FACULTAD DE CIENCIAS EMPRESARIALES Carrera de Administración y Emprendimiento
IMPACTO ECONÓMICO DEL TLC CON CHINA EN EL SECTOR TEXTIL PERUANO
Trabajo de Investigación para optar el Grado Académico de Bachiller en Administración y Emprendimiento
FLOR CELINDA PILLCO HUILLCA KATY MARILUZ ROJAS JUÁREZ
Asesor:
Ciro Eduardo Bazán Navarro Lima – Perú
2020
2 Título
Impacto económico del TLC con China en el sector textil peruano.
Resumen
El estudio analizó el Tratado de Libre Comercio entre Perú y China y cómo este ha influido en el crecimiento económico del sector textil peruano, en periodo 2015 – 2019, considerando como variables independientes las exportaciones, importaciones y la balanza comercial, y como variable dependiente el crecimiento económico. Dentro de la metodología descriptiva, de diseño no experimental, longitudinal, donde los participantes corresponden a los datos de las variables sistematizadas entre los años 1973-2019, los cuales fueron recolectados utilizando como técnica la sistematización bibliográfica de los datos de los últimos 47 años, y cuyo instrumento fue la ficha de recolección de datos bibliográficos. Con los cuales se realizó un análisis estadístico descriptivo e inferencial a través de la regresión lineal múltiple del impacto económico del TLC con China en el sector textil. Los resultados muestran que el modelo encontrado para determinar el impacto económico del TLC con China sobre el sector textil en el periodo estudiado de 1973-2019, fue y= 148,9442- 0,0509x1+0,2093x2-0,0311x3, y un coeficiente de determinación R2 ajustado de 0,960. De acuerdo con el análisis de resultados podemos concluir que el TLC con China tuvo impacto positivo en el crecimiento económico del sector textil, así también se corroboró que el TLC establecido con China ha impactado en forma positiva en las exportaciones, importaciones y en el saldo de la balanza comercial del sector textil, logrando un crecimiento en el periodo 2015 – 2019, cuando todas las variables permanecen contantes (ceteris paribus),.
Palabras claves: TLC Perú-China, exportaciones, importaciones, balanza comercial, sector textil.
Summary
The study analyzed the Free Trade Agreement between Peru and China and how it has influenced the economic growth of the Peruvian textile sector, in the period 2015 - 2019, considering as independent variables exports, imports and the trade balance, on the dependent variable growth economic. Within the descriptive methodology, of non- experimental, longitudinal design, where the participants correspond to the data of the systematized variables between the years 1973-2019, which were collected using the bibliographic systematization of the data of the last 47 years as a technique, and whose instrument was the bibliographic data collection sheet. With which a descriptive and
3 inferential statistical analysis was carried out through the multiple linear regression of the impact economic of the FTA with China in the textile sector. The results show that the model found to determine the impact economic of the FTA with China in the textile sector in the period studied from 1973-2019, was y = 148.9442- 0.0509x1 + 0.2093x2-0.0311x3, and an adjusted coefficient of determination R2 of 0.960. According to the analysis of the results, we can conclude that the FTA with China had a positive impact on the economic growth of the textile sector, thus it was also confirmed that the FTA established with China has had a positive impact on exports, imports and in the balance of the trade balance of the textile sector, achieving a growth in the period 2015 - 2019, when all variables remain constant (ceteris paribus).
Keywords: Peru-China FTA, exports, imports, trade balance, textile sector.
INTRODUCCIÓN
El crecimiento mercantil de la industria textil peruana, ha transcurrido por diversos periodos difíciles, viéndose afectado diversas actividades económicas entre ellas las exportaciones, e importaciones, bajo este panorama, el gobierno peruano ha implementado y alcanzado acuerdos internacionales que buscan poder remediar dicha situación, uno de los más resaltantes es el TLC Perú- China, siendo que este país posee el mercado más grande del mundo (1397 millones de personas), y cuyo crecimiento ha sido el más elevado a nivel mundial en las dos últimas décadas, con tasas de 9,0%
anual aproximadamente. Acuerdo que ha permitido en el mundo textil oportunidades comerciales de productos peruanos con valor agregado para ser exportado a China, entre ellos bordados de fibra sintética, hilados de lana peinada, ropa de bebe de algodón, camisones y pijamas, tejidos de pelo de alpaca (Mincetur, 2010). No obstante, también y en mayor medida a abierto oportunidades para las importaciones de productos chinos, lo cuales han venido incrementando por diversos factores a su favor, afectando así el comercio peruano. Lo cual ha generado preocupación en este sector.
De acuerdo con Datosmacro.com (2019), la balanza comercial de Perú con China tiene un comportamiento positivo y constante, específicamente a partir del año 2002, no obstante, para el sector textil, como señala Cabrera y Rodríguez (2016), el TLC no representa ningún beneficio, lo que ha dado un resultado negativo, lo que ha generado controversias en el comercio. Como explica Tafur (2015), el país ha sentido
4 una presión de delimitación por el aumento de los productos importados de China en las últimas décadas.
Lo anterior se complementa con el estudio de Durán y Pellandra (2017), que demuestra que las importaciones de China en América Latina ha sido una ventaja superficial, específicamente en la época reciente, donde una proporción alta del total de las importaciones regionales de un 2.3% en 2000 hasta al alrededor del 16% en 2013, resultó una amenaza para los productores locales permitiéndoles bajar los precios de las prendas, lo que significó una competencia drástica para los productores dando un golpe alto a la producción y muchos de ellos cerraron sus talleres de confecciones, esto afecto al servicio de comercialización, especialmente en Gamarra ubicada en el distrito de La Victoria, destino donde se fabrican, confeccionan y se comercializan las prendas.
Sin embargo, entre el 2000 y 2014, las importaciones peruanas hubo una aceleración totalmente alta obteniendo un resultado del 20,4% al 58,3% en los sectores textiles, confecciones y calzado desde China, pero a partir del 2015 existe en descrecimiento en las exportaciones (Mincetur, 2010).
