Sofisticación de las exportaciones y

crecimiento económico en el Perú

Item Type info:eu-repo/semantics/bachelorThesis

Authors Davila Sarango, Hana Hitomi

Publisher Universidad Peruana de Ciencias Aplicadas (UPC)

Rights info:eu-repo/semantics/openAccess; Attribution-

NonCommercial-ShareAlike 4.0 International

Download date 13/09/2023 16:17:41

Item License http://creativecommons.org/licenses/by-nc-sa/4.0/

Link to Item http://hdl.handle.net/10757/668047

 UNIVERSIDAD PERUANA DE CIENCIAS APLICADAS

FACULTAD DE ECONOMÍA

PROGRAMA ACADÉMICO DE ECONOMÍA Y FINANZAS

Sofisticación de las exportaciones y crecimiento económico en el Perú

TRABAJO DE INVESTIGACIÓN

Para optar el grado de bachiller en Economía y Finanzas

AUTORA

Davila Sarango, Hana Hitomi (0000-0001-6159-0719)

ASESOR

Sícoli Pósleman, Claudia (0000-0002-6771-8709)

Lima, Junio 2022

 DEDICATORIA

Esta investigación está dedicado a mis padres, Flor y Cesar, quienes me apoyaron y
motivaron incondicionalmente a lo largo de mi carrera para que no me rindiera. También,
a mi hermana Naomi por brindarme su cariño y ayudarme a que me pueda organizar
mejor. Por último, a la Negra que me acompañó en mis amanecidas y brindarme su amor.

1
 AGRADECIMIENTOS

Me gustaría agradecer principalmente a mis padres, quienes me guiaron y me inculcaron

valores a mi vida. Asimismo, a mis familiares y amigos, quienes me acompañaron en mi
desarrollo profesional. Por último, a mi asesora Claudia Sícoli, por haber apoyado en el
progreso de la investigación y haber dedicado tiempo para que pueda culminarla.

2
 RESUMEN

El presente trabajo busca analizar la relación entre la sofisticación de las exportaciones y el

crecimiento económico de Perú durante el periodo 2001 al 2020. Para ello, se utiliza la base
de datos del Banco Central de Reserva de Perú (BCRP) para obtener la información del PBI
per cápita y se construye el índice de sofisticación de las exportaciones (EXPY) utilizando
ADEXTRADE, COMTRADE y TRADEMAP. La revisión de literatura muestra que cuanta
más sofisticación exista, mayor sería el crecimiento de las exportaciones y de la economía
del país. Se emplea la metodología de cointegración, obteniéndose como resultados que
existe una relación positiva entre el crecimiento económico y la sofisticación de las
exportaciones para el sector textil, y negativa para los sectores agropecuario y madera. Por
otro lado, el único sector que no tiene efecto sobre el PBI per cápita sería el sector metal
mecánico.

Palabras clave: Sofisticación de exportaciones, crecimiento económico, cointegración,

EXPY, PRODY.

3
 Sophistication of exports and economic growth in Peru

ABSTRACT

This paper seeks to analyze the relationship between the sophistication of exports and
economic growth in Peru during the period 2001 to 2020. To do this, the database of the
Central Reserve Bank of Peru (BCRP) is used to obtain GDP information per capita and the
export sophistication index (EXPY) is constructed using ADEXTRADE, COMTRADE and
TRADEMAP. The literature review shows that if the sophistication exists, this would help
exports grow and along with it the country's economy. When the cointegration methodology
is used, it has been found that exist a positive relationship between economic growth and
exports sophistication of to the textile sector and a negative one for the agricultural and wood
sectors. On the other hand, the sector that doesn’t have any effects on GDP per capita would
be the metal mechanical sector.

Keywords: export sophistication, economic growth, cointegration, PRODY, EXPY.

4
5
6
7
 TABLA DE CONTENIDOS

1 INTRODUCCIÓN................................................................................................ 12

2 MARCO TEÓRICO ............................................................................................. 13

2.1 CRECIMIENTO ECONÓMICO ................................................................................ 13

2.1.1 Teoría del crecimiento económico ........................................................................ 13
2.1.2 PBI Per Cápita ...................................................................................................... 14
2.2 SOFISTICACIÓN DE LAS EXPORTACIONES............................................................. 15
2.2.1 Índice de sofisticación de las exportaciones (EXPY) ............................................ 15
2.2.2 Alternativas de medición de la sofisticación de las exportaciones ......................... 16
2.3 RELACIÓN ENTRE LA SOFISTICACIÓN DE LAS EXPORTACIONES Y EL CRECIMIENTO
ECONÓMICO .................................................................................................................. 17

2.3.1 Modelo Teórico .................................................................................................... 19

3 HECHOS ESTILIZADOS .................................................................................... 20

3.1 CRECIMIENTO ECONÓMICO ................................................................................ 20

3.2 EXPORTACIONES ............................................................................................... 21
3.3 EXPORTACIONES POR SECTORES ......................................................................... 25
3.4 ÍNDICE DE SOFISTICACIÓN DE LAS EXPORTACIONES (EXPY) .............................. 27

4 MARCO METODOLÓGICO ............................................................................... 28

4.1 FUENTES DE DATOS ........................................................................................... 28

4.2 DESCRIPCIÓN DE LAS VARIABLES ....................................................................... 29
4.2.1 Variable dependiente ............................................................................................ 29
4.2.2 Variable Independiente ......................................................................................... 29
4.2.3 Variables de control.............................................................................................. 29
4.3 METODOLOGÍA ECONOMÉTRICA ......................................................................... 29

5 RESULTADOS .................................................................................................... 30

5.1 PRUEBA DE RAÍZ UNITARIA ................................................................................ 30

5.2 SELECCIÓN DE REZAGOS Y VECTORES DE COINTEGRACIÓN ..................................31
5.3 ESTIMACIÓN DEL MODELO VEC ......................................................................... 32

6 CONCLUSIONES ............................................................................................... 34

8
7 REFERENCIAS ...................................................................................................35

8 ANEXOS ............................................................................................................. 39

9
 ÍNDICE DE TABLAS

TABLA 1 PRINCIPALES PRODUCTOS EXPORTADOS A CHINA ............................ 22

TABLA 2 PRINCIPALES PRODUCTOS EXPORTADOS A ESTADOS UNIDOS ....... 22
TABLA 3 PRINCIPALES PRODUCTOS EXPORTADOS A CANADÁ ....................... 23
TABLA 4 PRINCIPALES PRODUCTOS SEGÚN SECTORES .................................... 26
TABLA 5 EXPY DE CADA SECTOR DESDE EL AÑO 2001 AL 2020 DE PERÚ ....... 27
TABLA 6 DESCRIPCIÓN Y FUENTE DE LAS VARIABLES ...................................... 30
TABLA 7 PRUEBA DE ESTACIONALIDAD DE LAS VARIABLES .......................... 30
TABLA 8 CRITERIO DE SELECCIÓN DEL ORDEN DE REZAGOS VAR ................. 31
TABLA 9 PRUEBA DE COINTEGRACIÓN DE JOHANSEN (TRAZA) DEL MODELO
VAR CON 1 REZAGO .................................................................................................... 32
TABLA 10 PRUEBA DE COINTEGRACIÓN DE JOHANSEN (MÁXIMO VALOR
PROPIO) DEL MODELO VAR CON 1 REZAGO .......................................................... 32
TABLA 11 MODELO VEC CON UN VECTOR DE COINTEGRACIÓN ...................... 33
TABLA 12 COEFICIENTES DE LA CORRECCIÓN DE ERRORES DEL MODELO VEC
........................................................................................................................................ 33

10
 ÍNDICE DE FIGURAS

FIGURA 1 FUNCIPON DE PRODUCCIÓN COBB-DOUGLAS ...................................20

FIGURA 2 PBI PER CÁPITA DEL PERÚ ..................................................................... 21
FIGURA 3 PRINCIPALES MERCADOS DESTINO PARA EL AÑO 2019 .................. 21
FIGURA 4 DESARROLLO DE LAS EXPORTACIONES DEL PERÚ EN EL PERIODO
2000 AL 2019 .................................................................................................................. 24
FIGURA 5 MAPA DEL ÁRBOL DE LAS EXPORTACIONES DEL PERÚ EN EL
PERIODO 2019 ............................................................................................................... 25
FIGURA 6 EXPORTACIONES DE CADA SECTOR EN EL AÑO 2019 ...................... 26
FIGURA 7 EXPY DE CADA SECTOR DESDE EL AÑO 2001 AL 2020 DEL PERÚ ...28

11
1 INTRODUCCIÓN

A lo largo de los años, la mayoría de los países han cambiado su estructura exportación, lo
que tendría como consecuencia un aumento de los ingresos, ya que al tener una amplia línea
de productos permitiría distribuir los riesgos de un país (Organización para la Cooperación
y el Desarrollo Económicos [OCDE], 2011). Sin embargo, existe una preocupación para los
países en vías de desarrollo, que cada vez se están concentrado más en el sector minero con
lo que, en lugar de acercarse a la estructura de producción de primer mundo, se están alejando
de ella (Lederman & Maloney, 2012). Los datos obtenidos a través de ADEX (2021)
demuestran que, en el año 2019, las exportaciones de minería tradicional en el Perú han
representado un 57.43%, mientras que las de los demás productos, como textil, pesca, agro,
entre otras, alcanzan un 42.57%. Entonces, si exportamos productos con mayor sofisticación
ayudaría a mejorar el proceso de elaboración y generación de ingresos para obtener una
diferencia en la canasta que se está exportando (Krugman et al., 2012).

