Beruflich Dokumente
Kultur Dokumente
PRESENTADO POR
PUNO - PERU
2018
RESUMEN EJECUTIVO
I. INTRODUCCIÓN
El aumento progresivo del comercio internacional del Perú, trae como consecuencia que el
Tipo de Cambio tome una gran importancia, debido a su rol de vínculo entre la economía de
nuestro país con el resto del mundo. Comúnmente se concibe que las depreciaciones reales
mejoran nuestra capacidad en los mercados internacionales, a la vez que incrementan nuestras
exportaciones. Esta competitividad se refleja en la balanza Comercial, en el presente trabajo se
hará un análisis de las variables que afectan el curso de las cuentas en la Balanza Comercial
del Perú. Se tiene como objetivo principal determinar el cumplimiento de la Condición de
Marshall-Lerner y si se detecta la presencia de una curva “J”, dándole una interpretación al
estudio empírico.
En tal sentido el propósito del documento que se presenta, es el mostrar la evidencia empírica
de la condición Marshall-Lerner y el efecto Curva-J para la economía peruana. Para ello se
analiza las relaciones existentes entre la Balanza Comercial, el tipo de cambio real, el ingreso
doméstico y el ingreso del resto del mundo. Por tanto, para la estimación econométrica de las
relaciones existentes entre las variables mencionadas se utilizan esquemas multivariados de
series de tiempo, en el cual, todas las variables tienen la particularidad de ser endógenas. La
muestra empleada en el presente análisis será tomada con una frecuencia trimestral para el
período 1991:1 a 2018:1.
Así mismo, el esquema del contenido del documento está organizado de la siguiente manera:
En la sección segunda se muestra la literatura relacionada sobre el tema, así como, un breve
marco teórico. En la sección tercera se expondrá la metodología econométrica, en la sección
cuatro se detallarán los principales resultados de la estimación. Para finalizar, se mencionarán
las principales conclusiones a las cuales se llegaron.
II. MARCO TEÓRICO Y ANTECEDENTES
ANTECEDENTES
Bustamante, Rafael y Morales, Fedor (2007). En su trabajo “Probando la condición
Marshall-Lerner y el Efecto Curva J: Evidencia Empírica para el Caso Peruano”, los
mencionados autores analizan la evidencia empírica de la Condición de Marshall-Lerner y la
Curva-J en la economía peruana durante el periodo 1991-2008 usando datos trimestrales. Las
variables que fueron empleadas por parte de Bustamante, Rafael y Morales, Fedor en su trabajo
fueron: Balanza comercial, tipo de cambio real bilateral, el producto bruto interno y las
importaciones mundiales, como variable aproximada del ingreso del resto del mundo. Asi
mismo, la metodología que utilizaron en su trabajo fue la de VAR Cointegrados, para ellos
poder conocer si existía la relación de largo plazo entre las series en estudio y además realizaron
estudios del mecanismo de transmisión entre las dichas series. En los resultados obtenidos, los
autores concluyen que si existe el cumplimiento de la Condición de Marshall- Lerner, como
tambien afirman que los agentes económicos que participan en el comercio internacional son
altamente sensibles a las variaciones del tipo de cambio real y rechazan la existencia de la
Curva-J para la economía peruana. Finalmente, los ejecutantes del documento encuentran que
los determinantes a largo plazo de la balanza comercial peruana son: El tipo de cambio real
(1.83) es mayor que uno por lo que satisface la Condición de Marshall-Lerner y las
importaciones mundiales, excluyendo de dicha relación el producto bruto interno, y los
términos de intercambio han mostrado el signo positivo que es adecuado con la teoría
económica.
Valle Moura & Silva (2005), realizan el análisis empírico del comportamiento de la balanza
comercial brasilera en respuesta a las depreciaciones cambiarias en el período comprendido
entre enero de 1990 y diciembre de 2003, a fin de verificar la validez de la hipótesis de la curva
J y la Condición de Marshall-Lerner. Utilizan la metodología vector de corrección de errores
(VEC), para capturar las distintas perturbaciones y los cambios que ocurren en la economía
brasileña. En los resultados hallados, dichos autores encuentran que durante los periodos de
mayor volatilidad, la respuesta de la balanza comercial brasileña es menor, sin embargo, las
condiciones de Marshall-Lerner son válidas para la economía brasileña en el periodo analizado.
