsica los datos recogidos por el Departamento
de Aduanas de
la Agencia
Tributaria.
En
ella
se
registran
los pagos y cobros procedentes de las importaciones y exportaciones de bienes
tangibles, como pueden ser los automviles, la vestimenta o la alimentacin.
Un dato a tener en cuenta es que las importaciones y exportaciones en la balanza
de pagos tienen que aparecer con valoracin FOB para la exportacin y CIF
para la importacin, 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 ltimos 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
mercancas.
Mercado de divisas:
Dado que cada pas tiene su propia moneda, las transacciones econmicas
internacionales implican, en general, operaciones entre monedas diferentes y, por
tanto, la conversin de unas en otras. Para poder desarrollar su actividad, el
importador tendr que adquirir, contra la entrega de moneda nacional, las divisas
extranjeras necesarias para pagar los bienes y servicios obtenidos en otros
pases. Anlogamente el exportador convertir la moneda nacional las divisas
extranjeras obtenidas por los bienes y servicios vendidos al exterior.
pg. 8
Mercado de Divisas Peruano:

En general, como es el caso de otros mercados y precios en la economa, el
Mercado de Divisas determina los tipos de cambio entre monedas, mediante la
interaccin de la oferta y la demanda de los agentes econmicos 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
dlar5a un tipo de cambio PEN/USD determinado
Oferta de divisas:
Indica la cantidad de divisas ofrecidas por los agentes econmicos en un pas.
Fuentes:
Exportaciones de bienes y servicios
Remesas de ciudadanos en el exterior
Intervenciones del Banco Central
Entradas netas de capital extranjero

o Inversin extranjera directa
o Inversin de cartera o inversin financiera
Funcin de oferta de divisas:

Q s=f (Y f , E , P , Pf )
: PBI del resto del mundo
E: tipo de cambio nominal

P: ndice de precios de los bienes domsticos
Pf : ndice de precios de los bienes internacionales
Demanda de divisas:
Es la cantidad de divisas requeridas por los agentes econmicos de un pas en un
periodo de tiempo.
Fuentes:
pg. 9
Importaciones de bienes y servicios
Intervenciones del Banco Central
Remesas y renta al exterior
Salidas netas de capitales

o Salidas de inversin extranjera en cartera
o Fuga de capitales
Funcin de demanda de divisas:

Qd =f ( Y , E , P , P f )
Dnde:
Y: PBI interno
E: tipo de cambio nominal
P: ndice de precios de los bienes domsticos
Pf : ndice de precios de los bienes internacionales
Ya que una de las fuentes de la oferta de divisas son las exportaciones, esta
variable tambin se ver afectada ante una variacin de alguna de las variables
exgenas del modelo de oferta de divisas, en trminos de funcin
las
exportaciones se expresa como:
X =f (Y f , R)
resto
X =f (Y f , E
El volumen de exportaciones depende directamente del PBI del

del mundo y del tipo de cambio real.
Pf
)
P
El volumen de las exportaciones depende directamente del
pbi del resto del mundo, del tipo de cambio nominal, ndice de precios del resto del
mundo e inversamente del ndice de precio de los bienes domsticos.
Teora de la ventaja comparativa
pg. 10
En 1817, David Ricardo en su libro Principios de Poltica Econmica extiende la

teora de los beneficios del comercio a situaciones donde un pas tiene ventaja
absoluta en ambos bienes. De acuerdo con Smith dicho pas probablemente no
resulte beneficiado con el comercio exterior.
Estos beneficios se obtienen cuando el pas 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 posicin de una determinada empresa en el mercado, al aprovechar las
que ofrece el medio donde interacta. Las Ventajas Comparativas permiten
conocer y explotar las actividades donde la empresa tiene un rendimiento superior
al de sus competidores, transformndolas en Ventajas Competitivas.
El Conocer y usar estas ventajas, permitirn a los empresarios disear estrategias
que conduzcan hacia el xito del negocio.
La clave del xito entonces, es la armonizacin de las estrategias de negocios y
las polticas con las ventajas comparativas. La capacidad de crear conocimiento y
la capacidad de innovar, son la clave de la construccin de la competitividad. Las
ventajas competitivas surgen as, a partir de las ventajas comparativas en el
adecuado marco de las polticas y como resultado directo de las correctas
estrategias de negocios implementadas eficientemente.
El Per cuenta con ventajas comparativas para obtener caf de especialidad
porque tiene una de las mejores variedades botnicas de caf, condiciones
climticas y geogrficas adecuadas y disponibilidad de agua en zonas tropicales
de altura. Sin embargo, para lograr competitividad es necesario superar
limitaciones en cuanto a recursos, tecnologa, organizacin y gestin, as 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
relacin de ganar-ganar basada en el conocimiento profundo de la realidad
actual del sector y del mercado internacional.
El caf orgnico producido en el Per se cultiva sin el uso de pesticidas ni
agroqumicos, tanto para conservar la salud del agricultor como del consumidor,
esto con la finalidad de no alterar la calidad del grano del caf y de fomentar la
conservacin del medio ambiente. Este manejo ecolgico impulsa su consumo al
ser un producto natural, siendo un aspecto importante al existir una creciente
demanda por consumir productos que no han tenido ningn tipo de alteracin en
su cultivo.
Otro aspecto importante a considerar es su poca de cultivo que es distinta a las
de sus principales competidores como Mxico y otros pases de Amrica Latina,
en donde dicho aspecto resulta ser una ventaja al tener la posibilidad de cubrir la
demanda del consumo del caf orgnico, mientras los otros pases productores se
pg. 11
encuentren en su etapa inicial de cultivo. Sin duda un punto a favor que ayuda a
posicionar nuestro caf en el mercado mundial.
Asimismo, nuestro caf est siendo reconocido a nivel mundial por medio de
premios internacionales, en donde se reconoce la calidad y aroma del caf
peruano que en los ltimos aos ha ganado mayores adeptos en su consumo al
ser un producto con un alto valor agregado.
En el informe Per: Exportaciones de productos orgnicos (2010) publicado por
PROMPERU, se refleja que estas caractersticas y la calidad del producto han
permito que el Per ocupe el primer lugar en la produccin y exportacin de caf
orgnico a nivel mundial, siendo Estados Unidos el principal destino de nuestras
exportaciones con un 28%, seguido de Alemania con un 26%, Blgica (14%),
Suecia (9%), Reino Unido (7%) y Canad con un (2%).
En tiempos de un mundo globalizado, las exportaciones de caf orgnico y otros
productos han contribuido a que nuestro pas tenga un crecimiento sostenido,
contribuyendo a mejorar considerablemente nuestra economa generando
mayores divisas a la vez de propiciar la creacin de nuevos puestos de trabajo.
Segn 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 Per en base a su desarrollo exportador tiene las capacidades
suficientes para ingresar a nuevos mercados que estn en la bsqueda de
productos ecolgicos con valor agregado, como el caf orgnico, que representa
el 17% del total de exportaciones del pas.
MARCO CONCEPTUAL
No es posible exagerar la importancia del caf en la economa mundial. El caf es
uno de los productos primarios ms valiosos, segundo en valor durante muchos
aos nicamente al petrleo como fuente de divisas para los pases en
desarrollo. El cultivo, procesamiento, comercio, transporte y comercializacin del
caf proporciona empleo a millones de personas en todo el mundo. El caf tiene
una importancia crucial para la economa y la poltica de muchos pases en
desarrollo. Para muchos de los pases menos adelantados del mundo, las
exportaciones de caf representan una parte sustancial de sus ingresos en
divisas, en algunos casos ms del 80%. El caf es un producto bsico que se
comercia en los principales mercados de materias primas y de futuros, muy en
especial en Londres y en Nueva York.
Exportacin de caf
pg. 12
El caf es un producto de exportacin tradicional, que representa en el comercio