En investigaciones recientes, indican por mencionar que el TLC firmado entre Estados Unidos y Perú, a pesar de ser un acuerdo limpio y sin trabas, y que ha favorecido diversos sectores, ha impactado la industria textil, ya que ingresa al país mercadería a precios bajos y por ende, los consumidores inclinan su preferencia a esos productos, haciendo a un lado los productos locales, reduciendo la competencia y la producción (Velásquez & Alvarado, 2016). Como explica Urquijo (2014), la implementación del TLC si bien es cierto permite a los países una apertura comercial significativa, hay sectores donde dichos beneficios esperados presentan ciertas desventajas.
A nivel nacional, estudios como el de Moreno y Rivera (2018), quienes a estudiaron acerca de cómo influyen las compras del exterior, en materia de prendas de vestir, desde el gigante asiático en los clústeres de un importante establecimiento comercial de La Victoria (Lima). Demostraron a través de regresión lineal múltiple basándose en modelos económicos, que existe una disminución en las ventas del mercado local, de hasta 0.84% por cada empresa que sufre en comparación con las que vienen del continente asiático, razón por la cual las micros y pequeñas empresas de este lugar conocido por su ardua labor textil no están satisfechas con que el estado autorice que China nos exporte sus prendas fabricadas, ya que consideran que sus ventas se ven afectadas (Gamarra),, generando desventajas en sus negocios. Lo cual también concuerda con Valverde (2018), quien efectuó un estudio del impacto en el
5 trabajo en la industria textil, explicando el TLC acordado con China, donde las industrias textiles de todos los tamaños inclusive Gamarra ha sido afectada específicamente por la IPM o índice de precios de las importaciones. Situación que como señala Arriesta (2018), se pueden mejorar, si el estado genera normas internas que impliquen que se reviertan las consecuencias negativas que permitan aprovechar estos tratados de tipo comercial entre 2 países.
Además, expone en un estudio Ulloa (2011), sobre la importancia de mejorar la calidad de telas mediante las mejoras de procesos, de esta manera se garantiza que las producciones de telas nacionales son de calidad, y pueden las empresas fabricantes sean competentes ya que pueden mejorar también así los costos de producción, haciendo que dicha materia sea más económica que la importadas.
No obstante, en otros rubros, gracias a la integración de la economía peruana en el mercado mundial, se ha visto favorecido, como explica Gutiérrez (2010), la apertura al comercio global ha permitido eliminar las restricciones y prohibiciones de las exportaciones y la imposición de medidas selectivas a algunos sectores de la economía.
Asimismo, ha hecho posible la reducción de aranceles, suprimir el tipo de cambio múltiple a razón de ello se determinó un tipo de cambio liberado. Lo que ha favorecido en el incremento de la economía del Perú, las exportaciones, importaciones y por ende la balanza comercial.
De acuerdo con lo anterior, se considera necesario conocer ¿Cuál ha sido el efecto del Tratado de libre comercio con China en el crecimiento económico del sector textil peruano en el período 2015 – 2019?, ¿Cuál es el efecto de la actividad de exportación en relación al TLC de nuestro país con China en el crecimiento económico del rubro textil del Perú: 2015 - 2019? ¿Cuál es el efecto del nivel importaciones con china en términos del TLC con China en el crecimiento económico del sector textil peruano: 2015 - 2019? ¿Cuál es el efecto de la alteración en la balanza comercial sobre el TLC con China en el crecimiento económico del sector textil peruano: 2015 - 2019?
Ya que, a pesar de ser un tema bastante impactante especialmente para los empresarios peruanos dedicados al rubro textil, no se cuenta con un estudio donde se priorice las variables importaciones, exportaciones y balanza comercial como predictoras o explicativas del crecimiento mercantil del sector textil. El presente estudio busca, por lo tanto, conocer cómo es dimensionalizar el impacto económico del TLC con China, en el sector textil peruano, específicamente a lo que se refiere a la actividad de exportación, el nivel de importaciones y el saldo de la balanza comercial; lo cual
6 constituye una base sólida para el estudio y análisis del mencionado acuerdo bilateral en el sector textil, permitiendo contrastar nuestros resultados, con la de las demás investigaciones efectuadas en periodos anteriores (trabajos previos),, y para ello se apoyara en una metodología de estadística descriptiva e inferencial conocida como regresión lineal múltiple, la cual según explica Cea (2012), permite sustentar numéricamente los acuerdos comerciales entre países, generando una ecuación econométrica que permite describir y analizar el TLC y su relevancia en este rubro manufacturero.
MÉTODO
Tipo y diseño de investigación.
El presente estudio cuenta con todos los requisitos del ámbito metodológico de una investigación basada en lo descriptivo y cuya finalidad fue describir el impacto económico del TLC con China en el sector textil peruano. En este sentido señala Arias (2006), que este tipo de investigación lo que busca es caracterizar un hecho, y para ello determina la estructura o patrón de comportamiento. Dentro de lo que se refiere a los niveles de profundidad investigativos, se encuentra en el nivel medio.
Estos estudios compatibles con lo descriptivo apuntalan a detallar las cualidades y atributos más significativos de cualquier tipo de fenómeno que se pueda analizar. Es importante recalcar que se puede describir las tendencias de un grupo o universo (Hernández, Fernández, y Baptista, 2014). Agrega Sánchez (1998), que esta tipología, no tiene un absoluto mecanismo de control sobre las inconstantes estudiadas por lo que su validez de tipo interno viene a ser indiscutible. En consecuencia, este estudio realizó la descripción de los datos procedentes de la técnica de revisión de los documentos estadísticos, que permitieron detallar la conducta del impacto del TLC y su impacto con el crecimiento económico.
