determinantes de las exportaciones tradicionales peruanas...

FACULTAD DE CIENCIAS EMPRESARIALES

Carrera de Economía y Negocios Internacionales

DETERMINANTES DE LAS EXPORTACIONES TRADICIONALES PERUANAS

(PERIODO 2002 – 2016): USANDO UN ENFOQUE VEC

Tesis para optar el Título Profesional de Licenciado en Economía y

Negocios Internacionales

CHRISTIAN AUGUSTO DELGADO MORALES

Asesor:

Taddei Diez, José Leopoldo

Lima – Perú

2018

ÍNDICE DE CONTENIDOS

Páginas

Capítulo I: Introducción _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ 3

1. Problema de investigación _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ 8

1.1. Planteamiento del problema _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ 8

1.2. Formulación del problema _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ 11

1.3. Justificación de la investigación _ _ _ _ _ _ _ _ _ _ _ _ _ _ 12

2. Marco referencial _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ 13

2.1. Antecedentes _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ 13

2.2. Marco teórico _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ 16

2.2.1. El enfoque macroeconómico: La determinación de las

exportaciones en los modelos de economía abierta _ _ _ _ 17

2.2.2.

La excepción a la regla: El efecto nulo de la volatilidad del tipo

de cambio en las exportaciones mediante modelos

microeconómicos _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _

18

2.2.3. Otro aporte del enfoque microeconómico: La decisión de

exportación _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ 22

3. Objetivos e hipótesis _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ 25

3.1. Objetivos _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ 25

3.2. Hipótesis _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ 26

Capítulo II: Método _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ 28

4. Tipo de investigación _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ 28

5. Diseño de investigación _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ 28

6. Variables _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ 30

7. Muestra _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ 35

7.1. Definición de la muestra _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ 36

7.2. Estructura de la muestra _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ 36

8. Instrumentos de investigación _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ 36

9. Procedimientos de recolección de datos _ _ _ _ _ _ _ _ _ _ 38

10. Plan de análisis _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ 40

10.1. Explicación sobre la elección del producto minero cobre como

principal producto tradicional y de China como principal socio 40

comercial _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _

10.2. Tratamiento econométrico inicial a las variables de estudio 47

10.3. La metodología econométrica a usar y el modelo de

investigación _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ 49

Capítulo III: Resultados _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ 55

11. Presentación de resultados _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ 55

11.1. Análisis econométrico a las series y estimación del modelo de

investigación (VEC) _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ 55

11.2. Pronósticos con el modelo VEC final _ _ _ _ _ _ _ _ _ _ _ 69

12. Discusión _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ 72

13. Conclusiones _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ 75

14. Recomendaciones _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ 77

Capítulo IV: Referencias _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ 79

Capítulo V: Anexos _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ 82

A.1. Matriz de consistencia de la tesis _ _ _ _ _ _ _ _ _ _ _ _ _ 82

A.2. Gráfica simple de las series en niveles _ _ _ _ _ _ _ _ _ _ 84

A.3. Gráfica simple de las series en primera diferencia _ _ _ _ 88

A.4. Estadísticas descriptivas de las series en niveles _ _ _ _ _ 92

A.5. Matriz de correlación de las series en niveles _ _ _ _ _ _ _ 92

A.6. Correlogramas de las series en niveles _ _ _ _ _ _ _ _ _ _ 93

A.7. Correlogramas de las series en primera diferencia _ _ _ _ 97

A.8. Pruebas de estacionariedad (ADF, DF-GLS y ERS) de las series

en niveles _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ 101

A.9. Prueba de causalidad de Granger entre pares de las series _ _

_ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ 105

A.10. Prueba de cointegración de Johansen para el modelo de

investigación (VEC) _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ 107

A.11. Pruebas de normalidad y autocorrelación del modelo de

investigación (VEC) _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ 108

A.12.

Comprobación del impacto del sector agrícola y pesquero

peruano en el modelo VEC de determinantes de las

exportaciones tradicionales _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _

109

A.13.

Comprobación del impacto de la actividad económica de

EE.UU. en el modelo VEC de determinantes de las

exportaciones tradicionales peruanas _ _ _ _ _ _ _ _ _ _ _

110

ÍNDICE DE TABLAS

Páginas

Tabla 1 Variables finales de la tesis _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ 31

Tabla 2 Variables intermedias usadas en la creación de las variables

finales _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ 33

Tabla 3 Verificación de la estacionariedad de las series con pruebas

univariadas – parte 1 _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ 56

Tabla 4 Verificación de la estacionariedad de las series con pruebas

univariadas – parte 2 _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ 57

Tabla 5 Verificación de la causalidad entre las series de datos _ _ _ _ _ _ _ 60

Tabla 6 Verificación de la cointegración multiecuacional con el test de

Johansen _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ 62

Tabla 7 Verificación de la existencia de quiebres estructurales en el modelo

VEC final _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ 64

Tabla 8 Proyecciones de las exportaciones tradicionales peruanas con el

modelo VEC final _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ 70

Tabla 9 Matriz de consistencia de la tesis – parte 1 _ _ _ _ _ _ _ _ _ _ _ _ _ 82

Tabla 10 Matriz de consistencia de la tesis – parte 2 _ _ _ _ _ _ _ _ _ _ _ _ _ 83

Tabla 11 Estadísticas descriptivas de las series _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ 92

Tabla 12 Matriz de correlación de las series _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ 92

Tabla 13 Resultados de la prueba ADF para la serie “Exportaciones de

productos tradicionales del Perú” en niveles (EXPT) _ _ _ _ _ _ _ _ 101

Tabla 14 Resultados de la prueba DF-GLS para la serie “Exportaciones de


Tabla 15 Resultados de la prueba ERS para la serie “Exportaciones de


Tabla 16 Resultados de la prueba ADF para la serie “Precio internacional del

cobre” en niveles (PCOB) _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ 102

Tabla 17 Resultados de la prueba DF-GLS para la serie “Precio 103

internacional del cobre” en niveles (PCOB) _ _ _ _ _ _ _ _ _ _ _ _ _

Tabla 18 Resultados de la prueba ERS para la serie “Precio internacional

del cobre” en niveles (PCOB) _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ 103

Tabla 19 Resultados de la prueba ADF para la serie “Tipo de cambio real

sol-yuan” en niveles (TCRSY) _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ 104

Tabla 20 Resultados de la prueba ADF para la serie “Producto bruto interno

real de China” en niveles (GDPRCH_UT) _ _ _ _ _ _ _ _ _ _ _ _ _ _ 104

Tabla 21

Resultados de la prueba de Granger para el par de series en

primera diferencia “Exportaciones de productos tradicionales del

Perú” (DEXPT) y “Producto bruto interno real de China”

(DGDPRCH) _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _

105

Tabla 22



Perú” (DEXPT) y “Tipo de cambio real sol-yuan” (DTCRSY) _ _ _ _

105

Tabla 23



Perú” (DEXPT) y “Precio internacional del cobre” (DPCOB) _ _ _ _

106

Tabla 24

Resultados de la prueba de Johansen (sub pruebas de traza y

máximo autovalor) al vector autorregresivo formado con las series

bajo estudio en su estado no estacionario _ _ _ _ _ _ _ _ _ _ _ _ _

107

Tabla 25 Resultados de la prueba de normalidad de Jarque – Bera al vector

de corrección del error (modelo de investigación) _ _ _ _ _ _ _ _ _ 108

Tabla 26 Resultados de la prueba de autocorrelación de Breusch – Godfrey

(LM) al vector de corrección del error (modelo de investigación) _ _ 108

Tabla 27 Impacto de los sectores pesquero y agrícola en las exportaciones

tradicionales peruanas _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ 109

Tabla 28 Impacto de la actividad económica de EE.UU. en las exportaciones

tradicionales peruanas _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ 110

ÍNDICE DE FIGURAS

Páginas

Figura 1 Exportaciones peruanas según el tipo de producto _ _ _ _ _ _ _ _ _ 3

Figura 2 Exportaciones tradicionales peruanas según el sector del producto 4

Figura 3 Exportaciones tradicionales mineras según el tipo de mineral _ _ _ 5

Figura 4 Exportación real, según país de destino (en millones de dólares

americanos de 2007) _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ 42

Figura 5 Exportación real, según país de destino y tipo de producto:

Diciembre 2017 (Estructura porcentual) _ _ _ _ _ _ _ _ _ _ _ _ _ _ 43

Figura 6 Exportación FOB por país destino y por producto 2016 – 2017 (en

millones de dólares americanos de 2007) _ _ _ _ _ _ _ _ _ _ _ _ _ 45

Figura 7 Descomposición de la varianza de EXPT en función de sus

determinantes _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ 66

Figura 8 Función de Impulso – Respuesta: Respuesta de EXPT ante un

shock de GDPRCH_UT _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ 67

Figura 9 Función de Impulso – Respuesta:

Respuesta de EXPT ante un shock de PCOB _ _ _ _ _ _ _ _ _ _ _ 67

Figura 10 Función de Impulso – Respuesta:

Respuesta de EXPT ante un shock de TCRSY _ _ _ _ _ _ _ _ _ _ _ 68

Figura 11 Gráfica simple de la serie “Exportaciones de productos

tradicionales del Perú” en niveles (EXPT) _ _ _ _ _ _ _ _ _ _ _ _ _ 84

Figura 12 Gráfica simple de la serie “Tipo de cambio real sol-yuan” en niveles

(TCRSY) _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ 85

Figura 13 Gráfica simple de la serie “Producto bruto interno real de China” en

niveles (GDPRCH_UT) _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ 86

Figura 14 Gráfica simple de la serie “Precio internacional del cobre” en

niveles (PCOB) _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ 87

Figura 15 Gráfica simple de la serie “Exportaciones de productos

tradicionales del Perú” en primera diferencia (DEXPT) _ _ _ _ _ _ _ 88

Figura 16 Gráfica simple de la serie “Tipo de cambio real sol-yuan” en

primera diferencia (DTCRSY) _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ 89

Figura 17 Gráfica simple de la serie “Producto bruto interno real de China” en

primera diferencia (DGDPRCH) _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ 90

Figura 18 Gráfica simple de la serie “Precio internacional del cobre” en

primera diferencia (DPCOB) _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ 91

Figura 19 Correlograma de la serie “Exportaciones de productos tradicionales

del Perú” en niveles (EXPT) _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ 93

Figura 20 Correlograma de la serie “Tipo de cambio real sol-yuan” en niveles

(TCRSY) _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ 94

Figura 21 Correlograma de la serie “Producto bruto interno real de China” en

niveles (GDPRCH_UT) _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ 95

Figura 22 Correlograma de la serie “Precio internacional del cobre” en niveles

(PCOB) _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ 96

Figura 23 Correlograma de la serie “Exportaciones de productos tradicionales

del Perú” en primera diferencia (DEXPT) _ _ _ _ _ _ _ _ _ _ _ _ _ _ 97

Figura 24 Correlograma de la serie “Tipo de cambio real sol-yuan” en primera

diferencia (DTCRSY) _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ 98

Figura 25 Correlograma de la serie “Producto bruto interno real de China” en

primera diferencia (DGDPRCH) _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ 99

Figura 26 Correlograma de la serie “Precio internacional del cobre” en

primera diferencia (DPCOB) _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ 100

1

DETERMINANTES DE LAS EXPORTACIONES TRADICIONALES PERUANAS

(PERIODO 2002 – 2016): USANDO UN ENFOQUE VEC

Christian Delgado Morales1

Resumen

Ante el gran porcentaje que mantiene las exportaciones tradicionales dentro de la balanza

comercial peruana y debido a la gran influencia del precio de los commodities mineros, la

actividad económica china y las variaciones del tipo de cambio real bilateral entre este

país y el Perú, la presente tesis postula dichos factores externos y cambiarios como

posibles determinantes de las exportaciones tradicionales peruanas. Se verá que ante el

hallazgo de una relación de equilibrio de largo plazo entre las variables comentadas, un

vector de corrección del error (VEC) es el modelo más adecuado para explicar el

comportamiento dinámico y la correlación entre estas variables. Dentro de los hallazgos

de esta tesis está que el PBI real chino impacta positivamente a las exportaciones al

menos durante el primer año de un shock externo. Además, al ser el yuan una moneda

débil, el tipo de cambio real bilateral Perú – China impacta negativamente a nuestro país,

cumpliéndose a cabalidad evidencias macroeconómicas como la curva J.

Palabras Clave: Exportaciones tradicionales, PBI real, Vector de corrección del error.

Abstract

In face of the great percentage that traditional exports maintains in the Peruvian trade

balance, and because of the great impact of mining commodity prices, the Chinese

economic activity and variations of bilateral real exchange rate sol-yuan, this paper poses

these external and currency factors as possible determinants of Peruvian traditional

exports. It will be shown that in face of a long term equilibrium relationship between these

variables, a vector error correction is the most appropriate model to explain the dynamics

and correlation among the variables. The main results are the positive significant impact of

Chinese real GDP on traditional exports, at least during the first year of the external shock.

1 Bachiller en Economía y Negocios Internacionales de la Universidad San Ignacio de Loyola

(USIL) E-mail: [email protected]

mailto:[email protected]

2

Moreover, because the weakness of the yuan against the sol, the bilateral real exchange

rate Peru – China will impact negatively on our country, fullfiling at all macroeconomic

evidences such as J curve.

Keywords: Traditional exports, Real GDP, Vector of error correction.

3

Capítulo I: Introducción

Dentro de los diversos estudios que se han realizado sobre cada uno de los componentes

del producto bruto interno nacional, el análisis que se hace sobre el componente que

involucra directamente al sector externo (llámese “balanza comercial) ha tenido una

considerable relevancia, sea bien porque los macroeconomistas desean saber el impacto

que pueden tener las exportaciones en el ciclo económico, o bien porque los hacedores

de política buscan nuevos hallazgos que permitan regular y/o establecer las políticas

comerciales del país con el mundo.

En ese sentido, dado que esta tesis se centrará en analizar a las exportaciones peruanas,

es preciso explicar algunos hechos estilizados a partir de interesantes gráficas. Para

comenzar, en la siguiente figura se puede observar la evolución porcentual histórica de

las exportaciones peruanas si las dividimos en dos grandes grupos: Las exportaciones

tradicionales y las no tradicionales.

Figura 1

Exportaciones peruanas según el tipo de producto

Fuente: Memorias del BCRP. Elaboración propia en Excel.

A partir de la figura anterior se puede decir sin ambigüedad que la evolución trimestral de

los dos grandes tipos de exportaciones muestra una clara ventaja a favor de las

exportaciones tradicionales. Esto no es sorpresa ya que según su propia definición, las

4

exportaciones tradicionales son aquellas que históricamente han conformado la mayor

parte del monto mensual de exportaciones hechas por el país. A esto se suma el hecho

que este tipo de exportaciones suelen ser en su mayoría las famosas “materias primas” o

recursos obtenidos en el país a través de actividades económicas primarias y/o

secundarias. En consecuencia, es de esperar que el otro tipo de exportaciones (las no

tradicionales) produzcan bienes mucho más elaborados (como las manufacturas) y que

presenten un valor agregado claramente identificable.

La proporción histórica de las exportaciones tradicionales respecto al total ha oscilado

comúnmente entre el 68 y el 75%, situándose en 71% aproximadamente durante el año

2016. Esto quiere decir que Perú es un país muy dependiente de la exportación de su

materia prima y la situación está lejos de terminar ya que planes de industrialización a

gran escala y otras soluciones (para generar valor agregado a los productos) están lejos

de hacerse realidad.

Ahora, en la siguiente figura se será un poco más específico y se verá como han

evolucionado las exportaciones tradicionales según el sector del producto a exportar.

Figura 2

Exportaciones tradicionales peruanas según el sector del producto


De la figura anterior, el hallazgo también es evidente: Históricamente, las exportaciones

tradicionales peruanas han sido en gran proporción del sector minero (aproximadamente,

5

entre el 50 y 60%). Además, desde el periodo considerado como el boom de la economía

peruana moderna (2003 – 2010), la proporción de las exportaciones tradicionales que

provenían del sector minero pasó a ser incluso mayor a su promedio histórico, llegando a

valores cercanos al 65% del total. Esto demuestra la gran importancia de la actividad

minera en el país ya que casi todos los minerales extraídos en el Perú son considerados

como materia prima exportable. Por último, otros sectores como la agricultura apenas

aportan el 10% del total de las exportaciones tradicionales, demostrando que esta

actividad económica está estancada o, en todo caso, requiere mucho más trabajo (sobre

todo, procesos industriales) para que sus productos sean verdaderamente exportables.

Finalmente, se presenta una gráfica reveladora sobre el aporte de cada mineral extraído

en el país al total de exportaciones tradicionales mineras.

Figura 3

Exportaciones tradicionales mineras peruanas según el tipo de mineral


De la gráfica anterior también se puede obtener una conclusión clara: El cobre y el oro

son los minerales que más aportan al total de exportaciones tradicionales mineras, sea

por la alta cotización que pueden llegar a tener en los mercados internacionales o por el

enorme volumen que se puede extraer de estos minerales en el Perú y exportarlos como

materias primas. El caso de estos dos minerales es también particular porque el cobre es

6

el mineral peruano que por excelencia es demandado por la economía china, mientras

que el oro peruano es el mineral con mayor demanda por parte de la economía

norteamericana (Estados Unidos). Esto quiere decir que ambos países pueden llegar a

ser claves en la determinación del impacto que podrían tener estos minerales en las

exportaciones tradicionales peruanas como un todo.

Habiendo revisado estos hechos estilizados, es preciso realizar un análisis detallado de

las exportaciones tradicionales peruanas y sería bastante interesante el poder descubrir

cuáles son los factores que las impactan con mayor intensidad. Asimismo, se podría

averiguar como estos factores ayudan a este componente del sector externo a mantener

una gran proporción del total de exportaciones peruanas. Seguramente, usando mera

intuición, el PBI chino o el ¨PBI americano podrían tener un gran impacto en estas

exportaciones, ya que si aumenta la demanda de estos países por nuestra materia prima

extraída, es claro que las exportaciones tradicionales tendrán un considerable incremento

en el tiempo (como refiere en su teoría económica el modelo de Mundell y Fleming).

Además, precios internacionales de minerales como el cobre también tendrán un impacto

significativo ya que pueden incrementar el valor del monto de las exportaciones

tradicionales, sin incrementar considerablemente el volumen de estos minerales a

exportar. Por último, variaciones del tipo de cambio real bilateral (sea el tipo de cambio

sol-dólar si se analiza el impacto de Estados Unidos, o el tipo de cambio sol-yuan si se

considera a China como principal determinante) también serán claves para explicar las

variaciones trimestrales que tengan las exportaciones tradicionales peruanas.

En resumen, la presente tesis pretender encontrar los determinantes de las exportaciones

tradicionales peruanas, usando un análisis correlacional que involucre la estimación de un

modelo econométrico con series de tiempo. Si bien una alternativa de modelo univariado

sería la regresión lineal múltiple, debido a la posible endogeneidad entre las variables

macroeconómicas consideradas (exportaciones, PBI extranjero, precios internacionales,

tipo de cambio real bilateral), modelos multivariados como los vectores autorregresivos

(VAR) y el vector de corrección del error (VEC) son considerados como primeras opciones

de estimación.

Además del problema de endogeneidad, puede que se presente un equilibrio de largo

plazo entre las variables en cuestión. Este equilibrio es definido como “Un valor promedio

al que unas variables tienden conjuntamente en el tiempo, mediante una relación

7

matemática”. Esta definición implica que económicamente, las variables analizadas

cumplen dicha relación entre ellas sin importar que avancen los periodos, o retornan a

dicho equilibrio en caso existan desviaciones en el corto plazo.

Todas estas ideas mencionadas se relacionan con la existencia de la llamada

“cointegración”, un fenómeno econométrico que debe ser comprobado con las variables

bajo análisis, y, en caso se confirme, es modelado perfectamente con el VEC (vector de

cointegración). Entonces, dada nuestra intuición sobre el comportamiento conjunto de las

futuras variables macroeconómicas a analizar (exportaciones tradicionales, tipo de cambio

real, PBI extranjero y precios internacionales), el VEC se perfila como el más probable a

ser estimado en la tesis.

En consecuencia, análisis previos de la estacionariedad y de la causalidad entre las series

deben ser realizados. Por último, para explicar el impacto de las variables independientes

(PBI de China, tipo de cambio real sol-yuan y precios de los commodities mineros) en la

variable dependiente inicialmente considerada (exportaciones tradicionales peruanas), el

modelo multivariado final (sea VAR o VEC) presentará el correspondiente análisis de la

descomposición de varianza y de las funciones impulso – respuesta para observar como

las exportaciones tradicionales responden a shocks generados por las otras variables

macroeconómicas mencionadas.

Por lo tanto, la presente tesis inicia con el planteamiento del problema de investigación,

formulando las correspondientes preguntas, objetivos e hipótesis a verificar. De ahí, se

realiza la revisión de literatura previa, discutiendo los trabajos de otros autores que

realizaron estimaciones similares o buscaron realizar objetivos que se asemejen al

nuestro (encontrar los determinantes de las exportaciones de un país).