MARCO TEORICO
Los estudios sobre la condición Marshall-Lerner han estado presente en la literatura económica
desde principios del siglo pasado con los trabajos de Marshall (1923), Lerner (1944), Machlup
(1950), Orcutt (1950) y Chang (1951), entre otros. Pero los estudios sobre la curva J se inician
en los años setenta del siglo pasado con el trabajo pionero de Magee(1973), quien analiza la
balanza comercial de los Estados Unidos después de la devaluación del dólar. En ese sentido,
Junz y Rhomberg (1973) explican el efecto curva J con la existencia de un retraso significativo
en el ajuste de los contratos comerciales a las innovaciones de tipo de cambio. Asimismo,
Deepler (1974) investiga el impacto del tipo de cambio en la balanza comercial para los Países
Bajos, el Reino Unido, Francia y Alemania utilizando datos trimestrales para el período 1958-
1973. Dicho autor evita metodológicamente los cambios estacionales y de tendencia en los
datos y observa que los cambios de volumen, en respuesta a la variación del tipo de cambio,
eran más grandes que la estimación de la elasticidad precio obtenida por el procedimiento
estándar utilizado.
Por su parte, Haynes y Stone (1982) examinan la curva J y la condición Marshall Lerner para
los Estados Unidos durante el período 1955-1974. Sus resultados señalan la existencia de una
curva J rezagada. No obstante lo anterior, Bahmani-Oskooee (1985) fue el primer investigador
que desarrolló un modelo considerado “correcto”, por algunos autores, para la estimación de
la curva J en cuatro economías en desarrollo6. Dicho autor, usando datos trimestrales para el
período 1973-1980, encuentra evidencias que apoyan el movimiento descrito por la curva J.
Similarmente, Noland (1989) examina el fenómeno de la curva J para la economía japonesa
durante el período 1970-1985. Sus resultados muestran un efecto de curva J y se cumple la
condición Marshall-Lerner, lo que implica que la depreciación cambiaria mejora la balanza
comercial en el largo plazo.
Por otro lado, Rose y Yellen (1989) introdujeron un modelo simple que emplea datos de
comercio bilateral entre los Estados Unidos y sus seis principales socios comerciales, pero sus
resultados empíricos no apoyan el patrón de curva J, ni tampoco dan soporte a una relación de
largo plazo entre la balanza comercial y el tipo de cambio real a nivel bilateral. De igual forma,
Rose (1990) examina el impacto de una depreciación real sobre la balanza comercial para
treinta países en desarrollo, pero no encuentra evidencia de que dicha depreciación mejora la
balanza comercial en Argentina, Brasil, Chile, Colombia, Perú y Uruguay. En cambio, Gupta-
Kapoor y Ramakrishnan (1999) examinan la curva J para Japón utilizando datos trimestrales
para el período 1975-1996 y un modelo de corrección de errores (ECM). Sus resultados fueron
similares a los hallazgos de Noland (1989) y confirman la existencia de la curva J. Por el
contrario, Bahmani-Oskooee y Brooks (1999) utilizan un modelo autorregresivo de rezagos
distribuidos (ARDL, por sus siglas en inglés)7 para estudiar el comercio bilateral entre los
Estados Unidos y sus seis principales socios comerciales (Canadá, Francia, Alemania, Italia,
Japón y el Reino Unido). Estos autores centran su trabajo en el período comprendido desde el
primer trimestre de 1973 hasta el segundo trimestre de 1996, pero sus resultados no
proporcionan apoyo al fenómeno de la curva J. Asimismo, los autores sostienen que una
depreciación real del dólar de los Estados Unidos tiene un efecto favorable en la balanza
comercial de dicho país, pero sólo a largo plazo.
