Ejemplos de Tesis

FACULTAD DE CIENCIAS EMPRESARIALES
Carrera de Economía y Negocios Internacionales
DETERMINANTES DE LAS EXPORTACIONES

TRADICIONALES PERUANAS
(PERIODO 2002 – 2016):
USANDO UN ENFOQUE VEC
Tesis para optar el Título Profesional de Licenciado en Economía y

Negocios Internacionales
CHRISTIAN AUGUSTO DELGADO MORALES
Asesor:
Taddei Diez, José Leopoldo
Lima – Perú
2018
ÍNDICE DE CONTENIDOS
Páginas
Capítulo I: Introducción _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ 3
1. Problema de investigación _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ 8
1.1. Planteamiento del problema _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ 8
1.2. Formulación del problema _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ 11
1.3. Justificación de la investigación _ _ _ _ _ _ _ _ _ _ _ _ _ _ 12
2. Marco referencial _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ 13
2.1. Antecedentes _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ 13
2.2. Marco teórico _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ 16
El enfoque macroeconómico: La determinación de las
2.2.1. 17
exportaciones en los modelos de economía abierta _ _ _ _
La excepción a la regla: El efecto nulo de la volatilidad del tipo
2.2.2. de cambio en las exportaciones mediante modelos 18
microeconómicos _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _
Otro aporte del enfoque microeconómico: La decisión de
2.2.3. 22
exportación _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _
3. Objetivos e hipótesis _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ 25
3.1. Objetivos _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ 25
3.2. Hipótesis _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ 26
Capítulo II: Método _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ 28

4. Tipo de investigación _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ 28
5. Diseño de investigación _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ 28
6. Variables _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ 30
7. Muestra _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ 35
7.1. Definición de la muestra _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ 36
7.2. Estructura de la muestra _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ 36
8. Instrumentos de investigación _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ 36
9. Procedimientos de recolección de datos _ _ _ _ _ _ _ _ _ _ 38
10. Plan de análisis _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ 40
Explicación sobre la elección del producto minero cobre como
10.1. 40
principal producto tradicional y de China como principal socio
comercial _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _
10.2. Tratamiento econométrico inicial a las variables de estudio 47
La metodología econométrica a usar y el modelo de
10.3. 49
investigación _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _
Capítulo III: Resultados _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ 55

11. Presentación de resultados _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ 55
Análisis econométrico a las series y estimación del modelo de
11.1. 55
investigación (VEC) _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _
11.2. Pronósticos con el modelo VEC final _ _ _ _ _ _ _ _ _ _ _ 69
12. Discusión _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ 72
13. Conclusiones _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ 75
14. Recomendaciones _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ 77
Capítulo IV: Referencias _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ 79

Capítulo V: Anexos _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ 82
A.1. Matriz de consistencia de la tesis _ _ _ _ _ _ _ _ _ _ _ _ _ 82
A.2. Gráfica simple de las series en niveles _ _ _ _ _ _ _ _ _ _ 84
A.3. Gráfica simple de las series en primera diferencia _ _ _ _ 88
A.4. Estadísticas descriptivas de las series en niveles _ _ _ _ _ 92
A.5. Matriz de correlación de las series en niveles _ _ _ _ _ _ _ 92
A.6. Correlogramas de las series en niveles _ _ _ _ _ _ _ _ _ _ 93
A.7. Correlogramas de las series en primera diferencia _ _ _ _ 97
Pruebas de estacionariedad (ADF, DF-GLS y ERS) de las series
A.8. 101
en niveles _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _
Prueba de causalidad de Granger entre pares de las series _ _
A.9. 105
__________________________
Prueba de cointegración de Johansen para el modelo de
A.10. 107
investigación (VEC) _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _
Pruebas de normalidad y autocorrelación del modelo de
A.11. 108
investigación (VEC) _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _
Comprobación del impacto del sector agrícola y pesquero
A.12. peruano en el modelo VEC de determinantes de las 109
exportaciones tradicionales _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _
Comprobación del impacto de la actividad económica de
A.13. EE.UU. en el modelo VEC de determinantes de las 110
exportaciones tradicionales peruanas _ _ _ _ _ _ _ _ _ _ _
ÍNDICE DE TABLAS
Páginas
Tabla 1 Variables finales de la tesis _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ 31
Variables intermedias usadas en la creación de las variables
Tabla 2 33
finales _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _
Verificación de la estacionariedad de las series con pruebas
Tabla 3 56
univariadas – parte 1 _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _
Verificación de la estacionariedad de las series con pruebas
Tabla 4 57
univariadas – parte 2 _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _
Tabla 5 Verificación de la causalidad entre las series de datos _ _ _ _ _ _ _ 60
Verificación de la cointegración multiecuacional con el test de
Tabla 6 62
Johansen _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _
Verificación de la existencia de quiebres estructurales en el modelo
Tabla 7 64
VEC final _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _
Proyecciones de las exportaciones tradicionales peruanas con el
Tabla 8 70
modelo VEC final _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _
Tabla 9 Matriz de consistencia de la tesis – parte 1 _ _ _ _ _ _ _ _ _ _ _ _ _ 82
Tabla 10 Matriz de consistencia de la tesis – parte 2 _ _ _ _ _ _ _ _ _ _ _ _ _ 83
Tabla 11 Estadísticas descriptivas de las series _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ 92
Tabla 12 Matriz de correlación de las series _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ 92
Resultados de la prueba ADF para la serie “Exportaciones de
Tabla 13 101
productos tradicionales del Perú” en niveles (EXPT) _ _ _ _ _ _ _ _
Resultados de la prueba DF-GLS para la serie “Exportaciones de
Tabla 14 101
Resultados de la prueba ERS para la serie “Exportaciones de
Tabla 15 102
Resultados de la prueba ADF para la serie “Precio internacional del
Tabla 16 102
cobre” en niveles (PCOB) _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _
Tabla 17 Resultados de la prueba DF-GLS para la serie “Precio 103
internacional del cobre” en niveles (PCOB) _ _ _ _ _ _ _ _ _ _ _ _ _
Resultados de la prueba ERS para la serie “Precio internacional
Tabla 18 103
del cobre” en niveles (PCOB) _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _
Resultados de la prueba ADF para la serie “Tipo de cambio real
Tabla 19 104
sol-yuan” en niveles (TCRSY) _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _
Resultados de la prueba ADF para la serie “Producto bruto interno
Tabla 20 104
real de China” en niveles (GDPRCH_UT) _ _ _ _ _ _ _ _ _ _ _ _ _ _
Resultados de la prueba de Granger para el par de series en
primera diferencia “Exportaciones de productos tradicionales del
Tabla 21 105
Perú” (DEXPT) y “Producto bruto interno real de China”
(DGDPRCH) _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _
Tabla 22 primera diferencia “Exportaciones de productos tradicionales del 105
Perú” (DEXPT) y “Tipo de cambio real sol-yuan” (DTCRSY) _ _ _ _
Tabla 23 primera diferencia “Exportaciones de productos tradicionales del 106
Perú” (DEXPT) y “Precio internacional del cobre” (DPCOB) _ _ _ _
Resultados de la prueba de Johansen (sub pruebas de traza y
Tabla 24 máximo autovalor) al vector autorregresivo formado con las series 107
bajo estudio en su estado no estacionario _ _ _ _ _ _ _ _ _ _ _ _ _
Resultados de la prueba de normalidad de Jarque – Bera al vector
Tabla 25 108
de corrección del error (modelo de investigación) _ _ _ _ _ _ _ _ _
Resultados de la prueba de autocorrelación de Breusch – Godfrey
Tabla 26 108
(LM) al vector de corrección del error (modelo de investigación) _ _
Impacto de los sectores pesquero y agrícola en las exportaciones
Tabla 27 109
tradicionales peruanas _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _
Impacto de la actividad económica de EE.UU. en las exportaciones
Tabla 28 110
tradicionales peruanas _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _
ÍNDICE DE FIGURAS
Páginas
Figura 1 Exportaciones peruanas según el tipo de producto _ _ _ _ _ _ _ _ _ 3
Figura 2 Exportaciones tradicionales peruanas según el sector del producto 4
Figura 3 Exportaciones tradicionales mineras según el tipo de mineral _ _ _ 5
Exportación real, según país de destino (en millones de dólares
Figura 4 42
americanos de 2007) _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _
Exportación real, según país de destino y tipo de producto:
Figura 5 43
Diciembre 2017 (Estructura porcentual) _ _ _ _ _ _ _ _ _ _ _ _ _ _
Exportación FOB por país destino y por producto 2016 – 2017 (en
Figura 6 45
millones de dólares americanos de 2007) _ _ _ _ _ _ _ _ _ _ _ _ _
Descomposición de la varianza de EXPT en función de sus
Figura 7 66
determinantes _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _
Función de Impulso – Respuesta: Respuesta de EXPT ante un
Figura 8 67
shock de GDPRCH_UT _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _
Función de Impulso – Respuesta:
Figura 9 67
Respuesta de EXPT ante un shock de PCOB _ _ _ _ _ _ _ _ _ _ _
Función de Impulso – Respuesta:
Figura 10 68
Respuesta de EXPT ante un shock de TCRSY _ _ _ _ _ _ _ _ _ _ _
Gráfica simple de la serie “Exportaciones de productos
Figura 11 84
tradicionales del Perú” en niveles (EXPT) _ _ _ _ _ _ _ _ _ _ _ _ _
Gráfica simple de la serie “Tipo de cambio real sol-yuan” en niveles
Figura 12 85
(TCRSY) _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _
Gráfica simple de la serie “Producto bruto interno real de China” en
Figura 13 86
niveles (GDPRCH_UT) _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _
Gráfica simple de la serie “Precio internacional del cobre” en
Figura 14 87
niveles (PCOB) _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _
Gráfica simple de la serie “Exportaciones de productos
Figura 15 88
tradicionales del Perú” en primera diferencia (DEXPT) _ _ _ _ _ _ _
Gráfica simple de la serie “Tipo de cambio real sol-yuan” en
Figura 16 89
primera diferencia (DTCRSY) _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _
Gráfica simple de la serie “Producto bruto interno real de China” en
Figura 17 90
primera diferencia (DGDPRCH) _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _
Gráfica simple de la serie “Precio internacional del cobre” en
Figura 18 91
primera diferencia (DPCOB) _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _
Correlograma de la serie “Exportaciones de productos tradicionales
Figura 19 93
del Perú” en niveles (EXPT) _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _
Correlograma de la serie “Tipo de cambio real sol-yuan” en niveles
Figura 20 94
(TCRSY) _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _
Correlograma de la serie “Producto bruto interno real de China” en
Figura 21 95
niveles (GDPRCH_UT) _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _
Correlograma de la serie “Precio internacional del cobre” en niveles
Figura 22 96
(PCOB) _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _
Correlograma de la serie “Exportaciones de productos tradicionales
Figura 23 97
del Perú” en primera diferencia (DEXPT) _ _ _ _ _ _ _ _ _ _ _ _ _ _
Correlograma de la serie “Tipo de cambio real sol-yuan” en primera
Figura 24 98
diferencia (DTCRSY) _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _
Correlograma de la serie “Producto bruto interno real de China” en
Figura 25 99
primera diferencia (DGDPRCH) _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _
Correlograma de la serie “Precio internacional del cobre” en
Figura 26 100
primera diferencia (DPCOB) _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _
DETERMINANTES DE LAS EXPORTACIONES TRADICIONALES PERUANAS
(PERIODO 2002 – 2016): USANDO UN ENFOQUE VEC
Christian Delgado Morales1
Resumen
Ante el gran porcentaje que mantiene las exportaciones tradicionales dentro de la balanza
comercial peruana y debido a la gran influencia del precio de los commodities mineros, la
actividad económica china y las variaciones del tipo de cambio real bilateral entre este
país y el Perú, la presente tesis postula dichos factores externos y cambiarios como
posibles determinantes de las exportaciones tradicionales peruanas. Se verá que ante el
hallazgo de una relación de equilibrio de largo plazo entre las variables comentadas, un
vector de corrección del error (VEC) es el modelo más adecuado para explicar el
comportamiento dinámico y la correlación entre estas variables. Dentro de los hallazgos
de esta tesis está que el PBI real chino impacta positivamente a las exportaciones al
menos durante el primer año de un shock externo. Además, al ser el yuan una moneda
débil, el tipo de cambio real bilateral Perú – China impacta negativamente a nuestro país,
cumpliéndose a cabalidad evidencias macroeconómicas como la curva J.
Palabras Clave: Exportaciones tradicionales, PBI real, Vector de corrección del error.
Abstract
In face of the great percentage that traditional exports maintains in the Peruvian trade
balance, and because of the great impact of mining commodity prices, the Chinese
economic activity and variations of bilateral real exchange rate sol-yuan, this paper poses
these external and currency factors as possible determinants of Peruvian traditional
exports. It will be shown that in face of a long term equilibrium relationship between these
variables, a vector error correction is the most appropriate model to explain the dynamics
and correlation among the variables. The main results are the positive significant impact of
Chinese real GDP on traditional exports, at least during the first year of the external shock.
1
Bachiller en Economía y Negocios Internacionales de la Universidad San Ignacio de Loyola
(USIL)
E-mail: cadm_mrcn@hotmail.com
1
Moreover, because the weakness of the yuan against the sol, the bilateral real exchange
rate Peru – China will impact negatively on our country, fullfiling at all macroeconomic
evidences such as J curve.
Keywords: Traditional exports, Real GDP, Vector of error correction.
2
Capítulo I: Introducción
Dentro de los diversos estudios que se han realizado sobre cada uno de los componentes
del producto bruto interno nacional, el análisis que se hace sobre el componente que
involucra directamente al sector externo (llámese “balanza comercial) ha tenido una
considerable relevancia, sea bien porque los macroeconomistas desean saber el impacto
que pueden tener las exportaciones en el ciclo económico, o bien porque los hacedores
de política buscan nuevos hallazgos que permitan regular y/o establecer las políticas
comerciales del país con el mundo.
En ese sentido, dado que esta tesis se centrará en analizar a las exportaciones peruanas,
es preciso explicar algunos hechos estilizados a partir de interesantes gráficas. Para
comenzar, en la siguiente figura se puede observar la evolución porcentual histórica de
las exportaciones peruanas si las dividimos en dos grandes grupos: Las exportaciones
tradicionales y las no tradicionales.
Figura 1
Exportaciones peruanas según el tipo de producto
Fuente: Memorias del BCRP. Elaboración propia en Excel.
A partir de la figura anterior se puede decir sin ambigüedad que la evolución trimestral de
los dos grandes tipos de exportaciones muestra una clara ventaja a favor de las
exportaciones tradicionales. Esto no es sorpresa ya que según su propia definición, las
3
exportaciones tradicionales son aquellas que históricamente han conformado la mayor
parte del monto mensual de exportaciones hechas por el país. A esto se suma el hecho
que este tipo de exportaciones suelen ser en su mayoría las famosas “materias primas” o
recursos obtenidos en el país a través de actividades económicas primarias y/o
secundarias. En consecuencia, es de esperar que el otro tipo de exportaciones (las no
tradicionales) produzcan bienes mucho más elaborados (como las manufacturas) y que
presenten un valor agregado claramente identificable.
La proporción histórica de las exportaciones tradicionales respecto al total ha oscilado

comúnmente entre el 68 y el 75%, situándose en 71% aproximadamente durante el año
2016. Esto quiere decir que Perú es un país muy dependiente de la exportación de su
materia prima y la situación está lejos de terminar ya que planes de industrialización a
gran escala y otras soluciones (para generar valor agregado a los productos) están lejos
de hacerse realidad.
Ahora, en la siguiente figura se será un poco más específico y se verá como han
evolucionado las exportaciones tradicionales según el sector del producto a exportar.
Figura 2
Exportaciones tradicionales peruanas según el sector del producto
De la figura anterior, el hallazgo también es evidente: Históricamente, las exportaciones

tradicionales peruanas han sido en gran proporción del sector minero (aproximadamente,
4
entre el 50 y 60%). Además, desde el periodo considerado como el boom de la economía
peruana moderna (2003 – 2010), la proporción de las exportaciones tradicionales que
provenían del sector minero pasó a ser incluso mayor a su promedio histórico, llegando a
valores cercanos al 65% del total. Esto demuestra la gran importancia de la actividad
minera en el país ya que casi todos los minerales extraídos en el Perú son considerados
como materia prima exportable. Por último, otros sectores como la agricultura apenas
aportan el 10% del total de las exportaciones tradicionales, demostrando que esta
actividad económica está estancada o, en todo caso, requiere mucho más trabajo (sobre
todo, procesos industriales) para que sus productos sean verdaderamente exportables.
Finalmente, se presenta una gráfica reveladora sobre el aporte de cada mineral extraído
en el país al total de exportaciones tradicionales mineras.
Figura 3
Exportaciones tradicionales mineras peruanas según el tipo de mineral
De la gráfica anterior también se puede obtener una conclusión clara: El cobre y el oro
son los minerales que más aportan al total de exportaciones tradicionales mineras, sea
por la alta cotización que pueden llegar a tener en los mercados internacionales o por el
enorme volumen que se puede extraer de estos minerales en el Perú y exportarlos como
materias primas. El caso de estos dos minerales es también particular porque el cobre es
5
el mineral peruano que por excelencia es demandado por la economía china, mientras
que el oro peruano es el mineral con mayor demanda por parte de la economía
norteamericana (Estados Unidos). Esto quiere decir que ambos países pueden llegar a
ser claves en la determinación del impacto que podrían tener estos minerales en las
exportaciones tradicionales peruanas como un todo.
Habiendo revisado estos hechos estilizados, es preciso realizar un análisis detallado de

las exportaciones tradicionales peruanas y sería bastante interesante el poder descubrir
cuáles son los factores que las impactan con mayor intensidad. Asimismo, se podría
averiguar como estos factores ayudan a este componente del sector externo a mantener
una gran proporción del total de exportaciones peruanas. Seguramente, usando mera
intuición, el PBI chino o el ¨PBI americano podrían tener un gran impacto en estas
exportaciones, ya que si aumenta la demanda de estos países por nuestra materia prima
extraída, es claro que las exportaciones tradicionales tendrán un considerable incremento
en el tiempo (como refiere en su teoría económica el modelo de Mundell y Fleming).
Además, precios internacionales de minerales como el cobre también tendrán un impacto

significativo ya que pueden incrementar el valor del monto de las exportaciones
tradicionales, sin incrementar considerablemente el volumen de estos minerales a
exportar. Por último, variaciones del tipo de cambio real bilateral (sea el tipo de cambio
sol-dólar si se analiza el impacto de Estados Unidos, o el tipo de cambio sol-yuan si se
considera a China como principal determinante) también serán claves para explicar las
variaciones trimestrales que tengan las exportaciones tradicionales peruanas.
En resumen, la presente tesis pretender encontrar los determinantes de las exportaciones

tradicionales peruanas, usando un análisis correlacional que involucre la estimación de un
modelo econométrico con series de tiempo. Si bien una alternativa de modelo univariado
sería la regresión lineal múltiple, debido a la posible endogeneidad entre las variables
macroeconómicas consideradas (exportaciones, PBI extranjero, precios internacionales,
tipo de cambio real bilateral), modelos multivariados como los vectores autorregresivos
(VAR) y el vector de corrección del error (VEC) son considerados como primeras opciones
de estimación.
Además del problema de endogeneidad, puede que se presente un equilibrio de largo

plazo entre las variables en cuestión. Este equilibrio es definido como “Un valor promedio
al que unas variables tienden conjuntamente en el tiempo, mediante una relación
6
matemática”. Esta definición implica que económicamente, las variables analizadas
cumplen dicha relación entre ellas sin importar que avancen los periodos, o retornan a
dicho equilibrio en caso existan desviaciones en el corto plazo.
Todas estas ideas mencionadas se relacionan con la existencia de la llamada