Luego, se procede con la especificación de la muestra, detallando como se obtuvieron los

datos de las variables ya mencionadas y explicando el modelo econométrico que se

aplicará a los datos, a fin de medir y cuantificar los impactos requeridos en las

exportaciones tradicionales. Por último, se presentan los resultados del análisis

econométrico realizado, dando conclusiones y recomendaciones a los hacedores de

política que pudiesen ver interesante la presente tesis para actualizar las políticas

comerciales del país y/o académicos que deseen profundizar en este tema, actualmente

con poca revisión en la literatura peruana.

8

1. Problema de investigación

En la siguiente sección se explicará la interrogante detectada que generó la siguiente

investigación sobre los posibles determinantes de las exportaciones tradicionales

peruanas. Para ello, primero se presenta el planteamiento de dicho problema. Luego se

formula las preguntas de investigación respectivas y finalmente se presenta la justificación

de la investigación realizada.

1.1. Planteamiento del problema.

Es bien sabido que las exportaciones tradicionales de un país son aquellas que por

registro histórico presentan un mayor volumen dentro del conjunto de productos que dicho

país realiza cotidianamente. En ese sentido, su importancia recae en que el gobierno del

país puede considerar como objetivos dichos productos tradicionales para mejorar su

productividad y alcance a los mercados internacionales en un futuro.

Sin embargo, dentro del contexto económico peruano actual, poco se ha hecho al

respecto en el sector público para impulsar los productos con mayor volumen en las

exportaciones. Los interesante planes de la diversificación productiva, creación de plantas

industriales fuera de las urbes o ciudades y la tan anunciada inversión en nuevos

proyectos de infraestructura vial, ferroviaria, portuaria y aeroportuaria se encuentran

actualmente estancados, generando incertidumbre en sobre como el país puede sacar a

flote dichos proyectos en el mediano plazo y como los productos de tradicional

exportación se verían beneficiados para aumentar su valor agregado, así como su

volumen de exportación a nuevos destinos.

Entonces, teniendo en consideración dichos problemas económicos, se hace necesario

un análisis que permita un resurgimiento en los planes de mejoras de las exportaciones

tradicionales o, al menos, en un nuevo inicio de planes que aclare el panorama de estos

productos. Ya que en esta tesis nos estamos centrando en los productos tradicionales

mineros (como el cobre), esto también otorgará algunas luces en como debe ser redirigida

la minería peruana, a fin de mantenerla a flote como uno de los principales factores que

genera el crecimiento trimestral del PBI peruano.

Un primer paso para analizar un tema macroeconómico de gran relevancia como son las

exportaciones tradicionales del país, es el definir cuáles son los factores (internos o

externos al país) que pudiesen influir en la variación periódica de este componente del

9

PBI. Revisando la literatura actual sobre trabajos que realicen un análisis de

determinantes de las exportaciones tradicionales de un país, se ha observado que este

tema ha entrado en un estado de decadencia.

Las razones a lo anteriormente afirmado van desde el paso que han hecho economías

desarrolladas o emergentes en analizar más de cerca los productos no tradicionales, a fin

de encontrar propuestas y políticas que fomenten su producción y atraigan la atención de

los mercados internacionales, hasta el estancamiento que hay en las mismas economías

en desarrollo para alcanzar la industrialización, lo que ha retrasado el seguimiento a las

exportaciones tradicionales (principalmente, de materias primas) ya que todavía poseen

una alta demanda de grandes economías (como China) que prefieren dichos productos en

el estado en que se encuentran.

Además, incluso en la literatura existente, poco se ha tocado sobre la conexión directa de

factores macroeconómicos y comerciales con las exportaciones tradicionales de países

emergentes, a pesar que estos bien podrían determinar ahora la mayor cantidad de

variación trimestral en el comercio de materia prima a nivel internacional. Un ejemplo es el

tipo de cambio real (entre el socio comercial de los productos tradicionales y el país

exportador), el cual por teoría económica tiene un claro efecto negativo en las

exportaciones a través de sus subidas (asumiendo que la moneda débil es la extranjera).

Otro ejemplo es el nivel de actividad económica (o producto bruto interno) del socio

comercial de los productos tradicionales, el cual también tiene un efecto positivo claro

mediante sus incrementos trimestrales. Por último está el ejemplo del precio internacional

del principal producto tradicional exportado, el cual maneja directamente las riendas del

volumen de exportación por parte del país y obviamente la demanda del socio comercial.

Entonces, bajo nuestro contexto de exportaciones tradicionales, nuestro producto

tradicional con mayores implicaciones económicas es el cobre, materia prima que en los

últimos años tuvo una caída en su precio pero volvió a tener incrementos significativos

que aumentaron el valor de las exportaciones peruanas. Por otro lado, el socio comercial

más importante que tiene el Perú para este producto es China, haciéndola un país con

relevancia mundial y con altas expectativas de que su PBI tenga impactos considerables

en nuestras exportaciones tradicionales. Y además, el tipo de cambio real (no medido

oficialmente) entre estas dos naciones, que sería el tipo de cambio real sol – yuan,

también generaría interés porque reflejaría como las políticas monetarias y comerciales

10

que ambos países llevan a cabo generarían impactos en las exportaciones que el Perú

realice de estos productos tradicionales.

Por lo tanto, la interrogante detectada en esta tesis es que no existe un análisis

económico y, principalmente econométrico, adecuado que permita obtener conclusiones

concretas sobre qué factores o determinantes generan las variaciones de las

exportaciones tradicionales peruanas. Además, no existe una investigación previa que

permita discernir sobre la implicancia de China en la economía y balanza comercial

peruana, mediante su nivel de actividad económica y su tipo de cambio real bilateral con

nuestro país.

Además, existe una interrogante adyacente a estos posibles determinantes de las

exportaciones tradicionales previamente mencionados. No hay certeza si existe una

relación de equilibrio de largo plazo entre las exportaciones y sus principales factores

macroeconómicos. Como ya se dijo en la introducción, esta relación de equilibrio es

definida como “el valor promedio al que unas variables tienden conjuntamente en el

tiempo, mediante una relación matemática”. Lo que quiere decir que esta tesis también

buscará una convergencia conjunta entre las exportaciones y sus posibles determinantes,

fenómeno que en el sentido económico tiene muchas implicancias para el desarrollo

adecuado de políticas económicas que influyan paralelamente en todas estas variables.

Por lo tanto, esta tesis propondrá un análisis correlacional y un modelo econométrico

sofisticado que permitirá un análisis de impulso – respuesta para observar como las

exportaciones tradicionales peruanas serán afectadas por choques externos de sus

determinantes, bien sean del PBI chino, del tipo de cambio real bilateral o del precio

internacional del cobre, principal producto internacional exportable por el Perú. Y

asimismo, este modelo econométrico permitirá, con igual grado de relevancia, encontrar

una relación de equilibrio de largo plazo (convergencia económica) entre las variables

mencionadas, lo cual confirmará la existencia o no de cointegración entre las series y

enriquecerá el análisis de choques externos ya propuesto.

11

1.2. Formulación del problema.

En la siguiente subsección se realiza la definición completa de las preguntas de

investigación, de acuerdo al planteamiento del problema anteriormente explicado. Estas

preguntas de investigación se dividen en una pregunta principal y seis preguntas

específicas.

Problema principal.

La pregunta principal de investigación es la siguiente.

¿Existe una relación de equilibrio de largo plazo entre las exportaciones tradicionales

peruanas y sus posibles determinantes (el producto bruto interno de China, el precio

internacional del cobre y el tipo de cambio real sol – yuan), para el periodo 2002 – 2016?

Problemas específicos.

Las preguntas específicas de investigación son las siguientes.

Problema específico 1:

¿Cuál es y cuánto dura el impacto de un aumento del producto bruto interno de China en

las exportaciones tradicionales peruanas, para el periodo 2002 – 2016?


¿Cuál es y cuánto dura el impacto de un aumento del precio internacional del cobre en las

exportaciones tradicionales peruanas, para el periodo 2002 – 2016?


¿Cuál es y cuánto dura el impacto de un aumento del tipo de cambio real sol – yuan en

las exportaciones tradicionales peruanas, para el periodo 2002 – 2016?

12

1.3. Justificación de la investigación.

En la siguiente sección se expondrán las principales razones que motivaron esta

investigación. Primero, esta tesis ha sido necesaria ante la evidente falta de estudios

sobre los determinantes de las exportaciones tradicionales (al menos, en el Perú). Incluso,

en la literatura peruana se ha tocado mucho más el análisis de las exportaciones no

tradicionales que las tradicionales, probablemente por la mayor importancia que tienen los

productos no tradicionales ya que poseen un claro valor agregado.

Por supuesto que este trabajo no cubrirá todo el vacío académico existente sobre este

tema en el país; sin embargo, permitirá tener avances y realizar comparaciones futuras

entre evidencias empíricas de este país con las de otros países en desarrollo. Además,

puede impulsar futuras investigaciones que consideren otras variables macroeconómicas

aparte de las elegidas aquí, así como quizás intentar trabajos con otro tipo de datos

(como data panel) y desde una perspectiva más microeconómica. Un mayor detalle de la

escasez de la literatura actual sobre los determinantes de las exportaciones tradicionales

y trabajos relacionados a este tema se encontrará en la sección de “Antecedentes”.

Aparte del aspecto positivo de esta investigación (qué información obtendré en base a los

resultados), es necesario poner como segunda razón de esta tesis los beneficios en el

aspecto normativo. Un aporte que esta investigación dará a los policy makers es la de

redirigir las políticas económicas existentes respecto a la promoción y alcance que ellos

buscan dar a las exportaciones tradicionales, principalmente a la exportación de cobre. Y

es que siendo actualmente los segundos principales productores de cobre a nivel mundial

(por debajo de nuestro vecino país de Chile), la tarea de mantener alta la demanda de

este mineral y además de incentivar la inversión extranjera directa en proyectos mineros

es cada vez más complicado.

En ese sentido, saber cuáles son los determinantes de las exportaciones tradicionales

permitirá saber cuál es el país que ejerce mayor presión en la demanda de nuestros

commodities, así como saber si el tipo de cambio real entre países y el precio

internacional del producto causan shocks lo suficientemente fuertes para controlar

estratégicamente el avance de inflación de productos importados o el tipo de cambio con

importantes divisas. Todos estos motivos son más que suficientes para emprender esta

investigación y descifrar todas las interrogantes de los determinantes de las exportaciones

tradicionales peruanas.

13

Por último, es preciso mencionar una única limitación importante en esta tesis. Esta se

relaciona con el tema de la disponibilidad de los datos. Si bien todas las variables

macroeconómicas elegidas para la estimación del posterior modelo econométrico tienen

datos recientes, la muestra (como se verá más adelante) no tiene un tamaño muy grande

para un modelo multiecuacional como el que se planea estimar (un VEC).

Por ello, por el tamaño reducido de la muestra probablemente los resultados puedan ser

afectados pero eso no desmerece que se obtengan la evidencia propuesta sobre los

determinantes de las exportaciones tradicionales peruanas. En todo caso, eso se

descubrirá en el capítulo de los resultados de esta tesis y en las conclusiones mismas.

2. Marco referencial

En la siguiente sección se detallará la revisión de literatura encontrada sobre el tema de

investigación planteado: Los determinantes de las exportaciones tradicionales de un país.

Para ello, primero se presenta los antecedentes de esta tesis, los cuales incluyen todas

aquellas investigaciones (nacionales e internacionales) con temas directa o

indirectamente relacionados a la búsqueda de los factores macroeconómicos que

determinan a las exportaciones tradicionales de un país.

Luego, se presenta el marco teórico de la presente tesis, el cual define, muestra y

contrasta las principales teorías económicas que fundamentan el posterior análisis de los

determinantes de las exportaciones tradicionales de un país. Con todo ello, se espera

tener un marco conceptual bastante completo que permita comparar adecuadamente los

posteriores resultados de la investigación con la literatura considerada.

2.1. Antecedentes.

Se puede decir que uno de los primeros estudios hechos para encontrar los

determinantes de las exportaciones de un país fue el de Lapp et al. (1995), quienes

estudiaron los determinantes de las exportaciones trimestrales en los países del G7

durante el periodo de años comprendidos entre 1989 y 1995. Para ello los autores

desarrollaron un modelo autorregresivo usando como variables independientes los

rezagos de las exportaciones de los países en cuestión, la actividad económica extranjera

14

– variable aproximada a partir de la suma ponderada de la producción industrial en los

diez socios comerciales más importantes de cada país con los pesos dados por la

participación promedio en el comercio en los años 1989 a 1991- y sus rezagos; y el tipo

de cambio real. Entre los principales hallazgos los autores encontraron que el tipo de

cambio real y la actividad económica extranjera tienen un impacto significativo en las

exportaciones de los países del G7.

Años más tarde, Prasad (2000) toma como base el modelo de sustitutos imperfectos para

estudiar los determinantes de las exportaciones en Fiji durante los años comprendidos

entre 1968 y 1998 ya que sospecha que, para tal caso, las exportaciones no son

sustitutos perfectos de los bienes domésticos del país importador. Además, incorpora los

efectos de los shocks agrícolas en el lado de la oferta como característica diferenciadora y

realista para el contexto de Fiji. Para ello, Prasad dispone como variables explicativas a la

producción de azúcar por hectáreas, el logaritmo de los ingresos del socio comercial y el

logaritmo del tipo de cambio real efectivo. Con los resultados obtenidos mediante la

técnica de estimación del modelo de corrección de errores sin restricciones, Prasad

concluye que el ingreso de los socios comerciales, el tipo de cambio real efectivo y los

shocks agrícolas del lado de la oferta (medido en la producción de azúcar por hectáreas)

tienen un impacto significativo en la evolución de las exportaciones de Fiji.

Kristjánsdóttir (2004) estudió los determinantes de las exportaciones en Islandia en los

años comprendidos entre 1989 y 1999 en los diferentes sectores económicos. Para ello,

la autora usa un modelo gravitacional de exportaciones en la que incluye datos de los 17

principales países destino de exportación de Islandia; además, usa como variables

regresoras, el logaritmo del PBI doméstico, el logaritmo del PBI extranjero, el logaritmo de

la población del país extranjero, la distancia entre países, 4 variables dummies para

diferenciar el tipo de industria (pesquera, manufacturera, energía y otras) y otras 4 para

tener en cuenta si el país receptor pertenece a un grupo económico establecido (EFTA,

EU, NAFTA, ninguna). Entre los principales hallazgos, la autora encuentra que en el caso

de Islandia el sector pesquero tiene un fuerte dominio sobre las exportaciones.

Adicionalmente, concluye que el bloque económico EFTA atrae exportaciones debido a la

proximidad geográfica con Islandia, el tamaño de los países receptores y su población.

Usando otro enfoque, Majeed y Ahmad (2006) desarrollaron un modelo de data panel con

efectos fijos considerando 75 países en vías de desarrollo en el periodo de 1970 – 2004

para explicar los determinantes internos y externos de las exportaciones de los países en

15

muestra. Como variables independientes, los autores tomaron en cuenta la inversión

extranjera directa como porcentaje del PBI, el producto domestico bruto a precios

constantes de 1989, el ratio de crecimiento anual del PBI, el ahorro nacional como

porcentaje del PBI, la asistencia oficial para el desarrollo como porcentaje del PBI, el tipo

de cambio real y la cantidad de televisores y celulares por cada 1000 personas. Entre las

conclusiones más importantes se encontró que es crítica la importancia de mantener un

ratio de crecimiento económico alto y sostenible en países en vías de desarrollo ya que

promueve las exportaciones. Por otro lado, los autores sostienen que el desarrollo de la

red de comunicaciones es crucial no solo para el crecimiento económico sino también

para el desempeño de las exportaciones y, por último, resaltan la necesidad de

reemplazar los productos agrícolas de exportación por los productos manufacturados

debido a que estos últimos tienen precios más estables y razonables en el comercio

mundial.

Jongwanich (2007) expuso los patrones y determinantes de las exportaciones de nueve

países del este y sudeste asiático durante el periodo 1990-2006. Para ello, el autor

desagregó las exportaciones en 3 categorías: exportaciones totales de mercancías,

exportaciones de manufactura y exportaciones de maquinaria y equipo de transporte. La

forma funcional de cada categoría de exportación está basada en el modelo de sustitutos

imperfectos en el cual el volumen de exportación es determinado por el tipo de cambio

real, la demanda mundial, y la capacidad de producción. Jongwanich concluye que la

rápida diversificación de las exportaciones en el mercado asiático alejándose de las

exportaciones tradicionales y especializándose en productos manufacturados con alta

tecnología han tendido a despertar el vínculo significativo del tipo de cambio real y el

desempeño de las exportaciones.

Abolagba et al. (2010) analizaron los determinantes de las exportaciones agrícolas,

concentrando sus esfuerzos en las exportaciones de Nigeria de cocoa y caucho

específicamente durante el periodo 1961-2005, para ello formulan dos modelos de

regresión múltiple para cada producto en los cuales contemplan las siguientes variables

regresoras: la producción doméstica, el precio del productor, el tipo de cambio y el

consumo doméstico. Entre sus principales hallazgos se resalta que un incremento en la

producción doméstica de cualquiera de los bienes tiende a aumentar la exportación de

este.

16

Abu et al. (2010) presentó un estudio de determinantes de las exportaciones agrícolas

egipcias durante el periodo de 1994-2008. En el estudio el autor estima las exportaciones

agrícolas egipcias usando como variables regresoras al PBI egipcio, la volatilidad

cambiaria y los costos de transporte. Los resultados indican que el incremento en 1% del

PBI egipcio incrementaría en 5.42% el flujo de exportaciones agrícolas egipcias.

Asimismo, la volatilidad cambiaria presenta un coeficiente significativo positivo (0.459), lo

cual indica que la depreciación de la moneda egipcia frente a las monedas de sus socios

comerciales estimula la exportación de productos agrícolas. Por otro lado, los costos de

transporte impactan de forma negativa al volumen de exportación agrícola.

Por último, Zada, Muhammad y Bahadar (2011) estudiaron los determinantes de las

exportaciones de Pakistán durante el periodo 1975-2008. Para ello basaron sus

aproximaciones en el modelo estándar de las exportaciones con las ecuaciones de oferta

y demanda de estas, los cuales consideran como variables explicativas al tipo de cambio

real, la demanda mundial de exportaciones domesticas aproximada por la variable de PBI

de los socios comerciales, el precio relativo de las exportaciones, el PBI pakistaní y las

importaciones de insumos. Para alcanzar los resultados, los autores emplearon el método

generalizado de momentos para superar posibles problemas de endogeneidad en las

variables regresoras. Los autores encontraron que, por parte de la demanda de

exportaciones, la elasticidad ingreso extranjeras explican significativamente a las

exportaciones pakistaníes y, por parte de la oferta de exportaciones, el precio relativo

tiene un impacto a considerar en la variación de las exportaciones del país en cuestión.

2.2. Marco teórico.

La literatura existente sobre las corrientes de pensamiento que hablan de la

determinación de las exportaciones se dividen en los enfoques macroeconómicos

(mediante modelos keynesianos y modelos de comercio externo) y los enfoques

microeconómicos (modelos neoclásicos que explican la decisión de exportar). Si bien los

modelos macroeconómicos de determinación de las exportaciones nacieron primero, la

relevancia de ambas corrientes es indiscutible y permite obtener un insight importante

sobre como plantear el modelo de investigación.

17

Por ello, se presentan los avances más importantes en la teoría de cada uno de los

enfoques mencionados.

2.2.1. El enfoque macroeconómico: La determinación de las exportaciones en los

modelos de economía abierta.

Una manera de como determinar las exportaciones de un país mediante una relación

económica nos remonta al modelo de Mundell – Fleming de economía abierta en 19622,

donde estos autores incorporan el efecto del sector externo junto a los efectos antes

vistos del sector real (de bienes y servicios) y el sector monetario (de dinero y activos

financieros) en el modelo IS-LM a través de la llamada “Balanza de Pagos”.

La Balanza de Pagos considera en primer lugar a la cuenta corriente o balanza comercial

y luego a la cuenta de capitales, la cual está en función del diferencial de las tasas de

interés nacional e internacional. Entonces, dentro de la balanza comercial -que son las

exportaciones netas o la diferencia entre las exportaciones e importaciones del país-

Mundell y Fleming analizaron a las exportaciones como una variable macroeconómica

que depende tanto del tipo de cambio real como del PBI extranjero de un país, es decir:

( ) ( )

Donde son las exportaciones del país, es el tipo de cambio real de la economía y

es el nivel de actividad económica o PBI de un país extranjero con el que comercialice el

país doméstico. Sin embargo, dado que esta ecuación está en una forma muy general

como para ser analizada, en posteriores estudios sobre esta teoría económica se

comprobó que dentro de toda economía no es posible ver directamente a variables como

el tipo de cambio real. Por lo tanto, se procedió a definir las exportaciones de un país en

una forma funcional lineal, separando los efectos del tipo de cambio real en dos: por un

lado, las exportaciones serán afectadas por el tipo de cambio nominal de la economía y,

por el otro lado, el ratio de precios relativos también será un determinante de las

exportaciones domésticas. En este sentido, la ecuación mejorada de esta teoría viene a

ser la siguiente:

( )

2 Para más detalle, por favor vea Mundell, R. (1957). “International Trade and Factor Mobility”. o

también vea Fleming, J.M. (1962). “Domestic Financial Policies Under Fixed and Under Floating Exchange Rates”. Estas teorías han sido compensadas en el modelo Mundell – Fleming por varios otros autores como Dornbusch y Mankiw.

