III. RESULTADOS
3.5. Incidencia de las Exportaciones Mineras en el Producto Bruto Interno del Perú
En esta sección se trata de exponer los resultados del objetivo central de esta investigación si es que el impacto de las exportaciones mineras sobre el PBI durante el periodo de 1994 al 2012 ha sido significativo y con incidencia positiva.
Primero analizaremos cual es la proporción de la exportaciones mineras respecto al PBI durante el periodo de 1994 al 2012.
0 2,000 4,000 6,000 8,000 10,000 12,000 0 50,000 100,000 150,000 200,000 250,000 300,000
Producto Bruto Interno PBI Sector Mineria
OFICINA
DE SISTEMAS
Cuadro N° 57: Proporción de las Exportaciones Mineras respecto al PBI
Año Export. productos
mineros (mill. US$) TC Nominal
Export. productos mineros (mill. S/.)
PBI (mill. S/.) % Export. productos mineros respecto al PBI
1994 1,970.82 2.20 4,328.73 98,577.44 4.39% 1995 2,615.69 2.26 5,900.51 120,927.72 4.88% 1996 2,654.44 2.45 6,514.76 137,080.84 4.75% 1997 2,730.51 2.66 7,274.04 157,532.86 4.62% 1998 2,746.70 2.93 8,046.13 166,282.43 4.84% 1999 3,008.02 3.38 10,180.62 174,421.57 5.84% 2000 3,220.13 3.49 11,237.92 186,141.06 6.04% 2001 3,205.29 3.51 11,244.53 189,212.73 5.94% 2002 3,808.95 3.52 13,398.57 199,649.89 6.71% 2003 4,689.91 3.48 16,317.18 213,424.87 7.65% 2004 7,123.82 3.41 24,319.43 237,901.73 10.22% 2005 9,789.85 3.30 32,274.10 261,653.20 12.33% 2006 14,734.51 3.27 48,249.17 302,255.12 15.96% 2007 17,439.29 3.13 54,566.84 335,527.81 16.26% 2008 18,100.98 2.93 52,961.99 371,072.98 14.27% 2009 16,382.32 3.01 49,343.55 382,318.38 12.91% 2010 21,722.81 2.83 61,384.01 434,531.94 14.13% 2011 27,361.47 2.75 75,372.87 486,235.36 15.50% 2012 26,308.14 2.64 69,405.93 526,437.76 13.18%
Como se aprecia la representatividad de las exportaciones mineras respecto al PBI es significativo desde el 2004 al superar al 10% del valor del PBI, además desde ese periodo se ha mantenido entre el 12% y 16% del valor del PBI. Siendo el año 2007 donde muestra una mayor representatividad debido a que las exportaciones mineras tienen un valor del 16.26% del PBI. A continuación se realizara un análisis con regresiones para comprobar la hipótesis planteada. Las variables están en dólares americanos, en términos nominales y son datos trimestrales. En los anexos se añadirá la información utilizada en las regresiones. Las gráficas siguientes reflejan la evolución de las variables analizadas.
OFICINA
DE SISTEMAS
Gráfico N° 33: Evolución del PBI (Millones de US$)
Gráfico N° 34: Evolución de las Exportaciones Mineras (Millones de US$)
Regresión Logarítmica Periodo 1994 – 2012
Dependent Variable: PBI Method: Least Squares Date: 04/28/14 Time: 11:39 Sample: 1994Q1 2012Q4 Included observations: 76
Variable Coefficient Std. Error t-Statistic Prob. C 9249.908 510.7734 18.10961 0.0000 EXPMIN 5.158547 0.154659 33.35424 0.0000 R-squared 0.937632 Mean dependent var 22120.05 Adjusted R-squared 0.936789 S.D. dependent var 11604.31 S.E. of regression 2917.530 Akaike info criterion 18.82083
OFICINA
DE SISTEMAS
Sum squared resid 6.30E+08 Schwarz criterion 18.88216 Log likelihood -713.1914 F-statistic 1112.505 Durbin-Watson stat 0.519408 Prob(F-statistic) 0.000000
Para conocer si el coeficiente de la variable ExpMin es significativo: Ho: β2 = 0
H1: β2 ≠ 0 α = 0.05
t = β2 - β2/ ee (β2)
t = 5.158547 – 0 / 0.154659 = 33.35
scalar p-value = @tdist(33.35,74) = 2.4939669114e-046 p-value < α Se Rechaza Ho.
