2016

ANÁLISIS Y EVALUACIÓN DEL COMPORTAMIENTO DE LA INDUSTRIA

MANUFACTURERA EN COLOMBIA ENTRE LOS AÑOS 2008 Y 2014
Aplicación de datos de panel

AUTORES:
MIGUEL ÁNGEL LADINO HERNÁNDEZ. 20111015059
LAURA VIVIANA AGUDELO ROZO. 20111015110

DOCENTE DIRECTOR:
MSC. ALEJANDRO SILVA RIAÑO

UNIVERSIDAD DISTRITAL FRANCISCO JOSÉ DE CALDAS

FACULTAD DE INGENIERÍA
INGENIERÍA INDUSTRIAL

Bogotá, 13 de mayo de 2016

 CONTENIDO

ÍNDICE DE TABLAS ............................................................................................................ ii

ÍNDICE DE GRÁFICOS ...................................................................................................... iii
1 OBJETIVO PRINCIPAL ................................................................................................ 4
2 OBJETIVO ESPECÍFICOS ............................................................................................ 4
3 JUSTIFICACIÓN............................................................................................................ 4
4 ESTADO DEL ARTE ..................................................................................................... 5
5 ANTECEDENTES ECONÓMICOS ............................................................................ 10
5.1 ANTECEDENTES ECONÓMICOS DEL SECTOR INDUSTRIAL EN
COLOMBIA 1990-2007. .............................................................................................. 10
5.2 CRISIS ECONÓMICA DEL AÑO 2008 ........................................................... 17
5.3 LA INDUSTRIA MANUFACTURERA EN COLOMBIA DURANTE LOS
AÑOS 2008 y 2014. ...................................................................................................... 21
6 METODOLOGÍA ......................................................................................................... 27
6.1 DESCRIPCIÓN DEL MODELO DE DATOS DE PANEL ................................. 27
6.2 CONDICIONES NECESARIAS PARA USAR DATOS DE PANEL ................. 29
6.3 ESPECIFICACIÓN DEL MODELO .................................................................... 29
6.4 INDIVIDUOS DE ANÁLISIS .............................................................................. 30
6.5 VARIABLES ......................................................................................................... 32
7 ANÁLISIS DE DATOS DE PANEL ............................................................................ 34
7.1 ALIMENTOS Y BEBIDAS .................................................................................. 34
7.2 ALGODÓN, FIBRAS, TEXTILES, CONFECCIONES, CUERO, CALZADO Y
MARROQUINERÍA. ....................................................................................................... 44
7.3 MADERA Y MUEBLES....................................................................................... 51
7.4 PAPEL, CARTÓN Y ACTIVIDADES DE EDICIÓN E IMPRESIÓN ............... 56
7.5 METALMECÁNICA Y MAQUINARIA ............................................................. 62
7.6 REFINACIÓN DE PETRÓLEO, QUÍMICOS Y PRODUCTOS DE CAUCHO . 66
7.7 MINERALES NO METÁLICOS .......................................................................... 72
7.8 OTROS RUBROS ................................................................................................. 76
8 CONCLUSIONES ........................................................................................................ 81

i
 ÍNDICE DE TABLAS
Tabla 1. Crecimiento y composición sectorial del PIB total 1991-2002 _____________________________ 15
Tabla 2. Tasa de crecimiento anual del PIB según rama de actividad económica _____________________ 24
Tabla 3. Contribución al crecimiento anual del PIB por rama de actividad _________________________ 24
Tabla 4 Grupo según cuentas nacionales ____________________________________________________ 31
Tabla 5. Análisis de correlación del panel de la Industria Manufacturera. __________________________ 34
Tabla 6. Análisis descriptivo del sector de alimentos y Bebidas. __________________________________ 35
Tabla 7. Análisis de correlación entre el V.A y sus variables dependientes. _________________________ 36
Tabla 8. Análisis de efectos individuales. ____________________________________________________ 39
Tabla 9. Test de Hausman para el sector de Alimentos y Bebidas. _________________________________ 39
Tabla 10. Análisis de efectos aleatorios del panel Alimentos y bebidas. ____________________________ 40
Tabla 11. Reestimación del modelo de alimentos y bebidas ______________________________________ 42
Tabla 12. Análisis de correlación entre el V.A y sus variables dependientes. ________________________ 45
Tabla 13. Análisis de efectos fijos del panel Algodón, fibras, textiles, confecciones, cuero, calzado y
marroquinería _________________________________________________________________________ 48
Tabla 14.Análisis de correlación entre el V.A y sus variables dependientes. _________________________ 51
Tabla 15. Análisis de efectos aleatorios del panel Madera y Muebles ______________________________ 54
Tabla 16. Análisis de correlación entre el V.A y sus variables dependientes. ________________________ 57
Tabla 17. Análisis de regresión lineal múltiple. _______________________________________________ 59
Tabla 18. Matriz de correlación del sector de Metalmecánica y Maquinaria. ________________________ 62
Tabla 19. Análisis de efectos fijos del panel Metalmecánica y Maquinaria. _________________________ 64
Tabla 20. Análisis de correlación entre el V.A y sus variables dependientes. ________________________ 67
Tabla 21 Análisis de efectos aleatorios sector petróleo, químicos y caucho _________________________ 70
Tabla 22. Estadístico descriptivo Minerales no metálicos _______________________________________ 73
Tabla 23. Análisis de correlación entre el V.A y sus variables dependientes. ________________________ 73
Tabla 24. Análisis de MCO Minerales no metálicos ____________________________________________ 74
Tabla 25. Análisis de correlación del panel Otros Rubros _______________________________________ 77
Tabla 26. Análisis de efectos aleatorios del panel Otros rubros ___________________________________ 79
Tabla 27. Conclusiones a partir del modelo de datos de panel. ___________________________________ 82

ii
 ÍNDICE DE GRÁFICOS
Gráfico 1. PIB 1989-2007- fuente banco mundial _____________________________________________ 11
Gráfico 2. Tasa de crecimiento PIB industrial 1990-2010 _______________________________________ 11
Gráfico 3. Balanza comercial Sector Industrial 1974-2008 ______________________________________ 12
Gráfico 4. Inversión neta de la industria manufacturera ________________________________________ 14
Gráfico 5. Producción industrial por tipo de empresa __________________________________________ 16
Gráfico 6. Contribución al crecimiento del PIB _______________________________________________ 18
Gráfico 7. Crecimiento trimestral del PIB real _______________________________________________ 19
Gráfico 8. Inflación y tasa de desempleo ____________________________________________________ 20
Gráfico 9. Evolución del consumo de los hogares _____________________________________________ 20
Gráfico 10. Crecimiento del PIB industrial vs el PIB total _______________________________________ 21
Gráfico 11. Crecimiento del PIB industrial vs minería y servicios ________________________________ 22
Gráfico 12. Producción real de la industria 2005-2014 _________________________________________ 23
Gráfico 13. Distribución del PIB por rama de actividad económica (Precios constantes de 2000) _______ 24
Gráfico 14. Crecimiento y participación de la Producción Industrial ______________________________ 26
Gráfico 15. Sectores más dinámicos (izquierda) y menos dinámicos (derecha) del 2013. _______________ 27
Gráfico 16. Datos de Panel ______________________________________________________________ 28
Gráfico 17. Comportamiento del Valor Agregado en el panel de Alimentos y bebidas _________________ 37
Gráfico 18. Ajuste de datos del sector Alimentos y Bebidas ______________________________________ 38
Gráfico 19. Q-Q Plot normal alimentos y bebidas _____________________________________________ 41
Gráfico 20. Comportamiento del Valor Agregado en el panel Algodón, fibras, textiles, confecciones, cuero,
calzado y marroquinería _________________________________________________________________ 46
Gráfico 21. Ajuste de datos del panel Algodón, fibras, textiles, confecciones, cuero, calzado y marroquinería
_____________________________________________________________________________________ 47
Gráfico 22. Q-Q Plot normal Algodón, Fibras, Textiles, Confecciones, Cuero, Calzado y Marroquinería. _ 49
Gráfico 23. Comportamiento del Valor Agregado en el panel Madera y Muebles _____________________ 52
Gráfico 24. Ajuste de datos del panel Madera y Muebles ________________________________________ 53
Gráfico 25. Q-Q Plot normal Madera y Muebles. ______________________________________________ 55
Gráfico 26. Comportamiento del Valor Agregado en el panel de Papel, cartón y actividades de edición e
impresión. ____________________________________________________________________________ 58
Gráfico 27. Q-Q Plot normal Papel, cartón y actividades de Edición e Impresión. ____________________ 60
Gráfico 28. Valor agregado del sector de Metalmecánica y Maquinaria. ___________________________ 63
Gráfico 29. Q-Q Plot normal Metalmecánica y Maquinaria. _____________________________________ 65
Gráfico 30. V.A. refinación de petróleo, químicos y productos de caucho ___________________________ 68
Gráfico 31. Ajuste de datos del sector petróleo, químicos y caucho _______________________________ 69
Gráfico 32. Q-Q Plot normal Refinación de Petróleo, Químicos y Productos de Caucho. ______________ 71
Gráfico 33. V.A. Minerales no metálicos ____________________________________________________ 74
Gráfico 34. Q-Q Plot normal Minerales no Metálicos. __________________________________________ 75
Gráfico 35. Comportamiento del Valor Agregado en el panel de Otros rubros _______________________ 78
Gráfico 36. Ajuste de datos del sector Otros rubros ____________________________________________ 78
Gráfico 37. Q-Q Plot normal Otros Rubros. __________________________________________________ 80
Gráfico 38. Valor Agregado según subsector del panel Otros rubros ______________________________ 81

iii
 ANÁLISIS Y EVALUACIÓN DEL
COMPORTAMIENTO DE LA
INDUSTRIA MANUFACTURERA EN
COLOMBIA ENTRE LOS AÑOS 2008 Y
2014
APLICACIÓN DATOS DE PANEL

1 OBJETIVO PRINCIPAL

Analizar y evaluar el comportamiento del sector manufacturero en el periodo comprendido entre

los años 2008 y 2014 en Colombia.

2 OBJETIVO ESPECÍFICOS

 Recopilar información del Sector Industrial a partir del año 2008 que sirva como base para
la realización de un análisis detallado.
 Aplicar las metodologías que faciliten analizar las causas y consecuencias del declive que
presentó el sector industrial después del año 2008.
 Utilizar y analizar indicadores económicos e industriales.
 Utilizar herramientas de tipo estadístico, que permitan el análisis de los datos recopilados.

3 JUSTIFICACIÓN

Sabiendo que la industria manufacturera en Colombia es uno de los sectores con mayor
potencial para el crecimiento de la economía colombiana, dado que por su actividad es una fuente
generadora de empleo, con un impacto del 12,2% dentro del PIB del país (CEPAL, 2014), es de
vital importancia conocer las causas y aspectos que han determinado su decrecimiento en los
últimos años, pues bien, a inicios del siglo XXI, la economía presentaba crecimientos del 2,4%,
cifra insignificante en comparación a los años posteriores: 2006 y 2007, los cuales registraron

4
crecimientos del 6,94% y 7,95%, respectivamente, indicando la bonanza que estaba viviendo la
industria para la época, situación que cambió radicalmente luego de la crisis del año 2008, donde
el sector reportó una cifra de -1.8%, valor que se vería superado al año siguiente (2009) donde
alcanzó el -6.3%, dejando al descubierto la crisis que enfrentaría el sector, la cual que se
prolongaría hasta la actualidad.

Hoy en día la ingeniería industrial se desarrolla en diferentes campos de aplicación, uno de

ellos es el sector industrial, cuyo principal objetivo es la producción final de bienes. Sin embargo,
así como se elaboran planes de producción basados en las necesidades de las organizaciones, es
también imprescindible conocer el contexto del sector teniendo en cuenta las estadísticas,
acontecimientos anteriores y así mismo, visualizar aquello que está por venir para la industria y es
que, según algunas premisas de la dinámica de sistemas: “Un sistema es dinámico cuando los
elementos que lo constituyen varían a lo largo del tiempo, si estos elementos del sistema y las
relaciones entre ellos son inmutables, el sistema es estático” (Forrester, 1961). Por tal razón es de
importancia conocer la situación por la cual se encuentra el sector, teniendo en cuenta la relación
de cada una de las variables, identificando aquellas que son dependientes e independientes y así,
establecer estrategias que permitan emprender medidas de acción dentro del campo del sector.

Para estudiar el comportamiento de la industria manufacturera es de utilidad la puesta en

práctica de aquellas herramientas metodológicas que fundamentan el razonamiento y capacidad de
análisis de un ingeniero industrial, tal es el caso de la estadística, como el proceso de recopilación
e interpretación de datos. En este campo de estudio es posible hacer uso de herramientas como los
estudios de correlación de las variables, los cuales permiten determinar condiciones de
endogeneidad. De esta manera, la presente monografía argumenta su realización en las razones
anteriormente mencionadas, sintetizadas en la necesidad de estudiar el período comprendido por
los años 2008 y 2014, por ser un momento en el cual la industria manufacturera se vio sumamente
afectada, además de ser éste un campo concerniente a la ingeniería Industrial.

4 ESTADO DEL ARTE

Los estudios que han analizado el comportamiento de la industria manufacturera en

Colombia han sido numerosos. Principalmente, los datos cuantitativos referentes a los indicadores
de mayor trascendencia en el sector son proporcionados por instituciones como la Comisión
Económica para América Latina y el Caribe CEPAL, la cual publica estudios económicos de la
región, cuadernos estadísticos e informes anuales con datos como la evolución de la actividad

5
económica incluyendo indicadores como el PIB, la balanza de pagos, el empleo, la deuda, entre
otros.

De igual forma, el Banco de la República es otra de las instituciones que ha publicado

informes, reportes y boletines económicos. Además de ello, ha realizado investigaciones
disponibles en la Revista de Ensayos sobre Política Económica ESPE, los borradores de economía
y los libros editados y coeditados por la institución. Por otro lado, el Ministerio de Hacienda
Pública emite boletines mensuales y reportes con las principales cifras del sector en el año de
estudio.

En cuanto a los gremios que comparten información sobre la industria manufacturera en el

país, está la Asociación Nacional de Empresarios de Colombia ANDI. En uno de sus reportes
presentan el balance económico del año 2014 junto a las perspectivas del año 2015, ubicando la
economía nacional en el contexto mundial y mencionando aspectos de relevancia empresarial
como la competitividad y sus indicadores, el crecimiento económico, la producción real de la
industria, la balanza comercial y algunas variables del contexto macroeconómico como la
inflación, las tasas de interés y el mercado cambiario.

El DANE es otra de las entidades que también se encarga de brindar información a los
usuarios por medio de sus estadísticas publicadas en la Encuesta Anual Manufacturera, la Encuesta
Mensual Manufacturera, la Muestra Trimestral Manufacturera Regional, Indicadores de
Competitividad Industrial, así como los datos de cuentas nacionales en una base de datos que
relaciona diferentes períodos de tiempo. ACOPI, la asociación Colombiana de la Micro, Pequeña
y Mediana Empresa, es otro de los gremios que ofrece archivos públicos de tipo multimedia, así
como boletines, noticias y capacitaciones concernientes a la industria y a las empresas nacionales.

Por último, los centros de estudio económico de la Universidad de los Andes, la Universidad
Nacional, el Departamento de Planeación Nacional, entre otros, incluyen documentos relacionados
con la industria manufacturera en Colombia, entre ellos las tesis de grado y los artículos de
investigación concernientes a dicha temática. Para citar algún ejemplo sobre la evolución y el
crecimiento industrial en Colombia, algunos autores, como Alexander Alfonso Maldonado, han
estudiado las diferentes tendencias estructurales del sector manufacturero. Su tesis de maestría en
Ciencias Económicas de la Universidad Nacional incluye el desempeño de la industria colombiana
entre los años 1970 y 2005, teniendo en cuenta los principales hechos que marcaron su trayectoria.
En ella se estudia la diversificación de las importaciones y exportaciones a nivel industrial, los
cambios estructurales en la industria, la evolución del ciclo del crecimiento industrial, la apertura

6
externa, la evolución del desempeño comercial de la industria, la productividad laboral y la
inversión (Maldonado Atencio, 2010).

Algunos artículos también mencionan la situación de la industria manufacturera en

Colombia, tal es el caso de una de las publicaciones de la Universidad Santiago de Cali en
Colombia bajo el título “Perfil del sector manufacturero colombiano”, publicada en el año 2013,
la cual brinda un panorama del sector teniendo en cuenta el contexto a nivel mundial y en
Latinoamérica. El artículo, inicialmente, presenta el contexto dentro del marco teórico de la
industria manufacturera, definiendo el alcance de dicha actividad y ubicando el sector dentro de la
economía mundial y posteriormente, dentro del contexto del sector en América Latina.
Adicionalmente hace mención al modelo de industrialización por sustitución de importaciones ISI
como pauta para el proceso de industrialización en América Latina mediante el desarrollo de cuatro
etapas. Dicho modelo fue propuesto por la CEPAL, a partir de la década del cincuenta. Las etapas
que plantea son: Fomento de la producción de bienes de consumo no duraderos como paso inicial,
luego incentivar la producción de bienes de consumo duraderos, posteriormente de bienes
intermedios y, finalmente, bienes de capital. (Rebolledo Noriega, Ángel López, Duque Gallego,
& Velasco Bonilla, 2013)

Para estudiar la situación del sector manufacturero en Colombia durante años previos al
presente trabajo, es decir, antes del año 2008, es posible remitirse a autores como Julio Cesar Caro;
quien hace alusión a un período de 20 años entre 1990 y 2010 en su libro El cambio técnico y la
innovación: una aproximación para el sector manufacturero colombiano 1990-2010. Allí se
mencionan algunos de los principales cambios del sector a nivel técnico, estructural y de
innovación a partir del enfoque evolucionista. Desde la perspectiva de dicho enfoque también se
encuentran disponibles otros documentos que mencionan el cambio a través del tiempo del sector
en Colombia. Por ejemplo, el libro Dinámica y Transformaciones de la Industria Colombiana, de
Florentino Malaver Rodríguez, menciona algunos de los principales hechos que marcaron el
camino de la industria colombiana. Narrando dicha situación a principios del siglo XXI hace
referencia a que el escenario de la industria no era muy alentador y que por el contrario no
vislumbraba un futuro favorable. Es así como se cuantifican algunos indicadores como las
importaciones, exportaciones, PIB, comercio internacional y competitividad industrial, de acuerdo
a cifras aportadas por el Banco de la República y el Departamento Nacional de Planeación DANE.

Por otro lado, hay quienes muestran un panorama pesimista y muestran los factores que
llevaron a que la situación de la industria manufacturera en Colombia se hiciera casi crítica. Tal es
el caso de Ricardo Chica mediante su artículo: “El estancamiento de la industria colombiana”, en
el cual se percibe el dimensionamiento y el diagnóstico del sector para el período de los años

7
ochenta (Chica, 1990). Para ello muestra la evolución de las variables industriales de producción
industrial, inversión total, importaciones, exportaciones, déficit comercial. Es evidente que
información como la Encuesta Anual Manufacturera proporcionada por el DANE es fuente de gran
utilidad para los cálculos y análisis propios del autor.

Una fecha más cercana el período de estudio del presente documento se encuentra en el
estudio de Constanza Amézquita en su documento “La industria manufacturera en Colombia 1995-
2005”. A semejanza del propósito del estudio, éste muestra la composición y estructura del sector
industrial colombiano entre 1995 y 2005 mediante una revisión de la literatura sobre industria
desarrollada en el período y de acuerdo con las estadísticas industriales compiladas por DNP,
DANE y CEPAL (Amezquita, 2008).

Es importante resaltar que frente a la variedad de documentos e información encontrada que

hace referencia a la industria manufacturera colombiana, se encuentra una amplia recopilación de
la historia del sector en su mayoría, durante los años noventa. Sin embargo, también es posible
acceder a la información relacionada a los años que marcaron el inicio del siglo XXI. Dicha
información debe recopilarse y tabularse con el fin de evaluar el comportamiento de la industria
durante el período formulado para el presente estudio: años 2008-2014, el cual mostró una caída
desfavorable del crecimiento de la industria, en gran parte, debido a la crisis del año 2008 en
Estados Unidos. Es preciso decir que los documentos que logran situar su objeto de estudio para
esta época son muy pocos.

