CAPÍTULO V FINANCIAMIENTO Y EXPORTACIONES AGRÍCOLAS EN MÉXICO 1995 - 2008

En este capítulo se presentara el modelo econométrico utilizando el método de mínimos cuadrados en seguida se analiza los datos obtenidos de las exportaciones agrícolas, el financiamiento agrícola de la banca de desarrollo y de la banca comercial, las tasas de interés en México, la incertidumbre de la situación económica del país y los efectos de las políticas nacionales e internacionales en el financiamiento de la banca de desarrollo.

Primeramente se analizarán, el comportamiento de las exportaciones en México desde Enero de 1995 a Mayo del 2008. En seguida se estudiará el comportamiento del financiamiento agrícola otorgado por la banca de desarrollo y la banca comercial.

5.1 MODELO ECONOMETRICO

Este modelo, elaborado en el programa eviews, se diseñó para observar el impacto del financiamiento en las exportaciones agrícolas y para probar su validez se hicieron las siguientes pruebas:

1.- PRUEBA DE RAICES UNITARIAS

Prueba de Dickey-Fuller aumentada

Variable dependiente: D(LOG(FINAGR),2)

Método: Mínimos cuadrados

Muestra (ajustada): 1995M03 2008M05

Observaciones incluidas: 159 después de los ajustes

Estadístico t Valor Prob.*

Prueba estadística de Dickey-Fuller -12.24404 0.00000

Esta prueba de raíces unitarias de Dickey y Fuller se utiliza para evitar relacionar variables de forma no válida o para confirmar que la serie no tiene tendencia. Para esta prueba de raíces unitarias la hipótesis nula es: la serie tiene raíces unitarias y la hipótesis alternativa es: la serie no tiene raíces unitarias y puesto que la serie debe ser estacionaria, es decir, sin raíces unitarias y nuestro valor prob es menor de 0.05 por lo que la hipótesis nula se rechaza y se acepta la hipótesis alternativa. Esto significa que esta serie no tiene raíces unitarias y por ende el modelo si es válido.

2.- PRUEBA DE CORRELACIÓN

Variable dependiente: DLOG(EXPDOL)

Método: Mínimos cuadrados

Muestra (ajustada): 1996M02 2008M05

Observaciones incluidas: 148 después de los ajustes

Variable Coeficiente Error estándar Estadístico t Valor prob

C 0.017577 0.008900 1.974,926 0.0502

DLOG(FINAGR) 0.226940 0.092470 2.454,211 0.0153

AR(12) 0.592307 0.065317 9.068,245 0.0000

MA(1) -0.587276 0.066840 -8.786,284 0.0000

R-cuadrada 0.447627 Variable dependiente promedio 0.014452

R-cuadrada ajustada 0.436120 S.D. Variable dependiente 0.140062

Esta prueba es la más importante para probar el impacto del financiamiento en las exportaciones agrícolas en México, ya que R-cuadrada nos dice en cuanto explica este modelo a la variable dependiente que en este caso son las exportaciones por lo que se explican en un 44.76%. También podemos ver en este cuadro que hay una elasticidad del 22.69%, es decir, que por cada cambio en la variable dependiente en este caso el financiamiento, las exportaciones agrícolas tendrán una variación del 22.69% con respecto a esa variación. En otras palabras si el financiamiento cambia en una unidad las exportaciones tendrán una variación 0.2269. Esto no significa que la variable independiente afecte en mucho a la variable dependiente, pero hablando de que el financiamiento en México a ido a la baja en gran proporción en los últimos años, si esto fuero al contrario y el financiamiento fuera cada vez mas tendría un mayor impacto y estaríamos hablando de que sería una variable muy importante en las exportaciones agrícolas de México.

Por otro lado para que la variable independiente sea suficientemente significativa y el modelo pueda considerarse suficientemente valido se requiere un valor prob menor a 0.05 y entre más cerca del cero mejor, esto nos indica que el valor de significancia es más alto, por lo que en el cuadro anterior podemos ver que el valor prob es de 0.0153, lo que nos indica que hay una significancia bastante alta.