18

( )

Donde nuevamente refiere a las exportaciones del país, es el tipo de cambio nominal

de la economía y son los términos de intercambio, es decir, el ratio entre el promedio

ponderado de los precios de exportaciones y el promedio ponderado de los precios de

importaciones del país. Sobre los signos de sus coeficientes asociados, estos fueron

definidos cada uno como impactos positivos sobre las exportaciones del país.

Esto quiere decir que una depreciación de la moneda del país doméstico (es decir, una

subida del tipo de cambio nominal, asumiendo que la moneda extranjera es una divisa

transable internacionalmente) va a generar un incremento de las exportaciones,

manteniendo todos los otros factores de determinación de las exportaciones constantes.

Además, un incremento en los términos de intercambio, o mejor dicho, un incremento del

promedio ponderado de los precios de las exportaciones del país por encima del nivel

ponderado de precios de sus importaciones va a generar un incremento de las

exportaciones del país ya que los exportadores desearán aumentar su oferta de productos

exportados a un precio más alto, manteniendo todos los otros factores de determinación

de las exportaciones constantes.

Finalmente, un incremento del nivel de actividad económica de algún país extranjero (es

decir, un incremento en su nivel de PBI) va a generar un incremento en las exportaciones

del país doméstico, ceteris paribus, ya que más demanda agregada extranjera significa

mayor demanda por importaciones para dicho país foráneo y, por lo tanto, esto se traduce

en mayores exportaciones del país doméstico.

2.2.2. La excepción a la regla: El efecto nulo de la volatilidad del tipo de cambio en

las exportaciones mediante modelos microeconómicos.

En contraste a los hallazgos obtenidos con el modelo de Mundell – Fleming en el enfoque

macroeconómico, Bonroy, Gervais y Larue (2007) plantean que la relación entre las

exportaciones y el tipo de cambio real se puede explicar a través de un enfoque

microeconómico, considerando un juego de dos etapas que refleje la naturaleza dinámica

de la cadena de oferta y la estructura de marketing vertical entre los productores y

procesadores de un bien.

19

Para ello, primero se asume que hay un único procesador del bien en el mercado

doméstico, el cual es monopolista de su servicio en el mercado pero sus exportaciones no

afectan los términos de intercambio del país, con lo que se cumple el supuesto de un país

pequeño en un modelo keynesiano. En lo que respecta al juego propiamente dicho, en el

primer periodo el procesador debe comprometerse con un precio a pagar a los

productores del bien. Dada la tecnología del productor, el precio fijado determina la oferta

de bienes a procesarse en el segundo periodo. Al comienzo del segundo periodo, la

incertidumbre del precio del producto extranjero es resuelta y el procesador del bien

vende el producto procesado.

Entonces, el juego de dos etapas es resuelto por inducción hacia atrás. Se denota a la

producción total (capacidad) resultante de la primera etapa del juego como . Ahora, hay

un único mercado de exportación y un único tipo de bien procesado. Los precios

doméstico y extranjero del bien son y , respectivamente, mientras que las cantidades

del bien ofertadas por el procesador en el segundo periodo a estos mercados son y ,

Se asume ausencia de inventarios, por lo que . El procesador del producto

enfrenta la función de demanda inversa ( ) en el mercado doméstico y es

tomador de precios en el mercado exterior.

Además, se asume que el precio de exportación está compuesto de un componente

determinístico y un componente tal que , con . La incertidumbre

anteriormente hablada es capturada por el término aleatorio y el parámetro es un

diferencial de conservación. Ya al comienzo del segundo periodo, el procesador del bien

tiene conocimiento total del precio extranjero y no hay incertidumbre. Por ello, el beneficio

del procesador del bien es:

( ) ( )( ) ( )

Donde es el precio al que el procesador compró el bien en el mercado doméstico (que

a fin de cuentas es su costo unitario). Finalmente, se asume que los costos promedio de

procesamiento del bien son constantes y normalizados a cero por motivos de simplicidad.

Ahora, las ventas del procesador del bien en cada mercado (doméstico y exterior) son

determinadas al maximizar la anterior función de beneficios a la restricción de capacidad

del primer periodo (que la producción destinada al mercado doméstico y la producción

destinada al mercado externo no pueden ser en suma mayores a la producción total

20

obtenida en el primer periodo). Además, dado que el costo del primer periodo de invertir

en capacidad (al comprarle al productor) es un costo hundido, se sigue que el procesador

debe maximizar el ingreso de vender en cualquiera de ambos mercados sujeto al valor de

la perturbación aleatoria en el precio de venta del mercado externo respecto a la ganancia

del precio doméstico por encima del precio externo fijo o determinístico, dividido entre la

volatilidad del tipo de cambio.

Entonces, si los cambios aleatorios en el precio de venta al exterior son menores, no se

exportará, si son mayores respecto al precio de exportación determinístico, ya no se

venderá al mercado interno y si el término aleatorio tiene un valor en un caso intermedio,

el procesador del bien venderá a ambos mercados. Por la distribución de esta variable

aleatoria (la cual sirve en el primer periodo ante la incertidumbre en el precio final de

exportación) se obtiene un shock aleatorio mínimo en que garantiza una cantidad

positiva de exportaciones en el equilibrio. Asimismo, también habrá un shock aleatorio

máximo que garantice una cantidad positiva de ventas doméstica en el equilibrio.

Con lo anterior, se definen los diferentes casos para las decisiones de exportación y de

ventas domésticas. Y estos casos se evalúan en la función de ingresos esperada, la cual

considera tres componentes: el primero que mide ingresos esperados cuando no hay

exportaciones, y el segundo y tercer caso que representan los ingresos cuando las ventas

domésticas y exteriores son positivas y cuando solo las ventas externas son observadas,

respectivamente.

Por otro lado, como se dijo al inicio, el procesador del bien (monopolista) se compromete

a un precio en el primer periodo para elegir el total de producción del bien que será

suministrada por los productores competitivos en el segundo periodo. Así, los productores

también tienen una función de beneficios que será igual a:

( )

Y la condición de primer orden al maximizar esta función de beneficios brinda la oferta

óptima del bien,

. Entonces, ya que el precio al que se compromete pagar el

procesador del bien es , se construye la función de beneficios del procesador,

considerando los ingresos esperados y los costos totales ( ), por lo que luego de

aplicar la condición de primer orden, la capacidad óptima del procesador del bien será:

21

( ) ( )

Y así se define también las cantidades destinadas al mercado interno y a la exportación,

las cuales son las siguientes:

( )

( ) ( )

Con ello, las exportaciones están directamente vinculadas con la capacidad del

procesador. De aquí se realizan algunas proposiciones de la teoría: Si se asume

neutralidad al riesgo en el procesador del bien y es más rentable servir solo al mercado

local para cualquier valor de , un incremento en la volatilidad del precio de exportación

causado por (el diferencial promedio de preservación del precio de exportación)

incrementará las exportaciones, vía un incremento en el ingreso esperado de la firma. Si

las exportaciones no son rentables en lo absoluto, el incremento en la volatilidad no

tendrá impacto alguno en las exportaciones. Por esta razón, las exportaciones son no

lineales en la medida de la volatilidad ya que hay límites de volatilidad para el que las

exportaciones planeadas son crecientes.

Ahora, como el mercado de exportación nunca es rentable por la distribución del shock

del tipo de cambio , la media no condicional del precio de exportación tampoco inducirá a

incrementar las exportaciones. Por último, si se considera que el procesador del bien

puede tener aversión al riesgo, la cual es representada vía la utilidad del procesador en

función del valor esperado y de la varianza de los beneficios que este obtenga, como se

ve a continuación:

[ ( )] [ ] (

) ( ) ( )

Donde es un parámetro que mide la aversión al riesgo. Al resolver el problema de

optimización de la ecuación anterior, se obtiene el nivel óptimo de capacidad del

procesador el cual es ( ( ) ) donde ( ) es una función que mapea la media

y varianza de la distribución de los precios de exportación y es un vector que representa

a todas las otras variables exógenas del modelo. De esta capacidad óptima se obtiene el

nivel de ventas domésticas y el nivel de exportaciones ( ( ) ) y

( ( ) ), respectivamente. Por ello, tanto la cantidad de producción procesada

22

para el mercado interno y el externo son funciones del precio de exportación final y de los

momentos de la distribución de este precio (media y varianza).

De estos últimos resultados, se puede inferir que cuando la situación de solo vender al

mercado interno es la más rentable, un incremento en la volatilidad del precio de

exportación tiene un efecto ambiguo en las exportaciones, ya que puede reducirlas si se

está exportando al menos un poco, y no las incrementará si no se exporta en absoluto.

El mecanismo por el cual el procesador del bien se ve afectado es porque si bien un

incremento en no cambia el valor de los ingresos esperados, sí se incrementa la

volatilidad del beneficio del procesador y esto impacta negativamente en la capacidad

total de producción. Y en el caso que sí se incrementaran los ingresos esperados del

procesador por el incremento en , las exportaciones igual no aumentarían por el contra

efecto de la varianza de los beneficios. En consecuencia, el mercado de exportación

combinado con aversión al riesgo implica que la volatilidad simultáneamente

desencadena efectos opuestos en las exportaciones y no se ha comprobado

empíricamente cuál resultado domina.

2.2.3. Otro aporte del enfoque microeconómico: La decisión de exportación.

Finalmente, el enfoque microeconómico para la determinación de las exportaciones

también se apoya en el trabajo de Ruiz (2014), quien se basa en la hipótesis modificada

de autoselección de las firmas (donde las empresas, teniendo en cuenta su nivel de

productividad, diversificarán mercados y venderán su producción tanto al mercado interno

como externo), estableciendo los factores que determinan si una empresa peruana

realmente exportará y de qué manera: si exporta directamente al país destino, o

indirectamente a través de un intermediario en el país destino, o solo cubre la demanda

del mercado interno y no decide exportar.

Para ello, la decisión de exportación nace de la función de beneficios propuesta por

Felbermayr y Jung (2011), la cual se obtiene de empresas en competencia monopolística

que producen diferentes variedades de un mismo producto. Así, se obtiene una medida

escalar de productividad como se ve a continuación:

( )

23

( )

Donde son los beneficios (no negativos) de la empresa de que elija entre los tres

tipos de modos de exportación (no exportar y venderle al mercado interno,

venderle al mercado interno y exportar indirectamente, y venderle al mercado interno y

exportar directamente). es la productividad total de factores de la empresa, es el

parámetro que incorpora todos los costos variables de la opción de exportar (siendo el

tamaño del mercado, el poder de negociación de la empresa con los intermediarios

comerciales respecto a la extracción de rentas de estos últimos, los costos variables

salariales y otros costos variables) y es el parámetro que incorpora todos los costos

fijos de dicha opción. Además, se asume que los costos variables y costos fijos del tipo de

modo de exportar (así como todos sus componentes) son exógenos.

Calculando el beneficio para opción de exportar, se puede inferir fácilmente que el

parámetro de negociación con los intermediarios estará entre cero y uno solo para la

opción de exportación indirecta, mientras que será igual a uno para las otras dos

opciones. De la misma forma, el tamaño del mercado será igual tanto para la opción de

exportación directa como indirecta, mientras que será un tamaño de mercado más

pequeño cuando no se decida exportar. Sin embargo, por el efecto de tener que negociar

con los intermediarios en el caso de exportación indirecta, el tamaño del mercado para la

empresa exportadora no puede ser maximizado en absoluto.

Ahora, respecto a los costos fijos, es claro que el costo fijo de la decisión de no exportar

es mínimo (si no es cero), el costo fijo de exportar de manera indirecta puede

interpretarse, como es explicado en Tello (2012), como las barreras a la entrada para el

mercado externo, tanto para las formas de exportación directa como mediante

intermediarios. Además, el costo fijo de exportar directamente será el mayor de todos e

incluirá el costo de establecer una filial en el país destino para distribuir los productos

exportados (este costo incluye a los del tipo informacional, legal, lingüísticos, etc.). Este

costo total de exportación directa finalmente debe ser ponderado por riesgo de

expropiación del gobierno del país destino.

Por otro lado, los otros costos variables también serán mínimos para el caso de no

exportación, mientras que serán iguales tanto para el caso de exportación directa como

indirecta, donde estos costos incorporan los de transporte y los que impactarán en el

24

comercio internacional (como barreras no arancelarias). Por último, los costos salariales

no varían entre la opción a exportar.

Entonces, al postular las condiciones para la elección entre las tres modalidades de

exportación, se encuentra dos puntos de quiebre de productividad donde una alternativa

es más rentable que las otras, de modo que hay dos situaciones de indiferencia: Entre no

exportar y el tener intermediarios en el exterior, así como el de exportar indirectamente o

exportar con filiales instaladas en el país destino. Por lo tanto, estos puntos de quiebre

definen niveles límite de productividad entre las alternativas de exportación y el proceso

de selección termina por ordenar a las empresas peruanas en cada categoría: Las firmas

menos productivas no exportarán, por lo que tendrán costos fijos mínimos pero sus

beneficios serán pequeños. A medida que las empresas van aumentando su

productividad, optarán por buscar mayores beneficios y su sacrificio será costos fijos

mayores por negociar con intermediarios o instalar una filial en el exterior, dependiendo

del umbral de productividad donde la empresa se encuentre.

Finalmente, estos niveles mínimos de productividad para pasar de una alternativa de

exportación a otra se obtienen igualando los niveles de beneficios de cada una,

obteniendo lo siguiente:

( )

( )

Donde los niveles mínimos de productividad son un ratio entre el diferencial de costos fijos

y el diferencial de costos variables entre dos modalidades de exportación. Con ello, si una

empresa peruana tiene un nivel de productividad entre cero y (primer umbral), esta

firma no exportará y solo venderá en el mercado doméstico, mientras que si la

productividad está entre y (segundo umbral) o si sobrepasa la firma procederá a

exportar mediante intermediarios o mediante filiales, respectivamente. Entonces, este

proceso de autoselección demuestra que las firmas se irán haciendo más productivas no

mediante la exportación como tal, sino mediante su capacidad de superar los costos que

le impiden entrar a los mercados externos. Por lo tanto, las tres modalidades de

exportación coexisten en equilibrio y permiten empresas con niveles de producción y

ventas heterogéneas.

25

3. Objetivos e hipótesis

En la siguiente sección se presenta la definición de tanto los objetivos como las hipótesis

de la tesis, las cuales se realizarán en base a las preguntas de investigación previamente

definidas. Esto permitirá un adecuado planteamiento de lo que se busca obtener con la

presente tesis y qué evidencias probablemente serán arrojadas por los posteriores

resultados.

3.1. Objetivos.

En la siguiente subsección se plantean los objetivos de la presente tesis, los cuales están

basados en las preguntas de investigación anteriormente definidas. Estos objetivos de la

tesis se dividen en un objetivo principal y seis objetivos específicos.

Objetivo principal.

El principal objetivo de la tesis es el siguiente.

Determinar si existe una relación de equilibrio de largo plazo entre las exportaciones

tradicionales peruanas y sus posibles determinantes (el producto bruto interno de China,

el precio internacional del cobre y el tipo de cambio real sol – yuan), para el periodo 2002

– 2016.

Objetivo específicos.

Los objetivos específicos de la tesis son los siguientes.

Objetivo específico 1:

Determinar si un aumento del producto bruto interno de China tuvo un impacto positivo en

las exportaciones tradicionales peruanas, para el periodo 2002 – 2016.


Determinar si un aumento del precio internacional del cobre tuvo un impacto positivo en


26


Determinar si un aumento del tipo de cambio real sol – yuan tuvo un impacto negativo en


3.2. Hipótesis.

En la siguiente subsección se plantean las hipótesis de la presente tesis, las cuales están

basadas en las preguntas de investigación y en los objetivos ya mostrados. Estas

hipótesis se dividen en una hipótesis principal y seis hipótesis específicas.

Hipótesis principal.

La principal hipótesis de la tesis es la siguiente.

Sí existió una relación de equilibrio de largo plazo entre las exportaciones



– 2016.

No existió una relación de equilibrio de largo plazo entre las exportaciones



– 2016.

Hipótesis específicas.

Las hipótesis específicas de la tesis son las siguientes.

Hipótesis específica 1:

Un aumento del producto bruto interno de China en 1 billón de yuanes durante el

trimestre pasado, generará un incremento promedio de las exportaciones tradicionales

peruanas en 40 millones de dólares, para el periodo 2002 – 2016.

27

Un aumento del producto bruto interno en 1 billón de yuanes durante el trimestre

pasado, generará un incremento promedio de las exportaciones tradicionales peruanas

menor a 40 millones de dólares, para el periodo 2002 – 2016.


Un aumento del precio internacional del cobre en 1 centavo de dólar durante el





peruanas menor a 10 millones de dólares, para el periodo 2002 – 2016.


Un aumento del tipo de cambio real sol – yuan en 1% durante el trimestre pasado,

generará una reducción promedio de las exportaciones tradicionales peruanas en 40

millones de dólares, para el periodo 2002 – 2016.

Un aumento del tipo de cambio real sol – yuan en 1% durante el trimestre pasado,

generará una reducción promedio de las exportaciones tradicionales peruanas menor a 40

millones de dólares, para el periodo 2002 – 2016.

28

Capítulo II: Método

El presente capítulo describe los principales aspectos de la metodología que será usada

para realizar la estimación econométrica que prueba la veracidad de las hipótesis de

investigación (la existencia de una relación de equilibrio de largo plazo entre las series

bajo estudio y la existencia de variaciones en las exportaciones tradicionales peruanas

causadas por los posibles determinantes de estas).

Para ello, se explicará el tipo y diseño de investigación planteados en la tesis, la definición

de la muestra de investigación, la definición de las variables que se usarán en el estudio,

el procedimiento de recolección de los datos de estas variables, los instrumentos de

investigación usados paralelamente a estas variables y el plan de análisis que contendrá

la especificación del modelo econométrico a utilizar (un vector de corrección del error).

4. Tipo de investigación

Dentro de los criterios más comunes para definir el tipo de investigación de una tesis

(nivel de complejidad del estudio y el tipo de análisis al que se someterá la información

recolectada), se puede decir que en este caso el segundo criterio tiene una mayor

relevancia para esta tesis, ya que actualmente la gran mayoría de investigaciones en

economía se enfocan en definir qué tipo de análisis econométrico será el elegido para

aplicar a los datos. En consecuencia, se puede definir a esta tesis como uno del tipo

"cuantitativo" donde los posteriores resultados de la tesis mostrarán que efectivamente se

requirió la elección de un análisis econométrico (en este caso, el de modelos

multivariados como son los vectores autorregresivos y el vector de corrección del error)

para poder determinar los factores económicos que producen un impacto significativo en

las exportaciones tradicionales peruanas.

5. Diseño de investigación

El presente estudio contempla un diseño de investigación no experimental ya que, a

diferencia del diseño experimental, no se asignan valores de manera aleatoria o a

voluntad a las diferentes variables presentadas en el modelo, sino que estas ya vienen

dadas de manera histórica en el tiempo.

29

Adicionalmente, el subtipo de investigación no experimental que se emplea en este

estudio es el correlacional ya que se adecua a las aplicaciones económicas y al uso de

técnicas econométricas. En este estudio en particular, se busca y se obtiene las

correlaciones estadísticamente significativas entre las variables presentadas, tales como

la relación entre el PBI chino y las exportaciones tradicionales, el precio de lo minerales y

las exportaciones o el tipo de cambio real sol-yuan con respecto a la variable regresando.

Cabe mencionar que el estudio correlacional, desde un enfoque econométrico, trata de

hallar el valor de los coeficientes que relacionan de manera positiva o negativa a la

variable dependiente con las independientes, para así conocer de manera exacta el

impacto cuantitativo de la variación de las variables regresoras en la variable regresando.

30

6. Variables

En la presente sección se realizará la definición conceptual y operacional de todas las

variables finales a usar en el modelo econométrico de la tesis, las cuales también han

sido mencionadas en la formulación del problema, en las hipótesis y en el marco teórico.

Cabe indicar que también se definirán a las variables intermedias del estudio. Estas

variables fueron usadas durante el proceso de creación de algunas de las variables

finales y como tal, no estarán incluidas dentro de la especificación final del modelo

econométrico. Sin embargo, su definición permitirá un mejor entendimiento de como

fueron concebidas las variables finales y como intervinieron estas variables intermedias

dentro de la presente tesis.

En consecuencia, las siguientes dos tablas muestran la definición conceptual y

operacional de las variables finales e intermedias de la tesis, respectivamente.

31

Tabla 1

VARIABLES FINALES DE LA TESIS

N° Nombre largo Nombre

corto Definición conceptual Definición operacional

1

Exportaciones

tradicionales

del Perú

EXPT

Son aquellos productos que históricamente

han constituido la mayor parte del valor de

las exportaciones peruanas. Y,

generalmente, estos productos tienen menor

valor agregado que el de los productos no

tradicionales.

Tipo de variable en el modelo de la tesis:

Dependiente

Unidad de medida:

En millones de dólares, a valores free-on-board (FOB).

