Universidad Peruana de Ciencias Aplicadas

Determinantes de las exportaciones en el Perú

durante el periodo 1998 - 2017

Vivian Izaguirre, Diego Henostroza y Teresa Tipula

Lima, junio del 2018

Curso: ​Introducción a la econometría - EF72

Ciclo académico: ​2018 - 1

 
Índice

1. Introducción………………………………………………………………………….2
2. Objetivos e hipótesis
2.1. Objetivo general…………………………..………………………………….3
2.1.1. Hipótesis general……………………………………………………..3
2.2. Objetivo específico 1……………………………………………....…………3
2.2.1. Hipótesis específica 1………………………………………………...3
2.3. Objetivo específico 2………………………………………………………....4
2.3.1. Hipótesis específica 2………………………………………………...4
2.4. Objetivo específico 3…………………………………………………………4
2.4.1. Hipótesis específica 3………………………………………………...4
3. Revisión de la literatura………………………………………………………………5
4. Planteamiento del modelo…………………………………………………………..13
4.1. Justificación de las variables………………………………………………..13
4.2. Data y estimación…………………………………………………………...15
4.3. Análisis de quiebre estructural……………………………………………...17
4.4. Especificación del modelo…………………………………………………..20
4.5. Análisis de multicolinealidad……………………………………………….21
4.6. Análisis de heterocedasticidad……………………………………………....21
4.7. Análisis de autocorrelación…………………………………………………22
5. Resultados …………………………………………………………………………..23
6. Conclusiones y recomendaciones…………………………………………………...25
7. Bibliografía………………………………………………………………………….26

Anexo ………………………………………………………………………………………28

1 
 1. Introducción

En los últimos años, el Perú ha experimentado un rápido proceso de crecimiento económico. Esto
ocasionado, en gran medida, ocasionado por el desempeño de las exportaciones, las cuales
representaron un 24% del Producto Bruto Interno total (PBI) en el año 2017, y un 25.4% en el
1
primer trimestre del 2018 . Asimismo, a nivel de la región latinoamericana, nuestro país fue el que
presentó un mayor crecimiento de sus exportaciones, y a nivel mundial, ubicó el tercer puesto, solo
2
superado por Rusia y Bielorrusia según Promperú .

Esto originado por un favorable contexto internacional y una recuperación de los precios de los
principales ​commodities; también, ocasionado por un mayor crecimiento de nuestros principales
3
socios comerciales, siendo estos China y Estados Unidos . Cabe mencionar, que dentro de los
4
productos exportadores que representan una mayor proporción se encuentran el cobre y el oro .
Dentro de las principales ventajas relacionadas a un mayor nivel de las exportaciones se encuentra el
hecho de que favorece la creación de nuevas industrias y empleo, propicia la competitividad a nivel
internacional, permite aprovechar las ventajas comparativas de cada país, entre otros. Bajo este
contexto, debido al papel que desempeñan para el crecimiento de la economía peruana, resulta
esencial estudiar las exportaciones. Debido a ello, en este trabajo de investigación, se propone un
modelo econométrico que valide qué variables son capaces de explicar las fluctuaciones de las
exportaciones cuáles son las variables que han influenciado en las exportaciones peruanas durante el
periodo comprendido entre el tercer trimestre del año 1998 y el primer trimestre del año 2018.

El documento seguirá la siguiente estructura, en la sección 2 se plantean los objetivos específicos e

hipótesis y su respectiva justificación. Seguido a ello, en la sección 3, se encuentra la revisión
bibliográfica, basada en diversas fuentes que nos permitieron obtener las variables determinantes de
las exportaciones peruanas y su respectivo rol. En la sección 4, se procede a plantear el modelo y se
estudia el cumplimiento de las hipótesis planteadas anteriormente. En la sección 5, se muestran los
resultados obtenidos. Posteriormente, en la sección 6, se realizan las conclusiones y
recomendaciones respectivas. Y, para culminar, en las secciones 7 y 8, se presenta la bibliografía y
los anexos, respectivamente.

1
​Cfr. Banco Central de Reserva del Perú 
2
​Cfr. La República 
3
​Cfr. Banco Central de Reserva del Perú 
4
​Cfr. Ministerio de Economía y Finanzas 

2 
 2. Objetivos e hipótesis

2.1. Objetivo general

El presente análisis econométrico pretende analizar y explicar los principales determinantes

de las fluctuaciones de las de exportaciones peruanas basándose en datos de series de tiempo
durante el periodo de 1997 a 2018.

2.1.1. Hipótesis general

Las variables relevantes para analizar las exportaciones peruanas durante el periodo
previamente señalado comprenden: tipo de cambio real, nivel de apertura comercial, índice
del precio de las importaciones, precios de metales, producto bruto interno doméstico,
estadounidense y chino.

2.2. Objetivos específicos

2.2.1. Objetivo específico 1

“Determinar a nivel macroeconómico y mediante un modelo econométrico si las variables:

tipo de cambio real, nivel de apertura comercial, índice del precio de las importaciones,
precios de metales, producto bruto interno doméstico, estadounidense y chino, pueden
explicar las fluctuaciones de las exportaciones en el Perú durante el periodo previamente
señalado.”

2.2.1.1. Hipótesis específica 1

Ho: ​Las variables explicativas elegidas son capaces de explicar al modelo propuesto
con un coeficiente de determinación de 65%.

Importancia

La bondad de ajuste de un modelo permite entender cuán bien se ajusta la línea de

regresión a los datos, la medida más común para medir la bondad de un modelo es el
5
coeficiente de determinación que varía entre -1 y 1 . Es entonces que resulta
relevante la proporción que pueden explicar los determinantes al comportamiento de
las exportaciones.

5
Cfr. Gujarati 2009:76 

3 
 2.2.2. Objetivo específico 2

“Identificar mediante un modelo econométrico si la variable explicativa del precio del cobre
tiene influencia significativa en las exportaciones en el Perú durante el periodo señalado.”

2.2.2.1. Hipótesis específica 2

Ho: ​El precio del cobre es una variable explicativa con una influencia positiva en el
comportamiento de las exportaciones peruanas en el periodo previamente señalado.

Importancia

En el año 2017, Perú registró US$ 27,745 millones en exportaciones mineras, que
significó un 61,8% del total exportado, siendo los principales metales exportados:
6
cobre, zinc y oro, según en Ministerio de Economía y Finanzas . En línea con esto,
parece evidente que el precio de un metal como el cobre puede guardar una relación
directa con las fluctuaciones de las exportaciones peruanas.

2.2.3. Objetivo específico 3

“Determinar si la crisis financiera del pasado 2008 fue capaz de repercutir en el

comportamiento de las exportaciones peruanas.”

