Nota Técnica: Cálculo de Tasas de Crecimiento en Excel1

Jaime Esquivel Valdivia Especialista en Cadenas Agroproductivas del Proyecto Observatorio Peruano de Cadenas Agroproductivas y Territorios Rurales

Muchas veces nos encontramos frente a series temporales que registran el comportamiento de variables económicas como PBI, exportaciones, importaciones, colocaciones, etc. Estas series por si solas no son suficientes para realizar interpretaciones de la realidad, pero al aplicarles análisis estadístico y econométrico obtenemos los fundamentos que nos permiten realizar afirmaciones sobre el comportamiento de la economía. Sean, por ejemplo, las siguientes series temporales:
Exportaciones de Productos Trad. (Valor FOB en Millones de US$) Año 1985 1986 1987 1988 1989 1990 1991 1992 1993 1994 1995 1996 1997 1998 1999 2000 2001 2002 2003 2004 2005 2006 2007
Fuente: BCRP

Maíz : Área Cosechada Mundial (Miles Ha) Año 1985 1986 1987 1988 1989 1990 1991 1992 1993 1994 1995 1996 1997 1998 1999 2000 2001 2002 2003 2004 2005 2006 2007
Fuente: FAO

2

Productos Tradicionales 2,259 1,884 1,951 1,943 2,490 2,259 2,359 2,562 2,318 3,156 3,984 4,214 4,705 3,712 4,142 4,804 4,730 5,369 6,356 9,199 12,950 18,374 21,493

Arroz 155,897 166,297 166,813 163,403 162,820 161,341 159,877 161,846 165,112 158,361 162,216 156,393 161,025 160,283 156,852 156,866 155,139 154,144 153,154 156,167 158,907 157,139 156,618

1

Se agradece la colaboración de Joaquín Arias Segura, Ph.D, Especialista en Políticas y Negociaciones Comerciales para la Región Andina del Instituto Interamericano de Cooperación para la Agricultura, en la revisión de la metodología empleada para el cálculo de las tasas de crecimiento y de la versión preliminar del presente documento. 2 Se incluyen los siguientes cultivos: maíz, maíz amiláceo y maíz forrajero.

1

En el caso de las hectáreas cosechadas mundiales la figura no es tan clara. Ambas series cuentan con 23 observaciones. 2 . En la literatura podemos encontrar distintos métodos para calcular tasas de crecimiento.La primera registra el valor FOB de las Exportaciones Peruanas de Productos No-Tradicionales para el periodo 1985-2007 y la segunda el Total de Hectáreas Cosechadas Mundiales de Maíz para el periodo 1984-2006. El punto es que las tasas halladas pueden diferir de acuerdo al método utilizado.000 162. cada uno de ellos con su respectivo sustento teórico. nos permite tener una imagen más clara de su comportamiento.000 0 1980 1985 1990 1995 2000 2005 2010 168.000 154. los métodos para determinar el grado de ajuste también resultan ser abundantes y las conclusiones que se desprenden de cada uno pueden llegar a ser contradictorias.000 156. Sin embargo.000 5. Otro detalle que podemos extraer de estos gráficos es que la velocidad a la que crecen/decrecen los valores en ambas series no es el mismo.000 158.000 166.000 1980 1985 1990 1995 2000 2005 2010 Maíz: Hectáreas Cosechadas Mundiales 1984-2006 Fuente: BCRP Fuente: FAOStat A simple vista podríamos decir que la serie de las exportaciones presenta un crecimiento exponencial.000 152.000 164.000 160. Esta velocidad es la que se conoce como tasa de crecimiento. sólo podríamos afirmar que se observa una tendencia negativa.000 15. por lo que surge la pregunta sobre cuál es el más adecuado.000 10. Perú: Exp de Productos Tradicionales 1985-2007 25. La respuesta a esta interrogante parece ser bastante sencilla: el que mejor se ajuste a las observaciones.000 20. mediante un diagrama de dispersión. Representar gráficamente estas series.

o cuando los valores observados estuvieran comprendidos en la línea recta trazada desde el valor inicial hasta el valor final. Método Geométrico El cálculo de la tasa de crecimiento mediante el método geométrico resulta ser el más sencillo. se ha realizado una revisión de los métodos más utilizados y se ha seleccionado un criterio para el cálculo de las tasas de crecimiento en los indicadores de seguimiento y competitividad de la sección de Cadenas Agroproductivas del Proyecto Observatorio.78% 0. se utilizan los valores inicial y final de la serie de acuerdo a la siguiente ecuación: Vf r = V  i Donde. r es la tasa de crecimiento  n−1  −1   1 (1) Vf es el valor final de la serie Vi es el valor inicial de la serie n es el número de observaciones Aplicando esta fórmula a las series de exportaciones y área cosechada mostradas al inicio. obtenemos las siguientes tasas de crecimiento promedio anual: Exportaciones Área Cosechada 10.Dada esta situación.02% Este método resulta útil cuando sólo se cuenta con los valores inicial y final de una serie. 3 .

