LA PRODUCCION BRUTA DEL COMERCIO DE EMPRESAS NACIONALES DE

COLOMBIA EN 2020

ESTUDIANTES:
YURAINIS DIAZ ALDANA
JORNJYN MUEGUES
MARIA LUISA ORTEGA

ECONOMETRÍA I

JUDITH REY MERLO

ECONOMISTA

UNIVERSIDAD POPULAR DEL CESAR

FACULTAD DE CIENCIAS ADMINISTRATIVAS, CONTABLES Y ECONÓMICA
PROGRAMA DE ECONOMÍA
 VALLEDUPAR, ABRIL 2022
INTRODUCCIÓN

El siguiente estudio se llevará a cabo un modelo econométrico donde se muestran de forma

simplificada la relación existente entre dos o más variables, existen diferentes tipos de
modelos econométricos, para este trabajo desarrollamos un modelo de tipo serie de corte
transversal donde buscamos la creación eficiente que nos permita cumplir el objetivo con la
materia, cómo variable endógena utilizamos la producción bruta (PB), la cual está
constituida por la suma de las producciones de todas las actividades económicas de una
nación y como variables exógenas tomaremos, gastos en arrendamientos de bienes
inmuebles (GABI)., gastos en transporte, fletes y acarreos (GTFA), y ventas causadas en el
año (VCA). Esto anteriormente con el fin de estimar sus comportamientos, ya que el estudio
de esta nos permite colocar en práctica todos los conocimientos teóricos y prácticos de la
asignatura.

OBJETIVOS

 Comprender las partes del modelo que se desarrollara, teniendo claro los conceptos
manejados y su respectiva interpretación.
 Plantear una hipótesis inicial y más adelante contrastarla con los resultados obtenidos
en el proceso.

1. PLANTEAMIENTO DE LA TEORÍA O DE LA HIPÓTESIS

Para iniciar lo que se busca con este modelo es analizar la importancia que tiene el
comercio en la economía para conocer su estructura y el desarrollo del comercio a nivel
nacional a través de una variable dependiente y tres independientes, lo que buscamos es
conocer estos agregados económicos y entender la relación de las diferentes variables. La
empresa comercial es la unidad de observación a la que se refieren los datos solicitados por
la EAC (Encuesta Anual de Comercio). Esta operación estadística se aplica a todas las
unidades económicas formalmente establecidas ubicadas en el territorio nacional que
ocupan 10 o más personas o tienen ingresos por ventas anuales iguales o superiores a $
1.890 millones del año 2020. Según la información suministrada por Jorge Baca
Campodónico (Economista Principal de MAXIMIXE; La Producción Bruta se define como
la suma del valor agregado
(PBI) más el Consumo Intermedio que son los insumos utilizados en la producción. Es
decir, el PBI sólo mide el valor de la producción dedicado a satisfacer la demanda final de
bienes (consumo privado, consumo público, inversiones, exportaciones menos
importaciones). (Campodónico, 2018). La producción bruta en un periodo dado de tiempo
está constituida por la suma de las producciones de todas las actividades económicas de una
nación, medidas en valores monetarios. Si al valor total de lo producido en todos los niveles
del proceso productivo, le sustraemos el valor de los bienes y servicios intermedios
(insumos), obtendremos un valor neto, libre de duplicaciones al que denominamos
producto. La producción bruta equivale al total del valor de las ventas - costo de la
mercancía vendida - costos de insumos y materiales para la prestación de los servicios de
instalación, reparación y mantenimiento, todos estos datos de la producción bruta nacional.
Para el 43% de los comerciantes las ventas crecieron en enero. Fenalco arrojó resultados
mostrando una pérdida de dinamismo al inicio del año. De hecho, el 43% de los
encuestados informaron un aumento en las ventas o un equivalente en sus ganancias reales
en comparación con la cantidad recaudada en enero del año anterior, mientras que las
ventas de ventas disminuyeron en un 24%. Estos dos porcentajes contrastan con las tasas
reportadas en diciembre, que fueron de 58% y 5%, respectivamente. Estos resultados
causan mal sabor de boca, pero deben compararse con enero de 2021, mes en el que, según
el DANE, las ventas minoristas recientes cayeron 6,4% debido a las severas restricciones a
la portabilidad impuestas antes de la pandemia. Si bien las ventas van en aumento, hay que
admitir que este comercio ha perdido fuerza en el impulso de recuperación visto a lo largo
del año anterior. Sin embargo, destacamos el momento adecuado para el grupo automotriz,
que incluye venta de motos, repuestos, talleres mecánicos, estaciones de servicio y CDA”,
dijo Fenalco. El flete también puede ser definido como el costo de alquiler del medio de
transporte para el traslado de productos. Es decir, es el precio del servicio que presta el
transportista, el acarreo se define como el costo de la mano de obra y maquinaria que
ejecuta el transporte de un material, de un lugar a otro. Para el año 2020 a raíz de la
pandemia los arrendamientos en Colombia tuvieron un descenso drástico del IPC del 1.61%
según el DANE lo que impacta de manera negativa a la producción bruta. Otro gran
impacto en la economía lo trajo los costos logísticos en tiempos de pandemia gracias a la
Encuesta Nacional Logística de 2020 del Departamento Nacional de Planeación (DNP), la
cual estableció que para el año 2020 las actividades
económicas que menos costos logísticos reportaron fueron la construcción, con 8,4%, y el
comercio con 9,1 %, mientras que los niveles más altos se registraron en el sector
agropecuario con 22,3 % y minería 25,1%. En la industria el indicador se ubicó en 12,7 %,
muy similar al promedio que arrojó la encuesta llevada a cabo por el DNP.

