“Año 2015: de la Diversificación Productiva y del Fortalecimiento de la Educación”
UNIVERSIDAD DE NACIONAL DE PIURA
FACULTAD DE ECONOMÍA
TITULO:
“DETERMINANTES DEL ÍNDICE DEL SECTOR DE CONSTRUCCIÓN DE
PIURA; PERÍODO 2006M01-2013M12”
DOCENTE:
DR. JUAN FRANCISCO SILVA JUAREZ
MATERIA:
MODELOS ESTADÍSTICOS
CICLO:
SEXTO
SEMESTRE:
II
ALUMNO:
JORGE EDUARDO SEMINARIO OLAYA
1
ÍNDICE
INTRODUCCIÓN ---------------------------------------------------------------------------------- 3
JUSTIFICACIÓN ----------------------------------------------------------------------------------- 4
OBJETIVOS ----------------------------------------------------------------------------------------- 6
HIPÓTESIS ------------------------------------------------------------------------------------------ 7
METODOLOGÍA ----------------------------------------------------------------------------------- 8
1. ASPECTOS GENERALES ------------------------------------------------------------------------ 9
1.1 MARCO TEÓRICO -------------------------------------------------------------------------- 9
1.1.1 CONCEPTUALIZACIÓN DEL SECTOR CONSTRUCCIÓN -------------- 9
1.1.2 MODELO DE CRECIMIENTO DE SOLOW- SWAN ----------------------- 14
1.2 MARCO LEGAL ------------------------------------------------------------------------------ 16
1.2.1 LEGISLACIÓN EN CONSTRUCCIÓN CIVIL EN EL PERÚ ------------------ 16
1.3 HECHOS ESTILIZADOS ------------------------------------------------------------------- 18
1.3.1 EVIDENCIA EMPÍRICA INTERNACIONAL ---------------------------------- 18
1.3.2 EVIDENCIA EMPÍRICA NACIONAL ------------------------------------------- 22
2. MODELO --------------------------------------------------------------------------------------------- 23
2.1. ESPECIFICACIÓN DEL MODELO ------------------------------------------------------ 23
2.2. ESTIMACIÓN --------------------------------------------------------------------------------- 25
2.3. EVALUCIÓN ---------------------------------------------------------------------------------- 25
2.3.1. EVALUACIÓN ECONÓMICA ------------------------------------------------------ 25
2.3.2. EVALUACIÓN ESTADÍSTICA ----------------------------------------------------- 27
2.3.3. EVALUACIÓN ECONOMÉTRICA ------------------------------------------------- 29
2.3.3.1. PROBLEMA DE MULTICOLINEALIDAD -------------------------------- 29
2.3.3.1.1 TEST DE KLEIN ----------------------------------------------------- 29
2.3.3.2. PROBLEMA DE HETEROSCEDASTICIDAD ---------------------------- 29
2.3.3.2.1 TEST DE BREUSCH-PAGAN-GODFREY --------------------- 30
2.3.3.2.2 TEST DE HARVEY ------------------------------------------------- 30
2.3.3.2.3 TEST DE GLEJSER -------------------------------------------------- 30
2.3.3.2.4 TEST DE ARCH CON UN REZAGO ----------------------------- 31
2.3.3.2.5 TEST DE WHITE ----------------------------------------------------- 31
2.3.3.3. PROBLEMA DE AUTOCORRELACIÓN ----------------------------------- 32
2.4 CORRECIÓN DEL MODELO ------------------------------------------------------------------ 33
2.4.1 CORRECIÓN DE AUTOCORRELACIÓN – HETEROSCEDASTICIDAD----- 33
3. PREDICCIÓN ------------------------------------------------------------------------------------------ 33
3.1. PREDICCIÓN HISTÓRICO ------------------------------------------------------------------- 33
4. CONCLUSIONES ------------------------------------------------------------------------------------- 35
BIBLIOGRAFÍA -------------------------------------------------------------------------------------------- 36
ANEXOS ----------------------------------------------------------------------------------------------------- 39
2
INTRODUCCIÓN
El presente documento es el informe final de la investigación de los determinantes del Índice del
Sector Construcción en Piura. De este modo, y siendo más específico, la meta planteada para
este trabajo fue desarrollar y estimar un modelo econométrico para verificar los determinantes
del Índice del Sector Construcción en Piura.
Así pues, teniendo este plan en este se comenzó con la primera fase de la investigación. Para
asumir una investigación seria, en especial una que involucra modelación econométrica, se
inició con una revisión bibliográfica que permitió crear un respaldo teórico (y matemático) para
el estudio que se pretende abordar.
De tal forma, se indagaron varias publicaciones referentes al tema teniendo primordial interés
en los estudios que ya se habían desarrollado pero más que todo estaban enfocados a la parte
nacional(Perú), y con base en ellos, desarrollar una modelación similar para la realidad Piurana
procurando incorpar mejoras. Sin embargo, cabe anotar que la revisión literaria también abarcó
estudios realizados por autores extranjeros que modelaban el sector construcción de otros países
y que proponían diversas metodologías para hacer sus análisis empíricos.
Posteriormente, al tener un sólido sustento literario que ofreciera algunas pautas de teoría
económica y que definiera la aplicabilidad de diferentes modelos estadísticos, se procedió a
escoger el modelo econométrico que se utilizará como referente en el estudio. La elección del
modelo tomó en cuenta dos principales factores: la disponibilidad de información regional,
variables teóricas.
En consecuencia y según el contexto planteado sobre el sector construcción, en el presente
estudio nos planteamos la siguiente interrogante: ¿Qué variables macroeconómicas influyen
significativamente en el Índice del Sector Construcción en Piura durante el período
2006:M1 – 2013:M12?
Con el motivo de responder dicha interrogante el propósito del presente trabajo de investigación
es analizar los principales determinantes del Índice del Sector Construcción en Piura, con un
modelo econométrico específico y un proceso de estimación claro, se inició la recolección de
información estadística necesaria según lo dictaminó el modelo propuesto. Así pues, teniendo la
información tabulada se prosiguió a hacer un estudio gráfico y estadístico de las series de las
variables más relevantes que iban a hacer parte de dicho modelo. De esta forma, se discernieron
relaciones para poder ver el comportamiento general de los diferentes indicadores y finalmente
hacer ajustes y refinar el modelo con el fin de que fuera de la mano de la teoría. Así, se logró
concretar un modelo que fuera una buena simplificación de la realidad y que permitiera analizar
el comportamiento del Índice del Sector Construcción de Piura modelado.
3
JUSTIFICACIÓN
La rápida expansión poblacional de Piura en los últimos años ha generado un creciente interés
en el sector construcción como principal impulsador de la Economía Piurana debido a la fuerte
inversión privada en centros comerciales y proyectos inmobiliario. Los datos acerca del sector
construcción sólo se detalla como ventas de despacho de cemento, por lo que el Banco Central
de Reserva Sede Piura genera el índice del mismo.
Sin embargo se vienen haciendo estudios sobre la relación de causalidad de esta variable con
otras como la tasa de inflación, la tasa de interés, el tipo de cambio, la inversión, entre otros.
Además, una de las cuestiones que más han interesado a los economistas es la determinación de
los factores que propician el progreso de las naciones. Con el paso del tiempo el término
progreso ha ido cediendo paso al de crecimiento económico, de tal manera que se viene
utilizando para valorar la bondad o no de las políticas implantadas por el decisor político en una
economía, de tal manera que los países que crecen más parece que lo están haciendo mejor que
los demás.
En definitiva, como señala Bell (1976, página 237), «el crecimiento económico se ha convertido
en la religión secular de las sociedades industriales para avanzar». Son diversas las razones por
las que se le concede dicha importancia, pero en términos generales hay un cierto consenso en
afirmar que a través de él se consigue un mayor bienestar en una nación, puesto que supone un
mayor empleo y la generación de una mayor cantidad de bienes y servicios destinados a
satisfacer las necesidades.
Sin entrar en otras cuestiones sobre cómo se está generando dicho crecimiento y su reparto
(McMahon y Squire, 2003), es decir la justicia distributiva, lo anterior ha sido motivo más que
suficiente para tratar de determinar los factores que propician dicho crecimiento, haciendo
hincapié en un primer momento en los de carácter cuantitativo y, posteriormente, con la mejora
de la información estadística y de los modelos, incorporando los cualitativos. Pero de lo anterior
no cabe pensar que existe un cierto consenso, más o menos amplio, respecto a lo que rodea al
crecimiento económico. Los estudiosos del tema hacen hincapié en distintas variables que
influyen a este objetivo, en la metodología aplicada, al papel que desempeña el decisor político,
etcétera, que hace que el tema siga siendo objeto de interés y de análisis y que se sigan
incorporando nuevas variables, según se disponga de mejor información estadística.
Dentro de este ámbito, hay que considerar el papel que desempeña la construcción de viviendas,
variable que habitualmente no se suele incluir en el estudio. En una primera impresión cabe
pensar que su efecto es beneficioso sobre el crecimiento tanto directa como indirectamente, a
través del efecto que genera sobre otros sectores de la economía que se relacionan con él. En
este sentido, se suele señalar que los elevados niveles de crecimiento que ha experimentado
4
nuestro país en la década pasada se deben a dicho sector, e incluso a esta política se la ha
denominado como «el modelo del ladrillo». Sin embargo, también se le achaca ser una de las
causas que ha propiciado la crisis. Ello es así, no solo por el efecto directo que supone su
retroceso, sino por la incidencia derivada de los sectores que se relacionan con él, como es el
financiero entre otros.
5
OBJETIVOS
a. OBJETIVO GENERAL
Analizar los principales determinantes del Índice del Sector Construcción en Piura,
durante el período 2006M01-2013M12
b. OBJETIVOS ESPECÍFICOS
Elaborar el marco teórico pertinente, sobre los determinantes del Índice del Sector
Construcción en la cuidad de Piura, período 2006M01-2013M12.
Evaluar si el crédito en moneda extranjera explica significativamente el índice del
sector construcción regional.
Analizar la relación inversa entre el índice del sector construcción y la tasa de interés
pasiva en moneda nacional en la región de Piura.
Demostrar que cambios estructurales positivos del 2013 correspondiente a los meses de
Julio, Agosto y Setiembre del mismo ayudan a explicar al índice del sector construcción
regional.
Especificar y estimar el modelo, definiendo sus variables, parámetros; estableciendo
según clasificaciones con base en las teorías económicas y encontrando a través de los
instrumentos econométricos el valor de los parámetros.
Interpretación y Evaluación del modelo, desde los distintos tipos ya sea económica,
estadística y econométricamente.
6
HIPÓTESIS
a) HIPÓTESIS GENERAL
El índice del sector construcción regional de Piura es explicado por el crédito en
moneda extranjera, la tasa de interés pasiva en moneda nacional y una variable dummy
que explica un cambio estructural positivo en el año 2013 en los meses de Julio, Agosto
y Setiembre.
b) HIPÓTESIS ESPECIFICAS
Una mayor de demanda de créditos en moneda extranjera básicamente generada por la
inversión privada, la cual genera el crecimiento del Índice del Sector Construcción en la
región de Piura.
Un mayor rendimiento de los ahorros en moneda nacional incentiva a que los agentes
económicos decidan ahorrar su dinero en entidades financieras para poder ganar
intereses, acción que desincentiva el crecimiento del Índice del Sector Construcción.
El cambio estructural presentado en el año 2013 en los meses de Julio, Agosto y
Setiembre repercutió positivamente en el Índice del Sector Construcción.
7
METODOLOGÍA
La metodología a utilizar para realizar el presente trabajo denominado “Índice del Sector
Construcción de Piura; Período 2006M01- 2013M12” será la siguiente:
a. Unidad de análisis
El propósito que se tiene al desarrollar el presente trabajo de investigación es analizar los
determinantes del Índice del Sector Construcción para la economía regional piurana en el
período 2006 al 2013, usando datos mensuales.