“cointegración”, un fenómeno econométrico que debe ser comprobado con las variables
bajo análisis, y, en caso se confirme, es modelado perfectamente con el VEC (vector de
cointegración). Entonces, dada nuestra intuición sobre el comportamiento conjunto de las
futuras variables macroeconómicas a analizar (exportaciones tradicionales, tipo de cambio
real, PBI extranjero y precios internacionales), el VEC se perfila como el más probable a
ser estimado en la tesis.
En consecuencia, análisis previos de la estacionariedad y de la causalidad entre las series

deben ser realizados. Por último, para explicar el impacto de las variables independientes
(PBI de China, tipo de cambio real sol-yuan y precios de los commodities mineros) en la
variable dependiente inicialmente considerada (exportaciones tradicionales peruanas), el
modelo multivariado final (sea VAR o VEC) presentará el correspondiente análisis de la
descomposición de varianza y de las funciones impulso – respuesta para observar como
las exportaciones tradicionales responden a shocks generados por las otras variables
macroeconómicas mencionadas.
Por lo tanto, la presente tesis inicia con el planteamiento del problema de investigación,
formulando las correspondientes preguntas, objetivos e hipótesis a verificar. De ahí, se
realiza la revisión de literatura previa, discutiendo los trabajos de otros autores que
realizaron estimaciones similares o buscaron realizar objetivos que se asemejen al
nuestro (encontrar los determinantes de las exportaciones de un país).
Luego, se procede con la especificación de la muestra, detallando como se obtuvieron los

datos de las variables ya mencionadas y explicando el modelo econométrico que se
aplicará a los datos, a fin de medir y cuantificar los impactos requeridos en las
exportaciones tradicionales. Por último, se presentan los resultados del análisis
econométrico realizado, dando conclusiones y recomendaciones a los hacedores de
política que pudiesen ver interesante la presente tesis para actualizar las políticas
comerciales del país y/o académicos que deseen profundizar en este tema, actualmente
con poca revisión en la literatura peruana.
7
1. Problema de investigación
En la siguiente sección se explicará la interrogante detectada que generó la siguiente

investigación sobre los posibles determinantes de las exportaciones tradicionales
peruanas. Para ello, primero se presenta el planteamiento de dicho problema. Luego se
formula las preguntas de investigación respectivas y finalmente se presenta la justificación
de la investigación realizada.
1.1. Planteamiento del problema.
Es bien sabido que las exportaciones tradicionales de un país son aquellas que por
registro histórico presentan un mayor volumen dentro del conjunto de productos que dicho
país realiza cotidianamente. En ese sentido, su importancia recae en que el gobierno del
país puede considerar como objetivos dichos productos tradicionales para mejorar su
productividad y alcance a los mercados internacionales en un futuro.
Sin embargo, dentro del contexto económico peruano actual, poco se ha hecho al
respecto en el sector público para impulsar los productos con mayor volumen en las
exportaciones. Los interesante planes de la diversificación productiva, creación de plantas
industriales fuera de las urbes o ciudades y la tan anunciada inversión en nuevos
proyectos de infraestructura vial, ferroviaria, portuaria y aeroportuaria se encuentran
actualmente estancados, generando incertidumbre en sobre como el país puede sacar a
flote dichos proyectos en el mediano plazo y como los productos de tradicional
exportación se verían beneficiados para aumentar su valor agregado, así como su
volumen de exportación a nuevos destinos.
Entonces, teniendo en consideración dichos problemas económicos, se hace necesario

un análisis que permita un resurgimiento en los planes de mejoras de las exportaciones
tradicionales o, al menos, en un nuevo inicio de planes que aclare el panorama de estos
productos. Ya que en esta tesis nos estamos centrando en los productos tradicionales
mineros (como el cobre), esto también otorgará algunas luces en como debe ser redirigida
la minería peruana, a fin de mantenerla a flote como uno de los principales factores que
genera el crecimiento trimestral del PBI peruano.
Un primer paso para analizar un tema macroeconómico de gran relevancia como son las
exportaciones tradicionales del país, es el definir cuáles son los factores (internos o
externos al país) que pudiesen influir en la variación periódica de este componente del
8
PBI. Revisando la literatura actual sobre trabajos que realicen un análisis de
determinantes de las exportaciones tradicionales de un país, se ha observado que este
tema ha entrado en un estado de decadencia.
Las razones a lo anteriormente afirmado van desde el paso que han hecho economías
desarrolladas o emergentes en analizar más de cerca los productos no tradicionales, a fin
de encontrar propuestas y políticas que fomenten su producción y atraigan la atención de
los mercados internacionales, hasta el estancamiento que hay en las mismas economías
en desarrollo para alcanzar la industrialización, lo que ha retrasado el seguimiento a las
exportaciones tradicionales (principalmente, de materias primas) ya que todavía poseen
una alta demanda de grandes economías (como China) que prefieren dichos productos en
el estado en que se encuentran.
Además, incluso en la literatura existente, poco se ha tocado sobre la conexión directa de

factores macroeconómicos y comerciales con las exportaciones tradicionales de países
emergentes, a pesar que estos bien podrían determinar ahora la mayor cantidad de
variación trimestral en el comercio de materia prima a nivel internacional. Un ejemplo es el
tipo de cambio real (entre el socio comercial de los productos tradicionales y el país
exportador), el cual por teoría económica tiene un claro efecto negativo en las
exportaciones a través de sus subidas (asumiendo que la moneda débil es la extranjera).
Otro ejemplo es el nivel de actividad económica (o producto bruto interno) del socio
comercial de los productos tradicionales, el cual también tiene un efecto positivo claro
mediante sus incrementos trimestrales. Por último está el ejemplo del precio internacional
del principal producto tradicional exportado, el cual maneja directamente las riendas del
volumen de exportación por parte del país y obviamente la demanda del socio comercial.
Entonces, bajo nuestro contexto de exportaciones tradicionales, nuestro producto

tradicional con mayores implicaciones económicas es el cobre, materia prima que en los
últimos años tuvo una caída en su precio pero volvió a tener incrementos significativos
que aumentaron el valor de las exportaciones peruanas. Por otro lado, el socio comercial
más importante que tiene el Perú para este producto es China, haciéndola un país con
relevancia mundial y con altas expectativas de que su PBI tenga impactos considerables
en nuestras exportaciones tradicionales. Y además, el tipo de cambio real (no medido
oficialmente) entre estas dos naciones, que sería el tipo de cambio real sol – yuan,
también generaría interés porque reflejaría como las políticas monetarias y comerciales
9
que ambos países llevan a cabo generarían impactos en las exportaciones que el Perú
realice de estos productos tradicionales.
Por lo tanto, la interrogante detectada en esta tesis es que no existe un análisis

económico y, principalmente econométrico, adecuado que permita obtener conclusiones
concretas sobre qué factores o determinantes generan las variaciones de las
exportaciones tradicionales peruanas. Además, no existe una investigación previa que
permita discernir sobre la implicancia de China en la economía y balanza comercial
peruana, mediante su nivel de actividad económica y su tipo de cambio real bilateral con
nuestro país.
Además, existe una interrogante adyacente a estos posibles determinantes de las

exportaciones tradicionales previamente mencionados. No hay certeza si existe una
relación de equilibrio de largo plazo entre las exportaciones y sus principales factores
macroeconómicos. Como ya se dijo en la introducción, esta relación de equilibrio es
definida como “el valor promedio al que unas variables tienden conjuntamente en el
tiempo, mediante una relación matemática”. Lo que quiere decir que esta tesis también
buscará una convergencia conjunta entre las exportaciones y sus posibles determinantes,
fenómeno que en el sentido económico tiene muchas implicancias para el desarrollo
adecuado de políticas económicas que influyan paralelamente en todas estas variables.
Por lo tanto, esta tesis propondrá un análisis correlacional y un modelo econométrico

sofisticado que permitirá un análisis de impulso – respuesta para observar como las
exportaciones tradicionales peruanas serán afectadas por choques externos de sus
determinantes, bien sean del PBI chino, del tipo de cambio real bilateral o del precio
internacional del cobre, principal producto internacional exportable por el Perú. Y
asimismo, este modelo econométrico permitirá, con igual grado de relevancia, encontrar
una relación de equilibrio de largo plazo (convergencia económica) entre las variables
mencionadas, lo cual confirmará la existencia o no de cointegración entre las series y
enriquecerá el análisis de choques externos ya propuesto.
10
1.2. Formulación del problema.
En la siguiente subsección se realiza la definición completa de las preguntas de

investigación, de acuerdo al planteamiento del problema anteriormente explicado. Estas
preguntas de investigación se dividen en una pregunta principal y seis preguntas
específicas.
Problema principal.
La pregunta principal de investigación es la siguiente.
¿Existe una relación de equilibrio de largo plazo entre las exportaciones tradicionales
peruanas y sus posibles determinantes (el producto bruto interno de China, el precio
internacional del cobre y el tipo de cambio real sol – yuan), para el periodo 2002 – 2016?
Problemas específicos.
Las preguntas específicas de investigación son las siguientes.
Problema específico 1:
¿Cuál es y cuánto dura el impacto de un aumento del producto bruto interno de China en
las exportaciones tradicionales peruanas, para el periodo 2002 – 2016?
¿Cuál es y cuánto dura el impacto de un aumento del precio internacional del cobre en las
exportaciones tradicionales peruanas, para el periodo 2002 – 2016?
¿Cuál es y cuánto dura el impacto de un aumento del tipo de cambio real sol – yuan en
las exportaciones tradicionales peruanas, para el periodo 2002 – 2016?
11
1.3. Justificación de la investigación.
En la siguiente sección se expondrán las principales razones que motivaron esta

investigación. Primero, esta tesis ha sido necesaria ante la evidente falta de estudios
sobre los determinantes de las exportaciones tradicionales (al menos, en el Perú). Incluso,
en la literatura peruana se ha tocado mucho más el análisis de las exportaciones no
tradicionales que las tradicionales, probablemente por la mayor importancia que tienen los
productos no tradicionales ya que poseen un claro valor agregado.
Por supuesto que este trabajo no cubrirá todo el vacío académico existente sobre este
tema en el país; sin embargo, permitirá tener avances y realizar comparaciones futuras
entre evidencias empíricas de este país con las de otros países en desarrollo. Además,
puede impulsar futuras investigaciones que consideren otras variables macroeconómicas
aparte de las elegidas aquí, así como quizás intentar trabajos con otro tipo de datos
(como data panel) y desde una perspectiva más microeconómica. Un mayor detalle de la
escasez de la literatura actual sobre los determinantes de las exportaciones tradicionales
y trabajos relacionados a este tema se encontrará en la sección de “Antecedentes”.
Aparte del aspecto positivo de esta investigación (qué información obtendré en base a los
resultados), es necesario poner como segunda razón de esta tesis los beneficios en el
aspecto normativo. Un aporte que esta investigación dará a los policy makers es la de
redirigir las políticas económicas existentes respecto a la promoción y alcance que ellos
buscan dar a las exportaciones tradicionales, principalmente a la exportación de cobre. Y
es que siendo actualmente los segundos principales productores de cobre a nivel mundial
(por debajo de nuestro vecino país de Chile), la tarea de mantener alta la demanda de
este mineral y además de incentivar la inversión extranjera directa en proyectos mineros
es cada vez más complicado.
En ese sentido, saber cuáles son los determinantes de las exportaciones tradicionales
permitirá saber cuál es el país que ejerce mayor presión en la demanda de nuestros
commodities, así como saber si el tipo de cambio real entre países y el precio
internacional del producto causan shocks lo suficientemente fuertes para controlar
estratégicamente el avance de inflación de productos importados o el tipo de cambio con
importantes divisas. Todos estos motivos son más que suficientes para emprender esta
investigación y descifrar todas las interrogantes de los determinantes de las exportaciones
tradicionales peruanas.
12
Por último, es preciso mencionar una única limitación importante en esta tesis. Esta se
relaciona con el tema de la disponibilidad de los datos. Si bien todas las variables
macroeconómicas elegidas para la estimación del posterior modelo econométrico tienen
datos recientes, la muestra (como se verá más adelante) no tiene un tamaño muy grande
para un modelo multiecuacional como el que se planea estimar (un VEC).
Por ello, por el tamaño reducido de la muestra probablemente los resultados puedan ser
afectados pero eso no desmerece que se obtengan la evidencia propuesta sobre los
determinantes de las exportaciones tradicionales peruanas. En todo caso, eso se
descubrirá en el capítulo de los resultados de esta tesis y en las conclusiones mismas.
2. Marco referencial
En la siguiente sección se detallará la revisión de literatura encontrada sobre el tema de

investigación planteado: Los determinantes de las exportaciones tradicionales de un país.
Para ello, primero se presenta los antecedentes de esta tesis, los cuales incluyen todas
aquellas investigaciones (nacionales e internacionales) con temas directa o
indirectamente relacionados a la búsqueda de los factores macroeconómicos que
determinan a las exportaciones tradicionales de un país.
Luego, se presenta el marco teórico de la presente tesis, el cual define, muestra y

contrasta las principales teorías económicas que fundamentan el posterior análisis de los
determinantes de las exportaciones tradicionales de un país. Con todo ello, se espera
tener un marco conceptual bastante completo que permita comparar adecuadamente los
posteriores resultados de la investigación con la literatura considerada.
2.1. Antecedentes.
Se puede decir que uno de los primeros estudios hechos para encontrar los
determinantes de las exportaciones de un país fue el de Lapp et al. (1995), quienes
estudiaron los determinantes de las exportaciones trimestrales en los países del G7
durante el periodo de años comprendidos entre 1989 y 1995. Para ello los autores
desarrollaron un modelo autorregresivo usando como variables independientes los
rezagos de las exportaciones de los países en cuestión, la actividad económica extranjera
13
– variable aproximada a partir de la suma ponderada de la producción industrial en los
diez socios comerciales más importantes de cada país con los pesos dados por la
participación promedio en el comercio en los años 1989 a 1991- y sus rezagos; y el tipo
de cambio real. Entre los principales hallazgos los autores encontraron que el tipo de
cambio real y la actividad económica extranjera tienen un impacto significativo en las
exportaciones de los países del G7.
Años más tarde, Prasad (2000) toma como base el modelo de sustitutos imperfectos para
estudiar los determinantes de las exportaciones en Fiji durante los años comprendidos
entre 1968 y 1998 ya que sospecha que, para tal caso, las exportaciones no son
sustitutos perfectos de los bienes domésticos del país importador. Además, incorpora los
efectos de los shocks agrícolas en el lado de la oferta como característica diferenciadora y
realista para el contexto de Fiji. Para ello, Prasad dispone como variables explicativas a la
producción de azúcar por hectáreas, el logaritmo de los ingresos del socio comercial y el
logaritmo del tipo de cambio real efectivo. Con los resultados obtenidos mediante la
técnica de estimación del modelo de corrección de errores sin restricciones, Prasad
concluye que el ingreso de los socios comerciales, el tipo de cambio real efectivo y los
shocks agrícolas del lado de la oferta (medido en la producción de azúcar por hectáreas)
tienen un impacto significativo en la evolución de las exportaciones de Fiji.
Kristjánsdóttir (2004) estudió los determinantes de las exportaciones en Islandia en los

años comprendidos entre 1989 y 1999 en los diferentes sectores económicos. Para ello,
la autora usa un modelo gravitacional de exportaciones en la que incluye datos de los 17
principales países destino de exportación de Islandia; además, usa como variables
regresoras, el logaritmo del PBI doméstico, el logaritmo del PBI extranjero, el logaritmo de
la población del país extranjero, la distancia entre países, 4 variables dummies para
diferenciar el tipo de industria (pesquera, manufacturera, energía y otras) y otras 4 para
tener en cuenta si el país receptor pertenece a un grupo económico establecido (EFTA,
EU, NAFTA, ninguna). Entre los principales hallazgos, la autora encuentra que en el caso
de Islandia el sector pesquero tiene un fuerte dominio sobre las exportaciones.
Adicionalmente, concluye que el bloque económico EFTA atrae exportaciones debido a la
proximidad geográfica con Islandia, el tamaño de los países receptores y su población.
Usando otro enfoque, Majeed y Ahmad (2006) desarrollaron un modelo de data panel con
efectos fijos considerando 75 países en vías de desarrollo en el periodo de 1970 – 2004
para explicar los determinantes internos y externos de las exportaciones de los países en
14
muestra. Como variables independientes, los autores tomaron en cuenta la inversión
extranjera directa como porcentaje del PBI, el producto domestico bruto a precios
constantes de 1989, el ratio de crecimiento anual del PBI, el ahorro nacional como
porcentaje del PBI, la asistencia oficial para el desarrollo como porcentaje del PBI, el tipo
de cambio real y la cantidad de televisores y celulares por cada 1000 personas. Entre las
conclusiones más importantes se encontró que es crítica la importancia de mantener un
ratio de crecimiento económico alto y sostenible en países en vías de desarrollo ya que
promueve las exportaciones. Por otro lado, los autores sostienen que el desarrollo de la
red de comunicaciones es crucial no solo para el crecimiento económico sino también
para el desempeño de las exportaciones y, por último, resaltan la necesidad de
reemplazar los productos agrícolas de exportación por los productos manufacturados
debido a que estos últimos tienen precios más estables y razonables en el comercio
mundial.
Jongwanich (2007) expuso los patrones y determinantes de las exportaciones de nueve

países del este y sudeste asiático durante el periodo 1990-2006. Para ello, el autor
desagregó las exportaciones en 3 categorías: exportaciones totales de mercancías,
exportaciones de manufactura y exportaciones de maquinaria y equipo de transporte. La
forma funcional de cada categoría de exportación está basada en el modelo de sustitutos
imperfectos en el cual el volumen de exportación es determinado por el tipo de cambio
real, la demanda mundial, y la capacidad de producción. Jongwanich concluye que la
rápida diversificación de las exportaciones en el mercado asiático alejándose de las
exportaciones tradicionales y especializándose en productos manufacturados con alta
tecnología han tendido a despertar el vínculo significativo del tipo de cambio real y el
desempeño de las exportaciones.
Abolagba et al. (2010) analizaron los determinantes de las exportaciones agrícolas,

concentrando sus esfuerzos en las exportaciones de Nigeria de cocoa y caucho
específicamente durante el periodo 1961-2005, para ello formulan dos modelos de
regresión múltiple para cada producto en los cuales contemplan las siguientes variables
regresoras: la producción doméstica, el precio del productor, el tipo de cambio y el
consumo doméstico. Entre sus principales hallazgos se resalta que un incremento en la
producción doméstica de cualquiera de los bienes tiende a aumentar la exportación de
este.
15
Abu et al. (2010) presentó un estudio de determinantes de las exportaciones agrícolas
egipcias durante el periodo de 1994-2008. En el estudio el autor estima las exportaciones
agrícolas egipcias usando como variables regresoras al PBI egipcio, la volatilidad
cambiaria y los costos de transporte. Los resultados indican que el incremento en 1% del
PBI egipcio incrementaría en 5.42% el flujo de exportaciones agrícolas egipcias.
Asimismo, la volatilidad cambiaria presenta un coeficiente significativo positivo (0.459), lo
cual indica que la depreciación de la moneda egipcia frente a las monedas de sus socios
comerciales estimula la exportación de productos agrícolas. Por otro lado, los costos de
transporte impactan de forma negativa al volumen de exportación agrícola.
Por último, Zada, Muhammad y Bahadar (2011) estudiaron los determinantes de las
exportaciones de Pakistán durante el periodo 1975-2008. Para ello basaron sus
aproximaciones en el modelo estándar de las exportaciones con las ecuaciones de oferta
y demanda de estas, los cuales consideran como variables explicativas al tipo de cambio
real, la demanda mundial de exportaciones domesticas aproximada por la variable de PBI
de los socios comerciales, el precio relativo de las exportaciones, el PBI pakistaní y las
importaciones de insumos. Para alcanzar los resultados, los autores emplearon el método
generalizado de momentos para superar posibles problemas de endogeneidad en las
variables regresoras. Los autores encontraron que, por parte de la demanda de
exportaciones, la elasticidad ingreso extranjeras explican significativamente a las
exportaciones pakistaníes y, por parte de la oferta de exportaciones, el precio relativo
tiene un impacto a considerar en la variación de las exportaciones del país en cuestión.
2.2. Marco teórico.
La literatura existente sobre las corrientes de pensamiento que hablan de la

determinación de las exportaciones se dividen en los enfoques macroeconómicos
(mediante modelos keynesianos y modelos de comercio externo) y los enfoques
microeconómicos (modelos neoclásicos que explican la decisión de exportar). Si bien los
modelos macroeconómicos de determinación de las exportaciones nacieron primero, la
relevancia de ambas corrientes es indiscutible y permite obtener un insight importante
sobre como plantear el modelo de investigación.
16
Por ello, se presentan los avances más importantes en la teoría de cada uno de los
enfoques mencionados.
2.2.1. El enfoque macroeconómico: La determinación de las exportaciones en los

modelos de economía abierta.
Una manera de como determinar las exportaciones de un país mediante una relación
económica nos remonta al modelo de Mundell – Fleming de economía abierta en 19622,
donde estos autores incorporan el efecto del sector externo junto a los efectos antes
vistos del sector real (de bienes y servicios) y el sector monetario (de dinero y activos
financieros) en el modelo IS-LM a través de la llamada “Balanza de Pagos”.
La Balanza de Pagos considera en primer lugar a la cuenta corriente o balanza comercial

y luego a la cuenta de capitales, la cual está en función del diferencial de las tasas de
interés nacional e internacional. Entonces, dentro de la balanza comercial -que son las
exportaciones netas o la diferencia entre las exportaciones e importaciones del país-
Mundell y Fleming analizaron a las exportaciones como una variable macroeconómica
que depende tanto del tipo de cambio real como del PBI extranjero de un país, es decir:
( ) ( )
Donde son las exportaciones del país, es el tipo de cambio real de la economía y
es el nivel de actividad económica o PBI de un país extranjero con el que comercialice el
país doméstico. Sin embargo, dado que esta ecuación está en una forma muy general
como para ser analizada, en posteriores estudios sobre esta teoría económica se
comprobó que dentro de toda economía no es posible ver directamente a variables como
el tipo de cambio real. Por lo tanto, se procedió a definir las exportaciones de un país en
una forma funcional lineal, separando los efectos del tipo de cambio real en dos: por un
lado, las exportaciones serán afectadas por el tipo de cambio nominal de la economía y,
por el otro lado, el ratio de precios relativos también será un determinante de las
exportaciones domésticas. En este sentido, la ecuación mejorada de esta teoría viene a
ser la siguiente:
( )
2
Para más detalle, por favor vea Mundell, R. (1957). “International Trade and Factor Mobility”. o
también vea Fleming, J.M. (1962). “Domestic Financial Policies Under Fixed and Under Floating
Exchange Rates”. Estas teorías han sido compensadas en el modelo Mundell – Fleming por varios
otros autores como Dornbusch y Mankiw.
17
( )
Donde nuevamente refiere a las exportaciones del país, es el tipo de cambio nominal
de la economía y son los términos de intercambio, es decir, el ratio entre el promedio
ponderado de los precios de exportaciones y el promedio ponderado de los precios de
importaciones del país. Sobre los signos de sus coeficientes asociados, estos fueron
definidos cada uno como impactos positivos sobre las exportaciones del país.
Esto quiere decir que una depreciación de la moneda del país doméstico (es decir, una
subida del tipo de cambio nominal, asumiendo que la moneda extranjera es una divisa
transable internacionalmente) va a generar un incremento de las exportaciones,
manteniendo todos los otros factores de determinación de las exportaciones constantes.
Además, un incremento en los términos de intercambio, o mejor dicho, un incremento del