3.- PRUEBA DE AUTOCORRELACIÒN

Prueba LM Seria de Breusch-Godfrey

Estadístico F 1.273771 Probabilidad 0.282951

R cuadrada observada 2.594646 Probabilidad 0.273262

Ecuación de prueba

Variable dependiente: Resid

Método: Mínimos cuadrados

Variable Coeficiente Error estándar Estadístico t Valor prob

C 0.000204 0.008884 0.022996 0.9817

DLOG(FINAGR) 0.012632 0.092820 0.136093 0.8919

AR(12) -0.008894 0.067806 -0.131174 0.8958

MA(1) -0.253709 0.176938 -1.433884 0.1538

RESID(-1) 0.304179 0.190605 1.595861 0.1127

RESID(-2) 0.145422 0.135319 1.074657 0.2844

R-cuadrada 0.017531 Variable dependiente promedio 0.001009

R-cuadrada ajustada -0.017063 S.D. Variable dependiente 0.104092

Esta prueba de autocorrelación de Breusch y Godfrey nos sirve para confirmar que la variable no está correlacionada consigo misma en el modelo y en este caso la hipótesis nula es: No existe correlación y la alternativa es: si existe correlación, si el valor prob fuese menor que 0.05 la hipótesis nula se rechazaría y la alternativa se aceptaría, pero en este modelo tenemos que el valor prob es superior, por lo que la hipótesis nula se acepta y se rechaza la alternativa, lo que nos indica que no existe correlación en la variable y por ende se puede afirmar que el modelo es suficientemente válido.

4.- PRUEBA DE HOMOCEDASTICIDAD DE WHITE

Ecuación de prueba:

Variable dependiente: RESID^2

Método: Mínimos cuadrados

Muestra: 1996M02 2008M05

Observaciones incluidas: 148

Variable Coeficiente Error estándar Estadístico t Valor prob

C 0.010198 0.001528 6.672153 0

DLOG(FINAGR) -0.038281 0.037647 -1.016849 0.3109

(DLOG(FINAGR))^2 0.009632 0.074547 0.129210 0.8974

R-cuadrada 0.025505 Variable dependiente promedio 0.010763

R-cuadrada ajustada 0.012064 S.D. Variable dependiente 0.018348

Esta prueba de homocedasticidad de White se requiere para comprobar que los residuos sean homocedásticos a través de la serie de tiempo, es decir, que la varianza de los residuos no cambie con el paso del tiempo.

En esta prueba de White se tiene que la hipótesis nula es: los residuos son homocedásticos y para aceptar esta hipótesis se requiere que el valor prob sea superior a 0.05. En este modelo tenemos que el valor prob es superior a 0.05, por lo que la hipótesis nula se acepta y tenemos que el modelo si es válido ya que los residuos son homocedásticos.

5.- PRUEBA DE NORMALIDAD DE JARQUE-BERA

Esta prueba de normalidad de Jarque-Bera nos sirve para demostrar que los residuos del modelo se distribuyen normalmente, en esta prueba la hipótesis nula es: los residuos se distribuyen normalmente y para que se aprueba esta el valor prob debe ser mayor a 0.05 y aquí se tiene que dicho valor efectivamente es mayor, por lo que podemos afirmar que los residuos del modelo se distribuyen normalmente

6.- PRUEBA DE ESPECIFICACIÒN

Estadístico F 0.24499 Probabilidad 0.621384

Ecuación de prueba:

Variable dependiente: DLOG(EXPDOL)

Método: Mínimos cuadrados

Muestra: 1996M02 2008M05

Observaciones incluidas: 148

Variable Coeficiente Error estándar Estadístico t Valor prob

C 0.019286 0.009529 2.023978 0.0448

DLOG(FINAGR) 0.208585 0.100853 2.068207 0.0404

FITTED^2 -0.222623 0.440347 -0.505563 0.6139

AR(12) 0.586052 0.06636 8.831402 0

MA(1) -0.5807 0.067777 -8.567797 0

R-cuadrada 0.448572 Variable dependiente promedio 0.014452

R-cuadrada ajustada 0.433147 S.D. Variable dependiente 0.140062

La prueba de especificación de Ramsey nos muestra si un modelo está bien especificado, para esta prueba la hipótesis nula es: el modelo está bien especificado y como en este modelo el valor prob del estadístico F es mayor a 0.05 la hipótesis nula se acepta por lo que el modelo pasa la prueba de especificación.