Por otro lado, Chrid et al. (2021) mencionan que la relación entre la sofisticación de las
exportaciones y el crecimiento económico es no lineal entonces, en el caso de los países en
desarrollo como Perú que no cuentan con suficientes recursos y capital humano para poder
desarrollar productos complejos, esta relación tendría forma de U. Al mismo tiempo Santos-
Paulino (2011) realiza un estudio similar pero para grupos de países desarrollados y en
desarrollo, y encuentra que la relación es positiva.

Hüseyni y Çakmak (2019) refieren que, si uno de los países cuenta con tecnología moderna
e información, se podrían elaborar productos de exportación sofisticados y, por consiguiente,
de lograría aumentar la productividad. Lee (2011) precisa que la tecnología es uno de los
factores que desempeñan un papel fundamental en el impulso del crecimiento de las
exportaciones, ya que los países que se han concentrado en producir bienes con alta
tecnología han podido obtener un crecimiento rápido (como Japón o Estados Unidos); en
cambio, los países que tienen una estructura diferente, se dedican sobre todo a exportar
productos tradicionales o de baja tecnología y esto explicaría el porqué del crecimiento lento
en su economía (Lee, 2011). Asimismo, Jarreau y Poncet (2012) indican que los países que
se especializan en la producción de ciertos productos de alta tecnología (más complejos)
contribuyen a que crezca de manera acelerada su economía. Sin embargo, Shimbov et. al
(2019) establecen que no necesariamente el crecimiento de la economía se basaría en los

12
productos de tecnología intensiva, sino en la sofisticación o calidad de sus productos
exportados.

Por lo citado anteriormente, surge la siguiente pregunta: ¿cuál es la relación entre la

sofisticación de las exportaciones y el crecimiento económico para la economía peruana? Se
plantea como hipótesis que una mayor sofisticación de las exportaciones permite que crezca
la economía, dado que facilita que el país pueda vender productos con mayor valor agregado,
se creen nuevos sectores y nuevos productos, lo que fomentaría la mejora en la estructura de
las exportaciones. Esta investigación tiene como objetivo principal analizar la relación entre
la sofisticación de las exportaciones y el crecimiento económico en la economía peruana en
los sectores Agropecuario, Textil, Madera y Metal mecánico. Para ello, se tomará en cuenta
como variable dependiente al Producto Bruto Interno per cápita como indicador de
crecimiento económico y como variable independiente al Índice de Sofisticación de las
Exportaciones (EXPY) desarrollado por Ricardo Hausmann, Jason Hwang y Dani Rodrik en
el año 2007 de cada sector. Además, se introducirá como variables de control a la Inversión
Extranjera Directa (IED) y la tasa de apertura comercial.

2 MARCO TEÓRICO
2.1 Crecimiento económico
2.1.1 Teoría del crecimiento económico

Una de las ideas que aportó Smith fue su teoría del comercio internacional, donde afirma
que un país que disponga de una ventaja absoluta debería de especializarse en producir ese
producto, ya que esto influiría a que crezca la renta total de un país (Ucak, 2015). Krugman
et al. (2012) mencionan que, para tener una ventaja absoluta, el país deberá de contar con
una productividad mayor que los demás países del mercado. Por otro lado, David Ricardo
en su teoría sobre ventajas comparativas, establece que el costo de producción y la ventaja
comparativa influenciarían en el intercambio comercial (Torres, 1977). Por ejemplo, si
existen dos países que exportan el producto A y B, y si uno de estos dos países cuenta con
una ventaja comparativa para producir uno de los bienes, utilizaría menos recursos y costaría
menos su producción, y entonces se especializará en producir este bien.

Otra teoría de crecimiento económico, es el modelo de Solow, que fue diseñado por el autor
para poder medir el crecimiento de la productividad utilizando las variables en términos per
cápita; este modelo ayuda a explicar las diferencias que existen entre los países con altos

13
ingresos y los países en desarrollo (De Gregorio, 2007). El modelo de Solow explica que el
crecimiento no puede mantenerse solo de la acumulación de capital, ya que según la ley de
los rendimientos decrecientes menciona que la inversión permitiría restablecer el capital
depreciado, en el que se puede llegar al estado estacionario; asimismo, establece que los
países que cuentan con el mismo nivel de tecnología y características similares, podrían
contar al mismo nivel de estado estacionario, y si el país quisiera mantener su desarrollo en
el largo plazo, entonces, el país deberá de poder combinar sus factores y así poder aumentar
su producción (Chirinos, 2007). Este modelo estableció que si la producción mejora por
medio a la inversión de capital y el ahorro, también podría aumentar la tasa de empleo y el
consumo (Sala-i-Martin, 2000).

Por otro lado, existe otra teoría, que es conocida como la Ley de Thirlwall, por la cual el
crecimiento económico de un país a largo plazo, está restringido por la cuenta corriente de
la balanza de pagos, es decir, el crecimiento sostenido de un país a largo plazo está
determinado por las exportaciones y la elasticidad de ingreso de la demanda por
importaciones (Perrotini, 2002).

2.1.2 PBI Per Cápita

El PBI per cápita se toma como indicador de crecimiento económico, dado que este índice
suma el valor de los bienes y servicios comercializados producidos dentro del límite nacional
y lo divide entre la cantidad de personas que viven dentro de ese territorio (OCDE, 2011).
Según Ray (1998) esta variable nos ayuda aproximar el bienestar de una economía, debido
a que un incremento en esta variable ayuda a tener un mejor acceso a la educación, salud y
nutrición. Sin embargo, como este es un índice promedio, no nos muestra cómo se
distribuyen los ingresos entre los habitantes de un país (Mankiw, 2019).

Una de las características del PBI per cápita es que este índice solo se enfoca en un periodo
dentro de un tiempo específico (Mankiw, 2019) y no considera las diferencias del tamaño de
los hogares; entonces, si este índice es mayor, no necesariamente significa que toda la
población se encontraría en una situación de bienestar (Organisation for Economic Co-
operation and Development [OECD], 2014). Sala-i-Martin (2000) menciona que, si la
población es extremadamente rica o pobre, entonces, este índice no sería una de las mejores
opciones ya que solo calcula una aproximación del bienestar económico de la población. Los
países en desarrollo, como Perú, se caracterizan por tener un PBI per cápita bajo ya que estos

14
presentan una tasa de crecimiento de la población más alta que en los países desarrollados
(Chávez, 2010).

2.2 Sofisticación de las exportaciones

2.2.1 Índice de sofisticación de las exportaciones (EXPY)

Este índice fue desarrollado por Hausmann, Hwang y Rodrik en su investigación “What you
export matters” (2007). El EXPY nos ayuda a medir qué tan sofisticadas son las
exportaciones de un país y así conocer si es que la estructura de exportación existente es la
correcta o no (Li, 2019). Según Hausmann et al. (2007), un EXPY alto, significa que el país
podría tener un crecimiento alto en su economía e indica que la estructura de exportaciones
que se está manejando es la mejor; ellos explican que este indicador está correlacionado con
el nivel de ingreso de un país.

Hidalgo y Hausmann (2009) explican que la sofisticación de las exportaciones dependerá de

las capacidades que un país posee para poder producir sus productos. Asimismo, Shimbov
et. al (2019) demuestran que los productos que cuentan con una alta productividad en capital
humano y ayuda comercial (como inversión) influyen positivamente sobre el EXPY y que
los países como Estados Unidos o Japón, a diferencia de otros países, crecen más rápido por
la capacidad que tienen para producir sus productos.

