Universidad “Mayor de San Andrés”

FACULTAD DE CIENCIAS ECONOMICA Y FINANCIERAS

LA INCIDENCIA DE LAS EXPORTACIONES DE HIDROCARBUROS EN EL

CRECIMIENTO ECONOMICO DEL 1995 – 2019.
Universitarios : Calle Ramírez Luis Gabriel.
Cusicanqui tito jhanet
Mújica Mayta Carlos Luis
Saico Ortega Luis Pablo
Tapia Siles Kevin Douglas

Carrera : ECONOMIA
 Docente : Lic. Luis Sucujayo

Paralelo : A

Fecha : 23 de noviembre del 2021

La Paz - Bolivia

Contenido
LA INCIDENCIA DE LAS EXPORTACIONES DE HIDROCARBUROS EN EL
CRECIMIENTO ECONOMICO DEL 1995 – 2019
1. INTRODUCCION.............................................................................................................1
2. Comportamiento de las variables....................................................................................2
3. Modelo econométrico.......................................................................................................3
4. Análisis de Integración de las Variables..........................................................................3
5. Cointegración...................................................................................................................4
6. CRITERIOS PARA LA SELECCIÓN DE REZAGOS......................................................5
7. Estimación Del Modelo VAR............................................................................................6
8. Raíces De Polinomio Característico................................................................................8
9. Círculo Unitario................................................................................................................8
10. Modelo De Autocorrelacion-Portmanteau....................................................................9
11. Test de Normalidad – Cholesky.................................................................................10
12. Test de Heterocedasticidad – White..........................................................................11
13. Decomposition De La Varianza..................................................................................11
14. CONCLUSION............................................................................................................13
 LA INCIDENCIA DE LAS EXPORTACIONES DE HIDROCARBUROS EN EL
CRECIMIENTO ECONOMICO DEL 1995 – 2019

1. INTRODUCCION

Los hidrocarburos son un componente muy importante de la historia del siglo XX en

Bolivia, si bien el país ha estado históricamente asociado a la minería, a través del
descubrimiento del petróleo se ha logrado vincular el Oriente con el resto del país.

Las reservas hidrocarburíferas son limitadas en todo el mundo y las reservas en Bolivia no
son la excepción, por ese motivo y debido a la gran cantidad de gas natural en nuestro
territorio, es un factor determinante y muy importante para nuestra economía. Por tal
motivo nos proponemos descubrir en qué nivel existe causalidad de las exportaciones al
crecimiento económico el país, utilizando el modelo de Vectores Autoregresivos VAR
sobre los datos registrados en el periodo 1995-2019, este periodo se tiene como punto de
análisis principal el comportamiento de subida o bajada en las exportaciones, siendo la
exportación de hidrocarburos un gran porcentaje de importancia en el PIB.

En nuestro caso el periodo de estudio toma como muestra comprendido entre 1995 hasta
2019, de esta se infiere que nuestra exportaciones fue en aumento desde el 2005,
producto del incremento en la cotización de nuestros minerales y de hidrocarburos (gas
natural) en el mercado internacional, este cuadro de aparente bonanza económica
reflejada en el incremento del PIB y otros indicadores macroeconómicos, es una vez más
gracias a la exportación de nuestros recursos no renovables (bienes sin valor agregado);
lo cual genera un problema a su vez, como es la dependencia de nuestras exportaciones
primarias, toda vez que en el mercado internacional al tener una buena cotización
nuestras materias primas nuestra economía reflejara ese beneficio, pero por el contrario
se dará una situación crítica, si dicha cotización cae como lo ocurrido el año 1984. Queda
demostrado que la exportación de hidrocarburos continúa teniendo una incidencia
fundamental en el crecimiento económico de nuestro país.

pág. 1
2. Comportamiento de las variables.

GRÁFICONº1. Análisis del Crecimiento Económico.

Fuente: Elaboración propia con datos del INE.

Se puede observar en el grafico Nº1 que el crecimiento económico no presenta una
estacionalidad, debido a que no presenta situaciones en las que sus valores sean
parecidos o sus variaciones periódicas sean predecibles en ninguna parte de la gráfica;
por lo cual, no es necesario realzar la desestacionalización.