Por medio de este ejercicio econométrico se busca entender las relaciones de las diferentes
variables independientes (ventas causadas en el año (VCA), gastos en transporte, fletes y
acarreos (GTFA), y gastos en arrendamientos de bienes inmuebles (GABI)), con respecto a
la variable dependiente (la producción bruta (PB)), en el año 2020, año en el cual se sufrió
un gran impacto económico con la pandemia COVID- 19, buscamos analizar el
comportamiento y relación de las variables pada entender los impactos positivos y
negativos que se registraron en ese año.

2. ESPECIFICACIÓN DEL MODELO MATEMÁTICO DE LA TEORÍA.

Para el planteamiento del modelo matemático se tiene en cuenta la variable dependiente,

como también las variables independientes, nuestro planteamiento matemático será, Y=
F(X), donde Y es la variable dependiente (la producción bruta (PB)), en función de X1, X2,
X3, siendo variables independientes (ventas causadas en el año (VCA), gastos en transporte,
fletes y acarreos (GTFA), y gastos en arrendamientos de bienes inmuebles (GABI)),
respectivamente).

Reemplazando, la ecuación es la siguiente: Y = F (X1, X2, X3)

Y (la producción bruta (PB)) = F (gastos en arrendamientos de bienes inmuebles

(GABI), gastos en transporte, fletes y acarreos (GTFA), y ventas causadas en el año
(VCA))

 VARIABLES Y SUS RELACIONES ENTRE ELLAS. (VARIABLES Y

DEFINICIÓN.)
 DEFINICIÓN.
i) VARIABLE DEPENDIENTE (Y)

LA PRODUCCIÓN BRUTA (PB): La producción bruta está constituida por la

suma de las producciones de todas las actividades económicas, en un periodo dado
de tiempo, medidas en valores monetarios. (Medida en miles de millones de pesos).
 ii) VARIABLES INDEPENDIENTES: (X1, X2, X3)
GASTOS EN ARRENDAMIENTOS DE BIENES INMUEBLES (GABI): Gastos
en arrendamientos de bienes inmuebles, por el cual se recibe servicios por el pago
de este arrendamiento en la relación con la explotación o mantenimiento de este
activo, para el año 2020. (Medida en miles de millones de pesos).

GASTOS EN TRANSPORTE, FLETES Y ACARREOS (GTFA): El concepto

de transporte: se utiliza para describir al acto y consecuencia de trasladar algo de un
lugar a otro, el flete es el costo para pagar por el desplazamiento de una carga en un
medio de transporte y el acarreo son aquellos artilugios o vehículos que sirven para
tal efecto, llevando individuos o mercaderías desde un determinado sitio hasta otro.
Es decir, lo que busca es medir cuánto fue el valor de los gastos en transporte, flete
y acarreos llevados a cabo para la comercialización de las actividades económicas
para el año 2020. (Medida en miles de millones de pesos).