Para poder calcular este índice, se deben seguir los siguientes pasos (Hausmann et al., 2007):

● Se construirá el PRODY, que es el promedio ponderado de los ingresos de las

exportaciones del bien k. Estas corresponden a la ventaja comparativa del país j por
el bien k:

Donde:

Xjk: Valor de las exportaciones de k en el país j

Xj: Valor total de las exportaciones del país j

Yj: PBI per cápita del país j

Ck (ponderación de las exportaciones de k por las exportaciones totales) se

representa como:

15
 ● El siguiente paso es construir el EXPY del país j:

● El objetivo del EXPY es poder hallar el nivel de productividad de cada valor de las
exportaciones de k en el que cuentan con una canasta de exportaciones en el país j.
Los autores mencionan que el EXPY tiene relación positiva con el PIB per cápita
(crecimiento económico).

2.2.2 Alternativas de medición de la sofisticación de las exportaciones

La mayoría de las investigaciones han utilizado la misma metodología de Hausmann, Hwang

y Rodrik para poder calcular el EXPY, sin embargo, cada estudio agrega otras variables o
cambian algo de la metodología para que sea más efectiva la investigación.

En el caso de Chrid et al. (2021), los autores utilizan el PRODY y el EXPY junto con el
índice de complejidad económica (ICE), ya que este último refleja la capacidad para producir
productos sofisticados respecto a la tecnológica, inversión y el capital humano, como
también, captura la información sobre la complejidad de los productos que tiene disponible
un país. Asimismo, Hartmann et al. (2021) para poder estimar las etapas de sofisticación
productivas de los países, utilizaron el índice complejidad económica (ICE) y el índice de
complejidad de productos (ICP). El ICE no solo considera el nivel agregado de producción,
como el PIB per cápita, sino también cuántos y qué tipos de productos pueden producir y
exportar los países; por ejemplo, hoy en día la mayoría de los países exportan productos del
sector agrícola, pero solo un cierto número de ellos pueden exportar maquinaria que
consideran sofisticadas (Hartmann et al., 2021). Por otro lado, el ICP es una medida que
refleja qué tan diferentes y qué tanto están presente las capacidades productivas requeridas
para elaborar un producto, dado que los productos más complejos son aquellos que se
fabrican en pocos lugares y, al contrario, los productos menos elaborados, los que se
producen en muchos sitios (Hausmann et al., 2020). Por último, Xu (2010) y Kočenda y
Poghosyan (2018) utilizan el índice de similitud de exportaciones (ISE) que se refiere a un
país que puede identificarse como exportador de bienes de alta productividad; entonces, este
índice podrá ayudar a descubrir si este país en particular (o los otros países) muestran
productos de sofisticación para poder realizar el estudio en dicho país (Kočenda &
Poghosyan 2018).

16
2.3 Relación entre la sofisticación de las exportaciones y el crecimiento económico

Hausmann et al. (2007) demuestran en su estudio la importancia que tiene la sofisticación

de las exportaciones para el crecimiento económico, durante el periodo de 1992 a 2003. El
número de países estudiados varían con el tiempo, ya que esto depende del reporte que
realizaron sobre sus exportaciones durante esos años. Ellos utilizan el EXPY para poder
medir la canasta de los productos y un modelo de regresión lineal, estimando cuatro modelos
diferentes con distintos conjuntos de variables independientes. Para la investigación, los
autores utilizan el índice EXPY como variable dependiente, y como variables explicativas
al PBI per cápita, el capital humano, las instituciones, población y tamaño del país, todas
ellas en término logarítmico. Sus resultados muestran que existe una relación positiva entre
el PBI per cápita y el EXPY, y una negativa con el tamaño de la superficie del país. Sin
embargo, también demostraron que las otras variables, tales como el capital humano, número
de población y las instituciones, no resultan significativas para el modelo. Por lo tanto, los
autores demuestran que, si los países exportan un producto con mayor sofisticación, la
economía de un país podrá crecer rápidamente.

Por otro lado, Shimbov et al. (2019) analizan la canasta de exportaciones, entre los años
1996 al 2015 para los países de los Balcanes Occidentales. Su estudio tiene dos objetivos: i)
estudiar el impacto de la sofisticación de las exportaciones en el crecimiento económico y
ii) identificar los factores que influyen en el nivel de sofisticación, utilizando variables
instrumentales para solucionar el problema de endogeneidad y estimando las ecuaciones
usando la metodología de efectos fijos. Plantean como hipótesis que una mayor sofisticación
en las exportaciones conlleva a un mayor crecimiento económico. En la investigación, ellos
pudieron comprobar su hipótesis y descubren que existe una relación positiva entre ambas
variables; sin embargo, esto no necesariamente sería por la exportación de los productos de
alta calificación y tecnología intensiva, sino por la sofisticación en sus productos que tienen
calificación media. Por otro lado, ellos mencionan que uno de los factores que influye en el
nivel de sofisticación es la apertura comercial, un mejor entorno institucional y la estabilidad
macroeconómica del país.

Kočenda y Poghosyan (2018) utilizan un conjunto de datos de panel en el periodo 2001 al

2015 para 101 países, donde realizan simulaciones de Monte Carlo para poder obtener
estimaciones más precisas. En este estudio, utilizan como variable dependiente al EXPY y
como variables independientes al PBI per cápita, capital humano, población y área terrestre,

17
todos en términos logarítmicos. Ellos utilizan el EXPY, el PRODY y el ISE para medir la
sofisticación de las exportaciones de los países. En este estudio, se muestra que la producción
y el tamaño del país tienen una relación positiva con la sofisticación mientras que, el capital
humano y el tamaño geográfico no son estadísticamente significativos. Por otro lado, los
autores mencionan que una institucionalidad débil para una economía emergente y en
desarrollo podría impactar negativamente sobre la sofisticación. Asimismo, al utilizar el
índice de sofisticación rezagado, obtuvieron un efecto positivo, hallazgo que sugiere una
fuerte persistencia del comportamiento de la sofisticación exportadora. Esta es una señal de
que no solo existe una dependencia de la trayectoria en las actividades de exportación
agregadas, sino también una dependencia de la trayectoria en términos de la propia
sofisticación de las exportaciones (Kočenda & Poghosyan, 2018). Esto quiere decir que la
sofisticación de las exportaciones no se distorsionaría a lo largo del tiempo, es decir, no
cambia su trayectoria. Por ejemplo, los autores mencionan que, durante la crisis del 2007, la
mayoría de los países no cambiaron su estructura de exportación y se mantuvieron estables.

Chakroun et al. (2021) muestran la relación que tiene la mejora de las exportaciones con el
crecimiento económico en el largo plazo, analizando el periodo comprendido entre el año
1984 y el 2013 para 67 países, utilizando la metodología de panel de cointegración. El
estudio se dividió en tres grupos de países: ingresos altos, medianos y bajos. Se construyó la
base de datos compuesta por el índice de complejidad, de diversificación y la sofisticación,
según la canasta de productiva que tiene cada grupo. Los autores llegan a la conclusión que
en una muestra total, la relación entre la mejora de las exportaciones y el crecimiento no
sería lineal, sino que tendría una forma de U invertida; los países con ingresos altos obtienen
mayor crecimiento económico por la diversificación de sus exportaciones; mientras que los
países con bajos ingresos, registran lo contrario. Para los países de ingresos medios, la
complejidad de sus productos no tendría ningún efecto en su economía, pero los autores
mencionan que la especialización para los países pobres y en desarrollo no sería la mejor
opción, ya que implicarían costos elevados que no podrían enfrentar. Por otro lado,
mencionan que, si el país se quiere beneficiar de la sofisticación de las exportaciones, se
deberá contar con un mínimo de capital humano pero los países de bajos ingresos no podrían
gozar de este factor de producción, ya que no cuentan con suficientes recursos.

18
2.3.1 Modelo Teórico

El modelo de sofisticación ha sido detallado en la investigación de Hausmann et al. (2007).

El modelo muestra que la productividad en el sector moderno está impulsada por una θ
máxima, que depende de “m”, el número de los inversores que escogerán invertir en un
proyecto, que a su vez depende del tamaño del país (L), capital humano (h) y otros
parámetros. El nivel de productividad está caracterizado por un “θ” y otro nivel de
productividad máximo como “θ max”. Por otro lado, el rango en el que el país puede producir
sus bienes depende de “h”, el cual es conocido como capital humano, que puede tomar
valores entre [0, h]. Asimismo, se conoce que el inversor solo puede ejecutar un solo
proyecto α, entonces, esta será: 0 < α < 1. El esperado de la productividad máxima será:

Donde “m” es el número de inversionistas que invierten. Se conoce además que E (θmax)
será 0, cuando m sea igual a 0 y converge a h cuando m tiende a infinito. Se representa θmax
con una medida calculada a partir del EXPY. Esta medida tiene como objetivo capturar el
nivel de productividad asociado con las exportaciones de un país, ya que este índice solo
incorpora los bienes más productivos que se producen en él.

