variables economicas que afectan las exportaciones de las mypes
Post on 22-Jan-2016
29 Views
Preview:
DESCRIPTION
TRANSCRIPT
VARIABLES ECONOMICAS QUE AFECTAN LAS EXPORTACIONES DE LAS
MYPES
ANÁLISIS ECONÓMICO SOBRE LA RELACIÓN EMPIRICA DE LAS
VARIABLES
El objetivo de esta sección es estimar en manera empírica una función que ayude
a explicar el comportamiento de las exportaciones de textiles de las MYPES en
Perú, durante los años 2003 al 2011, usando datos mensuales.
A partir de la ecuación resultante se espera determinar un modelo que permita
explicar el comportamiento de la variable dependiente a partir de variables
independientes y cuantificar la significancia de dichas variables sobre la
exportación de textiles de las MYPES en Perú.
Función estimada
EXPLn = β0 + β1 TILn+ β3 TCNLn + εt
En los siguientes gráficos se muestra el comportamiento en logaritmos de las
series exportaciones de textiles (EXPLn), tipo de cambio nominal (TCNLn) y
términos de intercambio (TILn), durante el periodo de análisis: enero del 2003 a
diciembre del 2011.
Gráfico Nº 01
Comportamiento de variables del modelo
Resultados de la estimación econométrica
Para cuantificar las relaciones existentes la exportación de textiles y las demás
variables explicativas se especifica el siguiente modelo de regresión múltiple:
EXPLnt = β0 + β1 TILnt+ β2 TCNLnt+ εt
Donde las variables están expresadas en logaritmos:
EXPLnt= Exportaciones de textiles de las MYPES en Peru (miles de US$).
TILnt = Términos de intercambio definido como el ratio del índice de precios de la
exportaciones e índice de precio de las importaciones.
TCNLnt= Tipo de cambio nominal (Nuevos Soles / US$)
εt = perturbación estocástica
βt = Parámetros a ser estimados (t = 0, 1, … , 3). De acuerdo a la teoría
económica y evidencia empírica, se espera que los parámetros tengas los
siguientes signos: β1 > 0, y β2 > 0.
CUADRO N°01: ESTIMACION POR MINIMOS CUADRADOS ORDINARIOS
(MCO)
Según la regresión anterior se podría decir que es el mejor modelo para la
estimación de las exportaciones textiles de las MYPES, sin embargo el R2 = 65%
es muy baja, por ende se realizan las respectivas pruebas para la verificación de
la existencia o ausencia de heteroscedasticidad y autocorrelacion.
Prueba de Breusch-Pagan
Puesto que en las estimaciones se utiliza información estadística de series de
tiempo es probable que exista correlación serial de los residuales, por lo que se
lleva a cabo la prueba de Breusch-Pagan. La hipótesis nula establece que los
residuales son homoscedásticos, mientras que la alternativa indica que dichos
residuales son heteroscedásticos, como podemos apreciar la prob> chi2=0.41 lo
que nos hace concluir de que no hay evidencia de heteroscedasticidad.
Prueba de Durbin-Watson
Durbin-Watson d-statistic( 3, 108) = .6861016
El estadístico de prueba de D-W se debe acercar a 2 para poder concluir que no
hay presencia de auto correlación y como podemos observar el valor D-W de la
regresión es 0.69 y por lo tanto decimos que existe autocorrelacion, en otras
palabras los términos del error son dependientes.
Entonces la estimación del modelo no es confiable o no es la mejor estimación ya
que hay presencia de autocorrelacion y la posible existencia de
heteroscedasticidad, sin embargo existe una manera de corregir este problema
aplicando el modelo ARCH (Heteroscedasticidad autoregresiva condicional). El
siguiente cuadro muestra la estimación del modelo ARCH.
CUADRO N°3: ESTIMACION POR EL MODELO ARCH
Función estimada:
Ln (EXP) = 2.76 + 0.80 Ln (TI) – 1.37 Ln (TCN)
En el cuadro Nº 03 se muestra, la estimación econométrica de la ecuación de
regresión cuyas variables están expresadas en logaritmos. En dicho resultado los
coeficientes estimados son las elasticidades de las exportaciones de textiles con
respecto a cada variable explicativa, los términos de intercambio y el tipo de
cambio nominal. De esta manera el coeficiente 0.8 expresa que ante un
incremento de 1% de los términos de intercambio, las exportaciones de textiles
aumentan en 0.80%, siendo éste inelástica. Así mismo el coeficiente asociado a la
variable tipo de cambio nominal sugiere que ante un aumento del 1% de esta
variable, las exportaciones de textiles de las MYPES disminuirían en 1.37 %.
Los signos de los coeficientes estimados de acuerdo a la teoría económica en
cuanto a los términos de intercambio es el esperado, ya que tienen una relación
directa con las exportaciones; sin embargo el tipo de cambio según la regresión
tiene una relación indirecta lo que contradice a la teoría económica. Ahora como
podemos explicar este dilema, si bien es cierto que cuando el tipo de cambio
aumenta incentiva a que el exportador aumente sus exportaciones, en este caso
tratamos con el sector de las MYPES las cuales bajan su competitividad ante las
empresas más grandes y son estas quienes se incentivan a exportar más, dejando
con menor proporción de exportación a las MYPES; esto explicaría el signo
negativo de la elasticidad del Tipo de cambio nominal (TCN) respecto a las
Exportaciones textiles de las MYPES, y por lo tanto se tiene una relación indirecta.
Además todos los coeficientes resultan ser estadísticamente significativos a nivel
individual, lo cual se expresa a través de los estadísticos t.
Antes de las estimaciones se probaron la estacionalidad de las series involucradas
en el modelo, a través de las pruebas de DickeyFuller Aumentado y Phillips –
Perron, habiendo resultado en la mayoría de casos que dichas series son
estacionarias por lo que los resultados de las estimaciones son consistentes.
Para poder validar la eficiente y consistente estimación del modelo ARCH
realizamos nuevamente la prueba de Durbin Watson y White Noise para detectar
la presencia de autocorrelacion y heteroscedasticidad respectivamente. Además
de ello sería conveniente mostrar la tendencia del error para saber si esta es
estacionaria o no, es decir si esta presenta caminata aleatoria o no.
Durbin-Watson d-statistic( ., 108) = 1.745686
Comportamiento del error
-.4
-.2
0.2
.4.6
Res
idu
als
2002m1 2004m1 2006m1 2008m1 2010m1 2012m1Años/Mes
FUENTE:Elaboracion Propia
TENDENCIA RESIDUAL
Según D-W no existe autocorrelacion ya que el valor 1.75 se acerca a 2. En
cuanto a la prueba de White Noise indica que la variable es constante y por tanto
es homoscedastica, y por medio de la tendencia del error deducimos que no hay
caminata aleatoria.
top related