Donde 0<𝛽<1, es la tasa subjetiva de descuento, dado que todos los argumentos de la función
de utilidad están medidos en términos reales.
la restricción presupuestaria intertemporal está determinada por la variación del presupuesto
(g), cuyos movimientos se deben a la diferencia entre un presupuesto inicial (𝑔𝑡), una dotación
de bienes producidos internamente 𝑑𝑡 y las exportaciones domesticas 𝑥𝑡 menos los gastos de
consumo interno en bienes no transables 𝑐𝑛𝑡𝑡, y transables 𝑐𝑡𝑡. Además, observamos que tanto
las exportaciones como las importaciones son deflactadas por el nivel de precios foráneos; el
𝑝𝑥
ratio entre el precio de las exportaciones y nivel de precios foráneos ( 𝑝𝑡 ) , y el ratio entre el
𝑡
𝑝𝑚
precio de las importaciones y nivel de precio foráneo ( 𝑝𝑡 ) miden respectivamente, el poder
𝑡
adquisitivo de las exportaciones e importaciones domesticas en términos de moneda foránea
Dada la función de balanza comercial o exportaciones netas, los principales factores
determinantes juegan un papel importante en el comportamiento de la balanza comercial. Ya
que las variaciones del tipo de cambio real afecta a la balanza comercial, reflejados en las
variaciones de los precios relativos de los
bienes y servicios nacionales con respecto a los bienes y servicios extranjeros. Si el tipo de
cambio real (TCR) aumenta, los productos extranjeros encarecen respecto a los productos
nacionales; cada unidad de producto nacional puede adquirir ahora una menor cantidad de
producto extranjero. Los agentes económicos extranjeros responderán a esta variación del
precio demandando una mayor cantidad de nuestras exportaciones, como consecuencia, las
exportaciones (X) aumentaran y por consiguiente la balanza comercial (BC) mejorara,
(Blanchar & Perez Enrri, 2000).
MARCO CONCEPTUAL
Balanza Comercial:
Registra los flujos de comercio de mercancías que realiza el Perú con el resto del mundo a
través de operaciones de exportación e importación. La evolución de las exportaciones depende
en gran medida de la competitividad de un país y de la evolución de la economía mundial. La
evolución de las importaciones, en cambio, está asociada principalmente a las condiciones de
demanda interna de una economía. (BCRP (2010).
Exportación
Los bienes y servicios que se venden a los habitantes de otros países (P. & Gerardo, E. (2006).
Importación
Los bienes y servicios que se compran a los habitantes de otros países (Michael, P. & Gerardo,
E. (2006).
Superávit comercial
Exceso de las exportaciones sobre las importaciones (Krugman, P. & Obstfeld, M. (2001)
Dónde:
• 𝐿𝐵𝐶𝑡 = Balanza comercial.
• 𝐿𝑇𝐶𝑅𝐵𝑡 = Tipo de cambio real Bilateral.
• 𝐿𝑃𝐵𝐼𝑡 = Producto Bruto Interno del Perú.
• 𝐿WTR𝑡 = Importaciones mundiales
• 𝜀t = Perturbación estocástica.
De manera similar, ante un aumento de 1% del Producto Bruto Interno en el Perú, se tiene una
caída en 0.54% en la Balanza Comercial, esto mostrando una relación inversa que se manifiesta
en el signo negativo de su coeficiente. La elasticidad parcial de la Balanza Comercial respecto
al PBI; al ser menor a uno se considera que es inelástica.
Por último, en el caso de las Importaciones Mundiales como variable proxy del ingreso (PBI)
en el exterior; un aumento en 1% de las Importaciones Mundiales (WTR) se tiene una variación
positiva para la Balanza Comercial de 0.83%. La elasticidad parcial de la Balanza Comercial
respecto a las Importaciones Mundiales; al ser menor a uno se considera que es inelástica.
A su vez el coeficiente de determinación, cuyo valor en este caso R2 = 0.6684 indica, que un
66.84% de la variación en la relación de exportaciones e importaciones que expresa de forma
real la Balanza Comercial es explicada por las variables independientes.