La presente corresponde a un diseño No experimental, que, según Hernández, et al. (2014), son: “Estudios que se realizan sin la manipulación deliberada de variables y en los que solo se observan los fenómenos en su ambiente natural para después analizarlos” (p.152). En tal sentido, aquí no existen equipos de control, tampoco experimentación, tan solo se estudia el contexto después de que ocurra, es decir no existe influencia en las consecuencias ya que ya sucedieron (Carrasco, 2006).
7 Dentro de lo que corresponde al diseño de tipo no experimental, este estudio comprende uno de tipología longitudinal, ya que como señala Bernal (2010), se obtiene en base a datos del mismo universo a través de una línea de tiempo en un periodo especifico, con la intención de inspeccionar su variabilidad en dicho periodo, y con la intención de realizar inferencias a través de la regresión lineal múltiple del impacto económico del TLC con China en el sector textil entre los años 2015 a 2019. Por tanto, corresponde a la taxonomía de longitudes de tendencias (Hernández, et al., 2014).
Participantes.
Define Arias (2006), que la población o universo, es “…un conjunto definido o indefinido de items…que se encuentran delimitados por la realidad problemática y también por los objetivos del trabajo de estudio” (p.81). Para el presente estudio el concepto indicado en el subtítulo tiene que ver con la cantidad de datos que se tiene para disponer de la información, considerando que el Centro Textil de Gamarra existe desde 1972, la data a disponer existe desde 1973 hasta 2019, con lo cual seria 47 años de datos disponibles.
Para Hernández, et al (2014), la muestra es la parte del grupo que comprende la población de estudio, del cual se recopila toda la información necesaria. Para determinar el tamaño de la muestra se usó la fórmula estadística para variables cuantitativas de una población definida:
𝑛 = 𝑁𝜎2𝑍2 (𝑁 − 1)𝐸2+ 𝜎2𝑍2
Donde:
n = Tamaño de la muestra.
N = Tamaño de la Población (47 años con información),
Z = Parámetro estadístico que depende el Nivel de Confianza (1,96).
E = Error de estimación máximo aceptado (5%).
σ = Desviación estándar (809),
𝑛 = (47), (809),2(1,96),2
(47 − 1), (5),2+ (809)2(1,96),2 = 46,97 ≈ 47
8 En tal sentido, la cantidad de la muestra de donde se conseguirá la información, estará constituida por 47 años.
En cuanto al muestreo, se consideró de acuerdo con las características de la población, un procedimiento llamado muestreo no probabilístico- aleatorio, que lo define Arias (2006), como un procedimiento de selección que da igual oportunidad a cualquier integrante de la muestra de ser elegido.
Instrumentos.
Arias (2006), establece que los instrumentos vienen a ser aquellos mecanismos que permiten el abastecimiento y la custodia de aquellos datos que han sido extraídos y/o representativos de un universo. Cabe precisar que para este estudio la técnica elegida es la denominada sistematización bibliográfica, que también se le conoce como revisión o análisis documental, considerando que se basará en el análisis absoluto de todos los datos estadísticos de los últimos 47 años, para poder determinar el impacto económico del TLC China-Perú en el sector textil y cuyo instrumento se apoyó en la creación de una ficha de recolección de datos bibliográficos, para poder así extraer la información de los libros, las tesis, las revistas, los informes, que permitieron generar un cuadro de tipo estadístico que considerando las exportaciones, importaciones y el saldo de la balanza comercial, que luego fueron utilizados para realizar la regresión lineal de tipo múltiple, y así evaluar los resultados con los indicadores necesarios.
Procedimiento.
Para realizar esta investigación y poder cumplir con los objetivos que se han planteado, se tomó en consideración a las siguientes fases que permitirá llevar a cabo la revisión de tipo documental que se basa en datos y estadígrafos sobre la exportación, importación, saldo de la balanza comercial y crecimiento mercantil entre el periodo 1973- 2019:
Primero, se desarrolló la ficha de trabajo basada en la bibliografía.
Segundo, se procedió a identificar y recoger toda la información necesaria de tipo documental y estadística del conjunto de variables en una manera sistematizada para los años 1973-2019. Las variables que no dependen de nadie son: exportaciones,
9 importaciones, saldo de la balanza comercial, sobre la TLC con China, y el crecimiento económico como variable que depende, las cuales serán extraídas de las fuentes a disposición a nivel nacional e internacional (libros, tesis, revistas, instituciones públicas y privadas) (Tabla 1).
Tercero, se organizó y analizó la información en un cuadro de tipo estadístico, con el objetivo de identificar la valoración de cada uno de los indicadores, para realizar así el análisis estadístico de la conducta de las variables.
Tabla 1.
Base de datos de variables de investigación
Period o
Variable dependiente (explicada o regresionada),
Variable independiente (explicativa o regresoras),
Crecimient o Mercantil (Y),*
Exportacione s (X1),**
Importacione s (X2),**
Balanz a comercial -
(X3),**
1973 235 9 324 79
1974 247 9 692 -395
1975 259 11 811 -1092
1976 271 10 583 -672
1977 283 10 550 -418
1978 295 12 625 370
1979 307 14 807 1765
1980 319 14 1030 861
1981 331 15 1283 -474
1982 343 17 1185 -377
1983 355 19 856 314
1984 367 21 864 1027
1985 379 22 755 1199
1986 391 27 1104 -77
1987 403 34 1186 -502
1988 415 37 1243 -145
1989 428 69 802 1217
1990 424 80 945 358
1991 441 84 1067 -202
1992 459 108 1278 -423
1993 478 162 1404 -776
1994 497 193 1781 -1075
1995 517 207 2470 -2241
1996 538 259 2308 -1987
1997 559 331 2416 -1711
1998 582 337 2573 -2462
1999 605 414 2154 -623
2000 623 506 2315 -403
2001 665 507 2414 -179
2002 684 532 2516 321
2003 737 655 2686 886
2004 823 887 3261 3004
2005 841 1063 3890 5286
2006 952 1209 4738 8986
2007 1.080 1411 6209 8503
2008 1.107 1652 6458 2569
2009 1.262 1174 6374 6060
2010 1.375 1202 9093 6988
2011 2.074 1543 11488 9224
2012 2.674 1641 12096 6393
2013 2.612 1417 11830 504
2014 2.617 1218 11704 -1509
2015 2.739 928 11003 -2916
2016 2.286 872 10108 1953
2017 2.559 903 11044 6700
2018 2.557 991 12463 7197
2019 1.780 1006 12004 6614
10 Fuente: Elaboración propia (*), Adaptado de INEI citado en diferentes artículos de periódico nacionales, y con estimaciones para los primeros años, considerado el comportamiento económico peruano PBI (1973-2019),, y convertido de soles a dólares según histórico macroeconómico de tipo de cambio del Banco Central de Reserva del Perú (2020); (**), Banco Central de Reserva del Perú (BCRP).
