Page 1
FACULTAD DE CIENCIAS EMPRESARIALES
Carrera de International Business
IMPACTO DE LA PRODUCCIÓN DE PALTA EN LA
AGROEXPORTACIÓN PERUANA (2009-2018)
Trabajo de Investigación para optar el Grado Académico de
Bachiller en International Business
LIZ KAREN MENDOZA GARCÍA
(0000-0002-2395-2149)
Lima – Perú
2020
Page 2
II
Resumen
A lo largo de los años, dada su alta calidad y demanda, la palta peruana se ha posicionado
como uno de los principales proveedores globales. Sin embargo, debido a las fluctuaciones en el
clima, el rendimiento e, incluso, las plagas y enfermedades de los cultivos, se ha mostrado un
desequilibrio en las exportaciones de palta. En función de ello, la investigación tuvo como
finalidad dar a conocer y determinar las causalidades que influyen en las exportaciones de palta.
El objetivo de este trabajo fue analizar el impacto que causan los factores internos (la producción
de la palta en base al rendimiento) en la competitividad de la agroexportación peruana, en el
periodo 2009-2018. Por otra parte, para el estudio se utilizó el Modelo de Regresión Lineal
Múltiple, con el cual se precisaron las correlaciones entre la exportación, el rendimiento y
producción de la palta. Asimismo, se empleó el tipo de investigación no experimental para
examinar los datos secundarios recopilados de instituciones gubernamentales internaciones y
nacionales, tales como la FAO, AdexData Trade, Minagri e INEI. Se empleó el programa Eviews
para evaluar la data seleccionada e interpretar la significancia de las variables. Los resultados
confirmaron que exportación de la palta se relacionó positivamente con la producción; no
obstante, el rendimiento resultó tener una relación negativa con respecto a la exportación de
palta.
Palabras claves: Exportación, Palta, Rendimiento, Producción.
Page 3
III
Summary
Over the years, given its high quality and demand, Peruvian avocado has positioned
itself as one of the leading global suppliers. However, due to fluctuations in climate, yield and
even crop pests and diseases, there has been an imbalance in avocado exports. Given this, the
research was intended to make known and determine the causalities that influence avocado
exports. The objective of this work was to analyze the impact of internal factors (avocado
production based on yield) on the competitiveness of Peruvian agro-export in the period 2009-
2018. In addition, the study used the Multiple Linear Regression Model in which the
correlations between the export, yield and production of the avocado were required. It also
used the type of non-experimental research where secondary data collected from government
institutions such as national institutions such as FAO, AdexData Trade, MINAGRI and INEI
have been examined. The Eviews program was used to evaluation the selected data and
interpret the significance of the variables. The results confirmed that export of the avocado
was positively related to production, however the yield proved to be negatively related to
avocado export.
Keywords: export, avocado, yield, production
JEL: F15, F18, Q17,
Page 4
IV
Índice de Contenido
Resumen......................................................................................................................................... II
Summary ....................................................................................................................................... III
Introducción .................................................................................................................................... 1
Método ............................................................................................................................................ 4
Tipo de investigación y diseño de investigación ........................................................................ 4
Tipo de investigación .............................................................................................................. 4
Diseño de investigación .......................................................................................................... 4
Participantes ................................................................................................................................ 5
Instrumentos de investigación..................................................................................................... 6
Procedimiento ............................................................................................................................. 7
Análisis de datos ......................................................................................................................... 8
Resultados ..................................................................................................................................... 10
Discusión....................................................................................................................................... 16
Conclusiones ................................................................................................................................. 18
Recomendaciones...................................................................................................................... 19
Referencias.................................................................................................................................... 21
ANEXOS ...................................................................................................................................... 22
Page 5
1
Introducción
El auge de la agroexportación ha beneficiado a la economía del país durante los últimos
años. El comercio internacional se ha ido impulsando por medio de proyectos, organizaciones
que han brindado el apoyo necesario para mejorar los sectores tradicionales y no tradicionales.
Gracias a ello, las empresas peruanas que exportan productos agrícolas han implementado
ventajas que les garantiza mayor nivel competitivo (Duarte, 2012, p.81), para así colocarse en
firmas sólidas, buscando la responsabilidad social.
En la actualidad, de acuerdo con el informe realizado por Lecca (2018), los productos que
se han mantenido liderando la exportación no tradicional agropecuaria fueron los siguientes: las
uvas frescas, paltas frescas, café verde en grano, arándonos frescos, espárragos frescos, mangos
frescos, etc. Cabe resaltar que la palta fresca, conforme con los datos expuestos por la
Asociación de Exportadores ADEX (2019), la exportación de este producto resultó en 750,465
millones FOB en dólares, siendo uno de los principales influyentes en la agroexportación
peruana.
De igual importancia, la demanda de la palta ha potenciado la producción para conquistar
otros mercados que, de cierta manera, no acostumbran a consumir este producto. Los mercados
principales que consumen la palta peruana son: Estados Unidos, Países Bajos, España, etc. (Adex
Data Trade, 2019). Sin embargo, el rendimiento internacional de palta lo lideró República
Dominicana, con 462,724 kg/ha en el año 2018, mientras que Perú le sigue con 125,708 kg/ha en
el mismo año. En el caso de México, siendo el principal producto de palta, no tiene un mayor
rendimiento: en el año 2018 tuvo 105, 852 kg/ha.