Por su parte, hay otros estudios que centran su análisis en la actividad innovadora de la
industria manufacturera en Colombia, tal es el caso de los borradores de economía del Banco de
la República. Según algunos autores es posible afirmar que la innovación es uno de los mayores
factores que contribuyen al crecimiento de una economía (Langebaek & Escobar, 2007), tanto así
que ciertos estudios han centrado su atención en establecer un paralelo entre aquellas empresas del
sector que han implementado departamentos de investigación y desarrollo I+D en su estructura
organizacional y aquellas que no; incluso, actualmente existe un concepto más amplio que es el
I+D+i que significa investigación, desarrollo e innovación, teniendo en cuenta la adición de este
último término al concepto anterior. (Orozco, Chavarro, & Ruiz, 2010). De igual forma, con el
fin de cuantificar los determinantes de la inversión en la industria manufacturera colombiana, hay
algunas encuestas lideradas por entidades como el Departamento Nacional de Planeación DNP, el
Departamento Administrativo Nacional de Estadística DANE y el Departamento Administrativo
de Ciencia, Tecnología e Innovación COLCIENCIAS, quienes han realizado Encuestas de
Desarrollo e Innovación Tecnológica que permiten llegar a encontrar bajos niveles de

8
investigación y desarrollo y estrategias de innovación deficientes, situación presentada en su
mayoría en las pequeñas empresas, las cuales son predominantes en el país para la época actual.

Algunas de las metodologías usadas previamente para determinar el comportamiento

sectorial de la industria manufacturera, uno de los objetivos del presente estudio, es el análisis a
partir de datos de panel, la cual se ve aplicada al estudio Comportamiento sectorial de la industria
manufacturera en Colombia 1980-2005. Un análisis a partir de datos de panel, elaborado por Jaime
Rendón y Paula Nieto, integrantes de la Facultad de Ciencias Económicas y Sociales de la
Universidad de la Salle. (Rendón & Nieto, 2009) Luego de presentar la evolución sectorial de la
industria manufacturera y poner el contexto del sector a nivel nacional, realizan el análisis
cuantitativo por medio del Panel Data. Allí presentan un análisis de 24 subsectores de la industria
manufacturera contemplando la producción industrial como variable dependiente de variables
como el coeficiente de penetración de las importaciones, la tasa de cambio y el coeficiente de
apertura exportadora, realizando un análisis cuantitativo. El Data Panel hace referencia a un
modelo utilizado en estadística y en econometría para analizar aquellos datos que presentan una
combinación entre un conjunto transversal de datos y un conjunto temporal de datos, es decir, un
conjunto de datos que incluye diferentes observaciones en un momento determinado en el tiempo
y un conjunto de datos que se observa a través del tiempo. Un ejemplo de ello lo conforma un
grupo de variables macroeconómicas observadas en un período determinado de años.

En la fase de análisis de la información recopilada es preciso consultar referencias que

presenten una guía metodológica para el ingreso de datos de entrada, análisis de la información y
obtención de datos de salida en el estudio. La técnica de datos de panel, mencionada previamente,
es una de las herramientas a utilizar en el presente trabajo de grado, pues reúne completamente las
características de la información a considerar, teniendo en cuenta la aplicación de conocimientos
en el área de la estadística, la ingeniería industrial y la econometría. Respecto al uso de esta técnica
de análisis de datos, son diversos los documentos que presentan una pauta para su aplicación, así
como son numerosos quienes presentan algunos casos de aplicación para gran variedad de estudios
en temas concernientes a la ingeniería, economía, entre otras áreas de estudio. A continuación se
nombran algunos artículos y documentos científicos que hablan acerca de esta técnica.

Documentos recientes como el de Datos de Panel, Guía para el uso de E-views, de Alfredo
Varonio y Ana Vianco del Departamento de Matemática y Estadística de la Facultad de Ciencias
Económicas de la Universidad Nacional de Rio Cuarto y publicado en noviembre de 2014,
demuestra la aplicación de esta técnica en la actualidad. El documento incluye una breve
introducción con los aspectos básicos de la identificación y el manejo de datos de panel,

9
continuando con las especificaciones generales del modelo, presentando las ventajas y desventajas
de la técnica y explicando los dos tipos de modelos posibles a implementar de acuerdo a la
caracterización de los efectos presentados en la información de cada uno de los sectores de estudio.
Finalmente, presenta un caso de aplicación en el cual se analiza y evalúa una función de producción
para los países pertenecientes al bloque económico MERCOSUR, haciendo uso del software E-
Views, utilizado para la realización del análisis estadístico, de pronósticos y de modelamiento
matemático.

De igual forma, instituciones como la Universidad Autónoma de Madrid presenta una Guía
cero para datos de panel. Un enfoque práctico, por Romilio Labra y Celia Torrecillas; en un
Working Paper publicado en el año 2014. Allí mencionan las condiciones necesarias para el uso
de datos de panel, la estimación de modelos econométricos, la explicación de algunos modelos
desde la perspectiva del análisis teórico, elección del tipo de datos mediante el Tess de Hausman,
utilización del software STATA y su procedimiento, así como algunos ejemplos prácticos.

El Banco Central de Costa Rica es otra de las instituciones que ha publicado documentos
relacionados a la temática mencionada previamente, en representación del Departamento de
Investigaciones Económicas. A semejanza de otras guías metodológicas, también presentan una
contextualización y descripción inicial de la técnica, seguido de las tipologías de modelos
desglosados a partir del modelo general y finalmente un ejemplo de salida con un caso de
aplicación.

5 ANTECEDENTES ECONÓMICOS

5.1 ANTECEDENTES ECONÓMICOS DEL SECTOR INDUSTRIAL EN

COLOMBIA 1990-2007.

Dado que el período de estudio de este documento no se puede analizar como una serie de
tiempo aislada, es necesario hacer una revisión histórica comprendida entre los años 1990-2007,
pues fue a partir del año 1990 con la apertura económica que el sector industrial cambió
dramáticamente, además cabe resaltar que en este año se alcanzó una cifra del PIB cercana al 6%,
valor que sólo se vería superado hasta el año 2006, pues en este año Colombia ubicó su PIB por
encima de 6,7% según cifras del Banco Mundial, tal y como se muestra en el Gráfico 1 a
continuación.

10
 Gráfico 1. PIB 1989-2007- fuente banco mundial

Ahora bien, el sector industrial en Colombia ha sido muy volátil y cambiante a lo largo de
los años. Así como éste ha reflejado la tendencia económica del país a partir de los años 90, la
industria manufacturera ha mostrado drásticos cambios, pues para inicios de la década, el PIB del
sector se aproximaba a -4,4%, mientras que tres años más tarde se acercaba a 9,5%, tendencia que
cambiaría bruscamente para finales de siglo, donde la economía del sector se vio fuertemente
afectada con la denominada “crisis económica de finales de sigo”. Es por ello que es necesario
conocer el pasado y la evolución del sector, con el fin de contextualizar y encontrar patrones claves
que sean relevantes al momento de realizar el análisis entre los años 2008-2014, período de estudio
en este documento.

Gráfico 2. Tasa de crecimiento PIB industrial 1990-2010

El producto interno bruto no es el único indicador relevante al momento de observar períodos

anteriores, esto con el fin de esclarecer la actual situación decadente del sector industrial en
Colombia. Debido a esta situación, es de gran importancia observar la evolución de las
exportaciones e importaciones del país, así como la contribución del sector manufacturero al
resultado de la balanza comercial. A continuación se expone el Gráfico 3, el cual muestra la
balanza comercial del país y las exportaciones e importaciones del sector industrial en Colombia.

11
 40.000
35.000

MILLONES DE DOLARES
30.000 Exportaciones
25.000
20.000
15.000 Importaciones
10.000
5.000 Exportaciones-
0 Importaciones
-5.000
1989 1991 1993 1995 1997 1999 2001 2003 2005 2007
AÑOS

Gráfico 3. Balanza comercial Sector Industrial 1974-2008

Como se evidencia en el Gráfico 3, es sólo hasta después de la apertura económica (1990)

que la balanza comercial tanto a nivel nacional como en el sector industrial, comienza a presentar
cambios drásticos con un incremento significativo tanto en las importaciones como en las
exportaciones, dejando un saldo negativo en su valor final, tendencia que continua hasta la fecha
y deja al descubierto una de las posibles causas del mal estado del sector industrial en Colombia.

Para ahondar más específicamente en los comportamientos económicos que dieron lugar al
detrimento de la manufactura en Colombia se seleccionaron tres períodos de análisis 1990-1996,
(apertura económica), 1997-2001, crisis economía de finales de siglo y finalmente 2002-2007
crecimiento medio del sector industrial en Colombia.

5.1.1 PRIMER PERÍODO: 1990-1994 (APERTURA

ECONÓMICA).

Durante los primeros cuatro años de la década de los 90 se implementó en Colombia un

nuevo modelo económico, sustentado en la apertura económica y en una reforma estructural
apoyada en políticas como la liberalización de las importaciones, la liberalización del mercado
cambiario y la adopción del sistema de bandas, la liberalización de la cuenta de capitales, la
independencia del Banco de la República, la descentralización fiscal, administrativa y política, la
flexibilización laboral, la reforma al sistema de seguridad social en pensiones y salud, las sucesivas
reformas tributarias, la reforma al sistema educativo y la reducción del tamaño y redefinición de
las funciones del Estado (Maldonado, 2012).

12
 Todo lo anterior con el fin de impulsar la economía Colombiana y en especial al sector
industrial, pues como menciona OCAMPO (2004), la apertura económica trajo consigo
principalmente la disminución de los aranceles, que pasaron rápidamente de un promedio de
35,0% a 10,0%. Al mismo tiempo, se liberó la cuenta de capitales, lo que precipitó un flujo de
capitales sin precedentes en la forma de inversión extranjera directa, facilitando así el incremento
de las exportaciones e importaciones en el país, lo que benefició claramente el crecimiento del
sector industrial, hasta el punto de subir el PIB del sector de -4,4%, a 9,5% en tan solo 3 años,
dejando ver así las acertadas decisiones del gobierno nacional para impulsar la industria nacional.

Lastimosamente este apogeo sólo duraría poco, pues años más tarde, en 1994, comenzaría
un descenso del PIB industrial, acompañado de un incremento significativo de las importaciones
en relación a las exportaciones, lo que desencadenaría en el deterioro del sector manufacturero,
pues como lo plantea el Banco De La Republica (2009), las importaciones manufactureras inician
una fase de rápido crecimiento al inicio de la década de los 90, su comportamiento se caracteriza
por una alta volatilidad, pues durante este período las importaciones aumentan en promedio a una
tasa del 9% anual, alcanzando los mayores incrementos durante los años de 1993 con una tasa de
crecimiento del 56.01% y en 1994 cuando presentan un incremento del 10.14%; sin embargo, ya
para 1996, el ritmo de crecimiento de las importaciones se desacelera, mostrando así valores
negativos (-3.20%), este hecho deja al descubierto que la industria en Colombia no estaba
preparada para competir con las empresas multinacionales que llegaron al mercado nacional con
mejor calidad y menores precios y es por ello que al pasar los años y con el posicionamiento de
marcas extranjeras en el país, la industria nacional se vio rezagada y cada vez más golpeada por el
mercado extranjero.

Es de rescatar que el crecimiento de la industria durante la primera mitad de la década de los

90 va muy de la mano con el incremento de la inversión neta por parte del gobierno nacional.
Como se muestra en el Gráfico 1, el producto interno bruto del sector mostró una tendencia
creciente hasta el año 1996, año en el cual decayó también la inversión neta, cerrando así este ciclo
de análisis (1990-1996) con una caída alarmante tanto del PIB industrial como de la inversión
neta. A continuación se muestra la evolución de la inversión neta de la industria manufacturera
entre los años 1986-2010, donde se deja al descubierto el descuido por parte del gobierno nacional
con el sector. Esto justifica el hecho de que la balanza comercial del sector industrial pasó en el
período de la apertura (1990- 1995) de un déficit comercial de US$ 770 millones a otro de
US$3.460 millones.

13
 Gráfico 4. Inversión neta de la industria manufacturera

5.1.2 SEGUNDO PERÍODO: CICLO 1997-2001

Si bien la primera mitad de la década fue un periodo en el cual la industria colombiana creció
considerablemente debido a la apertura económica y otras políticas, en los años posteriores, la
economía colombiana y más específicamente el sector industrial, no sólo dejó de crecer, si no que
entró en un período de crisis con caídas abruptas del PIB y de las exportaciones.

Concretamente entre 1997 y 2001, la economía colombiana experimentó un pobre

desempeño, alcanzando un crecimiento promedio de -0.4%. La actividad industrial se vio afectada
por dicha situación, al punto de que en 1999 registró una tasa de crecimiento negativa del -3.7%,
dejando al descubierto los problemas de ajuste estructural en el proceso de adopción del nuevo
modelo de liberalización comercial.

Así mismo, las exportaciones manufactureras durante este período respondieron de manera
desfavorable especialmente en los años de 1996 y 1998, cuando se registran tasas de -5.81% y -
2.38%, a diferencia de años anteriores de bonanza como 1994, donde debido al auge del modelo
económico, las exportaciones crecieron un 17.86%. En general, el buen comportamiento de las
exportaciones presentado en la primera mitad de la década de los 90’ finaliza con una progresiva
caída de considerable magnitud, lo cual coincide con una agudización de la revaluación real del
peso durante este período.

Fue tal el deterioro del sector que, como menciona el Banco de la República (2009), para el
inicio de este ciclo en 1997 comienza el período de recesión más profundo de la economía

14
colombiana en los últimos años, cuyo principal detonante macroeconómico se da por la
revaluación del peso colombiano y las altas tasas de interés real.

Además, el porcentaje de crecimiento del sector manufacturero en este ciclo fue decadente,
pues a inicios del período era de 1,07% y para el año 2001 fue tan solo del 0,17%, crecimiento
casi nulo si se tiene en cuenta que para este mismo año la industria manufacturera representa casi
un 14% del PIB del país, rubro en el que también se ve una tendencia negativa, pues 8 años atrás
el porcentaje de participación era del 14,88%, tal como se evidencia en la Tabla 1.

Tabla 1. Crecimiento y composición sectorial del PIB total 1991-2002

Quizá una de las consecuencias del pobre crecimiento del sector industrial, que agudizó la
crisis de la segunda mitad de los años 90, fue la inversión en el sector, pues ésta no fue lo suficiente
para impulsar o incentivar la industria como se venía haciendo años atrás e iniciar procesos
acelerados de modernización o reestructuración, por lo cual la tasa de crecimiento del sector
manufacturero fue muy pobre, es por ello que como menciona Caro(2012), Colombia experimentó
la recesión con la desindustrialización más profunda en los últimos años.

Tal fue el decremento de la inversión nacional para el sector industrial, que durante este
período (1997-2001), las pequeñas y medianas empresas presentaron un aporte muy limitado a la
producción industrial del país, pues las empresas grandes generaron un aporte mayor al 60%, aun
cuando en cantidad las PYME representaban más de un 80% de las empresas del país, tal y como
se evidencia en el siguiente gráfico:

15
 Gráfico 5. Producción industrial por tipo de empresa

A este hecho se suma que a finales de la década de los noventa e inicios de los 2000 se da
una profunda crisis financiera que tuvo incidencia directa en la inversión del sector, además de la
desventaja notoria de los productos nacionales frente a los extranjeros, pues la calidad de estos
últimos era mayor y a un menor costo promedio.

5.1.3 TERCER PERÍODO: 2002-2008.

Quizá este ciclo sea uno de los más satisfactorios para la industria en Colombia, pues durante
estos años la industria manufacturera creció significativamente, pues como reporta el DANE, ésta
creció a una tasa promedio anual de 1.9%, para la primera mitad de la presente década reporta una
tasa de crecimiento promedio anual de 5.92%, muy superior al promedio registrado durante el
período de la apertura económica. En el año 2001 la industria manufacturera creció tan sólo en un
1.24%, durante el año 2005 presentó una tasa de crecimiento del 5.42% y en 2006 creció a una
tasa superior al 6.82%, donde la industria contribuyó con el 15.5% del PIB.

Quizá una de las principales razones para que la industria en Colombia hubiese tenido un
resultado tan satisfactorio fue la preocupación del gobierno por el sector, es por ello que a partir
del año 2002 la inversión neta sobre la industria manufacturera mostró un crecimiento
significativo, similar al registrado en los años 90, cuando se mostraba una industria sólida (Ver
Gráfico 4).

16
 5.2 CRISIS ECONÓMICA DEL AÑO 2008

En el segundo semestre del año 2008 inició en Estados Unidos la más grave crisis financiera
y económica desde la Gran Depresión ocurrida hacia 1929, también conocida como crisis del
veintinueve (Ocampo, 2009). La situación en el país se mantenía entre la caída del mercado
hipotecario, la contracción de los canales de crédito y la caída de instituciones financieras como el
Lehman Brothers y el Merrill Lynch, grandes bancos de inversión en la nación. Por su parte, el
banco de ahorro y crédito Washington se vio obligado a la venta de sus activos. Los ciudadanos
estadounidenses se encontraban en un momento de excesivo gasto y endeudamiento, estimulado
por las bajas tasas de interés, las cuales se habían impuesto con el fin de dar impulso al crecimiento
y sostenimiento de la economía luego de ataques terroristas como el de las Torres Gemelas. Así
mismo los hechos mencionados condujeron al aumento de compras de tipo inmobiliario, lo cual
generó inmediatamente la caída del precio de la vivienda. Es así como de un momento a otro,
Estados Unidos se vio prontamente inmersa en una excesiva liquidez, que contribuyó al paso de
una crisis aparentemente financiera y posteriormente convertida en una crisis económica. (Zurita
González, Martínez Pérez, & Rodríguez Montoya, 2009).

5.2.1 LA CRISIS EN AMÉRICA LATINA

Mientras esto sucedía en Estados Unidos, la actividad productiva en los países de América
Latina también se estaba contrayendo, algunos de los efectos fueron la caída de volumen de
comercio internacional, paralización del crédito, elevación de los márgenes de riesgo, caída de los
precios de los productos básicos, entre muchos otros sucesos. La crisis del 2008 resultó ser un
fenómeno que logró marcar las tendencias de la economía de muchos países a nivel mundial,
incluso de economías como China, caracterizada por su dinamismo económico, la cual redujo
notablemente sus exportaciones. De igual forma, dentro del contexto Latinoamericano, países
como Brasil y Perú, que habían reportado niveles de crecimiento, también sufrieron los efectos de
la crisis externa. (Ocampo, 2009)

En Colombia, las exportaciones e importaciones perdieron competitividad en productos

como las flores, textiles y calzado y el volumen de importaciones aumentó en relación con las
exportaciones. “La menor oferta de dólares por exportaciones y remesas genera una percepción de
devaluación que, como se mencionó, induce una menor entrada de capitales externos” de acuerdo
a Cesar Ferrari en su artículo Tiempos de Incertidumbre. Causas y consecuencias de la crisis

17
mundial. (Ferrari, 2008). De esta manera se agudiza el déficit en cuenta corriente y se disminuye
el superávit de capitales. Algunos de los canales externos que contribuyeron a la trasmisión de la
crisis fueron las remesas, el comercio internacional y las corrientes de capital (Ocampo, 2009).

5.2.2 LA CRISIS EN EL CONTEXTO NACIONAL

En Colombia, el panorama tampoco era muy alentador, justamente hacia el año 2008 la
economía colombiana desmejoró con respecto a las cifras reportadas en los años anteriores, esto
sucedió debido a múltiples factores tanto internos como externos. Según el Banco de la República:
“en 2008 la economía colombiana presentó un cambio de tendencia más pronunciado de lo
previsto”, como se muestra en el Gráfico 6.

Gráfico 6. Contribución al crecimiento del PIB (Arana Velasco, 2009)

Según el periódico de la Universidad Nacional en Colombia, publicado en el año 2009:

“Algunos analistas en el país sostienen la hipótesis de que el proceso de desaceleración económica
que se viene observando desde el año pasado en Colombia es consecuencia directa de la crisis
económica mundial promovida por EE.UU. desde mediados de 2007 y potencializada por la crisis
del mercado financiero en ese país”. (Mesa Callejas, 2009). Por su parte, según el Informe al
Congreso presentado por el Banco de la República en el mes de marzo del año 2009, el ciclo
expansivo de la economía colombiana, que se prolongó durante seis años, alcanzó su máximo
crecimiento en el año 2007 (con 7.5%) y en 2008 presentó un cambio de tendencia por encima de

18
lo previsto. En el año 2008 la economía creció 2,5%, una tercera parte de lo observado en 2007 y
aproximadamente la mitad de los pronósticos iniciales giraban alrededor de 5%, como se muestra
en el Gráfico 6. Además del panorama desolador en el desempeño de la economía nacional, es de
mencionar que la situación no mejoraba, por el contrario venía declinando con los años. Después
de una expansión económica de 8,1% en el último trimestre de 2007, los crecimientos trimestrales
sucesivos durante 2008 fueron 4,1%, 3,9%, 2,9% y -0,7%, respectivamente (Banco de la
República, 2009).