mundial la segunda mercanca de mayor exportacin despus del petrleo.
En el Per, el caf es el principal producto de exportacin agrcola y representa
cerca de la mitad de las exportaciones agropecuarias y alrededor del 5% del total
de las exportaciones peruanas. Este producto es tambin uno de los que ejerce
mayor influencia socioeconmica.
Los principales mercados de destino son los pases de la Unin Europea, los
Estados Unidos y el Japn. Dado el fenmeno de occidentalizacin de los gustos
asitico el consumo en esta regin resulta de inters en las proyecciones futuras
del grano.
Las principales empresas exportadoras de caf se encuentran distribuidas Por
Perales Huancaruna S.A.C con US$ 119.8 millones, Cia Internacional Del Caf
S.A.C con US$ 58.07 millones, Comercio & Cia S.A con US$ 39.9 millones,
Procesadora del Sur Ao
S.A con US$ 26.6
Exports FOB
millones,
Romero
Trading S.A con US$
1994
206.8
23.3 millones, Louis
Dreyfus Peru S.A con
US$ 23.3 millones, 1995
Machu Picchu Coffee
286
Trading S.A.C con
US$ 21.7 millones,
1996
223.3
entre otros.
1997
396.5
1998
287.4
1999
267.9
2000
224.8
2001
180.5
Producto Bruto
Exterior
2002
188.1
2003
181.1
Es el valor monetario
servicios finales que
internamente en el
mundo, durante un
de
tiempo
ao). Esta produccin
bienes y servicios
capacidad
instalada
del resto de pases,
productor en el caso
2004
289.9
2005
306.7
2006
515
2007
426.9
2008
645.1
2009
548.7
2010
888.7
2011
1597.2
2012
1020.7
2013
700
2014
695.5
Interno del
de todos los bienes y
se
producen
resto de pases del
periodo determinado
(normalmente
un
es la oferta interna de
generados
por
la
en el territorio interno
valorada a precios del
de bienes y servicios
pg. 13
privados y a costo de produccin cuando son producidos por el estado y las

entidades sin fines de lucro.
Ao
PBI EUA
1994
5956.36
1995
5668.706
1996
6173.277
1997
7347.545
1998
7843.694
1999
8776.037
2000
10774.686
2001
11485.261
2002
11254.547
2003
9849.894
2004
9529.142
2005
10146.291
2006
10654.03
2007
10236.191
2008
9716.821
2009
10018.426
2010
10936.788
2011
10830.244
2012
12207.97
2013
12625.631
2014
13111.253
pg. 14
PIB EUA
14000
12000
10000
8000
6000
4000
2000
0
PIB EUA
Tipo de cambio nominal

El tipo de cambio de un pas respecto de otro es el precio de una unidad
de moneda extranjera expresado en trminos de la moneda nacional.
Entonces el tipo de cambio nominal se puede definir como el nmero de unidades
de moneda nacional que debemos entregar para obtener una unidad de moneda
extranjera, o de manera similar, el nmero de unidades de moneda nacional que
obtengo al vender una unidad de moneda extranjera.
Ao
TCN
1994
2.2
1995
2.26
1996
2.45
1997
2.66
1998
2.93
1999
3.38
2000
3.49
2001
3.51
2002
3.52
pg. 15
2003
3.48
2004
3.41
2005
3.3
2006
3.27
2007
3.13
2008
2.93
2009
3.01
2010
2.83
2011
2.75
2012
2.64
2013
2.78
2014
2.98
TCN
4
3.52
3.51
3.49
3.48
3.41
3.38
3.3 3.27
3.13 3.01
2.98
2.93
2.93 2.83
2.78
2.75
2.66
2.64
2.5
2.45
2.2 2.26
2
3.5
1.5
1
0.5
0
TCN
Precio Internacional
El precio es el nico elemento de la estrategia comercial que es generador de
ingresos, todos los dems son costos. Sirve tambin como medio de
comunicacin con el comprador al proporcionar una base para juzgar el atractivo
pg. 16
de una oferta y esta influido por la interaccin de factores internos y externos a la

empresa.
As para definir un precio y elaborar una cotizacin internacional es importante
contar con informacin precios de la empresa, el mercado y la logstica.
Ao
PIC
1994
134.45
1995
138.42
1996
102.07
1997
133.91
1998
108.95
1999
85.71
2000
64.24
2001
45.59
2002
47.74
2003
51.9
2004
62.15
2005
89.36
2006
95.75
2007
107.68
2008
124.25
2009
115.67
2010
147.24
2011
210.39
2012
156.34
2013
123.21
2014
125.56
pg. 17
Precio Internacional del caf