Page 6
2
El periodo utilizado es entre los años 2009 y 2018. Según Parodi (2012, p. 38), en su
artículo “Crisis económica e impactos sobre el Perú”, menciona que, con el paso del tiempo, el
país logró sostener las reservas en distintos sectores, pero las exportaciones se vieron afectadas
por causantes climáticos o políticos que desequilibran un país. El presente trabajo de
investigación se enfocó en determinar cuál ha sido el impacto de la producción de la palta en la
agroexportación peruana, analizando variables que estarían beneficiando el crecimiento de la
competitividad de la exportación de las paltas peruanas.
En investigaciones anteriores se resaltó el potencial del mercado peruano en las
exportaciones, tal como el estudio realizado por Fort (2018), en el cual el autor elogia el
crecimiento de la exportación de la palta peruana a nivel mundial. La historia de éxito de Perú
fue analizada como parte de un cuatrienio proyecto de investigación sobre Empleo Productivo en
el Mercados segmentados de productos frescos (PRESM), financiados por NWO / WOTRO, para
evaluar qué lecciones tiene para Mercados de exportación de Kenia. Asimismo, Randela, (2018),
en su investigación, dedujo que el problema de las frutas subtropicales en Sudáfrica, incluido el
aguacate, sean altamente vulnerables a la variabilidad y cambio climático.
Por otro lado, en la investigación de Bulagi et al. (2016), se identificó que había un
aumento con algunas variables como la producción agrícola de las frutas y la variación de las
exportaciones. Sin embargo, González-Estudillo et al. (2017) llegan a la conclusión de que la
relación del clima y el rendimiento es directa. Con esos resultados, los autores han identificado
que existe una necesidad de planificar estrategias óptimas para la producción.
Page 7
3
Exportaciones
Según el Sistema Integral de Información de Comercio Exterior (Siicex), las
exportaciones brindan dinamismo en el comercio internacional. Asimismo, este indicador afecta
al PBI peruano, ayudando a su economía a mantener un mayor crecimiento a largo plazo. La
Superintendencia Nacional de Aduanas y de Administración Tributaria (Sunat) afirma que “es un
régimen aduanero en el cual permite la salida del territorio aduanero de las mercancías
nacionales o nacionalizadas para su uso o consumo en el exterior” (s.f., p.7).
Producción
Blanchard (2017) define como producción agregada a “la cantidad total de producción de
una economía” (p. 557). Cabe añadir que la producción per cápita es “el producto interior bruto
de un país dividido entre su población” (Blanchard, 2017, p. 557). Según Senasa (s.f.), varios de
los productores de palta tienen sus certificados en regla, dado que todos los procesos están
orientados al control, permitiendo la conducción y el manejo del rendimiento exportable. Gracias
a ello, permite que los productores peruanos sean elegibles por mercados internacionales.
Rendimiento de la palta
Los rendimientos y la productividad en la agricultura es una medida sencilla de los frutos
que producen múltiples factores naturales y humanos, combinados en determinado cultivo. Estas
nuevas regiones se han capacitado para lograr las expectativas del mercado internacional, por lo
cual:
Se recomienda que una vez que la fruta haya alcanzado su nivel de maduración fisiológica
en zonas de clima frío, se puede dejar en el árbol por más tiempo mientras que en zonas
Page 8
4
más cálidas no es recomendable porque se puede llegar a presentar un sabor amargo.
(Abello & Esmeral, 2018, p.13)
Método
La investigación tuvo como objetivo analizar el impacto que causan los factores internos
(la producción de la palta en base al rendimiento) en la competitividad de la agroexportación
peruana (2009-2018). A parte de ello, se tuvo como hipótesis nula que los factores internos (La
producción de la palta en base del rendimiento) generan un impacto en la competitividad de la
agroexportación peruana (2009-2018).
Tipo de investigación y diseño de investigación
Tipo de investigación
El tipo de investigación que se elaboró en este proyecto, según Larios et al. (2018), en el
libro “Investigación en economía y negocios: Metodología con aplicaciones en E-views”, fue
cuantitativa, ya que, con los datos obtenidos desde el año 2009 hasta el año 2018, se expusieron
las conexiones de causalidad por medio del marco teórico, datos históricos, encuestas, etc. Cabe
añadir que el análisis cuantitativo explicó los determinantes de la relación de causalidad entre las
variables.
Diseño de investigación
El diseño de investigación que se aplicará en este proyecto será no experimental. Este se
divide en ex -post factor y diseño correlacional, puesto que se emplearon variables que permitió
el estudio por medio de hechos pasados, teniendo una cantidad sustancial de datos para los
Page 9
5
procedimientos estadísticos. El diseño correlacional fue elegido con la finalidad de comprender
la concordancia entre dos o más variables. Según Hernández et al. (2014), se han propuesto
distintas alternativas para identificar un problema con mayor determinación. Luego, se examinó
la relación de las variables en este modelo econométrico, las cuales se mostraron auténticas y no
manipuladas.
Participantes
Según De la Muestra & Mazariegos (2003), un enfoque cuantitativo se representa por un
subgrupo de la población en cuestión. Los estadísticos evidenciados han sido la guía en los
parámetros establecidos de los participantes. Cabe añadir que para el proyecto se ha hecho uso de
variables por medio de fuentes secundarias del Estado Peruano como: ADEX, Minagri e INEI.
Las fuentes han sido verificadas a fin de asegurar la veracidad de la información, las cuales han
presentado variables trimestrales de la economía peruana. Asimismo, los datos a tratar se
seleccionaron en un periodo de tiempo (series de tiempo), considerándose el siguiente: 2009-
2018.