Gráfico 7. Crecimiento trimestral del PIB real (Mesa C., Restrepo O., & Aguirre B., 2008)

Algunos de los agravantes de este comportamiento fueron el incumplimiento de las metas

de inflación, la caída en los sectores productivos, el aumento en la tasa de desempleo y la
disminución en la evolución del consumo de los hogares, sintiéndose así los impactos de la
situación externa y la crisis que atravesaba Estados Unidos para dicho momento. (Mesa C.,
Restrepo O., & Aguirre B., 2008) . A continuación en el Gráfico 8 se evidencia la disminución de
la tasa de desempleo junto al aumento de la tasa de inflación en Colombia para el mes de marzo
en los años 2002 a 2008.

19
 Gráfico 8. Inflación y tasa de desempleo (MESA C., RESTREPO O., & AGUIRRE B., 2008)

Por otro lado, mientras la tasa de desempleo y la tasa de inflación no eran muy favorables,
el consumo de los hogares presentaba una fuerte tendencia a la baja para la época de 2008 y 2009.
A continuación se muestra la evolución del consumo de los hogares entre los años 2001 y 2009,
notablemente se evidencia la disminución de dicha variable para el año 2008, como uno de los
afectados por la contracción del PIB.

Gráfico 9. Evolución del consumo de los hogares (Arana Velasco, 2009)

20
 5.3 LA INDUSTRIA MANUFACTURERA EN COLOMBIA DURANTE
LOS AÑOS 2008 Y 2014.

De acuerdo con la revista del Banco de la República, la industria manufacturera tuvo un

crecimiento sostenido considerable hasta la crisis del 2008, pues hacia el último trimestre del año,
la producción industrial cayó notablemente y ha tenido una recuperación débil. Así mismo, a lo
largo de los últimos años el sector ha perdido participación en el PIB, lo cual no sólo se atribuye
al proceso de desindustrialización sino a la coyuntura internacional, acompañado del comercio
internacional, la reevaluación de las tasas de cambio, el cierre del mercado venezolano y la
desaceleración mundial. A continuación se evidencia por completo el crecimiento del PIB
industrial vs. El PIB Total nacional, el cual en los años 2008 y 2009 se mantiene muy por debajo
del PIB total, lo cual demuestra la grave situación de la industria manufacturera colombiana para
tal momento.

Gráfico 10. Crecimiento del PIB industrial vs el PIB total

Cabe destacar que la industria es uno de los sectores que facilita la creación de riqueza en
los países, considerándolos como industrializados o desindustrializados y que la participación del
sector dentro del PIB es un indicador del nivel de desarrollo de una nación (Rebolledo Noriega,
Ángel López, Duque Gallego, & Velasco Bonilla, 2013), por tal razón es preocupante que uno de
los sectores que presentaba gran participación dentro del PIB colombiano tenga altos niveles de
volatilidad y no muestre un crecimiento sostenido, sabiendo que es un campo amplio de desarrollo
de la ingeniería industrial. A continuación en el Gráfico 11 se evidencia la pérdida de la
participación industrial en el PIB en comparación a otros sectores como la minería y los servicios.

21
Allí se observa que la participación del sector industrial en el período comprendido entre los años
2001 y 2009 fue positiva en relación a los años anteriores y decreció considerablemente en los
años 2010 a 2012, perdiendo ampliamente su participación en el PIB y mostrándose rezagado
respecto a sectores como el de servicios y minería.

Gráfico 11. Crecimiento del PIB industrial vs minería y servicios (Departamento Nacional de
Planeación, 2013)

Las dificultades de la industria manufacturera no se limitan únicamente a la época de la

crisis, sino también a los años posteriores, época de leve recuperación. Por ejemplo, entidades de
servicios bancarios como Davivienda afirman que: “desde septiembre de 2011, la industria ha
presentado signos de desaceleración en su actividad productiva pero es a partir de marzo de 2012
cuando el crecimiento de la producción industrial se ha encontrado por debajo del promedio
histórico (2.5%)” (Davivienda, 2012). Por su parte, en 2013 el panorama tampoco es alentador,
luego de que la producción manufacturera registrara crecimiento nulo en el 2012, en el siguiente
año se acentúa este comportamiento, según la Asociación Nacional de Instituciones Financieras
ANIF.

En 2014 la ANDI publicó el Informe de Encuesta de Opinión Conjunta, en el cual se afirma

que el año termina con resultados favorables para la economía colombiana, sin embargo, esta
situación no es posible generalizarla, pues en el caso particular de la industria manufacturera “el
desempeño del sector no responde a las expectativas y termina el año con bajos crecimientos en

22
producción y ventas, inventarios estables y un clima favorable a los negocios, pero en el que las
expectativas sobre el futuro inmediato muestran un retroceso”, como se aprecia en el Gráfico 12.

Gráfico 12. Producción real de la industria 2005-2014

A continuación en el Gráfico 13 se observan las ramas de actividad económica y su

distribución del PIB a precios constantes desde el año 2000 hasta el año 2009, de acuerdo a las
cuentas nacionales trimestrales emitidas por el DANE. Allí se evidencia que sectores como el de
Servicios, la Industria Manufacturera, la Agricultura y la Explotación de minas y canteras han
disminuido su participación en los años 2007 a 2009, lo cual se diferencia de sectores como el
financiero, comercial, de transporte y construcción, quienes aumentaron su aporte al PIB, así
mismo en la Tabla 2 y en la Tabla 3 se muestra la tasa de crecimiento anual del PIB y la
contribución al crecimiento del PIB por rama de actividad, respectivamente. Cabe resaltar que la
industria manufacturera arroja un crecimiento negativo desde el año 2007, lo cual la categoriza
como una de las ramas con peor desempeño dentro de la economía colombiana. De hecho, de
acuerdo al Ministerio de Protección Social: “en el año 2008 la mayoría de sectores crecieron a
ritmos notablemente menores que en años anteriores, el impacto más fuerte se dio en el caso de la
industria manufacturera la cual pasó de una tasa de 9.5% en 2007 a una caída del -1.8% en 2008.”

23
Gráfico 13. Distribución del PIB por rama de actividad económica (Precios constantes de 2000)
(Ministerio de la Protección Social, 2010)

Tabla 2. Tasa de crecimiento anual del PIB según rama de actividad económica

Tabla 3. Contribución al crecimiento anual del PIB por rama de actividad

24
 Haciendo énfasis en los sub-sectores de la rama de la industria manufacturera, en el 2008
fueron 19 los que tuvieron balance positivo en relación a 44 que consiguieron este objetivo en el
año anterior. Los sectores que contribuyeron en su mayoría al crecimiento durante este año fueron
el de plásticos, la transformación de carnes y pescados, actividades de edición de papel y cartón y
otros productos alimenticios, a diferencia de sectores como el de vehículos automotores, hilaturas
y tejedurías y bebidas. Por su parte, los grupos industriales que se destacaron por su participación
con mayor número de establecimientos fueron los sectores de prendas de vestir y productos de
plásticos, de acuerdo a la Encuesta Anual Manufacturera emitida por el DANE en el 2008.

En el año 2009, según el informe de industria emitido por PROEXPORT, sólo seis sub
sectores mostraron un comportamiento positivo en la producción, destacándose los de refinación
de petróleo y productos derivados de la refinería; así mismo, clases industriales como la
transformación de carne y pescado y los productos de papel y cartón registraron crecimientos
significativos.

En el año 2010, grupos industriales como el de productos de refinación de petróleo, otros

productos químicos, bebidas, molinería y almidones registraron cifras de 11,9%, 8,6% y 6,3%
según su porcentaje de participación bruta y la mayor distribución de la producción según área
metropolitana se dio en la ciudad de Bogotá. A continuación, en el Gráfico 14, se muestra el
crecimiento y la participación de la producción del sector de la industria manufacturera desde el
año 2000 a 2010, de acuerdo a los cálculos del Departamento Nacional de Planeación tomando
como base las cuentas Nacionales del DANE y la Encuesta Anual Manufacturera EAM, donde se
destaca la participación de los sectores nombrados previamente como el de refinación de petróleo
y productos químicos.

25
 Gráfico 14. Crecimiento y participación de la Producción Industrial

En 2011 la producción bruta se concentró en 17 de los 66 grupos industriales, donde

confección de prendas de vestir y fabricación de productos de plásticos concentraron el mayor
número de establecimientos en el país. Así mismo, se destacaron nuevamente la fabricación de
productos de la refinación de petróleo, otros productos químicos y la elaboración de bebidas en la
producción bruta dentro de las industrias manufactureras. Es importante resaltar que pese a que la
fabricación de productos de refinación de petróleo tuviera un alto nivel de producción bruta, éste
registró una contribución negativa al PIB manufacturero.

Por su parte, en el año 2012, sectores como los productos lácteos y la confección de prendas
de vestir tuvieron una variación anual positiva con respecto al año anterior. Por otro lado, las
actividades que registraron variaciones negativas con respecto a los registros anteriores fueron las
actividades de edición e impresión, la fabricación de productos de la refinación del petróleo, la
fabricación de productos de caucho y de plástico, productos de tabaco y la fabricación de sustancias
y productos químicos.

De acuerdo al Ministerio de Industria, Comercio y Turismo, según su contribución al

crecimiento de la producción real de la industria manufacturera, los subsectores más dinámicos al
mes de enero de 2013 fueron: la industria de bebidas, prendas de vestir, confecciones y otros siete
más, que en conjunto aportaron 1,8 puntos porcentuales a la variación de la industria, como se

26
aprecia en el Gráfico 15. A su vez, al lado derecho de la imagen se muestran aquellos sectores
considerados como los diez menos dinámicos de la industria, entre ellos los productos elaborados
de plásticos y la refinación del petróleo.

Gráfico 15. Sectores más dinámicos (izquierda) y menos dinámicos (derecha) del 2013.

El desempeño de la industria durante enero de 2014 se vio afectado por la menor demanda
de los hogares colombianos y en especial por la contracción de las exportaciones industriales. Así
mismo, los sectores que se destacaron por su contribución al crecimiento de la producción real
fueron: otros productos alimenticios, refinerías de azúcar y trapiches, productos lácteos, otros tipos
de equipos de transporte, entre otros. Por su parte, entre los subsectores menos dinámicos están los
vehículos automotores y las actividades de edición, impresión y servicios relacionados. (Ministerio
de Comercio, Industria y Turismo, 2014).

6 METODOLOGÍA

6.1 DESCRIPCIÓN DEL MODELO DE DATOS DE PANEL

Los Datos de Panel surgen de la observación de un corte transversal con N individuos a lo

largo del tiempo. En ellos, se obtiene información para cada uno de los individuos, i = 1, 2, 3... N,
para cada momento del tiempo t=1, 2, 3...T, tratándose de una muestra de N x T observaciones.
Generalmente las variables observadas se identifican para cada individuo, i y un momento de
tiempo t: Yit (Sancho, 2005).

27
 El desarrollo de técnicas de datos de panel se caracteriza porque puede tratar en forma
independiente el conjunto de datos de un individuo en el tiempo, como los efectos individuales, a
diferencia de la regresión lineal, la cual se basa en encontrar una tendencia de un conjunto total de
datos, sin discriminar individuos en dicho conjunto.

Algunas de las ventajas del modelo de datos de panel se fundamentan en que los paneles
recogen una mayor cantidad de datos, por lo tanto el error del modelo no tiene tanta ponderación
dado la gran cantidad de y se trabaja con mayor eficiencia en los estimadores, además los paneles
resultan adecuados para observar dinámicas de cambios.

Para ilustrar la metodología de Datos Panel tal y como lo propone (Labra, 2014) se puede
observar en el Gráfico 16 el análisis de un conjunto de datos a partir de diferentes técnicas. En la
figura A se muestra una serie de observaciones analizadas, mientras que la figura B, presenta un
análisis de regresión lineal, sin diferenciar individuos. Por su parte, la figura C muestra que el
conjunto de datos está compuesto por tres subgrupos (individuos observados a través del tiempo),
es por ello que la metodología de Datos Panel que se presenta en la figura D muestra un ajuste
lineal, teniendo en cuenta los efectos individuales. La función final para el conjunto de individuos
está expresada por la línea continua de color negro.

Gráfico 16. Datos de Panel

28
 6.2 CONDICIONES NECESARIAS PARA USAR DATOS DE PANEL

Para aplicar este método es necesario reunir dos requisitos:

1. Tener un conjunto de individuos. Para el caso puntual de este estudio se

consideran los subsectores de la industria manufacturera.
2. La existencia de observaciones de los mismos individuos (al menos
parcialmente) durante un determinado periodo de tiempo (un conjunto de años). Para el
caso puntual de este estudio el periodo de análisis corresponde a los años comprendidos
entre 2008-2014.

Esta metodología se ha aplicado con más frecuencia en los estudios de carácter micro debido
a que estas bases de datos tienen normalmente un gran número de observaciones para cortos
periodos de tiempo. Como menciona (ROODMAN, 2009), se recomienda el uso de bases de datos
con un número de individuos (n) grande y un período de tiempo (t) pequeño, es por ello que para
el presente análisis se propone una serie de tiempo de 7 años (2008-2014) y 27 individuos (cuentas
nacionales).

6.3 ESPECIFICACIÓN DEL MODELO

El modelo de efectos individuales de datos de panel se presenta a continuación, acorde con

(Labra, 2014)

𝑌𝑖𝑡 =∝𝑖 + 𝑋𝑖𝑡 𝛽 + 𝑢𝑖𝑡 𝑐𝑜𝑛 𝑖 = 1, … 𝑁; 𝑡 = 1, … 𝑇

Donde:

i: unidad de estudio de corte transversal, es decir, los subsectores que pertenecen al sector
de la industria manufacturera.

t: dimensión en el tiempo

α: Vector de interceptos de n parámetros. Recoge la heterogeneidad provocada por los

efectos de los individuos y/o tiempo debido a variables no observables.

β: es un vector de K parámetros, donde K corresponde a las variables explicativas o

independientes. (Importaciones, exportaciones, tasa de cambio, inversión)

𝑋𝑖𝑡 : Es la i-ésima observación al momento t, para K variables explicativas.

𝑌𝑖𝑡 : Corresponde a la variable dependiente

29
 Los modelos de datos de panel pueden ser clasificados como de efectos fijos o de efectos
aleatorios según la existencia de endogeneidad, es decir, la presencia de correlación entre los
efectos individuales o el término error y las variables explicativas del modelo. El análisis de efectos
fijos contempla la presencia de endogeneidad y formula la hipótesis nula de que los coeficientes
en el modelo (efectos individuales) son iguales a cero, si al menos un coeficiente es diferente, se
rechaza la hipótesis nula con un valor p menor a 0,05. Al aceptar la hipótesis nula se afirma que
los regresores en su conjunto explican la variable dependiente. Por su parte el análisis de efectos
aleatorios afirma que las variables explicativas no están correlacionadas con el término del error.
A semejanza del análisis de efectos fijos, la prueba de hipótesis comprueba si todos los coeficientes
en el modelo son diferentes a 0. Si al menos uno de ellos es diferente, se rechaza la Ho con un
P<0.05. (Labra, 2014)

6.4 INDIVIDUOS DE ANÁLIS IS

Los individuos de análisis del modelo corresponden a los subsectores de la industria

manufacturera, es decir, a las cuentas nacionales, clasificación utilizada por el DANE para calcular
y presentar los datos de la economía en general y específicamente del sector industrial. Las cuentas
nacionales seleccionadas van desde la cuenta 10 hasta la cuenta 36, conformando así un grupo de
estudio de 27 individuos. Dicha selección se emplea como una técnica de síntesis estadística, cuyo
objetivo es suministrar una representación cuantificada de la economía de un país o región, en un
período de tiempo determinado.

Con el fin de analizar el comportamiento de cada uno de los subsectores de la industria

manufacturera, se realiza la agrupación de las cuentas nacionales según la clasificación que realiza
la ANDI en sus informes anuales del sector en Colombia, (Alimentos y bebidas, Algodón, fibras,
textiles, confecciones, cuero, calzado y marroquinería, Madera y muebles, Papel, cartón y
actividades de edición e impresión, Refinación de petróleo, químicos, y productos de caucho y
plástico , Minerales no metálicos, Metalmecánica y maquinaria y Otros rubros), lo anterior con
el fin de contrastar los resultados arrojados en el modelo con lo encontrado en la literatura.

A continuación se muestra la clasificación de cada una de las cuentas nacionales, según los
subsectores de la industria manufacturera.

30
 Tabla 4 Grupo según cuentas nacionales
# Cuenta Nombre de Cuenta Nacional Grupo
Nacional

10 Carnes y pescados

11 Aceites y grasas animales y vegetales

12 Productos lácteos

13 Productos de molinería, almidones y

sus productos

14 Productos de café y trilla

15 Azúcar y panela Alimentos y bebidas

16 Cacao, chocolate y productos de
confitería

17 Productos alimenticios n.c.p

18 Bebidas

19 Productos de tabaco

20 Fibras textiles naturales, hilazas e

hilos; tejidos de fibras textiles, incluso
afelpados

21 Artículos textiles, excepto prendas de

vestir
Algodón, fibras,
22 Tejidos de punto y ganchillo; prendas textiles,
de vestir confecciones, cuero,
calzado y
23 Curtido y preparado de cueros,
marroquinería
productos de cuero y calzado

24 Productos de madera, corcho, paja y Madera y muebles

materiales trenzables

25 Productos de papel, cartón y sus

productos

31
 26 Edición, impresión y artículos Papel, cartón y
análogos actividades de
edición e impresión

27 Productos de la refinación del Refinación de

petróleo; combustible nuclear petróleo, químicos, y
productos de caucho
28 Sustancias y productos químicos
y plástico
29 Productos de caucho y de plástico

30 Productos minerales no metálicos Minerales no

metálicos

31 Productos metalúrgicos básicos Metalmecánica y

(excepto maquinaria y equipo) maquinaria

32 Maquinaria y equipo

33 Otra maquinaria y suministro eléctrico Otros rubros

34 Equipo de transporte

35 Muebles Madera y muebles

36 Otros bienes manufacturados n.c.p. Otros rubros

6.5 VARIABLES

El PIB es el indicador más común para medir el desempeño de la economía en un periodo

determinado, representa el resultado final de la actividad productiva de las unidades de
producción. Se mide desde el punto de vista del valor agregado, de la demanda final o las
utilizaciones finales de los bienes y servicios y de los ingresos primarios distribuidos por las
unidades de producción.

PIB = VA ramas de actividad a precios básicos + derechos e impuestos sobre importaciones

+ IVA no deducible + impuestos al producto (excepto impuestos sobre importaciones e IVA no
deducible) subvenciones al producto (DANE, 2012).

Es por ello que la variable de estudio principal es el valor agregado, pues descontando los
impuestos, es la base para el cálculo del PIB total, que es la variable más importante para el análisis

32
de la economía, entendiendo el valor agregado como como el valor adicional creado en el proceso
de producción por efecto de la combinación de factores. Adicionalmente, se obtiene por la
diferencia entre el valor de la producción bruta y los consumos intermedios empleados y contiene
la remuneración de los asalariados, impuestos indirectos netos de subsidios, consumo de capital
fijo y el excedente de explotación.

De igual manera para el cálculo del producto interno bruto se contemplan otras variables,
pues existe otra manera de calcular el PIB, expresada a continuación.

PIB = C + I + G + X – M

Donde C es el valor total del consumo nacional, I es la formación bruta de capital también
conocida como Inversión, G el gasto público, X es el valor total de las exportaciones y M el valor
de las importaciones. (DANE, 2012)

Es por ello que dos de las variables independientes a usar en el modelo son las exportaciones
e importaciones, además que los datos son de fácil acceso para cada subsector de la industria.

Otra de las variables que tiene relación directa con el cálculo del PIB y por ende con el valor
agregado es la inversión, la cual, como se ha mostrado anteriormente, es un factor determinante
para el crecimiento de cualquier sector en la economía, lo cual fundamenta un análisis previo de
carácter empírico, donde se concluye que a mayor inversión mayor crecimiento de la industria.