Teniendo planteada la hipótesis nula de los parámetros iguales a 0, es decir que no son
significativos estadística tenemos:
➢ H0: β0=0
Ha: β0≠0
>H0: β1=0
Ha: β1≠0
➢ H0: β2=0
Ha: β2≠0
➢ H0: β3=0
Ha: β3≠0
➢ H0: β0=β1=β2=β3=0
Ha: β0≠β1≠β2≠β3≠0
Para el caso del diagnóstico de si hemos excluido una variable importante para el caso de la
forma funcional que hemos planteado en nuestro modelo consideramos los términos de
intercambio de acuerdo con la base teórica que Vilca H. (2017) plantea en su modelo.
>H0: β4≠0
Con un estadístico t para β4 igual 7.415>>tt con una probabilidad Prob = 0.0000, por lo que se
rechaza la hipótesis nula, es decir la variable esta correctamente excluida.
Para corroborar esta conclusión, podemos realizar la prueba a través del estadístico F:
(1.8627 − 1.2185)/1
𝐹= ~𝐹1,104 𝑔𝑙
1.2185/(109 − 5)
𝐹 = 54.983~3.9314
Fc>>Ft entonces es posible rechazar la hipótesis nula, por lo que la variable LTI (Logaritmo de
los Terminos de Intercambio) esta correctamente excluida en el modelo.
Por último, podemos corroborar mediante el programa Eviews que aplica el estadístico de ratio
de verosimilitud.
Value df Probability
t-statistic 7.415093 104 0.0000
F-statistic 54.98360 (1, 104) 0.0000
Likelihood ratio 46.26071 1 0.0000
F-test summary:
Mean
Sum of Sq. df Squares
Test SSR 0.644205 1 0.644205
Restricted SSR 1.862702 105 0.017740
Unrestricted SSR 1.218497 104 0.011716
LR test summary:
Value
Restricted LogL 67.11362
Unrestricted LogL 90.24398
Que indica un valor de LR= 46.0627, con un nivel de significancia de 0.000; de manera análoga
a los procesos anteriores, se rechaza la hipótesis nula es decir la variable LTI esta correctamente
omitida.
Restricciones lineales sobre los coeficientes: El test de Wald
Si bien con la prueba de Wald puede usarse como una forma mas general para evaluar los
coeficientes de variables para determinar si deben ser omitidas o si son redundantes. Para el
modelo planteado en nuestra investigación se puede aplicar para corroborar la condición de
Marshall-Lerner acerca de las elasticidades precio de las exportaciones e importaciones,
expresada en nuestro modelo a través del ratio entre estos en la variable Balanza Comercial;
respecto en este caso por un cambio en el Tipo de Cambio Real Bilateral.
Wald Test:
Equation: Untitled
Para comprobar esto se hace la evaluación mediante el programa Eviews que brinda todos los
estadísticos para la evaluación.
Redundant Variables Test
Null hypothesis: LWTR are jointly insignificant
Equation: UNTITLED
Specification: LBC C LTCRB LPBI LWTR
Redundant Variables: LWTR
Value df Probability
t-statistic 7.693454 105 0.0000
F-statistic 59.18924 (1, 105) 0.0000
Likelihood ratio 48.72946 1 0.0000
F-test summary:
Mean
Sum of Sq. df Squares
Test SSR 1.050018 1 1.050018
Restricted SSR 2.912720 106 0.027478
Unrestricted SSR 1.862702 105 0.017740
LR test summary:
Value
Restricted LogL 42.74889
Unrestricted LogL 67.11362
Con hipótesis nula de que la variable LWTR es conjuntamente insignificante (β3=0), tenemos:
Para nuestro modelo se evaluó estos gráficos (correlograma) con 36 retardos para llegar a la
conclusión de que os residuales de la regresión son ruido blanco.
𝑆 2 (𝐾 − 3)2
𝐽𝐵 = 𝑛 ∗ ( + )
6 24
siendo:
n: nº observaciones de la serie.
S: coeficiente de asimetría.
K: coeficiente de curtosis.
En nuestro modelo, tenemos un total de 109 observaciones que abarcan el periodo trimestral
1991:1 a 2018:1.
14
Series: E
12 Sample 1991Q1 2018Q1
Observations 109
10
Mean -8.43e-16
8 Median -0.007520
Maximum 0.334691
6 Minimum -0.348358
Std. Dev. 0.131329
4 Skewness -0.023163
Kurtosis 2.869133
2
Jarque-Bera 0.087529
0 Probability 0.957180
-0.3 -0.2 -0.1 0.0 0.1 0.2 0.3
A partir de esto, para demostrar la normalidad de los errores tomamos como base la hipótesis
nula como sigue.
