Fuente: Banco Central del Ecuador Elaboración: Alex Fabián Barreno Urrea
129
Anexo J Ecuador: Total Importaciones por uso
Fuente: Banco Central del Ecuador Elaboración: Alex Fabián Barreno Urrea
Anexo K Ecuador: Evolución de importaciones por uso
Fuente: Banco Central del Ecuador Elaboración: Alex Fabián Barreno Urrea
0% 1% 2% 6% 8% 9% 10% 13% 16% 35% 10. Diversos 7. Bienes de capital para la agricultura 6. Materiales de construcción 4. Materias primas y productos intermedios para la agricultura 3. Combustibles, lubricantes y productos conexos 2. Bienes de consumo duradero 9. Equipos de transporte 1. Bienes de consumo no duradero 8. Bienes de capital para la industria 5. Materias primas y productos intermedios para la industria ECUADOR: TOTAL IMPORTACIONES POR USO 2000
130
Anexo L Ecuador: FBKF y las Exportaciones (Tasas de Variación a precios de 2007)
Fuente: Banco Central del Ecuador Elaboración: Alex Fabián Barreno Urrea
Anexo M Ecuador: FBKF y las Importaciones
Fuente: Banco Central del Ecuador Elaboración: Alex Fabián Barreno Urrea
Anexo N Ecuador: Producto Interno Bruto y las Exportaciones de bienes y servicios
Fuente: Banco Central del Ecuador Elaboración: Alex Fabián Barreno Urrea
-10.0 -5.0 0.0 5.0 10.0 15.0 20.0 25.0 2000 2001 2002 2003 2004 2005 2006 2007 2008 2009 2010 2011 2012
Formación bruta de capital fijo Exportaciones de bienes y servicios
-20.0 -10.0 0.0 10.0 20.0 30.0 2000 2001 2002 2003 2004 2005 2006 2007 2008 2009 2010 2011 2012
Formación bruta de capital fijo Importaciones de bienes y servicios
-10,00 -5,00 0,00 5,00 10,00 15,00 20,00 2000 2001 2002 2003 2004 2005 2006 2007 2008 2009 2010 2011 2012
(tasa de variacion a precios de 2007)
131
Anexo O Representación gráfica de la IED en América Latina 2012
Fuente: Banco Mundial
Elaboración: Alex Fabián Barreno Urrea
Anexo P Valor Agregado Bruto por Industria / (PIB) Estructura porcentual a precios de 2007
Fuente: Banco Central del Ecuador Elaboración: Alex Fabián Barreno Urrea
Industrias 2002 2003 2004 2005 2006 2007 2008 2009 2010 2011 2012
Agricultura 8,4 8,6 8,2 8,1 8,0 8,2 7,8 7,9 7,8 7,6 7,2
Acuicultura y pesca de camarón 0,2 0,3 0,3 0,4 0,4 0,4 0,4 0,4 0,5 0,5 0,6
Pesca (excepto camarón) 0,7 0,7 0,6 0,8 0,8 0,7 0,8 0,7 0,6 0,6 0,6
Petróleo y minas 9,3 10,1 13,2 12,8 12,9 11,7 11,0 10,9 10,6 10,2 9,8
Refinación de Petróleo 2,6 2,1 2,2 2,0 1,9 1,8 1,9 1,9 1,4 1,5 1,2
Manufactura (excepto refinación de petróleo) 12,1 12,2 11,5 11,6 11,7 11,9 12,2 12,0 11,9 11,6 11,6
Suministro de electricidad y agua 1,3 1,3 1,1 1,0 1,0 1,1 1,4 1,3 1,2 1,5 1,5
Construcción 8,2 7,9 7,7 8,0 8,0 7,9 8,1 8,2 8,4 9,5 10,3
Comercio 11,1 11,1 10,7 10,8 10,7 10,5 10,9 10,4 11,0 10,8 10,6
Alojamiento y servicios de comida 1,7 1,7 1,6 1,6 1,7 1,7 1,7 1,8 1,9 2,0 2,1
Transporte 6,9 6,8 6,5 6,3 6,3 6,3 6,3 6,7 6,7 6,7 6,7
Correo y Comunicaciones 1,4 1,5 1,7 2,1 2,2 2,4 2,8 3,0 2,9 3,0 3,1
Actividades de servicios financieros 1,9 1,9 1,9 2,2 2,5 2,6 2,6 2,6 2,7 2,8 2,7
Actividades profesionales, técnicas y administrativas 6,0 6,2 5,9 6,1 6,1 6,4 6,4 6,2 6,3 6,2 6,2 Administración pública, defensa; planes de seguridad social
obligatoria 5,7 5,7 5,5 5,3 5,2 5,5 5,2 5,8 5,8 5,6 5,8
Enseñanza y Servicios sociales y de salud 7,9 7,9 7,6 7,6 7,5 7,7 7,7 8,2 8,0 7,8 7,8
Servicio doméstico 0,3 0,3 0,3 0,3 0,3 0,3 0,3 0,3 0,3 0,3 0,2
Otros Servicios * 8,7 8,6 8,6 8,3 7,9 8,0 7,7 7,6 7,6 7,4 7,2