En conclusión se afirma que el coeficiente estimado de la variable ExpMin es significativamente estadístico.
Si tomamos en cuenta que el R2 ajustado es muy alto nos indica ExpMin
explica en 93. 67% el comportamiento del PBI.
El valor de F es lo suficientemente alto para inducir que el modelo es estadísticamente valido.
El estadístico de Durbin Watson no se aproxima a 2 lo cual no es aceptable, y enfrentaríamos una presencia de Autocorrelación, por lo cual para solucionarlo seleccionamos View -> Residual Tests -> Correlogram Q- Statistics. Esta acción nos permitirá conocer cuántos periodos de
rezagos posee el modelo. El modelo tiene un rezago de orden 1 y orden 2. Por lo cual se reformula la regresión:
OFICINA
DE SISTEMAS
Dependent Variable: PBI Method: Least Squares Date: 04/28/14 Time: 12:38
Sample (adjusted): 1994Q3 2012Q4 Included observations: 74 after adjustments Convergence achieved after 12 iterations
Variable Coefficient Std. Error t-Statistic Prob. C 9077.956 2904.772 3.125187 0.0026 EXPMIN 1.535273 0.343529 4.469121 0.0000 AR(1) 0.452310 0.096574 4.683541 0.0000 AR(2) 0.624512 0.101590 6.147381 0.0000 R-squared 0.988791 Mean dependent var 22433.23 Adjusted R-squared 0.988310 S.D. dependent var 11599.97 S.E. of regression 1254.174 Akaike info criterion 17.15888 Sum squared resid 1.10E+08 Schwarz criterion 17.28343 Log likelihood -630.8786 F-statistic 2058.277 Durbin-Watson stat 1.901104 Prob(F-statistic) 0.000000 Inverted AR Roots 1.05 -.60
Estimated AR process is nonstationary
El coeficiente estimado de la variable ExpMin sigue siendo significativamente estadístico.
Si tomamos en cuenta que el R2 ajustado es muy alto nos indica ExpMin
explica en 98.83% el comportamiento del PBI.
El valor de F es lo suficientemente alto para inducir que el modelo es estadísticamente valido debido a que el Pvalor asociado casi nulo indica la variable explicativa es significativamente estadístico.
El estadístico de Durbin Watson se aproxima a 2 lo cual es aceptable, mejorando respecto al modelo anterior.
La suma de residuos al cuadrado en esta segunda regresión es menor a la primera lo cual indicaría que están menos dispersos.
Además los residuos están distribuidos normalmente:
OFICINA
DE SISTEMAS
Esto se verifica debido a que el Coeficiente de Asimetría = 0.439181 se aproxima a cero y la Kurtosis es cercana a 3 que son requisitos para que sea un distribución normal.
Luego para medir como ha incidido en el PBI las Exportaciones Mineras realizamos la siguiente regresión:
Dependent Variable: LOG(PBI) Method: Least Squares
Date: 04/28/14 Time: 11:24 Sample: 1994Q1 2012Q4 Included observations: 76
Variable Coefficient Std. Error t-Statistic Prob. C 6.315258 0.127721 49.44566 0.0000 LOG(EXPMIN) 0.481991 0.017096 28.19329 0.0000 R-squared 0.914831 Mean dependent var 9.889017 Adjusted R-squared 0.913680 S.D. dependent var 0.464250 S.E. of regression 0.136398 Akaike info criterion -1.120519 Sum squared resid 1.376723 Schwarz criterion -1.059184 Log likelihood 44.57971 F-statistic 794.8615 Durbin-Watson stat 0.340418 Prob(F-statistic) 0.000000
A pesar de mostrar un R2 ajustado alto y al ser la variable significativa el
Durbin Watson señala una posible autocorrelación, por lo cual para
OFICINA
DE SISTEMAS
solucionarlo seleccionamos View -> Residual Tests -> Correlogram Q- Statistics. Esta acción nos permitirá conocer cuántos periodos de rezagos
posee el modelo. El modelo tiene un rezago de orden 1 y orden 2. Por lo cual se reformula la regresión:
Dependent Variable: LOG(PBI) Method: Least Squares
Date: 04/28/14 Time: 11:27
Sample (adjusted): 1994Q3 2012Q4 Included observations: 74 after adjustments Convergence achieved after 14 iterations