promedio ponderado de los precios de las exportaciones del país por encima del nivel
ponderado de precios de sus importaciones va a generar un incremento de las
exportaciones del país ya que los exportadores desearán aumentar su oferta de productos
exportados a un precio más alto, manteniendo todos los otros factores de determinación
de las exportaciones constantes.
Finalmente, un incremento del nivel de actividad económica de algún país extranjero (es
decir, un incremento en su nivel de PBI) va a generar un incremento en las exportaciones
del país doméstico, ceteris paribus, ya que más demanda agregada extranjera significa
mayor demanda por importaciones para dicho país foráneo y, por lo tanto, esto se traduce
en mayores exportaciones del país doméstico.
2.2.2. La excepción a la regla: El efecto nulo de la volatilidad del tipo de cambio en

las exportaciones mediante modelos microeconómicos.
En contraste a los hallazgos obtenidos con el modelo de Mundell – Fleming en el enfoque

macroeconómico, Bonroy, Gervais y Larue (2007) plantean que la relación entre las
exportaciones y el tipo de cambio real se puede explicar a través de un enfoque
microeconómico, considerando un juego de dos etapas que refleje la naturaleza dinámica
de la cadena de oferta y la estructura de marketing vertical entre los productores y
procesadores de un bien.
18
Para ello, primero se asume que hay un único procesador del bien en el mercado
doméstico, el cual es monopolista de su servicio en el mercado pero sus exportaciones no
afectan los términos de intercambio del país, con lo que se cumple el supuesto de un país
pequeño en un modelo keynesiano. En lo que respecta al juego propiamente dicho, en el
primer periodo el procesador debe comprometerse con un precio a pagar a los
productores del bien. Dada la tecnología del productor, el precio fijado determina la oferta
de bienes a procesarse en el segundo periodo. Al comienzo del segundo periodo, la
incertidumbre del precio del producto extranjero es resuelta y el procesador del bien
vende el producto procesado.
Entonces, el juego de dos etapas es resuelto por inducción hacia atrás. Se denota a la
producción total (capacidad) resultante de la primera etapa del juego como . Ahora, hay
un único mercado de exportación y un único tipo de bien procesado. Los precios
doméstico y extranjero del bien son y , respectivamente, mientras que las cantidades
del bien ofertadas por el procesador en el segundo periodo a estos mercados son y ,
Se asume ausencia de inventarios, por lo que . El procesador del producto
enfrenta la función de demanda inversa ( ) en el mercado doméstico y es
tomador de precios en el mercado exterior.
Además, se asume que el precio de exportación está compuesto de un componente

determinístico ̅ y un componente tal que ̅ , con . La incertidumbre
anteriormente hablada es capturada por el término aleatorio y el parámetro es un
diferencial de conservación. Ya al comienzo del segundo periodo, el procesador del bien
tiene conocimiento total del precio extranjero y no hay incertidumbre. Por ello, el beneficio
del procesador del bien es:
( ) ( ̅ )( ) ( )
Donde es el precio al que el procesador compró el bien en el mercado doméstico (que

a fin de cuentas es su costo unitario). Finalmente, se asume que los costos promedio de
procesamiento del bien son constantes y normalizados a cero por motivos de simplicidad.
Ahora, las ventas del procesador del bien en cada mercado (doméstico y exterior) son
determinadas al maximizar la anterior función de beneficios a la restricción de capacidad
del primer periodo (que la producción destinada al mercado doméstico y la producción
destinada al mercado externo no pueden ser en suma mayores a la producción total
19
obtenida en el primer periodo). Además, dado que el costo del primer periodo de invertir
en capacidad (al comprarle al productor) es un costo hundido, se sigue que el procesador
debe maximizar el ingreso de vender en cualquiera de ambos mercados sujeto al valor de
la perturbación aleatoria en el precio de venta del mercado externo respecto a la ganancia
del precio doméstico por encima del precio externo fijo o determinístico, dividido entre la
volatilidad del tipo de cambio.
Entonces, si los cambios aleatorios en el precio de venta al exterior son menores, no se

exportará, si son mayores respecto al precio de exportación determinístico, ya no se
venderá al mercado interno y si el término aleatorio tiene un valor en un caso intermedio,
el procesador del bien venderá a ambos mercados. Por la distribución de esta variable
aleatoria (la cual sirve en el primer periodo ante la incertidumbre en el precio final de
exportación) se obtiene un shock aleatorio mínimo en que garantiza una cantidad
positiva de exportaciones en el equilibrio. Asimismo, también habrá un shock aleatorio
máximo que garantice una cantidad positiva de ventas doméstica en el equilibrio.
Con lo anterior, se definen los diferentes casos para las decisiones de exportación y de
ventas domésticas. Y estos casos se evalúan en la función de ingresos esperada, la cual
considera tres componentes: el primero que mide ingresos esperados cuando no hay
exportaciones, y el segundo y tercer caso que representan los ingresos cuando las ventas
domésticas y exteriores son positivas y cuando solo las ventas externas son observadas,
respectivamente.
Por otro lado, como se dijo al inicio, el procesador del bien (monopolista) se compromete
a un precio en el primer periodo para elegir el total de producción del bien que será
suministrada por los productores competitivos en el segundo periodo. Así, los productores
también tienen una función de beneficios que será igual a:
( )
Y la condición de primer orden al maximizar esta función de beneficios brinda la oferta
óptima del bien, . Entonces, ya que el precio al que se compromete pagar el
procesador del bien es , se construye la función de beneficios del procesador,

considerando los ingresos esperados y los costos totales ( ), por lo que luego de
aplicar la condición de primer orden, la capacidad óptima del procesador del bien será:
20
( ̅ ) ( )
Y así se define también las cantidades destinadas al mercado interno y a la exportación,

las cuales son las siguientes:
( )
( ) ( )
Con ello, las exportaciones están directamente vinculadas con la capacidad del
procesador. De aquí se realizan algunas proposiciones de la teoría: Si se asume
neutralidad al riesgo en el procesador del bien y es más rentable servir solo al mercado
local para cualquier valor de , un incremento en la volatilidad del precio de exportación
causado por (el diferencial promedio de preservación del precio de exportación)
incrementará las exportaciones, vía un incremento en el ingreso esperado de la firma. Si
las exportaciones no son rentables en lo absoluto, el incremento en la volatilidad no
tendrá impacto alguno en las exportaciones. Por esta razón, las exportaciones son no
lineales en la medida de la volatilidad ya que hay límites de volatilidad para el que las
exportaciones planeadas son crecientes.
Ahora, como el mercado de exportación nunca es rentable por la distribución del shock
del tipo de cambio , la media no condicional del precio de exportación tampoco inducirá a
incrementar las exportaciones. Por último, si se considera que el procesador del bien
puede tener aversión al riesgo, la cual es representada vía la utilidad del procesador en
función del valor esperado y de la varianza de los beneficios que este obtenga, como se
ve a continuación:
[ ( )] [ ] ( ) ( ) ( )
Donde es un parámetro que mide la aversión al riesgo. Al resolver el problema de

optimización de la ecuación anterior, se obtiene el nivel óptimo de capacidad del
procesador el cual es ( ( ̅ ) ) donde ( ̅ ) es una función que mapea la media
y varianza de la distribución de los precios de exportación y es un vector que representa
a todas las otras variables exógenas del modelo. De esta capacidad óptima se obtiene el
nivel de ventas domésticas y el nivel de exportaciones ( ( ̅ ) ) y
( ( ̅ ) ), respectivamente. Por ello, tanto la cantidad de producción procesada
21
para el mercado interno y el externo son funciones del precio de exportación final y de los
momentos de la distribución de este precio (media y varianza).
De estos últimos resultados, se puede inferir que cuando la situación de solo vender al
mercado interno es la más rentable, un incremento en la volatilidad del precio de
exportación tiene un efecto ambiguo en las exportaciones, ya que puede reducirlas si se
está exportando al menos un poco, y no las incrementará si no se exporta en absoluto.
El mecanismo por el cual el procesador del bien se ve afectado es porque si bien un

incremento en no cambia el valor de los ingresos esperados, sí se incrementa la
volatilidad del beneficio del procesador y esto impacta negativamente en la capacidad
total de producción. Y en el caso que sí se incrementaran los ingresos esperados del
procesador por el incremento en , las exportaciones igual no aumentarían por el contra
efecto de la varianza de los beneficios. En consecuencia, el mercado de exportación
combinado con aversión al riesgo implica que la volatilidad simultáneamente
desencadena efectos opuestos en las exportaciones y no se ha comprobado
empíricamente cuál resultado domina.
2.2.3. Otro aporte del enfoque microeconómico: La decisión de exportación.
Finalmente, el enfoque microeconómico para la determinación de las exportaciones

también se apoya en el trabajo de Ruiz (2014), quien se basa en la hipótesis modificada
de autoselección de las firmas (donde las empresas, teniendo en cuenta su nivel de
productividad, diversificarán mercados y venderán su producción tanto al mercado interno
como externo), estableciendo los factores que determinan si una empresa peruana
realmente exportará y de qué manera: si exporta directamente al país destino, o
indirectamente a través de un intermediario en el país destino, o solo cubre la demanda
del mercado interno y no decide exportar.
Para ello, la decisión de exportación nace de la función de beneficios propuesta por

Felbermayr y Jung (2011), la cual se obtiene de empresas en competencia monopolística
que producen diferentes variedades de un mismo producto. Así, se obtiene una medida
escalar de productividad como se ve a continuación:
( )
22
( )
Donde son los beneficios (no negativos) de la empresa de que elija entre los tres
tipos de modos de exportación (no exportar y venderle al mercado interno,
venderle al mercado interno y exportar indirectamente, y venderle al mercado interno y
exportar directamente). es la productividad total de factores de la empresa, es el
parámetro que incorpora todos los costos variables de la opción de exportar (siendo el
tamaño del mercado, el poder de negociación de la empresa con los intermediarios
comerciales respecto a la extracción de rentas de estos últimos, los costos variables
salariales y otros costos variables) y es el parámetro que incorpora todos los costos
fijos de dicha opción. Además, se asume que los costos variables y costos fijos del tipo de
modo de exportar (así como todos sus componentes) son exógenos.
Calculando el beneficio para opción de exportar, se puede inferir fácilmente que el

parámetro de negociación con los intermediarios estará entre cero y uno solo para la
opción de exportación indirecta, mientras que será igual a uno para las otras dos
opciones. De la misma forma, el tamaño del mercado será igual tanto para la opción de
exportación directa como indirecta, mientras que será un tamaño de mercado más
pequeño cuando no se decida exportar. Sin embargo, por el efecto de tener que negociar
con los intermediarios en el caso de exportación indirecta, el tamaño del mercado para la
empresa exportadora no puede ser maximizado en absoluto.
Ahora, respecto a los costos fijos, es claro que el costo fijo de la decisión de no exportar
es mínimo (si no es cero), el costo fijo de exportar de manera indirecta puede
interpretarse, como es explicado en Tello (2012), como las barreras a la entrada para el
mercado externo, tanto para las formas de exportación directa como mediante
intermediarios. Además, el costo fijo de exportar directamente será el mayor de todos e
incluirá el costo de establecer una filial en el país destino para distribuir los productos
exportados (este costo incluye a los del tipo informacional, legal, lingüísticos, etc.). Este
costo total de exportación directa finalmente debe ser ponderado por riesgo de
expropiación del gobierno del país destino.
Por otro lado, los otros costos variables también serán mínimos para el caso de no
exportación, mientras que serán iguales tanto para el caso de exportación directa como
indirecta, donde estos costos incorporan los de transporte y los que impactarán en el
23
comercio internacional (como barreras no arancelarias). Por último, los costos salariales
no varían entre la opción a exportar.
Entonces, al postular las condiciones para la elección entre las tres modalidades de
exportación, se encuentra dos puntos de quiebre de productividad donde una alternativa
es más rentable que las otras, de modo que hay dos situaciones de indiferencia: Entre no
exportar y el tener intermediarios en el exterior, así como el de exportar indirectamente o
exportar con filiales instaladas en el país destino. Por lo tanto, estos puntos de quiebre
definen niveles límite de productividad entre las alternativas de exportación y el proceso
de selección termina por ordenar a las empresas peruanas en cada categoría: Las firmas
menos productivas no exportarán, por lo que tendrán costos fijos mínimos pero sus
beneficios serán pequeños. A medida que las empresas van aumentando su
productividad, optarán por buscar mayores beneficios y su sacrificio será costos fijos
mayores por negociar con intermediarios o instalar una filial en el exterior, dependiendo
del umbral de productividad donde la empresa se encuentre.
Finalmente, estos niveles mínimos de productividad para pasar de una alternativa de

exportación a otra se obtienen igualando los niveles de beneficios de cada una,
obteniendo lo siguiente:
̃ ( )
̃ ( )
Donde los niveles mínimos de productividad son un ratio entre el diferencial de costos fijos
y el diferencial de costos variables entre dos modalidades de exportación. Con ello, si una
empresa peruana tiene un nivel de productividad entre cero y (primer umbral), esta
firma no exportará y solo venderá en el mercado doméstico, mientras que si la
productividad está entre y (segundo umbral) o si sobrepasa la firma procederá a
exportar mediante intermediarios o mediante filiales, respectivamente. Entonces, este
proceso de autoselección demuestra que las firmas se irán haciendo más productivas no
mediante la exportación como tal, sino mediante su capacidad de superar los costos que
le impiden entrar a los mercados externos. Por lo tanto, las tres modalidades de
exportación coexisten en equilibrio y permiten empresas con niveles de producción y
ventas heterogéneas.
24
3. Objetivos e hipótesis
En la siguiente sección se presenta la definición de tanto los objetivos como las hipótesis
de la tesis, las cuales se realizarán en base a las preguntas de investigación previamente
definidas. Esto permitirá un adecuado planteamiento de lo que se busca obtener con la
presente tesis y qué evidencias probablemente serán arrojadas por los posteriores
resultados.
3.1. Objetivos.
En la siguiente subsección se plantean los objetivos de la presente tesis, los cuales están
basados en las preguntas de investigación anteriormente definidas. Estos objetivos de la
tesis se dividen en un objetivo principal y seis objetivos específicos.
Objetivo principal.
El principal objetivo de la tesis es el siguiente.
Determinar si existe una relación de equilibrio de largo plazo entre las exportaciones
tradicionales peruanas y sus posibles determinantes (el producto bruto interno de China,
el precio internacional del cobre y el tipo de cambio real sol – yuan), para el periodo 2002
– 2016.
Objetivo específicos.
Los objetivos específicos de la tesis son los siguientes.
Objetivo específico 1:
Determinar si un aumento del producto bruto interno de China tuvo un impacto positivo en
las exportaciones tradicionales peruanas, para el periodo 2002 – 2016.
Determinar si un aumento del precio internacional del cobre tuvo un impacto positivo en
25
Determinar si un aumento del tipo de cambio real sol – yuan tuvo un impacto negativo en
3.2. Hipótesis.
En la siguiente subsección se plantean las hipótesis de la presente tesis, las cuales están
basadas en las preguntas de investigación y en los objetivos ya mostrados. Estas
hipótesis se dividen en una hipótesis principal y seis hipótesis específicas.
Hipótesis principal.
La principal hipótesis de la tesis es la siguiente.
Sí existió una relación de equilibrio de largo plazo entre las exportaciones

– 2016.
No existió una relación de equilibrio de largo plazo entre las exportaciones

– 2016.
Hipótesis específicas.
Las hipótesis específicas de la tesis son las siguientes.
Hipótesis específica 1:
Un aumento del producto bruto interno de China en 1 billón de yuanes durante el

trimestre pasado, generará un incremento promedio de las exportaciones tradicionales
peruanas en 40 millones de dólares, para el periodo 2002 – 2016.
26
Un aumento del producto bruto interno en 1 billón de yuanes durante el trimestre
pasado, generará un incremento promedio de las exportaciones tradicionales peruanas
menor a 40 millones de dólares, para el periodo 2002 – 2016.
Un aumento del precio internacional del cobre en 1 centavo de dólar durante el

peruanas en 10 millones de dólares, para el periodo 2002 – 2016.
Un aumento del precio internacional del cobre en 1 centavo de dólar durante el

peruanas menor a 10 millones de dólares, para el periodo 2002 – 2016.
Un aumento del tipo de cambio real sol – yuan en 1% durante el trimestre pasado,
generará una reducción promedio de las exportaciones tradicionales peruanas en 40
millones de dólares, para el periodo 2002 – 2016.
Un aumento del tipo de cambio real sol – yuan en 1% durante el trimestre pasado,
generará una reducción promedio de las exportaciones tradicionales peruanas menor a 40
millones de dólares, para el periodo 2002 – 2016.
27
Capítulo II: Método
El presente capítulo describe los principales aspectos de la metodología que será usada
para realizar la estimación econométrica que prueba la veracidad de las hipótesis de
investigación (la existencia de una relación de equilibrio de largo plazo entre las series
bajo estudio y la existencia de variaciones en las exportaciones tradicionales peruanas
causadas por los posibles determinantes de estas).
Para ello, se explicará el tipo y diseño de investigación planteados en la tesis, la definición

de la muestra de investigación, la definición de las variables que se usarán en el estudio,
el procedimiento de recolección de los datos de estas variables, los instrumentos de
investigación usados paralelamente a estas variables y el plan de análisis que contendrá
la especificación del modelo econométrico a utilizar (un vector de corrección del error).
4. Tipo de investigación
Dentro de los criterios más comunes para definir el tipo de investigación de una tesis
(nivel de complejidad del estudio y el tipo de análisis al que se someterá la información
recolectada), se puede decir que en este caso el segundo criterio tiene una mayor
relevancia para esta tesis, ya que actualmente la gran mayoría de investigaciones en
economía se enfocan en definir qué tipo de análisis econométrico será el elegido para
aplicar a los datos. En consecuencia, se puede definir a esta tesis como uno del tipo
"cuantitativo" donde los posteriores resultados de la tesis mostrarán que efectivamente se
requirió la elección de un análisis econométrico (en este caso, el de modelos
multivariados como son los vectores autorregresivos y el vector de corrección del error)
para poder determinar los factores económicos que producen un impacto significativo en
las exportaciones tradicionales peruanas.
5. Diseño de investigación
El presente estudio contempla un diseño de investigación no experimental ya que, a

diferencia del diseño experimental, no se asignan valores de manera aleatoria o a
voluntad a las diferentes variables presentadas en el modelo, sino que estas ya vienen
dadas de manera histórica en el tiempo.
28
Adicionalmente, el subtipo de investigación no experimental que se emplea en este
estudio es el correlacional ya que se adecua a las aplicaciones económicas y al uso de
técnicas econométricas. En este estudio en particular, se busca y se obtiene las
correlaciones estadísticamente significativas entre las variables presentadas, tales como
la relación entre el PBI chino y las exportaciones tradicionales, el precio de lo minerales y
las exportaciones o el tipo de cambio real sol-yuan con respecto a la variable regresando.
Cabe mencionar que el estudio correlacional, desde un enfoque econométrico, trata de

hallar el valor de los coeficientes que relacionan de manera positiva o negativa a la
variable dependiente con las independientes, para así conocer de manera exacta el
impacto cuantitativo de la variación de las variables regresoras en la variable regresando.
29
6. Variables
En la presente sección se realizará la definición conceptual y operacional de todas las

variables finales a usar en el modelo econométrico de la tesis, las cuales también han
sido mencionadas en la formulación del problema, en las hipótesis y en el marco teórico.
Cabe indicar que también se definirán a las variables intermedias del estudio. Estas
variables fueron usadas durante el proceso de creación de algunas de las variables
finales y como tal, no estarán incluidas dentro de la especificación final del modelo
econométrico. Sin embargo, su definición permitirá un mejor entendimiento de como
fueron concebidas las variables finales y como intervinieron estas variables intermedias
dentro de la presente tesis.
En consecuencia, las siguientes dos tablas muestran la definición conceptual y

operacional de las variables finales e intermedias de la tesis, respectivamente.
30
Tabla 1
VARIABLES FINALES DE LA TESIS

Nombre
N° Nombre largo Definición conceptual Definición operacional
corto
Tipo de variable en el modelo de la tesis:

Son aquellos productos que históricamente Dependiente
han constituido la mayor parte del valor de Unidad de medida:
Exportaciones
las exportaciones peruanas. Y, En millones de dólares, a valores free-on-board (FOB).
1 tradicionales EXPT
generalmente, estos productos tienen menor Frecuencia original / Frecuencia definitiva:
del Perú
valor agregado que el de los productos no Mensual / Trimestral
tradicionales. Fuente original:
BCRP
Independiente
Unidad de medida:
En billones de yuanes del año 2010.
Es la suma de los valores monetarios de los Frecuencia original / Frecuencia definitiva:
bienes y servicios producidos en este país Trimestral / Trimestral
Producto durante un ejercicio. Está expresado en la Fuente original:
2 bruto interno GDPRCH moneda de este país y considera los precios Fred St. Louis y Banco Mundial.
real de China medidos de estos bienes y servicios Nota adicional:
descontando los efectos de la inflación, Esta variable fue obtenida mediante la fórmula
usando un año base para los precios.
( )
Donde GDPNCH y DGDPCH son variables intermedias. GDPNCH es el

producto bruto interno nominal de China y DGDPCH es el deflactor de este
PBI.
31
Independiente
Unidad de medida:
En valores índice (año base 2010 = 100).
Frecuencia original / Frecuencia definitiva:
Es el precio relativo de las canastas de
Mensual / Trimestral
bienes de los países Perú y China. En ese
Fuente original:
Tipo de sentido, es un tipo de cambio real bilateral.
Fred St. Louis y BCRP.
3 cambio real TCRSY Además, este indicador fue obtenido con la
Nota adicional:
sol-yuan fórmula asociada a la teoría de paridad de
Esta variable fue obtenida mediante la fórmula
poder de compra, por lo que esta aproxima
la competitividad relativa de los dos países. ( ) ( )
Donde TCNSD, TCNYD, IPCCH e IPCP son variables intermedias. TCNSD es

el tipo de cambio sol-dólar, TCNYD es el tipo de cambio yuan-dólar, IPCCH
es el índice de precios al consumidor de China (con año base 2010) e IPCP
es el índice de precios al consumidor del Perú (con año base 2010).
Es la valoración de la materia prima “cobre” Independiente
en unidades monetarias de una divisa (en Unidad de medida:
Precio
este caso, el dólar americano). Este precio En centavos de dólar por libra de cobre.
4 internacional PCOB
es evoluciona diariamente en el mercado Frecuencia original / Frecuencia definitiva:
del cobre
internacional de este commodity, en función Mensual / Trimestral
de la oferta y demanda. Fuente original:
BCRP.
Nota: Un mayor detalle de la recolección de los datos de las variables y de su tratamiento posterior (para su calibración y uso en la estimación del modelo
econométrico de la tesis) está en las secciones “Procedimientos de recolección de datos” y “Plan de análisis”.
Fuente: Elaboración propia
32
Tabla 2
VARIABLES INTERMEDIAS USADAS EN LA CREACIÓN DE LAS VARIABLES FINALES