Tabla 1
Definición Operacional
Nombre Largo Nombre Corto Definición operacional
Exportación de
palta EXP
• Tipo de Variable en el modelo econométrico:
Dependiente
• Unidad de medida: Miles US$
• Frecuencia original de datos: Trimestral
• Fuente de los datos: ADEX Data Trade
• Periodo: 2009-2018
Page 10
6
Producción de palta PROD
• Tipo de Variable en el modelo econométrico:
Independiente
• Unidad de medida: Toneladas
• Frecuencia original de datos: Trimestral
• Fuente de los datos: INEI
• Periodo: 2009-2018
Rendimiento de la
palta REND
• Tipo de Variable en el modelo econométrico:
Independiente
• Unidad de medida: Toneladas
• Frecuencia original de datos: Trimestral
• Fuente de los datos: MINAGRI
• Periodo: 2009-2018
Nota. ADEX Data Trade, INEI, Minagri.
Elaboración propia .
Tabla 2
Definición Operacional
Nombre largo Nombre
corto Definición conceptual
Exportación de la palta EXP La exportación de un producto es el régimen aduanero en el cual se
permite la comercialización, consumo en el exterior.
Rendimiento de la palta REND La relación entre lo producido en una hectárea de distintos factores
naturales combinados en determinado cultivo.
Producción de la palta PROD
Blanchard (2017) define como producción agregada a "la cantidad total de producción de una economía” (p. 557). Cabe añadir que la
producción per cápita “el producto interior bruto de un país dividido entre su población”.
Nota. Adaptado de “Macroeconomía”, por Blanchard, O., 2017.
Elaboración propia .
Instrumentos de investigación
En esta sección se precisaron los instrumentos empleados en el presente trabajo, con el
propósito de reunir datos cuantitativos relevantes para la variable dependiente y variables
Page 11
7
independientes. Los datos planteados para las variables fueron seleccionados de fuentes
secundarias, tales como documentos, fichas informativas, artículos científicos, etc. Estos han
sido elaborados por entidades públicas, instituciones internacionales y nacionales. Datos
recolectados de fuentes confiables como Organización Mundial del Comercio, Superintendencia
de banca, Seguros y AFP, PromPerú, Organización de las Naciones Unidas para la Alimentación
y la Agricultura, Asociación de Exportadores (ADEX), Ministerio de Agricultura (Minagri),
Banco Central de Reservas del Perú (BCR), Ministerio de Comercio Exterior y Turismo
(Mincetur) e Instituto Nacional de Estadística e Informática (INEI).
Procedimiento
En esta parte se especificó el procedimiento que se utilizó para la recopilación de datos.
Cabe destacar que los datos estadísticos de las variables se modificaron para presentar las
frecuencias trimestrales. A continuación, se explicó la selección de los estadísticos de cada
variable:
La variable exportación de la palta de Perú (EXP) se calculó en miles de US$ (en valor
FOB). Los datos fueron reunidos de la base de Adex Data Trade, con una frecuencia trimestral y
un periodo desde el año 2009 hasta el año 2018.
Con respecto a la variable de producción de palta (PROD), la unidad de medida que se
utilizó fue la tonelada. Las cifras agrupadas de la base de datos del Instituto Nacional de
Estadística Informática (INEI). Se identificaron niveles de frecuencia, anuales y mensuales que
brindaron una sólida base de datos.
Page 12
8
Por último, la variable de rendimiento de la palta peruana (REND) fue obtenida de la
base de datos del Ministerio de Agricultura y Riesgo (Minagri), donde se ha registrado data de
décadas presentadas en cuadros estadísticos. Para obtener la frecuencia, se utilizó de mediadores
los rendimientos de cultivos por regiones y anuales.
Análisis de datos
Basándose en las variables optadas para este trabajo de investigación, se infirió emplear
un modelo econométrico de series de tiempo expresado en un Modelo de Regresión Lineal
Múltiple. Según Larios et al. (2018), este interpreta la relación que tiene la variable dependiente
con las variables independientes. Además, mesurando las causas que demuestran una explicación
de ciertos fenómenos. En las siguientes líneas se mostrará la ecuación expresada en variables
observadas y la otra ecuación expresada en el modelo econométrico.
Expresado en las variables observadas:
𝐸𝑋𝑃 = 𝑓 (𝑃𝑅𝑂𝐷; 𝑅𝐸𝑁𝐷 )
Para el desarrollo de este proyecto, es necesario aplicar el uso del software E-views 11,
con lo cual permitirá un resultado estadístico consistente y eficiente. Asimismo, se aplicará los
datos recolectados de dichas variables escogidas para este trabajo para probar una Hipótesis.
Durante el procedimiento del uso del software E-views 11, se realizaron varias pruebas
para comprobar los supuestos requeridos de los Mínimos Cuadrados Ordinarios, que se hallaron
en dicho software. Como mencionan los autores Larios et al. (2018), la prueba de Jarque – Bera
valida si las variables que se emplearon tienen proporción, por lo que el P-Value presentó mayor
Page 13
9
nivel de significancia; es decir, mayor a 0.05, para no rechazar la hipótesis nula la cual sugiere
una distribución normal.
Después se continuó con la “prueba del test de Fisher”. Este test evaluó si el resultado es
menor al nivel de significancia de 0.05. Si el modelo es significativo, sugiere que las variables
independientes tienen relación con la variable dependiente. Luego se realizó “la prueba T de
Student”, la cual explica que, si se tiene un menor nivel de significancia de 0.05, supone que una
de las variables independientes vincula significativamente con la variable dependiente. Por esta
razón, el valor explicativo es superior.