GRÁFICO Nº2. Análisis de las Exportaciones de Hidrocarburos.

Fuente: Elaboración propia con datos del INE.

El gráfico Nº2 muestra como las exportaciones de petróleo no muestran variaciones

periódicas predecibles, es decir no muestra estacionalidad, se observan grandes
pág. 2
 variaciones en las exportaciones de hidrocarburos con picos altos y pequeños, afirmando
que no es necesario la desestacionalización.

3. Modelo econométrico.


LX H t=β 0 + β 1 LX H t −1 + β 2 LX H t −2 + β 3 LX H t −3+ β 4 LX H t−4 + β5 LX H t−5 + β 6 LX H t−6 + β 7 LC Et −1 + β 8 LC Et −


LC Et =φ 0 +φ1 LC Et −1 + φ2 LC E t−2 +φ3 LC Et −3+ φ4 LC Et −4 +φ 5 LC E t−5 +φ6 LC Et −6 +φ7 LX H t−1 +φ8 LX H t −2 +

El modelo econométrico presentado en este trabajo UN MODELO VAR (6) donde se

tiene dos ecuaciones, [XH – CE] cada una con 6 rezagos, conceptualmente calificados
como a teóricos porque solamente son explicados por los rezagos de la misma variable.
Pero resulta un poco fuerte acusarla de a teórica ya que en nuestras ecuaciones
mostramos las variables con sus respectivos rezagos acompañados de Los Rezagos de la
variable restante y viceversa, todas las variables son endógenas.

4. Análisis de Integración de las Variables

Cuando se realizar el análisis de la integración de las variables se deben realizar las

pruebas de raíces unitarias, por esta razón se usa las pruebas de Dickey-Fuller
Aumentada (ADF) y la prueba de Phillips-Perron (PP). Dichas pruebas permiten identificar
si existen raíces unitarias, es decir si la serie es o no estacionaria. Ambas son pruebas de
raíces unitarias, utilizadas en análisis de series de tiempo para probar la hipótesis nula de
que una serie de tiempo es integrada de orden 1, si es estacionaria o no.

TABLA Nº1. Análisis de Integración de las Variables.

  Niveles Primera Diferencia Segunda Diferencia Conclusión
  ADF PP ADF PP ADF PP I(d)
LC -2.070112 -2.624506 -8.399875 -5.944659 -10.57507 -20.11758 I (1)
E (0.2572) (0.0915) (0.0000) (0.0000) (0.0000) (0.0001)

LX -0.903880 -0.994764 -8.594994 -8.690909 -14.36797 -35.79809 I(1)

H (0.6564) (0.9394) (0.0000) (0.0000) (0.0000) (0.0001)
Fuente: Elaboración propia con datos del INE.
Cuando se aplica raíz unitaria ADF en Niveles en las series se tiene como resultado que
no es estacionaria debido a que su probabilidad es mayor al 0.05 siendo de 0.2572 para
CE (crecimiento económico) y 0.6564 para XH (exportaciones de hidrocarburos). Lo
mismo ocurre cuando se utiliza la prueba PP teniendo una probabilidad de 0.0915Para CE
y 0.9394 para XH.
Cuando se toma en cuenta la prueba de raíz unitaria Augmented Dickey-Fuller en la
primera diferencia es estacionaria en primera diferencia porque el estadístico de contraste
es mayor que el valor critico tomado con un nivel de confianza del 5%. Cuando se toma en

pág. 3
cuenta Phillips-Perron en primera diferencia se observa que el estadístico de contraste es
mayor al valor critico tomando un nivel de confianza del 5%, por lo que se rechaza Ho,
siendo estacionaria. Finalmente, la serie es integrada de orden 1 porque se vuelve
estacionaria en la primera diferencia.

5. Cointegración

5.1. Desde El Punto De Vista De La Economía

Se dice que dos o más series están cointegradas si las mismas se mueven conjuntamente
a lo largo del tiempo, siendo la diferencia entre ella estable (es decir estacionarias), aun
cuando cada serie en particular contenga una tendencia estocástica y sea por lo tanto no
estacionaria. De aquí que la cointegración refleja la presencia de un equilibrio a largo
plazo hacia el cual converge el sistema económico a lo largo del tiempo. Las diferencias (o
término error) en la ecuación de cointegración se interpretan como el error de desequilibrio
para cada punto particular de tiempo.