2.2.3.1. Hipótesis específica 3

Ho: ​La crisis económica del 2008 ha afectado al nivel de exportaciones, por tanto,
no existe estabilidad paramétrica en el modelo realizado.

Importancia

La crisis económica del 2008 originada por la burbuja inflacionaria tuvo grandes
repercusiones en todas las economías ligadas a Estados Unidos. Si bien Perú fue uno
de los países latinoamericanos que reaccionó relativamente estable frente a esta
situación, es necesario analizar el efecto de esta crisis en las exportaciones pues el
7
principal socio comercial peruano es Estado Unidos .

6
Cfr. Gestión 2018 
7
Cfr. OEC 2018 

4 
 3. Revisión de la literatura

South Africa's export performance: determinants of export supply

El documento presenta un análisis comparativo de la estructura de exportación de Sudáfrica y

rendimiento y una investigación econométrica de los determinantes de los volúmenes de exportación
en función de la oferta y demanda de exportaciones. Hace una alusión especial a las exportaciones
productos manufacturados durante la década de los noventa comparado con las exportaciones de
Asia oriental. Tienen como hipótesis principal a la conocida hipótesis de país pequeño.

En 1994, con el cambio a un gobierno elegido democráticamente, las nuevas políticas en Sudáfrica se
orientaron a estimular el crecimiento, en ese contexto, se desarrolla en los años 90, un boom de
crecimiento liderados por las exportaciones similar a las de Asia oriental, basadas principalmente en
un carácter manufacturero. Para desarrollar el modelo plantean dos regresiones, la primera por el
lado de la demanda y la segunda por el lado de la oferta de exportaciones.

X = Volumen de exportaciones
Y* = Ingreso real extranjero
P* = Precio extranjero en moneda doméstica
Px = Precio doméstico de exportaciones
e = Tipo de cambio
P = Precio doméstico
C = Costo variable numeral
Z = Vector de otras variables que influencian la oferta de exportaciones

Por el lado de la demanda de exportaciones, se toma una muestra restringida de 1980 hasta 1990, los
resultados obtenidos muestran el coeficiente de producción extranjera es insignificante durante ese
periodo diferente de cero y robusto. Los resultados son menos robustos cuando la muestra incluye la
década de 1970. Utilizando como estimador de los los precios extranjeros hallados mediante GMM,
sugiere que cuando la endogeneidad de los volúmenes de exportación y el tipo de cambio efectivo

5 
nominal se contabiliza, el coeficiente de volumen de exportación es solo significativo al 10%. Por lo
tanto, la hipótesis de un país pequeño se sostiene una vez problemas de endogeneidad son tratados.

Por el lado de la oferta de exportaciones, los precios extranjeros, los precios internos y el tipo de
cambio tienen un fuerte impacto en fabricación de rendimiento de exportación en Sudáfrica. Esto se
muestra por el positivo coeficiente significativo sobre la variable de precio relativo (el tipo de
cambio efectivo real). Un aumento del 1% en el precio relativo de las exportaciones se estima que
aumentará los volúmenes medios de exportación de manufacturas en un 1.8% a 2.5% en el largo
plazo. La respuesta muy elástica de los volúmenes de exportación a los cambios en los precios
relativos encontrados en estas estimaciones.

Los exportadores manufactureros sudafricanos son predominantemente los tomadores de precios en

el mercado internacional y enfrentan una demanda infinita de sus productos. Sin embargo, los
cambios en la demanda extranjera afectan el suministro de exportación a través de cambios en el
precio internacional.

Determinants of Export Performance

El presente documento refleja el resultado de una investigación empírica de la secretaría de

UNCTAD sobre los determinantes del comportamiento de las exportaciones desde 1980 hasta 2003
1, con frecuencia semestral. El estudio abarca a 84 países y dedica atención especial a la oferta de
exportaciones, tomando en cuenta la crisis asiática. Los autores asumen la hipótesis de economías de
escala y competencia perfecta. Cabe resaltar que desarrollan el modelo con una regresión cuantílica,
una extensión del clásico OLS.

Se plantea que los determinantes principales de la capacidad de suministro son las siguientes, la
infraestructura de transporte doméstico, como un proxy, que será representado por el costo de
transporte interno; el entorno macroeconómico, para lo cual usan el tipo de cambio real y la
inversión directa extranjera.

El modelo que desarrollaron es:

En donde, POPU hace referencia a la población, FMA que significa Foreign market access, t al costo
interno de transporte y COMP es una variable que afecta la competitividad del sector exportador.

6 
Econometric models of foreign trade in OECD countries

El documento presenta tres modelos econométricos que toman en cuenta tanto el lado de la demanda
como el de la oferta como determinantes de las exportaciones, incluye las importantes relaciones el
desarrollo industrial y el comercio externo. Los modelos se centran en el rol positivo que tiene el
capital humano para fomentar la evolución de las exportaciones. El estudio abarca información de las
principales variables económicas de 25 países miembros de la Organización para el Crecimiento y
Desarrollo Humano (OCDE) durante el periodo comprendido entre los años 1960 y 1997.

El modelo que se toma de referencia para nuestros propósitos es el Modelo 1, el cual, a diferencia de
los modelos econométricos usuales de exportaciones que se centran en dos principales variables
explicativas, el nivel de demanda externa y los precios domésticos en relación con los precios
extranjeros, incluye otras variables relevantes como el nivel del producto bruto interno del país en
estudio como una variable que representa el lado de la oferta y que tiene un efecto positivo en las
exportaciones, el nivel de consumo privado del país, como una variable que representa la demanda
interna y tiene un impacto negativo en las exportaciones, y una variable relacionada con el nivel
educacional de la población como una medida de los cambios en la calidad de la producción y
organización de un país.

La ecuación que desarrollan para explicar el comportamiento de las exportaciones sigue la forma:

EXP90it= β1 DEXTit + β2 GDP90+ β3 IPRit +β4 TYRit/TYRUt+β5 EXP90 (-1)

EXP90it = E​xportaciones de bienes y servicios del país i en el año t, en miles de millones de

dólares a los niveles de precios de 1990

​DEXTit = D​emanda externa, medida por la suma del valor real del PIB en los otros 24 países
de la OCDE en el año t, en miles de millones de dólares a los niveles de precios de 1990

GDP90it = Oferta interna, medida por el valor real del PIB en el país i y año t, en ​miles de
millones de dólares a los niveles de precios de 1990

​IPRit = ​Índice de precios, medido por la relación entre el índice de precios de las
exportaciones de cada país y el índice de exportaciones de los Estados Unidos

TYRit/TYRUt = Relación entre el promedio de años de educación de la población adulta de cada

país en comparación con el valor correspondiente de esta variable en los Estados Unidos.