VENTAS CAUSADAS EN EL AÑO (VCA): Las ventas son las actividades

realizadas para incentivar potenciales clientes a realizar una determinada compra.
Para esta variable independiente se toman los datos de todas las ventas totales en el
año por el comercio nacional en el año 2020. (Medida en miles de millones de
pesos).

iii) RELACIÓN DE VARIABLES

VARIABLES RELACIÓN EXPLICACIÓN
La relación de los gastos
GASTOS EN
arrendamientos de bienes inmuebles,
ARRENDAMIENTOS La relación es repercuten de manera indirecta en la
DE BIENES inversa variable dependiente ya que los gastos
INMUEBLES (GABI):
tienden a afectar negativamente la
(X1)
producción bruta nacional.
GASTOS EN La relación de los gastos de
La relación es
TRANSPORTE, transporte, fletes y acarreos,
inversa
FLETES Y ACARREOS repercuten de manera inversa en la
(GTFA): (X2) variable dependiente ya
que los gastos tienden a afectar

VENTAS CAUSADAS
EN EL AÑO (VCA): (X3)
negativamente la producción bruta
nacional.
Las ventas causadas en el año
representan una relación directa con
respecto a la variable dependiente es
La relación es directa, ya que si aumentan el número
directa de ventas en el año esto sumara en la
producción bruta. Por lo tanto, si las
ventas disminuyen, la producción bruta
tenderá a disminuir también.

3. ESPECIFICACIÓN DEL MODELO ECONOMÉTRICO DE LA TEORÍA.

Para la elaboración del modelo econométrico iniciamos con las betas (β) que representan
los parámetros del modelo y el margen de error que sería (µ).

Y=β0 ± β1X1 ±β2X2 ± β3X3 ± µ

La ecuación anterior está conformada por promedios ponderados, por: Y = β0 - β1 Gastos

en arrendamientos de bienes inmuebles (GABI)- β2 Gastos en transporte, fletes y acarreos
(GTFA) + β3 Ventas causadas en el año (VCA) + (µ).

Reemplazando, la ecuación econométrica es la siguiente:

PB = β0 - β1 GABI - β2 GTFA + β3 VCA + µ

5. Resultados e Interpretaciones
5.1. Medidas de Bondad de Ajuste

Cuadro 1. Fuente: Estadísticas de regresión, resumen de datos de la producción bruta del comercio de
Colombia en 2020. (Ejercicio académico)
 Coeficiente de Determinación R2

Respecto a los datos obtenidos en el cuadro 1, los resultados que vemos en el análisis de regresión
nos muestran que el coeficiente de determinación (R2), entre mas cercano este al 1, aportan
más información las variables independientes con respecto a la variable dependiente, es
decir que tanto explican estas al modelo planteado. Se puede decir que, en base a los
resultados obtenidos en el modelo plateado, el R2 está cercano de 1, por lo que es del
0,8260 siendo en porcentaje el 82,60% la proporción que explica el modelo.

 R2 Ajustado.

El coeficiente de determinación R2, mide que tanta información aportan las variables
independientes con respecto a la variable dependiente. El R2 ajustado es mucho mas
refinado porque mide los grados de libertad, según los datos obtenidos en las estadísticas de
regresión, el R2 ajustado es de 0.8167 siendo un porcentaje de 81,67%, esto quiere decir
que las variables independientes, están explicando completamente el comportamiento de la
variable dependiente.

 Error Típico o Desviación Estándar.

El error típico o desviación estándar mide la dispersión de los datos en torno a la media,
esta expresada en la misma unidad de medida de la variable dependiente en torno a la
regresión del modelo. Por lo tanto, los datos resultados del análisis de regresión de los datos
observados y estimados, el error típico con respecto a la media no es un valor sumamente
alto, al encontrarse por debajo del valor de la media poblacional, siendo precisamente la
dispersión de los datos de una distancia promedio de alrededor de 6958058.01 miles de
millones pesos, es decir que la dispersión es sumamente alta.