Se tiene como unidad de análisis los agentes económicos haciendo énfasis en su
comportamiento para la determinación del Índice del Sector Construcción.
b. Ámbito de estudio
Para la presente se ha escogido como escenario la economía regional piurana para el período
coyuntural del año 2006M01 al 2013M12.
c. Tipo de investigación
El presente estudio se realiza por medio de un diseño de investigación de tipo Descriptivo –
Correlacional. Descriptivo, porque busca describir las características del Índice del Sector
Construcción y Correlacional, porque nuestro estudio tiene como propósito medir el impacto y
la importancia de las variable determinantes.
d. Obtención de la información
Dentro de las fuentes se obtendrás vía información secundaria de investigaciones similares y
anteriores, además de la recopilación de las series estadísticas del Banco Central de Reserva del
Perú (BCRP) Filial Piura.
e. Variables
Las principales variables para el estudio serán: el crédito en moneda extranjera, la tasa pasiva en
moneda nacional y una variable dummy para explicar los cambios estructurales positivos del
año 2013 en los meses de Julio, Agosto y Setiembre.
f. Tratamiento de la información
La información se procesará utilizando el programa Eviews, donde se obtendrán cuadros
estadísticos, gráficos que serán interpretados para su comprensión. También se hará uso del
programa Word como hoja de texto que registrará todo este proceso.
8
CAPÍTULO I
I. ASPECTOS GENERALES
I.1 MARCO TEÓRICO
1.1.1 CONCEPTUALIZACIÓN DEL SECTOR CONSTRUCCIÓN
La palabra construcción, para el DRAE, es el arte, acción y efecto de construir. Siguiendo la
misma fuente, construir significa fabricar, edificar, hacer de nueva planta una obra de
arquitectura o ingeniería, un monumento o en general cualquier obra pública.1 No obstante, la
construcción se refiere a la ejecución de obras, tanto públicas como privadas, para fabricar
edificios e infraestructuras.
Por otro lado, Lazo (2009), manifiesta que la construcción se refiere a las diferentes formas y
combinaciones de cómo hacer y/o crear diferentes tipos de estructura. Por consiguiente, la
construcción produce una amplia variedad de productos que van desde la construcción y
reparación de viviendas particulares, hasta grandes obras civiles de infraestructura como son:
caminos, puentes, túneles, etc.
Para la Organización Internacional del Trabajo (OIT)2, la construcción abarca:
La edificación, incluidas las excavaciones y la construcción, las transformaciones
estructurales, la renovación, la reparación, el mantenimiento (incluidos los trabajos de limpieza
y pintura) y la demolición de todo tipo de edificios y estructuras;
Las obras públicas, incluidos los trabajos de excavación y la construcción, transformación
estructural, reparación, mantenimiento y demolición de, por ejemplo, aeropuertos, muelles,
puertos, canales, embalses, obras de protección contra las aguas fluviales y marítimas y las
avalanchas, carreteras y autopistas, ferrocarriles, puentes, túneles, viaductos y obras
relacionadas con la prestación de servicios, como comunicaciones, desagües, alcantarillado y
suministros de agua y energía;
El montaje y desmontaje de edificios y estructuras a base de elementos prefabricados, así
como la fabricación de dichos elementos en las obras o en sus inmediaciones.
En relación con Lazo (2009), debe tomarse en cuenta que el sector comprende un conjunto de
materiales, técnicas, procesos y oficios aplicados que se relacionan entre sí. Además una serie
de factores adicionales, los que tiene que ver con las particularidades del terreno, materiales de
construcción, el peso de los materiales utilizados, condicionantes de los diferentes procesos o
1 Real Academia Española. Diccionario de la Lengua Española: Vigésima segunda edición.2 Adaptado de Organización Internacional del Trabajo (OIT). Convenio sobre seguridad y salud en la construcción, 1988 (núm. 167), Artículo 2
9
técnicas aplicadas a cada parte de la obra, el peso derivado del uso o la sobrecarga y las
condiciones climáticas imperantes en el lugar.
En el Perú, el Ministerio de Trabajo y Promoción del Empleo (MTPE)3, destaca que esta
actividad comprende a los establecimientos dedicados a la construcción de obras nuevas,
reformas y reparaciones de viviendas, edificios, otras construcciones (carreteras, puentes,
aeropuertos, etc.) y obras de mejoramiento de tierras (irrigación, desecación y drenaje de tierras,
desvío de cauces), obras que son realizadas por instituciones privadas y/o públicas bajo las
modalidades de contrata y subcontrata. Destaca entre éstas, la construcción de edificios
completos, partes de edificios y obras de ingeniería (carreteras, calles, puentes, túneles,
aeropuertos, etc.) Para Matijevic´ (2008), la industria de la construcción pertenece a las
actividades terciarias dado que es una industria de servicios. Para dicho autor, la participación
de la industria de la construcción en el producto bruto interno depende del nivel de desarrollo de
la economía en general. Sin embargo, Pellicer (2004) señala que el problema se presenta cuando
se trata de enmarcar al sector dentro de los tres grandes niveles en que se agrupan las
actividades económicas (primario, secundario y terciario). Considera que es casi imposible su
encaje claro en uno de ellos, por ello es que lo considera en una situación intermedia, a mitad de
camino entre las actividades industriales y las de servicios.
El sector de la construcción, según un estudio de la Fundación Laboral de la Construcción
(2011), es definido como el conjunto de empresas cuya actividad consiste en ejecutar
directamente obras completas o partes de éstas, tanto de edificación como de ingeniería civil o
industrial.
PRINCIPALES PARTICIPANTES EN LA INDUSTRIA DE LA CONSTRUCCIÓN
Los personajes que intervienen en un proyecto de construcción son:
El propietario, quien puede ser un individuo, una empresa o el gobierno.
El contratista principal con suficiente capacidad económica y de gestión para manejar el
proyecto. Algunas veces contrata a otros constructores más pequeños para que realicen ciertas
actividades dentro de la ejecución del proyecto.
Subcontratista, que suelen ser contratistas muy especializados, algunas veces con poca
capacidad económica, que desarrollar una parte muy específica del proyecto, por encargo del
contratista principal.
Diseñadores, como arquitectos o ingenieros, que definen lo que se va a construir y realizan
las coordinaciones con el propietario.
3 Ministerio de Trabajo y Promoción del Empleo (MTPE). Boletín de Estadísticas Ocupacionales nº 6. Construcción, III trimestre 2007
10
Proveedores de los insumos que serán usados en la obra.
Entidades financieras, quienes apoyan económicamente al propietario o a los contratistas.
Autoridades, quienes verifican el proyecto, autorizan su ejecución y hacen cumplir los
reglamentos.
Público, quien es observador y en obras públicas, el usuario del proyecto.
Es importante considerarlo porque es el principal crítico del proyecto y si el cliente es privado,
el público determinará el éxito de la inversión hecha.
CLASIFICACIÓN DE LA ACTIVIDAD DE LA CONSTRUCCIÓN
SEGÚN EL TIPO DE CLIENTE
Obras públicas, donde el propietario es el gobierno y por tanto, usa los fondos públicos
para financiar la obra. El uso de un dinero público implica una responsabilidad de usarlo
de la forma más adecuada y es por esto que existen numerosas normas, procedimientos y
reglamentos para la contratación del constructor. Las construcciones generalmente son de
interés público y el usuario es por lo general la población.
Obras privadas, donde el propietario es un ente privado y por tanto, usa su propio
dinero para financiar la obra, aunque tenga como apoyo una entidad financiera. Como
trabajan con su propio capital, no tienen obligación de cumplir las reglas burocráticas que
sí se aplican al gobierno y pueden establecer sus propios mecanismos de selección del
constructor. Por lo general es el mismo usuario. El tipo de cliente determina el proceso de
selección del constructor y la forma cómo se establecerá el contrato entre ellos.
SEGÚN LA FORMA DE CONSTRUCCIÓN
Construcciones de tipo vertical, como los edificios y grandes rascacielos.
Construcciones de tipo horizontal, como carreteras, puentes, presas, etc. En cada caso
el constructor requiere una serie de capacidades para lidiar con problemas diferentes. En
el caso de construcciones verticales, el mayor reto está en lograr una tecnología que
permita llevar los insumos desde la parte inferior al extremo más elevado del edificio;
mientras que en las construcciones verticales hace falta lidiar con los problemas
geotécnicos relacionados con el terreno donde se apoyará el proyecto, el traslado de
recursos de manera horizontal, etc.
11
IMPORTANCIA DEL SECTOR CONSTRUCCIÓN
En relación con un estudio de la Universidad Francisco Gavidia (s.f.) 4 , la importancia del
sector construcción radica en que mantiene vínculos directos con otros actores de la economía,
como lo son el comercio, la industria, el transporte, el sector financiero, además de generar
infraestructura de utilidad pública, mediante los proyectos desarrollados por el gobierno,
convirtiéndose en una fuente multiplicadora de empleo, por lo que el sector construcción
desempeña un papel fundamental en la dinamización de la economía.
Según el mismo estudio, es importante indicar que en la industria de la construcción existen dos
sectores bien definidos: el sector formal y moderno dedicado exclusivamente a obras de
infraestructura, y el sector informal constituido por pequeñas empresas que desarrollan sus
actividades en las zonas rurales y urbanas.
Esto es importante dado que según Mendes de Paula (2011), el grado de informalidad del
empleo en la construcción tiende a ser mayor que en otros sectores y se termina por subestimar
la real contribución de la actividad al mercado del trabajo.
Asimismo, para Ruggirello (2011) la construcción es uno de los sectores productivos que más
aporta al crecimiento de las economías de los países y regiones. El sector construcción es un
sector de suma importancia no solo por la gran cantidad de empresas y trabajadores que
involucra de forma directa, sino también por su efecto dinamizador en una variada gama de
insumos que el propio desarrollo de la actividad demanda. Por otra parte, y coincidiendo con lo
antes mencionado, es una actividad intensiva en la ocupación de mano de obra, lo que se
constituye en un factor clave para la definición de políticas que permitan asegurar altos niveles
de empleo.
De igual forma, el Instituto de Desarrollo Industrial, Tecnológico y de Servicios (IDITS, 2006),
considera a la construcción a nivel mundial dentro de las actividades económicas más
demandantes de mano de obra y ejerce un efecto multiplicador en la economía.
4 Universidad Francisco Gavidia. Capítulo I: Generalidades del Sector Construcción en el Salvador. Importancia de la Industria de la Construcción. p. 5-6
12
Por su parte, Pleitez, Briones, Garcia (s.f.)5 , lo consideran como un sector provisto de gran
capacidad para combatir algunos problemas sociales de carácter estructural como es el caso de
la insuficiencia de vivienda, el desempleo, etc. Este tipo de argumentaciones se fundamentan en
reflexiones keynesianas que aducen que al sector de la construcción, por la misma estructura de
sus gastos de producción, le caracteriza un elevado efecto multiplicador que puede – y debe –
ser aprovechado eficientemente en los periodos de reactivación económica para hacer renacer
las “expectativas” de los inversionistas privados.
Del mismo modo, con base en Matijevic´(2008), la industria de la construcción juega un papel
importante en el gasto de inversión, como consumidor de ahorro de los hogares y otras fuentes
de inversión (depreciación, utilidades, préstamos). Sin embargo, como toda inversión, la
inversión en proyectos de construcción debe traer un cambio, contribuir al progreso general y al
crecimiento de la economía nacional.
5 Pleitez, et al. Concentración de la Actividad Económica en el Sector Construcción
13
1.1.2 MODELO DE SOLOW – SWAN
El modelo neoclásico, desarrollado independientemente por Solow (1956) y Swan (1956), suele
ser el punto de partida para la mayoría de los análisis del crecimiento económico, pues la
hipótesis y las implicaciones de dicho modelo se utilizan como referencia. Este modelo trata de
explicar las fuentes de crecimiento económico.6
El modelo de Solow muestra que la acumulación de capital físico no puede sostener por sí sola
el crecimiento. Dados los rendimientos decrecientes del capital, para mantener un aumento
constante de la producción por trabajador es necesario aumentar cada vez más el capital por
trabajador. Llega un momento en el que la sociedad no está dispuesta a ahorrar más (una
proporción mayor del ingreso) e invertir lo suficiente para mantener el crecimiento del capital.