JB=0.0875 < 7.3778 (χ2) (Prob=0.9572) Por lo que no podemos rechazar la Hipótesis
nula, es decir los errores si se distribuyen de forma normal.
Todo esto se puede corroborar con el grafico.
d=2(1-ρ)
Al hacer la estimación a través del programa Eviews, este nos proporciona directamente con el
valor de estadístico Durbin-Watson.
d=0.562539
Este valor del estadístico está muy por debajo de los posibles valores críticos del estadístico
Durbin-Watson, por lo que rechazamos la hipótesis nula, lo que indica que existe correlación
serial positiva.
Por otro lado, se puede evaluar la autocorrelación a través del test de Breusch-Godfrey que es
mas general en su aplicación.
Para ello realizamos una regresión con errores rezagados, específicamente 2 rezagos como
supuesto, y hallamos su coeficiente de determinación R2.
Dependent Variable: E
Method: Least Squares
Date: 10/05/18 Time: 02:05
Sample (adjusted): 1991Q3 2018Q1
Included observations: 107 after adjustments
T*R2 =109*0.501679=54.683011
> Ha: β4 ≠ β5 ≠ 0
T*R2=54.683011 > 7.3778 (χ2) Por lo que podemos rechazar la Hipótesis nula, es decir las
varianzas de los errores si existe correlación serial. Que coincide con la conclusión de la prueba
de Durbin-Watson. A su vez de corroborar a través del resultado en Eviews.
Test Equation:
Dependent Variable: RESID
Method: Least Squares
Date: 10/05/18 Time: 02:22
Sample: 1991Q1 2018Q1
Included observations: 109
Presample missing value lagged residuals set to zero.
Como el estadístico T*R2= 12.433 > 7.3778 (χ2) entonces se rechaza la hipótesis nula
y existe heterocedasticidad para nuestro modelo.
Test Equation:
Dependent Variable: RESID^2
Method: Least Squares
Date: 10/05/18 Time: 02:25
Sample: 1991Q1 2018Q1
Included observations: 109
Como el estadístico T*R2= 27 .3999 > 7.3778 (χ2) entonces se rechaza la hipótesis nula
y existe heterocedasticidad para nuestro modelo.
Test Equation:
Dependent Variable: RESID^2
Method: Least Squares
Date: 10/05/18 Time: 02:26
Sample (adjusted): 1991Q2 2018Q1
Included observations: 108 after adjustments
DIAGNÓSTICO DE ESTABILIDAD
Test de Quiebre Estructural: Prueba de Chow
Para evaluar si existe quiebre estructural en la serie de tiempo que conforma la variable
dependiente, primero debemos observar ´precisamente su comportamiento a través del tiempo
y ubicar puntos que evidencian cambios bruscos en la tendencia. Para nuestro caso de logaritmo
de la Balanza Comercial (LBC), estos posibles cambios bruscos se dan en 1998:1 y en 2006:3,
con una subida súbita, y luego un cambio de pendiente hacia el descenso.
LBC
.6
.4
.2
.0
-.2
-.4
-.6
92 94 96 98 00 02 04 06 08 10 12 14 16
Como el estadístico F = 8.9217 > 2,4617 (F4,101) con Prob=0.0000; entonces se rechaza
la hipótesis nula y existe quiebre estructural en el ´punto supuesto, es decir en 1998:1.
➢ H0: (β11, β12, …) = (β21, β22, … )= (β31, β32, … ): o “No existe quiebre estructural”
➢ Ha: “Existe quiebre estructural”
Como el estadístico F = 8.1950 > 2,0353 (F8,97) con Prob=0.0000; entonces se rechaza
la hipótesis nula y existe quiebre estructural en los puntos supuesto, es decir en 1998:1
y en 2006:3.
Como el estadístico F = 4.3847 < 6.885 (F1,104) con Prob=0.0387; entonces no se puede
rechazar la hipótesis nula y concluimos en que el modelo está correctamente
especificado a un nivel de significancia de 1%.