250
200
150
100
50
0
Precio Internacional del caf
La data usada para nuestros clculos fue obtenida de las siguientes instituciones
publicas: BCRP, INEI, Organizacin Internacional del Caf (International Coffe
Organization, por sus siglas en ingls)
Especificacin Terica del Modelo

Este trabajo de investigacin trata de describir y encontrar las variables con mayor
relevancia para explicar y predecir la cantidad de exportaciones de caf que se
realizan en el Per en el periodo de 1994-2014.
Para este propsito, es necesario hacer una simplificacin de la realidad por lo
que solo usaremos un modelo de regresin uniecuacional y adems, nos
quedaremos con unas cuantas variables explicativas. Nuestro modelo terico que
formulamos es el siguiente:
EXPORTS = f(PBIEUA, TCN, PIC)
Especificacin Economtrica del Modelo

Este es el modelo de aplicacin final expresado en forma economtrica que
resalta la diferencia con el modelo estadstico porque este muestra las
perturbaciones estocsticas que generalmente hay para un modelo economtrico.
Sin este, no sera un modelo real de utilizacin econmica, ya que hay variables
y/o shocks que el modelo no incluye por diversas razones.
pg. 18
EXPORTS= 0 + 1PBIUSA + 2TCN + 3PIC+ t
En donde:
EXPORTS: Exportaciones de Caf (variable dependiente).
PBIUSA:
Producto Bruto Interno de Estados Unidos.
PIC:
Precio internacional del Caf.
TCN:
Tipo de Cambio Nominal.
Justificacin Economtrica
Para realizar la justificacin hemos visto conveniente expresar nuestro modelo en
dos formas, la primera en versin lineal y la segunda en versin logartmica.
Modelo Lineal
EXPORC= 0 + 1PBIUSA + 2PIC+ 3TCN + t
Modelo Logartmico
log ( EXPORC)= 0+ 1log ( PBIUSA )+ 2log ( PIC)+ 3log ( TCN )+ t
PRIMERA CORRIDA DEL MODELO LINEAL
Dependent Variable: EXPORTS_FOB

Method: Least Squares
Date: 07/07/15 Time: 00:27
Sample: 1994 2014
Included observations: 21
Variable
Coefficient Std. Error
t-Statistic
Prob.
pg. 19
-2072.209 343.9163
-6.025331
0.0000
PBI_EUA
0.054057
0.014352
3.766622
0.0015
PIC
9.688778
0.963733
10.05338
0.0000
TCN
325.9369
111.7986
2.915395
0.0096
R-squared
0.937935
Mean dependent var
479.8476
Adjusted R-squared 0.926982
S.D. dependent var
353.6352
S.E. of regression
95.55884
Akaike info criterion
12.12700
Sum squared resid
155235.4
Schwarz criterion
12.32596
Log likelihood
-123.3335
Hannan-Quinn criter.
12.17018
F-statistic
85.63487
Durbin-Watson stat
1.882425
Prob(F-statistic)
0.000000
Interpretacin de coeficientes:
^ 0=2072.209
Aproximadamente 2072.209 mil millones de dlares de
las exportaciones de caf no dependen del PBI de Estados Unidos, el Tipo

de Cambio Nominal, ni del Precio Internacional del Caf.
^ 1=0.054057
Ante un aumento en 1000 millones de euros en el PBI de
Estados Unidos, las exportaciones de caf aumentaran en 54.057 (miles de

millones de dlares).
^ 2=9.688778
Ante un aumento en 100 unidad en el Precio
Internacional del Caf, las exportaciones de caf aumentarn en 968.7

(miles de millones de dlares).
pg. 20
^ 3=325.9369
Ante una variacin positiva de una unidad en el Tipo de
Cambio Nominal, las exportaciones de caf aumentaran en 325.94 (miles

de millones de dlares).
R2=0.937935
Las EXPORTS estn explicadas en un 93.79% por las
variables regresoras y el otro 6.21%, es explicado por otras variables no

incluidas en el modelo.
Los valores de las probabilidades T-Student nos muestra que todas las variables
(PIBEUA, PIC y TCN) son significativas a nivel individual.
PRIMERA CORRIDA DEL MODELO LOGARITMICO
Dependent Variable: LNEXPORTS_FOB

Date: 07/07/15 Time: 01:15
Sample: 1994 2014
Variable
t-Statistic
Prob.
-14.00357 1.585150
-8.834220 0.0000
LNPBI_EUA
1.354534 0.236750
5.721374
0.0000
LNPIC
1.483711 0.164956
8.994598
0.0000
LNTCN
0.667550 0.600077
1.112441
0.2814
pg. 21
R-squared
0.941750
Mean dependent var 5.968581
S.D. dependent var
0.629708
S.E. of regression
-0.597970
Sum squared resid 0.461960
Schwarz criterion
-0.399014
Log likelihood
10.27869
Hannan-Quinn criter. -0.554792
F-statistic
91.61521
Durbin-Watson stat
Prob(F-statistic)
0.000000
0.164846
2.030706
Interpretacin de coeficientes
^ 1=1.354534
Ahora nos dice si el PBI de Estados Unidos aumenta en
1% las exportaciones de caf aumentan en 1.35%, manteniendo todo lo

dems constante, es decir existe una relacin directa entre estas variables.
^ 2=1.483711
Ahora nos dice si el Precio Internacional del caf
aumenta en 1%, las exportaciones de caf aumentan en 1.48%,

manteniendo todo lo dems constante, es decir existe una relacin directa
entre estas variables.
^ 3=0.66755
Ahora nos dice si el Tipo de Cambio nominal aumenta en
1%, las exportaciones de caf aumentan en 0.66755%, manteniendo todo

lo dems constante, es decir existe una relacin directa entre estas
variables.
R2=0.94175
Las EXPC estn explicadas en un 94.17% por las
variables regresoras, mientras el resto 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 PBI de Estados Unidos
(logPIBEUA) y el Precio Internacional del Caf (logPIC) nuevamente.
pg. 22
Matriz de Correlacin
a) Matriz de correlacin de los regresores del modelo lineal
PBI_EUA
PIC
TCN
PBI_EUA
1.000000
-0.071273
0.522084
PIC
-0.071273
1.000000
-0.750355
TCN
0.522084
-0.750355
1.000000
Aqu presentamos, la matriz de correlacin de los regresores, de la primera fase de la