Por otro lado, el “coeficiente beta” muestra la orientación y el grado de intensidad
mediante una variable dependiente y variables independientes. Ahora bien, si el valor que se
consigue se distancia del 0, en este sentido la relación será positiva, o si se acerca al 0 existirá
una relación negativa. Por consiguiente, si el signo de la variable independiente es positivo, este
aumentará, con lo que aumenta, a su vez, el valor de la variable dependiente. En cambio, si el
signo de la variable independiente es negativo, quiere decir que, si aumenta su valor, la variable
dependiente disminuirá. En el “Indicador de Durbin-Watson” se identifica si hay autocorrelación
en el residuo o no. Lo interesante de esta prueba es su simpleza. Si el valor que sale en la prueba
está próximo del 2, da buenas noticias.
Acto seguido, se ejecutó la prueba de heterocedasticidad. De Arce & Mahía expresan que
“la existencia de una varianza no constante en las perturbaciones aleatorias de un modelo
econométrico” (2001, p.3). Cabe resaltar que según el p- value se va a rechazar o no la H0.
Page 14
10
Resultados
Se realizaron las pruebas e indicadores que se han explicado en la sección anterior. Antes
de empezar con las diferentes pruebas que se emplearon en la Regresión Lineal, se mostrará el
cuadro de estadísticos descriptivos, el cual compara los datos sin logaritmo y, por consiguiente,
con logaritmo. En este cuadro se debe tener en cuenta las desviaciones estándar de las variables.
A continuación, se analiza los datos cuando están en nivel. Estos son extraídos por las bases de
datos secundarios y muestran cantidades altas, mientras que, si se les aplica logaritmo, los datos
se reducen.
Tabla 3
Cuadro resumen de estadísticos descriptivos
Nota. Eviews.
Elaboración propia
Teniendo en cuenta la tabla 3, la desviación estándar es alta en las variables cuando están
es su forma normal. Luego de haber aplicado el logaritmo a cada variable, se aprecia que las
desviaciones estándar de dichas variables disminuyeron considerablemente. Como se ha
mencionado líneas arriba, puesto que se quiere una regresión consistente y estandarizada, se va a
emplear logaritmos a los datos si fuera necesario para conseguir una serie de datos ajustados.
En nivel Con Logaritmo
EXPO PRODU RENDI LOG_EXP LOG_PROD LOG_REND
Std. Dev. 98240.08 64685.50 14934.88 2.214151 0.632443 0.392855
Kurtosis 4.712223 5.500207 1.653800 2.68657 2.838176 1.77271
Jarque-Bera 22.48181 33.15914 3.083123 3.52128 4.462345 3.062533
Probability 0.000013 0.000000 0.214047 0.171935 0.107402 0.216262
Observations 40 40 40 40 40 40
Page 15
11
Expresado en un modelo econométrico LOG – LOG:
𝐿𝑂𝐺_𝐸𝑋𝑃 = 𝐿𝑂𝐺_𝑃𝑅𝑂𝐷 + 𝐿𝑂𝐺_𝑅𝐸𝑁𝐷 + 𝑈
Datos adicionales:
• LOG_EXP: Logaritmo de exportación de palta.
• LOG_PROD: Logaritmo de producción de palta.
• LOG_REND: Logaritmo de rendimiento de palta.
En este modelo auxiliar se está aplicando logaritmos a las variables dependientes e
independientes. Resultados obtenidos:
𝐿𝑂𝐺𝐸𝑋𝑃 = 𝐿𝑂𝐺_𝑃𝑅𝑂𝐷 + 𝐿𝑂𝐺_𝑅𝐸𝑁𝐷 + 𝑢
𝐿𝑂𝐺𝐸𝑋𝑃 = 3.122477𝐿𝑂𝐺 _𝑃𝑅𝑂𝐷 − 0.967039𝐿𝑂𝐺 _𝑅𝐸𝑁𝐷 − 14.56232
Nota. Eviews.
Elaboración propia .
Significancia de las variables del modelo auxiliar.
Tabla 4
Cuadro de resultados por MCO (Mínimo Cuadrado Ordinario)
Nota. Eviews.
Elaboración propia .
Analizando estos resultados, se constata que el rendimiento no es significativo puesto que
su P. value es mayor a 0.05, con lo que, según la teoría, la variable no explicaría a la variable
dependiente. Asimismo, se puede identificar que el R*2 tiene un ajuste al 67 % en el modelo.
Estimador Coefficient t_statistic p_value Significancia
C -14.56232 -2.5667 0.0144 0,05 Significativo LOG_PROD 3.1224 8.2814 0 0,05 Significativo LOG_REND -0.9670 -1.5931 0.1196 0,05 No Significativo
R^2 0.6744 Durbin Watson 3.084 Autocorrelación Prob(F-st) 0 Es Significativo a nivel global
Page 16
12
Ello muestra que las variables presentadas a nivel global están relacionadas. Por otro lado, con el
indicador Durbin Watson se tiene sospecha que haya autocorrelación, lo cual estaría violando a
los supuestos de un modelo de Regresión Lineal. Finalmente, Prob(F-st) indica una significancia
global, dando a entender que las variables independientes tienen afinidad con su variable
dependiente.
A continuación, se presentará la causalidad de Granger. Aquí se analizará que las
variables se justifican entre las otras variables. Según Gujarati & Porter (2010), esta prueba
identifica la presencia de vínculo entre las variables estudiadas.