5.2 Nivel de significancia Conjunta del Valor Critico F

Cuadro 2. Fuente: Producción bruta del comercio de Colombia en 2020. (Ejercicio académico)

Prueba de Hipótesis: Si el Valor Crítico de F es menor a 0,05(5%) No se rechaza la

Hipótesis Nula, de que mis variables son significativas conjuntamente para el modelo.
Podemos encontrar en el cuadro 2, el valor critico se encuentra por debajo del 0,05%, esto
quiere decir que en conjunto las variables explican la totalidad del modelo o el
comportamiento de la variable dependiente. Se acepta la hipótesis nula que las variables
son significativas para el modelo.

5.3 Interpretación de los Coeficientes de las Variables

Cuadro 3. Fuente: Interpretación de los coeficientes de las variables, producción bruta del comercio
de Colombia en 2020. (Ejercicio académico)

A continuación, tenemos la variable dependiente producción bruta medida en miles de

millones de pesos, gastos en arrendamientos de bienes inmuebles (gabi). gastos en
transporte, fletes y acarreos (gtfa) y ventas causadas en el año (vca), Todas las variables
independientes medidas en miles de millones de pesos.

 El intercepto es una constante (B0), esto quiere decir que el valor de la producción
bruta varia -1135487,51 miles de millones de pesos, si gastos en arrendamientos
de bienes inmuebles (gabi), gastos en transporte, fletes y acarreos (gtfa) y
ventas causadas en el año (vca), son iguales a cero.
 El segundo parámetro (B1), que acompaña a la variable dependiente (X1), si los
gastos en arrendamientos de bienes inmuebles (gabi), aumentan en miles de
millones de pesos, la producción bruta aumenta 10.4249 miles de millones de pesos.
 El tercer parámetro (B2), que acompaña a la variable dependiente (X2), si los gastos
en transporte, fletes y acarreos (gtfa) aumentan en miles de millones de pesos, la
producción bruta aumenta 19.9321 miles de millones de pesos.
 El cuarto parámetro (B3), que acompaña a la variable dependiente (X3), si las
ventas causadas en el año (vca) aumentan en miles de millones de pesos, la
producción bruta aumenta 0.0263 miles de millones de pesos.
 5.4 Nivel De Significancia individual del T Estadístico al 95% y Probabilidad al 5%

Cuadro 4. Fuente: Estadístico T y probabilidad, producción bruta del comercio de Colombia en

2020. (Ejercicio académico)

Prueba de Hipótesis: Si el T estadístico de las variables independientes arriendo, fletes y

venta, se encuentra por encima a 1,96 y la probabilidad de que estas variables son
significativas cuando sean menor al 5%, no se rechaza la Hipótesis Nula, de que las
variables independientes son significativas para el modelo. Encontramos en el cuadro 4,
que las variables independientes están por encima de 1,96 con respecto al t estadístico y
menos al 5% esto quiere decir que las variables independientes son significativas para el
modelo de manera individual, lo cual nos lleva a que se acepte la hipótesis nula que
nuestras variables son significativas individualmente para el modelo. Además, en el
intercepto o (B0) pudimos identificar que no es significativa porque no es mayor a 1,96 ni
menor a 0.05%.

5.5 intervalos de Confianza

Cuadro 5. Fuente: Intervalos de confianza, producción bruta del comercio de Colombia en 2020.
(Ejercicio académico)

Los intervalos de confianza corresponden a un rango de valores, cuya distribución es

normal y en el cual se encuentra con alta probabilidad, el valor real en este caso de las
variables independientes encontrándose así en la zona de aceptación.
 La Constante B0 (-1135487,51), cae dentro de los límites de confianza, lo que quiere
decir que se encuentra dentro de la zona de aceptación y los límites de intervalos de
confianza entre -3426068.20 y 115093.17.
 La variable gastos en arrendamientos de bienes inmuebles (10.424953), cae
dentro de los límites de confianza, lo que quiere decir que se encuentra dentro de la
zona de aceptación y los límites de intervalos de confianza entre 6.208564 y
14.641343.
 La variable gastos en transporte, fletes y acarreos (19.932105), cae dentro de los
límites de confianza, lo que quiere decir que se encuentra dentro de la zona de
aceptación y los límites de intervalos de confianza entre 15.869793 y 23.994417.
 La variable ventas causadas en el año (0.026394), cae dentro de los límites de
confianza, lo que quiere decir que se encuentra dentro de la zona de aceptación y los
límites de intervalos de confianza entre 0.002305 y 0.050482.
Gráficas de Dispersión