7 
Al analizar los resultados de las estimaciones de la investigación, resultó que el modelo tiene un alto
coeficiente de bondad de ajuste (R2 =0.998803), todos los coeficientes son estadísticamente
significativos y tienen los signos adecuados, además el valor rezagado de la variable explicada tiene
un coeficiente cerca a uno.

Determinants of Export Performance in East and Southeast Asia

Este documento examina los patrones y determinantes de las exportaciones de nueve economías
asiáticas, con énfasis en el creciente rol importante de las partes y los componentes. Por ello, para
determinar si las exportaciones de partes y componentes son especiales y para permitir
comparaciones, las ecuaciones de las regresiones son estimadas para tres categorías diferentes:
exportaciones totales, exportaciones manufactureras y exportaciones de maquinaria y equipo de
transporte. Siendo la primera la de nuestro interés con fines de nuestro trabajo.

El análisis cubre el periodo comprendido entre los años 1990 al 2006, que estuvo caracterizado por
el mayor comercio de estas partes y componentes, que se convirtió en una importante herramienta
para las exportaciones de la región. Esta estimación se hace en base al modelo de sustitución
imperfecta. La ecuación de estimación es la siguiente:

X = Exportaciones totales
Pw = Precio de productos competidores en los mercados importadores (en moneda extranjera)
Pd = Ratio entre el precio de exportaciones en el mercado local y tipo de cambio nominal
WD = PBI real de las economías a donde se exportan los bienes
Z = Capacidad de la producción doméstica.

Que puede ser reescrita como:

RER es el tipo de cambio real.

Uno de los resultados clave es que la rápida diversificación de las exportaciones, más allá de los
productos tradicionales y más relacionados con la especialización en los componentes y partes dentro
de las industrias globales ha tendido a debilitar la relación entre el tipo de cambio real y el
comportamiento de las exportaciones. Asimismo, la demanda de los países a donde se exporta y la

8 
capacidad de producción han aumentado su importancia en las exportaciones. Además,
especialmente en el largo plazo, la capacidad de producción de las empresas tiende a jugar un rol
fundamental en las exportaciones.

Determinants of exports in developing countries

El presente estudio pretende averiguar los determinantes internos y externos de la promoción de las
exportaciones en un gran conjunto de países en desarrollo. En este estudio seguiremos el
procedimiento de estimación de datos de panel para 75 países en desarrollo.

En este capítulo, se formuló un marco de análisis para determinar los efectos de diversos factores
sobre las exportaciones en los países en desarrollo, que se tomó en esta muestra. El objetivo
subyacente es explicar la racionalidad detrás de las exportaciones.

En la función de exportación se consideran todos aquellos factores que potencialmente pueden

desempeñar un papel significativo en la determinación de las exportaciones en los países en
desarrollo. Por un lado, los países en desarrollo se enfrentan a déficits gemelos, a saber, déficit fiscal
y déficit comercial. Por otro lado, la crisis de la deuda externa crean más problemas financieros. En
tal estado lamentable de las crisis financieras, el único de los flujos de inversión extranjera directa no
es suficiente. Pero la expansión del sector exportador para la mejora de la perturbación financiera
también debe ser abordado. En este sentido, se identificó varios determinantes de las exportaciones.

El crecimiento de las exportaciones está determinada básicamente por factores externos, para esto
utilizamos dos variables IED y tipo de cambio real. Sin embargo, las exportaciones también son
afectadas por factores internos. En este sentido incorporamos el PIB, PIB tasa de crecimiento,
impuestos indirectos, medios de comunicación, ahorro, industrialización, fuerza de trabajo y ayuda
oficial al desarrollo. Ecuación especificada para la promoción de las exportaciones es como sigue:

Donde el
índice i(=1,…n) representa a países y t(=1,…n) representa el periodo de tiempo (años). Las variables
en el análisis son las siguientes:

EX = Exportaciones como porcentaje del PBI

FDI = Inversión extranjera directa como porcentaje del PBI
GDP = Producto bruto interno con precios constantes
GROW = Porcentaje anual de crecimiento del PBI

9 
SAV = Ahorros nacionales como porcentaje del PBI
OD = Ayuda oficial al desarrollo como porcentaje del PBI
IT = Impuestos indirectos como porcentaje del PBI
EXCH = Tipo de cambio real. Es obtenida multiplicando la tasa de cambio nominal por el IPC
americano y dividido por el IPC nacional
TV = Número de televisores por 1000 personas
TP = Número de teléfonos por 1000 personas
VAD = Valor industrial agregado como porcentaje del PBI
LF = Fuerza laboral total

Ahora discutimos el procedimiento de estimación de nuestro modelo. El uso de combinado series de

tiempo y datos de sección transversal proporcionan acerca parámetro eficiente que estima.

Se presenta los resultados empíricos basados en datos combinados de 75 países en vías de desarrollo
durante el período de 1970 a 2004. Se seleccionó un amplio conjunto de países en desarrollo para la
investigación empírica. El modelo de datos de panel se estima al permitir cambios determinísticos
en todos los países. Puesto que el modelo utiliza datos de panel, es probable que sufra de
autocorrelación como heterocedasticidad. Ambos se eliminan mediante la aplicación de técnicas
econométricas adecuadas.

El determinante principal de las exportaciones es IED. Sin embargo, en la literatura empírica los
efectos de la IED sobre las exportaciones son polémicos. El estudio revela impacto positivo pero
insignificante de la IED sobre el crecimiento de las exportaciones. Las historias de éxito de los países
del este y del sudeste asiático sugieren que la IED es una poderosa herramienta de promoción de las
exportaciones debido a que las empresas multinacionales (MNCs) a través del cual se lleva a cabo la
mayoría de la IED tienen los contactos bien establecidos y la información actualizada sobre
mercados extranjeros.

Según los resultados, la regresión nos muestra que el tipo de cambio real afecta positivamente la
exportación. Resultó ser la variable más significativa que afecta a la exportación.

The Determinants of Export Supply and Export Demand in Two Developing Countries: Greece
and Korea

La capacidad de respuesta de las exportaciones a precios y rentas en el país y en el extranjero es una

cuestión importante para juzgar la eficacia de las medidas de política, tales como tipos de cambio y
subvenciones a la exportación, en los países en desarrollo. Anteriores investigaciones en estos países

10 
examinan los determinantes de la oferta exportable y la demanda de exportación independientemente
unas de otras.

En este trabajo, las funciones de oferta de exportación y demanda de exportación se han estimado
para los dos países, Grecia y Corea, en un marco de ecuaciones simultáneas. En la ampliación de la
metodología utilizada por Goldstein y Khan, se introdujo más incentivos a la exportación en la
estimación y, en el caso de Corea, se ha considerado por separado los efectos sobre las exportaciones
de los cambios en el tipo de cambio nominal efectivo (el tipo de cambio ajustado por incentivos a la
exportación), los precios en dólares de la exportación y los precios de los bienes nacionales.