Por tal razón, una de las principales conclusiones del modelo de Solow es que, si bien la
acumulación de capital físico es un factor importante en el crecimiento, no puede explicar el
notable aumento del producto por persona experimentado a lo largo del tiempo por la mayoría
de los países occidentales, ni las enormes diferencias observadas en el producto por persona
entre los distintos países
El modelo de solo se basa en una función de producción agregada con dos factores de
producción el capital físico, K(t), y el trabajo, L(t). 7La función de producción toma la forma:
Y ( t )=F [ K ( t ) , L ( t ) ,t ]Donde la producción depende del tiempo reflejando el efecto del progreso tecnológico, ya que
la tecnología va avanzando con el tiempo. Y(t) representa la producción en el momento t, la cual
se puede consumir, C(t), o puede ser invertida, I(t), para tener mayor capital. El modelo
considera las siguientes consideraciones:
Se considera una economía cerrada por lo tanto la producción es igual al ingreso, y la cantidad
invertida es igual a la cantidad ahorrada.
La tasa de ahorro “s” es exógena, 0 ≤ s≤ 1, no puede ser mayor a uno ya que lo más que
se puede ahorrar es todo el ingreso.
6 Solow planteó un modelo de claras implicaciones neoclásicas, en el que los planes de ahorro e inversión se cumplen de forma simultánea y los mercados se vacían siempre, de forma que el desempleo keynesiano no resulta significativo (un supuesto que parecería razonable en el largo plazo). Solow también supuso que existe una función de producción lineal y homogénea (en logaritmos), y que hay sustituibilidad entre el capital y el trabajo. Por otro lado, postuló que la relación ahorro e ingreso es una constante, lo que puede considerarse como un vestigio keynesiano en el contexto de un modelo neoclásico (Carrillo et. al., 2007).7 También se considera dentro de esta función de producción al factor tecnológico (A), el cual se supone constante.
14
La tasa de depreciación del capital es constante, esto es que cada año se deprecia la
misma cantidad de capital, δ > 0.
La tasa de crecimiento de la población es exógena y constante L̇L=n≥ 0, además
asumiremos que la población es igual a la fuerza laboral y todos trabajan con la misma
intensidad. La población y la fuerza de trabajo está determinada en un momento t por: L ( t )=ent
El incremento neto en el stock de capital físico en un momento del tiempo es igual a la
inversión menos la depreciación:
K̇=I −δK=s ∙ F ( K , L ,t )−δK (2.2)
La ecuación (2.2.) muestra la dinámica del capital. El lado izquierdo de la ecuación indica la
derivada de K̇ con respecto al tiempo, es una manera abreviada de expresar dX (t)
dt
Primero vamos a dejar fuera el progreso tecnológico (es decir F (∙) es independiente de t), más
adelante lo incorporamos al modelo. Esta ecuación determina la pauta de crecimiento en el
tiempo del capital, K, y la producción, Y. Si dividimos ambos lados de la ecuación por L
obtenemos la ecuación (2.3).
K̇L =s ∙ f ( k )−δk (2.3)
Ahora tenemos el stock de capital per cápita. Sin embargo el lado derecho de la ecuación no
está en términos per cápita. Podemos arreglarlo si escribimos K̇L como función de k usando la
condición:
k=d ( K
L)
dt= K̇
L−nk (2.4)
Donde n=LL , si substituimos la ecuación 2.4 en la 2.3 tenemos la ecuación (2.5)
k=s ∙ f (k )−(n+δ)k
Esta vez tanto el lado izquierdo como derecho de nuestra ecuación está en función de k (el
capital per cápita), a la ecuación 2.5 se le llama la ecuación fundamental de Solow, la cual
permite saber cómo cambia el stock de capital per cápita en el tiempo.
15
MARCO LEGAL
1.2.1 Legislación en Construcción Civil en el Perú
La legislación laboral en construcción civil constituye uno de los enclaves dentro del
ordenamiento Laboral Peruano. Dentro del rubro Construcción Civil podemos encontrar las
siguientes leyes, la mayoría de las cuales atañen a todo el sector privado, pero existen algunas
normas específicas del sector construcción, las cuales iremos detallando más adelante:
Decreto Supremo 003-97-TR Ley de Productividad y Competitividad Laboral: Esta
ley describe el marco general de las relaciones a nivel privado entre trabajador y empleador. Su
aplicación es supletoria de determinadas leyes específicas dentro del sector construcción. Los
artículos pertinentes en el tema de la Construcción Civil son los que aluden a las horas
laborales, los derechos que poseen los trabajadores, la imposibilidad de despido arbitrario, la
posibilidad de que en el régimen de construcción civil se considere como un solo paquete una
cantidad de obras, es decir, que los contratistas pueden celebrar múltiples contratos de obra, en
los cuales emplearán a los mismos obreros (o al mismo sindicato) y podrán remunerarlos como
si todo ese conjunto fuera una sola obra.
Ley 15522: Esta ley establece que los trabajadores de las obras hidroeléctricas y afines
serán comprendidos en el régimen especial de la construcción civil.
R.M. 51-96-TR: Adecuación de la Negociación Colectiva de los trabajadores de
construcción civil a los alcances de la ley de Relaciones Colectivas de Trabajo.
D. S. 001- 98- TR Reglamento de Planillas de Pago: Aplicable en sus artículos 4° y
17°. Establece Planillas de Pago especiales para los trabajadores de Construcción Civil, las
cuales reúnen ciertos requisitos adicionales a las Planillas comunes, como por ejemplo, la
posibilidad antes comentada de considerar un conjunto de obras como una sola, el consignar el
número de trabajadores empleados y citar las horas hombre respectivas, describir el tipo de
construcción realizada y el valor de las mismas (si se trata de obras para el estado deberá señalar
el número de registro correspondiente y a qué licitación pertenece, además de señalar si se
cumplió con los plazos establecidos).
Resolución Jefatural N° 161-2001-Jefatura/ONP: Exoneran a trabajadores de
Construcción Civil del Procedimiento de Inscripción y permanencia en el Sistema Nacional de
Pensiones y de Declaración Jurada referidos al Sistema Privado de Pensiones.
Decreto Supremo N° 003 98 SA: Aprueban normas técnicas del seguro
complementario de trabajo de riesgo.
Decreto Supremo 009-97- SA: Reglamento de la Ley de Modernización de la
Seguridad Social en Salud.
16
Decreto Ley 25593 Ley de Relaciones Colectivas de Trabajo: Esta Ley determina el
régimen en el cual los empleadores y los trabajadores negocian las condiciones básicas para el
desempeño de las labores de trabajo. Las principales normas de esta ley hacen referencia a la
relativización del Derecho a la Libertad Sindical y el Derecho de Huelga, pese a que el Perú ha
firmado diferentes convenios internacionales al respecto. El aspecto más controversial de esta
ley radica en que prácticamente ha desaparecido la negociación con gremios por rama de
producción, favoreciendo la negociación con gremio de empresa. Estas medidas afectan
directamente a la Construcción Civil, en cuanto ellos no pueden entablar negociaciones directas,
sino están unidos con otros gremios relacionados al sector construcción.
Decreto Ley 19990: Establece que la edad para la jubilación será de 55 años, siempre y
cuando se cumpla con una aportación de 15 años o un mínimo de 05 en los últimos 10 años
anteriores a la contingencia. Esta ley será de aplicación para aquellos asegurados que al 18 de
diciembre de 1992 reúnan los requisitos de edad y aportaciones.
Decreto Ley 25967: Establece que la edad de jubilación sigue siendo 55 años pero
exige 20 años de aportación o un mínimo de 05 años en los últimos 10 años anteriores a la
contingencia. Será de aplicación para los asegurados que no cumplan con los requisitos
establecidos por el D. Ley 19990.
Res. 059-2000- SUNAT: Esta norma aprobó los formularios para la Declaración de
aportes de los Regímenes especiales de Seguridad Social, entre ellos los trabajadores de
Construcción Civil.
Ley del Seguro Complementario de Riesgo: Esta ley determina la contratación de un
Seguro adicional para determinadas actividades que son consideradas de riesgo o que pueden
generar enfermedades de trabajo –aunque la ley no profundiza este tema- es un seguro estatal,
puesto que las pensiones, prestaciones, etc. serán facilitadas por ESSALUD, aunque no se
descarta que los empleadores puedan contratar una empresa aseguradora privada.
Decreto Supremo N° 012-2001-PCM: Esta ley entra a tallar aquí en cuanto será el
Derecho Administrativo el que regule las modalidades de contratación que posee el Estado para
la construcción de obras públicas, en las cuales la presencia de los obreros de Construcción
Civil resulta vital.
17
I.2 HECHOS ESTILIZADOS
Básicamente, el Índice del Sector Construcción está íntimamente ligado con el Crecimiento del
Sector Construcción, variable que sirve como base para calcular el Índice del mismo, es por ello
que la evidencia empírica presentada a continuación tanto a nivel internacional como nacional
lo tomará como base al Crecimiento del Sector Construcción.
1.2.1 EVIDENCIA EMPÍRICA INTERNACIONAL
Existe una vasta evidencia empírica internacional sobre los determinantes del sector
construcción. La importancia que está adquiriendo el sector construcción en los últimos años, ha
hecho necesario la aplicación de herramientas estadísticas y econométricas que permitan
identificar sus principales factores explicativos e inferir implicancias de política económica,
respectivamente. A continuación, se detallan algunas de las principales investigaciones
econométricas en las que se ha modelado y evaluado los principales determinantes del sector
construcción.
Poterba (1984), realizó un análisis de los factores explicativos del sector vivienda y la actividad
edificadora para la década del setenta en Estados Unidos. Dentro de los hallazgos más
resaltantes de dicha investigación, figuran que las nuevas edificaciones están determinadas
principalmente por el acceso al crédito y el desempeño económico en general. También, pone
de manifiesto la importancia de la inflación en Estados Unidos para estimular la actividad
constructora. Asimismo,
encontró que los precios reales de la vivienda y los créditos domésticos son otros de los
determinantes clave en la decisión de edificar. Por otro lado, la tasa de interés tiende a
desestimular la construcción a medida que la política monetaria se hace más rígida.
Herrera (1988), estimó los determinantes económicos del precio de vivienda en Colombia
durante el periodo 1967-1987. Para ello, partió de un modelo en su forma reducida de
ecuaciones de oferta y demanda. Herrera concluyó que el crédito es una variable significativa en
la explicación del modelo, aunque su influencia tiene un efecto pequeño. De igual forma,
encontró en los ingresos reales uno de los principales determinantes del sector edificador. Por
último, concluyó que los precios relativos de la vivienda del periodo anterior y del siguiente
afectan de manera negativa el área edificada.
Por otro lado, Díaz, Gaitán, Piraquive, Ramírez y Roda (1993); analizaron la evolución de
sector edificador colombiano, su dinámica y su relación de largo plazo con el PBI total de la
economía para el periodo 1950-1991. Para ello, desarrollaron un análisis econométrico de
periodicidad anual y trimestral sobre la actividad constructora en Colombia. En sus resultados,
18
los autores encontraron que el PBI del sector y el PBI total son series estacionarias y, por medio
del test de Granger dieron cuenta que, en el largo plazo, existe una relación de causalidad
significativa que va desde el PBI total de la economía hacia el desempeño de la actividad
constructora y no al contrario. Asimismo, sugieren que el crédito doméstico genera un
importante efecto positivo sobre las licencias de construcción. Finalmente, señalaron que los
ciclos en la actividad edificadora se producen con una duración entre los tres y cuatro años.
