Beruflich Dokumente
Kultur Dokumente
realizan
para
alcanzar
sus
objetivos?
Es
una
2015?
3. Objetivos de la investigacin
3.1.
Objetivo General
Determinar el impacto del entorno Macroeconmico, riesgo sistemtico
y no sistemtico en las MYPES del sector agrcola en el Per en el
3.2.
ao 2015.
Objetivos Especficos
Cuantificar los efectos del cambio climtico en las MYPES del sector
agrcola en el Per-2015.
Determinar los efectos del tipo de cambio en las MYPES del sector
agrcola en el Per-2015.
Calcular los efectos de la tasa de inters de referencia en las MYPES
del sector agrcola en el Per-2015.
Determinar los efectos de la inflacin en las MYPES del sector agrcola
en el Per-2015.
Analizar los factores cualitativos que influyen en las MYPES del sector
agrcola en el Per-2015.
minera.
Bajo nivel de competitividad y rentabilidad agraria.
Tiene como origen el bajo nivel de capital humano y fsico, as
como el inadecuado sistema de comercializacin.
Limitado acceso a servicios bsicos y productivos del pequeo
productos agraria. Insuficientes servicios pblicos de salud,
educacin, electrificacin, saneamiento y de infraestructura vial
y comunicaciones al sector rural, no olvidemos que es en la
dichas
actividades
de
la
produccin
agrcola
como
irrigacin,
procesamiento y empaque.
Elevado riesgo y limitado acceso a servicios financieros. Los
problemas asociados a la baja rentabilidad de la mayor parte del
agro, lo convierten poco atractivo para su financiamiento por las
instituciones financieras.
Mercados
distorsionados
comercializacin.
Otros
factores
especializados:
deficientes
canales
escaza
de
asociatividad,
de los negocios.
Un factor no controlable es el fenmeno del nio, que produce
de
la
administracin,
herramientas
pensamientos
financiera.
Recomienda
tambin
realizar
permanentes
buscando
estrategias
para
generar
ventaja
competitiva.
Una ventaja que se tiene al ser pequea empresa es la flexibilidad,
la cierta simplicidad y las relaciones personales que pueden llegar a
ser una ventaja competitiva con base a una administracin
adecuada. Lo anterior nos puede hacer reflexionar en que no solo
las grandes empresas tienen todas las ventajas de mercado, y cabe
recalcar que muchas empresas pequeas no tienen xito debido a
que no son capaces de competir con los grandes competidores.
Una de las causas del bajo crecimiento de la productividad (factorial
total) en Amrica Latina (AL) incluyendo el Per (p.ej., Pags, 2010;
y Tello & Tvara, 2010) es la calidad de los puestos de trabajo,
particularmente los ofrecidos en el sector informal (p.ej., Pags et al,
2009). As, la participacin de la mano de obra ocupada en el sector
informal (de baja productividad) del total de la fuerza laboral en AL
vara de 35.2% en Chile a 71% en Paraguay2 (CEDLAS-World
Bank, 2011).
Reciente estudios han abordado diversas dimensiones de este
sector en la economa peruana. Rodriguez & Higa (2010), estiman el
valor agregado, empleo, y productividad laboral del sector informal
no agropecuario. Trivelli, et al, (2010) analizan la oferta y demanda
del sector informal agropecuario3 y Morales, et al, (2010) describen
la dinmica del mercado laboral en el sector concentrndose en la
transicin de pasar de un empleo formal hacia uno informal. El
presente trabajo aborda otras dimensiones del sector. Se concentra
en la importancia del sector total (agropecuario y no agropecuario)
en trminos del nmero de empresas, empleo, valor agregado, y
potencial exportador. Adicionalmente se describe una serie de
caractersticas productivas y la canasta de productos que ofrecen al
mercado.
Estas caractersticas y la composicin de productos de las micro y
pequeas empresas (MYPE) informales conjuntamente con los
8
Hiptesis General
El entorno Macroeconmico, riesgo sistemtico y no sistemtico tiene
una alta correlacin con las MYPES del sector agrcola en el Per en
5.2.
el ao 2015.