Frecuencia original / Frecuencia definitiva:

Mensual / Trimestral

Fuente original:

BCRP

2

Producto

bruto interno

real de China

GDPRCH

Es la suma de los valores monetarios de los

bienes y servicios producidos en este país

durante un ejercicio. Está expresado en la

moneda de este país y considera los precios

medidos de estos bienes y servicios

descontando los efectos de la inflación,

usando un año base para los precios.


Independiente

Unidad de medida:

En billones de yuanes del año 2010.


Trimestral / Trimestral

Fuente original:

Fred St. Louis y Banco Mundial.

Nota adicional:

Esta variable fue obtenida mediante la fórmula

(

)

Donde GDPNCH y DGDPCH son variables intermedias. GDPNCH es el

producto bruto interno nominal de China y DGDPCH es el deflactor de este

PBI.

32

3

Tipo de

cambio real

sol-yuan

TCRSY

Es el precio relativo de las canastas de

bienes de los países Perú y China. En ese

sentido, es un tipo de cambio real bilateral.

Además, este indicador fue obtenido con la

fórmula asociada a la teoría de paridad de

poder de compra, por lo que esta aproxima

la competitividad relativa de los dos países.


Independiente

Unidad de medida:

En valores índice (año base 2010 = 100).



Fuente original:

Fred St. Louis y BCRP.

Nota adicional:

Esta variable fue obtenida mediante la fórmula

(

) (

)

Donde TCNSD, TCNYD, IPCCH e IPCP son variables intermedias. TCNSD es

el tipo de cambio sol-dólar, TCNYD es el tipo de cambio yuan-dólar, IPCCH

es el índice de precios al consumidor de China (con año base 2010) e IPCP

es el índice de precios al consumidor del Perú (con año base 2010).

4

Precio

internacional

del cobre

PCOB

Es la valoración de la materia prima “cobre”

en unidades monetarias de una divisa (en

este caso, el dólar americano). Este precio

es evoluciona diariamente en el mercado

internacional de este commodity, en función

de la oferta y demanda.


Independiente

Unidad de medida:

En centavos de dólar por libra de cobre.



Fuente original:

BCRP.

Nota: Un mayor detalle de la recolección de los datos de las variables y de su tratamiento posterior (para su calibración y uso en la estimación del modelo

econométrico de la tesis) está en las secciones “Procedimientos de recolección de datos” y “Plan de análisis”.

Fuente: Elaboración propia

33

Tabla 2

VARIABLES INTERMEDIAS USADAS EN LA CREACIÓN DE LAS VARIABLES FINALES

N° Nombre largo Nombre

corto Definición conceptual Definición operacional

1

Producto

bruto interno

nominal de

China

GDPNCH

Es la suma de los valores monetarios de los

bienes y servicios producidos en este país

durante un ejercicio. Está expresado en la

moneda de este país y considera los precios

corrientes medidos de estos bienes y servicios,

es decir, sin descontar los efectos de la

inflación.

Esta variable fue usada en la creación de la siguiente variable final:

Producto bruto interno real de China (GDPRCH)

Unidad de medida:

En billones de yuanes.

Frecuencia original:

Trimestral

Fuente original:

Fred St. Louis

2

Deflactor del

producto bruto

interno de

China

DGDPCH

Es el índice de precios que se utiliza para

conocer la parte del crecimiento del producto

bruto interno chino (es decir, de la economía de

este país) que se debe al aumento de precios.


Producto bruto interno real de China (GDPRCH)

Unidad de medida:



Anual

Fuente original:

Banco Mundial

3

Tipo de

cambio

nominal sol-

dólar

TCNSD

Es el precio relativo entre las monedas de Perú

y Estados Unidos. Generalmente, se expresa

como el valor monetario de la moneda fuerte en

términos de la moneda débil, por lo que en este

caso sería el valor de un dólar americano en

términos de soles peruanos.


Tipo de cambio real sol-yuan (TCRSY)

Unidad de medida:

En soles por dólar.


Mensual

Fuente original: BCRP

34

4

Tipo de

cambio

nominal yuan-

dólar

TCNYD

Es el precio relativo entre las monedas de China

y Estados Unidos. Generalmente, se expresa

como el valor monetario de la moneda fuerte en

términos de la moneda débil, por lo que en este

caso sería el valor de un dólar americano en

términos de yuanes chinos.



Unidad de medida:

En yuanes por dólar.


Mensual

Fuente original:

BCRP

5

Índice de

precios al

consumidor

del Perú

IPCP

Es el indicador que mide la evolución del costo

de la canasta de consumo en el país. Por como

está concebido este indicador, no considera el

efecto sustitución, por lo que mide la evolución

del costo de bienes y servicios, y no la evolución

del costo de vida. Por último, en este país se

suele calcular el indicador usando la fórmula de

Laspeyres.



Unidad de medida:

En valores índice (año base 2009 = 100, cambiada a 2010 = 100).


Mensual

Fuente original:

BCRP

6

Índice de

precios al

consumidor

de China

IPCCH

Es el indicador que mide la evolución del costo

de la canasta de consumo en el país. Por como

está concebido este indicador, no considera el

efecto sustitución, por lo que mide la evolución

del costo de bienes y servicios, y no la evolución

del costo de vida. Por último, en este país se

suele calcular el indicador usando la fórmula de

Laspeyres.



Unidad de medida:



Mensual

Fuente original:

Fred St. Louis

Nota: Un mayor detalle de la recolección de los datos de estas variables intermedias y de su participación en la creación de algunas variables finales está en la

sección “Procedimientos de recolección de datos”.


35

De las tablas anteriores se puede inferir que esta tesis presenta cuatro variables finales.

La principal variable de interés es la de las exportaciones tradicionales peruanas (EXPT),

la cual es la variable dependiente de la tesis y será explicada por tres determinantes

propuestos: El producto bruto interno real de China (GDPRCH), el tipo de cambio real sol-

yuan (TCRSY) y el precio internacional del cobre (PCOB). Estos tres determinantes

propuestos son factores macroeconómicos externos por lo que se puede inferir que las

exportaciones tradicionales peruanas son mayormente impactadas por como se mueve

las economías del resto del mundo (principalmente de China, hoy una economía con gran

relevancia en el desarrollo de mercados emergentes como el del cobre peruano) y por

como fluctúa el mercado internacional mismo (los diferentes productores y demandantes

del cobre a nivel mundial, los cuales determinan por interacción el precio de este

commodity).

En las siguientes secciones se explicará detalladamente como fueron recolectadas y

elaboradas las variables intermedias y finales, además del como serán calibradas y

utilizadas para la posterior estimación del modelo econométrico de la tesis.

7. Muestra

En la presente sección se especificará la definición y la estructura de la muestra de

investigación. Para ello, es preciso indicar que, debido a que esta tesis es una

investigación que emplea variables cuyos datos son extraídos de fuentes secundarias

(bases de datos públicas), la población y sus características (demográficas, económicas,

sociales, culturales, entre otras) son muy diferentes de definir en relación a estudios que

consideran la elaboración de encuestas.

Además, teniendo en cuenta el tipo de datos que se está utilizando en esta tesis (series

de tiempo), la definición de la muestra estará basada en el periodo de tiempo donde

existan datos disponibles de todas las variables finales. Esto también tiene fundamento en

lo ya comentado en la sección “Justificación de la investigación”, donde se advirtió que la

muestra podría ser claramente afectada por la limitada disponibilidad de datos históricos,

los cuales presentan diferentes rangos de tiempo para cada una de las variables

escogidas.

36

Habiendo explicado todo lo anterior, se procede con la definición y estructura de la

muestra de investigación.

7.1. Definición de la muestra.

La muestra de esta investigación se define como:

“Conjunto de variables macroeconómicas presentes en la economía peruana e

internacional, siendo estas variables medidas en periodos trimestrales y consideradas

durante el periodo de años de 2002 al 2016”.

7.2. Estructura de la muestra.

La muestra de investigación se ha establecido con una estructura única, teniendo un total

de 60 observaciones de las variables macroeconómicas escogidas de la economía

peruana e internacional.

8. Instrumentos de investigación

En la siguiente sección es preciso indicar que no se hizo una utilización directa de algún

instrumento de investigación para la recolección de datos y para la definición de la

muestra. Esto fue debido a que los datos de las variables macroeconómicas utilizadas

provienen de una fuente secundaria (bases de datos públicas de organismos nacionales e

internacionales) y además, estos organismos que presentan la información pública de las

variables (como el Banco Central de Reserva del Perú, el Banco Mundial, la Reserva

Federal, entre otros) sistematizan y ordenan la información que otras organizaciones más

específicas recolectan.

Para explicar lo anterior, retomemos el ejemplo del Banco Central de Reserva del Perú, el

cual presenta información agregada, sistematizada y ordenada de las exportaciones

tradicionales peruanas. Para ello, este organismo nacional puede requerir el pedido de los

montos de exportación de productos tradicionales de cada uno de los sectores

económicos donde estos productos están incluidos. En ese sentido, solicitará a cada una

de las grandes, medianas y pequeñas empresas mineras sus montos de exportación de

commodities mensual, o lo solicitará defrente a la cámara de comercio de Lima, el instituto

37

nacional de estadística e informática del Perú (INEI) o alguna institución que agrupe a

dichas empresas.

Bajo esa premisa, probablemente el banco central deberá hacer uso de instrumentos de

investigación (como cuestionarios donde las empresas o instituciones llenan sus montos

mensuales de exportaciones tradicionales) o también puede no requerirlo y únicamente

compactar la información, por lo que los organismos que originalmente recolectan la

información tal vez lo realicen.

Ya que es difícil tener acceso a las fichas técnicas de los instrumentos de investigación de

las fuentes de recolección originales, se ha optado por concluir que la formación de la

muestra de esta tesis no requirió el uso de instrumento de investigación alguno y

únicamente se limitó a la búsqueda de información secundaria (de fuentes públicas).

38

9. Procedimientos de recolección de datos

En la presente sección se detalla el procedimiento de recolección de todos los datos de la

muestra de esta tesis. Este proceso de recolección de datos fue una simple extracción de

data de la base de datos estadística del Banco Central de Reserva del Perú (BCRP),

Reserva Federal de Saint Louis (Fred St. Louis) y National Bureau of Statistics of China

(NBSC). De esta manera, se comenzó por extraer data de las variables de la presente

tesis.

La variable de exportaciones de productos tradicionales del Perú (EXPT) medidos en

millones de dólares (a valores free-on-board, FOB) fueron obtenidas del compendio

estadístico del Banco Central de Reserva del Perú. Estos datos estaban originalmente en

frecuencia mensual, desde enero de 2002 hasta diciembre de 2016. Para poder usar esta

variable en frecuencia trimestral, se realizó el cálculo del promedio ponderado de los

datos para los meses de cada trimestre de la muestra. Los pesos considerados para el

cálculo de cada promedio ponderado trimestral fueron igual al peso relativo de cada dato

mensual en la suma trimestral de los datos. Con todo ello, se obtuvieron datos

trimestrales de las exportaciones tradicionales peruanas para el periodo “Primer trimestre

de 2002 al cuarto trimestre de 2016”.

El producto bruto interno de China (GDPRCH), medido en billones de yuanes a precios

constantes del año 2010, fue construido a partir de las variables intermedias del producto

bruto interno de China trimestral a precios corrientes, obtenido de la Reserva Federal de

Saint Louis, y el deflactor del producto bruto interno de China con año base 2010,

obtenido del Banco Mundial. Es así que se procedió a dividir el producto bruto interno de

China a precios corrientes entre el deflactor del PBI chino, usando el valor

correspondiente del deflactor anual para los 4 trimestres de dicho año y luego multiplicarlo

por 100, obteniendo así la variable del producto bruto interno de China a precios

constantes del año 2010.

En el caso de la variable TCRSY (tipo de cambio real sol-yuan), este fue un tipo de

cambio bilateral creado a partir de un grupo de variables intermedias. El TCRSY equivale

al ratio del tipo de cambio nominal sol-dólar (TCNSD, según nuestra abreviatura

propuesta) y yuan-dólar (TCNYD), multiplicado por el ratio de los índices de precios de

China (IPCCH) y Perú (IPCP).

39

Las cuatro variables intermedias mencionadas en el párrafo anterior fueron recolectadas

de diferentes fuentes públicas: El TCNSD, el TCNYD y el IPCP fueron obtenidas de las

estadísticas históricas del banco central de reserva del Perú (BCRP), mientras que el

IPCCH fue obtenido de las estadísticas históricas de la reserva federal de Saint Louis

(Fred St. Louis).

Cabe indicar que los datos de estas cuatro variables intermedias estaban originalmente

en frecuencia mensual y además el IPCP estaba en valores índice con año base 2009,

mientras que el IPCP estaba con año base 2010. Para continuar con el cálculo del

TCRSY, se hizo el cambio de base del IPCP, pasándolo al año base 2010 mediante la

división de todos los datos mensuales de la variable entre el promedio aritmético simple

de los valores mensuales del IPCP del nuevo año base.

Luego de desarrollar dicho ajuste al IPCP, se calculó el TCRSY mensual siguiendo la

fórmula ya comentada, para luego hacer el cambio de frecuencia "mensual a trimestral"

mediante el cálculo del promedio ponderado de los datos para los meses de cada

trimestre de la muestra, de la misma forma en que se realizó para la variable de

exportaciones tradicionales peruanas (EXPT).

Por último, el precio internacional del cobre (PCOB) está expresado en centavos de dólar

por libra del mineral y fue obtenido del compendio estadístico del Banco Central de

Reserva del Perú (BCRP). Los datos obtenidos se presentan de manera mensual, por lo

cual también se hizo el cambio de frecuencia “mensual a trimestral” mediante el cálculo

del promedio ponderado de los datos para los meses de cada trimestre de la muestra.

40

10. Plan de análisis

En esta sección se detallará todo el procedimiento econométrico que se realizará con los

datos de las variables obtenidas a fin de estimar el modelo definitivo de la tesis. Además,

se hará algunas precisiones a las variables anteriormente definidas a fin de explicar el

porqué estas fueron elegidas para el modelo definitivo.

10.1. Explicación sobre la elección del producto minero cobre como principal

producto tradicional y de China como principal socio comercial.

Primero, es conveniente hacer una aclaración sobre la elección de los productos mineros

como el representante de todos los productos tradicionales que exporta Perú. Dentro de

los hechos estilizados comentados en la introducción de esta tesis, se comprobó que, en

promedio, la proporción de los productos tradicionales exportados por el Perú, de acuerdo

al tipo, se distribuye de la siguiente manera: Entre 50% y 60% para los productos mineros

(alcanzando el valor de 65% durante los últimos 12 años), entre 10% y 15% para el

producto de petróleo y derivados, entre 10% y 15% para los productos pesqueros (con un

porcentaje ligeramente menor en los últimos 12 años) y apenas 5% para los productos

agrícolas, según las estadísticas históricas del BCRP.

En ese sentido, una sospecha inicial es que los productos pesqueros y los agrícolas

tendrían muy poca significancia estadística para poder explicar el total de los productos

tradicionales exportados. Es decir, las variables de estos productos (como el precio

internacional de los pescados más importantes o de productos agrícolas como el maíz y el

trigo) no serían las variables adecuadas para considerarlas como factores que determinen

a las exportaciones tradicionales peruanas.

Para verificar esto, se llevó a cabo la inclusión de las variables “Precio internacional de la

harina de pescado” (el único precio internacional encontrado para el sector pesquero

porque no se encontró datos de precios de pescados como la anchoveta), “Precio

internacional del maíz” y “Precio internacional del trigo” (ambos para el sector agrícola) en

el modelo econométrico final de la tesis (un vector de cointegración). Los nombres cortos

de estas tres variables fueron PHP, PMAIZ y PTRIGO. De esta manera, se buscó

comprobar si dichos precios eran estadísticamente significativos en el modelo y si podían

generar mayor poder explicativo al mismo, como determinantes de las exportaciones

tradicionales.

41

Lamentablemente, no se obtuvo significancia estadística alguna, ni mayor poder

explicativo, al incluirlos en el modelo VEC final de la tesis. Por esa razón, no se incluyó a

estas variables en la presentación de los resultados de la tesis. Sin embargo, para fines

de conocimiento, se incluyó en los anexos de esta tesis una tabla resumen con los

resultados obtenidos al incluir estas variables del sector pesquero y agrícola en el modelo

VEC final.

Esto hizo que se decidiera considerar a los productos mineros como el representante más

idóneo para explicar el total de los productos tradicionales exportados por el Perú. De esta

manera, se obtendrán los determinantes más importantes de las exportaciones

tradicionales peruanas y los resultados finales más precisos (el fenómeno de

cointegración, el análisis de las funciones impulso – respuesta, entre otros).

Ahora, una aclaración también será hecha respecto a la elección de China como el

principal socio comercial que tiene Perú para explicar las variaciones trimestrales de sus

exportaciones tradicionales. Primero, es preciso indicar que se verificó quiénes eran los

principales socios comerciales del Perú para sus productos exportados por tipo (mineros,

agrícolas, pesqueros y petróleo – derivados) así como en agregado. Se pudo comprobar

que durante los últimos 25 años el panorama de los socios comerciales es el siguiente: En

1991, Estados Unidos era el principal destino de nuestras exportaciones (tradicionales y

no tradicionales) con un 26.8%, mientras que China solo alcanzaba el 5.7%. y no era el

segundo destino de exportaciones ya que ese puesto lo ocupaba con Alemania con 6.6%.

Para el año 2010, el escenario cambió considerablemente. China pasó a ser el principal

destino del total de exportaciones peruanas con un 18%, mientras que Estados Unidos

ahora era el segundo destino principal con un cercano 15.8%. Alemania, anterior destino

importante de nuestras exportaciones, quedó bastante relegado con un 4.4%, por lo que

se puede asegurar que hay una gran bipolaridad en nuestros principales destinos

comerciales (Winkelried y Saldarriaga, 2012).

Asimismo, el fortalecimiento de China y Estados Unidos como principales socios

comerciales también puede haber sido causado por los respectivos tratados de libre

comercio (TLC) que estos países firmaron con el Perú y entrados en vigencia desde 2010

y 2009, respectivamente. Si bien en esta tesis no se buscará con detalle si estos acuerdos

han expandido en gran cantidad las exportaciones tradicionales, sí se comprobará si han

causado un impacto significativo en sus variaciones trimestrales. La verificación del

42

impacto del TLC del país o países destino elegidos en las exportaciones tradicionales se

hará en el capítulo de “Resultados”.

Continuando con el argumento de la elección de China sobre Estados Unidos como

principal país destino, se pasará a explicar esto mediante la evolución de las

exportaciones reales (es decir, considerando un determinado año base), tanto totales

como divididas por tipo (tradicional y no tradicional).

Figura 4

Exportación real, según país de destino

(En millones de dólares americanos de 2007)

Fuente: Superintendencia nacional de aduanas y administración tributaria (SUNAT) y el instituto nacional de

estadística e informática (INEI). Tomado del informe técnico No. 2 – Febrero 2018 del INEI.

Del gráfico anterior se puede observar claramente que el valor de las exportaciones

peruanas a China ha sido casi un 50% mayor al de las exportaciones enviadas a Estados

Unidos. Además, a pesar que del año 2016 al 2017 ha habido una ligera reducción del

valor de las exportaciones peruanas a China, mientras que las exportaciones a EE.UU.

aumentaron su valor, la diferencia entre sus montos es aún demasiado favorable al país

asiático. E incluso los otros destinos importantes de las exportaciones peruanas (Japón,

Corea del Sur y España) están muy lejos del monto que alcanza China, por lo que

considerar más socios comerciales aparte de EE.UU. y China en el futuro modelo

econométrico de la tesis sería poco conveniente.

43

En lo que respecta al panorama actual de las exportaciones peruanas por tipo y según su

destino, las cifras de las exportaciones tradicionales nos siguen arrojando una gran

ventaja para el país de China con respecto a los Estados Unidos, como se ve en la

siguiente gráfica.

Figura 5

Exportación real, según país de destino y tipo de producto: Diciembre 2017

(Estructura porcentual)



Y es que como primera conclusión, se puede afirmar la clara supremacía del destino de

las exportaciones tradicionales peruanas: Estas van con una mayor proporción a China

(97.7% del total que se exportan hacia allá) que a Estados Unidos (45.8% del total

exportado a ese país). Teniendo en cuenta que actualmente las exportaciones a China

tienen un mayor valor monetario que las exportaciones a EE.UU. (ver figura 4), entonces

sus exportaciones tradicionales deben ser de lejos muchísimas más.

También es valioso notar que EE.UU. es el principal país destino de nuestras

exportaciones no tradicionales (manufacturas en general) debido a su alto porcentaje en

la carga exportada hacia allá (54.2% del total exportado, contra menos de 3% en China,

menos de 5% en Japón y 20% en España). Esto quiere decir que si buscamos considerar

variables macroeconómicas de Estados Unidos (Tasa de desempleo como proxy de su

PBI, tipo de cambio sol dólar, entre otros) como posibles determinantes de las

44

exportaciones tradicionales peruanas, estas no tendrían mucha significancia estadística al

incluirlas en el modelo econométrico de la tesis (VEC) ni tampoco generarían mucho

poder explicativo.