Nombre
N° Nombre largo Definición conceptual Definición operacional
corto
Esta variable fue usada en la creación de la siguiente variable final:
Es la suma de los valores monetarios de los
Producto bruto interno real de China (GDPRCH)
bienes y servicios producidos en este país
Producto Unidad de medida:
durante un ejercicio. Está expresado en la
bruto interno En billones de yuanes.
1 GDPNCH moneda de este país y considera los precios
nominal de Frecuencia original:
corrientes medidos de estos bienes y servicios,
China Trimestral
es decir, sin descontar los efectos de la
Fuente original:
inflación.
Fred St. Louis
Producto bruto interno real de China (GDPRCH)
Deflactor del Es el índice de precios que se utiliza para Unidad de medida:
producto bruto conocer la parte del crecimiento del producto En valores índice (año base 2010 = 100).
2 DGDPCH
interno de bruto interno chino (es decir, de la economía de Frecuencia original:
China este país) que se debe al aumento de precios. Anual
Fuente original:
Banco Mundial
Es el precio relativo entre las monedas de Perú
Tipo de cambio real sol-yuan (TCRSY)
Tipo de y Estados Unidos. Generalmente, se expresa
Unidad de medida:
cambio como el valor monetario de la moneda fuerte en
3 TCNSD En soles por dólar.
nominal sol- términos de la moneda débil, por lo que en este
Frecuencia original:
dólar caso sería el valor de un dólar americano en
Mensual
términos de soles peruanos.
Fuente original: BCRP
33
Es el precio relativo entre las monedas de China Tipo de cambio real sol-yuan (TCRSY)
Tipo de y Estados Unidos. Generalmente, se expresa Unidad de medida:
cambio como el valor monetario de la moneda fuerte en En yuanes por dólar.
4 TCNYD
nominal yuan- términos de la moneda débil, por lo que en este Frecuencia original:
dólar caso sería el valor de un dólar americano en Mensual
términos de yuanes chinos. Fuente original:
BCRP
Es el indicador que mide la evolución del costo Esta variable fue usada en la creación de la siguiente variable final:
de la canasta de consumo en el país. Por como Tipo de cambio real sol-yuan (TCRSY)
Índice de está concebido este indicador, no considera el Unidad de medida:
precios al efecto sustitución, por lo que mide la evolución En valores índice (año base 2009 = 100, cambiada a 2010 = 100).
5 IPCP
consumidor del costo de bienes y servicios, y no la evolución Frecuencia original:
del Perú del costo de vida. Por último, en este país se Mensual
suele calcular el indicador usando la fórmula de Fuente original:
Laspeyres. BCRP
Es el indicador que mide la evolución del costo Esta variable fue usada en la creación de la siguiente variable final:
de la canasta de consumo en el país. Por como Tipo de cambio real sol-yuan (TCRSY)
Índice de está concebido este indicador, no considera el Unidad de medida:
precios al efecto sustitución, por lo que mide la evolución En valores índice (año base 2010 = 100).
6 IPCCH
consumidor del costo de bienes y servicios, y no la evolución Frecuencia original:
de China del costo de vida. Por último, en este país se Mensual
suele calcular el indicador usando la fórmula de Fuente original:
Laspeyres. Fred St. Louis
Nota: Un mayor detalle de la recolección de los datos de estas variables intermedias y de su participación en la creación de algunas variables finales está en la
sección “Procedimientos de recolección de datos”.
34
De las tablas anteriores se puede inferir que esta tesis presenta cuatro variables finales.
La principal variable de interés es la de las exportaciones tradicionales peruanas (EXPT),
la cual es la variable dependiente de la tesis y será explicada por tres determinantes
propuestos: El producto bruto interno real de China (GDPRCH), el tipo de cambio real sol-
yuan (TCRSY) y el precio internacional del cobre (PCOB). Estos tres determinantes
propuestos son factores macroeconómicos externos por lo que se puede inferir que las
exportaciones tradicionales peruanas son mayormente impactadas por como se mueve
las economías del resto del mundo (principalmente de China, hoy una economía con gran
relevancia en el desarrollo de mercados emergentes como el del cobre peruano) y por
como fluctúa el mercado internacional mismo (los diferentes productores y demandantes
del cobre a nivel mundial, los cuales determinan por interacción el precio de este
commodity).
En las siguientes secciones se explicará detalladamente como fueron recolectadas y

elaboradas las variables intermedias y finales, además del como serán calibradas y
utilizadas para la posterior estimación del modelo econométrico de la tesis.
7. Muestra
En la presente sección se especificará la definición y la estructura de la muestra de

investigación. Para ello, es preciso indicar que, debido a que esta tesis es una
investigación que emplea variables cuyos datos son extraídos de fuentes secundarias
(bases de datos públicas), la población y sus características (demográficas, económicas,
sociales, culturales, entre otras) son muy diferentes de definir en relación a estudios que
consideran la elaboración de encuestas.
Además, teniendo en cuenta el tipo de datos que se está utilizando en esta tesis (series
de tiempo), la definición de la muestra estará basada en el periodo de tiempo donde
existan datos disponibles de todas las variables finales. Esto también tiene fundamento en
lo ya comentado en la sección “Justificación de la investigación”, donde se advirtió que la
muestra podría ser claramente afectada por la limitada disponibilidad de datos históricos,
los cuales presentan diferentes rangos de tiempo para cada una de las variables
escogidas.
35
Habiendo explicado todo lo anterior, se procede con la definición y estructura de la
muestra de investigación.
7.1. Definición de la muestra.
La muestra de esta investigación se define como:
“Conjunto de variables macroeconómicas presentes en la economía peruana e

internacional, siendo estas variables medidas en periodos trimestrales y consideradas
durante el periodo de años de 2002 al 2016”.
7.2. Estructura de la muestra.
La muestra de investigación se ha establecido con una estructura única, teniendo un total

de 60 observaciones de las variables macroeconómicas escogidas de la economía
peruana e internacional.
8. Instrumentos de investigación
En la siguiente sección es preciso indicar que no se hizo una utilización directa de algún
instrumento de investigación para la recolección de datos y para la definición de la
muestra. Esto fue debido a que los datos de las variables macroeconómicas utilizadas
provienen de una fuente secundaria (bases de datos públicas de organismos nacionales e
internacionales) y además, estos organismos que presentan la información pública de las
variables (como el Banco Central de Reserva del Perú, el Banco Mundial, la Reserva
Federal, entre otros) sistematizan y ordenan la información que otras organizaciones más
específicas recolectan.
Para explicar lo anterior, retomemos el ejemplo del Banco Central de Reserva del Perú, el
cual presenta información agregada, sistematizada y ordenada de las exportaciones
tradicionales peruanas. Para ello, este organismo nacional puede requerir el pedido de los
montos de exportación de productos tradicionales de cada uno de los sectores
económicos donde estos productos están incluidos. En ese sentido, solicitará a cada una
de las grandes, medianas y pequeñas empresas mineras sus montos de exportación de
commodities mensual, o lo solicitará defrente a la cámara de comercio de Lima, el instituto
36
nacional de estadística e informática del Perú (INEI) o alguna institución que agrupe a
dichas empresas.
Bajo esa premisa, probablemente el banco central deberá hacer uso de instrumentos de
investigación (como cuestionarios donde las empresas o instituciones llenan sus montos
mensuales de exportaciones tradicionales) o también puede no requerirlo y únicamente
compactar la información, por lo que los organismos que originalmente recolectan la
información tal vez lo realicen.
Ya que es difícil tener acceso a las fichas técnicas de los instrumentos de investigación de
las fuentes de recolección originales, se ha optado por concluir que la formación de la
muestra de esta tesis no requirió el uso de instrumento de investigación alguno y
únicamente se limitó a la búsqueda de información secundaria (de fuentes públicas).
37
9. Procedimientos de recolección de datos
En la presente sección se detalla el procedimiento de recolección de todos los datos de la

muestra de esta tesis. Este proceso de recolección de datos fue una simple extracción de
data de la base de datos estadística del Banco Central de Reserva del Perú (BCRP),
Reserva Federal de Saint Louis (Fred St. Louis) y National Bureau of Statistics of China
(NBSC). De esta manera, se comenzó por extraer data de las variables de la presente
tesis.
La variable de exportaciones de productos tradicionales del Perú (EXPT) medidos en

millones de dólares (a valores free-on-board, FOB) fueron obtenidas del compendio
estadístico del Banco Central de Reserva del Perú. Estos datos estaban originalmente en
frecuencia mensual, desde enero de 2002 hasta diciembre de 2016. Para poder usar esta
variable en frecuencia trimestral, se realizó el cálculo del promedio ponderado de los
datos para los meses de cada trimestre de la muestra. Los pesos considerados para el
cálculo de cada promedio ponderado trimestral fueron igual al peso relativo de cada dato
mensual en la suma trimestral de los datos. Con todo ello, se obtuvieron datos
trimestrales de las exportaciones tradicionales peruanas para el periodo “Primer trimestre
de 2002 al cuarto trimestre de 2016”.
El producto bruto interno de China (GDPRCH), medido en billones de yuanes a precios

constantes del año 2010, fue construido a partir de las variables intermedias del producto
bruto interno de China trimestral a precios corrientes, obtenido de la Reserva Federal de
Saint Louis, y el deflactor del producto bruto interno de China con año base 2010,
obtenido del Banco Mundial. Es así que se procedió a dividir el producto bruto interno de
China a precios corrientes entre el deflactor del PBI chino, usando el valor
correspondiente del deflactor anual para los 4 trimestres de dicho año y luego multiplicarlo
por 100, obteniendo así la variable del producto bruto interno de China a precios
constantes del año 2010.
En el caso de la variable TCRSY (tipo de cambio real sol-yuan), este fue un tipo de
cambio bilateral creado a partir de un grupo de variables intermedias. El TCRSY equivale
al ratio del tipo de cambio nominal sol-dólar (TCNSD, según nuestra abreviatura
propuesta) y yuan-dólar (TCNYD), multiplicado por el ratio de los índices de precios de
China (IPCCH) y Perú (IPCP).
38
Las cuatro variables intermedias mencionadas en el párrafo anterior fueron recolectadas
de diferentes fuentes públicas: El TCNSD, el TCNYD y el IPCP fueron obtenidas de las
estadísticas históricas del banco central de reserva del Perú (BCRP), mientras que el
IPCCH fue obtenido de las estadísticas históricas de la reserva federal de Saint Louis
(Fred St. Louis).
Cabe indicar que los datos de estas cuatro variables intermedias estaban originalmente
en frecuencia mensual y además el IPCP estaba en valores índice con año base 2009,
mientras que el IPCP estaba con año base 2010. Para continuar con el cálculo del
TCRSY, se hizo el cambio de base del IPCP, pasándolo al año base 2010 mediante la
división de todos los datos mensuales de la variable entre el promedio aritmético simple
de los valores mensuales del IPCP del nuevo año base.
Luego de desarrollar dicho ajuste al IPCP, se calculó el TCRSY mensual siguiendo la

fórmula ya comentada, para luego hacer el cambio de frecuencia "mensual a trimestral"
mediante el cálculo del promedio ponderado de los datos para los meses de cada
trimestre de la muestra, de la misma forma en que se realizó para la variable de
exportaciones tradicionales peruanas (EXPT).
Por último, el precio internacional del cobre (PCOB) está expresado en centavos de dólar
por libra del mineral y fue obtenido del compendio estadístico del Banco Central de
Reserva del Perú (BCRP). Los datos obtenidos se presentan de manera mensual, por lo
cual también se hizo el cambio de frecuencia “mensual a trimestral” mediante el cálculo
del promedio ponderado de los datos para los meses de cada trimestre de la muestra.
39
10. Plan de análisis
En esta sección se detallará todo el procedimiento econométrico que se realizará con los
datos de las variables obtenidas a fin de estimar el modelo definitivo de la tesis. Además,
se hará algunas precisiones a las variables anteriormente definidas a fin de explicar el
porqué estas fueron elegidas para el modelo definitivo.
10.1. Explicación sobre la elección del producto minero cobre como principal
producto tradicional y de China como principal socio comercial.
Primero, es conveniente hacer una aclaración sobre la elección de los productos mineros
como el representante de todos los productos tradicionales que exporta Perú. Dentro de
los hechos estilizados comentados en la introducción de esta tesis, se comprobó que, en
promedio, la proporción de los productos tradicionales exportados por el Perú, de acuerdo
al tipo, se distribuye de la siguiente manera: Entre 50% y 60% para los productos mineros
(alcanzando el valor de 65% durante los últimos 12 años), entre 10% y 15% para el
producto de petróleo y derivados, entre 10% y 15% para los productos pesqueros (con un
porcentaje ligeramente menor en los últimos 12 años) y apenas 5% para los productos
agrícolas, según las estadísticas históricas del BCRP.
En ese sentido, una sospecha inicial es que los productos pesqueros y los agrícolas
tendrían muy poca significancia estadística para poder explicar el total de los productos
tradicionales exportados. Es decir, las variables de estos productos (como el precio
internacional de los pescados más importantes o de productos agrícolas como el maíz y el
trigo) no serían las variables adecuadas para considerarlas como factores que determinen
a las exportaciones tradicionales peruanas.
Para verificar esto, se llevó a cabo la inclusión de las variables “Precio internacional de la
harina de pescado” (el único precio internacional encontrado para el sector pesquero
porque no se encontró datos de precios de pescados como la anchoveta), “Precio
internacional del maíz” y “Precio internacional del trigo” (ambos para el sector agrícola) en
el modelo econométrico final de la tesis (un vector de cointegración). Los nombres cortos
de estas tres variables fueron PHP, PMAIZ y PTRIGO. De esta manera, se buscó
comprobar si dichos precios eran estadísticamente significativos en el modelo y si podían
generar mayor poder explicativo al mismo, como determinantes de las exportaciones
tradicionales.
40
Lamentablemente, no se obtuvo significancia estadística alguna, ni mayor poder
explicativo, al incluirlos en el modelo VEC final de la tesis. Por esa razón, no se incluyó a
estas variables en la presentación de los resultados de la tesis. Sin embargo, para fines
de conocimiento, se incluyó en los anexos de esta tesis una tabla resumen con los
resultados obtenidos al incluir estas variables del sector pesquero y agrícola en el modelo
VEC final.
Esto hizo que se decidiera considerar a los productos mineros como el representante más
idóneo para explicar el total de los productos tradicionales exportados por el Perú. De esta
manera, se obtendrán los determinantes más importantes de las exportaciones
tradicionales peruanas y los resultados finales más precisos (el fenómeno de
cointegración, el análisis de las funciones impulso – respuesta, entre otros).
Ahora, una aclaración también será hecha respecto a la elección de China como el
principal socio comercial que tiene Perú para explicar las variaciones trimestrales de sus
exportaciones tradicionales. Primero, es preciso indicar que se verificó quiénes eran los
principales socios comerciales del Perú para sus productos exportados por tipo (mineros,
agrícolas, pesqueros y petróleo – derivados) así como en agregado. Se pudo comprobar
que durante los últimos 25 años el panorama de los socios comerciales es el siguiente: En
1991, Estados Unidos era el principal destino de nuestras exportaciones (tradicionales y
no tradicionales) con un 26.8%, mientras que China solo alcanzaba el 5.7%. y no era el
segundo destino de exportaciones ya que ese puesto lo ocupaba con Alemania con 6.6%.
Para el año 2010, el escenario cambió considerablemente. China pasó a ser el principal
destino del total de exportaciones peruanas con un 18%, mientras que Estados Unidos
ahora era el segundo destino principal con un cercano 15.8%. Alemania, anterior destino
importante de nuestras exportaciones, quedó bastante relegado con un 4.4%, por lo que
se puede asegurar que hay una gran bipolaridad en nuestros principales destinos
comerciales (Winkelried y Saldarriaga, 2012).
Asimismo, el fortalecimiento de China y Estados Unidos como principales socios

comerciales también puede haber sido causado por los respectivos tratados de libre
comercio (TLC) que estos países firmaron con el Perú y entrados en vigencia desde 2010
y 2009, respectivamente. Si bien en esta tesis no se buscará con detalle si estos acuerdos
han expandido en gran cantidad las exportaciones tradicionales, sí se comprobará si han
causado un impacto significativo en sus variaciones trimestrales. La verificación del
41
impacto del TLC del país o países destino elegidos en las exportaciones tradicionales se
hará en el capítulo de “Resultados”.
Continuando con el argumento de la elección de China sobre Estados Unidos como

principal país destino, se pasará a explicar esto mediante la evolución de las
exportaciones reales (es decir, considerando un determinado año base), tanto totales
como divididas por tipo (tradicional y no tradicional).
Figura 4
Exportación real, según país de destino
(En millones de dólares americanos de 2007)
Fuente: Superintendencia nacional de aduanas y administración tributaria (SUNAT) y el instituto nacional de

estadística e informática (INEI). Tomado del informe técnico No. 2 – Febrero 2018 del INEI.
Del gráfico anterior se puede observar claramente que el valor de las exportaciones
peruanas a China ha sido casi un 50% mayor al de las exportaciones enviadas a Estados
Unidos. Además, a pesar que del año 2016 al 2017 ha habido una ligera reducción del
valor de las exportaciones peruanas a China, mientras que las exportaciones a EE.UU.
aumentaron su valor, la diferencia entre sus montos es aún demasiado favorable al país
asiático. E incluso los otros destinos importantes de las exportaciones peruanas (Japón,
Corea del Sur y España) están muy lejos del monto que alcanza China, por lo que
considerar más socios comerciales aparte de EE.UU. y China en el futuro modelo
econométrico de la tesis sería poco conveniente.
42
En lo que respecta al panorama actual de las exportaciones peruanas por tipo y según su
destino, las cifras de las exportaciones tradicionales nos siguen arrojando una gran
ventaja para el país de China con respecto a los Estados Unidos, como se ve en la
siguiente gráfica.
Figura 5
Exportación real, según país de destino y tipo de producto: Diciembre 2017
(Estructura porcentual)

Y es que como primera conclusión, se puede afirmar la clara supremacía del destino de
las exportaciones tradicionales peruanas: Estas van con una mayor proporción a China
(97.7% del total que se exportan hacia allá) que a Estados Unidos (45.8% del total
exportado a ese país). Teniendo en cuenta que actualmente las exportaciones a China
tienen un mayor valor monetario que las exportaciones a EE.UU. (ver figura 4), entonces
sus exportaciones tradicionales deben ser de lejos muchísimas más.
También es valioso notar que EE.UU. es el principal país destino de nuestras

exportaciones no tradicionales (manufacturas en general) debido a su alto porcentaje en
la carga exportada hacia allá (54.2% del total exportado, contra menos de 3% en China,
menos de 5% en Japón y 20% en España). Esto quiere decir que si buscamos considerar
variables macroeconómicas de Estados Unidos (Tasa de desempleo como proxy de su
PBI, tipo de cambio sol dólar, entre otros) como posibles determinantes de las
43
exportaciones tradicionales peruanas, estas no tendrían mucha significancia estadística al
incluirlas en el modelo econométrico de la tesis (VEC) ni tampoco generarían mucho
poder explicativo.
Incluso, países con alto porcentaje actual en las exportaciones tradicionales como Japón,
Corea del Sur y España, también podrían considerarse como importantes países destino y
usar sus variables macroeconómicas para explicar a las exportaciones tradicionales
peruanas. Sin embargo, su muy bajo valor en exportaciones con respecto a China
(apenas alcanzando el 25% del valor de la segunda) hace inviable su inclusión en el
futuro modelo econométrico de la tesis.
44
Por último, esta última gráfica también reflejará la gran ventaja que tiene China respecto a
Estados Unidos en los diferentes productos tradicionales exportados por el Perú.
Figura 6
Exportación FOB por país destino y por producto 2016 – 2017
(En millones de dólares americanos de 2007)