Hiptesis Especficos
Los efectos del cambio climtico tienen un efecto negativo en las
10
6. MATRIZ DE CONSISTENCIA
MODELO MATEMATICO
Y = X 1+ X 2+ X 3+ X 4
7.2.
MODELO ECONOMICO
MODELO ECONOMETRICO
Coefficient
Std. Error
t-Statistic
Prob.
LNTC
TIR
LNIPC
D01
C
-0.809056
-2.242577
-3.066737
-0.075204
8.991631
0.191801
0.584703
4.458798
0.026567
0.158384
-4.218202
-3.835414
-0.687795
-2.830773
56.77104
0.0000
0.0002
0.4927
0.0053
0.0000
R-squared
Adjusted R-squared
S.E. of regression
Sum squared resid
Log likelihood
F-statistic
Prob(F-statistic)
0.440043
0.424044
0.156830
3.443374
65.42435
27.50478
0.000000
7.582936
0.206649
-0.833439
-0.730793
-0.791731
0.629391
12
Las variables LNTC TIR D01 individualmente son significativas, pero tambin
se puede ver que la variable LNIPC es no significativa para el modelo, pero
este problema puede ser solucionado con algunas correcciones en el modelo.
Las variables LNTC TIR LNIPC D01 tienen un impacto negativo en la
produccin agrcola, es decir que si se produce un efecto positivo en alguna de
las variables (LNTC TIR LNIPC D01) esto generara una reduccin de la
produccin agrcola.
La produccin promedio del sector agrcola es de 8.991631 mil toneladas.
las variables independientes (LNTC TIR LNIPC D01) consideradas en este
modelo explican en un 44% a la variable dependiente (LNPBI)
Supuesto de homocedasticidad :
Se recuerda que este supuesto que la varianza de los errores es
constante y finita. Si esta condicin no es satisfecha, se afirma que los
errores son heterocedastico.
Dada las limitaciones del anlisis grfico, se empleara el test
matemtico de White que permita determinar la presencia de
heterocedastico en la varianza de los errores.
Cuadro 03
Test de heterocedasticidad de White.
2.765369
31.22328
21.83713
Prob. F(13,131)
Prob. Chi-Square(13)
Prob. Chi-Square(13)
0.0017
0.0031
0.0579
Test Equation:
Dependent Variable: RESID^2
Method: Least Squares
Date: 05/18/15 Time: 18:22
Sample: 2003M02 2015M02
Included observations: 145
Collinear test regressors dropped from specification
Variable
Coefficient
Std. Error
t-Statistic
Prob.
C
LNTC^2
LNTC*TIR
LNTC*LNIPC
LNTC*D01
LNTC
TIR^2
TIR*LNIPC
TIR*D01
TIR
0.256566
0.420736
-0.951058
-2.560721
-0.013092
-0.707720
-0.952866
-4.682134
-0.047407
1.493191
0.463469
0.403375
2.069642
9.954439
0.072658
0.750919
3.854001
35.03228
0.213816
1.671655
0.553578
1.043040
-0.459528
-0.257244
-0.180191
-0.942471
-0.247241
-0.133652
-0.221719
0.893241
0.5808
0.2989
0.6466
0.7974
0.8573
0.3477
0.8051
0.8939
0.8249
0.3734
13
-147.0536
1.755337
2.509749
-0.002758
R-squared
Adjusted R-squared
S.E. of regression
Sum squared resid
Log likelihood
F-statistic
Prob(F-statistic)
0.215333
0.137465
0.027109
0.096275
324.7569
2.765369
0.001668
200.3162
1.780527
9.183842
0.058773
-0.734108
0.985852
0.273279
-0.046925
0.4642
0.3260
0.7851
0.9626
0.023747
0.029190
-4.286302
-3.998893
-4.169518
1.388903
Decisin
Coefficient
Std. Error
t-Statistic
Prob.
LNTC
TIR
LNIPC
D01
C
-0.809056
-2.242577
-3.066737
-0.075204
8.991631
0.197857
0.559807
4.119251
0.026218
0.162200
-4.089083
-4.005984
-0.744489
-2.868373
55.43535
0.0001
0.0001
0.4578
0.0048
0.0000
R-squared
Adjusted R-squared
S.E. of regression
Sum squared resid
Log likelihood
F-statistic
Prob(F-statistic)
Prob(Wald F-statistic)
0.440043
0.424044
0.156830
3.443374
65.42435
27.50478
0.000000
0.000000
14
7.582936
0.206649
-0.833439
-0.730793
-0.791731
0.629391
29.54250
8.2.