Análisis de datos.
Para lo que tiene que ver con el análisis de tipo estadístico, se procedió a formular un patrón basado en regresión lineal múltiple, que implicó medir el grado de impacto que existe entre la variable independiente respecto a la dependiente. Tal como señala Montero (2016), para establecer una correlación entre una variable independiente y una dependiente se puede usar la regresión múltiple, ya que así se ajustan los modelos lineales o linealizables. Pues como lo señala Rodríguez y Mora (2001), este nos permitirá constituir el nivel de asociación entre la variable dependiente (y), es decir Crecimiento Económico y un conjunto de variables independientes (Exportación, Importación, Saldo de la Balanza Comercial), de la TLC Perú-China.
Amparados en Wooldrige (2010), el estudio que tiene que ver con la regresión lineal múltiple nos permitió conseguir de modo muy efectivo todos aquellos elementos que permanecen en forma constante, durante el tiempo que dura el efecto de una determinada variable que tiene dependencia, sobre la que sí la tiene, y ocasionando que las variables que no tienen dependencia estén relacionadas. Este patrón general que considera a la regresión en su tipología linealizada y en base a la multiplicidad poblacional se puede expresar en función de la fórmula siguiente:
Donde:
“y” viene a ser aquella variable que tiene dependencia y también es llamada explicada, o de respuesta, o predicha o más conocida como regresando.
“x1, x2,…, x3” vienen a ser las variables que no cuentan con autonomía, también llamadas explicativas, o de control, o predictoras o más conocidas como regresoras.
“β0” en este caso corresponde al intercepto.
“β1” viene a ser el parámetro que se asocia con x1 y así sucesivamente.
“μ” corresponde al llamado error o perturbación.
11 Es por eso, que se usa una metodología basada en la mínima cantidad de cuadrados de tipo común, en donde cada una de las estimaciones de la pendiente evalúa la efectividad de tipo parcial de la variable que goza de autonomía y que corresponde a (x), sobre la variable que si tiene dependencia (y), y que permite que se mantengan constantes el total de las demás variables autónomas (Wooldrige, 2010).
Señala Wooldrige (2010), que el modelo precisa satisfacer las subsiguientes suposiciones teóricas de Gauss-Markov: que se mantengan lineales los parámetros, un muestreo de tipo aleatorio, no hay colinealidad en forma perfecta, la media es condicional a cero, homocedasticidad y nivel de normalidad. Este cálculo fue efectuado utilizando las bondades del programa Microsoft Excel y SPSS. Una vez obtenidos los resultados, se procedió a analizar y a redactar la parte correspondiente a la discusión.
RESULTADOS
Presentación de resultados
En este apartado, se expondrán los resultados obtenidos de la regresión, para estimar la relación cuantitativa entre variables, considerando el siguiente procedimiento:
Determinar las estadísticas descriptivas, de las variables intervinientes.
Detallar el modelo de regresión (también llamado ecuación de regresión).
Obtener datos acerca de las variables especificadas en el modelo, hallar los 𝛽̂𝑖
Estimar el impacto cuantitativo que cada una de las variables independientes tiene en la variable dependiente.
Probar la significancia estadística de los resultados de regresión a través de la prueba o contrastes de hipótesis.
Determinar las estadísticas descriptivas, de las variables intervinientes.
Luego de recolectar los datos de las estadísticas del periodo 1973-2019, sobre las variable dependiente Crecimiento Económico (y), cuyos datos fueron extraídos del INEI citado en diversos periódicos e informes, basados en la facturación anual del Emporio Comercial Gamarra en millones de soles, y cuyos datos de los primeros años fueron
12 estimaciones considerando datos posteriores y el Comportamiento de la Economía Peruana 1950-2015, realizado por el (INEI, 2015); luego se realizó la conversión de soles a dólares, considerando las expectativas macroeconómicas de tipo de cambio del Banco Central de Reserva del Perú(2020), desde el año 1973 a 2010. Y las variables independientes Exportación (x1); Importación (x2); y Balanza Comercial (x3), donde sus valores fueron extraídos de las estadísticas Banco Central de Reserva del Perúsobre textiles (prendas de vestir y otras confecciones), donde x1 son las Exportaciones de productos no tradicionales -valores FOB (millones US$); x2 son las Importaciones según uso o destino económico valores FOB (millones US$); y x3 es la Balanza comercial - valores FOB (millones US$); se procedió a través de la hoja de cálculo de Microsoft Excel un análisis de estadísticas descriptivas, lo cual arrojo:
13 Tabla 2.
Estadística descriptiva
Exportaciones de productos no tradicionales - valores FOB (millones
US$), - Textiles - Prendas de Vestir y otras Confecciones (X1),
Importaciones según uso o destino económico - valores FOB (millones US$), - Insumos - Materias
Primas para la Industria (X2),
Balanza comercial - valores FOB (millones US$), (X3),
Crecimiento Económico (millones US$),
Media 507,2765957 Media 3974,255319 Media 1440,829787 Media 910,106383
Error típico 79,46487714 Error típico 602,663617 Error típico 479,9685623 Error típico 117,2854004
Mediana 259 Mediana 2308 Mediana 314 Mediana 538
Moda 9 Moda #N/A Moda #N/A Moda #N/A
Desviación estándar 544,7837506 Desviación estándar 4131,653598 Desviación estándar 3290,498682 Desviación estándar 804,0681951 Varianza de la muestra 296789,3349 Varianza de la muestra 17070561,46 Varianza de la muestra 10827381,58 Varianza de la muestra 646525,6623
Curtosis -0,901828605 Curtosis -0,367684418 Curtosis 0,081661958 Curtosis 0,401707673
Coeficiente de asimetría 0,735709625 Coeficiente de asimetría 1,122204504 Coeficiente de asimetría 1,121148035 Coeficiente de asimetría 1,367714302
Rango 1643 Rango 12139 Rango 12140 Rango 2504
Mínimo 9 Mínimo 324 Mínimo -2916 Mínimo 235
Máximo 1652 Máximo 12463 Máximo 9224 Máximo 2739
Suma 23842 Suma 186790 Suma 67719 Suma 42775
Cuenta 47 Cuenta 47 Cuenta 47 Cuenta 47
Fuente: Elaboración propia.
14 La Tabla 2, muestra estadísticos descriptivos de tendencia central (media, mediana y la moda),; de dispersión (desviación estándar, varianza de la muestra y rango); y estadísticos de forma (curtosis y coeficiente de asimetría); de allí, podemos decir que el promedio anual de exportaciones en el periodo estudiado es de 507 millones de dólares;
las importaciones en promedio para este periodo es de 3.974 millones de dólares, es decir es mayor la importación que las exportaciones; y el promedio de la balanza comercial ha sido para este periodo de aproximadamente 1.440 millones de dólares. Y en cuanto al promedio del Crecimiento Económico se tiene que es para este periodo 1973-2019 de 910 millones de dólares. Las exportaciones mínimas han sido de 9 millones de dólares valor FOB, y máximas 1.652 millones de dólares valor FOB, en estos 47 años en estudio; por su parte las importaciones mínimas para este periodo son de 324 millones de dólares valor FOB, y máximo 12.463 millones de dólares valor FOB, para este periodo. Así mismo también en la balanza comercial se tiene el registro mínimo de un valor de -2.916 millones de dólares Valor FOB lo que representa un déficit comercial, y la balanza comercial es desfavorable, y un máximo de 9.224 millones de dólares Valor FOB en el periodo estudiado.
En cuanto a la variable dependiente, su valor mínimo fue de 235 millones de dólares, y el máximo 2.739 millones de dólares en facturación anual. En cuanto a la forma considerando el coeficiente de curtosis, tenemos que la distribución de los datos si se compara con una típica distribución normal, podemos identificar que existe en las variables X1, X2, X3, y, una concentración baja, es decir todas son Platicúrtica. Y observado que en todas las variables X1, X2, X3, Y la media es mayor que la mediana, nos indica que son simétricas. Y considerando el coeficiente de asimetría podemos identificar si los datos se distribuyen de forma uniforme alrededor del punto central (Media aritmética), por tanto, se tiene que las variables X1, X2, X3, Y tienen una curva de asimetría negativa.
Por su parte, también se procedió a elaborar los gráficos de dispersión para cada variable independiente con respecto a la variable dependiente (Figura 1, 2, 3).
Fuente: Elaboración propia.
Figura 1. Diagrama de dispersión de la variable X1 respecto a Y
15 Fuente: Elaboración propia.
Fuente: Elaboración propia.
Donde se observa que, con la ayuda de una línea de tendencia, que los datos de X1, X2, X3 tienen una correlación positiva respecto a Y.
Asimismo, el gráfico de superficie considerando todos los datos de la variable dependiente e independiente (Figura 4).
Fuente: Elaboración propia.
Figura 2. Diagrama de dispersión de la variable X2 respecto a Y
Figura 3. Diagrama de dispersión de la variable X3 respecto a Y
Figura 4. Superficie X1, X2, X3 y
16 En la figura 4, se observa el comportamiento de los datos de las variables independientes X1, X2, X3 respecto a la variable dependiente Y. Es decir, muestra el comportamiento por año de las exportaciones, importaciones, balanza comercial, respecto al Crecimiento Económico Y, en todos los años del periodo estudiado.
Modelo de regresión lineal multivariable
Con este análisis inicial, se procedió a realizar la regresión lineal múltiple, siendo esta una de las herramientas estadísticas del modelo econométrico y cuyos resultados como señala Keat y Young (2004), son muy útiles como material de apoyo en lo que respecta a la elaboración de políticas, toma de decisiones de negocios o como simple explicación lógica entre variables. Esto parte de una razón, que señala Allard (1980), en la economía la mayoría de relaciones de causalidad incluyen más de una variable explicativa que son consideradas de relativa importancia, y que por lo general son datos razonables que están disponibles, y que se contempla mediante la fórmula general de regresión múltiple.
Donde:
y: viene a ser aquella variable que tiene dependencia y también es llamada explicada, o de respuesta, o predicha o más conocida como regresando.
x1, x2,…, x3: vienen a ser las variables que no cuentan con autonomía, también llamadas explicativas, o de control, o predictoras o más conocidas como regresoras.
β0: corresponde al intercepto.
β1: Parámetro que se asocia con x1 y así sucesivamente.
μ: corresponde al llamado error o perturbación, que parte de la respuesta ni explicada por las variables explicativas anteriores.
Se llama regresión múltiple porque la variable endógena está siendo explicada por dos o más variables exógenas al modelo, como se muestra en la ecuación anterior de regresión múltiple lineal general.
17 En el análisis de regresión la forma más común de estimar la relación se llama método de los mínimos cuadrados ordinarios (MCO), (Keat & Young, 2004).
Bondad de ajuste
Coeficiente de correlación múltiple, esta medida nos expresa la correlación entre los valores de la variable (y), y las mejores predicciones que se pueden calcular de forma lineal a partir de las variables predictoras X1,X2, X3.