Variable Coefficient Std. Error t-Statistic Prob. C 8.019485 0.752756 10.65350 0.0000 LOG(EXPMIN) 0.130786 0.056786 2.303140 0.0242 AR(1) 0.493889 0.100790 4.900198 0.0000 AR(2) 0.534473 0.103318 5.173080 0.0000 R-squared 0.981900 Mean dependent var 9.906011 Adjusted R-squared 0.981124 S.D. dependent var 0.458476 S.E. of regression 0.062989 Akaike info criterion -2.639168 Sum squared resid 0.277735 Schwarz criterion -2.514624 Log likelihood 101.6492 F-statistic 1265.813 Durbin-Watson stat 1.918340 Prob(F-statistic) 0.000000 Inverted AR Roots 1.02 -.52
Estimated AR process is nonstationary
El coeficiente de la variable Log (ExpMin) es significativo: Ho: β2 = 0
H1: β2 ≠ 0 α = 0.05
t = β2 - β2/ ee (β2)
t = 0.130786 – 0 / 0.056786 = 2.303140
scalar p-value = @tdist(2.303140,72) = 0.0241624003909 p-value < α Se Rechaza Ho.
En conclusión se afirma que el coeficiente estimado de la variable Log(ExpMin) es significativamente estadístico
OFICINA
DE SISTEMAS
El R2 ajustado es muy alto nos indica log (ExpMin) explica en 98.11% el
comportamiento del PBI.
El valor de F es lo suficientemente alto para inducir que el modelo es estadísticamente valido.
El estadístico de Durbin Watson se aproxima a 2 lo cual es aceptable, mejorando respecto al modelo anterior.
La suma de los residuos al cuadrado de esta última regresión respecto a la anterior es menor lo cual indicaría que están menos dispersos
Este modelo nos permite explicar que las exportaciones mineras cuando aumentaron en 1% entonces el PBI creció en 0.13% durante el periodo de 1994 al 2012.
Además los residuos están distribuidos normalmente:
Esto se verifica debido a que el Coeficiente de Asimetría = 0.151341 se aproxima a cero y la Kurtosis es cercana a 3 que son requisitos para que sea un distribución normal.
OFICINA
DE SISTEMAS
IV.
DISCUSIÓN
OFICINA
DE SISTEMAS
Nuestra hipótesis planteada es que las Exportaciones Mineras son significativas e incide positivamente en el Producto Bruto Interno del Perú durante el periodo 1994 – 2012.
En los antecedentes se presentó documentos como el de SANBORN, Cynthia A. y DAMMERT B., Juan Luis (2013) en el documento “Extracción de recursos Naturales, Desarrollo Económico e Inclusión Social: Perú y el de La SOCIEDAD NACIONAL DE MINERÍA, PETRÓLEO Y ENERGÍA (2012) “Efecto de la minería sobre el empleo, el producto y recaudación en el Perú” que fue elaborado por Instituto Peruano de Economía entre otros más, que tienen como ideas fuerzas la actividad minera tiene un alto grado de integración con el resto de las actividades económicas nacionales. Por lo cual es muy significativo el impacto de variaciones en la actividad minera sobre la actividad económica en general. También presenta estimaciones que en caso de aumento de las exportaciones mineras afecta positivamente al crecimiento del PBI debido las exportaciones mineras en el país generan impactos directos e indirectos debido a las interrelaciones que el sector guarda con el resto de sectores.
Dentro del Marco Teórico se ha presentado documentos que narran la importancia vital de la minería desde la época colonial hasta tiempos contemporáneos. Además de presentar teorías respectivas que señalan que el comercio exterior y las exportaciones son favorables para el crecimiento económico del país.
En los resultados se aprecia que las exportaciones mineras es un variable significativa respecto al PBI, además tiene una incidencia positiva pues durante el
OFICINA
DE SISTEMAS
periodo de estudio cuando las exportaciones mineras aumentaron en 1% entonces el PBI creció en 0.13%.
Por lo expuesto se concluye que las Exportaciones Mineras son significativas e incide positivamente en el Producto Bruto Interno del Perú durante el periodo 1994 – 2012, por lo cual hipótesis planteada es verdadera.