De este último cuadro se puede observar que Estados Unidos no es un gran receptor del
principal producto tradicional exportado por el Perú (el cobre) ya que no está dentro de la
lista de productos con mayor valor importados del Perú. Caso opuesto es el de países
destino con menor proporción del total (España, Corea del Sur y Japón) quienes tienen al
cobre como uno de sus principales productos importados de nuestro país pero
lamentablemente su monto importado es muchísimo menor al que realiza China (salvo
45
Japón, que importa aproximadamente un 12% del monto de cobre que importa el país
chino pero aun así es un monto muy pequeño).
Incluso se puede observar que China ha importado un gran monto de harina de pescado
entre el 2016 y 2017, así como de otros minerales ya mencionados anteriormente (como
el zinc y el plomo). Sin embargo, de nuevo este monto es mucho menor con respecto al
monto de cobre que el país asiático compra al Perú.
Todo lo anterior ha despejado las dudas de que China es el principal socio del Perú
actualmente (por encima de Estados Unidos). Además, ha permitido notar que China
también tiene una gran hegemonía en los productos tradicionales exportados por el Perú,
mientras que Estados Unidos mantiene el liderazgo en los productos no tradicionales
exportados por nuestro país. Con ello, tendría poco sentido usar variables
macroeconómicas de EE.UU. como posibles determinantes de las exportaciones
tradicionales peruanas por la poca o nula significancia estadística prevista.
Además, sería complicado usar la variable “tipo de cambio sol – dólar” (variable
macroeconómica de Estados Unidos) en un mismo modelo econométrico con el tipo de
cambio sol – yuan (variable macroeconómica de China creada artificialmente en esta
tesis). Ya que el segundo tipo de cambio fue creado usando a la primera, probablemente
exista un problema de multicolinealidad muy severa si se incluyen simultáneamente estas
variables. Esto reduce las posibilidades de usar variables macroeconómicas de Estados
Unidos en conjunto con las de China (definido como nuestro principal socio comercial
actual).
En todo caso, se hizo una prueba de incluir la tasa de desempleo de Estados Unidos
(como proxy de su PBI, debido a los problemas de endogeneidad advertidos en
investigaciones que usaron esta variable en modelos multivariados como el VAR), con el
nombre corto U, para considerar el impacto de este socio comercial en las variaciones
trimestrales de las exportaciones tradicionales peruanas, dentro del futuro modelo
econométrico de la tesis (VEC). Se pudo comprobar que esta variable no tuvo
significancia estadística individual en el modelo y no generó mayor poder explicativo a las
exportaciones tradicionales. Por esa razón, no se incluyó a esta variable macroeconómica
americana y se mantuvo a China como principal y único socio comercial considerado en el
modelo para el capítulo de “Resultados”. Si se desea revisar los resultados de esta
prueba, estos se encuentran en los anexos como una tabla resumen.
46
10.2. Tratamiento econométrico inicial a las variables de estudio.
Ahora, se dará una explicación detallada de cada una de las técnicas econométricas que
se usarán para calibrar las variables, de manera que estas se utilicen adecuadamente en
la estimación del modelo econométrico de la tesis.
Un primer tratamiento que se realiza a los datos es quitar el componente estacional que
presentan en algunos trimestres del año y que pueden formar un patrón continuo cada
año en los valores de la variable. Este proceso de retirar el componente estacional a los
datos se llama “desestacionalización” y se lleva a cabo generalmente dentro de los
paquetes estadísticos o econométricos luego de insertar los datos de las variables.
Para el caso de esta tesis, ninguna de las cuatro variables analizadas (EXPT, GDP,
TCRSY y PCOB) fue previamente desestacionalizada por las instituciones nacionales o
internacionales que recaban los datos de estas variables. Por lo tanto, la
desestacionalización de las series se realizó en el paquete econométrico EViews 9, donde
se llevó a cabo esto usando el método X-12-ARIMA, elaborado por la oficina de censos de
los Estados Unidos y considerado como el método convencional para realizar ajustes por
estacionalidad a los datos.
Un segundo tratamiento que se suele realizar a los datos de las variables es la

linealización o transformación logarítmica de estas, donde cada una es convertida a su
valor en logaritmos, de manera que se suavizan los valores de las series y se reduce la
escala (medida) de las variables. Otra ventaja de la transformación logarítmica es que
permite usar a todas las variables como si fuesen tasas de crecimiento (en el sentido
continuo) y en las estimaciones econométricas posteriores los estimadores (betas)
pueden ser interpretados como elasticidades o variaciones porcentuales de las
exportaciones tradicionales peruanas ante el aumento de 1% en el valor de uno de sus
determinantes, manteniendo constante el efecto de las demás variables.
Sin embargo, luego de realizar esta transformación logarítmica a las variables y usarlas
en el posterior análisis econométrico, se decidió no considerar la toma de logaritmos a las
variables de estudio ya que no era lo más conveniente para los resultados. La primera
razón es que los logaritmos afectaron seriamente el análisis de estacionariedad de las
cuatro series, en muchos casos cambiando el resultado de estacionariedad esperado. Es
decir, los resultados de algunas variables en logaritmos concluían que estas eran series
47
integradas de orden cero (estacionarias en niveles), mientras que sin logaritmos
resultaban ser series integradas de orden uno (no estacionarias en niveles pero sí en
primera diferencia). En consecuencia, el análisis de cointegración con las series en
logaritmos podría haber sido erróneo también y afectado muchos más resultados.
Otra razón encontrada fue que los logaritmos generaron un problema en la estimación
econométrica, ya que el fundamento de aplicación del logaritmo a las variables no era
muy creíble. Esto es debido a que la transformación logarítmica se suele usar en modelos
que presentan no linealidad en parámetros (por ejemplo, modelos neoclásicos del tipo
Cobb-Douglas) con una justificación económica clara. De esta manera, los logaritmos
permiten expresar modelos como ese en términos completamente lineales, facilitando su
estimación y eliminando problemas econométricos adyacentes a las características del
modelo no lineal (como heteroscedasticidad). Como esa no linealidad no se presenta en
el modelo de esta tesis, se decidió no considerar la transformación logarítmica a las
variables y proceder con otros tratamientos adicionales a los datos.
Un tercer tratamiento que se realizó a las variables fue el retiro de la tendencia

determinística (tendencia lineal) que alguna de estas presentaban. Por ello, primero se
verificó cuáles de estas series presentaban dicha tendencia lineal significativa, a través de
la inspección de la gráfica simple de cada serie. Aquí se detectó la tendencia lineal
significativa en solo una de las cuatro variables: “Producto bruto interno real de China”
(GDPRCH).
Luego, lo anterior se verificó estimando una regresión lineal simple para la variable
mencionada, donde GDPRCH estaba en función de una tendencia lineal ( ) que indica la
influencia del tiempo y además se incluyó un intercepto en dicha regresión. Los resultados
de dicha estimación confirmaron la alta significancia del tiempo en GDPRCH, ya que esa
regresión presentaba un valor de R^2 mayor a 0.80 y el t-estadístico para la variable t era
significativo al nivel de 0.01. En consecuencia, de dicha regresión estimada se extrajo los
residuales y estos pasaron a ser el valor de la variable GDPRCH sin la presencia de una
tendencia lineal. El proceso anterior es llamado detrending (retiro de la tendencia lineal a
una serie) y se suele llevar a cabo cuando se trabaja con series de tiempo en periodos
largos (mayores a 10 años, al menos).
Luego de quitar el componente tendencial a GDPRCH, a esta variable se le aumentó en

su nombre corto el sufijo “_UT” que indica untrended (sin tendencia lineal). Esta serie se
48
usará en conjunto con las que inicialmente no tenían tendencia (EXPT, TCRSY y PCOB)
para el posterior análisis econométrico (estacionariedad, causalidad, cointegración y la
estimación del modelo econométrico final). En los anexos de la tesis se presentarán las
gráficas simples y las estadísticas descriptivas de todas las series desestacionalizadas y
sin que estas contengan el componente de tendencia lineal.
10.3. La metodología econométrica a usar y el modelo de investigación.
El modelo que se plantea estimar en esta tesis es un VEC (vector de corrección del error)
entre todas las series macroeconómicas consideradas. Este VEC tiene un único requisito:
Que todas las series bajo estudio sean integradas de orden uno (es decir, que sean no
estacionarias en niveles pero sí en primera diferencia). Esto es verificado a través del
análisis de cointegración entre las series y sí es que existe este fenómeno, el VEC
permite incluir dicho hallazgo y sus efectos dentro de un modelo multiecuacional.
Además de eso, el modelo VEC permitirá comprobar el impacto que tienen los
determinantes escogidos (PBI real chino, el tipo de cambio real sol – yuan y el precio
internacional del cobre) en las variaciones trimestrales de las exportaciones tradicionales
peruanas a través de análisis diferentes a los mostrados por la regresión lineal
convencional, y estos son la descomposición de la varianza (de las exportaciones
tradicionales) y de funciones de impulso-respuesta que muestran gráficamente como se
mueve las exportaciones ante shocks creados por las otras variables.
Entonces, una representación econométrica del modelo para esta tesis es el siguiente:
∑ ̂ ∑ ∑
∑ ̂ ∑ ∑
∑ ̂ ∑ ∑
∑ ̂ ∑ ∑
{
49
Donde:
̂ ̂ ̂
̂ ̂ ̂
̂ ̂ ̂
El modelo VEC anteriormente presentado tiene la siguiente interpretación: Existirán

regresiones cointegrantes (donde tiene que ser menor al número de variables de
estudio) que representarán a todas las posibles relaciones de equilibrio de largo plazo (es
decir, toda relación matemática donde las variables que la componen tienden en el tiempo
a un valor promedio) que pudiesen existir entre combinaciones diferentes de series
integradas de orden uno (no estacionarias). La variable anterior puede ser cualquiera
de las variables del trabajo (EXPT, GDPRCH_UT, PCOB y TCRSY) y esta no puede
coincidir con la variable dependiente de la regresión cointegrante (la primera en el lado
derecho de cada ecuación).
Además, la variable independiente de la regresión cointegrante ( ) no tiene que repetirse

en cada regresión y tampoco tiene que ser la única variable independiente de esta ya que
las otras variables del estudio también podrían ser estadísticamente significativas en la
regresión, haciendo que sean añadidas a la especificación de dicha regresión
cointegrante. Por lo tanto, la especificación final de estas regresiones cointegrantes se
definirá luego de realizar el análisis de cointegración entre las series y estimar el modelo
VEC final de la tesis.
Cuando se encuentren todas las regresiones cointegrantes, cada una generará un término
de corrección del error ( ̂ ), o también llamado ECT, que corregirá las desviaciones de
corto plazo que pudiesen existir entre el grupo de variables dentro del VEC. Es decir, cada
ECT dirá cuánto porcentaje (igual a , donde refiere a la ecuación del VEC donde está
este ECT y refiere a la regresión cointegrante a la que pertenece) de la desviación
ocurrida un trimestre antes en la ecuación del VEC es corregida hoy (el trimestre actual)
por dicho término.
50
Es preciso indicar que cada regresión cointegrante considera a las series en su estado no
estacionario, mientras que el ECT de dicha regresión viene a ser el residual estimado de
esta. Para el caso del modelo VEC, las series estarán en su estado estacionario
(volviéndose estacionarias con la toma de su primera diferencia) y adicionalmente se
incluirá a los ECT de cada regresión cointegrante encontrada como variables regresoras
en cada ecuación del VEC.
Por último, todo VEC debe presentar una longitud de rezago (número óptimo de rezagos),
por lo que será necesario el cálculo del rezago óptimo del VEC con el uso de criterios de
información (Akaike o Schwarz, de preferencia). Este rezago óptimo se suele calcular al
momento de estimar un modelo VAR con las series en su estado no estacionario
(usándose dicho VAR únicamente para verificar la existencia de cointegración) y el
número de rezagos obtenido en dicho modelo debe mantenerse para la estimación del
modelo VEC final.
A pesar que el modelo VEC presenta muchas ecuaciones y regresiones cointegrantes que
podrían darnos resultados muy interesantes, solo son de mayor importancia la primera
ecuación del VEC y la primera regresión cointegrante, ya que estas consideran a las
exportaciones tradicionales peruanas como la variable dependiente del modelo. Estas dos
ecuaciones son las siguientes:
∑ ̂ ∑ ∑
Donde:
̂ ̂ ̂
Esto quiere decir que nos enfocaremos en la regresión cointegrante que produzca una
relación de equilibrio de largo plazo entre las exportaciones tradicionales peruanas
( ) y sus posibles determinantes. En ese sentido, el ECT generado en dicha
regresión corregirá todas las desviaciones de corto plazo que se pudieran dar en los
valores de los determinantes de estas exportaciones, de manera que se mantenga dicha
relación de equilibrio en el tiempo.
Por último, con la ecuación del VEC que represente como variable dependiente a las
exportaciones tradicionales peruanas se podrá inferir como son afectadas estas ante
51
shocks (incrementos) producidos por sus determinantes, pudiendo ser incrementos o
reducciones trimestrales de su valor durante el tiempo en que el shock esté presente
hasta que desaparezca.
Ahora, el análisis de cointegración entre las series y la estimación del modelo VEC deben
ser antecedidas por un análisis de estacionariedad de las series. Por ello, se ha propuesto
el uso de tres pruebas econométricas: El test de Dickey-Fuller aumentado (ADF), el test
de Dickey-Fuller con data sin variables regresoras o untrended (DF-GLS) y el test de
Elliott-Rothenberg-Stock (ERS), los cuales serán utilizados conjuntamente para
comprobar si las series presentan reversión a la media. Este análisis de estacionariedad
será aplicado a las series desestacionalizadas y luego de que se les haya retirado la
tendencia lineal (el tratamiento previo a los datos, el cual ya se explicó). Asimismo, se
usará al menos una de las tres pruebas econométricas (el test ADF) en las series, si es
que estas presentan modelos auxiliares de la prueba sin ningún componente adicional
(como intercepto o tendencia).
Luego del análisis de estacionariedad, se procederá con la verificación de la causalidad

(poder explicativo autorregresivo) entre pares de series agrupadas. Por ello, se usará el
test de Granger para comprobar la existencia de causalidad. Además, en este
procedimiento se estimará el modelo VAR del par de series analizadas para determinar el
rezago óptimo del test de Granger.
Cabe indicar que la causalidad no es lo mismo que la correlación entre series sino algo
mucho más importante, debido a que puede existir correlación espuria que den resultados
sin interpretación económica adecuada. Por otro lado, la causalidad entre dos series
requiere que estas estén en estado estacionario (habiendo corregido la no
estacionariedad en caso exista). Por último, solo se verificará la relación de causalidad
unidireccional de los determinantes de las exportaciones tradicionales hacia estas y
viceversa. Otras posibles relaciones de causalidad entre pares de los determinantes
propuestos quedan descartadas del posterior análisis.
Terminado el análisis de causalidad entre las series, se procederá con el análisis de

cointegración. En este análisis se usará el test de Johansen, el cual verificará la existencia
de cointegración multiecuacional (aquella que suele ser común en el modelo VEC). Este
test suele usar dos subpruebas: El test de traza y el test de máximo autovalor, los cuales
permiten determinar el rango de la matriz (aquella matriz que posee los parámetros de
52
equilibrio de largo plazo entre las series) y que indicará si las series cointegran (se
mueven juntas) con el paso de los trimestres.
Ahora, habiendo comprobado la existencia de cointegración entre las series del estudio,
se procederá con la estimación del VEC y a este modelo se verificará los supuestos
clásicos de regresión lineal (principalmente, si el VEC presenta normalidad de los errores,
heteroscedasticidad y autocorrelación). Cierra el análisis econométrico del VEC la
estimación de las funciones impulso-respuesta y la descomposición de la varianza.
Por otro lado, en el presente trabajo también se considerará dentro del análisis del VEC la
posible existencia de quiebres estructurales en el periodo de la muestra (2002 – 2016). A
priori, la existencia de un quiebre estructural se pudo haber dado entre los años 2008 y
2010 (periodo que duró aproximadamente la crisis financiera mundial), cambiando
significativamente el valor de las exportaciones tradicionales peruanas. Por ello, luego de
obtener el modelo VEC estimado, se verificará la existencia de dicho quiebre estructural
con el uso de variables dummy para comprobar si hubo cambio en intercepto, pendiente o
en ambos (donde la variable explicativa afectada sería principalmente el PBI chino).
Por último, se hará una aclaración respecto al modelo econométrico elegido para esta
tesis (VEC). Trabajos como el de Shah, Abu y Sahlan (2013) indican que para un análisis
más preciso del impacto que generan los determinantes de las exportaciones (sean
tradicionales o no tradicionales) en las variaciones periódicas de estas últimas, es mucho
mejor el uso de modelos multiecuacionales como el VAR o VEC que corrigen el problema
de endogeneidad causado al emplear solo variables macroeconómicas.
En ese sentido, el VEC tiene una ventaja por encima de muchos modelos uniecuacionales
(como la regresión lineal) que se suelen usar cuando tienes data de series de tiempo.
Además, permite verificar la existencia de cointegración y añadirla al modelo, lo cual
también se puede realizar con un modelo uniecuacional como el modelo de corrección del
error (MCE) pero mantiene el problema de endogeneidad ya comentado. Entonces,
debido a su practicidad y mejor tratamiento con variables macroeconómicas, el VEC
termina siendo el modelo idóneo para encontrar los determinantes de las exportaciones
Cabe indicar que modelos como los de data panel también fueron descartados. Primero,
no existe una encuesta panel lo suficientemente grande para un análisis cuantitativo
53
adecuado de los datos. Segundo, verificar la existencia de cointegración en modelos de
datos panel hubiese requerido realizar estimaciones en paquetes estadísticos mucho más
sofisticados, dejando de lado el que se está usando en el trabajo (EViews 9). En
consecuencia, el VEC se mantuvo como el modelo más conveniente para la tesis.
54
Capítulo III: Resultados
En el presente capítulo se muestra y detalla la evidencia obtenida a partir del uso del
modelo econométrico propuesto (vector de cointegración) y de procedimientos
econométricos adyacentes (estacionariedad, causalidad, cointegración, descomposición
de la varianza y funciones de impulso respuesta, entre otros) que permitirán verificar si las
hipótesis planteadas en esta investigación respecto a la existencia de determinantes de
las exportaciones tradicionales y de una relación de equilibrio de largo plazo entre estas
variables se cumplen.
Además, también se podrá realizar una discusión de dichos resultados, de manera que se
encuentren implicancias económicas en el presente análisis econométrico y estas se
traduzcan en enriquecedoras conclusiones y recomendaciones para los hacedores de
política sobre como tratar el tema de los factores externos que determinan a las
exportaciones tradicionales peruanas.
11. Presentación de resultados
En la presente sección se explicarán los resultados obtenidos luego de haber realizado

todas las estimaciones de modelos y test econométricos mencionados en el plan de
análisis. Hay que tener en cuenta que previamente se desestacionalizaron todas las
series en el software econométrico EViews 9 usando el método Census ARIMA X12, uno
de los métodos más comunes para quitar el componente estacional a los datos.
11.1. Análisis econométrico a las series y estimación del modelo de investigación

(VEC).
Se procedió a verificar si cada una de las series era estacionaria o no, es decir, si
presentaba en su trayectoria de tiempo (sus datos en cada periodo trimestral) una
reversión hacia su media. Esto significa que se busca que las series tengan una media
constante y una varianza constante (concepto de estacionariedad débil). Por esa razón,
se inicia presentando en la siguiente tabla los resultados de las pruebas de
estacionariedad univariadas llevadas a cabo a las siete series analizadas.
55
Tabla 3
VERIFICACIÓN DE LA ESTACIONARIEDAD DE LAS SERIES

CON PRUEBAS UNIVARIADAS – PARTE 1
Serie Test ADF Test DF-GLS Test ERS Conclusión
Componente del
Intercepto Intercepto Intercepto
modelo auxiliar
es ( ), es
Rezago óptimo de la
0 0 0 decir, una serie no
prueba
estacionaria.
Estadístico de prueba -1.6200 -0.2955 51.0525
Orden de integración ( ) ( ) ( )
Componente del
Ninguno - -
modelo auxiliar
es ( ), es
14 - - decir, una serie no
prueba
estacionaria.
Estadístico de prueba -1.3106 - -
Orden de integración ( ) - -
Nota:
* Denota significancia al 10%. ** Denota significancia al 5%. *** Denota significancia al 1%.
1) ADF: Test de estacionariedad de Dickey-Fuller aumentado. DF-GLS: Test de raíz unitaria de Dickey-Fuller
considerando la técnica de estimación de mínimos cuadrados generalizados a los residuales sin el
componente de tendencia (GLS). ERS: Test de estacionariedad de Elliott-Rothenberg-Stock.
2) Las tres pruebas de estacionariedad univariadas consideraron como criterio de información al Akaike
modificado (MAIC), mientras que también consideraron un número máximo de rezagos igual a 14.
3) El test de estacionariedad ERS usó como método de estimación espectral el de mínimos cuadrados
ordinarios autorregresivo espectral (AR spectral OLS, por sus siglas en inglés).
Fuente: Elaboración propia con resultados de EViews 9
56
Tabla 4
VERIFICACIÓN DE LA ESTACIONARIEDAD DE LAS SERIES