La ecuación relevante de estimación se refiere a X como el índice de volumen de las exportaciones.

Uno puede introducir más variables que representan la presión de ingreso interno. Esta variable no
ha dado resultados estadísticamente significativos en la presente investigación. Además, el uso de
variables no rezagadas ha demostrado para ser superior a la de las variables rezagadas en las
estimaciones que utilizan datos anuales.

Aparte de las exportaciones totales, como interés se hacen estimaciones separadas para las
exportaciones primarias y de manufacturas. Para comenzar, los dos grupos de exportaciones reciben
incentivos diferentes. Además, pueden variar la fuente de respuestas a los incentivos entre ellos. Por
último, la fiabilidad de los datos puede diferir en los dos casos.

Fuente de las estimaciones MCO de las elasticidades de precio de exportación para bienes
manufacturados en Grecia son superiores a los resultados obtenidos para la mayoría de los países en
desarrollo pero menor que para las exportaciones totales en Grecia.

el coeficiente de regresión de la variable de precio de exportación de dólar es uniformemente más

bajo que el de la variable precio para los productos nacionales. Este resultado es consistente con la
explicación de que los precios de los bienes domésticos tienden a ser más estables que los precios en
dólares de las exportaciones que se forman en el mercado mundial, y que los exportadores no
responde a lo que consideran cambios reversibles.

Las estimaciones se han hecho en el supuesto de que la expansión de las exportaciones se ve

afectado por crecimiento de la capacidad pero no viceversa. Esta hipótesis no puede tener para los
países en desarrollo, donde el crecimiento de las exportaciones influirá en el crecimiento de la

11 
producción que se ha utilizado como una medida de capacidad. Al mismo tiempo, los intentos para
ajustar el crecimiento de la producción para cambios en las exportaciones no han sido exitosos.

Las elasticidades precio de demanda de las exportaciones totales de Grecia y Corea están en la gama
media de las estimaciones correspondientes de los países en desarrollo.

Se puede concluir que las estimaciones econométricas de las elasticidades ingreso de demanda para
las exportaciones de Grecia y Corea están sesgadas hacia arriba debido a la negligencia de la mejora
de la calidad asociados con el crecimiento de la productividad. En consecuencia, las estimaciones de
las elasticidades precio exterior de la demanda de las exportaciones de estos países están sesgadas
hacia abajo.

12 
 4. Planteamiento del modelo

El presente trabajo de investigación busca determinar los efectos de diversos factores que
consideramos relevantes sobre las exportaciones peruanas. Como se mencionó anteriormente, el
objetivo implícito es explicar la relación de estos con la dependiente, para lo cual se plantea la
siguiente función:
X = f (TCR, NAC, Pm, P_cobre, P_oro, PBIt-1,, PBIUSA, PBICX )

X = Exportaciones
TCR = Tipo de cambio real
NAC = Nivel de apertura comercial
Pm = Índice de Precios Nominales - Importaciones
P_cobre= Precio del cobre
P_oro = Precio del oro
PBIt-1 = PBI doméstico(t-1)
PBIUSA= PBI real de Estados Unidos
PBICX = PBI real de China

Respecto a las potenciales variables exógenas, se ha identificado que, las exportaciones se ven
afectadas por factores a nivel externo, tales como el tipo de cambio nominal, el precio del cobre y
oro, producto bruto interno de los principales socios comerciale​s, precio de las importaciones​.
Asimismo, existen factores internos tales como el nivel de apertura comercial y el producto bruto
interno nacional.

4.1 Justificación de las variables seleccionadas

Exportaciones

En términos sencillos las exportaciones son todos aquellos bienes y servicios que intercambia el país
doméstico con el resto de los países y recibe una contribución monetaria. El rubro de exportaciones
es un componente importante de la Balanza de Pagos peruana y la ecuación fundamental del PBI.

Tipo de cambio real

El tipo de cambio real es el equivalente en precio relativo en bienes, es decir, el poder de compra de
una moneda en términos de otra. El tipo de cambio real es importante pues absorbe el efecto de los
precios y es capaz de explicar el ​perfomance del sector externo. A medida que cae el tipo de cambio,

13 
aumenta el nivel de exportaciones. Históricamente, se ha visto que países exportadores, como China,
han devaluado su moneda con la finalidad de hacer más competente al sector exportador. Para el
presente análisis se utiliza el tipo de cambio real sol por dólar, debido a la relación económica que
tiene nuestro país respecto a su principal socio comercial Estados Unidos.

Precio de metales

Definimos ​commodity como todo bien que tiene valor y un muy bajo nivel de diferenciación. En
EE.UU se dió una definición legal y se entiende a los ​commodities como todo lo que sea subyacente
en un contrato de futuros de una bolsa de productos establecido. Esta variable es relevante para
nuestro análisis, debido a que nuestro país es reconocido por la exportación de estos, en específico el
8
cobre, oro y zinc, que lideraron las exportaciones mineras en el 2017 . Por lo cual es necesario
observar el impacto que tiene el cobre y el oro en nuestra economía, el cual debería ser positivo, pues
se espera que a medida que aumente el precio de los bienes.

Precio de las importaciones

El precio es el valor monetario de adquisición del bien o servicio; puede ser fijado por el mercado
teniendo como base a la oferta y la demanda, o por autoridades. En la presente investigación se toma
en cuenta al precio de las importaciones, debido a la relación que tiene esta con las exportaciones del
país y su respectivo efecto a la economía, es decir, algunos productos exportados requieren de
insumos o materiales que son importados. Se esperaría entonces, que ante un aumento en el precio de
las importaciones, disminuyan las exportaciones.

Producto Bruto Interno

Esta variable es un indicador que mide la producción total de un país en un periodo determinado y es
importante el análisis de esta variable respecto de los principales socios comerciales, ya que podrán
servir como indicadores de desarrollo teniendo a las exportaciones como uno de los principales
rubros de nuestra economía y fuente de desarrollo. Cabe resaltar que los principales destinos de las
exportaciones de Perú en el 2017 fueron China ($8,48 Miles de millones) y los Estados Unidos
9
($6,24 Miles de millones) . Existe entonces una relación directa entre las demandas de las economías
extranjeras por productos locales.

8
Cfr. Gestión 2018 
9
Cfr. OEC 2017 

14 
Nivel de apertura

Esta variable es definida como qué porcentaje del Producto Bruto Interno representa la suma de las
exportaciones e importaciones. Al tener un bajo nivel de apertura, se incrementan los precios
domésticos y se aprecia el tipo de cambio, teniendo como efecto una disminución de la cantidad
exportada. Esto da a conocer que el nivel de apertura es un indicador para determinar el nivel de
desarrollo en el que se encuentra nuestro país y con ello aplicar las medidas necesarias para
incrementar o revertir esta variable.