5.2. Desde el punto de vista de la Econometría

La mayor parte de las series temporales son no estacionarias y las técnicas
convencionales de regresión basadas en datos no estacionarios tienden a producir
resultados no deseados. Sin embargo, las series no estacionarias pueden estar
cointegradas si alguna combinación lineal de las series llega a ser estacionaria. La serie
puede deambular, pero en el largo plazo hay fuerzas económicas que tienden a
empujarlas a un equilibrio. S. Johansen (1975)

TABLA Nº2. Test de Cointegración de Johansen.

Date: 11/23/21 Time: 16:25

Sample (adjusted): 1997Q1 2019Q4
Included observations: 92 after adjustments
Trend assumption: Linear deterministic trend
Series: D(LCRECIMIENTO_ECONOMICO) D(LXH) 
Lags interval (in first differences): 1 to 6

Unrestricted Cointegration Rank Test (Trace)

Hypothesized Trace 0.05

No. of CE(s) Eigenvalue Statistic Critical Value Prob.**

None *  0.240251  36.83471  15.49471  0.0000

At most 1 *  0.118041  11.55613  3.841466  0.0007

 Trace test indicates 2 cointegrating eqn(s) at the 0.05 level

 * denotes rejection of the hypothesis at the 0.05 level
 **MacKinnon-Haug-Michelis (1999) p-values

Unrestricted Cointegration Rank Test (Maximum Eigenvalue)

Hypothesized Max-Eigen 0.05

No. of CE(s) Eigenvalue Statistic Critical Value Prob.**

pág. 4
 None *  0.240251  25.27858  14.26460  0.0006
At most 1 *  0.118041  11.55613  3.841466  0.0007

 Max-eigenvalue test indicates 2 cointegrating eqn(s) at the 0.05 level

 * denotes rejection of the hypothesis at the 0.05 level
 **MacKinnon-Haug-Michelis (1999) p-values

 Unrestricted Cointegrating Coefficients (normalized by b'*S11*b=I): 

D(LCRECIMIE D(LXH)
NTO_ECONO
MICO)
-16.15051  3.285828
 3.172808 -13.11475

 Unrestricted Adjustment Coefficients (alpha): 

D(LCRECIMIE  0.073999 -0.027663

NTO_ECONO
MICO,2)
D(LXH,2)  0.040794  0.049096

1 Cointegrating Equation(s):  Log likelihood  79.60732

Normalized cointegrating coefficients (standard error in parentheses)

D(LCRECIMIE D(LXH)
NTO_ECONO
MICO)
 1.000000 -0.203450
 (0.15254)

Adjustment coefficients (standard error in parentheses)

D(LCRECIMIE -1.195114
NTO_ECONO
MICO,2)
 (0.28211)
D(LXH,2) -0.658838
 (0.29306)

Fuente: Elaboración propia con datos del INE.

Los resultados indican que no hay un vector de cointegración debido a que tiene una
probabilidad de 0.0007, siendo menor a 0.05. El estadístico de contraste es 11.55613
mayor que el punto crítico 3.841466.

6. CRITERIOS PARA LA SELECCIÓN DE REZAGOS

TABLA Nº3. Modelo VAR.

VAR Lag Order Selection Criteria
Endogenous variables: D(LCRECIMIENTO_ECONOMICO)
D(LXH) 
Exogenous variables: C 
Date: 11/23/21 Time: 15:49
Sample: 1995Q1 2019Q4
Included observations: 91

pág. 5
  Lag LogL LR FPE AIC SC HQ

0  32.03207 NA   0.001772 -0.660045 -0.604862 -0.637782

1  42.02313  19.32337  0.001553 -0.791717 -0.626166 -0.724928
2  49.66296  14.44012  0.001434 -0.871713 -0.595795 -0.760397
3  57.41560  14.31258  0.001321 -0.954189 -0.567903 -0.798347
4  72.35913  26.93119  0.001039 -1.194706  -  -
0.698053* 0.994337*
5  76.22690  6.800484  0.001043 -1.191800 -0.584779 -0.946905
6  82.86223   11.37484   0.000986  - -0.532331 -0.960298
* * 1.249719*
7  85.65775  4.669443  0.001015 -1.223247 -0.395491 -0.889299
8  88.11750  4.000470  0.001053 -1.189396 -0.251272 -0.810921