Giraldo y Cortés (1994), mostraron la existencia de ciclos económicos en el renglón edificador
y la regularidad con que estos se presentaron entre el periodo 1950 y 1993 en Colombia. Para
ello, realizaron la descomposición de la serie del sector constructor en tendencia y ciclo. Sus
resultados afirman que la actividad edificadora presentó al menos nueve ciclos con una amplitud
no mayor a los 5 años. En sus planteamientos, manifestaron que a partir de 1972 el segmento
edificador sufrió un cambio estructural con la entrada del sistema UPAC.8
Rifflart (1995) analiza los determinantes del sector constructor en los países de la Organización
para la Cooperación Económica y el Desarrollo (OCDE, por sus siglas en inglés) y profundiza
sobre el caso británico. La experiencia de la OCDE indica que los ciclos del sector tienden a
aparecer con una amplitud cercana a los cinco años. Finalmente los resultados del análisis
sugieren que a medida que se incrementa la demanda por edificaciones, los precios tienden a
aumentar en mayor proporción que las nuevas construcciones y las familias se endeudan en una
proporción incluso mayor al crecimiento de la demanda. En cuanto al caso Británico, identificó
que las políticas de estimulo al endeudamiento privado, al lado de las ventajas fiscales
favorecieron el crecimiento de la construcción durante los años ochentas. No obstante, el
sobrecalentamiento de la economía llevó a las autoridades a elevar las tasas de interés a fines
del decenio. El resultado fue el freno de la demanda y estancamiento de la actividad económica,
que llevaron a la baja los precios de la vivienda, y a un endeudamiento superior al valor de las
viviendas que se estaban financiando.
En el mismo año, Junguito, López, Misas y Sarmiento (1995) analizan los determinantes
económicos de la edificación en Colombia para el último quinquenio a través de un modelo de
oferta y demanda. Este estudio evaluó el auge constructor de la época y presenta algunas
proyecciones para el sector a partir de diferentes escenarios de la economía en su conjunto.
Entre los principales resultados encontrados por los autores destacan que el comportamiento del
sector depende en gran medida por los préstamos totales para edificación, del PBI, de la tasa
real de cambio y del nivel de construcción del periodo inmediatamente anterior.
8 UPAC:Unidad de Poder Adquisitivo Constante
19
Por su parte Cárdenas y Bernal (1997), a diferencia de los modelos propuestos en la década de
los ochenta, estimaron una sola ecuación que incluye los determinantes tanto de oferta como de
demanda por construcción en Colombia para el periodo 1988-1995. Los autores presentan su
análisis a través de la medición del desempeño de este sector mediante el uso de las siguientes
variables: las licencias de construcción aprobadas, los despachos de cemento y la cartera total a
los constructores. Los principales hallazgos sugieren que el aumento del crédito doméstico, los
flujos de capital y el PBI repercuten positivamente en el desempeño de la actividad
constructora.
De igual forma, se destaca que la tasa real de colocación de créditos hipotecarios tiene un efecto
negativo en la actividad de la construcción, al igual que un aumento de la inflación. Por último,
los resultados muestran que si aumenta el precio relativo de los arrendamientos con respecto al
IPC, el ritmo de trabajo de los constructores se disminuye. Lo mismo ocurre si se incrementa la
tasa de cambio real; se desacelera la actividad constructora.
Cárdenas, Cadena y Quintero (2004), siguiendo la línea de trabajos anteriores, realizan un
análisis de los determinantes de la actividad constructora en Colombia luego de la recesión de
1998-1999, sugiriendo algunos cambios al conjunto de variables tradicionalmente considerado.
El modelo planteado por estos autores señala los desembolsos de crédito, la tasa hipotecaria, la
tasa de desempleo, las remesas y los flujos de capital al exterior como posibles determinantes de
la demanda por construcciones. La oferta, por su parte, es expresada como una función de los
costos de producción, los desembolsos a constructores, licencias aprobadas y las expectativas de
los agentes acerca de construcción en el país. Para ello, realizaron dos enfoques econométricos:
uno de ecuaciones estimadas simultáneamente por máxima verosimilitud y otra de mínimos
cuadrados indirectos (modelo reducido). Los resultados obtenidos sugieren que la actividad
constructora en Colombia, por el lado de la oferta, está determinada principalmente por costos
de construcción. Por el lado de la demanda, por el financiamiento y los ingresos de los hogares.
Clavijo, Janna y Muñoz (2005), tienen como objetivo, por un lado, proporcionar una visión del
mercado hipotecario en Colombia y su relación con los principales determinantes que se
encuentran en el ámbito internacional. Asimismo, explican los ciclos de los precios hipotecarios
en Colombia para el periodo 1990-2003. Para ello, realizaron un modelo de oferta y demanda
estimado por ecuaciones simultáneas por el método de máxima verosimilitud con información
completa. Los resultados obtenidos indicaron que, por el lado de la demanda, el metraje
construido es bastante elástico al ingreso laboral de los hogares y al precio de la vivienda nueva,
así como a la tasa de interés real. Por el lado de la oferta, se observó una elasticidad alta en los
costos de construcción y un efecto riqueza moderado.
20
Por su parte Cárdenas y Hernández (2006) destacan el impacto positivo de la actividad
constructora sobre la economía colombiana como consecuencia de sus encadenamientos con
otras ramas productivas y enfatizan en la importancia de la construcción como demandante de
mano de obra no calificada. De igual manera, realizan una revisión del desarrollo de la banca
hipotecaria, sistema UPAC, UVR9 y de los determinantes de la actividad constructora
colombiana en el periodo 1985Q1-2005Q1 con datos trimestrales. Para lo último estiman un
modelo de ecuaciones simultáneas. Los resultados econométricos sugieren que, a pesar de la
crisis hipotecaria de 1999, el financiamiento de vivienda tiene un fuerte efecto positivo sobre la
actividad económica, de hecho la magnitud de este efecto no cambió después de la crisis.
Saldarriaga (2006), desarrolló y estimó un modelo econométrico para verificar los
determinantes de la actividad del sector de la construcción en Colombia para el periodo 1998-
2006. El modelo estimado en su versión reducida derivó las siguientes conclusiones: la tasa de
interés activa, de manera persistente, es una variable significativa y con un signo negativo que
confirma la teoría de la inversión. Es decir, a mayores costos de capital el sector se desacelera.
La tasa de inflación, de igual forma, aparece como una variable que el sector constructor percibe
como factor de riesgo y por ende desincentiva la construcción. Finalmente, en cuanto a la
variable créditos hipotecarios, se puede afirmar que es la más robusta y el sector construcción es
más elástico a ellos.
Finalmente; Lis, Campo y Herrera (2012) evaluaron los determinantes de la dinámica de la
construcción en Colombia, durante el periodo 2004Q1 – 2012Q2. Para ello realizaron la
especificación de un modelo de datos de panel a través de series por departamento. Los
resultados del modelo muestran que los coeficientes estimados son significativos al 1%. Llama
mucho la atención el signo del coeficiente asociado al índice de costos de construcción de
vivienda, ya que al estar midiendo el costo de la construcción se esperaría a priori que su signo
sea negativo. Según este resultado, ante un incremento del costo de la construcción de vivienda
en 1%, las licencias de construcción aumentarán 1,85%. Por otra parte, un incremento del
número de desembolsos del 1%, provoca un incremento de las licencias de construcción en
0,70%, lo cual es esperado teóricamente. Finalmente, la elasticidad de las licencias de
construcción de vivienda con respecto a los despachos de cemento gris fue de 0,26.
9 UVR: Unidad de Valor Real
21
1.3.1 EVIDENCIA EMPÍRICA NACIONAL
En el Perú existen instituciones como el Ministerio de Vivienda, Construcción y Saneamiento
(MVCS) y la Cámara Peruana de la Construcción (CAPECO) que estudian al sector de la
construcción a través de diversas formas, ya sea encuestas, perfiles y principales indicadores de
la actividad de construcción. Sin embargo, aún no se han planteado investigaciones de carácter
econométrico en relación a los determinantes del sector construcción en el país.
Sin embargo, se destaca el trabajo empírico de Marcos, Messco, Cabrera y Saavedra (2010)
aplicado a la industria cementera. En él se pone de manifiesto que la producción total de
cemento se incrementó en 4,4% en el 2009, en línea con el incremento del PBI del sector
construcción en 6.1%, en tanto las importaciones de cemento en el año 2009 cayeron en 40,8%
pese a que en el 2007 el gobierno peruano eliminó el arancel a cuatro partidas de cemento. Por
otro lado, a diciembre del 2009 el consumo interno de cemento ascendió a 7,257 mil toneladas
métricas, 4.28% más que el año 2007, ello quiere decir que la participación de la producción
nacional en el consumo interno de cemento se incrementó. Las expectativas de mejoras del
sector son favorables
ya que a pesar de los rezagos de la crisis internacional existe un déficit habitacional y de
infraestructura en el país. Adicionalmente a ello, existe un impulso del gobierno de la
promoción de viviendas de interés social.
22
CAPÍTULO II
MODELO
2.1 ESPECIFICACIÓN
El índice del sector construcción regional en la ciudad de Piura, está determinado por el crédito
en moneda extranjera, del cual se deriva el razonamiento que una mayor demanda de créditos
en moneda extranjera incentivará al crecimiento del mismo. De otro modo, se toma en cuenta la
tasa de interés pasiva en moneda nacional ya que al aumentar el rendimiento de los ahorros en
moneda nacional desincentiva la inversión y por ende el crecimiento del sector construcción,
repercutiendo así en la generación del Índice del mismo para la región. De igual forma se hace
uso de una variable dummy, la cual nos ayudará a explicar un cambio estructural positivo en los
meses de Julio, Agosto y Setiembre del 2013, el cual es debido a una mayor inversión pública
(principalmente, la efectuada por los gobiernos locales), además de la inversión privada en
centros comerciales y proyectos habitacionales de la mano con la expansión del crédito
hipotecario, cuyo saldo a Diciembre mostró un incremento del 15.9 por ciento respecto al
similar mes del año pasado10. Así tenemos que:
Cuya especificación matemática en términos algebraicos es:
ISC t=β1+β2CME t+β3TIPMN t+β4 DU+et
Donde:
ISC t= es el Índice del Sector Construcción
CMEt = es el Crédito en Moneda Extranjera
TIPMN t= es la Tasa Pasiva en Moneda Nacional
D 1= es la Variable Dummy
e t= término de perturbación el cual cumple las siguientes propiedades:
E [et ]=0 ,Var [e t ]=σ2 ,Cov [et , es ]=0 ,∀ t ≠ s
10 Información obtenida de Piura: Síntesis de Actividad Económica Diciembre 2013 del Banco Central de Reserva – Sucursal Piura. Véase Gráfico N° 1 en la sección de Anexos.
23
Así los parámetros tendrán los siguientes signos:
B2>0
B3<0
B4>0
Definición y medición de las variables:
Índice del Sector Construcción11
Crédito en Moneda Extranjera: Préstamo que se solicita a un banco el mismo que es
desembolsado en moneda extranjera, en este caso, dólares ($) para distintos fines
económicos ya sea inversión o consumo. Expresado en miles de dólares.
Tasa de interés en Moneda Nacional: Es la tasa de interés promedio de mercado del
saldo de depósitos recibidos por las empresas bancarias en moneda nacional. La TIPMN se
calcula diariamente considerando el promedio ponderado aritmético de las tasas de las
operaciones pasivas de todas las empresas bancarias y financieras en moneda nacional. Se
consideran los depósitos en cuenta corriente, depósitos de ahorro, certificados de depósitos,
certificados bancarios, cuentas a plazo, depósitos CTS y depósitos en garantía. Esta tasa es
expresada en términos efectivos anuales. Expresada en %.
Variable Dummy (d1): Variable dummy que toma el valor 1 para explicar el cambio
estructural positivo originado en el año 2013, en los meses de Julio, Agosto y Setiembre
debido a las altas de crecimiento del Sector Construcción (especialmente la venta de
despachos de cemento), el cual sirve como base para la elaboración del Índice.
e t: término de perturbación, también conocido como ruido blanco.