Value df Probability
t-statistic 2.093959 104 0.0387
F-statistic 4.384664 (1, 104) 0.0387
Likelihood ratio 4.501231 1 0.0339
F-test summary:
Mean
Sum of Sq. df Squares
Test SSR 0.075355 1 0.075355
Restricted SSR 1.862702 105 0.017740
Unrestricted SSR 1.787347 104 0.017186
LR test summary:
Value
Restricted LogL 67.11362
Unrestricted LogL 69.36424
Al observar los gráficos de CUSUM y CUSUM cuadrada obtenidos a través del software
correspondiente, basados en la suma recursiva de residuos normalizados; se observa un
sobrepaso de las bandas de confianza, por lo que se rechaza la hipótesis nula, es decir que no
existe homogeneidad en el modelo a 5% de significancia.
50
40
30
20
10
-10
-20
-30
92 94 96 98 00 02 04 06 08 10 12 14 16
CUSUM 5% Significance
1.2
1.0
0.8
0.6
0.4
0.2
0.0
-0.2
92 94 96 98 00 02 04 06 08 10 12 14 16
Evaluando la probabilidad del estadístico F para ambos casos, observamos que se puede
rechazar la hipótesis nula por lo que la Balanza comercial causa en el sentido de Granger al
Tipo de Cambio Real Bilateral.
Evaluando la probabilidad del estadístico F para ambos casos, observamos que se puede
rechazar la hipótesis nula por lo que la Balanza Comercial causa en el sentido de Granger a las
importaciones mundiales (WTR).
TEST DE EXOGENEIDAD:
Test de Coeficientes Recursivos
160 4
120 2
80 0
40 -2
0 -4
-40 -6
92 94 96 98 00 02 04 06 08 10 12 14 16 92 94 96 98 00 02 04 06 08 10 12 14 16
2 4
1 2
0
0
-1
-2
-2
-4
-3
-4 -6
-5 -8
92 94 96 98 00 02 04 06 08 10 12 14 16 92 94 96 98 00 02 04 06 08 10 12 14 16
En estos casos se observa que los estimadores finales de los parámetros se sitúan dentro de
las bandas de desviación estándar.
Exogeneidad Débil
Cointegration Restrictions:
A(2,1)=0
Convergence achieved after 16 iterations.
Not all cointegrating vectors are identified
LR test for binding restrictions (rank = 1):
Chi-square(1) 3.265151
Probability 0.070767
LBC(-1) -10.41089
LTCRB(-1) 1.179398
LPBI(-1) -7.134307
LWTR(-1) 10.57344
C -89.07327
Obtenemos un estadístico χ2 = 3.265 con Prob=0.07, rechazamos la hipótesis nula, por lo que
no existe exogeneidad débil para el logaritmo de la Balanza Comercial.
V. CONCLUSIONES Y RECOMENDACIONES
• Los parámetros estimados para el modelo de balanza comercial tienen los signos y
magnitudes esperadas de acuerdo a la teoría económica y la experiencia empírica de
investigaciones anteriores. Al establecer un ajuste por modelo doble logarítmico, los
coeficientes representas las elasticidades parciales de la variable dependiente respecto
a las explicativas, facilitando la interpretación y la comprobación de la condición de
Marshall-Lerner.
• Desde el punto de vista econométrico, los coeficientes estimados son estadísticamente
significativos, tanto a nivel individual como en conjunto, pero pasando a pruebas más
exhaustivas el modelo quiebra su aparente robustez al fallar en niveles como causalidad
de Granger, estabilidad en el modelo, o presentar quiebre estructural hasta para tres
periodos.
• Si bien se supuso estacionariedad en el modelo planteado, otras pruebas de hipótesis
rompen la aparente viabilidad inicial de realizar predicciones en base al modelo,
principalmente por la ausencia de exogeneidad débil. Por lo que se recomienda
replantear el modelo para posteriores estudios y comprobación del modelo planteado.
ANEXOS
ANEXO 01
16
12
-4
92 94 96 98 00 02 04 06 08 10 12 14 16
LBC LTCRB
LPBI LWTR