construccin de nuestro modelo economtrico.
Podemos apreciar, a grandes rasgos, la existencia de correlacin moderada entre las

variables PBI_EUA con TCN y PIC con TCN, de manera negativa. Mientras hay una
bajsima correlacin indirecta entre PBI_EUA y PIC.
b) Matriz de correlacin del modelo logartmico
LNPBI_EUA LNPIC
LNTCN
LNPBI_EUA 1.000000
-0.173510
0.621873
LNPIC
-0.173510
1.000000
-0.752355
LNTCN
0.621873
-0.752355
1.000000
En este cuadro podemos apreciar una correlacin alta entre:
pg. 23
LOG(PIB_EUA) y LOG(TCN)
As como existe tambin una ALTA correlacin indirecta entre:
LOG(PIC) y LOG(TCN)
Del mismo modo podemos observar que existe una BAJA correlacin negativa entre:
LOG(PBI_EUA) y LOG(PIC)
Y una ALTA correlacin negativa entre:
LOG(TCN) y LOG(PIC)
EVALUACION ECONOMETRICA DEL MODELO

Multicolinealidad
Como podemos observar en la primera corrida del modelo lineal, tenemos un
coeficiente de determinacin alto, mientras que todas las variables, PIBEUA, PIC y
TCN, son significativas a nivel individual y las otras variables exgenas no lo son,
esto evidencia los primeros indicios de multicolinealidad que podra estar
generado por la redundancia de variables en el modelo o por errores de
especificacin 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 continuacin.
Test de Farrar - Glauber al modelo lineal
La hiptesis nula ser que las variables explicativas son ortogonales entre si y la
hiptesis alternativa esta variables no sern ortogonales entre s.
H0: Las X son ortogonales entre s
H1: Las X no son ortogonales entre s
pg. 24
2
2
calc
k2( k 1) / 2 calc
n 1
( 2 k 5)
6
ln R
MATRIZ DE CORRELACION DEL MODELO LINEAL

PBI_EUA
PIC
TCN
PBI_EUA
1.000000
-0.071273
0.522084
PIC
-0.071273
1.000000
-0.750355
TCN
0.522084
-0.750355
1.000000
Determinante de correlacin R: 0.21515798923798168

Logaritmo del determinante de correlacion R: -0.667242523
El test de F-G ser igual a:
X 2calc = 211
X 2=
23+5
lnR= 12.126
6
3(31)
=3
2
X 2calc =34.05> X 2 tab=
7.8147
Por lo tanto se rechaza la hiptesis 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 en el modelo.
Correccin del problema de Multicolinealidad
Para poder corregir la multicolinealidad que se presenta en el modelo debemos

eliminar la variable que no explican mucho al modelo (a pesar que todas tengan
un Probabilidad. menor a 0.05, elegiremos la mayor de todas) que es: TCN; lo que
me hara quedar con las variables PBI_EUA y PIC, y las estimo en un modelo LogLineal:
pg. 25
log ( EXPORTS )= 0 + 1 log ( PIBEUA )+ 2 log ( PIC ) + t
Dependent Variable: LNEXPORTS_FOB

Date: 07/09/15 Time: 19:18
Sample: 1994 2014
Variable
t-Statistic
Prob.
-14.39811 1.555124
-9.258500 0.0000
LNPBI_EUA
1.553993 0.155621
9.985724
0.0000
LNPIC
1.330374 0.091211
14.58572
0.0000
R-squared
0.937510
S.D. dependent var
0.629708
S.E. of regression
-0.622940
Schwarz criterion
-0.473723
Log likelihood
9.540875
F-statistic
135.0223
Durbin-Watson stat
Prob(F-statistic)
0.000000
0.165930
1.924886
LNPBI_EUA LNPIC
LNPBI_EUA 1.000000
-0.173510
LNPIC
1.000000
-0.173510
Observando la matriz de correlacin notamos que el PBI_EUA y el PIC presentan

correlacin baja y negativa, por lo que podemos decir que tras realizar un modelo
log-lineal con las variables que explicaban ms al modelo el problema de
multicolinealidad ha sido corregido.
pg. 26
Autocorrelacin
La autocorrelacin es un caso particular del modelo lineal general que se origina

cuando las perturbaciones de dicho modelo presentan correlaciones entre ellas.
Anlisis del DURWIN-WATSON
Anlisis utilizando el estadstico DURWIN-WATSON para el modelo lineal, es el

siguiente:
K=3
n = 21
Lmite inferior (dL) = 1.026
Lmite superior (dU) = 1.669
4 dL = 2.974
4 dU = 2.331
1.026
1.669
2.331
2.974
El valor del estadstico DURWIN-WATSON en los modelos lineal y logartmico son

1.88 y 2.03 respectivamente, con lo que podemos decir que, en el modelo lineal no
presenta autocorrelacin (nos situamos en la zona de No se rechazar H 0: No
evidence of autocorrelation).
Mientras que en el modelo logartmico nos encontramos tambin, en la misma

zona:
K=3
pg. 27
n = 21
Lmite inferior (dL) = 1.026
Lmite superior (dU) = 1.669
4 dL = 2.974
4 dU = 2.331
1.026
1.669
2.331
2.974
Al ser 2.03 el estadstico DW para el modelo logartmico, nos encontramos en la

zona cercana a 2, aquella que no rechaza la hiptesis nula H 0: No evidencia
autocorrelacin.
Una de las principales causas que producen el problema de autocorrelacin en los
modelos son los errores de especificacin. Tmese en cuenta adems que casi
siempre los modelos con data de series de tiempo presentan autocorrelacin.
GRAFICA ACTUAL, FITTED, RESIDUAL
pg. 28
2,000
1,600
1,200
800
400
200
100
0
-100
-200
94
96
98
00
02
Residual
04
06
Actual
08
10
12
14
Fitted
Deteccin de la Autocorrelacin
a) Correlograma de Residuos
Ante los correlogramas de la serie de residuos para 12 retardos que estn en esta
figura observamos los diversos coeficientes de autocorrelacin simple
pg. 29
(Autocorrelation) dentro de las bandas de confianza, podemos apreciar lo mismo

en la autocorrelacin parcial (Partial Autocorrelation). El comportamiento de este
grafico nos muestra que no hay presencia de autocorrelacin de primer orden,
pero existe la posibilidad de la presencia de un componente AR (2).
b) Prueba de Breusch-Godfrey
H 0=no hay correlacin
H 1=sihay correlacin
Breusch-Godfrey Serial Correlation LM Test:

F-statistic
0.001032
Prob. F(1,16)
0.9748
Obs*R-squared
0.001354
Prob. Chi-Square(1) 0.9706
Test Equation:
Dependent Variable: RESID
Date: 07/07/15 Time: 22:45
Sample: 1994 2014
Presample missing value lagged residuals set to zero.
Variable
t-Statistic
Prob.
0.667226 355.0974
0.001879
0.9985
PBI_EUA
0.000101 0.015126
0.006706
0.9947
PIC
-0.001342 0.994240
-0.001350 0.9989
TCN
-0.487081 116.2291
-0.004191 0.9967
RESID(-1)
-0.008770 0.273041
-0.032121 0.9748
R-squared
0.000064
Adjusted R-squared -0.249919
Mean dependent var -1.27E-13

S.D. dependent var
88.10090
pg. 30
S.E. of regression
98.49662
12.22218
Schwarz criterion
12.47087
Log likelihood
-123.3329
Hannan-Quinn criter. 12.27615
F-statistic
0.000258
Durbin-Watson stat
Prob(F-statistic)
1.000000
1.867848
El contraste de Breusch-Godfrey que en este caso es para un retardo, muestra un

estadstico Chi-cuadrado de 0.9706 (el cual es mayor al 5%), el cual nos lleva a
aceptar la hiptesis nula de incorrelacin, es decir no existe autocorrelacin de 1er
orden (AR(1)).
Breusch-Godfrey Serial Correlation LM Test:

F-statistic
0.029014
Prob. F(2,15)
0.9715
Obs*R-squared
0.080927
Test Equation:
Dependent Variable: RESID
Date: 07/07/15 Time: 22:49
Sample: 1994 2014
Presample missing value lagged residuals set to zero.
Variable
t-Statistic
Prob.
9.944320 368.1021
0.027015
0.9788
PBI_EUA
0.001046 0.016086
0.065022
0.9490
PIC
-0.021919 1.028513
-0.021312 0.9833
TCN
-5.758904 121.8290
-0.047270 0.9629
RESID(-1)
-0.014760 0.282575
-0.052233 0.9590
RESID(-2)
-0.067867 0.284118
-0.238867 0.8144
pg. 31
R-squared
0.003854
Mean dependent var -1.27E-13
S.D. dependent var
88.10090
S.E. of regression
12.31362
Schwarz criterion
12.61205
Log likelihood
-123.2930
F-statistic
0.011606
Durbin-Watson stat
Prob(F-statistic)
0.999947
101.5339
1.905168
El contraste de Breusch-Godfrey que en este caso es para dos retardos muestra

un estadstico Chi-cuadrado de 0.9603 (el cual es mayor al 5%), el cual nos lleva a
aceptar la hiptesis nula de incorrelacion; es decir no existe autocorrelacin de
2do orden (AR(2)).
Heterocedasticidad
La Heterocedasticidad significa que la varianza de las perturbaciones no es
constante a lo largo de las observaciones y supone una violacin de hiptesis del
modelo lineal general.
Los procedimientos tratan de cuantificar la presencia de heterocedasticidad.
Algunos de ellos, no slo se limitan a cuantificarla sino que, adems, permiten
valorar la existencia de Heterocedasticidad en trminos de probabilidad
recurriendo a distribuciones estadsticas conocidas; este ltimo grupo de contrates
se denominan, por ello, contrastes "paramtricos".
Test de white
H 0=existe h omocedasticidad
H 1=existe h eterocedasticidad
pg. 32
Heteroskedasticity Test: White
pg. 33
F-statistic
3.905207
Prob. F(9,11)
0.0186
Obs*R-squared
15.99424
Scaled explained
SS
6.497624
Test Equation:
Dependent Variable: RESID^2
Date: 07/07/15 Time: 22:54
Sample: 1994 2014
Variable
t-Statistic
Prob.
296192.3 360451.9
0.821725
0.4287
PBI_EUA^2
0.000713 0.000649
1.098515
0.2954
PBI_EUA*PIC
0.161493 0.078772
2.050133
0.0650
PBI_EUA*TCN
10.98964 7.941486
1.383827
0.1938
PBI_EUA
-66.03672 30.51744
-2.163901 0.0533
PIC^2
2.426705 2.151176
1.128083
0.2833
PIC*TCN
176.1428 617.3990
0.285298
0.7807
PIC
-2762.085 1731.128
-1.595541 0.1389
TCN^2
-40211.03 42423.66
-0.947845 0.3636
TCN
122857.0 256960.3
0.478117
R-squared
0.761631
0.6419
S.D. dependent var
8434.257
S.E. of regression
20.38765
Sum squared resid 3.39E+08
Schwarz criterion
20.88504
Log likelihood
-204.0703
F-statistic
3.905207
Durbin-Watson stat
Prob(F-statistic)
0.018637
5552.527
2.410586
pg. 34
Viendo los resultados que nos ofrece el programa se evidencia que la probabilidad
del estadstico es mayor a 0.05 (0.0670), entonces no se rechaza la hiptesis nula,
por lo que la varianza es constante y homocedastica, concluyendo que no hay
heterocedasticidad en el modelo.
La prueba de White nos indica que no hay una relacin significativa entre los
residuos al cuadrado y el PBIUSA al cuadrado, TCN al cuadrado, y PIC al
cuadrado.
Test de White para el modelo logaritmico

Sea el modelo:
log ( EXPORC)= 0+ 1log ( PBIUSA )+ 2log ( PIC)+ 3log ( TCN )+ t
H 0=no hay heterocedasticidad