Adicionalmente se considera que la producción del país presenta una función de tipo Cobb-
Douglas, en el cual muestra la variedad de productos que se pueden obtener al combinar
diferentes cantidades de factores productivos, teniendo en cuenta un nivel específico de
conocimiento y tecnología (Vargas, 2014), y se expresa de la siguiente forma:

𝑌 = 𝐹 (𝐴𝑡, 𝐾𝑡, 𝐿𝑡) = 𝐴𝑡𝐾𝑡 𝛼 𝐿𝑡𝛽

● Yt: Producción
● At: Progreso tecnológico
● Kt: Stock de capital
● Lt: Número de trabajadores

Estas variables ayudan a poder explicar la producción de un país con relación a las
combinaciones de la tecnología, capital y los trabajadores. α y β representan los parámetros
de los factores K y L, los cuales estarán relacionados a la productividad máxima del país. Si
la función presenta rendimientos constantes a escala, es decir, la suma de α y β será igual a

19
1, entonces, cuando el capital y el número de trabajadores se incrementan en la misma
proporción aumentará también en la misma proporción la producción del país. Asimismo,
su productividad marginal será positiva y decreciente, como se observa en la siguiente
figura:

Figura 1

Función de producción Cobb-Douglas

Nota. La figura muestra la función de producción empleado por Paul Douglas y Charles Cob
en el año 1927.

3 HECHOS ESTILIZADOS
3.1 Crecimiento económico

Según los datos obtenidos del Banco Central de Reserva del Perú (BCRP), se observa que
en el período análisis hubo un crecimiento en el PBI per cápita (Figura 2). La disminución
de esta variable entre los años 2008 al 2009, se generó debido a la crisis financiera ocurrida
en Estados Unidos. Durante el año 2009, la economía global experimentó una de las peores
recesiones desde la Segunda Guerra Mundial, con una disminución del 0.1% en su producto
mundial (Instituto Nacional de Estadística e Informática [INEI], 2017). Después de esta
crisis, entre el periodo 2010 al 2019, se observa que hubo un aumento respecto a los años
anteriores. Sin embargo, en el 2020 por la pandemia mundial del COVID-19, la mayoría de
las actividades económicas se han paralizados por la crisis sanitaria, generándose una nueva
caída en el PBI per cápita.

20
Figura 2

PBI per cápita del Perú

Nota. El gráfico muestra al PBI per cápita del Perú desde el 2000 al 2020, tomada de la base
de datos del BCRP, 2021.

3.2 Exportaciones

En la siguiente figura, se pueden observar los principales mercados destino de las

exportaciones totales del Perú en el año 2019 (ADEX, 2021): China ocupó el puesto 1, con
un 29.3%; Estados Unidos, representó el 12.7% del total de exportaciones y, el siguiente es
Canadá que comprendió el 5.3% de las mismas.

Figura 3
Principales mercados destino para el año 2019

Nota. El gráfico expone en nivel porcentual a los principales países de destino para el 2019,
extraído de la base de datos de ADEXTRADE, 2021.

21
En la Tabla 1, se puede observar que los principales productos exportados a China en el año
2019 fueron los minerales de cobre (US$ 8,354,348,685), la harina en polvo (US$
1,119,105,183), y catodos y secciones de cobre refinado (US$ 952, 448,826). Por otro lado,
en el Tabla 2, se visualiza que, en el caso de Estados Unidos, el producto con mayor valor
FOB es el oro con US$1,704,370,839, seguido por los arándanos rojos, con US$462,260,364
de valor FOB y, por último, las uvas frescas con US$387,845,571. En el caso de Canadá
(Tabla 3), los principales productos son el oro (US$ 1,704,370,839), la plata (US$
157,165,110) y el plomo (US$ 85,301,877).

Tabla 1

Principales productos exportados a China

Valor FOB (US$)

Nº Partida Descripción Arancelaria 2019

1 2603000000 MINERALES DE COBRE Y SUS CONCENTRADOS 8,354,348,685

HARINA, POLVO Y PELLETS DE PESCADO CON UN CONTENIDO DE GRASA SUPERIOR
2 2301201100 A 2% EN PESO 1,119,105,183

3 7403110000 CATODOS Y SECCIONES DE CATODOS DE COBRE REFINADO 952,448,826

4 2601110000 MINERALES DE HIERRO Y SUS CONCENTRADOS, SIN AGLOMERAR 931,749,507

5 2608000090 LOS DEMAS MINERALES DE CINC Y SUS CONCENTRADO 486,482,794

6 2616100000 MINERALES DE PLATA Y SUS CONCENTRADOS 435,108,806

7 2607000000 MINERALES DE PLOMO Y SUS CONCENTRADOS. 373,878,268

8 0307430000 JIBIAS (SEPIAS)* Y GLOBITOS; CALAMARES Y POTAS CONGELADOS 137,973,917

9 1605540000 JIBIAS (SEPIAS) Y CALAMARES, PREPARADAS O EN CONSERVA 115,491,878

10 2711110000 GAS NATURAL, LICUADO 84,335,891

Nota. La tabla muestra información de los principales productos que se exportó a China en
el año 2019 en valor FOB (US$), extraído de la base de datos de ADEXTRADE, 2021.

Tabla 2
Principales productos exportados a Estados Unidos
Valor FOB
(US$)
Nº Partida Descripción Arancelaria 2019

1 7108120000 ORO EN LAS DEMAS FORMAS EN BRUTO 528,340,976

2 0810400000 ARANDANOS ROJOS, MIRTILOS Y DEMAS FRUTOS DEL GENERO VACCINIUM, FRESCOS 462,260,364

3 0806100000 UVAS FRESCAS 387,845,571

4 2613900000 MINERALES DE MOLIBDENO Y SUS CONCENTRADOS, SIN TOSTAR 322,721,699

5 0709200000 ESPARRAGOS, FRESCOS O REFRIGERADOS 252,257,318

6 0804400000 AGUACATES (PALTAS), FRESCAS O SECAS 232,628,051

22
 GASOLINAS SIN TETRAETILO DE PLOMO PARA MOTORES DE VEHICULOS
AUTOMOVILES CON UN NUMERO DE OCTANO RESEARCH (RON) INFERIOR A 84,
7 2710121310 SUPERIOR O IGUAL A 84, PERO INFERIOR A 90. 173,103,757

8 0901119000 DEMAS CAFÉ SIN DESCAFEINAR, SIN TOSTAR 172,447,744

9 8001100000 ESTAÑO EN BRUTO, SIN ALEAR 149,040,287

10 2710121900 DEMÁS GASOLINAS S/TETRAETILENO DE PLOMO 139,858,286

Nota. La tabla muestra información de los principales productos que se exportó a Estados
Unidos en el año 2019 en valor FOB (US$), extraído de la base de datos de ADEXTRADE,
2021.

Tabla 3
Principales productos exportados a Canadá

Valor FOB (US$)

Nº Partida Descripción Arancelaria 2019

1 7108120000 ORO EN LAS DEMAS FORMAS EN BRUTO 1,704,370,839

2 7106912000 PLATA EN BRUTO ALEADA 157,165,110
3 2607000000 MINERALES DE PLOMO Y SUS CONCENTRADOS. 85,301,877
GRASAS Y ACEITES DE PESCADO Y SUS FRACCIONES, REFINADOS EXC. ACEITES DE
4 1504209000 HIGADO 68,986,362
5 2608000090 LOS DEMAS MINERALES DE CINC Y SUS CONCENTRADO 65,867,291

6 2616100000 MINERALES DE PLATA Y SUS CONCENTRADOS 35,167,002

7 0901119000 DEMAS CAFÉ SIN DESCAFEINAR, SIN TOSTAR 35,129,192
8 0806100000 UVAS FRESCAS 26,692,335

9 7106911000 PLATA EN BRUTO SIN ALEAR 21,548,987

10 2603000000 MINERALES DE COBRE Y SUS CONCENTRADOS 20,591,957

Nota. La tabla muestra información de los principales productos que se exportó a Canadá en
el año 2019 en valor FOB (US$), extraído de la base de datos de ADEXTRADE, 2021.