2.2 ESTIMACIÓN12
11Dicha variable no es necesario definirla debido a que es una variable generada por el Banco Central de Reserva del Perú (BCRP). Para mayor información de la metodología empleada, véase Anexo eferencial.12 Véase Cuadro N° 1 en la Sección de Anexos.
24
Según la teoría se explica que la variable más importante son los créditos en moneda extranjera
el cual detalla que es principal componente para se genere crecimiento en el Índice del Sector
Construcción, además de la tasa pasiva en moneda nacional incluyendo factores exógenos como
son los cambios estructurales pudiendo ser positivos o negativos. Nuestra estimación se
realizará para el período 2006M01 al 2013M12.
Así los resultados obtenidos son los siguientes:
ISC t=71.05053+0.0000896 CME−5.879483 TIPMN+33.18577 DU
2.3 EVALUACIÓN
2.3.1 EVALUACIÓN ECONÓMICA
CRÉDITO EN MONEDA EXTRANJERA
Ante un aumento del crédito en moneda extranjera de $1,000 el Índice del Sector Construcción
aumentará en 0.0896%.
25
TASA DE INTERÉS PASIVA EN MONEDA NACIONAL
Ante un aumento del 1% en la tasa de interés pasiva en moneda nacional, el Índice del Sector
Construcción en Piura disminuye en 5.88 %. Vemos el amplio impacto que genera la tasa pasiva
en moneda nacional en la incidencia del Índice del Sector Construcción.
VARIABLE DUMMY
La variable Dummy influye de manera positiva en el Índice del Sector Construcción de Piura.
26
2.3.2 EVALUACIÓN ESTADÍSTICA
EVALUACIÓN DE LA NORMALIDAD DEL ERROR13:
H 0 : μt N
H 1: μ t≁N
Chi calculado (Jarque Bera) = 2.027825
Chi critico = 5.991465
Como el Jarque Bera es menor que el Chi crítico se acepta la hipótesis nula, y se afirma que
estadísticamente los errores siguen una distribución de probabilidad normal con lo cual se puede
realizar las pruebas de hipótesis.
EVALUACIÓN INDIVIDUAL:
SIGNIFICANCIA DE LOS CRÉDITOS EN MONEDA EXTRANJERA
H o : β2=0
H 1: β2 ≠ 0
T calculado = 19.36409
T tabular = ± 1.986086
Como la t calculada cae en la región de rechazo, se acepta la hipótesis alternativa y se concluye
que esta variable es significativa para explicar el Índice del Sector Construcción.
SIGNIFICANCIA DE LA TASA DE INTERÉS PASIVA EN MONEDA NACIONAL
H o : β3=0
H 1: β3 ≠ 0
T calculado = -3.832822
T tabular = ± 1.986086
Como la t calculada cae en la región de rechazo, se acepta la hipótesis alternativa y se concluye
que esta variable es significativa para explicar el Índice del Sector Construcción.
13Véase Tabla N° 1 en la Sección de Anexos.
27
SIGNIFICANCIA DE LA VARIABLE DUMMY
Ho : β4=0
H 1: β4≠ 0
T calculado = 5.923450
T tabular = ± 1.986086
Como la t calculada cae en la región de rechazo, se acepta la hipótesis alternativa y se concluye
que esta variable es significativa para explicar el Índice del Sector Construcción.
EVALUACIÓN GLOBAL:
H 0 :B2=0 , B3=0 , B4=0
H 1: B2 ≠ 0 ,B3 ≠ 0 , B4 ≠ 0
F calculado = 253.4192
F critico= 2.703594
Como el F calculado es mayor al F crítico se rechaza la hipótesis nula y se acepta la hipótesis
alternativa, estableciendo que el modelo en su conjunto es estadísticamente significativo para
explicar el Índice del Sector Construcción.
BONDAD DE AJUSTE:
El 89.2051% de las variaciones en el Índice del Sector Construcción están explicados
por las variaciones del Crédito en Moneda Extranjera, la Tasa de Interés Pasiva en
Moneda Nacional y la variable dummy.
ERROR = 0 14
H 0 :e=0
H 1: e≠ 0
La probabilidad calculada es 1 la cual es mayor a la de 0.05, la cual acepta la hipótesis nula y se
concluye que la media del error es igual a 0.
14 Véase Tabla N°2 en la sección de Anexos.
28
2.3.3 EVALUACIÓN ECONOMÉTRICA
2.3.3.1 PROBLEMA DE MULTICOLINEALIDAD:
2.3.3.1.1 TEST DE KLEIN:
Tenemos que √ Ry2= √0.892051 = 0.944485
Si aplicamos el test de Klein es decir comparando el 0.944485 con cada uno de los coeficientes
de correlación 15 de las variables explicativas en el modelo encontramos que existe baja
colinealidad entre cada una de las variables independientes del modelo.
Asimismo, por método de factor de inflación de varianza 16se obtiene que existe un bajo grado
de multicolinealidad entre variables explicativas reafirmando así lo obtenido por el Test de
Klein.
2.3.3.2 PROBLEMA DE HETEROSCEDASTICIDAD:
A continuación se presentaran tres test con diferentes formas funcionales para ver si existe
varianza variable en lo errores se evalúa una hipótesis nula de la existencia de
homoscedasticidad y una hipótesis alternativa de presencia de heteroscedasticidad.
15 Véase Tabla N°3 en la Sección de Anexos.
16 Véase Tabla N°4 en la Sección de Anexos.
29
H 0 :∃homoscedasticidad
H1:∄ homoscedasticidad
2.3.3.2.1 TEST DE BREUSCH-PAGAN-GODFREY:17
H 0 :δ 2=0 , δ3=0 , δ 4=0
H 1: δ2 ≠ 0 , δ3 ≠0 , δ 4 ≠ 0
Probabilidad calculada = 0.5098
Probabilidad crítica = 0.05
Como la probabilidad calculada es mayor a la probabilidad crítica, se acepta la hipótesis nula de
Homoscedasticidad en el modelo.
2.3.3.2.2 TEST DE HARVEY:18
H 0 :δ 2=0 , δ3=0 , δ 4=0H 1: δ2 ≠ 0 , δ3 ≠0 , δ 4 ≠ 0
Probabilidad calculada = 0.3031
Probabilidad crítica = 0.05
Como la probabilidad calculada es mayor a la probabilidad crítica, se acepta la hipótesis nula de
Homoscedasticidad en el modelo.
2.3.3.2.3 TEST DE GLEJSER:19
H 0 :δ 2=0 , δ3=0 , δ 4=0
H 1: δ2 ≠ 0 , δ3 ≠0 , δ 4 ≠ 0
Probabilidad calculada = 0.3246
Probabilidad crítica = 0.05
Como la probabilidad calculada es mayor a la probabilidad crítica, se acepta la hipótesis nula
de Homoscedasticidad en el modelo.
17 Véase Tabla N° 5 en la Sección de Anexos.18 Véase Tabla N° 6 en la Sección de Anexos.19 Véase Tabla N° 7 en la Sección de Anexos.
30
31
2.3.3.2.4 TEST DE ARCH CON UN REZAGO:20
H 0 :δ1=0
H 1: δ1 ≠ 0
Probabilidad calculada = 0.002
Probabilidad crítica = 0.05
Como la probabilidad calculada es menor a la probabilidad crítica, se rechaza la hipótesis nula y
se concluye la presencia de heteroscedasticidad en el modelo.
2.3.3.2.5 TEST DE WHITE21:
H 0 :δ1=δ 2=δ3=…=δ22=0
H 1: δ1 ≠ 0 , δ2≠ 0 , δ 3≠ 0 ,…δ 22≠ 0
Probabilidad calculada = 0.0008
Probabilidad crítica = 0.05
Como la probabilidad calculada es menor a la probabilidad crítica, se rechaza la hipótesis nula y
se concluye la presencia de heteroscedasticidad en el modelo.
20 Véase Tabla N° 8 en la Sección de Anexos.21 Véase Tabla N° 9 en la sección de Anexos.
32
2.3.3.3 PROBLEMA DE AUTOCORRELACIÓN:
Observando el correlograma 22 podemos concluir que existe autocorrelación de primer:
Por el método gráfico también se puede observar la presencia de autocorrelación, pero a
continuación se demostrará cuantitativamente:
AUTOCORRELACIÓN DE PRIMER ORDEN:23
H 0 : ρ=0
H 1: ρ≠ 0
Con una probabilidad menor al 5% se rechaza la hipótesis nula y se concluye que si existe
autocorrelación positiva de primer orden.
2.4 CORRECIÓN DEL MODELO22 Véase Tabla N° 10 en la sección de Anexos.23 Véase Gráfico N° 2 en la Sección de Anexos.
33
Se tiene que el modelo presenta significancia individual para cada una de sus tres variables
explicativas, lo mismo ocurre con la significancia grupal. También se obtiene que el modelo es
heteroscedástico, problema a corregirse utilizando Mínimos Cuadrados Generalizados.
Una vez corregido el problema de heteroscedasticidad se corregirá la existencia de
autocorrelación y de primer orden.
2.4.1 CORRECCIÓN DE HETEROSCEDASTICIDAD Y
AUTOCORRELACIÓN:24
Se corrige la autocorrelación del modelo empleando el esquema 1 por las primeras diferencias y
el resultado es el siguiente:
ISC t=68.34879+0.0000937 CME−6.018875 TIPMN+26.87450 DU
Se tiene que mediante la corrección el signo de los parámetros siguen siendo los correctos,
además que se ajustó el valor de los coeficientes. Por otro lado la bondad de ajuste aumentó a
93.6604% acercándose casi al 100% por lo que es error es muy bajo, lo cual evidencia una
correcta especificación del modelo y de la buena calidad de datos que se usó en el mismo.
También con el uso de las pruebas de multicolinealidad, 25heteroscedasticidad26 y
autocorrelación27 se demostró que no existen estos problemas en el modelo corregido. Además
que las variables Créditos en Moneda Extranjera y la variable dummy son significativas al 5% y
la variable Tasa de interés pasiva en moneda nacional es significativa al 10%.
3. PREDICCIÓN
Se tiene que para la predicción se tendrá el histórico:
3.1 PREDICCIÓN HISTÓRICA:
La U de Theil es cercana a cero, por lo que esto indica que es una buena predicción, analizamos
los componentes de Theil podemos observar que los componentes por ejemplo el sesgo es bajo
(0.002368), la varianza es pequeña cercana a 0 y la covarianza es alta, cercana a 1, por lo que el
modelo predice bien.
También si observamos la tendencia es bastante parecida con los mismos picos y caídas y con
la misma tendencia al largo plazo.
24 Véase Tabla N°11 en la Sección de Anexos.25 Véase Tabla N° 12 en la sección de Anexos26 Véase Tabla N° 13 en la sección de Anexos27 Véase Tabla N° 14 en la sección de Anexos
34
Elaboración: Propia
Se tiene que al analizar el gráfico con los verdaderos valores. Se tiene que ambos siguen una
misma tendencia por lo que se acepta el pronóstico histórico para los años de 2006 al 2013,
además se observa que esta tendencia ascendiente del Índice del Sector Construcción en Piura
en el año 2009 creció a grandes escalas en lo que al primer y segundo trimestre se refiere, pero
en el tercero y cuarto trimestre presentó quiebres significativos, esto es explicado por la crisis
financiera internacional de Estados Unidos que se inició en el 2008 pero que sus repercusiones
en el Perú se sintieron hasta mediados recién del 2009.
Elaboración: Propia
35
CONCLUSIONES
El crédito en moneda extranjera, la tasa de interés pasiva en moneda nacional y el boom del
sector construcción en los meses de Julio, Agosto y Setiembre del año 2013 resultaron
significativas para explicar el Índice del Sector Construcción y cumplieron con los parámetros y
signos establecidos por la teoría económica. Además, lo que hizo posible la realización de las
pruebas de hipótesis estuvo explicada por los errores que seguían una distribución normal.