Tabla 5
Cuadro de Causalidad de Granger
Null Hypothesis: Obs F-Statistic Prob. LOG_PROD does not Granger Cause LOG_EXP 38 21.1881 1.E-06
LOG_EXP does not Granger Cause LOG_PROD 10.9704 0.0002
LOG_REND does not Granger Cause LOG_EXP 38 8.48420 0.0011
LOG_EXP does not Granger Cause LOG_REND 20.3591 2.E-06
LOG_REND does not Granger Cause LOG_PROD 38 199.754 4.E-19
LOG_PROD does not Granger Cause LOG_REND 8.80793 0.0009
Nota. Eviews.
Elaboración propia .
Se puede inferir, según los datos presentados, que en la Tabla 5 se valida la causalidad de
Granger en todas las variables. Analizando la producción y la exportación, el P.value es menor
que el nivel de significancia (0.05), lo cual significaría que la producción causa a la exportación,
y viceversa. Entonces se rechaza la hipótesis nula. Segundo, el rendimiento y la exportación
muestra que tienen un nivel de significancia menor al 0.05, con lo que se deduce que el
Page 17
13
rendimiento causa a la exportación y viceversa; es decir, se rechaza la Hipótesis nula.
Finalmente, en el rendimiento y la producción, se observa causalidad entre ellas, debido a que su
P.value es menor al nivel de significancia (0.05); por lo tanto, se rechaza la Hipótesis nula.
La siguiente prueba para realizar es el de Raíz Unitaria de Dicky Fuller Aumentado,
debido que, al elaborar un modelo de series de tiempo, se tiene que estabilizar la estacionariedad
de las variables estudiadas.
Tabla 6
Cuadro de Dicky Fuller Aumentado de la variable LOG_EXP
Nota. Eviews.
Elaboración propia .
En la Tabla 6 se indica que el P.value de Dicky Fuller Aumentado en la variable
LOG_EXP es menor al nivel de significancia, de modo que, de hallarse una estacionariedad en la
primera diferencia con dos rezagos, se rechaza la Hipótesis nula. Por otro lado, se indica que el
P.value de Dicky Fuller Aumentado en la variable LOG_PROD es menor al nivel de
significancia 5 %, de modo que, de encontrarse una estacionariedad en la segunda diferencia con
6 rezagos, se rechaza la Hipótesis nula. Por último, se observa que el P.value de Dicky Fuller
Aumentado en la variable LOG_REND es menor al nivel de significancia (0.05), de modo que,
de encontrarse una estacionariedad en la segunda diferencia con 6 rezagos, se rechaza la
Hipótesis nula.
Level 1era Diferencia 2da diferencia
Rezago
(Lag) P. Value
Rezago
(Lag) P. Value
Rezago
(Lag) P. Value
LOG_EXP 4 0.0606 2 0.0001 6 0
LOG_PROD 9 0.839 8 0.1167 6 0
LOG_REND 8 0.9961 7 0.8602 6 0
Page 18
14
Tabla 7
Cuadro Mínimos Cuadrados Ordinarios (MCO) - Estacionario
Method: Least Squares
Dependent Variable: LOG_EXP
Included observations: 38 after adjustments
Variable Coefficient t-Statistic Prob.
LOG_PROD 0.866933 1.972474 0.0565
LOG_REND 0.554424 0.109047 0.9138
C -0.038293 -0.075633 0.9401
R-squared 0.101839 F-statistic 1.984256
Durbin-Watson 2.55348 Prob(F-statistic) 0.152651
Nota. Eviews.
Elaboración propia .
Teniendo en cuenta la tabla 7, donde se muestra método Mínimo Cuadrado Ordinario, se
infiere que el R-cuadrado representa un valor de 10 %, esto es, que no hay una buena bondad de
ajuste. Ahora, con respecto a la significancia, la producción y el rendimiento no explican a la
exportación. Luego, con respecto el indicador de Durbin Watson, esta muestra que no hay
autocorrelación ya que es cercano al 2.
A continuación, se arreglará el modelo para lograr la consistencia entre variables
rezagando un periodo a la variable de producción y rezagando tres periodos a la variable de
rendimiento.
Tabla 8
Cuadro Mínimos Cuadrados Ordinarios (MCO) – Estacionario Corregido
Method: Least Squares
Dependent Variable: LOG_EXP
Included observations: 35 after adjustments
Variable Coefficient t-Statistic Prob.
LOG_PROD (-1) 1.427655 5.709384 0.000
LOG_REND (-3) -15.86401 -5.538852 0.000 C 0.031207 0.123649 0.9024 R-squared 0.804089 F-statistic 65.66971 Durbin-Watson 2.572337 Prob(F-statistic) 0.000
Nota. Eviews.
Elaboración propia.
Page 19
15
Teniendo en cuenta la tabla 17, donde se muestra método Mínimo Cuadrado Ordinario
corregido, se analiza que el R-cuadrado representa un valor de 80 %, lo que presenta que hay una
buena bondad de ajuste. De igual importancia, las variables de producción y rendimiento son
significas, ya que su P. Value es menor que el 5 %. Luego, con respecto el indicador de Durbin
Watson, esta muestra que no hay autocorrelación ya que es cercano al dos.
Tabla 9
Supuestos del modelo Regresión Lineal
Test Prob.
Durbin Watson 2.572337
Glejser 0.3913
Harvey 0.3158 White 0.1547
Jarque Bera 0.3449
Nota. Eviews.
Elaboración propia .
Por último, en el cuadro 18 se analizará los supuestos de la regresión lineal. En el Durbin
Watson P. value es cercano a dos, por lo tanto, es muy posible que no haya autocorrelación. Sus
P.Values son mayores al 5 % de significancia, lo cual detalla que no hay presencia de
Heterocedasticidad. En el supuesto de normalidad se observa que el Jarque Bera su P.Value es
mayor al 0.05; por ello, presenta una normalidad en el modelo.