Finalmente, la tasa de cambio mide la cantidad de pesos que se deben pagar por una unidad
de moneda extranjera. En nuestro caso se toma como base el dólar porque es la divisa más utilizada
en Colombia para las transacciones internacionales. Igual que el precio de cualquier producto, la
tasa de cambio sube o baja dependiendo de la oferta y la demanda. Dado que Colombia es un país
que importa gran parte de sus insumos para la producción manufacturera, la tasa de cambio es una
variable de análisis independiente.

Con el fin de seleccionar las variables de análisis del modelo, es posible hacer una revisión
de la literatura especializada en este tipo de técnica. En un estudio sectorial del comportamiento
de la industria manufacturera en 1980-2005 publicado en la revista de Economía, Gestión y
Desarrollo, fueron elegidas la tasa de cambio, el coeficiente de apertura exportadora, la balanza
comercial y el coeficiente de penetración de importaciones como variables explicativas del
comportamiento de la Producción Industrial.

Para el caso particular de este estudio, la selección de variables a incluir en el modelo

econométrico de datos de panel se realiza a partir del análisis de tipo estadístico de acuerdo al

33
poder explicativo y a la agrupación de las variables. Según un artículo publicado por la Universidad
Autónoma de Madrid, se recomienda hacer un análisis de correlación entre las variables y así,
excluir aquellas que presenten el mismo comportamiento. Se debe esperar una correlación menor
o igual a 0,7 (Labra, 2014). De esta manera, a partir de un análisis estático de datos de panel, se
realiza un análisis de correlación, obteniendo los siguientes resultados:

Donde la variable Y (dependiente) corresponde al valor agregado y las variables

independientes son: X1, que corresponde a las exportaciones, X2 a las importaciones, X3 a la tasa
de cambio, X4 es la inversión y X5 corresponde a la producción bruta

Tabla 5. Análisis de correlación del panel de la Industria Manufacturera.

La

Tabla 5 muestra la matriz de correlación de las siguientes variables: Valor Agregado,

Exportaciones, Importaciones, Tasa de Cambio, Inversión y Producción Bruta. Dichos resultados
fueron obtenidos del panel compuesto por el total de los sectores que conforman la Industria
Manufacturera, integrados a su vez por cada una de las cuentas nacionales mencionadas con
anterioridad. A partir de ello, se evidencia una adecuada selección de variables para el modelo
propuesto.

7 ANÁLISIS DE DATOS DE PANEL

7.1 ALIMENTOS Y BEBIDAS

El panel de alimentos y bebidas está conformado por las siguientes diez cuentas nacionales:

Cuenta 10. Carnes y pescados

Cuenta 11. Aceites y grasas animales y vegetales
Cuenta 12. Productos lácteos
Cuenta 13. Productos de molinería, almidones y sus productos
Cuenta 14. Productos de café y trilla

34
 Cuenta 15. Azúcar y panela
Cuenta 16. Cacao, chocolate y productos de confitería
Cuenta 17. Productos alimenticios n.c.p (No clasificado previamente)
Cuenta 18. Bebidas
Cuenta 19. Productos de tabaco

Teniendo en cuenta que un panel de datos surge de la misma observación de una sección con
N individuos para cada momento T de tiempo, el panel de Alimentos y Bebidas es una muestra de
10x7 observaciones. Adicionalmente, éste se encuentra balanceado, pues la información se
encuentra completa con un total de 70 datos y 10 grupos transversales en un período de 7 años.

En el modelo propuesto, la variable Y (dependiente) corresponde al valor agregado y las

variables independientes son: X1, que corresponde a las exportaciones, X2 a las importaciones,
X3 a la tasa de cambio, X4 es la inversión y X5 corresponde a la producción bruta.

Dando alcance al análisis descriptivo (Ver Tabla 6), se observa que el valor agregado
promedio es de aproximadamente $24,2 billones durante los años 2008 a 2014. De igual forma, el
valor promedio de las exportaciones es de $788,58 miles de millones, el valor promedio de las
importaciones es de $641,83 miles de millones, el valor promedio de la tasa de cambio es de $1946,
el valor promedio de la inversión es de $515 mil de millones y el valor promedio de la producción
bruta es de $53,2 billones. Se aprecia que todas las variables presentan un alto nivel de variación,
pues su desviación estándar se encuentra muy cerca al valor de la media y en algunas ocasiones es
superior.

Tabla 6. Análisis descriptivo del sector de alimentos y Bebidas.

35
 A continuación se presentan el análisis de correlación que existe entre la variable
dependiente y las variables independientes, con el fin de determinar la proporcionalidad existente
entre el comportamiento de las variables y por ende determinar cuál de ellas tiene mayor impacto
en el análisis final del sector.

Tabla 7. Análisis de correlación entre el V.A y sus variables dependientes.

El Valor agregado del sector de alimentos y bebidas presenta una correlación negativa con
las exportaciones y la tasa de cambio. Por otro lado, el coeficiente de correlación de las
importaciones es casi nulo con un valor del 3,94%, por lo que se concluye que tanto las
exportaciones como las importaciones no tuvieron un impacto significativo en el valor agregado
del sector. Por su parte, la inversión y la producción bruta presentan un coeficiente de correlación
cercano al 50%, por lo que se evidencia una influencia positiva de estas variables en la variable
dependiente. Según (Labra, 2014), en la selección de variables para un estudio de datos de panel
se considera satisfactorio obtener un coeficiente de correlación entre las variables dependiente e
independientes menor o igual al 70%, al realizar un análisis de tipo estático.

Para determinar aquellas cuentas nacionales que tienen mayor influencia en cada una de las
variables, se realiza el análisis de correlación para cada una de ellas. Se observa que las cuentas de
Azúcar y panela y Cacao, chocolate y productos de confitería, son aquellas cuyo coeficiente de
correlación en las exportaciones explica, en su mayoría, la variable dependiente, con un valor de
57,4% y 73,1%, respectivamente. Las cuentas nacionales con más alto coeficiente de correlación
entre las importaciones y la variable dependiente son Carnes y pescados y Productos Alimenticios,
con 75,62% y 67,02%, sin embargo dicha relación debería ser de carácter negativo porque un
mayor volumen de importaciones no debería explicar un mayor valor agregado, por tanto las
importaciones de estas cuentas no están explicando el comportamiento del VA. La tasa de cambio
presenta un coeficiente de correlación positivo únicamente en las cuentas 11 (Aceites y grasas
animales y vegetales) y 18 (Bebidas), lo cual indicaría que la mayor parte de su producción se
concentró en el mercado nacional para el período de estudio (2008-2014). Por otro lado, la
inversión presenta mayor nivel de proporcionalidad con el V.A en las cuentas 13, 14, 16 y 19, que

36
corresponden a Productos de molinería, almidones y sus productos, Productos de café y trilla,
Cacao, chocolate y productos de confitería y Productos de tabaco con 91,9%, 89,3%, 91,8%,
98,2%. Finalmente, la producción bruta presenta el coeficiente de correlación más alto en la cuenta
de Productos de tabaco.

A continuación se muestra el comportamiento del valor agregado del panel de Alimentos y

bebidas para el periodo 2008-2014. Se observa que después de la caída en el año 2008, año de la
crisis, el sector se recupera levemente hasta el año 2012.

Gráfico 17. Comportamiento del Valor Agregado en el panel de Alimentos y bebidas

Como se evidencia en el Gráfico 17, el panel de alimentos y Bebidas, aparentemente tuvo

un crecimiento significativo, pues fue únicamente en los años 2011 y 2014 que el sector presentó
descensos en el valor agregado, por el contrario, en años como 2009 y 2010 se presentaron
crecimientos de 14% y 15% respectivamente, cifra muy distante de la registrada por la industria
manufacturera, pues en estos años la crisis empezó a acentuarse, como se ha mencionado
anteriormente.

37
 Gráfico 18. Ajuste de datos del sector Alimentos y Bebidas

De acuerdo con el Gráfico 18, se evidencia que la mayoría de las cuentas nacionales se
ajustan al panel total de datos del sector de Alimentos y bebidas, a excepción de la cuenta 18, la
cual corresponde a Bebidas. Por lo tanto, se corrobora la validez que tiene la agrupación de las
diez las cuentas nacionales mencionadas. Así mismo, se considera que el error del panel estaría
dado únicamente por el subsector de bebidas, sin embargo, por contemplarse dicho escenario
dentro del modelo, no es necesario excluir su participación.

Con el fin de verificar la existencia de efectos individuales entre las unidades de análisis, es
decir, si cada una de las cuentas nacionales contempladas dentro del sector presenta un
comportamiento particular, se realiza un análisis de regresión, a partir de la hipótesis nula de que
todos los estimadores del modelo son iguales a cero, lo cual indica que no hay diferencia entre el
comportamiento presentado entre las cuentas nacionales. Dado que la probabilidad (Prob>F)
obtenida fue menor al 5%, con un intervalo de confianza del 95%, es posible rechazar dicha
afirmación, lo cual indica la presencia de efectos individuales y por lo tanto, justifica la aplicación
del modelo de datos de panel por ser éste uno de sus principios fundamentales (Ver Tabla 8). Vale
la pena aclarar que si todas las cuentas nacionales presentaran efectos iguales, la técnica correcta
para aplicar no sería el análisis de datos de panel, sino un análisis mediante MCO (mínimos
cuadrados ordinarios).

38
 Tabla 8. Análisis de efectos individuales.

Una vez justificada la aplicación del modelo econométrico de datos de panel, se procede a
realizar el Test de Hausman1, con el objeto de determinar si los efectos individuales en las unidades
de análisis presentan un comportamiento fijo o aleatorio. A partir de ello es posible elegir el
estimador estático que más se adecúa al modelo, en la Tabla 9 se observa que el valor de
probabilidad obtenido es mayor a 0,05, lo cual indica que el estimador de efectos aleatorios explica
mejor el modelo.

Tabla 9. Test de Hausman para el sector de Alimentos y Bebidas.

1
El test de Hausman es un test chi cuadrado que compara los 𝛽 obtenidos por medio del estimador de efectos fijos y
efectos aleatorios, identificando si las diferencias entre ellos son o no significativas. Por tanto, primero se debe estimar
por el método menos eficiente pero consistente (efectos fijos) y posteriormente por el estimador eficiente y consistente
(efectos aleatorios). En ambos casos la matriz de pesos debe ser homocedástica. (Labra, 2014).

39
 A continuación en la Tabla 10 se muestran los resultados obtenidos con el modelo de efectos
aleatorios, el cual, a partir del Test de Hausman fue elegido como el mejor estimador.

Tabla 10. Análisis de efectos aleatorios del panel Alimentos y bebidas.

De acuerdo al análisis de datos de panel de efectos aleatorios, se afirma que el 30,15% los
efectos conjuntos se debe a la diferencia existente entre las unidades transversales (efectos
individuales). Por su parte, la probabilidad de la prueba permite rechazar la hipótesis nula en la
que se afirma que todos los coeficientes en el modelo son diferentes a cero. En el modelo de efectos
aleatorios se asume que los efectos individuales no están correlacionados con las variables
explicativas, es decir, con las exportaciones, las importaciones, la tasa de cambio, la inversión y la
producción bruta. De esta manera, los efectos individuales se suman al término del error, quedando
el modelo definido (Labra, 2014):

𝑌𝑖𝑡 = 𝛽𝑋𝑖𝑡 + (∝ 𝑖 + 𝜇𝑖𝑡)

̂ 𝑖𝑡 = (5.23 ∗ 1012 ) − ((3.78 ∗ 108 )(𝑋1𝑖𝑡 )) − ((1.51 ∗ 108 )(𝑋2𝑖𝑡 )) − ((1,97 ∗ 109 )(𝑋3𝑖𝑡 ))
𝑉𝐴
+ 5.25(𝑋4𝑖𝑡 ) + 0.21(𝑋5𝑖𝑡 )

Con el fin de determinar la consistencia del modelo se debe garantizar que el error del modelo
sigue una distribución normal con media cero. Para ello, inicialmente se realiza un gráfico Q-Q
Plot normal mediante la comparación de los residuales del modelo y el conjunto de cuantiles de
una distribución normal N (0,𝜎 2 ), ver Gráfico 19.

40
 1.00e+122.00e+12
Residuals

0
-3.00e+12-2.00e+12-1.00e+12

-2.00e+12 -1.00e+12 0 1.00e+12 2.00e+12

Inverse Normal

Gráfico 19. Q-Q Plot normal alimentos y bebidas

Como se observa en el Gráfico 19, la mayoría de las observaciones se ajustan a una

distribución normal, por lo que podría afirmarse que el error se comporta normal, cabe aclarar que
los extremos de la curva representan las colas de la distribución. Sin embargo, con el fin de
comprobar dicho resultado, se procede a aplicar el Test de Jarque Bera, con un nivel de
significancia de 0.05. Mediante su aplicación se busca contrastar la normalidad de los datos para
una muestra de más de 50 observaciones, midiendo la desviación de los coeficientes de asimetría
y curtosis de la muestra en relación a los coeficientes de la distribución normal. Cabe resaltar que
la asimetría es una medida para identificar si los datos se distribuyen de forma uniforme alrededor
del promedio, mientras que la curtosis indica qué tan apuntada se encuentra una distribución
respecto a un comportamiento normal.

El Test de Jarque Bera parte de la hipótesis nula de que los datos se distribuyen de manera
normal.

𝐻0 : 𝑁𝑜𝑟𝑚𝑎𝑙𝑖𝑑𝑎𝑑 𝑒𝑠𝑡𝑎𝑛𝑑𝑎𝑟 𝑑𝑒 𝑙𝑜𝑠 𝑑𝑎𝑡𝑜𝑠

𝐻1 : 𝑁𝑜 𝑁𝑜𝑟𝑚𝑎𝑙𝑖𝑑𝑎𝑑 𝑒𝑠𝑡𝑎𝑛𝑑𝑎𝑟 𝑑𝑒 𝑙𝑜𝑠 𝑑𝑎𝑡𝑜𝑠

Se rechazará la hipótesis nula de normalidad si el estadístico Jarque Bera (JB) es mayor

que el valor crítico proporcionado para el tamaño muestral y el nivel de significación dado. Cabe
descatar que en caso de incumplirse la hipótesis de normalidad, los estimadores dejan de ser
eficientes no pueden realizarse inferencias por desconocerse su distribución exacta. De igual forma

41
los intervalos de confianza y los contrastes de significación dejan de ser válidos. (Universidad de
Granada, 2014)

A continuación se observan los resultados proporcionados por STATA para el panel del
sector de Alimentos y Bebidas.

Dado que la Prob>chi2 está por encima de 0.05, se acepta la hipótesis de la normalidad de
los datos, por lo que se concluye la validez del modelo de Datos de Panel.

Una vez confirmada la consistencia del modelo, se concluye que el panel de alimentos y
bebidas presentó un crecimiento moderado de alrededor de 5,2 Billones de pesos, lo que representa
un crecimiento promedio de 36% entre el año 2008 y el año 2014, las variables significativas que
pueden explicar dicho comportamiento son la inversión y la producción bruta del sector (x4 y x5),
por tener un alto nivel de significancia del 99% y 98% en el análisis de efectos aleatorios. De igual
forma, otra de las variables que podría tener influencia significativa en el V.A corresponde a las
exportaciones, teniendo un intervalo de confianza cercano al 90%.

Con el fin de aproximarse a un mejor resultado es conveniente reestimar el modelo con aquellas
variables que resultaron significativas es la estimación inicial. A continuación se observan los
resultados obtenidos en el modelo, teniendo en cuenta únicamente las variables x4 y x5,
correspondientes a la inversión y a la producción bruta del sector de Alimentos y Bebidas en el
período de estudio.

Tabla 11. Reestimación del modelo de alimentos y bebidas

Vale la pena destacar que el modelo estima una relación positiva entre la inversión y el V.A
y dicha relación es de 5.82. Esta afirmación indica que ante un aumento de un punto porcentual en
la inversión, se produce un incremento en el V.A de 5.82%. De igual forma, es de resaltar el
resultado de una relación positiva entre la producción bruta y el V.A (0.193). Los anteriores

42
resultados indican que la variable Inversión puede llegar a tener una mayor influencia sobre el V.A
en el sector de Alimentos y bebidas, en comparación con la P.B.

Como ya se ha mencionado anteriormente, en el sector de Alimentos y bebidas se evidencia

la presencia de efectos individuales en cada una de las cuentas nacionales, sin embargo, es de
resaltar que éstos son invariables en el tiempo y que pueden obedecer al nivel de eficiencia
operativa, a la capacidad empresarial, a la tecnificación y a la capitalización de la experiencia,
aspectos en los que difieren las unidades de análisis (Banco Central de Costa Rica, 2000). Por
ejemplo, uno de los aspectos influyentes en el sector es la variable climática, la cual, según su
comportamiento, no afecta en igual medida a cada una de las cuentas analizadas. Según la
Asociación Nacional de Instituciones Financieras, en 2014 el sector recibió el impulso de factores
como la mayor producción agropecuaria del país gracias a un clima más benévolo. A su vez, este
hecho ratifica las cifras emitidas por el DANE en la producción bruta del sector, destacándose un
aumento de dicha variable para el 2014 en las cuentas nacionales 11, 12, 13, 14, 15 y 18,
correspondientes a Aceites y grasas animales y vegetales, Productos Lácteos, Productos de
molinería y almidones, Productos de café y trilla, Azúcar y Panela y Bebidas.

Así mismo, cabe mencionar que, en su mayoría, las cuentas nacionales del sector de
Alimentos y Bebidas han disminuido el valor total de sus exportaciones, en tanto que las
importaciones han aumentado. Esto indica que la participación del sector ha concentrado su
atención principalmente en el mercado nacional. Tal es el caso de las cuentas 10, 11, 14, 15, 17,
18 y 19, las cuales han tenido una disminución progresiva de las exportaciones, mientras cuentas
como la 13 y la 16 han mantenido constante su comportamiento en esta variable, presentando
algunos picos de crecimiento. Estas últimas corresponden a los sectores de Productos de molinería
y almidones y Cacao, chocolate y productos de confitería.

Además de la consideración de efectos individuales, tenida en cuenta en la aplicación del

modelamiento econométrico de datos de panel, es posible determinar aquellas variables
explicativas que son altamente significativas para explicar el comportamiento del sector. Según
los resultados obtenidos, la inversión y la producción bruta tienen gran influencia en el valor
agregado del panel de Alimentos y Bebidas. Dicha afirmación es respaldada por el dinamismo de
la producción de cacao en 2013, el cual, según la ANIF, permitió un buen desempeño de la
industria chocolatera en 2014, hecho justificado, en gran medida, por las mayores inversiones
realizadas en este sector. De esta manera, la influencia significativa de ciertas variables en el valor
agregado puede conducir hacia una adecuada formulación de políticas y estrategias industriales.
Según Luis Jorge Garay, de acuerdo a los lineamientos del Conpes, el Ministerio de Desarrollo
coordina la ejecución de la política del gobierno nacional en materia de industria, a su vez en ella

43
se establecen estrategias que contribuyan al incremento de la productividad del país (Garay S.,
2004).

Es así como el modelo de datos de panel para el sector permite corroborar que después de la
crisis del 2008, años como 2012 y 2013 fueron tiempos difíciles para la industria colombiana. Sin
embargo, de acuerdo con la Cámara de Comercio del Oriente Antioqueño, “los alimentos y bebidas
han sido una de las categorías que recurrentemente ha presentado variaciones positivas en la
industria nacional”. Por su parte, hechos como el fenómeno de El Niño, la disminución de
problemas de orden público, la mayor inversión por parte de los empresarios y el mayor consumo
en los hogares, han explicado un mejor comportamiento de la economía del sector durante 2014,
de acuerdo con la Cámara de la Industria de Bebidas de la Asociación Nacional de Empresarios
(ANDI).

7.2 ALGODÓN, FIBRAS, TEXTILES, CONFECCIONES, CUERO,

CALZADO Y MARROQUINERÍA.

El panel de Algodón, fibras, textiles, confecciones, cuero, calzado y marroquinería; está

conformado por las siguientes cuatro nacionales:

Cuenta 20. Fibras textiles naturales, hilazas e hilos; tejidos de fibras textiles,
incluso afelpados
Cuenta 21. Artículos textiles, excepto prendas de vestir
Cuenta 22. Tejidos de punto y ganchillo; prendas de vestir
Cuenta 23. Curtido y preparado de cueros, productos de cuero y calzado

En el modelo propuesto, la variable Y (dependiente) corresponde al valor agregado y las

variables independientes son: x1, que corresponde a las exportaciones, X2 a las importaciones,
X3 a la tasa de cambio, X4 es la inversión y X5 corresponde a la producción bruta.