Además el modelo estimado presentó ciertos problemas econométricos como
heteroscedasticidad y autocorrelación que fueron corregidos satisfactoriamente por diversos
métodos a lo largo del presente trabajo de investigación. Así también la suma promedio de los
errores es 0. Cumpliéndose con ello con los supuestos del modelo estadístico lineal general.
Por lo tanto las variables especificadas son los principales determinantes del Índice del Sector
Construcción en Piura, pues el pronóstico nos dice que el comportamiento del modelo estimado
se aproxima en gran porcentaje a la verdadera trayectoria de esta variable. Entonces en base a
este modelo se puede realizar implicancias de políticas sobre las variables explicativas para
incentivar el Índice del Sector Construcción.
Finalmente, el modelo especificado tiene fuerte sustento tanto teórico como empírico
evidenciado por la intensiva revisión de literatura en entidades públicas como el Banco Central
de Reserva (BCRP) – Filial Piura, el Instituto Nacional de Estadística e Informática (INEI), lo
cual nos generó resultados consistentes y confiables que pueden servir como base para futuras
investigaciones acerca del Índice del Sector Construcción.
36
BIBLIOGRAFÍA
Alfaro Félix, O. C. (2008). La Calidad en el Sector Construcción: El Sector Construcción.
Sistemas de Aseguramiento de la Calidad en la Construcción (pp. 33-35). Perú: Pontificia
Universidad Católica del Perú.
Arce Manrique, S. (2009). Identificación de los Principales Problemas en la Logística de
Abastecimiento de las Empresas Constructoras Bogotanas y Propuesta de Mejoras. Bogotá, pp.
35-36, Pontificia Universidad Javeriana. Banco Central de Reserva del Perú. Principales
Estadísticas de Variables Económicas. Banco Central de Reserva del Perú (BCRP). Memoria
2012. Sectores productivos. p.39
Camacol. (2008). “El sector de la construcción en Colombia: hechos estilizados y principales
determinantes del nivel de actividad”. Informes economicos. Recuperado Diciembre 10 del
2015 www.camacol.org
Cuartas Arcila, M. (2009). El sector de la construcción, características y generalidades. La
construcción como sector líder. p1-20.
Corporación de Desarrollo Tecnológico. (2008). Informe final: Estudio de competitividad del
sector construcción. Santiago, Chile. p.14 Centro de Estudios y Desarrollo de Tecnología y
Producción. Calidad en el sector construcción. Universidad de Palermo. Grupo Construya, p.9-
11.
Cámara Salvadoreña de la Construcción (2005). Cap I: Generalidades del Sector Construcción
en el Salvador. p.1-6
Campos, E. y Carcelén, C. (2003). Diseño e implementación de una estructura organizativa y
aplicación de las técnicas de personal en una empresa constructora y de alquiler de maquinaria.
Universidad de Piura. Piura, Perú. p.1-46
Cardenas, M. y Bernal, R. (1997). “Auge y crisis de la construccion en Colombia: causas y
consecuencias”. Revista Camacol, Vol. 1, N°. 1, p.8-32. Cárdenas, M.; Cadena, X. y Quintero,
J. F. (2004). “Determinantes de la Actividad Constructora en Colombia”. Estudio realizado por
Fedesarrollo para la Constructora Colpatria.
Cardenas, M. y Hernandez, M. (2006). “El sector financiero y la vivienda”. Estudio realizado
por Fedesarrollo para Asobancaria
37
Clavijo, S., Janna, M., Munoz, S. (2005). “La vivienda en Colombia: sus determinantes
socioeconómicos y financieros”. Desarrollo y Sociedad, N°. 55, p.101-164.
Demers F. (2005). Modelling and Forecasting Housing Investment: The Case of Canada. Bank
of Canada, p.1-25.
Diaz, J., Gaitan, F., Piraquive, G., Ramirez, M. y Roda, P. (1994). “Dinamica de la construccion
entre 1950 y 1991”. Planeacion y Desarrollo, Vol. 24, N°. 2, 265-287.
Faizal, N.(2010). Construction Industry and its Characteristics.
http://kumahauing.wordpress.com/2010/11/13/construction-industry-and-itscharacteristics/
Ferrada, X & Serpell, A. (2009). La Gestión del Conocimiento y la Industria de la
Construcción. Revista de la Construcción, vol 8, Num 1, pp. 46-58. Pontificia Universidad
Católica de Chile.
Fundación Laboral de la Construcción (2002). Estudio del Sector de la Construcción.
Documento de síntesis. Acciones complementarias. p.8-9
http://www.fundaciontripartita.org/almacenv/webpubpro/textbase/aacc02/anexos/20020196.pdf
Giraldo, F. (1987). “La Construccion de Vivienda y su Importancia Macroeconomica”. En:
Revista Camacol, (Marzo) N° 30.
Giraldo, F. y Cortes, J. C. (1994). “Los ciclos de la edificacion en Colombia: 1950- 1993”.
Revista Camacol, N°. 60, 21-41.
Gutiérrez, A. y Oliva, E. (2011). El sector de la construcción en Perú. Oficina Económica y
Comercial de la Embajada de España en Lima. Informes Sectoriales, p.9-14.
Herrera, S. (1988). “Notas sobre algunos aspectos del mercado de la edificación en Colombia”.
Revista Camacol, N°. 41, p.16-21.
Instituto de Desarrollo Industrial, Tecnológico y de Servicios (2007). Informe final: Sector
construcción. Parte I. Argentina. p.1-11.
38
Instituto de Estudios Sindicales. (2012). Sector de la construcción: Producción - Condiciones de
trabajo - Inversiones. Serie: Documentos de trabajo Nº 2, p.1.
Ruggirello, H. y Pérez G. (2012). El Sector de la Construcción en perspectiva Internalización e
impacto en el mercado de trabajo. 1ra ed, Buenos Aires, p.3-10
Saldarriaga, E. (2006). “Determinantes del sector de la construccion en Colombia”. Recuperado
marzo 10, 2010. p.6-32. http://www.onuhabitat.org.
Sierra, L.; Peláez, J. y Ahcar, J. (2010). “The building sector in Cali (Colombia): An economic
review to its recent evolution and major determinants”. Universidad de Antioquia. Perfil de
coyuntura económica, N° 15. p.119-132.
Umaña Hernández, Y. (2003). El sector de la construcción: Un Sector líder. Superintendencia
Bancaria de Colombia, p.1-4 Universidad Francisco Gavidia (s.f). Capítulo I: Generalidades del
Sector Construcción en el Salvador. Importancia de la Industria de la Construcción. p. 5-6
http://wwwisis.ufg.edu.sv/wwwisis/documentos/TE/624-C223d/624-C223d -CAPITULO
%20I.pdf
39
ANEXOS
REFERENCIAL
La actividad Constructora, comprende la construcción de obras nuevas, reformas y reparación
de:
1. Viviendas para uso exclusivo de habitación residencial (vivienda de concreto y no concreto)
2. Edificios, para uso comercial, industrial, hospitalario, agropecuarios, etc, tanto público como
privado.
3. Otras Construcciones, las relacionadas con las comunicaciones y transporte, obras hidráulicas
destinadas a la electrificación, obras de urbanización y saneamiento, obras portuarias y
marítimas y de otros tipos.
4. Mejoramiento de Tierras que son obras relacionadas con la irrigación y desecación de tierras,
obras hidráulicas con fines agrícolas, levantamiento de diques y muros, reforestación de tierras
y otras obras relacionadas a la mejora y preservación de tierras.
Cobertura y periodicidad
La información sobre la actividad constructora tiene una cobertura nacional y el cálculo se
realiza mensualmente.
Fuentes de información
La información base para la estimación de la actividad construcción, la constituyen los
despachos de cemento, dicha información se obtiene de las empresas productoras de cemento y
para las exportaciones e importaciones de cemento se dispone de la base de datos
proporcionadas por SUNAT.
Otras fuentes de información son el Programa de Provías Nacional que informa sobre la
construcción, rehabilitación y mantenimiento de la red vial nacional y carreteras, y el Programa
de Provías Descentralizado que informa sobre la construcción, rehabilitación y mantenimiento
de la red vial departamental, caminos vecinales, caminos rurales y rehabilitación de trocha
carrozable, ambos programas pertenecientes al Ministerio de Transportes y Comunicaciones,
que proporcionan los gastos ejecutados en obras.
Metodología de cálculo 28
Para la medición coyuntural del Sector, la actividad productiva se ha agregado de la siguiente
manera:
Obras de Concreto, son aquellas que tienen como insumo principal el cemento,
28 Véase Gráfico N° 3 en la sección de Anexos.
40
Obras de No Concreto, son las que emplean como insumo principal otros materiales
diferentes al cemento.
Caminos Rurales, son las obras dedicadas al mantenimiento y rehabilitación de
carreteras y caminos rurales.
Cálculo del Índice de Volumen Físico del Sector Construcción
El Índice de Volumen Físico del Sector Construcción se calcula a partir de la agregación
ponderada de los Índices calculados para cada uno de sus componentes.
i. Para el cálculo del Índice de Obras de Concreto (IOC), se utiliza la evolución mensual del
consumo interno de cemento, medido en toneladas:
ii. Para el cálculo del Índice de Obras de No Concreto (IONC), se utiliza la tasa de crecimiento
anual de este tipo de vivienda, de la Encuesta Nacional de Hogares.
iii. Para el cálculo del Índice del Avance Físico de Obras (IAFO), se establece en primer lugar
el valor de la ejecución presupuestal de gastos mensuales en la construcción, rehabilitación y
mantenimiento de carreteras y caminos, que es deflactado con el Índice de Precios de Materiales
de Construcción con año base 1994. Luego se calcula el Índice del volumen físico:
El Índice del Sector Construcción (IC) se calcula de la siguiente manera:
41
Donde:
W (oc) = Ponderación de obras de concreto.
W (nc) = Ponderación de obras de no concreto
W (afo) = Ponderación del avance físico de obras.
TABLAS
TABLA N° 1
Dependent Variable: ISC_SAMethod: Least SquaresDate: 12/14/15 Time: 23:28Sample: 2006M01 2013M12Included observations: 96White heteroskedasticity-consistent standard errors & covariance
Variable Coefficient Std. Error t-Statistic Prob.
C 71.05053 6.417030 11.07218 0.0000CME* 8.96E-05 5.21E-06 17.19084 0.0000
TIPMN* -5.879483 1.312012 -4.481274 0.0000D1* 33.18577 2.419153 13.71793 0.0000
R-squared 0.892051 Mean dependent var 121.4762Adjusted R-squared 0.888531 S.D. dependent var 27.52207S.E. of regression 9.188771 Akaike info criterion 7.314615Sum squared resid 7767.883 Schwarz criterion 7.421463Log likelihood -347.1015 Hannan-Quinn criter. 7.357805F-statistic 253.4192 Durbin-Watson stat 0.707960Prob(F-statistic) 0.000000 Wald F-statistic 702.3508Prob(Wald F-statistic) 0.000000
Elaboración: Propia
* significativa al 5%
42
TABLA N° 2
Elaboración: Propia
TABLA N°3
Hypothesis Testing for RESID01Date: 12/12/15 Time: 15:41Sample: 2006M01 2013M12Included observations: 96Test of Hypothesis: Mean = 0.000000
Sample Mean = 4.81e-16Sample Std. Dev. = 9.042521
Method Value Probabilityt-statistic 5.21E-16 1.0000
Elaboración: Propia
TABLA N° 4
Covariance Analysis: OrdinaryDate: 12/12/15 Time: 15:40Sample: 2006M01 2013M12Included observations: 96
Correlationt-StatisticProbability CME TIPMN D1
CME 1.000000----- -----
TIPMN -0.484410 1.000000-5.368436 -----
0.0000 -----
D1 0.268721 -0.089327 1.0000002.704835 -0.869529 -----
43
0.0081 0.3868 -----
Elaboración: Propia
TABLA N° 5
Variance Inflation FactorsDate: 12/12/15 Time: 15:38Sample: 2006M01 2013M12Included observations: 96
Coefficient Uncentered CenteredVariable Variance VIF VIF
C 41.98467 47.73612 NACME 2.14E-11 14.26394 1.400344
TIPMN 2.353103 20.49486 1.309674D1 31.38732 1.115220 1.080369
Elaboración: Propia
TABLA N° 6
Heteroskedasticity Test: Breusch-Pagan-Godfrey
F-statistic 0.776912 Prob. F(3,92) 0.5098Obs*R-squared 2.371980 Prob. Chi-Square(3) 0.4989Scaled explained SS 1.414925 Prob. Chi-Square(3) 0.7020
Test Equation:Dependent Variable: RESID^2Method: Least SquaresDate: 12/12/15 Time: 15:46Sample: 2006M01 2013M12Included observations: 96
Variable Coefficient Std. Error t-Statistic Prob.