CON PRUEBAS UNIVARIADAS – PARTE 2
Serie Test ADF Test DF-GLS Test ERS Conclusión
Componente del
Ninguno - -
modelo auxiliar es
Rezago óptimo de la ( ), es decir, una
0 - -
prueba serie no
Estadístico de prueba -2.1579** - - estacionaria.
Orden de integración ( ) - -
Componente del
Intercepto Intercepto Intercepto
modelo auxiliar
es ( ), es
0 1 0 decir, una serie
prueba
estacionaria.
Estadístico de prueba -1.8843 -1.2503 24.8167
Orden de integración ( ) ( ) ( )
Nota:
1) ADF: Test de estacionariedad de Dickey-Fuller aumentado. DF-GLS: Test de raíz unitaria de Dickey-Fuller
considerando la técnica de estimación de mínimos cuadrados generalizados a los residuales sin el
componente de tendencia (GLS). ERS: Test de estacionariedad de Elliott-Rothenberg-Stock.
2) Las tres pruebas de estacionariedad univariadas consideraron como criterio de información al Akaike
modificado (MAIC), mientras que también consideraron un número máximo de rezagos igual a 14.
3) El test de estacionariedad ERS usó como método de estimación espectral el de mínimos cuadrados
ordinarios autorregresivo espectral (AR spectral OLS, por sus siglas en inglés).
4) Debido a la presencia de una tendencia determinística (tendencia lineal) en la serie , se procedió
al retiro de la tendencia lineal (detrending) a la serie mediante la estimación de la siguiente regresión lineal
simple: donde refiere a la serie que incluye a la tendencia lineal y es dicha tendencia.
En consecuencia, el residual estimado de dicha regresión ( ̂ ) representará a la serie sin la tendencia lineal y,
por ende, esta es la serie que se debe usar para el análisis de estacionariedad (y el análisis econométrico
posterior) de . Finalmente, la serie sin tendencia tendrá el sufijo “ ” en el nombre de la serie.
De las dos tablas anteriores se concluye sin ambigüedad que las series y no
presentan reversión a la media en niveles, es decir, no tienen una media ni varianza
constante, lo cual las hace series no estacionarias en niveles. Sobre la situación de las
dos variables restantes ( y ) su situación es algo particular ya que el
57
único test de estacionariedad con el que se evaluó a estas series fue el DFA (Dickey-
Fuller aumentado) y sus resultados fueron contradictorios a lo que se esperaba.
Primero, es preciso aclarar que solo se usó este test para las dos series debido a que
según la revisión de sus gráficas, estas parecen no presentar un intercepto claramente
definido. Esto hace inviable usar los tests DF-GLS y ERS ya que estos solo se usan si hay
certeza de que la serie presenta un intercepto estadísticamente significativo. Sin embargo,
el test DFA presenta un modelo auxiliar que no incluye intercepto, por lo que se optó
como el test adecuado para verificar la estacionariedad en estas series.
Ahora, para el caso de , el test DFA arrojó el resultado de que la serie sería
estacionaria en niveles (con una significancia del 5%). Sin embargo, revisando la gráfica
de la serie en niveles, se puede observar que la serie no presenta reversión a la media
(en este caso, igual a cero) en la mayoría de los trimestres del periodo de muestra
considerado. Por lo tanto, a pesar de la significancia del test DFA al 5% (permitiendo
concluir que la serie sea estacionaria), de acuerdo al análisis gráfico, lo
contrario es mucho más probable a ser cierto (que la serie no sea estacionaria). Esto hace
que optemos por la segunda opción (la serie no es estacionaria en niveles).
En tanto que para el caso de , el test DFA arrojó el resultado de que la serie no era
estacionaria en niveles, lo cual hacía suponer que la serie era ( ). Sin embargo, al
tomarle la primera diferencia a la serie (volviéndola ( )), el test DFA
arrojó nuevamente el resultado de que la serie no era estacionaria (resultado no puesto
en la tabla), llevando a la pregunta de si era correcto o no trabajar con la serie y si esta
tenía un orden de integración mayor a uno.
Entonces, revisando la gráfica de la serie en primera diferencia, se puede

observar que la serie presenta reversión a la media (en este caso, igual a cero) en
prácticamente todo el periodo de muestra considerado. Por lo tanto, a pesar de la no
significancia del test DFA (permitiendo concluir que la serie no sea estacionaria),
de acuerdo al análisis gráfico, lo contrario es mucho más probable a ser cierto (que la
serie sea estacionaria). Esto hace que optemos por la segunda opción (concluyendo que
la serie en niveles es estacionaria en primera diferencia).
Por lo tanto, solo para dos series (de un total de siete) se tuvo que recurrir a la gráfica de
las series para decidir, fuera de los resultados de los tests de estacionariedad, si las
58
series presentaban reversión a la media o no, sea en niveles o en primera diferencia. Y ya
que se concluyó que las series y son no estacionarias, todas las
series consideradas en esta investigación son integradas de orden uno, reforzando la
sospecha de que podría existir cointegración entre las series y, muy probablemente, se
pueda obtener una relación de equilibrio de largo plazo entre estas.
Ahora, se procede con el siguiente análisis econométrico de los datos: La verificación de

la causalidad entre las series. Ya que las exportaciones tradicionales ( ) fueron
consideradas en secciones anteriores como la variable dependiente del modelo
econométrico a estimar, intuitivamente se infiere que se buscará saber si las otras seis
series (las variables independientes o explicativas) causan en sentido Granger a las
exportaciones. Por ende, relaciones de causalidad entre pares de las variables
independientes quedan descartadas del análisis.
Como paso final, es preciso indicar que el test de causalidad de Granger requiere que
todas las series consideradas para el análisis sean estacionarias. En consecuencia, como
todas las series de la tesis son no estacionarias (de acuerdo a los resultados de los tests
de estacionariedad de las dos tablas anteriores), entonces todas las series bajo estudio
deben ser transformadas en series estacionarias vía la toma de la primera diferencia. Por
ello, todas las series presentan al inicio de su nombre corto la letra “D” que indica que se
tomó la primera diferencia de la serie (es decir, ( ).
Ahora sí, se presenta en la siguiente tabla los resultados de la verificación de causalidad

entre las series de tiempo bajo estudio.
59
Tabla 5
VERIFICACIÓN DE LA CAUSALIDAD ENTRE LAS SERIES DE DATOS

Rezago
Estadístico
N° Relación de causalidad óptimo de Conclusión
F
la prueba
1 → 10 3.3095*** →
2 → 10 1.2544 →
3 → 14 1.6269 →
4 → 14 0.7754 →
5 → 14 1.1378 →
6 → 14 0.9578 →
Nota:
1) El análisis de la causalidad entre cada par de series se realizó con estas en su forma estacionaria. Es
decir, si las series eran ( ) per se, entonces no fueron transformadas en absoluto; mientras que si las series
eran ( ), entonces estas fueron transformadas en series estacionarias ( ) mediante la primera toma de
diferencias.
De todas las relaciones de causalidad analizadas en la siguiente tabla, solo una presenta
significancia estadística: La relación donde el PBI real de China causa en sentido Granger
a las exportaciones tradicionales peruanas. Esto es un resultado alentador a pesar que
las otras dos variables explicativas no causan a las exportaciones y es porque uno de los
objetivos de la presente tesis es determinar como son impactadas las exportaciones (o
como reaccionan estas) ante shocks principalmente externos (aumentos de las variables
explicativas), siendo el shock causado por la actividad económica china el más grande de
todos los considerados.
Asimismo, es preciso indicar que para llevar a cabo el test de causalidad de Granger, la
elección del rezago óptimo de la prueba se hizo en base al rezago óptimo del VAR
bivariado que se estima con las dos variables de la relación de causalidad bajo análisis.
En ese sentido, se agrupó cada variable explicativa con las exportaciones tradicionales
peruanas en pares, estimando un VAR con ellas y luego hallando el rezago óptimo
mediante el criterio de selección de rezago del VAR, el cual se hizo en base al valor
mínimo del criterio de información de Akaike (AIC).
60
Siguiendo esa línea, algo particular fue que las series de precios de los commodities oro,
zinc y plata arrojaban como rezago óptimo del VAR el número cero “0” (teniendo que
definir como rezago óptimo al primer rezago, para así llevar a cabo el test de Granger con
estas series), dando a entender que cada uno de estos precios no se podría estimar
conjuntamente con las exportaciones tradicionales usando los rezagos de ambas
variables. Esto también sugeriría que en caso se dé un modelo VAR o VEC como modelo
econométrico final para esta tesis, muy probablemente estas tres series de precios no
deberían ser incluidas en la especificación final, reduciendo el número de variables bajo
análisis. En todo caso, este hecho se comprobará luego de verificar la cointegración
multiecuacional entre las series o incluso en la estimación del modelo final mismo.
Ahora, como se dijo anteriormente, la conclusión de que las cuatro variables bajo estudio
son series no estacionarias (específicamente, integradas de orden uno), la posibilidad de
que estas cointegren es bastante grande. Es decir, puede que la combinación lineal entre
las exportaciones tradicionales peruanas junto con sus posibles determinantes
considerados en esta tesis genere una serie que sí sería estacionaria y esta sería el error
obtenido de la regresión entre estas. Por lo tanto, el análisis de cointegración busca
determinar aquella ecuación o regresión cointegrante que al estimarla permita el cálculo
de un término de corrección del error (error estacionario), el cual ajustará todas las
posibles desviaciones de las variables en el corto plazo, de manera que estas pueden
llegar a sus valores de equilibrio en el largo plazo.
Lo anterior fue la tradicional definición de cointegración entre un par o grupo de series,

como bien lo definieron Engle y Granger (1987). Sin embargo, el presente análisis de
cointegración tiene un enfoque multivariado que fue muy bien desarrollado por Johansen
y Juselius (1991), a partir del cual se pretende verificar la existencia de cointegración
entre muchas series endógenas mediante dos tipos de tests: El de traza y el del máximo
autovalor. Con ambos se obtendrá el número posible de regresiones cointegrantes
existentes a partir del rango de la matriz (matriz de las series en el largo plazo).
Por lo tanto, en la siguiente tabla se presenta los resultados del test de cointegración de
Johansen para el modelo planteado en secciones anteriores pero con las series no
estacionarias.
61
Tabla 6
VERIFICACIÓN DE LA COINTEGRACIÓN MULTIECUACIONAL

CON EL TEST DE JOHANSEN
Test de Traza Test de Máximo Autovalor
Modelo
MAP 2 MAP 3 MAP 2 MAP 3
Rango de 3 1 Rango de 1 1
Todas las Todas las Todas las Todas las
VAR 1 series son series son series son series son
Conclusión Conclusión
( ), hay 3 ( ), hay 1 ( ), hay 1 ( ), hay 1
reg. coint. reg. coint. reg. coint. reg. coint.
Nota:
1) MAP: Modelo auxiliar de la prueba de cointegración de Johansen.
2) VAR 1 equivale al modelo VAR estimado (con las series no estacionarias) de la siguiente manera:
EXPT = f(GDPRCH_UT, PCOB y TCRSY).
De la tabla anterior se puede comentar lo siguiente. Primero se consideró como modelo

VAR con las series no estacionarias a aquel que incluía a todas las variables bajo estudio
(las cuatro variables), a partir del cual se verificaría la existencia o no de una relación de
equilibrio de largo plazo. Y este modelo VAR 1 (aquel con las series no estacionarias
, , y ) sí evidenció la presencia de cointegración entre las
series, obteniendo resultados más convincentes con el modelo auxiliar 3 del test de
Johansen que con el modelo auxiliar 2. En ese sentido, se encontró una única regresión
cointegrante entre las series tanto con el test de traza como con el test de máximo
autovalor (es decir, el rango de fue igual a uno).
Esto quiere decir que sí existe una relación de equilibrio de largo plazo entre las variables
mencionadas y toda desviación de este equilibrio puede ser ajustada mediante un término
de corrección del error (que se estima a partir de dicha regresión cointegrante). Además,
el modelo final a estimar debe ser un VEC tetravariado con las cuatro variables
mencionadas antes y que el modelo auxiliar del VEC (el que se usará para la regresión
cointegrante) debe ser el modelo auxiliar tipo 3 del test de Johansen.
62
Con todo ello, se presenta la especificación del modelo VEC a estimar:
̂ ∑ ∑
̂ ∑ ∑
̂ ∑ ∑
̂ ∑ ∑
{
Donde:
̂ ̂ ̂ ̂ ̂
Dado que el rezago óptimo del VEC estimado es demasiado grande (igual a 5, según el
criterio de información de Akaike), entonces no se puede mostrar el valor de todos los
coeficientes estimados en dicho modelo. En consecuencia, se hablará de algunos de ellos
y se presentarán los resultados de la descomposición de varianza y las funciones impulso
– respuesta de este VEC.
Además de lo anterior, también se hace énfasis en el gran impacto que pueden tener los
quiebres estructurales dentro del modelo VEC estimado. Estos quiebres estructurales
pueden representar grandes cambios en el valor de las exportaciones tradicionales,
principalmente generados por acontecimientos económicos de relevancia mundial como
fue la crisis financiera del año 2008 – 2010 (periodo que está dentro de nuestra muestra
de investigación) o por determinadas políticas del país o de los países con un interés en
nuestras exportaciones. En ese sentido, un tratado de libre comercio (TLC) entre Perú y
China (definido como el principal socio comercial de nuestro país) puede también cambiar
significativamente la evolución de las exportaciones tradicionales y, por ello, es necesario
incorporar estos efectos en el presente modelo.
Para ello, se mostrará la significancia estadística individual y global de dos variables

dummy incluidas en el modelo VEC anterior. La primera es la variable CRISIS la cual es
una dummy del tipo one-time (impacto de un periodo) y quiere decir que redujo el valor de
las exportaciones tradicionales peruanas en un periodo particular. El periodo elegido es el
63
cuarto trimestre de 2007, que es donde aproximadamente se encuentra el inicio de la
crisis financiera a nivel mundial (octubre de ese año) aunque es preciso indicar que para
fines empíricos, se consideró al año 2008 como el del inicio de la crisis. Además, este
impacto debe considerarse temporal debido a que se hace el supuesto de que el patrón
temporal de las exportaciones tradicionales regresa a su valor promedio en los trimestres
posteriores, hasta el final de la muestra considerada.
La segunda variable dummy se llamará TLC y es una variable del tipo intercept-break
(cambio en el intercepto). Esta dummy, a diferencia de la primera, debió tener un efecto
positivo permanente desde el periodo en que comienza a generar un impacto en las
exportaciones tradicionales. Para este caso, se ha elegido como dicha fecha al segundo
trimestre del año 2010 porque es el periodo donde aproximadamente ocurrió la entrada en
vigor de dicho acuerdo y este se mantiene hasta la fecha. Por lo tanto, el impacto de esta
dummy se considera hasta el final de la muestra.
Habiendo explicado como funcionarán dichas variables dummy en el modelo final de la

tesis, en la siguiente tabla se verifica la significancia estadística individual y global de
dichas dummies en la ecuación de mayor importancia del VEC, la primera ecuación que
utiliza a las exportaciones tradicionales como la variable dependiente y a las demás como
sus determinantes. Esta significancia estadística se comprueba con las convencionales
pruebas t y F, respectivamente.
Tabla 7
VERIFICACIÓN DE LA EXISTENCIA DE QUIEBRES ESTRUCTURALES EN EL MODELO VEC FINAL

Ecuación del VEC analizada:
̂ ∑ ∑
Variable Coeficiente t-estadístico

CRISIS -0.163 2.731***
TLC 0.146 3.066***
F-estadístico conjunto de las dos variables 4.305***
Nota:
64
De la tabla anterior se puede concluir que ambas variables dummy son significativas
(tanto de manera individual como conjunta) en la ecuación del VEC que refiere a las
exportaciones tradicionales peruanas. Esto quiere decir que estas variables sí
representan adecuadamente quiebres estructurales en el valor de las exportaciones de la
última década, sea bien por un panorama económico adverso como es una crisis
financiera mundial (que generó una reducción promedio de las exportaciones en 16.3%
durante el inicio de la crisis), o por políticas comerciales conjuntas entre los socios como
lo es el TLC Perú – China (que aumentó en promedio las exportaciones en 14.6% desde
su entrada en vigencia allá por 2010). Por ello, ambas dummies serán mantenidas en el
modelo VEC final de la tesis.
Ahora se procede a analizar la descomposición de la varianza y la función impulso –

respuesta del modelo VEC final. Cabe indicar que solo es relevante los resultados
respecto a la primera ecuación del VEC, donde las exportaciones tradicionales peruanas
son explicadas por sus propios rezagos, los rezagos del PBI real chino, los rezagos del
precio internacional del cobre y los rezagos del tipo de cambio real sol-yuan.
65
Entonces, los resultados de la descomposición de la varianza para esta ecuación se
aprecian en el siguiente gráfico.
Figura 7
Descomposición de la varianza de EXPT

en función de sus determinantes
100
80
Valores porcentuales
60
40
20
0
1 2 3 4 5 6 7 8 9 10
Periodos (trimestres)
EXPT GDPRCH_UT
PCOB TCRSY
De la figura anterior se puede ver claramente que desviaciones de corto plazo de las
exportaciones tradicionales son, en promedio, explicadas en 95% por la misma variable,
mientras que el 5% restante es explicado en conjunto por las otras tres variables
consideradas. Esto contrasta enormemente con la cointegración existente entre las
variables, aunque puede ser que las desviaciones sean tan grandes en el corto plazo que
no puedan ser capturadas por las desviaciones o variaciones del PBI real chino, del precio
internacional del cobre o del tipo de cambio real sol-yuan, mientras que en el largo plazo
el tamaño de estas desviaciones es muchísimo más pequeño y las variables explicativas
(los rezagos de , y ) las pueden capturar de manera más
sencilla y en un mayor porcentaje.
66
Ahora, con respecto a las gráficas de las funciones impulso – respuesta de este VEC
tetravariado estimado, estas se aprecian en las siguientes tres figuras:
Figura 8
Función de Impulso - Respuesta

Respuesta de EXPT ante un shock de GDPRCH_UT
80
40
-40
-80
1 2 3 4 5 6 7 8 9 10
Figura 9

Respuesta de EXPT ante un shock de PCOB
80
40
-40
-80
1 2 3 4 5 6 7 8 9 10
67
Figura 10

Respuesta de EXPT ante un shock de TCRSY
80
40
-40
-80
1 2 3 4 5 6 7 8 9 10
De las tres figuras anteriores se obtienen resultados bastante interesantes. Primero, ante
un shock externo creado por mayor actividad económica de China, las exportaciones
tradicionales sufren incrementos significativos (entre 5 y 40 millones de dólares) durante
máximo 5 trimestres, para pasar en los siguiente 5 trimestres a caídas por el mismo valor.
Esto quiere decir que el PBI real chino tiene un impacto positivo significativo en las
exportaciones tradicionales peruanas y con una duración relativamente larga. Con ello, las
predicciones de esta tesis coinciden con lo visto en muchos otros trabajos que determinan
los factores de impacto en las exportaciones, demostrando que el PBI extranjero (en el
caso de muchas pequeñas economías, representado a través del PBI chino) es un claro
determinante de la actividad comercial de un país.
Por otro lado, la respuesta de las exportaciones tradicionales peruanas a un shock

externo como es el incremento del precio internacional del cobre terminó siendo positivo
en apenas un periodo (luego de tres trimestres) y la reducción se mantiene en los demás
periodos (siendo en el décimo trimestre incluso cercana a 40 millones). Esto puede
deberse a que, ante tantos productores de cobre en el mundo que se disputan las
ganancias de un precio más alto por el mineral, la competencia es bastante ruda para
garantizar al demandante (en este caso China u otros países demandantes). En
68
consecuencia, las exportaciones tradicionales incrementan su valor en los primeros
meses y luego terminan con una reducción de este ante la falta de clientes que puedan
pagar ese mayor precio por el commodity.
Finalmente, tenemos la respuesta de las exportaciones tradicionales peruanas ante un

incremento del tipo de cambio real sol-yuan. Es preciso indicar que la moneda más débil
en este tipo de cambio bilateral es el yuan, por lo que un incremento de este tipo de
cambio significa una apreciación del sol respecto al yuan (o una depreciación del yuan
respecto al sol, donde cuesta más yuanes comprar un sol). Eso significa que la
interpretación será diferente a la que solemos usar cuando se compara nuestra moneda
contra el dólar: Un incremento del tipo de cambio real sol-yuan incrementa las
exportaciones chinas, mientras que paralelamente reduce las exportaciones peruanas.
Por lo tanto, de acuerdo a la gráfica de la función impulso-respuesta, el impacto tiene el

signo correcto: Ante un shock cambiario (depreciación del yuan respecto al sol, o un
incremento de este tipo de cambio bilateral), las exportaciones tradicionales peruanas ven
una reducción considerable en un monto o valor. A saber, entre el segundo y el décimo
trimestre después del shock cambiario, las pérdidas en el valor de las exportaciones
tradicionales se mantienen alrededor de 40 millones por trimestre.
Si bien esto es malo para nuestro país, uno puede darse cuenta que principios
económicos de la balanza comercial (como Marshall-Lerner) o la evidencia de la curva J
son claramente apreciables en esta función impulso-respuesta. Lo único que queda
esperar es una apreciación del yuan respecto al sol, de manera que el tipo de cambio real
entre estas monedas se reduzca y eso impulse las exportaciones tradicionales peruanas
con el socio comercial chino y muchos otros demás países.
11.2. Pronósticos con el modelo VEC final.
Lo último a presentar como resultados de esta tesis son los pronósticos que se pueden
obtener a partir del VEC final estimado. Para esto, se comprobará si estos pronósticos o
valores esperados de las exportaciones tradicionales peruanas se aproximan o no a los
valores reales de estas exportaciones tanto para observaciones dentro como fuera de la
muestra. Nuevamente, solo es de interés realizar los pronósticos de la ecuación 1 del
VEC ya que esta nos dará los valores esperados de las exportaciones tradicionales
peruanas.
69
La siguiente tabla muestra la comparación de los valores pronosticados con los valores
reales de las exportaciones tradicionales. Para el caso de los pronósticos dentro y fuera
de la muestra, se consideró como valores reales de las exportaciones a los obtenidos en
los periodos “Primer trimestre de 2016 – Cuarto trimestre de 2016” y “Primer trimestre de
2017 – Cuarto trimestre de 2017”, respectivamente.
Tabla 8
PROYECCIONES DE LAS EXPORTACIONES TRADICIONALES PERUANAS CON EL MODELO VEC

FINAL
Ecuación del VEC usada para la proyección:
̂ ∑ ∑
Comparación dentro de la muestra