Teniendo en cuenta que un panel de datos surge de la misma observación de una sección con
N individuos para cada momento T de tiempo, el panel de Algodón, fibras, textiles, confecciones,
cuero, calzado y marroquinería es una muestra de 4x7 observaciones. Adicionalmente, éste se
encuentra balanceado, pues la información se encuentra completa con un total de 28 datos y 4
grupos transversales en un período de 7 años.

44
 Dando alcance al análisis descriptivo, se observa que el valor agregado promedio es de
aproximadamente $ 1,17 billones durante los años 2008 a 2014. De igual forma, el valor promedio
de las exportaciones es de $784 miles de millones, el valor promedio de las importaciones es de
$153,11 miles de millones, el valor promedio de la inversión es de $170 mil de millones y el valor
promedio de la producción bruta es de $2,2 billones. Se aprecia que todas las variables presentan
un alto nivel de variación, pues su desviación estándar se encuentra muy cerca al valor de la media
y en algunas ocasiones es superior.

A continuación se presenta el análisis de correlación que existe entre la variable dependiente

y las variables independientes, con el fin de determinar la proporcionalidad existente entre el
comportamiento de las variables y por ende determinar cuál variable tiene mayor impacto en el
análisis final del sector.

Tabla 12. Análisis de correlación entre el V.A y sus variables dependientes.

El Valor agregado del sector de Algodón, fibras, textiles, confecciones, cuero, calzado y
marroquinería presenta una correlación negativa con las exportaciones y las importaciones, por lo
que se concluye que tanto las exportaciones como las importaciones no tuvieron un impacto
significativo en el valor agregado del sector. Por su parte, la inversión presenta una correlación
positiva cercana al 30%, por lo que se evidencia la importancia de la inversión para este sector, sin
embargo, la producción bruta para este sector presenta una fuerte correlación con la variable
dependiente, pues su valor es superior al 90%.

Para determinar aquellas cuentas nacionales que tienen mayor influencia en cada una de las
variables se realiza el análisis de correlación. Se observa que la cuenta de Fibras, textiles naturales,
hilazas e hilos; tejidos de fibras textiles, presenta una alta correlación con la inversión y la
producción bruta, pues su valor se acerca al 85% en ambas variables, por lo cual se puede plantear
de manera preliminar que la inversión es uno de los factores determinantes para el crecimiento o
decrecimiento del subsector.

Por otra parte, las cuentas 21 y 22, Artículos textiles, excepto prendas de vestir y Tejidos de
punto y ganchillo; prendas de vestir, respectivamente, presentan comportamientos similares, pues

45
la inversión muestra un coeficiente de correlación negativo cercano al 30%, y un coeficiente de
correlación positivo entre el valor agregado y la producción bruta.

La cuenta 23, correspondiente al Curtido y preparado de cueros, productos de cuero y

calzado, es la única cuenta que presenta una correlación negativa con la producción bruta, lo que
deja al descubierto el mal momento por el que atraviesa el sector, pues el volumen de producción
no genera un crecimiento en el valor agregado del mismo.

Las importaciones presentan un comportamiento similar en casi todas las cuentas, pues en
las cuentas 21, 22 y 23 se observa una proporcionalidad inversa cercana al 30% para todos los
casos, resultado que se ve replicado para las exportaciones de la cuenta 21 y 23.

A continuación se muestra el comportamiento del valor agregado del panel de Algodón,

fibras, textiles, confecciones, cuero, calzado y marroquinería para el periodo 2008-2014.

Gráfico 20. Comportamiento del Valor Agregado en el panel Algodón, fibras, textiles, confecciones,
cuero, calzado y marroquinería

Como se evidencia en el Gráfico 20, el panel de alimentos y Bebidas, aparentemente tuvo

un decrecimiento significativo, desde el 2008-2013 pues en este periodo el valor agregado
presentó una variación de -43%, fue únicamente en el año 2014 que cambió la tendencia dejando
este año con crecimiento superior al 50%.

46
 Gráfico 21. Ajuste de datos del panel Algodón, fibras, textiles, confecciones, cuero, calzado y
marroquinería

De acuerdo con el Gráfico 21, se evidencia que la mayoría de las cuentas nacionales se
ajustan al panel total de datos del sector de Algodón, fibras, textiles, confecciones, cuero, calzado
y marroquinería, a excepción de la cuenta 21. Por lo tanto, se corrobora la validez que tiene la
agrupación de las cuatro las cuentas nacionales mencionadas. Así mismo, se considera que el error
del panel estaría dado únicamente por el subsector Artículos textiles, excepto prendas de vestir,
sin embargo, por contemplarse dicho escenario dentro del modelo, no es necesario excluir su
participación.

Con el fin de verificar la existencia de efectos individuales entre las unidades de análisis, es
decir, si cada una de las cuentas nacionales contempladas dentro del sector presenta un
comportamiento particular, se realiza un análisis de regresión, a partir de la hipótesis nula de que
todos los estimadores del modelo son iguales a cero, lo cual indica que no hay diferencia entre el
comportamiento presentado entre las cuentas nacionales. Dado que la probabilidad (Prob>F)
obtenida fue menor al 5%, con un intervalo de confianza del 95%, es posible rechazar dicha
afirmación, lo cual indica la presencia de efectos individuales y por lo tanto, justifica la aplicación
del modelo de datos de panel por ser éste uno de sus principios fundamentales. Vale la pena aclarar
que si todas las cuentas nacionales presentaran efectos iguales, la técnica correcta para aplicar no
sería el análisis de datos de panel, sino un análisis mediante MCO (mínimos cuadrados ordinarios),
o simplemente una regresión lineal.

47
 Una vez justificada la aplicación del modelo econométrico de datos de panel, se procede a
realizar el Test de Hausman, con el objeto de determinar si los efectos individuales en las unidades
de análisis presentan un comportamiento fijo o aleatorio. A partir de ello es posible elegir el
estimador estático que más se adecúa al modelo, se observa que el valor de probabilidad obtenido
es negativo, lo cual indica que el modelo que explica el comportamiento de los datos es un análisis
de efectos fijos.

Tabla 13. Análisis de efectos fijos del panel Algodón, fibras, textiles, confecciones, cuero, calzado y
marroquinería

El Panel de Algodón, fibras, textiles, confecciones, cuero, calzado y marroquinería, según el

análisis de llevado mediante la metodología de datos de panel, mostró un comportamiento de
efectos fijos, por lo cual se presume una similitud en el comportamiento del valor agregado en
función de las variables dependientes en las cuentas nacionales a lo largo del periodo de análisis.

̂ 𝑖𝑡 = (2,22 ∗ 1012 ) + (2,06 ∗ 107 (𝑋1𝑖𝑡 )) − (5,33 ∗ 107 (𝑋2𝑖𝑡 )) − (8,39 ∗ 108 (𝑋3𝑖𝑡 ))
𝑉𝐴
+ 0,26(𝑋4𝑖𝑡 ) + 0,24(𝑋5𝑖𝑡 )

Es de resaltar que ante una reestimación del modelo teniendo en cuenta únicamente la(s)
variables significativas ante un intervalo de confianza del 95%, la producción bruta arrojaría un
coeficiente del 22,7%. Así mismo, el valor p registra un valor de 0,00, lo cual comprueba un alto
nivel de significancia de la variable explicativa en el modelo.

Así como con el panel de Alimentos y Bebidas y con el fin de determinar la consistencia del
modelo, a continuación se observa el gráfico Q-Q Plot normal mediante la comparación de los
residuales del modelo y el conjunto de cuantiles de una distribución normal N (0,𝜎 2 ), ver Gráfico
22.

48
 4.00e+11
2.00e+11
Residuals

0
-2.00e+11
-4.00e+11

-4.00e+11 -2.00e+11 0 2.00e+11 4.00e+11

Inverse Normal

Gráfico 22. Q-Q Plot normal Algodón, Fibras, Textiles, Confecciones, Cuero, Calzado y
Marroquinería.

Como se observa en el Gráfico 22, la mayoría de las observaciones se ajustan a una

distribución normal, por lo que podría afirmarse que el error se comporta normal. Sin embargo,
con el fin de comprobar dicho resultado, se procede a aplicar el Test de Shapiro Wilk, con un nivel
de significancia de 0.05. Mediante su aplicación se busca contrastar la normalidad de los datos
para una muestra de no más de 50 observaciones, estimando las desviaciones presentadas por los
estadísticos de la muestra respecto a los valores esperados de los estadísticos de orden de la normal
estándar.

El Test de Shapiro Wilk, a semejanza del test de Jarque Bera parte de la hipótesis nula de
que los datos se distribuyen de manera normal.

𝐻0 : 𝑁𝑜𝑟𝑚𝑎𝑙𝑖𝑑𝑎𝑑 𝑒𝑠𝑡𝑎𝑛𝑑𝑎𝑟 𝑑𝑒 𝑙𝑜𝑠 𝑑𝑎𝑡𝑜𝑠

𝐻1 : 𝑁𝑜 𝑁𝑜𝑟𝑚𝑎𝑙𝑖𝑑𝑎𝑑 𝑒𝑠𝑡𝑎𝑛𝑑𝑎𝑟 𝑑𝑒 𝑙𝑜𝑠 𝑑𝑎𝑡𝑜𝑠

Se rechazará la hipótesis nula de normalidad si el estadístico W es mayor que el valor

crítico proporcionado para el tamaño muestral y el nivel de significación dado. A continuación se
observan los resultados proporcionados por STATA para el panel del sector de Algodón, Fibras,
Textiles, Confecciones, Cuero, Calzado y Marroquinería.

49
 Dado que la Prob>chi2 está por encima de 0.05, se acepta la hipótesis de la normalidad de
los datos, por lo que se concluye la validez del modelo de Datos de Panel.

Este panel de datos está compuesto por dos subsectores de la economía de especial cuidado,
el sector textil (cuenta 20, 21 y 22) y el sector del cuero y calzado (cuenta 23), pues como menciona
(Cabrera, 2015), históricamente estos sectores han desempeñado un papel fundamental en la
economía colombiana, muestra de ello es que para el año 2014, este sector textil tuvo una
participación del 9,2% en el PIB de la industria manufacturera.

Sin duda alguna el resultado negativo de estos sectores en parte se debe a la difícil
competencia de los productos nacionales frente a la competencia extranjera, principalmente de
productos provenientes de China que compiten con costos supremamente más bajos debido a la
falta de control aduanero o las restricciones que el gobierno no ha adoptado. Colombia representa
el 1% de las exportaciones de textil y confecciones en el mundo, China es el principal exportador
con el 30,7%, junto con la Unión Europea con un 26,8% En Colombia, durante 2012, las
exportaciones del sector textil reportaron una caída del -2,8% frente al 2011 (US$15.717 miles de
dólares FOB), tendencia que se ha mantenido hasta la actualidad no sólo en el sector textil, si no
en el sector del calzado, marroquinería y cuero.

De igual manera como menciona (Asociación Colombiana de Industriales del Calzado, el

Cuero y sus Manufacturas , 2014), a nivel interno, hay demanda debilitada, clima de negocios
menos favorable y grandes limitantes en competitividad. Adicionalmente, la competencia desleal
y el contrabando se han convertido en uno de los principales obstáculos de la industria
manufacturera y en especial del sector del calzado, cuero y marroquinería, con el agravante de
tener una clara tendencia creciente; así mismo, el dumping, el contrabando abierto y el no
cumplimiento de las normas legales se ubican como las principales formas en que las empresas se
han visto afectadas.

Es así como el modelo de datos de panel para el sector permite corroborar que después de la
crisis del 2008, años entre 2008 y el 2013 fueron tiempos difíciles para la industria colombiana
.Sin embargo como señala (ANDI, 2014), después de haber mostrado cifras hasta noviembre del
2013, la industria comenzó a tener un crecimiento positivo desde diciembre del mismo año, hasta
el día de hoy. La entidad resalta que parte de esta recuperación se debe al Decreto 074, ahora 456,
aunque aseguran que el contrabando y el conexo al lavado de activos sigue perjudicando
seriamente al sector.

50
 7.3 MADERA Y MUEBLES

El panel de Madera y Muebles está conformado por las siguientes diez cuentas nacionales:

Cuenta 24. Productos de madera, corcho, paja y materiales trenzables

Cuenta 35. Muebles

El panel de Madera y muebles es una muestra de 2x7 observaciones. Adicionalmente, éste

se encuentra balanceado, pues la información se encuentra completa con un total de 14 datos y 2
grupos transversales en un período de 7 años.

Dando alcance al análisis descriptivo, se observa que el valor agregado promedio es de

aproximadamente $7,2 billones durante los años 2008 a 2014. De igual forma, el valor promedio
de las exportaciones es de $138,77 miles de millones, el valor promedio de las importaciones es
de $3,5 miles de millones, el valor promedio de la inversión es de $95 mil de millones y el valor
promedio de la producción bruta es de $9,8 billones. Se aprecia que todas las variables presentan
un alto nivel de variación, pues su desviación estándar se encuentra muy cerca al valor de la media
y en algunas ocasiones es superior.

A continuación se presentan el análisis de correlación que existe entre la variable

dependiente y las variables independientes, con el fin de determinar la proporcionalidad existente
entre el comportamiento de las variables y por ende determinar cuál variable tiene mayor impacto
en el análisis final del sector.

Tabla 14.Análisis de correlación entre el V.A y sus variables dependientes.

El Valor agregado del sector de Madera y Muebles presenta una correlación negativa con las
exportaciones y la tasa de cambio, por lo que se concluye que tanto las exportaciones no tuvieron
un impacto significativo en el valor agregado del sector. Por su parte, la inversión presenta una
correlación positiva cercana al 100%, por lo que se evidencia la importancia de la inversión para
este sector, al igual la producción bruta para este sector presenta una correlación positiva no tan
marcada, pues su valor es superior al 35% positiva con la variable dependiente.

51
 A continuación se muestra el comportamiento del valor agregado del panel de Algodón,
fibras, textiles, confecciones, cuero, calzado y marroquinería para el periodo 2008-2014.

Gráfico 23. Comportamiento del Valor Agregado en el panel Madera y Muebles

Como se evidencia en el Gráfico 23, el panel de Madera y Muebles fue uno de los más
afectados durante el inicio de la crisis, pues en los años 2008 a 2011, el sector reportó un descenso
significativo en el valor agregado entre 2009 y 2011. Sin embargo, dada la inversión en el sector
y los esfuerzos por sacar a flote un sector tan golpeado, se logró una recuperación en el año 2012
que continuó en el año siguiente, lastimosamente por la dura competencia y diversos factores, el
sector sufrió un desplome en el año 2014, la caída más abrumadora desde el inicio de la crisis
económica del 2008.

52
 1.000e+122.000e+123.000e+124.000e+12
24

35
35
35
24 24 24 35
24 24 24 35 35
35
0

50 100 150 200 250 300

x1

y Fitted values

Gráfico 24. Ajuste de datos del panel Madera y Muebles

De acuerdo con el Gráfico 24, se evidencia que la mayoría de las cuentas nacionales se
ajustan al panel de datos del sector de Madera y Muebles. Por lo tanto, se corrobora la validez que
tiene la agrupación de las dos cuentas nacionales mencionadas.

Con el fin de verificar la existencia de efectos individuales entre las unidades de análisis, es
decir, si cada una de las cuentas nacionales contempladas dentro del sector presenta un
comportamiento particular, se realiza un análisis de regresión, a partir de la hipótesis nula de que
todos los estimadores del modelo son iguales a cero, lo cual indica que no hay diferencia entre el
comportamiento presentado entre las cuentas nacionales. Dado que la probabilidad (Prob>F)
obtenida fue menor al 5%, con un intervalo de confianza del 95%, es posible rechazar dicha
afirmación, lo cual indica la presencia de efectos individuales y por lo tanto, justifica la aplicación
del modelo de datos de panel por ser éste uno de sus principios fundamentales. Vale la pena aclarar
que si todas las cuentas nacionales presentaran efectos iguales, la técnica correcta para aplicar no
sería el análisis de datos de panel, sino un análisis mediante MCO (mínimos cuadrados ordinarios),
o simplemente una regresión lineal.

Una vez justificada la aplicación del modelo econométrico de datos de panel, se procede a
realizar el Test de Hausman, con el objeto de determinar si los efectos individuales en las unidades
de análisis presentan un comportamiento fijo o aleatorio. A partir de ello es posible elegir el
estimador estático que más se adecúa al modelo, se observa que el valor de probabilidad obtenido
es negativo, lo cual indica que el modelo que explica el comportamiento de los datos es un análisis
de efectos fijos.

53
 Tabla 15. Análisis de efectos aleatorios del panel Madera y Muebles

De acuerdo al análisis de datos de panel de efectos aleatorios, se afirma que el 43,12% los
efectos conjuntos se debe a la diferencia existente entre las unidades transversales (efectos
individuales). Por su parte, la probabilidad de la prueba permite rechazar la hipótesis nula en la
que se afirma que todos los coeficientes en el modelo son diferentes a cero, por lo cual el modelo
considera que los efectos individuales no son independientes entre sí, sino que están distribuidos
aleatoriamente alrededor de un valor dado. Así, con este modelo se considera que tanto el impacto
de las variables explicativas como las características propias de cada cuenta nacional son diferentes
en el valor agregado.

El Panel de Madera y Muebles, según el análisis desarrollado mediante la metodología de

datos de panel, mostró un comportamiento de efectos aleatorios.

̂ 𝑖𝑡 = (1,02 ∗ 1012 ) + ((3,82 ∗ 108 )(𝑋1𝑖𝑡 )) + ((3,29 ∗ 108 )(𝑋2𝑖𝑡 )) − ((5,12 ∗ 108 )(𝑋3𝑖𝑡 ))
𝑉𝐴
+ 6,40(𝑋4𝑖𝑡 ) + 0,22(𝑋5𝑖𝑡 )

Es de resaltar que ante una reestimación del modelo teniendo en cuenta únicamente la(s)
variables significativas ante un intervalo de confianza del 95%, la inversión arrojaría un coeficiente
de 6,83. Así mismo, el valor p registra un valor de 0,00, lo cual comprueba un alto nivel de
significancia de la variable explicativa en el modelo.

Con el fin de determinar la consistencia del modelo expresado, a continuación se observa el

gráfico Q-Q Plot normal mediante la comparación de los residuales del modelo y el conjunto de
cuantiles de una distribución normal N (0,𝜎 2 ), ver Gráfico 25.

54
 1.00e+112.00e+113.00e+11
Residuals

0
-1.00e+11
-2.00e+11

-2.00e+11 -1.00e+11 0 1.00e+11 2.00e+11

Inverse Normal

Gráfico 25. Q-Q Plot normal Madera y Muebles.

Como se observa en el Gráfico 25, la mayoría de las observaciones se ajustan a una

distribución normal, por lo que podría afirmarse que el error se comporta normal. Sin embargo,
con el fin de comprobar dicho resultado, se procede a aplicar el Test de Shapiro Wilk, con un nivel
de significancia de 0.05. A continuación se observan los resultados proporcionados por STATA
para el panel del sector de Madera y Muebles.

Dado que la Prob>chi2 está por encima de 0.05, se acepta la hipótesis de la normalidad de
los datos, por lo que se concluye la validez del modelo de Datos de Panel.

A manera de conclusión y como se evidencia en la Tabla 18, el panel de Madera y Muebles

presentó un crecimiento lento de al 1,2 Billones de pesos, entre los años 2008 y 2013, cifra que
refleja el crecimiento del año 2013, pues de no ser asi se hablaría de un decrecimiento de 2,6
billones de pesos., las variables más significativas que pueden explicar dicho comportamiento son
la inversión y la producción bruta del sector (x4 y x5), teniendo un intervalo de confianza cercano
al 90%.

Sin embargo, según (FEDEMADERA, 2014), las importaciones de madera aumentaron

32,4%, provenientes principalmente de Venezuela y Chile y las de muebles crecieron 49,5% en
particular de China, más que las exportaciones en ambos casos. La balanza comercial negativa es

55
un hecho que pone en aprietos al sector, pues su participación en el mercado local e internacional
ha disminuido, y en muchos de los casos el margen bruto de producción presenta cifras en rojo,
debido a que el precio de venta fijado por el mercado en algunos casos puntuales es inferior al
costo de producción de las empresas locales.