TOTAL VAB 94,5 95,0 95,0 95,1 95,3 95,1 94,9 96,0 95,6 95,4 95,2
Otros elementos del PIB 5,5 5,0 5,0 4,9 4,7 4,9 5,1 4,0 4,4 4,6 4,8
TOTAL PIB 100,0 100,0 100,0 100,0 100,0 100,0 100,0 100,0 100,0 100,0 100,0
132
Anexo Q Ecuador: Producto Interno Bruto e Importaciones
Fuente: Banco Central del Ecuador Elaboración: Alex Fabián Barreno Urrea
-15.0 -10.0 -5.0 0.0 5.0 10.0 15.0 20.0 25.0 30.0 2000 2001 2002 2003 2004 2005 2006 2007 2008 2009 2010 2011 2012
133
Anexo R IED por Trimestre
Fuente: Banco Central del Ecuador Elaboración: Alex Fabián Barreno Urrea
134
Anexo S Inversión Extranjera Directa Trimestral por sector
Fuente: Banco Central del Ecuador Elaboración: Alex Fabián Barreno Urrea
135
Anexo T Industrias alineadas a al ENCMP para simulación
Fuente: Matriz Insumo Producto SENPLADES Elaboración: Alex Fabián Barreno Urrea
CADENAS PRODUCTIVAS PRIORIZADAS INDUSTRIAS MIP SIMULADOR
Cul ti vo de ca ca o, ca ca o en gra no, crudo o tos ta do Acui cul tura y pes ca de ca ma rón
Acui cul tura y pes ca de ti l api a
Acui cul tura y pes ca de otros productos n.c.p El a boraci ón y cons erva ci ón de pes cado congel ado, s eco o s a l a do; fi l etes de pes cado
El a boraci ón de prepa ra dos , cons erva s de pes ca do y de otra s es peci es a cuá ti ca s
El a boraci ón de hari na de pes ca do El a boraci ón y cons erva ci ón de cama rón
El a boraci ón de ca ca o el a bora do s i n edul corantes Fa bri ca ci ón de pa s ta de pa pel
Fa bri ca ci ón de pa pel y ca rtón
Fa bri ca ci ón de ca ja s de cartón y otros productos de pa pel y ca rtón
Fa bri ca ci ón de productos de l a refi na ci ón del petról eo Fa bri ca ci ón de productos quími cos bá s i cos
Fa bri ca ci ón de pl á s ti cos pri ma ri os y ca ucho s i ntéti co y a rti fi ci a l
Fa bri ca ci ón de productos farma céuti cos y medi ca mentos
Fa bri ca ci ón de otros productos quími cos n.c.p. Fa bri ca ci ón de otros productos de ca ucho n.c.p. Fa bri ca ci ón de productos de pl ás ti co
Acti vi da des bá s i cas de hi erro y acero
Fa bri ca ci ón de metal es preci os os y encha pa dos con meta l es preci os os
Fa bri ca ci ón de productos de otros meta l es Fa bri ca ci ón de productos metá l i cos es tructura l es Fa bri ca ci ón de productos metá l i cos de us o domés ti co Fa bri ca ci ón de otros productos metál i cos
Fa bri ca ci ón de ma qui na ri a i nformá ti ca ; pa rtes , pi eza s y a cces ori os
Fa bri ca ci ón de vehícul os a utomotores Al oja mi ento
Servi ci o de a l i mento y bebi da
Tra ns porte de pa s a jeros y ca rga por ca rretera Tra ns porte de pa s a jeros y ca rga por vía a érea Tra ns porte por vía a cuáti ca
Tra ns porte por ferroca rri l
Acti vi da des de agenci a s de vi a jes y a ná l ogos SECTOR AGROALIMENTARIO
CADENAS VINCULADAS A INDUSTRIAS BÁSICAS
136
Anexo U Construcción de la Tabla de oferta
Para la construcción de la tabla de oferta es necesario en primer lugar establecer que ésta tabla contabiliza los valores medidos en precios básicos para la producción, y en precios CIF para las importaciones.
Según la Comisión Europea (2008:69) la tabla de oferta comprende tres matrices como componentes principales: matriz de producción, matriz de importaciones y la matriz de ajustes de valoración. La estructura de filas de la tabla de oferta está definida por las categorías de productos. Esta estructura permite la agregación horizontal de todos los elementos.