 * indicates lag order selected by the criterion

 LR: sequential modified LR test statistic (each test at 5% level)
 FPE: Final prediction error
 AIC: Akaike information criterion
 SC: Schwarz information criterion

Fuente: Elaboración propia con datos del INE.

Utilizando los criterios del modelo de selección óptimo de rezagos podemos notar que
según el criterio de AKAIKE el numero óptimo de rezagos es 6, mientras que según el
criterio de Schwarz y Hannan-Quinn el numero óptimo de rezagos es 4; para este modelo
nos basaremos en el criterio de akaike ya que es el más confiable y porque en nuestra
tabla de datos es el criterio con menor valor respecto a los demás y por otro lado coincide
con los demás criterios como LR y FPE, por esta razón nuestro modelo VAR cuenta con 6
rezagos.

7. Estimación Del Modelo VAR

TABLA Nº4. Modelo VAR.

Vector Autoregression Estimates
Date: 11/23/21 Time: 11:48
Sample (adjusted): 1996Q4 2019Q4
Included observations: 93 after adjustments
Standard errors in ( ) & t-statistics in [ ]

D(LCRECIMIENTO_ECONOMICO) D(LXH)

D(LCRECIMIENTO_ECONOMICO(-1))  0.454815  0.060401

 (0.10967)  (0.10743)
[ 4.14725] [ 0.56225]

D(LCRECIMIENTO_ECONOMICO(-2)) -0.268361 -0.217614

 (0.11337)  (0.11106)
[-2.36703] [-1.95945]

D(LCRECIMIENTO_ECONOMICO(-3))  0.015803  0.084882

 (0.10252)  (0.10042)
[ 0.15415] [ 0.84526]

pág. 6
 D(LCRECIMIENTO_ECONOMICO(-4)) -0.540193 -0.282219
 (0.10019)  (0.09814)
[-5.39176] [-2.87562]

D(LCRECIMIENTO_ECONOMICO(-5))  0.276328  0.069455

 (0.11459)  (0.11225)
[ 2.41140] [ 0.61875]

D(LCRECIMIENTO_ECONOMICO(-6))  0.000420 -0.167105

 (0.10868)  (0.10646)
[ 0.00386] [-1.56969]

D(LXH(-1))  0.155580  0.204592

 (0.11031)  (0.10806)
[ 1.41039] [ 1.89339]

D(LXH(-2))  0.213590 -0.196151

 (0.11513)  (0.11278)
[ 1.85517] [-1.73923]

D(LXH(-3))  0.246630  0.395375

 (0.11222)  (0.10993)
[ 2.19772] [ 3.59667]

D(LXH(-4)) -0.049849  0.057928

 (0.11984)  (0.11739)
[-0.41597] [ 0.49347]

D(LXH(-5)) -0.233744  0.120371

 (0.12072)  (0.11826)
[-1.93618] [ 1.01787]

D(LXH(-6))  0.261657 -0.126391

 (0.11055)  (0.10829)
[ 2.36696] [-1.16718]

C -0.026551  0.018225
 (0.01884)  (0.01845)
[-1.40945] [ 0.98763]

R-squared  0.570335  0.264502

Adj. R-squared  0.505885  0.154177
Sum sq. resids  2.237671  2.147174
S.E. equation  0.167245  0.163828
F-statistic  8.849302  2.397483
Log likelihood  41.35183  43.27150
Akaike AIC -0.609717 -0.651000
Schwarz SC -0.255698 -0.296981
Mean dependent -0.008444  0.032680
S.D. dependent  0.237925  0.178135

Determinant resid covariance (dof adj.)  0.000750

Determinant resid covariance  0.000555
Log likelihood  84.63759
Akaike information criterion -1.261023
Schwarz criterion -0.552985
Number of coefficients  26