Fue sólo hasta el año de 2013 que hubo una preocupación significativa por invertir en el
sector, lo que generó un crecimiento en el valor agregado cercano al 50%, pues como menciona el
Ministerio de Industria y Comercio en su reporte anual del 2013, sobran razones de peso para
invertir en el sector, pues éste genera cerca de 90.000 empleos directos y unos 280.000 indirectos
por ser la fabricación de muebles una de las actividades más dinámicas de la industria, ratificando
un aporte del 5,2% sobre el total de las empresas manufactureras registradas en el país. El gremio
precisa que los fabricantes de muebles ocupan también el séptimo lugar con mayor personal
ocupado, un 3,5% de participación total en la industria.

7.4 PAPEL, CARTÓN Y ACTIVIDADES DE EDICIÓN E

IMPRESIÓN

El panel del sector de papel, cartón y actividades de edición e impresión está conformado
únicamente por las cuentas nacionales 25 y 26 que corresponden a: Productos de papel, cartón y
sus productos y Edición, impresión y artículos análogos. Este sector conforma una muestra de 2x7
observaciones, lo cual indica que hay dos unidades de análisis o sectores transversales en un
periodo de estudio de siete años. Así mismo, el panel se encuentra balanceado.

A partir del análisis descriptivo realizado, se observa que el valor agregado promedio es de
aproximadamente $2,92 billones durante los años 2008 a 2014. De igual forma, el valor promedio
de las exportaciones es de $670,76 miles de millones, el valor promedio de las importaciones es
de $989,13 miles de millones, el valor promedio de la tasa de cambio es de $1946, el valor
promedio de la inversión es de $-2,53 billones y el valor promedio de la producción bruta es de
$11,5 billones.

Con el fin de determinar la proporcionalidad existente entre el comportamiento de las variables,

en la

Tabla 16 se presenta el análisis de correlación entre el Valor Agregado y las variables

independientes. Allí se observa la correlación negativa entre la variable dependiente y las

56
exportaciones, la tasa de cambio y la inversión, mientras se presenta un coeficiente de correlación
positivo en las importaciones y la producción bruta. De esta manera, se afirma que las
exportaciones y la inversión no han sido variables significativas en el Valor Agregado del panel
de Papel, cartón y actividades de edición e impresión. A su vez, el volumen de las importaciones
realizadas en los años 2008-2014 ha mostrado un grado de proporcionalidad del 2% y la
Producción Bruta del 44,82% con el V.A.

Tabla 16. Análisis de correlación entre el V.A y sus variables dependientes.

Realizando un análisis de correlación con mayor detalle, la cuenta de Productos de papel,

cartón y sus productos explica la correlación negativa existente entre la inversión y el V.A del
panel del sector, por su parte, la correlación negativa de las exportaciones y la tasa de cambio
obedece al comportamiento de ambas cuentas nacionales. Finalmente, la producción bruta de la
cuenta de Edición, impresión y artículos análogos tiene un coeficiente de correlación negativo del
23,3%, lo cual indica que esta variable no ha explicado el desempeño del V.A para esta actividad
específica.

A continuación se ilustra el comportamiento de la variable dependiente en el panel de Papel,

cartón y actividades de edición e impresión para el periodo 2008-2014. Se observa que a pesar del
bajo desempeño mantenido en 2008, 2009 y 2010, los años siguientes muestran un panorama
alentador para el V.A del sector, especialmente en 2013, año donde se registró el valor más alto
en la variable.

57
 $ 9.000.000.000.000

$ 8.000.000.000.000

$ 7.000.000.000.000

$ 6.000.000.000.000

$ 5.000.000.000.000

$ 4.000.000.000.000

$ 3.000.000.000.000

$ 2.000.000.000.000

$ 1.000.000.000.000

$0
2007 2008 2009 2010 2011 2012 2013 2014 2015

Gráfico 26. Comportamiento del Valor Agregado en el panel de Papel, cartón y actividades de edición
e impresión.

Dando continuidad al análisis de efectos individuales entre las unidades de análisis, se

efectúa la prueba de hipótesis de que todos lo estimadores del modelo son iguales a cero, el
resultado obtenido presenta una probabilidad (P>F) igual a 84,6%, lo cual niega la presencia de
efectos individuales en las cuentas nacionales. Sin embargo, mediante un nuevo de análisis de
regresión a través del tiempo y con una prueba de hipótesis F2, se evidencia la presencia de efectos
temporales, con una probabilidad (P>F) menor al 5% en un intervalo de confianza del 95%. Los
efectos temporales son aquellos que afectan por igual a todas las unidades individuales del estudio
y pueden asociarse, por ejemplo, a choques macroeconómicos que inciden en igual medida en
todas las empresas o unidades de estudio (Baronio & Vianco, 2014).

Al realizar los análisis de efectos fijos y aleatorios para el panel de Papel, cartón y actividades
de edición e impresión se concluye que estos modelos no son consistentes, pues la P>F supera el
5%.

Por tanto se afirma que el modelo que presenta el mejor ajuste para el conjunto de datos es
el MCO o método de mínimos cuadrados, cuyos resultados se muestran a continuación:

2
Prueba en la que el estadístico utilizado sigue una distribución F si la hipótesis nula no puede ser rechazada.

58
 Tabla 17. Análisis de regresión lineal múltiple.

El modelo de regresión lineal múltiple permite afirmar que las variables de inversión,
producción bruta y posiblemente las exportaciones e importaciones son estadísticamente
significativas, pues su valor de probabilidad no supera el 5% y en el caso de x1 y x2, el 10%. Este
comportamiento refleja que al aumento de una unidad en la inversión, el valor agregado del sector
se ve disminuido en 1,8 unidades, por su parte, a un aumento en la producción bruta, el valor
agregado se ve reducido en -0,02 unidades. Lo anterior conlleva a la afirmación de que a pesar de
que la inversión y la producción bruta son variables significativas en el modelo, su variación no
contribuyó al desempeño positivo del V.A. Vale la pena destacar que en el periodo de estudio, la
inversión llegó a presentar comportamientos negativos.

̂ 𝑖𝑡 = (−4,69 ∗ 1013 ) − ((2,66 ∗ 109 )(𝑋1𝑖𝑡 )) + ((1,91 ∗ 109 )(𝑋2𝑖𝑡 ))

𝑉𝐴
+ ((2,51 ∗ 1010 )(𝑋3𝑖𝑡 )) − 1,80(𝑋4𝑖𝑡 ) − 0,02(𝑋5𝑖𝑡 )

Es de resaltar que ante una reestimación del modelo teniendo en cuenta únicamente la(s)
variables significativas ante un intervalo de confianza del 95%, la inversión arrojaría un coeficiente
de -1,74 y la producción bruta de -0.024. Así mismo, el valor p de ambas variables registra un
valor aproximado de 0,00, lo cual comprueba un alto nivel de significancia de las variables
explicativas en el modelo.

Con el fin de determinar la consistencia del modelo expresado, a continuación se observa el

gráfico Q-Q Plot normal mediante la comparación de los residuales del modelo y el conjunto de
cuantiles de una distribución normal N (0,𝜎 2 ), ver Gráfico 27.

59
 2.00e+12
1.00e+12
Residuals

0
-2.00e+12 -1.00e+12

-2.00e+12 -1.00e+12 0 1.00e+12 2.00e+12

Inverse Normal

Gráfico 27. Q-Q Plot normal Papel, cartón y actividades de Edición e Impresión .

Como se observa en el Gráfico 27, la mayoría de las observaciones se ajustan a una

distribución normal, por lo que podría afirmarse que el error se comporta normal. Sin embargo,
con el fin de comprobar dicho resultado, se procede a aplicar el Test de Shapiro Wilk, con un nivel
de significancia de 0.05. A continuación se observan los resultados proporcionados por STATA
para el panel del sector de Papel, Cartón y Actividades de Edición e Impresión.

Dado que la Prob>chi2 está por encima de 0.05, se acepta la hipótesis de la normalidad de
los datos, por lo que se concluye la validez del modelo de Datos de Panel.

A partir del modelo estimado se concluye que el sector de Papel, cartón y actividades de
edición e impresión manifiesta la existencia de efectos temporales más no individuales, los cuales
pueden obedecer al efecto del progreso tecnológico y a otras tendencias a nivel nacional o a nivel
mundial. Un claro ejemplo de este fenómeno es la creciente preocupación global frente al cuidado
del planeta y al correcto uso de los recursos, lo cual lleva a la inclusión de tecnologías más limpias
en los procesos de producción y fabricación de papel, así como en el reciclaje de este producto.
Actualmente, Colombia cuenta con algunos proyectos orientados a promover el manejo
responsable del papel, uno de ellos es el programa “Two sides”, un programa internacional que,

60
en pro de la sostenibilidad, ha permitido alcanzar resultados como el de la recuperación de papel
y el fomento de la cultura del reciclaje.

De acuerdo con la Cámara de Pulpa, Papel y Cartón de la Asociación Nacional de

Empresarios de Colombia-ANDI., la industria papelera en Colombia genera más de 80 mil
empleos. Así mismo, en 2013 la industria papelera colombiana abasteció el 63% del consumo
nacional de papel y en promedio exportó el 16,6% de la producción nacional. Sin embargo, se
observa que la inversión no se ha destacado en esta cuenta nacional, por el contrario, ha llegado
incluso a registrar valores negativos. A pesar de este hecho, es importante mencionar que la
producción bruta del subsector ha doblado el valor registrado en la cuenta de Actividades de
edición e impresión y artículos análogos.

De acuerdo con la Encuesta de Opinión Industrial conjunta y el Informe de Industria

realizado por el Ministerio de Comercio, Industria y Turismo, las Actividades de Edición e
impresión reportaron crecimientos negativos, principalmente en el año 2012. Una de las razones
que puede explicar este hecho son los niveles de capacidad instalada, tema de preocupación en la
Asociación Colombiana de la Industria de la Comunicación Gráfica. Según la ANDIGRAF:
“continúan preocupando los altos niveles de capacidad ociosa observados durante lo corrido del
año (2013). Es así, que para el mes de Agosto la capacidad instalada registró una utilización de
51,8% nivel inferior en más de 17 puntos al observado en el mismo mes del año anterior.”
(ANDIGRAF, 2013)

Actualmente el sector del Papel, Cartón y Actividades de Edición e impresión está sufriendo
transformaciones como consecuencia de la era digital. De esta forma, la industria del papel puede
verse amenazada. De acuerdo con las cifras emitidas por el DANE, se observa que en 2014 la
industria de Papel y Cartón frenó el crecimiento que venía presentándose en 2012 y 2013, a
diferencia de las Actividades de edición e impresión, cuenta que en 2013 y 2014 reportó valores
de producción superiores a los años anteriores. Con el fin de contrarrestar dicha situación, los
empresarios están generando nuevas ideas de negocio para equilibrar el crecimiento de la industria
digital que amenaza con dejar a un lado el papel. (ANDIGRAF, 2013)

Con respecto a la balanza comercial del sector, mientras los volúmenes de exportación e
importación se mantienen constantes en la cuenta de Productos de papel, cartón y sus productos,
se evidencia el aumento progresivo de las importaciones y la disminución de las exportaciones de
la cuenta correspondiente a las Actividades de edición e impresión. De acuerdo con la Asociación
Colombiana de la Industria de la Comunicación Gráfica, los factores influyentes en esta tendencia
han sido el déficit en la balanza a causa del segmento de libros, que pasó de generar un saldo
positivo de 6 millones en 2012 a un saldo deficitario de 10,6 millones en el 2013 y el material

61
publicitario y comercial, el cual acumula a Julio de 2013 una balanza negativa por 19,6 millones
de dólares.

7.5 METALMECÁNICA Y MAQU INARIA

Para la realización del análisis de datos de panel, el sector de Metalmecánica y Maquinaria

estuvo conformado por las Cuentas 31 y 32, las cuales corresponden a:

Cuenta 31. Productos metalúrgicos básicos (excepto maquinaria y equipo)

Cuenta 32. Maquinaria y equipo

El panel de datos del sector es una muestra de 2x7 observaciones, es decir, dos unidades de
análisis para un periodo de estudio de siete años (2008-2014). A su vez el panel se encuentra
balanceado.

En el análisis descriptivo se observa que el valor agregado promedio es de aproximadamente

$3,86 billones durante los años 2008 a 2014. De igual forma, el valor promedio de las
exportaciones es de $3560,42 miles de millones, el valor promedio de las importaciones es de
$9909,05 miles de millones, el valor promedio de la tasa de cambio es de $1946, el valor promedio
de la inversión es de $109 miles de millones y el valor promedio de la producción bruta es de $6,32
billones. Se aprecia que la dispersión de la muestra es muy alta, pues la mayoría de las
observaciones no están concentradas alrededor de la media.

A continuación se presenta la matriz de correlación con el fin de determinar la

proporcionalidad existente entre el comportamiento de las variables.

Tabla 18. Matriz de correlación del sector de Metalmecánica y Maquinaria.

A partir del resultado consignado en la Tabla 18, se observa que las exportaciones, la
inversión y la producción bruta han tenido una influencia positiva en el Valor Agregado del sector,
con un coeficiente de correlación de 44,12%, 37,66% y 53,12%, respectivamente. Este hecho

62
indica que ante una variación positiva de dichas variables, el V.A del sector se ve afectado
positivamente. Por su parte, las importaciones y la tasa de cambio registran un coeficiente de
correlación negativo de 2,86% y 41,3%, respectivamente, lo cual indica que ante un aumento en
estas variables, el V.A se disminuye. Mediante este análisis factorial se afirma que las variables
con mejor relación con la variable dependiente son las exportaciones y la producción bruta.

Con el fin de observar con mayor detalle el comportamiento de cada una de las dos cuentas
nacionales agrupadas, se realiza un análisis de correlación para cada una de las unidades de
análisis. Allí se evidencia que en la cuenta de Productos metalúrgicos básicos, la única variable
con coeficiente de correlación negativo fue la tasa de cambio. Mientras tanto en la cuenta de
maquinaria y equipo, las variables de tasa de cambio, inversión y producción bruta registraron una
relación inversa. Debido a este resultado, es posible afirmar que la cuenta 31 mostró mejores
resultados de proporcionalidad y explicación del desempeño de la variable dependiente.

A continuación se muestra el comportamiento del valor agregado del panel de

Metalmecánica y Maquinaria para el periodo 2008-2014. Se observa que a pesar de la caída en el
año 2008, el año 2009 muestra un Valor Agregado aún más bajo, a partir de la fecha el sector se
ha ido recuperando significativamente, presentando algunas recaídas en 2012 y 2013.

$ 12.000.000.000.000

$ 10.000.000.000.000

$ 8.000.000.000.000

$ 6.000.000.000.000

$ 4.000.000.000.000

$ 2.000.000.000.000

$0
2007 2008 2009 2010 2011 2012 2013 2014 2015

Gráfico 28. Valor agregado del sector de Metalmecánica y Maquinaria.

A partir de un análisis de regresión con la hipótesis nula de que todos los estimadores del
modelo son iguales a cero, se aprueba la hipótesis nula y se comprueba la ausencia de efectos
individuales y temporales, lo cual no justificaría la aplicación del modelo de datos de panel para
el sector. Esta situación puede verse explicada por la insuficiencia de la muestra para explicar el
63
Valor Agregado del sector o también debido a que las variables no son significativas en el modelo
de panel de Metalurgia y Maquinaria. Sin embargo, después de realizar el análisis de panel de tipo
estático contemplando las diferentes variables del estudio, se observa que al omitir las variables
importaciones y la tasa de cambio, se obtienen mejores resultados en el análisis de regresión
múltiple y en el modelo de efectos fijos. De esta manera, con la inclusión de las variables: x1 x4 y
x5 (Exportaciones, Inversión y Producción Bruta), se justifica la aplicación del modelo
econométrico de datos de panel gracias a la presencia de efectos individuales con un valor de
probabilidad igual al 5%.

Una vez justificada la aplicación del modelo econométrico de datos de panel, se procede a
realizar el Test de Hausman, con el objeto de determinar si los efectos individuales en las unidades
de análisis presentan un comportamiento fijo o aleatorio. A partir de ello es posible elegir el
estimador estático que más se adecúa al modelo, se observa que el valor de probabilidad obtenido
es igual a 0,01, lo cual indica que el estimador de efectos fijos explica mejor el modelo.

Tabla 19. Análisis de efectos fijos del panel Metalmecánica y Maquinaria.

De acuerdo al análisis de datos de panel de efectos fijos, se afirma que el 92,3% de los efectos
conjuntos se debe a la diferencia existente entre las unidades transversales (efectos individuales).
Por su parte, la probabilidad de la prueba permite rechazar la hipótesis nula en la que se afirma
que todos los coeficientes en el modelo son diferentes a cero. En el modelo de efectos fijos se
asume que los efectos individuales sí están correlacionados con las variables explicativas, es decir,
con las exportaciones, la inversión y la producción bruta. De esta manera el modelo queda definido
como (Montero Granados, 2011):

𝑌𝑖𝑡 = 𝛼𝑖 + 𝛽𝑋𝑖𝑡 + 𝜇𝑖𝑡

̂ 𝑖𝑡 =∝𝑖 − (4,56𝑒 + 12) + ((1,73𝑒 + 09)(𝑋1𝑖𝑡 )) + 8,84(𝑋4𝑖𝑡 ) + 0,20(𝑋5𝑖𝑡 ) + 𝜇𝑖𝑡

𝑉𝐴

Con el fin de determinar la consistencia del modelo expresado, a continuación se observa el gráfico
Q-Q Plot normal mediante la comparación de los residuales del modelo y el conjunto de cuantiles
de una distribución normal N (0,𝜎 2 ), ver Gráfico 29.

64
 4.00e+12
2.00e+12
Residuals

0
-2.00e+12
-4.00e+12

-2.00e+12 -1.00e+12 0 1.00e+12 2.00e+12

Inverse Normal

Gráfico 29. Q-Q Plot normal Metalmecánica y Maquinaria.

Como se observa en el Gráfico 29, la mayoría de las observaciones se ajustan a una

distribución normal, por lo que podría afirmarse que el error se comporta normal. Sin embargo,
con el fin de comprobar dicho resultado, se procede a aplicar el Test de Shapiro Wilk, con un nivel
de significancia de 0.05. A continuación se observan los resultados proporcionados por STATA
para el panel del sector de Metalmecánica y Maquinaria.

Dado que la Prob>chi2 está por encima de 0.05, se acepta la hipótesis de la normalidad de
los datos, por lo que se concluye la validez del modelo de Datos de Panel.

Con el modelo propuesto se afirma que las variables de exportaciones, inversión y

producción bruta afectan por igual a las cuentas de Productos metalúrgicos y a Maquinaria y
equipo y que éstas a su vez se diferencian por características propias de cada una (Baronio &
Vianco, 2014). Por otro lado, la única variable que presenta influencia significativa sobre el Valor
Agregado del panel corresponde a las exportaciones.

En general, la producción y las actividades no productivas guardan alta relación de

dependencia tecnológica con la maquinaria y los equipos (Gutiérrez, 1996), por tal razón, el sector
de Metalmecánica y Maquinaria es considerado como uno de los principales para la contribución

65
del PIB de un país, así como uno de los de mayor influencia en la evolución del desempeño de la
industria manufacturera. Así mismo, según cifras de Procolombia, la industria metalmecánica ha
contribuido al desarrollo y consolidación de otros sectores de la economía, entre ellos: la
construcción, la industria automotriz y la fabricación de electrodomésticos y maquinaria. Además,
en Colombia, el sector metalmecánico genera el 15% de todos los empleos industriales del país
(ANDI, 2012). Por dichas razones, es preciso analizar aquellos factores que han incidido en su
comportamiento y determinar las causas por las cuales las variables de importaciones, tasa de
cambio, inversión y producción bruta no presentaron una influencia significativa en la variable
dependiente del sector.

Algunas de las razones por las cuales puede ocurrir tal fenómeno son los bajos niveles de
exportación, hecho por el cual la importancia de la tasa de cambio pierde validez, los bajos niveles
de inversión y de producción bruta. El sector de Metalmecánica y Maquinaria se caracteriza por
su fuerte competencia en el exterior, los altos costos logísticos, la carencia de infraestructura, y las
limitaciones productivas que impiden la completa satisfacción de la demanda nacional. (Aktiva
Servicios Financieros, 2013). De igual forma, aquellas variables que no fueron significativas
dentro del modelo pueden estar influenciadas por aspectos como el número de establecimientos
del sector, el personal ocupado, el total de activos, la energía eléctrica consumida, entre otros.