La ONU (2000:26) muestra que en la estructura de la tabla de oferta (cuadro 8), entre las columnas 1 y 3, y las filas 1 y 3 se encuentran los bienes y servicios producidos a precios básicos. Por ejemplo, si se toma la fila 1, se observa la oferta de bienes de las diferentes industrias (columnas 1 a 3). La columna 4 por su parte contiene la información de las importaciones, mientras que la columna 6 muestra la oferta total de bienes a precios básicos, que se obtiene mediante la siguiente ecuación:
26. IJ = K + KA+ KL+ M
Donde IJ es la oferta total del bien 1 a precios básicos, KNO representa la producción local del bien
1 por la industria J a precios básicos y M representa las importaciones del bien 1 a precios CIF. Las importaciones a precios CIF, que no incluyen los derechos de importación, se las considera valoradas a precios básicos.
Para obtener la oferta total de bienes a precios de comprador se suma la oferta de bienes a precios básicos más márgenes comerciales y de transporte, más impuestos y menos subvenciones a los productos que incluyen importaciones, como se expresa en la ecuación 35
27. IP = IJ + QM + QK
Donde IPes la oferta total del bien 1 a precios de comprador, IJes la oferta total del bien 1 a precios básicos, QM son los márgenes de comercio y transporte, y QKrepresentan los impuestos menos las subvenciones.
El valor total de la producción de una industria se obtiene sumando los valores de los distintos productos de la columna que corresponda a esa industria, como se observa en la siguiente ecuación ONU (2000:29).
28. = K + KA + KL
Donde I1 es la producción total de la industria 1 y Xij representa la producción de todos los bienes y
137 Tabla 30 Tabla de oferta
Anexo w Análisis de correlaciones
En el estudio estadístico, el análisis de correlación adquiere una gran importancia debido a que este análisis emplea métodos para medir el grado de relación o la intensidad con que se asocian dos o más variables, se analizan principalmente los diagramas de puntos dispersos y los tipos de correlación.
Diagramas de puntos dispersos y correlaciones
Los datos presentados en el análisis se han examinado en diagramas de puntos dispersos, en los mismos, cada observación y cada variable se representa por medio de un punto, una de las variables se mide en el eje de abscisas y la otra en el eje de las ordenadas.
Según (Weil,2006:34) un diagrama de puntos dispersos nos permite ver la relación global entre dos variables: además muestra que observaciones son coherentes con esa relación global y que observaciones quedan fuera de la relación habitual, las que se denominan casos atípicos.
Otro instrumento fundamental para el análisis será el uso de las correlaciones, David Weil señala que “una correlación describe el grado en que dos variables tienden a evolucionar al unisonó” (Weil, 2006:35).
Dos variables se encontraran relacionadas positivamente: si, cuando el valor de una de ellas es alto, también tiende a serlo el valor de la otra.
Por el contrario se dice que están correlacionadas negativamente: siempre que el valor de una ellas sea alto, y el valor de otra mantenga una tendencia a la baja.
David Weil indica que el grado de correlación entre variables se mide por medio del coeficiente de correlación, que es una cifra comprendida entre -1 y 1.
138 Tabla 31 Coeficiente de Correlación
Fuente: David Weil (2006)
Elaborado: Alex Fabián Barreno Urrea
La fórmula matemática de coeficiente de correlación es: 26. Coeficiente de Correlación = R(B B̅)(3 3T)
UR(B B̅) UR(3 3T)
El análisis de correlación entre dos variables es muy útil para relacionar variables y medir la influencia y el impacto de las variables, pero aun así se debe tener mucho cuidado en el momento de interpretar los datos.
Se considera que en una correlación positiva entre dos variables existen 3 escenarios posibles (que no son mutuamente excluyentes) (Weil, 2006:14).
X causa Y: La variable X afecta a la variable Y, por lo que si fuera posible modificar la variable X, la variable Y también cambiaría.
Y causa X: se podría pensar que X causa Y cuando en realidad ocurre lo contrario esta situación se denomina causalidad inversa.
No existe ninguna relación causal directa entre X e Y, pero una tercera variable Z causa tanto X como Y, esta variable (Z) se denomina Variable omitida.
En la presente investigación se utilizan datos de corte transversal, es decir, observaciones de diferentes unidades en un único momento del tiempo, una ventaja de ver los datos de esta manera es ver como varían las variables económicas con el paso del tiempo.
Regresión estadística
El análisis de regresión trata del estudio de la dependencia de la variable dependiente, respecto a una o más variables (las variables explicativas), con el objetivo de estimar y/o predecir la media o valor promedio poblacional de la primera en términos de los valores conocidos o fijos (en muestras repetidas) de las ultimas (Gujarati,2004; 18).
Regresión lineal
La regresión lineal es un modelo matemático que explica la relación entre una variable dependiente Y, las variables independientes Xi y un término aleatorio C.