C 119.1850 65.60515 1.816701 0.0725CME -2.33E-05 4.68E-05 -0.497666 0.6199
TIPMN -7.127710 15.53149 -0.458920 0.6474D1 -71.49006 56.72437 -1.260306 0.2107
R-squared 0.024708 Mean dependent var 80.91545Adjusted R-squared -0.007095 S.D. dependent var 92.70748S.E. of regression 93.03578 Akaike info criterion 11.94462Sum squared resid 796320.3 Schwarz criterion 12.05147Log likelihood -569.3417 Hannan-Quinn criter. 11.98781F-statistic 0.776912 Durbin-Watson stat 1.190755Prob(F-statistic) 0.509820
Elaboración: Propia
44
TABLA N° 7
Heteroskedasticity Test: Harvey
F-statistic 1.230785 Prob. F(3,92) 0.3031Obs*R-squared 3.704225 Prob. Chi-Square(3) 0.2952Scaled explained SS 3.437815 Prob. Chi-Square(3) 0.3289
Test Equation:Dependent Variable: LRESID2Method: Least SquaresDate: 12/12/15 Time: 15:48Sample: 2006M01 2013M12Included observations: 96
Variable Coefficient Std. Error t-Statistic Prob.
C 2.876086 1.511515 1.902784 0.0602CME 3.60E-07 1.08E-06 0.333806 0.7393
TIPMN 0.073068 0.357839 0.204192 0.8387D1 -2.485721 1.306905 -1.901990 0.0603
R-squared 0.038586 Mean dependent var 3.255988Adjusted R-squared 0.007235 S.D. dependent var 2.151302S.E. of regression 2.143505 Akaike info criterion 4.403535Sum squared resid 422.7044 Schwarz criterion 4.510383Log likelihood -207.3697 Hannan-Quinn criter. 4.446725F-statistic 1.230785 Durbin-Watson stat 1.848685Prob(F-statistic) 0.303090
Elaboración: Propia
TABLA N° 8
Heteroskedasticity Test: Glejser
F-statistic 1.172432 Prob. F(3,92) 0.3246Obs*R-squared 3.535070 Prob. Chi-Square(3) 0.3162Scaled explained SS 3.029373 Prob. Chi-Square(3) 0.3871
Test Equation:Dependent Variable: ARESIDMethod: Least SquaresDate: 12/12/15 Time: 15:48Sample: 2006M01 2013M12Included observations: 96
Variable Coefficient Std. Error t-Statistic Prob.
C 8.994065 3.624917 2.481178 0.0149CME -4.28E-07 2.59E-06 -0.165509 0.8689
TIPMN -0.418870 0.858170 -0.488097 0.6266D1 -5.446960 3.134222 -1.737899 0.0856
R-squared 0.036824 Mean dependent var 7.390738Adjusted R-squared 0.005416 S.D. dependent var 5.154532S.E. of regression 5.140556 Akaike info criterion 6.152973Sum squared resid 2431.129 Schwarz criterion 6.259821
45
Log likelihood -291.3427 Hannan-Quinn criter. 6.196163F-statistic 1.172432 Durbin-Watson stat 1.341795Prob(F-statistic) 0.324629
Elaboración: Propia
TABLA N° 9
Heteroskedasticity Test: ARCH
F-statistic 15.03853 Prob. F(1,93) 0.0002Obs*R-squared 13.22362 Prob. Chi-Square(1) 0.0003
Test Equation:Dependent Variable: RESID^2Method: Least SquaresDate: 12/14/15 Time: 22:34Sample (adjusted): 2006M02 2013M12Included observations: 95 after adjustments
Variable Coefficient Std. Error t-Statistic Prob.
C 49.31804 11.03335 4.469906 0.0000RESID^2(-1) 0.347542 0.089620 3.877954 0.0002
R-squared 0.139196 Mean dependent var 77.47315Adjusted R-squared 0.129940 S.D. dependent var 86.81278S.E. of regression 80.97636 Akaike info criterion 11.64702Sum squared resid 609816.9 Schwarz criterion 11.70079Log likelihood -551.2334 Hannan-Quinn criter. 11.66874F-statistic 15.03853 Durbin-Watson stat 2.032599Prob(F-statistic) 0.000196
Elaboración: Propia
TABLA N° 10
Heteroskedasticity Test: White
F-statistic 3.760129 Prob. F(8,87) 0.0008Obs*R-squared 24.66479 Prob. Chi-Square(8) 0.0018Scaled explained SS 14.71295 Prob. Chi-Square(8) 0.0650
Test Equation:Dependent Variable: RESID^2Method: Least SquaresDate: 12/14/15 Time: 22:52Sample: 2006M01 2013M12Included observations: 96Collinear test regressors dropped from specification
Variable Coefficient Std. Error t-Statistic Prob.
C 2209.031 579.7399 3.810383 0.0003CME^2 1.18E-09 3.19E-10 3.700112 0.0004
46
CME*TIPMN 0.000907 0.000234 3.875314 0.0002CME*D1 4.38E-05 0.014065 0.003114 0.9975
CME -0.004282 0.001005 -4.260091 0.0001TIPMN^2 -45.92312 21.98230 -2.089096 0.0396
TIPMN*D1 63.11981 6021.194 0.010483 0.9917TIPMN -390.1138 183.1102 -2.130487 0.0360D1^2 -276.5232 27636.00 -0.010006 0.9920
R-squared 0.256925 Mean dependent var 80.91545Adjusted R-squared 0.188596 S.D. dependent var 92.70748S.E. of regression 83.50901 Akaike info criterion 11.77685Sum squared resid 606716.6 Schwarz criterion 12.01725Log likelihood -556.2886 Hannan-Quinn criter. 11.87402F-statistic 3.760129 Durbin-Watson stat 1.499297Prob(F-statistic) 0.000798
Elaboración: Propia
TABLA N° 11
Dependent Variable: RESID02
Method: Least Squares
Date: 12/12/15 Time: 13:05
Sample (adjusted): 2006M02 2013M12
Included observations: 95 after adjustments
Variable Coefficient Std. Error t-Statistic Prob.
RESID02(-1) 0.620878 0.077927 7.967442 0.0000
R-squared 0.402751 Mean dependent var 0.212604
Adjusted R-squared 0.402751 S.D. dependent var 8.845996
S.E. of regression 6.836353 Akaike info criterion 6.692857
Sum squared resid 4393.158 Schwarz criterion 6.719739
Log likelihood -316.9107 Hannan-Quinn criter. 6.703719
Durbin-Watson stat 2.085478
Elaboración: Propia
TABLA N° 12 – MODELO CORREGIDO DE HETEROSCEDASTICIDAD Y AUTOCORRELACIÓN
Dependent Variable: ISC_SAMethod: ARMA Generalized Least Squares (BFGS)Date: 12/14/15 Time: 17:35Sample: 2006M01 2013M12Included observations: 96Convergence achieved after 6 iterations
47
Coefficient covariance computed using outer product of gradientsd.f. adjustment for standard errors & covariance
Variable Coefficient Std. Error t-Statistic Prob.
C 68.34879 13.16355 5.192275 0.0000CME* 9.37E-05 9.42E-06 9.949311 0.0000
TIPMN** -6.018875 3.180322 -1.892536 0.0616D1* 26.87450 5.528413 4.861160 0.0000
AR(1) 0.669113 0.080551 8.306681 0.0000
R-squared 0.936604 Mean dependent var 121.4762Adjusted R-squared 0.933818 S.D. dependent var 27.52207S.E. of regression 7.080300 Akaike info criterion 6.809372Sum squared resid 4561.889 Schwarz criterion 6.942932Log likelihood -321.8498 Hannan-Quinn criter. 6.863359F-statistic 336.1078 Durbin-Watson stat 2.132535Prob(F-statistic) 0.000000
Inverted AR Roots .67
Elaboración: Propia
* significativa al 5%
* significativa al 10%
TABLA N° 13 – PROBLEMA DE MULTICOLINEALIDAD MODELO CORREGIDO (TEST
DE KLEIN)
√R y2=√0.936604= 0.967783
Comparando este resultado de 0.967783 con cualquier coeficiente de correlación de las
variables explicativas se observa que la multicolinealidad es baja y no genera problemas en el
modelo.
Covariance Analysis: OrdinaryDate: 12/12/15 Time: 16:00Sample: 2006M01 2013M12Included observations: 96
Correlationt-StatisticProbability CME TIPMN D1
CME 1.000000----- -----
TIPMN -0.484410 1.000000-5.368436 -----
0.0000 -----
D1 0.268721 -0.089327 1.0000002.704835 -0.869529 -----
0.0081 0.3868 -----
48
Elaboración: Propia
TABLA N° 14 – PROBLEMA DE HETEROSCEDASTICIDAD MODELO CORREGIDO
(TEST DE BREUSCH-PAGAN-GODFREY)
Heteroskedasticity Test: Breusch-Pagan-Godfrey
F-statistic 1.131139 Prob. F(3,92) 0.3407Obs*R-squared 3.414996 Prob. Chi-Square(3) 0.3320Scaled explained SS 2.038230 Prob. Chi-Square(3) 0.5645
Test Equation:Dependent Variable: RESID^2Method: Least SquaresDate: 12/14/15 Time: 23:38Sample: 2006M01 2013M12Included observations: 96
Variable Coefficient Std. Error t-Statistic Prob.
C 70.42985 38.74487 1.817785 0.0724CME 9.50E-06 2.77E-05 0.343250 0.7322
TIPMN -10.67494 9.172532 -1.163795 0.2475D1 -39.29915 33.50008 -1.173106 0.2438
R-squared 0.035573 Mean dependent var 47.51967Adjusted R-squared 0.004124 S.D. dependent var 55.05841S.E. of regression 54.94475 Akaike info criterion 10.89131Sum squared resid 277741.2 Schwarz criterion 10.99816Log likelihood -518.7827 Hannan-Quinn criter. 10.93450F-statistic 1.131139 Durbin-Watson stat 2.094315Prob(F-statistic) 0.340702
Elaboración: Propia
Debido a que la probabilidad es mayor al 5% se acepta la hipótesis nula y se concluye la
presencia de homoscedasticidad de los términos de error del modelo.
TEST DE HARVEY – MODELO CORREGIDO
Heteroskedasticity Test: Harvey
F-statistic 1.496149 Prob. F(3,92) 0.2208Obs*R-squared 4.465726 Prob. Chi-Square(3) 0.2154Scaled explained SS 3.993686 Prob. Chi-Square(3) 0.2621
Test Equation:Dependent Variable: LRESID2Method: Least SquaresDate: 12/14/15 Time: 23:39Sample: 2006M01 2013M12Included observations: 96
Variable Coefficient Std. Error t-Statistic Prob.
49
C 3.070346 1.477616 2.077905 0.0405CME 7.16E-07 1.06E-06 0.678814 0.4990
TIPMN -0.264567 0.349814 -0.756310 0.4514D1 -2.306314 1.277596 -1.805199 0.0743
R-squared 0.046518 Mean dependent var 2.810484Adjusted R-squared 0.015426 S.D. dependent var 2.111784S.E. of regression 2.095433 Akaike info criterion 4.358171Sum squared resid 403.9572 Schwarz criterion 4.465019Log likelihood -205.1922 Hannan-Quinn criter. 4.401361F-statistic 1.496149 Durbin-Watson stat 2.044262Prob(F-statistic) 0.220829
Elaboración: Propia
Debido a que la probabilidad es mayor al 5% se acepta la hipótesis nula y se concluye la
presencia de homoscedasticidad de los términos de error del modelo.