Incluso, países con alto porcentaje actual en las exportaciones tradicionales como Japón,

Corea del Sur y España, también podrían considerarse como importantes países destino y

usar sus variables macroeconómicas para explicar a las exportaciones tradicionales

peruanas. Sin embargo, su muy bajo valor en exportaciones con respecto a China

(apenas alcanzando el 25% del valor de la segunda) hace inviable su inclusión en el

futuro modelo econométrico de la tesis.

45

Por último, esta última gráfica también reflejará la gran ventaja que tiene China respecto a

Estados Unidos en los diferentes productos tradicionales exportados por el Perú.

Figura 6

Exportación FOB por país destino y por producto 2016 – 2017

(En millones de dólares americanos de 2007)



De este último cuadro se puede observar que Estados Unidos no es un gran receptor del

principal producto tradicional exportado por el Perú (el cobre) ya que no está dentro de la

lista de productos con mayor valor importados del Perú. Caso opuesto es el de países

destino con menor proporción del total (España, Corea del Sur y Japón) quienes tienen al

cobre como uno de sus principales productos importados de nuestro país pero

lamentablemente su monto importado es muchísimo menor al que realiza China (salvo

46

Japón, que importa aproximadamente un 12% del monto de cobre que importa el país

chino pero aun así es un monto muy pequeño).

Incluso se puede observar que China ha importado un gran monto de harina de pescado

entre el 2016 y 2017, así como de otros minerales ya mencionados anteriormente (como

el zinc y el plomo). Sin embargo, de nuevo este monto es mucho menor con respecto al

monto de cobre que el país asiático compra al Perú.

Todo lo anterior ha despejado las dudas de que China es el principal socio del Perú

actualmente (por encima de Estados Unidos). Además, ha permitido notar que China

también tiene una gran hegemonía en los productos tradicionales exportados por el Perú,

mientras que Estados Unidos mantiene el liderazgo en los productos no tradicionales

exportados por nuestro país. Con ello, tendría poco sentido usar variables

macroeconómicas de EE.UU. como posibles determinantes de las exportaciones

tradicionales peruanas por la poca o nula significancia estadística prevista.

Además, sería complicado usar la variable “tipo de cambio sol – dólar” (variable

macroeconómica de Estados Unidos) en un mismo modelo econométrico con el tipo de

cambio sol – yuan (variable macroeconómica de China creada artificialmente en esta

tesis). Ya que el segundo tipo de cambio fue creado usando a la primera, probablemente

exista un problema de multicolinealidad muy severa si se incluyen simultáneamente estas

variables. Esto reduce las posibilidades de usar variables macroeconómicas de Estados

Unidos en conjunto con las de China (definido como nuestro principal socio comercial

actual).

En todo caso, se hizo una prueba de incluir la tasa de desempleo de Estados Unidos

(como proxy de su PBI, debido a los problemas de endogeneidad advertidos en

investigaciones que usaron esta variable en modelos multivariados como el VAR), con el

nombre corto U, para considerar el impacto de este socio comercial en las variaciones

trimestrales de las exportaciones tradicionales peruanas, dentro del futuro modelo

econométrico de la tesis (VEC). Se pudo comprobar que esta variable no tuvo

significancia estadística individual en el modelo y no generó mayor poder explicativo a las

exportaciones tradicionales. Por esa razón, no se incluyó a esta variable macroeconómica

americana y se mantuvo a China como principal y único socio comercial considerado en el

modelo para el capítulo de “Resultados”. Si se desea revisar los resultados de esta

prueba, estos se encuentran en los anexos como una tabla resumen.

47

10.2. Tratamiento econométrico inicial a las variables de estudio.

Ahora, se dará una explicación detallada de cada una de las técnicas econométricas que

se usarán para calibrar las variables, de manera que estas se utilicen adecuadamente en

la estimación del modelo econométrico de la tesis.

Un primer tratamiento que se realiza a los datos es quitar el componente estacional que

presentan en algunos trimestres del año y que pueden formar un patrón continuo cada

año en los valores de la variable. Este proceso de retirar el componente estacional a los

datos se llama “desestacionalización” y se lleva a cabo generalmente dentro de los

paquetes estadísticos o econométricos luego de insertar los datos de las variables.

Para el caso de esta tesis, ninguna de las cuatro variables analizadas (EXPT, GDP,

TCRSY y PCOB) fue previamente desestacionalizada por las instituciones nacionales o

internacionales que recaban los datos de estas variables. Por lo tanto, la

desestacionalización de las series se realizó en el paquete econométrico EViews 9, donde

se llevó a cabo esto usando el método X-12-ARIMA, elaborado por la oficina de censos de

los Estados Unidos y considerado como el método convencional para realizar ajustes por

estacionalidad a los datos.

Un segundo tratamiento que se suele realizar a los datos de las variables es la

linealización o transformación logarítmica de estas, donde cada una es convertida a su

valor en logaritmos, de manera que se suavizan los valores de las series y se reduce la

escala (medida) de las variables. Otra ventaja de la transformación logarítmica es que

permite usar a todas las variables como si fuesen tasas de crecimiento (en el sentido

continuo) y en las estimaciones econométricas posteriores los estimadores (betas)

pueden ser interpretados como elasticidades o variaciones porcentuales de las

exportaciones tradicionales peruanas ante el aumento de 1% en el valor de uno de sus

determinantes, manteniendo constante el efecto de las demás variables.

Sin embargo, luego de realizar esta transformación logarítmica a las variables y usarlas

en el posterior análisis econométrico, se decidió no considerar la toma de logaritmos a las

variables de estudio ya que no era lo más conveniente para los resultados. La primera

razón es que los logaritmos afectaron seriamente el análisis de estacionariedad de las

cuatro series, en muchos casos cambiando el resultado de estacionariedad esperado. Es

decir, los resultados de algunas variables en logaritmos concluían que estas eran series

48

integradas de orden cero (estacionarias en niveles), mientras que sin logaritmos

resultaban ser series integradas de orden uno (no estacionarias en niveles pero sí en

primera diferencia). En consecuencia, el análisis de cointegración con las series en

logaritmos podría haber sido erróneo también y afectado muchos más resultados.

Otra razón encontrada fue que los logaritmos generaron un problema en la estimación

econométrica, ya que el fundamento de aplicación del logaritmo a las variables no era

muy creíble. Esto es debido a que la transformación logarítmica se suele usar en modelos

que presentan no linealidad en parámetros (por ejemplo, modelos neoclásicos del tipo

Cobb-Douglas) con una justificación económica clara. De esta manera, los logaritmos

permiten expresar modelos como ese en términos completamente lineales, facilitando su

estimación y eliminando problemas econométricos adyacentes a las características del

modelo no lineal (como heteroscedasticidad). Como esa no linealidad no se presenta en

el modelo de esta tesis, se decidió no considerar la transformación logarítmica a las

variables y proceder con otros tratamientos adicionales a los datos.

Un tercer tratamiento que se realizó a las variables fue el retiro de la tendencia

determinística (tendencia lineal) que alguna de estas presentaban. Por ello, primero se

verificó cuáles de estas series presentaban dicha tendencia lineal significativa, a través de

la inspección de la gráfica simple de cada serie. Aquí se detectó la tendencia lineal

significativa en solo una de las cuatro variables: “Producto bruto interno real de China”

(GDPRCH).

Luego, lo anterior se verificó estimando una regresión lineal simple para la variable

mencionada, donde GDPRCH estaba en función de una tendencia lineal ( ) que indica la

influencia del tiempo y además se incluyó un intercepto en dicha regresión. Los resultados

de dicha estimación confirmaron la alta significancia del tiempo en GDPRCH, ya que esa

regresión presentaba un valor de R^2 mayor a 0.80 y el t-estadístico para la variable t era

significativo al nivel de 0.01. En consecuencia, de dicha regresión estimada se extrajo los

residuales y estos pasaron a ser el valor de la variable GDPRCH sin la presencia de una

tendencia lineal. El proceso anterior es llamado detrending (retiro de la tendencia lineal a

una serie) y se suele llevar a cabo cuando se trabaja con series de tiempo en periodos

largos (mayores a 10 años, al menos).

Luego de quitar el componente tendencial a GDPRCH, a esta variable se le aumentó en

su nombre corto el sufijo “_UT” que indica untrended (sin tendencia lineal). Esta serie se

49

usará en conjunto con las que inicialmente no tenían tendencia (EXPT, TCRSY y PCOB)

para el posterior análisis econométrico (estacionariedad, causalidad, cointegración y la

estimación del modelo econométrico final). En los anexos de la tesis se presentarán las

gráficas simples y las estadísticas descriptivas de todas las series desestacionalizadas y

sin que estas contengan el componente de tendencia lineal.

10.3. La metodología econométrica a usar y el modelo de investigación.

El modelo que se plantea estimar en esta tesis es un VEC (vector de corrección del error)

entre todas las series macroeconómicas consideradas. Este VEC tiene un único requisito:

Que todas las series bajo estudio sean integradas de orden uno (es decir, que sean no

estacionarias en niveles pero sí en primera diferencia). Esto es verificado a través del

análisis de cointegración entre las series y sí es que existe este fenómeno, el VEC

permite incluir dicho hallazgo y sus efectos dentro de un modelo multiecuacional.

Además de eso, el modelo VEC permitirá comprobar el impacto que tienen los

determinantes escogidos (PBI real chino, el tipo de cambio real sol – yuan y el precio

internacional del cobre) en las variaciones trimestrales de las exportaciones tradicionales

peruanas a través de análisis diferentes a los mostrados por la regresión lineal

convencional, y estos son la descomposición de la varianza (de las exportaciones

tradicionales) y de funciones de impulso-respuesta que muestran gráficamente como se

mueve las exportaciones ante shocks creados por las otras variables.

Entonces, una representación econométrica del modelo para esta tesis es el siguiente:

{

∑

∑

∑

∑

∑

∑

∑

∑

∑

∑

∑

∑

50

Donde:

El modelo VEC anteriormente presentado tiene la siguiente interpretación: Existirán

regresiones cointegrantes (donde tiene que ser menor al número de variables de

estudio) que representarán a todas las posibles relaciones de equilibrio de largo plazo (es

decir, toda relación matemática donde las variables que la componen tienden en el tiempo

a un valor promedio) que pudiesen existir entre combinaciones diferentes de series

integradas de orden uno (no estacionarias). La variable anterior puede ser cualquiera

de las variables del trabajo (EXPT, GDPRCH_UT, PCOB y TCRSY) y esta no puede

coincidir con la variable dependiente de la regresión cointegrante (la primera en el lado

derecho de cada ecuación).

Además, la variable independiente de la regresión cointegrante ( ) no tiene que repetirse

en cada regresión y tampoco tiene que ser la única variable independiente de esta ya que

las otras variables del estudio también podrían ser estadísticamente significativas en la

regresión, haciendo que sean añadidas a la especificación de dicha regresión

cointegrante. Por lo tanto, la especificación final de estas regresiones cointegrantes se

definirá luego de realizar el análisis de cointegración entre las series y estimar el modelo

VEC final de la tesis.

Cuando se encuentren todas las regresiones cointegrantes, cada una generará un término

de corrección del error ( ), o también llamado ECT, que corregirá las desviaciones de

corto plazo que pudiesen existir entre el grupo de variables dentro del VEC. Es decir, cada

ECT dirá cuánto porcentaje (igual a , donde refiere a la ecuación del VEC donde está

este ECT y refiere a la regresión cointegrante a la que pertenece) de la desviación

ocurrida un trimestre antes en la ecuación del VEC es corregida hoy (el trimestre actual)

por dicho término.

51

Es preciso indicar que cada regresión cointegrante considera a las series en su estado no

estacionario, mientras que el ECT de dicha regresión viene a ser el residual estimado de

esta. Para el caso del modelo VEC, las series estarán en su estado estacionario

(volviéndose estacionarias con la toma de su primera diferencia) y adicionalmente se

incluirá a los ECT de cada regresión cointegrante encontrada como variables regresoras

en cada ecuación del VEC.

Por último, todo VEC debe presentar una longitud de rezago (número óptimo de rezagos),

por lo que será necesario el cálculo del rezago óptimo del VEC con el uso de criterios de

información (Akaike o Schwarz, de preferencia). Este rezago óptimo se suele calcular al

momento de estimar un modelo VAR con las series en su estado no estacionario

(usándose dicho VAR únicamente para verificar la existencia de cointegración) y el

número de rezagos obtenido en dicho modelo debe mantenerse para la estimación del

modelo VEC final.

A pesar que el modelo VEC presenta muchas ecuaciones y regresiones cointegrantes que

podrían darnos resultados muy interesantes, solo son de mayor importancia la primera

ecuación del VEC y la primera regresión cointegrante, ya que estas consideran a las

exportaciones tradicionales peruanas como la variable dependiente del modelo. Estas dos

ecuaciones son las siguientes:

∑

∑

∑

Donde:

Esto quiere decir que nos enfocaremos en la regresión cointegrante que produzca una

relación de equilibrio de largo plazo entre las exportaciones tradicionales peruanas

( ) y sus posibles determinantes. En ese sentido, el ECT generado en dicha

regresión corregirá todas las desviaciones de corto plazo que se pudieran dar en los

valores de los determinantes de estas exportaciones, de manera que se mantenga dicha

relación de equilibrio en el tiempo.

Por último, con la ecuación del VEC que represente como variable dependiente a las

exportaciones tradicionales peruanas se podrá inferir como son afectadas estas ante

52

shocks (incrementos) producidos por sus determinantes, pudiendo ser incrementos o

reducciones trimestrales de su valor durante el tiempo en que el shock esté presente

hasta que desaparezca.

Ahora, el análisis de cointegración entre las series y la estimación del modelo VEC deben

ser antecedidas por un análisis de estacionariedad de las series. Por ello, se ha propuesto

el uso de tres pruebas econométricas: El test de Dickey-Fuller aumentado (ADF), el test

de Dickey-Fuller con data sin variables regresoras o untrended (DF-GLS) y el test de

Elliott-Rothenberg-Stock (ERS), los cuales serán utilizados conjuntamente para

comprobar si las series presentan reversión a la media. Este análisis de estacionariedad

será aplicado a las series desestacionalizadas y luego de que se les haya retirado la

tendencia lineal (el tratamiento previo a los datos, el cual ya se explicó). Asimismo, se

usará al menos una de las tres pruebas econométricas (el test ADF) en las series, si es

que estas presentan modelos auxiliares de la prueba sin ningún componente adicional

(como intercepto o tendencia).

Luego del análisis de estacionariedad, se procederá con la verificación de la causalidad

(poder explicativo autorregresivo) entre pares de series agrupadas. Por ello, se usará el

test de Granger para comprobar la existencia de causalidad. Además, en este

procedimiento se estimará el modelo VAR del par de series analizadas para determinar el

rezago óptimo del test de Granger.

Cabe indicar que la causalidad no es lo mismo que la correlación entre series sino algo

mucho más importante, debido a que puede existir correlación espuria que den resultados

sin interpretación económica adecuada. Por otro lado, la causalidad entre dos series

requiere que estas estén en estado estacionario (habiendo corregido la no

estacionariedad en caso exista). Por último, solo se verificará la relación de causalidad

unidireccional de los determinantes de las exportaciones tradicionales hacia estas y

viceversa. Otras posibles relaciones de causalidad entre pares de los determinantes

propuestos quedan descartadas del posterior análisis.

Terminado el análisis de causalidad entre las series, se procederá con el análisis de

cointegración. En este análisis se usará el test de Johansen, el cual verificará la existencia

de cointegración multiecuacional (aquella que suele ser común en el modelo VEC). Este

test suele usar dos subpruebas: El test de traza y el test de máximo autovalor, los cuales

permiten determinar el rango de la matriz (aquella matriz que posee los parámetros de

53

equilibrio de largo plazo entre las series) y que indicará si las series cointegran (se

mueven juntas) con el paso de los trimestres.

Ahora, habiendo comprobado la existencia de cointegración entre las series del estudio,

se procederá con la estimación del VEC y a este modelo se verificará los supuestos

clásicos de regresión lineal (principalmente, si el VEC presenta normalidad de los errores,

heteroscedasticidad y autocorrelación). Cierra el análisis econométrico del VEC la

estimación de las funciones impulso-respuesta y la descomposición de la varianza.

Por otro lado, en el presente trabajo también se considerará dentro del análisis del VEC la

posible existencia de quiebres estructurales en el periodo de la muestra (2002 – 2016). A

priori, la existencia de un quiebre estructural se pudo haber dado entre los años 2008 y

2010 (periodo que duró aproximadamente la crisis financiera mundial), cambiando

significativamente el valor de las exportaciones tradicionales peruanas. Por ello, luego de

obtener el modelo VEC estimado, se verificará la existencia de dicho quiebre estructural

con el uso de variables dummy para comprobar si hubo cambio en intercepto, pendiente o

en ambos (donde la variable explicativa afectada sería principalmente el PBI chino).

Por último, se hará una aclaración respecto al modelo econométrico elegido para esta

tesis (VEC). Trabajos como el de Shah, Abu y Sahlan (2013) indican que para un análisis

más preciso del impacto que generan los determinantes de las exportaciones (sean

tradicionales o no tradicionales) en las variaciones periódicas de estas últimas, es mucho

mejor el uso de modelos multiecuacionales como el VAR o VEC que corrigen el problema

de endogeneidad causado al emplear solo variables macroeconómicas.

En ese sentido, el VEC tiene una ventaja por encima de muchos modelos uniecuacionales

(como la regresión lineal) que se suelen usar cuando tienes data de series de tiempo.

Además, permite verificar la existencia de cointegración y añadirla al modelo, lo cual

también se puede realizar con un modelo uniecuacional como el modelo de corrección del

error (MCE) pero mantiene el problema de endogeneidad ya comentado. Entonces,

debido a su practicidad y mejor tratamiento con variables macroeconómicas, el VEC

termina siendo el modelo idóneo para encontrar los determinantes de las exportaciones


Cabe indicar que modelos como los de data panel también fueron descartados. Primero,

no existe una encuesta panel lo suficientemente grande para un análisis cuantitativo

54

adecuado de los datos. Segundo, verificar la existencia de cointegración en modelos de

datos panel hubiese requerido realizar estimaciones en paquetes estadísticos mucho más

sofisticados, dejando de lado el que se está usando en el trabajo (EViews 9). En

consecuencia, el VEC se mantuvo como el modelo más conveniente para la tesis.

55

Capítulo III: Resultados

En el presente capítulo se muestra y detalla la evidencia obtenida a partir del uso del

modelo econométrico propuesto (vector de cointegración) y de procedimientos

econométricos adyacentes (estacionariedad, causalidad, cointegración, descomposición

de la varianza y funciones de impulso respuesta, entre otros) que permitirán verificar si las

hipótesis planteadas en esta investigación respecto a la existencia de determinantes de

las exportaciones tradicionales y de una relación de equilibrio de largo plazo entre estas

variables se cumplen.

Además, también se podrá realizar una discusión de dichos resultados, de manera que se

encuentren implicancias económicas en el presente análisis econométrico y estas se

traduzcan en enriquecedoras conclusiones y recomendaciones para los hacedores de

política sobre como tratar el tema de los factores externos que determinan a las

exportaciones tradicionales peruanas.

11. Presentación de resultados

En la presente sección se explicarán los resultados obtenidos luego de haber realizado

todas las estimaciones de modelos y test econométricos mencionados en el plan de

análisis. Hay que tener en cuenta que previamente se desestacionalizaron todas las

series en el software econométrico EViews 9 usando el método Census ARIMA X12, uno

de los métodos más comunes para quitar el componente estacional a los datos.

11.1. Análisis econométrico a las series y estimación del modelo de investigación

(VEC).

Se procedió a verificar si cada una de las series era estacionaria o no, es decir, si

presentaba en su trayectoria de tiempo (sus datos en cada periodo trimestral) una

reversión hacia su media. Esto significa que se busca que las series tengan una media

constante y una varianza constante (concepto de estacionariedad débil). Por esa razón,

se inicia presentando en la siguiente tabla los resultados de las pruebas de

estacionariedad univariadas llevadas a cabo a las siete series analizadas.

56

Tabla 3

VERIFICACIÓN DE LA ESTACIONARIEDAD DE LAS SERIES

CON PRUEBAS UNIVARIADAS – PARTE 1

Serie Test ADF Test DF-GLS Test ERS Conclusión

Componente del

modelo auxiliar Intercepto Intercepto Intercepto

es ( ), es

decir, una serie no

estacionaria.

Rezago óptimo de la

prueba 0 0 0

Estadístico de prueba -1.6200 -0.2955 51.0525

Orden de integración ( ) ( ) ( )

Componente del

modelo auxiliar Ninguno - -

es ( ), es

decir, una serie no

estacionaria.


prueba 14 - -

Estadístico de prueba -1.3106 - -

Orden de integración ( ) - -

Nota:

* Denota significancia al 10%. ** Denota significancia al 5%. *** Denota significancia al 1%.

1) ADF: Test de estacionariedad de Dickey-Fuller aumentado. DF-GLS: Test de raíz unitaria de Dickey-Fuller

considerando la técnica de estimación de mínimos cuadrados generalizados a los residuales sin el

componente de tendencia (GLS). ERS: Test de estacionariedad de Elliott-Rothenberg-Stock.

2) Las tres pruebas de estacionariedad univariadas consideraron como criterio de información al Akaike

modificado (MAIC), mientras que también consideraron un número máximo de rezagos igual a 14.