139 Este modelo puede ser expresado como:
27. . = VW+ V K + VAKA+ … + VYKY+ ,
Dónde:
. Es la variable dependiente, explicada o regresando.
K + KA+ … + KY: Variables explicativas, independientes o regresores.
V + VA+ … + VY: Los parámetros β1, β2 son desconocidos y deben ser estimados a
partir de la n observaciones.
Donde V? es la intersección o término "constante", las VN( - > 0) son los parámetros respectivos a cada variable independiente, y n es el número de parámetros independientes a tener en cuenta en la regresión.
Modelo de regresión lineal
Un modelo de regresión lineal, es una herramienta que nos permite identificar y presentar un valor a la relación que existe entre variables cuantitativas.
Damodar Gujarati nos indica que el modelo lineal relaciona la variable dependiente Y con K variables explicativas K2 (k = 1,...K), o cualquier transformación de estas variables, que generan un híper-plano de parámetros V2desconocidos:
28. = ΣV2K2+ \
De esta igualdad se conoce que \ es la perturbación aleatoria que recoge todos aquellos factores de la realidad no controlables u observables y que por tanto se asocian con el azar, y es la que confiere al modelo su carácter estocástico. En el caso más sencillo, con una sola variable explicativa, el híper-plano es una recta:
29. = V 2 + \
El problema de la regresión según Gujarati, consiste en elegir unos valores determinados para los parámetros desconocidos V2 , de modo que la ecuación quede completamente especificada. Para ello se necesita un conjunto de observaciones.
En una observación cualquiera i-ésima (i= 1,... I) se registra el comportamiento simultáneo de la variable dependiente y las variables explicativas (las perturbaciones aleatorias se suponen no observables).
140 Los valores escogidos como estimadores de los parámetros, VG2 son los coeficientes de regresión, sin que se pueda garantizar que coinciden con parámetros reales del proceso generador. Por tanto, en
31. N = ΣVG2 K2N+ \̂N
Los valores \̂N son por su parte estimaciones de la perturbación aleatoria o errores.
En el análisis de regresión interesa lo que se conoce como dependencia estadística entre variables, en estas relaciones estadísticas pueden manejar variables aleatorias o estocásticas46, esto es,
variables que tienen distribuciones de probabilidad.
Regresión lineal en parámetros
Puesto que este estudio se relaciona con un modelo lineal como una ecuación:
32. . = VW+ V K + VAKA+ … + VYKY+ ,
Es esencial entender lo que significa el término lineal:
La Linealidad en parámetros se presenta cuando la esperanza condicional47 de Y, E (Y| Xi) es una
función lineal de los parámetros, los V: puede ser lineal en la variable X o puede no serlo48, es así que un modelo de regresión lineal (en el parámetro) es:
33. . = VW+ V KA+ , : O . = VW+ V K + ,
Es por esto que en el análisis el término regresión lineal siempre significará una regresión que es lineal en los parámetros, los V (esto es, los parámetros son elevados a la primera potencia): puede ser o no ser lineal en las variables explicativas X (Gujarati, 2004:41).
Regresiones vs Correlaciones
El análisis de correlación está estrechamente relacionado con el de regresión aunque conceptualmente los dos son muy diferentes:
En análisis de correlación, el objetivo principal es medir la fuerza o el grado de asociación
lineal entre dos variables, mide esta fuerza de asociación lineal (Gujarati, 2004: 23).
46
La palabra estocástica viene de la palabra griega stokhos que significa “centro del blanco”. El resultado de lanzar dardos sobre un tablero es un proceso estocástico, esto es, un proceso que permite errores.
47
Es el valor esperado de una variable aleatoria verdadera con respecto a una distribución de probabilidad condicional.
48 Se dice que una función es lineal β por ejemplo, si β aparece elevado a una potencia de 1 solamente y no esta multiplicado por ningún otro parámetro (por ejemplo, β βA,`6
141
En el análisis de regresión, se trata de estimar o de predecir el valor promedio de una
variable sobre la base de valores fijos de otras variables (Gujarati, 2004:23).
La regresión y la correlación tienen algunas diferencias fundamentales que vale la pena mencionar:
En el análisis de regresión hay una asimetría en el tratamiento que se da a las variables
dependientes y explicativas. Se supone que la variable dependiente es estadística, aleatoria o estocástica, esto es que tiene una distribución de probabilidad. Por otra parte se da por hecho que las variables explicativas tienen valores fijos (en muestras repetidas) lo cual se hace explícito en la definición de la regresión.
En el análisis de correlación, por otra parte, se trata a dos variables cualesquiera en forma
simétrica: no hay distinción entre la variable dependiente y las variables explicativas (Gujarati, 2004:23).