Para concluir, después de realizar los diferentes supuestos del modelo de Regresión
Lineal Múltiple, se demuestra que las exportaciones de palta están en función del rendimiento y
la producción en el periodo 2009-2018. A continuación, se presenta la ecuación final.
Page 20
16
• LOG_EXP: Logaritmo de exportación de palta.
• LOG_PROD: Logaritmo de producción de palta.
• LOG_REND: Logaritmo de rendimiento de palta.
Discusión
En este trabajo se tuvo como objetivo analizar el impacto que causan los factores internos
(la producción de la palta en base al rendimiento) en la competitividad de la agroexportación
peruana, en el periodo 2009-2018. Del mismo modo, se concluyó que las variables propuestas,
Producción de la palta (PROD) y Rendimiento de la palta (REND), logran tener una
transcendencia dentro de las agroexportaciones, particularmente en las exportaciones de palta.
Por consiguiente, se explicará los resultados conseguidos mediante el análisis de las
variables presentadas en el trabajo de investigación, por medio del programa Eviews. Con los
resultados se puede constatar que la producción de la palta genera un impacto positivo en la
agroexportación peruana. También, González-Estudillo et al. (2017) explican que sí hay una
relación positiva, dado que la producción, teniendo en cuenta las variables óptimas para lograr la
comercialización internacional, beneficiará a las exportaciones de la palta. En comparación, los
resultados permiten apreciar que la producción de la palta genera un impacto positivo en la
agroexportación peruana en un 1.427655 %.
Con respecto al rendimiento de la palta, no genera un impacto positivo a la producción
del mismo en la agroexportación peruana en un -15.86401 %. Cabe resaltar que Randela (2018)
identificó que el Cambio climático puede afectar al rendimiento y producción de palta, por lo que
𝐿𝑜𝑔𝐸𝑋𝑃𝑡 = 1.42765492152Log𝑃𝑅𝑂𝐷𝑡−1- 15.8640140215𝐿𝑜𝑔𝑅𝐸𝑁𝑡−3 + 0.0312071665667
Page 21
17
se debe considerar el cuidado del cultivo y la postcosecha. Otro punto para resaltar, que se
constata con los resultados de Bulagi et al. (2016), dado que algunos de los departamentos no
tienen la tecnología adecuada para desarrollar y disminuir costos, puede ser unos de los factores
que muestre una inversa relación con las exportaciones.
Figura 1
Características agronómicas de las razas de palta o aguacate
Nota: MINAGRI-DGPA/DEEIA, FAO, ADEX.
Elaboración propia .
En la figura 1 se puede determinar el resultado negativo e inverso, puesto que las
exportaciones suben, pero el rendimiento se mantiene o no crece. Estos problemas pueden ser
efecto de mal uso de agua en los cultivos, falta de maduración de los frutos, insectos que afecten
a las cosechas. Canales et al. (2019) además proponen programas para la agricultura, lo cual será
considerado como recomendación en la sección posterior.
En este trabajo de investigación, dado los resultados expuestos en la sección anterior, se
puede deducir que se encontró una relación directamente proporcional entre las variables como
la producción, e inversamente proporcional con el rendimiento hacia la agroexportación,
particularmente en la exportación de palta en el periodo 2009-2018.
10.8
11
11.2
0
10
20
T116 T216 T316 T416 T117 T217 T317 T417 T118 T218 T318 T418
Exportaciones de palta y el Rendimiento de palta: 2016Q1-2018Q4 (Variaciones)
Exportación Rendimiento
Page 22
18
Conclusiones
Por medio de los resultados obtenidos en el trabajo de investigación, se constata que,
según el objetivo propuesto en la tercera sección, existe una relación entre la producción de la
palta y el rendimiento de la palta en la agroexportación peruana en el periodo 2009-2018. Por
ello, se acepta la Hipótesis nula general y se descarta la Hipótesis general alternativa. Por otro
lado, examinando el dato econométrico y el objetivo secundario de la producción de la palta, se
explicó un impacto positivo en las exportaciones de palta en un 1.427655 %. Por lo tanto, se
acepta la Hipótesis nula uno y se declina la Hipótesis alterna uno.
Prosiguiendo con la evaluación, en el rendimiento de la palta se identificó una relación
inversamente proporcional a las exportaciones de la palta en un -15.86401 %, por lo cual se
rechaza la Hipótesis nula y se acepta la Hipótesis alterna dos. Gracias a los instrumentos
utilizados, se ha concluido que las variables elegidas han brindado resultados positivos como
negativos. La producción genera un impacto positivo, en contraste con el rendimiento que genera
un impacto negativo. Sin embargo, a nivel global, ambas variables explican a la agroexportación
peruana durante el periodo 2009-2018.
El Perú ha obtenido el tercer lugar a nivel mundial, ello gracias a la gran calidad de sus
productos y determinaciones de salubridad y sanidad (Ambrozek et al., 2018). Las exportaciones
de palta han tenido un crecimiento exponencial a lo largo de los años con 9.69 % desde el 2009
al 2018.
Page 23
19
La palta peruana tiene un gran renombre a nivel internacional, siendo uno de los elegidos
a la hora de importar. Según Fort (2018), el 98 % de la producción del palto se localiza en la
costa, dando énfasis a la libertad, tal como se explica en el problema de investigación.
Por otro lado, como se ha explicado en la discusión, los factores como el clima,
plantaciones, cultivos, plagas y sociales, pueden hacer que el rendimiento de un área decaiga,
con el paso del tiempo, de un 15 % de rendimiento efectivo a un 9 %, perjudicando a las
exportaciones agrícolas, en este caso la palta.