En la figura 4, se puede observar el desarrollo de las exportaciones totales que realizó Perú
en el periodo 2000 al 2019. Según los datos obtenidos del Atlas de Complejidad Económica,
elaborado por la Universidad de Harvard (2021), en el año 2000 las exportaciones peruanas
alcanzaron 1.25 mil millones de dólares. También se puede observar que en el año 2008
hubo una caída por la crisis mundial que afectó a la mayoría de los países. Las exportaciones
se vieron afectadas, debido a que hubo una menor demanda mundial, lo cual se exportó en
ese tiempo una menor cantidad en los productos del sector minero como el zinc, plata
refinada y molibdeno (BCRP, 2009). Entre los años 2012 al 2015, se observa una caída en
el volumen de las exportaciones, ya que el precio de las exportaciones de los principales
bienes como el oro y cobre bajaron. Asimismo, en estos años, los países europeos y asiáticos

23
estaban recortando sus gastos, y esto se reflejó en el bajo volumen de las exportaciones. En
el año 2019, el monto de las exportaciones creció a 7.42 mil millones de dólares (The Growth
Lab at Harvard University, s.f.).

Figura 4

Desarrollo de las Exportaciones del Perú en el periodo 2000 al 2019

Nota. La figura muestra el desarrollo de las exportaciones del Perú. De “The Atlas of
Economic Complexity”, por The Growth Lab at Harvard University,
s.f.(https://atlas.cid.harvard.edu/explore/stack?country=173&year=2019&queryLevel=loca
tion&startYear=1995&productClass=HS&product=undefined&target=Product&partner=u
ndefined).

Se muestra en la figura anterior que la mayoría del volumen de las exportaciones están
comprendidas en el sector minero como el cobre, oro, plomo, entre otros. Este se puede
verificar en la figura 5, donde se observan que la mayor parte de las exportaciones del Perú
en el año 2019 corresponden a las exportaciones tradicionales. Por ejemplo, el 20.63% están
representadas por el cobre y el 12.87% representa las exportaciones del oro.

24
Figura 5

Mapa del Árbol de las exportaciones del Perú en el periodo 2019

Nota. La figura muestra el mapa del árbol de las exportaciones del Perú en el año 2019. De
“The Atlas of Economic Complexity”, por The Growth Lab at Harvard University,
s.f.(https://atlas.cid.harvard.edu/explore?country=173&queryLevel=location&product=und
efined&year=2019&productClass=HS&target=Product&partner=undefined&startYear=19
95).

3.3 Exportaciones por sectores

En la siguiente figura, se observan las exportaciones del año 2019 por sector (ADEX, 2021).
Uno de los sectores más representativo fue el de Minería tradicional, con un valor FOB de
26803 millones de US$. Asimismo, en el caso del sector Agropuacuario y Agroindustrias
fue de 6,322 millones de US$. Por último, el de Petróleo y Gas Natural representó 3,118
millones de US$.

25
Figura 6

Exportaciones de cada sector en el año 2019

Nota. La figura muestra información de las exportaciones de cada sector en el año 2019 en
valor FOB (Millones US$), extraído de la base de datos de ADEXTRADE, 2021.

Por otro lado, se puede observar en la tabla 4 en el que los principales productos exportados
del sector Agropecuario y Agroindustrias son las uvas frescas, arándanos y paltas y en el
sector Textil, se caracterizan por el pelo fino, tejido de punto de algodón e hilados de lana.
En el caso del sector Metal mecánico, son partes de maquinarias, vidrios enmarcados y
máquinas de sondeo. Por último, en el caso del sector Minero, están los minerales de cobre,
el oro y los cátodos.

Tabla 4

Principales productos según sectores

Sector Partida Descripción Arancelaria Valor FOB
0806100000 UVAS FRESCAS 877,556,417
Agropecuario y ARANDANOS ROJOS, MIRTILOS Y DEMAS FRUTOS DEL GENERO
0810400000
Agroindustrias VACCINIUM, FRESCOS 814,560,793
0804400000 AGUACATES (PALTAS), FRESCAS O SECAS 757,410,040
5105391000 PELO FINO CARCADO O PEINADO DE ALPACA 57,754,386
6006220000 LOS DEMAS TEJIDOS DE PUNTO DE ALGODÓN TEÑIDOS 29,222,923
Textil
LOS DEMAS HILADOS DE LANA O PELO FINO
5109900000
ACONDICIONADOS P LA VENTA AL POR MENOR 26,226,925
LAS DEMAS PARTES DE MAQUINAS Y APARATOS DE LAS
8431490000
PARTIDAS N° 84.26,84.29 U 84.30 33,256,747
Metal mecánico VIDRIOS ENMARCADOS; VIDRIOS, INCLUSO ENMARCADOS,
8708295000
CON RESISTENCIAS CALENTADORAS O DISP. 31,069,742
8474900000 PARTES DE MAQUINAS Y APARATOS DE LA PARTIDA N° 84.74 24,854,906
2603000000 MINERALES DE COBRE Y SUS CONCENTRADOS 12,243,934,011
Minería
7108120000 ORO EN LAS DEMAS FORMAS EN BRUTO 6,975,701,682

26
 7403110000 CATODOS Y SECCIONES DE CATODOS DE COBRE REFINADO 1,621,379,478

Nota. La tabla muestra información de los principales productos de los cuatro principales
sectores en el año 2019 en valor FOB (US$), extraído de la base de datos de ADEXTRADE,
2021.

3.4 Índice de Sofisticación de las Exportaciones (EXPY)

Utilizando la ecuación de EXPY, se ha construido la base de datos que se utilizará en la

presente investigación considerando la información de los sectores Textil, Madera, Metal y
Agropecuario, según la información obtenida de ADEX (2021).

Para poder realizar el cálculo, se tuvo que construir el PRODY, el cual es el promedio
ponderado de los ingresos de las exportaciones para cada bien de un sector, estas son
seleccionadas de acuerdo con el número de su partida arancelaria, en este caso sería de 10.
Al tener esta variable, se forma el EXPY de acuerdo con las exportaciones que ha tenido. De
acuerdo con ello, se ha obtenido los siguientes índices (tabla 5).

Tabla 5

EXPY de cada sector desde el año 2001 al 2020 de Perú

EXPY EXPY EXPY EXPY

Año
Textil Madera Metal Agropecuario
2001 90.78 24.52 45.32 58.57
2002 79.50 29.93 28.97 56.84
2003 83.49 25.75 23.57 53.03
2004 81.89 25.84 25.45 61.59
2005 71.88 53.69 30.42 52.63
2006 73.94 56.48 21.49 74.33
2007 88.26 54.66 28.25 58.93
2008 106.15 59.15 43.68 91.50
2009 105.79 48.61 57.16 98.14
2010 110.12 48.87 56.82 138.23
2011 121.74 42.81 61.68 212.96
2012 161.70 46.83 78.20 153.72
2013 175.52 50.87 87.44 124.57
2014 214.38 59.04 103.49 148.28
2015 157.70 27.71 99.10 132.64
2016 117.05 21.63 76.71 148.53
2017 118.62 18.07 80.14 123.48

27
 2018 125.60 17.83 86.15 108.56
2019 115.03 19.02 87.24 117.77
2020 89.63 14.84 146.54 114.94
Nota. La tabla expone el EXPY, utilizando la fórmula implementada por Hausmann et al.
(2007) para el año 2001 al 2020, 2021.

En la figura 7 se puede observar que, en el caso del sector metal mecánica, el valor del EXPY
ha ido aumentando en el tiempo. En el caso del sector textil, esta variable tuvo un marcado
crecimiento hasta el 2014 y luego, ha ido decayendo. Esto también pasa con el sector
agropecuario en el que el aumento de este índice se dio hasta el 2011, y luego registra una
tendencia decreciente. Por último, en el sector madera, el comportamiento del EXPY ha sido
distinto al resto de sectores, ya que se observa que ha ido disminuyendo durante todo el
periodo de análisis.

Figura 7
EXPY de cada sector desde el año 2001 al 2020 del Perú

Nota. El gráfico muestra al EXPY de los cuatros principales sectores, tomada de la base de
datos de ADEXTRADE, 2021.

4 MARCO METOLÓGICO
4.1 Fuentes de datos
Para el estudio se utilizarán variables con frecuencia trimestral entre los años 2001 al 2020
para el país de Perú de las variables PBI per cápita e Inversión Extranjera Directa que serán

28
extraídas de la página oficial del Banco Central de Reserva del Perú (BCRP). Por otro lado,
para la construcción del PRODY y el EXPY, y la visualización de las aperturas comerciales
la información se obtendrá desde las bases ADEXTRADE, TRADEMAP y COMTRADE.