Se asume que la relación existente entre una variable dependiente (las exportaciones o el área cosechada) y otra independiente (el tiempo) se puede describir a través de la ecuación de una recta: y t = α + β .24% 3 4 Con los valores de la variable dependiente como Conocido_y y los años como Conocido_x. Aplicando estas fórmulas se obtienen las siguientes tasas de crecimiento promedio anual: Exportaciones Área Cosechada 10.x donde. es el intercepto es la pendiente de la recta x es el tiempo En este caso la tasa de crecimiento promedio anual se halla dividiendo el valor estimado de la pendiente entre la media aritmética de la variable dependiente: r= ˆ β yt (3) Dado que contamos con los valores de yt y de t podemos entonces hallar el valor estimado de la pendiente ˆ βutilizando la fórmula PENDIENTE 3 en la hoja de cálculo de Excel.85% -0. Para la media aritmética utilizamos la fórmula PROMEDIO 4. (2) yt son las Exportaciones de Productos No-Tradicionales o el total de Hectáreas Cosechadas de Maíz. Con los valores de la variable dependiente como Número_1.Método Lineal Este método implica el cálculo de una regresión lineal mediante Mínimos Cuadrados Ordinarios (MCO). 4 .

) Obtenemos las siguientes tasas de crecimiento promedio anual: Exportaciones Área Cosechada 9.59% -0.24% Recopilando.59 % Método Geométrico Lineal Exponencial Área Cosechada 0.Método Exponencial Este método implica el cálculo de una regresión exponencial mediante Mínimos Cuadrados Ordinarios (MCO). para realizar el cálculo en Excel debemos primero transformar la serie de la variable dependiente a logaritmos naturales aplicando la fórmula LN. se han calculado las siguientes tasas de crecimiento promedio anual: Exp. Se asume que la relación existente entre una variable dependiente (las exportaciones o el área cosechada) y otra independiente (el tiempo) se puede describir a través de la ecuación: βx yt = α .24 % -0.85 % 9. Productos Tradicionales 10.x pendiente: (5) En este caso la tasa de crecimiento promedio anual está representada por el valor estimado de la ˆ r=β (6) Entonces. Una vez hecho esto procedemos a ˆ hallar el valor estimado de la pendiente (β mediante el procedimiento descrito anteriormente.78 % 10.24 % 5 .02 % -0.e (4) Para poder aplicar el método de MCO necesitamos linealizar esta ecuación. para ello aplicamos logaritmos naturales: ln yt = ln α + β .

El valor de este coeficiente se incrementa cuando se agregan variables al modelo. 6 . Se trata de un número positivo ≤ 1.16x . ya sea que estas variables contribuyan o no.000 y = 1318.000 Perú: Exportaciones de Productos Tradicionales (Millones US$) 20.6029 15. Por ese motivo.000 10. un valor igual a 0 significa que la variación de la variable dependiente no es explicada por la independiente.000 20.De esta manera se comprueba que las tasas de crecimiento pueden varían de acuerdo al método utilizado para su cálculo. es posible que modelos con un valor grande de R2 sean malos para la predicción o estimación. Un valor R2 = 0.8532 Comparando los valores de R2 para cada caso concluimos que la regresión exponencial es la que presenta el mejor ajuste.8532 significa que el paso de los años explica el 85. Utilizando el coeficiente de determinación (R2) podemos determinar el porcentaje de variación de la variable dependiente (las exportaciones o el área cosechada) que es explicado por la variable independiente (los años). Es importante tener presente que un valor grande de R2 no necesariamente implica que el modelo sea bueno.9 R² = 0.0959x R² = 0.000 5.000 Productos Tradicionales Lineal (Productos Tradicionales) 0 1985 1987 1989 1991 1993 1995 1997 1999 2001 2003 2005 2007 Productos Tradicionales Exponencial (Productos Tradicionales) 25. un valor igual a 1 significa que el 100% de la variación de la variable dependiente es explicada por la variable independiente. Como se mencionó anteriormente.1670. el coeficiente de determinación mide la proporción o porcentaje de la variación total en y que es explicada por el modelo de regresión.000 5.000 15. Sea por ejemplo el caso de la serie de exportaciones peruanas de productos tradicionales: Perú: Exportaciones de Productos Tradicionales (Millones US$) 25. Según Gujarati (2004).32% de la variación en las exportaciones.000 y = 600. la decisión sobre cuál de estas tasas es la más adecuada depende del criterio de selección basado en el mejor ajuste.000 10.2e 0.000 0 1985 1987 1989 1991 1993 1995 1997 1999 2001 2003 2005 2007 -5.