BRUTA Y
100000000
80000000
60000000
40000000
20000000
0
0 10 20 30 40 50 60 70
-20000000

Gráfico 1: Grafica de dispersión, producción bruta. (Ejercicio académico)

ARRIENDO X1
3000000

2500000

2000000

1500000

1000000

500000

0
0 10 20 30 40 50 60 70

Gráfico 2: Grafica de dispersión, gastos en arrendamientos de bienes inmuebles (Ejercicio

académico)
 FLETES X2
4000000
3500000
3000000
2500000
2000000
1500000
1000000
500000
0
0 10 20 30 40 50 60 70

Gráfico 3: Grafica de dispersión, gastos en transporte, fletes y acarreos (Ejercicio académico)

VENTA X3
700000000
600000000
500000000
400000000
300000000
200000000
100000000
0
0 10 20 30 40 50 60 70

Gráfico 4: Grafica de dispersión, ventas causadas en el año (Ejercicio académico)

MODELO DE M.C.O. CON PAQUETE ESTADÍSTICO/ECONOMÉTRICO
REGRESION LINEAL

Coeficiente de determinación (R2) = 0.9042 esto indica que el 90,42% de la variación de mi

variable dependiente BRUTA está siendo explicado por la relación lineal con las variables
independientes.
Y según mí R2 ajustado el conjunto de mis variables independientes me están explicado a mi
variable dependiente en 90.41% aproximadamente.

Nivel de significancia global (F-statistic): el modelo es significativo ya que la probabilidad

asociada al F-statistic es menor al 5%

Nivel de significancia individual (T-statistic): las variables son significativas individualmente ya

que la probabilidad está por debajo el 5%

MODELO LOGARITMICO
RP/TA:
β0 = lnbruta tomaría un valor de 0,7158651 miles de pesos, si mis variables, Lnarriendo, Lnfletes,
Lnventas fueran 0
β1= Si mi variable lnarriendo aumentan un punto porcentual, mi lnbruta aumentara en promedio
0,0903280 unidades porcentuales

β2= Si mi variable lnfletes aumenta en un punto porcentual mi variable lnbruta va a aumentar en

un 0,0741665 unidades porcentuales

β3= Si mi variable lnventa aumenta en un punto porcentual mi variable lnbruta va a aumentar en un

0,7508729 unidades porcentuales

MODELO SEMI - LOGARITMICO

LOG - LIN

RP/TA:
β0 = lnbruta tomaría un valor de 14,2238 miles de pesos, si mis variables, arriendo, fletes, ventas
fueran 0
β1= Si mi variable arriendo aumentan en un peso, mi lnbruta aumentara en 2,19e-07 puntos
porcentuales
β2= Si mi variable fletes aumentan en un peso mi variable lnbruta va a aumentar en un 7.03e – 08
punto porcentual
β3= Si mi variable venta aumenta en un peso mi variable lnbruta va a aumentar en un 1.41e-09
puntos porcentuales

PRUEBA DE FORMA FUNCIONAL

RESET DE RAMSEY

RP/TA:
Debido a la probabilidad asociada al f estadístico del test reset de Ramsey podemos ver que nuestro
modelo es menor que 0,05 lo cual rechazamos la hipótesis nula y ver que no hay forma funcional y
nuestro modelo está mal especificado ahora toca corregir.
Como no esta cercano a 1 decidimos hacer la correlación funcional.

CORRECCION DE FORMA FUNCIONAL

RP/TA:
Decidimos hacer la correlación funcional Como es cercano a uno al hacer 2 pruebas para hacer una
corrección de forma funcional encontramos que el modelo que vimos más viable es el modelo
logarítmico ya que este test es el más cercano a 1 y nos muestra que nuestro f- estadístico = 31.40
es el más viable al compararlo con nuestro modelo original

CAMBIO ESTRUCTURAL
TEST DE CUSUM
RP/TA:
Podemos ver que no tuvimos cambio estructural por que la línea de regresión no se sale de la zona
de aceptación por lo tanto no corregimos y no hacemos la prueba de dummy

MULTICULINEALIDAD
TEST Multicolinealidad

RP/TA:
Al analizar los datos obtenidos por medio de este test podemos determinar basándonos en los
estadísticos observados que no tenemos multicolinealidad ya que estos estadísticos son menores a
0, 85.