Trimestre Valor real de EXPT Valor proyectado de EXPT
2016 T1 1,774.03 1,725.11
2016 T2 1,979.08 1,903.89
2016 T3 2,379.78 2,299.43
2016 T4 2,619.74 2,578.07
Comparación fuera de la muestra
Trimestre Valor real de EXPT Valor proyectado de EXPT
2017 T1 2,519.14 2,448.90
2017 T2 2,616.15 2,600.55
2017 T3 2,936.79 2,889.01
2017 T4 3,047.65 2,997.33
Nota:
Los valores reales y proyectados de las exportaciones tradicionales (EXPT) están en millones de dólares a
valores free-on-board (FOB).
De la tabla anterior se puede observar que la ecuación del VEC de principal atención para
esta investigación (la ecuación 1) produce pronósticos de las exportaciones tradicionales
peruanas bastante certeros, con valores proyectados muy cercanos y ligeramente
menores a los valores reales en todos los casos.
Asimismo, es bastante notable que la comparación con datos dentro y fuera de la muestra
tengan resultados muy similares a los valores reales. Esto quiere decir que el error de
70
proyección es mínimo (de apenas el 1% aproximadamente), por lo que este modelo
multiecuacional elegido (VEC), con los determinantes escogidos y las variables dummy
utilizadas para considerar el quiebre estructural, es el modelo más adecuado para estimar
el comportamiento de las exportaciones tradicionales en el tiempo, así como el más
preciso para obtener valores esperados.
71
12. Discusión
En esta sección se corroborará si las hipótesis principal y específicas planteadas en esta

tesis se cumplieron mediante la verificación del rechazo o no de sus respectivas hipótesis
nulas. Además, de dichas verificaciones se extraerán y explicarán ideas importantes que
ayudarán a realizar las posteriores conclusiones y recomendaciones de la presente
investigación.
Primero, se logró obtener evidencia de cointegración en el modelo VAR con series no

estacionarias propuesto (VAR 1), entonces la hipótesis nula de la hipótesis principal debe
ser rechazada, con lo cual se comprueba que existe una relación de equilibrio de largo
plazo entre las exportaciones tradicionales peruanas y sus determinantes, para el periodo
de investigación (2002 – 2016). Este resultado es importante porque indica que, bajo las
políticas económicas actuales llevadas a cabo tanto por Perú como por China (así como
bajo las políticas comerciales que existen entre estas), la evolución de las exportaciones
tradicionales peruanas llega a un promedio común con la evolución del PBI chino, el
precio internacional del cobre y el tipo de cambio real bilateral entre los países.
Además, lo anterior también indica la dependencia de nuestras exportaciones

tradicionales de solo factores externos, por lo que factores internos como el nivel de
productividad de los sectores que aportan productos a la exportación, el nivel tecnológico
de dichas industrias, entre otros, no aportan poder explicativo a dichas exportaciones.
Esto bien podría ser por la naturaleza de las exportaciones tradicionales (en su mayoría,
de materia prima que no requiere mayor perfeccionamiento del producto para la venta) o
bien se debería al gran alcance que tienen las políticas y variables macroeconómicas
(como PBI extranjeros, precios internacionales y tipos de cambio) a la hora de determinar
las variaciones de las exportaciones.
En relación a las hipótesis específicas restantes, no se rechazó la hipótesis nula en las

hipótesis 1 y 3, mientras que se rechazó dicha hipótesis para la número 2. Sobre los
resultados positivos (aquellos donde la función de impulso – respuesta mostró
incrementos en las exportaciones tradicionales peruanas), se pudo encontrar el hecho
más esperado en la presente tesis: Que aumentos del producto bruto interno de China
( ) genera un mayor valor en las exportaciones tradicionales, alcanzando un
valor promedio de 40 millones de dólares de incremento hasta 4 trimestres después de
ocurrido el shock externo. Si bien se esperaba que este shock tuviera una mayor duración
72
(al menos 5 trimestres), puede ser que la desaceleración del crecimiento mundial de los
últimos años haya generado periodos menores de crecimiento en las exportaciones por
choques externos.
Ahora, el incremento de las exportaciones tradicionales peruanas debido al choque

externo del precio internacional del cobre ( ) fue demasiado pequeño, siendo menor
al valor promedio esperado de 10 millones de dólares y apenas duró un trimestre luego
del shock, generando más bien pérdidas promedio de 20 millones de dólares durante
ocho trimestres seguidos. Como bien se ha dicho en los resultados, la gran competencia
entre países productores de cobre y un probable único comprador (China) puede darse
incluso con precios altos del bien, generando al final una reducción de las ganancias en
las exportaciones, haciendo que caiga su valor en el tiempo. Lo último puede ser una
contradicción con la realidad (donde los precios del cobre están altos y los valores de las
exportaciones tradicionales se incrementan en el tiempo); sin embargo, los dos casos
(caída o incremento de las exportaciones tradicionales por un incremento del precio
internacional del cobre) son bastante posibles.
Sobre el resultado negativo (donde la función de impulso – respuesta mostró reducciones

en las exportaciones tradicionales peruanas), se pudo encontrar otro hecho interesante en
esta tesis: Que, teniendo al yuan como la moneda débil, un choque externo generado por
un incremento del tipo de cambio real bilateral entre Perú y China (una
depreciación del yuan frente al sol), termina generando una caída persistente en el valor
de las exportaciones tradicionales, con una reducción promedio de 40 millones de dólares
y con una duración bastante larga (igual a diez periodos). Esto nos ubica en un contexto
donde la política comercial es fundamental porque el Perú se vería perjudicado en
devaluaciones del yuan llevadas a cabo por el Banco Central de China, así como en
incrementos del precio promedio de los bienes chinos en dicho país (inflación).
Asimismo, el papel del banco central peruano (BCRP) también será relevante ya que
incrementos en la tasa de inflación peruana podrían contrarrestar las subidas de los
precios chinos y así evitar depreciaciones del tipo de cambio real bilateral (como también
posteriores pérdidas en el valor de las exportaciones). Sin embargo, dado que el objetivo
del BCRP es preservar la estabilidad monetaria (llevando a cabo políticas monetarias para
que la inflación no varíe por encima de cierto rango meta), entonces el único camino para
amortiguar las depreciaciones del tipo de cambio real bilateral es mediante ajustes a su
73
tipo de cambio nominal, es decir, reaccionando prudencialmente a estas posibles
devaluaciones del yuan por parte del banco central chino.
En consecuencia, como evitar la depreciación del tipo de cambio real sol – yuan es una
tarea muy difícil desde el Perú, probablemente en trimestres futuros se vean pérdidas en
el valor de las exportaciones tradicionales peruanas (no causadas por caídas en el PBI
chino ni por caídas en el precio internacional del cobre) y ahí se verá la importancia de
dicho tipo de cambio.
Por último, es necesario comparar los resultados de los pronósticos de las exportaciones
tradicionales peruanas encontradas en esta investigación contra los de otros trabajos. Se
puede decir que los pronósticos aquí fueron muchos más consistentes debido a que el
error de predicción fue bastante bajo (1%), en relación a los pronósticos presentados por
Zada, Muhammad y Bahadar (2011) quienes presentaron un error de 4% con sus
modelos de ecuaciones simultáneas (de oferta y demanda) bajo un método generalizado
de momentos. Incluso, para trabajos con métodos de estimación MCO como los hechos
por Abolagba et al. (2010) y Abu et al. (2010), el error es también mucho más bajo ya que
dichos modelos (ambos regresiones lineales múltiples) consiguieron 5% de fallo en sus
pronósticos de las exportaciones.
Lo anterior quiere decir que este modelo tiene un gran poder predictivo, factor que debe
ser tomado en cuenta al momento de la valoración del VEC como modelo más adecuado
para encontrar los determinantes de las exportaciones tradicionales peruanas (o quizás
de otros países). Asimismo, dado que ha funcionado bastante bien con sus valores
esperados tanto dentro como fuera de la muestra, da un buen aliciente para utilizarlo en
futuras investigaciones relacionadas y con un mayor tamaño de muestra en años
venideros.
74
13. Conclusiones
El presente estudio ha permitido extraer un número de conclusiones muy importante

sobre los determinantes de las exportaciones tradicionales en el Perú. Primeramente está
el papel del producto bruto interno extranjero, el cual presenta un impacto positivo
significativo en las exportaciones peruanas. Esto quiere decir que ante shocks externos
(por actividad económica de países que son socios comerciales con el Perú), el incentivo
a exportar materias primas (productos históricamente más demandados en el exterior) se
ve incrementado, dando lugar a un aumento del valor de las exportaciones peruanas.
Lo anterior permite concluir que este comportamiento de las exportaciones tradicionales

ante shocks de actividad económica foránea es exactamente igual al pronosticado en las
teorías macroeconómicas convencionales (modelo Mundell-Fleming de pequeñas
economías abiertas) y al obtenido en la literatura actual. Ahora, para el caso particular de
China, los resultados son más que alentadores ya que el shock externo generado (por
mayor demanda china de commodities peruanos) produce incrementos en las
exportaciones tradicionales en 40 millones de dólares trimestralmente, con una duración
del shock de aproximadamente 5 trimestres (casi año y medio). Esto permite inferir que
con una demanda continua de este país (como se ha visto en los periodos 2006-2013 y
finales de 2016 hasta hoy), el Perú mantendrá un incremento anual constante de sus
exportaciones, para luego estabilizarse con una pequeña bajada.
Además, aunque el cobre presenta significancia estadística como un determinante, su

impacto no fue tan fuerte como el esperado. La subida de las exportaciones apenas se
detecta casi un año después del impacto, convirtiéndose en pérdidas para el Perú en los
siguientes trimestres. Como se dijo anteriormente, la alta competencia de productores de
cobre por un único demandante (China) o un grupo pequeño de demandantes genera una
suerte de monopsonio internacional, donde el poder de mercado es ejercido por el
comprador de commodities y los productores son sometidos a reducciones de precio.
Probablemente esto fue lo que ocurrió durante los últimos tres a cuatro años, donde el
ritmo de crecimiento de las exportaciones tradicionales bajó junto con caídas del precio
internacional del cobre. Se espera que la subida reciente del precio del cobre genere el
efecto contrario en las exportaciones (subida continua), así también como definir si esta
subida de precios puede ser por pérdida de poder de mercado de la economía china en
los países pequeños o por incremento de otros demandantes internacionales.
75
Un punto interesante a considerar en la tesis es que si bien se excluyeron los efectos de
causalidad entre las variables independientes del modelo (los factores de impacto en las
exportaciones tradicionales peruanas), puede que la existencia de alguna correlación
entre estas haya afectado a los resultados obtenidos anteriormente. Del único caso que
se puede sospechar es la posible causalidad (y correlación) entre el PBI chino y el precio
internacional del cobre, ya que la demanda china por materia prima de países pequeños
es bastante alta, pudiendo alterar el precio de este commodity en un trimestre cualquiera
del periodo considerado. Queda para posteriores investigaciones la verificación de esta
posible relación entre las variables y de como la exclusión de alguna de estas (con más
certeza, la del precio internacional del cobre) pueda confirmar o desmentir los impactos y
respuestas aquí obtenidas.
Con respecto al papel del tipo de cambio real sol-yuan, se puede concluir que su impacto
concuerda con lo obtenido en principios de economía abierta y comercio internacional
(como la condición Marshall-Lerner y la curva J). Esto es porque ante la caída de este tipo
de cambio real (donde el yuan es la moneda débil), nuestras exportaciones se verán
reducidas considerablemente por un periodo de dos años y medio, con caídas promedio
de 40 millones de dólares por trimestre. Lo anterior implica que la apreciación de este tipo
de cambio bilateral mejorará nuestra balanza comercial por un largo periodo y a una
magnitud constante. Entonces, el papel de este tipo de cambio como factor de impacto en
las exportaciones está garantizado y solo basta esperar subidas de este para obtener
ganancias por el comercio internacional con China.
También se resalta el hecho de haber encontrado una relación de equilibrio de largo plazo
entre las cuatro variables del modelo VEC definitivo. Esto garantiza que toda desviación
(de corto plazo) de las variables en sus trayectorias de tiempo sea corregida por una
combinación lineal de las mismas variables (el término de corrección del error). Y además,
esto permite que el papel de los rezagos de cada determinante propuesto en la tesis sea
importante a la hora de determinar las variaciones trimestrales de las exportaciones
Por último, es preciso indicar que el modelo de investigación escogido (VEC) ha tenido un
gran poder predictivo, el cual se demostró con pronósticos de las exportaciones
tradicionales peruanas bastante cercanos a sus valores reales, tanto dentro como fuera
de la muestra. Además, su error de predicción ha sido mucho menor que el de otros
trabajos recientes, lo cual resalta mucho más su uso en futuras investigaciones.
76
14. Recomendaciones
Dentro de todas las sugerencias que esta tesis puede dar a la literatura actual sobre los
determinantes de las exportaciones tradicionales de un país, se han considerado aquellos
que serían los más satisfactorios para las políticas económicas y comerciales del Perú.
Primero, sobre como aprovechar mejor el impacto positivo del PBI real chino en las
exportaciones peruanas, una recomendación preliminar sería incrementar el número de
commodities que sean de alta demanda para esta economía. Si bien podrían ser otras
materias primas, la idea de exportarle productos mucho más elaborados (y con un enorme
valor agregado) sería más favorable ya que el impacto del PBI chino sería incluso mayor
en los siguientes años y este país se afianzaría como nuestro mayor socio comercial.
Asimismo, se debería revisar los actuales tratados de comercio con China. Actualmente,
un TLC (tratado de libre comercio) está en vigencia con este país. Lo recomendable no
sería sacar productos del tratado sino incrementarlos, principalmente manufacturas que
garantizan una mayor ganancia en precio y en volumen. Esta sugerencia tampoco se
debería descartar para otros grandes socios comerciales del Perú (Estados Unidos, la
alianza del Pacífico, otros países desarrollados, etc.), ya que es evidente la urgente
necesidad de mejorar la balanza comercial para dinamizar la actividad económica
peruana, duramente afectada en los últimos trimestres por factores coyunturales y
sistémicos.
Sobre sugerencias generadas por el impacto del precio internacional del cobre en las
exportaciones peruanas, el mensaje es similar al anterior: Se debería mantener altos los
precios no solo incrementando la participación peruana en el volumen de producción
mundial de cobre (incrementando la demanda extranjera por el mineral de este país), sino
también ofreciendo productos (hechos en base a este mineral) con mayor valor agregado,
de manera que las ganancias obtenidas por su venta sean mayores a las que se
consiguen solo por la materia prima. Un plan adecuado de industrialización peruana
debería llevarse a cabo, buscando resultados de largo plazo que involucren no solo al
cobre, sino a otros minerales, combustibles y demás. Un buen punto de inicio sería
empezar con una ciudad industrial para el cobre en zonas periféricas de Lima y luego ir
incluyendo otros commodities con alta probabilidad de demanda de países como China.
77
Finalmente, una sugerencia relevante sobre el tipo de cambio real sol-yuan es que esta
variable debería ser creada y monitoreada trimestralmente por instituciones públicas y
privadas del país ya que, como se pudo ver, su impacto tiene alta significancia para las
exportaciones peruanas. Instituciones como el banco central de reserva del Perú (BCRP)
podrían hacer esto fácilmente, de manera que estos datos se puedan usar para
seguimiento e investigaciones sobre economía internacional y la influencia de grandes
socios comerciales en nuestra actividad comercial (como lo es hoy China).
Por último, es preciso hacer un seguimiento a las políticas cambiarias de China ya que
este país podría llevar a cabo fuertes devaluaciones de su moneda que impactarían
terriblemente a las exportaciones tradicionales peruanas durante muchos trimestres.
Todas estas sugerencias deberían ser tomadas en cuenta por los hacedores de política y
por investigadores que deseen emprender análisis mucho más complejos sobre las
exportaciones tradicionales.
78
Capítulo IV: Referencias
Abolagba, E.; Onyekwere, N.; Agbonkpolor, B.; Umar, H. (2010) Determinants of

Agricultural Exports. Journal of Human Ecology, Vol. 29, pp. 181-184.
Abu, A.; Romstad, E.; Huo, X. (2010) Determinants of Egyptian Agricultural Exports: A
Gravity Model Approach. Modern Economy, Vol. 1 (November) pp. 134-143.
Amiti, M.; Weinstein, D. (2011) Exports and Financial Shocks. The Quaterly Journal of
Economics, Vol. 126, No. 4 (November), pp. 1841-1877.
Ault, D. (1972) The Determinants of World Steel Exports: An Empirical Study. The Review
of Economics and Statistics, Vol. 54, No. 1 (February), pp. 38-46.
Bonroy, O.; Gervais, J. P.; Larue, B. (2007). Are Exports a Monotonic Function of
Exchange Rate Volatility? Evidence from Dissagregated Pork Exports. The Canadian
Journal of Economics, Vol. 40, No. 1 (February), pp. 127-154.
Born, B.; Pfeifer, J. (2014) Risk Matters: The Real Effects of Volatility Shocks: Comment.
The American Economic Review, Vol. 104, No. 12 (December), pp. 4231-4239.
Fleming, J. M. (1962). Domestic Financial Policies Under Fixed and Under Floating
Exchange Rates. IMF Staff Papers, Vol. 9, pp. 369-380.
Hanson, G. (2012) The Rise of Middle Kingdoms: Emerging Economies in Global Trade.
The Journal of Economics Perspectives, Vol. 26, No. 2, pp. 41-63.
INEI (2017). Evolución de las exportaciones e importaciones – Diciembre 2017. Informes

técnicos del INEI, No. 2 (Febrero 2018), pp. 1-51.
Johnson, R. (2014) Five Facts about Value-Added Exports and Implications for
Macroeconomics and Trade Research. The Journal of Economic Perspectives, Vol. 28,
No. 2, pp. 119-142.
Jongwanich, J. (2007) Determinants of Export Perfomance in East and Southeast Asia.

ERD Working Paper Series, No. 106.
79
Kristjánsdóttir, H. (2004) Determinants of Exports and Foreign Direct Investment in a Small
Open Economy, Islandia, Universitatis Islandiae Sigillum.
Lapp, S.; Scheide, J.; Solveen, R. (1995) Determinants of Exports in the G7-countries. Kiel
Working Paper, No. 707 (September).
Larios, J.; Álvarez, V. (2014). Análisis Econométrico de Series de Tiempo. Lima, Perú:
Fondo Editorial de la Universidad San Ignacio de Loyola.
Larios, J.; Álvarez, V.; Quineche, R. (2014). Fundamentos de Econometría. Lima, Perú:
Fondo Editorial de la Universidad San Ignacio de Loyola.
Mendoza, W. (2015) Macroeconomía Intermedia para América Latina. Lima, Perú: Fondo
Editorial PUCP.
Mundell, R. (1957). International Trade and Factor Mobility. The American Economic
Review, Vol. 47, No. 3 (June), pp. 321-335.
Musonda, A. (2008) Exchange Rate Volatility and Non-Traditional Exports Perfomance:

Zambia, 1965-1999. Munich Personal RePEc Archive (MPRA) Paper, No. 26952 (April).
Prasad,S. (2000) Determinants of exports in Fiji. Working Paper, Economics Department,

Reserve Bank of Fiji, No. 04 (June, Suva).
Rodriguez, A.; Tselios, V.; Winkler, D.; Farole, T. (2012) Geography and the Determinants
of Firm Exports in Indonesia. World Development, Vol. 44, pp. 225-240.
Ruiz, E. (2014). Elección de los Modos de Exportación: Evidencia de Empresas Peruanas.

Revista Estudios Económicos, No. 28 (Diciembre), pp. 61-76.
Shah, I.; Abu, N.; Sahlan, R. (2013) The Determinants of Exports between Malaysia and
the OIC Member Countries: A Gravity Model Approach. Procedia Economics and Finance
5, pp. 12-19.
Tariq, M.; Ahmad, E. (2006) Determinants of Exports in Developing Countries. The

Pakistan Development Review, Vol. 45, Part II, pp. 1265-1276.
80
Tharakan, K.; Van Beveren, I.; Van Ourti, T. (2005) Determinants of India’s Software
Exports and Goods Exports. The Review of Economics and Statistics, Vol. 87, No. 4
(November), pp. 776-780.
Wagner, R.; Zahler, A. (2015) New exports from emerging markets: Do followers benefit
from pioneers? Journal of Development Economics 114, pp. 203-223.
Winkelried, D.; Saldarriaga, M. (2012) Socios comerciales y crecimiento económico.