Coeficiente de determinación R2, siendo esta una medida del poder de ajuste/ relación entre variables independientes con la dependiente (bondad de ajuste del modelo). Para el caso de las regresiones lineales múltiples, se puede decir que dicho coeficiente mide la proporción de la variación de la variable endógena (y), respecto a las variables exógenas (x1, x2, x3), (Keat & Young, 2004). A través de la siguiente expresión:
Donde:
Coeficiente de determinación corregido (ajustado),, también es una medida de ajuste, pero que tiene como peculiaridad de que aumenta o se mantiene constante al admitir nuevas variables explicativas al modelo aun cuando alguna de ellas no contribuyan a explicar la variable dependiente, el cual según Alonso, Fernández, y Gallastegui (2005), se calcula a través de la siguiente formula:
18 𝑅̅2= 1 − (1 − 𝑅𝑅),(𝑛 − 1),
𝑛 − 𝑘
Ambos se obtuvieron utilizando Microsoft Excel, a continuación, los resultados:
Tabla 3
Estadística de la regresión X1, X2, X3 de TLC con China- Y Crecimiento Mercantil
Fuente: Elaboración propia.
Se aprecia en los resultados de la Tabla 3, que el coeficiente de correlación múltiple es .980, es decir, la correlación entre el conjunto de variables predictoras (x1, x2 y x3), y la explicada (y), por lo que el 98% de la variabilidad de y se explica por las variables predictoras contempladas en el modelo, ya que su coeficiente varía entre 0 y 1, y a medida que más se acerca a 1, indica que las predicciones son exactamente correctas.
Se observa en la tabla 3, que el coeficiente de determinación R2 de la regresión múltiple, fue de 0,960, se acerca al extremo 1, lo cual indica un muy buen ajuste de ese modelo al comportamiento real de los puntos. Interpretado estadísticamente, un 96% de la variación de y respecto a su media puede explicarse por la ecuación de la regresión.
Y el R2 ajustado, fue de 0,958, lo cual indica que el 96% de la variación de la variable Crecimiento Mercantil se explica por las variables independientes consideradas, lo que se busca es que este coeficiente sea lo más cercano al 100%.
No obstante, también se consideró estudiar la bondad de ajuste de un modelo considerando las variables independientes por separado, a continuación, en la siguiente tabla se resumen los resultados:
Tabla 4.
Estadísticas de regresión de cada modelo con variables separadas, y luego el modelo con todas las variables
Fuente: Elaboración propia.
19 En la anterior tabla observamos como la variable x1 el R2 ajustado, es del 62%. Al agregar la segunda variable x2, se observa que el R2 ajustado mejoró, lo que indica que la segunda variable mejoró el modelo al 95%. Y agregando, la tercera variable x3, el R2 aumenta, lo que quiere decir que mejoro el modelo, al 96%. Por tanto, según la bondad de ajuste del modelo de regresión lineal con estos datos es bastante alto al contener las tres variables independientes seleccionadas, ya que este explica la variación de la variable dependiente.
20 Tabla 5.
Modelo de Regresión Múltiple
Coefici entes
Error típico
Estadí stico t
Proba bilidad
Inferio r 95%
Superi or 95%
Inferior 95,0%
Superio r 95,0%
Interc epción
148,94 42512
34,43 85216
4,3249 3163
8,9037 E-05
79,492 35333
218,39 6149
79,492 3533
218,396 149 Varia
ble X 1
- 0,050902418
0,096 09333
- 0,52971853
0,5990 31685
- 0,244693088
0,1428 8825
- 0,24469309
0,14288 825 Varia
ble X 2
0,2093 14724
0,011 21635
18,661 564
3,0795 5E-22
0,1866 94789
0,2319 3466
0,1866 9479
0,23193 466 Varia
ble X 3
- 0,031153172
0,010 12988
- 3,07537303
0,0036 47012
- 0,051582029
- 0,01072431
- 0,05158203
- 0,01072431
Fuente: Elaboración propia.
El modelo de regresión lineal múltiple, resultante es el siguiente:
y = 148,9442 − 0,0509𝑥1+ 0,2093𝑥2− 0,0311𝑥3
21 Análisis de la Varianza
Este fue realizado utilizando la herramienta de Excel, el cual arrojo en su análisis de varianza, lo correspondiente al índice F, entre otras informaciones para el modelo de regresión múltiple.
La tabla de resultados obtenida fue la siguiente:
Tabla 6.
Análisis de Varianza X1, X2, X3 de TLC con China- Y Crecimiento Económico
ANÁLISIS DE VARIANZA
Grados de libertad
Suma de cuadrados
Promedio de
los cuadrados F Valor
crítico de F Regresión 3 28578118,5 9526039,48 352,4938359 2,77596E-30
Residuos 43 1162062,02 27024,6981
Total 46 29740180,5
Fuente: Elaboración propia.
Validación del Modelo Prueba de hipótesis
Para Larios, Álvarez, y Quineche (2017), este es un procedimiento comprendido por una serie de reglas que buscan calificar (aceptar o rechazar), las hipótesis planteadas en el trabajo respecto a la población observada, donde H0 corresponde con la hipótesis planteada (hipótesis nula), y H1 corresponde a la hipótesis alternativa. Para efectos de este trabajo, se optó por el método de la prueba de significancia para hipótesis simples, la cual, según Larios, et al. (2017), consiste en un procedimiento que usa los resultados de la muestra para verificar si la hipótesis nula es verdadera o falsa. Por medio de un estadístico de prueba y su distribución muestral en relación a la hipótesis H0. Donde la regla de decisión es la siguiente, llamado prueba de significancia bilateral (dos colas):
Donde:
22 Prueba de significancia de los coeficientes de regresión, también llamada la prueba t, este procedimiento nos permite juzgar sobre la hipótesis nula, se calcula la t de distribución normal, a través de la siguiente formula:
Calculo estadístico de prueba de la forma:
23 Regla de decisión (prueba de hipótesis):
Si resulta menos se acepta la hipótesis alternativa. De esta manera determinamos, que tan significativo es un parámetro, dependiendo de un determinado porcentaje de certeza (el cual se usó 95%). Si dicha prueba permite rechazar H0, se concluye que los parámetros son significativos al nivel de beta significancia, es decir el hallazgo determinado es estadísticamente significativo.