ESTADISTICO VIF

RP/TA:
Este estadístico VIF teniendo en cuenta las interpretaciones de este que dice que cuando es
menores a 5 no tenemos Multicolinealidad severa tolerable, entonces en este caso no hay o no
existe Multicolinealidad, coincidiendo con la prueba anterior, de que no hay Multicolinealidad en
mis variables independientes.
AUTOCORRELACIÓN TEST DE DURBIN-WATSON STAT

1.336 1.720 2.28 22.66

4

Rechace H0, Zona de Zona de Rechace Ha,

evidencia de indecisión DW=1.847498 indecisión evidencia de
auto auto
correlación correlación
positiva negativa
No rechace
H0 o Ha o
ambas
D
dL dV 2 4 - dV 4 - dL
0 4

RP/TA:
Si esta entre 1.85-2.15 indicios de no Autocorrelación -----> DW=1.847498
En conclusión, referente al test evaluado nuestro Durbin-Watson queda dentro de la zona de no
rechace H0 o Ha, o ambas.

CORRELOGRAMA
RP/TA:
Al hacer el correlograma si encontramos problemas de autocorrelación, ya que es otra forma de
identificar si hay o no, observamos que al hacer varias pruebas encontramos al comparar el primer
residuo con el residuo #7 que fue la que observamos más viable y no se pudo arreglar el problema
de autocorrelación.

AUTOCORRELACION PARCIAL (PAC)

RP/TA:
Al hacer el pac nos dimos cuenta que todavía tenemos autocorrelación al momento de hacer varios

HETEROCEDASTICIDAD
RP/TA:
En esta prueba podemos ver que tenemos problemas heterocedasticidad ya que la probabilidad >
chi2 que es menor a 0,05 rechazos la hipótesis nula, es decir la varianza de nuestros errores no es
constante

CORRECCIÓN DE LA HETEROCEDASTICIDAD

RP/TA:
De esta forma fue corregida la heterocedasticidad con la regresión del modelo robust

PRUEBA DE NORMALIDAD
 6.0e-08

4.0e-08

2.0e-08
Density

-4.00e+08 -2.00e+08 0 0 2.00e+08 4.00e+08

Residuals

RP/TA:
Observando la gráfica podemos decir que es leptocurtica con indicios de normalidad en los
residuos.

TEST DE SHAPIRO - WILK Y SHAPIRO – FRANCIA

RP
/TA:
Como podemos observar en nuestro test según la probabilidad asociada al Jarque- Bera como es
menor a 0,05 entonces no hay normalidad en los residuos por lo tanto hay indicios de rechazar la
hipótesis nula
CONCLUSION
Una vez realizado todos los pasos del modelo econométrico, inicialmente los resultados mostraban
que todas nuestras variables eran individualmente y conjuntamente significativas para el modelo,
Se puede evidenciar que el modelo que se trabajo es de corte transversal, mostrando de una manera
simplificada las variables, una dependiente y tres independiente . Se busca entender la importancia
del comercio, la estructura y desarrollo de la misma. Vimos también que la probabilidad asociada a
la t estadístico era menor al 5%, pero una vez realizados todos los ajustes podemos concluir que al
hacer el test reset de Ramsey encontramos que nuestro modelo estaba mal especificado y se tuvo
que corregir y al hacer 2 pruebas de forma funcional vimos más viable el modelo logarítmico. No
tuvimos cambio estructural, no tuvimos multiculinealidad, al hacer varias pruebas de los
correlogramas no pudimos arreglar el problema de autocorrelación y nos quedamos con la más
viable, también tuvimos problemas de heterocedasticidad y lo arreglamos con el comando robust.

BIBLIOGRAFIA

 DANE. (2020). Encuesta Anual de Comercio (EAC). Dane.

https://www.dane.gov.co/index.php/estadisticas-por-tema/comercio-interno/encuesta-anual-
de-comercio-eac#:%7E:text=Proporciona%20indicadores%20del%20comportamiento
%20de,conformaci%C3%B3n%20de%20los%20agregados%20macroecon%C3%B3micos.

 Campodónico, J. B. (2018, 20 noviembre). El PBI y la Producción Bruta. Alerta

Economica. https://alertaeconomica.com/el-pbi-y-la-produccion-bruta/