4.2 Descripción de las variables

4.2.1 Variable dependiente
La variable dependiente será el PBI per cápita que se tomará como crecimiento económico,
siguiendo a diversos autores que utilizan esta variable de dicha forma, tales como Hausmann
et al. (2007), Shimbov et al. (2019), Kočenda y Poghosyan (2018) y Chakroun et al. (2021).

4.2.2 Variable Independiente

En este caso, se toma en cuenta al Índice de sofisticación de las exportaciones que es

representado por “EXPY”. Este será construido considerando las partidas arancelarias que
cuentan con 10 dígitos, ya que cuentan más especificación del producto.

4.2.3 Variables de control

Mohamed Chakroun, Naima Chrid y Sami Saafi en el año 2021, utilizaron como variables
de control a la inversión extranjera directa (IED), el capital humano y la tasa de apertura
comercial como capacidad de poder exportar o importar productos entre otros países. Sin
embargo, para la investigación, se ha descartado utilizar el capital humano, ya que las
variables tienen que estar en la misma unidad de medida.

4.3 Metodología econométrica

La presente investigación se desarrollará en el periodo del 2001 hasta el 2020 para Perú y se
usará una metodología de cointegracion siguiendo a Mohamed Chackroun, Naima Chrid y
Sami Saafi. Ellos realizan un panel de cointegración, debido a que estudian un conjunto de
países; sin embargo, en la presente investigación no se utilizará un panel de datos porque se
centra solo en un país. Esta metodología analiza la relación entre las variables y no permiten
la dependencia transversal, y ayudará a que se puedan controlar los problemas como
heterogeneidad, dependencia transversal y la no estacionalidad.

El modelo a estimar viene dado por:

𝑌𝑡 = 𝛽0 + 𝐸𝑋𝑃𝑌𝐴𝑔𝑟𝑜𝑝𝑒𝑐𝑢𝑎𝑟𝑖𝑜𝑡 𝛽1 + 𝐸𝑋𝑃𝑌𝑀𝑎𝑑𝑒𝑟𝑎𝑡 𝛽2
+ 𝐸𝑋𝑃𝑌𝑇𝑒𝑥𝑡𝑖𝑙𝑡 𝛽3 + 𝐸𝑋𝑃𝑌𝑀𝑒𝑡𝑎𝑙_𝑚𝑒𝑐á𝑛𝑖𝑐𝑜𝑡 𝛽4 + 𝐼𝐸𝐷𝑡 𝛽5
+ 𝑇𝑎𝑠𝑎_𝑎𝑝𝑒𝑟𝑡𝑢𝑟𝑎_𝑐𝑜𝑚𝑒𝑟𝑐𝑖𝑎𝑙𝑡 𝛽6 + 𝐶𝑎𝑝𝑖𝑡𝑎𝑙_ℎ𝑢𝑚𝑎𝑛𝑜𝑡 𝛽7 + 𝜀𝑡

29
 Donde:

𝑌𝑡: 𝑃𝐵𝐼 𝑝𝑒𝑟 𝑐á𝑝𝑖𝑡𝑎

𝐸𝑋𝑃𝑌𝐴𝑔𝑟𝑜𝑝𝑒𝑐𝑢𝑎𝑟𝑖𝑜: Í𝑛𝑑𝑖𝑐𝑒 𝑑𝑒 𝑠𝑜𝑓𝑖𝑠𝑡𝑖𝑐𝑎𝑐𝑖ó𝑛 𝑑𝑒𝑙 𝑠𝑒𝑐𝑡𝑜𝑟 𝐴𝑔𝑟𝑜𝑝𝑒𝑐𝑢𝑎𝑟𝑖𝑜

𝐸𝑋𝑃𝑌𝑀𝑎𝑑𝑒𝑟𝑎: Í𝑛𝑑𝑖𝑐𝑒 𝑑𝑒 𝑠𝑜𝑓𝑖𝑠𝑡𝑖𝑐𝑎𝑐𝑖ó𝑛 𝑑𝑒𝑙 𝑠𝑒𝑐𝑡𝑜𝑟 𝑀𝑎𝑑𝑒𝑟𝑎

𝐸𝑋𝑃𝑌𝑇𝑒𝑥𝑡𝑖𝑙: Í𝑛𝑑𝑖𝑐𝑒 𝑑𝑒 𝑠𝑜𝑓𝑖𝑠𝑡𝑖𝑐𝑎𝑐𝑖ó𝑛 𝑑𝑒𝑙 𝑠𝑒𝑐𝑡𝑜𝑟 𝑇𝑒𝑥𝑡𝑖𝑙

𝐸𝑋𝑃𝑌𝑀𝑒𝑡𝑎𝑙 𝑚𝑒𝑐á𝑛𝑖𝑐𝑜: Í𝑛𝑑𝑖𝑐𝑒 𝑑𝑒 𝑠𝑜𝑓𝑖𝑠𝑡𝑖𝑐𝑎𝑐𝑖ó𝑛 𝑑𝑒𝑙 𝑠𝑒𝑐𝑡𝑜𝑟 𝑀𝑒𝑡𝑎𝑙 𝑚𝑒𝑐á𝑛𝑖𝑐𝑜

𝑉𝑎𝑟𝑖𝑎𝑏𝑙𝑒𝑠 𝑑𝑒 𝑐𝑜𝑛𝑡𝑟𝑜𝑙: 𝐼𝐸𝐷 𝑦 𝑇𝑎𝑠𝑎 𝑑𝑒 𝑎𝑝𝑒𝑟𝑡𝑢𝑟𝑎 𝑐𝑜𝑚𝑒𝑟𝑐𝑖𝑎𝑙

Tabla 6
Descripción y fuente de las variables

Variables PBI_PER EXPY_TEXTIL EXPY_AGRO EXPY_MADERA EXPY_METAL IED TASA_APER

Obs 80 80 80 80 80 80 80
Media 4829.97 114.44 106.46 37.31 63.39 5190 0.40
Desv. Estándar 1859.82 36.79 42.53 15.69 32.78 3020 0.06
Máximo 7027.61 214.38 212.96 59.15 146.54 1190 0.50
Mínimo 1941.48 71.88 52.63 14.84 21.49 8780 0.28

5 RESULTADOS
5.1 Prueba de raíz unitaria

Como primera instancia, se ha aplicado el logaritmo natural a todas las variables para que se
puedan evitar problemas de estacionalidad y se ha comprobado con la prueba de raíz unitaria
de Phillips-Perron (tabla 7). En ella, se puede observar que las variables no son estacionarias
por lo que se podrá utilizar la metodología de cointegración. Asimismo, cuando se realiza
la prueba con una primera diferencia, se obtiene una probabilidad menor a 0.05, es decir, la
serie no presenta raíz unitaria.

Tabla 7
Prueba de estacionalidad de las variables

En Primera Valores críticos

Variables
niveles diferencia 1% 5% 10%
LN_PBI -2.177686 -1.975849 -2.594946 -1.945024 -1.61405
( 0.2160) ( 0.0467)
LN_EXPY_AGRO -1.46864 -5.283771 -3.515536 -2.898623 -2.586605

30
 ( 0.5443) ( 0.0000)
LN_EXPY_MADERA -2.478714 -4.381607 -3.516676 -2.899115 -2.586866
( 0.8141) ( 0.0007)
LN_EXPY_METAL 0.033485 -3.034211 -3.516676 -2.899115 -2.586866
( 0.9583) ( 0.0361)
LN_EXPY_TEXTIL -1.23914 -3.356021 -3.516676 -2.899115 -2.586866
(0.6538) (0.0156)
LN_IED -1.658784 -3.105149 -3.516676 -2.899115 -2.586866
( 0.4481) ( 0.0302)
LN_TASA_APER -2.052786 -4.183366 -3.516676 -2.899115 -2.586866
( 0.2642) ( 0.0013)

5.2 Selección de rezagos y vectores de cointegración

Luego se evalúa el criterio de selección del orden de rezagos VAR, el cual ayuda a poder
seleccionar cuántos rezagos se necesitan para el modelo. Para este caso, se ha seleccionado
el criterio de información de Schwarz, el cual considera utilizar 1 rezago, dado que como se
puede observar en la tabla 8 cuenta con uno de los menores rezagos a comparación de los
otros criterios de información.