3) El test de estacionariedad ERS usó como método de estimación espectral el de mínimos cuadrados

ordinarios autorregresivo espectral (AR spectral OLS, por sus siglas en inglés).

Fuente: Elaboración propia con resultados de EViews 9

57

Tabla 4

VERIFICACIÓN DE LA ESTACIONARIEDAD DE LAS SERIES

CON PRUEBAS UNIVARIADAS – PARTE 2

Serie Test ADF Test DF-GLS Test ERS Conclusión

Componente del

modelo auxiliar Ninguno - -

es

( ), es decir, una

serie no

estacionaria.


prueba 0 - -

Estadístico de prueba -2.1579** - -

Orden de integración ( ) - -

Componente del

modelo auxiliar Intercepto Intercepto Intercepto

es ( ), es

decir, una serie

estacionaria.


prueba 0 1 0

Estadístico de prueba -1.8843 -1.2503 24.8167

Orden de integración ( ) ( ) ( )

Nota:


1) ADF: Test de estacionariedad de Dickey-Fuller aumentado. DF-GLS: Test de raíz unitaria de Dickey-Fuller

considerando la técnica de estimación de mínimos cuadrados generalizados a los residuales sin el

componente de tendencia (GLS). ERS: Test de estacionariedad de Elliott-Rothenberg-Stock.

2) Las tres pruebas de estacionariedad univariadas consideraron como criterio de información al Akaike

modificado (MAIC), mientras que también consideraron un número máximo de rezagos igual a 14.

3) El test de estacionariedad ERS usó como método de estimación espectral el de mínimos cuadrados

ordinarios autorregresivo espectral (AR spectral OLS, por sus siglas en inglés).

4) Debido a la presencia de una tendencia determinística (tendencia lineal) en la serie , se procedió

al retiro de la tendencia lineal (detrending) a la serie mediante la estimación de la siguiente regresión lineal

simple: donde refiere a la serie que incluye a la tendencia lineal y es dicha tendencia.

En consecuencia, el residual estimado de dicha regresión ( ) representará a la serie sin la tendencia lineal y,

por ende, esta es la serie que se debe usar para el análisis de estacionariedad (y el análisis econométrico

posterior) de . Finalmente, la serie sin tendencia tendrá el sufijo “ ” en el nombre de la serie.


De las dos tablas anteriores se concluye sin ambigüedad que las series y no

presentan reversión a la media en niveles, es decir, no tienen una media ni varianza

constante, lo cual las hace series no estacionarias en niveles. Sobre la situación de las

dos variables restantes ( y ) su situación es algo particular ya que el

58

único test de estacionariedad con el que se evaluó a estas series fue el DFA (Dickey-

Fuller aumentado) y sus resultados fueron contradictorios a lo que se esperaba.

Primero, es preciso aclarar que solo se usó este test para las dos series debido a que

según la revisión de sus gráficas, estas parecen no presentar un intercepto claramente

definido. Esto hace inviable usar los tests DF-GLS y ERS ya que estos solo se usan si hay

certeza de que la serie presenta un intercepto estadísticamente significativo. Sin embargo,

el test DFA presenta un modelo auxiliar que no incluye intercepto, por lo que se optó

como el test adecuado para verificar la estacionariedad en estas series.

Ahora, para el caso de , el test DFA arrojó el resultado de que la serie sería

estacionaria en niveles (con una significancia del 5%). Sin embargo, revisando la gráfica

de la serie en niveles, se puede observar que la serie no presenta reversión a la media

(en este caso, igual a cero) en la mayoría de los trimestres del periodo de muestra

considerado. Por lo tanto, a pesar de la significancia del test DFA al 5% (permitiendo

concluir que la serie sea estacionaria), de acuerdo al análisis gráfico, lo

contrario es mucho más probable a ser cierto (que la serie no sea estacionaria). Esto hace

que optemos por la segunda opción (la serie no es estacionaria en niveles).

En tanto que para el caso de , el test DFA arrojó el resultado de que la serie no era

estacionaria en niveles, lo cual hacía suponer que la serie era ( ). Sin embargo, al

tomarle la primera diferencia a la serie (volviéndola ( )), el test DFA

arrojó nuevamente el resultado de que la serie no era estacionaria (resultado no puesto

en la tabla), llevando a la pregunta de si era correcto o no trabajar con la serie y si esta

tenía un orden de integración mayor a uno.

Entonces, revisando la gráfica de la serie en primera diferencia, se puede

observar que la serie presenta reversión a la media (en este caso, igual a cero) en

prácticamente todo el periodo de muestra considerado. Por lo tanto, a pesar de la no

significancia del test DFA (permitiendo concluir que la serie no sea estacionaria),

de acuerdo al análisis gráfico, lo contrario es mucho más probable a ser cierto (que la

serie sea estacionaria). Esto hace que optemos por la segunda opción (concluyendo que

la serie en niveles es estacionaria en primera diferencia).

Por lo tanto, solo para dos series (de un total de siete) se tuvo que recurrir a la gráfica de

las series para decidir, fuera de los resultados de los tests de estacionariedad, si las

59

series presentaban reversión a la media o no, sea en niveles o en primera diferencia. Y ya

que se concluyó que las series y son no estacionarias, todas las

series consideradas en esta investigación son integradas de orden uno, reforzando la

sospecha de que podría existir cointegración entre las series y, muy probablemente, se

pueda obtener una relación de equilibrio de largo plazo entre estas.

Ahora, se procede con el siguiente análisis econométrico de los datos: La verificación de

la causalidad entre las series. Ya que las exportaciones tradicionales ( ) fueron

consideradas en secciones anteriores como la variable dependiente del modelo

econométrico a estimar, intuitivamente se infiere que se buscará saber si las otras seis

series (las variables independientes o explicativas) causan en sentido Granger a las

exportaciones. Por ende, relaciones de causalidad entre pares de las variables

independientes quedan descartadas del análisis.

Como paso final, es preciso indicar que el test de causalidad de Granger requiere que

todas las series consideradas para el análisis sean estacionarias. En consecuencia, como

todas las series de la tesis son no estacionarias (de acuerdo a los resultados de los tests

de estacionariedad de las dos tablas anteriores), entonces todas las series bajo estudio

deben ser transformadas en series estacionarias vía la toma de la primera diferencia. Por

ello, todas las series presentan al inicio de su nombre corto la letra “D” que indica que se

tomó la primera diferencia de la serie (es decir, ( ).

Ahora sí, se presenta en la siguiente tabla los resultados de la verificación de causalidad

entre las series de tiempo bajo estudio.

60

Tabla 5

VERIFICACIÓN DE LA CAUSALIDAD ENTRE LAS SERIES DE DATOS

N° Relación de causalidad

Rezago

óptimo de

la prueba

Estadístico

F Conclusión

1 → 10 3.3095***

→

2 → 10 1.2544

→

3 → 14 1.6269

→

4 → 14 0.7754

→

5 → 14 1.1378

→

6 → 14 0.9578

→

Nota:


1) El análisis de la causalidad entre cada par de series se realizó con estas en su forma estacionaria. Es

decir, si las series eran ( ) per se, entonces no fueron transformadas en absoluto; mientras que si las series

eran ( ), entonces estas fueron transformadas en series estacionarias ( ) mediante la primera toma de

diferencias.


De todas las relaciones de causalidad analizadas en la siguiente tabla, solo una presenta

significancia estadística: La relación donde el PBI real de China causa en sentido Granger

a las exportaciones tradicionales peruanas. Esto es un resultado alentador a pesar que

las otras dos variables explicativas no causan a las exportaciones y es porque uno de los

objetivos de la presente tesis es determinar como son impactadas las exportaciones (o

como reaccionan estas) ante shocks principalmente externos (aumentos de las variables

explicativas), siendo el shock causado por la actividad económica china el más grande de

todos los considerados.

Asimismo, es preciso indicar que para llevar a cabo el test de causalidad de Granger, la

elección del rezago óptimo de la prueba se hizo en base al rezago óptimo del VAR

bivariado que se estima con las dos variables de la relación de causalidad bajo análisis.

En ese sentido, se agrupó cada variable explicativa con las exportaciones tradicionales

peruanas en pares, estimando un VAR con ellas y luego hallando el rezago óptimo

mediante el criterio de selección de rezago del VAR, el cual se hizo en base al valor

mínimo del criterio de información de Akaike (AIC).

61

Siguiendo esa línea, algo particular fue que las series de precios de los commodities oro,

zinc y plata arrojaban como rezago óptimo del VAR el número cero “0” (teniendo que

definir como rezago óptimo al primer rezago, para así llevar a cabo el test de Granger con

estas series), dando a entender que cada uno de estos precios no se podría estimar

conjuntamente con las exportaciones tradicionales usando los rezagos de ambas

variables. Esto también sugeriría que en caso se dé un modelo VAR o VEC como modelo

econométrico final para esta tesis, muy probablemente estas tres series de precios no

deberían ser incluidas en la especificación final, reduciendo el número de variables bajo

análisis. En todo caso, este hecho se comprobará luego de verificar la cointegración

multiecuacional entre las series o incluso en la estimación del modelo final mismo.

Ahora, como se dijo anteriormente, la conclusión de que las cuatro variables bajo estudio

son series no estacionarias (específicamente, integradas de orden uno), la posibilidad de

que estas cointegren es bastante grande. Es decir, puede que la combinación lineal entre

las exportaciones tradicionales peruanas junto con sus posibles determinantes

considerados en esta tesis genere una serie que sí sería estacionaria y esta sería el error

obtenido de la regresión entre estas. Por lo tanto, el análisis de cointegración busca

determinar aquella ecuación o regresión cointegrante que al estimarla permita el cálculo

de un término de corrección del error (error estacionario), el cual ajustará todas las

posibles desviaciones de las variables en el corto plazo, de manera que estas pueden

llegar a sus valores de equilibrio en el largo plazo.

Lo anterior fue la tradicional definición de cointegración entre un par o grupo de series,

como bien lo definieron Engle y Granger (1987). Sin embargo, el presente análisis de

cointegración tiene un enfoque multivariado que fue muy bien desarrollado por Johansen

y Juselius (1991), a partir del cual se pretende verificar la existencia de cointegración

entre muchas series endógenas mediante dos tipos de tests: El de traza y el del máximo

autovalor. Con ambos se obtendrá el número posible de regresiones cointegrantes

existentes a partir del rango de la matriz (matriz de las series en el largo plazo).

Por lo tanto, en la siguiente tabla se presenta los resultados del test de cointegración de

Johansen para el modelo planteado en secciones anteriores pero con las series no

estacionarias.

62

Tabla 6

VERIFICACIÓN DE LA COINTEGRACIÓN MULTIECUACIONAL

CON EL TEST DE JOHANSEN

Modelo Test de Traza Test de Máximo Autovalor

MAP 2 MAP 3 MAP 2 MAP 3

VAR 1

Rango de 3 1 Rango de 1 1

Conclusión

Todas las

series son

( ), hay 3

reg. coint.

Todas las

series son

( ), hay 1

reg. coint.

Conclusión

Todas las

series son

( ), hay 1

reg. coint.

Todas las

series son

( ), hay 1

reg. coint.

Nota:

1) MAP: Modelo auxiliar de la prueba de cointegración de Johansen.

2) VAR 1 equivale al modelo VAR estimado (con las series no estacionarias) de la siguiente manera:

EXPT = f(GDPRCH_UT, PCOB y TCRSY).


De la tabla anterior se puede comentar lo siguiente. Primero se consideró como modelo

VAR con las series no estacionarias a aquel que incluía a todas las variables bajo estudio

(las cuatro variables), a partir del cual se verificaría la existencia o no de una relación de

equilibrio de largo plazo. Y este modelo VAR 1 (aquel con las series no estacionarias

, , y ) sí evidenció la presencia de cointegración entre las

series, obteniendo resultados más convincentes con el modelo auxiliar 3 del test de

Johansen que con el modelo auxiliar 2. En ese sentido, se encontró una única regresión

cointegrante entre las series tanto con el test de traza como con el test de máximo

autovalor (es decir, el rango de fue igual a uno).

Esto quiere decir que sí existe una relación de equilibrio de largo plazo entre las variables

mencionadas y toda desviación de este equilibrio puede ser ajustada mediante un término

de corrección del error (que se estima a partir de dicha regresión cointegrante). Además,

el modelo final a estimar debe ser un VEC tetravariado con las cuatro variables

mencionadas antes y que el modelo auxiliar del VEC (el que se usará para la regresión

cointegrante) debe ser el modelo auxiliar tipo 3 del test de Johansen.

63

Con todo ello, se presenta la especificación del modelo VEC a estimar:

{

∑

∑

∑

∑

∑

∑

∑

∑

Donde:

Dado que el rezago óptimo del VEC estimado es demasiado grande (igual a 5, según el

criterio de información de Akaike), entonces no se puede mostrar el valor de todos los

coeficientes estimados en dicho modelo. En consecuencia, se hablará de algunos de ellos

y se presentarán los resultados de la descomposición de varianza y las funciones impulso

– respuesta de este VEC.

Además de lo anterior, también se hace énfasis en el gran impacto que pueden tener los

quiebres estructurales dentro del modelo VEC estimado. Estos quiebres estructurales

pueden representar grandes cambios en el valor de las exportaciones tradicionales,

principalmente generados por acontecimientos económicos de relevancia mundial como

fue la crisis financiera del año 2008 – 2010 (periodo que está dentro de nuestra muestra

de investigación) o por determinadas políticas del país o de los países con un interés en

nuestras exportaciones. En ese sentido, un tratado de libre comercio (TLC) entre Perú y

China (definido como el principal socio comercial de nuestro país) puede también cambiar

significativamente la evolución de las exportaciones tradicionales y, por ello, es necesario

incorporar estos efectos en el presente modelo.

Para ello, se mostrará la significancia estadística individual y global de dos variables

dummy incluidas en el modelo VEC anterior. La primera es la variable CRISIS la cual es

una dummy del tipo one-time (impacto de un periodo) y quiere decir que redujo el valor de

las exportaciones tradicionales peruanas en un periodo particular. El periodo elegido es el

64

cuarto trimestre de 2007, que es donde aproximadamente se encuentra el inicio de la

crisis financiera a nivel mundial (octubre de ese año) aunque es preciso indicar que para

fines empíricos, se consideró al año 2008 como el del inicio de la crisis. Además, este

impacto debe considerarse temporal debido a que se hace el supuesto de que el patrón

temporal de las exportaciones tradicionales regresa a su valor promedio en los trimestres

posteriores, hasta el final de la muestra considerada.

La segunda variable dummy se llamará TLC y es una variable del tipo intercept-break

(cambio en el intercepto). Esta dummy, a diferencia de la primera, debió tener un efecto

positivo permanente desde el periodo en que comienza a generar un impacto en las

exportaciones tradicionales. Para este caso, se ha elegido como dicha fecha al segundo

trimestre del año 2010 porque es el periodo donde aproximadamente ocurrió la entrada en

vigor de dicho acuerdo y este se mantiene hasta la fecha. Por lo tanto, el impacto de esta

dummy se considera hasta el final de la muestra.

Habiendo explicado como funcionarán dichas variables dummy en el modelo final de la

tesis, en la siguiente tabla se verifica la significancia estadística individual y global de

dichas dummies en la ecuación de mayor importancia del VEC, la primera ecuación que

utiliza a las exportaciones tradicionales como la variable dependiente y a las demás como

sus determinantes. Esta significancia estadística se comprueba con las convencionales

pruebas t y F, respectivamente.

Tabla 7

VERIFICACIÓN DE LA EXISTENCIA DE QUIEBRES ESTRUCTURALES EN EL MODELO VEC FINAL

Ecuación del VEC analizada:

∑

∑

Variable Coeficiente t-estadístico

CRISIS -0.163 2.731***

TLC 0.146 3.066***

F-estadístico conjunto de las dos variables 4.305***

Nota:



65

De la tabla anterior se puede concluir que ambas variables dummy son significativas

(tanto de manera individual como conjunta) en la ecuación del VEC que refiere a las

exportaciones tradicionales peruanas. Esto quiere decir que estas variables sí

representan adecuadamente quiebres estructurales en el valor de las exportaciones de la

última década, sea bien por un panorama económico adverso como es una crisis

financiera mundial (que generó una reducción promedio de las exportaciones en 16.3%

durante el inicio de la crisis), o por políticas comerciales conjuntas entre los socios como

lo es el TLC Perú – China (que aumentó en promedio las exportaciones en 14.6% desde

su entrada en vigencia allá por 2010). Por ello, ambas dummies serán mantenidas en el

modelo VEC final de la tesis.

Ahora se procede a analizar la descomposición de la varianza y la función impulso –

respuesta del modelo VEC final. Cabe indicar que solo es relevante los resultados

respecto a la primera ecuación del VEC, donde las exportaciones tradicionales peruanas

son explicadas por sus propios rezagos, los rezagos del PBI real chino, los rezagos del

precio internacional del cobre y los rezagos del tipo de cambio real sol-yuan.

66

Entonces, los resultados de la descomposición de la varianza para esta ecuación se

aprecian en el siguiente gráfico.

Figura 7

0

20

40

60

80

100

1 2 3 4 5 6 7 8 9 10

EXPT GDPRCH_UT

PCOB TCRSY

Descomposición de la varianza de EXPT

en función de sus determinantes

Va

lore

s p

orc

en

tua

les

Periodos (trimestres)


De la figura anterior se puede ver claramente que desviaciones de corto plazo de las

exportaciones tradicionales son, en promedio, explicadas en 95% por la misma variable,

mientras que el 5% restante es explicado en conjunto por las otras tres variables

consideradas. Esto contrasta enormemente con la cointegración existente entre las

variables, aunque puede ser que las desviaciones sean tan grandes en el corto plazo que

no puedan ser capturadas por las desviaciones o variaciones del PBI real chino, del precio

internacional del cobre o del tipo de cambio real sol-yuan, mientras que en el largo plazo

el tamaño de estas desviaciones es muchísimo más pequeño y las variables explicativas

(los rezagos de , y ) las pueden capturar de manera más

sencilla y en un mayor porcentaje.

67

Ahora, con respecto a las gráficas de las funciones impulso – respuesta de este VEC

tetravariado estimado, estas se aprecian en las siguientes tres figuras:

Figura 8

-80

-40

0

40

80

1 2 3 4 5 6 7 8 9 10

Función de Impulso - Respuesta

Respuesta de EXPT ante un shock de GDPRCH_UT


Valo

res

porc

entu

ale

s


Figura 9

-80

-40

0

40

80

1 2 3 4 5 6 7 8 9 10


Respuesta de EXPT ante un shock de PCOB


Valo

res

porc

entu

ale

s


68

Figura 10

-80

-40

0

40

80

1 2 3 4 5 6 7 8 9 10


Respuesta de EXPT ante un shock de TCRSY


Valo

res

porc

entu

ale

s


De las tres figuras anteriores se obtienen resultados bastante interesantes. Primero, ante

un shock externo creado por mayor actividad económica de China, las exportaciones

tradicionales sufren incrementos significativos (entre 5 y 40 millones de dólares) durante

máximo 5 trimestres, para pasar en los siguiente 5 trimestres a caídas por el mismo valor.

Esto quiere decir que el PBI real chino tiene un impacto positivo significativo en las

exportaciones tradicionales peruanas y con una duración relativamente larga. Con ello, las

predicciones de esta tesis coinciden con lo visto en muchos otros trabajos que determinan

los factores de impacto en las exportaciones, demostrando que el PBI extranjero (en el

caso de muchas pequeñas economías, representado a través del PBI chino) es un claro

determinante de la actividad comercial de un país.

Por otro lado, la respuesta de las exportaciones tradicionales peruanas a un shock

externo como es el incremento del precio internacional del cobre terminó siendo positivo

en apenas un periodo (luego de tres trimestres) y la reducción se mantiene en los demás

periodos (siendo en el décimo trimestre incluso cercana a 40 millones). Esto puede

deberse a que, ante tantos productores de cobre en el mundo que se disputan las

ganancias de un precio más alto por el mineral, la competencia es bastante ruda para

garantizar al demandante (en este caso China u otros países demandantes). En

69

consecuencia, las exportaciones tradicionales incrementan su valor en los primeros

meses y luego terminan con una reducción de este ante la falta de clientes que puedan

pagar ese mayor precio por el commodity.

Finalmente, tenemos la respuesta de las exportaciones tradicionales peruanas ante un

incremento del tipo de cambio real sol-yuan. Es preciso indicar que la moneda más débil

en este tipo de cambio bilateral es el yuan, por lo que un incremento de este tipo de

cambio significa una apreciación del sol respecto al yuan (o una depreciación del yuan

respecto al sol, donde cuesta más yuanes comprar un sol). Eso significa que la

interpretación será diferente a la que solemos usar cuando se compara nuestra moneda

contra el dólar: Un incremento del tipo de cambio real sol-yuan incrementa las

exportaciones chinas, mientras que paralelamente reduce las exportaciones peruanas.

Por lo tanto, de acuerdo a la gráfica de la función impulso-respuesta, el impacto tiene el

signo correcto: Ante un shock cambiario (depreciación del yuan respecto al sol, o un

incremento de este tipo de cambio bilateral), las exportaciones tradicionales peruanas ven

una reducción considerable en un monto o valor. A saber, entre el segundo y el décimo

trimestre después del shock cambiario, las pérdidas en el valor de las exportaciones

tradicionales se mantienen alrededor de 40 millones por trimestre.