DISCUSIÓN
Para determinar el impacto económico de TLC Perú-China en el sector textil peruano, se consideraron las variables independientes: exportación, importación y balanza comercial para ver cómo era su impacto (positivo o negativo), respecto al crecimiento económico del sector textil peruano, considerando como unidad de análisis el Emporio Comercial de Gamarra, y de esta manera determinar cuál de las variables tenían mayor impacto respecto a la variable dependiente. Para ello se discurrió un modelo de regresión lineal multivariable, a partir de los datos obtenido considerando el periodo 1973-2019 Se utilizó el modelo de regresión lineal multivariable, a partir de los datos del periodo 1973-2019, siendo calculados
24 estadísticamente con el software Microsoft Excel y SPSS, apoyándonos en la estadística para explicar la economía, como lo sugiere Delgado y Caldentey (1993), ya que con el análisis estadístico se determina las ecuaciones de regresión válidas para apoyar el análisis económico dentro de una congruencia que amerita este tipo de estudios.
Los resultados, demuestran lo que Berghe (2015), señala que los acuerdos bilaterales, logran aumentar la actividad comercial, y es notorio ya que en el periodo estudiado, se observó que a partir de que entro en vigencia dicho acuerdo las exportaciones e importaciones de este sector aumentaron, mejorando las relaciones de tipo comercial como financiero, pero como señala Olavarría (2005), hay que considerar que este crecimiento de oportunidades que impactan positivamente tiene que ir de la mano con una serie de capacidades de índole político, económico social y normativo. No obstante también, al analizar el modelo econométrico, los resultados obtenidos guardan relación con Velásquez y Alvarado (2016), donde los acuerdos de cooperación económica permiten generar una brecha significativa para la existencia del comercio internacional, pero que dichos acuerdos generan impactos no solo positivos sino que en ciertos sectores de la economía, son negativos como es el caso de la industria textil, quien se ve afectado ya que las mercadería que ingresa como en el caso del país asiático, tienen precios bajos, por ende los consumidores se ladean a favor de la ropa importada, afectando la producción nacional. Esto también lo enfatiza, Urquijo (2014), que, si bien la TLC goza de gran auge por la apertura comercial, las ventajas se ven exclusivas a sectores bien definidos.
En cuanto a la variable independiente exportación, los resultados guardan relación con lo que señala Böttger (2016), la exportación tiene alto impacto sobre el crecimiento mercantil de un país, sobre todo cuando son productos de primera necesidad, y esto valores los explica un análisis de relación lineal donde se consideró, exportación con producción nacional y el volumen de este.
El modelo de regresión múltiple, también fue significativo y ajustable en estudios como el de Morones (2014); Cea (2012); Gonzáles (2006),; Valverde (2018); De La Torre y Santa Cruz (2018), ya que a través de esta herramienta econométrica, pudieron establecer impactos, influencias de diversas variables respecto a los Tratados de Libre Comercio, donde en sus estudios las variables consideradas respectivamente han influido en el comercio exterior, en el crecimiento económico, pero también han señalado que tiene impactos por ejemplo en el sector agroindustrial, etc.
25 REFERENCIA
Allard, R. (1980). Introducción a la Econometría. México: Limusa.
Alonso, A., Fernández, J., y Gallastegui, I. (2005),. Econometría. Madrid: Pearson–Prentice Hall.
Arias, F.(2006). El Proyecto de Investigación. Introducción a la Metodología Científica (5a.
ed.),. Caracas: Episteme.
Arriesta, G. (2018). Análisis Gravitacional de la Creación y Desviación Comercial en el marco del Tratado de Libre Comercio entre Perú-Estados Unidos. (Tesis de grado),.
Pontificia Universidad Católica del Perú, Lima, Perú. Obtenido de http://tesis.pucp.edu.pe/repositorio/handle/20.500.12404/13150
Bernal, C. (2010). Metodología de la investigación (3a. ed.),. Colombia: Pearson Educación.
Cabrera, M., y Rodríguez, M. (2016). El Tratado de libre comercio entre Perú y China y su incidencia en la variación de las importaciones y exportaciones en el sector textil peruano: análisis antes y después de la firma del TLC, 2008 - 2014. (Tesis de grado),. Universidad Privada Antonio Guillermo Urrelo. Obtenido de http://repositorio.upagu.edu.pe/bitstream/handle/UPAGU/88/TESIS%20N%c2%b0
%2003.pdf?sequence=1yisAllowed=y
Carrasco, S. (2006),. Metodología de la investigación científica. Lima, Perú: San Marcos.
Cea, G. (2012). Impacto de la suscripción de TLC en la exportación de productos manufacturados de Chile. (Tesis de Mestría),. Universidad de Chile, Santiago de Chile, Chile. Obtenido de http://repositorio.uchile.cl/handle/2250/110980
Delgado, M., y Caldentey, P. (1993). Segmentación del mercado de consumidores de vino de Córdoba. Investigación Agraria, 8(2),, 209-221.