La competencia de exportación de palta es muy reñida. Ello mencionan Ambrozek et al.
(2018) cuando ponen de ejemplo que Chile estuvo en el tercer lugar, pero este disminuyó
posiciones que afectaron a sus exportaciones. Otro país que también logró superarse fue
Colombia. El sector agropecuario ha aumentado su posición con los años. El esparrago, el
mango, el arándano, la uva y la palta han beneficiado a este sector representando un 46 %
(Comex).
Recomendaciones
Debido a los resultados obtenidos, se recomienda implementar programas de protección a
las áreas de producción agropecuaria, especialmente a la palta. En un estudio realizado por
Canales (2019) se comenta que México se preocupa y sabe que el rendimiento es fundamental
para las exportaciones, por lo que se ha creado un programa llamado “programa de promoción
agrícola”, incentivando la infraestructura de las plantaciones. Gracias a ello han incrementado las
exportaciones de sus localidades. El Mincetur en conjunto con el Minagri buscan promover e
Page 24
20
implantar programas que favorezcan a los pequeños agricultores de las demás regiones
productoras.
Asimismo, el Gobierno, con los programas ya establecidos como el “Programa de Apoyo
a la Internacionalización (PAI)”, presentado por el Mincetur, brindan las herramientas
necesarias, como el Vuce, “Exporta Fácil”, a los agricultores de las regiones que todavía no han
dado su máximo rendimiento o que recién estén iniciando en este mercado, debido a la
competencia entre los países con mayor producción.
El gobierno debe seguir promoviendo el mercado, pero buscando otros departamentos
que tengan óptimas condiciones para la cosecha de la palta y demás productos.
Teniendo en cuenta los antecedentes planteados en su respectiva sección, no se utilizaron
variables que, por limitaciones, no se obtuvieron. Sin embargo, se recomienda usar variables
como temperatura y precipitaciones. Incluso no solo enfocarse al nivel nacional, sino al nivel de
departamentos, aplicando la teoría. En ese caso se tendría que elegir un modelo adecuado, tal
como “Data Panel”, para analizar las nuevas variables.
Por consiguiente, se anima a realizar estudios sobre la cantidad de agua que se requiere
para los cultivos y proyectar cuáles serían los efectos para las producciones agrícolas, dado que
el cambio climático puede ser un problema que afecte a los cultivos de distintos productos
agrícolas. El agua utilizada en la agricultura presenta el 70 %, según el Banco Mundial. Ello
señala que se debe tener proyectos de prevención para determinar el efecto en la agricultura
peruana. En las ferias, que ya se tiene presencia, apoyar a agricultores y productores de distintas
regiones para promocionar la calidad del fruto. Pero para ello, las capacitaciones para el cultivo o
procesos de sanidad deben estar a la par, para lograr así un mayor crecimiento.
Page 25
21
Finalmente, buscar nuevos mercados para aumentar la presencia. Desde febrero del año
2020, el TCL entre Australia y Perú, casi con el 96 %, queda libre de limitaciones; y como se
sabe que Australia recibe exportaciones agropecuarias del Perú, un 24% será una gran ventaja
para explora este nuevo mercado. Es por ello que se debe aprovechar los TLC´s con otros países
para exportar el “oro verde” y dar a conocer la calidad de la palta peruana.
Referencias
Abello, M. J., & Esmeral, A. (2018). Estudio de mercado para mejorar las exportaciones de
aguacate Hass colombiano hacia Estados Unidos. Colegio de Estudios Superiores de
Administración. https://repository.cesa.edu.co/handle/10726/2076
Adex Data Trade. (2019). Estadística de producto: palta fresca.
http://www.adexdatatrade.com/Login.aspx?ReturnUrl=%2fMembers%2fEstadisticaProdu
cto.aspx%3fpartida%3d0804400000&partida=0804400000
Ambrozek, C., Saitone, T. L., & Sexton, R. J. (2018). Five-Year Evaluation of The Hass
Avocado Board’s Promotion Programs: 2013–2017. https://hassavocadoboard.com/wp-
content/uploads/2019/03/hab-latest-independent-economic-evaluation-2018.pdf
Banco Central de Reserva del Perú. (2011). Glosario de Términos Económicos.
http://www.bcrp.gob.pe/docs/Publicaciones/Glosario/Glosario-BCRP.pdf.
Banco Mundial. (s.f.). El agua en la agricultura. https://www.bancomundial.org/es/topic/water-
in-agriculture
Blanchard, O. (2017). Macroeconomía.7. ª ed. Pearson Education.
Bulagi, M. B., Hlongwane, J. J., & Belete, A. (2016). Analysing the Relationship between
Page 26
22
Agricultural Production and Exports Diversification in South Africa: A Granger Causality
Approach for Apple, Avocado, Mango and Orange from 1994 to 2012. Journal of Human
Ecology, 53(3), 266–271.https://doi.org/10.1080/09709274.2016.11906980
Canales, E., Andrango, G., & Williams, A. (2019). Mexico’s Agricultural Sector: Production
Potential and Implications for Trade. AgEcon Search, 34(3), 1-12.
https://ageconsearch.umn.edu/search?ln=en&p=Mexico%E2%80%99s+Agricultural+Sec
tor%3A+Production+Potential+and+Implications+for+Trade&f=&action_search=Search
&sf=&so=d&rg=10
COMEX. (2020). Exportaciones no tradicionales cierran 2019 al alza.
https://www.comexperu.org.pe/articulo/exportaciones-no-tradicionales-cierran-2019-al-
alza
De Arce, R., & Mahía, R. (2001). Conceptos básicos sobre la heterocedasticidad en el modelo
básico de regresión lineal tratamiento con Eviews. Departamento de Economía Aplicada,
Universidad Autónoma de Madrid.
