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.