Aunque variables como la producción bruta no hayan sido influyentes en el comportamiento

del V.A, es importante resaltar su desempeño durante el periodo de estudio. Por ejemplo, el 2014
fue un año favorable para el sector, pues cada una de las cuentas nacionales alcanzó la mayor cifra
en la PB. Por su parte, en cuanto a las exportaciones y de acuerdo con algunas empresas del sector,
los tratados de libre comercio han expandido el mercado del sector metalmecánico y el área de
soldadura. Así mismo, la cadena metalmecánica colombiana, de tradición importadora, ha visto
durante los últimos tiempos incrementar su oferta de exportación, algo de gran importancia de cara
al crecimiento del sector pese a la difícil situación por la que atraviesa la industria en el país.
(Vargas, 2016).

7.6 REFINACIÓN DE PETRÓLEO, QUÍMICOS Y PRODUCTOS DE

CAUCHO

El panel de refinación de petróleo, químicos y productos de caucho está conformado por las
siguientes tres cuentas nacionales:

Cuenta 27. Productos de la refinación del petróleo; combustible nuclear

Cuenta 28. Sustancias y productos químicos

66
 Cuenta 29. Productos de caucho y de plástico

El panel Petróleo, químicos y productos de caucho es una muestra de 3x7 observaciones.

Adicionalmente, éste se encuentra balanceado, pues la información se encuentra completa con un
total de 21 datos y 3 grupos transversales en un período de 7 años.

Dando alcance al análisis descriptivo, se observa que el valor agregado promedio es de

aproximadamente $8,4 billones durante los años 2008 a 2014. De igual forma, el valor promedio
de las exportaciones es de $5.083,2 miles de millones, el valor promedio de las importaciones es
de $9.573,92 miles de millones, el valor promedio de la inversión es de $1,92 billones y el valor
promedio de la producción bruta es de $1.550 billones. Se aprecia que todas las variables presentan
un alto nivel de variación, pues su desviación estándar se encuentra muy cerca al valor de la media
y en algunas ocasiones es superior.

A continuación se presentan el análisis de correlación que existe entre la variable

dependiente y las variables independientes, con el fin de determinar la proporcionalidad existente
entre el comportamiento de las variables y por ende determinar cuál variable tiene mayor impacto
en el análisis final del sector.

Tabla 20. Análisis de correlación entre el V.A y sus variables dependientes.

El Valor agregado del sector de refinación de petróleo, químicos y productos de caucho

presenta una correlación negativa con las importaciones y la tasa de cambio. Por otro lado, el
coeficiente de correlación de las exportaciones es positivo, superior al 50%, superior a la inversión
en el sector cerca de un 20%, dejando ver la importancia del sector, en especial las exportaciones
de crudo. Sin embargo el crecimiento del V.A en el sector está ligado con producción bruta, donde
el guarda una linealidad superior al 70%.

Para determinar aquellas cuentas nacionales que tienen mayor influencia en cada una de las
variables, se realiza el análisis de correlación para cada una de ellas. Se observa que la cuenta 27

67
(Productos de la refinación del petróleo; combustible nuclear), muestra coeficiente de correlación
entre el V.A. y las exportaciones está directamente ligado, pues gran parte de su crecimiento en
los últimos años, se debe al crecimiento en las exportaciones, por el contrario cuentas como
Sustancias y productos químicos y Productos de caucho y de plástico, las exportaciones no
representan una variable significativa en el resultado final del valor agregado, a diferencia de las
importaciones, cuyo coeficiente de correlación es negativo en ambos casos, por otro lado la
producción bruta fue la variable que mayor homogeneidad presentó en el análisis de correlación
positivo cercano al 60% en todos los casos.

A continuación se muestra el comportamiento del valor agregado del panel de refinación

petróleo, químicos y productos de caucho para el periodo 2008-2014. Se observa que ha mostrado
un crecimiento importante entre el 2008 y 2012, y un estancamiento entre el 2012 y 2014.

Gráfico 30. V.A. refinación de petróleo, químicos y productos de caucho

Como se evidencia en el Gráfico 30, el panel de petróleo, químicos y productos de caucho,

aparentemente tuvo un crecimiento significativo, pues a lo largo del periodo de análisis el sector
reportó una diferencia positiva del valor agregado, en parte debido a la estabilidad de los pecios
del petróleo, pues como se evidencia en la gráfica el año 2014 fue el de menor crecimiento en parte
a la caída de los precios internacionales del petróleo.

68
 1.500e+13
27
27 27
27
27
27

1.000e+13
27
2929
29
29 28

28
5.000e+12

28

29
29 28
29 28 28

28
0

2000 4000 6000 8000 10000

x1

y Fitted values

Gráfico 31. Ajuste de datos del sector petróleo, químicos y caucho

De acuerdo con el Gráfico 31, se evidencia que la mayoría de las cuentas nacionales presenta
una alta dispersión, es por ello que es necesario realizar una prueba de Hausman para determinar
la viabilidad de agrupar los datos como paneles de efectos fijos o efectos aleatorios, sin embargo
es de mencionar que el error del modelo estará contemplado sin importar la dispersión de los
puntos

Con el fin de verificar la existencia de efectos individuales entre las unidades de análisis, es
decir, si cada una de las cuentas nacionales contempladas dentro del sector presenta un
comportamiento particular, se realiza un análisis de regresión, a partir de la hipótesis nula de que
todos los estimadores del modelo son iguales a cero, lo cual indica que no hay diferencia entre el
comportamiento presentado entre las cuentas nacionales. Dado que la probabilidad (Prob>F)
obtenida fue menor al 5%, con un intervalo de confianza del 95%, es posible rechazar dicha
afirmación, lo cual indica la presencia de efectos individuales y por lo tanto, justifica la aplicación
del modelo de datos de panel por ser éste uno de sus principios fundamentales. Vale la pena aclarar
que si todas las cuentas nacionales presentaran efectos iguales, la técnica correcta para aplicar no
sería el análisis de datos de panel, sino un análisis mediante MCO (mínimos cuadrados ordinarios),
o simplemente una regresión lineal.

Una vez justificada la aplicación del modelo econométrico de datos de panel, se procede a
realizar el Test de Hausman, con el objeto de determinar si los efectos individuales en las unidades
de análisis presentan un comportamiento fijo o aleatorio. A partir de ello es posible elegir el

69
estimador estático que más se adecúa al modelo, se observa que el valor de probabilidad obtenido
es mayor a 0,05, lo cual indica que el estimador de efectos aleatorios explica mejor el modelo.

Tabla 21 Análisis de efectos aleatorios sector petróleo, químicos y caucho

De acuerdo al análisis de datos de panel de efectos aleatorios, se afirma que el 63,2% los
efectos conjuntos se debe a la diferencia existente entre las unidades transversales (efectos
individuales). Por su parte, la probabilidad de la prueba permite rechazar la hipótesis nula en la
que se afirma que todos los coeficientes en el modelo son diferentes a cero. En el modelo de efectos
aleatorios se asume que los efectos individuales no están correlacionados con las variables
explicativas, es decir, con las exportaciones, las importaciones, la tasa de cambio, la inversión y la
producción bruta. De esta manera, los efectos individuales se suman al término del error, quedando
el modelo definido (Labra, 2014):

̂𝐴𝑖𝑡 = (8,37𝑒 + 12) + ((8,06𝑒 + 08)(𝑋1𝑖𝑡 )) − ((3,08𝑒 + 07)(𝑋2𝑖𝑡 )) − ((1,99𝑒

𝑉.
+ 0,8)(𝑋3𝑖𝑡 )) + 0,15(𝑋4𝑖𝑡 ) + 0,20(𝑋5𝑖𝑡 ) + (∝ 𝑖 + 𝜇𝑖𝑡)

Es de resaltar que ante una reestimación del modelo teniendo en cuenta únicamente la(s)
variables significativas ante un intervalo de confianza del 95%, las exportaciones arrojarían un
coeficiente de 1,03x109 , las importaciones -4,15x108 y la producción bruta de 0.1821. Así mismo,
el valor p de dichas variables registra un valor aproximado de 0,00, lo cual comprueba un alto
nivel de significancia de las variables explicativas en el modelo.

Con el fin de determinar la consistencia del modelo expresado, a continuación se observa el

gráfico Q-Q Plot normal mediante la comparación de los residuales del modelo y el conjunto de
cuantiles de una distribución normal N (0,𝜎 2 ), ver Gráfico 32.

70
 5.00e+12

0
Residuals
-5.00e+12-1.00e+13

-1.00e+13 -5.00e+12 0 5.00e+12

Inverse Normal

Gráfico 32. Q-Q Plot normal Refinación de Petróleo, Químicos y Productos de Caucho .

Como se observa en el Gráfico 32, la mayoría de las observaciones se ajustan a una

distribución normal, por lo que podría afirmarse que el error se comporta normal. Sin embargo,
con el fin de comprobar dicho resultado, se procede a aplicar el Test de Shapiro Wilk, con un nivel
de significancia de 0.05. A continuación se observan los resultados proporcionados por STATA
para el panel del sector de Petróleo, Químicos y Productos de Caucho.

Dado de la Prob>Z está por encima de 0.05, se acepta la Hipótesis de la normalidad de los
datos, por lo que se concluye la validez del modelo de Datos de Panel, sin embargo vale la pena
aclarar que el valor de Prob>Z de 0.096 si bien acepta la normalidad de los datos con media cero,
se encuentra muy cerca de la zona de rechazo.

Como se evidencia en la Tabla 21, el panel de petróleo, químicos y caucho presentó un

crecimiento significativo de alrededor de 8,37 Billones de pesos, lo que representa un crecimiento
promedio de 36% entre el año 2008 y el año 2014, las variables más significativas que pueden
explicar dicho comportamiento son las exportaciones, importaciones, y la producción bruta del
sector (x4 y x5).

71
 Vale la pena destacar que el modelo estima una relación positiva entre la producción bruta
y el V.A y dicha relación es de 0,20. Esta afirmación indica que ante un aumento de un punto
porcentual en la producción bruta, se produce un incremento en el V.A de 0,22%.

En general gran parte del comportamiento del panel, se debe a la estabilidad económica que
vivió el subsector refinación de petróleo, pues durante estos años el precio promedio del barril de
crudo, no presento una alta volatilidad, si no por el contrario fueron precios estables con una
pequeña tendencia alcista. (Banco de la republica, 2016)

El gremio petrolero asegura que si bien la entrada en funcionamiento de Reficar ayudó a la

recuperación de la industria, pues las ventas totales de la industria refinación de petróleo crecieron
considerablemente durante los años 2009-2013, a tal punto de ocupar la refinación de petróleo un
10,3% de la industria manufacturera. (Super Intendencia de Sociedades, 2015)

El panorama del subsector de químicos industriales no presentó el mismo comportamiento

de la refinación de petróleo, aunque su caída no fue abrumadora, se observaron pequeñas
variaciones negativas, pues como menciona En promedio, la industria en general ha caído 1,4%
los últimos 2 años del periodo de análisis (2013-2014).

7.7 MINERALES NO METÁLICOS

El subsector de Minerales no metálicos, está conformado únicamente por la cuenta

nacional 30:

Cuenta 30. Productos minerales no metálicos

Dicha agrupación es una muestra de 1x7 observaciones. Adicionalmente, éste se encuentra

balanceado, pues la información se encuentra completa con un total de 7 datos y 1 grupo
transversal en un período de 7 años.

72
 Tabla 22. Estadístico descriptivo Minerales no metálicos

Dando alcance al análisis descriptivo, se observa que el valor agregado promedio es de

aproximadamente $2,5 billones durante los años 2008 a 2014. De igual forma, el valor promedio
de las exportaciones es de $1.016 miles de millones, el valor promedio de las importaciones es de
$1.806 miles de millones, el valor promedio de la inversión es de $231 miles millones y el valor
promedio de la producción bruta es de $3, 79 billones. Se aprecia que todas las variables presentan
un alto nivel de variación, pues su desviación estándar se encuentra muy cerca al valor de la media
y en algunas ocasiones es superior.

A continuación se presentan el análisis de correlación que existe entre la variable

dependiente y las variables independientes, con el fin de determinar la proporcionalidad existente
entre el comportamiento de las variables y por ende determinar cuál variable tiene mayor impacto
en el análisis final del sector.

Tabla 23. Análisis de correlación entre el V.A y sus variables dependientes.

El Valor agregado del sector de minerales no metálicos presenta una correlación negativa
con las importaciones. Por otro lado, el coeficiente de correlación de las exportaciones es positivo,
pero no es significativo, superior a la inversión en el sector cerca de un 20%, dejando ver la

73
importancia del sector, a su vez, la inversión y la producción bruta del sector presentan un
coeficiente de correlación superior al 90%, lo que deja ver la gran relación que guardan estas
variables con el crecimiento de V.A del sector.

A continuación se muestra el comportamiento del valor agregado de minerales no metálicos

observa un leve decrecimiento entre el 2008 y 2014, con pequeños crecimientos en el año 2012 y
2009.

Gráfico 33. V.A. Minerales no metálicos

Dado que la agrupación presenta una única observación transversal, no es posible aplicar la
técnica de datos de panel, por lo que el análisis del comportamiento del sector se realiza mediante
MCO (mínimos cuadrados ordinarios).

Tabla 24. Análisis de MCO Minerales no metálicos

El modelo de regresión lineal múltiple permite afirmar que las variables de inversión,
producción bruta y posiblemente las exportaciones e importaciones son estadísticamente
significativas, pues el valor t es considerable. Este comportamiento incide en que al aumento de

74
una unidad en la inversión, el valor agregado del sector se ve aumentado en 3,5 unidades, por su
parte, a un aumento en la producción bruta, el valor agregado se ve acrecentado en 0,1 unidades.

̂ 𝑖𝑡 = −(6,03𝑒 + 12) + ((1,55𝑒 + 09)(𝑋1𝑖𝑡 )) − ((1,67𝑒 + 08)(𝑋2𝑖𝑡 ))

𝑉𝐴
+ ((2,86𝑒 + 9)(𝑋3𝑖𝑡 )) + 3,56(𝑋4𝑖𝑡 ) + 0,10(𝑋5𝑖𝑡 )

Es de resaltar que ante una reestimación del modelo teniendo en cuenta únicamente la(s)
variables significativas ante un intervalo de confianza del 95%, la inversión arrojaría un coeficiente
de 4,30. Así mismo, el valor p de esta variable registra un valor aproximado de 0,00, lo cual
comprueba un alto nivel de significancia de la variable explicativa en el modelo.

Con el fin de verificar la consistencia del modelo expresado, a continuación se observa el

gráfico Q-Q Plot normal mediante la comparación de los residuales del modelo y el conjunto de
cuantiles de una distribución normal N (0,𝜎 2 ), ver Gráfico 34.
2.00e+10
Residuals

0
-2.00e+10

-2.00e+10 -1.00e+10 0 1.00e+10 2.00e+10

Inverse Normal

Gráfico 34. Q-Q Plot normal Minerales no Metálicos.

Como se observa en el Gráfico 34, la mayoría de las observaciones se ajustan a una

distribución normal, por lo que podría afirmarse que el error se comporta normal. Sin embargo,
con el fin de comprobar dicho resultado, se procede a aplicar el Test de Shapiro Wilk, con un nivel
de significancia de 0.05. A continuación se observan los resultados proporcionados por STATA
para el panel del sector de Minerales no Metálicos.

75
 Dado de la Prob>Z está por encima de 0.05, se acepta la Hipótesis de la normalidad de los
datos, por lo que se concluye la validez del modelo de Datos de Panel.

Como se evidencia en la Tabla 24 , el sector presentó un decrecimiento de 12,3% entre los

años 2009 y 2014, además de mostrar un movimiento volátil en el periodo de estudio. Los
minerales no metálicos se muestran como un sector debil y muy suceptible a cambios negativos
en el entorno económico.

“La mala situación que vive la industria y su contracción se debe en gran parte a la
producción de minerales no metálicos, según lo determinó el Ministerio de Hacienda en su
reporte de Perspectivas de la industria vinculada al sector de la construcción” (PATRICIA
ARDILA, 2014).

Sin lugar a duda el resultado arrojado mediante el análisis estadístico es consistente con la
literatura, pues como menciona (ANDI, 2012), en general el comportamiento del sector de
Minerales no metálicos se vio afectado, debido al notable descenso del primer trimestre el año
2010 en la producción bruta del sector, sin embargo se espera una recuperación del mismo que
representa el 8,2% de la industria, dadas las condiciones de mercado

El comportamiento de las exportaciones tiene una tendencia creciente, éstas han ido aumentado de
manera consistente en los últimos años. En promedio la minería participa en el 22% de las
exportaciones y en el país (ANDI, 2012). El auge de la actividad exploratoria, la participación
constante en los eventos internacionales y el potencial minero que tiene el país, hacen que la
inversión minera se posen sobre Colombia, sin embargo el resultado final no fue el esperado, pues
en años como 2010, 2013 y 2014 se presentaron variaciones negativas en el V.A del sector.

7.8 OTROS RUBROS

El panel de Otros Rubros corresponde a las cuentas nacionales 33, 34 y 36: Otra maquinaria
y suminstros eléctricos, Equipos de transporte y Otros bienes manufacturados n.c.p (No
clasificados previamente). A su vez está conformado por un total de 21 observaciones divididas
en tres unidades de análisis durante un periodo de 7 años.

Inicialmente, al realizar el análisis descriptivo de los datos, se observa que el valor agregado
promedio del sector es de aproximadamente $907 miles de millones durante los años 2008 a 2014.
De igual forma, el valor promedio de las exportaciones es de $1125 miles de millones, el valor
promedio de las importaciones es de $11354 miles de millones, el valor promedio de la tasa de
cambio es de $1946, el valor promedio de la inversión es de $13,9 miles de millones y el valor

76
promedio de la producción bruta es de $2,13 billones. A semejanza de los demás sectores, se
observa un alto grado de dispersión en los datos, lo que apoya la hipótesis de la existencia de
efectos individuales.

Posteriormente, en el análisis de correlación entre las variables del modelo, la tasa de cambio
es la única variable con coeficiente negativo, lo cual indica que su aumento generó la disminución
del Valor Agregado del sector en el periodo de estudio. Este hecho confirma que las exportaciones
influyeron en el desempeño del VA. Por otro lado, las demás variables del proceso (Exportaciones,
Importaciones, Inversión y Producción Bruta) reportaron coeficientes de 54,15%, 47,43%, 52,47%
y 68,64%, respectivamente, cifras que reflejan su alta tendencia de proporcionalidad con la
variable dependiente. A continuación en la Tabla 25 se presentan los resultados obtenidos en dicho
análisis.

Tabla 25. Análisis de correlación del panel Otros Rubros

Dentro de un análisis de correlación con énfasis en las unidades de análisis, las exportaciones
presentaron un mayor coeficiente en la cuenta correspondiente a Otra maquinaria y suministros
eléctricos, comportamiento que se repitió para las importaciones, la tasa de cambio y la inversión.
Por su parte, la producción bruta explicó de mejor forma el desempeño del VA en la cuenta 36,
correspondiente a Otros bienes manufacturados, con un valor de 88,6%. A partir de los resultados
obtenidos se destaca el buen nivel de correlación con el V.A de la inversión en la cuenta 33 y de
la producción bruta en la cuenta 36.

Con el fin de mostrar el comportamiento del VA para el panel de Otros rubros, a continuación
se muestra el Gráfico 35, allí se observa el decrecimiento de la variable presentado en 2009 y 2010,
teniendo en cuenta que 2008 fue un año desfavorable para la industria manufacturera.
Adicionalmente, los años 2011 y 2012 detuvieron la tendencia negativa, hecho que no se mantuvo
por mucho tiempo, pues en 2013 y 2014 se presentaron nuevamente crecimientos negativos.

77
 $4.500.000.000.000
$4.000.000.000.000
$3.500.000.000.000
$3.000.000.000.000
$2.500.000.000.000
$2.000.000.000.000
$1.500.000.000.000
$1.000.000.000.000
$500.000.000.000
$0
2007 2008 2009 2010 2011 2012 2013 2014 2015

Gráfico 35. Comportamiento del Valor Agregado en el panel de Otros rubros

Luego de un análisis de regresión, a partir de la hipótesis nula de que todos los estimadores
del modelo son iguales a cero, lo cual indica que no hay diferencia entre el comportamiento
presentado entre las cuentas nacionales, se obtiene una probabilidad (Prob>F) del 1%, dado que
es menor al 5% se comprueba la presencia de efectos individuales y por lo tanto, se justifica la
aplicación del modelo de datos de panel. A continuación se muestra el ajuste de datos obtenido:
2.500e+12

34
2.000e+12
1.500e+12

33
34
1.000e+12

34
3334 34
36
33 34
33 33
5.000e+11

33 33
36
36 36
36
36 36 34
0

0 500 1000 1500 2000

x1

y Fitted values

Gráfico 36. Ajuste de datos del sector Otros rubros

78
 De acuerdo con el Gráfico 36, se evidencia que la mayoría de las cuentas nacionales se
ajustan al panel total de datos del sector de Otros Rubros, a pesar del error mínimo asociado a la
cuenta de Equipos de transporte.