4.2 Data y estimación

La base de datos para la presente investigación se encuentra especificada en series de tiempo con una
frecuencia trimestral, fue extraída de las estadísticas con las que cuentan el Banco Central de Reserva
del Perú, el Banco Central de la República de China y de The Federal Reserve. Se cuenta con un
sample de 79 observaciones que datan del segundo trimestre de 1998 hasta el cuarto trimestre del
10
2017. Cada variable cuenta con diferentes unidades como se muestra en el cuadro N°1 .

Cuadro N° 1: Unidades de las variables del modelo

11
Variables Símbolo Unidades de medida Fuente

Exportaciones X Mil millones de soles BCRP

Tipo de cambio real TCR Índice BCRP

Nivel de apertura comercial NAC Puntos porcentuales BCRP

Precios de importaciones Pm Índice BCRP

10
Cabe resaltar que la serie de tipo de cambio nominal y precios del cobre y oro fueron 
extraídas a una frecuencia mensual, sin embargo, para fines prácticos, se decidió transformar a 
una serie trimestral mediante la aplicación de un promedio simple.  
11
Las unidades de las series Exportaciones, PBI doméstico, de Estados Unidos y China fueron 
transformados con la finalidad de evitar problemas de inflación de varianza. Las unidades 
originales eran las siguientes: 
- Exportaciones : Millones de soles 
- PBI doméstico (t-1) : Millones de soles 
- PBI Estados Unidos : Billones de dólares 
- PBI China : Millones de yuanes 

15 
 Precio del cobre P_cobre cUS$ por libras BCRP

Precio del oro P_oro US$ por onzas troy BCRP

PBI doméstico (t-1) PBIt_1 Diez mil millones de soles BCRP

PBI Estados Unidos PBIUSA Diez mil billones de dólares FED

PBI China PBICX Diez mil millones yuanes PBOC

Fuente: BCRP, FED, PBOC /Elaboración: Propia

De una vez analizada la teoría económica, determinada la variable de interés y realizado el proceso
de selección de datos, se procede a estimar el modelo.

Gráfico N°1: Procedimientos de una regresión

Elaboración: Propia

X = β0 + β1TCR + β2NAC + β3Pm + β4P_cobre + β5P_oro + β6PBIt-1 + β7PBIUSA + β8PBICX + e

En primer lugar, se analizará una prueba de significancia individual a los coeficientes de la regresión,
para lo cual se utilizará el ​p-value contrastado con un nivel de significancia de ​α = 5%. Esta prueba
definirá cuán adecuados son los ​βi que acompañan a las exógenas, de ser estadísticamente no
significativos se concluye que no están aportando al modelo.

Ho: βi = 0 para todo i=1 hasta 8

H1: βi ≠ 0 para todo i=1 hasta 8

16 
Los resultados obtenidos tras haber realizado la regresión se han adjuntado en el Anexo, Tabla 1. La
prueba de significancia individual rechaza la incorporación de las variables independientes Tipo de
cambio real, con un ​p-value de 0.4931, y PBI de Estados Unidos, con un ​p-value de 0.1470, que
superan al nivel de significancia de 5%. A lo largo del trabajo de investigación se realizarán las
correcciones necesarias para el modelo de regresión propuesto, luego se procederá con el análisis
respectivo sobre los coeficientes obtenidos.

4.3 Análisis de quiebre estructural

El segundo objetivo del presente trabajo de investigación es determinar si la crisis financiera y

económica del 2008, la cual ocasionó grandes pérdidas e inestabilidad global especialmente en uno
de los grandes socios comerciales peruanos: Estados Unidos, tuvo un efecto directo en el nivel de
exportaciones peruanas. Un análisis intuitivo mediante las estimaciones recursivos permitirá generar
sospechas sobre si realmente ha habido quiebre estructural y si este se ha generado en el periodo
señalado.

A priori, el Gráfico 2 muestra una aparente estabilidad en las series de los variables del modelo. Se
observa que la serie del precio del cobre tiene un pequeño valle en el año 2009 lo cual puede deberse
a la coyuntura externa. Según la Cepal, a fines del año 2008, los recursos fiscales de países como
Perú se volvieron inestables ante la significativa volatilidad en los precios del petróleo, del gas y del
12
cobre . El precio del oro parece seguir la misma tendencia que el precio del cobre hasta en el valle
del año 2009. Se observa del mismo modo, que ambas series poseen mayor volatilidad en
comparación con el resto.

El Anexo contiene las salidas obtenidas tras realizar el diagnóstico de estabilidad paramétrica
mediante coeficientes recursivos, residuos recursivos, CUSUM y CUSUM of Square Test. Una
estimación recursiva es aquella que usa primero k observaciones y luego va añadiendo una
observación adicional, en este caso se observa que los residuos exceden por exceso y por defecto a
las bandas de confianza. A comparación de los residuos recursivos, el Test de CUSUM muestra
menor volatilidad de los residuos, pues se encuentran contenidos dentro de las bandas de confianza,
por lo que parece ser un caso nada atípico, oscilando en un rango que no supera +/- 10.

Por otro lado, el Test de CUSUM of Squares parece demostrar que, efectivamente, existe
inestabilidad paramétrica. A partir del año 2003 Q3, la suma de los residuos al cuadrado excede por
defecto a las bandas de confianza, su curso permanece así hasta el 2016 Q3. Se evaluó la mayor
distancia que existía respecto a las bandas de confianza, y se concluyó que existen tres puntos

12
Cfr. Cepal 2009 

17 
críticos que merecían ser analizados, 2008 Q3, 2010 Q3 y 2012 Q4. Este método, a diferencia de
CUSUM, evita que los errores positivos se compensen con los negativos, pues son elevados al
cuadrado. Sin embargo, como se ha señalado, estas conclusiones aún no han sido comprobadas por
pruebas formales, sino a nivel de intuición.

Gráfico N° 2: Gráfico de líneas 1998-2 2017-4

Fuente: E-views/ Elaboración: Propia

Entonces, con el análisis intuitivo ​ex post realizado se tiene la sospecha de la existencia de quiebre
estructural en el modelo estimado, por lo que se procede a realizar una prueba formal, para cada año
crítico: Test de Chow.

H0: No existe quiebre estructural

H1: Existe quiebre estructural

Luego de realizar la prueba de Chow, el único año que representa un quiebre estructural,
estadísticamente significativo, es 2012 Q4. Entonces, se rechaza la segunda hipótesis planteada, es
decir, la crisis financiera y económica del 2008 no afectó directamente a las fluctuaciones de las
exportaciones peruanas, sin embargo, se observa que

Formalmente, para realizar el Test de Chow, la muestra se divide y se toma como punto de quiebre
aquel punto más distanciado de las bandas de confianza en el gráfico CUSUM of Square Test, el

18 
Test de Chow requiere que se realicen regresiones para ambos periodos con la finalidad de obtener el
estadístico de Chow que se distribuye mediante una F de Fisher.