Revista moneda – Banco central de reserva del Perú, Vol. 152 (Noviembre), pp. 31-35.
Zada, N.; Muhammad, M.; Bahadar, Khan. (2011) Determinants of Exports of Pakistan: A
Country-wise Disaggregated Analysis. The Pakistan Development Review, Vol. 50, Part II,
pp. 715-732.
81
Capítulo V: Anexos
A.1. Matriz de consistencia de la tesis
Tabla 9
MATRIZ DE CONSISTENCIA DE LA TESIS – PARTE 1

Tipo Problemas Objetivos Justificación
¿Existe una relación de equilibrio de largo plazo Determinar si existe una relación de equilibrio de Evidente falta de estudios sobre los
entre las exportaciones tradicionales peruanas y largo plazo entre las exportaciones tradicionales determinantes de las exportaciones
General
sus posibles determinantes, para el periodo peruanas y sus posibles determinantes, para el tradicionales (al menos, en el Perú).
2002 – 2016? periodo 2002 – 2016.
¿Cuál es y cuánto dura el impacto de un Determinar si un aumento del producto bruto Además, la mayoría de la literatura
Específico aumento del producto bruto interno de China en interno de China tuvo un impacto positivo en las existente se ha enfocado mucho más en el
1 las exportaciones tradicionales, para el periodo exportaciones tradicionales, para el periodo 2002 análisis de las exportaciones no
2002 – 2016? – 2016. tradicionales, por el valor agregado de los
¿Cuál es y cuánto dura el impacto de un Determinar si un aumento del precio internacional productos que la comprenden.
Específico aumento del precio internacional del cobre en del cobre tuvo un impacto positivo en las
2 las exportaciones tradicionales, para el periodo exportaciones tradicionales, para el periodo 2002 Finalmente, esta investigación brindará
2002 – 2016? – 2016. importantes hallazgos a los policy makers
para redirigir las políticas económicas
¿Cuál es y cuánto dura el impacto de un Determinar si un aumento del tipo de cambio real existentes respecto a la promoción y
Específico aumento del tipo de cambio real sol – yuan en sol – yuan tuvo un impacto negativo en las alcance que ellos buscan dar a las
3 las exportaciones tradicionales, para el periodo exportaciones tradicionales, para el periodo 2002 exportaciones tradicionales, principalmente
2002 – 2016? – 2016. a la exportación de cobre.
82
Tabla 10
MATRIZ DE CONSISTENCIA DE LA TESIS – PARTE 2

Tipo Hipótesis Variables Indicadores Método
Sí existió una relación de equilibrio de largo plazo entre las exportaciones  EXPT Estadísticos del test Muestra:
tradicionales peruanas y sus posibles determinantes, para el periodo 2002 – 2016.  GDPRCH de cointegración de Variables macroeconómicas
General
No existió dicha relación de equilibrio de largo plazo mencionada, para el  TCRSY Johansen, vector de medidas en periodos
periodo 2002 – 2016.  PCOB cointegración (VEC) trimestrales, entre los años
Un aumento del producto bruto interno de China en 1 billón de yuanes durante 2002 y 2016 (60
Función de impulso
el trimestre pasado, generará un incremento promedio de las exportaciones observaciones).
respuesta (IRF)
Específico tradicionales en 40 millones de dólares, para el periodo 2002 – 2016.  EXPT
donde el impulso es
1 Un aumento del producto bruto interno en 1 billón de yuanes durante el  GDPRCH Tipo de investigación:
GDPRCH y la
trimestre pasado, generará un incremento promedio menor al mencionado, para el Cuantitativa
respuesta es EXPT
periodo 2002 – 2016.
Un aumento del precio internacional del cobre en 1 centavo de dólar durante el Diseño de investigación:
Función de impulso
trimestre pasado, generará un incremento promedio de las exportaciones No experimental (análisis
respuesta (IRF)
Específico tradicionales peruanas en 10 millones de dólares, para el periodo 2002 – 2016.  EXPT correlacional).
donde el impulso es
2 Un aumento del precio internacional del cobre en 1 centavo de dólar durante el  TCRSY
TCRSY y la
trimestre pasado, generará un incremento promedio menor al mencionado, para el Plan a seguir:
respuesta es EXPT
periodo 2002 – 2016. Recolección de los datos,
Un aumento del tipo de cambio real sol – yuan en 1% durante el trimestre calibración de las variables,
Función de impulso
pasado, generará una reducción promedio de las exportaciones tradicionales estimación del modelo
respuesta (IRF)
Específico peruanas en 40 millones de dólares, para el periodo 2002 – 2016.  EXPT (VEC) y análisis
donde el impulso es
3 Un aumento del tipo de cambio real sol – yuan en 1% durante el trimestre  PCOB econométrico del mismo.
PCOB y la respuesta
pasado, generará una reducción promedio menor a la mencionada, para el periodo
es EXPT
2002 – 2016.
83
A.2. Gráfica simple de las series en niveles
Figura 11
Gráfica simple de la serie “Exportaciones de productos tradicionales del Perú” en

niveles (EXPT)
EXPT
Exportaciones de productos tradicionales del Perú
Del primer trimestre de 2002 al cuarto trimestre de 2016
En millones de dólares (a valores FOB)
y sin componente tendencial
Serie desestacionalizada en EViews 9
Fuente de los datos originales: BCRP
3,500
3,000
2,500
Millones de dólares
2,000
1,500
1,000
500
0
02 03 04 05 06 07 08 09 10 11 12 13 14 15 16
Años
Fuente: Elaboración propia en EViews 9
84
Figura 12
Gráfica simple de la serie “Tipo de cambio real sol-yuan” en niveles (TCRSY)
TCRSY
Tipo de cambio real sol-yuan
En valores índice (año base 2010 = 100) y sin componente tendencial
Fuente de los datos originales: Fred St. Louis y BCRP
125
120
115
Valores índice
110
105
100
95
90
02 03 04 05 06 07 08 09 10 11 12 13 14 15 16
Años
85
Figura 13
Gráfica simple de la serie “Producto bruto interno real de China” en niveles

(GDPRCH_UT)
GDPRCH_UT
Producto bruto interno real de China
En billones de yuanes del año 2010 y sin componente tendencial
Fuentes de los datos originales: Fred St. Louis y Banco mundial
1,200
800
Billones de yuanes de 2010
400
-400
-800
02 03 04 05 06 07 08 09 10 11 12 13 14 15 16
Años
86
Figura 14
Gráfica simple de la serie “Precio internacional del cobre” en niveles (PCOB)
PCOB
Precio internacional del cobre
En centavos de dólar por libra y sin componente tendencial
Fuente de los datos originales: BCRP
450
400
Centavos de dólar por libra
350
300
250
200
150
100
50
02 03 04 05 06 07 08 09 10 11 12 13 14 15 16
Años
87
A.3. Gráfica simple de las series en primera diferencia
Figura 15
Gráfica simple de la serie “Exportaciones de productos tradicionales del Perú” en

primera diferencia (DEXPT)
DEXPT
Exportaciones de productos tradicionales del Perú
Del segundo trimestre de 2002 al cuarto trimestre de 2016
Primera diferencia de la serie
400
200
Millones de dólares
-200
-400
-600
-800
02 03 04 05 06 07 08 09 10 11 12 13 14 15 16
Años
88
Figura 16
Gráfica simple de la serie “Tipo de cambio real sol-yuan” en primera diferencia

(DTCRSY)
DTCRSY
Tipo de cambio real sol-yuan
2
Valores índice
-2
-4
-6
02 03 04 05 06 07 08 09 10 11 12 13 14 15 16
Años
89
Figura 17
Gráfica simple de la serie “Producto bruto interno real de China” en primera

diferencia (DGDPRCH)
DGDPRCH
Producto bruto interno real de China
300
200
Billones de yuanes de 2010
100
-100
-200
-300
-400
02 03 04 05 06 07 08 09 10 11 12 13 14 15 16
Años
90
Figura 18
Gráfica simple de la serie “Precio internacional del cobre” en primera diferencia

(DPCOB)
DPCOB
Precio internacional del cobre
80
40
Centavos de dólar por libra
-40
-80
-120
-160
02 03 04 05 06 07 08 09 10 11 12 13 14 15 16
Años
91
A.4. Estadísticas descriptivas de las series en niveles
Tabla 11
ESTADÍSTICAS DESCRIPTIVAS DE LAS SERIES

Desviación Estadístico de
Serie Media Valor Mínimo Valor Máximo
Estándar Jarque-Bera
1,822.04 816.85 374.16 3,332.00 2.70*
9,688.55 3,738.77 4,305.70 16,606.01 4.25*
103.83 6.88 93.88 121.28 10.60
256.50 105.40 68.42 432.77 4.45*
Nota:
1) Se consideró a la serie GDPRCH en el momento que incluía en sus valores la tendencia determinística
(tendencia lineal), a fin de evitar valores negativos o extremadamente pequeños en las estadísticas
descriptivas.
A.5. Matriz de correlación de las series en niveles
Tabla 12
MATRIZ DE CORRELACIÓN DE LAS SERIES

EXPT GDPRCH PCOB TCRSY
EXPT 1.000000
GDPRCH 0.769287 1.000000
PCOB 0.906526 0.543051 1.000000
TCRSY 0.325785 0.793580 0.089963 1.000000
Nota:
Color Rojo significa correlaciones entre pares de variables que sean mayores a 0.90 en valor absoluto.
Color Verde significa correlaciones entre pares de variables que estén entre 0.70 y 0.90 en valor absoluto.
Se consideró a la serie GDPRCH en el momento que incluía en sus valores la tendencia determinística
(tendencia lineal), a fin de evitar valores negativos o extremadamente pequeños en las estadísticas
descriptivas.
92
A.6. Correlogramas de las series en niveles
Figura 19
Correlograma de la serie “Exportaciones de productos tradicionales del Perú” en

niveles (EXPT)
93
Figura 20
Correlograma de la serie “Tipo de cambio real sol-yuan” en niveles (TCRSY)
94
Figura 21
Correlograma de la serie “Producto bruto interno real de China” en niveles

(GDPRCH_UT)
95
Figura 22
Correlograma de la serie “Precio internacional del cobre” en niveles (PCOB)
96
A.7. Correlogramas de las series en primera diferencia
Figura 23
Correlograma de la serie “Exportaciones de productos tradicionales del Perú” en

primera diferencia (DEXPT)
97
Figura 24
Correlograma de la serie “Tipo de cambio real sol-yuan” en primera diferencia

(DTCRSY)
98
Figura 25
Correlograma de la serie “Producto bruto interno real de China” en primera

diferencia (DGDPRCH)
99
Figura 26
Correlograma de la serie “Precio internacional del cobre” en primera diferencia

(DPCOB)
100
A.8. Pruebas de estacionariedad (ADF, DF-GLS y ERS) de las series en niveles
Tabla 13
Resultados de la prueba ADF para la serie “Exportaciones de productos

tradicionales del Perú” en niveles (EXPT)
Null Hypothesis: EXPT has a unit root

Exogenous: Constant
Lag Length: 0 (Automatic - based on Modified AIC, maxlag=14)
t-Statistic Prob.*
Augmented Dickey-Fuller test statistic -1.620045 0.4662

Test critical values: 1% level -3.546099
5% level -2.911730
10% level -2.593551
*MacKinnon (1996) one-sided p-values.
Tabla 14
Resultados de la prueba DF-GLS para la serie “Exportaciones de productos


Exogenous: Constant
t-Statistic
Elliott-Rothenberg-Stock DF-GLS test statistic -0.295530

5% level -1.946447
10% level -1.613238
*MacKinnon (1996)
101
Tabla 15
Resultados de la prueba ERS para la serie “Exportaciones de productos


Exogenous: Constant
Lag length: 0 (Spectral OLS AR based on Modified AIC, maxlag=14)
P-Statistic
Elliott-Rothenberg-Stock test statistic 51.05249

Test critical values: 1% level 1.886000
5% level 2.998000
10% level 3.962000
*Elliott-Rothenberg-Stock (1996, Table 1)
Tabla 16
Resultados de la prueba ADF para la serie “Precio internacional del cobre” en

niveles (PCOB)
Null Hypothesis: PCOB has a unit root

Exogenous: Constant
t-Statistic Prob.*

5% level -2.911730
10% level -2.593551
102
Tabla 17
Resultados de la prueba DF-GLS para la serie “Precio internacional del cobre” en

niveles (PCOB)

Exogenous: Constant
t-Statistic
Elliott-Rothenberg-Stock DF-GLS test statistic -1.250322

5% level -1.946549
10% level -1.613181
*MacKinnon (1996)
Tabla 18
Resultados de la prueba ERS para la serie “Precio internacional del cobre” en

niveles (PCOB)

Exogenous: Constant
Lag length: 0 (Spectral OLS AR based on Modified AIC, maxlag=14)
P-Statistic
Elliott-Rothenberg-Stock test statistic 24.81667

Test critical values: 1% level 1.886000
5% level 2.998000
10% level 3.962000
*Elliott-Rothenberg-Stock (1996, Table 1)
103
Tabla 19
Resultados de la prueba ADF para la serie “Tipo de cambio real sol-yuan” en

niveles (TCRSY)
Null Hypothesis: TCRSY has a unit root

Exogenous: None
t-Statistic Prob.*
Augmented Dickey-Fuller test statistic 1.310596 0.9499

5% level -1.948313
10% level -1.612229
Tabla 20
Resultados de la prueba ADF para la serie “Producto bruto interno real de China”
en niveles (GDPRCH_UT)
Null Hypothesis: GDPRCH_UT has a unit root

Exogenous: None
t-Statistic Prob.*

5% level -1.946447
10% level -1.613238
104
A.9. Prueba de causalidad de Granger entre pares de las series
Tabla 21
Resultados de la prueba de Granger para el par de series en primera diferencia

“Exportaciones de productos tradicionales del Perú” (DEXPT) y “Producto bruto
interno real de China” (DGDPRCH)
Pairwise Granger Causality Tests

Sample: 2002Q1 2016Q4
Lags: 10
Null Hypothesis: Obs F-Statistic Prob.
DGDPRCH does not Granger Cause DEXPT 49 3.30951 0.0060

DEXPT does not Granger Cause DGDPRCH 1.25438 0.3019
Tabla 22

“Exportaciones de productos tradicionales del Perú” (DEXPT) y “Tipo de cambio
real sol-yuan” (DTCRSY)

Sample: 2002Q1 2016Q4
Lags: 14
DTCRSY does not Granger Cause DEXPT 45 1.13783 0.3985

DEXPT does not Granger Cause DTCRSY 0.95780 0.5280
105
Tabla 23

“Exportaciones de productos tradicionales del Perú” (DEXPT) y “Precio
internacional del cobre” (DPCOB)

Sample: 2002Q1 2016Q4
Lags: 14
DPCOB does not Granger Cause DEXPT 45 1.62689 0.1744

DEXPT does not Granger Cause DPCOB 0.77536 0.6808
106
A.10. Prueba de cointegración de Johansen para el modelo de investigación (VEC)
Tabla 24
Resultados de la prueba de Johansen (sub pruebas de traza y máximo autovalor) al

vector autorregresivo formado con las series bajo estudio en su estado no
estacionario
Included observations: 54 after adjustments

Trend assumption: Linear deterministic trend
Series: EXPT, GDPRCH_UT, PCOB y TCRSY
Lags interval (in first differences): 1 to 5
Unrestricted Cointegration Rank Test (Trace)
Hypothesized Trace 0.05

No. of CE(s) Eigenvalue Statistic Critical Value Prob.**
None * 0.554889 68.31864 47.85613 0.0002

At most 1 0.230133 24.60928 29.79707 0.1759
At most 2 0.152368 10.48624 15.49471 0.2452
At most 3 0.028468 1.559604 3.841466 0.2117
Trace test indicates 1 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.**
None * 0.554889 43.70936 27.58434 0.0002

At most 1 0.230133 14.12303 21.13162 0.3550
At most 2 0.152368 8.926639 14.26460 0.2923
At most 3 0.028468 1.559604 3.841466 0.2117
Max-eigenvalue test indicates 1 cointegrating eqn(s) at the 0.05 level

* denotes rejection of the hypothesis at the 0.05 level
**MacKinnon-Haug-Michelis (1999) p-values
107
A.11. Pruebas de normalidad y autocorrelación del modelo de investigación (VEC)
Tabla 25
Resultados de la prueba de normalidad de Jarque – Bera al vector de corrección del

error (modelo de investigación)
VEC Residual Normality Tests

Null Hypothesis: residuals are multivariate normal
Sample: 2002Q1 2016Q4
Included observations: 54
Component Jarque-Bera df Prob.
1 3.866451 2 0.1447
2 9.150394 2 0.0103
3 3.421675 2 0.1807
4 15.03290 2 0.0005
Joint 31.47142 8 0.0001
Tabla 26
Resultados de la prueba de autocorrelación de Breusch – Godfrey (LM) al vector de

corrección del error (modelo de investigación)
VEC Residual Serial Correlation LM

Tests
Null Hypothesis: no serial correlation at
lag order h
Sample: 2002Q1 2016Q4
Included observations: 54
Lags LM-Stat Prob
1 5.120948 0.9951
2 23.71753 0.0959
3 20.88386 0.1830
4 12.68980 0.6953
5 16.47687 0.4202
Probs from chi-square with 16 df.
108
A.12. Comprobación del impacto del sector agrícola y pesquero peruano en el
modelo VEC de determinantes de las exportaciones tradicionales
Tabla 27
IMPACTO DE LOS SECTORES PESQUERO Y AGRÍCOLA EN LAS EXPORTACIONES TRADICIONALES

PERUANAS
t-estadísticos
Ecuación 1 del Ecuación 2 del Ecuación 3 del Ecuación 4 del
Variables
VEC VEC VEC VEC
PHP 1.034 1.476 0.667 0.523
PMAIZ 1.115 1.382 0.887 0.564
PTRIGO 1.703 1.222 0.991 0.633
F-estadístico
PHP, PMAIZ y
1.778 1.835 0.999 0.671
PTRIGO
Nota:
1) Las variables PHP, PMAIZ y PTRIGO significan “Precio internacional de la harina de pescado”, “Precio
internacional del maíz” y “Precio internacional del trigo”, respectivamente. La primera variable (PHP)
representa al impacto del sector pesquero peruano en las exportaciones tradicionales, mientras que las dos
últimas variables (PMAIZ y PTRIGO) representan al impacto del sector agrícola peruano en las exportaciones
tradicionales.
2) * Denota significancia al 10%. ** Denota significancia al 5%. *** Denota significancia al 1%.
109
A.13. Comprobación del impacto de la actividad económica de EE.UU. en el modelo
VEC de determinantes de las exportaciones tradicionales peruanas
Tabla 28
IMPACTO DE LA ACTIVIDAD ECONÓMICA DE EE.UU. EN LAS EXPORTACIONES TRADICIONALES

PERUANAS
t-estadísticos
Ecuación 1 del Ecuación 2 del Ecuación 3 del Ecuación 4 del
Variables
VEC VEC VEC VEC
U 1.456 0.997 0.659 0.598
TCNSD 1.339 0.825 0.717 0.864
F-estadístico
U y TCNSD 1.908 1.134 0.881 0.752
Nota:
1) Las variables U y TCNSD significan “Tasa de desempleo de los Estados Unidos” y “Tipo de cambio nominal
sol-dólar”, respectivamente. Ambas variables representan al impacto de la actividad económica americana
(segundo socio comercial más importante del Perú) en las exportaciones tradicionales. Además, la variable U
se está usando como variable proxy del producto bruto interno americano, debido a la poca significancia
directa causada por esta variable macroeconómica internacional en las variables macroeconómicas peruanas
(según recomendación de varios trabajos antecesores a este).
2) * Denota significancia al 10%. ** Denota significancia al 5%. *** Denota significancia al 1%.
110

Ejemplos de Tesis

Cargado por

Copyright:

Formatos disponibles

Ejemplos de Tesis

Cargado por

Información del documento

Descripción original:

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Ejemplos de Tesis

Cargado por

Copyright:

Formatos disponibles

FACULTAD DE CIENCIAS EMPRESARIALES

Carrera de Economía y Negocios Internacionales

DETERMINANTES DE LAS EXPORTACIONES

Tesis para optar el Título Profesional de Licenciado en Economía y

CHRISTIAN AUGUSTO DELGADO MORALES

Capítulo II: Método _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ 28

Capítulo III: Resultados _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ 55

Capítulo IV: Referencias _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ 79

Christian Delgado Morales1

Keywords: Traditional exports, Real GDP, Vector of error correction.

Exportaciones peruanas según el tipo de producto

Fuente: Memorias del BCRP. Elaboración propia en Excel.

La proporción histórica de las exportaciones tradicionales respecto al total ha oscilado

Exportaciones tradicionales peruanas según el sector del producto

Fuente: Memorias del BCRP. Elaboración propia en Excel.

De la figura anterior, el hallazgo también es evidente: Históricamente, las exportaciones

Exportaciones tradicionales mineras peruanas según el tipo de mineral

Fuente: Memorias del BCRP. Elaboración propia en Excel.

Habiendo revisado estos hechos estilizados, es preciso realizar un análisis detallado de

Además, precios internacionales de minerales como el cobre también tendrán un impacto

En resumen, la presente tesis pretender encontrar los determinantes de las exportaciones

Además del problema de endogeneidad, puede que se presente un equilibrio de largo

Todas estas ideas mencionadas se relacionan con la existencia de la llamada

En consecuencia, análisis previos de la estacionariedad y de la causalidad entre las series

Luego, se procede con la especificación de la muestra, detallando como se obtuvieron los

En la siguiente sección se explicará la interrogante detectada que generó la siguiente

1.1. Planteamiento del problema.

Entonces, teniendo en consideración dichos problemas económicos, se hace necesario

Además, incluso en la literatura existente, poco se ha tocado sobre la conexión directa de

Entonces, bajo nuestro contexto de exportaciones tradicionales, nuestro producto

Por lo tanto, la interrogante detectada en esta tesis es que no existe un análisis

Además, existe una interrogante adyacente a estos posibles determinantes de las

Por lo tanto, esta tesis propondrá un análisis correlacional y un modelo econométrico

En la siguiente subsección se realiza la definición completa de las preguntas de

En la siguiente sección se expondrán las principales razones que motivaron esta

En la siguiente sección se detallará la revisión de literatura encontrada sobre el tema de

Luego, se presenta el marco teórico de la presente tesis, el cual define, muestra y

Kristjánsdóttir (2004) estudió los determinantes de las exportaciones en Islandia en los

Jongwanich (2007) expuso los patrones y determinantes de las exportaciones de nueve

Abolagba et al. (2010) analizaron los determinantes de las exportaciones agrícolas,

2.2. Marco teórico.

La literatura existente sobre las corrientes de pensamiento que hablan de la

2.2.1. El enfoque macroeconómico: La determinación de las exportaciones en los

La Balanza de Pagos considera en primer lugar a la cuenta corriente o balanza comercial

Además, un incremento en los términos de intercambio, o mejor dicho, un incremento del

2.2.2. La excepción a la regla: El efecto nulo de la volatilidad del tipo de cambio en

En contraste a los hallazgos obtenidos con el modelo de Mundell – Fleming en el enfoque

Además, se asume que el precio de exportación está compuesto de un componente

Donde es el precio al que el procesador compró el bien en el mercado doméstico (que

Entonces, si los cambios aleatorios en el precio de venta al exterior son menores, no se

Y la condición de primer orden al maximizar esta función de beneficios brinda la oferta

óptima del bien, . Entonces, ya que el precio al que se compromete pagar el

procesador del bien es , se construye la función de beneficios del procesador,

Y así se define también las cantidades destinadas al mercado interno y a la exportación,

Donde es un parámetro que mide la aversión al riesgo. Al resolver el problema de

El mecanismo por el cual el procesador del bien se ve afectado es porque si bien un

2.2.3. Otro aporte del enfoque microeconómico: La decisión de exportación.

Finalmente, el enfoque microeconómico para la determinación de las exportaciones