Si bien esto es malo para nuestro país, uno puede darse cuenta que principios

económicos de la balanza comercial (como Marshall-Lerner) o la evidencia de la curva J

son claramente apreciables en esta función impulso-respuesta. Lo único que queda

esperar es una apreciación del yuan respecto al sol, de manera que el tipo de cambio real

entre estas monedas se reduzca y eso impulse las exportaciones tradicionales peruanas

con el socio comercial chino y muchos otros demás países.

11.2. Pronósticos con el modelo VEC final.

Lo último a presentar como resultados de esta tesis son los pronósticos que se pueden

obtener a partir del VEC final estimado. Para esto, se comprobará si estos pronósticos o

valores esperados de las exportaciones tradicionales peruanas se aproximan o no a los

valores reales de estas exportaciones tanto para observaciones dentro como fuera de la

muestra. Nuevamente, solo es de interés realizar los pronósticos de la ecuación 1 del

VEC ya que esta nos dará los valores esperados de las exportaciones tradicionales

peruanas.

70

La siguiente tabla muestra la comparación de los valores pronosticados con los valores

reales de las exportaciones tradicionales. Para el caso de los pronósticos dentro y fuera

de la muestra, se consideró como valores reales de las exportaciones a los obtenidos en

los periodos “Primer trimestre de 2016 – Cuarto trimestre de 2016” y “Primer trimestre de

2017 – Cuarto trimestre de 2017”, respectivamente.

Tabla 8

PROYECCIONES DE LAS EXPORTACIONES TRADICIONALES PERUANAS CON EL MODELO VEC

FINAL

Ecuación del VEC usada para la proyección:

∑

∑

Comparación dentro de la muestra

Trimestre Valor real de EXPT Valor proyectado de EXPT

2016 T1 1,774.03 1,725.11

2016 T2 1,979.08 1,903.89

2016 T3 2,379.78 2,299.43

2016 T4 2,619.74 2,578.07

Comparación fuera de la muestra

Trimestre Valor real de EXPT Valor proyectado de EXPT

2017 T1 2,519.14 2,448.90

2017 T2 2,616.15 2,600.55

2017 T3 2,936.79 2,889.01

2017 T4 3,047.65 2,997.33

Nota:

Los valores reales y proyectados de las exportaciones tradicionales (EXPT) están en millones de dólares a

valores free-on-board (FOB).


De la tabla anterior se puede observar que la ecuación del VEC de principal atención para

esta investigación (la ecuación 1) produce pronósticos de las exportaciones tradicionales

peruanas bastante certeros, con valores proyectados muy cercanos y ligeramente

menores a los valores reales en todos los casos.

Asimismo, es bastante notable que la comparación con datos dentro y fuera de la muestra

tengan resultados muy similares a los valores reales. Esto quiere decir que el error de

71

proyección es mínimo (de apenas el 1% aproximadamente), por lo que este modelo

multiecuacional elegido (VEC), con los determinantes escogidos y las variables dummy

utilizadas para considerar el quiebre estructural, es el modelo más adecuado para estimar

el comportamiento de las exportaciones tradicionales en el tiempo, así como el más

preciso para obtener valores esperados.

72

12. Discusión

En esta sección se corroborará si las hipótesis principal y específicas planteadas en esta

tesis se cumplieron mediante la verificación del rechazo o no de sus respectivas hipótesis

nulas. Además, de dichas verificaciones se extraerán y explicarán ideas importantes que

ayudarán a realizar las posteriores conclusiones y recomendaciones de la presente

investigación.

Primero, se logró obtener evidencia de cointegración en el modelo VAR con series no

estacionarias propuesto (VAR 1), entonces la hipótesis nula de la hipótesis principal debe

ser rechazada, con lo cual se comprueba que existe una relación de equilibrio de largo

plazo entre las exportaciones tradicionales peruanas y sus determinantes, para el periodo

de investigación (2002 – 2016). Este resultado es importante porque indica que, bajo las

políticas económicas actuales llevadas a cabo tanto por Perú como por China (así como

bajo las políticas comerciales que existen entre estas), la evolución de las exportaciones

tradicionales peruanas llega a un promedio común con la evolución del PBI chino, el

precio internacional del cobre y el tipo de cambio real bilateral entre los países.

Además, lo anterior también indica la dependencia de nuestras exportaciones

tradicionales de solo factores externos, por lo que factores internos como el nivel de

productividad de los sectores que aportan productos a la exportación, el nivel tecnológico

de dichas industrias, entre otros, no aportan poder explicativo a dichas exportaciones.

Esto bien podría ser por la naturaleza de las exportaciones tradicionales (en su mayoría,

de materia prima que no requiere mayor perfeccionamiento del producto para la venta) o

bien se debería al gran alcance que tienen las políticas y variables macroeconómicas

(como PBI extranjeros, precios internacionales y tipos de cambio) a la hora de determinar

las variaciones de las exportaciones.

En relación a las hipótesis específicas restantes, no se rechazó la hipótesis nula en las

hipótesis 1 y 3, mientras que se rechazó dicha hipótesis para la número 2. Sobre los

resultados positivos (aquellos donde la función de impulso – respuesta mostró

incrementos en las exportaciones tradicionales peruanas), se pudo encontrar el hecho

más esperado en la presente tesis: Que aumentos del producto bruto interno de China

( ) genera un mayor valor en las exportaciones tradicionales, alcanzando un

valor promedio de 40 millones de dólares de incremento hasta 4 trimestres después de

ocurrido el shock externo. Si bien se esperaba que este shock tuviera una mayor duración

73

(al menos 5 trimestres), puede ser que la desaceleración del crecimiento mundial de los

últimos años haya generado periodos menores de crecimiento en las exportaciones por

choques externos.

Ahora, el incremento de las exportaciones tradicionales peruanas debido al choque

externo del precio internacional del cobre ( ) fue demasiado pequeño, siendo menor

al valor promedio esperado de 10 millones de dólares y apenas duró un trimestre luego

del shock, generando más bien pérdidas promedio de 20 millones de dólares durante

ocho trimestres seguidos. Como bien se ha dicho en los resultados, la gran competencia

entre países productores de cobre y un probable único comprador (China) puede darse

incluso con precios altos del bien, generando al final una reducción de las ganancias en

las exportaciones, haciendo que caiga su valor en el tiempo. Lo último puede ser una

contradicción con la realidad (donde los precios del cobre están altos y los valores de las

exportaciones tradicionales se incrementan en el tiempo); sin embargo, los dos casos

(caída o incremento de las exportaciones tradicionales por un incremento del precio

internacional del cobre) son bastante posibles.

Sobre el resultado negativo (donde la función de impulso – respuesta mostró reducciones

en las exportaciones tradicionales peruanas), se pudo encontrar otro hecho interesante en

esta tesis: Que, teniendo al yuan como la moneda débil, un choque externo generado por

un incremento del tipo de cambio real bilateral entre Perú y China (una

depreciación del yuan frente al sol), termina generando una caída persistente en el valor

de las exportaciones tradicionales, con una reducción promedio de 40 millones de dólares

y con una duración bastante larga (igual a diez periodos). Esto nos ubica en un contexto

donde la política comercial es fundamental porque el Perú se vería perjudicado en

devaluaciones del yuan llevadas a cabo por el Banco Central de China, así como en

incrementos del precio promedio de los bienes chinos en dicho país (inflación).

Asimismo, el papel del banco central peruano (BCRP) también será relevante ya que

incrementos en la tasa de inflación peruana podrían contrarrestar las subidas de los

precios chinos y así evitar depreciaciones del tipo de cambio real bilateral (como también

posteriores pérdidas en el valor de las exportaciones). Sin embargo, dado que el objetivo

del BCRP es preservar la estabilidad monetaria (llevando a cabo políticas monetarias para

que la inflación no varíe por encima de cierto rango meta), entonces el único camino para

amortiguar las depreciaciones del tipo de cambio real bilateral es mediante ajustes a su

74

tipo de cambio nominal, es decir, reaccionando prudencialmente a estas posibles

devaluaciones del yuan por parte del banco central chino.

En consecuencia, como evitar la depreciación del tipo de cambio real sol – yuan es una

tarea muy difícil desde el Perú, probablemente en trimestres futuros se vean pérdidas en

el valor de las exportaciones tradicionales peruanas (no causadas por caídas en el PBI

chino ni por caídas en el precio internacional del cobre) y ahí se verá la importancia de

dicho tipo de cambio.

Por último, es necesario comparar los resultados de los pronósticos de las exportaciones

tradicionales peruanas encontradas en esta investigación contra los de otros trabajos. Se

puede decir que los pronósticos aquí fueron muchos más consistentes debido a que el

error de predicción fue bastante bajo (1%), en relación a los pronósticos presentados por

Zada, Muhammad y Bahadar (2011) quienes presentaron un error de 4% con sus

modelos de ecuaciones simultáneas (de oferta y demanda) bajo un método generalizado

de momentos. Incluso, para trabajos con métodos de estimación MCO como los hechos

por Abolagba et al. (2010) y Abu et al. (2010), el error es también mucho más bajo ya que

dichos modelos (ambos regresiones lineales múltiples) consiguieron 5% de fallo en sus

pronósticos de las exportaciones.

Lo anterior quiere decir que este modelo tiene un gran poder predictivo, factor que debe

ser tomado en cuenta al momento de la valoración del VEC como modelo más adecuado

para encontrar los determinantes de las exportaciones tradicionales peruanas (o quizás

de otros países). Asimismo, dado que ha funcionado bastante bien con sus valores

esperados tanto dentro como fuera de la muestra, da un buen aliciente para utilizarlo en

futuras investigaciones relacionadas y con un mayor tamaño de muestra en años

venideros.

75

13. Conclusiones

El presente estudio ha permitido extraer un número de conclusiones muy importante

sobre los determinantes de las exportaciones tradicionales en el Perú. Primeramente está

el papel del producto bruto interno extranjero, el cual presenta un impacto positivo

significativo en las exportaciones peruanas. Esto quiere decir que ante shocks externos

(por actividad económica de países que son socios comerciales con el Perú), el incentivo

a exportar materias primas (productos históricamente más demandados en el exterior) se

ve incrementado, dando lugar a un aumento del valor de las exportaciones peruanas.

Lo anterior permite concluir que este comportamiento de las exportaciones tradicionales

ante shocks de actividad económica foránea es exactamente igual al pronosticado en las

teorías macroeconómicas convencionales (modelo Mundell-Fleming de pequeñas

economías abiertas) y al obtenido en la literatura actual. Ahora, para el caso particular de

China, los resultados son más que alentadores ya que el shock externo generado (por

mayor demanda china de commodities peruanos) produce incrementos en las

exportaciones tradicionales en 40 millones de dólares trimestralmente, con una duración

del shock de aproximadamente 5 trimestres (casi año y medio). Esto permite inferir que

con una demanda continua de este país (como se ha visto en los periodos 2006-2013 y

finales de 2016 hasta hoy), el Perú mantendrá un incremento anual constante de sus

exportaciones, para luego estabilizarse con una pequeña bajada.

Además, aunque el cobre presenta significancia estadística como un determinante, su

impacto no fue tan fuerte como el esperado. La subida de las exportaciones apenas se

detecta casi un año después del impacto, convirtiéndose en pérdidas para el Perú en los

siguientes trimestres. Como se dijo anteriormente, la alta competencia de productores de

cobre por un único demandante (China) o un grupo pequeño de demandantes genera una

suerte de monopsonio internacional, donde el poder de mercado es ejercido por el

comprador de commodities y los productores son sometidos a reducciones de precio.

Probablemente esto fue lo que ocurrió durante los últimos tres a cuatro años, donde el

ritmo de crecimiento de las exportaciones tradicionales bajó junto con caídas del precio

internacional del cobre. Se espera que la subida reciente del precio del cobre genere el

efecto contrario en las exportaciones (subida continua), así también como definir si esta

subida de precios puede ser por pérdida de poder de mercado de la economía china en

los países pequeños o por incremento de otros demandantes internacionales.

76

Un punto interesante a considerar en la tesis es que si bien se excluyeron los efectos de

causalidad entre las variables independientes del modelo (los factores de impacto en las

exportaciones tradicionales peruanas), puede que la existencia de alguna correlación

entre estas haya afectado a los resultados obtenidos anteriormente. Del único caso que

se puede sospechar es la posible causalidad (y correlación) entre el PBI chino y el precio

internacional del cobre, ya que la demanda china por materia prima de países pequeños

es bastante alta, pudiendo alterar el precio de este commodity en un trimestre cualquiera

del periodo considerado. Queda para posteriores investigaciones la verificación de esta

posible relación entre las variables y de como la exclusión de alguna de estas (con más

certeza, la del precio internacional del cobre) pueda confirmar o desmentir los impactos y

respuestas aquí obtenidas.

Con respecto al papel del tipo de cambio real sol-yuan, se puede concluir que su impacto

concuerda con lo obtenido en principios de economía abierta y comercio internacional

(como la condición Marshall-Lerner y la curva J). Esto es porque ante la caída de este tipo

de cambio real (donde el yuan es la moneda débil), nuestras exportaciones se verán

reducidas considerablemente por un periodo de dos años y medio, con caídas promedio

de 40 millones de dólares por trimestre. Lo anterior implica que la apreciación de este tipo

de cambio bilateral mejorará nuestra balanza comercial por un largo periodo y a una

magnitud constante. Entonces, el papel de este tipo de cambio como factor de impacto en

las exportaciones está garantizado y solo basta esperar subidas de este para obtener

ganancias por el comercio internacional con China.

También se resalta el hecho de haber encontrado una relación de equilibrio de largo plazo

entre las cuatro variables del modelo VEC definitivo. Esto garantiza que toda desviación

(de corto plazo) de las variables en sus trayectorias de tiempo sea corregida por una

combinación lineal de las mismas variables (el término de corrección del error). Y además,

esto permite que el papel de los rezagos de cada determinante propuesto en la tesis sea

importante a la hora de determinar las variaciones trimestrales de las exportaciones


Por último, es preciso indicar que el modelo de investigación escogido (VEC) ha tenido un

gran poder predictivo, el cual se demostró con pronósticos de las exportaciones

tradicionales peruanas bastante cercanos a sus valores reales, tanto dentro como fuera

de la muestra. Además, su error de predicción ha sido mucho menor que el de otros

trabajos recientes, lo cual resalta mucho más su uso en futuras investigaciones.

77

14. Recomendaciones

Dentro de todas las sugerencias que esta tesis puede dar a la literatura actual sobre los

determinantes de las exportaciones tradicionales de un país, se han considerado aquellos

que serían los más satisfactorios para las políticas económicas y comerciales del Perú.

Primero, sobre como aprovechar mejor el impacto positivo del PBI real chino en las

exportaciones peruanas, una recomendación preliminar sería incrementar el número de

commodities que sean de alta demanda para esta economía. Si bien podrían ser otras

materias primas, la idea de exportarle productos mucho más elaborados (y con un enorme

valor agregado) sería más favorable ya que el impacto del PBI chino sería incluso mayor

en los siguientes años y este país se afianzaría como nuestro mayor socio comercial.

Asimismo, se debería revisar los actuales tratados de comercio con China. Actualmente,

un TLC (tratado de libre comercio) está en vigencia con este país. Lo recomendable no

sería sacar productos del tratado sino incrementarlos, principalmente manufacturas que

garantizan una mayor ganancia en precio y en volumen. Esta sugerencia tampoco se

debería descartar para otros grandes socios comerciales del Perú (Estados Unidos, la

alianza del Pacífico, otros países desarrollados, etc.), ya que es evidente la urgente

necesidad de mejorar la balanza comercial para dinamizar la actividad económica

peruana, duramente afectada en los últimos trimestres por factores coyunturales y

sistémicos.

Sobre sugerencias generadas por el impacto del precio internacional del cobre en las

exportaciones peruanas, el mensaje es similar al anterior: Se debería mantener altos los

precios no solo incrementando la participación peruana en el volumen de producción

mundial de cobre (incrementando la demanda extranjera por el mineral de este país), sino

también ofreciendo productos (hechos en base a este mineral) con mayor valor agregado,

de manera que las ganancias obtenidas por su venta sean mayores a las que se

consiguen solo por la materia prima. Un plan adecuado de industrialización peruana

debería llevarse a cabo, buscando resultados de largo plazo que involucren no solo al

cobre, sino a otros minerales, combustibles y demás. Un buen punto de inicio sería

empezar con una ciudad industrial para el cobre en zonas periféricas de Lima y luego ir

incluyendo otros commodities con alta probabilidad de demanda de países como China.

78

Finalmente, una sugerencia relevante sobre el tipo de cambio real sol-yuan es que esta

variable debería ser creada y monitoreada trimestralmente por instituciones públicas y

privadas del país ya que, como se pudo ver, su impacto tiene alta significancia para las

exportaciones peruanas. Instituciones como el banco central de reserva del Perú (BCRP)

podrían hacer esto fácilmente, de manera que estos datos se puedan usar para

seguimiento e investigaciones sobre economía internacional y la influencia de grandes

socios comerciales en nuestra actividad comercial (como lo es hoy China).

Por último, es preciso hacer un seguimiento a las políticas cambiarias de China ya que

este país podría llevar a cabo fuertes devaluaciones de su moneda que impactarían

terriblemente a las exportaciones tradicionales peruanas durante muchos trimestres.

Todas estas sugerencias deberían ser tomadas en cuenta por los hacedores de política y

por investigadores que deseen emprender análisis mucho más complejos sobre las

exportaciones tradicionales.

79

Capítulo IV: Referencias

Abolagba, E.; Onyekwere, N.; Agbonkpolor, B.; Umar, H. (2010) Determinants of

Agricultural Exports. Journal of Human Ecology, Vol. 29, pp. 181-184.

Abu, A.; Romstad, E.; Huo, X. (2010) Determinants of Egyptian Agricultural Exports: A

Gravity Model Approach. Modern Economy, Vol. 1 (November) pp. 134-143.

Amiti, M.; Weinstein, D. (2011) Exports and Financial Shocks. The Quaterly Journal of

Economics, Vol. 126, No. 4 (November), pp. 1841-1877.

Ault, D. (1972) The Determinants of World Steel Exports: An Empirical Study. The Review

of Economics and Statistics, Vol. 54, No. 1 (February), pp. 38-46.

Bonroy, O.; Gervais, J. P.; Larue, B. (2007). Are Exports a Monotonic Function of

Exchange Rate Volatility? Evidence from Dissagregated Pork Exports. The Canadian

Journal of Economics, Vol. 40, No. 1 (February), pp. 127-154.

Born, B.; Pfeifer, J. (2014) Risk Matters: The Real Effects of Volatility Shocks: Comment.

The American Economic Review, Vol. 104, No. 12 (December), pp. 4231-4239.

Fleming, J. M. (1962). Domestic Financial Policies Under Fixed and Under Floating

Exchange Rates. IMF Staff Papers, Vol. 9, pp. 369-380.

Hanson, G. (2012) The Rise of Middle Kingdoms: Emerging Economies in Global Trade.

The Journal of Economics Perspectives, Vol. 26, No. 2, pp. 41-63.

INEI (2017). Evolución de las exportaciones e importaciones – Diciembre 2017. Informes

técnicos del INEI, No. 2 (Febrero 2018), pp. 1-51.

Johnson, R. (2014) Five Facts about Value-Added Exports and Implications for

Macroeconomics and Trade Research. The Journal of Economic Perspectives, Vol. 28,

No. 2, pp. 119-142.

Jongwanich, J. (2007) Determinants of Export Perfomance in East and Southeast Asia.

ERD Working Paper Series, No. 106.

80

Kristjánsdóttir, H. (2004) Determinants of Exports and Foreign Direct Investment in a Small

Open Economy, Islandia, Universitatis Islandiae Sigillum.

Lapp, S.; Scheide, J.; Solveen, R. (1995) Determinants of Exports in the G7-countries. Kiel

Working Paper, No. 707 (September).

Larios, J.; Álvarez, V. (2014). Análisis Econométrico de Series de Tiempo. Lima, Perú:

Fondo Editorial de la Universidad San Ignacio de Loyola.

Larios, J.; Álvarez, V.; Quineche, R. (2014). Fundamentos de Econometría. Lima, Perú:

Fondo Editorial de la Universidad San Ignacio de Loyola.

Mendoza, W. (2015) Macroeconomía Intermedia para América Latina. Lima, Perú: Fondo

Editorial PUCP.

Mundell, R. (1957). International Trade and Factor Mobility. The American Economic

Review, Vol. 47, No. 3 (June), pp. 321-335.

Musonda, A. (2008) Exchange Rate Volatility and Non-Traditional Exports Perfomance:

Zambia, 1965-1999. Munich Personal RePEc Archive (MPRA) Paper, No. 26952 (April).

Prasad,S. (2000) Determinants of exports in Fiji. Working Paper, Economics Department,

Reserve Bank of Fiji, No. 04 (June, Suva).

Rodriguez, A.; Tselios, V.; Winkler, D.; Farole, T. (2012) Geography and the Determinants

of Firm Exports in Indonesia. World Development, Vol. 44, pp. 225-240.