Fuente: Elaboración propia con datos del INE.

pág. 7
Se puede observar que después de haber realizado los respectivos cálculos, se obtiene
que las variables son representativas porque hacen aceptable la hipótesis de la influencia
de la variable exportación de hidrocarburos del modelo propuesto ,con el valor del
coeficiente R2 =0,570335 el cual nos indica que existe una una correlación del 57,03%
entre el crecimiento económico y las exportaciones de hidrocarburos, de igual manera nos
indica que se cuenta con todas las variables necesarias para analizar la incidencia
económica de las exportaciones de los hidrocarburos para el crecimiento económico de
Bolivia
En conclusión, podemos decir que las variables son representativas, considerando que los
coeficientes que se logran en su mayoría son positivos lo que nos da como resultado la
existencia de un efecto real en el crecimiento económico de Bolivia

8. Raíces De Polinomio Característico

Para evaluar la estabilidad del modelo aplicamos el Test de las Raíces de polinomio
característico, en este apartado hacemos una evaluación de la estabilidad dinámica del
modelo VAR.

TABLA Nº5. Raíces De Polinomio Característico.

Roots of Characteristic Polynomial
Endogenous variables: D(LCRECIMIENTO_
        ECONOMICO) D(LXH) 
Exogenous variables: C 
Lag specification: 1 6
Date: 11/23/21 Time: 15:07

     Root Modulus

 0.561352 - 0.680872i  0.882441

 0.561352 + 0.680872i  0.882441
-0.530603 - 0.703157i  0.880891
-0.530603 + 0.703157i  0.880891
 0.769823 - 0.252937i  0.810311
 0.769823 + 0.252937i  0.810311
-0.066367 - 0.803304i  0.806041
-0.066367 + 0.803304i  0.806041
-0.671729 - 0.429929i  0.797533
-0.671729 + 0.429929i  0.797533
 0.267229 - 0.441526i  0.516097
 0.267229 + 0.441526i  0.516097

Fuente: Elaboración propia con datos del INE

9. Círculo Unitario
GRÁFICO Nº3. Circulo Unitario

pág. 8
 Fuente: Elaboración propia con datos del INE.
Según planteamiento se indica que la condición de estabilidad del VAR implica que su
primer y segundo momentos (media y varianza) son estacionarios, es decir, son
independientes respecto al tiempo. Como vemos en la gráfica y en la tabla el modelo se
muestra dentro del círculo unitario:
CONCLUSION
 Ninguna raíz se encuentra fuera del círculo unitario por tanto los datos y la grafica nos
indican que el modelo VAR satisface la condición estabilidad.

10. Modelo De Autocorrelacion-Portmanteau

Para evaluar la existencia de autocorrelación en los errores, realizamos la prueba del test
de autocorrelación Portmanteau.
TABLA Nº6. Raíces De Polinomio Característico.
VAR Residual Portmanteau Tests for Autocorrelations
Null Hypothesis: No residual autocorrelations up to lag h
Date: 11/23/21 Time: 15:10
Sample: 1995Q1 2019Q4
Included observations: 93

Lags Q-Stat Prob.* Adj Q-Stat Prob.* df

1  0.129819 ---  0.131231 --- ---

2  0.399243 ---  0.406575 --- ---
3  2.153082 ---  2.218876 --- ---
4  4.888326 ---  5.077052 --- ---
5  7.191280 ---  7.510856 --- ---
6  8.122039 ---  8.505805 --- ---
7  9.310851  0.0538  9.791381  0.0441 4

Fuente: Elaboración propia con datos del INE.

pág. 9
Se detecta autocorrelación solo para retrasos mayores que el orden de retraso VAR, dicho
esto nuestras estadísticas muestran que no existe autocorrelación en nuestro modelo
hasta el rezago 7, asi mismo lo que se muestra en la la columna df son los grados de
libertad para la distribución de chi-cuadrado

11. Test de Normalidad – Cholesky

TABLA Nº7 Test de Normalidad – Cholesky

VAR Residual Normality Tests
Orthogonalization: Cholesky (Lutkepohl)
Null Hypothesis: Residuals are multivariate normal
Date: 11/23/21 Time: 16:28
Sample: 1995Q1 2019Q4
Included observations: 93

Component Skewness Chi-sq df Prob.*

1 -0.716033  7.946894 1  0.0048

2 -0.465786  3.362830 1  0.0667

Joint  11.30972 2  0.0035

Component Kurtosis Chi-sq df Prob.