H 1=existe h eterocedasticidad
Heteroskedasticity Test: White

F-statistic
0.584689
Prob. F(9,11)
0.7853
Obs*R-squared
6.795280
Scaled explained
SS
2.629394
Test Equation:
Dependent Variable: RESID^2
Date: 07/09/15 Time: 15:38
Sample: 1994 2014
Variable
t-Statistic
Prob.
pg. 35
3.318637 22.53527
0.147264
0.8856
LNPBI_EUA^2
-0.246977 0.309035
-0.799190 0.4411
LNPBI_EUA*LNPIC 0.446546 0.328730
1.358397
0.2015
LNPBI_EUA*LNTC
N
1.059245 1.082974
0.978089
0.3491
LNPBI_EUA
1.297391 5.003385
0.259303
0.8002
LNPIC^2
-0.094115 0.145652
-0.646164 0.5314
LNPIC*LNTCN
-0.581434 1.091165
-0.532856 0.6047
LNPIC
-2.577537 1.975078
-1.305031 0.2185
LNTCN^2
-0.362497 1.894177
-0.191374 0.8517
LNTCN
-6.108237 5.595529
-1.091628 0.2983
R-squared
0.323585
S.D. dependent var
0.024496
S.E. of regression
-4.067999
Schwarz criterion
-3.570607
Log likelihood
52.71399
F-statistic
0.584689
Durbin-Watson stat
Prob(F-statistic)
0.785294
0.027165
2.271779
Ahora, en este caso, viendo los resultados que nos ofrece, se evidencia que la
probabilidad del estadstico tambin es mayor a 0.05 (0.65), entonces no se
rechaza la hiptesis nula, por lo que la varianza es constante y homocedastica,
concluyendo que no hay heterocedasticidad en el modelo.
Test de Glejser
Para este caso, primero observaremos algunos puntos puntos tericos referentes
a este test tomados del trabajo
CONCEPTOS BSICOS SOBRE LA
HETEROCEDASTICIDAD EN EL MODELO BSICO DE REGRESIN LINEAL
pg. 36
TRATAMIENTO CON E-VIEWS de Rafael de Arce y Ramn Maha (Universidad

Autnoma de Madrid):
Glesjer propone descartar la variacin del error en funcin de una variable z, que
ahora pueden estar elevadas a una potencia "h" que estara comprendida entre -1
y 1. El modelo que se propone es:
1 Estimar el modelo inicial, sobre el que se pretende saber si hay o no
heterocedasticidad, empleando MCO y determinando los errores.
yi 0 1 x1i 2 x 2i ... k x ki ui
X ' X 1 X ' Y
ei y i y i
2 Estimar cuatro regresiones para los valores absolutos del error del modelo
anterior en funcin de una variable elevada consecutivamente a "h", que
para cada modelo tomara los valores -1, -0,5, 0,5 y 1.
| ei | 0 1 z h i
h 1,0.5,0.5,1
Se escoger la regresin de las cuatro con parmetros significativos y con

mayor R2.
3 Se entiende que, si el valor de esta R 2 es suficientemente grande, se
estar confirmando que existe heterocedasticidad producida por la
variable z, ya que esta es capaz de explicar la evolucin de la evolucin del
error como estimada de la evolucin de las perturbaciones aleatorias.
Esta conclusin es especialmente vlida para muestras grandes segn las propias
conclusiones ofrecidas por Glesjer por lo que su utilizacin parece especialmente
adecuada en este tipo de condiciones muestrales.
Heteroskedasticity Test: Glejser

F-statistic
0.447653
Prob. F(3,17)
0.7222
Obs*R-squared
1.537491

pg. 37
Scaled explained
SS
1.008179
Test Equation:
Dependent Variable: ARESID
Date: 07/09/15 Time: 16:01
Sample: 1994 2014
Variable
t-Statistic
Prob.
-41.55708 179.6267
-0.231352 0.8198
PBI_EUA
-0.008110 0.007496
-1.081902 0.2944
PIC
0.446706 0.503356
0.887456
0.3872
TCN
48.30336 58.39214
0.827224
0.4196
R-squared
0.073214
S.D. dependent var
47.79789
S.E. of regression
10.82797
Schwarz criterion
11.02693
Log likelihood
-109.6937
F-statistic
0.447653
Durbin-Watson stat
Prob(F-statistic)
0.722159
49.91017
2.203119
Entonces, como se puede observar en el cuadro, el R2 es suficentemente pequeo como

para decir que no existe heterocedasticidad producida por la variable z a.
Prueba de estabilidad de parmetros

Quiebre estructural
Las polticas econmicas, del cambio tecnolgico, u otros eventos de impacto
social, ocurridos en el tiempo pueden ocasionar un cambio en la estructura de la
relacin entre la variable dependiente y las variables independientes.
pg. 38
Sea el modelo:
EXPORTS= 0 + 1 PIBEUA+ 2 PIC+ 3 TCN + i
RESIDUOS RECURSIVOS:
Nos muestra los errores de prediccin de un periodo hacia delante, calculando en cada
periodo la estimacin recursiva.
300
200
100
-100
-200
1998
2000
2002
2004
2006
Recursive Residuals
2008
2010
2012
2014
2 S.E.
El grafico nos muestra la existencia de quiebre estructural a mediados de 2004

pues es alrededor de este periodo donde la banda empieza a ensancharse, as
tambin los residuos empiezan a estar prximos a los lmites de la banda y ms
adelante salir de ella, algo que no debera ocurrir si los residuos se tuviesen un
comportamiento normal
CUSUM CUADRADO
Dado a la debilidad de la prueba cusum decidimos utilizar el cusum cuadrado, el

cual nos informa que mientras este estadstico no se aleje de las bandas
considerablemente y mantenga las misma dinmica a lo largo del tiempo
entonces el modelo ser estable.
pg. 39
1.6
1.2
0.8
0.4
0.0
-0.4
1998
2000
2002
2004
2006
2008
CUSUM of Squares
2010
2012
2014
5% Significance
Si bien es cierto que el punto ms alejado de las bandas se encuentra a alrededor

del 2005 el cambio de orientacin del estadstico empieza a mediados del 2004 lo
que corrobora el resultado obtenido mediante los residuos recursivos. Sim
embargo cabe aclarar que los cambios de orientacin del cusum cuadrado se da
en ms de un periodo.
COEFICIENTES RECURSIVOS
Estima los coeficientes del modelo de manera recursiva, 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.
Para la grfica:
C (1):C.r del componente autnomo
C (2): C.r del coeficiente del Producto Bruto Interno de Estados Unidos.
C (3): C.r del coeficiente del Precio internacional del Caf
C (4): C.r del coeficiente del Tipo de Cambio Nominal
pg. 40
1,000
.4
.2
.0
-1,000
-.2
-2,000
-.4
-3,000
-.6
98
00
02
04
06
08
10
12
14
98
00
02
Recursive C(1) Estimates