De la Muestra, S., & Mazariegos, D. C. (2003). Metodología de la investigación. McGraw-Hill.
Duarte, F. (2012). El control biológico como estrategia para apoyar las exportaciones agrícolas
no tradicionales en Perú: un análisis empírico. Contabilidad y Negocios, 7(14), 81-100.
http://revistas.pucp.edu.pe/index.php/contabilidadyNegocios/article/view/3881
Fort, R. (2018). The Booming Peruvian Avocado Sector: Lessons for Kenya. Partnership for
Economic Policy, 179, 1-2. https://www.africaportal.org/publications/booming-peruvian-
avocado-sector-lessons-kenya/
González-Estudillo, J.C., González-Campos, J., Nápoles-Rivera, Ponce-Ortega, J.M., & El-
Halwagi, M. (2017). Optimal Planning for Sustainable Production of Avocado in Mexico.
Process Integr Optim Sustain, 1, 109–120. https://doi.org/10.1007/s41660-017-0008-z
Gujarati, D., & Porter, D. (2010). Econometría. 5. ª ed. Mc. Graw Hill.
Page 27
23
Hernández, R., Fernández, C., & Baptista, P. (2014). Metodología de la investigación. McGraw-
Hill Education.
Instituto Nacional de Estadística e Informática (INEI). (2012). Características Socioeconómicas
del Productor Agropecuario en el Perú - IV Censo Nacional Agropecuario 2012.
https://www.inei.gob.pe/media/MenuRecursivo/publicaciones_digitales/Est/Lib1177/cap
01.pdf
Instituto Nacional de Estadística e Informática (INEI). (2019). Comportamiento de la Economía
Peruana en el Tercer Trimestre de 2019. http://www.minproteccionsocial.gov.co/
Larios, J. F., González, C., & Álvarez, V. J. (2016). Investigación en economía y
negocios: Metodología con aplicaciones en e-views. Fondo Editorial USIL.
Ministerio de Agricultura y Riego. (s.f.). Calendario. http://siea.minagri.gob.pe/calendario/
Ministerio de Comercio Exterior. (s.f.). Acuerdos Comerciales del Perú.
http://www.acuerdoscomerciales.gob.pe/index.php?option=com_content
Organización de las Naciones Unidas para la Alimentación y la Agricultura (FAO). (s.f.).
Conceptos y temas generalesde la agricultura orgánica.
http://www.fao.org/3/y4137s/y4137s03.htm
PromPerú. (2018). Desenvolvimiento del comercio exterior agroexportador. Departamento de
Agronegocios de la Sub Dirección de Promoción Internacional de la Oferta Exportable.
http://www.siicex.gob.pe/siicex/resources/sectoresproductivos/Desenvolvimiento%20agr
oexportador%202018.pdf
Quintero, A. (s. f.). Rendimiento agrícola - EcuRed. EcuRed.
https://www.ecured.cu/Rendimiento_agr%C3%ADcola
Randela, M. Q. (2018). Climate change and avocado production: A case study of the Limpopo
province of South Africa. (Tesis de doctorado, University of Pretoria, Sudáfrica).
Page 28
24
https://repository.up.ac.za/bitstream/handle/2263/67885/Randela_Climate_2018.pdf?sequ
ence=1
Servicio Nacional de Sanidad y Calidad Agroalimentaria (Senasa). (2019, 13 de febrero).
Huancavelica: Senasa certifica lugares de producción de palta en valles interandinos.
https://www.senasa.gob.pe/senasacontigo/produccion-de-palta-en-valles-interandinos/
Page 30
2
Anexo 1
Base de datos
AÑOS EXP PROD REND
2009Q1 9953 32855 19676.875
2009Q2 35768 64155 19676.875
2009Q3 20964 32812 19676.875
2009Q4 867 27593 19676.875
2010Q1 7762 35854 23046.25
2010Q2 45945 73296 23046.25
2010Q3 31273 44525 23046.25
2010Q4 67 30694 23046.25
2011Q1 4245 40312 26707.75
2011Q2 68015 88818 26707.75
2011Q3 86479 48428 26707.75
2011Q4 2440 36104 26707.75
2012Q1 10415 53261 33565.625
2012Q2 72917 115360 33565.625
2012Q3 51322 58694 33565.625
2012Q4 905 27211 33565.625
2013Q1 10171 49271 36106.625
2013Q2 91099 130391 36106.625
2013Q3 82601 70134 36106.625
2013Q4 416 39058 36106.625
2014Q1 15105 55116 43664.625
2014Q2 166574 183519 43664.625
2014Q3 116385 71423 43664.625
2014Q4 2063 39259 43664.625
2015Q1 16335 60528 47075.25
Page 31
3
Nota. Elaboración propia
2015Q2 173457 197424 47075.25
2015Q3 114955 82192 47075.25
2015Q4 1559 36457 47075.25
2016Q1 28129 63836 56924.25
2016Q2 234988 249087 56924.25
2016Q3 133533 95017 56924.25
2016Q4 155 36788 56924.25
2017Q1 24002 59637 58349.5
2017Q2 349393 252785 58349.5
2017Q3 213589 103403 58349.5
2017Q4 1254 40211 58349.5
2018Q1 52882 72842 63064.625
2018Q2 342726 281064 63064.625
2018Q3 325326 107189 63064.625
2018Q4 2181 43421 65548.6267