Para este análisis puede utilizarse el método del error medio (ME). definido por: MAPE = ∑ yt − y ˆ yt n (7) Donde. dado que es independiente de la escala. Error Absoluto Medio Porcentual (MAPE) El MAPE es un número positivo. utilizando cualquiera de los modelos mencionados. el error medio porcentual (ME). Para su cálculo necesitamos hallar el valor estimado de la variable dependiente ( yde acuerdo a ) ˆ cada modelo. yt es el valor observado de la variable dependiente en el periodo t. Se trata de una medida proporcional que no depende de la escala. entre otros. el error cuadrático medio porcentual (RMSPE). por lo que permite contrastar diferentes modelos. Para el modelo geométrico los valores estimados de la variable dependiente se hallan aplicando la siguiente fórmula: yt = Vi (1 + r ) t ˆ (8) 7 . el error absoluto medio porcentual (MAPE). n es el número de observaciones. yt ˆ es el valor calculado de la variable dependiente.Los análisis de los términos de error nos permiten determinar la bondad del modelo para realizar pronósticos. De acuerdo a este criterio se debe seleccionar el modelo que tenga el menor MAPE asociado. En el área de cadenas productivas del proyecto observatorio hemos seleccionado el criterio del error absoluto medio porcentual (MAPE) pues permite comparar diferentes modelos. el error cuadrático medio (MSE).

41% Área Cosechada de Maíz 2.1.83% 2. 5 El argumento Conocido_y es la serie de variable dependiente (exportaciones o área cosechada) y el argumento Conocido_x es la serie de los años. para las series consideradas.EJE 5.12% En todos los casos los menores valores de los MAPEs corresponden a los cálculos realizados utilizando el método exponencial. las regresiones exponenciales son las que mejor explican la relación entre las variables dependiente e independiente. (9) α es el valor estimado del intercepto. 6 Para el caso del modelo exponencial la ecuación del MAPE es MAPE = ∑ ln yt − ln y ˆ ln yt n 8 .…. se halla utilizando la fórmula INTERSECCION.Donde. t = 0.22 (son 23 observaciones) Para el modelo lineal los valores estimados se hallan aplicando la fórmula: y t = α + β . ya fue calculada anteriormente x es la variable independiente (años) Para el modelo exponencial se utilizan los valores transformados a logaritmos de acuerdo a la siguiente ecuación: ln yt = ln α + βx ˆ ˆ ˆ (10) Una vez obtenidos estos valores los reemplazamos6 en la ecuación (7) y obtenemos los siguientes MAPEs: MAPE Geométrico Lineal Exponencial Exportaciones Peruanas de Productos Tradicionales 73. Podemos concluir entonces que.34% 1. Vi es el valor inicial de la serie.2.17% 53.x ˆ ˆ ˆ donde. ˆ ˆ β es la pendiente.42% 0. r es la tasa de crecimiento geométrica.

Gujarati. Damodar N. 9 . Amirkhalhali.Por lo tanto las tasas de crecimiento seleccionadas son: Exportaciones Peruanas de Productos Tradicionales 9. 3. 2. Alpha C. Fundamental Methods of Mathematical Economics (Third Edition). Prentice-Hall. McGraw-Hill. (2004).59 % Área Cosechada de Maíz -0. Green. Econometric Analysis (Fifth Edition). Samad. Chiang.24 % Referencias. Basic Econometrics (Fourth Edition). 4. 1. William (2003). An Empirical Study of Selection and Estimation of Statistical Growth Models. McGraw–Hill. (2003).

Sign up to vote on this title
UsefulNot useful