Modelo no restringido

Periodo 1998Q2 – 2012Q3:

X1 = α0 + α1TCR+ α2NAC + α3Pm + α4P_cobre + α5P_oro + α6PBIt-1 + α7PBIUSA + α8PBICX+ e1

Período 2012Q4 – 2017Q4:

X2 = 0 + TCR +
1 NAC +
2 3Pm + 4P_cobre + 5P_oro + PBIt-1 +
6 PBIUSA +
7 8PBICX+ e2

Uno de los supuestos del Test de Chow es que los errores de las regresiones de cada subperiodo se
distribuyen normalmente y con varianzas iguales. Antes de realizar la prueba de Chow, se procedió a
comprobar el supuesto.

µi ~ ​N (0, σ2)

El estadístico F (0.39142898), que consiste en la división de las varianzas estimadas, permite no

rechazar la homocedasticidad de las varianzas de cada subperíodo, por lo que es válido utilizar la
prueba de Chow.

El estadístico del Test de Chow rechazó la hipótesis nula, por tanto, no hay estabilidad paramétrica.
Se realizaron las correcciones por intercepto, pendiente e intercepto-pendiente, mediante la creación
de una variable ​dummy (d1) y la corrección más adecuada fue por intercepto. Las salidas de cada
corrección se muestran en las tablas 1 al 10 y los gráficos 1 al 3.

En primer lugar, la corrección por intercepto arrojó resultados positivos, el modelo aceptó la
inclusión de la dicotómica y se apreció una mejora en los niveles de significancia de cada variable.
La corrección por pendiente arrojó resultados positivos, todas las regresoras multiplicadas por la
dicotómica resultaban estadísticamente significativas, sin embargo, sólo dos de ellas no alteraban la
significancia del resto de variables sino que por el contrario, hacían que estás sean más significativas
o menos no significativas. Estas variables fueron Nivel de apertura comercial y Precio del oro.

Seguido a esto, se pretendía realizar las regresiones con las combinaciones de cada par, cada trío y
así sucesivamente, sin embargo, al añadir un par más a la regresión original, los resultados no fueron
positivos y el modelo o bien rechazaba la inclusión de esta nueva variable o la seleccionada en el
13
nivel previo, por lo que se interrumpió el proceso ​. Por otro lado, la corrección por pendiente e

13
En el caso de corrección por pendiente, si la inclusión de cierta variable multiplicada por una 
dicotómica resulta ser estadísticamente no significativo, no existe sentido de continuar 

19 
intercepto no fue satisfactoria, se observa que en este caso, al añadir la dicotómica y el resto de
variables -multiplicadas por la dicotómica- sólo pasaron las pruebas individuales dos de ellas, el PBI
doméstico y el PBI de China.

Finalmente, se optó por aquella corrección que solucione el problema del quiebre estructural y que
además mejore el nivel de significancia de las variables, entonces, la especificación del modelo,
corrigiendo el quiebre estructural, queda de la siguiente manera:

X= β0 + β1TCR + β2NAC + β3Pm + β4Pcobre + β5P_oro + β6PBIt-1 + β7PBIUSA + β8PBICX + d1 + e

4.4 Especificación del modelo

Un supuesto del modelo clásico de regresión lineal es que el modelo de regresión de nuestro análisis
está especificado correctamente, si no es así, el modelo puede presentar un error de especificación.
Para poder conocer si nuestro modelo está bien especificado o no, se realiza el Test Reset de
Ramsey, que consiste en representar las variables explicativas mediante la variable independiente
estimada, en nuestro caso, X estimada. Luego, esta se eleva a alguna potencia y se añade como una
regresora adicional. Esto se hace con el objetivo de conocer si se está omitiendo alguna de las
variables originales elevada a la potencia que se estableció anteriormente o algún producto cruzado.
Finalmente se obtiene el R^2 de esta última regresión y se compara con e R^2 original a través de la
prueba F. Las hipótesis de la prueba Reset son las siguientes:

H​o:​ Se han omitido variables en el modelo

H​1:​ No se han omitido variables en el modelo

En la tabla 11 se muestran los resultados de la Prueba Reset, donde se puede observar que sí se han
omitido variables en el modelo, ya que el término Fitted^2 resulta significativo . Por lo que se acepta
la hipótesis nula y se puede afirmar que el modelo no está correctamente especificado. Se procede a
analizar qué combinación de variables resulta estadísticamente significativa. Dichas combinaciones
se observan en la tabla 12 , de las cuales se elige la combinación P_oro*Pbit_1. Una vez añadida a la
regresión, se observa que es estadísticamente significativa, véase la tabla 13. Finalmente, el modelo
quedaría de la siguiente manera:

añadiendo variables en línea con la anterior, pues si añadiendo alguna otra variable el p ​ -value 
de la variable previa se altera positivamente -es decir, se convierte en un valor estadísticamente 
significativo- sólo significaría que esta no guarda una relación con la dependiente por sí misma, 
si no que requiere del aporte de otra variable para que pueda incidir en el comportamiento de 
la dependiente.  

20 
 X= β0 + β1TCR + β2NAC + β3Pm + β4Pcobre + β5P_oro + β6PBIt-1 + β7PBIUSA + β8PBICX + d1 +
β9PBIt-1*P_oro + e

4.5. Análisis de multicolinealidad

Un supuesto adicional del modelo clásico de regresión lineal plantea que no existe multicolinealidad
entre las regresoras del modelo de regresión. El término de multicolinealidad hace referencia a la
existencia de una relación lineal perfecta o casi perfecta entre algunas o todas las variables
14
explicativas de un modelo de regresión . Uno de los métodos para detectarla es la matriz de
correlaciones de las variables explicativas, tal como se observa en la tabla 14.1 existen varias
correlaciones que son mayores a 0.8. Lo que es de esperar debido a la naturaleza de nuestras
variables. Asimismo, otra herramienta para poder detectar la multicolinealidad es el Factor
Inflacionario de la Varianza (FIV), definido como la velocidad con que se incrementan las varianzas
y covarianzas, es decir, muestra la forma en que la varianza de determinado estimador se infla por la
15
presencia de la multicolinealidad . Como regla práctica, si el FIV de una variable es mayor a 10, se
16
dice que es una variable muy colineal .