Ruiz, E. (2014). Elección de los Modos de Exportación: Evidencia de Empresas Peruanas.

Revista Estudios Económicos, No. 28 (Diciembre), pp. 61-76.

Shah, I.; Abu, N.; Sahlan, R. (2013) The Determinants of Exports between Malaysia and

the OIC Member Countries: A Gravity Model Approach. Procedia Economics and Finance

5, pp. 12-19.

Tariq, M.; Ahmad, E. (2006) Determinants of Exports in Developing Countries. The

Pakistan Development Review, Vol. 45, Part II, pp. 1265-1276.

81

Tharakan, K.; Van Beveren, I.; Van Ourti, T. (2005) Determinants of India’s Software

Exports and Goods Exports. The Review of Economics and Statistics, Vol. 87, No. 4

(November), pp. 776-780.

Wagner, R.; Zahler, A. (2015) New exports from emerging markets: Do followers benefit

from pioneers? Journal of Development Economics 114, pp. 203-223.

Winkelried, D.; Saldarriaga, M. (2012) Socios comerciales y crecimiento económico.

Revista moneda – Banco central de reserva del Perú, Vol. 152 (Noviembre), pp. 31-35.

Zada, N.; Muhammad, M.; Bahadar, Khan. (2011) Determinants of Exports of Pakistan: A

Country-wise Disaggregated Analysis. The Pakistan Development Review, Vol. 50, Part II,

pp. 715-732.

82

Capítulo V: Anexos

A.1. Matriz de consistencia de la tesis

Tabla 9

MATRIZ DE CONSISTENCIA DE LA TESIS – PARTE 1

Tipo Problemas Objetivos Justificación

General

¿Existe una relación de equilibrio de largo plazo

entre las exportaciones tradicionales peruanas y

sus posibles determinantes, para el periodo

2002 – 2016?

Determinar si existe una relación de equilibrio de

largo plazo entre las exportaciones tradicionales

peruanas y sus posibles determinantes, para el

periodo 2002 – 2016.

Evidente falta de estudios sobre los

determinantes de las exportaciones

tradicionales (al menos, en el Perú).

Además, la mayoría de la literatura

existente se ha enfocado mucho más en el

análisis de las exportaciones no

tradicionales, por el valor agregado de los

productos que la comprenden.

Finalmente, esta investigación brindará

importantes hallazgos a los policy makers

para redirigir las políticas económicas

existentes respecto a la promoción y

alcance que ellos buscan dar a las

exportaciones tradicionales, principalmente

a la exportación de cobre.

Específico

1

¿Cuál es y cuánto dura el impacto de un

aumento del producto bruto interno de China en

las exportaciones tradicionales, para el periodo

2002 – 2016?

Determinar si un aumento del producto bruto

interno de China tuvo un impacto positivo en las

exportaciones tradicionales, para el periodo 2002

– 2016.

Específico

2


aumento del precio internacional del cobre en


2002 – 2016?

Determinar si un aumento del precio internacional

del cobre tuvo un impacto positivo en las


– 2016.

Específico

3


aumento del tipo de cambio real sol – yuan en


2002 – 2016?

Determinar si un aumento del tipo de cambio real

sol – yuan tuvo un impacto negativo en las


– 2016.


83

Tabla 10

MATRIZ DE CONSISTENCIA DE LA TESIS – PARTE 2

Tipo Hipótesis Variables Indicadores Método

General

Sí existió una relación de equilibrio de largo plazo entre las exportaciones

tradicionales peruanas y sus posibles determinantes, para el periodo 2002 – 2016.

No existió dicha relación de equilibrio de largo plazo mencionada, para el

periodo 2002 – 2016.

EXPT

GDPRCH

TCRSY

PCOB

Estadísticos del test

de cointegración de

Johansen, vector de

cointegración (VEC)

Muestra:

Variables macroeconómicas

medidas en periodos

trimestrales, entre los años

2002 y 2016 (60

observaciones).

Tipo de investigación:

Cuantitativa

Diseño de investigación:

No experimental (análisis

correlacional).

Plan a seguir:

Recolección de los datos,

calibración de las variables,

estimación del modelo

(VEC) y análisis

econométrico del mismo.

Específico

1

Un aumento del producto bruto interno de China en 1 billón de yuanes durante

el trimestre pasado, generará un incremento promedio de las exportaciones

tradicionales en 40 millones de dólares, para el periodo 2002 – 2016.

Un aumento del producto bruto interno en 1 billón de yuanes durante el

trimestre pasado, generará un incremento promedio menor al mencionado, para el

periodo 2002 – 2016.

EXPT

GDPRCH

Función de impulso

respuesta (IRF)

donde el impulso es

GDPRCH y la

respuesta es EXPT

Específico

2


trimestre pasado, generará un incremento promedio de las exportaciones

tradicionales peruanas en 10 millones de dólares, para el periodo 2002 – 2016.


trimestre pasado, generará un incremento promedio menor al mencionado, para el

periodo 2002 – 2016.

EXPT

TCRSY

Función de impulso

respuesta (IRF)

donde el impulso es

TCRSY y la

respuesta es EXPT

Específico

3

Un aumento del tipo de cambio real sol – yuan en 1% durante el trimestre

pasado, generará una reducción promedio de las exportaciones tradicionales


Un aumento del tipo de cambio real sol – yuan en 1% durante el trimestre

pasado, generará una reducción promedio menor a la mencionada, para el periodo

2002 – 2016.

EXPT

PCOB

Función de impulso

respuesta (IRF)

donde el impulso es

PCOB y la respuesta

es EXPT


84

A.2. Gráfica simple de las series en niveles

Figura 11

Gráfica simple de la serie “Exportaciones de productos tradicionales del Perú” en

niveles (EXPT)

0

500

1,000

1,500

2,000

2,500

3,000

3,500

02 03 04 05 06 07 08 09 10 11 12 13 14 15 16

EXPT

Exportaciones de productos tradicionales del Perú

Del primer trimestre de 2002 al cuarto trimestre de 2016

En millones de dólares (a valores FOB)

y sin componente tendencial

Serie desestacionalizada en EViews 9

Fuente de los datos originales: BCRP

Mill

ones

de

dóla

res

Años

Fuente: Elaboración propia en EViews 9

85

Figura 12

Gráfica simple de la serie “Tipo de cambio real sol-yuan” en niveles (TCRSY)

90

95

100

105

110

115

120

125

02 03 04 05 06 07 08 09 10 11 12 13 14 15 16

TCRSY

Tipo de cambio real sol-yuan


En valores índice (año base 2010 = 100) y sin componente tendencial


Fuente de los datos originales: Fred St. Louis y BCRP

Val

ores

índ

ice

Años


86

Figura 13

Gráfica simple de la serie “Producto bruto interno real de China” en niveles

(GDPRCH_UT)

-800

-400

0

400

800

1,200

02 03 04 05 06 07 08 09 10 11 12 13 14 15 16

GDPRCH_UT

Producto bruto interno real de China


En billones de yuanes del año 2010 y sin componente tendencial


Fuentes de los datos originales: Fred St. Louis y Banco mundial

Bill

ones

de y

uanes

de 2

010

Años


87

Figura 14

Gráfica simple de la serie “Precio internacional del cobre” en niveles (PCOB)

50

100

150

200

250

300

350

400

450

02 03 04 05 06 07 08 09 10 11 12 13 14 15 16

PCOB

Precio internacional del cobre


En centavos de dólar por libra y sin componente tendencial


Fuente de los datos originales: BCRP

Centa

vos

de dóla

r por

libra

Años


88

A.3. Gráfica simple de las series en primera diferencia

Figura 15

Gráfica simple de la serie “Exportaciones de productos tradicionales del Perú” en

primera diferencia (DEXPT)

-800

-600

-400

-200

0

200

400

02 03 04 05 06 07 08 09 10 11 12 13 14 15 16

DEXPT

Exportaciones de productos tradicionales del Perú

Del segundo trimestre de 2002 al cuarto trimestre de 2016

Primera diferencia de la serie

Mill

on

es

de

dó

lare

s

Años


89

Figura 16

Gráfica simple de la serie “Tipo de cambio real sol-yuan” en primera diferencia

(DTCRSY)

-6

-4

-2

0

2

4

6

02 03 04 05 06 07 08 09 10 11 12 13 14 15 16

DTCRSY

Tipo de cambio real sol-yuan



Va

lore

s ín

dic

e

Años


90

Figura 17

Gráfica simple de la serie “Producto bruto interno real de China” en primera

diferencia (DGDPRCH)

-400

-300

-200

-100

0

100

200

300

02 03 04 05 06 07 08 09 10 11 12 13 14 15 16

DGDPRCH

Producto bruto interno real de China



Billo

ne

s d

e y

ua

ne

s d

e 2

01

0

Años


91

Figura 18

Gráfica simple de la serie “Precio internacional del cobre” en primera diferencia

(DPCOB)

-160

-120

-80

-40

0

40

80

02 03 04 05 06 07 08 09 10 11 12 13 14 15 16

DPCOB

Precio internacional del cobre



Ce

nta

vo

s d

e dó

lar

po

r lib

ra

Años


92

A.4. Estadísticas descriptivas de las series en niveles

Tabla 11

ESTADÍSTICAS DESCRIPTIVAS DE LAS SERIES

Serie Media Desviación

Estándar Valor Mínimo Valor Máximo

Estadístico de

Jarque-Bera

1,822.04 816.85 374.16 3,332.00 2.70*

9,688.55 3,738.77 4,305.70 16,606.01 4.25*

103.83 6.88 93.88 121.28 10.60

256.50 105.40 68.42 432.77 4.45*

Nota:


1) Se consideró a la serie GDPRCH en el momento que incluía en sus valores la tendencia determinística

(tendencia lineal), a fin de evitar valores negativos o extremadamente pequeños en las estadísticas

descriptivas.


A.5. Matriz de correlación de las series en niveles

Tabla 12

MATRIZ DE CORRELACIÓN DE LAS SERIES

EXPT GDPRCH PCOB TCRSY

EXPT 1.000000

GDPRCH 0.769287 1.000000

PCOB 0.906526 0.543051 1.000000

TCRSY 0.325785 0.793580 0.089963 1.000000


Nota:

Color Rojo significa correlaciones entre pares de variables que sean mayores a 0.90 en valor absoluto.

Color Verde significa correlaciones entre pares de variables que estén entre 0.70 y 0.90 en valor absoluto.

Se consideró a la serie GDPRCH en el momento que incluía en sus valores la tendencia determinística

(tendencia lineal), a fin de evitar valores negativos o extremadamente pequeños en las estadísticas

descriptivas.

93

A.6. Correlogramas de las series en niveles

Figura 19

Correlograma de la serie “Exportaciones de productos tradicionales del Perú” en

niveles (EXPT)


94

Figura 20

Correlograma de la serie “Tipo de cambio real sol-yuan” en niveles (TCRSY)


95

Figura 21

Correlograma de la serie “Producto bruto interno real de China” en niveles

(GDPRCH_UT)


96

Figura 22

Correlograma de la serie “Precio internacional del cobre” en niveles (PCOB)


97

A.7. Correlogramas de las series en primera diferencia

Figura 23

Correlograma de la serie “Exportaciones de productos tradicionales del Perú” en

primera diferencia (DEXPT)


98

Figura 24

Correlograma de la serie “Tipo de cambio real sol-yuan” en primera diferencia

(DTCRSY)


99

Figura 25

Correlograma de la serie “Producto bruto interno real de China” en primera

diferencia (DGDPRCH)


100

Figura 26

Correlograma de la serie “Precio internacional del cobre” en primera diferencia

(DPCOB)


101

A.8. Pruebas de estacionariedad (ADF, DF-GLS y ERS) de las series en niveles

Tabla 13

Resultados de la prueba ADF para la serie “Exportaciones de productos

tradicionales del Perú” en niveles (EXPT)

Null Hypothesis: EXPT has a unit root

Exogenous: Constant

Lag Length: 0 (Automatic - based on Modified AIC, maxlag=14)

t-Statistic Prob.* Augmented Dickey-Fuller test statistic -1.620045 0.4662

Test critical values: 1% level -3.546099

5% level -2.911730

10% level -2.593551

*MacKinnon (1996) one-sided p-values.


Tabla 14

Resultados de la prueba DF-GLS para la serie “Exportaciones de productos



Exogenous: Constant


t-Statistic Elliott-Rothenberg-Stock DF-GLS test statistic -0.295530


5% level -1.946447

10% level -1.613238

*MacKinnon (1996)


102

Tabla 15

Resultados de la prueba ERS para la serie “Exportaciones de productos



Exogenous: Constant

Lag length: 0 (Spectral OLS AR based on Modified AIC, maxlag=14)

P-Statistic Elliott-Rothenberg-Stock test statistic 51.05249

Test critical values: 1% level 1.886000

5% level 2.998000

10% level 3.962000

*Elliott-Rothenberg-Stock (1996, Table 1)


Tabla 16

Resultados de la prueba ADF para la serie “Precio internacional del cobre” en

niveles (PCOB)

Null Hypothesis: PCOB has a unit root

Exogenous: Constant




5% level -2.911730

10% level -2.593551



103

Tabla 17

Resultados de la prueba DF-GLS para la serie “Precio internacional del cobre” en

niveles (PCOB)


Exogenous: Constant


t-Statistic Elliott-Rothenberg-Stock DF-GLS test statistic -1.250322


5% level -1.946549

10% level -1.613181

*MacKinnon (1996)


Tabla 18

Resultados de la prueba ERS para la serie “Precio internacional del cobre” en

niveles (PCOB)


Exogenous: Constant

Lag length: 0 (Spectral OLS AR based on Modified AIC, maxlag=14)

P-Statistic Elliott-Rothenberg-Stock test statistic 24.81667

Test critical values: 1% level 1.886000

5% level 2.998000

10% level 3.962000

*Elliott-Rothenberg-Stock (1996, Table 1)


104

Tabla 19

Resultados de la prueba ADF para la serie “Tipo de cambio real sol-yuan” en

niveles (TCRSY)

Null Hypothesis: TCRSY has a unit root

Exogenous: None


t-Statistic Prob.* Augmented Dickey-Fuller test statistic 1.310596 0.9499


5% level -1.948313

10% level -1.612229



Tabla 20

Resultados de la prueba ADF para la serie “Producto bruto interno real de China”

en niveles (GDPRCH_UT)

Null Hypothesis: GDPRCH_UT has a unit root

Exogenous: None




5% level -1.946447

10% level -1.613238



105

A.9. Prueba de causalidad de Granger entre pares de las series

Tabla 21

Resultados de la prueba de Granger para el par de series en primera diferencia

“Exportaciones de productos tradicionales del Perú” (DEXPT) y “Producto bruto

interno real de China” (DGDPRCH)

Pairwise Granger Causality Tests

Sample: 2002Q1 2016Q4

Lags: 10 Null Hypothesis: Obs F-Statistic Prob. DGDPRCH does not Granger Cause DEXPT 49 3.30951 0.0060

DEXPT does not Granger Cause DGDPRCH 1.25438 0.3019


Tabla 22


“Exportaciones de productos tradicionales del Perú” (DEXPT) y “Tipo de cambio

real sol-yuan” (DTCRSY)


Sample: 2002Q1 2016Q4

Lags: 14 Null Hypothesis: Obs F-Statistic Prob. DTCRSY does not Granger Cause DEXPT 45 1.13783 0.3985

DEXPT does not Granger Cause DTCRSY 0.95780 0.5280


106

Tabla 23


“Exportaciones de productos tradicionales del Perú” (DEXPT) y “Precio

internacional del cobre” (DPCOB)


Sample: 2002Q1 2016Q4

Lags: 14 Null Hypothesis: Obs F-Statistic Prob. DPCOB does not Granger Cause DEXPT 45 1.62689 0.1744

DEXPT does not Granger Cause DPCOB 0.77536 0.6808


107

A.10. Prueba de cointegración de Johansen para el modelo de investigación (VEC)

Tabla 24

Resultados de la prueba de Johansen (sub pruebas de traza y máximo autovalor) al

vector autorregresivo formado con las series bajo estudio en su estado no

estacionario

Included observations: 54 after adjustments

Trend assumption: Linear deterministic trend

Series: EXPT, GDPRCH_UT, PCOB y TCRSY

Lags interval (in first differences): 1 to 5

Unrestricted Cointegration Rank Test (Trace) Hypothesized Trace 0.05

No. of CE(s) Eigenvalue Statistic Critical Value Prob.** None * 0.554889 68.31864 47.85613 0.0002

At most 1 0.230133 24.60928 29.79707 0.1759

At most 2 0.152368 10.48624 15.49471 0.2452

At most 3 0.028468 1.559604 3.841466 0.2117 Trace test indicates 1 cointegrating eqn(s) at the 0.05 level

* denotes rejection of the hypothesis at the 0.05 level

**MacKinnon-Haug-Michelis (1999) p-values

Unrestricted Cointegration Rank Test (Maximum Eigenvalue)

Hypothesized Max-Eigen 0.05

No. of CE(s) Eigenvalue Statistic Critical Value Prob.** None * 0.554889 43.70936 27.58434 0.0002

At most 1 0.230133 14.12303 21.13162 0.3550

At most 2 0.152368 8.926639 14.26460 0.2923

At most 3 0.028468 1.559604 3.841466 0.2117 Max-eigenvalue test indicates 1 cointegrating eqn(s) at the 0.05 level

* denotes rejection of the hypothesis at the 0.05 level

**MacKinnon-Haug-Michelis (1999) p-values


108

A.11. Pruebas de normalidad y autocorrelación del modelo de investigación (VEC)

Tabla 25

Resultados de la prueba de normalidad de Jarque – Bera al vector de corrección del

error (modelo de investigación)

VEC Residual Normality Tests

Null Hypothesis: residuals are multivariate normal

Sample: 2002Q1 2016Q4

Included observations: 54 Component Jarque-Bera df Prob.

1 3.866451 2 0.1447

2 9.150394 2 0.0103

3 3.421675 2 0.1807

4 15.03290 2 0.0005 Joint 31.47142 8 0.0001


Tabla 26

Resultados de la prueba de autocorrelación de Breusch – Godfrey (LM) al vector de

corrección del error (modelo de investigación)

VEC Residual Serial Correlation LM Tests

Null Hypothesis: no serial correlation at

lag order h

Sample: 2002Q1 2016Q4

Included observations: 54

Lags LM-Stat Prob 1 5.120948 0.9951

2 23.71753 0.0959

3 20.88386 0.1830

4 12.68980 0.6953

5 16.47687 0.4202

Probs from chi-square with 16 df.


109

A.12. Comprobación del impacto del sector agrícola y pesquero peruano en el

modelo VEC de determinantes de las exportaciones tradicionales

Tabla 27

IMPACTO DE LOS SECTORES PESQUERO Y AGRÍCOLA EN LAS EXPORTACIONES TRADICIONALES

PERUANAS

t-estadísticos

Variables Ecuación 1 del

VEC

Ecuación 2 del

VEC

Ecuación 3 del

VEC

Ecuación 4 del

VEC

PHP 1.034 1.476 0.667 0.523

PMAIZ 1.115 1.382 0.887 0.564

PTRIGO 1.703 1.222 0.991 0.633

F-estadístico

PHP, PMAIZ y

PTRIGO 1.778 1.835 0.999 0.671

Nota:

1) Las variables PHP, PMAIZ y PTRIGO significan “Precio internacional de la harina de pescado”, “Precio

internacional del maíz” y “Precio internacional del trigo”, respectivamente. La primera variable (PHP)

representa al impacto del sector pesquero peruano en las exportaciones tradicionales, mientras que las dos

últimas variables (PMAIZ y PTRIGO) representan al impacto del sector agrícola peruano en las exportaciones

tradicionales.

2) * Denota significancia al 10%. ** Denota significancia al 5%. *** Denota significancia al 1%.


110

A.13. Comprobación del impacto de la actividad económica de EE.UU. en el modelo

VEC de determinantes de las exportaciones tradicionales peruanas

Tabla 28

IMPACTO DE LA ACTIVIDAD ECONÓMICA DE EE.UU. EN LAS EXPORTACIONES TRADICIONALES

PERUANAS

t-estadísticos

Variables Ecuación 1 del

VEC

Ecuación 2 del

VEC

Ecuación 3 del

VEC

Ecuación 4 del

VEC

U 1.456 0.997 0.659 0.598

TCNSD 1.339 0.825 0.717 0.864

F-estadístico

U y TCNSD 1.908 1.134 0.881 0.752

Nota:

1) Las variables U y TCNSD significan “Tasa de desempleo de los Estados Unidos” y “Tipo de cambio nominal

sol-dólar”, respectivamente. Ambas variables representan al impacto de la actividad económica americana

(segundo socio comercial más importante del Perú) en las exportaciones tradicionales. Además, la variable U

se está usando como variable proxy del producto bruto interno americano, debido a la poca significancia

directa causada por esta variable macroeconómica internacional en las variables macroeconómicas peruanas

(según recomendación de varios trabajos antecesores a este).

2) * Denota significancia al 10%. ** Denota significancia al 5%. *** Denota significancia al 1%.


determinantes de las exportaciones tradicionales peruanas...

Documents