2 S.E.
04
06
08
10
12
14
12
14

2 S.E.
12
2,000
1,500
8
1,000
4
500
0
0
-500
-4
-1,000
98
00
02
04
06
08
10
12
14

2 S.E.
98
00
02
04
06
08
10

2 S.E.
Se observa que los coeficientes que tiene un mayor comportamiento normal son el
coeficiente del Producto Bruto Interno de Estados Unidos y el coeficiente del Tipo
de Cambio Nominal. Y los coeficientes ms inestables son el componente
autnomo y el coeficiente del Precio internacional del Caf.
Sin embargo en todos los coeficientes (en algunos de manera ms significativa y
en otros no muy significativos) existe un ensanchamiento de las bandas a partir de
los das del ao 2004.
TEST DE CHOW- PREDICTIVO
En el modelo de las exportaciones del caf se aplica este test debido a que el
quiebre se da en el ao 2004 y este es cercano al final del periodo muestral.
H 0=No hay cambio estructural
H 1=sihay cambio estructural
[ SCE (T ) SCE (T1 )] / T2

F(T2 , T1 k )
SCE (T1 ) /(T1 k )
pg. 41
Chow Breakpoint Test: 2004

Null Hypothesis: No breaks at specified breakpoints
Varying regressors: All equation variables
Equation Sample: 1994 2014
F-statistic
3.733631
Prob. F(4,13)
0.0310
Log likelihood ratio
16.06319
Prob. Chi-Square(4)
0.0029
Wald Statistic
14.93452
Prob. Chi-Square(4)
0.0048
Viendo los resultados que nos ofrece el programa se evidencia que la probabilidad
del estadstico es menor a 0.05, entonces se rechaza la hiptesis nula a favor de
la alternativa concluyendo que si hay cambio estructural.
CORRECION DEL QUIEBRE ESTRUCTURAL POR MEDIO DE VARIABLES

DUMMY
Dado la existencia de cambio estructural en las exportaciones del caf a EEUU
segn nuestros estadsticos anteriores es necesario corregir este erro de cambio
estructural aadiendo las variables dummy.
En nuestro caso hemos considerado:
D1=0 si el ao es de 1994 a 2004
D1=1 si el ao es de 2004 a 2014
MODELO LINEAL
pg. 42
Su interpretacin ya se realiz hojas anteriores.

Sin embargo se pondr nfasis en su R 2 ajustado as como en sus estadsticos
Akaike
Schwarz, Hannan-Quinn
MODELO LINEAL CON EFECTO ADITIVO
Lo resaltante en esta estimacin es que segn las probabilidades del t-student de

los coeficientes solo la variable dummy no es significativa.
El modelo goza aproximadamente con un 94 % de poder explicativo y la
probabilidad del F estadstico nos informa que existe significancia conjunta
pg. 43
MODELO LINEAL CON EFECTO INTERACTIVO
Lo resaltante en esta estimacin es que segn la probabilidades del t-student de

los coeficientes solo el efecto interactivo entre la variable dummy con el PBI de
EEUU no es significativo.
EFECTO COMBINADO
pg. 44
Lo resaltante en esta estimacin es que segn las probabilidades del t-student de

los coeficientes tanto el efecto interactivo entre la variable dummy con el PBI de
EEUU y la variable dummy con el tipo de cambio nominal no son significativos.
As tambin el efecto aditivo de la variable dummy en este modelo si es
significativo as como el efecto interactivo entre la variable dummy con el precio
internacional del caf.
Y dado que esta ltima estimacin presenta un mayor R 2 ajustado que las otras
estimaciones as como sus estadsticos Akaike, Schwarz y Hannan-Quinn son
menores a las otras estimaciones se concluye que este modelo es mejor
comparado a los modelos anteriores ya que nos permitir obtener mejores
predicciones que las anteriores y sus coeficientes gozan con mayor eficiencia.
Supuesto de normalidad de las perturbaciones

Test de Jarque-Bera:
H O : es normal , este supuesto implica que los residuos son normales
H 1 : no es normal , este supuesto implica que los residuosno son normales
La prueba analiza la asimetra y la Kurtosis de los residuos asumiendo que tienen
distribucin normal mesocrtica.
(asimetra) ( curtosis3 )
JB=T
+
X 2(2)
6
24
pg. 45
Reemplazando los datos, obtenidos en Eviews, donde el valor de JB= 0.992120 es

