Академический Документы
Профессиональный Документы
Культура Документы
¿Cómo afectó las fluctuaciones del dólar a la economía colombiana en los años 2010-
2014?
Para determinar cómo afecto las fluctuaciones del dólar a la economía colombiana
en los años de 2010 hasta 2014, debemos tener claro que hace que fluctué el
precio del dólar durante el mismo periodo. Por tal a partir del estado del arte ya
mencionado se extrae algunas variables que pueden explicar el comportamiento
del precio del dólar, por un lado tenemos el promedio de las tasas de interés de
referencia a un depósito de termino fijo como un promedio mensual de Bancos,
corporaciones y compañías de financiamiento comercial; por otro lado se presenta
el precio del petróleo como un promedio mensual de tres precios; Brent Fechado,
Intermedio de Texas Oeste y Dubai Fateh, así dicho promedio esta en peso
colombiano por Barril.
Dado el planteamiento del modelo, se espera que el signo del coeficiente del
precio mensual del barril de crudo sea negativo, es decir, mientras más aumente
el precio del petróleo más caerá el precio del dólar, debido a la excesiva oferta de
divisas que entrarían al país motivados por su capitalización en la explotación de
dicho hidrocarburos. De igual forma, se espera que el signo del coeficiente del
tipo de interés (promedio) mensual con el que captan las entidades financieras y
bancos comerciales sea negativo, mientras más alto es dicho tipo de interés más
capitales golondrinas entrarían al país, presionando el precio del dólar a la baja;
caso contrario en una situación en la que el tipo de interés resulta poco atractivo a
los capitales de corto plazo.
Por tal realizando la estimación en SPSS, tenemos:
Vemos que la correlación entre las variables trm y Pbarril son significativas a un
nivel bajo y que la correlación entre el dtf y Pbarril se puede considerar alta, ahí
puede estar nuestro problema. Sin embargo la estimación nos lleva a que la recta
ajustada sea la siguiente:
𝑇𝑟𝑚𝑡 = 2150 + 0,00𝑃𝑏𝑎𝑟𝑟𝑖𝑙𝑡 − 4566,5𝑑𝑡𝑓𝑡 + 𝜇𝑡
Lo primero que hay que resaltar es el bajo valor que tiene el parámetro estimado
para Pbarril, además notamos que el p-value es mayor a un nivel de significancia
del 5%, 0,53>0,05. Se aceptaría una hipótesis nula de que el parámetro es igual a
cero, por lo que se concluye que este coeficiente no es significativamente distinto
de cero. Este coeficiente es positivo lo que contradice la hipótesis inicial del signo
esperado, esto indicaría entonces una relación directa y positiva entre el precio
mensual del barril de crudo y el precio del dólar. Mientras que damos cuenta que
el coeficiente del tipo de interés mensual de los bancos comerciales atiende al
signo esperado y resulta significativo a un nivel del 5%, 0,024<0,05. Indicando una
la relación inversa y negativa que por cada aumento porcentual del tipo de interés
mensual con el que captan las entidades comerciales el precio del dólar disminuye
en promedio 4,5 pesos.
Esta es la tabla del análisis de la varianza la que nos permite contrastar que el
coeficiente de correlación poblacional es significativamente distinto de cero, por lo
que vemos el valor F tiene un p-value igual a 0,034<0,05 lo que nos permite
rechazar la hipótesis nula:
𝐻𝑜: 𝛽𝑖 = 0
𝐻𝑎 = 𝛽𝑖 ≠ 0
Con lo cual concluimos que la dependencia lineal es significativa, el modelo
resulta adecuado.
Ahora veamos si se cumplen las hipótesis requeridas de normalidad, miremos el
grafico:
Como los datos de nuestra muestra es mayor a 30, nos detallamos en los que nos
dice el estadístico de Kolmogorov.Smirnov, Ahora como el valor de significancia es
menor a 0,05 podemos rechazar hipotesis nula. Con lo que concluimos que se
viola el supuesto de normalidad en los residuos, no se satisface el supuesto de
normalidad. Sin embargo con un nivel de significancia del 1%, podemos aceptar
la hipótesis nula, de la normalidad de los residuales.
Ahora hemos de comprobar que los residuos tengan igualdad de varianza (la
hipótesis de la homocedasticidad) y esto lo hacemos con el gráfico de residuos
estudentizados frente a predicciones que también podemos obtener en el campo
Gráficos del modelo de regresión:
Bibliografía