1  6.327069  42.89389 1  0.0000

2  3.605768  1.421948 1  0.2331

Joint  44.31584 2  0.0000

Component Jarque- df Prob.

Bera

1  50.84078 2  0.0000
2  4.784778 2  0.0914

Joint  55.62556 4  0.0000

*Approximate p-values do not account for coefficient

        estimation

Fuente: Elaboración propia con datos del INE.

El test de normalidad de Jarque-Bera muestra que lo residuos no están normalmente
distribuidos globalmente; por lo cual, ser rechaza la hipótesis nula, la distribución de los
datos de forma individual muestra que uno de la variable tiene una distribución normal, en
cambio otra tiene no tiene una distribución normal, rechazándose la Ho. Podemos concluir
que el modelo no es confiable.

12. Test de Heterocedasticidad – White.

pág. 10
 TABLA Nº8. Test de Heterocedasticidad – White.
VAR Residual Heteroskedasticity Tests (Includes Cross Terms)
Date: 11/23/21 Time: 16:19
Sample: 1995Q1 2019Q4
Included observations: 93

   Joint test:

Chi-sq df Prob.

 274.5908 270  0.4109

   Individual components:

Dependent R-squared F(90,2) Prob. Chi-sq(90) Prob.

res1*res1  0.997576  9.144579  0.1035  92.77455  0.3996

res2*res2  0.959227  0.522801  0.8464  89.20811  0.5038
res2*res1  0.989156  2.026978  0.3878  91.99148  0.4219

Fuente: Elaboración propia con datos del INE.

Una vez realizado el test de White para saber si existe heterocedasticidad en nuestro
modelo, podemos decir que como el valor de nuestro p-value (prob) es superior a 0.05,
nuestro modelo no es heterocedastico más al contrario contamos con un modelo
homocedastico, podemos corroborar lo siguiente utilizando los valores chi2 donde en
todos los casos nos da un resultado mayor al 5%. Por tanto, podemos decir que nuestro
modelo es confiable ya que cuenta con la presencia de homocedasticidad, por otro lado
las dos pruebas tienen un p-value por encima del 0,05 concluyendo la no existencia de
autocorrelación y una distribución de errores multivariada normal.
Como contamos con variables endógenas podemos decir que ambas serán analizadas y
explicadas entre si y por sus propios comportamientos, como ser el caso de nuestra
variable exportaciones de hidrocarburos XHt-n y también por nuestra variable crecimiento
económico CEt-n (de acuerdo a nuestros rezagos obtenidos por nuestro modelo VAR,
para explicar ambas variables podemos tomar comportamientos rezagados hasta por 6
periodos, es decir, n=1, 2, 3, 4, 5, 6).

13. Decomposition De La Varianza

TABLA Nº9. Descomposición De La Varianza

 Variance
Decompo
sition of
D(LCRECI
MIENTO_

pág. 11
 ECONOM
ICO):
 Period S.E. D(LCRECIMIE D(LXH)
NTO_ECONO
MICO)

 1  0.167245  100.0000  0.000000

 2  0.185307  98.10866  1.891340
 3  0.192649  91.02267  8.977329
 4  0.203523  83.09630  16.90370
 5  0.229039  86.10128  13.89872
 6  0.239975  82.75659  17.24341
 7  0.240548  82.75793  17.24207
 8  0.242210  82.65407  17.34593
 9  0.246094  82.87451  17.12549
 10  0.247557  82.17154  17.82846

 Variance
Decompo
sition of
D(LXH):
 Period S.E. D(LCRECIMIE D(LXH)
NTO_ECONO
MICO)

 1  0.163828  0.030667  99.96933

 2  0.167491  0.352051  99.64795
 3  0.171686  3.251106  96.74889
 4  0.179468  3.410487  96.58951
 5  0.185376  6.421263  93.57874
 6  0.187456  8.381958  91.61804
 7  0.188632  8.395814  91.60419
 8  0.189470  9.201885  90.79812
 9  0.189756  9.469306  90.53069
 10  0.190163  9.627835  90.37217

 Cholesky Ordering: D(LCRECIMIENTO_ECONOMICO)

        D(LXH)

Fuente: Elaboración propia con datos del INE.