Supuesto de no autocorrelacin.
Para validar este supuesto utilizaremos el test de Durbin Watson, las
hiptesis de este test sern:
Ho: No hay presencia de autocorrelacion
H1: Si hay presencia de autocorrelacionEn el grafico 04 se puede
apreciar que el test de Durbin Watson tiene un valor de 0.629391, el
cual se encuentra dentro del rango [1,63 ; 2,37], Por lo tanto, se puede
afirmar que en el modelo los errores no presentan autocorrelacion de
primer orden.
8.3.
14
Series: Residuals
Sample 2003M02 2015M02
Observations 145
12
10
8
6
4
2
Mean
Median
Maximum
Minimum
Std. Dev.
Skewness
Kurtosis
2.30e-15
-0.027756
0.351014
-0.283503
0.154636
0.523095
2.500469
Jarque-Bera
Probability
8.120281
0.017247
0
-0.3
-0.2
-0.1
0.0
0.1
0.2
0.3
t-statistic
F-statistic
Likelihood ratio
Value
1.315194
1.729735
1.793265
df
139
(1, 139)
1
Probability
0.1906
0.1906
0.1805
Sum of Sq.
0.042323
3.443374
3.401051
3.401051
df
1
140
139
139
Mean
Squares
0.042323
0.024596
0.024468
0.024468
Value
65.42435
66.32099
df
140
139
F-test summary:
Test SSR
Restricted SSR
Unrestricted SSR
Unrestricted SSR
LR test summary:
Restricted LogL
Unrestricted LogL
Coefficient
Std. Error
t-Statistic
Prob.
LNTC
TIR
LNIPC
-15.01768
-41.81031
-56.63439
10.67579
29.84324
40.45162
-1.406704
-1.400998
-1.400052
0.1617
0.1634
0.1637
16
-1.399370
100.5632
-1.161211
0.446925
0.427031
0.156422
3.401051
66.32099
22.46446
0.000000
0.000000
0.998354
69.05391
0.876442
-1.401677
1.456300
-1.324915
0.1632
0.1476
0.1874
7.582936
0.206649
-0.832014
-0.708838
-0.781963
0.627447
30.76756
8.5.
0.852656
4.508263
4.811738
Prob. F(5,135)
Prob. Chi-Square(5)
Prob. Chi-Square(5)
0.5149
0.4788
0.4393
Errores de prediccin.
En este apartado se proceder a validar que los errores de estimacin
del modelo desarrollado son ceros, esto se validara con el test de
errores de prediccin de Chow, el cual prueba las siguientes hiptesis:
Ho: Los errores de prediccin son ceros para todas las predicciones
(Los parmetros estimados son estables).
17
t-statistic
F-statistic
Likelihood ratio
Value
0.076051
0.005784
0.006033
df
139
(1, 139)
1
Probability
0.9395
0.9395
0.9381
Sum of Sq.
0.000143
3.443374
3.443231
3.443231
df
1
140
139
139
Mean
Squares
0.000143
0.024596
0.024771
0.024771
Value
65.42435
65.42737
df
140
139
F-test summary:
Test SSR
Restricted SSR
Unrestricted SSR
Unrestricted SSR
LR test summary:
Restricted LogL
Unrestricted LogL
Coefficient
Std. Error
t-Statistic
Prob.
LNTC
TIR
LNIPC
D01
C
-0.806449
-2.252627
-3.058719
-0.075057
8.990869
0.203794
0.588574
4.120348
0.026285
0.162954
-3.957169
-3.827264
-0.742345
-2.855535
55.17424
0.0001
0.0002
0.4591
0.0050
0.0000
R-squared
Adjusted R-squared
S.E. of regression
Sum squared resid
Log likelihood
F-statistic
0.439974
0.423858
0.157389
3.443231
64.47788
27.30064
18
7.582715
0.207353
-0.826082
-0.722963
-0.784180
0.628928
0.000000
0.000000
Wald F-statistic
29.45935
19