En la tabla 14.2 podemos observar que la mayoría de variables tienen un FIV mayor a 10. Por lo que
procede a quitar D1 porque , a partir del cuarto trimestre del año 2012, dicha serie toma el valor de 1
y presentaría una relación lineal con la variable asociada a la constante y PBI_1*P_ORO por incluir
a dos variables. Como se observa en la gráfica 14.2.1, el problema persiste. Luego se quita
adicionalmente la variable PBIT_1 debido a que incluye las exportaciones y podría estar causando el
problema. Sin embargo, tal como se observa en la gráfica 14.2.2 solo una variable tiene un FIV
menor a 10. Finalmente, se quitan las variables NAC, PM , P_ORO y PBIUSA debido a que
presentaban altos valores de FIV. En la tabla 14.2.3 se puede concluir que finalmente en un modelo
con las variables TCR, P_COBRE y PBICX, estas tienen un FIV menor a 10.

4.6. Análisis de heteroscedasticidad

Otro de los supuestos de Gauss Markov consiste en la homoscedasticidad de las varianzas de las
perturbaciones, sin embargo, dado que no se cuenta con los datos poblacionales, esto quiere decir
que los errores se distribuyen con la misma dispersión. El problema de la heteroscedasticidad es
importante en el sentido que genera estimadores ineficientes y pérdida de la validez en las pruebas,
17
es decir, la posibilidad de cometer el Error tipo II .

14
Cfr. Gujarati y Porter : 321 
15
Cfr. Gujarati y Porter : 321 
16
Cfr. Kleinbau, Lawrence y Muller en Gujarati y Porter: 340 
17
El error tipo II consiste en aceptar una hipótesis falsa 

21 
Para detectar si se está frente a un problema de heteroscedasticidad, se procedió realizar la prueba
formal no constructiva de White. La hipótesis de esta prueba es la siguiente:

H0: El modelo presenta homoscedasticidad

H1: El modelo presenta heteroscedasticidad

Se rechazará la hipótesis nula (Ho) siempre que Prob. F sea menor a 0.05; si no fuera así, se aceptaría
la hipótesis. Las salidas del Test de White, adjuntadas en el ​Anexo, corroboran que se acepta la
hipótesis nula de homoscedasticidad. Véase la tabla 18.

4.5 Análisis de autocorrelación

El modelo clásico de regresión lineal parte de varios supuestos, entre ellos la no autocorrelación en
las perturbaciones. Al trabajar con datos de series de tiempo, donde las variables en estos datos
siguen un ordenamiento natural a lo largo de varios períodos, es muy probable que estas variables se
encuentren afectadas por su misma variable en un período anterior y este fenómeno se conoce como
autocorrelación serial.

Por ello, analizaremos las variables explicativas de la regresión principal para poder determinar si
existe autocorrelación mediante los modelos autorregresivos (AR) o medias móviles (MA).

En la gráfica 4​, el resultado del correlograma inicial confirma que no existe ninguna variable que
pueda estar ocasionando la autocorrelación, debido a que para un modelo autorregresivo AR(1) la
autocorrelación simple no diluye y la autocorrelación parcial no muestra salidas significativos de las
bandas; y para los modelos de medias móviles la autocorrelación parcial no diluye y la
autocorrelación simple no presenta salidas significativas entre las bandas.

22 
5. Resultados

En la tabla 19 se observa que todas las variables son estadísticamente significativas en el modelo
mostrado, a excepción de la variable nac, luego de aplicarse las correcciones respectivas. El paso
correspondiente luego de realizar todas las modificaciones, fue el eliminar del modelo a a la variable
nac, debido a que no es estadísticamente significativa.Luego observamos que las demás variables no
eran estadísticamente significativa. Por lo tanto, aplicamos el método ​Robust Least Squares, adjunto
en la tabla 20, ya que los estimadores del modelo de Mínimos Cuadrados Ordinarios son sensibles
ante la presencia de observaciones que no son estables. Al aplicar la regresión a estas observaciones
puede dar lugar a estimaciones de coeficientes que no reflejen con exactitud la relación estadística
esperada.

La interpretación de los coeficientes de las variables es la siguiente

Tipo de cambio real

Ante un incremento en un punto del tipo de cambio real y manteniendo todo lo demás constante, se
espera que las exportaciones disminuyan en 0.135853 mil millones de soles.

Precio del cobre

Ante un incremento en un cUS$ por libras del precio del cobre y manteniendo todo lo demás
constante, se espera que las exportaciones aumenten en 0.017040 mil millones de soles.

Precio del oro

Ante un incremento en un US$ por onzas troy del precio del oro y manteniendo todo lo demás
constante, se espera que las exportaciones disminuyan en 0.014148 mil millones de soles. A
diferencia de lo planteado en la revisión de la literatura

Precio de las importaciones

Ante un incremento en un punto del precio de las importaciones y manteniendo todo lo demás
constante, se espera que las exportaciones disminuyan en 0.161786 mil millones de soles.

Producto Bruto Interno (t-1)

Ante un incremento en diez mil millones de soles en el PBI del período anterior y manteniendo todo
lo demás constante, se espera que las exportaciones aumenten en 3.343220 mil millones de soles.

Producto Bruto Interno de USA (PBIUSA)

23 
Ante un incremento en diez mil billones de dólares en el PBI de Estados Unidos y manteniendo todo
lo demás constante, se espera que las exportaciones aumenten en 20.43729 mil millones de soles.

Producto Bruto Interno de China (PBICX)

Ante un incremento en diez mil millones de yuanes en el PBI de China y manteniendo todo lo demás
constante, se espera que las exportaciones disminuyan en 2.638400 mil millones de soles. Este
resultado es contrario a lo que se esperaba, ya que existen factores ajenos que no podemos
determinar con exactitud en relación al nivel de exportaciones con el PBI de China.

Nivel de apertura comercial (NAC)

Ante un incremento en un punto porcentual del nivel de apertura comercial y manteniendo todo lo
demás constante, se espera que las exportaciones aumentan en 0.357594 mil millones de soles.

24 
6. Conclusiones y Recomendaciones

El modelo desarrollado surge de identificar cuáles son las principales variables que logran
explicar las exportaciones totales peruanas desde el segundo trimestre del año 1998 hasta el
cuarto trimestre del año 2017. Estas variables fueron escogidas en base a distintas fuentes y a
teoría económica que sustenta la relación existente.

Durante el desarrollo del trabajo, se observó que el modelo de regresión inicial planteado
presentaba un quiebre estructural , también se habían omitido variables; lo que fue corregido a
través de la prueba de Chow y la prueba Reset de Ramsey. Asimismo, se detectó que existía
multicolinealidad, lo cual es un problema de grado y se puede disminuir con una transformación
de las variables o como último recurso retirándolas del modelo, sin embargo, no existe una
prueba formal que ayude a disminuir la correlación entre algunas o todas las variables
explicativas.

Se recalca la relación directa y el rol que tienen las exportaciones totales en el producto bruto
interno. Los resultados empíricos confirman la existencia de una fuerte relación entre las
exportaciones totales, el tipo de cambio real, nivel de apertura comercial, precio del cobre,
precio del oro, índice del precio nominal de las importaciones, el PBI peruano, PBI de Estados
Unidos y PBI de China. Lo cual debe ser considerado en las decisiones de política económica
por parte del Estado.