2
menor a la X ( 2)=5.99 lo cual se establece que la hiptesis nula se acepta
concluyendo que los residuos son normales cumpliendo con uno de los supuestos
del modelo.
Series: Residuals
Sample 1994 2014
Observations 21
Mean
Median
Maximum
Minimum
Std. Dev.
Skewness
Kurtosis
-1.27e-13
-10.15051
174.3228
-128.8577
88.10090
0.372824
2.239828
Jarque-Bera
Probability
0.992120
0.608925
0
-150
-100
-50
50
100
150
Estadsticas de prediccin
2,000
Forecast: EXPORTS_FOF
Actual: EXPORTS_FOB
Forecast sample: 1994 2014
Root Mean Squared Error
Mean Absolute Error
Mean Abs. Percent Error
Theil Inequality Coefficient
Bias Proportion
Variance Proportion
Covariance Proportion
1,600
1,200
800
400
85.97767
72.22406
22.18344
0.073120
0.000000
0.016017
0.983983
-400
94
96
98
00
02
04
EXPORTS_FOF
06
08
10
12
14
2 S.E.
pg. 46
Root Mean Squared Error: es uno de los indicadores que mide la desviacin de la variable
simulada, con respecto a la variable histrica, para comprobar si el error es significativo,
debemos compararlo con el Mean Dependent Var de la estimacin. En este caso el Root
Mean Squared Error es igual a 85.97767, es menor al MDV, que es igual 479.8476 (de la
primera corrida del modelo lineal), por lo tanto la simulacin es aceptable.
Mean Absolute Error: Este indicador hace que la simulacin pase la prueba, si resulta
menor que la S.D. dependet var (SDDV) de la estimacin que es igual a 353.6352 y ya
que el valor del MAE es igual a 72.22406. Por ende la simulacin es aceptable
Mean Abs. Percent Error: Es un indicador til como indicio de un sesgo sistemtico. Un
valor pequeo de este indicador es una medida deseable de ajuste de la simulacin as
sabramos que porcentaje de error que tiene la prediccin, este valor es este escenario es
de 22.18344
Theil Inequality Coefficient: Este coeficiente, es uno de los que indica el grado de
desempeo predictivo del modelo economtrico, su evaluacin es entre cero y uno,
mientras ms cercano a cero, el desempeo es ms eficiente para la prediccin, lo
contrario sucede si es ms cercano a uno.
En este caso esta prediccin nos da un valor de 0.07312 que es cercano a cero o tiende a
l, por tanto nos deja deducir que el modelo tiene capacidad predictiva.
Bios Proportion (proporcin del sesgo): determina cunto se aleja la media del pronstico
de la media de la variable observada. El Bias Proportion es igual a 0.00. Tienen la misma
orientacin; esto significa que no hay presencia de un error sistemtico, indicando que las
medidas de los valores predichos y los valores observados no son muy distintas.
Variance Proportion (proporcin 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 0.016017, el supuesto tiene baja capacidad para pronosticar el grado de
variabilidad de las exportaciones de caf.
Covariance Proportion (proporcin de la covarianza): nos da el grado de relacin de los
datos dela serie de la variable endgena estimada por el Eviews con respeto a la serie
ingresada por el modelista, en este caso ambas series, tienen una relacin directa casi al
100%. Es normal que este indicador nunca sea 1 debido a que es poco comn ver un
modelo real, que prediga siempre con exactitud los hechos, siempre habr un margen de
error.
pg. 47
CONCLUSIONES
El Per cuenta con ventajas comparativas para obtener caf de especialidad

porque tiene una de las mejores variedades de caf, condiciones climticas,
condiciones geografas adecuadas y disponibilidad de agua en zonas tropicales de
altura.
Como era de esperarse, las Exportaciones de Caf tienen una relacin directa con
su Precio Internacional y el Tipo de Cambio, ya que al aumentar el precio de este
producto habr una mayor cantidad exportada debido a que nuestro producto
presenta ventajas competitivas con el resto del mundo.
El caf es un producto de exportacin tradicional que representa en el comercio

internacional la segunda mercanca mas exportada despus del petrleo.
De la conclusin anterior podemos justificar que el PBI de Estados Unidos se

encuentre en una relacin directa con la Exportaciones de caf ya que al aumentar
su PBI (visto como ingreso) de dicho pas aumenta su capacidad adquisitiva,
demandando as mayor cantidad de caf.
pg. 48

Exportaciones de Cafe en El Peru-1

Uploaded by

Document Information

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

Exportaciones de Cafe en El Peru-1

Uploaded by

Copyright:

Available Formats

[NOMBRE DE LA COMPAA]

UNIVERSIDAD NACIONAL MAYOR DE SAN MARCOS

Exportacin de caf en el Per

TRABAJO DE INVESTIGACION DE ECONOMETRIA I

Alexander Jorge Rivera

Posteriormente, la cada visible de los precios como consecuencia de la depresin

Hacia esa poca y simultneamente con la mejora de los precios internacionales

En los aos 30 el valle de Chanchamayo se consolida como una zona cafetalera

garantizando una calidad uniforme. Simultneamente, compaas formadas por

La reforma agraria decretada por el gobierno militar de 1968 afect enormemente

Segn el portal del Ministerio de Agricultura, el caf lider las exportaciones

En el ao 2012 el volumen de las exportaciones de caf peruano acumularon las

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

PLANTEAMIENTO DEL PROBLEMA

a El objetivo principal es determinar cmo se comport las exportaciones

Encontrar cul es la variable que principalmente impacta sobre nuestra

d Verificar los hallazgos obtenidos de las regresiones con el marco terico.

ESPECIFICACIN DEL MODELO

Cuenta de errores y comisiones

Mercado de Divisas Peruano:

Exportaciones de bienes y servicios

Remesas de ciudadanos en el exterior

Intervenciones del Banco Central

Entradas netas de capital extranjero

Funcin de oferta de divisas:

: PBI del resto del mundo

E: tipo de cambio nominal

Importaciones de bienes y servicios

Intervenciones del Banco Central

Remesas y renta al exterior

Salidas netas de capitales

Funcin de demanda de divisas:

El volumen de exportaciones depende directamente del PBI del

El volumen de las exportaciones depende directamente del

Teora de la ventaja comparativa

En 1817, David Ricardo en su libro Principios de Poltica Econmica extiende la

El caf es un producto de exportacin tradicional, que representa en el comercio

privados y a costo de produccin cuando son producidos por el estado y las

Tipo de cambio nominal

de una oferta y esta influido por la interaccin de factores internos y externos a la

Precio Internacional del caf

Precio Internacional del caf

Especificacin Terica del Modelo

Especificacin Economtrica del Modelo

EXPORTS= 0 + 1PBIUSA + 2TCN + 3PIC+ t

Producto Bruto Interno de Estados Unidos.

Precio internacional del Caf.

Tipo de Cambio Nominal.

EXPORC= 0 + 1PBIUSA + 2PIC+ 3TCN + t

log ( EXPORC)= 0+ 1log ( PBIUSA )+ 2log ( PIC)+ 3log ( TCN )+ t

PRIMERA CORRIDA DEL MODELO LINEAL

Dependent Variable: EXPORTS_FOB

Coefficient Std. Error

Mean dependent var

Adjusted R-squared 0.926982

S.D. dependent var

Akaike info criterion

Sum squared resid

Aproximadamente 2072.209 mil millones de dlares de

las exportaciones de caf no dependen del PBI de Estados Unidos, el Tipo

Ante un aumento en 1000 millones de euros en el PBI de

Estados Unidos, las exportaciones de caf aumentaran en 54.057 (miles de

Ante un aumento en 100 unidad en el Precio

Internacional del Caf, las exportaciones de caf aumentarn en 968.7