Una vez justificada la aplicación del modelo econométrico de datos de panel, se procede a
realizar el Test de Hausman. El resultado obtenido es un valor de probabilidad de 48,9%, lo cual
indica que el estimador de efectos aleatorios es el que mejor explica el modelo.

Tabla 26. Análisis de efectos aleatorios del panel Otros rubros

De acuerdo al análisis de datos de panel de efectos aleatorios (Ver Tabla 26), la

probabilidad de la prueba, la cual fue de 0%, permite rechazar la hipótesis nula en la que se afirma
que todos los coeficientes en el modelo son diferentes a cero. De esta manera, los efectos
individuales se suman al término del error, quedando el modelo definido:

̂ 𝑖𝑡 = (1,51𝑒 + 12) − ((3,58𝑒 + 08)(𝑋1𝑖𝑡 )) − ((1,44𝑒 + 07)(𝑋2𝑖𝑡 )) − ((6,77𝑒 +

𝑉𝐴
0,8)(𝑋3𝑖𝑡 )) + 6,11(𝑋4𝑖𝑡 ) + 0,18(𝑋5𝑖𝑡 ) + (∝ 𝑖 + 𝜇𝑖𝑡)

Es de resaltar que ante una reestimación del modelo teniendo en cuenta únicamente la(s)
variables significativas ante un intervalo de confianza del 95%, la inversión arrojaría un coeficiente
de 6,60 y la producción bruta de 0.207. Así mismo, el valor p de dichas variables registra un valor
aproximado de 0,00, lo cual comprueba un alto nivel de significancia de las variables explicativas
en el modelo.

Con el fin de verificar la consistencia del modelo expresado, a continuación se observa el

gráfico Q-Q Plot normal mediante la comparación de los residuales del modelo y el conjunto de
cuantiles de una distribución normal N (0,𝜎 2 ), ver Gráfico 37.

79
 5.00e+10

0
-2.00e+11-1.50e+11-1.00e+11-5.00e+10
Residuals

-2.00e+11 -1.50e+11 -1.00e+11 -5.00e+10 0 5.00e+10

Inverse Normal

Gráfico 37. Q-Q Plot normal Otros Rubros.

Como se observa en el Gráfico 37, la mayoría de las observaciones se ajustan a una

distribución normal, por lo que podría afirmarse que el error se comporta normal. Sin embargo,
con el fin de comprobar dicho resultado, se procede a aplicar el Test de Shapiro Wilk, con un nivel
de significancia de 0.05. A continuación se observan los resultados proporcionados por STATA
para el panel del sector de Otros Rubros.

Dado de la Prob>Z está por encima de 0.05, se acepta la Hipótesis de la normalidad de los
datos, por lo que se concluye la validez del modelo de Datos de Panel, sin embargo vale la pena
aclarar que el valor de Prob>Z de 0.06 si bien acepta la normalidad de los datos con media cero,
se encuentra muy cerca de la zona de rechazo.

Las variables significativas en el modelo aplicado en el sector corresponden a la producción

bruta (Con un nivel de confianza del 95%) y a la inversión (Con un nivel de confianza del 90%).
A partir de esto es posible afirmar que ante un aumento de una unidad en la producción bruta, el
Valor Agregado crece en un 18,46%. La variable de inversión no se considera en el análisis, pues
su intervalo de confianza no es lo suficientemente alto.

80
 El sector Otros Rubros es uno de los de mayor incidencia en la caída de la industria
manufacturera en Colombia. (Secretaría Distrital de Desarrollo Económico, 2009). Otra
maquinaria y suministros eléctricos tuvo únicamente dos años favorables en el periodo de estudio
(2012 y 2013) e incluso, en 2014 registró un PIB menor al presentado en 2008, año de la crisis. El
subsector que se caracterizó por un mayor volumen de exportaciones fue el de Equipos de
transporte, seguido de la cuenta 33. Otros bienes manufacturados mantuvo un volumen de
exportación bajo en relación a los demás subsectores, sin embargo, este último sí presentó una
tendencia creciente de esta variable.

$ 3.000.000.000.000
$ 2.500.000.000.000
Otra maquinaria y suminstros
$ 2.000.000.000.000 eléctricos
$ 1.500.000.000.000 Equipos de trasnporte
$ 1.000.000.000.000
Otros bienes manufacturados
$ 500.000.000.000 n.c.p.
$0
2008 2009 2010 2011 2012 2013 2014

Gráfico 38. Valor Agregado según subsector del panel Otros rubros

De igual forma, en el Gráfico 38 se observa la fuerte caída en el Valor Agregado, registrada

por los Equipos de transporte, la cual se debe, en gran parte, a los bajos niveles de inversión que
también muestran un alto grado de volatilidad. Por su parte, las importaciones registraron
crecimientos en todos los subsectores del panel.

8 CONCLUSIONES

A partir de los ocho modelos analizados, correspondientes a cada uno de los subsectores de
la industria manufacturera, se observa que el tipo de modelo predominante en el estudio y durante
el periodo de tiempo de 2008-2014, fue un modelo de efectos aleatorios (50% de la muestra),
hecho que indica que los efectos individuales encontrados entre los sub-sectores están distribuidos
aleatoriamente. De esta manera se explica que tanto el impacto de las exportaciones, las
importaciones, la tasa de cambio, la inversión y la producción bruta, así como las características

81
propias de los subsectores son diferentes. Por su parte, dos de los ocho paneles correspondieron a
un modelo de efectos fijos, donde las variables independientes afectaron por igual a las unidades
de análisis y éstas se diferenciaron por características propias en cada una. Finalmente, dos de los
paneles se ajustaron a un modelo de Mínimos Cuadrados Ordinarios o MCO, donde se aplicó una
regresión lineal múltiple pero no se registró la presencia de efectos individuales. (Ver Tabla 27).

Tabla 27. Conclusiones a partir del modelo de datos de panel.

Tipo de Variables
Subsector Tipo de efectos
modelo significativas
Inversión,
Efectos
Alimentos y bebidas Individuales Producción
aleatorios
Bruta
Algodón, fibras, textiles,
Producción
confecciones, cuero, Efectos fijos Individuales
Bruta
calzado y marroquinería
Inversión,
Efectos
Madera y muebles Individuales Producción
aleatorios
Bruta
Papel, cartón y Inversión,
actividades de edición e MCO Temporales Producción
impresión Bruta
Exportaciones,
Refinación de petróleo,
Efectos Importaciones,
químicos, y productos de Individuales
aleatorios Producción
caucho y plástico
Bruta
Todas las
Minerales no metálicos MCO NA
variables
Metalmecánica y
Efectos Fijos Individuales Exportaciones
maquinaria
Efectos Producción
Otros rubros Individuales
aleatorios Bruta

Por otro lado, los efectos individuales también fueron un resultado repetitivo en el conjunto
de subsectores analizados, únicamente las actividades de Papel, cartón y edición e impresión

82
reportaron la existencia de efectos temporales. De igual forma, la variable con mayor significancia
en el estudio fue la producción bruta, con un participación del 87,5% sobre el total de los paneles.
Sin embargo, la inversión fue otra de las variables que en sectores como el de Alimentos y Bebidas,
Madera y muebles, Papel, cartón, actividades de edición e impresión y Minerales no metálicos,
visualizó un alto nivel de significancia estadística. Este hecho comprueba y reafirma la importancia
de la creación de políticas referentes a los niveles de inversión, especialmente en los sectores
mencionados, donde dicha variable tiene una gran influencia sobre el Valor Agregado. A partir del
modelo propuesto se concluye que cada uno de los paneles analizados cumple con la condición de
que el término del error del modelo sigue una distribución normal con media cero, lo cual indica
que los estimadores son eficientes y por tanto pueden realizarse inferencias. Así mismo los
intervalos de confianza y los contrastes de hipótesis se consideran válidos.

Respecto a las importaciones, la industria manufacturera presentó una pronunciada tendencia

positiva, todos los sectores influenciaron este hecho, sin embargo los de Papel, cartón y actividades
de edición e impresión y Metalmecánica y Maquinaria no tuvieron un comportamiento tan
marcado. Adicionalmente, las exportaciones presentaron una caída pronunciada hasta el año 2010
y posteriormente la variable se recuperó sin registrar altos crecimientos. Los subsectores de
Algodón, fibras, textiles, confecciones, cuero, calzado y marroquinería, Madera y muebles y Papel,
cartón y actividades de edición e impresión fueron aquellos con una notable tendencia negativa en
la variable.

En general, la metodología de datos de panel fue consistente para la interpretación del

comportamiento de la industria manufacturera en los años 2008-2014, arrojando como resultado
principal una industria con un pobre crecimiento especialmente en los años posteriores a la crisis
(2008 y 2009), sin descartar su recuperación a finales del periodo de análisis. La industria
manufacturera es uno de los sectores más importantes para la economía colombiana, pues genera
aproximadamente el 12,8% de empleos en el país (Fedesarrollo, 2013), sin embargo, su pobre
crecimiento en los últimos años deja al descubierto las fallas existentes entre las empresas del
sector y los entes gubernamentales en pro de la creación de estrategias que permitan su desarrollo.

Dentro de los sectores más vulnerables y que presentaron peores variaciones anuales, se
encuentran: el sector de Algodón, fibras, textiles, confecciones, cuero, calzado y marroquinería,
pues debido a la difícil competencia con industrias extranjeras, principalmente chinas, el poco
interés, y la falta de inversión en el sector, éste reportó decrecimientos. A continuación se muestra
un panorama general propuesto a partir de la recopilación y el análisis descriptivo de los datos,
especialmente del Valor Agregado.

83
  Alimentos y bebidas: En general, crecimiento moderado en el período de análisis,
excepto por 2011 y 2014, que registraron variaciones negativas.
 Algodón: Decrecimiento significativo entre 2008 y 2013, leve recuperación en
2014.
 Madera y muebles: Decrecimiento significativo entre 2008 y 2011, recuperación
entre 2011 y 2013 y fuerte caída del V.A en 2014.
 Metalmecánica: Mal desempeño en 2008 y 2009 pero buena recuperación en los
años siguientes.
 Papel: Su comportamiento se mantuvo, sin embargo tuvo una leve recuperación.
 Refinación de petróleo: Tendencia alcista desde 2008 a 2014, con un pico positivo
en 2011 y crecimiento moderado al final del período.
 Minerales no metálicos: Volatilidad del V.A en el período de estudio, con un leve
descenso desde 2012 hasta 2014.
 Otros rubros: Tendencia negativa generalizada.

Por otro lado, a pesar de su carácter multidisciplinario, la técnica de datos de panel es una
herramienta que hoy en día no ha tomado la suficiente fuerza en la aplicación dentro del campo de
la Ingeniería Industrial. Con este estudio, se evidencia la importancia de las herramientas de tipo
estadístico, econométrico y matemático para el análisis de diversos ámbitos concernientes a la
ingeniería, tal como la industria manufacturera. Para estudios posteriores, es posible extender la
investigación hacia sectores como el de servicios, así mismo, es posible analizar la inclusión de
nuevas variables en el estudio e incluso, contemplar una mayor cantidad de elementos, con el fin
de obtener una mejor significancia de tipo estadístico. Así mismo, el estudio podría centrar su foco
de atención en ciertos sectores en particular, teniendo en cuenta las diferentes regiones al interior
del país.

84
BIBLIOGRAFÍA

Aktiva Servicios Financieros. (2013). Obtenido de ¿Dos sectores pesados? La metalurgia y

metalmecánica en Colombia:
http://aktiva.com.co/blog/Estudios%20sectoriales/2013/acero_metalmecanico.pdf

Amezquita, C. (2008). La Industria manufacturera en Colombia 1995-2005. Obtenido de

http://www.scielo.org.co/pdf/rfce/v16n2/v16n2a05.pdf

ANDI. (2012). ESTRUCTURA DEL SECTOR MINERO. Bogotá.

ANDI. (Mayo de 2012). Estructura del Sector Siderúrgico y Metalmecánico colombiano.

Bogotá.

ANDI. (2014). DESEMPEÑO TEXTIL. Bogotá.

ANDIGRAF. (2013). Obtenido de http://www.andigraf.com.co/files/boletines/boletin_46.pdf

Arana Velasco, A. (Febrero de 2009). La crisis financiera y sus efectos en Colombia. Buenos
Aires.

Asociación Colombiana de Industriales del Calzado, el Cuero y sus Manufacturas . (2014).

Informe 2014. Bogotá.

Banco Central de Costa Rica. (Septiembre de 2000). La técnica de datos de panel, una guía para
su uso e implementación. Obtenido de
http://www.bccr.fi.cr/investigacioneseconomicas/metodoscuantitativos/Tecnica_datos_pa
nel,_una_guia_para_su_uso_e_interpretacion.pdf

Banco de la República. (2009). Informe de la junta directiva al congreso de la República.

Bogotá, Colombia.

Banco de la republica. (2016). Indicadores economicos. Bogotá.

Baronio, A., & Vianco, A. (Noviembre de 2014). Datos de Panel. Guía para el uso de E-Views.
Obtenido de Econométricos: http://www.econometricos.com.ar/wp-
content/uploads/2012/11/datos-de-panel.pdf

Cabrera, L. G. (2015). DESEMPEÑO DEL SECTOR DEL SECTOR TEXTIL-CONFECCIÓN.

BOGOTÁ.

Cámara de Comercio del Oriente Antioqueño. (2014). Obtenido de

http://www.ccoa.org.co/contenidos/actualidad/alimentos_y_bebidas_aportan_indices_pos
itivos_a_la_industria_colombiana.php

Cardona Acevedo, M., & Cano Gamboa, C. (2005). Dinámica industrial, crecimiento económico
y PyMEs: Un análisis de Datos de Panel para el caso colombiano 1980-2000.
Observatorio de la Economía Latinoamericana.

85
Chica, R. (1990). El estancamiento de la industria colombiana. Coyuntura Económica-
Fedesarrollo, 81-101.

Cocho, G. (1999). Teorías de sistemas: Haken, Prigogine, Atlan y el Instituto de Santa Fe.
México, D.F.

DANE. (2012). Clasificación Industrial Internacional Uniforme de todas las Actividades

Económicas. Bogotá.

Davivienda. (2012). La industria manufacturera en 2012. Bogotá.

Departamento Nacional de Planeación. (2 de Agosto de 2013). Evolución de la industria en

Colombia. Colombia.

FEDERACION DE INDUSTRIALES DE LA MADERA. (2014). FEDEMADERA.

Fedesarrollo. (2013). Informe mensual del mercado laboral. Composición sectorial del empleo
en Colombia. Bogotá.

Ferrari, C. (2008). Tiempos de incertidumbre. Causas y consecuencias de la crisis mundial.

Revista de Economía Institucional, 55-78.

Forrester, J. W. (1961). Industrial Dynamics. Cambridge: MIT Press.

Garay S., L. J. (2004). Colombia: estructura industrial e internacionalización 1967-1996.

Biblioteca Virtual del Banco de la República.

Greene, W. (1998). Análisis econométrico. Prentice Hall.

Gujarati, D. N. (2006). Principios de econometría. McGraw-Hill.

Gutiérrez, J. A. (1996). La productividad en la industria metalmecánica colombiana. Revista

Innovar Journal Revista de Ciencias Administrativas y Sociales, 51-73.

Labra, R. (2014). Guía CERO para datos de panel. Un enfoque práctico. Madrid: Universidad
Autónoma de Madrid.

Langebaek, A., & Escobar, D. V. (2007). Determinantes de la actividad innovadora en la

industria manufacturera colombiana.

LUIS GUILLERMO VÉLEZ CABRERA. (2015). DESEMPEÑO DEL SECTOR DEL SECTOR
TEXTIL-CONFECCIÓN. Bogotá.

Maldonado. (2012). El cambio técnico y la innovación para sector manufacturero 1990-2010.

Bogotá.

Maldonado Atencio, A. A. (Octubre de 2010). La evolución del crecimiento industrial y

transformación productiva en Colombia 1970-2005: Patrones y determinantes. Bogotá,
Colombia.

86
Mesa C., R. J., Restrepo O., D. C., & Aguirre B., Y. C. (2008). Crisis externa y desaceleración
de la economía colombiana en 2008-2009: coyuntura y perspectivas. Perfil de Coyuntura
Económica, 31-67.

Mesa Callejas, R. J. (8 de Marzo de 2009). Crisis externa y desaceleración de la economía

colombiana. UN Periódico. Recuperado el 21 de Febrero de 2016, de
http://www.unperiodico.unal.edu.co/en/dper/article/crisis-externa-y-desaceleracion-de-la-
economia-colombiana.html

Ministerio de Comercio, Industria y Turismo. (2014). Informe de Industria 2014. Bogotá.

Ministerio de la Protección Social. (2010). Evolución del PIB e inflación en Colombia 2000-
2009. Bogotá.

Montero Granados, R. (Junio de 2011). Efectos fijos o aleatorios: test de especificación.

Obtenido de Universidad de Granada:
http://www.ugr.es/~montero/matematicas/especificacion.pdf

Ocampo, J. A. (2009). Impactos de la crisis financiera mundial sobre América Latina. Revista
Cepal, 9-32.

Orozco, L. A., Chavarro, D. A., & Ruiz, C. F. (2010). Os departamentos de ID e a inovação na

indústria manufatureira de Colômbia: análise comparativa desde o comportamento
organizacional. Innovar, 101-115.

PATRICIA ARDILA. (2014). Perspectivas de la industria Vinculadas al sector construcción.

Bogotá.

Rebolledo Noriega, J. E., Ángel López, L., Duque Gallego, C. A., & Velasco Bonilla, A. (2013).
Perfil del sector manufacturero Colombiano. Magazín Empresarial, 49-61.

Rendón, J., & Nieto, P. (2009). Comportamiento sectorial de la industria manufacturera en

Colombia 1980-2005. Un análisis a partir de datos de panel. Economía, Gestión y
Desarrollo, 11-45.

Rivera Godoy, J. A., & Ruiz Acero, D. (2011). Análisis del desempeño financiero de empresas
innovadoras del Sector Alimentos y Bebidas en Colombia. Pensamiento & Gestión, 109-
136.

ROODMAN, D. (2009). A note on the theme of too many instruments. Oxford Bulletin of
Economics and Statistics. Oxford.

Sancho, A. (2005). Econometría de económicas. Madrid, Eespaña.

Sandoval Duarte, H. (08 de Agosto de 2014). El Espectador. Obtenido de

http://www.elespectador.com/noticias/economia/bebidas-y-alimentos-impulsan-el-
crecimiento-de-industri-articulo-509278

87
Secretaría Distrital de Desarrollo Económico. (2009). La actividad económica no da señales
efectivas de recuperación. Así lo indican las recientes cifras del crecimiento del PIB.
Obtenido de Observatorio de desarrollo económico:
http://observatorio.desarrolloeconomico.gov.co/base/descargas/public/ActividadEconomi
caNoSerecupera.pdf

Super Intendencia de Sociedades. (2015). DESEMPEÑO DEL SECTOR DE

HIDROCARBUROS. Bogotá.

Universidad Autónoma de Madrid. (03 de 2008). Conceptos básicos sobre Heterocedasticidad y

Tratamiento en E-views . Conceptos básicos sobre Heterocedasticidad en el modelo
básico de regresión lineal tratamiento con E-views. Madrid, España. Obtenido de
Conceptos básicos sobre Heterocedasticidad y Tratamiento en E-views

Universidad de Granada. (2014). . Guía multimedia para la elaboración de un modelo

econométrico. Granada, España:
http://www.ugr.es/~jchica/Pagina2/GUIME/Otros%20ejercicios/Normalidad%201.pdf.

Vargas, L. D. (2016). Siderurgia y metalmecánica: un sector de importancia para la industria

colombiana. Revista de Logística.

Zurita González, J., Martínez Pérez, J. F., & Rodríguez Montoya, F. (2009). La crisis financiera
y económica del 2008. Origen y consecuencias en los Estados Unidos y México. El
Cotidiano, 17-27. Obtenido de http://www.redalyc.org/pdf/325/32512739003.pdf

88