Durán, L., y Pellandra, A. (2017). La Irrupción de China y su Impacto sobre la Estructura Productiva y Comercial en América Latina y el Caribe. CEPAL. Obtenido de https://repositorio.cepal.org/bitstream/handle/11362/41021/1/S1700028_es.pdf
26 Gonzáles, A. (2006). Estudio del impacto del tratado de libre comercio entre Ecuador y los Estados Unidos de América en el flujo comercial entre Ecuador y Perú. (Tesis de Maestría),. Universidad Andina Simón Bolívar, Ecuador. Obtenido de http://repositorio.uasb.edu.ec/handle/10644/2621
Gutiérrez, P. (2010). Reforma Comercial: El Tratado de Libre Comercio Perú - EE.UU. y Repercusiones en el Sector Textil - Confecciones. (Tesis de Maestría),. Universidad
San Martin de Porres, Lima, Perú. Obtenido de
http://200.37.171.68/handle/usmp/355
Hernández, R., Fernández, C., y Baptista, M. (2014). Metodología de la Investigación (6a.
ed.),. México: Mc Graw-Hill.
Instituto Nacional de Estadística e Informática de Perú - INEI. (2017). Características de las Empresas del Emporio Comercial de Gamarra 2017. Lima, Perú: INEI. Obtenido de https://www.inei.gob.pe/media/MenuRecursivo/publicaciones_digitales/Est/Lib1463 /libro.pdf
Keat, P., y Young, P. (2004). Economía de Empresas (4a. ed.). México: Pearson Educación.
Larios, F., Álvarez, J., y Quineche, R. (2017). Fundamentos de Econometría: Teoría y Problemas. Lima: Ediciones de la U.
Mincetur. (2010). Guía Práctica para China. Lima, Perú: Mincetur. Obtenido de https://www.mincetur.gob.pe/wp-
content/uploads/documentos/comercio_exterior/guias_cartillas_exportacion/guia- exportacion/pdfs/08_CHINA.pdf
Montero, R. (2016). Modelos de regresión lineal múltiple. Documentos de Trabajo en Economía Aplicada.
Moreno, K., y Rivera, G. (2018). Impacto de las importaciones de prendas de vestir de china en las mypes del emporio comercial de Gamarra. (Tesis de grado),. Universidad San
Ignacio de Loyola, Lima, Perú. Obtenido de
http://repositorio.usil.edu.pe/bitstream/USIL/3739/1/2018_Moreno- Mart%C3%ADnez.pdf
27 Morones, C. (2014). El Impacto de las Importaciones de Calzado de China en el nivel de Empleo de la Industria en México. Colef - Tijuana, B.C., México. (Tesis de Mestría),.
El Colegio de la Frontera Norte, Tijuana, México. Obtenido de https://www.colef.mx/posgrado/wp-content/uploads/2014/11/TESIS-Morones- Carrillo-Ana-Lourdes1.pdf
Olavarría, M. (2005). Pobreza, crecimiento económico y políticas sociales. Santiago de Chile: Universitaria.
Perú, B. (2020). BCRPData. Gerencia Central de Estudios Económicos. Obtenido de https://estadisticas.bcrp.gob.pe/estadisticas/series/index
Rodríguez, M., y Mora, R. (2001). Análisis de regresión múltiple. En M. Rodríguez, y R.
Mora, Estadística informática : casos y ejemplos con el SPSS (págs. 109-123),.
España: Universidad de Alicante.
Sánchez, H. (1998). Metodología y Diseño en la Investigación Científica. Lima, Perú:
Mantaro.
Sistema de Información sobre Comercio Exterior-SICE. (28 de Abril de 2009). Tratado de Libre Comercio entre el gobierno de la República del Perú y el gobierno de la República Popular de China. Beijing, China. Obtenido de http://www.sice.oas.org/Trade/PER_CHN/PER_CHN_s/FullText_27042009_s.pdf Sociedad Nacional de Industrias - SNI. (2012). La industria textil se reinventa. Obtenido de
http://www2.sni.org.pe/servicios/publicaciones/download/Industria_Peruana_872.p df
Tafur, L. (2015),. La competencia desleal-dumping y las importaciones de confecciones textiles chinas. (Tesis Doctoral),. Universidad San Martin de Porres, Lima, Perú.
Obtenido de
http://www.repositorioacademico.usmp.edu.pe/bitstream/handle/usmp/1841/tafur_l a.pdf
Torres, R. (1996). Teoría del Comercio Internacional. Buenos Aires: Siglo XXI.
28 Torres, V. (2010). El TLC Perú-China: ¿Oportunidad o Amenaza? Posibles implicancias para el Perú. Lima, Perú: Red Peruana por una Globalización con Equidad - RedGE.
Obtenido de https://www.redge.org.pe/sites/default/files/GE5_TLC_con_China.pdf Ulloa, C. (2011). Diseño y comparación de métodos para la detección automática de
defectos en telas. (Tesis de grado),. Pontificia Universidad Católica del Perú, Lima, Perú. Obtenido de http://tesis.pucp.edu.pe/repositorio/handle/20.500.12404/272
Urquijo, A. (2014). Análisis de la Implementación del Tratado de Libre Comercio entre los Estados Unidos y Colombia. (Tesis de Maestría),. Universidad Militar Nueva
Granada, Colombia. Obtenido de
https://repository.unimilitar.edu.co/bitstream/handle/10654/12981/TESIS%20Final.
pdf?sequence=1
Valverde, V. (2018). El Impacto del Tratado de Libre Comercio (TLC), Perú - China sobre el empleo en el sector textil Peruano 2017. (Tesis de Maestría),. Universidad Cesar Vallejo, Lima, Perú. Obtenido de http://repositorio.ucv.edu.pe/handle/UCV/24117 Velásquez, O., y Alvarado, E. (2016). El Tratado de Libre Comercio (TLC), de Perú con
Estados Unidos y su Impacto en el Sector Textil Ecuatoriano. Universidad de Guayaquil. (Tesis de Maestría),. Universidad de Guayaquil, Guayaquil, Ecuador.
Obtenido de
http://repositorio.ug.edu.ec/bitstream/redug/14370/1/TESIS%20FABIOLA%20VEL ASQUEZ%20PDF.pdf
Wooldrige, J. (2010). Introducción a la Econometría: un enfoque moderno (4 a. ed.),.
México: Cengage Learning.