Tabla 8
Criterio de selección del orden de rezagos VAR

Lag LogL LR FPE AIC SC HQ

0 45.94453 NA 8.12E-10 -1.067 -0.84734 -0.9794
-
1 906.2123 1531.984 1.82E-19 -23.293 21.53642* -22.5933
2 1029.208 195.4448 2.48E-20 -25.321 -22.02626 -24.0079
3 1053.741 34.27911 5.32E-20 -24.65 -19.81851 -22.7248
4 1075.181 25.8461 1.37E-19 -23.895 -17.52602 -21.3571
5 1258.683 186.0158 4.80E-21 -27.58 -19.67358 -24.4294
6 1352.6 -77.19135* '2.46E-21* -28.811 -19.36673 -25.0473*
-
7 1411.511 37.12249 4.73E-21 29.0825* -18.10085 -24.7061
* indica el orden de retraso seleccionado por el criterio
LR: estadística de prueba LR modificada secuencial (cada prueba al nivel del 5%)
FPE: Error de predicción final
AIC: Criterio de información de Akaike
SC: Criterio de información de Schwarz
HQ: Criterio de información de Hannan-Quinn

31
5.3 Estimación del modelo VEC

A continuación, se ha realizado en la tabla 9 la prueba de cointegración de Johansen, en el

que se obtiene que existe 1 vector de cointegración en el modelo según la prueba de traza.
Mientras que en la tabla 10, la prueba de máximo valor propio indica que no hay
cointegración en el nivel 0.5.

Tabla 9
Prueba de cointegración de Johansen (traza) del modelo VAR con 1 rezago

0.05
Hypothesized No. of CE(s) Eigenvalue Trace Statistic Prob. **
Critical Value

None * 0.388055 137.9738 134.678 0.0316

At most 1 0.347375 99.66703 103.8473 0.0915
At most 2 0.293582 66.38031 76.97277 0.2438
At most 3 0.170714 39.2715 54.07904 0.5073
At most 4 0.134038 24.67068 35.19275 0.4204
At most 5 0.105107 13.44538 20.26184 0.3293
At most 6 0.059483 4.783365 9.164546 0.3080
La prueba de seguimiento indica 1 ecuación de cointegración en el nivel 0.5
* Denota el rechazo de la hipótesis en el nivel 0.05
**Valores p de MacKinnon-Haug-Michelis (1999)

Tabla 10
Prueba de cointegración de Johansen (máximo valor propio) del modelo VAR con 1
rezago

Max-Eigen 0.05
Hypothesized No. of CE(s) Eigenvalue Prob. **
Statistic Critical Value

None 0.388055 38.30677 47.07897 0.3149

At most 1 0.347375 33.28672 40.9568 0.2804
At most 2 0.293582 27.10881 34.80587 0.3081
At most 3 0.170714 14.60082 28.58808 0.8432
At most 4 0.134038 11.2253 22.29962 0.7292
At most 5 0.105107 8.662011 15.8921 0.4709
At most 6 0.059483 4.783365 9.164546 0.3080
La prueba de valor propio máximo indica que no hay cointegración en el nivel 0.5
* Denota el rechazo de la hipótesis en el nivel 0.05
**MacKinnon-Haug-Michelis (1999) valores p

32
 En la tabla 11 se puede observar que el único sector que no tiene un impacto sobre el PBI
per cápita es el de metal, ya que no resulta una variable significativa considerando sus valores
críticos. Por otro lado, se contempla que un aumento de 1% en el sector textil, aumenta en
2.37% al PBI per cápita y, en el caso de la variable que mide la apertura comercial, este
incremento llegaría a 4.74%. En el caso del sector agropecuario, madera y la inversión
extranjera directa, el efecto sobre el PBI per cápita es negativo, generando ante un aumento
de 1% una disminución de 0.53%, 1.05% y 0.55%, respectivamente.

Tabla 11
Modelo VEC con un vector de cointegración

Vector Error Valores críticos

Variables t - estadístico
normalizado estándar 1% 5% 10%
LN_PBI 1
LN_EXPY_TEXTIL(-1) -2.37289 0.40315 [-5.88590]*** 1.6646 2.3751 2.6403
LN_EXPY_AGRO(-1) 0.533989 0.27038 [1.97498]** 1.6646 2.3751 2.6403
LN_T_MADERA(-1) 1.048836 0.18945 [ 5.53621]*** 1.6646 2.3751 2.6403
LN_T_METAL(-1) -0.010503 0.26693 [-0.03935] 1.6646 2.3751 2.6403
LN_IED(-1) 0.552457 0.14189 [3.89347]*** 1.6646 2.3751 2.6403
LN_TASA_APER(-1) -4.741221 0.71263 [-6.65309]*** 1.6646 2.3751 2.6403
C -19.61634 3.41642 [-5.74178]*** 1.6646 2.3751 2.6403

Por último, se obtiene que la inversión extranjera directa y la tasa de apertura comercial son
las que se ajustan más al modelo, ya que se puede observar que sus t-estadísticos están dentro
de sus valores críticos (tabla 12). Es decir, estas dos variables son las que ayudarían a que el
PBI per cápita llegue al equilibrio económico en el corto plazo cuando exista un choque y se
desvíe de ella.

Tabla 12
Coeficientes de la corrección de errores del modelo VEC

Error D(LN_EXPY D(LN_EXPY D(LN_EXPY D(LN_EXPY D(LN_TASA

D(LN_PBI) D(LN_IED)
Correction: _TEXTIL) _AGRO) _MADERA) _METAL) _APER)
CointEq1 0.009854 0.015548 0.035681 -0.019188 -0.032463 -0.191815 0.015814
Error
-0.00633 -0.01386 -0.03055 -0.02993 -0.02013 -0.06997 -0.00927
Estándar
t-estadístico [1.55753] [ 1.12141] [1.16794] [-0.64116] [-1.61279] [-2.74121]*** [1.70556]***

33
6 CONCLUSIONES

La presente investigación analiza la relación entre el crecimiento económico y la

sofisticación de las exportaciones para la economía peruana en el periodo 2001 al 2020. Para
ello, se ha construido el índice de sofisticación con los datos de ADEXTRADE y
COMTRADE, en frecuencia trimestral, para aplicar luego el modelo de cointegación.

Se ha comprobado que la hipótesis planteada en este estudio se cumple de manera parcial,

coincidiendo con los resultados obtenidos por los autores Hidalgo y Hausmann (2009), Chrid
et al. (2021), Shimbov et. al (2019) en sus investigaciones. Se observa que la sofisticación
de las exportaciones tiene una relación positiva sobre el crecimiento económico solo en el
sector textil. Esto se puede explicar, dado que en los últimos años se han estado desarrollando
más productos sofisticados en el caso del sector textil (tabla 5). Según Hausmann et al.
(2007), si este índice de sofisticación EXPY es alto entonces, la estructura de exportaciones
de ese sector se está manejando eficientemente. Por otro lado, se verifica una relación
negativa de la sofisticación de exportaciones de los sectores agropecuario y madera sobre el
crecimiento, que podría explicarse por el comportamiento observado en el índice de
sofisticación (EXPY) que ha estado disminuyendo a lo largo del periodo de análisis. En el
único sector en el que no se verifica efecto alguno es el de metal mecánica porque, a
diferencia de los otros sectores, su EXPY en los primeros años era más bajo y su crecimiento
se observó a partir del año 2008.

Al realizar el análisis de las otras variables que afectan al PBI per cápita, se encontró que la
apertura comercial tiene un efecto significativo y positivo, y la IED presenta un efecto
negativo sobre el PBI per cápita, respectivamente.

Una de las limitaciones que se ha encontrado en la investigación ha sido la disponibilidad de

los datos para cada sector, necesarios para calcular el índice de sofisticación de las
exportaciones para cada año; asimismo, al inicio se pensaba realizar es estudio con una
frecuencia anual, sin embargo, se cambió a trimestral para poder aplicar la metodología
econométrica planteada (cointegración).

Finalmente, ante los resultados obtenidos y el análisis realizado, se propone para futuras
investigaciones un estudio que analice diferentes sectores, utilizando una mayor cantidad de
productos sofisticados y que hayan tenido un comportamiento estable en sus exportaciones.
También, resulta de importancia aplicar otros modelos econométricos que permitan estudiar
este fenómeno desde otro enfoque.

34
7 REFERENCIAS

ADEXTRADE Data (2021). Base de datos de ADEXTRADE. Recuperado el 20 de julio de

2021, de https://adexdatatrade.com/.

Banco Central de Reserva del Perú (2009). Memoria 2009. Banco Central de Reserva del
Perú. https://www.bcrp.gob.pe/docs/Publicaciones/Memoria/2009/Memoria-
BCRP-2009.pdf.

Banco Central de Reserva del Perú Data (2021). Base de datos del Banco Central de Reserva
del Perú.

Chakroun M., Chrid N., Saafi S. (2021). Does export upgrading really matter to economic
growth? Evidence from panel data for high-, middle- and low-income countries.
International Journal of Finance & Economics, 26(4), 5584-5609.
https://doi.org/10.1002/ijfe.2082.