La descomposición de la varianza es un estudio complementario al análisis impulso-
respuesta que informa en distintos horizontes del tiempo el porcentaje de volatilidad que
registra una variable por los choques de las demás. Es decir, indica la proporción del
efecto que, en forma dinámica, tienen todas las perturbaciones de las variables sobre las
demás. Separa la varianza del error de pronóstico para cada una en componentes que
pueden atribuirse a cada una de las variables endógenas (Pindyck 2001).
un análisis complementario al test de impulso respuesta, la descomposición de la varianza
determina la proporción de la varianza del error de pronóstico que se explica por las
innovaciones de cada variable explicativa, en este caso partiendo del crecimiento
económico empezando del primer periodo con un aporte del 100 al 82 en el décimo
periodo.

pág. 12
14. CONCLUSION

El modelo econométrico estimado, permite evidenciar que el crecimiento de la actividad

económica está determinado por el efecto conjunto de los determinantes: Exportaciones
de hidrocarburos, si disminuirían las exportaciones de hidrocarburos, el coeficiente
asociado a las otras actividades aumentaría, sin embargo, por el efecto negativo
consecuente disminuiría la actividad económica.

Según los resultados del modelo econométrico estimado, es claro que hay una alta
dependencia de la actividad económica en relación a los precios internacionales y a la
asignación de recursos a través de la inversión publica

Según los resultados del modelo econométrico estimado, el efecto de las exportaciones de
hidrocarburos tiene una incidencia positiva en el corto plazo , incidencia negativa en el
mediano plazo puesto que si en algún momento hay una drástica disminución de las
exportaciones de hidrocarburos , disminuiría el crecimiento económico, consecuencia de la
falta de atención a los otros sectores económicos y del conjunto del aparato productivo, sin
el cual el crecimiento de la actividad económica no sería sostenible y en el largo ´plazo
tiende a recuperarse.
15. BIBLIOGRAFIA
 AGENCIA NACIONAL DE HIDROCARBUROS(ANH)
https://www.anh.gob.bo/w2019/contenido.php?s=5&O=605#:~:text=Antes%2C%20se
%20exig%C3%ADa%20autorizaci%C3%B3n%20para,y%20Paraguay%2C%20Argentina
%20y%20Brasil.
 BANCO MUNDIAL(BM)
https://datos.bancomundial.org/indicator/NE.IMP.GNFS.ZS?locations=BO
 BANCO MUNDIAL(BM)
https://datatopics.worldbank.org/world-development-indicators/
 EVALUACION DE LA ECONOMIA Y DEL DESARROLLO EN BOLIVIA Konrad
Adenaeur Stiftung
 INSTITUTO NACIONAL DE ESTADISTICA (INE)
https://www.ine.gob.bo/index.php/estadisticas-economicas/comercio-exterior/importacion/
 INSTITUTO NACIONAL DE ESTADISTICA (INE)
https://www.ine.gob.bo/index.php/wpfd_file/el-producto-interno-bruto-trimestral-de-bolivia-
registro-una-tasa-de-crecimiento
 INSTITUTO BOLIVIANO DE COMERCIO EXTERIOR (IBCE)
 https://ibce.org.bo/ibcecifras/index.php?id=965

 REPOSITORIO DE LA UNIVERSIDAD EAFIT

Modelos de ecuaciones múltiples modelos Var y Co integración

 Sistema integrado de información productiva

https://siip.produccion.gob.bo/repSIIP2/formCodactExport.php

pág. 13
.
 UN SIGLO DE ECONOMIA EN BOLIVIA 1900-2015 Tomo I Tópicos de historia
boliviana Konrad Adenaeur Stiftung.

pág. 14