TEST DE GLEJSER – MODELO CORREGIDO
Heteroskedasticity Test: Glejser
F-statistic 1.385031 Prob. F(3,92) 0.2523Obs*R-squared 4.148392 Prob. Chi-Square(3) 0.2459Scaled explained SS 3.330141 Prob. Chi-Square(3) 0.3435
Test Equation:Dependent Variable: ARESIDMethod: Least SquaresDate: 12/14/15 Time: 23:40Sample: 2006M01 2013M12Included observations: 96
Variable Coefficient Std. Error t-Statistic Prob.
C 7.026360 2.694394 2.607770 0.0106CME 9.50E-07 1.92E-06 0.493610 0.6228
TIPMN -0.699740 0.637876 -1.096985 0.2755D1 -3.438112 2.329661 -1.475799 0.1434
R-squared 0.043212 Mean dependent var 5.735530Adjusted R-squared 0.012013 S.D. dependent var 3.844125S.E. of regression 3.820966 Akaike info criterion 5.559657Sum squared resid 1343.180 Schwarz criterion 5.666505Log likelihood -262.8635 Hannan-Quinn criter. 5.602847F-statistic 1.385031 Durbin-Watson stat 2.112918Prob(F-statistic) 0.252336
Elaboración: Propia
Debido a que la probabilidad es mayor al 5% se acepta la hipótesis nula y se concluye la
presencia de homoscedasticidad de los términos de error del modelo.
50
TEST DE ARCH CON UN REZAGO – MODELO CORREGIDO
Heteroskedasticity Test: ARCH
F-statistic 0.377971 Prob. F(1,93) 0.5402Obs*R-squared 0.384536 Prob. Chi-Square(1) 0.5352
Test Equation:Dependent Variable: RESID^2Method: Least SquaresDate: 12/14/15 Time: 23:40Sample (adjusted): 2006M02 2013M12Included observations: 95 after adjustments
Variable Coefficient Std. Error t-Statistic Prob.
C 48.90304 7.263666 6.732556 0.0000RESID^2(-1) -0.061275 0.099668 -0.614793 0.5402
R-squared 0.004048 Mean dependent var 45.96956Adjusted R-squared -0.006661 S.D. dependent var 53.20290S.E. of regression 53.37981 Akaike info criterion 10.81357Sum squared resid 264994.6 Schwarz criterion 10.86734Log likelihood -511.6446 Hannan-Quinn criter. 10.83530F-statistic 0.377971 Durbin-Watson stat 1.960327Prob(F-statistic) 0.540193
Elaboración: Propia
Debido a que la probabilidad es mayor al 5% se acepta la hipótesis nula y se concluye la
presencia de homoscedasticidad de los términos de error del modelo.
TEST DE WHITE – MODELO CORREGIDO
Heteroskedasticity Test: White
F-statistic 1.563382 Prob. F(14,81) 0.1080Obs*R-squared 20.42220 Prob. Chi-Square(14) 0.1174Scaled explained SS 12.18893 Prob. Chi-Square(14) 0.5911
Test Equation:Dependent Variable: RESID^2Method: Least SquaresDate: 12/14/15 Time: 23:41Sample: 2006M01 2013M12Included observations: 96Collinear test regressors dropped from specification
Variable Coefficient Std. Error t-Statistic Prob.
C 12.96682 31.07760 0.417240 0.6776GRADF_01^2 91287.54 103357.6 0.883220 0.3797
GRADF_01*GRADF_02 -0.089909 0.198739 -0.452399 0.6522
51
GRADF_01*GRADF_03 -32410.91 33600.55 -0.964595 0.3376GRADF_01*GRADF_04 -5228640. 5149972. -1.015276 0.3130GRADF_01*GRADF_05 1193.688 580.3074 2.056992 0.0429
GRADF_02^2 5.75E-08 7.20E-08 0.798674 0.4268GRADF_02*GRADF_03 0.004254 0.041204 0.103253 0.9180GRADF_02*GRADF_04 3.534600 3.403090 1.038644 0.3021GRADF_02*GRADF_05 -0.000754 0.000401 -1.878469 0.0639
GRADF_03^2 4708.903 4640.648 1.014708 0.3133GRADF_03*GRADF_04 588952.3 662267.8 0.889296 0.3765GRADF_03*GRADF_05 -210.1340 141.1247 -1.488995 0.1404
GRADF_04^2 39971.98 37547.31 1.064577 0.2902GRADF_05^2 -4.872349 2.966892 -1.642240 0.1044
R-squared 0.212731 Mean dependent var 47.51967Adjusted R-squared 0.076660 S.D. dependent var 55.05841S.E. of regression 52.90594 Akaike info criterion 10.91751Sum squared resid 226722.1 Schwarz criterion 11.31819Log likelihood -509.0404 Hannan-Quinn criter. 11.07947F-statistic 1.563382 Durbin-Watson stat 2.221113Prob(F-statistic) 0.107982
Elaboración: Propia
Debido a que la probabilidad es mayor al 5% se acepta la hipótesis nula y se concluye la
presencia de homoscedasticidad de los términos de error del modelo.
EVALUACIÓN DE LA DISTRIBUCIÓN NORMAL DEL ERROR DEL MODELO
CORREGIDO
H 0 : μt N
H 1: μ t≁N
Chi calculado (Jarque Bera) = 1.805643
Chi critico = 5.991465
Como el Jarque Bera es menor que el Chi crítico se acepta la hipótesis nula, y se afirma que
estadísticamente los errores siguen una distribución de probabilidad normal con lo cual se puede
realizar las pruebas de hipótesis.
52
Elaboración: Propia
EVALUACIÓN DE PROBLEMA DE AUTOCORRELACIÓN DE SEGUNDO ORDEN –
MODELO CORREGIDO
Dependent Variable: RESID01Method: Least SquaresDate: 12/14/15 Time: 23:58Sample (adjusted): 2006M03 2013M12Included observations: 94 after adjustments
Variable Coefficient Std. Error t-Statistic Prob.
RESID01(-1) -0.090754 0.103551 -0.876422 0.3831RESID01(-2) 0.111370 0.102156 1.090201 0.2785
R-squared 0.019988 Mean dependent var 0.356434Adjusted R-squared 0.009336 S.D. dependent var 6.839562S.E. of regression 6.807560 Akaike info criterion 6.694991Sum squared resid 4263.544 Schwarz criterion 6.749104Log likelihood -312.6646 Hannan-Quinn criter. 6.716849Durbin-Watson stat 1.998371
Elaboración: Propia
Debido a que no es significativo y la probabilidad es mayor al 5% acepto la hipótesis nula y se
concluye la inexistencia de autocorrelación de segundo orden.
GRÁFICOS
GRÁFICO N° 1
53
Es en el año 2013, más específicamente en los meses de Julio, Agosto y Setiembre donde el
Sector construcción mostró un cambio estructural positivo, llámese así debido a que en los años
anteriores también se notaba una tendencia crecimiento del mismo pero en Julio alcanzó tasas
de crecimiento del 43.2%, en Agosto de 40.7% y en Setiembre de 27.9%. Es por este el signo
del coeficiente de la variable dummy y el alto nivel de significancia.
GRÁFICO N° 2
54
Elaboración: Propia
GRÁFICO N° 3 MODELO CORREGIDO
55
Elaboración: Propia
56
CUADROS
CUADRO N° 1 – DATA EMPLEADA
ISC_SA CME TIPMN D1
2006M01 70.65091 401473 2.75 02006M02 73.06060 395481 2.93 02006M03 74.28756 403023 2.96 02006M04 71.84778 409928 3.25 02006M05 81.13911 404601 3.41 02006M06 77.65761 383351 3.38567 02006M07 79.73557 377097 3.289 02006M08 85.47981 401281 3.31 02006M09 89.33185 414997 3.34 02006M10 85.70913 410405 3.31 02006M11 90.84716 418689 3.34 02006M12 93.93130 432094 3.19 02007M01 98.41377 422325 3.17 02007M02 94.01756 419435 3.24 02007M03 103.9062 435350 3.22 02007M04 107.9832 429702 3.1 02007M05 106.5748 440795 3.12 02007M06 108.5604 457011 3.13 02007M07 105.6717 462519 3.1697 02007M08 99.96652 466824 3.18484 02007M09 85.52224 466919 3.305 02007M10 90.39243 470446 3.35258 02007M11 99.37174 502606 3.41769 02007M12 100.9026 511458 3.34774 02008M01 112.6501 511607 3.24677 02008M02 108.6470 517710 3.238275862 02008M03 92.59413 490641 3.259032258 02008M04 101.1978 518263 3.242333333 02008M05 96.38077 546127 3.3832 02008M06 103.4893 586041 3.517666667 02008M07 89.38624 571367 3.49870968 02008M08 102.6364 605996 3.59161 02008M09 107.7982 619793 3.655666667 02008M10 112.0758 565510 3.71613 02008M11 109.4334 643430 3.89233 02008M12 109.8300 671301 3.83548 02009M01 104.2088 677958 3.87194 02009M02 100.0962 715194 4.07929 02009M03 99.38179 686194 3.96774 02009M04 107.7994 662980 3.704 02009M05 104.9016 643594 3.3429 02009M06 114.2794 648504 3.00767 02009M07 131.7843 670764 2.61032 02009M08 125.9466 668055 2.27548 02009M09 133.0596 670066 2.078 02009M10 138.4115 685844 1.79032 02009M11 122.7167 686568 1.656 02009M12 133.6144 676523 1.55581 02010M01 115.8475 656997 1.444581 02010M02 126.9923 660762 1.39174 02010M03 131.3017 674605 1.35968 02010M04 119.0392 678495 1.29767 02010M05 115.0853 673785 1.33258 02010M06 122.8052 682550 1.38977 0
57
2010M07 121.8848 690179 1.4506 02010M08 115.9274 708430 1.622 02010M09 124.4437 729815 1.748 02010M10 124.8151 759064 1.839 02010M11 131.8119 798687 1.842 02010M12 121.2377 809107 1.802 02011M01 118.9777 796521 1.865 02011M02 121.9888 826056 1.989 02011M03 129.4285 860155 2.0394 02011M04 131.3411 849837 2.0897 02011M05 138.5969 838799 2.3042 02011M06 140.1490 856321 2.477 02011M07 127.2373 859170 2.4761 02011M08 130.9285 901594 2.5197 02011M09 126.8648 931100 2.5533 02011M10 135.2625 939777 2.5842 02011M11 132.4013 961456 2.5703 02011M12 146.8260 1014233 2.4681 02012M01 144.0560 1009040 2.4645 02012M02 158.2739 1008832 2.5004 02012M03 161.7921 1031288 2.5203 02012M04 152.1579 1021997 2.4393 02012M05 145.0802 1069801 2.4561 02012M06 136.3219 1054388 2.4757 02012M07 136.5771 1080378 2.4835 02012M08 136.6664 1011758 2.4274 02012M09 146.0198 1030745 2.4527 02012M10 147.4517 1035454 2.4474 02012M11 145.7297 1043281 2.4423 02012M12 138.8895 1040386 2.37 02013M01 158.1812 1030600 2.3774 02013M02 151.0137 1019798 2.3671 02013M03 152.7359 1011093 2.2871 02013M04 159.6954 1069527 2.309 02013M05 171.2286 1094418 2.3039 02013M06 159.4768 1110314 2.3187 02013M07 191.0152 1091661 2.3271 12013M08 188.5496 1087598 2.3158 12013M09 183.9059 1078584 2.3467 12013M10 166.9055 1089469 2.3432 02013M11 173.9890 1109115 2.3327 02013M12 167.5235 1131297 2.2697 0
Elaboración: Propia
58
Top Related