Chávez N. (2010). Renta per cápita como medida de desarrollo económico en Latinoamérica.
Revista Equidad y Desarrollo. Equidad y Desarrollo, 1(14), 37-48.
https://doi.org/10.19052/ed.199.

Chirinos R. (2007) Determinantes del crecimiento económico: Una revisión de la literatura

existente y estimaciones para el periodo 1960-2000. Banco Central de Reserva del
Perú. https://www.bcrp.gob.pe/docs/Publicaciones/Documentos-de-
Trabajo/2007/Working-Paper-13-2007.pdf.

Chrid N, Saafi S, Chakroun M. (2021). Export Upgrading and Economic Growth: A Panel
Cointegration and Causality Analysis. Journal of the Knowledge Economy, 12(2),
811–841. https://doi.org/10.1007/s13132-020-00640-6.

COMTRADE Data (2021). Base de datos de COMTRADE. Recuperado el 20 de julio de

2021, de https://comtrade.un.org/.

De Gregorio J. (2007). Macroeconomía: Teoría y Políticas. Pearson Educación.

Hausmann R, Hwang J, Rodrik D. (2007). What you export matters. Journal of Economic
Growth, 12(1), 1–25. https://www.jstor.org/stable/40216112.

Hausmann R., Santos M. A., Tudela Pye J., Li Y., Grisanti A. (2020). La riqueza escondida
de Loreto: Análisis de complejidad económica y oportunidades de diversificación
productiva. CID Working Papers.

35
 https://growthlab.cid.harvard.edu/files/growthlab/files/2020-10-cid-wp-386-
economic-complexity-loreto-es.pdf.

Hartmann D., Zagato L., Gala P., Pinheiro F. L. (2021). Why Did Some Countries Catch-
Up, While Others Got Stuck in the Middle? Stages of Productive Sophistication and
Smart Industrial Policies. Structural Change and Economic Dynamics, 58(2), 1-13.
https://doi.org/10.1016/j.strueco.2021.04.007.

Hidalgo C., Hausmann R. (2009). The Building Blocks of Economic Complexity.

Proceedings of the National Academy of Sciences, 106(26), 10570-10575.
https://doi.org/10.1073/pnas.0900943106.

Hűseyni I., Çakmak E. (2019). Determinants of Export Sophistication: An Investigation for

Selected Developed and Developing Countries Using Second-Generation Panel Data
Analyses. Ekonomicky Casopis, 67(5), 481-503.
https://www.sav.sk/journals/uploads/0712105205%2019%20Huseyni%20+SR.pdf.

Instituto Nacional de Estadística e Informática (2017). Panorama de la Economía Peruana

1950 – 2016 (Año Base 2007). Instituto Nacional de Estadística e Informática.
https://www.inei.gob.pe/media/MenuRecursivo/publicaciones_digitales/Est/Lib142
4/libro.pdf.

Jarreau J, Poncet S. (2012). Export sophistication and economic growth: Evidence from
China. Journal of Development Economics, 97(2), 281-292.
https://doi.org/10.1016/j.jdeveco.2011.04.001.

Kočenda E., Poghosyan K. (2018). Export Sophistication: A Dynamic Panel Data Approach,
Emerging Markets Finance and Trade, 54(12), 2799-2814.
https://doi.org/10.1080/1540496X.2017.1412305.

Krugman P. R., Obstfeld M., Melitz M.J. (2012). Economía internacional: Teoría y Política.
Pearson Educación.

Lederman D., Maloney W. (2012). Does What You Export Matter? In Search of Empirical
Guidance for Industrial Policies. World Bank Group.
https://documents.worldbank.org/en/publication/documents-
reports/documentdetail/559871468339877324/does-what-you-export-matter-in-
search-of-empirical-guidance-for-industrial-policies.

36
Lee J. (2011). Export Specialization and Economic Growth Around the World. Economic
Systems, 35(1), 45-63. https://doi.org/10.1016/j.ecosys.2010.11.002.

Li J. (2019). Export Sophistication and Outward FDI in Developing Countries. Journal of

International Commerce, 10(3), 1-23. https://doi.org/10.1016/j.ecosys.2010.11.002.

Mankiw N.G. (2019). Principios de economía. Cengage Learning.

Organización para la Cooperación y el Desarrollo Económicos (2011). Mejores políticas

para el desarrollo: Perspectivas OCDE sobre Chile. OECD Publishing.
https://doi.org/10.1787/9789264095755-es.

Organisation for Economic Co-operation and Development (2014). Society at a Glance

2014. OECD Publishing. https://doi.org/10.1787/9789264220553-en.

Perrotini H. J. (2002). La Ley de Thirlwall y El Crecimiento en la Economía Global: Análisis

Críticio del Debate, Revista Venezolana de Análisis de Coyuntura, 8(2), 117-141.
https://doi.org/10.54642/rvac.v8i2.10992.

Ray D. (1998). Development Economics. Princeton University Press.

Saafi S., Nouira R. (2018). Re-Examining the Relationship Between Export Upgrading and
Economic Growth: Is There a Threshold Effect?, The Economic and Social Review,
49(4), 437-454.
https://www.esr.ie/article/view/1031/202#:~:text=The%20empirical%20results%20
indicate%20that,export%20sophistication%20and%20output%20growth.

Sala-i-Martín X. (2000). Apuntes de crecimiento económico. Antoni Bosch.

Santos-Paulino, A. U. (2011). Trade Specialization, Export Productivity and Growth in

Brazil, China, India, South Africa, and a Cross Section of Countries, Economic
Change and Restructing, 44(1), 75-97. https://doi.org/10.1007/s10644-010-9087-3.

Shimbov B, Alguacil M, Suárez C. (2019). Export Structure Upgrading and Economic

Growth in the Western Balkan Countries, Emerging Markets Finance and Trade,
55(10), 2185-2210. https://doi.org/10.1080/1540496X.2018.1563538.

The Growth Lab at Harvard University (s.f.). The Atlas of Economic Complexity.
Recuperado el 1 de noviembre de 2021, de http://www.atlas.cid.harvard.edu/explore.

37
Torres R. (1977). La Teoría del Comercio Internacional de Adam Smith, Instituto de
Investigaciones Económicas, 7(28), 135-
152. https://doi.org/10.22201/iiec.20078951e.1976.28.41892.

Ucak A. (2015). Adam Smith: The Inspirer of Modern Growth Theories, Procedia – Social
and Behavioral Sciences, 195(1), 663-672.
https://doi.org/10.1016/j.sbspro.2015.06.258.

Vargas B. (2014). La función de producción Cobb-Douglas, Fides Et Radio, 8(8), 67-74.

http://www.scielo.org.bo/scielo.php?script=sci_arttext&pid=S2071-
081X2014000200006.

Xu B. (2010). The Sophistication of Exports: Is China Special?, China Economic Review,

21(3), 482-493. https://doi.org/10.1016/j.chieco.2010.04.005.

38
8 ANEXOS
Anexo 1
Exportaciones de Perú en el año 2018 y 2019
Valor FOB (Millones Valor FOB (Millones Var. % FOB
Sector Part. 2019 %
US$) 2018 US$) 2019 2018/2019
TOTAL 48,011 46,121 -3.94% 100.00%
TOTAL TRADICIONAL 34,768 32,308 -7.08% 70.35%
AGRO TRADICIONAL 761 773 1.56% 1.68%
PESCA TRADICIONAL 1,938 1,929 -0.47% 4.18%
PETROLEO Y GAS NATURAL 4,216 3,118 -26.05% 6.76%
MINERIA TRADICIONAL 27,854 26,488 -4.90% 57.43%
TOTAL NO TRADICIONAL 13,243 13,813 4.31% 29.95%
AGROPECUARIO Y 5,886 6,323 7.42% 13.71%
AGROINDUSTRIAS
TEXTIL 440 377 -14.16% 0.82%
PRENDAS DE VESTIR 962 978 1.65% 2.12%
PESCA 1,343 1,592 18.53% 3.45%
METAL - MECANICO 603 569 -5.53% 1.23%
QUIMICO 1,554 1,596 2.71% 3.46%
SIDERURGICO Y METALURGICO 1,196 1,191 -0.38% 2.58%

MINERIA NO METALICA 630 605 -4.06% 1.31%

MADERAS 125 125 0.15% 0.27%
VARIOS 504 456 -9.49% 0.99%

Nota. La tabla expone las exportaciones de Perú en el año 2018 y 2019 en Valor FOB
(Millones US$), 2021.

39