A pesar del crecimiento de nuestras exportaciones, estas siguen estando compuestas de las
exportaciones mineras. Situación que es problemática en tanto nos hace dependientes de unos
pocos productos (cobre,oro, zinc,etc.), cuyos precios no son estables en el mercado
internacional.

Se recomienda que las medidas económicas que deseen incorporarse en el país sean favorables
hacia el sector exportador, ya que las exportaciones son y seguirán siendo el motor principal de
nuestra economía, con el objetivo de poder alcanzar niveles apropiados y favorables del PBI.

25 
7. Bibliografía

Balassa, Bela; Voloudakis, Evangelos; Fylaktos, Panagiotis; Tai Suh, Suk. (1989). The determinants
of Export Supply and Export Demand in two Developing Countries: Greece and Korea, International
Economic Journal. Recuperado de:​ http://dx.doi.org/10.180/10168738900000001​ [Consulta: 18 de
mayo del 2018].

Banco Central de Reserva del Perú (BCRP) (2018) Reporte de inflación Panorama actual y
proyección macroeconómicas 2018-2019 Recuperado de:
http://www.bcrp.gob.pe/docs/Publicaciones/Reporte-(Inflacion/2018/marzo/reporte-de-inflacion-mar
zo-2018.pdf​ [Consulta : 15 de junio del 2018]

Banco Central de Reserva del Perú (BCRP) Cuadros estadísticos: PBI por gasto.​ Recuperado de:
http://www.bcrp.gob.pe/estadisticas/cuadros-de-la-nota-semanal.html​ [Consulta : 15 de junio del
2018]

Cepal (2009) Caída de precios de commodities provoca fuerte reducción de los ingresos fiscales
latinoamericanos. Recuperado de:​ https://www.zonaeconomica.com/tipo-de-cambio/nomina​l
[Consulta : 15 de junio del 2018]

Developing countries in international trade.United Nations Conference on Tradez and Development

(UNCTAD). Recuperado de: http://unctad.org/en/docs/ditctab20051ch2_en.pdf [Consulta: 18 de
mayo del 2018]

Diario Gestión (2014) Caída en precios de metales afectó más a Perú y Chile que a Colombia, según
Asbanc. Recuperado de:
h​ttps://gestion.pe/economia/caida-precios-metales-afecto-peru-chile-colombia-asbanc-67918
[Consulta : 15 de junio del 2018]

Diario Gestión (2018) Perú registró US$ 27,745 millones en exportaciones mineras en 2017 y crecen
24% Recuperado de:
https://gestion.pe/economia/peru-registro-us-27-745-millones-exportaciones-mineras-2017-y-crecen-
24-226822​ [Consulta: 8 de junio de 2017]

Diario La República (2018) Perú, el tercer país con mayor crecimiento en exportaciones. Recuperado
de:
https://larepublica.pe/economia/1211326-peru-el-tercer-pais-con-mayor-crecimiento-en-exportacione
s​ [Consulta:18 de mayo del 2018]

Guisan M. & Cancelo M.(2002).Econometric models of foreign trade in OECD countries. Applied
Econometrics and International Development. Recuperado de:
https://www.researchgate.net/profile/M_Cancelo/publication/4810822_Econometric_Models_of_For
eign_Trade_in_OECD_Countries/links/004635277cd2d322ab000000/Econometric-Models-of-Forei
gn-Trade-in-OECD-Countries.pdf?origin=publication_detail [Consulta: 18 de mayo del 2018]

Jongwanich J. (2007) Determinants of Export Performance in East and Southest Asia. Asian
Development Bank. Recuperado de :

26 
https://www.adb.org/sites/default/files/publication/28367/wp106.pdf​ [Consulta : 15 de junio del
2018]

Lawrence E. & Alves P. (2006) . South Africa's export performance: determinants of export supply.
South African Journal of Economics. Recuperado de:
https://onlinelibrary.wiley.com/doi/abs/10.1111/j.1813-6982.2006.00087.x [Consulta:18 de mayo del
2018]

Majeed Tariq, Mahummad; Ahmad, Eatzaz. (2006). Determinants of Exports in Developing

Countries. Recuperado de:​ https://www.researchgate.net/publication/24008530​ [Consulta: 18 de
mayo del 2018].

Ministerio de Economía y Finanzas (MEF) (2017) Marco Macroeconómico Multianual 2018-2021

Recuperado de: https://www.mef.gob.pe/contenidos/pol_econ/marco_macro/MMM_2018_2021.pdf
[Consulta:18 de mayo del 2018]

27 
Anexos

Tabla 1

Regresión mediante Mínimos Cuadrados Ordinarios (MCO)

Gráfico 1

Residuos Recursivos

28 
 Gráfico 2

CUSUM Test

Gráfico 3

CUSUM of Squares Test

29 
 Tabla 2

Modelo restringido 1998Q2 - 2012Q3

Tabla 3

Modelo restringido 2012Q4 - 2017Q4

30 
 Tabla 4

Test de Chow 2008-3

Tabla 5

Test de Chow 2010-3

Tabla 6

Test de Chow 2012-4

31 
 Tabla 7

Regresión MCO: Corrección por intercepto

Tabla 8

Regresión MCO: Corrección por pendiente

Caso: Nivel de apertura comercial

32 
 Caso: Precio del oro

Tabla 9

Regresión MCO: Corrección por pendiente e intercepto

Caso: PBI (t-1)

33 
 Caso: PBI de China

Tabla 10

Regresión MCO corregida por intercepto

34 
CUSUM of Square Test

Tabla 11

Prueba Reset de Ramsey

35 
 Tabla 12

Análisis de combinación de variables que son estadísticamente significativas para la prueba Reset

36 
 Tabla 13

Regresión con la nueva variable después de la prueba Reset de Ramsey

Tabla 14

Multicolinealidad

14.1 Matriz de correlaciones entre explicativas

37 
 14.2 Factor inflacionario de la varianza (FIV)

14.2.1 ​Factor inflacionario de la varianza (FIV) excluyendo las variables D1 y PBIT_1*P_ORO

38 
 14.2.2 ​Factor inflacionario de la varianza (FIV) excluyendo las variables de 15.2.1 y PBIT_1

14.2.3 Factor inflacionario de la varianza (FIV) excluyendo las variables de 15.2.2 y NAC, PM,
P_ORO Y PBIUSA

39 
 Tabla 15

Heteroscedasticidad: Test de White

40 
 Gráfico 4

Correlograma de los residuos

41 
 Tabla 16

Nuevo modelo sin la variable estadísticamente no significativa

Tabla 17

Modelo aplicando el método Robust

42