IMPACTO DE LA PRODUCCIÓN DE PALTA EN LA …

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

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.

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,

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

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.

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.

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

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

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

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

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.

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

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.

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

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

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

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

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.

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.

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

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

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.

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

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.

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

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.

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).

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/

ANEXOS

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

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